曾志堅+岳凱文

摘要：運用復(fù)雜網(wǎng)絡(luò)方法，構(gòu)建商業(yè)銀行股票收益率網(wǎng)絡(luò)，對貸款利率市場化前后商業(yè)銀行股票網(wǎng)絡(luò)的拓?fù)湫再|(zhì)變化情況進(jìn)行分析。結(jié)果表明：貸款利率市場化前后，16家商業(yè)銀行股票收益率相關(guān)系數(shù)沒有發(fā)生顯著變化，網(wǎng)絡(luò)的平均路徑長度及聚集系數(shù)也未發(fā)生明顯變化，且國有五大行均未占據(jù)網(wǎng)絡(luò)中心節(jié)點位置；但貸款利率市場化后國有五大行股票收益距離更近，彼此相關(guān)性更強，網(wǎng)絡(luò)中心節(jié)點也發(fā)生了較大變化。

關(guān)鍵字：貸款利率市場化；商業(yè)銀行；股票網(wǎng)絡(luò)；拓?fù)湫再|(zhì)

中圖分類號：F830.593 文獻(xiàn)標(biāo)識碼：A 文章編號：

一、引言

貸款利率市場化最終目標(biāo)是形成以中央銀行基準(zhǔn)利率為基礎(chǔ)、以貨幣市場利率為中介、由市場供求決定金融機構(gòu)存貸款利率的市場利率體系，其核心特征是金融機構(gòu)自己根據(jù)資金狀況和對金融市場動向的判斷來自主調(diào)節(jié)貸款利率水平。我國從1986年開始利率市場化嘗試，1996年放開銀行間同業(yè)拆借市場利率，標(biāo)志著利率市場化正式啟動， 2013年7月完全放開貸款利率管制，自此我國利率市場化進(jìn)程從穩(wěn)步推進(jìn)到加速發(fā)展，最后實現(xiàn)利率完全市場化。

貸款利率市場化加快了商業(yè)銀行業(yè)務(wù)結(jié)構(gòu)的轉(zhuǎn)變，其發(fā)展模式從依賴存貸利差為主逐漸向發(fā)展中間業(yè)務(wù)轉(zhuǎn)變。Masood， Sergi 研究發(fā)現(xiàn)隨著各項改革舉措的推進(jìn)，特別是貸款利率管制逐漸放開，銀行業(yè)競爭格局正逐步形成，行業(yè)整體上呈現(xiàn)出集中與競爭并存的局面[1]。Porter ， Feyzioglu和Takáts通過分析國外利率市場化進(jìn)程和實證分析得出，存款利率放開會使得利率上升，但會提高貨幣當(dāng)局的政策有效性，經(jīng)營效益好、風(fēng)控能力高的銀行，尤其是中小銀行會從存款利率市場化后獲得更大的利益[2]。Udoh和 Ogbuagu認(rèn)為中國利率管制主要為存款利率上限和貸款利率下限的管制，利率市場化會使利率上升，從而抑制邊際投資[3]。黃樹青和孫璐璐利用演化博弈理論分析了存款利率市場化進(jìn)程中商業(yè)銀行的策略選擇，研究發(fā)現(xiàn)隨著利率市場化的推進(jìn)，銀行業(yè)的利差會縮??；商業(yè)銀行會逐步對業(yè)務(wù)作出調(diào)整，利率不再是主要競爭手段[4]。Lenzu和Tedeschi對銀行間網(wǎng)絡(luò)模型的動態(tài)變化及形成機制，以及在這種動態(tài)變化過程中對于系統(tǒng)性風(fēng)險傳染時系統(tǒng)穩(wěn)定性進(jìn)行了研究，發(fā)現(xiàn)簡單的隨機網(wǎng)絡(luò)相比無標(biāo)度網(wǎng)絡(luò)抵御風(fēng)險能力更強[5]。Beck，Jonghe和 Schepens研究認(rèn)為金融自由化對銀行風(fēng)險水平有顯著的影響并且兩者的關(guān)系還受到其它因素的綜合影響[6]。黃曉薇，郭敏和李瑩華研究發(fā)現(xiàn)，在利率市場化進(jìn)程中，行業(yè)競爭與銀行風(fēng)險承擔(dān)的相關(guān)性狀態(tài)依賴于利率市場化水平[7]。張宗益，吳恒宇和吳俊利用14家商業(yè)銀行面板數(shù)據(jù)研究了貸款利率市場化進(jìn)程中，銀行價格競爭及風(fēng)險行為之間相關(guān)性[8]。Georg和Poschmann研究了中央銀行在銀行網(wǎng)絡(luò)中的作用，發(fā)現(xiàn)央行活動增強了網(wǎng)絡(luò)抵抗風(fēng)險的能力[9]。劉超運用復(fù)雜網(wǎng)絡(luò)的方法研究金融危機期間同業(yè)拆借市場，發(fā)現(xiàn)我國同業(yè)拆借市場具有典型的小世界效應(yīng)和無標(biāo)度特性[10]。

