2012年-ECB欧洲央行_Predicting_Bank_Distress_and_Identifying_Interdependencies_among_European_Banks_8页_515kb

总结：预测欧洲银行危机与识别银行间相互依赖性

核心内容

本文档介绍了一种基于公开数据的早期预警模型，用于预测欧洲银行可能面临的危机和识别银行间的相互依赖性。该模型结合了银行层面和国家层面的脆弱性指标，并引入了尾部依赖网络来捕捉银行间风险传播的潜在影响，从而提高对银行危机的预测能力。

主要观点

1. 银行危机的预测重要性

   • 银行在金融危机中扮演了关键角色，因此需要早期预警模型来识别脆弱银行，以便及时采取政策行动。
   • 欧洲银行救助成本已超过 €1.6 万亿，但实际危机造成的经济损失更大，达到 GDP 的 20%-25%。
   • 银行危机的预测不仅关注具体时间点，更关注银行处于脆弱状态的可能性。

2. 银行危机的定义

   • 银行危机不仅包括破产、清算和违约，还包括政府支持和合并等非直接失败事件。
   • 该模型定义了三种类型的银行危机事件：实际失败事件、政府支持事件和合并事件。

3. 脆弱性指标分类

   • 银行层面指标：包括资本充足率、资产质量、管理质量、盈利能力、流动性及市场风险敏感度。
   • 国家层面银行系统指标：涵盖银行体系的杠杆率、证券化水平、房地产市场状况等。
   • 国家层面宏观金融指标：包括经济增长、通货膨胀、房价与股市缺口、政府债务、失业率等。

4. 模型构建

   • 采用递归逻辑斯蒂模型，结合银行和国家层面的脆弱性指标。
   • 模型基于 2000 年第一季度至 2009 年第四季度的样本数据，预测银行在危机前八季度的脆弱性。
   • 通过尾部依赖网络分析银行间的相互依赖性，以识别系统性风险的传导路径。

5. 模型评估

   • 模型的预测性能根据政策制定者对“错过危机事件”（Type I 错误）和“误报”（Type II 错误）的偏好进行评估。
   • 模型在不同阈值（μ）下的相对有用性（$U_r(\mu)$）被计算，用于衡量模型对政策制定者的帮助程度。

6. 模型优势

   • 包含宏观金融变量的模型在预测能力上优于仅包含银行资产负债表或银行系统变量的模型。
   • 引入银行间相互依赖性的模型在样本外预测中表现更优，能够更准确地识别系统性风险。

关键信息

• 数据来源：来自欧洲委员会、市场数据（如 Bureau van Dijk 和 Bloomberg）以及欧盟宏观金融不平衡机制（MIP）报告。
• 样本范围：涵盖 23 个欧盟国家的 439 家大型和中型银行，总资产超过 €10 亿。
• 预测方法：采用逻辑斯蒂回归模型，并结合尾部依赖网络分析银行间风险传导。
• 尾部依赖网络：通过 Lasso 算法识别关键风险驱动因素，构建银行间的尾部依赖关系图。
• 图表说明：
  • 图 A.1：显示各国银行数量和危机事件数量。
  • 图 A.2：展示模型在样本外预测中的表现，包括正确信号和误报。
  • 图 A.3：显示欧洲银行的尾部依赖网络，用颜色区分直接邻居和间接邻居。

模型结构

该早期预警模型包含四个基本组成部分：

1. 银行危机事件的定义

   • 包括破产、清算、违约、政府支持、合并等。

2. 脆弱性指标的选取

   • 银行层面：资产负债表和损益表指标。
   • 国家层面：银行系统指标和宏观金融指标。

3. 尾部依赖网络的构建

   • 使用 Lasso 和分位数回归方法，识别银行间风险传导路径。

4. 模型信号的评估

   • 基于政策制定者对 Type I 和 Type II 错误的相对偏好，设定阈值进行模型评估。

模型应用与结果

• 预测性能：模型在样本外预测中表现良好，特别是在考虑宏观金融变量和银行间相互依赖性的版本中。
• 政策意义：模型能够帮助政策制定者在危机前识别脆弱银行，为及时干预提供依据。
• 数据限制：部分数据仅涵盖 2007-2010 年，2011 年数据尚未完全公开。

结论

该模型为欧洲银行危机的早期预警提供了系统性框架，结合银行和国家层面的脆弱性指标，以及银行间相互依赖性的分析，有助于提高对银行系统性风险的识别能力，为政策制定提供科学依据。