同業(yè)網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳染
——基于中國(guó)銀行業(yè)的實(shí)證研究

廉永輝

(首都經(jīng)濟(jì)貿(mào)易大學(xué) 金融學(xué)院，北京 100026)

?

同業(yè)網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳染
——基于中國(guó)銀行業(yè)的實(shí)證研究

廉永輝

(首都經(jīng)濟(jì)貿(mào)易大學(xué) 金融學(xué)院，北京 100026)

文章采用最大熵方法估計(jì)了2007-2013年我國(guó)銀行同業(yè)網(wǎng)絡(luò)，在區(qū)分債權(quán)銀行和債務(wù)銀行的前提下，以網(wǎng)絡(luò)聯(lián)系強(qiáng)度為權(quán)重計(jì)算了各銀行同業(yè)業(yè)務(wù)對(duì)手的總風(fēng)險(xiǎn)，進(jìn)而考察了同業(yè)業(yè)務(wù)對(duì)手總風(fēng)險(xiǎn)對(duì)自身風(fēng)險(xiǎn)的影響。研究發(fā)現(xiàn)，債務(wù)銀行風(fēng)險(xiǎn)對(duì)債權(quán)銀行風(fēng)險(xiǎn)有顯著的正向影響，而債權(quán)銀行風(fēng)險(xiǎn)對(duì)債務(wù)銀行風(fēng)險(xiǎn)無(wú)顯著影響，說(shuō)明同業(yè)網(wǎng)絡(luò)中存在由債務(wù)銀行向債權(quán)銀行的風(fēng)險(xiǎn)傳染。進(jìn)一步的分析表明，杠桿率高、同業(yè)資產(chǎn)占比高、同業(yè)資產(chǎn)集中度高的銀行更容易受到傳染。文章的研究提供了我國(guó)銀行同業(yè)業(yè)務(wù)引致風(fēng)險(xiǎn)傳染的證據(jù)，而且對(duì)于增強(qiáng)銀行抵御風(fēng)險(xiǎn)傳染的能力、防范銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)具有重要的現(xiàn)實(shí)意義。

同業(yè)網(wǎng)絡(luò)；風(fēng)險(xiǎn)傳染；銀行風(fēng)險(xiǎn)

一、引　言

2009-2013年，我國(guó)銀行業(yè)金融機(jī)構(gòu)的同業(yè)資產(chǎn)和同業(yè)負(fù)債分別增長(zhǎng)了246%和236%，遠(yuǎn)高于同期商業(yè)銀行貸款和存款的增速?？焖僭鲩L(zhǎng)的同業(yè)業(yè)務(wù)加深了銀行體系的內(nèi)部關(guān)聯(lián)，容易引起“交叉性風(fēng)險(xiǎn)傳染”，已經(jīng)成為我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的重要結(jié)點(diǎn)(鄭聯(lián)盛和張明，2014)。在此背景下，探討我國(guó)銀行同業(yè)市場(chǎng)中的風(fēng)險(xiǎn)傳染問(wèn)題，對(duì)于防范系統(tǒng)性風(fēng)險(xiǎn)和維護(hù)金融穩(wěn)定具有重要意義。因此，本文試圖回答以下問(wèn)題：我國(guó)銀行同業(yè)市場(chǎng)中是否存在風(fēng)險(xiǎn)傳染？如果有，風(fēng)險(xiǎn)傳染的方向是債務(wù)銀行傳染給債權(quán)銀行還是相反？哪些銀行更容易受到傳染？

在已有研究中，網(wǎng)絡(luò)傳導(dǎo)分析法是考察銀行間風(fēng)險(xiǎn)傳染的主流方法(Upper和Worms，2004；Iori等，2008；馬君潞等，2007；范小云等，2012)。網(wǎng)絡(luò)傳導(dǎo)分析法假定單家銀行因外部沖擊而倒閉，基于銀行間的債權(quán)債務(wù)關(guān)系，跟蹤初始倒閉事件給其他銀行帶來(lái)的損失，從而可以判斷初始倒閉銀行的系統(tǒng)重要性以及整個(gè)銀行系統(tǒng)的穩(wěn)健性(Furfine，2003)。網(wǎng)絡(luò)傳導(dǎo)分析法較好地反映了風(fēng)險(xiǎn)的交叉?zhèn)魅咎卣鳎淝疤峒俣ê头治鲞^(guò)程存在一些脫離現(xiàn)實(shí)之處(Upper，2011)。比如，假定所有銀行面臨外生給定的相同的同業(yè)資產(chǎn)違約損失率；沒(méi)有考慮風(fēng)險(xiǎn)傳染的同時(shí)性，即后續(xù)破產(chǎn)的銀行反過(guò)來(lái)會(huì)加重前期受傳染銀行遭受的損失；風(fēng)險(xiǎn)傳染過(guò)程中銀行沒(méi)有積極采取行動(dòng)來(lái)減輕沖擊，而是“坐以待斃”地被動(dòng)接受傳染。最根本的是，網(wǎng)絡(luò)傳導(dǎo)分析法是一種“反事實(shí)”的數(shù)值模擬方法，無(wú)法回答現(xiàn)實(shí)中銀行同業(yè)市場(chǎng)中是否真的發(fā)生了風(fēng)險(xiǎn)傳染。

