摘 要：銀行系統(tǒng)性風險不僅在金融機構(gòu)內(nèi)部傳染，更有可能源于實體經(jīng)濟的外部沖擊。鑒于此，本文將實體行業(yè)納入銀行系統(tǒng)性風險分析框架，基于26家銀行2008-2019年年報數(shù)據(jù)，采用DebtRank算法對銀行-實體雙向傳染風險進行研究，探討二者間風險反饋傳導(dǎo)機理，評估系統(tǒng)性風險大小，識別系統(tǒng)重要性與系統(tǒng)脆弱性機構(gòu)。研究表明，在銀行系統(tǒng)性風險評估中，忽略實體行業(yè)與銀行間的雙向反饋關(guān)系將低估風險，可能導(dǎo)致決策錯誤；中、農(nóng)、工、建、交均為系統(tǒng)重要性銀行，部分股份制銀行兼具系統(tǒng)重要性與系統(tǒng)脆弱性屬性，需監(jiān)管部門重點關(guān)注；制造業(yè)、房地產(chǎn)業(yè)、建筑業(yè)等為系統(tǒng)重要性行業(yè)，而此類行業(yè)的最大債權(quán)銀行也恰為系統(tǒng)重要性銀行。防范銀行業(yè)系統(tǒng)性風險不僅要加強銀行內(nèi)部風險控制，更要立足經(jīng)濟金融全局視角精準施策，從源頭防范系統(tǒng)性風險的發(fā)生。

關(guān)鍵詞：DebtRank算法；實體行業(yè)；復(fù)雜網(wǎng)絡(luò)；系統(tǒng)性風險

作者簡介：翟永會（1982-），女，河南新鄉(xiāng)人，博士，河南師范大學(xué)商學(xué)院副教授，河南省產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級軟科學(xué)研究基地研究員，主要從事金融風險管理等相關(guān)研究。

基金項目：國家社會科學(xué)基金項目（18BJY247）；河南省高校科技創(chuàng)新人才支持計劃（人文社科類）（2020-cx-024）；河南省軟科學(xué)研究項目（232400411122）

中圖分類號：F830? 文獻標識碼：A? 文章編號：1000-2359（2023）04-0042-07? 收稿日期：2022-02-05

一、問題的提出及文獻回顧

2023年3月，由美國硅谷銀行破產(chǎn)而引發(fā)的全球系統(tǒng)性金融風險事件再次引起各界關(guān)注，中國早在十九大會議上就已提出，要守住不發(fā)生系統(tǒng)性金融風險這一底線。系統(tǒng)性風險的顯著特點是傳染性，即一個金融機構(gòu)遭受嚴重損失會通過機構(gòu)間關(guān)聯(lián)網(wǎng)絡(luò)迅速波及其他機構(gòu)，最終沖擊整個金融系統(tǒng)。銀行業(yè)作為金融體系的重要機構(gòu)，發(fā)揮著資源調(diào)配、保證實體經(jīng)濟穩(wěn)步發(fā)展的作用，因此防控銀行業(yè)系統(tǒng)性風險對維持金融穩(wěn)定至關(guān)重要。多次金融危機事件表明，銀行間拆借市場是銀行業(yè)系統(tǒng)性風險傳染的重要渠道。同時，銀行系統(tǒng)性風險亦有可能來自外部實體行業(yè)沖擊。若重要性行業(yè)因遭遇經(jīng)營困境出現(xiàn)衰退，其債權(quán)銀行的資產(chǎn)價值將遭受直接沖擊，進而通過銀行間網(wǎng)絡(luò)蔓延，導(dǎo)致銀行業(yè)信貸緊縮，反過來加劇實體行業(yè)衰退，最終形成“惡魔回路”?；诖耍疚恼J為，銀行系統(tǒng)性風險的研究應(yīng)該加強，重點關(guān)注實體行業(yè)與銀行間的風險傳導(dǎo)效應(yīng)，以構(gòu)建應(yīng)對風險的有效隔離機制。既有文獻表明，造成銀行的系統(tǒng)性風險主要可分為內(nèi)部因素和外部因素。部分學(xué)者認為金融的脆弱性、市場主體有限理性及資產(chǎn)價格波動性等內(nèi)部因素決定了金融體系的內(nèi)在不穩(wěn)定性，如Minsky的“金融不穩(wěn)定假說”Minsky H.The Financial Instability Hypothesis： A Restatement.Thames Papers in Political Economy，1979.和Stiglitz and Weiss的“信貸市場信息不對稱”假說均認為資產(chǎn)價格波動、信息不對稱和金融自由化是造成金融脆弱性的主要根源Stiglitz J，Weiss A. Credit Rationing in Markets with Imperfect Information. The American Economic Review， 1981（71）.，而Gramlich et al.提出金融機構(gòu)業(yè)務(wù)間的高度關(guān)聯(lián)是造成系統(tǒng)性風險的重要成因Gramlich et al. SAFE： An Early Warning System for Systemic Banking Risk. Federal Reserve Bank of Cleveland， Working Paper，2011.。有別于上述觀點，有些學(xué)者認為政策干預(yù)和經(jīng)濟周期等外部因素是系統(tǒng)性風險的重要來源，如謝平和鄒傳偉認為經(jīng)濟下滑時，實體行業(yè)償債能力下降，金融機構(gòu)不良貸款攀升，這會降低儲戶和投資者信心，甚至引發(fā)銀行擠兌，最終演化為系統(tǒng)性風險謝平，鄒傳偉：《金融危機后有關(guān)金融監(jiān)管改革的理論綜述》，《金融研究》，2010年第2期。。