現(xiàn)有研究主要集中在利率市場化對商業(yè)銀行業(yè)務(wù)的影響研究，而對于利率市場化進(jìn)程中商業(yè)銀行股票網(wǎng)絡(luò)的相應(yīng)變化情況的研究很少。事實上，利率市場化會使得商業(yè)銀行的股價產(chǎn)生較大的波動，從而影響整個商業(yè)銀行股票網(wǎng)絡(luò)的穩(wěn)定性。本研究將運用復(fù)雜網(wǎng)絡(luò)方法，根據(jù)商業(yè)銀行股票日收益率構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)，分析該網(wǎng)絡(luò)拓?fù)湫再|(zhì)，挖掘商業(yè)銀行股票網(wǎng)絡(luò)在貸款利率市場化前后變化信息，以期幫助商業(yè)銀行提高風(fēng)險管理水平，更好滿足利率市場化的需求，幫助投資者提高投資決策能力，優(yōu)化投資組合以規(guī)避風(fēng)險，獲得更高收益。

二、復(fù)雜網(wǎng)絡(luò)的拓?fù)湫再|(zhì)

（一） 平均路徑長度

平均路徑長度（Average Path Length）一般用來度量整個關(guān)聯(lián)網(wǎng)絡(luò)的稀疏程度，它表示網(wǎng)絡(luò)中所有節(jié)點對的路徑的平均值：

（1）

其中，Dij即連接i和j兩個節(jié)點間的路徑長度。平均路徑長度可以衡量網(wǎng)絡(luò)的傳輸效率與性能。小世界網(wǎng)絡(luò)模型具有如下特征：網(wǎng)絡(luò)規(guī)模與平均路徑長度之間有一定的關(guān)系，平均路徑長度一般情況下會隨網(wǎng)絡(luò)規(guī)模N增大而增大。當(dāng)隨著網(wǎng)絡(luò)規(guī)模的增大，平均路徑長度增長速度為LnN的階次，則認(rèn)為這種網(wǎng)絡(luò)的平均路徑比較小，稱為小世界現(xiàn)象。

（二） 聚集系數(shù)

聚集系數(shù)（ clustering coefficient） 用來描述網(wǎng)絡(luò)中節(jié)點的聚集情況。在很多網(wǎng)絡(luò)中可能出現(xiàn)這樣的情況，節(jié)點i和節(jié)點j相連，節(jié)點j和節(jié)點k相連，那么很有可能節(jié)點i和節(jié)點k相連。這就是節(jié)點間存在密集連接性質(zhì)，聚集系數(shù)可以對其進(jìn)行表示。計算公式如下：

（2）

其中，Ei為節(jié)點 i 的Ki個鄰接點之間實際邊數(shù)，節(jié)點i通過Ki與其它節(jié)點相連，最多可能有Ki（Ki-1） /2條邊。整個網(wǎng)絡(luò)的聚集系數(shù)C是所有節(jié)點i的聚集系數(shù)Ci的平均值。當(dāng)C = 0 時，連邊數(shù)為0，僅僅是點的集合；而 C = 1時，網(wǎng)絡(luò)中的任意兩點都直接相連，是全連通網(wǎng)絡(luò)。

