martes, 16 de junio de 2015

Un análisis de redes financieras puede anticipar la próxima crisis

Por fin tenemos una manera de medir que bancos son "Too Big To Fail"
RAÚL ILARGI MEIJER, The Automatic Earth
Business Insider



La semana pasada, la revista Nature escribió acerca de un informe de Stefano Battiston, Michelangelo Puliga, Rahul Kaushik, Paolo Tasca y Guido Caldarelli, investigadores de ETH Zurich, publicado originalmente como DebtRank, too central to fail? en el sitio de FOC.

Así es como la gente de Phys.Org resumen del informe:

El equipo estudia el círculo más íntimo de la crisis financiera
"Demasiado central para quebrar" en lugar de "demasiado grande para quebrar": si los bancos representan un riesgo para el sistema financiero cuando se meten en la angustia tiene más que ver con su nivel de creación de redes que con su tamaño. Investigadores económicos en ETH Zurich han desarrollado un método para deducir la "importancia sistémica" de los bancos de sus conexiones complejas dentro de las redes financieras.
"Entre 2008 y 2010 un total de 22 bancos formó el círculo más íntimo de la crisis financiera. Ellos estaban conectados tan intensamente entre sí a través de relaciones de crédito, inversiones de capital mutua y dependencias financieras que la angustia de uno solo de ellos podría poner en peligro todo el sistema financiero. [..]
"El trabajo de los investigadores de ETH Zurich inyecta un nuevo impulso al debate sobre la importancia sistémica de los bancos que son" demasiado grandes para quebrar ". Un banco se vuelve de importancia sistémica, o "demasiado grandes para quebrar", cuando sus servicios son insustituibles y su insolvencia costaría a la economía nacional más que su rescate por parte del Estado. Sin embargo, el tamaño de un banco es sólo un indicador de su importancia para el sistema financiero. Incluso los bancos pequeños pueden plantear riesgos sistémicos si están estrechamente conectados en red con otras instituciones financieras.
"La identificación de estos riesgos de redes y los riesgos de crédito interdependientes presenta grandes desafíos para la ciencia, la empresa y las autoridades competentes. Por esta razón, la Comisión Europea ha puesto en marcha el proyecto científico "Pronosticar Crisis Financiera (FOC)". FOC es financiado por el FET Open ("Esquema futuro abierto y Tecnologías Emergentes"). Su tema de investigación es entender y posiblemente previsión de riesgo sistémico y las inestabilidades financieras globales. [..]
"Los datos de la Reserva Federal se originan en el" programa de préstamos de emergencia "de 2007 a 2010, a través del cual la Fed proporciona" dinero barato "a las instituciones financieras en los EE.UU. que estaban gravemente en riesgo de impagos. En el punto álgido de la crisis, la cantidad total de préstamos concedidos subió a un sorprendente USD 1,2 billones.
"La Reserva Federal publicó las cifras después que la Corte Suprema de Estados Unidos otorgó a la empresa de negocios e información financiera y de noticias Bloomberg el derecho de inspeccionar los datos, ya que el sistema financiero de Estados Unidos había, después de todo, ha reestructurado el uso de los fondos públicos. Los conjuntos de datos de la Reserva Federal y Bloomberg documentan las deudas pendientes residuales y la capitalización de mercado de un total de 407 instituciones financieras que tomó prestado préstamos de emergencia de la Fed. El tamaño de los préstamos proporciona una indicación de la deuda individual de un banco de más de cuota de capital propio y de cualquier peligro o defecto potencial.
"La evaluación de los datos de la Reserva Federal mostró que, a pesar de los diversos bancos entraron en dificultades en diferentes momentos, alrededor de 30 bancos llegaron a la cima de su situación de emergencia de forma simultánea a la altura de la crisis. Considerado durante toda la duración del programa de préstamos de emergencia, sino que también puso de manifiesto que el número de los principales prestatarios en un momento dado se cernía en torno a una figura de 20. Los investigadores del ETH Zurich y luego se volvió su atención hacia esas 22 instituciones que habían recibido más de USD 5 mil millones en préstamos de emergencia, en promedio, durante todo el período de crisis.

Ok, hechas las introducciones. Jugué un poco con un pequeño gran widget en la página FOC basado en el informe, y generaron las gráficas a continuación.

