跨境资本异常波动的风险预警:基于机器学习视角

基于“在险资本流动”的宏观研究新范式,运用预测分位数回归与稳定分布拟合方法,识别出中国的跨境资本异常波动风险。基于包含371个指标的高维数据集,通过构建的Lasso-PCA双重筛选机器学习方法,识别出不同类型跨境资本异动风险的关键预警因子。结果显示:(1)构建的跨境资本异动风险指标能较好地衡量中国所面临的资本流动尾部风险;(2)国内外长期利差扩大是债券资本涌入风险的关键预警因子,美国货币政策收紧是债券资本撤离风险的关键预警因子,全球风险偏好降低是股票资本涌入风险的关键预警因子,而美元名义有效汇率上升是股票资本撤离风险的关键预警因子;(3)2022年以来,美联储持续加息与美元走强会增加中国的跨境资本撤离风险。在金融市场双向开放进程加快的背景下,为中国防范化解外部冲击风险提供了重要参考依据。