金融危机期间银行间市场的结构变化

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：
《Structural changes in the interbank market across the financial crisis
  from multiple core-periphery analysis》
---
作者：
Sadamori Kojaku, Giulio Cimini, Guido Caldarelli, Naoki Masuda
---
最新提交年份：
2018
---
英文摘要：
  Interbank markets are often characterised in terms of a core-periphery network structure, with a highly interconnected core of banks holding the market together, and a periphery of banks connected mostly to the core but not internally. This paradigm has recently been challenged for short time scales, where interbank markets seem better characterised by a bipartite structure with more core-periphery connections than inside the core. Using a novel core-periphery detection method on the eMID interbank market, we enrich this picture by showing that the network is actually characterised by multiple core-periphery pairs. Moreover, a transition from core-periphery to bipartite structures occurs by shortening the temporal scale of data aggregation. We further show how the global financial crisis transformed the market, in terms of composition, multiplicity and internal organisation of core-periphery pairs. By unveiling such a fine-grained organisation and transformation of the interbank market, our method can find important applications in the understanding of how distress can propagate over financial networks.
---
中文摘要：
银行间市场通常以核心-外围网络结构为特征，核心银行之间高度互联，将市场维系在一起，而外围银行主要与核心银行相连，但不在内部。这种模式最近受到了短期规模的挑战，银行间市场的特点似乎是一种具有更多核心-外围连接而非核心内部连接的二分结构。我们在eMID银行间市场上使用了一种新的核心-外围检测方法，通过显示网络实际上具有多个核心-外围对的特征，丰富了这幅图片。此外，通过缩短数据聚合的时间尺度，可以实现从核心-外围结构到两部分结构的过渡。我们进一步展示了全球金融危机如何在核心-外围对的构成、多样性和内部组织方面改变了市场。通过揭示银行间市场的这种细粒度组织和转变，我们的方法可以在理解危机如何通过金融网络传播方面找到重要的应用。
---
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：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：
--> Structural_changes_in_the_interbank_market_across_the_financial_crisis_from_mult.pdf (4.28 MB)

2022-6-6 21:16:38 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：金融危机 结构变化 银行间 Organisation Applications

金融危机期间银行间市场的结构变化来自多核心-外围分析Damori Kojaku，1，2Giulio Cimini，3，4，*Guido Caldarelli，3，4，5，6和Naoki MasudaDepartment of Engineering Mathematics University of Bristol-Bristol BS81UB（英国）进化科学与技术核心研究（CREST）JST-Kawaguchi shi Saitama 332-0012（日本）IMT高等研究院-55100 Lucca（意大利）Instituto dei Sistemi Complessi（ISC）-CNR-00185 Rome（意大利）London Institute for Mathematics-London W1K2XF（英国）欧洲生活技术中心-30124威尼斯（意大利）银行间市场通常以核心-外围网络结构为特征，核心银行高度互连，将市场集中在一起，银行的分支机构主要与核心银行相连，但内部银行不相连。这一范式最近受到了短期规模的挑战，银行间市场的特点似乎更好地表现为一种具有更多核心-外围连接而非核心内部连接的二分结构。我们在eMID银行间市场上使用了一种新的核心-外围检测方法，通过显示网络实际上具有多个核心-外围对的特征，丰富了这幅图片。此外，通过缩短数据聚合的时间尺度，可以实现从核心-外围结构到二分结构的过渡。我们进一步展示了全球金融危机如何在核心-外围对的构成、多样性和内部组织方面改变了市场。

