文摘
相关的信用风险是一种信用风险相关的信贷实体之间形成的信贷相关的实体。关注的热门话题相关的信用风险和相关的传染和考虑到潜在的实体及其孵蛋的时期,本文构建一个传染病动力学模型来描述相关的信用风险传染的相关信贷实体基于复杂网络的平均场理论。首先,分析相关的信用风险传染的稳定状态相关联的实体网络,考虑到潜在的实体及其孵蛋的时期。其次,从复杂网络的角度,考虑到孵蛋的时期,这一切模型构建揭示孵蛋的时期如何影响相关信用风险传染。最后,分析了一些参数的敏感性在Barabasi-Albert (BA)无标度网络。结果显示如下:(i)相关的信用风险的传染阈值是孵蛋的一段潜在的相关实体,实体的回收率和传染性感染,新生儿的信贷实体;(2)传染病的感染实体,信贷实体的死亡率,重要的因素在(我)都与感染的密度显著相关的实体。
1。介绍
目前,信用风险的概念还没有形成一个统一的定义(1]。传统的观点认为,信用风险是指交易对手的风险或借款人不能或不愿履行合同;即可能造成的违约债务人未能按时偿还债务合同将给债权人带来损失1]。如今,世界经济发展已经进入了一个新的舞台,和信贷关系企业、银行、保险公司和其他信贷实体越来越紧密和更广泛,因此形成相关信贷实体。如果一些信贷实体增加了违约的违约或其他信贷违约概率的实体相关联,这种信用风险然后被称为信贷相关实体之间的关联信用风险(2]。可以看出,相关的信用风险是一种特殊的信贷风险。
美国次贷危机迅速蔓延到世界各地的许多国家,最终导致破产或重组的几个知名的投资银行、商业银行和保险公司,导致2008年整个金融市场的动荡。这种现象出现,一些次级借款人未能偿还贷款按时早在2006年春天,这次贷危机席卷了世界上主要的金融市场,如美国和欧盟在2007年8月。孵蛋的一段相关的信用风险是明显的。受到以上次贷危机的影响,希腊的主权信用下调,导致欧洲债务危机爆发和迅速蔓延整个欧元区在2009年底。它持续很长一段时间从次贷危机到欧洲债务危机,和这两大金融危机导致全球经济的重大波动和损失,都称之为系统性风险根据文献[3]。系统性风险的核心问题是会传染的(4]。使得非信贷风险是一种风险,信用风险的核心问题是信贷实体的违约,信用风险也会传染的(4]。如果一个实体不足够关注孵蛋的一段相关的信用风险和不防范信用风险在孵蛋的时期,很可能造成系统性金融风险将信用风险传染,就像上面提到的次贷危机和欧洲债务危机,地区经济甚至全球经济将严重受损。因此,当识别相关的信用风险和探索相关的信用风险传染的进化规律,孵蛋的时期应考虑相关的实体。
进化机制的相关信用风险传染,上述研究可能更合理,如果考虑到潜在的实体和潜伏的时期。事实上,在早期的蔓延和发展相关的信用风险,一些信贷实体高信贷水平包括强大的作战能力,高盈利和流动性,合理的治理结构。这些信贷实体有一个特定的抵抗相关的信用风险,这可能被感染,但信用风险的症状并没有显示,或者他们不愿意透露,甚至故意隐藏自己的信用风险。这段隐藏信用风险被称为孵蛋的时期。然而,随着的增加相关的信用风险传染的能力相关的实体和内部和外部环境的变化,信贷实体,潜伏的风险的潜在的实体可能会结束,而且他们可能感染实体信用风险高。后,有效的控制和管理,如救援或免疫、感染实体减少自己的信用风险,这可能再次成为敏感的实体。信用风险的发展相关联的实体网络。
总而言之,本文基于这一切经典的SIS流行病模型,推导出模型来研究相关信用风险传染的影响在一个相关的实体网络揭示孵蛋的周期和相关参数对信用风险传染。本文的亮点是这一切的利用传染病动力学模型并引入潜在的实体和潜伏的时期的进化相关的信用风险的传染机制相关联的实体网络。
本文的其余部分组织如下:部分2是流行病学的分析模型应用于相关的信用风险传染;第三节是一个文学概述;第四节是一个基本的描述流行病学模型;第五节包括假设,推导出流行病学模型建设和理论分析;和第六节介绍我们的派生流行病学模型的仿真分析。通过使用仿真软件,分析了不同因素对信用风险传染有关,包括潜伏的时期。第七节本文的结论和未来的工作前景。
