通过庇古税降低系统性风险

然后我们计算每增加一次储备需求η的级联风险-ηη和α，如果准备金率（η=η）没有增加，但仅在再保险基金的税收中，则会产生相同的级联风险值。显然，对于所有的chos en参数，征收α=1%的税比增加η1%要好得多。这最终证明，在我们的模型中，为了降低系统风险，引入救援基金并对准备金征税比增加准备金或资本要求更有效。然而，在现实世界中，准备金水平会影响违约概率[39]。这是我们在方法中没有建模的一个特征，但[39]和[40]指出了存款准备金率增加对市场流动性的长期负面影响。由于救援基金不应产生如此不利的影响，我们得出结论，这至少是一个需要监管机构就系统性风险进行测试的可行方案。讨论我们的模型表明，如本文所定义的，即使对储蓄基金征收少量税收，也能大大降低级联风险。模拟中使用的参数是艺术性的，而且存在一个问题，即DebtRank与默认级联的真实世界事件的映射程度如何。尽管如此，我们还是提出了一个简单的税收策略，因为它显然更有效地降低了级联风险。我们的研究支持以下观点：如果监管机构的目标是最小化系统性风险或更狭隘地降低级联风险，那么基金的税收在绩效水平上会更好。此外，尽管我们的实施需要对资产负债表进行一些修改，但出于以下原因，我们认为这是所有拟议方法中成本最低的一种。

首先，这有助于减少在Ba sel III框架内引入的具有系统重要性的金融机构（G-SIFI）所需资本增加的不对称影响，这可能会破坏公平竞争原则。其次，它可以帮助设计安全网的超国家改革，尤其是保险改革。我们还表明，非常适度的税收可以大大降低级联风险，从而使货币市场中个体主体的经风险调整的投资回报率大大增加，从而使他们的耦合更加有利，从而可能使他们对提出的想法更具反应性。我们相信，我们的ta x和救援基金的普格夫性质不会增加个体受试者的道德风险，因此不会对个体参数产生太大影响，例如个体违约概率。随着庇古税的引入，一些破产者造成的模拟传染效应降低，变得“可持续”。该提案对re-scue基金的规模（i）足够大，足以弥补市场上大多数机构因某些失败而遭受的损失；（ii）规模足够小，一旦资金被使用，就可以轻松、紧急地用新的流动性取代。为了管理金融企业的稳定性——效率交易效率，我们还密切关注银行的投资回报率（ROI）的稳定性测量，因为监管措施必须有效，并尽可能少地影响市场竞争力。由于救援基金的资产不包括最初的问题主体，而是其交易对手，因此相当大一部分的道德风险通过建设得以减少。因此，在有利条件约束下，储备基金的影响很大，税收风险的实际价值很小。

为了最大限度地减少和管理系统风险，根据我们的分析，税收可能从银行余额的2到4个基点不等。为了避免任何额外的道德风险行为，政策制定者应更好地将所有货币市场交易考虑在内，对税收进行校准，以便更准确地映射银行网络拓扑，并确定一个固定的时间段。总之，从提高资本要求到对交易征收货币市场税的救援政策的辩论预计将加强一个与经济理论背景和银行在货币和信贷市场中所起作用相一致的规模提案。感谢VZ和HA都在研究论文的技术细节。HA和GG对文献进行了调查，HA提出了一种ta固定机制。所有作者都对pape r的写作做出了贡献。作者感谢欧盟FP7 FET开放项目FO C（金融危机预测，批准号255987）的支持。VZ还感谢欧盟FP7 FET项目MULTIPLEX（多电平复杂网络和系统基础研究，gra nt No.317532）的支持。GG还感谢EU Fr amework Progr am SSH的支持。2010.1.2-1（FESSUD）和SDA博科尼管理学院进行数据采集。作者还想对斯特凡诺·巴蒂斯顿、朱利亚·伊奥利和赫沃耶·斯特凡奇奇对这篇论文的富有成效的评论表示感谢。参考文献1。Angelini P，Maresca G，Russo D（1996）网络系统风险。《银行与金融杂志》20:853–86 8.2。艾森伯格L，诺思（2001）金融系统中的系统性风险。管理科学47:236–249.3。Iori G，Jafarey S，Padilla FG（2006）银行间市场的系统性风险。经济行为与组织杂志61:525–542.4。梅·RM，Levin SA，Sugihara G（2008）《复杂系统：银行家的生态学》。《自然》45 1:893–895.5。

