The paper builds a multi-layer network of 114 Euro Area banking groups using granular datasets (RIAD, ROSSI, AnaCredit, CSDB/SHSG, SFT, FINREP/COREP), analyzes layer-specific topology (credit, funding, securities, overlapping portfolios and a flattened aggregate) and centrality, and finds that weighted in-degree distributions across layers are consistent with truncated power-law behaviour (α≈1.75–2.25, λ≈0.05–0.075) while topological properties (density, clustering, diameter, reciprocity) vary substantially by layer — implying that simulation assumptions must match the targeted market segment for policy analysis .
| Layer | Nodes (N) | Edges (E) | Connected components | Largest comp: share of nodes | Largest comp: share of edges | Diameter | Avg. clustering |
|---|---|---|---|---|---|---|---|
| Short-term credit | 114 | 525 | 26 | 0.78 | 0.79 | 5 | 0.29 |
| Long-term credit | 114 | 901 | 14 | 0.88 | 0.76 | 4 | 0.38 |
| Cross-securities | 114 | 2,456 | 11 | 0.91 | 0.77 | 5 | 0.51 |
| Short-term funding (repo) | 114 | 900 | 42 | 0.64 | 0.65 | 4 | 0.41 |
| Overlapping portfolio (undirected) | 114 | 3,614 | 13 | 0.89 | 1.00 | 2 | 0.79 |
| Flattened (aggregated) | 114 | 2,969 | 4 | 0.97 | 0.71 | 4 | 0.62 |
元数据与概览(引言与报告概览)
逐节深度解读
图表与视觉化深度解读(逐一图/表)
Table 1(页面 6 中 HTML 表格)解读與局限:表中各层密度数值(短期 0.04、长期 0.07、跨证券 0.19、短期融资 0.07、重叠 0.56、扁平化 0.23)明确说明重叠层最稠密,跨证券居中,信贷层较稀疏;Herfindahl 指数在重叠层为 0.07,说明一些集中度存在但并不极端. 需要注意的是表格中“Overlap (dir.)”列为重叠层的有向/对称化版本,表注表述重叠层同时被视为无向与对称化(dir.)两种处理方式;此外,表格展示的是全局统计量,无法揭示节点间的点对点异质性.
Figure 1(度 k vs 聚类系数 cc 的散点图,页面 7):在报告中该图用来展示不同层中节点的度与其局部聚类系数之间的关系,并以节点大小表示总资产.
Figure 2(各层加权入度的经验分布与拟合,页面 9):作者选取加权入度做重尾分布拟合,比较幂律、截断幂律、对数正态与指数分布,并在全量区间与尾部区间分别拟合(MLE 与 Clauset 等人 2009 的尾部拟合方案).
统计检验与拟合选择(表 2 / 表 3 / 引导检验与自举)
Figure 3(半参数自举算法伪代码,页面 12):该算法被报告用于构造自举样本并计算 Bootstrap KS 距离,从而评估拟合优度。
中央性度量(Centrality measures)与层间一致性
估值/建模方法学(关于重尾拟合与检验方法的解释)
风险因素评估(报告内作者识别的风险与影响)
批判性视角与细微差别(基于报告内容的审慎评价)
结论性综合(综合报告的关键发现)
参考图、表(在文中引用的图像)
最后说明:以上分析基于文中各节的表述、表格与图形展开,旨在逐节剖析作者的论据、数据与方法,并对图表进行可复现性的解读与限制性说明以供政策分析与后续研究参考.
2502.15611.pdf