基于网络视角的金融系统系统性风险的研究

Under the research paradigms of design science and data science, in this project we use business Intelligence method and econometric analysis modeling to study: ①How to construct the network structure of financial systems? ②How does the network structure affect systemic risk in financial systems? ③How to measure the systemic risk by considering the network structure? This project forms the following three innovations: ① by big-data based text analysis on financial text data and econometric analysis on financial market data, this project constructs dynamic and directed financial network, which reflects the dynamic evolution of financial system and the direction of the potential interconnectedness between firms.②The existing research on the relationship between network structure and systemic risk mainly concentrates on mathematical modeling analysis and simulation analysis, and there are inconsistent conclusions. In view of this, we focus on empirical study on the relationship between network structure and systemic risk by regressions. ③In view of the fact that the existing methods on systemic risk measurement didn’t consider the network structure of financial system, we adopt the node importance analysis algorithm to study the redistribution mechanism of company's value at risk in financial system, and then measure the company’s received systemic risk and contributed systemic risk. The research work of this project complements the study of systemic risk from the perspective of network, and also has important practical significance for the monitoring, early warning, prevention and measurement of systemic risk.

本项目基于设计科学和数据科学的研究框架，采用商务智能方法和计量模型聚焦于：①如何构建金融系统的网络结构？②网络结构如何影响系统性风险？③在网络结构下如何度量系统性风险？形成以下三个创新点：①本项目通过对金融文本数据的大数据文本分析和对金融市场数据的计量分析来构建动态有向金融网络，以此反映金融系统的动态演进和潜在关联的方向性；②鉴于现有关于网络结构与系统性风险影响关系的研究侧重于理论分析（数学模型分析和仿真分析），本项目利用回归分析技术，针对动态金融网络开展网络结构与系统性风险影响关系的实证研究；③鉴于现有系统性风险的度量研究忽视了系统的网络结构，本项目利用网络节点重要性分析方法来研究系统中公司的风险价值的重新分配机制，以此来度量公司接受的和贡献的系统性风险。本项目的研究补充了从网络的角度来研究系统性风险的理论，并且对金融系统的系统性风险的监测、预警、防范和度量具有重要的实际指导意义。

金融系统的系统性风险受到监管者和学者的重视，特别实在2008年金融危机之后。 基于此，本项目立足于设计科学和数据科学的研究框架，采用商务智能方法和计量模型聚焦于三个研究模块：□① 金融网络的构建研究 □② 网络结构特征对系统性风险的影响研究和 □③ 在网络结构下系统性风险的度量研究。在第一个研究模块中，①我们通过金融文本的分析，构建了基于共现现象和主题相似性的金融网络挖掘方法；② 针对金融市场数据，我们提出了基于格兰杰因果关系检验模型和Lasso算法相结合的因果学习方法，构建了美国金融市场和数字货币市场的动态网络结构。在第二个研究模块中，我们研究了① 网络的宏观特征如何影响金融蔓延现象，以及如何提出有效的减缓策略；②网络中节点的集中程度和多样化程度如何影响系统性风险；③ 数字货币网络的宏观特征如何受到宏观经济金融变量等的影响。在第三个模块中，我们提出了基于网络结构的金融风险分配方法和有权重HITS算法，以此来度量系统性风险。本项目的研究补充了从网络的角度来研究系统性风险的理论，并且对金融系统的系统性风险的监测、预警、防范和度量具有重要的实际指导意义。