銀行間網(wǎng)絡(luò)模型與系統(tǒng)風(fēng)險的分布式預(yù)警策略

王宗堯隋 聰

(1.東北財經(jīng)大學(xué)薩里國際學(xué)院,遼寧大連116025; 2.東北財經(jīng)大學(xué)金融學(xué)院,遼寧大連116025); 3.東北財經(jīng)大學(xué)實驗經(jīng)濟學(xué)實驗室,遼寧大連116025)

銀行間網(wǎng)絡(luò)模型與系統(tǒng)風(fēng)險的分布式預(yù)警策略

王宗堯1,隋 聰2,3

(1.東北財經(jīng)大學(xué)薩里國際學(xué)院,遼寧大連116025; 2.東北財經(jīng)大學(xué)金融學(xué)院,遼寧大連116025); 3.東北財經(jīng)大學(xué)實驗經(jīng)濟學(xué)實驗室,遼寧大連116025)

通過對真實銀行間借貸行為的數(shù)學(xué)抽象,建立了一個動態(tài)的銀行間借貸網(wǎng)絡(luò)模型.利用該模型,在計算機平臺上,可以模擬仿真銀行間市場.仿真的銀行間市場能夠展現(xiàn)出銀行間資金流動等諸多規(guī)律,并能夠用于研究銀行間的流動性保護以及潛在的風(fēng)險傳染等規(guī)律性問題.同時,提出了分布式的銀行間風(fēng)險傳染預(yù)警策略.利用分布式方法,將每家銀行的風(fēng)險特征映射成銀行系統(tǒng)整體風(fēng)險預(yù)警值,能夠有效的解決中央預(yù)警方式的時滯性問題.仿真實驗結(jié)果表明,銀行的違約和風(fēng)險傳染并不是突發(fā)的,而是銀行系統(tǒng)的風(fēng)險累積的結(jié)果;分布式預(yù)警策略反映了銀行系統(tǒng)內(nèi)風(fēng)險的累積過程,能夠很好地預(yù)警銀行系統(tǒng)性風(fēng)險.

銀行間市場;銀行系統(tǒng)性風(fēng)險;動態(tài)網(wǎng)絡(luò)模型;風(fēng)險傳染

1 引 言

銀行間市場為商業(yè)銀行以及其他金融機構(gòu)提供了一個管理流動性的手段.如果沒有銀行間市場存在,商業(yè)銀行不得不持有大量超額準備金以應(yīng)對無法預(yù)測的流動性需求.由于存在銀行間市場,商業(yè)銀行不需要持有大量的超額準備金.當(dāng)超額準備金無法滿足自身的流動性需求時,商業(yè)銀行可以通過銀行間市場借入資金,滿足流動性;當(dāng)超額準備金過剩時,商業(yè)銀行可以通過銀行間市場借出資金,獲得收益.因此,銀行間相互持有的債務(wù)形成了復(fù)雜的銀行間網(wǎng)絡(luò).雖然,銀行間市場為商業(yè)銀行提供了彼此之間的相互保護.但是,銀行間市場也為銀行間的風(fēng)險傳染提供了渠道[1].銀行間的風(fēng)險傳染是由銀行間債務(wù)不能償還所引起的.當(dāng)一家銀行沒有辦法償還其銀行間債務(wù)時,傳染就產(chǎn)生了.給這家銀行發(fā)放銀行間貸款的銀行,由于貸款無法收回可能導(dǎo)致其自身倒閉(被傳染).同時,被傳染的銀行也無法償還自身的銀行間借款,從而產(chǎn)生多米諾連鎖效應(yīng),引發(fā)系統(tǒng)性風(fēng)險.2008年的美國次貸危機和2010年的歐債危機都已證明銀行間網(wǎng)絡(luò)的高度復(fù)雜性和不穩(wěn)定性.這也引起了學(xué)者們對銀行間網(wǎng)絡(luò)的關(guān)注.

