羊群效应提振中国股市关联性太强而不能倒的风险

相似文件 换一批

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：
《Herding boosts too-connected-to-fail risk in stock market of China》
---
作者：
Shan Lu, Jichang Zhao, Huiwen Wang and Ruoen Ren
---
最新提交年份：
2018
---
英文摘要：
  The crowd panic and its contagion play non-negligible roles at the time of the stock crash, especially for China where inexperienced investors dominate the market. However, existing models rarely consider investors in networking stocks and accordingly miss the exact knowledge of how panic contagion leads to abrupt crash. In this paper, by networking stocks of sharing common mutual funds, a new methodology of investigating the market crash is presented. It is surprisingly revealed that the herding, which origins in the mimic of seeking for high diversity across investment strategies to lower individual risk, will produce too-connected-to-fail stocks and reluctantly boosts the systemic risk of the entire market. Though too-connected stocks might be relatively stable during the crisis, they are so influential that a small downward fluctuation will cascade to trigger severe drops of massive successor stocks, implying that their falls might be unexpectedly amplified by the collective panic and result in the market crash. Our findings suggest that the whole picture of portfolio strategy has to be carefully supervised to reshape the stock network.
---
中文摘要：
在股市崩盘之际，人群恐慌及其蔓延起着不可忽视的作用，尤其是在中国，缺乏经验的投资者主宰着市场。然而，现有模型很少考虑网络股的投资者，因此无法准确了解恐慌蔓延如何导致突然崩盘。本文通过网络化共享共同基金的股票，提出了一种研究市场崩溃的新方法。令人惊讶的是，羊群效应起源于模仿在投资策略中寻求高度多样性以降低个人风险，这将产生关联度太高而不能倒闭的股票，并不情愿地加剧整个市场的系统性风险。尽管在危机期间，关联性太强的股票可能相对稳定，但它们的影响力如此之大，以至于一个小的向下波动将引发大规模后续股票的严重下跌，这意味着它们的下跌可能会被集体恐慌意外放大，导致市场崩盘。我们的研究结果表明，为了重塑股票网络，必须仔细监督投资组合策略的全貌。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
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
--

---
PDF下载：
--> Herding_boosts_too-connected-to-fail_risk_in_stock_market_of_China.pdf (2.33 MB)

2022-6-4 15:55:02 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：羊群效应 中国股市 群效应 国股市 关联性

羊群效应推高了中国股市的“太关联而不能倒”风险，*, 王慧文，北京航空航天大学若恩经济与管理学院，北京，中国摘要在股市崩盘时，人群恐慌及其蔓延起到了不可忽视的作用，尤其是在缺乏经验的投资者主导市场的中国。然而，现有模型很少考虑网络股的投资者，因此无法准确了解恐慌蔓延如何导致突然崩盘。本文通过共享共同基金的网络股票，提出了一种研究市场崩溃的新方法。令人惊讶的是，这种羊群行为起源于模仿寻找不同投资策略的高度多样性以降低个人风险，这将导致过度关联而不会倒闭的股票，并不情愿地加剧整个市场的系统性风险。尽管过度关联的股票在危机期间可能相对稳定，但它们的流动性如此之大，以至于一个小的向下波动将引发大规模成功股票的严重下跌，这意味着它们的下跌可能会被集体恐慌意外放大，导致市场崩盘。我们的发现表明，必须仔细监督portfoliostrategy的整体情况，以重塑股票网络。关键词：羊群行为、复杂网络、股市崩盘、系统性风险、过度关联到失败1。简介2015年，中国股市经历了繁荣与萧条。

从2015年初开始，主流媒体上发布了关于股票市场作为中国经济载体的好消息，吸引了3000多万新的个人投资者进入市场，其中大多数人都没有经验（Sun等人，2017a），但深信市场会继续上涨，在牛市中引发冲动性购买和严重高估的趋势（Zhou et al.，2017）。动荡始于2015年6月12日股市泡沫的破灭，当时上海证券交易所综合指数（SSEC）在过去八年中首次达到5000点以上。此后，SSECIndex指数开始急剧下跌，6月26日发生了一次重大的系统性余震，两个交易所上市的2000多只股票达到了价格上限（在中国股市，允许的最大单日跌幅为收盘价的10*相应的authorEmail地址：jichang@buaa.edu.cn（赵继昌）预印本提交给爱思唯尔2018年4月26日价格最后一天）。这些限制阻止了一些股票大幅下跌，但也使投资者几乎不可能退出头寸。由于普遍存在的下限使得整个市场严重缺乏流动性，谣言和负面消息传播速度极快，尤其是通过之前为分享牛市信息而建立的密集的投资者社交网络。人们开始集体失去信心，信心被粉碎。由于缺乏系统性风险意识和相关理论支持，没有任何管理措施能够预测如此大范围的股票“破产”。在经历了大量恐慌性抛售之后，a股市场价值的三分之一在灾难性崩盘后的一个月内损失殆尽。

