On dependence consistency of CoVaR and some other systemic risk measures
本文研究了系统性风险测度关于随机相依的一致性问题。它比较了两种替代概念的条件风险价值(CoVaR)在目前的文献。这两个概念都是基于随机变量Y的条件分布,给定随机变量X的应力事件,但它们使用不同类型的应力事件。我们得到这些替代CoVaR概念的Copula表示,研究其一般的依赖一致性,并比较其性能在几个随机模型。我们的主要发现是,条件X>=VaR_α(X)比条件X=VaR_α(X)对X和Y之间的依赖性给出了更好的反应。我们证明了一般性的结果,这些结果将CoVaR的依赖一致性与多元分布或它们的Copula的一致性排序的已有结果联系起来,条件是X>=VaR_α(X)。这些结果也适用于其他一些系统性风险的措施,如边际预期损失(MES)和系统性影响指数(SII)。给出了基于压力事件X=VaR_α(X)的CoVaR不具有相依相容性的反例。特别地,如果(X,Y)是二元正态的,则基于X=VaR_α(X)的CoVaR不是相关参数的增函数。类似的问题出现在二元t模型和具有t边际和Gumbel copula的模型中。在所有这些情况下,基于X>=VaR_α(X)的CoVaR是相关参数的增函数。
2012-08-29 math.PR q-fin.RM
Measuring Systemic Risk: Common Factor Exposures and Tail Dependence Effects
我们使用一个共同的因素,占整个市场的冲击和尾部依赖因素,占极端股票收益之间的联系模型系统性风险。具体来说,我们的理论模型允许公司特定的罕见和极端事件的影响。我们使用1996年至2011年美国金融业四个部门的数据,发现了两个关键的实证结果。首先,忽视尾部相关因素的影响会导致系统性风险的测量出现向下偏差,特别是在经济疲软时期。其次,当这些指标作为圣路易斯联邦储备银行金融压力指数的领先指标时,包含尾部依赖因子的指标比仅基于共同因子的指标具有更好的预测能力。
2022-02-04 q-fin.RM
ASRI: An Aggregated Systemic Risk Index for Cryptocurrency Markets
Dissensus;King’s College London(伦敦国王学院)
提出ASRI,一种可解释的、渠道分解的加密货币系统性压力度量,通过四个传播渠道聚合,在历史危机中表现中等,强调聚合的解读价值而非判别优势。
2026-07-14 q-fin.CP q-fin.RM
Conditional risk measures in a bipartite market structure
在本文中,我们研究了代理和对象之间的网络结构对系统性风险度量的影响。本文利用二分图模型研究了分担巨额外生损失对金融(再)保险市场的影响。利用Pareto尾损失和多元正则变分,我们得到了基于风险价值和条件尾期望的系统条件风险度量的渐近结果。这些结果使我们能够通过一系列有条件的系统性风险指标来评估单个机构对系统性风险或市场风险的影响,反之亦然。对于大型市场,在保险市场的例子中提供了相关常数的泊松近似。一个基本的均匀随机图的例子进行了详细的分析,并通过模拟说明了结果。
2015-10-02 q-fin.RM
Systemic-risk-efficient asset allocation: Minimization of systemic risk as a network optimization problem
系统性风险是一种多层网络现象。层代表各种类型的直接金融风险,包括银行同业负债、衍生工具或外汇风险。另一个系统性风险的网络层通过金融机构的共同资产持有出现。高度重叠的投资组合会导致由基础金融资产的价格变动引起的类似风险。基于金融机构的投资组合持有的知识,我们量化重叠投资组合的系统性风险。我们提出了一个优化过程,我们最大限度地减少系统性风险在一个给定的金融市场的最佳重新安排重叠的投资组合网络,约束条件下,预期收益率和风险的个人投资组合。我们通过使用2016年欧洲银行管理局压力测试的数据,明确地证明了该方法在欧洲主要银行之间主权风险敞口的重叠投资组合网络上的威力。我们表明,系统性风险有效的分配是可访问的优化。在主权风险敞口的情况下,系统性风险可以减少两倍以上,而不会对单个银行产生任何不利影响。这些结果证实了一个简单的模拟火灾销售在政府债券市场。特别是,我们表明,传染概率显着降低优化网络。
2018-03-12 q-fin.RM
Reverse Stress Testing for Multivariate Scenarios: A Conditional Framework for Stressed Time Series
ARCA Fondi SGR
