Giovanni Covi, James Brookes en Charumathi Raja
Hoe banken worden blootgesteld aan het financiële systeem en de reële economie bepaalt het concentratierisico en de onderlinge verwevenheid in de banksector, en op zijn beurt de ernst van de staart-gebeurtenissen. We bouwen de Wereldwijde netwerkgegevensset, een uitgebreide op blootstelling gebaseerde dataset van de Britse banksector, die elk kwartaal wordt bijgewerkt en die ongeveer 90% van de totale activa dekt. We gebruiken het om de microstructuur van het Britse banksysteem te bestuderen en de waarschijnlijkheid en ernst van staartgebeurtenissen in te schatten. We stellen vast dat tijdens de Covid-19 (Covid) pandemie de kans en ernst van staartgebeurtenissen in de Britse banksector zijn toegenomen. De kans op een extreme stressgebeurtenis met verliezen van meer dan £ 91 miljard (ongeveer 19% van het CET1-kapitaal) steeg van 1% vóór de pandemie tot 4,1% in het tweede kwartaal van 2020 en daalde vervolgens tot 1,7% in het vierde kwartaal van 2021.
De rol van concentratierisico en verwevenheid in het economische en financiële systeem
concentratie risico in het economische systeem, zoals de kwetsbaarheid voor schokken voor grote niet-financiële ondernemingen, kan leiden tot opmerkelijke schommelingen in de economische activiteit (Gabaix (2011)). Het niveau van onderlinge verwevenheid in economische activiteit, zoals een hoge mate van onderlinge afhankelijkheid in de intersectorale input-outputkoppelingen van bedrijven, dat wil zeggen, hoe de output van een bedrijf wordt gebruikt in de productiefunctie van een ander bedrijf als input, kan de totale schommelingen in de output verklaren (Acemoglu et al (2012)). Deze netwerkkenmerken – concentratierisico en verwevenheid – spelen ook binnen het financiële systeem een belangrijke rol bij het bepalen van fluctuaties in de hoogte van systeemrisico. Modellen voor stresstests die gericht zijn op het vastleggen van onderlinge afhankelijkheid van staartrisico’s en het niveau van systeemrisico, moeten daarom rekening houden met deze netwerkkenmerken, om de stabiliteit van het financiële systeem te modelleren door de lens van zijn marktmicrostructuur.
Stochastische microstructurele stresstestmodellen
Het ontwikkelen van beleid dat de opbouw van systeemrisico’s vermindert en de stabiliteit van het financiële systeem in stand houdt, is een steeds belangrijker taak voor regelgevers wereldwijd. De risicoomgeving evolueert voortdurend en risico’s kunnen binnen het systeem ontstaan, afhankelijk van hoe de blootstellingen van banken zijn verdeeld over activaklassen, bedrijven, sectoren en landen. Dit vereist de ontwikkeling van degelijke analytische instrumenten om risico’s te interpreteren en te voorspellen. Er zijn verschillende methoden om de verspreiding van risico’s van de reële economie naar de balans van de banksector te beoordelen. In dit bericht gebruiken we a microstructurele stresstestmethode om het solvabiliteitsrisico te beoordelen. Deze methodologie is erg handig omdat het regelgevers in staat stelt de risicobronnen te ontleden op basis van elke afzonderlijke component van het netwerk, en ad-hoc contrafeitelijke beleidsoefeningen uit te voeren.
Onze modelleringsaanpak meet het solvabiliteitsrisico van de Britse banksector als functie van:
- De netwerkstructuur van de uitzettingen van Britse banken, waarbij de rol van onderlinge verwevenheid en concentratierisico wordt weergegeven.
- Tegenpartijrisico zoals de kans op wanbetaling van de tegenpartij (PD) en verlies bij wanbetaling (LGD) parameters, waarbij de ernst van potentiële schokken (een jaar vooruit) voor de reële economie wordt weergegeven. Deze reeks parameters wordt door banken in het VK geschat op basis van de sector en het land van de tegenpartij met behulp van gegevens op debiteurenniveau en ze worden verstrekt als toezichtgegevens COREP-template C.09.02.
- Een correlatiematrix van de wanbetalingskansen van tegenpartijen, die tot doel heeft de intersectorale input-outputkoppelingen van bedrijven te benaderen en zo de onderlinge afhankelijkheid van staartrisico’s te modelleren.
Ten slotte voeren we deze methodologie uit voor 20.000 simulaties om een volledige verdeling van de verliezen van banken af te leiden en zo de onzekerheid van het scenario in de tijd te modelleren. Deze stochastische benadering van scenarioontwerp stelt ons in staat om het volledige spectrum van de ernst van potentiële stressgebeurtenissen vast te leggen en hun uitkomst in probabilistische termen te beoordelen. Meer details over de methodologie en resultaten vindt u in dit werkdocument.
Risico kapitaal meten
We leiden twee toekomstgerichte maatstaven voor het solvabiliteitsrisico (een jaar vooruit) af: een capital at risk-maatstaf (CAR) en een conditional capital at risk-maatstaf (CCAR). De eerste is bedoeld om de opbouw van verwachte verliezen of gemiddeld risico in de Britse banksector te volgen, terwijl de laatste is gekalibreerd op het 99e percentiel van de verliesverdeling om extreme stressgebeurtenissen vast te leggen of op het 97,5e percentiel om ernstige stress vast te leggen evenementen. We volgen daarom de opbouw van de gemiddelde en staartrisico’s in de Britse banksector en vergelijken hun waarschijnlijkheid in de tijd, waarbij we ons richten op het inschatten van de opbouw van staartrisico tijdens de Covid-pandemie.
