基于共同加權(quán)網(wǎng)絡(luò)的銀企信貸與銀行系統(tǒng)風(fēng)險(xiǎn)

郝清民 張 玲

(天津大學(xué),天津 300072)

一、引言及相關(guān)文獻(xiàn)回顧

COVID-19疫情以來，中國(guó)經(jīng)濟(jì)下行壓力加大，潛在風(fēng)險(xiǎn)隱患短期內(nèi)難以消除，局部金融風(fēng)險(xiǎn)加速積累。通過近幾年的結(jié)構(gòu)性去杠桿，商業(yè)銀行的貸款數(shù)據(jù)及其趨勢(shì)發(fā)生了顯著結(jié)構(gòu)性變化。四川、山西、遼寧多地的城商行出現(xiàn)合并現(xiàn)象。在此背景下，銀企之間的信貸業(yè)務(wù)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)有哪些影響？銀企貸款的信用網(wǎng)絡(luò)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的影響有多大？基于信用貸款構(gòu)建的信用網(wǎng)絡(luò)，如果再加上銀行內(nèi)部同業(yè)拆借內(nèi)部網(wǎng)絡(luò)，不同層級(jí)的金融網(wǎng)絡(luò)及其特征對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)有哪些影響？對(duì)這些問題的研究，對(duì)調(diào)整信貸結(jié)構(gòu)和抵御金融系統(tǒng)風(fēng)險(xiǎn)具有重要的理論意義和現(xiàn)實(shí)參考價(jià)值。

國(guó)內(nèi)外通過復(fù)雜網(wǎng)絡(luò)方法對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的研究主要集中在以下兩方面：

一是基于銀行系統(tǒng)內(nèi)部體系不同主體的復(fù)雜結(jié)構(gòu)性視角，建立銀行同業(yè)關(guān)聯(lián)網(wǎng)絡(luò)。相關(guān)研究多認(rèn)為銀行之間的高連通性可分散系統(tǒng)風(fēng)險(xiǎn)。(1)銀行網(wǎng)絡(luò)結(jié)構(gòu)的模擬和建模。Allen et al.(2000)運(yùn)用復(fù)雜網(wǎng)絡(luò)分析金融體系網(wǎng)絡(luò)結(jié)構(gòu)與風(fēng)險(xiǎn)間關(guān)系，認(rèn)為風(fēng)險(xiǎn)傳染與金融系統(tǒng)內(nèi)部關(guān)聯(lián)性有關(guān)、完全連接型比不完全連接型網(wǎng)絡(luò)能夠分擔(dān)更多的風(fēng)險(xiǎn)。Battiston et al.(2012)認(rèn)為銀行體系會(huì)出現(xiàn)太中心化而不倒的現(xiàn)象。Long et al.(2017)構(gòu)建銀行間市場(chǎng)網(wǎng)絡(luò)，發(fā)現(xiàn)隨機(jī)金融網(wǎng)絡(luò)比無規(guī)模網(wǎng)絡(luò)更具彈性。(2)基于銀行實(shí)際財(cái)務(wù)交易等的數(shù)據(jù)。Glasserman et al.(2015)認(rèn)為歐洲銀行體系的節(jié)點(diǎn)異構(gòu)、高杠桿、高連通性帶來的系統(tǒng)風(fēng)險(xiǎn)的放大沖擊比溢出效應(yīng)更重要。Nier et al.(2007)利用銀行資產(chǎn)負(fù)債表建立銀行網(wǎng)絡(luò)，發(fā)現(xiàn)低連通性增強(qiáng)傳染性，而在高連通性下,連通性增強(qiáng)能夠消化傳染性。Bats et al.(2020)認(rèn)為22國(guó)OECD數(shù)據(jù)銀行端融資結(jié)構(gòu)比市場(chǎng)端融資結(jié)構(gòu)更容易帶來系統(tǒng)風(fēng)險(xiǎn)。