提出一种反向压力测试方法,从单一资产类别的外生冲击出发,重建与市场经验依赖结构一致的多变量压力场景,并通过三种分布假设下的条件密度最大化求解。
2026-06-08 q-fin.RM q-fin.ST stat.ME
CoVaR with volatility clustering, heavy tails and non-linear dependence
在本文中,我们估计的条件风险价值拟合不同的多元参数模型捕捉一些程式化的事实,多变量金融时间序列的股票收益率:重尾,负偏,非对称依赖,和波动率聚集。而波动率聚集效应是通过GJR型的AR-Gesterfield动力学得到的,其他程式化的事实是通过非高斯多变量模型和copula函数来捕获的。CoVaR $^{\leq}$的计算基于多元正态模型、多元正态回火稳定模型、多元广义双曲模型和四种可能的copula函数。将这些风险度量估计值与基于多元正态GARCH模型的CoVaR $^{=}$进行比较。比较是通过对2007年1月至2020年3月期间的竞争对手模型进行回测来进行的。在实证研究中,我们考虑了属于主要或额外的全球系统重要性银行(GSIBs)评估样本的欧元区上市银行的样本。
2020-09-22 q-fin.CP q-fin.RM q-fin.ST
Set-valued intrinsic measures of systemic risk
本文提出多元集值风险测度与内在风险测度相结合的系统性内在风险测度方法,仅利用内部资本定义风险,证明其具有单调性与拟凸性等性质,并在改进的Eisenberg-Noe银行网络中验证其能通过转向稳定资产缓解系统性风险。
2023-11-24 q-fin.RM
Systemic Risk with Exchangeable Contagion: Application to the European Banking System
我们提出了一个模型和估计技术来区分系统性风险和传染信用风险。其主要思想是假设,对于一组$d$债务人,一组$d$特质冲击和一个触发所有债务人违约的冲击。所有的冲击被假定为由一个依赖关系,在本文中被假定为可交换和阿基米德。这种方法能够同时包含系统性风险和传染,以马歇尔-奥尔金纯系统性风险模型和阿基米德传染模型作为极端情况。此外,我们表明,假设一个仿射结构的特质和系统性冲击的强度和Gumbel Copula,该方法提供了一个完整的多元分布与指数边际分布。该模型可以通过对二元边缘应用矩匹配过程来估计。我们还提供了一个简单的视觉检查模型的良好规范。该模型适用于选定的样本银行为8个欧洲国家,假设每个国家的共同冲击。该模型被认为是很好地指定为4的8个国家。我们还提供了该模型的理论扩展到不可交换的情况下,我们提出了可能的研究途径的估计。
2015-02-06 q-fin.MF q-fin.RM
Leveraging the network: a stress-test framework based on DebtRank
我们开发了一个新的压力测试框架来监测金融系统中的系统性风险。该框架的模块化结构允许适应各种冲击情景、估计银行间风险敞口的方法和危机传播机制。主要特点如下。首先,该框架不仅可以估计和理清第一轮效应(即对外部资产的冲击)和第二轮效应(即在银行间网络中引起的困境),而且还可以估计和理清可能的甩卖引起的第三轮效应。其次,它可以同时监测冲击对个别或金融机构群体的影响,以及它们对交易对手或某些资产类别的冲击的脆弱性。第三,它包括对损失分布的估计,从而将网络效应与常见的风险度量(如VaR和CVaR)相结合。第四,为了进行稳健性分析和处理不完整的数据,该框架设有一个模块,用于生成与每家银行的借贷总额相一致的银行间风险敞口网络集。作为一个例子,我们对2008-2013年欧洲上市银行的数据集进行了压力测试。我们发现,第二轮和第三轮效应主导第一轮效应,因此,大多数当前的压力测试框架可能会导致严重低估的系统性风险。
2016-02-22 q-fin.GN q-fin.RM
Time consistency for scalar multivariate risk measures
在本文中,我们提出的结果动态多变量标量风险的措施,出现在市场上的交易成本和系统性风险。这种风险措施的双重表示。然后,这些都是用来获得本文的时间一致性的主要结果,即,一个等价的递归制定的多变量标量风险措施,多投资组合的时间一致性。我们的动机是研究多变量标量风险度量的时间一致性,因为具有交易成本(具有单个合格资产)的市场中的超对冲风险度量(Jouini和Kallal(1995),Roux和Zastawniak(2016),Loehne和Rudloff(2014))不满足通常的时间一致性标量概念。事实上,正如Feinstein和Rudloff(2021)所证明的那样,在任何时候都具有相同标量化权重的标量风险度量通常不会是时间一致的。本文给出了多证券组合时间相容集值风险测度标量化的递推关系,需要考虑整个标量化族。通过这种方式,我们为标量时间一致性发展了一个直接的“移动标量化”概念,这证实了最近对动态多目标问题标量化的研究(Karnam,Ma和Zhang(2017),Kovacova和Rudloff(2021))。