為建立有效的系統(tǒng)性風險測量框架，學(xué)者們提出眾多度量方法。Adrian and Brunnermeier在VaR基礎(chǔ)上提出條件風險價值（CoVaR），用于測度某家金融機構(gòu)遭受損失給其他金融機構(gòu)帶來的風險溢出Adrian T， Brunnermeier M. CoVaR. Federal Reserve Bank of New York， Working Paper， 2009.。Acharya et al.提出了邊際期望損失（MES）和系統(tǒng)性期望損失（SES），分別用于測度市場在未發(fā)生金融危機和發(fā)生金融危機情形下機構(gòu)對系統(tǒng)風險的邊際貢獻Acharya et al. Measuring Systemic Risk. NYU Working Paper，2010.。由于傳統(tǒng)經(jīng)濟學(xué)方法在分析系統(tǒng)內(nèi)部結(jié)構(gòu)方面的乏力，復(fù)雜網(wǎng)絡(luò)理論為度量系統(tǒng)性金融風險提供了新視角，采用復(fù)雜網(wǎng)絡(luò)模型時具有代表性的傳染算法有EN算法、傳染指數(shù)法及DebtRank算法，其中EN算法由Eisenberg and Noe提出，但該方法在銀行破產(chǎn)情形下才會引發(fā)傳染，這會嚴重低估風險。為擬補此算法的不足，Battiston et al.提出了DebtRank算法，解決了EN算法中銀行破產(chǎn)才能引發(fā)傳染的局限，能更為準確地捕捉銀行系統(tǒng)性風險傳染的過程，此外DebtRank算法下個體對系統(tǒng)損失的貢獻可以加總，而該特性CoVaR等方法均不滿足Battiston et al. DebtRank：Too Central to Fail？ Financial Networks， The FED and Systemic Risk. Scientific Reports，2012（8）.。在此基礎(chǔ)上，Thurner and? Poledna從管理角度出發(fā)，認為監(jiān)管當局可以建立基于DebtRank值的逆向選擇機制，有效降低系統(tǒng)性風險Thurner S， Poledna S. DebtRank-transparency：Controlling Systemic Risk in Financial Network.Scientific Reports，2013（3）.。

通過上述文獻梳理發(fā)現(xiàn)，基于DebtRank算法的復(fù)雜網(wǎng)絡(luò)模型在度量系統(tǒng)性風險方面獨具優(yōu)勢，而國內(nèi)外學(xué)者運用該方法評估系統(tǒng)性風險時多局限于金融系統(tǒng)內(nèi)部，未將實體行業(yè)對金融機構(gòu)的風險傳導(dǎo)納入考量。而實體部門和金融業(yè)尤其是銀行業(yè)間存在復(fù)雜網(wǎng)絡(luò)關(guān)聯(lián)，二者間風險傳導(dǎo)不容忽視。鑒于此，本文采用DebtRank算法，構(gòu)建實體和銀行間雙向反饋網(wǎng)絡(luò)對系統(tǒng)性風險進行研究，在銀行借貸關(guān)聯(lián)網(wǎng)絡(luò)基礎(chǔ)上，加入實體部門構(gòu)建實體和銀行間網(wǎng)絡(luò)模型，全面評估銀行系統(tǒng)性風險，為從源頭控制風險提供新視角。

