光華講壇——社會名流與企業家論壇第6670期

主題：The Causes of Symmetry and Asymmetry Network Spillover in the Futures Market by Deep Learning 深度學習視角下期貨市場網絡溢出對稱性與非對稱性的成因

主講人：暨南大學經濟學院 陳創練教授

主持人：西南財經大學中國金融研究院副院長 董青馬教授

時間：11月22日15:30-16:30

舉辦地點：格致樓618

主辦單位：中國金融研究院

主講人簡介：

陳創練，暨南大學經濟學院金融系教授、博導、系主任，暨南大學南方高等金融研究院副院長、暨南大學國際學院副院長。主持國家社科基金重大招標項目、國家社科基金重點項目、國家自然科學基金（3項）以及教育部人文社科基金（2項）等20項國家級/省部級課題，曾任中國社會科學院和香港招商局博士后、新加坡南洋理工大學公派訪問學者。在《經濟研究》（7篇）、《金融研究》、《世界經濟》、《中國工業經濟》、《統計研究》以及The World Economy、China Economic Review（2篇）等發表論文70余篇，在《經濟日報》、《中國社會科學報》等發表多篇時評論文。出版《金融風險管理》（中國人民大學出版社）、《金融建模：理論與實驗》（北京大學出版社）等教材。研究方向：金融風險管理、財政金融學。

內容簡介：

Network analysis methods play a vital role in examining the volatility interactions of futures contracts. Traditional network construction techniques typically rely on variance decomposition methods or VAR models. This paper introduces a novel deep learning approach: graph neural networks (GNNs). These models autonomously learn network relationships, enabling insights into volatility interactions within the Chinese futures market. The MIDAS-TGCN model presented here not only surpasses traditional methods in predictive capability but also elucidates the influence of major events on the futures market through network node centrality and connectivity metrics.

Moreover, the MIDAS-TGCN model is designed to derive connectivity within an asymmetric network, in order to be able to analyze the connectivity of the network with positive and negative returns. By analyzing static and dynamic characteristics across various networks, we uncover notable disparities in network connectivity and influencing factors for financial and commodity futures. Specifically, we observe a substantial positive correlation between network connectivity and levels of uncertainty in financial policies and politics, while commodity futures demonstrate a significant negative correlation. Furthermore, we examine the interplay between volatility spillover and the risk premium within futures markets. The model established in this study demonstrates that volatility spillover has a substantial impact on the term premium associated with commodity futures.

網絡分析方法在考察期貨合約的波動相互作用方面起著至關重要的作用。傳統的網絡構建技術通常依賴方差分解方法或向量自回歸（VAR）模型。本文引入了一種新穎的深度學習方法：圖神經網絡（GNNs）。這些模型能夠自主學習網絡關系，從而深入了解中國期貨市場內的波動相互作用。這里提出的 MIDAS-TGCN 模型不僅在預測能力上超越了傳統方法，還通過網絡節點中心性和連接性指標闡明了重大事件對期貨市場的影響。

此外，MIDAS-TGCN 模型旨在推導非對稱網絡中的連接性，以便能夠分析具有正負回報的網絡連接性。通過分析各種網絡的靜態和動態特征，我們揭示了金融期貨和商品期貨在網絡連接性和影響因素方面的顯著差異。具體而言，我們觀察到網絡連接性與金融政策和政治不確定性水平之間存在顯著正相關，而商品期貨則表現出顯著負相關。此外，我們研究了期貨市場內波動溢出與風險溢價之間的相互作用。本研究建立的模型表明，波動溢出對商品期貨的期限溢價有重大影響。