金融市场异常波动的共振效应及其智能监控研究

During the key period for the transformation of new and old kinetic energy in China’s economy, it is a major issue facing China to prevent the resonance effect caused by abnormal fluctuations in financial markets and the systemic financial risks. However, both theoretical and practical aspects lack systematic understanding and monitoring mechanisms for the resonance effects of abnormal fluctuations in financial markets. To this end, this project studies the resonance effects of abnormal fluctuations in financial markets and their intelligent monitoring problems from the perspective of interdisciplinary perspectives based on the resonance facts of abnormal fluctuations in financial markets. The research contents are as follows: (1) Introducing the analytical framework of resonance theory and related concepts into the resonance effect of abnormal fluctuations in financial markets, on the basis of which the measurement index is constructed; (2) Uncovering the “black box” of resonance in abnormal fluctuations of financial markets from the theoretical and empirical levels, and analyze its generation and evolution mechanism from the endogenous and exogenous perspectives, focusing on the correlation mechanism between resonance effect and systemic financial risk; (3) Based on machine learning theory and method, this project design the “trinity” intelligent monitoring mechanism for resonance effects from short-term monitoring, medium-term warning and long-term adjustment perspectives. The project achievements can provide scientific basis and decision-making reference for preventing systemic financial risks, which will help maintain national financial security and improving the ability and efficiency of finance to serve the real economy.

当前正值我国经济新旧动能转换的关键时期，防范金融市场异常波动引发的共振效应及其引致的系统性金融风险是现阶段中国面临的重大课题。然而，无论在理论还是实践层面，均缺乏对金融市场异常波动共振效应的系统认识和监控机制。为此，本项目基于金融市场异常波动的共振事实，从学科交叉视角研究金融市场异常波动的共振效应及其智能监控问题。研究内容如下：（一）将共振理论的分析框架和相关概念引入金融市场异常波动的共振效应研究，在此基础上构建指标测度方法；（二）从理论与实证层面揭开金融市场异常波动的共振“黑箱”，从内源与外源视角剖析其生成与演化机制，重点分析共振效应与系统性金融风险的关联机制；（三）基于机器学习的理论与方法，从短期监测、中期预警、长期调节层面设计“三位一体”的共振效应智能监控机制。项目成果将为防范系统性金融风险提供科学依据和决策参考，有助于维护国家金融安全和提升金融服务实体经济的能力和效率。

在中国经济新旧动能转换的关键时期，由金融市场异常波动引发的共振效应将对系统性金融风险防范和经济高质量发展产生严重威胁。为此，本项目基于金融市场共振的典型事实，从学科交叉的视角研究金融市场异常波动的共振效应及其智能监控问题。本项目紧紧围绕研究目标，对金融市场异常波动、共振效应的生成、风险传染网络、智能预警与监控策略等问题进行了深入研究，具体包括：（1）金融市场异常波动的度量及其金融和经济效应研究；（2）金融市场共振效应的理论拓展和度量研究；（3）金融市场共振效应的风险传染机制研究；（4）金融市场异常波动的智能预警与金融市场共振效应的智能监控策略研究。.通过研究，本项目得出以下结论：第一，金融市场异常波动可以使用系统性风险、或者跳跃风险来反映，制度性的变革（沪港通、A股“入摩”、资本市场开放等）将会对金融市场异常波动产生异质性影响；第二，金融市场中的共振现象是普遍存在的，其与物理学中的共振现象在理论上是一脉相承的，金融市场中的不同标的均存在着共振频率和共振幅度，这种共振信息是由于内部或者外部冲击造成的，任意金融标的的共振频率和共振幅度可能存在一个，也可能存在多个。实证发现，不同国家股票市场发生共振的频率不同，即不同国家股票市场对于冲击的承受能力不同，外部冲击事件的发生会导致股票指数的瞬时振幅产生不同程度的波动，在债券市场内部，不同类型的债券表现出相似的共振特征，对于外汇而言，不同的汇率表现出不同的共振特征，在股票市场，不同类型的指数共振信号特征较为接近，主要出现在低频阶段。同期的共振风险网络溢出效应显著大于非同期的风险溢出效应，股票市场内部拥有最高的共振风险溢出强度。外汇市场是最重要的共振风险来源。基于DeepAR的股市异常波动风险预警具有较好的预测效果，能够对股市系统性风险进行有效预警。项目成果有助于防范系统性金融风险和提升经济发展质量。