Haldane AG，May RM（2011）《银行业生态系统中的系统性风险》。《自然》469:351–355.6。Cont R，Mous a，Santos E（2011）银行系统的网络结构和系统性风险。EdsonBastos e，《银行系统的网络结构和系统性风险》（2010年12月1日）。7。Whelan K（2009）包含系统性风险。技术报告，欧洲议会，经济和货币委员会，研究部。8.Upper C（2011）评估银行间市场传染风险的模拟方法。Journa lof Financial Stability 7:111-125.9。Freixas X、Parigi BM、Rochet JC（2000）中央银行的系统性风险、银行间关系和流动性提供。货币、信贷和银行杂志：611-638.10。Iori G，Jafarey S（2001）银行危机模型中的临界性。Physica A：统计力学及其应用299:205–212.11。Boss M，Elsinger H，Summer M，Thurner 4 S（2004）银行间市场的网络拓扑。定量金融4:677–684.12。Battiston S、Puliga M、K aushik R、Tasca P、Caldarelli G（20 12）Debtrank：太中心而不能失败？金融网络、美联储和系统性风险。科学报告2.13。Acharya V，Pedersen L，Philippon T，Richardson M（2012）测量系统性风险。CEPR讨论文件编号DP8824，CEPR讨论文件。Brownlees CT，Engle R（20-10）系统风险测量的波动性、相关性和尾部。纽约大学，mimeo，15岁。Adrian T，Brunnermeier MK（2011）Covar。技术报告，国家经济研究局。16.Hu D，Zhao JL，Hua Z，Wong MCS（2012）基于网络的银行系统系统风险建模与分析。MIS Q 36:1269–1291.17。Drehmann M，Tarashev N（2013）测量互联银行的系统重要性。金融中介杂志22:586–607.18。

D\'Agostino G，Scala A，Zlati'cV，Caldarelli G（2012）无标度网络中类似差异过程的稳健性和分类性。EPL（欧洲物理学通讯）97:68006.19。Battiston S、Delli Gatti D、Gallegati M、Greenwa ld B、Stiglitz JE（2012）危险联络：增加连通性、风险分担和系统风险。经济动力与控制杂志36:1121–1141.20。Battiston S、Gatti DD、Gallegati M、Greenwald B、Stiglitz JE（2012）违约级联：风险分散何时增加稳定性？《金融稳定杂志》8:138–149.21。Horváth BL，Wagner W（2013）反周期资本要求和系统性风险之间令人不安的相互作用。可在SSRN.22下载。Gauthier C，Lehar A，Souissi M（2012）宏观审慎资本要求和系统风险。金融中介杂志21:594–618.23。Hart O，Zingales L（2011）针对大型金融机构的新资本监管。《美国法律与经济评论》13:453–490.24。Hellwig M（2010）《金融危机后的资本监管：企业作为惯例？技术报告，马克斯·普朗克集体物品研究所预印本。25.Poledna S，Thurner S（2014）通过非系统性风险交易税消除金融网络中的系统性风险。arXiv 14018026.26。Darvas Z，Weizs"acker J（2011）金融交易ta x：小就是美。社会与经济33:449–473.27。Sch"afer D、Schulmeister S、Vella J、Masciandaro D、Passarelli F等（2012）金融交易税的利弊？国际经济学47:76–103.28。Iori G、De Masi G、Precup OV、Gabbi G、Caldarelli G（20 08）意大利新兴货币市场的网络分析。经济动态与控制杂志32:259–278.29。

Finger K，Fricke D，Lux T（2012）电子货币市场的网络分析：内在动态过程中不同聚合水平的信息价值。技术报告，基尔工作文件。30.意大利隔夜贷款市场的Raddant M（201 3）结构。国际货币与金融杂志。Hatzopoulos V，Ior i G，Mantegna RN，Micciche S，Tumminello M（2013）量化了电子银行间同业市场中的前期交易。技术报告。32.Hojman DA，Szeidl A（2008）网络中的核心和外围。经济理论杂志139:295–309.33。Fricke D，Lux T（2012）隔夜货币市场的核心-外围结构：来自电子中间交易平台的证据。技术报告，基尔工作文件。34。Zlatic V，Bianconi G，Díaz Guillera A，Garlaschelli D，Rao F等（2009）关于密集加权网络中的富裕俱乐部效应。《欧洲物理杂志》67:271–275.35。Schlüter T，Hartmann Wendels T，Busch R，Sievers S（2012）银行利率传递的决定因素——来自德国贷款产品的证据。技术报告，德意志联邦银行。36.O\'Brien YYC（2007）经合组织国家的准备金制度。联邦调查局的人都是37岁。徐青H，艾琳娜V，施洛莫H，尤金SH（2013）双部图中的级联故障：系统风险传播模型。Sci Rep 3.38。Iakova D，Wagner N（2001）《中欧经济体的金融部门演变：支持宏观经济稳定和可持续增长的挑战》。国际货币基金组织。统一资源定位地址http://books.google.hr/books?id=tcuNgEuiDeIC.39.Agur I（2010）资本要求和信贷配给。技术报告，荷兰中央银行，研究部。40.Thakor AV（1996）《资本要求、货币政策和银行总贷款：理论和实证证据》。

