银行间网络的组织以及欧洲央行如何实现非常规

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：
《The organization of the interbank network and how ECB unconventional
  measures affected the e-MID overnight market》
---
作者：
Paolo Barucca and Fabrizio Lillo
---
最新提交年份：
2017
---
英文摘要：
  The topological properties of interbank networks have been discussed widely in the literature mainly because of their relevance for systemic risk. Here we propose to use the Stochastic Block Model to investigate and perform a model selection among several possible two block organizations of the network: these include bipartite, core-periphery, and modular structures. We apply our method to the e-MID interbank market in the period 2010-2014 and we show that in normal conditions the most likely network organization is a bipartite structure. In exceptional conditions, such as after LTRO, one of the most important unconventional measures by ECB at the beginning of 2012, the most likely structure becomes a random one and only in 2014 the e-MID market went back to a normal bipartite organization. By investigating the strategy of individual banks, we explore possible explanations and we show that the disappearance of many lending banks and the strategy switch of a very small set of banks from borrower to lender is likely at the origin of this structural change.
---
中文摘要：
银行间网络的拓扑性质在文献中得到了广泛讨论，主要是因为它们与系统风险相关。在这里，我们建议使用随机块模型来研究并在网络的几个可能的两个块组织中进行模型选择：它们包括两部分、核心-外围和模块化结构。我们将我们的方法应用于2010-2014年期间的电子银行间同业拆借市场，结果表明，在正常情况下，最有可能的网络组织是一个二分结构。在特殊情况下，比如2012年初欧洲央行最重要的非常规措施之一LTRO之后，最有可能的结构变成随机结构，直到2014年，电子中档市场才恢复到正常的双边组织。通过调查个别银行的战略，我们探索了可能的解释，我们表明，许多贷款银行的消失和一小部分银行从借款人到贷款人的战略转变很可能是这种结构变化的根源。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类：Physics        物理学
二级分类：Data Analysis, Statistics and Probability        数据分析、统计与概率
分类描述：Methods, software and hardware for physics data analysis: data processing and storage; measurement methodology; statistical and mathematical aspects such as parametrization and uncertainties.
物理数据分析的方法、软硬件：数据处理与存储；测量方法；统计和数学方面，如参数化和不确定性。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Mathematical Finance        数学金融学
分类描述：Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法，包括随机、概率和泛函分析、代数、几何和其他方法
--

---
PDF下载：
--> The_organization_of_the_interbank_network_and_how_ECB_unconventional_measures_af.pdf (511.23 KB)

2022-5-9 13:21:29 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：如何实现 欧洲央行 非常规 银行间 Organization

银行间网络的组织和欧洲央行的非常规措施如何影响了电子中游市场Paolo Barucca1,2,3和Fabrizio Lillo1,4,5 Scoula Normale Superiore，piazz a dei Cavalieri 7，5 6126 Pisa，苏黎世意大利大学，苏黎世朔伯格赛1号，8001 S Witzerlandondon Ins t for Mathemat i cal Sciences，伦敦南街35a，UKQUANTLab，via Pietrasanti na 123，56122 Pisa，意大利博洛尼亚大学数学系，圣多纳托港广场5号，40126博洛尼亚，意大利2018年10月16日摘要银行间网络的拓扑特性在文献中被广泛讨论，主要是因为它们与系统风险的相关性。在这里，我们建议使用随机块模型来研究和执行网络中几个可能的两个块组织之间的模型选择：它们包括两部分、核心-外围和模块化结构。我们将我们的方法应用于2010-2014年期间的电子银行同业拆借市场，结果表明，在正常情况下，最有可能的网络组织是一个二分结构。在特殊情况下，例如LTRO之后，在2012年初欧洲央行最重要的非常规措施的eof上，最有可能的结构变成随机结构，直到2014年，电子中档市场才回归到正常的双边组织。通过调查个别银行的战略，我们探索了可能的解释，我们表明，许多倒闭银行的消失和一小部分银行从借款人到债权人的战略转变很可能是这种结构变化的根源。1简介国际银行市场可以被视为现代金融系统的管道。它的运作和适当的组织对整个金融系统至关重要，并进而对整个经济至关重要。

最近的全球危机（再次）向我们表明，受金融冲击影响的第一个系统之一是银行间市场，该市场在雷曼兄弟倒闭后经历了流动性冻结或营业额大幅下降[1]。银行间市场中危机或违约级联的传播引起了广泛关注，并提出了几种银行系统性的模型和指标。由于所有这些原因，也由于越来越多的合适数据的可用性，近年来，许多实证研究调查了银行间网络的结构，这是银行间信用风险敞口的自然表现。特别是，对不同银行间网络的分析一致同意了几个经常观察到的“程式化事实”或统计规律：非常低的连通性、异质程度分布、节点之间的低平均距离、非分支混合、小集群和异质互惠水平[2、3、5、6、7、8]。很少有研究考虑银行间网络的规模组织，即如何将其划分为同质功能组。首先，银行间网络是一个多层网络，因为不同类型的信用关系（以抵押品的存在为特征）同时存在[9]。第二，当考虑一个单层，即一种类型的信贷时，更常被建议的大规模组织是核心-外围结构[18,13,22,9]。简单地说，核心是与其他核心成员最大连接的节点子集，而外围是由没有相互连接的节点组成的互补子集，但通过核心节点连接到网络。

