Rola percepcji ryzyka i niepewności w ocenie ryzyka systemowego. Podejście symulacyjne ABM

• Authors: Kaszowska Jagoda Anna , Santos Juan Luis

Title variants

EN

The Role of Risk and Uncertainty Perception in Systemic Risk Assessment. The Agent-based Simulation

RU

Роль перцепции риска и неуверенности в оценке системного риска: имитационный подход АВМ

• Languages of publication: PL

Abstracts

PL

Przedmiotem rozważań w artykule jest rola percepcji ryzyka i niepewności w kształtowaniu się ryzyka systemowego. Autorzy zwracają uwagę na czynniki wpływające na sposób postrzegania ryzyka przez instytucje finansowe („percepcję ryzyka”) oraz na tworzenie się wyobrażeń, jakie mogą mieć instytucje finansowe o tym, w jaki sposób są postrzegane przez inne podmioty finansowe i gospodarcze („percepcja percepcji niepewności”). Podstawę analizy stanowią symulacje wieloagentowe decyzji uczestników procedury fixingu oraz transakcji na rynku międzybankowym. Model jest częścią projektu umożliwiającego modelowanie zależności między sektorem realnym a finansowym. Opracowany model rynku międzybankowego umożliwia ocenę ryzyka systemowego w Polsce w warunkach określonych w scenariuszu kontrfaktycznym. W artykule przedstawiono wyniki symulacji wycofania części depozytów z polskiego sektora finansowego przy wzroście niepewności na rynkach. Wyniki pozwalają potwierdzić tezę o szczególnej roli subiektywnego prawdopodobieństwa wystąpienia wydarzenia o znaczeniu systemowym oraz zaufania do stabilności sektora finansowego w kształtowaniu się ryzyka systemowego, tzn. w generowaniu podatnej na kryzysy struktury systemu oraz amplifikacji szoków zewnętrznych. Potwierdzona została również zasadność prowadzenia badań nad percepcją ryzyka systemowego w Polsce, analogicznych do badań ankietowych prowadzonych w Wielkiej Brytanii przez BoE.

EN

This article addresses the role of risk perception and uncertainty in the generation and amplification of systemic risk. The article highlights the factors that influence how financial institutions perceive risk (“perception of risk”) and how financial institutions, in turn, imagine themselves to be perceived by other financial and business entities (“perception of uncertainty”). The analysis is based on agent-based simulations of decisions by participants in the fixing procedure and transactions on the interbank market. This model is a part of a broader project that aims to model the relationship between the economy and the financial sector. The developed model of the interbank market enables the assessment of systemic risk in Poland under the conditions specified in the counterfactual scenarios. The paper presents the results of a simulation of withdrawal of deposits from Polish banks when market uncertainty increases. The results confirm that the subjective probability of occurrence of a systemic event as well as the confidence in financial stability play a crucial role in the generation and amplification of systemic risk. The perception of risk and uncertainty may affect the resilience of the system. That perception may also make the structure of the financial system more vulnerable to external shocks. The relevance of research on systemic risk perception in Poland, similar to a survey conducted in the United Kingdom by the Bank of England, was also confirmed.

RU

Предметом рассуждений авторов статьи является роль перцепции риска и неуверенности в формировании системного риска. Авторы обращают внимание на факторы, влияющие на способ восприятия риска финансовыми институтами («перцепцию риска») и на формирование представлений финансовых институтов о том, каким образом они воспринимаются другими финансовыми и экономическими субъектами («перцепция перцепции неуверенности»). Основой анализа является мультиагентная имитация решений участников процедуры фиксинга и сделок на межбанковском рынке. Модель является частью проекта, дающего возможность моделировать связь между реальным и финансовым секторами. Разработанная модель межбанковского рынка позволяет сделать оценку системного риска в Польше в условиях, определенных в контрфактическом сценарии. В статье представлены результаты имитации оттока части депозитов из польского финансового сектора при росте неуверенности на рынках. Результаты позволяют подтвердить тезис об особой роли субъективной вероятности появления события системного значения и доверия к стабильности финансового сектора в формировании системного риска, т.е. в генерировании чувствительной к кризисам структуры системы и амплификации внешних шоков. Была также подтверждена целесообразность проведения исследований перцепции системного риска в Польше, по примеру анкетных исследований, проводимые в Великобритании банком Англии.

