中国上市银行风险传染性及传染网络演化特征

韩 瑜 任 达 李 喆

2008年金融危机促使全球金融监管理念从注重单个金融机构风险的微观审慎监管向强调系统性风险的宏观审慎监管转变。在经济全球化及金融自由化进程加快、金融创新快速发展的背景下，全球经济金融体系之间的联系也越来越紧密，形成一种全球金融体系的复杂网络。在复杂的金融网络中，危机的传染更加迅速，传染所导致的系统性风险更具破坏性。因此，研究金融网络中风险传染所引致的系统性风险具有重要的理论与现实意义。

目前我国有关金融机构间风险传染的研究仍处于初级阶段（林砚和陈志新，2018），且研究集中在某一具体市场，不能很好地反映整体金融市场的风险传染结构和规律。此外，国内对于系统性金融风险的研究大多处于定性阶段，少数学者的定量研究则瞄准了欧美等发达经济体且缺少针对性的研究方法。因此，具有针对性的研究工具具有相当的实际意义和研究价值。

金融风险传染效应是金融危机在国际金融市场上的一种扩散现象。传染性是金融市场风险的一个重要特征，其破坏性特别强，严重的会导致金融系统产生危机。近年较多学者关注金融机构风险网络的研究，研究论文主要分为两类：一是基于金融机构主体属性，分析金融机构业务往来、资金流动、风险分担等对相关金融机构的影响；二是基于复杂网络理论，分析各金融机构在网络中的性质以及网络拓扑结构和演化特点对风险传染性的影响。

Luo（2015）等人建立了基于企业之间担保关系的担保网络，运用复杂网络理论来度量其基本属性，结果表明拓扑结构决定了网络的抗风险能力，不同的风险感染源将对风险传播速度和范围产生不同的影响。Papadimitriou（2013）等人提出确定核心银行而不是大型银行的中央银行监管办法，通过复杂网络理论提出显示核心银行的方法。巴曙松和高江健（2012）通过研究金融机构倒闭引起公众情绪变化对风险传染性的影响，引入国民信心标准这一指标，提出使用等权重法对我国系统重要性银行进行评估。王巍（2012）提出从银行规模、与其他银行的关联程度、全球市场影响力、业务可替代性以及资产复杂性等五个方面对系统重要性银行进行评估。Bargigli 和Gallegati（2011）通过研究日本银企信贷网络发现其社团结构对于网络系统性风险传播影响巨大，建议政策制定者重点监测核心社团。Kim（2002）等人就标准普尔500 只股票的股票价格关联性，以公司和公司股票为节点构建了一无标度加权网络，发现节点的边权和的绝对值大小呈现无标度特性。Onnela（2004）等研究了纽约证券交易所477只股票形成的关联网络拓扑性质，如派系数量和规模、平均聚集系数等，并将实际网络与同等规模的随机网络进行了对比。Lee（2007）等研究了韩国KOSPI200 只股票关联网络的平均路径长度、度分布等基本拓扑统计性质。Tirado 和Mariano（2012）创建了基于增长策略的加权复杂网络来模拟银行间债务网络的金融危机蔓延，发现这种传染是通过基于金融病毒概念的新的疾病传播视角来描述的。Zhen（2013）等以中国银行为例，以复杂网络理论和邻近原则为基础，以北京市6个行政区的银行分行配网数据为基础，构建了一个复杂的银行分行网络模型并分析网络的拓扑结构。

2018 年以来，我国共新增甘肃银行、成都银行、江西银行、九江银行、长沙银行、紫金农商行等6 家上市银行，加上2017 年之前的39 家，目前合计共有45 家上市银行。45 家上市包括全国性银行15 家（6 家国有行和9 家股份行）、地方性银行30 家（21 家城商行和9 家农商行）。上市银行总资产规模达到172.87 万亿元，贷款规模达到96.95 万亿元，存款规模达到118.59万亿元，非保本理财余额达到19.05 万亿元。不可否认的是，上市银行家族正逐渐扩容，且现阶段这45 家上市银行的规模、业绩等均覆盖了商业银行90%以上的比例，因此研究上市银行风险性及风险传染情况的变化对于提高强调系统性风险的宏观审慎监管、防范重大金融风险乃至金融系统稳定性具有重大意义。

