毛昌梅，韓景倜，劉舉勝

(1.申萬宏源證券有限公司博士后科研工作站,上海 200031；2.上海財經(jīng)大學(xué)信息管理與工程學(xué)院，上海 200433；3.上海金融智能工程技術(shù)研究中心，上海 200433)

0 引言

隨著金融一體化，市場一體化的逐步加深，銀行之間的關(guān)聯(lián)關(guān)系日益緊密，傳統(tǒng)單點式金融服務(wù)模式已經(jīng)難以適應(yīng)激烈市場需求，具有復(fù)雜網(wǎng)絡(luò)性質(zhì)的金融服務(wù)模式逐漸興起。在資產(chǎn)交易和流通過程中，網(wǎng)絡(luò)狀金融服務(wù)模式提升了商品和貨幣流通效率，然而也加速了系統(tǒng)性風(fēng)險蔓延。波動溢出效應(yīng)作為系統(tǒng)性風(fēng)險的一種表現(xiàn)形式，在風(fēng)險發(fā)生時會使風(fēng)險從某一銀行蔓延到其他關(guān)聯(lián)機(jī)構(gòu)，引發(fā)系統(tǒng)性風(fēng)險迅速擴(kuò)散，進(jìn)而會導(dǎo)致股災(zāi)或者金融危機(jī)的出現(xiàn)，嚴(yán)重影響著金融環(huán)境的穩(wěn)定性和安全性[1]。因此，在復(fù)雜性視角下，如何通過識別銀行波動溢出方向和強(qiáng)度以及利用復(fù)雜網(wǎng)絡(luò)方法對金融機(jī)構(gòu)之間的波動溢出效應(yīng)和聯(lián)動效應(yīng)進(jìn)行有效分析，對探究系統(tǒng)性風(fēng)險演變規(guī)律，了解系統(tǒng)性風(fēng)險蔓延機(jī)制和防范重大系統(tǒng)性風(fēng)險，營造安全穩(wěn)定的金融交易市場具有重要的理論與實踐意義。

關(guān)于銀行系統(tǒng)性風(fēng)險，已有學(xué)者利用不同方法進(jìn)行了相關(guān)研究。Gang和Qian利用邊際預(yù)期損失(MES)作為銀行系統(tǒng)性風(fēng)險的替代變量對中國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險進(jìn)行了研究[2]；Huang等使用包括條件風(fēng)險在值法(CoVaR)，邊際預(yù)期損失(MES)，SII和VI在內(nèi)的4種投資組合模型來衡量中國銀行系統(tǒng)的系統(tǒng)性風(fēng)險[3]；方意等基于微觀業(yè)務(wù)數(shù)據(jù)，通過構(gòu)建資產(chǎn)價格傳染模型，對影子銀行的系統(tǒng)性風(fēng)險進(jìn)行了度量[4]；李政等利用下行和上行ΔCoES計算方法對中國金融部門間的系統(tǒng)性風(fēng)險溢出進(jìn)行實時監(jiān)測和有效預(yù)警，研究發(fā)現(xiàn)銀行部門是系統(tǒng)性風(fēng)險的主要發(fā)送者[5]；史仕新使用△CoVaR方法對中國20家上市銀行的系統(tǒng)性風(fēng)險溢出效應(yīng)進(jìn)行了測度，認(rèn)為中國商業(yè)銀行系統(tǒng)性風(fēng)險溢出效應(yīng)具有顯著的時變特征[6]。此外，波動溢出作為衡量系統(tǒng)性風(fēng)險的一種指標(biāo)在風(fēng)險傳染領(lǐng)域被廣泛運用，波動溢出可以從狹義和廣義兩個方面進(jìn)行解讀，前者指金融資產(chǎn)價格隨時間的波動有所起伏，后者指金融資產(chǎn)在交易量、規(guī)模、比例等方面的上下起伏變動。總的來說，波動的溢出指的是一個市場的波動除了與自身相關(guān)外，還會受到其他市場波動制約，這種市場間的波動傳導(dǎo)效應(yīng)反映了一家機(jī)構(gòu)風(fēng)險發(fā)生時對其余銀行的傳染程度。一般來說，銀行波動效應(yīng)，是指上市商業(yè)銀行之間股價收益率的波動，一家銀行的波動效應(yīng)會對其他銀行機(jī)構(gòu)股價收益率產(chǎn)生影響，波動溢出也可以刻畫不同機(jī)構(gòu)之間的風(fēng)險傳染，因此可以衡量一家銀行機(jī)構(gòu)發(fā)生風(fēng)險時對其他銀行風(fēng)險的影響程度[7-8]。目前，學(xué)者們主要從收益溢出和波動溢出視角出發(fā)，對金融機(jī)構(gòu)系統(tǒng)性風(fēng)險進(jìn)行了相關(guān)研究。Buyuksahin和Robe[9]，田利輝和譚德凱[10]探究了商品市場和金融市場之間的波動溢出；Connolly和Wang[11]，趙留彥和王一鳴[12]探究了股票市場的波動效應(yīng)；Ji和Fan[13]，Liu[14]探究了能源商品與非能源商品之間波動溢出效應(yīng)。然而對銀行之間的波動效應(yīng)的相關(guān)研究仍不多見，雖然國外學(xué)者Demirer等人[15]進(jìn)行了銀行之間的波動效應(yīng)相關(guān)研究，然而其選取的銀行數(shù)只有5家，數(shù)據(jù)量較少，具有一定的局限性。

