Monitoring banking system connectedness with big data
利用大数据监测银行体系关联性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接以企业网络关联性衡量银行体系联系，并讨论金融稳定监测用途。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用大数据监测银行体系关联性
- 研究问题
- 仅观测企业层面信息、没有直接观测企业间连接时，如何构造个体及整体体系的关联性指标以支持金融稳定监测？
- 方法与思路
- 作者提出对银行结果变量进行分解的程序，包括使用混频模型，再对分解结果开展网络分析，形成企业间与系统层面的指标。
- 材料陈述的贡献
- 摘要称该程序无需直接观测连接即可生成关联性度量，并通过美国大型银行控股公司展示其在金融稳定与企业联系分析中的用途。
- 阅读关注点
- 应核对结果变量的分解方式、混频信息如何进入模型、网络边及整体指标的定义，以及指标与实际银行联系的验证关系。
- 阅读边界
- 仅据所给出版社摘要，无法判断推断连接是否对应真实交易、风险传染或因果渠道；金融稳定监测的有效性也未量化。
原文摘要
In this paper, we propose a procedure that generates measures of connectedness between individual firms and for the system as a whole based on information observed only at the firm level; i.e., no explicit linkages are observed. We apply our procedure to large U.S. bank holding companies. We show how bank outcome variables of interest can be decomposed, including with mixed-frequency models, for network analysis to measure connectedness across firms. Network analysis of these decompositions produces measures that could be of use in financial stability monitoring as well as the analysis of individual firms’ linkages.