（三） 節(jié)點中心性

1. 度中心性（degree centrality）

度中心性是計算網(wǎng)絡(luò)中節(jié)點中心性最直觀的一種方式，度中心性方法基于這樣一種思想：重要頂點是那些擁有與其它頂點有較多的連接邊數(shù)的頂點。顯然，一個圖的重要性能依據(jù)度的大小進(jìn)行排序。相應(yīng)地，一個頂點i的度中心性方法定義為：

（3）

2. 接近中心度（Closeness centrality）

接近中心度通過描述信息在網(wǎng)絡(luò)中傳播速度來描述節(jié)點在網(wǎng)絡(luò)中的重要程度，因此在網(wǎng)絡(luò)圖中，這種中心性方法不僅考慮了目標(biāo)節(jié)點和所有其它節(jié)點之間的最大距離，而且考慮了這種節(jié)點和所有其它節(jié)點距離的總和。

（4）

3. 中介中心度（Betweeness centrality）

中介中心度基于以下思想：如果一個節(jié)點起著信息中介作用，那么該節(jié)點就占據(jù)著更中心的位置。它的定義是假定信息只沿著最短路徑進(jìn)行傳播，如果gij是連接節(jié)點i和j之間最短路徑的數(shù)目，gij（v）是連接節(jié)點i和j之間包含著節(jié)點的最短路徑數(shù)目。節(jié)點i的中介中心度定義如下：

（5）

4. 本征矢量中心度（Eigenvector centrality）

一個節(jié)點的本征矢量中心度，就是它與具有高本征矢量中心度的節(jié)點相連程度。這種中心度定義存在內(nèi)部迭代，即如果要計算某個節(jié)點的中心度，必須要知道它的鄰接點的中心度。根據(jù)定義，計算公式如下：

（6）

三、實證研究設(shè)計

（一）樣本選取與數(shù)據(jù)處理

2013年7月20日，央行取消了金融機構(gòu)貸款利率0.7倍下限，由金融機構(gòu)根據(jù)商業(yè)銀行原則自主確定貸款利率水平，這一措施標(biāo)志著貸款利率實現(xiàn)市場化。本文選取2016年以前上市的16家商業(yè)銀行股票作為研究對象。由于農(nóng)業(yè)銀行于2010年7月上市，為保證數(shù)據(jù)的完整性，將貸款利率市場化前的樣本期起點定為2011年1月1日，樣本期終點定為2013年7月20日，樣本期為615個交易日。為了更好地比較分析貸款利率市場化前后商業(yè)銀行股票網(wǎng)絡(luò)的變化情況，本文選擇兩個相同長度的樣本期，貸款利率市場化后的樣本期為2013年7月21至2016年1月25日。數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

第i支股票在t時間的收盤價格是Pi（t），則其對數(shù)收益回報計算如下：

（7）

根據(jù)收益率序列可以計算任意兩只股票的價格波動相關(guān)系數(shù)，如下所示：

（8）

其中，ρij表示節(jié)點i和節(jié)點j的相關(guān)系數(shù)，假定網(wǎng)絡(luò)中包含N支股票，<…>表示交易日周期內(nèi)的平均值，即：

， ， ， ， 。

由上面公式可知，ρij取值范圍為-1到1，根據(jù)16支股票日收盤價可求得日收益率，所得日收益率組成一個16階矩陣。

為了滿足歐式距離度量空間的3個條件：（1） 當(dāng)且僅當(dāng)i=j時，Dij=0；（2） Dij=Dji； （3） Dij≤Dim+Dmj（m為不同于i和j的任意其它股票），在得到網(wǎng)絡(luò)節(jié)點間的相關(guān)系數(shù)后需要將其轉(zhuǎn)化為歐式距離，這樣就得到了商業(yè)銀行股票網(wǎng)絡(luò)的權(quán)重。歐式距離：

（9）

從上式可以看出，股票間相關(guān)系數(shù)越大，對應(yīng)歐式距離越小。由于ρij∈[-1，1]，所以Dij∈[0，2]。當(dāng)D=0時，股票i和j收益率具有完全正向聯(lián)動性；當(dāng)D=2時，股票i和j沒有關(guān)聯(lián)性。

