系统性风险模拟框架及其应用

相似文件 换一批

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：
《A framework for simulating systemic risk and its application to the
  South African banking sector》
---
作者：
Nadine M Walters, Conrad Beyers, Gusti van Zyl, Rolf van den Heever
---
最新提交年份：
2018
---
英文摘要：
  We present a network-based framework for simulating systemic risk that considers shock propagation in banking systems. In particular, the framework allows the modeller to reflect a top-down framework where a shock to one bank in the system affects the solvency and liquidity position of other banks, through systemic market risks and consequential liquidity strains. We illustrate the framework with an application using South African bank balance sheet data. Spikes in simulated assessments of systemic risk agree closely with spikes in documented subjective assessments of this risk. This indicates that network models can be useful for monitoring systemic risk levels. The model results are sensitive to liquidity risk and market sentiment and therefore the related parameters are important considerations when using a network approach to systemic risk modelling.
---
中文摘要：
我们提出了一个基于网络的系统性风险模拟框架，该框架考虑了银行系统中的冲击传播。特别是，该框架允许建模者反映自上而下的框架，即系统中一家银行受到的冲击通过系统性市场风险和相应的流动性压力影响其他银行的偿付能力和流动性状况。我们用一个使用南非银行资产负债表数据的应用程序来说明该框架。系统性风险模拟评估中的峰值与记录在案的该风险主观评估中的峰值非常一致。这表明网络模型可用于监测系统风险水平。模型结果对流动性风险和市场情绪敏感，因此在使用网络方法进行系统风险建模时，相关参数是重要的考虑因素。
---
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
--

---
PDF下载：
--> A_framework_for_simulating_systemic_risk_and_its_application_to_the_South_Africa.pdf (1.6 MB)

2022-6-11 03:22:53 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：系统性风险 系统性 Quantitative Applications Application

1 NM Walters、FJC Beyers、AJ van Zyl和RJ van den Heever提出的系统性风险模拟框架及其在南非银行业的应用摘要我们提出了一个基于网络的系统性风险模拟框架，该框架考虑了银行系统中的冲击传播。特别是，该框架允许建模者反映自上而下的框架，即系统中一家银行受到的冲击通过系统性市场风险和相应的流动性压力影响其他银行的偿付能力和流动性状况。我们用一个使用南非银行资产负债表数据的应用程序来说明该框架。系统性风险模拟评估中的峰值与记录在案的该风险主观评估中的峰值非常一致。这表明网络模型可用于监测系统风险水平。模型结果对流动性风险和市场情绪敏感，因此在使用网络方法进行系统风险建模时，相关参数是重要的考虑因素。系统性风险；银行网络；网络结构；市场情绪联系方式1。导言1.1系统性风险和金融传染的蔓延是监管银行系统稳定性的监管机构的重要考虑因素。银行系统是运转良好的金融系统的核心。系统崩溃将阻碍经济增长，进而可能对经济造成永久性损害（Cerra&Saxena，2017）。因此，监管者必须防止触发此类故障。后期的监管干预可能比早期的干预成本更高。

监管机构昂贵的救助负担最终由纳税人承担，这对经济产生了负面影响。另一方面，如果允许银行在没有任何干预的情况下倒闭，经济可能会因投资者存款损失、利率上升、可能的银行挤兑等而紧张。因此，监测金融系统的系统性风险水平对于确保经济的长期稳定和增长至关重要。1.2流动性和市场情绪是银行系统正常运行的两个关键要求，两者也密切相关。在经济困难时期，缺乏信任会转化为非银行金融机构不愿向银行更新资金。然后，它们实施了更严格的贷款要求，这导致贷款和债券的风险溢价增加，从而增加了银行的批发融资成本。偿还新债务所收取的较高利率意味着可能需要清算更多资产以偿还债务或减少资产来源，从而减少（缩小）受影响银行的资产负债表规模。这给这些银行的流动性头寸带来了压力，因为短期负债和资产之间的期限错配增加了。最终，当融资成本变得不可持续的高时，银行可能被迫收回贷款或过早清算资产。这与增加的融资成本一起，可能会大幅降低银行的盈利能力，从而降低其留存收益。这反过来减少了其一级资本，这可能导致偿付能力问题（Furceri&Mourougane，2009）。这造成了不信任的螺旋。1.3银行系统的复杂性仍然难以复制和精确建模。

