基于復雜網絡構建的系統重要性銀行評估研究

邢春娜

摘? ?要：復雜網絡為分析系統性金融風險和系統重要性機構提供了全局性視角，但由于數據獲取上的局限，我國銀行系統網絡構建存在困難。利用貝葉斯方法和2013—2015年銀行資產負債數據構建銀行系統網絡，在此基礎上建立系統性損失測度指標，并討論規模與網絡中心性在系統重要性銀行評估中的作用。研究發現：國有大型商業銀行處于銀行系統的樞紐位置;同業負債和入度對銀行個體風險造成的系統性損失有顯著正向影響，而資本緩沖和出度增大能夠降低局部危機造成的整體損失。因此，規模仍是影響銀行系統重要性的主要因素，而銀行之間的關聯性也發揮著越來越重要的作用。

關鍵詞：復雜網絡;系統重要性銀行;規模;網絡中心性;關聯性

中圖分類號：F832? 文獻標識碼：A? 文章編號：1674-2265（2019）01-0019-07

DOI：10.19647/j.cnki.37-1462/f.2019.01.003

一、引言

2017年12月，巴塞爾協議III資本框架完成，新框架針對銀行抵押貸款和其他資產賬面風險估算設置了新的限制措施，并為銀行利用統計模型制定的資本標準設定了最低限制。這一框架有助于防范系統性金融風險、監管系統重要性銀行，但同時也對銀行量化風險的能力提出了更高要求。系統性金融風險是能夠威脅金融系統整體穩定甚至導致系統崩潰的風險，系統重要性金融機構（Systemically Important Financial Institutions，SIFIs）是指那些一旦倒閉或陷入危機能造成系統內更多機構經營困難甚至破產的金融機構。目前研究較多的SIFIs有兩種類型：一種被稱為“大而不倒的”，“大”主要是指金融機構的規模;另一種被稱為“太關聯而不倒的”，由于與系統內其他機構聯系緊密，這種類型的SIFIs倒閉將直接或間接導致大量機構相繼陷入危機甚至破產?，F代金融系統是金融機構之間相互聯系、相互作用的復雜系統，與規模相比，關聯性也是評價金融機構系統重要性的關鍵因素，有研究認為金融機構倒閉的影響范圍主要取決于與其他機構的關聯程度。將金融系統視為一個復雜網絡有助于從整體角度刻畫內部關聯性、發現局部風險傳染的路徑和方向，并更直觀地突出系統重要性金融機構的位置和作用。

金融網絡的建立需要獲得金融機構兩兩之間的交易數據，但金融機構出于保密性的考慮通常不公開發布這類數據，雖然銀行業資產負債數據比其他金融行業更易獲取，也只能得到資產和負債的總量數據，而不是機構兩兩之間的具體交易數據，這使得基于金融網絡的研究受到一定局限。從目前的研究情況看，盡管有一些是在完全利用現實交易數據建立起的金融網絡基礎上展開的，比如巴西銀行系統網絡的相關研究、奧地利銀行間市場網絡結構的實證分析，以及利用上市金融機構交叉持股數據建立金融網絡后對于違約傳染問題的討論;但仍有許多研究是通過網絡模擬方法實現的。童牧和何奕（2012）以大額支付系統網絡為研究對象，通過模擬方法建立系統性金融風險的演化模型;王曉楓等（2015）利用隨機模擬分析了銀行同業拆借網絡結構對于銀行間風險傳染的影響;隋聰等（2016）基于模擬的銀行系統網絡考察在險值和預期損失方法在測度銀行系統性風險中的表現。

本文首先根據銀行資產負債總量數據構建我國銀行系統網絡，然后建立測度個體銀行風險造成的系統整體性損失的指標，最后討論規模和由網絡中心性體現的關聯性在中國銀行系統重要性機構評估中的作用。

二、銀行系統網絡基本理論與構建方法

（二） 銀行系統網絡構建方法

構建金融網絡的標準方法之一是Kullback-Leibler（KL）方法 ，目前已被用于建立德國、英國和比利時的銀行系統網絡，Mistrulli（2011）在分析意大利銀行間市場雙邊風險暴露時指出KL方法可能低估系統性風險，并且它建立的是完全網絡，即網絡中任意兩個節點都有聯系、網絡鄰接矩陣除主對角線以外的所有元素都大于零，這與大多數現實情況不相符。另外一種常用方法是最大熵（Maximum Entropy，ME），通過最小化有約束的雙邊風險敞口熵函數得到網絡鄰接矩陣，從所需估計信息最少的角度來看最大熵方法是最佳的，但它得到的也是完全網絡。Mastromatteo 等（2012）提出使用消息通過算法（Messagepassing Algorithm）來確定網絡整體稀疏度并估計銀行間風險敞口;Anand等（2015）提出的最小密度方法是將已知的網絡特征與信息理論相結合，通過最小化與銀行間資產和負債相一致的總連接數量來構建真實的系統網絡，但在考察銀行系統中風險傳染的作用時易高估傳染效應。此外，還有一些方法通過模擬鄰接矩陣構建金融系統網絡，比如Moussa（2011）從外部給定的隨機圖模型中抽取金融網絡;Ha?aj和Kok（2013）采用模擬方法隨機生成不同的網絡結構來建立金融網絡;Musmeci等（2013）使用自舉法（Bootstrapping）從有限信息中獲取網絡拓撲屬性，并利用適宜度模型確定網絡連接。Gandy和Veraart（2016）提出的貝葉斯方法前提假設條件設定靈活，有利于反映潛在網絡的結構特征，并且可以根據資產、負債總量數據建立有向網絡，這剛好適合我國銀行業可獲取數據的特點，因此本文使用這種方法來構建銀行系統網絡。

貝葉斯方法的基本步驟包括：

4. 因為[L]的條件分布沒有封閉表達式，根據已有信息利用MCMC（Markov Chain Monte Carlo）方法逼近后驗分布，最后得到滿足行和與列和約束的鄰接矩陣。

三、系統性損失指標設定

因為有向網絡中節點之間可能出現循環路徑，DebtRank方法通過設定兩個控制變量使沖擊只能到達節點一次來解決這個問題。本文中利用調整的控制變量使沖擊可以多次到達節點，在此基礎上建立反映局部風險造成的整體性損失的指標。