【《我国系统性金融风险的实证研究》3600字（论文）】

我国系统性金融风险的实证研究目录TOC\o"1-3"\h\u20819我国系统性金融风险的实证研究 130429（一）变量解释 1162041.被解释变量 139752.解释变量 125647（二）金融压力指数（FSI）的变量分析 241891.国债期限利差 2242732.银行业风险利差 3179603.股市波动性 429947（三）模型构建 5253861．模型来源 5279292．金融压力指数（FSI）的构建 6175413．数据处理及指标体系的构建 618054（四）实证分析 8122621.协整性检验与平稳性检验 8197242.统计回归 9131753.Granger检验 10（一）变量解释1.被解释变量本文选取2016年至2020年中国的GDP季度增长率（GDP）作为被解释变量。中国GDP季度增长率的变化能够很好地反映中国经济受到经济波动影响的程度，从而体现各个变量与系统性金融风险之间的相关性关系。2.解释变量本文选取了国债期限利差、银行业风险利差和股票市场波动性三个变量来构建金融压力指数模型，将金融压力指数（FSI）作为解释变量。金融压力指数反映了中国金融市场面临经济压力的情况，当经济压力达到一定程度时，就会造成系统性金融风险，且系统性金融风险的严重程度随金融压力指数的变动而变动。本文通过研究金融压力指数与中国GDP季度增长率之间的相关性来探讨金融压力指数对系统性金融风险的影响程度。（二）金融压力指数（FSI）的变量分析1.国债期限利差通常情况下，长期债券的利息高于短期债券的利息，本文选取2016年至2020年中国五年期国债利息季度均值与一年期国债利息季度均值之间的差额作为国债期限利差数据。本文通过计算均值的方式中和了个别突出数据的影响力，避免实证结果出现误差。国债期限利差可以反映债券市场行情，能够很好地反映经济波动情况。具体数据如表5所示：表5：2016-2020年国债期限利差季度数据时间国债期限利差（%）2016年第一季度0.0381862922016年第二季度0.0008497442016年第三季度0.0000672016年第四季度0.0029933372017年第一季度0.2627229512017年第二季度0.1041467742017年第三季度0.1614303032017年第四季度0.1922435482018年第一季度0.0000818412018年第二季度0.2004037892018年第三季度0.000306342018年第四季度0.000412792019年第一季度0.5768216122019年第二季度0.4813370972019年第三季度0.3732636362019年第四季度0.4056161292020年第一季度0.4655371642020年第二季度0.4236374482020年第三季度0.1568164342020年第四季度0.271746618数据来源：中国债券网2.银行业风险利差本文选取2016年至2020年的一年期商业银行金融债券与同期国债利息之差作为银行业风险利差数据。由于金融债券市场的波动会促使商业银行采取相应的措施来维护自己的利益，因此银行业风险利差是衡量系统性金融风险的有效指标之一。其具体数据如表6所示：表6:2016年至2020年银行业风险利差时间银行业风险利差（%）2016年第一季度0.7857968022016年第二季度0.2760749172016年第三季度0.4247464552016年第四季度0.1821768232017年第一季度2.1392237972017年第二季度0.8656128772017年第三季度1.1965241942017年第四季度0.9174133432018年第一季度0.1179677862018年第二季度1.5034681122018年第三季度1.2920246482018年第四季度0.6309575762019年第一季度0.7363806982019年第二季度0.4561462372019年第三季度0.6561456012019年第四季度0.4652464322020年第一季度1.0743584972020年第二季度0.5172823432020年第三季度0.7673869582020年第四季度0.068958738

