主要观点：
　　本篇是“学海拾珠”系列第一百五十七篇，文献提出了一种基于隐含波动率和实际波动率的系统风险指标IVRVSRI，用于分析2000年至2023年全球和各国股市中的重大金融危机，构建的指标能够反映不同市场的风险特征和反应速度。文献还利用不同的回归模型，比较了IVRVSRI和其他四种系统风险指标（CATFIN、CISS、SRISK和Cleveland FED）对SP500指数的预测能力。结果表明，IVRVSRI在系统风险高发时期具有最强的预测能力。
　　IVRVSRI的稳健性和全面性
　　文献使用敏感性分析和相关性分析来检验RV（已实现波动率）的记忆参数，IV（隐含波动率）的到期时间，风险地图的百分位数，以及历史数据的长度这四个参数对IVRVSRI的影响，并比较了不同参数下的IVRVSRI与其他系统风险指标（如sRisk、CATFIN等）的一致性。文章发现IVRVSRI对这些参数的变化不敏感，并且在不同参数下都能有效地反映系统风险的水平和动态。文献分析了2000年至2023年期间全球、美国、欧洲、日本和巴西的股市数据，研究了不同地区股市在主要金融危机中的系统风险水平和动态变化。文章发现不同地区股市对系统风险的反应和持续性存在差异，这取决于各自的历史波动率和长期平均波动率水平，并且IVRVSRI能够捕捉到不同地区股市在危机时期的异质性和相互影响。
　　IVRVSRI能够有效地预测SP500指数的下跌风
　　文献使用SP500指数的周收益率作为被解释变量，使用IVRVSRI和其他四个系统风险指标作为解释变量，分别进行了简单线性回归，拟分位数回归和分位数回归的分析。发现IVRVSRI在所有三种方法中都有显著的负向回归系数，说明IVRVSRI能够有效地预测SP500指数的下跌风险。而其他四个指标在不同方法中的表现不一致，有些甚至与SP500指数呈正相关，说明它们的预测能力较弱。可以证明IVRVSRI在所有情况下都有最强的预测能力，尤其是在系统风险高的时候。
　　文献来源
　　核心内容摘选自PaweSakowskia, RafaSieradzkib, Robert？lepaczuk在SSRN的文章《Systemic risk indicator based on impliedand realized volatility》
　　风险提示
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。
　　

研究报告全文：TableStockNameRptType金融工程专题报告基于隐含波动率和实际波动率的系统风险指标学海拾珠系列之一百五十七TableRptDate报告日期2023-09-07主要观点TableSummary本篇是学海拾珠系列第一百五十七篇文献提出了一种基于隐分析师骆昱杉TableAuthor含波动率和实际波动率的系统风险指标IVRVSRI用于分析2000年至执业证书号S00105221100012023年全球和各国股市中的重大金融危机构建的指标能够反映不同市邮箱luoyushanhazqcom场的风险特征和反应速度文献还利用不同的回归模型比较了IVRVSRI和其他四种系统风险指标CATFINCISSSRISK和分析师严佳炜ClevelandFED对SP500指数的预测能力结果表明IVRVSRI在系执业证书号S0010520070001统风险高发时期具有最强的预测能力邮箱yanjwhazqcomIVRVSRI的稳健性和全面性文献使用敏感性分析和相关性分析来检验RV已实现波动率的记忆参数IV隐含波动率的到期时间风险地图的百分位数以及历史数据的长度这四个参数对IVRVSRI的影响并比较了不同参数下的IVRVSRI与其他系统风险指标如sRiskCATFIN等的一致性文章发现IVRVSRI对这些参数的变化不敏感并且在不同参数下都能有效地反映系统风险的水平和动态文献分析了2000年至2023年期间全球美国欧洲日本和巴西的股市数据研究了不同地区股市在主要金融危机中的系统风险水平和动态变化文章发现不同地区股市对相关报告TableCompanyReport系统风险的反应和持续性存在差异这取决于各自的历史波动率和长期1使用机器学习识别基金经理投资平均波动率水平并且IVRVSRI能够捕捉到不同地区股市在危机时期能力学海拾珠系列之一百五的异质性和相互影响十六2通胀是否会影响会计信息-股票价IVRVSRI能够有效地预测SP500指数的下跌风格间的相关性学海拾珠系列之文献使用SP500指数的周收益率作为被解释变量使用IVRVSRI一百五十五和其他四个系统风险指标作为解释变量分别进行了简单线性回归拟3信息不确定性投资者情绪与分分位数回归和分位数回归的分析发现IVRVSRI在所有三种方法中都析师报告学海拾珠系列之一有显著的负向回归系数说明IVRVSRI能够有效地预测SP500指数的百五十四下跌风险而其他四个指标在不同方法中的表现不一致有些甚至与4Alpha与风格因子的综合风险平SP500指数呈正相关说明它们的预测能力较弱可以证明IVRVSRI价策略学海拾珠系列之一百五在所有情况下都有最强的预测能力尤其是在系统风险高的时候十三5人工智能可以读懂企业高管的想文献来源法吗学海拾珠系列之一百核心内容摘选自PaweSakowskiaRafaSieradzkibRobert五十二lepaczuk在SSRN的文章Systemicriskindicatorbasedonimplied6A股的流动性波动性及其溢出andrealizedvolatility效应学海拾珠系列之一百五十一风险提示文献结论基于历史数据与