鑒于網(wǎng)絡(luò)傳導(dǎo)分析法的上述缺陷，近年來(lái)有學(xué)者開始基于現(xiàn)實(shí)數(shù)據(jù)，采用實(shí)證計(jì)量方法來(lái)考察銀行同業(yè)市場(chǎng)的風(fēng)險(xiǎn)傳染問(wèn)題。例如，Liedorp等(2010)研究了1998-2008年荷蘭銀行同業(yè)業(yè)務(wù)網(wǎng)絡(luò)(簡(jiǎn)稱同業(yè)網(wǎng)絡(luò))的風(fēng)險(xiǎn)傳染問(wèn)題。他們分別以同業(yè)資產(chǎn)和同業(yè)負(fù)債敞口為權(quán)重，計(jì)算了每個(gè)銀行交易對(duì)手的加權(quán)風(fēng)險(xiǎn)，發(fā)現(xiàn)銀行的債權(quán)銀行風(fēng)險(xiǎn)越高，則其自身風(fēng)險(xiǎn)也越高，說(shuō)明同業(yè)負(fù)債業(yè)務(wù)可以傳染銀行風(fēng)險(xiǎn)。Iyer和Peydró(2011)利用2001年印度古吉拉特邦最大的商業(yè)合作銀行倒閉這一外生沖擊，考察了借錢給倒閉銀行的債權(quán)銀行的存款流失情況，發(fā)現(xiàn)向倒閉銀行提供的同業(yè)資金越多，銀行的存款流失越嚴(yán)重，從側(cè)面說(shuō)明同業(yè)資產(chǎn)業(yè)務(wù)也具有風(fēng)險(xiǎn)傳染效應(yīng)。Craig等(2014)則基于2000-2006年德國(guó)大額信貸登記數(shù)據(jù)構(gòu)造了銀行同業(yè)網(wǎng)絡(luò)，利用空間計(jì)量方法研究發(fā)現(xiàn)，同業(yè)業(yè)務(wù)對(duì)手(未區(qū)分債務(wù)銀行和債權(quán)銀行)經(jīng)營(yíng)越不穩(wěn)健，銀行陷入困境的可能性越高，這證實(shí)了德國(guó)銀行同業(yè)市場(chǎng)中存在風(fēng)險(xiǎn)傳染問(wèn)題。

實(shí)證計(jì)量方法不僅可以判斷銀行同業(yè)市場(chǎng)中是否存在風(fēng)險(xiǎn)傳染及其方向，還可以通過(guò)設(shè)定靈活的計(jì)量模型來(lái)考察不同銀行抵御傳染的能力。本文使用最大熵方法估計(jì)了2007-2013年各年我國(guó)的銀行同業(yè)網(wǎng)絡(luò)，針對(duì)網(wǎng)絡(luò)關(guān)鍵特征的分析表明，我國(guó)銀行同業(yè)網(wǎng)絡(luò)具有明顯的不完全特征，因而存在風(fēng)險(xiǎn)傳染隱患。在此基礎(chǔ)上，本文構(gòu)造了同業(yè)業(yè)務(wù)對(duì)手的加權(quán)風(fēng)險(xiǎn)指標(biāo)，并考察了同業(yè)業(yè)務(wù)對(duì)手方風(fēng)險(xiǎn)對(duì)銀行自身風(fēng)險(xiǎn)的影響。結(jié)果顯示，同業(yè)業(yè)務(wù)中債務(wù)銀行風(fēng)險(xiǎn)對(duì)債權(quán)銀行風(fēng)險(xiǎn)具有顯著的正向影響，而債權(quán)銀行風(fēng)險(xiǎn)對(duì)債務(wù)銀行風(fēng)險(xiǎn)無(wú)顯著影響，說(shuō)明我國(guó)銀行同業(yè)網(wǎng)絡(luò)中存在由債務(wù)銀行向債權(quán)銀行的風(fēng)險(xiǎn)傳染。本文進(jìn)一步考察了銀行異質(zhì)性在風(fēng)險(xiǎn)傳染中的作用，發(fā)現(xiàn)杠桿率高、同業(yè)資產(chǎn)占比高、同業(yè)資產(chǎn)集中度高的銀行更容易受到傳染。

本文具有以下研究特色：首先，首次采用規(guī)范的實(shí)證方法考察了我國(guó)銀行同業(yè)業(yè)務(wù)的風(fēng)險(xiǎn)傳染效應(yīng)，分析過(guò)程不依賴于傳統(tǒng)的網(wǎng)絡(luò)傳導(dǎo)分析法所需的嚴(yán)格前提假定，得到的結(jié)論也更具現(xiàn)實(shí)意義。其次，本文不僅考慮了同業(yè)業(yè)務(wù)對(duì)手風(fēng)險(xiǎn)對(duì)銀行自身風(fēng)險(xiǎn)的影響在統(tǒng)計(jì)上是否顯著，還深入分析了其影響力度，發(fā)現(xiàn)同業(yè)資產(chǎn)業(yè)務(wù)的風(fēng)險(xiǎn)傳染效應(yīng)同時(shí)具有統(tǒng)計(jì)和經(jīng)濟(jì)意義上的顯著性。此外，本文還較為全面地探討了模型可能存在的各類內(nèi)生性問(wèn)題，并通過(guò)使用不同的估計(jì)方法、變更核心變量的度量方式、分不同樣本區(qū)間進(jìn)行估計(jì)，確保了結(jié)論的可靠性。最后，本文的研究不僅提供了我國(guó)銀行同業(yè)業(yè)務(wù)引致風(fēng)險(xiǎn)傳染的證據(jù)，得到風(fēng)險(xiǎn)是由債務(wù)銀行傳染給債權(quán)銀行，并發(fā)現(xiàn)了杠桿率、同業(yè)資產(chǎn)占比、同業(yè)資產(chǎn)集中度等影響風(fēng)險(xiǎn)傳染的關(guān)鍵因素，從而可以有針對(duì)性地提出一系列增強(qiáng)銀行抵御同業(yè)風(fēng)險(xiǎn)傳染能力的措施。

二、我國(guó)銀行同業(yè)網(wǎng)絡(luò)的特征描述

(一)銀行同業(yè)網(wǎng)絡(luò)的估計(jì)方法：最大熵法

Sheldon和Maurer(1998)提出，在沒(méi)有風(fēng)險(xiǎn)敞口分布先驗(yàn)信息的情況下，應(yīng)該選擇使銀行同業(yè)頭寸分布的不確定性即信息熵最大化的分布，這即是最大熵法(MaximumEntropyMethod)。眾所周知，熵度量了系統(tǒng)的無(wú)序程度，因此從字面上理解“最大熵法”，就是最大化銀行同業(yè)網(wǎng)絡(luò)的無(wú)序程度，這暗含了銀行間市場(chǎng)為完全型網(wǎng)絡(luò)、各銀行充分分散同業(yè)頭寸的前提假設(shè)。盡管關(guān)系借貸、交易成本、地域分割等因素限制了銀行充分分散同業(yè)業(yè)務(wù)的能力，導(dǎo)致現(xiàn)實(shí)中銀行同業(yè)網(wǎng)絡(luò)中結(jié)點(diǎn)間的聯(lián)系與完全型網(wǎng)絡(luò)相比較為稀疏(Upper和Worms，2004)，但在難以獲得銀行雙邊交易數(shù)據(jù)，而只能獲得單個(gè)銀行總量數(shù)據(jù)的情況下，采用最大熵方法估計(jì)各銀行之間的關(guān)聯(lián)結(jié)構(gòu)，仍是目前可取的方法(Mistrulli，2011；范小云等，2012)。

