郝清民 張 玲
(天津大學,天津 300072)
COVID-19疫情以來,中國經(jīng)濟下行壓力加大,潛在風險隱患短期內(nèi)難以消除,局部金融風險加速積累。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)對銀行系統(tǒng)風險有哪些影響?銀企貸款的信用網(wǎng)絡(luò)對銀行系統(tǒng)風險的影響有多大?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),不同層級的金融網(wǎng)絡(luò)及其特征對銀行系統(tǒng)風險有哪些影響?對這些問題的研究,對調(diào)整信貸結(jié)構(gòu)和抵御金融系統(tǒng)風險具有重要的理論意義和現(xiàn)實參考價值。
國內(nèi)外通過復雜網(wǎng)絡(luò)方法對銀行系統(tǒng)風險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)研究多認為銀行之間的高連通性可分散系統(tǒng)風險。(1)銀行網(wǎng)絡(luò)結(jié)構(gòu)的模擬和建模。Allen et al.(2000)運用復雜網(wǎng)絡(luò)分析金融體系網(wǎng)絡(luò)結(jié)構(gòu)與風險間關(guān)系,認為風險傳染與金融系統(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)能夠分擔更多的風險。Battiston et al.(2012)認為銀行體系會出現(xiàn)太中心化而不倒的現(xiàn)象。Long et al.(2017)構(gòu)建銀行間市場網(wǎng)絡(luò),發(fā)現(xiàn)隨機金融網(wǎng)絡(luò)比無規(guī)模網(wǎng)絡(luò)更具彈性。(2)基于銀行實際財務(wù)交易等的數(shù)據(jù)。Glasserman et al.(2015)認為歐洲銀行體系的節(jié)點異構(gòu)、高杠桿、高連通性帶來的系統(tǒng)風險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)負債表建立銀行網(wǎng)絡(luò),發(fā)現(xiàn)低連通性增強傳染性,而在高連通性下,連通性增強能夠消化傳染性。Bats et al.(2020)認為22國OECD數(shù)據(jù)銀行端融資結(jié)構(gòu)比市場端融資結(jié)構(gòu)更容易帶來系統(tǒng)風險。
二是基于銀行體系和外部企業(yè)的風險傳染性視角,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)形成復雜關(guān)系。銀企貸款網(wǎng)絡(luò)提供風險共擔機制,個體之間容易傳染形成銀行系統(tǒng)風險。企業(yè)違約通過貸款網(wǎng)絡(luò)傳播,但隨利率和時期具有相對穩(wěn)定模式。銀行與上市公司之間的復雜信貸網(wǎng)絡(luò)具有演化特征與風險傳染特征(張玲,2018)。銀行通過分散對外投資組合、降低銀行拆借比例,逐步緩解銀行系統(tǒng)風險(姚鴻 等,2019)。中國177家銀行數(shù)據(jù)顯示,銀行系統(tǒng)傳染性風險逐年提高,股份銀行會誘發(fā)系統(tǒng)風險;銀行間杠桿增加在面臨外部沖擊時期望損失與風險傳染更大,顯著提高銀行系統(tǒng)風險(楊子暉 等,2018)。
另外,與銀行系統(tǒng)風險有關(guān)的文獻方面。De Nicolo et al.(2004)的結(jié)論與Martinez-Miera et al.(2010)相似,認為銀行間過度競爭和金融過度自由化容易引發(fā)金融危機。Beck et al.(2006)構(gòu)建邏輯回歸模型,發(fā)現(xiàn)業(yè)務(wù)集中度與銀行危機有關(guān)系。Dasgupta(2004)建立銀行風險傳染模型,認為銀行間持有資產(chǎn)同質(zhì)性降低銀行應(yīng)對流動性風險能力。Iyer et al.(2011)通過檢驗同業(yè)金融機構(gòu)之間的傳染,認為經(jīng)營情況較差的銀行受傳染性更大。Acemoglu et al.(2012)認為金融創(chuàng)新一般要早于監(jiān)管識別,導致監(jiān)管缺乏和監(jiān)管放松,加重金融系統(tǒng)性風險。楊子暉等(2018)從網(wǎng)絡(luò)建模角度、陶玲等(2016)從指標體系構(gòu)建等角度,對中國銀行的系統(tǒng)風險進行了研究,將金融系統(tǒng)風險擴散機制歸納為信貸緊縮、流動性緊縮和資產(chǎn)價格波動等機制。貨幣危機和銀行危機具有一定關(guān)系(馬恩濤 等,2019)。范小云等(2021)基于2007—2018年中國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),實證甄別中國的系統(tǒng)重要性銀行。
綜上,可以發(fā)現(xiàn),由于銀行間實際數(shù)據(jù)匱乏,已有研究多通過理論模擬或者構(gòu)建數(shù)學網(wǎng)絡(luò)模型進行模擬分析。已有部分實證研究中,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。諸多限制導致銀行系統(tǒng)風險的研究亟需深入。