（二） 商業(yè)銀行股票網(wǎng)絡(luò)的構(gòu)建方法

1. 最小生成樹（MST）

最小生成樹是一種有效的解決組合優(yōu)化問題的方法，它適用于圖像處理領(lǐng)域聚類、模式識別等問題。因此本研究通過構(gòu)造最小生成樹，來判斷商業(yè)銀行股票在貸款利率市場化前后網(wǎng)絡(luò)拓?fù)湫再|(zhì)的變化。

通過距離矩陣D生成的距離網(wǎng)絡(luò)圖Dg，網(wǎng)絡(luò)圖Dg的節(jié)點表示股票，節(jié)點之間的連邊權(quán)重表示股票之間的距離。因此，網(wǎng)絡(luò)圖Dg的節(jié)點數(shù)量為N，任意節(jié)點i和j相連且它們之間的距離為d（i， j）。MST是網(wǎng)絡(luò)圖Dg的一個子圖，該子圖通過（N-1）條邊將N個節(jié)點連接在一起，且滿足所選擇的邊距離之和最小，并且MST中不允許出現(xiàn)環(huán)。常用的最小生成樹的算法是Kruskal算法，具體步驟如下：

（1） 連接Dij最小的兩個節(jié)點；

（2） 從剩余數(shù)據(jù)中選擇最小距離，找到與之相對應(yīng)的兩個節(jié)點并用線連接起來；

（3） 重復(fù)第（ii）步直至所選擇的邊數(shù)比頂點數(shù)少1，這樣就會得到有N個節(jié)點，N-1條邊的一個連通圖，即最小生成樹。

2. 平面最大過濾圖（PMFG）

雖然最小生成樹具有處理簡便，意義明確的優(yōu)點，但也正是由于其簡潔性使得最小生成樹忽略了一些重要的信息。為了克服最小生成樹的缺陷，本文同時采用平面最大過濾圖（PMFG）來分析商業(yè)銀行股票網(wǎng)絡(luò)的拓?fù)湫再|(zhì)變化。平面最大過濾圖算法與最小生成樹相似，主要區(qū)別如下：

（1） 對新加入邊的約束不同，最小生成樹圖在加入新的邊時不允許出現(xiàn)環(huán)，而平面最大過濾圖中可以出現(xiàn)環(huán)；

（2） 邊的數(shù)量不同。根據(jù)可平面圖的性質(zhì)，節(jié)點和連邊的數(shù)量分別為M（M≥3）和q的可平面圖滿足q≤3M – 6，因此PMFG含有3N-6條邊，而MST擁有N-1條邊。

四、實證結(jié)果分析

（一） 商業(yè)銀行股票收益率相關(guān)系數(shù)分析

圖1、圖2是貸款利率市場化前后商業(yè)銀行股票收益率的相關(guān)系數(shù)分布。當(dāng)i=j時令相關(guān)系數(shù)為0。圖1中，貸款利率市場化前股票收益率相關(guān)系數(shù)均值為0.58，標(biāo)準(zhǔn)偏差為0.184，峰值為0.6；圖2中，貸款利率市場化后股票收益率相關(guān)系數(shù)均值為0.65，標(biāo)準(zhǔn)偏差為0.193，峰值為0.68。對比分析可以發(fā)現(xiàn)，貸款利率市場化前后兩個時間段，商業(yè)銀行股票收益率相關(guān)系數(shù)都不服從正態(tài)分布，分布區(qū)間均為[0.4， 0.8]，說明商業(yè)銀行股票收益率之間的關(guān)聯(lián)性并未發(fā)生大的變化，且相關(guān)性一直較強。

（二） 商業(yè)銀行股票網(wǎng)絡(luò)結(jié)構(gòu)

