馬若微　周萌　丁鑫

摘 要：根據(jù)2021年我國銀行間市場相關(guān)數(shù)據(jù)，構(gòu)建復(fù)雜網(wǎng)絡(luò)模型研究銀行間風(fēng)險(xiǎn)傳染路徑，比較接管銀行的兩種現(xiàn)實(shí)選擇，并運(yùn)用仿真模擬考量風(fēng)險(xiǎn)管理效果。研究表明：選擇與危機(jī)銀行擁有較多連鎖債務(wù)關(guān)系的銀行進(jìn)行接管，比選擇市場上活躍度較高的銀行進(jìn)行接管，其效果更優(yōu)，可顯著降低銀行間市場的風(fēng)險(xiǎn)溢出。

關(guān)鍵詞： 接管銀行；復(fù)雜網(wǎng)絡(luò)；風(fēng)險(xiǎn)管理；銀行間市場

中圖分類號：F832．3 文獻(xiàn)標(biāo)識碼： A文章編號：1003-7217（2023）02-0002-07

一、引 言

近年來，伴隨著利率市場化改革推進(jìn)和金融創(chuàng)新發(fā)展，我國金融機(jī)構(gòu)為創(chuàng)造更多流動(dòng)性及利潤增長點(diǎn)，愈加依賴銀行間市場，使得同業(yè)業(yè)務(wù)迅猛發(fā)展。但同時(shí)，銀行間錯(cuò)綜復(fù)雜的資產(chǎn)負(fù)債關(guān)聯(lián)為損失的擴(kuò)散創(chuàng)造了條件。根據(jù)《中國金融穩(wěn)定報(bào)告（2021）》，銀行間市場上最大的5家交易對手違約，會(huì)使整個(gè)銀行體系的資本充足率下降2.89%。因此當(dāng)某家銀行因受到?jīng)_擊而遭遇危機(jī)時(shí)，如不及時(shí)有效地對其進(jìn)行處置，極有可能在金融市場內(nèi)引發(fā)多米諾骨牌效應(yīng)，產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)。

當(dāng)某一銀行因流動(dòng)性不足而無法持續(xù)經(jīng)營，對其全部業(yè)務(wù)進(jìn)行接管是目前國際上的通行做法，也是最小化金融風(fēng)險(xiǎn)發(fā)生概率的關(guān)鍵，擔(dān)任接管的機(jī)構(gòu)有可能是央行、政府、存款保險(xiǎn)機(jī)構(gòu)以及其他商業(yè)銀行等。而商業(yè)銀行作為接管人能有效降低成本，提高市場效率，其接管效果較為顯著[1]。國內(nèi)外目前接管銀行的選擇主要有兩種思路：第一種是選擇在銀行間市場上同其他機(jī)構(gòu)關(guān)聯(lián)緊密的銀行作為接管銀行，如2019年我國建設(shè)銀行、工商銀行分別對包商銀行、錦州銀行風(fēng)險(xiǎn)的管理。負(fù)責(zé)接管的銀行綜合實(shí)力強(qiáng)、經(jīng)營管理規(guī)范、網(wǎng)點(diǎn)和客戶服務(wù)體系完善，這使其與市場上其他銀行具有較強(qiáng)的關(guān)聯(lián)性，也因此成為接管銀行的優(yōu)選。第二種則是選擇在銀行間市場上與危機(jī)銀行有共同交易對手的銀行作為接管銀行，如2020年美國MVB Bank對The First State Bank、我國徽商銀行對包商銀行的風(fēng)險(xiǎn)處置。擔(dān)任接管機(jī)構(gòu)的銀行與危機(jī)銀行或地理位置鄰近，或資產(chǎn)規(guī)模相當(dāng)，若二者在銀行間市場上擁有共同交易對手，則實(shí)施接管后債權(quán)債務(wù)可能發(fā)生對沖，降低接管成本。這兩種現(xiàn)實(shí)接管模式哪種效果更優(yōu)，成為相關(guān)部門急需解決的問題。

理論研究上，風(fēng)險(xiǎn)傳染作為金融風(fēng)險(xiǎn)的重要主題，一直以來便受到國內(nèi)外學(xué)者的高度關(guān)注。Forbes和Rigobon最早把病毒的“傳染”模式引入金融風(fēng)險(xiǎn)的研究中，認(rèn)為若外部沖擊超過可以由基本面因素解釋的范圍，則發(fā)生了金融風(fēng)險(xiǎn)傳染[2]。之后的研究普遍認(rèn)為金融風(fēng)險(xiǎn)傳染指當(dāng)某一金融機(jī)構(gòu)發(fā)生危機(jī)時(shí)，產(chǎn)生的負(fù)外部性會(huì)通過機(jī)構(gòu)間的關(guān)聯(lián)將風(fēng)險(xiǎn)溢出給其他金融機(jī)構(gòu)，從而引起的風(fēng)險(xiǎn)擴(kuò)散[3，4]。金融機(jī)構(gòu)通過銀行間市場[5-11]、支付結(jié)算[12-14]等方式直接相關(guān)，也通過信息溢出間接關(guān)聯(lián)[4，15-19]。相比之下，銀行間市場涉及更大規(guī)模的金融資產(chǎn)交易，更易引發(fā)風(fēng)險(xiǎn)傳染[20]。對于危機(jī)銀行管理的研究，自Bernanke和Blinder指出銀行信貸會(huì)加劇經(jīng)濟(jì)危機(jī)[21]之后，Rice和Rose將視角轉(zhuǎn)到美國政府對房利美和房地美的接管，強(qiáng)調(diào)了危機(jī)期間商業(yè)銀行信貸關(guān)系發(fā)揮的重要作用[22]。Torre和Nenovsky則關(guān)注到被處置機(jī)構(gòu)的選擇，認(rèn)為國家應(yīng)先接管較為重要的大型商業(yè)銀行[23]。國內(nèi)學(xué)者主要從金融機(jī)構(gòu)的監(jiān)管、預(yù)測、接管和退出視角，研究相關(guān)法律制度，提出政策建議[24-27]，對危機(jī)時(shí)接管銀行選擇的研究較少。

