任英華　謝佳匯　周金龍　張潔瑩

[摘?要]?基于商業(yè)銀行流動性風險傳染網絡，本研究分析流動性風險在經濟繁榮和經濟衰退下的網絡傳染機制和網絡特征。實證表明：商業(yè)銀行流動性風險傳染機制具有層次性和反傳染性;傳染網絡在經濟繁榮（高閾值網絡）時符合無標度特性，在經濟衰退（低閾值網絡）時符合小世界特性;高閾值網絡中多數國有銀行易受攻擊，低閾值網絡中股份制銀行易受攻擊;股份制銀行具有傳染性和易感性，并充當傳染中介角色。在宏微觀審慎監(jiān)管下，監(jiān)管部門應加強對商業(yè)銀行流動性風險指標的監(jiān)測，并同時關注銀行外部業(yè)務聯系，及時監(jiān)測流動性風險，防患于未然。

[關鍵詞]?商業(yè)銀行流動性風險;風險傳染;萬有引力模型;復雜網絡

[中圖分類號]??G21[文獻標識碼] A?[文章編號] 1008—1763（2020）04—0065—09

A?Study?of?Commercial?Banks?Liquidity?Risk

Contagion?Based?on?Complex?Network

REN?Ying-hua，XIE?Jia-hui，ZHOU?Jin-long，ZHANG?Jie-ying

（College?of?Finance?and?Statistics，?Hunan?University，?Changsha?410079，?China）

Abstract：Commercial?banks'?liquidity?risk?contagion?networks?are?constructed?to?study?the?contagion?mechanism?and?characteristics?of?its?networks?under?booming?and?depressed?economy.?The?empirical?findings?show?that，?the?liquidity?risk?contagion?is?hierarchical?and?is?capable?of??rebounding??between?commercial?banks?in?different?properties;?the?contagion?networks?are?scale-free?in?stable?economy?（high?threshold?network）?while?small-world?in?poor?economy?（low?threshold?network）;?state-owned?banks?in?high?threshold?networks?are?vulnerable?to?be?attacked，?and?joint-stock?banks?in?low-threshold?networks?are?vulnerable;?joint-stock?banks?are?contagious?and?susceptible，?and?act?as?the?core?transfer?intermediary?of?risks.?Therefore，?under?the?macro-micro?prudential?supervision，?the?monitoring?of?liquidity?risk?indicators?of?commercial?banks?should?be?strengthened，?and?at?the?same?time，?attention?should?be?paid?to?the?external?business?contacts?among?banks?for?the?sake?of?preventing?and?monitoring?liquidity?risks?in?time.

2.指標權重確定

逆向指標正向化處理后，本文對由22家樣本銀行和8個指標構成的樣本矩陣，運用熵權法得到各指標權重如表2所示。

其中，最大十家客戶貸款比例的指標權重最大，說明各銀行間這一指標差異較大。流動性覆蓋率、流動性比例的指標權重則較小，說明這兩個指標受各銀行重視，指標均在標準線之上，因此差異較小。

3.銀行間流動性風險聯系強度矩陣的構建

萬有引力定律表明，空間上任何兩個物體間的聯系是由其自身的質量屬性和物體間距離決定的。本文借鑒萬有引力定律的思想，運用銀行自身流動性風險水平綜合指標和銀行間的距離來計算兩個銀行間的流動性風險聯系強度，公式如下：

Fij=pij·MiMjdkij，pij=MiMi+Mj（1）

其中，Fij為銀行i對銀行j的流動性風險聯系強度;Mi，Mj分別為由熵權法計算得到的銀行i和銀行j的流動性風險水平綜合指標;dij表示銀行i和銀行j之間的距離;k為衰減指數，表示銀行間的流動性風險聯系強度會隨著銀行間的相關性減弱而變小，本文根據相關經驗將衰減指數定為2。對于銀行間距離dij，利用銀行的股票收盤價計算銀行間相關系數，并對相關系數進行調整最終得到兩個銀行間的空間距離，即：

Ri（t）=ln?Pi（t）-ln?Pi（t-1）（2）

ρij=∑Tt=1Ri（t）Rj（t）-T·Ri·Rj∑Tt=1（Ri（t）-Ri）2·∑Tt=1（Rj（t）-Rj）2（3）

dij=2（1-ρij）（4）

其中，Pi（t），Pi（t-1）分別表示銀行i在t、t-1時刻的股票收盤價格;Ri（t），Rj（t）分別表示銀行i、j在t時的股票收益率;Ri，Rj分別表示銀行i、j在T時間段內股票收益率的均值;ρij為銀行i和銀行j在時間段T內的相關系數。