使用集成建模框架的自底向上方法非常有用，但它们很难校准、昂贵且不易获得。这是因为在实践中，这种方法将涉及监管机构向所有银行提供一个特定的场景，然后银行量化自己的风险头寸，以便监管机构可以汇总风险头寸（Borio、Drehmann&Tsatsaronis，2014）。因此，寻找从一开始就考虑整个系统并能够检测系统风险变化的简化模型很有意义。我们通过表明系统性风险的网络模型可以在很大程度上满足这一要求来对此作出贡献。我们通过将这种自上而下的模型应用于真实世界的资产负债表数据，并表明在各种网络结构的市场压力下，可以检测到风险的变化，从而说明如何使用这种自上而下的模型。我们将注意力转向由摩擦（如对体系缺乏信任）导致的短期债务展期问题。1.4我们旨在模拟的事件链如下：系统中的一家银行遇到偿付能力问题，这可能是由于不良贷款减值大幅增加所致。这可能是由于一些原因造成的，例如不可持续的贷款做法或其目标市场的中断（例如南非经历的矿山关闭）。需要注意的是，应用的模型不要求我们指定导致初始银行违约的事件，也不试图对其进行建模。上述银行的股本随后下降，股东需要承担损失（其次是其他次级债权人）。现在，对银行体系有两个关键的潜在影响。

首先，其他银行的资产负债表可能会受到资产重估和减值准备的影响，它们可能需要提高额外的减值准备（例如，如果初始银行的问题是由于特定类型贷款账簿的减值增加，其他银行可能需要提高类似账簿的减值准备，以考虑减值的预期增加）。另一种可能性是，该行最终可能需要诉诸强制出售来产生流动性。市场上这些资产供应的增加可能会压低其市值，导致持有类似资产的其他银行出现一些（尽管有限）按市值计价的损失。在本研究中，并未明确区分这些可能性（以及初始违约对其他银行的银行或交易账簿的影响）。在此，我们假设其他银行的资产负债表出现净减少，这可能是由于法定准备金的增加，或者是这一情况与按市值计价的损失相结合。采用这种方法是为了保持模型简单，并与文献中的现有模型保持一致（例如，见Nier et al.（2008）、Gai&Kapadia（2010）、May&Arinaminpathy（2010）、Arinaminpathy、Kapadia&May（2012））。值得注意的是，这些论文的叙述侧重于这种传染机制的火爆销售方面。然而，由于这是在特定金融环境中的实际应用，我们也将因银行账簿准备金增加而导致的损失纳入该机制。最初陷入困境的银行的第二个影响是影响其他银行资产负债表的负债方面，更可能导致危机蔓延。

投资者对银行偿债能力的信任可能会下降，因为他们无法区分财务状况良好的银行和陷入困境的银行。这导致了流动性问题，因为非银行金融机构不愿续借贷款，因此受影响银行的短期债务展期成本增加。银行需要提前偿还其短期债务，因为它们通常投资于长期资产，并从出资人那里获得短期存款。在正常情况下，这使他们能够以较低的融资成本获得所需的流动性。然后，银行可能被迫以低于市场价值的价格出售资产，以产生流动资金，避免资产负债表上的期限错配。1.5作为一个自顶向下的模型，我们提出了网络理论的应用。它被广泛应用于社会学、计算机科学、流行病学、生物学、经济学和金融学等学科。过去十年的文献中已经建立了系统性风险的网络模型（调查见Upper&Worms（2004）和Chinazzi&Fagiolo（2013））。它涉及将银行系统表示为一个相互关联的代理网络，其中银行之间的交互是显式建模的。Allen&Babus（2008）解释了为什么网络理论是理解和分析金融系统中系统性风险的有用工具，并为分析它们之间的联系提供了一种有意义的方法。他们认为，网络理论有助于通过考虑单个机构如何给整个系统带来风险来调查金融稳定性。正如Georg（2011）和Ladley（2013）所示，网络理论也可用于研究共同的全系统冲击的影响。2、相关文献2.1网络模型背景2.1.1。

网络是一个 交互代理（称为节点），它们之间的交互在节点（称为边）之间形成链接。它可以表示为图形，即一对 , 哪里  表示节点和   是边的集合。边缘 是两个节点的集合   通过网络中的链路连接的。在这个应用程序中，我们使用有向图。这里，收藏 排序，每条边从第一个节点开始 并在第二个节点结束. 下面的图1和图2说明了无向图和有向图之间的区别。图1：。图2所示为无向图。有向图2.1.2的图解。建模节点间边的一种常用方法基于Erds&Rényi（1959）研究的最早的图概率模型之一。这里，网络中的每条边都以固定的概率存在, 称为Erds-Rényi概率。生成的图称为Erds-Rényi网络。它可以用于有向图和无向图。我们将该模型与它的扩展进行了比较，其中有向edge4存在于节点 到, , 取决于节点 和. 请注意，对于此应用程序，  对于所有人  , 据说该图不包含任何循环（即边不能在同一节点开始和结束）。2.1.3.  银行由节点表示，银行问题向其他银行蔓延的路径由边缘表示。边缘需要定向，以考虑损耗在系统中传播的方向。第3.2节进一步讨论了将边缘解释为传递不确定性的机制。2.1.4.

