基于復(fù)雜網(wǎng)絡(luò)理論的商業(yè)銀行系統(tǒng)風險傳染研究

■王 睿，夏 敏，王愛銀，祝四朋

一、引言

2019年中央經(jīng)濟工作會議指出，為保證2020年全面建成小康社會和實現(xiàn)“十三五”規(guī)劃圓滿收官，必須要確保我國經(jīng)濟、社會等各領(lǐng)域都平穩(wěn)發(fā)展。雖然目前我國金融體系總體穩(wěn)健，但當前我國經(jīng)濟下行壓力加大且國內(nèi)外風險挑戰(zhàn)明顯上升，要想繼續(xù)確保我國經(jīng)濟穩(wěn)中求進，金融風險的管控十分必要。我國銀行業(yè)是整個金融體系中的核心部分，其資產(chǎn)規(guī)模占整個金融業(yè)的80%以上，銀行業(yè)風險的防范與管控將直接影響到我國金融體系的穩(wěn)定發(fā)展，因此商業(yè)銀行的風險管理仍很重要。雖然巴塞爾協(xié)議對銀行的各類經(jīng)濟指標進行了明確的規(guī)定，但這依然無法避免在遭遇金融風險沖擊時金融機構(gòu)倒閉的狀況，例如2008年金融危機使大量金融機構(gòu)破產(chǎn)，對全球經(jīng)濟造成了巨大的沖擊?，F(xiàn)今國內(nèi)外經(jīng)濟下行壓力加大，研究我國商業(yè)銀行系統(tǒng)風險的管控有著十分重要的意義。

系統(tǒng)風險是指一個金融機構(gòu)遭受沖擊破產(chǎn)而使其他金融機構(gòu)違約從而引起大規(guī)模金融困境的風險。運用復(fù)雜網(wǎng)絡(luò)理論解決商業(yè)銀行風險問題是近年來的研究熱點。復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)和功能方面的運用在物理學(xué)術(shù)界有著重大進展，主要集中在網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)以及在擾動和干擾情況下觀察到拓撲結(jié)構(gòu)的特性、穩(wěn)定性、彈性和效率。復(fù)雜網(wǎng)絡(luò)理論在經(jīng)濟研究中的運用也十分廣泛。近年來，Boss（2004）等對奧地利等國的實際網(wǎng)絡(luò)結(jié)構(gòu)進行實證研究后發(fā)現(xiàn)，在現(xiàn)實經(jīng)濟中的銀行網(wǎng)絡(luò)拓撲結(jié)構(gòu)具有復(fù)雜網(wǎng)絡(luò)的特征。Inaoka（2004）等研究發(fā)現(xiàn)實際經(jīng)濟中的銀行網(wǎng)絡(luò)滿足無標度網(wǎng)絡(luò)特征，其節(jié)點度（出度和入度）分布服從冪律分布，即銀行網(wǎng)絡(luò)中只有少部分節(jié)點銀行擁有大量的連接度，而大部分銀行都在網(wǎng)絡(luò)的周圍有著較少的連接度，因此標度參數(shù)的選擇顯得尤為重要，選擇不同的標度參數(shù)可以模擬出不同類型的網(wǎng)絡(luò)結(jié)構(gòu)圖。Andreas Krause&Simone Giansante（2012）研究發(fā)現(xiàn)，在無標度網(wǎng)絡(luò)中，當標度參數(shù)在3以下時，網(wǎng)絡(luò)會出現(xiàn)明顯的中心節(jié)點（hub節(jié)點），筆者選取的標度參數(shù)為2.4。Kimmo Soram?ki（2006）等研究了美國Fedwire（美聯(lián)儲轉(zhuǎn)移大額付款的系統(tǒng)）基金服務(wù)在商業(yè)銀行之間轉(zhuǎn)移的銀行間支付的網(wǎng)絡(luò)拓撲結(jié)構(gòu)，發(fā)現(xiàn)該網(wǎng)絡(luò)具有較低的平均路徑長度和連通性，該網(wǎng)絡(luò)中包括部分緊密相連的核心銀行，且大多數(shù)其他銀行都連接到該核心銀行，還發(fā)現(xiàn)該網(wǎng)絡(luò)是無標度的，并且網(wǎng)絡(luò)結(jié)構(gòu)的性質(zhì)在9月11日的事件發(fā)生后立即發(fā)生很大變化。

