通过远程互动检测关键借款人

相似文件 换一批

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：
《Key Borrowers Detection by Long-Range Interactions》
---
作者：
Fuad Aleskerov, Natalia Meshcheryakova, Alisa Nikitina, Sergey Shvydun
---
最新提交年份：
2018
---
英文摘要：
  We propose a new method for assessing agents\' influence in financial network structures, which takes into consideration the intensity of interactions. A distinctive feature of this approach is that it considers not only direct interactions of agents of the first level and indirect interactions of the second level, but also long-range indirect interactions. At the same time we take into account the attributes of agents as well as the possibility of impact to a single agent from a group of other agents. This approach helps us to identify systemically important elements which cannot be detected by classical centrality measures or other indices. The proposed method was used to analyze the banking foreign claims for the end of 1Q 2015. Under the approach, two types of key borrowers were detected: a) major players with high ratings and positive credit history; b) intermediary players, which have a great scale of financial activities through the organization of favorable investment conditions and positive business climate.
---
中文摘要：
我们提出了一种新的方法来评估代理在金融网络结构中的影响，该方法考虑了交互的强度。这种方法的一个显著特点是，它不仅考虑了第一级代理的直接交互和第二级代理的间接交互，还考虑了远程间接交互。同时，我们考虑了代理的属性以及一组其他代理对单个代理的影响的可能性。这种方法有助于我们识别经典的中心性度量或其他指数无法检测到的系统重要元素。所提出的方法用于分析2015年1季度末的银行业外国债权。根据该方法，发现了两类主要借款人：a）具有高评级和良好信用记录的主要借款人；b） 中介机构，通过组织良好的投资条件和积极的商业环境，拥有大规模的金融活动。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Key_Borrowers_Detection_by_Long-Range_Interactions.pdf (1.66 MB)

2022-6-10 08:07:25 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：借款人 interactions Quantitative Organization Applications

Fuad Aleskerov、Natalia Meshcheryakova、Alisa Nikitina、Sergey ShvydunKEY长期互动借款人检测基础研究项目工作文件系列：金融经济学WP BRP 56/FE/2016本工作文件是美国国立研究型大学经济高等学院（HSE）实施的一个研究项目的成果。本工作文件中包含的任何意见或主张不一定反映HSE的观点。Fuad Aleskerova、Natalia Meshcheryakovab、Alisa Nikitinac、Sergey ShvydundKEY借贷者远程互动检测我们提出了一种新的方法来评估代理人在金融网络结构中的影响，该方法考虑了互动的强度。这种方法的一个显著特点是，它不仅考虑了第一层次主体的直接相互作用和第二层次主体的间接相互作用，而且还考虑了长期间接相互作用。同时，我们考虑了代理的属性以及其他代理对单个代理的影响的可能性。这种方法有助于我们识别经典的中心性指标或其他指标无法检测到的系统重要性要素。所提出的方法用于分析2015年1季度末的银行业外国债权。根据该方法，发现了两类关键借款人：a）具有高评级和良好信用记录的主要参与者；b） 中介机构，通过组织良好的投资条件和积极的商业环境，拥有大规模的金融活动。凝胶分类：C7、G2。关键词：系统性风险、关键借款人、相互关联性、中心性。国家研究型大学高级经济学院（HSE），决策选择和分析国际实验室，V.A。

俄罗斯科学院控制科学研究所（ICS-RAS），莫斯科，alesk@hse.rubNational莫斯科俄罗斯科学院V.A.特拉克斯尼科夫控制科学研究所（ICS-RAS）决策选择与分析国际实验室研究型大学高等经济学院（HSE），natamesc@gmail.comcNational研究型大学高等经济学院（HSE），决策选择和分析国际实验室，莫斯科，克努罗娃。一a@gmail.comdNational莫斯科俄罗斯科学院V.A.特拉克斯尼科夫控制科学研究所（ICS-RAS）决策选择与分析国际实验室研究型大学高等经济学院（HSE），shvydun@hse.rueThe该论文是在国立研究型大学经济高等学院（HSE）基础研究计划的框架内编写的，并在俄罗斯学术卓越项目“5100”的资助框架内得到支持。这项研究由美国国立研究型大学高等经济学院国际决策选择与分析实验室（DeCAn Lab）和该实验室进行№俄罗斯科学院V.A.Trapesnikov控制科学研究所生产金融危机提醒我们，审视金融体系内部的联系和联系是多么重要。我们看到，某些金融机构的倒闭或近乎倒闭等重大破坏迅速蔓延到整个系统。换句话说，有必要发现具有系统重要性的金融机构或国家，这些机构或国家需要更仔细的调查和观察。

