基于金融网络的系统性风险研究※

胡锡亮　吴恒煜

基于金融网络的系统性风险研究※

胡锡亮吴恒煜

内容提要:金融机构的网络连通性是现代金融体系的关键所在，是研究系统性风险驱动因子、传染机制及宏观审慎管理政策的全新理念。“关联太大而不能倒”是网络连通性最直观的概述。本文以运用银行间市场、支付系统、金融衍生工具、资产交叉持有与市场收益等数据构建的五类金融网络为脉络，评述了国外运用金融网络研究系统性风险的最新进展。未来，需要结合金融学、网络理论与计量经济学等方法，综合运用多种数据以全方位剖析系统性风险的网络连通性。

金融网络 关联太大而不能倒 风险传染 系统性风险

金融危机的卷土重来，迫使理论界、实务界以及监管当局再次重新审视系统性风险，旨在从冲击源头、风险传染及管理政策等方面，全盘解析系统性风险。金融机构间的关联性不断加深，使得整个金融体系俨然是个复杂网络。及时梳理国外学术界从金融网络视角研究系统性风险的成果，将为我国完善宏观审慎管理政策提供有启发性的借鉴。

一、关联太大而不能倒与风险传染

1.关联太大而不能倒

针对当前主要研究“规模太大而不能倒（too big to fail）”金融机构的事实，IMF（2009）指出，过度关注机构规模及以单个机构为核心的监管政策，将使监管机构无法有效地识别、评估与防范，潜藏于当今高度复杂的全球金融体系中的系统性风险。金融网络假定单个机构可看成网络中的一个节点，机构的关联由网络的边来表示，每条边的宽度与机构间的风险敞口大小成比例，边的方向用来确定借款方与贷款方。TITF是以整个金融体系为对象，主要有中心度与关联度等测度指标，能刻划金融体系的复杂性（León et al.，2011）。

2.网络连通性与风险传染

第一，金融机构的网络连通性会产生两种效应:单个机构遭受的负向冲击可能会被其他机构分担或吸收，进而降低该机构面临的风险；第二，可能引发风险传染从而放大系统性风险。连通性越高还可能导致“稳健却脆弱（robust-yet-fragile）”特征:金融网络能抵抗住大多数的冲击，但受到不可忽视的冲击时金融体系有可能瓦解（Haldane，2009；Gai&Kapadia，2011）。Nier et al.（2007）提炼了金融网络中四种典型的风险传染机制:机构间直接的双边风险敞口，共同风险因子敞口的相关性，困境机构内生性抛售资产的反馈效应，信息传染①本文评述的部分文献可同时刻划多种风险传染机制。。

二、银行间市场网络与系统性风险

1.基于银行间市场的金融网络

金融机构在银行间市场形成的资产负债关联，使其很多资产都是对借款人的债权，其资产价值会随着借款人资产负债表稳健程度的变化而变化。资产负债表波动会影响资产价值，资产价值变化又会影响资产负债表，该反馈回路可能放大冲击（Shin，2008）。Diamond&Dybvig（1983）发现关联性越强的金融网络其复杂程度越高，会加剧并恶化机构之间以及机构和存款人之间的协调性问题，极易引发银行危机。

2.银行间市场风险传染

在Diamond&Dybvig（1983）的基础上，Allen& Gale（2000）与Freixas et.al（2000）都发现金融体系网络结构越“完备（complete）”，某一银行违约时金融体系的韧性越强，而网络结构越不完备金融体系对冲击的抵抗能力越弱。与此相反，Vivier-Lirimont（2006）及Blume et al.（2011，2013）发现，随着银行交易对手方数量的增加，系统性风险爆发的概率将增大。为了克服上述研究的模糊性，Acemoglu et al.（2015）一般化了Eisenberg&Noe（2001）的模型后发现，负向冲击大小低于特定门限值时，银行间负债分布越平均金融体系越稳健，关联性将吸收冲击的影响；冲击超过门限值时，越稀疏的网络结构反而更为稳定，从而证实了高度关联的网络可能会导致“稳健却脆弱”的特征。Glasserman&Young（2015）研究了欧洲银行间借贷网络，发现在银行规模没有显著差异并高度依赖银行间市场融资时，网络效应导致的预期损失非常小。

