股票市场的高维动态因子模型及其实证分析

收益率和波动率是金融市场最重要的变量，为研究对其产生影响的因素，建立了收益率和波动率动态因子模型，并引入带惩罚的EM算法得到高维动态因子模型的稀疏参数估计。将此模型应用到沪深交所股票数据中，得到了对股票收益率和波动率产生影响的公共因子及稀疏的因子载荷矩阵。根据因子载荷矩阵，发现在两个模型中都有一个共同因子对绝大多数股票影响，其他因子是对某行业股票产生影响的行业因子。结合国内相关政策和事件等因素，分析了因子波动趋势，并给出了可能的解释。另外，利用因子贡献率，从行业角度分析了共同因子和行业因子对行业股票的影响程度。     

自主型算法共谋的认定困境与完善路径

人工智能时代,算法经济的发展显著提高了市场透明度以及经营者之间的交流频次,有效拓展了共谋形成的市场范围。平台经营者通过算法,隐蔽在市场环境下,可能悄然地在进行共谋垄断行为。自主型算法不仅是一种辅助工具,还能够在没有人类意识参与的情况下自主地与市场参与者达成共谋行为。自主型算法因其技术性、稳定性等特征,反垄断执法机构针对此种共谋行为,相应的违法判定标准也面临着挑战。从意思联络以及责任分配的认定等方面提出对自主型算法共谋行为的反垄断法完善路径,明确共谋责任的归属,通过监管措施实现维护市场自由竞争、保护消费者利益的效果。     

基于高维状态空间方法构建金融市场网络模型

针对金融市场的核心变量--收益率和波动率，基于高维状态空间模型，利用EM和稀疏算法，分别建立了金融产品之间的收益率网络和波动率网络。前者刻画了金融产品收益之间的相互关系，后者刻画了金融产品风险之间的关系。相对于已有模型，上述模型可有效处理高维时间序列数据。对深圳、上海、香港和纽约市场的股票交易数据分析，找出了相应网络结构特征。以上市场的数据分析结果表明，相对于波动率网络，收益率网络具有更高的度数中心势，把这种现象归因于政策等因素对收益率的影响更为直接和简单，而对波动率的影响则是间接和复杂的。上述研究结果也为构建多变量波动率模型提供参考。