馬若微　周萌　丁鑫

摘 要：根據2021年我國銀行間市場相關數(shù)據，構建復雜網絡模型研究銀行間風險傳染路徑，比較接管銀行的兩種現(xiàn)實選擇，并運用仿真模擬考量風險管理效果。研究表明：選擇與危機銀行擁有較多連鎖債務關系的銀行進行接管，比選擇市場上活躍度較高的銀行進行接管，其效果更優(yōu)，可顯著降低銀行間市場的風險溢出。

關鍵詞： 接管銀行；復雜網絡；風險管理；銀行間市場

中圖分類號：F832．3 文獻標識碼： A文章編號：1003-7217（2023）02-0002-07

一、引 言

近年來，伴隨著利率市場化改革推進和金融創(chuàng)新發(fā)展，我國金融機構為創(chuàng)造更多流動性及利潤增長點，愈加依賴銀行間市場，使得同業(yè)業(yè)務迅猛發(fā)展。但同時，銀行間錯綜復雜的資產負債關聯(lián)為損失的擴散創(chuàng)造了條件。根據《中國金融穩(wěn)定報告（2021）》，銀行間市場上最大的5家交易對手違約，會使整個銀行體系的資本充足率下降2.89%。因此當某家銀行因受到沖擊而遭遇危機時，如不及時有效地對其進行處置，極有可能在金融市場內引發(fā)多米諾骨牌效應，產生系統(tǒng)性風險。

當某一銀行因流動性不足而無法持續(xù)經營，對其全部業(yè)務進行接管是目前國際上的通行做法，也是最小化金融風險發(fā)生概率的關鍵，擔任接管的機構有可能是央行、政府、存款保險機構以及其他商業(yè)銀行等。而商業(yè)銀行作為接管人能有效降低成本，提高市場效率，其接管效果較為顯著[1]。國內外目前接管銀行的選擇主要有兩種思路：第一種是選擇在銀行間市場上同其他機構關聯(lián)緊密的銀行作為接管銀行，如2019年我國建設銀行、工商銀行分別對包商銀行、錦州銀行風險的管理。負責接管的銀行綜合實力強、經營管理規(guī)范、網點和客戶服務體系完善，這使其與市場上其他銀行具有較強的關聯(lián)性，也因此成為接管銀行的優(yōu)選。第二種則是選擇在銀行間市場上與危機銀行有共同交易對手的銀行作為接管銀行，如2020年美國MVB Bank對The First State Bank、我國徽商銀行對包商銀行的風險處置。擔任接管機構的銀行與危機銀行或地理位置鄰近，或資產規(guī)模相當，若二者在銀行間市場上擁有共同交易對手，則實施接管后債權債務可能發(fā)生對沖，降低接管成本。這兩種現(xiàn)實接管模式哪種效果更優(yōu)，成為相關部門急需解決的問題。

理論研究上，風險傳染作為金融風險的重要主題，一直以來便受到國內外學者的高度關注。Forbes和Rigobon最早把病毒的“傳染”模式引入金融風險的研究中，認為若外部沖擊超過可以由基本面因素解釋的范圍，則發(fā)生了金融風險傳染[2]。之后的研究普遍認為金融風險傳染指當某一金融機構發(fā)生危機時，產生的負外部性會通過機構間的關聯(lián)將風險溢出給其他金融機構，從而引起的風險擴散[3，4]。金融機構通過銀行間市場[5-11]、支付結算[12-14]等方式直接相關，也通過信息溢出間接關聯(lián)[4，15-19]。相比之下，銀行間市場涉及更大規(guī)模的金融資產交易，更易引發(fā)風險傳染[20]。對于危機銀行管理的研究，自Bernanke和Blinder指出銀行信貸會加劇經濟危機[21]之后，Rice和Rose將視角轉到美國政府對房利美和房地美的接管，強調了危機期間商業(yè)銀行信貸關系發(fā)揮的重要作用[22]。Torre和Nenovsky則關注到被處置機構的選擇，認為國家應先接管較為重要的大型商業(yè)銀行[23]。國內學者主要從金融機構的監(jiān)管、預測、接管和退出視角，研究相關法律制度，提出政策建議[24-27]，對危機時接管銀行選擇的研究較少。