3.银行间市场网络结构的选择

Duan&Zhang（2013）构建了一个可以综合考虑银行体系网络结构、资产负债动态特征及银行同业市场风险敞口与净额的网络模型。Farboodi（2014）构建了一个核心-边缘（core-periphery）模型，以分析债务融资型银行中内生性中介机构产生系统性风险的机制。Denbee et al.（2014）将流动性持有策略看成是银行间借贷网络的同时博弈，发现Nash均衡时金融网络既可能是单个银行冲击的吸收剂，也有可能是冲击的放大剂。以荷兰银行间市场为对象，In’t Veld& van Lelyveld（2014）对比了核心-边缘模型与NSG（nested split graph）模型，发现核心-边缘模型具有更好的拟合性。

三、支付系统网络与系统性风险

1.基于支付系统的金融网络

León et al.（2011）指出:（1）资产负债表数据不能准确刻画表外头寸的影响，而支付数据包括了支付系统参与者的所有交易；（2）运用支付数据可以较好地研究流动性风险因子；（3）Tumpel-Gurell（2009）指出，一个机构之所以是系统重要性机构，可能是由于其他机构与它存在风险敞口，还有可能是其他机构长期依赖于该机构提供的服务；（4）Kodres（2009）强调机构破产并不是系统性冲击的唯一来源，仅仅是交易的支付失败等都能使金融体系陷入僵局。Kahn& Roberds（2009）详细论述了支付经济学文献。

2.欧美国家支付系统

以美国大额支付体系——美国联邦结算系统（Fedwire）为基础，Soràmäki et al.（2007）构建了一个中心辐射型（hub-and-spoke）网络结构，Afonso& Shin（2011）证实了单个银行谨慎决策之间的强化效应。Becher et al.（2008）比较美国与英国支付系统后发现，英国的双层（two-tier）系统可以从流动性池和银行更好的协调机制中获益，抵消了两个层级间风险敞口增加的风险。Embree&Roberts（2009）对加拿大大额支付系统的研究，Pröpper et al.（2012）对荷兰支付系统的分析，都发现其网络结构与高度的分级系统具有一致性。

3.全球支付系统

Hattori&Suda（2007）梳理了跨国银行风险敞口网络结构的发展历程，发现网络关联性越来越紧密，且具有更高的连通性，更短的平均路径长度，更高的平均程度和更高的集聚参数。Espinosa-Vega&Solé（2010）运用BIS跨国数据，模拟了多种信贷和融资冲击对多个国家银行之间风险敞口的影响。Garratt et al.（2011）指出，20世纪80年代末以来全球四个金融中心已形成了一个超级金融中心，在其成员内部风险传染性非常高而在全球范围内则低很多，并且大部分金融中心变得更小而风险的全球传染性却显著增强。

四、金融衍生工具网络与系统性风险

1.基于金融衍生工具的金融网络

基于交易对手方双边数据及支付系统数据，几乎不能刻划不同类型金融产品的网络结构（Markose，2012）。鉴于OTC市场的绝对规模及债务的高度集中性，Darby（1994）指出金融衍生工具风险一直以来是一个系统性威胁。衍生品市场的制度漏洞以及衍生证券基础资产的联动性，利率、汇率、银行资产及企业与主权债务等，都有可能恶化衍生证券的负债水平，触发跨部门的多重债务。直到Craig&von Peter（2014）才重视与金融衍生品有关的核心-边缘网络。

2.资产证券化市场

Markose et al.（2012）运用2007年和2008年第四季度FDIC财政报告（Call Reports）中银行表外CDS数据，构建了美国金融体系交易对方风险敞口的分层核心-边缘网络结构。Markose（2012）运用美国和欧洲衍生品市场中202家交易商数据，分析了网络稳定性与风险传染强度的关系。为探究CDS的中央对手方清算机制的作用，Cont&Minca（2015）运用源于衍生工具或有现金流数据，构建了具有多层次的核心-边缘网络结构。用抵押贷款公司的契约关系与贷款流来刻划网络连通性，Stanton et al.（2014）发现公司间甚至在两个看似独立的机构之间的连通性都非常显著。

