EBA欧洲银行-07-Loeffler-Raupach_42页_1mb

报告摘要

总结：系统性风险度量的稳健性与信息性

核心内容

本文探讨了基于股票收益率的系统性风险度量方法（如CoVaR、边际预期亏损（MES）和期权尾部风险估计）在实际应用中的稳健性和信息性。作者指出，尽管这些方法在理论上被广泛采用，但在实践中可能无法准确反映系统性风险，甚至可能误导监管决策。

主要观点

CoVaR对异质性风险的反应不明确
- CoVaR在面对银行异质性风险（idiosyncratic risk）时，其对系统性风险的度量具有不确定性。在某些情况下，增加异质性风险可能反而降低CoVaR所估计的系统性风险。
- 这种反应的不确定性可能导致银行有动机通过增加异质性风险来降低其被评估的系统性风险，从而影响监管政策的有效性。
在传染框架下，不同风险度量方法产生冲突信号
- 在传染（contagion）情境下，CoVaR可能将系统性风险归因于受传染的银行（infected banks），而MES和期权敏感度方法则可能将风险归因于传染源银行（infectious banks）。
- 这种冲突表明，不同度量方法对系统性风险的识别可能存在偏差，影响其作为监管工具的可靠性。
有限数据可能限制度量方法的性能
- 监管者关注的极端事件在历史数据中可能很少出现，导致估计结果不准确。
- 作者通过模拟发现，即使在数据充足的情况下，基于收益率的度量方法也可能无法准确捕捉系统性尾部风险。
非线性因素对度量方法的影响
- 非线性因素（如传染机制和非线性因子依赖）可能显著影响系统性风险的度量。
- 这些非线性因素在现有模型中未被充分考虑，导致度量方法在某些情况下失效。
MES在系统性风险识别中的表现
- 在线性模型中，MES能够正确反映系统性风险，随着系统性风险（beta）的增加，MES也随之上升。
- 相比之下，CoVaR在某些情况下可能因异质性风险的增加而降低，因此其对系统性风险的度量并不稳健。
尾部风险伽马（Tail Risk Gamma）的局限性
- 尾部风险伽马基于市场指数期权的价格变动来估计银行的系统性风险，但在线性模型中，其对系统性风险的度量并不敏感，甚至可能为零。
- 这表明该方法在某些设定下无法有效捕捉系统性风险。

关键信息

度量方法：本文研究了CoVaR、MES和尾部风险伽马三种系统性风险度量方法。
模型设定：研究基于线性市场模型和传染模型，探讨这些方法在不同情境下的表现。
数据问题：由于极端事件在历史数据中较少出现，基于收益率的度量方法可能无法准确反映实际系统性风险。
监管影响：这些方法若用于监管资本附加，可能产生错误的激励，使银行增加异质性风险以降低系统性风险评分。
结论：目前基于收益率的系统性风险度量方法在信息性和稳健性方面存在不足，可能无法准确反映系统性风险，尤其在传染和非线性情境下。

结构分析

引言
- 介绍了系统性风险度量的重要性及其在金融监管中的应用。
- 指出现有方法的局限性，并提出本文的研究目的。
系统性风险度量方法
- 详细介绍了MES、CoVaR和尾部风险伽马的定义及计算方式。
- 指出MES和CoVaR的计算依赖于市场收益率的分布，而尾部风险伽马则依赖于期权价格变动。
线性模型下的系统性风险度量
- 分析了CoVaR、MES和尾部风险伽马在不同风险结构下的表现。
- 发现MES在系统性风险识别上表现较好，而CoVaR对异质性风险的反应存在不确定性。
传染模型下的系统性风险度量
- 探讨了传染对系统性风险度量的影响。
- 指出在传染情境下，不同度量方法可能产生不同的信号，导致对系统性风险的误判。
数据限制与非线性因素
- 强调数据不足可能导致估计偏差。
- 提出非线性因素（如传染机制和期权结构）对度量方法的影响，指出现有模型未能充分考虑这些因素。
结论
- 指出现有基于收益率的系统性风险度量方法存在信息性和稳健性问题。
- 建议未来研究应考虑非线性因素和传染机制，以提高度量方法的准确性。