[논문 리뷰] Pathways towards instability in financial networks

Marco Bardoscia, Stefano Battiston외 2명|London School of Economics and Political Science Research Online (London School of Economics and Political Science)|2016. 02. 18.

Banking stability, regulation, efficiency인용 수 8

한 줄 요약

이 논문은 시장 통합과 다각화—금융 시스템을 안정화시킨다고 널리 여겨지는 과정들이 오히려 순환적 구조를 유도함으로써 금융 위기를 확대시켜 불안정을 초래할 수 있음을 보여준다. 네트워크 이론적 프레임워크를 사용하여, 상호차입 임대율 행렬의 최대 고유값이 1을 초과할 경우, 계약의 구체적 특성과는 무관하게 연결성과 레버리지가 증가함에 따라 불안정성이 발생함을 밝혀낸다.

ABSTRACT

Following the financial crisis of 2007-2008, a deep analogy between the origins of instability in financial systems and complex ecosystems has been pointed out: in both cases, topological features of network structures influence how easily distress can spread within the system. However, in financial network models, the details of how financial institutions interact typically play a decisive role, and a general understanding of precisely how network topology creates instability remains lacking. Here we show how processes that are widely believed to stabilise the financial system, i.e. market integration and diversification, can actually drive it towards instability, as they contribute to create cyclical structures which tend to amplify financial distress, thereby undermining systemic stability and making large crises more likely. This result holds irrespective of the details of how institutions interact, showing that policy-relevant analysis of the factors affecting financial stability can be carried out while abstracting away from such details.

연구 동기 및 목표

• 네트워크의 구조적 특성, 특히 순환적 구조가 금융 네트워크의 체계적 불안정성에 기여하는 방식을 이해하기 위해.
• 시장 통합과 다각화와 같은 과정들이 일반적으로 안정화 요소로 간주되지만 실제로는 체계적 위험을 증가시킬 수 있는지 조사하기 위해.
• 특정 계약의 세부 사항에 의존하지 않고 네트워크의 구조적 특성에 중점을 두어 금융 안정성을 분석하는 방법을 개발하기 위해.
• 핵심 통계적 특성을 유지하면서 네트워크 구조를 조작함으로써 안정 상태에서 불안정 상태로의 전이 경로를 규명하기 위해.
• 마이크로 수준의 금융 메커니즘과는 독립적으로 네트워크의 구조적 특성과 불안정성 임계값을 연결함으로써 정책적으로 유의미한 통찰을 제공하기 위해.

제안 방법

• 금융 네트워크를 기관 간 상호차입 노출을 나타내는 방향성과 가중치가 있는 그래프로 모델링한다.
• 상호차입 임대율 행렬의 최대 고유값(λ_max)을 안정성 지표로 사용한다: λ_max > 1은 불안정을 의미한다.
• 평균 상호차입 임대율과 네트워크 구조를 유지하면서 은행을 반복적으로 추가하거나 제거하여 합성 네트워크 경로를 구성한다.
• RAS 알고리즘을 적용하여 간선의 가중치를 재조정하고 네트워크 확장 또는 축소 중에도 일관된 임대율 수준을 유지한다.
• 성장 과정을 뒤집어 불안정 상태에서 안정 상태로의 전환을 가능하게 하여 평균 임대율을 일정하게 유지하고 안정적인 경로를 구성한다.
• 실제 데이터를 사용하여 결과를 검증한다. 2012년 유럽 상위 176개 은행의 재무제표를 활용하여 실증적 타당성을 확보한다.

Figure 1: Illustrative stability analysis of two paradigmatic interbank network architectures. The example in a is a “butterfly” graph, while the example in b has a core-periphery topology: nodes 1, 2, 3 and 4 form a complete core, with the remaining nodes having either only incoming or outgoing edg

실험 결과

연구 질문

• RQ1 시장 통합과 다각화는 안정화 요소로 여겨지지만, 어떻게 체계적 불안정성을 초래할 수 있는가?
• RQ2 특히 순환적 구조를 포함한 금융 네트워크의 어떤 구조적 특성이 금융 위기를 확대시켜 불안정성을 유도하는가?
• RQ3 계약의 구체적 동적 특성과는 무관하게 상호차입 임대율 행렬의 최대 고유값과 같은 네트워크 수준의 지표로 체계적 불안정성을 예측할 수 있는가?
• RQ4 평균 임대율과 네트워크 구조를 유지하면서 네트워크 구조를 수정함으로써 안정성이 얼마나 유지되거나 복원될 수 있는가?
• RQ5 안정 상태에서 불안정 상태로의 전이 경로는 무엇이며, 네트워크 크기와 연결성의 점진적 변화를 통해 어떻게 발생하는가?

주요 결과

• 시장 통합과 다각화는 안정화 효과가 있다고 널리 여겨지지만, 순환적 상호연결의 가능성을 높임으로써 금융 네트워크의 불안정성을 유도할 수 있다.
• 상호차입 임대율 행렬의 최대 고유값(λ_max)은 강력한 안정성 임계값으로 기능한다: λ_max > 1이면 계약의 세부 사항과는 무관하게 시스템이 불안정해진다.
• 평균 상호차입 임대율이 1을 초과하는 안정적인 네트워크도 은행 수가 증가함에 따라 불안정해질 수 있으며, 이는 간선 조밀도가 일정한 상태에서도 발생한다.
• 에르도시-레니-이형, 정규 랜덤, 스케일프리, 코어-퍼리퍼리 네트워크를 포함한 다양한 네트워크 유형에서 안정성에서 불안정성으로의 전이 경로가 존재함을 확인하여 이 메커니즘의 일반성을 입증한다.
• 실제 데이터 분석 결과, 2012년 유럽 상위 176개 은행의 상호차입 네트워크는 불안정한 상태(λ_max > 1)로 확인되어 체계적 위험 노출이 있음을 시사한다.
• 이 연구는 불안정성이 특정 파산 메커니즘 때문이 아니라 순환 구조와 같은 구조적 특성에서 비롯됨을 확인하였으며, 이는 상세한 파산 전파 모델링 없이도 체계적 위험을 평가할 수 있음을 의미한다.

Figure 2: Stability of the network of the top 50 European banks using data from their 2013 balance sheets. We start from a random DAG, i.e. a network with no cycles, which is therefore stable. Interbank exposures are assigned with the RAS algorithm so that, for each bank, the total interbank assets