压缩场外交易市场

给定市场G=（N，E），如果（N，E）=（N，ED）+（N，EC）然后，满足混合压缩容差集Γ的压缩运算符ch（）导致chres（N，E）=（N，EC）证明。证明见附录9。如果过量是相加的，则混合压缩的效率很简单。如果不是，则必须实施特定算法以获得准确的效率水平（见附录12）。4.4.2双边压缩最后，我们研究了一个简单的偏好设置：双边压缩。在这种情况下，市场参与者不会利用多边净额结算机会。因此，参与者不需要共享信息，也不需要集中式机制。将这种压缩方法形式化，在比较双边和多边压缩效率时，部分允许我们评估第三方压缩服务提供商的附加值。在我们的框架中，双边压缩定义如下：定义（双边压缩）。c（N，E）是一个双边压缩算子i.f.f.c（）是一个压缩算子，满足压缩公差集：aij=bij=max{eij- eji，0}，（aij，bij）∈ Γ，eij∈ E、 对于每对市场参与者i和j，如果我们假设eij>eji，我们有：eij=eij-双侧压迫后Ejian和eji=0。就可行性而言，仅仅存在过剩并不足以适用双边挤压。特别是，我们需要同一对对手之间至少有两个方向相反的义务。形式上，我们有以下结果：命题9。给定市场G（N，E）和满足双边压缩公差集Γ的压缩算子Cbs，cbred（G）>0<=> （i，j）∈ Ns。t、 eij。eji>0，其中eij，eji∈ EProof。证明见附录9。双侧压缩的效率很简单。

它对应于抵消每对双边敞口的影响。因此，我们得到以下效率结果：命题10。给定市场G=（N，E）和满足横向压缩公差集Γ的压缩运算符cb（）会导致cbres（G）=（G）-Xi，j∈Nmin{eij，eji}其中eij，eji∈ E、 证明。证明见附录9。从技术上讲，双侧压缩会导致长度为2的所有闭合中间链被移除。因此，一个双边压缩的市场在每对市场参与者之间表现出最多一项义务。4.5压缩效率排名我们在本节结束时，对我们引入的四个基准设置（即保守、非保守、混合和双边）进行了效率排名。对于每种设置，我们考虑在相关压缩公差和净等效条件下可以消除的最大过量量。提案11。给定市场G=（N，E）和压缩运算符集{cc（），cn（），ch（），cb（）}，这样：occ（）最大化ccred（G）在保守压缩公差集下，ocn（）最大化cnred（G）在非保守压缩公差集下，och（）最大化chred（G）在混合压缩公差集下，ocb（）最大化cbred（G）在双边压缩公差集下，以下弱优势成立：cbred（G）≤ ccred（克）≤ chred（克）≤ cnred（克）=（G） 证明。证明见附录9。这一结果显示了一个精确的优势序列。首先，我们看到非保守压缩是最有效的。这源于这样一个事实，即全球非保守解决方案总是消除市场中的所有过剩（见提案4）。第二个最有效的压缩操作符是混合压缩，其次是保守压缩。最有效的方法是双侧压迫。

效率的损失是由于双边压缩无法消除长度超过两条的链条造成的过剩。这一命题的证明来自对每种方法的压缩公差集的分析。事实上，可以证明，双边压缩容差集是保守集的子集，而保守集又是混合集的子集，混合集也是非保守集的子集。这种压缩容差的嵌套结构确保了超集的任何全局最优解至少与任何子集的全局最优解一样有效。总的来说，这一结果显示了超额消除效率与未偿债务基础网络变化相关容差之间的权衡。从非保守压缩到双边压缩的序列是关系保持的离散梯度。保守程度越低，效率越低。进一步分析每种方法的相对效率（例如，强大的支配地位、数量等）需要包括关于基本义务集的更详细信息。因此，我们接下来根据交易水平数据进行经验估计。5数据5.1概述在以下章节中，我们将我们的框架应用于OTC市场的交易级数据。假设所有市场参与者都将参与一个投资组合压缩周期，我们估计该市场将表现出的规模缩减，作为第4节中产生的公差集的函数。确定每种情况下的效率需要详细了解交易对手之间的双边关联。一般而言，OTC市场的此类信息并不容易获得（见第2节）。根据EMIR，任何位于欧盟的法律实体都需要向交易存储库报告所有衍生品交易活动。

