三种不同的同步方式可能导致金融危机的蔓延

图6给出了一个示例，显示了大型市场数据的传播，参见（Liu等人，2017）。风险2018，6，同行评审x同一时区13个指数中的8个与定价相关，而大型τ,  τ >>1描述了独立于时区差异对定价的全球影响。从标签（4）可以看出，它是张量R 它起着IAF振荡器的作用。从索引j返回，R, 通过不断增加R, 在一定程度上，R> R, 之后振荡器放电，R  →0，则应力通过标签（3）定价。一旦IAF网络处于同步状态，就可以在整个网络中识别传染效应。图6给出了一个例子，显示了2013年5月23日日本股市发生的大规模价格波动的传播。有关真实市场数据的更多示例，请参见（Liu等人，2017）。图5：。集成点火（IAF）振荡器的图示。（a） IAF振荡器的振幅a（t）在时间上线性积分，直到达到临界值Ac，然后通过设置a（t）=0放电。（a）中的情况可被视为一个IAF在三个时间段内振荡，或等效地，三个相同且未耦合的IAF振荡器在一个时间段内振荡；（b） 在三个时间段内具有随机频率的IAF振荡器，或等效地，在一个时间段内具有随机频率的三个不同的单位振荡器。该图摘自（Liu等人，2017年）。图6价格震荡。积分和发火振荡器模型中非线性的主要优点之一是，它能够清晰地识别因果关系。

该图显示了2013年5月23日日本股市最初出现负7%的价格波动后发生的价格震荡的一个例子。该图摘自（Liu等人，2017年）。图6：。价格震荡。积分-再振荡模型中非线性的一个主要优点是，它能够清晰地识别因果关系。图中显示了2013年5月23日的情况。该图摘自（Liu等人，2017）。2.2. 通过商人的直接互动实现同步通过个人和个人群体的直接互动实现同步：第一和第二层次，即通过人与人之间的直接沟通或买卖资产的决策来影响决策的方式，以及这反过来如何影响市场绩效。我们还将展示市场绩效本身如何成为决策过程中的一个相关因素，从而在决策和市场绩效之间创建另一个反馈回路。要了解这是如何发生的，请考虑图7A，其中显示了对市场有不同看法的市场参与者群体。为简单起见，我们考虑这些观点的两种可能状态：积极、乐观或消极、悲观。图7A显示了一个例子，其中一半人口最初看跌，另一半人看涨。例如，我们可以想象一个上午的会议在一家大型银行或经纪公司举行，因此，在一天的开始，我们让人们以不同的规模分组开会讨论事情（图7B）。为了说明人们之间的沟通如何影响他们的决策，首先考虑一个简单的案例，其中共识决策是由多数意见决定的（图7C）。

如图7D所示，在一天结束时，由于他们的会面（直接互动），人们的观点发生了变化，现在只有45%的人持乐观态度。风险2018，第6、104、10页，共13页风险2018，第6、x页，供同行评审，第9页，共13页2.2。通过交易者的直接互动实现同步通过个人和个人群体的直接互动实现同步：第一和第二层次讨论了如何通过金融市场指数通过个人或个人群体的间接互动实现同步，我们现在考虑直接互动的情况，即，人们或群体之间的直接沟通会影响决策的方式。其目的是了解市场参与者之间的讨论如何影响他们购买/出售资产的决策，以及这如何反过来影响市场表现。我们还将展示市场绩效本身如何成为决策过程中的一个相关因素，从而在决策和市场绩效之间创建另一个反馈回路。要了解这是如何发生的，请考虑图7A，其中显示了对市场有不同看法的市场参与者群体。为简单起见，我们考虑这些观点的两种可能状态：积极、乐观或消极、悲观。图7A显示了一个例子，其中一半的人口最初看跌，另一半看涨。例如，可以想象一个上午的会议在一家大型银行或经纪公司举行，因此，在一天的开始，我们让人们以不同的规模分组开会讨论事情（图7B）。为了说明人们之间的沟通如何影响他们的决策，首先考虑一个简单的案例，其中共识决策是由多数意见决定的（图7C）。

