金融市场中的系统性风险建模

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：
《Modeling systemic risks in financial markets》
---
作者：
Abhijnan Rej
---
最新提交年份：
2013
---
英文摘要：
  We survey systemic risks to financial markets and present a high-level description of an algorithm that measures systemic risk in terms of coupled networks.
---
中文摘要：
我们调查了金融市场的系统性风险，并给出了一个算法的高层描述，该算法通过耦合网络来衡量系统性风险。
---
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
--
一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--

---
PDF下载：
--> Modeling_systemic_risks_in_financial_markets.pdf (120.96 KB)

2022-5-5 09:37:30 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：系统性风险 金融市场 系统性 Applications Quantitative

金融市场中的系统性风险建模*Abhijnan RejTata咨询服务创新实验室1软件单元布局，印度安得拉邦Madhapurhydrabad 500081，邮箱：Abhijnan。rej@tcs.com1引言金融市场的系统性风险通常被定义为金融系统的一个或多个核心功能因一个或多个金融公司或金融系统的一个部分的初始故障而发生重大和快速中断的风险（[3]，第3页）在金融市场中，系统性风险是一种被广泛接受的定义，它是市场中不同类别的风险代理，不同于由于某一证券的头寸而产生的更为传统的一级和二级风险，或者更为普遍的是，由于对冲失误而留在投资组合中的风险。2008年的金融动荡及其对全球金融体系的持续影响，如欧元区的债务危机、美国经济的大规模亏损以及整个衍生品市场的天文数字，使系统性风险成为银行家、监管者以及广大政府调查的一个极为及时的话题。与此同时，系统风险管理的标准工具，或者更确切地说，灾难性风险管理，尚未完全成功地解释或建模系统风险。

（金融行业普遍希望，即将出台的《巴塞尔协议III》要求将有助于降低系统性风险，尽管尚不清楚这些新法规将如何在保留百年资本和债务市场结构的同时实际降低此类风险。）在本文中，我们讨论了金融市场全面灾难性崩溃的一些触发因素；我们将重点关注2010年多德-弗兰克华尔街改革和消费者保护法案在美国市场尚未充分发现的新形式的触发因素，如超高频交易的兴起，以及恶意攻击金融系统完整性的可能性。我们还将讨论场外交易（OTC）市场在标准交易所框架之外运作的证券衍生品中的兴起。我们将报告来自这些过多主题的证据，作为一个论点，即这些新问题不是系统性风险“下降”，而是将整个系统置于另一次大规模崩溃的边缘。在本文的最后，我们将介绍开发计算工具的持续工作，这些工具可以模拟金融市场中由于各种压力源而产生的系统性风险；为此，我们将提出一种基于网络理论的快速算法原型，我们希望开发这种算法。本文的组织结构如下：在第2节中，我们将展示金融市场当前运行状态的证据，这些证据指向系统性风险的更广阔图景，以及*2013年TCS全球战术会议接受了本文的一个版本。这种“纯粹”的传染风险（在上一次全球金融衰退后，英格兰银行发起的一系列研究中得到了广泛研究，参见。

[6, 8].) 我们还将把这些风险“定位”在一个广泛的全球风险矩阵中，并指出金融市场的系统性风险实际上在整个人类工业活动范围内具有更大的破坏性。在第3节中，我们给出了一个算法的高级描述，该算法在图论意义上对其进行了描述（反映在图的构造中）*第3节）。作为第4节的结论，我们指出了在开发该算法和相应的计算工具时面临的挑战。2.系统性风险的新来源在本文中，我们将重点关注以下因素，这些因素最初会导致或在某些情况下会加剧系统性风险。一个明显的遗漏是对冲基金的作用，我将其称为r eaderto[3]。另一个主要遗漏是基于信用的金融衍生品固有复杂性的作用；我们只能指出Arora等人明确为计算机科学家撰写的论文[1]。闪电崩盘和K夜的首都崩溃。2.微观黑天鹅是市场波动的促成因素？3.恶意行为者利用网络攻击破坏金融系统的风险。4.场外交易衍生品暗池网络。5.地缘政治动荡、主权违约及其对国际金融市场长期稳定的影响。2.1闪电崩盘和其他类似问题金融市场的自动化程度下降引起的第一个主要问题是2010年的所谓闪电崩盘。当天下午2:45左右，道琼斯工业平均指数在几分钟内以异常快的速度下跌超过9%（约1000点），没有任何明显的外部信息输入。

