Understanding Bank-Run Contagion

元数据

• 作者: Martin Brown, Stefan T. Trautmann, Razvan Vlahu
• 年份: 2016
• 期刊: Management Science (Articles in Advance)
• DOI: http://dx.doi.org/10.1287/mnsc.2015.2416
• 关键词: contagion, bank runs, systemic risk, asset commonality
• 主题: 银行挤兑传染的实验研究

一句话总结

通过两人协调博弈实验和 Leaders-Followers 设计，本文证明银行挤兑的跨行传染仅在银行间存在经济关联（资产共同性）时显著发生，且其主要传导渠道是 Followers 对他人取款行为的信念更新（协调效应）——观察到 Leaders 取款使该信念上升 22 个百分点，远大于对银行基本面信念的更新（仅 -10 pp）——从而对全局博弈理论"私人信号触发挤兑"的传统解释提出挑战，揭示公共噪声信号同样能通过协调失败传染挤兑。

研究问题

1. 在何种信息条件下，一家银行的挤兑会传染到另一家银行？资产共同性（Linkages vs No-Linkages）是否是必要条件？
2. 银行挤兑传染的主要传导渠道是什么——是 Followers 通过观察 Leaders 行为更新对银行基本面的信念（信息效应），还是更新对他人取款行为的信念（协调效应）？
3. 全局博弈框架下私人噪声信号触发挤兑的预测，能否扩展到公共噪声信号（即 Leaders 行为作为对所有 Followers 可见的公共信号）？
4. 储户的信念结构（关于他人行为 vs 关于银行基本面）如何决定其取款决策？哪一种信念是取款行为的更强预测因子？
5. 从政策角度看，监管者应当关注银行基本面信息披露还是储户协调预期管理来防范传染？

核心贡献

1. 首次在受控实验中同时测量信念与行为以识别传染渠道：通过同时引出 Followers 对"他人取款概率"(q) 和"银行为强的概率"(p) 的信念，将传染分解为信息效应（路径 B：基本面信念更新）和协调效应（路径 A：他人行为信念更新），实现机制识别。
2. 核心实证发现：传染主要通过协调效应而非信息效应：观察到 Leaders 取款使 Followers 对他人取款的信念增加 22 pp，但对银行基本面信念的更新仅 -10 pp 且对决策无直接影响——挑战了全局博弈中"信息更新驱动挤兑"的传统叙事。
3. 资产共同性 (Linkages) 是传染的必要条件：No-Linkages 处理组中无显著传染（取款率仅 +5 pp），Linkages 处理组中传染显著（+39 pp），首次清晰量化了银行间经济关联对传染的因果作用。
4. 挑战全局博弈框架：传统全局博弈强调私人异质信号触发挤兑，本文证明公共噪声信号（Leaders 取款数）同样能通过协调失败触发挤兑——核心在于储户对同一公共信号的解读异质性。
5. 政策启示：银行间资产共同性加剧传染风险（对系统性风险监管和金融网络结构有直接含义）；储户预期管理（如存款保险、信息透明度）应聚焦于"协调"维度而非"基本面"维度。
6. 方法论贡献：Leaders-Followers + 信念引出 + 7 级 Likert 量表标准化的实验设计，可推广到其他金融传染场景（如 fire sale、银行间市场冻结）。

维度1：实验设计分析

核心研究问题

在何种信息条件下，一家银行的恐慌性存款挤兑会触发另一家银行的恐慌性挤兑？传染通过哪些传导渠道发生？

基础博弈结构：两人协调博弈

• 参与者: 两名存款人 (Depositor A, Depositor B) 同属一家银行
• 策略空间: {保留存款 (Keep deposit), 取款 (Withdraw)}
• 同时决策: 两人同时做出决定
• 收益矩阵 (Figure 1):

• 参数设定:
  • R_strong = 60（强银行）或 R_weak = 50（弱银行）
  • 清算价值 L = 40
• 均衡: 两个对称纯策略Nash均衡——[Keep, Keep] 和 [Withdraw, Withdraw]

角色设定：Leaders 与 Followers

• Leaders（领导者）: 一组两人配对，知道自己银行的资产质量（R_strong或R_weak），同时做出决策
• Followers（跟随者）: 另一组两人配对，不确定自己银行的资产质量（先验概率各50%为强或弱），在观察到Leaders博弈结果后做出决策

三个实验处理组 (Treatments)

1. No-Linkages 处理组

• Followers 被告知 Leaders 博弈中发生的取款数量（0、1或2）
• Followers 知道 Leaders 了解自己银行的资产质量
• 关键: Followers 被告知自己银行的资产质量与 Leaders 银行的资产质量不相关
• Leaders 的取款行为对 Followers 银行基本面无信息含量

