基于银企信用网络的交易对手风险传染研究

陈庭强 王磊 曾倩茹

摘   要：本文运用文献分析和理论推演方法，从信贷、金融产品、关联关系三个视角剖析银企信用超网络结构及其特征，阐释银企信用网络交易对手的行为决策机制及其信用风险形成。基于上述分析，从资产负债表关联和风险关联两个方面探寻了银企信用网络交易对手风险的传染渠道，并从银企信贷网络、银企金融产品网络、银企关联关系网络三个角度研究了银企信用网络交易对手风险的传染机制。研究发现：银企间关联关系是银企信用网络形成的根本途径;银企信用网络交易对手的行为决策主要受流动性、收益与成本、资产利益最大化、风险规避、伙伴关系的影响;银企信用网络中交易对手的风险传染源于资产负债表关联和风险关联;银企信用网络交易对手风险的传染强度受信贷损失大小、金融产品状态、关联关系紧密度的影响。

关键词：银企关系;信用网络;交易对手;风险传染

中图分类号：F830  文献标识码：B  文章编号：1674-2265（2019）02-0032-07

DOI：10.19647/j.cnki.37-1462/f.2019.02.005

从1997年亚洲金融危机，到2008年全球性金融危机，再到2011年欧洲主权债务危机均凸显了交易对手风险传染的破坏性及其影响深度，交易对手风险传染问题也日益受到实务界和理论界的高度重视。在金融系统中，交易对手之间通过信贷、金融产品、业务合作等关系形成信用网络，一旦一方交易对手出现违约，交易对手风险将通过信用网络传导给其他交易对手，引发连锁违约，形成“多米诺骨牌效应”（Battiston等，2007;Gatti等，2010;Arora等，2012;刘晓星和夏丹，2014;陈庭强等，2016）。银企信用网络作为一种重要的信用网络，其银行间、企业间和银企间信用关联及其相互影响关系，能够充分反映金融系统的运行特征（Beretta和Del，2013）。诸多学者已开始对银企信用网络及其风险传染进行了初步研究（Fujiwara等，2009;邓建平和曾勇，2011;Yang和Zhou，2013;孙艳霞等，2015）。另外，根据2016年《中国统计年鉴》数据显示，公司对银行及非银行金融机构年底债务余额由2013年的86467.9亿元增长到2015年的189553.0亿元，反映了银企之间风险敞口的急剧增加，将引发银行信用风险提高，银企间交易对手风险也将随之增加。因此，有必要在银行、非銀行金融机构、企业相互关联所形成的信用网络及其特征下（见图1），理清交易对手风险传染的行为决策及其信用风险形成，挖掘银企信用网络交易对手风险的传染渠道及其传染机制，为实务界制定防控银企间交易对手风险传染的对策提供借鉴。

基于上述分析，本文运用文献分析和理论推演方法，从银企信用网络结构形成及其特征出发，深入剖析银企信用网络交易对手的行为决策及其信用风险形成机制，探究银企信用网络交易对手风险的传染渠道及其传染机制。

一、银企信用网络结构及其特征分析

银企信用网络是信用风险传染的重要途径，其网络结构是信用风险传染的重要影响因素（Battiston等，2007）。在银企网络中，银企间通过信贷、金融产品交易等信用业务合作形成纷繁复杂的信用网络结构，交易对手风险依赖于这种复杂的网络形成传染效应。因此，本文从信贷、金融产品、关联关系三个方面阐释银企信用网络的形成机制及其特征。

（一）信贷视角下银企信用网络

银企间信贷业务是银企信用网络形成的重要途径（Giesecke和Weber，2006）。各类银行之间通过同业拆借业务，形成银行间信用关联网络;银行向企业提供贷款满足企业发展的资金需要，形成银行与企业间信用关联网络，同时，向非银行金融机构提供信贷实现非银行金融机构的正常运营，形成银行与非银行金融机构间信用关联网络;非银行金融机构通过资金拆借形成非银行金融机构间信用关联网络，同时向资金需求企业提供了贷款以满足企业发展需求，形成非银行机构与企业之间信用网络。因此，在信贷业务关联下，银行、非银行金融机构和企业之间形成信贷关联的银企信用网络（见图2）。在信用关联机制下，银行、非银行金融机构、企业相互之间形成了多层、多级、多属性的信用关联超网络结构，并呈现幂律分布特征（Gatti等，2010;Fujiwara等，2009;Masi和Gallegati，2012;He等，2016）。在银企信用关联超网络中，大型国有银行处于中心地位，也是整个信用关联超网络的神经中枢。大型非银行金融机构和国有企业是整个信用关联超网络重要的支柱节点。这类银行、非银行金融机构和企业既是银企信用超网络稳定的重要抓手，也是银企信用超网络中交易对手风险的传染源（陈庭强等，2016），确保此类银行、非银行金融机构和企业的健康与稳定，有助于预防系统性风险的发生。

