基于复杂性的金融脆弱性分析

需求分析

• 伴随经济全球化，世界各国经济的联系越来越紧密。各国在分享经济全球化和金融深化带来的巨大利益的同时， 也面临着来自经济危机和金融海啸的冲击。
• 经济系统和金融系统是复杂开放大系统，具有随机性、涌现性、层次性、开放性、适应性、非线性等特征，容易受各种不确定性因素的影响。 微观经济活动主体行为和宏观经济运行环境等因素都可从不同侧面直接或间接导致危机的产生， 因此经济和金融系统脆弱性现已成为全球关注的问题。

目标

　

• 从复杂性角度客观、定量地进行经济和金融系统脆弱性分析，帮助政府、市场和监管机构建立监测预警系统， 对及时发现和识别风险，制定正确的经济政策具有重要的理论和实际意义。

解决方法

• 一国经济脆弱性评价：
• Step 1 计算一个国家的经济数据信息熵、拓扑结构和整体复杂度
• Step 2 识别一个国家的核心经济参数，量化评价稳健度和脆弱性水平
• Step 3 监测一个国家的经济复杂性、稳健度变化状态和趋势，及时进行危机预警
• 经济体脆弱性评价：
• Step 1 计算多个国家组成的经济体（比如欧盟27国、金砖四国或全球经济）的信息熵、拓扑结构和整体复杂度
• Step 2 识别对系统复杂性贡献最大的国家，发现脆弱点，提供风险管理的政策建议
• Step 3 监测经济体的复杂性、稳健度变化状态和趋势，及时进行危机预警
• 复杂性突变监测：
• 经济体的复杂性突然增加，意味着熵和无序度的增加。即使此时经济仍然持续增长，其内在的风险也在快速积累，因此是值得警惕的危机先行指标
• 经济体的复杂性突然降低，意味经济活动的减少、经济功能的减弱，因此是经济萎缩的先行指标
• 复杂性平稳变化，代表经济结构和经济活动稳定，风险和不确定性可控，经济健康、平稳和可持续发展

先进性

• 客观性和真实性：不建立数学模型，不对数据进行预处理，对样本的分布没有要求，不引入人为主观判断因素
• 全局性和整体性：将微观分析与宏观综合相结合，从系统工程角度认知数据整体的内在信息、结构和依赖规则
• 评价指标定量化：量化评价非线性相关度、复杂度、模型可信度水平等核心指标
• 数据处理能力强：能处理各种有噪声、随机的、不完全的、病态的、海量的或者小样本的数据

工具软件

• 复杂性量化分析软件：OntoSpace™

数据来源

• 国民经济核算体系（SNA）可以对国民经济进行全方位、多视角、多层次的研究：能够帮助判断经济是在萎缩还是在膨胀，是需要刺激还是需要控制，是处于严重衰退还是处于通涨威胁之中。因此，选取代表性的国民经济核算指标，进行时间序列的复杂性分析。
• 中央银行、国家统计局的统计数据（月、季度、年）
• 世界银行、国际货币基金组织IMF,经合组织OECD的统计数据（月、季度、年）

计算原理

• 统计信息分析：
• 变量信息熵(Info Content): 香农熵测度，反映无序度
• 变量稳健度（Robustness): Kolmogorov-Smirnov病态性检验，反映偏离正态分布的程度
• 离群值分析（Outlier): 通过马氏距离分析离群点，识别小概率事件和风险
• 系统结构分析：
• 非线性相关性（Generalized Correlation):基于互信息测度进行非线性相关性计算，由于传统Pearson、Spearman等级相关系数和Kendall(肯德尔)的tau相关系数
• 状态空间图（Anthill Plot):动态查看所有变量和变量组数据序列形态
• 系统图（System Map)描述系统所有状态变量之间的依赖关系和模式，包含的知识远远超过传统函数描述：
• 节点(Node)代表参数，呈对角线排列
• 节点之间的连线(Link)代表关联规则和信息流
• 核心节点（Hub)是与其他节点关联最紧密的关键参数


• 复杂度贡献图 (Complexity Profile)：反映所有状态变量对系统整体复杂性的贡献
• 系统结构稳健度（Topological Robustness):反映系统整体结构稳健性的量化指标
• 系统度分布（Degree Histogram):反映所有变量之间耦合强弱的排序，可以识别核心参数和脆弱点

典型客户

• 投资机构
• 跨国企业
• 政府机构等