给定市场G=（N，E），如果（N，E）=（N，ED）+（N，EC）然后，满足混合压缩容差集Γ的压缩运算符ch（）导致chres（N，E）=（N，EC）证明。证明见附录9。如果过量是相加的，则混合压缩的效率很简单。如果不是，则必须实施特定算法以获得准确的效率水平（见附录12）。4.4.2双边压缩最后，我们研究了一个简单的偏好设置：双边压缩。在这种情况下，市场参与者不会利用多边净额结算机会。因此，参与者不需要共享信息，也不需要集中式机制。将这种压缩方法形式化，在比较双边和多边压缩效率时，部分允许我们评估第三方压缩服务提供商的附加值。在我们的框架中，双边压缩定义如下：定义（双边压缩）。c（N，E）是一个双边压缩算子i.f.f.c（）是一个压缩算子，满足压缩公差集：aij=bij=max{eij- eji，0}，（aij，bij）∈ Γ，eij∈ E、 对于每对市场参与者i和j，如果我们假设eij>eji，我们有：eij=eij-双侧压迫后Ejian和eji=0。就可行性而言，仅仅存在过剩并不足以适用双边挤压。特别是，我们需要同一对对手之间至少有两个方向相反的义务。形式上，我们有以下结果：命题9。给定市场G（N，E）和满足双边压缩公差集Γ的压缩算子Cbs，cbred（G）>0<=> （i，j）∈ Ns。t、 eij。eji>0，其中eij，eji∈ EProof。证明见附录9。双侧压缩的效率很简单。

它对应于抵消每对双边敞口的影响。因此，我们得到以下效率结果：命题10。给定市场G=（N，E）和满足横向压缩公差集Γ的压缩运算符cb（）会导致cbres（G）=（G）-Xi，j∈Nmin{eij，eji}其中eij，eji∈ E、 证明。证明见附录9。从技术上讲，双侧压缩会导致长度为2的所有闭合中间链被移除。因此，一个双边压缩的市场在每对市场参与者之间表现出最多一项义务。4.5压缩效率排名我们在本节结束时，对我们引入的四个基准设置（即保守、非保守、混合和双边）进行了效率排名。对于每种设置，我们考虑在相关压缩公差和净等效条件下可以消除的最大过量量。提案11。给定市场G=（N，E）和压缩运算符集{cc（），cn（），ch（），cb（）}，这样：occ（）最大化ccred（G）在保守压缩公差集下，ocn（）最大化cnred（G）在非保守压缩公差集下，och（）最大化chred（G）在混合压缩公差集下，ocb（）最大化cbred（G）在双边压缩公差集下，以下弱优势成立：cbred（G）≤ ccred（克）≤ chred（克）≤ cnred（克）=（G） 证明。证明见附录9。这一结果显示了一个精确的优势序列。首先，我们看到非保守压缩是最有效的。这源于这样一个事实，即全球非保守解决方案总是消除市场中的所有过剩（见提案4）。第二个最有效的压缩操作符是混合压缩，其次是保守压缩。最有效的方法是双侧压迫。

效率的损失是由于双边压缩无法消除长度超过两条的链条造成的过剩。这一命题的证明来自对每种方法的压缩公差集的分析。事实上，可以证明，双边压缩容差集是保守集的子集，而保守集又是混合集的子集，混合集也是非保守集的子集。这种压缩容差的嵌套结构确保了超集的任何全局最优解至少与任何子集的全局最优解一样有效。总的来说，这一结果显示了超额消除效率与未偿债务基础网络变化相关容差之间的权衡。从非保守压缩到双边压缩的序列是关系保持的离散梯度。保守程度越低，效率越低。进一步分析每种方法的相对效率（例如，强大的支配地位、数量等）需要包括关于基本义务集的更详细信息。因此，我们接下来根据交易水平数据进行经验估计。5数据5.1概述在以下章节中，我们将我们的框架应用于OTC市场的交易级数据。假设所有市场参与者都将参与一个投资组合压缩周期，我们估计该市场将表现出的规模缩减，作为第4节中产生的公差集的函数。确定每种情况下的效率需要详细了解交易对手之间的双边关联。一般而言，OTC市场的此类信息并不容易获得（见第2节）。根据EMIR，任何位于欧盟的法律实体都需要向交易存储库报告所有衍生品交易活动。

欧洲系统性风险委员会（ESRB）获准访问收集的数据，以实现金融稳定。这一独特的数据集使我们能够提供数据集、一般清洁程序和其他统计数据的更多细节的第一个经验说明，见（Abad等人，2016）市场过剩和各种压缩方案的效率。本文主要研究CDS衍生物。该数据集涵盖了2014年10月至2016年4月期间所有未结清的CDS交易和头寸，其中至少有一个交易对手在欧盟合法营业。我们关注CDS市场的原因有四个。首先，CDS合同是金融系统中转移风险的主要工具。他们在GFC发展过程中所起的关键作用戏剧性地说明了这一点。其次，如第2节所述，CDS市场是投资组合压缩的早期参与者。第三，西部CDS市场不受强制性清算的约束，清算利率仍然较低（Abad et al.，2016）。因此，他们维护了与非平凡压缩结果相关的经销商-客户结构。同样，他们也充分支持中央清算反事实分析第7节中提出的强制清算的引入。第四，这些掉期的性质使其成为我们分析的理想人选。任何双边合同的名义金额对应于在标的实体违约的情况下，保护卖方对买方的预期付款（最低回收率）。因此，只要位置写在同一个referenceentity上，它们就可以替换。

