復雜網絡視角下的金融市場結構演化與風險傳染

游鴿 郭昊 劉向

摘? ?要：以“復雜網絡”為視角，將金融市場抽象為多主體在時間與結構上無限延展關聯的復雜系統，有助于厘清金融市場宏觀整體與微觀主體之間的相互作用，有效研判金融市場的發展趨勢，對預測系統性金融風險的產生有重要意義。本文從拓撲結構、演化機制與風險傳染機制三個方面綜述了金融市場網絡研究的進展，從金融市場網絡的結構特征與演化機制兩個方面，總結了金融市場網絡結構的演化，從金融市場網絡結構對系統性金融風險的影響以及金融風險傳染模型方面，總結了金融市場網絡的風險傳染，并基于當前研究的不足指出未來的研究趨勢。

關鍵詞：金融市場;復雜網絡;演化;系統性風險;風險傳染

中圖分類號：F830? 文獻標識碼：A? 文章編號：1674-2265（2020）01-0030-10

隨著現代金融業的不斷發展，金融市場參與主體日益增多，逐步演化為政府、金融機構、企業組織與個人等多主體參與形成的，在時間與結構上無限延展關聯的復雜系統。如果將系統中各主體抽象為網絡節點，各主體之間的相互作用抽象為節點之間的連接線或邊，那么整個系統就可以抽象為多重節點關聯的復雜網絡。面對如此龐雜的金融網絡系統，要想對其發展趨勢做出準確的判斷已變得異常困難。傳統金融學理論基于超理想化、形式主義化、線性單一化假設的方法與現實金融系統的復雜性相互沖突，因此，其難以有效地預測金融危機的發生與系統性金融風險的影響。金融市場這種復雜性已使得傳統金融理論遇到了難以逾越的障礙，張衛國（2017）形象地將其稱為“新金融經濟學發展難以突破的瓶頸”。而利用復雜網絡的方法來研究金融市場網絡的拓撲結構及演化過程為解決這一難題提供了一種全新的研究思路。

早在20世紀90年代，學者們即開始探索利用復雜網絡的方法對金融市場的結構進行統計描述。例如Angelini等（1996）對意大利網絡系統中“多米諾骨牌效應”的潛在規模進行了實證評估，模擬結果顯示，4%的參與者結算失敗就足以引發系統性危機。Boss等（2004）基于實證分析，發現銀行間網絡遵循雙冪律度分布。Mouss（2011）對巴西金融機構網絡結構進行了實證分析，發現該網絡是明顯的無標度網絡，而不是小世界網絡。Cont（2013）實證統計的結果延續了Mouss的發現，并強調異質性在網絡結構中的貢獻以及對特定機構的交易對手風險集中度在解釋其系統重要性時的作用。Gai等（2011）構建了由24家英國銀行組成的銀行間拆借網絡，網絡統計結果顯示，其中5家大型銀行具有較高的網絡中心度，處于網絡的核心，剩下中小型銀行處于網絡的外圍，且不直接相連。Solorzano等（2013）根據2008年7月至2010年12月的每月風險暴露數據，構造了包括銀行、金融中介在內的墨西哥金融網絡，統計結果顯示，網絡結構與隨機網絡相近，且呈現層次性特征。陳少煒等（2016）繪制了我國銀行網絡的結構圖，結果顯示我國銀行網絡是一個擁有少數貨幣中心的三層結構特征網絡，并呈現出明顯的無標度特征。

基于上述實證統計的結果，部分學者開始探索使用數理模型來描述金融市場網絡的結構演化與風險傳染機制。例如Wan等（2006）基于實證統計分析的結果，提出了一個銀行網絡結構生成模型來解釋銀行網絡雙冪律度分布形成的機制。范宏等（2014）建立帶有宏觀經濟趨勢及多期清算的動態銀行網絡系統模型，提出了一種系統性風險的定量計算方法，仿真實驗得到的變化曲線有效地表現了系統性風險的累積過程。Aleksiejuk等（2001）引入了一種新的定向滲流模型，作為銀行系統中傳染過程和大規模破產的簡單表示，用隨機分布有向連接模擬模型中的貨幣流，模擬結果解釋了美國大蕭條期間由于少數銀行破產引發大規模銀行破產的現象。Allen等（2000）指出一個地區的小流動性偏好沖擊可能會在整個經濟中蔓延，蔓延的可能性很大程度取決于區域銀行間索賠結構的完整性，完整的銀行間索賠結構比不完整的結構更能抵御系統性風險的沖擊。Ladley等（2013）提出了一個封閉經濟的局部均衡模型，其中銀行的行為和銀行間利率確定是內生的，仿真結果表明銀行行為的內生特征和銀行間市場行為與現實中觀察到的特征非常吻合。賈彥東（2011）基于金融網絡風險擴散模型重點研究了金融機構間的風險分擔模式，結果顯示金融機構對整個系統的影響主要來自“直接貢獻”和“間接參與”兩個方面。陳建新等（2012）基于集合種群理論構建了銀行風險傳染模型，利用元細胞自動機方法對銀行風險傳染進行模擬分析，提出了脆弱性傳染的影響因素。

