房地產(chǎn)信貸對我國銀行體系系統(tǒng)性風(fēng)險的影響*
——基于銀行體系內(nèi)部借貸網(wǎng)絡(luò)的模擬實證研究

李世澤, 馬家麗, 朱書尚

一、引 言

2018年政府工作報告指出“做好金融體制改革的關(guān)鍵是把握好防范系統(tǒng)性金融風(fēng)險這條主線”。金融業(yè)的發(fā)展對經(jīng)濟發(fā)展的質(zhì)量和效率都起著至關(guān)重要的作用，隨著市場經(jīng)濟的發(fā)展，我國金融市場不斷壯大并走向世界前列，但隨之而來的金融問題也不斷涌現(xiàn)。比如不良貸款增加、貸款相對集中、影子銀行規(guī)模迅速擴大。銀行貸款中相當(dāng)大的部分進(jìn)入了房地產(chǎn)領(lǐng)域和一些地方政府的融資平臺，增加了資產(chǎn)價格泡沫調(diào)控的難度。世界范圍內(nèi)，美國次貸危機也對中國金融發(fā)展發(fā)出了預(yù)警，防范系統(tǒng)性金融風(fēng)險成為我國金融工作的一項主題。

系統(tǒng)性金融風(fēng)險的內(nèi)涵是金融系統(tǒng)的穩(wěn)定性，金融機構(gòu)間的風(fēng)險傳染是系統(tǒng)不穩(wěn)定的關(guān)鍵原因，這在2008年美國金融危機中體現(xiàn)得尤為明顯。為了防范系統(tǒng)性金融風(fēng)險，我們需要更好地理解風(fēng)險傳染的發(fā)生機制和它得以積累的金融環(huán)境。金融體系系統(tǒng)性風(fēng)險表現(xiàn)為金融風(fēng)險的傳染是否發(fā)生及金融風(fēng)險傳染范圍的大小，傳染發(fā)生意味著風(fēng)險得以擴張，傳染范圍越大說明系統(tǒng)性風(fēng)險越大。

目前我國金融體系中，商業(yè)銀行(以下簡稱銀行)占據(jù)重要地位，銀行貸款約占總?cè)谫Y量的百分之八十以上，是主導(dǎo)融資的核心市場。我國銀行體系對房地產(chǎn)業(yè)的投資力度非常大，銀行對房地產(chǎn)業(yè)貸款占據(jù)了其貸款總額的很大比例。因此，房地產(chǎn)風(fēng)險敞口對銀行體系系統(tǒng)性風(fēng)險具有決定性影響。銀行間風(fēng)險傳染歸因于銀行機構(gòu)業(yè)務(wù)的特殊性：一方面為滿足流動資金需求，銀行間存在相互借貸，另一方面銀行在發(fā)放貸款時面臨同樣的資金需求者，存在貸款重疊的情況。對相關(guān)銀行和房地產(chǎn)企業(yè)的貸款都是銀行的資產(chǎn)。某個銀行破產(chǎn)勢必導(dǎo)致相關(guān)銀行貸款無法收回甚至引起相關(guān)銀行破產(chǎn)，從而發(fā)生風(fēng)險傳染。房地產(chǎn)市場的發(fā)展與銀行貸款息息相關(guān)，銀行縮減對房地產(chǎn)貸款會引起房地產(chǎn)市場萎縮，進(jìn)而加劇銀行對房地產(chǎn)貸款違約，導(dǎo)致銀行資產(chǎn)減損乃至破產(chǎn)，由此循環(huán)往復(fù)，加之銀行間相互借貸可能導(dǎo)致的銀行間傳染，銀行體系系統(tǒng)性風(fēng)險發(fā)生的概率將進(jìn)一步增加。

本文在已有研究的基礎(chǔ)上，試圖利用實際數(shù)據(jù)綜合考慮銀行內(nèi)部相互借貸及房地產(chǎn)貸款對我國銀行體系系統(tǒng)性風(fēng)險大小的影響進(jìn)行量化分析。具體而言，利用2008—2016年我國196家銀行資產(chǎn)負(fù)債表數(shù)據(jù)，選用加權(quán)無標(biāo)度網(wǎng)絡(luò)模型恢復(fù)銀行體系內(nèi)部相互借貸數(shù)據(jù)。基于此，本文在網(wǎng)絡(luò)模型的框架下分析銀行體系內(nèi)部相互借貸和房地產(chǎn)貸款單獨及聯(lián)合作用下我國銀行體系系統(tǒng)性風(fēng)險的大小，并由此得出房地產(chǎn)行業(yè)對我國銀行體系系統(tǒng)性風(fēng)險影響的變動情況，具有一定的實踐指導(dǎo)意義。

