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

胡宗義，黃巖渠,2，喻采平

(1.湖南大學(xué) 金融與統(tǒng)計(jì)學(xué)院，湖南 長(zhǎng)沙 410006 ; 2.中國(guó)人民銀行長(zhǎng)沙中心支行， 湖南 長(zhǎng)沙 410005；3.長(zhǎng)沙理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖南 長(zhǎng)沙 410076)

一、引言

我國(guó)經(jīng)濟(jì)已經(jīng)由高速增長(zhǎng)階段轉(zhuǎn)變到高質(zhì)量發(fā)展階段,轉(zhuǎn)變發(fā)展方式,優(yōu)化經(jīng)濟(jì)結(jié)構(gòu),轉(zhuǎn)換增長(zhǎng)動(dòng)力是當(dāng)前的重要任務(wù)。金融系統(tǒng)作為現(xiàn)代經(jīng)濟(jì)系統(tǒng)的功能核心，也需要完成質(zhì)量、效率與動(dòng)力的變革，服務(wù)好實(shí)體經(jīng)濟(jì)，使金融經(jīng)濟(jì)的增長(zhǎng)更穩(wěn)健，風(fēng)險(xiǎn)更可控。從系統(tǒng)論的觀點(diǎn)看，系統(tǒng)的穩(wěn)定性與各組成部分之間的聯(lián)系和系統(tǒng)結(jié)構(gòu)有關(guān)，研究表明系統(tǒng)性金融風(fēng)險(xiǎn)也與金融機(jī)構(gòu)的相關(guān)性及金融網(wǎng)絡(luò)結(jié)構(gòu)直接關(guān)聯(lián)。深化金融系統(tǒng)改革，服務(wù)好實(shí)體經(jīng)濟(jì)，可以降低金融機(jī)構(gòu)相關(guān)性，優(yōu)化系統(tǒng)結(jié)構(gòu)，從而達(dá)到有效降低系統(tǒng)性金融風(fēng)險(xiǎn)的目的。

國(guó)內(nèi)外在系統(tǒng)性風(fēng)險(xiǎn)測(cè)量的研究方面主要包含網(wǎng)絡(luò)分析法、尾部度量法、或有權(quán)益分析法以及宏觀壓力測(cè)試法四類[1]。網(wǎng)絡(luò)分析研究是最近系統(tǒng)性金融風(fēng)險(xiǎn)的熱點(diǎn)[2]，研究表明網(wǎng)絡(luò)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險(xiǎn)之間不是單調(diào)關(guān)系，但關(guān)聯(lián)性處在高位時(shí)，外部沖擊會(huì)給系統(tǒng)帶來(lái)更大的損失。在網(wǎng)絡(luò)結(jié)構(gòu)方面，已有文獻(xiàn)主要在不同的網(wǎng)絡(luò)結(jié)構(gòu)下研究金融系統(tǒng)的傳染性、系統(tǒng)性風(fēng)險(xiǎn)大小等，提出利用資本管理、流動(dòng)性管理來(lái)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，從而干預(yù)系統(tǒng)性風(fēng)險(xiǎn)。

二、文獻(xiàn)回顧

在網(wǎng)絡(luò)分析研究方面，Allen等人[3]基于DD模型分析了流動(dòng)性與網(wǎng)絡(luò)關(guān)聯(lián)度，發(fā)現(xiàn)分散風(fēng)險(xiǎn)和增加關(guān)聯(lián)度可以降低系統(tǒng)性風(fēng)險(xiǎn)。Iori等人[4]分析了風(fēng)險(xiǎn)分散與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系，認(rèn)為網(wǎng)絡(luò)關(guān)聯(lián)度與系統(tǒng)性風(fēng)險(xiǎn)之間沒(méi)有單調(diào)性關(guān)系存在。Stiglitz[5]認(rèn)為分散風(fēng)險(xiǎn)和傳染性增加是一體的，關(guān)聯(lián)性增加使風(fēng)險(xiǎn)分散，但增強(qiáng)了大沖擊下的傳染性。Gai等人[6]利用數(shù)值模擬方法證明，當(dāng)關(guān)聯(lián)程度低時(shí)，傳染發(fā)生頻率低破壞性小，當(dāng)關(guān)聯(lián)程度高時(shí)，傳染更容易發(fā)生破壞性大。茍文均[7]通過(guò)CCA模型證實(shí)債務(wù)杠桿增加了系統(tǒng)性風(fēng)險(xiǎn)的生成和傳染。唐文進(jìn)[8]研究了極端事件對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響并提升了預(yù)測(cè)能力。鄭振龍[9]利用平均相關(guān)系數(shù)對(duì)股票、債券市場(chǎng)進(jìn)行了研究，發(fā)現(xiàn)平均相關(guān)系數(shù)反映了系統(tǒng)性風(fēng)險(xiǎn)。對(duì)金融網(wǎng)絡(luò)建模時(shí)，一般采用銀行間存貸數(shù)據(jù)、支付數(shù)據(jù)、CDS數(shù)據(jù)、風(fēng)險(xiǎn)敞口數(shù)據(jù)等單一數(shù)據(jù)，而銀行間的相關(guān)性關(guān)系是多維度的。Thrner等人[10]指出在金融網(wǎng)絡(luò)中銀行間市場(chǎng)是很重要的，但擔(dān)保市場(chǎng)和信用派生市場(chǎng)在放大波動(dòng)方面也有非常重要的作用。Bargigli等人[11]以墨西哥銀行數(shù)據(jù)構(gòu)建了多層次網(wǎng)絡(luò)，發(fā)現(xiàn)不同層的網(wǎng)絡(luò)結(jié)構(gòu)是不一樣的。Poledna等人[12]進(jìn)一步利用墨西哥銀行的相互存款、交叉持有債券、派生產(chǎn)品和外匯研究了系統(tǒng)性風(fēng)險(xiǎn)。方意[13]研究了四類傳染渠道，發(fā)現(xiàn)杠桿渠道和負(fù)債違約渠道對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響更為重要。本文采用唐文進(jìn)[8]、鄭振龍[9]、Acharya等[14]、Chen等[15]文獻(xiàn)中采用的上市金融機(jī)構(gòu)數(shù)據(jù)測(cè)度網(wǎng)絡(luò)相關(guān)性。

