中國上市銀行風險傳染性及傳染網絡演化特征

韓 瑜 任 達 李 喆

2008年金融危機促使全球金融監管理念從注重單個金融機構風險的微觀審慎監管向強調系統性風險的宏觀審慎監管轉變。在經濟全球化及金融自由化進程加快、金融創新快速發展的背景下，全球經濟金融體系之間的聯系也越來越緊密，形成一種全球金融體系的復雜網絡。在復雜的金融網絡中，危機的傳染更加迅速，傳染所導致的系統性風險更具破壞性。因此，研究金融網絡中風險傳染所引致的系統性風險具有重要的理論與現實意義。

目前我國有關金融機構間風險傳染的研究仍處于初級階段（林硯和陳志新，2018），且研究集中在某一具體市場，不能很好地反映整體金融市場的風險傳染結構和規律。此外，國內對于系統性金融風險的研究大多處于定性階段，少數學者的定量研究則瞄準了歐美等發達經濟體且缺少針對性的研究方法。因此，具有針對性的研究工具具有相當的實際意義和研究價值。

金融風險傳染效應是金融危機在國際金融市場上的一種擴散現象。傳染性是金融市場風險的一個重要特征，其破壞性特別強，嚴重的會導致金融系統產生危機。近年較多學者關注金融機構風險網絡的研究，研究論文主要分為兩類：一是基于金融機構主體屬性，分析金融機構業務往來、資金流動、風險分擔等對相關金融機構的影響；二是基于復雜網絡理論，分析各金融機構在網絡中的性質以及網絡拓撲結構和演化特點對風險傳染性的影響。

Luo（2015）等人建立了基于企業之間擔保關系的擔保網絡，運用復雜網絡理論來度量其基本屬性，結果表明拓撲結構決定了網絡的抗風險能力，不同的風險感染源將對風險傳播速度和范圍產生不同的影響。Papadimitriou（2013）等人提出確定核心銀行而不是大型銀行的中央銀行監管辦法，通過復雜網絡理論提出顯示核心銀行的方法。巴曙松和高江健（2012）通過研究金融機構倒閉引起公眾情緒變化對風險傳染性的影響，引入國民信心標準這一指標，提出使用等權重法對我國系統重要性銀行進行評估。王巍（2012）提出從銀行規模、與其他銀行的關聯程度、全球市場影響力、業務可替代性以及資產復雜性等五個方面對系統重要性銀行進行評估。Bargigli 和Gallegati（2011）通過研究日本銀企信貸網絡發現其社團結構對于網絡系統性風險傳播影響巨大，建議政策制定者重點監測核心社團。Kim（2002）等人就標準普爾500 只股票的股票價格關聯性，以公司和公司股票為節點構建了一無標度加權網絡，發現節點的邊權和的絕對值大小呈現無標度特性。Onnela（2004）等研究了紐約證券交易所477只股票形成的關聯網絡拓撲性質，如派系數量和規模、平均聚集系數等，并將實際網絡與同等規模的隨機網絡進行了對比。Lee（2007）等研究了韓國KOSPI200 只股票關聯網絡的平均路徑長度、度分布等基本拓撲統計性質。Tirado 和Mariano（2012）創建了基于增長策略的加權復雜網絡來模擬銀行間債務網絡的金融危機蔓延，發現這種傳染是通過基于金融病毒概念的新的疾病傳播視角來描述的。Zhen（2013）等以中國銀行為例，以復雜網絡理論和鄰近原則為基礎，以北京市6個行政區的銀行分行配網數據為基礎，構建了一個復雜的銀行分行網絡模型并分析網絡的拓撲結構。

2018 年以來，我國共新增甘肅銀行、成都銀行、江西銀行、九江銀行、長沙銀行、紫金農商行等6 家上市銀行，加上2017 年之前的39 家，目前合計共有45 家上市銀行。45 家上市包括全國性銀行15 家（6 家國有行和9 家股份行）、地方性銀行30 家（21 家城商行和9 家農商行）。上市銀行總資產規模達到172.87 萬億元，貸款規模達到96.95 萬億元，存款規模達到118.59萬億元，非保本理財余額達到19.05 萬億元。不可否認的是，上市銀行家族正逐漸擴容，且現階段這45 家上市銀行的規模、業績等均覆蓋了商業銀行90%以上的比例，因此研究上市銀行風險性及風險傳染情況的變化對于提高強調系統性風險的宏觀審慎監管、防范重大金融風險乃至金融系統穩定性具有重大意義。

