人工智能工具计算金融危机期间银行救助的价值

该工具由伦敦大学学院(UCL)和伦敦玛丽女王大学(Queen Mary University of London)的一个团队开发，不仅评估救助是否是纳税人的最佳策略，还评估应该向银行投资多少，以及在任何给定时间应该救助哪一家或多家银行。

该算法使用来自欧洲银行管理局(European Banking Authority)的数据进行了测试，这些数据来自一个由35家被认为对全球金融体系最重要的欧洲金融机构组成的网络。

这篇论文的通讯作者Neofytos Rodosthenous博士说:“政府对银行的救助是一个复杂的决定，具有金融、社会和政治方面的影响。我们相信，我们开发的人工智能方法可以成为政府的重要工具，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大利益，或者让银行倒闭是否更物有所值。我们的技术可以免费提供给银行当局，作为决策过程中的工具。”

在银行救助中，政府投资于一家银行以增加其股本并降低违约风险。如果能防止银行违约(对政府财政的损害更大)，从而在长期内降低纳税人的损失，那么短期内这种成本对纳税人来说可能是合理的。

研究人员创建了一个数学框架，根据纳税人的预期损失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以及违约对金融网络中其他银行的影响，以及纳税人在银行中的持股比例。

然后，他们将政府干预的影响纳入这个框架，并开发了一种定制的人工智能算法来评估最佳救助策略。

这些策略选项包括将不干预与不同类型的干预进行比较，比如在危机期间的不同时间点对一家银行或多家银行进行不同程度的投资。人工智能技术是必要的，因为建模这样一个系统是高度复杂的。

在他们的案例研究中，他们证明，只有当纳税人在银行中的持股超过某个由模型确定的临界阈值时，救助才是最优的。这一门槛有助于确定政府在金融危机期间应如何应对。

银行网络的困境越大，危机持续的时间越长，银行对其他银行的风险敞口越大(例如，它们借给其他银行的钱有多少)，政府救助往往越有利。

研究人员还发现，一旦一家银行接受了救助，纳税人的最佳策略是政府继续向该银行投资，以防止违约。

首席作者丹尼尔·佩特龙博士说:“到目前为止，银行经受住了Covid-19大流行引发的当前经济风暴。

2007年至2009年全球金融危机后出台的监管措施，以及各国央行避免了各行业破产的货币政策，增强了它们的韧性。

“然而，没有人能预测，随着各国央行逆转此前的政策(比如出于通胀担忧而提高利率)，对金融体系的影响仍有可能出现，因此救助仍有可能发生。”