全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1303 33
2022-05-26
英文标题:
《Epidemics of Liquidity Shortages in Interbank Markets》
---
作者:
Giuseppe Brandi, Riccardo Di Clemente, Giulio Cimini
---
最新提交年份:
2018
---
英文摘要:
  Financial contagion from liquidity shocks has being recently ascribed as a prominent driver of systemic risk in interbank lending markets. Building on standard compartment models used in epidemics, in this work we develop an EDB (Exposed-Distressed-Bankrupted) model for the dynamics of liquidity shocks reverberation between banks, and validate it on electronic market for interbank deposits data. We show that the interbank network was highly susceptible to liquidity contagion at the beginning of the 2007/2008 global financial crisis, and that the subsequent micro-prudential and liquidity hoarding policies adopted by banks increased the network resilience to systemic risk---yet with the undesired side effect of drying out liquidity from the market. We finally show that the individual riskiness of a bank is better captured by its network centrality than by its participation to the market, along with the currently debated concept of \"too interconnected to fail\".
---
中文摘要:
最近,流动性冲击引发的金融传染被认为是银行间借贷市场系统性风险的主要驱动因素。在流行病中使用的标准隔间模型的基础上,我们在这项工作中开发了银行间流动性冲击混响动力学的EDB(暴露的不良破产)模型,并在银行间存款数据的电子市场上进行了验证。我们表明,在2007/2008年全球金融危机开始时,银行间网络极易受到流动性传染的影响,银行随后采取的微观审慎和流动性囤积政策提高了网络对系统性风险的抵御能力,但也带来了市场流动性枯竭的不良副作用。我们最后表明,银行的个人风险最好通过其网络中心性来捕捉,而不是通过其对市场的参与,再加上目前备受争议的“太相互关联而不能倒闭”的概念。
---
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:Physics and Society        物理学与社会
分类描述:Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体(人类或其他)的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统(如能源网、运输网络)的物理和工程。
--

---
PDF下载:
-->
二维码

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

全部回复
2022-5-26 19:05:59
银行间市场流动性短缺流行病Giusepe Brandi、Riccardo Di Clemente和Giulio Cimini3,4意大利罗马国际社会研究自由大学(LUISS)“Guido Carli”,00197*麻省理工学院,MA 02139,剑桥,美国高等研究院,55100 Lucca,ItalyIstituto dei Sistemi Complessi(ISC)-CNR,00185,意大利罗马(日期:2018年5月17日)。最近,流动性冲击的金融传染被认为是银行间借贷市场系统性风险的一个突出驱动因素。在流行病中使用的标准隔间模型的基础上,我们在这项工作中开发了一个EDB(暴露的不良破产)模型,用于银行间流动性冲击的动态回响,并在银行间存款数据的电子市场上进行验证。我们表明,在2007/2008年全球金融危机开始时,银行间网络极易受到流动性传染的影响,银行随后采取的微观审慎和流动性囤积政策提高了网络对系统性风险的抵御能力,同时也带来了市场流动性枯竭的不利影响。我们最终表明,银行的个人风险更容易通过其网络中心性而不是通过其对市场的参与来捕捉,以及目前备受争议的“互联互通而不能倒闭”的概念。关键词:金融传染;流动性冲击;银行同业拆借市场;流行病模型i。简介2007/2008年全球金融危机对金融系统的稳定性提出了重要关注,尤其是其复杂性和相互关联性[1-5]。事实上,由于金融机构之间的双边或间接敞口,信贷损失和资金不足可能会在整个系统中蔓延,对整个市场造成潜在的灾难性后果[6-12]。
二维码

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

2022-5-26 19:06:02
在这种背景下,人们非常关注评估银行间贷款市场的系统性风险,即银行间隔夜贷款产生的金融互联网络【13–15】。事实上,尽管银行间借贷对银行面对不断变化的流动性需求至关重要,并能为经济提供适当的动力,但银行间市场却相当脆弱,因为单是系统内现金流动就有可能导致系统性违约,而异常的流动性冲击可能导致完全的市场旱灾。后一种情况在全球金融危机后的时期尤为突出:银行持有更多的流动资产,以预测未来的预期损失和流动性需求【19-21】,而这种预防性囤积行为导致除最短期限外的所有无担保银行间借款利率大幅上升【22】。央行的大规模流动性注入进一步加剧了银行间市场的收缩,银行间市场系统性风险分析的文献流集中在两个主要方面:基于网络的市场拓扑结构表征[15,25–30],以及金融危机在网络上蔓延的动力学和指标设计【1,31–39】,包括流动性冲击【40–44】。在这项工作中,我们通过一个类似于流行病学中常用的隔室模型,提出了银行间网络中流动性驱动的金融传染的模型,从而补充了这一研究领域。
二维码