2021-11-19 q-fin.RM
Cascading Failures in Bi-partite Graphs: Model for Systemic Risk Propagation
随着经济实体之间的联系日益紧密,金融网络的冲击可能会在整个系统中引发重大的连锁故障。为了研究金融系统的系统性风险,本文建立了由银行和银行资产组成的双边银行网络模型,并提出了一个描述危机期间风险传播过程的级联失效模型。本文利用2007年美国商业银行资产负债表数据对模型进行了实证检验,并将模型对2007年后破产银行的预测与真实破产银行的预测进行了比较。我们发现,我们的模型有效地确定了联邦存款保险公司报告的实际失败的银行的一个重要部分。结果表明,该模型可以用于金融系统的系统性风险压力测试。该模型还发现,商业而不是住宅不动产资产是2008-2011年期间超过350家美国商业银行倒闭的罪魁祸首。
2013-01-11 physics.soc-ph q-fin.GN q-fin.RM
Systemic Risk Radar: A Multi-Layer Graph Framework for Early Market Crash Warning
系统性风险雷达通过多层图框架检测市场崩盘早期信号,利用结构网络信息提升预警效果。
2025-12-19 cs.AI cs.LG q-fin.RM
A Risk Mitigation Model of Monetary Ecosystem with Stablecoins
Washington University in St. Louis(华盛顿大学圣路易斯分校);The Hong Kong University of Science and Technology(香港科技大学)
本研究提出一种混合货币架构,将法币支持的稳定币嵌入以央行为锚的框架,结合100%准备金支持、可互操作赎回轨道和常设流动性便利,以结构性缓解流动性脆弱性,并在SVB USDC脱锚事件校准的压力情景下证明其能显著降低锚定偏差并稳定赎回队列。
2025-10-12 q-fin.RM
Stess-testing the system: Financial shock contagion in the realm of uncertainty
这项工作提出了一个增强的变量的债务排名的不确定性区间作为一种方法来调查和评估金融网络中的系统性风险,在不完整的数据。该算法进行了测试,对三个合奏的网络密度不断增加的默认传染算法,估计从现实世界的银行数据相关的最大的227个欧盟15国金融机构在股票市场的索引。结果表明,DebtRank能够以更敏感和持续的方式捕捉系统性风险的增长率,从而充当预警信号。本文提出了三个政策工具的基础上,这种方法:监测系统性风险随着时间的推移,通过应用增强的DebtRank银行间网络的时间快照,压力测试框架,能够测试金融机构的系统重要性,在不同的冲击情景,和评估的货币价值的系统性损失的分布。
2014-12-04 cs.SI physics.soc-ph q-fin.GN
Limit Theorems for Default Contagion and Systemic Risk
本文考虑了一个在外部宏观经济冲击下的异质金融网络中的违约传染和系统性风险的一般模型。我们证明,在一定的正则性假设下,缺省级联模型可以转化为一个由球箱模型表示的死亡过程问题。我们还降低了问题的维度,根据不同的类型,在一个适当的类型空间的银行分类。这些类型可以通过使用机器学习技术来校准到真实世界数据。然后,我们陈述了各种极限定理关于不同类型的违约级联的最终大小。特别地,在适当的程度和阈值分布的假设下,我们证明了违约级联的最终规模具有渐近高斯波动。接下来,我们为不同的系统范围内的财富聚集函数的状态极限定理,并显示如何系统性风险措施,在一个给定的压力测试的情况下,可能与金融网络的结构和异质性。最后,我们展示了如何使用这些结果可以由社会规划者最佳目标干预措施在金融危机,预算约束和部分信息下的金融网络。
2021-04-01 econ.TH math.PR q-fin.RM
Transformer-based CoVaR: Systemic Risk in Textual Information
University of Groningen(格罗宁根大学);University of Bristol(布里斯托大学)
本文提出基于Transformer的CoVaR方法,利用文本信息提升系统性风险预测,展示在小数据集下也能实现准确估计。
2026-02-13 econ.EM q-fin.RM stat.ML
