商業銀行同業業務風險傳染特征及因素分析

王曉楓,廖凱亮(1.東北財經大學 金融學院，遼寧 大連 116025；2.東北財經大學 應用金融研究中心，遼寧 大連 116025；.寧波銀行股份有限公司，浙江 寧波 15100)

商業銀行同業業務風險傳染特征及因素分析

王曉楓1,2,廖凱亮3
(1.東北財經大學 金融學院，遼寧 大連 116025；2.東北財經大學 應用金融研究中心，遼寧 大連 116025；3.寧波銀行股份有限公司，浙江 寧波 315100)

本文基于2007—2015年我國16家上市商業銀行的資產負債表數據，運用信息熵最大化法構建了銀行間的同業網絡，根據所估計的商業銀行受傳染的資產損失，選取資產規模、資本充足率、銀行間拆借利率價差及國內生產總值等既反映商業銀行個體行為的變化對風險傳染的影響，同時也反映宏觀經濟環境變化對風險傳染的影響的變量，構建了商業銀行同業業務風險傳染的計量模型。結果表明：在同業市場上，風險傳染損失與國有銀行的同業業務占比負相關，當國有商業銀行的同業業務占比越大時，股份制銀行和城市商業銀行的同業業務占比越小，銀行之間因為風險傳染而造成的損失會減少。同業市場上，銀行之間發生風險傳染與違約損失率有關，一般來說，違約損失率越大，銀行系統的資產損失比例越大。銀行風險傳染損失大小與銀行總體的資本充足率密切相關，資本充足越高，銀行的風險傳染損失越小。

商業銀行;風險傳染;同業資產;同業負債；順周期

一、引 言

近年來，我國商業銀行的經營環境發生了巨大的變化，銀行的同業業務快速發展。中國人民銀行2016年金融穩定報告顯示，2015年同業拆借累計成交量為64.200萬億元，同比增長70.500%，遠高于同期銀行業金融機構貸款增長水平。同時，納入同業存放、拆出資金和賣出回購金融資產項下核算的同業負債也快速增多，截至2015年末，銀行業金融機構同業負債比重為14.480%，比上年末上升2.100個百分點。遠高于同期銀行業金融機構存款增長的水平。

同業業務的快速發展，一方面為商業銀行借貸短期流動性資金提供了便利，另一方面也可能成為銀行風險傳染的渠道[1]。理論上，風險傳染是指一個銀行的財務困難會外溢給國內的其他銀行[2]，風險傳染使得商業銀行在應對宏觀環境的不利變動時顯得更加脆弱。同業業務的擴張使得銀行之間的債權債務關系日益復雜，銀行的財務杠桿逐漸增大，外界對單個銀行的沖擊會引起關聯銀行的資產受損，銀行資本可能不足以沖抵資產損失，風險可能會傳染到整個銀行體系，容易形成系統性風險[3]。因此，深入研究我國商業銀行同業業務風險的傳染特征及因素，對于預防銀行間風險傳染，發揮同業市場的積極作用，減少系統性風險的發生，從而維護金融系統的穩定具有重要的理論價值和現實意義。

