金融網絡理論與應用綜述

孫艷霞

（東北財經大學社會與行為跨學科研究中心，遼寧 大連 116025）

金融網絡理論與應用綜述

孫艷霞

（東北財經大學社會與行為跨學科研究中心，遼寧 大連 116025）

本文詳細綜述了金融網絡理論在系統風險方面的應用。重點指出現實中的金融網絡具有小世界網絡和無標度網絡的特征。對現實金融網絡節點中心性的靜態分析有助于尋找系統重要性銀行，而網絡結構變動的動態分析則包含預測金融危機和銀行間市場利率的信息。

金融網絡；理論與應用；系統風險

一、引言

隨著金融創新的加快和銀行間市場的不斷發展，類似于CDS的金融衍生產品以及各種銀行理財產品被不斷設計出來，促使金融機構之間的資產負債關聯日益緊密，整個金融系統呈現出越來越復雜的網絡特征。金融機構是網絡的節點，金融機構之間的資產負債關系則構成網絡的邊。銀行間市場可被看成是一種金融網絡，這一網絡雖有利于流動性的分配，但也使得單個銀行的風險通過網絡連接傳染至其他銀行，發生多米諾骨牌效應，引致整個金融系統的崩潰。阿西莫格魯等（Acemoglu等，2013）將金融網絡內的這種級聯反應稱之為金融網絡的外部性。

網絡外部性可以解釋與社會經濟直接相關的內生變量無法解釋的整體波動問題，比如股票市場的崩盤、群體事件等。因為社會經濟活動是嵌入在社會網絡之中的，經濟主體的支付函數受到該主體所在的社會群體中其他成員的選擇行為的影響（加布里埃利，2011）。由此，如果將金融體系看成金融網絡，那么在看待金融風險問題時，除需關注“大而不能倒（Too-Big-to-Fail）”風險之外，還需注意“太關聯而不能倒（Too-Connect-to-Fail）”風險（劉，2010）。在金融網絡中，單個銀行除受直接交易對手的風險行為影響之外，還會受到交易對手其他網絡連接的間接影響。2008年的金融危機即是由次級貸款違約引發的風險傳染事件，在這一過程中金融機構之間的關聯性對系統風險的積累和擴散起到了重要的助推作用（賈彥東，2010）。危機過后“宏觀審慎管理”成為主要國家的重要監管方向（周小川，2011）。“宏觀審慎管理”思想的提出是以網絡視角看待金融風險問題的體現。

金融網絡理論通過網絡節點和網絡的邊，可以直觀地刻畫出金融系統，有助于研究系統風險傳染問題。目前利用金融網絡建模研究金融系統性風險主要有三個方向：一是現實金融系統的復雜網絡特征；二是何種網絡結構最有利于金融系統穩定；三是基于實際數據構建網絡對金融系統風險進行評估，并試圖將多種傳染渠道引入金融網絡分析中。本文將從這三方面對相關研究進行綜述。

二、真實金融網絡結構及在其系統風險方面的應用

（一）現實金融系統的復雜網絡特征

如其他領域的復雜網絡一樣，現實中的金融網絡也具有小世界網絡和無標度網絡特征。

加布里埃利（2011）對歐洲銀行隔夜拆借市場網絡的研究發現，該網絡非常稀疏，具有小世界網絡特征且節點度的分布服從冪律分布，即大多數銀行只與較少的銀行交易，只有少數銀行擁有較大的網絡連接并且一般是大型銀行。美國聯邦基金市場網絡與歐洲銀行隔夜拆借市場網絡結構類似，也具有小世界網絡特征，但是網絡節點度的分布并非是冪律分布，而是一種厚尾分布（貝克和阿塔萊，2010）。