Keywords

EN

risk; uncertainty; ABM; simulations; interbank market

• Publisher: Komitet Nauk Ekonomicznych PAN, Polskie Towarzystwo Ekonomiczne
• Journal: Ekonomista
• Year: 2017
• Issue: 4
• Pages: 369-399

Contributors

author

Kaszowska Jagoda Anna

• Uniwersytet Ekonomiczny w Krakowie, Katedra Makroekonomii (doktorantka)

author

Santos Juan Luis

• Instytut Analiz Ekonomicznych i Społecznych w Madrycie

References

• Acedański J., Racjonalne oczekiwania a adaptacyjne uczenie się w modelach DSGE z niejednorodnymi podmiotami, „Studia Ekonomiczne” 2015, nr 242, Zeszyty Naukowe UE Katowice.
• Armantier O., Copeland A., Assessing the Quality of Furfine-based Algorithms, „Federal Reserve of New York Staff Reports” 2012, nr 575, October.
• Angelini P., Nobili A., Picillo C., The Interbank Market after August 2007: What Has Changed and Why?, „Bank of Italy Working Papers” 2009, nr 731, October.
• Angelini P., Nobili A., Picillo C., The Interbank market after August 2007: What Has Changed and Why?, „Journal of Money, Credit and Banking” 2011, nr 43(5).
• Anderson E., Ghysels E., Juergens J., The Impact of Risk and Uncertainty on Expected Returns, „Journal of Financial Economics” 2009, nr 94.
• Axelrod R., The Evolution of Cooperation, Basic Book, New York 1984.
• Axtell R., Why Agents? On the Varied Motivations for Agent Computing in the Social Sciences, „Center on Social and Economic Dynamics Working Paper” 2000, nr 17, November.
• Bak P., Tang Ch., Wiesenfeld K., Self-organized Criticality: An Explanation of the 1/f Noise, „Physical Review Letters” 1987, nr 59(4), American Physical Society.
• Bernanke B., Gertler M., Gilchrist S., The Financial Accelerator in a Quantitative Business Cycle Framework, w: Handbook of Macroeconomics, red. J. Taylor, M. Woodford, (Elsevier Science B.V. 1999, t. 1, cz. C.
• Buchmann C., Grossmann K., Schwarz N., How Agent Heterogeneity, Model Structure and Input Data Determine the Performance of an Empirical ABM – A Real-world Case Study on Residential Mobility, „Environmental Modelling & Software” 2016, nr 75, January.
• Caballero R., Macroeconomics after Crisis: Time to Deal with the Pretense of Knowledge Syndrome, „Journal of Economic Perspectives” 2010, nr 24(4).
• Cassidy J., The Minsky Moment. Subprime Mortgage Crisis and Possible Recession, „New Yorker”, 4.02.2008, http://www.newyorker.com/magazine/2008/02/04/the-minsky-moment (07.06.2017).
• Cassola N., Morana C., Euro Money Market Spreads During the 2007–? Financial Crisis, „ECB Working Papers” 2012, nr 1437, May.
• Chen J., Finance and the Behavioral Prospect Theory: Risk, Exuberance, and Abnormal Markets, Palgrave Macmillan Publishers Ltd London, 2016a.
• Chen J., Postmodern Portfolio Theory: Navigating Abnormal Markets and Investor Behavior, Palgrave Macmillan Publishers US, 2016b.
• Chen S.-H., Varieties of Agents in Agent-based Computational Economics: A Historical and an Interdisciplinary Perspective, „Journal of Economic Dynamics & Control” 2012, nr 36(1).
• Choi W., Cook D., Liability Dollarization and the Bank Balance Sheet Channel, „Journal of International Economics” 2004, nr 64(2).
• Clerc i in., Capital Regulation in a Macroeconomic Model with Three Layers of Default, „ECB Working Paper” 2015, nr 1827, July.