一、上市銀行間風險傳染網絡構建

一個典型的網絡是由許多節點與節點之間的連邊組成的，其中節點用來代表真實系統中不同的個體，而邊則用來表示個體間的關系。兩個節點之間具有某種特定的關系則連一條邊，反之則不連邊，有邊相連的兩個節點在網絡中被看作是相鄰的。具體到構建金融風險傳染網絡，目前主流的構建方法有兩類：一類是基于金融機構（節點）間實際發生的資金拆借或業務交易數據（邊）構建；另一類則是根據股票價格、收益率等證券市場數據（邊）進行構建。金融機構的股票價格數據相較于實際資金借貸數據更易獲得，且具有時效性和更能全面反映網絡關系，故被大多數學者采用（張來軍等，2014；鄧向榮等，2018）。需要注意的是我國并非強式有效市場，故依靠證券市場信息構建的復雜金融網絡存在噪音，需要去除噪音，使得該復雜網絡中節點間風險傳染更真實（韓華等，2014）。本文具體的上市金融機構風險傳染網絡構建包括以下步驟：①計算金融機構股票價格波動相關系數矩陣；②對相關系數矩陣進行去噪音處理；③根據閾值法建立相關性網絡拓撲結構，降低弱相關性指標干擾。

表1 上市銀行分布年度變化（2008-2018年）

（一）樣本數據選擇及描述性說明

數據選自2008—2018 年CSMAR 上市銀行收益率數據庫以及Wind 資訊的銀行財務數據。數據主要為銀行股票收益率信息以及銀行主體信息，包括國有控股銀行、城市商業銀行以及股份制銀行的規模性指標、復雜性指標、風險性指標和盈利性指標等信息。對年份缺失、信息披露不全、新設合并或股改的個別銀行的個別年份進行數據清洗。本文選取2008—2018 年的數據，跨度周期長，能動態地反映2008 年金融危機爆發后風險傳染網絡動態變化。具體年度以及銀行分布詳見表1。

（二）風險傳染網絡的構建

本文根據上市銀行日收盤價Pi,t計算上市銀行i的股票價格對數收益率ri,t，并計算任意兩個上市銀行i和j之間的皮爾遜相關系數ρi,j構建系數矩陣M=(ρi,j)n×n,公式表達如下：

其中t∈[1,N],N 為當年股票數據樣本有效交易總天數;表示數學期望，且

根據隨機矩陣理論，通過比較相關系數矩陣和隨機矩陣的性質，可以把相關系數矩陣分為兩部分：一部分是符合隨機矩陣性質的（噪音信息）；另一部分是同隨機矩陣性質差異部分（真實信息）。目前運用隨機矩陣理論去噪方法主要分為LCPB 法、PG+法和KR 法。本文采用PG+法，用0替代噪聲部分的特征值。具體辦法是首先計算出相關系數矩陣的最大特征值λmax和最小特征值λmin:

二、銀行風險傳染性評估指標構建

在復雜網絡中，不同節點反映出不同的網絡屬性和結構特性，反映到銀行風險傳染網絡中，即不同規模、不同關聯程度以及不同主體屬性的銀行在網絡中的地位和作用不盡相同，因而在金融危機爆發時呈現出不同的風險傳染效果。本文借鑒林硯和陳志新（2018）提出的風險傳染評估模型，采用主體屬性綜合評分、節點出強度值、傳染深度三個維度來綜合評價上市銀行風險傳染性。此外，由于本文研究的是上市銀行之間風險傳染的性質，相較于研究整個網絡受到攻擊時單個節點承擔的風險，本文更關心風險傳染網絡中存在的關鍵中心節點，中心節點對整個網絡的穩定性有重要意義，這些節點受到的沖擊對網絡的連通性和穩定性將產生非常大的影響。基于此，本文對原有金融機構風險傳染評估模型進行改進，最終形成包括主體屬性評分、節點出強度值、傳染深度和網絡中心性4個維度（表2）。