严重的系统性波动粉碎了ZF建立的市场信心，ZF本应将金融市场作为中介，将超额回馈部署到实体经济中。无论是在中国还是在世界各地，股市危机都引发了人们对复杂系统性风险的迫切关注。然而，现有的股市崩盘研究主要以时间序列分析为主，并单独研究股票运动（Choudhry，1996；Amihud et al.，1990），未能解释股票相互联系所导致的失败传染。许多研究人员还致力于用网络科学的语言对股市进行建模（Mantegna和Stanley，1999；Mantegna，1999；Billio等人，2012；Diebold和Yilmaz，2014；Kenett等人，2015；Li等人，2015；Xu等人，2017；Wang等人，2017；Sun等人，2017b；Zhao等人，2017），其中，市场的拓扑特征，甚至其演变动态都已被深入研究。但是，很少有人对极端演化下的市场系统性风险给予足够的关注。与此同时，最近对银行系统的研究对系统风险的考虑相当不同。与其关注旨在最小化风险和最大化收益的单个机构，不如关注对全系统稳定性的潜在影响（Schweitzer等人，2009年；Haldane和May，2011年；Beale等人，2011年；Poledna等人，2015年）。研究发现，个体在现实中的同质策略和网络中的异质性相互作用确实会对系统性风险产生影响（May等人，2008年；May Andarinampathy，2010年）。

然而，当将这些研究扩展到股市分析时，系统性风险的一个重要来源将被遗漏，即市场参与者的心理因素，尤其是在中国这样一个不太成熟的市场（Zhou等人，2017）。此外，从市场崩溃的人性角度来看，Shiller的问卷调查提供了调查证据，表明投资者的时尚作为危机的一个因素可以很好地预测市场的波动性（Shiller，1987，1988；Shiller et al.，1991）。但投资者的心理和行为如何可能影响市场体系的脆弱性还没有得到很好的探讨。特别是，市场异常的潜在因素之一，即所谓的“羊群效应”（Scharfsteinand Stein，1990；Falkenstein，1996；Sias，2004），指的是投资者模仿彼此的策略或追随时尚，在谈论股市危机时，没有得到足够的重视。为了弥补这些差距，我们在开发股票网络以研究2015年6月中国股市崩盘时，考虑了投资者和股票之间的联系。这可能将市场恐慌与市场崩盘联系起来，并使从传染心理现象和相关行为的角度揭示股市系统性失败成为可能。通过将股票与普通共同基金机构联系起来，我们发现，尽管机构将其投资组合多样化以使个人更安全，但不同性质的股票之间的异质性导致了机构羊群效应，因为它们在总体上做出了相似的股权持有选择。这使得一些股票与其他股票高度关联，成为“超级传播者”，增加了“太关联而不能失败”的风险（Chan Lau，2010；Le\'on等人，2011）。在市场不成熟的情况下，有关这个话题的谣言很容易让投资者感到厌烦，市场恐慌也会通过那些过于关联的股票迅速传播开来。

来自中国推特变体微博等信息网络的经验证据也表明，危机开始后，带有恐惧情绪的信息占据了股票相关推特的40%以上，尤其是对于缺乏经验的投资者（周等人，2017）。在这种情况下，这些高度关联的股票在面临市场动荡时可能会表现强劲，但可能会导致连锁反应，甚至系统中的巨大营业额，从而导致市场不稳定（Haldane和May，2011；Battiston et al.，2016；Marco et al.，2017）。我们的工作将有助于制定有利于股市结构更能抵御经济冲击的金融市场政策（Haldane和May，2011）。尽管羊群投资策略可能会使个别机构受益，但监管部门应更加关注系统性风险。实现这一目标的一种方法是鼓励投资者策略的异质性，以重塑股票网络，从而避免过度关联而不能失败的问题。论文的其余部分组织如下。第2节说明了网络建模方法，该方法首先基于投资者股票二部图量化股票之间的联系，然后转移到数据以及数据预处理。在第3节中，我们给出了主要结果。我们从第一小节中分析的网络的属性开始，并找出它的非相关性。下面的小节揭示了羊群行为导致了分离性，而创造了“过于关联”的股票。第三小节利用2015年真实市场崩盘期间的股票价格数据，探讨了不同出局程度的股票的表现，并发现那些过于关联的股票在崩盘中更稳定。