2。可行性分析流行病学模型应用于相关信用风险传染
可能等人发现,金融风险传染疫情传播类似,所以流行病学模型是用来描述金融风险的蔓延5]。罗等人、徐等人还指出,风险蔓延在保证网络类似于病毒的传播并简要描述它们之间的相似性特征(6,7]。基于前面的研究成果,结合相关的信用风险的传染性演化特征,我们发现相关的信用风险的传染性进化相关的实体网络有许多相似之处与社交网络的流行病毒的传播。例如,有被传染来源、传染性、免疫力和可逆性的循环。
流行病毒的进化过程类似于信用风险相关,显示两种特征:一是传染性的相似结构,另一种是传染性模式的相似性。感染传染性结构包括扩散渠道和目标,和传染模式包括传染性辐射和传染性的过程。细节列出如下。
传染性的结构是相似的。艾滋病病毒传播的网络个体组成的社会群体,传播渠道是社会群体的路径网络个体之间的相互关系,以及艾滋病病毒的传播目标是社会群体的个体节点网络。然而,相关的信用风险的传染蔓延在相关联的实体网络,传播渠道是直接或间接相关的实体之间的关系,以及相关的信用风险的传播目标是网络节点相关的实体。此外,由于不同的社会群体中个体的自身免疫网络,抵抗病毒入侵的能力是不同的。然而,由于不同的治理水平(包括操作、融资、盈利能力和偿付能力)相关的实体相关联的实体网络,抵制有关信用风险的能力也不同。因此,感染结构而言,相关的信用风险和流行病毒是相似的。
传染病模式是相似的。流行病毒的传播在社会群体网络辐射的形状,同时与信贷风险相关的实体具有辐射的负面影响在其他相关实体相关联的实体网络。此外,病毒通常是通过接触传播的流行病的蔓延过程,在相关的信用风险的传染过程,一个节点的实体与信用风险也更倾向于负面影响相关联的实体,与受感染的节点实体有直接关系。因此,传染性模式而言,相关的信用风险和流行病毒是相似的。
3所示。文学概述
本文三股合成密切相关,现有的文献。首先,我们的论文与金融网络和蔓延。第二,我们分析是密切相关的流行病学模型和信用风险传染。第三条相关文献调查相关的信用风险传染和相关的延迟效应。
首先,本文对金融网络与现有工作和蔓延。艾略特等人研究了金融风潮和级联故障影响一体化和多样化的金融网络相互依赖关系(8]。Fisher基于susceptible-infected-recovered(先生)模型,建立了金融网络扩散模型,发现冲击金融市场表现出复杂的进化动力学往往越来越脆弱国家或消除大量的竞争对手,不利于一个更加分散的市场秩序9]。与费舍尔,恩波利代表了金融体系作为一个流网络模型的过程直接资产负债表危机蔓延的流动损失交叉这样一个网络,大多数分析关注的影响金融网络的连通性和集中对违约风险蔓延,然后发现完整的和明星网络显示强劲而又脆弱的应对冲击(10]。Gencay等人讨论了网络的不确定性产生的内源性中心-外围结构优化在缓解金融传染集中大银行系统性风险的核心(11]。Dastkhan Gharneh介绍仿真模型来分析金融市场的危机蔓延基于交叉持股的公司网络和概率和蔓延的程度12]。Bucci等人开发了一个流行病学方法分析金融危机和经济活动之间的相互影响,表明金融传染在某些特定区域远离这些地区也可能迅速传播蔓延的最初出现,突出区域政策协调以避免区际蔓延的作用[13]。胡和李把流行病学模型转换为无尺度网络金融的影响,并讨论感染率在金融风险传染14]。
为了防止金融和经济危机,Dastkhan应用前瞻性条件风险价值(柯伐合金)作为一种基于市场的系统性风险措施分析系统性风险在新兴市场和预测金融危机(15]。然而,萨林评估生物启发的表现为系统性金融危机早期预警系统基于logit模型,一个标准的bp神经网络,neurogenetic模型(16]。Giudici等人应用关联网络模型,利用多元网络结构,作为一种可行的手段来评估共同暴露和补充直接联系,并发现常见的风险确实是传染的渠道和测量时应占系统性风险(17]。Apergis等人发现传染病发生在最近的全球金融危机在欧洲和美国的金融市场通过高阶通道的时刻18]。
