一种基于投资者情绪的系统性风险测量方法

摘要

随着金融机构之间的紧密性不断加强，如果一个金融机构出现危机，其风险往往会通过各种渠道对其他的金融机构产生影响，甚至影响到经济系统的稳定。银行、证券、保险以及多元金融机构在我国金融业中具有支撑性地位，但在分析金融机构对系统性风险贡献的问题时，投资者情绪的加入是否会对系统性风险贡献的问题产生影响？银行、证券、保险以及多元金融机构对系统性风险贡献的实证测度和分析又是如何？　　部分最新文献运用Forward-?CoVaR模型，通过建立金融机构的特征变量、经济宏观变量和?CoVaR之间的定量关系来预测金融机构间的系统性风险贡献大小。但是，面对市场波动，投资者所表现出来的积极或消极态度却并不能用基本面消息来代替；当市场表现比较差的时候，人们对未来市场的信心会大打折扣，投资者抛售股票的行为会增加系统性风险，而对参与市场活动的金融机构而言，它们会因此受到投资者情绪变化所带来的影响，因此，运用Forward-?CoVaR模型在度量系统性风险的时候，更应该考虑投资者情绪因子的直接和间接影响渠道。　　本文通过构建实证模型并利用事件研究法，验证了投资者情绪指标对金融机构的系统性风险贡献具有显著的正向影响。和牛市相比，熊市中投资者情绪的影响更大。首先，通过搜集国内外学者有关投资者情绪文献中出现的33个指标，本文筛选出符合中国市场的5个单项指标（封闭式基金折价率、换手率一阶差分、IPO首日收益率、新增开户数和居民消费价格指数）并构建投资者情绪因子。接着，本文利用加入投资者情绪因子的Forward-?CoVaR模型，计算不同金融机构的对整个金融行业的溢出效应（spillover）的大小，进一步分析不同机构在陷入危机以后对金融系统的影响情况。　　本文的创新之处主要有：（1）针对搜集整理出的33个情绪指标构建严格的筛选体系筛，最终选出符合中国市场的5个指标，这弥补了运用主成分分析法构建投资者情绪指数之前的指标优选这一环节；（2）通过研究投资者情绪和系统性风险的关系，提出了改进后的Forward-?CoVaR模型，并基于改进后的回归结果，计算不同金融机构的系统性风险贡献。　　本文的主要研究结论：（1）投资者情绪对所有的金融机构，包括银行、证券、保险和多元金融业的溢出效应都有显著正向影响，当投资者情绪增加时，遭受风险下的金融机构对系统的影响也会加强；（2）熊市和牛市下的投资者情绪对金融机构系统性风险贡献的影响具有显著差异，熊市时投资者情绪的影响比较大；（3）审慎宏观监管政策的提出对系统性风险有抑制作用，通过调控政策，影响系统性风险的因素可以得到进一步抑制；（4）考虑投资者情绪以后，不同机构的溢出效应有所差别，从行业上来看，保险业对于系统性风险的贡献在四个行业中居于前列，其次是银行金融机构，而证券和多元金融的贡献远低于行业整体水平，从时间上来看，2009年金融机构对系统性风险的贡献是最高的，之后，这一数值不断降低，2015年出现小幅上升，最近几年趋于平稳。

目录

声明

1.绪 论

1.1研究背景

1.2研究意义

1.3研究思路和方法

1.4本文的创新之处

1.5论文的基本框架

2.文献综述

2.1投资者情绪和系统性风险的概述

2.2投资者情绪与系统性风险关系

2.2.1投资者情绪、市场波动与系统性风险

2.2.2投资者情绪、投资者行为与系统性风险

2.3文献评述

3.加入情绪因子的Forward-△CoVaR模型的构建

3.1投资者情绪指标的构建

3.1.1基于相关性的筛选

3.1.2基于主成分和聚类分析的筛选

3.1.3构建投资者情绪

3.2引入投资者情绪的Forward-△CoVaR模型

3.2.1△CoVaR定义以及计算方法

3.2.2改进后的Forward-△CoVaR模型

3.3本章小结

4.实证结果及分析

4.1样本选择

4.2数据初步整理

4.2.1金融机构收益率统计

4.2.2金融机构收益率平稳性检验

4.2.3模型各因子的平稳性检验

4.2.4 △CoVaR的计算

4.3投资者情绪与系统性风险的实证研究

4.3.1投资者情绪与金融机构系统性风险的关系

4.3.2内生性问题讨论—基于事件研究法的证据

4.3.3牛市和熊市下投资者情绪的影响

4.4金融机构系统性风险溢出效应的测度

4.5模型比较

4.6本章小结

5.结论与建议

5.1研究总结

5.2研究不足与展望

参考文献

附录一：33个投资者情绪指标的分类和初步筛选

附录二：22个单项情绪指标的主成分分析

附录三：26家金融机构收益率统计性描述

后 记

致谢

在读期间科研成果目录