[论文解读] Measures of Systemic Risk

Zachary Feinstein, Birgit Rudloff+1 more|RePEc: Research Papers in Economics|Feb 27, 2015

Insurance and Financial Risk Management被引用 5

一句话总结

本文提出了一种新颖的集合值、多变量系统性风险度量方法，用于量化实现监管可接受性所需的资本配置，该方法基于系统的现金流模型和可接受性标准。论文提出了一个计算算法，并通过案例研究证明，该度量能够捕捉到单变量方法无法检测到的系统性相互依赖关系和资本敏感性，为宏观审慎监管提供了前瞻性工具。

ABSTRACT

Systemic risk refers to the risk that the financial system is susceptible to failures due to the characteristics of the system itself. The tremendous cost of systemic risk requires the design and implementation of tools for the efficient macroprudential regulation of financial institutions. The current paper proposes a novel approach to measuring systemic risk. Key to our construction is a rigorous derivation of systemic risk measures from the structure of the underlying system and the objectives of a financial regulator. The suggested systemic risk measures express systemic risk in terms of capital endowments of the financial firms. Their definition requires two ingredients: a cash flow or value model that assigns to the capital allocations of the entities in the system a relevant stochastic outcome; and an acceptability criterion, i.e. a set of random outcomes that are acceptable to a regulatory authority. Systemic risk is measured by the set of allocations of additional capital that lead to acceptable outcomes. We explain the conceptual framework and the definition of systemic risk measures, provide an algorithm for their computation, and illustrate their application in numerical case studies. Many systemic risk measures in the literature can be viewed as the minimal amount of capital that is needed to make the system acceptable after aggregating individual risks, hence quantify the costs of a bail-out. In contrast, our approach emphasizes operational systemic risk measures that include both ex post bailout costs as well as ex ante capital requirements and may be used to prevent systemic crises.

研究动机与目标

• 开发一种基于金融体系结构和监管目标的严谨系统性风险度量方法。
• 提供一个能够同时捕捉事前资本要求与事后救助成本的框架，以保障系统稳定性。
• 通过统一且可计算的模型，实现对干预措施在系统性风险方面影响的定量分析。
• 证明多变量风险度量在检测系统性相互依赖关系方面优于单变量方法。
• 通过引入EARs（高效分配规则）作为全局资本成本最小化工具，支持实际的资本监管。

提出的方法

• 系统性风险度量被定义为额外资本配置的集合 $ R(Y;k) = \{m \in \mathbb{R}^l \mid Y_{k+m} \in \mathcal{A}\} $，其中 $ Y $ 为现金流或价值模型，$ \mathcal{A} $ 为可接受性标准。
• 该方法依赖于一个非递减的随机场 $ Y_k $，将资本配置映射到随机的系统结果。
• 通过偏移的指数风险度量定义可接受性标准 $ \mathcal{A} $：$ \mathcal{A} = \{M \in L^0 \mid \mathbb{E}[\exp(-M)] \leq \exp(-0.9)\} $。
• 本文开发了一种显式计算 $ R(Y;k) $ 的算法，使复杂系统中的数值评估成为可能。
• 该框架被应用于包含 illiquid 资产的网络模型，通过非线性逆需求函数 $ f(x) $ 考虑价格影响。
• 引入了高效分配规则（EARs），作为在系统性风险度量下资本成本的全局最小化器。

实验结果

研究问题

• RQ1 如何构建一种系统性风险度量方法，使其既能反映事前资本需求，又能体现事后救助成本？
• RQ2 多变量风险度量在何种方式下能够检测到单变量度量所遗漏的系统性相互依赖关系？
• RQ3 监管机构如何确定在给定模型下确保系统可接受性的最小资本配置？
• RQ4 资产非流动性与投资组合构成对系统性资本要求有何影响？
• RQ5 如何高效计算系统性风险度量，并将其应用于现实世界的监管设计？

主要发现

• 该系统性风险度量为集合值且多变量，能够捕捉单变量度量无法检测到的机构间相互依赖关系。
• 在包含三组企业（大型、中型、小型）的案例研究中，大型和中型企业的资本要求对小型企业资本水平不敏感，与现行监管实践一致。
• 随着流动资产比例（$ \alpha $）从 0% 增加到 100%，大型和中型企业的最低资本要求下降，反映出更低的清算风险。
• 当 $ \alpha $ 降低时，资本要求层级之间的间距增大，表明大规模非流动性资产抛售带来的价格影响更高。
• 该框架成功地将现有的系统性风险度量（如传染指数和 SystRisk）统一嵌入一个公理化结构中。
• 识别出 EARs 为最优资本分配规则，可在确保系统可接受性的前提下最小化全局资本成本。