網絡結構下的中國銀行間債務違約傳染風險分析

摘要：基于KMV模型和PageRank算法，提出新的測算銀行間雙邊風險敞口的具體方法，并從同業債務違約視角模擬分析了銀行間傳染風險。研究表明：在每一個年份，商業銀行同業負債引發傳染風險可能性的排名都不相同，呈現出時變屬性;中國國有大型商業銀行的傳染風險權重在整個銀行體系中并不突出，說明中國國有大型商業銀行倒閉引發傳染風險的概率很低;中小商業銀行既是傳染風險的主要發起者，又是主要承受者;國有大型商業銀行幾乎不受傳染風險的影響，即使銀行體系出現大規模傳染危機也不會倒閉。此外，即使樣本中其他23家商業銀行全部倒閉，中國銀行、中國工商銀行、中國建設銀行、中國農業銀行和招商銀行的資本均不會低于監管要求，說明這幾家商業銀行能夠在傳染風險中保持較高的資本充足率水平，基本不會出現倒閉風險。

關鍵詞：商業銀行;債務違約;資本充足率;網絡結構;風險管理;傳染風險

文獻標識碼：A

文章編號：1002-2848-2020（03）-0069-11

2008年金融危機證明金融創新會增加金融體系的脆弱性程度，使得金融沖擊迅速傳導至實體經濟。這種脆弱性產生的根源在于金融創新增加了金融機構之間的關聯度和金融體系的復雜性。從這個意義來講，從網絡結構視角研究系統性金融風險成為一個主要的發展趨勢，學者們也將“大而不倒”（too?big?to?fail）的思想延伸到“關聯度太廣而不能倒”（too?connected?to?fail）和“處于中心化而不能倒”（too?central?to?fail）。為了管理系統性金融風險，巴塞爾委員會在2009年提出了“系統重要性”的監管理念，并對系統重要性金融機構提出更為嚴格的資本充足率要求。

在確定一家金融機構的系統重要性程度時，關聯度是非常重要的維度。然而，巴塞爾委員會主要依靠指標法來測算一家金融機構的系統重要性程度，并沒有有效考慮金融機構之間復雜的網絡結構。雖然在巴塞爾委員會發布的系統重要性指標體系中包括了關聯度指標，但這些指標都來自于金融機構的資產負債表，而財務報表的信息往往沒有及時更新，無法反映金融市場對商業銀行資產負債信息的真實觀點。金融機構之間的交易關聯關系是動態的，因此金融機構的系統重要性程度也應該根據金融市場的交易情況進行動態調整，更及時地反映金融市場的觀點。本文的主要貢獻在于結合資本市場數據計算每家商業銀行引發傳染風險的可能性（即下文所稱的“傳染風險權重”），并使用PageRank算法估算銀行間雙邊債務風險敞口。此雙邊債務風險敞口反映了市場對傳染風險的判斷，比單純的最大化熵的辦法更貼近實際。在此基礎上，本文模擬分析銀行間債務違約引發的傳染風險，以期為系統性風險管理提供參考。

一、相關文獻綜述

2008年金融危機爆發后，測算傳染風險成為系統性風險管理的一項重要工作。一家金融機構的系統重要性程度與其引發傳染風險的可能性密切相關。在現實的金融體系中，系統重要性金融機構往往也是大型金融機構，因此規模往往是決定一家金融機構系統重要性程度的關鍵指標之一。但金融機構規模大，并不一定代表著關聯度廣[1]。比如，一個處在監管半徑范圍內的共同基金規模可能非常大，但由于其經營方式透明，且經營策略簡單，因此共同基金與其他金融機構的關聯度不一定非常高。但如果一家金融機構規模很小，但處在金融系統的關鍵節點上（比如貝爾斯登），則這家金融機構就會因為關聯度廣而具有很強的經營外部性，因此規模小的金融機構的系統重要性也會非常高[2]。

（一）銀行間風險傳染的網絡結構原理

在研究傳染風險方面，基于網絡結構原理進行研究得到了學者的廣為使用。銀行網絡結構原理假設商業銀行通過資產業務、負債業務和表外業務等各類業務聯系在一起，既通過資產負債結構，又通過金融市場緊密關聯。在網絡結構理論中，節點表示商業銀行，有向邊表示商業銀行之間的業務關聯。在網絡結構理論中，商業銀行之間的傳染風險通過以下幾個渠道發生：第一，違約傳染渠道，其關注點主要集中于金融機構倒閉所引發的傳染風險[3-4];第二，金融機構經營陷入困境引發的傳染風險，其主要研究金融機構沒有倒閉所引發的傳染風險[5-6];第三，共同風險敞口暴露，即金融機構均暴露于同一類別的資產價格風險之下（比如2008年金融危機的房地產價格）[7-8];第四，融資渠道，即流動性風險導致金融機構相繼倒閉[9-10]。

