摘要：基于KMV模型和PageRank算法，提出新的測(cè)算銀行間雙邊風(fēng)險(xiǎn)敞口的具體方法，并從同業(yè)債務(wù)違約視角模擬分析了銀行間傳染風(fēng)險(xiǎn)。研究表明：在每一個(gè)年份，商業(yè)銀行同業(yè)負(fù)債引發(fā)傳染風(fēng)險(xiǎn)可能性的排名都不相同，呈現(xiàn)出時(shí)變屬性;中國國有大型商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重在整個(gè)銀行體系中并不突出，說明中國國有大型商業(yè)銀行倒閉引發(fā)傳染風(fēng)險(xiǎn)的概率很低;中小商業(yè)銀行既是傳染風(fēng)險(xiǎn)的主要發(fā)起者，又是主要承受者;國有大型商業(yè)銀行幾乎不受傳染風(fēng)險(xiǎn)的影響，即使銀行體系出現(xiàn)大規(guī)模傳染危機(jī)也不會(huì)倒閉。此外，即使樣本中其他23家商業(yè)銀行全部倒閉，中國銀行、中國工商銀行、中國建設(shè)銀行、中國農(nóng)業(yè)銀行和招商銀行的資本均不會(huì)低于監(jiān)管要求，說明這幾家商業(yè)銀行能夠在傳染風(fēng)險(xiǎn)中保持較高的資本充足率水平，基本不會(huì)出現(xiàn)倒閉風(fēng)險(xiǎn)。

關(guān)鍵詞：商業(yè)銀行;債務(wù)違約;資本充足率;網(wǎng)絡(luò)結(jié)構(gòu);風(fēng)險(xiǎn)管理;傳染風(fēng)險(xiǎn)

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-2848-2020（03）-0069-11

2008年金融危機(jī)證明金融創(chuàng)新會(huì)增加金融體系的脆弱性程度，使得金融沖擊迅速傳導(dǎo)至實(shí)體經(jīng)濟(jì)。這種脆弱性產(chǎn)生的根源在于金融創(chuàng)新增加了金融機(jī)構(gòu)之間的關(guān)聯(lián)度和金融體系的復(fù)雜性。從這個(gè)意義來講，從網(wǎng)絡(luò)結(jié)構(gòu)視角研究系統(tǒng)性金融風(fēng)險(xiǎn)成為一個(gè)主要的發(fā)展趨勢(shì)，學(xué)者們也將“大而不倒”（too?big?to?fail）的思想延伸到“關(guān)聯(lián)度太廣而不能倒”（too?connected?to?fail）和“處于中心化而不能倒”（too?central?to?fail）。為了管理系統(tǒng)性金融風(fēng)險(xiǎn)，巴塞爾委員會(huì)在2009年提出了“系統(tǒng)重要性”的監(jiān)管理念，并對(duì)系統(tǒng)重要性金融機(jī)構(gòu)提出更為嚴(yán)格的資本充足率要求。

在確定一家金融機(jī)構(gòu)的系統(tǒng)重要性程度時(shí)，關(guān)聯(lián)度是非常重要的維度。然而，巴塞爾委員會(huì)主要依靠指標(biāo)法來測(cè)算一家金融機(jī)構(gòu)的系統(tǒng)重要性程度，并沒有有效考慮金融機(jī)構(gòu)之間復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。雖然在巴塞爾委員會(huì)發(fā)布的系統(tǒng)重要性指標(biāo)體系中包括了關(guān)聯(lián)度指標(biāo)，但這些指標(biāo)都來自于金融機(jī)構(gòu)的資產(chǎn)負(fù)債表，而財(cái)務(wù)報(bào)表的信息往往沒有及時(shí)更新，無法反映金融市場對(duì)商業(yè)銀行資產(chǎn)負(fù)債信息的真實(shí)觀點(diǎn)。金融機(jī)構(gòu)之間的交易關(guān)聯(lián)關(guān)系是動(dòng)態(tài)的，因此金融機(jī)構(gòu)的系統(tǒng)重要性程度也應(yīng)該根據(jù)金融市場的交易情況進(jìn)行動(dòng)態(tài)調(diào)整，更及時(shí)地反映金融市場的觀點(diǎn)。本文的主要貢獻(xiàn)在于結(jié)合資本市場數(shù)據(jù)計(jì)算每家商業(yè)銀行引發(fā)傳染風(fēng)險(xiǎn)的可能性（即下文所稱的“傳染風(fēng)險(xiǎn)權(quán)重”），并使用PageRank算法估算銀行間雙邊債務(wù)風(fēng)險(xiǎn)敞口。此雙邊債務(wù)風(fēng)險(xiǎn)敞口反映了市場對(duì)傳染風(fēng)險(xiǎn)的判斷，比單純的最大化熵的辦法更貼近實(shí)際。在此基礎(chǔ)上，本文模擬分析銀行間債務(wù)違約引發(fā)的傳染風(fēng)險(xiǎn)，以期為系統(tǒng)性風(fēng)險(xiǎn)管理提供參考。

一、相關(guān)文獻(xiàn)綜述

2008年金融危機(jī)爆發(fā)后，測(cè)算傳染風(fēng)險(xiǎn)成為系統(tǒng)性風(fēng)險(xiǎn)管理的一項(xiàng)重要工作。一家金融機(jī)構(gòu)的系統(tǒng)重要性程度與其引發(fā)傳染風(fēng)險(xiǎn)的可能性密切相關(guān)。在現(xiàn)實(shí)的金融體系中，系統(tǒng)重要性金融機(jī)構(gòu)往往也是大型金融機(jī)構(gòu)，因此規(guī)模往往是決定一家金融機(jī)構(gòu)系統(tǒng)重要性程度的關(guān)鍵指標(biāo)之一。但金融機(jī)構(gòu)規(guī)模大，并不一定代表著關(guān)聯(lián)度廣[1]。比如，一個(gè)處在監(jiān)管半徑范圍內(nèi)的共同基金規(guī)模可能非常大，但由于其經(jīng)營方式透明，且經(jīng)營策略簡單，因此共同基金與其他金融機(jī)構(gòu)的關(guān)聯(lián)度不一定非常高。但如果一家金融機(jī)構(gòu)規(guī)模很小，但處在金融系統(tǒng)的關(guān)鍵節(jié)點(diǎn)上（比如貝爾斯登），則這家金融機(jī)構(gòu)就會(huì)因?yàn)殛P(guān)聯(lián)度廣而具有很強(qiáng)的經(jīng)營外部性，因此規(guī)模小的金融機(jī)構(gòu)的系統(tǒng)重要性也會(huì)非常高[2]。

