国际股票市场间的风险动态传播模式识别及预警研究
发布时间:2022-01-16 03:12
国际金融风险传染是扰乱经济秩序、破坏经济和金融系统结构的主要因素之一。考虑到国际金融风险传播速度快、影响范围广,如果不能及时、有效的防控,可能会对一国金融系统乃至全球金融系统造成极大破坏。尤其面对当前复杂多变的国际经济局势,在把握金融风险传播特征的基础上,提出更有针对性的防控策略对于保障一国金融系统的稳定运行意义重大。这样的背景对研究金融风险的动态传播过程提出了更高的要求:一方面,需要准确识别具有不同规律和特征的金融风险传播过程;另一方面,需要提前并准确地预判未来可能发生的金融风险的传播规律和特征。然而,针对这两个问题的研究存在一定局限性,为解决这一问题,以国际股票市场为样本,运用交叉融合的多领域研究方法,从基于复杂网络的金融风险传播动态模拟仿真入手,识别了金融风险传播模式以区分不同类型的金融风险传播过程,并在分析复杂网络拓扑特征与不同传播模式时变特征相关性的基础上,构建了数据驱动的动态预警指数。本文的主要研究工作和创新贡献体现在以下几方面:(1)针对国际金融风险传染,构建了国际股指金融风险级联传播模型,挖掘了金融风险动态传播规律。在融合运用BEKK-GARCH模型、Delta-CoV...
【文章来源】:中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】:173 页
【学位级别】:博士
【部分图文】:
三元有向模体演化图
占比最高模体演化图
第3章国际股指间金融风险传播动态仿真52从开始到结束的受影响节点总数,而量化金融风险传播速度的指标为金融风险传播从开始到结束经历的传导次数。需要说明的是,为了反映波动溢出网络的整体动力学特征,此处提到的受影响节点总数和传导次数均为网络中各个节点作为初始风险节点进行动态模拟结果的平均值,将其记作平均受影响节点数(averageinfluencednodes,AIN)和平均传导次数(averageconductionsteps,ACS)。显然,AIN越高说明金融风险传播范围越广,而ACS越低说明金融风险传播速度越快。为了挖掘金融风险动态传播规律,从演化分析的角度入手,将动力学实验结果按照时间进行梳理,用等高线图展示不同金融风险阈值下金融风险传播情况,具体如图3-3所示。图中x轴为时间轴,y轴为金融风险阈值,在不同时间构建的波动溢出网络上进行动力学实验得到的AIN和ACS值的大小在图中用渐变色加以区分。图3-3AIN和ACS演化特征分析
【参考文献】:
期刊论文
[1]复杂加权供应链网络级联抗毁性研究[J]. 赵志刚,周根贵,杜辉. 小型微型计算机系统. 2019(12)
[2]基于E-t-SNE的混合属性数据降维可视化方法[J]. 魏世超,李歆,张宜弛,周晓锋,李帅. 计算机工程与应用. 2020(06)
[3]极端金融风险的有效测度与非线性传染[J]. 杨子晖,陈雨恬,陈里璇. 经济研究. 2019(05)
[4]创新扩散视角下众创设计社区参与者选择行为模型[J]. 张硕,李英姿,张晓冬. 科技进步与对策. 2018(21)
[5]基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测[J]. 阮素梅,周泽林. 财贸研究. 2018(02)
[6]网络相关性、结构与系统性金融风险的关系研究[J]. 胡宗义,黄岩渠,喻采平. 中国软科学. 2018(01)
[7]关于金融风险传染的研究综述[J]. 陈克鑫. 经济研究导刊. 2018(03)
[8]习近平金融思想及其在十九大报告中的新发展[J]. 张家源. 探索. 2017(06)
[9]金融网络关联与我国影子银行的风险溢出效应——基于GARCH-Copula-CoVaR模型的分析[J]. 马亚明,宋羚娜. 财贸研究. 2017(07)
[10]A股纳入MSCI指数的影响[J]. 魏震. 中国金融. 2017(18)
本文编号:3591822
【文章来源】:中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】:173 页
【学位级别】:博士
【部分图文】:
三元有向模体演化图
占比最高模体演化图
第3章国际股指间金融风险传播动态仿真52从开始到结束的受影响节点总数,而量化金融风险传播速度的指标为金融风险传播从开始到结束经历的传导次数。需要说明的是,为了反映波动溢出网络的整体动力学特征,此处提到的受影响节点总数和传导次数均为网络中各个节点作为初始风险节点进行动态模拟结果的平均值,将其记作平均受影响节点数(averageinfluencednodes,AIN)和平均传导次数(averageconductionsteps,ACS)。显然,AIN越高说明金融风险传播范围越广,而ACS越低说明金融风险传播速度越快。为了挖掘金融风险动态传播规律,从演化分析的角度入手,将动力学实验结果按照时间进行梳理,用等高线图展示不同金融风险阈值下金融风险传播情况,具体如图3-3所示。图中x轴为时间轴,y轴为金融风险阈值,在不同时间构建的波动溢出网络上进行动力学实验得到的AIN和ACS值的大小在图中用渐变色加以区分。图3-3AIN和ACS演化特征分析
【参考文献】:
期刊论文
[1]复杂加权供应链网络级联抗毁性研究[J]. 赵志刚,周根贵,杜辉. 小型微型计算机系统. 2019(12)
[2]基于E-t-SNE的混合属性数据降维可视化方法[J]. 魏世超,李歆,张宜弛,周晓锋,李帅. 计算机工程与应用. 2020(06)
[3]极端金融风险的有效测度与非线性传染[J]. 杨子晖,陈雨恬,陈里璇. 经济研究. 2019(05)
[4]创新扩散视角下众创设计社区参与者选择行为模型[J]. 张硕,李英姿,张晓冬. 科技进步与对策. 2018(21)
[5]基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测[J]. 阮素梅,周泽林. 财贸研究. 2018(02)
[6]网络相关性、结构与系统性金融风险的关系研究[J]. 胡宗义,黄岩渠,喻采平. 中国软科学. 2018(01)
[7]关于金融风险传染的研究综述[J]. 陈克鑫. 经济研究导刊. 2018(03)
[8]习近平金融思想及其在十九大报告中的新发展[J]. 张家源. 探索. 2017(06)
[9]金融网络关联与我国影子银行的风险溢出效应——基于GARCH-Copula-CoVaR模型的分析[J]. 马亚明,宋羚娜. 财贸研究. 2017(07)
[10]A股纳入MSCI指数的影响[J]. 魏震. 中国金融. 2017(18)
本文编号:3591822
本文链接:https://www.wllwen.com/guanlilunwen/bankxd/3591822.html