此外，始终可以在任何时间点识别付款人和收款人。对于每个市场，我们计算（i）经销商-客户网络特征，（ii）超额统计数据和（iii）每个容差设置下的效率：双边、保守和混合压缩。双边压缩是所有对信用违约掉期合约之间双边净额结算的结果，违约掉期合约是最常用的信用衍生品类型。信用违约掉期为合同买方提供保护，使其免受基础参考违约的影响。因此，卖方承担买方的信用风险转移。CDS合同在2007-2009年金融危机期间发挥了重要作用。有关更多信息，请参见（Stulz，2010）。我们专注于单名CD。与指数CDS相比，EMIR下的这些合同没有清算授权。参见2016年3月1日欧盟委员会授权条例（EU）2016/592，补充欧洲议会和理事会关于清算义务监管技术标准的第648/2012号条例（EU）。对于其他类型的掉期，如IRS，付款人和收款人可能在给定交易的生命周期内发生变化，总体分析变得不那么简单。我们不报告非保守压缩的结果，因为根据命题4，最优解决方案总是导致零剩余过剩。市场中的交易对手，详见第4.4.2节。

在保守压缩和混合压缩的情况下，我们设计了一个针对各自容差集的线性规划框架。对于每个市场G，我们实施每个压缩算法并计算效率：冗余过剩与总过剩水平的比率：o双边：ρb=繁殖（G）（G） ；o保守：ρc=cred（克）（G） ；o混合：ρh=hred（克）（G） 。由此产生的效率差异使我们能够量化i）协调多边压缩（即保守和混合情况）与异步双边压缩（即双边情况）的效果，以及ii）将压缩公差从双边放宽到保守再放宽到混合设置的量化效果。在附录16中，我们报告了双边压缩市场的相同分析，以量化双边冗余之外的过剩和压缩效率。结果在质量上仍然稳健。最后，我们比较了在原始市场和双边压缩市场上应用多边压缩的结果。这样做可以量化由于一系列双边和多边压缩而产生的潜在效率损失，这对政策设计有影响。5.2数据集描述我们使用了2014年10月至2016年4月的19个月中快照。总体而言，originalsample包含7300个参考实体。然而，绝大多数的概念集中在数量较少的实体中。我们保留了前100个参考实体，附录12中描述了用于解决这些问题的所有算法。同步方面源于这样一个事实，即保守和混合方法都假设市场参与者之间的协调。他们都同意同时压缩提交的观察交易。

这种情况在双侧压迫中是不必要的。我们发现，在名义交易量和分析清晰性之间达成了良好的折衷（见第5.3节的统计数据）。对于每个参考k，市场是写在k上的一组未偿债务。每个双边头寸报告两个交易对手的身份、基础参考实体、到期日、货币及其名义金额。我们选择与每个时间点交易到期日（按年份）最多的参考相关的交易参考标识符。在参与者层面，我们使用其法律实体识别码（LEI）选择参与者。实际上，金融集团可能会决定提交来自同一集团不同法律实体的头寸。我们在其余部分不考虑这种情况。我们的限制样本包括43个主权实体（包括最大的欧盟和G20主权实体）、27个金融实体（包括最大的银行集团）和30个非金融实体（包括大型工业和制造业集团）。我们分别分析每个市场。5.3描述性统计表1提供了各细分市场的主要统计数据。我们计算不同快照中所有实体中经销商、买方客户和卖方客户的平均数量。我们观察到，随着时间的推移，数量稳定：每个参考实体平均有18至19家经销商，12至17家客户购买CDS，14至21我们的方法符合欧洲证券和市场管理局（ESMA）埃米尔授权监管第27条下关于投资组合保证金要求的最新意见。根据第28条，与不同单一名称和指数相关的净额结算集应为投资组合保证金组合分开。

请注意，根据第29条，不同到期日可被视为同一产品，其保守性低于我们的方法。附录15中报告了数据的抽样统计。选定的100家实体的名义总额在3800亿欧元至4800亿欧元之间，约保留30家- 原始总国民收入的34%。请注意，我们根据经验将经销商确定为双边互动之外的中介机构。事实上，根据我们框架中对经销商的正式定义（即δi），两个相互买卖的市场参与者将被认定为经销商。这并不能正确反映交易商在衍生市场中的作用。因此，按照惯例，如果在双边结算时，市场参与者作为中介出现，我们将其设置为交易商。同样，购买客户和销售客户是通过双边压缩市场来确定的。该约定不影响理论结果，并对经验结果提供了更为合理的解释，尤其是对于混合压缩。销售CD的客户。每个参考实体的双边头寸平均数量随时间变化较大，但仍保持在140到170之间。从整体上看，市场相当分散，平均密度约为0.10：所有市场参与者之间所有可能双边头寸的10%都实现了。当我们仅考虑经销商内部市场时，这一指标几乎高出三倍。这些市场的大部分活动围绕着英特拉交易商交易展开。经销商内部名义金额也突出了经销商周围的活动集中度：平均约为名义总额的80%。这些结果与文献一致（见第1节）。它们提供了经销商内部市场结构紧密的证据。

最后，表1的最后一列证实了客户-客户交易的极低频率：平均而言，在交易双方都没有经销商的情况下，所有债务中只有不到0.2%是书面的。6市场过剩和压缩效率我们首先衡量原始市场中的过剩水平，作为总名义总值的函数（即。，（G）=（G） x）。表2报告了2014年10月至2016年4月期间平均分布的六个快照的所有参考实体的超额计算统计数据，包括最小值、最大值、平均值、标准偏差和四分位数，计算了样本中所有100个参考实体的超额。平均值和中位数的结果随时间的推移而稳定，大多高于0.75。对这一结果的解释是，欧盟机构在交易量最大的CDS市场中，约四分之三的名义总值超过了参与者的净头寸。在极端情况下，我们注意到高度的可变性：相对于总名义价值的最低和最高超额水平分别在45%和90%左右波动。总的来说，表2中报告的结果表明，大量名义资产符合压缩条件。现在我们来看看每个压缩操作符的效率。结果见表3。在每个市场上实施压缩算法后，总超额10月14日1月15日4月15日7月15日10月15日1月16日4月16日min 0.529 0.513 0.475 0.420 0.533 0.403 0.532max 0.904 0.914 0.895 0.901 0.903 0.890 0 0.869平均0.769 0.777 0.766 0.757 0.751 0.728 0.734stdev 0.077 0.082 0.085 0.082 0.096 0.080第一夸脱。0.719 0.733 0.712 0.703 0.693 0.660 0.678中等0.781 0.791 0.783 0.769 0.758 0.741 0.749第三夸脱。