《金融期刊》51:279-324。图1 Legends0 50 100 150 2000050100150NKO（n）a）0 50 100 150 2000020406080NKI（n）b）0 50 100 150 200100102104nSo（n）c）0 50 100 150 200100102104nSi（n）d）2000200420082009。在这张图片中，x轴是节点相对于其在x轴上的值的顺序。面板a）在y轴上有向外度，面板b）在y轴上有向内度，面板c）在y轴上有向外度，面板d）在y轴上有向内度。所有属性的异质性是显而易见的。图2。该图显示了2000年4月的e-MID沉淀剂网络。根据实际重量A′ij=log（Aij/（0.25·Amin））重新计算边缘A′ij的厚度。很容易观察到核心-外围结构和重量不均匀性。节点的大小和颜色对应于使用重缩放权重计算的节点的突出强度。调色板采用颜色编码，因此蓝色链环（无DE）的重量（外强度）最低，而红色链环的重量（外强度）最大。0.01 0.02 0.0300.20.40.60.8ηpC20000 0.01 0.02 0.0300.20.40.60.8ηpC2004 0.01 0.02 0.0300.20.40.6ηpC20080 0.01 0.02 0.0300.20.6ηpC2009α=0α=0.01α=0.01α=0.1α=0.2α=0.5α。在该图中，x轴代表η，y轴代表级联风险pC。不同的参数代表从四个不同年份的约一个月数据汇总中获得的网络结果。固定税率α对于曲线图中的每条曲线都是常数。0.2 0.4 0.6 0.8 100.20.40.60.8αpC20000 0.2 0.4 0.6 0.8 100.20.40.60.8αpC2004 0.2 0.4 0.6 0.8 100.20.40.6αpC20080 0.2 0.4 0.6 0.8 100.20.40.6αpC2009η=0η=10-4η=5·10-4η=10-3η=5·10-3η=10-2η=5·10-2图4。在该图中，x轴代表α，y轴代表级联风险pC。不同的面板代表从四个不同年份的约一个月数据汇总中获得的网络结果。

对于曲线图中的每条曲线，资产负债表准备金率η均为常数。0.01 0.02 0.03 0.04 0.0500.20.40.60.8ηDR20000 0.01 0.02 0.03 0.040.20.40.60.8ηDR2004 0.01 0.02 0.03 0.04 0.0500.20.60.8ηDR20080 0.01 0.02 0.03 0.04 0.0500.20.40.60.8ηDR2009α=0α=0.01α=0.02α=0.05α=0.1α=0.2α=0.5α=1图5。在该图中，x轴代表η，y轴代表systemi c DebtRank DR。不同的面板代表从四个不同年份的约一个月数据汇总中获得的网络结果。固定税率α对于曲线图中的每条曲线都是常数。0.2 0.4 0.6 0.8 100.20.40.60.8αDR20000 0.2 0.4 0.6 0.8 100.20.40.60.8αDR2004 0.2 0.4 0.6 0.8 100.20.40.6αDR20080 0.2 0.4 0.6 0.8 100.20.40.6αDR2009η=0η=10-4η=5·10-4η=10-3η=5·10-3η=10-2η=5·10-2图6。在该图中，x轴代表α，y轴代表系统性指数。不同的面板代表从四个不同年份的约一个月数据汇总中获得的网络结果。对于曲线图中的每条曲线，资产负债表准备金率η均为常数。0 0.01 0.02 0.03-0.0500.05ηROIRA20000 0.01 0.02 0.03-0.0500.05ηROIRA2004 0.01 0.02 0.03-0.0200.020.040.06ηROIRA20080.01 0.02 0.0300.020.040.06ηROIRA2009α=0α=0.01α=0.02α=0.05α=0.1α=0.2α=0.5α=1图7。在该图中，x轴代表η，y轴代表经风险调整的投资回报率。不同的面板代表从四个不同年份的一些一个月数据的集合中获得的网络结果。固定税率α对地块中的每一个电流都是恒定的。0 0.2 0.4 0.6 0.8 1-0.0500.05αROIRA20000 0.2 0.4 0.6 0.8 1-0.0500.05αROIRA2004 0.2 0.4 0.6 0.8 100.040.08αROIRA20080.2 0.4 0.6 0.8 100.030.06αROIRA2009η=0η=10-4η=5·10-4η=10-3η=5·10-3η=10-2η=5·10-2图8。在该图中，x轴代表α，y轴代表风险调整后的投资回报率ROIRA。

不同的面板代表了从GGRE gate获得的四个不同年份的一个月数据的网络结果。资产负债表准备金率η对于曲线图中的每一条曲线都是常数。0 500 1000 1500050100η [%]α[%]20000 500 1000 1500 2000050100η[%]α[%]2004  0 500 1000 1500 2000050100η[%]α[%]20080 500 1000 1500050100η[%]α[%]2009η=10-3η=5·10-3η=10-2图9。在该图中，x轴代表η的变化百分比，y轴代表α。曲线再现了在（i）无资金存在的情况下，系统违约概率取相同值的点，即α=0，系统通过将储备需求增加η和（ii）当储备需求没有变化，但通过救援基金实现系统稳定时。通过不同的曲线显示了三个准备金率的起始水平。红色虚线代表假设情况，其中储备需求增加百分比x的影响将与以相同比率x实施的拟议税收完全相同。不同的面板代表从四个不同年份的约一个月数据汇总中获得的网络结果。