二、理論框架

基于金融加速器理論，可知信貸市場遭遇外部負面沖擊時，會有循環(huán)放大沖擊的作用，鑒于此，本文認為，當來自政策、技術(shù)或市場等方面的外部沖擊對實體行業(yè)造成影響時，部分行業(yè)可能陷入衰退狀態(tài)，導(dǎo)致資產(chǎn)貶值，無法按時償還銀行債務(wù)，而違約風險則會通過信貸渠道向銀行系統(tǒng)蔓延。若行業(yè)違約導(dǎo)致銀行面臨較高的壞賬水平，為滿足監(jiān)管要求，銀行將縮減信貸規(guī)模，這將通過金融加速器反饋至實體行業(yè)，從而給實體行業(yè)帶來更大的經(jīng)營壓力，更大規(guī)模的信貸違約接踵而至，并不斷循環(huán)擴大。依據(jù)上述分析，建構(gòu)實體與銀行之間的系統(tǒng)性風險雙向反饋傳導(dǎo)機制（見圖1）。

三、研究設(shè)計

（一）構(gòu)建銀行間關(guān)聯(lián)網(wǎng)絡(luò)

為盡可能準確地刻畫樣本銀行間的微觀借貸網(wǎng)絡(luò)結(jié)構(gòu)，參考國內(nèi)外學(xué)者在相關(guān)文獻中做法，運用最大信息熵與最小叉熵理論模擬構(gòu)建銀行間網(wǎng)絡(luò)。假設(shè)各銀行同業(yè)資產(chǎn)和負債的概率分布足夠分散且相互獨立，由N家銀行構(gòu)成的銀行間關(guān)聯(lián)網(wǎng)絡(luò)可用N階方陣X表示：

四、模擬結(jié)果分析

（一）銀行業(yè)系統(tǒng)性風險時變特征

本文假定初始外部沖擊為一家樣本銀行破產(chǎn)清算，并將26次模擬得到的DebtRank指數(shù)值以銀行規(guī)模為權(quán)重加權(quán)平均求得銀行網(wǎng)絡(luò)DebtRank指數(shù)?；诓罘諨ebtRank模型，可得到2008年至2019年銀行網(wǎng)絡(luò)DebtRank指數(shù)值時序變化，如圖2。

根據(jù)圖2所示，自2008年金融危機爆發(fā)至2012年期間，我國銀行業(yè)所面臨的系統(tǒng)性風險呈現(xiàn)出溫和上升的趨勢。但是，2013年銀行系統(tǒng)性風險水平突然攀升到10多年來的最高水平，分析2013年第一季度銀行業(yè)統(tǒng)計數(shù)據(jù)可知，當時中國銀行業(yè)資產(chǎn)和負債規(guī)模增長迅速，而不良貸款率也增加了2個基點，流動比率降至45.36%，同比下降30個基點，說明銀行業(yè)經(jīng)營風險正在積聚，當年6月份“錢荒”事件發(fā)生，市場流動性進一步收緊。2015年6月份我國股市發(fā)生股災(zāi)后，金融市場陷入一片混亂之中，這是導(dǎo)致2013-2015年DebtRank指數(shù)居高不下的根本原因。在股災(zāi)事件之后，我國采取了一系列強有力的監(jiān)管措施，使銀行保持了充足的流動性，從而使得銀行系統(tǒng)性風險值在2018年和2019年兩年間重新回到了低水平狀態(tài)。

（二）實體行業(yè)對銀行業(yè)系統(tǒng)性風險的貢獻

為考察實體行業(yè)對銀行系統(tǒng)性風險的貢獻，下文采用基于實體反饋的DebtRank模型測度銀行系統(tǒng)性風險，并與基于差分DebtRank模型作對比分析，結(jié)果如圖2所示。根據(jù)圖2可知，若不考慮實體行業(yè)的反饋效應(yīng)，將會導(dǎo)致銀行業(yè)系統(tǒng)性風險被低估，而在2019年，風險低估的比值達到71.23%。由此可知，在低風險時期，不考慮實體行業(yè)的風險反饋效應(yīng)，更容易造成風險低估，造成這一結(jié)果的原因主要在于銀行低風險時期流動性更為充足，與實體行業(yè)信貸業(yè)務(wù)更多，聯(lián)系亦更加緊密，此時一旦一家銀行破產(chǎn)，所有與其有借貸關(guān)系的實體企業(yè)都將受到影響，在金融加速器的作用下，通過陷入困境的行業(yè)向其他債權(quán)銀行傳遞，并在銀行網(wǎng)絡(luò)中擴散，從而進一步加劇了風險。兩種模型對系統(tǒng)性風險測度結(jié)果的差異證實了僅考慮銀行間風險傳導(dǎo)會低估系統(tǒng)性風險的觀點。

