Leïla Van Keirsbilck - Essays on the econometrics of financial and economic networks

Leïla Van Keirsbilck

soutiendra publiquement sa dissertation

Essays on the econometrics of financial and economic networks

pour l'obtention du grade de Doctorat en sciences économiques et de gestion

le lundi 7 septembre à 14h

au CV9 - d.251

Abstract

Modern economic and financial systems are characterized by deep interconnections. Financial institutions are linked in many ways: interbank lending, derivative exposures and common asset holdings. Production processes rely on input-output relationships that span sectors and countries. Understanding how shocks propagate through these networks has become a central challenge in empirical macroeconomics and finance.

Yet applying network-based tools to financial and economic data raises several distinct challenges. This thesis contributes to the econometrics of financial and economic networks by addressing two of these challenges in turn. The first is that financial networks are sensitive to the modeling and sampling choices involved in their construction, and the conclusions drawn from them, such as the systemic vulnerability of institutions, may not be robust to these choices. Network-based statistics, such as centrality measures, are sensitive to the choices used to define the network, e.g., the set of institutions included, or the time series model used to construct the network if it is not observed. We show that these choices affect the econometric relationship between systemic vulnerability, as measured by centrality, and realized crisis losses. Examining which centrality measures consistently explain losses, we find that alternative betweenness measures provide stronger and more robust explanatory power than shortest-path betweenness and should therefore be preferred in systemic risk applications.

The second challenge is how to integrate network structures into dynamic econometric models in a way that is both theoretically meaningful and empirically tractable. When network structures are given, a challenge can be to incorporate them into time series models without imposing overly restrictive assumptions on the dynamics. We develop a hierarchical Bayesian VAR framework in which the input output structure of the U.S. economy enters through a prior on long-run relationships, leaving short-run propagation to be determined by the data. This framework improves inflation forecasting performance relative to standard benchmarks and yields impulse responses to oil and cereal price shocks as well as to monetary policy shocks that are consistent with the underlying production network structure.

Applying this framework to the analysis of U.S. tariff shocks reveals that the transmission mechanism depends critically on the position of the targeted sector in the production network. A tariff on primary metals generates a persistent upstream cost-push shock that cascades downstream along the supply chain, but with no pass-through to consumer prices, suggesting absorption by intermediate producers. A tariff on computer and electronic products, by contrast, is demand-contractionary on impact for the targeted sector, shows no clear propagation mechanism through the production network, yet still produces a rise in headline inflation, indicating that the shock reaches final demand more directly.

These contributions speak to the broader question of how network or graph-theory tools can be integrated into empirical macroeconomic and financial analysis.

Résumé

Les systèmes économiques et financiers modernes se caractérisent par de profondes interconnexions. Les institutions financières sont liées de multiples façons, notamment par les prêts interbancaires, les expositions liées aux produits dérivés et la détention d’actifs communs. Les processus de production reposent quant à eux sur des relations entrées-sorties qui relient les secteurs et les pays. Comprendre comment les chocs se propagent à travers ces réseaux est devenu un enjeu central de la recherche empirique en macroéconomie et en finance.

L’application d’outils issus de la théorie des graphes aux données économiques et financières soulève toutefois plusieurs difficultés spécifiques. Cette thèse contribue à l’analyse économétrique des réseaux économiques et financiers en abordant successivement deux de ces difficultés. La première difficulté vient du fait que les propriétés d’un réseau financier dépendent en partie des choix effectués lors de sa construction. Les mesures qui en sont tirées, comme les indicateurs de centralité, peuvent ainsi varier selon les institutions incluses dans l’analyse ou, lorsque le réseau n’est pas directement observé, selon le modèle de séries temporelles utilisé pour l’estimer. Nous montrons que ces choix influencent la relation observée entre la vulnérabilité systémique des institutions, mesurée par leur centralité dans le réseau, et les pertes qu’elles subissent en période de crise. En comparant différentes mesures de centralité, nous constatons que certaines mesures de betweenness alternatives expliquent les pertes de manière plus robuste que la betweenness classique fondée sur les plus courts chemins. Elles apparaissent donc mieux adaptées aux analyses du risque systémique.

La seconde difficulté est d'intégrer les structures de réseau dans des modèles économétriques dynamiques d'une manière rigoureuse sur le plan théorique, tout en restant réalisable sur le plan empirique. Même lorsque la structure du réseau est connue, l'incorporer dans des modèles de séries temporelles sans imposer d'hypothèses trop restrictives sur la dynamique reste un défi. Nous développons un modèle VAR bayésien hiérarchique dans lequel la matrice entrées-sorties de l'économie américaine est introduite par le biais d'un prior sur les relations de long terme des prix sectoriels. Ce prior traduit l'idée que, dans chaque secteur, le prix à la production est ancré, à long terme, sur une composante de coût primaire implicite à la structure du réseau, tout en laissant les mécanismes de propagation à court terme être déterminés par les données. Cette approche améliore les performances de prévision de l'inflation par rapport aux modèles de référence, et les réponses impulsionnelles qu'elle produit aux chocs sur les prix du pétrole et des céréales, ainsi qu'aux chocs de politique monétaire, sont cohérentes avec la structure du réseau de production.
L'application de ce cadre à l'analyse des chocs tarifaires Aux États-Unis révèle que le mécanisme de transmission dépend de la position du secteur visé dans le réseau de production. Un tarif sur les métaux primaires engendre un choc de coûts persistant en amont, qui se propage en cascade vers l'aval le long de la chaîne de production, sans toutefois se répercuter sur les prix à la consommation, ce qui suggère une absorption par les producteurs intermédiaires. Un tarif sur les produits informatiques et électroniques, à l'inverse, provoque dès l'impact une contraction de la demande dans le secteur visé, ne présente pas de mécanisme de propagation clair à travers le réseau de production, mais entraîne néanmoins une hausse de l'inflation globale, ce qui indique que le choc atteint plus directement la demande finale.

Ces contributions s'inscrivent dans une réflexion plus large sur la manière dont les outils issus des réseaux et de la théorie des graphes peuvent être intégrés à l'analyse macroéconomique et financière empirique.

Membres du jury    
Prof. Francesca Monti (UCLouvain), co-promotrice et secrétaire du jury
Prof. Sophie Béreau (Université de Lorraine et UNamur), co-promotrice
Prof. Marco Saerens (UCLouvain), président of the jury
Prof. Matteo Barigozzi (University of Bologna), comité d’accompagnement
Prof. Domenico Giannone (Johns Hopkins University), évaluateur externe