一种人工智能工具可以帮助政府决定是否救助处于危机中的银行，预测这种干预从长远来看是否会给纳税人节省资金。该人工智能工具由伦敦大学学院（UCL）和伦敦玛丽女王大学的研究人员开发，不仅可以评估救助是否是对纳税人最好的策略，还可以建议应该在银行投资多少，以及在任何特定时间应该救助哪家或哪几家银行。
今天（11月17日）将在《自然-通讯》杂志上发表的一篇新论文中详细介绍了这一点。
作者利用欧洲银行管理局的数据，在被认为对全球金融体系最重要的35家欧洲金融机构的网络上测试了该算法。然而，它也可以由国家银行使用不为公众所知的详细专有数据进行使用和校准。
论文的通讯作者NeofytosRodosthenous博士（UCL数学）说。"政府的银行救助是复杂的决策，具有金融、社会和政治影响。我们相信我们开发的人工智能方法可以成为政府的一个重要工具，帮助官员评估具体的财务影响--这意味着检查救助是否符合纳税人的最佳利益，或者让银行倒闭是否更划算。我们的技术可以免费提供给银行当局，作为他们决策过程中的工具。"
合著者VitoLatora教授（伦敦大学玛丽皇后学院）补充说："政府和银行当局也可以使用我们的方法来回顾过去的危机，并获得宝贵的经验来指导未来的行动。例如，人们可以回顾英国政府在2007-9年金融危机期间对苏格兰皇家银行（RBS）的救助，并反思未来如何可能（从财务角度）改进这一做法，以便主要使纳税人受益。"
在银行救助中，政府对银行的投资增加了银行的股权，降低了银行的违约风险。如果短期内这种成本导致长期内较低的纳税人损失--即防止对政府财政造成更大损害的银行违约，对纳税人来说可能是合理的。
在他们的研究中，研究人员创建了一个数学框架，从预测纳税人损失的角度来比较不同的救助策略。考虑的因素包括金融危机预计会持续多久，每家银行违约的可能性和违约对网络中其他银行的影响，以及纳税人在银行的股权。
研究人员使用一种称为马尔科夫决策过程的数学控制过程，将政府在任何特定时间点的干预效果纳入这一框架。
然后，他们开发了一个定制的人工智能算法来评估最佳的救助策略，比较不干预和不同类型的干预--即对一家银行或多家银行的不同投资水平--在危机期间的不同时间点。需要一种人工智能技术，因为对这样一个系统进行建模是非常复杂的，因为系统中所有银行的未来行为可能是无限的。
在他们使用欧洲银行管理局的数据进行的案例研究中，他们表明，只有当纳税人在银行中的股份大于某个关键的阈值时，政府的救助才是最理想的，这一点通过模型确定。一旦损失的百分比超过这个阈值，最优政策就会急剧改变。
此外，研究表明，网络的困境越大（以银行股权减少的百分比来定义），危机持续的时间越长，银行对其他银行的风险敞口越大（即它们借给其他银行多少钱，因此如果这些银行倒闭，它们会有损失），政府的救助就越有利。
据调查者称，研究表明，一旦一家银行获得救助，对纳税人来说，最好的策略是政府继续投资于该银行以防止违约。这可能会导致被救助的银行缺乏防范风险的动力，可能会增加风险的承担。
主要作者DanielePetrone博士说。"迄今为止，银行经受住了当前由COVID-19大流行病引发的经济风暴。2007-9年全球金融危机后推出的监管措施和中央银行的宽松货币政策避免了各行业的破产，从而增强了它们的复原力。然而，没有人能够预测在中央银行扭转以前的政策时对金融系统的影响，如因担心通货膨胀而提高利率，因此救助仍是一种可能"。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】