網絡分析方法包括三個層面。第一個層面使用拓撲研究方法判斷實體之間是否存在關聯關系，對于金融機構來講，這些關系包括交易關系、所有者關系、信貸關系等。第二個層面是對這些關聯關系進行賦權。第三個層面是為節點分配自由度，來決定哪個節點能夠塑造該網絡結構。Battiston等[11-12]使用網絡分析法計算金融機構的系統重要性程度。Thurner等[13]指出，網絡分析方法能夠有效地幫助金融機構挑選交易對手，繼而降低交易對手信用風險。Kuzubas等[14]證明網絡分析法對系統重要性程度的預測表現良好。

（二）網絡分析法在傳染風險研究中的使用

金融體系存在廣泛的關聯度。一方面，關聯度越廣，風險分散越充分，系統性風險越低;另一方面，關聯度越廣，風險擴散傳染的“面”就越大。Allen等[3，15-16]較早從關聯度出發，以網絡視角研究金融業系統性風險。De?Bandt等[15]討論了在復雜的網絡結構下，商業銀行同時倒閉的傳染機制：雙邊借貸關系受損、共同的風險敞口導致商業銀行間關聯度陡升、資產拋售行為導致的反饋效應以及最后的風險傳染爆發。Allen等[3，16]也對金融體系的網絡結構進行了理論研究。理論分析表明，金融機構之間的關聯關系渠道越多，金融體系越能夠有效抵御沖擊[17-18]。這種分散化機制會將沖擊分擔至每一個金融機構，因此單個金融機構所承擔的風險很小。但2008年金融危機卻表明，一旦金融機構關聯度過高，風險的傳染性反而更強。過長的金融機構關聯度鏈條會將一個小的沖擊逐漸放大[2]。Caballero等[19-20]的實證分析表明，關聯度越高，爆發金融危機的可能性越大。

對金融網絡結構的關注使得學者設計反映金融體系網絡結構的系統性風險測度指標。Kara等[21]將基于網絡結構的測度指標分為直接指標和間接指標。直接指標關注金融機構之間的雙邊關聯度，間接指標更加側重使用金融市場數據研究金融機構之間的關聯關系。基于網絡結構的系統性風險測度方法主要包括主成分分析法、銀行間敞口暴露估算以及基于跨境關聯度數據的測算[22]。主成分分析法主要提取影響系統性風險的共同風險因子，Kritzman等[23-24]的研究較具代表性。而銀行間敞口估算更加依靠圖論進行分析[25-26]。基于跨境關聯度數據的分析往往測算風險在各個國家之間的傳染問題[27]。在整合學術研究基礎上，International?Monetary?Fund等[28-29]比較了CoVaR、共同違約概率（Joint?Probability?of?Distress，JPoD）、DY指數[30]、或有分析方法、條件違約概率等指標在測度系統性風險方面的準確性。ChanLau[25]基于關聯度的思想提出應根據關聯度指標來對系統重要性銀行施加額外資本要求。Federal?Reserve?Bank?of?Minneapolis[31]提出，要結束“大而不倒”的觀念，應根據“處于中心化而不能倒（too?central?to?fail）”的理念來設計監管措施。

對于金融機構之間傳染風險研究的難點在于缺少金融機構之間雙邊風險敞口的數據，尤其是金融機構之間交易的明細、高精度數據。學者們往往通過構建一個虛擬的銀行體系來分析金融脆弱性。Nier等[32]分析了不同銀行業結構對系統性風險的影響。Erol等[33]從銀行間市場傳染的角度研究如何對系統性金融風險進行監管。更多的學者使用模擬的方法解決數據缺失的問題。Gai等[34-35]開發了金融網絡的傳染模型，發現復雜性和集中度是導致沖擊放大和脆弱性增加的主要原因。Krause等[36]考慮了多個商業銀行的特征，對金融網絡的刻畫更加真實，認為銀行間信貸是銀行倒閉的主要傳導機制。Elliott等[37-38]研究相互獨立金融機構之間的倒閉傳染問題，以及網絡結構對金融體系穩定的影響。數據的缺乏也給監管當局帶來了巨大的挑戰，因此比利時中央銀行、奧地利中央銀行、英格蘭銀行也紛紛采用模擬的辦法進行實證分析[39-41]。

中國學者對從網絡結構視角研究銀行間傳染風險也非常關注。李宗怡等[42]模擬分析2003年底我國17家商業銀行之間的傳染風險，結論表明我國銀行業爆發傳染風險的概率很低。馬君潞等[43]模擬130家商業銀行的雙邊風險敞口，研究表明中國銀行和中國建設銀行具有較高的風險傳染性，傳染風險一旦爆發，城市商業銀行會大量倒閉。隨著2008年金融危機爆發，更多的學者從系統重要性視角分析商業銀行引發傳染風險的概率。王占浩等[44]研究表明，我國國有四大行具有一定的風險傳染性，中國工商銀行倒閉會引發大規模的傳染風險。隋聰等[45-46]從3種網絡結構和4種情景出發，對銀行間債務網絡進行模擬實驗，研究銀行間借貸比率、資本充足率等銀行特征變量對傳染風險的影響，發現銀行間網絡連接傾向具有異質性。吳念魯等[47]研究了中國銀行同業之間的流動性風險的傳染問題，發現中國銀行、中國工商銀行、興業銀行和中國農業銀行是中心節點，違約倒閉后果嚴重。總體而言，隨著中國銀行業的快速擴張以及系統重要性程度增加，傳染風險較高，一旦爆發，后果嚴重。

