中国银行体系系统性金融风险传染研究——基于24家A股银行的大数据与机器学习分析  

Systemic Risk and Contagion in China's Banking System:Big Data and Machine Learning Analysis with 24 A-Share Listed Banks

作　　者：苗子清 张涛[2] 党印[3] Miao Ziqing

机构地区：[1]中国社会科学院大学数量经济与技术经济系 [2]中国社会科学院数量经济与技术经济研究所 [3]中国劳动关系学院

出　　处：《复印报刊资料（统计与精算）》2022年第1期125-139,共15页STATISTICS AND ACTUARIAL SCIENCE

基　　金：研究阐释党的十九届五中全会精神国家社科基金重大项目“中央银行的逻辑与现代中央银行制度的建设”(21ZDA045);国家自然科学基金项目“国际金融危机传染的时空机制及对策研究”(41801115)的资助。

摘　　要：本文运用传统金融数据和互联网文本信息,建立机器学习高斯图模型(GGM),量化分析24家A股银行的关联关系和银行体系的系统性金融风险传染情况。研究发现,不同银行机构间存在错综复杂的关联关系,系统性金融风险能在银行间相互传染,通过金融市场、尾部风险渠道传染相对明显,通过投资者情绪渠道传染相对不明显。总体上国有大型银行处于风险传染网络中的核心位置,部分城市商业银行和农村商业银行的风险传染性也不容忽视。国有大型银行的系统重要性程度最高,其次是股份制商业银行,一些城市商业银行和农村商业银行也具有一定的系统重要性。中国银行体系的系统性金融风险演进趋势与内外部经济运行情况、银行体系运行情况高度吻合。进一步的宏观审慎监管中要关注“太关联而不能倒”的风险,并综合运用大数据处理方法,提升风险监测水平和调控能力。

关 键 词：系统性金融风险 风险传染 大数据 机器学习 

分 类 号：F832.3[经济管理—金融学]