本文余下內(nèi)容如下：第二部分為文獻(xiàn)綜述，總結(jié)已有研究，闡述本文研究基礎(chǔ)；第三部分為銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)的生成；第四部分為風(fēng)險傳染建模，可據(jù)此分析兩種渠道分別在單獨和聯(lián)合作用下銀行體系系統(tǒng)性風(fēng)險的傳染強度；第五部分為模擬實證研究，基于銀行年度報表數(shù)據(jù)，模擬測度我國銀行體系系統(tǒng)性風(fēng)險，重點研究房地產(chǎn)業(yè)風(fēng)險敞口對我國銀行體系系統(tǒng)性風(fēng)險貢獻(xiàn)的變化情況；第六部分為結(jié)論及建議。

二、國內(nèi)外研究現(xiàn)狀

近年來，金融體系系統(tǒng)性風(fēng)險的研究逐年快速增加。系統(tǒng)性風(fēng)險的主要特征是風(fēng)險傳染，已有研究分別對金融風(fēng)險傳染的識別與測度、傳染渠道和機制等進(jìn)行了大量的研究。然而，總體而言在我國從銀行體系風(fēng)險傳染渠道和機制出發(fā)，考慮銀行體系系統(tǒng)性風(fēng)險的文章較少。以下從幾個方面對相關(guān)文獻(xiàn)進(jìn)行綜述。

(一)金融傳染的界定

顧名思義，金融傳染意味著金融機構(gòu)或市場間發(fā)生了某種導(dǎo)致?lián)p失的交互影響。這種現(xiàn)象不一定都發(fā)生在經(jīng)濟蕭條時期，但金融傳染很可能會促發(fā)金融危機，甚至導(dǎo)致經(jīng)濟危機的出現(xiàn)。對于金融傳染的定義至今沒有統(tǒng)一的定義，對此，Pei & Zhu (2017) 在關(guān)于金融傳染的文獻(xiàn)綜述中總結(jié)了金融傳染主要有以下三種定義：

1.波動溢出：在金融動蕩中，資產(chǎn)價格經(jīng)常表現(xiàn)出更大的波動率。這一定義著眼于一個市場向另一個市場的波動溢出效應(yīng)(Karmann，2014)。此定義可理解為不確定性在國際金融市場間的傳播。

2.資產(chǎn)回報率的過度聯(lián)動：這一定義注意到金融危機中資產(chǎn)回報率顯著增加的聯(lián)動效應(yīng)(Romero-Meza et al.，2015)，正如美國次貸危機中全球市場的表現(xiàn)。這一定義強調(diào)某種標(biāo)準(zhǔn)下過度的聯(lián)動效應(yīng)。

3.多米諾效應(yīng)導(dǎo)致的系統(tǒng)不穩(wěn)定性：在復(fù)雜的金融市場中，某個參與者的危機，尤其是大機構(gòu)的破產(chǎn)，可能極大地影響與其關(guān)聯(lián)的參與者，并且釋放危機信號，進(jìn)而引起一系列的違約(Eisenberg & Noe，2001; Caccioli et al., 2014)。以銀行系統(tǒng)為例，銀行通過同業(yè)拆借聯(lián)系在一起，當(dāng)某家銀行違約，會增加其交易伙伴的壞賬，影響這些銀行的運營甚至導(dǎo)致更多銀行的破產(chǎn)(Eisenberg et al.，2006)。與此同時，處于財務(wù)困境的銀行會甩賣其資產(chǎn)，導(dǎo)致相應(yīng)資產(chǎn)價值下降，影響其他銀行的資產(chǎn)，從而導(dǎo)致進(jìn)一步的違約(Caccioli et al.，2014)。本文在第三種定義下，研究銀行系統(tǒng)內(nèi)部相互借貸及房地產(chǎn)業(yè)風(fēng)險敞口對我國銀行體系系統(tǒng)性風(fēng)險的影響效應(yīng)。

(二)銀行體系系統(tǒng)性風(fēng)險傳染渠道

自Allen & Gale(2000)應(yīng)用網(wǎng)絡(luò)模型刻畫銀行系統(tǒng)內(nèi)部相互借貸對銀行體系系統(tǒng)性風(fēng)險進(jìn)行研究后，對于銀行體系系統(tǒng)性風(fēng)險的傳染渠道的研究不斷涌現(xiàn)。相關(guān)研究可分為以下三類：