通过揭示银行间市场的这种细粒度组织和转型，我们的方法可以在理解危机如何通过金融网络传播方面找到重要的应用。关键词：金融网络；银行同业拆借市场；核心-外围；二分性；时态网络密钥消息o我们使用一种新的核心-外围检测方法研究eMID银行间市场，以揭示其高阶网络组织我们揭示了多个核心-外围对，并检测到分层和蝴蝶结（二分体）结构我们从网络隔离和组织的角度揭示了全球金融危机下市场的拓扑转变。一、 引言过去十年的金融动荡突显了金融机构之间复杂的相互联系所导致的金融体系固有的脆弱性（参见Battiston et al.（2016）；Gai等人（2011年）；Glassermanand Young（2015））。一些贡献表明，系统性风险可能来自双边合同的直接风险敞口和普通资产的间接风险敞口（Acemoglu et al.，2015；Allen and Gale，2000；Aminiet al.，2016；Bardocia et al.，2015，2017；Battiston et al.，2012；Caccioli et al.，2014；Chan Lau et al.，2009；Cifunteset et al.，2005；Cimini and Serri，2016；Cont et al.，2013；Cont and Wagalath，2016；Elsinger et al.，2006；Fur fine，2003；Gai and Kapadia，2010；Georg，2013；Greenwood et al.，2015；Gualdi et al.，2016；Haldane and May，2011；K奥夫曼，1994年）。因此，学者和监管机构开展了大量研究，以描述金融市场新兴网络结构的特征（Boss等人，2004年；Cocco等人，2009年；Iori等人，2006年；Nier等人，2007年）。

平行研究包括开发方法，从可用数据（通常是金融机构的资产负债表组成）重建网络结构，因为个人风险敞口数据通常受到隐私保护（见Anand et al.（2015）；Cimini等人（2015a，b）；Di Gangi等人（2015年）；甘迪和维拉特（2016）；Squartini等人（2017年）的最新贡献，Anand等人（2017年）的大多数方法的比较）。在这种情况下，人们非常重视研究银行间借贷市场，即无担保隔夜贷款导致的银行间金融互联网络（Freixas et al.，2000；Rochet and Tirole，1996）（有关该领域的最新概述，请参见H¨user（2015））。在这个市场中，银行暂时做空*朱利奥。cimini@imtlucca.itliquidity从其他流动性过剩的银行借入特定期限的资金，这些银行反过来会获得贷款利息。因此，该市场通过允许银行应对流动性波动发挥着至关重要的作用（Allen等人，2014）。然而，银行间市场对市场波动相当敏感，在特殊情况下可能会枯竭（Brunnermeier，2009），成为金融系统内危机传播的主要工具（Acharya和Merrouche，2013；Angelini等人，2011；Berrospide，2013）。

事实上，在2007/2008年全球金融危机期间，对交易对手信誉和零售溢出的担忧导致银行囤积流动性，导致金融系统和实体经济的信贷冻结（Adrian和Shin，2010；Diamond和Rajan，2009；Gale和Yorulmazer，2013；Krause和Giansante，2012；Serri等人，2017）。由于其结构，银行间市场可以表示为一个网络，其中银行间贷款构成银行间的直接风险敞口（De Masi et al.，2006；Iori et al.，2015；Le\'on and Berndsen，2014）。Finger等人（2013年）分析了银行间存款电子市场（eMID）在不同数据聚合时间尺度下的网络特性，表明网络在日常层面上看起来是随机的，但在更长的聚合期内包含显著的非随机结构。一些实证研究进一步报告称，银行间市场具有核心-外围（或分层）结构，以高度互联的银行为核心，银行外围主要与核心银行相连，但与其他外围银行无关（Bech和Atalay，2010；Craig和Von Peter，2014；Fricke和Lux，2015；Iori等人，2008；Lang field等人，2014；Martinez Jaramillo等人，2014；Silva等人，2016；Soram–aki等人，2007；Veld和van Lelyveld，2014）。Craig和Von Peter（2014）认为，分层衍生自核心银行，它们充当外围银行之间的中介，从而维系了银行间市场。不幸的是，根据Lee（2013）的研究，拥有一家非金融货币中心银行的核心-外围结构确实导致了最高水平的系统性流动性短缺。事实上，Fricke和Lux（2015）表明，在全球金融危机期间，银行间市场规模的缩小主要是由于核心银行减少了贷款。