2. Linkages 处理组

• Followers 同样被告知 Leaders 博弈中的取款数量
• 关键区别: Followers 被告知自己银行的资产质量与 Leaders 银行的资产质量完全相同
• Leaders 的取款行为提供了关于 Followers 银行基本面的噪声信号

3. Baseline 处理组

• Followers 不被告知 Leaders 的行为
• 作为基准参照组，衡量不确定收益下协调博弈中的行为

实验流程详细步骤

1. 分组: 14场实验，每场16或20名被试（阿姆斯特丹大学本科生），共264人
2. 角色分配: 每场中4人一组，一组为Leaders，其余三或四组为Followers
3. 轮次: 每名被试玩2轮银行挤兑博弈，每轮与组内不同的人配对
4. Leaders决策: Leaders知道银行类型（强/弱），同时决定保留或取款
5. 信息传递: Leaders博弈结果（取款数0/1/2）传递给Followers（除Baseline组外）
6. 信念测量: Followers在决策前报告两项信念：
   • 银行资产强弱的概率（7级Likert量表，标准化为0-1）
   • 配对存款人取款的概率（7级Likert量表，标准化为0-1）
7. Followers决策: 同时决定保留或取款
8. 损失厌恶控制: 博弈后进行彩票选择任务以测量损失态度
9. 支付: 每轮可赚0-60实验单位，随机选一轮兑换（1单位 = 0.10欧元），另加7欧元出场费
10. 理解测试: 正式实验前须通过收益计算的测试题

被试规模

• 总计264名被试：60名Leaders，204名Followers
• Leaders博弈：40场（20场强银行，20场弱银行）
• z-Tree软件实现

维度2：理论模型

核心理论框架：全局博弈 (Global Games)

基于 Goldstein and Pauzner (2005) 的全局博弈框架，研究不完全信息下银行基本面的噪声信号如何触发恐慌性挤兑。

关键公式

期望收益:

其中：

• p = 存款人认为银行拥有强资产的主观概率
• q = 存款人认为另一存款人会取款的主观概率

取款与保留的期望收益之差 (公式1):

含义:

• 该差值在 q（对他人取款的信念）中严格递增
• 在 p（对银行为强银行的信念）中严格递减
• 即：认为他人更可能取款 --> 自己更倾向取款；认为银行更强 --> 自己更不倾向取款

传导渠道模型 (Figure 2)

观察到的取款行为通过以下路径影响决策：

• 路径A: 观察到取款 --> 直接影响对他人行为的信念 (Delta_q)（显著性/从众效应）
• 路径B: 观察到取款 --> 影响对银行基本面的信念 (Delta_p)（信息更新）
• 路径C: 对银行基本面的信念 --> 影响对他人行为的信念（间接效应）
• 路径D: 对他人行为的信念 --> 取款决策
• 路径E: 对银行基本面的信念 --> 取款决策

理论预测:

• No-Linkages组：仅路径A可能起作用（显著性效应），路径B无信息含量
• Linkages组：路径A、B、C均可能起作用

维度3：核心发现

Leaders行为 (Table 1)

• 强银行：22.5%的个体取款率
• 弱银行：37.5%的个体取款率
• 至少一人取款的博弈比例：强银行40%，弱银行65%

Followers行为——核心传染结果 (Table 2)

Linkages处理组（存在经济关联）

• 关键effect size: 观察到取款后，Followers取款率是未观察到时的4倍 (52% vs 13%)
• 与Baseline (23%) 相比，观察到取款使取款率翻倍以上 (+29 pp)

No-Linkages处理组（无经济关联）

• 无显著传染效应: Leaders的取款不影响Followers的行为或信念

Baseline处理组

• 取款率: 23%
• 对他人取款的信念: 0.31
• 对银行为强的信念: 0.55

多变量回归分析——传导机制 (Table 3)

信念更新

• 对他人取款信念的影响 (Linkages): Leaders取款使Followers认为配对人取款的概率增加 22 pp (系数0.223, p<0.01)
• 对银行基本面信念的影响 (Linkages): Leaders取款使Followers对银行为强的信念下降 12 pp (系数-0.117, p<0.05)
• No-Linkages组: 两类信念均不受Leaders取款影响 (系数0.059和0.026, 均不显著)

取款决策的驱动因素

• 对他人取款的信念 是取款决策的强力预测因子：
  • Linkages组: 系数 1.053* (p<0.01)
  • No-Linkages组: 系数 0.695* (p<0.01)
  • Baseline组: 系数 0.722* (p<0.01)
• 对银行基本面的信念 对取款决策无直接影响（所有处理组中系数均不显著）
• Linkages组中对他人信念的系数是No-Linkages/Baseline组的约1.5倍

