文献类型：期刊文献

中文题名：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

英文题名：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[1];张涛[2];党印[3]

机构：[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

年份：2021

卷号：13

期号：5

起止页码：58

中文期刊名：金融评论

外文期刊名：Chinese Review of Financial Studies

收录：NSSD、BDHX、CSSCI、BDHX2020、CSSCI2021_2022

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。

语种：中文

中文关键词：系统性金融风险;风险传染;大数据;机器学习

外文关键词：Systemic financial risk;Risk contagion;Big data;Machine learning

中文摘要：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。

外文摘要：This paper uses traditional financial data and Internet text information to establish a machine learning Gaussian Graph Model(GGM)to quantitatively analyze the relationships between China’s 24 A-share listed banking institutions and the systemic risk contagion in the banking system.The study finds that the contagion through financial market channel and tail risk channel is relatively obvious,the contagion through investor sentiment channel is less obvious.In general,large state-owned banks are at the core of the risk contagion network,but risk prevention for urban commercial banks and rural commercial banks should not be ignored.Regulatory authorities should pay attention to the risk of"too interconnected to fail"and improve risk monitoring and controlling capabilities with big data analysis.