1.銀行間相互借貸：銀行之間在資產(chǎn)負(fù)債表上的直接關(guān)聯(lián)是銀行系統(tǒng)的基本特征，同時也構(gòu)成了風(fēng)險傳染的最基本渠道。Allen & Gale(2000)的研究結(jié)果表明銀行間市場風(fēng)險傳染是一種均衡現(xiàn)象。銀行間拆借關(guān)系在維持市場流動性平穩(wěn)中發(fā)揮了重要的作用，通過拆借關(guān)聯(lián)流動性盈余的銀行可以為流動性短缺的銀行提供流動性，保持銀行間市場的流動性平穩(wěn)，對銀行間市場的繁榮發(fā)揮積極作用(Cocco et al.，2009)。而另一方面，銀行間拆借關(guān)聯(lián)為銀行間市場風(fēng)險傳染提供了潛在的路徑(Krause & Giansante，2012)。

2.資產(chǎn)重疊：除了直接聯(lián)系，持有相同或相似資產(chǎn)也是風(fēng)險傳染的重要渠道。當(dāng)某些資產(chǎn)價值下降，市場預(yù)期或財務(wù)困境會使金融機構(gòu)甩賣更多的這些資產(chǎn)，從而引起資產(chǎn)價格的進(jìn)一步下降(Caccioli et al.，2014)，這在2008年次貸危機中體現(xiàn)尤為明顯。

3.其他渠道：信息溢出渠道等。比如，銀行破產(chǎn)產(chǎn)生的信息溢出效應(yīng)會增加為破產(chǎn)銀行的再融資成本，同時可能引起市場恐慌導(dǎo)致未破產(chǎn)銀行缺乏流動性，進(jìn)而折價出售資產(chǎn)以換取流動性，形成惡性循環(huán)。通過信息溢出渠道的銀行間市場風(fēng)險傳染還表現(xiàn)在信息不對稱情況下所形成的銀行儲戶的擠兌行為(Kodres & Pritsker，2002)。

由于我國政府為銀行系統(tǒng)提供了隱性擔(dān)保，市場恐慌和擠兌現(xiàn)象一般不會發(fā)生，因此本文主要研究前兩種渠道及其對銀行體系系統(tǒng)性風(fēng)險的聯(lián)合影響。

(三)銀行體系內(nèi)部相互借貸的網(wǎng)絡(luò)結(jié)構(gòu)

對銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)的研究主要有：Boss et al.(2004)對銀行體系內(nèi)部相互借貸數(shù)據(jù)進(jìn)行研究,發(fā)現(xiàn)奧地利銀行間市場網(wǎng)絡(luò)具有小世界和多個群聚結(jié)構(gòu)特征。Upper & Worms(2004)揭示德國銀行間市場存在分層結(jié)構(gòu)。Cajueiro et al.(2008)基于復(fù)雜網(wǎng)絡(luò)方法研究巴西銀行間市場網(wǎng)絡(luò)結(jié)構(gòu)特征，發(fā)現(xiàn)巴西銀行間市場網(wǎng)絡(luò)具有群體結(jié)構(gòu)。Raddant(2014)利用意大利1999—2006年隔夜市場的借貸數(shù)，發(fā)現(xiàn)意大利銀行間市場網(wǎng)絡(luò)具有高網(wǎng)絡(luò)密度，并且存在拆借偏好。

(四)銀行體系系統(tǒng)性風(fēng)險

有關(guān)銀行體系系統(tǒng)性風(fēng)險的研究中，國際上已有不少文獻(xiàn)通過構(gòu)建系統(tǒng)內(nèi)部的風(fēng)險暴露矩陣，以網(wǎng)絡(luò)模型為基礎(chǔ)模擬風(fēng)險傳染過程來研究銀行間直接或者間接聯(lián)系帶來的風(fēng)險傳染(Eisenberg & Noe，2001；Summer，2013；Caccioli et al.,2014)。

對我國銀行體系系統(tǒng)性風(fēng)險的研究主要有：梁琪等(2013)適當(dāng)改進(jìn)了SRISK指數(shù)，并計算了我國34 家上市金融機構(gòu)的資本短缺度，由此識別出我國系統(tǒng)重要性金融機構(gòu)。陳守東和王妍(2014)利用極端分位數(shù)回歸得到我國銀行體系系統(tǒng)性風(fēng)險的CoVaR。陶玲和朱迎(2016)通過分析系統(tǒng)性金融風(fēng)險的成因，構(gòu)建系統(tǒng)性風(fēng)險指數(shù)對我國系統(tǒng)性金融風(fēng)險進(jìn)行監(jiān)測和評估。隋聰?shù)?2017)利用隨機網(wǎng)絡(luò)模型，模擬了銀行體系內(nèi)部相互借貸及不同資產(chǎn)重疊情況對銀行體系系統(tǒng)性風(fēng)險的影響。楊子暉和李東承(2018)采用“去一法”分析我國銀行體系系統(tǒng)性風(fēng)險。

