基于网络模型的金融机构间风险传染研究综述

于潇潇 刘广合

摘要：近年来，金融危机的频繁爆发使得金融风险研究领域的关注点转向了金融机构间的风险传染。研究金融系统内高度联系性对风险传染的作用效果，文章从正反两种观点出发，从金融风险传染定义、金融网络模型及相关理论、金融网络仿真及相关实证研究三个方面对国内外相关研究进行了较为全面的梳理与评述，并对未来的发展趋势进行展望，目的是为从事该领域学术研究的学者和监管部门提供借鉴和思路。

Abstract： In recent years， the frequent outbreak of the financial crisis has shifted the focus of the financial risk research field to financial institutions risk contagion. The article is based on the positive and negative effects of the highly connect in financial system. From the three aspects （the definition of financial risk contagion， the financial network model and related theories， simulations and related empirical research）， the relevant studies at home and abroad were comprehensively reviewed， and the future development trend is forecasted. The purpose is to provide reference and ideas for scholars and supervisory departments engaged in this field.

关键词： 网络模型；金融风险传染；同业拆借市场；研究综述

Key words： networks model；financial contagion；interbank market；research review

中图分类号：F830 文献标识码：A 文章编号：1006-4311（2018）26-0270-04

0 引言

在现代经济社会中，伴随金融工具种类不断增加、金融交易持续深化，各类金融机构之间关系愈加复杂。其中一家金融机构倒闭可能导致整个金融体系崩溃，进而对实体经济造成严重冲击，以雷曼投行破产为标志的美国次贷危机正是这一过程的体现。与此同时，近几年网络科学发展迅猛，并逐步应用于金融传染的相关研究，成为金融风险研究领域新方向。尽管当前还没有一个统一框架将其置于经济理论研究范围内 （Summer，2013）[1]，但国内外很多论文都涉及这一主题，且大致分为两种观点：

其一，具有高度联系性的金融网络系统会促使风险分摊，表现为系统更具有抵抗弹力。以高度联系性作为前提，每一个体机构产生的冲击，经分摊后因足够轻微可以被系统抑制，例如：Brunnermeier和Pedersen （2009）[2] 与Geanakoplos （2009）[3] 对减价出售在市场资金流动性方面的研究；

其二，具有高度联系性的系统难以抵抗危机扩大机制所带来的严重后果，表现为系统更易于危机传染。Shin （2010）[4] 讨论了这一经济机制，他展现了中介链条如何在一段时间内使金融机构更依赖于资本市场并因在杠杆率、资产价格与风险承担作用下扩大了反馈循环。

1 金融风险传染的定义

“传染”一词源于流行病学，成为金融研究的学术名词却是最近20年，当前学术界对传染适用于金融风险的范围仍然存在着一定分歧。

多数学者从现象视角将其定义为：传染性是指一个或一组市场、国家或机构遭受的冲击（如金融危机）蔓延至其他市场、国家或机构的过程，该过程可观察到各国股价、汇率、主权债务利差以及资本流动发生高度的同步性变动 （张磊，2013）[5]，依据该定义金融机构尤其是银行同业间的风险蔓延可被称为“传染”。

然而，一些学者认为，并非所有的冲击传播现象都能成为传染性，例如Karolyi （2003）[6] 认为传染是“非理性的协同运动”，即在剔除“基于基本面的协同运动”和“基于理性投资者的协同运动”后市场间的协同运动。因此当我们将研究范围从银行同业间扩大至市场、国家间时需要首先证明其是否满足传染性的定义。

2 金融网络模型及相关理论

自Boss等（2004）[7] 开始，有关银行间同业拆借的网络模型结构的研究就出现在各种不同文献中：在基础模型中，各个银行是节点，如果两个银行间存在贷款联系，就会在两者之间存在一条连线将其相连，这些线也可以根据负债的大小被加粗。自此，金融网络模型的发展一触即发，在结构与内容上不断突破，旨在最大程度的模拟现实情况。

2.1 金融网络基础模型及发展

2.1.1 金融网络基础拓扑模型

早期有关国有银行间同业拆借的网络拓扑模型是Boss等（2004）[7] 引入研究的，作者研究了大约十个银行间拆借的模型，包含了900个同业间债务联系，其中模型数据来源于2000-2003年奥地利中央银行 （OeNB） 的季度数据资料（图1）。