海外文献进行总结不构成任何投资建议敬请参阅末页重要声明及评级说明证券研究报告TableCommonRptType金融工程正文目录1简介42文献综述和选定系统风险指标的分类521文献综述522选用哪些风格风险因子83方法831隐含波动率-波动率指数932实际波动率测量933IVRVSRI-隐含波动率实际波动率系统风险指标9331隐含波动率SRI10332实际波动率SRI10333IVRVSRI-国家层面的隐含波动率实际波动率系统风险指标10334IVRVSRI-全球隐含波动率实际波动率系统风险指标IVRVSRI1034基于IVRVSRI的动态四分位数排名DQRIVRVSRI1035系统性风险基准指标11351SRISK11352克利夫兰联储的系统风险指标cfSRI12353CATFIN13354系统压力综合指标CISS1336IVRVSRI的比较和预测能力14361相关性矩阵和滚动相关性14362预测能力144数据1541全球权益基金数据155模型结果1751国家级的IVRVSRI1752全球IVRVSRI1953SRIS与标准普尔500指数的比较2054SRI的预测能力22541基于重叠数据的回归模型22542基于非重叠数据的回归模型236结论24风险提示25敬请参阅末页重要声明及评级说明226证券研究报告TableCommonRptType金融工程图表目录图表1所选择的系统风险指标的比较8图表2SP500EUROSTOXX50NIKKEI225和BOVESPA指数在2000年至2023年间的波动16图表3SP500EUROSTOXX50NIKKEI225和BOVESPA指数在2000年至2023年间的回报率16图表4SP500EUROSTOXX50NIKKEI225和BOVESPA指数在2000年至2023年间的回撤16图表5SP500EUROSTOXX50NIKKEI225和BOVESPA指数的市场资本总值17图表6SP500EUROSTOXX50NIKKEI225和BOVESPA指数的隐含波动率17图表7SP500EUROSTOXX50NIKKEI225和BOVESPA指数的实际波动率18图表8SP500EUROSTOXX50NIKKEI225和BOVESPA指数的国家级的IVRVSRI18图表9基于IVRVSRI分位数颜色的国家级图表19图表10全球IVSRIRVSRI和IVRVSRI19图表11全球层面基于IVSRIRVSRI和IVRVSRI的分位数颜色地图19图表12带有IVRVSRI分位数的彩色地图上的IVRVSRI和SP500指数20图表13基准SRI和SP500指数的波动20图表14基准SRIIVRVSRI和标准普尔500指数的回报率21图表15基准SRIIVRVSRI和SP500指数周收益率的描述性统计21图表16SP500指数与SRI每周收益率的相关矩阵21图表17SRI和SP500指数周收益率的滞后5天相关矩阵21图表18基于单个SRI和所有SRI的1-LAG和P-LAG的简单回归模型的调整后222图表19基于单个SRI和所有SRI的1-LAG和P-LAG的拟分位数回归模型的调整后23图表20基于单个SRI和所有SRI的1-LAG和P-LAG的分位数回归模型的伪23图表21基于单个SRI和所有SRI的1-LAG和P-LAG的简单回归模型的调整后24图表22基于单个SRI和所有SRI的1-LAG和P-LAG的拟分位数回归模型的调整后24图表23基于单个SRI和所有SRI的1-LAG和P-LAG的分位数模型的伪24敬请参阅末页重要声明及评级说明326证券研究报告TableCommonRptType金融工程1简介金融市场动荡蔓延的程度和速度是众多研究关注的焦点因为金融市场对任何现有或即将发生的危机的反应都非常迅速而根据实体经济措施很难及时发现它们因为它们的公布有延迟性本文的主要目的是分析并比较2000年至2023年美国欧洲巴西和日本股票市场重大金融市场动荡的系统性影响为此我们根据每个市场的隐含波动率和已实现波动率分别为IV和RV构建了一个指标此外我们还构建了一个全球层面的通用指标我们进行这项研究部分是为了证明这种系统性风险指标可以通过简单的度量来构建而无需为此使用任何复杂的风险模型Caporin等人换句话说我们希望证明模型风险可以大大降低而结果却与使用复杂得多的工具得到的结果相似我们设定了四个研究假设RH1根据众所周知的已实现波动率和隐含波动率概念可以构建一个稳健的系统风险指标RH2提出的系统风险指标的指示取决于特定股票市场的地理位置RH3提出的系统风险指标的稳健性取决于所选的各种参数RV的记忆参数IV的到期时间风险图所选的百分位数计算风险图百分位数时所选的历史长度RH4在其他基准SRI中IVRVSRI对SP500指数的预测能力最高尤其是在系统性风险时刻在许多研究中如Caporin等人Hollo等人研究人员并没有考虑模型的初始参数对最终结果的影响程度尤其是对市场突发动荡的反应速度的影响因此所提出的系统性风险度量的稳健性就显得尤为重要我们检验了所提出的系统风险指标对所选参数变化的敏感性这些参数包括已实现波动率RV的记忆参数隐含波动率IV的到期时间风险图所选的百分位数以及风险图计算百分位数时所选的历史长度系统风险是指整个金融体系崩溃的风险而不是与任何单个实体相关的风险即信用违约风险系统性风险的一个主要显著特点是影响一个或一组市场实体的特异事件会因系统中的相互联系和相互依存关系而加剧从而导致多米诺骨牌效应有可能拖垮整个系统整个系统的脆弱性是长期形成的只有在危机时期才会显现原因之一是市场参与者之间具有可比的商业