在網(wǎng)絡(luò)結(jié)構(gòu)的研究方面，Mantegna[16]研究了機(jī)構(gòu)之間的Pearson相關(guān)系數(shù)，認(rèn)為相關(guān)性大的機(jī)構(gòu)不僅受經(jīng)濟(jì)政策的影響，也受產(chǎn)業(yè)政策的影響，而相關(guān)性小機(jī)構(gòu)的主要受經(jīng)濟(jì)政策的影響。Vladimir[17]利用美國(guó)股市數(shù)據(jù)證明了在交叉相關(guān)系數(shù)大于0.2時(shí)，網(wǎng)絡(luò)是無(wú)標(biāo)度網(wǎng)絡(luò)。Brusco[18]建立了一個(gè)考慮道德因素的模型，得出了完全網(wǎng)絡(luò)結(jié)構(gòu)比不完全結(jié)構(gòu)更容易引發(fā)金融危機(jī)的結(jié)論。Castiglionesi[19]研究了網(wǎng)絡(luò)效率與分散風(fēng)險(xiǎn)能力，得出最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)為中心外圍式網(wǎng)絡(luò)結(jié)構(gòu)。Lenzu等人[20]通過(guò)隨機(jī)沖擊試驗(yàn)結(jié)果表明隨機(jī)網(wǎng)絡(luò)比無(wú)標(biāo)度網(wǎng)絡(luò)更穩(wěn)定。隋聰[21-22]的研究表明網(wǎng)絡(luò)集中度越高，傳染的可能性越小但傳染損失越大。鄧超[23]研究發(fā)現(xiàn)中心外圍式網(wǎng)絡(luò)比無(wú)標(biāo)度網(wǎng)絡(luò)更容易造成傳染，但金融困境時(shí)恢復(fù)力更強(qiáng)。

在網(wǎng)絡(luò)相關(guān)性方面，文獻(xiàn)大多采用Pearson相關(guān)系數(shù)、交叉相關(guān)系數(shù)。Kritzman等人[24]采用相關(guān)系數(shù)矩陣的特征值，鄭振龍[9]、Kolanovic等人[25]采用平均相關(guān)系數(shù)，Engle等人[26]采用交叉相關(guān)系數(shù)的平均值。由于Pearson相關(guān)系數(shù)只適合測(cè)度線性相關(guān)，本文構(gòu)造互信息系數(shù)來(lái)衡量網(wǎng)絡(luò)相關(guān)性，互信息系數(shù)相對(duì)Pearson系數(shù)來(lái)說(shuō)，一是可以度量非線性相關(guān)，二是不需要計(jì)算相關(guān)的參數(shù)，比Pearson系數(shù)測(cè)量相關(guān)性更穩(wěn)定。

三、基于互信息的網(wǎng)絡(luò)關(guān)聯(lián)模型

(一)建立互信息相關(guān)系數(shù)矩陣的時(shí)間序列

Rothman[27]研究了經(jīng)濟(jì)領(lǐng)域時(shí)間序列中非線性相關(guān)與處理，金融變量非線性相關(guān)廣泛存在，在很多情況下，采用Pearson相關(guān)系數(shù)、交叉相關(guān)系數(shù)等來(lái)計(jì)算金融變量之間的相關(guān)性是不適宜的。Dionisio等人[28]構(gòu)造了X，Y的關(guān)系為一個(gè)增加擾動(dòng)的余弦波函數(shù)(X，Y強(qiáng)相關(guān))，計(jì)算得出Pearson相關(guān)系數(shù)為0，Rank相關(guān)系數(shù)為0，互信息系數(shù)為0.91，證實(shí)互信息不僅能測(cè)量線性相關(guān)，也能測(cè)量非線性相關(guān)關(guān)系。本文采用互信息系數(shù)來(lái)計(jì)算相關(guān)性，預(yù)期比Pearson相關(guān)系數(shù)，交叉相關(guān)系數(shù)更穩(wěn)定。

X為隨機(jī)變量，PX(x)為X的概率密度函數(shù)，X的信息熵H(X)定義為：

(1)

Y是另外一個(gè)隨機(jī)變量，概率密度函數(shù)為PY(y)，X，Y的聯(lián)合分布密度函數(shù)為PXY(x,y)，聯(lián)合熵H(X,Y)定義為:

H(X,Y)=-?PXY(x,y)log(PXY(x,y))dxdy

(2)

X發(fā)生情況下Y發(fā)生的條件熵H(Y|X)定義為:

(3)

X，Y的互信息I(X,Y)定義為：

I(X,Y)=H(X)-H(Y|X)=H(Y)-H(X|Y)=H(X)+H(Y)-H(X,Y)

(4)

(5)

通過(guò)(5)式計(jì)算互信息系數(shù)，X，Y之間不相關(guān)時(shí)，由于I(X,Y)=0，相關(guān)系數(shù)為0；X，Y之間有函數(shù)關(guān)系時(shí)，相關(guān)系數(shù)為1。上式較好地描述了X，Y之間的相關(guān)關(guān)系。我們通過(guò)(4)，(5)計(jì)算金融機(jī)構(gòu)的互信息系數(shù)矩陣時(shí)間序列，以每個(gè)時(shí)點(diǎn)的相關(guān)系數(shù)矩陣為鄰接矩陣，我們建立起金融網(wǎng)絡(luò)的時(shí)間序列，該網(wǎng)絡(luò)隨著時(shí)間變化不斷變化。

金融網(wǎng)絡(luò)可以用圖來(lái)表示，圖的數(shù)學(xué)表達(dá)式為：G=(V,E)，由頂點(diǎn)集合V(v)和邊集合E(e)組成。其中V是頂點(diǎn)的集合，E是邊的集合。本文中考慮的金融機(jī)構(gòu)之間的相關(guān)性關(guān)系，頂點(diǎn)為金融機(jī)構(gòu)，頂點(diǎn)的值為金融機(jī)構(gòu)的總市值，邊為金融機(jī)構(gòu)之間相關(guān)性，值為金融機(jī)構(gòu)之間的互信息相關(guān)系數(shù)，由于互信息相關(guān)系數(shù)是對(duì)稱的，本文中金融機(jī)構(gòu)網(wǎng)絡(luò)為無(wú)向圖。

(二)網(wǎng)絡(luò)相關(guān)性與系統(tǒng)性風(fēng)險(xiǎn)

本文使用機(jī)構(gòu)的每日總市值來(lái)測(cè)度金融機(jī)構(gòu)的相關(guān)性，主要依據(jù)是因?yàn)橘Y產(chǎn)小于等于負(fù)債是多數(shù)文獻(xiàn)對(duì)金融機(jī)構(gòu)倒閉的假定，資產(chǎn)與負(fù)債之差是機(jī)構(gòu)的所有者權(quán)益，而所有者權(quán)益的市場(chǎng)價(jià)值對(duì)上市公司來(lái)說(shuō)是公司的總市值。相對(duì)股價(jià)來(lái)說(shuō)總市值考慮了機(jī)構(gòu)規(guī)模，機(jī)構(gòu)分紅與擴(kuò)股，采用總市值比股市價(jià)格更具備合理性。本文采用總市值來(lái)計(jì)算金融機(jī)構(gòu)之間的相關(guān)性，認(rèn)為這種相關(guān)性已經(jīng)包含了金融機(jī)構(gòu)的直接相關(guān)性與間接相關(guān)性。