研究金融市場網絡結構及演化機制是探索金融市場發展趨勢的基礎，是捕獲金融風險的有效手段。盡管很多文獻對金融市場網絡拓撲結構及演化過程進行了研究，然而分散在不同的學科、研究團隊以及期刊上，因此關于金融網絡的研究，現在還沒有清晰的圖景。雖然一些早期的文獻綜述涵蓋了大量的研究，但是它們沒有基于某一研究宗旨來系統地匯總這些知識。因此，本文采用文獻梳理與系統分析的方法，圍繞防范系統性風險這一研究宗旨，深入探討金融市場網絡的結構與演化，分析當前研究的不足，并指出未來研究的重點。

一、基本概念與理論

（一）金融市場網絡的概念

金融市場是由貨幣市場、外匯市場、證券市場等多個子市場組成，并由金融機構、政府、企業組織與個人等多主體參與，在時間與空間上不斷演化形成的復雜系統（如圖1a所示）。在復雜網絡的視角下，本文將金融各子市場參與主體之間的復雜性關聯結構定義為金融市場網絡，因此，按照金融子市場間的差異，金融市場可以抽象為銀行間市場網絡、股票市場網絡、外匯市場網絡等多個子網絡相互關聯的復雜網絡結構（如圖1b所示）。金融市場網絡是一個集合概念，指的是金融市場參與主體之間相互關聯的一類網絡。在金融市場網絡中，節點一般代表政府、金融機構、企業組織與個人等金融市場參與主體;邊即表示金融市場參與主體間的連接關系。具體而言，在銀行間市場網絡中，邊即是銀行之間的同業拆借關系;在外匯市場網絡中，邊是指各國貨幣之間匯率波動的相關關系;在股票市場網絡中，邊是指企業股票之間的相關關系;而在證券文本網絡中，邊即是證券公司之間文本信息之間的交互關系。

金融市場網絡中新節點的加入，可理解為金融市場新主體的參與，金融市場網絡中各個節點之間的連接發生變更，可以理解為金融主體之間的關聯發生了改變。具體而言，例如銀行間網絡中，由于銀行間拆借關系的更新變動，網絡中節點間連接可以變化與重連（如圖2c所示）;股票市場網絡在時間的維度不斷有企業股票上市與退市，映射到網絡結構上，就是整個網絡隨著時間的演化不斷地有新節點進入與舊節點退出，所以股票市場網絡是無環的有向網絡（如圖2d所示）。

將網絡中邊的方向去除則是無向網絡;給連接邊賦權，則為加權網絡;假設節點狀態與網絡為動態演化的，則是動態網絡。目前針對金融市場網絡的研究多基于無向網絡，較少考慮動態性、方向性、權重以及節點的異質性。然而動態網絡、有向網絡、加權網絡、二分網絡更接近金融市場網絡演化的實際（見圖3），例如在銀行—企業信貸網絡中，整個網絡是由銀行與企業兩種不同性質的節點組成，是典型的二分網絡，并且該網絡在時間標度上存在明顯的動態性，網絡中各企業銀行之間連接強度的差異，使得整個網絡連接權重不一致，有明顯的加權網絡特征。因此，在金融市場網絡演化過程中，將有向性、加權性、動態性、二分性或多元性考慮進去要更加貼近實際，未來應對這幾個方面進行著重研究。

（二）理論來源與發展思路

對金融市場網絡結構的研究源于復雜網絡的研究框架。1998年Wattz和Strogatz提出的著名的小世界網絡以及1999年Barabási和Albert提出的無標度網絡為金融市場網絡的研究提供了理論與方法。之后關于金融市場網絡結構實證統計與演化模型的研究開始逐漸興起。

Boss等（2004）、Souma等（2012）、Soramaki等（2007）立足于金融市場網絡的實證統計分析，運用數理統計的方法對金融市場網絡的網絡密度、平均路徑長度、聚類系數、度分布（有向網絡包括入度分布與出度分布）等指標進行統計分析，用以描述現實金融網絡的拓撲結構特征。他們的工作開創了金融網絡實證統計的先河。目前針對不同金融市場網絡的實證統計研究取得了較大的進展，其中較具代表性的研究梳理如下：（1）對銀行市場間網絡的實證統計分析，除Boss、Souma、Soramaki作出的貢獻外，Becher等（2008）對英國各銀行清算自動支付系統網絡進行了實證統計，結果顯示其具有較低的連接度與平均路徑。Santos等（2010）通過實證研究發現巴西銀行間網絡的度分布服從冪律分布。（2）對銀行—企業間網絡的實證統計分析，Miranda等（2013）實證統計得出巴西公司—銀行貸款網絡的度分布遵循冪律分布。De Masi等（2011）統計發現由公司和銀行構建的日本信用網絡服從厚尾分布。（3）對股票市場網絡的統計分析，Lee等（2007）利用韓國股票市場中股票價格的互相關系構建了股票市場的關聯網絡，統計發現其度分布遵循冪律分布，且冪指數取決于相關系數的閾值。張來軍等（2014）構建收益率、成交量、市盈率的股票關聯網絡，統計發現股票收益率和成交量指標具有較強的關聯性，且具有小世界性;市盈率指標關聯性較弱，不具有小世界性。