在當前世界處于百年未有之大變局背景下，銀行間市場上的各參與主體聯(lián)系愈加緊密，關聯(lián)方式也愈加復雜，計量回歸等傳統(tǒng)研究方法在研究復雜問題上存在一定局限性。已有研究發(fā)現(xiàn)，銀行間網絡具有小世界性[14，28]和無標度性[29-32]，可以用來刻畫復雜的風險傳染路徑[33]?；诖耍疚脑噲D在以下方面做出創(chuàng)新性工作：引入復雜網絡模型研究金融風險傳染路徑，分析危機時銀行接管模式，比較風險管理效果，并由此做出較優(yōu)選擇。

二、銀行間市場風險傳染機制

（一）風險傳染的假設條件與判定方法

為確保風險傳染分析的可行性以及結果的合理性，做出以下假設條件：

第一，不考慮傳染源即初始沖擊的類型。風險傳染是指某家銀行受到沖擊而遭遇危機后，基于銀行同業(yè)間借貸關聯(lián)而引發(fā)其他銀行接連陷入困境的事件，重點在于研究風險傳染的過程及結果，而不是傳染源。

第二，傳染載體承載著不確定性，可以是有形的也可以是無形的。僅考慮以信用作為傳染載體，即僅考慮初始危機銀行因無法全部償還其債權銀行的同業(yè)資產而產生信用違約的情形。

第三，忽略金融安全網的作用，即相關部門對金融機構不存在隱性擔保、注入資金等行為。同時，假定銀行同業(yè)拆借系統(tǒng)中各銀行不存在增加資本金的情形，且同業(yè)資產及同業(yè)負債規(guī)模不變。

進一步判定受危機銀行影響，其債權銀行是否陷入困境?！栋腿麪枀f(xié)議Ⅲ》規(guī)定銀行在資本充足率達到或高于8%時，才能可持續(xù)健康經營，于是以此為判別條件，認為若銀行j陷入困境，則有

式（1）中，i為債權銀行，CARi、Ei和RWAi分別表示其資本充足率、資本凈額和加權風險資產總額；LGD（loss given default）表示違約損失率，參考高國華等的研究其值取100%[34]；α為同業(yè)資產風險權重系數(shù)，參照《巴塞爾協(xié)議Ⅲ》標準其值取0.25；eij為權重矩陣E中元素，表示銀行i對j的債權；Rj為虛擬變量，銀行陷入困境時被賦值為1，否則為0。若銀行j遭遇危機，根據式（1）可判定其債權銀行i是否會受風險傳染而陷入困境。

（二）風險傳染過程

為了更加清晰地表示銀行間市場上遭受沖擊銀行的風險傳染過程，對各銀行的資產負債結構進行簡化，認為銀行的資產包括同業(yè)資產和其他資產，負債包括同業(yè)負債和客戶存款，資本凈額則為二者之差，用于吸收損失。其中同業(yè)資產等于存放同業(yè)、拆出資金和買入返售三項之和，同業(yè)負債等于同業(yè)存放、拆入資金和賣出回購三項之和。

在銀行同業(yè)拆借系統(tǒng)中假設存在5家銀行（A、P、Q、U、V），A是P、Q、V的債務銀行，Q是V的債務銀行，U是P、Q的債權銀行。若銀行A受到沖擊而陷入困境，導致對其債權銀行P、Q、V產生信用違約，此為風險傳染過程的第一輪。違約損失率為LGD，則銀行P存放在銀行A的同業(yè)資產將損失LGD×ePA，銀行Q將損失LGD×eQA，銀行V將損失LGD×eVA。銀行P、Q、V所遭受的這部分損失分別由自身資本凈額吸收，若吸收后銀行P、V仍滿足最低監(jiān)管要求，則繼續(xù)正常經營，且資本凈額分別減少至EP－LGD×ePA，EV－LGD×eVA；而銀行Q不能滿足最低監(jiān)管要求，則被風險傳染至陷入困境。被傳染銀行Q繼續(xù)對其債權銀行U、V產生違約行為，此為風險傳染過程的第二輪。若銀行U的資本凈額吸收損失后，能夠滿足最低監(jiān)管要求，則不受風險傳染；而銀行V受到來自銀行A、Q風險的疊加后，其同業(yè)資產共損失LGD×（eVA+eVQ），資本凈額不能夠完全吸收該損失，則不能滿足最低監(jiān)管要求，也會遭受風險傳染。此時系統(tǒng)中不再出現(xiàn)新的銀行遭遇困境，則認為由銀行A遭遇危機引致的風險傳染過程結束。