本文可能的邊際貢獻在于:(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。通過公司對應(yīng)銀行貸款關(guān)系,構(gòu)建銀行信貸共同網(wǎng)絡(luò),彌補銀行間缺乏對應(yīng)實際連接數(shù)據(jù)的問題。(2)從銀行系統(tǒng)風險的傳染性視角,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)邊進行賦值構(gòu)建加權(quán)網(wǎng)絡(luò),延伸傳統(tǒng)復雜網(wǎng)絡(luò)的結(jié)構(gòu)特性,加強外部公司貸款對銀行系統(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)特性的動態(tài)演進,探究銀企網(wǎng)絡(luò)動態(tài)結(jié)構(gòu)對銀行系統(tǒng)風險的影響,以及信貸網(wǎng)絡(luò)傳染性對銀行系統(tǒng)風險的作用。
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,兩個銀行間鏈接權(quán)重為兩個企業(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)點加入和舊節(jié)點消失,銀企信貸網(wǎng)絡(luò)成為動態(tài)演化的銀行共同網(wǎng)絡(luò)。
(a)銀企二分網(wǎng)絡(luò) (b)銀行映射單頂點網(wǎng)絡(luò)
由于中國的上市銀行只有十幾家,其信貸數(shù)據(jù)已合并統(tǒng)計,難以具體分攤到獨立的企業(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1405家上市公司市場化的銀行貸款,從企業(yè)端反過來測算銀行對企業(yè)的貸款數(shù)據(jù)。
信貸數(shù)據(jù)選自CSMAR數(shù)據(jù)庫中2007年1月—2016年12月的上市公司的不同銀行分行和下級機構(gòu)貸款數(shù)據(jù),其他數(shù)據(jù)來自東方財富網(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)款方不明確或為非銀行金融機構(gòu)數(shù)據(jù)。從法律權(quán)責視角,銀行總部對貸款違約負責,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)向多個銀行的貸款數(shù)據(jù)合并到總行級別。匯總見表1。
表1 銀企貸款網(wǎng)絡(luò)年度統(tǒng)計(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??梢园l(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”層級結(jié)構(gòu)(范小云 等,2021),國有商業(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,其他銀行(圓形)處于邊緣層級。
(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,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)銀行風險的形成帶來一定影響。2007—2016年,隨著時間推移,部分城商行向網(wǎng)絡(luò)中心移動,逐步形成新“系統(tǒng)重要性機構(gòu)”。當遇到外部重大風險沖擊時,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)風險,而處于邊緣的銀行機構(gòu),由于彼此的聯(lián)系較弱,通過對個別銀行實施破產(chǎn)清算,阻斷部分風險傳播。
(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)
為進一步細化銀行共同網(wǎng)絡(luò)特征,本文將不定期貸款按照月底時點匯總到法人銀行總行層面。對某些缺失月度數(shù)據(jù),采用樣條插值方法進行彌補。對銀行共同信貸網(wǎng)絡(luò)動態(tài)演進特征,通過月度時間序列的網(wǎng)絡(luò)特征值進行分析。具體各個復雜網(wǎng)絡(luò)特性計算公式不再贅述。
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)點間凝聚性一般用聚集系數(shù)、網(wǎng)絡(luò)密度、k核等指標來測度。聚集系數(shù)描述節(jié)點之間結(jié)集成團的連接程度。網(wǎng)絡(luò)密度用網(wǎng)絡(luò)中實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)模負相關(guān)。k核代表每個頂點的點度不小于k的最大子網(wǎng)絡(luò)(見圖4)??傮w而言,銀行共同信貸網(wǎng)絡(luò)的凝聚性呈現(xiàn)減弱趨勢。
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核上升加劇局域風險的傳播速度及其在局部群落中的影響程度。