(二)我國(guó)銀行同業(yè)網(wǎng)絡(luò)的特征描述

我國(guó)銀行同業(yè)資產(chǎn)包括存放同業(yè)、拆出資金和買入返售金融資產(chǎn)，同業(yè)負(fù)債包括同業(yè)存放、拆入資金和賣出回購(gòu)金融資產(chǎn)。*商業(yè)銀行資產(chǎn)負(fù)債表中的交易性金融資產(chǎn)、應(yīng)收賬款、可供出售金融資產(chǎn)等項(xiàng)目下也包含部分同業(yè)資產(chǎn)，但較少有商業(yè)銀行單獨(dú)披露這部分同業(yè)資產(chǎn)數(shù)據(jù)，因而它們沒(méi)有包含在本文定義的同業(yè)資產(chǎn)范圍內(nèi)?；陬愃频脑?，應(yīng)付債券等科目中包含的部分同業(yè)負(fù)債也沒(méi)有包含在本文定義的同業(yè)負(fù)債范圍內(nèi)。對(duì)于按交易對(duì)手類型披露分類數(shù)據(jù)的銀行，我們從其同業(yè)業(yè)務(wù)總額中剔除了其針對(duì)非銀行金融機(jī)構(gòu)以及國(guó)外銀行與非銀行金融機(jī)構(gòu)的交易額；對(duì)于未披露分類數(shù)據(jù)的銀行，我們以其全部同業(yè)業(yè)務(wù)代替針對(duì)國(guó)內(nèi)銀行的同業(yè)業(yè)務(wù)。此外，樣本中一些銀行未提供買入返售和賣出回購(gòu)數(shù)據(jù)，我們將相應(yīng)的缺失值賦值為零，然后對(duì)原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。

為便于分析網(wǎng)絡(luò)的整體結(jié)構(gòu)，我們首先對(duì)同業(yè)網(wǎng)絡(luò)進(jìn)行了二值化處理，然后分析了同業(yè)網(wǎng)絡(luò)的各項(xiàng)關(guān)鍵性特征(見表1)。分析結(jié)果表明，我國(guó)銀行同業(yè)網(wǎng)絡(luò)具有較為明顯的不完全特征。Allen和Gale(2000)指出，同業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)對(duì)風(fēng)險(xiǎn)傳染程度具有重要影響，在完全型網(wǎng)絡(luò)中，銀行與所有其他銀行均存在業(yè)務(wù)聯(lián)系，風(fēng)險(xiǎn)分擔(dān)較為徹底，針對(duì)單個(gè)銀行的不利沖擊所造成的影響較小，同業(yè)業(yè)務(wù)可以提高銀行系統(tǒng)的穩(wěn)定性；而在不完全網(wǎng)絡(luò)中，每家銀行僅與少數(shù)銀行發(fā)生業(yè)務(wù)聯(lián)系，初始沖擊在傳導(dǎo)過(guò)程中容易逐漸放大，最終造成整個(gè)銀行體系的崩潰。近期的研究則表明(Ladley，2013)，只有當(dāng)爆發(fā)系統(tǒng)性的嚴(yán)重銀行危機(jī)時(shí)，完全型網(wǎng)絡(luò)才會(huì)由“風(fēng)險(xiǎn)分擔(dān)”轉(zhuǎn)向“風(fēng)險(xiǎn)傳染”，完全型網(wǎng)絡(luò)在通常情況下主要表現(xiàn)出風(fēng)險(xiǎn)分擔(dān)作用。由此可以預(yù)期，我國(guó)銀行同業(yè)市場(chǎng)中存在風(fēng)險(xiǎn)傳染問(wèn)題，當(dāng)然，具體情況還有待實(shí)證分析予以確定。

表1　銀行同業(yè)網(wǎng)絡(luò)特征描述

注：網(wǎng)絡(luò)規(guī)模為網(wǎng)絡(luò)中的結(jié)點(diǎn)個(gè)數(shù)。網(wǎng)絡(luò)密度為結(jié)點(diǎn)間實(shí)際發(fā)生聯(lián)系的數(shù)目與可能達(dá)到的最大數(shù)目之比。度數(shù)中心度即與某結(jié)點(diǎn)發(fā)生聯(lián)系的銀行數(shù)目。度數(shù)中心勢(shì)刻畫了整個(gè)網(wǎng)絡(luò)在多大程度上具有中心化的結(jié)構(gòu)，中心勢(shì)越高表明網(wǎng)絡(luò)中少數(shù)參與者擁有的支配性力量越大。聚集系數(shù)定義為一個(gè)結(jié)點(diǎn)的相鄰點(diǎn)之間實(shí)際存在的邊數(shù)與可能存在的總邊數(shù)之比。

三、模型、變量與數(shù)據(jù)

(一)模型設(shè)定與變量選擇

借鑒Liedorp等(2010)的研究，本文設(shè)定了如下計(jì)量模型：

(1)

其中，i表示銀行，t表示年度。risk表示銀行的風(fēng)險(xiǎn)狀況，awriski,t和lwriski,t分別反映了銀行i同業(yè)資產(chǎn)業(yè)務(wù)對(duì)手(債務(wù)銀行)和同業(yè)負(fù)債業(yè)務(wù)對(duì)手(債權(quán)銀行)的加權(quán)風(fēng)險(xiǎn)狀況。Zmic和Zmac分別為銀行微觀層面和宏觀經(jīng)濟(jì)層面的控制變量。ei,t為模型的誤差項(xiàng)，由代表個(gè)體異質(zhì)性的截距項(xiàng)ui以及隨時(shí)間與個(gè)體變化的擾動(dòng)項(xiàng)vi,t構(gòu)成。假定vi,t獨(dú)立同分布，且與ui不相關(guān)。

