当前位置：首页 > news >正文

顶刊《AER》-通过ΔCoVaR测度系统性风险（Matlab代码实现）

news 2026/7/2 10:34:27

💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
🎁完整资源、论文复现、期刊合作、论文辅导及科研仿真定制事宜点击：
👉👉👉本文完整资源下载
⛳️座右铭：行百里者，半于九十。

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥第一部分——内容介绍

基于ΔCoVaR的银行业系统性风险测度研究

一、引言

系统性金融风险的精准测度是防范化解金融体系尾部风险、维护金融市场稳定的核心前提。相较于传统单一机构风险度量指标仅能反映微观主体风险水平的局限，系统性风险聚焦金融机构风险的外溢效应与市场联动效应，重点刻画单一机构陷入困境后对整个金融体系造成的冲击风险，是宏观金融审慎监管的核心观测维度。在现有研究体系中，Adrian与Brunnermeier在《American Economic Review（AER）》提出的ΔCoVaR方法是测度金融机构系统性风险贡献度的经典范式，该方法突破了传统风险指标的局限性，能够有效识别个体金融机构的风险外溢能力与系统性风险传导路径，被广泛应用于银行业、证券业等金融行业的风险评估研究中。

我国银行业作为金融体系的核心支柱，其风险稳定性直接决定整体金融市场的平稳运行。上市商业银行凭借庞大的资产规模、广泛的市场业务与紧密的同业关联，是银行业系统性风险的主要源头。基于此，本文依托AER经典ΔCoVaR研究框架，对比主流系统性风险测度方法的优劣，系统阐释CoVaR及ΔCoVaR的核心方法论逻辑，并选取国内六家核心上市商业银行作为研究样本，结合多维市场状态变量，动态测算样本银行的个体风险与系统性风险贡献度，为我国银行业系统性风险识别、风险防控与审慎监管提供实证依据。

二、系统性风险主流测度方法对比

现有学界关于系统性金融风险的测度方法可根据研究视角与测算逻辑，划分为系统性风险指标评估法与系统性风险损失估计法两大类别，两类方法的核心逻辑、数据依托与应用场景存在显著差异，具体特征如下。

2.1 系统性风险指标评估法

该方法属于自上而下的风险测度思路，核心逻辑是依托金融市场交易形成的高频宏观、行业数据，通过统计计量模型对多维基础风险指标进行筛选、加权与合成，最终形成能够综合反映金融体系整体风险水平的合成指数，侧重刻画金融市场整体的风险压力状态，而非单一机构的风险溢出效应。

目前主流的测算模型与指数包括金融压力指数（FSI）、系统性金融风险综合指标（CISS）、动态因子模型与时变参数因子增强向量自回归模型（TVP-FAVAR）等。其中，FSI指数通过整合利率、汇率、资产价格、信贷规模等市场指标，量化金融市场的压力水平；CISS指标则兼顾风险的水平维度、波动维度与联动维度，能够捕捉金融风险的累积与扩散特征；动态因子模型与TVP-FAVAR模型可有效挖掘多维金融数据的公共风险因子，适配金融风险的动态时变特征。整体而言，该类方法优势在于能够全景反映金融体系整体风险态势，缺陷在于无法剥离单一金融机构的风险贡献，难以精准识别系统性风险的微观源头。

2.2 系统性风险损失估计法

该方法属于自下而上的风险测度思路，聚焦微观金融机构主体，以极端尾部风险场景下的机构潜在资产损失为核心测算依据，重点衡量单一金融机构陷入风险困境后对整个金融体系的风险溢出贡献，能够精准定位系统性风险的重要来源，是微观审慎与宏观审慎监管结合的核心测算工具。

现阶段主流测算指标包括条件风险价值（CoVaR）、边际期望损失（MES）、系统性风险指数（SRISK）等。其中，MES侧重衡量市场极端下跌场景中金融机构的边际风险损失，SRISK重点结合机构资本缺口测算系统性风险承担水平，而AER提出的CoVaR及衍生的ΔCoVaR指标，核心聚焦单一机构困境对金融体系整体风险的边际影响，能够有效区分机构个体风险与系统性风险贡献，规避了传统VaR指标仅衡量机构自身风险、忽视风险外溢的核心缺陷，成为学界测度金融机构系统性风险贡献的主流范式。

三、CoVaR与ΔCoVaR核心方法论（AER基准框架）

基于AER经典研究范式，CoVaR方法的核心创新是突破传统风险价值指标的孤立性局限，引入条件风险思维，刻画金融体系与单一金融机构之间的风险联动关系，而ΔCoVaR进一步量化了机构困境状态相较于正常状态的风险溢出增量，精准实现系统性风险贡献度的量化识别。整体测算逻辑分为个体风险测算与系统性风险贡献测算两个核心阶段。

