邵洲洲

摘要：基于我國商業(yè)銀行的同業(yè)業(yè)務(wù)數(shù)據(jù)，文章綜合運(yùn)用傾向于得到完全型網(wǎng)絡(luò)的最大熵法和傾向于得到聯(lián)系稀疏型網(wǎng)絡(luò)的最小密度法估計同業(yè)業(yè)務(wù)網(wǎng)絡(luò)，進(jìn)而應(yīng)用網(wǎng)絡(luò)傳導(dǎo)分析法考察了兩類網(wǎng)絡(luò)中的風(fēng)險傳染問題。結(jié)果表明：（1）平均而言，最小密度網(wǎng)絡(luò)中的風(fēng)險傳染較最大熵網(wǎng)絡(luò)更為嚴(yán)重；（2）在兩類網(wǎng)絡(luò)中，國有銀行均具有較強(qiáng)的傳染性，城商行和農(nóng)商行均容易受到傳染；（3）在最小密度網(wǎng)絡(luò)中，股份制銀行和少數(shù)城商行及農(nóng)商行也具有較強(qiáng)的傳染性，并且當(dāng)違約損失率較高時股份制銀行也會受到傳染。文章研究對完善我國銀行同業(yè)業(yè)務(wù)風(fēng)險監(jiān)管具有重要的政策啟示意義。

關(guān)鍵詞：銀行同業(yè)業(yè)務(wù)；風(fēng)險傳染；網(wǎng)絡(luò)結(jié)構(gòu)

一、 引言

近年來，我國商業(yè)銀行的同業(yè)業(yè)務(wù)呈快速發(fā)展趨勢。根據(jù)央行2014年發(fā)布的金融穩(wěn)定報告，我國銀行業(yè)金融機(jī)構(gòu)同業(yè)資產(chǎn)和同業(yè)負(fù)債在2009年～2013年間分別增長246%和236%，遠(yuǎn)高于同期貸款和存款的增速。一方面，開展同業(yè)業(yè)務(wù)有助于商業(yè)銀行緩解資本約束、提高盈利能力，一定程度上起到了優(yōu)化金融資源配置、推進(jìn)利率市場化進(jìn)程的正面作用（廖為鼎、陳一非，2014）。但另一方面，快速發(fā)展的同業(yè)業(yè)務(wù)也導(dǎo)致銀行體系的內(nèi)在關(guān)聯(lián)性急劇提升，單個銀行違約很可能通過“多米諾骨牌效應(yīng)”引發(fā)和放大系統(tǒng)性風(fēng)險，危及整個銀行體系和金融系統(tǒng)（Memmel & Sachs，2013）。在此背景下，研究同業(yè)業(yè)務(wù)導(dǎo)致的銀行間風(fēng)險傳染對于防范我國銀行業(yè)系統(tǒng)性風(fēng)險具有重要意義。

目前國內(nèi)研究銀行間風(fēng)險傳染的文獻(xiàn)均采用最大熵方法估計銀行雙邊交易頭寸（李宗怡、李玉海，2005；馬君潞等，2007；高國華、潘英麗，2012）。在此基礎(chǔ)上得到的結(jié)論大多表明，國有銀行倒閉會對銀行系統(tǒng)造成較大沖擊，而其他銀行倒閉的影響幾乎可以忽略不計。換言之，“大銀行”具有系統(tǒng)性重要性，而“小銀行”不具有系統(tǒng)重要性。這一結(jié)論雖然有符合直覺的一面，但范小云等（2012）的分析表明，與銀行資產(chǎn)規(guī)模相比，銀行間負(fù)債關(guān)聯(lián)程度是決定銀行系統(tǒng)重要性的更為關(guān)鍵的因素，簡單地把資產(chǎn)規(guī)模作為衡量銀行系統(tǒng)重要性的首要因素可能具有誤導(dǎo)性。我們認(rèn)為，應(yīng)用最大熵法的文獻(xiàn)實(shí)際上隱含了我國銀行同業(yè)網(wǎng)絡(luò)為完全型網(wǎng)絡(luò)的前提，而基于完全型網(wǎng)絡(luò)進(jìn)行的分析很可能低估風(fēng)險傳染的嚴(yán)重性（Allen & Gale，2000），尤其是一些“小銀行”倒閉帶來的風(fēng)險可能被低估。此外，既有文獻(xiàn)側(cè)重于分析銀行的系統(tǒng)重要性，對銀行面臨風(fēng)險傳染的脆弱性分析較少。通過確定系統(tǒng)重要性銀行從而對其加強(qiáng)監(jiān)管固然有助于增強(qiáng)金融體系的穩(wěn)健性，但提高易受傳染銀行的風(fēng)險抵御能力也不容忽視。

