李晓宏 张春霞 贺竹磬
摘要:结算关系网络将企业间交易合作关系可视化,文章在对商业银行结算数据提出清洗规则的基础上,构建结算关系网络方法与边界定义,并给予网络图数理表示,在社会网络分析方法的基础上,文章设计基于累计结算量与企业节点间为权重测算节点企业出入结算集中度与测算网络出入结算集中度的方法,以及网络中测算节点企业间结算依存度的方法;应用商业银行分行级结算数据实证分析表明,企业节点结算数据清洗前后差异较大,所测度网络集中度适中,关键节点企业较少,且关键节点企业与其上下游结算依存度差异较大。
关键词:结算关系网络;结算数据;社会网络分析;商业银行
一、 引言
目前,对结算数据实证研究目前主要集中在商业银行系统风险传导以及产业网络关系分析,黄聪与贾彦东(2010)通过对银行间支付结算数据实证研究,从金融机构形成的网络结构视角探索金融体系中的系统性风险状况等宏观审慎管理制度建设。此外通过应用社会网络分析方法探索产业网络特征或不同网络特征比较等已取得一定进展,Imakubo和Soejima(2010)保持了社会网络结构密度的概念,通过跟踪日本银行间交易系统,发现银行间交易去中心化现象不断增强,但弱连接的增多并未改变由个别强连接所形成的核心结算关系网络。此外,通过对几乎囊括日本境内全部的8万家企业交易结算数据研究,在研究网络结构具有scale-free、聚类效应、层级结构以及度等,提出聚类系数的测度方法,测度网络中节点与其相邻节点连接的密度(Konno,2004;Konno,2012)。
本文针对当前商业银行结算数据所构建结算关系网络研究较少,而信息技术驱动下商业银行业务创新模式的转变与对数据分析的重视程度的提升,通过内外部信息数据分析、发现客户需求、预判并推动客户服务人员,做到金融服务快速供给将成为未来一段时间商业银行服务效率提升与服务智能化升级的重要工作之一。本文关注企业结算数据的结算关系网络形成、及其节点与网络集中度、节点企业间依存关系特征等分析,并做出实证研究。尽管基于一家商业银行结算数据构建结算关系网络具有一定的局部性,但其局部性可表征所服务企业结算关系网络的特征,对其特征分析将有利于探索并指导其商业价值转化,易于发现当前业务合作关系优势所在,为渐进式营销探索业务路径。
二、 企業结算关系网络构建
结算数据受结算方式、结算需求等差异性影响,其结算关系网络的形成必须考虑如下关键特征:
1. 初始企业选择:企业间结算行为体现了企业资金活动的付款人与收款人信息,具有方向性;在形成结算关系矩阵前,无法预知节点集合。此时需选择结算关系中规模较大或影响力较强的企业作为节点集合的初始值。
2. 企业结算账户选择:企业结算行为受人民银行管理要求,其资金往来几乎全部在商业银行企业账户内完成,虽然部分小企业为降低企业成本,部分资金来源通过个人账户完成,但考虑企业规模或结算规模相对较小,因此企业结算关系网络构建仅基于企业通过人民银行审核的基本户、一般户、临时户、专用账户等,对保证金账户等资金在企业内部流转对结算关系网络视为无效数据,该类账户应忽略。
3. 无效结算数据剔除:结算关系网络仅反映企业间经营活动行为,需对如下内容做出剔除:(1)企业内部资金流动,内部资金账户间往来、贷款投放、验资到期划转等、保证金支付或到期回划,结算特征为对结算账户中收款人与付款人相同、或收款人与付款人一方为商业银行专项账户,或资金用途说明显示为:增资等;(2)财税等非企业间结算数据,对结算关系中一方表现为政府为付款人,结算特征为:按收款人单位名称中包含“金库”等政府财税支付、或资金用途说明为:专项资金,技改资金等;(3)非企业主体,结算一方为自然人,结算特征为账户编号不同;(4)对其他特殊情形应做出规则设定,如结算频度、结算额度等。
结算关系的复杂性决定结算关系网络的复杂性,确定结算节点阈值与终止条件成为控制构建结算关系网络的关键。企业结算关系网络的复杂性不只体现在相邻节点的组织属性(政府机关、事业单位、企业法人)或自然人、结算量差异性、网络连接的规模等,同时节点之间的股权关系与结算闭环对是结算关系网络中需要特别考虑的两个情形。
情形1:结算关系网络中节点企业存在股权关系。上述结算关系网络图忽视企业间股权关系,不利于网络稳定性以及节点对网络影响力的判断;同时部分企业所采用的资金实时归集无疑放大具有归属关系的节点企业之间年度资金结算量。需要说明的是,该合并方式将易于形成网络回路。为突出集团关系中各节点在结算关系网络图中的特征,保留各节点将更易于对集团关联特征价值做出分析。
