金融风险敞口网络中的最小系统性风险是什么？

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：
《What is the Minimal Systemic Risk in Financial Exposure Networks?》
---
作者：
Christian Diem, Anton Pichler, Stefan Thurner
---
最新提交年份：
2019
---
英文摘要：
  Management of systemic risk in financial markets is traditionally associated with setting (higher) capital requirements for market participants. There are indications that while equity ratios have been increased massively since the financial crisis, systemic risk levels might not have lowered, but even increased. It has been shown that systemic risk is to a large extent related to the underlying network topology of financial exposures. A natural question arising is how much systemic risk can be eliminated by optimally rearranging these networks and without increasing capital requirements. Overlapping portfolios with minimized systemic risk which provide the same market functionality as empirical ones have been studied by [pichler2018]. Here we propose a similar method for direct exposure networks, and apply it to cross-sectional interbank loan networks, consisting of 10 quarterly observations of the Austrian interbank market. We show that the suggested framework rearranges the network topology, such that systemic risk is reduced by a factor of approximately 3.5, and leaves the relevant economic features of the optimized network and its agents unchanged. The presented optimization procedure is not intended to actually re-configure interbank markets, but to demonstrate the huge potential for systemic risk management through rearranging exposure networks, in contrast to increasing capital requirements that were shown to have only marginal effects on systemic risk [poledna2017]. Ways to actually incentivize a self-organized formation toward optimal network configurations were introduced in [thurner2013] and [poledna2016]. For regulatory policies concerning financial market stability the knowledge of minimal systemic risk for a given economic environment can serve as a benchmark for monitoring actual systemic risk in markets.
---
中文摘要：
金融市场系统性风险的管理传统上与为市场参与者设定（更高）资本要求相关。有迹象表明，尽管自金融危机以来，股本比率大幅上升，但系统性风险水平可能并未降低，甚至有所上升。已经表明，系统性风险在很大程度上与金融风险的基础网络拓扑有关。由此产生的一个自然问题是，在不增加资本要求的情况下，通过优化这些网络的布局，可以消除多少系统性风险。[pichler2018]研究了系统风险最小化的重叠投资组合，这些投资组合提供了与实证投资相同的市场功能。在这里，我们为直接风险敞口网络提出了一种类似的方法，并将其应用于跨部门银行间贷款网络，包括10个季度的奥地利银行间市场观察。我们表明，建议的框架重新安排了网络拓扑结构，使系统风险降低了约3.5倍，并保持了优化网络及其代理的相关经济特征不变。提出的优化程序并不是为了实际重新配置银行间市场，而是为了证明通过重新安排风险敞口网络进行系统性风险管理的巨大潜力，而增加的资本要求对系统性风险的影响微乎其微【poledna2017】。【thurner2013】和【poledna2016】中介绍了实际激励自组织编队实现最佳网络配置的方法。对于有关金融市场稳定性的监管政策，对于给定经济环境的最小系统性风险的知识可以作为监测市场实际系统性风险的基准。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--
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
--

---
PDF下载：
--> What_is_the_Minimal_Systemic_Risk_in_Financial_Exposure_Networks?.pdf (2.66 MB)

2022-6-23 23:06:14 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：系统性风险 金融风险 系统性 Requirements Applications

金融风险敞口网络中的最小系统性风险是什么？Christian Diema、Anton Pichlerc、d、b、Stefan Thurnerf、b、g、e、，*维也纳经济和商业大学统计与数学研究所，Welthandelsplatz 1，A-1020，澳大利亚复杂性科学中心维也纳，Josefst¨adter Strasse 39，A-1080，澳大利亚新经济思想研究所，牛津大学，Manor Road，OX1 3UQ，英国数学研究所，牛津大学，伍德斯托克路，牛津OX1 3LP，UKeIIASA，Schlossplatz 1，A-2361 Laxenburg，AustriafSection for Science for Complex Systems，Medical University of Vienna，Spitalgasse 23，A-1090，AustriagSanta Fe Institute，1399 Hyde Park Road，Santa Fe，NM 87501，USA抽象金融市场系统风险管理传统上与为市场参与者设定（更高）资本要求相关。有迹象表明，尽管自金融危机以来，股本比率大幅上升，但系统性风险水平可能并未降低，甚至有所上升（见ECB数据；SRISK时间序列）。研究表明，系统性风险在很大程度上与金融风险的基础网络拓扑有关。由此产生的一个自然问题是，在不增加资本要求的情况下，通过优化这些网络的布局，可以消除多少系统性风险。Pichler et al.（2018）研究了具有最小系统性风险的重叠投资组合，这些投资组合提供了与经验投资组合相同的市场功能。在这里，我们提出了一种类似的直接敞口网络方法，并将其应用于跨部门银行间贷款网络，包括10个季度的奥地利银行间市场观察。

