De natuurkunde van banken, de economie en de financiële crisis
Natuurkundige Diego Garlaschelli schreef mee aan een uitgebreide review in het vakblad Nature Reviews Physics. Verrassend genoeg ging het niet over natuurkunde, maar over netwerken van banken en andere financiële instituten, en de manier waarop die netwerken financiële crises in de hand werken.
Garlaschelli gebruikt methoden uit de wiskunde en de natuurkunde om financiële netwerken te begrijpen. De structuur van die netwerken kan een financiële crisis kan versterken of zelfs veroorzaken, zoals gebeurde tijdens de grote economische crisis van 2008.
Zijn onderzoek, deels in samenwerking met De Nederlandsche Bank (DNB) heeft de aandacht gevestigd op vroege waarschuwings-signalen van crises en betere methoden voor de modellering, monitoring en crash testing van het bankensysteem. De publicatie in Nature Reviews Physics die het veld overziet verschijnt rond het tienjarig bestaan van Garlaschelli's Leidse onderzoeksgroep Econophysics and Network Theory.
Diego, gefeliciteerd met de review. Wat voor onderzoek heb je hiermee samengevat?
Samen met een aantal andere toonaangevende wetenschappers hebben we geprobeerd de kennis van meer dan twee decennia onderzoek in dit gebied samen te vatten. Natuurkundigen onderzoeken financiële netwerken sinds de economische crisis van 2007-2008. Maar daarvóór hadden statistisch fysici hadden al veel instrumenten ontwikkeld om netwerken in andere vakgebieden te analyseren en modelleren, zoals biologische netwerken, sociale netwerken en technologische netwerken zoals internet.
Dit begon rond 2000, toen een aantal invloedrijke publicaties aantoonde dat verschillende soorten netwerken uit natuur en maatschappij een aantal algemene eigenschappen deelden, onafhankelijk van hun details.
Zo geldt in de meeste netwerken uit de echte wereld: knooppunten met veel connecties zijn zeldzamer dan knooppunten met weinig connecties, en het aantal knooppunten neemt af met een toenemend aantal connecties. Dit betekent ook dat je knooppunten vindt met zeer uiteenlopende aantallen connecties: een paar hubs met heel veel connecties tegen heel veel knooppunten die veel minder goed aangesloten zijn.
Deze opvallende diversiteit hadden we eigenlijk niet verwacht op basis van de modelnetwerken die toen in de wiskunde bestudeerd werden. Maar door de opkomst van grote nieuwe databases konden er steeds meer nieuwe netwerken geanalyseerd worden, die vaak dezelfde opvallende eigenschappen hadden. Opeens waren netwerken nieuwe natuurlijke objecten om te bestuderen.
Naïeve modellen zijn één van de redenen waarom de intensiteit van de crisis niet voorzien was.
Ook realiseerden natuurkundigen zich dat de structuur van een netwerk een grote invloed heeft op de processen die zich op dat netwerk afspelen. In de epidemiologie waren eerdere modellen voor het verspreiden van besmettelijke ziektes gebaseerd op zeer homogene netwerkmodellen: zieken die geleidelijk vooral hun naaste buren infecteerden, zoals gebeurde tijdens de pest- en andere grote epidemieën.
Moderne epidemieën, zoals SARS, Ebola en COVID-19 verspreiden zich veel sneller door het luchtvaartnetwerk, dat een aantal goed-aangesloten hubs heeft die snel ver uiteenlopende locaties kunnen infecteren. Een veelvoorkomende eigenschap van netwerken in de echte wereld is dan ook hun small world-karakter: ieder paar knooppunten is gemiddeld verbonden met een kort pad, ook als het network zelf enorm groot is. Zo leidde netwerk-wetenschap tot een revolutie in het modelleren van epidemieën.
Toen kwam de financiële crisis van 2008. De verbindingen tussen banken, zoals leningen, bleken een cruciaal netwerk te vormen, en een van de hoofdrolspelers in het aanjagen van de crisis, omdat het ene faillissement tot het andere leidde. Neem een bank die een schok te verwerken krijgt, bijvoorbeeld doordat zijn bezittingen devalueren. Als die bank in gebreke blijft, kan hij zijn schulden aan andere banken niet betalen, enzovoort, in een domino-effect van faillissementen.
Opnieuw bleek dat de architectuur van het netwerk een enorme invloed heeft op hoe de problemen zich voortplanten tussen de financiële instellingen. Basismodellen die beleidsmakers en regelgevers gebruikten bleken onrealistisch en onbruikbaar in het zicht van deze crisis.
Zo is een aanname van een van de traditionele modellen dat elke bank verbonden is met alle andere banken. Hierdoor bestaan alle mogelijk connecties in het netwerk, met een zekere gemiddelde sterkte, die staat voor de geschatte bedragen voor die bepaalde lening.
