中国股票市场参与者有向加权网络的关联性与系统性风险的相关关系

结题报告

项目介绍

AI项目解读

基本信息

批准号：
71861029
项目类别：
地区科学基金项目
资助金额：
30.0万
负责人：
苏木亚
依托单位：
内蒙古大学
学科分类：
G0114.金融工程
结题年份：
2022
批准年份：
2018
项目状态：
已结题
起止时间：
2019-01-01 至2022-12-31

项目参与者：
梁斌；周瑜；李婵娟；其萌；罗曼；安彪；高婷；孙亚菲；孙宁；
关键词：
系统性风险宏观审慎监管股票市场关联性有向加权网络

项目摘要

Capture the connectedness feature of participants is an important prerequisite for measuring systemic risk in financial market. We will study the correlation between connectedness of directed weighted network among participants and systemic risk in Chinese stock market. Firstly, we will construct directed weighted networks which including one kind of participants, two kinds of participants and four kinds of participants form the big data perspective respectively. Secondly, we will mine the potential correlation between the connectedness of the networks and systemic risk from the angles of risk prediction, risk contagion, test of system stability and systemic important nodes recognition, and then give its economic explanation. Lastly, based on the results, suggestions of policies will be put forward. We will study the correlation between connectedness of directed weighted network among participants and systemic risk in Chinese stock market from the combination of micro and macro perspective. The findings of this study can help us to implement macroprudential regulation pointedly, they are also supplement and perfect of existing systemic risk measurement methods.

捕捉市场参与者之间的关联特征是清晰认识和度量系统性风险的重要前提。本课题拟沿着“数据导向”的基本逻辑，利用中国股票市场大数据，以有向加权网络模型为主要工具，研究股票市场参与者之间的关联性与股市系统性风险的相关关系。首先，利用股票市场大数据分别构建单类型参与者、双类型参与者和四类型参与者有向加权网络；其次，从系统性风险预测、风险传染、系统稳定性测试和系统重要性节点识别四个角度挖掘所构建网络的关联性与股市系统性风险之间的相关关系，并给出其经济学解释；最后，根据所得结果提出政策建议。本课题从宏微观相结合的角度研究我国股市参与者有向加权网络的关联性与股市系统性风险之间的相关关系，为有针对性的宏观审慎监管提供决策支持，同时本课题的研究结果也是现有系统性风险度量方法的补充和完善。

结项摘要

次贷危机、中美贸易摩擦和新冠疫情等重大事件均引发过中国股市的剧烈动荡。本项目主要从利好信息和利空信息的传播、中美贸易摩擦的影响、利好信息和利空信息网络的中心性与风险传播的关系、中国A股牛熊市中的特质波动率、利好和利空传闻的澄清对投资者的市场反应、控股股东股权质押传递出的利好或利空消息、《商业银行法》中删除“存贷比”75%这一利好举措的实际效果、投资者情绪对股价崩盘风险的作用机制和企业股权集中度对股票收益率的影响等方面探讨了信息冲击对中国股市的影响。项目也刻画了我国金融机构的系统重要性随时间变化的特征。模型方面，本课题组提出对数收益率分解模型。该模型利用日开盘价、日最高价格、日最低价格、日收盘价格及其出现顺序，将日对数收益率分解为利好信息、利空信息和隔夜信息。仿真实验表明，模型的性能优于已有的利好信息和利空信息提取模型。研究结果有助于我们加深对中国股市系统性风险的认识，为监管部门有效处置金融风险点、坚决守住不发生系统性风险的底线提供参考。.围绕以上研究内容，课题组发表期刊论文3篇、国内会议上宣读2篇论文、出版2部专著、培养学术型硕士研究8名、课题负责人苏木亚先后入选内蒙古自治区草原英才高层次人才培养计划（2022年12月）和内蒙古自治区高等学校青年科技英才计划（2019年12月），举办1次国内学术会议，参加1次国内学术会议。目前正在指导博士研究生1名（2022年9月起）、学术型硕士研究生9名。另有4篇论文处于审稿状态。