一、上市银行间风险传染网络构建

一个典型的网络是由许多节点与节点之间的连边组成的，其中节点用来代表真实系统中不同的个体，而边则用来表示个体间的关系。两个节点之间具有某种特定的关系则连一条边，反之则不连边，有边相连的两个节点在网络中被看作是相邻的。具体到构建金融风险传染网络，目前主流的构建方法有两类：一类是基于金融机构（节点）间实际发生的资金拆借或业务交易数据（边）构建；另一类则是根据股票价格、收益率等证券市场数据（边）进行构建。金融机构的股票价格数据相较于实际资金借贷数据更易获得，且具有时效性和更能全面反映网络关系，故被大多数学者采用（张来军等，2014；邓向荣等，2018）。需要注意的是我国并非强式有效市场，故依靠证券市场信息构建的复杂金融网络存在噪音，需要去除噪音，使得该复杂网络中节点间风险传染更真实（韩华等，2014）。本文具体的上市金融机构风险传染网络构建包括以下步骤：①计算金融机构股票价格波动相关系数矩阵；②对相关系数矩阵进行去噪音处理；③根据阈值法建立相关性网络拓扑结构，降低弱相关性指标干扰。

表1 上市银行分布年度变化（2008-2018年）

（一）样本数据选择及描述性说明

数据选自2008—2018 年CSMAR 上市银行收益率数据库以及Wind 资讯的银行财务数据。数据主要为银行股票收益率信息以及银行主体信息，包括国有控股银行、城市商业银行以及股份制银行的规模性指标、复杂性指标、风险性指标和盈利性指标等信息。对年份缺失、信息披露不全、新设合并或股改的个别银行的个别年份进行数据清洗。本文选取2008—2018 年的数据，跨度周期长，能动态地反映2008 年金融危机爆发后风险传染网络动态变化。具体年度以及银行分布详见表1。

（二）风险传染网络的构建

本文根据上市银行日收盘价Pi,t计算上市银行i的股票价格对数收益率ri,t，并计算任意两个上市银行i和j之间的皮尔逊相关系数ρi,j构建系数矩阵M=(ρi,j)n×n,公式表达如下：

其中t∈[1,N],N 为当年股票数据样本有效交易总天数;表示数学期望，且

根据随机矩阵理论，通过比较相关系数矩阵和随机矩阵的性质，可以把相关系数矩阵分为两部分：一部分是符合随机矩阵性质的（噪音信息）；另一部分是同随机矩阵性质差异部分（真实信息）。目前运用随机矩阵理论去噪方法主要分为LCPB 法、PG+法和KR 法。本文采用PG+法，用0替代噪声部分的特征值。具体办法是首先计算出相关系数矩阵的最大特征值λmax和最小特征值λmin:

二、银行风险传染性评估指标构建

在复杂网络中，不同节点反映出不同的网络属性和结构特性，反映到银行风险传染网络中，即不同规模、不同关联程度以及不同主体属性的银行在网络中的地位和作用不尽相同，因而在金融危机爆发时呈现出不同的风险传染效果。本文借鉴林砚和陈志新（2018）提出的风险传染评估模型，采用主体属性综合评分、节点出强度值、传染深度三个维度来综合评价上市银行风险传染性。此外，由于本文研究的是上市银行之间风险传染的性质，相较于研究整个网络受到攻击时单个节点承担的风险，本文更关心风险传染网络中存在的关键中心节点，中心节点对整个网络的稳定性有重要意义，这些节点受到的冲击对网络的连通性和稳定性将产生非常大的影响。基于此，本文对原有金融机构风险传染评估模型进行改进，最终形成包括主体属性评分、节点出强度值、传染深度和网络中心性4个维度（表2）。

