中国金融业风险溢出预警研究——基于藤Copula CoVaR模型

在经济全球化的复杂环境下,当前各个行业之间的联系日益密切,因此如何有效地测度行业间上下行风险的相关性,对于中国金融业风险防范与化解有重要意义。本文选取A股房地产业、货币金融服务业、资本市场服务业、保险业和其他金融服务业市值最高的50家上市公司日度收盘价计算对数收益率作为样本。藤Copula函数是一个概率密度函数,用于描述多维随机变量的联合分布。通过藤Copula函数,可以更准确地评估多个随机变量之间的联合风险。相较于传统相关性模型其更能反映不同市场条件下真实资产之间的相依结构。此外,为了更好地描述尾部风险溢出强度,利用不同置信水平下CoVaR模型量化分析行业间在市场高涨和市场下跌时的风险溢出强度。研究结果表明行业间风险溢出强度有明显差异且模型能够识别重大事件的发生。最后利用LSTM神经网络模型对CoVaR值进行拟合训练,训练集与测试集RMSE均小于0.38。综上所述,说明该模型可以很好地建立行业间尾部关系及测度风险溢出强度。在此基础上结合LSTM神经网络模型可充分挖掘金融时间序列的非线性特征优势,对行业间风险溢出进行预警,对于风险溢出监测有重要的现实意义。