構造遵循貝葉斯方法的個體負債模型。以觀察到的總負債和總資產以及潛在的某些觀察到的個體負債為條件，構造Gibbs采樣器從該條件分布中生成樣本。

這些樣本可用于壓力測試，給出感興趣結果的概率。作為一個應用，我們導出了單個銀行的違約概率，并討論了它們對用于網絡建模的先驗信息的敏感性，并提供了一個實現該方法的R包。

1. 導言

系統性風險是指某些外部或經濟沖擊導致金融系統參與者違約的風險，這會對其他參與者造成嚴重的沖擊效應，例如他們的破產情況。

注：這些金融系統的參與者包括各種類型的機構，例如銀行、對沖基金、養恤基金或保險公司。由于銀行是系統性風險評估的關鍵參與者，為了簡單起見，我們將金融系統的所有參與者稱為銀行。

網絡模型
系統性風險通常使用網絡模型進行評估。其中節點代表銀行，加權有向邊代表負債。
壓力測試將沖擊應用于網絡并分析其后果。在最初的沖擊中幸存下來的銀行可能會因為其他銀行不再履行其義務造成的傳染而違約，這種資產負債表溢出效應是系統性風險的主要渠道之一。本文的重點是資產負債表傳染，但我們的方法也可以用于包括額外的系統性風險渠道的壓力測試，如折價銷售。

銀行間負債的完整網絡通常無法獲得

每個銀行（如銀行間負債和資產總額）的總計很容易獲得 。例如，可以從公共資產負債表信息中獲得。

除了公共信息外，監管機構并不能全面觀察金融網絡，通常對不需要向其報告的金融機構只有有限的數據。通常，在他們確實獲得的數據中，只報告了大量暴露。

在雙邊風險敞口和金融系統之間的相互聯系方面，

總結

以上是生活随笔為你收集整理的8.1 A Bayesian Methodology for Systemic Risk Assessment in Financial Networks（1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。