量化金融市场的不稳定性

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Quantifying instabilities in Financial Markets》
---
作者：
Bruna Amin Gon\\c{c}alves and Laura Carpi and Osvaldo A. Rosso and
  Martin G. Ravetti and A.P.F Atman
---
最新提交年份：
2017
---
英文摘要：
  Financial global crisis has devastating impacts to economies since early XX century and continues to impose increasing collateral damages for governments, enterprises, and society in general. Up to now, all efforts to obtain efficient methods to predict these events have been disappointing. However, the quest for a robust estimator of the degree of the market efficiency, or even, a crisis predictor, is still one of the most studied subjects in the field. We present here an original contribution that combines Information Theory with graph concepts, to study the return rate series of 32 global trade markets. Specifically, we propose a very simple quantifier that shows to be highly correlated with global financial instability periods, being also a good estimator of the market crisis risk and market resilience. We show that this estimator displays striking results when applied to countries that played central roles during the last major global market crisis. The simplicity and effectiveness of our quantifier allow us to anticipate its use in a wide range of disciplines.
---
中文摘要：
自二十世纪初以来，全球金融危机对经济产生了毁灭性影响，并继续对政府、企业和社会造成越来越多的附带损害。到目前为止，为获得预测这些事件的有效方法所做的一切努力都令人失望。然而，寻求市场效率程度的稳健估计，甚至危机预测，仍然是该领域研究最多的课题之一。本文将信息论与图论概念相结合，研究32个全球贸易市场的收益率序列。具体而言，我们提出了一个非常简单的量词，该量词与全球金融不稳定时期高度相关，同时也是市场危机风险和市场弹性的良好估计值。我们表明，当应用于在上一次重大全球市场危机中发挥核心作用的国家时，该估计值显示出惊人的结果。量词的简单性和有效性使我们能够预测它在各种学科中的使用。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Computer Science        计算机科学
二级分类：Information Theory        信息论
分类描述：Covers theoretical and experimental aspects of information theory and coding. Includes material in ACM Subject Class E.4 and intersects with H.1.1.
涵盖信息论和编码的理论和实验方面。包括ACM学科类E.4中的材料，并与H.1.1有交集。
--
一级分类：Mathematics        数学
二级分类：Information Theory        信息论
分类描述：math.IT is an alias for cs.IT. Covers theoretical and experimental aspects of information theory and coding.
它是cs.it的别名。涵盖信息论和编码的理论和实验方面。
--

---
PDF下载：
--> Quantifying_instabilities_in_Financial_Markets.pdf (2.37 MB)

2022-5-31 09:08:18 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：不稳定性 量化金融 金融市场 不稳定 稳定性

可以立即推断出的第一个显著特征是，所有国家都表现出系统性行为，在危机期间S F指数的值较高，而在危机期间的值较低。这些小组加强了四个条款：亚洲危机（1997-98）；阿根廷危机与网络泡沫（19992001）；美国次贷危机（2007-09）、最近的全球银行危机、冰岛金融危机（2008-2012）和希腊ZF债务危机（20092012）。另一个导致全球不稳定的时期是对双子塔的恐怖袭击（2001年9月11日），这与阿根廷危机最剧烈的时期（2001-2002）不谋而合。值得注意的是，在每个危机时期，面板中显示的较高SF指数值与该时期受影响最大的国家完全对应。作为一个例外，我们指出，芬兰在1999年阿根廷危机之前表现出了一个显著的高峰。值得一提的是，芬兰在20世纪90年代初经历了一场严重的银行业危机，导致当时的芬兰市场不稳定。不同区块国家之间的比较表明，南美市场的S F指数值较高，尤其是在全球危机期间。特别是，阿根廷SF指数最高峰值与该国最严重的危机时刻同时出现[21]。在巴西，最显著的峰值与亚洲危机密切相关，证实了巴西因其与亚洲发展中国家的密切关系而受到的影响最大的假设[22]。

智利市场被认为是南美最稳定的国家，其SF指数值始终低于南美其他国家，再次证实了SF指数在量化市场效率方面的稳健性。这一观察结果也适用于北美国家，这些国家在美国次贷危机导致的经济衰退期间表现出了最高的价值，但墨西哥除外，主要受亚洲危机的影响。这些观察结果证实，与发达国家的附带影响相比，亚洲危机对墨西哥和巴西等新兴市场的影响很大[23，24]。美国SF指数的突然和局部增长表明了9·11恐怖袭击。在日本和其他欧洲发达国家的阴谋中可以看到这种情况的边际影响。在《亚洲国家面板》（thepanel of Asiatic countries）中观察到了另一个显著的例子，证明了SF指数量化市场效率的准确性。首先，图1b中的曲线准确地显示了危机期间的尖峰。其次，我们观察到SF指数达到最大值的时间步长与危机日期之间存在很强的时间相关性。例如，在对第1-b小组进行分析时，危机中的第一个国家是泰国，我们从文献中了解到，这个国家首先经历了大幅的货币贬值[25]。接下来，我们可以观察到印度、菲律宾、香港、印尼等国的SF指数有所上升，这反映了亚洲市场的危机影响。