網(wǎng)絡(luò)中任意兩點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)點數(shù)量與網(wǎng)絡(luò)中節(jié)點總數(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)點數(shù)從20增長到300多,網(wǎng)絡(luò)連通比從2007年的65%增長到2016年的95%。這說明,中國銀行共同信貸網(wǎng)絡(luò)日趨復雜,銀行與企業(yè)間貸款聯(lián)系更加緊密,從而對銀行系統(tǒng)風險傳染帶來巨大影響。
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)點的點度中心勢、中介中心勢分別代表節(jié)點在網(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,點度中心勢不斷增大,說明中國銀行系統(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)中介中心勢呈下降趨勢,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。
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)點是否傾向互相連接。如果網(wǎng)絡(luò)度較大節(jié)點傾向于連接網(wǎng)絡(luò)度較大節(jié)點,說明網(wǎng)絡(luò)具有同質(zhì)性??傮w上,若度大的節(jié)點傾向于連接度小的節(jié)點,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,絕對值呈上升趨勢,銀行網(wǎng)絡(luò)呈現(xiàn)異質(zhì)性。實際貸款關(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險。
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)中心勢呈下降趨勢,銀行系統(tǒng)由幾個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)競爭,小型城商行之間存在優(yōu)勢互補,銀行系統(tǒng)存在業(yè)務(wù)多元化發(fā)展趨勢。
圖7 2008—2019年中國商業(yè)銀行不良貸款率
劉曉星等(2012)用信用加總權(quán)重法構(gòu)建中國銀行壓力指數(shù)FSI。陶玲等(2016)提出7個維度41個指標金融系統(tǒng)風險指數(shù)。本文根據(jù)極值法構(gòu)建銀行系統(tǒng)壓力指數(shù)(FSI),以評估銀行系統(tǒng)風險。由圖7可以看到,次貸危機以來中國銀行不良貸款率呈復雜變化趨勢,而銀行業(yè)的系統(tǒng)性風險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)與實際符合程度較高。在出現(xiàn)金融危機和壓力時,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時期的銀行系統(tǒng)壓力指數(shù);b0為常數(shù)項;Neti,t為銀企共同貸款網(wǎng)絡(luò)第i種拓撲特性在第t時期特征值,i∈{1,2,3,…}。
動態(tài)角度,將網(wǎng)絡(luò)集聚性和連通性歸結(jié)為傳染性指標。節(jié)點在網(wǎng)絡(luò)密集程度和鏈接關(guān)系中反映不同節(jié)點銀行間的關(guān)聯(lián)程度,代表風險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。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
為降低趨勢和異方差回歸的影響,各變量取對數(shù)處理。描述性統(tǒng)計和相關(guān)系數(shù)見表3。
表3 描述性統(tǒng)計和相關(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,貨幣市場的貨幣供應(yīng)和流動性M1、實體經(jīng)濟的工業(yè)增加值IVA的增長顯著降低銀行系統(tǒng)風險,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)波動對銀行系統(tǒng)風險影響不顯著,銀行理財數(shù)量指標對銀行系統(tǒng)風險有顯著加強作用。
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相對當期FSI(列(7)~(11))而言,隨著時間遷移,貸款網(wǎng)絡(luò)各指標對銀行系統(tǒng)風險影響有逐月降低趨勢。
由表4列(2)、(3)可見,傳染性指標中,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,加強了銀行與企業(yè)的聯(lián)系,對銀行系統(tǒng)壓力有緩釋作用,減少了系統(tǒng)傳染性風險。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對銀行系統(tǒng)風險影響不顯著,說明貸款網(wǎng)絡(luò)密集度對銀行系統(tǒng)風險的影響有限。
由表4列(4)、(5)可見,結(jié)構(gòu)性指標中,中介中心勢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)性風險。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)風險回歸結(jié)果
