宏观调控下商业银行风险传染研究——基于银行间同业市场视角

吴成颂 陆雨晴 马 闯

安徽大学,安徽 合肥 230601

引言

近年来，银行同业业务在金融传媒及资本约束增强等诸多因素影响下，以较强流动性转移功能为我国银行间市场带来“空前繁荣”。据东方财富网站统计，2018年我国银行业金融机构同业拆借累计成交达139.3万亿元，同比增长76%。同业业务大幅扩张使银行间市场不再仅是金融机构调剂短期头寸市场，而成为资产扩张的重要资金来源。通过银行间市场中的相互借贷，资金流动性较弱的银行可避免流动性风险；资金有效分配使融出资金方也可获得收益。银行间市场在为银行间业务往来提供便利的同时，存在一定风险隐患，可能波及金融业稳定性。研究显示：第一，同业业务间存在严重期限错配，即商业银行通过短期滚动资金满足企业长期资金需求，从而导致期限错配，增加银行流动性风险；第二，银行间市场上，部分非标准化债权资产将投向房地产、地方政府融资平台等领域，银行机构在承担资金使用方信用风险的同时，也面临同业风险敞口危机。同业风险敞口扩大使金融机构关联更为密切，部分同业业务经多层包装，结构复杂，最终形成利益交错、风险共担的经济网络。其中某一环节出现问题，极易引发交叉性风险传染。

尽管目前中国银行间市场尚未出现金融体系危机，但鉴于发达国家金融危机教训，2013年6月国内爆发的“钱荒”事件及银行间市场的网络结构可能带来的联动效应，金融危机潜在风险不容小觑。随着我国利率市场化改革逐步完善、银行体系市场化及对外开放程度加深等，我国银行体系完全融入全球化金融大潮的趋势不可逆转，因此面临更加复杂多变的外界因素影响。

本文利用资产负债表数据，借助模拟法，深入分析银行同业业务风险传染的基本特征及不同因素对风险传染效应的影响，为监管部门建立同业业务风险防范机制，及时化解中国银行间市场面临的潜在风险提供参考。

一、文献综述

Moussa等研究表明，银行网络具备典型复杂网络结构特征，且银行风险传染与其网络拓扑结构密切相关[1-2]。因此，基于复杂网络视角分析银行间市场的风险传染具有合理性。纵观现有研究，复杂网络的银行间风险传染研究大致集中在以下两方面。一是关于银行间风险传染渠道、特征及效应研究。其中，间接传染渠道包括储户挤兑[3]和长期资产价格下降[4]等；直接传染渠道包括同业贷款渠道[5]和支付系统渠道等[6]。Iyer等基于印度银行间市场风险传染特征的实证研究，发现银行资产负债表间的信用关联在一定程度上影响银行风险传染；此外，在适当水平下，银行间市场往来交易等会加重银行系统面临的危机[7]。李宗怡等运用矩阵法模拟分析银行风险传染特征，得出结论：银行体系内风险传染概率较小，在考虑金融安全网作用的前提下，风险传染发生概率极可能为零[8]。Furfine研究发现，尽管某一银行倒闭引发银行多轮倒闭可能性较低，但大银行引起流动性风险传染可能性往往大于倒闭风险传染可能性[9]。Iori等通过对比研究同质与异质银行违约率，发现银行异质性增强和同业规模扩大会加剧银行间风险传染效应[10]。周再清等基于信息熵最优化矩阵方法，测试我国银行间市场风险传染，结果显示，中小股份制银行相对于国有控股银行更易受到系统性风险传染[11]。Georg研究发现，银行间的关联程度和风险传染水平间为非线性关系，银行间无关联时，银行因无法及时获得短期现金可能面临倒闭危机；此时，适度增加银行间连接有利于风险分散。但当银行间关联超过一定限度时，风险传染可能导致更大范围银行倒闭[12]。