3.1 单一金融机构个体风险（VaR）测算

传统风险价值（VaR）是CoVaR体系的基础指标，用于衡量单一金融机构自身的尾部风险水平。从风险定义来看，机构的个体风险特指在既定置信水平下，机构资产收益率可能出现的最大潜在损失，反映的是机构自身在市场波动中的风险暴露程度，仅与机构自身经营状况与资产波动相关，不涉及对外部金融体系的风险溢出影响，是微观层面的风险度量指标。本文研究中，选取95%置信水平作为基准，测算各样本银行的个体VaR风险水平，为后续系统性风险测算提供基础参数。

3.2 条件风险价值CoVaR测算逻辑

CoVaR即条件风险价值，核心定义为当单一金融机构陷入极端风险困境时，整个金融体系对应的风险价值水平。该指标将微观机构风险与宏观体系风险绑定，充分考虑了金融市场的风险联动性与传染性。相较于传统VaR仅反映“个体风险”，CoVaR能够捕捉“个体风险引发的体系风险”，直观体现金融机构的风险外溢能力。

3.3 ΔCoVaR核心内涵（系统性风险贡献核心指标）

为进一步精准量化单一机构的边际系统性风险贡献，AER研究提出ΔCoVaR指标，这也是本文核心研究变量。其核心逻辑是对比两种场景下的金融体系风险差异：一是样本银行处于极端风险困境场景时的金融体系CoVaR，二是样本银行处于正常经营状态（中位数收益状态）时的金融体系CoVaR。二者的差值即为ΔCoVaR，该指标纯粹剥离了市场常态波动的影响，精准量化了单一银行陷入危机后对整个银行体系带来的额外系统性风险增量，数值越大，代表该银行的系统性风险溢出能力越强，对金融体系的稳定性威胁越大。

四、我国商业银行系统性风险实证测算设计

4.1 样本与数据准备

本文聚焦我国上市商业银行体系，选取六家具有系统重要性的股份制及国有商业银行作为研究样本，分别为招商银行、交通银行、中信银行、民生银行、浦发银行、建设银行。样本银行覆盖国有大行与头部股份制银行，资产规模大、市场参与度高、同业关联紧密，能够有效代表我国银行业核心主体的风险特征，具备较强的研究代表性。

研究核心数据分为三类，所有数据均来源于公开市场交易数据，保证客观性与时效性。第一类为个体银行收益率数据，即六家样本银行的股票市场日度收益率，反映单家银行的市场价值波动与个体风险变化；第二类为银行系统收益率数据，选取申万银行行业指数日度收益率，作为我国银行业整体市场表现与系统风险的代理变量；第三类为宏观市场状态变量，用于控制宏观市场环境、利率体系、资本市场与汇率波动等外部因素对银行风险的干扰，提升动态风险测算的精准度。

本文选取的状态变量涵盖九大核心维度，全面覆盖利率、信用、资本市场、房地产、汇率、市场情绪等关键领域，具体包括国债收益率、国债信用利差、国债期限利差、TED利差、房地产行业指数收益、A股整体股市波动率、股市综合收益率、人民币汇率波动率、VIX恐慌指数。多维状态变量能够有效捕捉不同宏观场景下的金融市场风险波动，适配动态CoVaR模型的时变测算需求。

4.2 动态ΔCoVaR测算实施逻辑

区别于静态CoVaR仅能测算单一时间节点风险的局限，本文采用动态CoVaR测算框架，充分利用高频市场数据，捕捉银行业系统性风险的时变特征。测算流程遵循AER基准研究范式，分层推进。

首先，基于95%置信水平，通过分位数回归方法测算六家样本银行的个体VaR值，精准刻画各银行自身的尾部风险水平，完成微观个体风险的量化识别。其次，引入宏观状态变量构建动态回归模型，剥离外部市场环境的干扰，测算单家银行陷入极端风险困境时的银行体系CoVaR，以及银行处于正常经营状态时的银行体系CoVaR。最后，通过两类场景下的CoVaR差值计算得到动态ΔCoVaR，最终量化出各样本银行在不同时期的系统性风险贡献度，实现对我国银行业微观机构系统性风险溢出效应的动态识别与横向对比。

五、研究小结与研究价值

本文基于AER顶刊经典的ΔCoVaR研究框架，系统梳理了两类主流系统性风险测度方法的核心差异，明确了ΔCoVaR在识别微观机构系统性风险贡献上的独特优势，规避了传统指数法无法定位风险源头、传统VaR忽视风险外溢的缺陷。同时，本文结合我国银行业市场特征，选取六家核心上市银行与多维宏观状态变量，构建适配国内市场的动态ΔCoVaR测算体系，形成了标准化的银行业系统性风险实证研究范式。

相较于静态风险测算方法，本文采用的动态ΔCoVaR能够精准捕捉金融市场波动、宏观政策调整、行业周期变化下的银行风险溢出动态变化，可横向对比不同银行的系统性风险重要性，也可纵向监测单家银行风险贡献的时序变化。研究结论能够为监管部门识别系统重要性银行、实施差异化审慎监管、防范银行业风险跨机构传染提供重要的实证支撑，同时也为金融市场系统性风险的量化研究提供标准化的参考框架。