通过庇古税降低系统性风险

2022-5-6 08:34:40

通过庇古税Vinko Zlati'c1降低系统性风险，*Giampaolo Gabbi2，3 RVOJE Abraham1理论物理部，鲁杰尔·博什科维奇研究所，地址：克罗地亚锡耶纳大学萨格勒布HR-10002号信箱180号，管理与法律系，圣弗朗切斯科广场，53100Siena，意大利波科尼管理学院，途经2011年8月8日，米兰，伊塔利加尔各答，克罗地亚萨格勒布HR-10002，德里恩切诺娃1号* 电子邮件：vinko。zlatic@irb.hrAbstractWe通过对用于支持救助基金的金融机构进行庇古税，分析降低金融市场系统性风险的可能性。我们引入了级联风险的概念，明确了操作定义，将其作为系统风险的子类和网络相关度量。通过使用真实意大利货币市场数据构建的金融网络，并使用现实参数，我们表明，通过小税率和从救援基金向银行间市场主体转移资金的简单策略，可以大幅降低级联风险。此外，我们还表明，虽然对投资回报率（ROI）的负面影响是直接和确定的，但对风险调整投资回报率（ROIRA）的总体积极影响是明显的。请注意，税收是作为一种货币/监管措施引入的，而不是作为一种规模措施引入的，因为这个词可能暗示了最重要的一点。救援基金是以共同储备基金的形式实施的。引言自全球金融和经济危机爆发以来，人们就如何应对未来类似的动荡、如何最大限度地降低冲突可能性以及如何管理金融系统的稳定性和效率之间的权衡提出了许多建议[1–6]。

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

2022-5-6 08:34:43

监管机构和智库在评估系统性风险时遇到的最严重问题之一是缺乏可靠数据[7]。具有借贷模式的微观经济数据尤其稀缺，关于系统互联性的货币市场（MM）稳定性分析有助于解决实际观察到的问题。市场主体相互关联产生的系统性风险被认为是危机广泛蔓延的明显原因[5,6,8]。在危机高峰期，当中央银行和监管机构努力与短期和长期融资工具和/或量化宽松解决方案合作时，很明显，没有关于如何管理市场参与者互联互通负面影响的指标或模型。不仅不清楚如何稳定系统，而且也没有一个单一的可用指标来明确管理互联互通的任何方面及其后果。系统性风险研究大幅上升，尤其是自2008年以来[8]。其中一部分是针对潜在区域传播的有针对性的定性分析，而另一部分则侧重于量化节点的系统风险。系统性风险与网络之间的关系已引起更多关注[1-6,9-11]。由于缺乏可靠的指标来估计系统风险敞口，其中一个原因是提出了DebtRank算法[12]，这是一种系统风险指标，旨在衡量某些主体违约对整个系统的影响。一些中央银行对这一指标进行了全面调查，我们决定将其作为评估卡斯卡风险的代理流程。除了债务等级，在过去几年中，还构建了其他系统性风险度量。

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

大多数88

2022-5-6 08:34:46

最流行的是边际预期短缺（MES）[13]、系统风险度量（SRISK）[14]、DeltaConditional Value at Risk（DCoVaR）[15]、链路感知系统风险估计（LASER）[16]以及PA和GCA度量[17]。只有部分指标（DCoVaR、LASER和PA&GCA）是基于网络的模型。此外，其中大多数没有提供分析方法。此外，有许多pape R致力于网络结构，作为与默认级联相关的不同传染过程的启动子/抑制剂[18–20]。这些更具理论性的方法指出了泛型传染病对网络结构细节的强烈依赖性。世界银行提出的传染病分类根据其发生的性质区分了传染病的三个定义（广泛的、限制性的和非常限制性的）。根据广义定义，传染被称为“冲击或一般跨国溢出效应的跨国传播”。这一定义假设传染可以由国家（基本面和非基本面）之间的任何类型的联系引起。根据第二种更具限制性的定义，“传染是指冲击在任何基本联系或共同冲击之外传播到其他国家”。从这个意义上讲，传染可能是由“非理性”现象（如金融恐慌、羊群行为）引起的。根据第三种非常严格的定义，金融传染也不涉及基本联系。它假设，相对于“平静时期”的相关性，在“危机时期”跨国相关性增加时，“传染病”就会爆发。这种定义允许对传染进行可行的经济计量测量。

