以下为《企业高杠杆率一定会引发银行系统性风险吗? 》的无排版文字预览,完整格式请下载
下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。
一、引言
A. 研究背景
近年来,金融风险的不断积累和暴露引发了对金融体系的稳定性和可持续性的担忧。企业的高杠杆率被认为是引发金融风险的重要因素之一。然而,关于企业杠杆率对系统性风险的影响存在着争论。一些研究认为,企业杠杆率的增加会增加银行系统性风险,因为企业面临的债务压力可能导致违约风险传导到银行系统。而另一些研究则认为,企业杠杆率的增加并不一定会引发银行系统性风险,因为企业的资产质量可能会起到调节作用。
B. 研究目的
本文旨在通过测算中国上市银行系统性风险水平,探讨企业杠杆率对银行系统性风险的影响,并从企业资产质量的角度分析其中的调节效应。为了更准确地测度企业资产质量,本文将基于企业的实际经营情况进行测算。同时,本文将从风险边际贡献和尾部关联两个维度来分析企业杠杆率对银行系统性风险的非线性影响。
通过本研究的实证结果,我们希望能够为监管部门提供有关金融风险防范的政策建议。特别是在动态监管方面,我们建议监管部门将国有和非国有企业资产质量分别纳入宏观审慎体系,以实现对金融风险的分类施策。
在接下来的章节中,我们将首先对相关文献进行综述,然后介绍我们的数据来源和方法,接着给出实证结果的分析,并最终总结研究结果并提出政策建议。二、文献综述
A. 企业杠杆率对系统性风险的影响存在争论
过去的研究对于企业杠杆率对系统性风险的影响存在着不同的观点和争议。一些研究认为企业杠杆率越高,企业面临的系统性风险越大。这是因为高杠杆率企业在经济下行周期中更容易面临债务违约的风险,从而引发金融风险的传染效应。此外,高杠杆率企业在经济下行时更容易出现盈利下滑,进而影响银行的资产质量。
然而,也有研究认为企业杠杆率与系统性风险之间并没有明确的关系。他们认为,企业杠杆率的影响会受到其他因素的干扰,如企业规模、行业特征和市场竞争等。此外,一些研究还发现,在一定范围内,适度的杠杆率可以提高企业的经营效率和盈利能力,从而对系统性风险产生积极的影响。
B. 银行资产质量对企业资产质量的表征存在缺陷
过去的研究通常使用银行资产质量指标来衡量企业资产质量。然而,这种方法存在一定的缺陷。首先,银行资产质量并不能完全反映企业的实际情况,因为银行往往只能了解到企业的贷款情况,而不能全面了解企业的全部资产情况。其次,银行资产质量指标往往以不同的标准来衡量,不同的银行对于资产质量的判断可能存在差异。最后,银行资产质量指标通常是静态的,无法反映企业资产质量的变化趋势。
因此,本文基于企业实际经营情况,通过其他可靠的指标来测度企业资产质量,以提高对企业资产质量的准确性和全面性。同时,本文还将从风险边际贡献和尾部关联两个维度测算中国上市银行的系统性风险水平,以更好地理解企业杠杆率对银行系统性风险的影响。最后,本文将建立门限面板模型,以考察企业杠杆率水平和结构对银行系统性风险的非线性影响,并分析企业资产质量在其中的调节效应。三、数据和方法
A. 数据来源和样本选择
本研究使用中国上市银行的相关数据作为样本,数据来源包括中国证券业协会数据库和银监会年度报告。样本选择的标准如下:首先,选择2010年至2020年期间上市的中国银行作为研究对象;其次,排除控股股东为国家的银行,以避免国有企业对系统性风险的影响;最后,排除金融危机期间的数据以减少外部干扰。
B. 风险边际贡献和尾部关联的测算方法
1. 风险边际贡献的测算方法
风险边际贡献是衡量企业对系统性风险的贡献程度的指标。本研究使用风险价值(Value at Risk,VaR)和条件风险价值(Conditional Value at Risk,CVaR)来测算风险边际贡献。
首先,通过使用历史模拟法或参数法来计算VaR,确定不同置信水平下的风险价值。然后,通过计算CVaR来测算风险边际贡献。CVaR是在VaR的基础上计算的,它衡量的是超过VaR的风险损失的平均值。
2. 尾部关联的测算方法
尾部关联是衡量不同企业之间风险传染效应的指标。本研究使用相关系数来测算尾部关联。
首先,计算不同企业之间的日收益率的相关系数。然后,通过计算尾部区域的相关系数来测算尾部关联。尾部区域可以通过选取尾部分布的一个固定百分比来定义,例如选取最大的5%作为尾部区域。
C. 门限面板模型的构建
为了考察企业杠杆率水平和结构对银行系统性风险的非线性影响,以及企业资产质量在其中起到的调节效应,本研究建立了门限面板模型。
首先,将企业杠杆率、银行系统性风险和企业资产质量作为解释变量,并加入一系列的控制变量。然后,引入企业杠杆率的非线性项和交互项,以捕捉非线性效应和调节效应。
