宏觀調控下商業銀行風險傳染研究
——基于銀行間同業市場視角

吳成頌 陸雨晴 馬 闖

安徽大學,安徽 合肥 230601

引言

近年來，銀行同業業務在金融傳媒及資本約束增強等諸多因素影響下，以較強流動性轉移功能為我國銀行間市場帶來“空前繁榮”。據東方財富網站統計，2018年我國銀行業金融機構同業拆借累計成交達139.3萬億元，同比增長76%。同業業務大幅擴張使銀行間市場不再僅是金融機構調劑短期頭寸市場，而成為資產擴張的重要資金來源。通過銀行間市場中的相互借貸，資金流動性較弱的銀行可避免流動性風險；資金有效分配使融出資金方也可獲得收益。銀行間市場在為銀行間業務往來提供便利的同時，存在一定風險隱患，可能波及金融業穩定性。研究顯示：第一，同業業務間存在嚴重期限錯配，即商業銀行通過短期滾動資金滿足企業長期資金需求，從而導致期限錯配，增加銀行流動性風險；第二，銀行間市場上，部分非標準化債權資產將投向房地產、地方政府融資平臺等領域，銀行機構在承擔資金使用方信用風險的同時，也面臨同業風險敞口危機。同業風險敞口擴大使金融機構關聯更為密切，部分同業業務經多層包裝，結構復雜，最終形成利益交錯、風險共擔的經濟網絡。其中某一環節出現問題，極易引發交叉性風險傳染。

盡管目前中國銀行間市場尚未出現金融體系危機，但鑒于發達國家金融危機教訓，2013年6月國內爆發的“錢荒”事件及銀行間市場的網絡結構可能帶來的聯動效應，金融危機潛在風險不容小覷。隨著我國利率市場化改革逐步完善、銀行體系市場化及對外開放程度加深等，我國銀行體系完全融入全球化金融大潮的趨勢不可逆轉，因此面臨更加復雜多變的外界因素影響。

本文利用資產負債表數據，借助模擬法，深入分析銀行同業業務風險傳染的基本特征及不同因素對風險傳染效應的影響，為監管部門建立同業業務風險防范機制，及時化解中國銀行間市場面臨的潛在風險提供參考。

一、文獻綜述

Moussa等研究表明，銀行網絡具備典型復雜網絡結構特征，且銀行風險傳染與其網絡拓撲結構密切相關[1-2]。因此，基于復雜網絡視角分析銀行間市場的風險傳染具有合理性。縱觀現有研究，復雜網絡的銀行間風險傳染研究大致集中在以下兩方面。一是關于銀行間風險傳染渠道、特征及效應研究。其中，間接傳染渠道包括儲戶擠兌[3]和長期資產價格下降[4]等；直接傳染渠道包括同業貸款渠道[5]和支付系統渠道等[6]。Iyer等基于印度銀行間市場風險傳染特征的實證研究，發現銀行資產負債表間的信用關聯在一定程度上影響銀行風險傳染；此外，在適當水平下，銀行間市場往來交易等會加重銀行系統面臨的危機[7]。李宗怡等運用矩陣法模擬分析銀行風險傳染特征，得出結論：銀行體系內風險傳染概率較小，在考慮金融安全網作用的前提下，風險傳染發生概率極可能為零[8]。Furfine研究發現，盡管某一銀行倒閉引發銀行多輪倒閉可能性較低，但大銀行引起流動性風險傳染可能性往往大于倒閉風險傳染可能性[9]。Iori等通過對比研究同質與異質銀行違約率，發現銀行異質性增強和同業規模擴大會加劇銀行間風險傳染效應[10]。周再清等基于信息熵最優化矩陣方法，測試我國銀行間市場風險傳染，結果顯示，中小股份制銀行相對于國有控股銀行更易受到系統性風險傳染[11]。Georg研究發現，銀行間的關聯程度和風險傳染水平間為非線性關系，銀行間無關聯時，銀行因無法及時獲得短期現金可能面臨倒閉危機；此時，適度增加銀行間連接有利于風險分散。但當銀行間關聯超過一定限度時，風險傳染可能導致更大范圍銀行倒閉[12]。

