国民经济行业信用风险相依结构分析
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[1]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。Castrn 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 Kurowicka [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C—vine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公式及本文由收集整理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）—。