欧洲系统性风险委员会（ESRB）获准访问收集的数据，以实现金融稳定。这一独特的数据集使我们能够提供数据集、一般清洁程序和其他统计数据的更多细节的第一个经验说明，见（Abad等人，2016）市场过剩和各种压缩方案的效率。本文主要研究CDS衍生物。该数据集涵盖了2014年10月至2016年4月期间所有未结清的CDS交易和头寸，其中至少有一个交易对手在欧盟合法营业。我们关注CDS市场的原因有四个。首先，CDS合同是金融系统中转移风险的主要工具。他们在GFC发展过程中所起的关键作用戏剧性地说明了这一点。其次，如第2节所述，CDS市场是投资组合压缩的早期参与者。第三，西部CDS市场不受强制性清算的约束，清算利率仍然较低（Abad et al.，2016）。因此，他们维护了与非平凡压缩结果相关的经销商-客户结构。同样，他们也充分支持中央清算反事实分析第7节中提出的强制清算的引入。第四，这些掉期的性质使其成为我们分析的理想人选。任何双边合同的名义金额对应于在标的实体违约的情况下，保护卖方对买方的预期付款（最低回收率）。因此，只要位置写在同一个referenceentity上，它们就可以替换。

此外，始终可以在任何时间点识别付款人和收款人。对于每个市场，我们计算（i）经销商-客户网络特征，（ii）超额统计数据和（iii）每个容差设置下的效率：双边、保守和混合压缩。双边压缩是所有对信用违约掉期合约之间双边净额结算的结果，违约掉期合约是最常用的信用衍生品类型。信用违约掉期为合同买方提供保护，使其免受基础参考违约的影响。因此，卖方承担买方的信用风险转移。CDS合同在2007-2009年金融危机期间发挥了重要作用。有关更多信息，请参见（Stulz，2010）。我们专注于单名CD。与指数CDS相比，EMIR下的这些合同没有清算授权。参见2016年3月1日欧盟委员会授权条例（EU）2016/592，补充欧洲议会和理事会关于清算义务监管技术标准的第648/2012号条例（EU）。对于其他类型的掉期，如IRS，付款人和收款人可能在给定交易的生命周期内发生变化，总体分析变得不那么简单。我们不报告非保守压缩的结果，因为根据命题4，最优解决方案总是导致零剩余过剩。市场中的交易对手，详见第4.4.2节。

在保守压缩和混合压缩的情况下，我们设计了一个针对各自容差集的线性规划框架。对于每个市场G，我们实施每个压缩算法并计算效率：冗余过剩与总过剩水平的比率：o双边：ρb=繁殖（G）（G） ；o保守：ρc=cred（克）（G） ；o混合：ρh=hred（克）（G） 。由此产生的效率差异使我们能够量化i）协调多边压缩（即保守和混合情况）与异步双边压缩（即双边情况）的效果，以及ii）将压缩公差从双边放宽到保守再放宽到混合设置的量化效果。在附录16中，我们报告了双边压缩市场的相同分析，以量化双边冗余之外的过剩和压缩效率。结果在质量上仍然稳健。最后，我们比较了在原始市场和双边压缩市场上应用多边压缩的结果。这样做可以量化由于一系列双边和多边压缩而产生的潜在效率损失，这对政策设计有影响。5.2数据集描述我们使用了2014年10月至2016年4月的19个月中快照。总体而言，originalsample包含7300个参考实体。然而，绝大多数的概念集中在数量较少的实体中。我们保留了前100个参考实体，附录12中描述了用于解决这些问题的所有算法。同步方面源于这样一个事实，即保守和混合方法都假设市场参与者之间的协调。他们都同意同时压缩提交的观察交易。

这种情况在双侧压迫中是不必要的。我们发现，在名义交易量和分析清晰性之间达成了良好的折衷（见第5.3节的统计数据）。对于每个参考k，市场是写在k上的一组未偿债务。每个双边头寸报告两个交易对手的身份、基础参考实体、到期日、货币及其名义金额。我们选择与每个时间点交易到期日（按年份）最多的参考相关的交易参考标识符。在参与者层面，我们使用其法律实体识别码（LEI）选择参与者。实际上，金融集团可能会决定提交来自同一集团不同法律实体的头寸。我们在其余部分不考虑这种情况。我们的限制样本包括43个主权实体（包括最大的欧盟和G20主权实体）、27个金融实体（包括最大的银行集团）和30个非金融实体（包括大型工业和制造业集团）。我们分别分析每个市场。5.3描述性统计表1提供了各细分市场的主要统计数据。我们计算不同快照中所有实体中经销商、买方客户和卖方客户的平均数量。我们观察到，随着时间的推移，数量稳定：每个参考实体平均有18至19家经销商，12至17家客户购买CDS，14至21我们的方法符合欧洲证券和市场管理局（ESMA）埃米尔授权监管第27条下关于投资组合保证金要求的最新意见。根据第28条，与不同单一名称和指数相关的净额结算集应为投资组合保证金组合分开。