Systemic risk in interbank networks: disentangling balance sheets and network effects
Sapienza University of Rome(罗马第一大学);University of Rome Tor Vergata(罗马托尔维加塔大学);Enrico Fermi Research Center(恩里科·费米研究中心);IMT School for Advanced Studies(高等研究学院)
该研究区分银行间网络系统性风险中的资产负债表与网络效应,通过最大熵方法构建零模型,发现动荡时期观测与预期系统性风险存在显著差异,资产负债表可估计总体风险,网络信息对个体银行压力测试至关重要。
2026-10-12 physics.soc-ph q-fin.RM
Optimal Support for Distressed Subsidiaries -- a Systemic Risk Perspective
该研究从系统性风险视角分析多层银行控股集团网络的风险传染规律,探究控股结构对金融压力的影响,并从监管角度确定了控股集团对困境子公司的最优支持水平。
2024-03-07 math.PR q-fin.RM
Default contagion risks in Russian interbank market
研究了俄罗斯银行间市场违约传染的系统性风险。分析是基于考虑蝴蝶结结构的加权有向图描述的银行间贷款的结构。基于经验数据,建立了一个银行间传染的概率模型,该模型明确考虑了反映相应节点(借款人、贷款人、借款人和贷款人同时)功能性的经验蝴蝶结结构、银行间网络的度分布和离散性。用该模型计算的传染相关系统性风险特征与显式压力测试结果一致。
2016-01-03 physics.soc-ph q-fin.RM
Systemic liquidity contagion in the European interbank market
IMF将系统性流动性风险定义为“多个金融机构同时出现流动性困难的风险”,是宏观审慎政策和金融压力分析的关键议题。模拟融资流动性风险和传染的专门模型是可用的,但它们不仅需要银行的双边风险数据,而且需要足够精细的资产负债表数据,而这些数据很难获得。或者,银行间网络的风险分析是通过底层图形的中心性度量来完成的,这些图形捕捉了最相互关联的银行,因此更容易分散风险。在本文中,我们提出了一个模型,它依赖于一个流行病模型,模拟的传染病在银行间市场上使用的资金流动性短缺机制作为传染过程。该模型是丰富的国家和银行的风险特征,考虑到银行间市场的异质性。当运行专门模型所需的全套数据不可用时,所提出的模型特别有用。由于银行间网络是不完全可用的,经济驱动的重建方法也提出了检索银行间网络的约束标准的重建方法,以真正的金融指标。我们发现,传染模型是能够重现系统性流动性风险在不同的年份和国家。这一结果表明,所提出的模型可以成功地作为一个有效的替代更复杂的。
2020-09-17 physics.soc-ph q-fin.RM
A factor-model approach for correlation scenarios and correlation stress-testing
2012年,JPMorgan在信用衍生品投资组合(即所谓的“伦敦鲸”)上累计损失约62亿美元,部分原因是本应相互对冲的非完全相关头寸的去相关性。在这种情况下,我们设计了一个因子模型的相关性,允许基于神经网络的压力测试的相关性。我们得出了一些分析结果相关的同质资产的投资组合。使用马氏距离的概念,我们展示了如何识别相关风险的不利情况。此外,我们还演示了如何将相关性和波动性压力测试结合起来。作为一个例子,我们将因子模型方法应用于“伦敦鲸”投资组合,并确定相关性变化对风险价值的影响。由于我们的研究结果与大型投资组合特别相关,即使很小的相关性变化也会产生很大的影响,因此进一步的应用是对中央对手方的投资组合进行压力测试,这些投资组合具有系统相关性。
2019-01-28 q-fin.PM q-fin.RM
Integrating granular data into a multilayer network: an interbank model of the euro area for systemic risk assessment
European Central Bank(欧洲中央银行)
本文提出一种整合多层网络的欧元区银行间模型,用于系统性风险评估,通过整合监管数据和统计数据,揭示了不同传导渠道的异质性,并展示了其在风险分析中的应用。
2026-02-11 cs.CE econ.EM q-fin.RM
Agentic AI Systems and Financial Stability, From Model Risk to Systemic Risk