该基础模型依据奥地利银行分布及拆借特征體现出了网络模型中心-边缘的结构特征与同业间堆叠层次化的结构特点，并由此引出了节点度这一网络技术用语。但作为该领域的基础模型，其在方向复杂性与数据处理方面仍值得研究与提升。

2.1.2 基础模型发展过程

通过观察奥地利银行间网络示意图，可以发现该基本模型所能研究的关联类型受到限制，随后Boss等（2006）[8] 和 Elsinger （2009）[9]在内容上完善了该基础模型，将银行间负债和股本的拆借包括在内；除此外，这一图像通过增加方向复杂性得到进一步完善，具体表现为引出了“出度”与“入度”，且出度与入度的幂次定律的指数在2-3之间，这一特点也在许多其他的网络模型中被证实（Newman，2012）[10]；在数据处理方面，Cont等（2013）[11] 研究巴西银行间同业拆借模型使用数据集作为依据，这被公认为是比Boss等（2004）[7] 在数据方面处理得更好的解决方法。

2.2 金融网络相关理论发展

在过去的十年里，一些文献尝试从理论角度在同业拆借网络模型的情景下解决金融稳定的问题。但是在破产倒闭与流动性不足的传染问题上，孤立的研究机构是不够的，同样在一般均衡理论与博弈论的指导下研究金融机构也是不够的。

2.2.1 传染性资不抵债

Allen和Gale （2000）[12] 研究了一个例子，银行位于的不同的地区共同面对负相关的流动性冲击（图2）。

如左侧，不完全联系：当其中一个地区发生危机时，循环的同业拆借会使得危机传染的强度更大；如右侧：完全联系：其在危机发生时的抵抗弹力明显高于左侧。

尽管这篇文献使用了一个形式简单的例子，但是这篇文献是非常有影响力的，主要体现在它将这一研究银行运行过程中存款人对资金流动性要求之间发生协调失衡问题的古典模型 （Diamond和Dybvig，1983）[13] 与同业拆借网络拓扑模型和传染性资不抵债这一问题进行了结合。不过这一结果是很难去概括的，同时我们仍旧不清楚结果是取决于具体的设置还是示例的对称性。

2.2.2 流动性的理论僵局

另一篇具有影响力的文献来自于同一时期的Freixas等（2000）[14]，作者证明了网络接触模型与在一个由提供流动性资金的银行组成的金融系统中产生的均衡产出是有关系的，例如，Allen 和Gale （2000）[12] 中，有一个系统：银行各自做坐落在不同的地区并且在框架 （Diamond和Dybvig，1983）[13]中单独被模拟，在每个地点之间存在存款人移动性，并且存款人只能将他们的资金投资于在他所在地的银行中。

尽管这些论文都在流动性资金供给的博弈论模型与同业拆借网络模型中搭建了相通的桥梁，但再给一个更加综合的分析就变得困难。尽管尝试给出一个一般化的结果 （Lagunoff 和Schreft 2001[15]，Dasgupta 2004[16]，Leitner 2005[17]） 或者追求将研究更加系统化，但在网络模型与金融危机传染上的理论文献研究仍是近乎空白，形成研究僵局。

不过最近，领域内对金融系统理论网络模型又产生了新一轮兴趣，例如，Zawadowski （2013）[18]，分析同业拆借网络模型在OTC市场中是如何引诱银行们产生导致个别问题传播成为系统性危机的危机转换行为，希望能够在理论上有所突破。

3 仿真及相关实证研究

在一场严重的银行业危机中，当局通常不会处于被动地位袖手旁观，相反，当局会采取各种形式的救援行动。因而想要从历史经验中研究这一多米诺传染效应的研究人员并没有足够的观察数据及结果支持他的研究，这样研究人员在开展传染分析研究时便只能采用仿真模拟。

