Download Transmisión de Perturbaciones en Redes

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