二、文獻綜述

近年來，國內外關于銀行間風險傳染的研究相對成熟，為本文的研究提供了重要的借鑒。結合本文的研究需要，本文從三個方面總結了相關的研究。

(一)對銀行間風險傳染影響因素的研究

李宗怡和李玉海[4]模擬我國銀行同業風險頭寸分布狀況,估計了銀行體系內的“傳染”風險。他們發現銀行同業資產和負債與銀行的類型和規模相關，國有銀行的同業頭寸占全部同業頭寸的70%以上，但其同業資產占比有逐年下降趨勢；銀行體系內風險傳染的概率非常低，同時風險傳染的概率及其導致的損失在逐年下降。馬君潞等[5]估計了我國銀行雙邊傳染風險，分析了不同損失水平下單個銀行倒閉及多個銀行倒閉所引起的傳染性，發現銀行是決定傳染程度的關鍵；多家銀行同時破產會降低系統性危機發生的門檻；提高系統性風險發生的概率，損失率的大小是決定傳染是否發生及危害程度的一個重要變量。Ladley[6]建立了包含銀行行為和利率的數值模型，分析發現外界沖擊的大小影響了同業市場的功能。當大的外界環境沖擊來臨時，商業銀行間的聯系將會使系統性事件更加惡化，但是當商業銀行面臨較小沖擊時，銀行之間的借貸卻會使系統更加穩定。銀行間市場與系統的穩定間不存在一致的關系。陳超[7]對不同的宏觀經濟因素與銀行所有者權益之間建立模型，通過回歸分析考察宏觀經濟因素沖擊對銀行償付能力，選擇國內生產總值、股票價格指數、房地產價格指數和一年期存貸款利差作為情景模擬中的宏觀經濟沖擊因素，結果發現GDP和股票指數相較于利率和房地產價格指數對銀行同業市場風險傳染的影響較大。鄭長軍和王光俊[8]使用ΔCoVaR來衡量銀行的系統性風險并建立了聯立方程模型，結果表明，單個銀行的資本變動與其系統風險貢獻度變動呈顯著的正相關；最低資本金率要求對銀行系統風險貢獻度有一定的積極影響；資產規模大的銀行投資機會更多，有利于分散資產風險；經濟的快速增長有利于資本補充，資本充足率上升。

(二)對風險傳染估計方法的研究

Lee[9]通過數值模擬的方法建立了銀行系統模型，刻畫了銀行流動性風險在銀行間的傳染機制，結果表明銀行流動性頭寸的不平衡會加劇流動性風險的傳染。李守偉和何建敏[10]模擬了銀行間市場有向隨機網絡、小世界網絡和無標度網絡，進而通過描述銀行資產負債表建立了銀行間傳染風險分析模型，結論認為銀行間市場無標度網絡面對沖擊具有最高的穩定性。陳庭強和何建敏[11]基于復雜網絡理論，模擬了信用風險在銀行網絡中的傳播，通過仿真實驗，發現社會網絡平均度越大，信用風險的傳染概率越大和社會網絡異質性越大，信用風險的傳染概率越小。Wells[12]使用矩陣法估計了英國銀行間同業雙邊暴露的分布，結果發現，單個銀行的倒閉不太可能引發其他銀行的倒閉，但卻有可能減弱銀行的風險抵御能力。當銀行真的引發銀行的連鎖反應時，損失程度與銀行間貸款的分布和違約損失率相關。鄒薇和李娜[13]使用矩陣法模型測算了我國銀行同業風險頭寸分布狀況,估計了我國銀行體系內的傳染風險，結果表明我國銀行間市場上系統性風險發生的可能性增大，表現為風險傳染源銀行數量的增加和風險傳遞范圍的擴大。Jorion和Zhang[14]使用不同行業的CDS價差建立回歸模型，結果發現，突發事件會引起傳染效應，截面分析顯示行業數據能夠用來預測傳染效應的發生。周天蕓等[15]運用分位數回歸模型，通過測量香港銀行體系的條件風險價值，判斷香港銀行的系統性風險，研究發現，金融機構間的傳染和風險溢出效應會導致系統性風險的增加，規模較大銀行的溢出效應較為明顯。

(三)對銀行風險傳染渠道的研究

Diamond和Dybvig[16]提出了經典的D-D模型，分析了儲戶的擠兌可能導致銀行面臨流動性風險，認為商業銀行可以通過存款保險或者政府對市場的干預防止市場的擠兌行為，從而維護市場的穩定。Arinaminpathy等[17]刻畫了流動性儲存(liquidity hoarding)、資產價格傳導和對手方的違約這三種渠道對銀行之間風險傳染的影響，研究認為市場的信心可能會通過影響銀行所持資產的市場價格來影響風險傳染的速度。牛晨等[18]通過研究存款準備金率與支付系統流動性需求的關系，以及在支付系統中引入優化算法對流動性需求和系統效率的作用，結果表明隨著存款準備金率的不斷上調，支付系統中的參與者面臨越來越大的流動性需求壓力。Acharya和Yorulmazer[19]研究發現，信息傳染導致以利潤最大化為目標的銀行開始與其他銀行一致行動，當銀行貸款受到共同的系統性因素影響時，商業銀行的借款成本會因其他銀行的壞消息而受到影響。如果商業銀行的貸款收益相關性越小，商業銀行因為壞消息而增加的成本比因為好消息而減少的成本要多。