（一）銀行間風(fēng)險(xiǎn)傳染的網(wǎng)絡(luò)結(jié)構(gòu)原理

在研究傳染風(fēng)險(xiǎn)方面，基于網(wǎng)絡(luò)結(jié)構(gòu)原理進(jìn)行研究得到了學(xué)者的廣為使用。銀行網(wǎng)絡(luò)結(jié)構(gòu)原理假設(shè)商業(yè)銀行通過資產(chǎn)業(yè)務(wù)、負(fù)債業(yè)務(wù)和表外業(yè)務(wù)等各類業(yè)務(wù)聯(lián)系在一起，既通過資產(chǎn)負(fù)債結(jié)構(gòu)，又通過金融市場緊密關(guān)聯(lián)。在網(wǎng)絡(luò)結(jié)構(gòu)理論中，節(jié)點(diǎn)表示商業(yè)銀行，有向邊表示商業(yè)銀行之間的業(yè)務(wù)關(guān)聯(lián)。在網(wǎng)絡(luò)結(jié)構(gòu)理論中，商業(yè)銀行之間的傳染風(fēng)險(xiǎn)通過以下幾個(gè)渠道發(fā)生：第一，違約傳染渠道，其關(guān)注點(diǎn)主要集中于金融機(jī)構(gòu)倒閉所引發(fā)的傳染風(fēng)險(xiǎn)[3-4];第二，金融機(jī)構(gòu)經(jīng)營陷入困境引發(fā)的傳染風(fēng)險(xiǎn)，其主要研究金融機(jī)構(gòu)沒有倒閉所引發(fā)的傳染風(fēng)險(xiǎn)[5-6];第三，共同風(fēng)險(xiǎn)敞口暴露，即金融機(jī)構(gòu)均暴露于同一類別的資產(chǎn)價(jià)格風(fēng)險(xiǎn)之下（比如2008年金融危機(jī)的房地產(chǎn)價(jià)格）[7-8];第四，融資渠道，即流動(dòng)性風(fēng)險(xiǎn)導(dǎo)致金融機(jī)構(gòu)相繼倒閉[9-10]。

網(wǎng)絡(luò)分析方法包括三個(gè)層面。第一個(gè)層面使用拓?fù)溲芯糠椒ㄅ袛鄬?shí)體之間是否存在關(guān)聯(lián)關(guān)系，對(duì)于金融機(jī)構(gòu)來講，這些關(guān)系包括交易關(guān)系、所有者關(guān)系、信貸關(guān)系等。第二個(gè)層面是對(duì)這些關(guān)聯(lián)關(guān)系進(jìn)行賦權(quán)。第三個(gè)層面是為節(jié)點(diǎn)分配自由度，來決定哪個(gè)節(jié)點(diǎn)能夠塑造該網(wǎng)絡(luò)結(jié)構(gòu)。Battiston等[11-12]使用網(wǎng)絡(luò)分析法計(jì)算金融機(jī)構(gòu)的系統(tǒng)重要性程度。Thurner等[13]指出，網(wǎng)絡(luò)分析方法能夠有效地幫助金融機(jī)構(gòu)挑選交易對(duì)手，繼而降低交易對(duì)手信用風(fēng)險(xiǎn)。Kuzubas等[14]證明網(wǎng)絡(luò)分析法對(duì)系統(tǒng)重要性程度的預(yù)測(cè)表現(xiàn)良好。

（二）網(wǎng)絡(luò)分析法在傳染風(fēng)險(xiǎn)研究中的使用

金融體系存在廣泛的關(guān)聯(lián)度。一方面，關(guān)聯(lián)度越廣，風(fēng)險(xiǎn)分散越充分，系統(tǒng)性風(fēng)險(xiǎn)越低;另一方面，關(guān)聯(lián)度越廣，風(fēng)險(xiǎn)擴(kuò)散傳染的“面”就越大。Allen等[3，15-16]較早從關(guān)聯(lián)度出發(fā)，以網(wǎng)絡(luò)視角研究金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)。De?Bandt等[15]討論了在復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)下，商業(yè)銀行同時(shí)倒閉的傳染機(jī)制：雙邊借貸關(guān)系受損、共同的風(fēng)險(xiǎn)敞口導(dǎo)致商業(yè)銀行間關(guān)聯(lián)度陡升、資產(chǎn)拋售行為導(dǎo)致的反饋效應(yīng)以及最后的風(fēng)險(xiǎn)傳染爆發(fā)。Allen等[3，16]也對(duì)金融體系的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了理論研究。理論分析表明，金融機(jī)構(gòu)之間的關(guān)聯(lián)關(guān)系渠道越多，金融體系越能夠有效抵御沖擊[17-18]。這種分散化機(jī)制會(huì)將沖擊分擔(dān)至每一個(gè)金融機(jī)構(gòu)，因此單個(gè)金融機(jī)構(gòu)所承擔(dān)的風(fēng)險(xiǎn)很小。但2008年金融危機(jī)卻表明，一旦金融機(jī)構(gòu)關(guān)聯(lián)度過高，風(fēng)險(xiǎn)的傳染性反而更強(qiáng)。過長的金融機(jī)構(gòu)關(guān)聯(lián)度鏈條會(huì)將一個(gè)小的沖擊逐漸放大[2]。Caballero等[19-20]的實(shí)證分析表明，關(guān)聯(lián)度越高，爆發(fā)金融危機(jī)的可能性越大。

對(duì)金融網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)注使得學(xué)者設(shè)計(jì)反映金融體系網(wǎng)絡(luò)結(jié)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)測(cè)度指標(biāo)。Kara等[21]將基于網(wǎng)絡(luò)結(jié)構(gòu)的測(cè)度指標(biāo)分為直接指標(biāo)和間接指標(biāo)。直接指標(biāo)關(guān)注金融機(jī)構(gòu)之間的雙邊關(guān)聯(lián)度，間接指標(biāo)更加側(cè)重使用金融市場數(shù)據(jù)研究金融機(jī)構(gòu)之間的關(guān)聯(lián)關(guān)系。基于網(wǎng)絡(luò)結(jié)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)測(cè)度方法主要包括主成分分析法、銀行間敞口暴露估算以及基于跨境關(guān)聯(lián)度數(shù)據(jù)的測(cè)算[22]。主成分分析法主要提取影響系統(tǒng)性風(fēng)險(xiǎn)的共同風(fēng)險(xiǎn)因子，Kritzman等[23-24]的研究較具代表性。而銀行間敞口估算更加依靠圖論進(jìn)行分析[25-26]?；诳缇酬P(guān)聯(lián)度數(shù)據(jù)的分析往往測(cè)算風(fēng)險(xiǎn)在各個(gè)國家之間的傳染問題[27]。在整合學(xué)術(shù)研究基礎(chǔ)上，International?Monetary?Fund等[28-29]比較了CoVaR、共同違約概率（Joint?Probability?of?Distress，JPoD）、DY指數(shù)[30]、或有分析方法、條件違約概率等指標(biāo)在測(cè)度系統(tǒng)性風(fēng)險(xiǎn)方面的準(zhǔn)確性。ChanLau[25]基于關(guān)聯(lián)度的思想提出應(yīng)根據(jù)關(guān)聯(lián)度指標(biāo)來對(duì)系統(tǒng)重要性銀行施加額外資本要求。Federal?Reserve?Bank?of?Minneapolis[31]提出，要結(jié)束“大而不倒”的觀念，應(yīng)根據(jù)“處于中心化而不能倒（too?central?to?fail）”的理念來設(shè)計(jì)監(jiān)管措施。

