欧洲保险业的依赖性和系统性风险：一些

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Dependencies and systemic risk in the European insurance sector: Some
  new evidence based on copula-DCC-GARCH model and selected clustering methods》
---
作者：
Anna Denkowska, Stanis{\\l}aw Wanat
---
最新提交年份：
2019
---
英文摘要：
  The subject of the present article is the study of correlations between large insurance companies and their contribution to systemic risk in the insurance sector. Our main goal is to analyze the conditional structure of the correlation on the European insurance market and to compare systemic risk in different regimes of this market. These regimes are identified by monitoring the weekly rates of returns of eight of the largest insurers (five from Europe and the biggest insurers from the USA, Canada and China) during the period January 2005 to December 2018. To this aim we use statistical clustering methods for time units (weeks) to which we assigned the conditional variances obtained from the estimated copula-DCC-GARCH model. The advantage of such an approach is that there is no need to assume a priori a number of market regimes, since this number has been identified by means of clustering quality validation. In each of the identified market regimes we determined the commonly now used CoVaR systemic risk measure. From the performed analysis we conclude that all the considered insurance companies are positively correlated and this correlation is stronger in times of turbulences on global markets which shows an increased exposure of the European insurance sector to systemic risk during crisis. Moreover, in times of turbulences on global markets the value level of the CoVaR systemic risk index is much higher than in \"normal conditions\".
---
中文摘要：
本文的主题是研究大型保险公司之间的相关性及其对保险业系统性风险的贡献。我们的主要目标是分析欧洲保险市场相关性的条件结构，并比较该市场不同制度下的系统性风险。通过监测2005年1月至2018年12月期间八家最大保险公司（五家来自欧洲，最大的保险公司来自美国、加拿大和中国）的每周回报率，可以确定这些制度。为此，我们使用时间单位（周）的统计聚类方法，将从估计的copula DCC GARCH模型中获得的条件方差分配给这些时间单位。这种方法的优点是，无需先验地假设若干市场制度，因为这一数字是通过聚类质量验证确定的。在每个已确定的市场制度中，我们确定了目前常用的CoVaR系统性风险度量。从执行的分析中，我们得出结论，所有考虑的保险公司都是正相关的，这种相关性在全球市场动荡时期更为强烈，这表明欧洲保险业在危机期间暴露于系统性风险的风险增加。此外，在全球市场动荡时期，CoVaR系统性风险指数的价值水平远高于“正常情况”。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> Dependencies_and_systemic_risk_in_the_European_insurance_sector:_Some_new_eviden.pdf (819.84 KB)

2022-6-23 21:11:01 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：系统性风险 依赖性 系统性 保险业 Contribution

1欧洲保险业的依赖性和系统性风险：基于copula DCC GARCH模型和选定聚类方法的一些新证据Stanislaw Wanat，Anna Denkowska Cracow经济大学金融与法律学院数学系2018年12月30日摘要本文的主题是研究大型保险公司之间的相关性及其对保险行业系统性风险的贡献。我们的主要目标是分析欧洲保险市场相关性的条件结构，并比较该市场不同制度下的系统性风险。通过监测2005年1月至2018年12月期间八家最大保险公司（五家来自欧洲，最大的保险公司来自美国、加拿大和中国）的每周回报率，可以确定这些制度。为此，我们使用时间单位（周）的统计聚类方法，将从估计的copula DCC GARCH模型中获得的条件方差分配给这些时间单位。这种方法的优点是，无需先验地假设若干市场制度，因为这一数字是通过聚类质量验证确定的。在每个已确定的市场制度中，我们确定了目前常用的CoVaR系统性风险度量。从执行的分析中，我们得出结论，所有考虑的保险公司都是正相关的，这种相关性在全球市场动荡时期更为强烈，这表明欧洲保险业在危机期间暴露于系统性风险的风险增加。此外，在全球市场动荡时期，CoVaR系统性风险指数的价值水平远高于“正常情况”。

关键词：系统性风险，保险市场，copula-DCC-GARCH。杰尔：G22 1。导言继2007-2009年的金融危机和2010-2012年的欧洲公共债务危机之后，人们对系统性风险的兴趣显著增加。这导致了大量专业文献，其中提出了一系列研究金融机构对系统性风险影响的新方法。此外，学术界和金融监管当局都更加关注非银行金融机构，尤其是保险公司在创造系统性风险方面所发挥的作用。在危机之前，人们普遍认为保险市场对其影响微不足道。然而，在随后的文献中——尽管许多研究仍然支持后一种观点——出现了几篇文章，表明保险市场可能产生系统性风险。让我们在此引用几篇文章，作者声称保险公司：  已成为不可避免的系统性风险来源（例如【Billio等人，2012年】【Weiss，Mühlnickel，2014年】）；  可能具有系统重要性，但仅由于其非传统（银行）活动（例如【Baluch等人2011年】、【Cummins，Weiss 2014年】），而总体而言，保险业作为一个整体的系统重要性仍然从属于银行业（【Chen等人2013年】、【Czerwińska 2014年】）；  由于互联程度低，且缺乏对外部资金的强烈依赖性（例如，【Harrington 2009】、【Bell，Keller 2009】、【Geneva Association 2010】、【Bednarczyk 2013】），系统性不重要。另一方面，在[Bierth等人。