表2 上市銀行風險傳染評估模型

（一）主體屬性

本文借鑒BCSC采用指標體系法，構建上市銀行規模性、復雜性、風險性和盈利性4個維度評價指標。由于各個指標度量單位不同，本文利用Max-min對數據進行線性變換，使得各個指標映射在同一無量綱的區域，使指標能夠參與評價計算。具體指標定義及權重賦值見表3。

表3 主體屬性指標及權重

（二）節點出強度值

節點出強度值表示該節點與其他相連接節點的關系緊密程度，在銀行風險傳染網絡中表示該銀行受到金融危機沖擊時，第一輪傳染能夠到達其他銀行的數量和風險傳染的速度。網絡中各節點的出強度值利用指標來衡量，其中

傳染深度指標主要度量某一節點在受到風險沖擊時能夠傳染的最遠節點的距離。本文借鑒Kitsak 等（2010）提出的K 核分解法來評估風險傳染網絡中銀行的風險傳染深度。K核分解法的核心思想是根據設置的k核閾值，一層層剝離復雜網絡最外層k核值較低的節點，進而一步步縮小復雜網絡到一個所有節點K 核值都較高的內核網絡，所剝離的次數即為風險傳染深度指標值。也就是說k核值較高的銀行受到金融危機沖擊后，經過多層風險傳染，影響的范圍更廣，風險傳染性更強。

表4 上市銀行風險傳染性評分排名（2008—2018年）

（三）網絡中心性

銀行間相互連接形成風險共擔，但同時也導致沖擊在金融網絡中進行傳染，形成系統性風險。Battiston（2012）等人提出的Debtbank算法表明，“太中心而不倒”的情況可能比“大而不倒”在面對風險傳染過程中更為重要，也更值得關注。節點的中介中心性則代表某節點在網絡中風險傳播的關鍵程度，某節點在網絡中的中心度取決于其在多大程度上參與了網絡中利于信息傳遞的信息鏈，某節點一旦成為信息傳遞的中間人，其在網絡中就占據中心位置，用節點介數代表節點在網絡中的中介中心性，網絡中所有節點間最短路徑中通過該節點最短路徑條數，節點傳播媒介的能力越大說明節點媒介能力越強，處于風險傳染樞紐，計算公式為:

其中δst(v)為節點s 與t 最短路徑中經節點v 數量，δst為節點s與t最短路徑數量。

綜合上述四方面指標數據，運用信息熵賦權法對銀行風險傳染性評估模型進行賦權加和，進而得到各銀行的風險傳染性評分（表4），具體計算公式如下：

風險傳染性評分=a1×SA+a2×Od+a3×DE+a4×Cb

三、中國上市銀行風險傳染性評估結果及演變規律

從主體屬性綜合評分指標來看，經營性因素在主體屬性評價當中占有非常重要的位置，但經營性與綜合得分并不完全吻合。總體而言，樣本期初國有控股銀行經營性狀況比較好，關聯程度較強，風險性和股份制銀行及城市商業銀行基本持平，具有較強的風險傳染性，受到沖擊后對網絡中其他金融機構的影響程度較深。但隨著后期上市銀行數量的增加以及規模的不斷擴大，地方城市商業銀行和一些股份制銀行主體屬性評分逐漸超越傳統國有銀行和一些大型股份制銀行，風險傳染性也不斷提高，上市銀行整體表現出較強的風險傳染性。

從節點出強度值來看，各銀行的節點出強度值隨著銀行上市企業的增多，不斷增大。除此之外，在上市銀行數相同的情況下，出強度的差距依舊較大，這主要源于年份的變化，反映了銀行業的風險隨時間推移而上升。但是每年出強度的標準差相對變化不大，這表明大多數銀行的風險傳染性波動多是同向的。

從風險傳染深度指標可以看出，各銀行的節點K核值隨著銀行上市企業的增多而不斷增大。早期上市銀行僅國有控股銀行處于風險傳染網絡核心位置，而隨著地方商業銀行的加入，大多數的銀行都處于核心的位置，處于次核心和非核心的銀行反而是少數。

