具有可变资产回报的金融传染模型可能是

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：
《A model of financial contagion with variable asset returns may be
  replaced with a simple threshold model of cascades》
---
作者：
Teruyoshi Kobayashi
---
最新提交年份：
2014
---
英文摘要：
  I show the equivalence between a model of financial contagion and the threshold model of global cascades proposed by Watts (2002). The model financial network comprises banks that hold risky external assets as well as interbank assets. It is shown that a simple threshold model can replicate the size and the frequency of financial contagion without using information about individual balance sheets. Keywords: financial network, cascades, financial contagion, systemic risk.
---
中文摘要：
我展示了金融传染模型和Watts（2002）提出的全球级联阈值模型之间的等价性。模型金融网络包括持有风险外部资产和银行间资产的银行。研究表明，一个简单的阈值模型可以复制金融传染的规模和频率，而无需使用有关单个资产负债表的信息。关键词：金融网络、级联、金融传染、系统性风险。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
--> A_model_of_financial_contagion_with_variable_asset_returns_may_be_replaced_with_.pdf (136.98 KB)

2022-5-5 08:17:03 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：Quantitative Applications Equivalence QUANTITATIV Application

具有可变资产回报率的金融传染模型可以替换为cascadesTeruyoshi Kobayashi的简单阈值模型1*神户大学经济研究生院，地址：日本神户657-8501，那田罗科代2-1号。电子邮件：kobayashi@econ.kobe-u、 ac.jpTel，传真：+81-78-803-6692摘要我展示了金融传染模式与瓦茨（2002）提出的全球级联阈值模型之间的等价性。以及由网络金融资产构成的外部银行。这表明，一个简单的阈值模型可以复制金融传染的规模和频率，而无需使用有关个别资产负债表的信息。关键词：金融网络、级联、金融传染、系统性风险。JEL代码：G01，G18。1.介绍银行违约具有传染性。单一银行的失败可以通过金融网络传播，产生违约级联。在过去几年中，自然科学和社会科学各个领域的许多研究人员，如物理学者、生态学家和经济学家，一直在探讨如何防止金融传染的问题（例如，Nier等人，2007年，Soramaki等人，2007年，Gai和Kapad ia，2010年，Gai等人，2011年，Lenzu和Tedeschi，2012年，Kobayashi，2013年，Kobayas hi and Hasui，2014年）。然而，对于如何构建金融传染模型，研究人员之间没有达成广泛一致。不同的研究小组使用不同的模型，这使得很难就政策含义达成共识。在这封信中，我展示了社会传染模型与瓦茨（2002）提出的广泛使用的全球级联阈值模型之间的等价性。基本上，金融网络模型要求研究人员构建银行余额表。然后，通过依次破坏债权人的银行间资产来检查银行破产的影响。

如果全部借款人中违约借款人的数量超过某个阈值，就会发生第二轮违约。这种机理与瓦茨级联模型密切相关。我表明，只要根据资产的波动性适当定义了违约的“影子”阈值，就没有必要构建银行资产负债表。2模型2。1金融传染模型本文使用的金融传染模型是Gai和Kapadia（2010）的扩展版本。本质区别在于，我考虑了外部资产价值的随机波动。典型银行的资产负债表如图1所示。在theSee Lorenz等人（2009年）和Upper（2011年）的文献调查中，有N家银行。例如，参见Do dds和Watts（2004年）、Gleeson和Cahalane（2007年）、Watts和Dodds（2007年）和Gleeson（2013年）。安全资产：银行间资产：存款：银行间负债：外部风险资产：净值：bidipiaiwi li=pj-ji jFig。1.典型银行的资产负债表。金融市场。银行持有风险外部资产ai、银行间资产li和无风险资产bi。在负债方面，有存款、直接投资、银行间负债、pi和networth、wi。资产负债表条件意味着ai+li+bi=di+-pi+wi。银行通过借贷相互联系。借贷关系的存在表现为一个环节或一条边。在网络理论中，传出链路的数量称为度，而传入链路的数量称为度。链接的方向代表初始贷款时的资金流动。i银行从j银行的借款金额表示为πij′pi，其中πij表示i银行从j银行借款的相对权重，因此Pj6=iπij=1，i=1。

