摘 要：金融危機對國計民生有著深遠(yuǎn)的影響，而銀行間網(wǎng)絡(luò)是金融行業(yè)網(wǎng)絡(luò)不可忽視的一部分，在已知銀行網(wǎng)絡(luò)分布的情況下，如何搜尋“太大而不能倒”銀行，并在危機發(fā)生前后采取有效的措施，是復(fù)雜銀行網(wǎng)絡(luò)研究中一個有意義的方向。運用社區(qū)發(fā)現(xiàn)算法，以2008—2007年銀行作為節(jié)點，以同業(yè)拆借的金額為邊權(quán)，構(gòu)建有向有權(quán)銀行間同業(yè)拆借網(wǎng)絡(luò)模，構(gòu)建不同閾值不同年份的銀行間網(wǎng)絡(luò)。通過社區(qū)發(fā)現(xiàn)算法和PAGERANK等方法搜集到銀行網(wǎng)絡(luò)中在社團以及整個網(wǎng)絡(luò)中的重要節(jié)點，即“太大而不能倒”銀行。

關(guān)鍵詞：模塊化算法;銀行間網(wǎng)絡(luò);PAGERANK

中圖分類號：F832?????? 文獻(xiàn)標(biāo)志碼：A????? 文章編號：1673-291X（2020）07-0068-05

引言

2008年美國四大投行之一雷曼兄弟宣布破產(chǎn)，它的破產(chǎn)加劇了美國金融危機，在雷曼兄弟破產(chǎn)帶來一系列后果后，美國政府毫不猶豫地救助了美國國際集團以及房地美和房利美公司，這一事件也引發(fā)了人們對“太大不能倒”現(xiàn)象的討論。在全球化的背景下，以及各類金融產(chǎn)品和金融衍生品研發(fā)售出，世界金融體系逐漸形成了一個巨大的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，雷曼兄弟正是金融網(wǎng)絡(luò)的重要節(jié)點，雷曼兄弟破產(chǎn)讓危機伴隨金融網(wǎng)絡(luò)迅速波及到歐洲及亞洲地區(qū)。而美國國際集團以及房地美和房利美公司作為與美國民生保險住房等息息相關(guān)的大型跨國公司，是美國金融網(wǎng)絡(luò)比雷曼兄弟更重要的網(wǎng)絡(luò)節(jié)點，如果放任其破產(chǎn)，對國家造成比雷曼兄弟破產(chǎn)更嚴(yán)重的金融危機，因此這些公司作為“太大而不能倒”的公司而存活下來。

本文為了研究銀行網(wǎng)絡(luò)中的特點，將PAGERANK算法和社區(qū)發(fā)現(xiàn)算法分別在銀行間網(wǎng)絡(luò)模型中進行應(yīng)用[1]。首先，以Wind軟件2008—2017年持續(xù)營業(yè)的50家銀行為節(jié)點，以同業(yè)拆借的金額為原始數(shù)據(jù)，通過RAS算法構(gòu)建銀行網(wǎng)絡(luò)矩陣、銀行拆借金額邊權(quán)[2]，構(gòu)建有向加權(quán)的銀行網(wǎng)絡(luò)模型。其次，根據(jù)有效閾值方法，設(shè)定不同的閾值，構(gòu)建不同閾值下的銀行10年網(wǎng)絡(luò)結(jié)構(gòu)，通過PAGERANK等算法尋找其重要性節(jié)點。最后，利用已提出社區(qū)發(fā)現(xiàn)算法對網(wǎng)絡(luò)模型進行社團挖掘?qū)嵶C分析，結(jié)果發(fā)現(xiàn)，重要節(jié)點在社區(qū)中依然扮演關(guān)鍵性媒介作用，該方法搜集重要性銀行節(jié)點，可以對政府監(jiān)管銀行起指導(dǎo)性作用[3]。

一、銀行間網(wǎng)絡(luò)模型的構(gòu)建

（一）確定有效閾值與建構(gòu)網(wǎng)絡(luò)

以Wind軟件搜集2008—2017年持續(xù)經(jīng)營的50家銀行為節(jié)點，同業(yè)拆借的金額大小為邊權(quán)，拆入方為入鏈，拆出方為出鏈，建立銀行網(wǎng)絡(luò)模型，然而銀行間具體的拆借數(shù)量和拆借方無法獲悉的，所以需要對銀行的網(wǎng)絡(luò)重購，可以采用最大熵的方法進行重構(gòu)。根據(jù)商業(yè)銀行操作風(fēng)險與系統(tǒng)性風(fēng)險度量研究一文中介紹模型，銀行間借貸關(guān)系是下面模型的解[4]：

