[摘"要]"基于商業(yè)銀行流動性風險傳染網絡，本研究分析流動性風險在經濟繁榮和經濟衰退下的網絡傳染機制和網絡特征。實證表明：商業(yè)銀行流動性風險傳染機制具有層次性和反傳染性;傳染網絡在經濟繁榮（高閾值網絡）時符合無標度特性，在經濟衰退（低閾值網絡）時符合小世界特性;高閾值網絡中多數國有銀行易受攻擊，低閾值網絡中股份制銀行易受攻擊;股份制銀行具有傳染性和易感性，并充當傳染中介角色。在宏微觀審慎監(jiān)管下，監(jiān)管部門應加強對商業(yè)銀行流動性風險指標的監(jiān)測，并同時關注銀行外部業(yè)務聯系，及時監(jiān)測流動性風險，防患于未然。

[關鍵詞]"商業(yè)銀行流動性風險;風險傳染;萬有引力模型;復雜網絡

[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

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

一"文獻綜述

已有關于商業(yè)銀行流動性風險的研究主要涵蓋風險水平評估和銀行間風險傳染兩個方面。流動性風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)生的風險，分析這些風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用條件的復雜性，雖然綜合評價的流動性風險評估在風險研究中有較廣泛的應用，但評價體系尚不統(tǒng)一。在評價方法上金融數據分析逐步高要求化，風險評價方法從主觀賦權，如層次分析法[6]等，逐漸轉變?yōu)榭陀^賦權，如主成分分析[7]、因子分析[8]等，但此類客觀賦權相較熵權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。

在銀行間風險傳染研究方面，復雜網絡技術作為一種新興的統(tǒng)計建模方法，近年來備受國內外關注。在網絡結構與傳染機理上，大多數研究認為互聯互通在風險傳播中有著重要的作用。[9][10]Glasserman等基于網絡結構信息最少的情況，運用歐洲銀行系統(tǒng)的數據，實證分析了金融網絡的傳染效應和溢出效應。[11]國內學者李守偉等基于復雜網絡理論研究了銀行間市場隨機網絡、小世界網絡和無標度網絡中銀行間傳染風險特征及其差異，指出無標度網絡面對沖擊具有最高的穩(wěn)定性。[12]林硯等利用金融機構主體屬性和金融機構間復雜網絡特性，構建風險傳染性評估模型，提出對具有不同風險傳染性的金融機構實行差異化監(jiān)管的建議。[13]總的來看，現有文獻在重視金融一體化發(fā)展的基礎上，將金融市場中個體間相互影響的復雜關系納入了風險傳染研究，主要關注了金融網絡結構及其功能特征。相較而言，現有研究對具有復雜性的某一類風險（如流動性風險）研究尚顯不足，已有相關文獻主要有吳念魯等采用單一同業(yè)債權指標體系和最大熵法估算網絡雙邊聯系，研究了不同沖擊下商業(yè)銀行流動性風險傳染;[14]姚登寶等利用模擬估算數據對流動性風險無標度網絡進行仿真實驗;[15]但這些研究的網絡聯系大多基于模擬的同業(yè)間雙邊頭寸數據，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)控流動性風險。本文依據國際準則《巴塞爾協議Ⅲ》和國內流動性相關管理辦法，同時吸收“逆周期監(jiān)管理念”，從流動性資產、流動性負債、資產負債匹配程度、資產安全性四個維度構建商業(yè)銀行流動性風險評價指標體系，更利于流動性風險的評估。在風險網絡矩陣的構建上，大多數國家由于不公布銀行雙邊頭寸直接關系，故無法獲取能夠直接衡量銀行間關系的同業(yè)拆借數據。與現有多數文獻采用模擬的同業(yè)間雙邊頭寸數據不同，本文首次將萬有引力模型應用到銀行流動性風險傳染研究中，通過銀行流動性風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險傳染關系的聯系強度矩陣，該方法得到的銀行流動性風險傳染網絡與現實更為貼近。從政策意義看，本文通過最大連通子圖法和風險聯系強度矩陣的元素分布確定高低閾值，構建經濟繁榮和經濟衰退時的風險傳染網絡，深入研究不同經濟狀況下流動性風險網絡性質，可為有針對性地防范商業(yè)銀行流動性風險傳染提供政策參考。

二"商業(yè)銀行流動性風險傳染網絡模型構建

理論模型的構建主要涉及流動性風險聯系強度矩陣和不同經濟狀況的風險網絡兩個部分。

（一）流動性風險聯系強度矩陣

在商業(yè)銀行流動性風險評價指標體系的基礎上，首先利用熵權法計算反映商業(yè)銀行流動性風險水平的綜合指標，再由股票收益率相關系數表示銀行間的距離，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險傳染關系的聯系強度矩陣。

