Contágio em redes econômicas: uma abordagem de apredizado de máquina

Interconnectedness is pervasive in economic systems. This allows several economic issues to be analyzed through complex networks tools. Interconnectedness can be beneficial to economic agents through, for instance, risk-sharing in financial networks. However, the 2008 financial turmoil, whose main episode was the collapse of Lehman Brothers in September of that year, highlighted the importance of interconnectedness in the propagation of shocks i.e., contagion through economic systems. Despite its importance, there are still some open issues concerning contagion in economic networks, its consequences, and the processes governing its dynamic. In this thesis, we aim to shed some light on some of these open issues. To perform this task, we rely on tools suitable for the analysis of complex systems complex networks, machine learning (ML), and agent-based modeling , as well as several unique Brazilian databases. Our contributions address three broad questions: i) the identification of systemically relevant economic agents (banks, firms, and assets), ii) the dynamics of monetary policy shocks propagation and its interplay with the financial network topology, and iii) the impact of heterogeneous loss distribution mechanisms on systemic risk (SR). Our main conclusions are the following: i) interest rate shocks affect financial stability in a non-linear way and this effect is stronger in periods of monetary policy tightening, ii) ML techniques can successfully identify drivers of SR among financial and topological variables, iii) the adoption of a heterogeneous loss distribution rule significantly increases SR, iv) topological features of the bank-firm credit network are significantly affected by shocks to the policy interest rate, and v) the newly developed centrality measure, the risk-dependent centrality, captures better the dynamics of the external risk level than other centrality measures.A interconectividade é um traço onipresente em sistemas econômicos. Isso permite que diversas questões econômicas sejam analisadas por meio de ferramentas de redes complexas. A interconectividade pode ser benéfica aos agentes econômicos através, por exemplo, do compartilhamento de riscos em redes financeiras. No entanto, a turbulência financeira de 2008, cujo episódio principal foi o colapso do Lehman Brothers em setembro daquele ano, destacou a importância da interconectividade na propagação de choques ou seja, contágio através dos sistemas econômicos. Apesar de sua importância, ainda existem algumas questões em aberto relativas a contágio em redes econômicas, suas consequências e os processos que governam sua dinâmica. Nesta tese, nosso objetivo é lançar alguma luz sobre algumas dessas questões. Para realizar essa tarefa, contamos com ferramentas adequadas à análise de sistemas complexos redes complexas, aprendizado de máquina (machine learning ML) e modelagem baseada em agentes , além de diversas bases de dados brasileiras. Nossas contribuições abordam três grandes questões: i) a identificação de agentes econômicos sistemicamente relevantes (bancos, empresas e ativos), ii) a dinâmica da propagação dos choques de política monetária e sua interação com a topologia da rede financeira, e iii) o impacto de mecanismos heterogêneos de distribuição de perdas no risco sistêmico (RS). Nossas principais conclusões são as seguintes: i) choques nas taxas de juros afetam a estabilidade financeira de forma não linear e esse efeito é mais forte em períodos de aperto da política monetária, ii) técnicas de ML podem identificar com sucesso determinantes de RS entre variáveis financeiras e topológicas, iii ) a adoção de uma regra heterogênea de distribuição de perdas aumenta significativamente o RS, iv) características topológicas da rede de crédito banco-firma são significativamente afetadas por choques na taxa de juros, e v) a medida de centralidade recém-criada, a risk-dependent centrality, captura melhor a dinâmica do grau de risco externo do que outras medidas de centralidade