全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1129 35
2022-05-06
英文标题:
《Beyond the Power Law: Uncovering Stylized Facts in Interbank Networks》
---
作者:
Benjamin Vandermarliere, Alexei Karas, Jan Ryckebusch, Koen Schoors
---
最新提交年份:
2015
---
英文摘要:
  We use daily data on bilateral interbank exposures and monthly bank balance sheets to study network characteristics of the Russian interbank market over Aug 1998 - Oct 2004. Specifically, we examine the distributions of (un)directed (un)weighted degree, nodal attributes (bank assets, capital and capital-to-assets ratio) and edge weights (loan size and counterparty exposure). We search for the theoretical distribution that fits the data best and report the \"best\" fit parameters. We observe that all studied distributions are heavy tailed. The fat tail typically contains 20% of the data and can be mostly described well by a truncated power law. Also the power law, stretched exponential and log-normal provide reasonably good fits to the tails of the data. In most cases, however, separating the bulk and tail parts of the data is hard, so we proceed to study the full range of the events. We find that the stretched exponential and the log-normal distributions fit the full range of the data best. These conclusions are robust to 1) whether we aggregate the data over a week, month, quarter or year; 2) whether we look at the \"growth\" versus \"maturity\" phases of interbank market development; and 3) with minor exceptions, whether we look at the \"normal\" versus \"crisis\" operation periods. In line with prior research, we find that the network topology changes greatly as the interbank market moves from a \"normal\" to a \"crisis\" operation period.
---
中文摘要:
我们使用双边银行间风险敞口的每日数据和月度银行资产负债表来研究1998年8月至2004年10月期间俄罗斯银行间市场的网络特征。具体而言,我们研究了(非)定向(非)加权度、节点属性(银行资产、资本和资本资产比率)和边缘权重(贷款规模和交易对手风险敞口)的分布。我们寻找最符合数据的理论分布,并报告“最佳”拟合参数。我们观察到所有研究的分布都是重尾分布。肥尾通常包含20%的数据,可以用截断幂律很好地描述。此外,幂律、拉伸指数和对数正态分布也能很好地拟合数据的尾部。然而,在大多数情况下,分离数据的大部分和尾部是困难的,因此我们继续研究整个事件范围。我们发现拉伸指数分布和对数正态分布最符合数据的全部范围。这些结论对于1)我们是否在一周、一个月、一个季度或一年的时间内汇总数据都是可靠的;2) 我们是否关注银行间市场发展的“增长”与“成熟”阶段;3)除了小的例外,我们是否考虑了“正常”和“危机”运营期。与之前的研究一致,我们发现,随着银行间市场从“正常”运营期过渡到“危机”运营期,网络拓扑发生了很大变化。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:General Finance        一般财务
分类描述:Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载:
-->
二维码

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

全部回复
2022-5-6 22:18:40
超越幂律:揭示银行间网络中的程式化事实*根特大学物理与天文学系,普通经济系,比利时根特大学,尤德勒支大学罗斯福大学学院,荷兰乌德勒支大学经济学院,根特大学,比利时根特大学,物理与天文学系,比利时(日期:2018年6月20日)我们使用双边银行间风险敞口的每日数据和月度银行资产负债表来研究1998年8月至2004年10月期间俄罗斯银行间市场的网络特征。具体而言,我们研究了(非)定向(非)加权度、节点属性(银行资产、资本和资本资产比率)和边缘权重(贷款规模和交易对手风险敞口)的分布。我们研究最适合数据的理论分布,并报告“最佳”参数。我们观察到所有研究的分布都是重尾分布。肥尾通常包含20%的数据,可以用截断幂律很好地描述。此外,幂律、stretchedexponential和对数正态分布也为数据的尾部提供了合理的拟合。然而,在大多数情况下,分离数据的大部分和尾部是困难的,所以我们继续研究整个事件。我们发现,拉伸指数分布和对数正态分布最适合所有数据。这些结论对于1)我们是否在一周、一个月、一个季度或一年内汇总数据都是可靠的;2) 我们是否关注银行间市场发展的“增长”与“成熟”阶段;3)除了小的例外,我们是否考虑了“正常”和“危机”运营期。
二维码