如图7D所示，在一天结束时，由于他们的会面（直接互动），人们的观点发生了变化，目前只有45%的人持乐观态度。图7：。通过分组交流改变人群中的“看涨情绪”。（A） 在给定的一天t开始时，一定百分比的B（t）是看涨的；（B） 白天，不同规模的随机分组进行交流；（C） 说明了由多数决定产生的完全极化mk，j=±1的极端情况。一般来说，mk，j j/k对应于中立情况，即意见在大小为k的子组内平均保持不变；（D） 由于不同分组之间的沟通，一天结束时的“看涨情绪”与一天开始时的“看涨情绪”不同。该数字摘自（Corral等人，1995年）。在金融市场交易资产决策的背景下，很自然地会假设市场表现本身会影响市场参与者的决策，而这反过来又会影响未来的市场表现。（Corral等人，1995年）提出了一个模型来捕捉这种反馈。其主要思想是让市场表现影响决策，如图7所示。通过分组交流改变人群中的“看涨情绪”。（A） 在给定的一天t开始时，一定百分比的B（t）是看涨的；（B） 在白天，交流以不同规模的随机分组进行；（C） 说明了由多数决定产生的完全极化Mk，j=±1的极端情况。一般来说，mk，j\'j/k对应于中立情况，即意见在大小为k的子群内平均保持不变；（D） 由于不同亚组之间的沟通，一天结束时的“看涨”与一天开始时的“看涨”有所不同。

该图摘自（Corral等人，1995年）。在金融市场交易资产决策的背景下，很自然地会假设这反过来会影响未来的市场表现。（Corral等人，1995年）提出了一个模型来获取这种反馈。其主要思想是让市场表现影响决策，而不仅仅是按照图7B、C所示的简单多数原则。这是通过假设多数意见占多数的一定概率来实现的。然后，在一定条件下，少数人可以说服部分多数人改变他们的观点。多数意见评估的可能性将取决于过去一段时间内的市场表现。具体地说，B（t）表示在时间t时一个群体中看涨的比例，其中看跌的比例为1-B（t）。对于给定的k组，j个代理具有看涨观点和k-j看跌观点，我们让MK，jdenote所有（k）成员在会议后采纳看涨观点的过渡概率。在一次更新后，考虑到所有大小为k的群体与j个看涨代理的沟通情况，因此，在人群中发现一个看涨代理的新概率可以写为B（t+1）=mkj（t）CkjBj[1- B（t）]k-j、 （6）其中CKJ≡kj（k）- j） ！。（7） 应该注意的是，转移概率mk，j（t）取决于时间，因为我们假设它们随着市场绩效的演变而变化。现在可以通过假设价格回报率r（t）在看涨态度发生变化时发生变化来考虑沟通及其对市场的影响之间的联系。现在应该注意到，影响市场表现的是观点的变化，而不是给定观点的水平。支持这一观点的经验数据可以在（Andersen et al。

例如，2014a，Risks 2018，610411/132014b）。这背后的原因是，对市场持积极看法的人——他们的意见是，通过对市场变得更加消极，或更少看涨，他们会倾向于抛售。假设它与看涨的百分比变化RB（t）以及经济新闻Д（t）成比例，则回报r（t）由r（t）=RB（t）u+Д（t），u>0给出。（8） 这里，Д（t）是平均值为0的高斯分布变量，描述了随时间变化的标准偏差，作为市场情绪的函数：σ（t）=σexpRB（t）β, σ> 0, β > 0. （9） mk，j（t）取决于市场表现，根据tomk，j（t）=mk，j（t）expr（t）α, α>0，mkj≤ 1.（10）这样，观点转变的转移概率，即标签（9）直接取决于昨天收盘时市场急剧下滑，那么，在第二天上午的会议上，持悲观观点的人更有可能说服即使是看涨的大多数人也相信他们的观点。例如，由于人与人之间的沟通，现在可以通过引爆点分析来研究决策的同步。一旦创建了极端情绪B=0.1 DVIA同步，这可以用来确定市场的转折点：例如，何时B→ 1、B的任何进一步增加都是有限的，这反过来又限制了市场价格的进一步上涨。然而，任何负面的经济消息，Д（t），将通过标签（7）和（9）导致B（t）的减少。因此，案例B=0.1作为模型中的反射点，从而有可能确定市场价格动态的引爆点。图8展示了真实市场中的这种临界点动态，摘自（Andersen et al.2014b）。在（Andersen et al.2014b）中，使用最大似然法估计模型的参数，然后使用an2008。

如图8a、c、先前峰值B所示~=1、在预估情绪中，确实宣布了指数回报表现的转折点。同行评审风险2018，6，x 13种最大似然法中的11种被用来估计模型的参数，之后在2008年金融危机前后对EUBanks指数进行了抽样分析。如图8a、c所示，之前的峰值，B 1、在估计情绪中确实宣布了指数回报表现的转折点。图8：。EUBanks指数价格和回报，以及在条件Student-t分布假设下的相应估计条件波动率和看涨比例；（a） 尤班克斯指数价格P（t）；（b） EUBanks指数返回r（t）；（c） 估计看涨比例B（t）；（d） 估计条件波动率σ（t），摘自（Andersen et al.2014b）。3、讨论我们从社会金融领域引入了三种不同的模型，以研究三种不同的途径，这些途径可能导致金融市场参与者同步决策，从而产生传染和波动市场阶段的风险。一种途径是，股市指数被视为一组耦合的积分和火焰振荡器，其频率同步。另一种情况是由于市场表现和某些（解耦）交易策略的使用之间的反馈机制。此外，沟通及其对人类决策的影响可能会带来第三条途径。同步化是经济学中一个众所周知的现象，用来描述贸易伙伴如何在商业周期中引入跨国际边界的相关性。

