Download Transmisión de Perturbaciones en Redes
Document related concepts
Transcript
ANALES | ASOCIACION ARGENTINA DE ECONOMIA POLITICA XLV Reunión Anual Noviembre de 2010 ISSN 1852-0022 ISBN 978-987-99570-8-0 TRANSMISIÓN DE PERTURBACIONES EN REDES BANCARIAS: UN ENFOQUE DE SIMULACIÓN Bertolotto, Manuel Callorda, Fernando Indaco, Agustín Minatta, María Transmisión de Perturbaciones en Redes Bancarias: Un Enfoque de Simulación1 Lic. Manuel Ignacio Bertolotto2 Lic. Fernando Martín Callorda3 Lic. Agustín Indaco4 Lic. María Minatta5 Universidad de San Andrés Resumen El objetivo del trabajo es el estudio de la transmisión de perturbaciones en una economía interbancaria. A través de la simulación, se busca establecer para qué rango de valores la ocurrencia de un shock acaba por propagarse a toda la economía destruyendo el sistema. A su vez, se estudia si la propagación tiene los mismos efectos en economías con mayor concentración o no. Clasificación JEL: E5; E0; G1 Abstract In this work we study the transmission of disturbances in a banking system. Simulating our model, we look for threshold parameters which determine whether the occurrence of a negative shock, affecting initially some banks, would propagate to the entire system. We also study the evolution of the shock’s transmission mechanism in two different set ups: including “too big to fall” banks and excluding them. JEL Clasification: E5; E0; G1 1 Esta versión: 31 de Agosto de 2010. El trabajo aún se encuentra en versión (muy) preliminar. Se agradecen los valiosos comentarios e ideas sugeridas por Daniel Heymann. También se agradece a Roberto Perazzo y a Martin Zimmermann. Las posiciones aquí adoptadas pertenecen al autor y no pretenden reflejar las de la Universidad de San Andrés. Todos los errores y omisiones son de nuestra exclusiva responsabilidad. 2 m.i.bertolotto@gmail.com 3 fcallorda@udesa.edu.ar 4 aindaco@gmail.com 5 mariaminatta@gmail.com “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” Índice 1.1Introducción 2 2.2Literatura previa 3 3.5 Transmisión de perturbaciones en redes bancarias, en un modelo simple 4 4. Transmisión de perturbaciones en redes bancarias, en un modelo con mayor concentración 7 5. Transmisión de perturbaciones en redes bancarias, en un modelo con distinción entre bancos con problemas de solvencia y otros con problemas de iliquidez 10 6. Conclusiones 11 7. Bibliografía 13 8. Anexos 14 Página 1 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” 1. Introducción Durante las crisis financieras, suele prestarse particular atención a lo que sucede en el mercado interbancario ya que se considera que dicho mercado permite medir la gravedad de una crisis. Durante las crisis el flujo de préstamos entre bancos se reduce enormemente. El principal motivo es que los bancos, incluso los sanos, dejan de prestar porque no saben con certeza si en el futuro ellos tendrán la posibilidad de pedir prestado. Esta incertidumbre da lugar a que el mercado interbancario se enfríe. Lo contrario se observa en momentos de bonanza ya que, cuando estos ocurren, el mercado de préstamos interbancarios suele ser extremadamente ágil y grandes montos son prestados entre los bancos. El mercado interbancario suele ser el canal a través del cual se propagan las crisis financieras entre los diversos bancos6. En este sentido, el temido “efecto contagio” (también conocido como riesgo sistémico) suele darse justamente a través del mercado interbancario. En una red de conexiones interbancarias con muchos bancos vinculados entre sí es fácil imaginar que el default de un banco sobre sus deudas afecte la solvencia de otros bancos; incluso la de aquellos que hasta la ocurrencia de este hecho se encontraban sanos. Así, un primer impacto negativo puede generar un efecto “bola de nieve” en la que ocurren sucesivos defaults que acaban deteriorando el mercado interbancario. El primer objetivo de este trabajo es estudiar la magnitud del efecto contagio a través del mercado de préstamos interbancarios. Para ello, presentaremos un modelo en el cual los bancos de una economía se encuentran vinculados únicamente a través de los préstamos interbancarios. En este escenario, estudiaremos de qué manera la caída de un banco (lo cual ocurre cuando no cumple un ratio de solvencia definido más adelante) genera problemas en los demás, dando lugar al efecto contagio. Este modelo nos permitirá entender en mayor profundidad el funcionamiento de la red de préstamos entre bancos. Una segunda finalidad es la de estudiar el caso de una economía con mayor concentración de la actividad bancaria a fin de comprender cómo se propaga el shock cuando existen bancos que son sustancialmente “más grandes” que otros. De esta manera, resulta interesante observar si en una economía donde algunos bancos son sustancialmente de mayor tamaño que otros los resultados observados son diferentes; en