此外，当tooconnected股票小幅下跌时，其网络继任者的跌幅超过了这一点。第四小节中进行的格兰杰因果关系检验表明，关联度过大的股票的价格下跌提供了有关其继任者价格下跌的具有统计意义的信息。根据第3节的结果，第4节对研究结果以及本研究的局限性和扩展进行了广泛的讨论。最后，我们在第5.2节中得出结论。网络建模2.1。动机大多数现有模型主要基于时间序列的相似性在股票之间建立联系（Mantegna，1999；Billio et al.，2012；Diebold and Yilmaz，2014；Kenett et al.，2015；Xu et al.，2017；Wang et al.，2017）。而其他经济网络模型中可能反映实际相互作用的联系度量（Soramki et al.，2007；Hidalgand Hausmann，2009；Chan Lau，2010；Vitali et al.，2011；Le'on et al.，2011；Battiston et al.，2012；Zhang et al.，2016）尚未扩展到网络股票市场的研究。在中国的股票市场中，股票内部的实际互动非常重要。当一只股票面临跌价限制时（一只股票允许的最大单日跌幅为其最后一天收盘价的10%），持有该股票的投资者会避免持有价值下降，并且无法将这部分投资撤出市场。由于对流动性的需求、对进一步亏损的焦虑，甚至是普遍的信心，他们可能会轻易地通过出售其他股票来吓跑。除了恐慌性抛售外，许多股票面临追加保证金要求的投资者在2015年股市崩盘期间被迫抛售其他股票。这将导致其他股票价格下跌。2.2.

网络方法出于上述动机，这里的想法是股票通过普通投资者相互连接，如图1（a）所示。投资者和股票之间的加权二部网络表示为B={O，P，E，H}。这里O是投资者顶点集。投资者m的节点表示为om，其中om∈ O。P是股票的顶点集。stocki的节点表示为pi，其中pi∈ PE是O和P之间的边集。一旦投资者投资了i股，omand pi之间就建立了一个名为emi的链接，其中emi∈ E、 H是一组边缘权重，其中权重hmiof link Emi是投资者m拥有的股票i的市值。我们有hmi∈ H、 为了便于直观地显示股票之间的关系，对二部图进行了投影压缩。将股票网络表示为V={P，F，W}，见图1（b）。P仍然是股票的顶点集。F是边集，W是边权重集。预测二方网络最简单的方法是，只有当一只股票与至少一个共同投资者共享时，才将其与另一只股票相连。假设在二部图B中，有nijinvestors同时持有股票i和j。表示Cij={股票计划的普通投资者pj}，nij>0，nij=nji。然后，有一个来自pito Pjan的定向链接fij和另一个来自pjto pi的定向链接fji。它们的权重分别表示为wijand wji和fij，fji∈ F和wij，wji∈ W为了评估一个节点对另一个节点的影响，权重wijof link fijis定义为投资者在Cij持有的股票市值之和，即wij=Pm∈Cijhmi。与库存pj相同，即wji=Pm∈Cijhmj。通常我们有wij6=wji。

这意味着，当股票i和j的普通投资者在股票i上投入更多资金时，股票i价格下跌对股票j的影响程度大于相反方向。据我们所知，这是首次基于投资所有权关系建立股票网络。与大多数基于无向相关性的图不同，在我们的模型中，市场由一个有向网络表示，该网络的边不仅指示两支股票之间的影响方向，还指示影响程度。更重要的是，这种联系明确反映了投资者恐慌性抛售活动导致的股票之间的不对称相互作用。因此，该方法从抛售投资者恐慌传染的角度为讨论系统风险提供了下降支持。我们的模型可以部署到全球或全国的任何其他股票市场，无需修改。（a） （b）InvestorsStocksStocks图1：通过普通投资者建立股票网络模型。（a） 是股票和投资者之间的二分图，其中投资者OMA和股票PIS之间的链接权重HMI定义为投资者om拥有的股票PIS的市场价值。表示Cij={股票计划的普通投资者和pj}。（b） 是从二部图投影的股票网络，其中股票pito Pjis的有向链接的权重wijo定义为所有普通投资者持有的股票Pi的市值之和，即wij=Pm∈Cijhmi，类似wji=Pm∈Cijhmj。2.3. 数据2.3.1。股票和投资者之间的联系我们考虑使用共同基金作为市场投资者的代理。原因是，中国大多数新的个人投资者都不专业，他们很容易被共同基金机构的持股情况和投资趋势所吸引。

此外，中国的共同基金是短期持有的短期机构投资者（Yuan等人，2008），有时可能表现得更像公众（Falkenstein，1996）。平均所有者统计数据表明，2015年6月，共同基金平均拥有5.5%的股份，因此，整个共同基金样本代表了a股市场总股本所有权的一小部分，但却很重要。所有这些都为我们利用共同基金机构来近似股票投资者提供了合理性。共同基金在中国的持股数据集是2015年6月30日的快照，当时正值股市严重崩盘期间。该数据集由中国领先的金融数据综合服务提供商Wind Information（Wind Info）提供。虽然所有权数据是在一年中的某个特定时间采集的，但它代表了对该年或至少在报告日期前后几天内共同基金投资偏好的无偏估计，因为持有量在一定时期内保持不变（Yuan等人，2008）。原始数据集包含2015年6月30日各上市股票共同基金持有的股票市值，涵盖1512只共同基金和2709只在上海证券交易所或深圳证券交易所上市的股票。共同基金是指所有披露其在中国持有股份的基金。至于股票，应该说明的是，A股市场上市的股票数量为2956只，但一些股票没有任何共同基金的投资，并且被排除在原始数据集中。总体而言，该数据集对中国股市的投资模式具有足够的代表性。在提出加权二部图之前，如图所示。