0.826 0.847 0.832 0.822 0.808 0.802 0.796表2：随时间变化的市场过剩统计：各市场名义过剩占总国民生产总值的份额。我们按照第5.1节的规定计算效率。通过分析平均值和中位数，我们观察到双侧压迫平均已消除50%的多余。尽管如此，这两种多边压缩方法（即保守压缩和混合压缩）的性能都优于它，分别去除了85%和90%的多余部分。水平大于左右摆动75%左右的双边压缩所能达到的最大效率。与双边效率相比，保守和混合方法在极端情况下表现相似：最小值范围在55%到62%之间，最大值范围在98%到99%之间。特别是，保守压缩的结果表明，即使在严重的约束条件下，市场的绝大多数过剩也可以消除。这一结果是由于经销商内部表现出的高浓度和紧密结构。进一步分析双边和多边压缩之间的相互作用，展示了多边压缩服务的附加值。事实上，参与者可以以分散和异步的方式参与，以实现双边压缩。这对于多边压缩来说并不简单。这种差异还允许参与者在参与多边压缩循环之前，寻求双边压缩他们的一些立场。我们对这种情况的分析如下：对于每种情况，我们将原始市场上的运营效率与双边压缩时的总效率进行比较。注意：当前的压缩活动并不代表市场上实现的压缩量。

相反，鉴于经验观察到的未偿头寸，这项工作确定了仍然可以达到的水平。双边（ρb）10月14日1月15日4月15日7月15日10月15日1月16日4月16min 0.278 0.281 0.286 0.277 0.276 0.276 0.260max 0.779 0.791 0.759 0.777 0.717 0.711 0.746平均0.528 0.536 0.524 0.522 0.513 0.512 0.543stdev 0.101 0.106 0.103 0.105 0.107 0.109 0.108第一夸脱。0.464 0.460 0.469 0.452 0.448 0.444 0.448中等0.526 0.542 0.535 0.530 0.517 0.528 0.555第三夸脱。0.583 0.597 0.590 0.600 0.596 0.597 0.623保守（ρc）10月14日1月15日4月15日7月15日10月15日1月16日4月16日最小0.558 0.547 0.545 0.507 0.491 0.528 0.574最大0.985 0.982 0.973 0.967 0.968 0.979平均0.836 0.857 0.848 0.843 0.828 0.834stdev 0.091 0.087 0.090 0.091 0.104 0.106 0.090第一夸脱。0.781 0.816 0.810 0.800 0.777 0.773 0.788中等0.852 0.880 0.868 0.858 0.849 0.847 0.860三夸脱。0.906 0.925 0.913 0.915 0.902 0.907 0.904混合（ρh）10月14日1月15日4月15日7月15日10月15日4月16日16分钟0.589 0.626 0.636 0.653 0.574 0.619 0.676最大0.990 0.994 0.988 0.990.994 0.989 0.990平均0.878 0.898 0.894 0.893 0.881 0.882 0.898 STDEV 0.079 0.072 0.074 0.073 0.085 0.080 0.069第一夸脱。0.821 0.859 0.862 0.865 0.831 0.836 0.863地中海0.894 0.916 0.918 0.912 0.901 0.908 0.911三夸脱。0.935 0.952 0.947 0.951 0.948 0.945 0.947表3：随着时间的推移，压缩效率的统计：根据每个市场的原始市场过剩水平，压缩后消除的股票过剩。0.4 0.5 0.6 0.7 0.8 0.9 1.00.40.50.60.70.80.91.0保守0.4 0.5 0.6 0.7 0.8 0.9 1.00.40.50.60.70.80.91.0排序的混合效率比率多边压缩的效率比率图3：原始市场中的多边压缩与双边和多边压缩序列之间的效率比较。

所有快照和MarketingInstance都报告在相同的图表上。首先应用。图3报告了当多边压缩运营商应用于整个网络时，以及当它们首先与双边压缩相结合时，效率比的分布情况。后一个结果是将表3中报告的绝对双边结果与表9中保守和混合方法的绝对超额减少相加，然后除以原始市场的名义总额。结果表明，原始市场上的多边压缩总是比双边然后多边压缩的顺序更有效。然而，在保守的偏好设置下，序列尤其相关。事实上，混合压缩的差异比保守情况下的差异低（即中值提高约一个百分点）（即高达七个百分点）。更一般地说，图3表明，更协调和集体的压缩操作可以提供更高的效率。此后，监管激励将更加有效。附录16报告了一项关于双边压缩市场的分析，类似于针对原始市场的分析。当支持多边而非双边压缩时。然而，根据EMIR，虽然没有明确的区别，但条件是在双边层面设定的（即500份与同一交易对手签订的双边合同），这可能会鼓励双边压缩。相比之下，基于名义方法（如净毛比率）的措施可能会提高压缩的积极性以及多边活动的效率。7票据交换所激增的影响促进场外衍生品市场的中央结算一直是危机后监管改革的一个重要因素（FSB，2017）。

中央结算包括在合同双方之间插入非中央结算对手方（CCP）。改革的指导原则基于这样一个前提，即通过消除交易对手风险、提高净额结算效率和风险共同化，增加交易清算为市场提供了更大的稳定性（Cecchetti等人，2009年）。近年来，以更大的资本和抵押品成本为未清算交易清算特定资产类别的授权已深刻改变了几个OTC市场的组织结构。在本节中，我们调整了我们的框架，以评估几个中央清算会议对市场过剩的影响。特别是，我们感兴趣的是在存在中央清除的情况下估计压缩性能。请注意，就净额结算而言，中央清算和投资组合压缩之间存在区别。实际上，CCP以现金流的形式在其成员之间产生多边净额结算机会。这不一定会导致总头寸的减少。相反，投资组合压缩明确涉及头寸的终止，这意味着总名义价值的系统性减少。为保持一致性，在下文中，我们将从总量的角度考虑中央结算的净额结算效率，以概述危机后结算激励措施及其对场外交易市场的影响，例如，参见（FSB，2018年），伦敦清算所（LCH）开发了一个平台，允许其清算成员在LCH清算的交易中访问TriOptima等压缩服务提供商。

