全球金融网络中的结构和因果关系

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Structure and causality relations in a global network of financial
  companies》
---
作者：
Leonidas Sandoval Junior
---
最新提交年份：
2013
---
英文摘要：
  This work uses the stocks of the 197 largest companies in the world, in terms of market capitalization, in the financial area in the study of causal relationships between them using Transfer Entropy, which is calculated using the stocks of those companies and their counterparts lagged by one day. With this, we can assess which companies influence others according to sub-areas of the financial sector, which are banks, diversified financial services, savings and loans, insurance, private equity funds, real estate investment companies, and real estate trust funds. We also analyzed the causality relations between those stocks and the network formed by them based on this measure, verifying that they cluster mainly according to countries of origin, and then by industry and sub-industry. Then we collected data on the stocks of companies in the financial sector of some countries that are suffering the most with the current credit crisis: Greece, Cyprus, Ireland, Spain, Portugal, and Italy, and assess, also using transfer entropy, which companies from the largest 197 are most affected by the stocks of these countries in crisis. The intention is to map a network of influences that may be used in the study of possible contagions originating in those countries in financial crisis.
---
中文摘要：
这项工作使用了世界上197家市值最大的公司在金融领域的股票，并使用转移熵研究了它们之间的因果关系。转移熵是使用这些公司的股票及其落后一天的同行计算得出的。我们可以根据金融、房地产、保险、房地产和其他领域的投资，对储蓄和其他领域进行评估。我们还分析了这些股票与基于这一衡量标准形成的网络之间的因果关系，验证了它们主要根据原产国，然后根据行业和子行业进行集群。然后，我们收集了一些受当前信贷危机影响最大的国家（希腊、塞浦路斯、爱尔兰、西班牙、葡萄牙和意大利）金融部门公司的股票数据，并使用转移熵评估了197家最大的公司中受这些危机国家股票影响最大的公司。其目的是绘制一个影响网络图，用于研究源自金融危机国家的可能传染。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Structure_and_causality_relations_in_a_global_network_of_financial_companies.pdf (855.17 KB)

2022-5-5 03:22:39 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：因果关系 全球金融 金融网 Quantitative relationship

全球金融公司网络中的结构和因果关系。Leonidas Sandoval JuniorInsper，Instituto de Ensino e Pesquisaober 2018年10月1日摘要这项工作使用了世界上197家最大的公司在金融领域的股票，以市值计算，并使用转移熵来研究它们之间的因果关系，转移熵是通过计算这些公司和它们的同行落后一天的股票来计算的。有了这些，我们可以根据金融部门的子领域来评估哪些公司会影响其他公司，这些子领域包括银行、多元化金融服务、储蓄和贷款、保险、私募股权基金、房地产投资公司和房地产信托基金。在此基础上，我们还分析了这些股票与它们所形成的网络之间的因果关系，验证了它们主要根据原产国，然后按行业和子行业进行集群。然后，我们收集了希腊、塞浦路斯、爱尔兰、西班牙、葡萄牙和意大利等受当前信贷危机影响最大的国家金融部门公司的股票数据，并使用转移熵评估了最大197家公司中受这些危机国家股票影响最大的公司。其目的是绘制一个影响网络图，用于研究金融危机国家可能产生的传染病。1简介2009年，英格兰银行金融稳定执行董事安德鲁·G·霍尔丹（Andrew G.Haldane，2009）在阿姆斯特丹金融学生协会的演讲中呼吁重新思考金融网络，即银行与其他金融机构之间的联系形成的网络。

他警告说，在过去几十年中，这个网络变得更加复杂，多样性降低，这些事实可能导致了2008年的危机。据他说，金融市场的理论家和实践者相信，金融公司之间的联系意味着风险分散和分散，但进一步的研究表明，具有一定复杂性的网络呈现出一种稳健但脆弱的结构，许多机构之间共享冲击可能会抑制危机，但由于公司之间的联系，它们也可能传播得更快更远。需要考虑的另一个问题是，金融网络中的一些节点与其他节点连接非常紧密，而一些节点连接较少。因此，高度连接节点的故障可能会将小危机传播到网络中的许多其他节点。另一个因素是金融网络的小世界属性，通过普通合伙人或合伙人的普通合伙人之间的关系，一家公司与另一家公司的距离不远。这种互联网络也更容易出现恐慌、信贷额度收紧和资产出售困境，其中一些原因是不确定谁是破产公司的对手。由于一些财务创新，风险现在由许多方共同承担，其中一些方并不完全了解已分区的adebt的所有细节，风险被分解，然后重新组合成包，然后再转给其他方。这使得分析单个机构的风险变得困难，因为这些机构的债务涉及越来越多的合作伙伴的风险，因此它们自己也不完全清楚。另一个重要方面是多样性的丧失，当大量机构在追求回报和风险管理中采用相同的策略时，多样性的丧失会增加。

