银行危机的实证特征：二元分析

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：
《Empirical facts characterizing banking crises: an analysis via binary
  time series》
---
作者：
Paolo Di Caro, Giuseppe Pernagallo, Antonino Damiano Rossello and
  Benedetto Torrisi
---
最新提交年份：
2019
---
英文摘要：
  Various works have already showed that common shocks and cross-country financial linkages caused the banking systems of several countries to be highly interconnected with the result that during bad times, banking crises may arise simultaneously in different countries. Our aim is to provide further evidence on the topic using a dataset made by dichotomous banking crises time series for 66 countries from 1800 to 2014. Via the use of heatmap matrices we show that several countries exhibit pairwise correlation, which means that banking crises tend to occur in the same year. Clustering analysis suggests that developed countries (for the most European ones) are highly similar in terms of the path of events. An analysis of the events that followed the Great Depression and the Great Recession shows that after the crisis of 2008, banking crises tend to characterize countries tied by financial links whereas before 2008 contagion seems to affect countries in the same geographical area. Clustering analysis shows also that after financial liberalization, crises affected countries with similar economic structures and growth. Further researches should enlighten the origin of these linkages investigating how the process of contagion eventually happens.
---
中文摘要：
各种研究已经表明，共同冲击和跨国金融联系导致几个国家的银行系统高度互联，结果是在经济不景气时，不同国家可能同时出现银行危机。我们的目标是利用1800年至2014年66个国家的二分银行危机时间序列数据集，提供关于这一主题的进一步证据。通过使用热图矩阵，我们表明几个国家表现出成对关联，这意味着银行业危机往往发生在同一年。聚类分析表明，发达国家（对于大多数欧洲国家）在事件发生的路径上非常相似。对大萧条和大衰退之后发生的事件的分析表明，2008年危机之后，银行业危机往往以金融联系紧密的国家为特征，而在2008年之前，危机的蔓延似乎影响到同一地理区域的国家。聚类分析还表明，金融自由化后，危机影响到经济结构和增长相似的国家。进一步的研究应该能够揭示这些联系的起源，研究传染过程最终是如何发生的。
---
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
--

---
PDF下载：
--> Empirical_facts_characterizing_banking_crises:_an_analysis_via_binary_time_series.pdf (776.07 KB)

2022-6-14 14:50:21 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：银行危机 元分析 Applications Econophysics Geographical

银行危机的经验事实：通过二元时间序列Paolo Di Caro1、Giuseppe Pernagallo2、Antonino Damiano Rossello3和Benedetto Torrisi4分析意大利经济和财政部财政部；意大利罗马。（电子邮件：paolo。dicaro@uniroma1.it)2卡塔尼亚大学经济与商业系（通讯作者，电子邮件：giuseppepernagallo@yahoo.it)3卡塔尼亚大学经济与商业系（电子邮件：rossello@unict.it)4卡塔尼亚大学经济与商业系（电子邮件：btorrisi@unict.it)各种研究已经表明，共同冲击和跨国金融联系导致几个国家的银行系统高度互联，结果是在经济不景气时，不同国家可能同时出现银行危机。我们的目标是利用1800年至2014年66个国家的二分银行危机时间序列数据集，提供关于这一主题的进一步证据。通过使用热图矩阵，我们表明几个国家表现出成对关联，这意味着银行业危机往往发生在同一年。聚类分析表明，发达国家（对于大多数欧洲国家）在事件发生的路径上非常相似。对大萧条和大衰退之后发生的事件的分析表明，2008年危机之后，银行业危机往往以金融联系紧密的国家为特征，而在2008年之前，危机的蔓延似乎影响到同一地理区域的国家。聚类分析还表明，金融自由化后，危机影响到经济结构和增长相似的国家。进一步的研究应该能够揭示这些联系的起源，研究传染过程最终是如何发生的。