情形2:结算关系网络中节点企业存在结算回路。企业结算关系特点决定所构建网络中可能存在结算回路。消除闭环的数据预处理方法主要有:(1)单一节点企业回路,数据清洗与情形1中成员合并已剔除该类别;(2)相邻两节点企业存在回路,可采用如下三种方法,两权重求差值,保留大权重值方向;或删除权重值小者;或将两权重值求和,取大权重值方向;(3)多节点企业存在回路,可采用两类方法:即为确定闭环,删除最小权重边;或确定闭环,实施系统外干预判断并删除闭环中某边。
按上述原则,采用深度搜索法构建企业结算关系网络有向图D=,其中V为节点集,即结算关系网络中的企业;E表示有序或无序边集;W为交易双方结算量;相应小写字母为各集合中元素。
三、 企业结算关系网络分析
1. 节点企业与网络集中度测算。应用节点出入度分析网络集中度已较为普遍,该测度方法隐形假设各边权重均等或差异较小。结算关系网络仅用度来衡量企业在网络中的重要度,易于忽略商业银行更为关注的结算量所形成的资金影响力,并不能很好的表现节点企业之间强弱连接关系,同时行业差异性不同,致使需要在结算关系网络中加入结算量这一更有价值的度量指标。参考被广泛应用于产业集中度测度指标赫芬达尔-赫希曼指数(HHI),较好的表征多参与主体下的群体结构,该测度方法被用于商业银行并购与市场结构分析。本文对结算关系网络提出节点企业出入结算集中度测度方法。
对节点i,其出结算集中度为:HCout(vi)=■■■(■wik≠0,n=|V|);
其入結算集中度为:HCin(vi)=■■■(■wki≠0,n=|V|)
由均值不等式不难得出:HCout(vi),HCin(vi)∈[■,1],企业权重完全均等时,其值为1/n;单一出度或入度时,其值为1。对出、入度仅为1的企业,其出、入结算集中度为1。出入结算集中度的计算值突破了采用度描述网络集中度时忽视权重的不足,特别是对具有多上下游结算关系的节点企业,由于不同边路结算量的差异性,出入结算集中度可有效判别其结算差异性。此外,出入结算集中度仅表明节点企业自身结算集中情况,对其在上下游企业结算中的重要性测值将于本文下节阐述。
网络结算集中度的测度是网络结算均衡性的一种表达。Opsahl等(2010)用社会网络分析方法对具有权重边网络的集中度通过出入度、相邻度、与特征值等设计测度方法,并在实践中被采用。但其测算方法并未涉及标准化下的出入度节点企业结算集中度,与其测算方法设计逻辑一致,基于年结算量权重的有向图网络出结算集中度计算公式如下:
HCout(D)=■,其中HCout(v*)=■HCout(vi),n=|V|;
与出结算集中度计算方法相对应,网络入结算集中度计算公式为:
HCin(D)=■,其中HCin(v*)=■HCin(vi),n=|V|。
受HCout(v*)值影响,网络出结算集中度表征偏离节点企业中最大出结算集中度的程度,该值越小,其网络结算均衡性越好。网络中结算差异性越强,其网络集中度将越大,表明结算均衡性越弱。对商业银行而言,网络结算集中度较高时,其关键客户数量越集中,识别该类客户将有利于有限资源配置优化;此外,在数据覆盖有限的情况下,综合纵向与横向企业结算关系网络结构,对比分析产业发展与判别产业链在商业银行结算集中度,便于衡量其信贷服务的系统风险。
2. 结算关系网络企业间依存关系测算。出、入结算集中度体现了网络中各节点企业结算的集中程度,判断网络中企业之间相互合作关系以及相互重要性,将便于识别网络中相邻企业的相互地位。最为简单的方法为结算比例,即节点企业i对j支出结算资金占节点企业i总支出结算资金比例为:HPijout=■;节点企业i对j支出结算资金占节点企业j总支出结算资金比例为:HPijin=■。由于结算量■wik与■wkj的差异,存在结算关系的企业i与企业j并不具有均等关系,比较HPijout与HPijin值,存在如下四种情形:节点企业i依存节点企业j,即HPijout=HPijin;节点企业i与节点企业j相互不依存,即HPijout≈HPijin→0;节点企业i与节点企业j相互高度依存,即HPijout≈HPijin→1;节点企业j依存于节点企业i,即HPijout?垌HPijin。
