[论文解读] Contagion Flow Through Banking Networks

Michael Boss, Martin Summer+1 more|ArXiv.org|Mar 5, 2004

Banking stability, regulation, efficiency参考文献 5被引用 5

一句话总结

本文通过模拟外生冲击后在奥地利银行间网络中的传染性传导流程，利用2000–2003年间的实际负债数据，对系统性风险进行建模。研究发现该系统高度稳定，仅有3.69%的违约事件具有传染性，且识别出顶点介数（vertex betweenness）是预测银行传染影响的强指标，凸显出少数系统重要性机构的存在。

ABSTRACT

Based on an empirical analysis of the network structure of the Austrian inter-bank market, we study the flow of funds through the banking network following exogenous shocks to the system. These shocks are implemented by stochastic changes in variables like interest rates, exchange rates, etc. We demonstrate that the system is relatively stable in the sence that defaults of individual banks are unlikely to spread over the entire network. We study the contagion impact of all individual banks, meaning the number of banks which are driven into insolvency as a result of a single bank's default. We show that the vertex betweenness of individual banks is linearly related to their contagion impact.

研究动机与目标

• 评估奥地利银行间网络在外部金融冲击下的稳定性和鲁棒性。
• 量化单个银行违约后通过银行间负债传导的传染性传播程度与机制。
• 通过分析某家银行对其他机构违约的影响，识别出系统性风险最高的银行。
• 评估网络拓扑结构（尤其是顶点介数）是否能预测银行在引发连锁违约中的作用。

提出的方法

• 本研究使用奥地利央行数据（MAUS 和 GKE）生成的真实世界负债矩阵 L，涵盖2000至2003年间900家银行与金融机构。
• 通过随机波动外部金融变量（如利率与汇率）来模拟外生冲击。
• 模型通过净额结算方式清算银行间债权，并追踪由基本面损失与传染性违约引发的违约事件。
• 采用压力测试框架，逐个将每家银行从网络中移除，清算系统后统计由此引发的（传染性）违约数量，以衡量传染影响。
• 计算每家银行的顶点介数，并将其与实际观察到的传染影响进行相关性分析。
• 模型假设非银行类资产的回收率为50%，而银行间债权在违约情况下可实现全额回收。

实验结果

研究问题

• RQ1 在单家银行违约后，奥地利银行间网络中传染性蔓延导致系统性危机的可能性有多大？
• RQ2 宏观经济冲击与银行间关联网络在导致银行违约方面，各自发挥多大程度的作用？
• RQ3 哪些网络特性最能预测某家银行引发连锁违约的潜力？
• RQ4 顶点介数是否可作为衡量银行在传染传播中系统重要性的可靠指标？
• RQ5 银行间网络的结构特征——尤其是其小世界与无标度特性——如何影响金融稳定性？

主要发现

• 由于传染性蔓延导致整个网络发生系统性危机的概率极低，仅有3.69%的违约事件具有传染性。
• 绝大多数违约（96.31%）源于基本面冲击，而非传染性传播，表明系统具有强大韧性。
• 仅有13家银行在违约时会引发超过一个额外违约，另有16家银行引发恰好一个额外违约，凸显出少数系统关键性机构的存在。
• 顶点介数与传染影响之间存在显著线性关系（当B(i) > 2时），使其成为预测系统性风险的可靠指标。
• 银行间网络表现出小世界与无标度特性，具有较低聚类系数与幂律度分布，有助于系统稳定性。
• 单一市场占有率无法有效预测系统重要性；相反，通过介数体现的拓扑中心性是更优的传染风险指标。