基于重叠社区划分和非回溯矩阵的社交网络多源点检测

在线社交网络的发展为信息传播提供了极大的便利,但同时在一定程度上也成为谣言等信息的重要传播渠道。社交网络的信息源检测对于控制信息的传播起着重要作用。为了解决现有社交网络多源点检测方法准确度不够高的问题,提出了一种新颖的多源点同步检测方法SVT-BiasMSI。该方法将多源检测问题转化为若干单源检测问题,采用局部度中心节点及相邻节点的Jaccard系数选取种子节点,使用Voronoi方法对社交网络进行初步社区划分,通过tolerance neighborhood方法寻找分区之间重叠部分的节点并实现重叠社区划分,为了兼顾网络全局和局部信息,基于传染邻域偏差改进非回溯矩阵多源点检测方法,提高单源点检测精度。在多个社交网络数据集中的实验表明,所提的方法能够有效提高在线社交网络多源点检测和定位准确度。

行业指数波动同步性、风险溢出与传染渠道研究--基于中国股票市场的经验证据

基于2005—2021年的申万一级行业指数,采用GED-GJR-GARCH-DCC模型考察行业波动的同步性,并借助VAR模型的广义方差分解方法构建波动风险溢出层次网络,系统性分析风险的跨行业传染问题。研究发现,行业波动的动态变化具有明显的“事件驱动”特征,极端事件不仅加剧了行业间波动的同步性、非对称性和溢出效应,而且破坏了行业波动关联网络的原有结构。从行业波动的方向性溢出来看,位于产业链中游的制造类行业具有较强的风险溢出能力,上游资源类行业和金融类支撑性行业容易受到其他行业的冲击,具有风险净吸收效应。行业波动溢出层次网络揭示出风险的跨行业传染沿循“风险输出型行业—风险中介型行业—风险吸收型行业”的传导渠道。鉴于此,监管部门应当根据行业风险传染机制进行分类监管,平抑行业波动同步性,切断风险传染渠道,提高风险监控和处理能力。

气候风险与系统性风险传染——来自中国上市金融机构的经验证据

本文基于2011—2021年中国51家上市金融机构的微观数据,构建了金融机构间系统性风险传染网络,并从微观层面实证研究了气候风险对金融机构间系统性风险传染的影响及传导路径。研究发现,气候风险事件下金融机构间的网络关联度更紧密,彼此间的系统性风险传染水平显著提升。气候风险主要通过加大投资者恐慌情绪提升金融机构间的系统性风险传染水平。相较于大型金融机构,气候风险冲击下中小型金融机构的系统性风险输出与风险输入水平更高;经济政策不确定性的提高会进一步加剧气候风险对金融机构的负面冲击;《巴黎协定》的提出会缓解气候物理风险对金融机构间系统性风险传染的负面影响,但在一定程度上会加剧气候转型风险对金融机构间系统性风险传染的负面影响。本文为防范气候相关金融风险与维护金融体系的稳定提供了政策启示和决策参考。

基于复杂网络的金融科技风险传染研究

金融科技在极大地提升金融服务效率的同时,金融科技风险与传统金融风险相互交叉关联,金融科技风险传染问题备受关注。基于复杂网络视角,采用涵盖不同风险因子的解释变量体系,融合LASSO变量选择构建单指标模型,搭建金融科技风险传染复杂网络,分析金融科技公司、传统金融主体与监管机构之间的风险传染关系。研究发现:(1)金融科技行业是金融市场中风险的主要传播者,证券业、保险与信托业是风险的主要接收者,银行业则承担维持金融系统稳定性的角色;(2)风险的传染沿特定方向进行,并非随机蔓延至整个金融网络;(3)监管当局可以结合当前所处的风险周期,制定阶段性的风险防范策略,优化监管效率。研究有助于厘清金融科技风险传染的具体过程,对复杂金融网络的风险防范有重要意义。