對(duì)于金融機(jī)構(gòu)之間傳染風(fēng)險(xiǎn)研究的難點(diǎn)在于缺少金融機(jī)構(gòu)之間雙邊風(fēng)險(xiǎn)敞口的數(shù)據(jù)，尤其是金融機(jī)構(gòu)之間交易的明細(xì)、高精度數(shù)據(jù)。學(xué)者們往往通過構(gòu)建一個(gè)虛擬的銀行體系來分析金融脆弱性。Nier等[32]分析了不同銀行業(yè)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。Erol等[33]從銀行間市場傳染的角度研究如何對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行監(jiān)管。更多的學(xué)者使用模擬的方法解決數(shù)據(jù)缺失的問題。Gai等[34-35]開發(fā)了金融網(wǎng)絡(luò)的傳染模型，發(fā)現(xiàn)復(fù)雜性和集中度是導(dǎo)致沖擊放大和脆弱性增加的主要原因。Krause等[36]考慮了多個(gè)商業(yè)銀行的特征，對(duì)金融網(wǎng)絡(luò)的刻畫更加真實(shí)，認(rèn)為銀行間信貸是銀行倒閉的主要傳導(dǎo)機(jī)制。Elliott等[37-38]研究相互獨(dú)立金融機(jī)構(gòu)之間的倒閉傳染問題，以及網(wǎng)絡(luò)結(jié)構(gòu)對(duì)金融體系穩(wěn)定的影響。數(shù)據(jù)的缺乏也給監(jiān)管當(dāng)局帶來了巨大的挑戰(zhàn)，因此比利時(shí)中央銀行、奧地利中央銀行、英格蘭銀行也紛紛采用模擬的辦法進(jìn)行實(shí)證分析[39-41]。

中國學(xué)者對(duì)從網(wǎng)絡(luò)結(jié)構(gòu)視角研究銀行間傳染風(fēng)險(xiǎn)也非常關(guān)注。李宗怡等[42]模擬分析2003年底我國17家商業(yè)銀行之間的傳染風(fēng)險(xiǎn)，結(jié)論表明我國銀行業(yè)爆發(fā)傳染風(fēng)險(xiǎn)的概率很低。馬君潞等[43]模擬130家商業(yè)銀行的雙邊風(fēng)險(xiǎn)敞口，研究表明中國銀行和中國建設(shè)銀行具有較高的風(fēng)險(xiǎn)傳染性，傳染風(fēng)險(xiǎn)一旦爆發(fā)，城市商業(yè)銀行會(huì)大量倒閉。隨著2008年金融危機(jī)爆發(fā)，更多的學(xué)者從系統(tǒng)重要性視角分析商業(yè)銀行引發(fā)傳染風(fēng)險(xiǎn)的概率。王占浩等[44]研究表明，我國國有四大行具有一定的風(fēng)險(xiǎn)傳染性，中國工商銀行倒閉會(huì)引發(fā)大規(guī)模的傳染風(fēng)險(xiǎn)。隋聰?shù)萚45-46]從3種網(wǎng)絡(luò)結(jié)構(gòu)和4種情景出發(fā)，對(duì)銀行間債務(wù)網(wǎng)絡(luò)進(jìn)行模擬實(shí)驗(yàn)，研究銀行間借貸比率、資本充足率等銀行特征變量對(duì)傳染風(fēng)險(xiǎn)的影響，發(fā)現(xiàn)銀行間網(wǎng)絡(luò)連接傾向具有異質(zhì)性。吳念魯?shù)萚47]研究了中國銀行同業(yè)之間的流動(dòng)性風(fēng)險(xiǎn)的傳染問題，發(fā)現(xiàn)中國銀行、中國工商銀行、興業(yè)銀行和中國農(nóng)業(yè)銀行是中心節(jié)點(diǎn)，違約倒閉后果嚴(yán)重?？傮w而言，隨著中國銀行業(yè)的快速擴(kuò)張以及系統(tǒng)重要性程度增加，傳染風(fēng)險(xiǎn)較高，一旦爆發(fā)，后果嚴(yán)重。

從網(wǎng)絡(luò)結(jié)構(gòu)研究傳染風(fēng)險(xiǎn)的前提條件是有效估計(jì)銀行雙邊風(fēng)險(xiǎn)敞口。從交易對(duì)手信用風(fēng)險(xiǎn)來看，債權(quán)人對(duì)債務(wù)人存在風(fēng)險(xiǎn)敞口，一旦債務(wù)人違約，風(fēng)險(xiǎn)就會(huì)波及債權(quán)人。從我國銀行業(yè)特征來看，存款保險(xiǎn)制度使得99%以上的儲(chǔ)戶存款得到國家政府的保證，因此傳染風(fēng)險(xiǎn)來源主要是銀行間的債權(quán)債務(wù)關(guān)系。但是銀行間債權(quán)債務(wù)關(guān)系的披露信息非常稀少，使得學(xué)者們需要使用一些理想的假設(shè)條件來估算每家商業(yè)銀行的同業(yè)債務(wù)風(fēng)險(xiǎn)敞口，而在估算過程中所使用的數(shù)據(jù)為商業(yè)銀行同業(yè)資產(chǎn)負(fù)債數(shù)據(jù)，主要來自于商業(yè)銀行資產(chǎn)負(fù)債表。

研究銀行間傳染風(fēng)險(xiǎn)的難點(diǎn)在于無法公開獲取銀行間的雙邊風(fēng)險(xiǎn)敞口。雖然學(xué)者們使用了各種方法對(duì)其進(jìn)行估算，但大多數(shù)學(xué)者的研究僅僅依賴于資產(chǎn)負(fù)債表的數(shù)據(jù)，并沒有反映資本市場對(duì)傳染風(fēng)險(xiǎn)的預(yù)期。隨著中國大型商業(yè)銀行相繼上市，以及地方性城市商業(yè)銀行也大批上市，運(yùn)用資本市場數(shù)據(jù)研究銀行間市場的傳染風(fēng)險(xiǎn)，繼而估算銀行間雙邊風(fēng)險(xiǎn)敞口比單純對(duì)敞口的分布特征進(jìn)行理想化的假設(shè)更具有客觀性。既然是研究銀行間市場的傳染風(fēng)險(xiǎn)，不可避免地需要商業(yè)銀行倒閉概率的數(shù)據(jù)。本文的貢獻(xiàn)在于基于資本市場的時(shí)間序列數(shù)據(jù)測(cè)算每家商業(yè)銀行的隱含倒閉概率的時(shí)間序列以及一旦倒閉后所導(dǎo)致的隱含違約損失率，即在學(xué)者們對(duì)違約損失率假設(shè)的基礎(chǔ)上，通過資本市場數(shù)據(jù)測(cè)算違約損失率，結(jié)果更具有客觀性。在得到上述參數(shù)基礎(chǔ)上，為了研究傳染風(fēng)險(xiǎn)的方向性，本文將上述倒閉概率的時(shí)間序列數(shù)據(jù)納入格蘭杰因果檢驗(yàn)的分析框架中，研究每家商業(yè)銀行受其他商業(yè)銀行影響的顯著性水平，提取代表顯著性水平的P值，作為初始矩陣代入Page等[48]提出的PageRank算法中，繼而估算雙邊風(fēng)險(xiǎn)敞口。在此基礎(chǔ)上，本文模擬分析商業(yè)銀行在銀行間市場違約后所導(dǎo)致的傳染風(fēng)險(xiǎn)后果，以期為中國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)管理提供參考。