（二）網(wǎng)絡(luò)重要節(jié)點比較

我們可以將該PageRank方法應(yīng)用到銀行網(wǎng)路中[4]，用于找尋重要節(jié)點，并對比重要節(jié)點變化。將銀行網(wǎng)絡(luò)看成一個有向圖，銀行中的各節(jié)點就是有向圖中的各點，可以用有向圖來表示一個簡單的網(wǎng)絡(luò)。5個銀行的有向網(wǎng)絡(luò)的關(guān)系，各個銀行節(jié)點將自身的PR值平均分配給它的相關(guān)聯(lián)的其他節(jié)點，同時每個節(jié)點接收其他各個節(jié)點傳來的PR值綜合形成自己的PageRank值，加入衰減因子后改進的PageRank算法如下式所示：

（三）網(wǎng)絡(luò)結(jié)構(gòu)比較

社區(qū)檢測算法分為兩個步驟。第一個步驟是重復(fù)迭代。首先，從n個銀行的加權(quán)社區(qū)網(wǎng)絡(luò)開始，為社區(qū)網(wǎng)絡(luò)的每個銀行分配一個不同的社區(qū)。然后對于每個銀行i，我們考慮i的相鄰社區(qū)j、k，通過將其從其社團中移除將其放置在銀行j的社區(qū)中，分別計算其收益，來評估各個模塊化的相對增益。第二個步驟是將銀行i放置在該相對增益最大的社區(qū)中，對所有銀行節(jié)點重復(fù)并按順序應(yīng)用此過程，直到達(dá)到最優(yōu)。相對增益可以用下式表示：

二、實驗結(jié)果與分析

本章數(shù)據(jù)來源于Wind資訊金融終端軟件，收集2008—2017年10月中國大陸上市的50家銀行公司的資產(chǎn)負(fù)債表的數(shù)據(jù)，根據(jù)上述構(gòu)建網(wǎng)絡(luò)模型的方法，將50家銀行分年進行計算，根據(jù)構(gòu)建銀行網(wǎng)絡(luò)模型的流程，將其構(gòu)建的銀行網(wǎng)絡(luò)模型可分為原始網(wǎng)絡(luò)結(jié)構(gòu)、設(shè)定閾值后銀行網(wǎng)絡(luò)結(jié)構(gòu)。圖1顯示的是50家銀行的原始金融網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)示意圖[5]，圖2顯示的是設(shè)定閾值后的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示意圖。

（一）社區(qū)發(fā)現(xiàn)算法結(jié)果

通過社區(qū)發(fā)現(xiàn)算法得到10年的銀行網(wǎng)絡(luò)的社區(qū)劃分結(jié)果，使用Gephi軟件計算得到，2008年銀行網(wǎng)絡(luò)（見下頁圖3）分為3個社區(qū)，2008年銀行網(wǎng)絡(luò)度分布呈現(xiàn)無標(biāo)度網(wǎng)絡(luò)特點（見圖4），在2008年建設(shè)銀行、上海銀行、北京銀行、交通銀行、北京農(nóng)商行、廣州農(nóng)商行、交通銀行、江蘇銀行為一個社團，華夏銀行、廣發(fā)銀行、農(nóng)業(yè)銀行、光大銀行、中信銀行、招商銀行、興業(yè)銀行、平安銀行、浦發(fā)銀行、民生銀行為一個社團，其他包括工商銀行以及中國銀行在內(nèi)為一個社團（見圖5）[6]。

在10年社團分布數(shù)據(jù)中，影響力較大的社團分布變化并不大，并且影響力較小，且資金規(guī)模較小的銀行依靠影響力大的影響，形成網(wǎng)絡(luò)連接。在十年的社區(qū)分布圖對比可見，不同年份的銀行網(wǎng)絡(luò)圖中，小型銀行在網(wǎng)絡(luò)圖的邊緣，依靠大型銀行的資金來形成金融網(wǎng)絡(luò)社團聚集，大型銀行不僅具有重要影響力，還起到了社團中唯一媒介的作用。