最早的銀行間網(wǎng)絡(luò)與風(fēng)險傳染的研究可以追溯到Allen等[2].他們研究認為銀行間的風(fēng)險傳染力度和傳染路徑與銀行間的拓撲結(jié)構(gòu)有關(guān).Freixas等[3]通過模擬對比了全連接的銀行間網(wǎng)絡(luò)和環(huán)形的銀行間網(wǎng)絡(luò)中風(fēng)險傳染.除了對規(guī)則網(wǎng)絡(luò)進行研究,學(xué)者們還關(guān)注了隨機網(wǎng)絡(luò)中的風(fēng)險傳染.Nier等[4]將銀行間網(wǎng)絡(luò)模擬成隨機網(wǎng)絡(luò),并分析了風(fēng)險傳染的影響要素以及傳染進程.與此同時,學(xué)者們對真實銀行間網(wǎng)絡(luò)特征也進行了大量分析,并發(fā)現(xiàn)銀行間網(wǎng)絡(luò)都屬于無標度網(wǎng)絡(luò)(無標度網(wǎng)絡(luò)的重要特征是節(jié)點度服從冪率分布).Boss等[5]分析了奧地利的銀行間市場,研究發(fā)現(xiàn)該網(wǎng)絡(luò)的度分布服從兩階段的冪律分布.Soramaki等[6]研究了美聯(lián)儲電子轉(zhuǎn)移支付系統(tǒng)(Fedwire)中銀行間網(wǎng)絡(luò),研究發(fā)現(xiàn)該網(wǎng)絡(luò)節(jié)點入度和出度服從冪律分布.在對英國大額支付系統(tǒng)(CHAPS)的研究中,Becher等[7]發(fā)現(xiàn)雖然英國的銀行數(shù)量遠少于美國,但銀行間網(wǎng)絡(luò)節(jié)點度也有相似特征.同類研究還包括巴西的銀行間市場[8],匈牙利的銀行間市場[9],瑞士的銀行間市場[10],荷蘭的銀行間市場[11],意大利的銀行間市場[12].隨后,學(xué)者們研究了無標度網(wǎng)絡(luò)對銀行間風(fēng)險傳染的影響[13,14].上述文獻在銀行間靜態(tài)網(wǎng)絡(luò)以及銀行間風(fēng)險傳染等研究方面取得了許多進展,也為后續(xù)研究奠定了基礎(chǔ).

然而,銀行間的債務(wù)具有高頻性和動態(tài)性的特點.銀行間的風(fēng)險傳染是一個積累、演化的過程.為了研究銀行間風(fēng)險的動態(tài)特征和傳染特征,則需要從銀行間債務(wù)的動態(tài)機制入手.為此,最近學(xué)者們在建立動態(tài)的銀行間網(wǎng)絡(luò)模型上進行了嘗試.Iori等[15]認為銀行的流動性沖擊來自于客戶存款與取款的隨機行為,銀行間借貸行為源自于銀行的流動性需求并在此基礎(chǔ)上,提出了動態(tài)銀行間借貸的模擬規(guī)則.Afonso等[16]通過研究美聯(lián)儲電子轉(zhuǎn)移支付系統(tǒng),發(fā)現(xiàn)銀行會根據(jù)自身備付金狀況決定拆出資金并通過比例函數(shù)簡化銀行的決策,模擬了銀行間的資金流動.Georg[17]的研究在區(qū)分主體異質(zhì)性上做出了嘗試.Georg[17]在Iori等[15]提出的動態(tài)規(guī)則的基礎(chǔ)上,通過建立銀行間決策的期望效用函數(shù)來區(qū)別不同銀行的異質(zhì)性問題.此外, Lenzua等[18]、陳冀等[19]對銀行間網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)形成規(guī)律進行了研究,并在此基礎(chǔ)上研究了銀行間網(wǎng)絡(luò)的風(fēng)險傳染問題.這些研究在探索銀行間借貸的動態(tài)規(guī)則方面進行了有益嘗試.

本文在文獻[5,6,15,16]的基礎(chǔ)上,建立一個銀行間借貸的動態(tài)網(wǎng)絡(luò)模型.該模型將真實的銀行間借貸行為進行數(shù)學(xué)抽象,并以此建立一個仿真的銀行間市場.這一動態(tài)網(wǎng)絡(luò)模型通過對銀行間市場的模擬,能夠展現(xiàn)出銀行間資金流動等諸多規(guī)律.并能夠用于探索銀行間的流動性保護以及潛在的風(fēng)險傳染等規(guī)律性問題.