模式从而在资产负债表上积累类似的资产并采取类似于从众行为的投资策略事实上这些实体虽然在法律上是分开的但从系统的角度来看它们可以被视为一个大实体最近硅谷银行和Signature银行的倒闭以及Covid-19大流行病的突然发生都表明指标的及时性是系统性风险指标的主要特征之一有人可能会说主要基于市场变量基本上是金融工具价格的衡量标准可能会产生误导因为它们可能会产生错误的积极信号另一方面主要以会计数据为基础的衡量标准在对金融体系潜在问题做出反应时会比较慢因为它们的提供是有延迟的因此我们认为得到一个有时可能是错误的潜在问题信号比在危机已经开始时得到信号要好大多数研究都认识到了这一问题并试图将市场数据和会计数据结合起来详见文献综述一般来说基于市场的变量的功能是及时发现潜在危机而基于会计的措施则是为了识别具有系统重要性的机构这些机构的倒闭可能会在系统中产生溢出效应市场监管机构可以采用这种方法对具有系统重要性的实体进行更密切的监测并尝试引入监管解决方案以降低它们对系统的影响与市场参与者相比这些实体敬请参阅末页重要声明及评级说明426证券研究报告TableCommonRptType金融工程还能获得更多有关单个机构的数据并能更早地收集这些数据尽管我们同意这种方法是识别too-big-to-fail机构的好方法另一方面我们认为这种方法的缺点之一是将两类数据结合起来会导致更高的模型风险而且比仅使用基于市场的变量计算量更大此外由于市场的复杂性和动态性似乎很难发现市场中的相互关联性因此将too-interconnected-to-fail分类是一项艰巨的任务同时前述SVB和SignatureBank的倒闭表明我们并没有意识到系统中积聚的某些风险现有的模型也没有考虑到这些风险在这项工作中我们关注的是系统性风险的一个部分即市场参与者而不仅仅是监管者对潜在危机的及时识别我们还认为更宽泛的市场可能对系统风险有更深入的了解在某种程度上它们的协调行动可能会引发系统性事件本文的结构如下第二部分是文献综述第三部分介绍数据和研究方法第四部分介绍结果第五部分为论文结论2文献综述和选定系统风险指标的分类21文献综述文献中衡量系统性风险的主要方法是基于市场数据或市场数据与资产负债表数据的组合这些综合风险指标使用VaR和CoVaR等指标对一个国家一个细分市场或一个经济部门得出的结果进行汇总就得到了系统性风险的一般衡量标准一般来说各种方法都能得出类似的结果如Engle和RuanBrownlees和EngleAcharya等人Bisias等人或Caporin等人最早关注系统性风险的尝试之一是Brimmer他提醒了中央银行的最后贷款人功能已经偏离了中央银行货币控制的总体战略也对个别银行和金融市场部门进行了战术救援DeBandt和Hartmann提出了广义系统性风险概念这是理解金融危机的基本经济概念他们认为任何此类概念都必须整合银行和金融市场以及相关支付和结算系统中的系统性事件系统性风险的核心是传染效应和各种形式的外部效应这一概念还包括总体冲击后的同步金融不稳定性他们对过去几年迅速发展的系统性风险定量文献进行了调查Bisias等人指出在瞬息万变的金融环境中系统性风险是一个多层面的问题任何单一的定义都可能存在缺陷并可能造成虚假的安全感因为金融市场的发展方式逃脱了任何单一视角的审查他们概述了文献中的30多个系统性风险指标这些指标是针对衡量系统性风险及其管理的关键问题选择的这些指标分为六大类包括宏观经济指标细化基础和网络指标前瞻性风险指标压力测试指标横截面指标流动性不足指标以及最终破产措施指标他们从监管研究和数据的角度对这些措施进行了分析并对每种风险措施提出了简明的定义同时他们指出需要评估的系统非常复杂所考虑的衡量标准在全球金融危机危机之外基本上未经测试事实上他们审查的一些概念框架仍处于起步阶段尚未得到应用Schwarcz也认为各国政府和国际组织越来越担心系统性风险在这种风险下世界金融体系可能会像多米诺骨牌一样崩塌人们普遍对于系统性风险的成因甚至在某种程度上对于系统性风险的定义都存在困惑而且对于如何控制系统性风险也存在不确定性他的论文提供了一个概念框架用于研究哪些风险是真正的系统性风险这些风险的成因是什么以及如何如果有的话监管这些风险学者们历来倾向于主要从银行等金融机构的角度来思考系统性风险然而随着去敬请参阅末页重要声明及评级说明526证券研究报告TableCommonRptType金融工程中介化的发展即公司可以不通过银行或其他中介机构而获得资本市场的资金在美国非金融企业超过50的资金来自股票和债券的发行人们应该更加关注金融市场以及市场与机构之间的关系这一视角揭示了系统性风险源于一种公地悲剧在这种悲剧中市场参与者缺乏足够的激励也缺乏限制风险承担以减少对他人的系统性危险的监管有鉴于此Acharya将系统风险建模为银行持有的资产收益率的内生选择的相关性银行的有限责任以及一家银行倒闭对其他银行健康的负外部性导致了一种系统性风险转移动机即所有银行都进行相关投资从而增加了整个经济的总体风险银行停业政策和资本充足率要求等监管机制通常只基于银行自身的风险无法减轻总体风险转移的激励作用反而会加剧系统性风险事实表明审慎监管是在集体层面上运作的它根据每家银行与其他银行的联合相关风险以及其自身的特定于银行的风险来对每家银行进行监管Brownlees和Engle引入了SRISK来衡量金融公司的系统性风险贡献SRISK反映了一家公司在市场严重下跌时的资本缺口是其规模杠杆率和风险的函数他们使用该指标对近期金融危机中的顶级金融机构进行了研究SRISK对危机不同阶段的系统性机构进行了有用的排名并确定FannieMaeFreddieMacMorganStanleyBearStearns和LehmanBrothers早在2005年第一季度就是最大的贡献者此外SRISK总量还提供了实际活动指标受困的早期预警信号Adrian和Brunnermeier提出的CoVaR方法以公开交易的金融机构为基础以机构陷入困境为条件估算金融体系的系统性风险他们将机构对系统性风险的贡献定义为机构陷入困境时的CoVaR与机构中位数状态下的CoVaR之差他们对杠杆率规模和期限错配等特征预测系统性风险贡献的程度进行了量化Romer和Romer研究了战后先进国家金融危机的后果他们构建了1967-2012年间24个OECD国家的金融困境半年度序列该序列基于对各国金融体系健康状况的评估并对金融困境进行了相对精细的分类他们发现金融危机后产出的平均下降在统计上是显著和持续的但规模不大更重要的是平均降幅对规格和样本很敏感而且危机的后果在不同的重大事件中变化很大继这项研究之后Engle和Ruan利用Romer和Romer构建的危机严重性变量对23个发达经济体进行了Tobit模型估计他们根据Tobit估计结果制定了危机概率衡量指标和SRISK能力衡量指标这些指标揭示了一个重要的全球外部性即一个国家的危机风险受到世界其他国家资本不足的强烈影响Acharya等人提出了一个系统性风险经济模型其中假定整个金融部门的资本不足会损害实体经济从而导致系统性风险外部性每个金融机构对系统性风险的贡献可以用其系统性预期缺口SES来衡量即当整个系统资本不足时其资本不足的倾向Wang等人的研究涉及国家级股票市场系统性风险贡献SRC的测量以了解全球极端风险的上升从而预防潜在的金融危机所提出的系统风险贡献度SRC指标是基于利用CoVaR和级联失效网络模型来量化尾部风险传播的多米诺效应CoVaR捕捉股票市场之间的尾部依赖结构而级联失效网络模型则捕捉尾部风险传染的非线性动态特征以模拟尾部风险传播有效性测试表明该方法优于七种经典方法因为它有助于全球金融危机的早期预警并与许多系统性危机相关联的风险决定因素如市场流动性杠杆率通货膨胀研究结果突出表明考虑尾部风险传染的动态特征有助于避免低估SRC并补充连带影响视角以改善金融危机的预防敬请参阅末页重要声明及评级说明626证券研究报告TableCommonRptType金融工程Allen和Tang对微观层面的方法提出了批评他们的研究基于这样一个假设即包括商业银行储蓄银行投资银行经纪人交易商保险公司共同基金等在内的金融中介机构是特殊的因为它们是经济运行的基础银行的特殊性体现在当金融公司无法正常运营时所造成的经济损失他们提出了一种新的方法来预测整个银行系统发生系统性风险的可能性称为CATFIN它使用每月数据和1的水平的VaR方法来捕捉整个银行市场的尾部风险这一预警系统应能预示金融部门激进的总体系统性风险承担是否预示着未来宏观经济的衰退Gao等人的研究表明在19种不同的风险度量中CATFIN在预测宏观冲击方面表现最佳Caporin等人提出的TALIS系统压力的交通信号灯系统提供了一种基于颜色的综合分类方法可根据公司陷入困境时系统的压力反应水平和公司的压力水平对公司进行分组该指标可以整合不同风险指标之间相互作用产生的多种信号从特定的风险指标开始通过结合两个损失函数对公司进行分类一个是针对系统的另一个是针对每个公司的分别在时间和横截面上进行评估还可从基于颜色的公司分类中获得综合指数Kielak和lepaczuk比较了基于参数和非参数方法的不同风险价值测量方法适用于不同的资产组合包括加密货币他们检验了所分析的模型是否能准确估计风险价值尤其是在资产具有不同回报分布特征如低波动性与高波动性高偏度与中等偏度的情况下Buczyski和Chlebus研究了根据市场波动状况应使用哪种VaR模型他们表明GARCH11模型配合标准化的司徒顿t分布在分析的模型中受到波动性变化的影响最小Woniak和Chlebus指出在波动率突然增加的情况下例如在Covid-19引起的全球经济危机期间即使对于最大的市场指数群体来说也没有一个经典的VaR模型能够正常工作总体而言市场风险研究人员一致认为不存在理想的VaR估算模型不同模型的性能在很大程度上取决于当前的经济环境一些引人注目的崩盘事件包括2022年11月FTX倒闭以及随后大多数加密货币价格的大幅下滑引发了人们对这一金融市场板块抗冲击能力和潜在溢出效应的质疑在一项最新研究中Jalan和Matkovskyy以FTX倒闭为基础研究了加密货币市场的系统性风险他们使用CATFIN指标来替代系统性风险并声称与之前的负面冲击相比FTX危机并没有给该市场带来更高的系统性和流动性风险目前已经建立了各种严格的银行和支付系统传染模型但仍然缺乏一个普遍的理论范式对银行传染效应的直接计量经济学检验似乎主要局限于美国对外汇和证券结算系统的系统性风险的实证研究似乎并不存在此外所调查的文献反映了制定能够明确区分真正意义上的传染和由共同冲击信息不对称时存款人或投资者预期的理性修正基于信息的传染以及纯粹的传染以及有效和无效的系统性事件之间的经验性检验的普遍存在困难考虑到近期冲击如Covid-19爆发和FTX倒闭的巨大动态性我们认为月度数据频率如CATFIN不足以创建有效的预警指标同时我们认为现有的系统性风险指标过于复杂其中一些指标需要巨大的计算能力或获取付费数据集因此有必要根据频率相对较高的公开数据创建一个精确而简单的系统性风险指标在本研究中我们以公众易于获取的宏观数据为基础构建了一个稳健的系统性风险指标我们的研究表明我们的简单指标可以得出与复杂的方法相比它可以获得相似甚至更好的结果而且可以利用公开数据以