表2 上市银行风险传染评估模型

（一）主体属性

本文借鉴BCSC采用指标体系法，构建上市银行规模性、复杂性、风险性和盈利性4个维度评价指标。由于各个指标度量单位不同，本文利用Max-min对数据进行线性变换，使得各个指标映射在同一无量纲的区域，使指标能够参与评价计算。具体指标定义及权重赋值见表3。

表3 主体属性指标及权重

（二）节点出强度值

节点出强度值表示该节点与其他相连接节点的关系紧密程度，在银行风险传染网络中表示该银行受到金融危机冲击时，第一轮传染能够到达其他银行的数量和风险传染的速度。网络中各节点的出强度值利用指标来衡量，其中

传染深度指标主要度量某一节点在受到风险冲击时能够传染的最远节点的距离。本文借鉴Kitsak 等（2010）提出的K 核分解法来评估风险传染网络中银行的风险传染深度。K核分解法的核心思想是根据设置的k核阈值，一层层剥离复杂网络最外层k核值较低的节点，进而一步步缩小复杂网络到一个所有节点K 核值都较高的内核网络，所剥离的次数即为风险传染深度指标值。也就是说k核值较高的银行受到金融危机冲击后，经过多层风险传染，影响的范围更广，风险传染性更强。

表4 上市银行风险传染性评分排名（2008—2018年）

（三）网络中心性

银行间相互连接形成风险共担，但同时也导致冲击在金融网络中进行传染，形成系统性风险。Battiston（2012）等人提出的Debtbank算法表明，“太中心而不倒”的情况可能比“大而不倒”在面对风险传染过程中更为重要，也更值得关注。节点的中介中心性则代表某节点在网络中风险传播的关键程度，某节点在网络中的中心度取决于其在多大程度上参与了网络中利于信息传递的信息链，某节点一旦成为信息传递的中间人，其在网络中就占据中心位置，用节点介数代表节点在网络中的中介中心性，网络中所有节点间最短路径中通过该节点最短路径条数，节点传播媒介的能力越大说明节点媒介能力越强，处于风险传染枢纽，计算公式为:

其中δst(v)为节点s 与t 最短路径中经节点v 数量，δst为节点s与t最短路径数量。

综合上述四方面指标数据，运用信息熵赋权法对银行风险传染性评估模型进行赋权加和，进而得到各银行的风险传染性评分（表4），具体计算公式如下：

风险传染性评分=a1×SA+a2×Od+a3×DE+a4×Cb

三、中国上市银行风险传染性评估结果及演变规律

从主体属性综合评分指标来看，经营性因素在主体属性评价当中占有非常重要的位置，但经营性与综合得分并不完全吻合。总体而言，样本期初国有控股银行经营性状况比较好，关联程度较强，风险性和股份制银行及城市商业银行基本持平，具有较强的风险传染性，受到冲击后对网络中其他金融机构的影响程度较深。但随着后期上市银行数量的增加以及规模的不断扩大，地方城市商业银行和一些股份制银行主体属性评分逐渐超越传统国有银行和一些大型股份制银行，风险传染性也不断提高，上市银行整体表现出较强的风险传染性。

从节点出强度值来看，各银行的节点出强度值随着银行上市企业的增多，不断增大。除此之外，在上市银行数相同的情况下，出强度的差距依旧较大，这主要源于年份的变化，反映了银行业的风险随时间推移而上升。但是每年出强度的标准差相对变化不大，这表明大多数银行的风险传染性波动多是同向的。

从风险传染深度指标可以看出，各银行的节点K核值随着银行上市企业的增多而不断增大。早期上市银行仅国有控股银行处于风险传染网络核心位置，而随着地方商业银行的加入，大多数的银行都处于核心的位置，处于次核心和非核心的银行反而是少数。