從網絡結構研究傳染風險的前提條件是有效估計銀行雙邊風險敞口。從交易對手信用風險來看，債權人對債務人存在風險敞口，一旦債務人違約，風險就會波及債權人。從我國銀行業特征來看，存款保險制度使得99%以上的儲戶存款得到國家政府的保證，因此傳染風險來源主要是銀行間的債權債務關系。但是銀行間債權債務關系的披露信息非常稀少，使得學者們需要使用一些理想的假設條件來估算每家商業銀行的同業債務風險敞口，而在估算過程中所使用的數據為商業銀行同業資產負債數據，主要來自于商業銀行資產負債表。

研究銀行間傳染風險的難點在于無法公開獲取銀行間的雙邊風險敞口。雖然學者們使用了各種方法對其進行估算，但大多數學者的研究僅僅依賴于資產負債表的數據，并沒有反映資本市場對傳染風險的預期。隨著中國大型商業銀行相繼上市，以及地方性城市商業銀行也大批上市，運用資本市場數據研究銀行間市場的傳染風險，繼而估算銀行間雙邊風險敞口比單純對敞口的分布特征進行理想化的假設更具有客觀性。既然是研究銀行間市場的傳染風險，不可避免地需要商業銀行倒閉概率的數據。本文的貢獻在于基于資本市場的時間序列數據測算每家商業銀行的隱含倒閉概率的時間序列以及一旦倒閉后所導致的隱含違約損失率，即在學者們對違約損失率假設的基礎上，通過資本市場數據測算違約損失率，結果更具有客觀性。在得到上述參數基礎上，為了研究傳染風險的方向性，本文將上述倒閉概率的時間序列數據納入格蘭杰因果檢驗的分析框架中，研究每家商業銀行受其他商業銀行影響的顯著性水平，提取代表顯著性水平的P值，作為初始矩陣代入Page等[48]提出的PageRank算法中，繼而估算雙邊風險敞口。在此基礎上，本文模擬分析商業銀行在銀行間市場違約后所導致的傳染風險后果，以期為中國銀行業系統性風險管理提供參考。

二、商業銀行引發傳染風險的權重測度

商業銀行傳染風險來自銀行間雙邊債務風險敞口。然而，各個商業銀行之間的雙邊債務風險敞口的精細化數據可得性較差，據筆者掌握的信息來源，沒有公開可得的數據。每家上市商業銀行的財務報告僅僅公開存放同業和其他金融機構存放款項以及拆入資金總額等會計科目。為了測算商業銀行之間的傳染風險，大多數學者均使用最大化熵假設來估計銀行間的雙邊風險敞口。最大化熵方法假設商業銀行盡可能將風險敞口平均分配至銀行體系的其他商業銀行。然而在實踐中，由于不同商業銀行在銀行體系所處的地位不同，銀行間市場往往呈現出“中心—四周”結構，因此商業銀行并不會將風險敞口盡可能平均分配。因此，如何根據總體同業負債數據估算銀行間雙邊風險敞口是研究傳染風險的核心和難點。

雙邊風險敞口與傳染風險大小密切相關。商業銀行B對商業銀行A產生傳染風險的可能性越大，商業銀行A對商業銀行B的風險敞口就越大，即B在A的總的同業風險敞口中占比越高。因此，如果能夠估計每家商業銀行在銀行體系中的風險傳染權重，將每家商業銀行的風險權重乘以某一商業銀行的同業負債總額，就可以得到該家商業銀行對每家商業銀行的傳染風險敞口。在傳染風險權重測度中，權重越高，商業銀行倒閉所引發的傳染風險的可能性就越高。

（一）測度方法

本文使用Page等[48]提出的PageRank算法計算傳染風險權重。PageRank算法需要構造鄰接矩陣，A所在位置確定是行位置，B的位置確定是列位置。假設由A指向（影響）B，即如果A對B有傳染風險，那么矩陣的第一行第二列是1。

PageRank算法需要得到每家商業銀行的傳染風險方向，但基于傳統相關性的視角測度傳染風險無法得到傳染的方向。為了得到每家商業銀行的傳染風險方向，參考International?Monetary?Fund等[49-50]的方法，本文首先使用基于或有分析方法（contingent?claim?analysis）的代表性模型KMV，使用股票市場數據，測度單家商業銀行隱含的倒閉概率的時間序列數據作為表示商業銀行經營風險的指標[49-52]，具體計算公式為

其中，ET為銀行股票市值;

AT為銀行資產市場價值;

DB為債務違約點;

r為無風險利率，本文使用隔夜Shibor作為代表;

N（）為標準正態分布累積函數;

σA為資產市場價值的標準差;

