一种金融系统性风险稳定性融合预警方法及系统

本发明涉及金融风险管理，尤其涉及一种金融系统性风险稳定性融合预警方法及系统。

背景技术：

1、现有金融系统性风险度量技术大致可归为四类。第一类为基于统计分布的风险度量，包括在险价值(valueatrisk，var)、条件在险价值(expectedshortfall，es/covar)、garch族波动率模型及其相干性风险测度等，该类方法以历史收益分布的统计矩为基础刻画尾部风险。第二类为压力测试与情景分析方法，包括逆向压力测试、敏感性分析及蒙特卡洛模拟。第三类为基于网络传染的风险模型，包括银行间暴露矩阵网络及级联违约模型。第四类为基于市场指标的经验预警方法，包括cds利差、ted利差、波动率指数(vix)等单指标或合成指标方法。

2、上述方法的共同固有缺陷在于：只能分析波动(二阶矩)，不能分析稳定性(动力学发散性)。具体而言：其一，var与garch族模型建立于收益率序列平稳性及近正态分布假设之上，其本质是对收益分布的二阶矩(波动率)建模，在制度转换(regimeshift)、结构性断点及重尾分布情形下系统性低估尾部风险，且无法回答"系统距失稳边界尚有多远"这一根本问题。其二，网络传染模型依赖完整双边风险暴露矩阵，现实中该矩阵因场外交易、表外业务及信息不对称而高度不透明，最大熵填补引入不可控误差。其三，压力测试依赖预设情景，本质为回溯性与条件性方法，难以对未发生过的"未知的未知"提供前瞻性量化。其四，vix、ted利差等经验指标虽具市场敏感度，但缺乏与动力系统稳定性的理论联系，无法定量表征系统偏离均衡态的发散速率。

3、综上所述，现有技术的根本缺陷在于：缺乏源自动力系统理论的"稳定性边界"概念，无法在风险显性化之前定量表征系统距失稳边界的距离，对非线性耦合、相变及制度转换的敏感性不足。金融市场微观结构本质上是一个高维非线性动力系统，其价格序列是该系统在观测维度上的投影;当系统由稳定域穿越至不稳定域时，相空间中邻近轨线将以指数速率发散。因此，有必要从波动分析范式转向动力学稳定性分析范式，以稳定性指标定量表征系统失稳趋势。

技术实现思路

1、本发明实施例所要解决的技术问题在于，提供一种金融系统性风险稳定性融合预警方法及系统，解决金融市场系统性稳定性评价问题——即在不依赖完整风险暴露矩阵的前提下，通过对金融时间序列进行动力学稳定性分析，定量表征系统距失稳边界的距离，实现对系统性风险的前瞻性、定量化、多等级预警。

