全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1039 20
2022-05-25
英文标题:
《The effect of heterogeneity on flocking behavior and systemic risk》
---
作者:
Fei Fang, Yiwei Sun and Konstantinos Spiliopoulos
---
最新提交年份:
2017
---
英文摘要:
  The goal of this paper is to study organized flocking behavior and systemic risk in heterogeneous mean-field interacting diffusions. We illustrate in a number of case studies the effect of heterogeneity in the behavior of systemic risk in the system, i.e., the risk that several agents default simultaneously as a result of interconnections. We also investigate the effect of heterogeneity on the \"flocking behavior\" of different agents, i.e., when agents with different dynamics end up following very similar paths and follow closely the mean behavior of the system. Using Laplace asymptotics, we derive an asymptotic formula for the tail of the loss distribution as the number of agents grows to infinity. This characterizes the tail of the loss distribution and the effect of the heterogeneity of the network on the tail loss probability.
---
中文摘要:
本文旨在研究非均匀平均场相互作用扩散中的有组织群集行为和系统风险。我们在许多案例研究中说明了系统内系统性风险行为中异质性的影响,即由于相互关联,多个代理同时违约的风险。我们还研究了异质性对不同代理的“群集行为”的影响,即当具有不同动力学的代理最终遵循非常相似的路径并密切遵循系统的平均行为时。利用拉普拉斯渐近,我们导出了当代理数增长到无穷大时损失分布尾部的渐近公式。这描述了损失分布的尾部以及网络的异质性对尾部损失概率的影响。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类:Mathematics        数学
二级分类:Probability        概率
分类描述:Theory and applications of probability and stochastic processes: e.g. central limit theorems, large deviations, stochastic differential equations, models from statistical mechanics, queuing theory
概率论与随机过程的理论与应用:例如中心极限定理,大偏差,随机微分方程,统计力学模型,排队论
--
一级分类:Quantitative Finance        数量金融学
二级分类:Portfolio Management        项目组合管理
分类描述:Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--

---
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
2022-5-25 11:54:01
异质性对股票行为和系统风险的影响*, 孙逸伟+和康斯坦蒂诺斯·斯皮利奥普洛斯(Konstantinos Spiliopoulos)2017年6月12日摘要本论文的目的是研究异质平均场相互作用差异中的有组织流动行为和系统风险。我们在许多案例研究中阐明了系统风险行为中异质性的影响,即多个代理因互连而同时违约的风险。我们还研究了异质性对不同药物“堵塞行为”的影响,即当具有不同动力学的药物最终遵循非常相似的路径并密切跟踪系统的平均行为时。利用拉普拉斯渐近,我们推导出了当代理数增长到整数时损失分布尾部的渐近公式。这描述了损失分布的尾部以及网络异质性对尾部损失概率的影响。1简介系统性风险是指互联系统的大量组件在短时间内发生故障,从而导致系统整体故障的风险,例如参见【Fouque和Langsam,2013年,Garnier等人,2013b,Spiliopoulos,2015年】。植绒行为是指系统的所有或大部分组件或多或少遵循相同行为的现象,例如参见【Motsch和Tadmor,2011】。系统性风险和流动行为这两种现象当然是不同的,它们描述的是不同的,但同时也是相关的问题。本文的目的是研究在一个相互作用的系统中,异质性对系统风险和锁定行为的影响。例如,在金融市场中,系统性风险和流动性的综合影响可能意味着池中的大多数组成部分都处于违约状态。
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

2022-5-25 11:54:04
在可靠性方面,由交互组件组成的大型系统可能具有*波士顿大学数学与统计系(feifang@bu.edu)+波士顿大学数学与统计系(yiweisun94@hotmail.com)波士顿大学数学与统计系(kspiliop@math.bu.edu)中央连接,对系统的正常运行至关重要。单个部件的故障会增加中央连接件和其他部件的应力,使整个系统更有可能发生故障。在保险业中,该系统可以代表一组保险单。我们考虑平均场相互作用差异的程式化模型:dY(i)t=αiNNXj=1Y(j)t- Y(i)tdt+σidW(i)t,i=1。。。,N(1.1)模型(1.1)是一个足够简单的数学分析模型,但能够捕捉异质性对系统风险和锁定行为影响的一些主要特征。我们在本文中的目标不是提供一个高效复杂的模型,而是解释在一个合理丰富但简单的模型中可以预期的现象。为了诱导异质性,我们假设并非所有αi和/或并非所有σi都相等。不同成分的相互作用,即系统的不同成分,通过平均场经验平均值Npj=1Y(j)t。每个W(i)t,i=1。。。,N表示独立的标准布朗运动。差异系数σi表示与代理i相对应的波动性,其大小表示代理i的性能稳定性。系数αi表示整个系统对代理i的影响程度。
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