• Contini B., Leombruni R., Richiardi M., Exploring a new ExpAce: The Complementarities between Experimental Economics and Agent-based Computational Economics?, „Journal of Social Complexity” 2006, nr 3(1).
• Danielsson J., Shin H.-S., Endogenous Risk, w: Modern Risk Management – A History, www.RiskResearch.org (07.06.2017), 2002.
• Danielsson J., Shin H.-S., Zigrand J.-P., Endogeneous and Systemic Risk, University of Chicago Press by NBER, Chicago, IL, www.RiskResearch.org (07.06.2017), 2013.
• De Vincentiss P., Banking Risk Perception: What is Going on after 2007 in Europe?, „Procedia Economics and Finance” 2012, nr 2.
• Degryse H., Nguyen G., Interbank Exposures: An Empirical Examination of Systemic Risk in Belgium Banking System, National Bank of Belgium Working Paper, 2004, nr 43, March.
• Drehmann M., Will an Optimal Deposit Insurance always Decrease the Probability of Systemic banking Crisis, http://ssrn.com/abstract=302406 (02.02.2016), 2002.
• Devereux M., Sutherland A., Solving for a Country Portfolio in Open Economy Macro Models, „IMF Working Paper” 2006, WP/07/284.
• Elsinger H., Lehar A., Summer M., Risk Assessment for Banking Systems, „Management Science” 2004, nr 52(9), August.
• Engel Ch., Matsumoto A., Portfolio Choice in a Monetary Open-Economy DSGE Model, „IMF Working Papers” 2005, 05.265.
• Epstein J., Agent-based Computational Models and Generative Social Sciences, „Complexity” 1999, nr 4.
• Farmer J., Foley D., The Economy Needs Agent-Based Modelling, „Nature” 2009, nr 460.
• Fernández-Villaverde J., The Econometrics of DSGE Models, „NBER Working Paper” 2009, nr 14677, January.
• Franke R., Applying the Method of Simulated Moments to Estimate a Small Agent-based Asset Pricing Model, „Journal of Empirical Finance” 2009, nr 16(5).
• García N., La Crisis de la Macroeconomía, Ed. Marcial Pons, Madrid 2010.
• García N., DSGE Macroeconomic Models: A Critique, „Economie Appliquée”, archives de l’Institut de Sciences Mathématiques et Economiques Appliquées, 2011, nr 64(1).
• Ghoulmie F., Cont R., Nadal J.-P., Heterogeneity and Feedback in an Agent-based Market Model, „Journal of Physics: Condensed Matter” 2005, nr 17(14), March.
• Głogowski A., Ryzyko systemowe – aspekty sieciowe, „Bezpieczny Bank” 2012, nr 3(48).
• Gregory R., Mendelsohn R., Perceived risk, Dread, and Benefits, „Risk Analysis. An International Journal” 1993, nr 13(3), June.
• Gradzewicz M., Makarski K., Tyrowicz J., Do We Really Need to Start from Scratch?, „University of Warsaw. Faculty of Economic Sciences Working Papers” 2013, nr 17, 2013/102.
• Grazzini J., Information Dissemination in an Experimentally Based Agent-based Stock Market, „Journal of Economic Interaction and Coordination” 2013, nr 8(1), April.
• Grazzini J., Richiardi M., Consistent Estimation of Agent-Based Models by Simulated Minimum Distance, „LABOR Centre for Employment Studies Working Paper” 2013, nr 103.
• Grazzini J., Richiardi M., Estimation of Ergodic Agent-Based Models by Simulated Minimum Distance, http://www.nuffield.ox.ac.uk/economics/papers/2014/ABMestimation-ergodicv.18.pdf (15.01.2016), 2014.
• Grazzini J., Richiardi M., Sella L., Small Sample Bias in MSM Estimation of Agent-based Models, w: Managing Market Complexity, „Managing Market Complexity. The Approach of Artificial Economics. Lecture Notes in Economics and Mathematical Systems”, Springer Velang Berlin Heideberg 2012a.
