2024年2月29日下午，第144次RMI读书讨论会于经院305教室举行。风险管理与保险学系2023级博士生葛新杰分享了一篇来自Journal of Risk and Insurance的文章“Tail Risk Networks of Insurers around the Globe: An Empirical Examination of Systemic Risk for G-SIIs vs Non-G-SIIs”。风险管理与保险学系部分师生参加了本次讨论会。
葛新杰首先介绍了文章的研究主题。尾部风险特指那些极端但不太可能发生的事件（尾部事件）对金融机构造成的风险损失，相对应地，尾部风险网络（Tail Risk Networks）是一种用来建模金融机构之间尾部风险传染的网络模型。在尾部风险网络中，各个金融机构被视为网络中的节点，而它们之间的尾部风险传染关系则通过连接这些节点的边来表示。每条边的强度可以表示为两个金融机构之间尾部风险传染的强度。如果一个金融机构的尾部风险增加，它可能会通过这些连接边影响到其他金融机构的尾部风险，这种影响可以是正向的（风险放大）或负向的（风险缓解）。
在构建全球上市保险公司尾部风险网络及衡量系统性风险的方法上，文章使用单指数模型进行分位数回归以计算条件在险价值（Conditional Value at Risk, CoVaR），并结合Lasso来识别每家保险公司的关键风险驱动因素。文章提出了一种基于网络的系统性风险指标，该指标综合考虑了保险公司随时间变化的尾部风险溢出强度，以及直接和间接的传染效应，并通过计算条件尾部损失（Conditional Tail Loss, CTL）避免对未处于困境状态时的大型金融机构进行惩罚。
研究结果显示全球系统重要性保险公司（G-SIIs）在尾部风险网络中通常比非G-SIIs更为中心化；但在市场动荡期间，一小部分非G-SIIs的系统性风险水平与G-SIIs相当，甚至更高。此外，研究发现在2008年金融危机期间，间接传染效应占G-SIIs总传染效应的65.62%，占非G-SIIs总传染效应的74.82%，因此忽略间接效应可能会夸大G-SIIs的排名，并降低非G-SIIs的排名。文章还指出，就识别排名靠前的保险公司是否为G-SIIs而言，基于网络的度量方法比传统的度量方法（MES和CoVaR）更为准确。
最后，葛新杰简要评述了文章总体内容和潜在研究方向。同学们就风险网络构建、系统性风险指标以及保险业系统性风险等话题展开了进一步交流探讨。
（风险管理与保险学系 葛新杰 供稿；张浩田 供图）