(五)房地產(chǎn)業(yè)與銀行體系風(fēng)險

房地產(chǎn)業(yè)與銀行體系風(fēng)險之間關(guān)系的相關(guān)研究中，國外文獻(xiàn)主要對房價與銀行信貸之間的關(guān)系進(jìn)行了探討，如Hott(2011)認(rèn)為房地產(chǎn)價格、按揭貸款以及銀行利潤之間存在正向反饋效應(yīng)，導(dǎo)致銀行在房地產(chǎn)市場下行時遭受較高利潤損失。國內(nèi)對房地產(chǎn)與銀行體系風(fēng)險的研究主要有：葉欣等(2013)討論了房價和信貸的關(guān)系；王志誠(2004)討論了銀行的房地產(chǎn)貸款信用風(fēng)險管理問題；劉翔宇(2018)選取銀行業(yè)和房地產(chǎn)業(yè)各12 家公司，使用KMV模型和Apriori算法，研究了房地產(chǎn)市場與銀行系統(tǒng)的風(fēng)險關(guān)聯(lián)性。

目前，基于銀行內(nèi)部相互相借貸網(wǎng)絡(luò)對我國銀行體系系統(tǒng)性風(fēng)險的實證研究尚缺乏。此外，各方就房地產(chǎn)行業(yè)對銀行體系系統(tǒng)性風(fēng)險有較大貢獻(xiàn)這一點上雖然有較高共識，但以定性分析居多，定量分析亟待加強。以上兩點構(gòu)成了此文的研究動機。

三、銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)的生成

考慮銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)具有小世界網(wǎng)絡(luò)的特點(Boss et al.，2004；Raddant，2014)，首先生成內(nèi)部相互借貸網(wǎng)絡(luò)的權(quán)重矩陣，在此基礎(chǔ)上再根據(jù)銀行的拆入資金規(guī)模得到初始的內(nèi)部相互借貸網(wǎng)絡(luò)L0。為保證銀行相互借貸網(wǎng)絡(luò)的行和列滿足銀行拆入資金拆出資金總和的要求，應(yīng)用“最小調(diào)整”原則對初始的網(wǎng)絡(luò)進(jìn)行調(diào)整得到內(nèi)部相互借貸的網(wǎng)絡(luò)。本文基于Barrat et al.(2004)構(gòu)建的加權(quán)無標(biāo)度復(fù)雜網(wǎng)絡(luò)模型來構(gòu)建相互借貸網(wǎng)絡(luò)的權(quán)重矩陣。權(quán)重矩陣呈現(xiàn)如下特征。第一，系統(tǒng)內(nèi)部是否存在資產(chǎn)負(fù)債往來關(guān)系滿足：只有少量銀行與周圍大量的銀行有連接(度較高)，而大多數(shù)銀行的連接很少(度較低)；第二，存在相互借貸的銀行間相互借貸資金額滿足：大型銀行與大型銀行之間的債權(quán)債務(wù)聯(lián)系應(yīng)當(dāng)大于大型銀行與小型銀行的聯(lián)系，大型銀行與小型銀行的聯(lián)系大于小型銀行與小型銀行的聯(lián)系。

由于銀行內(nèi)部借網(wǎng)絡(luò)為加權(quán)的有向網(wǎng)絡(luò)，因此，我們通過兩個加權(quán)無標(biāo)度網(wǎng)絡(luò)來構(gòu)成，首先生成權(quán)重矩陣的上三角部分元素，即生成元素wij,?i

Step 1.初始情況下，按照系統(tǒng)中銀行規(guī)模的大小選取n0個規(guī)模最大的銀行作為初始節(jié)點，將其構(gòu)成一個全局耦合網(wǎng)絡(luò)(銀行之間兩兩相互聯(lián)系)，兩兩聯(lián)系形成網(wǎng)絡(luò)中的邊，對網(wǎng)絡(luò)中的每條邊均賦予權(quán)值w0。

Step 4.回到Step 2，重復(fù)上述步驟直到規(guī)模達(dá)到n。由此得到的權(quán)重wij按照下標(biāo)對應(yīng)得到矩陣的上三角部分元素。重復(fù)上述上三角矩陣元素的生成過程生成權(quán)重矩陣的下三角矩陣部分元素。