本文分別在完全型網(wǎng)絡(luò)和聯(lián)系稀疏型網(wǎng)絡(luò)的前提下考察了我國銀行同業(yè)業(yè)務(wù)的風(fēng)險傳染效應(yīng)。具體地，本文應(yīng)用2013年我國118家銀行的同業(yè)頭寸數(shù)據(jù)，分別采用最大熵法和最小密度法估計了銀行同業(yè)網(wǎng)絡(luò)，對網(wǎng)絡(luò)整體特征的分析表明：最大熵網(wǎng)絡(luò)中銀行間聯(lián)系密切，有明顯聚集和中心化特征；最小密度中銀行間聯(lián)系稀疏，整體呈現(xiàn)出離散型特征。在此基礎(chǔ)上利用網(wǎng)絡(luò)傳導(dǎo)分析法模擬了兩種網(wǎng)絡(luò)結(jié)構(gòu)下銀行間風(fēng)險傳染情況，結(jié)果顯示：總體而言，最小密度網(wǎng)絡(luò)中風(fēng)險傳染的嚴(yán)重程度比最大熵網(wǎng)絡(luò)更高，表現(xiàn)為最小密度網(wǎng)絡(luò)中風(fēng)險傳染的廣度（受波及銀行數(shù)目）和強(qiáng)度（受波及銀行資產(chǎn)占樣本銀行總資產(chǎn)比率）均大于最大熵網(wǎng)絡(luò)。分銀行類型的進(jìn)一步研究發(fā)現(xiàn)：在兩種網(wǎng)絡(luò)結(jié)構(gòu)下，國有銀行均具有較強(qiáng)的傳染性，而城商行和農(nóng)商行均容易受到風(fēng)險傳染；最小密度網(wǎng)絡(luò)中，股份制銀行和少數(shù)城商行及農(nóng)商行具有較高的傳染性，極端情況下股份制銀行具有較高的易受傳染性。

二、 銀行同業(yè)業(yè)務(wù)網(wǎng)絡(luò)的估計方法和網(wǎng)絡(luò)特征分析

1. 估計方法介紹。在由N家銀行組成的同業(yè)市場中，銀行間借貸關(guān)系可以表示為N階方陣X，元素xij表示銀行i對銀行j的資產(chǎn)頭寸。矩陣X等價于反映銀行同業(yè)網(wǎng)絡(luò)關(guān)系的有向賦權(quán)網(wǎng)絡(luò)，因此估計銀行同業(yè)網(wǎng)絡(luò)，實(shí)際上就是估計矩陣X中的未知元素。

