Stess测试系统：金融领域的金融冲击传染

资料来源：Rose and Spiegel（2009）的确，金融危机影响着社会的发展，任何有助于阻止它们的学术尝试都应该受到欢迎。图2.2给出了进一步的历史证据，显示了金融危机的发生与失业率上升之间的相关性。虽然从危机到就业的因果过程可能是有关联的（法伦和卢卡斯，2002年），但OCSE研究指出，2008年的金融危机起到了催化剂的作用，进一步增加了失业率，尤其是南欧国家的年轻人就业率（Choudhry、Marelli和Signorelli，2010年）。图2.2金融危机后失业率的上升，以及上升的持续时间。资料来源：莱因哈特和罗格夫（2009年）。值得注意的是，这项研究的相关性也因缺乏模型和政策工具而突显出来，这些模型和工具可以为决策者提供有关不良事件如何传播的见解。第2.2.2.2节系统性风险的三种方法将明确这一点。本节介绍的三种文献试图得出宏观审慎政策制定者可以使用的政策工具。在这样做的同时，他们也试图回答本文的研究问题。每一行的贡献都试图用不同的理论和方法论视角来面对这个问题。第一小节主要关注监管机构的努力。他们试图通过基于指标的方法来理解金融系统是如何受到冲击的影响的。第二小节介绍了DSGE模型在金融系统性风险方面的应用所产生的一些最新贡献。

这些构成了新古典经济学对其未能正确解释和解释现代金融危机这一论点的主要回答。第三部分也是最后一部分探讨了复杂网络分析和网络传染模型在金融系统中的应用结果。它展示了如何将金融参与者描述为通过相互关系连接起来的图表的组成部分，可以提供关于金融系统如何受到冲击影响的最有价值的见解。每个小节还分析了它们的主要缺陷或弱点。文献strandKey研究工作Strength薄弱环节评估基于指标的方法CBS（2011）BCBS（2013）Masciantonio（2013）  易于实施；  数据可用性  权重是任意的；  忽视系统的相互关系。DSGE modelingTovar（2009）De Walque，Pierrand and Rouabah（2010）Gerali等人（2010）  扩展政策机构已经使用的模型；  与更广泛经济系统的模拟相结合  一般均衡假设；  模拟的代理数量非常少；  考虑的时间步长非常小。复杂网络分析艾森伯格和诺伊（2001）巴蒂斯顿等（2012）鲁克尼等（2013）  认识到系统的相互关系；  量化冲击的系统性影响并模拟其传播的能力  数据可用性差；  没有不确定性度量。表2.2所考虑文献的优缺点2。2.1基于指标的方法金融政策制定者通常选择易于稳健实施的框架，这些框架只需要公开或易于访问的数据，并且可以通过非科学软件进行计算（Adolfson等人，2005年）。

由于这些限制因素，基于模型的方法在一些中央银行和其他处理系统性风险的监管机构中往往不受欢迎。一些机构通过制定基于指标的方法来应对这一问题。最重要的尝试是巴塞尔银行监管委员会（BCBS）提出的，该委员会确定了具有系统重要性的金融机构（BCBS，2011）。然后，通过说明该机构在多大程度上受到最初冲击的影响具有系统重要性来回答一个逆境如何影响整个金融系统的问题。

它对整个系统的威胁越大。如本节导言所述，这类文献在经济和金融理论方面几乎没有明确的基础；相反，它是通过与政策专家的几轮磋商以及经验试验和评估（FSB，2009年）形成的。由于篇幅限制，本章无论如何都不希望对相关文献进行真正全面的回顾；它只寻求指导，通过必要的学术工作，需要语境化的研究。关于更多详尽的描述，请参见Galati和Moessner（2013）。类别（权重）单个指标权重跨司法管辖区活动（20%）跨司法管辖区索赔10%跨司法管辖区负债10%规模（20%）巴塞尔协议III杠杆比率中定义的总风险敞口20%互联性（20%）金融系统内资产6。67%的金融系统内部负债6。67%的批发融资比率6。67%的可替代性（20%）托管资产6。67%的款项通过支付系统结算。67%的债券和股票市场承销交易价值6。67%的复杂性（20%）场外衍生品名义价值6。67%的三级资产6。67%的交易账面价值和可供出售价值6。67%见表2。2.基于指标的衡量方法，用于识别具有系统重要性的金融机构。资料来源：BCBS（2011）巴塞尔委员会的指标综合了五组不同的类别，每个类别在算术上对其价值的贡献是相等的。它们是，即跨司法管辖区的活动、规模、相互关联性、可替代性和复杂性。