在計(jì)算相關(guān)系數(shù)時(shí)遵從Engle等人[26]動(dòng)態(tài)等相關(guān)模型(DECO)關(guān)于機(jī)構(gòu)間一天內(nèi)的相關(guān)系數(shù)不變的假設(shè)，相關(guān)系數(shù)隨著日期變化，并采用網(wǎng)絡(luò)對(duì)手相關(guān)系數(shù)的均值來(lái)計(jì)算整個(gè)網(wǎng)絡(luò)的相關(guān)性，計(jì)算方式為：

(6)

其中v為某一時(shí)點(diǎn)的網(wǎng)絡(luò)相關(guān)性，xij為第i個(gè)機(jī)構(gòu)與第j個(gè)機(jī)構(gòu)的相關(guān)系數(shù)，n為機(jī)構(gòu)總數(shù)量。通過(guò)(6)式，我們計(jì)算出每個(gè)時(shí)點(diǎn)的網(wǎng)絡(luò)相關(guān)性，得到網(wǎng)絡(luò)相關(guān)性的時(shí)間序列。

在系統(tǒng)性風(fēng)險(xiǎn)測(cè)量上，我們采用金融指數(shù)表示。從直觀上看指數(shù)越大，系統(tǒng)性風(fēng)險(xiǎn)越高。我們假定從長(zhǎng)期看金融系統(tǒng)的總市值滿足一個(gè)固定的概率分布，X是將來(lái)可能的損失，用VaRα(X)表示系統(tǒng)性風(fēng)險(xiǎn)的大小，VaRα(X)=-inf{x|P(X≥x)≥1-α}。我們固定α?xí)r，因?yàn)榭偸兄禎M足一個(gè)固定的概率分布，將來(lái)可能的損失只與當(dāng)前的總市值相關(guān)，當(dāng)前的總市值越高，將來(lái)可能遭受的損失越大。實(shí)際上可以證明，只要系統(tǒng)性風(fēng)險(xiǎn)測(cè)量方法(如VAR，ES等)滿足風(fēng)險(xiǎn)一致性測(cè)量中的平移原理[31]，即ρ(x+a)=ρ(x)-a，就可以用指數(shù)曲線近似代替風(fēng)險(xiǎn)曲線。因?yàn)槿绻谥笖?shù)為α點(diǎn)測(cè)到的風(fēng)險(xiǎn)為ρ(x)，在滿足平移原理的情況下，在指數(shù)為β的點(diǎn)測(cè)到的風(fēng)險(xiǎn)一定為ρ(x)+λ(β-α)，λ(β-α)是系統(tǒng)風(fēng)險(xiǎn)損失準(zhǔn)備金(其中λ為常數(shù))。系統(tǒng)性風(fēng)險(xiǎn)曲線是系統(tǒng)指數(shù)曲線在y軸平移距離ρ(x)后再放大λ倍的結(jié)果。當(dāng)前交易商流行的計(jì)算指數(shù)期貨的保證金算法，就是以指數(shù)為基準(zhǔn)計(jì)算。

本文實(shí)證中通過(guò)網(wǎng)絡(luò)相關(guān)性時(shí)間序列與指數(shù)時(shí)間序列的比較來(lái)分析相關(guān)性與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系。通過(guò)x1>x2(x1，x2的值為各時(shí)點(diǎn)網(wǎng)絡(luò)相關(guān)性)時(shí)，是否有f(x1)>f(x2),f(x1),f(x2)的值為各時(shí)點(diǎn)的金融指數(shù)，以此判斷網(wǎng)絡(luò)相關(guān)性與系統(tǒng)性風(fēng)險(xiǎn)之間是否有單調(diào)關(guān)系。

(三)網(wǎng)絡(luò)結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)

以相關(guān)系數(shù)矩陣為鄰接矩陣的網(wǎng)絡(luò)是全連通網(wǎng)絡(luò)。為了研究網(wǎng)絡(luò)結(jié)構(gòu)，需要對(duì)網(wǎng)絡(luò)進(jìn)行壓縮。本文采用Vladimir等人[17]等文獻(xiàn)中的假設(shè)，即在外部沖擊下，相關(guān)性小的部分對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響可以忽略，本文采用兩種方式壓縮，一是保持連通性下的相關(guān)性壓縮，即壓縮為最大生成樹(shù)；二是完全基于相關(guān)性的壓縮。

1.基于最大生成樹(shù)的壓縮。使用最大生成樹(shù)進(jìn)行壓縮是為了展示網(wǎng)絡(luò)總體結(jié)構(gòu)。最大生成樹(shù)數(shù)學(xué)表示為：GT=(VT,ET),由于本文中G是全連通的圖，我們尋找的最大生成樹(shù)頂點(diǎn)數(shù)與原圖一樣，有VT=V我們定義圖G上邊的一個(gè)函數(shù)f(e)為：

2.基于相關(guān)性的壓縮。使用相關(guān)性壓縮的目的是研究網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)與內(nèi)部相關(guān)性，本文中使用θ=0.7壓縮，具體做法是將相關(guān)性小于閥值的邊從全連通圖中移除，可以證明壓縮后的網(wǎng)絡(luò)為無(wú)標(biāo)度網(wǎng)絡(luò)。也可以采用其他閥值，閥值的大小不影響本文的結(jié)論。

我們使用網(wǎng)絡(luò)偏心距判別網(wǎng)絡(luò)結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)之間的趨勢(shì)性關(guān)系。網(wǎng)絡(luò)中節(jié)點(diǎn)之間的距離定義為兩個(gè)節(jié)點(diǎn)最小的邊的數(shù)目，節(jié)點(diǎn)的偏心距定義為節(jié)點(diǎn)到圖中所有節(jié)點(diǎn)的距離的最大值。網(wǎng)絡(luò)偏心距定義為網(wǎng)絡(luò)中最小的節(jié)點(diǎn)偏心距，網(wǎng)絡(luò)平均偏心距定義為網(wǎng)絡(luò)中所有節(jié)點(diǎn)的平均偏心距。平均偏心距實(shí)際上是網(wǎng)絡(luò)集中度的一種量度。從偏心距的定義可以看出，偏心距越小，越接近中心外圍式網(wǎng)絡(luò)，偏心距最小的節(jié)點(diǎn)為網(wǎng)絡(luò)的中心。本文利用網(wǎng)絡(luò)偏心距描述網(wǎng)絡(luò)結(jié)構(gòu)，并將偏心距用在最大生成樹(shù)、相關(guān)性壓縮的網(wǎng)絡(luò)中。我們通過(guò)網(wǎng)絡(luò)偏心距來(lái)判斷網(wǎng)絡(luò)的集中度，偏心距越小，認(rèn)為網(wǎng)絡(luò)越呈現(xiàn)為中心外圍式結(jié)構(gòu)，偏心距大時(shí)，呈線性結(jié)構(gòu)或松散結(jié)構(gòu)。