二、商業(yè)銀行引發(fā)傳染風(fēng)險(xiǎn)的權(quán)重測(cè)度

商業(yè)銀行傳染風(fēng)險(xiǎn)來自銀行間雙邊債務(wù)風(fēng)險(xiǎn)敞口。然而，各個(gè)商業(yè)銀行之間的雙邊債務(wù)風(fēng)險(xiǎn)敞口的精細(xì)化數(shù)據(jù)可得性較差，據(jù)筆者掌握的信息來源，沒有公開可得的數(shù)據(jù)。每家上市商業(yè)銀行的財(cái)務(wù)報(bào)告僅僅公開存放同業(yè)和其他金融機(jī)構(gòu)存放款項(xiàng)以及拆入資金總額等會(huì)計(jì)科目。為了測(cè)算商業(yè)銀行之間的傳染風(fēng)險(xiǎn)，大多數(shù)學(xué)者均使用最大化熵假設(shè)來估計(jì)銀行間的雙邊風(fēng)險(xiǎn)敞口。最大化熵方法假設(shè)商業(yè)銀行盡可能將風(fēng)險(xiǎn)敞口平均分配至銀行體系的其他商業(yè)銀行。然而在實(shí)踐中，由于不同商業(yè)銀行在銀行體系所處的地位不同，銀行間市場往往呈現(xiàn)出“中心—四周”結(jié)構(gòu)，因此商業(yè)銀行并不會(huì)將風(fēng)險(xiǎn)敞口盡可能平均分配。因此，如何根據(jù)總體同業(yè)負(fù)債數(shù)據(jù)估算銀行間雙邊風(fēng)險(xiǎn)敞口是研究傳染風(fēng)險(xiǎn)的核心和難點(diǎn)。

雙邊風(fēng)險(xiǎn)敞口與傳染風(fēng)險(xiǎn)大小密切相關(guān)。商業(yè)銀行B對(duì)商業(yè)銀行A產(chǎn)生傳染風(fēng)險(xiǎn)的可能性越大，商業(yè)銀行A對(duì)商業(yè)銀行B的風(fēng)險(xiǎn)敞口就越大，即B在A的總的同業(yè)風(fēng)險(xiǎn)敞口中占比越高。因此，如果能夠估計(jì)每家商業(yè)銀行在銀行體系中的風(fēng)險(xiǎn)傳染權(quán)重，將每家商業(yè)銀行的風(fēng)險(xiǎn)權(quán)重乘以某一商業(yè)銀行的同業(yè)負(fù)債總額，就可以得到該家商業(yè)銀行對(duì)每家商業(yè)銀行的傳染風(fēng)險(xiǎn)敞口。在傳染風(fēng)險(xiǎn)權(quán)重測(cè)度中，權(quán)重越高，商業(yè)銀行倒閉所引發(fā)的傳染風(fēng)險(xiǎn)的可能性就越高。

（一）測(cè)度方法

本文使用Page等[48]提出的PageRank算法計(jì)算傳染風(fēng)險(xiǎn)權(quán)重。PageRank算法需要構(gòu)造鄰接矩陣，A所在位置確定是行位置，B的位置確定是列位置。假設(shè)由A指向（影響）B，即如果A對(duì)B有傳染風(fēng)險(xiǎn)，那么矩陣的第一行第二列是1。

PageRank算法需要得到每家商業(yè)銀行的傳染風(fēng)險(xiǎn)方向，但基于傳統(tǒng)相關(guān)性的視角測(cè)度傳染風(fēng)險(xiǎn)無法得到傳染的方向。為了得到每家商業(yè)銀行的傳染風(fēng)險(xiǎn)方向，參考International?Monetary?Fund等[49-50]的方法，本文首先使用基于或有分析方法（contingent?claim?analysis）的代表性模型KMV，使用股票市場數(shù)據(jù)，測(cè)度單家商業(yè)銀行隱含的倒閉概率的時(shí)間序列數(shù)據(jù)作為表示商業(yè)銀行經(jīng)營風(fēng)險(xiǎn)的指標(biāo)[49-52]，具體計(jì)算公式為

其中，ET為銀行股票市值;

AT為銀行資產(chǎn)市場價(jià)值;

DB為債務(wù)違約點(diǎn);

r為無風(fēng)險(xiǎn)利率，本文使用隔夜Shibor作為代表;

N（）為標(biāo)準(zhǔn)正態(tài)分布累積函數(shù);

σA為資產(chǎn)市場價(jià)值的標(biāo)準(zhǔn)差;

T表示時(shí)間，本文設(shè)置為1年。假設(shè)銀行資產(chǎn)市場價(jià)格服從對(duì)數(shù)正態(tài)分布，銀行在T時(shí)間內(nèi)違約概率（PD）和違約損失率（LGD）為

在測(cè)度所有樣本內(nèi)商業(yè)銀行的違約概率時(shí)間序列基礎(chǔ)上，本文將這些時(shí)間序列數(shù)據(jù)納入向量自回歸分析框架，并運(yùn)用格蘭杰因果檢驗(yàn)方法研究每家商業(yè)銀行的風(fēng)險(xiǎn)對(duì)其他商業(yè)銀行風(fēng)險(xiǎn)的影響。在運(yùn)用格蘭杰因果檢驗(yàn)的方法中，本文對(duì)PageRank算法中的鄰接矩陣的輸入進(jìn)行了調(diào)整。在格蘭杰因果檢驗(yàn)中，P值的水平說明影響的顯著性，因此本文使用1減去P值所得到的數(shù)值代表一家商業(yè)銀行對(duì)另一家商業(yè)銀行影響的顯著程度，并將該值代入鄰接矩陣中。在矩陣中該值越高，檢驗(yàn)結(jié)果越顯著，影響就越大。由于商業(yè)銀行對(duì)自身不存在傳染風(fēng)險(xiǎn)，因此本文將鄰接矩陣的對(duì)角元素設(shè)置為0。在得到格蘭杰因果檢驗(yàn)P值基礎(chǔ)上，本文通過使用PageRank算法得到每家商業(yè)銀行在整個(gè)銀行業(yè)中的傳染風(fēng)險(xiǎn)權(quán)重，即引發(fā)傳染風(fēng)險(xiǎn)可能性的大小。

（二）引發(fā)傳染風(fēng)險(xiǎn)權(quán)重測(cè)度的實(shí)證結(jié)果

由于KMV模型使用的前提條件是必須有股票交易數(shù)據(jù)，因此本文的樣本為中國上市商業(yè)銀行。綜合考慮數(shù)據(jù)可得性情況，本文的樣本期間為2007年7月1日—2018年12月31日，樣本商業(yè)銀行包括5家國有大型商業(yè)銀行（中國農(nóng)業(yè)銀行、中國工商銀行、中國建設(shè)銀行、中國銀行、交通銀行）、8家股份制商業(yè)銀行（光大銀行、華夏銀行、民生銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行）以及15家城市商業(yè)銀行（北京銀行、南京銀行、寧波銀行、常熟銀行、江陰銀行、貴陽銀行、杭州銀行、上海銀行、江蘇銀行、無錫銀行、蘇農(nóng)銀行、張家港銀行、鄭州銀行、長沙銀行、成都銀行）。

根據(jù)KMV模型求得的每家上市商業(yè)銀行倒閉風(fēng)險(xiǎn)的時(shí)間序列如圖1所示?？梢钥闯觯诓煌攴菝考疑虡I(yè)銀行的風(fēng)險(xiǎn)走勢(shì)并不完全相同，因此各年份整體銀行業(yè)的傳染風(fēng)險(xiǎn)特征也并不一致，所以本文在每一個(gè)年度都進(jìn)行一次向量自回歸分析，2007年下半年與2008年的樣本數(shù)據(jù)放在一起進(jìn)行向量自回歸。如果在某一年份樣本中的商業(yè)銀行沒有上市，則去掉該樣本。