本文以應(yīng)用較為廣泛的破產(chǎn)距離指標(biāo)zscore=(roai,t+etai,t)/σ(roai,t)來(lái)度量銀行風(fēng)險(xiǎn)。在具體計(jì)算時(shí)，與黃雋和章艷紅(2010)以及徐明東和陳學(xué)彬(2012)一致，我們采用最近三年roa的標(biāo)準(zhǔn)差作為分母。此外，由于zscore的分布高度有偏，我們對(duì)其取自然對(duì)數(shù)。

在考察銀行網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳染問(wèn)題時(shí)，有必要明確是債務(wù)銀行傳染給債權(quán)銀行、債權(quán)銀行傳染給債務(wù)銀行還是雙向風(fēng)險(xiǎn)傳染。為此，本文分別構(gòu)建了按同業(yè)資產(chǎn)頭寸加權(quán)的風(fēng)險(xiǎn)指標(biāo)awrisk和按同業(yè)負(fù)債頭寸加權(quán)的風(fēng)險(xiǎn)指標(biāo)lwrisk：

(2)

其中，xi,j,t(xj,i,t)表示第t年標(biāo)準(zhǔn)化后的同業(yè)網(wǎng)絡(luò)中銀行i對(duì)銀行j的同業(yè)資產(chǎn)(負(fù)債)頭寸，乘以當(dāng)年銀行業(yè)同業(yè)總資產(chǎn)TIAt(同業(yè)總負(fù)債TILt)可得到真實(shí)頭寸，再除以銀行i自身的同業(yè)資產(chǎn)總額iai,t(同業(yè)負(fù)債總額ili,t)，就可以得到銀行i對(duì)銀行j的同業(yè)資產(chǎn)(負(fù)債)頭寸占銀行i同業(yè)資產(chǎn)(負(fù)債)總額的比例awi,j,t(lwi,j,t)，該比例越大意味著銀行j通過(guò)同業(yè)資產(chǎn)(負(fù)債)業(yè)務(wù)與銀行i的聯(lián)系越緊密。awrisk度量了銀行同業(yè)資產(chǎn)業(yè)務(wù)對(duì)手(債務(wù)銀行)的總風(fēng)險(xiǎn)，其系數(shù)β1顯著為正意味著債務(wù)銀行風(fēng)險(xiǎn)影響債權(quán)銀行風(fēng)險(xiǎn)，即債權(quán)銀行受到了債務(wù)銀行的風(fēng)險(xiǎn)傳染。lwrisk則度量了銀行同業(yè)負(fù)債業(yè)務(wù)對(duì)手(債權(quán)銀行)的加權(quán)風(fēng)險(xiǎn)狀況，其系數(shù)β2顯著為正意味著債務(wù)銀行受到債權(quán)銀行的風(fēng)險(xiǎn)傳染。

模型中加入了3個(gè)常用的銀行微觀特征作為控制變量：(1)資產(chǎn)規(guī)模size，以銀行總資產(chǎn)的自然對(duì)數(shù)來(lái)衡量。規(guī)模大的銀行風(fēng)險(xiǎn)管理能力強(qiáng)，受到的外部監(jiān)管更為嚴(yán)格，但“大而不倒”所帶來(lái)的道德風(fēng)險(xiǎn)又會(huì)使其過(guò)度承擔(dān)風(fēng)險(xiǎn)，因此規(guī)模對(duì)銀行風(fēng)險(xiǎn)的影響難以事先確定。(2)資本充足率car。資本狀況會(huì)影響銀行管理者及股東的風(fēng)險(xiǎn)態(tài)度，資本充足率高意味風(fēng)險(xiǎn)共擔(dān)效應(yīng)強(qiáng)，銀行會(huì)采取更加審慎的經(jīng)營(yíng)策略(DeNicolò等，2010)。(3)反映銀行盈利能力的稅前總資產(chǎn)收益率roa。盈利能力較弱通常意味著銀行的經(jīng)營(yíng)策略較為保守，但也可能導(dǎo)致銀行為改善盈利而采取高風(fēng)險(xiǎn)策略(徐明東和陳學(xué)彬，2012)。此外，我們還控制了銀行的資產(chǎn)結(jié)構(gòu)和收入結(jié)構(gòu)，分別用流動(dòng)性比率liq(流動(dòng)性資產(chǎn)與總資產(chǎn)之比)和非利息收入占比niir表示。流動(dòng)性比率高有助于銀行防范流動(dòng)性風(fēng)險(xiǎn)，但也會(huì)對(duì)資產(chǎn)收益率造成不利影響，從而間接削弱銀行的經(jīng)營(yíng)穩(wěn)健性；非利息收入占比較高意味著中間業(yè)務(wù)對(duì)銀行收入的貢獻(xiàn)率較高，但其對(duì)銀行風(fēng)險(xiǎn)的影響并不確定(周開國(guó)和李琳，2011)。為減輕這些變量與擾動(dòng)項(xiàng)的相關(guān)性，所有銀行微觀特征變量均取滯后一期值。

在宏觀經(jīng)濟(jì)層面，模型中控制了實(shí)際經(jīng)濟(jì)增長(zhǎng)率gdp和廣義貨幣M2的增長(zhǎng)率m2。為進(jìn)一步減輕模型可能存在的遺漏變量問(wèn)題，我們還控制了反映銀行業(yè)市場(chǎng)集中度的cr5指標(biāo)，以五大國(guó)有商業(yè)銀行總資產(chǎn)占銀行業(yè)總資產(chǎn)的比重來(lái)衡量?？紤]到銀行風(fēng)險(xiǎn)還可能受到隨時(shí)間變化的因素(如金融危機(jī)爆發(fā)、同業(yè)業(yè)務(wù)監(jiān)管規(guī)則變化)的影響，模型中還加入了年度虛擬變量。