相对较高的频率进行计算这是一个很大的优势敬请参阅末页重要声明及评级说明726证券研究报告TableCommonRptType金融工程22选用哪些风格风险因子根据克利夫兰联储对其系统性风险指标Craig2020表现的评论我们认为一个好的金融压力指标我们也可以说是一个好的系统性风险指标是可靠的及时的直接的有效的和持续的大多数指标都不具备其中的某些特征例如以资产负债表数据为基础的指标既不及时也不持续因为财务数据不是按月向监管机构提供的而且是按季度公开发布的有一定的延迟这意味着市场监管者计算这些指标的频率要高于广大公众这对市场参与者是不利的此外有些指标比较复杂因此涉及很大的模型风险换句话说如果两个指标表现相同那么较好的指标就是较简单的指标图表1概述了所选的系统性风险指标图表1所选择的系统风险指标的比较资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所3方法我们的方法是利用隐含波动率和实际波动率的概念将隐藏在潜在波动率过程中的信息结合起来我们利用Demeterfi等人和CBOE提出的波动率指数方法以及Andersen等人和Andersen等人提出的不同数据频率下的实际波动率概念来实现这一目标与Caporin等人类似我们构建了一个动态历史排名逐日评估全球和国家层面的系统性风险更重要的是我们的方法可以进行简单的转换和调整以便与高敬请参阅末页重要声明及评级说明826证券研究报告TableCommonRptType金融工程频数据一起使用从而使这种系统性风险指标可以实时监测风险IVRVSRI的一般公式由两个指数组成分别基于隐含波动率IVSRI和实际波动率RVSRI31隐含波动率-波动率指数最早也是最广为人知的波动率指数之一是VIX指数它由CBOE于2003年推出并追溯到1987年重新计算其计算公式以Demeterfi等人的开创性论文为基础CBOE对其进行了详细描述可概括为以下公式2212210VIX100T-到期时间-第i个价外期权的执行价格如果0则为看涨期权如果0则为看跌期权如果0则既为看跌期权也为看涨期权R-到期前的无风险利率F-从指数期权价格得出的远期指数水平0-第一档低于远期指数水平F的执行价格本研究中使用的其他波动率指数VSTOXXVNKY和VXEWZ的计算公式也是基于类似的方法其详细信息可参见BorseNikkei和CBOE32实际波动率测量对于历史波动率的衡量我们使用实际波动率的概念Andersen等人它是基于给定时期内对数收益率的求和并按年计算以便以后与IV结合使用本文使用的公式如下125220202111-第i个股票指数在第t天的实际波动率记忆期为1个日历月即21个交易日-第i个股票指数在第t天的价格为了使其与VIX的30个日历日相比较实际波动率估计量的记忆期设为21天交易日33IVRVSRI-隐含波动率实际波动率系统风险指标与文献Caporin等人Buczyski和Chlebus中介绍的其他方法相比我们的方法具有显著优势首先IVRVSRI使用两种简单而广受市场参与者认可的风险度量IV和RV来指示系统风险其次我们分析了从2000年到2023年的各种金融市场动荡揭示了过去23年中主要市场危机的特征和严重程度第三我们构建了一个动态排名逐日以显示在全球范围内以及在美国欧洲巴西和日本各自当前的压力水平最后我们的方法还可以通过使用选定股票指数的高频价格数据和相同频率的波动率指数进行简单扩展以实时模拟系统风险敬请参阅末页重要声明及评级说明926证券研究报告TableCommonRptType金融工程为此我们根据隐含波动率IVSRI和实际波动率RVSRI分别为每个国家构建了两个系统性风险指标此外还为所有国家构建了一个综合指标331隐含波动率SRIIVSRI基于每个国家或国家组的单独波动指数及其在总市值中所占的份额IVSRI的计算公式如下1N-是被分析国家的数量-第i个国家的隐含波动率指数-给定国家在SRI中的权重1根据表3和公式我们构建了权重向量w777811222用于计算风险指标332实际波动率SRIRVSRI基于与IVSRI类似的概念1-第i个国家的实际波动率指数333IVRVSRI-国家层面的隐含波动率实际波动率系统风险指标IVRVSRI可在国家层面计算即特定国家和全球层面和的加权总和334IVRVSRI-全球隐含波动率实际波动率系统风险指标IVRVSRIIVRVSRI可以根据IVSRI和RVSRI两种方式在全球范围内计算1-IVRVSRI中IVSRI成分的权重等于50-IVRVSRI中RVSRI成分的权重等于50或者我们也可以根据各国的IVRVSRI计算全球IVRVSRI指标1和假设相等但也可以使用不同的权重34基于IVRVSRI的动态四分位数排名DQRIVRVSRI敬请参阅末页重要声明及评级说明1026证券研究报告TableCommonRptType金融工程下一步我们将根据RVSRIIVSRI和IVRVSRI指标构建国家和全球层面的动态四分位排名DQRIVRVSRI国家一级的DQRIVRVSRI是根据以下步骤构建的1我们根据绘制了每个调查国家的四分图2这张日线图显示了彩色的系统性风险指标3颜色表示以下内容红色如果处于基于历史迹象的第四四分位极高国家系统性风险橘色如果根据历史迹象处于第三四分位国家系统性风险高浅绿色如果根据历史指标处于第二四分位国家系统风险低绿色如果根据历史数据处于第一四分位国家系统性风险极低为了在全球范围内构建该指数我们采用了与相同的方法对每个国家分别进行测算但日线图是在全球范围内构建的35系统性风险基准指标从第22节所述的一系列系统性风险衡量指标中我们