基于復(fù)雜網(wǎng)絡(luò)的商業(yè)銀行流動性風(fēng)險評價

[摘"要]"基于商業(yè)銀行流動性風(fēng)險傳染網(wǎng)絡(luò)，本研究分析流動性風(fēng)險在經(jīng)濟繁榮和經(jīng)濟衰退下的網(wǎng)絡(luò)傳染機制和網(wǎng)絡(luò)特征。實證表明：商業(yè)銀行流動性風(fēng)險傳染機制具有層次性和反傳染性;傳染網(wǎng)絡(luò)在經(jīng)濟繁榮（高閾值網(wǎng)絡(luò)）時符合無標度特性，在經(jīng)濟衰退（低閾值網(wǎng)絡(luò)）時符合小世界特性;高閾值網(wǎng)絡(luò)中多數(shù)國有銀行易受攻擊，低閾值網(wǎng)絡(luò)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(dāng)傳染中介角色。在宏微觀審慎監(jiān)管下，監(jiān)管部門應(yīng)加強對商業(yè)銀行流動性風(fēng)險指標的監(jiān)測，并同時關(guān)注銀行外部業(yè)務(wù)聯(lián)系，及時監(jiān)測流動性風(fēng)險，防患于未然。

[關(guān)鍵詞]"商業(yè)銀行流動性風(fēng)險;風(fēng)險傳染;萬有引力模型;復(fù)雜網(wǎng)絡(luò)

[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.

Key"words："liquidity"risk"of"commercial"banks;"risk"contagion;"gravitation"method;"complex"networks

流動性風(fēng)險具有破壞性、隱蔽性、內(nèi)生性的特點，是宏微觀審慎監(jiān)管的重點之一。2008年次貸危機表明，流動性風(fēng)險是引發(fā)全球系統(tǒng)性風(fēng)險的導(dǎo)火索，由一家銀行或大量金融機構(gòu)出現(xiàn)的流動性危機往往會導(dǎo)致無法估量的系統(tǒng)損失。目前，我國系統(tǒng)性金融風(fēng)險的潛在表現(xiàn)之一便是流動性風(fēng)險，集中體現(xiàn)在銀行間市場，表現(xiàn)為“資產(chǎn)荒”和“負債荒”并存，個別銀行的流動性風(fēng)險可能通過銀行間的交互聯(lián)系而相互傳染，影響金融體系的穩(wěn)定。因此，商業(yè)銀行流動性風(fēng)險傳染機制和網(wǎng)絡(luò)特征研究對管理和防控流動性風(fēng)險、守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線具有重要意義。

一"文獻綜述

已有關(guān)于商業(yè)銀行流動性風(fēng)險的研究主要涵蓋風(fēng)險水平評估和銀行間風(fēng)險傳染兩個方面。流動性風(fēng)險水平的評估主要源于銀行業(yè)壓力測試，即通過測算銀行在遇到假定的小概率事件等極端不利情況下可能發(fā)生的風(fēng)險，分析這些風(fēng)險可能對銀行帶來的損失，進而對銀行脆弱性做出評估和判斷。[1][2][3]我國銀行體系由于起步較晚，尚未形成完善的壓力測試系統(tǒng)，基于宏觀審慎管理的金融壓力測試研究仍需作進一步的深入拓展。[4][5]鑒于壓力測試模型建模和應(yīng)用條件的復(fù)雜性，雖然綜合評價的流動性風(fēng)險評估在風(fēng)險研究中有較廣泛的應(yīng)用，但評價體系尚不統(tǒng)一。在評價方法上金融數(shù)據(jù)分析逐步高要求化，風(fēng)險評價方法從主觀賦權(quán)，如層次分析法[6]等，逐漸轉(zhuǎn)變?yōu)榭陀^賦權(quán)，如主成分分析[7]、因子分析[8]等，但此類客觀賦權(quán)相較熵權(quán)法而言并不具有普適性，對指標和樣本不具有高度解釋能力。