（二）金融产品视角下银企信用网络

金融产品交易是银企间信用关联网络形成的另一个重要途径（陈庭强等，2016）。银行之间通过债券和票据等金融产品形成银行间信用关联网络;企业间通过融资担保等金融产品形成企业间信用关联网络;非银行金融机构间通过相互提供信托、证券、基金、保险等金融产品形成非银行金融机构间信用关联网络;银行与非银行金融机构之间通过股票、债券、衍生产品、基金、信托、保险等金融产品形成银行与非银行金融机构间信用关联网络;银行与企业间通过债券、衍生产品等形成银行与企业间信用关联网络;非银行金融机构与企业间通过股票、债券、衍生产品、基金、信托、保险等金融产品形成非银行金融机构与企业间信用关联网络。因此，银行、非银行金融机构、企业之间以各类金融产品为媒介形成了多层、多级、多属性的信用关联超网络结构。在该类信用关联超网络中，银企间通过金融产品互为交易对手，一旦一方交易对手出现违约，交易对手风险便可能通过由金融产品所形成的银企信用关联网络传染给与之有金融产品关联的交易对手，进而出现连锁违约，导致交易对手风险在银企信用关联网络中扩散（Kwan和Laderman，1999;Santos，2006;Allen和Carletti，2006;Heise等，2012）。因此，银企间金融产品交易既是银企信用关联网络形成的重要途径，也是交易对手风险传染的重要介质和渠道。而且，由于银企间金融产品的种类繁多、相互之间联系错综复杂，在金融产品交易下，银企信用关联网络结构呈现多中心、多向连接的特征。

（三）关联关系视角下银企信用网络

银企间关联关系是银企信用网络形成的根本途径。银行间通过持有共同类型债券和股权形成银行间信用网络;企业间和非银行金融机构间通过股权分别形成企业间信用网络、非银行金融机构间信用网络、非银行金融机构与企业间信用网络;银行通过股权与企业和非银行金融机构形成银行与企业间信用网络、银行与非银行金融机构间信用网络。在银企关联关系网络中，银企间保持紧密关系有助于缓解信息不对称性以及在困境中获得支持，从而减少违约的发生与扩散，但易引发被套牢以及违约发生后风险通过责任关系在整个银企关联关系网络中扩散的问题（Krause和Giansante，2012）。因此，银企间关联疏密影响着银企间网络特征，进而影响交易对手风险传染（Beretta和Del，2013;翟胜宝等，2014），银企间关联关系的紧密度对银企信用网络中交易对手风险传染的影响呈现“双刃剑”特征。

二、银企信用网络交易对手的信用风险形成机制

银行、非银行金融机构和企业作为银企信用关联超网络中三个不同类型的交易对手，在交易对手风险传染过程中扮演着重要角色（Markose等，2012;Miranda和Tabak，2013;陈庭强等，2017）。因此，本文分别从信贷、金融产品、关联关系所形成的银企信用关联网络出发，分析银行、非银行金融机构和企业之间交易对手信用风险的形成机制。

（一）信贷作用下交易对手信用风险形成

在信贷作用下的银企信用关联网络中，银企交易对手间在综合考虑流动性、收益与成本下进行信贷决策（He等，2016）。银行间或非银行金融机构间通过资金拆借来缓解临时性资金短缺问题。然而，若临时性资金短缺银行或非银行金融机构出现违约导致无法偿还拆借资金，势必造成资金拆借银行或非银行金融机构资金缺口，形成流动性风险（Detragiache等，2010;陈庭强等，2011）。企业出于发展需要向银行或非银行金融机构借贷，同时，银行或非银行金融机构出于获利目的向企业放贷，借贷成本与收益即利率高低是其考虑的核心要素（Chen等，2013;Yin和Liu，2016）。利率过高，将增加企业运营成本，导致企业负担过重，易诱发企业到期无力偿还本息的风险（Beretta和Del，2013;刘晓星和夏丹，2014），形成银企间交易对手信用风险。另外，在信贷作用下的银企信用网络中，居于核心地位的银行、非银行金融机构和企业不仅在议价方面具有优势，而且与之存在联系的交易对手众多，一旦这类银行、非银行金融机构和企业出现违约，其交易对手将遭受剧烈影響，导致交易对手风险在银企信用网络中突然爆发与快速扩散（陈庭强等，2016）。