particular, si esta economía es más o menos resistente a los shocks negativos a los que se encuentra expuesta. Por último, creemos relevante efectuar una distinción entre bancos ilíquidos y bancos insolventes. Así, mientras que los primeros sólo se encuentran en aprietos de manera momentánea por falta de fondos para repagar sus deudas en el corto plazo, los segundos no tienen capacidad para afrontar sus obligaciones. De este modo, se considera que un banco caído es ilíquido con una probabilidad “p” mientras que se lo toma como insolvente con probabilidad “1-p”. En caso de que determinado banco sólo enfrente problemas de iliquidez, nuevamente con cierta probabilidad, los bancos que se encuentran activos en la economía pueden decidir prestarle (esta situación ocurre con probabilidad “q”). Si los bancos le prestan, el banco pasa a estar nuevamente activo.7 En base a las simulaciones realizadas, nuestro modelo base sugiere que el efecto contagio puede ser relevante y muy perjudicial para el mercado de préstamos interbancarios. Encontramos que si el ratio de solvencia se encuentra por debajo de cierto umbral el mercado interbancario colapsará como consecuencia del riesgo sistémico generado por la caída de un banco. Este resultado es novedoso para la literatura sobre contagios, ya que trabajos como Kaufman (1994) y Galos y Soramaki (2005) se concentran únicamente el efecto contagio en un marco en el cual el ratio de solvencia es relativamente elevado. A diferencia de ellos, nosotros 6 7 Gropp y Vesala, 2004. Esta etapa del trabajo se encuentra en elaboración, y estará disponible en futuras versiones. Página 2 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” graficamos la magnitud del efecto contagio para una gran dispersión de ratios, y así encontramos que existen ciertos valores críticos debajo los cuales el efecto contagio sí resulta relevante. A su vez, este mismo modelo ampliado para el caso de una economía más concentrada en la cual existen tres bancos grandes (con mayor cantidad de activos que el resto), arrojó resultados similares sobre la importancia del riesgo sistémico. En este caso, encontramos que si el ratio de solvencia se encuentra por debajo de cierto umbral (menor que en el caso previo) los diez bancos modelados entran en cesación de pagos, haciendo desaparecer el mercado de préstamos interbancarios. Además, dicho modelo nos permite conjeturar que ante un ratio dado, en promedio, los tres bancos grandes salen inmunes del efecto contagio (a diferencia de los más pequeños que no logran sobrevivir. Es decir, que los bancos con mayor cantidad de activos se encuentran menos expuestos al riesgo sistémico. No obstante, este hecho pone en evidencia que el riesgo del sistema en una economía más concentrada incrementa las deferencias de tamaño, ya que es muy probable que únicamente los bancos grandes sobrevivan. Este trabajo se estructura de la siguiente manera. En la sección 2 presentaremos una breve reseña de la bibliografía relacionada a la temática abordada. En la sección 3 presentaremos el modelo base. En la sección 4 presentaremos el mismo modelo, ampliado para el caso de una economía más concentrada. En la sección 5 introduciremos una distinción según los bancos sean ilíquidos o insolventes. Por último, en la sección 6 se comentarán las principales conclusiones así como algunas extensiones posibles. 2. Literatura previa La literatura existente, en lo referido a la magnitud del efecto contagio, ha encontrado que el efecto contagio entre bancos no suele ser demasiado relevante; es decir, que la caída de un banco, por lo general, no genera grandes consecuencias en el sistema interbancario en sí. Este es el caso de Kaufman (1994) quien sostiene que la preocupación sobre los riesgos sistémicos en el mercado interbancario ha sido largamente exagerada. En esta misma línea, Galos y Soramaki (2005), encontraron que el efecto de la caída de un banco sobre la solvencia de los demás es “bajo”. Del mismo modo, Bech y Soramaki (2001) encuentran que en promedio la caída de un banco tiene consecuencias “modestas” sobre el sistema bancario. No obstante, advierten que de darse, estos pueden ser muy severos. Es decir, los contagios interbancarios son un evento de baja probabilidad pero de muy alto impacto. Sosteniendo la misma idea, Gai y Kapadia (2010) desarrollan un modelo analítico de contagio en redes financieras. Estos autores exploran como la probabilidad y el potencial impacto del contagio se ve influenciado por shocks agregados e idiosincrásicos, por cambios en la estructura de las redes y por la liquidez del mercado de activos y encuentran que mientras que la probabilidad de contagio puede ser baja, los efectos que éste puede tener cuando se produce son muy significativos. Diversos estudios empíricos respaldan esta misma idea. Calomiris y Mason (1994) encuentran que en la Gran Depresión los