基于多層網(wǎng)絡(luò)的銀行間市場信用拆借智能風(fēng)險(xiǎn)傳染機(jī)制

張希 朱利 劉路輝 詹杭龍 盧艷民

摘 要：基于多層網(wǎng)絡(luò)結(jié)構(gòu)對銀行間市場進(jìn)行分析研究，有利于規(guī)避或減弱對金融市場的風(fēng)險(xiǎn)沖擊。基于信用拆借業(yè)務(wù)場景模擬的測試數(shù)據(jù)，結(jié)合銀行間市場多層網(wǎng)絡(luò)結(jié)構(gòu)和復(fù)雜網(wǎng)絡(luò)分析方法，從不同角度對銀行間市場中重要節(jié)點(diǎn)進(jìn)行判斷識別，同時(shí)計(jì)算層間的Jaccard相似系數(shù)數(shù)和機(jī)構(gòu)間皮爾遜相似性系數(shù)，從宏觀和微觀角度來衡量銀行間市場的風(fēng)險(xiǎn)傳染性。實(shí)驗(yàn)結(jié)果表明，中國銀行、國家開發(fā)銀行等大型國有金融機(jī)構(gòu)系統(tǒng)重要性較高，且機(jī)構(gòu)間的相似度越大，風(fēng)險(xiǎn)傳染性就越大。因此，通過計(jì)算網(wǎng)絡(luò)層內(nèi)的重要性節(jié)點(diǎn)衡量指標(biāo)，全面完整地對整個(gè)系統(tǒng)的風(fēng)險(xiǎn)傳染情況進(jìn)行分析，可協(xié)助監(jiān)管部門實(shí)現(xiàn)對系統(tǒng)重要性機(jī)構(gòu)的精準(zhǔn)監(jiān)測。同時(shí)，從層間分析與層內(nèi)分析兩個(gè)角度出發(fā)，全面衡量受到金融沖擊后的機(jī)構(gòu)間風(fēng)險(xiǎn)傳染程度，可為監(jiān)管機(jī)構(gòu)提供政策上的建議。

關(guān)鍵詞：銀行間市場;風(fēng)險(xiǎn)傳染;復(fù)雜網(wǎng)絡(luò);網(wǎng)絡(luò)嵌入

中圖分類號：TP399

文獻(xiàn)標(biāo)志碼：A

Abstract： Analysis and research on interbank market based on multilayer network structure is conducive to avoiding or weakening the risk impact on financial market. Based on test data simulated by credit lending business scenario， combined with the multilayer network structure and complex network analysis method of interbank market， the important nodes in interbank market were judged and identified from different angles， meanwhile Jaccard similarity coefficient between the layers and interinstitution Pearson similarity coefficient were calculated and the infectousness of risk contagion of interbank market was measured from macroscopic and microscopic perspectives. The experimental results show that largescale stateowned financial institutions such as Bank of China and China Development Bank are of high importance in the system， and the greater the similarity between institutions， the greater the infectiousness of risk contagion. Therefore， by calculating the important node measure index in the network layer， comprehensive and complete analysis of the risk contagion of the entire system can help the regulators to achieve accurate monitoring of important institutions in the system. At the same time， from the perspectives of interlayer analysis and intralayer analysis， comprehensive measurement of the infectious degree of risk contagion between institutions after financial shock provides policy advice to regulators.

英文關(guān)鍵詞Key words： interbank market; risk contagion; complex network; network embedding

0 引言

銀行間市場對于金融環(huán)境的穩(wěn)定起到至關(guān)重要的作用，是促進(jìn)金融市場穩(wěn)定的重要內(nèi)容。近年來伴隨著金融市場的不斷完善，我國銀行間市場發(fā)展迅速。銀行間市場的快速發(fā)展，一方面有助于優(yōu)化金融資源配置，促進(jìn)銀行的差異化和專業(yè)化經(jīng)營，提高經(jīng)營效率;同時(shí)隨著銀行間市場的快速發(fā)展，相互持有資產(chǎn)負(fù)債，銀行機(jī)構(gòu)之間的連接日益緊密，一旦發(fā)生信用違約，可能造成流動(dòng)性風(fēng)險(xiǎn)進(jìn)而影響整個(gè)金融市場的穩(wěn)定。

