全球股票市场的系统性风险与违约级联：基于 Gai-Kapadia 框架的网络与尾部风险方法

本研究将最初为银行间传染开发的 Gai-Kapadia 框架扩展至全球股票市场，以评估系统性风险与违约级联。我们分析了由巴西和发达市场股票组成的 30 资产网络，时间跨度为 2015-2026 年，通过价格联动构建基于风险敞口的金融网络。应用阈值过滤（theta = 0.3 和 theta = 0.5）以隔离显著的相互连接。通过确定性传播和随机 Monte Carlo 模拟（n = 1000）的组合，在不同冲击强度下分析级联动力学。结果表明，该系统表现出强大的全局韧性，发生大规模故障的概率微乎其微，同时在高度聚类的子网络内保持局部脆弱性。具体而言，单次冲击导致平均 1.0 个资产违约，同时冲击导致 2.0 个资产违约，表明在临界阈值以下的传播有限。网络分析揭示了明显的结构不对称性：巴西资产表现出高聚类（Ci approx 0.8-1.0）和密集连接，这放大了局部冲击传播；而发达市场资产表现出较低的连接性（Ci approx 0.2-0.5），限制了系统性蔓延。基于经验 CCDF 和 Hill 估计量的尾部风险分析证实了重尾损失分布的存在，尤其是在新兴市场，强化了其对极端事件的暴露。这些发现表明，系统性风险源于网络拓扑与尾部行为之间的相互作用，而非孤立的资产特征。所提出的框架为压力测试和系统性风险评估提供了一种可扩展且具有经验依据的方法，为日益互联的金融市场中的监管机构和投资组合经理提供了相关见解。