金融机构信息网络与系统性风险——基于高频交易数据信息的分析_宋晓彤
宋晓彤,邢天才,李孝溢.金融机构信息网络与系统性风险——基于高频交易数据信息的分析[J].投资研究,2022,41(10):19-38.
研究问题
信息网络特征对系统性风险的影响
理论机制
宏观经济环境为系统性金融风险的积累提供外部条件，金融机构内部风险是系统性金融风险爆发的初始动因，而金融体系的内在关联是系统性风险放大的传染渠道。
系统性风险传染在金融市场中体现为市场参与者共同抛售持有资产的交易决策，决策依据的信息通过金融机构信息网络传播放大，因此，系统性风险传染的重要原因是信息的传播。
信息网络以市场参与者为传播载体，并以市场参与者的交易行为为作用对象。在自由市场当中包含噪声交易者与理性交易者两类市场参与者，理性交易者根据市场有效信息进行交易判断，以中小投资者为代表的噪声交易者因有效信息不足难以进行理性决策。我国目前股票市场仍以中小投资者为主体，截止2020年，个人投资者持股市值占总市值比重约为39%。因此，噪声交易者投资行为对我国金融市场风险发挥重要作用，噪声交易者的交易行为因其非理性特征表现为投资者情绪。在非危机时期，理性交易者根据金融机构信息作出对未来趋势的判断，进行买卖交易，而处于信息劣势下的噪声交易者遵循非理性投资策略，对市场的判断更易受到理性交易者交易行为的影响，逐渐形成对未来具有系统偏差的主观预期。此时，理性交易者可能会作为市场当中的意见领袖引导噪声交易者，金融市场系统性风险遵循金融机构信息→理性交易者行为→噪声交易者行为→风险积累的路径传播。在危机发生时期，理性交易者预期资产价格将会持续升高或下跌，市场中出现显著的信息瀑布效应与羊群效应，两类交易者的交易行为将呈现出一致性，危机信息被市场参与者通过信息网络放大。由此可见，金融机构信息可能通过投资者情绪的传导渠道影响系统性风险，发挥中介机制的作用。
测度指标体系
模型见底部原文，指标如下：
被解释变量：
ΔCoVaR 条件潜在价值 反映个体金融机构系统性风险水平
MES 边际期望损失 反映个体金融机构系统性风险水平
解释变量：
Mid 网络中心性 其值越大代表金融机构在信息网络中的连结关系越多
Des 网络密度 其值越大代表信息网络的连结数量越多
Trs 网络连通性 其值越大代表信息网络集中度越高
中介变量：
Sen 投资者情绪 反映个体金融机构投资者情绪水平
控制变量：
VWPIN 知情交易概率 基于交易量权重的日内VWPIN加权平均值
Vol 波动率 基于Garch(1,1)计算的金融机构日波动率
Size 金融机构规模 金融机构总资产的对数
Return 股票回报率 考虑现金红利再投资的日金融机构回报率
Index 行业收益率 上证50指数的日度收益率
实证数据期间与来源
本文以A股上市金融机构为研究对象。样本期选择2014年1月1日至2021年9月31日，由于指标构建过程中涉及滚动窗口的方法，因此，部分数据延伸至起始日期的前100个交易日。为保证结果连续可靠，剔除了样本期内年均停牌时间超过20日的金融机构。为保证信息网络与系统性风险能够反映真实的行业内部与行业间关系，剔除了在样本期间行业类型发生变化的金融机构。最终选取金融机构40家，其中银行16家，保险公司4家，证券公司18家，其他金融机构2家。选取样本的市值占金融机构总市值的75%以上，样本能够有效反映金融系统总体状况。计算过程使用的高频交易数据为大智慧level2数据，其余数据来源于Wind与CSMAR数据库。
结论