從節點網絡中心性指標來看，各銀行的節點中介中心性值隨著銀行上市企業的增多而整體趨于平穩。在期初，上市銀行中介中心指標兩極分化較為嚴重，表現為少數大型股份制銀行和國有銀行占據網絡核心樞紐地位，在風險傳染過程中成為重要渠道；而大部分上市城市商業銀行處于邊緣位置，網絡整體表現出一定的穩定性。這說明隨機一家銀行發生破產危機時，其處于風險傳染樞紐的概率較低，其風險傳染的媒介能力也較低，風險傳染的范圍有限。但是隨著上市銀行的增加，這種穩定性則隨之降低，整體網絡表現為面對隨機風險沖擊的脆弱性。因此，監管部門應當繼續對銀行保持強監管，防范風險在金融網絡中迅速擴散和傳播，降低發生系統性風險的可能性。

從綜合信息熵后的權重信息（表5）來看，出強度指標對于風險傳染性的影響最為顯著，網絡中心性和風險傳染深度次之，主體屬性影響效果最低，表明監管活動應該從關注銀行規模、盈利性、風險性等傳統微觀個體監管活動向關注銀行在網絡中的地位、同其他銀行之間的聯系等宏觀監管活動轉變，更多的關注那些風險傳染性較高的銀行，降低其在風險傳染網絡中的傳染數量和傳染速度，防止某一銀行的風險發生而導致整個銀行業乃至金融業的危機爆發的多米諾骨牌效應。

表5 信息熵后權重

通過觀察上市銀行風險傳染性評分排名，發現風險傳染性排名一直處于變化之中。期初，排名前5 名的銀行主要為國有銀行和大型股份制銀行，這與我們前面的分析一致。但隨著上市銀行數量增加，整體變化增大，上市銀行風險的流動性變得相對較強，風險相對較高的銀行主要集中于大型股份制企業，國有銀行及國有控股銀行的風險評分則相對偏低，這表明我國針對銀行業的監管還是富有成效的。

四、中國上市銀行風險傳染網絡特征及演變規律

網絡的拓撲結構決定網絡的性質。運用復雜網絡理論對中國上市銀行風險傳染網絡結構進行分析，雖然不能對單個銀行的動態行為進行分析，但是通過對風險傳染網絡的拓撲結構的時間序列數據進行分析，可以反映出上市銀行風險傳染網絡的動態演變規律。上市銀行風險傳染網絡作為中國金融機構網絡中的重要組成部分，分析其特征和演化規律對加強系統性風險的宏觀審慎監管、防范重大金融風險乃至金融系統穩定性具有重大意義。本文運用Ucinet軟件繪制中國上市銀行風險傳染網絡可視化圖（圖1）。

圖1 2018年中國上市銀行風險傳染網絡

（一）風險傳染網絡凝聚性及演變規律

復雜網絡凝聚性反映復雜網絡節點間的緊密程度，節點間紐帶越多網絡越緊密，結構越穩定，網絡的凝聚性也越高。網絡的凝聚性可以由平均聚類系數、k核和平均點度來測度。聚類系數反映了節點之間緊鄰的程度，所有節點的聚類系數的平均值稱為平均聚類系數或整個網絡的聚類系數。平均聚類系數也是復雜網絡中的一個重要的全局幾何量，在全連通網絡(每個節點都與其余所有的節點相連接)中，聚類系數等于1，其他情況均小于1。Watts和Strogatz 最早提出，許多實際網絡的聚集系數遠大于具有相同節點數和邊數的隨機網絡。

在有向網絡中，節點的度分為出度和入度。節點的出度是指從該節點指向其他節點的邊的數目；節點的入度則是指從其他節點指向該節點的邊的數目。直觀上來看，一個節點的度越大表明其在復雜網絡中的地位越重要。高點度的節點會參與更多與其他節點的聯系，且高點度節點更容易出現在網絡的高密度區。而k核表示的是其中每個節點的點度不小于k 的最大子網絡，k 越大說明網絡中包含聯系更緊密的子網絡，有更強的凝聚性。因此，具有高凝聚性的復雜網絡具有較大的平均聚類系數、平均點度以及k 核值。表6 給出了2008-2018 年歷年上市銀行風險傳染網絡平均聚類系數、平均點度以及最大K核。通過表6可以看出，上市銀行風險傳染網絡平均聚類系數、平均點度以及最大k核均呈現出增長的趨勢，說明銀行風險傳染網絡凝聚性不斷增強，銀行間聯系更加緊密。需要注意的是較大的凝聚性也同時增加了風險傳染的廣度，提高了系統性風險。

