Resumen de Identifying Interbank Loans, Rates, and Claims Networks from Transactional Data

Carlos León, Jorge Cely, Carlos Cadena Gaitán

• español

  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 información 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.

• English

  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. Contrasting identified loans with those consolidated from financial institutions’ reported data suggests the algorithm performs 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.