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

2022-5-26 19:06:06
特别是,通过假设流动性冲击作为一种流行病在市场上传播,我们将著名的SIR(易感感染移除)模型【47–49】改编为流动性冲击银行间网络的特定背景,并将其转换为EDB(暴露的不良破产)模型。这与托伊瓦南在信贷冲击背景下的工作非常接近[50]。我们在意大利银行间网络e-MID(银行间存款电子市场)[15、27、29、30]上模拟这种动态模型,分析与网络结构和演变相关的流动性传染,并通过单个银行和整个系统对流动性冲击的弹性来定义系统性风险。简言之,我们表明,电子商务部的网络拓扑结构在流动性危机的爆发中起着至关重要的作用,并且当初始冲击最小时,银行倒闭的总数也可以假设非常高的值。重要的是,就在全球金融危机之前,系统性风险大幅增加,并可能在危机发生后很长时间才恢复到危机前的水平。对于占银行间网络较大份额的银行来说,破产的可能性更大;然而,银行的贷款人数量*gbrandi@luiss.itcan从统计学上来说,风险比借款总额更能解释风险,这与最近从“太大而不能倒”到“太相互关联而不能倒”的范式转变一致[51]。我们通过基于网络的电子MID研究对这一分析进行了补充,提供了额外的证据表明,由于金融动荡,参与市场的银行越来越少,执行的贷款交易越来越少,市场发生了重大变化。
二维码

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

2022-5-26 19:06:09
流动性交易也对基础网络结构产生了相当大的影响:枢纽银行基本上消失了,互惠和三方合同的数量减少了,尽管最终系统风险降低了,但网络在银行内部的资金流动方面失去了效率。论文的其余部分结构如下。第2节回顾了e-MID数据集的基本特征和网络特征,第3节介绍了数据的网络分析。EDB传染模型见第4节,模型模拟结果见第5节。最后,第6节介绍了模拟结果的计量经济学研究,第7节得出结论。二、E-MID数据银行间存款电子市场(E-MID)是一个无担保货币市场贷款的交易平台,在欧元区是唯一一个基于屏幕和完全电子化的平台。e-MID覆盖了意大利的整个国内隔夜存款市场,但对意大利和外国银行都开放,欧元区所有流动性存款的很大一部分是通过e-MID平台进行交易的【52】。我们拥有的数据集包括1999年1月至2012年9月在电子MID上完成的所有银行间交易。对于每份合同,我们都有关于交换金额、日期和时间、利率、贷款人和借款人银行的ID以及合同到期日的信息。由于数据结构的原因,e-MID(以及一般的银行间市场)被恰当地表示为一个直接加权网络,其中银行间贷款构成银行间的直接风险敞口,并允许金融危机在系统中传播。在这里,我们重点关注通过聚合三个月的交易而获得的季度网络,因为这个时间尺度足以允许出现复杂的交互模式【29】。
二维码

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

2022-5-26 19:06:14
为了描述网络,我们使用以下符号。在t季度,我们有一个系统,由一组NTBank(网络节点)和它们之间的Lttransactions组成,对应于连接成对节点的链路。交易量由Nt×Ntweighted邻接矩阵W(t)描述,其泛型元素wij(t)≥ 0(i,j=1,…,Nt)相当于我授予j的总贷款(通过将单个合同相加得出,从而产生从i到j的资金流)。类似地,连接的整个模式由Nt×Ntbinary邻接矩阵A(t)描述,如果存在从节点i到节点j的连接(即,如果j银行在t期间从i借钱,使得wij(t)>0),则其泛型元素aij(t)等于1,否则为0。以这种方式构建的网络是定向的,这意味着通常aij(t)6=aji(t)和wij(t)6=wji(t)[27]。在下文中,我们将把分析局限于网络的弱连接部分,定义为最大的子网络,其中任何两个节点通过有限的链接序列相互连接(无论其方向如何)。这种限制在模拟流行病级联的情况下尤其有用,因为它消除了感染从汇节点或孤立社区开始或停止时无法传播的可能性。三、 网络演进分析我们现在描述和分析电子商务部的网络拓扑,介绍一些网络数量,并展示全球金融危机导致的银行间市场结构变化。作为危机的参考期,我们使用TED价差大于统一的时间跨度(2007年第3季度至2009年第1季度),这在带有阴影区域的地块中表示。
二维码

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

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群