Forecasting bank failures and credit ratings

Abstract

During the last twenty years, the large number of bank failures channeled a lot of interest to credit rating methodologies and techniques for the early identification of a potentially failing bank. The financial crisis initiated in 2007, raised serious concerns on the regulatory policies in effect and led to significant supervisory and regulatory reforms to stabilize and increase the resilience of the banking system. Stress-testing became a popular tool among regulators and researchers in the effort to assess the resilience of banks under alternative scenarios. In this dissertation, a novel forecasting model of bank failures based on machine-learning is developed and presented. The proposed methodology defines a linear decision boundary that separates the solvent banks from the failed ones. This setup generates a novel alternative stress-testing tool for the assessment of solvency and provides significant insights on how to prevent a bank from failure. Moreover, based on this model, I investigate the effect of the regulatory changes that happened after the financial crisis on the resilience of the banking system as a whole. In doing so, I consider all 5826 banks of the U.S. banking system for 19 years. I use only quantitative and publicly available information from banks' financial statements from 2000 to 2018 aiming to develop a model for a) forecasting bank credit ratings b) forecasting bank failures and c) assessing the resilience of U.S. banking system as a whole before and after the recent financial crisis. The results indicate that bank credit ratings largely rely on historical data thus responding and updating very late and very sluggishly, at times long after the reaction of the market. The proposed forecasting model for bank failures exhibits a 99.22% overall forecasting accuracy being very parsimonious by using only two explanatory variables. I provide evidence that in recent years, lower competition and new regulations widened the safety margin of the banking system, resulting in a healthier and more resilient financial sector.

Τα τελευταία είκοσι χρόνια, ο μεγάλος αριθμός των χρεωκοπημένων τραπεζών αύξησε το ενδιαφέρον για τις μεθοδολογίες και τις τεχνικές αξιολόγησης της πιστοληπτικής ικανότητας των τραπεζών για την έγκαιρη πρόβλεψη μιας επικείμενης χρεωκοπίας. H χρηματοπιστωτική κρίση που ξεκίνησε το 2007, προκάλεσε ανησυχίες σχετικά με τα ρυθμιστικά και εποπτικά μέτρα που ίσχυαν και οδήγησε σε ρυθμιστικές και εποπτικές μεταρρυθμίσεις με στόχο την σταθεροποίηση και εξυγίανση του τραπεζικού συστήματος. Οι προσομοιώσεις ακραίων καταστάσεων αποτέλεσαν ένα σημαντικό εργαλείο επίβλεψης στα χέρια των εποπτικών αρχών στη προσπάθειά τους να αξιολογήσουν την ανθεκτικότητα των τραπεζών με βάση διάφορα εναλλακτικά σενάρια. Στην παρούσα διατριβή, παρουσιάζεται ένα νέο μοντέλο πρόβλεψης χρεωκοπίας των τραπεζών με μεθόδους μηχανικής μάθησης. Σύμφωνα με την προτεινόμενη μεθοδολογία ορίζεται ένας διαχωριστής ο οποίος χωρίζει τις χρεωκοπημένες τράπεζες από τις υγιείς με μια ευθεία. Αυτό οδηγεί σε ένα εναλλακτικό εργαλείο stress-testing για την αξιολόγηση της φερεγγυότητας των τραπεζών και παρέχει σημαντικές πληροφορίες για τον τρόπο πρόληψης μιας επικείμενης χρεωκοπίας. Επιπλέον, με βάση το μοντέλο, εξετάζεται η επίδραση των ρυθμιστικών αλλαγών που συνέβησαν μετά την χρηματοοικονομική κρίση στην ανθεκτικότητα του τραπεζικού συστήματος συνολικά. Στο πλαίσιο αυτό εξετάζονται και οι 5826 τράπεζες του τραπεζικού συστήματος των Η.Π.Α. για 19 χρόνια. Χρησιμοποιώ μόνο ποσοτικές και δημόσια διαθέσιμες πληροφορίες από τις οικονομικές καταστάσεις των τραπεζών από το 2000 έως το 2018 με στόχο την δημιουργία ενός μοντέλου για α) την πρόβλεψη αξιολόγησης της πιστοληπτικής ικανότητας των τραπεζών β) την πρόβλεψη χρεωκοπίας των τραπεζών και γ) την αξιολόγηση της ανθεκτικότητας του τραπεζικού συστήματος των Η.Π.Α. στο σύνολό του πριν και μετά την πρόσφατη χρηματοπιστωτική κρίση. Τα αποτελέσματα δείχνουν ότι οι αξιολογήσεις πιστοληπτικής ικανότητας των τραπεζών βασίζονται σε μεγάλο βαθμό σε δεδομένα προηγούμενων ετών με αποτέλεσμα να ανταποκρίνονται και να ενημερώνονται πολύ αργά, ενίοτε πολύ μετά την αντίδραση της αγοράς. Το προτεινόμενο μοντέλο πρόβλεψης χρεωκοπίας τραπεζών παρουσιάζει συνολική προβλεπτική ικανότητα 99,22% χρησιμοποιώντας μόνο δύο επεξηγηματικές μεταβλητές. Παρέχω αποδείξεις ότι τα τελευταία χρόνια, ο μειωμένος ανταγωνισμός και οι νέοι ρυθμιστικοί κανονισμοί διεύρυναν το περιθώριο ασφαλείας του τραπεζικού συστήματος, με αποτέλεσμα έναν υγιέστερο και πιο ανθεκτικό χρηματοπιστωτικό κλάδο.