基于網絡模型的金融機構間風險傳染研究綜述

于瀟瀟 劉廣合

摘要：近年來，金融危機的頻繁爆發使得金融風險研究領域的關注點轉向了金融機構間的風險傳染。研究金融系統內高度聯系性對風險傳染的作用效果，文章從正反兩種觀點出發，從金融風險傳染定義、金融網絡模型及相關理論、金融網絡仿真及相關實證研究三個方面對國內外相關研究進行了較為全面的梳理與評述，并對未來的發展趨勢進行展望，目的是為從事該領域學術研究的學者和監管部門提供借鑒和思路。

Abstract： In recent years， the frequent outbreak of the financial crisis has shifted the focus of the financial risk research field to financial institutions risk contagion. The article is based on the positive and negative effects of the highly connect in financial system. From the three aspects （the definition of financial risk contagion， the financial network model and related theories， simulations and related empirical research）， the relevant studies at home and abroad were comprehensively reviewed， and the future development trend is forecasted. The purpose is to provide reference and ideas for scholars and supervisory departments engaged in this field.

關鍵詞： 網絡模型；金融風險傳染；同業拆借市場；研究綜述

Key words： networks model；financial contagion；interbank market；research review

中圖分類號：F830 文獻標識碼：A 文章編號：1006-4311（2018）26-0270-04

0 引言

在現代經濟社會中，伴隨金融工具種類不斷增加、金融交易持續深化，各類金融機構之間關系愈加復雜。其中一家金融機構倒閉可能導致整個金融體系崩潰，進而對實體經濟造成嚴重沖擊，以雷曼投行破產為標志的美國次貸危機正是這一過程的體現。與此同時，近幾年網絡科學發展迅猛，并逐步應用于金融傳染的相關研究，成為金融風險研究領域新方向。盡管當前還沒有一個統一框架將其置于經濟理論研究范圍內 （Summer，2013）[1]，但國內外很多論文都涉及這一主題，且大致分為兩種觀點：

其一，具有高度聯系性的金融網絡系統會促使風險分攤，表現為系統更具有抵抗彈力。以高度聯系性作為前提，每一個體機構產生的沖擊，經分攤后因足夠輕微可以被系統抑制，例如：Brunnermeier和Pedersen （2009）[2] 與Geanakoplos （2009）[3] 對減價出售在市場資金流動性方面的研究；

其二，具有高度聯系性的系統難以抵抗危機擴大機制所帶來的嚴重后果，表現為系統更易于危機傳染。Shin （2010）[4] 討論了這一經濟機制，他展現了中介鏈條如何在一段時間內使金融機構更依賴于資本市場并因在杠桿率、資產價格與風險承擔作用下擴大了反饋循環。

1 金融風險傳染的定義

“傳染”一詞源于流行病學，成為金融研究的學術名詞卻是最近20年，當前學術界對傳染適用于金融風險的范圍仍然存在著一定分歧。

多數學者從現象視角將其定義為：傳染性是指一個或一組市場、國家或機構遭受的沖擊（如金融危機）蔓延至其他市場、國家或機構的過程，該過程可觀察到各國股價、匯率、主權債務利差以及資本流動發生高度的同步性變動 （張磊，2013）[5]，依據該定義金融機構尤其是銀行同業間的風險蔓延可被稱為“傳染”。

然而，一些學者認為，并非所有的沖擊傳播現象都能成為傳染性，例如Karolyi （2003）[6] 認為傳染是“非理性的協同運動”，即在剔除“基于基本面的協同運動”和“基于理性投資者的協同運動”后市場間的協同運動。因此當我們將研究范圍從銀行同業間擴大至市場、國家間時需要首先證明其是否滿足傳染性的定義。

2 金融網絡模型及相關理論

自Boss等（2004）[7] 開始，有關銀行間同業拆借的網絡模型結構的研究就出現在各種不同文獻中：在基礎模型中，各個銀行是節點，如果兩個銀行間存在貸款聯系，就會在兩者之間存在一條連線將其相連，這些線也可以根據負債的大小被加粗。自此，金融網絡模型的發展一觸即發，在結構與內容上不斷突破，旨在最大程度的模擬現實情況。

2.1 金融網絡基礎模型及發展

2.1.1 金融網絡基礎拓撲模型

早期有關國有銀行間同業拆借的網絡拓撲模型是Boss等（2004）[7] 引入研究的，作者研究了大約十個銀行間拆借的模型，包含了900個同業間債務聯系，其中模型數據來源于2000-2003年奧地利中央銀行 （OeNB） 的季度數據資料（圖1）。