bancos que cayeron lo hicieron como consecuencia de la debilidad financiera de los mismos debido a la estrepitosa caída de precios de los activos financieros y no por el efecto contagio de la caída de otros bancos. Además, Upper y Worms (2002) estudian el sistema interbancario de Alemania. En dicho trabajo los autores encuentran que las redes de seguridad financieras existentes logran reducir –aunque no eliminar- el peligro de contagio. De hecho, estiman que la caída de un banco puede achicar en un 15% el volumen del mercado interbancario. Cabe mencionar, sin embargo, que otros autores consideran que el efecto contagio puede ser importante. Schoenmaker (1992) encuentra que la caída de un banco inicial puede generar un efecto que se propague hacia otros bancos a través de la red de préstamos interbancarios y que tal efecto puede llegar a tener consecuencias muy negativas para el sistema. A su vez, Gropp y Vesala (2004) explican Página 3 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” que el mercado interbancario es uno de los canales principales a través de los cuales se da el efecto contagio entre los distintos bancos. Dentro de esta temática consideramos relevante estudiar si la caída de un banco tiene resultados diversos según el sistema bancario se encuentre más o menos concentrado. En este sentido, Furfine (1999) encuentra que la diferencia no es demasiado relevante. Por último, Liedorp y van Lelyveld (2004) estudian cuál sería el efecto contagio en el mercado interbancario holandés si se cayese el banco más importante de dicho país, y encuentran que en dicho caso, existiría un breve efecto derrame pero que el sistema no colapsaría. 3. Transmisión de perturbaciones en redes bancarias, en un modelo simple En nuestro modelo base proponemos una economía con diez bancos, a cada uno de los cuales se le asigna de forma aleatoria cierta cantidad de activos y pasivos interbancarios, que definen su tamaño. Con dicho fin generamos una matriz de dimensión diez por diez en la cual las filas (columnas) representan los pasivos (activos) que cada uno de los bancos posee con los otros bancos. Es decir, el componente ij constituye el monto que el banco i le debe al banco j. Ya que los bancos no pueden prestarse a si mismos, los elementos de la diagonal principal de esta matriz son iguales a cero. Con la finalidad de que la economía no carezca de sentido económico, generamos matrices de activos financieros (AF), de activos no financieros (ANF), de pasivos (P) y de patrimonio neto (PN) que cumplen con la identidad contable. Expresamos la misma como: AF+ANF= P+PN (1) Por otra parte, cabe destacar que, a fin de evitar partir de una economía ya deteriorada, generamos las matrices anteriormente mencionadas haciendo que cada banco cumpla con el ratio requerido para que el banco sea solvente. Definimos dicho ratio (r*) como r*= P/(AF+ANF) (2) Resulta relevante mostrar que, con el fin de que nuestro modelo se asemeje a la realidad, obtuvimos el r* promedio de la economía argentina. Consideramos pertinente aclarar en este punto que elegimos omitir el posible problema de medición del valor de los activos 8. Es así que, utilizando los valores de balance, encontramos que el mismo a Diciembre de 2008 ascendía a 0,88 para la economía argentina, como puede verse en la Tabla 1 del Anexo.9 Postulamos las matrices de modo tal que el PN permanece inalterado con el paso del tiempo ya que nuestra intención es focalizarnos en el análisis de los activos y pasivos financieros, dado que estos son los que explican la interacción entre bancos. Los activos no financieros ajustan de forma que la identidad contable se cumple en todo momento a medida que los activos y pasivos financieros van modificándose. La idea central, que da lugar al contagio, consiste en que si algún banco tiene un r mayor al r* requerido entra en default de su deuda. Tal modificación se refleja en la matriz interbancaria de modo que todos los elementos de la fila del banco correspondiente pasan a ser iguales a cero. De esta manera se ven afectados los activos de los demás bancos y es así que en el modelo ocurre la propagación del shock. La sucesión de eventos en el juego es el siguiente. En t=0 se produce un shock externo que reduce el r* requerido para que las instituciones sean consideradas solventes. Si el r de 8 Para una medición más adecuada del valor de los activos puede recurrirse a Perez-Quiros y Timmermann (2001) El período relevado puede calificarse de “muy bueno” para el sistema bancario. Por ende en épocas de crisis es esperable observar un ratio sustancialmente más bajo. 9 Página 4 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” algún banco es mayor al nuevo r* requerido, éste se ve obligado a realizar un default de su deuda y es por ello que sus pasivos contra otros bancos pasan a ser iguales a cero. Luego, en t=1, se calculan nuevamente los