论文部分内容阅读
2007年次贷危机演化为全球性的金融危机之后,学术界对金融系统的风险进行了反思。当出现了系统性风险时,学者们关注的方向主要有系统风险在系统中的扩散过程及风险的扩散机制、如何衡量系统风险带来的损失、系统内哪些因素会对风险的扩散过程起到至关重要的作用。近十多年来,网络分析技术的发展为金融系统风险的研究提供了全新的视角。本文基于网络分析技术对中国证券市场的波动风险进行建模研究。 金融系统的波动主要来源于系统外部冲击以及系统内部机构自身的波动这两方面因素所诱发的传染效应。不论哪一种情况,都与金融系统内部机构间的关联性有着密切联系。本文的关注点是证券市场波动网络的内部结构,特别是网络的形成机制以及机构之间的联系程度。当出现系统性风险时,网络的内部结构有助于我们分析波动在网络中的扩散机制,以及影响波动扩散的因素。基于股票高频数据计算日内波动,本文建立了网络分析的一般步骤,即通过长期偏相关网络构建、网络描述性统计、指数随机图建模来进行证券市场波动风险的建模研究。由于时间序列数据存在同期与跨期之间的相关性。因此在网络构建过程中,本文创新地使用长期偏相关系数作为波动相关性的衡量指标,使网络具有同期与跨期之间的相关性。同时,在求解长期偏相关时,引入了NETS算法将长期偏相关矩阵的求解问题近似转化为多元VAR模型和LASSO回归的系数求解问题。 通过对中国证券市场中沪深300成分股的网络建模研究,获得以下主要结论:其一,股票网络与随机网络之间存在着巨大差异,波动风险的扩散并不是随机进行的,主要体现在属于相同行业的股票有集聚的现象,这在金融保险行业尤为突出;股票网络具有明显的社团结构,其中最有特点的一个社团是由大部分银行股、中国石化、中国石油等股票组成,这些股票的共有属性是价格的波动非常小、市值都非常大。其二,当网络中的股票属于采掘业、供水供电、建筑业、金融保险、食品饮料这些行业时,股票之间建立波动性联系的概率会大大增强。从波动风险扩散的角度分析,一旦这些高度关联的行业受到了波动性的冲击,那么波动将会迅速在这些行业中蔓延,进而传染至整个证券市场网络。其三,当股票所在公司处于一线城市时,也会增强股票之间建立波动性的联系。另外,股票的总市值和总股本则对股票之间建立波动性联系没有显著影响。