银行网络与杠杆依赖：来自选定银行的证据

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Banking Networks and Leverage Dependence: Evidence from Selected
  Emerging Countries》
---
作者：
Diego Aparicio, Daniel Fraiman
---
最新提交年份：
2015
---
英文摘要：
  We use bank-level balance sheet data from 2005 to 2010 to study interactions within the banking system of five emerging countries: Argentina, Brazil, Mexico, South Africa, and Taiwan. For each country we construct a financial network based on the leverage ratio dependence between each pair of banks, and find results that are comparable across countries. Banks present a variety of leverage ratio behaviors. This leverage diversity produces financial networks that exhibit a modular structure characterized by one large bank community, some small ones and isolated banks. There exist compact structures that have synchronized dynamics. Many groups of banks merge together creating a financial network topology that converges to a unique big cluster at a relatively low leverage dependence level. Finally, we propose a model that includes corporate and interbank loans for studying the banking system. This model generates networks similar to the empirical ones. Moreover, we find that faster-growing banks tend to be more highly interconnected between them, and this is also observed in empirical data.
---
中文摘要：
我们利用2005年至2010年银行层面的资产负债表数据，研究了五个新兴国家银行体系内部的互动：阿根廷、巴西、墨西哥、南非和台湾。对于每一个国家，我们根据每对银行之间的杠杆比率依赖性构建了一个金融网络，并发现各国的结果具有可比性。银行呈现出多种杠杆比率行为。这种杠杆多样性产生的金融网络呈现出模块化结构，其特征是一个大型银行社区、一些小型银行和孤立的银行。存在具有同步动力学的紧凑结构。许多银行集团合并在一起，形成了一个金融网络拓扑结构，以相对较低的杠杆依赖水平汇聚成一个独特的大集群。最后，我们提出了一个包括企业贷款和银行间贷款的模型来研究银行系统。该模型生成的网络与经验网络类似。此外，我们还发现，增长较快的银行之间的关联性往往更高，这一点在经验数据中也得到了观察。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
PDF下载：
--> Banking_Networks_and_Leverage_Dependence:_Evidence_from_Selected_Emerging_Countries.pdf (1.61 MB)

2022-5-8 12:16:23 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Applications interactions Econophysics QUANTITATIV

2018年8月21日3:36 WSPC/指令文件银行业务˙网络˙arxiv˙重新提交复杂系统的进展C 世界科学出版公司银行网络和杠杆依赖：来自选定合并国家的证据美国麻省理工学院IEGO Aparicodepartment of Economics。丹尼尔·弗莱曼*阿根廷圣安德烈大学材料与科学系。阿根廷科尼塞特。我们使用2005年至2010年银行层面的资产负债表数据来研究五个新兴国家银行体系内部的互动：阿根廷、巴西、墨西哥、南非和台湾。对于每个国家，我们根据每对银行之间的杠杆比率依赖性构建了一个金融网络，并找到了各国可比的结果。银行呈现出多种杠杆比率行为。这种杠杆多样性导致金融网络呈现出模块化结构，其特点是一个大型银行社区、一些小型银行和孤立的银行。存在具有同步动力学的紧凑结构。许多银行集团合并在一起，形成了一个金融网络拓扑结构，以相对较低的杠杆依赖水平汇聚成一个独特的大集群。最后，我们提出了一个包括公司贷款和银行间贷款的模型来研究银行系统。该模型生成的网络类似于经验网络。此外，我们还发现，增长较快的银行之间往往更紧密地联系在一起，这一点在经验数据中也得到了观察。关键词：杠杆动力学；银行网络；资产负债表数据1。

简介始于2007年的全球金融危机引发了大量与信用相关的主题的研究，如风险评估、金融传染、监管负债或流动性比率、衍生品滥用（参见[1,2,3,4]）。随着危机的展开，从单个银行层面以及总体系统角度理解信贷风险变得越来越重要。一家银行被认为更安全或风险更高，不仅基于其资产负债表数据或增长估计，还基于保险公司的财务实力，如果债务人违约，保险公司会介入*通讯作者：dfraiman@udesa.edu.arAugust2018年3月21日36:WSPC/INSTRUCTION FILEbanking˙networks˙arxiv˙重新提交2 D.Aparicio和D.Fraiman与银行间风险敞口较大的同行的财务困境，流动性枯竭，可能引发大规模资产再出售，甚至可能导致中央ZF向最后贷款人提供救助[5,6,7]。保险公司在该网络中发挥了关键作用：如果某项资产未能及时付款，他们有义务进入现场。然而，一旦保险公司无法对其投保的每一项风险资产进行赔偿，金融危机事件可能会在整个金融系统中传播[8]，这一点也变得显而易见。银行必须开始意识到巨大的资产损失，如果一家银行违约，其他相互关联的机构可能会跟进，这可能会引发一系列破产[9]。担心储蓄的人可能会排队取款，导致所谓的银行挤兑，比如在美国、英国、冰岛、西班牙或巴西[6,10]。

