多層網(wǎng)絡(luò)視閾下銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)跨網(wǎng)絡(luò)傳染研究

賈凱威,王藝霖,李伯華

(遼寧工程技術(shù)大學(xué) 工商管理學(xué)院,遼寧 葫蘆島 125105)

一、引言

防范金融系統(tǒng)性風(fēng)險(xiǎn)是現(xiàn)階段中國(guó)金融工作的根本性任務(wù)。銀行競(jìng)爭(zhēng)加劇背景下,各銀行間的關(guān)聯(lián)呈現(xiàn)多重性與復(fù)雜性不斷上升的趨勢(shì),銀行系統(tǒng)性風(fēng)險(xiǎn)是沿單層網(wǎng)絡(luò)傳染還是跨網(wǎng)絡(luò)傳染?該問(wèn)題的研究對(duì)于厘清系統(tǒng)性風(fēng)險(xiǎn)形成機(jī)理與傳染路徑具有重要意義。當(dāng)前,大多數(shù)學(xué)者基于單層網(wǎng)絡(luò)審視銀行網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響機(jī)制,忽視了銀行間關(guān)聯(lián)的多重性,這與銀行在不同屬性的網(wǎng)絡(luò)中扮演不同角色的事實(shí)不符,可能會(huì)遺漏銀行間的關(guān)聯(lián)信息,導(dǎo)致研究結(jié)果偏誤及模型風(fēng)險(xiǎn)[1-3]。僅有的多層網(wǎng)絡(luò)研究多基于銀行股票價(jià)格的多維相關(guān)性構(gòu)建銀行業(yè)多層網(wǎng)絡(luò)[4],該種方式下的系統(tǒng)性風(fēng)險(xiǎn)測(cè)算主要基于股票價(jià)格,而各網(wǎng)絡(luò)的屬性不清晰,缺乏明確的經(jīng)濟(jì)含義,回歸模型易陷入以“股價(jià)波動(dòng)”解釋“股價(jià)波動(dòng)”的困境,模型內(nèi)生性問(wèn)題較突出,不利于分析銀行股價(jià)關(guān)聯(lián)的內(nèi)在機(jī)制。因此,基于多層網(wǎng)絡(luò)研究系統(tǒng)性風(fēng)險(xiǎn)的形成與傳染機(jī)制就顯得尤其重要。需要指出的是,隨著數(shù)據(jù)可得性的上升及計(jì)算能力的提升,銀行節(jié)點(diǎn)之間多層關(guān)聯(lián)性是可以捕捉的,且多層次的關(guān)聯(lián)既有明確的界限劃分,又存在顯著的互動(dòng)效應(yīng),金融系統(tǒng)性風(fēng)險(xiǎn)有可能在某一單層網(wǎng)絡(luò)傳染的同時(shí),也會(huì)在不同層次網(wǎng)絡(luò)間形成立體式傳染,這無(wú)疑使得系統(tǒng)性金融風(fēng)險(xiǎn)的傳染路徑更加復(fù)雜多變但也為審視系統(tǒng)性風(fēng)險(xiǎn)提供了新視角,形成了本文的研究動(dòng)機(jī)。鑒于此,利用中國(guó)16家上市商業(yè)銀行2010年第三季度至2020年第四季度數(shù)據(jù),構(gòu)建動(dòng)態(tài)決策層網(wǎng)絡(luò)(基于共同股東形成的共同股東網(wǎng)絡(luò))與動(dòng)態(tài)經(jīng)營(yíng)層網(wǎng)絡(luò)(基于共同貸款形成的債權(quán)網(wǎng)絡(luò)與基于共同持股房地產(chǎn)公司形成的股權(quán)網(wǎng)絡(luò)),在多層網(wǎng)絡(luò)特征及系統(tǒng)性風(fēng)險(xiǎn)的基礎(chǔ)上,實(shí)證檢驗(yàn)銀行系統(tǒng)性風(fēng)險(xiǎn)傳染的多層復(fù)雜網(wǎng)絡(luò)特征及作用機(jī)制。

二、文獻(xiàn)述評(píng)

(一)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度

關(guān)于銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度,現(xiàn)有研究主要從四個(gè)角度切入。第一,基于銀行資產(chǎn)負(fù)債表信息,通過(guò)對(duì)銀行微觀數(shù)據(jù)與宏觀指標(biāo)賦權(quán)重相結(jié)合的方式構(gòu)建綜合指數(shù)模型測(cè)度系統(tǒng)性風(fēng)險(xiǎn)。早期研究多集中于該視角,如Illing和Ying結(jié)合加拿大銀行業(yè)資產(chǎn)負(fù)債信息構(gòu)建金融綜合壓力指數(shù),為預(yù)測(cè)金融危機(jī)提供先決條件[5]。該方法雖然可綜合測(cè)度銀行系統(tǒng)性風(fēng)險(xiǎn),但時(shí)效性較弱,數(shù)據(jù)準(zhǔn)確性要求嚴(yán)格,對(duì)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度能力有待商榷。第二,從銀行風(fēng)險(xiǎn)敞口出發(fā)測(cè)度系統(tǒng)性風(fēng)險(xiǎn)。隋聰?shù)葟你y行不良資產(chǎn)視角切入,運(yùn)用計(jì)算實(shí)驗(yàn)測(cè)度系統(tǒng)性風(fēng)險(xiǎn)[6]。第三,通過(guò)上市銀行的股票價(jià)格數(shù)據(jù)構(gòu)建風(fēng)險(xiǎn)預(yù)警模型進(jìn)而測(cè)度系統(tǒng)性風(fēng)險(xiǎn)。運(yùn)用的主要算法模型包括條件在險(xiǎn)價(jià)值法(CoVaR)、邊際期望損失(MES)以及系統(tǒng)性風(fēng)險(xiǎn)指數(shù)(SRISK),其中CoVaR模型因其普遍適用性獲得國(guó)內(nèi)外學(xué)者認(rèn)可;白雪梅和石大龍基于CoVaR方法測(cè)度2008年以來(lái)中國(guó)金融業(yè)系統(tǒng)性風(fēng)險(xiǎn),驗(yàn)證了銀行業(yè)是中國(guó)金融風(fēng)險(xiǎn)最大的傳染源[7]。Adrian和Brunnermeier進(jìn)一步改進(jìn)CoVaR模型,提出ΔCoVaR模型,分解出系統(tǒng)承擔(dān)的風(fēng)險(xiǎn)量,該模型因捕捉金融機(jī)構(gòu)尾部風(fēng)險(xiǎn)能力較強(qiáng),獲得了學(xué)界的廣泛應(yīng)用[8]。第四,現(xiàn)有研究基于金融機(jī)構(gòu)“太連接而不能倒”的經(jīng)驗(yàn)事實(shí),采用網(wǎng)絡(luò)連通性表征系統(tǒng)性金融風(fēng)險(xiǎn)[9]。

(二)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)傳染機(jī)制研究:從計(jì)量經(jīng)濟(jì)學(xué)到復(fù)雜網(wǎng)絡(luò)科學(xué)

關(guān)于銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響機(jī)制,現(xiàn)有研究經(jīng)歷了由計(jì)量經(jīng)濟(jì)學(xué)模型為主導(dǎo)向計(jì)量經(jīng)濟(jì)學(xué)與網(wǎng)絡(luò)科學(xué)交叉融合的演變歷程。前者主要分為兩類:第一類研究從銀行體系內(nèi)部出發(fā),認(rèn)為內(nèi)部因素是系統(tǒng)性風(fēng)險(xiǎn)的主要來(lái)源。張琳等認(rèn)為,銀行業(yè)體系競(jìng)爭(zhēng)的加劇會(huì)提高商業(yè)銀行批發(fā)性融資進(jìn)而誘發(fā)系統(tǒng)性風(fēng)險(xiǎn)[10];第二類研究基于銀行體系外部視角,探究外部因素對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。黃秀路和葛鵬飛識(shí)別了貨幣政策調(diào)整對(duì)銀行系統(tǒng)的外部沖擊[11]。上述研究各有側(cè)重,但均忽略了銀行在實(shí)際經(jīng)營(yíng)過(guò)程中復(fù)雜聯(lián)系直接影響風(fēng)險(xiǎn)傳導(dǎo)這一事實(shí)。隨著網(wǎng)絡(luò)科學(xué)的興起,現(xiàn)有學(xué)者將復(fù)雜網(wǎng)絡(luò)分析范式擴(kuò)展至系統(tǒng)性風(fēng)險(xiǎn)領(lǐng)域,即探究銀行復(fù)雜網(wǎng)絡(luò)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響,其中,基于單層復(fù)雜網(wǎng)絡(luò)的研究較為豐富。目前學(xué)界主要從以下四個(gè)方向開(kāi)展:

第一,通過(guò)銀行資產(chǎn)負(fù)債表的雙邊借貸聯(lián)系構(gòu)建同業(yè)拆借網(wǎng)絡(luò),探討信用風(fēng)險(xiǎn)對(duì)網(wǎng)絡(luò)的沖擊。國(guó)內(nèi)早期,馬君潞等利用矩陣法構(gòu)建中國(guó)銀行間拆借網(wǎng)絡(luò),進(jìn)而研究銀行雙邊風(fēng)險(xiǎn)傳染機(jī)制[12],該文較為完備的運(yùn)用銀行表內(nèi)業(yè)務(wù)構(gòu)建系統(tǒng)網(wǎng)絡(luò),受到國(guó)內(nèi)學(xué)者的一致認(rèn)可。黃瑋強(qiáng)等在此基礎(chǔ)上引入最小密度約束方法間接推斷銀行業(yè)同業(yè)拆借網(wǎng)絡(luò),發(fā)現(xiàn)構(gòu)建的網(wǎng)絡(luò)風(fēng)險(xiǎn)傳染能力更強(qiáng)、更具預(yù)警意義[13];第二,通過(guò)銀行間的支付系統(tǒng)渠道構(gòu)建銀行業(yè)網(wǎng)絡(luò)模型,探究流動(dòng)性風(fēng)險(xiǎn)傳染路徑?，F(xiàn)有研究多以Diamond等提出的銀行擠兌模型為基礎(chǔ),運(yùn)用仿真模擬與實(shí)際數(shù)據(jù)結(jié)合的方式刻畫網(wǎng)絡(luò)結(jié)構(gòu)特征[14]。如王鵬等在此基礎(chǔ)上采用隨機(jī)動(dòng)態(tài)模型與代數(shù)動(dòng)力學(xué)方法探討系統(tǒng)性風(fēng)險(xiǎn)及其概率演化規(guī)律,論證了中國(guó)銀行網(wǎng)絡(luò)易遭受尾部沖擊的觀點(diǎn)[15];第三,通過(guò)上市銀行股價(jià)波動(dòng)的關(guān)聯(lián)性構(gòu)建網(wǎng)絡(luò),側(cè)重于評(píng)估銀行在系統(tǒng)中的位置優(yōu)勢(shì)。Demirer等運(yùn)用150家全球上市銀行公開(kāi)交易的高維網(wǎng)絡(luò),測(cè)度全球銀行業(yè)靜態(tài)與動(dòng)態(tài)網(wǎng)絡(luò)連通性進(jìn)而探討網(wǎng)絡(luò)位置對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響[1]。王子豐和周曄運(yùn)用中美上市銀行股價(jià)交易數(shù)據(jù),刻畫中美銀行間的風(fēng)險(xiǎn)傳染途徑[2];第四,通過(guò)銀行共同董事、共同股東、共同貸款等產(chǎn)生的社會(huì)網(wǎng)絡(luò),重點(diǎn)分析銀行經(jīng)營(yíng)行為的網(wǎng)絡(luò)傳播對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。王海林和高穎超以中國(guó)僵尸企業(yè)為例,通過(guò)銀行業(yè)對(duì)僵尸企業(yè)的共同貸款構(gòu)建網(wǎng)絡(luò),發(fā)現(xiàn)共同貸款行為顯著增加了銀行業(yè)整體風(fēng)險(xiǎn)[3]。

從單層網(wǎng)絡(luò)角度出發(fā),對(duì)銀行業(yè)單層復(fù)雜網(wǎng)絡(luò)領(lǐng)域進(jìn)行研究,為本文研究奠定了扎實(shí)的文獻(xiàn)基礎(chǔ)。但要指出的是,現(xiàn)有研究忽略了銀行實(shí)際經(jīng)營(yíng)過(guò)程中動(dòng)態(tài)、多樣、復(fù)雜的關(guān)聯(lián)性特征,用單層網(wǎng)絡(luò)建?？赡軙?huì)引發(fā)研究結(jié)果偏誤及模型風(fēng)險(xiǎn),導(dǎo)致風(fēng)險(xiǎn)錯(cuò)估[16]。甚至有學(xué)者認(rèn)為,基于單層聯(lián)系的網(wǎng)絡(luò)不能正確地表征和解釋銀行復(fù)雜系統(tǒng)[17]。因此,基于多層網(wǎng)絡(luò)識(shí)別銀行系統(tǒng)的動(dòng)態(tài)關(guān)聯(lián)性逐步被學(xué)界所認(rèn)可。

Poledna等通過(guò)構(gòu)建墨西哥銀行信用、衍生品、外匯和證券四個(gè)層面的金融契約收益率關(guān)聯(lián)網(wǎng)絡(luò)模型,刻畫多層網(wǎng)絡(luò)結(jié)構(gòu)下系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制,研究表明,基于單層網(wǎng)絡(luò)的銀行系統(tǒng)重要性會(huì)被嚴(yán)重低估[18]。Aldasoro引用歐洲大型銀行之間的風(fēng)險(xiǎn)敞口數(shù)據(jù)集,按照期限結(jié)構(gòu)與衍生品類型分解進(jìn)而構(gòu)建風(fēng)險(xiǎn)敞口多層網(wǎng)絡(luò),發(fā)現(xiàn)歐洲系統(tǒng)重要性銀行網(wǎng)絡(luò)呈現(xiàn)顯著的魯棒性與脆弱性[17]。Ali等應(yīng)用伊朗資本市場(chǎng)中的銀行收益、交易量和市值三個(gè)層次構(gòu)建多層網(wǎng)絡(luò),驗(yàn)證多層網(wǎng)絡(luò)結(jié)構(gòu)下的銀行系統(tǒng)穩(wěn)定性與連通性較單層網(wǎng)絡(luò)更加穩(wěn)健[19]。上述研究表明,基于單層網(wǎng)絡(luò)的研究確實(shí)存在“偏差甚至失真”問(wèn)題。目前為止,國(guó)外基于復(fù)雜性科學(xué)的單層網(wǎng)絡(luò)分析較為多見(jiàn),多層金融網(wǎng)絡(luò)研究則剛剛起步,而國(guó)內(nèi)該領(lǐng)域的研究更少。國(guó)內(nèi)學(xué)者李守偉等利用中國(guó)上市銀行三種股票收益率構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò),進(jìn)一步分析銀行業(yè)多層網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響,發(fā)現(xiàn)度中心性顯著影響對(duì)系統(tǒng)的風(fēng)險(xiǎn)溢出[4]。李守偉等在原有研究的基礎(chǔ)上,將研究范式拓展至金融機(jī)構(gòu)多層網(wǎng)絡(luò)模型,重點(diǎn)分析收益層網(wǎng)絡(luò)之間的關(guān)聯(lián)性演化規(guī)律特征,進(jìn)一步論證了多層網(wǎng)絡(luò)研究范式的廣泛適用性[20]。這一系列文章豐富了國(guó)內(nèi)現(xiàn)有研究?jī)?nèi)容,得到了學(xué)者們的一致認(rèn)可。

綜上可知,學(xué)術(shù)界對(duì)銀行業(yè)單層網(wǎng)絡(luò)以及系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了深入系統(tǒng)的研究,主要的不足在于:第一,現(xiàn)有研究多基于單層復(fù)雜網(wǎng)絡(luò)理論,忽略了銀行間聯(lián)系的復(fù)雜性、多重性,對(duì)系統(tǒng)性風(fēng)險(xiǎn)傳染的研究較為片面,建立在網(wǎng)絡(luò)連通性基礎(chǔ)上的系統(tǒng)性風(fēng)險(xiǎn)測(cè)度可能存在偏差甚至失真,事實(shí)上,系統(tǒng)性風(fēng)險(xiǎn)可能在共同股東構(gòu)成的決策層網(wǎng)絡(luò)內(nèi)擴(kuò)散與傳染,也可能在共同貸款網(wǎng)絡(luò)(債權(quán)投資網(wǎng)絡(luò))與共同持股企業(yè)網(wǎng)絡(luò)(股權(quán)投資網(wǎng)絡(luò))內(nèi)擴(kuò)散與傳染,還有可能在不同層網(wǎng)絡(luò)之間傳染,需要進(jìn)一步實(shí)證檢驗(yàn);第二,在為數(shù)不多的多重網(wǎng)絡(luò)研究中,銀行多層網(wǎng)絡(luò)的建立多基于股價(jià)(收益)相關(guān)性,銀行多層網(wǎng)絡(luò)的建立較為簡(jiǎn)單,銀行間多重關(guān)聯(lián)的具體經(jīng)濟(jì)含義不清晰,從而無(wú)法為防范和化解系統(tǒng)性風(fēng)險(xiǎn)提供可操作性建議;第三,基于股價(jià)相關(guān)性建立的多層網(wǎng)絡(luò)僅能表征投資者對(duì)各銀行基本面的共同感知與情緒趨同,對(duì)于揭示系統(tǒng)性風(fēng)險(xiǎn)的傳染機(jī)制仍然處于黑盒狀態(tài);第四,隨著數(shù)據(jù)可得性的提高,準(zhǔn)確識(shí)別銀行節(jié)點(diǎn)間實(shí)際關(guān)聯(lián)的可能性上升,例如銀行間共同股東關(guān)聯(lián)、銀行間共同貸款關(guān)聯(lián)以及銀行間共同持股上市公司關(guān)聯(lián)等(1)雖然中國(guó)1995年發(fā)布并于2003年修訂的《中華人民共和國(guó)商業(yè)銀行法》第43條規(guī)定,禁止商業(yè)銀行直接參與非金融企業(yè)的股權(quán)投資業(yè)務(wù),即直接對(duì)外進(jìn)行股權(quán)投資的方式受法律限制,但近年來(lái)隨著金融產(chǎn)品創(chuàng)新速度的加快,監(jiān)管力度也有所調(diào)整,越來(lái)越多的銀行開(kāi)始進(jìn)行“綜合化經(jīng)營(yíng)”的嘗試。目前,商業(yè)銀行多采取變通方式完成對(duì)目標(biāo)企業(yè)的股權(quán)投資,如通過(guò)銀行系基金公司、嵌套資產(chǎn)管理計(jì)劃、嵌套信托基金、債轉(zhuǎn)股等方式進(jìn)行投資,使銀行能夠成為上市公司的“股東”。上述通道模式增加了銀行與上市公司的關(guān)聯(lián)路徑,進(jìn)而形成銀行“持股”上市公司網(wǎng)絡(luò)。。

