基于避险行为的银行间网络系统性风险传染研究

韩景倜，曹 宇

(1.上海财经大学a.信息管理与工程学院，b.实验中心，上海 200433；2.上海市金融信息技术研究重点实验室，上海 200433)

基于避险行为的银行间网络系统性风险传染研究

韩景倜1,2，曹 宇1a

(1.上海财经大学a.信息管理与工程学院，b.实验中心，上海 200433；2.上海市金融信息技术研究重点实验室，上海 200433)

建立了一个基于避险行为的银行间网络模型，研究了异质性网络结构和异质性银行资产条件下流动性囤积避险行为、折价出售避险行为以及避险行为叠加对系统性风险传染的影响。结果表明，流动性囤积在初始阶段减缓了系统性风险传染，折价出售没有延缓系统性风险传染，而避险行为的叠加从整体上加剧了系统性风险传染。考虑避险行为时，异质性网络稳定性强于同质性网络，不考虑避险行为时，同质性的随机网络更加稳定。最后，银行资产异质性对系统性风险传染没有显著影响。

系统性风险；避险行为；流动性囤积；折价出售

0 引言

近年来，网络理论尤其是复杂网络理论的发展大大推动了以银行为主体的金融市场系统性风险研究。许多研究发现银行间网络的结构特征对系统性风险传染过程具有重要影响。Allen和Gale[1]研究了流动性冲击通过银行间连接传播的过程，认为完全连接的网络结构比不完全连接的网络结构更能阻止风险在银行间扩散。Gai和Kapadia[2]研究了任意网络结构下金融风险的传染，认为随着网络连接的增加金融风险传染呈现出“相变”的特征。Nier等[3]进一步研究了银行个体特征和网络结构，通过仿真模拟资本水平、银行连接度、银行间风险暴露大小和系统集中度等银行间网络特征参数对银行间违约风险传染的影响。邓晶等[4]建立银行间市场网络，探讨了市场网络结构对系统性风险的影响，认为银行间连接具有流动性转移和风险传染两种作用，且在不同环境中占据主导地位。

随着研究的深入，越来越多的学者认为银行个体行为也是影响系统性风险传染的重要因素。Diamond 和Dybvig[5]分析了银行挤兑行为，证实了普遍采用的“暂停取款”策略的有效性，并指出政府干预对银行间市场有潜在益处。Anand[6]等研究了市场冻结下银行拒绝延期付款行为。Arinaminpathy等[7]研究了流动性囤积行为与银行间网络风险传染的关系。Elliott等[8]关注金融机构间互相持有资产的统一性和多元化，探讨了在发生金融危机时，金融机构可能出现的“道德风险”。范宏等[9]研究了银行投资约束行为与未约束行为下银行网络系统的稳定性。

一般系统性风险传染的研究假定冲击是瞬时发生的，网络中所有的银行无法及时进行反应，但这种假设并不能很好地反映现实。事实上，当冲击发生时，与受冲击银行直接相关或间接相关的银行都具有动机采取措施规避风险。Caballero和Simsek[10]认为，当危机波及金融网络时，银行除了了解交易伙伴的信息外，还需要了解交易伙伴的交易伙伴甚至更多其他银行的信息。当到达一定程度后，银行无法做到收集完备的信息，此时为了规避不确定性，银行只好收回银行间借款或将流动性较低的资产转换为流动性较高的资产，而这种行为会进一步导致金融危机的扩散。

因此，分析银行的避险行为并将其纳入银行间网络系统性风险传染的研究框架是非常有必要的。本文建立一个基于避险行为的银行间网络模型，研究异质性网络结构和异质性银行资产下流动性囤积避险行为、折价出售避险行为以及避险行为叠加对系统性风险传染的影响。

1 银行间网络传染模型

1.1 银行间网络模型构建

银行间网络由相互连接的银行节点构成，银行间借贷方向表征为边的方向，金融风险暴露(如银行间存款)表征为边的权重。假定银行总资产包括非流动性资产IA、银行间资产IL和外部资产EA，其中IA是银行短时间内无法出售的资产，如房产设备等。EA表示银行持有外部资产标的总额。总负债包括存款D和银行间负债IB。总资产减去总负债为银行的缓冲资本r。如图1以银行j为例，资产负债结构满足以下条件：

图1 银行资产负债结构及借贷关系Fig.1 Balance sheet and loan relationship between banks

rj=IAj+EAj+ILj-Dj-IBj

(1)

(2)

(3)

一旦缓冲资本

rj<0

(4)