另一種思路立足于模型的構建，基于這一思路的研究多聚焦于對金融市場網絡結構演化模型與風險傳染模型的研究，代表性的研究有以下幾種。（1）關于金融市場網絡結構演化模型的研究，萬陽松等（2007）提出了一個銀行間網絡結構演化模型，以此解釋銀行間網絡雙冪律分布形成的機制。Li等（2010）基于銀行間的信貸關系構建了銀行間市場的網絡增長模型，該模型可以較好地表征現實世界中銀行間市場網絡中無標度結構特征。（2）關于金融風險傳染模型的研究，Thurner等（2003）結合銀行間的風險傳染問題構建了基于風險共擔的銀行合作網絡動態博弈模型。Xu等（2016）提出了一種基于銀行代理行為的動態銀行間市場網絡模型，用于分析交易對手和流動性渠道的金融風險傳染。Jiang等（2018）提出了一種基于信息非對稱關聯的信用風險傳染模型，該模型能夠有效地反映個體間信用風險的傳染程度。

上述兩種思路各有優勢，前者針對大規模網絡實證分析具有優勢，便于從真實數據統計的角度定性地描述金融市場網絡的拓撲結構特征;后一思路從微觀的視角分析網絡結構中節點間作用機制、關聯規則以及網絡演化規律，用數學模型來描述網絡的結構生成與傳染，雖然能更好刻畫金融市場中各個主要參與主體的活動與演化過程，但由于金融市場的多主體性與復雜性，根據這一思路研究金融網絡演化模型較為困難。隨后對金融市場網絡結構和演化的研究基本上延續了這些差異。

二、金融市場網絡的結構

（一）不均勻性

不均勻性是金融市場網絡的一般拓撲結構特征。Boss、Souma、Soramaki、Becher、Santos等人較早開始了銀行間市場網絡的實證統計研究，發現其度分布服從冪律分布，呈現無標度特征。此外，Liu等（2012）、Cao等（2017）、劉海飛等（2018）實證統計發現股票市場網絡呈現無標度特征。莊新田等（2007）對上海證券市場網絡進行了統計分析，發現該網絡度分布服從冪律分布。秦春雷等（2015）分別對金融危機前、中、后期的證券市場網絡結構變化做了統計，結果表明前期網絡聚類系數、平均度上升至較高水平，中期則基本持平波動較小，后期下降并停留在比前期高的水平。此外，王瑩等（2018）從多頻視角分析了由全球45種主要貨幣組成的外匯市場的網絡結構，研究發現外匯市場網絡呈現無標度特征。

上述針對銀行間市場、股票市場、證券市場、外匯市場等金融子市場網絡的實證統計發現它們表現出一個共同特征，即無標度特征，網絡中一些節點連接度較高，而其他大量的節點具有較低連接度，在宏觀上呈現出“富者更富”的馬太效應，體現了網絡極大的不均勻性。關于無標度網絡的應用研究，黃瑋強等（2008）利用上證與深證指數分別構建了滬深市場的無標度網絡模型。李進等（2009）基于上市公司之間交叉持股關系構建了利己連接規則的無標度網絡。

（二）小世界結構

小世界特征是金融市場網絡另一重要的拓撲結構特征。Vivier-Lirimont（2004）通過銀行間關系網絡分析了銀行間借貸模型，然后解釋了自20世紀80年代金融自由化進程開始以來銀行網絡的密集化，這為金融市場網絡小世界現象奠定了理論基礎。之后Boss、Soramaki等（2010）陸續發現銀行間市場網絡的小世界性。Bech等人通過美國聯邦基金市場網絡的拓撲結構進行統計分析，發現基金市場的小世界現象。Gao等（2013）利用滑動窗口技術對動態的股票市場網絡進行統計分析，結果表明，隨著時間的推移，股票市場網絡具有強大的小世界屬性。此外，國內學者張驥等（2017）實證統計發現2015年股災背景下的中國證券市場網絡結構具有明顯的小世界性。韓東梅等（2014）統計發現國際證券市場的網絡具有顯著的小世界性。

上述文獻表明金融市場網絡普遍存在小世界現象，小世界原理是金融市場網絡中各主體之間緊密關聯的具體表現，高聚類系數和短平均路徑實現了金融大世界向小世界的轉換，而小世界網絡模型不僅很好地描述了金融市場網絡內部密切的關聯性，也為金融市場小世界網絡的結構生成提供了實現方式。關于小世界網絡的應用性研究，Chen等（2007）利用多主體仿真技術開發了Watts-Strogatz網絡仿真模型，指出該仿真模型有望在未來分析金融市場中小世界資產現象時呈現較好的效果。李旲等（2012）利用小世界網絡模擬金融市場全局信息下的投資人基于社會網絡的決策機制。