與現(xiàn)有研究相比,本文的邊際貢獻(xiàn):第一,構(gòu)建銀行業(yè)多層網(wǎng)絡(luò),探索多層網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響機(jī)制?；阢y行的共同股東數(shù)據(jù)、共同貸款數(shù)據(jù)以及共同持股房地產(chǎn)數(shù)據(jù)構(gòu)建三層網(wǎng)絡(luò),網(wǎng)絡(luò)聯(lián)系更為真實(shí)客觀,具有明確的經(jīng)濟(jì)含義,可解釋性強(qiáng),能夠更清晰地揭示銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的形成與傳染機(jī)制;第二,重點(diǎn)分析多層網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)與聚類特征,對(duì)多層網(wǎng)絡(luò)進(jìn)行社團(tuán)分割探討網(wǎng)絡(luò)內(nèi)在演化規(guī)律;第三,將銀行間的關(guān)聯(lián)網(wǎng)絡(luò)分為決策層網(wǎng)絡(luò)與經(jīng)營(yíng)層網(wǎng)絡(luò),前者為銀行間共同股東網(wǎng)絡(luò),后者分別為共同貸款網(wǎng)絡(luò)(債權(quán)投資網(wǎng)絡(luò))與共同持股房地產(chǎn)網(wǎng)絡(luò)(股權(quán)投資網(wǎng)絡(luò)),并實(shí)證檢驗(yàn)了銀行業(yè)決策層網(wǎng)絡(luò)分別通過(guò)共同貸款網(wǎng)絡(luò)(債權(quán)投資網(wǎng)絡(luò))、共同持股房地產(chǎn)網(wǎng)絡(luò)(股權(quán)投資網(wǎng)絡(luò))最終影響系統(tǒng)性風(fēng)險(xiǎn)的作用機(jī)制;第四,檢驗(yàn)多層網(wǎng)絡(luò)間風(fēng)險(xiǎn)傳染的作用渠道,探討了銀行多層網(wǎng)絡(luò)影響系統(tǒng)性風(fēng)險(xiǎn)溢出的作用機(jī)理,填補(bǔ)了現(xiàn)有研究的空缺。

三、研究設(shè)計(jì)

(一)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)

基于ΔCoVaR理論對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測(cè)度,現(xiàn)有研究主要分為兩類:第一類是通過(guò)GARCH-CoVaR模型進(jìn)行估計(jì),第二類是通過(guò)分位數(shù)CoVaR模型進(jìn)行估計(jì)。第二類研究相較于第一類,引入了狀態(tài)變量,使得模型結(jié)果更具適應(yīng)力。本文基于Adrian和Brunnermeier提出的改進(jìn)ΔCoVaR理論,采用分位數(shù)回歸模型,對(duì)中國(guó)16家上市銀行系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測(cè)度[8]。首先計(jì)算各上市銀行股票價(jià)格日收益率,如式(1):

(1)

其中Pt為上市銀行當(dāng)日股票收盤價(jià),Pt-1為前一日股票收盤價(jià)。進(jìn)一步進(jìn)行分位數(shù)模型回歸,具體公式如下:

(2)

(3)

(4)

其中,Mt為狀態(tài)變量。通過(guò)式(2)～(4)可計(jì)算出每家上市銀行正常狀態(tài)下(q=0.5)以及在處于極端風(fēng)險(xiǎn)狀態(tài)下(q=0.05)不同的CoVaR值,進(jìn)而測(cè)算出銀行處于極端風(fēng)險(xiǎn)狀態(tài)條件下,對(duì)系統(tǒng)貢獻(xiàn)的風(fēng)險(xiǎn)溢出凈值(ΔCoVaR),如式(5):

(5)

(二)多層銀行網(wǎng)絡(luò)的構(gòu)建

利用中國(guó)16家上市銀行2010年第三季度至2020年第四季度多維數(shù)據(jù),構(gòu)建動(dòng)態(tài)多層網(wǎng)絡(luò):基于銀行間共同股東構(gòu)建的上層(決策層)網(wǎng)絡(luò)及基于銀行間共同貸款業(yè)務(wù)、對(duì)房地產(chǎn)行業(yè)的共同持股構(gòu)建的下層(經(jīng)營(yíng)層)網(wǎng)絡(luò)。

1.上層(決策層)網(wǎng)絡(luò)

查找各銀行前10大股東,若兩銀行間具有共同股東,則兩銀行間存在連邊,否則不存在連邊,由此形成銀行間1-模鄰接矩陣,進(jìn)而構(gòu)建上層共同股東網(wǎng)絡(luò)。需要說(shuō)明的是,為了反映網(wǎng)絡(luò)中各銀行間的連接強(qiáng)度,這里以任意兩家銀行的共同股東數(shù)量占總共同股東數(shù)量的比重作為權(quán)重,從而構(gòu)建權(quán)重網(wǎng)絡(luò)。

2.下層(經(jīng)營(yíng)層)網(wǎng)絡(luò)——共同貸款網(wǎng)絡(luò)

建立由銀行與上市公司為網(wǎng)絡(luò)節(jié)點(diǎn)的2-模網(wǎng)絡(luò)。具體地,若樣本期內(nèi)銀行向上市公司貸款,則存在連邊,否則不存在。需要說(shuō)明的是,為了反映銀行與上市公司間的連接強(qiáng)度,這里以銀行與上市公司間貸款筆數(shù)占總貸款筆數(shù)的比重作為權(quán)重,構(gòu)建權(quán)重網(wǎng)絡(luò)。根據(jù)任意兩家銀行是否存在共同的貸款客戶,將以上2-模網(wǎng)絡(luò)轉(zhuǎn)化為1-模網(wǎng)絡(luò),建立銀行業(yè)共同貸款網(wǎng)絡(luò)。

3.下層(經(jīng)營(yíng)層)網(wǎng)絡(luò)——共同持股房地產(chǎn)企業(yè)網(wǎng)絡(luò)

需要特別說(shuō)明的是,本文選擇房地產(chǎn)業(yè)構(gòu)建銀行業(yè)經(jīng)營(yíng)層網(wǎng)絡(luò)(股權(quán)投資網(wǎng)絡(luò))主要原因如下:(1)從貸款集中度看,銀行業(yè)對(duì)房地產(chǎn)業(yè)的貸款占總貸款的39%,相較于其他單個(gè)行業(yè)而言占比較高,房地產(chǎn)業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)與房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)均會(huì)誘發(fā)銀行業(yè)風(fēng)險(xiǎn),房地產(chǎn)泡沫破裂,進(jìn)而引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)[21];(2)從關(guān)聯(lián)角度看,房地產(chǎn)業(yè)在銀行業(yè)(金融)與實(shí)體經(jīng)濟(jì)間的雙向復(fù)雜關(guān)聯(lián)中起著“橋梁作用”,呈現(xiàn)“過(guò)度連接而不能倒”,傳染的中樞作用日益明顯[22];(3)從金融化角度看,房地產(chǎn)市場(chǎng)日趨金融化,房地產(chǎn)價(jià)格波動(dòng)的金融傳染效應(yīng)不容忽視[23]。從以上角度,本文選擇房地產(chǎn)業(yè)作為典型樣本,構(gòu)建銀行業(yè)經(jīng)營(yíng)層網(wǎng)絡(luò)(股權(quán)投資網(wǎng)絡(luò))更有代表性。

建立由銀行與房地產(chǎn)公司為網(wǎng)絡(luò)節(jié)點(diǎn)的2-模網(wǎng)絡(luò)。具體地,樣本期內(nèi)某銀行若持股某房地產(chǎn)企業(yè),則該銀行與房地產(chǎn)企業(yè)間存在連邊,否則不存在。由此生成銀行與地產(chǎn)公司間的2-模網(wǎng)絡(luò)。需要說(shuō)明的是,為了反映銀行與房地產(chǎn)業(yè)間的連接強(qiáng)度,這里以銀行持股房地產(chǎn)企業(yè)的數(shù)量占總數(shù)量比重作為權(quán)重,構(gòu)建為權(quán)重網(wǎng)絡(luò)。根據(jù)任意兩家銀行是否共同持股同一家房地產(chǎn)企業(yè),將以上2-模網(wǎng)絡(luò)轉(zhuǎn)化為1-模網(wǎng)絡(luò),建立銀行業(yè)共同持股房地產(chǎn)業(yè)網(wǎng)絡(luò)。

4.多層網(wǎng)絡(luò)綜合度中心性的測(cè)算

分別提取三層網(wǎng)絡(luò)的各銀行節(jié)點(diǎn)的度中心性,詳見(jiàn)式(6):

(6)

(7)

