[论文解读] 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 5

一句话总结

本文提出了一种结合多重-CoVaR与多重-CoES风险度量的多变量学生t分布马尔可夫区制转换模型，用于分析1992至2013年间美国银行业、金融服务业及人身/非人身保险部门之间的动态尾部风险依存关系。研究发现，银行是系统性风险的主要来源，其次为金融服务业和保险公司，且风险贡献随金融环境变化而动态演变。

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.

研究动机与目标

• 通过考察银行业、金融服务业和保险业之间的系统性风险，填补跨部门风险依存分析的空白。
• 探究在金融压力时期，人身保险公司与非人身保险公司作为独立实体在系统性风险中所起作用的演变。
• 构建一种前瞻性、动态的风险评估框架，以捕捉联合极端事件与时变风险特征。
• 通过时变风险贡献度量，为宏观审慎监管机构提供系统性风险的早期预警指标。
• 在传统CoVaR基础上进行改进，通过引入多重-CoVaR与多重-CoES度量，考虑多重机构同时陷入困境的情形。

提出的方法

• 采用多变量学生t分布马尔可夫区制转换模型，以捕捉金融收益中的时变风险动态、厚尾特征与状态转换。
• 利用隐含马尔可夫状态对不同风险状态（从稳定期到危机期）进行建模，每种状态具有独特的均值、方差与相关性结构。
• 应用多重-CoVaR与多重-CoES风险度量（Bernardi et al., 2013b），量化当多个机构同时陷入困境时的尾部风险贡献。
• 通过最大似然法估计模型参数，所选模型基于AIC/BIC准则与对数似然值确定为四个隐含状态。
• 采用分解式Σ = ΛΩΛ构建协方差结构，其中Λ反映个体波动率，Ω反映时变相关性。
• 基于Shapley值计算风险贡献度量，以公平分配各行业间的系统性风险贡献。

实验结果

研究问题

• RQ1 在不同金融条件下，美国银行业、金融服务业与保险业的风险贡献如何随时间演变？
• RQ2 人身保险公司与非人身保险公司对系统性风险的贡献程度如何，特别是在市场压力时期？
• RQ3 多重-CoVaR框架在捕捉金融部门间联合尾部风险事件方面，相较于传统CoVaR有何改进？
• RQ4 哪个行业是系统性风险的主要来源？该角色在不同市场状态间如何变化？
• RQ5 所提出的模型能否通过动态风险贡献监测，作为系统性金融危机的可靠早期预警指标？

主要发现

• 银行被识别为系统性风险的主要来源，对其他部门的困境贡献最大，尤其在金融不稳定时期。
• 金融服务业在风险贡献中位居第二，表明其在压力时期与银行及保险公司具有紧密关联。
• 保险业，特别是人身保险公司，对系统性风险有显著贡献，更高的峰度与极端损失分位数（如1%分位数：-0.124）表明其面临更高的尾部风险暴露。
• 非人身保险公司虽贡献较低，但仍具实质性影响，其1%损失分位数为-0.085，峰度为12.363，反映出中等程度的尾部风险。
• 模型识别出四种不同的风险状态，最高风险贡献出现在危机时期，如2008年全球金融危机与2007–2008年信贷冻结期。
• Shapley值比较显示，多重-CoVaR与多重-CoES度量在重大金融冲击（如雷曼兄弟倒闭、希腊债务危机）期间检测到比标准CoVaR更显著的风险溢出。