请注意，根据第29条，不同到期日可被视为同一产品，其保守性低于我们的方法。附录15中报告了数据的抽样统计。选定的100家实体的名义总额在3800亿欧元至4800亿欧元之间，约保留30家- 原始总国民收入的34%。请注意，我们根据经验将经销商确定为双边互动之外的中介机构。事实上，根据我们框架中对经销商的正式定义（即δi），两个相互买卖的市场参与者将被认定为经销商。这并不能正确反映交易商在衍生市场中的作用。因此，按照惯例，如果在双边结算时，市场参与者作为中介出现，我们将其设置为交易商。同样，购买客户和销售客户是通过双边压缩市场来确定的。该约定不影响理论结果，并对经验结果提供了更为合理的解释，尤其是对于混合压缩。销售CD的客户。每个参考实体的双边头寸平均数量随时间变化较大，但仍保持在140到170之间。从整体上看，市场相当分散，平均密度约为0.10：所有市场参与者之间所有可能双边头寸的10%都实现了。当我们仅考虑经销商内部市场时，这一指标几乎高出三倍。这些市场的大部分活动围绕着英特拉交易商交易展开。经销商内部名义金额也突出了经销商周围的活动集中度：平均约为名义总额的80%。这些结果与文献一致（见第1节）。它们提供了经销商内部市场结构紧密的证据。

最后，表1的最后一列证实了客户-客户交易的极低频率：平均而言，在交易双方都没有经销商的情况下，所有债务中只有不到0.2%是书面的。6市场过剩和压缩效率我们首先衡量原始市场中的过剩水平，作为总名义总值的函数（即。，（G）=（G） x）。表2报告了2014年10月至2016年4月期间平均分布的六个快照的所有参考实体的超额计算统计数据，包括最小值、最大值、平均值、标准偏差和四分位数，计算了样本中所有100个参考实体的超额。平均值和中位数的结果随时间的推移而稳定，大多高于0.75。对这一结果的解释是，欧盟机构在交易量最大的CDS市场中，约四分之三的名义总值超过了参与者的净头寸。在极端情况下，我们注意到高度的可变性：相对于总名义价值的最低和最高超额水平分别在45%和90%左右波动。总的来说，表2中报告的结果表明，大量名义资产符合压缩条件。现在我们来看看每个压缩操作符的效率。结果见表3。在每个市场上实施压缩算法后，总超额10月14日1月15日4月15日7月15日10月15日1月16日4月16日min 0.529 0.513 0.475 0.420 0.533 0.403 0.532max 0.904 0.914 0.895 0.901 0.903 0.890 0 0.869平均0.769 0.777 0.766 0.757 0.751 0.728 0.734stdev 0.077 0.082 0.085 0.082 0.096 0.080第一夸脱。0.719 0.733 0.712 0.703 0.693 0.660 0.678中等0.781 0.791 0.783 0.769 0.758 0.741 0.749第三夸脱。

0.826 0.847 0.832 0.822 0.808 0.802 0.796表2：随时间变化的市场过剩统计：各市场名义过剩占总国民生产总值的份额。我们按照第5.1节的规定计算效率。通过分析平均值和中位数，我们观察到双侧压迫平均已消除50%的多余。尽管如此，这两种多边压缩方法（即保守压缩和混合压缩）的性能都优于它，分别去除了85%和90%的多余部分。水平大于左右摆动75%左右的双边压缩所能达到的最大效率。与双边效率相比，保守和混合方法在极端情况下表现相似：最小值范围在55%到62%之间，最大值范围在98%到99%之间。特别是，保守压缩的结果表明，即使在严重的约束条件下，市场的绝大多数过剩也可以消除。这一结果是由于经销商内部表现出的高浓度和紧密结构。进一步分析双边和多边压缩之间的相互作用，展示了多边压缩服务的附加值。事实上，参与者可以以分散和异步的方式参与，以实现双边压缩。这对于多边压缩来说并不简单。这种差异还允许参与者在参与多边压缩循环之前，寻求双边压缩他们的一些立场。我们对这种情况的分析如下：对于每种情况，我们将原始市场上的运营效率与双边压缩时的总效率进行比较。注意：当前的压缩活动并不代表市场上实现的压缩量。