（二）金融产品作用下交易对手信用风险形成机制

在金融产品媒介关联作用下的银企信用网络中，银企交易对手间资产利益最大化和风险规避是影响其决策的核心要素（陈庭强等，2016）。银行、非银行金融机构和企业通过股票、债券、衍生产品、基金、信托、保险等金融产品实现利益最大化和风险转移。一方面，银行、非银行金融机构和企业可以将闲置资金借助理财性的金融产品，实现资本利用效率和资产收益最大化;另一方面，银行、非银行金融机构和企业为规避自身所承担的风险，通过购买保险、衍生产品、融资担保等形式实现风险转移与风险对冲。而且，通常由非银行金融机构向银行或企业出售信用保护，银行或企业向非银行金融机构支付购买信用保护的费用，当交易对手出现信用违约时，非银行金融机构向购买信用保护方提供补偿（Berndt等，2010）。然而，一旦金融产品的任一方交易对手出现违约，将引发另一方交易对手遭受损失，发生交易对手信用风险暴露，并在金融产品交易所形成的银企信用关联网络进行扩散（林琳等，2016）。而且，由于银企间金融产品种类繁多、交易对手间相互联系错综复杂，将导致金融产品作用下的交易对手信用风险呈现多联结主体、广泛性特征。

（三）关联关系作用下行为决策机制及其信用风险形成

建立直接或间接伙伴关系是银企信用网络中交易对手进行决策的另一个主要目的。银企间通过股权的形式形成银企信用网络，保持直接或间接的紧密伙伴关系。这样，不仅有助于银行、非银行金融机构和企业间更好地了解彼此状况，减少信息不对称，而且有助于银行、非银行金融机构和企业在困境中获得关联伙伴的支持（Krause和Giansante，2012），实现降低交易对手风险发生概率的目的。然而，当银企间伙伴关系过于紧密时，一旦一方交易对手出现违约，存在股权关联的银行、非银行金融机构和企业，也将承担连带损失，进而诱发“牵一发而动全身”的风险扩散困境。

三、银企信用网络交易对手风险的传染渠道及其传染机制

在银企信用关联超网络中，交易对手风险传染既包括交易对手违约造成直接损失的传染，也包括交易对手违约导致违约概率变化造成信用资产损失可能性的传染（Jorion和Zhang，2009;Bo和Capponi，2015）。任一交易对手出现信用违约，均可能引发其他交易对手违约，从而使整个银企信用网络出现信用违约的恶性循环，直至破产雪崩（Gatti等，2010;杨星和胡国强，2013;巴曙松等，2014）。

（一）银企信用网络中交易对手风险的传染渠道

根据以上分析，银企信用网络中交易对手风险的传染渠道源于交易对手之间的联系，主要体现为资产负债表关联和风险关联两个方面。

1. 资产负债表关联。在信贷作用下的银企信用网络中，交易对手之间在资产负债表方面形成了强关联（韩平和席酉民，2001;Masi和Gallegati，2012）。若借款方到期无法偿还贷款方本息，贷款方的资产负债表将出现不平衡，进而增加贷款方“坏账”的可能性（Riccetti等，2013）。若贷款方为银行，潜在“坏账”影响将通过银行间拆借网络中的资产负债表渠道传递给与之联系的银行;若贷款方为非银行金融机构，潜在“坏账”影响通过非银行金融机构资金拆借网络中资产负债表渠道传递给与之联系的非银行金融机构（Diamond，1984;Ongena和Smith，2000;Pais和Stork，2011;Beretta和Del，2013;刘晓星和夏丹，2014）。而且，由于银行、非银行金融机构、企业通过信贷形成密切联系的银企信用网络，一旦一方交易对手尤其是处于核心地位的交易对手出现违约，可能引发破产雪崩（Li和Sui，2016）。在金融产品作用下的银企信用网络中，银行、非银行金融机构、企业也会通过债券等金融产品形成高度连接的银企信用网络，一旦发行债券方到期无法履行约定，那么购买债券方将遭受损失，并将此损失通过资产负债表在整个银企信用网络中进行扩散。因此，资产负债表是银企信用网络中交易对手风险传染的主要渠道。