我们表明，建议的框架重新安排了网络拓扑结构，使系统风险降低了约3.5倍，并保持了优化网络及其代理的相关经济特征不变。所提出的优化程序并不是为了实际重新配置银行间市场，而是为了证明通过重新安排风险敞口网络进行系统风险管理的巨大潜力，而增加资本需求对系统风险的影响微乎其微（Poledna et al.，2017）。Thurnerand Poledna（2013）和Poledna and Thurner（2016）介绍了实际激励自组织编队实现最佳网络配置的方法。对于有关金融市场稳定性的监管政策，已知经济环境下系统性风险最小化的知识可以作为监测市场实际系统性风险的基准。关键词：系统性风险效率、银行间市场、金融网络、传染病、网络优化、混合整数线性规划、DebtRank1。引言提高市场参与者的资本要求是提高金融系统弹性的明显建议，尤其是降低金融市场的系统性风险。资本要求取决于宏观审慎监管的此类政策的例子有Cont et al.（2010），《WHOEB统计数据仓库：合并银行数据》sethttps://vlab.stern.nyu.edu/welcome/risk/*相应的authorEmail地址：christian。diem@s.wu.ac.at（克里斯蒂安·迪姆），安东。pichler@wolfson.ox.ac.uk（安东·皮克勒），斯特凡。thurner@muv.ac.at（Stefan Thurner）提出了与银行传染指数值相关的资本要求，Gauthier等人。

（2012）建议银行资本负担者应与其对整体系统性风险的贡献相对应，或Markose（2012）建议与银行在金融网络中的特征向量中心性相关的资本附加费。此外，在Artzner等人（1999）和F¨ollmer and Schied（2002）之后的经典风险度量文献中，资产的风险是通过需要添加到头寸中的资本量来度量的，以便使头寸为监管机构或企业本身所接受。这种方法可以扩展到确定金融机构的资本要求，以将系统性风险提升到监管机构可以接受的水平，参见Feinstein et al.（2017）或Biagini et al.（2018）。最近，在上次金融危机之后，银行资本要求被上调。在《巴塞尔协议III》中，普通股一级资本（CET1）的监管最低要求从2%提高到了4.5%，一级资本从4%提高到了6%（2011年a）。此外，通过将CET1和一级资本进一步增加至7%和8.5%，引入了资本节约政策。除此之外，对于过度信贷增长的阶段，国家当局可以在0%到2.5%之间设置额外的反周期缓冲。全球系统重要性机构必须满足1%-2.5%BCBS范围内的额外CET1要求（2011c）。自这些新规定出台以来，银行资本水平一直在稳步上升。巴塞尔委员会BCBS（2011b）的监测报告显示，在2011年至2018年期间，86家一级资本超过30亿美元的国际银行样本中，CET1从7.2%增加到12.7%（BCBS，2011b，图15）。

