Universiteit Leiden

nl en

Leids financieel model winnaar in test centrale banken

Een volledig overzicht van alle leningen tussen banken kan een nieuwe financiële crash helpen voorkomen. Maar banken geven die informatie niet vrij. Een econophysics model van Leids natuurkundige Diego Garlaschelli en collega’s reconstrueert de meest waarschijnlijke situatie en eindigt als beste in twee onafhankelijke tests.

De financiële crisis van 2008 maakte pijnlijk duidelijk hoe onvoorspelbaar en kwetsbaar ons bancaire systeem is. Banken zijn vervlochten in een complex wereldwijd web van schulden en uitstaande leningen, waarin een oorspronkelijk lokaal probleem kan leiden tot een waterval aan faillissementen. Een gedetailleerde kaart van interbancaire verbanden zou het systeem in staat stellen om te voorkomen dat afhankelijkheden te sterk worden. Banken geven echter geen inzage in met wie ze leningen hebben lopen. Ze zijn slechts verplicht om hun totale krediet en debet vrij te geven.

Verborgen risico

Het gebrek aan kennis over hoe debiteuren en crediteuren zijn verbonden met de rest van het systeem impliceert voor elke bank een ‘verborgen risico’. Dit maakt het lastig om het rentepercentage te bepalen voor leningen. Om dit informatietekort te omzeilen, heeft Diego Garlaschelli met een internationaal team van wetenschappers een theoretisch model gebouwd, gebaseerd op statistische fysica, dat voor elke bank de waarschijnlijkheid berekent dat het leent bij elke andere bank (LINK1, LINK2). Zijn model is gekozen als beste probabilistische model door zowel een groep centrale banken als door een onafhankelijke onderzoeksgroep.

Beste model

De twee onderzoeken vergeleken de prestatie van verschillende alternatieve methodes bij het reconstrueren van echte interbancaire netwerken vanuit gedeeltelijke informatie. Garlaschelli’s model bleek de beste in beide gevallen. ‘Banken bepalen de rente op leningen aan andere banken op basis van het ingeschatte risico,’ legt Garlaschelli uit. ‘Als bank A geld leent aan bank B, die op haar beurt geld leent aan een instabiele bank C, dan wordt bank A ook instabiel. Ons model helpt om dit op te merken en kan de verborgen risico’s inschatten en meer realistische rentepercentages berekenen. Correcte rentes houden het systeem stabiel.’

Oud model

Het oude gangbare model was puur gebaseerd op de kale bedragen van het totale krediet/debet. Om bijvoorbeeld de relatie te schatten tussen Rabobank en ING, vermenigvuldig je Rabobanks totale schuld met ING’s krediet en deel je dit door het totale bedrag dat wereldwijd in circulatie is. Dit creëert een netwerk waarin alle banken met elkaar zijn verbonden. Het negeert echter dat in werkelijkheid de meerderheid van de relaties niet bestaat; daarom zijn de relaties die wel bestaan veel sterker dan wat het oude model voorspelt. En het zijn juist die relaties die voor instabiliteit zorgen.

Relatiedichtheid

Garlaschelli: ‘Behalve het geven van een betrouwbare inschatting van welke banken verbonden zijn, berekent ons model het meeste waarschijnlijke gewicht van elke relatie, afhankelijk van één onbekende factor—de relatiedichtheid binnen het systeem. En omdat dit getal vrij stabiel lijkt te zijn binnen een land, kunnen we het gemakkelijk overnemen en vervolgens een voorspelling doen over welke relaties er bestaan, en hoe zwaar die zijn. Centrale banken kunnen die informatie gebruiken om het financiële systeem beter te bewaken en beleid te voeren dat voorkomt dat lokale instabiliteiten uitgroeien tot een gevaar voor het hele systeem.’