从节点网络中心性指标来看，各银行的节点中介中心性值随着银行上市企业的增多而整体趋于平稳。在期初，上市银行中介中心指标两极分化较为严重，表现为少数大型股份制银行和国有银行占据网络核心枢纽地位，在风险传染过程中成为重要渠道；而大部分上市城市商业银行处于边缘位置，网络整体表现出一定的稳定性。这说明随机一家银行发生破产危机时，其处于风险传染枢纽的概率较低，其风险传染的媒介能力也较低，风险传染的范围有限。但是随着上市银行的增加，这种稳定性则随之降低，整体网络表现为面对随机风险冲击的脆弱性。因此，监管部门应当继续对银行保持强监管，防范风险在金融网络中迅速扩散和传播，降低发生系统性风险的可能性。

从综合信息熵后的权重信息（表5）来看，出强度指标对于风险传染性的影响最为显著，网络中心性和风险传染深度次之，主体属性影响效果最低，表明监管活动应该从关注银行规模、盈利性、风险性等传统微观个体监管活动向关注银行在网络中的地位、同其他银行之间的联系等宏观监管活动转变，更多的关注那些风险传染性较高的银行，降低其在风险传染网络中的传染数量和传染速度，防止某一银行的风险发生而导致整个银行业乃至金融业的危机爆发的多米诺骨牌效应。

表5 信息熵后权重

通过观察上市银行风险传染性评分排名，发现风险传染性排名一直处于变化之中。期初，排名前5 名的银行主要为国有银行和大型股份制银行，这与我们前面的分析一致。但随着上市银行数量增加，整体变化增大，上市银行风险的流动性变得相对较强，风险相对较高的银行主要集中于大型股份制企业，国有银行及国有控股银行的风险评分则相对偏低，这表明我国针对银行业的监管还是富有成效的。

四、中国上市银行风险传染网络特征及演变规律

网络的拓扑结构决定网络的性质。运用复杂网络理论对中国上市银行风险传染网络结构进行分析，虽然不能对单个银行的动态行为进行分析，但是通过对风险传染网络的拓扑结构的时间序列数据进行分析，可以反映出上市银行风险传染网络的动态演变规律。上市银行风险传染网络作为中国金融机构网络中的重要组成部分，分析其特征和演化规律对加强系统性风险的宏观审慎监管、防范重大金融风险乃至金融系统稳定性具有重大意义。本文运用Ucinet软件绘制中国上市银行风险传染网络可视化图（图1）。

图1 2018年中国上市银行风险传染网络

（一）风险传染网络凝聚性及演变规律

复杂网络凝聚性反映复杂网络节点间的紧密程度，节点间纽带越多网络越紧密，结构越稳定，网络的凝聚性也越高。网络的凝聚性可以由平均聚类系数、k核和平均点度来测度。聚类系数反映了节点之间紧邻的程度，所有节点的聚类系数的平均值称为平均聚类系数或整个网络的聚类系数。平均聚类系数也是复杂网络中的一个重要的全局几何量，在全连通网络(每个节点都与其余所有的节点相连接)中，聚类系数等于1，其他情况均小于1。Watts和Strogatz 最早提出，许多实际网络的聚集系数远大于具有相同节点数和边数的随机网络。

在有向网络中，节点的度分为出度和入度。节点的出度是指从该节点指向其他节点的边的数目；节点的入度则是指从其他节点指向该节点的边的数目。直观上来看，一个节点的度越大表明其在复杂网络中的地位越重要。高点度的节点会参与更多与其他节点的联系，且高点度节点更容易出现在网络的高密度区。而k核表示的是其中每个节点的点度不小于k 的最大子网络，k 越大说明网络中包含联系更紧密的子网络，有更强的凝聚性。因此，具有高凝聚性的复杂网络具有较大的平均聚类系数、平均点度以及k 核值。表6 给出了2008-2018 年历年上市银行风险传染网络平均聚类系数、平均点度以及最大K核。通过表6可以看出，上市银行风险传染网络平均聚类系数、平均点度以及最大k核均呈现出增长的趋势，说明银行风险传染网络凝聚性不断增强，银行间联系更加紧密。需要注意的是较大的凝聚性也同时增加了风险传染的广度，提高了系统性风险。

