耦合网络边相继故障模型研究

针对耦合网络上频发的相继故障问题,通过分析边级联故障蔓延的动力学演化机制,构建耦合网络上边相继故障模型。以提高耦合网络整体抵制相继故障能力为出发点,依据不同度量指标,多角度分析具有不同耦合模式的耦合网络鲁棒性与模型参数之间的关联性,研究耦合网络间耦合模式和网络基本模型等因素对相继故障的影响,探讨耦合网络边相继故障模型的整体保护策略。研究结果表明,同配连接模式能够增强耦合网络抵制级联故障的鲁棒性;相互依赖的两个耦合网络之间拓扑结构越相似,网络抵制相继故障的鲁棒性越强;耦合网络鲁棒性与网络平均度正相关;适当的增加耦合网络间对称边数量,能够有效提高网络的鲁棒性。最后,应用边相继故障模型在耦合电力网络上进行实例分析。     

经济政策不确定性、网络舆情与金融机构系统性风险

基于45家上市金融机构2015年1月至2020年3月的月度数据，从反映系统性风险的极值风险与传染效应两个维度各选取一个指标，即条件在险值差(ΔCoVaR)和吸收比率差(ΔAbs),并利用网络爬虫与文本分析构建金融机构网络舆情指数.然后，采用静态面板与动态面板实证分析经济政策不确定性、网络舆情与金融机构系统性风险之间的关系，考察网络舆情的中介效应，并从金融机构的类型和规模层面进行异质性分析.研究结果发现：1)经济政策不确定性对金融机构系统性风险存在显著正向影响，但积极和消极网络舆情对金融机构系统性风险的影响存在差异性；2)网络舆情是经济政策不确定性影响金融机构系统性风险的潜在传染渠道；3)网络舆情的中介效应在不同类型和规模的金融机构间存在异质性.     

中国金融机构关联性与系统性风险贡献研究——基于尾部风险溢出网络视角

在后危机时代如何准确地测度金融机构的系统性风险贡献以识别系统重要性金融机构是宏观审慎监管的重要任务.采用2010年至2019年中国32家上市金融机构数据以及宏观特征变量，通过TENET模型构建尾部风险溢出网络以度量金融机构关联性，并引入公司规模、杠杆和流动性指标，基于改进的PageRank算法提出网络-市场-账面相结合的系统性风险贡献测度思想，具体从系统整体、部门行业、机构个体三个层面对网络关联性展开实证分析.研究结果表明：1)金融系统总体关联性在危机与下行时处于高位水平，尾部风险溢出网络能有效捕捉极端风险事件；2)行业内的关联性水平总体而言高于行业间的关联性水平，但在极端情况下跨行业风险溢出强度会增大；3)银行和保险机构相对证券机构而言对系统性风险的贡献程度更高.     

金融股权知识大图的知识关联发现与风险分析

金融机构的复杂股权网络是系统性金融风险的微观成因和传导渠道.因此,发现和分析股权网络中的关键风险特征结构对金融监管有着重要意义.本文从知识关联理论出发,基于大规模股权网络构建金融股权知识大图,在此基础上提出了多层股权穿透(MEP)算法,揭示以金融机构为中心的穿透式多层股权网络;提出了关键股权路径发现(CEP)算法,发现金融机构之间的关键股权路径.本文结合案例对以上基于知识关联的股权风险结构进行了实证分析,并对MEP和CEP算法进行了性能分析与对比.基于真实数据的实证分析和性能分析表明,与传统的股权结构分析方法相比,本文所提出大数据算法能够更加高效和准确地发现和分析关键股权风险结构,支撑系统金融性风险的穿透式监管.     

嵌入网络舆情指数的中国金融机构系统性风险传染效应研究

首先基于文本挖掘技术构建反映投资者情绪的网络舆情指数,然后将所构建的网络舆情指数嵌入到系统性风险传染效应度量模型,得到修正的单指标非对称CoVaR模型,并运用线性分位数LASSO算法与局部多项式估计方法进行参数估计,以此为基础构建金融有向网络,进而对中国金融机构系统性风险传染效应进行实证分析。实证研究表明：(1)以单指标非对称CoVaR为代表的金融机构风险指标与网络舆情的协同变化趋势明显;(2)证券类和银行类金融机构对外部风险非常敏感,极易受到其他金融机构的影响,也极易影响其他金融机构;(3)非银行类机构在风险积累阶段占据重要位置,银行在风险爆发时刻占据重要位置;(4)相对于非银行类金融机构,银行类机构具有较强的传染能力。     