德国、西班牙、法国和意大利的ECB数据显示，2008年至2017年期间，一级资本比率分别从9.2%、8.1%、8.4%和6.9%上升至16.4%、13.2%、15.3%和14.4%。尽管如此，一些系统性风险指标表明，系统性风险水平并未下降，但仍大大高于金融危机之前。一个突出的例子是Brownlees和Engle（2016）的SRISK指标，它表明欧洲的系统性风险水平与危机前一样高。然而，在系统风险的背景下，吸收冲击的资本水平只是故事的一部分。确定系统性风险的另一个重要组成部分是由金融机构之间的合同生成的风险敞口网络。特别是，这些网络捕获了潜在级联事件的风险，这些事件可能威胁到大部分金融市场的失败。这一事实反映在许多作品中，如Allen和Gale（2000）、Freixas等人（2000）、Eisenberg和Noe（2001）、Boss等人（2004a）、Cont等人（2010）、Gai和Kapadia（2010）、Battiston等人（2012c）、Markose等人（2012）、Thurner和Poledna（2013）、Glasserman和Young（2015）。因此，我们很自然地会问，网络对系统性风险的具体贡献是什么，以及它们的拓扑结构如何影响系统性风险。事实上，系统性风险文献的许多贡献都调查了网络特征对系统性风险的影响。Allen和Gale（2000）比较了不同网络拓扑（如环、全连通图和互连子组）对银行间市场稳定性的影响。Boss等人（2004a）讨论了无标度网络拓扑在系统风险和稳定性背景下的作用。在Boss等人。

（2004b）引入中间性中心性度量，作为基于网络的系统性风险度量。Nier等人（2007年）研究了网络连通性和集中度对传染性违约的影响。Gai和Kapadia（2010）采用了一个程式化的分析约束模型，并考察了给定平均程度下违约银行的比例。Puhr等人（2012年）利用面板回归研究了网络措施（如Katz中心度）对违约银行数量的影响，这些措施是通过模拟研究获得的。“互联太多而不能失败”这一概念也是本次讨论的一部分，Markose等人（2012）对其进行了研究。Glasserman和Young（2016）在他们的文献综述中，有相当一部分是针对这一主题的。这些以及更多的理论和实证研究表明，有可能利用金融联系网络作为杠杆点，降低金融系统中的系统性风险，作为对降低系统性风险影响有限的昂贵资本需求的有效替代方案（Poledna et al.，2017）。如果通过改变基础风险敞口网络特征确实可以有效降低系统性风险，则应建立CB统计数据仓库：不同地区的综合银行数据集风险水平由https://vlab.stern.nyu.edu/welcome/risk/be金融市场稳定政策的重要因素。因此，有必要系统地评估基于网络的系统性风险降低的全部潜力。在这项工作中，我们提出了一种通过使用标准优化技术量化经验观测的直接暴露网络中系统风险降低潜力的方法。网络的系统性风险用所谓的债务等级来衡量（Battiston等人，2012c）。

实际的优化依赖于DebtRank的近似值，它是迭代计算的，因此很难用于优化。近似值基于违约银行对其风险敞口网络中相邻节点的直接影响。我们展示了如何通过标准的重新制定技术将系统风险优化问题作为一个混合整数线性规划（MILP）来解决。优化问题可以通过最先进的优化算法来解决，因此也可以很容易地在实践中实现。在本研究的实证部分，我们通过将该方法应用于包含2006年至2008年奥地利银行间负债网络十个季度观察结果的数据集，展示了该方法的有效性。我们对最大的70家银行的调查结果表明，各银行的债务等级平均可以降低3.5倍。这意味着几乎所有70家银行的债务级别都会大幅下降，而且通常是在各个季度，只有少数例外。在实践中，由于目前缺乏系统风险管理的激励计划（Leduc和Turner，2017），金融网络并没有朝着系统最优配置发展，很明显，这些优化程序不会产生任何结果。然而，我们的研究可以对经验观测网络的特定重组产生的系统性风险降低潜力进行估计。同样的优化算法可用于计算网络配置，从而产生最大的整体系统风险。这样，对于任何观察到的金融网络，拟议的优化程序都会产生一系列网络结构，对应于最小和最大债务等级。