表6 上市银行风险传染网络凝聚性演变

（二）小世界特性及演变规律

“小世界现象”源于社会心理学家Stanley Milgram在20世纪60年代所做的试验。实验要求从奥马哈市随机选取300人并尝试寄一封信给波士顿市的一位证券业务员，实验规则是每个参与者只能转发给一个他们认识的人。直觉告诉我们，从茫茫人海中找到一条相续认识的链进而把最初的寄信人跟目标业务员连接起来，应该会费尽周折。然而，实验结果表明，完整的链的平均长度为6个人。这个结论亦称为“六度分隔理论”。1998 年Watts和Strogatz将上述现象与社会网络联系起来并开创性地提出了小世界网络WS模型。

小世界特性是指网络具有较短的平均路径长度以及较大的聚类系数，具备上述两种特性的网络被称为小世界网络。其中，较短的平均路径和较大的聚类系数是相对于随机网络，即具备相同节点数、平均度和连边数的网络。本文计算2008—2018 年风险传染网络平均路径长度和聚集系数，并通过Ucinet软件构造相同对应规模的随机网络进行比较（表7）。结果显示：风险传染网络的平均路径长度小于随机网络平均路径长度，且呈现总体减小的趋势；风险传染网络聚集系数大于等规模随机网络聚类系数，且呈现总体增长的趋势。此外，网络的直径均不超过5，符合“六度分隔理论”特点。这表明风险传染网络具有较短的平均路径且风险传染路径不断缩小，各银行联系日趋紧密，风险传染变得更加迅速，系统性风险增加。随着我国改革与开放的深入推进，金融市场主体不断增加，产品种类日益丰富，国内商业银行中间业务逐步兴起并取得快速发展。此外，在利率市场化、金融脱媒、互联网科技等科技发展的作用下，国内银行之间业务往来更加密切。因此银行之间逐步形成风险分担、责任共担的网络，风险传染网络显示出明显的小世界特性。

表7 风险传染网络与随机网络对比（2008—2018年）

（三）无标度特性及演变规律

Barabási 与Albert 在对万维网、社会网络、电力网络等网络的研究中发现复杂网络普遍存在幂律分布现象，并提出无标度网络服从幂律分布。无标度网络的度分布呈集散分布，即大部分的节点只有比较少的连接（度比较小），而少数的节点则具有大量的连接（度比较大）。上市银行风险传染网络的无标度特性对于分析银行系统的传染性十分重要，无标度网络中幂律分布特性的存在极大提高了中心节点存在的可能性。Albert等在2000年的研究表明，无标度网络的中心节点受到风险冲击时，整个网络不具备稳定性并变得特别脆弱，且很容易造成风险传染。尽管风险共担网络在面对单个小型银行的风险冲击时具有很强的稳定性，但当少数中心节点，即节点度较大的银行受到风险冲击时，银行系统将会受到较大的冲击。

直观上认为，上市银行风险传染网络中的节点，尤其是国有银行和大型股份制银行应该处于网络较为核心的位置，具有较大的度，而新上市的银行以及较小的城商行应该处于网络较为边缘的地区，且具有较小的度。数据证实了上述观点，历年风险传染网络中，度排名前5的银行主要为五大国有银行（建设银行、农业银行、中国银行、工商银行、交通银行）以及部分大型股份制银行。

本文对2008—2018 年上市银行数据的度进行分布统计并做出部分年份的概率分布图，发现中国上市银行风险传染网络并不符合无标度网络特性。在无标度网络中，其度分布都呈现一种幂律分布，且分布函数的幂律指数一般介于2～3 之间。然而本文发现各年的幂指数均小于2且拟合效果较差。这表明风险传染网络中具有较大的度的节点数量相对较多。本文对2008—2018 年节点的度运用Matlab 进行拟合，发现2013 年以前上市银行风险能够较好地拟合泊松分布（图2），而后期的网络的度则集中在较高水平（图2、图3）。