復(fù)雜網(wǎng)絡(luò)理論不僅可以用來研究銀行網(wǎng)絡(luò)的結(jié)構(gòu)和特性，還可以研究銀行系統(tǒng)風險傳染情況。在以往的文獻中，Müller（2003）研究發(fā)現(xiàn)銀行體系風險傳染與其網(wǎng)絡(luò)結(jié)構(gòu)有著密切關(guān)系，若在研究過程中使用不恰當?shù)你y行體系網(wǎng)絡(luò)結(jié)構(gòu)，那么銀行體系的風險將得不到正確的評估。Bluhm（2014）等利用動態(tài)銀行網(wǎng)絡(luò)模型與內(nèi)源性網(wǎng)絡(luò)形成的影響分析中央銀行貨幣政策的干預(yù)對系統(tǒng)性風險的影響，研究發(fā)現(xiàn)系統(tǒng)性風險傳染會導(dǎo)致幾個甚至多個銀行違約，并且共同沖擊會使風險在資產(chǎn)市場暴露，通過銀行間市場業(yè)務(wù)在銀行間發(fā)生直接傳染。Teteryatnikova（2014）研究了系統(tǒng)范圍的違約風險和潛在影響分層的銀行網(wǎng)絡(luò)，研究發(fā)現(xiàn)系統(tǒng)性危機和潛在的危機所產(chǎn)生風險的范圍是在銀行系統(tǒng)的負相關(guān)程度低于其他類型的系統(tǒng)下發(fā)生的，在無標度網(wǎng)絡(luò)下，系統(tǒng)的沖擊彈性隨分層的水平而增多。Juan Carlos et al.（2016）等研究了現(xiàn)代金融體系，發(fā)現(xiàn)現(xiàn)代金融網(wǎng)絡(luò)表現(xiàn)出一個復(fù)雜的相互依存關(guān)系，金融風險的傳染形成了一個復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，銀行間網(wǎng)絡(luò)的連接方式等服從冪律分布。楊海軍（2017）等將中國的銀行網(wǎng)絡(luò)結(jié)構(gòu)理解為核心—邊緣網(wǎng)絡(luò)，在單個銀行破產(chǎn)和資產(chǎn)價格泡沫破滅兩種情況下對風險傳染進行研究，發(fā)現(xiàn)銀行風險的管控關(guān)鍵在于對資產(chǎn)價格的控制。

為維護銀行業(yè)的穩(wěn)定發(fā)展，可用不同的沖擊方式模擬金融環(huán)境中某些不確定因素對銀行網(wǎng)絡(luò)的影響，從而研究商業(yè)銀行網(wǎng)絡(luò)的穩(wěn)定性。Crucitti（2002）等研究發(fā)現(xiàn)，無標度網(wǎng)絡(luò)對隨機沖擊具有魯棒性，但容易受到有針對性的攻擊。這些連接度低且權(quán)重高的銀行可能比其他銀行更容易受到干擾，因為刪除一個節(jié)點或者連接邊會嚴重限制流入資金的金額。Gropp&Moerman（2004）研究了在極端沖擊下銀行風險是如何在國家甚至整個歐洲大型銀行中蔓延的，使用蒙特卡羅模擬，驗證大型沖擊是否使兩個或更多銀行的觀測值符合多元正態(tài)分布或t分布的假設(shè)。此外，他還提出了一個簡單的指標，用于識別風險從一個銀行轉(zhuǎn)移到另一個銀行和識別在歐盟“具有系統(tǒng)重要性”的銀行。吳念魯（2017）從銀行間流動性風險傳染出發(fā)，研究組合沖擊對銀行間傳染的影響效應(yīng)，發(fā)現(xiàn)組合沖擊會降低價格沖擊的閾值。

下文基于復(fù)雜網(wǎng)絡(luò)理論，利用實際數(shù)據(jù)構(gòu)建了44家商業(yè)銀行2017年和2018年的同業(yè)拆借關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)圖并進行數(shù)據(jù)的描述性分析，通過構(gòu)建了一個全新的、加入杠桿率作為監(jiān)管指標的商業(yè)銀行網(wǎng)絡(luò)系統(tǒng)風險傳染模型，分析了2018年真實銀行間網(wǎng)絡(luò)的系統(tǒng)風險傳染過程，再分別仿真模擬了20000家和500家銀行的無標度網(wǎng)絡(luò)圖受隨機性沖擊和目標性沖擊對網(wǎng)絡(luò)結(jié)構(gòu)的影響效應(yīng)，真實刻畫了兩種類型沖擊對不同規(guī)模銀行網(wǎng)絡(luò)結(jié)構(gòu)下的系統(tǒng)風險傳染的影響。