则银行发生破产违约。

设市场中共有M种外部资产，银行j持有m种外部资产，每种外部资产被d个银行持有，资产市场价值为pm，Djm表示银行j持有m资产的数量。则银行外部资产价值可表示为

(5)

其中，参数m反映了银行持有外部资产的多样性，参数d反映了银行外部资产组合的相似性。

1.2 银行避险行为建模

首先对发生冲击但未发生风险传染时各银行的状态进行分类。图2进行了简单介绍，假定银行间网络为简单图，受外部冲击发生违约破产的银行构成状态集合S。状态集合R中的节点为受冲击银行的z个债权银行，因为状态集合S中银行的破产而遭受银行间资产的损失。状态集合R中银行指向的节点构成状态集合I。由于资产负债关系复杂，网络中其他节点并不能提前感知风险的到来，构成状态集合U。

图2 银行状态分类示意图Fig.2 Illustration of classification of bank status

由于冲击是瞬时发生的，状态集合S中受冲击银行不能采取行动避免违约破产，但状态集合R和I中的银行是可以采取行为降低风险的。通过对资产负债结构分析发现，银行增加缓冲资本r的途径有两个，一是从其他银行收回银行间资产IL，二是在市场上出售外部资产EA。前者对应流动性囤积，后者对应折价出售。流动性囤积是指金融机构基于对整个金融市场流动性减少的预期，收回一定比例资产以提高资本[11]。折价出售是指金融机构在缺乏流动性时，将其持有的投资标的在市场上出售以提高资本，标的在出售时会有一定程度的折价[12]。

值得注意的是，不同状态集合中节点的避险行为是不同的，流动性囤积是一种预期行为，资金仅能够从集合R中的银行转移到集合I中的银行，而折价出售是银行面临流动性短缺的现实行为，仅存在于集合R中的银行。由于流动性囤积和折价出售分别表征资金流动性和市场流动性，银行避险行为会导致资金流动性和市场流动性发生变化，进而影响整个网络的系统性风险传染过程。

1.3 违约传染过程

接下来对银行间网络违约传染过程进行分析。

假定状态集合R中的银行缓冲资本小于某设定阈值将会触发避险行为。基于囤积流动性的动机，状态集合I中的银行会收回一定比例的银行间资产。若状态集合R中的银行j有k个债权银行，其被回收的银行间资产价值可表示为

(6)

其中，λk为债权银行收回银行间资产的比例，r′为缓冲资本阈值。

另一方面，状态集合R中的银行为了避免破产，会将其持有的外部资产进行折价出售。折价出售资产损失价值表示为

(7)

其中，θm为外部资产m的折价系数，m为银行j持有的外部资产种类。由于每种外部资产被d个银行持有，银行j的折价出售行为会导致d-1个持有同类资产银行遭受损失。如果这d-1个银行不在状态集合R中，它将被移入R。

在时间步长T=t时，状态集合R中的银行j的缓冲资本为

(8)

通过改变行为参数能够将特定的避险行为抽离出来进行分析，当不存在流动性囤积和折价出售行为时该模型转变为Gai和Kapadia提出的经典模型[2]。当允许避险行为存在时，流动性囤积和折价出售行为会导致资金流动性和市场流动性变化，其中资金流动性变化需要银行间存在直接借贷连接，引起状态集合R中银行缓冲资本减少，状态集合I中银行缓冲资本增加。市场流动性变化并不需要直接借贷连接，而是通过降低持有同类外部资产价值的方式损害其他银行的缓冲资本。银行的避险行为本质上是对网络中银行节点的缓冲资本进行了消减和再分配。

2 模拟仿真与结果

2.1 参数可调的银行间网络构建

此时生成的网络为无向无权网络，进一步根据银行间借贷关系赋予网络中边的方向和权重。首先假定所有连接均是双向的，然后根据银行间资产大小为每一条边赋予权重。由于现实中银行数据保密，本文利用仿真数据，借鉴已有文献对模型参数进行一定的设置。在已知IL占总资产比例，EA占总资产比例的情况下，对外部资产特征进行假设后可计算剩余的IA。通过巴塞尔协议Ⅱ规定可得r占总资产比例，然后计算IB，最后负债剩余部分即为D。

表1 仿真参数设置Tab.1 The setting of simulation parameters

2.2 仿真参数设定

模拟时假定时间离散，在t=0时，随机选取银行间网络中某一家银行i遭受冲击发生违约破产，观察系统性风险传染过程，通过计算除受冲击银行外发生破产违约银行数与银行总数的比值Pr衡量系统性风险传染大小，仿真程序运行1 000次并取平均值。

