一种便捷的多尺度风险传导网络构建方法技术

本发明专利技术公开了一种便捷的多尺度风险传导网络构建方法，包括如下步骤：构建碳金融市场与能源市场间多尺度风险传导机制的理论分析框架：基于碳金融市场价格和能源价格波动的多尺度特性，运用经典金融风险传导理论、多尺度系统理论和复杂网络等理论剖析碳金融市场和能源市场之间的多尺度风险传导机制，并考虑外部金融风险因子的影响机理，明晰市场间相互作用的复杂网络关系特征，形成一个可以真实反映碳金融与能源市场风险传导特征和演化机理的创新性机制。本发明专利技术为具有多尺度复杂网络结构的风险传导机制解析问题提供了可拓展的研究框架，有效测度多尺度风险传导效应的动态演化趋势。

【技术实现步骤摘要】
一种便捷的多尺度风险传导网络构建方法
本专利技术涉及网络构建
，尤其涉及一种便捷的多尺度风险传导网络构建方法。
技术介绍
高度依赖化石燃料作为动力的经济发展模式导致温室气体排放的与日俱增，成为引发全球气候变暖和极端恶劣天气等环境问题的主要原因之一。减缓气候变化要求全球范围内有效改进能源消耗体系，推动节能减排和低碳经济发展。碳排放权交易是利用市场化机制控制碳排放的一种有效手段。作为一类特殊的资产和稀缺资源，碳排放权不仅具有一般的商品属性，且随着国际碳金融市场的迅速发展，其金融属性也逐渐凸显，与能源资产和宏观经济环境存在显著的信息传导机制。因市场参与主体所关注投资期限和作用周期的差异，碳金融市场与能源市场价格波动的传导机制具有多时间尺度的异质性特征，同时受外部金融风险影响而形成的复杂网络关系，给碳金融市场的风险管控带来新的挑战。因此，针对碳金融市场与能源市场组成的复杂作用系统，厘清市场之间的风险传导机制对市场风险监管和预警、投资者组合风险管理及国内统一碳市场的建设等都具有重要的理论参考和实践指导意义。>
技术实现思路
...

【技术保护点】
1.一种便捷的多尺度风险传导网络构建方法，其特征在于，包括如下步骤：/nS1构建碳金融市场与能源市场间多尺度风险传导机制的理论分析框架：基于碳金融市场价格和能源价格波动的多尺度特性，运用经典金融风险传导理论、多尺度系统理论和复杂网络等理论剖析碳金融市场和能源市场之间的多尺度风险传导机制，并考虑外部金融风险因子的影响机理，明晰市场间相互作用的复杂网络关系特征，形成一个可以真实反映碳金融与能源市场风险传导特征和演化机理的创新性机制；/nS2设计碳金融市场与能源市场间动态多尺度风险传导效应的测度方法：/nS21以碳金融期货和现货、传统化石能源市场、电力市场和清洁能源市场作为风险传导的研究对象；/nS...

【技术特征摘要】
1.一种便捷的多尺度风险传导网络构建方法，其特征在于，包括如下步骤：
S1构建碳金融市场与能源市场间多尺度风险传导机制的理论分析框架：基于碳金融市场价格和能源价格波动的多尺度特性，运用经典金融风险传导理论、多尺度系统理论和复杂网络等理论剖析碳金融市场和能源市场之间的多尺度风险传导机制，并考虑外部金融风险因子的影响机理，明晰市场间相互作用的复杂网络关系特征，形成一个可以真实反映碳金融与能源市场风险传导特征和演化机理的创新性机制；
S2设计碳金融市场与能源市场间动态多尺度风险传导效应的测度方法：
S21以碳金融期货和现货、传统化石能源市场、电力市场和清洁能源市场作为风险传导的研究对象；
S22首先通过合理有效的ARMA-GARCH类波动模型或SV类随机波动模型提取各市场风险因子；
S23其次运用DY溢出指数模型刻画“碳金融-能源”系统整体的风险传导效应；
S24采用傅里叶变换的BK溢出指数模型描述“碳金融-能源”系统的多尺度风险传导效应，并结合滚动窗口技术有效测度多尺度风险传导效应的动态演化趋势；
S3基于多尺度复杂网络结构探究融合金融风险影响的风险传导机制：
S31首先，通过多元稳健性回归方法详细检验外部金融风险因子对“碳金融-能源”系统的影响，据此选取显著性金融风险因子；
S32其次，融合“碳金融-能源”系统内外部的多个风险传导因子，基于多尺度溢出指数结果构建风险传导网络，捕捉多源市场风险传导效应的网络拓扑结构特征，并分析重大事件冲击引起网络结构的动态变化；
S4碳金融市场与能源市场多尺度风险传导机制的研究设计：基于多源市场波动溢出的视角全景式考察碳金融市场与能源市场间的多尺度风险传导关系，突破单方面时间维度和两两分析市场间关系的局限；
S41基于波动率模型的各市场风险因子提取：
根据对数似然值、AIC/SC等判定准则，采用拟合最优的GARCH族波动模型估计各市场收益率的波动，以此获取各市场风险因子；
标准的ARMA(m，n)-GARCH(p，q)模型如下：