（二）不同經濟狀況下商業(yè)銀行流動性風險網絡的確定

依據“逆周期監(jiān)管理念”，在經濟繁榮時期，商業(yè)銀行應累積較多的資本以應對經濟衰退的需要;在經濟衰退時期，可以適當降低對商業(yè)銀行資本的監(jiān)管標準，促使商業(yè)銀行增加信貸投放，推進經濟的復蘇。因此，經濟繁榮時，銀行的資本金水平較高，抵御流動性風險的能力較強，只有其他銀行對某主體傳染可能性高時，該主體才可能被傳染，此時傳染網絡對應高閾值網絡;經濟衰退時，銀行的資本金水平較低，抵御流動性風險的能力較弱，即便其他銀行對某主體傳染可能性低，該主體也可能會被傳染，此時傳染網絡對應低閾值網絡。

考慮到不同閾值下網絡拓撲結構的不同，本部分在流動性風險聯系強度矩陣的基礎上，分別使用高閾值和低閾值進行二值化處理，建立高閾值網絡和低閾值網絡研究不同經濟狀況下流動性風險的網絡性質。

1.高閾值網絡

本文借鑒宋寧寧等采用最大連通子圖法確定高閾值點[16]。在不同閾值情況下，網絡的最大連通子圖大小變化情況如圖1所示。

當閾值在（0.002，0.003）取值時，最大連通子圖的節(jié)點個數發(fā)生了最大幅度的陡降，陡降之后又趨于平穩(wěn)，因此選擇使最大連通子圖的節(jié)點個數發(fā)生最大陡降的閾值，結果為θh=0.002397。由于該值大于閾值中位數，因此將其視為高閾值，并基于此值構建網絡，以研究經濟繁榮時銀行間流動性風險的傳染關系。高閾值網絡如圖2所示。

2.低閾值網絡

為選擇一個合適的低閾值點，本文考察流動性風險聯系強度矩陣中元素分布情況，并繪制頻數分布直方圖，如圖3所示。

由圖3可知，各銀行間的流動性風險聯系強度呈現出明顯的右偏特征，并不服從正態(tài)分布。為獲得更精確的結果，本文對各銀行間流動性風險聯系強度的分布進行擬合，結果顯示各銀行間的流動性風險聯系強度Y服從尺度參數為0.000371，形狀參數為4的Erlang分布，即Y～Erlang（4，0.000371），其概率密度函數如圖4。

因此，最終確定的低閾值點θl應滿足P{Y≤θl}=0.1587，解得θl=0.0007738。低閾值網絡如圖5所示。

三?實證分析

本部分基于構建的高閾值網絡和低閾值網絡，結合2018年22家商業(yè)銀行的樣本數據，實證研究商業(yè)銀行流動性風險的網絡結構特性和傳染機制。

（一）高、低閾值網絡結構特征分析

高閾值下銀行流動性風險傳染網絡中的節(jié)點的出度近似冪律分布（如圖6），因此可以認為銀行流動性風險傳染網絡具有無標度特性。根據無標度網絡的魯棒性和脆弱性，可知在經濟繁榮時，傳染網絡面臨隨機性的流動性風險具有一定的抵抗能力，但如果網絡中處于關鍵節(jié)點位置的銀行發(fā)生流動性危機，則流動性風險容易傳染至整個銀行網絡，引發(fā)整個銀行業(yè)的流動性危機。

為探究低閾值網絡結構，本文模擬了1000個與低閾值傳染網絡同等規(guī)模的隨機網絡。低閾值網絡的平均路徑長度（1.136）大小接近等規(guī)模的1000個隨機網絡的平均路徑均值（1.175），同時低閾值網絡的聚類系數（0.9078）較高于隨機網絡聚集系數（0.8248）。因此，低閾值的銀行流動性風險傳染網絡符合小世界特性。這表明經濟衰退時，流動性風險傳染較快，且少量改變幾個銀行間的聯系，就可以劇烈地改變網絡的性能，若能對流動性風險加強監(jiān)管，控制銀行之間的聯系，即可顯著改善流動性風險傳染狀況。