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 22:18:44
与之前的研究一致,我们发现,随着银行间市场从“正常”运营期转向“危机”运营期,网络拓扑发生了巨大变化。PACS编号:89.65。生长激素,89.75。Fb,89.75。HcI。简介当某一事件的频率随该事件的某些属性(如其大小)的幂而变化时,该事件的频率遵循幂律。人们声称,幂律分布出现在各种各样的现象中,从战争、地震和计算机文件的规模到科学家撰写的论文数量和科学家收到的引文数量[1]。在经济学和金融学中,收入和财富[2]、城市和企业规模、股市回报率、交易量、国际贸易和高管薪酬[3]都有幂律记录。与本文最相关的是,银行间网络特征的尾部,如度分布,也被证明遵循幂律(见[4]巴西、[5,6]奥地利、[7]日本和[8]美国商业银行)。这种普遍存在的幂律导致了对宇宙动力的广泛搜索,这可以解释它们的存在(参见[9,10]中银行间网络中的此类搜索示例)。然而,最近克劳塞特等人[11](之后是[12])对这些发现提出了质疑。特别是,他们批评了分析幂律数据的常用方法,如最小二乘法,这种方法可能会产生不准确的结果*电子地址:本杰明。Vandermarliere@UGent.be+电子地址:a。karas@ucr.nl——电子地址:1月。Ryckebusch@UGent.be§电子地址:科恩。Schoors@UGent.beestimates幂律分布的参数,或根本不提供数据是否遵循幂律的指示。克劳塞特等人。
二维码

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 22:18:47
提出一个统计框架,用于识别和量化经验数据中的幂律行为,并将该框架应用于24个真实世界的数据集,每个数据集都被推测遵循幂律。对于大多数数据集,他们发现有利于幂律的中度到弱证据。关于幂律捕捉潜在网络动态的潜力的辩论对经济政策很重要。例如,在最近的金融危机期间,银行间借贷市场是金融传染的最重要渠道之一。银行间借贷网络互联互通的故障导致流动性短缺,其后果波及整个经济。从那时起,银行间市场研究激增。在这些研究中,人们希望揭示银行间市场的网络拓扑结构,了解它们如何运作,以及它们如何催化系统性崩溃[13,14]。当前对银行间市场关联性的研究通常依赖于无标度拓扑来模拟银行间网络[15,16]。这种选择可能会影响进行的压力测试的结果(正如[16]明确证实的那样),从而影响由此产生的政策影响。然而,支持这一选择的证据并非铁证如山。理解尾部的性质对于理解动态网络中的激波传播至关重要。参考文献的作者。[17,18]等发现,只有一小部分可能的网络结构可能会在整个系统中传播相对较大的传染病,从而突出了冲击传播效应的非线性性质,并强调传染在很大程度上是一个尾部风险问题。本文通过详细分析realinterbank网络在一段较长时间内的网络特征,为这场辩论做出了贡献。
二维码

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 22:18:50
我们使用双边银行间风险敞口的每日数据和月度银行资产负债表来研究1998年8月至2004年10月期间俄罗斯银行间市场的网络特征。除其他外,该分析还可以确定通过银行间贷款实现的银行间连通性的理论分布,这对评估俄罗斯银行间市场的效率和稳定性至关重要。我们关注的是代表大多数银行间传染模拟基本输入的指标。具体而言,我们研究了(非)定向(非)加权度、节点属性(银行资产、资本和资本资产比率)和边缘权重(贷款规模和交易对手风险敞口)的分布。使用[11]的方法,我们在不同的理论分布之间进行了一场赛马,以找到一个最适合数据的分布。然后,我们研究最佳参数的时间演化。我们观察到所有研究的分布都是重尾分布。肥尾通常包含20%的数据,可以用截断幂律系统地描述。然而,在大多数情况下,分离数据的大部分和尾部是困难的,所以我们继续研究整个事件范围。我们发现,拉伸指数分布和对数正态分布最符合整个数据范围。结果证明,我们的结论对于我们是否在一周、一个月、一个季度或一年内汇总数据是可靠的。此外,我们发现,银行间市场发展的“增长”和“成熟”阶段之间没有质的区别,“危机”和“非危机”阶段之间几乎没有区别。秒。II描述了我们的数据,定义了我们研究的网络指标,并总结了之前对这些指标研究的结论。秒。第三章和第四章分别描述和说明了我们用来找到最适合数据的理论分布的方法。秒。V报告结果。秒。第六章结束。二、
二维码

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 22:18:54
数据和定义a。私人金融信息机构Data SourceMobile为我们提供了1998年8月至2004年10月期间的两个数据集[43]。数据集中的信息是标准披露要求的一部分,每月提供给监管机构。[19]中描述的第一个数据集包含大多数俄罗斯银行的月度银行余额。从这个数据集中我们得到两个变量:总资产和资本。第二个数据集包含“银行间贷款和存款”月报(官方表格代码0409501),代表俄罗斯市场上所有银行间贷款的登记册。对于每笔贷款,我们知道其规模、利率、发行人、接收人、报告日期和到期日期。平均而言,大约一半的俄罗斯银行活跃于银行间市场。因此,银行间网络指标的分析比资产负债表指标的分析包含更少的银行。关于贷款的性质,我们区分短期贷款和长期贷款。短期贷款定义为一天或一周到期的贷款。在本文中,我们将自己局限于短期贷款,这些贷款在交易数量和交易量上都占80%以上。这种限制的原因是,数据提供的是还款日期信息,而不是贷款发放日期信息。
二维码

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…
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群