最大熵法（Maximum Entropy Method）要求選擇使銀行同業(yè)頭寸分布的不確定性即信息熵最大化的分布。在最大熵方法下，任意單家銀行會盡可能將同業(yè)頭寸平均分布于其他所有銀行，從而傾向于形成完全型網(wǎng)絡(luò)，而現(xiàn)實(shí)中銀行間網(wǎng)絡(luò)具有聯(lián)系稀疏性特征。最大熵法假定銀行最大化分散其同業(yè)頭寸，因而無法有效反映銀行間市場相對集中的現(xiàn)實(shí)特征。Wells（2004）、Mistrulli（2011）對銀行間市場真實(shí)網(wǎng)絡(luò)和估計網(wǎng)絡(luò)的對比分析發(fā)現(xiàn)，最大熵法估計的銀行間網(wǎng)絡(luò)在完全性和連通性方面均大于真實(shí)市場結(jié)構(gòu)，van Lelyveld和Liedorp（2006）的研究則表明最大熵法不適用于估計瑞士、荷蘭、比利時等同業(yè)頭寸集中度較高國家的銀行網(wǎng)絡(luò)。

相比之下，Anand等（2014）從維持交易關(guān)系需要成本這一基本經(jīng)濟(jì)事實(shí)出發(fā)，通過最小化同業(yè)網(wǎng)絡(luò)中的聯(lián)系數(shù)來確定了一個更具經(jīng)濟(jì)效率的同業(yè)業(yè)務(wù)分布。Anand等（2014）指出，在不了解銀行同業(yè)網(wǎng)絡(luò)其他任何特征的情況下，從信息理論的角度使用最大熵法是最優(yōu)選擇，但是在已知現(xiàn)實(shí)中銀行同業(yè)網(wǎng)絡(luò)因交易成本等因素而具有稀疏特征后，就應(yīng)該將這一事實(shí)與已知的銀行同業(yè)頭寸信息結(jié)合起來進(jìn)行估計，此時最小密度法是更具合理性的選擇。形式上，最小密度法就是在同業(yè)頭寸總量的約束下最小化矩陣X中非零元素的總數(shù)。

2. 同業(yè)網(wǎng)絡(luò)特征分析。按照銀監(jiān)會的分類口徑，本文樣本的118家包括了5家國有大型商業(yè)銀行、12家全國性股份制銀行、72家城市商業(yè)銀行、26家農(nóng)村商業(yè)銀行、1家政策性銀行（郵儲銀行）和2家外資銀行（渣打銀行和匯豐銀行）。我們分別估計得到了最大熵網(wǎng)絡(luò)XME和最小密度網(wǎng)絡(luò)XMD后，統(tǒng)計了兩種網(wǎng)絡(luò)結(jié)構(gòu)下同業(yè)網(wǎng)絡(luò)的各項(xiàng)關(guān)鍵性特征，發(fā)現(xiàn)最大熵網(wǎng)絡(luò)中存在的聯(lián)系數(shù)遠(yuǎn)高于最小密度網(wǎng)絡(luò)。相應(yīng)地，最大熵網(wǎng)絡(luò)的網(wǎng)絡(luò)密度遠(yuǎn)高于最小密度網(wǎng)絡(luò)，說明最大熵方法下銀行間的交易更普遍。但是也要注意到，即便是最大熵網(wǎng)絡(luò)也與完全型網(wǎng)絡(luò)（網(wǎng)絡(luò)密度接近為1）相差較遠(yuǎn)，說明我國銀行間市場確實(shí)存在聯(lián)系稀疏性特征。從度數(shù)中心度可知，平均而言一家銀行會與2（最小密度法下）到10（最大熵法下）家左右的其他銀行發(fā)生同業(yè)業(yè)務(wù)往來。最大熵網(wǎng)絡(luò)的中心勢遠(yuǎn)高于最小密度網(wǎng)絡(luò)，說明最大熵方法下網(wǎng)絡(luò)的中心化特征更明顯，即一些交易密切的銀行構(gòu)成網(wǎng)絡(luò)中心，其他銀行與中心銀行進(jìn)行交易。最后，最大熵網(wǎng)絡(luò)聚集系數(shù)的均值為0.74，最小密度網(wǎng)絡(luò)僅為0.03。最大熵法中銀行聯(lián)系密集，較易形成多家銀行之間都存在業(yè)務(wù)往來的“抱團(tuán)”特征，而最小密度法僅保留最有可能的少數(shù)聯(lián)系，網(wǎng)絡(luò)整體結(jié)構(gòu)較為松散，聚集度低。