(二)數(shù)據(jù)說(shuō)明與描述

本文剔除了缺乏連續(xù)四年觀測(cè)值的中資商業(yè)銀行，最終選取2007-2013年100家商業(yè)銀行的非平衡面板數(shù)據(jù)作為研究樣本。按照銀監(jiān)會(huì)的分類標(biāo)準(zhǔn)，100家商業(yè)銀行包括5家大型國(guó)有銀行、12家全國(guó)性股份制銀行、64家城市商業(yè)銀行以及19家農(nóng)村商業(yè)銀行和農(nóng)村合作銀行。從地理分布看，樣本銀行涵蓋了全國(guó)29個(gè)省、自治區(qū)和直轄市；從銀行規(guī)?？?，截至2013年底，樣本銀行占所有銀行類金融機(jī)構(gòu)總資產(chǎn)的72.12%，總負(fù)債的72.31%。因此，本文的樣本具有良好的代表性。銀行財(cái)務(wù)數(shù)據(jù)主要來(lái)源于Bankscope數(shù)據(jù)庫(kù)和Wind數(shù)據(jù)庫(kù)，并以各家銀行年報(bào)作為補(bǔ)充；gdp和m2來(lái)源于中經(jīng)網(wǎng)，cr5來(lái)自銀監(jiān)會(huì)年報(bào)。

為了防止異常值對(duì)估計(jì)結(jié)果的干擾，我們對(duì)銀行微觀特征的連續(xù)型變量進(jìn)行了上下1%的縮尾處理。主要變量的描述性統(tǒng)計(jì)結(jié)果顯示(受篇幅限制未報(bào)告)：zscore的最大值為6.591(昆侖銀行2013年)，最小值為0.995(富滇銀行2007年)，標(biāo)準(zhǔn)差超過(guò)了均值的1/3，說(shuō)明各銀行的風(fēng)險(xiǎn)狀況差異較大。awz和lwz的最小值為0，因?yàn)橛行┠攴葜秀y行僅提供了同業(yè)資產(chǎn)頭寸數(shù)據(jù)(共12個(gè)觀測(cè)值)或同業(yè)負(fù)債頭寸數(shù)據(jù)(共65個(gè)觀測(cè)值)。2010年銀監(jiān)會(huì)年報(bào)顯示，我國(guó)所有商業(yè)銀行自2009年起均已達(dá)到或超過(guò)了8%的最低資本充足率要求，樣本銀行的資本充足率較高便反映了這一事實(shí)。銀行資產(chǎn)收益率均值超過(guò)1%，而非利息收入占比較低，說(shuō)明我國(guó)銀行對(duì)傳統(tǒng)經(jīng)營(yíng)模式的依賴度較高、中間業(yè)務(wù)占比較低。此外，少數(shù)銀行(共6個(gè)觀測(cè)值)的非利息收入為負(fù)，我們通過(guò)查閱相應(yīng)年報(bào)發(fā)現(xiàn)這種情況均由投資虧損所致。我們還考察了主要變量的相關(guān)關(guān)系，其中核心解釋變量awz(lwz)與zscore的皮爾遜相關(guān)系數(shù)為0.255(0.099)，說(shuō)明同業(yè)伙伴的風(fēng)險(xiǎn)與自身風(fēng)險(xiǎn)存在正相關(guān)關(guān)系，從而提供了同業(yè)業(yè)務(wù)尤其是同業(yè)資產(chǎn)業(yè)務(wù)具有風(fēng)險(xiǎn)傳染效應(yīng)的初步證據(jù)。

四、實(shí)證結(jié)果分析

(一)基本估計(jì)結(jié)果

表2中列(1)-列(3)分別報(bào)告了混合模型、隨機(jī)效應(yīng)模型和固定效應(yīng)模型的回歸結(jié)果。為了減少擾動(dòng)項(xiàng)不規(guī)則帶來(lái)的問(wèn)題，所有回歸均采用了聚類穩(wěn)健的標(biāo)準(zhǔn)誤。在三組回歸中，awz的系數(shù)均在5%水平上顯著為正，但lwz的系數(shù)均不顯著。這說(shuō)明：一方面，銀行自身風(fēng)險(xiǎn)確實(shí)會(huì)受到同業(yè)業(yè)務(wù)對(duì)手風(fēng)險(xiǎn)的影響，從而證實(shí)了銀行同業(yè)業(yè)務(wù)具有風(fēng)險(xiǎn)傳染效應(yīng)；另一方面，債務(wù)銀行風(fēng)險(xiǎn)會(huì)影響債權(quán)銀行風(fēng)險(xiǎn)，但反之不成立，從而明確了風(fēng)險(xiǎn)傳染方向是債務(wù)銀行到債權(quán)銀行。

對(duì)于控制變量，規(guī)模、資本充足率和資產(chǎn)收益率的系數(shù)為正(規(guī)模變量在固定效應(yīng)模型中的顯著性較差)，表明規(guī)模越大、資本充足率越高、盈利能力越強(qiáng)的銀行距離“破產(chǎn)邊緣”越遠(yuǎn)，這與徐明東和陳學(xué)彬(2012)在研究貨幣環(huán)境與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)關(guān)系時(shí)的發(fā)現(xiàn)一致。銀行流動(dòng)性比率的顯著性較差且系數(shù)符號(hào)不確定。非利息收入占比的系數(shù)始終為負(fù)(盡管不顯著)，這可能是因?yàn)樵诖嬖诖尜J利差的現(xiàn)實(shí)背景下，貸款利息收入相對(duì)于其他收入來(lái)源更加穩(wěn)定(黃雋和章艷紅，2010)。由于三個(gè)宏觀經(jīng)濟(jì)層面的控制變量可以用年度虛擬變量線性表示，多重共線性問(wèn)題導(dǎo)致三者在混合模型和固定效應(yīng)模型的回歸中被自動(dòng)忽略。但由隨機(jī)效應(yīng)模型的估計(jì)結(jié)果可知，cr5的系數(shù)顯著為負(fù)，說(shuō)明在較高的市場(chǎng)集中度下，銀行破產(chǎn)風(fēng)險(xiǎn)較高，支持了“集中度-脆弱性”假說(shuō)(楊天宇和鐘宇平，2013)。gdp的系數(shù)為正，意味著經(jīng)濟(jì)形勢(shì)向好有助于降低銀行風(fēng)險(xiǎn)(方意等，2012)；m2的系數(shù)為負(fù)，說(shuō)明寬松的貨幣政策刺激了銀行的風(fēng)險(xiǎn)承擔(dān)行為(張雪蘭和何德旭，2012)。在混合模型和固定效應(yīng)模型中，2008年和2009年年度虛擬變量的系數(shù)均為負(fù)，說(shuō)明金融危機(jī)導(dǎo)致我國(guó)銀行風(fēng)險(xiǎn)上升；2012年和2013年年度虛擬變量的系數(shù)均為正，說(shuō)明近兩年我國(guó)銀行業(yè)的整體穩(wěn)健性有所增強(qiáng)。

