国民经济行业信用风险相依结构分析

国民经济行业信用风险相依结构分析 摘要通过R-vine Copula模型，对国民经济中九大门类行业信用 风险建模，揭示了样本行业间信用风险的非线性相依结构及信用风险传染 路径。实证结果显示各行业信用风险水平不一，但都较好地拟合了实际 经济；任意两行业间无条件信用风险大多表现为下尾相关性，但条件信用 风险的尾部相关性总体较弱；国民经济行业体系中存在加剧和减缓行业信 用风险传染的“风险催化行业”和“条件隔离行业”。最后，提出了有效 控制系统性金融风险、防范金融危机的措施建议。 关键词CCA；信用风险；R-vine copula DOI 中图分类号F224. 7文献标识码文件编号2015.09. 07. 0012 Abstract Based on R-Vine Copula model, the credit risk of nine industries of the national economy is modeled and the nonlinear dependent structure and credit risk contagion route of the industry s credit risk is discovered. Empirical results show that 1 The credit risk level of each industry is different, but it fits the actual economy well；2 Any of the two industries with no conditional credit risk are mostly lower tail dependence, but the conditional tail dependence of credit risk is overall weak； 3 Knowledge of the degree of inter industry credit risk will change as a result of the credit risk in other industries. There exists risk catalyst industry that can aggravate credit risk contagion and conditional isolation industry that can slow down credit risk contagion in industry system. Finally, according to the credit risk contagion mechanism, this paper puts forward the measures to effectively control systemic financial risk and prevent systemic financial crisis. Key words CCA ； credit risk； R-vine vopula 引言 构成国民经济的行业众多，由于各行业间或互补或相似的经营范围， 使其相关程度和违约传递非常明显，单纯的转移而不是消除某一行业的金 融风险很有可能最终让整个金融市场崩溃。目前利用信用衍生工具规避金 融监管的影子银行是全球面临的主要金融风险之一。因此，本文的研究对 象为行业信用风险。 行业风险的关系及其动态特征得到了学界的广泛关注。Gray Malone[l]基于CCA方法量化了国民经济四部门风险的非线性传递机制。 Castren Rancan[2]构建了包含金融和非金融部门的宏观经济网络，描述 了欧元区通过信贷渠道和证券市场表现出的金融体系和企业部门的双向 联系。国内对行业或部门风险的研究，主要集中在金融部门和主权部门等 国民经济部门[3], [4], [5], [6], [7],并没有分析所有行业间风险的 非线性相依结构及信用风险的传染路径及传染方式。 刻画多个行业信用风险相依关系，属于多维联合分布问题，常利用 Copula理论[8]来解决。然而，当变量维数增加时，copula函数的确定将 面临“维数灾难” [9]。而且，由于其对参数的唯一性要求较高，不能很 好地刻画多变量间的复杂相依关系。为此，Joe[10]最先提出将多变量的 联合分布分解为一系列独立的pair-copula模块的方法。Bedford Cooke[11], [12]、Cooke feKurowicka [13]对该方法进行了系统深入的研 究，并给出了基于图论思想构建规则藤（R-vine）的概念。Aas et al[14] 拓展了 pair-copula的应用范围并阐述了 R-vine的两个特例 Ovine 和D-vine,但它们只适于描述两类特定的相依关系。R-vine分布族包含 多种形式的结构，集结所有潜在双变量的copula,无疑是一种灵活又可操 作的方法，但其他形式的R-vine分布结构迄今很少被用于实证。 本文将建立符合实际数据特征的R-vine copula,利用实证研究数据 考察国民经济中九个主要行业间的信用风险相依关系，为宏观审慎管理系 统性金融风险提供政策依据。 1信用风险度量及其改进方法 CCA方法起源于期权定价理论[15], [16],具有非常直观的经济学意 义。由于其综合了市场数据与财务数据，更能动态反映企业信用风险的变 化，因此在理论界得到了广泛的应用。在CCA分析框架中，常常利用违约 距离作为信用风险指标。当假设企业资产价值服从几何布朗运动时，根 据 Black-Scholes 公式及 Ito 引理[15], [16]得, 事实上，将股权市值波动率视为常数往往不符合金融数据常表现出 的自相关、尖峰厚尾及异方差性，因此，放松“同方差”假定，将会使 计算结果更加准确。当股权市值的收益率存在自相关和异方差现象时，可 利用AR 1 - GARCH （1, 1）模型进行过滤，获取股权收益率的时 变波动率，模型如下 将代入上述（2）式即可得出体现金融时间序列条件异方差的违约距 离。 2 R-vine copula 模型构建 2. 1 R-vine copula 模型介绍 考虑一个由随机变量构成的向量，由链式法则，联合分布密度可分 解为一系列条件分布密度之积，即 然而，PC构建的方式并不唯一。Bedford Cooke ［11］提出了基于图 论思想的规则藤（R-vine）模式来选择有效的构建方式。该方法通过分层 构建dT棵树，每棵树的变量都以前一棵树的变量为条件，构成树的每一 段变量间的相依关系都可用相应的pair-copula来刻画，因此copula类 型覆盖面广且参数值也可以不唯一，可以灵活准确地刻画多变量之间的复 杂相依关系。 2. 2 R-vine copula 模型构建 构建一个完整的R-vine copula模型需要考虑以下三方面的问题 第一，确定合适的PC类型。一