系统性风险学术分析

核心理论

动荡指数使用马氏距离测量当前市场状态相对于历史分布的统计异常程度。 该方法同时考虑资产回报的均值偏离和协方差结构变化，能识别隐藏的系统性冲击。

计算方法

• d²ₜ = (rₜ - μ)' Σ⁻¹ (rₜ - μ)
• rₜ = 当期回报向量，μ = 历史均值
• Σ = 历史协方差矩阵
• d² 服从 χ² 分布，可统计检验

投资应用

当动荡指数超过χ²(95%)临界值时，表明市场处于异常状态，建议降低风险敞口。 持续低动荡期可能预示市场即将转向，需保持警惕。

核心理论

GZ利差将信用利差分解为预期违约损失和超额利差（EBP）。 EBP反映市场风险偏好和流动性状况，是金融条件的前瞻性指标，能预测经济衰退。

计算方法

• 信用利差 = 公司债收益率 - 无风险利率
• Spread = Expected Default + EBP
• 使用Merton模型估计预期违约
• EBP = 实际利差 - 模型预测利差

投资应用

信用利差扩张通常预示经济衰退，是减仓信号。利差收窄时， 可增加高收益债配置。历史上利差超过800bps为危机信号。

核心理论

EPU指数通过文本挖掘技术，统计主流媒体中关于政策不确定性的报道频率。 高EPU导致企业推迟投资、消费者延迟购买，是宏观经济和股市的领先指标。

计算方法

• 搜索关键词：{economic, economy, uncertain}
• + 政策词：{regulation, deficit, Fed, legislation}
• 10家主流报纸全文检索统计
• 标准化处理，100为历史均值

投资应用

EPU超过200时，建议增加防御性资产。低于50时， 可增加成长股和周期股配置。选举年EPU通常较高。

核心理论

如果X的过去值能显著改善对Y的预测，则称X格兰杰引起Y。 通过构建多变量因果网络，识别系统性风险传染路径和核心传染源。

计算方法

• 对每对变量(X,Y)估计VAR模型
• H₀: X不格兰杰引起Y（系数为0）
• F检验，显著性水平α=0.05
• 构建有向网络，计算连通性指标

投资应用

网络连通性超过50%时，系统性风险上升，各市场联动加强。 识别核心传染源，有助于构建对冲策略。