注：B1為中國農(nóng)業(yè)銀行、B2為中國工商銀行、B3為中國建設(shè)銀行、B4為中國銀行、B5為交通銀行、B6為光大銀行、B7為華夏銀行、B8為民生銀行、B9為招商銀行、B10為浦發(fā)銀行、B11為興業(yè)銀行、B12為平安銀行、B13為中信銀行、B14為北京銀行、B15為南京銀行、B16為寧波銀行、B17為常熟銀行、B18為江陰銀行、B19為貴陽銀行、B20為杭州銀行、B21為上海銀行、B22為江蘇銀行、B23為無錫銀行、B24為蘇農(nóng)銀行、B25為張家港銀行、B26為鄭州銀行、B27為長沙銀行、B28為成都銀行。

各年度各個(gè)商業(yè)銀行傳染風(fēng)險(xiǎn)權(quán)重排序見表1。可以看出，商業(yè)銀行在各年度的傳染風(fēng)險(xiǎn)權(quán)重排名并不一致，且變化較大。在全球金融危機(jī)肆虐的2007—2009年，我國國有大型商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重并不是最高。2007—2008年南京銀行排名第一，且一些大型股份制商業(yè)銀行的排名高于國有大型商業(yè)銀行。2009年華夏銀行排名第一，而2007—2008年排名第二的中國銀行排名下降幅度非常大。到2010年，國有大型商業(yè)銀行傳染風(fēng)險(xiǎn)權(quán)重排名整體呈現(xiàn)了上升態(tài)勢(shì)，除中國工商銀行外，中國建設(shè)銀行、交通銀行、中國農(nóng)業(yè)銀行、中國銀行排名均處在前列。而2011—2014年整體上國有大型商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重排名處在前列。2015—2016年國有大型商業(yè)銀行傳染風(fēng)險(xiǎn)權(quán)重的排名整體略有下降。2017—2018年，隨著大量的中小區(qū)域性城市商業(yè)銀行上市，國有大型商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重也呈現(xiàn)下降態(tài)勢(shì)，中小商業(yè)銀行的傳染風(fēng)險(xiǎn)不可忽視?？傮w而言，我國國有大型商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重在整個(gè)銀行體系中并不突出，這說明我國國有大型商業(yè)銀行倒閉引發(fā)傳染風(fēng)險(xiǎn)的概率很小。這一方面是因?yàn)閲写笮蜕虡I(yè)銀行本身倒閉的概率較小，另一方面也是因?yàn)橘Y本市場已經(jīng)預(yù)判到，一旦國有大型商業(yè)銀行出現(xiàn)困境，國家會(huì)進(jìn)行救助，因此不會(huì)引發(fā)大規(guī)模的銀行業(yè)危機(jī)[53]。

三、同業(yè)債務(wù)違約傳染風(fēng)險(xiǎn)模擬分析——以2018年為例

由于2018年上市商業(yè)銀行個(gè)數(shù)最多，因此本文認(rèn)為模擬其他年份的傳染風(fēng)險(xiǎn)意義不大，因此主要模擬2018年商業(yè)銀行同業(yè)債務(wù)違約導(dǎo)致的傳染風(fēng)險(xiǎn)。

本文將銀行間同業(yè)債務(wù)定義為商業(yè)銀行同業(yè)和其他金融機(jī)構(gòu)存放款項(xiàng)與拆入資金之和。在表1計(jì)算傳染風(fēng)險(xiǎn)權(quán)重基礎(chǔ)上，對(duì)于每家商業(yè)銀行，本文分別對(duì)除該家商業(yè)銀行之外的其他商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重進(jìn)行標(biāo)準(zhǔn)化，并將重新得到的風(fēng)險(xiǎn)權(quán)重乘以商業(yè)銀行的同業(yè)負(fù)債，進(jìn)而求得每家商業(yè)銀行對(duì)該家商業(yè)銀行的雙邊風(fēng)險(xiǎn)敞口。根據(jù)式（4）違約損失率的測(cè)算結(jié)果，本文發(fā)現(xiàn)違約損失率結(jié)果都是100%，說明一旦商業(yè)銀行出現(xiàn)債務(wù)違約，債權(quán)人會(huì)出現(xiàn)100%損失。假設(shè)這些損失會(huì)直接導(dǎo)致資本充足率的降低，一旦資本降低至零，則商業(yè)銀行倒閉。此時(shí)，根據(jù)第三部分的格蘭杰因果檢驗(yàn)結(jié)果，選擇倒閉的這家商業(yè)銀行能夠在10%水平上顯著影響的商業(yè)銀行并假設(shè)這些商業(yè)銀行倒閉，假設(shè)這些商業(yè)銀行的債權(quán)全部損失，進(jìn)而引發(fā)新一輪的傳染風(fēng)險(xiǎn)。如果此輪并沒有導(dǎo)致新的商業(yè)銀行傳染風(fēng)險(xiǎn)，則傳染終止。這時(shí)，假設(shè)按照表1中2018年的風(fēng)險(xiǎn)權(quán)重順序，下一家沒有倒閉的商業(yè)銀行倒閉，引發(fā)新一輪傳染風(fēng)險(xiǎn)。

2018年商業(yè)銀行傳染風(fēng)險(xiǎn)模擬如圖2所示，箭頭方向表示傳染的方向。如果格蘭杰因果檢驗(yàn)顯著性水平較高（即P值小于0.1），則將鄰近矩陣中對(duì)應(yīng)的點(diǎn)設(shè)置為1，否則為0?？梢钥闯?，中國商業(yè)銀行體系中，中小銀行受到傳染風(fēng)險(xiǎn)的沖擊比較大，而國有大型商業(yè)銀行受到傳染風(fēng)險(xiǎn)的影響比較小。此外，國有大型商業(yè)銀行也并非是傳染發(fā)起的主要節(jié)點(diǎn)，許多中小商業(yè)銀行，比如寧波銀行、鄭州銀行、江蘇銀行卻是主要的傳染風(fēng)險(xiǎn)發(fā)起點(diǎn)。

為了考慮監(jiān)管要求，本文首先將每家商業(yè)銀行風(fēng)險(xiǎn)加權(quán)資產(chǎn)乘以8%，得到監(jiān)管資本要求。一旦債務(wù)違約導(dǎo)致的損失使得商業(yè)銀行資本低于監(jiān)管要求，監(jiān)管當(dāng)局就要介入，以便控制風(fēng)險(xiǎn)。本部分所有的商業(yè)銀行財(cái)務(wù)數(shù)據(jù)均來自Wind數(shù)據(jù)庫。