2015年]作者在长期研究了大量保险公司样本后，声称保险业对系统性风险的贡献相对较小，其峰值出现在2007-2008年金融危机期间。它们还指出了四个L：联系、杠杆、损失、流动性，是影响保险公司暴露于系统性风险的关键因素。本文属于关于大型保险公司之间的联系及其对保险业系统性风险的贡献的研究主流。我们的主要目的是检查八家最大保险公司（五家来自欧洲，一家来自美国、加拿大和中国）之间现有联系的强度及其对欧洲保险业系统性风险的贡献是否取决于保险市场制度。通过分析2005年1月至2018年12月期间相关保险公司的每周回报率，确定了市场机制。使用时间单位（周）的统计聚类方法对其进行评估，这些时间单位（周）具有从估计的copula-DCC-GARCH模型获得的条件方差。事实上，我们假设风险（方差）的变化（增加）是一个很好的（而且是经典的）金融市场紧张指数。这种方法的优点是，无需先验地假定若干市场制度，因为后者是通过聚类质量评估确定的。接下来，在每个已确定的制度中，we3建立了CoVaR系统性风险度量，目前常用（参见【Acharya等人2010年】、【Bierth等人2015年】、【Jobst 2014年】）。

我们假设欧洲保险市场由斯托克600欧洲保险指数的每周回报率表示。使用从八个双变量copula-DCC-GARCH模型获得的条件分布来评估表明每个保险公司对系统性风险的贡献的CoVaR度量。在每个模型中，一个边界分布代表欧洲保险市场（STOXX 600欧洲保险指数的对数回报），而另一个边界分布代表保险公司（适当的对数回报率）。据我们所知，这种方法从未用于系统性风险分析。本文的组织结构如下。第二章回顾了专门用于识别保险业系统性风险的主题文献，第三章介绍了本文使用的方法和实证策略，第四章介绍了数据并讨论了获得的结果，而第五章包含了结论。2、保险业中的系统性风险——一篇文献综述让我们首先回顾系统性风险的自然定义，即“威胁金融系统稳定性或公众信心的任何情况”【Billio等人，2012年】。通常，它是内生的，来自金融体系本身，并放大了外部风险。这可以看作是协调失败。系统性危机的具体来源是传染、银行挤兑、流动性危机。到目前为止，保险业实际上已经对系统性风险免疫，这在一定程度上可以解释为金字塔风险分担（消除了许多传染风险）和协调失败的空间小于其他金融机构。

然而，随着保险公司越来越多地参与其他金融活动，或者更确切地说，由于保险越来越多地由不专门从事这一部门的金融机构进行，情况很可能会发生变化。当然，还有其他原因可能导致这种情况，例如公司提供的更普遍的流动性保险。特别是，这些结论可以在特别报告【日内瓦协会2010年】《保险中的系统性风险——保险和金融稳定性分析》中找到。此外，在这项工作中【Billio等人，2010年】已经提到，保险、银行、对冲基金部门之间日益增长的相互关系被认为是系统性风险增加的原因之一。另一个问题是如何衡量系统性风险，因为有几种方法是可能的。暂时撇开这个问题不谈（在下面列出的许多论文中提出，例如【Bernardi，Catania，2015】，让我们快速回顾一下最近关于保险系统性风险的观点。4最普遍的观点是，保险业对系统性风险的贡献（无论其定义和衡量工具如何）非常低（出于各种原因），但近年来，随着保险市场的不断发展，这一点可能会发生变化（同时比较2015年欧盟保险业系统性风险报告【ESRB，2015年】）。事实上，M.Kanno在【Kanno，2016年】中指出，与银行间市场相反，保险市场不包含使其充分互联的反馈机制。然而，他指出，尚未使用网络理论或传染性违约方法探讨保险行业的互联性。作为结论，作者支持[IAIS，2011]的观点。

保险和金融稳定（再保险）行业内的互联程度很小，这增加了对系统性风险的免疫力。然而，早期的一项研究【Dungey，Luciani，Veredas，2014】指出，保险公司通过与金融部门和实体经济的互联需求，显示出巨大的系统性风险。同样，在【Bierth，Inresberger，Weiss，2015年】中，作者研究了2000年至2012年期间253家国际人寿和非人寿保险公司对全球系统性风险的贡献，观察到与银行相比，国际保险业的系统性风险较小。然而，在金融危机期间，保险公司确实对金融部门的不稳定做出了重大贡献。总之，决定保险公司系统性风险的各种因素是保险公司的相互关联性和杠杆、损失率以及保险公司的资金脆弱性。他们还表示，人寿保险公司和非人寿保险公司对全球系统性风险的贡献没有太大差异。特别是，保险公司的规模与it贡献之间似乎没有关系。作者支持这样的观点，即与银行业不同，保险业主要面临系统性风险，而不是增加金融体系的脆弱性。此外，该研究【Mühlnickel，Weiss，2015】表明，保险业的整合与保险业的中度系统性风险之间存在着强烈的正相关关系，但绝对没有极端的系统性风险。