在當(dāng)前世界處于百年未有之大變局背景下，銀行間市場上的各參與主體聯(lián)系愈加緊密，關(guān)聯(lián)方式也愈加復(fù)雜，計(jì)量回歸等傳統(tǒng)研究方法在研究復(fù)雜問題上存在一定局限性。已有研究發(fā)現(xiàn)，銀行間網(wǎng)絡(luò)具有小世界性[14，28]和無標(biāo)度性[29-32]，可以用來刻畫復(fù)雜的風(fēng)險(xiǎn)傳染路徑[33]。基于此，本文試圖在以下方面做出創(chuàng)新性工作：引入復(fù)雜網(wǎng)絡(luò)模型研究金融風(fēng)險(xiǎn)傳染路徑，分析危機(jī)時(shí)銀行接管模式，比較風(fēng)險(xiǎn)管理效果，并由此做出較優(yōu)選擇。

二、銀行間市場風(fēng)險(xiǎn)傳染機(jī)制

（一）風(fēng)險(xiǎn)傳染的假設(shè)條件與判定方法

為確保風(fēng)險(xiǎn)傳染分析的可行性以及結(jié)果的合理性，做出以下假設(shè)條件：

第一，不考慮傳染源即初始沖擊的類型。風(fēng)險(xiǎn)傳染是指某家銀行受到?jīng)_擊而遭遇危機(jī)后，基于銀行同業(yè)間借貸關(guān)聯(lián)而引發(fā)其他銀行接連陷入困境的事件，重點(diǎn)在于研究風(fēng)險(xiǎn)傳染的過程及結(jié)果，而不是傳染源。

第二，傳染載體承載著不確定性，可以是有形的也可以是無形的。僅考慮以信用作為傳染載體，即僅考慮初始危機(jī)銀行因無法全部償還其債權(quán)銀行的同業(yè)資產(chǎn)而產(chǎn)生信用違約的情形。

第三，忽略金融安全網(wǎng)的作用，即相關(guān)部門對金融機(jī)構(gòu)不存在隱性擔(dān)保、注入資金等行為。同時(shí)，假定銀行同業(yè)拆借系統(tǒng)中各銀行不存在增加資本金的情形，且同業(yè)資產(chǎn)及同業(yè)負(fù)債規(guī)模不變。

進(jìn)一步判定受危機(jī)銀行影響，其債權(quán)銀行是否陷入困境?！栋腿麪枀f(xié)議Ⅲ》規(guī)定銀行在資本充足率達(dá)到或高于8%時(shí)，才能可持續(xù)健康經(jīng)營，于是以此為判別條件，認(rèn)為若銀行j陷入困境，則有

式（1）中，i為債權(quán)銀行，CARi、Ei和RWAi分別表示其資本充足率、資本凈額和加權(quán)風(fēng)險(xiǎn)資產(chǎn)總額；LGD（loss given default）表示違約損失率，參考高國華等的研究其值取100%[34]；α為同業(yè)資產(chǎn)風(fēng)險(xiǎn)權(quán)重系數(shù)，參照《巴塞爾協(xié)議Ⅲ》標(biāo)準(zhǔn)其值取0.25；eij為權(quán)重矩陣E中元素，表示銀行i對j的債權(quán)；Rj為虛擬變量，銀行陷入困境時(shí)被賦值為1，否則為0。若銀行j遭遇危機(jī)，根據(jù)式（1）可判定其債權(quán)銀行i是否會(huì)受風(fēng)險(xiǎn)傳染而陷入困境。

（二）風(fēng)險(xiǎn)傳染過程

為了更加清晰地表示銀行間市場上遭受沖擊銀行的風(fēng)險(xiǎn)傳染過程，對各銀行的資產(chǎn)負(fù)債結(jié)構(gòu)進(jìn)行簡化，認(rèn)為銀行的資產(chǎn)包括同業(yè)資產(chǎn)和其他資產(chǎn)，負(fù)債包括同業(yè)負(fù)債和客戶存款，資本凈額則為二者之差，用于吸收損失。其中同業(yè)資產(chǎn)等于存放同業(yè)、拆出資金和買入返售三項(xiàng)之和，同業(yè)負(fù)債等于同業(yè)存放、拆入資金和賣出回購三項(xiàng)之和。

在銀行同業(yè)拆借系統(tǒng)中假設(shè)存在5家銀行（A、P、Q、U、V），A是P、Q、V的債務(wù)銀行，Q是V的債務(wù)銀行，U是P、Q的債權(quán)銀行。若銀行A受到?jīng)_擊而陷入困境，導(dǎo)致對其債權(quán)銀行P、Q、V產(chǎn)生信用違約，此為風(fēng)險(xiǎn)傳染過程的第一輪。違約損失率為LGD，則銀行P存放在銀行A的同業(yè)資產(chǎn)將損失LGD×ePA，銀行Q將損失LGD×eQA，銀行V將損失LGD×eVA。銀行P、Q、V所遭受的這部分損失分別由自身資本凈額吸收，若吸收后銀行P、V仍滿足最低監(jiān)管要求，則繼續(xù)正常經(jīng)營，且資本凈額分別減少至EP－LGD×ePA，EV－LGD×eVA；而銀行Q不能滿足最低監(jiān)管要求，則被風(fēng)險(xiǎn)傳染至陷入困境。被傳染銀行Q繼續(xù)對其債權(quán)銀行U、V產(chǎn)生違約行為，此為風(fēng)險(xiǎn)傳染過程的第二輪。若銀行U的資本凈額吸收損失后，能夠滿足最低監(jiān)管要求，則不受風(fēng)險(xiǎn)傳染；而銀行V受到來自銀行A、Q風(fēng)險(xiǎn)的疊加后，其同業(yè)資產(chǎn)共損失LGD×（eVA+eVQ），資本凈額不能夠完全吸收該損失，則不能滿足最低監(jiān)管要求，也會(huì)遭受風(fēng)險(xiǎn)傳染。此時(shí)系統(tǒng)中不再出現(xiàn)新的銀行遭遇困境，則認(rèn)為由銀行A遭遇危機(jī)引致的風(fēng)險(xiǎn)傳染過程結(jié)束。