三、金融市場網絡的演化

（一）無標度特征的生成機制

近年來，金融市場網絡結構特征的實證研究發現銀行間市場網絡、股票市場網絡、證券市場網絡等都具有明顯的無標度特征。1999年無標度網絡模型（BA模型）被提出，其構造算法如下：（1）增長，初始網絡存在m0個節點，且節點的度之和為kmo。（2）擇優連接，以概率p將新節點與一個已存節點i相連，連接的概率Π（i）與節點i的度ki成正比（度擇優連接），故其擇優連接概率Π（i）= ki /Σ kj，故在t時間步，它的連接度變化率為：?ki/?t=xki/Σkj，求解得到P（k）∝2m2k-3。這表明其度分布是接近冪率為3的分布。利用Matlab構建初始網絡節點為4，每次加入一個節點，以連接概率p與其中一個節點相連，設置時間步t=25，最終得到節點數為25的網絡圖（見圖4，其中圖4i中p=0.1，圖4j中p=0.3，圖4k中p=0.5）。

BA網絡及其改進模型雖然有效地刻畫了金融市場網絡的內部結構特征及其演化規律，但是實際金融市場中由于參與主體間連接更趨復雜，使得真實網絡演化過程與BA模型存在差異。表現在：BA網絡是基于度擇優連接規則構建的網絡，從而使得其在宏觀上呈現出“馬太效應”，然而真實的金融市場網絡節點更偏好于適應度較好的節點連接，也就是說一個金融機構更愿意與穩健性好、抗風險能力強的金融機構產生關聯。因此，真實的金融市場網絡結構與演化要比BA無標度網絡更趨復雜性。

（二）小世界結構的演化機理

小世界網絡結構闡述了金融市場中各參與主體間關聯的緊密性，小世界網絡模型（WS模型）構造算法如下：（1）規則網絡。一個最近鄰耦合環形網絡有N個節點，每個節點都跟它左右相鄰各K/2節點相連（K為偶數）。（2）隨機重連。以概率p隨機重連網絡中的每條邊，其中，每個節點不能與自身相連，任意兩個節點間至多能有一條邊，由此而形成的低平均路徑長度、高聚類系數的網絡即為小世界網絡。運用Matlab構建網絡節點數為20，隨機重連概率為p，最終得到節點數為20的網絡圖（見圖5，圖5m中p=0.1，圖5l中p=0.5，圖5n中p=1）。

WS模型雖然很好地描述了小世界網絡的規則性與隨機性，但該模型借助斷邊與隨機重連來構造網絡易破壞網絡的連通性。為了解決這一問題，Newman 和Wattz（1999）提出了NW小世界網絡模型，利用隨機加邊來構造小世界網絡，很好地解決了因為連接邊的斷連致使連通性破壞的問題。之后Newman還提出了其他的小世界改進模型。

上述小世界網絡構造模型及其改進模型雖然有效地描述了金融市場網絡較低平均路徑長度與較高聚類系數的特性，但是其與實際金融市場網絡的演化過程存在很大的差異，主要涉及如下兩點：（1）金融市場網絡是一個在時間標度上節點與連接邊動態增長的網絡，銀行市場網絡、股票市場網絡與外匯市場網絡都是如此，而上述模型都是在既定節點數的規則網絡上構建的，沒有考慮節點的增長。（2）金融市場網絡中邊的連接一般圍繞特定的資本市場或者區域，進入市場的新的主體通常會連接特定資本市場的或者區域的舊主體，而并不是如WS、NW模型中簡單的隨機連接一般。

（三）演化模型

考慮金融市場網絡節點連接數增長的特征，Philippas等（2015）構建了具有優先連接和增長的銀行間市場無標度網絡，并應用模擬的銀行間數據來捕獲網絡中連接的大小和規模，使得整個網絡更加契合實際銀行網絡。Jiang等（2008）基于無標度網絡框架構建了金融產業集群的機構生成模型，該模型描述了在復雜社會行為下金融市場產業集群的生成機制。Lux（2015）研究了銀行間市場簡單動態模型中核心—邊緣結構的形成。He等（2016）構建了企業銀行代理人的內生信用網絡模型，該模型描述了企業—企業、企業—銀行和銀行—銀行之間內生的信貸關系。任小葉等（2014）基于表征異質投資群體結構的無標度網絡的自組織金融模型，通過投資者在交易規則約束下的自組織聚簇行為，模擬金融市場的動態演化過程。

金融市場網絡一般具有高聚類性，具有局域演化的特征。這是由于金融市場包括眾多的細分子市場，且具有明顯的區域特征，因此金融主體相關聯的過程一般是圍繞特定的資產市場或區域。為解決這一問題，Li和Chen（2003）提出了基于隨機選取的局域世界演化網絡模型。這一模型可以很好地應用于區域與地方金融的研究。