傳染風(fēng)險(xiǎn)的模擬結(jié)果見表2，輪次按照表1的傳染風(fēng)險(xiǎn)權(quán)重進(jìn)行排序。根據(jù)2018年的傳染風(fēng)險(xiǎn)權(quán)重，首先假定江陰銀行率先倒閉，并開始引發(fā)傳染風(fēng)險(xiǎn)。但由于江陰銀行規(guī)模較小，且同業(yè)負(fù)債交易量比較小，因此江陰銀行倒閉并沒有導(dǎo)致其他商業(yè)銀行倒閉，也沒有導(dǎo)致其他商業(yè)銀行資本充足率顯著降低。第二輪是光大銀行倒閉，光大銀行倒閉直接導(dǎo)致常熟銀行、無錫銀行、蘇農(nóng)銀行和張家港銀行的倒閉，并導(dǎo)致成都銀行、貴陽銀行、鄭州銀行、長沙銀行資本充足率低于監(jiān)管要求。常熟銀行、無錫銀行、蘇農(nóng)銀行和張家港銀行的倒閉并沒有引致其他銀行的倒閉，因此本文繼續(xù)模擬第三輪的傳染風(fēng)險(xiǎn)，按順序假設(shè)民生銀行倒閉，這直接導(dǎo)致成都銀行、貴陽銀行、鄭州銀行、長沙銀行等上一輪資本充足率低于監(jiān)管要求的商業(yè)銀行倒閉，同時(shí)導(dǎo)致杭州銀行、南京銀行、寧波銀行和江蘇銀行資本充足率低于監(jiān)管要求。隨后按照順序，寧波銀行倒閉，之后中信銀行倒閉引發(fā)杭州銀行和南京銀行倒閉，并引發(fā)華夏銀行、平安銀行、上海銀行、北京銀行的資本充足率低于監(jiān)管要求。隨著傳染風(fēng)險(xiǎn)的逐漸加劇，單家銀行倒閉所引發(fā)其他銀行倒閉的個(gè)數(shù)越來越少。到第十輪，中國銀行倒閉，導(dǎo)致招商銀行資本充足率低于監(jiān)管要求。模擬到第九輪發(fā)現(xiàn)，即使其他23家商業(yè)銀行全部倒閉，中國銀行、中國工商銀行、中國建設(shè)銀行、中國農(nóng)業(yè)銀行和招商銀行的資本充足率均不會(huì)低于監(jiān)管要求，說明這幾家商業(yè)銀行能夠在傳染風(fēng)險(xiǎn)中保持較高的資本充足率水平，基本不會(huì)出現(xiàn)倒閉風(fēng)險(xiǎn)。

對(duì)于中國銀行業(yè)來講，國家聲譽(yù)資本的隱性注入使得政府對(duì)商業(yè)銀行債務(wù)承擔(dān)了隱性擔(dān)保的職能。雖然2015年5月國家推出了存款保險(xiǎn)制度，但銀行間債務(wù)并不在存款保險(xiǎn)的范疇之內(nèi)。不論是區(qū)域性中小商業(yè)銀行，還是全國性大型商業(yè)銀行，從某種意義來講，地方政府和中央政府均有聲譽(yù)資本注入。從表2的模擬結(jié)果可以看出，一旦傳染風(fēng)險(xiǎn)爆發(fā)，區(qū)域性中小商業(yè)銀行會(huì)首先開始倒閉。在傳染風(fēng)險(xiǎn)引發(fā)的初始階段，大型商業(yè)銀行會(huì)引發(fā)一系列中小商業(yè)銀行倒閉。而這些中小商業(yè)銀行都是區(qū)域性的主要商業(yè)銀行，因此可以預(yù)見，當(dāng)傳染風(fēng)險(xiǎn)剛剛開始發(fā)生時(shí)，地方政府勢(shì)必會(huì)介入，避免傳染風(fēng)險(xiǎn)擴(kuò)散，就像近期出現(xiàn)的包商銀行被接管案例一樣。同時(shí)從表2可以看出，我國國有大型商業(yè)銀行傳染風(fēng)險(xiǎn)的輪次均排在最后，且沒有引發(fā)其他商業(yè)銀行倒閉，這從某種意義來講體現(xiàn)了政府隱性擔(dān)保的力量。金融市場認(rèn)為我國中央政府隱性擔(dān)保將國有大型商業(yè)銀行倒閉風(fēng)險(xiǎn)降至最低，且能夠及時(shí)切斷傳染風(fēng)險(xiǎn)擴(kuò)散。結(jié)合本文的模擬分析，中國銀行業(yè)爆發(fā)傳染風(fēng)險(xiǎn)的可能性并不大，只要政府隱性擔(dān)保職能得到履行，在前兩輪的傳染風(fēng)險(xiǎn)中，風(fēng)險(xiǎn)應(yīng)該會(huì)得到有效控制。

四、結(jié)論及政策建議

對(duì)傳染風(fēng)險(xiǎn)的研究受困于數(shù)據(jù)的限制無法得到銀行間雙邊債務(wù)風(fēng)險(xiǎn)敞口。雖然學(xué)者對(duì)同業(yè)債務(wù)風(fēng)險(xiǎn)敞口分布做了一些合理的假設(shè)，但往往距離實(shí)際較遠(yuǎn)，且過度依賴資產(chǎn)負(fù)債表導(dǎo)致測(cè)算的結(jié)果沒有考慮資本市場的信息。本文基于KMV模型和PageRank算法，提出了新的測(cè)算銀行間債務(wù)雙邊風(fēng)險(xiǎn)敞口的具體方法，并從同業(yè)債務(wù)違約視角模擬分析了銀行間傳染風(fēng)險(xiǎn)。整體結(jié)論表明，在每一個(gè)年份，商業(yè)銀行引發(fā)傳染風(fēng)險(xiǎn)可能性的排名都不相同，傳染風(fēng)險(xiǎn)排名呈現(xiàn)出時(shí)變屬性;我國國有大型商業(yè)銀行的傳染風(fēng)險(xiǎn)權(quán)重在整個(gè)銀行體系中并不突出，說明我國國有大型商業(yè)銀行倒閉引發(fā)傳染風(fēng)險(xiǎn)的概率較低;中小商業(yè)銀行既是傳染風(fēng)險(xiǎn)的主要發(fā)起者，又是主要承受者;國有大型商業(yè)銀行幾乎不受傳染風(fēng)險(xiǎn)的影響，即使銀行體系出現(xiàn)大規(guī)模傳染危機(jī)，也不會(huì)倒閉。

基于以上研究，本文提出如下政策建議：第一，在系統(tǒng)重要性評(píng)估中重視傳染風(fēng)險(xiǎn)。系統(tǒng)重要性不應(yīng)僅僅依賴規(guī)模因素，關(guān)聯(lián)度導(dǎo)致的負(fù)外部性應(yīng)該在系統(tǒng)重要性評(píng)估中占有重要權(quán)重。規(guī)模大的商業(yè)銀行傳染風(fēng)險(xiǎn)未必高，因此在系統(tǒng)重要性評(píng)估中應(yīng)增加傳染風(fēng)險(xiǎn)的權(quán)重。第二，重視中小商業(yè)銀行的傳染風(fēng)險(xiǎn)。中小商業(yè)銀行既能夠引發(fā)傳染風(fēng)險(xiǎn)，又在傳染風(fēng)險(xiǎn)面前表現(xiàn)得非常脆弱，因此增加中小商業(yè)銀行抵御系統(tǒng)性金融風(fēng)險(xiǎn)的能力，增加中小商業(yè)銀行的穩(wěn)健經(jīng)營程度非常重要。第三，宏觀審慎監(jiān)管并不能僅僅針對(duì)大型商業(yè)銀行。雖然國有大型商業(yè)銀行倒閉影響確實(shí)非常大，我國金融體系承受不起，但恰恰是因?yàn)槭袌鲆呀?jīng)預(yù)期到這一點(diǎn)，所以國有大型商業(yè)銀行倒閉引發(fā)傳染風(fēng)險(xiǎn)的概率極低。宏觀審慎監(jiān)管應(yīng)該更加關(guān)注股份制商業(yè)銀行以及中小商業(yè)銀行導(dǎo)致的傳染風(fēng)險(xiǎn)，保證這些銀行具有一定的損失吸收能力，進(jìn)而維護(hù)銀行體系的穩(wěn)定。

參考文獻(xiàn)：

[1]?Rajan?R?G.?Too?systemic?to?fail：?Consequences，?causes?and?potential?remedies[R].?The?8th?BIS?Annual?Conference，?2009.

