2015年-ECB欧洲央行_Who_holds_what_New_information_on_securities_holdings_39页_1mb

总结：评估系统性银行危机前、中、后的宏观趋势

核心内容

本文探讨了系统性银行危机前后不同时间跨度下，主要宏观经济和宏观金融变量的趋势及其与危机发生概率之间的关系。作者提出，政策制定者关注的是能够提前预警危机的变量，因此分析不同时间窗口下变量的预测能力具有重要意义。研究结果表明，变量与危机之间的关联性随时间窗口的不同而变化，这影响了模型的预测效果和政策建议。

主要观点

• 时间窗口的重要性：不同的时间窗口会影响变量对危机的预测能力。例如，国内房价增长在危机发生前的远期窗口中与危机概率呈正相关，但在接近危机时其影响会减弱甚至改变符号。
• 全球变量的作用：全球信用增长和股票价格增长在所有时间窗口中均与未来银行危机呈正相关，而全球信用缺口的正相关性在接近危机时增强。全球房价则在危机前1.5年左右开始下降，早于国内房价。
• 危机的时空相关性：系统性银行危机在短期内具有空间和时间上的相关性，这一现象在政治科学文献中已被广泛接受，但在银行危机研究中较少被考虑。
• 模型的稳健性：通过分析不同时间窗口下的变量趋势，可以提高早期预警模型的稳健性。本文强调了建立一个全面且稳健的统计模型的重要性，而非仅仅关注模型的预测概率评估。

关键信息

变量与危机关系的变化

• 国内变量：国内信用-国内生产总值（GDP）缺口和房价增长在危机前的远期窗口中与危机概率正相关，但在接近危机时其影响减弱。
• 全球变量：全球信用增长和股票价格增长在所有时间窗口中均与未来危机正相关；全球信用缺口的正相关性在接近危机时增强；全球房价在危机前1.5年左右开始下降。

模型构建与分析

• 时间依赖性：通过引入时间变量（如时间的平方和立方项）来建模非线性时间依赖性，以提高模型的准确性。
• 空间依赖性：引入一个虚拟变量，用于捕捉其他欧盟国家是否在前一年发生银行危机，以反映空间相关性。
• 非平稳性处理：使用面板单位根检验和迪基-富勒检验分析变量的非平稳性，但认为通过引入固定效应可以缓解潜在的非平稳性偏差。

数据与方法

• 数据来源：使用1979Q2至2012Q3期间27个欧盟国家的季度数据，涵盖信用、GDP、通货膨胀、利率和房价等变量。
• 变量定义：信用增长以年增长率计算，信用缺口使用长期回顾趋势计算，房价增长和股票价格增长采用类似方法。
• 模型类型：使用二元选择面板数据模型，分析不同时间窗口下变量与危机发生概率的关系。

结论

本文通过分析不同时间窗口下的宏观趋势，揭示了变量与系统性银行危机之间关系的动态变化。研究结果表明，早期预警模型的选择和时间窗口的设定对预测效果和政策建议具有重要影响。因此，政策制定者和研究人员应考虑变量在不同时间窗口下的行为，以构建更稳健和有效的早期预警模型。此外，本文强调了在模型构建中考虑时间与空间依赖性的必要性，为未来的宏观审慎政策提供了新的视角。