考慮網絡結構的影子銀行與銀行系統穩定性研究
2023-04-29 00:44:03潘弘杰范宏
復雜系統與復雜性科學 2023年1期
潘弘杰 范宏
摘要：為探討網絡結構與影子銀行對銀行系統性風險的影響，基于復雜網絡和演變的資產負債表模型，引入影子銀行，構建考慮不同銀行間網絡結構的動態銀行間網絡系統模型。研究結果表明，影子銀行是風險傳染的主要載體，帶有影子銀行的銀行系統性風險較高且其與銀行間網絡結構密切相關；相對集中的無標度和小世界網絡更容易傳播風險，分散的隨機網絡可以緩解風險傳染，但過強的外部沖擊會使緩解作用失效。
關鍵詞：影子銀行； 銀行間網絡結構； 風險傳染； 系統穩定性
中圖分類號： F830文獻標識碼： A
收稿日期：2021-09-06；修回日期：2021-12-10
基金項目：國家自然科學基金（71971054）；上海市自然科學基金（19ZR1402100）
第一作者：潘弘杰（1992-），女，黑龍江牡丹江人，博士研究生，主要研究方向為復雜經濟系統建模與分析。
通信作者：范宏（1971-），女，上海人，博士，教授，主要研究方向為復雜網絡與復雜系統、金融網絡系統風險分析。
Research on Shadow Banking and Banking System Stability Considering the Network Structure
PAN Hongjie， FAN Hong
（Glorious Sun School of Business and Management， Donghua University， Shanghai 200051， China）
Abstract：In order to explore the effect of network structure and shadow banking on systematic risks， this paper introduces shadow banking and constructs a dynamic interbank network system model considering different interbank network structures based on the complex network and evolving balance sheet model. The results show that shadow banks are the main carriers of risk contagion， and the banking system with shadow banking has high systematic risk and the systemic risk is closely related to the interbank network structure; relatively concentrated scale-free and small-world networks are more likely to spread risks. Scattered random networks can mitigate risk contagion， but too strong external shocks will make the mitigation ineffective.
Key words： shadow banking; interbank network structure; risk contagion; system stability
0 引言
金融安全是國家安全的重心，銀行系統作為金融體系的核心對維護金融安全，深化金融改革具有關鍵作用[1]。銀行通過銀行間市場進行業務活動產生借貸、支付及結算等復雜關系，這些復雜關系使銀行形成利益共同體，維護系統的穩定。但當銀行受到沖擊時，產生的風險也將通過這些復雜關系轉移并影響系統穩定[2]。可見銀行系統屬于典型的復雜系統，基于復雜網絡理論構建銀行間網絡系統模型在直觀反映系統特征的同時，可以通過影響銀行間連接度使銀行經營活動發生變化進而影響系統波動[3]。因此，對銀行復雜系統進行有效建模并探究影響其穩定性的原因對解決現實復雜問題具有重要導向作用[4]。
