Tool bewertet Gefahr von Banken für Finanzsystem

Wirtschaftswissenschaftler der ETH Zürich und des IMT Lucca haben mit DeptRank ein Tool entwickelt, das es ermöglicht, die Auswirkungen von Problemen oder gar Pleiten von Banken auf die Stabilität des globalen Finanzsystems zu berechnen. [...]

Wichtig ist dabei nicht nur die Größe eines Finanzinstituts, sondern vor allem der Grad der Vernetzung mit anderen Banken. DeptRank erlaubt es theoretisch, die Anzeichen für Krisen frühzeitig zu erkennen.
Für die Untersuchung, die vom FOC-Projekt der Europäischen Kommission im Rahmen des FET-Open-Programms und dem Schweizer Nationalfonds kofinanziert wurde, hatten die Forscher Zugriff auf bislang geheime Daten der US-amerikanischen Fed zur Marktkapitalisierung und Restverschuldung jener Finanzinstitute, die zwischen 2007 und 2010 Notkredite in Anspruch genommen haben.
„Wir verwenden die Daten aus den Bilanzbüchern und können so sagen, welche Effekte die Schwierigkeiten oder der Ausfall einer Bank auf das System haben und wie hoch die zu erwartenden Schäden sind. Die Beobachtung des Systems kann in Echtzeit geschehen, die Effekte für das System treten erst einige Tage nach den Turbulenzen eines einzelnen Instituts auf“, sagt Stefano Battiston von der ETH Zürich im Gespräch mit der Nachrichtenagentur pressetext.
Diese Werte kombinierten die Wirtschaftswissenschaftler mit einem Netzwerkmodell, das die Verbindungen zwischen den Banken modelliert. Die Forscher konzentrierten sich auf die Daten von 22 Instituten, die im größten Umfafang Notkredite erhalten haben.
Um die Vernetztheit einzelner Banken zu berechnen, verwenden die Wissenschaftler einen Algorithmus, der ähnlich funktioniert wie Googles PageRank, wo die Anzahl der Links ebenfalls eine wichtige Rolle spielt. Die Forscher konnten mit DebtRank zeigen, dass der Grad der Vernetztheit einer Bank wichtiger für die möglichen Systemschäden bei einem Ausfall ist, als die Größe. Auch eine kleinere Bank, die aber sehr stark vernetzt ist, kann bei einem Ausfall durch Netzwerkeffekte verheerende Folgen für das Finanzsystem haben. Die Ergebnisse legen nahe, dass eine Dezentralisierung des Finanzsystems das Risiko von globalen Krisen vermindern kann.
In einer Gruppe von extrem untereinander vernetzten Instituten, wie sie im Herzen des globalen Finanzsystems existiert, kann in prekären Situationen schon ein einziger Ausfall das ganze System mitreißen. Die 22 untersuchten Banken haben unter sich drei Viertel des gesamten Notkreditvolumens der Fed von 1,2 Bio. Dollar aufgesaugt.
DebtRank kann jeder Bank auf Basis ihrer aktuellen Billanz einen Wert zuweisen, der ihr Gefahrenpotenzial für andere Institute im Finanzsystem repräsentiert. Ein Wert von Null bedeutet keinerlei Gefahr für das System, ein Wert von eins bedeutet, dass eine Pleite das ganze System restlos zerstören würde.
In Zukunft sollen sich auf Basis von Prognosen auch Szenarien für zukünftige Entwicklungen erstellen lassen, jedoch mit einer gewissen Unschärfe. Für den Zeitraum der Krise zeigt DebtRank, dass die 22 untersuchten Banken 2007, vor Beginn der Turbulenzen, einen durchschnittlichen Wert von 0,08 erreichten. Zu Beginn der Krise lag der Schnitt bereits bei 0,52. Zu diesem Zeitpunkt hätte ein einziger Ausfall eines der gefährdetsten Institute bereits 70 Prozent aller Werte im globalen Finanzsystem bedeuten können.
„DebtRank kann den Verantwortlichen helfen, das Risiko für einen Systemkollaps einzuschätzen. Unser Tool zeigt in Notsituationen, welche Banken dringenden Bedarf an Zuschüssen haben. Ob das eine Krise verhindern kann, ist nicht sicher. Unsere Arbeit zeigt, dass durch Bankenrettungen ein Moral-Hazard-Problem nicht nur für einzelne Institute, sondern für das ganze Netzwerk entsteht“, sagt Michelangelo Puliga von der ETH Zürich gegenüber pressetext. Die wichtigste Erkenntnis der Forscher ist, dass eine zu starke Vernetzung von Banken gefährliche Konsequenzen haben kann, da einzelne Ausfälle unproportionale Folgen nach sich ziehen. (pte)

Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*