ratios de cada banco. Con motivo del default anterior, que redujo los activos de los demás bancos, algunas instituciones financieras que en t=0 cumplían el ratio pueden dejar de hacerlo y verse forzadas a deshonrar sus deudas. Así queda evidenciado el efecto contagio al que los bancos se encuentran expuestos. Dicho efecto puede repetirse en cada uno de los periodos subsiguientes. La economía continúa con esta secuencia por un total de 100 períodos: al comienzo de cada uno de ellos se vuelve a calcular el ratio de cada banco, y aquellos que no cumplen con el mismo realizan un default de su deuda interbancaria en el mismo período. Estos períodos pueden ser interpretados como días, por lo cual nuestro estudio se centra en analizar el efecto contagio en un período relativamente corto de tiempo. A fin de evitar imponer un ratio r* que fuera demasiado exigente o demasiado laxo, en lugar de llevar a cabo las simulaciones con un ratio dado, procedimos a evaluar la cantidad de bancos caídos para un continuo de ratios. Como podemos ver en el Gráfico 1, la cantidad de bancos caídos es bastante sensible al ratio de solvencia impuesto y, como es de esperarse, cuanto mayor es el ratio r*, menor la cantidad de bancos caídos. Sin embargo, esta relación no es lineal. Existe un intervalo que va entre 0,30 y 0,45 entre el cual la cantidad de bancos caídos fluctúa entre uno y nueve. No obstante, si el ratio se fija por debajo de este intervalo, desaparece por completo el mercado de préstamos interbancarios (realizan un default los diez bancos). A su vez, si el ratio se encuentra por encima de este intervalo, ningún banco realiza un default de su deuda y el mercado interbancario se mantiene intacto. Gráfico 1. Cantidad de bancos caídos respecto al ratio de solvencia 0.5 Ratio 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 6 7 8 9 10 N° de bancos caídos Bancos caídos Luego, en el Gráfico 2, puede verse que lo que sucede cuando el ratio se encuentra comprendido en este intervalo (entre 0,30 y 0,45) es menos claro. En dicho caso, la cantidad de bancos que realizan un default de su deuda oscila entre uno y nueve; por este motivo no es posible afirmar con demasiada precisión qué cantidad de entidades financieras caen aun conociendo de antemano el ratio fijado. Esto lo podemos ver en el hecho de que la densidad en los extremos (cuando el ratio está por encima o por debajo del intervalo 0,30-0,45) es mucho Página 5 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” mayor a la del intervalo. Es decir, la mayor densidad entre 0 y 0,30 estaría indicando que “casi seguro” todos los bancos caen mientras que la relativamente baja densidad en el intervalo ya mencionado implica que no podemos afirmar con seguridad qué cantidad de bancos caerán. Gráfico 2. Densidad bivariada: bancos caídos respecto al ratio de solvencia. Densidad 40 20 0 -20 12 10 8 6 4 Nro. Bancos Caídos 2 0 -2 0 0.1 0.2 0.3 0.4 0.5 0.6 Ratio de Solvenia A fin de observar con mayor profundidad qué ocurre al tener un ratio de solvencia entre 0,30 y 0,45, impusimos uno de 0,35. En ese caso, puede apreciarse que para un r* de 0,35 el efecto contagio es importante. Como muestra el Gráfico 3, podemos ver que transcurridos los 100 días, promediando las 500 simulaciones, casi nueve bancos se ven forzados a realizar el default. A su vez, en el Gráfico 4, puede verse que hubo al menos una simulación en la cual cayeron todos los bancos (diez); mientras que la simulación con menor cantidad de entidades caídas registró siete. Por lo tanto, este modelo nos muestra que ante un shock externo, en promedio nueve de los diez bancos de nuestra economía realizan un default de su deuda interbancaria. Claramente, esto nos estaría indicando que en base a nuestro modelo, el efecto contagio es muy relevante, ya que la caída de una de estas entidades puede hacer desaparecer el mercado interbancario. En base a lo descrito anteriormente, creemos que nuestro análisis constituye un aporte a la literatura existente. Así, mientras que Kaufman (1994) explica que la preocupación sobre los riesgos sistémicos en el mercado interbancario ha sido exagerada nuestro modelo sugiere que su afirmación es correcta bajo ciertas condiciones. En nuestro caso, el modelo predice que la caída de un banco puede resultar en un hecho devastador para el mercado interbancario sólo si el r* es lo suficientemente bajo. Los primeros dos gráficos muestran que, si el ratio requerido resulta ser realmente exigente, el mercado de préstamos interbancarios será afectado de sobremanera a partir de la caída de un solo banco. De hecho, si bien nuestro trabajo coincide con lo expuesto por Bech y Soramaki (2001) en el sentido de que el efecto contagio es un evento de muy alto impacto, nuestro modelo, a diferencia del de ellos, encuentra que también puede ser un evento de elevada probabilidad si el ratio requerido se encuentra por debajo de cierto umbral. Página 6 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” Gráfico 3. Promedio de bancos caídos en el tiempo. 