Maar realistische netwerken tussen banken blijken veel minder vol, met slechts een kleine fractie van de connecties ingevuld, maar dan met wel met een veel grotere sterkte. Dat betekent dat het risico geconcentreerd is in een klein aantal sterkere connecties.
Als je in het eerste, naïeve model een bank een schok geeft, is het erg onwaarschijnlijk dat je een domino-effect van faillissementen krijgt, omdat de connecties niet zo sterk zijn dat schokken zich voort kunnen planten. Iedere verstoring wordt verdund in een zee van connecties, en het systeem lijkt heel robuust. Maar in de echte wereld kunnen de weinige, maar sterke connecties de schokken wel doorgeven. En iedere bank kan binnen een paar stappen bereikt worden door de small world-eigenschap.
In beide netwerken zijn de eigenschappen van de losse financiële instituten hetzelfde. Alleen de manier waarop deze instituten zijn verbonden maakt een dramatisch verschil voor de eigenschappen van het geheel. Dit is één van de eigenschappen waarom de intensiteit van de crisis niet voorzien was.
Maar op wat voor manier is dit natuurkunde? Het gaat niet over natuurwetten of iets dergelijks?
In de natuurkunde heb je twee soorten natuurwetten: wetten die beschrijven hoe één elementair object beweegt als het in wisselwerking staat met zijn omgeving, en wetten die beschrijven hoe meerdere interagerende objecten zich collectief gedragen. Beide soorten wetten zijn fundamenteel, en dragen bij aan hetzelfde beeld, omdat de natuur één is, van klein naar groot.
Natuurkundigen raakten geïnteresseerd in financiële netwerken toen onderzoekers en beleidsmakers meer nadruk gingen leggen op systeemrisico. Dat vervat het collectieve risico in het systeem als geheel, dat niet teruggevoerd kan worden naar traditionele maten van risico die naar individuele instituten kijken.
Collectieve verschijnselen zijn het kernonderwerp van statistische fysica, de tak van natuurkunde die probeert om emergente eigenschappen te verklaren, van grote complexe systemen van wisselwerkende onderdelen.
Nog een reden voor onze interesse is het feit dat de individuele connecties in netwerken niet waarneembaar zijn. De meeste leningen tussen banken zijn vertrouwelijk. Eigenschappen die cruciaal zijn om het systeemrisico te schatten, moet je dus raden aan de hand van onvolledige informatie.
In mijn groep beseften we dat we het zouden kunnen proberen met ensembles, een idee uit de statistische fysica. Als je een gas bestudeert, heb je een vergelijkbaar probleem: je kunt nooit de posities en de snelheden van alle deeltjes waarnemen.
Maar je kunt wel een macroscopische eigenschap, zoals bijvoorbeeld de totale energie van het gas, als een meetbare constraint gebruiken. Gebaseerd daarop, in combinatie entropie-maximalisatie, een mooi concept uit de informatietheorie, kun je dan waarschijnlijkheden toekennen aan alle mogelijke rangschikkingen van deeltjes die die bepaalde energie hebben.
Daarmee krijg je een zogenaamd ensemble van configuraties. Daarmee kun je de eigenschappen van het systeem voorspellen door het gemiddelde over het hele ensemble te nemen. Dit is in de natuurkunde heel succesvol geweest, dus dachten we dat het ook voor financiële netwerken zouden kunnen werken.
Dus je gebruikt gewoon de gereedschapskist van de statistische fysica?
Ja, hoewel het niet alleen een kwestie was van gereedschappen nemen die al bestonden en die dan kritiekloos op een nieuw syteem toepassen. We moesten de technieken enorm generaliseren, omdat ons systeem ingewikkelder is dan een doos vol deeltjes. Zo werkt statistische fysica alleen als je de juiste constraint weet te kiezen.
Dus moesten we uitzoeken wat een goede constraint is voor financiële netwerken. Verschillende banken hebben heel verschillende aantallen conneties, maar deze aantallen zijn grotendeels stabiel. Daardoor begrepen we dat een nieuw soort netwerken nodig zijn, waarin de constraintslokaal zijn, wat betekent dat ze actief zijn op afzonderlijke knooppunten in het netwerk.
Dit is iets dat je normaal gesproken niet ziet in de statistische fysica, dus moesten we een compleet nieuwe theorie hiervoor ontwikkelen, wat weer leidde tot de ontdekking van nieuwe verschijnselen.
We hebben dit samen met wiskundigen onderzocht, vooral Frank den Hollander van het Mathematisch Instituut en andere onderzoekers in het NETWORKS-programma dat door de NWO gefinancierd is. Het onderwerp wordt nu ook belangrijk in het vakgebied van de waarschijnlijkheidstheorie.
En hoe pakt het uit in de praktijk?