二是基于銀行體系和外部企業(yè)的風(fēng)險(xiǎn)傳染性視角，研究銀行和企業(yè)的信貸網(wǎng)絡(luò)。銀行信用貸款使金融系統(tǒng)相互依賴形成復(fù)雜金融網(wǎng)絡(luò)(Allen et al.,2009)。銀企之間通過信用貸款業(yè)務(wù)形成復(fù)雜關(guān)系。銀企貸款網(wǎng)絡(luò)提供風(fēng)險(xiǎn)共擔(dān)機(jī)制，個(gè)體之間容易傳染形成銀行系統(tǒng)風(fēng)險(xiǎn)。企業(yè)違約通過貸款網(wǎng)絡(luò)傳播，但隨利率和時(shí)期具有相對(duì)穩(wěn)定模式。銀行與上市公司之間的復(fù)雜信貸網(wǎng)絡(luò)具有演化特征與風(fēng)險(xiǎn)傳染特征(張玲,2018)。銀行通過分散對(duì)外投資組合、降低銀行拆借比例，逐步緩解銀行系統(tǒng)風(fēng)險(xiǎn)(姚鴻 等,2019)。中國(guó)177家銀行數(shù)據(jù)顯示，銀行系統(tǒng)傳染性風(fēng)險(xiǎn)逐年提高，股份銀行會(huì)誘發(fā)系統(tǒng)風(fēng)險(xiǎn)；銀行間杠桿增加在面臨外部沖擊時(shí)期望損失與風(fēng)險(xiǎn)傳染更大，顯著提高銀行系統(tǒng)風(fēng)險(xiǎn)(楊子暉 等,2018)。

另外，與銀行系統(tǒng)風(fēng)險(xiǎn)有關(guān)的文獻(xiàn)方面。De Nicolo et al.(2004)的結(jié)論與Martinez-Miera et al.(2010)相似，認(rèn)為銀行間過度競(jìng)爭(zhēng)和金融過度自由化容易引發(fā)金融危機(jī)。Beck et al.(2006)構(gòu)建邏輯回歸模型，發(fā)現(xiàn)業(yè)務(wù)集中度與銀行危機(jī)有關(guān)系。Dasgupta(2004)建立銀行風(fēng)險(xiǎn)傳染模型，認(rèn)為銀行間持有資產(chǎn)同質(zhì)性降低銀行應(yīng)對(duì)流動(dòng)性風(fēng)險(xiǎn)能力。Iyer et al.(2011)通過檢驗(yàn)同業(yè)金融機(jī)構(gòu)之間的傳染，認(rèn)為經(jīng)營(yíng)情況較差的銀行受傳染性更大。Acemoglu et al.(2012)認(rèn)為金融創(chuàng)新一般要早于監(jiān)管識(shí)別，導(dǎo)致監(jiān)管缺乏和監(jiān)管放松，加重金融系統(tǒng)性風(fēng)險(xiǎn)。楊子暉等(2018)從網(wǎng)絡(luò)建模角度、陶玲等(2016)從指標(biāo)體系構(gòu)建等角度，對(duì)中國(guó)銀行的系統(tǒng)風(fēng)險(xiǎn)進(jìn)行了研究，將金融系統(tǒng)風(fēng)險(xiǎn)擴(kuò)散機(jī)制歸納為信貸緊縮、流動(dòng)性緊縮和資產(chǎn)價(jià)格波動(dòng)等機(jī)制。貨幣危機(jī)和銀行危機(jī)具有一定關(guān)系(馬恩濤 等,2019)。范小云等(2021)基于2007—2018年中國(guó)32家銀行季度數(shù)據(jù)，探索銀行業(yè)網(wǎng)絡(luò)的核心-外圍層次結(jié)構(gòu)，實(shí)證甄別中國(guó)的系統(tǒng)重要性銀行。

綜上，可以發(fā)現(xiàn)，由于銀行間實(shí)際數(shù)據(jù)匱乏，已有研究多通過理論模擬或者構(gòu)建數(shù)學(xué)網(wǎng)絡(luò)模型進(jìn)行模擬分析。已有部分實(shí)證研究中，主要依據(jù)十幾家上市銀行的信貸交易數(shù)據(jù)，無法提供翔實(shí)的銀企信貸數(shù)據(jù)。另外，已有銀行網(wǎng)絡(luò)的傳染性研究很少考慮銀行節(jié)點(diǎn)間不同權(quán)重關(guān)系，基于已有上市銀行數(shù)據(jù)還無法研究銀行系統(tǒng)貸款的網(wǎng)絡(luò)聯(lián)系特征。諸多限制導(dǎo)致銀行系統(tǒng)風(fēng)險(xiǎn)的研究亟需深入。