從上述研究可以看到，對于影響銀行風險傳染因素的分析，大多數學者更多地關注商業銀行的個體行為對銀行風險傳染的影響，而忽視宏觀經濟環境的變化對銀行風險傳染的影響。對于風險傳染估計方法的運用比較廣泛，即有數值法、計量模型法，也有矩陣法等，但從數據的采用及研究結論來看，數值法中的數據來源于模擬，結論可信度較差；計量模型法對數據的要求度高，現有的數據庫卻難以滿足模型的需要；而矩陣法雖然能夠估計銀行的傳染損失，但得出的結論不具有一般性。

綜合以上考慮，本文結合我國商業銀行同業業務發展的實際，選擇將同業業務作為銀行風險傳染的渠道，綜合考慮商業銀行個體行為以及宏觀經濟環境變化對商業銀行風險傳染的影響，在運用信息熵最大化法估計出同業業務雙邊交易量的基礎上，測算銀行的受傳染銀行的資產損失，建立計量模型，分析同業業務風險傳染的基本特征及其影響因素，本文得出的結論較為真實可信，可以為商業銀行的審慎監管提供一定的參考。

三、銀行間風傳染模型的構建

(一)同業網絡的構建

銀行之間的借貸網絡可以表示成矩陣的形式，假設一共有N家銀行，銀行之間的同業網絡可以由N×N的矩陣表示。即：

X=

?

ai

?

aN

l1…lj…lN

其中，xij表示第j家銀行持有的第i家銀行的資產量占銀行業全部資產的比例。lj表示銀行j的同業資產占銀行同業總資產的比例，ai表示銀行i的同業負債占銀行同業負債的比例，且有：

(1)

所有商業銀行的同業資產負債比例之和等于1。

(二)銀行之間風險傳染的違約算法

違約算法描述了商業銀行之間因為同業業務交易而可能發生風險傳染的具體過程。曾麗[20]從便于銀行監管的角度，提出了將核心資本充足率低于6%作為銀行間發生傳染的判定條件，但由于我國銀行數據公開程度較低，難以獲得上市銀行每個季度的一級核心資本和風險加權資產，本文將風險傳染的條件設為當銀行在同業市場遭遇的損失超過其所有者權益時，銀行會將風險傳染給持有風險暴露的對手方。

風險傳染具體過程如圖1所示，圖中箭頭指向為風險傳染的方向。為了便于說明，本文將銀行資產負債表中的科目用字母表示，其中，用IAi表示第i家銀行持有的同業資產，ILi表示第i家銀行持有的同業負債，其他流動性資產和長期資產分別用LAi和EAi表示，儲戶存款和所有者權益分別用Di和Ei表示，違約損失率用θ表示。

如圖1所示，銀行A通過同業市場向銀行B借入資金，形成銀行B的同業資產，為了敘述的方便，本文假定銀行A借得的資金全部來源于銀行B，銀行B的所有同業資產均是由借款給銀行A形成的，也即ILA=IAB，銀行A與銀行B不存在交叉借貸的情況。如圖2所示，銀行A可能會因為市場環境的變化導致資產損失，當損失額超過擁有的資本金時，銀行A便會破產，銀行A從銀行B借來的資金便無法償還，銀行B也會面臨資產的損失。如圖3所示，當銀行B的資產損失小于銀行B的資本金時，銀行B的剩余資本金為EB-θ×ILB，銀行B仍能正常運營，但當銀行B遭受的損失超過銀行B的資本金時，假定此時銀行B無法從外界迅速籌集資金以彌補損失，銀行B便會破產，銀行B的破產又會導致其關聯銀行的損失，并將風險不斷傳染下去，直到所有銀行在遭遇沖擊后資本金仍為正值。

圖1 銀行的風險傳染圖

圖2 銀行A破產過程 圖3 銀行B破產過程

(三)同業業務雙邊交易量的估計[21]

(2)

(3)

從各銀行的財務報表中，可以獲得D2和l1，…，lN的值，由(2)式可以得到X0的值,再根據Blien和Graef[23]提出的RAS算法便可以求出銀行同業業務雙邊交易量矩陣X*。