銀行機(jī)構(gòu)之間存在多種業(yè)務(wù)交往，形成了復(fù)雜的銀行間市場交易網(wǎng)絡(luò)。銀行間市場為銀行的業(yè)務(wù)發(fā)展提供了幫助，也提供了風(fēng)險(xiǎn)傳播的渠道。一家銀行的信用違約，通過銀行間市場網(wǎng)絡(luò)，可能將風(fēng)險(xiǎn)傳播到其他銀行機(jī)構(gòu)，甚至可能發(fā)生系統(tǒng)性的金融風(fēng)險(xiǎn)。銀行機(jī)構(gòu)之間的復(fù)雜業(yè)務(wù)關(guān)系以及銀行在整個(gè)金融系統(tǒng)中的特殊地位，使得銀行間市場的風(fēng)險(xiǎn)控制成為穩(wěn)定金融市場的關(guān)鍵因素。

對于銀行間市場的整體風(fēng)險(xiǎn)控制，研究清楚銀行間市場網(wǎng)絡(luò)顯得尤為關(guān)鍵。本文基于多層網(wǎng)絡(luò)結(jié)構(gòu)模型，利用銀行間信用拆借交易數(shù)據(jù)，對銀行間市場進(jìn)行建模，從多維角度進(jìn)行分析研究。運(yùn)用復(fù)雜網(wǎng)絡(luò)分析方法，識別網(wǎng)絡(luò)中的銀行間市場系統(tǒng)重要性機(jī)構(gòu)。系統(tǒng)重要性金融機(jī)構(gòu)對整個(gè)銀行間市場網(wǎng)絡(luò)的風(fēng)險(xiǎn)傳播影響較大，識別金融網(wǎng)絡(luò)中的關(guān)鍵角色并對其進(jìn)行精準(zhǔn)監(jiān)測顯得尤為重要。相似的機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)的概率往往相近，本文用復(fù)雜網(wǎng)絡(luò)分析的方法研究了不同交易市場之間的相似度和不同交易機(jī)構(gòu)之間的相似度，有助于整體的風(fēng)險(xiǎn)控制。

本文主要有3個(gè)貢獻(xiàn)：

1）提出了銀行間市場多層網(wǎng)絡(luò)結(jié)構(gòu)模型;

2）基于復(fù)雜網(wǎng)絡(luò)對銀行間市場的進(jìn)行分析，探討了銀行間市場重要機(jī)構(gòu)的識別與判斷方法;

3）將機(jī)器學(xué)習(xí)算法應(yīng)用在銀行間市場，以機(jī)構(gòu)間相似度來衡量機(jī)構(gòu)間風(fēng)險(xiǎn)傳染性的大小。

1 相關(guān)工作

目前國內(nèi)外已有的銀行間市場結(jié)構(gòu)模型和銀行間市場風(fēng)險(xiǎn)傳染相關(guān)的研究大致可以分為實(shí)證研究和理論研究兩大類，綜合考慮了與本文研究內(nèi)容的相關(guān)性，下面對已有的實(shí)證研究和理論研究文獻(xiàn)進(jìn)行回顧。繼Boss等[1]基于奧地利銀行間市場的公開數(shù)據(jù)進(jìn)行研究之后，學(xué)者們也基于各國家公開的特定數(shù)據(jù)集開始了對銀行間市場的研究， 如Craig等[2]對德國市場的研究;Soramki等[3]和Bech等[4]對美國市場的研究;Degryse等[5]對比利時(shí)市場的研究;Veld等[6]對荷蘭市場的研究;Fricke等[7]對意大利市場的研究;Langfield 等[8]對英國市場的研究以及Alves等[9]對歐洲大型銀行的研究等。以上研究表明，金融機(jī)構(gòu)中所隱含的風(fēng)險(xiǎn)比暴露在外面的要復(fù)雜得多，然而由于數(shù)據(jù)的限制，對銀行間市場模型進(jìn)行更全面的分析研究受到極大的阻礙。