（二）銀行網(wǎng)絡(luò)結(jié)構(gòu)分析

對銀行網(wǎng)絡(luò)不同年份核心節(jié)點的比較，在不同的年份網(wǎng)絡(luò)中，各個銀行節(jié)點的重要程度不同，核心節(jié)點重要性程度很多，為研究銀行網(wǎng)絡(luò)核心節(jié)點變化情況，利用10年銀行間同業(yè)拆借網(wǎng)絡(luò)數(shù)據(jù)數(shù)據(jù)，根據(jù)構(gòu)建金融網(wǎng)絡(luò)模型方法，先后計算介數(shù)中心度、緊密中心度、離心率、Pagerank值。并通過對比分析，最大的節(jié)點主要是7（工商銀行）、47（中國銀行）、24（交通銀行）、20（建設(shè)銀行）、32（農(nóng)業(yè)銀行）、48（中信銀行），每年排名靠前的節(jié)點，重要性排名變化不大，但是排名靠后的網(wǎng)絡(luò)節(jié)點，在不同年份PR值排名變化很大，而這些節(jié)點都分布在銀行網(wǎng)絡(luò)的邊緣。這些節(jié)點不僅在網(wǎng)絡(luò)中具有重要作用，還有著資金流動的媒介作用，形成了“太大而不能倒”的銀行重要節(jié)點模式。在模擬的銀行間網(wǎng)絡(luò)中，這些銀行多為國有大型銀行機構(gòu)，例如中國銀行、建設(shè)銀行等。如果這些重要節(jié)點遭遇經(jīng)濟危機，在沒有政府救援的情況下，危機首先在社團內(nèi)部傳播，其次會通過重要節(jié)點媒介作用影響整個銀行行業(yè)，這也是國家為何要救助“太大而不能倒閉”銀行的原因。

結(jié)語

本文為了研究銀行網(wǎng)絡(luò)的特點和性能，首先，搜集了10年的同業(yè)拆借數(shù)據(jù)，構(gòu)建銀行間網(wǎng)絡(luò)，再采用社區(qū)劃分的方式，獲取不同年份銀行網(wǎng)絡(luò)節(jié)點社區(qū)分類的狀況。結(jié)果表明，小銀行會依賴大銀行的資金而聚集在一起形成社區(qū)。其次，節(jié)點通過PAGERANK等方式獲得節(jié)點重要性的排名，結(jié)果表明，排名靠前的網(wǎng)絡(luò)節(jié)點在不同年份重要性變化不大，而排名靠后的銀行重要性變化較大。但是，排名靠前的銀行在不同的社區(qū)分布中擔(dān)任重要的媒介作用。結(jié)果也表明，社區(qū)劃分模型在銀行網(wǎng)絡(luò)中可以用來檢測重要節(jié)點和社區(qū)分布狀況，通過該方式可以幫助政府定位“太大而不能倒”類型銀行，在金融危機前提前監(jiān)管在危機發(fā)生后，及時救助來降低危機擴散的可能性。

參考文獻(xiàn)：

[1]? 隋聰，王宗堯.銀行間網(wǎng)絡(luò)的無標(biāo)度特征[J].管理科學(xué)學(xué)報：天津財經(jīng)大學(xué)學(xué)報，2015，（12）：19-25.

[2]? 巴曙松，左偉，朱元倩.中國銀行間支付網(wǎng)絡(luò)及其結(jié)構(gòu)特征[J].系統(tǒng)工程，2014，（11）：1-4.

[3]? 鄧超，陳學(xué)軍，等.基于復(fù)雜網(wǎng)絡(luò)的金融傳染風(fēng)險模型研究[J].中國管理科學(xué)，2014，（6）：12-18.

[4]? 豐吉闖，李建平，高麗君.商業(yè)銀行操作風(fēng)險度量模型選擇分析[D].長春：吉林大學(xué)，2011.

[5]? 巴曙松，孫興亮，朱元倩.如何應(yīng)對“大而不倒”問題？——基于軟預(yù)算約束理論的視角[J].國際金融研究，2012，（4）：81-92.

[6]? 楊子暉，李東承.我國銀行系統(tǒng)性金融風(fēng)險研究——基于“去一法”的應(yīng)用分析[J].經(jīng)濟研究，2018，（8）：36-51.

Application of Community Detection and Pagerank Algorithm in Bank Network

LI Qing-yun

（University of Shanghai Technology and Technology，Shanghai 200093，China）

Abstract：The financial crisis has a far-reaching impact on national development and the stability of peoples livelihood.Banking network is an important part of financial network.How to search for “too big to fail” Banks and take effective measures before and after the crisis is a meaningful direction in the study of complex network banking networks.This paper applies the community discovery algorithm to the authorized interbank lending network.With the Banks from 2008 to 2007 as the nodes and the amount of inter-bank lending as the edge right，the network model of inter-bank lending with directed authority was constructed，and inter-bank networks with different thresholds and years were constructed.Through community discovery algorithm and PAGERANK and other methods，important nodes in the bank network in the community and the whole network were collected，namely “too big to fail” Banks.

Key words：community detection algorithm;bank network;PAGERANK

[責(zé)任編輯 陳麗敏]

收稿日期：2019-10-28

作者簡介：李晴昀（1995-），女，安徽舒城人，碩士研究生，從事復(fù)雜網(wǎng)絡(luò)研究。