关键词：银行危机；二进制时间序列；聚类分析；金融传染；金融脆弱性。未经作者许可，请勿引用。1、导言本文的研究问题很简单：不同国家的银行业危机有关联吗？各种研究已经表明，共同冲击和跨国金融联系导致几个国家的银行系统高度互联（Bordo和Murshid，2001；Neal和Weidenmier，2003；Reinhart和Rogoff，2013），结果是，在经济不景气时，不同国家的银行危机可能同时发生。我们的目标是使用一个大的面板数据集提供关于这个主题的进一步证据。我们的数据涵盖了66个国家从1800年到2014年的时间段；调查的序列是二元序列，如果发生银行危机，则分类为1，否则分类为0。本文采用的方法很直观：我们首先通过运行测试测试随机性是否在每个序列的事件序列中起到任何作用，然后计算成对相关系数（对于二进制数据）并测试其显著性，通过热图矩阵呈现这一数量庞大的系数。通过卡方检验，我们发现相关性强度（中等或强）与所考虑的国家是否在同一大陆之间没有关联。最后，聚类分析使我们能够证明一组国家在银行业危机的发生方面是相似的，并评估这两次主要金融危机和金融自由化对所考虑的国家的影响。本文的结构如下。第2节简要定义了银行危机以及文献中提供的常见原因。

第3节显示了我们的分析结果。最后一节结束。2、银行危机：定义和成因银行面临的主要风险类别是信用风险（资产变坏并停止运行）、流动性风险（提款超过可用资金）和利率风险（利率波动会降低银行持有的债券价值）。这些风险，如果银行不能正确管理，可能成为金融不稳定的根源。银行业危机的定义并不一致（Chaudron和Haan，2014）。正如“银行”一词所指出的，（系统性）银行危机可以定义为一个国家的许多银行同时面临偿付能力或流动性问题的情况。出现这种情况时，该国金融部门的特点是金融机构多次违约，其中很大一部分机构面临无法或难以按时偿还合同的问题。Calomiris（2010，第4页）将银行业危机定义为“恐慌或银行倒闭浪潮”。另一个定义涉及资本方面，因此银行危机确定了银行系统资本大量耗尽的情况（Caprio和Klingebiel，1996；Laeven和Valencia，2008；Reinhart和Rogoff，2009；Laeven，2011）。银行业危机的原因可能不同（Laeven，2011）。银行挤兑和银行恐慌起着重要作用。如果一家银行的储户怀疑该银行倒闭，他们可以匆忙提取存款；如果有太多储户遵循同样的行为，银行可能会被迫清算其资产，直至破产（Diamond和Dybvig，1983）。当许多银行挤兑同时发生并涉及不同的银行时，我们谈论的是银行恐慌，其结果是灾难性的，并导致许多金融机构倒闭。

银行挤兑与储户非理性的一面密切相关：担心其他储户会撤回资金，导致银行倒闭，即使银行财务稳定，也会引发挤兑（自我实现的预言）。为了防止这种担忧，如今的国际规范为储户提供了多项保护，如提高银行准备金要求和存款担保。其他人认为银行危机是金融系统顺周期性的自然结果（Gorton，1988），因此在经济周期的上升期，信贷持续增长，而在经济衰退期，信贷崩溃。这些理论与经济基本面相关，可以被认为是将银行危机视为泡沫后果的理论的对立面。当“一项资产的市场价格在相当长的一段时间内超过其由基本因素决定的价格”时，就会出现资产价格泡沫（Evanoff、Kaufman和Malliaris，2012），这种情况无法用传统理论充分解释，也与信息效率的假设形成鲜明对比。欺诈也可能是银行业危机的根源。欺诈行为可能导致多家银行倒闭，进而引发银行业危机。一些显著的例子是1994年委内瑞拉危机和2003年多米尼加共和国危机（Laeven，2011）。最后，鉴于世界上许多银行相互关联，金融传染是危机的另一个根源：一国大型中介机构的倒闭可能导致其他国家其他中介机构的倒闭。