三、銀行間市場風(fēng)險(xiǎn)傳染的復(fù)雜網(wǎng)絡(luò)與接管模式分析

（一）銀行間同業(yè)拆借網(wǎng)絡(luò)構(gòu)建

復(fù)雜網(wǎng)絡(luò)是由數(shù)量龐大的節(jié)點(diǎn)以及節(jié)點(diǎn)之間錯(cuò)綜復(fù)雜的連邊共同組成的網(wǎng)絡(luò)結(jié)構(gòu)，用G來表示。其中節(jié)點(diǎn)代表真實(shí)系統(tǒng)的個(gè)體，記為V；連邊則代表不同個(gè)體間的關(guān)系，記為E。若兩個(gè)節(jié)點(diǎn)之間存在某種特定的關(guān)系則進(jìn)行連邊，否則不連邊。在實(shí)際網(wǎng)絡(luò)構(gòu)建中，不同節(jié)點(diǎn)之間的連邊可能具有方向之分，也可能具有不同的權(quán)重。

銀行同業(yè)間的拆借關(guān)系具有不同的方向，且拆借額度也不盡相同，于是將構(gòu)建一個(gè)有向加權(quán)的復(fù)雜網(wǎng)絡(luò)G（V，E）來刻畫我國銀行間市場的風(fēng)險(xiǎn)傳染。其中節(jié)點(diǎn)V代表銀行，連邊E代表其同業(yè)間借貸，i→j箭頭所指方向代表債權(quán)銀行i向債務(wù)銀行j拆出資金的方向，且計(jì)算的是同業(yè)間凈拆借數(shù)據(jù)，即兩銀行間只有單向箭頭。連邊的粗細(xì)代表連邊權(quán)重eij的大小，邊越粗，則兩銀行間連邊的權(quán)重越大。但是由于我國銀行間市場僅發(fā)布一段時(shí)期內(nèi)的總量信息，卻無法獲得具體的雙邊交易數(shù)據(jù)，即不能直接得到網(wǎng)絡(luò)的連邊方向和權(quán)重，為此，按照國際上對該領(lǐng)域研究的慣例，借助最大熵原理根據(jù)資產(chǎn)負(fù)債表中的同業(yè)資產(chǎn)和同業(yè)負(fù)債數(shù)據(jù)估算銀行間關(guān)聯(lián)矩陣。

最大熵原理是指在部分己知條件下，通過對符合已知信息最隨機(jī)的推斷來估計(jì)未知信息的分布。因此，假設(shè)我國的銀行間市場為完全市場結(jié)構(gòu)，借助該原理對銀行間的具體拆借額度矩陣進(jìn)行估計(jì)，使得該矩陣與反映已知信息矩陣之間的差別最小。為了使結(jié)果更加貼近現(xiàn)實(shí)，參考宮曉莉等的做法，選取矩陣中所有拆借額度的0.4分位數(shù)作為閾值，大于閾值的數(shù)據(jù)留下，小于閾值的刪去[4]，并進(jìn)一步對矩陣的拆出拆入作差，得到最終的拆借矩陣A和權(quán)重矩陣E，其中拆借矩陣表示銀行間拆借的有無及方向，而權(quán)重矩陣代表的是銀行間具體拆借額度①。

（二）網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征指標(biāo)

1.度數(shù)中心性。

在復(fù)雜網(wǎng)絡(luò)中，連邊的有無及方向反映了銀行間市場上金融機(jī)構(gòu)間拆借關(guān)系的有無及拆借方向。在僅考慮信用違約風(fēng)險(xiǎn)的前提下，定義節(jié)點(diǎn)的出度為Vtoi=∑i≠j1≤j≤Naji，代表銀行i對其他N-1家銀行的風(fēng)險(xiǎn)傳染情況；定義節(jié)點(diǎn)的入度為Vini=∑j≠i1≤j≤Naij，代表銀行i受到來自其他N-1家銀行的風(fēng)險(xiǎn)傳染情況；定義節(jié)點(diǎn)度為出度與入度之和，代表其在網(wǎng)絡(luò)中的活躍度。銀行間同業(yè)拆借網(wǎng)絡(luò)中，節(jié)點(diǎn)的出度越大，其風(fēng)險(xiǎn)的傳染規(guī)模也越大；節(jié)點(diǎn)的入度越大，其承受的風(fēng)險(xiǎn)值也越大；節(jié)點(diǎn)度越大，其與其他銀行間借貸關(guān)聯(lián)越緊密，在網(wǎng)絡(luò)中也就越活躍。