近年來，基于網(wǎng)絡(luò)的分析方法流行起來，為研究銀行間市場風(fēng)險(xiǎn)傳染問題也提供了新的工具。網(wǎng)絡(luò)結(jié)構(gòu)能夠直接形象地刻畫出銀行間交易的內(nèi)在關(guān)聯(lián)關(guān)系，并可以基于此進(jìn)行分析機(jī)構(gòu)之間的互動(dòng)關(guān)系[10]。銀行間市場交易網(wǎng)絡(luò)結(jié)構(gòu)具有十分典型的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征，研究銀行之間的風(fēng)險(xiǎn)傳染問題，必定離不開對交易網(wǎng)絡(luò)的研究： Allen等[11]最早運(yùn)用網(wǎng)絡(luò)結(jié)構(gòu)分析方法研究了金融結(jié)構(gòu)和金融風(fēng)險(xiǎn)的傳染，指出風(fēng)險(xiǎn)傳染依賴于銀行間市場的關(guān)聯(lián)結(jié)構(gòu); Upper等[12]也指出通過網(wǎng)絡(luò)結(jié)構(gòu)去描述金融機(jī)構(gòu)之間的關(guān)系是一個(gè)重要且前沿的研究方向; Aldasoro等[9]對歐洲大型銀行網(wǎng)絡(luò)結(jié)構(gòu)的主要特征分析，利用歐洲各大銀行的披露數(shù)據(jù)，提出系統(tǒng)重要性的衡量標(biāo)準(zhǔn); Freixas等[13]通過模擬對比了全連接的銀行間網(wǎng)絡(luò)和環(huán)形的銀行間網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳染; Furfine[14]研究發(fā)現(xiàn)，在銀行間市場中，單個(gè)銀行的倒閉不太可能引起多家銀行的連環(huán)倒閉，但是由大銀行引起的流動(dòng)性風(fēng)險(xiǎn)傳染的可能性會變大。目前國內(nèi)基于復(fù)雜網(wǎng)絡(luò)分析銀行間風(fēng)險(xiǎn)傳染的研究還相對較少，范小云等[15]利用矩陣法和網(wǎng)絡(luò)分析法，對我國銀行間市場雙邊傳染風(fēng)險(xiǎn)進(jìn)行了風(fēng)險(xiǎn)測算。盡管有大量研究銀行間市場網(wǎng)絡(luò)結(jié)構(gòu)特征的工作，但是基于多層網(wǎng)絡(luò)對銀行間市場進(jìn)行建模，卻是從最近幾年才開始的：Bargigli等[16]利用金融機(jī)構(gòu)披露出的資產(chǎn)負(fù)債表進(jìn)行多層建模，使用意大利的銀行披露數(shù)據(jù)建立了銀行間市場網(wǎng)絡(luò)的多元化結(jié)構(gòu)模型，發(fā)現(xiàn)不同的層有一些特定的拓?fù)浜投攘啃再|(zhì)，同時(shí)也有一些屬性是普遍的性質(zhì); Montagna等[17]提出了一種基于主體模型建模，一種由三個(gè)不同子網(wǎng)組成的多層網(wǎng)絡(luò)模型，進(jìn)一步考慮了機(jī)構(gòu)資產(chǎn)負(fù)債表中的信息，將模型應(yīng)用在歐洲市場進(jìn)行校準(zhǔn)，以期對系統(tǒng)風(fēng)險(xiǎn)進(jìn)行更全面的評估。

上述文獻(xiàn)在結(jié)合多層網(wǎng)絡(luò)結(jié)構(gòu)模型和復(fù)雜網(wǎng)絡(luò)分析方法，來研究銀行間市場諸多風(fēng)險(xiǎn)傳染方面取得了很多的成果，但還是存在一定的局限性。如目前對我國銀行間市場的多層網(wǎng)絡(luò)建模研究還未見到，我國的銀行間市場種類繁多，若建立銀行間市場多層網(wǎng)絡(luò)結(jié)構(gòu)模型，則能更有利于全面地為對銀行間市場進(jìn)行分析。以上研究中證明由大銀行引起風(fēng)險(xiǎn)傳染的可能性會變大，但沒有指明識別系統(tǒng)重要性銀行的方法，對于監(jiān)管機(jī)構(gòu)而言，通過識別銀行間市場中的系統(tǒng)重要性節(jié)點(diǎn)，對高風(fēng)險(xiǎn)傳染性的機(jī)構(gòu)進(jìn)行衡量，并對其進(jìn)行精準(zhǔn)監(jiān)測，更有利于規(guī)避或減弱金融風(fēng)險(xiǎn)沖擊帶來的金融損失;同時(shí)，通過研究度量不同交易產(chǎn)品和交易機(jī)構(gòu)之間相似性的方法，來衡量其相互之間的風(fēng)險(xiǎn)傳染性，可以實(shí)現(xiàn)監(jiān)管部門對具有較高風(fēng)險(xiǎn)傳染性的交易產(chǎn)品和交易機(jī)構(gòu)進(jìn)行分組監(jiān)測。

