金融复杂网络方法在系统性金融风险领域应用综述

赖玉洁

（西安航空学院 经济管理学院,陕西 西安 710077）

在过去的十三年中，世界经济又出现了全球债务扩张、贫富差距拉大、反全球化等一系列新的问题，通过构建复杂网络对这一危机的传导方向和风险波动溢出效应进行识别，具有重要意义。早期 Allen(2009)和 Babus(2012)从机构策略、机构风险与收益等方面组建金融网络，研究讨论使用复杂网络分析金融系统，一并提出需要解决的问题[1-2]。Fagiolo(2015)分析了金融复杂网络的关联性作为传导渠道的作用，并肯定了金融复杂网络具有放大风险冲击的作用，同时其在研究中从金融市场的不确定性、金融机构的异质性以及网络关联性的角度就系统性金融风险影响的相关理论进行了深入分析[3]。

Benoit(2017)讨论了金融网络模型以及一些使用其他模型的方法[4]。Billio(2012)在研究金融机构的系统重要性时，都不再局限于金融部门，而是把视角扩展到整个经济系统[5]。卡诺(2016)运用网络方法分析非寿险市场的系统性风险[6]。Xiao-Li Gong（2019）实证研究发现，中国金融实体的因果网络具有小世界和无标度特性，在动荡时期联系数量急剧增加，表明金融体系在危机时期具有较强的关联性，基于网络的连通性测量通过拓扑结构分析可以识别和量化金融危机，作为重要的系统风险指标[7]。总结现有文献，不难发现对于金融复杂网络的应用，较多应用于金融机构间的系统风险与不同金融机构间金融网络拓扑结构研究。

1.金融复杂网络理论及分析

因为Granger 因果关系是一种基于两个时间序列相对预测能力的因果关系统计方法。但是需要指出的是，经济变量间的相关关系与因果关系之间并不存在必然联系，相关并不意味变量间存在因果关系。它显示的是两个国家间存在成对关系，并凭借此关系进一步分析一个国家的风险（即波动性）的增加是否会导致另一国家的风险增加。

通过将两国股票市场间格兰杰因果关系绘制成连接两节点的连线，将各国间的关系通过网络连线的形式，形象地表现为复杂网络连接的图形，以达到构建多国家间构建金融复杂网络的目的。其中各国作为网络的顶点，反映基于格兰杰因果关系的连通性的规模，其大小与所连接的网络数量有关。与其有格兰杰因果关系的顶点越多，该顶点在网络图中面积就越大，反之代表顶点的圆的面积就越小，以达到多国家间网络关系可视化的效果。通过对两个时期关联性水平对比可以发现，在平稳期，所有国家间都是一般相互关联和缺乏流动性的。而波动期的网络图表现出的更高的连通性则说明存在着更强的风险溢出可能，这意味着当系统显著互联时，国家之间的协同运动高度活跃。

2.全球金融体系整体关联水平分析

以6 个月为滚动窗口长度，进一步估计系统风险溢出效应（In and Out-strength)的动态特征，分析结果如图1 所示。2020 年以前，全球金融体系的动态因果指数的值表现出低值、平稳波动的特征，说明世界金融体系处于不敏感、联系度低且平稳的低波动状态。而到了2020 年以后受到新冠疫情的影响，金融体系的整体系统性风险表现出明显的上升趋势，风险溢出指数在2020 年以后急速骤增，同时输入和输出连接的总数也明显高于2020 年前的平稳期水平。由此可见，受到疫情影响，世界金融体系的整体联系表现出了更高的紧密程度，各国间存在很强的因果关系，风险溢出情况更为严重。

图1 动态风险溢出效应图

3.全球20 国中心性指标分析

通过对金融复杂网络拓扑结构的研究，能够进一步阐明金融复杂网络的形成机制，揭示从平稳期到波动期，世界各国在金融复杂网络中的重要性。特别是通过对网络节点中心性的测度研究，对于防范风险传染具有重要的理论和现实意义。

表1 网络节点测度表

通过网络节点测度发现，不同的中心性指标表现不同，普遍较高的度中心性说明，受到疫情的影响，世界各国间的联系越发紧密，每个国家在世界金融网络中都具有一定的影响力；介数中心性是对节点传染能力的一种测量，经济发达国家都表现出比较高的介数中心性特征，特别是欧洲地区的国家依然是世界金融体系的重要传输节点，对世界金融网络具有很强的控制能力；接近中心性反映在网络中某一节点与其他节点之间的接近程度，美、英两国的接近中心性显著高于其他国家，是世界各国中风险传导距离最近，风险溢出可能性最大的国家。

总体来看，受到疫情的影响，世界各国都表现出了更高的中心性特征，这也意味着目前各国股市变得异常敏感，相互间的联系更加紧密，相互间的影响距离更加短，危机传导的速度也随之变快，这些基于网络中心性的度量可以识别和量化金融危机爆发的可能性。根据中心性结果，价值越高、影响力越大的国家联系紧密，因此在危机期间遭受的损失越大。

4.结论

首先，拓扑结构特征显示相对于平稳期，波动期多国间网络关联更加密切，相互影响更加明显，危机期间变得高度相互关联，因果网络可以作为重要的系统风险指标。波动期更加明显地体现出世界金融体系内风险溢出的关联网络具有复杂网络的结构性质，即“小世界(small-world) 现象”。世界金融体系整体联系表现出了更高的紧密程度，各国间的联系普遍增加，风险溢出情况更为严重。

其次通过网络节点测度发现，世界各国都表现出了更高的中心性特征，这也意味着目前各国股市变得异常敏感，相互间的联系更加紧密，相互间的影响距离更加短，危机传导的速度也随之变快，这些基于网络中心性的度量可以识别和量化金融危机爆发的可能性。

最后全球金融体系的动态因果指数是近年来系统性金融风险分析中较为常用的统计指数，通过全球金融体系的网络连接程度准确描述国际金融风险趋势。全球金融体系的动态因果指数值越高说明全球金融系统连接程度越紧密，系统性金融风险传导速度越快、影响面积越广。

通过网络节点测度发现，美国和欧洲一些主要经济体仍然占据世界金融网络体系中的重要位置，但是在波动期这样的核心地位也更加危险，因为它们同时承担着危机传播与易被感染的双重身份。研究20 国金融体系整体关联水平及系统风险溢出效应的动态特征，发现受到疫情的影响，世界金融网络体系极有可能发生系统性金融风险，同时也发现不管是各地区内部国家间还是跨地区国家间的网络连接总数显著增加，相互影响也显著加强，在疫情的影响下世界金融网络整体处于高风险状态。因此，可以证实基于Granger 因果关系的金融复杂网络可以很好地解释系统性金融风险的传导及度量，可以识别金融危机时期，在系统风险增加时提供有效的预警工具。在G20 国家层面，利用“宏观审慎管理（MPA）+政策调节”的双支柱体系，充分发挥金融稳定委员会(New Financial Stability Board)的职能，一方面利用宏观审慎评估体系对金融机构进行监测，规范金融机构的经营行为，起到预警和防控的双重保障；另一方面结合本国金融环境，及时采取政策调节，守住不发生系统性金融风险的底线。

总之，金融复杂网络理论在系统性金融风险方面的分析应用较为广泛，特别是在全球股票市场系统性风险分析过程中，能够综合各国间的网络系统，依据各网络中心性特征可以对系统中各国在风险传导的作用和所受影响进行说明，在系统风险增加时提供有效的预警工具。