3.OTC市场

将整个OTC市场构建为一个交易网络，并假定模型的均衡结果决定了双边价格以及交易商的买卖或者中介机构的决策，Gofman（2011）证实了当金融机构没有在每次交易中获得完全剩余时，网络结构与OTC市场中资源配置的有效性密切相关。对OTC市场校对了一个网络模型后，Gofman（2014）推断出了美国联邦基金市场双边交易的网络结构，指出监管机构限制TITF的机构数量，会使金融网络结构效率更低、更加脆弱并更难加以监管，不是一种最优的监管政策；关联型机构的数量越多，就越能降低市场上中介链条的长度，提高资源配置效率。

五、资产交叉持有网络与系统性风险

1.基于资产交叉持有的金融网络

出于分散投资风险和资本监管等目的，近年来机构间资产形成了大量的共同风险敞口。虽然Markowitz（1952）发现进行分散化投资可以降低单个投资者的风险，Lucas（1977）认为对单个企业或部门的微观经济冲击的总体效应可以忽略不计，但是Shleifer&Vishny（2012）指出，分散化投资会通过共同资产持有强化投资者的关联性，在发生资产抛售时是一种非常重要的传染途径。Billio et al.（2015）在传统CAPM/APT模型中引入了资产间存在外生与同期的网络连通性。

2.分散化投资

Allen et al.（2012）发现用短期债务为项目融资可能导致机构发生信息传染，传染强度依赖于投资组合的重合度。Cabrales et al.（2014）以证券化资产交叉持有为基础，研究了企业关联度更高时所得到的风险分散收益，在很大程度上会被由于风险敞口增强而引发的成本所抵消。Caccioli et al.（2014）发现杠杆率高于某一临界值时金融网络一直稳定，而低于临界值时不稳定程度随杠杆率的增加而增加。Caccioli et al.（2015）研究了奥地利银行体系投资组合的重叠度，发现对方风险与投资组合重叠度的相互作用是主要驱动因子。

3.资本监管

由于监管要求使银行相互持有存款，单个银行的破产就会通过资本连接对其他银行造成直接冲击，风险传染与各银行存款者之间的协调息息相关。Dasgupta（2004）研究了不完全相关的流动性冲击，通过存款相互持有引发风险传染的机理，发现危机时单个机构倒闭所引发的负向冲击效应，高度依赖于其利益相关方的行为。Elliott et al.（2014）假定机构持有原始资本并相互持有股份，识别了由违约触发资产价值的非连续变动网络中的传染机制，发现一体化（每个机构越来越依赖于其交易对方）和分散化（每个机构与越来越多的交易对方互动）对连锁反应的非单调效应不同。

六、市场收益网络与系统性风险

1.基于市场收益的金融网络

运用以上数据构建金融网络还存在一些缺陷。首先，部分数据难以获得，只有监管机构才能获得银行间市场与支付体系的详细数据。其次，对于新兴市场与发展中国家而言，金融市场缺乏丰富的金融工具。再次，忽视了金融部门与其它国民经济部门之间的关联性。最近，Billio et al.（2015）发现运用市场数据有非常显著的优势:获取更容易，频率更高（含有更多信息且能实时更新），网络连通性具有前瞻性。

2.格兰杰因果网络与方差分解

Billio et al.（2012）运用格兰杰因果网络发现，复杂且时变的网络关联可能导致系统性风险的增加，能够识别市场处于混乱和困境的时间区间。格兰杰因果网络是有向的，但仅是两两的与非加权的网络，仅检验了系数是否为零，没有分析非零参数的大小①方差分解方法与格兰杰因果网络两者之间具有互补性，后者在某些方面更具优势：格兰杰因果无需识别假设条件，而这是在方差分解和脉冲响应函数分析中不可回避的问题。。鉴于此，Diebold&Yilmaz（2014）结合VAR方差分解方法和网络理论开发了一个测度与监管金融体系连通性的框架。Diebold&Yilmaz（2009，2012，2015b）量化了股票市场风险溢出及全球经济周期的连通性。Apostolakis&Papadopoulos（2015）分析了发达国家银行、证券及外汇等指数的连通性。Demirer et al.（2014）分析了近100家银行股票波动率的连通性。Diebold& Yilmaz（2015）出版了专著《金融和宏观经济的连通性:运用网络方法的测度与监管》。