(四)違約損失率與銀行的資產損失

銀行的資產負債行為會隨著經濟環境的變化不斷發生改變，因而，銀行間的風險傳染特征可能也會因此而改變[24]。為了反映銀行風險的歷史動態傳染過程，本文首先根據Degryse和Nguyen[25]的做法，將因傳染而倒閉的銀行資產計為受傳染的資產損失，并將受傳染的資產損失與系統中銀行的總資產之比定義為資產損失率，將被傳染銀行的資產損失率可能達到的最大值作為衡量銀行間風險傳染大小的指標，銀行的資產損失率越大，銀行間風險傳染的能力越強；反之，風險傳染能力越弱。然后采用李宗怡和李玉海[4]的假設，將違約損失率固定為0.800，考察在違約損失率為0.800的情況下銀行風險傳染情況，如圖4所示。

圖4 不同年份受傳染的資產損失率 根據圖4所示，從資產損失率的變動來看，2007—2015年，我國商業銀行間風險傳染不斷發生變化：從2007年第二季度到2009年第三季度，銀行間受傳染的資產損失率逐漸減小，銀行抵御風險傳染的能力增強，而從2009年第三季度到2012年第二季度，銀行受傳染的資產損失率逐漸增大，銀行抵御風險傳染的能力減弱，但是從2012年第二季度到2015年第四季度，銀行受傳染的資產損失率又開始逐漸減小，并且在2013—2015年在銀行體系內未發生風險傳染，說明銀行體系抵御風險傳染的能力增強。

馬君潞等[5]研究發現，違約損失率越大,則銀行的資產損失越大；反之，違約損失率越小,則銀行的資產損失也就越小。為了進一步分析不同違約損失率下銀行的風險傳染特征，本文考察違約損失率為0—1時商業銀行的傳染損失情況。

研究發現，當違約損失率不超過0.800時，銀行在不同的違約損失率下對應的受傳染的資產損失與所處的階段大體相對應，具體表現為，在銀行抵御風險傳染能力增強的時期，相同的違約損失率下對應的受傳染的資產損失率大體依次減小；反之，在銀行抵御風險能力減弱的時期，相同違約損失率下對應的受傳染的資產損失率依次增加。對任一時期的銀行風險傳染而言，隨著違約損失率的加大，銀行的資產損失率越大，而且當違約損失率達到某一閾值時，系統中某一銀行的破產會引起銀行的資產損失呈現跳躍式增長，而且在其后即使違約損失率增大，銀行的違約損失比例并未隨之加大。當違約損失率大于0.800時，處于第一階段和第二階段的銀行的資產損失率曲線的相對次序發生了改變，結合李宗怡和李玉海[4]的研究結論，本文選擇在違約損失不大于0.800時，研究商業銀行的風險傳染效應。

不同的銀行風險違約損失率能夠影響受傳染銀行的資產損失率的大小,而受傳染銀行的資產損失率的變化反映了風險傳染的深度和廣度隨之發生了變化。

四、銀行同業業務風險傳染的實證分析

(一)樣本選擇及數據來源

本文銀行同業資產、同業負債、資產總額和資本金數據來源于16家上市商業銀行披露的2007年第一季度到2015年第四季度的季報，根據違約算法，利用MATLAB軟件估計出銀行的傳染損失。樣本銀行包括：5家國有商業銀行(中國工商銀行、中國農業銀行、中國銀行、中國建設銀行和交通銀行)，8家全國性股份制銀行(招商銀行、中信銀行、浦發銀行、中國民生銀行、興業銀行、中國光大銀行、平安銀行、華夏銀行)，3家城市商業銀行(北京銀行、寧波銀行和南京銀行)。另外，我國政策型銀行也開始參與到銀行的同業市場中來，但是考慮到政策性銀行一般只公布年度數據，政策性銀行倒閉的概率較前面18家上市銀行低，中國郵政儲蓄銀行的數據公開程度也相對較低，因此，本文并未將政策性銀行和中國郵政儲蓄銀行考慮在內。本文同業資產項下包括銀行的存放同業、拆出資金和買入返售，同業負債包括同業存放、拆入資金和買入返售。本文同業拆借利率數據來源于上海銀行間同業拆放利率網站，季度國內生產總值增長率數據來源于中經網統計數據庫。本文對商業銀行個別季度缺少的數據進行了插值處理，同業季度平均利率是由日度數據取算術平均數得到。同業拆借矩陣由Lingo11軟件運算得到，回歸模型使用Eviews8.0軟件估計得到。