Verma等人（2016年）利用基于建立联系的利益与维持联系的成本之间的权衡的经济论据解释了核心-外围的出现。最近，Barucca和Lillo（2016、2018）使用随机块建模方法表明，只有当数据聚合超过一周时，eMID的核心-外围结构才会出现。他们还表明，在较短的聚集期内，网络的特点是更具二分（或蝴蝶结）结构，主要在核心银行和外围银行之间建立联系。这意味着，在短期内，eMID中的银行要么放贷，要么借贷——这与核心银行在外围银行之间进行中介的市场截然不同。当使用扩展的随机块模型考虑不同银行拥有的不同数量的连接时，即使在较长的聚集期，也会出现二分性。Carreno和Cifuntes（2017）还使用随机区块模型分析智利定期存款和衍生品的银行间市场每日水平。他们的方法允许识别多个核心和外围，尽管他们很少观察到第二个核心，并允许描述核心和外围之间不同形式的相互作用。值得注意的是，他们经常发现核心银行主要是从外围银行自己融资，而不是在外围银行之间进行中介。在这项工作中，我们采用了一种新的方法，能够揭示网络中的多个核心外围对，自动确定它们的数量和大小，从而补充了当前的讨论（Kojaku和Masuda，2017）。以eMID为重点，我们发现市场实际上具有一个主要的核心-外围对，主要由意大利银行组成，第二个较小的核心-外围对由外国银行组成，以及许多其他较小的核心-外围对。

该方法还检测长（即季度和月度）以及短（即每周和每日）数据聚合周期的二分模式，这与Barucca和Lillo（2016）的发现一致。通过分析检测到的多个核心-外围结构的时间演化，我们观察到，全球金融危机导致网络的核心-外围模式发生了重大变化，就我们观察到的所有数量而言。请注意，我们将这些结果与著名的核心-外围检测方法（Borgatti-Everettalgorithm（Borgatti and Everett2000）和MINRES（Boyd et al.，2010；Lip，2011）的结果进行了比较。事实证明，这些方法无法检测到核心-外围多重性和二分性，以及危机导致的网络结构变化。二、方法a。eMID数据银行间存款电子市场（eMID）是欧元区建立的第一个银行间存款电子市场。1990年在意大利成立，用于意大利里拉交易，1999年以欧元计价，toFIG。1三种核心-外围结构的示意图。填充（黑色）和空（空白）单元格分别表示连接的存在和不存在。实心正方形分隔核心-外围对，虚线标记核心和外围之间的边界。交易日期货币为欧元、美元和英镑。该市场受意大利银行监管，并对意大利和外国银行开放。eMID覆盖了意大利整个国内流动性存款市场，以及欧元区整个流动性存款市场的重要份额（Beaupain和Durr\'e，2008）。我们的数据集包含1999年1月至2012年9月在eMID上完成的所有银行间交易。

每个交易记录都包含贷款人和借款人银行的ID、转移的信贷金额和交易时间。这些银行间贷款构成了银行之间的双边风险敞口，该系统可以方便地描述为一个网络。设N为系统中的银行数量。我们确定长度为t的时间段，并通过N×N二元邻接矩阵a（t）={Aij（t）}Ni，j=1确定t处的网络。如果组i和j在t期间至少对eMID执行一次atrade（并且假设这些组相邻），则我们将Aij（t）=1，否则，Aij（t）=0。为了简化分析，我们忽略了边缘方向，因此网络矩阵是对称的。如果银行在相应的时间段内至少建立了一个连接，则我们认为该银行在tif处于活动状态，否则将处于非活动状态。我们通过将时间段的长度分别设置为季度、月、周和日来构建季度、月、周和日网络。我们还通过将t设置为数据集的整个时间跨度来构建“静态”网络。B、 核心-外围结构如图1所示，基于连接密度的核心-外围结构由至少一对核心和外围块组成。核心块（图1（a）和（b）的左上角）具有多个块连接，而外围块（右下角）具有相对较少的块内连接。核心块和外围块（右上角和左下角）之间的连接可能很丰富（图1（a）），也可能不丰富（图1（b））。网络可以由单个核心-外围对（图1（a）和（b））或多个核心-外围对（图1（c））组成。C

