張曉黎

（上海對外經(jīng)貿(mào)大學(xué) 統(tǒng)計(jì)與信息學(xué)院，上海 201620）

0 引言

新冠肺炎、中美貿(mào)易沖突和教育新政實(shí)施對中國各行業(yè)、各地經(jīng)濟(jì)的實(shí)體產(chǎn)生了不同程度影響，一度使通訊、航空、旅游、餐飲和教育等行業(yè)的頭部企業(yè)經(jīng)營困境，波及產(chǎn)業(yè)鏈上中小型企業(yè)，對相關(guān)銀行的貸款回收存在沖擊，將引發(fā)一定比例的貸款損失。因此，銀行間拆借網(wǎng)絡(luò)是否會形成系統(tǒng)性風(fēng)險，銀行間拆借關(guān)系和總量的聯(lián)合變化抑制還是加速了風(fēng)險傳染等問題亟待解決。同時，銀行同業(yè)拆借形成了復(fù)雜債權(quán)債務(wù)關(guān)系，會成為銀行系統(tǒng)性風(fēng)險的傳染途徑。

正常時期，銀行同業(yè)市場的拆借關(guān)系能促進(jìn)流動性轉(zhuǎn)移和重新配置，流動性充足的銀行及時貸出資金能獲得較高收益，流動性不足的銀行及時借入資金可保證支付，但可能在危機(jī)期間推高拆借利率、導(dǎo)致流動性囤積［1］。一家銀行面臨流動性問題或償還債務(wù)困難時，破產(chǎn)會破壞其與其他銀行間債權(quán)債務(wù)關(guān)系，這種傳染效應(yīng)使得少量銀行風(fēng)險可能演變成整個銀行系統(tǒng)危機(jī)。系統(tǒng)性風(fēng)險包括兩個關(guān)鍵部分：首先是初始沖擊，導(dǎo)致一個或多個金融機(jī)構(gòu)違約；其次是傳染，將初始的違約傳染給其他金融機(jī)構(gòu)形成連鎖反應(yīng)，進(jìn)一放大風(fēng)險［2］。

1 相關(guān)研究

復(fù)雜網(wǎng)絡(luò)理論和復(fù)雜系統(tǒng)模擬計(jì)算成為研究銀行系統(tǒng)性風(fēng)險傳染的重要理論和方法。例如，通過銀行同業(yè)拆借總量數(shù)據(jù)估建銀行間雙邊拆借交易，基于社會網(wǎng)絡(luò)方法分析銀行拆借網(wǎng)絡(luò)中的重要性銀行。銀行間拆借網(wǎng)絡(luò)是復(fù)雜的銀行網(wǎng)絡(luò)系統(tǒng)［3-9］，基于銀行間拆借交易的物理網(wǎng)絡(luò)預(yù)測流動性，互聯(lián)性顯著降低［10］。銀行間拆借網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征能從網(wǎng)絡(luò)局部或全局說明銀行間拆借的重要性［11-12］，將影響杠桿率、共同風(fēng)險敞口和短期融資等［13］，也會影響銀行長期凈穩(wěn)定資金比率和系統(tǒng)流動性風(fēng)險［14］。

基于網(wǎng)絡(luò)中心性的壓力度量可計(jì)算銀行受影響的程度和違約概率［15］，網(wǎng)絡(luò)關(guān)系會放大由投資組合重疊和杠桿組合產(chǎn)生的風(fēng)險傳染［16］。在危機(jī)期間，通過特質(zhì)傳染從國外傳播的沖擊，將增加國內(nèi)銀行體系發(fā)生系統(tǒng)性風(fēng)險的可能性，但增加的風(fēng)險敞口并不一定會破壞國內(nèi)銀行體系穩(wěn)定［17］，可按到期日、合同擔(dān)保和無擔(dān)保性質(zhì)劃分所有雙邊風(fēng)險敞口，構(gòu)建銀行間市場的多層網(wǎng)絡(luò)。具體的，網(wǎng)絡(luò)每層均具有不同的拓?fù)浣Y(jié)構(gòu)，隨時間推移持久性更強(qiáng)，各層具有高度相似性［18-19］。