(二)計量模型的建立

為了研究影響銀行風險傳染的因素，本文參考Degryse和Nguyen[25]的研究，建立回歸模型如式(4)所示。Degryse和Nguyen在考慮比利時銀行同業市場時，還考慮了外資銀行對比利時銀行風險傳染的影響，但由于數據的缺乏，以及我國同業市場現狀，本文并未考慮外資銀行的風險傳染的影響。

(4)

其中，WSCt表示最壞情景下的銀行資產損失率，WSCt越大表明銀行體系因為風險傳染而導致的損失越大；LBt表示國有銀行的同業業務所占的比例，LBt越大，表明國有銀行的同業業務所占比重越大，股份制銀行和城商行所占比例越小。CAPt表示銀行平均資本充足率，RATIOt表示銀行的平均同業資產占比，D1表示國有銀行資本充足虛擬變量，GDPt表示季度國內生產總值增長率，INTt表示一年期和一個月的銀行間拆借利率價差，D2、D3和D4為季節性虛擬變量，以表示不同季度銀行的風險傳染損失間的差異。其中，季度國內生產總值增長率、利率價差和季節性虛擬變量代表宏觀經濟環境因素，國有銀行的同業業務所占的比例、銀行平均資本充足率和國有銀行資本充足虛擬變量代表個體行為因素。

由于不同的違約損失率影響銀行在同業市場上的資產損失，從而會影響風險傳染的深度和廣度，使估計結果產生偏差。為了能使本文的估計結果可靠，本文運用線性回歸，選取違約損失率分別為0.400、0.600和0.800時，考察在不同的違約損失率下銀行的資產損失WSC，且將不同損失率下的WSC分別記WSC40t、WSC60t、WSC80t。

(三)實證結果與分析

對式(4)中的回歸方程中的參數進行估計，結果如表1所示。表1中第一行列出了各個因變量，并分別列出了在不同違約損失率(LGD)的條件下，各個參數的估計結果和顯著性，括號內結果為各個參數對應的t值。

表1 不同違約損失率(LGD)下的回歸結果

注：*和**分別表示在10%和5%水平上顯著。由于回歸結果中，除D2以外其他虛擬變量均不顯著，且正負號發生變化，故本文未予列出。

如表1所示，在不同的違約損失率下，調整的R2較大，最大值為0.674，最小值為0.443。對于參數的聯合性檢驗，本文均拒絕原假設，各參數聯合不為零，說明參數的選擇正確，自變量對因變量有較好的解釋能力。觀察對單個參數的顯著性檢驗結果，可以發現，LB在違約損失率為0.600下顯著，但在違約損失為0.400和0.800下不顯著。GDPt、RATIOt和在違約損失率為0.400和0.600下顯著，但在違約損失為0.800下不顯著，CAPt在各違約損失率均不顯著。各參數的符號均未發生改變，說明因變量對自變量的影響方向是一致的，模型結果較為穩定。通過考察表1的結果，我們可以發現：

第一，三次回歸中LB前面的系數為負，說明受傳染的資產損失與國有銀行的同業業務占比負相關，這表示當國有商業銀行的同業業務占比越大，股份制銀行和城市商業銀行的同業業務占比越小，銀行之間因為風險傳染而造成的損失會減少。因為，國有銀行的資產規模比股份制銀行和城市商業銀行大，償債能力較強，因而同業業務向國有銀行集中有利于銀行系統抵御風險傳染。

第二，銀行系統的資產損失與宏觀經濟變量GDP之間均呈正相關關系，說明銀行的風險傳染是順周期的，即在經濟增速加快，經濟持續增長時，風險傳染造成的可能損失更大，在經濟增速減小，銀行系統風險傳染造成的損失較少。這可能是因為，我國商業銀行的信貸行為表現出較強的親周期性[26]，在經濟高漲時期，銀行的資產也同時擴張，銀行的風險暴露也開始增加，銀行可能能夠因為風險傳染導致的損失增加，當經濟增速減慢時，銀行的資產收縮，銀行可能能夠因為風險傳染導致的損失減少。而且，近年來，雖然我國經濟增速放緩，但銀行的資本金充足水平有了明顯的提高*詳見中國銀行業監督管理委員會2014年報。，銀行抵御風險的能力增強。