通過構(gòu)建網(wǎng)絡(luò)圖可以更為直觀的分析商業(yè)銀行股票網(wǎng)絡(luò)在貸款利率市場化前后變化情況，根據(jù)Kruskal算法及PMFG構(gòu)圖法可以求得兩個時間段商業(yè)銀行股票的MST和PMFG。節(jié)點代表股票，連邊上權(quán)重代表節(jié)點距離，綜合觀察四圖可以發(fā)現(xiàn)商業(yè)銀行股票間距離主要分布在0到1之間，各商業(yè)銀行股票收益率間相關(guān)性較大。由圖3、圖5可以發(fā)現(xiàn)，貸款利率市場化前節(jié)點度大的分別是南京銀行、招商銀行、光大銀行及農(nóng)業(yè)銀行；其中，興業(yè)銀行與南京銀行在網(wǎng)絡(luò)中距離最大（1.01）；寧波銀行與南京銀行距離最小（0.52），說明寧波銀行與南京銀行股票收益率相關(guān)性在整個股票收益率網(wǎng)絡(luò)中最大；由圖4、圖6可以得知，貸款利率市場化后節(jié)點度大的分別是興業(yè)銀行、交通銀行、農(nóng)業(yè)銀行及華夏銀行；其中，光大銀行與農(nóng)業(yè)銀行距離最大（0.96）；工商銀行與農(nóng)業(yè)銀行距離最近（0.48），說明在貸款利率市場化后，工商銀行和農(nóng)業(yè)銀行股票收益率相關(guān)性在整個股票收益率網(wǎng)絡(luò)中最大。縱向?qū)Ρ荣J款利率市場化前后商業(yè)銀行股票網(wǎng)絡(luò)可以發(fā)現(xiàn)，在貸款利率市場化后，國有五大行之間距離更近，彼此成團更為明顯。這可能是由于隨著貸款利率市場化的推進(jìn)，五大國有銀行為適應(yīng)新的環(huán)境，在業(yè)務(wù)結(jié)構(gòu)、盈利模式上更為相似，從而導(dǎo)致國有五大行在網(wǎng)絡(luò)結(jié)構(gòu)中成團更為明顯。

圖3 貸款利率市場化前MST 圖4 貸款利率市場化后MST

圖5貸款利率市場化前 PMFG 圖6 貸款利率市場化后PMFG

（三） 商業(yè)銀行股票網(wǎng)絡(luò)拓?fù)湫再|(zhì)分析

通過分析網(wǎng)絡(luò)的平均路徑長度及聚集系數(shù)，可以分析網(wǎng)絡(luò)性質(zhì)的變化，進(jìn)而研究商業(yè)銀行股票網(wǎng)絡(luò)在貸款利率市場化前后發(fā)生的變化。表1是MST和PMFG網(wǎng)絡(luò)的平均路徑長度及平均聚集系數(shù)?？梢钥闯鲈谕染W(wǎng)絡(luò)規(guī)模下，PMFG網(wǎng)絡(luò)整體比MST網(wǎng)絡(luò)的平均路徑長度要小很多。這與PMFG及MST算法符合，在確定網(wǎng)絡(luò)中兩節(jié)點的最小邊數(shù)時，PMFG的可選范圍是要比MST大。由于最小生成樹本身不包含環(huán)，因此平均聚集系數(shù)為0。小世界網(wǎng)絡(luò)和隨機網(wǎng)絡(luò)具有同等的平均路徑長度，同時聚集系數(shù)遠(yuǎn)大于隨機網(wǎng)絡(luò)。與Pajek構(gòu)建的隨機網(wǎng)絡(luò)對比發(fā)現(xiàn)，商業(yè)銀行股票網(wǎng)絡(luò)與比隨機網(wǎng)絡(luò)具有相似的平均路徑長度但商業(yè)銀行股票網(wǎng)絡(luò)的聚集系數(shù)比隨機網(wǎng)絡(luò)的聚集系數(shù)（0.2711）更大，因此商業(yè)銀行股票網(wǎng)絡(luò)在貸款利率市場化前后均具有小世界效應(yīng)，說明多數(shù)商業(yè)銀行股票之間雖然具有較少的直接聯(lián)系，但是可以通過較少其他節(jié)點迅速建立間接關(guān)聯(lián)，這種隱性關(guān)聯(lián)更值得監(jiān)管者及投資者去關(guān)注。此外，貸款利率市場化前后網(wǎng)絡(luò)的平均路徑長度（3.2583和3.1750、1.7500和1.8000）及聚集系數(shù)（0.7547和0.7579）未發(fā)現(xiàn)較大變化，即商業(yè)銀行股票網(wǎng)絡(luò)的緊密程度及信息在網(wǎng)絡(luò)中傳遞效率未發(fā)生大的變化，這與我國利率市場化政策穩(wěn)健有序推進(jìn)相關(guān)。同時利率變動對商業(yè)銀行股票收益率網(wǎng)絡(luò)的影響貢獻(xiàn)度不大，這說明我國利率變化對商業(yè)銀行股票收益率影響力度不強。

