《表5 各商业银行的风险价值和风险双向溢出效应值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GARCH-CoVaR模型的银行风险双向溢出效应研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位：%

下文分别拟合了GARCH模型和非对称的TATCH、EGARCH模型，结果显示，EGARCH模型对收益率的拟合效果最好，另由于收益率序列具有尖峰厚尾的统计特征，故扰动项分布根据具体拟合效果选择学生t分布或广义误差GED分布，再通过加入AR-MA项以提高拟合效果。为了结果的可比性，本文通过Eviews6.0软件计算出的VaR、CoVaR、%CoVaR序列均基于95%的显著性水平，并一律选用中位数进行比较，以避免最大值或最小值等一些极端值对结果的误导。此外，计算银行指数的VaR值时发现，使用对称的GARCH模型的拟合效果胜于使用非对称的EGARCH模型，可能由于银行指数反映的是整个银行业的情况，尽管单个银行的股价对某个特定负面消息反应比较灵敏，但行业运行整体上仍较平稳。为了比较银行业整体陷入困境对各商业银行个体的影响和单个商业银行陷入困境对整个银行业的影响，本文分别计算了两种情况下的各商业银行及银行业整体的风险溢出值，其中，CoVaRsyyh|yh表示前一种情况的序列中位数值，CoVaRsyyh|yh表示后一种情况的序列中位数值，各个模型选择及计算结果如表5。