文件名称：金融泡沫期间的“投机影响力网络”：在中国股市中的应用-研究论文
文件大小：1.95MB
文件格式：PDF
更新时间：2024-06-08 08:46:33
financial bubbles super-exponential systemic risks
我们引入了投机影响网络（SIN）来解释金融泡沫期间部门（和/或公司）之间的因果关系。 SIN分两步构建。 首先，我们开发了一种隐式马尔可夫模型（HMM），用于在以几何布朗运动（GBM）表示的正常市场阶段与以随机超指数Sornette-Andersen（2002）泡沫模型表示的泡沫状态之间进行制度转换。 HMM的校准每次都为给定的安全性提供了处于冒泡状态的可能性。 以两个资产在泡沫*中合格的条件为条件，然后我们使用转移熵来量化一个资产$ i $的收益对另一资产$ j $的影响，从中我们引入证券之间SIN的邻接矩阵。 在2005年至2008年期间，我们将技术应用于中国股票市场，在此期间，一个正常阶段之后是一个壮观的泡沫，最终发生了大规模的修正。 我们引入净投机影响强度（NSII）变量作为从$ i $到$ j $的转移熵和从$ j $到$ i $的转移熵之间的差，该变量用于一系列等级有序回归中以预测最大值在崩溃期间承受的损失（\％{MaxLoss}）。 发现对其他部门影响最大的部门损失最大。 通过使用涉及工业部门的转移熵来解释金融机构的\％{MaxLoss}，可以获得清晰的预测技巧，反之则不然。 我们还显示，当市场表现出强劲的价格加速，随后价格*发生明显变化时，根据中国市场数据校准的泡沫状态变量与该*非常吻合。 我们的结果表明，SIN可能会为基于通用链接的系统性风险度量和预警指标的开发贡献重要技能。