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

可人4

2022-5-6 08:34:50

在货币市场中，系统性风险可能与其微观结构的不同特征有关：违约风险、资金流动冻结、羊群行为和许多可能的未知因素。在本文中，我们关注的是整体系统性风险，我们称之为级联风险。我们认为，信用风险是系统性风险的一个很好的衡量标准，并明确定义了我们方法适用的条件。为此，我们使用了以下级联风险的操作定义：系统的级联风险是指随机选择的金融机构因其他机构违约引发的金融系统传染而违约的概率。显然，这一定义没有考虑对整个系统的实际经济和资本的影响，也没有考虑个人违约概率的增加。然而，它明确了我们在构成系统风险的所有可能过程中关注的过程。我们将发现并量化系统冲击对金融机构网络的潜在损害。此外，我们还将讨论参数的临界值，对于这些参数，我们可以扩展以覆盖大部分风险。同时，我们提案的政策含义与现有监管框架一致。Pa st研究提出了几种降低系统性风险的措施。其中一类包括市场主体的资本要求[21-24]。虽然增加银行资本的数量和质量可以减少信贷和市场等相关风险的暴露，但在危机时期引入银行资本可能会非常昂贵。

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

2022-5-6 08:34:53

资本增值的另一个弱点是，预计银行将支付资本成本，从而形成恶性循环，最终导致更高的金融化水平、不可持续的特定风险敞口，以及更可能的系统风险。危机后巴塞尔委员会（Basel Committee）提出的系统性金融机构的资本要求（Basel III框架）也可能改变保证竞争对手公平竞争的目的。在这种方法中，每一个受试者都应该上升到足够的水平，以阻止其邻域内的传染，这样，如果传染开始于任何受试者的非常接近，那么该水平是可用的。其他人则提议征收货币市场交易税[25–27]。人们可以对所有交易征税，也可以只对增加系统性风险的交易征税。我们认为，由于两个主要原因，这不是一个可行的方法。首先，对所有交易征税不必要地增加了整个MM细分市场的成本，即使它正在降低系统风险。这种方法将阻止MM活动，尽管其主要目的是在很短的时间内减少网络中的流动性波动，通常以分钟为单位。当交易按月、每周甚至每天进行补偿时，对MM交易征税将影响互惠。对一对零净额交易对一项交易征税将产生无意义的额外成本。仅对导致系统风险增加的交易征税属于类似类别，因为它不考虑一段时间内的交易净影响。例如，一对零净额交易将被征税，尽管它们对市场稳定性没有影响。这种方法还将阻止不受限制的MM活动，这些活动会对市场流动性产生影响，但未讨论这些影响。

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

点击查看更多内容…

2022-5-6 08:34:56

此外，识别增加系统性风险的交易是一项操作挑战。税务提案的实施似乎很棘手，因为不可能确定实时交易，并允许财务部门估计对盈利能力的净影响。其影响将是冻结市场，因此，流动性来源可能会迅速蒸发。MM场馆将以目前的形式存在，做市几乎不可能实现，而且所有这些都可能以引入报价矩阵而告终。本文试图回答的问题可以解决如下：平衡表储备的一小部分分配给救援基金，在多大程度上提高了系统的整体财务稳定性？受此监管的机构是否有任何可能的收益，可能会超过拟议税收导致的市场竞争力下降？我们模拟了庇古维亚税收的影响，以及旨在降低信用风险、进而降低整体系统风险的救援基金的设立。由于缺乏真实世界的数据，我们必须假设某些简化和理想化来证明这个概念。我们不提供金融系统稳定性的量化解决方案。相反，我们的目的是提供一个框架，清楚地表明庇古税原则上可以大大降低casc和整体系统性风险。我们将重点放在一个框架上，该框架可用于量化庇古税的连锁风险和影响以及救援基金的使用。我们还证明，在一个特殊的情况下，救援基金可以提高风险调整后的投资回报率（ROIRA）。Weshow表示，在我们的环境中，救援基金是：。降低实际准备金需求水平的系统性风险；2.

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

2022-5-6 08:34:59

增加单个金融机构和金融市场总体的风险调整投资回报率；3.在某些情况下，可确保相同水平的稳定性，显著降低储备需求率；4.在我们这里报告的所有网络案例中，产生质量上相同的结果。在本文中，我们应用DebtRank[12]对ca scade风险进行建模，并使用真实的欧洲电子货币市场数据来校准代理之间的网络[28–31]。然后，皮古维亚增值税被用于为救援基金融资，该基金用于单一金融参与者违约的情况。论文的结构如下。首先，我们描述了我们用来创建金融网络的数据和附加参数。其次，我们对DebtRank方法进行了概述。第三，提出救助资金的征税机制和运用策略。第四，我们解释了计算系统性风险和ROIRA的方法。第五，我们讨论了我们的结果，以及拟议税收对市场稳定性和市场稳定性的影响。数据本研究中引入的模型基于一个简单的金融代理网络，通过相互借贷活动相互连接。为了校准金融资产和负债，我们使用realEuropean e-MID隔夜货币市场数据。这是欧元区和美国唯一的银行间存款电子市场。数据库由1999年至2009年期间登记的所有交易记录组成。根据在复杂网络领域所做的大量工作，我们知道：1。在之前报道的所有案例中，真实金融网络在节点度和节点强度上都非常不均匀[28–31]。真实金融网络呈现出强大的核心成熟结构[32,33]。

