金融泡沫期间的“投机性影响网络”：在中国股票市场的应用
摘要：分析金融泡沫期间部门（和/或公司）之间的因果关系，我们引入了投机性影响网络（SIN）。SIN是通过两个步骤构建的。首先，我们发展了一个隐马尔可夫模型（HMM），用于正常市场阶段和泡沫阶段之间的转变，其中正常市场阶段由几何布朗运动（GBM）表示，泡沫阶段由Sornette-Andersen（2002）泡沫模型表示。HMM的校准提供了每个时间点上给定证券处于泡沫阶段的概率。在两个资产都被确定为处于泡沫阶段的情况下，我们使用转移熵量化一个资产$i$的回报对另一个资产$j$的影响，从而引入证券间SIN的邻接矩阵。我们将该技术应用于2005-2008年间的中国股市，其中正常阶段后是一个壮观的泡沫，最终引发了大规模的调整。我们引入净投机性影响强度（NSII）变量，作为从$i$到$j$的转移熵和从$j$到$i$的转移熵之间的差异，它用于一系列按排名排序的回归，以预测在崩盘期间遭受的最大损失（\%{MaxLoss}）。对其他部门影响最大的部门损失最大。使用涉及工业部门的转移熵来解释金融机构的\%{MaxLoss}，而不是相反的预测技能是明确的。我们还表明，校准于中国市场数据的泡沫状态变量与市场显示出强劲价格加速以及明显的价格变化阶段之间的对应关系较好。我们的结果表明，SIN可能对开发基于联系的系统性风险度量和预警指标具有重要技能。
作者：Li Lin, Didier Sornette
论文ID：1510.08162
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2015-10-29