An Early Warning System for Predicting Systemic Banking Crises in the Eurozone: A Logit Regression Approach

Filippopoulou, Chryssanthi; Spyrou, Spyros I.

doi:10.2139/ssrn.3215917

Cited by 4 publications

(6 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…assets Climenta et al [ 56 ] and Jing and Fang [ 57 ] Net interest income ratio* Net interest income/operational revenue Betz et al [ 13 ], Jing and Fang [ 57 ] and Ötker-Robe and Podpiera [ 33 ] Panel D: Earning variables Net interest margin Climenta et al [ 56 ] Net interest-to-assets* Net interest revenue/total assets Climenta et al [ 56 ], Distinguin et al [ 17 ] and Jing and Fang [ 57 ] Panel E: Liquidity variables Liquidity ratio Liquid assets/total assets Arena [ 12 ], Avino et al [ 60 ], Curry et al [ 3 ], Jing and Fang [ 57 ], Ötker-Robe and Podpiera [ 33 ] and Parrado-Martinez et al [ 59 ] Liquid assets-to- dep. and st funding Liquid assets /customer(deposits) and short term funding Climenta et al [ 56 ], Distinguin et al [ 17 ], Filippopoulou et al [ 25 ] and Sironi [ 15 ] Liquid assets-to-dep. and borrowings Liquid assets/total deposits and borrowings Climenta et al [ 56 ] and Distinguin et al [ 17 ] NCO-to-gross Loans Net charge offs/gross loans Cleary and Hebb [ 23 ] St funding-to-total liabilities* ...…”

Section: Methodsmentioning

confidence: 99%

“…and st funding Liquid assets /customer(deposits) and short term funding Climenta et al [ 56 ], Distinguin et al [ 17 ], Filippopoulou et al [ 25 ] and Sironi [ 15 ] Liquid assets-to-dep. and borrowings Liquid assets/total deposits and borrowings Climenta et al [ 56 ] and Distinguin et al [ 17 ] NCO-to-gross Loans Net charge offs/gross loans Cleary and Hebb [ 23 ] St funding-to-total liabilities* Short term funding/total liabilities Betz et al [ 13 ], Filippopoulou et al [ 25 ] and Ötker-Robe and Podpiera [ 33 ] Interbank ratio Interbank assets/interbank liabilities Climenta et al [ 56 ] and Distinguin et al [ 17 ] Net loans-to-total assets Net loans/total assets Cleary and Hebb [ 23 ] and Climenta et al [ 56 ] Net loans-to-dep. and st funding Net loans/deposits and short term funding Cleary and Hebb [ 23 ] and Climenta et al [ 56 ] Net loans-to-dep.…”

Section: Methodsmentioning

confidence: 99%

“…Regarding European banks, Männasoo and Mayes [ 24 ] showed that CAMELS factors have an important role in distress detection and warning and Poghosyan and Cihak [ 7 ] revealed that asset quality and earning profiles of EU banks are important determinants of bank distress, next to leverage. Additionally, Filippopoulou et al [ 25 ] suggested that specific banking variables are on average more important than macroeconomic variables for predicting systemic banking crisis in the Eurozone.…”

Section: Literature Review and Hypotheses Developmentmentioning

confidence: 99%

See 2 more Smart Citations

Reassessing bank monitoring models: an empirical analysis of the value of market signals in the period 2008–2020

2022

View full text Add to dashboard Cite

One of the major goals of bank supervisors is to predict bank distress events. As the environment changes, it is crucial to reassess and improve the models used in monitoring banks. The financial soundness of banks is traditionally assessed based on accounting ratios. However, the incorporation of market information in these models may significantly improve its ability to predict bank distress. The present paper has two main objectives, the first is to assess if market information adds value to accounting-based monitoring models when the purpose is to detect bank distress situations. Further, it also seeks to understand if the predictive power of market signals increased with transparency requirements. To accomplish this purpose, a total of 81 distress events from a sample of 248 European banks between 2008 and 2020 were analyzed. First, a logit univariate analysis was used to evaluate the relevance of each accounting and market variable. Then, the optimal multivariate accounting-based model to predict distress events was constructed using a stepwise approach. Finally, the previous model was extended to include the relevant market variables. The results support the use of market variables in bank monitoring models. Further, the present study provides evidence that the predictive power of market variables increased after the strengthening of the information requirements set by the Basel agreements. It can be concluded that the results support the use of market information for banking supervisory purposes, especially, in transparent markets. Supplementary Information The online version contains supplementary material available at 10.1057/s41261-022-00194-4.