銀行間網絡作為流動性交換載體和風險傳播途徑，從其結構出發分析銀行系統的穩定性一直備受關注。Allen等[5]研究了銀行間網絡中的風險傳染，發現完全網絡結構能更好地抵御沖擊，實現風險分擔。Li等[6]分析了共同資產對銀行系統穩定性的影響指出，共同資產關聯形成的銀行間網絡具有多重網絡屬性，可以促進系統穩定。Linardi等[7]發現銀行間網絡是核心-外圍的穩定結構。Liu等[8]研究了沖擊在網絡中的傳播，發現銀行間網絡是基于行為偏好的內生網絡結構。毛昌梅等[9]基于波動溢出效應分析指出：網絡結構對銀行系統穩定性有顯著影響，節點差異和連接緊密度是主要影響因素。Oet等[10]分析了美國銀行系統，發現美國銀行間市場并不是核心-外圍結構，而是更穩定的多層網絡結構。王鵬等[11]發現中國銀行間網絡中存在高關聯度節點，符合小世界網絡結構。以上研究為本文提供了有益參考和理論支撐，但這些研究未考慮網絡結構在風險產生和傳播上的差異及對系統穩定性的影響程度。因此，本文基于不同銀行間網絡結構構建銀行系統模型，分析系統的波動變化。此外，以往銀行系統的動態演化主要體現在銀行網絡的變化上，銀行節點并不變化。為貼近銀行系統實況，本文設置銀行節點和銀行間網絡都是隨時間動態演化的。
除銀行間網絡傳染誘發的系統性風險外，影子銀行也是引發金融危機并沖擊銀行系統穩定的關鍵。國際金融穩定理事會（FSB）[12]認為，影子銀行是通過可能導致系統性風險和監管套利的證券化和擔保融資行為將資金從儲戶轉移到投資者的非銀行信用中介活動和機構，雖然有與傳統銀行類似的信貸及期限轉換功能，但本質是脆弱的。Irani等[13]研究了危機前后影子銀行的表現，發現規避監管的影子銀行在資本收緊政策下更容易帶來流動性沖擊，增加系統性風險。Fong等[14]認為影子銀行導致的溢出風險不受國界限制。高蓓等[15]通過理論建模指出，影子銀行導致的寬松性貸款條件增加了風險傳染的可能，強烈沖擊銀行系統。但Wu等[16]卻發現涉及影子銀行業務的商業銀行通過增加資金持有量抵御了風險，維護了系統穩健。張冰潔等[17]研究了影子銀行對風險的傳導效應，指出傳遞渠道會明顯影響影子銀行風險傳播的程度。Moreirah等[18]通過宏觀模型發現了影子銀行的雙重作用，其在擴大系統流動性供給的同時也增加了系統脆弱性。從現有研究可知，以往對影子銀行的分析主要從宏觀定性角度和剝離系統的單一部門角度展開，忽略了影子銀行與銀行系統的真實關聯，低估了影子銀行的風險水平。因此，本文建立影子銀行與商業銀行的信用聯系并將影子銀行納入銀行復雜網絡，定量分析影子銀行對銀行系統穩定性的影響。
本文構建了基于不同網絡結構的帶有影子銀行的動態銀行間網絡系統模型，比較了不同銀行間網絡結構下的系統穩定性，考察了影子銀行影響下不同銀行間網絡結構中風險的演變。本文的主要貢獻在于首次定量研究了不同銀行間網絡結構下影子銀行對銀行系統穩定性的影響。與定性和單一研究相比，充分考慮了銀行間網絡結構的多樣性，復雜的銀行間關系，演變的資產負債表及影子銀行與銀行系統間的相互影響，為模擬銀行網絡系統的動態運行和演化提出了一種有效的建模方法。
1 考慮網絡結構的帶有影子銀行的動態銀行間網絡系統模型
借鑒Pan等[19]的研究，本文構建了帶有影子銀行的動態銀行間網絡系統模型。在銀行間網絡中，節點表示銀行，整個系統共有T個節點，C個傳統商業銀行節點，S個影子銀行節點，即T=C+S。為了避免銀行數量變動對銀行系統穩定性的影響，本文構建的銀行系統中的銀行數量保持恒定。
1.1 構建不同網絡結構的銀行間拆借網絡
本文采用隨機網絡、小世界網絡和無標度網絡結構建立帶有影子銀行的銀行間拆借網絡。通過銀行間聯系及不同網絡形成規則建立銀行間連接，再結合資產負債表的演化及中央銀行的援助清算，形成考慮網絡結構的帶有影子銀行的銀行網絡動態演化模型。參考商業銀行的經營范疇和影子銀行的獨立性和不透明性特征[20]，系統中銀行間聯系只建立在商業銀行之間和商業銀行與影子銀行之間，影子銀行之間不建立聯系，網絡構建遵循網絡形成規則。網絡中任意兩個節點以概率q（0