请参见：https://www.lch.com/services/swapclear/enhancements/compressionreduction当交易与CCP进行双边压缩时。7.1单一CCP引入单一CCP将市场的网络结构转换为星形网络，其中CCP（表示为c）位于所有义务的一侧。每一个原始行业都被更新为两个新行业。按结构计算，CCP的净头寸为0，其总头寸等于总市场规模：vgrossc=Pc，jecj=xc。在与CCP进行双边挤压之前，我们有xCCP=2x和vci=vi我∈ N事实上，CCP的市场总规模翻了一番，而所有市场参与者保持其净头寸不变。设m为满足每个参与者的净头寸所需的最小名义总额，如命题1等式1所示。因此，压缩前的过量由下式得出：（GCCP）=2x- m=x+（G） 。单一CCP市场的压缩相当于starnetwork的双边压缩。交易对手i和CCP c之间的所有交易都是双边净额结算，例如：eic=最大{eic- eci，0}和eci=最大值{eci- eic，0}。因此，使用单个CCP压缩后的市场总规模为x=2m。压缩单个CCP下的原始市场G=（N，E），从而导致CCPred（G）=x- x=x- 2米。因此，我们可以根据ρCCP计算效率比=CCPred（克）（G） =x-2倍-m=1-mx公司-m、 在不丧失一般性的情况下，我们将一个CCP下的效率公式如下：命题12。ρCCP=1-m+x- xx号- m=2-xx号- m=2-（3） 在哪里 原始市场中是否存在超额份额： =（G） x=x-mx。从这个表达式中我们可以看到：推论5。

o如果市场中的超额小于名义总金额的50%，则使用单一CCP进行压缩是反作用的：它会增加超额o如果市场中的超额等于名义总金额的50%，则使用单一CCP进行压缩是中性的：它不会修改超额o如果市场中的超额高于名义总金额的50%，使用单一CCP压缩是次超额比率效率：效率始终低于超额份额如果市场中的超额等于名义总金额的100%，那么使用单一CCP进行压缩是完全有效的：它消除了所有超额。根据推论5中给出的结果，我们使用第5节中描述的数据确定了经验上最相关的案例。我们将单个CCP的效率与上一节的效率结果进行比较。对于每个压缩设置，我们通过参考和时间收集全套市场，并将效率比与方程3进行比较。图4报告了结果。多边压缩操作（保守和混合）系统地产生比使用单个CCP的压缩更高的效率。在大多数情况下，双侧压迫不如单个CCP有效。尽管中央集权带来了多边净额结算机会，但向票据交换所更新合同也会重复每项双边义务的名义价值。当仅考虑对名义总值的影响时，上述实证研究表明，这种贸易影响是由多边压缩主导的一阶，而非中央清理。7.2多个CCP我们考虑市场上多个CCP的情况。我们进行了一项实证研究，在该研究中，双边头寸集合在多个CCP之间进行了重组。对于多个nccpofCCPs，每个双边位置都用随机均匀选择的一个CCP清除。

一旦分配并复制了所有双边职位，每个CCP使用其各自的0.0 0.2 0.4 0.6 0.8 1.00.20.40.60.81.01 CCP与保守的0.0 0.2 0.4 0.6 0.8 1.00.20.40.60.81.01 CCP与杂交的0.0 0.2 0.4 0.6 0.8 1.00.20.40.60.81.01 CCP与1个CCP的双边效率比压缩的效率比图4：压缩操作员与一个CCP的效率比比较。所有快照和市场实例都报告在相同的图表上。成员。对于每个给定的市场和nccp，我们生成1000个CCP分配的实现，并计算压缩效率比的统计数据。我们研究了两个案例。在第一种情况下，只能在成员国及其CCP之间进行双边压缩。在第二种情况下，我们分析了跨CCP的多边压缩的影响。当一个CCP的成员同时也是另一个CCP的成员时，可以跨CCP进行压缩。在下文中，我们假设CCP之间存在保守的偏好设置。图5提供了跨两个CCP压缩的样式化示例。请注意，在这种情况下，参与者之间交易对手关系的压缩容差变得无关紧要：所有参与者都只接触CCP。表4报告了在我们的时间窗口的最后一天，五个全球最大的市场的演习结果。下表显示了两种方案的结果。首先，我们观察到CCP数量的增加对消除过剩有着巨大的负面影响。CCP的激增重组了债务网络，在每个CCP周围创建了独立的分部。双边层面的全球净额结算机会大幅减少。