在銀行間風(fēng)險傳染研究方面，復(fù)雜網(wǎng)絡(luò)技術(shù)作為一種新興的統(tǒng)計建模方法，近年來備受國內(nèi)外關(guān)注。在網(wǎng)絡(luò)結(jié)構(gòu)與傳染機理上，大多數(shù)研究認為互聯(lián)互通在風(fēng)險傳播中有著重要的作用。[9][10]Glasserman等基于網(wǎng)絡(luò)結(jié)構(gòu)信息最少的情況，運用歐洲銀行系統(tǒng)的數(shù)據(jù)，實證分析了金融網(wǎng)絡(luò)的傳染效應(yīng)和溢出效應(yīng)。[11]國內(nèi)學(xué)者李守偉等基于復(fù)雜網(wǎng)絡(luò)理論研究了銀行間市場隨機網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無標度網(wǎng)絡(luò)中銀行間傳染風(fēng)險特征及其差異，指出無標度網(wǎng)絡(luò)面對沖擊具有最高的穩(wěn)定性。[12]林硯等利用金融機構(gòu)主體屬性和金融機構(gòu)間復(fù)雜網(wǎng)絡(luò)特性，構(gòu)建風(fēng)險傳染性評估模型，提出對具有不同風(fēng)險傳染性的金融機構(gòu)實行差異化監(jiān)管的建議。[13]總的來看，現(xiàn)有文獻在重視金融一體化發(fā)展的基礎(chǔ)上，將金融市場中個體間相互影響的復(fù)雜關(guān)系納入了風(fēng)險傳染研究，主要關(guān)注了金融網(wǎng)絡(luò)結(jié)構(gòu)及其功能特征。相較而言，現(xiàn)有研究對具有復(fù)雜性的某一類風(fēng)險（如流動性風(fēng)險）研究尚顯不足，已有相關(guān)文獻主要有吳念魯?shù)炔捎脝我煌瑯I(yè)債權(quán)指標體系和最大熵法估算網(wǎng)絡(luò)雙邊聯(lián)系，研究了不同沖擊下商業(yè)銀行流動性風(fēng)險傳染;[14]姚登寶等利用模擬估算數(shù)據(jù)對流動性風(fēng)險無標度網(wǎng)絡(luò)進行仿真實驗;[15]但這些研究的網(wǎng)絡(luò)聯(lián)系大多基于模擬的同業(yè)間雙邊頭寸數(shù)據(jù)，在指標選取上也沒有充分考慮最新的監(jiān)管指標。

與以往研究不同，本文認為從宏微觀審慎視角來看，單個指標難以有效監(jiān)控流動性風(fēng)險。本文依據(jù)國際準則《巴塞爾協(xié)議Ⅲ》和國內(nèi)流動性相關(guān)管理辦法，同時吸收“逆周期監(jiān)管理念”，從流動性資產(chǎn)、流動性負債、資產(chǎn)負債匹配程度、資產(chǎn)安全性四個維度構(gòu)建商業(yè)銀行流動性風(fēng)險評價指標體系，更利于流動性風(fēng)險的評估。在風(fēng)險網(wǎng)絡(luò)矩陣的構(gòu)建上，大多數(shù)國家由于不公布銀行雙邊頭寸直接關(guān)系，故無法獲取能夠直接衡量銀行間關(guān)系的同業(yè)拆借數(shù)據(jù)。與現(xiàn)有多數(shù)文獻采用模擬的同業(yè)間雙邊頭寸數(shù)據(jù)不同，本文首次將萬有引力模型應(yīng)用到銀行流動性風(fēng)險傳染研究中，通過銀行流動性風(fēng)險綜合指標得分和銀行間距離，計算得到反映銀行間流動性風(fēng)險傳染關(guān)系的聯(lián)系強度矩陣，該方法得到的銀行流動性風(fēng)險傳染網(wǎng)絡(luò)與現(xiàn)實更為貼近。從政策意義看，本文通過最大連通子圖法和風(fēng)險聯(lián)系強度矩陣的元素分布確定高低閾值，構(gòu)建經(jīng)濟繁榮和經(jīng)濟衰退時的風(fēng)險傳染網(wǎng)絡(luò)，深入研究不同經(jīng)濟狀況下流動性風(fēng)險網(wǎng)絡(luò)性質(zhì)，可為有針對性地防范商業(yè)銀行流動性風(fēng)險傳染提供政策參考。

