全部版块 我的主页
论坛 经济学人 二区 外文文献专区
722 16
2022-06-10
英文标题:
《Emergence of frustration signals systemic risk》
---
作者:
Chandrashekar Kuyyamudi, Anindya S. Chakrabarti and Sitabhra Sinha
---
最新提交年份:
2018
---
英文摘要:
  We show that the emergence of systemic risk in complex systems can be understood from the evolution of functional networks representing interactions inferred from fluctuation correlations between macroscopic observables. Specifically, we analyze the long-term collective dynamics of the New York Stock Exchange between 1926-2016, showing that periods marked by systemic crisis, viz., around the Great Depression of 1929-33 and the Great Recession of 2007-09, are associated with emergence of frustration indicated by the loss of structural balance in the interaction networks. During these periods the dominant eigenmodes characterizing the collective behavior exhibit delocalization leading to increased coherence in the dynamics. The topological structure of the networks exhibits a slowly evolving trend marked by the emergence of a prominent core-periphery organization around both of the crisis periods.
---
中文摘要:
我们表明,复杂系统中系统性风险的出现可以从功能网络的演化中理解,这些功能网络表示从宏观观测值之间的波动相关性推断出的相互作用。具体而言,我们分析了1926年至2016年期间纽约证券交易所的长期集体动态,表明以系统性危机为标志的时期,即:。,1929-33年的大萧条和2007-09年的大衰退,都与互动网络中结构平衡的丧失所表明的挫折感的出现有关。在这些时期,表征集体行为的主要本征模表现出离域性,从而增加了动力学的一致性。网络的拓扑结构呈现出缓慢发展的趋势,在这两个危机时期都出现了一个突出的核心-外围组织。
---
分类信息:

一级分类:Physics        物理学
二级分类:Physics and Society        物理学与社会
分类描述:Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体(人类或其他)的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统(如能源网、运输网络)的物理和工程。
--
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
--

---
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
2022-6-10 06:28:09
挫折的出现预示着系统性风险Chandrashekar Kuyyamudi1,2,Anindya S.C hakrabartiand Sitabhra Sinha1,2,印度金奈塔拉马尼CIT校区数学科学研究所,邮编:600113。Homi Bhabha国家研究所,Anushaktinagar,孟买400094,印度。印度艾哈迈达巴德Vastrapur印度管理学院经济区,邮编380015。(日期:2018年7月10日)我们表明,复杂系统中系统性风险的出现可以从功能网络的演化中理解,功能网络代表从宏观观测值之间的波动相关性推断出的相互作用。具体而言,我们分析了1926年至2016年间纽约证券交易所的长期集体动态,表明以系统性危机为标志的时期,即。,1929年至1933年的大萧条和2007年至2009年的大衰退,都与相互作用网络中结构平衡的丧失所表明的挫折感的出现有关。在这些时期,表征集体行为的主要本征模表现出离域性,从而增加了动力学的一致性。网络的拓扑结构呈现出低进化趋势,其标志是在两个危机时期都出现了一个突出的核心-外围组织。分析由许多组件组成的复杂系统的集体行为具有挑战性,因为单个组件的局部动力学之间的相互作用通常会导致系统级出现定性不同的现象【1,2】。独立的许多自然和社会系统都有大量的组成元素,每个组成元素都遵循复杂的轨迹,并通过耦合的异质性影响其他系统,这些耦合也可能会随着时间的推移而演化【3,4】。因此,从所有相关变量的角度对此类系统进行完整的微观描述将是一个棘手的问题。
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

2022-6-10 06:28:12
相反,在相对较少的关键宏观观测值中,通过对有效相互作用的简洁描述,可以更有效地理解系统的全球演化【5,6】。可观测对象之间的连通性性质可以从其时间演化之间的相互关联中推断出来[7],从而可以构建一个协调整体行为的功能网络。这种方法已成功地用于分析许多自然(如大脑[8,9])和社会经济(如金融市场[10-12])系统,它可以帮助我们理解极端事件(如导致系统性危机的大规模故障)是如何发生的[13-15]。金融市场提供了一个特别合适的例子,在这个例子中,由于有大量高质量的数据可用,这种方法可以用来确定表征自组织集体现象的可能普遍模式【16–18】。这样一个系统的全球动态来自于市场参与者之间每天数百万次的微观交易,从个体交易员到机构投资者,他们受到经济基本面变化、羊群效应、特殊动机和新闻等外部冲击的不同驱动【19,20】。因此,可以根据金融资产之间的有效相互作用来构建宏观描述,金融资产之间的有效相互作用是从市场参与者对这些资产中的所有交易进行汇总后得出的价格波动的相关性中推断出来的。在此,我们分析了最大股票市场价格波动的集体动态,即:。,纽约证券交易所(NYSE),在90年的时间里(19262016年),了解这个复杂系统在极长时间尺度上的演变【21】。
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