三、 銀行同業(yè)網(wǎng)絡(luò)風(fēng)險傳染效應(yīng)的模擬分析

基于估計所得的最大熵網(wǎng)絡(luò)和最小密度網(wǎng)絡(luò)，可以應(yīng)用網(wǎng)絡(luò)傳導(dǎo)分析法評估我國銀行間市場的風(fēng)險傳染效應(yīng)。在網(wǎng)絡(luò)傳導(dǎo)分析法中，ci為銀行i的核心資本，α∈[0，1]為同業(yè)資產(chǎn)違約損失率。假設(shè)銀行j因某種突發(fā)事件而倒閉，銀行i持有銀行j的同業(yè)資產(chǎn)為xij，若銀行i同業(yè)資產(chǎn)損失導(dǎo)致清償力不足（即αxij>ci），則發(fā)生首輪風(fēng)險傳染；銀行k持有銀行i和銀行j的同業(yè)資產(chǎn)分別為xki和xkj，若銀行k的損失為αxki+xkj>ck，則發(fā)生第二輪風(fēng)險傳染。依次類推，直至初始和前m輪倒閉的銀行不再引發(fā)新的銀行倒閉，風(fēng)險傳染結(jié)束。

1. 整體層面的風(fēng)險傳染效應(yīng)。本文在模擬過程中設(shè)定同業(yè)資產(chǎn)違約損失率α分別為0.1、0.2、…、1，在不同的損失率下考察任意一家銀行倒閉引發(fā)的其他銀行倒閉數(shù)目（風(fēng)險傳染的廣度）及倒閉銀行資產(chǎn)占樣本銀行總資產(chǎn)比重（風(fēng)險傳染的強(qiáng)度）。

我們分別列示了單家銀行倒閉所引發(fā)的最嚴(yán)重情形和平均情形。通過對比分析可以得出以下結(jié)論：①隨著損失率的上升，銀行間市場風(fēng)險傳染效應(yīng)均呈逐漸增強(qiáng)趨勢。不過對于最大熵網(wǎng)絡(luò)，風(fēng)險傳染的平均效應(yīng)增長較為平緩；而對于最小密度網(wǎng)絡(luò)，當(dāng)損失率由0.8變?yōu)?.9時，風(fēng)險傳染的最嚴(yán)重情形和平均效應(yīng)都有一個跳躍式上升，這是因?yàn)榇藭r引發(fā)了幾家規(guī)模較大的國有及股份制銀行倒閉。②總體而言，平均情形下風(fēng)險傳染效應(yīng)較小，僅在損失率達(dá)到0.9后，最小密度網(wǎng)絡(luò)表現(xiàn)出較強(qiáng)的平均風(fēng)險傳染效應(yīng)。但最嚴(yán)重情形下風(fēng)險傳染效應(yīng)較大，如損失率為1時，單家銀行倒閉最多可引發(fā)66家其他銀行倒閉（最大熵網(wǎng)絡(luò)），倒閉銀行資產(chǎn)占比最高可達(dá)66.93%（最小密度網(wǎng)絡(luò)）。③最小密度網(wǎng)絡(luò)的風(fēng)險傳染效應(yīng)大于最大熵網(wǎng)絡(luò)。盡管最嚴(yán)重情形下，最大熵網(wǎng)絡(luò)中倒閉的銀行數(shù)高于最小密度網(wǎng)絡(luò)，但就平均情況看，最小密度網(wǎng)絡(luò)倒閉銀行的平均數(shù)和倒閉銀行資產(chǎn)占比的平均數(shù)均遠(yuǎn)高于最大熵網(wǎng)絡(luò)。