二"商業(yè)銀行流動性風(fēng)險傳染網(wǎng)絡(luò)模型構(gòu)建

理論模型的構(gòu)建主要涉及流動性風(fēng)險聯(lián)系強度矩陣和不同經(jīng)濟狀況的風(fēng)險網(wǎng)絡(luò)兩個部分。

（一）流動性風(fēng)險聯(lián)系強度矩陣

在商業(yè)銀行流動性風(fēng)險評價指標體系的基礎(chǔ)上，首先利用熵權(quán)法計算反映商業(yè)銀行流動性風(fēng)險水平的綜合指標，再由股票收益率相關(guān)系數(shù)表示銀行間的距離，然后運用萬有引力模型，通過銀行的綜合指標得分和銀行間的距離計算，得到反映銀行間流動性風(fēng)險傳染關(guān)系的聯(lián)系強度矩陣。

1.商業(yè)銀行流動性風(fēng)險評價指標體系

為有效進行流動性風(fēng)險水平的管控，本文根據(jù)國際監(jiān)管標準《巴塞爾協(xié)議Ⅲ》（2010）和國內(nèi)《商業(yè)銀行流動性風(fēng)險管理辦法》試行版（2014）及修訂版（2018）（以下統(tǒng)一簡稱《流動性辦法》），從流動性資產(chǎn)、流動性負債、資產(chǎn)負債匹配程度、資產(chǎn)安全性四個維度選取指標來全面反映商業(yè)銀行流動性風(fēng)險，評價指標體系如表1所示。

為保證充足的樣本進行實證研究，同時確保數(shù)據(jù)口徑的一致性及可比性，本文最終選取在滬深上市且上市時間不晚于2018年1月31日的22家商業(yè)銀行作為樣本，數(shù)據(jù)來自銀行2018年年報。其中包括中農(nóng)工建交5家大型國有銀行，浦發(fā)、光大、民生、興業(yè)、招商、中信、平安、華夏8家股份制銀行，北京、成都、貴陽、杭州、江蘇、南京、寧波、上海8家城商銀行，以及常熟農(nóng)村1家農(nóng)商銀行。

需要指出的是，評價體系的資產(chǎn)維度中原應(yīng)包含《巴塞爾協(xié)議Ⅲ》的“凈穩(wěn)定資產(chǎn)比例”這個流動性重要監(jiān)管指標，但根據(jù)銀保監(jiān)會《商業(yè)銀行凈穩(wěn)定資金比例信息披露辦法》（2019）的指示，商業(yè)銀行在2019年第二季度首次披露時僅要求披露最早為2018年第四季度凈穩(wěn)定資金比例的相關(guān)信息，銀行皆未披露2018年前三季度的數(shù)據(jù)，因而未納入該指標。

2.指標權(quán)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(gòu)成的樣本矩陣，運用熵權(quán)法得到各指標權(quán)重如表2所示。

其中，最大十家客戶貸款比例的指標權(quán)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(quán)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(fēng)險聯(lián)系強度矩陣的構(gòu)建

萬有引力定律表明，空間上任何兩個物體間的聯(lián)系是由其自身的質(zhì)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(fēng)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(fēng)險聯(lián)系強度，公式如下：

Fij=pij·MiMjdkij，pij=MiMi+Mj（1）

其中，F(xiàn)ij為銀行i對銀行j的流動性風(fēng)險聯(lián)系強度;Mi，Mj分別為由熵權(quán)法計算得到的銀行i和銀行j的流動性風(fēng)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(shù)，表示銀行間的流動性風(fēng)險聯(lián)系強度會隨著銀行間的相關(guān)性減弱而變小，本文根據(jù)相關(guān)經(jīng)驗將衰減指數(shù)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(guān)系數(shù)，并對相關(guān)系數(shù)進行調(diào)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(nèi)股票收益率的均值;ρij為銀行i和銀行j在時間段T內(nèi)的相關(guān)系數(shù)。