在金融市場中，波動溢出的方向以信息溢出的方向為參照標(biāo)準(zhǔn)，因此在研究波動風(fēng)險的傳導(dǎo)路徑和方向時考慮掌握市場間的波動溢出效應(yīng)具有同等意義。單純的溢出方向并不能夠有效刻畫不同時期的具體溢出機(jī)制，也會減少信息的損失。學(xué)者們在研究波動溢出效應(yīng)時，由于波動溢出可以表示收益的二階矩關(guān)聯(lián)關(guān)系，加之金融時間序列一般不服從正態(tài)假設(shè)，具有尖峰厚尾、波動集聚等特征，而GARCH模型能夠充分利用殘差向量的協(xié)方差矩陣所包含的信息，很好地展現(xiàn)波動溢出的特征，因此常利用GARCH模型進(jìn)行波動效應(yīng)溢出研究。后續(xù)學(xué)者在研究過程中，為了在較弱的條件下保證協(xié)方差矩陣的正定性，并顯著減少模型中的待估參數(shù)個數(shù)，學(xué)者們進(jìn)一步提出了多元BEKK-GARCH模型。多元BEKK-GARCH模型由于相較于常相關(guān)多元GARCH模型，突破了金融變量之間的相關(guān)系數(shù)保持恒定的假設(shè)而具有一定的優(yōu)勢[16-17]。此外，近年來，隨著金融體系內(nèi)部相互關(guān)聯(lián)程度的日益提高，從系統(tǒng)內(nèi)部結(jié)構(gòu)及系統(tǒng)與環(huán)境的相互作用來考察系統(tǒng)的動態(tài)特征與演化規(guī)律進(jìn)而揭示金融系統(tǒng)復(fù)雜性逐漸成為探究金融機(jī)構(gòu)系統(tǒng)性風(fēng)險的新思路，運用網(wǎng)絡(luò)科學(xué)的方法度量金融機(jī)構(gòu)間的關(guān)聯(lián)關(guān)系逐漸成為一種重要方法[18]。

基于此，本文從復(fù)雜性視角進(jìn)行切入，選取公開上市的14家商業(yè)銀行的日收益率為研究對象，綜合運用BEKK-GARCH模型和網(wǎng)絡(luò)科學(xué)建模方法，在考慮市場正負(fù)消息對銀行網(wǎng)絡(luò)結(jié)構(gòu)的影響及金融機(jī)構(gòu)系統(tǒng)性風(fēng)險復(fù)雜性基礎(chǔ)之上，首先根據(jù)多元BEKK-GARCH模型計算出不同階段收益率和波動率溢出系數(shù)，然后運用復(fù)雜網(wǎng)絡(luò)方法，基于ARCH項系數(shù)和GARCH項系數(shù)系數(shù)分別構(gòu)建了沖擊網(wǎng)絡(luò)和波動溢出網(wǎng)絡(luò)，通過分析網(wǎng)絡(luò)的度，平均路徑長度，集聚系數(shù)和連通分量等指標(biāo)探究了銀行波動網(wǎng)絡(luò)的波動溢出效應(yīng)和聯(lián)動效應(yīng)，最后以波動溢出網(wǎng)絡(luò)為例，利用目標(biāo)免疫和隨機(jī)免疫策略對所構(gòu)建的網(wǎng)絡(luò)進(jìn)行了穩(wěn)健性檢驗。研究關(guān)注了網(wǎng)絡(luò)連通性對金融系統(tǒng)性風(fēng)險的影響，同時也考慮了金融機(jī)構(gòu)系統(tǒng)性風(fēng)險的復(fù)雜性，揭示了上市銀行網(wǎng)絡(luò)風(fēng)險動態(tài)演變過程，研究以期為監(jiān)管部門制定有效識別和防范系統(tǒng)性風(fēng)險提供一定的參鑒。

1 研究設(shè)計

1.1 多元BEKK-GARCH波動溢出模型

多元GARCH(Multivariate GARCH)模型能夠?qū)崿F(xiàn)對波動相關(guān)性的良好度量，也能夠研究銀行間波動溢出效應(yīng)的方向，它包含了條件矩相互影響的參數(shù)，能夠更有效地捕捉市場信息，它包含收益率波動和波動率波動兩個方程式。其均值方程式如式(1):

