[논문 리뷰] Interconnected risk contributions: an heavy-tail approach to analyse US financial sectors

Mauro Bernardi, Lea Petrella|arXiv (Cornell University)|2014. 01. 24.

Insurance and Financial Risk Management참고 문헌 14인용 수 5

한 줄 요약

이 논문은 1992년부터 2013년까지 미국 은행, 금융서비스 및 생명/비생명 보험 부문 간의 동적 꼬리 리스크 상호의존성을 분석하기 위해 多변량 스튜던트의 t-분포를 활용한 마르코프 전환 모형과 Multiple-CoVaR 및 Multiple-CoES 리스크 측도를 결합하여 제안한다. 연구 결과 은행이 체계적 리스크의 주요 원천이며, 그 다음으로 금융서비스 부문과 보험사가 이어지며, 리스크 기여도는 금융 환경에 따라 시간에 따라 변화하는 것으로 나타났다.

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.

연구 동기 및 목표

• 은행, 금융서비스 및 보험 부문 간의 상호의존 리스크 분석에 대한 격차를 보완하기 위해 체계적 리스크를 은행, 금융서비스 및 보험 부문 전반에서 분석하고자 한다.
• 시장 금융 압박 상황에서 생명보험사와 비생명보험사로 나누어 보험사의 체계적 리스크 기여 역할이 어떻게 변화하는지 조사하고자 한다.
• 동시에 극단적인 사건과 시간에 따라 변화하는 리스크 프로파일을 반영하는 동적 리스크 평가 프레임워크를 개발하고자 한다.
• 시간에 따라 변화하는 리스크 기여 측도를 통해 거시프라우던트리규레이터에게 체계적 리스크의 조기경보 신호를 제공하고자 한다.
• 기존 CoVaR를 개선하기 위해 동시에 여러 기관이 위기를 겪는 상황을 고려한 Multiple-CoVaR 및 Multiple-CoES 측도를 적용하고자 한다.

제안 방법

• 시간에 따라 변화하는 리스크 역학, 무거운 꼬리, 제도 전환을 반영하기 위해 다변량 스튜던트의 t-분포 마르코프 전환 모형을 사용한다.
• 은행, 금융서비스 및 보험 부문 간의 리스크 제도 전환을 모의하기 위해 잠재 마르코프 상태를 사용하며, 각 상태는 평균, 분산 및 상관관계의 구조가 다른 안정기 및 위기기로 나뉜다.
• Bernardi 등(2013b)이 제안한 Multiple-CoVaR 및 Multiple-CoES 리스크 측도를 사용하여 다중 기관이 동시에 위기를 겪을 경우의 꼬리 리스크 기여도를 정량화한다.
• 모델의 파라미터는 최대우도법을 통해 추정하며, AIC/BIC 기준 및 로그우도값을 바탕으로 네 개의 잠재 상태를 가진 모델을 선택한다.
• 공분산 구조는 분해 Σ = ΛΩΛ를 통해 구성되며, Λ는 개별 변동성을 반영하고 Ω는 시간에 따라 변화하는 상관관계를 반영한다.
• 시스템적 리스크 기여도를 공정하게 부문 간에 분배하기 위해 샤플리 값 기반 리스크 기여 측도를 계산한다.

실험 결과

연구 질문

• RQ1 다양한 금융 조건 하에서 미국 은행, 금융서비스 및 보험 부문의 리스크 기여도가 시간에 따라 어떻게 변화하는가?
• RQ2 특히 시장 압박 상황에서 생명보험사와 비생명보험사가 체계적 리스크에 얼마나 기여하는가?
• RQ3 Multiple-CoVaR 프레임워크는 기존 CoVaR에 비해 금융 부문 간의 동시 꼬리 리스크 사건을 어떻게 더 잘 반영하는가?
• RQ4 어느 부문이 체계적 리스크의 주요 원천이며, 이 역할은 다양한 시장 제도에서 어떻게 변화하는가?
• RQ5 제안된 모형은 동적 리스크 기여도 모니터링을 통해 체계적 금융 위기의 신뢰할 수 있는 조기경보 지표로 기능할 수 있는가?

주요 결과

• 은행은 체계적 리스크의 주요 원천으로 확인되었으며, 특히 금융 불안정성 기간 동안 다른 부문의 위기 발생에 가장 크게 기여하였다.
• 금융서비스 부문은 리스크 기여도에서 두 번째로 높은 순위를 차지하여, 위기 기간 동안 은행 및 보험사와의 강한 연결성을 보였다.
• 보험 부문, 특히 생명보험사의 리스크 기여도는 상당히 높았으며, 높은 첨도와 극단적 손실 분포(예: 1% 수준에서 -0.124)로 인해 꼬리 리스크 노출이 뚜렷하였다.
• 비생명보험사는 낮지만 여전히 중요한 리스크 기여도를 보였으며, 1% 손실 분위수 -0.085와 첨도 12.363로 중간 정도의 꼬리 리스크를 반영하였다.
• 모델은 네 가지의 명백한 리스크 제도를 식별하였으며, 특히 2008년 글로벌 금융위기 및 2007–2008년 신용동결 기간 동안 가장 높은 리스크 기여도를 보였다.
• 샤플리 값 비교 결과, Multiple-CoVaR 및 Multiple-CoES 측도는 기존 CoVaR보다 주요 금융 충격(예: 리먼 붕괴, 그리스 부채위기) 기간 동안 더 뚜렷한 리스크 전이를 감지하였다.