T表示時間，本文設置為1年。假設銀行資產市場價格服從對數正態分布，銀行在T時間內違約概率（PD）和違約損失率（LGD）為

在測度所有樣本內商業銀行的違約概率時間序列基礎上，本文將這些時間序列數據納入向量自回歸分析框架，并運用格蘭杰因果檢驗方法研究每家商業銀行的風險對其他商業銀行風險的影響。在運用格蘭杰因果檢驗的方法中，本文對PageRank算法中的鄰接矩陣的輸入進行了調整。在格蘭杰因果檢驗中，P值的水平說明影響的顯著性，因此本文使用1減去P值所得到的數值代表一家商業銀行對另一家商業銀行影響的顯著程度，并將該值代入鄰接矩陣中。在矩陣中該值越高，檢驗結果越顯著，影響就越大。由于商業銀行對自身不存在傳染風險，因此本文將鄰接矩陣的對角元素設置為0。在得到格蘭杰因果檢驗P值基礎上，本文通過使用PageRank算法得到每家商業銀行在整個銀行業中的傳染風險權重，即引發傳染風險可能性的大小。

（二）引發傳染風險權重測度的實證結果

由于KMV模型使用的前提條件是必須有股票交易數據，因此本文的樣本為中國上市商業銀行。綜合考慮數據可得性情況，本文的樣本期間為2007年7月1日—2018年12月31日，樣本商業銀行包括5家國有大型商業銀行（中國農業銀行、中國工商銀行、中國建設銀行、中國銀行、交通銀行）、8家股份制商業銀行（光大銀行、華夏銀行、民生銀行、平安銀行、浦發銀行、興業銀行、招商銀行、中信銀行）以及15家城市商業銀行（北京銀行、南京銀行、寧波銀行、常熟銀行、江陰銀行、貴陽銀行、杭州銀行、上海銀行、江蘇銀行、無錫銀行、蘇農銀行、張家港銀行、鄭州銀行、長沙銀行、成都銀行）。

根據KMV模型求得的每家上市商業銀行倒閉風險的時間序列如圖1所示。可以看出，在不同年份每家商業銀行的風險走勢并不完全相同，因此各年份整體銀行業的傳染風險特征也并不一致，所以本文在每一個年度都進行一次向量自回歸分析，2007年下半年與2008年的樣本數據放在一起進行向量自回歸。如果在某一年份樣本中的商業銀行沒有上市，則去掉該樣本。

注：B1為中國農業銀行、B2為中國工商銀行、B3為中國建設銀行、B4為中國銀行、B5為交通銀行、B6為光大銀行、B7為華夏銀行、B8為民生銀行、B9為招商銀行、B10為浦發銀行、B11為興業銀行、B12為平安銀行、B13為中信銀行、B14為北京銀行、B15為南京銀行、B16為寧波銀行、B17為常熟銀行、B18為江陰銀行、B19為貴陽銀行、B20為杭州銀行、B21為上海銀行、B22為江蘇銀行、B23為無錫銀行、B24為蘇農銀行、B25為張家港銀行、B26為鄭州銀行、B27為長沙銀行、B28為成都銀行。

各年度各個商業銀行傳染風險權重排序見表1。可以看出，商業銀行在各年度的傳染風險權重排名并不一致，且變化較大。在全球金融危機肆虐的2007—2009年，我國國有大型商業銀行的傳染風險權重并不是最高。2007—2008年南京銀行排名第一，且一些大型股份制商業銀行的排名高于國有大型商業銀行。2009年華夏銀行排名第一，而2007—2008年排名第二的中國銀行排名下降幅度非常大。到2010年，國有大型商業銀行傳染風險權重排名整體呈現了上升態勢，除中國工商銀行外，中國建設銀行、交通銀行、中國農業銀行、中國銀行排名均處在前列。而2011—2014年整體上國有大型商業銀行的傳染風險權重排名處在前列。2015—2016年國有大型商業銀行傳染風險權重的排名整體略有下降。2017—2018年，隨著大量的中小區域性城市商業銀行上市，國有大型商業銀行的傳染風險權重也呈現下降態勢，中小商業銀行的傳染風險不可忽視。總體而言，我國國有大型商業銀行的傳染風險權重在整個銀行體系中并不突出，這說明我國國有大型商業銀行倒閉引發傳染風險的概率很小。這一方面是因為國有大型商業銀行本身倒閉的概率較小，另一方面也是因為資本市場已經預判到，一旦國有大型商業銀行出現困境，國家會進行救助，因此不會引發大規模的銀行業危機[53]。

三、同業債務違約傳染風險模擬分析——以2018年為例

由于2018年上市商業銀行個數最多，因此本文認為模擬其他年份的傳染風險意義不大，因此主要模擬2018年商業銀行同業債務違約導致的傳染風險。

本文將銀行間同業債務定義為商業銀行同業和其他金融機構存放款項與拆入資金之和。在表1計算傳染風險權重基礎上，對于每家商業銀行，本文分別對除該家商業銀行之外的其他商業銀行的傳染風險權重進行標準化，并將重新得到的風險權重乘以商業銀行的同業負債，進而求得每家商業銀行對該家商業銀行的雙邊風險敞口。根據式（4）違約損失率的測算結果，本文發現違約損失率結果都是100%，說明一旦商業銀行出現債務違約，債權人會出現100%損失。假設這些損失會直接導致資本充足率的降低，一旦資本降低至零，則商業銀行倒閉。此時，根據第三部分的格蘭杰因果檢驗結果，選擇倒閉的這家商業銀行能夠在10%水平上顯著影響的商業銀行并假設這些商業銀行倒閉，假設這些商業銀行的債權全部損失，進而引發新一輪的傳染風險。如果此輪并沒有導致新的商業銀行傳染風險，則傳染終止。這時，假設按照表1中2018年的風險權重順序，下一家沒有倒閉的商業銀行倒閉，引發新一輪傳染風險。