Er bestaande verschillende technieken om financiële netwerken te reconstrureren. Verschillende onafhankelijke groepen hebben gevonden dat onze methoden systematisch beter werken dan andere methoden. Eén zo'n groep bestond uit onderzoekers van verschillende centrale banken over de hele wereld, inclusief De Nederlandsche Bank.
De juiste theoretische aanpak kiezen was belangrijk omdat we geen toegang hadden tot veel financiële netwerken om onze methoden te testen. Andere teams hebben ze getest met databases waar zij bij konden. Dit is natuurlijk vertrouwelijke informatie waar je niet zomaar bij kunt. Het is dan ook het soort onderzoek waarbij je je dataset niet kan vrijgeven zodat andere wetenschappers de analyse kunnen herhalen.
Het is zelfs onmogelijk om de data op je eigen computers te bewaren. We konden de code voorbereiden, zodat hij gedraaid kon worden op de servers van de centrale bank. Dan voerde iemand daar de code uit, en kregen we de resultaten terug. Een paar keer zijn onze studenten geaccepteerd als stagiairs, en dan konden zij de scripts uitvoeren met alle nodige handtekeningen en afspraken over vertrouwelijkheid.
Als natuurkundige ben je gewend om te zeggen: 'Oké, laat me de grafiek zien, en wat is dat?' Maar nu mocht ik de grafiek niet zien, dus moesten we onze aanpak een beetje aanpassen.
Maar je mag ze nooit meer spreken...
Haha, nou ja, het onderzoek bespreken gaat wel op een ongebruikelijke manier. Als natuurkundige ben je gewend om te zeggen: 'Oké, laat me de grafiek zien, en wat is dat?' Maar nu mocht ik de grafiek niet zien, dus moesten we onze aanpak een beetje aanpassen.
Maar uiteindelijk bleek het goed te doen. Met andere studenten heb ik nu samenwerkingen met het CBS en de grootste Nederlandse banken ING en ABN AMRO. We kijken nu naar connecties tussen bedrijven.
De coronacrisis heeft de nadruk gelegd op de rol van bevoorradingsnetwerken tussen bedrijven voor de veerkracht en het herstel van de economie. Daarom zijn we nu onze methoden aan het generaliseren met nieuwe eigenschappen voor bedrijfs-netwerken.
Wat krijgen banken eigenlijk terug voor hun medewerking?
Bij al deze samenewerkingen had ik het geluk dat ik de juiste mensen vond, die de aard van wetenschappelijk onderzoek begrijpen. Daar waren wiskundigen en natuurkundigen bij, en die stonden open om studenten in huis te halen en met mij samen te werken voor wetenschappelijk onderzoek.
En het onderzoek overlapt natuurlijk met de uitdagingen waar hun instituten op dit moment voor staan. De veerkracht van het economische systeem en de stabiliteit van financiële markten zijn van belang voor de DNB als toezichthouder, en voor het CBS als een overheidsinstelling die beleidsmakers ondersteunt met up-to-date kwantitatieve instrumenten en data, en dat geldt trouwens ook voor private banken.
Ze kunen bijvoorbeeld hun risico-analyses verbeteren door informatie die ze direct van klanten ontvangen, aan te vullen met informatie die ze indirect krijgen als ze die klanten in een netwerk bekijken. En ze zijn beter voorbereid op schokgolven die door verschillende sectoren van de economie kunnen trekken.
Vergeleken met een hoogleraar kunnen quants in de financiële dienstverlening veel betere salarissen krijgen. Waarom heb je deze baan nog?
Haha, maar ik houd van onderzoek doen. Ik heb altijd een theoretisch natuurkundige willen zijn, en denken over nieuwe theorieën is mijn passie. Ik had ook eigenlijk niet verwacht om betrokken te zijn bij toepassingen die mensen in de praktijk bruikbaar zouden vinden.
Het is eigenlijk het meest bevredigende bewijs van de stelling dat er niets bestaat dat praktischer is dan een goede theorie. Als je een nieuw systeem onderzoekt, moet je wat je al kent van de natuurkunde veralgemeniseren. In wezen komt dat neer op het ontdekken van nieuwe natuurkunde.
Je hebt zorgvuldig interdisciplinair onderzoek nodig, en interactie met experts in andere vakgebieden, iets wat we proberen te bevorderen met de activiteiten van het Leiden Complex Networks Network (LCN2) en de Dutch Network Science Society.
Ik word heel enthousiast als ik iets nieuws bedenk over de fundamenten van statistische fysica, door een totaal niet-fysisch systeem te analyseren. Dat is echt wat ik geweldig vind om te doen. Je leent van de natuurkunde, maar je brengt ook iets echt nieuws terug naar de natuurkunde. Dat is toch veel beter dan alleen maar geld verdienen?