（三）銀行的系統(tǒng)重要性與系統(tǒng)脆弱性分析

本文采用單個樣本銀行破產(chǎn)后給系統(tǒng)造成的損失大小衡量銀行的系統(tǒng)重要性。將上文計算出的系統(tǒng)性風險值，乘以銀行規(guī)模衡量的權(quán)重，得到26家銀行的DR值，2008-2019年歷年各銀行的DR值均可由此得到。由于歷年排名差異不大，且受篇幅所限，僅列出2019年各銀行系統(tǒng)重要性排名，結(jié)果如表1所示。根據(jù)研究結(jié)果，工商銀行、建設(shè)銀行、農(nóng)業(yè)銀行、中國銀行和交通銀行在銀行系統(tǒng)重要性排名中均位于前列，且它們的DR值遠高于其他上市銀行，這表明這五家銀行具有較高的系統(tǒng)重要性，這與五大國有銀行的規(guī)模龐大和業(yè)務(wù)繁多的特點相符合。而部分中等規(guī)模的股份制銀行，如興業(yè)銀行、浦發(fā)銀行、民生銀行、中信銀行、招商銀行等，在系統(tǒng)重要性排名中位列前十。根據(jù)資產(chǎn)負債表的觀察結(jié)果，這些銀行的同業(yè)資產(chǎn)和負債相對于其自身所有者權(quán)益而言具有較高的價值，與其他銀行之間的債權(quán)債務(wù)關(guān)系緊密，因此在銀行網(wǎng)絡(luò)中扮演著至關(guān)重要的角色，其系統(tǒng)的重要性也相應(yīng)更高。

（四）系統(tǒng)重要性行業(yè)及其與系統(tǒng)重要性銀行的關(guān)聯(lián)

系統(tǒng)重要性行業(yè)即指那些對銀行系統(tǒng)穩(wěn)定性影響更大的實體行業(yè)。在識別系統(tǒng)重要性行業(yè)時，假設(shè)初始外部沖擊首先影響某個行業(yè)，考慮到該行業(yè)內(nèi)通常有數(shù)以萬計的企業(yè)，因此設(shè)定初始外部沖擊為某個行業(yè)破產(chǎn)是不切實際的，相比之下，對行業(yè)壓力增加帶來的銀行系統(tǒng)性風險的邊際影響進行評估更有價值。因此提出以下假設(shè)，即行業(yè)在受到初始外部沖擊時，可能會受到一定程度的壓力，但并不至于面臨破產(chǎn)的風險?；谏鲜龇治?，將行業(yè)壓力水平分別設(shè)定為0.01、0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09、0.10，據(jù)此分別模擬11個樣本行業(yè)10次不同程度的壓力沖擊，記錄每次模擬中樣本銀行全部違約時的傳染輪數(shù)，并算出10次模擬結(jié)果的平均傳染輪數(shù)。通過模擬結(jié)果可知，2017-2019年行業(yè)系統(tǒng)重要性排名如表3所示：

由表3可知，制造業(yè)的沖擊給銀行業(yè)帶來的系統(tǒng)性風險最大，位居11個樣本行業(yè)首位且排名穩(wěn)定。而房地產(chǎn)業(yè)、建筑業(yè)、交運倉儲業(yè)與批發(fā)零售業(yè)系統(tǒng)重要性排名雖偶有變動但歷年均居于前列，這表明以上行業(yè)系統(tǒng)重要性較強。

可見，上述行業(yè)在系統(tǒng)性風險傳導(dǎo)中的貢獻較大，體現(xiàn)出更強的系統(tǒng)重要性。依據(jù)樣本行業(yè)貸款數(shù)據(jù)可知，自2008年至2019年間，26家樣本銀行向制造業(yè)提供的貸款余額均居于各行業(yè)首位，而貸款余額最少的正是農(nóng)林牧漁業(yè)、住宿餐飲業(yè)和信息傳輸業(yè)三個行業(yè)，這恰與表3所示的行業(yè)系統(tǒng)重要性排名一致，這表明實體行業(yè)對銀行系統(tǒng)性風險的貢獻與銀行對該行業(yè)的風險敞口規(guī)模相關(guān)度很高。此外，產(chǎn)業(yè)特性也對系統(tǒng)重要性產(chǎn)生了影響。眾所周知，制造業(yè)、建筑業(yè)、房地產(chǎn)業(yè)皆屬資本密集型行業(yè)，資產(chǎn)規(guī)模龐大且專用資金周轉(zhuǎn)時間長，一旦受到外部沖擊，造成債務(wù)違約，對整個經(jīng)濟金融體系的影響更大。因此在系統(tǒng)性風險傳遞中扮演的角色也更為重要，而交運倉儲業(yè)具有短貸長投特性，大量貸款期限為中短期，且該行業(yè)的投資回報期較長，債務(wù)與資產(chǎn)期限錯配造成其高風險特征，其系統(tǒng)重要性排名也位居前列。

