一种基于转移熵的金融系统风险分析方法与流程

1.本发明涉及一种基于转移熵的金融系统风险分析方法。


背景技术：

2.金融风险指的是与金融有关的风险，如金融市场风险、金融产品风险、金融机构风险等。一家金融机构发生的风险所带来的后果，往往超过对其自身的影响。金融机构在具体的金融交易活动中出现的风险，有可能对该金融机构的生存构成威胁；具体的一家金融机构因经营不善而出现危机，有可能对整个金融体系的稳健运行构成威胁；一旦发生系统风险，金融体系运转失灵，必然会导致全社会经济秩序的混乱，甚至引发严重的政治危机。在对金融市场中存在的风险进行分析时，由于风险因素较多，尤其在互联网金融市场中，因此，对这些因素进行综合分析，以及分析得出能够表示系统风险的指标成为研究热点。


技术实现要素：

3.本发明的目的是提供一种基于转移熵的金融系统风险分析方法，以解决上述提到的问题。
4.为解决上述技术问题，本发明提供一种基于转移熵的金融系统风险分析方法，其包括采集股票金融时间序列，根据获取到的金融时间序列，筛选出满足设定条件要求的股票；根据筛选出的股票，计算该股票的对数收益率，并将对数收益率进行符号化；计算出任意两支股票之间的符号化序列转移熵，构建股票的转移熵矩阵；并根据转移熵矩阵，利用阈值法或者最小生成树法，构建金融网络；对金融网络的网络结构指标进行分析，并在分析得到的网络结构指标基础上，利用多元回归分析，表示系统风险。
5.进一步地，股票金融的时间序列从财经网站进行采集获取，股票金融的时间序列包括有股票价格序列。
6.进一步地，股票金融时间选择股票日数据，或选择股票五分钟数据，或选择股票分钟数据。
7.进一步地，满足设定条件要求的股票为满足一个月内开盘时间不低于20个工作日的股票。
8.进一步地，股票对数收益率的计算公式为：r(t 1)＝lnr(t 1)
‑
in(r(t))；
9.其中，t 1代表时间当前时间，t代表前一天，r(t)代表第t天的收盘价格，r (t 1)代表第t 1天的收盘价格，r(t 1)代表第t 1天的对数收益率。
10.进一步地，转移熵矩阵的公式为：
[0011][0012]
其中，p(x
n 1
，x
n
，y
n
)表示在其中一个股票在第n 1的时段、第n个时段，另一个股票在第n个时段价格数据。
[0013]
进一步地，网络结构指标包括网络的聚类系数、平均最短路径长度、网络结构熵、
jaccard指数和特征向量中心线。
[0014]
本发明的有益效果为：该基于转移熵的金融系统风险分析方法可根据获取的股票金融时间序列分析得出能够表示系统风险的指标，并在分析出的指标基础上，再进行多元回归分析，用来表示系统风险。
具体实施方式
[0015]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
[0016]
因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0017]
以下结合实施例进行具体说明，且下实施例中省略了一些常规的技术和领域技术人员所知晓的技术。
[0018]
该基于转移熵的金融系统风险分析方法的具体实施方式如下：
[0019]
1、从财经网站，如wind、resset采集股票金融时间序列，主要是股票价格序列，可以选择股票日数据，也可以选择股票五分钟数据，还可以选择股票分钟数据。
[0020]
2、根据获取到的金融时间序列，筛选出满足要求的股票，例如满足在一个月内开盘时间不低于20个工作日。
[0021]
3、计算出最终筛选出的股票的对数收益率，其中对数收益率的计算公式为：r(t 1)＝lnr(t 1)
‑
in(r(t))。
[0022]
其中t 1代表时间当前时间，t代表前一天，r(t)代表第t天的收盘价格，r (t 1)代表第t 1天的收盘价格，r(t 1)代表第t 1天的对数收益率。
[0023]
4、将对数收益率符号化，例如采用1，2，3，4，5这5个符号表示对数收益率。
[0024]
5、计算出任意两支股票之间的符号化序列转移熵，构建股票的转移熵矩阵，具体为n
×
n大小，其中，n代表股票的数量；
[0025]
当然，这里要采用时间窗方法确定序列，步长和时间窗口长度视情况而定，动态构建出多个转移熵矩阵。
[0026]
转移熵矩阵的公式为：
[0027][0028]
其中，p(x
n 1
，x
n
，y
n
)表示在其中一个股票在第n 1的时段、第n个时段，另一个股票在第n个时段价格数据。
[0029]
6、利用阈值法或者最小生成树法，构建金融网络。
[0030]
7、利用复杂网络理论对金融网络进行分析，主要针对能够反映系统风险的网络结构指标进行分析，包括网络的聚类系数、平均最短路径长度、网络结构熵、jaccard指数、特征向量中心线等指标进行分析。
[0031]
8、在求得的指标基础上，利用多元回归分析，用来表示系统风险。
[0032]
且应该说明的是，本申请中的金融系统风险，不是金融系统性风险。
[0033]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。


