吳英麗

[摘 要] 國際實(shí)踐表明，系統(tǒng)性金融風(fēng)險不僅危及金融穩(wěn)定，更會給宏觀經(jīng)濟(jì)和社會財富造成重大損失。我國正處于轉(zhuǎn)軌階段，考慮到在國際金融危機(jī)帶來的外部風(fēng)險輸入和我國轉(zhuǎn)軌階段自身的結(jié)構(gòu)性和周期性問題雙重刺激的背景下，我國實(shí)體經(jīng)濟(jì)與金融體系面臨的風(fēng)險正在逐步增大并逐步顯現(xiàn)。如果我們能對股票市場的風(fēng)險進(jìn)行識別，然后采取相應(yīng)的措施，就可能降低危機(jī)發(fā)生的可能性和它帶來的損失。構(gòu)建能夠監(jiān)控股市相關(guān)風(fēng)險、及時準(zhǔn)確評估系統(tǒng)性金融風(fēng)險的預(yù)警模型已成為一項(xiàng)重要而緊迫的任務(wù)。文章根據(jù)國內(nèi)外最新研究和實(shí)踐，從五個層面考察了導(dǎo)致股市風(fēng)險的風(fēng)險因素，并利用Python構(gòu)建機(jī)器學(xué)習(xí)模型，對中國股市的風(fēng)險識別和預(yù)警進(jìn)行了實(shí)證研究。

[關(guān)鍵詞] 股票市場;風(fēng)險因素;機(jī)器學(xué)習(xí)模型;風(fēng)險預(yù)警

中圖分類號： D262? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ?文章編號：1674-1722（2021）21-0025-03

全球經(jīng)濟(jì)金融一體化使全球金融市場的大環(huán)境變得更靈活、更多樣，同樣也使各國金融市場相互間越來越緊密地聯(lián)系在了一起，從而使金融風(fēng)險的傳染性更強(qiáng)、波及面更廣、影響更深。通過對金融危機(jī)的研究和分析，可以發(fā)現(xiàn)股票市場是金融風(fēng)險傳遞的一個重要媒介[1]。

從理論上講，股市的變化應(yīng)該同步于宏觀經(jīng)濟(jì)變化，但實(shí)際上并非如此，股票交易往往能顯示出人們對未來經(jīng)濟(jì)發(fā)展的預(yù)期，所以股價的變化往往發(fā)生在實(shí)體經(jīng)濟(jì)發(fā)展變化之前。由此可見，如果我們可以事先預(yù)測并掌握未來經(jīng)濟(jì)的大致走勢，并采取有效的措施，就可以降低金融危機(jī)發(fā)生的可能性和它帶來的損失。中國股票市場已經(jīng)發(fā)展了30多年，也經(jīng)歷了艱難曲折的過程，現(xiàn)在的整個行業(yè)環(huán)境已經(jīng)發(fā)生了翻天覆地的變化，識別股市系統(tǒng)性風(fēng)險也顯得尤為重要。

股市系統(tǒng)性風(fēng)險是危及金融體系和實(shí)體經(jīng)濟(jì)的一種重要風(fēng)險[2]。股市系統(tǒng)性金融風(fēng)險的概念早已有之，系統(tǒng)性風(fēng)險的概念最初與銀行擠兌和貨幣危機(jī)聯(lián)系在一起。2008年，全球金融危機(jī)使系統(tǒng)性風(fēng)險再次成為學(xué)界關(guān)注的熱點(diǎn)。2008年全球金融危機(jī)是由美國房地產(chǎn)泡沫和金融衍生工具杠桿所引發(fā)的次貸危機(jī)，波及全球，規(guī)?？涨啊Ｅc傳統(tǒng)次貸危機(jī)不同，此次危機(jī)將銀行、房地產(chǎn)行業(yè)、保險公司、對沖基金和消費(fèi)者等社會經(jīng)濟(jì)主體連成了一個經(jīng)濟(jì)利益共同體，共同承擔(dān)風(fēng)險因素，使次貸危機(jī)迅速演化成全球金融危機(jī)，這也是全球經(jīng)濟(jì)金融一體化帶來的不利的一面。此次危機(jī)不僅在產(chǎn)業(yè)之間相互危害，還在國與國之間傳染。2008年的次貸危機(jī)所引起的國際范圍的金融危機(jī)迅速地從美國蔓延到世界各地，我國的股票市場也深受其影響，以至于長期處于低迷狀態(tài)。美國次貸危機(jī)事件的發(fā)生，警告了全世界金融體的監(jiān)管問題，必須結(jié)合實(shí)際情況加強(qiáng)對金融監(jiān)管體制，才能避免這一類實(shí)踐的發(fā)生[3]。