通過上述步驟生成銀行內(nèi)部相互借貸網(wǎng)絡(luò)的權(quán)重網(wǎng)絡(luò)W=(wij)滿足小世界網(wǎng)絡(luò)的特征。在整個銀行網(wǎng)絡(luò)演化過程中，常量k為新加入網(wǎng)絡(luò)的銀行節(jié)點對原來的銀行節(jié)點的增幅效果。當(dāng)k<1時，表示網(wǎng)絡(luò)中加入一個新的節(jié)點并不會導(dǎo)致網(wǎng)絡(luò)中原有的節(jié)點間的聯(lián)系更加緊密；當(dāng)k=1的情況通常出現(xiàn)在交通網(wǎng)絡(luò)中，一個新加入的交通站會給網(wǎng)絡(luò)中原有的交通樞紐帶來相應(yīng)的交通客流量；k>1表示新加入的網(wǎng)絡(luò)節(jié)點為舊節(jié)點里帶來的權(quán)重增量倍增?？梢酝ㄟ^改變的大小來調(diào)整加權(quán)無標(biāo)度網(wǎng)絡(luò)的結(jié)構(gòu)以適應(yīng)不同的研究需求。

基于上述生成的W，依據(jù)權(quán)重大表示相互借貸多的原則產(chǎn)生初始的內(nèi)部相互借貸網(wǎng)絡(luò)(矩陣數(shù)據(jù))：

上述問題可以轉(zhuǎn)化為易于求解的線性規(guī)劃問題。

最后，應(yīng)該說明的是對于銀行內(nèi)部相互借貸網(wǎng)絡(luò)數(shù)據(jù)恢復(fù)的方法文獻(xiàn)中大量選用最大信息熵法(Eisenberg et al.，2006)，但該方法的缺點是忽略了銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)的小世界特征，本文在恢復(fù)的過程中考慮了該特征。本文的實證研究取w0=2,k=1,這兩個數(shù)據(jù)的不同選取對研究結(jié)論的影響不大。

四、系統(tǒng)性風(fēng)險傳染建模

本文從銀行的資產(chǎn)負(fù)債表出發(fā)，主要考慮銀行體系內(nèi)部相互借貸及房地產(chǎn)市場價格變動兩種風(fēng)險傳染渠道對銀行體系系統(tǒng)性風(fēng)險的影響。風(fēng)險傳染的起因主要表現(xiàn)為：1.銀行體系受到初始沖擊，單個或者多個銀行破產(chǎn)引發(fā)其他相關(guān)銀行的銀行間貸款無法收回從而資不抵債而破產(chǎn)；2.房地產(chǎn)市場價格下降導(dǎo)致部分房地產(chǎn)企業(yè)破產(chǎn)及個人涉房貸款違約率上升，使銀行對房地產(chǎn)貸款的不良貸款比例上升由此引發(fā)銀行破產(chǎn)。

考慮銀行體系初始沖擊分為單個(多個)銀行的破產(chǎn)或房地產(chǎn)價格下降，系統(tǒng)性風(fēng)險傳導(dǎo)過程為圖1所示。需要強調(diào)的是銀行破產(chǎn)和房地產(chǎn)市場價格下降會相互影響，螺旋式增大傳染效應(yīng)。

圖1 銀行體系與房地產(chǎn)行業(yè)系統(tǒng)性風(fēng)險傳導(dǎo)

為方便研究銀行間的風(fēng)險傳染，本文引入如下假設(shè)：

1.銀行在風(fēng)險傳染過程中不能根據(jù)情況調(diào)整資產(chǎn)投資組合。

2.銀行資產(chǎn)價值變動只來自于銀行內(nèi)部相互借貸引發(fā)的銀行資產(chǎn)損失及對房地產(chǎn)貸款損失。

3.銀行出現(xiàn)資不抵債則宣告破產(chǎn)。

4.銀行破產(chǎn)則完全無法償還其債務(wù)，即若銀行i破產(chǎn)，則銀行i欠銀行j的錢無法償還,從而導(dǎo)致銀行j損失lij。

如上假設(shè)具有其合理性。首先，當(dāng)經(jīng)濟危機發(fā)生時，金融機構(gòu)往往沒有時間或能力調(diào)整其持有的資產(chǎn)組合。其次，在銀行出現(xiàn)破產(chǎn)的情況下，破產(chǎn)清算需要相當(dāng)長的一段時間，在此期間相關(guān)銀行無法收回其對破產(chǎn)銀行的債權(quán)。最后，本文旨在分析銀行體系內(nèi)部相互借貸及銀行體系對房地產(chǎn)業(yè)的貸款重疊對銀行體系系統(tǒng)性風(fēng)險的影響，因此本文只考慮二者變動對銀行資產(chǎn)的影響。