2018年商業銀行傳染風險模擬如圖2所示，箭頭方向表示傳染的方向。如果格蘭杰因果檢驗顯著性水平較高（即P值小于0.1），則將鄰近矩陣中對應的點設置為1，否則為0。可以看出，中國商業銀行體系中，中小銀行受到傳染風險的沖擊比較大，而國有大型商業銀行受到傳染風險的影響比較小。此外，國有大型商業銀行也并非是傳染發起的主要節點，許多中小商業銀行，比如寧波銀行、鄭州銀行、江蘇銀行卻是主要的傳染風險發起點。

為了考慮監管要求，本文首先將每家商業銀行風險加權資產乘以8%，得到監管資本要求。一旦債務違約導致的損失使得商業銀行資本低于監管要求，監管當局就要介入，以便控制風險。本部分所有的商業銀行財務數據均來自Wind數據庫。

傳染風險的模擬結果見表2，輪次按照表1的傳染風險權重進行排序。根據2018年的傳染風險權重，首先假定江陰銀行率先倒閉，并開始引發傳染風險。但由于江陰銀行規模較小，且同業負債交易量比較小，因此江陰銀行倒閉并沒有導致其他商業銀行倒閉，也沒有導致其他商業銀行資本充足率顯著降低。第二輪是光大銀行倒閉，光大銀行倒閉直接導致常熟銀行、無錫銀行、蘇農銀行和張家港銀行的倒閉，并導致成都銀行、貴陽銀行、鄭州銀行、長沙銀行資本充足率低于監管要求。常熟銀行、無錫銀行、蘇農銀行和張家港銀行的倒閉并沒有引致其他銀行的倒閉，因此本文繼續模擬第三輪的傳染風險，按順序假設民生銀行倒閉，這直接導致成都銀行、貴陽銀行、鄭州銀行、長沙銀行等上一輪資本充足率低于監管要求的商業銀行倒閉，同時導致杭州銀行、南京銀行、寧波銀行和江蘇銀行資本充足率低于監管要求。隨后按照順序，寧波銀行倒閉，之后中信銀行倒閉引發杭州銀行和南京銀行倒閉，并引發華夏銀行、平安銀行、上海銀行、北京銀行的資本充足率低于監管要求。隨著傳染風險的逐漸加劇，單家銀行倒閉所引發其他銀行倒閉的個數越來越少。到第十輪，中國銀行倒閉，導致招商銀行資本充足率低于監管要求。模擬到第九輪發現，即使其他23家商業銀行全部倒閉，中國銀行、中國工商銀行、中國建設銀行、中國農業銀行和招商銀行的資本充足率均不會低于監管要求，說明這幾家商業銀行能夠在傳染風險中保持較高的資本充足率水平，基本不會出現倒閉風險。

對于中國銀行業來講，國家聲譽資本的隱性注入使得政府對商業銀行債務承擔了隱性擔保的職能。雖然2015年5月國家推出了存款保險制度，但銀行間債務并不在存款保險的范疇之內。不論是區域性中小商業銀行，還是全國性大型商業銀行，從某種意義來講，地方政府和中央政府均有聲譽資本注入。從表2的模擬結果可以看出，一旦傳染風險爆發，區域性中小商業銀行會首先開始倒閉。在傳染風險引發的初始階段，大型商業銀行會引發一系列中小商業銀行倒閉。而這些中小商業銀行都是區域性的主要商業銀行，因此可以預見，當傳染風險剛剛開始發生時，地方政府勢必會介入，避免傳染風險擴散，就像近期出現的包商銀行被接管案例一樣。同時從表2可以看出，我國國有大型商業銀行傳染風險的輪次均排在最后，且沒有引發其他商業銀行倒閉，這從某種意義來講體現了政府隱性擔保的力量。金融市場認為我國中央政府隱性擔保將國有大型商業銀行倒閉風險降至最低，且能夠及時切斷傳染風險擴散。結合本文的模擬分析，中國銀行業爆發傳染風險的可能性并不大，只要政府隱性擔保職能得到履行，在前兩輪的傳染風險中，風險應該會得到有效控制。