本文可能的邊際貢獻(xiàn)在于：(1)從信用貸款關(guān)系結(jié)構(gòu)性視角，不同于已有研究主要依賴十幾家上市銀行信貸數(shù)據(jù)。本文從企業(yè)端而不是銀行端，把約1400家上市公司的具體銀行貸款數(shù)據(jù)，通過歸總得到327家銀行總行級(jí)別，拓展了楊子暉等(2018)和范小云等(2021)的樣本空間。通過公司對(duì)應(yīng)銀行貸款關(guān)系，構(gòu)建銀行信貸共同網(wǎng)絡(luò)，彌補(bǔ)銀行間缺乏對(duì)應(yīng)實(shí)際連接數(shù)據(jù)的問題。(2)從銀行系統(tǒng)風(fēng)險(xiǎn)的傳染性視角，通過二分網(wǎng)絡(luò)方法，把企業(yè)和銀行間的借貸次數(shù)映射到銀行共同網(wǎng)絡(luò)；將銀行與不同企業(yè)的合作次數(shù)作為權(quán)重，為銀行共同網(wǎng)絡(luò)邊進(jìn)行賦值構(gòu)建加權(quán)網(wǎng)絡(luò)，延伸傳統(tǒng)復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)特性，加強(qiáng)外部公司貸款對(duì)銀行系統(tǒng)沖擊的權(quán)重分析。(3)通過分析2007—2016年銀企網(wǎng)絡(luò)結(jié)構(gòu)特性的動(dòng)態(tài)演進(jìn)，探究銀企網(wǎng)絡(luò)動(dòng)態(tài)結(jié)構(gòu)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的影響，以及信貸網(wǎng)絡(luò)傳染性對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的作用。

二、網(wǎng)絡(luò)模型構(gòu)建與數(shù)據(jù)

借鑒Albert et al.(2001)的二分網(wǎng)絡(luò)方法，根據(jù)公司J從銀行I的貸款數(shù)據(jù)，由兩類不同性質(zhì)節(jié)點(diǎn)構(gòu)建信用貸款網(wǎng)絡(luò)。用Ii、Jj(i=1,2,3,…,m;j=1,2,3,…,n)分別表示銀行Ii與公司Jj間借貸關(guān)系，建立銀企信貸二分網(wǎng)絡(luò)，如圖1a所示，并將圖1a銀企兩類節(jié)點(diǎn)二分網(wǎng)絡(luò)映射到圖1b以銀行為主的加權(quán)網(wǎng)絡(luò)。

圖1a是包含銀行和企業(yè)兩類主體的二分網(wǎng)絡(luò)。通過共同企業(yè)信貸業(yè)務(wù)將I1和I2銀行關(guān)系鏈接起來。I1和I2銀行通過J2、J4兩家公司4筆貸款業(yè)務(wù)，形成I1和I2銀行之間共同關(guān)系，映射方式到如圖1b所示。因此，兩個(gè)銀行間鏈接權(quán)重為兩個(gè)企業(yè)(J2、J4)，數(shù)值為2代表銀行共同借貸公司數(shù)量，依此構(gòu)建加權(quán)網(wǎng)絡(luò)。

在僅含銀行主體的共同貸款網(wǎng)絡(luò)(圖1b)中，節(jié)點(diǎn)代表銀行，邊代表兩銀行共同貸款關(guān)系。兩銀行通過共同的貸款公司計(jì)算出的總數(shù)作為共同網(wǎng)絡(luò)中邊的權(quán)值。企業(yè)向銀行的借款有固定還款日期，隨著新節(jié)點(diǎn)加入和舊節(jié)點(diǎn)消失，銀企信貸網(wǎng)絡(luò)成為動(dòng)態(tài)演化的銀行共同網(wǎng)絡(luò)。

(a)銀企二分網(wǎng)絡(luò) (b)銀行映射單頂點(diǎn)網(wǎng)絡(luò)

由于中國(guó)的上市銀行只有十幾家，其信貸數(shù)據(jù)已合并統(tǒng)計(jì)，難以具體分?jǐn)偟姜?dú)立的企業(yè)。此局限性從楊子暉等(2018)和范小云等(2021)的銀行數(shù)據(jù)可見。由于難以獲取非上市公司的信貸數(shù)據(jù)，而上市公司具有信息披露的法定義務(wù)，且占據(jù)大部分銀行貸款份額，因此選取中國(guó)1405家上市公司市場(chǎng)化的銀行貸款，從企業(yè)端反過來測(cè)算銀行對(duì)企業(yè)的貸款數(shù)據(jù)。

信貸數(shù)據(jù)選自CSMAR數(shù)據(jù)庫(kù)中2007年1月—2016年12月的上市公司的不同銀行分行和下級(jí)機(jī)構(gòu)貸款數(shù)據(jù)，其他數(shù)據(jù)來自東方財(cái)富網(wǎng)站和CNRDS數(shù)據(jù)。剔除大部分信息缺失的數(shù)據(jù)；剔除發(fā)款方不明確或?yàn)榉倾y行金融機(jī)構(gòu)數(shù)據(jù)。從法律權(quán)責(zé)視角，銀行總部對(duì)貸款違約負(fù)責(zé)，因此將分行貸款數(shù)據(jù)歸總到總行層面。將同年內(nèi)多家企業(yè)向多個(gè)銀行的貸款數(shù)據(jù)合并到總行級(jí)別。匯總見表1。