（二）不同經(jīng)濟狀況下商業(yè)銀行流動性風(fēng)險網(wǎng)絡(luò)的確定

依據(jù)“逆周期監(jiān)管理念”，在經(jīng)濟繁榮時期，商業(yè)銀行應(yīng)累積較多的資本以應(yīng)對經(jīng)濟衰退的需要;在經(jīng)濟衰退時期，可以適當(dāng)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(jīng)濟的復(fù)蘇。因此，經(jīng)濟繁榮時，銀行的資本金水平較高，抵御流動性風(fēng)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(wǎng)絡(luò)對應(yīng)高閾值網(wǎng)絡(luò);經(jīng)濟衰退時，銀行的資本金水平較低，抵御流動性風(fēng)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(wǎng)絡(luò)對應(yīng)低閾值網(wǎng)絡(luò)。

考慮到不同閾值下網(wǎng)絡(luò)拓撲結(jié)構(gòu)的不同，本部分在流動性風(fēng)險聯(lián)系強度矩陣的基礎(chǔ)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(wǎng)絡(luò)和低閾值網(wǎng)絡(luò)研究不同經(jīng)濟狀況下流動性風(fēng)險的網(wǎng)絡(luò)性質(zhì)。

1.高閾值網(wǎng)絡(luò)

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(wǎng)絡(luò)的最大連通子圖大小變化情況如圖1所示。

當(dāng)閾值在（0.002，0.003）取值時，最大連通子圖的節(jié)點個數(shù)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(shù)發(fā)生最大陡降的閾值，結(jié)果為θh=0.002397。由于該值大于閾值中位數(shù)，因此將其視為高閾值，并基于此值構(gòu)建網(wǎng)絡(luò)，以研究經(jīng)濟繁榮時銀行間流動性風(fēng)險的傳染關(guān)系。高閾值網(wǎng)絡(luò)如圖2所示。

2.低閾值網(wǎng)絡(luò)

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

由圖3可知，各銀行間的流動性風(fēng)險聯(lián)系強度呈現(xiàn)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(jié)果，本文對各銀行間流動性風(fēng)險聯(lián)系強度的分布進行擬合，結(jié)果顯示各銀行間的流動性風(fēng)險聯(lián)系強度Y服從尺度參數(shù)為0.000371，形狀參數(shù)為4的Erlang分布，即Y～Erlang（4，0.000371），其概率密度函數(shù)如圖4。

因此，最終確定的低閾值點θl應(yīng)滿足P{Y≤θl}=0.1587，解得θl=0.0007738。低閾值網(wǎng)絡(luò)如圖5所示。

三"實證分析

本部分基于構(gòu)建的高閾值網(wǎng)絡(luò)和低閾值網(wǎng)絡(luò)，結(jié)合2018年22家商業(yè)銀行的樣本數(shù)據(jù)，實證研究商業(yè)銀行流動性風(fēng)險的網(wǎng)絡(luò)結(jié)構(gòu)特性和傳染機制。

（一）高、低閾值網(wǎng)絡(luò)結(jié)構(gòu)特征分析

高閾值下銀行流動性風(fēng)險傳染網(wǎng)絡(luò)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(fēng)險傳染網(wǎng)絡(luò)具有無標度特性。根據(jù)無標度網(wǎng)絡(luò)的魯棒性和脆弱性，可知在經(jīng)濟繁榮時，傳染網(wǎng)絡(luò)面臨隨機性的流動性風(fēng)險具有一定的抵抗能力，但如果網(wǎng)絡(luò)中處于關(guān)鍵節(jié)點位置的銀行發(fā)生流動性危機，則流動性風(fēng)險容易傳染至整個銀行網(wǎng)絡(luò)，引發(fā)整個銀行業(yè)的流動性危機。

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

（二）節(jié)點特性

1.節(jié)點中心性特征

高閾值網(wǎng)絡(luò)和低閾值網(wǎng)絡(luò)的節(jié)點中心性特征見表3。在高閾值網(wǎng)絡(luò)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(jīng)濟繁榮時，興業(yè)銀行、華夏銀行和平安銀行處于網(wǎng)絡(luò)中心位置，其面臨的流動性風(fēng)險較大。同理，在經(jīng)濟衰退時，華夏銀行、光大銀行處于網(wǎng)絡(luò)中心位置，其面臨的流動性風(fēng)險較大。由出度、入度的排名結(jié)果知，在高閾值網(wǎng)絡(luò)中，興業(yè)銀行、華夏銀行和平安銀行的流動性風(fēng)險的傳染性和被傳染性較強;在低閾值網(wǎng)絡(luò)中，光大銀行、華夏銀行和中信銀行的流動性風(fēng)險的傳染性和被傳染性較強。由中間中心度的排名結(jié)果知，在高閾值網(wǎng)絡(luò)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(fēng)險傳染中介;在低閾值網(wǎng)絡(luò)中，華夏銀行、光大銀行和興業(yè)銀行的流動性風(fēng)險傳染中介能力較顯著。

