湖南
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，预测干预措施是否会长期为纳税人省钱。
由伦敦大学学院（UCL）和伦敦玛丽皇后大学的研究人员开发的人工智能工具不仅评估救助是否是纳税人的最佳策略，而且还建议应该向银行投资多少，以及应该在任何给定时间救助哪家或多家银行。今天（11月17日）将在《自然通讯》杂志上发表的一篇新论文对此进行了详细介绍。
使用欧洲银行管理局的数据，作者在35家欧洲金融机构的网络上测试了该算法，这些机构被认为是对全球金融体系最重要的。但是，国家银行也可以使用公众无法获得的详细专有数据来使用和校准它。
该论文的通讯作者Neofytos Rodosthenous博士（UCL Mathematics）说：“政府银行救助是复杂的决定，具有财务，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物有所值。我们的技术可供银行当局免费用作其决策过程中的工具。
共同作者Vito Latora教授（伦敦玛丽皇后大学）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，为未来的行动提供信息。例如，人们可以审查英国政府在2007-9年金融危机期间对苏格兰皇家银行（RBS）的救助，并反思未来如何改善（从财务角度来看），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本并降低了违约风险。如果这种成本在短期内能够降低纳税人的损失，那么短期内对纳税人来说可能是合理的——也就是说，它可以防止对政府财政造成更大损害的银行违约。
在他们的研究中，研究人员创建了一个数学框架，用于比较纳税人预测损失方面的不同救助策略。考虑的因素包括金融危机预计将持续多长时间，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份。
使用称为马尔可夫决策过程的数学控制过程，研究人员将政府干预在任何给定时间点的影响纳入该框架。
然后，他们开发了一种定制的人工智能算法来评估最佳的救助策略，将无干预与不同类型的干预（即在危机期间的不同时间点对一家银行或多家银行的不同投资水平）进行比较。需要人工智能技术，因为对这样一个系统进行建模非常复杂，因为系统中所有银行的未来行为可能是无限的。
在使用欧洲银行管理局数据的案例研究中，他们表明，只有当纳税人在银行的股份大于通过模型确定的某个关键阈值时，政府救助才是最佳的。一旦损失百分比超过此阈值，最佳策略就会发生巨大变化。
此外，研究表明，政府救助往往越有利，网络的困境越大（定义为银行股本减少的百分比），危机持续的时间越长，银行对其他银行的风险敞口就越大（也就是说，他们向其他银行借了多少钱，因此如果这些银行倒闭，它们将蒙受损失）。
根据调查人员的说法，研究表明，一旦一家银行获得了救助，纳税人的最佳策略是政府继续投资该银行以防止违约。这可能导致被救助银行缺乏防范风险的动力，从而可能增加风险承担。
主要作者Daniele Petrone博士说：“到目前为止，银行已经经受住了Covid-19大流行引发的当前经济风暴。2007-2009年全球金融危机后推出的监管措施以及央行避免跨行业破产的货币政策增强了它们的弹性。然而，没有人能预测对金融体系的影响，因为央行扭转了以前的政策，例如由于通胀担忧而提高利率，因此救助仍然是可能的。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
