The Causes of Symmetry and Asymmetry Network Spillover in the Futures Market by Deep Learning 深度学习视角下期货市场网络溢出对称性与非对称性的成因

光华讲坛——社会名流与企业家论坛第6670期

主题：The Causes of Symmetry and Asymmetry Network Spillover in the Futures Market by Deep Learning 深度学习视角下期货市场网络溢出对称性与非对称性的成因

主讲人：暨南大学经济学院 陈创练教授

主持人：西南财经大学中国金融研究院副院长 董青马教授

时间：11月22日15:30-16:30

举办地点：格致楼618

主办单位：中国金融研究院

主讲人简介：

陈创练，暨南大学经济学院金融系教授、博导、系主任，暨南大学南方高等金融研究院副院长、暨南大学国际学院副院长。主持国家社科基金重大招标项目、国家社科基金重点项目、国家自然科学基金（3项）以及教育部人文社科基金（2项）等20项国家级/省部级课题，曾任中国社会科学院和香港招商局博士后、新加坡南洋理工大学公派访问学者。在《经济研究》（7篇）、《金融研究》、《世界经济》、《中国工业经济》、《统计研究》以及The World Economy、China Economic Review（2篇）等发表论文70余篇，在《经济日报》、《中国社会科学报》等发表多篇时评论文。出版《金融风险管理》（中国人民大学出版社）、《金融建模：理论与实验》（北京大学出版社）等教材。研究方向：金融风险管理、财政金融学。

内容简介：

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.

网络分析方法在考察期货合约的波动相互作用方面起着至关重要的作用。传统的网络构建技术通常依赖方差分解方法或向量自回归（VAR）模型。本文引入了一种新颖的深度学习方法：图神经网络（GNNs）。这些模型能够自主学习网络关系，从而深入了解中国期货市场内的波动相互作用。这里提出的 MIDAS-TGCN 模型不仅在预测能力上超越了传统方法，还通过网络节点中心性和连接性指标阐明了重大事件对期货市场的影响。

此外，MIDAS-TGCN 模型旨在推导非对称网络中的连接性，以便能够分析具有正负回报的网络连接性。通过分析各种网络的静态和动态特征，我们揭示了金融期货和商品期货在网络连接性和影响因素方面的显著差异。具体而言，我们观察到网络连接性与金融政策和政治不确定性水平之间存在显著正相关，而商品期货则表现出显著负相关。此外，我们研究了期货市场内波动溢出与风险溢价之间的相互作用。本研究建立的模型表明，波动溢出对商品期货的期限溢价有重大影响。