三、銀行間市場風險傳染的復雜網絡與接管模式分析

（一）銀行間同業(yè)拆借網絡構建

復雜網絡是由數(shù)量龐大的節(jié)點以及節(jié)點之間錯綜復雜的連邊共同組成的網絡結構，用G來表示。其中節(jié)點代表真實系統(tǒng)的個體，記為V；連邊則代表不同個體間的關系，記為E。若兩個節(jié)點之間存在某種特定的關系則進行連邊，否則不連邊。在實際網絡構建中，不同節(jié)點之間的連邊可能具有方向之分，也可能具有不同的權重。

銀行同業(yè)間的拆借關系具有不同的方向，且拆借額度也不盡相同，于是將構建一個有向加權的復雜網絡G（V，E）來刻畫我國銀行間市場的風險傳染。其中節(jié)點V代表銀行，連邊E代表其同業(yè)間借貸，i→j箭頭所指方向代表債權銀行i向債務銀行j拆出資金的方向，且計算的是同業(yè)間凈拆借數(shù)據，即兩銀行間只有單向箭頭。連邊的粗細代表連邊權重eij的大小，邊越粗，則兩銀行間連邊的權重越大。但是由于我國銀行間市場僅發(fā)布一段時期內的總量信息，卻無法獲得具體的雙邊交易數(shù)據，即不能直接得到網絡的連邊方向和權重，為此，按照國際上對該領域研究的慣例，借助最大熵原理根據資產負債表中的同業(yè)資產和同業(yè)負債數(shù)據估算銀行間關聯(lián)矩陣。

最大熵原理是指在部分己知條件下，通過對符合已知信息最隨機的推斷來估計未知信息的分布。因此，假設我國的銀行間市場為完全市場結構，借助該原理對銀行間的具體拆借額度矩陣進行估計，使得該矩陣與反映已知信息矩陣之間的差別最小。為了使結果更加貼近現(xiàn)實，參考宮曉莉等的做法，選取矩陣中所有拆借額度的0.4分位數(shù)作為閾值，大于閾值的數(shù)據留下，小于閾值的刪去[4]，并進一步對矩陣的拆出拆入作差，得到最終的拆借矩陣A和權重矩陣E，其中拆借矩陣表示銀行間拆借的有無及方向，而權重矩陣代表的是銀行間具體拆借額度①。

（二）網絡拓撲結構特征指標

1.度數(shù)中心性。

在復雜網絡中，連邊的有無及方向反映了銀行間市場上金融機構間拆借關系的有無及拆借方向。在僅考慮信用違約風險的前提下，定義節(jié)點的出度為Vtoi=∑i≠j1≤j≤Naji，代表銀行i對其他N-1家銀行的風險傳染情況；定義節(jié)點的入度為Vini=∑j≠i1≤j≤Naij，代表銀行i受到來自其他N-1家銀行的風險傳染情況；定義節(jié)點度為出度與入度之和，代表其在網絡中的活躍度。銀行間同業(yè)拆借網絡中，節(jié)點的出度越大，其風險的傳染規(guī)模也越大；節(jié)點的入度越大，其承受的風險值也越大；節(jié)點度越大，其與其他銀行間借貸關聯(lián)越緊密，在網絡中也就越活躍。

2.接近中心性。

在網絡G（V，E）中，節(jié)點j既可能與節(jié)點i直接相連，又可能通過其余節(jié)點與節(jié)點i間接相連。假設節(jié)點j指向節(jié)點i時經過了x個節(jié)點，則稱二者之間出路徑的長度為x（當j與i直接相連時，x=1；當j與i之間通過1個節(jié)點間接相連時，x=2；…）。在所有由j指向i的路徑中最短的一條稱為出最短路徑，其長度是出最短路徑長度，記為xmin j，i。同樣僅考慮信用違約時，節(jié)點i的出接近中心性可以定義為其余所有節(jié)點到節(jié)點i出最短路徑總和的倒數(shù)，即Ctoi=1∑j≠i1≤j≤Nxmin j，i。同理，節(jié)點i的入接近中心性可以定義為節(jié)點i到其余所有節(jié)點的入最短路徑總和的倒數(shù)，有Cini=1∑j≠i1≤j≤Nxmin i，j。網絡中節(jié)點的出接近中心性越大，則其遭受沖擊產生信用風險時，向其他節(jié)點傳染風險的速度也越快。同理，節(jié)點的入接近中心性越大，則其被風險傳染的速度也就越快。