核心发现总结

1. 传染仅在银行间存在经济关联时显著发生（Linkages vs No-Linkages）
2. 主要传导渠道不是基本面信念更新，而是对他人行为信念的更新（路径A > 路径B）
3. 对银行基本面信念的更新幅度很小（-10 pp），但对他人行为信念的更新幅度大（+22 pp）
4. 观察到的取款行为的主要作用是协调储户的相互取款行为，而非传递银行质量信息

预测准确性

• 基于公式(1)和个体信念预测204名Followers的行为：
  • 143次正确预测
  • 52次过度悲观（预测取款但实际保留）
  • 9次过度乐观
  • 整体偏向保留存款

维度6：与其他文献的关系

理论基础

• Diamond and Dybvig (1983): 经典银行挤兑模型（恐慌性均衡）
• Goldstein and Pauzner (2005): 全局博弈框架下的银行挤兑模型，私人噪声信号触发挤兑
• Chari and Jagannathan (1988): 知情存款人行为作为银行基本面的噪声公共信号
• Chen (1999): 银行间信息外部性与先到先得规则
• Morris and Shin (1998, 2002): 全局博弈理论，不完全信息下的协调

实验文献对话

• Madies (2006): 自我实现的银行恐慌实验
• Garratt and Keister (2009): 银行挤兑实验研究
• Schotter and Yorulmazer (2009): 银行挤兑的动态与严重性
• Kiss et al. (2012, 2014): 存款保险与可观察性对银行挤兑的影响
• Arifovic et al. (2013): 银行挤兑作为纯协调失败的实验证据
• Chakravarty et al. (2014): 最相近研究——跨银行取款传染实验，但本文的关键创新在于测量了Followers的信念，从而识别传导机制

实证文献

• Saunders and Wilson (1996): 1929-1933年传染性银行挤兑
• Calomiris and Mason (1997): 大萧条期间芝加哥银行恐慌
• Iyer and Peydro (2011): 银行间传染的自然实验
• Kelly and O Grada (2000): 1854和1857年的市场传染

本文的独特贡献

1. 首次在实验中同时测量信念和行为，区分传染的不同传导渠道
2. 发现传染的主要渠道是协调效应（对他人行为的信念更新），而非信息效应（对银行基本面的信念更新）
3. 对全局博弈模型提出挑战：即使没有私人信号，公共噪声信号也能通过影响对他人行为的预期触发错误协调
4. 政策启示: 银行间经济关联（资产共同性）加剧传染风险；监管者应关注储户对其他储户行为的信念，而非仅关注银行基本面信息

与全局博弈理论的张力

• 全局博弈强调私人信号触发挤兑
• 本文发现公共噪声信号同样可以触发错误协调
• 原因：即使关于银行基本面的信号是共同的，其噪声性可能导致不同人对同一信号的异质性解读

维度4：变量概览

维度5：局限性

1. 被试为本科生而非真实储户：阿姆斯特丹大学本科生与真实银行储户在金融素养、风险认知、损失规模感受上差异显著，外部效度有限——真实银行挤兑涉及储户的全部生计储蓄，心理压力远高于实验。
2. 两人协调博弈的过度简化：真实银行有数千万储户，两人博弈无法刻画大规模协调动态（如取款排队的可观察性、社交网络传播）。
3. 公共信号的精确性过强：Followers 看到 Leaders 取款数的精确数字（0/1/2），真实世界中储户接收的信息更模糊、更带噪声（媒体报道、传闻），可能高估了协调效应。
4. 无重复博弈/学习动态：每名被试仅玩 2 轮，不能识别学习效应或长期均衡，无法回答"传染是否随时间放大或衰减"。
5. 缺乏存款保险的实验变体：未在实验中操纵存款保险水平，无法直接测试 FDIC 类政策对传染渠道的调节作用。
6. 银行基本面只有两种状态（强/弱）：现实中银行健康度是连续谱，二元简化可能低估了基本面信念更新的细微作用。
7. 信念引出方法的潜在偏差：7 级 Likert 量表可能损失精度，且未使用激励兼容的二元化评分规则（BSR），引出的信念可能不完全反映被试的真实主观概率。
8. 缺乏对 Followers 异质性的深入分析：例如 52 次"过度悲观预测"的被试是否系统性具有更高风险厌恶或更低金融素养，未做分析。
9. 跨银行经济关联的"完全相同"假设：Linkages 组假设两家银行资产质量完全相同，现实中关联度是部分的（资产相关但不相同），未来可引入相关系数变化的连续设计。
10. 未涉及监管干预的存在：实验中无中央银行最后贷款人、存款保险等真实银行系统的关键稳定机制。