基于局部相关系数和截尾扭曲混合Copula的杠杆效应识别和度量

作为风险资产收益和波动之间关系的度量，杠杆效应是金融市场数据三大分布特征之一，在波动预测、资产定价和风险管理中起着重要作用。日内高频数据计算的已实现波动作为波动的代理变量，解决了波动不能观测的问题，实现了用波动和收益直接建模捕捉杠杆效应。深入了解收益和已实现波动的相关模式并以此构建二者的联合分布是正确度量杠杆效应的关键。本文以局部相关系数为工具研究收益和波动在不同取值范围内的相关性变化，实证研究结果表明，与负收益冲击引起波动增加一样，正收益冲击也会引起波动增加，这与传统杠杆效应理论并不一致，与Chen和Ghysels（2011）对美国股票市场的实证结果一致。为正确捕捉和度量实证结果反映出的杠杆效应，在扭曲混合Copula构造方法基础上，本文用截尾扭曲函数构造扭曲混合Copula，以此作为收益和已实现波动的联合分布，再现收益和已实现波动的局部相关性特征。以上证综指2013.1.29日至2017.4.30区间内日内1分钟高频数据为样本进行实证分析表明，本文构造的Copula函数具有和实际数据一致的局部相关特征，能够正确刻画市场表现出的杠杆效应。Copula拟合优度的非参数检验表明，实际数据不拒绝本文构造的Copula函数，而现有文献采用的单成分Copula函数和两成分混合Copula函数均被拒绝。本文为收益和已实现波动的联合建模提供参考，具有基础重要性。     

中外科研合作网络对比研究

利用复杂网络理论对国内外供应链管理研究领域的科研合作网络进行了对比研究.首先,进行了统计实证研究,证明国内和国际科研合作网络都是无标度网络;其次,对科研合作网络的各种性质进行了分析,发现在平均每位作者论文数、平均每篇论文合作人数和平均每位作者合作人数等指标上国内外网络基本相似,具有相同的学科特点.而在最大连通集团、社团结构和度相关性指标上国内外网络明显不同,说明国内外合作模式有较大差别.国内的合作群体相对分散,倾向于按地域或相同师承的合作,缺少强强联手,国内合作规模和合作程度与国际相比仍有相当差距.     

内部资本市场跨期配置下最优分部相关性匹配研究——对多元化企业并购整合内在逻辑的诠释

内部资本市场跨期配置是研究多元化整合的新视角，分部相关性是平衡跨期配置成本和配置空间的关键因素。已有研究认为多元化企业存在最优分部相关性，但最优分部相关性的影响因素及其匹配规律尚未明确。借鉴实物期权的定价思路，基于动态规划方程的二叉树数值分析方法，研究了内部资本市场跨期配置下的最优分部相关性匹配问题。基于跨期配置的执行力和适应力，理论部分刻画了分部相关性的"双刃剑"效应：降低跨期配置成本和提高跨期配置空间，二者需要通过分部相关性进行取舍。模型部分通过交易成本和收益波动率两个维度进行研究，结果发现：风险越高、交易成本越低，最优分部相关性越小；收益波动率越高，交易成本对最优分部相关性的影响越弱；交易成本越低，收益波动率对最优分部相关性的影响越弱。实证部分针对中国上市公司的分部数据进行实证检验，发现中国多元化企业的最优分部相关性符合模型的推演结果。     

基于案例学习的多层次聚类指标客观权重极大熵挖掘模型

本文针对待聚类对象的多层次聚类指标权重配置问题进行了研究。首先运用向量空间模型将聚类对象表征为包含多个层次聚类属性指标的特征空间向量并基于余弦距离测算底层属性指标的相似程度,然后根据聚类指标的层次结构以及相应各层指标的权重系数综合测算对象之间的相似程度,最后根据历史聚类案例中相同类别对象之间相似度较大,不同类别对象之间相似度较小等特点,构建了基于案例学习的多层次聚类指标客观权重极大熵挖掘模型。通过案例分析以及与其他方法的比较研究,证明了本模型的可行性与有效性,为多层次聚类指标客观赋权问题提供了一种新的研究思路。     

证券市场的动态网络模型构建与演化规律研究

为分析证券市场的演化规律,提出了动态网络模型构建与拓扑结构分析方法。收集2000～2011年在上海证券交易所上市的884家A股公司的收盘价格数据,采用边权重过滤技术建立了证券市场的动态网络模型,并从网络的基本特征和社团结构探索证券市场的演化规律。通过计算发现,上海证券网络个体之间的平均相关性和聚集程度基本稳定,连通性则呈现增强的趋势。利用加权CNM算法对该动态网络进行社团结构划分,发现网络的最优模块度Q值呈现增大的趋势,这表明该网络的社团结构越来越明显。按行业对这些主要社团进一步分析发现:制造业是整个网络最核心的行业,其次是批发和零售贸易等5个行业。该证券动态网络的建模与演化规律分析方法可以推广到一般复杂网络理论之中。     