Ahora, antes de saltar a conclusiones, tenga en cuenta que el método, en este caso, utiliza un conjunto de datos: los obtenidos por Bloomberg, después de una gran molestia, a través de la Ley de Libertad de Información, que cubren sólo la "emergencia de la Fed programa de préstamos "de 2007 a 2010. Por lo tanto, si usted piensa usted ve las cosas - como la interdependencia entre los bancos - aparentemente volviendo a la normalidad a medida que pasa el tiempo, sería un error. Es que el equipo de investigación se quedó sin datos. Utilizaron los números de la Fed simplemente para proporcionar una demostración de lo que su método podría lograr. Una advertencia muy importante. Volvamos a que después de los gráficos.

¿Cómo lo hace todo el trabajo? Basta pensar Google. Si usted puede hacer PageRank, puede hacerlo DebtRank. si usted tiene acceso a los datos. Marcos Buchanan explica que parte de Bloomberg:

Cómo Google puede evitar la siguiente crisis financiera
La idea matemática que volvió Google Inc. en una empresa multimillonaria tiene el potencial para ayudar al mundo a evitar la próxima crisis financiera. Si sólo los bancos hagan públicos los datos necesarios para realizar el trabajo.
Hace dieciséis años, los fundadores de Google - científicos de la computación, Larry Page y Sergey Brin - introdujeron un algoritmo para medir la "importancia" de las páginas web relativas a cualquier conjunto de palabras clave. Conocido como PageRank, que funciona en la noción de que las páginas Web votan efectivamente para otras páginas mediante la vinculación a ellos. Los más importantes, Page y Brin razonaron, deben ser esos vínculos dibujo de muchas otras páginas, especialmente de otros los realmente importantes.
Si esta definición suena circular, lo es. También captura una realidad auténtica, por lo que el respeto que da resultados muy superiores. Página y avance de Brin involucrados usando las matemáticas para hacer que funcione. Las ideas necesarias no van mucho más allá de álgebra de la escuela secundaria, a pesar de que se necesita una gran cantidad de potencia de cálculo para hacer algo tan extenso como el posible World Wide Web.
¿Qué podría tener que ver con las finanzas? Bastante. El riesgo sistémico que convirtió la crisis subprime, préstamos de Estados Unidos en un desastre mundial es circular, también. No podemos identificarla simplemente mediante la búsqueda de los bancos con la mayor cantidad de activos o las mayores carteras de préstamos de alto riesgo. Lo que importa es el número de enlaces tiene un banco a otras instituciones, lo fuerte que esos vínculos son y lo arriesgado esos otros bancos son, entre otras cosas porque ellos también tienen enlaces a otros bancos riesgosos.
Algo así como PageRank puede ser justo lo que hay que cortar a través de él. Ese es el argumento, al menos, hecha por un equipo de físicos y economistas europeos en un nuevo estudio. Su algoritmo, DebtRank, busca medir el valor económico total que sería destruido si un banco se convirtió en dificultades o entró en default. Lo hace moviendo hacia fuera del banco a través de la web de enlaces en el sistema financiero para estimar todas las diversas consecuencias que puedan acumular de un fracaso. Los bancos conectados a más bancos con calificaciones de alta DebtRank sería, naturalmente, tienen los propios puntajes DebtRank superiores.

El primer conjunto de gráficos es el conjunto "seco" del DebtRank.

Empezamos bastante recatada en enero de 2008. mercados tapas de los bancos siguen siendo -relativamente - alta, y filas de deuda son bajos, es decir, ningún banco es todavía lo suficientemente céntrico para ser un riesgo evidente para el sistema. De acuerdo con el conjunto de datos de la Fed, es decir; la plena realidad, por supuesto, ya es mucho peor en este punto.



En julio de 2008, hay una primera blip, con tapas de mercado a la baja y la interdependencia (filas de deuda) en alza.



Noviembre de 2008 trae la cosa real. Las filas de deuda explotan, y tapas de mercado hunden. No es casualidad.



En marzo de 2009, las cosas se ponen aún peor. Tapas de medios de mercado alcanzan un fondo, habiendo caído un 80% más o menos, y los bancos centrales demasiado para quebrar están en el centro del círculo rango de la deuda, lo que significa que pueden hacer mucho daño al sistema.



Después de que hay una fuerte caída en la interdependencia, aunque se mantiene por encima del punto de partida enero de 2008, y un relativamente buen aumento de tapas medios de mercado, que, sin embargo, se quedan muy por debajo del punto de partida. hasta el final del conjunto de datos a mediados de 2010.