此外，本文建立了一套即時、有效的銀行間風(fēng)險傳染預(yù)警策略.傳統(tǒng)的中央銀行、銀監(jiān)會等監(jiān)管機構(gòu)收集信息并預(yù)測風(fēng)險的中央式預(yù)警方法,存在明顯的滯后性問題.銀行間市場瞬息萬變的特點導(dǎo)致了中央式預(yù)警方法作用十分有限.為此,本文采用分布式的方法建立預(yù)警策略.分布式方法在計算機領(lǐng)域有較為廣泛的應(yīng)用.所謂分布式就是在網(wǎng)絡(luò)中沒有中央系統(tǒng)進行管理,所有節(jié)點的運行都是通過彼此間的協(xié)調(diào)進行. Olfati-Saber[20]通過分布式的方式解決通訊網(wǎng)絡(luò)中的信息流相互協(xié)調(diào)的問題.Wang等[21]利用分布式方法解決群體機器人之間的相互協(xié)調(diào).Yang等[22]研究了通訊網(wǎng)絡(luò)中的分布式控制方法.銀行間網(wǎng)絡(luò)中的資金協(xié)調(diào)與其他群體網(wǎng)絡(luò)存在高度相似性.而且分布式方法的核心優(yōu)勢在于能夠避免中央控制的滯后性問題.

2 銀行間債務(wù)的動態(tài)網(wǎng)絡(luò)模型

銀行在經(jīng)營管理過程中,期限錯配是一個普遍現(xiàn)象.貸款的收回、客戶的存款形成了銀行的流動性供給.相反,客戶的貸款需求、存款的提取構(gòu)成了銀行的流動性需求.通常情況,銀行的流動性供給與流動性需求不會保持同步.這導(dǎo)致了商業(yè)銀行超額準備金的波動[15].令ΔR表示商業(yè)銀行的超額準備金變動.ΔR＞0表示流動性供給大于流動性需求,ΔR＜0表示流動性需求大于流動性供給.因此,銀行i第t期的超額準備金表示為

研究銀行間資金流動以及風(fēng)險傳染是本文的目的.為了簡化而不失一般性,認為銀行間的流動性供給和流動性需求是外生的并且是隨機的.因此,假設(shè)超額準備金的波動是一個隨機過程[17],令ΔRi=βi(ε-0.5),其中β表示銀行系統(tǒng)外部的流動性沖擊強度,i表示銀行超額準備金的長期平均值,ε是一個隨機變量,且ε∈[0,1].

在日常的流動性管理中,銀行首先要考慮償還上一期的銀行間借款.如果所有銀行都償還上一期的銀行間借款,那么銀行就可以同時完成上一期銀行間借款的償還和銀行間貸款的回收.所以,銀行的超額準備金變?yōu)?/p>

假設(shè)銀行系統(tǒng)內(nèi)有M家銀行.令表示第t-1期銀行i貸給銀行j的資金,那么銀行間債務(wù)關(guān)系可以用債務(wù)矩陣Lt-1來表示,即

對于銀行i而言,第t-1期銀行間貸款總量可以表示為第t-1期銀行間借款總量可以表示為

在清算完上一期銀行間債務(wù)后,如果銀行有多余的超額準備金,則會通過銀行間市場貸給其他銀行;如果銀行缺少超額準備金,則會通過銀行間市場借入資金.就銀行間網(wǎng)絡(luò)整體而言,銀行間資金的貸出和借入是同時發(fā)生的.因此,只需考慮銀行間資金的貸出.

其中i=1,2,...,M.

式(4)表示銀行超額準備金為正時,它可以為其他銀行提供流動性資金.并且銀行會將超額準備金的θ倍貸出,0＜θ＜1.令表示銀行i給銀行j的貸款比例,.銀行i給銀行j的貸款可以表示為

McAndrews等[23]、Afonso等[16]的研究表明,銀行間市場一天的交易是從銀行獲得資金到貸出資金的不斷循環(huán).也就是說,銀行間的借貸是從式(4)到式(6)的不斷循環(huán)和更新,直到當(dāng)天的銀行間市場關(guān)閉.在一天的交易結(jié)束后,銀行必須保證超額準備金表明銀行出現(xiàn)流動性赤字.這將導(dǎo)致銀行的法定準備金不足.為此銀行會受到中央銀行嚴厲的懲罰.同時,流動性赤字還會導(dǎo)致銀行間債務(wù)的違約.債權(quán)銀行無法及時收回銀行間貸款也將出現(xiàn)流動性問題,從而形成流動性風(fēng)險在銀行間的傳染.下文將在計算機平臺上,建立仿真銀行間市場,模擬銀行間資金流動的動態(tài)過程.