二是復雜網絡結構與銀行間風險傳染關系研究。Jackson認為，運用復雜網絡技術能夠擬合真實世界網絡，進而記錄金融系統沖擊在不同主體間的傳染過程[13]。Boss研究發現，澳大利亞銀行間資產、負債和網絡連接分布均表現出雙冪律特征，銀行網絡連接在度較小時的冪律系數為0.61557，較大時的冪律系數為2.01；其中，銀行網絡聚集系數較低對應的大銀行間連接較少[14]。Wang等研究發現網絡面臨隨機性沖擊時較穩定，而對高度連接節點攻擊表現出脆弱性[15]。Schnabel發現資產價格與銀行所持資產組合間存在負反饋效應，即銀行與價格變動不相關的資產在危機中會變得高度相關，基于此構建標準化資產折價模型[16]。張英奎等利用計算機模擬規則網絡、隨機網絡、小世界網絡和無標度網絡下銀行系統模型，結果表明銀行網絡連接集中度對銀行系統風險傳染有較大影響[17]。萬陽松研究發現，當銀行網絡規模較小時，網絡規模擴大會使更多銀行主體面臨潛在沖擊，銀行間風險暴露可能導致更多銀行破產，當銀行網絡規模較大時，網絡規模擴大可分散銀行間風險暴露，從而降低風險傳染效應[18]。隋聰等建立度量銀行間違約傳染及銀行系統性風險的研究框架，發現集中度與破產銀行數呈正向關系，當基礎違約銀行數量較少時，網絡集中度越高，因傳染倒閉的銀行總資產越少，且規模較大銀行更有可能引發風險傳染[19]。

綜上所述，學者利用銀行同業拆借市場研究銀行系統性風險的傳導機制，但上述方法僅考慮商業銀行間交易行為，忽略了央行作用。中央銀行一方面為商業銀行提供金融服務，另一方面通過吸收存款準備金和扮演最后貸款人角色影響商業銀行資金流動性。其中，吸收一定比例的存款準備金可保證銀行清償能力，防止商業銀行在面臨儲戶擠兌時缺乏流動資金，在保護儲戶安全的同時避免銀行破產，進而減少銀行系統性風險發生的可能性；而作為最后貸款人，目的是對流動性不足的商業銀行給予資金幫助，保護銀行免于破產，防止系統性風險發生。在金融危機爆發期間，無任何抵押的銀行同業市場借貸利率急劇增長，說明銀行機構對資金的迫切需求及銀行間市場資金供給量大幅減少，即呈現極不平衡的供需關系。Lenza研究認為定量和定性寬松政策能夠降低貨幣市場利率[20]，與Allen等和Freixas等觀點一致，認為中央銀行干預能夠提高銀行同業拆借市場有效性，從而減少銀行間流動性風險[21-22]。

根據央行職能、學者觀點及金融危機后央行干預結果可見，將中央銀行納入銀行同業拆借市場考慮銀行系統性風險具有一定意義。因此，本文將央行行為納入銀行同業拆借市場網絡模型，研究央行行為對銀行系統性風險的影響。

二、模型構建

（一）違約模型描述

考慮到我國金融資產90%以上由銀行業持有，潛在金融系統性風險主要與銀行業有關[23]；不同金融機構間資產負債業務差異會限制隨機模擬法。因此，模擬分析選取的金融機構僅包括同業市場中的銀行業機構。

假設銀行間市場內有N家銀行，每家銀行資產負債表相似，資產項由流動資產（包括同業資產和其他流動性資產）和長期資產組成，負債項由流動負債（包括同業負債和其他流動性負債）和長期負債組成，根據“資產=負債＋所有者權益”會計平衡公式，簡化后銀行資產負債表如表1所示。

表1 簡化的銀行i資產負債表

盡管簡易資產負債表不如真實銀行資產負債表中分類細致，但所涉項目均與本文分析直接相關。忽略一些更細致的項目可使分析更方便直觀，不影響分析結果。

根據Boss對銀行間同業市場的研究[14]，信用借貸的同業資產和負債規模服從冪律分布，即P（l）∽c＇·l-γ＇，其中 c＇是冪律系數，γ＇為冪律指數。假定銀行間的同業資產和負債的頭寸{lij}服從冪律分布，且設定同業資產和負債的頭寸矩陣為X。

lij表示銀行i對銀行j的銀行間負債量，lji表示銀行i對銀行j的銀行間資產量，在確定銀行系統中每對由信用連接的銀行間的信用資產負債規模后，可知銀行同業資產IAi，和同業負債ILi，分別為通過模擬可獲得銀行同業業務數據。