小世界網絡是在規則網絡的基礎上加入一定隨機性的網絡，具有高聚集系數和較小平均路徑的特征。本文參考文獻[22]的工作，提出基于小世界網絡的帶有影子銀行的銀行間拆借網絡。網絡中的T個節點形成每個節點具有M個最近相鄰節點的一維銀行間網絡結構。之后在每個時刻t，以概率p重新隨機連接每條邊的一個端點，要保證沒有自環和重復連接，也要確保影子銀行之間不會產生連接。
1.2 銀行動態演化的資產負債表
探究系統中風險的傳染情況一般是通過分析基于銀行間信用拆借形成的資產負債表實現的。圖1b顯示了銀行資產負債表的組成（流動性L，投資I和所有者權益E組成負債）。本文采用相對簡易的資產負債表，除去繁雜的組成部分可以更清晰直觀地分析實驗結果。系統中每家銀行（包括影子銀行和商業銀行）的資產和負債在任何時刻都是動態變化的，當前時刻的期初狀態取決于上一時刻的期末狀態。初始的銀行資產負債表描述為
銀行i在完成上述活動后，仍有流動性盈余，即Li（t）≥0，則繼續進行經營和拆借活動；若缺乏流動性，即Li（t）<0，則需通過銀行間拆借借入資金支付存款利息、償還債務并滿足經營活動需求，否則銀行i將會變為違約銀行進入t時刻的違約銀行集合D中，并等待稍后的違約援助與清算。
1.3 違約援助與清算
參照George[24]的研究，為貼近真實銀行體系，本文將中央銀行加入帶有影子銀行的銀行系統中（見圖1c），通過對違約銀行的援助與清算保護銀行系統的穩定。鑒于傳統商業銀行與影子銀行的主要區別在于影子銀行活動不受中央銀行和相關機構的監管[14]，因此，只有違約銀行為傳統商業銀行時才能得到中央銀行的援助。中央銀行在t時刻對違約傳統商業銀行i做出援助：
當傳統商業銀行i的流動性小于所需繳納法定存款準備金時，即Ri（t）＞Li（t），中央銀行對其施行援助，援助額為Ri（t）-Li（t） 。受援助的傳統商業銀行i的流動性和債務均更新為0，即Bi（t）=0，Li（t）=0，并進入下一時刻的系統運行中。反之，傳統商業銀行i自行繳納法定存款準備金并演化到下一時刻。另外，中央銀行也會清算t時刻的違約影子銀行i，讓其按比例償還債務[25]，清算償還計算為
1.4 銀行間網絡的動態演化流程
銀行間網絡的動態演化流程用以描述銀行系統如何從一種狀態演化為另一種狀態：
步驟1 選擇并確認構建銀行間拆借網絡。根據需要建立隨機網絡、小世界網絡或無標度網絡，并分別對相應網絡的參數及變量進行初始值設定。
步驟2 更新系統內銀行流動性，進行股息分配和再投資。根據式（2）更新銀行i的流動性。若銀行i的流動性充足，即Li（t）≥0，它將根據式（3），（4）和式（5），（6）進行股息分配Di（t）和再投資Ii（t）。若銀行i缺乏流動性，即Li（t）<0，則其將會在銀行間拆借網絡中進行銀行間信貸活動。
步驟3 系統中銀行間信貸拆借活動。完成股息分配Di（t）和再投資Ii（t）后，銀行i的流動性更新為Li（t）=Li（t）-Di（t）-Ii（t）。若銀行i更新后的流動性充足，則銀行i為債權銀行，可將流動性借給缺乏流動性的銀行。反之，銀行i為債務銀行，需借入流動性償還貸款并支付利息。確定銀行屬性后開始銀行間同業拆借活動。若債務銀行i可以從債權銀行處借入足夠資金償還貸款和利息，即Li（t）-（1+rb）Bi（t-1）≥0（rb為拆借利率），則它繼續留在系統中運行；若債務銀行i無法借入充足資金償還貸款和利息，即Li（t）-（1+rb）Bi（t-1）<0，則它進入違約銀行集合D，等待援助與清算。
步驟4 中央銀行施行援助與清算。若t時刻的違約銀行i為傳統商業銀行，中央銀行根據式（7）對其援助，受援助的傳統商業銀行脫離出違約銀行集合D，重新進入銀行系統。若t時刻的違約銀行i為影子銀行，中央銀行根據式（8）對其清算，清算后的影子銀行留在違約銀行集合D中。
2 數值模擬與分析
2.1 模擬參數設置
參考Iori等[21]，Watte等[22]、Barabiasi等[23]與Pan等[19]的研究及銀行年報，設置銀行間網絡及節點的相關參數（見表1）。模擬時間步設為100，此時銀行網絡的演化特性已得到充分體現。為避免參數變動影響實驗結果，采用蒙特卡洛法進行穩健性檢驗，發現結果穩定，參數設置合理。