2022-5-25 11:54:07
动力学(1.1)意味着代理人i被吸引到时间t时的水平Y t=NPNj=1Y(j)。例如,在银行金融系统中,Y(i)t可以代表代理人i在时间t时的对数货币储备,参见【Fouque和Ichiba,2013】。论文【Fouque和Sun,2013】研究了均匀情况下的系统(1.1),即当αi=α,σi=σ,对于每个i=1。。。,N他们发现,随着α的增加,每个Y(i)的行为更接近平均值Y=NNPj=1Y(j)t的行为。这种现象导致了所谓的“flocking effect”,即所有轨迹在路径空间中遵循相同的行为。【Fouque和Sun,2013年】的主要结论是,较大的α会增强“锁定效应”,这可能会导致系统更大的稳定性,也可能会增加系统风险(即增加系统中大量组件发生故障的可能性)。在本文中,我们考虑了非均匀情况,其中并非所有αi或σi’都相等。对于固定违约水平η<0,我们使用拉普拉斯渐近来描述整个系统违约事件的概率a:=(min0≤T≤TNNXi=1Y(i)t≤ η) 。我们发现,在极限值中为N→ ∞,该概率为e级-ηN2VT,其中vt具体取决于αi\'s和σi\'s。在αi=α和σi=σ的情况下,我们恢复了公式VT=Tσ,如【Fouque和Sun,2013年】。此外,在某些感兴趣的情况下,我们得到了概率的非渐近界sup0≤T≤T | Y(i)T-(R)Yt |>δ, 证明α和σ对堵塞行为的影响。
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

2022-5-25 11:54:12
此外,我们还利用蒙特卡罗模拟数值探讨了Y(i)的行为和事件A的尾部损失概率。我们对异质性的影响特别感兴趣,并得出了许多有趣的结论(在第2节和第3节中详细解释):(i)如果αi=每个i的α,则σi越大,系统的波动性越大。随着α变大,“膨胀效应”变得更加明显,但σi越大,自然会导致偏离平均行为。(ii)如果每个i的αi=α,则VT=Tσ*= T限制→∞NNXi=1σi,这意味着系统行为中的异质性影响通过有效平均扩散σ来描述*. 这意味着σ越大*导致更大的损失概率。(iii)在αi=α的情况下,我们得到概率P的精确界sup0≤T≤T | Y(i)T-(R)Yt |>δ, 这表明膨胀行为由formf(σ,···,σN)α的一项控制。这就解释了为什么α值很大会产生强烈的膨胀行为,同时也表明了波动性的影响,因为函数f的形式是明确的。(iv)在不同的αi和σi的情况下,我们发现,当中等大小的试剂数量足够大时,系统更稳定,即αi和σii值适中的试剂数量远远大于αi或σi值较小或较大的试剂数量。
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

2022-5-25 11:54:15
这可以被认为是代理构成的网络异质性(在本例中是一个完整图)的影响。(v) 同时,我们发现,在系统中,所有代理违约的概率都较小,其中具有较大αialso的代理具有相对较大的σi,相应地,具有较小αialso的代理具有较小的波动率σi。我们还从理论上分析了VT的形式,这说明了αi和σi(vi)相互作用的影响。就系统的有组织流动行为和稳定性而言,即使药剂构成的种群结构的组成发生看似微小的变化,也可能产生巨大的后果。金融系统中的系统性风险是近年来增长很多的一个主题。我们请读者参考【Fouque和Langsam,2013】了解该主题的一般介绍,并参考【Fouque和Ichiba,2013,Garnier等人,2013,Garnier等人,2013b,Giesecke等人,2013,Spiliopoulos,2015,Sowers和Spiliopoulos,2015】了解异质金融网络中与系统风险相关的集群、罕见事件和大偏差。在本文中,我们考虑一个StylezedModel。我们的主要目标是研究异质性和系统结构对库存行为和系统风险的影响。我们考虑了一个简单的模型,该模型易于分析,但同时又非常丰富,足以捕捉不同类型的有趣行为。本文的其余部分组织如下。在第2节中,我们研究了αi=α对于每个i的情况,但对于某些i 6=j,σi6=σj1。我们研究了异质性对Y(i)的“膨胀效应”的影响,以及缺省概率nnpi=1Y(i)t的尾部。在第3节中,我们研究了αi6=αjand和σi6=σj1对于某些i 6=j的更丰富的情况。
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…
相关推荐
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