表1 銀企貸款網(wǎng)絡(luò)年度統(tǒng)計(jì)(2007—2016)

基于圖1的網(wǎng)絡(luò)映射方法，通過Kamada-Kaway算法(Albert et al.，2001)，采用Pajek軟件繪制圖2和圖3。可以發(fā)現(xiàn)，在信貸業(yè)務(wù)發(fā)展過程中，銀行信貸網(wǎng)絡(luò)逐步形成“核心-邊緣”層級(jí)結(jié)構(gòu)(范小云 等，2021)，國(guó)有商業(yè)銀行(菱形)和股份制商業(yè)銀行(三角形)處于網(wǎng)絡(luò)核心層級(jí)，其他銀行(圓形)處于邊緣層級(jí)。

(a)2007年銀企信貸網(wǎng)絡(luò)

(b)2016年銀企信貸網(wǎng)絡(luò)

由圖2a可見，2007年，中國(guó)銀企關(guān)系逐漸密集聯(lián)結(jié)，形成不同銀企的簇狀結(jié)構(gòu)，十幾家大型銀行處于簇狀根節(jié)點(diǎn)，大多數(shù)公司處于簇端。2016年,銀行網(wǎng)絡(luò)由簇狀結(jié)構(gòu)發(fā)展為更復(fù)雜銀企貸款共同網(wǎng)絡(luò),逐步形成很多城商行圍繞同一上市公司的“銀行扎堆的集團(tuán)貸款模式”。

由圖3a可見，向同一上市公司貸款而形成多銀行間共同信貸，出現(xiàn)以大型銀行為主的密集群落。群落之間的鏈接相比群落內(nèi)較稀疏。由圖3b可見，大量城商行涌現(xiàn)并向核心層遷移，形成中心銀行和城商行合作貸款的局域群落。銀行共同網(wǎng)絡(luò)結(jié)構(gòu)為局部網(wǎng)絡(luò)銀行風(fēng)險(xiǎn)的形成帶來一定影響。2007—2016年，隨著時(shí)間推移，部分城商行向網(wǎng)絡(luò)中心移動(dòng)，逐步形成新“系統(tǒng)重要性機(jī)構(gòu)”。當(dāng)遇到外部重大風(fēng)險(xiǎn)沖擊時(shí)，處于網(wǎng)絡(luò)核心的重要銀行通過高資本充足率可緩沖部分金融系統(tǒng)風(fēng)險(xiǎn)，而處于邊緣的銀行機(jī)構(gòu)，由于彼此的聯(lián)系較弱，通過對(duì)個(gè)別銀行實(shí)施破產(chǎn)清算，阻斷部分風(fēng)險(xiǎn)傳播。

(a)2007年銀行共同信貸網(wǎng)絡(luò)

(b)2016年銀行共同信貸網(wǎng)絡(luò)

三、銀行信貸數(shù)據(jù)的網(wǎng)絡(luò)特征

為進(jìn)一步細(xì)化銀行共同網(wǎng)絡(luò)特征，本文將不定期貸款按照月底時(shí)點(diǎn)匯總到法人銀行總行層面。對(duì)某些缺失月度數(shù)據(jù)，采用樣條插值方法進(jìn)行彌補(bǔ)。對(duì)銀行共同信貸網(wǎng)絡(luò)動(dòng)態(tài)演進(jìn)特征，通過月度時(shí)間序列的網(wǎng)絡(luò)特征值進(jìn)行分析。具體各個(gè)復(fù)雜網(wǎng)絡(luò)特性計(jì)算公式不再贅述。

(一)網(wǎng)絡(luò)凝聚性

圖5 2007—2016年共同信貸網(wǎng)絡(luò)的連通性

銀企共同網(wǎng)絡(luò)節(jié)點(diǎn)間凝聚性一般用聚集系數(shù)、網(wǎng)絡(luò)密度、k核等指標(biāo)來測(cè)度。聚集系數(shù)描述節(jié)點(diǎn)之間結(jié)集成團(tuán)的連接程度。網(wǎng)絡(luò)密度用網(wǎng)絡(luò)中實(shí)際存在的連線與所有可能出現(xiàn)的連線的比例來表示，其與網(wǎng)絡(luò)規(guī)模負(fù)相關(guān)。k核代表每個(gè)頂點(diǎn)的點(diǎn)度不小于k的最大子網(wǎng)絡(luò)(見圖4)。總體而言，銀行共同信貸網(wǎng)絡(luò)的凝聚性呈現(xiàn)減弱趨勢(shì)。