(1)

在式(1)中，Ri,t表示第t-1天到第t天的對數(shù)收益率，αi表示受上期的影響程度，εi,t代表機(jī)構(gòu)i在t時刻的誤差干擾項，表示受到的市場沖擊，μi表示漂移項，均值方程模型能夠刻畫收益率之間的關(guān)聯(lián)關(guān)系。

收益率波動溢出效應(yīng)能夠體現(xiàn)波動溢出機(jī)制。Bollerslev最早提出了多元GARCH模型的向量表示，然后在均值方程的基礎(chǔ)上建立方差方程[19]，具體見式(2)，利用類似GARCH的模型研究向量波動過程。

(2)

(3)

其中,Ht，B，A和C展開分別為

以二元BEKK-GARCH為例，則二元BEKK(1,1)模型的均值方程為的矩陣形式為

(4)

方差協(xié)方差矩陣展開形式為

(5)

可以分別寫成如(6)和(7)表達(dá)形式：

(6)

(7)

Ht為方差協(xié)方差矩陣，矩陣A中的元素aij表示資產(chǎn)i的波動對資產(chǎn)j的沖擊程度，反映了波動的ARCH效應(yīng)，矩陣B的元素bij表示資產(chǎn)i對資產(chǎn)j之間波動率傳導(dǎo)的持久性，反應(yīng)了波動的GARCH效應(yīng)。當(dāng)a21和b21都等于0時，序列2對序列1不存在溢出效應(yīng)，當(dāng)a12和b12兩者都等于0時，序列1序列2不存在溢出效應(yīng)，由此可以通過檢驗這些系數(shù)是否顯著來確定序列是否存在溢出效應(yīng)。

對于上述模型，假定條件殘差向量εt服從二元條件正態(tài)分布，待估參數(shù)向量Θ的對數(shù)似然函數(shù)為

(8)

其中，T為觀測值總數(shù)，N為待估參數(shù)的個數(shù)，Θ為待估參數(shù)向量。

1.2 網(wǎng)絡(luò)拓?fù)渲笜?biāo)

傳統(tǒng)經(jīng)濟(jì)學(xué)在分析風(fēng)險和后續(xù)監(jiān)管上難以滿足不斷變化的市場經(jīng)濟(jì)狀況，有學(xué)者提出從系統(tǒng)性風(fēng)險的角度來研究，而用網(wǎng)絡(luò)科學(xué)的方法研究風(fēng)險傳染成為當(dāng)今熱點研究范式。將復(fù)雜網(wǎng)絡(luò)應(yīng)用于金融市場中建模已經(jīng)較為成熟，與一般的網(wǎng)絡(luò)構(gòu)建思路一致，在金融網(wǎng)絡(luò)中，將金融機(jī)構(gòu)設(shè)置為網(wǎng)絡(luò)節(jié)點，金融機(jī)構(gòu)之間的關(guān)聯(lián)關(guān)系設(shè)置成網(wǎng)絡(luò)的邊，如果兩個金融機(jī)構(gòu)之間有交易，則交易量為連邊的權(quán)重。單家機(jī)構(gòu)的經(jīng)濟(jì)波動通過與其他機(jī)構(gòu)相關(guān)業(yè)務(wù)往來造成聯(lián)動效應(yīng)。單家機(jī)構(gòu)的經(jīng)濟(jì)波動致使系統(tǒng)風(fēng)險溢出，風(fēng)險溢出則體現(xiàn)在對某個金融機(jī)構(gòu)造成沖擊后金融市場的聯(lián)動效應(yīng)顯著增加。對金融復(fù)雜網(wǎng)絡(luò)的相關(guān)統(tǒng)計特性的定義為：設(shè)圖G=(V,E)表示波動溢出網(wǎng)絡(luò)，其中V和E分別是節(jié)點和邊的集合，eij∈E=1，ai,j,bi,j在5%水平下顯著，由此定義網(wǎng)絡(luò)的各項網(wǎng)絡(luò)拓?fù)渲笜?biāo)。本文采用網(wǎng)絡(luò)中最常用的4個結(jié)構(gòu)指標(biāo)分析中國銀行網(wǎng)絡(luò)特征，這4個指標(biāo)分別是:度分布、平均路徑長度、集聚系數(shù)、連通分量。