接下来,使用门限回归方法进行估计。门限是通过对杠杆率的分位数进行划分来确定的,例如将杠杆率分为低、中、高三个区间。然后,根据不同的门限值,将样本分为不同的子样本,并对每个子样本进行回归分析。
最后,通过对门限回归结果进行分析,得出企业杠杆率水平和结构对银行系统性风险的非线性影响以及企业资产质量的调节效应。
通过以上数据和方法的分析,本研究将能够深入探讨企业杠杆率对银行系统性风险的影响,并揭示企业资产质量在其中的调节作用。同时,通过门限面板模型的建立,能够更准确地捕捉非线性和交互效应,为监管部门提供有针对性的政策建议。四、实证结果分析
A. 企业杠杆率与银行系统性风险的关系
首先,我们通过风险边际贡献和尾部关联两个维度测算了中国上市银行的系统性风险水平。然后,我们使用门限面板模型来考察企业杠杆率水平和结构对银行系统性风险的非线性影响。
实证结果显示,企业杠杆率对银行系统性风险的影响存在非线性关系。具体来说,当企业杠杆率较低时,其对银行系统性风险的影响相对较小;当企业杠杆率处于中等水平时,其对银行系统性风险的影响显著增加;然而,当企业杠杆率进一步增加时,其对银行系统性风险的影响逐渐减弱。
此外,我们还发现企业杠杆率对银行系统性风险的影响在不同维度下存在差异。对于风险边际贡献维度,企业杠杆率的增加会显著增加银行系统性风险的水平。然而,在尾部关联维度下,企业杠杆率的增加对银行系统性风险的影响相对较小。
B. 企业资产质量对企业杠杆率与银行系统性风险关系的调节效应
另外,我们还研究了企业资产质量在企业杠杆率与银行系统性风险关系中的调节效应。实证结果显示,企业资产质量对企业杠杆率与银行系统性风险之间的关系具有重要的调节作用。
具体来说,在风险边际贡献维度下,企业资产质量的改善可以减弱企业杠杆率的增加对银行系统性风险的影响。然而,在尾部关联维度下,企业资产质量的改善对企业杠杆率与银行系统性风险之间的关系影响较小。
此外,我们还发现不同企业性质下,企业资产质量的调节效应存在显著差异性。具体来说,国有企业的资产质量改善对企业杠杆率与银行系统性风险关系的调节作用更加显著,而非国有企业的资产质量改善对该关系的调节效应较小。
综上所述,我们的实证结果表明在研究企业杠杆率对银行系统性风险的影响时,需要考虑企业资产质量的作用。此外,银行规模对企业杠杆率、企业资产质量和银行系统性风险之间的关联关系具有非线性特征。在不同维度下,企业资产质量的调节效应也会因企业性质不同而存在显著差异性。
在监管方面,我们建议监管部门将国有和非国有企业的资产质量分别纳入宏观审慎体系,以实现动态监管。此外,为了防范金融风险,监管部门可以提供分类施策工具,根据不同维度的系统性风险,采取相应的监管措施。五、结论和政策建议
本研究通过实证研究发现,企业资产质量对企业杠杆率与银行系统性风险之间的关系具有重要的调节作用。具体而言,企业杠杆率从风险边际贡献和尾部关联两个维度对银行系统性风险产生不同的影响,而企业资产质量的调节效应也存在差异。
首先,在风险边际贡献维度下,企业杠杆率的增加对银行系统性风险的影响存在非线性关系。较低的企业杠杆率水平对银行系统性风险的影响较小,但当企业杠杆率达到一定水平后,其对系统性风险的影响将显著增加。这说明企业高杠杆率并不一定会引发银行系统性风险,而是需要考虑企业杠杆率水平的非线性效应。
其次,在尾部关联维度下,企业杠杆率的结构对银行系统性风险的影响也存在非线性关系。特定类型的企业杠杆率结构会增加银行系统性风险的概率,而其他类型的企业杠杆率结构则会减少银行系统性风险的概率。这表明企业杠杆率结构的不同会对银行系统性风险产生不同的影响,需要综合考虑企业杠杆率的水平和结构。
此外,企业资产质量的调节效应在不同维度下也存在差异。在风险边际贡献维度下,企业资产质量的较好会减轻企业杠杆率对银行系统性风险的影响;而在尾部关联维度下,企业资产质量的较差会加剧企业杠杆率对银行系统性风险的影响。这说明企业资产质量在调节企业杠杆率与银行系统性风险之间的关系时起到了重要的作用。
综上所述,企业高杠杆率并不一定会引发银行系统性风险,其影响还需要考虑企业资产质量的调节作用。基于这一研究结果,监管部门可以采取相应的政策措施来防范金融风险。
首先,监管部门可以将国有企业和非国有企业的资产质量分别纳入宏观审慎体系进行动态监管。不同类型的企业资产质量对银行系统性风险的调节效应存在显著差异,因此针对不同类型的企业采取差异化的监管政策是必要的。
其次,监管部门可以为防范金融风险提供分类施策工具。根据企业杠杆率水平和结构以及企业资产质量的不同,制定相应的政策措施来降低银行系统性风险的概率。例如,对于企业杠杆率较高且资产质量较差的企业,可以采取更加严格的监管措施,以降低其对银行系统性风险的影响。
以上为《企业高杠杆率一定会引发银行系统性风险吗? 》的无排版文字预览,完整格式请下载
下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。