3.CCA方法

Jobst&Gray（2013）提出了量化宏观金融风险的SCCA（Systemic Contingent Claims Analysis）方法。Billio et al.（2013）、Merton et al.（2013）与Merton（2014a，2014b）结合CCA和格兰杰因果网络方法，也提出了一个测度、分析与管理金融部门及其与主权部门关联性的框架。Gray et al.（2013）进一步综合CCA和Global VAR模型，将主权信用价差、金融体系信用风险、企业部门信用风险、经济增长与信贷变量等全部嵌入至GVAR模型，旨在构建防范系统性风险、主权信用风险与宏观经济衰退的宏观金融政策框架。

七、结语

运用金融网络研究系统性风险非常有效:可以探究金融体系的复杂网络结构，可以捕捉机构网络连通性的动态特征，可以模拟与测度负向冲击的传染放大效应，可以识别TITF机构以及关键风险源，可以嵌入多种系统性风险分析方法。本文以银行间市场、支付系统、金融衍生工具、资产交叉持有以及市场收益等五类数据构建的金融网络为线索，评述了国外运用金融网络剖析系统性风险的最新进展。鉴于系统性风险、主权债务风险及宏观经济波动等宏观金融风险有可能相伴而生，未来可以在资产定价、投资组合以及宏观经济学等领域中引入系统性风险这一核心要素，综合运用金融学理论、网络理论与计量经济学等方法，结合多种数据以全面剖析金融体系和宏观经济的网络连通性。

1.Acemoglu，D.，Ozdaglar，A.，&Tahbaz-Salehi，A.（2015）. Systemic Risk and Stability in Financial Networks，American Economic Review，forthcoming.

2.Allen，F.，Babus，A.，&Carletti，E.（2012）.Asset Commonality，DebtMaturityandSystemicRisk，Journalof Financial Economics，104（3），519-534.

3.Diebold，F.X.，&Yilmaz，K.（2015）.Financial and MacroeconomicConnectedness:ANetworkApproachto Measurement and Monitoring，Oxford University Press.

4.Elliott，M.，Golub，B.，&Jackson，M.（2014）.Financial Networks and Contagion，American Economic Review，104（10），3115-3153.

5.Gai，P.（2013）.Systemic Risk:The Dynamic of Modern Financial Systems，Oxford University Press.

6.Glasserman，P.，&Young.H.（2015）.How Likely is Contagion in Financial Networks？Journal of Banking and Finance，50，383-399.

7.Gofman，M.（2014）.Efficiency and Stability of a FinancialArchitecturewithToo-Interconnected-to-Fail Institutions，2014，University of Wisconsin，Working Paper.

8.In’t Veld，D.&van Lelyveld，I.（2014）.Finding the Core:Network Structure in Interbank markets，Journal of Banking &Finance，49，27-40.

9.Markose，S.，Giansante，S.，&Shaghaghi，A.（2012）.‘Too Interconnected to Fail’Financial Network of US CDS Market: Topological Fragility and Systemic Risk，Journal of Economic Behavior&Organization 83，627-646.

［责任编辑：张震］

F830

A

1009-2382（2016）09-0059-04

胡锡亮，湖南科技大学经济与管理学院讲师（湘潭411201）；吴恒煜，西南财经大学经济信息工程学院教授（成都611130）。

※本文系教育部人文社会科学青年基金项目“动态时空互动视角下我国系统性金融风险的测度、传染与防范研究”（项目编号：15YJC790028）、湖南省哲学社会科学基金一般项目“空间相依视角下我国系统性金融风险传染研究”（项目编号：14YBA154）、湖南省教育厅一般项目“基于网络连通性的我国系统性金融风险研究”（项目编号：15C0579）中间研究成果之一。