重要銀行k核上升說明銀行群落增加。銀行共同貸款網(wǎng)絡(luò)呈現(xiàn)小世界特性。k核上升加劇局域風(fēng)險(xiǎn)的傳播速度及其在局部群落中的影響程度。

(二)網(wǎng)絡(luò)連通性

網(wǎng)絡(luò)中任意兩點(diǎn)之間存在直接或間接的連通，將網(wǎng)絡(luò)中最大的具有連通特征的節(jié)點(diǎn)數(shù)量與網(wǎng)絡(luò)中節(jié)點(diǎn)總數(shù)之比稱為網(wǎng)絡(luò)連通比。城商行和農(nóng)村信用社受地理限制，網(wǎng)絡(luò)并不完全連通。圖5顯示，2007—2016年中國(guó)的銀行和上市公司間銀行共同信貸網(wǎng)絡(luò)中最大連通子圖所含節(jié)點(diǎn)數(shù)從20增長(zhǎng)到300多，網(wǎng)絡(luò)連通比從2007年的65%增長(zhǎng)到2016年的95%。這說明，中國(guó)銀行共同信貸網(wǎng)絡(luò)日趨復(fù)雜，銀行與企業(yè)間貸款聯(lián)系更加緊密，從而對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)傳染帶來巨大影響。

(三)網(wǎng)絡(luò)節(jié)點(diǎn)中心性

圖6 2007—2016年共同信貸網(wǎng)絡(luò)的中心性

在銀行系統(tǒng)中，重要性銀行的“太中心而不倒”比“大而不倒”更重要(Battiston，2012)。網(wǎng)絡(luò)中節(jié)點(diǎn)的點(diǎn)度中心勢(shì)、中介中心勢(shì)分別代表節(jié)點(diǎn)在網(wǎng)絡(luò)中的不同重要程度。如圖6所示，銀企共同網(wǎng)絡(luò)中，點(diǎn)度中心勢(shì)不斷增大，說明中國(guó)銀行系統(tǒng)中銀行數(shù)量越來越多，信貸業(yè)務(wù)量差異明顯。

2007—2016年間，網(wǎng)絡(luò)中介中心勢(shì)呈下降趨勢(shì)，說明由于眾多城商行的成立和加入銀行系統(tǒng)，大銀行的相對(duì)系統(tǒng)重要性在減低。貸款共同網(wǎng)絡(luò)的系統(tǒng)結(jié)構(gòu)由原來的簇狀結(jié)構(gòu)逐步向“去中心”化演變。

(四)網(wǎng)絡(luò)異質(zhì)性

從網(wǎng)絡(luò)的總體角度看，度相關(guān)性(Association)考察度值相近節(jié)點(diǎn)是否傾向互相連接。如果網(wǎng)絡(luò)度較大節(jié)點(diǎn)傾向于連接網(wǎng)絡(luò)度較大節(jié)點(diǎn)，說明網(wǎng)絡(luò)具有同質(zhì)性。總體上，若度大的節(jié)點(diǎn)傾向于連接度小的節(jié)點(diǎn)，說明網(wǎng)絡(luò)具有異質(zhì)性。銀行網(wǎng)絡(luò)度相關(guān)系數(shù)均小于0，絕對(duì)值呈上升趨勢(shì),銀行網(wǎng)絡(luò)呈現(xiàn)異質(zhì)性。實(shí)際貸款關(guān)系中，大上市公司可獲得不同規(guī)模銀行的資金貸款。小規(guī)模的城商行主要通過辛迪加貸款滿足大上市公司需求,從而降低貸款的信用風(fēng)險(xiǎn)。

綜上所述，2007—2016年，銀行間連接程度越來越高，范圍越來越廣，網(wǎng)絡(luò)連通度在不斷增大。網(wǎng)絡(luò)中心勢(shì)呈下降趨勢(shì)，銀行系統(tǒng)由幾個(gè)銀行控制的局面在不斷減弱。大型股份銀行之間存在相互貸款業(yè)務(wù)競(jìng)爭(zhēng)，小型城商行之間存在優(yōu)勢(shì)互補(bǔ)，銀行系統(tǒng)存在業(yè)務(wù)多元化發(fā)展趨勢(shì)。

四、網(wǎng)絡(luò)結(jié)構(gòu)與銀行系統(tǒng)風(fēng)險(xiǎn)

