系统重要性金融机构间的网络风险分析

发布时间：2023-08-30 00:41

　　金融机构间的相互依赖性和动态性在系统性风险的研究中具有重要地位。在本文中,我们将“系统性连接”与网络分析法相结合,分别研究美国股票市场和中国股票市场中金融机构间动态的依赖性。具体而言,我们采用股票的每日收盘价数据,利用一种多元极值理论(Multivariate Extreme Value Theory,MEVT)的方法,构建动态的邻接矩阵,对美国和中国的系统重要性金融机构(Systemically Important Financial Institutions,SIFIs)之间动态的系统性连接进行量化,并通过网络分析将其可视化。结果显示,在极端情形下,尤其是当金融系统受到较大的负面冲击时,系统性连接的数值会明显增强。同时,我们使用尾部事件驱动的网络分位数回归(Tail Event driven Network Quantile Regression,TENQR)模型来估计网络的相互依赖性和动态性。结果表明,当市场处于下行周期时,网络因子的反应更为强烈。

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 本文的研究内容
    1.4 本文的创新点
    1.5 本文的行文思路
第2章 预备知识
    2.1 系统尾部风险的分解
        2.1.1 线性尾部风险模型
        2.1.2 系数估计方法
        2.1.3 系统尾部风险的分解
    2.2 网络的构建
        2.2.1 系统重要性金融机构概述
        2.2.2 邻接矩阵的构建
        2.2.3 非对称断点方法
    2.3 分位数自回归
        2.3.1 一般的分位数自回归模型
        2.3.2 网络分位数自回归模型
        2.3.3 TENQR模型
第3章 基于系统性连接的SIFIs网络
    3.1 模型构建
    3.2 数据来源及处理
        3.2.1 数据来源
        3.2.2 数据处理
    3.3 理论结果
        3.3.1 原始的美国SIFIs的系统性连接表
        3.3.2 原始的中国SIFIs的系统性连接表
        3.3.3 网络可视化
    3.4 网络中心度分析
        3.4.1 程度中心性
        3.4.2 密度中心性
第4章 尾部事件驱动的网络分位数回归
    4.1 变量选取
    4.2 估计结果
第5章 总结与展望
    5.1 本文总结
    5.2 研究展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果



本文编号：3844597