此外，將金融系統(tǒng)建模為直接銀行間敞口（違約傳染）和間接外部敞口（重疊投資組合）的多層網(wǎng)絡(luò)，可估計(jì)各種傳染渠道的相互影響［8-9，20］。若對于任何正整數(shù)k，圖G具有至少與圖H相等大小為k的連通生成子圖，則圖G強(qiáng)于圖H，計(jì)算固定大小的連通生成子圖數(shù)量可得圖的可靠性［21］，因此完全連接的網(wǎng)絡(luò)可靠性與部分連接的網(wǎng)絡(luò)存在不同。然而，現(xiàn)有研究大多側(cè)重于在少數(shù)幾家大型銀行間建立一個完全的銀行間借貸網(wǎng)絡(luò)，并未考慮鏈接偏好及其連接組件的重要節(jié)點(diǎn)是如何影響不完全連接網(wǎng)絡(luò)中的風(fēng)險傳遞。

系統(tǒng)性風(fēng)險與銀行間拆借網(wǎng)絡(luò)結(jié)構(gòu)［2，5］、網(wǎng)絡(luò)連接異質(zhì)性［22］、銀行間流動性差異［23］有關(guān)。運(yùn)用多主體模型（ABM）和模擬網(wǎng)絡(luò)，動態(tài)仿真在外部沖擊下銀行間網(wǎng)絡(luò)傳染引發(fā)的系統(tǒng)性風(fēng)險。實(shí)驗(yàn)表明，完全結(jié)構(gòu)的規(guī)則銀行網(wǎng)絡(luò)相較于不完全結(jié)構(gòu)更穩(wěn)定［24］，多重貨幣中心結(jié)構(gòu)具有更低的傳染風(fēng)險［25］，無標(biāo)度結(jié)構(gòu)的銀行間網(wǎng)絡(luò)傳染風(fēng)險最小［4］，網(wǎng)絡(luò)連通性與其應(yīng)對風(fēng)險傳染的彈性呈正相關(guān)，與危機(jī)發(fā)生的可能性呈負(fù)相關(guān)［24］。

在隨機(jī)銀行網(wǎng)絡(luò)中，較高的網(wǎng)絡(luò)連通性能有效降低風(fēng)險傳染，傳染一旦發(fā)生，高連通性會加速傳染［26-27］。當(dāng)無標(biāo)度銀行間網(wǎng)絡(luò)中連接數(shù)量較小時，增加連接會減少違約破產(chǎn)銀行的數(shù)量；當(dāng)連接數(shù)量較多時，增加連接會增加違約破產(chǎn)銀行的數(shù)量［28］。通過核心邊緣網(wǎng)絡(luò)刻畫中國銀行間網(wǎng)絡(luò)，模擬單個銀行倒閉及資產(chǎn)價格泡沫破滅下的風(fēng)險傳染，在合理資產(chǎn)價格水平下，外部沖擊難以對中國銀行系統(tǒng)的安全性構(gòu)成威脅［29］。銀行向企業(yè)放貸的ABM 揭示，政策利率的外生沖擊如何影響銀行—企業(yè)信貸網(wǎng)絡(luò)的關(guān)鍵拓?fù)渲笜?biāo)［30］。由此可見銀行間拆借網(wǎng)絡(luò)不僅是系統(tǒng)性風(fēng)險的傳染渠道，還會受外部沖擊影響發(fā)生動態(tài)變化。然而，現(xiàn)有研究均基于結(jié)構(gòu)固定而邊權(quán)值變化的模擬拆借網(wǎng)絡(luò)，較少研究網(wǎng)絡(luò)結(jié)構(gòu)和邊權(quán)值聯(lián)合變化的拆借網(wǎng)絡(luò)對風(fēng)險傳染造成的影響。

網(wǎng)絡(luò)連接異質(zhì)性主要涉及連接集中度異質(zhì)性和連接傾向異質(zhì)性。連接集中度異質(zhì)性指網(wǎng)絡(luò)中銀行拆借關(guān)系數(shù)量上的差異，無標(biāo)度網(wǎng)絡(luò)節(jié)點(diǎn)度服從冪律分布，存在連接集中程度異質(zhì)性［31］。外部沖擊對銀行間網(wǎng)絡(luò)的影響取決于受沖擊節(jié)點(diǎn)在系統(tǒng)中的結(jié)構(gòu)脆弱性［32］，無標(biāo)度銀行間網(wǎng)絡(luò)連接更集中的銀行受到外部沖擊后違約破產(chǎn)概率更大［27］。銀行間債務(wù)數(shù)量的增加會提升風(fēng)險傳染發(fā)生的概率［33］，當(dāng)基礎(chǔ)違約銀行數(shù)量較少時，銀行間網(wǎng)絡(luò)集中程度越高、傳染違約銀行的總資產(chǎn)越??；當(dāng)基礎(chǔ)違約銀行達(dá)到一定數(shù)量后，銀行間網(wǎng)絡(luò)集中程度越高，傳染違約銀行的總資產(chǎn)越大［2］。