经济政策不确定性对我国银行风险传染的影响研究

为研究经济政策不确定性对我国银行风险传染的影响,本文首先根据银行间溢出效应,采用基于LASSO-VAR的广义溢出方差分解模型构建银行风险传染网络,识别银行风险传染网络中的系统重要性银行。其次结合BK溢出指数,从频域的视角探讨经济政策不确定性对我国银行风险传染的影响。最后使用固定效应模型,探究不同经济政策不确定性对我国银行风险传染的影响。研究发现,在受到经济政策不确定性冲击时大型商业银行的节点重要性有所上升,高频时的网络结构更加紧密。对不同经济政策不确定性来说,贸易政策、货币政策不确定性会提高银行风险。研究结果为我国银行业化解经济政策不确定性带来的负面影响具有一定的借鉴意义。

基于时变传染网络和分位数Granger因果检验的系统性风险传染研究

基于18个经济体760家金融机构SRISK系统性风险数据,采用时变参数向量自回归模型和广义方差分解法测度全球系统性风险的时变传染网络,进而采用分位数Granger因果检验考察各经济体对中国高分位段系统性风险的影响。研究结果表明,结合SRISK数据和时变传染网络能有效识别重大风险事件的发生;发达和新兴经济体均会产生风险净输出效应,且会通过直接输出或香港地区间接输出风险至中国内地;在全样本与2008年金融危机、欧债危机、中美贸易战和新冠疫情重大风险事件期间,中国皆为风险净溢入国且新冠疫情期间溢入效应达历史最高;美英两国在重大风险事件期间均对中国高分位段系统性风险产生显著影响,新冠疫情期间中国高分位段系统性风险遭受外部冲击的形势最为严峻。

基于图神经网络的多层银企网络融合研究

针对金融行业内潜在系统性风险难以精准识别问题,基于直接系统性风险传染渠道的借贷数据以及间接渠道的互联网文本信息,构建多层银企网络,并利用图卷积神经网络(GCN)设计多层银企网络融合模型,根据融合网络量化评估29家银行和75家房地产机构的不同渠道系统性风险传染过程。实验结果表明,在多层金融网络融合任务上,本文融合模型的准确率达到0.8559,优于对比模型。融合网络分析表明,多层网络共同冲击下的银企系统性风险传染能力明显大于单一或者2层网络的系统性风险,且基于间接渠道的企业间网络系统性风险更明显。金融审慎监管应该更多关注文本数据、深度学习等技术对于整合庞大金融资源的能力和有效提高风险监测预警的能力。

面向企业信用风险评估的多视角异质图神经网络方法

企业信用风险评估是一个重要且具有挑战的问题.由于金融市场中存在大量的异质关联关系,使得异质图神经网络天然适合建模企业信用风险.然而,现有大部分研究不能充分捕捉到复杂金融网络中企业的综合信用风险.针对此问题,提出了一个面向企业信用风险评估的多视角异质图神经网络方法——CRGNN.该方法包含自身风险编码器以及传染风险编码器,其中自身风险编码器建模基于企业特征信息的自身风险,传染风险编码器由新提出的分层异质图Transformer网络和分层异质图特征注意力网络2个子模块组成.这2个模块分别挖掘基于企业不同邻居视角的传染风险和基于不同特征维度视角的传染风险.为了充分利用异质关系信息,2个模块都采用了分层机制.在企业破产预测数据集SMEsD和企业信用评估数据集ECAD上进行了大量的实验,AUC指标相比最优基线模型分别提高了3.98个百分点和3.47个百分点.

基于复杂网络理论的行业间风险传染研究

当前我国经济下行压力较大,行业间相互依赖程度高,精准度量并及时预测行业间的风险传递可有效防范系统性风险。本文基于DCC-GARCH模型和广义预测误差方差分解法构造了行业间风险传染网络,并使用SIRS模型对我国31个行业进行了风险传染模拟研究。结果发现:不同行业间的金融风险传染呈现多样化特征,应采取差异化的风险管理策略;行业风险传染网络呈现出无标度特征,高节点度数行业在风险传染过程中具有较大影响力;在网络稳健性检验中,蓄意攻击会对网络产生更大破坏,为增强风险传染网络的韧性,需要强化高度连通节点行业的风险防控;SIRS风险模拟结果显示,在风险传染的过程中应积极采取行业救助措施以促进受影响行业的快速恢复。