而单一CCP配置足以满足1市场2市场3市场4市场5原始超额34.834 27.489 31.592 26.227 27.051保守压缩0.924 0.906 0.954 0.927 0.911e效率。无多边压缩清算1 CCP 0.805 0.655 0.834 0.71 0.793（0.0）（0.0）（0.0）（0.0）2 CCP 0.66 0.543 0.672 0.579 0.716（0.056）（0.036）（0.048）（0.044）（0.025）3 CCP 0.576 0.477 0.569 0.502 0.663（0.055）（0.039）（0.047）（0.024）4 CCP 0.024 497 0.407 0.482 0.437 0.616（0.062）（0.042）（0.055）（0.049）（0.028）5 CCP 0.435 0.364 0.42 0.374 0.588（0.059）（0.04）（0.055）（0.051）（0.029）6 CCP 0.385 0.311 0.354 0.317 0.554（0.056）（0.046）（0.058）（0.043）（0.025）7 CCP 0.34 0.271 0.302 0.265 0.526（0.057）（0.048）（0.055）（0.05）（0.03）8 CCP 0.287 0.226 0.247 0.229 0.495（0.058）（0.05）（0.057）（0.049）（0.028）9 CCP 0.239 0.191 0.214 0.176 0.472（0.059）（0.047）（0.051）（0.05）（0.028）10 CCP 0.193 0.157 0.166 0.145 0.447（0.055）（0.048）（0.056）（0.05）（0.028）B.清算多边压缩1 CCP 0.805 0.655 0.834 0.71 0.793（0.0）（0.0）（0.0）（0.0）（0.0）2 CCP 0.774 0.632 0.807 0.682 0.774（0.021）（0.016）（0.024）（0.021）（0.014）3 CCP 0.785 0.633 0.81 0.694 0.779（0.022）（0.019）（0.022）（0.016）（0.012）4 CCP 0.794 0.638 0.816 0.695 0.787（0.016）（0.02）（0.018）（0.017）（0.009）5 CCPs 0.797 0.64 0.82 0.7 0.785（0.011）（0.017）（0.012）（0.01）6 CCPs0.798 0.6440.826 0.702 0.787（0.012）（0.014）（0.012）（0.013）0（0.008）7 CCP 0.798 0.646 0.825 0.705 0.789（0.011）（0.012）（0.011）（0.008）（0.006）8 CCP 0.802 0.648 0.827 0.705 0.788（0.006）（0.011）（0.008）（0.007）9 CCP 0.802 0.651 0.829 0.709 5 0.788（0.007）（0.007）（0.01）（0.009）（0.007）10 CCP 0.802 0.648 0.829 0.706 0.786（0.007）（0.011）（0.008）（0.008）（0.01）表4：双边压缩的影响随着CCP数量的增加。

各列在括号中报告了2016年4月15日名义金额最大的5个市场的平均效率比和标准差。面板A。仅适用于CCP的双边压缩。小组B.包括跨CCP的多边压缩。ij。。。。。。。。。。。。（a） 压缩前j。。。。。。。。。。。。（b） 压缩后图5：跨CCP的投资组合压缩的图形示例。小组（a）展示了由市场参与者（i、j和其他圈子）和CCP（1和2）组成的市场。面板（b）显示了面向市场的多边压缩解决方案。为了补偿名义总额的重复，一旦CCP数量增加，该余额就无法维持。第二，我们发现，当义务可以在CCP之间多边压缩时，扩散的负面影响几乎完全受到影响。在压缩工作包括多个CCP后，净额结算机会得以恢复。特别是，超过两个CCP的扩散产生的水平非常接近于单一CCP的情况。请注意，我们假设CCP之间的交易分布是统一的，这需要相等的市场份额。一般而言，增加对某些CCP的集中度应能减少不利影响。尽管如此，跨CCP压缩的结果在定性上仍然成立。7.3讨论授权和增加清算激励是监管部门对《全球金融公约》作出回应的核心。中央清算和组合压缩都是交易后技术，它们重塑了场外交易市场的组织。然而，到目前为止，它们之间的相互作用还不清楚。我们在这里提供了一个简单的直觉。CCP提供自然的净额结算机会。然而，它们也复制了市场上的总概念。虽然中央对手方清算所的风险敞口与场外交易风险敞口的性质不同，但人们对风险集中度和弹性的担忧有所增加（见Du ffe和Zhu（2011））。

反过来，CPS的扩散也带来了一些担忧，从互操作性和跨境问题到网络效率的下降。在这方面，我们调查了中央结算对场外交易市场名义总金额的影响。我们的程式化实践结果表明，CCP的激增会对净额结算机会产生不利影响。我们假设所有CCP都与其成员进行双边压缩，这在实践中并不总是如此，目前也不是强制性的。此外，我们的研究结果表明，跨CCP的多边压缩几乎可以完全消除这种担忧。这一结果支持互操作性政策，有利于CCP采取压缩措施，并相互参与多边循环。8结论性意见危机后监管改革产生了对新的交易后服务的需求，例如金融市场中的组合压缩（FSB，2017）。据报道，这种允许市场参与者消除直接和间接影响头寸的特殊多边净额结算技术导致了主要OTC衍生品市场的大规模缩减（Aldasoro和Ehlers，2018）。在本文中，我们介绍了一个框架，该框架从经验上支持市场广泛采用投资组合压缩所带来的巨大影响。我们表明，具有可替代义务和交易对手风险的OTC市场产生了巨大的名义超额：总交易量可能远远超过满足每个参与者净头寸所需的水平。在客户之间以及其他经销商之间充当中介的经销商是市场中经验观察到的过剩水平的主要决定因素。使用CDS合同产生的双边债务的细粒度数据集，我们发现平均约75%的总市场规模超过。

此外，我们发现，即使参与者对其交易对手关系持保守态度，参与投资组合压缩平均可以消除85%的超额。最后，我们发现，当跨CCP进行投资组合压缩时，可以设置多个CCP导致的净额结算效率损失。市场中观察到的大量过剩可能是金融不稳定的根源，尤其是在危机时期（Cecchetti et al.（2009）；Acharya和Bisin（2014年））。考虑到OTC市场的经验结构，即使在保守的约束条件下，投资组合压缩也可以消除大部分过剩。此外，多边压缩的效率本身可以解释自GFC以来一些OTC市场的规模大幅缩减的原因。因此，有关OTC市场活动的政策讨论将受益于与客户使用组合压缩相关的详细信息。例如，正如杜菲（2018）所建议的那样，由于投资组合压缩而导致的总量快速减少可以通过降低库存成本来增加流动性。相反，由退出市场的参与者推动的减少将导致流动性准备金的减少。后者代表经济层面的变化，而前者则源于会计层面的变化。每种机制都意味着对市场流动性的不同评估。