圖7 2008—2019年中國(guó)商業(yè)銀行不良貸款率

劉曉星等(2012)用信用加總權(quán)重法構(gòu)建中國(guó)銀行壓力指數(shù)FSI。陶玲等(2016)提出7個(gè)維度41個(gè)指標(biāo)金融系統(tǒng)風(fēng)險(xiǎn)指數(shù)。本文根據(jù)極值法構(gòu)建銀行系統(tǒng)壓力指數(shù)(FSI)，以評(píng)估銀行系統(tǒng)風(fēng)險(xiǎn)。由圖7可以看到，次貸危機(jī)以來中國(guó)銀行不良貸款率呈復(fù)雜變化趨勢(shì)，而銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)與銀行不良貸款率相關(guān)度較高。

如圖8所示，銀行系統(tǒng)壓力指數(shù)(FSI)與實(shí)際符合程度較高。在出現(xiàn)金融危機(jī)和壓力時(shí)，F(xiàn)SI出現(xiàn)不同程度上升。

本文以上述方法構(gòu)建的銀行業(yè)壓力指數(shù)(FSI)為因變量，以各項(xiàng)信貸網(wǎng)絡(luò)特性值Net分別為自變量，K為相關(guān)控制變量，構(gòu)建模型：

FSIt+1=b0+b1Neti,t+b2Ki,t+εt

其中：FSIt+1為第t+1時(shí)期的銀行系統(tǒng)壓力指數(shù)；b0為常數(shù)項(xiàng)；Neti,t為銀企共同貸款網(wǎng)絡(luò)第i種拓?fù)涮匦栽诘趖時(shí)期特征值，i∈{1,2,3,…}。

動(dòng)態(tài)角度，將網(wǎng)絡(luò)集聚性和連通性歸結(jié)為傳染性指標(biāo)。節(jié)點(diǎn)在網(wǎng)絡(luò)密集程度和鏈接關(guān)系中反映不同節(jié)點(diǎn)銀行間的關(guān)聯(lián)程度，代表風(fēng)險(xiǎn)在不同銀行之間的傳染性。

靜態(tài)角度，將中心性和異質(zhì)性歸結(jié)為網(wǎng)絡(luò)結(jié)構(gòu)性指標(biāo)。反映網(wǎng)絡(luò)結(jié)構(gòu)集散程度和業(yè)務(wù)多元化程度，代表網(wǎng)絡(luò)結(jié)構(gòu)性。

變量匯總見表2。

表2 變量匯總表

為降低趨勢(shì)和異方差回歸的影響，各變量取對(duì)數(shù)處理。描述性統(tǒng)計(jì)和相關(guān)系數(shù)見表3。

表3 描述性統(tǒng)計(jì)和相關(guān)系數(shù)

由表4列(1)可見，在不考慮貸款網(wǎng)絡(luò)特征影響時(shí)，貨幣市場(chǎng)的貨幣供應(yīng)和流動(dòng)性M1、實(shí)體經(jīng)濟(jì)的工業(yè)增加值IVA的增長(zhǎng)顯著降低銀行系統(tǒng)風(fēng)險(xiǎn)，而同業(yè)拆借利率SINBOR、房地產(chǎn)指數(shù)顯著增加銀行系統(tǒng)壓力。城市發(fā)展指數(shù)波動(dòng)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)影響不顯著，銀行理財(cái)數(shù)量指標(biāo)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)有顯著加強(qiáng)作用。

由表4列(2)～(6)可見，在加入銀企共同網(wǎng)絡(luò)特征值后，滯后一期的銀行系統(tǒng)壓力FSI1相對(duì)當(dāng)期FSI(列(7)～(11))而言，隨著時(shí)間遷移，貸款網(wǎng)絡(luò)各指標(biāo)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)影響有逐月降低趨勢(shì)。

由表4列(2)、(3)可見，傳染性指標(biāo)中，網(wǎng)絡(luò)連通比Prop降低了銀行系統(tǒng)壓力。這說明貸款占比的增加，加強(qiáng)了銀行與企業(yè)的聯(lián)系，對(duì)銀行系統(tǒng)壓力有緩釋作用，減少了系統(tǒng)傳染性風(fēng)險(xiǎn)。與傳統(tǒng)網(wǎng)絡(luò)分析結(jié)論不同，本文的網(wǎng)絡(luò)集聚系數(shù)CC1對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)影響不顯著，說明貸款網(wǎng)絡(luò)密集度對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的影響有限。

