银行间网络的组织以及欧洲央行如何实现非常规

这两个方面已经在之前的工作中概述过，它们揭示了电子中介市场是一个直接的、两极分化的市场，银行对借贷资金有着特定的需求。之前关于银行间网络结构的文献[18,13]将重点放在识别核心-外围结构上。在这里，我们讨论了这种差异的可能根源，以及不同的方法和/或数据转换如何影响错误的结构。有三个主要原因可以推断出银行间非加权对称日周月数B C M R B C M R B C M R B C M R2010 53 1 8 39 86 6 8 83 17 0 0 02011 54 1 7 39 73 18 0 58 42 0 02012 40 0 6 53 47 8 0 4 50 2 0 252013 37 1 4 58 32 2 6 50 0 422014 52 0 4 74 6 0 2 0 42 5 8 0加权对称日周月数B C M R B M R B C R2010 37 1 471 5 84 6 6 58 42 0 02011 38 7 39 1 6 57 3 1 2 10 67 33 0 02012 40 1 48 1 45 1 0 22 2 4 50 2 0 252013 36 1 50 1 3 24 1 0 44 2 2 25 3 25 172014 42 2 41 1 5 72 8 6 14 75 0 0 0表3：在调查的5年中，在不同的聚合水平上，e-MID银行间市场中推断结构的百分比。这些结构是二部结构（B）、核心-外围结构（C）、模块结构（M）和无结构结构（R）。该表指的是对称的未加权（顶部）和加权（底部）情况。网络，即（i）网络的对称化和二值化，（ii）时间聚合，以及（iii）推理方法的选择，首先，在对称化下，核心-外围可能更容易识别，因为从有向网络到无向网络，有关结构的信息丢失，结构识别可能受到总程度的强烈影响。

二值化，即忽略链接的权重，只考虑拓扑结构，提高了识别核心-外围结构的概率。表3显示了对称化和忽略（顶部）或考虑（底部）权重情况下SBM推断的结果。与表1的比较部分证实了推断核心-外围结构的可能性更大的趋势。还值得一提的是，网络上的大多数算法，包括SBM的推断和其他中心性度量，例如特征向量中心性，都高度依赖于程度异质性。如果没有适当考虑[23,25,10]，这种异质性会影响结构推断。事实上，可以找到一种核心-外围结构，其中最高阶节点放在核心中，最低阶节点放在外围中，而核心没有比外围更紧密地连接。其次，核心-外围可以从时间聚集中产生，节点可能会在时间上改变其行为，并开始同时具有外部和内部连接，从而使无结构的二部网络最终成为核心-外围网络。银行间市场[18,13,3]之前的工作主要集中在月度和季度聚合网络上，这些网络比每日和每周网络更密集，呈现出不太清晰的两部分结构：同样，拥有明确区块成员身份的银行，作为借款人或贷款人，最终可能会执行相反符号的交易，因此更难分配给两部分结构。我们从经验上观察了对称化如何在长时间尺度上增强核心-外围结构，而在短时间尺度上，网络在SBM的广义推理框架中保持高度双极性（见表3）。

在季度时间尺度上，我们推断20个季度聚合的非对称材料没有核心-外围结构，而在对称化的情况下，我们推断20个季度中有16个季度有核心-外围结构。第三是方法论上的原因。许多算法[12,24]预先假设核心-外围组织的存在，并在不针对替代结构进行测试的情况下找到最佳核心-外围组织。尽管量化网络本身的中心度和核心度度量可能很有用，但在解释结果时，重要的是使用适当的统计模型评估给定结构的相对相关性，例如SBM推理，通过对数似然法定量比较不同结构的重要性。值得一提的是，在一篇比较论文[10]中，我们对对称化的银行间网络应用了一种不同的推理方法（信念传播）。我们发现结果与本文所述基本一致，证实了我们的发现对推理方法的稳健性。5银行对欧洲央行非常规措施的反应为了了解LTROs周围银行间市场组织的变化，我们将调查个别银行战略的可能变化。为了简单起见，abank的策略在这里被认为是在给定时间段内对电子商务中的借贷活动的规避。为了监控策略及其变化，我们考虑了第t天的加权矩阵W（t），其元素Wij（t）等于从银行i到银行j的贷款金额。