2.節(jié)點易受攻擊性

節(jié)點易受攻擊性是指某銀行節(jié)點在傳染網(wǎng)絡(luò)中容易積累風(fēng)險，從而易受到流動性風(fēng)險帶來的沖擊。本文采用PageRank算法，通過對指向某銀行節(jié)點的其他銀行節(jié)點的數(shù)量和風(fēng)險傳染累積程度，衡量各銀行的易受攻擊性，結(jié)果如表4所示。

在高閾值網(wǎng)絡(luò)中，工商銀行、中國銀行、建設(shè)銀行和華夏銀行排名靠前，這表明在經(jīng)濟繁榮時，多數(shù)國有銀行在銀行網(wǎng)絡(luò)中處于易受攻擊的地位。這可能是因為在經(jīng)濟繁榮背景下，銀行流動性充裕，尤其是國有銀行規(guī)模大，交易復(fù)雜，存在較多高風(fēng)險行為，同時與許多中小銀行存在業(yè)務(wù)關(guān)聯(lián)，具有易受攻擊的特征。因此，在經(jīng)濟繁榮時，監(jiān)管部門需要著重穩(wěn)定國有銀行的流動性水平，為其他中小銀行提供良好發(fā)展的條件，讓整個金融市場充滿活力。

在低閾值網(wǎng)絡(luò)中，華夏銀行、興業(yè)銀行、交通銀行和中信銀行等股份制銀行排名靠前，這表明在經(jīng)濟衰退時，這些銀行處于易受攻擊地位。這可能是因為在外部環(huán)境不穩(wěn)定時，大型國有銀行由于規(guī)模大，有國家信用支持，具有“大而不倒”的特點，而股份制銀行相較國有銀行抗風(fēng)險的能力稍顯遜色，享有的政府擔(dān)保較弱，易受總體經(jīng)濟環(huán)境變化的影響。此時，需加強監(jiān)測和管理股份制銀行的流動性狀況，及時發(fā)現(xiàn)異常并加以處理，避免流動性風(fēng)險在整個銀行體系內(nèi)傳染。

此外，中國農(nóng)業(yè)銀行的易受攻擊性在高低閾值網(wǎng)絡(luò)中排名均靠后，這與中國農(nóng)業(yè)銀行在樣本銀行中流動性風(fēng)險水平綜合指標較低（0.0287）有關(guān)，其值僅高于寧波銀行（0.0222），且遠小于樣本銀行風(fēng)險水平最高的上海銀行（0.0702）。實際上，中國農(nóng)業(yè)銀行鄉(xiāng)鎮(zhèn)網(wǎng)點遠超其他銀行，縣域金融優(yōu)勢明顯。隨著中國城市化進程的加速，農(nóng)村經(jīng)濟迅速發(fā)展，農(nóng)民收入不斷提升。而中國農(nóng)業(yè)銀行不斷強化三農(nóng)服務(wù)，注重農(nóng)戶的儲蓄和消費需要，吸引了廣大農(nóng)戶群體存款，這使得即使在大多數(shù)銀行存款壓力較大的情況下，中國農(nóng)業(yè)銀行仍具有很大的存款成本優(yōu)勢，更能保證自身流動性的充足，提高自身抵御流動性風(fēng)險傳染的能力。