二是复杂网络结构与银行间风险传染关系研究。Jackson认为，运用复杂网络技术能够拟合真实世界网络，进而记录金融系统冲击在不同主体间的传染过程[13]。Boss研究发现，澳大利亚银行间资产、负债和网络连接分布均表现出双幂律特征，银行网络连接在度较小时的幂律系数为0.61557，较大时的幂律系数为2.01；其中，银行网络聚集系数较低对应的大银行间连接较少[14]。Wang等研究发现网络面临随机性冲击时较稳定，而对高度连接节点攻击表现出脆弱性[15]。Schnabel发现资产价格与银行所持资产组合间存在负反馈效应，即银行与价格变动不相关的资产在危机中会变得高度相关，基于此构建标准化资产折价模型[16]。张英奎等利用计算机模拟规则网络、随机网络、小世界网络和无标度网络下银行系统模型，结果表明银行网络连接集中度对银行系统风险传染有较大影响[17]。万阳松研究发现，当银行网络规模较小时，网络规模扩大会使更多银行主体面临潜在冲击，银行间风险暴露可能导致更多银行破产，当银行网络规模较大时，网络规模扩大可分散银行间风险暴露，从而降低风险传染效应[18]。隋聪等建立度量银行间违约传染及银行系统性风险的研究框架，发现集中度与破产银行数呈正向关系，当基础违约银行数量较少时，网络集中度越高，因传染倒闭的银行总资产越少，且规模较大银行更有可能引发风险传染[19]。

综上所述，学者利用银行同业拆借市场研究银行系统性风险的传导机制，但上述方法仅考虑商业银行间交易行为，忽略了央行作用。中央银行一方面为商业银行提供金融服务，另一方面通过吸收存款准备金和扮演最后贷款人角色影响商业银行资金流动性。其中，吸收一定比例的存款准备金可保证银行清偿能力，防止商业银行在面临储户挤兑时缺乏流动资金，在保护储户安全的同时避免银行破产，进而减少银行系统性风险发生的可能性；而作为最后贷款人，目的是对流动性不足的商业银行给予资金帮助，保护银行免于破产，防止系统性风险发生。在金融危机爆发期间，无任何抵押的银行同业市场借贷利率急剧增长，说明银行机构对资金的迫切需求及银行间市场资金供给量大幅减少，即呈现极不平衡的供需关系。Lenza研究认为定量和定性宽松政策能够降低货币市场利率[20]，与Allen等和Freixas等观点一致，认为中央银行干预能够提高银行同业拆借市场有效性，从而减少银行间流动性风险[21-22]。

根据央行职能、学者观点及金融危机后央行干预结果可见，将中央银行纳入银行同业拆借市场考虑银行系统性风险具有一定意义。因此，本文将央行行为纳入银行同业拆借市场网络模型，研究央行行为对银行系统性风险的影响。

二、模型构建

（一）违约模型描述

考虑到我国金融资产90%以上由银行业持有，潜在金融系统性风险主要与银行业有关[23]；不同金融机构间资产负债业务差异会限制随机模拟法。因此，模拟分析选取的金融机构仅包括同业市场中的银行业机构。

假设银行间市场内有N家银行，每家银行资产负债表相似，资产项由流动资产（包括同业资产和其他流动性资产）和长期资产组成，负债项由流动负债（包括同业负债和其他流动性负债）和长期负债组成，根据“资产=负债＋所有者权益”会计平衡公式，简化后银行资产负债表如表1所示。

表1 简化的银行i资产负债表

尽管简易资产负债表不如真实银行资产负债表中分类细致，但所涉项目均与本文分析直接相关。忽略一些更细致的项目可使分析更方便直观，不影响分析结果。

根据Boss对银行间同业市场的研究[14]，信用借贷的同业资产和负债规模服从幂律分布，即P（l）∽c＇·l-γ＇，其中 c＇是幂律系数，γ＇为幂律指数。假定银行间的同业资产和负债的头寸{lij}服从幂律分布，且设定同业资产和负债的头寸矩阵为X。

lij表示银行i对银行j的银行间负债量，lji表示银行i对银行j的银行间资产量，在确定银行系统中每对由信用连接的银行间的信用资产负债规模后，可知银行同业资产IAi，和同业负债ILi，分别为通过模拟可获得银行同业业务数据。

