基于 TVP-VAR-LSTM模型的中国金融业风险溢出与预警研究

摘要：

在复杂多变的世界政治经济环境下,科学有效地评估金融风险溢出与预警直接关系到中国金融体系重大风险的防范与化解.选取沪深A股上市的30家金融机构作为研究样本,利用时变参数向量自回归模型(TVP-VAR)量化分析银行业、保险业、证券业以及多元金融业的时变风险溢出,并构建金融风险测度指标,通过非线性格兰杰因果检验考察上证综指收益率、波动率和短期流动利差等宏观状态变量对金融风险的非线性预测作用,最后通过构建网络舆情指数来衡量投资者情绪的变动,检验网络舆情指数对金融风险的预测作用,并将其纳入长短期记忆神经网络模型(LSTM),构建金融风险预警体系.研究发现:(1)金融行业间风险溢出具有非对称性,危机事件不仅增强了行业间的关联性,同时加剧了金融风险溢出;(2)所选宏观状态变量与金融风险具有非线性关系,可作为金融风险的预警指标,并且LSTM模型可以充分挖掘金融时间序列的非线性特征;(3)网络舆情指数可以反映投资者情绪的变化,对金融风险具有非线性预测能力,将其纳入金融风险预警体系可以提高预测精度,有利于构建科学的风险检测和预警机制.基于研究结果,将金融行业之间的风险溢出贡献度与相关预警机制配合,可以及时调整金融系统中的不稳定现象,确保经济平稳运行.

关键词：金融风险溢出、风险预警、时变参数向量自回归、网络舆情、深度学习

所属期刊栏目：37

分类号：F832(金融、银行)

资助基金：国家社会科学基金;湖南省研究生科研创新项目

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：53-64