2. 分銀行類型的風(fēng)險傳染效應(yīng)。

（1）不同類型銀行的傳染性分析。首先來看銀行倒閉是否具有傳染性（即至少造成一家其他銀行倒閉）。在最大熵網(wǎng)絡(luò)中，5家國有銀行在違約損失率高于0.6時全部具有傳染性，12家股份制銀行在違約率為1時只有4家具有傳染性，而城商行和農(nóng)商行即便在違約率為1時也不具有傳染性。與之形成鮮明對比的是，在最小密度網(wǎng)絡(luò)中，當(dāng)違約率達(dá)到0.2時，一些城商行和農(nóng)商行就具備了傳染性，并且隨著違約率上升，各類銀行中具有傳染性的銀行均呈上升趨勢?？傊?，在同樣的違約率下，最小密度網(wǎng)絡(luò)中具有傳染性的股份制銀行、城商行和農(nóng)商行數(shù)目均高于最大熵網(wǎng)絡(luò)。這說明，在聯(lián)系稀疏型網(wǎng)絡(luò)中，由于單個聯(lián)系承載的頭寸相對較高，發(fā)生風(fēng)險傳染所要求的違約損失率閾值較低。不過需要注意的是，最小密度網(wǎng)絡(luò)中具有傳染性的國有銀行數(shù)目反而低于最大熵網(wǎng)絡(luò)。其原因在于，國有銀行同業(yè)頭寸的絕對數(shù)額較高，為了盡量降低和其他銀行發(fā)生的聯(lián)系數(shù)，國有銀行主要和其他國有銀行發(fā)生聯(lián)系，剩余的同業(yè)負(fù)債頭寸太小而不足以引起其他銀行倒閉。

在明確了不同類型銀行中具有傳染性的銀行數(shù)目后，我們進(jìn)一步考察不同類型銀行傳染性的強(qiáng)度。通過考察各類銀行中單家銀行倒閉引起的其他銀行倒閉的平均數(shù)目，發(fā)現(xiàn)：在最大熵網(wǎng)絡(luò)中，國有銀行的傳染性最強(qiáng)，當(dāng)損失率處于[0.5，1]區(qū)間時，一家國有銀行倒閉平均可傳染10家～20家銀行。不過，在最小密度網(wǎng)絡(luò)中，股份制銀行同樣具有較高的傳染性，在極端情況（違約率為1）時，平均一家股份制銀行和國有銀行均可傳染33家銀行。此外，最小密度網(wǎng)絡(luò)中的城商行和農(nóng)商行的傳染性也不容小覷，在違約率達(dá)到0.7后，一家城商行（農(nóng)商行）倒閉平均波及超過2（1）家的其他銀行。

（2）不同類型銀行的易受傳染性分析。應(yīng)用網(wǎng)絡(luò)傳導(dǎo)分析法考察同業(yè)業(yè)務(wù)的風(fēng)險傳染效應(yīng)，不僅可以用于判斷不同銀行的系統(tǒng)重要性，還可以在模擬過程中找出容易受到傳染的銀行。在最大熵網(wǎng)絡(luò)中，國有銀行即便在極端情況下也不受傳染，股份制銀行也僅有一家銀行（浙商銀行）受到傳染。城商行和農(nóng)商行的表現(xiàn)則較為脆弱，在極端情況下，大約80%的城商行和農(nóng)商行均受到波及。與最大熵網(wǎng)絡(luò)相比，最小密度網(wǎng)絡(luò)中各類銀行被傳染的數(shù)目均有所增加，其中股份制銀行中受傳染銀行數(shù)目增加最為明顯（最多可達(dá)11家）。需要注意的是，在最小密度網(wǎng)絡(luò)中，當(dāng)違約率超過0.9之后，有三家國有銀行（工商銀行、建設(shè)銀行和交通銀行）也會受到傳染，這說明“同業(yè)頭寸分布較為集中”和“同業(yè)資產(chǎn)違約損失率較高”兩個條件同時滿足時，規(guī)模較大的銀行也會陷入破產(chǎn)。