基于复杂网络的投资组合优化研究

本文基于复杂网络的局部聚类系数改进了传统的全局最小方差投资组合模型。首先通过股票对数收益率的相关系数矩阵构造股票关联网络,然后计算股票关联网络的局部聚类系数,最后通过全局最小方差模型确定最佳投资组合。将改进后的模型应用于A股市场,经过夏普比率、信息比率和欧米茄比率的对比分析得出改进后的投资组合模型在样本外的表现优于传统的全局最小方差投资组合模型。     

基于MFXDMA方法的加密货币和中国股市间的多重分形交叉相关性研究

加密货币这一新兴的金融市场目前引起了学者的广泛关注。本文主要基于多重分形降趋移动平均交叉相关分析法(MFXDMA),以4类加密货币(比特币、以太坊、瑞波币和莱特币)、上证指数和恒生指数为研究对象,实证分析了加密货币单一市场、交叉市场间收益率的多重分形特征,以及加密货币和上证指数、恒生指数交叉相关性的多重分形特征。实证结果表明,比特币、以太坊、瑞波币和莱特币各单独市场的收益率具有长记忆性、非对称的多重分形特征。4个加密货币市场中以太坊的市场效率最强,而比特币的市场效率最弱。加密货币市场对内地股市和香港股市产生了一定影响,市场间的交叉相关持续性增强。通过对比特币、比特币和以太坊交叉市场采用中心和前向移动平均法进行对比分析,实验表明本文使用后向移动平均法的结果是稳健的。最后通过滑动窗技术,研究了单一市场和跨市场相关性、波动函数的时变特征,结果表明比特币和以太坊,上证指数和恒生指数时变特征具有一定的相似性,并且上证指数比恒生指数更易受加密货币市场的影响。     

基于复杂网络理论的股票指标关联性实证分析

复杂网络理论是研究股票市场内在结构和功能的有力工具,股票指标的关联性已成为研究股票市场的一个新视角。基于复杂网络理论对深沪300指数(2011年7月28至2012年2月28)构建网络拓扑结构。利用DFA进行数据筛选,计算筛选后数据的股票指标的绝对相关系数。根据股票指标的绝对相关系数概率分布确定阈值,构建网络拓扑结构,计算股票指标的网络统计特征指标,分析收益率、成交量、市盈率的网络结构。研究结果表明,股票收益率和成交量指标的具有较强的关联性,具有小世界性质;市盈率指标具有较弱的关联性,不具有小世界性质,是随机网络且受外界影响较大、效率低下,风险比较大。     

金融危机10年来中国股市动态演化与市场稳健研究——一个基于复杂网络视角的实证

将复杂网络理论最小生成树（MST）算法和滑窗分析相结合，在2008年全球金融危机和2015年中国股市震荡的背景下，以2003年至2017年的上证A股收益率数据作为实证样本，构建股票市场动态关联网络，并从网络节点移除和连边变化两个角度出发，对其在不同时期的动态演化特征和市场稳健性质进行探讨。研究结果表明：网络结构整体上在金融危机之前和之后较为松散，而在金融危机和股市震荡期间则变得非常紧凑，节点的度分布和影响强度分布更加聚集。这意味着在金融危机和股市震荡期间，系统重要性公司的影响力持续增强，其股价的变化对其它公司将产生更为显著的影响；不同类型的事件对股市网络连通性和稳健性的影响程度不同，区域性事件（股市震荡）比全球性事件（金融危机）对市场的冲击更大；短期来看，金融危机和股市震荡对网络连边的稳健性并没有造成太大的冲击，整个研究时段网络的存活比率都维持在较高的水平。但随着步长的增加，网络的存活比率急剧下降，这意味着股市网络相关结构的长期稳健性是减弱的。     

动态尾部金融网络结构与传染性度量

基于Lasso高维分位数回归模型,本文构建了中国金融系统的尾部网络结构,并定义了总体网络以及行业间、行业内和金融机构间等多层金融网络的尾部风险传染度,解构其传染机制与关联特征,评估各机构双向系统重要性(接收端和发射端)。同时,本文提出了一个最优滚动窗宽选择标准方法,以优化滚动样本技术下的动态网络结构。结果表明,所有层级尾部风险传染效应(总体系统、行业间、行业内和机构间)在经济金融极端困境时期,呈现明显增强及剧烈震荡特征,2015年中国股灾期间尤甚。跨行业传染效应日益严峻,银行与保险间表现出较强关联性,房地产机构与其他金融机构间均表现出较高传染性,跨业监管值得关注。接收与发射最多尾部风险传染的金融机构仍然是银行与证券类机构。系统中超过50%的金融机构倾向于接收风险传染,一旦出现系统性冲击,整个金融系统的稳定性将遭受重创,因此,应加强此类机构应对外界冲击的能力。此外,基于新滚动窗宽选择标准法的动态模型的估计性能明显优于传统方法。研究结论有助于理解中国金融系统的网络结构和传染机制,对宏观审慎监管体系的建立提供了依据。     