（二）節(jié)點特性

1.節(jié)點中心性特征

高閾值網絡和低閾值網絡的節(jié)點中心性特征見表3。在高閾值網絡的節(jié)點排名里，興業(yè)銀行、華夏銀行和平安銀行的出度、入度、中間中心度均排名靠前，這說明在經濟繁榮時，興業(yè)銀行、華夏銀行和平安銀行處于網絡中心位置，其面臨的流動性風險較大。同理，在經濟衰退時，華夏銀行、光大銀行處于網絡中心位置，其面臨的流動性風險較大。由出度、入度的排名結果知，在高閾值網絡中，興業(yè)銀行、華夏銀行和平安銀行的流動性風險的傳染性和被傳染性較強;在低閾值網絡中，光大銀行、華夏銀行和中信銀行的流動性風險的傳染性和被傳染性較強。由中間中心度的排名結果知，在高閾值網絡中，興業(yè)銀行、華夏銀行、平安銀行和光大銀行的排名靠前，是較為突出的流動性風險傳染中介;在低閾值網絡中，華夏銀行、光大銀行和興業(yè)銀行的流動性風險傳染中介能力較顯著。

結合圖7、8互惠關系樹形圖可知，在經濟繁榮時，興業(yè)銀行處于風險傳染中樞位置，風險監(jiān)管應予以重視;在經濟不景氣時，因保留了大量聯系強度矩陣信息，互惠關系較多，風險監(jiān)管應著重控制聯系緊密的中樞群體{興業(yè)、華夏、招商、中信、平安、浦發(fā)、交通、光大}。綜上可知，無論未來經濟繁榮還是衰退，監(jiān)管部門都需要關注作為中樞銀行的股份制銀行，降低流動性風險傳染強度，維護經濟穩(wěn)定發(fā)展。

四?結論及建議

鑒于商業(yè)銀行流動性風險具有破壞性、隱蔽性、內生性的特點，本文基于復雜網絡理論，構建商業(yè)銀行流動性風險傳染的網絡模型，以彌補傳統(tǒng)計量方法無法刻畫風險傳染的網絡特性的缺陷，使研究更貼近現實。本文以2018年我國22家商業(yè)銀行的樣本數據為基礎，分別對高閾值網絡（經濟繁榮）和低閾值網絡（經濟衰退）下的商業(yè)銀行流動性風險的傳染機制和網絡特征進行了實證分析，得到如下結論。

第一，商業(yè)銀行流動性風險傳染機制具有層次傳染和反傳染性。塊模型分析顯示，子群之間傳染聯系顯著，風險傳染一環(huán)扣一環(huán)，具有層次性。以傳染源為大型國有銀行為例，層次傳染性表現在如下傳染路徑：大型國有銀行→股份制銀行→城商銀行→農商銀行，且風險具有反傳染性，即股份制等銀行也能將流動性風險反傳染給大型國有銀行。就此兩類風險傳染性質而言，監(jiān)管部門若不加以政策干預，會導致惡性循環(huán)。

第二，高閾值網絡符合無標度特性，低閾值網絡符合小世界特性。根據網絡結構分析，在經濟繁榮時，流動性風險傳染網絡具有無標度特性，即面對隨機攻擊的穩(wěn)健性及蓄意攻擊的脆弱性時，監(jiān)管部門需要格外重視易受攻擊對象;在經濟不景氣時，流動性風險傳染網絡具有小世界特性，其群體聯系緊密且中介銀行作用大，監(jiān)管部門既要關注易受攻擊對象，也要重視中樞作用群體和中介銀行。

第三，PageRank算法結果說明，高閾值網絡下多數國有銀行易受攻擊，低閾值網絡下股份制銀行易受攻擊。通過節(jié)點易受攻擊性高低排序，經濟繁榮時多數大型國有銀行排名靠前，這說明其被傳染流動風險的可能性越大;經濟不景氣時股份制銀行排名靠前，則說明其易感染風險。

第四，E-I分派指數表明不同性質銀行更偏向于群體之間聯系。高閾值網絡下股份制銀行與其他性質銀行的業(yè)務聯系頻繁，在整體網中活躍性較大，監(jiān)管重點應在股份制銀行與其他性質銀行的業(yè)務聯系上;低閾值網絡下國有銀行與其他性質銀行的業(yè)務聯系頻繁，傳染關系偏向在它與其他性質群體中發(fā)生，監(jiān)管重點應在國有銀行與其他性質銀行的業(yè)務聯系上。

第五，股份制銀行具有傳染性和易感性，并在群體間充當傳染中介角色。節(jié)點中心性及凝聚力子群分析表明，無論經濟狀況如何，股份制銀行既易主動傳染風險，又易感染風險，且其個體及群體均具有中樞作用。因此，經濟繁榮時可重點監(jiān)控興業(yè)銀行，經濟衰退時重點監(jiān)控{興業(yè)、華夏、招商、中信、平安、浦發(fā)、交通、光大}群體，以嚴防流動性風險，即可根據經濟狀況縮小或擴大嚴格監(jiān)管范圍。