（三）子群研究

1.塊模型分析

對流動性風(fēng)險聯(lián)系強度原矩陣運用塊模型分析（CONCOR），輸出R2為0.627（gt;0.5），說明分群效果良好，分塊結(jié)果見表5。根據(jù)大型國有銀行、股份制銀行、城商銀行、農(nóng)商銀行4種銀行屬性，本文將8個子群劃分為4類：1號為國有銀行、5號為股份制銀行、2和8號為城商銀行、其他為包含不同屬性銀行子群。分塊結(jié)果說明，2018年部分大型國有銀行以及部分城商銀行偏向內(nèi)部聯(lián)系，但也存在部分大型國有銀行、股份制銀行、城商銀行、農(nóng)商銀行的結(jié)合群體，具有結(jié)構(gòu)對等性，即在網(wǎng)絡(luò)中具有相似的流動性傳染機會，由此說明不同性質(zhì)之間的部分銀行保持著傳染聯(lián)系。

同時，計算得到塊模型密度矩陣的平均值為0.0014，并輸出像矩陣如表6。像矩陣說明1、2、3、5、6號子群均有內(nèi)部風(fēng)險傳染聯(lián)系，且1號大型國有銀行對3號國有和股份制銀行結(jié)合的子群有風(fēng)險傳染聯(lián)系，3號依次通過4、5號子群傳染風(fēng)險至6號，繼而6號子群對7、8號有明顯的風(fēng)險傳染作用。同時，1號國有銀行子群和包含交通銀行這一國有銀行的3號子群均受4、5、6號子群的流動性風(fēng)險傳染。綜上可知，我國商業(yè)銀行流動性風(fēng)險傳染的機制一環(huán)扣一環(huán)，大致傳染路徑為大型國有銀行→股份制銀行→城商銀行→農(nóng)商銀行，且其他性質(zhì)銀行會反作用于國有銀行。

2.E-I指數(shù)分析

本部分引入E-I分派指數(shù)，對未來不同經(jīng)濟狀況下不同銀行性質(zhì)的單類網(wǎng)絡(luò)進行子群內(nèi)外關(guān)系的分析，構(gòu)造E-I指數(shù)如下：

E-I=子群密度整群密度=EL-ILEL+IL（5）

其中，EL代表不同性質(zhì)銀行子群體之間的傳染流動性風(fēng)險強度，IL代表同一性質(zhì)銀行群體內(nèi)部的傳染流動性風(fēng)險強度。E-I指數(shù)取值范圍在[-1，1]之間。當(dāng)該值越靠近1，表示傳染關(guān)系越趨向于發(fā)生在子群體之外;當(dāng)該值越靠近-1，表示子群體之間的相對關(guān)系越少，傳染關(guān)系越趨向于發(fā)生在群體之內(nèi)?？紤]到農(nóng)商銀行樣本較少，本文在子群研究中偏重于其他屬性的銀行。E-I指數(shù)的結(jié)果如表7、表8。

由表7可知，單類網(wǎng)絡(luò)的子群內(nèi)部關(guān)系以及子群間的關(guān)系在高低閾值情況下存在較大差異。高閾值時不同性質(zhì)銀行群體密度較低，說明商業(yè)銀行在經(jīng)濟繁榮時風(fēng)險聯(lián)系不緊密;低閾值時不同性質(zhì)銀行群體密度較高，說明在經(jīng)濟不景氣時銀行間聯(lián)系緊密，且高、低閾值下E-I指數(shù)均為0.429（gt;0），說明流動性風(fēng)險偏向在不同性質(zhì)銀行群體之間傳染。

由表8可知，高閾值下股份制銀行相較國有制銀行、城商銀行，更偏向在不同性質(zhì)銀行間傳染流動性風(fēng)險，這說明經(jīng)濟繁榮時，股份制銀行在整體網(wǎng)絡(luò)中較為活躍，與不同性質(zhì)的銀行間聯(lián)系相對群體自身內(nèi)部聯(lián)系更多;低閾值下大型國有銀行更多偏向在不同性質(zhì)的銀行間傳染流動性風(fēng)險，其次為股份制銀行和城商銀行。

3.凝聚力子群分析

建立在互惠性基礎(chǔ)上的凝聚力子群主要是派系。對于二值有向網(wǎng)絡(luò)來說，“派系”指在同一團體中，成員之間的關(guān)系都是互惠的。由于研究的是互惠性，即兩成員的聯(lián)系是相互的，所以此處需將高低閾值的二值矩陣處理為以最小數(shù)為矩陣值的對稱方法。在經(jīng)濟繁榮（高閾值）或不景氣（低閾值）時，若某一群體風(fēng)險聯(lián)系緊密，風(fēng)險監(jiān)管主體應(yīng)給予足夠重視。