其次,本文的工作密切相关的流行病学模型和信用风险传染。Chakrabarty和张检查使用变量传染效应的负面影响,如交易数量、交易的规模,和交易的数量19]。Jorion等人发现,关联交易导致企业之间信用风险传染,和交易对手违约的潜在原因是信用风险传染(20.]。通过数值模拟,传染机制造成的商业企业在银行贷款组合之间的关系进行了研究[21]。根据流行病学模型、网络模型建立考虑投资者的行为和信息披露策略,和交易对手信用风险传染的机制分析(22]。交易对手信用风险传染网络演化模型众位开发研究交易对手信用风险传染的CRT市场及其影响因素23]。陈等人研究的原因、机制和控制策略CDS交易对手信用风险传染的,发现信息不对称和创新扩散可能导致CDS交易对手信用风险传染中(24]。之后,陈等人介绍了一个不断发展的网络模型的信用风险传染信用风险转移(CRT)市场和溢出效应的影响和活动机制描述受感染的投资者,投资者和监管机构的行为,投资者的情绪困扰,市场噪音,CRT网络结构在信用风险传染25]。然而,李等人研究了信用风险的附属担保关系,发现信用风险的传染强度呈正相关,股权的比例(26]。杨和胡锦涛的风险传染模型研究中国的银行间市场,银行间网络结构特征通过使用core-edge网络,并发现中国银行抵御风险的能力近年来有所改善(27]。吴等人发现,银行信用评级的变化会导致风险蔓延在银行网络,由银行间拆借关系(28]。基于SIR模型,王等人建立了一个网络模型考虑投资者行为和信息披露策略和交易对手信用风险传染的机制分析(29日]。江等人提出的两个信用风险传染模型分别考虑信息不对称协会和情绪蔓延,并进一步分析了网络结构的影响,信息协会、个体风险态度,金融市场监管强度和个体风险抵抗能力对个人风险蔓延23,30.]。可以看出,上述交易对手风险,相关性,信息不对称、真实性、情绪和网络结构引发的信用风险传染。此外,Giusy等人调查了暴露在气候变化和公司信用风险之间的关系,表明气候风险敞口影响贷款的信誉和企业发行的债券31日]。
很多文学出现了主权信用违约传染。De Bruyckere等人研究了欧洲的银行和主权债务违约风险之间蔓延在2007 - 2012年期间,和三个传染渠道工作经验证明:保证通道,资产控股频道,抵押品通道(32]。Breckenfelder和Schwaab研究从银行到欧元区主权风险的溢出效应和惊讶地发现,银行的风险强调国家并不是吸收他们的主权国家但蔓延到相应的欧元区国家(33]。Greenwoodnimmo等人开发了一个网络模型来实证研究信用风险的溢出效应在一群十八个主权国家和他们的财务部门从2006年到2015年(34]。斯利瓦斯塔瓦等人一个误差修正模型应用于文档的格兰杰因果关系的证据意味着标普选择市场98%的56个主权国家的主权CDS市场(35]。Bostanci和Yilmaz研究了网络结构的波动主权信用违约互换(cds)利差贸易和资本流动,发现都是成对连接各国的重要决定因素(36]。
最后,这项工作是密切相关文献相关的信用风险传染和相关的延迟效应。许等人结合流行病模型和复杂网络理论,探讨了影响信用风险相关的风险信息和个人的反应(37]。基于改进的流行病学模型,钱学森等人研究了稳定状态特征相关的信用风险传染的免疫情况(38]。传染病的理论基础上,李等人建立了一个随机动态模型的信用风险传染的企业集团和分析模型的稳定状态和违约高峰的到来时间39]。钱等人建造了一个双层网络,发现企业家的意愿和传播信息的真实性将影响相关信用风险传染(40]。上述文献研究为本文奠定了理论基础,用流行病学模型和复杂网络理论研究相关的信用风险传染。