（三）基于復雜網絡視角的接管模式分析

近年來我國銀行風險暴露事件頻發(fā)，2019年包商銀行因出現(xiàn)嚴重信用風險導致同業(yè)業(yè)務被中國建設銀行承接，錦州銀行也因出現(xiàn)風險被工商銀行接管。建設銀行、工商銀行作為接管銀行，綜合實力強，資產規(guī)模龐大，經營管理規(guī)范，網點和客戶服務體系完善，與其他銀行間關聯(lián)緊密，在銀行間同業(yè)拆借網絡中通常也是節(jié)點度最大的一類銀行，即最為活躍的一類銀行。某家銀行遭遇危機后，則選取銀行間市場上最活躍的銀行作為接管銀行，并將其稱為基于銀行活躍度的接管模式（以下簡稱C1模式）。

2020年美國The First State Bank宣布破產，其同業(yè)業(yè)務被轉至MVB Bank旗下。同年我國繼續(xù)處置包商銀行風險，總行及內蒙古自治區(qū)內外各分支機構的資產負債業(yè)務分別由蒙商銀行、徽商銀行承接。這種接管模式下接管銀行與危機銀行或地理位置相近，或資產規(guī)模相當，在銀行間同業(yè)拆借網絡中擁有大量共同交易對手，可以有效降低接管成本。進一步地，若接管銀行從共同交易對手拆入資金，且共同交易對手從危機銀行拆入資金，則認為接管銀行與危機銀行擁有連鎖債務關系。實施接管后作為接管方的銀行與共同交易對手間債權債務對沖，甚至可能由原來的債務關系轉為債權關系?；诖?，在銀行間市場上各銀行均追求實現(xiàn)利益最大化的情況下，與危機銀行間擁有最多連鎖債務關系的銀行便會對其同業(yè)業(yè)務進行接管，即為基于銀行間連鎖債務關系的接管模式（以下簡稱C2模式）。

四、實證研究

（一）樣本及數(shù)據選取

選取我國23家商業(yè)銀行作為樣本，其中包括19家由央行和銀保監(jiān)會評估認定的國內系統(tǒng)重要性銀行，即6家國有商業(yè)銀行、9家股份制商業(yè)銀行和4家城市商業(yè)銀行，還包括總資產規(guī)模排名前4的農村商業(yè)銀行②。根據國泰安數(shù)據庫以及各銀行年報公布情況，收集了樣本銀行2021年同業(yè)交易的存量數(shù)據，并進行了描述性統(tǒng)計③。

銀行的資產規(guī)模能夠影響到風險傳染效應，于是按其排序將樣本銀行分為大、中、小三檔④，并從中分別隨機選取一家銀行K（K=B3，B8，B18）作為代表，研究其遭遇危機后的接管模式。

（二）不同模式下的網絡構建

在C1模式下，選取銀行間市場上最活躍的銀行對危機銀行的債權債務進行接管。為衡量我國銀行間同業(yè)拆借網絡中各銀行的活躍程度，使用Ucinet對其節(jié)點度進行計算⑤。結果顯示，B1和B3的節(jié)點度均為最大，這些銀行資產規(guī)模大、資金充足，且公眾信賴度高，在我國銀行間同業(yè)拆借網絡中其債權債務銀行數(shù)目最多，即最為活躍。當一家銀行遭遇危機后，若銀行間市場上最活躍的銀行不止一家，則從中選擇資產規(guī)模最大的那家銀行來接管危機銀行的同業(yè)拆借業(yè)務，這樣可以在降低風險傳染效應的同時，最大程度上保障接管銀行各項業(yè)務的正常運行。至此可得C1模式下K遭遇危機后的三家銀行B3，B8，B18接管銀行分別為B1、B3和B3。