表6 上市銀行風險傳染網絡凝聚性演變

（二）小世界特性及演變規律

“小世界現象”源于社會心理學家Stanley Milgram在20世紀60年代所做的試驗。實驗要求從奧馬哈市隨機選取300人并嘗試寄一封信給波士頓市的一位證券業務員，實驗規則是每個參與者只能轉發給一個他們認識的人。直覺告訴我們，從茫茫人海中找到一條相續認識的鏈進而把最初的寄信人跟目標業務員連接起來，應該會費盡周折。然而，實驗結果表明，完整的鏈的平均長度為6個人。這個結論亦稱為“六度分隔理論”。1998 年Watts和Strogatz將上述現象與社會網絡聯系起來并開創性地提出了小世界網絡WS模型。

小世界特性是指網絡具有較短的平均路徑長度以及較大的聚類系數，具備上述兩種特性的網絡被稱為小世界網絡。其中，較短的平均路徑和較大的聚類系數是相對于隨機網絡，即具備相同節點數、平均度和連邊數的網絡。本文計算2008—2018 年風險傳染網絡平均路徑長度和聚集系數，并通過Ucinet軟件構造相同對應規模的隨機網絡進行比較（表7）。結果顯示：風險傳染網絡的平均路徑長度小于隨機網絡平均路徑長度，且呈現總體減小的趨勢；風險傳染網絡聚集系數大于等規模隨機網絡聚類系數，且呈現總體增長的趨勢。此外，網絡的直徑均不超過5，符合“六度分隔理論”特點。這表明風險傳染網絡具有較短的平均路徑且風險傳染路徑不斷縮小，各銀行聯系日趨緊密，風險傳染變得更加迅速，系統性風險增加。隨著我國改革與開放的深入推進，金融市場主體不斷增加，產品種類日益豐富，國內商業銀行中間業務逐步興起并取得快速發展。此外，在利率市場化、金融脫媒、互聯網科技等科技發展的作用下，國內銀行之間業務往來更加密切。因此銀行之間逐步形成風險分擔、責任共擔的網絡，風險傳染網絡顯示出明顯的小世界特性。

表7 風險傳染網絡與隨機網絡對比（2008—2018年）

（三）無標度特性及演變規律

Barabási 與Albert 在對萬維網、社會網絡、電力網絡等網絡的研究中發現復雜網絡普遍存在冪律分布現象，并提出無標度網絡服從冪律分布。無標度網絡的度分布呈集散分布，即大部分的節點只有比較少的連接（度比較小），而少數的節點則具有大量的連接（度比較大）。上市銀行風險傳染網絡的無標度特性對于分析銀行系統的傳染性十分重要，無標度網絡中冪律分布特性的存在極大提高了中心節點存在的可能性。Albert等在2000年的研究表明，無標度網絡的中心節點受到風險沖擊時，整個網絡不具備穩定性并變得特別脆弱，且很容易造成風險傳染。盡管風險共擔網絡在面對單個小型銀行的風險沖擊時具有很強的穩定性，但當少數中心節點，即節點度較大的銀行受到風險沖擊時，銀行系統將會受到較大的沖擊。

直觀上認為，上市銀行風險傳染網絡中的節點，尤其是國有銀行和大型股份制銀行應該處于網絡較為核心的位置，具有較大的度，而新上市的銀行以及較小的城商行應該處于網絡較為邊緣的地區，且具有較小的度。數據證實了上述觀點，歷年風險傳染網絡中，度排名前5的銀行主要為五大國有銀行（建設銀行、農業銀行、中國銀行、工商銀行、交通銀行）以及部分大型股份制銀行。

本文對2008—2018 年上市銀行數據的度進行分布統計并做出部分年份的概率分布圖，發現中國上市銀行風險傳染網絡并不符合無標度網絡特性。在無標度網絡中，其度分布都呈現一種冪律分布，且分布函數的冪律指數一般介于2～3 之間。然而本文發現各年的冪指數均小于2且擬合效果較差。這表明風險傳染網絡中具有較大的度的節點數量相對較多。本文對2008—2018 年節點的度運用Matlab 進行擬合，發現2013 年以前上市銀行風險能夠較好地擬合泊松分布（圖2），而后期的網絡的度則集中在較高水平（圖2、圖3）。

