[论文解读] Network Structure and Counterparty Credit Risk

Alexander von Felbert|arXiv (Cornell University)|Apr 26, 2015

Complex Network Analysis Techniques参考文献 7被引用 3

一句话总结

本文提出了一种新颖的网络模型，通过特征函数和希尔伯特变换，从理论上将金融市场结构与交易对手信用风险联系起来。该模型推导出预期暴露的闭式表达式，并证明欧拉图（Eulerian digraphs）可最小化系统性风险，从而证实网络拓扑结构在决定整体交易对手风险及中央清算有效性方面具有决定性作用。

ABSTRACT

In this paper we offer a novel type of network model which can capture the precise structure of a financial market based, for example, on empirical findings. With the attached stochastic framework it is further possible to study how an arbitrary network structure and its expected counterparty credit risk are analytically related to each other. This allows us, for the first time, to model the precise structure of an arbitrary financial market and to derive the corresponding expected exposure in a closed-form expression. It further enables us to draw implications for the study of systemic risk. We apply the powerful theory of characteristic functions and Hilbert transforms. The latter concept is used to express the characteristic function (c.f.) of the random variable (r.v.) $\max(Y, 0)$ in terms of the c.f. of the r.v. $Y$. The present paper applies this concept for the first time in mathematical finance. We then characterise Eulerian digraphs as distinguished exposure structures and show that considering the precise network structures is crucial for the study of systemic risk. The introduced network model is then applied to study the features of an over-the-counter and a centrally cleared market. We also give a more general answer to the question of whether it is more advantageous for the overall counterparty credit risk to clear via a central counterparty or classically bilateral between the two involved counterparties. We then show that the exact market structure is a crucial factor in answering the raised question.

研究动机与目标

• 开发一种灵活且可解析处理的网络模型，以精确捕捉真实金融市场的结构特征，突破对完全图或星型图等简化假设的依赖。
• 在随机框架下，建立任意网络拓扑结构与预期交易对手信用暴露之间的正式解析关系。
• 研究网络结构（尤其是欧拉图）如何影响系统性风险，以及双边市场与中央清算市场之间的相对优势。
• 应用希尔伯特变换方法计算净额头寸的预期暴露，从而为复杂净额结构提供闭式解。
• 为评估市场结构对系统性风险的影响提供严谨基础，支持监管与风险管理决策。

提出的方法

• 将金融市场建模为有向图（digraph），其中节点代表交易对手，边代表具有随机暴露值的双边头寸。
• 对头寸规模和方向使用对称、独立同分布（i.i.d.）的分布，从而可独立指定网络结构与暴露分布。
• 应用特征函数理论分析代表各交易对手净额头寸之和的独立随机变量。
• 采用希尔伯特变换，将 max(Y, 0) 的特征函数表示为 Y 的特征函数的函数，从而实现对预期正向暴露的解析计算。
• 通过零频处净额头寸特征函数的希尔伯特变换，推导出预期暴露的闭式表达式。
• 证明当每个节点的入度等于出度时（即欧拉图），预期暴露最小化，原因在于特征函数及其希尔伯特变换的对称性。

实验结果

研究问题

• RQ1 如何从理论上精确建模金融网络的结构，以反映实际市场数据？
• RQ2 网络拓扑结构与预期交易对手信用暴露之间存在何种解析关系？
• RQ3 在何种结构条件下预期暴露最小化？这一结果为何与系统性风险相关？
• RQ4 在双边市场与中央清算市场之间进行选择时，如何影响整体交易对手信用风险？这种影响是否依赖于网络结构？
• RQ5 希尔伯特变换方法能否在数学金融中有效应用于计算净额投资组合的预期暴露？

主要发现

• 本文推导出预期暴露的闭式表达式，其形式为净额头寸特征函数的希尔伯特变换，从而实现精确的解析计算。
• 欧拉图（即每个节点的入度等于出度的图）被识别为具有最小预期交易对手信用风险的特殊暴露结构。
• 当且仅当网络为欧拉图时，预期暴露为零，原因在于特征函数的对称性以及希尔伯特变换在零点的消失。
• 该模型表明，网络拓扑结构显著影响系统性风险，从而否定了完全图或星型图等简化结构下风险均质化的假设。
• 研究结果表明，中央清算相对于双边交易的优势并非普遍成立，而是关键取决于底层网络结构。
• 该框架具有普适性，通过调整分布参数，可扩展至其他净额规则、复杂分布（如极值分布）以及冲击传播分析。