A rendszerkockázat, mint a pénzügyi stabilitás egyik kulcsfogalma a huszadik század utolsó két évtizedében került a közgazdasági vizsgálatok előterébe és csak ezt követően tisztázódott a rendszerkockázat általános fogalma. Habár számos sokszínű definíció létezik a rendszerkockázatot illetően, valamennyi közös vonása, hogy a pénzügyi rendszerek törékenységére és instabilitására utalnak. Tekintettel a pénzügyi rendszerek stabilitásának fontosságára, illetve az azokat alkotó piaci szereplők rendszerkockázati érzékenységére, egyre inkább előtérbe kerültek azon elemzések, melyek egy adott sokk pénzügyi rendszerre gyakorolt hatását, illetve annak tovaterjedését próbálták megragadni. A 2008-ban kirobbant pénzügyi-likviditási válság mind makro-, mind mikroprudenciális szempontból szabályozási reformok sorát váltotta ki az elmúlt években, illetve annak hatására napjainkra a pénzügyi stabilitás a közgazdasági szakirodalom legtöbbet elemzett kérdéskörei közé tartozik. Az értekezés témáját tekintve két élesen elkülönülő vizsgálatra és elemzési keretrendszerre bontható. Az első részben a magyar fedezetlen bankközi forinthitel-depo és FX-swap piacokat elemeztem hálózatelméleti eszközökkel, melyhez tranzakciószintű adatokból felépített adatbázisokat 2012 és 2015 közötti időszakra a Magyar Nemzeti Bank bocsátott rendelkezésemre. Habár mind a nemzetközi, mind a hazai szakirodalomban található hálózatelméleti eszközök alkalmazásán alapuló elemzés a megjelölt bankközi piacok kapcsán, ugyanakkor azok kizárólagosan egy-egy piac vizsgálatára korlátozódtak. Továbbá tekintettel arra, hogy az általam vizsgált adatbázisokban habár a piaci szereplők anonimizáltak voltak, ugyanakkor az azonosítójuk mindkét bankközi piaci tranzakciókat tartalmazó adatbázisban megegyezett, mely lehetővé tette a két piac számos hálózati tulajdonságának összevetését. Ennek megfelelően a kutatás célja a két piac havi hálózatainak elemzése, a két piac meghatározó szereplőinek azonosítása, illetve az eredmények összevetése a két piac hálózatai közti hasonlóságok és különbségek feltérképezése érdekében. A kapott eredmények újszerűsége abban rejlik, hogy kutatásom során sem a hazai, sem a külföldi szakirodalomban hasonló célt kitűző és megvalósító tanulmányt nem találtam. Eredményeim szerint mindkét piac havi hálózataiban van érdemi struktúra, ugyanakkor az FX-swap piac havi hálózatai esetén nagyobb a véletlen hálózatoktól vett különbség. Mindkét piac havi hálózatai mutatják a skálafüggetlenség jegyeit, ugyanakkor ez a tulajdonság az FX-swap piac esetén bizonyult erősebbnek. Mindkét piac havi hálózataiban fellelhető a hierarchikus modularitás, továbbá a vizsgált havi hálózatok inkább diszasszortatívak, azaz az alacsonyabb fokszámú csúcsok a hálózatban leginkább a magas fokszámú csúcsokhoz kapcsolódnak. A két piac havi hálózatai k-magjának vizsgálata során azt az eredményt kaptam, mely szerint az FX-swap piac havi hálózatainak magjában jellemzően kevesebb piaci szereplő található, mint a fedezetlen piac havi hálózataiban, melyet a fedezetlen piac hálózatainak sűrűbb volta eredményez. A folytonos aszimmetrikus mag-periféria modellek alapján mindkét piac esetén stabil a magsági jelenlét, ugyanakkor a futamidő emelkedésével a magsági jelenlét csökken. A második részben egy, az Európai Központi Bank által publikált, többrétegű hálózatot alkalmazó ágens alapú szimulációs modellt mutattam be, illetve alakítottam át annak érdekében, hogy magyar adatokon számszerűsítve mérjem a hazai rendszerkockázatot, valamint azonosítsam a rendszerszinten jelentős piaci szereplőket. A modell újszerűsége egyrészt abban rejlik, hogy a valóságban a pénzintézetek egymással több módon, több piacon keresztül is kapcsolódhatnak egymáshoz, melyet a többrétegű hálózatok képesek megragadni. Az ágens alapú szimulációs technika pedig lehetőséget biztosít arra, hogy a rendszert érő sokkok hatását több periódus mentén vizsgálhassuk, amelyeken belül a modellben szereplő hitelintézetek előre definiált, ugyanakkor akár algoritmikus döntési szabályok mentén reagálhatnak a sokk által előidézett szituációra. A kapott eredmények alapján kijelenthető, hogy a modellben nagyon kicsi annak a valószínűsége, hogy egy adott bank csődje legalább egy másik bank csődjét okozza. A modell segítségével továbbá azonosítottam a rendszerszinten jelentős piaci szereplőket aszerint, hogy maximálisan hány további csődeseményt képes kiváltani a csődjük a szimuláció során. Továbbá azonosítottam azon hálózati szerkezeti jellemzőket, melyek gyengítik a rendszer sokkellenálló képességét, illetve képesek felerősíteni a rendszert érő sokkok hatását.

A munkagazdaságtan szakirodalma a munkanélkü-liség ciklikusságát jellemzően két, folyamattípusú vál-tozó eredőjére bontja fel: a munkanélküli státusba kiés beáramlási arányok változására, azaz azt vizsgálja, miként változik a munkanélkülivé válók és az állást találók aránya a teljes gazdasági ciklus során. Az emlí-tett két változó munkanélküliségre gyakorolt hatása, valamint azok kontra-, illetve prociklikussága kapcsán a szakirodalomban heves vita alakult ki, melyet Shigeru Fujita eredményei tudtak végérvényesen lezárni. A tanulmány egyrészt a vita ismertetésén túl -Fujita előjelmegkötés melletti SVAR-(structural vector autoregressive -strukturális vektorautoregressziós) modelljének segítségével -bemutatja, hogy az annak lezárását jelentő eredmények hosszabb és relevánsabb idősorok alkalmazása esetén is fennáll-nak. Másrészt a magyar nyelvű szakirodalomban első-ként -a KSH (Központi Statisztikai Hivatal), illetve az NFSZ (Nemzeti Foglalkoztatási Szolgálat) adatsorainak felhasználásával -teszteli a modell megfelelőségét a hazai adatok esetében. Összeveti az egyesült álla-mokbeli és a magyar idősorok alapján kapott eredmé-nyeket, amelyek Fujita számításait támasztják alá: a munkanélküliségi ráta változását egyaránt vezérli a beáramlási tényező kontraciklikus és a kiáramlási té-nyező prociklikus volta is. Az is kimutatható, hogy a munkaerőpiacot érő sokk erősebben és hosszabban elnyúlva érintheti a magyarországi munkanélküliségi rátát az egyesült államokbelihez képest. TÁRGYSZÓ:Munkagazdaságtan. SVAR-modell. Munkanélküliség.