王珊茹 李華峰

1.河南中醫(yī)藥大學(xué)，河南 鄭州 450046；2.中國政法大學(xué)，北京 100000

一、引言

防止發(fā)生系統(tǒng)性金融風(fēng)險是金融工作的根本性任務(wù)，也是金融工作的永恒主題?！妒舜蟆穲蟾嬷赋觯骸般y行業(yè)金融機構(gòu)要始終把風(fēng)險控制放在第一位，不斷增強安全性、營利性和流動性”?！妒糯蟆穲蟾嬉嗝鞔_指出：“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。這是習(xí)近平新時代中國特色社會主義思想在金融領(lǐng)域的根本要求，是指導(dǎo)金融改革發(fā)展穩(wěn)定的行動指南，是做好新時代金融工作的根本遵循。

本文應(yīng)用LSTM 神經(jīng)網(wǎng)絡(luò)非線性動力學(xué)模型，來分析銀行擠兌行為中的理性和感性的過程。這種內(nèi)部的“心理模型”可以捕捉人的行為異質(zhì)性，更清楚的研究銀行擠兌的動態(tài)過程。

二、關(guān)于神經(jīng)網(wǎng)絡(luò)的國內(nèi)實踐

LSTM（Long Short Term Memory）是一種特別的RNN（Recurrent neural network）循環(huán)神經(jīng)網(wǎng)絡(luò)。1997 年Sepp Hochreiter和Jurgen Schmidhuber提出 LSTM 算法。國內(nèi)實踐中，大多數(shù)研究主要是通過提高算法精度，集中于電力、交通、個人信用、金融資產(chǎn)等方面。如楊世娟（2016）使用BP神經(jīng)網(wǎng)絡(luò)組合灰色系統(tǒng)模型對2015 至2016 年度安徽省財政收入做預(yù)測。邸浩（2018）使用Adboost-LSTM 進(jìn)行期貨投資策略分析，龍奧明（2018）使用LSTM 模型和協(xié)整檢驗法研究不同期貨之間的長期均衡關(guān)系，用于套利策略，證明效果超過了卷積云和 BP 網(wǎng)絡(luò)的效果，王重仁（2019）將LSTM 和卷積云等各種機器學(xué)習(xí)算法交叉使用以提高信用分析的準(zhǔn)確性。總的來看，國內(nèi)的研究過度注重算法，將神經(jīng)網(wǎng)絡(luò)和行為經(jīng)濟(jì)學(xué)結(jié)合起來研究的較少，本文創(chuàng)新地使用神經(jīng)網(wǎng)絡(luò)來模擬存款人的認(rèn)知情感網(wǎng)絡(luò)系統(tǒng)，對銀行擠兌風(fēng)險進(jìn)行模擬分析。

三、神經(jīng)網(wǎng)絡(luò)分析及其模型構(gòu)建

應(yīng)用LSTM 神經(jīng)網(wǎng)絡(luò)這種方法假設(shè)每個存款人接收到一個噪聲信號來進(jìn)行模擬。該噪聲信號與經(jīng)濟(jì)的真實情況高度相關(guān)，但不允許存款人知道確定的值。存款人被期望執(zhí)行所謂的閾值策略，也就是說如果信號高于某個閾值，他們就提取存款，如果信號低于某個閾值，他們就把錢留在銀行。

另外，市場上的信息會對存款人產(chǎn)生影響。在做出決策時，存款人無法精確預(yù)測θ。一般，由于θ 未知，存款人做出判斷是基于兩個因素：一個是經(jīng)濟(jì)基本面，二是影響他們做出決策的市場中的信息。

為了弄明白這兩個因素的詳細(xì)影響，首先分析在θ=0.6 的確定值時，單一的理性進(jìn)程對銀行擠兌行為的影響以及理性—感性進(jìn)程結(jié)合之后對銀行擠兌行為的影響。其次令θ為不確定值時，單一理性進(jìn)程與理性—感性過程結(jié)合之后對銀行擠兌行為的影響，并且對之進(jìn)行詳細(xì)的比較分析。最后，測試不同r 和R 對PBR 的影響。

實驗表明，在單一理性進(jìn)程下θ= 0.6 時，銀行擠兌的概率PBR 約為0.5，而當(dāng)θ 取不同值時，PBR 也會隨之變化，并且是幾乎成反比例的變化。也就是說當(dāng)存款人完全理性時，并且基本面良好時他們有50%的概率選擇擠兌或不擠兌。并且存款人完全理性時會充分考慮收益與風(fēng)險，并做出決策?，F(xiàn)實生活中即使經(jīng)濟(jì)基本面良好，也會發(fā)生銀行擠兌的行為。我們需要觀測理性—感性相結(jié)合之后存款人的行為決策，并觀察此時PBR 的取值。

另外，當(dāng)經(jīng)濟(jì)基本面良好時，人不再是完全理性的，PBR的取值不再是0.5，而是隨機性的，并且令θ 取不同的值時，PBR 與θ 不再是固定的反比關(guān)系，比如θ=0.4 時，PBR 會出現(xiàn)戲劇性的跳躍。也就說此時發(fā)生銀行擠兌的現(xiàn)象，不單單是由于經(jīng)濟(jì)狀況的原因還有人自身的感性因素。增加R 應(yīng)該會降低PBR，接下來在本文中，將測試R 對PBR 的影響。

四、結(jié)論

本文創(chuàng)新性地使用神經(jīng)網(wǎng)絡(luò)來模擬存款人的認(rèn)知情感網(wǎng)絡(luò)系統(tǒng)，對銀行擠兌風(fēng)險進(jìn)行模擬分析，研究了存款人受情感和理性過程影響而做出決策是否導(dǎo)致銀行擠兌發(fā)生的概率，文章重點體現(xiàn)出人的決策邏輯這一行為過程。在動態(tài)決策行為中，將著名的雙系統(tǒng)理論集成到LSTM 的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)之中，并對銀行擠兌行為的理性過程和理性—感性進(jìn)程進(jìn)行比較和詳細(xì)的分析。同時了解到在經(jīng)濟(jì)基本面不明朗的情況下，R 的增加對PBR 的影響是不同的。如果經(jīng)濟(jì)環(huán)境不是非常糟糕，增加后期收益對防止銀行擠兌是有利的，甚至可以防止銀行擠兌，但如果環(huán)境惡劣，即使增加R 也不會降低PBR。