2012年-ECB欧洲央行_Evaluating_Interconnectedness_in_the_Financial_System_on_the_Basis_of_Actual_and_Simulated_Networks_11页_2mb

报告摘要

总结：评估金融系统中的互联性

核心内容

本文探讨了在复杂金融系统中评估银行脆弱性的重要性，通过分析实际和模拟的金融网络，揭示了银行间关系对金融稳定的影响。重点在于使用网络分析方法，包括静态网络和动态网络模型，来理解银行之间的相互依赖性及其在系统性风险中的作用。

主要观点

网络分析的必要性：在评估银行系统脆弱性时，需要多层级的分析。静态网络分析能够总结金融网络的结构特征，而动态网络模型则有助于模拟特定冲击对系统的传播。
金融网络的构成：金融网络由节点（金融机构）和边（相互之间的敞口或负债）构成。网络的结构和特性决定了系统在面对冲击时的稳健性。
系统性风险与网络结构：某些银行在系统中具有更高的中心性，这些银行在系统性冲击中可能扮演关键角色，从而加剧或缓解风险传播。
静态网络分析：通过计算节点的度、中介中心性、接近中心性等指标，可以识别出系统中具有较高影响力的银行，进而评估其对系统稳定性的贡献。
动态网络建模：由于实际的双边敞口数据难以获取，动态网络模型利用银行的总体敞口数据来模拟可能的银行间网络结构，从而分析冲击的传播路径和影响范围。
跨持证券网络：证券网络是评估银行系统互联性的关键工具，其中银行作为节点，证券持有或发行作为边。网络结构显示出一定的集中性，部分银行在欧洲层面具有重要地位，而其他则更具国内特色。
模拟网络的构建：基于银行的跨境贷款和存款数据，构建了一个随机网络模型，模拟银行间关系并分析冲击的传播。该模型考虑了银行的地理分布和活动范围。

关键信息

静态网络指标：
- 度（Degree）：衡量银行与其他银行的连接数量。
- 中介中心性（Betweenness Centrality）：衡量银行在系统中作为中介节点的重要性，对系统性风险具有显著影响。
- 接近中心性（Closeness Centrality）：衡量银行与其他节点的平均距离，反映其在系统中的可达性。
- 特征向量中心性（Eigenvector Centrality）：衡量银行的影响力，连接到高影响力节点的银行得分更高。
- Alpha中心性：结合了外部影响和内部关系，能更全面地评估银行的系统性重要性。
网络结构特征：
- 金融网络具有低密度和高集聚性，说明系统内部存在较强的局部联系。
- ** assortativity 系数**较低，表明网络中节点的连接具有一定的随机性。
- 系统具有中心化结构，部分银行在系统中扮演核心角色。
模拟网络方法：
- 使用随机网络模型模拟银行间的贷款和存款关系，基于银行的跨境敞口数据。
- 模型包括概率图、网络生成器和均衡支付机制。
- 模拟网络有助于研究冲击传播路径，并用于压力测试。
实际案例：
- 在2012年3月，欧洲央行（ECB）观察到1,530个银行集团，形成13,121组关系，总敞口约为9140亿欧元。
- 10家银行的证券被广泛用作抵押品，显示出其在系统中的重要性。
- 网络结构显示，约13%的银行同时持有和发行证券，其余为单一用户或发行者。