金融机构的系统性金融风险计算代码+计算结果+原始数据2007-2022年
一、数据简介：
1、共包含四个系统性极值风险指标：dcc方法计算的Δcovar、分位数计算的Δcovar、分位数计算的covar和mes。
2、统计范围：上市金融机构（银行、证券、保险等）
2、时间跨度：2007年至2022年，数据为非平衡数据，即不一定都是2007年开始的，但是2010年后的数据基本都有。所计算的数据能很好的描述金融危机、股灾和新冠疫情。
3、文件包含计算代码＋原始数据＋计算结果
二、指标说明：
自2008年全球金融危机爆发以来，关于系统性风险的普遍认识开始从“太大而不能倒”向“太关联而不能倒”转变（Chen等，2020），人们逐渐意识到忽视金融机构间的关联性而采取孤立的微观审慎监管政策是这场危机的诱因之一。李政等（2016）通过构建我国40家上市金融机构的格兰杰因果网络，发现自2012年以来我国金融机构间的总体关联性呈上升趋势。蒋海和张锦意（2018）使用LASSO分位数回归技术构建了我国上市银行尾部风险网络，发现银行间尾部风险网络的关联性对系统性风险具有正向影响。胡利琴等（2018）则发现银行资产的高同质性、创新关联和银行网络集中度会显著提高银行风险的外溢性。显然，关联性特征正逐渐成为金融机构系统性风险研究中不可忽视的因素。
金融系统性风险是指在金融系统内，由于各种关联的存在，形成风险传染，而逐渐产生的内生性不确定损失(Allen and Gale, 2000)。除了有关系统性风险内生机制(Acemoglu etal.,2015)的研究外，相关文献更多从实证角度对金融风险溢出测度展开研究。
三、参考文献：
[1]王剑,杜红军.非对称尾部相依视角下的金融机构系统性风险研究[J].金融经济,2023,No.561(03):54-69.DOI:10.14057/j.cnki.cn43-1156/f.2023.03.002.
[2]朱子言,刘晓星.系统性风险溢出与脆弱度——基于中国上市金融机构尾部风险感知的研究[J].金融经济学研究,2023,38(02):20-34.
扫码加好友，拉您进群
全部版块
我的主页
收藏