近年來，國際經(jīng)濟(jì)金融形勢的不確定性顯著增加，在危機(jī)持續(xù)影響和經(jīng)濟(jì)面臨嚴(yán)峻挑戰(zhàn)的背景下，防控金融風(fēng)險、保障金融安全應(yīng)當(dāng)受到長期重視。2017年，我國中央經(jīng)濟(jì)工作會議明確指出，要高度重視金融風(fēng)險的防控，提高和完善監(jiān)管能力，避免系統(tǒng)性金融風(fēng)險的發(fā)生。黨的十九大報告也強(qiáng)調(diào)，要改革金融體制，完善金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線。因此，識別金融風(fēng)險信號，對防范化解金融風(fēng)險有重要意義。

在以往的研究中，預(yù)警模型普遍用到的是logit-probit模型。由于它是一種線性模型，對于現(xiàn)實(shí)生活中的很多非線性問題，它是不能解釋的[5]。所以文章選取機(jī)器學(xué)習(xí)模型作為預(yù)警模型，選擇LSTM模型進(jìn)行預(yù)警研究。

一、相關(guān)模型與方法

文章構(gòu)建基于LSTM模型的股市危機(jī)預(yù)警模型檢驗(yàn)投資者情緒和宏觀經(jīng)濟(jì)對為期半年內(nèi)股票市場，并采用CMAX法進(jìn)行危機(jī)事件識別。

（一）危機(jī)識別

股市危機(jī)，是指股票市場的指數(shù)突然發(fā)生大幅度下降。首先計(jì)算下降指數(shù)，當(dāng)下降指數(shù)小于時，則判定當(dāng)期為危機(jī)時刻。再選出此階段初始值為1的時刻，然后將其前118天對應(yīng)的時期的因變量I設(shè)置為1，其余為0。

（二）LSTM網(wǎng)絡(luò)

LSTM網(wǎng)絡(luò)屬于遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）家族，旨在學(xué)習(xí)長期和短期依賴關(guān)系，主要是為了解決長序列訓(xùn)練過程中的梯度消失和梯度爆炸問題。簡單來說，就是相比普通的RNN，LSTM能夠在更長的序列中有更好的表現(xiàn)。LSTM網(wǎng)絡(luò)作為一種深度學(xué)習(xí)模型，目前廣泛應(yīng)用于金融領(lǐng)域。

LSTM網(wǎng)絡(luò)通過隱藏的狀態(tài)向量保持了對任意長度序列數(shù)據(jù)的低處理能力，同時通過引入所謂的存儲單元增強(qiáng)了長距離依賴的學(xué)習(xí)能力。

LSTM網(wǎng)絡(luò)內(nèi)部主要有三個階段，如圖1所示。

1.忘記階段。這個階段主要是對上一個節(jié)點(diǎn)傳進(jìn)來的輸入進(jìn)行選擇性忘記。具體來說是將計(jì)算得到的Zf作為忘記門控，來控制上一個狀態(tài)的Ct-1哪些需要留、哪些需要忘。

2.選擇記憶階段。這個階段將這個階段的輸入有選擇性地進(jìn)行“記憶”，主要是對輸入的Xt進(jìn)行選擇記憶。當(dāng)前的輸入內(nèi)容由前面計(jì)算得到的Z表示。而選擇的門控信號則是由Zi來進(jìn)行控制。

將上面兩步得到的結(jié)果相加，即可得到傳輸給下一個狀態(tài)的Ct。3.輸出階段。這個階段將決定哪些將會被當(dāng)成當(dāng)前狀態(tài)的輸出，主要是通過Z0來進(jìn)行控制的。并且還要對上一階段得到的C0進(jìn)行放縮（通過一個tanh激活函數(shù)進(jìn)行變化）。對于LSTM網(wǎng)絡(luò)的每一個結(jié)構(gòu)，新的候補(bǔ)狀態(tài)Z與LSTM的三個階段，也稱三個門：遺忘門Zf、更新門Zi和輸出門Zo的關(guān)系如下。