二、商業(yè)銀行網(wǎng)絡(luò)模型與風險傳染模型構(gòu)建

（一）網(wǎng)絡(luò)模型構(gòu)建

銀行之間的實際拆借數(shù)據(jù)是無法獲得的，只能通過各銀行年報獲取拆借的總金額，故而在該數(shù)據(jù)基礎(chǔ)上運用最小交叉熵代替方法來構(gòu)造銀行之間的雙邊敞口矩陣，楊海軍（2017）等也采取了此類方法。假設(shè)金融體系中有N家商業(yè)銀行，將銀行作為網(wǎng)絡(luò)的節(jié)點，銀行間的債務(wù)債權(quán)關(guān)系為節(jié)點之間的邊，支付流的大小作為邊的權(quán)重。銀行之間的關(guān)聯(lián)可由資產(chǎn)負債矩陣表示為 X=（xij）N×N，其中 xij表示銀行i向銀行j的拆出金額，一銀行對其他銀行的拆出運用最大化信息熵方法來構(gòu)造矩陣。

1.標準化。將銀行i對銀行j的資產(chǎn)（負債）頭寸轉(zhuǎn)化為該銀行對整個銀行體系總資產(chǎn)（總負債）的資產(chǎn)負債矩陣轉(zhuǎn)化為為銀行i對銀行j的拆出資金占總資產(chǎn)比：

2.因為銀行自身的資金流動不會影響到整個金融體系，故當i=j時，=0。

3.最后運用最小交叉熵代替方法估計矩陣：

（二）風險傳染模型構(gòu)建

沖擊之前銀行i的簡化資產(chǎn)負債表如圖1（a）所示。其中，銀行間資產(chǎn)（Interbank Assets）為 Ai，t=，其他資產(chǎn)為OAi，t（Other Assets）；銀行間負其他負債為OLi，t（Other Assets），資本金為Ci，t（Capital），則t時刻總資產(chǎn)與總負債可表示為：

遭受沖擊Shocki后，t′時刻的銀行的資產(chǎn)負債表情況如下：

遭受沖擊的銀行使其債權(quán)方銀行遭受違約損失，使其負債的實際價值為：

因此，可以得出某一銀行受其他破產(chǎn)銀行影響所遭受的總損失Shock：

沖擊過后，幸存銀行為保持一定的安全性，將降價拋售一定的資產(chǎn)來滿足杠桿率的監(jiān)管，即去杠桿，引入杠桿率：Ci，t/TAi，t＞LEV。當銀行杠桿率不滿足監(jiān)管要求時，即 Ci，t′/TAi，t′＜LEV，銀行 i將降價拋售部分資產(chǎn)RSAi來提高杠桿率，其中γ為降價拋售折扣率：

由上式得：

故銀行去杠桿后t+1時刻資產(chǎn)負債表為：

綜上所述，銀行遭受沖擊后風險傳染結(jié)果有如下三種情況：

第一，銀行破產(chǎn)：Ci，t+1=TLi，t+1=TAi，t+1=0。

第二，銀行未破產(chǎn)，但需去杠桿：Ci，t+1=Ci，t′，TLi，t+1=TLi，t′-RSAi，TAi，t+1=TAi，t′-RSAi。

第三，銀行未破產(chǎn)，也無需去杠桿：Ci，t+1=Ci，t′，TLi，t+1=TLi，t′，TAi，t+1=TAi，t′。

在以往的商業(yè)銀行系統(tǒng)風險傳染的相關(guān)文獻中，研究者往往只考慮了資本金不足或流動性短缺導(dǎo)致銀行動力不佳而存在的破產(chǎn)風險。而筆者給出了一個全新的基于資產(chǎn)負債表的商業(yè)銀行系統(tǒng)風險傳染模型，該模型在銀行資本金和流動性不充足而引發(fā)風險傳染的基礎(chǔ)上加入了監(jiān)管機制。近些年來隨著《商業(yè)銀行杠桿率管理辦法（修訂）》的發(fā)布，杠桿率水平已成為銀行風險監(jiān)管的重要組成部分，并且若想保持宏觀杠桿率基本穩(wěn)定的前提是要確保微觀杠桿率符合監(jiān)管規(guī)定。因此，筆者引入了杠桿率作為監(jiān)管要求的代表性經(jīng)濟指標，在銀行遭受沖擊后，為保證一定的安全性而降價拋售部分資產(chǎn)來滿足監(jiān)管要求。該模型更接近實際商業(yè)銀行風險管理。