技术特征：
1.一种基于转移熵的金融系统风险分析方法，其特征在于：a1.采集股票金融时间序列，根据获取到的金融时间序列，筛选出满足设定条件要求的股票；a2.根据筛选出的股票，计算该股票的对数收益率，并将对数收益率进行符号化；a3.计算出任意两支股票之间的符号化序列转移熵，构建股票的转移熵矩阵；并根据所述转移熵矩阵，利用阈值法或者最小生成树法，构建金融网络；a4.对金融网络的网络结构指标进行分析，并在分析得到的网络结构指标基础上，利用多元回归分析，表示系统风险。2.根据权利要求1所述的基于转移熵的金融系统风险分析方法，其特征在于：所述股票金融的时间序列从财经网站进行采集获取，所述股票金融的时间序列包括有股票价格序列。3.根据权利要求1所述的基于转移熵的金融系统风险分析方法，其特征在于：所述股票金融时间选择股票日数据，或选择股票五分钟数据，或选择股票分钟数据。4.根据权利要求1所述的基于转移熵的金融系统风险分析方法，其特征在于：所述满足设定条件要求的股票为满足一个月内开盘时间不低于20个工作日的股票。5.根据权利要求1所述的基于转移熵的金融系统风险分析方法，其特征在于，所述股票对数收益率的计算公式为：r(t 1)＝lnr(t 1)
‑
in(r(t))；其中，t 1代表时间当前时间，t代表前一天，r(t)代表第t天的收盘价格，r(t 1)代表第t 1天的收盘价格，r(t 1)代表第t 1天的对数收益率。6.根据权利要求1所述的基于转移熵的金融系统风险分析方法，其特征在于，所述转移熵矩阵的公式为：其中，p(x
n 1
，x
n
，y
n
)表示在其中一个股票在第n 1的时段、第n个时段，另一个股票在第n个时段价格数据。7.根据权利要求1所述的基于转移熵的金融系统风险分析方法，其特征在于：所述网络结构指标包括网络的聚类系数、平均最短路径长度、网络结构熵、jaccard指数和特征向量中心线。

技术总结
本发明公开了一种基于转移熵的金融系统风险分析方法，其包括采集股票金融时间序列，根据获取到的金融时间序列，筛选出满足设定条件要求的股票；根据筛选出的股票，计算该股票的对数收益率，并将对数收益率进行符号化；计算出任意两支股票之间的符号化序列转移熵，构建股票的转移熵矩阵；并根据所述转移熵矩阵，利用阈值法或者最小生成树法，构建金融网络；对金融网络的网络结构指标进行分析，并在分析得到的网络结构指标基础上，利用多元回归分析，表示系统风险。该基于转移熵的金融系统风险分析方法可根据获取的股票金融时间序列分析得出能够表示系统风险的指标，并在分析出的指标基础上，再进行多元回归分析，用来表示系统风险。统风险。


技术研发人员：谭芮
受保护的技术使用者：电子科技大学
技术研发日：2021.06.22
技术公布日：2021/11/8