最近的全球金融危机引发了金融市场一体化对跨境商业周期同步的影响问题。另一个问题是：金融市场内生的同步能否蔓延到经济中，从而导致跨境商业周期的同步？应该指出的是，对于金融市场本身内生性创造的同步化，几乎没有进行过什么研究，而不一定存在任何经济原因。作者希望这篇文章能激发人们对这一主题的认识。图8：。Cont.Risks 2018，6，104，12 of 13Risks 2018，6，x用于同行评审，使用13种最大似然法中的11种来估计模型的参数，然后在2008年金融危机前后对EUBanks指数进行抽样分析。如图8a、c所示，之前的峰值，B 1、在估计情绪中确实宣布了指数回报表现的转折点。图8：。EUBanks指数价格和回报，以及在条件Student-t分布假设下的相应估计条件波动率和看涨比例；（a） 尤班克斯指数价格P（t）；（b） EUBanks指数返回r（t）；（c） 估计看涨比例B（t）；（d） 估计条件波动率σ（t），摘自（Andersen et al.2014b）。3、讨论我们从社会金融领域引入了三种不同的模型，以研究三种不同的途径，这些途径可能导致金融市场参与者同步决策，从而产生传染和波动市场阶段的风险。一种途径是，股市指数被视为一组耦合的积分和火焰振荡器，其频率同步。

另一种情况是由于市场表现和某些（解耦）交易策略的使用之间的反馈机制。此外，沟通及其对人类决策的影响可能会带来第三条途径。同步化是经济学中一个众所周知的现象，用来描述贸易伙伴如何在商业周期中引入跨国际边界的相关性。最近的全球金融危机引发了金融市场一体化对跨境商业周期同步的影响问题。另一个问题是：金融市场内生的同步能否蔓延到经济中，从而导致跨境商业周期的同步？应该指出的是，对于金融市场本身内生性创造的同步化，几乎没有进行过什么研究，而不一定存在任何经济原因。作者希望这篇文章能激发人们对这一主题的认识。图8：。假设条件Student-t分布下的波动率和看涨比例；（a） 尤班克斯指数价格P（t）；（b） EUBanks指数返回r（t）；（c） 估计看涨比例B（t）；（d） 估计条件波动率σ（t），摘自（Andersen et al.2014b）。3.讨论我们从社会金融领域引入了三种不同的模型，以调查可能导致金融市场参与者同步决策的三种不同途径，另一种是由于市场表现和某些（解耦）交易策略的使用之间的反馈机制。此外，沟通及其对人类决策的影响可能带来第三条途径。合作伙伴可以跨国际边界引入商业周期的相关性。最近的全球商业周期跨越国界。

另一个问题是：金融市场内生的同步是否会蔓延到经济中，从而导致商业周期的跨境同步？应该注意的是，对于金融市场本身内生的同步性，几乎没有进行过研究，也不一定存在任何经济原因。作者希望这篇文章能激发人们对这一主题的认识。作者贡献：概念化，J.V.A。；方法学J.V.A。；软件N.M.和J.V.A。；validationcuration N.M.和J.V.A。；撰写初稿准备，J.V.A。；写作评论与编辑，N.M.andJ。五、 A。；可视化，N.M.和J.V.A。；监理J.V.A。；项目管理J.V.A.：资金收购N.M.和J.V.A.确认：这项工作是在金融监管卓越实验室（Labex ReFi）的支持下进行的，由PRES heSam根据参考ANR-10-LABX-0095提供支持。它得益于法国政府的支持，由国家研究机构（ANR）管理，作为巴黎新世界大道（巴黎新世界投资未来）项目调查的一部分，参考ANR-11-IDEX-0006-02。利益冲突：作者声明没有利益冲突。参考经济学66:341–60。Abreu、Dilip和Markus K.Brunnermeier。泡沫和崩溃。计量经济学71：173–204。安徒生、约根·维汀和迪迪埃·索内特。2003年，美元游戏。《欧洲物理杂志》B 31:141。安徒生、约根·维汀和迪迪埃·索内特。复杂适应系统中可预测性口袋的机制。欧洲物理学字母70:697–703。【交叉参考】风险2018，6，104 13 of 13Andersen，Jorgen Vitting，Andrzej Nowak，Giulia Rotundo，Lael Parrott和Sebastian Martinez。2011