基于时变状态网络的银行风险传导研究

邱路; 黄国妍

doi:10.7498/aps.69.20200221

摘要

银行风险传导研究是系统性金融风险测度与防范的重点. 文献中主要研究静态银行网络拓扑结构和银行系统性风险量化, 较少考虑银行网络之间的状态转变. 针对上述问题, 提出时变状态网络模型. 根据模型, 首先用kmeans方法对各个时间段的银行网络分类, 然后通过有向最小生成树(DMST, directed minimum spanning tree)分析每一类银行网络的拓扑结构, 最后联合利用平面最大过滤图(PMFG, planar maximally filtered graph)方法构建时变银行状态网络, 该网络可用作银行风险源头的寻找和传导时变性分析. 利用时变状态网络模型研究我国15家上市商业银行2007年第四季度到2019第一季度同业拆借数据. 结果表明, 银行状态网络之间的短期连续跳跃性可有效描述金融危机的发生, 比如2008年全球金融危机发生前后出现了两个状态间的短期跳跃, 从2013年“钱荒”到2015年的股灾阶段, 先后出现了四个状态间的短期跳跃. 同时, 各个有向银行状态网络的出度和传染效应成正比, 入度和银行面临风险的稳健程度成反比. 时序的银行状态网络具有记忆性特征, 这可以为央行防范系统性风险提供决策依据.

关键词:

Abstract

Aiming at the state transition between bank networks, we propose a time-varying state network model. In this model, we classify the bank networks in each time period by the kmeans method, and use directed minimum spanning tree(DMST) method to describe the topological structure of each kind of bank network. We also construct a time-varying bank state network by the planar maximally filtered graph(PMFG) method. The state network can be used to find the source of bank risk and conduct the time-varying analysis. We put into the model the inter-bank lending data of 15 listed Chinese commercial banks from the fourth quarter of 2007 to the first quarter of 2019. The results show that the short-term continuity jump between the bank states can effectively describe the occurrence of financial crisis. For example, before and after the global financial crisis in 2008, there was a short-term jump between two states. From the “money shortage” in 2013 to the stock market crash in 2015, there were four short-term jumps between states. At the same time, the outgoing degree of each directed bank state network is directly proportional to the contagion effect, and the incoming degree is inversely proportional to the steady degree of the risk faced by the bank. The sequential bank state network has the memory characteristic, which can provide the central bank for decision basis to prevent the systematic risk.

Keywords:

作者及机构信息

邱路^1,2,
黄国妍¹

1.
上海师范大学商学院, 上海　　200234

2.
华东理工大学商学院, 上海　200237

通信作者: 黄国妍, huanggy@shnu.edu.cn

基金项目: 省部级-教育部人文社会科学研究青年基金(18YJC910010)

Authors and contacts

Qiu Lu^1,2,
Huang Guo-Yan¹

1.
School of Finance and Business, Shanghai Normal University, Shanghai 200234, China

2.
School of Business, East China University of Science and Technology, Shanghai 200237, China

Corresponding author: Huang Guo-Yan, huanggy@shnu.edu.cn

文章全文 : translate this paragraph

参考文献

[1]	Anand K, Lelyveld I, Banai Á, Friedrich S, Garratt R, Hałaj G, Fique J, Hansen I, Jaramillo S M, Lee H, Molina J L, Nobili S, Rajan S, Salakhova D, Silva T C, Silvestri L, Souza S 2018 J. Financ. Stabil. 35 107 Google Scholar
[2]	唐文进, 苏帆 2017 经济研究 04 19 Tang W J, Su F 2017 ERJ 04 19
[3]	Müller J 2006 J. Financ. Serv. Res. 29 37 Google Scholar
[4]	Wells S 2004 B.E.Q. Bull. 3 331
[5]	Upper C, Worms A 2004 Eur. Econ. Rev. 48 827 Google Scholar
[6]	Anand K, Craig B, Peter G 2015 Quant. Financ. 15 625 Google Scholar
[7]	李守伟, 何建敏, 庄亚明 2010 系统工程 5 20 Li S W, He J M, Zhuang Y M 2010 Syst. Eng. 5 20
[8]	范宏, 郑阳, 杨明明 2019 系统工程 37 101 Fan H, Zheng Y, Yang M M 2019 Syst. Eng. 37 101
[9]	王明亮, 何建敏, 李守伟 2013 中国管理科学 S1 237 Wang M L, He J M, Li S W 2013 Chin. J. Manage. Sci. S1 237
[10]	Zhou L, Qiu L, Gu C G, Yang H J 2018 EPL 121 48002 Google Scholar
[11]	邓向荣, 曹红 2016 中央财经大学学报 3 52 Deng X R, Cao H 2016 J. Central Univ. Financ. Econ. 3 52
[12]	胡利琴, 胡蝶, 彭红枫 2018 国际金融研究 06 53 Google Scholar Hu L Q, Hu D, Peng H F 2018 Stud. Inter. Fin. 06 53 Google Scholar
[13]	Constantin A, Peltonen T A, Sarlin P 2018 J. Financ. Stabil. 35 226 Google Scholar
[14]	陈梦根, 赵雨涵 2019 经济研究 54 49 Chen M G, Zhao Y H 2019 Econ. Res. J. 54 49
[15]	李智, 牛晓健 2018 大连理工大学学报(社会科学版) 2 19 Li Z, Niu X J 2018 J. Dalian Univ. Technol. (Soc. Sci.) 2 19
[16]	李政, 刘淇, 梁琪 2019 统计研究 36 23 Li Z, Liu Q, Liang Q 2019 Stat. Res. 36 23
[17]	Garratt R, Mahadeva L, Svirydzenka K 2012 SSRN Electron. J. 413 1
[18]	Spelta A and Araújo T 2012 Physica A 391 5572 Google Scholar
[19]	Zhang J, Small M 2006 Phys. Rev. Lett. 96 238701 Google Scholar
[20]	Xu X K, Zhang J, Small M 2008 PNAS 105 19601 Google Scholar
[21]	Münnix M C, Shimada T, Schäfer R, Leyvraz F, Seligman T H, Guhr T, Stanley H E 2012 Sci. Rep. 2 644 Google Scholar
[22]	Qiu L, Gu C G, Xiao Q, Yang H J, Wu G L 2018 Physica A 492 1120 Google Scholar
[23]	Tumminello M, Aste T, Di Matteo T, Mantegna R N 2005 PNAS 102 10421 Google Scholar
[24]	Holme P, Saramäki J 2012 Phys. Rep. 519 97 Google Scholar
[25]	Blien U, Graef F 1998 Entropy Optimizing Methods for the Estimation of Tables (Germany: Springer) p3
[26]	Wilks D S 2004 Mon. Weather. Rev. 132 1329 Google Scholar
[27]	Kwon O, Yang J S 2008 EPL 82 680031
[28]	Girvan M, Newman M E J 2002 PNAS 99 7821 Google Scholar
[29]	蒋海, 张锦意 2018 财贸经济 39 50 Jiang H, Zhang J Y 2018 Financ. Trad. Econ. 39 50

施引文献

图 1 主体方法和流程图

Fig. 1. Main method and flow chart.

下载: 全尺寸图片幻灯片

图 2 距离比率与比率变化率

Fig. 2. Distance ratio and rate of change.

下载: 全尺寸图片幻灯片

图 3 银行拆借矩阵状态演化图

Fig. 3. State evolution of bank lending matrix.

下载: 全尺寸图片幻灯片

图 4 8类银行状态矩阵图

Fig. 4. Bank matrix diagram of 8 states.

下载: 全尺寸图片幻灯片

图 5 各个银行状态之间的相关矩阵

Fig. 5. Correlation matrix between Bank states.

下载: 全尺寸图片幻灯片

图 6 状态1—4的有向最小生成树　(a) 状态1的有向生成树; (b) 状态2的有向生成树; (c) 状态3的有向生成树; (d) 状态4的有向生成树

Fig. 6. . Directed network diagram of state 1 to 4: (a) Directed network diagram of state 1 (b) directed network diagram of state 2; (c) directed network diagram of state 3; (d) directed network diagram of state 4.