3 銀行間風(fēng)險傳染預(yù)警策略

3.1 銀行的流動性風(fēng)險

銀行日常流動性管理的關(guān)鍵是保持合適的流動性儲備,也就是將超額準備金Rti控制在合理的范圍內(nèi).在正常運營的情況下,銀行的超額準備金的變化是相對穩(wěn)定的.如果銀行間由于自身的管理問題導(dǎo)致流動性需求大于流動性供給,將會導(dǎo)致銀行超額準備金減少.與此同時,如果銀行不能在銀行間市場獲得足夠的流動性支持,將會造成銀行超額準備金的持續(xù)減少.最終將導(dǎo)致銀行出現(xiàn)流動性赤字.可見,銀行出現(xiàn)流動性問題是一個累積的過程.令表示銀行i在t時期的超額準備金的變動率,即

顯然,一個流動性管理很好的銀行,累積超額準備金的變動率應(yīng)該保持在0附近.如果銀行超額準備金持續(xù)減少,累積超額準備金的變動率會越來越小.該指標能夠反映銀行流動性風(fēng)險的積累過程.

式(8)累積超額準備金變動率可以對單個銀行的潛在流動性風(fēng)險做出一定的預(yù)測,但是仍無法預(yù)測整個銀行系統(tǒng)的風(fēng)險水平.為了阻止風(fēng)險傳染擴散,防止爆發(fā)系統(tǒng)性風(fēng)險和穩(wěn)定金融網(wǎng)絡(luò),必須對整個銀行系統(tǒng)的風(fēng)險水平進行預(yù)測.第一,從宏觀角度,只有金融監(jiān)管部門及時、準確地得到了整體風(fēng)險的預(yù)測信息,才能有效地進行市場干預(yù),防止危機爆發(fā).第二,從微觀角度,銀行僅掌握自身的風(fēng)險狀況是不夠的.銀行還需要了解金融網(wǎng)絡(luò)的整體風(fēng)險,以及時調(diào)整自身策略防止被傳染.

3.2 分布式預(yù)警策略

銀行系統(tǒng)是一個典型的分布式系統(tǒng).銀行每天都會處理大量的信息并進行經(jīng)營決策.由于在銀行間市場上資金的轉(zhuǎn)移和信息的傳播具有快速性和大量性的特點,導(dǎo)致中央機構(gòu)很難及時的收集到足夠的信息進行整體風(fēng)險預(yù)測.而且滯后的信息對預(yù)測是沒有任何意義的.

壓縮壓力、圧縮溫度和燃油噴射系統(tǒng)(噴油時刻、噴射壓力、燃油品質(zhì)等)等影響噴入缸內(nèi)燃油的霧化及油氣混合的形成，從而導(dǎo)致燃燒時刻變化,尤其是噴油時刻對燃燒時刻起著決定性的作用，燃燒時刻的異常也直接關(guān)系到燃燒爆壓和后期燃燒性能。

分布式方法則是將每個節(jié)點自身的某種屬性,結(jié)合網(wǎng)絡(luò)的拓撲,映射成網(wǎng)絡(luò)的整體屬性.這一映射過程是通過節(jié)點間的聯(lián)系實時完成的.銀行間網(wǎng)絡(luò)中分布式預(yù)警策略就是將每個銀行的流動性風(fēng)險信息,映射成銀行間網(wǎng)絡(luò)的整體風(fēng)險特征.同時,這個過程并不需要中央機構(gòu)收集信息,而是在銀行間的資金轉(zhuǎn)移的過程中同步完成.因此可以有效的避免時滯性問題.

假設(shè)銀行i和銀行j之間有資金往來.pi和pj分別表示兩家銀行累積超額準備金的變動率,它們分別代表了兩家銀行的流動性風(fēng)險信息.這兩家銀行分布式預(yù)警的映射過程也可以理解為兩家銀行的風(fēng)險信息交換過程,表示為

其中k為迭代次數(shù),Δk=1,κ∈(0,1)是系統(tǒng)參數(shù).