從表2、表3可以看出，在貸款利率市場化前后，節(jié)點占據(jù)網(wǎng)絡(luò)中心程度不一致。可以發(fā)現(xiàn)，不同計算節(jié)點中心性方法不一致，所得到節(jié)點中心性不一樣，這是因為各種中心性度量方法從不同的角度考慮了網(wǎng)絡(luò)的基本特征，不同計算節(jié)點中心性方法所側(cè)重的節(jié)點在網(wǎng)絡(luò)中傳遞信息分飾的角色不同。在貸款利率市場化前，綜合考慮四種計算中心性方法，排名前四的中心節(jié)點分別是南京銀行、招商銀行、光大銀行和交通銀行；在貸款利率市場化后，排行前四的中心節(jié)點分別是興業(yè)銀行、交通銀行、農(nóng)業(yè)銀行及華夏銀行。中心節(jié)點既縮短了商業(yè)銀行股票收益率之間的距離，同時也成為風(fēng)險傳染的重要對象和載體，因此，要重視中心節(jié)點在網(wǎng)絡(luò)中的作用，提高其風(fēng)險管理水平。在貸款利率市場化前后，國有五大行均未占據(jù)網(wǎng)絡(luò)中心位置，這表明我國五大國有銀行在利率市場化改革進(jìn)程中受到的沖擊相對較小，而我國城市商業(yè)銀行受到的沖擊會相對較大。其原因可能是國有五大行對利差收入依賴程度低，而城市商業(yè)銀行則相比較強。貸款利率市場化前后中心節(jié)點發(fā)生了較大的變化，其可能的原因是貸款利率市場化后，商業(yè)銀行所面臨外部風(fēng)險環(huán)境發(fā)生了較大的變化，現(xiàn)階段以貸款為主要收入來源的各商業(yè)銀行為保持盈利持續(xù)增長而采取的不同措施而產(chǎn)生的不同效果。因此，商業(yè)銀行在應(yīng)對利率市場化改革的過程中，要主動適應(yīng)利率市場化的趨勢，轉(zhuǎn)換發(fā)展模式，提高競價能力，并根據(jù)特定的市場利率和市場定位來考慮銀行的業(yè)務(wù)模式，在規(guī)范經(jīng)營和控制風(fēng)險的前提下增加商業(yè)銀行收入的多樣化。五、結(jié)論

通過構(gòu)建商業(yè)銀行股票的復(fù)雜網(wǎng)絡(luò)，分析了貸款利率市場化前后商業(yè)銀行股票網(wǎng)絡(luò)拓?fù)湫再|(zhì)的變化情況。實證研究發(fā)現(xiàn)，貸款市場化前后商業(yè)銀行股票之間相關(guān)系數(shù)并未發(fā)生較大變化，分布在[0.4， 0.8]之間，均值為0.6左右，說明我國商業(yè)銀行股票相關(guān)性較強；通過分析商業(yè)銀行股票收益率網(wǎng)絡(luò)的MST和PMFG發(fā)現(xiàn)，貸款利率市場化前后網(wǎng)絡(luò)的平均路徑長度及平均聚集系數(shù)并未發(fā)生較大變化，說明利率變動對商業(yè)銀行股票的影響力度不強，并且與我國穩(wěn)步推進(jìn)利率市場化進(jìn)程的策略有關(guān)；在利率市場化的背景下，商業(yè)銀行作為主要金融媒介體系的重要地位在逐步降低，新增人民幣貸款在社會金融資產(chǎn)中所占比重持續(xù)下降，越來越多的資金通過各種各樣的融資工具而非貸款渠道流向?qū)嶓w經(jīng)濟，利率市場化的逐步推進(jìn)改變了我國商業(yè)銀行對于政策性利差具有高度的依賴性的現(xiàn)狀；網(wǎng)絡(luò)的中心節(jié)點在貸款利率市場化后發(fā)生了較大的變化，說明貸款利率市場化在一定程度影響了商業(yè)銀行的經(jīng)營環(huán)境，各商業(yè)銀行應(yīng)對利率市場化所采取的措施收效不同。國有五大行未占據(jù)網(wǎng)絡(luò)的中心節(jié)點位置，這可能是因為國有五大行對利率市場化中利率變化不敏感，即相較于城市商業(yè)銀行，五大國有銀行對利差收入的依賴程度較低，在貸款利率市場化改革中受到的沖擊更小。因此，商業(yè)銀行應(yīng)該通過建立高效的利率風(fēng)險管理機制、提高資本充足率的監(jiān)管并實行細(xì)致完善的資產(chǎn)負(fù)債管理模式來加強貸款利率市場化下的銀行業(yè)風(fēng)險控制。

