[論文レビュー] Interconnected risk contributions: an heavy-tail approach to analyse US financial sectors

Mauro Bernardi, Lea Petrella|arXiv (Cornell University)|Jan 24, 2014

Insurance and Financial Risk Management参考文献 14被引用数 5

ひとこと要約

本稿は、1992年から2013年までの米国銀行、金融サービス、生命保険・非生命保険セクター間の動的尾部リスク相互依存性を分析するために、多次元スチューデントt分布を用いたマーカフスイッチングモデルと、Multiple-CoVaRおよびMultiple-CoESリスク指標を組み合わせた手法を提案する。主な発見として、銀行がシステミックリスクの主な発信源であり、次いで金融サービス業と保険会社が続く。リスク寄与度は、金融環境の変化に応じて時間とともに変化する。

ABSTRACT

In this paper we consider a multivariate model-based approach to measure the dynamic evolution of tail risk interdependence among US banks, financial services and insurance sectors. To deeply investigate the risk contribution of insurers we consider separately life and non-life companies. To achieve this goal we apply the multivariate student-t Markov Switching model and the Multiple-CoVaR (CoES) risk measures introduced in Bernardi et. al. (2013b) to account for both the known stylised characteristics of the data and the contemporaneous joint distress events affecting financial sectors. Our empirical investigation finds that banks appear to be the major source of risk for all the remaining sectors, followed by the financial services and the insurance sectors, showing that insurance sector significantly contributes as well to the overall risk. Moreover, we find that the role of each sector in contributing to other sectors distress evolves over time accordingly to the current predominant financial condition, implying different interconnection strength.

研究の動機と目的

• 銀行、金融サービス、保険セクター間のセクター間リスク相互依存性分析におけるギャップを埋めるために、これらのセクターにおけるシステミックリスクを検討すること。
• 市場ストレス下での生命保険会社と非生命保険会社の別々のリスク寄与度の変化を調査すること。
• 同時発生する極端なイベントと時間的に変化するリスクプロファイルを捉える、前向きな動的リスク評価フレームワークの構築。
• 時間的に変化するリスク寄与度指標を通じて、マクロプリューデンシャル規制当局にシステミックリスクの早期警戒インジケーターを提供すること。
• 従来のCoVaRを改善し、複数の機関が同時に悪化する状況を捉えるためにMultiple-CoVaRおよびMultiple-CoES指標を導入すること。

提案手法

• 時間的変動リスクダイナミクス、重い尾、および制度移行を捉えるために、多次元スチューデントt分布を用いたマーカフスイッチングモデルを採用する。
• 潜在的なマーカフ状態を用いて、安定期から危機期まで変動するリスク制度（平均、分散、相関構造が異なる）をモデル化する。
• 複数の機関が同時に悪化する状況での尾部リスク寄与度を測定するために、Multiple-CoVaRおよびMultiple-CoESリスク指標（Bernardi et al., 2013b）を適用する。
• 最尤推定法によりモデルパラメータを推定し、AIC/BIC基準および対数尤度値に基づき、4つの潜在状態を持つモデルを選択する。
• 共分散構造を分解式 Σ = ΛΩΛ を用いて構築し、Λは個々のボラティリティを、Ωは時間的に変化する相関を捉える。
• シャープリー値に基づくリスク寄与度指標を計算し、セクター間でのシステミックリスク寄与度を公平に配分する。

実験結果

リサーチクエスチョン

• RQ1 異なる金融環境下で、米国銀行、金融サービス、保険セクターのリスク寄与度は、時間とともにどのように変化するか？
• RQ2 生命保険会社と非生命保険会社は、市場ストレス期間中にどれほどシステミックリスクに寄与しているか？
• RQ3 Multiple-CoVaRフレームワークは、従来のCoVaRに比べて、金融セクター間の共同尾部リスクイベントをどのようにより良く捉えているか？
• RQ4 どのセクターがシステミックリスクの主な発信源となっており、これは異なる市場制度下でどのように変化するか？
• RQ5 提示されたモデルは、動的リスク寄与度の監視を通じて、システミック金融危機の早期警戒インジケーターとして信頼できるものとなるか？

主な発見

• 銀行はシステミックリスクの主な発信源と特定され、他のセクターの悪化に最も顕著に寄与している。特に金融不安定期に顕著である。
• 金融サービスセクターはリスク寄与度で2番目に高い位置を占めており、危機期には銀行および保険会社と強く連携していることが示された。
• 保険セクター、特に生命保険会社は、顕著なシステミックリスク寄与度を示しており、高い尖度と極端な損失分位数（例：1%水準：-0.124）により、尾部リスクへの露出が顕著である。
• 非生命保険会社は低いが依然として重要なリスク寄与度を示しており、1%損失分位数が-0.085、尖度が12.363であり、中程度の尾部リスクを示している。
• モデルは4つの明確なリスク制度を同定しており、特に2008年グローバル金融危機や2007–2008年の信用凍結期のような危機期に最も高いリスク寄与度が観察された。
• シャープリー値の比較により、Multiple-CoVaRおよびMultiple-CoES指標は、標準的なCoVaRよりも、リーマン破綿やギリシャ債務危機などの主要な金融ショック時におけるリスク伝播の顕著さをよりよく検出していることが判明した。