Learning from Trees: A Mixed Approach to Building Early Warning Systems for Systemic Banking Crises

Abstract

Les crises bancaires peuvent etre extremement couteuses. La detection precoce des vulnerabilites peut aider a prevenir ou a attenuer ces couts. Nous developpons un modele d’alerte precoce des crises bancaires systemiques qui combine la technologie d’arbre de regression avec un algorithme statistique (CRAGGING), dans le but d’ameliorer sa precision et de surmonter les inconvenients des modeles precedemment utilises. Notre modele possede un large eventail de fonctionnalites souhaitables. Il fournit des seuils critiques determines de maniere endogene pour un ensemble d’indicateurs utiles, presentes sous la forme intuitive d’une structure d’arbre de decision. Notre cadre prend en compte les relations conditionnelles entre differents indicateurs lors de la fixation des seuils d’alerte precoce. Cela facilite la production de signaux d’alerte precoce precis par rapport aux signaux d’un modele logit et d’un arbre de regression standard. Notre modele suggere egalement que des agregats de credits eleves, a la fois en termes de volume et par rapport a une tendance a long terme, ainsi qu’une faible perception du risque de marche, sont parmi les indicateurs les plus importants pour predire l’accumulation de vulnerabilites dans le secteur bancaire.