10 9 N° de bancos caídos 8 7 6 5 4 3 2 1 0 0 10 20 30 40 50 60 70 80 90 100 Tiempo media media+desvio media-desvio Gráfico 4. Cantidad de bancos caídos en el tiempo. 1.1 N° de bancos caídos 1 7 0.9 5 0.8 3 0.7 1 -1 0 10 20 media 30 40 aproxmax 50 Tiempo aproxmin 60 70 80 90 Varianza de bancos caídos 9 0.6 100 varianza 4. Transmisión de perturbaciones en redes bancarias, en un modelo con mayor concentración Una vez estudiado el efecto contagio en el modelo con bancos de igual tamaño, pasamos a estudiar este mismo tema en una economía más concentrada. En este caso, tenemos siete bancos considerados chicos y tres considerados grandes. Hemos impuesto que las entidades chicas tengan, en promedio, un tamaño 25 veces menor al de las grandes. Página 7 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” Este modelo tiene la misma sucesión de eventos que el anterior, con la única salvedad de que aquí la matriz de préstamos interbancarios distribuye los activos de forma que existen bancos más grandes que otros. Vale la pena aclarar, que para poder comparar los resultados obtenidos en esta economía con respecto a la presentada en el modelo anterior, consideramos la restricción de que la cantidad total de activos en los bancos sea la misma. Es decir, estas dos economías tienen un mercado interbancario del mismo tamaño, sólo que las mismas difieren en la distribución de los activos y pasivos. Como se puede ver en el Gráfico 5, en promedio en esta economía ante un shock externo, se caen aproximadamente siete bancos. Esto en principio no debería resultar llamativo, ya que las tres entidades más grandes pueden cumplir el ratio impuesto con relativa facilidad. Por lo tanto, en base a nuestro modelo, resulta lógico que los bancos grandes puedan sobrevivir a shocks externos sin demasiadas complicaciones. Entonces, lo que este modelo nos muestra es que, en promedio, frente a un shock en una economía concentrada es probable que sobrevivan únicamente las empresas de mayor tamaño, aumentando aún más la concentración del mercado. Gráfico 5. Promedio de bancos caídos 10 9 N° de bancos caídos 8 7 6 5 4 3 2 1 0 0 10 20 30 40 50 60 70 80 90 100 Tiempo media media+desvio media-desvio No obstante, como queda evidenciado en el Gráfico 6, vale la pena aclarar que existen casos en los que los bancos grandes también caen. De hecho, en al menos una simulación, los diez bancos entraron en default a raíz del efecto contagio. Por ello, podemos concluir que los bancos grandes se encuentran más resguardados del efecto contagio pero que no necesariamente son inmunes al mismo. Por lo tanto, comparando esta economía con la presentada en el primer modelo, entendemos que las economías más concentradas soportan mejor el shock externo, ya que en promedio sufren menos defaults y su varianza es también menor. La razón de esto es que, como ya hemos mencionado, los bancos grandes no se ven tan afectados por la reducción del ratio de solvencia requerido ni por los defaults de los bancos pequeños. Esto se puede ver más claramente al comparar el Gráfico 3 con el 7. Aquí podemos ver, que en el caso de la primera economía cuando el ratio requerido es menor a 0,30 ya no sobreviven bancos. En cambio, en el caso de la economía más concentrada, esto recién sucede cuando el ratio es menor a 0,20. Es decir, que la economía concentrada es más resistente a bajas en el ratio requerido r*. Página 8 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” Gráfico 6. Número de bancos caídos 0.94 N° de bancos caídos 0.92 7 0.9 5 0.88 3 0.86 1 -1 Varianza de bancos caídos 9 0 10 20 30 40 50 60 70 80 0.84 100 90 Tiempo media aproxmax aproxmin varianza Gráfico 7. Cantidad bancos caídos respecto al ratio de solvencia 0.5 Ratio 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 6 7 8 9 10 N° de bancos caídos Bancos caídos Sin embargo, también debe destacarse que los bancos chicos de la economía concentrada son muy vulnerables al ratio requerido. En este sentido, vemos que cuando el ratio es menor a 0,50 al menos un banco cae en dicha economía. Por el contrario, en el caso de la economía inicial, recién ocurre el primer default cuando el ratio se encuentra por debajo de 0,45. Por lo tanto, como es de esperarse, la economía más concentrada tiene actores muy resistentes a los shocks de ratio externos (los bancos grandes), pero también tiene actores muy Página 9 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” sensibles a los mismos (los bancos chicos). Esto da lugar a que en la economía concentrada el intervalo con mucha fluctuación se ensanche y pase a estar comprendido entre 0,20 y 0,50. La situación planteada también puede observarse en el Gráfico 8. Gráfico 8: Densidad divariada: bancos caídos versus ratio de solvencia. 