Eines der hartnäckigsten methodischen Probleme der Systemrisikoforschung ist die Vereinfachung: Wer Vernetzung misst, neigt dazu, sie zu aggregieren – also alle Exposures einer Bank gegenüber anderen Banken zu einem einzigen Gewicht zusammenzufassen. Das Ergebnis ist ein „geflattetes” Netzwerk, das zwar rechnerisch handhabbar ist, aber strukturell blind bleibt gegenüber der Frage, über welchen Kanal die Verbindung verläuft. Die Arbeit Integrating granular data into a multilayer network: an interbank model of the euro area for systemic risk assessment, die ein empirisch fundiertes Multilayer-Netzwerkmodell für den Euro-Interbankenmarkt entwickelt, greift genau diese Schwäche auf – mit einer methodischen Konsequenz, die über bisherige theoretische Mehrkanal-Modelle hinausgeht, weil sie auf granularen Aufsichts- und Statistikdaten beruht.
Der zentrale Befund lässt sich knapp formulieren: Eine Bank, die in einer Netzwerkschicht systemisch bedeutsam ist, muss es in einer anderen nicht sein. Zentralität ist schichtspezifisch, nicht universal. Diese Erkenntnis klingt intuitiv plausibel – und ist in ihrer Konsequenz für die Regulierungspraxis dennoch weitreichend.
Architektur des Modells: Mehrere Kanäle, ein kohärentes Knotenuniversum
Das Modell besteht aus einem gemeinsamen Universum signifikanter Bankengruppen, das aus mehreren heterogenen Datensätzen europäischer Bankenaufsicht und Statistik zusammengeführt wird. Dieser Schritt – die Herstellung konsistenter Identifikatoren und Konsolidierungsregeln über verschiedene Datenquellen hinweg – ist methodisch aufwendiger, als er auf den ersten Blick erscheint. Europäische Aufsichtsdaten sind historisch fragmentiert: Sie entstammen unterschiedlichen Meldesystemen, operieren auf verschiedenen Konsolidierungsebenen und folgen nicht einheitlichen Definitionen von „Exposure”. Die Integration dieser Datensätze zu einem kohärenten Netzwerkmodell ist daher keine bloße technische Übung, sondern setzt konzeptionelle Entscheidungen über Konsolidierung, Zurechnung und Abgrenzung voraus.
Das eigentliche Modell schichtet auf diesem Knotenuniversum vier Transmissionskanäle auf: langfristige Kreditbeziehungen, kurzfristige Kreditbeziehungen, Wertpapier-Cross-Holdings und kurzfristige besicherte Finanzierung (Repo-Märkte). Hinzu kommt eine fünfte Schicht, die gemeinsame externe Portfolioengagements abbildet – die sogenannten Common-Asset-Exposures, bei denen zwei Banken nicht direkt miteinander verbunden sind, aber ähnliche Vermögenspositionen halten und damit im Falle eines gemeinsamen Schocks gleichzeitig unter Druck geraten können. Diese Feuerwerkskonstruktion unterschiedlicher Verbindungstypen erlaubt es, Ansteckung nicht nur als bilaterales Direktrisiko, sondern auch als systemisches Portfoliorisiko zu modellieren.
Empirische Befunde: Heterogenität statt uniformer Zentralität
Die empirischen Ergebnisse illustrieren, was die Theorie schon länger nahelegt: Die Netzwerktopologie ist schichtspezifisch. Welche Banken in den langfristigen Kreditnetzwerken zentral sind, deckt sich nicht notwendigerweise mit jenen, die im Repo-Markt oder über gemeinsame Portfolioexposures systemisch bedeutsam sind. Ein aggregiertes Netzwerk, das diese Schichten zusammenwirft, produziert zwangsläufig Fehlallokationen in der Systemrisikoeinschätzung: Einige Institute werden als systemisch relevanter bewertet, als sie es in spezifischen Märkten sind; andere, die in einer kritischen Schicht dominant sind, werden übersehen oder unterschätzt.
Das ist kein akademisches Detail. Makroprudenzielle Politik, Stresstests und die Zuweisung von SIFI-Status (Systemically Important Financial Institution) beruhen auf solchen Einschätzungen. Wenn ein Stresstestdesign einen Schock im besicherten Geldmarkt modelliert, aber die Zentralitätsstruktur dieses spezifischen Marktsegments ignoriert, weil es in einem aggregierten Netzwerk aufgegangen ist, dann verfehlt der Test möglicherweise genau die Institute, von denen die stärkste Propagation ausginge.
Methodische Zweigleisigkeit: Zentralitätsmaße und agentenbasierte Simulation
Die Systemrisikomessung erfolgt auf zwei Wegen, die sich methodisch ergänzen.
Erstens nutzen die Autoren zentralitätsbasierte Propagationsmaße, die quantifizieren, wie stark ein Initialschock bei einer bestimmten Bank über die verschiedenen Netzwerkschichten weiterverbreitet wird. Solche Maße sind statisch, aber recheneffizient und lassen sich gut interpretieren.