我們?cè)谌M計(jì)量模型中均發(fā)現(xiàn)了同業(yè)資產(chǎn)業(yè)務(wù)傳導(dǎo)風(fēng)險(xiǎn)的證據(jù)，為進(jìn)一步確定最適合本文樣本的模型，我們對(duì)三組模型進(jìn)行了兩兩比較，最終確定固定效應(yīng)模型最合適。在固定效應(yīng)模型中，我們進(jìn)一步通過(guò)增減解釋變量來(lái)確保核心解釋變量估計(jì)系數(shù)的穩(wěn)健性。按照“從一般到特殊”的建模思想，表2中列(4)剔除了前3列中顯著性較差的兩個(gè)銀行微觀特征變量liq和niir，列(5)剔除了所有銀行微觀特征變量，列(6)則進(jìn)一步剔除了包括年度虛擬變量在內(nèi)的所有控制變量。在三種情況下，awz的系數(shù)至少在5%水平上顯著，而lwz基本上不顯著，這種差異在只以awz或lwz為核心解釋變量的列(7)和列(8)中再次得到印證。綜上可知，我國(guó)銀行同業(yè)資產(chǎn)業(yè)務(wù)存在風(fēng)險(xiǎn)傳染效應(yīng)。

表2　同業(yè)業(yè)務(wù)對(duì)手風(fēng)險(xiǎn)對(duì)自身風(fēng)險(xiǎn)的影響

續(xù)表2　同業(yè)業(yè)務(wù)對(duì)手風(fēng)險(xiǎn)對(duì)自身風(fēng)險(xiǎn)的影響

注：OLS、RE和FE分別表示混合模型、隨機(jī)效應(yīng)模型和固定效應(yīng)模型。括號(hào)內(nèi)為穩(wěn)健t值，***、**和*分別表示在1%、5%和10%水平上顯著，下表同。

(二)內(nèi)生性討論與穩(wěn)健性檢驗(yàn)

內(nèi)生性問(wèn)題可以歸結(jié)為模型的解釋變量與擾動(dòng)項(xiàng)相關(guān)，具體又可分為遺漏變量與解釋變量相關(guān)(遺漏變量問(wèn)題)、被解釋變量與解釋變量相互影響(雙向因果問(wèn)題)、解釋變量的觀測(cè)值與真實(shí)值存在偏差(度量誤差問(wèn)題)和樣本不能代表總體(樣本有偏問(wèn)題)等四種情形。如前所述，截至2013年底，本文樣本銀行占所有銀行類金融機(jī)構(gòu)總資產(chǎn)的72.12%(同業(yè)資產(chǎn)總額的70.61%)，總負(fù)債的72.31%(同業(yè)負(fù)債總額的85.11%)，較好地代表了總體情況，可以認(rèn)為不存在明顯的樣本有偏問(wèn)題。我們主要討論前三種內(nèi)生性問(wèn)題：

第一，遺漏變量問(wèn)題。本文在估計(jì)過(guò)程中控制了銀行微觀特征和年度固定效應(yīng)，并使用了控制變量的多種組合方式，得到的結(jié)論沒(méi)有發(fā)生變化。如果模型還遺漏了不隨時(shí)間變化的因素，在固定效應(yīng)變換下，這類遺漏變量將不會(huì)對(duì)模型估計(jì)產(chǎn)生影響。不過(guò)，如果銀行風(fēng)險(xiǎn)狀況具有持續(xù)性，則需要在列(3)的基礎(chǔ)上加入銀行風(fēng)險(xiǎn)的滯后項(xiàng)，從而得到一個(gè)動(dòng)態(tài)面板模型。表3中列(1)和列(2)結(jié)果顯示，awz的系數(shù)在一階段和兩階段GMM估計(jì)中均顯著為正，但數(shù)值略小于表2中固定效應(yīng)模型的估計(jì)結(jié)果。這說(shuō)明在控制了個(gè)體風(fēng)險(xiǎn)滯后項(xiàng)后，同業(yè)資產(chǎn)伙伴的風(fēng)險(xiǎn)對(duì)銀行自身風(fēng)險(xiǎn)的影響有所降低，但并不改變本文的基本結(jié)論。

第二，雙向因果問(wèn)題。債務(wù)銀行加權(quán)風(fēng)險(xiǎn)awz會(huì)影響債權(quán)銀行風(fēng)險(xiǎn)zscore，那么債權(quán)銀行風(fēng)險(xiǎn)zscore是否可能反過(guò)來(lái)影響債務(wù)銀行加權(quán)風(fēng)險(xiǎn)awz呢？在實(shí)證結(jié)果中，lwz的系數(shù)不顯著，意味著債權(quán)銀行風(fēng)險(xiǎn)并未對(duì)債務(wù)銀行風(fēng)險(xiǎn)產(chǎn)生顯著影響。

第三，度量誤差問(wèn)題。我們主要關(guān)注核心解釋變量awz和lwz的度量誤差。本文核心解釋變量構(gòu)造過(guò)程中使用的是估計(jì)所得的銀行同業(yè)網(wǎng)絡(luò)，其不可避免地與實(shí)際的銀行同業(yè)網(wǎng)絡(luò)存在偏差，但我們不清楚這種偏差的具體性質(zhì)。從這個(gè)角度講，即使基于估計(jì)結(jié)果構(gòu)造的awz和lwz存在度量誤差，其結(jié)果也只是使awz和lwz的系數(shù)出現(xiàn)向零偏誤，并不影響本文的主要結(jié)論。

綜上可知，內(nèi)生性問(wèn)題均不會(huì)對(duì)本文核心解釋變量的估計(jì)系數(shù)造成重大影響。為了進(jìn)一步保證本文估計(jì)結(jié)果的可靠性，我們還進(jìn)行了以下穩(wěn)健性分析：

