银行间贷款网络中的贷款到期日聚合

内政部副部长同样宣布“内政部81、82俄罗斯银行间市场的崩溃是基于谣言，与俄罗斯银行业或整个俄罗斯经济的基本面受到的冲击无关。这场非基本面和外源性的互信危机提供了一个很好的例子，说明金融危机在其他地方引发的一段时间内发生了什么样的结构性变化，只是间接地进入了俄罗斯（通过油价等），托拉斯危机的震中在俄罗斯境内。48/54G ILN文献中的成熟度类使用多层方法概述ILN文献，以及它们的粒度如何与当前数据集进行比较。表5：。根据俄罗斯中央银行使用的到期类别对贷款到期进行分类，以及包括多层ILN在内的多项研究<1d 2-7d 8-30d 31-90d 91-180d 0.5-1y 1-3y>3y俄罗斯中央银行Instant short term long termBargigli et al.（2015）隔夜短期长期Aldasoro and Alves（2016）短期长期Montagna and Kok（2016）银行间贷款市场利率和贷款量的短期长期结构57911利率（%）平均卢布利率，按期限划分的利息和交易量。银行间贷款收益率曲线0123<1d 2 7d 8 30d 31 90d 91 180d 0.5 y 1 3y>3ymillons卢布平均贷款利息体积图22。（上图）全球分类收益率曲线是每个期限随时间变化的利率中值。另一个特征是每卢布平均出借利率，定义为贷款量加权的平均利率。该统计数据对于是否排除或包括利率异常值具有稳健性。

（下面板）全球分类收益率曲线总体（包括异常值）的平均贷款为σ≈ 40%，但%的人口包含在[0，σ]中。在这一区间内，标准差约为%，这是衡量利率离散度的更为合理的指标。通过使用中值，我们可以避免选择任何截止点。仅记录到期类别。虽然存在从离散数据估计连续收益率曲线的方法，但我们将只考虑每个类别（即每个到期类别）的利率（和利息等）。图22顶部面板中的实线显示了屈服曲线的典型样式化事实。它向上倾斜，has22是由术语类别引起的人工制品；随着它们的发展，它们的到期日越来越多，因此连续收益率曲线将相对于分类收益率曲线水平拉伸。向上斜率通常被解释为相对于基本存款政策利率的50/54浮动利率。还可以通过将流动性风险（随着到期日的延长，在二级市场上出售贷款往往会更加困难）和违约风险纳入单独的溢价来扩展ET，同时收益率曲线也由流动性（违约）风险主导；两者都被视为银行间借贷风险的组成部分49、87。在正常市场条件下，每个风险都会导致收益率曲线向上倾斜。>3y类别<1d2-7d8-30d31-90d91-180d0.5-1y1-3y>3y成熟度等级2.55.07.510.012.5酯（%）（a）246845 50个月阅读量（%年龄点）（b）图23。2003年7月（截至2004年11月的一个月）的月度分类收益率曲线（即按到期类别汇总；顶部面板）以及利差（底部面板）。

这一时期嵌入到网络的紧急成熟阶段，包括2004年危机的宣布和夏季（这些是信托危机–见第F节），两者在底部面板上均以灰色阴影显示。第一个阴影区域涵盖2003年8月1日至2004年1月1日期间。第二次下降，2004年6月15日再次达到13%。收益率曲线是每个到期类别的中间利率，如图22所示；文中定义了价差。为了说明全球收益率曲线背后的动态，图23（a）绘制了数据中过去16个月的分类收益率曲线。在此期间，目前成熟的银行间网络处理的是“长期”到期和“短期”到期之间的信托危机。我们将这些到期日定义为两类：“长到期”类别包括到期日类别（1-3y，>3y），“短到期”类别包括到期日类别（<1d，2-7d，8-30d）。曲线的一般形状51/54对“长期”类别的定义不敏感；“短期到期”类别在本文中是有动机的，而“长期到期类别”则是基于巴塞尔协议的建议，并在1、62中使用。在正常情况下，银行间市场是金融部门流动性最强的市场之一：银行倾向于向更安全的银行出借多余的现金，其成本如此之高，以至于他们离开了无担保的市场，而流动性丰富的银行可能更倾向于囤积流动性，而不是向逆向选择的借款人出借；银行间借贷市场枯竭。我们看到，图23底部面板中的利差曲线确实捕捉到了这一机制：在上部面板中，低利差似乎表明，长期利率在危机期间几乎保持不变，在复苏期间略有下降，例如，与（预测）衰退相关的国债。