• Grazzini J., Richiardi M., Sella L., Indirect Estimation of Agent-based Models. An Application to a Simple Diffusion Model, „Complexity Economics” 2012b, nr 1(2).
• Grazzini J., Richiardi M., Tsionas M., Bayesian Estimation of Agent-based Models, „Journal of Economics and Control” 2017, nr 77, April.
• Hałaj G., Efekt domina w systemie bankowym – miary oparte na losowych scenariuszach strat, „Bank i Kredyt” 2007.
• Hommes C., The Heterogeneous Expectations Hypothesis: Some Evidence From the Lab, „Journal of Economic Dynamics and Control” 2011, nr 35(1).
• Hommes C., Heterogeneous Agent Models in Economics and Finance, w: Handbook of Computational Economics, red. L. Tesfatsion, L. Judd, Elsevier, 2006, nr 2(23).
• Iacoviello M., House Prices, Borrowing Constraints, and Monetary Policy in the Business Cycle, „American Economic Review” 2005, nr 95(3), June.
• Izquierdo L.R. i in., Errors and Artefacts in Agent-Based Modelling, „Journal of Artificial Societies and Social Simulation” 2009, 12(1)1 (2009a).
• Izquierdo L. i in., Techniques to Understand Computer Simulations: Markov Chain Analysis, „Journal of Artificial Societies and Social Simulation” 2009, 12(1)6, (2009b).
• Jajuga K., Zarządzanie ryzykiem, PWN, Warszawa 2008.
• Jeziorska M., Postrzeganie ryzyka a działania ochronno-prewencyjne podmiotów narażonych na ryzyko, „Acta Universitatis Lodziensis. Folia Oeconomica” 2013, nr 296.
• Kabza M., Ryzyko systemowe – cecha współczesnych rynków, „Studia Ekonomiczne” 2012, nr 3(74).
• Kabza M., Źródła ryzyka systemowego i metody jego ograniczania na przykładzie kredytów walutowych w systemach bankowych krajów Europy Środkowo-Wschodniej, Wydawnictwo Key Text, Warszawa 2014.
• Kamiński B., Podejście wieloagentowe do modelowania rynków. Metody i zastosowania, Oficyna Wydawnicza SGH, Warszawa 2012.
• Karkowska R., Ryzyko systemowe. Charakter i źródła indywidualizacji w sektorze bankowym, Oficyna Wydawnicza Wolters Kluwer, Kraków 2015.
• Kasperson J.X., Kasperson R.E., The Social Contours of Risk, Earthscan, London 2005.
• Kaszowska J., Santos J.L., Systemic Risk Modeling: Agent-based Modeling Foundations and Validation, w: Systemic Actions in Complex Scenarios, Cambridge Scholars Publishing, 2017a (w druku).
• Kaszowska J., Santos J.L., Agent-based Model for Systemic Risk Assessment, „Journal of Artificial Societies and Social Simulation” 2017b (w recenzji).
• Kaufman G.G., Bank Failures, Systemic Risk, and Bank Regulation, http://object.cato.org/sites/cato.org/files/serials/files/cato-journal/1996/5/cj16n1–2.pdf (22.01.2016), 1996.
• Kleijnen J.P.C., Experimental Design for Sensitivity Analysis, Optimization and Validation of Simulation Models, w: Handbook of Simulations, red. J. Banks, Wiley, New York 1998.
• Klevmarken N.A., Statistical Inference in Microsimulation Models: Incorporating External Information, „Mathematics and Computers in Simulation” 2002, nr 59(1–3), Hamilton, New Zealand, May.
• Klügl F., A Validation Methodology for Agent-based Simulations, w: Proceedings of the 2008 ACM Symposium on Applied Computing, 2008, str. 39–43.
• Knight F., Risk, Uncertainty and Profit, Reprints of Economic Classics, New York 1964 (1921).
