Time Dynamics of Systemic Risk in Banking Networks: A UEDR-PDE Approach
Notice bibliographique
Résumé
Understanding the time dynamics of systemic risk in banking networks is crucial for preventing financial crises and ensuring economic stability. This paper aims to quantify key transition times in the evolution of distress within a banking system using a mathematical framework. We investigate the dynamics of systemic risk in a hypothetical, homogeneous banking network using the Undistressed–Exposed–Distressed–Recovered (UEDR) model. The UEDR model, inspired by compartmental epidemic frameworks, captures how financial distress propagates and recedes through interactions between banks. It is selected because of its tractability and its ability to distinguish between different stages of bank vulnerability. We focus on two critical times, denoted as t1 and t2, which play a fundamental role in understanding the behavior of the distressed compartment (representing the number of distressed banks) over time. The time t1 represents the first instance of a decrease in the number of distressed banks, indicating the containment of systemic risk. On the other hand, the time t2 marks the onset when the number of undistressed banks falls below a specified threshold, signifying the restoration of financial stability. We examine these time dependencies by considering the initial conditions of the UEDR model and assess their characteristics using partial differential equations. We establish the continuity, smoothness, and uniqueness of solutions for t1 and t2, along with their corresponding boundary conditions. Furthermore, we provide explicit representation formulas for t1 and t2, allowing for precise estimation when the initial population compartments are large. Our results provide practical insights for financial regulators and policymakers in determining time-sensitive interventions for mitigating systemic risk and accelerating recovery in banking systems. The findings highlight how mathematical modeling can inform real-time risk management strategies in financial networks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».