題目：基于Transformer-LSTM分位數(shù)回歸的全球股市極端風(fēng)險溢出研究

主講人：姚銀紅 副教授

講座時間：2024年11月28日（周四）下午19:20-21:00

講座地點：沙河校區(qū)二教303；騰訊會議ID166404115

講座主持：魏璐

內(nèi)容簡介：

全球經(jīng)濟不確定性的增強和極端事件的頻發(fā)使得精確測度全球股市極端風(fēng)險溢出效應(yīng)成為應(yīng)對跨國金融沖擊的重要途徑。現(xiàn)有研究在綜合考慮時間序列非線性、長期依賴性和多變量交互影響方面存在一定的局限性。因此，本文提出了Transformer-LSTM分位數(shù)回歸模型，通過Transformer中的多頭注意力機制并行處理多個注意力函數(shù)，同時保留數(shù)據(jù)中的時序特性，以更精確地捕捉全球股市極端風(fēng)險的時間演變特征，并構(gòu)建溢出網(wǎng)絡(luò)測度全樣本和金融危機等危機事件發(fā)生期間的風(fēng)險溢出效應(yīng)。基于2001年12月至2024年3月19個國家周度股指數(shù)據(jù)的實證結(jié)果表明：(1)本文提出的模型相較于多層感知機(MLP)、長短期記憶網(wǎng)絡(luò)(LSTM)以及Transformer模型具有更強的預(yù)測能力。(2)各國股市在全樣本期間的溢出效應(yīng)具有不對稱性，其中，美國存在顯著的風(fēng)險溢出效應(yīng)，中國股市沒有明顯的風(fēng)險溢出和接收效應(yīng)。(3)危機事件發(fā)生時，極端風(fēng)險溢出效應(yīng)增加且不對稱性增強。本文提出的模型為金融市場的極端風(fēng)險溢出研究提供了新思路，研究結(jié)果對危機時期下的全球股市風(fēng)險管理具有重要意義。

報告人簡介：

姚銀紅，管理學(xué)博士，首都經(jīng)濟貿(mào)易大學(xué)管理工程學(xué)院副教授，碩士生導(dǎo)師，研究方向是金融風(fēng)險管理和大數(shù)據(jù)智能決策。主持國家自然科學(xué)基金青年項目、北京市教委科技計劃一般項目等課題。在Financial Innovation、International Review of Economics and Finance、Finance Research Letters、《系統(tǒng)管理學(xué)報》等國內(nèi)外主流學(xué)術(shù)期刊上發(fā)表論文10余篇。擔(dān)任《Economic Modelling》、《North American Journal of Economics and Finance》等期刊匿名審稿人。獲首都經(jīng)濟貿(mào)易大學(xué)中青年骨干教師、國際會議優(yōu)秀論文獎等榮譽或獎項。

主辦單位：管理科學(xué)與工程學(xué)院