这一背景与当前的工作相关，因为如今的大部分讨论仍然是如何定义和监管更高的资本要求，同时权衡所涉及的交易效应，即更高的成本，或贷款转移到影子银行（[23]）。本文通过使用基于网络的框架来研究不同国家金融机构之间联系背后的结构和内部动态，为这一学术讨论做出了贡献。网络理论在金融市场的应用[14,15,16,17]取代了一套新的方法，用于研究相互关联的代理、机构或金融产品（如投资组合、股票指数、衍生品）中的相互作用。然而，其文献是相当新的，据我们所知，没有人使用来自多个国家的银行财务报表的实际（非模拟）数据来研究银行体系结构。鉴于实际的银行间数据（如贷款、回购、掉期）尚未公开，我们认为，某些关键资产负债表项目的常见行为仍可能产生相关影响。正如我们从危机中了解到的那样，两家银行可能会面临彼此的风险，即使它们之间没有金融交易：如果一家银行倒闭，市场状况（流动性、股价、并购预期）都可能会经历连锁反应。一般来说，金融机构，无论是商业银行、投资银行、开发银行、经纪交易商或信用合作社，都受各国中央银行的监管。

这些机构（以下简称银行）通常必须向相应的中央银行监管机构提交季度或月度财务报表。本文利用了丰富、同质且定期可用的信息，并使用了从2010年12月开始的2005年至2010年的资产负债表数据，作为对金融危机的回应，巴塞尔银行监管委员会制定了新巴塞尔协议，甚至在许多国家完全实施巴塞尔协议2或巴塞尔协议2.5之前[11、12、13]。巴塞尔协议3引入了一系列修改，包括对银行资本的定义、对风险加权资产计算的额外调整、更强的资本比率和额外的流动性缓冲。2018年8月21日3:36 WSPC/指令文件银行˙网络˙arxiv˙重新提交银行网络和杠杆依赖3个国家：阿根廷、巴西、墨西哥、南非和台湾。然后，我们从金融机构之间的杠杆依赖性构建银行功能网络，并分析这种网络的结构。我们发现，结构倾向于以相对较低的相关性水平分组成大簇。所有国家都有一个由一个大型银行社区、一些小型银行和孤立银行组成的模块化结构。此外，我们还提出并模拟了一个公司和银行间贷款模型，该模型产生了丰富多样的资产负债表增长。当我们根据杠杆依赖性构建模拟银行功能网络时，我们发现结果与经验网络一致。尽管没有实际的银行间合约，但这些发现转化为传染和集中方面的相关政策影响，并为未来的研究提供了潜在途径。本文分为以下几个部分。

第二节描述了数据和方法，第三节描述了本文的主要结果，第四节模拟了银行间贷款模型，并与实证数据进行了比较，第五节得出结论。2.方法2。1.资产负债表数据说明我们使用阿根廷、巴西、墨西哥、南非和台湾五个发展中国家2005年至2010年的资产负债表数据研究金融机构之间的互动。我们检索每月或每季度抽样的每个金融机构的总资产和总负债，以初始报告频率较高的为准。假设Ak（t）和Lk（t）分别是k银行在t时的总资产和负债。对于每个国家，银行的数量N随时间变化，因此N（t）是一个随机的出生和死亡过程。在2005年至2010年的整个观察期内，2005年的现有银行可能会破产、与其他银行合并，或者干脆生存到2010年。另一方面，新的银行可能会出现在两者之间，比如2006年，因此也会修改N（t）。由于这项工作的目的是研究银行之间的相互作用，我们将从数据集中删除那些观察不完整的银行。例如，如果一家银行在2007年停止或开始报告数据，其观察结果将从该国删除。设N为满足前述条件的银行，即所研究银行的有效数量。下表显示了2005年和2011年的银行数量（N（2005）和N（2011）），以及调查期间出现的银行数量（~N）。表1还包括2005年至2011年期间出生（死亡）人数、出生（死亡）人数。例如，2005年至2011年间，巴西有49家银行被创建，28家银行消失。这些新银行中只有两家在2011年之前退出了银行体系。