2 預(yù)備知識

2.1 多層網(wǎng)絡(luò)結(jié)構(gòu)

多層網(wǎng)絡(luò)結(jié)構(gòu)中包含一組節(jié)點(diǎn)V和一個(gè)節(jié)點(diǎn)所在層的集合。由于結(jié)構(gòu)中需要包含多個(gè)參數(shù)，所以不能只關(guān)注一個(gè)層面。定義一個(gè)序列L={La}ba=1為單元基本層，每一個(gè)層面都有一組單元層。利用一組單元層序列構(gòu)建多層網(wǎng)絡(luò)中的不同層級，通過笛卡爾積L1*L2*…*Ld聯(lián)結(jié)組合這組層級。對于每個(gè)節(jié)點(diǎn)和層級的選擇，需要指出該節(jié)點(diǎn)是否存在于此層中。

在表示一個(gè)圖時(shí)，有兩種標(biāo)準(zhǔn)的表示方法，即鄰接表和鄰接矩陣。本文所使用的方法是使用鄰接矩陣A∈{0，1}|V|*|V|*|L1|*|L1|*…*|Ld|*|Ld|來表示，簡寫形式為： Auvαβ=Auvα1β1...αdβd。當(dāng)圖（（u，α），（u， β））∈EM中時(shí)，則矩陣Auvαβ中的值為1，否則Auvαβ中的值為0。單層網(wǎng)絡(luò)中的加權(quán)圖使用加權(quán)鄰接向量W來表示，向量中的值對應(yīng)著每條邊的權(quán)重（0代表此時(shí)兩節(jié)點(diǎn)之間沒有邊相連）。

2.2 復(fù)雜網(wǎng)絡(luò)分析方法

網(wǎng)絡(luò)結(jié)構(gòu)的連接方式分為三種：全連接、半連接以及不連接。網(wǎng)絡(luò)的互聯(lián)性分析通常集中在單層網(wǎng)絡(luò)結(jié)構(gòu)中，網(wǎng)絡(luò)之間互相連接的節(jié)點(diǎn)鏈路往往也很復(fù)雜。針對不同的網(wǎng)絡(luò)連接會有不同的分析方法，銀行間市場交易網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，由此選擇使用復(fù)雜網(wǎng)絡(luò)分析算法。

網(wǎng)絡(luò)中可以連接不同角色，比如：在社交網(wǎng)絡(luò)中，人們可以出現(xiàn)在“工作場所”網(wǎng)絡(luò)中，也可以出現(xiàn)在“健身場所”網(wǎng)絡(luò)中。網(wǎng)絡(luò)中有很多共享節(jié)點(diǎn)，節(jié)點(diǎn)是不同層級之間進(jìn)行網(wǎng)絡(luò)傳輸?shù)闹匾Y(jié)構(gòu)，節(jié)點(diǎn)信息從一個(gè)網(wǎng)絡(luò)傳遞到另一個(gè)網(wǎng)絡(luò)，多層網(wǎng)絡(luò)結(jié)構(gòu)可幫助到達(dá)最終的目的地，因此，對節(jié)點(diǎn)結(jié)構(gòu)的分析與研究尤為重要。

度（Degree） 節(jié)點(diǎn)的度代表與此節(jié)點(diǎn)相連接的邊的個(gè)數(shù)。一個(gè)簡單圖中有n個(gè)節(jié)點(diǎn)，那么這個(gè)圖中節(jié)點(diǎn)的中心度最大為n-1。對于具有自循環(huán)圖的結(jié)構(gòu)中，中心度的最大值可能大于n-1。入度與出度的定義是建立在有向圖基礎(chǔ)上的，入度的大小代表由此節(jié)點(diǎn)出發(fā)引出邊的個(gè)數(shù)，出度的大小則代表一次節(jié)點(diǎn)結(jié)束的邊的個(gè)數(shù)，用度來衡量節(jié)點(diǎn)的與其他節(jié)點(diǎn)的聯(lián)系密切程度。一個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)度越大就意味著這個(gè)節(jié)點(diǎn)的度中心性越高，該節(jié)點(diǎn)在網(wǎng)絡(luò)中就越重要，度中心性是刻畫網(wǎng)絡(luò)中節(jié)點(diǎn)中心性的度量指標(biāo)。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 銀行間市場多層網(wǎng)絡(luò)結(jié)構(gòu)的建模