連接傾向異質(zhì)性指銀行因區(qū)域、類型和規(guī)模［34-36］等原因傾向于與特定銀行形成拆借關(guān)系。例如，德國地方銀行和儲蓄銀行間債務(wù)主要集中在儲蓄銀行部門［34］，奧地利銀行間網(wǎng)絡(luò)的群落結(jié)構(gòu)與區(qū)域和銀行類型對應(yīng)［35］。由于中國金融監(jiān)管制度，農(nóng)村信用社一般通過省級聯(lián)社參與銀行間市場，各省銀行之間的網(wǎng)絡(luò)具有群落結(jié)構(gòu)，群落內(nèi)部的銀行聯(lián)系更緊密［22］。匈牙利銀行同業(yè)借款與銀行規(guī)模相關(guān)，60%發(fā)生在15 家大銀行之間，90%的同業(yè)借款中至少有一家大銀行參與［37］。此外，聯(lián)系較少的銀行更有可能與聯(lián)系較多的銀行進(jìn)行同業(yè)拆借交易［38］，規(guī)模較小的銀行往往會和規(guī)模大、信譽(yù)好的銀行發(fā)生債務(wù)往來［6，34］，具有相同連接傾向的銀行會形成群落，銀行傾向于群落內(nèi)部間借貸，雖然更容易形成風(fēng)險傳染，但難以傳染到群落外［22］。

銀行間流動性差異是指銀行間市場中不同銀行的同業(yè)資產(chǎn)和同業(yè)債務(wù)存在差異，銀行間拆借市場存在影響銀行間流動性分布的基本面潛在網(wǎng)絡(luò)，其互聯(lián)性對資金供應(yīng)中斷具有較大影響［39］。例如，在美國、葡萄牙銀行間市場，小銀行是流動性供給方，大銀行是流動性需求方［40-41］；在德國小銀行是流動性需求方，大銀行是流動性供給方［6］；意大利銀行間市場中存在幾家大的凈借款銀行，因此拆借網(wǎng)絡(luò)高度不平衡［42］。當(dāng)銀行間市場交易量增加時，初始破產(chǎn)銀行傳染給其債權(quán)銀行的損失會增加，風(fēng)險傳染發(fā)生概率將上升［43］。此外，銀行間借貸比例和資本充足率處于流動性需求地位的大型銀行潛在風(fēng)險傳染破壞力，遠(yuǎn)高于同等規(guī)模和聯(lián)系的銀行［23，43］。

綜上，銀行間同業(yè)拆借關(guān)系以區(qū)域、規(guī)模和類型為特點(diǎn)存在連接傾向異質(zhì)性。一類研究利用真實(shí)拆借總量數(shù)據(jù)估建銀行間拆借網(wǎng)絡(luò)，但受限于算法、計(jì)算內(nèi)存僅包含少量重要性銀行，忽略了大量規(guī)模相對較小的普通銀行。在分析風(fēng)險傳染時，在網(wǎng)絡(luò)結(jié)構(gòu)保持靜態(tài)不變的情況下，分析網(wǎng)絡(luò)中節(jié)點(diǎn)和邊權(quán)值的變化，但每年銀行拆借總量值變化較大，銀行間拆借網(wǎng)絡(luò)結(jié)構(gòu)會隨之發(fā)生較大變化。另一類研究利用理想的全聯(lián)通理論網(wǎng)絡(luò)擬合真實(shí)的拆借總量數(shù)據(jù)分布，主要探討網(wǎng)絡(luò)結(jié)構(gòu)和連通性對風(fēng)險傳染造成的影響，并未探討節(jié)點(diǎn)連接傾向形成的銀行拆借網(wǎng)絡(luò)與理想的全連通網(wǎng)絡(luò)是否存在不同之處，大部分研究集中在連接集中度異質(zhì)性的全連通銀行間網(wǎng)絡(luò)中風(fēng)險傳染問題，對具有連接傾向異質(zhì)性的非全連通銀行間網(wǎng)絡(luò)風(fēng)險傳染問題研究較少，在擬合較多對象間雙邊關(guān)系時存在較高的失敗可能性。