1.2.1 度分布

1.2.2 平均路徑長度

平均路徑長度指網(wǎng)絡(luò)中任意兩個節(jié)點間距離的平均值，平均路徑長度越短，表明具有小世界現(xiàn)象，它是衡量網(wǎng)絡(luò)緊密程度的重要指標(biāo)。平均路徑長度反映了一組機(jī)構(gòu)從一個機(jī)構(gòu)傳遞到另一個機(jī)構(gòu)的平均最小連接數(shù)，描述了銀行間網(wǎng)絡(luò)的性能和效率。在金融網(wǎng)絡(luò)中，與其他機(jī)構(gòu)平均距離較短的金融機(jī)構(gòu)可能更容易獲得重要財務(wù)信息。假設(shè)dij是節(jié)點i與節(jié)點j的最短距離，則網(wǎng)絡(luò)的平均路徑長度表示為：

(9)

1.2.3 平均集聚系數(shù)

聚類系數(shù)( Clustering Coefficient) 定義為節(jié)點的鄰接節(jié)點相連的概率，即節(jié)點連通的三角形個數(shù)與可能構(gòu)成的三角形個數(shù)的比例：

(10)

1.2.4 連通分量

在有向圖G中任意兩個點都通過一定路徑互相連通稱為強(qiáng)連通圖。圖1a是一個強(qiáng)連通圖，而圖1b不是。在一個非強(qiáng)連通圖中極大的強(qiáng)連通子圖就是該圖的強(qiáng)連通分量。在金融網(wǎng)絡(luò)領(lǐng)域中，連通分量體現(xiàn)了該金融機(jī)構(gòu)的連通性，反映了金融機(jī)構(gòu)的樞紐作用，在波動效應(yīng)發(fā)生時，一個具有較強(qiáng)連通分量的網(wǎng)絡(luò)則其風(fēng)險傳染流通性會顯著較高。圖1c中，{1，2，3，4}表示其中的一個強(qiáng)連通分量，{5}，{6}也為強(qiáng)連通分量。

圖1 連通圖和強(qiáng)連通圖

2 實證結(jié)果及魯棒性檢驗

2.1 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)選擇時間段是2010年1月至2017年12月，按照中國發(fā)生的重大金融事件“錢荒”，“股災(zāi)”將數(shù)據(jù)分為3個階段，其中“錢荒”，“股災(zāi)”為高風(fēng)險時間區(qū)段時間跨度為2013年6月26日至2015年6月18日。因此3個階段分別為第一階段為2010年1月4日至2013年06月25日，為低風(fēng)險區(qū)制(Phase1)；第二階段為2013年6月26日至2015年6月18日為高風(fēng)險區(qū)制(Phase2)；第三階段為2015年6月18號至2017年6月1日為低風(fēng)險區(qū)制(Phase3)。選取2010年1月4日至2017年12月29日14家上市商業(yè)銀行(建設(shè)銀行，交通銀行，工商銀行，中國銀行，華夏銀行，民生銀行，平安銀行，浦發(fā)銀行，興業(yè)銀行，招商銀行，中信銀行，北京銀行，南京銀行，寧波銀行)的日收益率為研究對象，共1 946個交易日，數(shù)據(jù)均來自WIND數(shù)據(jù)庫。對每家銀行的每日股票收益率建模分析，其中為了計算方便，取其對數(shù)收益率作為股票收益率，計算方法是Rit=100*Ln(Pi,t/Pi,t-1)，Ri,t表示指數(shù)i在第t個期間內(nèi)的對數(shù)收益率；Pi,t表示股票i在第t個期末的收盤價，Pi,t-1表示股票i在第t-1個期末的收盤價。

通過對選取的數(shù)據(jù)進(jìn)行描述性統(tǒng)計，發(fā)現(xiàn)所選取的收益率序列Jarque-Bera統(tǒng)計量檢驗值在1%的置信區(qū)間下都具有顯著性，具有“負(fù)偏”和“尖峰厚尾”的典型特征。同時，為了防止金融時間序列的“虛假回歸”現(xiàn)象發(fā)生，需要對樣本序列進(jìn)行平穩(wěn)性檢驗。從各樣本各階段時間序列單位根檢驗結(jié)果顯示序列是平穩(wěn)的，此外，Ljung-Box統(tǒng)計量結(jié)果表明，收益率序列均存在10階自相關(guān)性。

在估計GARCH模型之前，首先要對數(shù)據(jù)進(jìn)行序列相關(guān)性檢驗和異方差性檢驗。對各時間序列數(shù)據(jù)進(jìn)行殘差平方相關(guān)圖檢驗，選取滯后6階以及12階的Q統(tǒng)計量為代表，同時發(fā)現(xiàn)14家銀行3個階段的大部分樣本收益率序列在10%顯著性水平下存在ARCH效應(yīng)，即各收益率殘差的波動具有集聚性。因此滿足對序列建立GARCH模型的要求。各樣本殘差平方相關(guān)圖檢驗(6)、(12)的統(tǒng)計結(jié)果如表1(第二階段和第三階段此處省略)。