（二）銀行破產及傳染機制

對某一銀行而言，假設其存在資產Ai、負債Li，根據會計平衡公式Ei=Ai-Li，當所有者權益Ei＜0時，銀行破產，隨即發生違約。

假設t時刻某銀行A破產，如圖1所示。在下一時刻（t+1）會有三個銀行（BCD）受到影響，以銀行B為例。銀行B受到牽連造成影響可分為兩方面：

圖1 無央行示意圖

（1）如銀行A向銀行B拆借（同業資產）：由于銀行A破產，無法償還債務lAB，導致銀行B資產縮減：

IAB（t+1）=IAB（t）-lAB

因此：EB（t+1）=EB（t）-lAB。如EB（t+1）＜0，則銀行B破產。

（2）如銀行B向銀行A拆借（同業負債）：由于銀行A破產，破產后的A銀行向B銀行追回債務，B銀行會動用所持資產償還。首先，B銀行使用同業資產外的其他流動資產OCAB償還債務，若IAA＜OCAB，債務能夠清償，則B銀行將風險全部吸收，不會出現流動性不足問題。當IAA≥OCAB時，B銀行將被迫將長期資產LTAB變現償還。

根據Schnabel等研究[16]，長期資產LTA的價格按折價因子P（x）逐漸降低，且P（x）滿足公式：P（x）=e-ax。其中，x表示市場中長期資產售賣比例，a衡量市場對銀行出售長期資產的敏感性。

銀行B出現流動性困難時，變現長期資產得到的流動性資產為IAA-OCAB。通過計算（IAA-OCAB）=得到的x即需變賣的長期資產LTAA比例。如變現所得足以償還債務（IAA-OCAB），且變賣資產帶來的損失LTAB-小于B銀行的資本金EB時，B銀行正常營業，反之B銀行會破產。

損失為ΔLTAB，因此：EB（t+1）=EB（t）-ΔLTAB。如果EB（t+1）＜0，則銀行B破產。

在宏觀調控下，中央銀行通過存款準備金的吸收和最后貸款人角色影響商業銀行間同業市場的流動性，致使商業銀行間同業市場體系的網絡結構因銀行資產配置和相應市場調整而改變，見圖2。

圖2 有央行示意圖

央行通過吸收各銀行一定比例資金，調控整個銀行系統。假設每個銀行i拿出αOCAi資金存放在央行，央行初始資產為當某一銀行受到沖擊時，央行可拿出βαOCAi救助，銀行i的流動資產變為OCAi+βαOCAi，如銀行i破產，將導致央行資產減少（1+β）αOCAi，如圖2。此時，銀行破產行為與無央行介入情況類似，只是在有央行宏觀調控下，銀行將會增加隱形資產，進而增強抵御風險能力。

三、實驗模擬

鑒于上述模型復雜性及真實數據不可獲得性，以及我國目前只有海南發展銀行一家銀行倒閉，未曾出現倒閉潮現象。因此，通過模擬技術獲得銀行系統的大量數據分析。

（一）銀行間網絡模擬

參考相關研究中無標度網絡構建思路，構建銀行間同業市場網絡①可證明，網絡節點的度走服從冪律分布，且與連接數無關，P（k）～c·k-γ，其中，，并通過模擬網絡節點數、平均度及冪律指數變化，分析銀行間網絡風險傳染特征及效應。其中，網絡節點數代表銀行數量；平均度指網絡中與該節點相連接的其他節點數目，平均度大的為中心節點，一般表明銀行規模較大；冪律指數指網絡中新增節點（銀行）與平均度（連接數）較大銀行的連接偏好程度。冪律指數越小，新增節點越傾向于與規模較大的銀行相連接，銀行網絡越密集。