选择了四个指标作为IVRVSRI的基准我们选择了sRiskCATFIN克利夫兰联邦储备委员会系统风险指标和CISS这一选择看似随意但部分是基于数据的可用性此外由于所选指标使用不同的方法我们希望检查它们的指标之间如何比较以及它们在预测金融动荡方面的准确性如何sRisk的数据可用于许多国家和全球层面而CATFIN和克利夫兰联邦储备委员会的衡量指标只能用于美国市场CISS指标只能用于欧洲351SRISKSRISK被定义为金融实体在市场长期下跌条件下的预期资本缺口它是公司规模杠杆程度及其在市场下跌条件下的预期股权损失称为长期边际预期短缺LRMES的函数SRISK计算类似于定期对金融公司进行的压力测试只需公开信息即可完成计算因此该指数适用范围广对单个实体的实施成本也相对较低使用资产负债表信息和适当的LRMES估算器就可以轻松计算出该指标SRISK最高的公司是金融系统在遇到困难时资本不足的最大推手所有公司SRISK的总和可用于衡量整个金融体系的整体系统性风险可以将其视为政府在危机情况下为救助金融系统而必须提供的资本总额SRISK将市场信息和资产负债表信息结合起来以构建一个基于市场的金融困境衡量指标即系统性事件发生时金融公司的预期资本缺口SRISK不仅取决于股票波动率和相关性或股票收益分布的其他矩还明确取决于金融公司的规模和杠杆程度根据Brownlees和EngleSRISK可根据以下公式计算他们首先定义了i公司在第t天的资本缺口-股本的市场价值-债务的账面价值敬请参阅末页重要声明及评级说明1126证券研究报告TableCommonRptType金融工程-准资产的价值k-审慎资本分数假定为8然后他们指出当资本缺口为负数时即企业有资本盈余企业就会正常运转然而当这一数量为正数时企业就会陷入困境他们补充说主要重点是预测金融实体在发生系统性事件时的资本缺口系统性事件的定义是在时间跨度h内市场跌幅低于临界值CAcharya等人接下来他们将t1期和th期之间的多期算术市场回报率定义为1将系统性事件定义为1此外他们将时间跨度h设为1个月约22期阈值C设为-10然后SRISK被定义为系统性事件条件下的预期资本缺口1111此外他们还假设在发生系统性事件时债务不能重新协商这意味着1最后利用这一假设给出了SRISK的定义1111其中为准杠杆比率为长期边际预期短缺即长期MES定义为1111其中1为t1期至th期的多期算术公司股票收益率作者认为SRISK取决于公司规模杠杆程度以及市场下跌时的预期股权贬值当这些变量增加时SRISK也会增加最后作者指出等式11中的SRISK指标可对金融实体在发生系统性事件时的资本缺口水平进行点预测他们还提供了SRISK的公式用于衡量所有公司的财务困境从而构建全系统的财务困境指标01最后他们补充说SRISK总量t应被视为在系统性事件发生的条件下政府为拯救金融体系而必须提供的资本总额同时他们承认在计算SRISK总量时忽略了负资本缺口即资本盈余的贡献计算的最后一步也可能是最耗时的一步需要指定一个市场和公司回报模型用于获得LRMES的估计值不过可以使用多种不同的规格和估算技术来获得这一预测结果为了构建LRMES预测我们使用了GARCH-DCC模型Engle352克利夫兰联储的系统风险指标cfSRI克利夫兰联邦储备委员会的指标反映了美国银行体系普遍存在的压力风险Saldias这种计算系统性风险指标cfSRI的方法基于两个衡量破产风险的指标之间的差异或差价第一个指标是单个银行机构违约风险的平均值平均违约距离另一个指标是相同机构加权组合的风险度量组合违约距离-平均违约距离-投资组合违约距离整个银行系统的破产风险上升导致利差收窄反映了市场认为银行系统即将出现系统性混乱当PDD下降趋向于ADD息差收窄时即使PDD和ADD都处于正值也表明银行系统存在脆弱性如果利差连续两天以上低于01则表明平敬请参阅末页重要声明及评级说明1226证券研究报告TableCommonRptType金融工程均破产风险上升主要银行因共同因素而承受压力出现重大金融压力当利差长期低于05时表明市场对银行系统发出了重大压力信号为了衡量银行系统的系统性风险水平必须计算cfSRI的各组成部分即平均违约距离组合违约距离然后再共同解释这两者之间的利差平均违约距离ADD反映了市场对美国约100家样本银行平均破产风险的看法11其中是单个银行未来T期的违约距离DD它是使用默顿模型Merton计算的股票估值即到期日为T期的银行资产A的欧式看涨期权投资组合违约距离PDD也是一种类似的衡量方法它基于相同银行的加权投资组合期权它是利用反映银行系统总体情况的交易所交易基金期权来计算的ADD下降或PDD下降表明市场认为银行业的平均破产风险在上升353CATFINCATFIN指标Allen等人试图捕捉金融系统中的灾难性损失风险并使用估算风险值的统计方法对损失进行建模估算风险价值有三种方法a基于极值分布特别是广义帕累托分布GPD直接估算尾部风险b研究整个收益分布的形状同时通过应用倾斜广义误差分布SGED灵活地模拟尾部厚度和倾斜度c基于实际经验分布的左尾部估算风险价值而不对基础收益分布做任何假设前两种方法被称为参数方法而后一种方法被认为是非参数方法在CATFIN中这三种方法都是在99的置信水平下估算风险价值然后从这三种方法中提取第一个主成分CATFIN方法基于银行对一国经济的特殊性这一概念使用所有金融公司的月度超额收益进行估算极端收益被定义为金融公司超额收益横截面分布的10左尾CATFIN的最终计算公式结合了三个月度风险价值衡量指标采用主成分分析法PCA以简洁的方式提取三个代用指标中蕴含的灾难性风险的共同成分同时抑