本文分別計(jì)算各時(shí)點(diǎn)最大生成樹(shù)、相關(guān)性壓縮網(wǎng)絡(luò)的偏心距，形成偏心距時(shí)間序列，通過(guò)偏心距曲線與指數(shù)曲線的對(duì)比，判斷網(wǎng)絡(luò)結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)是否有趨勢(shì)性關(guān)系。

(四)網(wǎng)絡(luò)內(nèi)部相關(guān)性與系統(tǒng)性風(fēng)險(xiǎn)

本文用最大團(tuán)方法挖掘網(wǎng)絡(luò)中聯(lián)系最緊的小團(tuán)體，分析形成最大團(tuán)的原因，提出干預(yù)系統(tǒng)性風(fēng)險(xiǎn)的方法。最大團(tuán)是圖中最大的全連通子圖，最大團(tuán)的含義是機(jī)構(gòu)中聯(lián)系最緊密的團(tuán)體。由于最大團(tuán)中的個(gè)體相關(guān)性強(qiáng)，個(gè)體會(huì)對(duì)整個(gè)團(tuán)產(chǎn)生比較顯著的影響。

(五)數(shù)據(jù)與計(jì)算方法

本文數(shù)據(jù)獲取自國(guó)泰安數(shù)據(jù)庫(kù)?？紤]到2015年的股災(zāi)和2016年初的股災(zāi)，選取時(shí)間段為2014-2016年。剔除2015年以后上市的機(jī)構(gòu)后，銀行類機(jī)構(gòu)總計(jì)16家，證券類機(jī)構(gòu)24家，保險(xiǎn)類機(jī)構(gòu)6家，其他類機(jī)構(gòu)7家，實(shí)際53家金融機(jī)構(gòu)列入計(jì)算。首先利用每日機(jī)構(gòu)總市值數(shù)據(jù)計(jì)算金融機(jī)構(gòu)之間的互信息(R軟件中infoeth軟件包，版本號(hào)1.2.0)，使用互信息建立互信息矩陣時(shí)間序列，再計(jì)算基于互信息的系數(shù)矩陣時(shí)間序列；然后利用系數(shù)矩陣構(gòu)造最大生成樹(shù)與相關(guān)性網(wǎng)絡(luò)；最后計(jì)算最大生成樹(shù)與相關(guān)性網(wǎng)絡(luò)的偏心距(Eccentricity)并研究網(wǎng)絡(luò)相關(guān)性、結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系。結(jié)合互信息計(jì)算要求與我國(guó)證券市場(chǎng)波動(dòng)的頻率，本文選擇125個(gè)數(shù)據(jù)為一個(gè)滑動(dòng)窗口來(lái)計(jì)算。

四、實(shí)證結(jié)論與分析

為了統(tǒng)計(jì)方便，機(jī)構(gòu)代碼以字母標(biāo)示，銀行類機(jī)構(gòu)以Y開(kāi)頭，保險(xiǎn)類機(jī)構(gòu)以B開(kāi)頭，證券類機(jī)構(gòu)以Z開(kāi)頭，其他金融機(jī)構(gòu)以Q開(kāi)頭，代碼數(shù)據(jù)在后文的實(shí)證分析中使用，機(jī)構(gòu)類數(shù)據(jù)如下表：

表1 金融機(jī)構(gòu)代碼表

我們使用平均相關(guān)系數(shù)法對(duì)系統(tǒng)性風(fēng)險(xiǎn)作預(yù)測(cè)，圖1中a是平均互信息系數(shù)序列與金融指數(shù)的疊加，b是平均Pearson系數(shù)時(shí)間序列與金融指數(shù)的疊加。為了比較方便，我們將基期(2014年7月8日)的互信息系數(shù)與相關(guān)系數(shù)設(shè)置為100。

互信息系數(shù)表示的是金融機(jī)構(gòu)個(gè)體之間的相關(guān)程度，平均互信息系數(shù)表示金融機(jī)構(gòu)整體的內(nèi)部相關(guān)程度。從圖1 a我們發(fā)現(xiàn)，平均互信息相關(guān)系數(shù)增強(qiáng)時(shí)，一般情況下指數(shù)也增大，但相關(guān)性增加總是先于指數(shù)到達(dá)高點(diǎn)，網(wǎng)絡(luò)相關(guān)性高點(diǎn)發(fā)生在風(fēng)險(xiǎn)發(fā)生前。我們發(fā)現(xiàn)在部分時(shí)段，網(wǎng)絡(luò)相關(guān)性與金融指數(shù)之間的關(guān)系不是單調(diào)的，例如2014年11月17日至2015年12月2日，相關(guān)性從x1=0.5536959降低到x2=0.4627035，而指數(shù)從f(x1)=113.4497上升到f(x2)=140.1508。在x1f(x2)成立，而且不是個(gè)別現(xiàn)象，在2014年11月17日至2015年12月2日，2015年3月5日至4月10日等區(qū)間普遍成立。所以相關(guān)性與系統(tǒng)性風(fēng)險(xiǎn)之間不是單調(diào)關(guān)系。

2015年我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)主要是金融杠桿造成的，在金融指數(shù)的上漲期(2015年6月8日前)，金融機(jī)構(gòu)間的相關(guān)性增加，系統(tǒng)性風(fēng)險(xiǎn)增加，在2015年4月30日互信息到達(dá)高點(diǎn)后，最后一輪的上漲，金融機(jī)構(gòu)之間的相關(guān)性并沒(méi)有增強(qiáng)，而是開(kāi)始回落，經(jīng)濟(jì)學(xué)的解釋是市值的上漲已經(jīng)不是普漲，而是出現(xiàn)了分化，相關(guān)性開(kāi)始降低，這可以從各機(jī)構(gòu)市值曲線圖中得到驗(yàn)證。在金融指數(shù)的下跌期(2015年6月8日后)，機(jī)構(gòu)間的平均相關(guān)性同步回落，指數(shù)下跌與相關(guān)性基本同時(shí)到達(dá)低點(diǎn)。最低點(diǎn)過(guò)后，機(jī)構(gòu)之間的相關(guān)性開(kāi)始增強(qiáng)，系統(tǒng)吸收風(fēng)險(xiǎn)，金融指數(shù)出現(xiàn)上漲。

圖1 互信息系數(shù)平均、相關(guān)系數(shù)平均與指數(shù)比較圖

圖2 互信息系數(shù)平均、指數(shù)與偏心距

從圖1 a可以看到基于互信息的相關(guān)系數(shù)曲線較好地與指數(shù)曲線吻合。由于上漲最后階段總是存在一個(gè)階段的分化期，基于互信息的相關(guān)系數(shù)總是能提前回落，所以能夠較好地預(yù)測(cè)風(fēng)險(xiǎn)，在2015年4月30日互信息到達(dá)高點(diǎn)后，金融指數(shù)2015年6月8日才到達(dá)最高點(diǎn)，每一次金融指數(shù)的上漲，互信息相關(guān)系數(shù)都提前到達(dá)高點(diǎn)然后回落?；诨バ畔⑾禂?shù)的相關(guān)性對(duì)指數(shù)的漲跌更為清晰，而圖1 b基于Pearson相關(guān)系數(shù)的時(shí)間序列預(yù)測(cè)性不是很理想，可能原因是機(jī)構(gòu)之間的部分相關(guān)性是非線性的。

