美国的分裂、整合和宏观审慎监管

我们对程度内（即“易受攻击”节点）和程度外（即“受影响”节点）都这样做。下面我们将详细介绍如何计算出度数和指数，以解释连接中的时间变化。从度开始，在每个时间点，我们首先计算每个节点在时间t时的传入链接数。然后，我们计算上一个时期的传入链接数，即在时间t时的传入链接数- 1，连接节点的。我们可以将此度量视为M-REACH中心性的修正版本，其中一阶连接和二阶连接在两个连续的时间段从网络中分离出来。通过这样做，度量以传染过程中的潜在时间延迟为特征，并说明链接超时出现和消失的顺序。out度采用反向逻辑。在时间t，我们计算输出链接的数量（即连接的节点）。通过这样做，我们为每个节点识别一组受影响的节点（即通过传出链接连接的网络节点）。然后，在t+1处，我们计算连接节点的链接数。这种措施的精神是指具有时间延迟的感染过程，例如，考虑到时间t的网络状态，一阶邻居在时间t被感染，然后考虑到时间t+1的网络状态，二阶邻居在时间t+1被感染。图13还显示了在每个时间度量之上，M-reach中心度度量的先前静态版本，即我们在固定时间段计算二阶邻居的数量。我们观察到，时间和静态指标都提供了有关vulner能力和行业影响力的一致信息。我们还注意到一些差异。

例如，一个显著的差异在于，在2007-2009年金融危机之前，脆弱部门高度集中，这一点以时间指标出现，而与静态指标相比则不那么明显。4结论与讨论使用网络科学的一大套工具，对155家金融机构的因果关系网络进行了分析：1993-2014年间，标准普尔500指数中列出的所有银行、经纪人、保险和房地产公司。与金融网络研究的主体不同，我们特别关注其时间维度，遵循[1]中的方法，旨在处理其金融机构连接的动态性质。有了这些基于因果关系的动态网络，我们使用网络科学的传统工具（如基于独立度和独立度的中心度度量）以及更先进的工具，按照[10]的脉络描述了每个部门的演化。后者的目的是通过使用简单的部门中心性度量来提取值得注意的信息，从而进一步扩展传统分析。在我们使用的一套工具中，我们可以特别强调社区和组件结构以及界面识别的措施，以对美国金融业随着时间的推移而发生的分裂/整合过程提供不同的看法。我们还应用了一种源自渗流理论的算法来解决影响/脆弱节点或节点组的问题。最后，我们建议借鉴联系最紧密的机构，建立一个顶级机构代表。

通过这样做，我们可以提供原始的经验视角，并解决本文的以下两个目标：（i）提供新的图13：通过上半部分的瞬时传染过程（静态2-reach centrality measurement）和带有时间延迟的传染过程（temporal2-reach centrality measurement），最具影响力和脆弱节点，下半部分从1993年4月至2014年10月。圆圈的大小表示样本最高值前20%中无学位和有学位的机构的数量。通过金融数据对网络科学的洞察，以及（ii）在很长一段时间内提高我们对美国金融业的理解。考虑到我们的第一个目标，我们的工作是再次尝试以简单的精神在物理思维和测量之间的等效性之间架起一座桥梁。通过对不同度量的比较，我们的结果倾向于表明，可以从三个不同层次的传统输入和输出度中心度度量中提取大量信息：作为（i）节点层次，（ii）部门层次，以及（iii）通过考虑最高值。可以通过社区和组件结构从财务数据中提取更多信息。最终，我们的结果表明，替代措施的财务数据的准均价是建立在传染过程和Ka tzcentrality基础上的。转向与系统性风险分析相关的第二个目标，我们的结果允许我们记录四种重要模式。首先，自20世纪90年代初以来，银行的流动性一直很高，正如我们的标准化自由度测量的时间演变以及传染过程所证明的那样。其次，房地产公司一直是金融业中最脆弱的部门，尤其是在2001-2007年期间。

这可以通过集中度测量和（反向）传染过程来说明。第三，在2007-2009年金融危机之前，无论是在金融部门内部还是在金融部门之间，市场一体化程度都大幅提高。组件以及社区结构为这一特性提供了明确的证据。第四，从危机到2013年末，美国金融业经历了日益分散的局面。从成分和社区结构的分析中可以清楚地看到这种模式。最后，我们应用了一个时间度量，其中应用了以前开发的传染过程，但现在超过了连续的时间窗口。最后一个指标可以用来研究级联失效机制。这些结果揭示了两个重要的观察结果。首先，它在动态背景下证实，网络科学的各种知识可以提高我们对金融系统的认识，强调需要在这一方向进行进一步研究。第二，各部门之间高度持续整合的确定，对当前基于部门的宏观审慎监管方法提出了质疑。这项研究可以以不同的方式扩展。首先，我们在【10】中所做的未加权网络上进行整体研究。一种自然的张力是探索链接强度中是否嵌入了额外的信息。其次，根据网络科学中最近的一系列文献，以及分析的最后一小节所述，使用专门针对时间网络的特定指标似乎是分析金融系统的一个重要研究方向。支持信息：附录SA。