因此，本文的结果也强调了粒度数据对于从市场动态中获得经济见解的重要性，正如最近几项政策倡议（Draghi，2016；Coeur\'e，2017）所提出的那样。使用组合压缩来缓解CCP数量激增的不利净额结算影响表明，这些交易后服务的组合可以防止单一CCP情景所暗示的当前高水平风险集中。更一般地说，在危机时期压缩过度头寸可以有效地限制真实和预期的冲击传播。据我们所知，这项工作首次提出了一个全面的框架，从可行性和效率两方面分析压缩力学。监管改革对交易后服务需求的增加对市场监控、市场微观结构和金融稳定的影响程度尚不清楚。未来工作的途径包括对采用交易策略、流动性提供和场外交易市场细分的投资组合压缩影响的实证评估。参考Sabad，J.、Aldasoro，I.、Aymanns，C.、D\'Errico，M.、Fache Rousova，L.、Ho Off mann，P.、Lang field，S.、Neychev，M.和Roukny，T.（2016）。照亮黑暗市场：来自新的欧盟OTC衍生品数据集的前景。ESRB不定期论文系列11-16号。Acemoglu，D.、Ozdaglar，A.和Tahbaz Salehi，A.（2015）。金融网络中的系统性风险和稳定性。《美国经济评论》，105（2）：564–608。Acharya，V.和Bisin，A.（2014年）。交易对手风险外部性：集中化与场外市场。《经济理论杂志》，149:153–182。Ahuja，R.K.、Magnanti，T.L.和Orlin，J.B.（1993）。网络流：理论、算法和应用。普伦蒂斯大厅。Aldasoro，I.和Ehlers，T.（2018）。

信用违约掉期市场：adecade的不同之处。BIS季度审查。Ali，R.、Vause，N.和Zikes，F.（2016年）。衍生产品市场的系统性风险：使用CDS数据的试点研究。英格兰银行金融稳定文件（38）。Allen，F.和Babus，A.（2009年）。金融网络。网络挑战：互联世界中的战略、利益和风险。Allen，F.和Gale，D.（2000年）。金融传染。《政治经济学杂志》，108（1）：1-33。Alvarez，F.和Barlevy，G.（2015年）。强制性披露和财务传染。国家经济研究局技术报告。Atkeson，A.G.，Eisfeldt，A.L.，和Weill，P.-O.（2013）。场外衍生品市场。国家经济研究局技术报告。Atkeson，A.G.，Eisfeldt，A.L.，和Weill，P.-O.（2015）。场外衍生品市场的进入和退出。《计量经济学》，83（6）：2231–2292。Babus，A.和Hu，T.-W.（2017）。场外交易市场的内生中介。《金融经济学杂志》，125（1）：200–215。Babus，A.、Kondor，P.等人（2018年）。场外交易市场中的交易和信息差异。《计量经济学》，即将出版。Benos，E.、Wetherilt，A.和Zikes，F.（2013年）。英国信用违约掉期市场的结构和动态。英格兰银行金融稳定文件（25）。Bernard，B.、Capponi，A.和Stiglitz，J.E.（2017）。纾困和纾困：激励、连通性和系统稳定性。国家经济研究局技术报告。BIS（2016）。市场风险的最低资本要求。巴塞尔银行监管委员会-国际清算银行技术报告。Cecchetti，S.G.，Gyntelberg，J.，和Hollanders，M.（2009）。场外衍生品的中央交易对手。BIS季度审查，第45页。Coeur\'e，B.（2017年）。为粒度数据设置标准。

在德国法兰克福举行的第三届英国央行关于“为粒度数据制定全球标准：共享挑战”的研讨会上发表了演讲。Cont，R.和Kokholm，T.（2014）。场外衍生品的中央结算：双边与多边净额结算。统计与风险建模，31（1）：3–22。Draghi，M.（2016）。为什么需要细粒度数据？在德国法兰克福举行的第八届ECBStatistics会议上的演讲。杜菲，D.（2012）。黑市：场外市场中的资产定价和信息传输。普林斯顿大学出版社。杜菲，D.（2017）。危机后的金融监管改革：评估。管理科学。杜菲，D.（2018）。危机后银行监管和金融市场流动性。讲座，学士。杜菲，D.、G^arleanu，N.和Pedersen，L.H.（2005）。场外交易市场。《计量经济学》，73（6）：1815-1847。Duffee，D.、Scheicher，M.和Vuillemey，G.（2015年）。中央清算和抵押品需求。《金融经济学杂志》，116（2）：237–256。杜菲，D.和朱，H.（2011）。中央结算对手是否减少了交易对手风险？资产定价研究回顾，1（1）：74–95。D\'Errico，M.、Battiston，S.、Peltonen，T.和Scheicher，M.（2017）。信用违约掉期市场的风险如何流动？《金融稳定杂志》（出版）。Elliott，M.、Golub，B.和Jackson，M.O.（2014）。金融网络和传染。《美国经济评论》，104（10）：3115–3153。Erol，S.和Ordonez，G.（2017年）。网络对银行监管的反应。《货币经济学杂志》，89:51-67。欧洲中央银行（2009年）。信用违约掉期和交易对手风险。《金融时报》（2016年5月5日）。场外衍生品萎缩至金融危机以来的最低水平。《金融时报》（2015年6月8日）。随着银行取消旧交易，掉期交易的压缩步伐加快。Frei，C.、Capponi，A.、Brunetti，C.等人（2017年）。