（二）银行破产及传染机制

对某一银行而言，假设其存在资产Ai、负债Li，根据会计平衡公式Ei=Ai-Li，当所有者权益Ei＜0时，银行破产，随即发生违约。

假设t时刻某银行A破产，如图1所示。在下一时刻（t+1）会有三个银行（BCD）受到影响，以银行B为例。银行B受到牵连造成影响可分为两方面：

图1 无央行示意图

（1）如银行A向银行B拆借（同业资产）：由于银行A破产，无法偿还债务lAB，导致银行B资产缩减：

IAB（t+1）=IAB（t）-lAB

因此：EB（t+1）=EB（t）-lAB。如EB（t+1）＜0，则银行B破产。

（2）如银行B向银行A拆借（同业负债）：由于银行A破产，破产后的A银行向B银行追回债务，B银行会动用所持资产偿还。首先，B银行使用同业资产外的其他流动资产OCAB偿还债务，若IAA＜OCAB，债务能够清偿，则B银行将风险全部吸收，不会出现流动性不足问题。当IAA≥OCAB时，B银行将被迫将长期资产LTAB变现偿还。

根据Schnabel等研究[16]，长期资产LTA的价格按折价因子P（x）逐渐降低，且P（x）满足公式：P（x）=e-ax。其中，x表示市场中长期资产售卖比例，a衡量市场对银行出售长期资产的敏感性。

银行B出现流动性困难时，变现长期资产得到的流动性资产为IAA-OCAB。通过计算（IAA-OCAB）=得到的x即需变卖的长期资产LTAA比例。如变现所得足以偿还债务（IAA-OCAB），且变卖资产带来的损失LTAB-小于B银行的资本金EB时，B银行正常营业，反之B银行会破产。

损失为ΔLTAB，因此：EB（t+1）=EB（t）-ΔLTAB。如果EB（t+1）＜0，则银行B破产。

在宏观调控下，中央银行通过存款准备金的吸收和最后贷款人角色影响商业银行间同业市场的流动性，致使商业银行间同业市场体系的网络结构因银行资产配置和相应市场调整而改变，见图2。

图2 有央行示意图

央行通过吸收各银行一定比例资金，调控整个银行系统。假设每个银行i拿出αOCAi资金存放在央行，央行初始资产为当某一银行受到冲击时，央行可拿出βαOCAi救助，银行i的流动资产变为OCAi+βαOCAi，如银行i破产，将导致央行资产减少（1+β）αOCAi，如图2。此时，银行破产行为与无央行介入情况类似，只是在有央行宏观调控下，银行将会增加隐形资产，进而增强抵御风险能力。

三、实验模拟

鉴于上述模型复杂性及真实数据不可获得性，以及我国目前只有海南发展银行一家银行倒闭，未曾出现倒闭潮现象。因此，通过模拟技术获得银行系统的大量数据分析。

（一）银行间网络模拟

参考相关研究中无标度网络构建思路，构建银行间同业市场网络①可证明，网络节点的度走服从幂律分布，且与连接数无关，P（k）～c·k-γ，其中，，并通过模拟网络节点数、平均度及幂律指数变化，分析银行间网络风险传染特征及效应。其中，网络节点数代表银行数量；平均度指网络中与该节点相连接的其他节点数目，平均度大的为中心节点，一般表明银行规模较大；幂律指数指网络中新增节点（银行）与平均度（连接数）较大银行的连接偏好程度。幂律指数越小，新增节点越倾向于与规模较大的银行相连接，银行网络越密集。

根据Clauset等提出的幂律分布估计方法，对于幂律分布的检验，样本数量达到100属于大样本，幂律分布较稳定[24]。因此，在模拟银行系统中设定银行数量为100。

