A instabilidade financeira é tradicionalmente medida usando indicadores como níveis de volatilidade, índices de estresse financeiro ou erros de previsão, limitando a capacidade de capturar as propriedades condicionais de estado e distribucionais das dinâmicas de mercado. Neste estudo, a instabilidade financeira é reformulada como desvios da distribuição de retorno condicional sob o estado macro-financeiro prevalente. Para operacionalizar esta formulação, um estado macro-financeiro latente é estimado usando um Modelo de Fator Dinâmico e integrado com os retornos do KOSPI através de uma estrutura de modelagem de densidade condicional baseada em IA, consistindo em um Autoencoder Variacional Condicional de Tempo combinado com uma densidade de fluxo spline-condicional. A instabilidade financeira é então medida como a log-verossimilhança negativa do retorno observado sob a densidade condicional estimada. O índice resultante alinha-se com benchmarks estabelecidos como o Índice de Volatilidade CBOE e o Índice de Instabilidade Financeira da Coreia do Sul, enquanto captura anomalias distribucionais dependentes do estado que não estão totalmente refletidas em medidas convencionais baseadas em volatilidade. Exibe sensibilidade aumentada a períodos de estresse financeiro agudo e identifica anomalias dependentes do estado que permanecem em grande parte não detectadas por indicadores existentes. A estrutura proposta estabelece uma interpretação probabilística e consciente da distribuição da instabilidade financeira, fornecendo uma base interpretável para gestão sustentável de risco financeiro e resiliência financeira de longo prazo além de abordagens tradicionais baseadas em volatilidade.
Jeon et al. (Quarta-feira,) estudaram esta questão.