金融公司使用相同的模型，使用相同的金融工具，目标相同。在同一次演讲中，霍尔丹指出了一些可以提高金融网络稳定性的方向。数据收集和网络共享意味着什么。这种分析需要包括一些技术，这些技术不仅要像大多数计量经济学技术那样关注单个企业，还要关注网络本身，使用为其他领域开发的网络技术，如生态地理学或流行病学。第二个是利用这些知识来适当地管理这个网络。第三是重建金融网络，消除或强化薄弱环节。所有这些都需要更好地理解金融机构之间的联系，以及这些联系如何影响金融网络的拓扑结构。本文有助于霍尔丹指出的第一个方向，即理解国际金融网络。我们通过计算全球197家最大金融公司股票的每日回报率，计算出两种类型的网络，即在流动性过滤器中存活下来的市值。这些机构不仅包括银行，还包括多元化金融服务、保险公司、一家投资公司、一家私募股权公司、房地产公司、房地产投资信托基金（REIT）以及储蓄和贷款机构。我们使用每日收益率来构建网络，因为我们认为阿斯托克的价格编码了大量与之相关的公司信息，这些信息超出了公司资产和负债的信息。

此外，我们认为，更有趣的是研究股票价格对其他股票价格的影响，比如金融危机的传播，而不是违约的蔓延，因为违约通常是通过向银行注入外部资本来避免的事件。第一个网络是基于这些股票的对数回报之间的相关性建立的，第二个网络是使用转移熵建立的，转移熵是信息科学中首次开发的一种度量方法。第一个网络是无向网络，表示股票的共同运动，第二个网络是有向网络，揭示股票之间的因果关系。根据不同的中心性标准，这两个网络用于确定哪些节点是最中心的节点。我们还扩大了通过转移熵获得的原始网络，以包括一些欧洲国家金融公司的流动性最强的股票，这些公司最近因面临不同程度的经济危机而备受关注，并确定哪些是世界上受这些股票价格变动影响最大的主要金融公司，哪些属于危机国家的股票影响最大。有大量关于金融机构网络中冲击传播的文献，描述这一主题的所有已发表作品超出了本文的范围。因此，我们在此仅列举被认为是金融机构网络中的开创性工作的文章和该领域的一些评论文章。

这一领域的大部分工作可分为理论和实证两部分，其中大多数考虑的是银行网络，它们之间的联系建立在借贷的基础上。在大多数理论工作中，网络是根据不同的拓扑结构（随机、小世界或scalefree）构建的，默认值的传播是在这些拓扑结构上研究的。结论是，一般而言，小世界或无规模网络比随机网络对级联（冲击传播）更具鲁棒性，但如果最核心的节点（通常是连接更多的节点）本身没有足够的资金支持，它们也更容易传播危机。大多数实证研究也基于银行间借贷产生的结构，它们表明，这些网络呈现出核心-外围结构，很少有银行占据中心位置，联系更紧密，其他银行则居住在联系较少的社区。这些文章表明，如果核心银行抵抗力不足，这种结构也可能导致级联，2008年危机后，网络结构发生了很大变化，连接银行的数量减少，拓扑结构更稳健，可以抵御冲击传播。艾伦和盖尔（Allen and Gale，2000）的研究被认为是第一个涉及这一主题的研究，作者将金融传染建模为一种均衡现象，并得出结论：均衡是脆弱的，流动性冲击可能会通过网络传播，级联事件取决于银行间区域间债权结构的复杂性。在他们的模型中，他们使用了四个不同的地区，这些地区可能被视为具有某些特定专业的银行集团。