第三，CAP前面的系數均為負，說明銀行的風險傳染引起的資產損失與銀行體系的平均資本充足率之間存在負相關關系。說明商業銀行的資本充足率越高，商業銀行之間因為風險傳染造成的損失就會越小。

第四，由于在所建模型中，在對季節性虛擬變量進行顯著性檢驗時，顯著且符號為正，說明銀行風險傳染具有季節效應，第一季度銀行風險傳染造成的損失較大。

五、結論及啟示

本文基于16家上市銀行2007—2015年的季度數據，建立了銀行同業風險傳染計量模型，得到如下結論：

第一，同業市場上，銀行抵御風險傳染的能力隨著時間的推移而改變。由于我國銀行市場正在面臨著不斷地變革，銀行市場的結構、單個銀行的系統重要性和銀行的資產負債行為也都在發生著變化，這就會使得銀行間風險傳染的影響效果也會隨著時間的推移而不斷發生變化。在銀行同業資產相對于銀行資本增長較快的年份，往往對應著銀行的資產損失較大，銀行體統抵御風險的能力減弱，相反，當銀行的同業資產相對于銀行資本增長較慢的年份，對應的銀行資產損失較大，銀行體系抵御風險傳染的能力增強。在銀行的資本金一定的情況下，應適當控制銀行同業業務的規模，防止同業業務擴張可能引發系統性風險。

第二，銀行的風險傳染行為是順周期的。這主要是說明，隨著經濟增長率的加快，銀行會因為傳染而導致的資產損失擴大，這主要是由于經濟擴張時期，銀行的資本增長率低于同業資產增長率導致的，商業銀行的監管者應該建立和完善逆周期的監管機制，以熨平因風險傳染可能帶來的經濟波動。當然，這一結論并未考慮到，在經濟增長的不同時期，銀行資產實際發生違約概率的大小，從而無法估計不同時期的銀行的期望損失水平。

第三，銀行之間發生風險傳染與違約損失率有關，違約損失率決定了風險傳染是否發生及違約損失的大小。一般來說，違約損失率越大，銀行系統的資產損失比例越大。在銀行的風險傳染過程中，存在一個違約損失率的閾值，當違約損失率小于閾值時，銀行的資產損失率較小，但是當違約損失率超過閾值時，銀行的資產損失率發生了跳躍式的變化，銀行的資產損失大大增加，這也說明銀行的風險傳染行為并不是簡單線性的，而是非線性的，銀行系統的總體損失并不僅僅是單個銀行損失的簡單加總，而是在銀行風險擴散后，各個銀行的各輪傳染損失之和。這也說明當危機發生時，中央銀行應該在市場上積極干預，防止資產大幅度的貶值可能會引起的風險在銀行間迅速擴散。

第四，銀行的風險傳染程度與國有銀行的同業業務占比有關，國有商業銀行的同業占比增加可以減少因為風險傳染而導致的資產損失，因為國有銀行的資本實力較強，能夠抵御較大的外界沖擊，商業銀行之間發生風險傳染的可能性也因此降低。這說明國有銀行的發展過程中同業資產的擴張與風險承擔較為匹配，監管者應適度關注股份制銀行和城商行的同業業務交易中可能存在的風險。

第五，銀行總體的資本充足率越高，銀行的傳染損失越小。這一結論與理論相符，因為銀行的資本充足率越高，銀行能夠用來沖抵外來沖擊的資本越多，銀行發生財務困難的可能性降低，銀行的資產損失也就鎖定在單個銀行的內部，整個系統的資產損失減小。這說明商業銀行應該為同業資產計提與其風險水平相對應的資本，以防止資產的違約風險向對手銀行的傳染。

[1] 王曉楓,廖凱亮,徐金池.復雜網絡視角下銀行同業間市場風險傳染效應研究[J].經濟學動態,2015,(3):71-81.

[2] Furfine,C.H. Interbank Exposures: Quantifying the Risk of Contagion[J].Journal of Money, Credit and Banking, 2003,35(1):111-128.

[4] 李宗怡,李玉海.我國銀行同業拆借市場“傳染”風險的實證研究[J].財貿研究, 2005,(6):51-58.