通过贝叶斯网络结构学习方法构建的信息网络能够准确反映股票市场信息传导，在极端条件下，信息网络存在性仍然可靠。把网络结构特征作为影响系统性风险的核心解释变量进行回归分析后发现，网络中心性、连通性与金融机构系统性风险水平正相关。银行及证券公司系统性风险受到信息网络特征的影响最大。在经过分时期检验之后，发现在2015年股市异常波动与2018年中美贸易摩擦期间，网络连通性与网络密度分别是影响两个时期系统性风险的重要因素。在作用渠道上，投资者情绪在网络特征影响系统性风险的路径当中发挥中介作用，但在股票市场出现“瀑布式”的下跌时，投资者的“同群行为”导致作用渠道失效。
小结
知情交易概率（VPIN）是指一段时间内，拥有信息优势的知情交易者提交订单数量占总委托数量的比例。
关于投资者情绪，本文作者使用了不同于前几篇文章的度量方法：
对于测算投资者情绪的方法，由于单一指标不能很好地表示投资者情绪，Baker和Wurgler（2006，
2007）用主成分分析对多个表示投资者情绪的指标进行降维处理的方法，他们采用封闭式基金折价、换手率、IPO数量、上市首日收益、股利溢价和股票发行比例六个指标，综合计算出了评价投资者情绪的指标。花贵如等（2021）从股票错误定价的角度，使用分解托宾Q值的方法衡量企业投资者情绪。但是，使用上述方法只能度量市场整体的投资者情绪，对于个股层面投资者情绪无法实现准确的衡量。而对于金融机构系统性风险角度而言，个股层面的投资者情绪能够直接影响市场整体信心。因此，无论是市场整体层面还是个股层面，换手率指标均能对投资者情绪进行准确的度量，换手率的计算方法为当日成交股数与流通股总股数的比值。由于中国股票市场做空机制不完善，投资者因做空限制难以将悲观情绪反映到市场当中，相反的，投资者在乐观情绪下会更多的参与市场，因此，基于换手率指标度量中国股票市场的个体金融系统投资者情绪是更符合市场特质的。中国股票市场以中小投资者主导，股票交易账户主要集中在中小投资者手中，并且，投资者情绪主要反映市场参与者的非理性交易行为，中小投资者的交易行为更能反映个股的市场情绪。因此，本文采用何诚颖等（2021）使用非主力资金流入程度构建个人投资者情绪指标的思路。
金融机构信息网络：
金融机构信息网络关联反映知情交易者对金融机构进行的一致性投资决策，这种特征会因市场波动而发生变化。因此，信息网络在平稳时期与危机时期将会表现出不同的网络特点。
1.全样本时期信息网络。金融机构信息网络在平稳时期表现出部门聚集的特征，银行与证券公司为主要的信息集中部门。证券公司的经营范围包括高风险的资产管理类业务、融资融券业务等，且经营业绩与股市走势关系密切，导致自身信息关联水平较高；此外，随着我国直接融资比重上升，证券公司成为金融体系其他部门获得投融资的中介渠道，与其他部门存在多种业务关联。银行积极开展银保、银证、银信等跨部门业务合作，并通过参控股其他金融机构实现自身综合化经营，从而与其他部门之间的实际关联更加紧密。保险公司与其他金融机构数量较少，并且因经营周期较长、回报缓慢而呈现出弱质性，与银行与证券公司不同，保险、信托及资产管理类机构业务透明程度较低，与投资者间的信息不对称水平较高，相较于其他金融机构独立性更高。
2.危机时期信息网络。危机时期下的信息网络聚集程度显著高于平稳时期，可以看出在市场环境比较敏感的时期，信息网络的传递效率明显提高。2015年股市异常波动时期，信息网络结构在金融部门内部发生变化，银行业及证券业部门内部联系更加复杂，在市场危机时期，知情交易者之间的信息交流水平会显著高于平稳时期的信息交流，这是造成信息网络聚集程度提高的主要原因。由此可见，信息网络能够有效捕捉市场的异常波动，为系统性风险的产生提供条件。值得关注的是，2018年中美贸易摩擦导致金融机构部门之间的信息关联水平显著提升，主要原因在于我国金融机构的综合化经营程度逐渐提高，中美贸易摩擦形成的冲击覆盖多个行业，对股票市场带来的信息流多为宏观经济层面，因此，信息网络整体关联水平显著提升。