除了采用以上方法測(cè)算多重網(wǎng)絡(luò)的綜合中心性外,還采用主成分分析法對(duì)三層網(wǎng)絡(luò)的度中心性進(jìn)行降維,以第一主成分F1表示多層網(wǎng)絡(luò)復(fù)合度中心性。

(三)模型設(shè)定

基于雙向固定效應(yīng)面板數(shù)據(jù)模型,采用全面可行廣義最小二乘(FGLS)模型進(jìn)行基準(zhǔn)回歸。以季頻ΔCoVaR作為被解釋變量,多層網(wǎng)絡(luò)度中心性Dmul為核心解釋變量,主模型設(shè)定見(jiàn)式(8)。其中Control表示控制變量,Banki與Quartert分別表示銀行個(gè)體效應(yīng)與時(shí)間效應(yīng),εi,t表示誤差項(xiàng)。

(8)

為細(xì)致考察各單層網(wǎng)絡(luò)對(duì)系統(tǒng)性風(fēng)險(xiǎn)溢出的影響,比較各單層網(wǎng)絡(luò)與多層網(wǎng)絡(luò)的外溢差異,以厘清多層網(wǎng)絡(luò)作用機(jī)理,基于單層網(wǎng)絡(luò)構(gòu)建了如下三個(gè)回歸模型,具體如式(9)～(11)。其中Holder、Loan、Property分別表示共同股東網(wǎng)絡(luò)的度中心性、共同貸款網(wǎng)絡(luò)的度中心性與持股地產(chǎn)企業(yè)網(wǎng)絡(luò)的度中心性。

(9)

(10)

(11)

四、實(shí)證分析

(一)樣本選擇

為獲得平穩(wěn)面板數(shù)據(jù)并兼顧樣本的代表性,將研究區(qū)間設(shè)定為2010年第三季度至2020年第四季度。樣本為16家中國(guó)上市商業(yè)銀行,包括中國(guó)五大國(guó)有商業(yè)銀行(工商銀行、農(nóng)業(yè)銀行、建設(shè)銀行、中國(guó)銀行、交通銀行),8家股份制商業(yè)銀行(中信銀行、浦發(fā)銀行、興業(yè)銀行、民生銀行、光大銀行、華夏銀行、招商銀行、平安銀行)和3家城市商業(yè)銀行(北京銀行、南京銀行、寧波銀行)。截至2020年末,16家上市銀行的資產(chǎn)總計(jì)占整個(gè)銀行業(yè)總資產(chǎn)的比重達(dá)到73.17%(2)結(jié)果基于國(guó)泰安數(shù)據(jù)庫(kù)銀行業(yè)2020年資產(chǎn)總計(jì)測(cè)算得出。,具有較強(qiáng)的代表性。

(二)ΔCoVaR的測(cè)算

日頻ΔCoVaR的獲取基于2010年7月1日至2020年12月31日共計(jì)2 594個(gè)交易日內(nèi)各股收盤價(jià)格數(shù)據(jù)、滬深300銀行成分股收盤價(jià)格數(shù)據(jù),通過(guò)式(1)計(jì)算收益率。在狀態(tài)變量的選取上,結(jié)合白雪梅和石大龍的研究[7],考慮到以下四個(gè)方面:第一,市場(chǎng)波動(dòng)程度。運(yùn)用GARCH模型對(duì)滬深300指數(shù)收益率進(jìn)行估計(jì),提取條件方差作為市場(chǎng)波動(dòng)程度的代理變量。第二,流動(dòng)性利差。用3個(gè)月期限的SHIBOR利率與3個(gè)月國(guó)債到期收益率的差值作為流動(dòng)性利差的代理變量。第三,期限利差。用10年期限國(guó)債到期收益率與1個(gè)月期限國(guó)債到期收益率之差作為期限利差的代理變量。第四,信用利差。用1年期AAA級(jí)商業(yè)銀行普通債到期收益率與1年期國(guó)債到期收益率之差作為信用利差的代理變量。進(jìn)一步采用分位數(shù)模型回歸,計(jì)算出日頻ΔCoVaR數(shù)據(jù),具體見(jiàn)圖1。由圖1所示,中國(guó)16家銀行日頻ΔCoVaR數(shù)據(jù)走勢(shì)基本趨同,在2015年股災(zāi)期間呈現(xiàn)出較大幅度的波動(dòng),其余時(shí)點(diǎn)一直圍繞均值上下浮動(dòng),表明中國(guó)銀行穩(wěn)定性受外部沖擊時(shí)有較強(qiáng)的恢復(fù)能力。受新冠病毒感染疫情沖擊,各銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)溢出的貢獻(xiàn)有較大幅度的波動(dòng),并且出現(xiàn)顯著性差異,系統(tǒng)重要性銀行相對(duì)于其他銀行的風(fēng)險(xiǎn)外溢更強(qiáng)。

圖1 中國(guó)日頻CoVaR波動(dòng)圖

(三)銀行業(yè)多層網(wǎng)絡(luò)分析

基于2010年第三季度至2020年第四季度16家銀行季度數(shù)據(jù)構(gòu)建三層銀行網(wǎng)絡(luò),分別構(gòu)建上層(決策層)共同股東網(wǎng)絡(luò)、下層(經(jīng)營(yíng)層)共同貸款網(wǎng)絡(luò)與下層(經(jīng)營(yíng)層)持股房地產(chǎn)企業(yè)網(wǎng)絡(luò)。圖2～4分別展示了銀行系統(tǒng)2010q3、2015q3以及2020q4銀行系統(tǒng)多層網(wǎng)絡(luò)圖,發(fā)現(xiàn)2010q3至2015q3中國(guó)銀行多層網(wǎng)絡(luò)邊的數(shù)量有顯著提升,多層網(wǎng)絡(luò)的規(guī)模不斷擴(kuò)大,網(wǎng)絡(luò)連接趨向復(fù)雜化;2015q3至2020q4共同貸款層網(wǎng)絡(luò)無(wú)明顯變化,但是共同股東層網(wǎng)絡(luò)中邊的規(guī)模進(jìn)一步擴(kuò)增(網(wǎng)絡(luò)密度由0.470變?yōu)?.491),且共同持股房地產(chǎn)企業(yè)網(wǎng)絡(luò)中節(jié)點(diǎn)的連接方式有一定變化。進(jìn)一步觀察發(fā)現(xiàn),各層網(wǎng)絡(luò)均有顯著差異,各個(gè)銀行節(jié)點(diǎn)通過(guò)共同股東、共同貸款進(jìn)行的聯(lián)系增多,而通過(guò)共同持股房地產(chǎn)企業(yè)的聯(lián)系卻是顯著下降。

圖2 2010q3銀行系統(tǒng)多層網(wǎng)絡(luò)圖

圖3 2015q3銀行系統(tǒng)多層網(wǎng)絡(luò)圖

圖4 2020q4銀行系統(tǒng)多層網(wǎng)絡(luò)圖

注:holder layer表示銀行共同股東層網(wǎng)絡(luò),loan layer表示銀行共同貸款層網(wǎng)絡(luò),property layer表示銀行共同持股房地產(chǎn)企業(yè)層網(wǎng)絡(luò),數(shù)據(jù)源于國(guó)泰安數(shù)據(jù)庫(kù),經(jīng)過(guò)R軟件處理后成圖。

為進(jìn)一步捕捉銀行系統(tǒng)多層網(wǎng)絡(luò)的時(shí)變特征及規(guī)律,提取各層網(wǎng)絡(luò)在2010—2020年間的密度、聚類系數(shù)以及平均路徑長(zhǎng)度。圖5～7展示了銀行系統(tǒng)多層網(wǎng)絡(luò)的動(dòng)態(tài)網(wǎng)絡(luò)特征。通過(guò)觀察不難發(fā)現(xiàn):銀行各層網(wǎng)絡(luò)呈現(xiàn)出顯著的小世界特征,即平均路徑長(zhǎng)度較短但聚類系數(shù)較高。在網(wǎng)絡(luò)密度方面,共同股東網(wǎng)絡(luò)密度與共同貸款網(wǎng)絡(luò)密度均呈現(xiàn)波動(dòng)上升的趨勢(shì),銀行通過(guò)交叉持股行為與共同貸款行為建立的聯(lián)系越來(lái)越緊密,特別是共同貸款網(wǎng)絡(luò),已貼近全局耦合網(wǎng)絡(luò)。值得注意的是,2015q2后共同股東網(wǎng)絡(luò)密度有較大幅度的躍遷,可能的原因是,2015年股災(zāi)的發(fā)生使各銀行股價(jià)急劇下挫,各銀行的系統(tǒng)性風(fēng)險(xiǎn)急劇攀升(由圖1可知)。為提升金融系統(tǒng)穩(wěn)定性,國(guó)有資本的增持成為重要的風(fēng)險(xiǎn)防范手段,這在提高各行資本充足率的同時(shí)也提高了各行之間的網(wǎng)絡(luò)密度。銀行持股房地產(chǎn)企業(yè)網(wǎng)絡(luò)的密度呈震蕩下降態(tài)勢(shì),表明銀行業(yè)正在逐步脫離對(duì)房地產(chǎn)行業(yè)的股權(quán)投資業(yè)務(wù)。在網(wǎng)絡(luò)聚類系數(shù)方面,共同股東層網(wǎng)絡(luò)與共同貸款層網(wǎng)絡(luò)的聚類系數(shù)均呈波動(dòng)上升趨勢(shì),但持股地產(chǎn)企業(yè)網(wǎng)絡(luò)的聚類性在樣本期內(nèi)走勢(shì)較為復(fù)雜,先波動(dòng)下降再顯著上升。在網(wǎng)絡(luò)效率方面,各層網(wǎng)絡(luò)的效率顯著提高,表現(xiàn)為平均路徑長(zhǎng)度波動(dòng)下降。說(shuō)明中國(guó)銀行業(yè)網(wǎng)絡(luò)整體效率提高,網(wǎng)絡(luò)信息傳遞速度增快,但風(fēng)險(xiǎn)的傳播速度加快,范圍也顯著擴(kuò)大。

