【技术实现步骤摘要】
本专利技术涉及系统性风险的因果分析，具体地说是一种应用于金融市场中干预变量对系统性风险、不确定性政策与企业破产之间关系的do演算的系统性风险多元因果分析方法。
技术介绍
1、系统性风险的积累和经济政策不确定性不利于实体经济活动，影响工业生产、实际gdp增长以及就业。然而，现有研究并未关注系统性风险和经济政策不确定性传导至宏观经济基本面的具体渠道。其中之一可以是资本市场商业人员的渠道，通过企业申请和破产的变化将系统性风险和经济政策不确定性与宏观经济结果联系起来。
2、现有技术的系统性风险分析方法，它将因果关系检验应用于国家var的残差。由于系统性风险、经济政策不确定性和企业破产变量的因果关系可能在不同的时间范围内有所不同，因为变量之间的因果关系将取决于整个系统的状态，以致分析结果的精准度低，可信度差。
技术实现思路
1、本专利技术针对现有技术的不足而提供的一种基于do演算的系统性风险多元因果分析方法，采用多元granger因果推理方法，对因果关系进行检验，以基于因果推理的干预变量进行推理实现，利用srisk指标作为国家系统性风险的代理，vix指数来衡量波动率，以及特定国家的epu指数来衡量经济政策的不确定性，从时间域和频率域两个方面进行一系列因果关系测试，该方法较好的纠正了多变量设置中的双变量非参数检验统计量的偏差。按照现有技术的区分线性和非线性因果关系，将因果关系检验应用于国家var的残差，由于系统性风险、经济政策不确定性和企业破产的因果关系可能在不同的时间范围内有所不
2、实现本专利技术目的的具体技术方案是：一种基于do演算的系统性风险多元因果分析方法，其特点是该方法具体包括如下步骤：
3、步骤a：对国家层面向量自回归(var)模型进行传统的格兰杰因果关系检验，同时，为了捕捉潜在的非线性因果关系，提出多元granger因果关系检验；
4、步骤b：通过采用频域中的因果关系检验，区分样本中国家的短期和长期因果关系；
5、步骤c：用收敛交叉映射(ccm)进行分析，是一种弱耦合动态系统的因果推理技术(从某种意义上说，系统不同组件的初始条件不是独立的)。系统性风险变量、经济政策不确定性变量、波动率变量和企业破产变量是这种动态系统的一部分，变量之间的因果关系将取决于整个系统的状态。
6、所述步骤a中的国家层面向量自回归模型进行传统的格兰杰因果关系检验的步骤如下:
7、a-1：选取4个国家层面向量自回归(var)模型形式化，所有程序中形式关系由由下述(a)～(d)式表示为：
8、
9、
10、
11、
12、其中，bankruptcy、srisk、epu、vix是四个回归变量；δi、φi、χi、ωi、νi、ρi、σi、ψi、ηi、θi、λi、μi、αi、βi、γi、δi是滞后项的系数；εit、τit、πit、∈it是零均值白噪声；
13、a-2：为系统性风险变量、经济政策不确定性变量、波动率变量和企业破产变量指定国家层面的var模型。根据toda-yamamoto方法，无论时间序列的积分顺序如何，var(p)模型都应该分层建立。然后根据赤池信息量准则确定var模型中变量的适当滞后长度。
14、a-3：对模型的整体稳定性进行检查，即单位圆中的特征值，并且在残差中没有串行相关性。如果变量积分的最大阶数为m，则应扩展首选var模型以包含这m个附加滞后。例如，如果积分的最大阶数为i＝1，最优模型为var(2)，则确保格兰杰因果检验有效性的规范将为var(3)。值得注意的是，线性(无)因果关系检验应基于初始滞后数，即p＝2，而附加滞后变量对于修复渐进性是必要，而这些滞后变量是该滞后增强var模型中的外生变量。
15、a-4：在得出原始序列之间线性相关性的所有信息之后，将多元非线性因果关系检验应用于扩展var模型的残差。该过程通过减少核密度估计偏差，通过双变量非参数检验调整为多变量设置。可以用下述(e)式的联合分布比率来表示：
16、