数据来源：中国债券网3.股市波动性本文选取了上证指数日收盘价作为原始数据。为使数据简化，本文对数据进行了取平均值的处理，表7显示了处理后的2016年至2020年股票市场波动性的情况。表7:2016年至2020年股市波动性时间股市波动性（%）2016年第一季度0.8814128022016年第二季度0.8859633072016年第三季度0.9207137412016年第四季度0.9561626912017年第一季度0.92809992017年第二季度0.9138496272017年第三季度0.9438309372017年第四季度0.9730016662018年第一季度0.9378189662018年第二季度0.8663972912018年第三季度0.7770181552018年第四季度0.7313409962019年第一季度0.8539022172019年第二季度0.9203733372019年第三季度0.8937058412019年第四季度0.9009265642020年第一季度0.8466827872020年第二季度0.8272790352020年第三季度0.9547773082020年第四季度0.965891968数据来源：中国债券网为使数据更符合本文实证研究需要，本文对原始数据进行了进一步处理，数据模型如式（1）：CMAUt=u（1）式中U为上证指数日收盘价，T为移动时间窗口（本文中T=1）。可见，当CMAUt（三）模型构建1．模型来源在参考了BalakrishnanRavi（2011）等人关于新兴市场的金融压力指数模型EM-FSI的构建方式的基础上，本文根据各项数据与金融压力之间的相互关系，构建了本文的金融压力指数（FSI）。2．金融压力指数（FSI）的构建在以上三个变量设定的基础上，现规定k1代表国债期限利差，k2代表银行业风险利差，FSI=−k其中k1和k3．数据处理及指标体系的构建金融压力指数综合反映了债券市场、股票市场和银行市场面临金融压力程度的情况，能够很好地反映我国经济波动的情况。对本文的数据通过式（2）的步骤处理后，得到的结果如表8所示：表8:2016年至2020年金融压力指数季度值2016年第一季度-0.1166084192016年第二季度-0.6722194522016年第三季度-0.5493565312016年第四季度-0.7748778562017年第一季度0.8977641542017年第二季度-0.1965232242017年第三季度0.0738549732017年第四季度-0.2478318712018年第一季度-1.0557049112018年第二季度0.7444508162018年第三季度0.3398285472018年第四季度-0.3236329862019年第一季度-0.7395284512019年第二季度-0.9455641972019年第三季度-0.677126072019年第四季度-0.9291105392020年第一季度-0.3443066982020年第二季度-0.8690053542020年第三季度-1.5714288112020年第四季度-0.625186613对表8的数据进行图表化后得到的结果如图1所示。可见，在2016年至2020年之间，中国金融压力指数（FSI）的季度值起伏较大，且分别在2017年和2018年出现了两个明显的高峰值。2019年一季度到2020年四季度之间，中国金融压力指数的季度值虽然有起伏，但一直处于零以下。由此可见，中国的金融市场在2017年和2018年间波动较大，但2019年到2020年间趋于平稳。图1：中国金融压力指数（FSI）季度值折线图由于GDP增长率是一国经济发展状况的风向标，本文选取了中国2016年至2020年间的GDP季度增长率情况作为实证分析数据，具体数据如表9所示：表9：中国2016年至2020年GDP季度增长率2016年第一季度6.5%2018年第三季度6.8%2016年第二季度4.9%2018年第四季度6.7%2016年第三季度3.2%2019年第一季度6.7%2016年第四季度6.8%2019年第二季度6.8%2017年第一季度6%2019年第三季度6.8%2017年第二季度6%2019年第四季度6.8%2017年第三季度6.2%2020年第一季度6.7%2017年第四季度6.4%2020年第二季度6.7%2018年第一季度6.4%2020年第三季度6.7%2018年第二季度6.5%2020年第四季度6.8%数据来源：国家统计局（四）实证分析现在选取中国2016年至2020年的GDP季度增长率与金融压力指数进行相关性检验，以此来验证金融压力指数（FSI）与GDP增长率(GDP)之间的关系。1.协整性检验与平稳性检验为避免数据出现平稳性问题，本文首先对数据进行平稳性检验。为了避免本文模型出现伪回归问题，即被解释变量和解释变量之间在没有因果关系的情况下，回归结果却显示二者存在因果关系。本文选取ADF检验法对GDP季度增长率(GDP)和金融压力指数(FSI)进行平稳性检验。为了分析方便，现将GDP简化为G,将FSI简化为F，检验结果如表10所示：表10：GDP季度增长率协整性检验结果t-StatisticsProb.*AugmentedDickey-Fullerteststatistics-3.3188200.0239Testcriticalvalues1%level-3.8573865%level-3.04039110%level-2.660551表11：FSI协整性检验结果t-StatisticsProb.*AugmentedDickey-Fullerteststatistics-3.3219120.0324Testcriticalvalues1%level-3.9591485%level-3.08100210%level-2.681330由表10和表11的结果看，在一阶差分的条件下，GDP的检验值-3.318820小于5%显著性水平下的临界值-3.040391，FSI的检验值-3.321912小于5%显著性水平下的临界值-3.081002，金融压力指数(F)和GDP季度增长率(G)都是平稳的。又因为二者都是在一阶差分的情况下平稳，则可认为金融压力指数(F)和GDP季度增长率(G)是同阶单整的，即二者具备协整性，下文的回归结果都是有效的。2.统计回归为了进一步研究金融压力指数(F)和GDP季度增长率(G)之间的关系，本文运用普通最小二乘法（OLS）进行回归模型分析。由于金融指标的变化对经济影响具有滞后性，在研究金融压力指数(F)与中国GDP季度增长率（G）的自相关图表后，本文确定滞后期为4。在模型具有滞后期间的情况下，为使研究结果更为准确，本文采用了分布滞后模型（PDL）进行OLS回归，回归结如表12所示。表12：OLS回归结果VariableCoefficientStd.Errort-StatisticsProb.C8.0306380.16264873.0256780.0014PDL01-0.114780.015328-10.0139440.0003PDL02-0.069210.081646-6.1606660.0009R-squared0.957246Meandependentvar9.205716AdjustedR-squared0.942995S.D.dependentvar1.207598S.E.ofregression0.413556Akalikeinfocriterion0.908569Sumsquaredresid1.388058Schwarzcriterion`1.282400Loglikelihood-3.705701Hannan-Quinncriter.2.072839F-statistic92.752642Dubrin-Watsonstat2.005402Prob(F-statistic)0.00007LagDistibutionofFiCoefficientStd.Errort-Statistics*.|

*

.|*

.|

*.|*.|0-0.054310.03233-1.012931-0.014180.07533-2.013942-0.159010.01112-4.223513-0.342630.02465-3.593124-0.100170.01047-6.35168从表12运行结果中可见，当滞后期为4时，R方为0.957246，说明模型拟合优度较好，DW值为2.005402，说明模型没有自相关性。回归模型的系数为负数，说明金融压力指数(F)对GDP季度增长率(G)有明显的负向影响，即金融压力指数的提高会造成GDP季度增长率的放缓下滑。由于回归模型可能受到异方差问题的影响，本文对回归模型进行异方差性检验。异方差性检验方式很多，包括残差图、White