四、金融市場網絡的風險傳染

（一）金融市場網絡結構對系統性風險傳染的影響

金融市場網絡可看作是金融系統各組成部分復雜關聯關系的具體呈現，當金融風險在金融市場網絡中迅速擴散并出現“多米諾骨牌效應”，系統性風險由此產生，因此系統性風險與金融網絡結構特征是緊密相關的。本文通過對現有的文獻進行梳理與總結，發現學界普遍認同金融網絡結構是影響系統性風險傳染的關鍵因素這一觀點，但就金融網絡結構是如何影響金融系統性風險傳染的問題，目前尚沒有統一的認識，有些觀點甚至直接相悖（見表1）。例如，Allen等（2009）指出，完全連通結構網絡更具穩定性，能更好抵御系統性金融風險，而Mistrilli（2011）的觀點恰好與之相反，他認為在完全結構金融網絡中，系統性風險傳染概率更高。隋聰等（2016）認為網絡集中程度越高，風險傳染的可能性越小，而Lublóy（2005）認為網絡集中程度與系統性風險不存在單調關系。經分析造成這些差異的主要原因在于網絡結構的差異與系統性風險度量標準的不一致性，Allen等選取4家銀行構建銀行間網絡，而Mistrilli卻是以意大利銀行間雙邊風險敞口數據構建的銀行間網絡，再加上Allen與Mistrilli采用了不同的系統性風險度量方法，所以造成了雙方所得結論的巨大差異;同樣的原因也造成了隋聰與Lublóy研究結論的差異。當前金融網絡結構與系統性風險度量方法尚沒有統一標準，因此構建更加貼近真實情況的金融市場網絡，研究更加有效的系統性風險的度量方法，挖掘出不同金融情景下金融網絡結構與系統性風險的內在聯系依然是未來研究的重點。

（二）系統性金融風險傳染模型

考慮金融風險傳染機制，就不得不提到SIS與SIR這兩種經典的傳染病模型。自20世紀90年代以來，經濟學家開始利用新興傳染病的流行病學來解釋日益復雜的金融體系引發的沖擊擴散現象，之后關于此方面的研究逐漸興起。例如，Leitner等（2005）構建了動態銀行網絡風險傳染救助模型，并將最優網絡規模應用于銀行系統間的聯合責任安排和支付系統。Haldane等（2011）基于生態食物網的動態、傳染病傳播模型構建了金融系統風險傳染模型，探討了在簡化金融網絡模型中復雜性和穩定性之間的相互作用情況下，從這些模型中獲取一些政策建議，以期減少系統性風險的發生。Arinaminpathy等（2012）提出了一種動態銀行系統風險傳染模型，該模型在傳染病模型之上引入了用于捕捉系統中不穩定“信心”的機制，研究發現在對較大的銀行施加比較小銀行更為嚴格的資本要求情況下，可以有效減少系統中的不穩定“信心”，以此增加網絡的彈性。Peckham（2014）建立全球金融危機傳染模型，并指出在全球環境下追蹤金融系統與生物系統中“傳染”的概念對于理解風險的相互關聯特征顯得越來越重要。羅剛等（2015）基于SI模型提出擔保網絡的風險傳播模型，并利用某金融機構的真實數據對模型進行了驗證，研究發現網絡的拓撲結構決定網絡抵御系統性風險的能力。胡志浩等（2017）將傳播動力模型SIRS引入無標度金融網絡中，探討了模型參數——感染率、治愈率、免疫失效率和網絡緊密度對風險傳染的影響。

五、研究述評與研究趨勢

（一）研究述評

本文主要從研究方法與內容兩個方面對當前金融市場網絡結構與演化的研究進行評述。

在研究方法上：（1）目前關于金融市場網絡的研究更多的還是基于Boss、Souma、Soramaki等人的實證統計視角，多是描述性、實證性的研究，然而利用數理模型來揭示金融市場網絡結構演化與風險傳染機制的研究還較少，并且關于這方面的研究多是系統動力學、物理統計背景的專家學者，金融領域的專家學者則較少，因此對金融市場網絡結構演化與風險傳染模型的研究還有較大的空間。（2）金融市場網絡是一個多主體參與的動態網絡，借助動態網絡、加權網絡、二分網絡、多元復雜網絡的方法更能準確地刻畫金融市場網絡的演化過程，但是目前綜合這四個方面的金融市場網絡的研究尚未出現。

在研究內容上：（1）目前關于金融市場網絡的研究多聚焦于網絡拓撲結構的實證統計上，關于金融市場網絡動態演化過程的研究過少。研究金融市場網絡的結構與演化機制是探索金融市場發展趨勢的基礎，需加強此方面的研究。（2）目前關于金融網絡結構研究集中在小世界、無標度等幾種典型的網絡特征之上，更加細致的結構（例如社區、模體）分析的研究較少。無標度網絡與小世界網絡雖然在一定程度上可以刻畫網絡的演化過程，但實際金融市場網絡節點的連接更加復雜，研究更加貼近金融市場網絡演化過程的網絡模型將是未來的研究重點。（3）由于金融網絡結構的差異以及系統性金融風險度量方法的不一致性，使得學術界關于金融網絡結構如何影響系統性風險傳染的問題尚未達成共識，這給進一步研究留有較大空間。針對不同的金融情景，構建更加貼近真實情況的金融網絡，研究更為適用的系統性風險度量方法，挖掘金融網絡結構與系統性風險傳染的內在關聯依然是未來的研究重點。（4）目前關于金融市場網絡傳染模型的研究多基于SIS與SIR經典傳染病模型及其改進模型，而該模型忽略了金融市場主體之間的差異以及主體之間的關聯強度，簡化了金融網絡中復雜性和穩定性之間的相互作用，基于金融主體相對權重的網絡傳播模型更貼近真實的金融市場網絡傳播行為，然而目前此方面的研究還較少。