表1 第一階段各收益率序列的殘差平方相關(guān)檢驗

注：*，**，***分別表示在10%、5%、1%顯著性水平下拒絕原假設(shè)。

根據(jù)上述ARCH效應(yīng)檢驗，表明收益率序列存在異方差。ARCH效應(yīng)統(tǒng)計量在滯后6階和12階下都顯著，則收益率序列都存在異方差。因此建立BEKK-GARCH(1,1)模型前提條件是合適的。

2.2 多元BEKK-GARCH模型結(jié)果

根據(jù)多元BEKK-GARCH模型公式可以得到ARCH和GARCH的相關(guān)系數(shù)，運用復(fù)雜網(wǎng)絡(luò)的方法將相應(yīng)的置信區(qū)間下具有顯著性的系數(shù)的個數(shù)標(biāo)記為能夠形成網(wǎng)絡(luò)的邊數(shù)，構(gòu)建各銀行間市場的溢出效應(yīng)網(wǎng)絡(luò)，以分析各個銀行之間存在的關(guān)聯(lián)效應(yīng)。每個銀行代表所構(gòu)建網(wǎng)絡(luò)中的“點”，銀行間的溢出效應(yīng)則對應(yīng)網(wǎng)絡(luò)中的“邊”，以溢出效應(yīng)相關(guān)系數(shù)的正負(fù)代表溢出的方向，銀行向外的箭頭表示對其他銀行的凈溢出，反之是其他銀行對它的溢出。若相關(guān)系數(shù)(ARCH項系數(shù)、GARCH項系)顯著性水平是5%，則兩個銀行間存在一條有向連邊。根據(jù)ARCH項系數(shù)、GARCH項系數(shù)的正負(fù)將網(wǎng)絡(luò)分為正向網(wǎng)絡(luò)(positive network)和負(fù)向網(wǎng)絡(luò)(negative network)，正負(fù)表示市場的正向影響和負(fù)向影響。

根據(jù)三階段BEKK-GARCH模型檢驗結(jié)果，階段一主對角線除寧波銀行外，a11、b11、b22均在5%顯著水平下顯著，說明建設(shè)銀行與其余10家股份制商業(yè)銀行和城商行的波動均受到自身上一期波動的影響。

通過對BEKK的估計，基于ARCH項系數(shù)構(gòu)建了沖擊網(wǎng)絡(luò)(Shock network)，以GARCH項系數(shù)構(gòu)建了波動溢出網(wǎng)絡(luò)(Variance network)，同時根據(jù)ARCH、GARCH項系數(shù)的正負(fù)將網(wǎng)絡(luò)分為正向(positive)和負(fù)向網(wǎng)絡(luò)(negative)，正負(fù)代表市場信息的正面消息和負(fù)面消息。3個階段的沖擊網(wǎng)絡(luò)和波動網(wǎng)絡(luò)結(jié)構(gòu)圖具體如圖2所示。從圖2的結(jié)果中，首先可以獲得沖擊網(wǎng)絡(luò)和波動網(wǎng)絡(luò)的度分布結(jié)果，以第一階段度分布為例，在沖擊網(wǎng)絡(luò)中，第一階段建設(shè)銀行、工商銀行、中國銀行入度比較大，說明建設(shè)銀行、工商銀行、中國銀行等國有銀行作為整個網(wǎng)絡(luò)的比較重要的節(jié)點，與其他銀行在業(yè)務(wù)和資金流動方面緊密往來，處于重要地位。在第二階段中，浦發(fā)銀行入度比較大，說明在風(fēng)險較大時期，浦發(fā)銀行在面對資金需求較大，信貸較為頻繁時，重要性地位有所上升。在第三階段中，隨著國有商業(yè)銀行入度的不斷增大，國有商業(yè)銀行在整個銀行體系中的重要地位逐步提升。通過分析3個階段網(wǎng)絡(luò)的變化情況，可以發(fā)現(xiàn)三階段下的網(wǎng)絡(luò)結(jié)構(gòu)有所改變，在第二階段中，當(dāng)“錢荒”和“股災(zāi)”發(fā)生時，無論是沖擊網(wǎng)絡(luò)(Shock network)還是波動網(wǎng)絡(luò)(Variance network)，各銀行之間聯(lián)系更加緊密，表明風(fēng)險使得各個銀行之間聯(lián)系緊密。在第三階段中，也即風(fēng)險之后，各銀行之間的網(wǎng)絡(luò)聯(lián)系有所緩解，但是較第一階段緊密度還是比較大，說明風(fēng)險的發(fā)生提高了各銀行的警惕性。為了更全面地顯示危機(jī)前中后各銀行之間的關(guān)聯(lián)關(guān)系，下文從具體網(wǎng)絡(luò)拓?fù)渲笜?biāo)對波動網(wǎng)絡(luò)進(jìn)行了相關(guān)分析。