Federal Reserve Bank of Cleveland(克利夫兰联邦储备银行);Board of Governors of the Federal Reserve System(联邦储备系统理事会)
本文通过六个数学模型论证,智能体AI系统因共享基础设施而产生不可分散的系统性风险,仅靠事后审查或检测无法化解,唯有事前结构性预防才能应对。
2026-10-08 q-fin.RM
Single- and Multi-Level Fourier-RQMC Methods for Multivariate Shortfall Risk
Utrecht University(乌得勒支大学)
本文提出单级和多级傅里叶-RQMC方法,用于高效估计多变量短差风险及其最优分配,通过频域分析和RQMC采样提升计算效率和精度。
2026-03-05 cs.NA math.NA q-fin.CP
An Information Filtering approach to stress testing: an application to FTSE markets
我们提出了一种新的方法来量化市场冲击的“影响”和“反应”。我们将冲击应用于市场的一部分中的一组股票,并使用整个市场的多变量收益分布的稀疏概率椭圆模型来量化市场的另一部分的平均损失的影响。稀疏性引入了一个$L_0$ -范数正则化,它迫使零的逆协方差的一些元素,根据从信息过滤网络推断的依赖结构。我们的研究涉及富时100和250指数市场,并分析了冲击的影响和反应,无论是施加到和收到的个股和股票组。我们观察到,冲击模式与网络的结构与股票收益率的逆协方差的稀疏结构。中心板块似乎更容易受到冲击的影响,而基础多样化程度高的股票在经历冲击时对市场其他部分的影响更大。通过分析危机时期的系统和相对的市场平静,我们观察到危机时期的收敛行为的冲击模式的变化。
2021-06-16 q-fin.CP q-fin.RM
On Joint Marginal Expected Shortfall and Associated Contribution Risk Measures
本文提出新型系统性风险测度联合边际期望短缺(JMES)及两种贡献测度,研究其性质与比较条件,并通过数值示例和股市风险传染实证验证其性能。
2024-05-13 math.PR q-fin.RM stat.AP
Simulating Stress Laws under Extremal Dependence: Characterizing What Generative Models Must Preserve
Indian Institute of Management Bangalore(印度管理学院班加罗尔分校)
该研究针对多元重尾风险因子驱动的系统,提出SSGEN方法以保留极端依赖下的压力法则,解决稀有压力场景生成问题并建立收敛速率。
2026-08-14 q-fin.RM
Stressing Dynamic Loss Models
本文提出动态复合泊松模型的反向压力测试框架,通过最小化 Kullback-Leibler 散度求解唯一受压测度,并推广到多元、非终端约束及路径模拟。
2023-10-01 q-fin.RM
Measuring multivariate maximal tail dependence
Hitotsubashi University(一桥大学);The University of Hong Kong(香港大学)
针对经典尾部依赖系数仅沿对角线评估的局限性,本文提出并研究了多元最大尾部协调测度(MTCM),将其从二元扩展到多元情形,量化了单位体积超矩形上的最大尾部质量,并证明了最优方向的存在性。
2026-11-10 math.ST q-fin.RM stat.TH
An Extreme Value Perspective on Learning Stress Laws
Indian Institute of Management(印度管理学院)
该研究提出自相似生成估计(SS-GEN)方法,利用渐近尾部结构,将尾部学习转化为紧凑域问题,由深度生成模型处理,能模拟多元尾部事件、估计罕见事件概率,在多种分布下有渐近精确性,优于现有方法。
2026-07-14 q-fin.RM stat.ML
Quantifying Crypto Portfolio Risk: A Simulation-Based Framework Integrating Volatility, Hedging, Contagion, and Monte Carlo Modeling
本文提出了一个模块化加密资产组合风险分析仿真框架,整合波动率压力测试、稳定币对冲、传染建模与Monte Carlo模拟,基于数学金融理论并通过2020至2024年USDT、ETH和BTC数据验证了其稳健性与实用价值。
2025-07-11 math.PR q-fin.RM