金融网络结构与风险传染的模型探析

本文针对金融系统中的风险传染问题,借助Eiscnbcrg-Noc模型,构建传染变量来衡量系统中的违约事件,探讨了不同规模冲击下的风险传染效应。研究发现:资产负债率与风险传染发生概率呈正相关关系,同时,当冲击规模较大时,原始节点的债务违约将依次触发其它节点纷纷违约。本文结论表明:第一,在遭受经济冲击或金融危机时,金融系统内存在多重不确定的问题;第二,由于网络结构的高度连接性,单一金融机构的违约可能引发系统性危机。

基于风险溢出的股市双层风险传染模型

从风险关联网络视角出发,根据股票节点的风险溢出水平差异对其进行分层处理,提出股市风险双层传染机制,并基于网络异质性结构对传统SIRS模型提出改进,采用风险溢出效率定义感染率参数.最后,以深证300成分股作为样本数据计算模型相关参数,并进行股市极端风险传染演化仿真分析.研究结果表明:双层传染机制下股市风险传导效应更强,少数风险溢出水平较高的股票节点对风险传染的贡献远高于风险溢出水平较低的其他节点,一旦这些企业发生危机,对股市系统的冲击性和影响力都更大.

金融网络及传染对金融稳定的影响

本文主要介绍目前利用金融网络解决金融传染问题的相关研究方法和研究成果。笔者在简单回顾了金融网络的结构特征、描述性指标及几大典型结构之后,从微观角度分析了最优金融网络所具有的一些共同特征,从宏观角度分析了现实金融网络的拓扑结构,研究了网络结构在金融传染过程中所起到的作用,并基于此从金融网络的角度提出了提高金融体系稳定性的相关措施,为预防危机的传染提供了政策参考。

系统性风险、网络传染与金融机构系统重要性评估

以往国际监管组织的系统重要性金融机构测评指标体系偏重于银行群落与机构规模特征,影响了中国金融监管及理论研究的方向。笔者运用复杂网络模型、格兰杰因果检验及产品空间等方法构建中国金融风险传染网络,可视化系统性风险爆发后的风险传染路径,并通过节点出度、传染轮次、K-核分解值、LeaderRank值等指标综合评估各金融机构风险网络传染的速度、范围、深度及风险累积程度。结果表明,中国金融风险传染网络呈现出多层次、多通道的复杂关联,部分非银行金融机构在风险积聚与跨群落传导过程中发挥关键作用,规模与风险传染能力并非完全线性相关,机构关联性及负面信息传播速度等成为引发系统性风险的重要因素。打破既有群落式监管模式,推进综合监管模式创新,对当前金融深化过程中系统性风险预警与管理具有重要意义。

基于银行间市场网络的系统性风险传染研究

通过建立银行间市场网络,其中网络中的节点为银行,银行之间的同业拆借关联为节点之间连边,研究了市场网络结构对系统性风险的影响。研究发现,银行间关联有两种作用:流动性转移和风险传染,这两种作用分别在不同环境占据主导地位。当银行系统流动性充足时,银行间关联的流动性转移作用占据主导地位,此时加强银行间关联可以实现系统内部流动性转移,有利于保证整个银行系统稳定;当银行系统流动性不足时,银行间关联的风险传染作用占据主导地位,此时应该减少银行间关联,从而切断风险传染的途径,牺牲小部分危机银行,保证系统中大部分银行稳定。

人群疏散中的恐慌传播与干预策略研究

通过NW小世界网络刻画行人社会关系,运用Netlogo软件实现多主体仿真,基于改进社会力模型和恐慌传染模型,考虑无恐慌干预与恐慌干预情境下的应急疏散,模拟恐慌情绪传播与人群疏散过程,以探究恐慌情绪传播的影响因子与最优干预策略。研究表明:群体恐慌情绪的传播速度主要取决于网络密集性、恐慌源位置和恐慌情绪系数,网络平均度越大、恐慌源越远离出口、恐慌情绪系数越大,则疏散效率越低;并提出3种恐慌干预策略,包括动作干预、范围干预与群众干预策略。