記qi為銀行i對房地產(chǎn)行業(yè)的貸款總額。若有銀行由于對房地產(chǎn)貸款損失而發(fā)生破產(chǎn)，則銀行體系對房地產(chǎn)的貸款支持減少，從而影響涉房資產(chǎn)市場價格，并可能引起更多的房地產(chǎn)違約事件。另外，破產(chǎn)房地產(chǎn)企業(yè)低價出售其資產(chǎn)及銀行拍賣個人違約抵押資產(chǎn)會使房地產(chǎn)價格進(jìn)一步下跌。本文假設(shè)由于房地產(chǎn)價格下降引發(fā)的破產(chǎn)房地產(chǎn)企業(yè)低價出售房地產(chǎn)相關(guān)資產(chǎn)及銀行拍賣的個人抵押房地產(chǎn)相關(guān)資產(chǎn)之和占房地產(chǎn)市場相關(guān)資產(chǎn)總額的比重rd與破產(chǎn)銀行對房地產(chǎn)貸款額占銀行體系對房地產(chǎn)貸款總額的比重成正比，即：

其中c為大于0的常數(shù)。

為分析房地產(chǎn)市場價格與銀行體系之間的關(guān)系，引入逆需求函數(shù)f(遞減函數(shù))來刻畫房地產(chǎn)價格變化。本文假設(shè)房地產(chǎn)價格p(相對價格)是低價出售房地產(chǎn)資產(chǎn)及拍賣的抵押房地產(chǎn)資產(chǎn)總額與房地產(chǎn)市場總額之比的函數(shù)：

其中β為大于0的常數(shù)。房地產(chǎn)價格下跌引起的銀行對房地產(chǎn)貸款損失率上升，由此導(dǎo)致的銀行資產(chǎn)減少量為：

Δi=qirl

上述假設(shè)將銀行對房地產(chǎn)貸款損失與涉房資產(chǎn)價格下降有機地結(jié)合在一起。房地產(chǎn)市場的破產(chǎn)違約會導(dǎo)致涉房資產(chǎn)的賤賣和可能的銀行破產(chǎn)，從而導(dǎo)致涉房資產(chǎn)價格的進(jìn)一步下跌和可能更多銀行的破產(chǎn)，動態(tài)循環(huán)往復(fù)以至于形成銀行體系的系統(tǒng)性風(fēng)險。具體風(fēng)險傳染測算模擬算法如下：

Step 1.初始化參數(shù)設(shè)置，并設(shè)定某家銀行破產(chǎn)或銀行體系受到房地產(chǎn)市場波動的沖擊。

Step 3.如果有新的銀行破產(chǎn)，則重復(fù)Step 2直至沒有新的銀行破產(chǎn)出現(xiàn)。

五、模擬實證研究

(一)數(shù)據(jù)

本文利用的數(shù)據(jù)之一為國泰安數(shù)據(jù)庫中2008—2016年間所有數(shù)據(jù)可得的我國196家銀行年末資產(chǎn)負(fù)債表數(shù)據(jù)。在相互借貸網(wǎng)絡(luò)的構(gòu)建中，實際使用數(shù)據(jù)包括銀行間資產(chǎn)使用拆出資金凈額和存放同業(yè)款項、銀行間負(fù)債使用拆入資金。該196銀行包含了我國主要的國有控股大型商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資商業(yè)銀行。由此構(gòu)建的銀行間相互借貸網(wǎng)絡(luò)基本能夠代表我國真實的商業(yè)銀行體系的相互借貸網(wǎng)絡(luò)。

由于各銀行對于房地產(chǎn)市場的貸款具體數(shù)據(jù)無法直接獲得，本文根據(jù)中國人民銀行發(fā)布的2009—2017各年度《中國金融穩(wěn)定報告》中2008—2016全國房地產(chǎn)貸款占總貸款比例數(shù)據(jù)(具體數(shù)據(jù)如表1所示)加以推算。

表1 房地產(chǎn)貸款占總貸款的比例

由于中農(nóng)工建四大行在我國是資產(chǎn)規(guī)模最大的四家銀行，故將其作為銀行體系中的核心銀行，即n0=4。利用第三節(jié)中銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)的生成方法隨機生成銀行內(nèi)部相互借貸網(wǎng)絡(luò)。下圖2是利用以上數(shù)據(jù)一次隨機生成的我國197銀行(其中一家為虛擬銀行)之間的相互借貸網(wǎng)絡(luò)，其中的大的圓點對應(yīng)著大的銀行。從此圖可以看出前述借貸網(wǎng)絡(luò)生成算法符合現(xiàn)實要求。本文的模擬實證均在Matlab軟件環(huán)境下編程實現(xiàn)。

圖2 隨機生成(復(fù)原)的197家銀行相互借貸網(wǎng)絡(luò)