图2 早期度分布概率密度图

图3 后期度分布概率密度图

上述结果表明我国上市银行风险传染网络实际上并不像无标度网络那样表现出“稳健而脆弱”的特性，即同时具有面对随机风险冲击的鲁棒性和面对蓄意风险冲击的脆弱性，而是具有面对随机风险冲击的脆弱性，这使得网络容错能力和抗风险能力大大降低，网络整体风险传染性较高。同时，通过观察上市银行风险传染网络演变特征，发现早期网络因为上市银行少而相对简单，而且高度的节点较少，整体网络相对稳健。后期随着上市银行数量不断增加，风险传染网络呈现出高度集中的趋势，即网络中大多数节点具有较高的度，少数节点度则较低，风险传染网络节点平均度逐年递增（表8）。

一方面，样本初期（2013 年以前）国家对国有银行进行了大规模注资，降低了银行的不良贷款率和不良资产率，资本充足率也得到了提升，使得多家国有银行具备了上市资格和条件。例如2004 年，国家对建设银行以及中国银行一共进行了450亿美元的注资。中国上市银行整体主体属性较好，风险较低。在风险传染网络中表现为“强强联合”，即关键节点（具有较高的度）之间建立了紧密的联系而与边缘节点（具有较低的度）的联系较少。关键节点在受到风险冲击后再将风险传染给其他节点的概率低，风险传染实际上受到一定程度的抑制。边缘节点在受到风险冲击后能够影响到的节点有限，即风险传染范围较小，风险传染过程同样受到一定的抑制，故期初中国上市银行风险传染网络整体风险性较小。

表8 上市银行风险传染网络特征演变（2008—2018年）

另一方面，2004 年前后五大国有银行相继完成股份制改革，我国逐步形成以大型商业银行为主体，包括股份制商业银行、城市商业银行等在内的多层次的银行业机构体系。但从银行业机构数量和资产规模来看，随着银行数量的增加，银行集中度不断下降，中小银行的市场份额占比持续提升，且逐渐在银行体系中占据重要地位。另外，随着互联网等科技的发展，银行业务发生重要变革，电子货币、第三方支付、P2P 平台发展，使得银行工作重心从传统业务逐步转向中间业务，银行之间的联系也更加紧密。在风险传染网络中表现为高度集中的趋势，即网络中大多数节点均具有较高的度且处于网络中的核心地位，少数节点度较低，处于网络边缘地带。这与无标度网络“少数节点有较大的度，多数节点只有较小的度”的特性相反。此外，由于研究条件的限制，本文涉及的上市银行数目相对较少，节点度的幂律函数拟合度较低，故中国上市银行风险传染网络未呈现较强的无标度特性。

（四）网络的中心性及演变规律

复杂网络分析中，中心性是判定网络中节点重要性的量化指标，通常使用度中心度、中介中心度、紧密中心度以及特征向量中心性度测度（Freeman，1978）。节点的中心性反映单个节点在网络中的可达性，代表受到风险冲击的可能性，通常利用中介中心度指标来表示某一节点在网络中传播风险的重要程度。某一节点在网络中的中心性取决于它在多大程度上参与了风险的传播，该节点一旦成为风险传染的中间人，其在网络中就占据了中心位置。表9列出了中介中心性排名前5位的银行，结果表明中介中心度排名前五的银行大多为国有银行和大型股份制银行，且随着银行业的发展，城市商业银行以及新兴的股份制银行逐渐崭露头角，在风险传染网络中开始承担信息传递的桥梁作用。而五大国有银行则逐步去中心化，在风险传染网络中的“中间人”作用逐步降低。

一个节点的重要性既取决于其邻居节点的数量（即该节点的度），也取决于其邻居节点的重要性，用本征矢量中心度来表示节点与具有高本征矢量中心度的节点相连的程度。本文通过Ucinet软件计算得出2008-2018年网络中心性相关指标（表10）。