圖5 多層網(wǎng)絡(luò)密度變遷

圖6 多層網(wǎng)絡(luò)聚類系數(shù)變遷

圖7 多層網(wǎng)絡(luò)平均路徑長(zhǎng)度

綜上,銀行系統(tǒng)多層網(wǎng)絡(luò)呈現(xiàn)小世界特性,網(wǎng)絡(luò)密度、集聚性以及信息傳遞效率逐年增高。多層網(wǎng)絡(luò)為優(yōu)質(zhì)信息與資源提供高效便利的共享渠道,也為系統(tǒng)性風(fēng)險(xiǎn)的傳播與擴(kuò)散提供了溫床,使系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)時(shí)跨層次的傳播能力大幅增長(zhǎng),銀行網(wǎng)絡(luò)的“雙刃劍”效應(yīng)更加突出。

為探究銀行業(yè)內(nèi)部節(jié)點(diǎn)聚類情況,采用快速貪婪優(yōu)化算法對(duì)銀行系統(tǒng)多層網(wǎng)絡(luò)進(jìn)行社團(tuán)分割。其中共同貸款層網(wǎng)絡(luò)貼近全局耦合網(wǎng)絡(luò),聚類分割無(wú)實(shí)際意義,因此本文只對(duì)共同股東網(wǎng)絡(luò)與共同持股地產(chǎn)企業(yè)網(wǎng)絡(luò)進(jìn)行社團(tuán)分割。具體結(jié)果如圖8和圖9所示。

圖8 共同股東網(wǎng)絡(luò)社團(tuán)分割圖

圖9 持股地產(chǎn)企業(yè)網(wǎng)絡(luò)社團(tuán)分割圖

由圖8和圖9可知,共同股東網(wǎng)絡(luò)與共同持股地產(chǎn)企業(yè)網(wǎng)絡(luò)呈現(xiàn)出兩種截然不同的聚類情況。在共同股東網(wǎng)絡(luò)中,最初由工商銀行、建設(shè)銀行等幾家系統(tǒng)重要性銀行作為樞紐節(jié)點(diǎn),將網(wǎng)絡(luò)分為三個(gè)社團(tuán),并維持整個(gè)銀行體系的連通性,隨后社團(tuán)的規(guī)模不斷上升,最終形成一個(gè)接近全局的大社團(tuán),這與現(xiàn)實(shí)相符,系統(tǒng)重要性銀行分別連接著各個(gè)銀行節(jié)點(diǎn),并通過(guò)四大商業(yè)銀行之間的聯(lián)系將整個(gè)銀行系統(tǒng)串聯(lián)起來(lái),后因中國(guó)股災(zāi)事件的發(fā)生使交叉持股成本大大降低,共同股東網(wǎng)絡(luò)由此越發(fā)貼近全局耦合網(wǎng)絡(luò),整體形成一個(gè)極大社團(tuán)。受疫情沖擊,2020q1銀行股東網(wǎng)絡(luò)分裂成兩個(gè)規(guī)模趨于一致的大型子社團(tuán),但隨后又逐漸復(fù)原,印證銀行網(wǎng)絡(luò)的魯棒性較為良好;而共同持股地產(chǎn)企業(yè)網(wǎng)絡(luò)的社團(tuán)規(guī)模逐年減小,并逐漸收斂至由幾家系統(tǒng)重要性銀行構(gòu)成的子網(wǎng)絡(luò),說(shuō)明系統(tǒng)重要性銀行因風(fēng)險(xiǎn)承受能力強(qiáng)、維持地產(chǎn)行業(yè)穩(wěn)定等緣故,依舊與地產(chǎn)企業(yè)保持著較為穩(wěn)定的聯(lián)系。一方面,維持地產(chǎn)行業(yè)的穩(wěn)定需要銀行系統(tǒng)的信貸支持;另一方面,地產(chǎn)行業(yè)的信貸存量會(huì)倒逼銀行系統(tǒng)為其提供新一輪的信貸增量,易發(fā)生“大而不倒”的情況,造成系統(tǒng)性銀行的巨額隱性壞賬。綜上所述,系統(tǒng)重要性銀行作為網(wǎng)絡(luò)的樞紐節(jié)點(diǎn),對(duì)銀行多層網(wǎng)絡(luò)的連通性有著至關(guān)緊要的作用。從上述角度論證了防范系統(tǒng)風(fēng)險(xiǎn),需重點(diǎn)把控系統(tǒng)重要性銀行的風(fēng)險(xiǎn)溢出路徑。

圖10 多層網(wǎng)絡(luò)間異質(zhì)性

圖11 多層網(wǎng)絡(luò)間相似性

(四)銀行業(yè)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)影響實(shí)證檢驗(yàn)

1.數(shù)據(jù)說(shuō)明與檢驗(yàn)

季頻ΔCoVaR為對(duì)日頻ΔCoVaR按季度取均值。ΔCoVaR測(cè)算中所用數(shù)據(jù)的測(cè)算來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)、中國(guó)外匯交易中心暨全國(guó)銀行間同業(yè)拆借中心與中國(guó)債券信息網(wǎng)等;解釋變量均源于國(guó)泰安數(shù)據(jù)庫(kù);控制變量除非利息收入、不良貸款率來(lái)源于Wind數(shù)據(jù)庫(kù)與國(guó)泰安數(shù)據(jù)庫(kù)。數(shù)據(jù)描述性統(tǒng)計(jì)與平穩(wěn)性檢驗(yàn)如表1所示。表1表明,除了公司年齡與規(guī)模為一階單整變量外,其他變量均為平穩(wěn)變量。

表1 描述性統(tǒng)計(jì)表

2.基準(zhǔn)回歸結(jié)果

(1)基于單層網(wǎng)絡(luò)的系統(tǒng)性風(fēng)險(xiǎn)分析

表2列(1)～(4)分別檢驗(yàn)了銀行共同股東網(wǎng)絡(luò)、共同貸款網(wǎng)絡(luò)以及持股地產(chǎn)企業(yè)網(wǎng)絡(luò)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。

表2 單層網(wǎng)絡(luò)回歸結(jié)果表

由表2列(1)可知,銀行共同股東層網(wǎng)絡(luò)度中心性的系數(shù)為0.097 2,在1%置信水平上顯著為正。說(shuō)明銀行股東通過(guò)交叉持股帶來(lái)資源與信息便利的同時(shí),也擴(kuò)大了金融風(fēng)險(xiǎn)的傳染。若持股的銀行受到極端尾部風(fēng)險(xiǎn)事件沖擊時(shí),該銀行的風(fēng)險(xiǎn)會(huì)通過(guò)共同持股關(guān)聯(lián)路徑迅速擴(kuò)散外溢。直覺(jué)上共同股東網(wǎng)絡(luò)越接近中心位置,對(duì)銀行系統(tǒng)的風(fēng)險(xiǎn)溢出能力越強(qiáng)。

由表2列(2)和(3)可看出,當(dāng)模型設(shè)定為線性函數(shù)時(shí),銀行在共同貸款網(wǎng)絡(luò)中的度中心性對(duì)系統(tǒng)性風(fēng)險(xiǎn)并無(wú)顯著影響,在加入中心性的二次項(xiàng)后,參數(shù)顯著為正,表明系統(tǒng)性風(fēng)險(xiǎn)與共同貸款網(wǎng)絡(luò)度中心性呈正U型關(guān)系?？赡艿慕忉屧谟?當(dāng)銀行度中心性較低時(shí),隨著銀行與其他銀行共同貸款客戶數(shù)量的上升,即銀行在共同貸款網(wǎng)絡(luò)中的度中心性的上升,銀行業(yè)網(wǎng)絡(luò)連通性趨于上升,但度中心性上升帶來(lái)的風(fēng)險(xiǎn)暴露相對(duì)較小,某一銀行受到?jīng)_擊時(shí),這種沖擊被連接較為緊密的若干銀行吸收,從而能夠通過(guò)銀行業(yè)網(wǎng)絡(luò)有效分散,從而降低銀行系統(tǒng)性風(fēng)險(xiǎn)。然而,隨著共同貸款客戶數(shù)量進(jìn)一步上升,銀行在網(wǎng)絡(luò)中的度中心性上升,網(wǎng)絡(luò)連通性進(jìn)一步上升,所有銀行的風(fēng)險(xiǎn)暴露快速上升,此時(shí)某一銀行受到?jīng)_擊后,沖擊不能由少數(shù)銀行吸收或分散,而是迅速傳染至整個(gè)網(wǎng)絡(luò),導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)上升?；谝陨戏治?共同貸款網(wǎng)絡(luò)中心性與系統(tǒng)性風(fēng)險(xiǎn)呈U型關(guān)系。

