基于高维状态空间方法构建金融市场网络模型

针对金融市场的核心变量——收益率和波动率,基于高维状态空间模型,利用EM和稀疏算法,分别建立了金融产品之间的收益率网络和波动率网络。前者刻画了金融产品收益之间的相互关系,后者刻画了金融产品风险之间的关系。相对于已有模型,上述模型可有效处理高维时间序列数据。对深圳、上海、香港和纽约市场的股票交易数据分析,找出了相应网络结构特征。以上市场的数据分析结果表明,相对于波动率网络,收益率网络具有更高的度数中心势,把这种现象归因于政策等因素对收益率的影响更为直接和简单,而对波动率的影响则是间接和复杂的。上述研究结果也为构建多变量波动率模型提供参考。

股市行业板块联动性分析——基于复杂网络和DCC-MIDAS模型

本文结合收益率联动网络以及最小生成树的行业定性分析以及网络中心性的行业定量分析,选取以化工、轻工制造和食品饮料为代表的第二产业以及以银行、房地产和非银金融为代表的第三产业两大行业组,运用复杂网络模型与DCC-MIDAS模型进行联动性实证分析。研究发现:(1)我国股市行业之间普遍存在联动效应,不同年份的不同行业网络联动效应不同;(2)中心性近似的行业其各自之间的长短期时变相关性均维持在较高水平,并且分别对组内另一行业具有较为一致的时变趋势;(3)时变联动性分析说明金融服务业间较之工业制造业间的联动关系将进一步增强。本文对复杂网络筛选得到的行业进行长短期联动性分析,有助于分析行业之间的长短期时变信息,进一步发掘新联动性行业与行业组,以及从不同效用期限出发制定相应的行业政策。