（三）網(wǎng)絡(luò)風險傳染分析

假定當銀行總損失大于資本金或由于損失致使銀行流動性不足時銀行進行破產(chǎn)清算并退出網(wǎng)絡(luò)。商業(yè)銀行的資本金是銀行為維持其自身經(jīng)營而吸收風險的安全性保障，當銀行遭受沖擊時資本金起到吸收風險的作用，當總損失超過資本金時，銀行面臨破產(chǎn)清算。再者，由于某一債權(quán)銀行進行財產(chǎn)清算而需召回其債務(wù)銀行的同業(yè)資產(chǎn)時，債務(wù)銀行將面臨流動性風險，當流動性不足時很有可能致使其破產(chǎn)而退出網(wǎng)絡(luò)。

在受到?jīng)_擊之前，銀行的資產(chǎn)負債表如圖1（a）所示，首先假設(shè)外界沖擊導(dǎo)致單個銀行破產(chǎn)，當Shock＞Capital時銀行進行破產(chǎn)清算，其中傳染倒閉的銀行記為集合 P（1），幸存銀行記為集合S（1），此為第一輪傳染。第一輪的幸存銀行受到?jīng)_擊使其資產(chǎn)負債情況受影響，即Shock＜Capital時，杠桿率降低，銀行為達到杠桿率監(jiān)管要求將折價拋售部分資產(chǎn)，即去杠桿，如圖1（c）所示，此為第二輪傳染，若γRSA+Shock＞Capital，則銀行破產(chǎn)。第一輪與第二輪的破產(chǎn)銀行在進行清算時會收回銀行間資產(chǎn)，債務(wù)銀行很難能在不受損失的情況下及時變現(xiàn)，這會導(dǎo)致負債流動性不足甚至倒閉，這就誘發(fā)了第三輪傳染，若該銀行流動性充裕，但對于債權(quán)銀行的突發(fā)需求仍會影響該銀行的資產(chǎn)狀況，若使其銀行杠桿率低于監(jiān)管水平，則立即會引發(fā)第四輪傳染，風險依次繼續(xù)傳導(dǎo)，直到?jīng)]有銀行破產(chǎn)時傳染結(jié)束。

對于銀行i在n輪后因風險傳染而違約倒閉的銀行集合為：

上式中N是所有銀行的集合。n輪后幸存銀行的集合為：

圖1 簡化資產(chǎn)負債表風險傳染過程圖

三、商業(yè)銀行數(shù)值模擬

（一）銀行樣本與數(shù)據(jù)分析

筆者選取了44①44家商業(yè)銀行分別是中國、建設(shè)、工商、農(nóng)業(yè)、興業(yè)、廣發(fā)、交通、浦發(fā)、民生、招商、中信、光大、華夏、上海農(nóng)商、鄞州、北京、上海、渤海、天津、南京、廣州、成都、徽商、重慶農(nóng)村商行、天津農(nóng)商行、北京農(nóng)商行、武漢農(nóng)村商行、寧波、郵儲、杭州聯(lián)合、洛陽、盛京、杭州、漢口、珠海華潤、廣西北部灣、江蘇、桂林、華融湘江、廣州農(nóng)村商行、順德農(nóng)村商行、邯鄲、蘇州、常熟。家商業(yè)銀行作為研究樣本，其中包括國有商業(yè)銀行、郵儲銀行以及部分股份制、城市商業(yè)銀行，農(nóng)村合作銀行。分析的實際數(shù)據(jù)主要來源于各商業(yè)銀行年報中的資產(chǎn)負債表。樣本銀行的同業(yè)拆借交易金額和總資產(chǎn)、總負債規(guī)模在整個銀行業(yè)占比為85%以上，說明所選取的樣本銀行具有良好的代表性，44家商業(yè)銀行的描述統(tǒng)計分析結(jié)果如表1所示。

表1 描述統(tǒng)計性分析單位：百億

（二）網(wǎng)絡(luò)數(shù)值模擬結(jié)果分析

圖2為44家商業(yè)銀行2017年（a圖）與2018年（b圖）的網(wǎng)絡(luò)結(jié)構(gòu)圖，圖2（a）包括44個節(jié)點和1296個連接邊，圖2（b）包括44個節(jié)點和1015個連接邊。圖中銀行節(jié)點顏色的深淺反映節(jié)點度的強弱，顏色越深說明與該節(jié)點連接的其他節(jié)點越多，其債務(wù)債權(quán)關(guān)系越復(fù)雜；每個連接邊以拆借關(guān)聯(lián)的權(quán)重進行顏色深度處理。