2.接近中心性。

在網(wǎng)絡(luò)G（V，E）中，節(jié)點(diǎn)j既可能與節(jié)點(diǎn)i直接相連，又可能通過其余節(jié)點(diǎn)與節(jié)點(diǎn)i間接相連。假設(shè)節(jié)點(diǎn)j指向節(jié)點(diǎn)i時(shí)經(jīng)過了x個(gè)節(jié)點(diǎn)，則稱二者之間出路徑的長度為x（當(dāng)j與i直接相連時(shí)，x=1；當(dāng)j與i之間通過1個(gè)節(jié)點(diǎn)間接相連時(shí)，x=2；…）。在所有由j指向i的路徑中最短的一條稱為出最短路徑，其長度是出最短路徑長度，記為xmin j，i。同樣僅考慮信用違約時(shí)，節(jié)點(diǎn)i的出接近中心性可以定義為其余所有節(jié)點(diǎn)到節(jié)點(diǎn)i出最短路徑總和的倒數(shù)，即Ctoi=1∑j≠i1≤j≤Nxmin j，i。同理，節(jié)點(diǎn)i的入接近中心性可以定義為節(jié)點(diǎn)i到其余所有節(jié)點(diǎn)的入最短路徑總和的倒數(shù)，有Cini=1∑j≠i1≤j≤Nxmin i，j。網(wǎng)絡(luò)中節(jié)點(diǎn)的出接近中心性越大，則其遭受沖擊產(chǎn)生信用風(fēng)險(xiǎn)時(shí)，向其他節(jié)點(diǎn)傳染風(fēng)險(xiǎn)的速度也越快。同理，節(jié)點(diǎn)的入接近中心性越大，則其被風(fēng)險(xiǎn)傳染的速度也就越快。

（三）基于復(fù)雜網(wǎng)絡(luò)視角的接管模式分析

近年來我國銀行風(fēng)險(xiǎn)暴露事件頻發(fā)，2019年包商銀行因出現(xiàn)嚴(yán)重信用風(fēng)險(xiǎn)導(dǎo)致同業(yè)業(yè)務(wù)被中國建設(shè)銀行承接，錦州銀行也因出現(xiàn)風(fēng)險(xiǎn)被工商銀行接管。建設(shè)銀行、工商銀行作為接管銀行，綜合實(shí)力強(qiáng)，資產(chǎn)規(guī)模龐大，經(jīng)營管理規(guī)范，網(wǎng)點(diǎn)和客戶服務(wù)體系完善，與其他銀行間關(guān)聯(lián)緊密，在銀行間同業(yè)拆借網(wǎng)絡(luò)中通常也是節(jié)點(diǎn)度最大的一類銀行，即最為活躍的一類銀行。某家銀行遭遇危機(jī)后，則選取銀行間市場上最活躍的銀行作為接管銀行，并將其稱為基于銀行活躍度的接管模式（以下簡稱C1模式）。

2020年美國The First State Bank宣布破產(chǎn)，其同業(yè)業(yè)務(wù)被轉(zhuǎn)至MVB Bank旗下。同年我國繼續(xù)處置包商銀行風(fēng)險(xiǎn)，總行及內(nèi)蒙古自治區(qū)內(nèi)外各分支機(jī)構(gòu)的資產(chǎn)負(fù)債業(yè)務(wù)分別由蒙商銀行、徽商銀行承接。這種接管模式下接管銀行與危機(jī)銀行或地理位置相近，或資產(chǎn)規(guī)模相當(dāng)，在銀行間同業(yè)拆借網(wǎng)絡(luò)中擁有大量共同交易對手，可以有效降低接管成本。進(jìn)一步地，若接管銀行從共同交易對手拆入資金，且共同交易對手從危機(jī)銀行拆入資金，則認(rèn)為接管銀行與危機(jī)銀行擁有連鎖債務(wù)關(guān)系。實(shí)施接管后作為接管方的銀行與共同交易對手間債權(quán)債務(wù)對沖，甚至可能由原來的債務(wù)關(guān)系轉(zhuǎn)為債權(quán)關(guān)系?；诖耍阢y行間市場上各銀行均追求實(shí)現(xiàn)利益最大化的情況下，與危機(jī)銀行間擁有最多連鎖債務(wù)關(guān)系的銀行便會(huì)對其同業(yè)業(yè)務(wù)進(jìn)行接管，即為基于銀行間連鎖債務(wù)關(guān)系的接管模式（以下簡稱C2模式）。

四、實(shí)證研究

（一）樣本及數(shù)據(jù)選取

選取我國23家商業(yè)銀行作為樣本，其中包括19家由央行和銀保監(jiān)會(huì)評估認(rèn)定的國內(nèi)系統(tǒng)重要性銀行，即6家國有商業(yè)銀行、9家股份制商業(yè)銀行和4家城市商業(yè)銀行，還包括總資產(chǎn)規(guī)模排名前4的農(nóng)村商業(yè)銀行②。根據(jù)國泰安數(shù)據(jù)庫以及各銀行年報(bào)公布情況，收集了樣本銀行2021年同業(yè)交易的存量數(shù)據(jù)，并進(jìn)行了描述性統(tǒng)計(jì)③。

銀行的資產(chǎn)規(guī)模能夠影響到風(fēng)險(xiǎn)傳染效應(yīng)，于是按其排序?qū)颖俱y行分為大、中、小三檔④，并從中分別隨機(jī)選取一家銀行K（K=B3，B8，B18）作為代表，研究其遭遇危機(jī)后的接管模式。

（二）不同模式下的網(wǎng)絡(luò)構(gòu)建

在C1模式下，選取銀行間市場上最活躍的銀行對危機(jī)銀行的債權(quán)債務(wù)進(jìn)行接管。為衡量我國銀行間同業(yè)拆借網(wǎng)絡(luò)中各銀行的活躍程度，使用Ucinet對其節(jié)點(diǎn)度進(jìn)行計(jì)算⑤。結(jié)果顯示，B1和B3的節(jié)點(diǎn)度均為最大，這些銀行資產(chǎn)規(guī)模大、資金充足，且公眾信賴度高，在我國銀行間同業(yè)拆借網(wǎng)絡(luò)中其債權(quán)債務(wù)銀行數(shù)目最多，即最為活躍。當(dāng)一家銀行遭遇危機(jī)后，若銀行間市場上最活躍的銀行不止一家，則從中選擇資產(chǎn)規(guī)模最大的那家銀行來接管危機(jī)銀行的同業(yè)拆借業(yè)務(wù)，這樣可以在降低風(fēng)險(xiǎn)傳染效應(yīng)的同時(shí)，最大程度上保障接管銀行各項(xiàng)業(yè)務(wù)的正常運(yùn)行。至此可得C1模式下K遭遇危機(jī)后的三家銀行B3，B8，B18接管銀行分別為B1、B3和B3。

