Lo strumento AI prevede quando una banca dovrebbe essere salvata
Uno strumento di intelligenza artificiale sviluppato dai ricercatori dell’UCL e della Queen Mary University di Londra potrebbe aiutare i governi a decidere se salvare o meno una banca in crisi prevedendo se l’intervento farà risparmiare denaro ai contribuenti a lungo termine.
Uno strumento di intelligenza artificiale sviluppato dai ricercatori dell’UCL e della Queen Mary University di Londra potrebbe aiutare i governi a decidere se salvare o meno una banca in crisi prevedendo se l’intervento farà risparmiare denaro ai contribuenti a lungo termine.
Lo strumento AI, descritto in un nuovo articolo su Nature Communications , valuta non solo se un piano di salvataggio è la migliore strategia per i contribuenti, ma suggerisce anche quanto dovrebbe essere investito nella banca e quale banca o banche dovrebbero essere salvate in un dato momento. volta.
L’algoritmo è stato testato dagli autori utilizzando i dati dell’Autorità bancaria europea su una rete di 35 istituzioni finanziarie europee giudicate le più importanti per il sistema finanziario globale, ma può essere utilizzato e calibrato anche dalle banche nazionali utilizzando dati proprietari dettagliati non disponibili al pubblico.
Il dottor Neofytos Rodosthenous (UCL Mathematics), corrispondente autore dell’articolo, ha dichiarato: “I salvataggi delle banche governative sono decisioni complesse che hanno implicazioni finanziarie, sociali e politiche. Riteniamo che l’approccio basato sull’intelligenza artificiale che abbiamo sviluppato possa essere uno strumento importante per i governi, aiutando i funzionari a valutare implicazioni specificamente finanziarie: ciò significa verificare se un piano di salvataggio è nel migliore interesse dei contribuenti o se sarebbe più conveniente lasciare che la banca fallire. Le nostre tecniche sono liberamente disponibili per le autorità bancarie da utilizzare come strumenti nel loro processo decisionale.
Il coautore professor Vito Latora (Queen Mary University of London) ha aggiunto: “I governi e le autorità bancarie possono anche utilizzare il nostro approccio per rivedere retrospettivamente le crisi passate e ottenere preziosi insegnamenti per informare le azioni future. Si potrebbe, ad esempio, rivedere il salvataggio del governo britannico della Royal Bank of Scotland (RBS) durante la crisi finanziaria del 2007-9 e riflettere su come questo potrebbe essere potenzialmente migliorato (dal punto di vista finanziario) in futuro al fine di principalmente avvantaggiare i contribuenti”.
In un salvataggio bancario, un investimento del governo in una banca aumenta il patrimonio netto della banca e riduce il rischio di insolvenza. Questo costo a breve termine può essere giustificato per il contribuente se porta a minori perdite del contribuente a lungo termine, cioè previene fallimenti bancari che sono più dannosi per le finanze pubbliche.
Nel loro studio, i ricercatori hanno creato un quadro matematico per confrontare diverse strategie di salvataggio in termini di perdite previste per i contribuenti. I fattori considerati includono la durata prevista della crisi finanziaria, la probabilità di insolvenza di ciascuna banca e l’effetto di un’inadempienza su altre banche della rete, nonché le quote dei contribuenti nelle banche.
Utilizzando un processo di controllo matematico, chiamato Markov Decision Process, i ricercatori hanno incorporato in questo quadro l’effetto di un intervento del governo in un dato momento.
Hanno quindi sviluppato un algoritmo di intelligenza artificiale su misura per valutare le strategie di salvataggio ottimali, confrontando l’assenza di intervento con diversi tipi di intervento, ovvero diversi livelli di investimento in una o più banche, in momenti diversi durante una crisi. È necessaria una tecnica di intelligenza artificiale poiché la modellazione di un tale sistema è molto complessa, poiché il comportamento futuro di tutte le banche nel sistema può essere infinito.
Nel loro studio di caso, utilizzando i dati dell’Autorità bancaria europea, hanno mostrato che il salvataggio del governo sarebbe ottimale solo se le quote dei contribuenti nelle banche fossero superiori a un certo valore soglia critico, determinato tramite il modello. La politica ottimale cambiava drasticamente una volta che la percentuale di perdita superava questa soglia.
Inoltre, è stato dimostrato che il salvataggio del governo tendeva ad essere tanto più favorevole quanto maggiore era il disagio della rete (definito in termini di riduzione percentuale del patrimonio delle banche), quanto più durava la crisi e maggiori erano le esposizioni delle banche verso altre banche ( cioè quanto avevano prestato ad altre banche e quindi rischiavano di perdere se queste banche fallissero).
I ricercatori hanno anche scoperto che, una volta che una banca ha ricevuto un piano di salvataggio, la migliore strategia per i contribuenti era che il governo continuasse a investire in quella banca per evitare il default. Ciò potrebbe comportare una mancanza di incentivi per la banca salvata a proteggersi dal rischio, aumentando potenzialmente l’assunzione di rischi.
L’autore principale, il dott. Daniele Petrone, ha dichiarato: “Le banche hanno finora resistito all’attuale tempesta economica innescata dalla pandemia di Covid-19. La loro resilienza è stata rafforzata dalle misure normative introdotte in seguito alla crisi finanziaria globale del 2007-9 e dall’accomodamento delle politiche monetarie delle banche centrali che hanno evitato fallimenti in tutti i settori. Tuttavia, nessuno può prevedere l’effetto sul sistema finanziario quando le banche centrali invertiranno le politiche precedenti, come l’aumento dei tassi di interesse a causa delle preoccupazioni sull’inflazione, e quindi i salvataggi sono ancora una possibilità”.
“Un approccio AI per la gestione del rischio sistemico finanziario tramite salvataggi bancari da parte dei contribuenti”
