×
Chen，Cathy Yi-Hsuan;Härdle，沃尔夫冈·卡尔;亚雷玛·奥赫林

SIFI的尾部事件驱动网络。 （英语） Zbl 1452.62749号

《经济学杂志》。 208，第1期，282-298（2019）.
摘要：金融机构的相互依赖性、动态性和风险性是金融计量学中经常处理的关键特征。我们提出了一个尾部事件驱动的网络分位数回归（TENQR）模型，该模型解决了这三个方面的问题。更准确地说，我们的框架根据涉及网络效应的面板分位数自回归捕获了风险传播和动态，网络效应通过时变邻接矩阵进行量化。为了反映压力情况下的风险内容，建议构建邻接矩阵以包括尾事件。更准确地说，我们使用有条件的预期短缺作为风险预测。基于风险状况的相似性，我们创建了一个积极和消极的网络因子，分别捕捉风险传染和风险分散的影响。所开发的联合间距方差比测试支持所建议的方法。使用金融稳定委员会（FSB）确定的SIFI（系统重要性金融机构）评估TENQR技术。由此产生的网络的风险分解确定了SIFI的系统重要性，从而为所需的额外损失吸收能力水平提供了度量。研究发现，正网络效应作为尾部概率水平的函数，在压力情况下变得更加深刻，对不同地理区域的SIFI的影响也不同。

引用于7文件

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
62G08号 非参数回归和分位数回归
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
91G45型 金融网络（包括传染、系统风险、监管）

关键词：

系统性风险;网络分析;网络自回归;尾部事件

软件：

量化图
PDF格式BibTeX公司 XML格式引用
\textit{C.Y.H.Chen}等人，J.Econom。208，第1号，282--298（2019；Zbl 1452.62749）
全文： 内政部 链接

参考文献：

[1] Adrian，T。；Brunnermeier，M.K.，CoVaR，Amer。经济。版本：1061705-1741（2016）
[2] 阿诺德，不列颠哥伦比亚省。；Balakrishnan，N。；Nagaraja，H.N.，《顺序统计第一课程》（1992），John Wiley&Sons·Zbl 0850.62008号
[3] Barigozzi，M.，Brownlees，C.T.，2015年。NETS：时间序列的网络估计，手稿。；Barigozzi，M.，Brownlees，C.T.，2015年。NETS：时间序列的网络估计，手稿。
[4] 布鲁姆，M。；Krahnen，J.P.，具有内生资产市场的互联银行系统中的系统性风险，J.Financ。稳定性，13，75-94（2014）
[5] 博拉克，S。；Härdle，W。；López-Cabrera，B.，《金融市场统计》（2013），施普林格出版社·Zbl 1284.62007年
[6] Brechmann，E。；亨德里希，K。；Czado，C.，系统风险压力测试的条件copula模拟，保险数学。经济学。，53, 722-732 (2013) ·Zbl 1290.91173号
[7] Cochrane，J.H.，GNP中的随机游走有多大？，《政治经济学杂志》。，96, 5, 893-920 (1988)
[8] Das，S.R.，矩阵度量：基于网络的系统风险评分，J.Alten。投资：系统风险专刊，18，4，41-55（2016）
[9] Diebold，F.X。；Y'lmaz，K.，《关于方差分解的网络拓扑：衡量金融公司的连通性》，《计量经济学杂志》，182,1119-134（2014）·Zbl 1311.91196号
[10] 邓基，M。；Gajurel，D.，《传染病和银行危机：2007-2009年的国际证据》，J.Bank。财务，60，271-283（2015）
[11] 范，Y。；哈德勒，W.K。；Wang，W。；Zhu，L.，具有非常高维协变量的基于单指数的CoVaR，J.Bus。经济。统计（2016）
[12] Fruchterman，T。；Reingold，E.，通过强制定向放置绘制图形，Softw。实际。实验，21，1129-1164（1991）
[13] Galvao，A.F.，具有固定效应的动态面板数据的分位数回归，《计量经济学杂志》，164，142-157（2011）·Zbl 1441.62695号
[14] Han，H。；林惇，O。；Okac，T。；Whang，Y.-J.，《交叉量化图：测量分位数相关性和测试时间序列之间的方向可预测性》，《计量经济学杂志》，193，1，251-270（2016）·Zbl 1420.62380号
[15] 哈德勒，W.K。；王，W。；Yu，L.，TENET:尾事件驱动的网络工作风险，《计量经济学杂志》，192，2，499-513（2016）·Zbl 1420.62443号
[16] 北豪奇。；Schaumburg，J.公司。；Schienle，M.，《金融网络系统风险贡献》，《金融评论》，第19、2、685-738页（2014年）·Zbl 1417.91560号
[17] Koenker，R.，《纵向数据的分位数回归》，《多元分析杂志》。，91, 74-89 (2004) ·Zbl 1051.62059号
[18] 莱文，L。；拉特诺夫斯基，L。；Tong，H.，《银行规模、资本和系统风险：一些国际证据》，J.Bank。《金融》，192，2，499-513（2015）
[19] Lamarche，C.，面板数据的稳健惩罚分位数回归估计，《计量经济学杂志》，157396-408（2010）·Zbl 1431.62161号
[20] Ng，S.，使用间距测试面板数据中的横截面相关性，J.Bus。经济。统计人员。，24, 1, 12-23 (2006)
[21] Pyke，R.，间距，J.R.Stat.Soc.Ser。B统计方法。，27, 395-449 (1965) ·Zbl 0144.41704号
[22] 新墨西哥州Tran。；Burdejová，P。；Osipenko，M。；Härdle，W.K.，《非对称规范中的主成分分析》，SFB 649讨论文件2016-040（2016），HU Berlin
[23] Xu，X。；Chen，C.Y.-H。；Härdle，W.K.，《网络拓扑中的动态信用违约互换曲线》SFB 649讨论文件2016-059（2016），HU Berlin
[24] 朱，X。；潘，R。；李·G。；刘，Y。；王宏，网络向量自回归，统计年鉴。，45, 1096-1123 (2017) ·Zbl 1381.62256号
[25] 朱，X。；Wang，W。；Wang，H。；Härdle，W.，网络分位数自回归，J.Econ。（2018），（即将推出）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。