Ni银行的interban k资产总额由li=PNj6=iπji’pj给出。如果\'pi>Xj6=iπjipj+~ai+bi，银行i将默认- di，（1）式中，a和pj分别代表外部资产和银行间负债的事后价值。应该指出的是，存款di之所以被保留，是因为它们比银行间资产优先。在不存在银行间资产损失的情况下，银行因外部资产损失而违约的概率为δ。δ表示基本面违约的概率，这在银行间被认为是常见的。如果j银行破产，那么j银行的债权人将失去他们向j银行提供的所有信贷。其中一些债权人可能会因为银行间资产的损失而破产。因此，j银行债权人的债权人也可能会破产，因为他们反过来会失去向破产银行提供的信贷。鉴于各银行间资产的规模，银行间资产和负债的总规模由银行间网络的结构决定。为确保各银行的基本违约概率相同，外部资产与networth的相对规模是固定的。如果i银行在其负债方有如此多的传入链接，且大于其暂定总资产li+ai+bi，其中“Bide”记录了暂定分配的无风险资产，则添加无风险资产以调整资产方。否则，存款将用于调整负债方。调整后，各银行的资本率wi/（li+ai+bi）可能会有所不同，而暂定资本率wi/（li+ai+bi）≡ γ、 这很常见。interban k总资产与总资产的比率，li/（li+ai+？-bi）≡ θil允许在银行间变化。2.2美国瓦茨全球碳排放模型总结了瓦茨（2002）的临界级联模型。

在这个模型中，网络中的每个节点都有两种状态：“flipped”或“not flipped”。网络是无方向的。让Ki和midenote分别计算节点i的阶数和其重叠邻居的数量。瓦茨模型中的级联行为算法是如果mi>φiki，节点i将失效，否则节点i将失效，其中φi∈ [0，1]是节点i的flip阈值。这意味着节点i将flip的flip邻居的阈值数为φiki, 哪里十、 表示返回小于x的m最大整数的函数。请注意，该调整不会影响基金违约的概率。3金融网络模型和阈值模型之间的等效性在这里，我展示了金融网络模型和第四个reshold模型的修改版本之间的等效性。回想一下，外部资产的事后价值是随机确定的。允许 人工智能≡ ~ai- 所有外部资产的返还。让我们假设个人银行间借贷的金额是常见的。那么，如果ai=0，如果违约借款人的比例超过wi/li. 请注意，如果wi>li，只要内部资产没有损失，就不存在传染性违约的可能性。如果ai6=0，另一方面，违约借款比例的阈值取决于资产回报的实现。如果一家银行从其外部资产中获得正（负）回报，那么它在应对（不太可能）传染性违约时会变得更有弹性。设∧φi为第i列默认值的“阴影”阈值。由此得出∧φi=wi+aili=γθil+艾莉，因为我∈ {1240}i>。（2） 这里，θilis被视为一个参数。因此，如果资产回归，ai，遵循平均零和方差σi的分布，然后阴影阈值φi遵循平均γθi和方差的分布σili. 更一般地说，p.d.f。

定义为fi（·）的φi的值由fi（x）=li·gi（x·li）给出- γli/θil），i∈ {1240}i>。（3） 其中gi（·）是指人工智能。让我们假设资产回报遵循均值为零的正态分布。让我来看看≡ F-1（δ），其中F-1是标准正态分布的逆c.d.f。资产收益率的标准偏差σi，基本违约概率变为δ，用σi表示=-wi~z， 我=-γliθil~z，对于i∈ {1240}i>。（4） 0 1 2 3 4 5 6 7 8 9 1000.10.20.30.40.50.60.70.80.91破产银行的平均度数（a）0 1 2 3 4 5 6 7 8 9 1000.10.20.30.40.50.60.70.80.91平均危机度数（b）BS模型Athreshold模型ABS模型Bthreshold模型BBS模型Athreshold模型ABS模型Bthreshold模型B0 1 2 3 5 6 7 9 1000.10.30.40.50.70.80.91破产银行的平均度数（c） 0 1 2 3 4 5 6 7 8 9 1000.10.20.30.40.50.60.70.80.91平均危机程度（d）BS模型Cthreshold模型CBS模型Cthreshold模型Cthreshold模型CBS模型AFig。2.资产负债表基础模型（BS模型）与相应阈值模型之间的比较。注：“危机”定义为至少5%的银行破产。BSA模型：基线模型。BS模型B：银行间资产占总资产的比率分布在[2,4]上。BS模型C：单个银行同业组合的规模分布在[2,1.8]上。它来自Eqs。（2） d（4）表明阴影阈值φi服从正态分布，平均γ/θi和标准偏差-γ/（θil~z）。通过这种方式，上述基于资产负债表的金融传染模型可以表示为一个简单的阈值模型。直观地说，随着外部资产回报率的降低，影子阈值将变得更小，这意味着银行更容易受到违约传染的影响。