圖2 早期度分布概率密度圖

圖3 后期度分布概率密度圖

上述結果表明我國上市銀行風險傳染網絡實際上并不像無標度網絡那樣表現出“穩健而脆弱”的特性，即同時具有面對隨機風險沖擊的魯棒性和面對蓄意風險沖擊的脆弱性，而是具有面對隨機風險沖擊的脆弱性，這使得網絡容錯能力和抗風險能力大大降低，網絡整體風險傳染性較高。同時，通過觀察上市銀行風險傳染網絡演變特征，發現早期網絡因為上市銀行少而相對簡單，而且高度的節點較少，整體網絡相對穩健。后期隨著上市銀行數量不斷增加，風險傳染網絡呈現出高度集中的趨勢，即網絡中大多數節點具有較高的度，少數節點度則較低，風險傳染網絡節點平均度逐年遞增（表8）。

一方面，樣本初期（2013 年以前）國家對國有銀行進行了大規模注資，降低了銀行的不良貸款率和不良資產率，資本充足率也得到了提升，使得多家國有銀行具備了上市資格和條件。例如2004 年，國家對建設銀行以及中國銀行一共進行了450億美元的注資。中國上市銀行整體主體屬性較好，風險較低。在風險傳染網絡中表現為“強強聯合”，即關鍵節點（具有較高的度）之間建立了緊密的聯系而與邊緣節點（具有較低的度）的聯系較少。關鍵節點在受到風險沖擊后再將風險傳染給其他節點的概率低，風險傳染實際上受到一定程度的抑制。邊緣節點在受到風險沖擊后能夠影響到的節點有限，即風險傳染范圍較小，風險傳染過程同樣受到一定的抑制，故期初中國上市銀行風險傳染網絡整體風險性較小。

表8 上市銀行風險傳染網絡特征演變（2008—2018年）

另一方面，2004 年前后五大國有銀行相繼完成股份制改革，我國逐步形成以大型商業銀行為主體，包括股份制商業銀行、城市商業銀行等在內的多層次的銀行業機構體系。但從銀行業機構數量和資產規模來看，隨著銀行數量的增加，銀行集中度不斷下降，中小銀行的市場份額占比持續提升，且逐漸在銀行體系中占據重要地位。另外，隨著互聯網等科技的發展，銀行業務發生重要變革，電子貨幣、第三方支付、P2P 平臺發展，使得銀行工作重心從傳統業務逐步轉向中間業務，銀行之間的聯系也更加緊密。在風險傳染網絡中表現為高度集中的趨勢，即網絡中大多數節點均具有較高的度且處于網絡中的核心地位，少數節點度較低，處于網絡邊緣地帶。這與無標度網絡“少數節點有較大的度，多數節點只有較小的度”的特性相反。此外，由于研究條件的限制，本文涉及的上市銀行數目相對較少，節點度的冪律函數擬合度較低，故中國上市銀行風險傳染網絡未呈現較強的無標度特性。

（四）網絡的中心性及演變規律

復雜網絡分析中，中心性是判定網絡中節點重要性的量化指標，通常使用度中心度、中介中心度、緊密中心度以及特征向量中心性度測度（Freeman，1978）。節點的中心性反映單個節點在網絡中的可達性，代表受到風險沖擊的可能性，通常利用中介中心度指標來表示某一節點在網絡中傳播風險的重要程度。某一節點在網絡中的中心性取決于它在多大程度上參與了風險的傳播，該節點一旦成為風險傳染的中間人，其在網絡中就占據了中心位置。表9列出了中介中心性排名前5位的銀行，結果表明中介中心度排名前五的銀行大多為國有銀行和大型股份制銀行，且隨著銀行業的發展，城市商業銀行以及新興的股份制銀行逐漸嶄露頭角，在風險傳染網絡中開始承擔信息傳遞的橋梁作用。而五大國有銀行則逐步去中心化，在風險傳染網絡中的“中間人”作用逐步降低。

一個節點的重要性既取決于其鄰居節點的數量（即該節點的度），也取決于其鄰居節點的重要性，用本征矢量中心度來表示節點與具有高本征矢量中心度的節點相連的程度。本文通過Ucinet軟件計算得出2008-2018年網絡中心性相關指標（表10）。