制与单个VaR指标相关的潜在测量误差这样就可以测算出第t个月金融体系的灾难性风险用CoVaR表示05700571905889其中和分别对应于基于GDPSGED和非参数方法的标准化VaR度量354系统压力综合指标CISS系统性压力综合指标CISS是衡量金融体系系统性风险的一个广泛指标金融体系可分为三大组成部分市场中介机构和基础设施每个构件又可分为特定的部分金融市场部分可分为货币股票债券货币和衍生品等单个市场在金融中介机构中最重要的是银行和保险公司市场基础设施由支付结算和清算系统组成CISS在两个层面上汇总金融压力首先计算五个特定细分市场的压力子指数然后将这五个子指数汇总为最终的综合压力指数它主要依靠实际的资产回报波动率和风险利差来捕捉各细分市场的主要金融压力症状通过考虑所有单个资产回报率之间的交叉相关性而不仅仅是它们的方差子指数的汇总类似于将单个资产风敬请参阅末页重要声明及评级说明1326证券研究报告TableCommonRptType金融工程险汇总为总体投资组合风险为了构建系统性风险指标必须考虑子指数之间交叉相关结构的时间变化在这种情况下CISS对同时在几个细分市场中普遍存在高压力的情况给予更大的权重根据系统性压力定义的横向观点各子指数之间的金融压力相关性越强金融不稳定状况就越普遍汇总方案中可能存在系统性风险的第二个要素是子指数权重可以根据其对实体经济活动的相对重要性来确定CISS设计中的这一具体特点不仅提供了一种捕捉系统性压力的纵向视角的方法而且在这样做时它还隐含地考虑了各国金融系统结构的差异只要这些差异对金融压力向实体经济的传导有实际影响欧元区的子指数权重为货币市场15债券市场15股票市场25金融中介机构30外汇市场1536IVRVSRI的比较和预测能力361相关性矩阵和滚动相关性为了将现有的SRI与我们的IVRVSRI进行比较我们首先对它们的水平回报率和周回报率的描述性统计进行了可视化这些数据将用于下一步的回归我们还计算了SRIIVRVSRI和SP500四种不同基准的相关性矩阵所有基准的周收益率以及SP500指数收益率与SRI滞后周收益率之间的相关矩阵362预测能力1简单回归模型第一个模型基于标准普尔500指数周收益率与特定SRI基准SRI或IVRVSRI滞后周收益率的简单回归50001500-SP500指数在第t天的周收益率-对给定SRI回报滞后k期的敏感度-特定在第t天的周回报率的第k期滞后值此外还联合研究了各SRI的预测能力500011500-对给定回报滞后k期的敏感度-特定在第t天的周回报率的第k期滞后值2准分位回归模型500准分位回归模型是我们的创新想法我们只对满足以下条件的估计简单回归模型中的两个模型500500的第一分位数的第一个是分位数敬请参阅末页重要声明及评级说明1426证券研究报告TableCommonRptType金融工程的第5个百分位数的第25个百分位数的第1个百分位数因此这种模型的设定如下50001500-SP500指数在第t天以其分布百分位数p为条件的周收益率3分位回归模型继Caporin等人之后我们对分位回归模型进行了估计以全面反映股票指数收益率在其密度中所处位置为条件的系统性风险综合指标对股票市场的预测能力50001500-SP500指数在第t天的分位数收益率-给定的收益率的第k个滞后值-SP500指数收益率的分位数因为k个区间之前的预测变量的变化而产生的百分比变化4数据41全球权益基金数据我们的数据集基于2000年至2023年期间波动率指数VIXVSTOXXVNKY和VXEWZ的每日数据以及股票指数SP500EuroStoxx50Nikkei225和Bovespa的每日价格和市值数据图1显示了分析时间序列的波动图2显示了回报率的波动图1显示了所分析市场的不同涨跌幅度而图2则显示了高波动期和低波动期的波动集群表明了平静期和紧张期敬请参阅末页重要声明及评级说明1526证券研究报告TableCommonRptType金融工程图表2SP500EuroStoxx50Nikkei225和Bovespa指数在2000年至2023年间的波动资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所图表3SP500EuroStoxx50Nikkei225和Bovespa指数在2000年至2023年间的回报率资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所图表4显示了分析过的股票指数的回撤情况反映了最重要的动荡的持续时间并且还展示了它们的速度和幅度图表4SP500EuroStoxx50Nikkei225和Bovespa指数在2000年至2023年间的回撤资料来源alpha-factorintegratedriskparityportfoliostrategyinglobalequityfundof敬请参阅末页重要声明及评级说明1626证券研究报告TableCommonRptType金融工程funds华安证券研究所图表6的收益率描述统计结果证实了一个关于股票收益率的众所周知的事实即高峰度负偏度和收益率的非正态性图表5SP500EuroStoxx50Nikkei225和Bovespa指数的市场资本总值资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所5模型结果基于化繁为简的逻辑我们希望检验是否有可能基于广泛可用的通常是公开的免费的波动性风险度量来创建系统风险指标这些指标可以与高引用率论文Brownlees和EngleAcharya等人