下载: 全尺寸图片幻灯片

图 7 状态5—8的有向最小生成树　(a) 状态5的有向生成树; (b) 状态6的有向生成树; (c) 状态7的有向生成树; (d) 状态8的有向生成树

Fig. 7. Directed network diagram of state 5 to 8: (a) Directed network diagram of state 5; (b) directed network diagram of state 6; (c) directed network diagram of state 7; (d) directed network diagram of state 8.

下载: 全尺寸图片幻灯片

图 8 各个时间状态下拆借矩阵关系

Fig. 8. Lending matrix relationship in different time states.

下载: 全尺寸图片幻灯片

表 1 商业银行汇总

Table 1. Summary of commercial banks.

编号	银行	类型	编号	银行	类型
1	浦发银行	股份制商业银行	2	民生银行	股份制商业银行
3	华夏银行	股份制商业银行	4	招商银行	股份制商业银行
5	兴业银行	股份制商业银行	6	北京银行	地方商业银行
7	上海银行	地方商业银行	8	中国农业银行	国有商业银行
9	中国交通银行	国有商业银行	10	中国工商银行	国有商业银行
11	中国建设银行	国有商业银行	12	中国银行	国有商业银行
13	中信银行	股份制商业银行	14	平安银行	股份制商业银行
15	宁波银行	地方商业银行

下载: 导出CSV

表 2 8个状态矩阵的相关矩阵

Table 2. Correlation matrix of eight state matrices.

	状态1	状态2	状态3	状态4	状态5	状态6	状态7	状态8
状态1	1.000	0.927	0.918	0.909	0.410	0.949	0.714	0.708
状态2	0.927	1.000	0.968	0.874	0.549	0.911	0.881	0.819
状态3	0.918	0.968	1.000	0.887	0.630	0.911	0.893	0.875
状态4	0.909	0.874	0.887	1.000	0.481	0.963	0.757	0.767
状态5	0.410	0.549	0.63	0.481	1.000	0.422	0.707	0.861
状态6	0.949	0.911	0.911	0.963	0.422	1.000	0.75	0.734
状态7	0.714	0.881	0.893	0.757	0.707	0.750	1.000	0.884
状态8	0.708	0.819	0.875	0.767	0.861	0.734	0.884	1.000

下载: 导出CSV

表 3 8个状态矩阵的全局相似度

Table 3. Global similarity of eight state matrices.

状态	1	2	3	4	5	6	7	8
全局相似度	6.536	6.929	7.082	6.638	5.060	6.639	6.587	6.647

下载: 导出CSV

表 4 银行状态网络拓扑特性统计

Table 4. Statistics of topological characteristics of banking state network.

银行	状态1出度	状态2出度	状态3出度	状态4出度	状态5出度	状态6出度	状态7出度	状态8出度	头节点数	中心节点数
浦发	0	0	0	0	0	0	0	0	0	0
民生	1	1	1	0	0	0	0	0	3	0
华夏	0	0	0	0	0	0	0	0	0	0
招商	0	0	0	0	0	0	0	0	0	0
兴业	0	0	0	0	0	0	0	0	0	0
北京	0	0	0	0	0	0	0	0	0	0
上海	0	0	0	0	0	0	0	0	0	0
农业	0	5	1	0	0	0	0	0	0	1
交通	0	0	0	1	0	0	0	0	0	0
工商	13	0	5	11	1	12	0	0	1	4
建设	0	0	0	0	0	0	0	0	0	0
中国	0	8	7	1	13	1	13	13	0	5
中信	0	0	0	1	0	0	1	1	3	0
平安	0	0	0	0	0	1	0	0	1	0
宁波	0	0	0	0	0	0	0	0	0	0