圖2 2017年和2018年商業(yè)銀行網(wǎng)絡(luò)圖

從圖中可以看出絕大部分銀行節(jié)點都在網(wǎng)絡(luò)的外圍具有很低的連接度，而有著較高連接度的hub節(jié)點數(shù)量較少，這正說明現(xiàn)實中的商業(yè)銀行網(wǎng)絡(luò)結(jié)構(gòu)是無標度網(wǎng)絡(luò)，其節(jié)點度服從冪律分布。2017年與2018年的銀行網(wǎng)絡(luò)結(jié)構(gòu)圖整體類似，但2017年網(wǎng)絡(luò)圖的平均度和平均聚集系數(shù)高于2018年，且從圖中可以看出2018年hub節(jié)點的連通度沒有2017年高。雖然如此，但無論是2017年還是2018年位于hub節(jié)點的銀行仍然為中國銀行、農(nóng)業(yè)銀行、工商銀行、建設(shè)銀行、交通銀行、招商銀行、民生銀行，這說明無論此期間經(jīng)濟形勢發(fā)生了何種變化，節(jié)點度最高的這7家大型銀行仍有著最大的拆入拆出規(guī)模，也說明了5家國有銀行在我國的主導(dǎo)地位。由于經(jīng)濟的飛速發(fā)展以及民營資金的流入，我國銀行業(yè)也在快速發(fā)展，銀行機構(gòu)的數(shù)量和規(guī)模也隨著經(jīng)濟的發(fā)展而增多，中小型商業(yè)銀行由于有當?shù)卣闹С制涓偁幜Σ粊営诖笮豌y行，并且近些年中小型商業(yè)銀行在銀行網(wǎng)絡(luò)中的地位不斷提高，其風險的管控備受重視，2018年中央經(jīng)濟會議重點強調(diào)要防范化解重大金融風險，因此2018年銀行網(wǎng)絡(luò)結(jié)構(gòu)的連通度以及銀行業(yè)的同業(yè)拆借規(guī)模的降低與年內(nèi)我國成功化解某些中小型銀行風險有關(guān)。

銀行節(jié)點度與聚集系數(shù)的關(guān)系如表2所示，節(jié)點度較高的不一定聚集系數(shù)也高，部分城市商業(yè)銀行有著較高的聚集系數(shù)和較低的節(jié)點度，與傳統(tǒng)的“大而不倒”的理論相比，小規(guī)模的“太關(guān)聯(lián)而不倒”也在銀行網(wǎng)絡(luò)結(jié)構(gòu)中起著重要的作用，2018年銀行網(wǎng)絡(luò)結(jié)構(gòu)的平均聚集系數(shù)降為0.792，這也是我國風險管控的體現(xiàn)，但不排除未來城市商業(yè)銀行的重要程度會趨近于中心節(jié)點。

表2 銀行節(jié)點度與聚集系數(shù)的關(guān)系

續(xù)表2

圖3 2017年、2018年hub節(jié)點圖

為了更清晰地了解中心節(jié)點銀行間的網(wǎng)絡(luò)關(guān)系，在圖3中繪制2017年（a圖）和2018年（b圖）節(jié)點度為70—86的銀行網(wǎng)絡(luò)的一個子集，該圖直觀地呈現(xiàn)出網(wǎng)絡(luò)的核心，而該核心所代表的商業(yè)銀行集團的業(yè)務(wù)規(guī)模占整個銀行系統(tǒng)的75%以上，圖3（a）突出的特點是15個節(jié)點形成了緊密連接的子圖或集團，其余節(jié)點連接到該子圖或集團，也就是說，只有少數(shù)幾家大型商業(yè)銀行及其之間的關(guān)聯(lián)構(gòu)成了網(wǎng)絡(luò)拆入拆出金額的大部分。