二、數(shù)據(jù)的選取

文章通過對股票市場內(nèi)部指標(biāo)、宏觀經(jīng)濟(jì)指標(biāo)、投資者行為指標(biāo)、大宗商品指標(biāo)和國外市場股票市場指標(biāo)的分析，共選取了15個預(yù)警指標(biāo)進(jìn)行建模。最終，市盈率作為代理股票市場內(nèi)部的指標(biāo);M2同比增長率作為宏觀經(jīng)濟(jì)的代理指標(biāo);消費(fèi)者滿意指數(shù)作為投資者行為指標(biāo)體系指標(biāo);代理指標(biāo)作為大宗商品選擇原油價格指標(biāo);標(biāo)普500作為國外股票市場指數(shù)指標(biāo)。以上指標(biāo)的相關(guān)數(shù)據(jù)都從wind數(shù)據(jù)庫獲取，如表1所示。

三、實(shí)證分析

首先，我們進(jìn)行危機(jī)識別。分析判斷2011年到2020年間發(fā)生了兩次股市危機(jī)。一次是2015年6月，另一次是2018年2月，如圖2所示。

接下來，我們進(jìn)行模型預(yù)測分析。將2011年1月4日到2020年1月23日的數(shù)據(jù)按照8∶2的比例切分為訓(xùn)練集和測試集。先用訓(xùn)練集訓(xùn)練初始的LSTM模型，從而得到最優(yōu)參數(shù)，然后再用測試集驗(yàn)證模型的準(zhǔn)確性。我們所使用的評估模型準(zhǔn)確性的指標(biāo)包括：召回率、準(zhǔn)確率、F-1分?jǐn)?shù)和ROC曲線。ROC曲線如圖3所示。召回率、準(zhǔn)確率、F1分?jǐn)?shù)如表2所示。

根據(jù)模型的預(yù)測結(jié)果可以看出來，我們選取的預(yù)警指標(biāo)讓機(jī)器學(xué)習(xí)模型的準(zhǔn)確率達(dá)到了97%，是一個較高的準(zhǔn)確率，這將為我們投資人提供一個較為準(zhǔn)確的結(jié)構(gòu)。

四、結(jié)語

文章從多方面選取股市危機(jī)預(yù)警指標(biāo)，通過指標(biāo)篩選最終確定了每個市場有效的代理指標(biāo)。在選擇預(yù)警模型時，我們通過調(diào)研發(fā)現(xiàn)機(jī)器學(xué)習(xí)比統(tǒng)計(jì)學(xué)模型更具有預(yù)警意義。因?yàn)闄C(jī)器學(xué)習(xí)模型更能反映非線性的問題。通過實(shí)證我們也可以看出，首先用CMAX方法進(jìn)行危機(jī)識別是非常準(zhǔn)確的，它準(zhǔn)確識別出了2015年的中國股市動蕩危機(jī)和2018年由中美貿(mào)易戰(zhàn)所引發(fā)的股市危機(jī)，具有很強(qiáng)的識別性能。接下來又從五個市場中選取最具有代表性的代理預(yù)警指標(biāo)放入到機(jī)器學(xué)習(xí)中進(jìn)行預(yù)測，最后發(fā)現(xiàn)LSTM的預(yù)警效果非常好，準(zhǔn)確率已經(jīng)達(dá)到97%?？蔀榻窈蟮耐顿Y者提供了一個較為準(zhǔn)確的預(yù)警體系。

參考文獻(xiàn)：

[1] 楊翰方，王祎帆，王有鑫.中國輸入性金融風(fēng)險：測算、影響因素與來源[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020，37（07）：113-133.

[2] 宮曉莉，熊熊，張維.我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險度量與外溢效應(yīng)研究[J].管理世界，2020，36（08）：65-83.

[3] 郭峰 . 兩次“危機(jī)”對經(jīng)濟(jì)金融的影響 [J]. 中國金融，2020（21）：87-89.

[4]唐旭，張偉. 論建立中國金融危機(jī)預(yù)警系統(tǒng)[J].經(jīng)濟(jì)學(xué)動態(tài)，2002（06）：7-12.

[5]陶玲，朱迎.系統(tǒng)性金融風(fēng)險的監(jiān)測和度量——基于中國金融體系的研究[J].金融研究，2016（06）：18-36.