[论文解读] The multi-layer network nature of systemic risk and its implications for the costs of financial crises

Sebastian Poledna, José Luis Molina-Borboa+3 more|arXiv (Cornell University)|May 16, 2015

Banking stability, regulation, efficiency参考文献 51被引用 6

一句话总结

本文提出一种多层网络框架，用于量化金融系统中的系统性风险，利用DebtRank模型模拟信贷、衍生品、外汇和证券市场之间的连锁违约。研究发现，仅关注单一层面会低估高达90%的系统性风险，且当前国家层面的预期系统性损失是2008年之前的四倍，个别交易的系统性风险贡献度可达仅考虑信用风险时的1,000倍。

ABSTRACT

The inability to see and quantify systemic financial risk comes at an immense social cost. Systemic risk in the financial system arises to a large extent as a consequence of the interconnectedness of its institutions, which are linked through networks of different types of financial contracts, such as credit, derivatives, foreign exchange and securities. The interplay of the various exposure networks can be represented as layers in a financial multi-layer network. In this work we quantify the daily contributions to systemic risk from four layers of the Mexican banking system from 2007-2013. We show that focusing on a single layer underestimates the total systemic risk by up to 90%. By assigning systemic risk levels to individual banks we study the systemic risk profile of the Mexican banking system on all market layers. This profile can be used to quantify systemic risk on a national level in terms of nation-wide expected systemic losses. We show that market-based systemic risk indicators systematically underestimate expected systemic losses. We find that expected systemic losses are up to a factor four higher now than before the financial crisis of 2007-2008. We find that systemic risk contributions of individual transactions can be up to a factor of thousand higher than the corresponding credit risk, which creates huge risks for the public. We find an intriguing non-linear effect whereby the sum of systemic risk of all layers underestimates the total risk. The method presented here is the first objective data driven quantification of systemic risk on national scales that reveal its true levels.

研究动机与目标

• 填补国家规模、数据驱动的金融系统系统性风险量化研究中的关键空白。
• 将系统性风险建模为多层网络现象，捕捉信贷、衍生品、外汇和证券市场之间的相互依赖关系。
• 开发一种实用且计算可行的方法，用于估计考虑连锁违约的预期系统性损失。
• 证明市场指标系统性地低估真实系统性风险水平。
• 量化单个交易相对于传统信用风险度量的系统性影响的显著差异。

提出的方法

• 将墨西哥银行系统建模为包含四个独立金融层面的多层网络：信贷、衍生品、外汇和证券。
• 应用DebtRank算法，通过在相互关联的机构间递归传播压力，模拟连锁违约，量化系统性影响。
• 采用递归状态更新机制，使用连续压力变量 $ h_i(t) $ 和离散状态 $ s_i(t) $，模拟违约传染动态。
• 通过公式 $ ext{EL}^{ ext{syst}} riangleq V imes extstyleigsum_{i=1}^{b} p_i R_i $ 推导预期系统性损失 $ ext{EL}^{ ext{syst}} $ 的实用近似，其中 $ p_i $ 为违约概率，$ R_i $ 为通过DebtRank计算的系统性影响。
• 在墨西哥最大15家银行的子集上对近似结果与精确计算进行验证，平均偏差低于0.65%。

实验结果

研究问题

• RQ1 与单一层级模型相比，当在多个金融层级上建模时，系统性风险如何变化？
• RQ2 市场型系统性风险指标（如VIX或CDX）在多大程度上无法捕捉真实系统性风险水平？
• RQ3 国家层面的预期系统性损失是多少？自2007–2008年金融危机以来有何变化？
• RQ4 单个交易的系统性风险贡献与传统信用风险敞口相比如何？
• RQ5 网络拓扑结构（尤其是环路和高阶连接）对系统性风险估计有何影响？

主要发现

• 由于层间依赖关系和连锁效应，仅关注单一金融层级会低估总系统性风险高达90%。
• 全国范围的预期系统性损失目前最高可达2007–2008年金融危机前的四倍，表明系统性风险持续上升。
• 单个交易的系统性风险贡献度可比其仅由信用风险决定时高出1,000倍，凸显隐藏的系统性风险敞口。
• 各层级系统性风险之和低估了总风险，这是由于层间交互产生的非线性协同效应。
• 所提出的近似公式 $ ext{EL}^{ ext{syst}} = V imes extstyleigsum_{i=1}^{b} p_i R_i $ 与精确结果高度吻合（平均偏差 < 0.65%），并可在大规模网络上实现可扩展计算。