国外学者在这一领域较为领先，开拓性质的论文（Furfine，2003）[19]利用仿真出来的金融网络模型研究当前支付系统下合约对方的拖欠行为，但是文献研究的兴趣很快转移到了银行系统（Worms，2004[20]；Wells，2004[21]；Elsinger等，2006[22]，2005[23]），同时，根据大量来自全世界的数据集产生了许多有关资不抵债传染与多米诺效应的仿真研究，仿真研究的真实性也在不断提高，例如，在之后的一些文献中，Alessandri等（2009）[24] 在Cifuentes， Ferrucci 和 Shin（2005）[25] 之后，放松了“独立违约且外生”这一假定；Elsinger（2009）[26] 恰当地在仿真中将债务并不是相同年限这一情况考虑在内。尽管仿真效果不断提高，但需要承认的是，对金融网络进行实证研究，不同于复杂网络的理论研究，首先面对的问题是将基于某种研究背景的金融网络构建出来。一种是利用真实的金融机构间关联数据（Boss等，2004[7]；Anand等，2017[27]）这些数据往往掌握在各国央行或者政府部门手中；二是使用仿真的网络生成方法（Soram？覿ki和Cook，2012[28]）或合成数据来进行研究（Doeherty等，2010[29]），生成数据的参数往往从真实数据中获得，因此真实且全面的数据获取是研究发展的一大阻碍。

对比国外的相关研究，国内这一领域发展相比国外较慢，但国内学者也随后跟上了仿真实证的步伐，不过国内当前的研究重点还是通过仿真与实证研究将研究结论用于指导政策实施与监管，其中实证分析方法主要包括概论分析、相关系数分析、VAR模型、GARCH簇模型等，推动实证结果更具实际意义。不过同样，国内研究也同样面临数据获取这一难题，由于真实数据在我国尤其难以获取，基本上作者单位决定了文章构建金融网络的方法。我国基于真实数据进行研究的文章往往来自于中国人民银行研究局（黄聪和贾彦东，2010[30]；贾彦东，2011[31]）。高校科研机构由于缺乏详细的真实数据，往往利用金融机构年报等公开信息使用矩阵法测算邻接矩阵（李守伟等，2011[32]）、基于公开数据生成模拟数据并使用熵最優化方法构建网络（童牧和何奕，2012[33]）、通过参数系统利用网络生成软件刻画金融网络结构（鲍勤和孙艳霞，2014[34]）、根据真实的统计数据模拟金融机构间资产负债状况得到银行同业业务数据（王晓枫等，2015[35]）。

虽然使用仿真的实证研究结论相较于基于真实数据的研究结论显得不那么可靠，但是随着计算机仿真技术的发展，这些基于真实背景的仿真方法对金融网络的刻画也越来越准确，极大地帮助了理论的创新，所以网络构建的仿真技术将会是金融网络地实证研究中绕不开的领域。

4 总结与展望

金融网络蓬勃发展，当前大量文献涉及的内容，其一是通过不断突破理论限制，在流动性资金供给的博弈论模型与同业拆借网络模型中搭建桥梁，并不断完善金融网络基础拓扑模型，在结构和内容上不断提升模型适用性，用以解释网络结构如何导致级联拖欠；

其二是通过研究金融机构资产负债表结构与节点重要性，在实证数據难以获取的阻碍下尝试量化，用以研究量化级联拖欠状况的影响与可能性大小。但是，当前这些文献并没有从根本上解释危机的影响是如何通过金融网络模型进行潜在性扩大的。而其中的扩大机制在金融危机研究中至关重要，也正是亟待我们解决的问题。

尽管，当前研究存在着理论难以突破、数据难以获取等方面的发展阻碍，但是网络模型提供了许多理论概念与解决问题的全新视角，这使得我们对现实世界中金融系统结构的描述更加准确、显著，相信通过理论研究的不断深入、网络科学与计算机仿真技术的持续发展，发展，我们可以通过网络模型搭建桥梁跨过关于危机放大机制的定性概念观点与金融脆弱性的定量模型之间不可逾越的鸿沟。

参考文献：

[1]Summer， Martin. Financial contagion and network analysis.[J]. Annual Review of Financial Economics 5.1 2013： 277-297.

[2]Pederson， Lasse Heje， and Markus K. Brunnermeier. Market Liquidity and Funding Liquidity.[M]. No. dp580. Financial Markets Group， 2007.

[3]Geanakoplos， John. The leverage cycle.[J]. NBER macroeconomics annual 24.1 2010： 1-66.

[4]Shin， Hyun Song. Risk and liquidity.[M] Oxford University Press， 2010.

[5]张磊.基本面关联还是市场恐慌？——金融危机跨国传染渠道的文献综述及其警示[J].经济社会体制比较，2013（3）：237-246.

[6]Karolyi， A.G. Does international finance contagion really exist？[J].International Finance， 2003， 6（2）： 179-199.

[7]Boss， Michael， et al. Network topology of the interbank market.[J]. Quantitative finance 4.6 2004： 677-684.