企业集团信用风险传染及治理:基于复杂网络理论的分析

国际经济金融环境复杂多变,中国经济遭遇"三期叠加",企业经营潜在风险加大。近年来上市公司信用违约事件频发,企业集团风险不断暴露,引起社会高度关注。由此,解析企业集团信用风险形成机制,防范和化解信用风险传染,夯实风险治理微观基础十分紧迫。本文基于复杂网络理论,分析企业集团网络结构特征,研究异质性个体信用风险形成和传染机理及路径;并源于异质性个体的经验数据,对企业集团信用风险传染与风险外溢效应进行实证分析。研究发现:一是异质性个体的信用风险具有较强的传染性,且企业集团高密度、低中心型网络结构放大了风险传染效应;二是企业集团网络系统内部风险传染效应大于外溢效应,且风险传染效应及传染时间与企业间网络联结程度及路径长度相关;三是"去杠杆"与网络节点间的风险隔绝是抑制信用风险传染的重要举措,企业集团对异质性个体的引导、救助以及风险隔绝,对于防范企业集团信用风险传染与外溢具有重要作用。

基于社会网络的群体情绪模型

为了能够深入认识群体事件中群体情绪的演化过程,提出了基于社会人际关系的群体情绪模型构建方法。以小世界网络模型构建个体间社会关系,并通过引入情感关系参数表达现实生活中个体间的强情感、弱情感和陌生关系。基于Bosse等人提出的群体情绪模型,以社会网络作为情绪传播媒介对不同类别人际关系情境中群体情绪的演化态势进行了实验模拟,分析了近邻数K、重连概率P和情感关系R对群体情绪涌现所产生的影响。结果表明,情感关系越亲近、近邻数K越大,群体情绪最终的强度则越强烈,情绪涌现所需时间越短;重连概率P对群体情绪强度也有微弱影响,但作用并不十分显见。

风险投资网络具有“传染”效应吗——基于上市公司超薪酬的研究

关系网络的"传染"效应指的是由网络的信息传导带来的网络内个体的行为趋同。对这一问题的检验是关系网络研究的重要领域,也为关系网络的信息功能提供了直接证据。因此本文以我国的风险投资网络为对象,以上市公司超薪酬问题为切入点,考察风险投资网络的"传染"效应问题。研究发现:第一,风险投资网络具有传染效应。即当与超薪酬公司具有共同的风险投资联结时,样本公司更有可能出现超薪酬现象;第二,"强联结"会加强网络的传染效应。风险投资所联接的样本公司与超薪酬公司的相似性越强,包括地域、成长性、风险等方面的相似,样本公司出现超薪酬的可能性也越大;第三,风险投资对上市公司的控制力也有可能加强网络的传染效应。当风投向投资项目派出高管时,样本公司更有可能出现超薪酬现象。在控制内生性等问题后,上述结论依然成立。本文的研究发现拓展了我国的关系网络研究,也从关系网络视角说明,风险投资作为积极投资者,有激励介入项目的公司治理。

基于风险传染的金融网络系统风险模型

在金融体系中,不同机构之间存在着错综复杂的财务关系,从而形成了一个庞杂的金融网络.本文提出金融网络的一个风险传播模型,通过模拟单个机构破产所带来的风险传染效应来研究金融体系的系统风险,这与传统的孤立考察单个机构的风险再将所有机构的风险加总的研究方法不同.在文章中我们考察了不同网络结构、不同网络规模以及不同节点对于系统稳定性的影响,并且将模型应用在实证数据.为更好地理解金融体系系统风险提供了帮助.

债务网络、投资者行为与传染性风险：来自中国银行业与房地产业的研究发现

现有研究表明,金融行业与其他产业间的关系日趋紧密且复杂,风险在金融系统与其他产业间的传播机理日益受到关注.利用中国银行业和房地产业间的传染性风险测度结果,分别检验了行业间传染性风险的两大诱因:债务网络和投资者行为.结果表明,债务网络是传染性风险的主要诱因,在控制了债务关系后,行业间传染性风险显著降低;同时投资者行为对风险传染发生的概率有显著影响,尤其当投资者和公司之间的信息不对称现象较为严重时,外部的负向冲击(使投资者形成对相关市场负面预期的冲击)会导致传染性风险发生的概率增大.研究结果不仅对相关理论进行了验证和补充,同时也提供了有益的政策建议,以帮助更加有效地监管行业间传染性风险.