該基礎模型依據奧地利銀行分布及拆借特征體現出了網絡模型中心-邊緣的結構特征與同業間堆疊層次化的結構特點，并由此引出了節點度這一網絡技術用語。但作為該領域的基礎模型，其在方向復雜性與數據處理方面仍值得研究與提升。

2.1.2 基礎模型發展過程

通過觀察奧地利銀行間網絡示意圖，可以發現該基本模型所能研究的關聯類型受到限制，隨后Boss等（2006）[8] 和 Elsinger （2009）[9]在內容上完善了該基礎模型，將銀行間負債和股本的拆借包括在內；除此外，這一圖像通過增加方向復雜性得到進一步完善，具體表現為引出了“出度”與“入度”，且出度與入度的冪次定律的指數在2-3之間，這一特點也在許多其他的網絡模型中被證實（Newman，2012）[10]；在數據處理方面，Cont等（2013）[11] 研究巴西銀行間同業拆借模型使用數據集作為依據，這被公認為是比Boss等（2004）[7] 在數據方面處理得更好的解決方法。

2.2 金融網絡相關理論發展

在過去的十年里，一些文獻嘗試從理論角度在同業拆借網絡模型的情景下解決金融穩定的問題。但是在破產倒閉與流動性不足的傳染問題上，孤立的研究機構是不夠的，同樣在一般均衡理論與博弈論的指導下研究金融機構也是不夠的。

2.2.1 傳染性資不抵債

Allen和Gale （2000）[12] 研究了一個例子，銀行位于的不同的地區共同面對負相關的流動性沖擊（圖2）。

如左側，不完全聯系：當其中一個地區發生危機時，循環的同業拆借會使得危機傳染的強度更大；如右側：完全聯系：其在危機發生時的抵抗彈力明顯高于左側。

盡管這篇文獻使用了一個形式簡單的例子，但是這篇文獻是非常有影響力的，主要體現在它將這一研究銀行運行過程中存款人對資金流動性要求之間發生協調失衡問題的古典模型 （Diamond和Dybvig，1983）[13] 與同業拆借網絡拓撲模型和傳染性資不抵債這一問題進行了結合。不過這一結果是很難去概括的，同時我們仍舊不清楚結果是取決于具體的設置還是示例的對稱性。

2.2.2 流動性的理論僵局

另一篇具有影響力的文獻來自于同一時期的Freixas等（2000）[14]，作者證明了網絡接觸模型與在一個由提供流動性資金的銀行組成的金融系統中產生的均衡產出是有關系的，例如，Allen 和Gale （2000）[12] 中，有一個系統：銀行各自做坐落在不同的地區并且在框架 （Diamond和Dybvig，1983）[13]中單獨被模擬，在每個地點之間存在存款人移動性，并且存款人只能將他們的資金投資于在他所在地的銀行中。

盡管這些論文都在流動性資金供給的博弈論模型與同業拆借網絡模型中搭建了相通的橋梁，但再給一個更加綜合的分析就變得困難。盡管嘗試給出一個一般化的結果 （Lagunoff 和Schreft 2001[15]，Dasgupta 2004[16]，Leitner 2005[17]） 或者追求將研究更加系統化，但在網絡模型與金融危機傳染上的理論文獻研究仍是近乎空白，形成研究僵局。

不過最近，領域內對金融系統理論網絡模型又產生了新一輪興趣，例如，Zawadowski （2013）[18]，分析同業拆借網絡模型在OTC市場中是如何引誘銀行們產生導致個別問題傳播成為系統性危機的危機轉換行為，希望能夠在理論上有所突破。

3 仿真及相關實證研究

在一場嚴重的銀行業危機中，當局通常不會處于被動地位袖手旁觀，相反，當局會采取各種形式的救援行動。因而想要從歷史經驗中研究這一多米諾傳染效應的研究人員并沒有足夠的觀察數據及結果支持他的研究，這樣研究人員在開展傳染分析研究時便只能采用仿真模擬。

