ENGLISH 中财主站 加入收藏
当前位置: 首 页 > 学术科研 > 讲座报告 > 正文

讲座 | 大数据与管理科学系列讲座(第50期)

发布时间:2024-11-28来源: 浏览次数:

题目:基于Transformer-LSTM分位数回归的全球股市极端风险溢出研究

主讲人:姚银红 副教授

讲座时间:2024年11月28日(周四)下午19:20-21:00

讲座地点:沙河校区二教303;腾讯会议ID166404115

讲座主持:魏璐

内容简介:

全球经济不确定性的增强和极端事件的频发使得精确测度全球股市极端风险溢出效应成为应对跨国金融冲击的重要途径。现有研究在综合考虑时间序列非线性、长期依赖性和多变量交互影响方面存在一定的局限性。因此,本文提出了Transformer-LSTM分位数回归模型,通过Transformer中的多头注意力机制并行处理多个注意力函数,同时保留数据中的时序特性,以更精确地捕捉全球股市极端风险的时间演变特征,并构建溢出网络测度全样本和金融危机等危机事件发生期间的风险溢出效应。基于2001年12月至2024年3月19个国家周度股指数据的实证结果表明:(1)本文提出的模型相较于多层感知机(MLP)、长短期记忆网络(LSTM)以及Transformer模型具有更强的预测能力。(2)各国股市在全样本期间的溢出效应具有不对称性,其中,美国存在显著的风险溢出效应,中国股市没有明显的风险溢出和接收效应。(3)危机事件发生时,极端风险溢出效应增加且不对称性增强。本文提出的模型为金融市场的极端风险溢出研究提供了新思路,研究结果对危机时期下的全球股市风险管理具有重要意义。

报告人简介:

姚银红,管理学博士,首都经济贸易大学管理工程学院副教授,硕士生导师,研究方向是金融风险管理和大数据智能决策。主持国家自然科学基金青年项目、北京市教委科技计划一般项目等课题。在Financial Innovation、International Review of Economics and Finance、Finance Research Letters、《系统管理学报》等国内外主流学术期刊上发表论文10余篇。担任《Economic Modelling》、《North American Journal of Economics and Finance》等期刊匿名审稿人。获首都经济贸易大学中青年骨干教师、国际会议优秀论文奖等荣誉或奖项。


主办单位:管理科学与工程学院