金融系統(tǒng)中復(fù)雜繁多的交易品種，對應(yīng)金融機(jī)構(gòu)之間多種交易方式，金融機(jī)構(gòu)關(guān)系的多層次結(jié)構(gòu)在分析時(shí)會產(chǎn)生重要的差異，本文運(yùn)用多層網(wǎng)絡(luò)模型對復(fù)雜的銀行間市場進(jìn)行建模。實(shí)驗(yàn)使用的數(shù)據(jù)集基于2015年1月至2017年12月近三年的銀行間市場信用拆借業(yè)務(wù)場景模擬得到的交易數(shù)據(jù)，交易數(shù)量為2164條，參與拆借的金融機(jī)構(gòu)數(shù)量為141家，涉及交易品種11種。信用拆借交易是指與中國外匯交易中心暨全國銀行間同業(yè)拆借中心（以下稱為“交易中心”）聯(lián)網(wǎng)的金融機(jī)構(gòu)之間通過交易中心的交易平臺進(jìn)行的無擔(dān)保資金融通行為，依據(jù)交易期限劃分種類，拆借期限最短為1天，最長為1年。交易中心按1天、7天、14天、21天、1個(gè)月、2個(gè)月、3個(gè)月、4個(gè)月、6個(gè)月、9個(gè)月、1年共11個(gè)品種計(jì)算和公布加權(quán)平均利率。

銀行機(jī)構(gòu)數(shù)量為N，定義一個(gè)N×N的矩陣AN×N，當(dāng)機(jī)構(gòu)i與機(jī)構(gòu)j之間發(fā)生借貸行為時(shí)，則定義矩陣中Aij=1，其余為0。以銀行機(jī)構(gòu)為圖的節(jié)點(diǎn)，機(jī)構(gòu)之間的交易行為為邊，其中每一個(gè)子圖都代表一種交易品種。

IBO001代表交易期限為1天，以IBO001 layer單層網(wǎng)絡(luò)為例，展示單一交易網(wǎng)絡(luò)圖，定義交易機(jī)構(gòu)為節(jié)點(diǎn)，買入方和賣出方之間的交易行為為邊，且以買入和賣出定義方向，交易金額定義為權(quán)重。如圖1所示IBO001拆借交易單層網(wǎng)絡(luò)。

3.2 層間相似度的度量

多層網(wǎng)絡(luò)結(jié)構(gòu)代表的是不同期限的交易業(yè)務(wù)，層與層之間存在著或強(qiáng)或弱的關(guān)聯(lián)關(guān)系。衡量金融多層網(wǎng)絡(luò)結(jié)構(gòu)之間的風(fēng)險(xiǎn)傳染程度，就需要尋找一個(gè)合理可靠的衡量標(biāo)準(zhǔn)。

評估網(wǎng)絡(luò)層之間的相似性有很多種方式，例如，通過計(jì)算不同層級跨交易類型向量之間的“距離”，可以知道銀行間市場相互作用的兩個(gè)子網(wǎng)絡(luò)的相似性，相似性越高的交易產(chǎn)品之間，存在風(fēng)險(xiǎn)傳染的風(fēng)險(xiǎn)也就越高。Bargigli等[16]提出，區(qū)分拓?fù)湎嗨菩院忘c(diǎn)相似性是很重要的，兩者不能相互替代。例如，兩個(gè)網(wǎng)絡(luò)在密度、度分布等方面很相近，但是第1個(gè)網(wǎng)絡(luò)之間存在的連接與第二個(gè)網(wǎng)絡(luò)中存在的連接并沒有關(guān)聯(lián)關(guān)系。本文通過邊與邊之間關(guān)系計(jì)算兩個(gè)層間的相似度，作為衡量交易層間風(fēng)險(xiǎn)傳染程度的標(biāo)準(zhǔn)。

3.3 層內(nèi)節(jié)點(diǎn)相似度的度量

計(jì)算不同交易網(wǎng)絡(luò)層間的相似度，可以從宏觀角度對不同交易層進(jìn)行監(jiān)測;但是不同的機(jī)構(gòu)具有不同的特性，當(dāng)同一交易層選用統(tǒng)一的監(jiān)測機(jī)制時(shí)，在微觀層面達(dá)不到對機(jī)構(gòu)精準(zhǔn)檢測的理想效果，因此需要進(jìn)一步研究衡量單個(gè)交易產(chǎn)品中機(jī)構(gòu)之間風(fēng)險(xiǎn)傳染關(guān)系的方法。