國外學者在這一領域較為領先，開拓性質的論文（Furfine，2003）[19]利用仿真出來的金融網絡模型研究當前支付系統下合約對方的拖欠行為，但是文獻研究的興趣很快轉移到了銀行系統（Worms，2004[20]；Wells，2004[21]；Elsinger等，2006[22]，2005[23]），同時，根據大量來自全世界的數據集產生了許多有關資不抵債傳染與多米諾效應的仿真研究，仿真研究的真實性也在不斷提高，例如，在之后的一些文獻中，Alessandri等（2009）[24] 在Cifuentes， Ferrucci 和 Shin（2005）[25] 之后，放松了“獨立違約且外生”這一假定；Elsinger（2009）[26] 恰當地在仿真中將債務并不是相同年限這一情況考慮在內。盡管仿真效果不斷提高，但需要承認的是，對金融網絡進行實證研究，不同于復雜網絡的理論研究，首先面對的問題是將基于某種研究背景的金融網絡構建出來。一種是利用真實的金融機構間關聯數據（Boss等，2004[7]；Anand等，2017[27]）這些數據往往掌握在各國央行或者政府部門手中；二是使用仿真的網絡生成方法（Soram？覿ki和Cook，2012[28]）或合成數據來進行研究（Doeherty等，2010[29]），生成數據的參數往往從真實數據中獲得，因此真實且全面的數據獲取是研究發展的一大阻礙。

對比國外的相關研究，國內這一領域發展相比國外較慢，但國內學者也隨后跟上了仿真實證的步伐，不過國內當前的研究重點還是通過仿真與實證研究將研究結論用于指導政策實施與監管，其中實證分析方法主要包括概論分析、相關系數分析、VAR模型、GARCH簇模型等，推動實證結果更具實際意義。不過同樣，國內研究也同樣面臨數據獲取這一難題，由于真實數據在我國尤其難以獲取，基本上作者單位決定了文章構建金融網絡的方法。我國基于真實數據進行研究的文章往往來自于中國人民銀行研究局（黃聰和賈彥東，2010[30]；賈彥東，2011[31]）。高校科研機構由于缺乏詳細的真實數據，往往利用金融機構年報等公開信息使用矩陣法測算鄰接矩陣（李守偉等，2011[32]）、基于公開數據生成模擬數據并使用熵最優化方法構建網絡（童牧和何奕，2012[33]）、通過參數系統利用網絡生成軟件刻畫金融網絡結構（鮑勤和孫艷霞，2014[34]）、根據真實的統計數據模擬金融機構間資產負債狀況得到銀行同業業務數據（王曉楓等，2015[35]）。

雖然使用仿真的實證研究結論相較于基于真實數據的研究結論顯得不那么可靠，但是隨著計算機仿真技術的發展，這些基于真實背景的仿真方法對金融網絡的刻畫也越來越準確，極大地幫助了理論的創新，所以網絡構建的仿真技術將會是金融網絡地實證研究中繞不開的領域。

4 總結與展望

金融網絡蓬勃發展，當前大量文獻涉及的內容，其一是通過不斷突破理論限制，在流動性資金供給的博弈論模型與同業拆借網絡模型中搭建橋梁，并不斷完善金融網絡基礎拓撲模型，在結構和內容上不斷提升模型適用性，用以解釋網絡結構如何導致級聯拖欠；

其二是通過研究金融機構資產負債表結構與節點重要性，在實證數據難以獲取的阻礙下嘗試量化，用以研究量化級聯拖欠狀況的影響與可能性大小。但是，當前這些文獻并沒有從根本上解釋危機的影響是如何通過金融網絡模型進行潛在性擴大的。而其中的擴大機制在金融危機研究中至關重要，也正是亟待我們解決的問題。

盡管，當前研究存在著理論難以突破、數據難以獲取等方面的發展阻礙，但是網絡模型提供了許多理論概念與解決問題的全新視角，這使得我們對現實世界中金融系統結構的描述更加準確、顯著，相信通過理論研究的不斷深入、網絡科學與計算機仿真技術的持續發展，發展，我們可以通過網絡模型搭建橋梁跨過關于危機放大機制的定性概念觀點與金融脆弱性的定量模型之間不可逾越的鴻溝。

參考文獻：

[1]Summer， Martin. Financial contagion and network analysis.[J]. Annual Review of Financial Economics 5.1 2013： 277-297.

[2]Pederson， Lasse Heje， and Markus K. Brunnermeier. Market Liquidity and Funding Liquidity.[M]. No. dp580. Financial Markets Group， 2007.

[3]Geanakoplos， John. The leverage cycle.[J]. NBER macroeconomics annual 24.1 2010： 1-66.

[4]Shin， Hyun Song. Risk and liquidity.[M] Oxford University Press， 2010.

[5]張磊.基本面關聯還是市場恐慌？——金融危機跨國傳染渠道的文獻綜述及其警示[J].經濟社會體制比較，2013（3）：237-246.

[6]Karolyi， A.G. Does international finance contagion really exist？[J].International Finance， 2003， 6（2）： 179-199.