核心-外围检测为了检测核心-外围结构，我们使用Borgatti-Everett（BE）（Borgatti和Everett，2000）、MINRES（Boyd et al.，2010；Lip，2011）和Kojaku-Masuda（KM-ER）（Kojaku和Masuda，2017）算法。在下面的算法描述中，我们省略了时间标签t以简化表示法，回顾所有方法都以给定的邻接矩阵a（t）作为输入。在BE算法中，考虑一个理想化的单核-外围对，其中每个核心节点与所有核心和外围节点相邻，而每个外围节点不与任何其他外围节点相邻。2009年2月推出了e-MID（新MIC）的邻接亚抵押部分。理想化单核-外围对的矩阵由BBE={BBEij}Ni，j=1，带BBEij给出≡1（xi=1或xj=1），0（xi=xj=0），（1）其中，如果节点i分别是核心节点或外围节点，则xi=1或0，并且i 6=j。BE算法通过最大化BBE和给定网络的邻接矩阵a之间的相似性来搜索ksx=[x，x，…，xN]。Minres算法也通过最大化BBE和A之间的相似性来寻找x，但忽略了核心和外围之间连接的贡献。因此，MINRES允许核心和外围块稀疏连接（图1（b））。请注意，BE和MINRES算法都只识别给定网络中的一对核心和外围。相反，KM–ER算法允许多个核心-外围对（图1（c））。KM–ER考虑由C个非重叠的理想化核心-外围对组成的网络，其中不同的核心-外围对之间没有连接。

理想化核-外围结构的邻接矩阵由BKM–ER={BKM–ERij}Ni，j=1，以及BKM–ERij给出≡δ（ci，cj）（xi=1或xj=1），0（xi=xj=0），（2）其中ci是节点i所属的核心-外围对的索引，δ（·，·）是Kronecker的delta，i 6=j。km–ER算法通过最大化qcp来搜索x和c=[c，c，…，cN]≡NXi=1i-1Xj=1AijBKM–ERij-NXi=1i-1Xj=1ρ（A）BKM–ERij=NXi=1i-1Xj=1（Aij- ρ（A））（xi+xj- xixj）δ（ci，cj），（3），其中ρ（A）是网络的总密度：ρ（A）≡PNi=1Pi-1j=1AijN（N- 1). （4） 在等式（3）中，术语Pni=1Pi-1j=1AijBKM–ERIJAC计算A和BKM–ER中出现的连接数，而termPNi=1Pi-1j=1ρ（A）BKM–erijr表示与给定网络具有相同边数的Erd"os-R'enyi随机图的边数。较大的QCP值表明，与Erd"os-R'enyi随机图相比，给定网络具有较强的核心-外围结构。为了最大化Qcp，KM–ER算法如下（Kojaku和Masuda，2017）。首先，我们将每个节点分配给不同的核心，即1的xi=1和ci=i≤ 我≤ N、 然后，我们按照如下随机顺序将标签cit重新分配给每个节点i。对于节点i，我们暂时将其分配给相邻jbelongs的核心-外围对的核心，即设置xi=1，ci=cj。然后，我们暂时将节点i分配给核心外围空气的外围，即设置xi=0，ci=cj。我们对节点i的每个邻居j重复此过程，并采用TentiveLabel-（cj，0）或（cj，1）-这会产生Qcp中最大的增量。如果没有重新标记增加Qcp，则不会更新（ci，xi）。扫描完所有节点后，如果未更改当前扫描中的任何标签，则结束重新标记过程。否则，我们将以新的随机顺序再次扫描所有节点，并重复该过程。