Y a continuación, una serie similar de gráficos, línea de tiempo idéntico, por lo que los investigadores llaman el Terreno de la burbuja, que se definen de esta manera:

DebtRank vs Tamaño. Gráfico de dispersión de DebtRank versus tamaño del activo, medida como una fracción (en%) del total del tamaño de los activos en la red. En aras de la simplicidad, en el experimento, tamaño de los activos se supone constante durante el lapso de tiempo de los datos. Observe que instituciones como UBS o CITIGROUP representan por sí solos casi el 10% de los activos totales. El tamaño de cada burbuja es proporcional a la deuda pendiente de pago de la institución, mientras que el color refleja su fragilidad, que se define como la proporción de la deuda sobre capitalización de mercado.

En enero de 2008, todo parece tranquilo. Nota lo solitario de Morgan Stanley en la parte superior.



En el primero julio 2008 blip, las burbujas explotan y crecen ligeramente.



En noviembre de 2008, se acabó el juego en. El aumento de tamaño de las burbujas y las burbujas suben, lo que indica, digamos, el aumento de la volatilidad.



En marzo de 2009, el techo no es lo suficientemente alto como nunca más. A excepción de Morgan Stanley ...



Y un año después de eso, todo parece bien otra vez.



Qué significa todo esto? Bueno, hay un montón de advertencias involucrados, tantos que ninguna voz puede decir muchas cosas para desacreditar el informe, y su validez. Pero al final, sólo podemos concluir que efectivamente existe una manera de medir el impacto de los demasiado grandes para quebrar y / o demasiado central para quebrar las instituciones financieras en nuestras economías. O por lo menos eso hay uno que vale la pena examinar, que promete mucha fuerza que nos proporcione una forma de medirlo.

Sólo tenemos que alimentar en los datos. Eso no va a hacer que la deuda desaparece, pero al menos sabría cuánto es, y, tal vez aún más importante en este punto, donde está.

Pero, por supuesto, los datos no están disponibles. No por los propios bancos, y no por los reguladores que se supone que controlarlos. Y no por los legisladores que son los únicos que tendrían el poder para exigir que están disponibles.

Tal vez, por ejemplo, en una de las miríadas de casos judiciales relacionados con las próximas LIBOR, hay un juez en alguna parte que demanda números reales. Pero no podemos contar con eso suceda tampoco. Todos estamos básicamente las colillas combinados de una broma en todo el mundo.

Aún así, dejar que nadie cualquier momento y lugar ya te digo que todo el lío financiero que hemos estado hundiendo en desde hace años es demasiado complejo para medir.

No lo es.

Es que nadie quiere medir la economía utilizando estándares científicos. Porque eso sería exponerlo todo por el fraude que es, tanto la profesión económica y el sistema financiero en su conjunto. Aquí está Matt Buchanan nuevo, poniéndolo muy elocuente:

Un algoritmo por sí sola no puede salvar al mundo, y esto no es la última palabra sobre la mejor manera de medir el riesgo sistémico. Sin embargo, la aparente superioridad del enfoque DebtRank subraya cómo nuestra capacidad de supervisar el sistema financiero depende totalmente de la disponibilidad de datos. En la actualidad, la mayor parte de la información que sería necesaria para calcular DebtRank o cualquier otra medida similar, simplemente no es público.
Imagina un mundo en el que fueron obligados por ley los bancos y otras instituciones financieras a revelar absolutamente todos sus activos y pasivos de los bancos centrales, que a su vez hacer pública dicha información en un sitio web. Reguladores - de hecho, cualquier persona - serían entonces podrá ver toda la red y evaluar la situación de un banco en plena claridad. Cualquier persona tan inclinado podría calcular medidas como DebtRank y evaluar la cantidad de cualquier banco particular está aportando al potencial de inestabilidad financiera.
Con total transparencia, es muy posible que la actividad principal de los prestamistas volvería a evaluar la solvencia de los prestatarios. Tendrían que hacerlo para mantener una buena reputación y de pedir prestado a sí mismos, como los préstamos riesgosos que hicieron serían conocidos por todos. En tal situación, el economista y físico Stefan Thurner, de la Universidad Médica de Viena indica, "las instituciones financieras sólo se sobrevivir y prosperar si evaluar el riesgo de los demás como superiores a sus compañeros."
Esa es una idea radical, tan radical que es casi seguro que un imposible político. Pero a medida que el físico británico William Thomson, también conocido como Lord Kelvin, poner de nuevo en el siglo 19: "Lo que no se puede medir, no se puede aspirar a mejorar." Es una pieza duradera de la sabiduría.

Si, claro. La plena transparencia. Y el día en que nos las arreglamos para hacer que los cerdos vuelan, que va a ser transparente también.

No hay comentarios:

Publicar un comentario en la entrada