Contagion in economic networks: a data-driven machine learning approach (2022)
- Authors:
- Autor USP: SILVA, MICHEL ALEXANDRE DA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/T.55.2022.tde-13072022-134420
- Subjects: REDES COMPLEXAS; SISTEMAS ECONÔMICOS; APRENDIZADO COMPUTACIONAL; TAXAS DE JUROS FUTUROS
- Keywords: Complex networks; Contágio; Contagion; Economia; Economic system; Risco sistêmico; Systemic risk
- Language: Inglês
- Abstract: A interconectividade é um traço onipresente em sistemas econômicos. Isso permite que diversas questões econômicas sejam analisadas por meio de ferramentas de redes complexas. A interconectividade pode ser benéfica aos agentes econômicos através, por exemplo, do compartilhamento de riscos em redes financeiras. No entanto, a turbulência financeira de 2008, cujo episódio principal foi o colapso do Lehman Brothers em setembro daquele ano, destacou a importância da interconectividade na propagação de choques ou seja, contágio através dos sistemas econômicos. Apesar de sua importância, ainda existem algumas questões em aberto relativas a contágio em redes econômicas, suas consequências e os processos que governam sua dinâmica. Nesta tese, nosso objetivo é lançar alguma luz sobre algumas dessas questões. Para realizar essa tarefa, contamos com ferramentas adequadas à análise de sistemas complexos redes complexas, aprendizado de máquina (machine learning ML) e modelagem baseada em agentes , além de diversas bases de dados brasileiras. Nossas contribuições abordam três grandes questões: i) a identificação de agentes econômicos sistemicamente relevantes (bancos, empresas e ativos), ii) a dinâmica da propagação dos choques de política monetária e sua interação com a topologia da rede financeira, e iii) o impacto de mecanismos heterogêneos de distribuição de perdas no risco sistêmico (RS). Nossas principais conclusões são as seguintes: i) choques nas taxas de juros afetam aestabilidade financeira de forma não linear e esse efeito é mais forte em períodos de aperto da política monetária, ii) técnicas de ML podem identificar com sucesso determinantes de RS entre variáveis financeiras e topológicas, iii ) a adoção de uma regra heterogênea de distribuição de perdas aumenta significativamente o RS, iv) características topológicas da rede de crédito banco-firma são significativamente afetadas por choques na taxa de juros, e v) a medida de centralidade recém-criada, a risk-dependent centrality, captura melhor a dinâmica do grau de risco externo do que outras medidas de centralidade.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2022
- Data da defesa: 27.05.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SILVA, Michel Alexandre da. Contagion in economic networks: a data-driven machine learning approach. 2022. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13072022-134420/. Acesso em: 28 dez. 2025. -
APA
Silva, M. A. da. (2022). Contagion in economic networks: a data-driven machine learning approach (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13072022-134420/ -
NLM
Silva MA da. Contagion in economic networks: a data-driven machine learning approach [Internet]. 2022 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13072022-134420/ -
Vancouver
Silva MA da. Contagion in economic networks: a data-driven machine learning approach [Internet]. 2022 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-13072022-134420/ - Livro de ofertas e dinâmica de preços: evidências a partir de dados da BOVESPA
- The drivers of systemic risk in financial networks: a data-driven machine learning analysis
- Macroeconomic impacts of trade credit: an agent-based modeling exploration
- Efficiency-stability trade-off in financial systems: a multi-objective optimization approach
- Does the default pecking order impact systemic risk?: evidence from Brazilian data
- Risk-dependent centrality in the Brazilian stock market
- The determinants of the individual nestedness contribution in financial systems
Informações sobre o DOI: 10.11606/T.55.2022.tde-13072022-134420 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