長期以來，外部貸存比（向非銀行企業(yè)貸款總額/客戶存款）都是中國銀監(jiān)會重要監(jiān)控指標(biāo)，主要反映非銀客戶貸款和存款關(guān)系，但未考慮銀行同業(yè)間貸款存款關(guān)系。現(xiàn)有文獻(xiàn)主要研究外部資產(chǎn)損失在結(jié)構(gòu)無變化的銀行間網(wǎng)絡(luò)中銀行間拆借值變化的風(fēng)險傳染可能性，在面臨外部貸款損失時銀行可能會利用資金融通手段在銀行系統(tǒng)內(nèi)進(jìn)行資金拆借，因此銀行間網(wǎng)絡(luò)不僅存在拆借值變化，還具有關(guān)系連接的動態(tài)調(diào)整特性。然而，外部流動性風(fēng)險與銀行系統(tǒng)內(nèi)部流動性變化的疊加效果如何，將值得進(jìn)一步研究探索。

本文基于2019 年151 家中國銀行業(yè)年度拆借數(shù)據(jù)，構(gòu)建具有類型和區(qū)域連接傾向的銀行間拆借網(wǎng)絡(luò)，比較分析不同區(qū)域銀行受沖擊導(dǎo)致外部貸款損失的風(fēng)險傳染后果、沖擊強(qiáng)度與銀行間貸借比的聯(lián)合變化對銀行系統(tǒng)性風(fēng)險傳染的影響規(guī)律。主要貢獻(xiàn)如下：①提出交叉熵迭代算法，分區(qū)域、屬性迭代估計(jì)雙邊矩陣，以降低估計(jì)過程對內(nèi)存的需求，可用于各類已知投入產(chǎn)出總量數(shù)據(jù)，估算大量對象之間的雙邊關(guān)系和權(quán)值問題；②在考慮銀行間拆借的地域和類型偏好的情況下，估建中國銀行業(yè)內(nèi)的拆借網(wǎng)絡(luò)屬于非全連通網(wǎng)絡(luò)；③模擬外部貸款受不同程度沖擊下，分析不同屬性特征銀行的風(fēng)險傳染差異。通過調(diào)整銀行間貸款總額，引發(fā)銀行間拆借關(guān)系的連接和值動態(tài)變化，揭示外部沖擊強(qiáng)度和銀行間貸借比的聯(lián)合變化對銀行系統(tǒng)性風(fēng)險傳染的非線性影響；④銀行間拆借關(guān)系和流動性對外部流動性風(fēng)險調(diào)控是有條件調(diào)節(jié)，對于銀行間借貸關(guān)系少、外部流動性低的小型銀行而言，銀行間流動性的變化可增強(qiáng)其抵御外部流動性風(fēng)險的能力，對于擁有眾多同業(yè)拆借關(guān)系和高外部流動性的大型銀行而言，只有增加同業(yè)流動性才能提升銀行抵御沖擊程度，遏制風(fēng)險傳染破產(chǎn)范圍。

2 基于交叉熵迭代算法估建具連接傾向的銀行間拆借網(wǎng)絡(luò)

銀行間雙邊借貸數(shù)據(jù)屬于銀行商業(yè)秘密，公開的銀行資產(chǎn)負(fù)債表只有與其他銀行的同業(yè)貸出總額和同業(yè)借入總額數(shù)據(jù)。為構(gòu)造銀行間拆借網(wǎng)絡(luò)，需要根據(jù)借貸總量數(shù)據(jù)估計(jì)銀行間雙邊借貸分布?，F(xiàn)有方法包括基于無標(biāo)度網(wǎng)絡(luò)節(jié)點(diǎn)度和強(qiáng)度特點(diǎn)，構(gòu)建擬合借貸總量數(shù)據(jù)分布特征的模擬網(wǎng)絡(luò)［2，22-23，31］；根據(jù)銀行借貸總量數(shù)據(jù)，利用最大熵方法估計(jì)銀行間的雙邊拆借關(guān)系［4，45］。其中，模擬方法基于特定不變網(wǎng)絡(luò)結(jié)構(gòu)，分析拆借值變化引發(fā)的銀行系統(tǒng)性風(fēng)險演化；最大熵方法得到完全結(jié)構(gòu)網(wǎng)絡(luò)，即所有銀行間存在債務(wù)聯(lián)系。

此外，通過閾值過濾銀行間的借貸關(guān)系可得到非全連接網(wǎng)絡(luò)，但舍去低于閾值拆借關(guān)系會低估系統(tǒng)性風(fēng)險，并且銀行間的拆借關(guān)系具有連接傾向，會因某些原因傾向于與特定銀行形成債務(wù)聯(lián)系。為此，本文考慮銀行間拆借的地域和類型偏好，基于交叉熵最小化采用局部迭代算法估算銀行間借貸關(guān)系的方向和權(quán)重。具體如下：