通過(guò)表2列(4)可知,銀行持股房地產(chǎn)網(wǎng)絡(luò)的度中心性系數(shù)為0.088 9,在1%置信水平上顯著為正。這與預(yù)期一致。銀行持股房地產(chǎn)企業(yè)增強(qiáng)了銀行業(yè)績(jī)對(duì)于房地產(chǎn)企業(yè)的敏感性,房地產(chǎn)企業(yè)破產(chǎn)將對(duì)持股銀行形成直接威脅,形成銀行向所持股房企的被迫授信與持續(xù)授信,從而進(jìn)一步增強(qiáng)了銀行的風(fēng)險(xiǎn)暴露。一旦地產(chǎn)泡沫破滅,風(fēng)險(xiǎn)會(huì)迅速蔓延至整個(gè)銀行系統(tǒng)。

(2)基于多層網(wǎng)絡(luò)的系統(tǒng)性風(fēng)險(xiǎn)分析

多層網(wǎng)絡(luò)基準(zhǔn)回歸結(jié)果如表3所示。表3的列(1)～(5)以多重網(wǎng)絡(luò)綜合度中心性為解釋變量,列(6)與列(7)則以各層網(wǎng)絡(luò)度中心性的第一主成分為解釋變量。具體地,列(1)展示了基準(zhǔn)普通最小二乘法(OLS)回歸模型結(jié)果;列(2)與列(3)為基于固定效應(yīng)與隨機(jī)效應(yīng)模型的基準(zhǔn)回歸結(jié)果;列(4)和(5)為采用全面FGLS進(jìn)行的基準(zhǔn)回歸,兩者區(qū)別在于列(4)默認(rèn)每個(gè)銀行截面的自回歸系數(shù)均相等,而列(5)設(shè)定為每個(gè)銀行截面的自回歸系數(shù)均異質(zhì)。

表3 多層網(wǎng)絡(luò)基準(zhǔn)回歸結(jié)果表

由表3列(1)可知,基準(zhǔn)模型經(jīng)過(guò)OLS回歸后,綜合中心性的系數(shù)在10%顯著性水平上顯著為正。列(2)與列(3)給出了固定效應(yīng)模型與隨機(jī)效應(yīng)模型估計(jì)結(jié)果;在兩種模型設(shè)定形式下,銀行多層網(wǎng)絡(luò)綜合中心性與系統(tǒng)性風(fēng)險(xiǎn)均在5%顯著性水平上顯著為正,即銀行多重網(wǎng)絡(luò)綜合中心性的上升會(huì)增加系統(tǒng)性風(fēng)險(xiǎn)。由列(4)和列(5)可知,基于全面FGLS的估計(jì)結(jié)果表明在假設(shè)截面相關(guān)性相等與不相等兩種情況下,多層網(wǎng)絡(luò)度中心性對(duì)系統(tǒng)性風(fēng)險(xiǎn)溢出的回歸結(jié)果分別為0.251與0.254,在1%置信水平上顯著為正,且系數(shù)大小相較于單層網(wǎng)絡(luò)有一定的提升,與李守偉等的研究基本一致[4]。可能的解釋在于,多層網(wǎng)絡(luò)中的銀行與其他銀行間的關(guān)聯(lián)性是多維的、多屬性的,信息傳遞途徑更多更復(fù)雜,這無(wú)疑增加了各銀行之間決策與經(jīng)營(yíng)的一致性,面對(duì)外部沖擊采取一致性行動(dòng)的可能性上升,系統(tǒng)性風(fēng)險(xiǎn)傳染顯著提升。

由表3列(6)和(7)可知,基于主成分分析法進(jìn)行中心性的降維,銀行多層網(wǎng)絡(luò)復(fù)合中心性始終顯著正向影響系統(tǒng)性風(fēng)險(xiǎn)?？偟膩?lái)說(shuō),多層網(wǎng)絡(luò)模型解釋變量系數(shù)的大小與顯著性水平相較于單層網(wǎng)絡(luò)均有一定程度的提升,表明只考慮單層網(wǎng)絡(luò)建?；貧w會(huì)導(dǎo)致信息損漏,不足以表征多層次、廣聯(lián)系的銀行復(fù)雜系統(tǒng)。多層網(wǎng)絡(luò)能更好地表征和解釋系統(tǒng)性風(fēng)險(xiǎn)的傳染,進(jìn)而能合理刻畫與識(shí)別系統(tǒng)性風(fēng)險(xiǎn)溢出。此外,相比于已有文獻(xiàn),本文并未基于股價(jià)數(shù)據(jù)構(gòu)建網(wǎng)絡(luò),避免陷入以“股價(jià)波動(dòng)”解釋“股價(jià)波動(dòng)”的困境;模型設(shè)定較為豐富全面,各網(wǎng)絡(luò)屬性較為清晰,存在明確的經(jīng)濟(jì)含義,便于提出具有操作意義的政策建議。

3.內(nèi)生性檢驗(yàn)

本文可能存在的內(nèi)生性問(wèn)題主要包括兩個(gè)方面:第一,樣本選擇偏差問(wèn)題。選取了16家上市商業(yè)銀行,未上市銀行或上市較晚的銀行未納入多層網(wǎng)絡(luò)中,但這些銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)也可能存在顯著影響,造成樣本選擇偏差問(wèn)題;第二,雙向因果問(wèn)題。銀行在網(wǎng)絡(luò)中的度中心性提高可顯著增加對(duì)系統(tǒng)的風(fēng)險(xiǎn)溢出,相反,系統(tǒng)性風(fēng)險(xiǎn)較高的銀行勢(shì)必受到監(jiān)管部門的強(qiáng)管控,銀行業(yè)務(wù)會(huì)受到限制(如系統(tǒng)重要性銀行被要求提高資本充足率,或受到更嚴(yán)格的房地產(chǎn)貸款集中度限制等等),銀行在共同股東網(wǎng)絡(luò)、共同貸款網(wǎng)絡(luò)或共同持股房地產(chǎn)網(wǎng)絡(luò)中的位置會(huì)發(fā)生變化,從而影響了網(wǎng)絡(luò)度中心性。

針對(duì)樣本選擇偏差問(wèn)題,采用Heckman二階段模型進(jìn)行修正。在選擇方程中,采用資產(chǎn)規(guī)模(Dsize)、年齡(Age)、資產(chǎn)負(fù)債率(Lev)、前十大股東股權(quán)占比(TOP10)以及不良資產(chǎn)率(Bad)作為影響銀行節(jié)點(diǎn)是否處于多層網(wǎng)絡(luò)中的決定變量,具體如式(12)。其中Select為銀行是否處于多層網(wǎng)絡(luò)中的虛擬變量,是為1,否則為0,其他變量含義均與上文保持一致。通過(guò)該模型計(jì)算出逆米爾斯比率(λ)并作為控制變量帶入到結(jié)果方程中,具體見(jiàn)式(13)?；貧w結(jié)果見(jiàn)表4中列(1)和(2),可知λ在1%水平上顯著,說(shuō)明存在樣本選擇偏差問(wèn)題。經(jīng)過(guò)Heckman模型修正后的變量系數(shù)方向均與原模型保持一致,結(jié)果未發(fā)生改變,即銀行多層網(wǎng)絡(luò)會(huì)顯著正向影響系統(tǒng)性風(fēng)險(xiǎn)溢出。

Selecti,t=α0+β1Dsizei,t+β2Agei,t+β3Levi,t+β4TOP10i,t+β5Badi,t+Banki+Quartert+εi,t

(12)

(13)

針對(duì)雙向因果問(wèn)題,采用代理變量?jī)呻A段回歸法進(jìn)行模型修正。對(duì)核心解釋變量多層網(wǎng)絡(luò)綜合中心性Dmul進(jìn)行回歸預(yù)測(cè),一階段預(yù)測(cè)如式(14)所示;進(jìn)一步對(duì)該模型提取殘差,將殘差作為內(nèi)生變量多層網(wǎng)絡(luò)綜合中心性Dmul的工具變量進(jìn)行二階段回歸。該方法實(shí)質(zhì)是將核心解釋變量受被解釋變量影響的部分予以剔除與提純,使用式(14)得到的殘差作為主回歸的工具變量?；貧w結(jié)果見(jiàn)表4中列(3)和(4),由列(3)可知,ΔCoVaR的參數(shù)在5%水平上顯著為負(fù),印證了系統(tǒng)性風(fēng)險(xiǎn)的提高會(huì)負(fù)向影響銀行多層網(wǎng)絡(luò)位置。在經(jīng)過(guò)二階段的工具變量法修正后,核心解釋變量的方向與原有研究保持一致(列(4))。雖然變量系數(shù)發(fā)生變化但在可接受范圍內(nèi),印證了結(jié)果的穩(wěn)健性。

Dmuli,t=α0+β1ΔCoVaRi,t+β2Dsizei,t+β3Agei,t+β4Levi,t+β5TOP10i,t+β6Badi,t+Banki+Quartert+εi,t

(14)

4.穩(wěn)健性檢驗(yàn)