在C2模式下，選取的接管銀行在銀行間市場上與危機(jī)銀行擁有最多的連鎖債務(wù)關(guān)系。我國銀行間同業(yè)拆借網(wǎng)絡(luò)的權(quán)重矩陣E中，假設(shè)銀行i遭遇危機(jī)，其所在的行表示i的債務(wù)銀行，即i對其他銀行拆出資金。通過篩選得到其債務(wù)銀行所在的行，表示危機(jī)銀行i對其債務(wù)銀行拆出資金，其債務(wù)銀行又向其他銀行拆出資金，即三者之間形成連鎖債務(wù)關(guān)系。在篩選出的這些行中繼續(xù)尋找出現(xiàn)次數(shù)最多的銀行，認(rèn)為其與危機(jī)銀行i擁有最多的連鎖債務(wù)關(guān)系，并選擇該銀行作為接管銀行。C2模式下進(jìn)行的接管，可能會(huì)出現(xiàn)危機(jī)銀行的債權(quán)恰好為接管銀行的債務(wù)的情況，使其不僅能夠降低接管銀行重新與其他銀行建立業(yè)務(wù)往來所產(chǎn)生的成本，還有利于實(shí)現(xiàn)接管銀行的利益最大化。至此可得C2模式下K遭遇危機(jī)后的三家銀行B3，B8，B18接管銀行分別為B9、B11和B13。

因此，當(dāng)銀行K遭遇危機(jī)后，對于其同業(yè)間的債權(quán)債務(wù)，C1模式下選取銀行W（W=B1，B3）進(jìn)行接管，而C2模式下選取銀行Z（Z=B9，B11，B13）進(jìn)行接管。權(quán)重矩陣E中，危機(jī)銀行的行和列被轉(zhuǎn)移至接管銀行，由于危機(jī)銀行與其他銀行間的業(yè)務(wù)往來全部中斷，矩陣中表示其拆出拆入的行和列全部變?yōu)榱恪Ｍ瑫r(shí)接管銀行在原來自身同業(yè)業(yè)務(wù)的基礎(chǔ)上增加了所接管危機(jī)銀行的那部分，在矩陣中其行和列所代表的拆出拆入額度會(huì)隨之增加，對其作差后得到接管銀行與網(wǎng)絡(luò)中其他銀行同業(yè)間的凈拆借額度，于是C1和C2模式下的權(quán)重矩陣得以計(jì)算，并根據(jù)拆借關(guān)系的有無可以進(jìn)一步得到拆借矩陣。

（三）復(fù)雜網(wǎng)絡(luò)生成

我國銀行同業(yè)拆借系統(tǒng)中，一旦某家銀行受到?jīng)_擊致其資產(chǎn)受到嚴(yán)重?fù)p失，可能會(huì)直接導(dǎo)致其債權(quán)銀行的壞賬，繼而導(dǎo)致債權(quán)銀行的交易對手同步衰退或違約共振，引發(fā)金融風(fēng)險(xiǎn)。某家銀行遭遇危機(jī)后其產(chǎn)生的風(fēng)險(xiǎn)在網(wǎng)絡(luò)中進(jìn)行傳染的情形稱作初始狀態(tài)（以下簡稱C0模式），在文中主要起對比作用。

以K（Κ=B3，B8，B18）為代表，假設(shè)其分別遭遇危機(jī)，通過計(jì)算可以得到初始狀態(tài)和兩種接管模式下的拆借矩陣和權(quán)重矩陣，將其導(dǎo)入U(xiǎn)cinet則可以生成復(fù)雜網(wǎng)絡(luò)。通過計(jì)算包括危機(jī)銀行K、C1模式下的接管銀行W、C2模式下的接管銀行Z在內(nèi)的三家銀行總出度、總?cè)攵?、總出接近中心性和總?cè)虢咏行男?，可以得到C0、C1和C2三種不同狀態(tài)下的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征指標(biāo)，如表1所示。

從表1可以發(fā)現(xiàn)，接管模式不同會(huì)導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)的差異。不論K取B3、B8和B18，C1和C2模式均可以降低節(jié)點(diǎn)的出度、出接近中心性以及入度、入接近中心性，即對危機(jī)銀行實(shí)施的接管能夠減少網(wǎng)絡(luò)中的傳染與被傳染情況。更進(jìn)一步，C1模式更大程度上降低節(jié)點(diǎn)的入度和入接近中心性，即減小節(jié)點(diǎn)被其他銀行傳染風(fēng)險(xiǎn)的可能性。而C2模式則更大程度上降低節(jié)點(diǎn)的出度和出接近中心性，即抑制節(jié)點(diǎn)向外傳染風(fēng)險(xiǎn)的能力。

圖1、圖2和圖3分別反映了僅保留危機(jī)銀行、接管銀行從其他銀行拆入資金情況下K分別取B3、B8和B18時(shí)，C0、C1和C2三種不同模式下的局部復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)圖。