設(shè)置從同業(yè)借入總額InB為列約束條件，向同業(yè)貸出總額OutB為行約束條件，為保證系統(tǒng)貸出總額和借入總額相等，對每家銀行的同業(yè)借入總額InB和同業(yè)貸出總額OutB進(jìn)行預(yù)處理，即，然后利用交叉熵最小化估計(jì)銀行間拆借關(guān)系權(quán)重。

同時，滿足式（2）的約束條件：

式中：L=[lij]為要估建的拆借矩陣；lij表示從銀行i貸出給銀行j的金額；銀行i為銀行j的貸出對象；銀行j為銀行i的借入對象；InBj=表示銀行j的全部銀行間借入款項(xiàng)之和；OutBi=表示銀行i的全部銀行間貸出款項(xiàng)之和；N為銀行數(shù)量；E=[eij]表示銀行間的連接偏好矩陣；eij=0 表示銀行i沒有貸出給銀行j，銀行i與銀行j不屬于同一省份或同一類型；eij=1 表示銀行i貸出給銀行j，銀行i與銀行j屬于同一省份或同一類型；當(dāng)eij=0 時，lij=0且

當(dāng)N值較大時，拆借矩陣L和偏好矩陣E均為稀疏矩陣，但受限于計(jì)算機(jī)內(nèi)存和算法性能，根據(jù)式（1）的一次性整體優(yōu)化算法無法求解拆借矩陣L。為此，本文提出交叉熵的局部迭代算法，根據(jù)拆借的區(qū)域和類型偏好在偏好矩陣E中劃分許多局部區(qū)域，依次基于偏好矩陣E的局部區(qū)域迭代估建銀行間拆借矩陣L。

首先，將L0=[lij]初始化為全0 矩陣，根據(jù)式（1）、式（2）依次對隸屬不同省份的銀行進(jìn)行計(jì)算，得到拆借矩陣的第一輪估計(jì)L1，eij=1 表示銀行i貸出給銀行j且屬于同一省份。然后，以L1為輸入，根據(jù)式（1）、式（2）對隸屬不同類型的銀行進(jìn)行計(jì)算，得到對拆借矩陣的第二輪估計(jì)L2，eij=1 表示銀行i貸出給銀行j，i和j屬于同一類型且沒有在相同省份銀行間形成拆借關(guān)系。

接下來，以L2為輸入，根據(jù)式（1）、式（2）在剩余銀行間進(jìn)行計(jì)算，得到對拆借矩陣的第三輪估計(jì)L3，直至剩余銀行數(shù)為0 或LT（T ≥3）不再發(fā)生變化。估建2015—2019 年間的銀行間拆借網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征如表1 所示。2018、2019年的拆借網(wǎng)絡(luò)圖（刪除孤立節(jié)點(diǎn)）如圖1、圖2所示。

Fig.1 Lending network（2018）圖1 拆借網(wǎng)絡(luò)（2018年）

Fig.2 Lending network（2019）圖2 拆借網(wǎng)絡(luò)（2019年）

Table 1 Structural characteristics of inter-bank lending network表1 銀行拆借網(wǎng)絡(luò)結(jié)構(gòu)特征

由此可見，具有連接傾向的銀行間拆借網(wǎng)絡(luò)并非全連通網(wǎng)絡(luò)，而屬于具有較多弱連通分量的非全連通網(wǎng)絡(luò)，各弱連通子網(wǎng)絡(luò)也并非均為理想網(wǎng)絡(luò)結(jié)構(gòu)。相較于2018年，2019 年的拆借網(wǎng)絡(luò)中的幾個大連通分量結(jié)構(gòu)較相似，但銀行間雙邊拆借關(guān)系存在變化且增密，或許與新冠肺炎、中美貿(mào)易沖突對實(shí)體經(jīng)濟(jì)造成沖擊，使銀行系統(tǒng)產(chǎn)生連動效應(yīng)存在一定關(guān)系。

3 基于多智能體的銀行間違約—傳染模型

3.1 基于多智能體的沖擊與傳染算法

本文將銀行看作智能體，銀行總資產(chǎn)包括向銀行同業(yè)拆出總額OutB、客戶貸款OutC和其他資產(chǎn)OutD。銀行總負(fù)債包括從銀行同業(yè)借入總額InB、客戶存款I(lǐng)nC、其他負(fù)債InD和股東權(quán)益Ey。銀行的資產(chǎn)負(fù)債表平衡性是指銀行總資產(chǎn)和總負(fù)債相等，即OutB+OutC+OutD=InB+InC+InD+Ey。