然后，我们将在给定的日期t内介绍银行i的净电子商务bi（t）=PjWij（t）- Wji（t）。对于每个银行，我们评估bi（t）=Pts=1bi（s），即电子银行同业拆借市场中的贷款（符号为正）或借款（符号为负）净额。为了比较不同规模交易活动的银行，我们将数量bi（t）除以其在调查期内获得的最大绝对值，即标准化库存为bi（t）=bi（t）/bi，其中bi=maxt | bi（t）|。以这种方式，对于每一个BANK，bi（t）都是有界的[-1，1]，通常只到达其中一个边界。~bi（t）的局部正（负）斜率表示借贷活动，而当~bi（t）恒定时，银行很可能在e-MID中处于非活动状态。图4显示了许多选定银行的标准化库存~bi（t）。具体地说，在左上角的面板中，我们显示了10家银行的bi（t），这些银行在LTRO前时期通常处于破产状态，并在LTRO时停止了e-MID的交易活动。同样，在右侧的面板中，我们展示了6家借款银行的样本。最后，在图4的底部面板中，我们展示了5家银行的标准化库存，这些银行在LTRO之前处于劣势，并在LTRO时突然切换到贷方策略。我们观察到一两家银行将策略转向相反的方向，即从贷款转向借款（数据未显示）。在所有被审查的案例中，令人惊讶的是，在LTROs发生时，银行战略中的政权转变有多么剧烈。然后，我们对银行战略的变化进行了更系统的分析。2010 2011 2012 2013 2014 20150.0 0.4 0.8标准化库存2010 2011 2013 2015-1-0.6-0.2 2010年2011年2013年2014年2015年标准化清单-1-0.5 0.0 0.5标准化库存图4：电子商务市场中三组银行的标准化库存bi（t）。

顶部左侧（右侧）显示了10（6）家贷款（借款）银行在LTROs时停止了交易（由两条垂直虚线表示）。底部面板显示了5家银行从借贷行为转变为借贷行为。请注意，y轴的比例在三个面板中有所不同，以提高其可读性。为了考虑调查期间银行的规模和借贷比例，我们每次都会构建五个不重叠的集合：（i）大借款人（BBt）：净余额（绝对值）大于借款人之间净余额分布中值的银行。（ii）小借款人（SBt）：净余额（绝对值）小于借款人之间净余额分布中值的银行。（iii）大型贷款人（BLt）：净余额（绝对价值）大于贷款人之间净余额分配中值的银行。小型贷款人（SLt）：净余额（绝对值）小于贷款人之间净余额分布中值的银行。最后，我们定义了非活跃（NAt）集合，由在时间t未进行交易的银行组成。为了调查LTRO周围的战略变化，我们估计了2011年第一季度（与意大利主权债务危机的最关键时期相去甚远）和2012年第二季度（在第二次LTRO之后不久）之间的5×5过渡矩阵。矩阵如表4所示。除了对角线表示银行保留了他们的策略外，我们观察到了15/51 29%的贷款银行，但只有5/21 19%的银行变得不活跃。这与图4左上面板中观察到的行为一致。

此外，6/16 2011年，38%的BBS在LTRO之后成为贷款人，而只有4/26 15%的BLs成为借款人。考虑到所有借款人和贷款人，这种不对称性也很明显。最后，在2011年20年不活跃的银行中，有18家成为贷款人，只有9家成为借款人。因此，LTRO支持新贷款人的到来。上述分析表明，由于LTRO措施，相当一部分银行完全改变了其在电子银行同业市场的策略。尤其是一些银行（贷款比借款银行多）停止了他们在e-MID上的活动。丢失贷款银行的位置主要由从借款转向贷款的银行占据，即使有少数新的贷款机构进入市场。它是banksBBt的BBTSBTSLTBLTNAT#-137 21 26 5 11 19SBt-15 55 5 20 15 20SLt-123035152726BLT-112412403225NAT-10 9 18 0 73 11表4:2011年第一季度之间银行的转移概率矩阵（百分比）（以t表示）- 1） 2012年第二季度（以t表示）。七家重叠的银行分别是大借款人（BB）、小借款人（SB）、小贷款人（SL）、大贷款人（BL）和非活跃银行（NA）。最后一列报告了2011年第一季度每家银行的数量。有关集合的定义，请参见正文。可以合理预期，LTRO提供的新的廉价资金允许典型借款人在市场之外为自己融资。此外，这种转换行为表明，他们中的一些人也利用这个机会将电子货币中的钱借给其他银行，而这些银行可能无法获得LTRO计划。2012年之前不活跃于e-MID，但利用LTROA成为贷款人的机会的银行可能也在进行这项活动。