金融传染可以被认为是一种“多米诺骨牌效应”（Freixas、Laeven和Peydrò，2015），从这个意义上讲，银行的倒闭可能会导致其他中介机构的倒闭。这种影响的大小取决于整体宏观经济和金融环境，可能对银行系统有害，因为它增加了中间人违约的可能性和金融系统的脆弱性（Freixas、Laeven和Peydrò，2015；关于金融脆弱性的定义，见Lagunoff和Schreft，2001）。Freixas、Laeven和Peydrò（2015）指出，传染可以通过七个渠道开始。其中，我们的工作提供了有关跨国传染渠道的证据。最近的金融危机对经济学家来说一直是一个挑战，因为它的多国性质表明，单一“小国”的系统性危机与全球系统性危机完全不同。由于金融环境高度互联，危机可能在一个国家加剧，并在其他国家迅速蔓延。支持银行之间在全球范围内的关系的证据是有据可查的。莱因哈特（Reinhart）和罗格夫（Rogoff）（2013，第4561页）指出，在本世纪末的危机中，广泛的金融不稳定源于“共同冲击（全球房地产泡沫破裂）和跨国联系（例如，因为许多国家购买了美国次级抵押贷款债务）”。其他作者（Bordo和Murshid，2001；Neal和Weidenmier，2003）表明，1880-1913年间，银行危机中也存在着跨国相关性。

Kalemli Ozcan、Papaioannou和Perri（2013）使用了20个发达国家的样本，表明在2008年金融危机期间，与美国联系更紧密的国家与美国经历了更同步的产出周期。在本文中，我们希望扩大有利于银行危机中跨国联系的证据，评估不同国家的危机之间是否存在关系，以及这种最终关系是否可以被视为具有统计意义。我们工作的新颖之处很明显：我们使用一个大的专家组数据集，包括具有不同经济和社会结构的国家，提供了支持银行业危机同时发生这一事实的证据。此外，我们还展示了这些危机如何使具有经济或政治联系的国家集群感兴趣，并调查了两次主要金融危机（1929年和2008年）和20世纪90年代金融自由化之后发生的差异。3、数据和结果正如Chaudron和Haan（2014）所指出的，最近关于银行危机的研究通常使用Caprio等人（2005）、Reinhart和Rogoff（2009）以及Laeven和Valencia（2008、2013）的著作作为确定银行危机日期的来源。当发生异常事件或政策措施时，这些数据库会考虑（系统性）银行业危机。本研究中使用的数据集可在哈佛商学院网站上获得。这些数据（由Carmen Reinhart、Ken Rogoff、Christoph Trebesch和Vincent Reinhart多年收集）包括1800年至2014年几个国家的银行危机。该数据集由二进制时间序列生成，在发生银行危机时取值为1，否则取值为0。表1报告了本研究中使用的66个国家。

英国和美国是银行业危机发生次数最多的国家（均为33起），而危机发生次数最少的国家是新加坡和毛里求斯，200多年来只有1起银行业危机。就危机数量而言，最邪恶的一年是1995年，全世界有26起银行业危机；1802年，法国发生了该时期第一次发达经济体银行业危机，而最早对这一现象感兴趣的新兴市场是印度、中国和秘鲁（Reinhart和Rogoff，2013）。要验证的第一个假设是，每个国家的事件序列是否遵循随机路径。二进制序列由0和1的序列组成；在这种情况下，非参数运行测试是用于测试序列随机性的常用方法。跑步可以定义为类似事件或类似对象的连续序列（Bradley，1960）。例如，在aababbaa系列中，有五段：一段长度为1的A、两段长度为2的A、一段长度为1的B和一段长度为3的B。如果输出A和B是随机分布的，我们不应该识别序列中的任何模式。我们测试了一个国家银行业危机的发生是否遵循随机模式（无效假设）或确定模式，即事件的顺序不是偶然的（替代假设）。在计算相关矩阵之前执行此测试对于排除事件序列中的任何随机性作用非常重要，这可能会导致虚假相关性。表2显示了报告精确p值和通过近似获得的p值的测试结果。