綜合上述結論，為加強流動性風險管理，本文提出如下三點建議。

第一，尤其加強監(jiān)管股份制銀行的流動性風險，將《巴塞爾協(xié)議Ⅲ》的監(jiān)管要求同我國國情相結合，要求銀行完善信息披露制度，加強對其行為監(jiān)管和信息化監(jiān)管。對不滿足流動性要求的股份制銀行，監(jiān)督部門應要求其整改，以有效預防銀行個體的流動性危機。第二，根據經濟狀況不同，相關部門應對特定性質銀行采取相應保護措施以應對流動性風險危機。經濟繁榮時可通過豐富管理手段，實施主動資產負債管理等方法重點關注國有銀行以防御風險;經濟不景氣時可通過擴寬資本補足渠道，改變傳統(tǒng)盈利模式等方法著重關注股份制銀行。同時，政府應要求央行采取相應補救措施以分別應對風險沖擊后的國有銀行和股份制銀行。第三，相關部門應注重對銀行外部業(yè)務聯系的監(jiān)管，以防群體間的風險傳染，即在經濟繁榮時管控股份制銀行外部業(yè)務聯系，在經濟不景氣時則管控國有銀行，并實時關注其資金狀況。

[參考文獻]

[1]?Li，Ong，?Martin，Chihak.?Of?Runes?and?Sagas：?Perspectives?on?Liquidity?Stress?Testing?Using?an?Iceland?Example[R].IMF?Working?Paper，?2010.

[2]?Jan?Willem?van?den?End，J.?Liquidity?Stress?Tester：?Do?Base?Ⅲ?and?Unconventional?Monetary?Policy?Work[R].Dutch?National?Working?paper，?2010.

[3]?潘文娟.中國國有商業(yè)銀行流動性實證研究[J].北方經貿，2005（12）：64-66.

[4]?彭建剛，易昊，童磊.基于系統(tǒng)性風險防范的金融壓力測試新理念[J].湖南大學學報（社會科學版），2012（5）：37-43.

[5]?巴曙松，朱元倩.壓力測試在銀行風險管理中的應用[J].經濟學家，?2010（2）：70-79.

[6]?徐紅芬，劉小輝，鄭宵鵬.我國中小商業(yè)銀行風險狀況評估研究?——以上市城商行為例[J].金融理論與實踐，2019（8）：62-70.

[7]?黃渝博，王超云.農村商業(yè)銀行流動性風險實證分析：8家銀行例證[J].中國市場，2018（32）：40-42.

[8]?鐘永紅，曹丹蕊.中國上市銀行流動性風險綜合評價[J].金融論壇，2013（1）：15-19.

[9]?Allen?F，??Gale?D.?Financial?Contagion[J].Journal?of?Political?Economy，2000（1）：1-33.

[10]Muller?J.?Two?Approaches?to?Access?Contagion?in?the?Interbank?Market[R].Swiss?National?Bank?Working?Paper，2003.

[11]Glasserman，Paul，?Peyton?Young?H.?How?Likely?is?Contagion?in?Financial?Networks？?[J].Journal?of?Banking?and?Finance，2015（1）：383-399.

[12]李守偉，何建敏.不同網絡結構下銀行間傳染風險研究[J].管理工程學報，2012（4）：71-76+99.

[13]林硯，陳志新.基于復雜網絡理論的金融網絡風險傳染性評估模型[J].南方金融，2018（5）：18-28.

[14]吳念魯，徐麗麗，苗海賓.我國銀行同業(yè)之間流動性風險傳染研究——基于復雜網絡理論分析視角[J].國際金融研究，2017（7）：36-45.

[15]姚登寶.基于銀行間網絡的流動性風險傳染機制研究[J].安徽大學學報（哲學社會科學版），2017（4）：130-137.

[16]宋寧寧，韓華，吳翎燕.一種基于閾值構建金融網絡的新方法[J].計算機工程與應用，2015（6）：249-253.

[收稿日期]?2019-12-24

[基金項目]?國家社科基金一般項目：復雜網絡視角下系統(tǒng)性金融風險的統(tǒng)計監(jiān)測研究（19BTJ024）

[作者簡介]?任英華（1975—），女，浙江東陽人，湖南大學金融與統(tǒng)計學院教授，博士生導師，經濟學博士，研究方向：經濟統(tǒng)計;金融統(tǒng)計與風險管理。