这种由例外措施引发的流动性流动，使e-MID在传统贷款人中占了很大一部分。总之，有一个强有力的迹象表明，我们上面记录的2012-2013年大型组织的变化与银行行为的这种变化有关。虽然证明因果关系通常非常困难，但在下一节中，我们将在微观层面的银行行为变化和宏观层面的大规模网络组织之间建立明确的联系。6剔除数值实验我们在上文中看到，一些银行在LTRO前后显著改变了其银行间活动，要么停止了市场活动，要么从借款人转向了alender公司（或者，更不常见的是，反之亦然）。在这里，我们调查这些银行的变化是否会导致前几节中记录的电子中型市场大规模组织的变化。为了回答这个问题，我们进行了敲除数值实验。与分子生物学[31]中的做法类似，在分子生物学中，基因一次沉默或突变一个，或分组，以确定其在表型中的作用，我们从网络库中删除一些基因，或修改其进出程度，并对获得的网络进行推理，以确定在保存二分结构方面发挥最大作用的基因库。特别是，我们考虑了2011年12个月聚合（二进制）网络显示无分支结构，2013年5个月聚合（二进制）网络显示arandom结构，因此我们可以在60对银行上进行淘汰实验。我们对2011年的网络进行了两种类型的修改，使其更类似于2013年的网络。两种类型的修饰是节点缺失和程度突变。节点删除。

其目的是测试某个重要银行的电子商务平台的消失是否是结构性变化的根源。为此，对于每个网络（A，B），其中A是2011年的网络，B是2013年的网络，我们构建了子网络C，其节点集由活跃的银行给出——即，两个网络中的度均为非零，其链路由2011年网络A的相应链路给出。对于所有60对夫妇，我们发现C维持着启动网络A的二分结构，确认结构的变化不能仅仅用活跃银行数量的下降来解释。程度突变。这里的目的是测试策略的变化（例如从借款人到贷款人）是否能够解释结构变化。为此，我们计算A和B网络中每一对网络的银行i内Kiin度和银行i外Kiout度，并计算每个银行的数量ki是2之间的欧几里德距离。我们之所以选择研究二进制网络，是因为我们想将因进出程度而导致的策略变化与因电子货币数量的全球变化而导致的策略变化分开。两个网络中的分量向量（kiin，kiout）。这个数量衡量了银行在考虑的两个月内的i策略的变化。然后，从变异最大的BANK开始k、 我们将其在A中的链接替换为在B中的链接，并按降序对所有银行重复此过程k、 最终，在足够的替换之后，网络将等于D——B的a子网络，仅限于与a相同的节点。因此，这个替换过程从C开始，C是二部的，D结束，D被发现为berandom。我们寻找最小的银行，拥有最高的利润为了诱导结构从双峰突变为随机突变，必须对其进行突变。

在每对网络中，这个临界集的维度（银行数量）和组成是不同的。因此，我们考虑一家银行处于临界集中的几个月的分数，从而得到每家银行的结构分数S。图5显示了分数S的直方图。很明显，一小部分银行的分数非常高。这一观察结果表明，应将它们视为结构上重要的金融机构，因为它们策略的改变几乎总是会导致网络从二分到随机的大规模结构变化。为了证实这一观察结果，我们采用了相同的替代过程，但现在我们按照S的降序进行，即我们改变了S最高的银行的链接。我们发现，60对网络中的所有结构变化都可以通过得分最高的两个银行的战略变化获得，将（结构上）重要银行的微观行为与银行间网络的宏观组织联系起来。总之，LTRO后观察到的电子中间网络组织从双边到随机的变化，可能是由于极少数银行的战略变化。欧洲央行廉价资金的可用性使一些银行改变了他们在电子商务中的通常策略，这一变化对国际银行网络的结构产生了重大影响。0.2 0.4 0.6 0.8 10123456789分数频率图5：分数S的直方图，银行在结构变化的关键集合中出现的fr动作次数。我们看到，少数银行——右翼银行——几乎总是处于临界状态。7结论在本文中，我们建议使用随机块模型来研究和执行网络中几种可能的两个块组织的模型选择：它们包括二部结构、核心-外围结构和模块化结构。

通过对2010年1月至2014年12月期间eMID银行间网络的实证研究，我们发现，定向二部结构最能描述所有聚合级别的e-MID银行间网络，随着聚合的增加，借款人区块的连接越来越紧密。这与之前的工作不同，之前的工作假设存在aspeci fi fic结构（核心-外围），并为其找到了一组银行的最佳分割。二分结构表明，银行根据其特定需求，借贷资金，以一种强烈两极分化的方式使用电子中间市场。库存和结构指标也显示出策略的强烈持续性，银行往往在几周内处于市场的同一侧（借款人或贷款人）。只有在长时间尺度（季度或更长时间）上，网络结构才开始与核心-外围一致。我们发现，欧洲央行的特别措施改变了许多银行的交易行为。我们认为，由于这种策略的改变，网络的结构组织也发生了巨大的变化。虽然在正常时期（2010-2011年和2014年），二部结构是最有可能的结构，但在LTRO之后的一年（2012-2013年），随机结构更好地描述了dat a。