2013年-IMF国际货币组织全球_Does_Financial_Connectedness_Predict_Crises__44页_1mb

总结：Financial Connectedness 是否能预测危机？

核心内容

本文探讨了全球金融网络中金融联系度（financial connectedness）是否可以作为预测系统性银行危机的早期预警指标。研究基于国际清算银行（BIS）的双边定位统计数据，构建了一个全球银行网络（GBN），并使用两种方法评估金融联系度的预测能力：数据挖掘算法（分类算法）和计量经济模型（Probit模型）。

主要观点

• 金融联系度与危机相关：研究发现，一国的金融联系度增加以及其直接金融伙伴（邻居）的联系度下降，与银行危机的发生概率显著相关。
• 分类算法的有效性：分类算法显示，金融联系度指标可以有效预测危机年份及危机的开始。特别是最近一次危机浪潮（2003-2010）中，该算法在识别危机年份方面表现良好。
• Probit模型的补充验证：将金融联系度指标纳入Probit模型后，模型在样本内和样本外的预测性能均优于仅基于宏观经济基本面的模型。
• 金融联系度的演变：从1978年到2007年，全球金融联系度呈上升趋势，尤其是核心国家之间的联系更加紧密。2007年全球金融危机前，网络密度和总暴露达到峰值，约为全球GDP的两倍。
• 网络指标的多样性：研究考虑了27种不同的金融联系度指标，包括节点度、强度、聚类系数、邻居度和邻居强度等，并且分析了其滞后值和增长率。

关键信息

数据与方法

• 数据来源：使用BIS双边定位统计数据（1978-2010），涵盖210个国家的跨境银行资产和负债。
• 网络构建：构建了一个有向的全球银行网络（GBN），其中节点代表国家，边代表跨境银行暴露。
• 网络指标：包括度、强度、聚类系数、邻居度和邻居强度等，以及它们的滞后和增长率。
• 分类算法：用于识别危机年份，输出为关联规则（association rules），形式为“如果网络指标满足条件C，则危机发生概率为1”。
• Probit模型：用于评估金融联系度对银行危机的预测能力，结果表明其优于仅基于基本面的模型。

网络指标的分析

• 节点度与强度：危机前这些指标显著上升，危机后趋于稳定。
• 聚类系数：在危机前达到峰值，随后下降，表明危机前网络中节点的连接性下降。
• 邻居度与邻居强度：危机前下降，表明危机前网络中第二层连接被破坏。
• 赫芬达尔-赫希曼指数（HHI）：反映金融组合的多样化程度，危机前下降，显示核心国家的债权人多样化程度提高。

分类算法的性能

• 样本内表现：在完整样本（1978-2010）中，算法的精确度（precision）为94%，核心国家为88%；召回率（recall）为11%，但在1978-2002期间为94%，2003-2010期间为40%。
• 核心与外围国家的差异：核心国家的精确度和召回率均低于外围国家，可能由于发达经济体的危机较少。
• 错误率低：分类算法的类型I和类型II错误率较低，表明其作为早期预警指标的有效性。

结论

• 金融联系度的重要性：研究强调了金融联系度在预测系统性银行危机中的作用，表明其可以作为有效的早期预警指标。
• 对现有文献的贡献：本文扩展了早期预警系统（EWS）的研究，将网络分析引入危机预测，并考虑了更全面的指标集合。
• 政策意义：研究结果有助于理解复杂金融联系对系统性风险的影响，并为监管机构提供监测和预警的依据。

附录与图表说明

• 附录A：详细定义了所有网络指标。
• 图表：
  • 图1：1980年与2007年的全球银行网络对比，显示2007年网络更加密集。
  • 图2：网络密度与总暴露的变化趋势，显示2007年网络密度和总暴露达到峰值。
  • 图3：危机前后网络指标的条件相关性，显示危机前指标显著上升，危机后下降。
  • 表1：网络指标在不同时间点的平均值及增长百分比。
  • 表2：分类算法在样本内预测危机年份的性能指标，包括精确度、召回率等。

总体评价

本文通过构建全球银行网络并分析其指标，验证了金融联系度在预测系统性银行危机中的作用，为金融系统稳定性研究提供了新的视角和工具。