2、为了解决上述技术问题，本发明实施例提供了一种金融系统性风险稳定性融合预警方法，包括以下步骤：

3、步骤s1，获取金融时间序列并对所述时间序列进行预处理，得到观测序列；

4、步骤s2，对所述观测序列进行稳定性分析，得到表征系统动力学特性的第一稳定性指标、第二稳定性指标和第三稳定性指标；

5、步骤s3，将所述第一稳定性指标、第二稳定性指标和第三稳定性指标统一表示为单一风险量，统一稳定性风险指数；

6、步骤s4，依据所述统一稳定性风险指数输出分级预警信号；

7、其中，所述步骤s3包括以下子步骤：

8、步骤s31，分别计算所述第一稳定性指标、所述第二稳定性指标和所述第三稳定性指标在训练期前缀上的均值与标准差，并分别进行z-score标准化；

9、步骤s32，对标准化后的各指标分别施以logistic归一化，映射至(0，1)区间；

10、步骤s33，将归一化后的三类指标按权重融合为所述统一稳定性风险指数。

11、进一步地，所述步骤s1中的预处理依次包括以下子步骤：

12、步骤s11，缺失值插补，采用前向填充或线性插值法补全序列中的缺失值；

13、步骤s12，异常值剔除，采用三倍标准差准则或四分位距准则识别并剔除异常值，被剔除的异常值以缺失值插补方法补全；

14、步骤s12，频域对齐，将不同采样频率的序列统一重采样至同一频率；

15、步骤s12，归一化处理，对各源序列分别进行z-score标准化，使各序列均值为0、标准差为1，消除量纲差异；

16、步骤s13，多源融合，当需要对多源金融时间序列进行跨资产或跨市场融合监测时，将标准化后的多源序列经主成分分析取第一主成分，或经等权或方差倒数加权平均，融合为单一标量可观测量，再以所述标量可观测量作为所述观测序列进行稳定性分析。

17、进一步地，所述步骤s2中，包括步骤：

18、通过对所述观测序列进行相空间重构，将一维标量投影还原为高维相空间轨迹，所述相空间重构采用时间延迟嵌入法实现，包括步骤：

19、步骤s211，确定延迟时间，所述延迟时间由所述观测序列的平均互信息量函数的首个局部极小值确定，所述平均互信息量函数为

20、

21、其中，为互信息估计箱数，为落入第列与第行联合直方格的联合概率，与分别为边缘概率，度量了与之间的非线性依赖强度，延迟时间取关于的首个局部极小值所对应的值；

22、步骤s212，确定嵌入维度m，所述嵌入维度m由虚假近邻法确定，取虚假近邻比例首次降至预设阈值以下的最小维数；

23、步骤s213，构造嵌入向量，以确定的与m，对所述观测序列构造m维延迟嵌入向量：，其中，为第个t交易日的观测值，为重构相空间中第t个点，全部嵌入向量构成重构相空间轨迹矩阵，其中为重构相空间点数，m为重构相空间点数，n为观测序列长度（即交易日总数）。

24、进一步地，所述步骤s2中，所述第一稳定性指标为最大李雅普诺夫指数，通过对重构相空间中的最近邻对追踪其随演化步数的距离变化，得到平均对数发散曲线，在所述曲线的线性标度区内进行线性拟合，所得斜率即为所述第一稳定性指标；

25、所述第二稳定性指标为李雅普诺夫函数漂移增长率，通过构造二次型李雅普诺夫函数度量系统应力能量的变化趋势；

26、所述第三稳定性指标为虚假近邻比在固定嵌入维度下随时间的动态漂移量，以滑动窗口沿时间轴滚动，在每个窗口内计算固定嵌入维度下的虚假近邻比，得到滚动虚假近邻比值，用以表征相空间结构稳定度的变化。

27、进一步地，所述步骤s2中，所述第一稳定性指标的计算步骤包括：

28、步骤s221，对重构相空间中每个参考点（），在k-d树中搜索其最近邻，记录初始距离；

29、步骤s222，对每个参考点，跟踪其与最近邻在时间步后的分离距离：，

30、其中，为演化步数，为最大演化步数，为参考点与其最近邻在第步的欧氏距离；

31、步骤s223，对所有有效参考点取对数距离的样本平均：

32、

33、其中，为在时刻仍有有效跟踪的参考点集合，为其元素个数，为第步的平均对数发散量；

34、步骤s224，在关于的曲线上识别线性标度区，遍历所有可能的区间，对每个区间做最小二乘线性回归，选拟合决定系数最高的区间作为标度区，在标度区内做线性拟合，计算斜率：

