场外交易信用违约互换市场的竞争分析

我们利用根据 EMIR 监管规定收集的数据，研究与场外交易（OTC）CDS 市场相关的两个竞争问题。首先，我们研究中央对手方之间通过抵押品要求展开的竞争。我们提出的模型能够成功估计初始保证金要求。然而，我们的估计精度不足以将其作为 OTC 市场中对手方选择 CCP 的预测模型输入。其次，我们使用一种新颖的半监督预测任务对交易商间市场的对手选择进行建模。我们将自己的方法作为模型可解释性文献的一部分加以介绍，然后主张使用条件熵作为通过模型无关方法从数据中提取知识的关注度量。特别地，我们论证了使用深度神经网络在真实世界数据集上度量条件熵的合理性。我们利用算法信息论框架创建了 $\textit{Razor 熵}$，并推导出一个与我们半监督训练目标完全一致的显式公式。最后，我们借鉴博弈论概念定义了 $\textit{top-k Shapley 值}$。这种新颖的收益分配方法满足 Shapley 值的大部分性质，并且在值函数为单调子模时尤为有趣。与经典 Shapley 值不同，top-k Shapley 值可以在特征数量的二次时间内计算，而非指数时间。我们实现了自己的方法，并报告了在对手选择这一特定任务上的结果。最后，我们提出了对 $\textit{node2vec}$ 算法的改进，例如可用于进一步研究中介行为。我们表明，在生成偏置游走时使用的邻居采样可以在对数时间内完成，并辅以拟线性时间的预计算，这与当前无法良好扩展的实现不同。