從金融學(xué)角度分析，在交易網(wǎng)絡(luò)中，當(dāng)一家機(jī)構(gòu)與遭遇風(fēng)險(xiǎn)沖擊的銀行機(jī)構(gòu)交易路徑距離越近時(shí)，則這家機(jī)構(gòu)更容易受到相似的金融風(fēng)險(xiǎn)沖擊。網(wǎng)絡(luò)分析科學(xué)認(rèn)為，計(jì)算兩機(jī)構(gòu)之間“距離”，即表示機(jī)構(gòu)的向量之間的相似度，將機(jī)構(gòu)依據(jù)相似度進(jìn)行分組監(jiān)測，相似度高的機(jī)構(gòu)作為一組，當(dāng)某機(jī)構(gòu)遭遇風(fēng)險(xiǎn)沖擊時(shí)，對同組機(jī)構(gòu)同時(shí)進(jìn)行風(fēng)險(xiǎn)監(jiān)測，以期達(dá)到此組機(jī)構(gòu)避免或減少金融風(fēng)險(xiǎn)帶來的損失的目的。

網(wǎng)絡(luò)中的銀行機(jī)構(gòu)節(jié)點(diǎn)通過network embedding后，網(wǎng)絡(luò)中的機(jī)構(gòu)節(jié)點(diǎn)均用向量的形式表示，并使用皮爾遜相關(guān)系數(shù)計(jì)算兩個(gè)向量之間的相關(guān)性，取值介于-1～+1，即：

大型國有銀行之間相似度較高，如國家開發(fā)銀行和中國工商銀行之間的相似度達(dá)到0.927，可知在大型國有銀行之間，風(fēng)險(xiǎn)傳染更容易發(fā)生。

3.4 層內(nèi)系統(tǒng)重要性節(jié)點(diǎn)的識別

從銀行間交易網(wǎng)絡(luò)的角度，節(jié)點(diǎn)的度可以代表與銀行機(jī)構(gòu)存在交易關(guān)系的機(jī)構(gòu)數(shù)量，節(jié)點(diǎn)的入度與出度分別代表銀行機(jī)構(gòu)借入和借出的次數(shù)。節(jié)點(diǎn)的度越大，說明銀行在銀行間市場網(wǎng)絡(luò)結(jié)構(gòu)中，通過信用借貸關(guān)系，與其他銀行之間有更強(qiáng)的關(guān)聯(lián)。銀行機(jī)構(gòu)的度越大，則當(dāng)其面臨金融風(fēng)險(xiǎn)沖擊時(shí)，更容易影響到其他銀行機(jī)構(gòu)或金融系統(tǒng)。以IBO001為例，表2中列出5個(gè)機(jī)構(gòu)信息數(shù)據(jù)。

4 結(jié)語

從總體上研究金融危機(jī)的特征時(shí)，凸顯了金融機(jī)構(gòu)之間互聯(lián)的重要性。對銀行間市場的深入分析研究有助于整個(gè)確保金融系統(tǒng)穩(wěn)定性，理解與掌握銀行間市場網(wǎng)絡(luò)中的風(fēng)險(xiǎn)蔓延性，也是減少金融危機(jī)沖擊中必不可少的環(huán)節(jié)。

本文著重分析中國銀行間市場的網(wǎng)絡(luò)結(jié)構(gòu)，利用真實(shí)可靠的銀行間信用拆借交易數(shù)據(jù)，建立多層網(wǎng)絡(luò)結(jié)構(gòu)模型，并研究發(fā)現(xiàn)不同交易產(chǎn)品之間的風(fēng)險(xiǎn)傳染性程度，以及通過計(jì)算網(wǎng)絡(luò)結(jié)構(gòu)中連通圖的最短平均路徑程度，確定了在受到金融危機(jī)沖擊的情況下，整個(gè)銀行間市場危機(jī)蔓延的“核心邊緣”結(jié)構(gòu)。同時(shí)，識別金融網(wǎng)絡(luò)系統(tǒng)中的重要機(jī)構(gòu)尤為重要，實(shí)驗(yàn)結(jié)果表明，機(jī)構(gòu)在整個(gè)銀行間市場信息傳播路徑中具有重要地位。同時(shí)，通過計(jì)算網(wǎng)絡(luò)層內(nèi)的重要性節(jié)點(diǎn)衡量指標(biāo)，全面完整地對整個(gè)系統(tǒng)的風(fēng)險(xiǎn)傳染情況進(jìn)行分析，完成了對重要節(jié)點(diǎn)機(jī)構(gòu)的識別，監(jiān)管部門對系統(tǒng)重要性機(jī)構(gòu)的精準(zhǔn)監(jiān)測，有利于保證整個(gè)金融系統(tǒng)穩(wěn)定性。從層間分析與層內(nèi)分析兩個(gè)角度出發(fā)，全面衡量機(jī)構(gòu)受到金融沖擊后與機(jī)構(gòu)之間的風(fēng)險(xiǎn)傳染程度，可為監(jiān)管機(jī)構(gòu)提供政策上的建議。