在复杂网络的延迟影响,许多相关研究病毒和传染性疾病往往呈现。这些文献考虑延迟或潜伏的时期,研究病毒的传播动力学特性包括阈值、全球稳定和免疫策略41- - - - - -45],它启发我们研究信用风险传染和潜伏的时期。Viviana和露西亚提出特定的时滞susceptible-infected-recovered模型调查和描述市场的信用风险传染和研究了稳定状态根据不同的延时值和不同银行的支持政策(46]。李等人研究了延迟效应相关的信用风险传染的无标度和小世界网络的影响,进一步探索免疫和免疫失败无效相关的信用风险传染的下不完整的免疫(2,47,48]。基于以上文献,我们认为潜伏期研究相关的信用风险传染的关联实体网络。
4所示。基本的流行病学模型
许多社会、生物和通信系统可以正确地描述复杂网络的节点代表个人或组织和连接模拟它们之间的相互作用(49,50]。以下主要方法是借鉴生物流行病学。标准模型研究中使用的计算机病毒感染是susceptible-infected-susceptible (SIS)流行病学模型(51]。在SIS模型,网络的每个节点代表一个单独的和每一个链接都是连接在感染的传播,和个人只存在两个离散状态:“健康”或“感染。”在每个时间步,每个敏感率(健康)节点被感染如果它是连接到一个或多个被感染节点。感染易感节点是治愈,再次成为率 ,定义一个有效的传播率 。不失一般性,我们可以设置 。这个SIS模型没有考虑免疫、和个人运行随机周期敏感受感染的容易受到影响。因此,基于SIS流行病模型和文献[51),动态均值场方程(1)建立了 在密度受感染的节点和连接 ,即。,the probability that a node with链接,是感染51]。第一个方程(公式1)认为感染节点成为健康的概率 。第二个公式方程(1)代表新生成的感染节点的密度是感染率和一个节点的概率链接是健康的并通过一个连接节点(获得感染38]。与任何给定的链接指向一个感染的节点,可以写成
通过求解方程(1)和(2)处于静止状态 ,下面的自洽性(3)获得38] 在哪里是一个函数的 。自洽性方程(3)允许的条件 只有在 和 ,所以流行阈值被定义为 在哪里是第二学位分布的时刻。如果高于阈值,即 ,感染扩散,成为可能。否则, ,和感染死亡指数(51]。
5。流行病学模型
5.1。假设
为方便研究,本文提出了以下假设基于关联信用风险的传染演化的特点。
假设1。在网络组成的N实体关联,关联的实体只存在于三个离散的状态,“敏感”,“潜伏”,或“感染,”分为三类:敏感实体,潜在的实体,实体和感染。(1)敏感实体销售:在相关的实体网络,受到实体是指实体信用风险较低,容易被感染的高信用风险与之关联的实体,从而增加的可能性成为高信用风险的实体。这种信用实体自身的信用风险是在低水平,但很容易被感染的高信用风险的实体,它更容易被感染的高信用风险实体密切相关。例如,企业和金融机构过度的金融杠杆,资产负债率高,和临时短缺的现金流很容易被感染的信贷风险,因为他们抵御信用风险的能力很弱。网络中有大量的相关的实体。一旦感染,一些敏感实体都需要自我保护,操作和不愿披露甚至故意隐藏他们的真实信用风险。这段隐藏自己的真实信用风险被称为孵蛋的时期。这些敏感实体在孵蛋的时间转换为潜在的实体。(2)潜在的实体H:在相关的实体网络,潜在的实体是指实体的传染性,及其信用风险是有点高但是不能感染其他相关实体。也就是说,这种信贷实体不能扩大其他信贷的信用风险实体通过它们之间的关系。例如,企业和金融机构与利润率维持在高水平,高应收账款,和高负债比率,弱联系和其他敏感的实体。的影响下自己的内部因素和外部macroenvironment,过了一段时间( ,孵蛋的时期),这些实体具有高信用风险转化为受感染的实体。(3)感染实体我:在相关的实体网络,受感染的实体是指实体已被感染,和它的信用风险是一个极高的水平,可以感染相关的实体。也就是说,这种信贷实体可以放大其他信贷的信用风险实体通过它们之间的关系。在网络显示比例的变化相关的信用风险的传染效应。例如,企业和金融机构遭受严重的操作问题如长期亏损、破产,严重短缺的现金流。