四、結論及政策建議

對傳染風險的研究受困于數據的限制無法得到銀行間雙邊債務風險敞口。雖然學者對同業債務風險敞口分布做了一些合理的假設，但往往距離實際較遠，且過度依賴資產負債表導致測算的結果沒有考慮資本市場的信息。本文基于KMV模型和PageRank算法，提出了新的測算銀行間債務雙邊風險敞口的具體方法，并從同業債務違約視角模擬分析了銀行間傳染風險。整體結論表明，在每一個年份，商業銀行引發傳染風險可能性的排名都不相同，傳染風險排名呈現出時變屬性;我國國有大型商業銀行的傳染風險權重在整個銀行體系中并不突出，說明我國國有大型商業銀行倒閉引發傳染風險的概率較低;中小商業銀行既是傳染風險的主要發起者，又是主要承受者;國有大型商業銀行幾乎不受傳染風險的影響，即使銀行體系出現大規模傳染危機，也不會倒閉。

基于以上研究，本文提出如下政策建議：第一，在系統重要性評估中重視傳染風險。系統重要性不應僅僅依賴規模因素，關聯度導致的負外部性應該在系統重要性評估中占有重要權重。規模大的商業銀行傳染風險未必高，因此在系統重要性評估中應增加傳染風險的權重。第二，重視中小商業銀行的傳染風險。中小商業銀行既能夠引發傳染風險，又在傳染風險面前表現得非常脆弱，因此增加中小商業銀行抵御系統性金融風險的能力，增加中小商業銀行的穩健經營程度非常重要。第三，宏觀審慎監管并不能僅僅針對大型商業銀行。雖然國有大型商業銀行倒閉影響確實非常大，我國金融體系承受不起，但恰恰是因為市場已經預期到這一點，所以國有大型商業銀行倒閉引發傳染風險的概率極低。宏觀審慎監管應該更加關注股份制商業銀行以及中小商業銀行導致的傳染風險，保證這些銀行具有一定的損失吸收能力，進而維護銀行體系的穩定。

參考文獻：

[1]?Rajan?R?G.?Too?systemic?to?fail：?Consequences，?causes?and?potential?remedies[R].?The?8th?BIS?Annual?Conference，?2009.

[2]?Yun?T，?Jeong?D，?Park?S.?“Too?central?to?fail”?systemic?risk?measure?using?PageRank?algorithm[J].?Journal?of?Economic?Behavior?&?Organization，?2019，?162（6）：?251-272.

[3]?Allen?F，?Gale?D.?Financial?contagion[J].?Journal?of?Political?Economy，?2000，?108（1）：?1-33.

[4]?Glasserman?P，?Young?H?P.?How?likely?is?contagion?in?financial?networks？[J].?Journal?of?Banking?&?Finance，?2015，?50（1）：?383-399.

[5]?Tasca?P，?Battiston?S.?Market?procyclicality?and?systemic?risk[R].?ETH?Risk?Center?Working?Paper，?2012.

[6]?Bardoscia?M，?Battiston?S，?Caccioli?F.?Pathways?towards?instability?in?financial?networks[J].?Nature?Communications，?2017，?8：?17.

[7]?Allen?F，?Babus?A，?Carletti?E.?Asset?commonality，?debt?maturity?and?systemic?risk[J].?Journal?of?Financial?Economics，?2012，?104（3）：?519-534.

[8]?Caccioli?F，?Shrestha?M，?Moore?C，?et?al.?Stability?analysis?of?financial?contagion?due?to?overlapping?portfolios[J].?Journal?of?Banking?&?Finance，?2014，?46（9）：?233-245.

[9]?Lee?S?H.?Systemic?liquidity?shortages?and?interbank?network?structures[J].?Journal?of?Financial?Stability，?2013，?9（1）：?1-12.

[10]Acharya?V?V，?Merrouche?O.?Precautionary?hoarding?of?liquidity?and?interbank?markets：?Evidence?from?the?subprime?crisis[R].?NBER?Working?Paper，?2010.

[11]Battiston?S，?Puliga?M，?Kaushik?R.?DebtRank：?Too?central?to?fail？?Financial?networks，?the?FED?and?systemic?risk[R].?Scientific?Reports，?2012.

[12]Soramki?K，?Cook?S.?SinkRank：?An?algorithm?for?identifying?systemically?important?banks?in?payment?systems[J].Economics，?2013，?7（28）：?1-27.

[13]Thurner?S，?Poledna?S.?DebtRanktransparency：?Controlling?systemic?risk?in?financial?networks[R].?Scientific?Reports，?2013.

[14]Kuzubas?T?U，?mercikolu?I，?Saltolu?B.?Network?centrality?measures?and?systemic?risk：?An?application?to?the?Turkish?financial?crisis[J].?Physica?A：?Statistical?Mechanics?and?its?Applications，?2014，?405（1）：?203-215.

[15]De?Bandt?O，?Hartmann?P.?Systemic?risk：?A?survey[R].?European?Central?Bank?Working?Paper，?No.?35，?2000.

[16]Freixas?X，?Rochet?P?J?C.?Systemic?risk，?interbank?relations，?and?liquidity?provision?by?the?central?bank[J].?Journal?of?Money，?Credit?and?Banking，?2000，?32（3）：?611-638.

[17]Brunnermeier?M?K，?Pedersen?L?H.?Market?liquidity?and?funding?liquidity[J].?Review?of?Financial?Studies，?2009，?22（6）：?2201-2238.

