We propose a method to extract significant risk interactions between Countries adopting the Graphical Lasso algorithm, used in graph theory to sort out the spurious effect of common components. In this context, the major issue is the definition of the penalization parameter. We propose a search algorithm aimed at the best separation of the variables (expressed in terms of conditional dependence) given an a priori desired partition. The case study focuses on Sovereign Bond Yields over the period 2009–2017. The proposed algorithm is used in systemic risk estimation of the Euro area sovereigns.

L’algoritmo Glasso è noto nella letteratura associata alla teoria dei grafi per filtrare correlazioni spurie, se presenti. Il principale problema di questo metodo è la calibrazione del parametro di penalizzazione. In questo lavoro viene proposto un algoritmo volto a trovare la miglior separazione delle variabili in esame, in termini di indipendenza condizionale, assegnata una partizione ottimale definita a priori. L’applicazione esamina la relazione tra rendimenti dei bond sovrani nell’area Euro nel periodo 2009–2017 al fine di verificare l’assunto della separazione o della interdipendenza tra paesi Core e Periferici.

Sovereign co-risk measures in the Euro Area = Dipendenza del rischio sovrano tra paesi dell’area Euro / G. Arbia, R. Bramante, S. Facchinetti, D. Zappa - In: Book of Short Papers SIS 2018 / [a cura di] A. Abbruzzo, E. Brentari, M. Chiodi, D. Piacentino. - Palermo : Pearson Italia, 2018. - ISBN 9788891910233. - pp. 1429-1434 (( SIS Palermo 2018.

Sovereign co-risk measures in the Euro Area = Dipendenza del rischio sovrano tra paesi dell’area Euro

S. Facchinetti;
2018

Abstract

We propose a method to extract significant risk interactions between Countries adopting the Graphical Lasso algorithm, used in graph theory to sort out the spurious effect of common components. In this context, the major issue is the definition of the penalization parameter. We propose a search algorithm aimed at the best separation of the variables (expressed in terms of conditional dependence) given an a priori desired partition. The case study focuses on Sovereign Bond Yields over the period 2009–2017. The proposed algorithm is used in systemic risk estimation of the Euro area sovereigns.
L’algoritmo Glasso è noto nella letteratura associata alla teoria dei grafi per filtrare correlazioni spurie, se presenti. Il principale problema di questo metodo è la calibrazione del parametro di penalizzazione. In questo lavoro viene proposto un algoritmo volto a trovare la miglior separazione delle variabili in esame, in termini di indipendenza condizionale, assegnata una partizione ottimale definita a priori. L’applicazione esamina la relazione tra rendimenti dei bond sovrani nell’area Euro nel periodo 2009–2017 al fine di verificare l’assunto della separazione o della interdipendenza tra paesi Core e Periferici.
Graphical Lasso algorithm; Systemic risk; Network dependence
Settore STAT-01/A - Statistica
2018
https://it.pearson.com/content/dam/region-core/italy/pearson-italy/pdf/Docenti/ISTITUZIONI - HE - PDF - SIS V2.pdf
Book Part (author)
File in questo prodotto:
File Dimensione Formato  
ISTITUZIONI - HE - PDF - SIS V2.pdf

accesso aperto

Tipologia: Publisher's version/PDF
Licenza: Creative commons
Dimensione 91.84 MB
Formato Adobe PDF
91.84 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/1205673
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
  • OpenAlex ND
social impact