1.商業(yè)銀行流動性風險評價指標體系

為有效進行流動性風險水平的管控，本文根據國際監(jiān)管標準《巴塞爾協議Ⅲ》（2010）和國內《商業(yè)銀行流動性風險管理辦法》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、流動性負債、資產負債匹配程度、資產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，同時確保數據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，數據來自銀行2018年年報。其中包括中農工建交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，以及常熟農村1家農商銀行。

需要指出的是，評價體系的資產維度中原應包含《巴塞爾協議Ⅲ》的“凈穩(wěn)定資產比例”這個流動性重要監(jiān)管指標，但根據銀保監(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)定資金比例的相關信息，銀行皆未披露2018年前三季度的數據，因而未納入該指標。

2.指標權重確定

逆向指標正向化處理后，本文對由22家樣本銀行和8個指標構成的樣本矩陣，運用熵權法得到各指標權重如表2所示。

其中，最大十家客戶貸款比例的指標權重最大，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.銀行間流動性風險聯系強度矩陣的構建

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

Fij=pij·MiMjdkij，pij=MiMi+Mj（1）

其中，Fij為銀行i對銀行j的流動性風險聯系強度;Mi，Mj分別為由熵權法計算得到的銀行i和銀行j的流動性風險水平綜合指標;dij表示銀行i和銀行j之間的距離;k為衰減指數，表示銀行間的流動性風險聯系強度會隨著銀行間的相關性減弱而變小，本文根據相關經驗將衰減指數定為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系數，并對相關系數進行調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時間段內股票收益率的均值;ρij為銀行i和銀行j在時間段T內的相關系數。

（二）不同經濟狀況下商業(yè)銀行流動性風險網絡的確定

依據“逆周期監(jiān)管理念”，在經濟繁榮時期，商業(yè)銀行應累積較多的資本以應對經濟衰退的需要;在經濟衰退時期，可以適當降低對商業(yè)銀行資本的監(jiān)管標準，促使商業(yè)銀行增加信貸投放，推進經濟的復蘇。因此，經濟繁榮時，銀行的資本金水平較高，抵御流動性風險的能力較強，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，此時傳染網絡對應高閾值網絡;經濟衰退時，銀行的資本金水平較低，抵御流動性風險的能力較弱，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，此時傳染網絡對應低閾值網絡。

考慮到不同閾值下網絡拓撲結構的不同，本部分在流動性風險聯系強度矩陣的基礎上，分別使用高閾值和低閾值進行二值化處理，建立高閾值網絡和低閾值網絡研究不同經濟狀況下流動性風險的網絡性質。

1.高閾值網絡

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，網絡的最大連通子圖大小變化情況如圖1所示。

當閾值在（0.002，0.003）取值時，最大連通子圖的節(jié)點個數發(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)點個數發(fā)生最大陡降的閾值，結果為θh=0.002397。由于該值大于閾值中位數，因此將其視為高閾值，并基于此值構建網絡，以研究經濟繁榮時銀行間流動性風險的傳染關系。高閾值網絡如圖2所示。

2.低閾值網絡

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

由圖3可知，各銀行間的流動性風險聯系強度呈現出明顯的右偏特征，并不服從正態(tài)分布。為獲得更精確的結果，本文對各銀行間流動性風險聯系強度的分布進行擬合，結果顯示各銀行間的流動性風險聯系強度Y服從尺度參數為0.000371，形狀參數為4的Erlang分布，即Y～Erlang（4，0.000371），其概率密度函數如圖4。

因此，最終確定的低閾值點θl應滿足P{Y≤θl}=0.1587，解得θl=0.0007738。低閾值網絡如圖5所示。

三"實證分析

本部分基于構建的高閾值網絡和低閾值網絡，結合2018年22家商業(yè)銀行的樣本數據，實證研究商業(yè)銀行流動性風險的網絡結構特性和傳染機制。

（一）高、低閾值網絡結構特征分析

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

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

（二）節(jié)點特性

1.節(jié)點中心性特征

高閾值網絡和低閾值網絡的節(jié)點中心性特征見表3。在高閾值網絡的節(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，這說明在經濟繁榮時，興業(yè)銀行、華夏銀行和平安銀行處于網絡中心位置，其面臨的流動性風險較大。同理，在經濟衰退時，華夏銀行、光大銀行處于網絡中心位置，其面臨的流動性風險較大。由出度、入度的排名結果知，在高閾值網絡中，興業(yè)銀行、華夏銀行和平安銀行的流動性風險的傳染性和被傳染性較強;在低閾值網絡中，光大銀行、華夏銀行和中信銀行的流動性風險的傳染性和被傳染性較強。由中間中心度的排名結果知，在高閾值網絡中，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險傳染中介;在低閾值網絡中，華夏銀行、光大銀行和興業(yè)銀行的流動性風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)點在傳染網絡中容易積累風險，從而易受到流動性風險帶來的沖擊。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)點的數量和風險傳染累積程度，衡量各銀行的易受攻擊性，結果如表4所示。