系統性風險可以直觀反應銀行系統的穩定性情況。t時刻的系統性風險由銀行網絡內部狀態和參數共同確定。參考Jiang等[26]的研究，本文對[t+1，t+W]時間區間內系統中的平均違約銀行數量進行歸一化處理，來表示銀行網絡的系統性風險水平，系統性風險值SR（t）的計算公式為
其中，未來時間間隔W內平均違約銀行比例可表示某一時刻的系統性風險，本文設置W=10。Oe為模擬實驗的實驗次數，Yij為第i次實驗中j時刻的違約銀行數量，Zij為第i次實驗中j時刻的存活銀行數量。
2.2 結果分析
首先，本文研究了帶有影子銀行的銀行系統在不同銀行間網絡結構下的銀行存活率及系統性風險變化。圖1顯示，運行初期帶有影子銀行的銀行系統在3種網絡結構下都相對穩定，但隨著系統的運行，3種網絡結構的銀行存活率和系統性風險均發生了變化。隨機網絡的銀行存活率較高，系統性風險較低，系統相對穩定（見圖1a）。無標度網絡的銀行存活率在40步后“跳崖式”下降，系統性風險在銀行存活率驟降前達到頂點，系統穩定性受到沖擊（見圖1b）。小世界網絡在20步左右系統性風險達到峰值，30步左右銀行存活率到“斷崖點”，系統穩定性被破壞（見圖1c）。這說明，銀行系統穩定性受到的沖擊與銀行間網絡的風險傳染相關。影子銀行給銀行系統帶來的風險不受網絡結構的影響，但不同銀行間網絡結構下影子銀行對銀行系統穩定性的影響是存在差異的，不同的銀行間網絡結構是延緩還是加速了影子銀行帶來的風險傳染還需要進一步探究。
為了確認網絡結構對帶有影子銀行的銀行系統風險傳染及穩定性的影響，本文對比了帶有影子銀行的銀行系統與傳統商業銀行系統在3種網絡結構下的系統性風險變化。如圖2所示，影子銀行的加入會明顯提升系統性風險水平。比較圖2a、圖2b和圖2c發現，銀行間網絡結構對傳統商業銀行系統的系統性風險影響較小，但引入影子銀行時，系統性風險明顯受到銀行間網絡結構的影響。小世界網絡的系統性風險最高，風險爆發時間最早，峰值接近0.8。其次是無標度網絡，系統性風險呈累積爆發態勢。而隨機網絡的系統性風險提升幅度較小，最高值不超0.2，未發生風險爆發現象。以上結果確認了影子銀行對銀行系統造成的風險沖擊，有監管套利特征的影子銀行從銀行系統拆借資金投向高收益行業的同時也將高風險帶回到銀行系統中。銀行間網絡結構確實會影響影子銀行對銀行系統穩定性的沖擊作用，相對集中的小世界網絡和無標度網絡的風險傳染速度更快，涉及范圍更廣。而相對分散的隨機網絡有更好的消化和對抗風險的能力，降低了風險爆發的可能，維護了系統的穩定。
銀行系統不單受經營活動（內部因素）的沖擊，不確定的外部因素沖擊（如銀行資產的瞬間損失），也會使銀行系統穩定性遭到破壞。為了探討不同網絡結構下帶有影子銀行的銀行系統對風險沖擊的抵御能力，結合銀行系統的內部因素及3種銀行間網絡結構的系統性風險演化，在介于平穩與系統性風險開始變化的臨界點第20步給銀行系統資產損失沖擊，分析不同銀行間網絡結構下兩種銀行系統遭受不同資產損失沖擊時系統性風險的變化。圖3、圖4和圖5分別給出了遭受10%，30%和50%的資產損失沖擊時，3種銀行間網絡結構下兩種銀行系統的系統性風險演化結果。對于傳統商業銀行系統來說，隨資產損失沖擊的加大，系統性風險均有提升，不過整體水平較低，系統相對穩定。但對帶有影子銀行的銀行系統而言，增加資產損失沖擊對不同銀行間網絡結構下的銀行系統會產生強烈的沖擊。無標度網絡和小世界網絡下的銀行系統受資產損失沖擊的影響顯著。隨資產損失沖擊
從10%提升到50%，兩個網絡的短期風險增大，峰值提升，風險爆發時間提前。而隨機網絡則表現出延遲效應，當受到10%和30%的資產損失沖擊時，系統性風險沒有馬上提升，風險爆發時間推遲，部分風險被抵御吸收。但當資產損失沖擊到50%時，隨機網絡失去抵御能力，系統性風險驟升并爆發。以上結果表明，影子銀行會加速資產損失沖擊帶來的風險傳染，使風險在系統內迅速蔓延，導致系統穩定性遭到破壞。因此監管機構要加強規范影子銀行行為，強化對影子銀行的限制和管理。此外，銀行間網絡結構對影子銀行產生的風險傳染具有顯著影響。資產損失沖擊導致的風險傳染在相對集中的無標度網絡和小世界網絡中迅速發生，而相對分散的隨機網絡則緩解了風險的集中發生，降低了系統性風險。但需注意的是，銀行間網絡對銀行系統的保護是有限的，過強的外部沖擊將沖破銀行網絡的保護致使銀行系統崩潰。因此，制定合理的相關政策對風險進行有效控制對維護銀行系統穩定性具有重要意義。
