(2011年)因不基于真实数据而受到限制。关于系统性风险的学术研究主要局限于公开的不完整数据,因此,银行间市场的分析会对不可观察的关系做出假设。许多论文表明,当基于完整数据与假设观察到的关系时,分析和结论存在显著差异,甚至产生误导性结果,例如Mistrulli(2011)和Cont et al.(2013)。以研究为基础的监管机构受益于获取与systemicrisk相关的新监管数据集。然而,这些是最近开始的,并在相关数据的定义和范围方面不断完善。例如,英国银行间风险监管数据集,自2012年初金融服务管理局(FSA)通过审慎监管局(PRA)于2013年年中收集的当前第四次数据请求收集第一次报告以来,恢复和处置计划(FSA,2011)以及提交模板和说明都在不断完善,同时考虑到英国银行的反馈以及金融稳定委员会(FSB)等国际监管机构的发展。
(2013),捕获具有多个子网和连接层的复杂网络。将张量框架形式化,以研究多层网络并推广网络描述符。它尚未应用于系统风险建模,但它将允许我们充分扩展Langfield et al.(2012)的银行间网络建设,同时将其纳入多层风险源,如无担保贷款、有担保贷款、有价证券、净信用违约掉期、证券融资交易、,和衍生产品按衍生产品类型披露。这种形式化将进一步允许我们重新计算单一工具度量,例如Martinez Jaramillo et al.(2012)中建议的中心度度量和Markose et al.(2012)中提出的超级撒布税,现在基于复杂网络或该网络内的任何范围。此外,网络中每一层的规范张量可以基于宏观经济指标和金融市场指标进行评估,而邻接张量也包括银行间风险敞口。因此,较低的基础结构将影响观察到的银行间风险敞口结构。接下来,现在包含在多层网络中的每一种工具都在不同的市场上交易,我们可以放大一种工具的层次,将银行视为交易主体。我们可以通过将适应共存交易所的超图市场结构(Malamud和Rostek,2013)转换为张力形式化,在该层下引入额外的层。这将允许我们在同一结构内模拟影响系统性风险网络形成的市场。
Malamud和Rostek(2013)仅在市场层面上工作,并假设战略交易员,但不使用真实数据进行分析。另一方面,模拟可以基于彭博数据库和最近开发的监管SABRE数据库的样本,该数据库最初由FSA维护,现在由PRA维护,包含交易价格、规模、时间、地点和交易对手的信息。这将允许从数据中识别不同类型的战略交易员,并提高模拟的质量。例如,Benos和Sagade(2012)使用彭博社和SABRE数据库中的样本分析市场结构。令人信服的是,我们认为市场结构有助于整体系统性风险结构,并影响系统性风险网络其他层次的结构。如(Thurner et al.,2012)所述,一些工具中的市场可以扩大,以包括明确允许杠杆的参与者和策略。作为本文的最后一点,有合理的论据表明,尚未提出任何方法来捕捉系统性风险结构随时间的演变,并且如(Serguieva 2012、2013)所述,尚待开发一个适用于广泛系统性风险知识领域实例化的领域表示框架。我们支持关于结构进化的观点,即结构本身与结构相沟通。Braha和Bar Yam(2010)研究了与时间相关的网络,认为静态网络分析会丢失嵌入动态网络中的宝贵信息,网络遵循“多尺度”动态,其中结构在时间尺度和加班时间之间存在显著差异,因此有必要采取更灵活的监控和中心性评估策略。
这项研究基于单层社交网络,现在有必要检查这些结论与多层银行间风险敞口网络的相关性。将进一步研究(De Domenico et al.,2013;Gomez et al.,2013)中的扩散方程,它们可以解释层内和层间扩散,并可以研究复杂网络中的时间尺度,因为层间连接可以在系统组件之间产生新的结构和动力学关联,并影响信息扩散。为了下一步捕捉不完全信息下结构的演化,我们将研究(Minku和Yao,2012)作为知识发现方法处理多层网络中结构漂移的适用性。上述方法有助于推广依赖时间的多层网络和动态过程。通过为更广泛的系统性风险知识领域开发一个表示框架,将其扩展到银行系统之外,包括金融部门,并与实体经济联系起来,进一步推广。作为第一步,在与银行间风险敞口相对应的张力多层网络中引入银行系统以外的影响。可以通过基于包括宏观经济变量在内的因素的主成分分析,确定每一层的规范基础,即每种类型的暴露。因此,经济结构和周期性将影响系统风险结构。此外,当放大每个风险敞口工具的层面并展示该工具的市场时,相应的市场结构和杠杆效应将影响系统性风险结构。