通過設(shè)置客戶貸款縮水比例模擬銀行受不同程度的外部沖擊。當(dāng)股東權(quán)益Ey＜0時，銀行破產(chǎn)清算發(fā)生違約，基于多智能體的沖擊傳染如圖3所示。

Fig.3 Impact contagion based on multi-agent圖3 基于多智能體的沖擊傳染

假設(shè)i銀行與j銀行存在借貸關(guān)系lij，i銀行客戶貸款OutCi損失一定比例導(dǎo)致其受沖擊，且損失Ui大于其股東權(quán)益Eyi時銀行i被迫清算，稱為外生性破產(chǎn)，如式（4）所示。i在清算時，無法全部償還其銀行間借款I(lǐng)nBi，違約會導(dǎo)致其債權(quán)銀行j的銀行間貸款OutBj受到損失Uj。當(dāng)債權(quán)銀行的損失Uj＞Eyj時，銀行j也將破產(chǎn)清算，稱為傳染性破產(chǎn)，如式（4）所示。

只有在銀行在同業(yè)拆出金額能全部回收的條件下，股東權(quán)益大于0，不會破產(chǎn)清算。如果與具有借貸關(guān)系的某些銀行倒閉，致使其無法收回拆出金額，會使自身同業(yè)拆出金額產(chǎn)生一定程度損失，一旦損失超過股東權(quán)益將破產(chǎn)清算，當(dāng)網(wǎng)絡(luò)中不再有銀行的股東收益發(fā)生變化時傳染結(jié)束。

3.2 違約清算

在銀行間拆借網(wǎng)絡(luò)中，銀行違約清算遵循按債務(wù)比例償還原則［2，18-19，26］，即將拆借矩陣中的每筆同業(yè)拆借關(guān)系除以其同業(yè)拆入總額，可得一個償還比例矩陣[πij]，如式（5）所示。由此可知，銀行能回收的拆出額取決于其他銀行能夠償還多少同業(yè)拆借額度，即

接下來，將計(jì)算能收回的同業(yè)拆出額OutB*轉(zhuǎn)換為計(jì)算能償還多少同業(yè)借入額InB*。銀行i的償還支付如式（6）所示。

對于銀行i，如果則表明銀行i的實(shí)際償債能力小于其實(shí)際承擔(dān)的負(fù)債，此時銀行i會違約，此時依據(jù)式（3）、式（4）可確定銀行i是外生性破產(chǎn)還是傳染性破產(chǎn)。

4 各區(qū)域銀行的風(fēng)險傳染分析

2019 年實(shí)體經(jīng)濟(jì)受貿(mào)易沖突和新冠肺炎沖擊最為強(qiáng)烈，因此重點(diǎn)分析該年銀行系統(tǒng)性風(fēng)險及外部沖擊強(qiáng)度和銀行間貸存比雙重變化下的風(fēng)險傳導(dǎo)情況。首先從BVD ORBIS Bank Focus 中采集151 家中國各省各類銀行在2019年間的資產(chǎn)負(fù)債數(shù)據(jù)，然后對該年的銀行內(nèi)外部流動性、凈資產(chǎn)和網(wǎng)絡(luò)中心度分地域和規(guī)模進(jìn)行統(tǒng)計(jì)，如表2、表3所示。

Table 2 Statistical analysis of bank characteristic indicators in different regions表2 不同區(qū)域銀行特征指標(biāo)統(tǒng)計(jì)

Table 3 Statistical analysis of characteristic indicators for banks of different sizes表3 不同規(guī)模銀行特征指標(biāo)統(tǒng)計(jì)

根據(jù)銀行總行和網(wǎng)點(diǎn)主要分布區(qū)域?qū)y行分成直轄市、東南西北中地區(qū)，提取銀行間貸存比即銀行同業(yè)貸款總額與同業(yè)借款總額之比，以衡量銀行與銀行間的內(nèi)部流動性；銀行凈資產(chǎn)即股東權(quán)益；中心度即銀行在拆借網(wǎng)絡(luò)中的借貸關(guān)系總數(shù)；外部貸存比即銀行的非銀客戶貸款與客戶存款之比，以衡量銀行與客戶之間的外部流動性。

由表2 可知，直轄市區(qū)域銀行整體外部流動性風(fēng)險較高，在銀行間市場拆借關(guān)系較少，內(nèi)部流動需求強(qiáng)烈。除北部地區(qū)銀行外，其余各地區(qū)銀行的外部流動性整體控制較好。南部、西部、北部和東部地區(qū)銀行的拆借關(guān)系較密集，內(nèi)部流動性需求強(qiáng)烈。