參考文獻(xiàn)

[1] Masood O， Sergi B . China's Banking System，Market Structure， and Competitive Conditions[J]. Frontiers of Economics in China， 2011， 6（1）：22-35.

[2] Porter N J， Feyzioglu T， Takáts E. Interest Rate Liberalization in China[J]. Social Science， 2015， 58（9-10）：1-28.

[3] Udoh E， Ogbuagu U R. Interest Rate Liberalization， Financial Development and Economic Growth in Nigeria （1970-2008）[J]. Asian Social Science， 2012， 8（3）： 292-302.

[4] 黃樹青， 孫璐璐. 存款利率市場化進(jìn)程中商業(yè)銀行定價策略的動態(tài)選擇[J]. 上海金融， 2014， （5）： 34-39.

[5] Lenzu S， Tedeschi G. Systemic risk on different interbank network topologies[J]. Physica A Statistical Mechanics & Its Applications， 2012， 391（18）：4331-4341.

[6] Beck T，De Jonghe，O.and Schepens，G.Bank Competition and Stability： Cross -country Heterogeneity[J]. Journal of Financial Intermediation，2013， 22（2）： 218-244.

[7] 黃曉薇， 郭敏， 李瑩華. 利率市場化進(jìn)程中銀行業(yè)競爭與風(fēng)險的動態(tài)相關(guān)性研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2016， （1）：75-91.

[8] 張宗益， 吳恒宇， 吳俊. 商業(yè)銀行價格競爭與風(fēng)險行為關(guān)系——基于貸款利率市場化的經(jīng)驗研究[J]. 金融研究， 2012， （7）：1-14.

[9] Georga C P， Poschmannb J. Systemic Risk in a Network Model of Interbank Markets with Central Bank Activity. Jena Economic Research Papers. 2010， 4（1）：1-24

[10] 劉超，吳明文，馬玉潔. 基于復(fù)雜網(wǎng)絡(luò)的同業(yè)拆借市場特性研究——以金融危機時期（2007～2009年）數(shù)據(jù)為例[J]. 財經(jīng)理論與實踐，2014， 35（2）：9-15.

Analysis on Topological Properties of Commercial Bank Stock Networks Before and After the Loan Interest Rate Liberalization

ZENG Zhi-jian ， YUE Kai-wen

（College of Business Administration， Hunan University， Changsha， Hunan 410082， China）

Abstract： In this paper， we apply the method of complex network and construct the stock yields networks of commercial banks for comparing the changes of the networks topological properties of commercial bank stocks before and after the loan interest rate liberalization. The empirical results show that the stock yields correlation coefficients of 16 commercial banks have not significant changes neither have the average path length and clustering coefficient of the networks before and after the loan interest rate liberalization. Meanwhile， we find that the five Chinas major commercial banks do not occupy the central nodes position of networks， however， the distance of these five banks stock yields become smaller and relativity become stronger after the loan interest rate liberalization than that of before the loan interest rate liberalization. More important， the central nodes of networks have a significant change.

Key words： The loan interest rate liberalization； Commercial Bank； Stock network； Topological property