結(jié)合圖1、圖2和圖3可以直觀地發(fā)現(xiàn)，與C0模式相比，原來遭遇危機(jī)的銀行B3、B8和B18在C1和C2模式下的接管后均成為網(wǎng)絡(luò)中一個(gè)孤立的節(jié)點(diǎn)，原因是接管后其他銀行與該銀行同業(yè)間的業(yè)務(wù)合作被轉(zhuǎn)移至接管銀行，以致其退出銀行間市場。進(jìn)一步地，相較于C1模式，C2模式下網(wǎng)絡(luò)中的孤立節(jié)點(diǎn)更多，即危機(jī)銀行、接管銀行從其他銀行拆入資金的情況更少，該模式下風(fēng)險(xiǎn)溢出的可能性更低。此外，C1和C2兩種模式下銀行間拆借額度也有所不同，因此我國銀行間同業(yè)拆借關(guān)聯(lián)的局部網(wǎng)絡(luò)結(jié)構(gòu)具有明顯差異。

（四）接管模式的仿真模擬與效果比較

使用樣本銀行2021年的同業(yè)數(shù)據(jù)，通過MATLAB編程仿真模擬當(dāng)各銀行遭遇危機(jī)后，受風(fēng)險(xiǎn)傳染而陷入困境的銀行數(shù)目，這能夠直觀反映銀行間的風(fēng)險(xiǎn)傳染效應(yīng)。模擬結(jié)果顯示我國銀行間市場上的單個(gè)銀行遭遇經(jīng)營危機(jī)所造成的風(fēng)險(xiǎn)傳染效應(yīng)較小，雖然不至于導(dǎo)致其債權(quán)銀行的經(jīng)營困境，但仍對其帶來沖擊造成損失。高國華和潘英麗在基于資產(chǎn)負(fù)債表關(guān)聯(lián)對銀行間市場雙邊風(fēng)險(xiǎn)傳染的研究過程中便發(fā)現(xiàn)銀行的破產(chǎn)概率很低，但盡管如此，若單個(gè)銀行倒閉，其仍會(huì)給整個(gè)銀行體系的核心資本帶來巨大損失，于是通過模擬風(fēng)險(xiǎn)引致的不同核心資本損失程度下的銀行數(shù)量來估算風(fēng)險(xiǎn)傳染效應(yīng)[34]。本文借鑒其處理方法，從各樣本銀行發(fā)布的2021年年報(bào)獲取核心資本數(shù)據(jù)，計(jì)算我國某銀行遭遇經(jīng)營危機(jī)后給銀行體系造成的核心資本損失率。

初始狀態(tài)下，銀行K、W、Z均因受到?jīng)_擊而遭遇危機(jī)，給銀行系統(tǒng)造成的核心資本損失率，將其記為y0；C1模式下，銀行W接管K后，與銀行Z共同遭遇危機(jī)所帶來的核心資本損失率記為y1；C2模式下，銀行Z接管K后，同銀行W一起遭遇危機(jī)所造成的核心資本損失率記為y2。通過y0、y1和y2的大小對K分別取B3、B8和B18時(shí)，不同接管模式的風(fēng)險(xiǎn)管理效果進(jìn)行對比，具體結(jié)果見表2。

由表2可以看出，與C0模式相比，K取B3時(shí)，C1模式下的系統(tǒng)核心資本率減少約0.37%，而C2模式使其下降0.91%；K分別取B8和B18時(shí)，C1模式下的系統(tǒng)核心資本率僅減少0.03%，而C2模式下該數(shù)值分別減少0.05%、0.04%。這說明，相比于C0模式，C1模式、C2模式均可以減少銀行系統(tǒng)的核心資本損失，進(jìn)一步比較可以發(fā)現(xiàn)后者抑制損失的效果更加顯著。原因可能是C1模式下選取銀行間同業(yè)拆借網(wǎng)絡(luò)中最活躍的銀行實(shí)施接管時(shí)成本較高，該節(jié)點(diǎn)與網(wǎng)絡(luò)中其他節(jié)點(diǎn)重新建立連接時(shí)可能會(huì)由于其資產(chǎn)規(guī)模、風(fēng)險(xiǎn)傳染能力、風(fēng)險(xiǎn)承受能力等與原來節(jié)點(diǎn)有較大差異而加劇其自身財(cái)務(wù)負(fù)擔(dān)與風(fēng)險(xiǎn)水平，甚至破壞銀行間同業(yè)拆借網(wǎng)絡(luò)的穩(wěn)定性，繼而帶來風(fēng)險(xiǎn)管理效果的下降。而C2模式下實(shí)施接管時(shí)接管銀行與危機(jī)銀行在銀行間市場上擁有大量共同交易對手，可以大大降低C1模式中因重新建立業(yè)務(wù)往來而產(chǎn)生的接管成本，且接管銀行的債務(wù)被對沖后可能轉(zhuǎn)為債權(quán)，這使其實(shí)現(xiàn)利益最大化的同時(shí)所帶來的風(fēng)險(xiǎn)傳染效應(yīng)更小。

五、結(jié) 論

本文分析了我國銀行間市場的風(fēng)險(xiǎn)傳染機(jī)制，并在此基礎(chǔ)上利用真實(shí)交易數(shù)據(jù)構(gòu)建了有向加權(quán)復(fù)雜網(wǎng)絡(luò)，然后從該視角分析了兩種銀行接管模式，仿真模擬并比較了其風(fēng)險(xiǎn)管理效果，主要得到以下結(jié)論：

第一，當(dāng)某家銀行遭遇危機(jī)后，基于銀行活躍度的接管模式與基于銀行間連鎖債務(wù)關(guān)系的接管模式均可以降低整個(gè)系統(tǒng)發(fā)生金融風(fēng)險(xiǎn)傳染的概率。其中第一種模式下選擇的接管銀行同銀行間市場上的其他機(jī)構(gòu)關(guān)聯(lián)最為緊密，同業(yè)交易最為頻繁。若接管銀行與危機(jī)銀行在銀行間市場上擁有大量共同交易對手，且共同交易對手對前者拆出資金、由后者拆入資金，則形成連鎖債務(wù)關(guān)系。選擇與危機(jī)銀行在銀行間市場上擁有最多連鎖債務(wù)關(guān)系的銀行進(jìn)行接管，是本文的第二種接管模式。兩種模式下實(shí)施接管后均可以減少整個(gè)銀行體系面臨的核心資本損失，降低銀行間市場風(fēng)險(xiǎn)。