30 Densidad 20 10 0 -10 10 5 Bancos caídos promedio 0 0 0.1 0.2 0.3 0.4 0.5 0.6 Ratio En conclusión, se pudo ver que el efecto contagio puede ser relevante para un intervalo relativamente amplio, tanto en la economía concentrada como en la inicial. Una potencial extensión del trabajo realizado podría darse introduciendo a un Banco Central que actué como prestamista. Otra alternativa, que se explicará en detalle en la próxima sección, es seguir analizando la situación sin introducir nuevos factores; pero diferenciando las causas de las caídas de los diferentes bancos. 5. Transmisión de perturbaciones en redes bancarias, en un modelo con distinción entre bancos con problemas de solvencia y otros con problemas de iliquidez10 En esta sección del trabajo proponemos efectuar una distinción entre bancos con problemas de liquidez y bancos con problemas de solvencia. De este modo, un banco caído se considerará ilíquido con probabilidad p e insolvente con probabilidad 1-p. En caso de ser considerado insolvente, el banco no podrá ser reincorporado a la actividad en ningún periodo siguiente. Sin embargo, si el banco sólo posee problemas de liquidez podrán ocurrir dos eventos. En primer lugar, con probabilidad q, los bancos que se encuentran activos le prestarán fondos de modo que el banco pueda volver a estar activo. Sólo si el banco ilíquido recibe los fondos podrá ser considerado nuevamente como parte del sistema bancario; en caso contrario, el banco será computado como inactivo desde ese periodo en adelante. En el Gráfico 9 puede verse la idea propuesta. 10 Esta etapa del trabajo se encuentra en elaboración, y estará disponible en futuras versiones. Página 10 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” Gráfico 9. Distinción entre bancos Ilíquidos e Insolventes 6. Conclusiones El objetivo del trabajo es el estudio de la transmisión de perturbaciones en una economía interbancaria. A través de la simulación, se busca establecer para qué rango de valores la ocurrencia de un shock acaba por propagarse a toda la economía destruyendo el sistema. A su vez, se estudia si la propagación tiene los mismos efectos en economías con mayor concentración o no. Los resultados encontrados indican en primer lugar que en el modelo base el efecto contagio puede ser relevante y muy perjudicial para la economía interbancaria para ratios muy exigentes. El mismo predice que la caída de un banco puede resultar en un hecho devastador para el mercado interbancario sólo si el r* es lo suficientemente bajo. Se muestra que si el ratio requerido resulta ser realmente exigente, el mercado de préstamos interbancarios será afectado de sobremanera a partir de la caída de un solo banco. De hecho, si bien nuestro trabajo coincide con lo expuesto por Bech y Soramaki (2001) en el sentido de que el efecto contagio es un evento de muy alto impacto, nuestro modelo, a diferencia del de ellos, encuentra que también puede ser un evento de elevada probabilidad si el ratio requerido se encuentra por debajo de cierto umbral. En segundo lugar, al tomar en cuenta una economía con mayor concentración, el umbral a partir del cual todos los bancos (en promedio) de la economía caen se reduce en un 33% en relación al primer caso, debido a que los tres bancos grandes resultan ser más resistentes a la caída de r*. Es decir, los bancos grandes se encuentran más resguardados del efecto contagio que los pequeños. Pasando, por último, a posibles extensiones (aparte de la planteada en la Sección 5 a Página 11 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” realizar en futuras versiones de este trabajo) consideramos que la presencia de un público que interactúe con los bancos con montos de menor escala a nivel individual constituiría una gran mejora a nuestro trabajo. Creemos que sería interesante estudiar cómo se ve modificada la propagación del shock en este contexto. En caso de modelar a este público de forma que aumente su confianza en un banco (y por ende sus depósitos) cuando observa que otros bancos le prestan a dicho banco, esperamos que el efecto contagio se vea exacerbando acelerando la propagación de la crisis. Del mismo modo, creemos que sería importante la incorporación de un Banco Central. El rol que los bancos centrales adoptan resulta fundamental en el devenir de la economía bancaria. En la práctica observamos que tales bancos actúan de manera diversa frente a una potencial crisis. Así, mientras que algunos optan por proveer liquidez al sistema o por respaldar los préstamos interbancarios, otros evitan interferir en el mercado. Como ejemplo, estas actitudes se evidencian en lo sucedido justo después del estallido de la crisis sub-prime. Por un lado, la Reserva Federal de EEUU y el Banco Central Europeo (BCE) accionaron rápidamente, inyectando liquidez al mercado interbancario para intentar reducir la incertidumbre que reinaba. Este