為了深入研究系統(tǒng)重要性銀行與系統(tǒng)重要性行業(yè)之間的聯(lián)系，首先需要識別出2008年至2019年12年中以平均傳染輪數(shù)所衡量的系統(tǒng)重要性行業(yè)前五名，這些行業(yè)包括制造業(yè)、房地產(chǎn)業(yè)、交運倉儲業(yè)、其他服務(wù)業(yè)和批發(fā)零售業(yè)。接著，計算上述行業(yè)分別向樣本銀行借款的平均余額，按照借款規(guī)模大小對樣本銀行進行順序排列?？傻门琶拔宓南到y(tǒng)重要性行業(yè)與各自5大債權(quán)銀行的借款余額均值如表4所示：

五、結(jié)論與建議

本文通過構(gòu)建差分DebtRank模型和基于反饋的DebtRank模型，對銀行業(yè)的系統(tǒng)性風險進行評估，并通過模擬考察了樣本銀行的系統(tǒng)重要性與系統(tǒng)脆弱性排名，同時得到了11個實體行業(yè)的系統(tǒng)重要性排名。研究結(jié)果表明：第一，在對銀行業(yè)的系統(tǒng)性風險進行評估時，應(yīng)考慮實體行業(yè)對銀行業(yè)的風險反饋效應(yīng)，僅局限于銀行業(yè)內(nèi)部分析框架會導(dǎo)致風險低估。第二，國有商業(yè)銀行和股份制銀行的系統(tǒng)重要性普遍高于城市商業(yè)銀行，城市商業(yè)銀行的系統(tǒng)脆弱性則高于國有商業(yè)銀行和股份制銀行。第三，國有商業(yè)銀行的系統(tǒng)重要性相對較高而系統(tǒng)脆弱性相對較低，少數(shù)股份制銀行和城市商業(yè)銀行同時具有較高的系統(tǒng)重要性與脆弱性。第四，我國制造業(yè)、房地產(chǎn)業(yè)、交運倉儲業(yè)、其他服務(wù)業(yè)和批發(fā)零售業(yè)位列系統(tǒng)重要性行業(yè)排名前列，且系統(tǒng)重要性排名前五的銀行均為這五個行業(yè)的最大債權(quán)銀行。因此，要加強對系統(tǒng)重要性與系統(tǒng)脆弱性銀行的監(jiān)管。考慮到系統(tǒng)重要性銀行的破產(chǎn)極易引發(fā)系統(tǒng)性風險，而系統(tǒng)脆弱性銀行又極難抵御外部沖擊，因此應(yīng)基于微觀審慎角度嚴格監(jiān)管措施，以隔絕系統(tǒng)脆弱性銀行向系統(tǒng)重要性銀行傳遞風險的渠道。同時，將系統(tǒng)重要性行業(yè)納入風險監(jiān)管框架。隨著金融實體間關(guān)聯(lián)日漸緊密，實體行業(yè)和銀行間相互作用不斷增強，我國應(yīng)嚴防實體行業(yè)風險向金融行業(yè)的溢出傳遞，將實體行業(yè)風險監(jiān)測納入監(jiān)管框架。

Abstract：

The systemic risk of banks is not limited to internal contagion within financial institutions， but is more likely to originate from external shocks to the real economy. In view of this， this paper incorporates the physical industry into the framework of banking systemic risk analysis. Based on the annual report data of 26 banks from 2008 to 2019， the DebtRank algorithm is used to study the bidirectional contagion risk between banks and entity industries.This paper explores the risk feedback transmission mechanism between the entity industries and banks， evaluates the magnitude of systemic risk， and identifies institutions with systemic importance and vulnerability. Research has shown that in the systemic risk assessment of banks， ignoring the two-way feedback relationship between the entity industries and banks will underestimate risk and may lead to decision-making errors. The five major state-owned banks are all systemically important banks， and some joint-stock banks have both systemic importance and systemic fragility attributes， which require regulatory authorities to focus on. Manufacturing， real estate， and construction industries are systemically important industries， and the largest creditor banks in these industries are also systemically important banks. To prevent systemic risks in the banking industry， it is not only necessary to strengthen internal risk control within banks， but also to implement precise policies from the perspective of the overall economy and finance， and prevent the occurrence of systemic risk from the source.

Key words：DebtRank algorithm；entity industry；complex network；systemic risk? ［責任編校 陳浩天］