圖2 三階段沖擊網(wǎng)絡(luò)和波動網(wǎng)絡(luò)圖

(11)

在樣本期間內(nèi)，由于各個銀行都經(jīng)歷了不同的經(jīng)濟(jì)周期，并且涵蓋了兩個經(jīng)濟(jì)危機(jī)時期，為了反映各銀行動態(tài)變動趨勢，選取半年度數(shù)據(jù)作為構(gòu)建網(wǎng)絡(luò)指標(biāo)的標(biāo)準(zhǔn)，通過計算網(wǎng)絡(luò)的拓?fù)湫再|(zhì)包括網(wǎng)絡(luò)的平均度，網(wǎng)絡(luò)的集聚系數(shù)，網(wǎng)絡(luò)的平均最短路徑等指標(biāo)，探究了不同市場環(huán)境下的銀行之間的波動溢出關(guān)系。定義的網(wǎng)絡(luò)中兩家銀行之間是否相關(guān)聯(lián)的條件如式(11)，計算網(wǎng)絡(luò)的動態(tài)拓?fù)湫再|(zhì)如圖3～圖5。

圖3 網(wǎng)絡(luò)平均度

圖4 集聚系數(shù)

圖5 平均路徑長度

從圖3至圖5中可以看出，2010年至2017年，網(wǎng)絡(luò)整體連接密度與強(qiáng)度都有所增加，在高風(fēng)險區(qū)制(第二階段)表現(xiàn)出較緊密的聯(lián)系，表明為了抵御風(fēng)險，銀行間網(wǎng)絡(luò)的結(jié)構(gòu)逐漸緊密，能夠起到分散風(fēng)險的作用。在該階段，整個網(wǎng)絡(luò)的網(wǎng)絡(luò)集聚系數(shù)也呈現(xiàn)明顯的增大趨勢，網(wǎng)絡(luò)的平均路徑呈現(xiàn)明顯的縮短趨勢，具有較短的平均路徑長度和較大的集聚系數(shù)，呈現(xiàn)出小世界特征，此時，中國金融網(wǎng)絡(luò)中的節(jié)點危機(jī)極易轉(zhuǎn)化為全局危機(jī)。相比而言第一階段，即2010年第一季度至2014年第二季度，網(wǎng)絡(luò)密度以及網(wǎng)絡(luò)的平均路徑比較穩(wěn)定；第二階段即2014年第三季度至2015年第三季度，同時網(wǎng)絡(luò)的集聚系數(shù)具有較大的無標(biāo)度特征，非均勻的網(wǎng)絡(luò)特征使得風(fēng)險溢出網(wǎng)絡(luò)存在較強(qiáng)的魯棒性，這一特征也有助于金融監(jiān)管部門識別具有較大風(fēng)險的金融機(jī)構(gòu)，對于防范系統(tǒng)性風(fēng)險具有重要意義。對于入度較大的節(jié)點更容易受到其他節(jié)點的影響，此時，系統(tǒng)性風(fēng)險的積累更容易在銀行業(yè)中表現(xiàn)出來。在節(jié)點出度方面，較大的出度節(jié)點主要集中于城市商業(yè)銀行，這間接體現(xiàn)了城市商業(yè)銀行在風(fēng)險傳染過程中的特殊地位以及監(jiān)管部門實行差異化監(jiān)管的重要性。第三階段即2015年第四季度至2017年末，銀行系統(tǒng)處于低風(fēng)險區(qū)制，網(wǎng)絡(luò)結(jié)構(gòu)從緊密趨向于稀疏，其關(guān)聯(lián)性開始下降。為了進(jìn)一步分析銀行波動溢出網(wǎng)絡(luò)的抗風(fēng)險能力和動態(tài)演變特征，本文使用隨機(jī)攻擊和選擇性攻擊來探究銀行波動溢出網(wǎng)絡(luò)的免疫策略以及網(wǎng)絡(luò)的穩(wěn)健性。