[18]Geanakoplos?J.?The?leverage?cycle[J].?NBER?Macroeconomics?Annual，?2010，?24（1）：?1-66.

[19]Caballero?J.?Banking?crises?and?financial?integration：?Insights?from?networks?science[J].?Journal?of?International?Financial?Markets，?Institutions?and?Money，?2015，?34（1）：?127-146.

[20]Minoiu?C，?Kang?C，?Subrahmanian?V?S.?Does?financial?connectedness?predict?crises？[R].?IMF?Working?Paper，?No.?267，?2013.

[21]Kara?G?I，?Tian?M?H，?Yellen?M.?Taxonomy?of?studies?on?interconnectedness[R].?Board?of?Governors?of?the?Federal?Reserve?System?FEDS?Notes，?2015.

[22]Bisias?D，?Flood?M，?Lo?A?W.?A?survey?of?systemic?risk?analytics[R].?Office?of?Financial?Research?Working?Paper，?No.?1，?2012.

[23]Kritzman?M，?Li?Y，?Page?S，?et?al.?Principal?components?as?a?measure?of?systemic?risk[R].?MIT?Sloan?School?Working?Paper，?No.?4785-10，?2010.

[24]Billio?M，?Getmansky?M，?Lo?A?W，?et?al.?Econometric?measures?of?connectedness?and?systemic?risk?in?the?finance?and?insurance?sectors[J].?Journal?of?Financial?Economics，?2012，?104（3）：?535-559.

[25]ChanLau?J?A.?Regulatory?capital?charges?for?tooconnectedtofail?institutions：?A?practical?proposal[R].?International?Monetary?Fund?Working?Paper，?No.?98，?2010.

[26]International?Monetary?Fund.?Global?financial?stability?report：?Responding?to?the?financial?crisis?and?measuring?systemic?risk[R].?World?Economic?and?Financial?Surveys，?2009.

[27]Fender?I，?McGuire?P.?Bank?structure，?funding?risk?and?the?transmission?of?shocks?across?countries：?Concepts?and?measurement[R].?Bank?for?International?Settlements?Quarterly?Review，?2010：?63-79.

[28]International?Monetary?Fund.?Global?financial?stability?report：?Grappling?with?crisis?legacies[R].?World?Economic?and?Financial?Surveys，?2011.

[29]Arregui?M?N，?Norat?M?M，?Pancorbo?A，?et?al.?Addressing?interconnectedness：?Concepts?and?prudential?tools[R].?International?Monetary?Fund?Working?Paper，?No.?199，?2013.

[30]Diebold?F?X，?Yilmaz?K.?On?the?network?topology?of?variance?decompositions：?Measuring?the?connectedness?of?financial?firms[J].?Journal?of?Econometrics，?2014，?182（1）：?119-134.

[31]Federal?Reserve?Bank?of?Minneapolis.?The?Minneapolis?plan?to?end?too?big?to?fail[R].?Federal?Reserve?Bank?of?Minneapolis?Working?Paper，?2016.

[32]Nier?E，?Yang?J，?Yorulmazer?T.?Network?models?and?financial?stability[J].?Journal?of?Economic?Dynamics?and?Control，?2007，?31（6）：?2033-2060.

[33]Erol?S，?Ordoez?G.?Network?reactions?to?banking?regulations[J].?Journal?of?Monetary?Economics，?2017，?89（8）：?51-67.

[34]Gai?P，?Kapadia?S.?Contagion?in?financial?networks[J].?Mathematical，?Physical?and?Engineering?Sciences，?2010，?466：?2401-2423.

[35]Gai?P，?Haldane?A，?Kapadia?S.?Complexity，?concentration?and?contagion[J].?Journal?of?Monetary?Economics，?2011，?58（5）：?453-470.

[36]Krause?A，?Giansante?S.?Interbank?lending?and?the?spread?of?bank?failures：?A?network?model?of?systemic?risk[J].?Journal?of?Economic?Behavior?&?Organization，?2012，?83（3）：?583-608.

[37]Elliott?M，?Golub?B，?Jackson?M?O.?Financial?networks?and?contagion[J].?American?Economic?Review，?2014，?104（10）：?3115-3153.

[38]Acemoglu?D，?Ozdaglar?A，?TahbazSalehi?A.?Systemic?risk?and?stability?in?financial?networks[J].?American?Economic?Review，?2015，?105（2）：?564-608.

[39]Degryse?H，?Nguyen?G.?Interbank?exposure：?An?empirical?examination?of?systemic?risk?in?the?Belgian?banking?system[R].?National?Bank?of?Belgium?Working?Paper，?No.?43，?2004.

[40]Boss?M，?Breuer?T，?Elsinger?H，?et?al.?Systemic?risk?monitor：?Risk?assessment?and?stress?testing?for?the?Austrian?banking?system[R].?National?Bank?of?Austria?Financial?Stability?Report，?2006.

[41]Alessandri?P，?Gai?P，?Kapadia?S，?et?al.?Towards?a?framework?for?quantifying?systemic?stability[J].?International?Journal?of?Central?Banking，?2009，?5（3）：?47-81.