除隔夜拆借市場外，澳大利亞月度銀行間風險敞口網絡的節點度分布服從指數為-1.87的冪律分布，整個網絡的平均路徑和聚集系數均比較小（博斯，2004）。美國支付結算系統網絡也具有無標度網絡特征。該網絡較為稀疏，只有一些貨幣中心銀行之間的連接較為緊密，其他銀行與這些中心銀行相連接，彼此之間的關聯較少（索拉邁基等，2007）。此外，意大利銀行同業存款市場網絡（拉扎蒂和曼納，2009）、歐洲CDS市場網絡（佩爾托寧等，2014）、德國銀行間市場網絡（克雷格和馮·彼得，2014）、巴西銀行與非銀行金融機構網絡（孔特等，2013）等均具有高度中心化且相對稀疏的網絡特征，網絡節點的度數具有異質性，大銀行擁有較大的度數，處于網絡的中心位置，節點的度較小的銀行傾向于與節點的度較大的銀行相連。

（二）金融網絡結構特征的刻畫在系統風險方面的應用

對真實金融網絡結構的刻畫有助于尋找系統重要性銀行。例如，在復雜網絡理論中，可以通過節點度中心性（Degree centrality）、介數中心性（Between centrality）、緊密中心性（Closeness centrality）和特征向量中心性（Eigenvector centrality）等網絡拓撲結構來刻畫一個節點在網絡中的重要性（赫南等，2008）。以度數的中心性為例，在一個由N個節點構成的復雜網絡中，一個節點的度為該節點與其他節點直接連接的邊的數量，記為ki。度的中心性則是該節點的度占該節點所有可能連接邊的總數的比例，即Ki/（N-1）（加布里埃利，2011）。可見，一個節點的度越大，該節點能夠影響到的節點數量越多，因而該節點在整個網絡中也就越重要。

可以通過計算金融網絡中的各銀行的網絡中心性來確定系統重要性銀行。通過該方法確定的系統重要性銀行并非是資產規模最大的銀行，而是在網絡中處于關鍵位置的銀行。加布里埃利（2011）對比了歐洲銀行隔夜拆借市場中銀行的網絡中心性在金融危機前后的變化，發現2007年8月以后，中小銀行的中心性提高，而大銀行有所下降。這說明金融危機以后中小銀行的系統重要性上升。

網絡中心性不僅可以決定系統重要性銀行，還對銀行間市場利率具有預測作用。貝克和阿塔萊（2010）構建出了一個網絡中心性指數，發現當借款銀行的網絡中心性指數高于出借銀行的網絡中心性指數時，借款銀行可以獲得一個較低的借款利率。相反，如果出借銀行具有更高的網絡中心性指數，則借款銀行將獲得一個較高的借款利率。塔巴克等（Tabak等，2014）利用2004年1月到2007年11月的巴西銀行間市場相關數據發現銀行間市場網絡的聚集系數和銀行間市場利率的變動負相關。

此外，對網絡結構變動的動態分析還包含可以預測金融危機的信息。加布里埃利（2011）發現2007年8月金融危機發生以后歐洲貨幣市場網絡呈現出明顯的節點之間平均距離的縮短。塔巴克等（2014）指出無向網絡的聚集系數和有向網絡的入度的聚集系數越高，系統風險越大。米諾尤和雷耶斯（Minoiu和Reyes，2013）將1978年至2010年發生的幾次銀行危機作為時間點，利用184個國家的跨國銀行數據構建網絡，發現每次危機發生之前的銀行網絡連通性（Connectivity）都要高于危機發生之后的網絡連通性。

綜上，可以根據一年或多年的金融機構之間真實的資產負債關聯數據，如銀行間借貸數據、同業存款數據等構建金融網絡，從靜態和動態兩個角度進行分析。首先可以從靜態的角度，單獨分析某個金融網絡內的節點中心性以尋找系統重要性銀行。其次從動態的角度，基于多年數據分別構建金融網絡，考察網絡結構的變動情況，從而為監管當局控制系統性風險提供參考。

