[论文解读] Endogenous versus Exogenous Crashes in Financial Markets

Anders Johansen, Didier Sornette|arXiv (Cornell University)|Oct 23, 2002

Complex Systems and Time Series Analysis参考文献 17被引用 7

一句话总结

本文提出了一种对金融崩盘的系统性分类，将其分为内生性（由具有对数周期幂律特征的投机泡沫驱动）和外生性（由外部冲击触发）两类。通过结合粗粒度回撤分析与LPPS检测，该研究在主要市场中识别出25起内生性崩盘和22起外生性崩盘，支持了大多数大规模崩盘源于市场内部不稳定性而非新闻事件的假设。

ABSTRACT

We perform an extended analysis of the distribution of drawdowns in the two leading exchange markets (US dollar against the Deutsmark and against the Yen), in the major world stock markets, in the U.S. and Japanese bond market and in the gold market, by introducing the concept of ``coarse-grained drawdowns,'' which allows for a certain degree of fuzziness in the definition of cumulative losses and improves on the statistics of our previous results on the existence of ``outliers'' or ``kings.'' Then, for each identified outlier, we check whether log-periodic power law signatures (LPPS) are present and take the existence of LPPS as the qualifying signature for an endogenous crash: this is because a drawdown outlier is seen as the end of a speculative unsustainable accelerating bubble generated endogenously. In the absence of LPPS, we are able to identify what seems to have been the relevant historical event, i.e., a new piece of information of such magnitude and impact that it is seems reasonable to attribute the crash to it, in agreement with the standard view of the efficient market hypothesis. Such drawdown outliers are classified as having an exogenous origin. Globally over all the markets analyzed, we identify 49 outliers, of which 25 are classified as endogenous, 22 as exogeneous and 2 as associated with the Japanese anti-bubble. Restricting to the world market indices, we find 31 outliers, of which 19 are endogenous, 10 are exogenous and 2 are associated with the Japanese anti-bubble. The combination of the two proposed detection techniques, one for drawdown outliers and the second for LPPS, provides a novel and systematic taxonomy of crashes further subtantiating the importance of LPPS.

研究动机与目标

• 区分由市场内部动态（内生性）引起的金融崩盘与由外部新闻冲击（外生性）引起的金融崩盘。
• 通过检验大规模崩盘是否可从市场行为中预测或由不可预见事件驱动，回应市场有效性之争。
• 通过引入粗粒度回撤以增强稳健性，改进极端市场事件的统计检测。
• 验证对数周期幂律特征（LPPS）作为内生性崩盘预测指标的作用。
• 通过双方法检测（异常回撤与LPPS存在性）提供崩盘的系统性分类体系。

提出的方法

• 提出'粗粒度回撤'，以在累积损失定义中引入统计模糊性，从而提升传统回撤方法的稳健性。
• 应用极值理论识别回撤异常值——即显著大于市场损失主体部分的事件。
• 将对数周期幂律特征（LPPS）作为内生性崩盘的诊断工具，基于先前研究中LPPS与加速投机泡沫之间的关联。
• 若在崩盘前检测到LPPS，则将崩盘归类为内生性；否则归类为外生性，假设其源于外部冲击。
• 分析包括外汇、股票、债券和黄金在内的11个金融市场的多个时间段，使用高频收盘价。
• 使用统计阈值定义异常值，并应用LPPS拟合以检测崩盘前的价格加速动态。

实验结果

研究问题

• RQ1 能否基于其统计特性，将大规模金融崩盘与较小的市场调整在统计上区分开？
• RQ2 金融市场的最大回撤是否表现出与内生性泡沫破裂或外生性冲击一致的特征？
• RQ3 对数周期幂律特征（LPPS）的存在是否是内生性崩盘（由投机泡沫驱动）的可靠指标？
• RQ4 外部冲击（如地缘政治事件或全球传染）在无预先存在的LPPS的情况下，能在多大程度上解释主要市场崩盘？
• RQ5 回撤异常值检测与LPPS分析的结合，如何提升在多样化金融市场中对崩盘成因分类的准确性？

主要发现

• 在全球主要金融市场上共识别出49个回撤异常值，其中25个被归类为内生性（因存在LPPS），22个为外生性（无LPPS，归因于外部冲击）。
• 在世界市场指数中，共发现31个异常值：19个内生性，10个外生性，另有2个与日本去泡沫阶段相关。
• 1987年德国DAX和日本日经指数的崩盘被归类为外生性，尽管存在全球市场传染，但因缺乏LPPS。
• 美国国债市场在1984年显示出显著的LPPS信号但未发生崩盘，表明制度转变可能需要超越LPPS的额外建模。
• 香港和伦敦股市表现出较高的内生性崩盘率（分别为6/8和4/4），表明存在强烈的投机泡沫动力学。
• 黄金市场和日本政府债券市场结果混杂，各有2起内生性和2起外生性异常值，表明市场机制各异。