rápido accionar de los BC tuvo como efecto la normalización del mercado interbancario sin grandes subas de la tasa de interés. Por el contrario, en un primer momento, el Bank of England decidió no intervenir en el mercado para no generar un escenario proclive al riesgo moral. Sin embargo, luego de la caída de Northern Rock, el Bank of England decidió cambiar de estrategia y adoptó una política más cercana a la de la Reserva Federal y el BCE, inyectando liquidez al mercado interbancario. Esto alivió el panorama en Gran Bretaña y la tasa libor se moderó. Por consiguiente, pensamos que resultaría relevante la inclusión de una autoridad monetaria que pueda actuar de diversas formas. En particular, dicha autoridad podría elegir entre interferir en la economía comprando deuda tóxica (es decir, actuando como prestamista de última instancia) o intentando aumentar la mencionada probabilidad q, en este sentido podría incentivar a los bancos a prestar a un banco que enfrenta una situación de falta de liquidez. Por último consideramos que podría resultar instructiva la incorporación de alguna variable que sirva como indicadora del riesgo moral que puede generar el accionar del BC. En este sentido podría postularse el modelo de forma que en la medida en que mayor sea la probabilidad de intervención del BC y mayor el monto con el que interviene, más aumente el endeudamiento de los bancos agravando el problema en caso de producirse un default. Página 12 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” 7. Bibliografía 1. Bech, Morten L. y Soramäki, Kimmo, (2001). "Gridlock Resolution in Interbank Payment Systems," Research Discussion Papers 9/2001, Bank of Finland. 2. Calomiris, Charles W & Mason, Joseph R. (1994). "Contagion and Bank Failures During the Great Depression: The June 1932 Chicago Banking Panic," NBER Working Papers 4934, National Bureau of Economic Research, Inc. 3. Furfine, C. H. (1999). "Interbank exposures: quantifying the risk of contagion," BIS Working Papers 70, Bank for International Settlements. 4. Gai, P y Kapadia, S (2010) “Contagion in Financial Networks”, Proceedings of the Royal Society A, vol. 466, no. 2120, pages 2401-2423 5. Galos, Peter y Soramäki, Kimmo (2005). "Systemic risk in alternative payment system designs," Working Paper Series 508, European Central Bank. 6. Gropp, Reint & Vesala, Jukka (2004). "Deposit insurance, moral hazard and market monitoring," Working Paper Series 302, European Central Bank 7. Kaufman, Henry (1994). "Structural changes in the financial markets: economic and policy significance," Economic Review, Federal Reserve Bank of Kansas City, issue Q II, pages 5-15. 8. Lelyveld, Iman van y Liedorp, Franka (2004). "Interbank Contagion in the Dutch Banking Sector," DNB Working Papers 005, Netherlands Central Bank, Research Department. 9. Perez-Quiros, Gabriel y Timmermann, Allan, (2001) “Business cycle asymmetries in stock returns: Evidence from higher order moments and conditional densities," Journal of Econometrics, Elsevier, vol. 103(1-2), pages 259-306, July 10. Schoenmaker, Dirk (1992). "Institutional Separation between Supervisory and Monetary Agencies," FMG Special Papers sp52, Financial Markets Group. 11. Upper, C. y Worms, A. (2002). “Estimating Bilateral Exposures in the German Interbank Market: Is There a Danger of Contagion?”. Discussion paper 09/02 Economic Research Centre of Deutsche Bundesbank. Febrero 2002. Página 13 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” 12. 8. Anexos Tabla 1. Situación de Activos, Pasivos, Patrimonio Neto y ratio “r” de instituciones bancarias Argentinas a Diciembre de 2008 Entidad Financiera Activo Pasivo R P.N. ABN AMOR BANK N.V $ 1.133.996 $ 990.774 0,8737 $ 143.222 AMERICAN EXPRESS BANK $ 50.356 $ 21.570 0,4284 $ 28.786 LTD BACS BANCO DE CREDITO Y $ 249.269 $ 133.888 0,5371 $ 115.381 SECURITIZACION BANCO B.I: CREDITANSTALT $ 148.041 $ 119.395 0,8065 $ 28.646 S.A. BANCO BRADESCO $ 122.982 $ 23.921 0,1945 $ 99.061 ARGENTINA BANCO CETELEM $ 269.260 $ 241.723 0,8977 $ 27.537 ARGENTINA S.A. BANCO CMF S.A. $ 889.345 $ 658.292 0,7402 $ 231.053 BANCO COFIDIS S.A. $ 12.134 $ 853 0,0703 $ 11.281 BANCO COLUMBIA S.A $ 886.360 $ 810.114 0,9140 $ 76.246 BANCO COMAFI SOCIEDAD $ 2.946.261 $ 2.725.102 0,9249 $ 221.159 ANONIMA BANCO CREDICOOP $ 9.521.425 $ 8.674.054 0,9110 $ 847.371 COOPERATIVO LIMITADO BANCO DE CORRIENTES S.A. $ 894.383 $ 818.182 0,9148 $ 76.201 BANCO DE FORMOSA S.A. $ 476.309 $ 437.309 0,9181 $ 39.000 BANCO DE GALICIA Y $ 22.071.703 $ 20.117.037 0,9114 $ 1.954.666 BUENOS AIRES S.A. BANCO DE INVERSION Y $ 1.620.701 $ 432.228 0,2667 $ 1.188.473 COMERCIO EXTERIOR S.A. BANCO DE LA CIUDAD DE $ 11.331.151 $ 9.989.343 0,8816 $ 1.341.808 BUENOS AIRES BANCO DE LA NACION $ 74.587.257 $ 67.127.562 0,9000 $ 7.459.695 ARGENTINA BANCO DE LA PAMPA $ 2.199.082 $ 1.917.117 0,8718 $ 281.965 SOCIEDAD DE ECONOMIA