（二）央行在银行体系中作用验证

以初始破产银行比例衡量风险强度以最终破产银行比例衡量风险传染规模。基于此，运用matlab模拟节点数为50，平均度为6，并考虑存在央行调控时，取α=β=0.5，银行间风险传染规模随风险程度的变化情况。实验结果如图3所示，在无央行介入情况下，随着风险增加，开始时银行破产规模稳步增加，但当风险达到ε0，银行破产规模急剧上升，ε0即无央行模型的破产阈值。同样，当存在央行宏观调控时，也存在爆发阈值ε1。对比无央行和有央行情况发现：

（1）引入央行调控会提高银行破产爆发阈值。由于央行宏观调控，商业银行在存款准备金及最后贷款人制度下获得救助，相当于银行资产有所增加，从而增强抵御风险能力。因此，央行宏观调控会提高银行系统性风险的爆发阈值。

图3 传染规模随风险强度变化

（2）当风险强度大于有央行宏观调控情况下的爆发阈值时，有央行宏观调控情况下的破产规模将会大于无央行情况。在央行宏观调控下，风险达到ε1，银行将会大规模倒闭，导致央行资产急剧缩减为0（如图4所示）。当央行无可用资金时，各银行i的资产将会直接损失αOCAi，加快银行破产速度。

图4 央行资金随风险强度变化

当风险强度为ε1时，有无央行宏观调控情况下，商业银行在各时点的破产情况如图5所示。开始时，央行通过存款准备金及最后贷款人制度等宏观政策工具调节，商业银行破产规模小于无央行时。但在第7时刻，存在央行宏观调控的情况下，破产银行数量急剧增加，感染范围远大于无央行情况。因在第6时刻时，央行资金为0（如图6所示）。于是，剩余银行资产瞬间缩水，导致大规模的银行破产。

图5 初始风险20%时有无央行各时间感染情况

（三）央行宏观调控与银行风险传染

首先考虑各银行上缴央行资金变化对银行传染行为的影响。具体而言，运用matlab生成100个节点、β=0.5、平均度为20的BA网络，所有结果经100次模拟平均。平均后无法直观发现银行破产行为爆发现象，因此记有央行和无央行情况下，传染规模转折点作为有央行情况下的爆发阈值，此阈值即剩余资金为0的情况。因多次平均，每次央行资金到达0的风险强度不一致，将会导致很大误差，可通过在央行资产随风险强度变化的曲线下降最快处做切线，以此大致估算真正阈值，如图7和图8。

图6 央行资金随时间变化

图7 传染规模随风险强度变化

图8 央行资产随风险强度变化

存款准备金增加将会提高爆发阈值。在风险强度较小时，存入央行的资金越多，最终破产规模越小；风险较大时存入央行的资金越多，最终破产规模越大。究其缘由，在风险强度初期，即低于爆发阈值时，存入央行的准备金越多，βαOCAi将会越多，从而缓解商业银行破产；而当风险强度高于爆发阈值，意味着央行资产将为0，难以应对大面积破产。

最后，考虑最后贷款人制度下，央行补贴资金变化对银行风险传染行为的影响。采用matlab模拟生成100个节点的BA网络，其中平均度为20，α=0.5，所有结果经100次模拟平均模拟结果如图9所示。

图9 央行补助影响

当β=0时等价于无央行情况。从β=0，β=0.5，β=1时的传染规模随风险强度变化，可见随β增加爆发阈值逐渐增加；而从β=1，β=1.5，β=2可见随β增加爆发阈值逐渐减小。当β较小时，β越高央行补助越多，能够推迟破产爆发；当β较大时，每家银行破产均会导致央行资产大幅减少，因此β越高央行资产越快为0，加速破产爆发。因此，对银行系统而言，央行补助不宜过高也不宜过低。

