[論文レビュー] On the Past, Present, and Future of the Diebold-Yilmaz Approach to Dynamic Network Connectedness

Francis X. Diebold, Kamil Yılmaz|arXiv (Cornell University)|Nov 8, 2022

Complex Network Analysis Techniques被引用数 11

ひとこと要約

この論文は、ベクトル自己回帰（VAR）からの時刻変動型分散分解を用いて、金融資産間の動的かつ方向的な伝播を測定する、ディーボルト＝イリマズの連結性フレームワークの発展をレビューする。主な貢献は、システミックリスクおよびトランジットを統合的かつネットワークベースの手法で可視化・定量化するものであり、現在、金融および中央銀行分野でシステミックリスク評価に広く採用されている。

ABSTRACT

We offer retrospective and prospective assessments of the Diebold-Yilmaz connectedness research program, combined with personal recollections of its development. Its centerpiece in many respects is Diebold and Yilmaz (2014), around which our discussion is organized.

研究の動機と目的

• ディーボルト＝イリマズの連結性研究プログラムの発展と影響を、後向きに評価し、その知的根拠と方法論的進化をたどること。
• 長年にわたり継続する課題である、一貫性があり、経験的根拠に基づき、構造的仮定を用いない金融トランジットおよび伝播の測定を解決すること。
• フレームワークの将来についての展望を提示し、多層ネットワークへの拡張および逆方向ネットワークからVARへのモデリングを含む。
• 曖昧な用語である「トランジット」から、定義的論争を避けるための中立的かつ測定可能な用語「連結性」への概念的転換を明確にすること。
• 分散分解に基づくネットワーク分析を、高次元金融システムにおけるシステミックリスク監視のための強固でスケーラブルなツールとして広く採用することを促進すること。

提案手法

• フレームワークは、時刻変動型VARモデルからの一般化分散分解を用い、ある変数のショックが他変数のhステップ先予測誤差分散に与える寄与度を定量化する。
• 方向性のある連結性測度を導入：「jからiへ」は、iの予測誤差分散に寄与するjのショックに起因する割合として定義される。
• 順序依存性を回避するため、一般化同定（Pesaran and Shin, 1998）を採用し、一貫した方向的伝播推定を可能にする。
• 重み付きで方向的かつ時刻変動型のネットワーク図で連結性を可視化し、隣接行列が各予測ホライズンにおける対象間連結性を表す。
• 総合的連結性インデックスは、すべての方向的流れを集約し、全体的なシステム的相互接続性を測定する。
• このアプローチは、多層ネットワーク（Barigozzi et al., 2022）および逆方向モデリング（Mlikota, 2023）に拡張され、ネットワーク構造がVARモデルの正則化に寄与する。

Figure 1: Figure 1: Illustrative Network “Spring Graph”

実験結果

リサーチクエスチョン

• RQ1 構造的仮定に依存せずに、変数間で一貫して金融市場の伝播およびシステミックリスクを測定する方法は何か？
• RQ2 1997年のアジア金融危機のような主要な金融危機時における連結性の経験的行動はいかなるものか？
• RQ3 一般化分散分解を用いることで、伝統的なチョレスキーに基づく同定法に比べて、動的連結性の測定がどのように改善されるか？
• RQ4 ネットワーク理論を、VARに基づく計量経済学とどのように体系的に統合し、金融システムの相互接続性を研究できるか？
• RQ5 特に多層ネットワークおよび逆方向モデリングフレームワークにおいて、連結性分析の今後のフロンティアは何か？

主な発見

• ディーボルト＝イリマズフレームワークは、Diebold and Yilmaz (2014) で形式化され、分散分解を用いた動的かつ方向的連結性を測定する、強固で構造的仮定を要しない手法を確立した。
• 総合的連結性インデックスは、1997年のアジア金融危機や2008年のグローバル危機のような主要な金融危機期に、システム全体の伝播が著しく増加していることを示した。
• 一般化同定の導入により、チョレスキー分解に内在する変数の順序依存性が解消され、より信頼性の高い方向的伝播推定が可能になった。
• このフレームワークは、グローバルバンキングシステムを含む高次元設定へも成功裏に拡張され、中央銀行および金融規制当局におけるシステミックリスク分析の基盤となった。
• この手法は、IMFのグローバル金融安定レポートおよびECBの金融安定レビューを含む、政策レポートでも広く採用されている。
• 最近の拡張には、多層ネットワークモデリング（Barigozzi et al., 2022）および逆方向モデリング（Mlikota, 2023）が含まれる。ここでは、ネットワーク構造がVARモデル推定に寄与し、手法の理論的・経験的適用範囲が拡大された。