芝加哥商品交易所（Chicago Mercantile Exchange）的一个断路器被打开几秒钟后，市场在下午3:30回升，上涨了600点中的大部分，或者说是因为重新校准了他们的头寸和模型而失去的。在SEC对该事件的后续调查中，美国证券市场监管机构将其归咎于roctor and Gamble的大规模抛售指令，导致大量自动交易员同时退出市场，表现出典型的羊群行为。从耦合网络的角度来看，on e可以想象闪电崩盘是由噪声交易者和基本面交易者（例如，本例中的宝洁）耦合网络产生的非常不稳定的动力学造成的这决不是一个孤立的事件。2012年8月1日，零售投资者gaint Knight Capital的份额全天急剧下跌，原因是交易日开始时出现了一些尚未可知的计算机故障。这一罕见事件给投资者造成的净损失高达4亿美元。虽然该事件的确切原因尚不清楚，但交易日开始时的触发事件不太可能是由Knight Capitalgroup所有交易平台之间的通信故障引起的。2.2微观黑天鹅和指数波动性。系统性风险增加的另一个原因是，由于高频交易，市场中微观黑天鹅事件的数量增加。在一项极为有趣的研究[7]中，约翰逊及其合作者分析了2006年至2011年间多种股票价格的高通量毫秒分辨率流。

定义了一个微观的b缺乏天鹅作为一个市场事件，当股票价格在上涨之前必须下跌至少10次，并且价格变化必须≥ 0.8%和持续时间≤ 1500毫秒，他们发现了18520个这样的事件，几乎每个交易日都有一个！有趣的是，正如他们所观察到的，市场指数的整体波动性似乎随着微型ic黑天鹅累积数量的增加而增加。这表明了一种有趣的解释，即系统风险是由这些微观“断裂”造成的，可能会导致另一场大规模金融崩溃。2.3金融网络和网络安全国际银行业日益受到威胁的一个来源是针对美国主要银行的网络攻击[4]。虽然目前这些攻击的性质相对温和，但网络攻击可能会增加金融市场的系统性风险并非不可想象。典型的情况可能是针对给定银行的某个交易平台进行有针对性的攻击，这可能会由于一连串的失败而引发重大市场事件。这是一个典型的网络问题，其中驱动或触发网络可能是一组相互连接的交易平台，而主网络显然是依赖它的金融系统的很大一部分。在这种情况下，必须通过各种可能的方式干扰驱动网络，对主要金融网络的稳定性进行压力测试。2.4场外交易网络系统性风险的主要来源是未进行集中监管的场外衍生品的大型市场。据荷兰银行行长兼巴塞尔银行监管委员会主席努特·韦林克称，场外衍生品市场的名义价值超过600万亿美元，缺乏中央监管机构加剧了金融系统其他部分的风险[11]。

这个问题因“暗池”的存在而进一步加剧，在暗池中，买卖指令被屏蔽，不让公众知道。从网络理论的角度来看，我们可以想象“光明市场”（即那些基于中央网状机制的交易所）作为网络与这些暗池耦合。Patterson在[10]中提供了充分的证据，证明这种耦合进一步影响了国际市场，并大大增加了系统性风险。由于没有明确的OTC暗池、参与其中的代理以及这些代理之间的联系的地图，考虑到暗池，唯一可以用于检查光明市场稳定性的建模技术是想象这些暗池的所有可能配置，以及这些配置中的应力点可以传播到以光明交易所为基础的市场的方式。2.5地缘政治和地缘经济稳定与全球风险矩阵最终和可能最难以管理的系统风险来源是破坏性地缘政治和地缘经济事件。这类事件的例子包括主权债务违约（比如希腊、葡萄牙，可能还有西班牙）以及重大武装冲突（比如伊朗-以色列冲突的可能性）这两种情况都会极大地增加市场的波动性，并急剧增加。从网络理论的角度来看待这些问题，可以从耦合网络的角度来看待；比如一个可能参与冲突的代理人网络，以及这个网络的动态对全球金融系统的影响。由于后者的连通性，地缘政治或地缘经济网络中的冲击可以迅速传播并改变国际金融网络的动态。