Zweitens implementieren sie ein agentenbasiertes Mikrosimulationsmodell, das auf den realen Exposures kalibriert ist und die dynamische Schockausbreitung mit Rückkopplungseffekten simuliert: Liquiditätsengpässe, die Notverkäufe erzwingen, welche wiederum Preise drücken und weiteren Abschreibungsbedarf bei anderen Instituten auslösen. Diese Verstärkungsmechanismen – in der Literatur als Fire-Sale-Spiralen oder Liquiditäts-Solvenz-Schleifen bekannt – sind das eigentlich Gefährliche an vernetzten Bankensystemen. Sie machen Systemrisiken nicht-linear: Der Schaden eines Schocks ist nicht proportional zu seiner Ausgangsgröße, sondern kann durch endogene Verstärkung ein Vielfaches des initialen Impulses erreichen.
Der Vorzug dieser Zweigleisigkeit liegt in der Validierungsmöglichkeit: Wenn zentralitätsbasierte Maße und Agentensimulation zu ähnlichen Einschätzungen über die systemische Bedeutung einzelner Institute kommen, stärkt das die Robustheit der Befunde. Divergieren sie, zeigt das an, wo statische Strukturmaße die Dynamik nicht angemessen abbilden.
Implikationen für Aufsicht und Stresstesting
Der praktische Beitrag der Arbeit liegt weniger in einer einzelnen theoretischen Innovation als in der Demonstration, dass Multilayer-Systemrisikoanalyse auf Basis verfügbarer, wenn auch fragmentierter europäischer Aufsichtsdaten umsetzbar ist. Das ist eine wichtige Aussage gegenüber einer Praxis, die aus Datengründen oft auf stilisierte oder stark vereinfachte Netzwerkstrukturen ausweicht.
Für die Aufsichtspraxis ergeben sich konkrete Implikationen: Ein schichtbewusster Ansatz erlaubt es, marktspezifische Schwachstellen zu identifizieren – also zu bestimmen, welche Institute in welchen Segmenten (besicherter Geldmarkt, Wertpapierholdings, langfristige Kreditvergabe) besonders kritisch sind. Das ist relevanter als eine generische Systemrelevanzeinschätzung, weil Schocks typischerweise in spezifischen Marktsegmenten entstehen und sich zunächst dort ausbreiten, bevor sie cross-sektoral wirken.
Zudem zeigt das Modell, wie kanalübergreifende Ansteckungseffekte verlaufen: Ein Schock im Repo-Markt kann über Liquiditätsengpässe in Kreditbeziehungen übergreifen, die auf den ersten Blick nichts mit dem Ausgangsereignis zu tun haben. Diese Transmission über Schichten hinweg ist in eindimensionalen Modellen schlicht nicht abbildbar.
Einordnung: Zwischen theoretischem Modell und regulatorischer Realität
Die Arbeit besetzt methodisch einen Raum, der in der Forschung zwar viel diskutiert, in der Praxis aber selten konsequent beschritten wird: die Übersetzung von Multilayer-Contagion-Theorie in empirisch kalibrierte Aufsichtsmodelle. Theoretische Mehrkanal-Netzwerkmodelle gibt es seit mehr als einem Jahrzehnt; empirisch fundierte Implementierungen auf Basis realer Bankexposures im Euro-Raum sind deutlich seltener.
Die Lücke, die die Arbeit schließt, ist also nicht primär theoretischer, sondern datentechnischer und methodologischer Natur: Wie integriert man fragmentierte, heterogene Aufsichtsdaten zu einem konsistenten Netzwerkmodell, das simultan mehrere Transmissionskanäle abbildet? Und wie kalibriert man darauf aufbauend Systemrisikomaße, die gegenüber eindimensionalen Alternativen echten Informationsgewinn bieten?
Aus dieser Perspektive ist das Papier weniger ein Beitrag zur abstrakten Netzwerktheorie als eine methodologische Brücke – zwischen dem, was die Forschung als nötig erkannt hat, und dem, was Aufsichtsbehörden in der Praxis mit verfügbaren Daten tatsächlich umsetzen können.
Fazit
Die Kernbotschaft ist einfach, ihre Konsequenzen sind es nicht: Vernetzung im Bankensystem ist mehrdimensional, und wer sie auf eine einzige Dimension reduziert, verkennt ihre Struktur.
Das vorliegende Multilayer-Modell macht deutlich, dass systemische Bedeutung eine schichtspezifische Eigenschaft ist – und dass Aufsicht, die das ignoriert, in manchen Marktkonstellationen die falschen Institute im Blick hat. Der methodische Aufwand, den die Datenintegration und die Implementierung schichtbewusster Systemrisikomaße erfordern, ist kein Selbstzweck, sondern der Preis für eine realistischere Abbildung der tatsächlichen Transmissionsmechanismen im Euro-Interbankenmarkt.
Ralf Keuper