那些价值为负的银行将在一开始倒闭，这与金融传染模型中的基本违约情况相对应。回想一下，z取负值。请注意，Prob（φi<0）=Prob（γθil-γyθilz<0）=F（y<~z）=δ，其中y是标准正态分布的随机变量。我考虑了模型的三种变体：案例A、B和C。在案例A或基线模型中，单个银行间资产的规模是固定的，θil=θl=0.3 f∈ {1240}i>。在情况B中，假设θilis均匀分布在[2,4]上。在案例3中，单个银行间资产的规模在[2,1.8]上均匀分布。在图2中，一个基于资产负债表的传染模型，称为“BS模型”，与相应的阈值模型进行了比较。关于BS模型C，相应的阈值模型修改如下：如果ui>φi，则节点i不闪烁，否则，其中ui∈ [0，1]是被忽略邻居的权重之和。应该指出的是，除非给所有邻居赋予相同的权重，否则uiis不一定等于mi/ki。给定平均度，Erd¨os-R¨enyi（定向）随机网络被创建20次，每个网络结构的资产回报和影子阈值被独立生成1000次。其他参数如下：N=1000，γ=0.1和δ=0.01。图2显示，在所有情况下，一个适当定义的阈值模型可以复制BS模型造成的金融传染的规模和频率。4结论和讨论本函所示的方法将使我们能够在没有关于每个资产负债表的详细信息的情况下分析金融传染。我们需要的是平衡表组件在银行之间的分配。

各种资产负债表参数中的助理收益波动和横截面差异可纳入阈值模型。感谢Kohei Hasui对他出色的研究帮助。感谢KAKENHI 25780203和24243044的财务支持。参考多德，P.S.，瓦茨，D.J.，2004年。广义传染模型中的非传染行为。菲斯。牧师。莱特。92, 218701.Gai，P.，南卡帕迪亚，2010年。金融网络中的传染。过程。罗伊。Soc。A.4662401-2423。Gai，P.，霍尔丹，A.，南卡帕迪亚，2011年。复杂性、集中性和传染性。J.货币。经济部。58(5), 453-470.格雷森，J.P.，2013年。复杂网络上的二元态动力学：配对应用程序的模拟和超越。菲斯。牧师。X.3021004。格雷森，J.P.，新泽西州卡哈兰，2007年。种子大小强烈影响随机网络上的级联。菲斯。牧师。E.75056103。小林，T.，2013年。金融系统中的网络与投资组合结构。欧元。菲斯。J.B.86:434。小林寺，T.，哈苏伊，K.，2014年。有效的免疫策略，以防止金融传染。Sci。代表43834。Lenzu，S.，Tedeschi，G.，2012年。不同银行间网络拓扑的系统性风险。Phys ica A.391（18），4331-4341。洛伦兹，J.，巴蒂斯顿，S.，Shweitzer，F.，2009年。网络上级联过程的统一框架中的系统性风险。欧元。菲斯。J.B.71（4），441-460。Nier，E.，Yang，J.，Yorulmazer，T.，Alentraft，A.，2007年。网络模型和财务稳定性。J.经济。戴恩。续31（6），2033-2060。索拉姆-阿基，K.，贝奇，M.L.，阿诺德，J.，格拉斯，R.J.，贝勒，W.E.，2007年。银行间支付流的拓扑结构。Physica A.379（1），317-333。上加利福尼亚州，2011年。评估银行间市场传染危险的模拟方法。J.Financ。稳定性7(3), 111-125.沃茨，D.J.，2002年。随机网络上全局级联的简单模型。过程。纳特尔。阿卡德。Sci。579-5766（美国）。沃茨，D.J.，多德，P.S.，2007年。

影响、网络和舆论形成。J.消费者。第34（4）号决议，第441-458条。