Grote gedetailleerde datasets
We construeren de Global Network-dataset, die bestaat uit blootstelling aan leningen, effecten en derivaten uit een aantal verschillende datasets die zijn verzameld voor toezichtdoeleinden: Tabel A. Dit dekt ongeveer £ 9,4 biljoen of 90% van de activa van het Britse banksysteem. De dataset brengt op consistente wijze de blootstellingen van Britse banken aan tegenpartijen in verschillende sectoren van de economie en landen in kaart. De dataset is onderverdeeld in twee hoofdcategorieën van blootstellingen. Gedetailleerde blootstellingen verwijzen naar blootstellingen die op een entiteit-tot-entiteitsniveau in kaart zijn gebracht en die 43% van de totale blootstellingsbedragen uitmaken (£ 4,1 biljoen). De resterende geaggregeerde blootstellingen worden op sector-landniveau in kaart gebracht.
Tabel A: De wereldwijde netwerkdataset (£ miljard)
Opmerking: GG verwijst naar de overheid, FC naar niet-bancaire financiële ondernemingen, CI naar kredietinstellingen, HH naar de sector huishoudens, NFC naar niet-financiële ondernemingen en CB naar centrale banken.
Resultaten
We stellen vast dat de kans op een extreme stress-gebeurtenis van meer dan £91 miljard verliezen, wat gelijk is aan 19% van het CET1-kapitaal van het Britse banksysteem (3,4 keer het gemiddelde verlies) zijn piek van 4,1% bereikte in het tweede kwartaal van 2020, van 1% tijdens de pre-pandemische periode (linker paneel, Grafiek 1). Bovendien is de ernst van extreme stressgebeurtenissen ook toegenomen, met CCaR-schattingen van £ 147 miljard, bijna 62% hoger in vergelijking met de pre-pandemische periode. Evenzo is de waarschijnlijkheid en ernst van ernstige (97,5e percentiel) stressgebeurtenissen ook toegenomen. Het grootste deel van deze stijging is toe te schrijven aan een hoger tegenpartijrisico in het bedrijfsleven (hogere PD’s) en aan de opbouw van risico buiten het VK. Als laatste hebben we de verwachte verliezen (CaR) geschat – het gemiddelde van de verliesverdeling – die vóór de pandemie gemiddeld £ 27 miljard bedroegen en £ 37 miljard op het hoogtepunt van de crisis, een stijging van 36%. In het vierde kwartaal van 2021 lag de CaR-schatting nog steeds boven het pre-pandemische niveau en bijna £ 31 miljard.
Grafiek 1: Waarschijnlijkheid en ernst van staartgebeurtenissen in de Britse banksector
Conclusies en beleidsimplicaties
De waarschijnlijkheid en ernst van extreme stressgebeurtenissen in de banksector hangen in de eerste plaats af van de mate van kwetsbaarheid in de reële economie, dat wil zeggen van de huidige economische en financiële omstandigheden die worden bepaald door de reeks risicofactoren – PD en LGD parameters. Desalniettemin verergeren de blootstelling van banken aan de reële economie en het financiële systeem de ernst van zeldzame staartgebeurtenissen en vergroten ze hun waarschijnlijkheid. Dankzij stochastische microstructurele stresstestmethodologieën zijn we in staat om te beoordelen hoe de microstructuur van het banksysteem en zijn bepalende kenmerken – concentratierisico en onderlinge verwevenheid – samen met de structuur van het echte economische netwerk een sleutelrol spelen bij de realisatie van dergelijke zeldzame extreme stressgebeurtenissen zoals de Grote Financiële Crisis van 2008. Hetzelfde probabilistische scenario kan resulteren in een heel andere uitkomst, afhankelijk van hoe de financiële en reële economische relaties zijn verdeeld, en van de reeks bedrijven die negatief worden beïnvloed door de verslechtering van de economische en financiële omstandigheden, dat wil zeggen, de verdeling van schokken. Over het geheel genomen vergroten een hoger niveau van tegenpartijrisico in de reële economie, of een hoger niveau van input-outputintegratie tussen bedrijven in de reële economie, en een meer onderling verbonden en geconcentreerd netwerk van blootstellingen van het banksysteem de ernst en waarschijnlijkheid van zeldzame staartgebeurtenissen die gevolgen hebben voor de banksector. Deze microstructurele benadering is toegepast om de impact van de Covid-pandemie op de waarschijnlijkheid van de Britse banksector om dergelijke extreme stressgebeurtenissen te ervaren, te meten. We ontdekten dat deze waarschijnlijkheid met 310% is toegenomen op zijn hoogtepunt in het tweede kwartaal van 2020 en nog steeds in het vierde kwartaal van 2021 hoger blijft in vergelijking met pre-pandemische niveaus als gevolg van een hoger tegenpartijrisico.
Giovanni Covi werkt bij de divisie Stress Test Strategy van de Bank, James Brookes werkt bij de Divisie Advanced Analytics van de Bank en Charumathi Raja werkt bij de Divisie Bankkapitaalbeleid van de Bank.
Als je contact met ons wilt opnemen, stuur dan een e-mail naar bankunderground@bankofengland.co.uk of laat hieronder een reactie achter.
Opmerkingen verschijnen alleen na goedkeuring door een moderator en worden alleen gepubliceerd als een volledige naam wordt opgegeven. Bank Underground is een blog voor medewerkers van de Bank of England om standpunten te delen die de heersende beleidsorthodoxen uitdagen – of ondersteunen. De standpunten die hier naar voren worden gebracht, zijn die van de auteurs en zijn niet noodzakelijk die van de Bank of England of haar beleidscomités.