3 結論
有效維護銀行系統穩定對預防金融危機具有重要意義。本文基于復雜網絡理論，以演化的資產負債表為基礎，將影子銀行納入銀行系統中，采用隨機網絡、無標度網絡和小世界網絡構建帶有影子銀行的動態銀行間網絡系統模型，探討影子銀行對銀行系統穩定性的沖擊，分析不同網絡結構對風險傳染的影響及面對資產損失沖擊時不同網絡結構的差異性。通過數值模擬實驗，得出結論：
影子銀行確實會對銀行系統穩定性造成影響，是風險傳染的主要載體。受影子銀行特性影響，帶有影子銀行的銀行系統的系統性風險偏高，遭受沖擊后的銀行系統更難保持穩定狀態。
與傳統商業銀行系統相比，銀行間網絡結構對帶有影子銀行的銀行系統的影響更為顯著。三種銀行間網絡結構下，風險的傳播能力與網絡的密集程度相關，相對集中的無標度網絡和小世界網絡更容易造成風險傳染，相對分散的隨機網絡則可以更好地抵御消化風險。
面對資產損失沖擊時，相較于無標度網絡和小世界網絡，隨機網絡可以延緩風險的發生，降低風險爆發的可能。但過強的沖擊則會突破銀行網絡的抵御，使銀行間網絡失效，造成銀行系統崩潰。
本文為定量研究影子銀行與動態銀行間網絡系統提供了方案，豐富了與銀行系統穩定性相關的研究。然而真實的銀行系統是更為復雜的，數值模擬實驗只能反映銀行系統在特定特征下的運行結果。因此，未來可以考慮銀行系統的更多特性完善本文模型并利用真實數據進行實證研究。
參考文獻：
[1]MA J L， ZHU S S， WU Y. Joint effects of the liability network and portfolio overlapping on systemic financial risk： contagion and rescue[J]. Quantitative Finance， 2020（8）： 1-18.
[2]ZHANG J， HE L， AN Y. Measuring banks liquidity risk： an option-pricing approach [J]. Journal of Banking and Finance， 2020（111）： 105703.
[3]TEMIZSOY A， IORI G， MONTES-ROJAS G. Network centrality and funding rates in the e-MID interbank market [J]. Journal of Financial Stability， 2017（33）： 346-365.
[4]盛昭瀚，于景元. 復雜系統管理：一個具有中國特色的管理學新領域[J]. 管理世界，2021，37（6）：36-50，2.
SHENG S H， YU J Y. Complex systems management： an emerging management science with Chinese characteristics [J]. Journal of Management World， 2021， 37（6）：36-50，2.
[5]ALLEN F， GALE D. Financial contagion [J]. Journal of Political Economy， 2000， 108（1）：1-33.
[6]LI B， LIU X， WANG C. The topology of indirect correlation networks formed by common assets [J]. Physica A： Statistical Mechanics and Its Applications， 2019（528）： 121496.