如表2.3所示，大多数类别都有两个或三个操作措施。跨司法管辖区活动表明了银行在其母国之外活动的重要性（Weistroffer and Speyer，2011）。如果一家银行的业务分布在全球各地，那么它就被认为具有更大的系统重要性。从直觉上看，规模是可能影响银行重要性的另一个因素。如果一家银行拥有高水平的总风险敞口，那么它更有可能在金融和经济系统中产生全面的危机。互联性与金融机构如何与系统的其他部分互动有关。根据巴塞尔委员会的说法，一个机构与其他机构的联系越多，在发生故障或困境时，其系统性影响就越大。可替代性是指一家金融机构的服务被另一家金融机构的服务取代的难易程度。一家可替代性较差的银行的倒闭可能会对系统的健康产生更大的影响。因此，可替代性和系统重要性之间存在负相关。最后，复杂性涉及银行组织结构和运营的复杂性和影响。更高的复杂性意味着解决违约银行会带来更高的成本和负外部性。诚然，参与指标构建的政策专家的判断是以理论为依据的，但在技术文件中既没有明确的理论依据，也没有明确的理论依据（BCBS，2011年，2013年）。BCBS（2011）并不是唯一提出基于指标的系统性风险方法的机构。事实上，许多研究都以它为例，得出了替代指标。

尽管如此，它们都倾向于保持相同的分析类别，只挑战它们的操作性，并提出替代数据来源或不同的计算方法。最近的一个例子是Masciantonio（2013），它采用了BCBS的方法，只需要公开可用的数据就可以构建指数。另一个例子是Braemer和Gischer（2011年），他们以类似的方式提出了一种基于指标的系统性银行及其影响的衡量方法，该方法只对每个类别采用现有的指数。该方法还被用于识别具有系统重要性的美国非银行金融机构（FSOC，2011）和保险公司（IAIS，2013）。基于指标的衡量至少有两个关键缺陷，分别是方法性和概念性的。可以说，这些因素阻碍了这一系列文献恰当地回答研究问题，从而为新的、更好的方法留下了空间。第一个缺点是潜在的假设，即表征金融机构系统重要性的每个类别都具有同等的相关性。即使假设它们都是相对的，也绝对没有先验的理由来证明权重相等。这一唯一明显幼稚的方法论决定很可能是由当前的不确定性决定的，这种不确定性仍然弥漫在系统性风险和失败背后的因果过程中（Schwarcz，2008）。一些研究——如斯特恩和费尔德曼（2004年）、周（2010年）、哈特和津盖尔斯（2011年）——指出了金融机构规模和复杂性的重要性，而其他研究——如德雷曼和塔拉舍夫（2011年）、邓基等。（2012）——感谢他们的相互联系和国际存在。

据作者所知，目前还没有专门设计研究或敏感性测试来阐明哪些指标类别对金融系统的系统稳定性贡献最大，以及在什么条件下。尽管如此，这并不能证明选择同等权重的因素是合理的。这种方法可能导致在估计冲击对系统的影响时产生偏差，从而导致错误的政策决策和对经济的有害后果。第二个弱点与基于指标的方法的概念性隐含假设有关：了解单一金融机构的系统重要性足以理解ashock如何影响整个金融系统（BCBS，2011）。这是危险的错误。例如，在2007年末，系统重要性极高的银行北岩银行的倒闭并没有让政策制定者评估随后的系统性后果（Goldman Pinkham和Yorulmazer，2010）。即使假设基于指标的方法能够正确识别银行的相关性，也没有足够的信息来理解冲击如何通过其他机构传播，因为不知道它们之间是如何联系的（Minoiu和Reyes，2009）。这就是为什么基于网络的方法更适合这个问题。2.2.2动态随机一般均衡模型动态随机一般均衡模型（DSGE）在经济和货币政策制定中越来越多地被使用（Tovar，2009）。他们能够通过计算微分方程和效用函数来模拟经济的主要参与者——家庭、企业、政府——及其相互作用，根据新古典主义或新凯恩斯主义经济理论，这些函数描述了他们的行为（Sbordone et al.，2010）。