三、網絡結構與風險傳染的關系

當把整個銀行體系看成金融網絡時，從組織脆弱性的角度可以看出不同網絡結構對銀行之間的風險傳染的重要影響。最初關于網絡結構與風險傳染問題的討論局限于一些簡單的規則網絡，如完全連接網絡、環形網絡，例如艾倫和蓋爾（Allen和Gale，2000）。隨著關于真實金融網絡結構實證研究的增加，一些文獻開始利用仿真技術研究隨機網絡、小世界網絡和無標度網絡與金融系統穩定性的關系，例如李守偉和何建敏（2012）、倫茨（Lenzu，2012）等。艾倫和蓋爾（2000）最早研究了由4家銀行構成的完全連接網絡和環形網絡的風險傳染狀況，發現完全連接網絡內的風險傳染程度要小于環形網絡。這是因為在一個連接相對緊密的金融網絡內，破產銀行的損失可以被多家債權銀行分擔，從而降低負向沖擊對每家銀行的影響程度。

李守偉和何建敏（2012）的研究則認為小世界網絡內的風險傳染程度高于隨機網絡和無標度網絡。完全連接網絡內每個節點銀行都與其他銀行相連接，因而是連接最為緊密的網絡。環形網絡則是一個節點銀行只與和自己相鄰的兩家銀行連接，因而該網絡十分稀疏。隨機網絡、小世界網絡和無標度網絡內并非每家銀行都相互連接，但節點的連通性要高于環形網絡，因而這三種網絡的緊密程度介于完全連接網絡和環形網絡之中。那么究竟何種網絡結構最有利于風險傳染？是否緊密的網絡要比非緊密網絡更有利于風險傳染？大量研究網絡結構與風險傳染的文獻對此并未得出一致結論。

第一種觀點認為網絡邊分布相對均勻的網絡風險傳染程度較小。該觀點認為在一個相對緊密的網絡內，由于一家銀行與較多的銀行相連接，當該銀行破產時，其損失平攤到每個債權銀行就相對較小，從而降低了破產銀行對整個網絡的沖擊。艾倫和蓋爾（2000）是該觀點的提出者，隨后弗雷克斯等（Freixas等，2000）發現相對完全連接網絡，包含貨幣中心的層級網絡更容易發生風險傳染。米勒（Müller，2006）也證實均勻緊密網絡比中心化稀疏網絡更穩定。持有相同觀點的還有克勞斯和詹桑特（Krause和Giansante，2012）。

第二種觀點則認為緊密連接的網絡比較容易發生風險傳染。德格里斯和阮（Degryse和Nguyen，2007）通過研究比利時銀行系統網絡1993年至2002年間網絡結構的變動發現，網絡結構從早期的近似完全連接結構到以多家銀行為貨幣中心結構的轉變降低了傳染風險發生的可能性和影響程度。利爾蒙特（Viver-Lirimont，2006）基于戴蒙德和迪布維格（Diamond和Dybvig）的模型，從理論上證明網絡連通性越高，被傳染的銀行數量就越多，并且傳染發生的速度越快。因而“不要把雞蛋放進同一個籃子里”思想的分散化投資行為表面上看可以降低單個銀行的風險，但是實際上這種分散化投資行為會增加銀行之間的關聯度，從而增加了傳染風險。因而，從金融網絡視角來看，分散化投資并非一定會降低銀行的風險。布魯斯科和卡斯蒂廖內西（Brusco和Castiglionesi，2007）的研究支持了利爾蒙特（2006）的觀點，他們也認為銀行之間互相持有資金會增加傳染風險。

針對上述兩種不同觀點，還有一種觀點認為網絡結構與傳染效應之間并非單調線性關系。例如，巴迪斯頓等（Battiston等，2012）認為第一種觀點所謂的網絡連接越緊密越不容易發生風險傳染并不總成立。最優的銀行間市場網絡結構會隨著沖擊大小的變化而變化，具有中等水平連通性的網絡最容易發生大規模的風險傳染（拉德利，2013）。當負向沖擊小于特定閾值時，均勻緊密的銀行借貸網絡更穩定。然而，當負向沖擊大于特定閾值時，弱連接網絡卻比連接緊密的網絡穩定（阿西莫格魯等，2013）。鮑勤和孫艷霞（2014）基于中國銀行業的資產負債表數據的仿真模擬也表明被傳染銀行數量與網絡平均度①之間并非存在單調正相關的關系。