下载: 导出CSV

[1]	Anand K, Lelyveld I, Banai Á, Friedrich S, Garratt R, Hałaj G, Fique J, Hansen I, Jaramillo S M, Lee H, Molina J L, Nobili S, Rajan S, Salakhova D, Silva T C, Silvestri L, Souza S 2018 J. Financ. Stabil. 35 107 Google Scholar
[2]	唐文进, 苏帆 2017 经济研究 04 19 Tang W J, Su F 2017 ERJ 04 19
[3]	Müller J 2006 J. Financ. Serv. Res. 29 37 Google Scholar
[4]	Wells S 2004 B.E.Q. Bull. 3 331
[5]	Upper C, Worms A 2004 Eur. Econ. Rev. 48 827 Google Scholar
[6]	Anand K, Craig B, Peter G 2015 Quant. Financ. 15 625 Google Scholar
[7]	李守伟, 何建敏, 庄亚明 2010 系统工程 5 20 Li S W, He J M, Zhuang Y M 2010 Syst. Eng. 5 20
[8]	范宏, 郑阳, 杨明明 2019 系统工程 37 101 Fan H, Zheng Y, Yang M M 2019 Syst. Eng. 37 101
[9]	王明亮, 何建敏, 李守伟 2013 中国管理科学 S1 237 Wang M L, He J M, Li S W 2013 Chin. J. Manage. Sci. S1 237
[10]	Zhou L, Qiu L, Gu C G, Yang H J 2018 EPL 121 48002 Google Scholar
[11]	邓向荣, 曹红 2016 中央财经大学学报 3 52 Deng X R, Cao H 2016 J. Central Univ. Financ. Econ. 3 52
[12]	胡利琴, 胡蝶, 彭红枫 2018 国际金融研究 06 53 Google Scholar Hu L Q, Hu D, Peng H F 2018 Stud. Inter. Fin. 06 53 Google Scholar
[13]	Constantin A, Peltonen T A, Sarlin P 2018 J. Financ. Stabil. 35 226 Google Scholar
[14]	陈梦根, 赵雨涵 2019 经济研究 54 49 Chen M G, Zhao Y H 2019 Econ. Res. J. 54 49
[15]	李智, 牛晓健 2018 大连理工大学学报(社会科学版) 2 19 Li Z, Niu X J 2018 J. Dalian Univ. Technol. (Soc. Sci.) 2 19
[16]	李政, 刘淇, 梁琪 2019 统计研究 36 23 Li Z, Liu Q, Liang Q 2019 Stat. Res. 36 23
[17]	Garratt R, Mahadeva L, Svirydzenka K 2012 SSRN Electron. J. 413 1
[18]	Spelta A and Araújo T 2012 Physica A 391 5572 Google Scholar
[19]	Zhang J, Small M 2006 Phys. Rev. Lett. 96 238701 Google Scholar
[20]	Xu X K, Zhang J, Small M 2008 PNAS 105 19601 Google Scholar
[21]	Münnix M C, Shimada T, Schäfer R, Leyvraz F, Seligman T H, Guhr T, Stanley H E 2012 Sci. Rep. 2 644 Google Scholar
[22]	Qiu L, Gu C G, Xiao Q, Yang H J, Wu G L 2018 Physica A 492 1120 Google Scholar
[23]	Tumminello M, Aste T, Di Matteo T, Mantegna R N 2005 PNAS 102 10421 Google Scholar
[24]	Holme P, Saramäki J 2012 Phys. Rep. 519 97 Google Scholar
[25]	Blien U, Graef F 1998 Entropy Optimizing Methods for the Estimation of Tables (Germany: Springer) p3
[26]	Wilks D S 2004 Mon. Weather. Rev. 132 1329 Google Scholar
[27]	Kwon O, Yang J S 2008 EPL 82 680031
[28]	Girvan M, Newman M E J 2002 PNAS 99 7821 Google Scholar
[29]	蒋海, 张锦意 2018 财贸经济 39 50 Jiang H, Zhang J Y 2018 Financ. Trad. Econ. 39 50