管理场外交易市场的交易对手风险。技术报告，美联储理事会（US）。金融稳定委员会（2017年）。场外衍生品市场改革回顾：改革的有效性和更广泛的影响。金融稳定委员会技术报告。FSB（2018年）。鼓励集中清算场外（otc）衍生品。金融稳定委员会技术报告。Ghamami，S.和Glasserman，P.（2017）。场外衍生品改革是否激励中央结算？金融中介杂志。Gofman，M.（2016）。金融体系的效率和稳定性，以及相互关联的机构。《金融经济学杂志》，即将出版。霍尔丹，A.G.（2009）。重新思考金融网络。在荷兰阿姆斯特丹金融学生协会发表的演讲。ISDA（2015年）。压缩对利率衍生品市场的影响。技术报告，国际掉期和衍生品协会-研究报告。Kaya，O.、Speyer，B.、AG，D.B.和Ho Off mann，R.（2013）。改革场外衍生品市场。德意志银行，8月7日。Lagos，R.和Rocheteau，G.（2009年）。存在搜寻摩擦的资产市场的流动性。《计量经济学》，77（2）：403–426。货币监理署（2016年）。第四季度银行交易和衍生品活动季度报告。技术报告，货币主计长办公室。O\'Kane，D.（2014）。优化压缩周期：场外衍生品市场多边净额结算算法。SSRN 2273802提供。Peltonen，T.A.、Scheicher，M.和Vuillemey，G.（2014）。CDS市场的网络结构及其决定因素。《金融稳定杂志》，13:118–133。Roukny，T.、Battiston，S.和Stiglitz，J.E.（2016）。互联性是系统性风险的不确定性来源。《金融稳定杂志》（出版）。Schrimpf，A.（2015）。

随着压缩收益的进一步增长，未偿OTC衍生品头寸减少。BIS季度审查，第24–5页。Shachar，O.（2012）。暴露风险：信用违约掉期市场的中介能力。纽约联邦研究银行工作文件。Stulz，R.M.（2010）。信用违约掉期和信贷危机。《经济展望杂志》，24（1）：73-92。《经济学人》（2008年11月6日）。伟大的解开。《经济学人》（2009年7月9日）。数字紧缩。Vause，N.（2010年）。信用违约掉期市场中的交易对手风险和合同量。BIS季度审查，第59页。耶伦，J.（2013）。互联性和系统性风险：金融危机的教训和政策影响。在加利福尼亚州圣地亚哥美国经济协会/美国金融协会联合午餐会上发表的演讲。9证明9.1提案1。证明包括两个步骤。1、首先，我们表明，给定市场G=（N，E），我们总是可以在方程式1中找到一个净等价市场G，其中xas的总名义值为。考虑将N划分为以下不相交的子集：N+={i | vneti>0}，N-= {i | vneti<0}和N={i | vneti=0}（这样N=N+SN-序号）。让B∈ N×N是一组新的边（每个边都有权重bij），这样：obijs。t、 （i，j）∈ B、 我∈ N+，j∈ N-;oPjbij=vneti，我∈ N+；oPibij=vnetj，j∈ N-.因此，市场G=（N，B）的总名义值由以下公式得出：x=XiXjbij=Xi∈N+vneti=Xi∈N-|vneti |。由于B中的边仅连接N内的两个节点（即系统是闭合的），allnet位置之和等于0：Pivneti=0。因此，我们有：Pi∈N+vneti+Pj∈N-vnetj=0。我们看到，在绝对值中，每个集合的净头寸之和（N+和N-)相等：| Pi∈N+vneti |=| Pj∈N-vnetj |。由于每个部分中的所有元素通过构造具有相同的设计，我们得到：Pi∈N+| vneti |=Pj∈N-|vnetj |。因此，我们有：Pi∈N+vneti=| Pi∈Nvneti |。2.

其次，我们证明了xis是通过G=（N，E）上的净等价运算所能达到的最小总名义值。我们自相矛盾地前进。考虑上述G=（N，B），并假设存在G*= （N，B*) 定义为与Gsuch相当的净市场*< x、 在边缘处，只能通过减少B中的一些重量来获得该结果：b*ij<bij。如果x*< x、 然后至少存在一个节点，该减少没有得到补偿，因此v*neti<vneti。这违反了净等效条件。因此，x=Pni：vneti>0vneti是最小的网络等效概念。9.2引理1屋顶。根据定义，δ（i）=1<=>Pjeij·Pjeji>0：因此，经销商既有外向优势，也有内向优势。那么它认为：δ（i）=1=> vgrossi>| vneti |<=>Xjeij+Xjeji>Xjeij公司-Xjeji公司.相反，对于customerPjeij·Pjeji=0，因此δ（i）=0。那么它认为：δ（i）=0=> vgrossi=| vneti |<=>Xjeij+Xjeji=Xjeij公司-Xjeji公司.如果我是一个在市场上销售（或购买）的客户，那么Pjeji=0（或Pjeij=0），因此上述等式的两端是相等的，这一事实简单地证明了这种平等性。如果G=（N，E）hasPi∈Nδ（i）=0，则所有市场参与者都是客户，因此我们得出：vgrossi=| vneti |我∈ N、 因此，超额由以下公式得出：（G） =x-xivneti公司= x个-Xi | vgrossi |。正如命题1的证明一样，我们所考虑的市场是封闭的（即所有边都与N中的参与者相关），因此：Pi | vgrossi |=2x。因此，我们在此类市场中没有多余的：（G） =0。如果G=（N，E）hasPi∈Nδ（i）>0，则一些市场参与者的vgrossi>vneti。因此，超额由以下公式得出：（G） =x-Xi | vneti |=Xi | vgrossi |-Xi | vneti |==Xi | vgrossi |-Xi | vneti |>09.3提案2屋顶。为清楚起见，在下文中，我们仅将符号集中在边集上，以计算超额。

一般来说，让我们将边集E分解为两个子集E=E∪ Eand。eij=eij+eij，（i，j）∈ E、 （4）我们计算矩阵eij的多余量：Xijeij- 0.5XiXj（eij- eji）. （5） 将4扩展并替换为5，我们得到：Xijeij- 0.5XiXj（eij- eji）=Xij（eij+eij）+- 0.5XiXj（eij- eji+eji- eji）==Xijeij+Xijeij+- 0.5XiXj（eij- eji）+Xj（eji- eji）（6） 根据Jensen不等式，我们得到：Xj（eij- eji）+Xj（eji- eji）≤Xj（eij- eji）+Xj（eji- eji）因此，从第6条可以看出：Xijeij- 0.5XiXj（eij- eji）≥希杰伊- 0.5XiXjeij公司- eji公司++希杰伊- 0.5XiXjeij公司- eji公司这证明了这一说法。现在，我们在我们的框架下确定了这种关系存在的具体案例。