[2]?Yun?T，?Jeong?D，?Park?S.?“Too?central?to?fail”?systemic?risk?measure?using?PageRank?algorithm[J].?Journal?of?Economic?Behavior?&?Organization，?2019，?162（6）：?251-272.

[3]?Allen?F，?Gale?D.?Financial?contagion[J].?Journal?of?Political?Economy，?2000，?108（1）：?1-33.

[4]?Glasserman?P，?Young?H?P.?How?likely?is?contagion?in?financial?networks？[J].?Journal?of?Banking?&?Finance，?2015，?50（1）：?383-399.

[5]?Tasca?P，?Battiston?S.?Market?procyclicality?and?systemic?risk[R].?ETH?Risk?Center?Working?Paper，?2012.

[6]?Bardoscia?M，?Battiston?S，?Caccioli?F.?Pathways?towards?instability?in?financial?networks[J].?Nature?Communications，?2017，?8：?17.

[7]?Allen?F，?Babus?A，?Carletti?E.?Asset?commonality，?debt?maturity?and?systemic?risk[J].?Journal?of?Financial?Economics，?2012，?104（3）：?519-534.

[8]?Caccioli?F，?Shrestha?M，?Moore?C，?et?al.?Stability?analysis?of?financial?contagion?due?to?overlapping?portfolios[J].?Journal?of?Banking?&?Finance，?2014，?46（9）：?233-245.

[9]?Lee?S?H.?Systemic?liquidity?shortages?and?interbank?network?structures[J].?Journal?of?Financial?Stability，?2013，?9（1）：?1-12.

[10]Acharya?V?V，?Merrouche?O.?Precautionary?hoarding?of?liquidity?and?interbank?markets：?Evidence?from?the?subprime?crisis[R].?NBER?Working?Paper，?2010.

[11]Battiston?S，?Puliga?M，?Kaushik?R.?DebtRank：?Too?central?to?fail？?Financial?networks，?the?FED?and?systemic?risk[R].?Scientific?Reports，?2012.

[12]Soramki?K，?Cook?S.?SinkRank：?An?algorithm?for?identifying?systemically?important?banks?in?payment?systems[J].Economics，?2013，?7（28）：?1-27.

[13]Thurner?S，?Poledna?S.?DebtRanktransparency：?Controlling?systemic?risk?in?financial?networks[R].?Scientific?Reports，?2013.

[14]Kuzubas?T?U，?mercikolu?I，?Saltolu?B.?Network?centrality?measures?and?systemic?risk：?An?application?to?the?Turkish?financial?crisis[J].?Physica?A：?Statistical?Mechanics?and?its?Applications，?2014，?405（1）：?203-215.

[15]De?Bandt?O，?Hartmann?P.?Systemic?risk：?A?survey[R].?European?Central?Bank?Working?Paper，?No.?35，?2000.

[16]Freixas?X，?Rochet?P?J?C.?Systemic?risk，?interbank?relations，?and?liquidity?provision?by?the?central?bank[J].?Journal?of?Money，?Credit?and?Banking，?2000，?32（3）：?611-638.

[17]Brunnermeier?M?K，?Pedersen?L?H.?Market?liquidity?and?funding?liquidity[J].?Review?of?Financial?Studies，?2009，?22（6）：?2201-2238.

[18]Geanakoplos?J.?The?leverage?cycle[J].?NBER?Macroeconomics?Annual，?2010，?24（1）：?1-66.

[19]Caballero?J.?Banking?crises?and?financial?integration：?Insights?from?networks?science[J].?Journal?of?International?Financial?Markets，?Institutions?and?Money，?2015，?34（1）：?127-146.

[20]Minoiu?C，?Kang?C，?Subrahmanian?V?S.?Does?financial?connectedness?predict?crises？[R].?IMF?Working?Paper，?No.?267，?2013.

[21]Kara?G?I，?Tian?M?H，?Yellen?M.?Taxonomy?of?studies?on?interconnectedness[R].?Board?of?Governors?of?the?Federal?Reserve?System?FEDS?Notes，?2015.

[22]Bisias?D，?Flood?M，?Lo?A?W.?A?survey?of?systemic?risk?analytics[R].?Office?of?Financial?Research?Working?Paper，?No.?1，?2012.

[23]Kritzman?M，?Li?Y，?Page?S，?et?al.?Principal?components?as?a?measure?of?systemic?risk[R].?MIT?Sloan?School?Working?Paper，?No.?4785-10，?2010.

[24]Billio?M，?Getmansky?M，?Lo?A?W，?et?al.?Econometric?measures?of?connectedness?and?systemic?risk?in?the?finance?and?insurance?sectors[J].?Journal?of?Financial?Economics，?2012，?104（3）：?535-559.

[25]ChanLau?J?A.?Regulatory?capital?charges?for?tooconnectedtofail?institutions：?A?practical?proposal[R].?International?Monetary?Fund?Working?Paper，?No.?98，?2010.

[26]International?Monetary?Fund.?Global?financial?stability?report：?Responding?to?the?financial?crisis?and?measuring?systemic?risk[R].?World?Economic?and?Financial?Surveys，?2009.

[27]Fender?I，?McGuire?P.?Bank?structure，?funding?risk?and?the?transmission?of?shocks?across?countries：?Concepts?and?measurement[R].?Bank?for?International?Settlements?Quarterly?Review，?2010：?63-79.

[28]International?Monetary?Fund.?Global?financial?stability?report：?Grappling?with?crisis?legacies[R].?World?Economic?and?Financial?Surveys，?2011.

[29]Arregui?M?N，?Norat?M?M，?Pancorbo?A，?et?al.?Addressing?interconnectedness：?Concepts?and?prudential?tools[R].?International?Monetary?Fund?Working?Paper，?No.?199，?2013.

[30]Diebold?F?X，?Yilmaz?K.?On?the?network?topology?of?variance?decompositions：?Measuring?the?connectedness?of?financial?firms[J].?Journal?of?Econometrics，?2014，?182（1）：?119-134.

[31]Federal?Reserve?Bank?of?Minneapolis.?The?Minneapolis?plan?to?end?too?big?to?fail[R].?Federal?Reserve?Bank?of?Minneapolis?Working?Paper，?2016.

[32]Nier?E，?Yang?J，?Yorulmazer?T.?Network?models?and?financial?stability[J].?Journal?of?Economic?Dynamics?and?Control，?2007，?31（6）：?2033-2060.

[33]Erol?S，?Ordoez?G.?Network?reactions?to?banking?regulations[J].?Journal?of?Monetary?Economics，?2017，?89（8）：?51-67.

[34]Gai?P，?Kapadia?S.?Contagion?in?financial?networks[J].?Mathematical，?Physical?and?Engineering?Sciences，?2010，?466：?2401-2423.

[35]Gai?P，?Haldane?A，?Kapadia?S.?Complexity，?concentration?and?contagion[J].?Journal?of?Monetary?Economics，?2011，?58（5）：?453-470.

