Modeling and Stabilizing Financial Systemic Risk Using Optimal Control Theory
University of California Berkeley（加州大学伯克利分校）
本文针对金融市场系统性风险传播模型的稳定性问题，提出三步稳定控制器设计方法，确保系统H∞范数小于预定义常数，为金融风险管理提供新框架与政策见解。
2025-11-14 q-fin.MF
Global Balance and Systemic Risk in Financial Correlation Networks
本文提出将金融相关网络的全局平衡指数作为一种新的系统性风险度量，通过扩散过程与线性系统条件数建立其与结构可预测性及市场排名指标的联系，并用真实金融数据验证其有效性。
2025-06-03 q-fin.MF q-fin.RM
On the systemic nature of global inflation, its association with equity markets and financial portfolio implications
本文使用新的和最近引入的数学技术，对全球通货膨胀的系统性进行数据驱动的研究。我们首先调查了过去70年的国家CPI通胀。在那里，我们突出了全球通货膨胀的系统性与明智的应用程序的特征值分析，并确定哪些国家表现出最“中心”的内积为基础的优化方法。然后，我们转向通货膨胀对金融市场证券的影响，在那里我们探讨国家股票指数的股票稳健性和股票部门在重大通胀压力期间的不同表现。最后，我们实施了一个随时间变化的投资组合优化，以确定哪些资产类别是最有益的，在增加投资组合夏普比率时，投资者必须持有一个核心（和恒定）的股票配置。
2022-01-10 q-fin.MF q-fin.ST
Computing Systemic Risk Measures with Graph Neural Networks
本文扩展系统性风险度量至图结构金融网络，提出用置换等变神经网络（GNNs和(X)PENNs）逼近最优救助分配，实验证明其优于基准方法。
2025-10-14 cs.LG q-fin.CP q-fin.MF
Multivariate Systemic Optimal Risk Transfer Equilibrium
系统最优风险转移均衡（SORTE）在数学与金融经济学（2021）的“系统最优风险转移均衡”中引入，用于分析金融机构之间或保险-再保险市场中的均衡。SORTE将经典的Bühlmann风险交换均衡概念与基于系统期望效用优化的资本配置原则结合起来。在本文中，我们将这样一个概念的情况下，当要优化的价值函数是多元的，在一般意义上，它不是简单地由一元效用函数的总和。这考虑到单个代理的偏好可能取决于游戏中其他参与者的行为。从技术上讲，SORTE扩展到新的设置需要开发一个理论的多元效用函数，并选择在同一时间的对偶理论的一个合适的框架。从概念上讲，这个更一般的框架允许我们引入和研究优化器的纳什均衡属性。我们证明了新定义的多元系统最优风险转移均衡的存在性、唯一性和纳什均衡性质。
2021-10-12 q-fin.MF
Impact of Contingent Payments on Systemic Risk in Financial Networks
本文研究了金融传染网络模型中或有支付对清算财富的影响。我们考虑了Eisenberg-Noe金融传染模型的一个扩展，在这个模型中，名义银行间债务依赖于网络中公司的财富。我们首先考虑的问题，在一个静态的框架和发展的存在性和唯一性的解决方案的条件，只要没有公司是推测其他公司的失败。为了在更一般的条件下得到解的存在唯一性，我们引入了一个动态的框架。我们演示了如何将这个动态框架可以应用到静态框架中定义不清的问题。
2018-12-12 q-fin.MF q-fin.RM
Chaos and Synchronization in Financial Leverages Dynamics: Modeling Systemic Risk with Coupled Unimodal Maps
Stanford University（斯坦福大学）；Scuola Normale Superiore（比萨高等师范学院）；King’s College London（伦敦国王学院）
本文通过耦合单峰映射模型研究金融杠杆的混沌与同步现象，探讨系统性风险的形成机制。
2026-03-30 math.DS nlin.CD q-fin.MF
Computing the Probability of a Financial Market Failure: A New Measure of Systemic Risk
本文描述了一个市场失灵的概率定义为两个或两个以上的全球系统重要性银行（G-SIBs）在一个小的时间间隔内的违约。G-SIB的违约概率与可能存在的市场压力事件相关。表征采用了多变量Cox过程中的G-SIB，这使我们能够将我们的工作与现有的文献强度为基础的模型。各种定理相关的市场失败的概率，包括市场失败的概率，由于两家银行违约在未来无穷小的间隔，灾难性的市场失败的概率，增加的影响，在经济中的G-SIB的数量，和改变经济的状态变量的初始条件的影响。我们还表明，如果有太多的G-SIB，市场失灵是不可避免的，即，市场失灵的概率趋于1。