这种传播影响了当时的美国发展中国家——panel01/9401/9601/9801/0001/0201/0401/0601/0801/1001/1201/1401/1601/9401/9601/9801/0001/0201/0401/0601/0801/1001/1201/1401/16AUTBELDnfradeuirlessweche01/9401/9601/9801/0001/0201/0401/0601/0801/1001/1201/1401/160510152025301/9401/9601/9801/0001公元前0201/0401/0601/0801/1001/1201/1401/16aDargbrachlcanmexusa051015202530澳大利亚金吉恩（Aushkgindjpnkormysphltwnthagrchunispolprt050101520253050105202530图。这些面板显示了根据加权可见性图计算得出的SF指数，该图考虑了两年的时间跨度窗口和窗口之间的三个月间隔。面板a显示了美国国家的结果，面板b显示了亚洲市场的结果，面板c和d分别显示了欧洲较发达国家和欠发达国家的结果。1-a，但对欧洲较发达国家的影响有限——专题1-c——这两个特征都在文献中报道过【26，27】。市场的相互依赖性也可以从S-F指数成分中描述出来，例如以色列和美国市场之间的紧密联系【23】，或美国次贷危机期间香港和发达市场之间的紧密联系【28，29】。欧洲发达国家在与美国次贷危机相关的SF指数曲线中显示出更高的峰值，但我们也注意到与9.11恐怖袭击相关的显著不稳定性，证实了包括日本在内的发达市场之间众所周知的联系【30，31】。人们可以观察到，欠发达的东欧国家——葡萄牙、波兰、匈牙利、希腊——与亚洲危机（1997年至1998年）的相关性较高，而与9·11事件的相关性几乎为零。在构建每日VG时，进行了不同的分析，将其视为前一年的信息。

SF风险估计器（SFR）定义为SF指数在相应区间的比率，以及考虑整个时间序列的SF指数。我们使用SFRas作为市场效率的估计器，以及危机发生风险的量化器（见图2）。SFRto显示哪一个市场在危机中最活跃的能力是显著的。值得注意的是，估计值在假设的危机期之前开始增加，这加强了该量化指标作为特定市场危机早期信号的作用。这样，每当SF在一系列连续的积分中超越了Unity，这就表明危机可能正在发生。这一指标被证明是市场效率的一个非常有力的指标，如图2所示。我们相信，SFR将是一个有用的工具，用于估计某个市场经历危机的风险，或者简单地说，是衡量市场效率程度的一个指标[32]。为了研究国家之间的关系，我们构建了一组图，其中考虑了国家之间的收益与给定阈值的皮尔逊相关性。对于高于阈值的相关性，将在国家之间建立联系。随着门槛值的增加，可以观察到与商业区块相对应的国家集群的出现，如欧元区或亚洲国家。图3描述了在考虑阈值0.8和0.9的情况下构建的globalnetworks，只有少数例外。有趣的是，香港将这两个集群联系在一起，这是金融界的一个众所周知的事实01/9601/9801/0001/0201/0401/0601/0801/1001/1201/1401/160123456ARGGRCUSATHA0123456USA100.511.522.533.5GRC1cba01/9601/9801/0001/0201/0401/0601/0801/1001/1201/1401/1601/9601/9801/0001/0201/0401/0601/1001/1201 1401/16图。2.

该图显示了考虑到前12个月到相应日期构建的图的SFRrisk估计量。专家组a显示，正如人们在1998年亚洲危机（2000年阿根廷违约危机，2008年）的情节中所观察到的那样，该估计员可以确定哪些国家在危机期间受到的影响最大- 9次贷危机，尤其是美国的次贷危机，以及最近希腊政府一再发生的危机。图b和图c展示了美国和希腊的行为，用橙色描绘了不稳定时期。在浅蓝色中，我们描绘了美国的后稳定期，FRS值振荡接近1，然后是一个更稳定的时期。尽管危机更加严重，达到SFR=6，但美国表现出了强大的恢复力，并迅速复苏。希腊似乎还没有克服其不稳定时期。但很难量化。另一个令人印象深刻的结果是，阿根廷和希腊在这张图中似乎是孤立的。另一个单人纸牌国家是葡萄牙（仅与奥地利相连）和芬兰（与台湾和瑞典相连）。请注意，20世纪90年代末，就在亚洲危机之前，瑞典也经历了银行危机。对于athreshold值0.9，大多数国家都是孤立的，仍然只是新兴国家和发达国家的支柱，而以色列（新兴国家）处于发达国家。可以在SI中找到阈值0.6和0.7的图表和连接性图。我们提出了一种新的估计方法来分析一个随机时间序列，它既能刻画序列的局部波动性，又能刻画其全局信息熵性质。我们应用该技术分析了几个国家的回报率时间序列，并观察到该估计器在识别不稳定时期以及量化市场效率方面表现出了非凡的能力。