2. 风险关联。在银企信用网络中，一旦一方交易对手出现违约，与之关联的交易对手也将遭受影响（Gatti等，2010）。一方面，銀行、非银行金融机构、企业间通过金融产品交易形成风险关联，相互之间处于共存状态。一旦一方交易对手的金融产品出现违约，那么金融产品将丧失其风险分散和收益最大化的作用，引发违约风险快速通过关联网络传染给与之风险关联的交易对手，进而引发违约风险在整个银企信用网络连锁传染（Chen等，2017）。另一方面，银行、非银行金融机构、企业间通过股权形成风险关联。若交易对手一方出现破产危机，那么与之存在股权关联的交易对手也将受到破产危机冲击，进而引发破产危机连锁反应。因此，风险关联是银企信用网络中交易对手风险传染的另一主要渠道。

（二）银企信用网络交易对手风险的传染机制

综合以上分析，本文主要从信贷、金融产品、关联关系三个视角探寻银企信用网络交易对手风险的传染机制。

1. 信贷作用下交易对手风险的传染机制。在信贷作用下银企信用网络中，交易对手风险冲击信用系统，使得交易对手风险通过负债网络进行传播（Krause和Giansante，2012）。当银企信用关联网络受交易对手风险冲击时，一方面信贷资产质量整体下降，银企间信贷资产面临降级甚至违约，造成拆借银行或借贷银行出现信贷损失;另一方面由于资产负债表关联，造成与之关联的交易对手的资产负债表出现不平衡，诱发交易对手间连锁信用违约。当银行或非银行金融机构的信贷损失上升到某一临界值时，银行或非银行金融机构为达到资本充足率的规定和避免发生违约，不得不紧缩信贷（Diamond，1984;Ongena和Smith，2000;Pais和Stork，2011;Beretta和Del，2013;刘晓星和夏丹，2014;孙艳霞等，2015），交易对手风险将进一步通过影响市场资金流动性将风险传染给其他相关银行、非银行金融机构和企业，形成银企间信贷风险的传染链，引发交易对手信用风险传染的溢出效应。而且，在银企信贷网络中，当处于核心地位的银行、非银行金融机构和企业受到冲击时，所引发的交易对手风险传染规模远大于一般银行，交易对手风险在银企信贷网络中传染的影响程度更深、影响范围更广、造成的后果也更加严重。而且，随着金融系统总损失的不断增加，银行间的风险传染将逐渐居于主导地位（刘晓星和夏丹，2014;Jorion和Zhang，2007;2009）。

2. 金融产品作用下交易对手风险的传染机制。在金融产品作用下的银企信用网络中，金融产品往往发挥降低交易对手总体风险和风险转移、缓释的作用（Berndt等，2010），同时通过交易对手之间因金融产品交易所形成的资产负债表实现风险关联。当银企信用网络中的金融产品遭到冲击时，一方面，金融产品丧失风险转移或缓释作用，交易对手信用风险将在银企信用网络中集聚（Casu等，2015）;另一方面，集聚的交易对手信用风险通过资产负债表扩散给与之连接的交易对手，这是由于各交易对手之间通过金融产品合约相联系，一旦一方违约，合约无法发挥作用，不仅造成风险转移作用失效，而且导致交易对手风险集聚，进而诱发交易对手信用风险在银企信用网络中扩散，引发交易对手信用风险传染的溢出效应。而且，银行和非银行金融机构通过影子银行开展的各类交叉性金融产品业务，急剧放大了金融资产和负债的期限错配程度，导致更为严重的交易对手风险聚集与传染（林琳等，2016）。因此，当金融产品合约正常发挥作用时，银企信用网络中的金融产品起到转移与缓释风险的作用，实现利益最大化的目的，而当交易对手一方出现违约时，金融产品合约丧失转移与缓释风险的作用，银企信用网络中的金融产品起到交易对手风险集聚和传染的反作用。

3. 关联关系作用下交易对手风险的传染机制。银企信用网络的交易对手风险传染强度取决于伙伴网络的关联复杂性（Giesecke和Weber，2004;Wagner，2010）。虽然银企间通过股权关联关系形成信用网络，有助于减少相互之间代理成本和信息不对称，并有助于在困境中获得支持（Güner等，2008;Ciamarra，2012;邓建平和曾勇，2011），但也可能助长相互之间过度投资行为，进而增加交易对手风险的集聚（翟胜宝等，2014）。同时，关联高度集中的银行、非银行金融机构以及企业，其违约风险对交易对手产生剧烈影响。一方面，高度集中的银行、非银行金融机构和企业出现破产危机，与之股权关联的交易对手也将陷入无法正常运营的风险，甚至面临破产;另一方面，高度集中的银行、非银行金融机构以及企业为实现利益最大化，会利用自身的主导地位，对与之股权关联的交易对手产生寻租行为，增加关联交易对手的运营负担和风险（Agarwal和Elston，2001），进一步增加交易对手风险的集聚。因此，在关联关系作用下的银企信用网络中，交易对手一方信用违约能够快速通过关联网络将集聚的交易对手风险扩散给与之关联的交易对手，从而造成整个银企信用网络出现恶性循环和破产雪崩（Li和Sui，2016）。

