这是为尾巴和总尾巴做的。尾量+尾量周月季度周月季度年贷款规模TPL（70）TPL（75）TPL（78）TPL（80）LN（95）LN（100）LN（100）交易对手敞口TPL（82）TPL（80）TPL（83）TPL（80）LN（94）LN（99）LN（100）LN（100）TPL（94）TPL（100）TPL（90）TPL（100）SExp（66）SExp（54）SExp（52）SExp（80）指导度TPL（93）TPL（94）TPL（100）TPL）TPL（58）SExp（66）SExp（65）SExp（60）定向度TPL（83）TPL（89）TPL（95）TPL（100）SExp（64）SExp（83）SExp（87）SExp（100）定向度TPL（92）TPL（97）TPL（95）TPL（100）SExp（78）SExp（80）SExp（87）TPL（100）多定向度TPL（79）TPL（93）TPL（90）TPL（100）SExp（67）SExp（73）SExp（100）暴露于TPL（100）LN（94）LN（74）TPL（74）关于时间变化的LN（60）Out Exposure TPL（85）TPL（94）TPL（100）TPL（100）LN（83）LN（80）LN（57）LN（80）分布并不意味着参数不受时间变化的影响。六、 结论在本文中，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。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。与现有文献一致，我们观察到所有研究的分布都是重尾分布，尾通常包含20%的数据。尾部最好用截断的幂律来描述，尽管其他候选分布的效果只差一点点。

在大多数情况下，将数据的主体部分和尾部部分分离出来，结果是behard，分配给尾部的观测值的比例变化很大。通过综合考虑高斯分布和非高斯分布的方法，可以获得更稳定的数据。我们发现两个分布最适合整个数据范围：与未加权度相关的度量的拉伸指数和其他所有度量的对数正态分布。在前者的情况下，对数正态分布的性能只差一点点。幂律分布很不适合代表俄罗斯央行市场的所有研究特征。我们关于最佳分布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。我们的发现支持最近的呼吁[11,12]，即更严格的统计测试，以检测实证数据中的幂律行为。对于大多数变量，我们发现幂律很好地描述了分布的尾部，它是：1。几乎从来都不是描述尾巴的最佳人选；2.通常不适合描述整个分布。我们的发现与参考文献[22]的结果一致，后者还发现，与替代分布相比，幂律对来自电子中间交易平台的隔夜货币市场数据的影响较小。因此，我们倾向于得出结论，关于幂律的证据（还）不足以证明它们在政策模拟中的广泛应用。根据本文的研究，我们提供了替代分布和相应的参数，可以系统、稳健地捕捉银行间网络的度量。

我们认为，与广泛使用的幂律相比，这些分布代表了更现实的银行间网络结构。它们可以促进更现实的传染建模，并提供更现实的银行间网络措施估计。致谢这项工作得到了佛兰德斯研究基金会（FWO佛兰德斯）、根特大学研究基金会（BOF）和芬兰银行（BOFIT）的支持。[1] 马克·纽曼。幂律、帕累托分布和齐普夫定律。康坦普。物理。，46(5):323–351, 2005.[2] Victor M Yakovenko和J Barkley Rosser Jr.学术讨论会：货币、财富和收入的统计机制。牧师。摩登派青年物理。，81(4):1703, 2009.[3] 泽维尔·加比克斯。经济学和金融中的幂律。工作文件14299，NBER，2008年。[4] Rama Cont，Amal Moussa，Edson B Santos等。银行系统的网络结构和系统性风险，2013年。[5] 迈克尔·博斯、赫尔穆特·埃尔辛格、马丁·萨默和斯特凡·瑟纳4人。银行间市场的网络拓扑。定量。《金融》，4（6）：677-6842004。[6] Daniel O Cajueiro和Benjamin M Tabak。银行在巴西银行间市场中的作用：银行类型重要吗？Physica A，387（27）：6825-68362008。[7] 菅野正男。根据日本银行系统的银行间风险敞口评估系统性风险。可在2014年的第2482075页获得。[8] 约翰·戈达德、刘洪、多纳尔·麦基洛普和约翰·奥斯·威尔逊。美国银行和信用合作社的规模分布。IJEB，21（1）：139-1562014。[9] 朱利亚·德马西、朱利亚·伊奥利和圭多·卡尔达雷利。意大利银行间货币市场的适应度模型。菲斯。牧师。E、 74（6）：0661112006。[10] 朱利亚·伊奥利、罗伯托·雷诺、朱利亚·德马西和圭多·卡尔达雷利。意大利银行间市场的交易策略。Physica A，376:467–4792007。[11] 亚伦·克劳塞特、科斯玛·罗西拉·沙利齐和马克·埃伊·纽曼。经验数据中的幂律分布。