參考文獻(xiàn) （References）

[1] ??? BOSS M， ELSINGER H， SUMMER M， et al. Network topology of the interbank market[J]. Quantitative Finance， 2004， 4（6）： 677-684.

[2] ??? CRAIG B， von PETER G. Interbank tiering and money center banks[J]. Journal of Financial Intermediation， 2014， 23（3）：322-347.

[3] ??? SORAMKI K， BECH M L， ARNOLD J， et al. The topology of interbank payment flows[J]. Physica A： Statistical Mechanics & Its Applications， 2006， 379（1）：317-333.

[4] ??? BECH M L， ATALAY E. The topology of the federal funds market[J]. Physica A： Statistical Mechanics & Its Applications， 2010， 389（22）：5223-5246.

[5] ??? DEGRYSE H， NGUYEN G. Interbank exposures： an empirical examination of contagion risk in the belgian banking system[EB/OL].[2018-03-20]. https：//www.ijcb.org/journal/ijcb07q2a5.pdf.

[6] ??? VELD D I， van LELYVELD I. Finding the core： network structure in interbank markets[J]. Journal of Banking & Finance， 2014， 49（C）：27-40.

[7] ??? FRICKE D， LUX T. Coreperiphery structure in the overnight money market： evidence from the eMID trading platform[J]. Computational Economics， 2015， 45（3）：359-395.

[8] ??? LANGFIELD S， LIU Z， OTA T. Mapping the UK interbank system[J]. Journal of Banking & Finance， 2014， 45（8）： 288-303.

[9] ??? ALDASORO I， ALVES I. Multiplex interbank networks and systemic importance： an application to European data[J]. Journal of Financial Stability， 2018， 35： 17-37.

[10] ?? 廖為鼎， 陳一非. 基于網(wǎng)絡(luò)分析法的我國銀行間風(fēng)險(xiǎn)傳染效應(yīng)研究[J]. 金融監(jiān)管研究， 2014（10）：59-76.（LIAO W D，CHEN Y F. Research on Chinas interbank risk contagion effect based on network analysis[J]. Financial Regulation Research， 2014（10）： 59-76.）

[11] ?? ALLEN F， GALE D. Financial contagion[J]. Journal of Political Economy， 2000， 108（1）： 1-33.

[12] ?? UPPER C， WORMS A. Estimating bilateral exposures in the German interbank market： is there a danger of contagion？[J]. European Economic Review， 2002， 48（4）：827-849.

[13] ?? FREIXAS X， PARIGI B M， ROCHET J C. Systemic risk， interbank relations， and liquidity provision by the central bank[J]. Journal of Money Credit & Banking， 2000， 32（3）： 611-638.

[14] ?? FURFINE C H. Interbank exposures： quantifying the risk of contagion[J]. Journal of Money Credit & Banking， 2003， 35（1）：111-128.

[15] ?? 范小云， 劉開林. 銀行流動(dòng)性過剩的自愿性與非自愿性因素辨析——兼論對貨幣政策的影響[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2007， 29（5）：68-74.（FAN X Y，LIU K L. Analysis of voluntary and involuntary factors of excess liquidity of banks — also on the influence of monetary policy[J]. Contemporary Economic Science， 2007， 29（5）：68-74.）

[16] ?? BARGIGLI L， IASIO G D， INFANTE L， et al. The multiplex structure of interbank networks[J]. SSRN Electronic Journal， 2013， 15（4）：673-691.

[17] ?? MONTAGNA M， KOK C. Multilayered interbank model for assessing systemic risk[EB/OL].[2018-03-20]. https：//www.files.ethz.ch/isn/170406/KWP_1873.pdf.