金融论文哪里有？本文利用LASSO-VAR和广义方差分解的方法构建收益率、波动率、风险（VaR ）三层信息溢出网络，接着利用网络合成方法将三层网络进行合并，得出更加完整的信息与丰富的网络。将合成的网络拓扑指标与选取的预警指标一起组成预警指标体系放入4种机器学习模型和2种深度学习模型中去训练，最终结果表明，LSTM模型有着良好的预警性能。
第1章 绪论
1.7 本文的主要特点
本文对金融危机预警的相关文献进行认真归纳、梳理和总结发现，在构建行业间信息溢出网络时，构建的模型往往会出现参数过多的问题。构建出的复杂网络中，每一层节点与节点之间的关系可以清楚的分析，但层与层之间的关系却无法分析。预警指标体系选取方面，大多数学者都是从宏观经济层面去选取指标，本文将网络视角与宏观经济视角相结合，以探求更全面综合的信息。
由于构建的自回归向量模型需要估计的参数较多，故使用LASSO-VAR来解决对高维数据的估计问题，克服“维度诅咒”。再使用广义方差分解方法构建行业间的信息溢出网络。 利用前沿的网络合成技术，依据不同网络结构对股市回报率影响的重要程度，赋予子网络不同的权重，并以加权平均的方法去构建合成网络。
以往文献大多选取宏观经济指标去组成预警指标体系，本文在此基础上从网络拓扑层面选取指标加入来丰富预警指标体系。参考郝俊等（2023）[5]、任英华等（2022）[6]、宫晓莉等（2020）[7]多篇文献，分别从经济基本面、外汇市场、证券市场、银行体系层面、行业层面选取了13个宏观经济指标，网络拓扑指标方面，以往的学者更多的是将网络的节点度中心性、节点介数中心性等某些特征放进模型训练，但是本文是将整个合成网络的所有特征放进模型进行训练。
第3章 基于多层监督网络金融危机预警问题的描述与分析
3.1 多层监督网络金融危机预警问题的描述
3.1.1 金融危机含义与成因的问题
金融危机的成因和影响是一个复杂且多维度的问题，其根源可以追溯到多各方面的相互作用和影响。在历史上，金融危机往往导致了经济的严重衰退，伴随着高失业率和财富的大量损失。由于金融危机对国家经济乃至全球经济造成的广泛影响，理解其成因对于防止未来的金融灾害、制定有效的监管政策以及保护投资者和普通市民的利益至关重要。
（1）信贷泡沫及其破裂
信贷泡沫的形成和破裂是金融危机中一个重要的成因。在泡沫经济期间，由于金融机构的过度放贷，市场中出现了大量的流动性，进而推高了资产价格。这种不断上涨的资产价格吸引了更多的投资者进入市场，进一步推高了价格，形成了泡沫。然而，当市场信心崩溃或其他因素引发资产价格的快速下降时，泡沫破灭，信贷市场急剧收紧，进而引发金融系统的危机。
（2）金融监管不足
金融危机的另一个重要成因是金融监管的不足。在许多历史金融危机中，监管机构往往未能有效监控金融市场中的风险积聚，或未能制定有效的政策来限制金融机构的风险敞口。金融机构在缺乏有效监管的环境中可能会过度承担风险，包括过度借贷、投资高风险产品等，这些行为最终可能导致金融机构自身及整个金融体系的崩溃。
第5章 方案的合理性论证与实施途径
5.1 理论分析
从理论层面出发，行业系统所展现的特质包含了高度的关联性、丰富的多元化以及不断变化的网络结构特征。从风险扩散的角度来看，多层网络为危机的蔓延创造了多样化的路径、方向及范围。危机传播的程度不仅受到行业个体在受到冲击后自身风险状况的制约，更受到行业个体与其周边网络结构间相互关联与互动的深度影响。这种相互关联与互动使得危机的传播过程变得更为错综复杂，难以准确预测。多层网络能够很好的刻画这一关联，通过这一方式，将危机传染的路径进行刻画从而便于构建预警体系。从不同视角切入所得到的多层网络也是不一样的，合成网络的方式恰好能够将不同的网络按照对股价回报率影响程度的不同赋予权重，并加权平均的方式将多层网络进行合并，从而全面捕捉金融风险在不同行业之间的传播，构建出一个综合性的网络。再将得到的合成网络指标与选取的其他指标一起组成预警指标体系放入机器学习模型之中进行训练得到结果。
5.2 方案合理性验证
5.2.1 多层监督网络动态特征分析
（1）行业总体信息溢出效应的动态演化
总体信息溢出效应由前文4.3.3中的方法实现。在探讨2006至2022年期间，本研究概述了中国金融市场面临的主要事件，包括2007至2009年的全球金融危机、2013年的银行钱荒、2015至2016年的股市暴跌以及2020至2022年的新冠肺炎疫情影响。由图 3可以看出，行业整体风险与行业间风险溢出效应的变化趋势较为同步。在几个大型危机事件期间，行业整体风险与行业间风险溢出效应均有明显的上升，在危机过后，也都开始同时下降，并保持在合理可控的水平。对比几个危机事件，2008年的全球金融危机与2016年的股灾事件期间的行业总体风险及行业间风险溢出效应显著高于其他时段。进一步比较发现，在危机时期，行业间风险溢出的持续时间普遍超过了行业总体风险的持续时间。
第6章 结论与展望
6.3 相关建议与展望
随着全球化的加深，金融危机的发生概率和网络化传播特性不断上升，这促使许多研究通过复杂网络技术探索行业与机构之间的相互关系和信息流动，以研究风险的传播机制。因此，本文研究多层网络间的信息溢出效应，并对金融危机进行预警。通过上述分析的结论，本文提出如下建议：
（1）强化信息披露和透明度
强化信息披露和透明度是预防金融危机发生的重要措施。在构建金融危机预警机制时，这一点尤为关键。透明的信息披露能够帮助各市场参与者更准确地评估金融风险，从而在潜在的危机爆发之前采取必要的预防措施，维护金融市场的稳定。以下分析强化信息披露和透明度对金融危机预警机制的重要性。透明的信息披露机制能够有效减少信息不对称，使得监管机构能够基于更全面的数据和信息对金融市场进行监管。同时，及时和全面的信息披露有助于监管机构早期发现金融机构的风险敞口，进而采取有效措施防范金融风险的积累和扩散。透明度在维护金融稳定中起着至关重要的作用。当金融机构和市场能够提供全面、及时和准确的信息时，可以帮助投资者更好地理解市场情况和潜在风险，从而增强其对市场的信心。这在金融不稳定时期尤为重要，因为透明和详实的信息披露能够减少市场参与者的恐慌性行为，防止恐慌蔓延。
（2）优化危机预警体系的建设
优化金融危机预警体系的建设对于提前识别潜在的金融风险，防止金融危机的发生，和维护金融市场的稳定性至关重要。金融市场的复杂性和动态性要求预警体系不断地进行自我更新和适应，以提高其有效性和准确性。金融危机预警体系需要综合利用来自各个渠道的数据，包括宏观经济指标、金融市场的交易数据、金融机构的财务状况、以及全球金融环境的变化等。使用多源数据能够提高预警的全面性和准确性。利用人工智能、大数据分析和机器学习等先进技术，可以加强金融危机预警体系的数据分析能力。这些技术可以帮助分析复杂的金融数据，识别潜在的风险模式，以及预测金融市场的动态变化。一个有效的金融危机预警体系应该包含多个层次，例如初级预警、次级预警和紧急预警，以反映不同程度的风险。通过这种分层预警，可以根据风险级别采取相应的预防措施。
参考文献（略）