為了比較各時(shí)期網(wǎng)絡(luò)結(jié)構(gòu)，本文將網(wǎng)絡(luò)壓縮形成最大生成樹(shù)，并計(jì)算每棵生成樹(shù)的偏心距，并采用平均偏心距作為網(wǎng)絡(luò)結(jié)構(gòu)的特性。圖2分別是2014年7月8日至2016年12月31日金融系統(tǒng)平均偏心距、金融系統(tǒng)互信息系數(shù)與金融指數(shù)，銀行系統(tǒng)平均偏心距、銀行系統(tǒng)互信息系數(shù)與銀行指數(shù)疊加，為了便于觀察，平均偏心距、相關(guān)性、金融指數(shù)的初期數(shù)值定義為10以便比較。圖2 a，實(shí)線是金融平均偏心距，點(diǎn)劃線是金融指數(shù)。圖2 b，實(shí)線是銀行平均偏心距，點(diǎn)劃線是銀行指數(shù)。

我們從圖2可以看到，不管是金融系統(tǒng)還是銀行系統(tǒng)，在外部沖擊的作用下，網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生周期性震蕩。金融系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)比銀行系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)變化更大，這不僅是機(jī)構(gòu)規(guī)模問(wèn)題，銀行系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)金融系統(tǒng)更為穩(wěn)定。在外部的沖擊下，金融網(wǎng)絡(luò)結(jié)構(gòu)改變，但網(wǎng)絡(luò)自身按周期性回復(fù)結(jié)構(gòu)狀態(tài)。在沖擊作用下網(wǎng)絡(luò)相關(guān)性有下降，釋放風(fēng)險(xiǎn)后，網(wǎng)絡(luò)結(jié)構(gòu)從線型變?yōu)橹行耐鈬浇Y(jié)構(gòu)，但只要沖擊結(jié)束，網(wǎng)絡(luò)結(jié)構(gòu)便開(kāi)始恢復(fù)，金融網(wǎng)絡(luò)是一個(gè)有彈性的網(wǎng)絡(luò)。觀察沖擊規(guī)律可以發(fā)現(xiàn)，在發(fā)生正向沖擊后，網(wǎng)絡(luò)結(jié)構(gòu)滯后一個(gè)時(shí)段出現(xiàn)平均偏心距上漲，網(wǎng)絡(luò)結(jié)構(gòu)變得松散，發(fā)生負(fù)向沖擊時(shí)，網(wǎng)絡(luò)結(jié)構(gòu)的平均偏心距立即下降。但在沖擊結(jié)束后的指數(shù)振蕩期，網(wǎng)絡(luò)結(jié)構(gòu)都會(huì)對(duì)沖擊的結(jié)果快速恢復(fù)。從圖2可以看到系統(tǒng)性風(fēng)險(xiǎn)和網(wǎng)絡(luò)結(jié)構(gòu)沒(méi)有趨勢(shì)性關(guān)系。

我們以金融系統(tǒng)平均偏心距為觀察點(diǎn)，經(jīng)過(guò)采樣，網(wǎng)絡(luò)的偏心距在2015年4月16日達(dá)到最高值18.03774，在2015年9月23日達(dá)到最低值7.811321。在以上兩個(gè)時(shí)間點(diǎn)的生成樹(shù)如圖3?？梢钥吹?015年4月16日的生成樹(shù)呈線形結(jié)構(gòu)，而2015年9月23日成分層結(jié)構(gòu)(中心-外圍式結(jié)構(gòu))。在2015年4月16日，由于杠桿作用，推動(dòng)了金融機(jī)構(gòu)總市值的上漲，這種相關(guān)性主要是金融杠桿造成的，消弱了機(jī)構(gòu)之間的產(chǎn)業(yè)關(guān)聯(lián)性，金融系統(tǒng)的結(jié)構(gòu)變得松散，表現(xiàn)為線型結(jié)構(gòu)。而2015年9月23日，風(fēng)險(xiǎn)釋放，相關(guān)性降低，金融系統(tǒng)產(chǎn)業(yè)關(guān)聯(lián)性顯現(xiàn)，可以清晰地看到在圖3 b中，銀行系統(tǒng)分屬幾組連接在一起。在沖擊下，金融系統(tǒng)釋放了風(fēng)險(xiǎn)到外部經(jīng)濟(jì)系統(tǒng)，網(wǎng)絡(luò)結(jié)構(gòu)變?yōu)榉謱咏Y(jié)構(gòu)(中心外圍式結(jié)構(gòu))。

圖4是θ=0.7時(shí)，金融網(wǎng)絡(luò)壓縮成相關(guān)性網(wǎng)絡(luò)后的是相關(guān)性網(wǎng)絡(luò)的平均偏心距、金融平均互信息系數(shù)、金融指數(shù)的比較?；谙嚓P(guān)性的壓縮可能會(huì)出現(xiàn)離散的點(diǎn)，離散的點(diǎn)表明該機(jī)構(gòu)與金融系統(tǒng)中其它的機(jī)構(gòu)沒(méi)有很強(qiáng)的聯(lián)系。

相關(guān)性網(wǎng)絡(luò)的偏心距同時(shí)受相關(guān)性與網(wǎng)絡(luò)結(jié)構(gòu)的影響。首先，我們觀測(cè)到相關(guān)性較高的時(shí)間段，平均偏心距較低。這是因?yàn)樵谙嚓P(guān)性高的時(shí)間，根據(jù)我們的壓縮規(guī)則，相關(guān)性網(wǎng)絡(luò)的連通度更高，所以平均偏心距偏低；而在相關(guān)性低的時(shí)刻，平均偏心距偏高。同時(shí)我們觀察到?jīng)_擊對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的影響，可以觀測(cè)到當(dāng)發(fā)生正向沖擊時(shí)，平均偏心距滯后上升，當(dāng)發(fā)生負(fù)向沖擊時(shí)，平均偏心距立即下降，但沖擊結(jié)束后，網(wǎng)絡(luò)結(jié)構(gòu)立即回調(diào)，這在各個(gè)震蕩期更為明顯。銀行機(jī)構(gòu)的相關(guān)性網(wǎng)絡(luò)與金融機(jī)構(gòu)的相關(guān)性網(wǎng)絡(luò)盡管偏心距曲線不一致，但規(guī)律一樣。在相關(guān)性網(wǎng)絡(luò)中，也顯現(xiàn)出通過(guò)結(jié)構(gòu)變化來(lái)應(yīng)對(duì)沖擊的特點(diǎn)。