第二，當(dāng)某家銀行遭遇危機(jī)后，同基于銀行活躍度的接管模式相比較，基于銀行間連鎖債務(wù)關(guān)系的接管模式風(fēng)險(xiǎn)管理效果更優(yōu)。原因可能是該模式下選擇的接管銀行與危機(jī)銀行在銀行間市場上擁有共同的交易對手，可以有效降低接管成本。進(jìn)一步地，若危機(jī)銀行向共同交易對手拆出資金，接管銀行由共同交易對手拆入資金，實(shí)施接管后作為接管方的銀行債權(quán)債務(wù)產(chǎn)生對沖，債務(wù)有可能轉(zhuǎn)為債權(quán)，因此可以更大程度上減少銀行間市場上的核心資本損失，有效控制風(fēng)險(xiǎn)的進(jìn)一步傳染，提高風(fēng)險(xiǎn)處置和管理水平。

注釋：

① 受篇幅限制，最大熵方法的具體計(jì)算過程未予報(bào)告，感興趣的可向作者索取。

② 2021年這些銀行的總資產(chǎn)規(guī)模占我國商業(yè)銀行資產(chǎn)總額的82.7%，具有較好的代表性。它們分別是：B1中國銀行、B2中國建設(shè)銀行、B3中國工商銀行、B4中國農(nóng)業(yè)銀行、B5興業(yè)銀行、B6交通銀行、B7浦發(fā)銀行、B8平安銀行、B9中國民生銀行、B10招商銀行、B11中信銀行、B12光大銀行、B13華夏銀行、B14廣發(fā)銀行、B15北京銀行、B16上海銀行、B17寧波銀行、B18江蘇銀行、B19中國郵政儲蓄銀行、B20上海農(nóng)村商業(yè)銀行、B21重慶農(nóng)村商業(yè)銀行、B22北京農(nóng)村商業(yè)銀行、B23成都農(nóng)村商業(yè)銀行。

③ 受篇幅限制，樣本銀行同業(yè)存量數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果未予報(bào)告，感興趣的可向作者索取。

④ 受篇幅限制，基于資產(chǎn)規(guī)模的樣本銀行分類結(jié)果未予報(bào)告，感興趣的可向作者索取。

⑤ 受篇幅限制，各樣本銀行的節(jié)點(diǎn)度數(shù)值計(jì)算結(jié)果未予報(bào)告，感興趣的可向作者索取。

參考文獻(xiàn)：

［1］ 陳忠陽，李珊珊. 問題銀行救助、處置機(jī)制的全球改革方向及啟示 [J]. 經(jīng)濟(jì)社會(huì)體制比較，2022（1）：69-76.

[2] Forbes K， Rigobon R. Contagion in latin America：definitions， measurement， and policy implications [J]. Economia， 2001， 1（2）： 1-46.

[3] Battaglia F， Gallo A， Mazzuca M. Securitized banking and the Euro financial crisis： evidence from the Italian banks risk-taking [J]. Journal of Economics and Business， 2014， 76： 85-100.

[4] 宮曉莉，熊熊，張維. 我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量與外溢效應(yīng)研究 [J]. 管理世界，2020，36（8）：65-83.

[5] Affinito M， Pozzolo A F. The interbank network across the global financial crisis： evidence from Italy [J]. Journal of Banking & Finance， 2017， 80： 90-107.

[6] 謝赤，凌毓秀. 銀行信貸資產(chǎn)證券化信用風(fēng)險(xiǎn)度量及傳染研究——基于修正KMV模型和MST算法的實(shí)證 [J]. 財(cái)經(jīng)理論與實(shí)踐，2018，39（3）：2-8.

[7] Ferrara G， Langfield S， Liu Z， et al. Systemic illiquidity in the interbank network [J]. Quantitative Finance， 2019， 19（11）： 1779-1795.

[8] Liu A， Paddrik M， Yang S Y， et al. Interbank contagion： an agent-based model approach to endogenously formed networks[J]. Journal of Banking & Finance， 2020， 112： 105191.

[9] 馬駿，何曉貝. 金融風(fēng)險(xiǎn)傳染機(jī)制研究——基于中國上市銀行數(shù)據(jù)的模擬 [J]. 金融研究，2021（9）：12-29.

[10]王輝，朱家雲(yún)，陳旭. 銀行間市場網(wǎng)絡(luò)穩(wěn)定性與系統(tǒng)性金融風(fēng)險(xiǎn)最優(yōu)應(yīng)對策略：政府控股視角 [J]. 經(jīng)濟(jì)研究，2021，56（11）：100-118.

[11]倪宣明，王江偉，趙慧敏. 影子銀行、流動(dòng)性分層與政策利率傳導(dǎo) [J]. 系統(tǒng)工程理論與實(shí)踐，2022，42（8）：1-18.

[12]Wang X， Xu X， Feagan L， et al. Inter-bank payment system on enterprise blockchain platform [C]//Xu? C Z. 11th International Conference on Cloud Computing. San Francisco： IEEE， 2018： 614-621.

[13]何奕，童牧，吳珊，等. 復(fù)雜金融網(wǎng)絡(luò)中的系統(tǒng)性風(fēng)險(xiǎn)與流動(dòng)性救助：基于不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的研究 [J]. 系統(tǒng)工程理論與實(shí)踐，2019，39（6）：1385-1393.