BANCO DE LA PROVINCIA DE $ 28.643.168 $ 26.963.890 0,9414 $ 1.679.278 BUENOS AIRES BANCO DE LA PROVINCIA DE $ 5.572.188 $ 5.282.737 0,9481 $ 289.451 CORDOBA S.A. BANCO DE LA REPUBLICA $ 69.184 $ 22.127 0,3198 $ 47.057 ORIENTAL DEL URUGUAY BANCO DE SAN JUAN S.A. $ 2.060.867 $ 1.247.751 0,6054 $ 813.116 BANCO DE SANTA CRUZ S.A. $ 1.255.475 $ 1.180.413 0,9402 $ 75.062 BANCO DE SANTIAGO DEL $ 1.427.691 $ 1.221.361 0,8555 $ 206.330 ESTERO S.A. Página 14 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” BANCO DE SERVICIOS $ 461.778 $ 410.413 FINANCIEROS S.A. BANCO DE SERVICIOS Y $ 386.106 $ 350.201 TRANSACCIONES S.A. BANCO DE VALORES S.A. $ 1.159.533 $ 997.238 BANCO DEL CHUBUT S.A. $ 1.752.272 $ 1.554.087 BANCO DEL SOL S.A. $ 45.389 $ 27.708 BANCO DEL TUCUMAN S.A. $ 1.382.260 $ 1.229.099 BANCO DO BRASIL S.A. $ 96.010 $ 43.300 BANCO FINANSUR S.A. $ 473.722 $ 431.107 BANCO HIPOTECARIO S.A. $ 11.396.482 $ 8.777.259 BANCO ITAU ARGENTINA S.A. $ 3.799.602 $ 3.370.463 BANCO JULIO SOCIEDAD $ 112.909 $ 86.828 ANONIMA BANCO MACRO S.A. $ 19.216.497 $ 16.399.900 BANCO MARIVA S.A. $ 752.989 $ 650.396 BANCO MASVENTAS S.A. $ 82.910 $ 63.240 BANCO MERIDIAN S.A. $ 295.118 $ 232.094 BANCO MUNICIPAL DE $ 314.052 $ 282.610 ROSARIO BANCO PATAGONIA S.A. $ 8.938.468 $ 7.382.358 BANCO PIANO S.A. $ 664.748 $ 580.664 BANCO PRIVADO DE INVERSIONES SOCIEDAD $ 395.212 $ 365.571 ANONIMA BANCO REGIONAL DE CUYO S.A. BANCO PROVINCIA DE TIERRA DEL FUEGO BANCO PROVINCIA DEL NEUQUÉN SOCIEDAD ANÓNIMA BANCO REGIONAL DE CUYO S.A. BANCO ROELA S.A. BANCO SAENZ S.A. BANCO SANTANDER RIO S.A. BANCO SUPERVIELLE S.A. BANK OF AMERICA, NATIONAL ASSOCIATION BBVA BANCO FRANCES S.A. BNP PARIBAS CAJA DE CREDITO "CUENCA" COOPERATIVA LIM 0,8888 $ 51.365 0,9070 $ 35.905 0,8600 $ 162.295 0,8869 $ 198.185 0,6105 $ 17.681 0,8892 $ 153.161 0,4510 $ 52.710 0,9100 $ 42.615 0,7702 $ 2.619.223 0,8871 $ 429.139 0,7690 $ 26.081 0,8534 $ 2.816.597 0,8638 $ 102.593 0,7628 $ 19.670 0,7864 $ 63.024 0,8999 $ 31.442 0,8259 $ 1.556.110 0,8735 $ 84.084 0,9250 $ 29.641 $ 566.290 $ 511.545 0,9033 $ 54.745 $ 636.016 $ 527.063 0,8287 $ 108.953 $ 1.737.913 $ 1.563.407 0,8996 $ 174.506 $ 566.290 $ 511.545 0,9033 $ 54.745 $ 95.717 $ 31.002 $ 313.150 $ 227.738 $ 24.542.957 $ 22.544.518 $ 4.334.342 $ 3.932.407 0,3239 $ 64.715 0,7272 $ 85.412 0,9186 $ 1.998.439 0,9073 $ 401.935 $ 1.129.499 0,3421 $ 386.375 $ 743.124 $ 23.097.187 $ 21.021.163 0,9101 $ 2.076.024 $ 2.394.117 $ 2.258.183 0,9432 $ 135.934 $ 72.886 Página 15 $ 44.173 0,6061 $ 28.713 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” CAJA DE CREDITO COOPERATIVA LA CAPITAL $ 214.422 $ 168.863 DEL PLATA CITIBANK N.A. $ 14.673.295 $ 13.412.894 COMPAÑÍA FINANCIERA $ 1.508.111 $ 685.064 ARGENTINA S.A. CREDILOGOS COMPAÑÍA $ 334.018 $ 284.832 FINANCIERA S.A. DEUTSCHE BANK S.A. $ 1.613.469 $ 1.260.126 FIAT CREDITO COMPAÑÍA $ 378.976 $ 160.750 FINANCIERA S.A. FORD CREDIT COMPAÑÍA $ 399.964 $ 220.419 FINANCIERA S.A. GE COMPAÑÍA FINANCIERA $ 687.105 $ 598.446 S.A. GMAC COMPAÑÍA $ 787.133 $ 662.674 FINANCIERA S.A. HSBC BANK ARGENTINA S.A. $ 13.875.085 $ 12.429.464 JOHN DEERE CREDIT $ 47.737 $ 18.587 COMPAÑÍA FINANCIERA S.A. JPMORGAN CHASE BANK, $ 590.383 $ 353.481 NATIONAL ASSOCIATION MBA LAZARD BANCO DE $ 201.298 $ 178.239 INVERSIONES S.A. MERCEDES-BENZ COMPAÑÍA $ 750.159 $ 555.592 FINANCIERA ARGENTINA METROPOLIS COMPAÑÍA $ 86.084 $ 76.001 FINANCIERA S.A. MONTEMAR COMPAÑÍA $ 184.923 $ 161.252 FINANCIERA S.A. MULTIFINANZAS COMPAÑÍA $ 99.946 $ 85.507 FINANCIERA S.A. NUEVO BANCO DE ENTRE $ 2.315.892 $ 1.969.270 RIOS S.A. NUEVO BANCO DE LA RIOJA $ 418.025 $ 332.608 SOCIEDAD ANONIMA NUEVO BANCO DE SANTA FE $ 6.493.311 $ 5.678.614 SOCIEDAD ANONIMA NUEVO BANCO DEL CHACO $ 1.536.457 $ 1.388.476 S.A. NUEVO BANCO INDUSTRIAL $ 1.531.834 $ 1.343.224 DE AZUL S.A. PSA FINANCE ARGENTINA $ 453.046 $ 384.891 COMPAÑÍA FINANCIERA RCI BANQUE $ 246.696 $ 161.861 Página 16 0,7875 $ 45.559 0,9141 $ 1.260.401 0,4543 $ 823.047 0,8527 $ 49.186 0,7810 $ 353.343 0,4242 $ 218.226 0,5511 $ 179.545 0,8710 $ 88.659 0,8419 $ 124.459 0,8958 $ 1.445.621 0,3894 $ 29.150 0,5987 $ 236.902 0,8854 $ 23.059 0,7406 $ 194.567 0,8829 $ 10.083 0,8720 $ 23.671 0,8555 $ 14.439 0,8503 $ 346.622 0,7957 $ 85.417 0,8745 $ 814.697 0,9037 $ 147.981 0,8769 $ 188.610 0,8496 $ 68.155 0,6561 $ 84.835 “Transmisión de perturbaciones en redes bancarias, en un enfoque de simulación” ROMBO COMPAÑÍA $ 596.161 $ 501.586 0,8414 $ 94.575 FINANCIERA STANDARD BANK $ 10.275.376 $ 9.474.305 0,9220 $ 801.071 ARGENTINA S.A. THE BANK OF TOKYO$ 223.655 $ 75.956 0,3396 $ 147.699 MITSUBISHI UFJ, LTD. TOYOTA COMPAÑÍA $ 352.681 $ 299.901 0,8503 $ 52.780 FINANCIERA DE ARGENTINA VOLKSWAGEN CREDIT $ 52.887 $ 19.314 0,3652 $ 33.573 COMPAÑÍA FINANCIERA S.A. TOTAL $340.579.138 $300.892.595 0,8835 $39.686.543 Fuente: Elaboración propia en base a datos publicados por el BCRA. Datos a Diciembre de 2008 Página 17