一是使用sharp比率替換zscore。sharp比率的計(jì)算公式為sharp=roai,t/σ(roai,t)，替換被解釋變量后的估計(jì)結(jié)果見表3中列(3)。基于sharp比率的同業(yè)資產(chǎn)加權(quán)風(fēng)險(xiǎn)awrisk的系數(shù)顯著為正，而同業(yè)負(fù)債加權(quán)風(fēng)險(xiǎn)lwrisk的系數(shù)仍不顯著?？梢?，改變被解釋變量的測(cè)度方法并不影響本文的基本結(jié)論。

二是使用awz和lwz的其他構(gòu)造方法。以同業(yè)資產(chǎn)加權(quán)風(fēng)險(xiǎn)為例，上文分析中構(gòu)造awz時(shí)使用的權(quán)重awi,j為銀行i對(duì)銀行j的同業(yè)資產(chǎn)頭寸占銀行i同業(yè)資產(chǎn)總額的比例。這里我們將awi,j的定義改變?yōu)殂y行i向銀行j提供的同業(yè)資金占銀行i總資產(chǎn)的比例。本文使用新的解釋變量進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果見表3中列(4)。結(jié)果顯示，核心解釋變量的顯著性與符號(hào)沒(méi)有發(fā)生變化，控制變量的估計(jì)結(jié)果也與上文一致。

三是分時(shí)段回歸。我們將全樣本分為2007-2009年和2010-2013年兩個(gè)時(shí)段分別進(jìn)行了回歸分析。表3中列(5)和列(6)結(jié)果顯示，awz的系數(shù)符號(hào)和顯著性與基準(zhǔn)模型估計(jì)結(jié)果一致，說(shuō)明兩個(gè)時(shí)段內(nèi)我國(guó)銀行同業(yè)資產(chǎn)業(yè)務(wù)均具有風(fēng)險(xiǎn)傳染效應(yīng)。進(jìn)一步比較可以發(fā)現(xiàn)：2007-2009年，awz的系數(shù)較大，可能是因?yàn)檫@一時(shí)段同業(yè)網(wǎng)絡(luò)較為“稀疏”、不完全性較高，因而較容易傳染風(fēng)險(xiǎn)；2010-2013年，awz的系數(shù)顯著性較高，這應(yīng)該與這一時(shí)段參與同業(yè)業(yè)務(wù)的銀行數(shù)量增加有關(guān)。

表3　內(nèi)生性討論與穩(wěn)健性檢驗(yàn)

注：控制變量包括銀行微觀特征變量、年度虛擬變量和常數(shù)項(xiàng)。arm1和arm2分別為擾動(dòng)項(xiàng)一階差分序列的一階與二階序列相關(guān)檢驗(yàn)值，方括號(hào)內(nèi)為p值。

五、進(jìn)一步分析：銀行易受傳染的影響因素

(一)銀行對(duì)同業(yè)資產(chǎn)敞口的風(fēng)險(xiǎn)抵補(bǔ)能力

在采用網(wǎng)絡(luò)傳導(dǎo)分析法時(shí)，如果僅考慮第一輪傳染，銀行j倒閉能否引起銀行i倒閉取決于θxi,j和ei的相對(duì)大小(ei是銀行i的資本數(shù)額，θ是同業(yè)資產(chǎn)違約損失率，xi,j是銀行i對(duì)銀行j的同業(yè)資產(chǎn)敞口)。因此，ei/xi,j反映了銀行i使用自有資金對(duì)銀行j風(fēng)險(xiǎn)敞口的抵補(bǔ)能力，ei/xi,j越大，銀行i越不可能因銀行j違約而倒閉。借鑒上述思路，我們將銀行i之外的所有銀行當(dāng)作一個(gè)整體(記為銀行J)，則銀行i對(duì)J的同業(yè)敞口xi,J正是其同業(yè)資產(chǎn)總額ai。由此，定義銀行i對(duì)同業(yè)資產(chǎn)敞口的風(fēng)險(xiǎn)抵補(bǔ)能力(簡(jiǎn)稱風(fēng)險(xiǎn)抵補(bǔ)能力)為：

在網(wǎng)絡(luò)傳導(dǎo)分析法中，同業(yè)資產(chǎn)違約損失率θ是外生給定的，但實(shí)際上θ應(yīng)該是區(qū)間[0,1]上的隨機(jī)變量。盡管我們不清楚其概率密度函數(shù)f(θ)，但對(duì)于損失率的任意實(shí)現(xiàn)值θ*，銀行同業(yè)風(fēng)險(xiǎn)抵補(bǔ)能力大于損失率θ*的概率可表示為：

這一概率顯然是pow的增函數(shù)，即風(fēng)險(xiǎn)抵補(bǔ)能力越強(qiáng)的銀行不受傳染的概率越大。我們將各個(gè)銀行歷年的平均風(fēng)險(xiǎn)抵補(bǔ)能力mpow從小到大排序，將樣本平分為風(fēng)險(xiǎn)抵補(bǔ)能力低和風(fēng)險(xiǎn)抵補(bǔ)能力高的兩個(gè)子樣本，然后分別進(jìn)行了回歸分析，結(jié)果見表4中列(1)和列(2)。在風(fēng)險(xiǎn)抵補(bǔ)能力高的銀行中，awz的估計(jì)系數(shù)在5%水平上顯著，而在風(fēng)險(xiǎn)抵補(bǔ)能力低的銀行中，awz的系數(shù)顯著性較差，且數(shù)值較小?？梢姡L(fēng)險(xiǎn)抵補(bǔ)能力低的銀行面臨風(fēng)險(xiǎn)傳染時(shí)更加脆弱，這與馬君潞等(2007)基于數(shù)值模擬得出的結(jié)論一致。

