金融市场极端风险状态预测模型及其应用

作者：肖艳丽; 向有涛

来源：金融发展研究, 2022, (03): 8-17.

DOI：10.19647/j.cnki.37-1462/f.2022.03.002

• 金融市场风险
• 压力指数
• 极端风险预测模型
• 极端梯度提升树
• Shapley值
• 可解释性

随着经济全球化发展和国内金融市场的逐步开放，中国金融市场也遭受着来自国外金融风险的威胁与挑战。充分考量中国金融市场部分特征化事实，结合中国的现实情况，以中国金融市场为研究对象，选取了13个代表性指标，利用2005年1月—2021年6月的数据构建了中国金融市场风险指数，并且通过事件匹配方法检验指数识别作用的有效性。进一步，运用XGBoost模型预测中国金融市场极端风险，采用多种评价指标将其与传统的SVM、GBRT、RF和MLP模型进行比较研究，并利用配对样本T检验和弗里德曼检验对各个模型预测效果的差异进行显著性检验。最后结合SHAP和LIME方法展示了不同特征指标对中国金融市场风险的贡献度。实证结果表明：（1）所构建的指数较好地符合了我国金融市场风险变化的实际情况；（2） XGBoost预测模型对于极端金融风险样本识别能力较强、准确性较高，与其余模型相比，其预测性能更加优异，而且具有明显的统计检验意义。（3）利用Shapley和LIME方法挖掘出了影响中国金融市场风险的主要因素及其时变特征，且阈值效应的发现有利于金融部门对金融市场风险进行针对性的审慎监管。

• 单位
  湖北省社会科学院