2.3 網(wǎng)絡(luò)拓?fù)湫詸z驗

網(wǎng)絡(luò)的穩(wěn)健性測試用免疫策略來控制，主要包括基于點的免疫測試和基于邊的免疫測試。網(wǎng)絡(luò)的強(qiáng)連通性能夠很好地體現(xiàn)網(wǎng)絡(luò)的穩(wěn)定性，如果網(wǎng)絡(luò)在受到免疫后并沒有本質(zhì)的改變，可以定義網(wǎng)絡(luò)對免疫是穩(wěn)健的。本文采取針對節(jié)點免疫方法，即刪除部分節(jié)點以及連接到被刪除節(jié)點的所有邊，這種免疫可以測試當(dāng)風(fēng)險發(fā)生時，極端情況下系統(tǒng)是否穩(wěn)定。本文使用目標(biāo)免疫(targeted attack)和隨機(jī)免疫(random attack)兩種策略進(jìn)行實驗。隨機(jī)免疫是指從網(wǎng)絡(luò)中以隨機(jī)的方式刪除一些節(jié)點，目標(biāo)免疫是指按一定的順序刪除節(jié)點度較大的點，本文中的隨機(jī)或者有目標(biāo)刪除的節(jié)點數(shù)與節(jié)點總數(shù)的比例為p(在網(wǎng)絡(luò)穩(wěn)定性圖中，用橫坐標(biāo)p表示)。最大強(qiáng)連通分量的大小(最大值)反映網(wǎng)絡(luò)的連通性。因此，根據(jù)節(jié)點移除前后的最大強(qiáng)連通分量的大小變化來衡量網(wǎng)絡(luò)的穩(wěn)定性，即刪除節(jié)點后最大強(qiáng)連通分量大小與刪除節(jié)點前大小的比值，記為w(在網(wǎng)絡(luò)穩(wěn)定性圖中，用縱坐標(biāo)w表示)。通過分析，發(fā)現(xiàn)在任何階段隨機(jī)免疫較有目的的免疫具有更好的魯棒性。此外，還可以發(fā)現(xiàn)在不同階段不同市場影響下，不同性質(zhì)網(wǎng)絡(luò)結(jié)構(gòu)是不同的，因此，可以著重關(guān)注銀行在不同階段時監(jiān)管部門的監(jiān)管策略。每個階段的免疫策略對網(wǎng)絡(luò)的影響結(jié)果具體如圖6所示。

圖6 三階段波動/沖擊網(wǎng)絡(luò)圖

從圖6可以發(fā)現(xiàn)，在第一階段中，目標(biāo)免疫對于網(wǎng)絡(luò)穩(wěn)定性的影響效果明顯大于隨機(jī)免疫。在沖擊網(wǎng)絡(luò)中，當(dāng)市場行情是負(fù)向時，有目的移除各個銀行節(jié)點時，網(wǎng)絡(luò)連通性沒有顯著改變，表明每個銀行在負(fù)向沖擊網(wǎng)絡(luò)中作用是一樣的，反之當(dāng)市場消息是正面效應(yīng)時，刪除度較大的3個節(jié)點時，北京銀行，南京銀行，寧波銀行，沖擊網(wǎng)絡(luò)表現(xiàn)出巨大變化。因此，在正向沖擊網(wǎng)絡(luò)中需要關(guān)注這三大城市商業(yè)銀行：北京銀行，南京銀行，寧波銀行。在具有負(fù)向效應(yīng)的波動網(wǎng)絡(luò)中，當(dāng)刪除包括南京銀行、北京銀行、招商銀行、華夏銀行和興業(yè)銀行5個節(jié)點時，網(wǎng)絡(luò)的連通性和穩(wěn)定性都迅速下降，這表明南京銀行、北京銀行、招商銀行、華夏銀行和興業(yè)銀行在市場負(fù)面影響下在波動網(wǎng)絡(luò)中起重要作用。在正向波動網(wǎng)絡(luò)中，當(dāng)刪除節(jié)點度較大的5個銀行時(中信銀行、浦發(fā)銀行、中國銀行、民生銀行、建設(shè)銀行)，同樣網(wǎng)絡(luò)的連通性迅速下降?？梢愿鶕?jù)波動網(wǎng)絡(luò)得出不同的市場消息對各銀行的影響，當(dāng)負(fù)面消息傳來，投資者可能會關(guān)注南京銀行、北京銀行、招商銀行、華夏銀行和興業(yè)銀行，因為這5個銀行對網(wǎng)絡(luò)影響最大。當(dāng)市場傳遞正面消息時，會比較更加關(guān)注中信銀行、浦發(fā)銀行、中國銀行、民生銀行、建設(shè)銀行。

在第二階段中，目標(biāo)免疫對連通性的影響也明顯大于隨機(jī)免疫的影響。在沖擊網(wǎng)絡(luò)中，當(dāng)在負(fù)面效應(yīng)影響下，有目標(biāo)刪除銀行節(jié)點時，對網(wǎng)絡(luò)穩(wěn)定性沒有顯著影響。但是，當(dāng)在正面效應(yīng)影響下移除度最大的4個銀行時，連通性迅速下降。此外，在正面效應(yīng)下，沖擊網(wǎng)絡(luò)更加稀疏，這有助于解釋w比較低這一現(xiàn)象。在波動網(wǎng)絡(luò)中，刪除度最大的工商、建設(shè)和中國銀行3個銀行節(jié)點，會導(dǎo)致網(wǎng)絡(luò)穩(wěn)定性急劇下降。此外，移除中國銀行節(jié)點會導(dǎo)致網(wǎng)絡(luò)連接性急劇下降。當(dāng)招商銀行被移除時，網(wǎng)絡(luò)變得不穩(wěn)定，與階段一相比，可以看出階段二具有不同的傳染模式。就度分布而言，階段二中最重要的節(jié)點是中國銀行而不是工商銀行和建設(shè)銀行。在第三階段中也可以發(fā)現(xiàn)相同的現(xiàn)象，目標(biāo)免疫對網(wǎng)絡(luò)穩(wěn)定的影響遠(yuǎn)大于隨機(jī)免疫的影響。同時，在沖擊網(wǎng)絡(luò)中，當(dāng)存在負(fù)面影響時，移除前三個度大的節(jié)點可以使網(wǎng)絡(luò)連通性連接迅速下降。

