考虑交易对手网络的多级羊群行为股票多元价格时间序列模型研究

The stylized facts of the stock prices together with the abnormal fluctuations of the stock market have been some long lasting hotspots and challenging topics which drawn broad attention from the academia community. The traditional research paradigm of the financial economics resides in the widely adopted stochastic process modlling to analyze the stylized facts of single stock price. However, the micro-mechanism of stylized facts for the multivariate stock prices and the formation mechanism of the abnormal fluctuation of the stock market are still lacking. Thus we utilize the multi-agent modelling together with the bi-layer network theory to investigate the price formation mechanism of the multivariate stock prices. Firstly, we incorporate the multilevel herding behavior into the multi-agent modeling in order to better realize the multivariate stock prices and their stylized facts. Secondly, based on the empirical findings about the trading network, we reveal the impact of the trading network on the stylized facts of multivariate stock prices. Lastly, with the help of the previous theoretical model, we thoroughly study the impact of the herding behavior and trading network on the abnormal collective fluctuations of the stock market. The expected achievements should promote the understanding about the price formation for the investment and financing institutions and become the corner stone of their decision making. Meanwhile, the results from this study should also be taken as solid theoretical foundation for the policy maker to perform risk prevention and control.

股票价格集体特征事实机理和股票市场的异常波预警一直是金融学领域富有挑战性的课题。目前较多的研究使用随机过程方法来理解单一价格形成机理。对多元股票价格时间序列特征事实微观机理和股票市场异常波动预警尚缺乏深入研究。本项目拟结合多主体模拟和双层网络理论，研究多元股票价格时间序列特征事实的形成机理，并预警股市集体异常波动。首先，考虑投资者在个股、板块和市场整体的多级羊群行为构建多主体模型，再现多元价格时间序列的特征事实。其次，依据已有的交易对手网络实证分析结果，研究交易对手网络对多元价格时间序列特征事实的影响。最后，通过数值模拟和实证分析，从投资者羊群行为和交易对手网络结构两方面预警股市集体异常波动并提出监管建议。预期研究成果能够作为投融资机构决策的实证基础，也为监管机构采取有效的市场风险防控措施提供理论依据。

股票市场作为人类行为产生的最复杂的系统之一，其丰富的结构吸引了众多研究者的关注。对市场共性机理的理解，是监管和调控市场的前提条件。能够为预警市场极端波动和防范系统性金融风险提供理论依据。虽然以上这些模型取得了一定的成功，遗憾的是未能在统一模型中同时再现单一价格时间序列和多元价格时间序列的特征事实。在统一模型中同时刻画单一和多元价格时间序列的特征事实；在理解单一和多元价格时间序列特征事实产生机理的基础上，结合实际数据来预警股票市场集体异常波动，是两个亟待解决的问题。本项目的研究内容拟分为三个部分。第一部分，以社交网络为投资者的交互网络结构，研究多级羊群行为对股票市场集体波动的影响。第二部分，考虑交易对手网络和社交网络耦合形成的投资者双层交互网络结构下，多级羊群行为对股票市场集体波动的影响。第三部分，从投资者羊群行为和交易对手网络角度，探究股市集体异常波动的关键因素，提出风险预警和有效监管建议。目前主要完成了股票市场相关性网络网络结构分析，并利用网络结构相关参数构建了一系列投资组合，发现股票市场相关性结构参数能够抑制投资组合风险。同时利用股票时间序列风险溢出分析方法，构建了金融资产之间的风险溢出关系，特别是考察了2019年疫情和2022年俄乌冲突等国际重大外生事件冲击对于金融市场风险溢出效应的分析。更进一步利用金融风险溢出网络结构信息，改进了传统的资产组合优化模型，取得了较好的风险控制效果。相关研究成果为深化对于金融市场波动机制、风险控制和投资决策有重要意义。