Romer和Romer或Engle和Ruan或Caporin等人的最新研究中引入的系统风险指标具有相似的属性在结果部分我们展示了可视化系统性风险指标及其组成部分的图表51国家级的IVRVSRI图表7分别显示了各国IV指数的波动情况并显示了影响各国股票市场的最重大动荡即全球金融危机20087-2009年COVID大流行2020年3月以及一些规模较小的动荡如欧债危机2009-2014年和2015年8月2018年2月和2018年11-12月的动荡图表6SP500EuroStoxx50Nikkei225和Bovespa指数的隐含波动率资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所另一方面图表8分别显示了各国的RV指数对比图表7和图表8可以看出对当前市场压力的预期反应图表7中的IV指数并不明显始终与当前收益实际波动率所显示的反应相同2020年3月Covid大流行期间日本的IV与RV敬请参阅末页重要声明及评级说明1726证券研究报告TableCommonRptType金融工程图表7SP500EuroStoxx50Nikkei225和Bovespa指数的实际波动率资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所总体而言我们的结果表明不同国家对风险事件的反应程度各不相同通过分析图表8所示国家层面的IVRVSRI指标我们发现与美元和欧元区相比日本市场对2020年3月COVID-19大流行的反应非常微弱而日本和巴西市场对2009-2014年欧洲主权债务危机几乎没有反应只有在2007-2009年全球金融危机时所有分析市场都做出了强烈反应但危机的持续性却不尽相同图表9就IVRVSRI指数的下降速度而言巴西和日本恢复得很快而美国和欧洲则挣扎得更久图表8SP500EuroStoxx50Nikkei225和Bovespa指数的国家级的IVRVSRI资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所接下来图表10显示了在国家层面上IVRVSRI指标的彩色四分位水平图图中显示就欧元区而言全球金融危机延伸至债务危机并在2014年稍作停歇一直持续到2016年总体而言在全球金融危机之前欧元区日本和巴西市场比美国市场更能抵御全球动荡而在欧元区主权债务危机之后情况发生了逆转在所有分析国家中巴西和日本在此期间的抵御能力最弱敬请参阅末页重要声明及评级说明1826证券研究报告TableCommonRptType金融工程图表9基于IVRVSRI分位数颜色的国家级图表资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所52全球IVRVSRI图表11显示了IVRVSRI及其组成部分IVSRI和RVSRI在全球范围内的综合结果我们可以看到在汇总各国的具体指数后所有主要的金融危机都显示出来了而且我们还可以观察到它们的严重程度全球金融危机和Covid是最严重的动荡但其他动荡如Dotcom泡沫2002-2003年和欧元区债务危机2009-2014年之后的下行趋势结束也被揭示出来此外全球IVSRI和RVSRI成分对上述动荡的反应在程度上也有所不同大多数情况下IVSRI图表11面板1显示的恐慌尤其是在不太严重的动荡欧债危机或Dotcom泡沫破灭情况下并没有在RVSRI显示的相同程度上实现图表11面板2图表10全球IVSRIRVSRI和IVRVSRI资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所图12是一张颜色图显示了全球IVSRIRVSRI和IVRVSRI的四分位数强调了综合层面的主要动荡图表11全球层面基于IVSRIRVSRI和IVRVSRI的分位数颜色地图资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所敬请参阅末页重要声明及评级说明1926证券研究报告TableCommonRptType金融工程IVSRI和RVSRI在系统性风险变化的过渡时期显示出略微不同的风险水平总的来说我们可以说基于隐含波动率的指标的反应要快于基于实现波动率的指标这也是我们所预期的此外基于IV的指标与一般系统性风险指标IVRVSRI之间的相关性要高于基于RV的指标同时一般系统性风险指标IVRVSRI比任何只基于一种波动率指标RVSRI或IVSRI的单个指标都更能反映系统性风险即使在一般系统性风险指标中改变了RVSRI和IVSRI的权重这一结果也是稳健的图表13显示了SP500指数和IVRVSRI在全球范围内的波动对比它清楚地表明每次重大金融动荡几乎都会立即反映在IVRVSRI上使市场参与者了解到压力的增加图表12带有IVRVSRI分位数的彩色地图上的IVRVSRI和SP500指数资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所53SRIs与标准普尔500指数的比较在本节中为了更广泛地进行比较我们列出了SP500指数和SRIs的波动情况图表14它们的周回报率图表15以及描述性统计图表16和相关性图表17最后还列出了标准普尔500指数和滞后SRI的周回报率之间的相关性图表18图表13基准SRI和SP500指数的波动资料来源Systemicriskindicatorbasedonimpliedandrealizedvolatility华安证券研究所敬请参阅末页重要声明及评级说明2026证券研究报告