高閾值的凝聚力子群共得到3個派系，分別為{興業(yè)、北京、華夏、平安、浦發(fā)}、{交通、興業(yè)、華夏、光大}和{招商、興業(yè)、平安}，上述3個派系中包含較多股份制銀行，這說明股份制銀行應(yīng)成為經(jīng)濟繁榮時風(fēng)險監(jiān)管的重視對象，且3個派系都含有興業(yè)銀行，表明在經(jīng)濟繁榮時，管控此類銀行對防范風(fēng)險傳染具有重要作用。

低閾值的凝聚力子群共得到7個派系，規(guī)模為14或13，由群體共享成員方法可產(chǎn)生兩個群體，包括集合{中行、交通、招商、中信、興業(yè)、民生、北京、常熟、華夏、江蘇、南京、平安、浦發(fā)、光大、貴陽、工商、建設(shè)、上海、農(nóng)業(yè)}以及{杭州、寧波、成都}，這說明在低閾值時，除3家城商銀行，大部分銀行風(fēng)險聯(lián)系緊密，任兩家銀行傳染均可達。

結(jié)合圖7、8互惠關(guān)系樹形圖可知，在經(jīng)濟繁榮時，興業(yè)銀行處于風(fēng)險傳染中樞位置，風(fēng)險監(jiān)管應(yīng)予以重視;在經(jīng)濟不景氣時，因保留了大量聯(lián)系強度矩陣信息，互惠關(guān)系較多，風(fēng)險監(jiān)管應(yīng)著重控制聯(lián)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(jīng)濟繁榮還是衰退，監(jiān)管部門都需要關(guān)注作為中樞銀行的股份制銀行，降低流動性風(fēng)險傳染強度，維護經(jīng)濟穩(wěn)定發(fā)展。

四"結(jié)論及建議

鑒于商業(yè)銀行流動性風(fēng)險具有破壞性、隱蔽性、內(nèi)生性的特點，本文基于復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建商業(yè)銀行流動性風(fēng)險傳染的網(wǎng)絡(luò)模型，以彌補傳統(tǒng)計量方法無法刻畫風(fēng)險傳染的網(wǎng)絡(luò)特性的缺陷，使研究更貼近現(xiàn)實。本文以2018年我國22家商業(yè)銀行的樣本數(shù)據(jù)為基礎(chǔ)，分別對高閾值網(wǎng)絡(luò)（經(jīng)濟繁榮）和低閾值網(wǎng)絡(luò)（經(jīng)濟衰退）下的商業(yè)銀行流動性風(fēng)險的傳染機制和網(wǎng)絡(luò)特征進行了實證分析，得到如下結(jié)論。

第一，商業(yè)銀行流動性風(fēng)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(lián)系顯著，風(fēng)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(xiàn)在如下傳染路徑：大型國有銀行→股份制銀行→城商銀行→農(nóng)商銀行，且風(fēng)險具有反傳染性，即股份制等銀行也能將流動性風(fēng)險反傳染給大型國有銀行。就此兩類風(fēng)險傳染性質(zhì)而言，監(jiān)管部門若不加以政策干預(yù)，會導(dǎo)致惡性循環(huán)。

第二，高閾值網(wǎng)絡(luò)符合無標度特性，低閾值網(wǎng)絡(luò)符合小世界特性。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)分析，在經(jīng)濟繁榮時，流動性風(fēng)險傳染網(wǎng)絡(luò)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(jīng)濟不景氣時，流動性風(fēng)險傳染網(wǎng)絡(luò)具有小世界特性，其群體聯(lián)系緊密且中介銀行作用大，監(jiān)管部門既要關(guān)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(jié)果說明，高閾值網(wǎng)絡(luò)下多數(shù)國有銀行易受攻擊，低閾值網(wǎng)絡(luò)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(jīng)濟繁榮時多數(shù)大型國有銀行排名靠前，這說明其被傳染流動風(fēng)險的可能性越大;經(jīng)濟不景氣時股份制銀行排名靠前，則說明其易感染風(fēng)險。

