Identifying Interbank Loans, Rates, and Claims Networks from Transactional Data
| Autor | Carlos León - Jorge Cely - Carlos Cadena |
| Cargo | Researcher, Financial Infrastructure Oversight Department, Banco de la República - Leader Professional, Operations and Market Development Department, Banco de la República - Specialized Engineer, Financial Infrastructure Oversight Department, Banco de la República |
| Páginas | 91-125 |
Identifying Interbank Loans, Rates, and Claims
Networks from Transactional Data
Carlos León, Jorge Cely and Carlos Cadena
Lecturas de Economía - No. 85. Medellín, julio-diciembre 2016
Lecturas de Economía, 85 (julio-diciembre 2016), pp. 91-125
Carlos León, Jorge Cely and Carlos Cadena
Identifying Interbank Loans, Rates, and Claims Networks from Transactional Data
Abstract:Our objective is to identify interbank (i.e., non-collateralized) loans between financial institutions from Colombian
large-value payment system data by implementing Furfine’s method. After identifying interbank loans from transactional
data, we obtain the interbank rates and claims without relying on financial institutions’ reported data. Contrastingidentified
loans with those consolidated from financial institutions’ reported data suggests the algorithm perfor ms well, and it is robust to
changes in its setup. The weighted average rate implicit in transactional data matches local interbank rate benchmarks strictly.
From identified loans, we also build the interbank claims network. The three main outputs (i.e., the interbank loans, the
rates, and the claims networks) are valuable for examining and monitoring the money market, for contrasting data reported
by financial institutions, and as inputs in models of financial contagion and systemic risk.
Keywords:Furfine’s method, interbank rate, IBR
JEL Classification:E42, E44
Identificando préstamos interbancarios, tasas y redes de acreencias a partir de datos transac-
cionales
Resumen:Buscamos identificar los préstamos de fondos interbancarios (i.e., no colateralizados) a partir de información
transaccional del sistema de pagos de alto valor por medio del método de Furfine. Con base en dichos préstamos, y sin recurrir
a información reportada por las instituciones financieras, calculamos las tasas y los saldos interbancarios. El resultado del
contraste de los préstamos identificados con aquellos reportados sugiere que el algoritmo se ajusta adecuadamente y que es
robusto a cambios en su configuración. La tasa promedio ponderada implícita en la infor mación transaccional concuerda
con las tasas interbancarias de referencia del mercado local. Con los préstamos identificados también construimos la red de
acreencias interbancarias. Los tres principales productos (i.e., los préstamos interbancarios, las tasas y la red de acreencias)
son valiosos para examinar y monitorear el mercado monetario, para contrastar la información reportada por las instituciones
financieras y como insumos en modelos de contagio financiero y riesgo sistémico.
Palabras clave:método de Furfine, tasa interbancaria, índice bancario de referencia
Clasificación JEL:E42, E44
Une méthode pour identifier les taux des prêts interbancaires et les montants nets à partir des
données transactionnelles
Résumé:Dans cet article nous avons cherché à identifier les prêts interbancaires (les non- collatéraux), à partir de l’information
transactionnelle fournie par le système de paiements à haute valeur, à travers de la méthode de Furfine. Pour ce faire, nous
prenons la base de données des prêts, sans faire recours à l’information rapportée par les institutions financières mêmes, afin de
calculer les taux et les soldes interbancaires. Le résultat des prêts identifiés ont été ensuite comparés avec ceux qui sont rapporté
par les institutions financières. Les résultats sug gèrent que l’algorithme est bien ajusté et qu’il est robuste face aux changements
dans sa configuration. En ef fet, le taux moyenpondéré implicite calculé à par tir de l’information transactionnelle correspond
aux taux de référence interbancaires du marché local. Les prêts identifiés permettent également construire un réseau des crédits
interbancaires. Les trois produits financiers principaux (à savoir, les prêts interbancaires, les taux et le réseau des crédits
interbancaires) sont précieux, d’une part, pour examiner et surveiller le marché monétair e, afin de vérifier les informations
communiquées par les institutions financières et, d’autre part, ils constituent un input dans les estimations dérivées des modèles
de contagion financière et du risque systémique.
Mots-clés:méthode de Furfine, taux interbancaire, indice de référence de la banque
Classifcation JEL:E42, E44
Identifying Interbank Loans, Rates, and Claims Networks from
Transactional Data
–Introduction. –I. e dataset. –II. e algorithm. –III. Main results. –Final remarks.
–References.
Original manuscript received on 10 July 2015; final version accepted on 6 November 2015
Introduction
The interbank funds market plays a central role in monetary policy trans-
mission, as it allows financial institutions to exchange central bank money in
order to share liquidity risks (Fricke & Lux, 2014). For that reason, they are
*Carlos León: Researcher,Financial Infrastr ucture OversightDe partment, Banco de la Repúbli-
ca; Extramural Fellow CentER, Tilburg University. Address: Banco de la República, Carrera
7 #14-78, Bogotá, Colombia. Email: cleonrin@banrep.gov.co / carlosleonr@hotmail.com.
[corresponding author]
Jorge Cely: Leader Professional, Operations and Market Development Department, Banco de
la República. Email: jcelyfe@banrep.gov.co.
Carlos Cadena: Specialized Engineer, Financial Infrastructure Oversight Department, Banco
de la República. Email: ccadensi@banrep.gov.co.
The opinions and statements in this article are the sole responsibility of the authors and rep-
resent neither those of Banco de la República and its Board of Directors, nor those of Tilburg
University. Comments and suggestions from Hernando Vargas, Pamela Cardozo, Clara Lía
Machado, Freddy Cepeda, Fabio Ortega, Constanza Martínez, Miguel Sarmiento, and Ri-
cardo Mariño are appreciated. The authors also benefited from discussions with Ronald
Heijmans and Richard Heuver from De Nederlandsche Bank, and with the technical staff of
Banco de la República. Any remaining errors are the authors’ own.
Para continuar leyendo
Solicita tu prueba