除巴西外，其他国家满足以下等式：~N=N（2005年）- 恩戴斯。我们根据大小将这些国家分为两组，一组由2018年8月21日3:36 WSPC/指令文件银行业务˙网络˙arxiv˙重新提交4 D.Aparicio和D.Fraimancontry N（2005）N（2011）NbirthNdeath)NArgentina 81 78 36 756巴西105 126 49 28 78*墨西哥33 40 14 7 26台湾48 38 8 18 30南非33 31 0 2 30*表1。2005-2011年研究的五个国家的金融体系规模。*一家来自巴西的银行和一家来自南非的银行被排除在外，因为在某些时间段缺少数据。阿根廷和巴西，另一个由墨西哥、南非和台湾组成。第一组代表了一个大型银行系统，其≈ 第二个是规模较小的银行系统≈ 30.还请注意，nbrazil（以及墨西哥）和台湾之间的不同动态：前者的银行数量随着时间的推移而增加，后者则减少。相比之下，阿根廷和南非在研究期间表现出非常小的N（t）波动。2.2. 网络结构构建资产负债表外的关联网络需要选择满足两个一般属性的交互度量。首先，它应该避免虚假的相关性，以便我们尽可能避免使用一个非平稳变量，该变量可能会随着全球趋势而增加或减少。第二，描述一个经济过程应该是相关的。换言之，如果两家银行与某一特定变量相关，则应意味着它们受制于某些同等的市场或经济条件，因此可能会分担相同的风险。

我们认为，资产负债表总额（如资产）不适合定义网络，因此建议使用杠杆率。以总资产为例，总资产被视为银行规模的代表，并受到大量全球或宏观经济环境的影响。在正常市场条件下，由于经济总体增长、通货膨胀、扩张性货币政策的资产负债表影响、人口（客户群）增长、获得银行服务的机会增加（银行渗透）、银行持有的证券（股票或债务）价值增加，金融机构的资产预计会随时间增长。似乎几乎任何一对银行，无论它们是否有合同关联，都会产生正的EASSETS关联，从而错误地暗示存在过度链接的网络。相反，我们建议使用负债程度（以下简称杠杆率）作为衡量互动的标准。我们将杠杆定义为以下杠杆=负债权益，其中负债和权益指的是给定银行的资产负债表变量2018年8月21日3:36 WSPC/指令文件银行业务˙网络˙arxiv˙重新提交银行网络和杠杆依赖性5图。1.银行杠杆变化的两个例子。增加（A）和减少（B）杠杆比率。必须满足通常的会计等式：资产=负债+权益，并以账面价值计量。因此，银行k的杠杆比率，Leveragek=LkAk-Lk表示该银行用于资产融资的股权和债务比例。B考虑例如图1的面板（A）和面板（B），其分别显示杠杆增加和减少的示例。

前者可能发生，例如，通过信贷质量冲击，现有债权的价值降低，银行增加其贷款损失准备金。这种贷款冲销会导致总股本的减少，从而提高该比率。例如，如果银行仅仅通过发行债务为潜在收购融资或扩大其信贷组合，杠杆率也会上升。关于第（B）组，银行可以通过用自己的现金提前偿还债务来去杠杆化，总资产和负债都会减少。股东也有可能进行增资，以偿还债务或缓冲其资产。这些例子仅说明了为什么杠杆率可能会在金融机构内发生变化的许多不同场景中的一小部分。b该比率与资本比率的不同之处在于，银行的资本由普通股（减去商誉）以及1/2级组成，如混合证券、可转换资本工具、优先股、准备金、贷款损失准备金和其他调整。这一定义因国家而异。2018年8月21日3:36 WSPC/INSTRUCTION FILEbanking˙networks˙arxiv˙重新提交6 D.Aparicio和D.Fraiman最后，为了解决固定问题，图2描述了每个国家杠杆率的中位数（结果与平均值保持不变）随时间的变化。与负债和资产的情况相反（图A.1），leverageratio没有表现出任何强烈的时间依赖性。每个国家都展示了自己的杠杆范围，随着时间的推移或多或少会发生变化。例如，台湾的特点是杠杆率中值较高(~ 16） 而阿根廷和巴西的比例较低(~ 6).由于银行资本监管的不同，各国的信用评级水平预计会有所不同。

每个国家都可以对对冲操作、买卖外币的能力、在国内或国际市场（以及以何种货币）发行债务、银行可能受制于特定的政府计划（例如，具有预定利率的补贴抵押贷款或消费信贷计划）、股息分配限制施加自己的限制。中央银行还可能制定货币和/或通货膨胀目标利率，这反过来会修改银行相互借贷的参考利率，从而修改家庭或企业获得信贷的利率。各国的会计合并做法或税收也有所不同。总的来说，这些因素限制了在国家层面上构建基于平均值的网络，而不是聚合的国家间网络。特别是，我们构建了杠杆依赖的国家级网络，如下所示。1.计算一个特定国家的所有银行从2005年到2010年的杠杆时间序列。在考虑合并和收购后，数据点不完整的银行被排除在外（要么是因为它们出现的时间晚于2005-2010年的范围，要么是因为它们消失的时间早于2005-2010年的范围）。计算所有银行对之间的杠杆相关矩阵。3.每当相关性超过给定的阈值ρ时，在组（节点）之间建立链接。研究了不同ρ值下的网络结构。最后，请注意，杠杆比率也具有不依赖于货币的重要优势，因此允许我们在各国使用相同的变量。此外，监管或当地实践中对提高负债率的任何差异（例如：。