金融数据分析方法的这一惊人成功，应鼓励在信号分析发挥核心作用的广泛领域（如生物医学信号、气候指数等）进行类似应用。感谢DCSA（应用社会科学系）的Felipe D.Paiva教授慷慨地授予我们访问BloombergT MSSystem的权限。M、 G.R和A.P.F.A.感谢CNPq和FAPEMIG（巴西）的支持。B、 A.G.多亏了docgrant之后的巴西代理CAPES。O、 A.R感谢CONICET（阿根廷）的支持。*通讯作者atman@dppg.cefetmg.br[1] J.-P.Bouchaud和M.Potters，《金融风险理论和衍生品定价：从统计物理学到风险管理》（剑桥大学出版社，2009年）。[2] k.Kiyono，Z.R.Struzik和Y.Yamamoto，Phys。修订版。利特。96（2006年）。[3] A.Atman和B.Gon,calves，巴西物理杂志42137（2012）。[4] S.Battiston、J.D.Farmer、A.Flache、D.Garlaschelli、A.G.Haldane、H.Heesterbeek、C.Hommes、C.Jaeger、R.May和M.Scheffer，《科学》351818（2016）。[5] S.Battiston、G.Caldarelli、R.M.May、T.Roukny和J。E、 Stiglitz，《美国国家科学院院刊》113，10031（2016）。[6] S.Battiston、J.B.Glattfelder、D.Garlaschelli、F.Lillo和G.Caldarelli，《金融网络的结构》，《网络科学：自然和技术的复杂性》，E.Estrada、M.Fox、D.J.Higham和G编辑-五十、 Oppo（Springer London，London，2010）第131-163页。[7] F.Stefan和A.Atman，《物理学A：统计力学及其应用》419630（2015）。[8] M.Bardocia、S.Battiston、F.Caccioli和G.Caldarelli，《自然通信》814416 EP（2017）。[9] B.Podobnik和H.E.Stanley。，物理。修订版。利特。100（2008年）。[10] L.Zunino、B.M.Tabak、A.Figliola、D.P\'erez、M.Garavaglia和O。

Rosso，Physica A：统计力学及其应用3876558（2008）。[11] D.O.Cajueiro、B.M.Tabak和F.K.Werneck，《物理学A：统计力学及其应用》3881603（2009）。[12] B.Gon,calves、L.Carpi、O.Rosso和M.Ravetti，《物理学A：统计力学及其应用》46493（2016）。[13] L.Lacasa、B.Luque、F.Ballesteros、J.Luque和J.C.Nuno，《国家科学院院刊》105，4972（2008）。[14] A.Aragonesses、L.Carpi、N.Tarasov、D.V.Churkin，图3。通过考虑各国SF指数序列之间成对相关性的不同阈值构建全球市场网络。子图（a）和（b）分别描述阈值为0.8和0.9的网络。子图（c）描述了阈值为0.8（白色）和0.9（橙色）的全球地图中表示的国家之间的联系。第SI节列出了这些国家。M、 C.Torrent、C.Masoller和S.K.Turitsyn，Phys。修订版。利特。116，033902（2016）。[15] M.Stephen、C.Gu和H.Yang，PloS one 10，e0143015（2015）。[16] 杨勇，王建军，杨浩，孟建军，《物理学：统计力学及其应用》3884431（2009）。[17] M.Ravetti，L.C.Carpi，B.A.Gon,calves，A.Frery，andO。Rosso，PLoS ONE 9，1（2014）。[18] T.A.Schieber、L.Carpi、A.Diaz Guillera、P.Pardalos、C.Masoller和M.Ravetti，《自然传播》8，13928 EP（2017）。[19] S.C.E.，贝尔系统。技术。J、 27379（1948年）。[20] R.Fisher，菲洛斯。变速箱。R、 Soc。隆德。序列号。A 222309（1922年）。【21】M.Boschi，《应用金融经济学》，第15卷，第153页（2005年）。【22】C.Harvey、C.Lundblad和D.Valderrama，《新兴市场季刊》第3、4期（1999年）。【23】M.Graham、J.Kiviaho和N.J.，《全球金融杂志》23，34（2012）。[24]G.L.Kaminsky和C.M.Reinhart，《国际经济学杂志》51145（2000）。【25】A.M.Khalid和M.Kawai，《亚洲经济杂志》14，131（2003）。【26】克。

Corsetti、P.Pesenti和N.Roubini，《日本与世界经济》，第11305页（1999年）。【27】B.Chowdhry和A.Goyal，《太平洋盆地金融杂志》8135（2000）。[28]K.-P.Lim、R.D.Brooks和J.H.Kim，《国际金融分析评论》17571 591（2008）。[29]L.Loh，《国际商业与金融研究》29，1（2013）。【30】T.Dimp fl和F.J.Peter，《国际金融市场、机构和货币杂志》第31期，第1期（2014年）。【31】S.Mollah、A.S.Quoreshi和G.Za firov，《国际金融市场、机构和货币杂志》41151（2016）。[32]D.O.Cajueiro和B.M.Tabak，《混沌、孤子和分形》22349（2004）。