show abstract

Section: Methodsmentioning

confidence: 99%

Section: Methodsmentioning

confidence: 99%

Section: Literature Review and Hypotheses Developmentmentioning

confidence: 99%

See 1 more Smart Citation

Reassessing bank monitoring models: an empirical analysis of the value of market signals in the period 2008–2020

2022

View full text Add to dashboard Cite

show abstract

“…Two methods, linear regression and family-based data analysis [17,18], generate better risk predictions for banks when compared to other methods.…”

Section: Financial Warning Systemsmentioning

confidence: 99%

Financial Early Warning System Model Combining Hybrid Semantic Hierarchy with Group Method of Data Handling Neural Network for Detection of Banks’ Risks

2021

Discrete Dynamics in Nature and Society

View full text Add to dashboard Cite

Banks, financial, and credit institutions encountering the weakening financial system and increased risk factors cause high inflation and great losses for an economy. Detecting financial risks in advance could help financial institutions avoid losses, and the financial system could be eventually affected less. Early warning systems for banks could be helpful to identify financial risks and take measures to deal with hazardous situations. Various approaches have already been put forward. However, inaccuracy issues in risk detection are one of the main issues. Combining semantic hierarchy with the GMDH neural network to predict financial risks is proposed. A semantic hierarchy approach based on converting risk-related values and picking influential variables could be practical in risk detection. Besides, the GMDH algorithm utilizing neural networks based on available data has the capability of predicting possible risks that could occur in the future. The outcomes of the proposed method when compared to non-data mining methods suggest that it improves accuracy by almost 20%.

show abstract

“…We rely on logistic regression because it has been used either as the main method for comparison purposes in several occasions in a related strand of the literature that develops early warning systems to predict banking crises (Barrell et al, 2010;Caggiano et al, 2014;Filippopoulou et al, 2020) or the failure of individual banks (Martin, 1977;Kolari et al, 2002;Lanine and Vander Vennet, 2006).…”

