[論文レビュー] A systematic review of early warning systems in finance

Ali Namaki, Reza Eyvazloo+1 more|arXiv (Cornell University)|Sep 30, 2023

Stock Market Forecasting Methods被引用数 4

ひとこと要約

本系統的レビューでは、1976年から2023年までの616件のファイナンス関連の早期警戒システム（EWS）研究を分析し、2006年以降に機械学習手法へのシフトが見られた。4つの主要な研究クラスタ―（破産予測、銀行および為替危機、新興市場、機械学習予測）を特定し、予測精度とシステムの頑丈さを向上させるために、マクロ経済的、ミクロ経済的、および代替データ（例：SNS、ニュースセンチメント）の統合を推奨する。

ABSTRACT

Early warning systems (EWSs) are critical for forecasting and preventing economic and financial crises. EWSs are designed to provide early warning signs of financial troubles, allowing policymakers and market participants to intervene before a crisis expands. The 2008 financial crisis highlighted the importance of detecting financial distress early and taking preventive measures to mitigate its effects. In this bibliometric review, we look at the research and literature on EWSs in finance. Our methodology included a comprehensive examination of academic databases and a stringent selection procedure, which resulted in the final selection of 616 articles published between 1976 and 2023. Our findings show that more than 90\% of the papers were published after 2006, indicating the growing importance of EWSs in financial research. According to our findings, recent research has shifted toward machine learning techniques, and EWSs are constantly evolving. We discovered that research in this area could be divided into four categories: bankruptcy prediction, banking crisis, currency crisis and emerging markets, and machine learning forecasting. Each cluster offers distinct insights into the approaches and methodologies used for EWSs. To improve predictive accuracy, our review emphasizes the importance of incorporating both macroeconomic and microeconomic data into EWS models. To improve their predictive performance, we recommend more research into incorporating alternative data sources into EWS models, such as social media data, news sentiment analysis, and network analysis.

研究の動機と目的

• 過去50年間にわたり、ファイナンス分野における早期警戒システム（EWS）の進化と現状を包括的な文献計測分析を通じてマッピングすること。
• 過去50年間にわたり、EWS開発における支配的で主要な研究クラスターや方法論的トレンドを同定すること。
• 機械学習と代替データソース（例：SNS、ニュースセンチメント）の増加する役割が、EWSのパフォーマンス向上に与える影響を評価すること。
• データ品質、バイアス、EWSモデルにおける定性的要因の統合といった、主な課題を強調すること。
• システミックリスク、銀行、為替、新興市場の文脈において、EWSの信頼性と予測精度を向上させるための実行可能な研究方向性を提示すること。

提案手法

• 1976年から2023年までのファイナンス分野のEWSに関する学術論文を特定するため、Scopusデータベースを用いた系統的文献レビューを実施した。
• 関連性と方法論的厳密性に基づき、厳格な選定プロセスを適用した結果、分析対象として616件の高品質な論文が選定された。
• 文献計測的手法を用いて、研究を4つのクラスタ―に分類した：破産予測、銀行および為替危機、新興市場、機械学習予測。
• 時間的トレンドを分析した結果、90％以上が2006年以降に発表されており、2008年危機以降の研究関心の上昇を示している。
• 経済計量モデル、ネットワーク分析、機械学習アルゴリズム（例：SVM、ANN、アンサンブル手法）がEWS設計にどのように用いられているかを評価した。
• SNS、ニュースセンチメント、ネットワーク構造などの代替データソースがEWSモデルに統合される可能性を評価した。

実験結果

リサーチクエスチョン

• RQ1 1976年から2023年までのファイナンス分野における早期警戒システムの支配的で主要な研究クラスターや方法論的トレンドは何か？
• RQ2 EWS開発における機械学習手法の使用はどのように変化したのか。また、予測精度に与える影響は何か？
• RQ3 マクロ経済的およびミクロ経済的データはどの程度EWSモデルに統合されており、パフォーマンスに与える影響は何か？
• RQ4 SNS、ニュースセンチメント、ネットワーク分析などの代替データソースは、EWSの能力強化に果たす役割は何か？
• RQ5 データ品質、バイアス、モデル妥当性の難しさといった主な課題（例）は、EWSモデルの信頼性と実用的導入を妨げる要因となるか？

主な発見

• 616件のEWS研究の90％以上が2006年以降に発表されており、2008年ファイナンス危機以降の研究関心の急増を示している。
• サポートベクターマシン（SVM）、アーティフィシャルニューラルネットワーク（ANN）、アンサンブル手法といった機械学習手法は、従来の経済計量モデルに比べ、優れた予測精度を示している。
• マクロ経済的およびミクロ経済的データを統合することで、金融安定のより包括的な視点が得られ、EWSのパフォーマンスが顕著に向上する。
• SNSのセンチメントやニュース分析といった代替データソースは、市場センチメントや初期のリスクサインを検出する上で強く有望な可能性を示しているが、統合は依然として困難である。
• 金融機関間の相互接続性を分析するネットワークベースのEWSモデルは、システミックリスクを検出するためにますます多く用いられており、金融システムの相互依存性の認識が高まっていることを反映している。
• 技術的進歩にもかかわらず、データ品質、代替データにおけるバイアス、定性的要因の統合の難しさといった課題は、信頼性あるEWSの導入を妨げる主要な障壁のままである。