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

2022-5-6 08:35:02

小型（<1万个节点）和密集加权网络，如金融网络，在配置空间中受到限制，应该彼此相似[34]。上述事实支持使用e-MID数据，因为所有先前报告的事实表明，e-MID在广泛的金融网络类别中具有充分的代表性。很明显，例如美国和欧洲金融系统的规模之间的差异很大，尽管我们预计现有结果在数量上会非常不同，但我们预计它们在质量上应该非常相似。为了本文的目的，我们提出了4个不同时期的4个不同网络，与总体经济状况有关。网络是2000年4月、2004年11月和2009年9月一个月交易的总和。我们选择这些时期来比较大金融危机之前和之后的两个时期。不幸的是，复杂网络领域仍然缺少一个良好可靠的模型来创建具有强异构性的加权定向网络。如果有这样的模型，压力研究将大大受益。我们可以生成金融网络的不同实现，以创建大量理想化实现。通过这种方式，我们可以更详细地了解结果与在尽可能现实的网络上对分类模式l施加的网络参数之间的相关性。我们使用的网络相对较小，大小从N=112到N=177个节点不等。图1中a）和b）显示了他们的路线和程度。尽管这些网络很小，但它们的连接模式却表现出很大的异质性。这是所有被调查金融网络的普遍特征。

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

2022-5-6 08:35:05

在面板c）和d）上的相同图表中，我们展示了网络实力。在这两种情况下，异质性再次明显。图2给出了模拟中使用的一个网络示例。方法参数为了使用DebtRank方法计算级联风险，我们对银行参数进行了一些假设。首先，我们确定准备金率，然后模拟不同水平的准备金率。主体i的资产和负债由五个特征部分组成：总资产负债Bi、借给银行间市场网络主体j Aij的资产、从网络主体j借入的负债、监管要求的资产负债表准备金EI和监管要求的救援基金Fi，保存在救援基金中。e-MID数据中的参数包括银行间市场借贷Aij和银行间市场借贷JI。借出给交易网络其他参与者的总资产为SLi=Pjaijan，借出给其他参与者的总资产为SBi=PjAji。我们将这两个变量作为加权网络k的外强度和内强度。我们模拟平衡如下：Bi=β* 麦克斯（SBi，SLi）。（1）参数β是通过公开展示的货币市场活动与欧洲地区银行业总资产量的比较数据来估算的[35]。本文中使用的典型值为β=10，尽管我们的实验值范围为β∈ [4, 20]. 为了使用MM数据敞口校准资产和负债，我们有一个简单的策略，将相同的β分配给所有市场参与者。因子β可以解释为reach机构单独计算的变量βi=Bi/max（SBi，SLi）的平均值。只要平均值β能很好地代表变量βi的典型值，我们的估计在经济上和统计上都是不可信的。存款准备金率也保持不变。Ei=η* 毕。

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

2022-5-6 08:35:10

（2）我们报告了许多不同的η值∈ [0,0.05]因为准备金要求因国家和经济区域的不同而变化很大[36]。存款准备金率是一种监管措施，旨在迫使市场参与者始终保持一定程度的市场冲击韧性，并为银行管理存款乘数。在简化的系统性流动性紧缩中，我们假设，如果银行的短期债务增加，那么其准备金——银行就会倒闭。实际上，储量可能与法律规定的最低限额有很大不同。在这种情况下，我们可以再次得出，每个机构都有一个储备分数ηi=Ei/BIAND，这些分数的分布由它们的平均值η很好地表示。本文设计的最后一个参数是影响市场稳定的储备基金义务Fi（对于任何一个机构）。我们建议每家银行设定一个金额fi=α* 基金中的Ei（3），α∈ [0, 1]. 因此，我们采用了一种简单的策略，即银行根据其规模按比例参与储备基金。显然，现实世界中可能会有不同的策略——例如，反倾销税。另一个有趣的选择是使用一些指标，比如DebtRank，来评估银行对系统稳定性的重要性，并根据该指标按比例征税。我们决定使用比例税，因为我们发现它是最大限度地减少监管不平等和套利机会的最合理方法。前面提到的默认EI级别分配给加权有向网络的每个节点i。该水平代表银行违约的阈值，即，如果不可收回贷款总额超过该阈值，则主体失败。痛苦的初始水平ψi∈ [0，1]也被分配到每个节点i。

