金融机构风险溢出:机理、测度与监管

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71573042
  • 项目类别:
    面上项目
  • 资助金额:
    47.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0307.金融经济
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

The project focuses on risk spillover problems among different types of financial institutions. Firstly, the risk spillover mechanism of financial institution is analyzed from multiple perspectives, such as the balance sheet relationship, investor behavior, as well as information transmission, and the main financial institutions risk spillover channels are induced. Secondly, using copula function, CoVaR and CoES are improved as a new risk spillover effects measure. To estimate the modified measures more accurately, we incorporate high-frequency information by the realized GARCH model, and capture the influence of different market states by combining the regime switching mechanism, and ultimately propose a new approach to measure risk spillover effects among financial institutions. Due to the richer information content, mainly including high-frequency and structural breakpoint information, it is more realistic and robust that we detect quantitative information of financial institutions risk spillover effects by the MRS and realized GARCH based model rather than traditional methods in the mainstream researches.Finally, under each market state, we attribute the overall risk spillover effects to different risk spillover channels. According to the attribution analysis result, co-ordinate regulatory policies are proposed to release spillover risk among financial institutions and to support decision making for our current financial supervision system, i.e. ‘One bank, three commissions’. The effectiveness of policies is basically ascertained through numerical simulations.
本项目专注于不同类型金融机构之间的风险溢出问题。首先,从资产负债关联、投资者行为与信息传播等多个角度系统分析金融机构之间的风险溢出机理,归纳出主要的金融机构风险溢出渠道。其次,利用copula函数改进CoVaR和CoES作为风险溢出效应测度。再次,通过realized GARCH模型纳入高频信息,同时引入区制转换机制(regime switching mechanism)刻画不同市场状态对风险溢出的影响,提出基于MRS-realized GARCH模型的金融机构风险溢出效应测度计算的新方法,通过增加信息含量(高频波动信息和结构变点信息)获得比主流研究更加真实和稳健的金融机构风险溢出效应定量信息。最后,在不同市场状态下,将总的风险溢出效应归因于不同风险溢出渠道,以归因分析的结果为参考,为“一行三会”提供针对金融机构风险溢出的协调监管政策建议,并通过数值模拟验证政策的有效性。

结项摘要

本课题专注于不同金融机构之间的风险溢出问题,其主要贡献为:首先从系统性风险累积、传导、爆发和扩散的形成机理分析金融机构系统性风险从突变、权变到金融系统性危机的动态演变过程;其次,改进并提出新的金融机构风险溢出效应测度方法,如改进CoVaR方法,引入系统性风险测度的SDSVaR模型、基于非线性视角提出MVCoVaR模型、提出考虑行为因素的风险溢出效应测度方法、将混频Copula模型与CoVaR模型相结合进行溢出效应的测度、构建HAR-RV模型将高频信息和不同频率已实现波动纳入到边缘分布建模过程等;最后根据以取得的研究结果,给出相应的监管政策建议。

项目成果

期刊论文数量(15)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
Zombie firms, external support and corporate environmental responsibility: Evidence from China
僵尸企业、外部支持与企业环境责任:来自中国的证据
  • DOI:
    10.1016/j.jclepro.2018.12.136
  • 发表时间:
    2019
  • 期刊:
    Journal of Cleaner Production
  • 影响因子:
    11.1
  • 作者:
    Shaozhen Han;Wanhai You;Shijing Nan
  • 通讯作者:
    Shijing Nan
我国金融市场间联动效应研究——基于混频Copula模型
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    系统科学与数学
  • 影响因子:
    --
  • 作者:
    钟莉;唐勇;朱鹏飞
  • 通讯作者:
    朱鹏飞
投资者情绪与股票价格之间的信息溢出效应研究——基于行业差异视角
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    武汉金融
  • 影响因子:
    --
  • 作者:
    唐勇;洪晓梅;朱鹏飞
  • 通讯作者:
    朱鹏飞
Stock Trading Dynamics and Pedestrian Counterflows: Analogies and Differences
股票交易动态和行人逆流:类比和差异
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    The North American Journal of Economics and Finance 
  • 影响因子:
    --
  • 作者:
    Zhenpeng Tang;Meng Ran;Yongxiang Zhao
  • 通讯作者:
    Yongxiang Zhao
基于AACD模型的高频PIN值测算研究
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    物流工程与管理
  • 影响因子:
    --
  • 作者:
    周熙雯;唐振鹏
  • 通讯作者:
    唐振鹏

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

组合信用风险测度的藤copula方法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    系统工程学报
  • 影响因子:
    --
  • 作者:
    唐振鹏;黄友珀
  • 通讯作者:
    黄友珀
社会比较视角下的奢侈品情感营销模式
  • DOI:
    10.13658/j.cnki.sar.2016.05.014
  • 发表时间:
    2016
  • 期刊:
    东南学术
  • 影响因子:
    --
  • 作者:
    卢长宝;郭晓芳;陈丹妮;唐振鹏
  • 通讯作者:
    唐振鹏
基于偏t分布realized GARCH模型的尾部风险估计
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    系统工程理论与实践
  • 影响因子:
    --
  • 作者:
    黄友珀;唐振鹏;周熙雯
  • 通讯作者:
    周熙雯
产学研合作成效关键影响因素研究——基于合作开展与合作满意的视角
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    科学学研究
  • 影响因子:
    --
  • 作者:
    李梅芳;赵永翔;唐振鹏
  • 通讯作者:
    唐振鹏

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码