銀行間拆借網絡流動性與系統性風險研究

馬晚路，范 宏

(東華大學 旭日工商管理學院，上海 200051)

1 引言

銀行業的平穩運行是“堅決守住不發生系統性、區域性金融風險的底線”。在傳統的資金借貸過程中，銀行極易出現期限錯配和流動性短缺的情況，此時銀行可以通過銀行間拆借網絡中同業資產的重新配置緩解因資產無法順利展期所導致的流動性缺乏，因此研究拆借網絡流動性和系統性風險對于當前中國銀行業發展顯得至關重要。

目前學術界關于銀行間網絡的估算中最常使用的是Censor與Zenios[1]提出的“最大熵”方法，該方法基于熵最優化的基本思想，將銀行通過全連接的方式進行估算。國外DAAN V與Van Lelyveld[2]對荷蘭、Fricke與Lux[3]對意大利、Langfield等[4]對英國、Upper等[5]對德國，國內唐振鵬等[6]、楊海軍與胡敏文[7]、鮑勤與孫艷霞[8]對中國均使用最大熵方法對本國銀行間市場進行估算。但真實網絡的節點連接通常是稀疏的，最大熵方法基于全連接的方式，對真實網絡的估計存在偏差。近年研究發現，Anand等[9]提出的“最小密度法”更符合實際的銀行間網絡結構，對真實網絡的構建更具價值性。Hong與LIUR等[10]使用最小密度法構建東盟國家銀行間網絡以分析東盟區域系統性金融風險。黃瑋強等[11]基于我國163家銀行的借貸數據，分別運用最大熵和最小密度法推斷銀行間借貸關系網絡，發現通過最小密度法得到的網絡拓撲結構特征與實際更為相符。

銀行間網絡是研究風險傳染與系統性風險的重要因素之一，分析銀行間網絡的結構特性是進一步探討風險傳染渠道與系統性風險的重要途徑。越來越多的文獻著力于研究銀行間流動性與系統性風險的關系，Gofman[12]認為提高大型銀行的流動性要求可以提高金融系統穩定性。Cornett等[13]通過分析2008年次貸危機美國銀行業的表現，發現銀行流動性風險對整體系統性風險有沖擊放大作用。隋聰等[14]通過構建大型銀行分別是流動性供給方及流動性需求方兩種銀行間網絡，探討銀行間流動性差異對風險傳染的影響，但只是從不同流動性傾向性的銀行數量角度區分了銀行間流動性差異，并未形成描述銀行間流動性的量化指標。

因此，文章采用最小密度法估計中國銀行間拆借網絡，并在Eisenberg和Noe[15]提出的銀行違約清算支付機制的基礎上加入時變因素，用以描述銀行間拆借網絡和系統性風險的動態演化過程。同時文章定義流動性錯配指數LMI為銀行間流動性的度量指標，研究銀行間網絡流動性結構特征與系統性風險的關系。

2 模型構建

2.1 最小密度法估計銀行間拆借網絡

基于矩陣模型和最小密度法建立銀行間拆借網絡，設定各銀行總資產TA由銀行間拆借資產IA與拆借外資產EA組成，總負債TL由銀行間拆借負債IL與拆借外負債EL組成。因此，x銀行t時間步的資產負債結構如圖1所示。

圖1 資產負債結構

銀行間拆借網絡可表示為式(1)所示的M×M債務拆借矩陣A。其中，M指銀行總數，axy指x銀行通過拆借網絡借款給y銀行的金額，由于不存在自我借貸，所以axy=0，x=y。因此x銀行的拆借資產總額IAx、y銀行的拆借負債總額ILy可分別表示為式(2)、式(3)。

(1)

(2)

(3)

最小密度法認為銀行間網絡是“稀疏”且“異配”的。為了保證拆借網絡的稀疏性，最小密度法引入參數k，表示銀行之間新建借貸關系需要支付的成本，那么網絡的稀疏性即可表示為一個使得網絡中銀行連接成本最小化的約束優化問題，如式(4)所示。與此同時，根據信息理論和經濟激勵理論，定義DAx、DLx為x銀行的總拆借資產IAx在借出部分后的剩余和x銀行的總拆借負債ILx在借到部分后的不足，如式(5)、式(6)所示。因此，模型的稀疏性目標可表示為式(7)中V(A)的最大化優化問題。

(4)

(5)

(6)

(7)

為了保證拆借網絡的異配性，最小密度法定義變量Mxy表示x銀行和y銀行連接的可能性，式(8)所示的Mxy表示最具異配性的網絡。假設可能形成拆借網絡A的概率為P(A)，定義熵函數R(P||M)為網絡P(A)與M(A)的相似程度，那么異配性目標即可表示為式(9)中R(P||M)的最大化優化問題。

(8)

(9)

綜上所述，上述兩個為保證拆借矩陣的稀疏性與異配性的最大化優化問題可合并為式(10)，進而確保最終得到的拆借矩陣同時滿足“稀疏”與“異配”兩個特征。

maxP∑AP(A)V(A)+ωR(P||M)

(10)

2.2 資產負債動態演化

(11)

(12)

2.3 違約類型及清算支付機制

(13)

(14)

(15)

(16)

2.4 銀行間拆借網絡流動性定義

(17)

(18)

3 實證分析

3.1 數據獲取

考慮到數據披露的充足性、全面性與時效性，文章收集了中國182家商業銀行2015—2019年的資產、負債、拆借資產、拆借負債等相關數據，其中包括3家政策性銀行、6家國有控股商業銀行、11家股份制商業銀行、98家城商行與64家農商行。數據取自各年各銀行年報。