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

能者818

2022-5-6 08:35:13

高（t）与高（t）的痛苦程度≥ ψiis计算为模型迭代t后银行i所承受的损失量除以其自身的违约水平Ei。DebtRank从ψi>0的初始节点集开始。贷款是用外接的链接呈现的，迭代t中的每个节点i都会增加一个痛苦等级hj（t）=min{1，hj（t- 1） +Wijhi（t）- 1） }到它的邻居rj。这里Wij=AijEjis是可以通过给定链接的痛苦的一小部分。模拟中的每个环节都可以使用一次，我们分配了一个实验室el l∈ {0，1}到它。在时间0时，所有链接都有标签l=0，使用后会得到标签l=1，并不再考虑。该算法分步骤工作，在下一次迭代之前必须使用所有链接。最后一次运行是在没有更多可能进一步传播压力的可用链接时进行的。危机的结束程度会提高流程对金融系统的影响。在我们的模拟中，我们从一个代理s的默认值开始，即ψs=1。我们不会给其他市场主体增加额外的压力，因为在相同的压力下，这与降低EI有一对一的对应关系。在具有额外数据的现实环境中，如果人们对预期和实际系统性风险之间的差异感兴趣，模拟额外的冲击水平是有意义的。其他一些作者模拟和描述了风险传播过程的动力学[37]，因此必须通过共同资产类别考虑受试者的相关性。相反，我们使用DebtRank程序来估计每个节点对其他节点的影响，并估计它们的系统重要性。在此过程中，受试者仅通过其相互的财务依赖性进行联系。

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

可人4

2022-5-6 08:35:16

假设流程的时间尺度与资产类别之间的相关性非常重要的时间尺度相比很小。此外，在我们的时间尺度上，相关性可以表示为每个节点的不同初始违约概率。当第一个bak违约时，我们模拟对其他银行间市场对手的连锁效应。我们模拟的救援基金运作策略如下。首先，最初的主体i uponrequest获得其资金金额，以防止其违约。我们假设最初的主题总是错误的。做出这种决定的理由如下：由于每个受试者都可以在需要时从救援基金中要求自己的份额，因此在默认级联之前，储备水平是恒定的。这意味着第一家银行倒闭的概率并不取决于救援基金的规模。金融监管机构面临的一个问题是，当银行家相信可以通过纾困解决方案获得救助时，将道德风险降至最低。在我们的模型中，我们引入了在不严重传染的情况下管理违约的机会，从而降低了系统性风险。当第一个主体违约时，其所有邻居（贷款人）都会收到阻止进一步灾难性连锁效应所需的所有资金，最高可达整个救援基金的价值。这就是庇古维亚尼亚，其设计方式是，在救援基金的保护下，任何参与者都不会受到风险行为的道德风险的影响，但所有其他市场参与者都知道，他们在其交易对手的风险行为方面受到保护。如果基金不够大，无法弥补所有损失，则按照每个受试者要求的金额按比例分配。为了使这一战略可行，我们首先希望：。

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

2022-5-6 08:35:19

救援基金的规模足够大，足以弥补市场中金融中介机构的损失，尤其是网络枢纽，因为一些主体违约；（二）救助资金规模小，使用后可以立即更换为新的流动资金；3.救援基金的实施程序允许基金的瞬时使用。级联风险在这里，我们最终展示了级联风险以及我们用来估计它的方法。由于我们将其定义为违约概率的衡量标准，因此我们讨论了在给定时间范围内主体i的违约概率。我们将违约概率分为两部分。第一部分是外生的，由外部市场事件pOi引起；第二个因素独立于第一个因素，是内在的，由银行间系统网络相关风险pSi引起：pi=pOi+pSi。（4）在这里，我们简单地假设每家银行的pOi都很小，在我们估计系统性风险的监控期内，我们只能预期一次违约，即最大（pOi）* N<< 1.我们省略了“集合交点”一词-假设它比线性近似小。这一假设不会改变我们税收分析的定性行为，但只会带来轻微的定量变化。这里N是网络中的主题数。对于违约概率pSi，我们可以写：pSi=Xj6=iQ（i | j）pOj，（5），其中Q（i | j）是主体i违约的条件概率，假设主体j由于外部因素违约。

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

可人4

2022-5-6 08:35:22

请注意，如果我们接受同时发生事件的可能性，实际的外生概率为：pSi=N-1Xs≥1XOhm（s）Ohm（N）-1） Q（i）|Ohm（s））Yj∈Ohm（s） pjYj′/∈Ohm（s）（1）- pj′（6）其中s是同时违约的受试者数量，Ohm（s）是一组同时默认的对象，其大小为s和Q（i|Ohm（s））是在se t中所有科目我将默认的条件概率Ohm（s）同时违约。（6）中的第一个总和覆盖了所有可能的s——可能同时违约的多个主体，从而引发违约级联。第二个总和是包含相同数量受试者的所有可能集合。在假设这些事件彼此不相关的情况下，产品加权每个给定集合的初始默认受试者发生的概率。我们使用前面提到的级联风险pCi的定义，并在一个违约主体的近似范围内编写：pCi=Pj6=iQ（i | j）pOjPj6=ipOj。（7）受试者i的级联风险是级联到达受试者inot的条件概率，取决于启动级联的受试者j。因此，我们通过概率校准按pOj比例加权所有路径，并且我们可以通过其起始节点j标记每个级联路径。该度量的一个重要特性是，它对外部概率的缩放不变性，即如果我们缩放相同数量γpOj的所有外部概率→ p′Oj=> p=pCi′。这意味着异源概率的值是中性的。我们采用DebtRank算法模拟违约级联，一致计算出j违约将影响i违约Q（i | j）的条件概率。请注意，DebtRankalways为同一组初始条件提供了相同的解决方案，因此Q（i | j）被建模为一个随机变量。