维度6：与其他文献的关系（双链补充）

vault 中相关论文：

• Morris_Shin_2001_GlobalGames —— 全局博弈理论的核心文献，本文实验对其"私人信号唯一性"假设提出挑战。
• Bao_2024_ReadingMarket_ExpectationCoordination_TheoryOfMind —— 市场协调与心智理论，与本文"对他人行为信念"的核心机制呼应。
• Brock_Hommes_1998_HeterogeneousBeliefs_Chaos —— 异质信念下的市场动态，可视为本文协调失败结果的市场层面体现。
• Bossaerts_2004_AssetPricing_LargeScaleExperiment —— 实验金融学的方法论传统，本文承接其大规模实验设计但聚焦协调失败而非定价。
• Coutts_2019_GoodNewsBadNews_BeliefUpdating —— 信念更新的不对称性，与本文 "Leaders 取款 → q 上升幅度 > p 下降幅度" 的不对称模式呼应。
• Hartzmark_Hirshman_2021_Ownership_Learning_Beliefs —— 持有与学习对信念的影响，对储户在持有存款时的信念更新有借鉴。
• Hashimoto_Takayanagi_2026_LLMAgents_HumanBias_MarketDynamics —— LLM 代理的市场动态，可应用于模拟传染过程。

维度7：可拓展的研究方向

1. 多银行网络的传染实验：扩展到 3+ 家银行的网络结构，研究不同网络拓扑（星形、链式、完全图）下的传染路径。
2. 存款保险的机制设计实验：在 Linkages 组中引入不同水平的存款保险，识别其在协调渠道与信息渠道上的差异化作用。
3. 大规模在线实验：将实验扩展到数百人协调博弈，研究规模如何放大协调效应（与 Bossaerts-Plott 的"市场厚度"思路类比）。
4. 重复博弈与学习动态：让被试经历多轮挤兑，观察传染效应是否衰减（学习）或放大（路径依赖）。
5. 真实储户/金融从业者样本：在银行客户、退休储户、机构投资者中复制实验，检验风险偏好和金融素养对传染易感性的影响。
6. 媒体报道作为公共信号的现场实验：通过给不同实验组提供不同强度的"挤兑新闻"测试媒体在协调挤兑中的因果作用。
7. 社交网络传播渠道：引入分散的私人通讯网络，研究传染在网络结构上的扩散，对接 Acemoglu et al. 的金融网络理论。
8. 行为干预设计：测试不同的"协调中断"干预（如存款冻结期、阶段性提款限制、信息强制披露）能否有效阻断协调效应渠道。
9. AI / LLM 代理的传染模拟：用 LLM 代理替代部分 Followers，测试 AI 是否更易/更难被公共信号触发挤兑。
10. 跨资产类别的传染机制比较：将本文范式扩展到货币市场、加密货币市场、股票市场，研究协调效应是否是金融传染的普遍机制。
11. 结构估计：基于本文的信念-行为数据估计 Followers 的"协调权重"参数，与 Goldstein-Pauzner 的全局博弈结构参数对比。
12. 政策实验：设计模拟监管者干预的实验（如央行公告、压力测试结果披露），测试不同沟通策略对协调预期的影响。

标签

#bank_run #contagion #coordination_game #global_games #belief_updating #experiment #systemic_risk #financial_stability #information_transmission

关键结论

1. 银行挤兑传染需要资产共同性 (Linkages)：仅在 Followers 银行与 Leaders 银行资产质量相关时，Leaders 取款才显著触发 Followers 取款（+39 pp vs +5 pp）。
2. 传染主要通过协调渠道而非信息渠道：Leaders 取款使 Followers 对他人取款的信念上升 22 pp（强协调效应），但对银行基本面信念仅下降 10 pp（弱信息效应），且基本面信念对取款决策无显著直接影响。
3. 对他人行为的信念是取款决策的主导预测因子：所有处理组中 q（他人取款信念）的回归系数显著为正且大小约为 0.7-1.05，而 p（基本面信念）的系数均不显著。
4. 公共噪声信号能触发协调失败：与全局博弈"私人信号唯一性"预测不同，公共信号（Leaders 取款数）通过驱动协调预期同样能触发挤兑——挑战了 Goldstein-Pauzner 框架的边界条件。
5. 政策含义：(a) 系统性风险监管应关注资产共同性，因其是传染的必要条件；(b) 储户预期管理（如沟通策略、存款保险信号）应聚焦于协调维度而非纯粹的基本面信息披露；(c) 银行间网络结构的设计应权衡共同投资的收益与传染的成本。
6. 方法论遗产：Leaders-Followers + 双重信念引出 + 三处理组对照的实验范式，为金融传染机制识别提供了通用工具。