[42]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.

[43]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，?2007（1）：?68-78.

[44]王占浩，?郭菊娥，?薛勇.?資產負債表關聯、價格關聯與銀行間風險傳染[J].?管理工程學報，?2016（2）：?202-209.

[45]隋聰，?于潔晶，?宗計川.?銀行間債務違約誘發資產減價出售——基于債務與資產關聯的風險疊加傳染研究[J].?系統工程理論與實踐，?2017（11）：?2753-2764.

[46]隋聰，?王憲峰，?王宗堯.?銀行間網絡連接傾向異質性與風險傳染[J].?國際金融研究，?2017（7）：?44-53.

[47]吳念魯，?徐麗麗，?苗海賓.?我國銀行同業之間流動性風險傳染研究——基于復雜網絡理論分析視角[J].?國際金融研究，?2017（7）：?34-43.

[48]Page?L，?Brin?S，?Motwani?R，?et?al.?The?PageRank?citation?ranking：?Bringing?order?to?the?web[R].?Technical?Report，?Stanford?University，?1998.

[49]International?Monetary?Fund.?Monetary?policy?and?financial?stability[R].?IMF?Staff?Discussion?Note，?2015.

[50]Cecchetti?S?G，?ManciniGriffoli?T，?Narita?M.?Does?prolonged?monetary?policy?easing?increase?financial?vulnerability？[R].?IMF?Working?Paper，?No.?65，?2017.

[51]Anginer?D，?DemirgucKunt?A，?Huizinga?H，?et?al.?Corporate?governance?of?banks?and?financial?stability[J].?Journal?of?Financial?Economics，?2018，?130（2）：?327-346.

[52]Elsinger?H，?Lehar?A，?Summer?M.?Using?market?information?for?banking?system?risk?assessment[J].?International?Journal?of?Central?Banking，?2006，?2（1）：?137-165.

[53]陳忠陽，?劉志洋.?國有大型商業銀行系統性風險貢獻度真的高嗎——來自中國上市商業銀行股票收益率的證據[J].?財貿經濟，?2013（9）：?57-66.

責任編輯、校對：?高原

The?Risk?Analysis?of?Chinese?Interbank?Debt?Default?Contagion?Under?Network?Structure

—A?Twodimensional?Data?Perspective?of?Interbank?Debt?and?Financial?Market

LIU?Zhiyang

（School?of?Economics?and?Management，?Northeast?Normal?University，?Changchun?130117，?China）

Abstract：?Research?on?contagion?risk?is?hampered?by?the?limitations?of?data?to?obtain?exposure?to?bilateral?interbank?debt.?Although?scholars?make?some?reasonable?assumptions?about?the?risk?exposure?distribution?of?interbank?debt，?it?is?often?far?from?the?reality，?and?excessive?reliance?on?the?balance?sheet?will?lead?to?calculation?results?without?considering?the?information?of?capital?market.?Based?on?the?research?framework?of?scholars，?this?paper?proposes?a?new?specific?method?to?calculate?the?bilateral?risk?exposure?of?banks?based?on?the?KMV?model?and?PageRank?algorithm，?simulates?and?analyzes?the?risk?of?interbank?contagion?from?the?perspective?of?interbank?debt?default.?The?overall?conclusion?shows?that?for?each?year，?the?ranking?of?the?possibility?of?contagion?risk?caused?by?commercial?bank?liabilities?is?different，?showing?timevarying?property.?The?weight?of?contagion?risk?of?large?stateowned?commercial?banks?is?not?very?prominent?in?the?whole?banking?system，?which?indicates?that?the?probability?of?contagion?risk?caused?by?the?failure?of?large?stateowned?commercial?banks?is?very?low.?Small?and?mediumsized?commercial?banks?are?not?only?the?initiators?but?also?the?main?acceptor?of?contagion?risk.?Large?stateowned?commercial?banks?are?almost?immune?from?contagion?risk?and?would?not?fail?even?if?there?were?a?largescale?contagion?crisis?in?the?banking?system.?Moreover，?this?paper?found?that?even?if?all?the?commercial?banks，?the?bank?of?China，?industrial?and?commercial?bank?of?China，?China?construction?bank，?agricultural?bank?of?China?and?China?merchants?bank?were?not?lower?than?the?regulatory?capital?requirements，?this?shows?that?these?commercial?banks?still?maintain?a?higher?level?of?capital?adequacy?ratio?in?the?contagion?risk，?basically，?it?will?have?not?failure?risk.

Keywords：?Commercial?bank;?Debt?default;?Capital?adequacy?ratios;?Network?structure;?Risk?management;?Risk?of?contagion

收稿日期：2019-12-28

基金項目：教育部人文社會科學研究青年基金項目“貨幣政策與宏觀審慎監管協同機制及有效性檢驗”（19YJC790088）。

作者簡介：劉志洋，男，東北師范大學經濟與管理學院副教授，經濟學博士，研究方向：金融風險管理與金融監管，電子郵箱：liuzy100@nenu.edu.cn。