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

2022-5-6 08:35:25

如果我们进一步简化我们的假设，并假设违约的异源概率都是相同的，即受试者之间没有差异，那么等式（5）reducestopSi=ipO，（8）在哪里iis算法执行期间，我默认的主题次数，以及默认的概率，即所有主题的相同概率。在这种情况下，默认的总概率ispi=（1+i）阿宝。（9）在本例中，受试者i的级联风险为：pCi=在里面- 1.（10）我们将系统的级联风险定义为所有受试者的平均级联风险：pC=PipCiN=PiiN（N）- 1). （11）（11）是衡量机构的个人风险敞口相对于其他财务部门的风险敞口的指标。请注意，ca欺诈风险并不能解释可能违约的主体数量，也不能解释MM在违约情况下将承受的财务冲击水平。因此，应将其视为一种单独的衡量标准，以解释财务系统对个体受试者估计的风险。对投资回报率（ROI）的影响为了设计一个降低系统性风险的方案，并有实际的实施机会，它应该最小化参与均衡过程的所有不同利益相关者之间的冲突。我们相信，一个能够大大降低级联风险，从而降低系统性风险的方案，可能会对金融中介机构的整体投资回报产生积极影响。为了简化模型，我们研究了银行的投资回报率。如果通过救助基金税收的积极影响，市场参与者资产的调整投资回报率的有效风险显著增加，那么它们的债务成本以及市场对其证券的接受度也将受到积极影响，并形成良性循环。

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

2022-5-6 08:35:29

为了量化这种影响，我们使用以下方法。每个主体都会记录其资产投资的名义回报率和风险调整后的回报率。我们将投资回报率分为两类：网络内资产的投资回报率为投资回报率，网络外资产的投资回报率为投资回报率。我们还引入了ROIEE，即与资产负债表准备金相关的投资回报率。在这种情况下，总名义投资回报率为ROINI=ROIintPj6=iAij+ROIextDi+ROIEEiBi，（12），其中Di=Bi-Pj6=iAij- EI是指在货币市场之外配置的资产总量。风险调整后的投资回报率定义为ROIRAI=ROINi（1- （圆周率）- pi，（13）其中pi是银行i投资期限违约概率。这使我们能够计算风险基金对经风险调整的投资回报率ROIRA的影响。在基金引入之前，我们可以计算如下：ROIRAi=ROINi1.- 波伊- pSi- 波伊- pSi=ROINi1.- 波伊-Xj6=iQ（i | j）pOj- 波伊-Xj6=iQ（i | j）pOj。（14）假设外生概率都相同，即。j:pOj=pO，我们得到：ROIRAi=ROINi1.- (1 + i）阿宝- (1 + i）阿宝。（15）引入资产负债表准备金税率α参数化的基金后，违约概率变为pi（α），系统概率变为pSi（α）。请注意，由于我们的策略允许每个受试者在需要时从基金中提取资金，因此ExogeneusDefault概率POI和pOdo不会改变。现在，风险调整后的ROI变成了ROIRAI（α）=ROINi（α）（1）- π（α））- pi（α）。（16）名义ROINi（α）也取决于α，因为ssets的一部分分配给了救援基金。我们将救助基金的名义投资回报率建模为：ROINi（α）=ROIintPj6=iAij+ROIextDi+ROIE（1- α） Ei+ROIFαEiBi。（17）在我们的模拟中使用的参数s的典型值为ROIint=0.04、ROIext=0.07、ROIE=0.03、ROIF=0.02和pO=0.001。

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

能者818

2022-5-6 08:35:32

我们已经深入研究了其他参数值，特别关注pO、ROI和ROI，在所有情况下都找到了相同的定性图片。在某些情况下，当ROIF>ROIEAN和α相对较大时，我们发现ROIRA呈线性下降。这并不奇怪，因为对于较大的α，级联风险p变得非常小，而领先顺序修正是由于ROIN（α）的变化，如（17）中的se e n。我们使用上述参数展示了大多数结果，因为根据特定资产类别收益率的公开数据，这些参数被认为是对实际价值的合理估计[35,38]。请注意，在本分析中，我们假设在默认情况下ROI会完全损失。显然，如果需要的话，这个假设可以放宽。结果利用本文前几节报道的方法，我们进行了大量模拟，以调查系统性风险、风险调整投资回报率和救援基金之间的关系。在图3中，我们展示了资产负债表准备金率η与资本充足率风险PC之间的关系。显然，随着储备需求率的增加，ca scade ris k降低。此外，如果存在一定的税率α，则风险要低得多。储备基金对η的最小和最真实值的影响尤其强烈。不同面板中的不同值是每个面板使用的不同网络的序列。一个更有趣的问题是，级联风险如何随税收率α而变化。结果如图4所示。很明显，准备金要求的初始水平对结果有很大影响。如果没有储备，无论α的价值如何，救援基金都不会得到资助，因此级联风险不取决于α。随着储量的增加，参数α起着更重要的作用。