進(jìn)一步考察不同類型銀行的平均受傳染次數(shù)發(fā)現(xiàn)，在最大熵網(wǎng)絡(luò)中，國有銀行不受傳染，股份制銀行中的浙商銀行在損失率高于0.6之后會受到2次傳染，城商行和農(nóng)商行易受傳染性相對較高。在最小密度網(wǎng)絡(luò)中，當(dāng)損失率處在[0.1，0.8]區(qū)間時，各類銀行易受傳染情況與最大熵網(wǎng)絡(luò)基本一致，表現(xiàn)為城商行和農(nóng)商行較容易受到傳染；但在極端情況下（損失率超過0.9），股份制銀行反超城商行和農(nóng)商行成為平均受傳染次數(shù)最高的銀行。

綜上可知，不同網(wǎng)絡(luò)結(jié)構(gòu)下的銀行同業(yè)業(yè)務(wù)的風(fēng)險傳染特征存在明顯差異。從傳染性方面看，最大熵網(wǎng)絡(luò)中，城商行和農(nóng)商行絕對不具有傳染性，股份制銀行傳染效應(yīng)也很??；而小密度網(wǎng)絡(luò)中，城商行和農(nóng)商行大部分具有傳染性，股份制銀行傳染效應(yīng)甚至高于國有銀行。從易受傳染性看，最大熵網(wǎng)絡(luò)中，國有銀行絕對不會被傳染，股份制銀行被傳染概率也微乎其微；而最小密度網(wǎng)絡(luò)中，國有銀行在高損失率下會被傳染，股份制銀行受傳染概率也顯著提高。最大熵法和最小密度法的分析結(jié)論為真實(shí)情況提供了可能的區(qū)間，有助于更準(zhǔn)確地判別系統(tǒng)性重要銀行和風(fēng)險傳染脆弱性銀行。

四、 結(jié)論與啟示

本文利用最大熵法和最小密度法估計了我國118家商業(yè)銀行的同業(yè)市場結(jié)構(gòu)，分別得到聯(lián)系密集和聯(lián)系稀疏兩種網(wǎng)絡(luò)。在此基礎(chǔ)上利用網(wǎng)絡(luò)傳導(dǎo)分析法模擬了我國銀行間市場風(fēng)險傳染過程，并分析了不同類型銀行的傳染性和易受傳染性。本文的結(jié)論是：（1）最小密度法下銀行同業(yè)網(wǎng)絡(luò)更具風(fēng)險傳染性；（2）在兩種網(wǎng)絡(luò)結(jié)構(gòu)下，國有銀行均具有較強(qiáng)的傳染性，而城商行和農(nóng)商行均容易受到風(fēng)險傳染；（3）最小密度網(wǎng)絡(luò)中，股份制銀行和少數(shù)城商行及農(nóng)商行具有較高的傳染性，極端情況下股份制銀行具有較高的易受傳染性。基于上述研究結(jié)論，可以得到如下政策啟示：

第一，我國同業(yè)業(yè)務(wù)確實(shí)存在交叉性風(fēng)險傳染隱患，因此應(yīng)基于宏觀審慎視角加強(qiáng)對銀行同業(yè)業(yè)務(wù)的規(guī)范和監(jiān)管，包括明確同業(yè)業(yè)務(wù)的定義和口徑、規(guī)范同業(yè)業(yè)務(wù)操作流程、加強(qiáng)同業(yè)業(yè)務(wù)信息披露核實(shí)、完善相關(guān)統(tǒng)計和會計制度等。除了通過設(shè)置監(jiān)管指標(biāo)控制同業(yè)業(yè)務(wù)發(fā)展，還應(yīng)在明確同業(yè)業(yè)務(wù)快速發(fā)展背后動因的基礎(chǔ)上有針對性地采取一些疏導(dǎo)措施，如改革存貸比和信貸規(guī)模監(jiān)管，降低銀行通過開展同業(yè)業(yè)務(wù)進(jìn)行監(jiān)管套利的激勵；推進(jìn)資產(chǎn)證券化進(jìn)程，為銀行提供同業(yè)業(yè)務(wù)之外的改善資產(chǎn)負(fù)債結(jié)構(gòu)和減輕資本壓力的途徑。