[7]LINARDI F， DIKS C， VANDER L M， et al. Dynamic interbank network analysis using latent space models [J]. Journal of Economic Dynamics and Control， 2020（112）： 103792.
[8]LIU A， PADDRIK M， YANG S Y， et al. Interbank contagion： an agent-based model approach to endogenously formed networks [J]. Journal of Banking and Finance， 2020（112）： 105191.
[9]毛昌梅，韓景倜，劉舉勝. 基于復雜網絡的銀行波動溢出效應研究[J]. 復雜系統與復雜性科學，2020，17（2）：11-21.
MAO Cm， HAN J T， LIU J S. Volatility spillover effect of chinese listed commercial banks-based on complex network [J]. Complex Systems and Complexity Science， 2020， 17（2）：11-21.
[10] OET M V， ONG S J. From organization to activity in the US collateralized interbank market [J]. Research in International Business and Finance， 2019（50）： 472-485.
[11] 王鵬，王小軍，邵思遠. 小世界銀行網絡，非線性效應和尾部風險：隨機動態視角[J]. 南開經濟研究， 2020， 215（5）：208-227.
WANG P， WANG X J， SHAN S Y. Small world network of banks， nonlinear effects and tail risk： a stochastic dynamics perspective [J]. Nankai Economic Studies， 2020， 215（5）：208-227.
[12] FINANCIAL STABILITY BOARD. Global shadow banking monitoring report [R]. Switzerland： Financial Stability Board， 2015.
[13] IRANI R M， IYER R， MEISENZAHL R R， et al. The rise of shadow banking： evidence from capital regulation [J]. The Review of Financial Studies， 2021， 34（5）： 2181-2235.
[14] FONG T P W， SZE A K W， HO E H C. Assessing cross-border interconnectedness between shadow banking systems[J]. Journal of International Money and Finance， 2021（110）： 102278.
[15] 高蓓， 陳曉東， 李成. 銀行產權異質性，影子銀行與貨幣政策有效性[J]. 經濟研究， 2020， 55（631）：55-71.
GAO B， CHEN X D， LI C. Banking property rights heterogeneity， shadow banking and the effectiveness of monetary policy [J].Economic Research Journal， 2020， 55（631）：55-71.
[16] WU M W， SHEN C H. Effects of shadow banking on bank risks from the view of capital adequacy [J]. International Review of Economics and Finance， 2019（63）： 176-197.
[17] 張冰潔，汪壽陽，魏云捷，等.我國影子銀行的風險傳導渠道及監管對策研究[J].系統工程理論與實踐，2021，41（1）：15-23.
ZHANG B J， WANG S Y， WEI Y J， et al. Research on risk transmission channels and supervision policy of shadow banks in China[J]. Systems Engineering—Theory and Practice， 2021，41（1）：15-23.
[18] MOREIRA A， SAVOV A. The macroeconomics of shadow banking [J]. The Journal of Finance， 2017， 72（6）： 2381-2432.
[19] PAN H， FAN H. The stability of banking system with shadow banking on different interbank network structures[J]. Discrete Dynamics in Nature and Society， 2021（2021）： 6650327
[20] DANG T V， GORTON G， HOLMSTROMol B. Opacity and the optimality of debt for liquidity provision[R]. Manuscript Yale University， 2009.
[21] IORI G， JAFAREY S， PADILLA F G. Systemic risk on the interbank market [J]. Journal of Economic Behavior and Organization， 2006， 61（4）：525-542. [22] WATTS D J， STROGATZ S H. Collective dynamics of ‘small-world networks [J]. Nature， 1998， 393（6684）： 440-442.
[23] BARABASI A L， ALBERT R. Emergence of scaling in random networks [J]. Science， 1999， 286（5439）： 509-512.
[24] GEORG C P. The effect of the interbank network structure on contagion and common shocks [J]. Journal of Banking and Finance， 2013， 37（7）： 2216-2228.
[25] EISENBERG L， NOE T H， Systemic risk in financial systems [J]. Management Science， 2001， 47（2）：236-249.
[26] JIANG S， FAN H. Systemic risk in the interbank market with overlapping portfolios and cross-ownership of the subordinated debts [J]. Physica A： Statistical Mechanics and Its Applications， 2021（562）： 125355.
（責任編輯 李 進）