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

2022-5-6 08:35:35

救援基金的最大改善效果是0.001到0.01之间的储备水平。我们模型中的储量与网络风险敞口比率与产品βη相关，如（1）和（2）中的n所示。因此，受α影响最大的比率大约在0之间。01和0.1。我们认为，这种影响取决于网络的细节和选择的参数。小α值导致的梯级风险急剧下降表明，梯级风险缓解的最佳策略是将储备水平和救援资金结合起来。还值得指出的是，根据我们的模拟，与2000-2004年期间生产的网络相比，根据2008年和2009年的数据生产的网络的级联风险更低。有可能在2007-2009年危机最激烈的时期，银行的系统风险意识更高，并建立了更稳定的关系网络。DebtRank alg算法还用于确定每个非系统性风险度量值。它表示整个网络中初始节点受损的影响。节点i的DebtRank（指定为DRi）等于节点i受到冲击后可能受损的总经济价值的分数。如果随机选择初始受损的主体，则平均DR仅为DebtRank的扩展值（更多细节见[12]）。在图5中，我们展示了平均债务等级与不同准备金要求水平的相关性。随着储量的增加，平均债务等级下降并不令人惊讶，但值得注意的是，对于α=0.01的极低税率，支出DR的减少可高达20%。

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

2022-5-6 08:35:38

总体而言，该图上的曲线与图3中的曲线非常相似。在图6中，我们给出了税率α和债务等级DR之间的依赖关系。这种关系再次类似于图4中给出的税率α和级联风险p之间的关系，结论也类似。同样，很明显，准备金水平和增值率更好地共同降低了系统的债务等级。上述结果表明，将储备与救助基金的税收风险相结合，可以极大地稳定系统，降低系统风险。如前所述，拟议的税收策略的设计不应降低市场流动性，易于实施，也不应增加系统中的道德风险。为了加强拟议税收方案的吸引力，我们还计算了市场参与者的风险调整投资回报率。在图7中，我们展示了ROIRA和储备水平η之间的依赖关系。有趣的是，尽管η对名义ROI有影响，但我们发现函数是单调递增的。此功能是一系列选定的参数，因为Ei<< 与储备对级联风险的非线性影响相比，储备对名义投资回报率的负面影响很小。有人可能会说，这种关系事实上是正确的，因为在现实中，金融机构通常持有比强制保留要求最低限度所需的储备更多的储备。图8显示，税收对投资回报率的影响不仅很大，而且对银行价值也有好处。最后，在图9中，我们发送了级联风险的iso曲线。通过以下方式获得Iso曲线：首先，选择基本储备要求η。

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

能者818

2022-5-6 08:35:41

然后我们计算每增加一次储备需求η的级联风险-ηη和α，如果准备金率（η=η）没有增加，但仅在再保险基金的税收中，则会产生相同的级联风险值。显然，对于所有的chos en参数，征收α=1%的税比增加η1%要好得多。这最终证明，在我们的模型中，为了降低系统风险，引入救援基金并对准备金征税比增加准备金或资本要求更有效。然而，在现实世界中，准备金水平会影响违约概率[39]。这是我们在方法中没有建模的一个特征，但[39]和[40]指出了存款准备金率增加对市场流动性的长期负面影响。由于救援基金不应产生如此不利的影响，我们得出结论，这至少是一个需要监管机构就系统性风险进行测试的可行方案。讨论我们的模型表明，如本文所定义的，即使对储蓄基金征收少量税收，也能大大降低级联风险。模拟中使用的参数是艺术性的，而且存在一个问题，即DebtRank与默认级联的真实世界事件的映射程度如何。尽管如此，我们还是提出了一个简单的税收策略，因为它显然更有效地降低了级联风险。我们的研究支持以下观点：如果监管机构的目标是最小化系统性风险或更狭隘地降低级联风险，那么基金的税收在绩效水平上会更好。此外，尽管我们的实施需要对资产负债表进行一些修改，但出于以下原因，我们认为这是所有拟议方法中成本最低的一种。