上述三種觀點看似莫衷一是，甚至相互矛盾，實則并不沖突。造成網絡結構與風險傳染關系不統一的原因在于已有文獻對網絡結構的設定不統一。例如，第一種觀點的研究通常是預先假設一種網絡結構，然后人為分配各銀行的銀行間資產和負債，并且是平均分配給N家對手銀行。如此設定的銀行網絡固然會起到平攤風險的作用，若是銀行間資產和負債并非平均分配，則會得到不同的結論，如鮑勤和孫艷霞（2014）的研究。這說明網絡結構對風險傳染程度的影響，不僅要看網絡連通性，還與網絡邊的粗細有關，即每條邊所代表的銀行間資產和負債在整個銀行網絡中的權重。此外，網絡節點的大小也會對風險傳染結果有影響，例如大銀行破產與小銀行破產引發的風險傳染程度就會不同（克勞斯和詹桑特，2012）。因而對金融網絡結構與風險傳染關系的探討，不能簡單地預先假定一種網絡結構，然后人為分配資金，而應結合經濟現實，給予銀行之間合理的相互交易的行為規則，通過銀行間交易行為來分配資金，從而內生出網絡結構。阿曼斯和格奧爾（Aymanns和Georg，2015）就試圖從金融機構的行為入手內生金融網絡。王等（Wang等，2012）則是基于內生金融網絡思想將網絡資本引入機構投資者行為分析中。

四、基于金融網絡理論的系統風險實證研究

金融網絡研究的一個重要方向即是利用真實數據對系統風險進行評估。若是可以獲得銀行之間一對一的資產負債數據，即可據此直接構建網絡，考察一家或多家銀行破產引發的風險傳染問題，如米勒（2006）、德格里斯和阮（2007）、黃聰和賈彥東（2010）、索科洛夫（Sokolov，2012）等。然而，現實中銀行之間一對一的資產負債數據較難獲得，不過可以利用最大熵方法（厄珀，2011）估算銀行間資產負債頭寸。

（一）最大熵方法的應用與缺陷

最大熵方法是將金融網絡表示成一個矩陣，然后估算矩陣中的非零元素。例如，一個由N家銀行構成的金融網絡，銀行i流向銀行j的資金可以用xij表示，銀行j流向銀行i的資金則用xji表示，則這N家銀行構成的金融網絡就可以表示成一個N*N矩陣：

在已知單個銀行的銀行間總資產和銀行間總負債信息的前提下，可以利用最大熵方法求出矩陣X*中的非零元素，即為求解下式：

厄珀和沃爾姆（Upper和Worm，2004）根據德國各銀行資產負債表中的銀行間總資產和銀行間總負債的數據，利用最大熵方法估算銀行之間一對一的資產負債頭寸，然后構建銀行網絡研究風險傳染問題。他們發現，德國銀行體系發生風險傳染的概率盡管很小，但是一旦發生，僅通過銀行間資產負債敞口就可以引發大規模的風險傳染。該方法由于解決了數據可得性問題而得到廣泛應用，例如米斯特魯利（Mistrulli，2011）對意大利銀行體系的研究、德格里斯和阮（2007）對比利時銀行體系的研究、馬君潞等（2007）對中國銀行體系的研究等。

通過對最大熵方法的描述可以看出，最大熵方法實際上是假設金融網絡為完全連接網絡，即每家銀行都與其他銀行交易，這顯然與真實銀行網絡結構不符。米斯特魯利（2011）通過對比真實數據構建的網絡和基于最大熵方法估算數據構建的網絡，發現最大熵方法建立的網絡會高估風險傳染的程度。因而，基于最大熵方法構建的金融網絡模型無法對系統風險進行準確評估，只能是一種參考。在具體應用時可以對該方法進行改進，例如，預先假設一種更貼近現實的網絡結構，然后在最大熵方法的求解過程中添加約束條件（鮑勤和孫艷霞，2014）。