任何节点 已连接到另一个节点   由给出 . 它可以用来衡量网络的互联性。我们还使用它来标准化附录C中描述的Erds-Rényi网络的不同扩展。第3.2节中描述的网络损耗传输利用节点的最短路径。节点的最短路径 到另一个节点, 说, 是可用于从节点移动的最小边数 至节点. 它用于测量网络中两个节点之间的距离，并考虑边缘方向。2.1.5.  银行通过网络中的边缘相互连接的方式称为网络结构。现实世界的系统通常比标准的Erds-Rényi网络等纯随机网络更复杂（Kim&Wilhelm，2008）。它们通常表现出低平均最短路径和聚集在一起的节点等特征（称为小世界特性）。Watts-Strogatz模型（Watts&Strogatz，1998）可用于生成此类网络。其他常用的网络模型包括节点具有与其连接的边数的幂律分布的网络模型（称为幂律度分布）。Barabásie-Albert模型（Albert&Barabásie，2002）可用于生成具有此属性的网络。2.1.6.  这种幂律分布对于可能表现出这种行为的大型网络来说很有意义（Boss等人，2004，Gabrieli，2011，Santos&Cont，2010，Cont，Moussa&Santos，2012）。对于南非系统等较小的网络，幂律分布理论上不合适，也很难测试。

本文通过研究适用于较小网络的网络结构来解决这一缺点。我们将自己限制在概率 是节点属性的函数 和. 这样做首先是为了使我们能够测试各种各样的结构，因为它们是以类似的方式模拟的，因此彼此具有可比性。其次，由于 概率取决于节点 和, 它使我们能够明确考虑银行之间的差异。最后，具有幂律度分布的模型对于节点数很少的网络（如我们这里所考虑的网络）没有多大意义。2.2相关文献2.2.1。衡量系统性风险的方法通常可以根据其是否基于市场信息（即资产价格）或资产负债表信息进行分类。He&Krishnamurthy（2014）和Hautsch，Schaumburg&Schienle（2015）的研究就是前者的例子，而网络模型通常利用资产负债表信息。由于基于市场信息的方法依赖于市场效率的假设，因此在解释结果时必须考虑到这一点，而资产负债表驱动的模型则不是这样。使用资产负债表数据的另一个优点是，可以将系统性风险的影响与监管机构的任何缓解措施分开，而资产价格通常会隐含考虑监管干预的可能性（Birchler&Facchinetti，2007，Alessandri5 et al.，2009）。网络模型的另一个优势是强调银行相互影响的方式。此类模型明确区分了单个实体和整个金融网络（Bisias等人，2012年）。2.2.2.

系统性风险的网络模型通常将节点之间的边缘表示为银行间资产和负债。这类模型假设，只要系统中的银行违约，它就无法履行对债权人的承诺，从而无法履行其银行间承诺。我们注意到，在南非银行业环境中，与其他无担保债务相比，银行间贷款的层次结构没有明确定义。因此，如果银行违约，其他无担保负债可能在银行间负债之前接受自救。这就是为什么我们在本研究中采用了不同的方法，并且没有对银行间借贷关系进行建模。相反，我们考虑的是适用于任何司法管辖区的传染机制，即市场中的信任缺失如何可能蔓延到其他银行，从而造成不确定性和短期债务展期的困难。2.2.3.  无论边代表什么，网络模型都足够灵活，可以在各种不同的情况下使用。例如，Markose、Giansante和Shaghaghi（2012）调查了美国信用违约掉期产生的风险网络，Battiston等人（2012）研究了美国联邦储备银行紧急贷款计划产生的贷款，Garratt、Mahadeva和Svirydzenka（2011）考虑了国际银行风险。2.2.4.  在对金融系统的系统性风险进行建模时，重要的是要包括其他传染渠道，如市场流动性风险（Upper，2011）。Chen、Liu和Yao（2016）发现，在网络环境中，市场流动性风险对系统性风险有显著影响。纳入市场流动性风险的系统性风险网络研究包括Gai&Kapadia（2010），Roukny等人的研究。