在高閾值網絡中，工商銀行、中國銀行、建設銀行和華夏銀行排名靠前，這表明在經濟繁榮時，多數國有銀行在銀行網絡中處于易受攻擊的地位。這可能是因為在經濟繁榮背景下，銀行流動性充裕，尤其是國有銀行規(guī)模大，交易復雜，存在較多高風險行為，同時與許多中小銀行存在業(yè)務關聯，具有易受攻擊的特征。因此，在經濟繁榮時，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。

在低閾值網絡中，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險的能力稍顯遜色，享有的政府擔保較弱，易受總體經濟環(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)現異常并加以處理，避免流動性風險在整個銀行體系內傳染。

此外，中國農業(yè)銀行的易受攻擊性在高低閾值網絡中排名均靠后，這與中國農業(yè)銀行在樣本銀行中流動性風險水平綜合指標較低（0.0287）有關，其值僅高于寧波銀行（0.0222），且遠小于樣本銀行風險水平最高的上海銀行（0.0702）。實際上，中國農業(yè)銀行鄉(xiāng)鎮(zhèn)網點遠超其他銀行，縣域金融優(yōu)勢明顯。隨著中國城市化進程的加速，農村經濟迅速發(fā)展，農民收入不斷提升。而中國農業(yè)銀行不斷強化三農服務，注重農戶的儲蓄和消費需要，吸引了廣大農戶群體存款，這使得即使在大多數銀行存款壓力較大的情況下，中國農業(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險傳染的能力。

（三）子群研究

1.塊模型分析

對流動性風險聯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，分塊結果見表5。根據大型國有銀行、股份制銀行、城商銀行、農商銀行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。分塊結果說明，2018年部分大型國有銀行以及部分城商銀行偏向內部聯系，但也存在部分大型國有銀行、股份制銀行、城商銀行、農商銀行的結合群體，具有結構對等性，即在網絡中具有相似的流動性傳染機會，由此說明不同性質之間的部分銀行保持著傳染聯系。

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號子群均有內部風險傳染聯系，且1號大型國有銀行對3號國有和股份制銀行結合的子群有風險傳染聯系，3號依次通過4、5號子群傳染風險至6號，繼而6號子群對7、8號有明顯的風險傳染作用。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號子群的流動性風險傳染。綜上可知，我國商業(yè)銀行流動性風險傳染的機制一環(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→農商銀行，且其他性質銀行會反作用于國有銀行。

2.E-I指數分析

本部分引入E-I分派指數，對未來不同經濟狀況下不同銀行性質的單類網絡進行子群內外關系的分析，構造E-I指數如下：

E-I=子群密度整群密度=EL-ILEL+IL（5）

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

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

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，更偏向在不同性質銀行間傳染流動性風險，這說明經濟繁榮時，股份制銀行在整體網絡中較為活躍，與不同性質的銀行間聯系相對群體自身內部聯系更多;低閾值下大型國有銀行更多偏向在不同性質的銀行間傳染流動性風險，其次為股份制銀行和城商銀行。

3.凝聚力子群分析

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

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成為經濟繁榮時風險監(jiān)管的重視對象，且3個派系都含有興業(yè)銀行，表明在經濟繁榮時，管控此類銀行對防范風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、上海、農業(yè)}以及{杭州、寧波、成都}，這說明在低閾值時，除3家城商銀行，大部分銀行風險聯系緊密，任兩家銀行傳染均可達。

結合圖7、8互惠關系樹形圖可知，在經濟繁榮時，興業(yè)銀行處于風險傳染中樞位置，風險監(jiān)管應予以重視;在經濟不景氣時，因保留了大量聯系強度矩陣信息，互惠關系較多，風險監(jiān)管應著重控制聯系緊密的中樞群體{興業(yè)、華夏、招商、中信、平安、浦發(fā)、交通、光大}。綜上可知，無論未來經濟繁榮還是衰退，監(jiān)管部門都需要關注作為中樞銀行的股份制銀行，降低流動性風險傳染強度，維護經濟穩(wěn)定發(fā)展。

四"結論及建議

鑒于商業(yè)銀行流動性風險具有破壞性、隱蔽性、內生性的特點，本文基于復雜網絡理論，構建商業(yè)銀行流動性風險傳染的網絡模型，以彌補傳統(tǒng)計量方法無法刻畫風險傳染的網絡特性的缺陷，使研究更貼近現實。本文以2018年我國22家商業(yè)銀行的樣本數據為基礎，分別對高閾值網絡（經濟繁榮）和低閾值網絡（經濟衰退）下的商業(yè)銀行流動性風險的傳染機制和網絡特征進行了實證分析，得到如下結論。