[1]	马金龙, 杜长峰, 隋伟, 许向阳. 基于耦合强度的双层网络数据传输能力. 物理学报, 2020, 69(18): 188901. doi: 10.7498/aps.69.20200181
[2]	黄志精, 李倩昀, 白婧, 唐国宁. 在具有排斥耦合的神经元网络中有序斑图的熵测量. 物理学报, 2019, 68(11): 110503. doi: 10.7498/aps.68.20190231
[3]	何长春, 廖继海, 杨小宝. 平面团簇稳定结构的蒙特卡罗树搜索. 物理学报, 2017, 66(16): 163601. doi: 10.7498/aps.66.163601
[4]	罗仕龙, 龚凯, 唐朝生, 周靖. 加权网络中基于冗余边过滤的k-核分解排序算法. 物理学报, 2017, 66(18): 188902. doi: 10.7498/aps.66.188902
[5]	王雨, 郭进利. 基于多重影响力矩阵的有向加权网络节点重要性评估方法. 物理学报, 2017, 66(5): 050201. doi: 10.7498/aps.66.050201
[6]	曾明, 王二红, 赵明愿, 孟庆浩. 基于时间序列符号化模式表征的有向加权复杂网络. 物理学报, 2017, 66(21): 210502. doi: 10.7498/aps.66.210502
[7]	罗小元, 李昊, 马巨海. 基于最小刚性图代数特性的无线网络拓扑优化算法. 物理学报, 2016, 65(24): 240201. doi: 10.7498/aps.65.240201
[8]	王小娟, 宋梅, 郭世泽, 杨子龙. 基于有向渗流理论的关联微博转发网络信息传播研究. 物理学报, 2015, 64(4): 044502. doi: 10.7498/aps.64.044502
[9]	蔡萌, 杜海峰, 费尔德曼. 一种基于最大流的网络结构熵. 物理学报, 2014, 63(6): 060504. doi: 10.7498/aps.63.060504
[10]	彭海霞, 赵海, 李大舟, 林川. 基于动态最小生成树路由协议的数据聚融算法. 物理学报, 2014, 63(9): 090206. doi: 10.7498/aps.63.090206
[11]	范宏. 动态银行网络系统中系统性风险定量计算方法研究. 物理学报, 2014, 63(3): 038902. doi: 10.7498/aps.63.038902
[12]	邓奇湘, 贾贞, 谢梦舒, 陈彦飞. 基于有向网络的Email病毒传播模型及其震荡吸引子研究. 物理学报, 2013, 62(2): 020203. doi: 10.7498/aps.62.020203
[13]	肖延东, 老松杨, 侯绿林, 白亮. 一种基于网络最大可控子图的导航搜索模型. 物理学报, 2013, 62(24): 248901. doi: 10.7498/aps.62.248901
[14]	田昌海, 邓敏艺, 孔令江, 刘慕仁. 螺旋波动力学性质的元胞自动机有向小世界网络研究. 物理学报, 2011, 60(8): 080505. doi: 10.7498/aps.60.080505
[15]	周磊, 支蓉, 冯爱霞, 龚志强. 基于二分图的温度网络拓扑性质研究. 物理学报, 2010, 59(9): 6689-6696. doi: 10.7498/aps.59.6689
[16]	王亚奇, 蒋国平. 同时考虑传染媒介和传播延迟的复杂网络病毒传播行为研究. 物理学报, 2010, 59(10): 6725-6733. doi: 10.7498/aps.59.6725
[17]	倪顺江, 翁文国, 范维澄. 具有局部结构的增长无标度网络中传染病传播机制研究. 物理学报, 2009, 58(6): 3707-3713. doi: 10.7498/aps.58.3707
[18]	裴伟东, 刘忠信, 陈增强, 袁著祉. 无标度网络中最大传染能力限定的病毒传播问题研究. 物理学报, 2008, 57(11): 6777-6785. doi: 10.7498/aps.57.6777
[19]	包科达, 熊家炯. 无序电阻网络中的最大电流研究. 物理学报, 1990, 39(8): 121-127. doi: 10.7498/aps.39.121
[20]	王政之. 最大强度原理与T=0的标量粒子的分类问题. 物理学报, 1965, 21(11): 1913-1914. doi: 10.7498/aps.21.1913

计量

文章访问数: 6447
PDF下载量: 84
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板