基于危机条件概率的系统性风险度量研究

2007年次贷危机的爆发，令系统性风险的度量受到了广泛关注，但是目前常用的度量方法存在多种问题，不能较好地反映金融业系统性风险的实时变化。本文提出一种新的系统性风险度量方法——危机条件概率（Conditional Probability of Crisis，CPC），将系统性风险定义为单个金融机构发生危机导致整个金融系统也陷入危机的概率，可以利用股票收益的下尾相关性计算得出。该方法概念清晰，较好地体现了系统性风险的内涵，并且可得到实时更新的系统性风险。实证基于中国49家上市金融机构的股票价格数据，得出了2007-2016年我国金融业及金融子行业系统性风险。结果显示：2014年下半年以来，中国整个金融行业的系统性风险呈明显上升的趋势，目前甚至已经显著高于次贷危机时期；证券业系统性风险在样本时间范围内一直呈显著上升趋势；银行业对金融行业的影响最大，证券业和保险业的影响力也在逐步上升。     

广义双指数分布的跳跃扩散模型下股指期货波动研究

 金融期货市场既存在平常信息引起的连续性波动,又存在突发冲击造成的跳跃式波动,金融市场波动同时具有扩散性和跳跃性特点。同时,金融期货市场与现货市场间的跳跃和波动行为存在着风险溢出效应和羊群效应等。并且,金融资产收益在跳跃过程中呈现出非高斯属性,正态分布假设不能刻画跳跃和波动中的程式化现象,如噪音分布的尖峰厚尾、有偏特征等。        考虑到金融期货序列分布的尖峰厚尾、有偏、非对称现象,采用非对称、有偏的广义双指数分布刻画收益率非高斯特征;同时考虑到金融波动序列的时变性、集聚性和异方差性以及收益与波动之间存在着杠杆效应,将有偏的广义双指数分布引入到收益序列和波动序列均存在跳跃且跳跃相关的双层跳跃扩散模型,构建广义双指数分布驱动的双层跳跃扩散模型,并从理论上分析模型的优越性。根据模型的似然函数估计式,使用马尔科夫链蒙特卡洛模拟迭代求解广义双指数分布驱动的双层跳跃扩散模型参数,将构建的模型应用到中国股指期货和现货市场进行实证研究,分析中国股指期货和现货市场各自的跳跃和波动行为特征以及市场间跳跃和波动的风险关联性,包括对两类市场跳跃形态的非高斯特征分析股指期货市场与现货指数的波动协同性描述,以及股指期货与现货间的跳跃溢出行为、跳跃强度和跳跃大小分析等。        研究结果表明,广义双指数分布驱动的双层跳跃扩散模型较好地捕获了收益率分布的尖峰厚尾特征;股指期货收益和股指现货收益上涨与下跌概率呈现非对称性;股指期货波动强度高于股指现货波动,而股指期货波动的持久性低于股指现货;股指现货的杠杆效应表现更强;股指期货和股指现货市场存在双向跳跃溢出效应。        研究结论有利于理解中国沪深300股指期货市场和现货市场之间的跳跃风险传染机制,对于深入认识期货和现货市场的风险溢出关系、促使投资者规避风险和监管机构加强监管具有一定的参考作用。     

基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视，本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型，文章对行业的日收益率数据进行了动态相关性分析，并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据，基于GAS动态负荷因子的变化路径来刻画其相关关系，通过风险预期占比来研究行业间的风险溢出效应。研究表明，各个行业指数收益率之间存在较强的关联性。就单个行业来说，化工行业与其他行业关系最为不稳定。就金融与非金融行业而言，金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。     

基于多层网络的银企系统性风险研究

考虑到鲜有学者从银企间主体关联业务的多元性角度分析银企系统性风险,本文则基于银企间不同贷款期限的借贷关系以及不同投资周期的共同资产关系,通过构建多层网络模型研究银企系统性风险。在多层网络模型基础上,分别从多层网络结构和银企主体行为两个方面深入探究其对系统性风险的影响。研究结果表明：在多层网络结构方面,多层网络共同冲击下的系统性风险显著大于任意两层网络的共同作用,多层网络节点异质性对于系统性风险具有一定的抵御能力。在银企主体行为方面,较长贷款期限和投资周期在一定程度上都会增大系统性风险而投资周期对系统性风险具有更高灵敏性,长期投资占比减少以及外部资产选择比例提高在一定程度上能够有效降低系统性风险,而拆借对象选择比例变化对系统性风险影响相对较小。本文的研究深入挖掘银企多层网络结构以及银企主体行为与系统性风险之间的内在关联,这对于维护金融市场稳定、防范系统性风险具有重要意义。     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。