[7]Boss， Michael， et al. Network topology of the interbank market.[J]. Quantitative finance 4.6 2004： 677-684.

[8]Boss， Michael， et al. Systemic risk monitor： Risk assessment and stress testing for the austrian banking system. Internal technical document. OeNB （2006）.

[9]Elsinger， Helmut. Financial networks， cross holdings， and limited liability.[M] Austria： Oesterreichische Nationalbank， 2009.

[10]Newman， Mark. Networks： an introduction.[M]. Oxford university press， 2010.

[11]Cont， Rama， and Lakshithe Wagalath. Running for the exit： distressed selling and endogenous correlation in financial markets.[J]. Mathematical Finance 23.4 2013： 718-741.

[12]Allen， Franklin， and Douglas Gale. Financial contagion.[J]. Journal of political economy 108.1 2000： 1-33.

[13]Diamond， Douglas W.， and Philip H. Dybvig. Bank runs， deposit insurance， and liquidity.[J]. Journal of political economy 91.3 1983： 401-419.

[14]Freixas， Xavier， Bruno M. Parigi， and Jean-Charles Rochet. Systemic risk， interbank relations， and liquidity provision by the central bank.[J]. Journal of money， credit and banking 2000： 611-638.

[15]Lagunoff， Roger， and Stacey L. Schreft. A model of financial fragility.[J]. Journal of Economic Theory 99.1-2 2001： 220-264.

[16]Dasgupta， Amil. Financial contagion through capital connections： A model of the origin and spread of bank panics.[J]. Journal of the European Economic Association 2.6 2004：1049-1084.

[17]Leitner， Yaron. Financial networks： Contagion， commitment， and private sector bailouts.[J]. The Journal of Finance 60.6 2005： 2925-2953.

[18]Zawadowski， Adam. Entangled financial systems.[J]. The Review of Financial Studies 26.5 2013： 1291-1323.

[19]Furfine C. Interbank exposures： quantifying the risk of contagion.[J]. Money Credit Bank. 2003. 1（35）：111-28.

[20]Upper， Christian， and Andreas Worms. Estimating bilateral exposures in the German interbank market： Is there a danger of contagion？.[J]. European economic review 48.4 2004： 827-849.

[21]Wells， Simon J. Financial interlinkages in the United Kingdom's interbank market and the risk of contagion.[M] 2004.

[22]Elsinger， Helmut， Alfred Lehar， and Martin Summer. Risk assessment for banking systems.[J] Management science 52.9 2006： 1301-1314.

[23]Elsinger， Helmut， Alfred Lehar， and Martin Summer. Using market information for banking system risk assessment.[M] 2005.

[24]Alessandri， Piergiorgio， et al. Towards a framework for quantifying systemic stability.[J] International Journal of Central Banking 5.3 2009： 47-81.

[25]Cifuentes， Rodrigo， Gianluigi Ferrucci， and Hyun Song Shin. Liquidity risk and contagion.[J]Journal of the European Economic Association 3.2‐3 2005： 556-566.

[26]Elsinger， Helmut. Financial networks， cross holdings， and limited liability. Austria： Oesterreichische Nationalbank，[M] 2009.

[27]Anand K， van Lelyveld I， Banai á， et al. The missing links： A global study on uncovering financial network structures from partial data[J]. Journal of Financial Stability， 2017， 35： 107-119.

[28]Soram？覿ki K， Cook S. Algorithm for identifying systemically important banks in payment systems[R]. Economics Discussion Papers， 2012.

[29]Docherty P， Wang G. Using synthetic data to evaluate the impact of RTGS on systemic risk in the Australian payments system[J]. Journal of Financial Stability， 2010， 6（2）： 103-117.

[30]黃聰，賈彥東.金融網絡視角下的宏觀審慎管理——基于銀行間支付結算數據的實證分析[J].金融研究，2010（04）：1-14.

[31]賈彥東.金融機構的系統重要性分析——金融網絡中的系統風險衡量與成本分擔[J].金融研究，2011（10）：17-33.

[32]李守偉，何建敏，莊亞明，施亞明.基于復雜網絡的銀行同業拆借市場穩定性研究[J].管理工程學報，2011，25（02）：195-199.

[33]童牧，何奕.復雜金融網絡中的系統性風險與流動性救助——基于中國大額支付系統的研究[J].金融研究，2012（9）：20-33.

[34]鮑勤，孫艷霞.網絡視角下的金融結構與金融風險傳染[J].系統工程理論與實踐，2014，34（09）：2202-2211.

[35]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（03）：71-81.