第四，E-I分派指數(shù)表明不同性質(zhì)銀行更偏向于群體之間聯(lián)系。高閾值網(wǎng)絡(luò)下股份制銀行與其他性質(zhì)銀行的業(yè)務(wù)聯(lián)系頻繁，在整體網(wǎng)中活躍性較大，監(jiān)管重點應(yīng)在股份制銀行與其他性質(zhì)銀行的業(yè)務(wù)聯(lián)系上;低閾值網(wǎng)絡(luò)下國有銀行與其他性質(zhì)銀行的業(yè)務(wù)聯(lián)系頻繁，傳染關(guān)系偏向在它與其他性質(zhì)群體中發(fā)生，監(jiān)管重點應(yīng)在國有銀行與其他性質(zhì)銀行的業(yè)務(wù)聯(lián)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(dāng)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(jīng)濟狀況如何，股份制銀行既易主動傳染風(fēng)險，又易感染風(fēng)險，且其個體及群體均具有中樞作用。因此，經(jīng)濟繁榮時可重點監(jiān)控興業(yè)銀行，經(jīng)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(fēng)險，即可根據(jù)經(jīng)濟狀況縮小或擴大嚴格監(jiān)管范圍。

綜合上述結(jié)論，為加強流動性風(fēng)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(fēng)險，將《巴塞爾協(xié)議Ⅲ》的監(jiān)管要求同我國國情相結(jié)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(yīng)要求其整改，以有效預(yù)防銀行個體的流動性危機。第二，根據(jù)經(jīng)濟狀況不同，相關(guān)部門應(yīng)對特定性質(zhì)銀行采取相應(yīng)保護措施以應(yīng)對流動性風(fēng)險危機。經(jīng)濟繁榮時可通過豐富管理手段，實施主動資產(chǎn)負債管理等方法重點關(guān)注國有銀行以防御風(fēng)險;經(jīng)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(guān)注股份制銀行。同時，政府應(yīng)要求央行采取相應(yīng)補救措施以分別應(yīng)對風(fēng)險沖擊后的國有銀行和股份制銀行。第三，相關(guān)部門應(yīng)注重對銀行外部業(yè)務(wù)聯(lián)系的監(jiān)管，以防群體間的風(fēng)險傳染，即在經(jīng)濟繁榮時管控股份制銀行外部業(yè)務(wù)聯(lián)系，在經(jīng)濟不景氣時則管控國有銀行，并實時關(guān)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(jīng)貿(mào)，2005（12）：64-66.

[4]"彭建剛，易昊，童磊.基于系統(tǒng)性風(fēng)險防范的金融壓力測試新理念[J].湖南大學(xué)學(xué)報（社會科學(xué)版），2012（5）：37-43.

[5]"巴曙松，朱元倩.壓力測試在銀行風(fēng)險管理中的應(yīng)用[J].經(jīng)濟學(xué)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(fēng)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(nóng)村商業(yè)銀行流動性風(fēng)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(fēng)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(wǎng)絡(luò)結(jié)構(gòu)下銀行間傳染風(fēng)險研究[J].管理工程學(xué)報，2012（4）：71-76+99.

[13]林硯，陳志新.基于復(fù)雜網(wǎng)絡(luò)理論的金融網(wǎng)絡(luò)風(fēng)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(fēng)險傳染研究——基于復(fù)雜網(wǎng)絡(luò)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(wǎng)絡(luò)的流動性風(fēng)險傳染機制研究[J].安徽大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2017（4）：130-137.

[16]宋寧寧，韓華，吳翎燕.一種基于閾值構(gòu)建金融網(wǎng)絡(luò)的新方法[J].計算機工程與應(yīng)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(fù)雜網(wǎng)絡(luò)視角下系統(tǒng)性金融風(fēng)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(xué)金融與統(tǒng)計學(xué)院教授，博士生導(dǎo)師，經(jīng)濟學(xué)博士，研究方向：經(jīng)濟統(tǒng)計;金融統(tǒng)計與風(fēng)險管理。