2.3 仿真结果

2.3.1BA无标度银行间网络系统性风险传染

设定α=0，新增连边数m为1到20，考察BA无标度网络结构下避险行为对银行间网络系统性风险传染的影响。图3显示了随着m的增加整个银行间网络系统性风险传染大小的演化过程。不考虑避险行为时，随着网络平均度的增加Pr值逐渐增大，系统性风险逐渐上升，在达到峰值后Pr值随着网络平均度的继续增加发生了明显的“相变”，急剧地下降至0并保持不变。Gai和Kapadia[2]与Caccioli等[14]分别通过解析和仿真方法得到了类似结论。考虑流动性囤积避险行为时(LH线)，初始阶段系统性风险传染有所延缓，但随着网络平均度的增加，Pr值增大并最终稳定在约0.9。考虑折价出售避险行为(FS线)，系统性风险传染没有得到抑制，随着网络平均度的增加，Pr值逐渐上升并最终稳定在1。值得注意的是第4种情况(LH+FS线)，避险行为的叠加并没有阻止系统性风险的传染，随着网络平均度的增加，Pr值增大并最终稳定在1。对比发现，避险行为的叠加甚至加剧了系统性风险传染。这与Brunermeier和Pedersen的研究结论一致[15]，他们从传统经济学的角度研究发现资金流动性和市场流动性相互影响会形成所谓的“流动性螺旋”，对系统性风险传染起到一定的放大效应。

图3 BA无标度网络下系统性风险传染Fig.3 Comparison between (a) non risk-averse behavior and (b) risk-averse behavior on BA scale-free interbank network

2.3.2 银行间网络异质性对系统性风险传染的影响

进一步调整参数α研究银行间网络异质性对系统性风险传染的影响。选取α为0(BA网络)、0.4、0.8和1(随机网络)，仿真结果显示(见图4)，不同的避险行为导致网络异质性对系统性风险传染的影响呈现较大差异。考虑流动性囤积避险行为、折价出售避险行为以及避险行为叠加时，异质性网络的稳定性均强于同质性网络，且随着网络异质性的增加系统性风险传染程度逐渐下降。相反，不考虑避险行为时，同质性的随机网络表现的更加稳定。这意味着是否考虑避险行为以及考虑哪种避险行为可能会对网络结构的稳定性产生影响。将银行的避险行为纳入模型中，传统仅基于网络结构的研究结论可能发生改变。

图4 银行间网络异质性对系统性风险传染的影响Fig.4 The influence of interbank network heterogeneity on systemic risk contagion

图5 银行资产异质性对系统性风险传染的影响Fig.5 The influence of bank asset heterogeneity on systemic risk contagion

2.3.3 银行资产异质性对系统性风险传染的影响

在BA无标度网络中考虑银行资产分布的异质性，假定银行总资产服从参数为γ的幂律分布。γ值越大，意味着网络中银行总资产的差别越大，γ值越小，网络中银行总资产越趋于一致。选取γ为2，3，4，5，6。图5显示，不考虑避险行为时，不同银行资产异质性下Pr值的趋势较为类似，仅在“相变”区域的大小上有所差别。考虑流动性囤积避险行为时，γ值的变化并没有改变Pr值的大小和趋势。考虑折价出售避险行为时，随着γ值的变化系统性风险传染虽然有趋势上的变化，但总体稳定在一定区域内。而避险行为叠加时，不同银行资产异质性下Pr值趋于一致。通过仿真结果可以认为银行资产异质性对系统性风险传染并没有显著影响。

3 结论与建议

银行间系统性风险传染是最近研究银行风险的焦点问题。本文建立了一个基于避险行为的银行间网络模型，研究了异质性网络结构和异质性银行资产下流动性囤积避险行为、折价出售避险行为以及避险行为叠加对系统性风险传染的影响。研究发现：在无标度网络结构下，流动性囤积避险行为在初始阶段减缓了系统性风险传染，折价出售避险行为没有延缓系统性风险传染，而避险行为的叠加并没有对风险起到阻止作用，反倒从整体上加剧了系统性风险传染。考虑流动性囤积避险行为、折价出售避险行为以及避险行为叠加时，异质性网络的稳定性均强于同质性网络，且随着网络异质性的增加系统性风险传染程度逐渐下降。而不考虑避险行为时，同质性的随机网络更加稳定。最后，银行资产异质性对系统性风险传染没有显著影响。

本文的结论对银行间市场监管具有一定借鉴意义。预防银行间系统性风险传染，应识别银行间市场的结构特征，对银行特定的避险行为予以监督和控制。需要指出的是，本文采用的无标度网络并不能准确还原现实中银行间网络的结构特征，未来需要根据实证数据构建真实网络。另外，当考虑避险行为的时间效应时，避险行为对系统性风险传染的影响可能更加复杂，这将是未来需要进一步研究的方向。

感谢上海财经大学实验中心刘建国教授的交流与讨论。

[1]AllenF,GaleD.Financialcontagion[J].JournalofPoliticalEconomy,2000,108(1):1-33.