假设2。易感实体就会转变为一种潜在的实体在一个不变的概率通过与感染相关的实体。在这个网络,在一个敏感实体可以改变成一个受感染的实体,它必须经过一个潜伏的时期,和潜在的实体只能变成一个感染的实体。在这里,是传染概率( )表达的相关信用风险传染的速度和扩散相关的信用风险的网络相关的实体。感染后实体也不能幸免,变得敏感实体被治愈或恢复。这时,如果易感接触受感染的实体,因为实体的关系,他们会感染概率 。
假设3。受感染的实体的速度将被治愈并成为敏感实体,回收率(
)。
一个相关的实体网络,是由相关的实体总是不断变化的。通常有信贷实体进入网络,也会有信贷实体自然消失或离开网络。一般来说,有以下的假设。
假设4。重新进入网络信用实体被称为新生,和新率 。假设这个新生的实体是敏感的。信贷实体自然消失或撤回从网络死了,和死亡率 。假设这死去的实体被感染的实体。相关的实体网络的过程中不断发展和扩张 。
5.2。派生模型建设
在一个复杂的网络实体,由有关信贷相关的实体,信贷实体网络中的节点,节点之间的关系网络的边缘。的程度节点的实体被定义为边的数量,连接到实体。度的平均值网络被称为网络中的所有节点的平均水平,它是表示 。表示的概率随机选择一个节点与学位所以 。敏感实体的密度、潜在的实体和感染的实体在时间和程度表示为 , ,和 ,分别在这里,密度是比例。因此,
信贷的概率表示实体仍在时期内潜伏的状态t后进入潜伏的状态(不考虑死亡),因此, , ,和是一个有限的正数。
考虑到实际情况的企业类型、性质、强度、和运营管理,有两种典型的情况。首先,有敏感的实体(S)、潜在的实体(H)和感染的实体(I)在相关的实体网络。第二,有敏感的实体(S)、潜在的实体(H)、感染实体(I)、中(R)和恢复实体相关联的实体网络。第一个典型情况是本文研究的情况下,年代,H,我在节中定义5.1。
假设只有敏感实体(S)在相关的实体网络开始。与外部客观macroenvironment和内部主观因素的变化,一些敏感实体和高利润的液体可能被感染和合理的治理结构,但这些信贷实体有一些特定的抵抗相关的信用风险,信用风险的症状并没有被证实,这被称为隐藏实体(H)。然而,与增加传染的能力相关的信用风险和内部和外部环境的变化,信贷实体,隐藏实体可能感染实体(I)。有效的控制和管理,如救援或免疫、感染实体可能摆脱麻烦,减少自己的信用风险,这可能再次成为易感实体(S)。信用风险的发展相关联的实体网络。因此,流行病学模型描述这种站是敏感孵蛋的受感染的敏感(这一切)模型。
根据上述基本流行病学模型,假设,和使用动态平均场理论,第一个方程的模型可以描述为这一切 在哪里米假设4中描述,表示敏感实体的减少由于感染,表示敏感实体的减少由于死亡,和表示来自感染易感实体实体的增加由于治疗。
第二个方程的模型可以描述为这一切 在哪里表示的数量受到实体进入由于感染和潜在的实体信贷的概率表示实体仍在时期内潜伏的状态t后进入潜伏的状态(不考虑死亡)。表示,任何给定的链接指向一个被感染的节点在时间t,degree-independent网络被认为是。因此,可以写成 在哪里传染性的节点度的函数吗 。
方程(7)是Riemann-Stieltjes积分,所以
第三个方程(9)的模型可以描述为这一切
简化方程(10),我们得到 在哪里表示潜在的实体进入感染实体的数量由于感染,表示由于治疗,减少受感染的实体由于新生儿表示减少。
这一切模型是复杂和具有挑战性的研究。因此,只有概率函数被认为是态函数如下: 在哪里 ,从方程(9), 在哪里 ,从方程(9),
5.3。理论分析
方程(6),(7)和(10)描绘敏感实体之间的转换关系,潜在的实体,实体和感染。经过一段时间的传染性的进化,如果相关的信用风险传染的网络相关联的实体是在长期的无序和不确定状态,相关的实体网络被认为是一个不稳定的状态。相反,如果相关的信用风险传染的往往是稳定的,也就是说,密度的三种类型的实体相关联的实体网络趋于稳定,相关的实体网络被认为是在一个稳定的状态。本文在这个稳定的状态,即稳定的风险状态。此外,在这个稳定的风险状态,传染性病原体相关的实体网络的密度往往是常数。