（三）風險傳染模擬結(jié)果分析

位于核心節(jié)點的商業(yè)銀行在網(wǎng)絡(luò)中有著十分重要的地位，尤其是我國五大國有銀行。據(jù)此，運用蓄意攻擊的方法來研究商業(yè)銀行實際網(wǎng)絡(luò)結(jié)構(gòu)的魯棒性。根據(jù)上文構(gòu)建的系統(tǒng)風險傳染模型，以2018年網(wǎng)絡(luò)結(jié)構(gòu)為研究對象，分析我國五大國有商業(yè)銀行單獨倒閉而對整個銀行系統(tǒng)結(jié)構(gòu)的沖擊影響。降價折扣率分別取0.9、0.8、0.7，其在一定程度上也可表明當期的經(jīng)濟形勢，降價折扣率低，當期經(jīng)濟處于下行。

沖擊結(jié)果如表3所示，可以看出任一hub節(jié)點的倒閉沖擊都不足以引發(fā)全局性危機，且誘導(dǎo)銀行為中國銀行時所引起的資金損失最多，建設(shè)銀行倒閉對其他銀行產(chǎn)生的影響最廣。從倒閉銀行來看，大部分為城市商業(yè)銀行，且廣州銀行、盛京銀行、杭州銀行倒閉的次數(shù)最多。隨著我國銀行業(yè)的發(fā)展，城市商業(yè)銀行的數(shù)量也在增多，但其總體規(guī)模較小且區(qū)域性較強，相較于大型銀行，城市商業(yè)銀行抵御風險的能力較弱。城市商業(yè)銀行雖有當?shù)卣闹С郑惨獓栏癖O(jiān)管其資產(chǎn)質(zhì)量以及經(jīng)營結(jié)構(gòu)，降低其脆弱性，提高其抵御風險的能力。降價拋售折扣率的高低會影響系統(tǒng)風險傳染的規(guī)模，降價拋售折扣率越低，系統(tǒng)風險傳染規(guī)模越大，倒閉銀行數(shù)越多，也可以認為當經(jīng)濟處于下行時，銀行為達到杠桿率的監(jiān)管要求，相較于經(jīng)濟上行而言，將會拋售更多，這與當前我國經(jīng)濟形勢相符合。圖4表示降價折扣率為0.9、0.8、0.7時中心銀行受蓄意性沖擊的風險傳染損失和倒閉銀行個數(shù)的關(guān)系。

表3 2018年中心銀行受蓄意性沖擊風險傳染過程

續(xù)表3

圖4 2018年銀行傳染損失及倒閉銀行數(shù)（γ=0.9、0.8、0.7）

（四）兩種沖擊方式的仿真模擬

在上述銀行實際網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上模擬生成20000家銀行的無標度網(wǎng)絡(luò)圖，其節(jié)點度分布服從冪律分布，如圖5。并且由圖5（b）可以看出節(jié)點度與聚集系數(shù)有著較強的線性關(guān)系，即聚集系數(shù)服從節(jié)點度的冪律分布?，F(xiàn)對該銀行網(wǎng)絡(luò)進行兩種類型的模擬沖擊：隨機性沖擊和目標性沖擊。隨機性沖擊是指該網(wǎng)絡(luò)中所有銀行節(jié)點有相同的概率遭受沖擊從網(wǎng)絡(luò)中消失，從而影響其他銀行節(jié)點的沖擊方式；目標性沖擊是指從網(wǎng)絡(luò)中選取節(jié)點度最大的銀行節(jié)點進行沖擊，從而影響其他銀行節(jié)點的沖擊方式。目標性沖擊與上文蓄意攻擊單個節(jié)點的思想一致。

隨機性沖擊與目標性沖擊的節(jié)點與連邊的數(shù)量變化如圖6所示，可以看出在隨機性沖擊下銀行節(jié)點和連邊數(shù)量減少得較為緩慢，而在目標性沖擊下節(jié)點從網(wǎng)絡(luò)中消失的速度十分快，網(wǎng)絡(luò)幾乎很快崩潰，這驗證了hub節(jié)點的重要程度，與上文討論的真實銀行網(wǎng)絡(luò)結(jié)構(gòu)相同：即少數(shù)銀行掌握著同業(yè)市場中多數(shù)的拆借關(guān)系，這導(dǎo)致銀行網(wǎng)絡(luò)對隨機性沖擊的不敏感性和對目標性沖擊的脆弱性，雖然我國處于貨幣中心的大型國有商業(yè)銀行具有“大而不倒”的特性，但監(jiān)管者仍需對其加強監(jiān)管，避免其在特殊時期遭受不確定性沖擊而對我國金融體系造成毀滅性打擊。