暹罗版本。，51(4):661–703, 2009.[12] 迈克尔·斯通普夫和梅森是个搬运工。关于幂律的关键真理。《科学》335（6069）：665-6662012。[13] A.G.霍尔丹。重新思考金融网络，2009年4月。在阿姆斯特丹金融学生协会的演讲。[14] 布坎南先生。熔毁模型。《自然》（伦敦），460（7256）：680-6822009年8月。[15] 安德烈亚斯·克劳斯和西蒙·詹桑特。银行间借贷与银行倒闭的蔓延：系统风险的网络模型。J.经济。比哈夫。器官83(3):583–608, 2012.[16] 塔里克·鲁克尼、胡格斯·贝尔西尼、胡格斯·皮罗特、吉多·卡尔达雷利和斯特凡诺·巴蒂斯顿。复杂网络中的违约级联：拓扑和系统风险。Sci。众议员，2013年3月3日。[17] 格泽戈兹·哈拉杰和克里斯托夫·科克。使用模拟网络评估银行间传染。计算机。马纳。Sci。，10(2-3):157–186, 2013.[18] 联合皮埃尔·乔治。银行间网络结构对传染和共同冲击的影响。《银行金融》，37（7）：2216-22282013。[19] Alexei Karas和Koen Schoors。赫拉克勒斯还是西西弗斯？查找、清理和重建俄罗斯银行数据库。工作文件327，Ugent，2005年。[20] 马丁内斯·贾拉米洛、比莉安娜·亚历山德罗娃·卡巴乔娃、贝尔纳多·布拉沃·贝尼特斯和胡安·帕布罗·索尔·奥尔扎诺·马金。墨西哥银行系统网络及其对系统性风险影响的实证研究。J.经济。戴恩。对照组，40:242–265，2014。[21]朱利亚·伊奥利、朱利亚·德马西、奥维迪奥·瓦西里·普雷库普、詹帕洛·加比和圭多·卡尔达雷利。对意大利隔夜货币市场的网络分析。J.经济。戴恩。控制，32（1）：259-2782008。[22]丹尼尔·弗里克和托马斯·勒克斯。关于银行间网络中链接的分布：来自电子货币市场的证据。工作文件1819，IfW，2013年。[23]塔里克·鲁克尼、皮埃尔·乔治和斯特凡诺·巴蒂斯顿。德国银行间市场演变的网络分析。

技术报告，讨论文件，德意志联邦银行，2014年。[24]本·克雷格和戈茨·冯·彼得。银行间分层和货币中心银行。J.Financ。安葬。，23(3):322–347, 2014.[25]F Kyriakopoulos、S Thurner、C Puhr和Stefan W Schmitz。金融交易网络的网络和特征值分析。欧洲物理杂志B-凝聚态物质和复杂系统，71（4）：523–5312009。[26]金姆o索拉姆o阿奇、莫顿o贝奇、杰弗里o阿诺德、罗伯特oJo格拉斯和沃尔特o贝勒。银行间支付流的拓扑结构。Physica A，379（1）：317-3332007。[27]Samantha Cook和Kimmo Soramaki。全球支付流网络。斯威夫特研究所工作文件，2014年。[28]Kei Imakubo和Yutaka Soejima。日本银行间货币市场的交易网络。日本莫奈银行。经济部。螺柱。，28:107–150, 2010.[29]Camelia Minoiu和Javier A Reyes。全球银行业的网络分析：1978年至2010年。J.芬。《稳定性》，第9（2）页：168-1842013年。[30]黄旭青、艾琳娜·沃登斯卡、什洛莫·哈夫林和尤金·斯坦利。二部图中的级联故障：系统风险传播模型。Sci。众议员，2013年3月3日。[31]普拉桑纳·盖、安德鲁·霍尔丹和苏吉特·卡帕迪亚。复杂性、集中性和传染性。J.货币经济。，58(5):453–470, 2011.[32]聂尔伦、杨静、谭菊·约鲁马泽和阿马迪奥·阿伦。网络模型和财务稳定性。J.经济。戴恩。控制，31（6）：2033-20602007。[33]斯特凡诺·巴蒂斯顿、多梅尼科·德利·加蒂、毛罗·加莱加蒂、布鲁斯·格林沃尔德和约瑟夫·E·斯蒂格利茨。违约级联：风险分散何时增加稳定性？J.芬。《稳定》第8（3）期：138-149页，2012年。[34]迈克尔·戈夫曼。金融体系的效率和稳定性，以及相互关联而不会倒闭的机构。可查阅SSRN，2012年。[35]Tiago P Peixoto。大型网络中的分层块结构和高分辨率模型选择。菲斯。牧师。

十、 4（1）：011047，2014年。[36]本杰明·M·塔巴克、马塞洛·塔卡米、贾德森·罗查、丹尼尔·O·卡朱埃罗和塞尔吉奥·苏扎。定向聚类系数是复杂银行网络中系统性风险的度量。Physica A，394:211–216，2014。[37]邓肯·J·瓦茨和史蒂文·H·斯特罗加茨。小世界网络的集体动力学。《自然》（伦敦），393（6684）：440-4421998。[38]贾里·萨拉玛基、米科·基韦拉、朱卡·佩卡·昂内拉、金莫·卡斯基和雅诺斯·克特兹。聚类系数对加权复杂网络的推广。菲斯。牧师。E、 75（2）：0271052007。[39]M.E.J.纽曼。复杂网络的结构和功能。暹罗版本。，45(2):167–256, 2003.[40]杰夫·阿尔斯托特、埃德·布尔莫尔和迪特玛·普伦茨。powerlaw：用于分析重尾分布的python包。普洛松，9（1）：e85777，2014年。[41]让·拉赫雷尔和迪迪埃·索内特。自然和经济中的拉伸指数分布：具有特征尺度的厚尾。EPJ B，2（4）：525-5391998。[42]卡尔·芬格、丹尼尔·弗里克和托马斯·勒克斯。e-mid隔夜货币市场的网络分析：内在动态过程的不同聚合水平的信息价值。计算机。马纳。Sci。，10(2-3):187–211, 2013.[43]有关数据提供商的更多信息，请访问其网站www.mobile。鲁。[44]参考文献[35]中的技术利用了随机块建模的分层版本，并提供了通常模块化优化算法的替代方案。[45]如果分布不是指数有界的，则定义为重尾分布[40]。