[5] 馬君潞,范小云,曹元濤.中國銀行間市場雙邊傳染的風險估測及其系統性特征分析[J].經濟研究, 2006,(1):68-78.

[6] Ladley, D. Contagion and Risk-Sharing on the Inter-Bank Market[R].University of Leicester Working Paper, No. 11/10, 2011.

[7] 陳超.宏觀經濟因素沖擊下我國銀行間市場的風險傳染效應研究[D].杭州：浙江工商大學碩士學位論文，2011.

[8] 鄭長軍，王光俊.基于銀行系統風險視角的銀行資本充足監管——來自中國上市銀行的經驗數據[J].湖南大學學報,2014，(1):58-61.

[9] Lee,S.H. Systemic Liquidity Shortages and Interbank Network Structures[J]. Journal of Financial Stability, 2013, 9(1):1-12.

[10] 李守偉，何建敏.不同網絡結構下銀行間傳染風險研究[J].管理工程學報, 2012，(4):72-99.

[11] 陳庭強，何建敏.基于復雜網絡的信用風險傳染模型研究[J].軟科學, 2014，(2):111-117.

[12] Wells, S. Financial Inter Linkages in the United Kingdom’s Interbank Market and the Risk of Contagion[R].Bank of England Working Paper, No.230, 2004.

[13] 鄒薇，李娜.基于矩陣法的我國銀行間市場風險傳遞效應實證研究[J].經濟經緯,2014，(5):139-144.

[14] Jorion, P.,Zhang, G.Y. Credit Contagion from Counterparty Risk[J].The Journal of Finance,2009,64(5):2053-2087.

[15] 周天蕓，周開國，黃亮.機構集聚、風險傳染與香港銀行的系統性風險[J].國際金融研究, 2012，(4):77-87.

[16] Diamond, D.W. ，Dybvig, P.H. Bank Runs, Deposit Insurance, and Liquidity[J].Journal of Political Economy, 1983, 91(3):401-419.

[17] Arinaminpathy,N., Kapadia, S. ,May, R. M. Size and Complexity in Model Financial Systems[J]. PNAS, 2012, 109(45):18338-18343.

[18] 牛晨，魏先華，潘松.我國大額支付系統中的流動性風險[J].系統工程，2008，(11):23-28.

[19] Acharya,V.V. ,Yorulmazer ,T. Information Contagion and Bank Herding[J].Journal of Money, Credit and Banking, 2008,40(1):215-231.

[20] 曾麗.我國商業銀行風險傳染的計量分析及相關對策研究[D].長沙：湖南大學碩士學位論文，2011.

[21] 范小云.繁榮的背后——金融系統性風險的本質、測度與管理[M].北京：中國金融出版社，2006.

[22] Sheldon,G., Maurer, M. Interbank Lending and Systemic Risk: An Empirical Analysis for Switzerland[J].Swiss Journal of Economics and Statistics, 1998,134(4):685-704.

[23] Blien, U. ，Graef, F. Entropy Optimization in Empirical Economic Research [J].Classification, Data Analysis and Data Highways, 1997，208(4):3-15.

[24] 彭壽康，陳超.我國銀行間市場的風險傳染效應研究[J].哈爾濱商業大學學報( 社會科學版)，2011,(6)：57-62.

[25] Degryse H., G.Nguyen, Interbank Exposures: An Empirical Examination of Contagion Risk in the Belgian Banking System[J].International Journal of Central Banking, 2007, 3(2):123-171.

[26] 孫志娟.關于我國商業銀行逆周期信貸路徑研究[J].統計與決策，2012，(5)：158-161.

(責任編輯：孟 耀)

2017-01-06基金項目：國家社會科學基金項目“新常態下中央銀行流動性管理改革與創新研究”(15BJY180)；遼寧省教育廳人文社會科學研究基地項目“新常態下中央銀行流動性管理:路徑選擇與工具創新”(ZJ2015015)

王曉楓(1961-),女,遼寧大連人，教授，博士,主要從事金融機構管理研究。E-mail:xfwang9796@163.com廖凱亮(1992-)，男，安徽安慶人，碩士，主要從事金融機構管理研究。

F830.33

A

1008-4096(2017)02-0067-08