[2]GaiP,KapadiaS.Contagioninfinancialnetworks[J].ProceedingsoftheRoyalSocietyA:Mathematical,PhysicalandEngineeringSciences,2010,466(2120):2401-2423.

[3]NierE,YangJ,YorulmazerT,AlentornA.Networkmodelsandfinancialstability[J].JournalofEconomicDynamicsandControl,2007,31(346):2033-2060.

[4]邓晶,曹诗男,潘焕学,等.基于银行间市场网络的系统性风险传染研究[J].复杂系统与复杂性科学,2013,10(4):76-85.DengJing,CaoShinan,PanHuanxue,etal.Systemicriskcontagionbasedoninterbanknetworks[J].ComplexSystemsandComplexityScience,2013,10(4):76-85.

[5]DiamondDW,DybvigPH.Bankruns,depositinsurance,andliquidity[J].TheJournalofPoliticalEconomy,1983:401-419.

[6]AnandK,GaiP,MarsiliM.Rolloverrisk,networkstructureandsystemicfinancialcrises[J].JournalofEconomicDynamicsandControl,2012,36(8):1088-1100.

[7]ArinaminpathyN,KapadiaS,MayRM.Sizeandcomplexityinmodelfinancialsystems[J].ProceedingsoftheNationalAcademyofSciences,2012,109(45):18338-18343.

[8]MatthewE,GolubB,JacksonMO.Financialnetworksandcontagion[J].AmericanEconomicReview,2014,104(10):3115-3153.

[9]范宏,李佳妮.基于不同投资行为的动态银行网络稳定性研究[J].复杂系统与复杂性科学.2014,11(4):72-79.FanHong,LiJiani.Stabilityofadynamicalbanknetworkbasedondifferentinvestmentbehaviors[J].ComplexSystemsandComplexityScience,11(4):72-79.

[10]CaballeroRJ,SimsekA.Complexityandfinancialpanics[G/OL].[2015-02-03].www.nber.org/papers/wl4997.

[11]AcharyaVV,SkeieD.Amodelofliquidityhoardingandtermpremiaininter-bankmarkets[J].JournalofMonetaryEconomics,2011,58(5):436-447.

[12]CaballeroRJ,AlpS.Firesalesinamodelofcomplexity[J].TheJournalofFinance,2013,68(6):2549-2587.

[14]CaccioliF,ThomasA,CatanachJ,FarmerD.Heterogeneity,correlationsandfinancialcontagion[J].AdvancesinComplexSystems,2011,15(5):438-456.

[15]BrunnermeierMK,PedersenLH.Marketliquidityandfundingliquidity[J].ReviewofFinancialStudies,2009,22(6):2201-2238.

(责任编辑 李进)

Systemic Risk Contagion of Interbank Network Based on Risk-Averse Behaviors

HAN Jingti1,2，CAO Yu1a

(1.a.School of Information Management and Engineering，b.Laboratory Center,Shanghai University of Finance and Economics，Shanghai 200433,China； 2.Shanghai Key Laboratory of Financial Information Technology，Shanghai 200433，China)

We build an interbank network model based on risk-averse behaviors.On a heterogeneous network structure,we explore the relationship between risk-averse behaviors of banks and systemic risk contagion,specifically,liquidity hoarding,fire sales behaviors and the composition of risk-averse behaviors.The simulation results show that liquidity hoarding behaviors mitigate systemic risk contagion at early stage,fire sales behaviors have little effect on mitigating systemic risk contagion and the composition of risk-averse behaviors exacerbate the systemic risk contagion.Heterogeneous network is more robust than the homogenous network if risk-averse behaviors exist,otherwise the homogeneous network is more stable.Furthermore,bank asset heterogeneity has no significant effect on systemic risk contagion.

systemic risk; risk-averse behaviors; liquidity hoarding; fire sales

1672-3813(2017)01-0075-06；

10.13306/j.1672-3813.2017.01.011

2015-05-24；

2016-09-28

国家自然科学基金(61374177，71271126)；教育部博士点专项创新基金(20120078110002)

韩景倜(1959-)，男，陕西西安人，博士，教授，主要研究方向为复杂系统理论、应急金融风险。

F830.1

A