在C2模式下，選取的接管銀行在銀行間市場上與危機銀行擁有最多的連鎖債務關系。我國銀行間同業(yè)拆借網絡的權重矩陣E中，假設銀行i遭遇危機，其所在的行表示i的債務銀行，即i對其他銀行拆出資金。通過篩選得到其債務銀行所在的行，表示危機銀行i對其債務銀行拆出資金，其債務銀行又向其他銀行拆出資金，即三者之間形成連鎖債務關系。在篩選出的這些行中繼續(xù)尋找出現(xiàn)次數(shù)最多的銀行，認為其與危機銀行i擁有最多的連鎖債務關系，并選擇該銀行作為接管銀行。C2模式下進行的接管，可能會出現(xiàn)危機銀行的債權恰好為接管銀行的債務的情況，使其不僅能夠降低接管銀行重新與其他銀行建立業(yè)務往來所產生的成本，還有利于實現(xiàn)接管銀行的利益最大化。至此可得C2模式下K遭遇危機后的三家銀行B3，B8，B18接管銀行分別為B9、B11和B13。

因此，當銀行K遭遇危機后，對于其同業(yè)間的債權債務，C1模式下選取銀行W（W=B1，B3）進行接管，而C2模式下選取銀行Z（Z=B9，B11，B13）進行接管。權重矩陣E中，危機銀行的行和列被轉移至接管銀行，由于危機銀行與其他銀行間的業(yè)務往來全部中斷，矩陣中表示其拆出拆入的行和列全部變?yōu)榱?。同時接管銀行在原來自身同業(yè)業(yè)務的基礎上增加了所接管危機銀行的那部分，在矩陣中其行和列所代表的拆出拆入額度會隨之增加，對其作差后得到接管銀行與網絡中其他銀行同業(yè)間的凈拆借額度，于是C1和C2模式下的權重矩陣得以計算，并根據拆借關系的有無可以進一步得到拆借矩陣。

（三）復雜網絡生成

我國銀行同業(yè)拆借系統(tǒng)中，一旦某家銀行受到沖擊致其資產受到嚴重損失，可能會直接導致其債權銀行的壞賬，繼而導致債權銀行的交易對手同步衰退或違約共振，引發(fā)金融風險。某家銀行遭遇危機后其產生的風險在網絡中進行傳染的情形稱作初始狀態(tài)（以下簡稱C0模式），在文中主要起對比作用。

以K（Κ=B3，B8，B18）為代表，假設其分別遭遇危機，通過計算可以得到初始狀態(tài)和兩種接管模式下的拆借矩陣和權重矩陣，將其導入Ucinet則可以生成復雜網絡。通過計算包括危機銀行K、C1模式下的接管銀行W、C2模式下的接管銀行Z在內的三家銀行總出度、總入度、總出接近中心性和總入接近中心性，可以得到C0、C1和C2三種不同狀態(tài)下的網絡拓撲結構特征指標，如表1所示。

從表1可以發(fā)現(xiàn)，接管模式不同會導致網絡結構的差異。不論K取B3、B8和B18，C1和C2模式均可以降低節(jié)點的出度、出接近中心性以及入度、入接近中心性，即對危機銀行實施的接管能夠減少網絡中的傳染與被傳染情況。更進一步，C1模式更大程度上降低節(jié)點的入度和入接近中心性，即減小節(jié)點被其他銀行傳染風險的可能性。而C2模式則更大程度上降低節(jié)點的出度和出接近中心性，即抑制節(jié)點向外傳染風險的能力。

圖1、圖2和圖3分別反映了僅保留危機銀行、接管銀行從其他銀行拆入資金情況下K分別取B3、B8和B18時，C0、C1和C2三種不同模式下的局部復雜網絡結構圖。

結合圖1、圖2和圖3可以直觀地發(fā)現(xiàn)，與C0模式相比，原來遭遇危機的銀行B3、B8和B18在C1和C2模式下的接管后均成為網絡中一個孤立的節(jié)點，原因是接管后其他銀行與該銀行同業(yè)間的業(yè)務合作被轉移至接管銀行，以致其退出銀行間市場。進一步地，相較于C1模式，C2模式下網絡中的孤立節(jié)點更多，即危機銀行、接管銀行從其他銀行拆入資金的情況更少，該模式下風險溢出的可能性更低。此外，C1和C2兩種模式下銀行間拆借額度也有所不同，因此我國銀行間同業(yè)拆借關聯(lián)的局部網絡結構具有明顯差異。

