[关闭]
@fanxy 2020-06-07T21:12:36.000000Z 字数 8593 阅读 2614

第十六讲 系统性金融风险III:大数据分析方法简介与应用

樊潇彦 复旦大学经济学院 金融数据


1. 为什么需要大数据方法?

给定解释变量 和被解释变量 ,传统计量经济学的方法是寻找参数 ,使样本估计值 “接近” 真实值 ,常用的准则是残差平方和(Residual Sum of Squares, RSS)最小。

在大数据环境下,样本量(也称为观测数) 和解释变量的个数(也称为特征数) 都很大。当 时称为高维数据,此时传统的计量经济学方法不再适用,需要有新的估计方法。

2. 金融和商业预测中常用的大数据方法

以下介绍借鉴了James et al.(2015)、Bajari et al.(2016)和Shi(2020)等。

2.1 支持向量机(support vector machines, SVM)

支持向量机估计量定义如下(损失函数 ,调节参数 为单位向量):

2.2 岭回归(Ridge regression)与套索回归(LASSO regression)

James et al.(2015)指出:“一般情况下当一小部分预测变量是真实有效的,而其他预测变量系数非常小或者等于零时,LASSO要更为出色;当响应变量是很多预测变量的函数,并且这些变量系数大致相等时,岭回归较为出色。”

2.3 基于树的回归方法(tree-based regression)

基于树的回归和分类方法是将预测变量空间划分为一系列简单区域,由于划分过程可以被概括为一棵树,因此也称为决策树(decision tree)方法。下面介绍最基本的回归树方法,以及袋装法、随机森林和提升法三种改进方法。

1. 回归树(regression tree)
根据Breiman et al.(1984),回归树是传统的非参估计中核估计方法的替代形式(an alternative to kernel regression)。给定数据 ,建立回归树的过程可以分为两步:(1)将预测变量空间分割成 个互不重叠的区域 ;(2)对落入区域 的每个观测值做同样的预测,预测值 等于上训练集的响应值的简单算术平均。估计量为:

2. 袋装法(bagging, or bootstrap averaging)
回归树方法最大的缺点是不稳定,回归结果对树的深度(depth of the tree)和分叉标准非常敏感。Breiman(1996)提出的袋装法(bagging, or bootstrap averaging)可以有效地解决这一问题,思想是先选取组自助样本(boostrap sample),然后对每组样本数据进行回归树估计,最后求估计结果的均值。袋装法的估计量为:

3. 随机森林(random forest)
Breiman(2001)提出的随机森林(random forest)方法也可以视为对回归树方法的一种改进,基本思想是每次在对树做分叉之前,先随机选出 个解释变量,对剩下的变量做树的分叉,调节参数是树的深度和

4. 提升树(tree boosting)
根据Shi(2020)的课件,提升树方法有三个调整参数:树深(the tree depth)、缩减参数(the shrinkage level,)和迭代次数 ,遵循以下步骤:

  1. 令迭代次数 ,使用原始数据 生成树 ,保存预测 ,其中
    是一个收缩调整参数。保存残差 。更新
  2. 在第 次迭代中,使用数据 来生成树 。保存预测 。保存
    残差。更新
  3. 重复步骤2,直到

提升树方法可用gbm实现,ShiLin et al.(2020) 用该方法分析和预测了北京的房价,得到了比OLS估计更好的样本外R程序可下载

2.4 神经网络(neural network, NN)

Martin et al.(2013) 第19章给出了神经网络和AR(1)回归的关系:


下面是Martin et al.(2013)的表19.3,从中可以看到神经网络和计量经济学术语的联系:
nn.bmp

Shi(2020)指出,从统计学家的角度来看神经网络是一种特殊类型的非线性模型。 层神经网络模型可以写成:


nn_wiki.png

其中:

神经网络的应用示例可参见Sanjiv Ranjan Das 在线教材

3. 系统性风险分析的应用

3.1 Diebold and Yilmaz(2003):风险溢出指数(SOI)

假定对均值为零的时序向量 可以建立以下的VAR(1)模型:


残差协方差矩阵 唯一的下三角Cholesky因子(unique lower‐triangular Cholesky factor)记为,即 ,上式可改写如下( 其中 ):

,则对未来一期的预期误差(1-step-ahead error)等于:

相应的方差(1‐step‐ahead error variances)矩阵:

定义自方差占比(own variance shares, OVS)和交叉方差占比(cross variance shares),后者也称为溢出指数(spillover index, SOI):

对于VAR(p)和多步向前预测(h-step-ahead forcast),可以做类似定义。Klößner and Wagner(2009)提供了SOM程序,以及fastSOM包计算SOI,但运行速度很慢。

3.2 Barigozzi and Brownlees(2019):风险溢出矩阵的LASSO估计

对均值为零的时序向量建立以下的VAR(p)模型(其中 为逆协方差矩阵):


对第 个变量可以写为:

此外,设定同期方程(contemporaneous equations):

两式合并有:

通过最小化损失函数 估计参数

显然,上述方法的待估参数的个数为 ,给定样本量当 很大时无法得到一致估计,因此考虑下述LASSO回归方法:

其中 是调节参数, 是通过回归VAR(p)方程得到的有偏估计量。利用偏相关系数的定义 可计算

显然,当 很大时,LASSO估计会把 中很小的参数变为零,最终得到的关联网络 会变得非常稀疏,从而可以更好地展示节点之间的关键作用。Browness提供了nets包以及示例程序

4. 补充阅读材料

参考文献

  1. Bajari, P., D. Nekipelov, S.P. Ryan, and M.Y. Yang 2015: Machine learning methods for demand estimation, American Economic Review, Vol.105(5), P481–85
  2. Barigozzi, M. and C. Brownlees 2019: NETS: Network estimation for time series, Vol.34(3), P347-364, R package: nets
  3. Diebold, F.X. and K. Yilmaz 2009: Measuring Financial Asset Return and Volatility Spillovers, with Application to Global Equity Markets, The Economic Journal, Vol.119(534), P158-171
  4. Gu, S.H., B. Kelly, and D.C. Xiu 2020: Empirical asset pricing via Machine Learning, Review of Financial Studies, Vol.33(5), P2223-2273
  5. James, G., D. Vitten, T. Hastie, R. Tibshirani 著:《统计学习导论:基于R应用》,王星译,机械工业出版社,2015,(在线课程链接
  6. Klößner, S. and S. Wagner 2009: Exploring All Var Orderings For Calculating Spillovers? Yes, We Can! — A Note On Diebold And Yilmaz(2009), Journal of Applied Econometrics, Vol.29(1), P172-179, Data and Code
  7. Lin, W., Z.T. Shi, Y.S. Wang, and T.H. Yan 2020, Unfolding Beijing in a Hedonic Way, Working Paper
  8. Martin, V., A. Hurn, and D. Harris 2013: Econometric modelling with time series: specification, estimation and testing(Themes in Modern Econometrics), Cambridge University Press, United States of America
  9. Shi, Z.T. 2020: Prediction-oriented algorithms, Lecture Notes in Computational Methods in Economics(Econ5170, CUHK)
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注