由于据称DSGE模型能够以一种程式化的方式捕捉整个经济体的动态，一些中央银行开发了它们自己的变体。例如英格兰银行（Harrison等人，2005年）、加拿大银行（Moran，1996年）和智利中央银行（Chumacero和Hebbel，2004年）。通常，DSGE模型不包括金融机构。如果是这样的话，它们就被认为是完全相同且无摩擦的，只是在所有其他经济主体之间的资金流动中充当中介（Tovar，2009）。鉴于金融领域内爆发的经济冲击频率并不太高，比如1980-90年代的日本危机、1980年代的拉丁美洲危机、1997年的亚洲危机、互联网泡沫以及最近的2008年次贷危机（Kindleberger and Aliber 2011），这一点当然值得怀疑。在文献空白的推动下，一些学者开始构建新颖的DSG模型，以解释更复杂的金融市场，从而能够理解金融系统如何受到冲击的影响。这一研究领域最具代表性的例子可能是德沃尔克、皮尔兰和鲁阿巴（2010）。这三人设计了一个具有异质银行业的DSGE模型，即投资组合和利润最大化行为不相同的银行。它们还引入了企业和银行的内生违约概率，并允许模拟银行监管和银行间市场的流动性注入。这些新奇之处允许观察外部或内部冲击对金融部门的影响，甚至可以通过在模型中试验反系统风险做法来加强政策制定。

Gerali等人（2010年）也做出了类似的学术努力。本文介绍了一个具有金融摩擦和不完全竞争金融市场的DSGE模型。正如实证研究所表明的那样（De Bondt，2005年；Sorensen and Werner，2006年），银行业处于完全竞争的市场机制的假设是宽松的，考虑到垄断结构的存在。理论上，这种特征有助于模拟真实的冲击动力学，因为金融机构的规模和市场集中度很可能会影响整个系统的健康。系统性风险模型的DSGE方法在评估金融冲击的系统性影响方面存在严重局限性。本段将探讨其中两个问题。DSGE模型方程深深植根于新古典主义和最近的新凯恩斯主义理论（Wickens，2012）。这意味着影响这些理论的任何偏见也会反映在计算模型中。最关键的假设是一般均衡：经济存在一个稳定状态，随着时间的推移趋于收敛（Starr，2011）。这种假设被认为是不现实的。更仔细的实证检验表明，经济和社会过程是动态的，处于一种进化变化和多重均衡的状态（Beinhocker，2007；Hodgson和Knudsen，2010）。事实上，经济体的特点是其不断变化的面貌，例如新产业的兴起和其他产业的衰落，创新导致劳动力需求的变化（Arthur，2006）。一般均衡假设的实际含义是低估了系统内冲击的传播。

模拟的冲击使系统偏离稳定状态，而指示金融参与者行为的方程式将以这样一种方式发挥作用，使系统返回稳定状态（Colander et al.，2009）。这种负反馈可能会减少或消除冲击的正反馈，起到偏见的作用。第二个缺点与DSGE模型过于简单有关。德沃尔克、皮尔兰和鲁阿巴（2010年）的一份报告只统计了两家公司和两家银行。此外，Gerali等人（2010年）的模型只模拟了极少数的金融机构。截至2014年2月，仅在英国就有157家银行成立了公司（英格兰银行，2014年）。如果没有实际数量的金融参与者，就不可能获得有关冲击如何影响金融系统的知情账户。主要原因是，随着市场参与者数量的增加，冲击动态可能会发生质的变化，这种现象被称为涌现（Standish，2001；Gregersen，2002）。2008年的金融危机是通过数百名参与者的非平凡互动而产生的，而不仅仅是一场灾难（Taylor，2009）。2.2.3网络分析上述两种方法的缺点主要是由于忽视了金融系统的复杂性。这两种贡献在政策制定方面都取得了不连续的成功，因为它们的阐述很容易，并且与现有的政策工具兼容——代价是严重损害了理解信贷危机动态的能力。成本远远大于收益，需要一种替代的、更经验性、更精细的方法。