• Koehler Ch., The Relationship between the Complexity of Financial Derivatives and Systemic Risk, http://ssrn.com/abstract=2511541, str. 1–49 (16.01.2016), 2011.
• Kotyński L., Solarz J.K., Sulmicki J., Zombirt J., Dylematy światowego systemu gospodarki i finansów, Wyd. Uczelnia Vistula, 2015.
• Law A.M., How to Build Valid and Credible Simulation Models, w: Proceedings of Winter Simulation Conference, 2001, nr 1.
• Laubenbacher R., Jarrah A., Mortveit H., Ravi S., A Mathematical Formalism for Agent-based Modeling, „Encyclopedia of Complexity and System Science”, Springer Verlag, New York 2008.
• LeBaron B., Time Series Properties of an Artificial Stock Market, „Journal of Economic Dynamics & Control” 1999, nr 23(9–10).
• LeBaron B., Calibrating an Agent-based Financial Market to Macroeconomic Time Series, Technical report, Brandeis University, Waltham, MA 2002a.
• LeBaron B., Short-memory Traders and Their Impact on Group Learning in Financial Markets, w: Proceedings of the National Academy of Science: Colloquium 99 (Supplement 3), 2002b.
• LeBaron B., Tesfatsion L., Modeling Macroeconomies as Open-ended Dynamic Systems of Interacting Agents, „American Economic Review: Papers & Proceedings” 2008, nr 98(2).
• Leombruni R., Richiardi M., Why are Economists Sceptical About Agent-based Simulations?, „Physica A” 2005, nr 355(1).
• Macal Ch., North M., Agent-based Modeling and Simulations, w: Proceedings of the 2009 Winter Simulation Conference, red. M.D. Rosseti, R. Hill, B. Johansson, A. Dunkin, R.G. Ingalls, 2009.
• MacKay R.S., Space-time Phases, w: R. Ball, V. Kolokoltsov, R. MacKay, Complexity Science: the Warwick Master’s Course, „London Mathematical Society Lecture Note Series” 2013, nr 408, Cambridge University Press.
• Messina J.P. i in., Complex Systems Models and the Management of Error and Uncertainty, „Journal of Land Use Science” 2008, nr 3(1).
• Minsky H., The Financial Instability Hypothesis, The Jerome Levy Economics Institute of Bard College „Working Paper” 1992, nr 74, May.
• Mortveit H., Reidys Ch., An Introduction to Sequential Dynamical Systems, Springer 2008.
• Owsiak S., Stabilność systemu zasilania finansowego a nowatorskie zarządzanie podmiotami publicznymi w warunkach kryzysu, w: Nowe zarządzanie finansami publicznymi w warunkach kryzysu, PWE, Warszawa 2011.
• Ormerod P., Rosewell B., Validation and Verification of Agent-based Models in the Social
• Sciences, w: Epistemological Aspects of Computer Simulation in the Social Sciences, Springer Berlin Heidelberg 2009.
• Pablo-Martí F., Santos J.L, Kaszowska J., Assessment of Policies Using the “Core” and “Periphery” Approaches, Argumenta Oeconomica, 2016 (przyjęty).
• Pipień M., GARCH Processes with Skewed-t and Stable Conditional Distribution. Dynamic Bayesian Comparison for WIBOR Interest Rates, 30-th International Conference MACROMODELS’03, red. A. Welfe, W. Welfe, Łódź 2004.
• Rudebusch G., Macro-finance Model of Interest Rates and the Economy, „Federal Reserve Bank of San Francisco Working Paper Series” 2010.
• Richiardi M., Agent-based Computational Economics: a Short Introduction, „The Knowledge Engineering Review” 2012, nr 27(2).
• Sargent R.G., Verification and Validation of Simulation Models, w: Proceedings of the 37th Conference on Winter Simulation, WSC’05, 2005.
