MCMC应用: 金融网络系统风险评估的贝叶斯方法
构造遵循贝叶斯方法的个体负债模型。以观察到的总负债和总资产以及潜在的某些观察到的个体负债为条件,构造Gibbs采样器从该条件分布中生成样本。
这些样本可用于压力测试,给出感兴趣结果的概率。作为一个应用,我们导出了单个银行的违约概率,并讨论了它们对用于网络建模的先验信息的敏感性,并提供了一个实现该方法的R包。
1. 导言
系统性风险是指某些外部或经济冲击导致金融系统参与者违约的风险,这会对其他参与者造成严重的冲击效应,例如他们的破产情况。
注:这些金融系统的参与者包括各种类型的机构,例如银行、对冲基金、养恤基金或保险公司。由于银行是系统性风险评估的关键参与者,为了简单起见,我们将金融系统的所有参与者称为银行。
网络模型
系统性风险通常使用网络模型进行评估。其中节点代表银行,加权有向边代表负债。
压力测试将冲击应用于网络并分析其后果。在最初的冲击中幸存下来的银行可能会因为其他银行不再履行其义务造成的传染而违约,这种资产负债表溢出效应是系统性风险的主要渠道之一。本文的重点是资产负债表传染,但我们的方法也可以用于包括额外的系统性风险渠道的压力测试,如折价销售。
银行间负债的完整网络通常无法获得