事实上，根据ET的数据，这些是具有负斜率的收益率曲线，因为投资者对未来利率的预期很低。相比之下，我们的数据显示，短期利率在信托危机期间迅速上升，而长期利率几乎没有变化。贷款量和利息的特点，这对利息也非常适用，尤其是短期贷款。由于线性尺度上的差异很大，这些平均值只能解释为粗略的数量级估计。考虑到这一点，图22显示利率和交易量大致呈负相关：除了0.5-1年的波动和>3年的情况外，交易量随着利率的增加而减少。这也可以从第一个五期类别的缓慢变化的平均利息中看出。表4列出了按期限和每年的总贷款量。如前所述（第28页），我们观察到，每个期限段的相对重要性（以其内交易的贷款总量衡量）遵循贷款期限的排名。总而言之，银行以更低的利率发放更多的贷款，贷款期限更短。52/54附录参考67。Karas，A.&Schoors，K.Heracles还是Sisyphus？查找、清理和重建俄罗斯银行数据库。比利时根特大学经济与工商管理学院工作论文，https://ideas.repec.org/p/rug/rugwps/05-327.html (2005).Battiston，F.、Nicosia，V.&Latora，V.《多元化网络的新挑战：措施和模型》。欧元。物理。J、 特殊上衣。226, 401–416 (2017).Zlatic，V.等人，关于稠密加权网络中的富俱乐部效应。欧元。物理。J、 B 67271–275（2009年）。70https://lib.ugent.be/catalog/rug01:002213899 (2015).71、纽曼医学院。

J、 复杂网络的结构和功能。暹罗版次。45, 167–256 (2003).Christensen，K.&Moloney，N.R.《复杂性与临界性》，第1卷（帝国理工学院出版社，2005年）。Newman，M.E.J.幂律、帕累托分布和齐普夫定律。康坦普。物理。46, 323–351 (2005).瓦茨，D.J.&斯特罗加茨，S.H.《小世界网络的集体动力学》。《自然》393440–442（1998）。75、目录/rug01:001892466（2012）。76、Newman，M.E.J.《网络中的混合模式》。物理。修订版。E 67，026126+（2003年）。77.互联故障。第二辛斯特银行。工作Mosc。(2012).78、Por firiev，B.《俄罗斯的危机：历史视角下的当代管理政策和实践》（Routledge，纽约州纽约市，美国，2012年）。79.9月/the-russian-crisis-1998/（2013年）。《俄罗斯货币市场与银行体系：问题》（2009）。81、西蒙诺夫，《1988-2008年美国银行与货币》（RAGS，2009）。82、Boyarskiy，A.现代俄罗斯银行体系。简要年表。1988年至2004年。(2018).83.建模。计算机程序。Sci。66, 257–266 (2015).Montagna，M.&Kok，C.《评估系统性风险的多层银行间模型》。欧洲央行1944年工作文件，欧洲央行，https://ssrn.com/abstract=2830546 (2016).85、Anatolyev，S.&Korepanov，S.《俄罗斯利率期限结构》。应用程序。经济。利特。10, 867–870 (2003).53/5486.Egorov，A.&Kovalenko，O.《俄罗斯银行间借贷市场的结构特征和利率动态》。2013年23月23日，芬兰银行，经济转型研究所，https://ideas.repec.org/p/bof/bofitp/2013\\u 023。html（2013年）。87、《金融学》1，19–43（2003）。Heider，F.、Hoerova，M.&Holthausen，C.《流动性囤积和银行间市场利率：交易对手风险的作用》。J、 金融经济学。118, 336 – 354 (2015).54/54