中国金融市场极端风险危机的SVM智能预警方法及应用

金融市场极端风险危机的发生，不仅可能使投资者蒙受重大损失，甚至也可能引起经济动荡，而且还可能由于其所具有较强的传导性引发更大范围的危机与灾难；同时，金融市场不断涌现出的典型事实特征，使主流风险测度方法面临着更严峻的挑战，从而使金融市场极端风险危机预警成为一个富有挑战性的研究课题。而中国金融市场又具有明显的自身特征，经受着更多的风险考验。基于此，本课题以典型事实为约束条件，运用实证对比方法，提炼出切合中国金融市场实际的极端风险测度方法；理论分析与实证研究出中国与代表性国际金融市场间极端风险的传导机理，展示出极端风险传导的路线图；提取出诱发中国金融市场发生极端风险危机的因子指标，构造出刻画中国金融市场发生极端风险危机的特征向量；引入计算机SVM智能实验技术，研究出中国金融市场极端风险危机的智能预警方法，提出维护中国金融经济安全的对策建议，有助于政府管理当局、投资者强化金融市场监管和危机防范。

金融市场极端风险危机的发生，不仅可能使投资者蒙受重大损失，甚至也可能引起经济动荡，而且还可能由于其所具有较强的传导性引发更大范围的危机与灾难；同时，金融市场不断涌现出的典型事实特征，使主流风险测度方法面临着更严峻的挑战，从而使金融市场极端风险危机预警成为一个富有挑战性的研究课题。而中国金融市场又具有明显的自身特征，经受着更多的风险考验。基于此，本课题研究以金融市场众多的典型事实为约束条件，提炼出中国金融市场极端风险测度指标方法；通过理论分析与实证研究，揭示出极端风险在不同金融市场间的传导机理，展示出极端风险危机传导的路线图；提取出诱发中国金融市场爆发极端风险危机的风险因子指标，集成出描述中国金融市场极端风险危机的特征向量；引入计算机科学支持向量机（Support Vector Machine，SVM）智能技术，构建出中国金融市场极端风险危机的SVM智能预警方法，并提出中国金融市场极端风险危机预警防范的对策建议。本课题的主要研究结论如下：(1). 金融市场波动中存在许多无法为EMH所解释的重要典型事实特征，如金融资产收益率呈现出的有偏胖尾分布特征、自相关性以及金融资产价格波动的集聚性、长记忆性、非线性相关性、波动非对称引起的杠杆效应等，运用ARFIMA-FIAPARCH-EVT、ARFIMA-HYGARCH-EVT等方法能够有效地对中国新兴市场的实际动态极端风险进行测度；(2). 引入Granger-Causality因果关系检验和时变极值Copula方法，实证研究了不同金融市场之间的极端风险传导机理，尤其是对风险传导源、传导路径进行了理论与实证分析，从而提取出诱发中国金融市场极端风险危机爆发的外在因子，主要为香港金融市场、韩国金融市场、台湾金融市场等亚洲金融市场；(3). 在依据金融相关理论选择出金融市场内部风险因子指标的基础上，引入T检验、K-S检验等多种统计检验方法对选择出的内部风险因子指标进行提取，最终获得能够显著刻画中国金融市场极端风险的内部风险因子指标，主要为开盘价、收盘价、成交量和成交额；(4). 数据挖掘领域的非均衡样本处理方法与SVM智能技术相结合，能够有效地预测中国极端金融风险，从而为金融风险管理部门和投资者有效应对与防范极端金融风险提供了可操作性的应用工具与方法。