如果引擎判断它所受到的冲击不是太严重,那么它吸收冲击甚至进行逆向交易是最佳选择——它稳定了系统。但是,如果引擎得出结论,避免破产需要采取迅速、果断的行动,例如在下跌的市场中抛售,它就会这么做。那么速度就是关键,因为第一个出售的人会得到最好的价格。最后出售的人将面临破产。为了生存,人工智能会尽快出售其风险资产,尽可能收回贷款,取消备用设施并运营其他金融机构。这很快就会使危机恶化,导致恶性循环中更具破坏性的行为。因此,我们预计人工智能会使危机变得特别迅速和恶性。当它充当危机放大器时,原本可能需要几天或几周才能发生的事情现在可能在几分钟或几小时内发生。
全球金融危机表明,金融开放的经济有许多脆弱之处。即使一个国家能保持国内秩序,它仍然受制于外部金融市场的发展。因此,需要牢记的一个教训是,政策制定者不仅需要防范国内冲击,还需要防范来自其他地区金融不稳定的外部冲击。要做到这一点,完全的金融开放并不是最好的政策。第二个教训是,土耳其现行的增长战略既不能持续,也不能创造足够的就业机会。因此,如果该国恢复原状并重新采用未能充分利用国内资源的模式,那将是一个错误。最重要的是,土耳其必须学会减少对外部借款的依赖。本文讨论了财政和汇率政策所需的调整。
2008 年爆发的全球金融危机进一步证明了金融市场具有内在的不稳定性,推动信贷(金融流动)自主扩张和收缩的内在驱动力无法消除,从而导致繁荣和萧条的循环。2009 年后,我们找到了重新实施金融市场监管的理由(继 1980 年代始于伦敦金融城并继续通过类似措施放松管制的浪潮之后),引入了旨在限制过度贷款、金融流动并要求银行持有更高资本和流动性储备的宏观审慎措施。不幸的是,非银行金融系统仍然监管不足,在这方面存在不一致。而多少资本和流动性储备应该足够仍然是一个有争议的话题——尽管常识表明更多的储备应该使系统更加健全。
虽然有报道指出,许多外国投资者已从柬埔寨银行撤出投资资本,这在一定程度上表明银行业受到挫折,但目前尚无证据表明全球经济衰退对银行业和金融业产生了不利影响。一些经济学家指出,由于柬埔寨的银行业和金融业与世界金融体系没有联系,因此未受到危机的影响。然而,金融危机却给柬埔寨政府敲响了警钟,促使政府重新审视和调整其银行业和金融政策,以避免再次发生导致建筑业停滞的信贷危机。例如,有报道称,由于信贷突然收紧而受阻的房地产投资者遭到银行止赎。
注意:作者的隶属关系分别是美联储系统(Caldara,Gagnon),达拉斯联邦储备银行(Martínez-García)和圣路易斯联邦储备银行(Neely)的委员会。作者从Paolo Pesenti,John Roberts和Robert Tetlow以及Andrea de Michelis,Brian Doyle和David Lebow的评论和建议中受益。作者要感谢Sarah Baker,Valerie Grossman,Stephanie Harrington,Patrick Molligo,Charlotte Singer和Amro Shohoud的专家研究帮助以及James Hebden在简单规则下创建反事实的货币政策模拟。本文中提出的分析和结论是作者的分析和结论,并不表示其他联邦储备系统工作人员,美联储委员会或达拉斯和圣路易斯的美联储银行的同意。
我们使用机器学习技术对文本数据进行分析,以识别金融危机。危机的爆发和持续时间对实际经济活动有影响,因此可以成为宏观审慎、货币和财政政策的宝贵投入。学术文献和政策领域主要依靠专家判断来确定危机,而且往往存在滞后。因此,危机持续时间和脆弱性的积累阶段通常只能事后才能确定。虽然我们可以使用传统的计量经济学技术和现成的市场数据在不同程度上识别和预测全球部分危机,但我们发现文本数据有助于减少此类模型样本外测试中的假阳性和假阴性,尤其是当危机被认为更为严重时。建立一个跨国家、实时一致的框架可以使世界各地的政策制定者受益,尤其是当不同政府政策需要国际协调时。JEL 分类:C53;C55;G01 关键词:金融危机;机器学习;自然语言处理
本作品根据 Creative Commons Attribution-NonCommercial 4.0 国际许可证获得许可。要查看此许可证的副本,请访问 http://creativecommons.org/licenses/by-nc/4.0/ 或致函 Creative Commons,PO Box 1866, Mountain View, CA 94042, USA。
∗ matthias.kaldorf@bundesbank.de,matthias.rottner@bundesbank.de。We thank Markus Brunnermeier, Emanuele Campiglio, Francesca Diluiso, Sampreet Goraya, Niko Jaakkola, Jochen Mankart, Benoit Mojon, Simon Scheidegger, Hernan Seoane, Thomas Stoerk, our dis- cussants Jorge Abad, Barbara Annicchiarico, Volha Audzei, Daniel Monteiro, Maria Sole Pagliari, and Anna Straubinger, and participants in the Annual Research Conference 2024 by the European Commis- sion, Mannheim Quantitative Macro Workshop, NAS Macroeconomic Implications of Decarbonization Workshop, 7th annual meeting of CEBRA's IFM program, ESCB Research Clusters Climate Change and Financial Stability, Green Finance Research Advances 2024, Czech National Bank关于金融稳定和宏观审慎政策的研讨会,以及NGFS的研究研讨会,国际住区银行,英格兰银行,德意志政府银行和博洛尼亚大学的评论和建议。这里表达的观点是我们自己的观点,不一定反映银行的国际定居点,德意志政府银行或欧洲系统的观点。
∗ matthias.kaldorf@bundesbank.de,matthias.rottner@bundesbank.de。We thank Markus Brunnermeier, Emanuele Campiglio, Francesca Diluiso, Sampreet Goraya, Niko Jaakkola, Jochen Mankart, Benoit Mojon, Simon Scheidegger, Hernan Seoane, Thomas Stoerk, our dis- cussants Jorge Abad, Barbara Annicchiarico, Volha Audzei, Daniel Monteiro, Maria Sole Pagliari, and Anna Straubinger, and participants in the Annual Research Conference 2024 by the European Commis- sion, Mannheim Quantitative Macro Workshop, NAS Macroeconomic Implications of Decarbonization Workshop, 7th annual meeting of CEBRA's IFM program, ESCB Research Clusters Climate Change and Financial Stability, Green Finance Research Advances 2024, Czech National Bank关于金融稳定和宏观审慎政策的研讨会,以及国际定居银行银行的研究研讨会,英格兰银行,德意志德国银行,欧洲中央银行,NGFS,博洛尼亚大学和圣加伦大学的评论和建议。这里表达的观点是我们自己的观点,不一定反映银行的国际定居点,德意志政府银行或欧洲系统的观点。
我们开发了一种定量宏观经济模型,并使用碳税和内源性金融危机来研究这种“气候明斯基时刻”。该模型经过校准以匹配金融危机和气候政策的显着特征。我们使用全球方法来解决该模型,以研究向雄心勃勃的气候政策转变的非线性过渡动力学。我们提出了“过剩的危机概率”,该概率定义为给定的碳税路径引起的平均危机概率,减去了业务与普遍的道路上的危机概率,而没有雄心勃勃的气候政策行动。使用这种沿不同过渡路径的财务稳定性量度,我们然后比较碳税路径的财务稳定性含义,例如以不同的过渡速度或气候政策行动的前后加载。