全球危机引起了人们对金融机构之间联系的关注，特别是它们是否使系统更容易发生危机，它们如何做到这一点，以及它们可能对宏观经济产生什么溢出效应。对此，研究人员提出了新的理论模型来解释关联如何传播风险(Acemoglu等人，2015年)，开发了一系列措施来帮助政策制定者评估系统风险，并在全球危机之前、期间和之后的数据上测试这些措施(见Bisias等人的评论文章，2012年)，并展示了银行间关系如何放大经济衰退(Mitchener和Richardson, 2019年)。
当前一个令人兴奋的研究领域旨在通过研究早期时代来提高我们对系统性风险及其与危机之间关系的理解。一种方法是采用现有的系统性风险措施，并对它们在早期危机中进行“回测”。例如，Brownlees等人(2015)使用了1865-1925年间126家纽约票据交换所银行的样本，分析了两种流行的系统风险度量——Srisk和CoVaR的效用。
另一个有前途的途径是对过去特别重要的危机提供系统性风险的全面检查，利用网络结构的差异以及严重性和地理影响的变化，以阐明系统性风险的衡量。按照这些思路，我们的新研究(Das et al. 2018)考察了20世纪最严重的美国银行业危机，即大萧条，当时约有9000家商业银行倒闭。我们开发了工具来研究风险集中在哪里，在经济活动下降和第一次银行业危机爆发之前，整个商业银行网络对风险的暴露程度如何，以及1929-33年期间大量的倒闭如何改变了网络结构。重要的是，由于我们的措施是针对银行的，而且我们有系统中每个商业银行的结果的数据，我们能够测试我们的系统风险措施是否改善了对后续破产的预测，并准确地确定它们是如何影响银行生存的。
我们的方法有几个新颖的特点，使我们能够对系统风险评估以及银行间关系在这场20世纪美国最大的银行业危机中的重要性提供新的见解。我们使用1929年和1934年美国所有商业银行和信托公司代理银行关系的新数据集构建了网络度量。1929年，超过25,000家银行联网(图1)，银行之间有超过70,000个独特的连接。
图11929年(上)和1934年(下)的往来银行和应答银行
请注意:被调查银行为红色，代理银行为蓝色，按各银行的相对程度划分。往来银行将资金存入往来银行。往来银行通常是位于市中心的大型银行。通信-应答关系兴起于19世纪，其目的是为了满足那些想在更远的地方做生意的客户的需求。规定允许小银行通过在大银行持有银行间存款来满足准备金要求，进一步巩固了这些关系，并创造了一个金字塔形的网络，其中最大城市(纽约和芝加哥)的银行位于金字塔的顶端。
与最近从资金流动数据估计金融联系的方法不同，我们对关联度的衡量是基于这两年美国所有商业银行所声明的往来银行关系。也就是说，与许多为应对全球危机而开发的衡量标准不同，在这些衡量标准中，联系本身需要估算，或者系统风险衡量标准是基于回归预测的估算，我们对联系和系统风险的衡量标准是根据从银行家通讯录中手工收集的原始关系数据构建的。我们数据的这一特性在网络建模(数据允许直接测量节点和节点之间的连接)和预测(在经验估计单个银行结果时不需要考虑额外的不确定性层)方面具有优势。
根据Das(2016)，我们的系统风险度量结合了来自资产负债表的内部信用风险和来自网络连接的外部银行风险。由于成千上万家规模太小、无法在纽约证券交易所上市的银行没有信用评级，我们采用财务比率来开发一种综合衡量信用风险的方法，这是利润率和转化杠杆的乘积。通过对内外部系统风险综合测度的函数形式进行分解，可以观察到各银行对整体系统风险的贡献。
了解哪些节点在网络中具有最大的影响力——即哪些节点是最关键的——对于那些可能想要识别“大到不能倒”或具有系统重要性的机构的政策制定者来说是特别有意义的。我们发现，1929年系统性风险是相当分散的，最大的20家银行贡献了大约18%的系统性风险。造成系统性风险的最大两家银行，伊利诺伊大陆国家银行和信托公司以及大通国家银行，加起来有超过7000个独特的银行关系。1934年，由于20世纪30年代初的大规模银行业危机，银行之间的平均联系数量减少，平均资产负债表风险增加。这两种变化的结合重塑了网络，重新分配了风险——它将每家银行的系统风险提高了33%，并将系统中最大的20家银行的风险提高了5个百分点。因此，风险的分布更加集中在体系的顶层。