（四）接管模式的仿真模擬與效果比較

使用樣本銀行2021年的同業(yè)數(shù)據，通過MATLAB編程仿真模擬當各銀行遭遇危機后，受風險傳染而陷入困境的銀行數(shù)目，這能夠直觀反映銀行間的風險傳染效應。模擬結果顯示我國銀行間市場上的單個銀行遭遇經營危機所造成的風險傳染效應較小，雖然不至于導致其債權銀行的經營困境，但仍對其帶來沖擊造成損失。高國華和潘英麗在基于資產負債表關聯(lián)對銀行間市場雙邊風險傳染的研究過程中便發(fā)現(xiàn)銀行的破產概率很低，但盡管如此，若單個銀行倒閉，其仍會給整個銀行體系的核心資本帶來巨大損失，于是通過模擬風險引致的不同核心資本損失程度下的銀行數(shù)量來估算風險傳染效應[34]。本文借鑒其處理方法，從各樣本銀行發(fā)布的2021年年報獲取核心資本數(shù)據，計算我國某銀行遭遇經營危機后給銀行體系造成的核心資本損失率。

初始狀態(tài)下，銀行K、W、Z均因受到沖擊而遭遇危機，給銀行系統(tǒng)造成的核心資本損失率，將其記為y0；C1模式下，銀行W接管K后，與銀行Z共同遭遇危機所帶來的核心資本損失率記為y1；C2模式下，銀行Z接管K后，同銀行W一起遭遇危機所造成的核心資本損失率記為y2。通過y0、y1和y2的大小對K分別取B3、B8和B18時，不同接管模式的風險管理效果進行對比，具體結果見表2。

由表2可以看出，與C0模式相比，K取B3時，C1模式下的系統(tǒng)核心資本率減少約0.37%，而C2模式使其下降0.91%；K分別取B8和B18時，C1模式下的系統(tǒng)核心資本率僅減少0.03%，而C2模式下該數(shù)值分別減少0.05%、0.04%。這說明，相比于C0模式，C1模式、C2模式均可以減少銀行系統(tǒng)的核心資本損失，進一步比較可以發(fā)現(xiàn)后者抑制損失的效果更加顯著。原因可能是C1模式下選取銀行間同業(yè)拆借網絡中最活躍的銀行實施接管時成本較高，該節(jié)點與網絡中其他節(jié)點重新建立連接時可能會由于其資產規(guī)模、風險傳染能力、風險承受能力等與原來節(jié)點有較大差異而加劇其自身財務負擔與風險水平，甚至破壞銀行間同業(yè)拆借網絡的穩(wěn)定性，繼而帶來風險管理效果的下降。而C2模式下實施接管時接管銀行與危機銀行在銀行間市場上擁有大量共同交易對手，可以大大降低C1模式中因重新建立業(yè)務往來而產生的接管成本，且接管銀行的債務被對沖后可能轉為債權，這使其實現(xiàn)利益最大化的同時所帶來的風險傳染效應更小。

五、結 論

本文分析了我國銀行間市場的風險傳染機制，并在此基礎上利用真實交易數(shù)據構建了有向加權復雜網絡，然后從該視角分析了兩種銀行接管模式，仿真模擬并比較了其風險管理效果，主要得到以下結論：

第一，當某家銀行遭遇危機后，基于銀行活躍度的接管模式與基于銀行間連鎖債務關系的接管模式均可以降低整個系統(tǒng)發(fā)生金融風險傳染的概率。其中第一種模式下選擇的接管銀行同銀行間市場上的其他機構關聯(lián)最為緊密，同業(yè)交易最為頻繁。若接管銀行與危機銀行在銀行間市場上擁有大量共同交易對手，且共同交易對手對前者拆出資金、由后者拆入資金，則形成連鎖債務關系。選擇與危機銀行在銀行間市場上擁有最多連鎖債務關系的銀行進行接管，是本文的第二種接管模式。兩種模式下實施接管后均可以減少整個銀行體系面臨的核心資本損失，降低銀行間市場風險。

第二，當某家銀行遭遇危機后，同基于銀行活躍度的接管模式相比較，基于銀行間連鎖債務關系的接管模式風險管理效果更優(yōu)。原因可能是該模式下選擇的接管銀行與危機銀行在銀行間市場上擁有共同的交易對手，可以有效降低接管成本。進一步地，若危機銀行向共同交易對手拆出資金，接管銀行由共同交易對手拆入資金，實施接管后作為接管方的銀行債權債務產生對沖，債務有可能轉為債權，因此可以更大程度上減少銀行間市場上的核心資本損失，有效控制風險的進一步傳染，提高風險處置和管理水平。