根據Clauset等提出的冪律分布估計方法，對于冪律分布的檢驗，樣本數量達到100屬于大樣本，冪律分布較穩定[24]。因此，在模擬銀行系統中設定銀行數量為100。

（二）央行在銀行體系中作用驗證

以初始破產銀行比例衡量風險強度以最終破產銀行比例衡量風險傳染規模。基于此，運用matlab模擬節點數為50，平均度為6，并考慮存在央行調控時，取α=β=0.5，銀行間風險傳染規模隨風險程度的變化情況。實驗結果如圖3所示，在無央行介入情況下，隨著風險增加，開始時銀行破產規模穩步增加，但當風險達到ε0，銀行破產規模急劇上升，ε0即無央行模型的破產閾值。同樣，當存在央行宏觀調控時，也存在爆發閾值ε1。對比無央行和有央行情況發現：

（1）引入央行調控會提高銀行破產爆發閾值。由于央行宏觀調控，商業銀行在存款準備金及最后貸款人制度下獲得救助，相當于銀行資產有所增加，從而增強抵御風險能力。因此，央行宏觀調控會提高銀行系統性風險的爆發閾值。

圖3 傳染規模隨風險強度變化

（2）當風險強度大于有央行宏觀調控情況下的爆發閾值時，有央行宏觀調控情況下的破產規模將會大于無央行情況。在央行宏觀調控下，風險達到ε1，銀行將會大規模倒閉，導致央行資產急劇縮減為0（如圖4所示）。當央行無可用資金時，各銀行i的資產將會直接損失αOCAi，加快銀行破產速度。

圖4 央行資金隨風險強度變化

當風險強度為ε1時，有無央行宏觀調控情況下，商業銀行在各時點的破產情況如圖5所示。開始時，央行通過存款準備金及最后貸款人制度等宏觀政策工具調節，商業銀行破產規模小于無央行時。但在第7時刻，存在央行宏觀調控的情況下，破產銀行數量急劇增加，感染范圍遠大于無央行情況。因在第6時刻時，央行資金為0（如圖6所示）。于是，剩余銀行資產瞬間縮水，導致大規模的銀行破產。

圖5 初始風險20%時有無央行各時間感染情況

（三）央行宏觀調控與銀行風險傳染

首先考慮各銀行上繳央行資金變化對銀行傳染行為的影響。具體而言，運用matlab生成100個節點、β=0.5、平均度為20的BA網絡，所有結果經100次模擬平均。平均后無法直觀發現銀行破產行為爆發現象，因此記有央行和無央行情況下，傳染規模轉折點作為有央行情況下的爆發閾值，此閾值即剩余資金為0的情況。因多次平均，每次央行資金到達0的風險強度不一致，將會導致很大誤差，可通過在央行資產隨風險強度變化的曲線下降最快處做切線，以此大致估算真正閾值，如圖7和圖8。

圖6 央行資金隨時間變化

圖7 傳染規模隨風險強度變化

圖8 央行資產隨風險強度變化

存款準備金增加將會提高爆發閾值。在風險強度較小時，存入央行的資金越多，最終破產規模越小；風險較大時存入央行的資金越多，最終破產規模越大。究其緣由，在風險強度初期，即低于爆發閾值時，存入央行的準備金越多，βαOCAi將會越多，從而緩解商業銀行破產；而當風險強度高于爆發閾值，意味著央行資產將為0，難以應對大面積破產。

最后，考慮最后貸款人制度下，央行補貼資金變化對銀行風險傳染行為的影響。采用matlab模擬生成100個節點的BA網絡，其中平均度為20，α=0.5，所有結果經100次模擬平均模擬結果如圖9所示。

圖9 央行補助影響

當β=0時等價于無央行情況。從β=0，β=0.5，β=1時的傳染規模隨風險強度變化，可見隨β增加爆發閾值逐漸增加；而從β=1，β=1.5，β=2可見隨β增加爆發閾值逐漸減小。當β較小時，β越高央行補助越多，能夠推遲破產爆發；當β較大時，每家銀行破產均會導致央行資產大幅減少，因此β越高央行資產越快為0，加速破產爆發。因此，對銀行系統而言，央行補助不宜過高也不宜過低。