（二）研究趨勢

上文提到的不足之處都是未來發展的重點，下面將從三個方向考察金融市場網絡未來發展的趨勢。（1） 金融市場網絡結構生成機制研究。金融市場網絡生成機制研究關注于金融市場動態演化過程中參與主體之間的相互作用。考察金融市場網絡結構生成機制，是分析金融市場發展脈絡的基礎，是探索金融市場發展趨勢的基礎。通過研究金融網絡生成機制可以有效地詮釋網絡內主體間的相互作用與網絡外部表現之間的聯系。（2）金融市場網絡演化模型的研究。演化模型是金融市場網絡內部作用與演化過程的數理表達，它是分析金融市場發展脈絡的基礎，也是探索金融市場發展趨勢的基礎。研究出能夠刻畫金融市場在時間維度上結構的演變，反映金融市場宏觀資產市場與區域金融的變化演化模型將是未來的趨勢。（3）金融市場網絡中系統性風險傳染機制研究。對系統性風險傳染機制的研究可以有力地解釋金融危機從“小沖擊”到“大危機”的演變，并揭示了系統性風險微觀成因與宏觀成因之間的內在聯系。從網絡演化的視角研究金融風險的傳染機制，雖能從全局的視角把控系統性風險的傳染問題，但現有的研究過于簡化金融市場主體以及他們之間的復雜性關系，以至于構建的傳染模型不足以表征現實金融市場網絡的復雜性，并且現有的傳染模型主要聚焦于傳染的機理與傳染過程，較少關注風險源頭，因此，聚焦于風險源構建更貼近真實金融市場網絡的傳染模型將是未來的研究重點。

參考文獻：

[1]Bouchaud J P. 2008. Economics Needs a Scientific Revolution[J].Nature，455（7217）.

[2]Farmer J D，Foley D. 2009. The Economy Needs Agent-based Modelling.[J].Nature，460（7256）.

[3]Ruhl J B. 2016. Financial Complexity：Regulating Regulation[J].Science，352（6283）.

[4]Battiston S，Farmer D，F.ache A，et al. 2016. Financial Complexity：Accounting for Fraud--Response[J].Science，352（6283）.

[5]AngeliniI P，Maresca G，Russo D. 1996. Systemic Risk in the Netting System[J].Journal of Banking&Finance，20（5）.

[6]Boss M，Elsinger H，Summer M，et al. 2004. Network Topology of the Interbank Market[J].Quantitative finance，4（6）.

[7]Moussa A. 2011. Contagion and Systemic Risk in Financial Networks[D].New York：Columbia University.

[8]Cont R，Moussa A，Santos E B. 2013. Network Structure and Systemic Risk in Banking Systems[J].Social Science Electronic Publishing.

[9]Gai P，Haldane A，Kapadia S. 2011. Complexity，Concentration and Contagion[J].Journal of Monetary Economics，58（5）.

[10]Solorzano-Margain J P，Martinez-Jaramillo S，Lopez-Gallo F. 2013. Financial Contagion：Extending the Exposures Network of the Mexican Financial System [J].Computational Management Science，10（2-3）.

[11]Wan Y，Chen Z，Liu Z. 2006. Modeling the Two-power-law Degree Distribution of Banking Networks[J].Dynamics of Continuous Discrete and Impulsive Systems-Series B-Applications & Algorithms，13（3/4）.

[12]Aleksiejuk A，Holyst J A. 2001. A Simple Model of Bank Bankruptcies[J].Physica A Statistical Mechanics & Its Applications，299（1）.

[13]Allen F，Gale D. 2000. Financial Contagion[J].Journal of Political Economy，108（1）.

[14]Ladley D. 2013. Contagion and Risk-sharing on the Inter-bank Market[J].Journal of Economic Dynamics & Control，37（7）.

[15]Donaghy K P. 2000. Financial Networks：Statics and Dynamics[J].Journal of Regional Science，40（3）.

[16]Boccaletti S，Latora V，Moreno Y，et al. 2006. Complex Networks：Structure and Dynamics[J].Physics reports，424（4）.

[17]Watts D J，Ssrogatz S H. 1998. Collective Dynamics of“Small-world” Networks[J].Nature，393（6684）.

[18]Barabasi Si A L，Albert R. 1999. Emergence of Scaling in Random Networks[J].Science，286（5439）.

[19]Souma，Wataru，Fujiwara，et al. 2012. Complex Networks and Economics[J].Physica A Statistical Mechanics & Its Applications，324（1）.

[20]Soramaki K，Bech M L，Arnold J，et al. 2007. The Topology of Interbank Payment Flows[J].Physica A-statistical Mechanics & Its Applications，379（1）.

[21]Becher C，Millard S，Soramaki K. 2008. The Network Topology of CHAPS Sterling[J].Bank of England Quarterly Bulletin.