他们关注的是一个传染渠道，即银行系统不同地区或部门之间相互重叠的主张。根据他们的说法，另一个未被考虑的传染渠道是特工之间的不完整信息。例如，如果一个区域的冲击信息被用作其他区域冲击的预测，则该区域的冲击信息可能会在另一个区域产生自填充冲击。另一种可能的传染渠道是货币市场对冲击从一个国家传播到另一个国家的影响。结果显示，金融危机的蔓延在很大程度上取决于网络的拓扑结构。一个完全连接的网络能够更有效地吸收冲击，而一个仅限于自身连接不好的特定区域的强连接网络更容易传播冲击。后来，艾伦和巴布斯（2009）回顾了金融市场危机传播网络方法的进展。他们得出的结论是，迫切需要对金融网络进行实证研究，以便更好地理解现代金融系统，网络视角不仅要考虑金融部门内部或金融部门与其他部门之间的各种联系，还要考虑这些联系的质量。Upper（2011）对各种金融数据使用的各种模拟方法进行了研究，以研究金融网络中的传染，并对使用的各种方法进行了比较。本文的结构如下。第2节解释了本文使用的数据和一些方法。

第3节使用股票之间的相关性来举例说明一些用于传递熵的技术，但这是在一个更熟悉的背景下进行的。第4节解释了转移熵，并将其用于研究金融机构存量之间的因果关系。根据不同的中心性标准，该部分还强调了哪些股票是最核心的股票。第5节研究欧洲危机国家与最大金融机构之间的关系，分析哪些股票受危机国家股票走势的影响更大。最后，第6节给出了一些结论和未来可能的工作。2数据和方法为了根据金融部门的市值选择合适的顶级股票时间序列，我们使用了标准普尔1200全球指数，这是一种涵盖31个国家股票的自由浮动加权股票市场指数。根据彭博社的分类，属于该指数的股票约占世界股票市场总市值的70%，其中200只属于金融部门。从中，我们提取了197只在纽约证券交易所（NYSE）工作日内有足够流动性的股票。从197只股票中，79只属于美国，10只属于加拿大，1只属于智利，21只属于英国，4只属于法国，5只属于德国，7只属于瑞士，1只属于奥地利，2只属于荷兰，2只属于比利时，5只属于瑞典，1只属于丹麦，1只属于芬兰，1只属于挪威，6只属于意大利，4只属于西班牙，1只属于葡萄牙，1只属于希腊，12只属于日本，9只属于香港，1只属于韩国，1只属于台湾，3只属于新加坡，18只属于澳大利亚。

附录A列出了这些股票及其按行业和子行业的分类。我们计算了每只股票的每日收盘价，并将所有197只股票的时间序列与纽约证券交易所的时间序列进行了比较，纽约证券交易所作为基准，因为它是迄今为止世界上主要的证券交易所。如果一只股票的时间序列中的一个元素出现在纽约证券交易所未开市的那一天，那么这个元素将从时间序列中删除，如果一只股票的时间序列中的一个元素没有出现在纽约证券交易所运作的那一天，那么我们重复前一天的收盘价。我们的想法是，不要删除时间序列中太多的天数，例如，删除某一天的所有收盘价，因为证券交易所没有运行。我们选择的方法对于那些周末与西方国家（如穆斯林国家或以色列）不同的国家的股票尤其不利，但由于我们的集合中没有股票属于这些国家，因此周末的差异在这里并不相关。对数据进行组织，以便将同一国家的股票放在一起，然后根据彭博社使用的分类，按行业和子行业区分股票。

从197只股票中，80只属于银行，27只属于多元化金融服务，50只属于保险公司，1只属于投资公司，1只属于私募股权，8只属于房地产公司，28只属于REIT（房地产投资信托），2只属于储蓄和贷款。ASLN=平仓时间序列中的平仓价格，我们考虑平仓时间序列中的平仓价格- ln（Pt）-1） ，（1）其中，PTI是股票在t日和Pt日的收盘价-1是同一股票在t日的收盘价- 1.由于被考虑的股票属于不同时运行的股票市场，我们遇到了滞后或部分股票不存在的问题。Sandoval（2012a）在处理全球股票市场的股票市场指数时指出，除了日本和美国之外，一个指数是否必须滞后于另一个指数并不十分清楚。一个解决方案是在同一个框架中使用原始指数和滞后指数，并像滞后指数是不同的那样进行所有计算。同样的程序也将在这里被用来计算所选股票收盘价的对数回报率，因此我们将处理2×197=394的时间序列。3相关性我们对数据的第一次分析基于股票之间熟悉的相关性结构。将使用相关性来建立一些方法，稍后将遵循这些方法来计算传递熵。利用197只股票市值最大的股票及其滞后对手的对数收益时间序列来计算相关矩阵C，其元素与stocksi和j之间的相关性相关联。