（二）傳染過程的設定

利用金融網絡建模評估系統風險的文獻在傳染過程的設定上，主要考慮銀行間風險敞口引發的風險傳染。這些文獻通常假定一家銀行或多家銀行同時破產，這將導致這些銀行的債權銀行的銀行間資產發生損失，若這一損失超過債權銀行的資本金，則債權銀行破產，從而發生多米諾骨牌效應（厄珀，2011）。在現實中，風險傳染過程十分復雜，不僅銀行之間債務的違約會令銀行破產，危機時期債權銀行提前收回對債務銀行貸款的行為也會導致債務銀行陷入流動性危機，部分銀行甚至不得不折價拋售資產。此外，銀行系統面臨的共同沖擊也會通過消耗單個銀行的資本金而降低整個銀行系統的穩定性，比如宏觀經濟的波動、房價下跌導致房地產貸款違約的增加等。因而有少量研究試圖將流動性沖擊、共同沖擊與銀行間風險敞口相結合，利用金融網絡模型全面評估系統風險。

1.銀行間風險敞口。銀行間風險敞口是指銀行在同業業務中產生的面臨一定風險的同業資產。伴隨著同業業務的不斷發展，銀行間風險敞口不斷增加，銀行之間的資產負債關聯也愈發緊密，銀行間風險敞口逐漸成為系統性風險的重要傳染渠道。克勞斯等（2012）構建一個包含銀行借貸網絡的數理模型，從理論上論證了銀行間風險敞口對系統性風險傳染的重要影響。梅默爾等（Memmel等，2013）對德國銀行體系、馬丁內斯-哈拉米約等（Martínez-Jaramillo等，2014）對墨西哥銀行系統等基于金融網絡模型的實證研究也說明一家銀行的破產僅通過銀行間風險敞口這一單一傳染渠道即可引致數家銀行破產。

銀行間風險敞口傳染的過程可以由圖1表示。在被傳染之前銀行i的資產負債表如圖1所示，當銀行i的債務銀行k破產時，銀行i的銀行間資產xik發生損失，假設損失為LGDkxik（LGDk為銀行k的違約損失率）。此時銀行i需要用資本金來彌補該損失，若是銀行i的資本金不足以抵補這一損失，即LGDkxik＞Ei，則銀行i破產（劉，2010）。于是，債務銀行k的破產風險就通過其與銀行i的銀行間風險敞口xik傳染至債權銀行i。銀行i的破產又會按照同樣的方式傳染至其他銀行。

圖1：銀行間風險敞口引發風險傳染原理

2.流動性沖擊。埃斯皮諾薩-維佳和索倫（Espinosa-Vega和Solé，2011）在銀行間風險敞口引發傳染的基礎上引入流動性沖擊，其過程如圖2所示。當危機發生時，假設銀行i的債權銀行h決定提前收回銀行間資產xhi，若銀行i沒有足夠的流動性儲備，則銀行i將不得不低價拋售其他資產。假設銀行i的銀行間負債中的αxhi部分需要通過拋售資產來償還，由于拋售資產的價格下跌，銀行i需要拋售多于αxhi單位的資產，即共需要拋售(1+ρ)αxhi單位資產，其中 ραxhi部分即是因資產價格變動而發生的資產損失，銀行i需要資本金彌補這一損失，如圖2右所示。結合圖1中銀行間資產違約的過程，如果，則銀行i破產。