Section: List Of Tablesmentioning

confidence: 99%

A multicriteria decision framework for the assessment of banks' capital needs

Τσαγκαράκης¹

View full text Add to dashboard Cite

Η παγκόσμια χρηματοπιστωτική κρίση επηρέασε σημαντικά την ευρωστία μεμονωμένων τραπεζών, καθώς και το τραπεζικό σύστημα των ΗΠΑ και της Ευρώπης συνολικά. Με βάση τα αποτελέσματα διενεργηθέντων εποπτικών ασκήσεων (προσομοιώσεων ακραίων καταστάσεων, ελέγχων ποιότητας στοιχείων ενεργητικού) και αποφάσεων για την ανακεφαλαιοποίηση αδύναμων τραπεζών, η παρούσα διατριβή προτείνει την ανάπτυξη ενός συστήματος έγκαιρης προειδοποίησης, το οποίο θα μπορούσε να χρησιμεύσει στο μέλλον ως ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων, για τη συνεχή παρακολούθηση και τον έγκαιρο εντοπισμό αδύναμων τραπεζών, υποβοηθώντας με τον τρόπο αυτό τη λήψη εποπτικών αποφάσεων που σχετίζονται με τις ανάγκες κεφαλαιοποίησης τραπεζικών ιδρυμάτων. Ταυτόχρονα, οι επικεφαλής των τραπεζών θα μπορούσαν να χρησιμοποιήσουν το υπόδειγμα αυτό για να γνωρίζουν εκ των προτέρων εάν η τράπεζά τους αναπτύσσει ένα προφίλ που είναι κοντά σε αυτό που θα ενεργοποιούσε εποπτικές δράσεις.Στο πλαίσιο αυτό η προτεινόμενη προσέγγιση βασίζεται σε μια τεχνική από το χώρο της πολυκριτήριας ανάλυσης αποφάσεων, τη μέθοδο UTADIS (UTilitè Additive DIScriminantes), η οποία επιτρέπει την ανάπτυξη προσθετικών υποδειγμάτων για σκοπούς λήψης αποφάσεων και πρόβλεψης σε προβλήματα ταξινόμησης. Η προσθετική μορφή των υποδειγμάτων διευκολύνει την κατανόηση και ερμηνεία τους, κάτι που αποτελεί σημαντικό χαρακτηριστικό για τη χρήση τους σε ένα κανονιστικό πλαίσιο.Για λόγους σύγκρισης, τα αποτελέσματα των υποδειγμάτων UTADIS που αναπτύχθηκαν αντιπαραβάλλονται με αντίστοιχα λογιστικής παλινδρόμησης, καθώς και με δύο ευρέως χρησιμοποιούμενα μέτρα, το SRISK και το Texas Ratio. Τέλος, η προτεινόμενη προσέγγιση βασίζεται σε μια διατύπωση γραμμικού προγραμματισμού για την προσαρμογή του υποδείγματος, η οποία παρέχει ευελιξία στον υπεύθυνο λήψης αποφάσεων – εν προκειμένου τις εποπτικές αρχές των τραπεζών – να βαθμονομήσει το υπόδειγμα έτσι ώστε να περιγράφει όσο το δυνατόν ακριβέστερα όχι μόνο τα χαρακτηριστικά των δεδομένων, αλλά και τις γνώσεις και την τεχνογνωσία τους.Χρησιμοποιώντας ένα δείγμα 76 μεγάλων αμερικανικών και ευρωπαϊκών τραπεζών και ένα σύνολο 22 κριτηρίων που καλύπτουν διαφορετικές διαστάσεις που σχετίζονται με: (α) παράγοντες κινδύνου σε επίπεδο τράπεζας, (β) μικροοικονομικά κριτήρια σε επίπεδο τράπεζας, και (γ) συγκεντρωτικές συνθήκες τραπεζικής και χρηματοπιστωτικής αγοράς, αναπτύξαμε διάφορα υποδείγματα πολλαπλών χαρακτηριστικών για τη διάκριση μεταξύ τραπεζών με κεφαλαιακές ανάγκες και καλά κεφαλαιοποιημένων. Αυτό μας επιτρέπει να δημιουργήσουμε ένα πλαίσιο υποστήριξης αποφάσεων που καταγράφει τις ευπάθειες τόσο από μικροπροληπτική όσο και από μακροπροληπτική σκοπιά.Η διατριβή είναι οργανωμένη σε οκτώ κεφάλαια. Το πρώτο κεφάλαιο είναι η εισαγωγή. Στο δεύτερο κεφάλαιο παρουσιάζεται το κανονιστικό πλαίσιο των εποπτικών ασκήσεων τραπεζών στις ΗΠΑ και την Ευρωπαϊκή Ένωση. Στο τρίτο κεφάλαιο περιγράφονται οι επιπτώσεις της ελληνικής χρηματοπιστωτικής κρίσης στις εγχώριες τράπεζες. Στο τέταρτο κεφάλαιο γίνεται ανασκόπηση της βιβλιογραφίας. Στο πέμπτο και το έκτο κεφάλαιο αναπτύσσεται το εμπειρικό και το μεθοδολογικό πλαίσιο της ερευνάς μας. Στο έβδομο κεφάλαιο παρατίθενται τα αποτελέσματα της ανάλυσης. Τέλος, το όγδοο κεφάλαιο παραθέτει τα συμπεράσματα της διατριβής και ορισμένες κατευθύνσεις για μελλοντική έρευνα.

show abstract

An Early Warning System for Predicting Systemic Banking Crises in the Eurozone: A Logit Regression Approach

Cited by 4 publications

References 40 publications

Reassessing bank monitoring models: an empirical analysis of the value of market signals in the period 2008–2020

Reassessing bank monitoring models: an empirical analysis of the value of market signals in the period 2008–2020

Financial Early Warning System Model Combining Hybrid Semantic Hierarchy with Group Method of Data Handling Neural Network for Detection of Banks’ Risks

A multicriteria decision framework for the assessment of banks' capital needs

Contact Info

Product

Resources

About