例如，根据最新的全球风险报告[12]，长期的金融失衡实际上可能引发重大或系统性的金融危机，而全球通信网络等关键基础设施的故障可能会进一步加剧这一危机。3基于网络的系统性风险模型3。1.对模型的假设3。1.1网络范例随着人们对金融系统作为网络越来越感兴趣（以及以大图的形式看待生物学、系统工程和社会科学问题的总趋势），我们的基本假设是，网络和图表为理解系统风险提供了非常有价值的工具。事实上，对我们来说，系统性风险不是用风险度量的标准形式来描述的，而是用图形的组合语言来描述的。3.1.2系统性风险和连锁故障这几乎是重复的说法，即金融网络A与其他网络B（例如连接金融机构的计算机和通信网络）深度耦合。继Buldyrev等人的工作之后，我们现在了解（至少在模拟层面上）关键故障是如何通过耦合网络导致反馈和前馈效应，从而放大初始冲击[2]。我们的基本要求是，理解系统风险的关键方法之一是通过耦合网络设置查看金融网络。正如本文前面所讨论的，有几个例子表明，一个金融网络a由一些（通常是完全识别的，通常是对抗性的）“驱动网络”B驱动。提出的算法将这一观点嵌入其核心。3.1.3连通性是关键。现代金融机构之间的连通性非常好，其中一些机构的故障可能会导致整个系统的故障。

事实上，一个最大程度上不相连的金融体系（比如说，每家银行都无法向另一家银行放贷）几乎肯定会导致每一次严重的流动性紧缩。这反过来又会对实体经济产生极其不利的影响。因此，该算法的目标正是在不利情况下对任意金融网络的连通性进行压力测试。3.1.4“多世界假设”大多数驱动金融系统的网络或h作为潜在的增加系统性泰勒梅风险的网络都是隐藏的。例如，OTC市场通常在很少的监管控制下运行，当此类市场完全自动化时，监管控制就更为严格（有关这个问题的详细研究，请参见[10]）有鉴于此，监管机构通常不可能完全重建这种隐藏的车道网络。注意到这是一个主要问题，在下面介绍的算法中，我们建议关注所有可能的驱动网络上的压力，这可能会影响更大的利益金融网络。同时，我们已经为用户做出了规定，以决定他或她在多大程度上愿意从最初的不完全“专家猜测”（我们在算法m中称这种网络场景）中娱乐这些机器生成的虚拟驱动程序网络。我们相信，提供大量替代场景可能有助于管理尾部风险。3.2给出并修正了算法1。一个感兴趣的金融网络G，其中L个节点被视为连通图，其顶点之间可能有平行边。2.一个包含g组更新规则（即删除-收缩规则）的库，用于g个耦合网络。1.用户输入（a）由N个感兴趣的节点组成的集合，其中N个节点小于L个，以及它们之间的链接。这为我们提供了一个SEED驱动网络S（b）和G的节点之间的一组链路。让S（resp.G）的节点集为V（S）（resp.V（G））。

在Sas{a，…，an}上标记这些链接的节点∈ V（S）（称它们为链接节点。）从数学上讲，这意味着定义一个固定的双射映射 : 五(S)-→ V（G），（ai）=bi，其中bi是所有1的V（G）的固定子集≤ 我≤ N（c） 在预定精度（公差）范围内的有理数2.装箱模块（a）程序在种子驱动器网络上生成“所有可能的变量”，该网络包含点a、，场景，{S，…，SN}。场景构建：我们创建一个完整的KNon节点图，并查看knw的所有su bgraph，其中包含，anas是其顶点的子集。带有标记点a，这是一种情况。种子驱动程序网络显然将位于上述集合中。（b） 回想一下，一个图的度分布是用以下方式定义的[9]：让v是一个（可能有向的）有限图的顶点。v的度数是v和Γ的其他顶点之间的边的总数。将pk定义为网络中k度顶点的分数。可以通过所有Γ顶点的度数直方图获得pk与k的关系图。该直方图可以被视为概率分布，称为Γ的度分布，并表示为degdist（Γ）。根据定义，degdist（Γ）是degdist（Γ）=f（k）的某种程度的函数。