注釋：

① 受篇幅限制，最大熵方法的具體計算過程未予報告，感興趣的可向作者索取。

② 2021年這些銀行的總資產規(guī)模占我國商業(yè)銀行資產總額的82.7%，具有較好的代表性。它們分別是：B1中國銀行、B2中國建設銀行、B3中國工商銀行、B4中國農業(yè)銀行、B5興業(yè)銀行、B6交通銀行、B7浦發(fā)銀行、B8平安銀行、B9中國民生銀行、B10招商銀行、B11中信銀行、B12光大銀行、B13華夏銀行、B14廣發(fā)銀行、B15北京銀行、B16上海銀行、B17寧波銀行、B18江蘇銀行、B19中國郵政儲蓄銀行、B20上海農村商業(yè)銀行、B21重慶農村商業(yè)銀行、B22北京農村商業(yè)銀行、B23成都農村商業(yè)銀行。

③ 受篇幅限制，樣本銀行同業(yè)存量數(shù)據的描述性統(tǒng)計結果未予報告，感興趣的可向作者索取。

④ 受篇幅限制，基于資產規(guī)模的樣本銀行分類結果未予報告，感興趣的可向作者索取。

⑤ 受篇幅限制，各樣本銀行的節(jié)點度數(shù)值計算結果未予報告，感興趣的可向作者索取。

參考文獻：

［1］ 陳忠陽，李珊珊. 問題銀行救助、處置機制的全球改革方向及啟示 [J]. 經濟社會體制比較，2022（1）：69-76.

[2] Forbes K， Rigobon R. Contagion in latin America：definitions， measurement， and policy implications [J]. Economia， 2001， 1（2）： 1-46.

[3] Battaglia F， Gallo A， Mazzuca M. Securitized banking and the Euro financial crisis： evidence from the Italian banks risk-taking [J]. Journal of Economics and Business， 2014， 76： 85-100.

[4] 宮曉莉，熊熊，張維. 我國金融機構系統(tǒng)性風險度量與外溢效應研究 [J]. 管理世界，2020，36（8）：65-83.

[5] Affinito M， Pozzolo A F. The interbank network across the global financial crisis： evidence from Italy [J]. Journal of Banking & Finance， 2017， 80： 90-107.

[6] 謝赤，凌毓秀. 銀行信貸資產證券化信用風險度量及傳染研究——基于修正KMV模型和MST算法的實證 [J]. 財經理論與實踐，2018，39（3）：2-8.

[7] Ferrara G， Langfield S， Liu Z， et al. Systemic illiquidity in the interbank network [J]. Quantitative Finance， 2019， 19（11）： 1779-1795.

[8] Liu A， Paddrik M， Yang S Y， et al. Interbank contagion： an agent-based model approach to endogenously formed networks[J]. Journal of Banking & Finance， 2020， 112： 105191.

[9] 馬駿，何曉貝. 金融風險傳染機制研究——基于中國上市銀行數(shù)據的模擬 [J]. 金融研究，2021（9）：12-29.

[10]王輝，朱家雲，陳旭. 銀行間市場網絡穩(wěn)定性與系統(tǒng)性金融風險最優(yōu)應對策略：政府控股視角 [J]. 經濟研究，2021，56（11）：100-118.

[11]倪宣明，王江偉，趙慧敏. 影子銀行、流動性分層與政策利率傳導 [J]. 系統(tǒng)工程理論與實踐，2022，42（8）：1-18.

[12]Wang X， Xu X， Feagan L， et al. Inter-bank payment system on enterprise blockchain platform [C]//Xu? C Z. 11th International Conference on Cloud Computing. San Francisco： IEEE， 2018： 614-621.

[13]何奕，童牧，吳珊，等. 復雜金融網絡中的系統(tǒng)性風險與流動性救助：基于不同網絡拓撲結構的研究 [J]. 系統(tǒng)工程理論與實踐，2019，39（6）：1385-1393.

[14]王鵬，王小軍，邵思遠. 小世界銀行網絡、非線性效應和尾部風險：隨機動態(tài)視角 [J]. 南開經濟研究，2020（5）：206-225.