四、结论

本文运用文献分析和理论推演方法，从信贷、金融产品、关联关系三个视角剖析了银企信用关联超网络结构的形成及其特征，并在此基础上阐释了银企信用网络交易对手信用风险形成机制。在以上研究基础上，从资产负债表关联和风险关联两个方面探讨了银企信用网络交易对手风险的传染渠道，并从银企间信贷网络、金融产品交易网络、关联关系网络三个角度剖析了银企信用关联网络交易对手风险的传染机制。研究发现：银企间主要通过信贷、金融产品交易、关联关系形成了多层、多级、多属性的银企信用关联超网络结构，其中，关联关系是银企信用网络形成的根本途径;银企信用关联网络中交易对手受流动性、收益与成本、资产利益最大化、风险规避、伙伴关系的影响，致使交易对手风险的形成;银企信用网络中交易对手的风险传染源于资产负债表关联和风险关联，其传染强度受信贷损失大小、金融产品状态、关联关系紧密度的影响。

本文对银企信用网络的交易对手风险传染机制进行研究，得到了一些具有决策参考价值的研究结论，对我国制定防控银企信用网络交易对手風险传染的对策具有一定借鉴意义。

参考文献：

[1]Battiston S， Gatti D D， Gallegati M， et al. 2007. Credit chains and bankruptcy propagation in production networks[J].Journal of Economic Dynamics&Control，31（6）：.

[2]Gatti D D，Gallegati M，Greenwald B，et al. 2010. Business fluctuations in a credit-network economy[J]. Physica A：Statistical Mechanics & Its Applications，370（1）.

[3]Arora N，Gandhi P，Longstaff F A. 2012. Counterparty credit risk and the credit default swap market[J].Journal of Financial Economics，103（2）.

[4]Beretta E， Del P S. 2013. Banking Consolidation and Bank-Firm Credit Relationships：The Role of Geographical Features and Relationship Characteristics[J].Review of Economics & Institutions，4（3）.

[5]Fujiwara Y，Aoyama H，Ikeda Y，et al. 2009. Structure and temporal change of the credit network between banks and large firms in Japan[J].Economics，3（2009-7）.

[6]Yang J，Zhou Y. 2013. Credit risk spillovers among financial institutions around the global credit crisis：firm- level evidence[J].Management Science，59（10）.

[7]Giesecke K，Weber S. 2006. Credit Contagion and Aggregate Losses[J].Journal of Economic Dynamics & Control，（30）.

[8]Masi G D，Gallegati M. 2012. Bank-firms topology in Italy[J].Empirical Economics，43（2）.

[9]He J，Sui X，Li S. 2016. An endogenous model of the credit network[J].Physica A：Statistical Mechanics and its Applications，441.

[10]Kwan S H，Laderman E S. 1999. On the portfolio effects of financial convergence：A review of the literature[J].Economic Review，（2）.

[11]Santos T. 2006. Comment on： Credit risk transfer and contagion[J].Journal of Monetary Economics，53（1）.

[12]Allen F，Carletti E. 2006. Credit risk transfer and contagion[J].Journal of Monetary Economics，53（1）.

[13]Heise S，Kühn R. 2012. Derivatives and credit contagion in interconnected networks[J].European Physical Journal B，85（4）.

[14]Krause A，Giansante S. 2012. Interbank lending and the spread of bank failures： A network model of systemic risk[J].Journal of Economic Behavior&Organization，83（3）.

[15]Markose S，Giansante S，Shaghaghi A R. 2012.“Too interconnected to fail” financial network of US CDS market：Topological fragility and systemic risk[J].Journal of Economic Behavior&Organization，83（3）.

[16]Miranda R C，Tabak B. 2013. Contagion Risk within Firm-Bank Bivariate Networks[C].Central Bank of Brazil， Research Department.