因此,为了研究方便,什么时候 ,本文只讨论以下方程:
方程的解析解(15)是不容易找到,解决方案在一个稳定的状态被认为是风险。密度的实体及实体感染易感程度k在稳定状态和 ,分别;和是感染易感实体和实体的密度在整个网络相关联的实体在稳定状态,分别。一个随机的概率优势被连接到一个被感染的实体处于稳定状态 。
定义1。当传染概率相关的信用风险小于特定的概率值 ,相关的信用风险相关实体网络不再是会传染的,叫相关的信用风险的传染阈值相关联的实体网络。
命题1。相关的信用风险的传染阈值考虑孵蛋的时期 。当 ,相关的信用风险不再是传染性在相关联的实体网络,和方程(6),(7)和(10)融合的平衡点 ;当 ,方程(6),(7)和(10)融合的平衡点 。
证明。在稳定状态,
和
,和方程的解决方案(6)和(11在获得稳定的状态
在哪里
。
下列方程(公式16)放入方程(8),满足自洽性条件,得到了
是一个简单的方程解(11)。除此之外,是连续可微的,获得的吗
增加而
。当
,也就是说,
,有一个非平凡解方程(17内)
,和获得的蔓延阈值
。当这个非平凡解投入(16),和都是获得。因为
和
,的平衡点
的存在。
的表达式
,发现相关的信用风险的传染阈值不仅与网络的拓扑结构也与受感染的实体的回收率,新生儿的信贷实体,潜在的实体的孵蛋的时期,感染的蔓延能力功能实体。随着回收率的增加,相关的信用风险传染阈值的增加。随着信贷实体的新鲜的增加,相关的信用风险传染阈值的增加。随着孵蛋的时期可能的实体的增加,相关的信用风险传染阈值的增加。最后,随着感染实体的传染能力增加,相关的信用风险的传染阈值降低。在下一节中,更详细的讨论将一些假设下研究了仿真分析。
6。仿真分析
在本节中,模拟分析了BA无标度网络。相关的实体multientities网络是一个复杂的系统,多链路,一心多用的同时,自组织和自学习。近年来,随着macroenvironment的演变,市场和microindividual等因素,相关的实体网络提出了复杂网络特征。在相关的实体网络,有一些实体与更多相关的实体;也有一些情况下,大多数实体只能与其他少数民族的实体,即优先连接;最真实网络的规模正在扩大,增长。因此,网络的无标度特性。现有的文献表明,无标度网络可以准确地描述网络银行同业隔夜拆借的特点,跨国银行网络,不同股票市场网络5- - - - - -7),可用于研究相关的信用风险的传染性的特点(26,27,52]。针对这一点,本文选择了BA无标度网络,分析信用风险的传染进化法律相关的实体。BA无标度网络中,如果k是连续的,网络的平均度吗 ,和节点度分布 ,在哪里是最小的程度的信贷实体网络。
关于传染能力的功能 ,为了接近真正的风险传染网络,更好地研究信用风险相关的传染性的特点,采用分段线性传染性的假设来描述摘要(18),即 。当程度上一个实体节点的很小,其传染能力成正比 ,这是 。当绝大多数大型和在一个常数 ,其传染能力 ,也就是说, 。在这里, 是一个常数参数在哪里 。
在无标度网络,当 ,信用风险是相关的传染的阈值 在哪里 。信用风险是相关的传染的阈值 在哪里 是一个常数, 也是一个常数。为了简化研究,网络在现实世界中是有限的,所以 。
的表达式方程(19)和(20.),发现传染阈值相关的信用风险传染能力函数相关,受感染的实体的回收率,新利率,和潜伏的潜伏时期实体。
节点分布和平均度的无标度网络都放入(17),得到:
因此,
显然,在BA无标度网络,除了网络结构,受感染的实体在整个网络的密度还与新率、死亡率,孵蛋的潜伏时期实体,回收率的免疫实体,受感染的感染率和感染系数实体。此外,当 ,相关的信用风险是不会传染的。当 ,相关的信用风险是会传染的。因此,相关的信用风险的传染效应存在于相关的实体网络。