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

2022-5-6 08:35:44

首先，这有助于减少在Ba sel III框架内引入的具有系统重要性的金融机构（G-SIFI）所需资本增加的不对称影响，这可能会破坏公平竞争原则。其次，它可以帮助设计安全网的超国家改革，尤其是保险改革。我们还表明，非常适度的税收可以大大降低级联风险，从而使货币市场中个体主体的经风险调整的投资回报率大大增加，从而使他们的耦合更加有利，从而可能使他们对提出的想法更具反应性。我们相信，我们的ta x和救援基金的普格夫性质不会增加个体受试者的道德风险，因此不会对个体参数产生太大影响，例如个体违约概率。随着庇古税的引入，一些破产者造成的模拟传染效应降低，变得“可持续”。该提案对re-scue基金的规模（i）足够大，足以弥补市场上大多数机构因某些失败而遭受的损失；（ii）规模足够小，一旦资金被使用，就可以轻松、紧急地用新的流动性取代。为了管理金融企业的稳定性——效率交易效率，我们还密切关注银行的投资回报率（ROI）的稳定性测量，因为监管措施必须有效，并尽可能少地影响市场竞争力。由于救援基金的资产不包括最初的问题主体，而是其交易对手，因此相当大一部分的道德风险通过建设得以减少。因此，在有利条件约束下，储备基金的影响很大，税收风险的实际价值很小。

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

2022-5-6 08:35:48

为了最大限度地减少和管理系统风险，根据我们的分析，税收可能从银行余额的2到4个基点不等。为了避免任何额外的道德风险行为，政策制定者应更好地将所有货币市场交易考虑在内，对税收进行校准，以便更准确地映射银行网络拓扑，并确定一个固定的时间段。总之，从提高资本要求到对交易征收货币市场税的救援政策的辩论预计将加强一个与经济理论背景和银行在货币和信贷市场中所起作用相一致的规模提案。感谢VZ和HA都在研究论文的技术细节。HA和GG对文献进行了调查，HA提出了一种ta固定机制。所有作者都对pape r的写作做出了贡献。作者感谢欧盟FP7 FET开放项目FO C（金融危机预测，批准号255987）的支持。VZ还感谢欧盟FP7 FET项目MULTIPLEX（多电平复杂网络和系统基础研究，gra nt No.317532）的支持。GG还感谢EU Fr amework Progr am SSH的支持。2010.1.2-1（FESSUD）和SDA博科尼管理学院进行数据采集。作者还想对斯特凡诺·巴蒂斯顿、朱利亚·伊奥利和赫沃耶·斯特凡奇奇对这篇论文的富有成效的评论表示感谢。参考文献1。Angelini P，Maresca G，Russo D（1996）网络系统风险。《银行与金融杂志》20:853–86 8.2。艾森伯格L，诺思（2001）金融系统中的系统性风险。管理科学47:236–249.3。Iori G，Jafarey S，Padilla FG（2006）银行间市场的系统性风险。经济行为与组织杂志61:525–542.4。梅·RM，Levin SA，Sugihara G（2008）《复杂系统：银行家的生态学》。《自然》45 1:893–895.5。

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

2022-5-6 08:35:51

Haldane AG，May RM（2011）《银行业生态系统中的系统性风险》。《自然》469:351–355.6。Cont R，Mous a，Santos E（2011）银行系统的网络结构和系统性风险。EdsonBastos e，《银行系统的网络结构和系统性风险》（2010年12月1日）。7。Whelan K（2009）包含系统性风险。技术报告，欧洲议会，经济和货币委员会，研究部。8.Upper C（2011）评估银行间市场传染风险的模拟方法。Journa lof Financial Stability 7:111-125.9。Freixas X、Parigi BM、Rochet JC（2000）中央银行的系统性风险、银行间关系和流动性提供。货币、信贷和银行杂志：611-638.10。Iori G，Jafarey S（2001）银行危机模型中的临界性。Physica A：统计力学及其应用299:205–212.11。Boss M，Elsinger H，Summer M，Thurner 4 S（2004）银行间市场的网络拓扑。定量金融4:677–684.12。Battiston S、Puliga M、K aushik R、Tasca P、Caldarelli G（20 12）Debtrank：太中心而不能失败？金融网络、美联储和系统性风险。科学报告2.13。Acharya V，Pedersen L，Philippon T，Richardson M（2012）测量系统性风险。CEPR讨论文件编号DP8824，CEPR讨论文件。Brownlees CT，Engle R（20-10）系统风险测量的波动性、相关性和尾部。纽约大学，mimeo，15岁。Adrian T，Brunnermeier MK（2011）Covar。技术报告，国家经济研究局。16.Hu D，Zhao JL，Hua Z，Wong MCS（2012）基于网络的银行系统系统风险建模与分析。MIS Q 36:1269–1291.17。Drehmann M，Tarashev N（2013）测量互联银行的系统重要性。金融中介杂志22:586–607.18。