式(9)是對兩家銀行各自風(fēng)險信息不斷迭代的過程.經(jīng)過k次迭代以后,銀行i可以獲得新的風(fēng)險信息而新的風(fēng)險信息則代表了兩家銀行總體風(fēng)險特征.如果銀行i與Ni家銀行有資金往來,則分布式預(yù)警映射過程可以表示為

通過式(10)的迭代過程,銀行i獲得的新的風(fēng)險信息則代表了銀行i與所有鄰居銀行的整體風(fēng)險特征.根據(jù)文獻[21],考慮網(wǎng)絡(luò)中所有銀行,則分布式風(fēng)險預(yù)警映射過程可以表示為

其中P=[p1,p2,...,pM]T表示銀行累積超額準備金的變動率向量.Λ表示網(wǎng)絡(luò)拓撲結(jié)構(gòu)的拉普拉斯矩陣,Λ=Δ-A.A是銀行間網(wǎng)絡(luò)的鄰接矩陣,Δ是鄰接矩陣的度矩陣,其對角線元素是節(jié)點的度,其余元素為0.式(11)就是銀行間風(fēng)險傳染的預(yù)警策略.通過式(11)的迭代過程,每家銀行都可以獲得新的風(fēng)險信息p*.p*作為銀行系統(tǒng)整體風(fēng)險的預(yù)警指標,反映了銀行間網(wǎng)絡(luò)的整體風(fēng)險特征.p*＜0表明銀行間存在風(fēng)險傳染的可能性,而且p*越小風(fēng)險傳染可能性越大.通過拉塞爾穩(wěn)定性原理可以證明式(11)的迭代過程是可以穩(wěn)定收斂的[21].也就是說,所有銀行將獲得同樣的銀行間網(wǎng)絡(luò)整體風(fēng)險特征.因此,通過該策略銀行可以根據(jù)自身的風(fēng)險信息pi以及網(wǎng)絡(luò)整體風(fēng)險特征p*進行自身的流動性管理.

4 仿真模擬實驗

4.1 參數(shù)設(shè)定

銀行持有超額準備金數(shù)量體現(xiàn)了銀行的規(guī)模.并且銀行超額準備金數(shù)量與債務(wù)連線數(shù)量成指數(shù)函數(shù)關(guān)系[6].本文根據(jù)BvD Bankscope數(shù)據(jù)庫的中國銀行業(yè)數(shù)據(jù),利用指數(shù)函數(shù)初始化銀行超額準備金數(shù)量[14].超額準備金最大值25 298億元、最小值800億元,分別對應(yīng)最大債務(wù)連線銀行和最小債務(wù)連線銀行.銀行超額準備金的長期平均值與初始化的銀行超額準備金相同.初始期所有銀行都沒有銀行間債務(wù),即IL=0,IB=0.銀行在每期中貸款支付比例采用文獻[16]的基礎(chǔ)設(shè)置,θ=0.8.在每期中,銀行間貸款支付循環(huán)次數(shù)設(shè)定為20次.

在本文的模擬中,銀行間網(wǎng)絡(luò)運行的期數(shù)設(shè)定為500期.從模擬結(jié)果來看,流動性沖擊強度β＜0.5時,不會出現(xiàn)銀行違約以及傳染.為了檢驗預(yù)警策略的效果,本文模擬了銀行間網(wǎng)絡(luò)的兩類情況:平穩(wěn)期,β∈[0.1,0.4];危機期,β∈[1.4,1.7].預(yù)警指標累積超額準備金的變動率的累積期數(shù)選為10期.

4.2 平穩(wěn)期的模擬結(jié)果

在平穩(wěn)期的實驗中,選擇了四種流動性沖擊強度,分別為0.1,0.2,0.3和0.4.在這四種流動性沖擊強度下,整個銀行間網(wǎng)絡(luò)都是相對平穩(wěn)的,沒有出現(xiàn)銀行違約.當(dāng)銀行系統(tǒng)的流動性沖擊強度較小時(β＜0.5),

銀行間市場為商業(yè)銀行提供的彼此之間的相互保護能夠吸收掉系統(tǒng)外部的沖擊影響.從而保證整個銀行系統(tǒng)的正常運行.

在這組實驗中,當(dāng)銀行有多余的超額準備金時,銀行能夠?qū)⒊~準備金貸給系統(tǒng)內(nèi)其他銀行.當(dāng)銀行超額準備金不足時,銀行可以通過銀行間市場獲得必要的流動性.這一過程保證了銀行系統(tǒng)內(nèi)的整體超額準備金水平能夠相對保持穩(wěn)定.銀行系統(tǒng)內(nèi)超額準備金變動表示為

圖1展示了四種流動性沖擊強度下,銀行系統(tǒng)內(nèi)整體超額準備金變動情況.