[22]Santos E B，Cont R. 2010. The Brazilian Interbank Network Structure and Systemic Risk[R].Central Bank of Brazil ：Tech Rep.

[23]Miranda R，Tabak B. 2013. Contagion Risk Within Firm-bank Bivariate Networks[R].Central Bank of Brazil： Research Department.

[24]De Masi G，Fujiwara Y，Gallegati M，et al. 2011. An Analysis of the Japanese Credit Network[J].Evolutionary&Institutional Economics Review，7（2）.

[25]De Masi G，Gallegati M. 2012. Bank-firms Topology in Italy[J].Empirical Economics，43（2）.

[26]Lee K E，Lee J W，Hong B H. 2007. Complex Networks in a Stock Market[J].Computer Physics Communications，177（1）.

[27]Li S，He J，Zhuang Y. 2010. A Network Model of the Interbank Market[J].Physica A Statistical Mechanics & Its Applications，389（24）.

[28]Thurner S，Hanel R，Pichler S. 2003. Risk Trading，Network Topology and Banking Regulation[J].Quantitative Finance，3（4）.

[29]Xu T，He J，Li S. 2016. Multi-channel Contagion in Dynamic Interbank Market Network[J].Advances in Complex Systems，19（06n07）.

[30]Jiang S S，Fan H，Xia M. 2018. Credit Risk Contagion Based on Asymmetric Information Association[J].Complexity，DOI： 10.1155/2018/2929157.

[31]Liu X F，Tse C K. 2012. A Complex Network Perspective of World Stock Markets：Synchronization and Volatility[J].International Journal of Bifurcation and Chaos，22（06）.

[32]Cao G，Shi Y，Li Q. 2017. Structure Characteristics of the International Stock Market Complex Network in the Perspective of Whole and Part[J].Discrete Dynamics in Nature and Society，3（1）：1-11.

[33]Vivier-Lirimont S. 2004. Interbanking Networks：Towards a Small Financial World？[R].Paris：Université Panth

éon-Sorbonne.

[34]Bech M L，Atclay E. 2010. The Topology of the Federal Funds Market[J].Physica A Statistical Mechanics & Its Applications，389（22）.

[35]Gao Y C，Wei Z W，Wang B H. 2013. Dynamic Evolution of Financial Network and Its Relation to Economic Crises[J].International Journal of Modern Physics C，24（02）.

[36]Chen Y W，Zhang L F，Huang J P. 2007. The Watts Strogatz Network Model Developed by Including Degree Distribution：Theory and Computer Simulation[J].Journal of Physics A Mathematical & Theoretical，4023（29）.

[37]Newman M E J，Watts D J. 1999. Renormalization Group Analysis of the Small-world Network Model[J].Physics Letters A，263（4-6）.

[38]Newman M E J. 2003. The Structure and Function of Complex Networks[J].Siam Review，45（2）.

[39]Philippas D，Koutelidakis Y，Leontitsis A. 2015. Insights into European Iinterbank Network Contagion[J].Social Science Electronic Publishing，41（8）.

[40]Jiang J，Li W，Cai X. 2008. Cluster Behavior of a Simple Model in Financial Markets[J].Physica A Statistical Mechanics&Its Applications，387（2）.

[41]Lux T. 2015. Emergence of a Core-periphery Structure in a Simple Dynamic Model of the Interbank Market[J].Journal of Economic Dynamics & Control，52.

[42]He J，Sui X，Li S. 2016. An Endogenous Model of the Credit Network[J].Physica A Statistical Mechanics & Its Applications，441（2）.

[43]Li X，Chen G. 2003. A Local-world Evolving Network Model[J].Physica A Statistical Mechanics & Its Applications，328（1）.

[44]Hasman A，Samartin M. 2008. Information Acquisition and Financial Contagion[J].Journal of Banking & Finance，32（10）.

[45]Alien F，Babus A. 2009. Networks in Finance[J].The Network Challenge：Strategy，Profit，and Risk in an Interlinked World，367（10）.

[46]Mistrulli P E. 2011. Assessing Financial Contagion in the Interbank Market：Maximum Entropy Versus Observed Interbank Lending Patterns[J].Journal of Banking&Finance，35（5）.

[47]Degryse H，Nguyen G. 2004. Interbank Exposure： An Empirical Examination of Systemic Risk in the Belgian Banking System[J].Social Science Electronic Publishing，4（2）.

[48]Gai P，Kapadia S. 2010. Contagion in Financial Networks[J].Proceedings of the Royal Society A：Mathematical，Physical and Engineering Sciences，466.

[49]Li S. 2011. Contagion Risk in an Evolving Network Model of Banking Systems[J].Advances in Complex Systems，14（05）.

[50]Nier E，Yang J，Yorulmazer T，et al. 2007. Network Models and Financial Stability[J].Journal of Economic Dynamics and Control，31（6）.

[51]May R M，Arinaminpathy N. 2009. Systemic Risk： the Dynamics of Model Banking Systems[J].Journal of the Royal Society Interface，7（46）.