[17]Detragiache E，Garella P，Guiso L. 2010. Multiple versus Single Banking Relationships：Theory and Evidence[J].Journal of Finance，55（3）.

[18]Chen T，He J，Yin Q. 2013. Dynamics Evolution of Credit Risk Contagion in the CRT Market[J].Discrete Dynamics in Nature and Society，（6）.

[19]Yin W， Liu X. 2016. Bank versus nonbank financial institution lending behaviour： indictors of firm size， risk or ownership？[J].Applied Economics Letters，1-4.

[20]Berndt A，Ritchken P， Sun Z. 2010. On Correlation and Default Clustering in Credit Markets[J].The Review of Financial Studies，23（7）.

[21]Jorion P，Zhang G Y. 2009. Credit contagion from counterparty risk[J].The Journal of Finance，64（5）.

[22]Bo L，Capponi A. 2015. Counterparty risk for CDS： Default clustering effects[J].Journal of Banking&Finance，52（3）.

[23]Riccetti L，Russo A，Gallegati M. 2013. Leveraged network-based financial accelerator[J].Journal of Economic Dynamics&Control，37（8）.

[24]Diamond D W. 1984. Financial Intermediation and Delegated Monitoring[J].Review of Economic Studies，51（3）.

[25]Ongena S，Smith D C. 2000. What Determines the Number of Bank Relationships？Cross-Country Evidence[J]. Journal of Financial Intermediation，9（1）.

[26]Pais A，Stork P A. 2011. Contagion risk in the Australian banking and property sectors[J].Journal of Banking & Finance，35（3）.

[27]Li S，Sui X. 2016. Contagion risk in endogenous financial networks[J].Chaos Solitons & Fractals，91.

[28]Chen T，He J，Li X. 2017. An evolving network model of credit risk contagion in the financial market[J].Technological & Economic Development of Economy，23（1）.

[29]Jorion P，Zhang G. 2007. Good and bad credit contagion：Evidence from credit default swaps[J].Journal of Financial Economics，2007，84（3）.

[30]Casu B，Dontis-Charitos P，Staikouras S，et al. 2016. Diversification， Size and Risk： the Case of Bank Acquisitions of Nonbank Financial Firms[J].European Financial Management，22（2）.

[31]Giesecke K，Weber S. 2004. Cyclical correlations， credit contagion， and portfolio losses[J].Journal of Banking &Finance，28（12）.

[32]Wagner W. 2010. Diversification at financial institutions and systemic crises[J].Journal of Financial Intermediation，19（3）.

[33]Güner A B，Malmendier U，Tate G. 2008. Financial expertise of directors[J].Journal of Financial Economics，88（2）.

[34]Ciamarra E S. 2012. Monitoring by Affiliated Bankers on Board of Directors： Evidence from Corporate Financing Outcomes[J].Financial Management，41（3）.

[35]Agarwal R，Elston J A. 2001. Bank-firm relationships，financing and firm performance in Germany[J].Economics Letters，72（2）.

[36]劉晓星，夏丹.基于复杂网络的银企间信贷风险传染机制研究[J].金融监管研究，2014，（12）.

[37]陈庭强，李心丹，何建敏.基于熵空间交互理论的CRT网络信用风险传染模型[J].中国管理科学，2016，24（6）.

[38]邓建平，曾勇.金融生态环境、银行关联与债务融资——基于我国民营企业的实证研究[J].会计研究，2011，（12）.

[39]孙艳霞，鲍勤，汪寿阳.房地产贷款损失与银行间市场风险传染——基于金融网络方法的研究[J].管理评论，27（3）.

[40]翟胜宝，张胜，谢露，郑洁. 银行关联与企业风险——基于我国上市公司的经验证据[J].管理世界，2014，（4）.

[41]陈庭强，王杰朋，王冀宁.基于CDS的交易对手信用风险传染机理研究[J].金融理论与实践，2017，（4）.

[42]王杰朋，陈庭强，王冀宁.信用衍生品创新扩散下CRT市场信用风险传染机制研究[J].金融发展研究，2018（5）.

[43]林琳，曹勇，肖寒.中国式影子银行下的金融系统脆弱性[J].经济学：季刊，2016，（3）.

[44]杨星，胡国强.交易对手信用违约事件与信用违约互换公允价值[J].系统工程理论与实践，2013，33（6）.

[45]巴曙松，曾智，朱元倩.交易对手信用风险的度量及其防范[J].价格理论与实践，2014，（4）.

[46]韩平，席酉民.违约相关性分析[J].统计研究， 2001，18（5）.