圖5 節(jié)點度分布與節(jié)點度與聚集系數(shù)關(guān)系圖

圖6 隨機性沖擊與目標性沖擊的節(jié)點與連邊的數(shù)量變化圖

圖7 所有集群相變圖

將20000家銀行節(jié)點按聚集程度劃分成不同的集群，實際上就是大規(guī)模網(wǎng)絡(luò)中包含著集群的小網(wǎng)絡(luò)。從圖7中可以看出，大量的集群在某一峰值發(fā)生相變，即不再隨參數(shù)的變化而變化，而是到達某一值后爆發(fā)。在目標性沖擊下，在前期集群數(shù)目的變化很緩慢，而當?shù)綌?shù)約為2000時，產(chǎn)生相變，這與節(jié)點與連接邊數(shù)量變化一致，如圖6，在迭代步數(shù)為2000時，該網(wǎng)絡(luò)崩潰。

圖8 最大集群與第二大集群相變圖

圖8 找出最大集群與第二大集群研究其規(guī)模變化，這正與上文找出44家銀行網(wǎng)絡(luò)中的一個最強子集相對應(yīng)。從圖8中可以看出第二大集群無論是隨機性沖擊還是目標性沖擊，其發(fā)生相變的點接近于所有集群發(fā)生相變點，但其聚集規(guī)模隨迭代步數(shù)變化更顯著。而最大集群規(guī)模變化圖與節(jié)點和連接邊數(shù)量變化圖接近一致，這進一步說明無論網(wǎng)絡(luò)規(guī)模多大，最大集群規(guī)模的變化對網(wǎng)絡(luò)的沖擊仍然是起決定性作用的，即hub節(jié)點在銀行網(wǎng)絡(luò)中有著至關(guān)重要的地位。若將銀行網(wǎng)絡(luò)規(guī)?？s小至500個節(jié)點時這兩種沖擊方式對網(wǎng)絡(luò)的沖擊效應(yīng)又會如何呢？

圖9 節(jié)點數(shù)為500的網(wǎng)絡(luò)性質(zhì)圖

從圖9中可以看出，節(jié)點度分布仍服從冪律分布。且大量的集群隨著迭代步數(shù)的增加在峰值也發(fā)生相變，但由于網(wǎng)絡(luò)規(guī)模較小，其集群數(shù)量少，出現(xiàn)相變的集群也較少。由節(jié)點和連接邊變化圖發(fā)現(xiàn)，在目標性沖擊下，其節(jié)點與連接邊消失的速度相比于20000節(jié)點的大網(wǎng)絡(luò)來說較為緩慢，在迭代步數(shù)為100時，該網(wǎng)絡(luò)崩潰；而在隨機性沖擊下，節(jié)點和連接邊仍以相同的概率從網(wǎng)絡(luò)中消失。由此可以得出，目標性沖擊對銀行網(wǎng)絡(luò)的影響與網(wǎng)絡(luò)的規(guī)模大小有關(guān)，而隨機性沖擊則與網(wǎng)絡(luò)規(guī)模的大小無關(guān)，且目標性沖擊對銀行網(wǎng)絡(luò)的影響是具有毀滅性的。

表4 不同網(wǎng)絡(luò)規(guī)模下統(tǒng)計性質(zhì)的匯總結(jié)果

節(jié)點數(shù)決定銀行網(wǎng)絡(luò)規(guī)模的大小，而節(jié)點之間連接邊的性質(zhì)則定義了網(wǎng)絡(luò)的連通性和聚集程度。隨著金融的繁榮，銀行網(wǎng)絡(luò)不僅會增長，而且會變得更加緊密。從表4可以看出網(wǎng)絡(luò)規(guī)模的變化不會對節(jié)點平均度產(chǎn)生顯著影響，即無論銀行網(wǎng)絡(luò)增長情況如何，都只有少部分銀行節(jié)點有著很高的連接度。但隨著銀行網(wǎng)絡(luò)規(guī)模的增長，網(wǎng)絡(luò)的平均聚集系數(shù)降低，即使有很多的集群，但集群關(guān)聯(lián)程度不高，銀行風險被更好地分散，當進行隨機性沖擊時，節(jié)點度小的集群消失不會對網(wǎng)絡(luò)造成太大的沖擊，而當沖擊到節(jié)點度較大的銀行集群時，在峰值會產(chǎn)生相變，對銀行網(wǎng)絡(luò)沖擊性大，如圖7。因此，銀行網(wǎng)絡(luò)規(guī)模的增大，可以使集群之間的關(guān)聯(lián)性降低，沖擊集群所造成的風險傳染范圍減小，但當沖擊到節(jié)點度高的hub節(jié)點時，對網(wǎng)絡(luò)的沖擊仍是毀滅性的，如圖8的目標性沖擊所示。從長遠來看，銀行業(yè)同業(yè)拆借市場的擴大有利于降低系統(tǒng)風險傳染，但在對hub節(jié)點銀行嚴格監(jiān)管的同時，也不能放松對中小型銀行以及網(wǎng)絡(luò)中新加入銀行的監(jiān)管。