截面法的扩展：关于先验分布和后验分布采样算法模型的考虑。确认计算资源由计算强度设备联合会（CBI）提供，由deBelgique科学基金会（F.R.S.-FNRS）资助，批准号为2.5020.11。我们也非常感谢比利时法语社区根据ARC第13/17-055号拨款提供的财政支持。我们感谢雷诺·兰比奥特（Renaud Lambiotte）和让·查尔斯·德尔文尼（Jean CharlesDelvenne）以及2016年卢瓦因拉·纽维（Louvainla Neuve）贝内特（BeNet）会议的与会者以及理工学院（UCL）研究研讨会的与会者的反馈。YG感谢Mauro Faccin和TimoteCarletti的宝贵讨论。参考文献[1]Geraci M，Gnabo JY（2017）使用贝叶斯时变向量自回归测量国家机构之间的互联性。《金融和定量分析杂志》（即将出版）。[2] 关于银行监管BC（2013）《全球系统重要性银行：更新的评估方法和更高的损失吸收能力要求》。国际清算银行技术代表。[3] Bouchaud JP（2008）经济学需要一场科学革命。《自然》455:1181-7。[4] Farmer D，Foley D（20 09）经济需要基于年龄的建模。《自然》460:6 85-686。[5] Billio M、Getmansky M、L o AW、Pelizzon L（2012年），《金融和保险行业互联网络和系统性风险的计量经济学衡量》。《金融经济学杂志》104:535-559。[6] Diebold FX，Yilmaz K（2014）《方差分解的网络政策：衡量国内企业的连通性》。《经济计量学杂志》182:119-134。[7] Dai YH，Xie WJ，Jiang ZQ，G-JJiang，Zhou WX，et al。

（2 016）全球原油市场的相关结构和主成分。经验经济学51:1501-1519。[8] Han RQ，Xie WJ，Xiong X，Zhang W，Zhou WX（2017）《大崩盘前后的市场相关性结构变化：中国股市的随机矩阵理论分析》。波动和噪声字母16:17 50018。[9] Primiceri G（2005）《时变结构向量自回归与货币政策》。《经济研究评论》，72:821-852。[10] Bianchi D、Billio M、Casarin R、Guidolin M（2015）《传染和系统风险建模》。SSRN工作文件。[11] Gandica Y、Lambiotte R、Carletti T（2 016）维基百科能告诉我们关于burstiness的全球或本地特征是什么？第十届AAAI网络和社交媒体Wiki国际会议研讨会：技术报告WS-16-17。[12] Cogley T，Sargent T（2005）《漂移与波动：二战后美国的货币政策与结果》。经济动态评论8:262-302。[13] Calomiris CW，Ka rceski J（1998）是1990年代的银行并购浪潮吗？九个案例研究的经验教训。AEI出版社。[14] Koop G、Leon Gonzalez R、Strachan RW（2010）《状态空间模型中的动态约束概率：菲利普斯曲线的应用》。《商业与经济统计杂志》28:370-379。[15] Song DM，MTumminello，Zhou WX，Mantenga R（2011）《全球股票市场的演变，相关性结构和基于相关性的图》。Phys Rev E 84:026108。[16] Blondel V、Guillaume JL、Lambiotte R、Lefebvre E（2008）大型网络中社区的快速发展。统计力学杂志10:P10008。[17] Schaub MT，Delvenne J，Rosval M，Lambiotte R（2017）复杂网络中社区检测的许多方面。应用网络科学：4。[18] Saracco F，Clemente RD，Gabrielli A，Squartini T（2016年），发现2007年2008年世界贸易危机的早期迹象。

《科学报告》6期：第30286页。[19] Meng H，Xie WJ，Jiang ZQ，Podobnik B，Zhou WX，et al.（2014）美国住房市场的系统风险和时空动态。科学报告4:3655。[20] Cohen Cole E、Patacchini E、Zenou Y（2 011）银行间市场的系统风险和网络信息。CEPR讨论文件编号DP8332。