恐惧的不对称网络连通性

结果没有实质性变化，可根据要求从作者处获得。使用事后措施具有系统重要性（见Hautsch et al.，2014；Geraci andGnabo，2018）。非对角线条目中的成对值表示方向连接表1：金融部门中的静态恐惧连接VIX ConnectednessJPM BAC WFC CITI GS MS USB AXP PNC BK FROMJPM 46.98 2.16 3.58 3.26 10.36 9.46 8.69 6.63 2.06 6.77 53.01BAC 4.03 56.06 3.04 3.28 8.20 7.05 5.67 4.99 1.65 5.98 43.93WFC 6.93 1.78 44.41 4.61 11 6.37 7.19 5.63 5.66 6.26 55.58花旗银行5.23 2.093.44 54.67 8.92 7.20 5.69 5.44 2.33 4.94 45.32GS 6.34 2.25 4.81 5.54 35.55 18.29 9.35 7.36 2.29 8.19 64.44MS 6.91 2.58 4.12 5.11 20.29 34 8.59 6.40 2.86 8.74 65 USB 8.23 2.26 4.97 4.34 13.62 9.67 36.33 7.67 3.48 9.39 63.66AXP 7.14 2.51 4.21 4.45 12.65 11.47 10.42 35.71 3.02 8.37 64.28PNC 5.82 1.34 4.93 3.11 8.69 7.53 6.85 4.22 49.89 7.57 50.10BK 7.19 2.90 4.25 4.21 14.97 14.50 10.38 7.773.87 29.91 70.08至57.86 19.92 37.38 37.96 108.85 91.57 72.87 56.14 27.25 66.25 TOTALNET 4.84-24.01-18.19-7.35 44.40 25.92 9.21-8.13-22.84-3.82 57.61注：该表包含为美国十家主要银行的IVIX总指数计算的预测误差方差分解。非对角线项目中的元素是成对的方向连通性，而对角线元素（灰色）是银行自身的方差。非对角行和列分别与to和FROMconnectedness求和。底部的净行是到和从之间的差。右下角元素是系统中的总连通性指数。所选时间段为2000年1月3日至2017年12月29日。对应公司之间的关系。

高盛和摩根士丹利之间的成对关联度最高，摩根士丹利未来的变动中有20.29%是由于高盛的冲击。第二高的数字是相反的，18.29%是由于摩根士丹利的冲击；因此，这一对似乎创建了STRONGEST双向连接。网络连通性的正值指向恐惧传递者，而负值识别系统中的恐惧接受者，高盛（44.4%）和摩根士丹利（25.92%）是系统中的主要恐惧传递者。总的恐惧关联度为57.61%，表明金融系统中存在一个非常紧密的恐惧网络。4.2恐惧的定向网络连通性：时间动态随着市场的动态演变，我们预计网络也会表现出强大的时间动态。图2说明了2000年初，由于几条特定的新闻和并购交易，以及2000年3月互联网泡沫的破灭，总恐惧关联度指数两次飙升。这些事件，以及其他事件，如9.11恐怖袭击和Enconfig 2：总恐惧关联度指数2000 2002 2004 2006 2008 2012 2014 2016 20184045505656570758508590注：该图显示了十大主要金融机构的总IVIX指数的总恐惧关联度。NBER衰退期以灰色突出显示。所选期间为2000年1月3日至2017年12月29日，每日一次。据发现，MCI世通丑闻在短短一年内将2001年底的总恐惧关联度指数从45%提高到75%。该指数几年来一直保持在较高水平，接近80%，直到2004年年中有所下降。这一时期之后是与美国相对应的几个较小的周期。

收紧货币政策，提高长期利率。2007年2月，随着次贷危机的开始，总体连通性指数再次上升。在下降了几个月之后，它在2007年年中猛增，增长了20%以上，达到了接近80%的水平。在全球金融危机期间，随着美林（Merrill Lynch）的亏损和雷曼兄弟（Lehman Brothers）于2008年9月的倒闭，该指数再次飙升，证明了恐惧网络的日益强大。值得注意的是，自2004年以来，恐惧的关联性几乎逐渐增强，几乎没有出现与重大金融危机和欧元区主权债务危机（2010年5月和2011年8月）相对应的局部峰值。我们注意到，此后该指数仍保持较高水平，表明不确定性增加，即使在全球金融危机后的较平静时期也是如此。之前使用历史波动率指标进行的研究表明，在全球金融危机和欧洲主权债务危机之后，当考察美国金融部门内的企业时，存在着高度的关联性（见Diebold和Yilmaz，2015；Barun'k和kˇrehl'k，2018）。我们注意到，在这些事件之后，恐惧联系达到峰值，平均值高于危机前的范围。这可能是因为，与之前使用事后衡量的文献相比，我们正在研究基于事前衡量的未来波动性预期网络。期权交易活动（如投机活动）也可能在增加金融系统内的前瞻性波动连通性方面发挥作用。

因此，连通性的动态性表明，对未来不确定性预期的冲击在金融网络中扮演着越来越重要的角色。5金融网络中的不对称恐惧关联性5.1不对称恐惧关联性：静态分析转移到好恐惧和坏恐惧网络，我们首先查看表2中报告的无条件分析。我们记录了好恐惧和坏恐惧网络中较弱的联系，这意味着对与正回报和负回报相关的不确定性预期的冲击会造成较弱的网络。我们发现，摩根士丹利最容易受到好的恐惧（46.84%）和坏的恐惧（34.97%）的冲击，而高盛被发现是好的恐惧（61.02%）和坏的恐惧（55.01%）的最大传播者，这两种恐惧表现出最高的好和坏的成对关联性。由于高盛在金融部门发挥着关键作用，无论不确定性的性质如何，它都是一个总量发送器，因此我们还记录了其他银行从净接收方转换为净发送器的利益动态，反之亦然，确认了传输机制中的不对称性。