Copula熵的社会科学应用

金融学
金融危机的发生使金融系统的系统性风险问题受到各国监管部门的关注。随着我国股票市场逐渐放开管制，经济金融一体化程度不断加深，各个行业间的耦合关系加大了系统性风险的程度，因此需要对跨行业的风险溢出效应加以研究，以期进行防范和化解。熵作为量化不确定性的数学工具，十分适合度量金融风险组合。熊靖宇[1]采用CE等工具对2005年1月5日至2020年7月3日我国股票市场11个行业的日对数收益率数据进行了分析，研究行业个体风险和跨行业风险溢出特征的动态演变过程，特别针对2008年金融危机、2013年钱荒和2015年股灾三个时期的风险特征进行研究。研究发现，行业联合CE动态变化滞后于累加独立熵发生，说明了行业间联动导致了系统性风险增强；2008年金融危机的市场内部传染性更强，破坏程度更大；近期11个行业内部关联水平较强。

参考文献
1. 熊靖宇. 基于 Copula 熵的行业风险溢出效应分析. 硕士学位论文, 东北财经大学, 2020.

金融学
金融脆弱性是由金融部门自身高负债经营带来的内在不稳定性。金融脆弱性度量工具可以使国家及时地对危机进行响应和干预,因此得到了大量的研究。日益成熟的网络分析理论为从金融网络的角度度量金融脆弱性提供了方法工具,但传统的网络构建方法只是基于线性关系度量工具,如皮尔逊相关系数等,不能够反映金融系统中的非线性关系特性。Chen 等 [1] 提出了一种利用 CE 改进的网络曲率(Network Curvature)金融脆弱性度量方法,该方法先利用 CE构建金融网络,再计算网络的四种离散 Ricci 曲率作为市场脆弱性度量。他们将该度量方法应用于 2006 年 4 月至 2022 年 4 月间沪深 300 指数的股票数据,分析金融危机前后的市场脆弱性。结果表明,该度量方法比基于皮尔逊相关的方法更清晰地描述了金融危机后市场的脆弱性,且具有传统风险度量同样的风险度量能力。

参考文献
1. Mengyuan Chen, Jilan Liu, Ning Zhang, and Yichao Zheng. Vulnerability analysis method based on network and copula entropy. Preprints, 2023. URL: https://doi.org/10.20944/preprints202308.1591.v1

金融学
准确地预测金融产品价格可以帮助投资者管理风险并进行投资决策,因而建立相关预测模型是研究者关心的重要问题之一。由于金融产品之间存在内在的市场逻辑,它们的价格也会产生相应的因果联动效应。因此,可以利用这种价格间的因果关系建立比传统方法更准确的价格预测模型。Zhang 等 [1] 提出了一种基于价格间因果关系的迁移学习框架,利用基于 CE 的传递熵方法计算不同金融产品价格之间的因果关系,以选择因变量价格用于预测果变量价格,再在选择的基础上,提出了用于训练深度学习模型的学习算法以得到预测模型。他们将算法分别应用于国际主要的财经指数、能源期货价格和农产品期货价格 2010年至 2021 年的每日价格数据上,结果发现,利用基于 CE 的传递熵方法发现了同类价格间的因果关系,在此基础上,利用该迁移学习框架得到的模型在三类价格数据上均给出了较同类对比算法更好的预测结果。

更多CE的实际应用，请见如下综述论文。
马健. Copula熵：理论和应用. URL: http://chinaxiv.org/abs/202105.00070

参考文献
1. Dabin Zhang, Ruibin Lin, Tingting Wei, Liwen Ling, and Junjie Huang. A novel deep transfer learning framework with adversarial domain adaptation: application to financial time-series forecasting. Neural Computing and Applications, 2023. https://link.springer.com/article/10.1007/s00521-023-09047-1

金融学
廖轶楠 [1] 研究了投资标的筛选的问题,他基于净资产收益率、净利润三年复合增长率和市盈率三项指标从 A 股 4000 多家上市 公司中初步筛选了 10 家 A 股上市公司,再利用 CE 等工具对标的股票的价格数据进行了统计分析,以判断投资组合的抗风险能力。

参考文献
1. 廖轶楠. 基于 Copula 熵选股及集成神经网络预测的投资组合管理研究. 硕士学位论文, 南京信息工程大学, 2023.

学习一下