論文的穩(wěn)健性主要分為以下幾種:第一,考察系統(tǒng)重要性銀行多層網(wǎng)絡(luò)中心性與非系統(tǒng)重要性銀行度中心性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響;第二,探討不同性質(zhì)銀行多層網(wǎng)絡(luò)度中心性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響;第三,新冠病毒感染疫情前后銀行網(wǎng)絡(luò)度中心性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。以上穩(wěn)健性檢驗(yàn)結(jié)果見(jiàn)表5。第四,用綜合中介中心性與綜合接近中心性替代綜合程度中心性進(jìn)行回歸,中介中心性與接近中心性的定義如下:

表4 內(nèi)生性修正結(jié)果

(15)

(16)

第五,調(diào)整樣本期,將樣本期從2010—2020年調(diào)整至2012—2020年進(jìn)行回歸;第六,采用DCC-GARCH模型重新測(cè)算ΔCoVaR,替代采用分位數(shù)模型測(cè)算的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行回歸;第七,將銀行共同貸款網(wǎng)絡(luò)替換對(duì)地產(chǎn)上市公司的貸款網(wǎng)絡(luò),試探究銀行向地產(chǎn)企業(yè)的共同貸款網(wǎng)絡(luò)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。以上穩(wěn)健性檢驗(yàn)結(jié)果見(jiàn)表6。

表5 穩(wěn)健性分析(一)

由表5可知,無(wú)論是系統(tǒng)重要性銀行還是非系統(tǒng)重要性性銀行,無(wú)論是國(guó)有銀行還是股價(jià)制銀行或城市商業(yè)銀行,無(wú)論是疫情前還是疫情后,銀行業(yè)多層網(wǎng)絡(luò)的綜合度中心性均對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)具有顯著的正影響,即銀行與其他銀行關(guān)聯(lián)程度的上升以及關(guān)聯(lián)屬性的增加很大程度上加劇了銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn),這與現(xiàn)有的“太連接而不能倒”的觀點(diǎn)是一致的[9],再次印證了前文的結(jié)論。

表6 穩(wěn)健性檢驗(yàn)(二)

由表6可知,在將度中心性更換為中介中心性(列(1))、接近中心性(列(2))后,多重網(wǎng)絡(luò)中心性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響仍然在1%的顯著性水平上顯著。此外,在將基于分位數(shù)回歸得到的ΔCoVaR替換為基于DCC-GARCH模型重新測(cè)算的ΔCoVaR(列(3))后,以及調(diào)整樣本期(列(4))后,Dmul的參數(shù)仍然在1%顯著性水平上顯著。將共同貸款網(wǎng)絡(luò)替換為面向房地產(chǎn)企業(yè)的共同貸款網(wǎng)絡(luò)后,Dmul的參數(shù)仍然在1%顯著性水平上顯著。表明多層網(wǎng)絡(luò)綜合中心性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)具有顯著正向影響,且結(jié)果具有較強(qiáng)的穩(wěn)健性。

五、系統(tǒng)性風(fēng)險(xiǎn)的多重網(wǎng)絡(luò)間傳染渠道檢驗(yàn)

前文已經(jīng)證實(shí),銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)存在多層網(wǎng)絡(luò)傳染,那么,多重網(wǎng)絡(luò)之間是什么關(guān)系?銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的傳染是否存在跨網(wǎng)絡(luò)立體式傳染?前文分析表明,銀行間的關(guān)聯(lián)具有多重屬性,不同屬性的連通構(gòu)成了不同層次的網(wǎng)絡(luò)。銀行間決策層網(wǎng)絡(luò)關(guān)聯(lián)程度的上升在帶來(lái)資源、信息優(yōu)勢(shì)的同時(shí),也通過(guò)同行效應(yīng)(Peer Effect)提高了各銀行間決策的一致性,進(jìn)而提高了經(jīng)營(yíng)層網(wǎng)絡(luò)的相似性,如共同貸款網(wǎng)絡(luò)與共同持股層網(wǎng)絡(luò)。直觀上,決策層網(wǎng)絡(luò)中銀行節(jié)點(diǎn)互動(dòng)頻次的提升,銀行之間互相模仿學(xué)習(xí)概率會(huì)提高,即提高銀行間的決策一致性,可能導(dǎo)致銀行間業(yè)務(wù)相似性顯著提高,不利于銀行分散風(fēng)險(xiǎn)。不理性的過(guò)度模仿與趨同行為不僅會(huì)增加銀行業(yè)務(wù)脆弱性,也會(huì)增強(qiáng)銀行系統(tǒng)對(duì)極端風(fēng)險(xiǎn)的傳染。綜合來(lái)看,銀行系統(tǒng)可能存在因決策層網(wǎng)絡(luò)的一致性促進(jìn)經(jīng)營(yíng)層網(wǎng)絡(luò)的相似性這一影響渠道,進(jìn)而增強(qiáng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的溢出或傳染。因此無(wú)論是基于共同貸款業(yè)務(wù)形成的網(wǎng)絡(luò)還是通過(guò)共同持股房地產(chǎn)形成的網(wǎng)絡(luò),銀行在這些網(wǎng)絡(luò)中的度中心性的提高均意味著銀行業(yè)經(jīng)營(yíng)相似性的上升以及共同風(fēng)險(xiǎn)暴露或敞口的上升,這在提高各銀行系統(tǒng)性風(fēng)險(xiǎn)的同時(shí),無(wú)疑增加了風(fēng)險(xiǎn)傳染的渠道。

基于以上分析,為厘清銀行系統(tǒng)性風(fēng)險(xiǎn)在多層網(wǎng)絡(luò)間的傳染路徑,將銀行多層網(wǎng)絡(luò)分為決策層網(wǎng)絡(luò)與經(jīng)營(yíng)層網(wǎng)絡(luò),檢驗(yàn)是否存在銀行決策層網(wǎng)絡(luò)影響銀行經(jīng)營(yíng)層網(wǎng)絡(luò)這一作用渠道,若上述渠道成立,則表明存在跨網(wǎng)絡(luò)立體式傳染?；谝陨涎芯磕康?參考江艇的研究(4)江艇認(rèn)為現(xiàn)有研究對(duì)因果推斷中的中介效應(yīng)檢驗(yàn)確存在濫用與誤用的情況[25]。鑒于現(xiàn)有學(xué)界關(guān)于中介效應(yīng)模型內(nèi)生性問(wèn)題的爭(zhēng)議,論文僅檢驗(yàn)是否存在決策層網(wǎng)絡(luò)影響經(jīng)營(yíng)層網(wǎng)絡(luò)這一作用渠道,并未對(duì)中介效應(yīng)進(jìn)行深入探討。,設(shè)定如下傳染渠道檢驗(yàn)?zāi)Ｐ蚚25]:

(17)

(18)

渠道檢驗(yàn)結(jié)果見(jiàn)表7。由表7估計(jì)結(jié)果可知,所有方程的參數(shù)估計(jì)值均在1%顯著性水平上顯著。觀察列(1)及列(2)中C_Holder的參數(shù)估計(jì)值發(fā)現(xiàn),共同股東網(wǎng)絡(luò)度中心性對(duì)共同貸款層網(wǎng)絡(luò)與共同持股房地產(chǎn)網(wǎng)絡(luò)的度中心性均具有顯著性影響,分別為0.075 8及0.151 8。據(jù)此得出以下結(jié)論:存在共同股東網(wǎng)絡(luò)影響共同貸款網(wǎng)絡(luò)與共同持股房地產(chǎn)網(wǎng)絡(luò)的作用渠道,系統(tǒng)性風(fēng)險(xiǎn)存在跨網(wǎng)立體式傳染?？赡艿慕忉屧谟?銀行尤其是系統(tǒng)重要性銀行在決策層網(wǎng)絡(luò)中的行動(dòng)會(huì)迅速傳遞至其他銀行,使得各銀行在經(jīng)營(yíng)過(guò)程中的一致性顯著上升,具體表現(xiàn)為銀行信貸業(yè)務(wù)的相似性與股權(quán)投資業(yè)務(wù)的相似性。銀行同質(zhì)性經(jīng)營(yíng)不斷趨強(qiáng),銀行系統(tǒng)性風(fēng)險(xiǎn)不斷上升,使得銀行在所遭受的極端尾部事件沖擊超出自身抗險(xiǎn)能力時(shí),極端風(fēng)險(xiǎn)事件將通過(guò)多種渠道、多層網(wǎng)絡(luò)蔓延,演化為系統(tǒng)性風(fēng)險(xiǎn)。在多層網(wǎng)絡(luò)中,銀行越接近網(wǎng)絡(luò)中心位置,極端風(fēng)險(xiǎn)的擴(kuò)散與覆蓋范圍越廣泛,風(fēng)險(xiǎn)的“回蕩效果”越明顯,整個(gè)金融系統(tǒng)的穩(wěn)定性面臨重大考驗(yàn)。

此外,基于各層網(wǎng)絡(luò)的程度中心性構(gòu)建面板向量自回歸模型(PVAR),進(jìn)行脈沖響應(yīng)(IRF)分析,以更加直觀地刻畫出各單層網(wǎng)絡(luò)間程度中心性的動(dòng)態(tài)交互趨勢(shì)。估計(jì)4階面板向量自回歸模型(5)基于AIC、BIC和HQIC最優(yōu)化準(zhǔn)則采用4階滯后。,經(jīng)500次蒙特卡洛(Monte-Carlo)模擬,滯后時(shí)區(qū)間選擇0～8期,得到的各變量間脈沖響應(yīng)如圖12所示。其中橫軸為滯后期數(shù),縱軸為脈沖響應(yīng)大小。