[52]Acemoglu D，Ozdaglar A，Tahbaz-Salehi A. 2015. Systemic Risk and Stability in Financial Networks[J].American Economic Review，105（2）.

[53]Lublóy á. 2005. Domino Effect in the Hungarian Interbank Market[J].Hungarian Economic Review，52（4）.

[54]Lenzu S，Tedeschi G. 2012. Systemic Risk on Different Interbank Network Topologies[J].Physica A：Statistical Mechanics and its Applications，391（18）.

[55]Kermack W O，Mckendrick A G. 1927. A? Contribution to the Mathematical Theory of Epidemics[J].Proceedings of the Royal Society of London.Series A，Containing papers of a Mathematical and Physical Character，115（772）.

[56]Kermack W O，Mckendrick A G. 1932. Contributions to the Mathematical Theory of Epidemics.II.—The Problem of Endemicity[J].Proceedings of the Royal Society of London.Series A，Containing Papers of a Mathematical and Physical Character，138（834）.

[57]Leitner Y. 2005. Financial Networks：Contagion，Commitment，and Private Sector Bailouts[J].The Journal of Finance，60（6）.

[58]Haldane A G，May R M. 2011. Systemic Risk in Banking Ecosystems.[J].Nature，469（7330）.

[59]Arinaminpathy N，Kapadia S，May R M. 2012. Size and Complexity in Model Financial Systems[J].Proc Natl Acad Sci U S A，109（45）.

[60]Peckham R. 2014. Contagion：Epidemiological Models and Financial Crises[J].Journal of Public Health，36（1）.

[61]林福永，孫凱.復雜網絡關系流與行為關系定理——一般系統結構理論在復雜網絡中的應用[J].系統工程理論與實踐，2007，27（9）.

[62]張衛國.金融復雜系統的演化與控制研究[M].北京：科學出版社，2017.

[63]陳少煒，李旸.我國銀行體系的網絡結構特征——基于復雜網絡的實證分析[J].經濟問題，2016，53（8）.

[64]范宏.動態銀行網絡系統中系統性風險定量計算方法研究[J].物理學報，2014，63（3）.

[65]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）.

[66]陳建新，羅偉其，龐素琳.銀行風險傳染的集合種群模型——基于元胞自動機的動態模擬[J].系統工程理論與實踐，2012，（3）.

[67]張來軍，楊治輝，路飛飛.基于復雜網絡理論的股票指標關聯性實證分析[J].中國管理科學，2014，22（12）.

[68]萬陽松，陳忠，陳曉榮.復雜銀行網絡的宏觀結構模型及其分析[J].上海交通大學學報，2007，41（7）.

[69]劉海飛，柏巍，李冬昕，等.滬港通交易制度能提升中國股票市場穩定性嗎？——基于復雜網絡的視角[J].管理科學學報，2018，21（1）.

[70]莊新田，閔志鋒，陳師陽.上海證券市場的復雜網絡特性分析[J].東北大學學報（自然科學版），2007，28（7）.

[71]秦春雷，張巍，朱艷春.金融危機下證券市場網絡結構演化的實證分析[J].商業研究，2015，57（3）.

[72]王瑩.全球外匯市場網絡結構、貨幣影響力與貨幣社區[J].世界經濟研究，2018，288（2）.

[73]黃瑋強，莊新田，姚爽.中國股票關聯網絡拓撲性質與聚類結構分析[J].管理科學，2008，21（3）.

[74]李進，馬軍海.交叉持股行為的復雜性研究[J].北京理工大學學報（社會科學版），2009，11（4）.

[75]張驥，龍海明.基于系統性風險背景的證券市場網絡動態演化[J].求索，2017，14（4）.

[76]韓冬梅，王雯.復雜網絡視角下的國際證券市場結構特征分析[J].復雜系統與復雜性科學，2014，11（3）.

[77]李旲，曹宏鐸，邢浩克.基于復雜網絡少數者博弈模型的金融市場仿真研究[J].系統工程理論與實踐，2012，32（9）.

[78]任小葉，周佩玲.基于無標度網絡的自組織金融模型研究[J].中國科學技術大學學報，2014，44（1）.

[79]陳庭強，何建敏.基于復雜網絡的信用風險傳染模型研究[J].中國管理科學，2014，22（11）.

[80]范小云，王道平，劉瀾飚.規模，關聯性與中國系統重要性銀行的衡量[J].金融研究，2012，38（11）.

[81]隋聰，譚照林，王宗堯.基于網絡視角的銀行業系統性風險度量方法[J].中國管理科學，2016，24（5）.

[82]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，2010，22（4）.

[83]胡宗義，黃巖渠，喻采平.網絡相關性，結構與系統性金融風險的關系研究[J].中國軟科學，2018，8（1）.

[84]羅剛，趙亞偉，王泳.基于復雜網絡理論的擔保網絡風險傳播模式[J].中國科學院大學學報，2015，32（6）.

[85]胡志浩，李曉花.復雜金融網絡中的風險傳染與救助策略——基于中國金融無標度網絡上的SIRS模型[J].財貿經濟，2017，38（4）.