评估风险网络在风险识别、分类与涌现中的作用

现代社会严重依赖强连接的社会技术系统。因此，威胁单个系统运行的各类风险不再能孤立对待。 Consequently，风险专家正积极寻求放宽削弱典型风险管理模型的风险独立性假设的方法。杰出工作已倡导使用风险网络作为前进方向。然而，在这些基于调查的风险网络生成过程中引入的不可避免偏差限制了我们考察其拓扑的能力，进而挑战了风险网络这一概念本身的效用。为缓解这些担忧，我们提出了一种生成加权风险网络的替代方法。随后我们将该方法应用于金融数据的经验数据集。本文报告了我们对所得风险网络拓扑的研究发现。我们观察到模块化拓扑，并论证了其作为鲁棒风险分类框架的用途。利用这些模块，我们突出了风险识别过程中专业化的倾向，一些公司仅专注于可用风险类别的一个子集。最后，我们考虑了某些风险的独立与系统性影响，并将其可能的错配归因于它们的涌现性质。