中国上市金融机构尾部相关性分析：基于网络分析法开题报告

1997年亚洲金融危机爆发以来，世界金融业风险呈现出了复合性的特点，即不再是由单一风险所造成，而是由市场风险、信用风险、交易风险等联合造成。尤其是2008年全球金融危机后，这种关联性受到了学术界以及监管当局前所未有的关注。

而我国的金融市场是一个新兴市场，正处在快速发展的阶段，金融创新层出不穷。随着跨市场的金融衍生品种类不断增加金融机构对各类金融资产配置需求明显增加，各金融子市场之间的关联性呈现提高的趋势。而过度关联会提高负面冲击的破坏水平和影响范围，增加风险传染的可能性。因此，有必要对我国金融机构间的关联程度做一个准确的度量，并刻画关联模型，以为监管部门改革和完善金融监管机制提供依据。本文选择网络分析法来度量金融机构的关联性，这是一项新兴的跨学科的分析关联性的方法，可以有效弥补国内已有分析方法的不足。

研究方法：

（1）文献研究法与演绎归纳法。通过阅读归纳国内外学者有关金融机构尾部相关性的研究文献，梳理归纳国内外相关领域研究现状，研究发展趋势以及不足。

（2）描述统计法与网络分析法。通过采用我国上市金融机构股票价格数据，基于信息溢出视角，以收益率数据结合分位数建立关联网络模型，分析中国主要金融机构间的关联程度和溢出效应。

关键问题：

本文主要希望通过研究极端市场条件下中国上市金融机构间的关联程度，探讨网络关联的影响因素，以期为我国构建宏观审慎政策框架以及改革和完善分业监管体制提供依据和支撑。

目前，国内外学者基于金融机构的股票价格、信用违约互换价格等市场数据，提出了一系列衡量金融机构关联性的方法，以此来测度或者反映系统性风险。其研究大致可以分为两类: 一类方法通过测度金融机构资产的相关性来评估其同时违约的可能性，代表性的指标如金融机构股票收益率的相关系数( Lo，2008; Huang et al．，2009; Patro et al.，2013; 刘红忠等，2011) 或者主成分( Kritzman et al．，2011; Billio et al.，2012) ; 另一类方法则通过度量金融机构的尾部依赖性来测度金融机构间的风险溢出和系统性风险贡献，代表性的研究包括 Adrian and Brunnermeier (2011) 的条件风险价值(CoVaR) 和 Acharya et al．(2010) 的边际期望损失(MES) 。但是它们都只关注金融机构间的局部关联水平，忽视了金融网络的整体结构特征。为了解决这一问题，学者Diebold 和 Yilmaz (2009,2012)通过构建QVAR 模型，得到的溢出指数来进行granger-因果网络分，由此产生的网络不仅是直接的，而且是加权的，因此可以估计双边溢出效应的强度。Matthew Greenwood-Nimmo（2017）也使用回归分位数的溢出模型，研究了 2006 年 1 月至 2012 年 2 月期间，主权国家和国家金融部门之间特殊信贷风险的溢出效应。事实证明，基于分位数的网络分析方法对于研究溢出效应而言，是一种实用的技术。

撰写方案：

1、第一部分阐述研究的背景和意义以及研究方法和框架。

2、第二部分对国内外关于金融市场尾部相关性的研究进行梳理。

3、第三部分选取中国上市金融机构的股票价格为实证数据，进行描述统计分析并通过向量自回归（VAR）模型、脉冲响应函数、Granger 因果检验、方差分解等计量经济方法，通过构建机构间的风险传染和信息溢出网络，定量分析金融网络的总体关联性以及网络关联的影响因素。

4、第四部分在前文的基础上结合实证分析结果尝试提出相应对策建议，并在论文最后提出文章研究存在的不足以及对后续相关研究的展望。

5、结束语。

研究计划进度：

1．2022年11月20日（本学期第十周）——完成选题工作；

2．2022年12月11日前——完成开题工作；

3．2022年3月19日前——完成初稿和中期检查工作；

4．2022年5月15日前——完成论文修改、重复率检查、定稿、外文文献翻译工作。

5. 2022年5月28日前——完成答辩环节工作。

[1]刘红忠、赵玉洁和周冬华，2011，《公允价值会计能否放大银行体系的系统性风险》，《金融研究》第 4 期，第 82 ～ 99 页。

[2]李政,梁琪,涂晓枫.我国上市金融机构关联性研究——基于网络分析法[J].金融研究,2016(08):95-110.

[3]王诚晨. 中国金融市场动态传导关系和波动溢出效应研究[D].苏州科技大学,2019.

[4]戴天骄. 互联网金融与传统金融行业尾部风险相关性研究[D].兰州理工大学,2018.

[5]PatroD K, Qi M, Sun X. A simple indicator of systemic risk[J]. Journal ofFinancial Stability, 2013, 9(1): 105-116.

[6] AndoT, Greenwood-Nimmo M, Shin Y. Quantile Connectedness: Modelling TailBehaviour in the Topology of Financial Networks[J]. Available at SSRN3164772, 2018.

[7] BalcilarM, Ozdemir Z A, Ozdemir H, et al. Transmission of US and EU economic policyuncertainty shock to Asian economies in bad and good times[J]. Available atSSRN 3602333, 2020.

[8] ShenY Y, Jiang Z Q, Ma J C, et al. Sector connectedness in the Chinese stockmarkets[J]. arXiv preprint arXiv:2002.09097, 2020.