2022-6-10 06:28:15
具体而言,我们需要识别系统风险的量化特征,由此,最初的局部扰动可能最终引发整个经济的灾难性变化【22,23】。在本报告中,我们通过研究构成研究期间的整个不同时间间隔序列中股票之间相互作用网络的拓扑特征,揭示了市场长期动态的几个重要特征[参见图1(a-b)中从2007-9年危机期间到2007-9年危机期间的两个代表性网络]。其中最关键的是观察到,在重大经济危机中。,1929年至1933年的大萧条和2007年至2009年的大衰退,都与这些时期相应的互动网络中结构平衡的缺失有关。值得注意的是,这种现象相当于出现了锈蚀,通常被认为是复杂系统中的主要政权过渡,例如物理系统(spinglass[24,25])以及社会系统(例如第一次世界大战爆发前国家间战略联盟网络的结构失衡[26])。我们表明,相互作用网络的性质存在缓慢演化的趋势,最主要的是具有负weig Htsw的边的数量,这与反相关运动的强度有关[图1(c)],以及表明聚类范围的连接三元组的数量[图1(d)]。这些测量值在大多数研究期间都很低,但在接近之前提到的两个cr期时变得很高。一个相关的结果是,对应于危机时期的网络表现出较强的ERFIG。1: (联机上色)。
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

2022-6-10 06:28:18
(a-b)纽约证券交易所(NYSE)的股票互动网络显示,在(a)期间80:2002年12月至2006年12月和(b)期间85:2008年2月至2012年2月的平均价格为300点,对应于大萧条之前和期间的时间间隔。Ed ges表示通过对互相关矩阵进行频谱滤波,去除掩盖这些相互作用的常见“全局”模式和噪声而获得的重要相互作用。危机时期的特征是出现大量代表成对股票之间反相关的负边缘(用红色表示)。这一时期还表现出密集的集群,这从许多相连的三联体的存在中可以明显看出。(c-d)总边数(NE,蓝色)和负边数(N)的时间演化(-)E、 红色)显示在(c)中,以及连接三元组的数量【N】(), (d)中显示了1926年至2016年间纽约证券交易所的互动网络。经济系统性危机(即1929-1933年的大萧条和2007-9年的大衰退)对应的时间间隔由阴影区域表示。红色倒三角形表示交互网络失去结构平衡的时期。代表一个突出的核心成熟组织的假设性。我们确实观察到,在这两次危机前后的时期,内部有大量紧密相连的内核,这表明股票运动的一致性有所提高。
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

2022-6-10 06:28:21
这一点通过我们对最强的eige nmodes中的离域化的证明得到了加强,这些nmodes表征了这些时期的大规模相关运动【27】。我们分析所用的数据来自adatabase联合计算1925年12月31日至2016年3月18日期间在纽约证券交易所交易的所有股票的每日收盘价时间序列,该时间序列由证券价格研究中心(CRSP)维护【28】。我们已将总工期划分为89个T=1001天的重叠期,重叠期为260天(大约相当于一年中的工作天数)。在这些时期中,我们关注的是N=300秒的股票,在所有股票中,该区间的平均价格最高[29]。我们使用来自数据库的不同样品重复了分析,例如,通过将N增加到500或通过随机抽样选择300个股票,并获得了定性相似的结果。为了构建每个时期股票之间的相互作用网络,我们关注归一化对数回报率ri,t(=[ri,t])中的互相关系数Cij=hrirji(i,j=1,…,N-hRii】/σi,h.i和σ分别代表平均值和标准偏差),用于测量股价pi(Ri,t=log(pi,t+1/pi,t),i=1…)的日变化,N) 。互相关矩阵C的谱分解允许将其表示为N项之和(对应于不同的本征模),即。,PαλαuαuTα(α=1,…,N),其中λ和u是C的特征值和特征向量。通过与相应Wishart矩阵的频谱进行比较,即从长度为T的N个相互不相关的时间序列中构造的随机相关矩阵,我们从C中过滤出与位于Wishart矩阵频谱的BoundsλWmax,min=[1±(1/pT/N))]内的特征值相对应的所有模式。
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