通過對各節點的本征矢量中心度進行排名可以發現，國有銀行和股份制商業銀行仍排在前面。用皮爾遜相關系數分析節點度值和特征向量中心性的相關性，結果表明節點的度與特征向量中心度有極高的正相關性。這也說明具有高度的節點實際上也是網絡的中心節點，并且這些高度的節點之間有著極為密切的聯系，風險傳染網絡整體表現出中心節點緊密連接地在一起。此外，樣本特征向量中心度表明我國上市銀行風險傳染網絡正在經歷從少數的中心節點和多數的邊緣節點的金字塔型中心節點網絡結構，演變為多數中心節點和少數邊緣節點的扁平化中心節點網絡結構。

（五）度的相關性及演變規律

表9 銀行中介中心性排名（2008—2018年）

度的相關性是指連接在一起的節點對應的皮爾遜相關系數，亦稱網絡選型相關性。度的相關性表明網絡中與較高度數（或較低度數）節點相連的節點的度數偏向于高還是低。若網絡的度相關系數為正，則說明該網絡呈現協調混合，即具有相近度的節點傾向于相互連接，節點具有同配性；如果網絡的度相關系數為負，則說明網絡呈現非協調混合，即該網絡中度相差較大的節點傾向于相互相連，節點具有異配性。

表10 網絡中心性指標

本文通過計算中國上市風險傳染網絡中相互連接節點的度的相關性，考察度數相近的節點是否趨向于相互連接。表11 給出了2008—2018 年風險傳染網絡度相關性演變規律。結果表明，中國上市銀行風險傳染網絡總體上為異配網絡，且相關性的絕對值呈上升趨勢。但在早些年份，中國上市銀行風險傳染網絡為同配網絡，這說明早年上市銀行傾向于與同規模的銀行相互連接，彼此形成較為緊密的小團體。通過觀察復雜網絡拓撲圖可以發現，該團體主要節點構成為國有銀行和大型股份制銀行，這與前文分析網絡的無標度性及中心性的結論相一致。隨著城商行和其他股份制銀行上市，中國上市銀行風險傳染網絡成長為異配網絡，且度的相關系數的絕對值不斷上升，表明異配性不斷增強。這表明具有較高度的大型國有銀行以及股份制銀行不再限于與具有較高度的銀行建立聯系，而是更多的與具有較低度的銀行建立聯系。此外，相關性絕對值以及平均點度的不斷上升也表明異配性增強，表現為高度的節點更多地與邊緣節點建立聯系，即在網絡中處于核心地位的銀行數目不斷上升且更多的與處于邊緣地帶的銀行建立聯系，銀行整體聯系更加緊密，傳統的五大國有銀行呈現出“去中心化”趨勢。

表11 風險傳染網絡指標演變（2008—2018年）

五、結論及建議

本文通過建立中國上市銀行風險傳染性評估模型以及中國上市銀行風險傳染網絡，從主體風險傳染性微觀層面和風險傳染網絡特征宏觀層面實證研究我國上市銀行風險傳染性和風險傳染網絡的特征及演變規律。實證研究結果表明，我國上市銀行風險傳染性整體呈現上升趨勢；上市銀行風險傳染網絡凝聚性不斷增強，具有顯著的小世界特性；上市銀行風險傳染網絡不具有無標度特性，節點的連接逐步呈現較強的異配性。

中國上市銀行風險傳染網絡實際上已經形成高平均點度、高聚集系數、高中心性、低平均路徑的“三高一低”風險傳染網絡特征，銀行整體聯系更加緊密，系統性風險也更高。處于風險傳染網絡核心樞紐地位的銀行從傳統五大國有銀行及大型股份制銀行逐步轉變為大型股份制銀行和城市商業銀行。銀行個體風險承擔能力更強，但整體網絡表現出面對隨機風險沖擊的脆弱性，即某一銀行發生破產將對網絡產生強烈的影響，網絡風險傳染性更高，抗風險能力降低。銀保監會和央行應該從關注傳統國有銀行的微觀審慎監管轉向上市銀行整體的宏觀審慎監管，同時關注大型城市商業銀行和股份制銀行的風險狀態，防范化解重大金融風險，避免金融風險傳染的發生和蔓延。