（四）银行间主体行为与银行风险传染

银行主体行为对系统性风险具有重要作用，拆借对象选择比例、同业拆借资金平均度均是银行拆借过程中的主体行为，可能改变原有拆借关系，进而影响系统性风险。在银行同业拆借过程中，缺乏流动资金银行会随机选择一定比例的潜在债权银行，并观察这些银行的拆借利率，选择利率低的银行完成拆借。改变比例一定程度上会影响拆借银行选择，影响整个银行同业拆借过程，从而影响银行系统性风险。考虑银行同业拆借对象选择比例，即银行间拆借平均连接度变化对银行传染行为的影响。运用matlab生成100个节点的BA网络，其中α=β=0.5，所有结果经500次模拟平均，结果如图10所示，其中k为银行平均连接度。由图10可知，当风险较小时，平均度越大破产规模越小；当风险较大时，平均度越大破产规模越大。因风险较小时，网络较紧密，一个银行损失的同业资产只是其中很少一部分，降低了其他银行破产可能性。当风险较大时，各银行连接紧密，会造成更大规模连锁反应，产生更大规模的破产行为。

图10 平均度影响

分析银行之间同业参数γ（幂律分布参数）变化，即同业拆借资金均匀程度对银行传染行为的影响。从图11可知，当风险较小时，γ越大破产规模越小；当风险较大时，γ越大破产规模越大。而γ越小说明银行主要把资金拆借于少数几家银行上，越大说明将资金越均匀地分布于拆借银行。当风险较小时，γ越小即银行拆借资金越不平均，重要银行破产导致更多银行面临破产危机，可能诱发银行系统性风险；当风险较大时，γ越大，意味着银行拆借资金较均匀地分布于其他银行，此时，一些尚未受影响、规模较大的银行会凭借规模优势抑制破产银行数增加，进而降低银行系统性风险爆发的可能性。

图11 同业资产分布影响

四、结论与建议

由2007年美国次贷危机引发的全球性金融危机使系统性风险溢出效应受到普遍关注，反映出系统性风险监管的重要性及其弊端。目前我国正不断深化金融改革、扩大金融对外开放、国有银行与外资银行之间联系日益紧密，增加了银行系统性风险发生可能性。1998年海南发展银行倒闭充分说明我国银行也存在金融风险。因此，研究银行系统性风险，特别是在当前金融系统复杂形势下尤为重要。

目前，研究银行同业拆借市场间系统性风险的传导机制文献较多，但仅考虑商业银行间交易行为，未充分考虑央行作用。因此，本文建立较为详细的银行间同业市场违约传染及银行系统性风险研究框架，研究商业银行系统性风险在银行同业拆借市场网络模型中的传导机制，有助于了解银行间相互业务关系和交易行为；在深入分析央行在银行系统中作用的基础上，将央行宏观调控行为纳入银行间市场研究我国银行系统性风险传导机制。

通过matlab多角度模拟银行间同业市场违约传染，得出以下结论：

（1）在有无央行宏观调控下，银行间同业拆借市场个别银行面临破产危机时，银行风险传染情况明显存在差异；其中，央行存款准备金制度和最后贷款人角色均会影响银行风险传染，风险强度较小时，商业银行存入央行的存款准备金越多，最终破产规模越小；风险较大时存入央行的资金越多，最终破产规模越大。与之类似，央行运用最后贷款人制度的救助行为也存在适度值，不能过高也不能过低。监管部门应健全央行存款准备金与最后贷款人制度，制定科学合理标准防范银行间同业拆借可能带来的银行系统性风险。

（2）银行主体行为在一定程度上对银行风险传染产生重要影响。在央行宏观调控下，银行间同业拆借网络越均匀，越有利于抑制银行破产规模扩大，缓解商业银行系统性风险的爆发；此外，各银行拆借资金对象应分主次，不能平均存放资金。深入了解中国现有银行同业拆借情况，合理优化相应拆借机制；建立全方位风险监控体系加强风险控制，使银行在保证自身不破产情况下收益最大化。