基于LGCNET多层网络的中国A股上市公司系统性风险度量

系统性风险度量一直是金融风险领域的热点问题,但是对于复杂网络条件下的度量方法还缺乏深入研究。本文将滑动窗口分位数回归与局部高斯相关方法相结合,构建出一种全新的多层时变网络——局部高斯相关网络(Local Gaussian Correlation Network, LGCNET)。基于此方法,本文通过研究中国证券市场股票总体及尾部收益的非线性相关性,分析了2018年至2021年我国A股50家上市企业关联网络的演化特征,通过考察金融网络系统性风险水平在整个时间段内的变化情况,探究了新冠疫情及中美贸易摩擦期间上市公司网络的风险变化情况。结果表明：第一,金融与科技行业是网络节点的中心,与其他行业公司存在较高关联性,表明该类行业是风险传导的中心。第二,基建及银行类公司因为其市值高,在系统中的重要程度普遍较高;同时,尾部风险排名高于其市值排名的企业具有较大市场影响力和风险传导能力,也应该受到关注。第三,在系统层面,受信用风险加剧及中美贸易摩擦的影响,2018年整个网络系统普遍具有较高风险水平;但在2020年新冠疫情期间,国内系统性风险一直控制在较低水平。