融合网络理论与信用风险技术评估金融网络系统性风险的动态方法

金融机构间的相互关联性会影响其不稳定性和信用危机。为了量化系统性风险，我们在此引入 PD 模型，这是一个将信用风险技术与银行间风险暴露网络上的传染机制相结合的动态模型。通过考虑银行的违约概率（PD）及其在同一时间段内违约的倾向，多期 Monte Carlo 模拟得到了潜在损失分布。传染过程提高了向困境交易对手暴露的银行的 PD。系统性风险由损失分布的统计量来衡量，而每个节点的贡献则由新的度量 PDRank 和 PDImpact 量化。我们阐释了该模型在欧洲全球系统重要性银行网络上的运作方式。对于银行资本及其资产波动率的特定范围，我们的结果揭示了一种强传染机制的出现，即银行间较低的违约相关性对应着较高的损失。这与银行和监管机构使用的标准信用风险模型所假设的分散化收益相反，因此它们可能会低估度过危机时期所需的资本，从而加剧金融系统的不稳定性。