第一，商業(yè)銀行流動性風險傳染機制具有層次傳染和反傳染性。塊模型分析顯示，子群之間傳染聯系顯著，風險傳染一環(huán)扣一環(huán)，具有層次性。以傳染源為大型國有銀行為例，層次傳染性表現在如下傳染路徑：大型國有銀行→股份制銀行→城商銀行→農商銀行，且風險具有反傳染性，即股份制等銀行也能將流動性風險反傳染給大型國有銀行。就此兩類風險傳染性質而言，監(jiān)管部門若不加以政策干預，會導致惡性循環(huán)。

第二，高閾值網絡符合無標度特性，低閾值網絡符合小世界特性。根據網絡結構分析，在經濟繁榮時，流動性風險傳染網絡具有無標度特性，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;在經濟不景氣時，流動性風險傳染網絡具有小世界特性，其群體聯系緊密且中介銀行作用大，監(jiān)管部門既要關注易受攻擊對象，也要重視中樞作用群體和中介銀行。

第三，PageRank算法結果說明，高閾值網絡下多數國有銀行易受攻擊，低閾值網絡下股份制銀行易受攻擊。通過節(jié)點易受攻擊性高低排序，經濟繁榮時多數大型國有銀行排名靠前，這說明其被傳染流動風險的可能性越大;經濟不景氣時股份制銀行排名靠前，則說明其易感染風險。

第四，E-I分派指數表明不同性質銀行更偏向于群體之間聯系。高閾值網絡下股份制銀行與其他性質銀行的業(yè)務聯系頻繁，在整體網中活躍性較大，監(jiān)管重點應在股份制銀行與其他性質銀行的業(yè)務聯系上;低閾值網絡下國有銀行與其他性質銀行的業(yè)務聯系頻繁，傳染關系偏向在它與其他性質群體中發(fā)生，監(jiān)管重點應在國有銀行與其他性質銀行的業(yè)務聯系上。

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，無論經濟狀況如何，股份制銀行既易主動傳染風險，又易感染風險，且其個體及群體均具有中樞作用。因此，經濟繁榮時可重點監(jiān)控興業(yè)銀行，經濟衰退時重點監(jiān)控{興業(yè)、華夏、招商、中信、平安、浦發(fā)、交通、光大}群體，以嚴防流動性風險，即可根據經濟狀況縮小或擴大嚴格監(jiān)管范圍。

綜合上述結論，為加強流動性風險管理，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險，將《巴塞爾協議Ⅲ》的監(jiān)管要求同我國國情相結合，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)督部門應要求其整改，以有效預防銀行個體的流動性危機。第二，根據經濟狀況不同，相關部門應對特定性質銀行采取相應保護措施以應對流動性風險危機。經濟繁榮時可通過豐富管理手段，實施主動資產負債管理等方法重點關注國有銀行以防御風險;經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注股份制銀行。同時，政府應要求央行采取相應補救措施以分別應對風險沖擊后的國有銀行和股份制銀行。第三，相關部門應注重對銀行外部業(yè)務聯系的監(jiān)管，以防群體間的風險傳染，即在經濟繁榮時管控股份制銀行外部業(yè)務聯系，在經濟不景氣時則管控國有銀行，并實時關注其資金狀況。

[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].北方經貿，2005（12）：64-66.

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

[5]"巴曙松，朱元倩.壓力測試在銀行風險管理中的應用[J].經濟學家，"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.農村商業(yè)銀行流動性風險實證分析：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.不同網絡結構下銀行間傳染風險研究[J].管理工程學報，2012（4）：71-76+99.

[13]林硯，陳志新.基于復雜網絡理論的金融網絡風險傳染性評估模型[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)之間流動性風險傳染研究——基于復雜網絡理論分析視角[J].國際金融研究，2017（7）：36-45.

[15]姚登寶.基于銀行間網絡的流動性風險傳染機制研究[J].安徽大學學報（哲學社會科學版），2017（4）：130-137.

[16]宋寧寧，韓華，吳翎燕.一種基于閾值構建金融網絡的新方法[J].計算機工程與應用，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：復雜網絡視角下系統(tǒng)性金融風險的統(tǒng)計監(jiān)測研究（19BTJ024）

[作者簡介]"任英華（1975—），女，浙江東陽人，湖南大學金融與統(tǒng)計學院教授，博士生導師，經濟學博士，研究方向：經濟統(tǒng)計;金融統(tǒng)計與風險管理。