• Santos J.L., La necesidad de un cambio de paradigma en las ciencias sociales. Del equilibrio general a los modelos basados en agentes, „Encrucijadas: revista crítica de ciencias sociales” 2012, nr 4.
• Sbordone A., Tambalotti A., Rao K., Walsh K., Policy Analysis Using DSGE Models: An Introduction, „FRBNY Economic Policy Review” 2010, October.
• Shiller R.J., Finanse a dobrobyt społeczny, PTE, (tłum. z ang.: Finance and the Good Society, Princeton University Press 2012), 2015.
• Sławiński A., Tymoczko D., Polityka makroostrożnościowa jako instrument ograniczania wykorzystywania przez banki krótkoterminowego finansowania hurtowego, „Zarządzanie i Finanse” 2013, nr 2/1.
• Smaga P., The Concept of Systemic Risk, SRC Special Paper nr 5, Systemic Risk Centre, LSE, http://eprints.lse.ac.uk/61214/1/sp-5.pdf (03.02.2016), 2014.
• Smith J.M., Evolution and the Theory of Games, Cambridge University Press, Cambridge 1982.
• Solarz J.K., Zarządzanie ryzykiem systemu finansowego, LAM – Wydawnictwo Wyższej Szkoły Ubezpieczeń i Bankowości, Warszawa 2005.
• Solé J., Espinosa-Vega M., Cross-Border Financial Surveillance: A Network Perspective, „IMF Working Paper” 2010, WP/10/105.
• Statiukynaite R., Essays on Validation and Estimation of Agent-based Models and on Overconfidence Measures, CentER, Center for Economic Research, Tilburg, 2014.
• Szczepańska O., Stabilność finansowa jako cel banku centralnego. Studium teoretyczno-porównawcze, Scholar, 2008.
• Sznajderska A., On Asymmetric Effects in a Monetary Policy Rule, „NBP Working Papers” 2012, nr 125.
• Sznajderska A., Asymmetric Effects in the Polish Monetary Policy Rule, „Economic Modelling” 2014, nr 36(C), Elsevier.
• Takadama K., Kawai T., Koyama Y., Micro- and Macro-Level Validation in Agent-based Simulation: Reproduction of Human-Like Behaviours and Thinking in a Sequential Bargaining Game, „Journal of Artificial Societies and Social Simulation” 2008, nr 11(2).
• Tesfatsion L., Judd K., Handbook of Computational Economics, 2006, t. 2.
• Tovar C., DSGE Models and Central Banks, „BIS Working Papers” 2008, nr 258.
• Troitzsch K., Validating Simulation Models, w: Proceedings of the 18th European Simulation Multi-conference, 2004.
• Tversky A., Kahneman D., Judgment under Uncertainty: Heuristics and Biases, „Science” 1974, New Series, t. 185, nr 4157.
• Wells S., Financial Interlinkages in the United Kingdom’s Interbank Market and the Risk of Contagion, „Working Paper” 2004, nr 230, Bank of England, London.
• Wildavsky A., Dake K., Theories of Risk Perception: Who Fears What and Why?, „Daedalus” 1990, nr 119(4), Fall.
• Winker P., Gilli M., Indirect Estimation of the Parameters of Agent-Based Models of Financial Markets, „Computing in Economics and Finance 2001” 2001, nr 59, Society for Computational Economics.
• Winker P., Gilli M., Jeleskovic V., An Objective Function for Simulation Based Inference on Exchange Rate Data, „Journal of Economic Interaction and Coordination” 2007, nr 2(2).
• Windrum P., Fagiolo G., Moneta A., Empirical Validation of Agent-based Models: Alternatives and Prospects, „Journal of Artificial Societies and Social Simulation” 2007, nr 10(2)8.
• Wojtyna A., Współczesna ekonomia – kontynuacja czy poszukiwanie nowego paradygmatu?, „Ekonomista” 2008, nr 1.