[14]王鵬，王小軍，邵思遠(yuǎn). 小世界銀行網(wǎng)絡(luò)、非線性效應(yīng)和尾部風(fēng)險(xiǎn)：隨機(jī)動(dòng)態(tài)視角 [J]. 南開經(jīng)濟(jì)研究，2020（5）：206-225.

[15]Diebold F X， Yilmaz K. On the network topology of variance decompositions：measuring the connectedness of financial firms [J]. Journal of Econometrics， 2014， 182（1）： 119-134.

[16]胡宗義，黃巖渠，喻采平. 網(wǎng)絡(luò)相關(guān)性、結(jié)構(gòu)與系統(tǒng)性金融風(fēng)險(xiǎn)的關(guān)系研究 [J]. 中國軟科學(xué)，2018（1）：33-43.

[17]曾志堅(jiān)，張欣怡，左楠. 基于MSV與CoVaR模型的公司債市場與股票市場間風(fēng)險(xiǎn)溢出效應(yīng)研究 [J]. 財(cái)經(jīng)理論與實(shí)踐，2019，40（2）：41-47.

[18]謝赤，莫廷程，李可隆. 重大突發(fā)事件背景下金融行業(yè)間極端風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出研究 [J]. 財(cái)經(jīng)理論與實(shí)踐，2021，42（3）：2-10.

[19]歐陽資生，楊希特，黃穎. 嵌入網(wǎng)絡(luò)輿情指數(shù)的中國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)傳染效應(yīng)研究 [J]. 中國管理科學(xué)，2022，30（4）：1-12.

[20]李宗怡，李玉海. 我國銀行同業(yè)拆借市場“傳染”風(fēng)險(xiǎn)的實(shí)證研究 [J]. 財(cái)貿(mào)研究，2005（6）：51-58.

[21]Bernanke B S， Blinder A S. Credit， money， and aggregate demand [J]. The American Economic Review， 1988， 78（2）： 435-439.

[22]Rice T， Rose J. When good investments go bad： the contraction in community bank lending after the 2008 GSE takeover [J]. Journal of Financial Intermediation， 2016， 27： 68-88.

[23]Torre D， Nenovsky N. Debates， plans and interventions to overcome the 1931 banking crisis in Romania and Bulgaria [J]. Jahrbuch für Wirtschaftsgeschichte / Economic History Yearbook， 2022， 63（2）： 495-525.

[24]蔣少翔，董志勇. 銀行監(jiān)管與企業(yè)融資的跨國實(shí)證分析 [J]. 財(cái)經(jīng)理論與實(shí)踐，2022，43（2）：10-16.

[25]孫立娟. 保險(xiǎn)公司破產(chǎn)與危機(jī)預(yù)測問題研究 [M]. 北京：經(jīng)濟(jì)科學(xué)出版社，2016.

[26]范小云，史攀，王博. 估值踩踏與系統(tǒng)性金融風(fēng)險(xiǎn)防控——基于前瞻性償付能力風(fēng)險(xiǎn)傳染模型的分析 [J]. 中國工業(yè)經(jīng)濟(jì)，2021（10）：39-58.

[27]張長明. 銀行業(yè)金融機(jī)構(gòu)市場退出的法律制度研究 [M]. 廣州：世界圖書出版公司，2017.

[28]李政，梁琪，涂曉楓. 我國上市金融機(jī)構(gòu)關(guān)聯(lián)性研究——基于網(wǎng)絡(luò)分析法 [J]. 金融研究，2016（8）：95-110.

[29]胡利琴，王藝，郭微微. 金融系統(tǒng)性風(fēng)險(xiǎn)的演化與監(jiān)管研究——基于實(shí)體經(jīng)濟(jì)視角 [J]. 當(dāng)代經(jīng)濟(jì)科學(xué)，2022，44（5）：39-53.

[30]黨印，苗子清，孫晨童. 中國系統(tǒng)性金融風(fēng)險(xiǎn)的區(qū)域傳染效應(yīng) [J]. 當(dāng)代財(cái)經(jīng)，2022（8）：51-63.

[31]隋聰，王宗堯. 銀行間網(wǎng)絡(luò)的無標(biāo)度特征 [J]. 管理科學(xué)學(xué)報(bào)，2015，18（12）：18-26.

[32]胡志浩，李曉花. 復(fù)雜金融網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳染與救助策略——基于中國金融無標(biāo)度網(wǎng)絡(luò)上的SIRS模型 [J]. 財(cái)貿(mào)經(jīng)濟(jì)，2017，38（4）：101-114.

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

[34]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(xiǎn)研究 [J]. 管理工程學(xué)報(bào)，2012，26（4）：162-168.

（責(zé)任編輯：厲 亞）

Options and Comparisons for Takeover Banks in a Crisis：

from a Complex Network Perspective of Interbank Market

MAR Ruowei，ZHOU Meng，DING Xin

（School of Economics，Beijing Technology and Business University，Beijing 100048，China）

Abstract：Based on the relevant data of Chinas interbank market in 2021， the complex network model is constructed to study the interbank risk contagion path， compare the two practical options of taking over banks， and use simulation to consider the effect of risk management. The research shows that the bank with more chain debt relationship with the crisis bank is better than the bank with higher activity in the market to take over， which can significantly reduce the risk spillover in the interbank market.

Key words：takeover bank; complex network; risk management; interbank market

收稿日期： 2022-03-27； 修回日期： 2022-10-23

基金項(xiàng)目：國家社科基金后期資助重點(diǎn)項(xiàng)目（21FJYA002）

作者簡介： 馬若微（1976—），女，河南鄭州人，博士，北京工商大學(xué)經(jīng)濟(jì)學(xué)院，教授，博士生導(dǎo)師，研究方向：金融風(fēng)險(xiǎn)。