这一问题对宏观审慎监管具有重大影响，因此在系统性风险识别方面对金融稳定也有重大影响。在风险分配问题的背景下，关键代理识别最近受到了特别的关注。现有研究使用不同的方法来确定金融市场中的关键参与者。其中大多数是基于对每个要素的指标进行定量统计分析，或基于对网络可持续性的分析。与系统重要性评估相关的最传统方法是基于指标的方法。它通常基于监管机构估计的财务指标体系，并依赖于衡量银行参与某些活动的程度。另一种常见的方法是结构方法，文献侧重于评估金融机构对累积系统性风险的贡献。它基于微观基础的一般均衡理论框架，该理论框架表明，金融不稳定可以通过系统性冲击、特质性冲击后的传染或两者的结合而产生。估计系统性风险程度的另一种方法是应用网络理论。在这种情况下，网络可以表示为节点（金融机构）和节点之间的链接（资本流）系统。

为了衡量网络的重要程度，提出了许多中心度指标。我们使用网络分析，试图考虑现有指标和中心度指标的所有缺点，并设计一种基于长期互动强度评估金融系统要素重要性的新方法。事实上，我们的方法是为了改进（Aleskerov et al.，2014）中提出的方法，该方法没有考虑网络元素之间的远程交互。本文的组织结构如下。在第1节中，我们详细回顾了与系统风险评估不同方法相关的文献。在第2节中，我们强调了现有方法的缺点，并提供了一个小示例来描述我们方法的基本思想。在第3节中，我们正式描述了所提出的模型，并给出了更复杂的示例。最后，我们将我们的模型应用于不同国家的银行总部的国际借贷活动数据。1、文献综述在本节中，让我们简要回顾一下文献中提出的系统性风险评估定量模型。在大多数当代研究中，系统性风险有两种不同但相关的理解方式。首先，“系统性风险贡献”与大型复杂的金融机构相关，这些金融机构对应于其他经济主体风险的负外部性。另一方面，系统性风险通常被理解为金融系统风险。

我们遵循第二个想法，即模拟总风险度量的评估、其组成以及为监测目的而开发的系统风险评估。可以对整个市场或金融机构层面的系统性风险进行衡量，以确定具有系统重要性的要素。对于市场和机构而言，这些度量可以是直接的，使用分析模型，也可以是间接的，使用与系统性风险相关的指标。市场间接衡量的一个例子是基于指标的方法，通常用于我们没有系统性风险的外部衡量标准，并且必须依赖专家判断和先验来验证基于模型的衡量标准的情况。例如，（欧洲央行，2015年），（国际货币基金组织，2015年），（英国央行，2013年）提出了衡量金融机构系统重要性的规模、相互关联性和可替代性指标。在（Thomson，2009）中，使用规模和四个C（传染、集中、相关性和条件）作为判断系统重要性的标准是p。同样，（Patro et al.，2013）提出股票回报相关性是整个市场系统风险的有用指标：在保持固定违约概率不变的情况下，较高的相关性意味着系统的联合违约概率较高，因此相关性可以作为系统风险的有用指标。还有大量文献研究了系统性风险的更复杂模型，即所谓的结构方法。它发展了（Gray et al.，2008）的想法，他提议使用或有权益分析来评估经济系统资产负债表对外部冲击的敏感性。