其中，方程(1)和(2)分别代表均值方程和方差方程，yt是市场收益率；m，n分别是自回归过程和移动平均过程的阶数，可依据收益率的自相关和偏自相关检验设定；μt是误差项；ε1是独立同分布的随机变量，可服从于正态分布、Student’s-t分布和GED分布等。分别是残差ARCH项和方差GARCH项，用来度量从前期得到的波动性信息，p、q是滞后阶数；α反映外部冲击的影响，β揭示波动持续性的强弱，且在的条件下，满足GARCH(p，q)过程是平稳过程；是(4.1)式的预测方差，反映当期波动，依赖于残差ARCH项的大小和方差GARCH项的预测值；
GARCH模型只能反映时间序列的厚尾和波动聚集现象，不能反映波动的非对称性，由此产生了与GARCH模型的方差方程不同的EGARCH、PARCH和TGARCH模型；
EGARCH模型将条件方差表示成指数形式，可以更准确地考察波动的聚集性和冲击的非对称性；



γ用来检验是否存在杠杆效应，k表示非对称项数目；描述利好、利坏的差异；
PARCH模型可包含任何一个正值在内的转换范围(δ)，非常适合反映金融数据波动的聚集性和杠杆效应；



δ＞0，是待估的参数，用来评价冲击对条件方差的影响幅度；
γi用来考察1～r期的非对称性，对于r≤q，γi≤1，i＝1，2……r；当i＞r时，γi＝0。当δ＝2，γi＝0，PARCH退化为GARCH模型；当γi≠0时，说明市场收益率存在杠杆效应；
TGARCH模型是一种能描述杠杆效应的扩展板GARCH模型；



当μt＜0(＞0)时，dt＝1(＝0)，表示利坏(利好)消息，当γ≠0时，说明条件方差对冲击的反应是非对称的；
EGARCH、PARCH和TGARCH模型各有利弊，可以依据对数似然值最大和AIC/SC最小准则选取刻画市场收益率波动最优的模型；
S42结合溢出指数模型和傅里叶转换方法的多尺度风险传导效应测度：
基于碳金融市场和能源市场的多源风险因子，采用傅里叶变换的溢出指数模型测度市场之间的多尺度风险溢出效应，据以识别在每个时间尺度下，市场间风险传导的方向和强度、两两市场间的配对风险净传导效应、各市场的风险净溢出效应等，同时，结合滚动窗口技术测度市场间的动态多尺度风险传导效应；
考虑一个协方差平稳的N维VAR(p)模型：



其中，Xt为N维列向量，代表N个不同资产或市场的收益或波动；εt～iid(0，∑)，是N维扰动列向量，不存在序列相关性，公式(4.6)的移动平均表达式为：



其中，系数矩阵A0是N阶单位阵。当i＜0时，Ai＝0，当i＞0时，Ai＝φ1Ai-1+φ2Ai-2+…+φpAi-p；
通过对协方差矩阵进行方差分解，有助于将每一个变量预测误差的方差分离成来自系统内各变量的部分，并将此归因于来自各变量的溢出效应，其中，方差贡献是当市场Xi受到外部冲击时，Xi的向前H步预测误差方差中由自身或者模型中的其他市场Xj(i≠j)所解释的比例反映j类市场对i类市场的信息溢出，并组成溢出表(详细罗列市场之间的溢出效应大小)的主体部分，其中，i，j＝1，2，...N。



其中，∑为预测误差向量ε的方差矩阵，为系统中第j个方程误差向量的标准误，ei是选择向量，即除了第i个元素取值为1外，其余列元素均为零；
考虑VAR模型移动平均式中的系数Ah经过...

【专利技术属性】
技术研发人员：张晨，吴亚奇，潘娣，朱丹丹，云坡，杨仙子，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34