2022-12-24 math.PR q-fin.MF
Systemic risk in a mean-field model of interbank lending with self-exciting shocks
在本文中，我们考虑一个平均场模型的相互作用扩散的货币储备，其中的储备受到一个自我和交叉激励冲击。这是由于市场上观察到的财务加速和甩卖。我们推导出一个平均场极限使用弱收敛分析，并找到一个明确的测度值过程与一个大的银行间系统。我们定义了系统性风险指标，并利用极限过程导出了几个大数定律的结果，并对这些结果进行了数值验证。我们的结论是，自激冲击增加了网络的系统性风险，并且它们在银行间网络中的存在不应被忽视。
2018-06-08 q-fin.MF
Sharp Transitions and Systemic Risk in Sparse Financial Networks
该研究分析了稀疏金融网络中系统性风险的传播机制，通过构建发送者截断子图 G_sh，揭示了亚临界和超临界 regime 下的系统性风险特征及冲击传播规律。
2026-01-07 math.PR q-fin.MF
The role of debt valuation factors in systemic risk assessment
本文针对2023年美国银行倒闭潮暴露的系统性风险问题，提出在现有系统性风险分析框架中纳入关键债务估值因素，通过建模利率与银行信誉的动态关系，有效检测标准方法遗漏的潜在级联倒闭，帮助监管机构防范风险并提升企业生存能力。
2024-11-18 q-fin.MF q-fin.RM
The Unified Framework for Modelling Credit Cycles with Marshall-Walras Price Formation Process And Systemic Risk Assessment
本文提出一个统一框架，利用相对简单的数学形式建模信贷周期并评估系统性风险，通过详细分析验证其反映不同经济状态的能力，并构建风险度量以增强经典模型的分析与决策质量。
2023-05-10 q-fin.MF
Optimization of Fire Sales and Borrowing in Systemic Risk
本文提供了一个框架，在网络中的火灾销售和价格的影响，但允许企业借款，以弥补他们的短缺，以及金融传染建模。我们考虑无抵押贷款和抵押贷款。本文的主要结果是给出了清算解的存在唯一性的充分条件（即，支付、清算和借款）;在这样的设置中，任何清算解决方案都是聚合博弈的纳什均衡。
2018-10-01 q-fin.MF q-fin.RM
Increasing Systemic Resilience to Socioeconomic Challenges: Modeling the Dynamics of Liquidity Flows and Systemic Risks Using Navier-Stokes Equations
针对传统模型难以反映市场波动及极端事件的问题，本研究基于纳维-斯托克斯方程开发并验证了纳入13个参数的创新模型，通过多种方法实证检验，有效描述流动性流动与系统性风险，为危机预测和政策规划提供稳健框架。
2025-07-05 econ.EM econ.GN math.AP
Optimal Loss Allocation and Reflected Free Boundaries in Systemic Risk
Princeton University（普林斯顿大学）
该研究针对系统性风险控制问题，提出将损失集中于最健康银行的最优分配规则，证明离散时间规则可收敛为连续时间奇异平均场控制问题，为有限系统的最优损失分配提供了基础。
2026-10-20 math.OC math.PR q-fin.MF
Equilibria and Systemic Risk in Saturated Networks
我们进行了一个基本的研究网络平衡建模为解决方案的单调线性函数饱和非线性的不动点方程。所考虑的模型扩展了最初提出的一个研究系统性风险的金融机构网络相互联系的义务，是一个最简单的连续模型占冲击传播现象和级联故障的影响。并刻画了具有策略互补性的约束二次网络博弈的纳什均衡。我们首先推导出网络平衡点的显式表达式，并证明了其唯一性的充要条件，包括和推广文献中的结果。然后，我们研究了网络平衡点的跳跃不连续性时，外源流量通过某些区域的测度0表示为连续函数的图形。最后，我们讨论了我们的研究结果在两个主要的激励应用的一些影响。在金融网络中，这种分叉现象是少数节点资产的小冲击如何引发系统的重大总损失并导致多个代理人违约的原因。在约束二次网络博弈中，它导致纳什均衡关于个体收益的灵敏度的爆破行为。