这使我们能够识别低、中、高债务等级的典型网络特征。密切相关的研究包括Poledna和Thurner（2016）以及Leduc和Thurner（2017），研究如何通过改变基础网络来降低系统性风险，当金融机构被激励支持网络中系统性风险较低的交易时。将运筹学中常用的网络优化技术应用于系统性风险降低的想法是相对较新的。Pichler等人（2018年）在重叠投资组合和债券销售的特定背景下率先提出了这一方法，他们通过重新安排欧洲政府债券市场的网络结构，将系统性风险降低了约50%。然而，那里的优化方法——二次约束二次规划（QCQP）——与这里介绍的方法有很大不同。Krause et al.（2019）最近发表的一篇论文重点关注同时影响所有银行资产的小型同质宏观经济冲击，以及这些冲击在银行系统中如何放大。他们展示了一种aMonte Carlo算法，用于寻找与此类小型均匀宏观冲击放大相关的最小和最大网络。另一项相关研究是Aldasoro等人（2017年）。作者采用了银行间网络的理论模型，在该模型中，风险厌恶型银行投资于非流动资产并相互借贷。在他们的模型中，他们考虑了源自流动性囤积、银行间互联和再销售的传染。他们的模型得出了一个特定的银行间网络，其中报告了网络拓扑的属性。本文的组织结构如下。第2节介绍了我们量化系统性风险的方法。在第3节中，我们推导了减少债务等级的优化问题。

在第5.2节结束之前，我们将在第4节详细讨论奥地利银行间市场的数据和应用结果。量化系统性风险量化金融网络中的系统性风险是一项不平凡的任务，取决于利益的具体方面。基于非常不同的想法，提出了各种系统性风险措施。上面已经提到了一些基于网络的产品。其他众所周知的方法包括CoVaR，Adrian和Brunnermeier（2016）提出的衡量银行资产回报尾部相关性的方法，Acharya等人（2017）提出的衡量整个系统资本不足情况下银行资本不足趋势的系统性预期缺口（SES），Brownleesand Engle（2016）提出的SRISK方法，或Lehar（2005）提出的看跌期权组合方法。这些基于市场的系统风险度量方法的优势在于，它们不需要金融网络的详细（通常受限）信息，而是通过公开获取的数据来估计系统风险。这些模型无法估计通过金融风险网络的级联效应的贡献。Benoit等人（2017）强调了这两类文献之间的差异。在这里，我们选择基于网络的测量DebtRank作为量化系统性风险的方法。当使用Neverdebtrank作为系统性风险的衡量指标时，以下最小化系统性风险的方法适用于所有直接金融风险敞口网络。分析网络系统性风险的示例包括银行间网络（Battiston et al.，2012c；Thurner and Poledna，2013）、衍生品和外汇（Poledna et al.，2015）以及信用违约掉期（Leduc et al.，2017）。

在不损失任何类型的直接风险网络通用性的情况下，我们演示了银行间资产负债网络的方法。我们将N家银行的银行间市场建模为一个由资产负债矩阵L表示的有向加权网络。节点代表银行，链接是银行之间的负债。如果j银行将Lij（货币单位）借给i银行，我们将其表示为从节点i到节点j的有向链接，对应权重为Lij。Lijis j对i的风险敞口，即，如果i违约了Lijis对j的风险金额。我们通过li=PNj=1Lij表示银行i对网络中所有其他银行的银行间负债总额；I向其他银行发放的所有贷款总额为ai=PNj=1Lji。银行i的权益由ei表示，网络中的银行间市场总交易量为“L=PNi=1li=PNi=1ai”。银行i在网络中的相对权重为vi=ai/(R)L。在i违约的情况下，我们假设银行j需要对其资产进行冲销。由于银行不能有负资产，我对j的最大影响就是ej。这推动了直接影响矩阵的定义，Wij=min李杰，1, （1） 这表示因i银行违约而损失的j股权份额。如上所述，我们使用DebtRank量化系统性风险。DebtRank是一种递归的中心度量，专门为直接金融风险网络设计，并量化银行违约对整个网络的影响。每个银行i都有一个介于0和1之间的债务等级值Ri；Ri=0表示银行i对其他银行没有影响，而Ri=1表示如果我违约，系统的整个银行间资产净值都处于风险之中。从这个意义上讲，Ri是默认情况下网络中受影响总价值的分数。定义1（债务等级）。DebtRank由一个迭代过程定义，该过程涉及两个状态变量h和s。