第二，國有銀行在同業(yè)網(wǎng)絡(luò)中與其他銀行聯(lián)系密切、風(fēng)險傳染性強(qiáng)、系統(tǒng)性重要程度高，確實(shí)有必要適當(dāng)提高對國有銀行的金融監(jiān)管標(biāo)準(zhǔn)。另一方面，除國有銀行倒閉會對銀行系統(tǒng)造成較大沖擊外，其他銀行倒閉的影響也并非可以忽略不計。在最小密度法下，股份制銀行和少數(shù)城商行及農(nóng)商行也具有較高的傳染性。因此，重視股份制銀行及其他中小銀行倒閉可能帶來的風(fēng)險傳染、強(qiáng)化對于這些銀行同業(yè)業(yè)務(wù)的監(jiān)管有助于防范系統(tǒng)性風(fēng)險。

第三，城商行、農(nóng)商行以及損失率較高時的股份制銀行容易受到傳染，基于微觀審慎視角應(yīng)提高其抵御外部風(fēng)險傳染的能力。除限制其同業(yè)業(yè)務(wù)參與程度外，還應(yīng)要求商業(yè)銀行按照同業(yè)業(yè)務(wù)的實(shí)質(zhì)適當(dāng)計提資本和撥備。與此相關(guān)的一項(xiàng)配套措施是完善商業(yè)銀行資本補(bǔ)充機(jī)制，2013年我國開始實(shí)施的《商業(yè)銀行資本管理辦法（試行）》加強(qiáng)了資本監(jiān)管要求，在此背景下拓寬銀行資本補(bǔ)充渠道有助于降低同業(yè)業(yè)務(wù)的監(jiān)管資本套利動機(jī)，并增強(qiáng)銀行對同業(yè)風(fēng)險的抵補(bǔ)能力。

參考文獻(xiàn)：

[1] 范小云，王道平，劉瀾飚.規(guī)模、關(guān)聯(lián)性與中國系統(tǒng)重要性銀行的衡量[J].金融研究，2012，（11）：16-30.

[2] 高國華，潘英麗.基于資產(chǎn)負(fù)債表關(guān)聯(lián)的銀行系統(tǒng)性風(fēng)險研究[J].管理工程學(xué)，2012，（4）：162-168.

[3] 李宗怡，李玉海.我國銀行同業(yè)拆借市場“傳染”風(fēng)險的實(shí)證研究[J].財貿(mào)研究，2005，（6）：50-58.

[4] 廖為鼎，陳一非.基于網(wǎng)絡(luò)分析法的我國銀行間風(fēng)險傳染效應(yīng)研究[J].金融監(jiān)管研究，2014，（10）：59-75.

[5] 馬君潞，范小云，曹元濤.中國銀行間市場雙邊傳染的風(fēng)險估測及其系統(tǒng)性特征分析[J].經(jīng)濟(jì)研究，2007，（1）：68-78.

[6] Allen F.，Gale D.Financial Contagion[J].the Journal of Political Economy，2000，108（1）：1-33.

[7] Anand K.，Craig B.，von Peter G.Filling in the Blanks： Network Structure and Interbank Contagion[R].BIS Working Papers， 2014.

[8] Memmel C.， Sachs A.Contagion in the Interbank Market and Its Determinants[J]. Journal of Financial Stability，2013，9（1）： 46-54.

[9] Mistrulli， P.E.，Assessing Financial Contagion in the Interbank Market： Maximum Entropy versus Observed Interbank Lending Patterns[J].Journal of Banking and Finance，2011，35（5）：1114-1127.

[10] Upper C.Simulation Methods to Assess the Danger of Contagion in Interbank Markets [J]. Journal of Financial Stability，2011，7（3）：111-125.