3 結(jié)論

本文從波動溢出效應(yīng)考察銀行市場間的風(fēng)險溢出路徑，基于多元非對稱BEKK-GARCH模型研究中國銀行市場間的均值與波動溢出效應(yīng)，根據(jù)相應(yīng)的相關(guān)系數(shù)，并運用復(fù)雜網(wǎng)絡(luò)分析方法以溢出效應(yīng)網(wǎng)絡(luò)圖直觀表現(xiàn)市場間的關(guān)聯(lián)性，測算了網(wǎng)絡(luò)的度、網(wǎng)絡(luò)集聚系數(shù)與平均路徑長度等指標(biāo)，分析了風(fēng)險溢出的特征。研究發(fā)現(xiàn)，多元GARCH模型表明在不同階段銀行網(wǎng)絡(luò)溢出結(jié)構(gòu)是不同的。進(jìn)一步對網(wǎng)絡(luò)結(jié)構(gòu)特點及原因進(jìn)行分析，發(fā)現(xiàn)中國上市商業(yè)銀行之間風(fēng)險溢出網(wǎng)絡(luò)在高風(fēng)險區(qū)制(第二階段)時，網(wǎng)絡(luò)集聚系數(shù)呈現(xiàn)明顯增大趨勢，網(wǎng)絡(luò)的平均路徑呈現(xiàn)明顯縮短趨勢，這一特點表明高風(fēng)險時期各銀行會緊密聯(lián)系共同抵御風(fēng)險，同時非均勻的網(wǎng)絡(luò)特征使得風(fēng)險溢出網(wǎng)絡(luò)存在較強(qiáng)的魯棒性，對系統(tǒng)性風(fēng)險防范具有重要意義。最后根據(jù)網(wǎng)絡(luò)的無標(biāo)度特征，通過節(jié)點入度識別出了風(fēng)險溢出網(wǎng)絡(luò)中的關(guān)鍵節(jié)點，并采用“節(jié)點免疫”的免疫策略，對沖擊網(wǎng)絡(luò)和波動網(wǎng)絡(luò)進(jìn)行了穩(wěn)健性檢驗。根據(jù)上述研究結(jié)論，可以得出相關(guān)建議與啟示：1)加強(qiáng)對關(guān)鍵節(jié)點的監(jiān)管和控制，通過“關(guān)鍵節(jié)點不倒”實現(xiàn)“大而不倒”，進(jìn)而維護(hù)網(wǎng)絡(luò)的整體穩(wěn)定性。區(qū)別對待節(jié)點出度入度的差異，面對銀行業(yè)務(wù)緊密關(guān)聯(lián)，往來密切的業(yè)務(wù)特征，監(jiān)管部門要以監(jiān)視和預(yù)警為主要手段監(jiān)控銀行風(fēng)險，對銀行業(yè)表現(xiàn)出的市場信號及時處理，通過一種“由表及里”的模式搜尋網(wǎng)絡(luò)中的風(fēng)險來源。對于網(wǎng)絡(luò)中具有高出度節(jié)點的銀行，應(yīng)以預(yù)防控制為主，同時要加強(qiáng)與其他節(jié)點的接觸路徑的控制，從根本上限制風(fēng)險的溢出，這也與當(dāng)前監(jiān)管體系分業(yè)監(jiān)管相一致。此外，根據(jù)不同時期網(wǎng)絡(luò)關(guān)聯(lián)性的不同特征，監(jiān)管部門要有針對性地進(jìn)行差異化監(jiān)管，提升風(fēng)險管理的時效性。2)由于銀行網(wǎng)絡(luò)中存在少量度較大的節(jié)點，因此監(jiān)管部門要對這些銀行做重點監(jiān)測。在確定銀行的系統(tǒng)重要性時，要充分關(guān)注單個銀行的風(fēng)險，同時兼顧銀行網(wǎng)絡(luò)的結(jié)構(gòu)特征而引發(fā)的銀行間風(fēng)險；在金融穩(wěn)定政策的制定方面，不僅要測度銀行內(nèi)部風(fēng)險，還應(yīng)不斷更新系統(tǒng)重要性銀行的排名，實施動態(tài)監(jiān)控。