Elia Berdin和Matteo Sottocornola（使用三种测量方法）在【Berdin，Sottocornola，2015】中得出了类似的结论：保险业随着时间的推移具有持久的系统相关性，但与银行相比，银行在引发系统性风险方面的作用还远远不够。Oscar Bernal、Jean-Yves Gnabo、Grégory Guillmin在[Bernal，Gnabo，Guillmin，2014]中观察到了欧元区与美国之间的一个有趣对比，作者得出结论，在2004-2012年的欧元区，与保险业相比，其他金融服务业和银行业在危机期间对系统性风险的贡献相对更大，而在美国，保险业是系统性风险最高的金融业。5在这些最新结果之前，2009-2013年发表了几篇文章（其中许多是由AIG在最近的危机中倒闭引发的）（如卓越调查所列【Eling，Pankoke，2014年】）。Scott E.Harrington在【Harrington，2009】中声称，传统保险产品不会造成系统性风险。Marc P.Radice在【Radice，2010】中得出了双重结论，即保险不可用、人寿保险公司的保险运行、CDS支付违约、信用评级利用（长期投资、短期融资）不会导致系统性风险，而资产传染、可用集团流动性的有限可替代性、，保险集团内非监管/非保险业务的困境可能具有系统性风险。费萨尔·俾路支（Faisal Baluch）、斯坦利·穆腾加（Stanley Mutenga）和克里斯·帕森斯（Chris Parsons）[俾路支、穆腾加、帕森斯（2011）]观察到，自保险公司增加了对资本市场的参与并提供了更多的银行服务以来，保险业的系统性风险在过去几年有所增加。

同年，伊曼·范莱利维尔德、弗兰卡·利多普、，Manuel Kampman在【van Lelyveld，Liedorp，Kampman，2011】中研究了传染以及保险人和再保险人之间的联系对系统性失败的贡献，得出结论，即使许多再保险人破产，市场也不会破产，只有少数一级保险人会破产——一家（或几家）再保险公司的潜在失败是因此不是系统性风险。2011年，J.David Cummins、Mary a.Weiss（康明斯，Weiss，2014a）对美国保险业进行了一项研究，结果表明，传统保险公司的活动不会造成系统性风险，可能是衍生品交易和金融担保造成的：寿险公司因杠杆作用而脆弱，人寿和财产保险公司都容易受到再保险危机的影响；2013年，同样的作者在[Cummins，Weiss，2014b]中再次证实了这一点，他们声称核心财产意外保险和再保险活动不会导致系统性风险，而非核心保险活动，如衍生品交易、资产借贷和管理、财务担保。Martin F.Grace在【Grace，2011年】中指出，保险公司不会造成系统性风险，因为资产和负债的持续时间比银行的情况更加匹配。同样，Denis Kessler在【Kessler，2013】中声称再保险不会导致系统性风险；帕特里齐亚·鲍尔（Patrizia Baur）、鲁道夫·恩斯（Rudolf Enz）、奥雷莉亚·萨内蒂（Aurelia Zanetti）在[Baur，Enz，Zanetti，2003]中得出了相同的结论。另一方面，在[Mühlnickel，Weiss，2014年]中，作者声称，保险公司可能导致系统性风险，并且容易受到金融系统损害的影响。D、 Schwarcz和S.L。

Schwarcz在[Schwarcz，Schwarcz，2014]中专注于保险中的系统性风险，这是由公司之间的相关性引起的。让我们以一些一般性评论结束。Andreas A.Jobs在【Jobst，2014】中也强调，总体而言，核心保险活动不太可能引发或传播系统性风险。尽管如此，6他建议需要进一步研究，特别关注非传统和/或非保险活动。国际金融市场的相互依赖性是系统性风险的主要决定因素；例如，【Brechmann等人，2013年】【Rebredo，Ugolini，2015年】【Di Bernardino等人，2015年】对其进行了分析。请注意，评估风险、寻找良好风险措施的问题仍然是一个主要的研究问题，参见【Barrieu等人，2014年】和【Tang，Yang，2012年】。在最新的基于copula的方法中，让我们引用【Di Clemente，2018】、【Karimalis，Nomikos，2018】和【Oh，Patton，2018】。3、方法论本文采用的实证策略，旨在分析欧洲保险市场的依赖性并评估系统性风险，包括两个基本步骤：1。市场制度识别，2。在确定的市场制度中，分析：  研究保险公司之间的依赖关系，  以STOXX 600欧洲保险指数为代表的特定保险公司与欧洲保险市场之间的相关性，  系统性风险。在第一步中，假设使用统计方法确定市场机制，即根据所分析的所有工具收益率的指定条件方差，将周周期t分组。通过多元copula-DDC-GARCH模型获得了该方法中必不可少的条件方差。