同样，在（Segoviano和Goodhart，2009）中提出了一个基于模型的系统重要性的直接度量，其中使用CoVaR度量对金融部门的联合困境可能性和银行稳定性指数进行了估计（Adrian，Brunnermeier，2009）。这种方法下的其他工作示例包括（Allenspach和Monnin，2006），（Goodhart等人，2006），（Hartmann等人，2005），（Huang等人，2009），（Zhou，2010），（Chan Lau，2010）。正如我们在前面章节中提到的，有第三部分文献研究系统性风险分配。运用网络理论的作品范围很广。经济和金融结构的网络分析已经应用于股权网络（Garlaschelli et al.，2005），银行间市场和支付系统中出现的传染和系统性风险（Angelini et al.，1996；Furfine，2003；Iori et al.，2006），以及金融系统在国家和国际层面的相互关联程度（Allen，Babus，2009；Allen，Gale，2000）。我们通过当前的研究扩展了这部分文献。为了衡量网络中的重要程度，提出了许多中心因素（Bonacich，1972），（Barrat等人，2004），（von Peter，2007），（Newman，2010）。三种最广泛使用的中心性度量是度、贴近度和介乎度（Freeman 1977、1979）。一些度量在无向图和有向图的使用上有所不同。度中心性是指一个节点与其他节点之间的联系数量。节点具有更高的中心性，可以访问和/或影响其他节点。

中心节点占据结构位置（网络位置），作为与其他节点进行大量信息交换或其他资源事务的源或通道。度中心性网络g中节点i的,哪里是邻接矩阵中i的阶 和 是iin g的邻域集，n是顶点数。有向图的度中心有两种形式：内度中心和外度中心。相应地，度内中心性使用到节点的传入链接数进行评估，度外中心性使用来自节点的传出链接数。对于系统性风险分析和贷款活动中的风险分配，按集中度加权（WInDeg）表明市场上最活跃的借款人。重要的是要强调，这项措施缺乏关于每个电力公司邻居的链路数量的信息。两个借款人可以获得相同金额的资金，但如果一个借款人与更多的贷款人相连，那么该借款人的破产所产生的传染效应将比另一个借款人的破产更大。加权度中心度（WOutDeg centrality）表示最活跃的贷款人，风险分析表示拥有最大金融资源和有吸引力的金融工具进行投资的借款人。作为之前的衡量标准，这一项不考虑有关链接数量的信息。加权度中心度是指直接连接到某个节点的其他节点的数量，其中考虑了边上的权重。

它是阿伦德财务活动的一个指标，并显示其参与所有类型财务交易的程度。加权度差的值可以计算为加权出度中心度-加权入度中心度，表示特定节点在系统中的聚合作用。作为系统风险分析的结果，所有要素可分为两组：净债权人（当WInDeg>WOutDeg时）或净借款人（WInDeg<WOutDeg）。在银行业外国债权分析中，这一指标的低值可以由两个因素来解释：吸引外国直接投资的条件或ZF财政援助计划的实现。在这两种情况下，流入流量将明显高于流出流量。介数中心性通常表示顶点位于网络中任意两个节点之间的最短路径上。节点i的介数中心性是所有对作用子j和k的比例之和，其中作用子i涉及一对的测地线，即。哪里 是k和j之间的测地线数，包含, 是k和j之间的测地线总数。在我们的工作中，它将以一种使最短路径上的边的总和最大化的方式构造。就贷款而言，它可以被解释为衡量借款者在最受欢迎的资本转移渠道（任何一对借款者之间资本流动最大的路径）上的频率。贴近度表示节点与其他节点的距离，或者我们可以从特定节点轻松到达网络中的其他节点。

它可以定义为学习的倒数，而学习的倒数又是到无向图中所有其他节点的距离之和哪里 是i和j in g之间的测地距离。因此，节点越中心，其与所有其他节点的总距离越小。请注意，在无向图中，从所有其他节点或到所有其他节点的距离是不相关的，而间接图到节点的距离被认为是更有意义的中心度度量。在我们的工作中，它的构建方式将使路径上的总资本流最大化，并显示从其他节点到达网络中的特定节点是多么容易。就贷款而言，它显示出最高效的金融中介机构，它们吸引了大量的资源。特征向量中心度是网络中节点影响的度量。它将相对分数分配给网络中的所有节点，这是基于这样一个概念，即连接到高分节点比连接到低分节点对所讨论节点的分数贡献更大。该值通过求解线性系统获得, 式中，v是i和邻接矩阵的重要性得分向量.  该解由对应于特征值1的IGenvector表示。PageRank是特征向量中心性度量的一个版本。度量值有不同的版本。在一个版本中，网络节点中心度的值通过以下公式计算   哪里是节点中心度i的值，α是所谓的阻尼因子（通常设置为0,85）， 是与节点i有直接链接的中心节点j的值，是节点j的链接数。