[15]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.

[16]胡宗義，黃巖渠，喻采平. 網絡相關性、結構與系統(tǒng)性金融風險的關系研究 [J]. 中國軟科學，2018（1）：33-43.

[17]曾志堅，張欣怡，左楠. 基于MSV與CoVaR模型的公司債市場與股票市場間風險溢出效應研究 [J]. 財經理論與實踐，2019，40（2）：41-47.

[18]謝赤，莫廷程，李可隆. 重大突發(fā)事件背景下金融行業(yè)間極端風險相依和風險溢出研究 [J]. 財經理論與實踐，2021，42（3）：2-10.

[19]歐陽資生，楊希特，黃穎. 嵌入網絡輿情指數(shù)的中國金融機構系統(tǒng)性風險傳染效應研究 [J]. 中國管理科學，2022，30（4）：1-12.

[20]李宗怡，李玉海. 我國銀行同業(yè)拆借市場“傳染”風險的實證研究 [J]. 財貿研究，2005（6）：51-58.

[21]Bernanke B S， Blinder A S. Credit， money， and aggregate demand [J]. The American Economic Review， 1988， 78（2）： 435-439.

[22]Rice T， Rose J. When good investments go bad： the contraction in community bank lending after the 2008 GSE takeover [J]. Journal of Financial Intermediation， 2016， 27： 68-88.

[23]Torre D， Nenovsky N. Debates， plans and interventions to overcome the 1931 banking crisis in Romania and Bulgaria [J]. Jahrbuch für Wirtschaftsgeschichte / Economic History Yearbook， 2022， 63（2）： 495-525.

[24]蔣少翔，董志勇. 銀行監(jiān)管與企業(yè)融資的跨國實證分析 [J]. 財經理論與實踐，2022，43（2）：10-16.

[25]孫立娟. 保險公司破產與危機預測問題研究 [M]. 北京：經濟科學出版社，2016.

[26]范小云，史攀，王博. 估值踩踏與系統(tǒng)性金融風險防控——基于前瞻性償付能力風險傳染模型的分析 [J]. 中國工業(yè)經濟，2021（10）：39-58.

[27]張長明. 銀行業(yè)金融機構市場退出的法律制度研究 [M]. 廣州：世界圖書出版公司，2017.

[28]李政，梁琪，涂曉楓. 我國上市金融機構關聯(lián)性研究——基于網絡分析法 [J]. 金融研究，2016（8）：95-110.

[29]胡利琴，王藝，郭微微. 金融系統(tǒng)性風險的演化與監(jiān)管研究——基于實體經濟視角 [J]. 當代經濟科學，2022，44（5）：39-53.

[30]黨印，苗子清，孫晨童. 中國系統(tǒng)性金融風險的區(qū)域傳染效應 [J]. 當代財經，2022（8）：51-63.

[31]隋聰，王宗堯. 銀行間網絡的無標度特征 [J]. 管理科學學報，2015，18（12）：18-26.

[32]胡志浩，李曉花. 復雜金融網絡中的風險傳染與救助策略——基于中國金融無標度網絡上的SIRS模型 [J]. 財貿經濟，2017，38（4）：101-114.

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

[34]高國華，潘英麗. 基于資產負債表關聯(lián)的銀行系統(tǒng)性風險研究 [J]. 管理工程學報，2012，26（4）：162-168.

（責任編輯：厲 亞）

Options and Comparisons for Takeover Banks in a Crisis：

from a Complex Network Perspective of Interbank Market

MAR Ruowei，ZHOU Meng，DING Xin

（School of Economics，Beijing Technology and Business University，Beijing 100048，China）

Abstract：Based on the relevant data of Chinas interbank market in 2021， the complex network model is constructed to study the interbank risk contagion path， compare the two practical options of taking over banks， and use simulation to consider the effect of risk management. The research shows that the bank with more chain debt relationship with the crisis bank is better than the bank with higher activity in the market to take over， which can significantly reduce the risk spillover in the interbank market.

Key words：takeover bank; complex network; risk management; interbank market

收稿日期： 2022-03-27； 修回日期： 2022-10-23

基金項目：國家社科基金后期資助重點項目（21FJYA002）

作者簡介： 馬若微（1976—），女，河南鄭州人，博士，北京工商大學經濟學院，教授，博士生導師，研究方向：金融風險。