(二)模擬實證結(jié)果

我們考慮了兩種初始沖擊下的風(fēng)險傳染效應(yīng)，一是某家銀行破產(chǎn)，二是涉房資產(chǎn)貶值。當(dāng)初始沖擊為某家銀行破產(chǎn)時，我們重點關(guān)注內(nèi)部相互借貸、對房地產(chǎn)風(fēng)險敞口單獨及聯(lián)合作用下對銀行體系系統(tǒng)性風(fēng)險的影響。當(dāng)初始沖擊為房地產(chǎn)價格下降時，在綜合考慮銀行內(nèi)部相互借貸及對房地產(chǎn)風(fēng)險敞口下分析我國房地產(chǎn)市場對銀行體系系統(tǒng)性風(fēng)險的影響。在模擬中，假定房地產(chǎn)相對價格的市場反應(yīng)函數(shù)為：

f(rd)=e-αrd

其中a表示房地產(chǎn)市場價格的需求價格彈性。本文實證研究中取a=1.05。

1.初始沖擊為某家銀行破產(chǎn)

和傳染范圍

這兩個指標(biāo)均在0到1之間取值，取值越大說明傳染程度越強。

為了得到穩(wěn)定的結(jié)果，本文采用1000次模擬的平均值進(jìn)行分析。這一做法也在一定程度上減輕了由于真實詳細(xì)數(shù)據(jù)不可得帶來的模型風(fēng)險。根據(jù)模擬結(jié)果，可以通過分析僅考慮直接傳染(內(nèi)部相互借貸傳染)、僅考慮間接傳染(房地產(chǎn)市場價格傳染)以及考慮聯(lián)合傳染三種情況下傳染概率及傳染范圍的不同，來考察直接傳染和間接傳染及其聯(lián)合情況下對銀行體系系統(tǒng)性風(fēng)險影響。具體結(jié)果如圖3所示。我們發(fā)現(xiàn)直接傳染和間接傳染對風(fēng)險傳染的影響呈現(xiàn)了不同的結(jié)果。僅考慮直接傳染或間接傳染時，傳染概率與傳染范圍都相對較低，但這兩種風(fēng)險傳染的作用方式共振后可以產(chǎn)生很強的聯(lián)合效應(yīng)。特別是房地產(chǎn)市場的間接傳染效應(yīng)單獨看起來最低，但從趨勢上看卻具有很強的主導(dǎo)聯(lián)合傳染效應(yīng)的作用。

上述發(fā)現(xiàn)在實際中較好解釋。銀行很容易分散直接的資產(chǎn)負(fù)債聯(lián)系帶來的風(fēng)險，只要保證對單一銀行的風(fēng)險暴露不要過高(在我們的風(fēng)險傳染模型中，只要每家銀行對其他任意一家銀行的風(fēng)險暴露低于其權(quán)益，就不易發(fā)生風(fēng)險傳染)，在有些國家，如德國和澳大利亞，這一點甚至寫入法律。這種分散化的銀行系統(tǒng)雖然分散了違約風(fēng)險，但卻使銀行之間的聯(lián)系更為緊密和復(fù)雜，從而使這一傳染方式可以強化其它形態(tài)的風(fēng)險傳染(比如說資產(chǎn)重疊投資)。這表明風(fēng)險監(jiān)管機制的設(shè)計需要從整個系統(tǒng)的視角來加以考量。

圖3 初始沖為銀行破產(chǎn)下的傳染效應(yīng)(c=1,β=1,α=1.05)

2.初始沖擊為涉房資產(chǎn)貶值

該部分考察涉房資產(chǎn)價格變動對銀行體系系統(tǒng)性風(fēng)險的影響?？紤]初始沖擊為房地產(chǎn)價格變動比例，變動比例用λ表示。由于在初始沖擊為單個銀行破產(chǎn)時已經(jīng)區(qū)分考慮了直接、間接傳染渠道及其組合情況下對銀行體系系統(tǒng)性風(fēng)險的影響。因此當(dāng)初始沖擊為房地產(chǎn)價格變動，我們用僅考慮聯(lián)合情況下破產(chǎn)銀行比例(破產(chǎn)銀行數(shù)/銀行總數(shù))這一指標(biāo)，以此分析房地產(chǎn)市場對我國銀行體系系統(tǒng)性風(fēng)險的影響。

如圖4所示，隨著房地產(chǎn)價格變動比例λ上升，銀行破產(chǎn)比例上升，不難發(fā)現(xiàn)各年的圖形有著相似的特點，即當(dāng)λ較小時，曲線很平緩，當(dāng)增加到一定程度，曲線會驟然上升至一個很高的比例。利用這一特點，我們提出“安全邊界”來評價系統(tǒng)的穩(wěn)定性，其中“安全邊界”被定義為破產(chǎn)比例為0.5時λ的取值。銀行破產(chǎn)比例在安全邊界附近增長極快，安全邊界越大意味著系統(tǒng)更穩(wěn)定。經(jīng)過1000次模擬得到的2008—2016年間我國銀行體系對房地行業(yè)的安全邊界平均值如表2所示。安全邊界在2015年之前都處于較低的水平，銀行系統(tǒng)對房地產(chǎn)市場非常敏感，而2015、2016兩年的安全邊界大幅上升，雖然我們使用的是模擬的銀行系統(tǒng)，但仍可說明我國近年來對房地產(chǎn)市場調(diào)控和對金融市場系統(tǒng)性風(fēng)險的防范取得了一定成效。