35、

36、其中，为采样周期，为自动检测的线性标度区，表示线性回归斜率。

37、进一步地，所述步骤s4中，所述分级预警采用自适应阈值与确认窗机制，所述自适应阈值依据所述统一稳定性风险指数在训练期内的分布分位数确定，包括以下步骤：

38、步骤s41，收集训练期内所有统一稳定性风险指数值，计算其多个分位数作为各级预警阈值；

39、步骤s42，将每一步的统一稳定性风险指数值映射为离散预警等级；

40、步骤s43，采用确认窗机制，仅当原始预警等级在连续h个周期内持续满足相应阈值条件时，方将预警等级升级至该阈值对应等级。

41、相应地，本发明实施例还提供了一种金融系统性风险稳定性融合预警系统，包括：

42、数据采集模块，用于获取金融时间序列并进行预处理，输出观测序列；

43、稳定性分析模块，与所述数据采集模块连接，用于对所述观测序列进行分析，输出第一稳定性指标、第二稳定性指标和第三稳定性指标；

44、风险融合模块，与所述稳定性分析模块连接，用于将所述三类稳定性指标各自归一化后按权重融合为统一的统一稳定性风险指数；

45、分级预警模块，与所述风险融合模块连接，用于依据所述统一稳定性风险指数输出分级预警信号。

46、进一步地，还包括回测校准模块，与所述分级预警模块连接，用于以历史风险事件为基准对预警信号进行回测，并据此对所述权重与分级阈值进行自适应校准。

47、更进一步地，所述权重为动态权重，依据所述三类稳定性指标在训练期的统计判别度自适应确定，所述判别度以各指标归一化序列在训练期的方差度量，动态权重计算公式为：

48、

49、其中，为第i类归一化指标在训练期内的方差，为权重下限。 其中，j为指标类别求和索引，j＝1,2,3分别对应第一稳定性指标（mle）、第二稳定性指标（gv）、第三稳定性指标（fnn）。

50、相应地，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上述金融系统性风险稳定性融合预警方法的步骤。

51、实施本发明实施例，具有如下有益效果：

52、（1）从波动分析转向稳定性分析，填补稳定性评价范式空白。现有方法只能分析波动(二阶矩)，本发明首次将动力学稳定性指标引入金融风险预警，定量表征系统距失稳边界的距离，从根本上弥补现有范式的稳定性评价缺失。

53、（2）三类稳定性信息统一融合，提升失稳识别全面性。本发明首次将表征轨线发散速率的第一稳定性指标、表征稳定能量漂移的第二稳定性指标与表征相空间结构稳定度的第三稳定性指标融合为统一稳定性风险指数，三类指标分别从轨线、能量、结构三个互补维度刻画系统失稳，融合后较任一单指标更能全面捕捉失稳趋势。经真实a股数据验证，三类指标互补(各在不同危机类型上领先)，融合后任一单指标漏报时可由其余指标补检，三类危机保持3/3命中、无灾难性漏报，实现"1+1+1>3"的协同鲁棒性——整体预警鲁棒性优于任一单指标。

54、（3）动态权重与自适应阈值适配不同市场环境，提升预警鲁棒性。权重依据各指标训练期判别度自适应确定，阈值依据统一稳定性风险指数训练期分布分位数确定，二者均随市场环境自动校准而非固定，使本发明在不同市场、不同样本期下均能保持稳定的预警效能。

55、（4）提前识别系统失稳趋势，提高风险预警及时性，降低误判。本发明能够提前识别系统失稳趋势，在风险显性化之前发出预警，提高风险预警及时性;通过确认窗机制抑制单次尖峰抖动误报，降低误判。

56、（5）模型依赖度低，无需完整风险暴露矩阵。本方法仅以可公开获取的价格与利率类时间序列为输入，不依赖银行间双边暴露矩阵等不透明信息，规避了网络传染模型中最大熵填补引入的不可控误差，数据可得性与可复现性显著优于网络类方法。

57、（6）提供可解释的稳定能量度量。第二稳定性指标所构造的稳定能量函数具有明确的动力系统物理含义，其漂移与第一稳定性指标共同构成对系统距失稳边界距离的双重刻画，相较于黑箱式机器学习风险模型具有显著的可解释性优势，便于监管归因与责任界定。

58、（7）支持多资产、多市场融合监测。通过对多源序列经主成分分析或加权平均融合为单一标量可观测量并进行分析，可同时监测跨市场、跨资产类别的系统性风险传染与共振，避免单一市场指标的片面性。

59、（8）算法高度可并行化，适于实时与准实时部署。各参考点的指标计算彼此无数据依赖，可在gpu或分布式集群上高度并行执行，满足高频监测场景的时延要求。