由表4列(6)可見,同時考慮四個主要網(wǎng)絡(luò)指標時: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)風險。從網(wǎng)絡(luò)結(jié)構(gòu)視角來看,網(wǎng)絡(luò)異質(zhì)性指標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)風險。
經(jīng)過對各個網(wǎng)絡(luò)指標多次回歸嘗試后,連通比Prop和度相關(guān)性Asso對銀行系統(tǒng)風險分別有負向和正向的獨立顯著影響。因此,兩指標更適合作為檢測和調(diào)控銀行系統(tǒng)性風險的先行指標。
除此之外,利率指標對銀行系統(tǒng)風險的正向作用中,當期影響大于滯后期,具有“立竿見影”的即時影響效果。房地產(chǎn)指數(shù)對銀行系統(tǒng)風險有加強作用,時間差別不大,長期的依存關(guān)系導致房地產(chǎn)和銀行系統(tǒng)風險同向變動。工業(yè)增加值的變化顯著降低銀行系統(tǒng)風險,滯后期比當期更有利于減輕銀行系統(tǒng)風險。公司從銀行貸款對雙方有積極作用,實體工業(yè)增長對銀行業(yè)非常重要。
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)風險情況下的可能損益;同時,替換解釋變量,用k核替換聚集系數(shù)CC1,用最大連通節(jié)點數(shù)M-gra替換網(wǎng)絡(luò)連通比Prop,用點度中心勢C_deg替換中介中心勢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?;貧w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、度相關(guān)性均對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 替換變量后的檢驗結(jié)果
首先,為了避免可能存在的內(nèi)生性問題,前文已經(jīng)選擇當期FSI的自變量和滯后一期FSI1因變量進行回歸。
其次,以工具變量法檢驗內(nèi)生性。本文選擇的工具變量為制造業(yè)采購經(jīng)理人指數(shù)指標PMI。理論上,PMI影響上市公司的生產(chǎn)經(jīng)營業(yè)務(wù),是國際上通用的監(jiān)測宏觀經(jīng)濟走勢的先行性指數(shù)。PMI不是金融指標,短期不會對銀行系統(tǒng)風險產(chǎn)生直接影響。采用2SLS方法回歸,結(jié)果見表6??傮w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,用格蘭杰因果檢驗盡可能排除逆向因果導致的內(nèi)生性問題。采用滯后3月的數(shù)據(jù),結(jié)果見表7??梢钥吹?,網(wǎng)絡(luò)特征指標或多或少引發(fā)銀行壓力變化,并不存在統(tǒng)計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)風險的格蘭杰因果檢驗
銀企之間存在著較強債務(wù)依賴關(guān)系,形成復雜的信貸網(wǎng)絡(luò)關(guān)系。貸款網(wǎng)絡(luò)在分散風險的同時也為風險提供了傳播路徑。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)會從多個不同性質(zhì)銀行貸款)。相比國有和股份制銀行,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風險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)去中介中心勢不利于降低銀行系統(tǒng)風險,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)的抗風險能力。
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。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)風險。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)風險。這符合金融服務(wù)實體經(jīng)濟初衷。銀行共同信貸網(wǎng)絡(luò)的異質(zhì)性越強,導致銀行體系面臨系統(tǒng)性風險越大。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,反而增加了銀行系統(tǒng)風險。
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)風險抵抗力。需要規(guī)范不同性質(zhì)和規(guī)模的城商行發(fā)展,加強對小銀行的監(jiān)管。通過鼓勵企業(yè)向多個銀行分散貸款,使銀行共同信貸網(wǎng)絡(luò)中各節(jié)點之間聯(lián)系更加緊密,促進銀行系統(tǒng)充分服務(wù)不同層級的公司。減少房地產(chǎn)依賴,有利于降低銀行系統(tǒng)傳染風險發(fā)生的可能性。鼓勵和規(guī)范企業(yè)加大標準化產(chǎn)品的同質(zhì)性借款,可以提高銀行系統(tǒng)的抗風險能力,增加銀行系統(tǒng)網(wǎng)絡(luò)的穩(wěn)定性。