圖1 銀行系統(tǒng)內(nèi)超額準備金變動情況Fig.1 Interbank systemic excess reserve changing

盡管在這四種沖擊下都沒有出現(xiàn)銀行違約,但是沖擊的差異也導(dǎo)致了銀行系統(tǒng)內(nèi)部出現(xiàn)一些變化.隨著銀行系統(tǒng)外部的沖擊的加強(流動性沖擊強度從0.1到0.4),銀行系統(tǒng)內(nèi)整體超額準備金波動明顯增強.當(dāng)流動性沖擊強度為0.1時,銀行系統(tǒng)內(nèi)整體超額準備金在(-5 000,+5 000)內(nèi)波動.當(dāng)流動性沖擊強度為0.4時,銀行銀行系統(tǒng)內(nèi)整體超額準備金波動超過了(-20 000,+20 000).

在不同沖擊強度下,銀行系統(tǒng)內(nèi)變化還體現(xiàn)在銀行間網(wǎng)絡(luò)的整體風(fēng)險p*上.如前所述,通過分布式預(yù)警策略,對每家銀行的累積超額準備金的變動率進行映射,可以獲得銀行間網(wǎng)絡(luò)的整體風(fēng)險p*.p*反映了銀行系統(tǒng)的整體風(fēng)險水平.圖2展示了四種流動性沖擊強度下,銀行系統(tǒng)的整體風(fēng)險水平的變化情況.

圖2 銀行系統(tǒng)性風(fēng)險預(yù)警指標(p*)的變化情況Fig.2 Interbank systemic risk index(p*)changing

從圖2可以看出,隨著銀行系統(tǒng)外部沖擊的加強(流動性沖擊強度從0.1～0.4),銀行系統(tǒng)的整體風(fēng)險的波動也明顯增強.當(dāng)流動性沖擊強度為0.1時,銀行系統(tǒng)的整體風(fēng)險最小值大于-0.05.當(dāng)流動性沖擊強度為0.4時,銀行系統(tǒng)的整體風(fēng)險最小值大于-0.15.一旦銀行系統(tǒng)的整體風(fēng)險最小值突破某一閾值,銀行系統(tǒng)將出現(xiàn)違約及傳染.

4.3 危機期的模擬結(jié)果

為了模擬危機時期的銀行系統(tǒng),重新選擇了四種流動性沖擊強度,分別為1.4,1.5,1.6和1.7.在這四種流動性沖擊強度下,整個銀行體系出現(xiàn)了不同程度的損失.此時,銀行間市場不再為商業(yè)銀行提供的彼此之間的相互保護,而是成為了銀行間風(fēng)險傳染的渠道.為了顯示銀行體系的損失程度,分別記錄了四種沖擊下累積違約銀行的數(shù)量,見圖3.從圖3可以看出,當(dāng)銀行系統(tǒng)受到強烈沖擊(β≥1.4)時,隨著時間的推移銀行系統(tǒng)內(nèi)累積違約銀行數(shù)量不斷的增加.總體來看,沖擊越大,違約銀行的數(shù)量越大,違約傳染的速度越快.

接下來,檢驗分布式預(yù)警策略的效果.首先,通過分布式預(yù)警策略計算銀行間網(wǎng)絡(luò)的整體風(fēng)險p*,將其作為銀行系統(tǒng)整體風(fēng)險的預(yù)警指標.其次,記錄銀行系統(tǒng)中銀行的違約比率.

圖4展示了銀行系統(tǒng)整體風(fēng)險的預(yù)警指標p*和銀行的違約比率.為了達到更好的展示效果,將違約率進行了數(shù)量級的調(diào)整.圖4中虛線代表銀行的違約比率,實線代表預(yù)警指標p*,陰影表示預(yù)警指標p*小于0的部分.

