Conectividad dinámica entre bancos sistemáticos globales (G-SIBs) mediante VAR Lasso: evidencia 2011-2025

Este Trabajo de Fin de Grado analiza la conectividad dinámica entre bancos de importancia sistémica global (G-SIBs), determinados por el Consejo de Estabilidad Financiera en coordinación con el Comité de Supervisión Bancaria de Basilea. El estudio parte de series temporales de volatilidad estimadas mediante el método de Garman-Klass, utilizando precios diarios para los 34 bancos que han pertenecido al listado G-SIBs en algún momento durante el periodo muestral 2011–2025. El modelo empleado es un VAR penalizado con Lasso, estimado sobre ventanas móviles, lo que permite observar cómo evolucionan las relaciones entre entidades a lo largo del tiempo y cómo se reconfiguran ante diferentes entornos macroeconómicos. Los resultados muestran un incremento significativo de la conectividad durante episodios de crisis, como la crisis de deuda griega, la pandemia de COVID-19 o la guerra en Ucrania, lo que refleja un aumento del riesgo sistémico. En este contexto, bancos europeos como Barclays (Reino Unido, BARC.L), Société Générale (Francia, SOGN.PA) y Credit Suisse (Suiza, CSGN.S) actúan como principales transmisores de volatilidad, amplificando perturbaciones a través del sistema. Por el contrario, entidades como MUFG (Japón, 8306.T), JP Morgan (EE.UU., JPM) y UniCredit (Italia, CRDI.MI) se posicionan como receptores netos de riesgo, lo que refleja una mayor exposición o menor capacidad de absorción ante shocks. Las técnicas de agrupamiento aplicadas no logran detectar clústeres bien definidos, lo que sugiere una red financiera compleja y difícil de segmentar. Como línea futura, se propone integrar métricas ESG para estudiar si los factores de sostenibilidad influyen en la conectividad y resiliencia del sistema bancario.

This Final Degree Project analyzes the dynamic connectivity among Global Systemically Important Banks (G-SIBs), as designated by the Financial Stability Board (FSB) in coordination with the Basel Committee on Banking Supervision. The study uses time series of volatility estimated via the Garman-Klass method, based on daily price data for the 34 banks that have belonged to the G-SIB list at some point between 2011 and 2025. The chosen model is a Lasso-penalized Vector Autoregression (VAR), estimated over rolling windows, which enables the analysis of how relationships among entities evolve over time and respond to shifting macroeconomic conditions. Results show a substantial increase in connectivity during crisis episodes, such as the Greek debt crisis, the COVID-19 pandemic, and the war in Ukraine, indicating heightened systemic risk. In this context, European banks such as Barclays (United Kingdom, BARC.L), Soci´et´e G´en´erale (France, SOGN.PA), and Credit Suisse (Switzerland, CSGN.S) act as primary transmitters of volatility, amplifying disturbances across the network. In contrast, institutions like MUFG (Japan, 8306.T), JPMorgan (United States, JPM), and UniCredit (Italy, CRDI.MI) emerge as net receivers of risk, suggesting greater exposure or reduced shock absorption capacity. The clustering techniques applied did not detect clearly defined groups, which implies a structurally complex and hard-to-segment financial network. As a future research direction, the integration of ESG metrics is proposed to examine whether sustainability factors influence banking system resilience and interconnectivity