（四）銀行間主體行為與銀行風險傳染

銀行主體行為對系統性風險具有重要作用，拆借對象選擇比例、同業拆借資金平均度均是銀行拆借過程中的主體行為，可能改變原有拆借關系，進而影響系統性風險。在銀行同業拆借過程中，缺乏流動資金銀行會隨機選擇一定比例的潛在債權銀行，并觀察這些銀行的拆借利率，選擇利率低的銀行完成拆借。改變比例一定程度上會影響拆借銀行選擇，影響整個銀行同業拆借過程，從而影響銀行系統性風險。考慮銀行同業拆借對象選擇比例，即銀行間拆借平均連接度變化對銀行傳染行為的影響。運用matlab生成100個節點的BA網絡，其中α=β=0.5，所有結果經500次模擬平均，結果如圖10所示，其中k為銀行平均連接度。由圖10可知，當風險較小時，平均度越大破產規模越小；當風險較大時，平均度越大破產規模越大。因風險較小時，網絡較緊密，一個銀行損失的同業資產只是其中很少一部分，降低了其他銀行破產可能性。當風險較大時，各銀行連接緊密，會造成更大規模連鎖反應，產生更大規模的破產行為。

圖10 平均度影響

分析銀行之間同業參數γ（冪律分布參數）變化，即同業拆借資金均勻程度對銀行傳染行為的影響。從圖11可知，當風險較小時，γ越大破產規模越小；當風險較大時，γ越大破產規模越大。而γ越小說明銀行主要把資金拆借于少數幾家銀行上，越大說明將資金越均勻地分布于拆借銀行。當風險較小時，γ越小即銀行拆借資金越不平均，重要銀行破產導致更多銀行面臨破產危機，可能誘發銀行系統性風險；當風險較大時，γ越大，意味著銀行拆借資金較均勻地分布于其他銀行，此時，一些尚未受影響、規模較大的銀行會憑借規模優勢抑制破產銀行數增加，進而降低銀行系統性風險爆發的可能性。

圖11 同業資產分布影響

四、結論與建議

由2007年美國次貸危機引發的全球性金融危機使系統性風險溢出效應受到普遍關注，反映出系統性風險監管的重要性及其弊端。目前我國正不斷深化金融改革、擴大金融對外開放、國有銀行與外資銀行之間聯系日益緊密，增加了銀行系統性風險發生可能性。1998年海南發展銀行倒閉充分說明我國銀行也存在金融風險。因此，研究銀行系統性風險，特別是在當前金融系統復雜形勢下尤為重要。

目前，研究銀行同業拆借市場間系統性風險的傳導機制文獻較多，但僅考慮商業銀行間交易行為，未充分考慮央行作用。因此，本文建立較為詳細的銀行間同業市場違約傳染及銀行系統性風險研究框架，研究商業銀行系統性風險在銀行同業拆借市場網絡模型中的傳導機制，有助于了解銀行間相互業務關系和交易行為；在深入分析央行在銀行系統中作用的基礎上，將央行宏觀調控行為納入銀行間市場研究我國銀行系統性風險傳導機制。

通過matlab多角度模擬銀行間同業市場違約傳染，得出以下結論：

（1）在有無央行宏觀調控下，銀行間同業拆借市場個別銀行面臨破產危機時，銀行風險傳染情況明顯存在差異；其中，央行存款準備金制度和最后貸款人角色均會影響銀行風險傳染，風險強度較小時，商業銀行存入央行的存款準備金越多，最終破產規模越小；風險較大時存入央行的資金越多，最終破產規模越大。與之類似，央行運用最后貸款人制度的救助行為也存在適度值，不能過高也不能過低。監管部門應健全央行存款準備金與最后貸款人制度，制定科學合理標準防范銀行間同業拆借可能帶來的銀行系統性風險。

（2）銀行主體行為在一定程度上對銀行風險傳染產生重要影響。在央行宏觀調控下，銀行間同業拆借網絡越均勻，越有利于抑制銀行破產規模擴大，緩解商業銀行系統性風險的爆發；此外，各銀行拆借資金對象應分主次，不能平均存放資金。深入了解中國現有銀行同業拆借情況，合理優化相應拆借機制；建立全方位風險監控體系加強風險控制，使銀行在保證自身不破產情況下收益最大化。