此外，本文按總資產(chǎn)劃分銀行規(guī)模，總資產(chǎn)小于200 0億為小銀行，否則為大銀行。中國小銀行在銀行間市場的拆借關(guān)系并不比大銀行少，屬于內(nèi)部流動性供給方，外部流動性控制較好。大銀行在銀行間市場屬于流動性需求方，外部流動性控制并不好。

本文建立模擬實(shí)驗(yàn)分6 種情景計(jì)算不同區(qū)域銀行的風(fēng)險傳染。情景1 為凈資產(chǎn)頭部的1～5 家銀行受沖擊；情景2 為凈資產(chǎn)尾部的1～5 家銀行受沖擊，結(jié)果如表4 所示。情景3 為中心度頭部的1～5 家銀行受沖擊；情景4 為中心度尾部的1～5 家銀行受沖擊，結(jié)果如表5 所示。情景5 為外部貸存比頭部的1～5 家銀行受沖擊；情景6 為外部貸存比尾部的1～5家銀行受沖擊，結(jié)果如表6所示。

Table 4 1～5 banks at the top and bottom of net assets in each region were impacted表4 各區(qū)域凈資產(chǎn)頭尾部的1～5家銀行受沖擊

Table 5 1～5 banks at the top and bottom of centrality in each region were impacted表5 各區(qū)域中心度頭尾部的1～5家銀行受沖擊

Table 6 1-5 banks at the top and bottom of the external loan-to-deposit ratio in each region were impacted表6 各區(qū)域外部貸存比頭尾部的1-5家銀行受沖擊

如此設(shè)置既考慮單一銀行出問題的個別事件，又考慮同區(qū)域多家銀行由于地域相鄰引發(fā)的集體事件，揭示了外部沖擊引發(fā)銀行間借貸關(guān)系和值聯(lián)合變化對不同區(qū)域銀行的系統(tǒng)性風(fēng)險傳染。表4—表6 顯示了不同區(qū)域銀行受外部沖擊最早出現(xiàn)破產(chǎn)對應(yīng)的受沖擊比例（逗號前的小數(shù)）和破產(chǎn)企業(yè)數(shù)量（逗號后的整數(shù)）。

4.1 凈資產(chǎn)頭部或尾部銀行受沖擊

由表4 可見，隨著同時受沖擊銀行的數(shù)量增加，南部地區(qū)凈資產(chǎn)頭部銀行與南部、北部地區(qū)凈資產(chǎn)尾部銀行抗風(fēng)險能力較好，能抵抗較高程度外部攻擊。其他地區(qū)（特別是東部地區(qū)）凈資產(chǎn)頭部銀行，直轄市、西部地區(qū)凈資產(chǎn)尾部銀行抗風(fēng)險能力差，即使受較低程度沖擊也會產(chǎn)生較多數(shù)量的銀行破產(chǎn)。

銀行間貸存比增加會提升東部地區(qū)凈資產(chǎn)頭部銀行抗風(fēng)險能力，減小傳染破產(chǎn)范圍，但會減弱南部地區(qū)凈資產(chǎn)頭部銀行抗風(fēng)險能力，風(fēng)險傳染破產(chǎn)范圍明顯擴(kuò)大。銀行間貸存比降低會使各區(qū)域凈資產(chǎn)頭部銀行抗風(fēng)險能力減弱，擴(kuò)大風(fēng)險傳染破產(chǎn)范圍。各地區(qū)凈資產(chǎn)尾部銀行增加或收縮銀行間貸存比，均能有效增加銀行抗沖擊程度，縮小風(fēng)險傳染范圍，僅造成外生性破產(chǎn)，不造成傳染性破產(chǎn)。

4.2 中心度頭部或尾部銀行受沖擊

由表5 可見，隨著同時受沖擊銀行數(shù)量增加，直轄市中心度頭部銀行與直轄市、西部和中部地區(qū)的中心度尾部銀行抗風(fēng)險能力較差，受較低程度沖擊也會產(chǎn)生較多數(shù)量銀行的傳染性破產(chǎn)。北部地區(qū)的中心度尾部銀行抗風(fēng)險能力較好，受較高強(qiáng)度沖擊也不會破產(chǎn)。其他地區(qū)的中心度尾部銀行受沖擊主要造成外生性破產(chǎn)，并不會造成傳染性破產(chǎn)。除西部和中部地區(qū)的中心度尾部銀行，其他地區(qū)中心度頭尾部的銀行抗風(fēng)險能力均相較于凈資產(chǎn)頭尾部的銀行好，造成的破壞性相對較小。