通过对各节点的本征矢量中心度进行排名可以发现，国有银行和股份制商业银行仍排在前面。用皮尔逊相关系数分析节点度值和特征向量中心性的相关性，结果表明节点的度与特征向量中心度有极高的正相关性。这也说明具有高度的节点实际上也是网络的中心节点，并且这些高度的节点之间有着极为密切的联系，风险传染网络整体表现出中心节点紧密连接地在一起。此外，样本特征向量中心度表明我国上市银行风险传染网络正在经历从少数的中心节点和多数的边缘节点的金字塔型中心节点网络结构，演变为多数中心节点和少数边缘节点的扁平化中心节点网络结构。

（五）度的相关性及演变规律

表9 银行中介中心性排名（2008—2018年）

度的相关性是指连接在一起的节点对应的皮尔逊相关系数，亦称网络选型相关性。度的相关性表明网络中与较高度数（或较低度数）节点相连的节点的度数偏向于高还是低。若网络的度相关系数为正，则说明该网络呈现协调混合，即具有相近度的节点倾向于相互连接，节点具有同配性；如果网络的度相关系数为负，则说明网络呈现非协调混合，即该网络中度相差较大的节点倾向于相互相连，节点具有异配性。

表10 网络中心性指标

本文通过计算中国上市风险传染网络中相互连接节点的度的相关性，考察度数相近的节点是否趋向于相互连接。表11 给出了2008—2018 年风险传染网络度相关性演变规律。结果表明，中国上市银行风险传染网络总体上为异配网络，且相关性的绝对值呈上升趋势。但在早些年份，中国上市银行风险传染网络为同配网络，这说明早年上市银行倾向于与同规模的银行相互连接，彼此形成较为紧密的小团体。通过观察复杂网络拓扑图可以发现，该团体主要节点构成为国有银行和大型股份制银行，这与前文分析网络的无标度性及中心性的结论相一致。随着城商行和其他股份制银行上市，中国上市银行风险传染网络成长为异配网络，且度的相关系数的绝对值不断上升，表明异配性不断增强。这表明具有较高度的大型国有银行以及股份制银行不再限于与具有较高度的银行建立联系，而是更多的与具有较低度的银行建立联系。此外，相关性绝对值以及平均点度的不断上升也表明异配性增强，表现为高度的节点更多地与边缘节点建立联系，即在网络中处于核心地位的银行数目不断上升且更多的与处于边缘地带的银行建立联系，银行整体联系更加紧密，传统的五大国有银行呈现出“去中心化”趋势。

表11 风险传染网络指标演变（2008—2018年）

五、结论及建议

本文通过建立中国上市银行风险传染性评估模型以及中国上市银行风险传染网络，从主体风险传染性微观层面和风险传染网络特征宏观层面实证研究我国上市银行风险传染性和风险传染网络的特征及演变规律。实证研究结果表明，我国上市银行风险传染性整体呈现上升趋势；上市银行风险传染网络凝聚性不断增强，具有显著的小世界特性；上市银行风险传染网络不具有无标度特性，节点的连接逐步呈现较强的异配性。

中国上市银行风险传染网络实际上已经形成高平均点度、高聚集系数、高中心性、低平均路径的“三高一低”风险传染网络特征，银行整体联系更加紧密，系统性风险也更高。处于风险传染网络核心枢纽地位的银行从传统五大国有银行及大型股份制银行逐步转变为大型股份制银行和城市商业银行。银行个体风险承担能力更强，但整体网络表现出面对随机风险冲击的脆弱性，即某一银行发生破产将对网络产生强烈的影响，网络风险传染性更高，抗风险能力降低。银保监会和央行应该从关注传统国有银行的微观审慎监管转向上市银行整体的宏观审慎监管，同时关注大型城市商业银行和股份制银行的风险状态，防范化解重大金融风险，避免金融风险传染的发生和蔓延。