此外，我们评估了网络拓扑是否与风险有关，特别是大萧条之前存在的银行系统金字塔状结构是否会集中风险(参见图1的注释)。我们表明，即使在“无标度”网络类中，特定的拓扑也会放大风险。与“随机无标度图”拓扑结构相比，1929年存在的商业银行系统金字塔状结构增加了脆弱性和风险扩散的倾向，通过将银行互动集中到网络中的特定节点。
制定系统性风险措施，帮助确定困境并预测随后的金融机构破产，是政策制定者的一个中心目标。通过使用所有美国商业银行的个人数据，我们能够直接测试系统性风险指标(如我们研究中开发的那些指标)是否能够有效预测银行随后的困境——也就是说，包含系统性风险的模型是否优于不包含系统性风险的模型——以及特定网络特征是提高了生存能力还是降低了生存能力。利用边际似然计算，我们表明，当特征向量中心性和银行系统性风险贡献等网络度量与捕捉银行违约风险的资产负债表数据相结合时，它们可以强有力地预测1934年银行的生存能力。与没有网络度量的模型相比，包含网络度量的模型得到了更好的数据支持，这表明基于网络的系统风险度量可能对想要了解风险在系统中的位置以及这种风险对银行困境的影响的政策制定者具有相当大的效用。
我们发现，1929年提前违约风险较高的银行更有可能随后倒闭。我们还发现，一家银行的互联性的影响取决于它是否是联邦储备系统的成员。对于金融体系中的大多数银行来说，高风险的资产负债表和高度互联性的结合导致了银行倒闭的更高概率。然而，美联储成员似乎没有经历这些同样的负面影响——这是一个特别有趣的结果，因为从1932年开始，重建金融公司进行了大规模干预，以拯救一些银行。重建金融公司(Reconstruction Finance Corporation)首席行政官的评论表明，他们特别热衷于向该国最大的银行提供支持(Jones 1951)，其中大多数是关系密切的美联储成员银行。因此，这些结果支持了这样一种观点，即美国“大到不能倒”的银行政策的源头可以追溯到更早的时代。
我们的研究强化了最近全球危机中出现的另一个观点:大型宏观冲击可能对金融体系产生不同的影响，这取决于网络连接的结构。Brunetti等人(2017)分析了2008年前后的银行间市场，发现实体或声明的网络连接为后续流动性问题提供了有意义的预测。我们对大萧条的分析，也使用陈述的关系来检验银行存活率，补充了这些发现。在20世纪30年代的银行业恐慌期间，对流动性的需求飙升。中小型银行由于无法获得流动性，常常倒闭。
大萧条时期网络拓扑的独特性和银行倒闭的巨大地理分布为危机期间的系统风险分析提供了新的见解，特别是在大萧条时期金融机构的数量远远高于近代存在的数量的情况下。经济危机的性质和诱因可能在几十年之后发生变化，但网络分析在衡量和预测系统性风险及其后果方面的价值始终保持强劲。
参考文献
Acemoglu, D, A Ozdaglar和A tahbas - salehi(2015)，“金融网络的系统性风险与稳定性”，美国经济评论105(2): 564 - 608。
Bisias, D, M Flood, A Lo和S Valavanis(2012)，“系统风险分析的调查”，金融经济学年度评论4: 255 - 96。
Brownlees, C, B Chabot, E Ghysels和C Kurz(2015)，“历史银行挤兑期间的系统风险度量的回测”，芝加哥联邦储备银行工作文件2105-09。
Brunetti, C, J Harris, S Mankad和G Michailidis(2017)，“银行间市场的互联性”，金融经济学杂志，即将到来的。
Das, S(2016)，“矩阵度量:基于网络的系统风险评分”，另类投资杂志18: 33-51。
Das, S, KJ Mitchener和A Vossmeyer(2018)，”系统性风险和大萧条， CEPR讨论文件25405。
琼斯,JH (1951),500亿美元:我在RFC的13年，1932-1945，纽约:麦克米伦。
Mitchener, KJ和G Richardson(2019)，“大萧条期间的网络传染和银行间放大”，政治经济学杂志,即将到来。