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

2022-5-6 08:35:54

D\'Agostino G，Scala A，Zlati'cV，Caldarelli G（2012）无标度网络中类似差异过程的稳健性和分类性。EPL（欧洲物理学通讯）97:68006.19。Battiston S、Delli Gatti D、Gallegati M、Greenwa ld B、Stiglitz JE（2012）危险联络：增加连通性、风险分担和系统风险。经济动力与控制杂志36:1121–1141.20。Battiston S、Gatti DD、Gallegati M、Greenwald B、Stiglitz JE（2012）违约级联：风险分散何时增加稳定性？《金融稳定杂志》8:138–149.21。Horváth BL，Wagner W（2013）反周期资本要求和系统性风险之间令人不安的相互作用。可在SSRN.22下载。Gauthier C，Lehar A，Souissi M（2012）宏观审慎资本要求和系统风险。金融中介杂志21:594–618.23。Hart O，Zingales L（2011）针对大型金融机构的新资本监管。《美国法律与经济评论》13:453–490.24。Hellwig M（2010）《金融危机后的资本监管：企业作为惯例？技术报告，马克斯·普朗克集体物品研究所预印本。25.Poledna S，Thurner S（2014）通过非系统性风险交易税消除金融网络中的系统性风险。arXiv 14018026.26。Darvas Z，Weizs"acker J（2011）金融交易ta x：小就是美。社会与经济33:449–473.27。Sch"afer D、Schulmeister S、Vella J、Masciandaro D、Passarelli F等（2012）金融交易税的利弊？国际经济学47:76–103.28。Iori G、De Masi G、Precup OV、Gabbi G、Caldarelli G（20 08）意大利新兴货币市场的网络分析。经济动态与控制杂志32:259–278.29。

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

2022-5-6 08:35:57

Finger K，Fricke D，Lux T（2012）电子货币市场的网络分析：内在动态过程中不同聚合水平的信息价值。技术报告，基尔工作文件。30.意大利隔夜贷款市场的Raddant M（201 3）结构。国际货币与金融杂志。Hatzopoulos V，Ior i G，Mantegna RN，Micciche S，Tumminello M（2013）量化了电子银行间同业市场中的前期交易。技术报告。32.Hojman DA，Szeidl A（2008）网络中的核心和外围。经济理论杂志139:295–309.33。Fricke D，Lux T（2012）隔夜货币市场的核心-外围结构：来自电子中间交易平台的证据。技术报告，基尔工作文件。34。Zlatic V，Bianconi G，Díaz Guillera A，Garlaschelli D，Rao F等（2009）关于密集加权网络中的富裕俱乐部效应。《欧洲物理杂志》67:271–275.35。Schlüter T，Hartmann Wendels T，Busch R，Sievers S（2012）银行利率传递的决定因素——来自德国贷款产品的证据。技术报告，德意志联邦银行。36.O\'Brien YYC（2007）经合组织国家的准备金制度。联邦调查局的人都是37岁。徐青H，艾琳娜V，施洛莫H，尤金SH（2013）双部图中的级联故障：系统风险传播模型。Sci Rep 3.38。Iakova D，Wagner N（2001）《中欧经济体的金融部门演变：支持宏观经济稳定和可持续增长的挑战》。国际货币基金组织。统一资源定位地址http://books.google.hr/books?id=tcuNgEuiDeIC.39.Agur I（2010）资本要求和信贷配给。技术报告，荷兰中央银行，研究部。40.Thakor AV（1996）《资本要求、货币政策和银行总贷款：理论和实证证据》。

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

2022-5-6 08:36:00

《金融期刊》51:279-324。图1 Legends0 50 100 150 2000050100150NKO（n）a）0 50 100 150 2000020406080NKI（n）b）0 50 100 150 200100102104nSo（n）c）0 50 100 150 200100102104nSi（n）d）2000200420082009。在这张图片中，x轴是节点相对于其在x轴上的值的顺序。面板a）在y轴上有向外度，面板b）在y轴上有向内度，面板c）在y轴上有向外度，面板d）在y轴上有向内度。所有属性的异质性是显而易见的。图2。该图显示了2000年4月的e-MID沉淀剂网络。根据实际重量A′ij=log（Aij/（0.25·Amin））重新计算边缘A′ij的厚度。很容易观察到核心-外围结构和重量不均匀性。节点的大小和颜色对应于使用重缩放权重计算的节点的突出强度。调色板采用颜色编码，因此蓝色链环（无DE）的重量（外强度）最低，而红色链环的重量（外强度）最大。0.01 0.02 0.0300.20.40.60.8ηpC20000 0.01 0.02 0.0300.20.40.60.8ηpC2004 0.01 0.02 0.0300.20.40.6ηpC20080 0.01 0.02 0.0300.20.6ηpC2009α=0α=0.01α=0.01α=0.1α=0.2α=0.5α。在该图中，x轴代表η，y轴代表级联风险pC。不同的参数代表从四个不同年份的约一个月数据汇总中获得的网络结果。固定税率α对于曲线图中的每条曲线都是常数。0.2 0.4 0.6 0.8 100.20.40.60.8αpC20000 0.2 0.4 0.6 0.8 100.20.40.60.8αpC2004 0.2 0.4 0.6 0.8 100.20.40.6αpC20080 0.2 0.4 0.6 0.8 100.20.40.6αpC2009η=0η=10-4η=5·10-4η=10-3η=5·10-3η=10-2η=5·10-2图4。在该图中，x轴代表α，y轴代表级联风险pC。不同的面板代表从四个不同年份的约一个月数据汇总中获得的网络结果。

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