权力结构视角,分析结算关系网络中的核心企业,首先需要分析结算关系网络中企业之间合作关系与合作地位,对结算关系网络中节点企业间依存度,本文设计测度结算下游节点企业j对上游节点企业i的依存度测算方法,即IDij=HPijin-HPijout,则有,IDij趋于0表示上下游节点企业i与j结算地位较为均等;IDij趋于1表示下游节点企业j高度依赖上游节点企业i;IDij趋于-1表示上游节点企业i高度依赖下游节点企业j;表明IDij值的正负带有依存关系的方向性。依存度矩阵的提出,变结算关系网络有向图D=为结算关系网络依存度为权重的无向图G=
结算作为商业银行服务客户的基础,也为反映客户资金往来贸易關系的基础,基于该数据所构建的结算关系网络首先完成了商业银行服务客户网络可视化,突破了单一企业视角或少数企业组合视角下分析商业银行的服务策略与营销清单。本文首先通过对商业银行结算数据清洗规则的分析,提出基于结算数据的结算关系网络构建方法及其网络图的数理表示;分别对考虑结算关系网络中企业股权关系形成的集团关系树情形、对局部节点存在结算回路情形等提出数据清洗方式。其次,对结算关系网络,基于传统的社会网络分析方法,分析节点度在结算关系网络集中度的不足后,本文提出基于结算数据权重维度下的节点企业与网络的集中度计算方法,同时提出节点企业间结算依存度测度方法以及依存度计算结果分析。最后,本文应用分行级结算数据对企业结算数据清洗、网络特征以及依存度等做出实证研究。
商业银行技术融合与专业数据分析下的精准服务与商业机会挖掘已成为服务创新的重要课题之一,结合当前研究成果,就结算数据,可进一步研究的方向有:节点企业对结算关系网络影响力分析与判别指标,以及结算关系网络稳定性分析;商业银行结算关系网络服务边界或结算资金“漏斗”发现与服务边界业务提升策略;分行业结算关系网络结构特征演化比较研究与产业关联发现;结算关系网络风险传导与资金闭环管理应对策略等。
参考文献:
[1] 黄聪,贾彦东.金融网络视角下的宏观审慎管理——基于银行间支付结算数据的实证分析[J].金融研究,2010,(4):1-14.
[2] Imakubo K, and Soejima Y.The Transaction Network in Japan's Interbank Money Markets[R].Monetary Economic Studies, Institute for Monetary and Economic Studies, Bank of Japan,2010,(28):107-150.
[3] Konno T.Network structure of Japanese firms,scale-free, hierarchy, and degree correlat- ion: Analysis from 800,000 firms[J].Eco- nomics,2009,(3):1-13.
[4] Wu J, and Birge JR.Supply Chain Network Structure and Firm Returns[R].Working pap- er, Jan.2014.Available at SSRN: http://ssrn.com/abstract=2385217.
[5] Titilayo BO, Victor OT.Bank Consolidation and Market Structure in Nigeria: Application of the Herfindahl-Hirschman Index[J].Int- ernational Journal of Economics and Finance,2014,6(2):235-243
[6] Opsahl T, Agneessens F, Skvoretz J.Node centrality in weighted networks: Genera- lizing degree and shortest paths[J]. Social Networks,2010,32(3):245-251.
基金项目:中国博士后科学基金(项目号:2014M560797;2014M550912)。
作者简介:李晓宏(1984-),男,汉族,陕西省榆林市人,西安交通大学管理学博士,中国农业银行与清华大学经管学院联合培养博士后,研究方向为供应链金融、结算网络分析;张春霞(1983-),女,汉族,山东省潍坊市人,清华大学金融学博士,中国农业银行与北京大学光华管理学院联合培养博士后,研究方向为互联网金融;贺竹磬(1976-),男,汉族,陕西省榆林市人,西安交通大学管理学博士,研究方向企业结算网络、企业投资。
收稿日期:2015-05-15。