[36]Krause?A，?Giansante?S.?Interbank?lending?and?the?spread?of?bank?failures：?A?network?model?of?systemic?risk[J].?Journal?of?Economic?Behavior?&?Organization，?2012，?83（3）：?583-608.

[37]Elliott?M，?Golub?B，?Jackson?M?O.?Financial?networks?and?contagion[J].?American?Economic?Review，?2014，?104（10）：?3115-3153.

[38]Acemoglu?D，?Ozdaglar?A，?TahbazSalehi?A.?Systemic?risk?and?stability?in?financial?networks[J].?American?Economic?Review，?2015，?105（2）：?564-608.

[39]Degryse?H，?Nguyen?G.?Interbank?exposure：?An?empirical?examination?of?systemic?risk?in?the?Belgian?banking?system[R].?National?Bank?of?Belgium?Working?Paper，?No.?43，?2004.

[40]Boss?M，?Breuer?T，?Elsinger?H，?et?al.?Systemic?risk?monitor：?Risk?assessment?and?stress?testing?for?the?Austrian?banking?system[R].?National?Bank?of?Austria?Financial?Stability?Report，?2006.

[41]Alessandri?P，?Gai?P，?Kapadia?S，?et?al.?Towards?a?framework?for?quantifying?systemic?stability[J].?International?Journal?of?Central?Banking，?2009，?5（3）：?47-81.

[42]李宗怡，?李玉海.?我國銀行同業(yè)拆借市場“傳染”風(fēng)險(xiǎn)的實(shí)證研究[J].?財(cái)貿(mào)研究，?2005（6）：?51-58.

[43]馬君潞，?范小云，?曹元濤.?中國銀行間市場雙邊傳染的風(fēng)險(xiǎn)估測(cè)及其系統(tǒng)性特征分析[J].?經(jīng)濟(jì)研究，?2007（1）：?68-78.

[44]王占浩，?郭菊娥，?薛勇.?資產(chǎn)負(fù)債表關(guān)聯(lián)、價(jià)格關(guān)聯(lián)與銀行間風(fēng)險(xiǎn)傳染[J].?管理工程學(xué)報(bào)，?2016（2）：?202-209.

[45]隋聰，?于潔晶，?宗計(jì)川.?銀行間債務(wù)違約誘發(fā)資產(chǎn)減價(jià)出售——基于債務(wù)與資產(chǎn)關(guān)聯(lián)的風(fēng)險(xiǎn)疊加傳染研究[J].?系統(tǒng)工程理論與實(shí)踐，?2017（11）：?2753-2764.

[46]隋聰，?王憲峰，?王宗堯.?銀行間網(wǎng)絡(luò)連接傾向異質(zhì)性與風(fēng)險(xiǎn)傳染[J].?國際金融研究，?2017（7）：?44-53.

[47]吳念魯，?徐麗麗，?苗海賓.?我國銀行同業(yè)之間流動(dòng)性風(fēng)險(xiǎn)傳染研究——基于復(fù)雜網(wǎng)絡(luò)理論分析視角[J].?國際金融研究，?2017（7）：?34-43.

[48]Page?L，?Brin?S，?Motwani?R，?et?al.?The?PageRank?citation?ranking：?Bringing?order?to?the?web[R].?Technical?Report，?Stanford?University，?1998.

[49]International?Monetary?Fund.?Monetary?policy?and?financial?stability[R].?IMF?Staff?Discussion?Note，?2015.

[50]Cecchetti?S?G，?ManciniGriffoli?T，?Narita?M.?Does?prolonged?monetary?policy?easing?increase?financial?vulnerability？[R].?IMF?Working?Paper，?No.?65，?2017.

[51]Anginer?D，?DemirgucKunt?A，?Huizinga?H，?et?al.?Corporate?governance?of?banks?and?financial?stability[J].?Journal?of?Financial?Economics，?2018，?130（2）：?327-346.

[52]Elsinger?H，?Lehar?A，?Summer?M.?Using?market?information?for?banking?system?risk?assessment[J].?International?Journal?of?Central?Banking，?2006，?2（1）：?137-165.

[53]陳忠陽，?劉志洋.?國有大型商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度真的高嗎——來自中國上市商業(yè)銀行股票收益率的證據(jù)[J].?財(cái)貿(mào)經(jīng)濟(jì)，?2013（9）：?57-66.

責(zé)任編輯、校對(duì)：?高原

The?Risk?Analysis?of?Chinese?Interbank?Debt?Default?Contagion?Under?Network?Structure

—A?Twodimensional?Data?Perspective?of?Interbank?Debt?and?Financial?Market

LIU?Zhiyang

（School?of?Economics?and?Management，?Northeast?Normal?University，?Changchun?130117，?China）

Abstract：?Research?on?contagion?risk?is?hampered?by?the?limitations?of?data?to?obtain?exposure?to?bilateral?interbank?debt.?Although?scholars?make?some?reasonable?assumptions?about?the?risk?exposure?distribution?of?interbank?debt，?it?is?often?far?from?the?reality，?and?excessive?reliance?on?the?balance?sheet?will?lead?to?calculation?results?without?considering?the?information?of?capital?market.?Based?on?the?research?framework?of?scholars，?this?paper?proposes?a?new?specific?method?to?calculate?the?bilateral?risk?exposure?of?banks?based?on?the?KMV?model?and?PageRank?algorithm，?simulates?and?analyzes?the?risk?of?interbank?contagion?from?the?perspective?of?interbank?debt?default.?The?overall?conclusion?shows?that?for?each?year，?the?ranking?of?the?possibility?of?contagion?risk?caused?by?commercial?bank?liabilities?is?different，?showing?timevarying?property.?The?weight?of?contagion?risk?of?large?stateowned?commercial?banks?is?not?very?prominent?in?the?whole?banking?system，?which?indicates?that?the?probability?of?contagion?risk?caused?by?the?failure?of?large?stateowned?commercial?banks?is?very?low.?Small?and?mediumsized?commercial?banks?are?not?only?the?initiators?but?also?the?main?acceptor?of?contagion?risk.?Large?stateowned?commercial?banks?are?almost?immune?from?contagion?risk?and?would?not?fail?even?if?there?were?a?largescale?contagion?crisis?in?the?banking?system.?Moreover，?this?paper?found?that?even?if?all?the?commercial?banks，?the?bank?of?China，?industrial?and?commercial?bank?of?China，?China?construction?bank，?agricultural?bank?of?China?and?China?merchants?bank?were?not?lower?than?the?regulatory?capital?requirements，?this?shows?that?these?commercial?banks?still?maintain?a?higher?level?of?capital?adequacy?ratio?in?the?contagion?risk，?basically，?it?will?have?not?failure?risk.

Keywords：?Commercial?bank;?Debt?default;?Capital?adequacy?ratios;?Network?structure;?Risk?management;?Risk?of?contagion

收稿日期：2019-12-28

基金項(xiàng)目：教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目“貨幣政策與宏觀審慎監(jiān)管協(xié)同機(jī)制及有效性檢驗(yàn)”（19YJC790088）。

作者簡介：劉志洋，男，東北師范大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授，經(jīng)濟(jì)學(xué)博士，研究方向：金融風(fēng)險(xiǎn)管理與金融監(jiān)管，電子郵箱：liuzy100@nenu.edu.cn。