6.1。比较分析不考虑孵蛋的时期
不考虑孵蛋的时期 ,传染阈值相关的信用风险 ,和整体密度受感染的实体在稳定状态 。
考虑到孵蛋的时期, ,传染阈值相关的信用风险 ,和整体密度受感染的实体在稳定状态 。
相比之下, ,这意味着相关的信用风险的传染阈值将被低估而不考虑孵蛋的时期,然后呢 ,这意味着感染密度稳定状态中的实体可能高估了不考虑孵蛋的时期。参考文献[的参数值37,38,40,47,52),参数值给出了下面的数值模拟。
图1表明,受感染的实体密度之间的交互 ,孵蛋的时期 ,和感染的概率在稳定状态 , , , ,和 。感染密度的实体不考虑孵蛋的时期总是大于密度受感染的实体在考虑孵蛋的时期,也就是说, 。
6.2。数值模拟和分析感染密度的实体
实体之间的交互感染的密度 ,孵蛋的一段潜在的实体 ,感染的概率 ,传染性系数 ,受感染的实体的回收率 ,新的信贷实体 ,和信贷的死亡率的实体BA无标度网络中可以计算。
从图可以看出2,感染的密度变化的关系实体和潜伏的时期潜在的实体考虑不同的感染概率受感染的实体 当 。从图可以看出2(我)感染的感染概率实体保持不变时,随着孵蛋的一段潜在的实体的增加,网络中相关的信用风险的传染性减少,和越来越少关联的实体被感染,这是符合现实。(2)潜伏的周期不变时,随着感染概率的增加,相关的信用风险的传染效应在网络增加,所以感染网络中实体的密度将会增加。即网络中感染的实体的数量将增加相关的信用风险传染的增加,这是符合现实。可以看出,孵蛋的一段潜在的实体和感染的感染概率实体是重要的因素影响感染密度的实体。
图3显示了感染密度的实体之间关系的变化和潜伏的时期潜在的实体的考虑不同回收率受感染的实体 当 , , , ,和 。以下从图可以看出3:(1)感染实体的恢复速率保持不变时,随着孵蛋的一段潜在的实体的增加,网络中相关的信用风险的传染性减少,和越来越少关联的实体被感染,这是符合现实。(2)当孵蛋的时间不变,前1.5个单位的时间,随着回收率的增加,感染实体异常数量的增加。这种观察可能的原因有一个感染的实体的数量增加那些没有得到及时的援助和削弱了阻力,尽管经济复苏率增加,导致感染的实体的整体密度增加在很短的时间内。当孵蛋的时间不变,在1.5个单位的时候,回收率的变化不会影响整体密度受感染的实体,和感染密度的实体是恒定的。当孵蛋的时间不变,1.5个单位时间后,被感染的实体的密度减少随着回收率的增加。因此,孵蛋的时期保持不变时,受感染的实体的整体密度的变化符合实际情况。得出的回收率受感染的潜在的实体的实体和潜伏的时期是重要的影响因素的密度受感染的实体。
图4表明,受感染的实体的密度之间的关系和潜伏的时期潜在的实体考虑不同的新生儿的信贷利率的实体 当 , , , ,和 。更清楚地探索相关的信用风险的传染,新利率暂时代表相关的实体网络的初始值,所以新汇率的变化代表了网络的初始值的变化。以下从图可以看出4:(1)当新率保持不变,随着孵蛋的一段潜在的实体的增加,网络中相关的信用风险的传染性减少,和越来越少关联的实体被感染,这是符合现实。(2)潜伏的时期保持不变时,受感染的实体的边际密度将增加新的加息。新率越高,密度越快被感染的实体将减少。(3)当孵蛋的时间不变,新利率越高,密度越小受感染的实体。此观测结果可能是由于更多的新的实体,网络节点的增加,稀释感染密度的实体。因此,新生儿的信贷实体和潜伏的一段潜在的实体是重要的因素影响感染密度的实体。
