論文の概要: Modeling Systemic Risk: A Time-Varying Nonparametric Causal Inference Framework

• arxiv url: http://arxiv.org/abs/2312.16707v1
• Date: Wed, 27 Dec 2023 20:09:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 18:13:44.196601
• Title: Modeling Systemic Risk: A Time-Varying Nonparametric Causal Inference Framework
• Title（参考訳）: システムリスクのモデル化:時変非パラメトリック因果推論フレームワーク
• Authors: Jalal Etesami and Ali Habibnia and Negar Kiyavash
• Abstract要約: 時系列ネットワークにおける因果構造を推定するための非パラメトリック・時間変化指向情報グラフ(TV-DIG)フレームワークを提案する。 本枠組みは、金融ネットワーク内の主要資産・産業セクター間の相互接続性とシステム的リスクの進化を特定し、監視するものである。
• 参考スコア（独自算出の注目度）: 27.025720728622897
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a nonparametric and time-varying directed information graph (TV-DIG) framework to estimate the evolving causal structure in time series networks, thereby addressing the limitations of traditional econometric models in capturing high-dimensional, nonlinear, and time-varying interconnections among series. This framework employs an information-theoretic measure rooted in a generalized version of Granger-causality, which is applicable to both linear and nonlinear dynamics. Our framework offers advancements in measuring systemic risk and establishes meaningful connections with established econometric models, including vector autoregression and switching models. We evaluate the efficacy of our proposed model through simulation experiments and empirical analysis, reporting promising results in recovering simulated time-varying networks with nonlinear and multivariate structures. We apply this framework to identify and monitor the evolution of interconnectedness and systemic risk among major assets and industrial sectors within the financial network. We focus on cryptocurrencies' potential systemic risks to financial stability, including spillover effects on other sectors during crises like the COVID-19 pandemic and the Federal Reserve's 2020 emergency response. Our findings reveals significant, previously underrecognized pre-2020 influences of cryptocurrencies on certain financial sectors, highlighting their potential systemic risks and offering a systematic approach in tracking evolving cross-sector interactions within financial networks.
• Abstract（参考訳）: 時系列ネットワークの進化する因果構造を推定し, 時系列間の高次元, 非線形, 時間的相互関係を捉える上で, 従来の計量モデルの限界に対処するために, 非パラメトリックかつ時間的指向性情報グラフ(TV-DIG)フレームワークを提案する。 この枠組みは、線形力学と非線形力学の両方に適用できるグレンジャー・コーサリティの一般化されたバージョンに根ざした情報理論的な尺度を用いる。 本フレームワークは,システムリスクの測定の進歩を提供し,ベクトル自己回帰やスイッチングモデルなど,確立された計量モデルと有意義なつながりを確立する。 提案モデルの有効性をシミュレーション実験と経験的解析により評価し,非線形・多変量構造を有するシミュレーションネットワークの回復に有望な結果を報告した。 本枠組みは、金融ネットワーク内の主要資産・産業セクター間の相互接続性とシステム的リスクの進化を特定し、監視するものである。 新型コロナウイルス(COVID-19)のパンデミックや連邦準備制度理事会(FRB)の2020年の緊急対応など、他のセクターへの流出効果など、金融安定に対する仮想通貨のシステム的リスクの可能性に焦点を当てる。 この結果から、2020年以前の暗号通貨の影響が一部の金融セクターに及ぼし、その潜在的なシステム的リスクを浮き彫りにし、金融ネットワーク内でのクロスセクターの相互作用の追跡に体系的なアプローチを提供する。

関連論文リスト

• Robust Graph Neural Networks for Stability Analysis in Dynamic Networks [16.077138803931295]
  本稿では,グラフニューラルネットワーク(GNN)アルゴリズムに基づく経済リスク同定アルゴリズムについて検討する。 金融市場のセキュリティと安定性を維持するため、金融機関や規制当局によりインテリジェントな技術ツールを提供することを目指している。
  論文  参考訳（メタデータ） (2024-10-29T06:11:36Z)
• A Formal Framework for Assessing and Mitigating Emergent Security Risks in Generative AI Models: Bridging Theory and Dynamic Risk Mitigation [0.3413711585591077]
  大規模言語モデル(LLM)や拡散モデルを含む生成AIシステムが急速に進歩するにつれ、その採用が増加し、新たな複雑なセキュリティリスクがもたらされた。 本稿では,これらの突発的なセキュリティリスクを分類・緩和するための新しい形式的枠組みを提案する。 我々は、潜時空間利用、マルチモーダル・クロスアタック・ベクター、フィードバックループによるモデル劣化など、未探索のリスクを特定した。
  論文  参考訳（メタデータ） (2024-10-15T02:51:32Z)
• Online Multi-modal Root Cause Analysis [61.94987309148539]
  ルート原因分析(RCA)は、マイクロサービスシステムにおける障害の根本原因の特定に不可欠である。 既存のオンラインRCAメソッドは、マルチモーダルシステムにおける複雑な相互作用を見渡す単一モーダルデータのみを処理する。 OCEANは、根本原因の局在化のための新しいオンラインマルチモーダル因果構造学習手法である。
  論文  参考訳（メタデータ） (2024-10-13T21:47:36Z)
• Multi-Knowledge Fusion Network for Time Series Representation Learning [2.368662284133926]
  MTSデータ内の関係構造の暗黙的な知識と事前知識を組み合わせたハイブリッドアーキテクチャを提案する。 提案アーキテクチャは、複数のベンチマークデータセットに対して有望な結果を示し、最先端の予測手法をかなりの差で上回っている。
  論文  参考訳（メタデータ） (2024-08-22T14:18:16Z)
• Digital Twin-Oriented Complex Networked Systems based on Heterogeneous Node Features and Interaction Rules [13.28255056212425]
  本研究では,Digital Twin-Oriented Complex Networked Systemsのための拡張可能なモデリングフレームワークを提案する。 我々は,これらのネットワークに広まる流行に関連するネットワーク成長と異なる透過性に関する様々な特徴と規則を取り入れたシミュレーションベースのDT-CNSの実験を行う。
  論文  参考訳（メタデータ） (2023-08-18T01:54:48Z)
• Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection [64.1680666036655]
  確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。 2つの異なるデータセットを用いて数学的モデルを評価した。
  論文  参考訳（メタデータ） (2023-02-02T13:41:18Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• FisrEbp: Enterprise Bankruptcy Prediction via Fusing its Intra-risk and Spillover-Risk [4.369823783549928]
  LSTMベースのリスク内エンコーダとGNNベースのリスク外乱エンコーダを備える新しい手法を提案する。 リスク内エンコーダは、基本業務情報と訴訟情報から統計相関指標を用いて、企業内リスクを捕捉することができる。 流出リスクエンコーダはハイパーグラフニューラルネットワークとヘテロジニアスグラフニューラルネットワークからなる。
  論文  参考訳（メタデータ） (2022-02-01T04:28:48Z)
• Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
  トレーニングセットとその構造が長期予測の品質に与える影響を考察する。 トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-12-15T20:09:20Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)
• An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear Analysis [68.8204255655161]
  人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。 シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
  論文  参考訳（メタデータ） (2020-07-14T15:47:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。