对于几乎每个国家，我们都可以拒绝该系列随机性的无效假设，即银行业危机的发生不是偶然分布的，然而，危地马拉不能拒绝无效假设，而多米尼加共和国、洪都拉斯、，毛里求斯和新加坡（应该指出，这些国家的危机数量较少，可能会影响测试结果）。表1：。用于实证分析的国家。CountryLabelCountryLabelAlgeriadzakenyakenangolaagokoreakorargentianagmalaysiasaustraliausmauritiusmusaustriautmexicomexbelgiumbelmoroccomarboliiabolmyanmarmmrbrazilbranetherlandsnldcanadacanew-ZealandnzCentral African Republication African African Republication African African African African Republicanic African African African African Republica FnicaraguanicachuanicChilechlnigeriangaChina ChinanchnowayNorColombiacolPanamapanacosta波兰共和国厄瓜多尔共和国（Republicdompolandpolecuatorecuportughtegyptegyrussiarusel salvadorslvsingaporesgpfinlandfinsprancefrasri lankalkagermanydeus wedensweghanaghataiwantwreecegrcthailand aguate malagtuniatundondurash and turkeyturhungarihungarihununited kingdombricelandlunited states susandiaindustruguayuayuryindonesiaidenvenezuelaviantalyitazambizmapanjpnzimbabwezwez来源：我们的阐述。表2：。

对银行业危机的二元序列进行测试。CountryExact p-valueP-value via近似值CountryExact p-valueP-value via近似值dza0.0016<0.0001KEN<0.00010.0000AGO<0.00010.0000KOR<0.00010.0000ARG<0.0001<0.0001MYS<0.00010.0000AUS<0.0001<0.0001MUS0.01860.9228AUT0.0023<0.0001MEX<0.0001<0.0001BEL<0.0001<0.0001MAR0.0187<0.0001BOL0.0002<0.0001MMR<0.0001NLD<0.0001NLD 00010.0000CAN0.0014<0.0001NZL<0.00010.0000CAF<0.00010.0000NIC<0.00010.0000CHL0.0002<0.0001NGA<0.00010.0000CHN<0.0001<0.00010.0000COL<0.00010.0000PAN0.0187<0.0001CRI<0.00010.0000PRY<0.00010.0000CIV<0.00010.0000PER<0.00010.0000DNK<0.0001<0.0001PHL<0.00010.000dom0.11060.0002POL<0.00010.000ecu<0.0000PRT<0.0001<0.0001EGY<0.00010.0000RUS<0.0001<0.0001SLV0.0016<0.0001SGP0.01860.9228FIN0.0023<0.0001ESP<0.00010.0000FRA<0.0001<0.0001LKA<0.00010.0000DEU<0.0001<0.0001SWE<0.00010.0000GHA<0.00010.0000TWN0.0023<0.0001GRC<0.00010.0000THA<0.00010.0000GTM0.11010.8204TUN<0.00010.0000HND0.0558<0.0001TUR0.0002<0.0001HUN<0.00010.0000GBR<0.0001<0.0001ISL<0.00010.0000USA<0.0001<0.0001IND<0.00010.0000IDN<0.0001VEN<0.00010.0000ITA<0.0001<0.0001ZMB<0.0001JPN<0.0000ZN We<0.00010.000来源：我们的阐述。为了衡量两个不同国家的银行业危机之间的关系，我们使用了四因素相关系数。由于这种情况下的相关矩阵非常大（66 x 66矩阵），因此我们通过计算整个期间的热图矩阵来表示数据。图1显示了序列之间的相关性结果，而图2是与图1中的矩阵相关的统计显著系数矩阵。