基于多模态深度学习的金融跨市场耦合关系建模及应用研究

Coupled cross-market relations refer to the complex interactions among financial markets. In recent years, financial crisis and market fluctuation frequently occurred, research on the coupled relations is of great scientific significance in solving real financial markets problems and controlling financial crisk. And the availability of multimodal data and the development of big data techniques bring new opportunities for the research. With the big data environment and on the basis of clarifying the connotation and mechanism of couple cross-market relations, this project build multimodal deep model to conduct the research, based on deep learning method. Firstly, this project defines the meaning and verify the mechanism of couple cross-market relations, starting from the discussion of hierarchical coupled structure and multimodal coupled information. Secondly, aiming at describing and mining the coupled relations, this project builds a “quantity-text” bimodal deep model to effectively fuse the deep features of quantity and text information, since the distributions of quantity and text information are not consistent in the shallow structure but have a shared representation in deep structure. Finally, the project the effectiveness of coupled cross-market relations in forecasting Chinese A-share stock market crisis, based on the built bimodal deep model. Believe the research findings have important theoretical and practical values.

金融跨市场耦合关系是指包含多模态信息的多个金融市场间复杂的交互影响。近年来金融危机和市场波动频繁发生，研究金融跨市场耦合关系对对解决金融市场实际问题和防控金融风险具有重要的科学价值。多模态数据和大数据技术的发展为复杂耦合关系研究带来了新机遇。本课题结合大数据环境，在明晰跨市场耦合关系的内涵和耦合机理的基础上，基于深度学习方法构建多模态深度模型研究耦合关系。首先，从耦合结构的层次性和耦合信息的多维性入手，界定金融跨市场耦合关系的内涵，并探明耦合机理；其次，针对数量和文本耦合信息在底层分布不一致，但在深层特征上具有相关性的特点，构建“数量——文本”双模态深度模型实现对数量和文本模态信息在深层特征上的有效融合，达到刻画和挖掘耦合关系的目的；最后基于构建的模型，检验跨市场耦合关系在我国A股市场危机预测上的有效性。相信研究结果对理解和解决金融市场实际问题具有重要的理论和现实意义。

金融跨市场耦合关系是指包含多模态信息的多个金融市场间复杂的交互影响, 研究金融跨市场耦合关系对解决金融市场实际问题具有重要的科学价值。本课题结合多模态数据和前沿的大数据技术，从以下几个方面对金融跨市场耦合关系进行了研究：（1）对金融跨市场耦合关系复杂内涵的剖析；（2）对金融跨市场复杂耦合关系的建模研究；（3）运用上述模型检验金融跨市场耦合关系在解决金融市场预测、风险预警等实际金融问题上的有效性。主要研究和结果包括：（1）从金融跨市场耦合结构层面和跨市场耦合信息层面，对金融跨市场复杂耦合关系进行了解析；（2）针对内涵的拓展，构建了不同的模型挖掘金融跨市场的耦合关系，包括：①构建多层次耦合隐马尔科夫模型（Multi-layer Coupled Hidden Markov Model, MCHMM）对国家内部层面和不同国家之间多层次、多类型的市场数值模态耦合信息的挖掘和提取；②构建长短期记忆模型与GARCH族混合模型对不同金融市场间数值模态耦合信息的挖掘和提取；③构建深度耦合长短期记忆模型（Deep Coupled LSTM, DC-LSTM）对金融市场宏观层面、市场层面数值模态复杂耦合信息的挖掘和提取；④利用爬虫挖掘市场文本信息，并探讨不同类型集成学习模型对市场内部复杂“数值-文本”信息的挖掘和刻画情况；⑤构建融合多模态信息的长短期记忆模型（Multimodal Fusion-based LSTM, MF-LSTM）对金融市场的“数值-文本”双模态耦合信息进行挖掘和提取；（3）基于上述构建的模型，结合金融市场实际数据，分别探讨并证实了它们在金融市场预测、风险预警等金融实际问题上的有效性和可靠性。研究结果能够为政府和投资者的相关决策提供参考依据，具备一定的理论和应用价值。