2015年-ECB欧洲央行_Systemic_Risk_Contagion_and_Financial_Networks_12页_492kb

总结：系统性风险、传染性与金融网络

核心内容

本文提出了一种测量系统性风险的方法，将其定义为在特定时间范围内同时倒闭的银行百分比。该方法适用于欧元区银行，并通过金融网络的拓扑结构和传染机制（如火 sale）来捕捉系统性风险的动态变化。

主要观点

• 系统性风险的定义：系统性风险是指大量银行同时倒闭并对实体经济产生负面影响的风险。
• 测量方法：系统性风险被测量为系统性价值在风险（Systemic Value-at-Risk, SysVaR），即在给定置信水平下，同时倒闭的银行百分比。
• 传染机制：传染性是导致系统性风险分布出现厚尾特征的关键因素，主要通过火 sale 机制实现。当一家银行因特有冲击倒闭时，其出售资产会压低价格，进而影响其他银行的资本，可能引发连锁反应。
• 网络拓扑的影响：银行间的共同资产暴露构成的网络拓扑决定了传染的传播路径和强度，因此在测量系统性风险时必须考虑网络结构。
• 无传染与有传染的对比：在无传染假设下，系统性风险的分布接近正态分布，而有传染时则呈现厚尾，表明系统性事件发生的概率更高。
• 历史数据的局限性：由于系统性事件罕见，历史数据难以提供充分信息；而基于资产价格的测量方法也存在周期性偏差。
• 政策意义：该框架为宏观审慎政策制定者提供了可量化的系统性风险指标，有助于制定更有效的风险缓解措施。

关键信息

系统性风险的测量

• 系统性风险定义为：在给定时间范围内，同时倒闭的银行比例。
• 系统性价值在风险（SysVaR）表示在给定置信水平下，预期同时倒闭的银行比例。
• 置信水平 β 设置为 1%，即 1% 的概率下，同时倒闭的银行比例为 SysVaR_t^c(β)。
• 通过蒙特卡洛模拟技术，基于银行间共同资产暴露的网络数据，生成银行倒闭数量的分布。

传染机制与火 sale

• 传染性通过火 sale 机制实现，即倒闭银行出售资产导致价格下跌，进而影响其他银行的资本。
• 火 sale 会放大初始冲击，从而增加系统性事件的可能性。
• 银行间共同资产暴露的网络结构决定了传染的传播路径和速度。

美国历史数据支持

• 美国从 1934 年至 2014 年的银行倒闭数据表明，当超过 3% 的银行同时倒闭时，会引发严重的金融危机。
• 系统性风险的分布具有厚尾特征，表明非零相关性是系统性事件发生的重要因素。

欧元区数据与分析

• 使用欧洲央行（ECB）和欧洲银行管理局（EBA）的数据，包括银行资产负债表和证券持有数据。
• 2013 年 10 月全面评估公告后，欧元区银行调整了其证券组合，显著降低了系统性事件发生的概率。
• 2013 年第四季度，SysVaR 为 11%；2014 年第四季度降至 4%，表明传染性已减弱。

网络结构变化

• 图表显示，2013 年第四季度与 2014 年第四季度相比，银行间共同资产暴露的网络结构发生了显著变化。
• 网络节点的大小和颜色反映其在网络中的中心性，链接的颜色和粗细反映共同暴露的程度。

结构清晰点

• 案例 A：无相关性

  • 假设银行倒闭概率相互独立，系统性风险较低。
  • 在 N = 1000 且 α = 0.001 的情况下，系统性事件发生的概率接近于零。
  • 系统性风险的分布近似正态分布。

• 案例 B：有相关性

  • 当银行倒闭概率存在非零相关性，系统性风险显著上升。
  • 在 α = 0.001、ρ = 0.3 的情况下，系统性事件发生的概率约为 0.7%。
  • 系统性风险的分布呈现厚尾特征，无法用正态分布描述。

图表摘要

• 图表 C.1：美国银行倒闭的历史分布，显示系统性事件发生在超过 3% 的银行同时倒闭时。
• 图表 C.2：展示系统性风险的测量方法，包括 SysVaR 和系统性事件发生的概率。
• 图表 C.3：欧元区银行系统性风险随时间的变化，显示传染性降低后风险显著下降。
• 图表 C.4：2013 年第四季度至 2014 年第四季度的系统性风险变化，显示传染性减弱。
• 图表 C.5 & C.6：欧元区银行共同资产暴露的网络结构，显示网络拓扑的变化。

政策意义

• 本文提出的框架为宏观审慎政策提供了可量化的工具，有助于识别和应对系统性风险。
• 通过区分传染性对系统性风险的影响，政策制定者可以更精准地设计风险缓解措施。
• 该方法适用于整个金融系统，可扩展用于识别系统性重要资产和银行。