图5表明感染密度的实体之间关系的变化和潜伏的时期潜在的实体考虑不同死亡率的信贷实体 当 , , , ,和 。以下可以发现:(i)与增加潜在的实体的孵蛋的时期,网络中相关的信用风险的传染性减少,越来越多,越来越少的实体是感染有关。即密度受感染的实体往往会减少,这是符合现实。(2)孵蛋的时间和其他条件不变时,随着死亡率的增加,密度受感染的实体将会增加。即受感染的实体的密度会增加死亡率增加。这个观察可能是因为大部分死者实体受到实体和新实体。与此同时,受感染的实体有较低的死亡率,因为他们的意识增强的阻力和自愈,所以感染密度的实体将会增加。因此,信贷实体的死亡率和潜在的实体的孵蛋的时间是重要的影响因素感染密度的实体。
7所示。结论和讨论
随着经济全球化和市场经济的进一步发展,各种信贷实体之间的关系,如企业、银行、保险公司、担保公司,越来越近,越来越复杂,和各种相关实体之间的信贷交易越来越频繁;因此,相关的信用风险普遍存在。相关的信用风险的变化不仅有链接的影响,也有一个潜伏的时期。信用风险一旦爆发,将迅速蔓延到其他相关实体,因此对网络相关的实体,甚至整个金融体系和社会经济,甚至导致系统性金融风险的爆发。因此,它具有重要的理论意义和实用价值,探索隐藏的传染性进化机制相关的信用风险和识别、防范和控制信贷风险相关联。然而,在实际的经济发展和业务操作,信用风险相关的孵蛋的时间不是很好理解,导致错过了机会,风险控制,信贷危机,甚至爆发的全球金融危机。本文的主要贡献是使用SIS传染病动力学模型并引入潜在的实体和潜伏的时期的传染性进化机制相关的信用风险在网络相关的实体。此外,BA无标度网络中,数值模拟分析显示:(i)相关的信用风险的传染阈值相关的网络结构,它的变化方向相同的孵蛋的一段潜在的实体,感染实体的回收率,新的信贷实体。与此同时,危机蔓延阈值的变化方向相反感染的感染能力的实体。(2)潜在的实体的孵蛋的时间越长,感染实体的回收率越高,死亡率越高,密度越小受感染的实体。 (iii) The higher the probability of infected entities is, the greater the density of infected entities is, the higher the new rate of credit entities is, and the faster the density of infected entities will decrease. The above conclusions are consistent with the crisis phenomena in the real network of associated entities. Furthermore, this paper provides a new perspective for enterprises, banks, guarantee companies, and other credit entities to control associated credit risk. Our future research will apply the data of listed companies in Shanghai and Shenzhen stock exchanges of China to conduct an in-depth empirical study on the incubatory period and evolutionary mechanism of the associated credit risk contagion.
数据可用性
仿真数据用于支持本研究的发现可以从相应的作者((电子邮件保护))要求。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作得到了国家自然科学基金(71701166和71701166号),四川社会科学规划项目(没有。SC19B004)软科学项目科技成都局(没有。2016 - rk00 - 00010 zf),一个项目由四川景观和休闲研究中心(没有。JGYQ2018004),四川县经济发展研究中心(没有。xy2018016)。