2011年-ECB欧洲央行_Research_Bulletin_No12_19页_919kb

研究简报总结

文档核心内容概述

本研究简报由欧洲央行（ECB）的三位研究人员 Stefano Corradin、Simone Manganelli 和 Bernd Schwaab 撰写，主要探讨了用于系统性风险测量的三种新方法。同时，另一篇文章由 Kai Christoffel 撰写，分析了 Diamond-Mortensen-Pissarides（DMP）模型在欧元区货币政策制定中的应用。简报还包含相关图表和参考文献，以支持主要观点。

新系统性风险测量方法

模型一：VAR for VaR（使用多元回归分位数测量系统性风险）

• 目的：评估单个金融机构对整体系统性风险的贡献。
• 方法：基于向量自回归（VAR）模型，利用多元回归分位数估计模型参数，以衡量尾部依赖性和风险溢出效应。
• 关键发现：
  • 金融体系受到 1% 市场 VaR 冲击时，平均个体金融机构的 VaR 会增加约 10 个百分点。
  • 部分金融机构对市场冲击反应更快，但也更容易受到冲击影响。
  • 该模型能够捕捉到系统性风险的长期均衡和冲击响应函数。

模型二：基于未观测风险因素的预警信号

• 目的：识别信用风险与宏观金融基本面之间的脱节，构建系统性风险的预警指标。
• 方法：通过估计未观测的系统性风险因素（如传染风险、经济周期、违约周期等），构建与基本面相比较的信用风险指标。
• 关键发现：
  • 信用风险条件与基本面脱节时，可能预示未来金融和宏观经济的不稳定。
  • 信用风险“泡沫”指标显示，当指标值超过 1.96 时，可能意味着信用风险条件异常。
  • 该模型适用于识别“好时光”与“坏时光”，并可为宏观审慎政策提供前瞻性信号。

模型三：欧洲房地产价格指标

• 目的：评估欧洲房地产市场的波动性及其系统性风险。
• 方法：采用马尔可夫切换模型，结合误差修正机制，识别房地产价格与基本面之间的偏离。
• 关键发现：
  • 房地产价格在某些时期会显著偏离基本面，形成“热”或“冷”市场状态。
  • 英国房地产市场在 1971-1974、1977-1979、1988-1989 和 2002-2004 年间经历了明显的“热”期。
  • “热”期通常伴随着可支配收入上升和利率下降，但价格仍偏离长期趋势。
  • 该模型能够识别房地产市场的潜在脆弱性，为政策制定者提供预警信息。

Diamond-Mortensen-Pissarides 模型在欧元区货币政策中的应用

模型背景

• DMP 模型因其对劳动力市场中搜寻和匹配摩擦的建模而获得 2010 年诺贝尔经济学奖。
• 该模型引入了搜寻成本、匹配效率等变量，以解释失业现象和劳动力市场动态。

模型在货币政策中的应用

• DMP 模型能够系统地识别影响通胀和产出的劳动力市场冲击。
• 模型允许分析结构性改革对货币政策传导机制的影响。
• 通过模拟不同劳动力市场设定下的政策冲击反应，研究显示：
  • 降低雇佣成本的改革显著影响失业率，但对货币政策传导机制影响有限。
  • 降低工资刚性会增强通胀对利率变化的敏感性。

关键结论

• 劳动力市场建模为货币政策分析提供了更现实的框架。
• 直接影响工资设定的结构性改革对通胀有更直接的影响。
• 在欧元区劳动力市场结构刚性较高的背景下，该模型有助于评估结构性改革的效果。

关键信息总结

主要观点

1. 系统性风险的测量需要结合宏观金融数据与信用风险因素，以识别潜在的不稳定来源。
2. 传统的理性预期模型在金融危机后受到质疑，因其忽略了信息处理的有限性。
3. 信用风险“泡沫”指标有助于识别系统性风险的早期信号。
4. 房地产市场的周期性波动对整体经济有重要影响，需通过动态模型进行监测。
5. DMP 模型为理解劳动力市场对货币政策的传导机制提供了更现实的框架，有助于评估结构性改革的影响。

图表说明

• 图 1：展示了 230 家金融机构在 1% 市场 VaR 冲击下的平均响应，显示风险溢出效应。
• 图 2：分为两个面板，分别展示“好时光 vs 坏时光”指标和信用风险“泡沫”指标，用于识别系统性风险。
• 图 3：展示了英国房地产价格与“热”“冷”市场状态之间的关系，显示周期性波动。

参考文献

• Acharya, V., Pedersen, L., Philippe, T. and Richardson, M. (2010), "Measuring systemic risk"
• Adrian, T. and Brunnermeier, M. (2009), "CoVaR"
• Borio, C. and M. Drehmann (2009), "Towards an operational framework for financial stability"
• Corradin, S. and A. Fontana (2011), "House Price Cycles in Europe"
• Engle, R.F. and C.T. Brownlees (2010), "Volatility, Correlation and Tails for Systemic Risk Measurement"
• Hall, S., Psaradakis, Z. and M. Sola (1997), "Switching Error-correction Models of House Prices in the United Kingdom"
• Schwaab, B., S. J. Koopman and A. Lucas (2010), "Systemic risk diagnostics"
• White, H., T.-H. Kim and S. Manganelli (2011), "VAR for VaR: Measuring Systemic Risk Using Multivariate Regression"

结论

本文提供了三种用于系统性风险测量的新方法，并探讨了 DMP 模型在欧元区货币政策分析中的应用。这些模型有助于识别系统性风险的来源，监测信用风险的异常波动，并评估房地产市场的脆弱性。通过引入搜寻和匹配摩擦，DMP 模型提升了对劳动力市场动态和货币政策传导机制的理解。这些方法为政策制定者提供了更全面的工具，以更好地维护金融体系的稳定性。