由表4列(4)、(5)可見，結(jié)構(gòu)性指標(biāo)中，中介中心勢(shì)C_Bet和度相關(guān)度Asso顯著增加銀行系統(tǒng)壓力。隨著眾多城商行的加入，較大銀行的貸款數(shù)相對(duì)減少，帶來中介化降低；度相關(guān)度Asso加大，異質(zhì)性貸款增多，顯著增加銀行系統(tǒng)的結(jié)構(gòu)性風(fēng)險(xiǎn)。貸款網(wǎng)絡(luò)的去中介化(如P2P貸款)和網(wǎng)絡(luò)異質(zhì)性(不同類型和規(guī)模貸款)顯著增加了銀行系統(tǒng)的壓力。

表4 網(wǎng)絡(luò)結(jié)構(gòu)與傳染性特征與銀行系統(tǒng)風(fēng)險(xiǎn)回歸結(jié)果

由表4列(6)可見，同時(shí)考慮四個(gè)主要網(wǎng)絡(luò)指標(biāo)時(shí)：從網(wǎng)絡(luò)傳染視角來看，網(wǎng)絡(luò)的聚集系數(shù)CC1和連通比Prop與銀行業(yè)系統(tǒng)壓力指數(shù)FSI負(fù)相關(guān)。說明貸款網(wǎng)絡(luò)的連通和集聚有助于降低銀行系統(tǒng)風(fēng)險(xiǎn)。從網(wǎng)絡(luò)結(jié)構(gòu)視角來看，網(wǎng)絡(luò)異質(zhì)性指標(biāo)Asso顯著加大銀行業(yè)系統(tǒng)壓力。說明大型與小型銀行加強(qiáng)業(yè)務(wù)聯(lián)絡(luò)，有助于緩解銀行系統(tǒng)壓力,降低銀行系統(tǒng)風(fēng)險(xiǎn)。

經(jīng)過對(duì)各個(gè)網(wǎng)絡(luò)指標(biāo)多次回歸嘗試后，連通比Prop和度相關(guān)性Asso對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)分別有負(fù)向和正向的獨(dú)立顯著影響。因此，兩指標(biāo)更適合作為檢測(cè)和調(diào)控銀行系統(tǒng)性風(fēng)險(xiǎn)的先行指標(biāo)。

除此之外，利率指標(biāo)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的正向作用中，當(dāng)期影響大于滯后期，具有“立竿見影”的即時(shí)影響效果。房地產(chǎn)指數(shù)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)有加強(qiáng)作用，時(shí)間差別不大，長(zhǎng)期的依存關(guān)系導(dǎo)致房地產(chǎn)和銀行系統(tǒng)風(fēng)險(xiǎn)同向變動(dòng)。工業(yè)增加值的變化顯著降低銀行系統(tǒng)風(fēng)險(xiǎn)，滯后期比當(dāng)期更有利于減輕銀行系統(tǒng)風(fēng)險(xiǎn)。公司從銀行貸款對(duì)雙方有積極作用，實(shí)體工業(yè)增長(zhǎng)對(duì)銀行業(yè)非常重要。

五、穩(wěn)健性檢驗(yàn)

為了避免數(shù)據(jù)變量選擇偏差問題，本文選擇不良貸款率NPL1代表銀行系統(tǒng)風(fēng)險(xiǎn)情況下的可能損益；同時(shí)，替換解釋變量，用k核替換聚集系數(shù)CC1，用最大連通節(jié)點(diǎn)數(shù)M-gra替換網(wǎng)絡(luò)連通比Prop，用點(diǎn)度中心勢(shì)C_deg替換中介中心勢(shì)C_bet，用同業(yè)拆借月度利率SINBOR_1m替換同業(yè)隔夜拆借利率SINBOR。回歸結(jié)果見表5，可以看到，與表4結(jié)論總體一致。單變量回歸分析中，網(wǎng)絡(luò)聚集系數(shù)、網(wǎng)絡(luò)連通比、中介中心勢(shì)、度相關(guān)性均對(duì)不良貸款率有顯著影響。

另外，將樣本區(qū)間替換為2009—2019年，以盡可能降低樣本選擇偏誤。回歸結(jié)果表明，總體結(jié)論沒有顯著差異。

表5 替換變量后的檢驗(yàn)結(jié)果

六、內(nèi)生性檢驗(yàn)

首先，為了避免可能存在的內(nèi)生性問題，前文已經(jīng)選擇當(dāng)期FSI的自變量和滯后一期FSI1因變量進(jìn)行回歸。

其次，以工具變量法檢驗(yàn)內(nèi)生性。本文選擇的工具變量為制造業(yè)采購(gòu)經(jīng)理人指數(shù)指標(biāo)PMI。理論上，PMI影響上市公司的生產(chǎn)經(jīng)營(yíng)業(yè)務(wù)，是國(guó)際上通用的監(jiān)測(cè)宏觀經(jīng)濟(jì)走勢(shì)的先行性指數(shù)。PMI不是金融指標(biāo)，短期不會(huì)對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)產(chǎn)生直接影響。采用2SLS方法回歸，結(jié)果見表6。總體來看，結(jié)論沒有明顯差距。

