此外,我们希望估计场外衍生品之间的相关性,即从机构参与的共同运动推断可能的交易对手。OTC衍生品活动和评级网络为了从可用数据集重建交易对手风险网络,我们需要引入一些变量,这些变量稍后将映射到特定数据。首先,我们通过指数i=1,…,识别数据集中的每个机构。。。,N、 其中N=61,即不同机构的总数。请注意,每个季度的数据集仅列出了排名最好的25家机构,但每个季度的排名不一定相同(另请参见图2)。因此,在整个14年期间,数据集中出现了61个不同的机构。在每个时间步t,其中t是离散的,按季度计量,最多t=57,机构i和j可以作为交易对手,即它们拥有总交易量为xij(t)的合同。重要的是,该数据集既没有列出交易对手j,也没有列出其合同量xij(t)。然而,它列出了每个机构的季度活动,ai(t)=PNj=1xij(t),即支持信息表A第5列中给出的汇总量。因此,我们的论文旨在从汇总数据重建依赖网络。请注意,如果某个机构在某个特定季度不活跃,即未在该期间的数据集中列出,则其活动设置为零。举例来说,图3显示了每季持续从事inOTC衍生品业务的两家银行的活动。令人印象深刻的是,他们的活动在大约两个数量级上有所不同,随着时间的推移,进一步显示出不同的业务战略。
|