[论文解读] Enhanced capital-asset pricing model for bipartite financial networks reconstruction

Tiziano Squartini, Assaf Almog+4 more|arXiv (Cornell University)|Jun 24, 2016

Complex Systems and Time Series Analysis被引用 2

一句话总结

本文提出一种约束熵最大化方法，用于重建证券持有关系的双边金融网络，通过改进传统的资本资产定价模型（CAPM），生成更准确、更稀疏的网络拓扑结构。在2009–2015年欧洲央行数据上的测试表明，该方法在重建网络结构和估计系统性风险方面优于标准CAPM和MECAPM。

ABSTRACT

Reconstructing patterns of interconnections from partial information is one of the most important issues in the statistical physics of complex networks. A paramount example is provided by financial networks. In fact, the spreading and amplification of financial distress in capital markets is strongly affected by the interconnections among financial institutions. Yet, while the aggregate balance sheets of these institutions are publicly disclosed, information on single positions is mostly confidential and, as such, unavailable. Standard approaches to reconstruct the network of financial interconnection produce unrealistically dense topologies, leading to a biased estimation of systemic risk. Moreover, reconstruction techniques are generally designed for monopartite networks of bilateral exposures between financial institutions, thus failing in reproducing bipartite networks of security holdings (e.g., investment portfolios). Here we propose a reconstruction method based on constrained entropy maximization, tailored for bipartite financial networks. Such a procedure enhances the traditional capital-asset pricing model (CAPM) and allows to reproduce the correct topology of the network. We test the method on a dataset, collected by the European Central Bank, of detailed security holdings of European institutional sectors over a period of six years (2009-2015). Our approach outperforms the traditional CAPM and the recently proposed MECAPM both in reproducing the network topology and in estimating systemic risk.

研究动机与目标

• 解决从不完整且保密的个体风险敞口数据中重建金融关联网络的挑战。
• 克服单边网络模型在表示证券持有组合等双边结构时的局限性。
• 减少由传统方法导致的网络重建过度密集化所引发的拓扑偏差，从而影响系统性风险估计的准确性。
• 通过将资本资产定价模型（CAPM）的约束整合到熵最大化框架中，提升金融网络重建的准确性。
• 开发一种专用于双边网络的方法，更真实地反映现实中的机构投资组合结构与系统性风险传播路径。

提出的方法

• 应用约束熵最大化方法，基于对证券持有情况的部分信息，重建双边金融网络。
• 将CAPM框架作为先验约束，引导重建过程趋向于经济上合理的风险敞口分布。
• 将网络建模为双边图，其中机构与证券构成两个独立的节点集合，通过持有关系连接。
• 通过在汇总资产负债表数据和基于CAPM的风险预期导出的约束下最大化熵，优化网络重建。
• 确保重建的网络保持已观测到的持有量边际分布，同时最小化对个体关联关系的假设。
• 使用欧洲央行2009–2015年期间机构部门证券持有情况的详细数据集作为实证输入，用于验证。

实验结果

研究问题

• RQ1 当仅能获得汇总资产负债表数据时，改进的CAPM框架是否能提升双边金融网络的重建效果？
• RQ2 所提出的熵最大化方法在还原金融网络真实拓扑结构方面，与标准CAPM和MECAPM相比表现如何？
• RQ3 该增强模型在不完整金融网络中，能在多大程度上减少拓扑偏差并提升系统性风险估计的准确性？
• RQ4 将CAPM约束纳入模型是否能生成比传统重建技术更真实、更稀疏的网络结构？
• RQ5 该方法能否在数据有限的情况下，准确重建如投资组合集中度和机构间风险敞口模式等网络特征？

主要发现

• 所提出的方法在捕捉真实金融持有网络的稀疏性与结构方面，显著优于标准CAPM和MECAPM，尤其在重建网络拓扑结构方面表现更优。
• 增强模型通过避免传统方法中常见的不切实际的密集关联，有效降低了重建偏差。
• 基于重建网络得出的系统性风险估计更具可靠性，因为该方法更准确地反映了实际风险敞口模式与风险传播路径。
• 该方法在保持证券持有量边际分布的同时，生成了与基于CAPM的风险预期一致的网络结构。
• 基于欧洲央行数据（2009–2015年）的实证验证表明，该方法在重建网络拓扑结构与估计系统性风险方面，均优于标准CAPM和MECAPM。
• 将CAPM整合到熵最大化框架中，使得金融关联关系的表示更加经济合理且更贴近现实。