表6 采用PMI工具變量2SLS方法后的結(jié)果

(續(xù)表6)

最后，用格蘭杰因果檢驗(yàn)盡可能排除逆向因果導(dǎo)致的內(nèi)生性問題。采用滯后3月的數(shù)據(jù)，結(jié)果見表7。可以看到，網(wǎng)絡(luò)特征指標(biāo)或多或少引發(fā)銀行壓力變化，并不存在統(tǒng)計(jì)意義上的逆向因果關(guān)系。

表7 網(wǎng)絡(luò)特征與銀行系統(tǒng)風(fēng)險(xiǎn)的格蘭杰因果檢驗(yàn)

七、結(jié)論及建議

銀企之間存在著較強(qiáng)債務(wù)依賴關(guān)系，形成復(fù)雜的信貸網(wǎng)絡(luò)關(guān)系。貸款網(wǎng)絡(luò)在分散風(fēng)險(xiǎn)的同時(shí)也為風(fēng)險(xiǎn)提供了傳播路徑。本文的研究發(fā)現(xiàn):

銀企貸款網(wǎng)絡(luò)在2007年具有“核心-邊緣”層級(jí)結(jié)構(gòu)特征，到2016年逐步演化為共同群落式網(wǎng)絡(luò)結(jié)構(gòu)。銀行共同網(wǎng)絡(luò)呈現(xiàn)出異質(zhì)性網(wǎng)絡(luò)特性(即同一企業(yè)會(huì)從多個(gè)不同性質(zhì)銀行貸款)。相比國(guó)有和股份制銀行，城商行與上市公司間的信貸債務(wù)網(wǎng)絡(luò)聯(lián)系更緊密。包商銀行事件暴露出部分城商行對(duì)風(fēng)險(xiǎn)傳染的影響程度更大。去銀行中介化的P2P暴雷事件顯示短期內(nèi)去中介中心勢(shì)不利于降低銀行系統(tǒng)風(fēng)險(xiǎn)，降低大銀行中介地位的“去中介”化網(wǎng)絡(luò)不利于銀行系統(tǒng)的抗風(fēng)險(xiǎn)能力。

2007—2016年，股份制銀行及地方性銀行的信貸總量占比呈上升趨勢(shì)。通過調(diào)整銀行共同信貸網(wǎng)絡(luò)聚集性、連通性、中心性和異質(zhì)性來有效優(yōu)化銀行網(wǎng)絡(luò)結(jié)構(gòu)。信貸網(wǎng)絡(luò)的“小世界性”和“高連通度”越高，越有利于緩解系統(tǒng)風(fēng)險(xiǎn)。說明較密切的銀行和企業(yè)間業(yè)務(wù)關(guān)系，可以降低銀行系統(tǒng)風(fēng)險(xiǎn)。這符合金融服務(wù)實(shí)體經(jīng)濟(jì)初衷。銀行共同信貸網(wǎng)絡(luò)的異質(zhì)性越強(qiáng)，導(dǎo)致銀行體系面臨系統(tǒng)性風(fēng)險(xiǎn)越大。過度發(fā)展城商行，降低大型和股份制銀行的業(yè)務(wù)比重，多元化的貸款趨勢(shì)，反而增加了銀行系統(tǒng)風(fēng)險(xiǎn)。

政策方面，信貸網(wǎng)絡(luò)中大銀行地位降低的“去中介化”反而降低了銀行系統(tǒng)風(fēng)險(xiǎn)抵抗力。需要規(guī)范不同性質(zhì)和規(guī)模的城商行發(fā)展，加強(qiáng)對(duì)小銀行的監(jiān)管。通過鼓勵(lì)企業(yè)向多個(gè)銀行分散貸款，使銀行共同信貸網(wǎng)絡(luò)中各節(jié)點(diǎn)之間聯(lián)系更加緊密，促進(jìn)銀行系統(tǒng)充分服務(wù)不同層級(jí)的公司。減少房地產(chǎn)依賴，有利于降低銀行系統(tǒng)傳染風(fēng)險(xiǎn)發(fā)生的可能性。鼓勵(lì)和規(guī)范企業(yè)加大標(biāo)準(zhǔn)化產(chǎn)品的同質(zhì)性借款，可以提高銀行系統(tǒng)的抗風(fēng)險(xiǎn)能力，增加銀行系統(tǒng)網(wǎng)絡(luò)的穩(wěn)定性。