核心-外围结构的推断是一个微妙的问题，已经提出了几种方法（讨论见附录a）。通常情况下，选择一个分数函数，然后在两组中数值确定节点的分区，从而使分数最大化。然而，所有提出的方法都没有正确地检验不存在这样一种结构的替代假设，也没有考虑存在两个分组但不是核心-外围分组的替代性实体。本文提出利用随机块模型（SBM）的推理来识别银行间网络的大规模结构。SBM已在[11,23]中引入，并越来越多地用于网络建模和结构推理。其思想是将节点集划分为m个块（组），两个节点链接的可能性取决于它们所属的组。因此，当存在群体时，这是经典的鄂尔多斯-仁义[15]随机图模型的自然延伸：在每个群体内，子网络为鄂尔多斯-仁义类型，在区块之间，子网络为随机二部图。当SBM有两个区块时，模型可以解释几种结构，包括组合混合（模r结构）、非组合混合（双极结构）和核心-外围结构。因此，通过对SBM进行最大似然估计，我们可以比较替代结构并选择最可能的结构。使用模型选择技术，我们还可以将其与纯随机图（即一个块结构）进行比较。该方法还允许考虑更丰富的组织，例如由更多块组成的组织，即使在本文中我们不考虑它们。一旦介绍了结构推理的方法，就很自然地要研究其动力学，即。

它在时间上如何演变，在痛苦时期如何变化。在本文中，我们将我们的方法应用于意大利银行间存托凭证电子市场（e-MID），此前在许多其他论文中进行了研究（仅举几例[4,3,5,17,18,6,19,21,29]）。然而，与之不同的是，我们研究了2010-2014年这段时间，这段时间对意大利（和欧元）银行体系来说是一个非常关键的时期。这是由于主权债务危机以及欧洲央行（ECB）对其做出的反应。特别是在2012年初，启动了长期融资业务（LTRO），其具体目标是帮助陷入困境的银行系统。本文有三个相关的研究问题：（i）“正常”时期银行间网络的大规模组织是什么？（ii）该组织如何响应欧洲央行的非常规措施？（iii）银行行为的哪些变化导致了这种结构变化？我们的主要发现可以总结如下：首先，在正常时期（例如2010年或2014年），电子中端市场最有可能的两个区块组织是两个部分，而不是核心-外围。这一证据是可靠的，因为在加权和非加权网络中都可以观察到，即使在网络的对称性变化中，也很少观察到核心-外围（至少在每月的时间尺度上）其次，在2012年至2013年的两年时间里，电子中端市场经历了结构上的巨大变化。连接借贷者和借贷者的典型二分结构不再是最有可能推断出的组织，但经常出现的无结构组织更好地描述了数据。

如上所述，仅在2014年观察到典型的两个区块结构的部分恢复第三，这种组织变革的微观根源可以通过观察银行如何围绕LTROs改变其电子商务策略来理解。我们观察到，在实施LTROs时，几家主要以净贷款为特征的银行停止了电子MID交易。此外，剩下的几家银行改变了他们的策略，大量的大型借款银行变成了贷款银行。为了将组织的宏观变化与银行行为的微观变化联系起来，我们进行了大量的数值实验，结果表明，极少数银行的上述变化可以解释2012-2013年中期观察到的随机结构的出现。二分体在核心-外围结构上的普遍性表明，至少在几天到一个月的时间段内，银行在（e-MID）市场上要么停滞不前，要么停滞不前。从市场的角度来看，这是不同的。在市场中，一组核心银行在外围银行之间穿插。对我们的发现提出了一些警告。我们的实证分析基于主权债务危机前后的e-Midmarket，它只是整个（意大利）银行间市场的一部分。因此，我们的结果可能在整个市场或不同时期有所不同。关于第一点，e-MID已被用于银行间网络的大量研究，证实了在更完整的数据集中获得的结果，这一事实鼓励我们认识到我们的结果的重要性。然而，上述大多数研究确实调查了危机前的一段时间，与我们的研究有一小部分重叠。