17、其中，h0表示零假设，fx,y,z(x,y,z)是三变量的随机变量，fy(y)是单变量的随机变量，fx,y(x,y)和fy,z(y,z)分别为双变量的随机变。
18、将(e)式重述为下述(e-1)式表示为：
19、h′0:q＝e[fx,y,z(x,y,z)fy(y)-fx,y(x,y)fy,z(y,z)]＝0 (e-1)。
20、其中，h0’表示零假设，e是期望，q表示期望结果，fx,y,z(x,y,z)是三变量的随机变量，fy(y)是单变量随机变量，fx,y(x,y)和fy,z(y,z)是双变量随机变量。
21、所述步骤b中采用频域中的因果关系检验，区分国家的短期和长期因果关系的步骤如下：
22、b-1：在频域中进行granger因果关系检验，研究系统性风险变量、经济政策不确定性变量、波动率变量与企业破产之间的因果关系是否随时间范围变化。该测试基于初始时间序列的傅立叶变换。它确定频率ω处“原因”变量的特定分量是否可用于预测相同频率处“结果”变量的分量。
23、假设有下述(f)式表示的p阶var模型：
24、
25、其中，xt为变量x的t维内生变量向量；t＝1,2,...,n；θ11,j和θ12,j为滞后多项式θ11(l)和θ12(l)的系数；yt-j为变量y的t-j维内生变量向量；ε1t是零均值白噪声；
26、所述频率ω下无格兰杰因果关系的充要条件由下述(g)式表示为：
27、
28、其中，θ12,j是自回归多项式的一行两列的向量元素，ω表示频率，j表示维数。
29、这些var系数的线性限制可以通过简单的f-检验来测试。生成的f-统计量近似分布为f(2,t-2p)，其中2是限制数，t是用于估计p阶var模型的观测值数。
30、所述步骤c中用收敛交叉映射(ccm)对系统性风险变量、经济政策不确定性变量、波动率变量和企业破产变量之间的动态建模关系进行测试的步骤如下：
31、c-1：应用ccm来测试每个国家四个变量之间的所有成对因果关系。首先，对数据进行标准化，并通过最近邻预测方法来定义用于重建的变量的最佳嵌入维度；然后，进行s-map分析来测试变量的非线性行为；之后，计算所有变量对的交叉图技能系数(ρ)。每个国家计算得到六个标准输出，这些输出证明了所有成对因果关系的ccm系数的动态性，并被解释为变量之间关系的强度。交叉映射技能系数等于零意味着不存在因果关系，而接近于1意味着存在很强的因果关系。
32、本文档来自技高网...
【技术保护点】
1.一种基于do演算的系统性风险多元因果分析方法，其特征在于，该方法采用Granger因果推理方法，对因果关系进行检验，实现系统性风险多元因果分析的具体步骤如下：
2.根据权利要求1所述的基于do演算的系统性风险多元因果分析方法，其特征在于，所述步骤a中对国家层面向量自回归模型进行格兰杰因果关系检验的步骤如下：
3.根据权利要求1所述的基于do演算的系统性风险多元因果分析方法，其特征在于，所述步骤b采用频域中的因果关系检验，区分国家的短期和长期因果关系的步骤如下：
4.根据权利要求1所述的基于do演算的系统性风险多元因果分析方法，其特征在于，所述步骤c使用收敛交叉映射对系统性风险变量、经济政策不确定性变量、波动率变量和企业破产变量之间的动态建模关系进行测试的步骤如下：
【技术特征摘要】
1.一种基于do演算的系统性风险多元因果分析方法，其特征在于，该方法采用granger因果推理方法，对因果关系进行检验，实现系统性风险多元因果分析的具体步骤如下：
2.根据权利要求1所述的基于do演算的系统性风险多元因果分析方法，其特征在于，所述步骤a中对国家层面向量自回归模型进行格兰杰因果关系检验的步骤如下：
3.根据权利要求1...
【专利技术属性】
技术研发人员：刘静，方乐天，韩莉，韩忠明，赵慧，吴敏，毛宏燕，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。