四、結(jié)束語

基于復(fù)雜網(wǎng)絡(luò)理論，首先根據(jù)實際數(shù)據(jù)構(gòu)建了44家商業(yè)銀行2017年和2018年的同業(yè)拆借關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)圖，其次構(gòu)建了一個全新的基于資產(chǎn)負債表的商業(yè)銀行網(wǎng)絡(luò)系統(tǒng)風險傳染模型，再仿真模擬了不同規(guī)模銀行網(wǎng)絡(luò)在兩種類型沖擊的情況下（隨機性沖擊和目標性沖擊）系統(tǒng)風險傳染情況，得出的主要結(jié)論如下：

無論節(jié)點度和聚集系數(shù)隨著經(jīng)濟形勢和監(jiān)管政策如何變化，都不會影響中國銀行、農(nóng)業(yè)銀行、工商銀行、建設(shè)銀行、交通銀行、招商銀行、民生銀行在貨幣中心的位置，節(jié)點度最高的這7家大型銀行仍有著最大的拆入拆出規(guī)模，反映了5家國有商業(yè)銀行在我國的主導(dǎo)地位。但是節(jié)點度高的不一定聚集系數(shù)也高，部分城市商業(yè)銀行有著較高的聚集系數(shù)和較低的節(jié)點度，與傳統(tǒng)的“大而不倒”的理論相比，小規(guī)模的“太關(guān)聯(lián)而不倒”也在銀行網(wǎng)絡(luò)結(jié)構(gòu)中起著重要的作用，說明如此發(fā)展下去，城市商業(yè)銀行的重要程度會趨近于中心節(jié)點，必須提高對城市商業(yè)銀行的安全性監(jiān)管，增強其同業(yè)拆借市場的透明度。

位于中心節(jié)點的商業(yè)銀行在網(wǎng)絡(luò)中有著十分重要的地位，尤其是我國五大國有銀行。進行蓄意性攻擊后研究發(fā)現(xiàn)，中國銀行破產(chǎn)所引起的損失金額最大，建設(shè)銀行倒閉對其他銀行產(chǎn)生的影響最廣，廣州銀行、盛京銀行、杭州銀行3家城市商業(yè)銀行倒閉的次數(shù)最多抗風險能力最弱。因此，在對中國銀行、建設(shè)銀行等中心性銀行嚴格監(jiān)管的同時，應(yīng)當加強對城市商業(yè)銀行的監(jiān)管，提高其優(yōu)質(zhì)資產(chǎn)的比重，將杠桿率、資本充足率、不良貸款率控制在合理的范圍內(nèi)，對于違反規(guī)定的銀行要有相應(yīng)的懲罰，對少數(shù)處于危險臨界的銀行實行重點監(jiān)管，防止發(fā)生因局部危機引發(fā)全局危機的風險。

目標性沖擊對網(wǎng)絡(luò)的毀滅性大于隨機性沖擊，目標性沖擊對銀行網(wǎng)絡(luò)的影響與網(wǎng)絡(luò)的規(guī)模大小有關(guān)，而隨機性沖擊則與網(wǎng)絡(luò)規(guī)模的大小無關(guān)。在目標性沖擊下，網(wǎng)絡(luò)幾乎很快崩潰，這驗證了hub節(jié)點的重要性，需對其加強監(jiān)管。

金融業(yè)的繁榮發(fā)展會使銀行網(wǎng)絡(luò)不斷增長，而且會變得更加密集。網(wǎng)絡(luò)規(guī)模的逐漸增大不會對節(jié)點平均度產(chǎn)生顯著的影響，但會使網(wǎng)絡(luò)的平均聚集系數(shù)降低，風險被分散，集群之間的關(guān)聯(lián)性降低，沖擊集群所造成的風險傳染范圍減小。但是，當沖擊到節(jié)點度高的hub節(jié)點時，對網(wǎng)絡(luò)的沖擊仍是毀滅性的，因此長遠來看，銀行間網(wǎng)絡(luò)的擴大有利于降低系統(tǒng)風險。