因此，我们的结果可能是调查期间的特定结果。无论如何，我们认为我们最重要的贡献是提出一种严格的统计方法，以推断银行间网络的最佳结构。论文的结构如下。在第二节中，我们介绍了推理技术，它使我们能够识别大尺度结构。在第3节中，我们描述了调查数据库、电子中介市场和调查期间关键事件的时间线，在第4节中，我们展示了这一推断的结果，显示了不同时期和不同时间尺度，当出现两块结构错误时，最有可能的网络组织。我们还记录了LTROs周围网络组织的变化。第5节详细调查了各银行对LTRO的反应，要么从市场上消失，要么将策略从借贷改为借贷（或者，更罕见的是，反之亦然）。在第6节中，我们通过进行复杂的数值计算，将组织结构的变化与银行战略的变化联系起来。最后，在第7节中，我们得出了一些结论，并提出了一些有待解决的问题。2.网络块结构的统计模型我们提醒大家，网络可以用加权邻接矩阵W={Wij}来表示。如果网络描述给定时间间隔内的银行间市场[t，t+t] ，每个节点都表示一家银行，并且Wijis元素等于i银行在此时间间隔内借给t obank j的金额（单位：欧元）。矩阵显然是不对称的。此外，有时考虑二元邻接矩阵A是方便的，其元素为Aij=1{Wij>0}，其中1b是集合B的指示函数。有不同的方法来识别网络中的blo-ck结构（社区、核心-外围等）。

一种方法是根据节点到块的分配选择评分函数，然后找到最小化或最大化该评分函数的分配。例如，在社区检测中，广泛使用的方法是模块化最大化。对于核心-外围的识别，建议采用类似的方法（见附录A和下面关于公式2的讨论）。这里遵循的另一种方法是指定一个统计模型，然后推断模型的参数和节点分配。这种方法的优点之一是不需要指定soughtstructure，但可以同时测试和选择可能的替代方案。在本文中，我们对银行间网络的大规模组织感兴趣，因此，我们将随机块模型（SBM）[23,14]视为一个统计模型，其中包括不同的网络组织。让我们首先考虑一个二进制网络，即我们丢弃权重。N个节点通过标签gi（i=1，…N）分配给不同的社区，其中每个节点都有一个标签gi，代表节点ibelongs所在的社区。然后，对于属于群（gi，gj）的每对节点（i，j），我们独立地以概率pgigjor而不是概率1添加定向链路- PgigA根据所谓的有效性矩阵pab的条目。因为图是有向的，所以a ffinity矩阵p是m×m非对称矩阵。因此，模型推理估计m+N相关参数，即单位矩阵的元素加上每个节点对其中一个MG组的N分配。给定赋值gian和p，我们根据概率质量函数p（A | g，p）=NY（i，j）pAijgigj（1）定义一组图- pgigj）1-哎呀。（1） 单位矩阵表征了网络的大规模结构。

为了简单起见，让我们考虑无向网络中m=2的情况。根据单位矩阵元素的相对大小，可以描述网络的结构：o如果p>p>p（或p>p>p），则网络具有模块化结构，即可以识别两个相对独立的社区。社区是一组节点，它们之间的连接比与网络其余部分的连接更紧密。结构模块化程度越高，相对于pand p越小。如果p>p>p（或p>p>p），则网络具有共外围结构。第1组（2）中的节点之间的连接很强，第2组（1）中的节点之间的连接很弱，并通过与第1组（2）中节点的链接连接到网络上如果p>p>p（或p>p>p），则网络具有二部结构。链接优先出现在属于两个不同组的两个节点之间，而属于同一组的节点之间的链接更为罕见。请注意，所有ps都不同于零的SBM实际上不是模块化或核心外围或二分体。事实上，一个完美的模块结构是p=0，或者一个完美的二部结构是p=p=0。因此，ps的排列最好地代表了两块网络组织。重要的是要指出，SBM根据群组内或群组之间链接的概率来识别群组，而不是考虑链接的数量。这种差异的一个明显表现可以通过考虑核心-外围系统来突出。识别核心的标准方法（见[18,24]）是找到一组节点，使得分函数z（S）=X（i<j）最小化∈S{Aij=0}+X（i<j）6∈S{Aij=1}。（2） 在（假定的）核心没有链接以及在（假定的）外围存在链接都会受到惩罚。

可以证明，在具有固定参数和节点分配的核心-外围SBM集合上，该评分函数的预期值不会返回正确的（根据SBM）核心大小，但会显著低估它，而且网络越大，这种影响越强。我们认为，考虑概率而非链路数量的方法更适合于块组织建模，因此我们建议SBM作为一种有效工具。SBM模型可以推广到链路可以采用任意权重的情况∈ N.概率质量函数becomesP（W | g，p）=NY（i，j）pwijgiggjwij！经验（-pgigj）。（3） 由于wiji是一个整数，因此可以解释为节点i和j之间存在Wijlinks。这是处理加权图集合的标准方法，将加权链接解释为多链接。在我们对银行间市场的分析中，我们使用Wij=logc（1+Vij）, 式中，c=1+min{Vij|Vij>0}和.. 是FLOOR函数。因此，对于未加权的情况，pgigjis是组Gi中的一个节点和组gj中的一个节点之间的链接概率，而在加权的情况下，它是两个节点之间的平均权重。可通过约束每个节点与每个不同组的节点具有固定程度（常规随机块模型（rSBM））[14]或通过约束每个组自身和所有不同社区具有固定数量的链接[25]，即所谓的微观规范随机块模型，这是我们用于分析e-MID银行间网络（见下文）的方法。2.1 SBM的推断通过SBM来确定给定观测网络的参数（g，p）。