銀行間貸存比增加能提升直轄市的中心度頭部銀行的抗沖擊程度，縮小風(fēng)險傳染破壞范圍。北部、西部地區(qū)的中心度頭部銀行同時受沖擊時，無法通過調(diào)整銀行間貸存比提升抗風(fēng)險能力。銀行間貸存比增加或縮小均能有效提升西部地區(qū)的中心度尾部銀行的抗風(fēng)險能力，減小受沖擊所導(dǎo)致的銀行破產(chǎn)數(shù)量。

4.3 外部貸存比頭部或尾部銀行受沖擊

由表6 可見，直轄市、西部和中部地區(qū)的外部貸存比尾部銀行抗風(fēng)險能力差，受較低程度沖擊會造成較多數(shù)量的銀行破產(chǎn)，比資產(chǎn)尾部銀行造成的破壞性更大。南部地區(qū)外部存貸比的頭部和尾部銀行受沖擊時未發(fā)生破產(chǎn)。西部地區(qū)的外部貸存比頭部銀行外生性破產(chǎn)后，會顯著降低傳染性破產(chǎn)數(shù)量，可不予救助。

直轄市的外部貸存比頭部銀行外生性破產(chǎn)后，會加劇傳染性破產(chǎn)波及范圍，應(yīng)予以救助。東部和南部的外部貸存比尾部銀行抗風(fēng)險能力較好。

銀行間貸存比增加能有效提升直轄市的外部貸存比頭部銀行抗風(fēng)險能力，但使南部、北部和西部地區(qū)的外部貸存比頭部銀行風(fēng)險傳染更嚴(yán)重。除了西部地區(qū)銀行，調(diào)整銀行間貸存比能提升各地區(qū)外部貸存比尾部銀行的抗風(fēng)險能力。

5 結(jié)語

本文考慮銀行間拆借的類型和地域偏好，基于交叉熵局部迭代估算銀行間借貸關(guān)系的方向和權(quán)重，可獲得大量銀行間具有連接偏好的非全連通拆借網(wǎng)絡(luò)，避免了因忽略較低雙邊借貸關(guān)系而低估系統(tǒng)性風(fēng)險的情況發(fā)生。

本文模擬外部貸款受不同程度沖擊的實(shí)驗(yàn)發(fā)現(xiàn)，通過調(diào)整銀行間貸款總額能引發(fā)銀行間拆借關(guān)系的連接和值動態(tài)變化，揭示了銀行內(nèi)外部流動性聯(lián)合變化對不同區(qū)域銀行系統(tǒng)性風(fēng)險傳染的非線性影響。

同時，通過重點(diǎn)分析2019年中國各區(qū)域銀行的屬性特征和風(fēng)險傳染情況發(fā)現(xiàn)，在具有較多聚簇的非全連通銀行間拆借網(wǎng)絡(luò)中，并非只有全局頭部銀行傳染性大，各區(qū)域尾部銀行的風(fēng)險傳染破壞性也不容忽略，銀行內(nèi)部流動性有條件調(diào)節(jié)銀行受沖擊后的抗風(fēng)險能力。具體為，對系統(tǒng)內(nèi)拆借關(guān)系少、外部流動性低的小型銀行，銀行間流動性變化能提升抵抗外部流動性風(fēng)險能力，但對系統(tǒng)內(nèi)拆借關(guān)系多、外部流動性大的大型銀行，只有增加銀行間流動性才能提升銀行抵御沖擊的能力和抑制風(fēng)險傳染的破產(chǎn)范圍。銀行系統(tǒng)內(nèi)部流動性增加能在一定程度上抑制外生性沖擊的風(fēng)險傳染，但對外部流動性較高的銀行并不能很好地抑制風(fēng)險。

直轄市銀行受較低強(qiáng)度沖擊均會產(chǎn)生較大規(guī)模的傳染性破產(chǎn)，拆借關(guān)系少或外部流動性高的南部地區(qū)銀行同時受較高強(qiáng)度沖擊時才會發(fā)生外生性破產(chǎn)，可適當(dāng)激勵南部地區(qū)外部流動性較高的銀行增加地區(qū)內(nèi)銀行間的拆借關(guān)系。東部和北部地區(qū)外部流動性高的大型銀行抗風(fēng)險能力較差，受較低程度沖擊會產(chǎn)生損失多、規(guī)模大的傳染性倒閉。東部地區(qū)小型、拆借關(guān)系少和外部流動性低的銀行可抵御較高強(qiáng)度沖擊或僅發(fā)生小規(guī)模外生性倒閉，可增加?xùn)|部地區(qū)銀行的同地區(qū)銀行間的拆借資金量。