圖2：流動性沖擊下的銀行資產負債表變動

3.共同沖擊。盡管銀行間風險敞口是系統風險傳染的重要渠道，但是諸如匯率、利率等宏觀經濟變量波動構成的共同沖擊對銀行系統造成的損失要遠大于金融網絡內的傳染損失（埃爾辛格等，2006）。格奧爾（2013）基于金融網絡模型發現銀行系統風險傳染程度會隨著共同沖擊大小的增加而增加。國內學者郭晨和宋清華（2012）將國內生產總值、股票價格指數、房地產價格指數和一年期存貸款利差4個宏觀經濟變量作為銀行系統的共同沖擊，考察這些變量的波動對我國銀行系統穩定性的影響。

這些文獻說明共同沖擊雖然不是風險傳染的渠道，但卻可以增加風險傳染發生的可能性，并會通過消耗每家銀行的資本金而降低整個銀行系統的穩定性（班特和哈特曼，2000）。例如房價下跌造成房地產貸款違約的這一共同沖擊會使得所有涉及房地產貸款的銀行資產發生損失，從而損耗這些銀行的資本金。

（三）違約損失率的影響

金融網絡建模研究風險傳染的一個重要假定即是破產銀行對債權銀行的銀行間負債發生違約，致使債權銀行的銀行間資產發生損失。這一損失的大小與破產銀行的違約損失率有關，違約損失率越大，債權銀行的銀行間資產損失就越大，風險傳染程度就越嚴重。例如，馬君潞等（2007）研究發現隨著違約損失率的增加，被傳染銀行數量在不斷上升。金融網絡方向的文獻大部分都外生假定違約損失率，每家銀行被假定為具有相同的違約損失率，然后分別評估不同違約損失率下的風險傳染情況。這種研究方法顯然與現實相差甚遠，因而少量文獻試圖嘗試不同的方法來設定違約損失率。

梅默爾等（Memmel等，2012）假設金融網絡內每家銀行的違約損失率服從隨機分布，然后基于此研究金融網絡內的風險傳染問題。該方法雖然考慮了差異化的違約損失率，但違約損失率仍是外生而非內生于經濟。德格里斯等（Degryse等，2007）根據每家銀行的資產負債情況構建了一個內生的違約損失率公式：

其中，θj為銀行j的違約損失率，xij為銀行i的銀行間資產，LGDs為銀行i除銀行間資產之外的剩余資產的違約損失率。通過這一公式可以看出，該方法計算出來的違約損失率雖然結合了每個銀行的資產負債情況，但也有諸多不妥之處，例如剩余資產的違約損失率仍需估算，初始破產銀行的違約損失率仍然是外生的。

綜上，基于金融網絡模型對系統風險進行評估的實證研究面臨諸多問題。首先是數據的可得性較差，基于最大熵方法估算的銀行網絡只是一種參考。其次，傳染過程的設定仍然與現實相差較大。雖然部分文獻考慮了流動性沖擊和共同沖擊，但是流動性沖擊下的資產折價率、共同沖擊對銀行資本金的消耗程度以及違約損失率的設定等細節問題仍有待改進，不能簡單地將這些參數假定為外生。

五、金融網絡理論的總結與展望

2008年以雷曼兄弟破產為標志的金融危機說明現代金融系統不再是一個孤立的金融機構，而是相互連接的金融網絡。單個金融機構的行為會對網絡內其他金融機構產生重要影響，網絡連接會助推系統風險的擴散。因而將金融機構視為網絡的節點，將金融機構之間的資產負債關聯視為網絡的邊來刻畫金融系統，為我們研究金融問題尤其是系統風險問題提供了全新的視角。

首先，通過對真實金融網絡結構的靜態分析有助于尋找系統重要性銀行，這一重要性銀行并非一定是大銀行。對網絡結構變動的動態分析則蘊含著與預測金融危機有關的信息，從而為監管提供新的思路。其次，通過對網絡結構與風險傳染之間關系的探討，有助于監管當局正確引導金融機構之間的交易行為。最后，利用金融網絡來評估系統風險，可以作為CoVaR方法（肖璞等，2013）、壓力測試法（曹麟和彭建剛，2014）等傳統方法的補充。