3.2 銀行間流動性分析

圖2展示了2015—2019年國有大型銀行、股份商業銀行、城商行、農商行以及各年LMI值。從圖2可以看出，第一，國有大型銀行與股份商業銀行的LMI值的絕對值大小及變化都明顯小于城商行和農商行，說明前者的波動性低于后者。第二，國有大型銀行與農商行的各年LMI值均大于0，城商行的各年LMI值均小于0。說明2015—2019年國有大型銀行與農商行始終處于流動性供給方，在銀行間市場中提供流動性；而城商行始終處于流動性需求方，在銀行間市場中通過流動性維持短期資金的及時供給。第三，不同年份的銀行間流動性表現各不相同。2016年與2017年中國銀行間市場流動性較為緊缺，整體呈流動性需求狀態，其中2017年的流動性最為缺乏；而2015年、2018年與2019年的銀行間流動性較為充足，整體呈流動性供給狀態，其中2019年的流動性最為充足。

圖2 2015—2019年不同種類銀行的流動性錯配指數LMI及年LMI匯總值

2017年美國針對中國展開“301 調查”，對多個從中國進口的產品增加關稅，中美貿易摩擦正式開始，頻發的中美貿易摩擦對中國金融市場流動性產生了較大影響。曹東坡等[16]認為中美貿易摩擦與現階段商業銀行發展階段性問題疊加，增加了銀行的經營壓力。這也解釋了2017年中國銀行間市場的流動性低于其他年份，流動性欠缺明顯。

3.3 全局沖擊下銀行間流動性與系統性風險的變化

文章基于不同程度的全局沖擊，探討銀行系統遭受資產損失時的系統性風險變化情況，并通過各年基礎倒閉風險與傳染倒閉風險的變化，就銀行間流動性對系統性風險的影響進行分析。令資產損失比例δ=σ×|ε|，ε～N(0，1)，其中σ描述沖擊強度，σ∈[0，0.10]，每次增加0.005；同時在每個資產損失比例下模擬100次，以保證結果的穩健性，如圖3所示。

圖3 不同資產損失比例下的系統性風險、基礎倒閉風險與傳染倒閉風險

由圖3可以得到，第一，隨著資產損失比例δ的提高，各年的系統性風險均不斷上升。當δ達到0.06時，各年的系統性風險均超過80%；當δ達到0.10時，幾乎全部銀行倒閉。第二，在資產損失比例δ逐漸升高導致各年系統性風險不斷上升的同時，基礎倒閉風險同樣呈上升趨勢，傳染倒閉風險則不斷降低。以2015年銀行間拆借網絡為例，圖4(a)、(b)、(c)分別展示了損失比例為0、0.04和0.08時的銀行間拆借網絡，當資產損失比例從0、0.04上升至0.08時，銀行間拆借關系數由158、 58最終降低至8。

圖4 不同資產損失比例下的銀行間網絡

總之，隨著資產損失比例的不斷提高，整個銀行系統的系統性風險會不斷上升，伴隨著銀行間流動性不斷降低。銀行間流動性的有效管理是防范系統性風險的關鍵因素，這也是《巴塞爾協議Ⅲ》將流動性覆蓋比率與凈穩定融資比率納入流動性監管體系的重要原因。

3.4 銀行間流動性的不同表現對系統性風險的影響

從前文分析中已經得到，城商行在研究年份內一直處于流動性需求方，而農商行一直處于流動性供給方；2017年流動性最缺乏，而2019年流動性最充足。為了探究銀行間拆借網絡流動性的不同表現對系統性風險的影響，文章分別對2017年及2019年的城商行和農商行進行資產沖擊，沖擊強度及沖擊規則與3.3節類似。

圖5展示了2017年及2019年城商行資產損失比例從0增加至0.10時的系統性風險變化。當資產損失比例達到0.10時，2017年與2019年整個銀行系統的系統性風險分別最終穩定至 0.66與0.56。可見，流動性不足的年份的資產損失對系統性風險的破壞度要高于流動性充足的年份。

圖5 2017年及2019年局部沖擊城商行下的系統性風險

對2017年的城商行和農商行分別進行資產損失沖擊，當資產損失比例從0增加至0.10時，整個銀行系統的系統性風險變化如圖6所示。從資產損失對系統性風險的破壞度來看，2017年城商行的總資產是農商行的3.30倍，最終達到穩定的系統性風險卻幾乎相同。可見，當面臨資產損失時，流動性供給方對系統性風險的破壞程度要高于流動性需求方，這也與流動性供給方在銀行拆借網絡中是提供資金供給的一方的特性有關。在面臨外部沖擊時，監管方更應該注重穩定流動性供給方銀行，即國有大型銀行和農商行的資產情況，避免沖擊影響的進一步擴大。

圖6 2017年局部沖擊城商行和農商行下的系統性風險

4 結論

文章首先提出了包括基于最小密度法的銀行間拆借網絡結構、銀行資產負債動態演化及清算支付機制的銀行業系統性風險度量模型，并使用流動性錯配指數LMI作為銀行間流動性度量指標。而后基于2015—2019年中國182家銀行的真實數據估算銀行間拆借網絡和系統性風險，并對銀行間流動性進行分析。研究結果表明：①不同類型銀行的流動性表現不同，國有大型銀行的流動性波動率最低，城商行和農商行的流動性波動率最高；國有大型銀行和農商行始終處于流動性供給方，城商行始終處于流動性需求方；2019年銀行間流動性最充足，2017年銀行間流動性最缺乏。②隨著全局資產損失的提高，系統性風險不斷上升，伴隨著基礎倒閉風險的上升和傳染倒閉風險的下降，10%的資產損失即可使得超過95%的銀行倒閉。③流動性不足的年份和流動性供給傾向的銀行遭受資產損失對系統性風險的破壞度更大，因此更應關注流動性不足情況下的流動性供給傾向銀行的整體發展狀況和流動性表現。