基于金融机构违约相关性方法的优化

系统性风险的重要表现就是财务困境在金融机构之间的相互传播，因此，当系统性风险爆发时，金融机构间将存在强烈的相关性或一致传染性。

静态线性相关系数分析未考虑到金融机构之间随着时间推移而相互依存的情况，特别是在资产价格不确定性显著增强和金融市场流动性较差时。Hesse et al.（2009）使用多元GARCH模型估计发达经济体市场的金融危机对新兴金融市场的溢出效应，研究表明市场危机对新兴金融市场有很强的溢出效应。理论上来说，在危机期间，市场流动性不足，价格变化少，价格波动性不高，实际中资产价格在危机期间有着更高的波动性。可能的解释在于，流动性缺失导致风险的概率分布呈现为有偏状态，因而基于线性相关系数的风险偏度分析存在偏误。(www.xing528.com)

金融机构间的一致性也反映为较高的联合违约概率。基于这一考虑，出现了多种改进方法和研究工具。Goodhart & Segoviano（2009）提出使用金融系统多变量密度函数（Financial System Multivariate Density，下文简称FSMD）来估计各个投资组合水平上金融机构之间的CDS违约概率的联合分布密度，能更加精确地估算金融机构间的联合违约概率。Huang et al.（2009）用银行发行的债务工具组成的投资组合，用未来12个星期内不受财务困境损失影响的保险费用的理论值来测度银行业系统性风险，通过信用违约互换（Credit Default Swap，下文简称CDS）和股市数据，提取CDS和单个银行的股价日交易信息，计算了陷入金融紊乱的金融机构的保险费用。这类研究的优点是不需要会计信息，而且使用高频数据具有较好的时效性，缺陷在于必须基于市场有效的这个前提，而且要求大量的高频数据，对于金融市场不发达的国家，其适应性有限。