我們重點(diǎn)觀察金融指數(shù)從6月8日開(kāi)始的三次下跌，第一次6月8日至6月29日，指數(shù)從224.1885下降到182.5848；第二次為2015年7月10日至2015年7月27日，指數(shù)從200.7612點(diǎn)下降到170.1463點(diǎn)；第三次為2015年8月19日至8月25日，指數(shù)從169.0346點(diǎn)下降到130.6283點(diǎn)。三次下跌期，平均偏心距的變化為第1次從3.113208下降到2.849057，第2次為從3.754717下降到3.339623，第3次為從4.962264到4.396226。

圖3 不同時(shí)點(diǎn)的生成樹(shù)

圖4 相關(guān)性網(wǎng)絡(luò)的平均相關(guān)系數(shù)、指數(shù)、平均偏心率

圖5 不同時(shí)點(diǎn)的無(wú)標(biāo)度網(wǎng)絡(luò)

沖擊力度一次比一次大。另外我們觀察到由于相關(guān)性在降低，平均偏心距在不斷上升。由于相關(guān)性，外部沖擊的原因，網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生劇烈的波動(dòng)，適應(yīng)外部變化。

我們來(lái)觀察最后一次沖擊后網(wǎng)絡(luò)結(jié)構(gòu)的變化。圖5a是2015年8月21日金融相關(guān)性網(wǎng)絡(luò)，圖5b是2015年9月7日基本穩(wěn)定后的相關(guān)性網(wǎng)絡(luò)，平均偏心距從5.339623下降到3.056604。在此期間，平均相關(guān)系數(shù)變化不大，主要是沖擊的影響。我們可以看到，在沖擊前，沒(méi)有離散的節(jié)點(diǎn)，在沖擊后出現(xiàn)了離散的節(jié)點(diǎn)，證明負(fù)向沖擊較大，有一些連接斷裂。由于平均相關(guān)性變化不大，一些機(jī)構(gòu)的連接被加強(qiáng)，如建設(shè)銀行(YJS)，在沖擊前只有一條連接，在沖擊后有三條連接，又如興業(yè)銀行(YXY)沖擊前3條，沖擊完成后10條連接。網(wǎng)絡(luò)結(jié)構(gòu)從平均偏心距的變化也可以看出，受沖擊后的網(wǎng)絡(luò)更加中心化。

網(wǎng)絡(luò)相關(guān)性和網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)都有很大的影響。從風(fēng)險(xiǎn)溢出的角度看，網(wǎng)絡(luò)相關(guān)性的強(qiáng)度和網(wǎng)絡(luò)結(jié)構(gòu)對(duì)風(fēng)險(xiǎn)溢出都有顯著作用。本文認(rèn)為當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)受到?jīng)_擊發(fā)生變化時(shí)，網(wǎng)絡(luò)相關(guān)性的增強(qiáng)可以彌補(bǔ)網(wǎng)絡(luò)結(jié)構(gòu)弱化帶來(lái)的風(fēng)險(xiǎn)溢出，網(wǎng)絡(luò)相關(guān)性在實(shí)際的系統(tǒng)性金融風(fēng)險(xiǎn)中占主導(dǎo)地位。在金融系統(tǒng)受到?jīng)_擊時(shí)，正向沖擊使金融系統(tǒng)的網(wǎng)絡(luò)相關(guān)性增加，系統(tǒng)性風(fēng)險(xiǎn)增加；負(fù)向沖擊使金融系統(tǒng)的網(wǎng)絡(luò)相關(guān)性減小，系統(tǒng)性風(fēng)險(xiǎn)減??；網(wǎng)絡(luò)結(jié)構(gòu)隨著外部的沖擊發(fā)生變化，但有一定的彈性。

根據(jù)上文的結(jié)論，相關(guān)性雖然與系統(tǒng)性風(fēng)險(xiǎn)沒(méi)有單調(diào)關(guān)系，但相關(guān)性變化過(guò)程是系統(tǒng)性風(fēng)險(xiǎn)積累與釋放的過(guò)程，而網(wǎng)絡(luò)結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)沒(méi)有趨勢(shì)關(guān)系，在沖擊作用下網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生震蕩。本文認(rèn)為對(duì)系統(tǒng)性風(fēng)險(xiǎn)的管理者來(lái)說(shuō)，采用干預(yù)網(wǎng)絡(luò)結(jié)構(gòu)不如干預(yù)網(wǎng)絡(luò)相關(guān)性更有效。在2015年的股市沖擊下，考慮到融資融券、結(jié)構(gòu)化產(chǎn)品、融資擔(dān)保等因素，政府為了避免股市沖擊導(dǎo)致發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)，對(duì)股市進(jìn)行救助。為了保證救援的效果，在救市優(yōu)先考慮對(duì)股指影響比較大的權(quán)重股，但效果并不明顯。本文認(rèn)為在下跌的間歇期，最好的救市政策是首先找到相關(guān)性變化的原因，從解決根源入手，其次是對(duì)相關(guān)性較大的機(jī)構(gòu)團(tuán)體救助，降低整個(gè)系統(tǒng)網(wǎng)絡(luò)的相關(guān)性，利用機(jī)構(gòu)間的相關(guān)性使資產(chǎn)的同步下跌減緩?？紤]網(wǎng)絡(luò)內(nèi)部的相關(guān)性，本文使用最大團(tuán)在相關(guān)性網(wǎng)絡(luò)中挖掘全相關(guān)的機(jī)構(gòu)團(tuán)體。為了簡(jiǎn)單，我們選擇2015年7月6日，2015年7月29日，2015年9月9日的數(shù)據(jù)來(lái)挖掘最大團(tuán)。

2015年7月6日的最大團(tuán)有2個(gè)，公共部分為ZTP，ZDB，ZDW，ZXN，ZJL，ZGF，ZZS，ZXY，YNJ，ZCJ，ZHT，ZHT，ZFZ。第一個(gè)團(tuán)多出ZGD，第二個(gè)團(tuán)多出ZZX，2015年7月29日的最大團(tuán)有1個(gè)，為ZCJ，ZDB，ZHT，ZFZ，ZZX，ZXY，ZGF，ZTP，ZDW ，ZJL，ZZS，ZXN，ZHT，ZGD。2015年9月9日的最大團(tuán)有兩個(gè)，交集為ZZX ，ZHT， ZFZ， ZDB ，ZCJ， ZZS， ZHT，ZGX，ZGH，ZXN，ZTP，ZXY，ZDW，YPA，ZGY，ZGJ，ZGF，ZSX，其中1個(gè)中多了BSH，YNJ，ZXB，BPA，另一個(gè)為ZGD，ZLT，QSG，QZH。我們對(duì)最大團(tuán)取交集，得到ZTP(太平洋)，ZDB(東北證券)，ZDW(東吳證券)，ZXN(西南證券)，ZGF(廣發(fā)證券)，ZZS(招商證券)， ZXY(興業(yè)證券)，ZCJ(長(zhǎng)江證券)，ZHT(華泰證券)，ZFZ(方正證券)等10家機(jī)構(gòu)。即在市值下跌過(guò)程中，這10家機(jī)構(gòu)保持很高的同步性，平均相關(guān)性明顯比金融系統(tǒng)的平均相關(guān)性強(qiáng)。從原因分析，這10家機(jī)構(gòu)都是證券機(jī)構(gòu)，與本次系統(tǒng)性風(fēng)險(xiǎn)的原因主要是由融資融券的杠桿引起的有關(guān)，對(duì)這10家機(jī)構(gòu)的救助，首先需要在解決融資融券杠桿問(wèn)題的基礎(chǔ)上，才能有效地防止出現(xiàn)系統(tǒng)性的風(fēng)險(xiǎn)；其次根據(jù)相關(guān)性原則，對(duì)這10家中的1家或幾家機(jī)構(gòu)救助，能夠最大程度地改變整個(gè)金融網(wǎng)絡(luò)的相關(guān)性，從而更有效地干預(yù)系統(tǒng)性風(fēng)險(xiǎn)。