盡管金融網絡理論在探討系統性風險方面有諸多好處，也有利于監管當局從宏觀審慎管理的角度來看待系統性風險，但是該類研究也面臨諸多困難。由于數據可得性較差，對真實網絡結構的刻畫并不全面，對系統風險的評估也只能是一種參考。未來利用金融網絡評估系統風險時需要深入挖掘傳染過程設定的諸多細節問題，如違約損失率的設定、流動性沖擊和共同沖擊中的參數設定等。此外，還可以將金融機構行為納入金融網絡分析中，一方面探討金融機構行為對金融網絡結構變動的影響；另一方面也可以探討嵌入在金融網絡中的金融機構的行為特征。

注：

①網絡平均度指網絡各節點度數的平均值。相對平均度低的網絡，平均度大的網絡更緊密。

[1]Acemoglu D，Ozdaglar A，Tahbaz-Salehi A.2013. Systemic Risk and Stability in Financial Networks[R].National Bureau of Economic Research.

[2]Gabrieli S.2011.The microstructure of the money market before and after the financial crisis：a network perspective[A].CEIS Tor Vergata Research Paper Series，9（1）.

[3]Chan-Lau J A.2010.Balance Sheet Network Analysis of Too-Connected-To-Fail Risk in Global and Domestic Banking Systems[J].IMF Working Papers.

[4]Bech M L，Atalay E.2010.The topology of the federal funds market[J].Physica A：Statistical Mechanics and its Applications，389（22）.

[5]Boss M，Elsinger H，Summer M，et al.2004.Network topology of the interbank market[J].Quantitative Finance，4（6）.

[6]Soram?ki K，Bech M L，Arnold J，et al.2007.The topology of interbank payment flows[J].Physica A：Statistical Mechanics and its Applications，379（1）.

[7]Iazzetta，Carmela，and Michele Manna.2009.The topology of the interbank market：developments in Italy since 1990.Bank of Italy Temi di Discussione（Working Paper）No 711.

[8]Peltonen T A，Scheicher M，Vuillemey G.2014.The network structure of the CDS market and its determinants[J]. Journal of Financial Stability，13.

[9]Craig B，Von Peter G.2014.Interbank tiering and money center banks[J].Journal of Financial Intermediation，23（3）.

[10]Cont R，Moussa A，Santos E B.2013.Network structure and systemic risk in banking systems[J].Handbook of Systemic Risk

[11]Minoiu C，Reyes J A.2013.A network analysis of global banking：1978-2010[J].Journal of Financial Stability，9（2）.

[12]Allen F，Gale D.2000.Financial contagion[J]. Journal of political economy，108（1）.

[13]Lenzu S，Tedeschi G.2012.Systemic risk on different interbank network topologies[J].Physica A：Statistical Mechanics and its Applications，391（18）.

[14]Freixas X，Parigi B M，Rochet J C.2000.Systemic risk，interbank relations，and liquidity provision by the central bank[J].Journal of money，credit and banking.

[15]Müller J.2006.Interbank Credit Lines as a Channel of Contagion[J].Journal of Financial Services Research，29.

[16]DegryseH，NguyenG.2007.Interbankexposures：An empirical examination of contagion risk in the Belgian bankingsystem[J].InternationalJournalofCentralBanking，3（2）.

[17]Vivier-Lirimont，Sébastian.Contagion in interbank debt networks[R].Working Paper.February 2006，ReimsManagement School and CES，Paris I Pantheon Sorbonne University.

[18]Brusco S，Castiglionesi F.2007.Liquidity Coinsurance，Moral Hazard，and Financial Contagion[J].The Journal of Finance，（5）.

[19]Battiston S，Gatti D D，Gallegati M，etal.2012.Default cascades：When does risk diversification increase stability?[J].Journal of Financial Stability，（8）.

[20]Ladley D.2013.Contagion and risk-sharing on the inter-bank market[J].Journal of Economic Dynamics and Control，37（7）.