2021-01-18 math.DS q-fin.MF
An SPDE Model for Systemic Risk with Endogenous Contagion
我们提出了一个动态平均场模型的“系统性风险”在大型金融系统中，我们来自一个系统的相互作用扩散的正半线上的吸收边界的起源。这些扩散代表了金融机构的违约距离，零吸收对应于违约。作为一种建模相关的曝光和羊群行为的方式，我们认为一个共同的噪声源和一种形式的均值回归漂移。此外，我们引入了一个内生传染机制，一个机构的违约可以导致其他机构的违约距离下降。这样，我们的目标是捕捉对风险的关键“全系统”影响。由此产生的平均场极限的特点是唯一的半线上的Dirichlet边界条件的非线性SPDE。这个SPDE的密度给出了一个非标准的“有条件的”McKean-Vlasov扩散的条件定律，为此我们提供了一个新的上狄利克雷热核类型估计，这是必不可少的证据。根据共同噪声和均值回复率的实现，SPDE可以在边界处的质量损失中表现出快速加速。换句话说，传染机制可能会导致出现重大系统性违约集群的时期。
2018-09-28 math.PR q-fin.MF
On Fairness of Systemic Risk Measures
在我们的前一篇论文“通过接受集测量系统性风险的统一方法”（\textit{Mathematical Finance, 2018}）中，我们介绍了一类通用的系统性风险测量方法，允许在聚合风险之前随机分配给各个银行。在本文中，我们证明了这样的系统性风险措施的一个特殊子类的对偶表示和最优分配的存在性和唯一性。我们还引入了一个相关的效用最大化问题，它具有相同的最优解的系统性风险措施。此外，对偶公式中的优化器提供了从各个金融机构的观点来看是公平的\textit{risk allocation}。指数效用的情况下，允许显式计算的细节处理。
2019-04-24 math.PR q-fin.MF q-fin.RM
A Unified Approach to Systemic Risk Measures via Acceptance Sets
金融危机已经戏剧性地表明，对单个机构应用单变量货币风险度量的传统方法不能充分捕捉由系统实体的相互关联性和相应的传染效应产生的危险的系统性风险。这使人们意识到迫切需要采取新的方法来捕捉系统性风险。本文的目的是指定一个通用的方法框架，是足够灵活的，以涵盖广泛的可能性，设计系统性风险措施，通过多维接受集和聚合功能，并研究相应的例子。现有的系统性风险衡量标准通常可以被解释为在汇总单个风险后，确保系统安全所需的最低资本。相比之下，我们的方法还包括系统性风险措施，可以解释为最低资本基金，通过在汇总单个风险之前向单个机构分配资本来确保汇总系统。这使得机构可以根据最佳配置衡量的系统风险进行排名。此外，我们还允许根据系统的未来状态分配资金的可能性（随机分配）。我们提供的条件，确保单调性，凸性，或准凸性我们的系统性风险措施的属性。
2015-04-24 q-fin.MF q-fin.RM
Statistical Validation of Contagion Centrality in Financial Networks
本文提出一种用于金融网络冲击传播的冲击中心性度量及其统计验证方法，在模拟与实证数据上验证了其有效性，并发现该度量在金融困境时期显著上升，可揭示不同公司和部门的市场隐含风险水平。
2025-02-05 q-fin.MF q-fin.RM stat.AP
Computation of systemic risk measures: a mixed-integer programming approach
本文针对具有复杂清算机制的金融系统，提出基于混合整数规划的方法计算Rogers-Veraart网络模型扩展中的清算向量，并探讨了相应非凸向量优化问题的标量化理论及计算实例验证。
2023-08-01 math.OC q-fin.MF q-fin.RM
Deep Learning for Systemic Risk Measures
University of California, Santa Barbara（加州大学圣巴巴拉分校）
本文的目的是通过应用深度学习方法作为计算资本配置最优策略的工具，研究系统性风险度量的新方法框架。在这一新框架下，系统性风险度量可以被解释为在汇总单个风险之前，通过向单个机构分配资本来确保汇总系统安全的最低现金量。这个问题没有明确的解决方案，除了在非常有限的情况下。深度学习在金融建模和风险管理中越来越受到关注，我们提出了基于深度学习的算法来解决风险度量的原始和对偶问题，从而学习公平的风险分配。特别是，我们的对偶问题的方法涉及到著名的生成对抗网络（GAN）的方法和一个新设计的直接估计Radon-Nikodym导数的启发训练哲学。我们关闭大量的数值研究的主题，并提供相关的系统性风险措施的风险分配的解释文件。在指数偏好的特定情况下，数值实验表明，所提出的算法的优异性能，与最优显式解作为基准相比。
2022-07-02 cs.LG q-fin.MF q-fin.RM