圖3 銀行系統(tǒng)的累積違約銀行數(shù)量(Nb)Fig.3 Interbank systemic cumulative default institutes number(Nb)

從圖4中可以得出兩個結(jié)論.第一,陰影越大銀行違約比率約大.陰影代表了預(yù)警指標p*小于0的部分.也就是說,銀行間網(wǎng)絡(luò)的整體風(fēng)險p*越小,銀行違約的風(fēng)險越大.第二,在銀行系統(tǒng)內(nèi)出現(xiàn)違約之前,銀行間網(wǎng)絡(luò)的整體風(fēng)險p*普遍存在下降的過程.銀行間網(wǎng)絡(luò)的整體風(fēng)險p*是由每家銀行的累積超額準備金變動率映射而來.累積超額準備金變動率反映了單個銀行的風(fēng)險累積過程.從而,整體風(fēng)險p*揭示了銀行系統(tǒng)的風(fēng)險累積過程.從實驗結(jié)果來看,銀行系統(tǒng)內(nèi)的違約風(fēng)險并不是突然產(chǎn)生的,而是風(fēng)險累積的結(jié)果.本文提出的分布式預(yù)警策略能夠很好地反映出銀行系統(tǒng)內(nèi)風(fēng)險累積過程,能夠起到對銀行系統(tǒng)性風(fēng)險預(yù)警的作用.

5 結(jié)束語

銀行間債務(wù)違約引發(fā)風(fēng)險傳染最終導(dǎo)致系統(tǒng)性風(fēng)險的問題越來越受到關(guān)注.許多文獻開始利用網(wǎng)絡(luò)理論研究銀行間的風(fēng)險傳染和系統(tǒng)性風(fēng)險問題.本文建立了銀行間借貸的動態(tài)網(wǎng)絡(luò)模型以及仿真的銀行間市場.利用銀行間借貸的動態(tài)網(wǎng)絡(luò)模型對銀行間市場進行仿真模擬,能夠展現(xiàn)出銀行間資金流動等諸多規(guī)律.這也為探索銀行間的流動性保護以及潛在的風(fēng)險傳染等規(guī)律性問題提供了可能.此外,本文提出了銀行間風(fēng)險傳染的預(yù)警策略.該預(yù)警策略利用分布式方法,將每家銀行的累積超額準備金變動率映射成反映銀行系統(tǒng)整體風(fēng)險特征的預(yù)警指標.分布式預(yù)警策略的最大優(yōu)勢在于,能夠有效的解決中央預(yù)警方式的時滯性問題.仿真實驗結(jié)果表明,外部沖擊加強會導(dǎo)致銀行系統(tǒng)內(nèi)整體超額準備金波動加劇.整體超額準備金波動加劇會導(dǎo)致系統(tǒng)內(nèi)銀行的違約以及風(fēng)險傳染.銀行的違約和風(fēng)險傳染并不是突發(fā)的,而是銀行系統(tǒng)的風(fēng)險累積的結(jié)果.本文提出的分布式預(yù)警策略能夠很好地反映出銀行系統(tǒng)內(nèi)風(fēng)險的累積過程,并能夠起到銀行系統(tǒng)性風(fēng)險預(yù)警的作用.

[1]Upper C.Simulation methods to assess the danger of contagion in interbank markets.Journal of Financial Stability,2011,7(3): 111–125.

[2]Allen F,Gale D.Financial contagion.Journal of Political Economy,2000,108(1):1–33.

[3]Freixas X,Parigi B,Rochet J C.Systemic risk,interbank relations and liquidity provision by the central bank.Journal of Money, Credit and Banking,2000,32(3):611–638.

[4]Nier E,Yang J,Yorulmazer T,et al.Network models and fnancial stability.Journal of Economic Dynamics and Control,2007,31(6): 2033–2060.

[5]Boss M,Elsinger H,Summer M,et al.Network topology of the interbank market.Quantitative Finance,2004,4(6):677–684.

[6]Soramaki K,Bech M,Arnold J,et al.The topology of interbank payment fows.Physica A,2007,379(1):317–333.

[7]Becher C,Millard S,Soramaki K.The Network Topology of CHAPS Sterling.London,UK:Bank of England,No.355,2008.

[8]Edson B,Cont R.The Brazilian Interbank Network Structure and Systemic Risk.Brazilia:Central Bank of Brazil,No.219,2010.

[9]Lublóy A.Domino effect in the Hungarian interbank market.Hungarian Economic Review,2005,52(4):377–401.

[10]Müller J.Interbank credit lines as a channel of contagion.Journal of Financial Services Research,2006,29(1):37–60.