圖4 涉房資產(chǎn)貶值對銀行體系破產(chǎn)比例的影響(c=1,β=1,α=1.05)

表2 房地產(chǎn)價格變化比例安全邊界

六、結(jié)論及建議

本文旨在利用已有的銀行數(shù)據(jù)，對我國銀行體系系統(tǒng)性風(fēng)險做一個評估。重點考慮了我國銀行體系內(nèi)部相互借貸及其在房地產(chǎn)行業(yè)的風(fēng)險敞口對銀行體系系統(tǒng)性風(fēng)險的聯(lián)合影響。在較為合理的假設(shè)下，創(chuàng)新地將銀行對房地產(chǎn)貸款損失與房地產(chǎn)市場價格變動有機、動態(tài)地結(jié)合在系統(tǒng)性風(fēng)險評估模型之中，得到了測度房地產(chǎn)市場風(fēng)險敞口對我國銀行體系系統(tǒng)性風(fēng)險影響大小的方法。通過模擬實證研究，得出以下兩個主要結(jié)論：

第一，單獨考慮銀行體系內(nèi)部相互借貸對風(fēng)險傳染的影響時，該影響不大。引入對房地產(chǎn)貸款重疊后，發(fā)現(xiàn)二者對風(fēng)險傳染具有很大的聯(lián)合共振效應(yīng)。這一結(jié)論不僅再次印證了已有的一些理論研究結(jié)果，而且啟示了新形勢下銀行體系風(fēng)險監(jiān)管機制的設(shè)計需要從整個經(jīng)濟系統(tǒng)的視角來加以考量。

第二，利用房地產(chǎn)價格變動安全邊界研究銀行體系對房地產(chǎn)市場的風(fēng)險暴露情況可知， 2015和2016年安全邊界大幅上升。這表明我國銀行系統(tǒng)對房地產(chǎn)行業(yè)的風(fēng)險暴露在一定意義下有較大下降，由此可推測2008 年金融危機后，特別是近幾年來，國家采取的相關(guān)調(diào)控政策和監(jiān)管措施在遏制系統(tǒng)性風(fēng)險方面取得了一定成效。

由于本文數(shù)據(jù)僅考慮了房地產(chǎn)市場的貸款，而非所有與房地產(chǎn)相關(guān)聯(lián)的資產(chǎn)，實際上房地產(chǎn)市場對銀行系統(tǒng)穩(wěn)定性的影響比文中模擬的可能更大。加之我國房地產(chǎn)市場可能存在多種不穩(wěn)定因素，一旦發(fā)生較大的波動，有相對較大可能導(dǎo)致銀行系統(tǒng)的崩潰。鑒于此，我國對房地產(chǎn)有較大依賴的經(jīng)濟結(jié)構(gòu)亟待轉(zhuǎn)型升級，金融市場發(fā)展與監(jiān)管的改革之路任重而道遠(yuǎn)。

由于涉及到商業(yè)秘密等原因，各種詳實的實際數(shù)據(jù)無法獲得，本文的結(jié)果不具有“精確性”。若要對我國銀行體系系統(tǒng)性風(fēng)險進(jìn)行更加精確的量化評估，可以從以下幾方面進(jìn)行改進(jìn)：

第一，風(fēng)險傳染過程只考慮了房地產(chǎn)市場的重復(fù)貸款。事實上銀行系統(tǒng)對于制造業(yè)等行業(yè)也有較大的風(fēng)險敞口，另外外匯風(fēng)險無疑也是值得考慮的。在后續(xù)的研究中可全面考慮銀行體系資產(chǎn)重疊的情況。

第二，銀行體系內(nèi)部相互借貸為模擬數(shù)據(jù)，并不能完全真實地反應(yīng)現(xiàn)實情況，由此急需尋求更多的數(shù)據(jù)支撐及數(shù)據(jù)還原的方法來改進(jìn)模擬數(shù)據(jù)對現(xiàn)實的還原的真實度。

第三，對于涉及房地產(chǎn)的資產(chǎn)未進(jìn)行分類處理，房地產(chǎn)企業(yè)的貸款主要以違約的形式影響銀行資產(chǎn)，而相關(guān)的資產(chǎn)證券化資產(chǎn)則更符合文中設(shè)定的資產(chǎn)貶值過程，如能得到更精細(xì)的數(shù)據(jù)，則可改善這一點。