[8]Boss， Michael， et al. Systemic risk monitor： Risk assessment and stress testing for the austrian banking system. Internal technical document. OeNB （2006）.

[9]Elsinger， Helmut. Financial networks， cross holdings， and limited liability.[M] Austria： Oesterreichische Nationalbank， 2009.

[10]Newman， Mark. Networks： an introduction.[M]. Oxford university press， 2010.

[11]Cont， Rama， and Lakshithe Wagalath. Running for the exit： distressed selling and endogenous correlation in financial markets.[J]. Mathematical Finance 23.4 2013： 718-741.

[12]Allen， Franklin， and Douglas Gale. Financial contagion.[J]. Journal of political economy 108.1 2000： 1-33.

[13]Diamond， Douglas W.， and Philip H. Dybvig. Bank runs， deposit insurance， and liquidity.[J]. Journal of political economy 91.3 1983： 401-419.

[14]Freixas， Xavier， Bruno M. Parigi， and Jean-Charles Rochet. Systemic risk， interbank relations， and liquidity provision by the central bank.[J]. Journal of money， credit and banking 2000： 611-638.

[15]Lagunoff， Roger， and Stacey L. Schreft. A model of financial fragility.[J]. Journal of Economic Theory 99.1-2 2001： 220-264.

[16]Dasgupta， Amil. Financial contagion through capital connections： A model of the origin and spread of bank panics.[J]. Journal of the European Economic Association 2.6 2004：1049-1084.

[17]Leitner， Yaron. Financial networks： Contagion， commitment， and private sector bailouts.[J]. The Journal of Finance 60.6 2005： 2925-2953.

[18]Zawadowski， Adam. Entangled financial systems.[J]. The Review of Financial Studies 26.5 2013： 1291-1323.

[19]Furfine C. Interbank exposures： quantifying the risk of contagion.[J]. Money Credit Bank. 2003. 1（35）：111-28.

[20]Upper， Christian， and Andreas Worms. Estimating bilateral exposures in the German interbank market： Is there a danger of contagion？.[J]. European economic review 48.4 2004： 827-849.

[21]Wells， Simon J. Financial interlinkages in the United Kingdom's interbank market and the risk of contagion.[M] 2004.

[22]Elsinger， Helmut， Alfred Lehar， and Martin Summer. Risk assessment for banking systems.[J] Management science 52.9 2006： 1301-1314.

[23]Elsinger， Helmut， Alfred Lehar， and Martin Summer. Using market information for banking system risk assessment.[M] 2005.

[24]Alessandri， Piergiorgio， et al. Towards a framework for quantifying systemic stability.[J] International Journal of Central Banking 5.3 2009： 47-81.

[25]Cifuentes， Rodrigo， Gianluigi Ferrucci， and Hyun Song Shin. Liquidity risk and contagion.[J]Journal of the European Economic Association 3.2‐3 2005： 556-566.

[26]Elsinger， Helmut. Financial networks， cross holdings， and limited liability. Austria： Oesterreichische Nationalbank，[M] 2009.

[27]Anand K， van Lelyveld I， Banai á， et al. The missing links： A global study on uncovering financial network structures from partial data[J]. Journal of Financial Stability， 2017， 35： 107-119.

[28]Soram？覿ki K， Cook S. Algorithm for identifying systemically important banks in payment systems[R]. Economics Discussion Papers， 2012.

[29]Docherty P， Wang G. Using synthetic data to evaluate the impact of RTGS on systemic risk in the Australian payments system[J]. Journal of Financial Stability， 2010， 6（2）： 103-117.

[30]黃聪，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（04）：1-14.

[31]贾彦东.金融机构的系统重要性分析——金融网络中的系统风险衡量与成本分担[J].金融研究，2011（10）：17-33.

[32]李守伟，何建敏，庄亚明，施亚明.基于复杂网络的银行同业拆借市场稳定性研究[J].管理工程学报，2011，25（02）：195-199.

[33]童牧，何奕.复杂金融网络中的系统性风险与流动性救助——基于中国大额支付系统的研究[J].金融研究，2012（9）：20-33.

[34]鲍勤，孙艳霞.网络视角下的金融结构与金融风险传染[J].系统工程理论与实践，2014，34（09）：2202-2211.

[35]王晓枫，廖凯亮，徐金池.复杂网络视角下银行同业间市场风险传染效应研究[J].经济学动态，2015（03）：71-81.