圖12 各層網(wǎng)絡(luò)中心性脈沖響應(yīng)

圖12中,子圖(a)至(c)分別展示了股東網(wǎng)絡(luò)中心性對(duì)自身、貸款網(wǎng)絡(luò)中心性以及持股地產(chǎn)網(wǎng)絡(luò)中心性的脈沖響應(yīng)關(guān)系,結(jié)果表明:共同股東網(wǎng)絡(luò)中心性對(duì)共同貸款網(wǎng)絡(luò)中心性以及共同持股房地產(chǎn)網(wǎng)絡(luò)中心性均有著顯著的正向影響,印證了決策層股東網(wǎng)絡(luò)中心性提高會(huì)顯著促進(jìn)經(jīng)營(yíng)層持股地產(chǎn)網(wǎng)絡(luò)中心性上升,進(jìn)而誘發(fā)系統(tǒng)性風(fēng)險(xiǎn)的跨網(wǎng)絡(luò)傳染;子圖(d)至(f)展示了貸款網(wǎng)絡(luò)中心性對(duì)股東網(wǎng)絡(luò)中心性、自身以及持股地產(chǎn)網(wǎng)絡(luò)中心性的脈沖響應(yīng)關(guān)系,結(jié)果表明:共同貸款網(wǎng)絡(luò)中心性對(duì)房地產(chǎn)網(wǎng)絡(luò)中心性的變化存在顯著的正向傳染效應(yīng),并于第2期達(dá)到峰值,隨后趨向平穩(wěn);貸款網(wǎng)絡(luò)中心性對(duì)股東網(wǎng)絡(luò)中心性存在正向的影響路徑,但從置信區(qū)間來(lái)看,只有第3期沖擊顯著;子圖(g)至(i)展示了地產(chǎn)網(wǎng)絡(luò)中心性對(duì)股東網(wǎng)絡(luò)中心性、貸款網(wǎng)絡(luò)中心性以及自身的脈沖響應(yīng)關(guān)系,結(jié)果表明:房地產(chǎn)網(wǎng)絡(luò)對(duì)貸款網(wǎng)絡(luò)存在顯著的正向傳染效應(yīng),但在第4期后置信區(qū)間包括0,說(shuō)明房地產(chǎn)網(wǎng)絡(luò)對(duì)貸款網(wǎng)絡(luò)之間的傳染效應(yīng)為短期效應(yīng)。以上分析再次提供了銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)跨網(wǎng)絡(luò)傳染的證據(jù)。

六、結(jié)論與政策建議

刻畫并捕捉銀行間多層、復(fù)雜網(wǎng)絡(luò)對(duì)厘清系統(tǒng)性風(fēng)險(xiǎn)作用機(jī)理與傳染路徑具有重要意義。論文利用中國(guó)16家上市商業(yè)銀行2010年第三季度至2020年第四季度數(shù)據(jù),構(gòu)建動(dòng)態(tài)決策層網(wǎng)絡(luò)(基于共同股東形成的共同股東網(wǎng)絡(luò))與動(dòng)態(tài)經(jīng)營(yíng)層網(wǎng)絡(luò)(基于共同貸款形成的債權(quán)網(wǎng)絡(luò)與基于共同持股房地產(chǎn)公司形成的股權(quán)網(wǎng)絡(luò)),在多層網(wǎng)絡(luò)特征及系統(tǒng)性風(fēng)險(xiǎn)的基礎(chǔ)上,實(shí)證檢驗(yàn)了銀行系統(tǒng)性風(fēng)險(xiǎn)傳染的多層復(fù)雜網(wǎng)絡(luò)特征及作用機(jī)制。結(jié)果表明:銀行多層網(wǎng)絡(luò)中心性與系統(tǒng)性風(fēng)險(xiǎn)顯著正相關(guān),相較于單層網(wǎng)絡(luò),多層網(wǎng)絡(luò)結(jié)構(gòu)能夠捕捉更多的系統(tǒng)性風(fēng)險(xiǎn)信息,對(duì)系統(tǒng)性風(fēng)險(xiǎn)有更強(qiáng)的解釋力;銀行系統(tǒng)性風(fēng)險(xiǎn)傳染具有顯著的網(wǎng)絡(luò)間傳染與網(wǎng)絡(luò)內(nèi)傳染的立體式傳染特征,為系統(tǒng)性風(fēng)險(xiǎn)防范提出新思路;在銀行業(yè)多層網(wǎng)絡(luò)間,存在決策層網(wǎng)絡(luò)至經(jīng)營(yíng)層的風(fēng)險(xiǎn)傳染渠道,系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)跨網(wǎng)絡(luò)立體式傳染特征。

針對(duì)上述結(jié)論提出如下政策建議:第一,重視銀行尤其是系統(tǒng)重要性銀行多層網(wǎng)絡(luò)的復(fù)雜性與多重性特征。金融風(fēng)險(xiǎn)爆發(fā)時(shí)不僅通過(guò)單層網(wǎng)絡(luò)傳播,而是通過(guò)多層網(wǎng)絡(luò)立體式傳染,銀行機(jī)構(gòu)應(yīng)建立起以多層網(wǎng)絡(luò)為基礎(chǔ)的風(fēng)險(xiǎn)預(yù)警和識(shí)別機(jī)制,防范金融系統(tǒng)性風(fēng)險(xiǎn)跨層次的傳染;第二,完善和強(qiáng)化商業(yè)銀行尤其是系統(tǒng)重要性銀行內(nèi)外部治理。嚴(yán)格管控銀行間的共同股東,尤其是共同大股東數(shù)量與特征,通過(guò)加強(qiáng)銀行大股東資格審查、限制銀行間共同大股東數(shù)量等措施增強(qiáng)銀行間的決策獨(dú)立性,減少對(duì)銀行系統(tǒng)的風(fēng)險(xiǎn)溢出路徑;第三,高度重視銀行業(yè)共同貸款網(wǎng)絡(luò)與共同股權(quán)網(wǎng)絡(luò)的動(dòng)態(tài)監(jiān)管,強(qiáng)化銀行業(yè)差異化競(jìng)爭(zhēng)對(duì)策,抑制同質(zhì)性競(jìng)爭(zhēng),規(guī)范銀行對(duì)實(shí)體經(jīng)濟(jì)的股權(quán)投資,加強(qiáng)對(duì)產(chǎn)融結(jié)合的監(jiān)管;第四,加強(qiáng)對(duì)共同貸款企業(yè)尤其是行業(yè)龍頭企業(yè)、產(chǎn)業(yè)鏈核心企業(yè)的監(jiān)管、財(cái)務(wù)預(yù)警與信用評(píng)級(jí)的披露,重視貸款客戶集中度管理,提高企業(yè)尤其是上市公司(行業(yè)龍頭企業(yè)、產(chǎn)業(yè)鏈核心企業(yè))信用評(píng)級(jí)質(zhì)量,降低共同貸款企業(yè)的信用風(fēng)險(xiǎn);第五,進(jìn)一步加強(qiáng)和完善銀行業(yè)對(duì)地產(chǎn)行業(yè)貸款集中度管理制度的建設(shè),通過(guò)市場(chǎng)化手段優(yōu)化銀行業(yè)對(duì)房地產(chǎn)業(yè)的持股,在盈利性與資產(chǎn)安全性間尋求更大平穩(wěn);第六,穩(wěn)步實(shí)現(xiàn)銀行業(yè)資產(chǎn)在傳統(tǒng)產(chǎn)業(yè)資產(chǎn)(兩高行業(yè))與綠色產(chǎn)業(yè)資產(chǎn)間的動(dòng)態(tài)均衡,大力發(fā)展綠色金融,保證金融資產(chǎn)的安全性,將企業(yè)是否進(jìn)行ESG投資以及ESG報(bào)告質(zhì)量納入授信根據(jù),降低由于共同貸款企業(yè)及所持股企業(yè)的特質(zhì)風(fēng)險(xiǎn)在網(wǎng)絡(luò)中的傳染;第七,在現(xiàn)有限制單家銀行對(duì)地產(chǎn)企業(yè)的貸款集中度的基礎(chǔ)上,應(yīng)進(jìn)一步限制多家銀行對(duì)同家地產(chǎn)企業(yè)的貸款數(shù)量以及向同一家地產(chǎn)企業(yè)貸款的銀行數(shù)量,設(shè)立地產(chǎn)企業(yè)貸款銀行數(shù)量上限,有效降低風(fēng)險(xiǎn)傳播路徑,維持銀行業(yè)、房地產(chǎn)業(yè)的健康穩(wěn)定發(fā)展;第八,嘗試建立系統(tǒng)重要性非金融公司動(dòng)態(tài)評(píng)價(jià)、監(jiān)督、預(yù)警機(jī)制,在防止金融波動(dòng)與系統(tǒng)性風(fēng)險(xiǎn)影響實(shí)體經(jīng)濟(jì)的同時(shí),高度重視實(shí)體經(jīng)濟(jì)波動(dòng)通過(guò)共同股東網(wǎng)絡(luò)、共同貸款網(wǎng)絡(luò)等向金融系統(tǒng)的傳遞。