让我们合成原始相加性表达式：（E） =（教育版）+（EC）Xi | Xj（eij- eji）|=Xi | Xj（eDij- eDji）|+Xi | Xj（eCij- eCji）|我们可以在经销商-客户网络的上下文中分解每个部分。1） 对于整个网络，我们有XI | Xj（eij- eji）|=经销商xd | Xj（edj- ejd）|+客户XC | Xj（ecj- ejc）|=经销商xd | Xj（edj- ejd）|+客户+Xc+| Xj（ec+j- ejc+|++客户-Xc公司-|Xj（ec-j- ejc公司-)| ==dealerXd | Xj（edj- ejd）|+客户+Xc+| Xj（ec+j）|++客户-Xc公司-|Xj公司(-ejc公司-)| ==dealerXd | Xj（edj- ejd）|+客户+Xc+经销商XDEC+d+客户-Xc公司-经销商XDEDC-2） 对于经销商网络，我们有XI | Xj（eDij- eDji）|=dealerXd | dealerXh（eDdh- eDhd）| 3）对于我们拥有的客户网络XI | Xj（eCij- eCji）|=经销商xd | Xj（eCdj- eCjd）|++客户+Xc+| Xj（eCc+j- eCjc+|客户-Xc公司-|Xj（eCc-j- eCjc公司-)|=经销商XD | Xj（eCdj- eCjd）|+客户+Xc+经销商XDECC+d+客户-Xc公司-经销商XDECDC-结合方程，我们得到：dealerXd | nXj（edj- ejd）|=dealerXd | dealerXh（eDdh- eDhd）|+经销商xd |客户xc（eCdc- eCcd）|我们继续分解不同的元素。1） 对于整个网络：dealerXd | nXj（edj- ejd）|=dealerXd | dealerXh（edh- ehd）+客户+Xc+（edc+- ec+d）+客户-Xc公司-（edc-- 欧共体-d） |=dealerXd | dealerXh（edh- ehd）+客户+Xc+edc+-顾客-Xc公司-欧共体-d | 2）对于经销商和客户网络：dealerXd | dealerXh（eDdh- eDhd）|+经销商xd |客户xc（eCdc- eCcd）|=dealerXd | dealerXh（eDdh- eDhd）|+经销商XD |客户+Xc+eCdc+-顾客-Xc公司-eCc公司-d |在该分解之后，我们可以移除与不同网络相关的下标，并获得加法过量的一般条件：dealerXd | dealerXh（edh- ehd）+客户+Xc+edc+-顾客-Xc公司-欧共体-d |=dealerXd | dealerXh（edh- ehd）|+经销商XD |客户+Xc+edc+-顾客-Xc公司-欧共体-因此，上述关系在1时成立。Pdealerh（edh- ehd）=0，d∈ Dor2.P客户+c+edc+-P客户-c-欧共体-d=0，d∈ D9.4提案3。

非保守压缩公差允许所有可能的边缘重新布置。因此，非保守压缩消除过剩的唯一条件（即。，cnred（G）>0）仅仅是多余的非零（即。，（G） >0）。从引理1，我们知道，只有当存在中间作用（即。，我∈ N |δ（i）=1）。9.5提案4。我们继续定义一个尊重非保守压缩约束的程序，并表明该程序（算法）生成了一个新的边配置，由此产生的超额为0。与命题1的证明类似，考虑三个不相交的子集N+={i | vneti>0}，N-= {i | vneti<0}和N={i | vneti=0}，这样N=N+SN-序号：。设B是一组新的边，这样：obij公司∈ B、 我∈ N+，j∈ N-oPjbij=vneti，我∈ N+oPibij=vnetj，j∈ N-根据命题1，市场G=（N，B）净等价于G，而总名义总值最小。新边的性质使Gbipartite（即。，bij公司∈ B、 我∈ N+，j∈ N-), 因此，G中没有中间环节。上述获得B的过程是一个元算法，因为它没有定义生成B的所有步骤。因此，几个非保守压缩操作可以满足此过程。然而，根据命题3，每个非保守压缩操作都会导致cnres（G）=（G） =09.6提案5预防。在保守压缩中，我们有一个约束：0≤ eij公司≤ eij公司i、 j∈ 在个人层面，假设i是在市场上销售的客户（即δ（i）=0）。在保守方法下，不可能压缩i的任何边。事实上，为了保持i的净位置不变，i边上ε的任何减少（即，eij=eij- ε） 需要在其他边上进行更改（即eik=eik+ε），以保持v0neti=vneti。

该程序违反了保守压缩公差：eik=eik+ε>eik。客户购买时也会出现同样的情况。因此，如果δ（i）=0，则保守压缩不能应用于节点i。减少边缘EIJ不需要违反保守方法和净等价条件的唯一配置是，我可以减少几个利差以保持其净平衡。事实上，对于节点i，更改Pjeij=Pjeij后，净位置是恒定的- ε如果通过变更Pjeji=Pjeji进行补偿- ε。只有经销商才能应用此程序。此外，此类程序仅适用于与其他经销商的链接：一个链接的减少会触发一系列平衡调整，如果其他经销商担心客户无法如上所示重新平衡其净头寸，则通常会发生这种情况。因此，保守方法的冗余过剩源自经销商内部的联系。最后，重新平衡和链路缩减的顺序只能在回到初始节点时停止。因此，保守压缩只能应用于中介的有向闭合链，即一组链接E* 使所有链接都具有正值*∈E*e*> 09.7提案6证明。从命题5中，我们知道保守压缩方法只能减少封闭中介链中的过剩。给定市场G=（N，E），让我∈ n满足以下条件：PjeCij>0，eCij∈ ECPjeCji>0，eCji∈ 因此，参与者i是市场上的经销商。更准确地说，无论她与其他经销商的活动如何（即经销商内部市场ED），我都会与买方和卖方的客户进行互动。