系统性风险识别、建模、分析和监控：

详细了解银行如何在全球层面上相互关联是金融稳定委员会的一个关键优先事项，这一点从《金融联系咨询文件》（FSB，2011）开始，最近随着《数据差距倡议》（FSB，2013）第一阶段的成功实施而报告，包括2013年开始统一收集主要系统性银行风险敞口的改进数据。由国际清算银行（BIS）主办的一个国际数据中心将保存身份数据，参与的国家监管机构已成立一个政府小组来监督信息的汇集和共享。我们支持以下观点，即发达研究方法和系统风险分析的合理性和有效性取决于可用数据的范围。本报告强调，向前迈出的合乎逻辑的一步将包括一系列风险源，作为对整体系统风险度量的贡献，并将通过严格公式化的数学模型对风险源及其相互关系进行综合分析。保持对网络方法和银行系统的关注，可以提出这样的论点，即网络已普遍作为系统性风险的可视化工具，而不是作为严格的分析和知识发现方法，如（Serguieva，2012，2013）所述，由于需要“网络网络”或“多级”网络，单个网络或互联网络无法满足对多个风险源和替代结构进行综合分析的任务。最近的方法学发展可以促进构建具有所需能力的方法的工作。德多梅尼科等人介绍的数学公式。

（2013），捕获具有多个子网和连接层的复杂网络。将张量框架形式化，以研究多层网络并推广网络描述符。它尚未应用于系统风险建模，但它将允许我们充分扩展Langfield et al.（2012）的银行间网络建设，同时将其纳入多层风险源，如无担保贷款、有担保贷款、有价证券、净信用违约掉期、证券融资交易、，和衍生产品按衍生产品类型披露。这种形式化将进一步允许我们重新计算单一工具度量，例如Martinez Jaramillo et al.（2012）中建议的中心度度量和Markose et al.（2012）中提出的超级撒布税，现在基于复杂网络或该网络内的任何范围。此外，网络中每一层的规范张量可以基于宏观经济指标和金融市场指标进行评估，而邻接张量也包括银行间风险敞口。因此，较低的基础结构将影响观察到的银行间风险敞口结构。接下来，现在包含在多层网络中的每一种工具都在不同的市场上交易，我们可以放大一种工具的层次，将银行视为交易主体。我们可以通过将适应共存交易所的超图市场结构（Malamud和Rostek，2013）转换为张力形式化，在该层下引入额外的层。这将允许我们在同一结构内模拟影响系统性风险网络形成的市场。

Malamud和Rostek（2013）仅在市场层面上工作，并假设战略交易员，但不使用真实数据进行分析。另一方面，模拟可以基于彭博数据库和最近开发的监管SABRE数据库的样本，该数据库最初由FSA维护，现在由PRA维护，包含交易价格、规模、时间、地点和交易对手的信息。这将允许从数据中识别不同类型的战略交易员，并提高模拟的质量。例如，Benos和Sagade（2012）使用彭博社和SABRE数据库中的样本分析市场结构。令人信服的是，我们认为市场结构有助于整体系统性风险结构，并影响系统性风险网络其他层次的结构。如（Thurner et al.，2012）所述，一些工具中的市场可以扩大，以包括明确允许杠杆的参与者和策略。作为本文的最后一点，有合理的论据表明，尚未提出任何方法来捕捉系统性风险结构随时间的演变，并且如（Serguieva 2012、2013）所述，尚待开发一个适用于广泛系统性风险知识领域实例化的领域表示框架。我们支持关于结构进化的观点，即结构本身与结构相沟通。Braha和Bar Yam（2010）研究了与时间相关的网络，认为静态网络分析会丢失嵌入动态网络中的宝贵信息，网络遵循“多尺度”动态，其中结构在时间尺度和加班时间之间存在显著差异，因此有必要采取更灵活的监控和中心性评估策略。

这项研究基于单层社交网络，现在有必要检查这些结论与多层银行间风险敞口网络的相关性。将进一步研究（De Domenico et al.，2013；Gomez et al.，2013）中的扩散方程，它们可以解释层内和层间扩散，并可以研究复杂网络中的时间尺度，因为层间连接可以在系统组件之间产生新的结构和动力学关联，并影响信息扩散。为了下一步捕捉不完全信息下结构的演化，我们将研究（Minku和Yao，2012）作为知识发现方法处理多层网络中结构漂移的适用性。上述方法有助于推广依赖时间的多层网络和动态过程。通过为更广泛的系统性风险知识领域开发一个表示框架，将其扩展到银行系统之外，包括金融部门，并与实体经济联系起来，进一步推广。作为第一步，在与银行间风险敞口相对应的张力多层网络中引入银行系统以外的影响。可以通过基于包括宏观经济变量在内的因素的主成分分析，确定每一层的规范基础，即每种类型的暴露。因此，经济结构和周期性将影响系统风险结构。此外，当放大每个风险敞口工具的层面并展示该工具的市场时，相应的市场结构和杠杆效应将影响系统性风险结构。

本段中描述的概括不仅可以表示网络结构，还可以发现网络结构。最后，金融部门、住房市场和其他实体经济部门的进一步宏观和微观信息，与系统性风险相关，并通过各种建模和分析方法进行了有效的探索，这些方法本身并不直接作为上文介绍的紧张风险敞口网络的扩展，但构成了系统性风险的现有可行知识。然后，我们可以参考知识工程（knowledgeengineering）中的技术，构建一个系统风险域，其中模型被视为一个知识单元，即模型是表达系统风险知识的语言，暴露网络就是其中之一。Serguieva（2004）提出了一个多模型领域框架，其中模型是沿着维度定位的，不精确是其中之一，而其他维度可以实例化为特定领域的有意义本体。作者介绍了得益于广义不确定性理论（Zadeh，2006）的不精确性观点，然后将模型视为信息的广义约束，其中约束中的不同关系类型传播不同类型的不确定性，最后，提出多角度广义约束，将领域转化为多个约束，涉及领域特定维度上的多角度关系类型折叠。

进一步的理由是，不同的约束组合将能够解决对知识库的不同用户定义查询，这些查询的范围和焦点各不相同，但是，对于此类模型分组，不建议进行结构形式化，并且该框架未在系统风险域中实例化。这里的相关形式化可以通过超级网络和超级隐式（Johnson，2014）引入，将每个模型视为一个节点，将每个模型分组视为一个超级简单化，以解决特定的系统风险查询或政策查询，并将域视为一个超级网络。随着系统风险知识的发展，今年回答同一查询的模型的hypersimplex可能与明年的hypersimplex不同，我们正在确定领域演化的技术。目的是引入一种严格的数学格式来描述和发展系统性风险超网络领域，同时仍然捕获定量和定性关系。只有这样，它才能转变为一个有效的决策支持或政策支持知识系统，促进情景分析和政策决策。重要的是，域演化带来了底层数据结构的演化。上述一级近似的综合系统性风险方法描述之后，将逐步介绍每个阶段。从逐层构建季节性银行间风险敞口网络开始，它将涵盖以下风险敞口：最优惠贷款总额、发行人风险总额、证券融资交易风险总额、违约衍生品风险总额和短期贷款总额。

在总发行人风险范围内，将区分有价证券和净信用违约掉期，而违约衍生工具的总风险敞口将按标的资产类别进行细分，总优先贷款将与总短期贷款相结合，重点是非补救和担保贷款。