[21]Aymanns C，Georg C P.2015.Contagious synchronization and endogenous network formation in financial networks[J].Journal of Banking&Finance，50.

[22]Wang L，Wang S.2012.Endogenous networks in investment syndication[J].Journal of Corporate Finance，18（3）.

[23]Sokolov A，Webster R，Melatos A，et al.2012.Loan and nonloan flows in the Australian interbank network[J]. PhysicaA：StatisticalMechanicsanditsApplications，391（9）.

[24]Upper C.2011.Simulation methods to assess the danger of contagion in interbank markets[J].Journal of Financial Stability，7（3）.

[25]Upper C，Worms A.2004.Estimating bilateral exposures in the German interbank market：Is there a danger of contagion?[J].European Economic Review，48（4）.

[26]Krause A，Giansante S.2012.Interbank Lending and the Spread of Bank Failures：A Network Model of Systemic Risk[J].Journal of Economic Behavior&Organization，83（3）.

[27]Memmel C，Sachs A.2013.Contagion in the Interbank Market and its Determinants[J].Journal of Financial Stability，9（1）.

[28]Espinosa-Vega M A，Solé J.2011.Cross-border financial surveillance：a network perspective[J].Journal of Financial Economic Policy，3（3）.

[29]Elsinger H，Lehar A，Summer M.2006.Risk assessment for banking systems[J].Management science，52（9）.

[30]Georg C P.2013.The Effect of the Interbank Network Structure on Contagion and Common Shocks[J].Journal of Banking&Finance，37（7）.

[31]Bandt O，Hartman P.2000.Systemic risk A survey [R].European Central Bank.Working Paper，No.35.

[32]Memmel C，Sachs A，Stein I.2012.Contagion in the Interbank Market with Stochastic Loss Given Default [J].International Journal of Central Banking，8（3）.

[33]賈彥東.金融機構的系統重要性分析——金融網絡中的系統風險衡量與成本分擔[J].金融研究，2011（10）.

[34]周小川.金融政策對金融危機的響應——宏觀審慎政策框架的形成背景，內在邏輯和主要內容[J].金融研究，2011，（1）.

[35]赫南，李德毅，淦文燕等.復雜網絡中重要性節點發掘綜述[J].計算機科學，2008，34（12）.

[36]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，2012，26（4）.

[37]鮑勤，孫艷霞.網絡視角下的金融結構與金融風險傳染[J].系統工程理論與實踐，2014，34（9）.

[38]黃聰，賈彥東.金融網絡視角下的宏觀審慎管理——基于銀行間支付結算數據的實證分析[J].金融研究，2010（4）.

[39]馬君潞，范小云，曹元濤.中國銀行間市場雙邊傳染的風險估測及其系統性特征分析[J].經濟研究，2007，（1）.

[40]郭晨，宋清華.宏觀經濟變量沖擊與我國銀行間市場風險傳染[J].湖北經濟學院學報，2010，8（3）.

[41]肖璞，劉軼，楊蘇梅.相互關聯性，風險溢出與系統重要性銀行識別[J].金融研究，2013，（12）.

[42]曹麟，彭建剛.基于宏觀壓力測試方法的逆周期資本監管框架研究[J].國際金融研究，2014，（7）.

The Literature Review of Financial Network Theory and Application

Sun Yanxia

（Dongbei University of Finance and Economics，Dalian Liaoning 116025）

This paper reviews the application of financial network theory in systemic risk minutely.Financial network in reality has the characteristics of small world and scale-free network.A static analysis of financial network’s structure in the reality is helpful to find systemically important banks.Dynamic analysis of network structure includes the information that can predict financial crisis and interbank market interest rate.

financial network，theory and application，systemic risk

F832

A

1674-2265（2015）04-0028-07

（責任編輯 王 馨；校對 YJ，WX）

2015-3-15

孫艷霞，女，遼寧丹東人，東北財經大學社會與行為跨學科研究中心博士研究生，研究方向為金融工程、金融網絡與仿真。