五、結(jié)論與政策建議

本文建立了一個(gè)基于互信息的金融系統(tǒng)相關(guān)性網(wǎng)絡(luò)，從相關(guān)性、結(jié)構(gòu)兩個(gè)方面研究了我國(guó)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)。在相關(guān)性方面，主要依據(jù)相關(guān)系數(shù)矩陣時(shí)間序列建立的平均互信息系數(shù)時(shí)間序列，研究發(fā)現(xiàn)相關(guān)性增加導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)增加，相關(guān)性對(duì)系統(tǒng)性風(fēng)險(xiǎn)有加強(qiáng)作用，但并不完全同步，在風(fēng)險(xiǎn)積聚的最后階段，總會(huì)發(fā)生相關(guān)性分化造成平均相關(guān)性降低的現(xiàn)象，可以利用相關(guān)性預(yù)測(cè)系統(tǒng)性風(fēng)險(xiǎn)的出現(xiàn)。在網(wǎng)絡(luò)結(jié)構(gòu)方面，研究了最大生成樹(shù)以及相關(guān)性網(wǎng)絡(luò)的平均偏心距，發(fā)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)沒(méi)有趨勢(shì)性關(guān)系。網(wǎng)絡(luò)結(jié)構(gòu)在外部的沖擊下具備彈性，在受到?jīng)_擊后結(jié)構(gòu)更加中心化，網(wǎng)絡(luò)結(jié)構(gòu)變化是系統(tǒng)緩解外部沖擊的一種方式。雖然靜態(tài)情況下網(wǎng)絡(luò)結(jié)構(gòu)對(duì)風(fēng)險(xiǎn)溢出有顯著影響，從在動(dòng)態(tài)角度看，相關(guān)性與網(wǎng)絡(luò)結(jié)構(gòu)是相互影響，只有在相關(guān)性不變的情況結(jié)構(gòu)比較才有意義。根據(jù)網(wǎng)絡(luò)相關(guān)性、結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系，本文認(rèn)為管理系統(tǒng)性風(fēng)險(xiǎn)方面，通過(guò)干預(yù)網(wǎng)絡(luò)相關(guān)性的方式比干預(yù)網(wǎng)絡(luò)結(jié)構(gòu)的方式更有效。最后本文基于系統(tǒng)相關(guān)性提出了干預(yù)系統(tǒng)性風(fēng)險(xiǎn)的一種方法。

我國(guó)當(dāng)前金融系統(tǒng)主要風(fēng)險(xiǎn)包括互聯(lián)網(wǎng)金融、銀行理財(cái)產(chǎn)品、房地產(chǎn)、地方融資平臺(tái)等方面累積的風(fēng)險(xiǎn)，從風(fēng)險(xiǎn)溢出角度看可以分為通過(guò)銀行間債務(wù)、支付渠道等引起的直接傳染，以及價(jià)格、共同風(fēng)險(xiǎn)暴露引起的間接傳染兩類。系統(tǒng)性風(fēng)險(xiǎn)的主要表現(xiàn)一是金融空轉(zhuǎn)現(xiàn)象，如銀行系統(tǒng)的理財(cái)產(chǎn)品與投資數(shù)量之差擴(kuò)大，大量資金脫實(shí)向虛，以錢(qián)炒錢(qián)，金融投機(jī)等，造成金融機(jī)構(gòu)之間的關(guān)聯(lián)性增加，系統(tǒng)性風(fēng)險(xiǎn)持續(xù)增長(zhǎng)。二是金融經(jīng)濟(jì)杠桿造成機(jī)構(gòu)之間相關(guān)性以杠桿倍率增加，如各種衍生品工具，融資融券帶來(lái)的杠桿效應(yīng)，增加了金融機(jī)構(gòu)之前的關(guān)聯(lián)度，累積了系統(tǒng)性風(fēng)險(xiǎn)；三是金融機(jī)構(gòu)投資的同質(zhì)化(如房地產(chǎn)、地方融資平臺(tái))造成的部分金融機(jī)構(gòu)相關(guān)性增加，引起系統(tǒng)性風(fēng)險(xiǎn)增加；四是金融創(chuàng)新和混業(yè)經(jīng)營(yíng)加速，金融機(jī)構(gòu)、市場(chǎng)、產(chǎn)品之間關(guān)聯(lián)性加強(qiáng)，增加了系統(tǒng)性風(fēng)險(xiǎn)。為了防范和化解我國(guó)的系統(tǒng)性金融風(fēng)險(xiǎn)，主要的政策建議如下：

一是轉(zhuǎn)變發(fā)展觀念，深化金融改革。提高金融供給側(cè)的質(zhì)量與效率，實(shí)現(xiàn)金融去杠桿與經(jīng)濟(jì)穩(wěn)定增長(zhǎng)的統(tǒng)一，把更多金融資源配置到經(jīng)濟(jì)社會(huì)發(fā)展的重點(diǎn)領(lǐng)域和薄弱環(huán)節(jié)上，增強(qiáng)金融系統(tǒng)的健壯性，促進(jìn)金融經(jīng)濟(jì)健康發(fā)展。

二是引導(dǎo)金融回歸本源，服務(wù)好實(shí)體經(jīng)濟(jì)。實(shí)體經(jīng)濟(jì)發(fā)展是金融穩(wěn)定增長(zhǎng)的動(dòng)力。提高直接融資比重，促進(jìn)多層次資本市場(chǎng)的健康發(fā)展。發(fā)展普惠金融，在信貸方面，創(chuàng)新抵押物，推動(dòng)信用體系建設(shè)；在債券方面，開(kāi)發(fā)各種債券、證券化產(chǎn)品，降低中小企業(yè)的融資成本。打擊非法集資、亂加杠桿、亂做表外業(yè)務(wù)、違法違規(guī)套利行為；深化利率匯率市場(chǎng)化改革，完善市場(chǎng)化利率匯率形成機(jī)制，提高服務(wù)實(shí)體經(jīng)濟(jì)水平。理順金融發(fā)展與經(jīng)濟(jì)發(fā)展的關(guān)系，實(shí)現(xiàn)金融經(jīng)濟(jì)協(xié)調(diào)可持續(xù)發(fā)展，防止系統(tǒng)性金融經(jīng)濟(jì)危機(jī)的發(fā)生。