[11]Van Lelyveld I,Liedorp F.Interbank contagion in the Dutch banking sector:A sensitivity analysis.International Journal of Central Banking,2006,2(2):99–133.

[12]Mistrulli P E.Assessing fnancial contagion in the interbank market:Maximum entropy versus observed interbank lending patterns. Journal of Banking and Finance,2011,35(5):1114–1127.

[13]Krause A,Giansante S.Interbank lending and the spread of bank failures:A network model of systemic risk.Journal of Economic Behavior and Organization,2012,83(3):583–608.

[14]隋 聰,遲國泰,王宗堯.網(wǎng)絡(luò)結(jié)構(gòu)與銀行系統(tǒng)性風(fēng)險.管理科學(xué)學(xué)報,2014,17(4):57–70. Sui C,Chi G T,Wang Z Y.Network structure and banks systemic risk.Journal of Management Sciences in China,2014,17(4): 57–70.(in Chinese)

[15]Iori G,Jafarey S,Padilla F.Systemic risk on the interbank market.Journal of Economic Behavior&Organization,2006,61(4): 525–542.

[16]Afonso G M,Shin H S.Systemic risk and liquidity in payment systems.Federal Reserve Bank of New York,2008,No.352.

[17]Georg C.The effect of the interbank network structure on contagion and common shocks.Journal of Banking and Finance,2013, 37(7):2216–2228.

[18]Lenzua S,Tedeschib G.Systemic risk on different interbank network topologies.Physica A,2012,391(18):4331–4341.

[19]陳 冀,陳典發(fā),宋 敏.復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)下異質(zhì)性銀行系統(tǒng)穩(wěn)定性研究.系統(tǒng)工程學(xué)報,2014,29(2):171–181. Chen J,Chen D F,Song M.Heterogeneous bank system stability research under complex networks structure.Journal of Systems Engineering,2014,19(2):171–181.(in Chinese)

[20]Olfati-Saber R.Flocking for multi-agent dynamic systems:Algorithms and theory.IEEE Transacation on Automatic Control,2006, 51(3):401–420.

[21]Wang Z,Gu D.Cooperative target tracking control of multiple robots.IEEE Transacation on Industrial Electronics,2012,59(8): 3232–3240.

[22]Yang Q,Barria J,Green T.Communication infrastructures for distributed control of power distribution networks.IEEE Trans.on Industrial Informatics,2011,7(2):316–327.

[23]McAndrews J,Potter S M.Liquidity Effects of the Events of September 11,2001.FRBNY Economic Policy Review,2002,8(2): 59–79.

Interbank network model and distributed prediction strategy of systemic risk

Wang Zongyao1,Sui Cong2,3
(1.Surry International Institute,Dongbei University of Finance and Economics,Dalian 116025,China; 2.School of Finance,Dongbei University of Finance and Economics,Dalian 116025,China; 3.Laboratory of Experimental Economics,Dongbei University of Finance and Economics,Dalian 116025,China)

A dynamic interbank loan model is established by mathematical abstraction for real bank lending behavior.By using this model,the behavior of interbank can be realistically simulated via computer platform.Through the simulation,it is found that a lot valuable regulation of interbank which can be used to study liquidity protection and potential risk.Meanwhile,this paper also presents a distributed banking systemic risk prediction strategy.Using the distributed method this strategy maps the risk character of banks to banking system risk index.This method can effectively solve time-delay of centralized prediction strategy.The simulation results show that the bank default and risk contagion is not an emergency even,but an accumulated result.The presented strategy can also refect the accumulated process and precisely predict the banking system risk.

interbank market;banking systemic risk;dynamic network model;risk contagion

F830

A

1000-5781(2016)06-0840-10

10.13383/j.cnki.jse.2016.06.012

王宗堯(1980—),男,黑龍江哈爾濱人,博士,副教授,研究方向:分布式系統(tǒng)控制,Email:zongyaowang@dufe.edu.cn;

2016-01-25;

2016-04-18.

國家自然科學(xué)基金資助項目(71571034;61304180);教育部人文社會科學(xué)研究青年基金資助項目(12YJCZH211);遼寧省高等學(xué)校優(yōu)秀人才支持計劃資助項目(WJQ2015012).

隋 聰(1978—),男,遼寧沈陽人,博士,副教授,研究方向:金融風(fēng)險管理,Email:suicong2004@163.com.