Systemic risk and synthetic networks: the mexican case 2013-2016

Abstract

RESUMEN: Este documento comienza con una revisión bibliográfica sobre el cambio en el paradigma de valuación de los activos financieros de la principal corriente económica y otras tendencias. Ello a partir del principio del siglo XX a la fecha, considerando dos periodos: antes y después de la crisis global financiera de 2007-2009. El primer periodo muestra inconsistencias en el comportamiento de los agentes económicos con respecto a la modelación de los activos financieros correspondiente a la principal corriente económica. El segundo periodo incluye Fin Tech, el cual ayuda a la determinación del patrón del comportamiento de los agentes económicos permitiendo big data mining a cualquier nivel de agregación, ya sea a nivel micro o macroeconómico. Adicionalmente, Fin Tech incluye machine learning, una técnica estadística que posibilita a los sistemas computacionales aprender de los datos. Posteriormente, se propone una nueva metodología para medir y controlar el riesgo sistémico en las redes financieras mexicanas. Para hacer evidente esta metodología, se analizan dos regímenes de redes bancarias. El primero de estos regímenes no tiene riesgo sistémico y el otro si lo tiene. Ésta aproximación analítica se propone basada en Freixas, Parigi and Rochet´s 2000. El marco teórico usa de las redes financieras, mediante algebra matricial y gráficas de redes. En esta aproximación, las entidades financieras son los nodos y las conexiones son las líneas de crédito. Una cadena de crédito es explorada para demostrar como un sistema financiero que podría colapsar por la insolvencia de una de sus entidades financieras, puede continuar trabajando bajo condiciones normales. Una característica principal de esta metodología es la distribución de la deuda en la red financiera para mantener la integridad del sistema financiero. ABSTRACT: This thesis stars with a literature review on the paradigm shift of asset pricing of the mainstream and other trends. From the beginning of the XX century to date, by considering two periods: before and after the global financial crisis of 2007-2009. The first period shows inconsistencies between agent’s behaviors in asset pricing mainstream modeling. The second period includes Fin Tech for determining patterns of agent’s behaviors allowing big data mining at any level of aggregation, either micro or macro. Also, it allows machine learning, a statistical technique that gives computer systems the ability to learn from data. Later a new methodology is proposed to measure and control systemic risk in Mexican financial networks for the period of 2013-2016. To demonstrate this methodology, two bank networks with and without systemic risk. An analytical approach based on Freixas, Parigi and Rochet’s (2000) work is proposed. The theoretical framework uses matrix algebra and network graphs. In the proposal, banks are represented by the nodes and the links are the credit lines. A credit chain is explored to examine how a bank network could collapse by insolvency of one of banks. One of the main characteristic of this paper is the debt distribution the bank network to maintain bank system integrity.