三是健全貨幣政策和宏觀審慎政策雙支柱調(diào)控框架。在貨幣政策方面運(yùn)用貨幣政策工具與方法，保持物價(jià)穩(wěn)定；在宏觀審慎政策方面加強(qiáng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)管，密切關(guān)注金融機(jī)構(gòu)關(guān)聯(lián)性與金融系統(tǒng)結(jié)構(gòu)，從逆周期角度防止風(fēng)險(xiǎn)積聚，從空間維度防止風(fēng)險(xiǎn)傳染，從而保持金融系統(tǒng)穩(wěn)定。

四是健全金融監(jiān)管體系。做好監(jiān)管統(tǒng)籌與協(xié)調(diào)工作，解決監(jiān)管空白與多頭監(jiān)管問(wèn)題；強(qiáng)化穿透式監(jiān)管，提高市場(chǎng)透明度；逐步適應(yīng)金融機(jī)構(gòu)與金融市場(chǎng)的創(chuàng)新變化，有效提高監(jiān)管水平，著力防范可能出現(xiàn)的“黑天鵝”“灰犀?！?，著力構(gòu)筑金融的安全防線，從而守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線。

[1]陸 婷.如何度量金融系統(tǒng)性風(fēng)險(xiǎn)：一個(gè)文獻(xiàn)述評(píng)[J].金融監(jiān)管研究，2017(6):1-15.

[2]Neveu A R. A survey of network-based analysis and systemic risk measurement[J]. Journal of Economic Interaction & Coordination，2016:1-41.

[3]Allen F，Gale D. Financial contagion[J]. Levines Working Paper Archive，1999，108(1):1-33.

[4] Iori G， Jafarey S， Padilla F G. Systemic risk on the interbank market[J]. Journal of Economic Behavior & Organization，2006，61(4):525-542.

[5] Stiglitz Joseph. Risk and global economic architecture: why full financial integration may be undesirable[J]. American Economic Review，2010，100(100):388-392.

[6]Gai P，Haldane A，Kapadia S. Complexity，concentration and contagion[J]. JMonet Econ . 2011，58(5):453-470.

[7]茍文均.債務(wù)杠桿與系統(tǒng)性風(fēng)險(xiǎn)傳染機(jī)制[J].金融研究，2016(3):74-91.

[8] 唐文進(jìn).極端金融事件對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響分析[J].經(jīng)濟(jì)研究，2017(4):17-33.

[9] 鄭振龍.平均相關(guān)系數(shù)與系統(tǒng)性風(fēng)險(xiǎn)[J].經(jīng)濟(jì)學(xué)(季刊)，2014(4):1047-1064.

[10]Thurner S，Poledna S. DebtRank-transparency: controlling systemic risk in financial networks[J]. Scientific Reports，2013，3(5):1888.

[11]Bargigli L，di Iasio G，Infante L，Lillo F，Pierobon F. The multiplex structure of interbank networks[J].Quant Finance. 2015，15(4):673-691.

[12]Poledna S，Molina-Borboa J L，Martínez-Jaramillo S，et al. The multi-layer network nature of systemic risk and its implications for the costs of financial crises[J]. Journal of Financial Stability， 2015，20:70-81.

[13] 方 意.系統(tǒng)性風(fēng)險(xiǎn)的傳染渠道與度量研究[J].管理世界，2016(8):32-57.

[14]Acharya，Viral V，Brownlees，Christian，Engle，Robert，et al. Measuring systemic risk[J]. Working Paper，2010，29(1002):85-119.

[15]Chen H， Cummins J D， Viswanathan K S， et al. Systemic risk and the interconnectedness between banks and insurers: an econometric analysis[J]. Journal of Risk & Insurance，2013， 81(3):623-652.

[16]Mantegna R N. Hierarchical structure in financial markets[J]. The European Physical Journal B-Condensed Matter and Complex Systems，1999，11(1):193-197.

[17]Vladimir Boginski A，Sergiy Butenko B，Panos M. Pardalosa. Statistical analysis of financial networks[J]. Computational Statistics & Data Analysis，2005(48):431-443.

[18]Brusco S. Liquidity coinsurance，moral hazard and financial contagion[J]. Department of Economics Working Papers， 2005， 62(5):2275-2302.

[19]Castiglionesi， Fabio，Navarro， Noemí. Optimal fragile financial networks[J]. Social Science Electronic Publishing，2007(100):1-39.

[20]Lenzu S，Tedeschi G. Systemic risk on different interbank network topologies[J]. Physica A Statistical Mechanics & Its Applications，2012，391(18):4331-4341.

[21]隋 聰.基于網(wǎng)絡(luò)視角的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)度量方法[J].中國(guó)管理科學(xué)，2016(5):54-64.

[22]隋 聰.網(wǎng)絡(luò)結(jié)構(gòu)與銀行系統(tǒng)性風(fēng)險(xiǎn)[J].管理科學(xué)學(xué)報(bào)，2014(4):57-70.

[23]鄧 超.基于多主體建模分析的銀行間網(wǎng)絡(luò)系統(tǒng)性風(fēng)險(xiǎn)研究[J].中國(guó)管理科學(xué)，2016(1):67-75.

[24] Kritzman，Mark，Li，Yuanzhen，Page，Sebastien et al. Principal components as a measure of systemic risk[J]. Social Science Electronic Publishing，2010，37(4):112-126.

[25] Kolanovic M，Silvestrini D，Lee T. S. K.，Naito M. Rise of cross-asset correlations.JP Morgan Global Equity Derivatives & Delta One Strategy[EB].May. 2011，URL:www.cboe.com/ Institutional/JPMCrossAssetCorrelations.pdf.

[26] Engle R，Kelly B. Dynamic equicorrelation[J]. Journal of Business & Economic Statistics， 2012， 30(2):212-228.

[27] Rothman P. Nonlinear time series analysis of economic and financial data[M]. Springer. 1999，Vol.1.

[28] Dionisio A，Rui M，Mendes D A. Mutual information: a measure of dependency for nonlinear time series[J]. Physica A Statistical Mechanics & Its Applications，2004，344(1-2):326-329.

[29] Darbellay，Georges A. An adaptive histogram estimator for the mutual information[R]. 1996.

[30] Jain N，Murthy C A. A new estimate of mutual information based measure of dependence between two variables: properties and fast implementation[J]. International Journal of Machine Learning & Cybernetics，2016，7(5):857-875.

[31] Artzner P，Delbaen F， Eber J, Heath D. Coherent measures of risk[J]. Mathematical Finance，1999，9(3)，203-228.