宏观经济变量相关结构与聚类的探索
风险管理
2024-05-22 v3
摘要
作为对复杂经济的定量刻画，宏观经济变量（Macroeconomic Variables, MEVs），包括 GDP、通货膨胀、失业、收入、支出、利率等，在银行投资组合管理与压力测试中发挥着至关重要的作用。近年来，尤其在 COVID-19 期间及当前的高通胀环境下，人们频繁讨论 MEVs 不断变化的“相关结构”。在本文中，我们使用一种基于主成分的算法对 MEVs 进行无监督聚类，从而能够量化并更好地理解 MEVs 在任意给定时期的相关结构。我们还演示了如何利用该方法可视化 2000 年至 2022 年间 MEVs 历史模式的变化。进一步地，我们利用该方法比较了不同的假想和/或历史宏观经济情景，并给出了我们的主要发现。其中一个有趣的观察结果是，对于从覆盖美国经济 5 个不同方面的 44 个目标 MEVs 衍生出的 132 个变换列表（其中包含 FRB 公布的 10 多个关键 MEVs 作为子集），与正常年份通常有 20-25 个聚类相比，在次贷危机（GFC）期间（即 2007-2010 年），它们表现出更加同步且分化程度更低的活动模式，形成大约 15 个聚类。我们在假想的 CCAR2023 FRB 情景中也看到了这种对比，其中严重不利情景有 15 个聚类，而基准情景有 21 个聚类。我们对这一观察结果进行了解释，并希望这项研究能够启发并惠及全球不同领域的研究人员。
引用
@article{arxiv.2401.10162,
title = {An Exploration to the Correlation Structure and Clustering of Macroeconomic Variables},
author = {Garvit Arora and Shubhangi Tiwari and Ying Wu and Xuan Mei},
journal= {arXiv preprint arXiv:2401.10162},
year = {2024}
}