將風(fēng)險(xiǎn)抵補(bǔ)能力進(jìn)行變形可得：

可見，風(fēng)險(xiǎn)抵補(bǔ)能力包含了銀行資本資產(chǎn)比eta和同業(yè)資產(chǎn)占總資產(chǎn)比重inar兩方面的信息。eta恰好是銀行杠桿率lev的倒數(shù)，反映了銀行自有資金的充裕程度，inar則反映了銀行同業(yè)資產(chǎn)業(yè)務(wù)的參與程度。我們進(jìn)一步分別按eta和inar進(jìn)行分組做了回歸，結(jié)果見表4中列(3)-列(6)。列(3)和列(4)結(jié)果顯示，在eta較低的樣本中，awz的系數(shù)顯著為正，而在eta較高的樣本中，awz則不顯著；列(5)和列(6)結(jié)果顯示，在inar較低的樣本中，awz的系數(shù)不顯著，而在inar較高的樣本中，awz的系數(shù)則顯著為正?？梢?，降低杠桿率和同業(yè)資產(chǎn)業(yè)務(wù)參與程度均可有效降低銀行受傳染的可能性。高國(guó)華和潘英麗(2012)在數(shù)值模擬的基礎(chǔ)上應(yīng)用計(jì)數(shù)模型對(duì)易被傳染銀行的微觀特征進(jìn)行了實(shí)證檢驗(yàn)，發(fā)現(xiàn)同業(yè)業(yè)務(wù)總額占總資產(chǎn)比例越低、資本充足率越高的銀行越不容易受到傳染，這與本文的發(fā)現(xiàn)較為一致。

表4　風(fēng)險(xiǎn)抵補(bǔ)能力對(duì)銀行易受傳染的影響

注：表中均為固定效應(yīng)模型的估計(jì)結(jié)果，下表同。

(二)銀行同業(yè)資產(chǎn)集中度

在分析風(fēng)險(xiǎn)抵補(bǔ)能力如何影響銀行易受傳染時(shí)，我們將債權(quán)銀行i之外的其他銀行看作一個(gè)整體，從而規(guī)避了銀行i同業(yè)資產(chǎn)的分布問(wèn)題?，F(xiàn)實(shí)中，債權(quán)銀行既可以將多數(shù)甚至全部同業(yè)資產(chǎn)頭寸集中到少數(shù)幾家甚至一家債務(wù)銀行，也可以較為平均地分散到多家債務(wù)銀行。如果多數(shù)銀行同業(yè)資產(chǎn)的集中度較高(較低)，我們將得到一個(gè)聯(lián)結(jié)數(shù)較少(較多)、單個(gè)結(jié)點(diǎn)承載的頭寸較大(較小)、不完全性(完全性)較高的同業(yè)資產(chǎn)網(wǎng)絡(luò)。如前所述，網(wǎng)絡(luò)的完全性越高，風(fēng)險(xiǎn)分散越徹底，風(fēng)險(xiǎn)傳染強(qiáng)度越小(Allen和Gale，2000)。由此我們預(yù)期，同業(yè)網(wǎng)絡(luò)中采取分散化策略、同業(yè)資產(chǎn)集中度較低的債權(quán)銀行的抗傳染能力較強(qiáng)。我們以債權(quán)銀行同業(yè)資產(chǎn)分布的赫芬達(dá)爾指數(shù)來(lái)度量同業(yè)資產(chǎn)集中度，計(jì)算公式為：

hhi的取值在1/n到1之間，數(shù)值越大意味著同業(yè)資產(chǎn)分布越集中。樣本銀行的hhi均值(中位數(shù))為0.3337(0.2018)，而標(biāo)準(zhǔn)差高達(dá)0.3149，說(shuō)明各銀行同業(yè)資產(chǎn)集中度的差異較大，少數(shù)銀行的同業(yè)資產(chǎn)集中度較高。按照各銀行歷年的hhi均值mhhi將樣本平分為兩組，表5中列(1)和列(2)報(bào)告了兩組樣本的估計(jì)結(jié)果。在同業(yè)資產(chǎn)集中度較低的樣本中，awz的估計(jì)系數(shù)較小且不顯著，而在集中度較高的樣本中，awz的估計(jì)系數(shù)則顯著為正。這說(shuō)明同業(yè)資產(chǎn)集中度高的債權(quán)銀行無(wú)法有效分散風(fēng)險(xiǎn)，更容易受到債務(wù)銀行的影響。

我們進(jìn)一步分析了風(fēng)險(xiǎn)抵補(bǔ)能力不同的銀行同業(yè)資產(chǎn)分布的影響，結(jié)果見表5中列(3)-列(6)。列(3)和列(4)結(jié)果表明，在風(fēng)險(xiǎn)抵補(bǔ)能力較強(qiáng)的情況下，債權(quán)銀行不受債務(wù)銀行風(fēng)險(xiǎn)狀況影響(awz不顯著)，是否分散同業(yè)資產(chǎn)不會(huì)產(chǎn)生實(shí)質(zhì)影響。因此，在影響銀行抗傳染能力的因素中，同業(yè)資產(chǎn)分布的重要性小于銀行自身的風(fēng)險(xiǎn)抵補(bǔ)能力。列(5)中awz的系數(shù)在10%水平上顯著，但數(shù)值較小。這說(shuō)明在風(fēng)險(xiǎn)抵補(bǔ)能力不足的情況下，分散同業(yè)資產(chǎn)雖然不能完全消除受傳染的可能性，但能夠降低債權(quán)銀行受債務(wù)銀行影響的程度。而在列(6)中，awz的系數(shù)在1%水平上顯著，且數(shù)值較大，說(shuō)明低風(fēng)險(xiǎn)抵補(bǔ)能力和高同業(yè)資產(chǎn)集中度并存的銀行最容易受到傳染。

表5　同業(yè)資產(chǎn)集中度對(duì)銀行易受傳染的影響

六、結(jié)論與啟示

本文采用最大熵法估計(jì)了銀行同業(yè)網(wǎng)絡(luò)，發(fā)現(xiàn)我國(guó)銀行同業(yè)網(wǎng)絡(luò)的不完全程度較高，具有風(fēng)險(xiǎn)傳染隱患。在此基礎(chǔ)上，本文構(gòu)造了反映銀行同業(yè)業(yè)務(wù)對(duì)手風(fēng)險(xiǎn)狀況的加權(quán)風(fēng)險(xiǎn)指標(biāo)，進(jìn)而考察了同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)傳染效應(yīng)的存在性及方向。實(shí)證結(jié)果顯示，債務(wù)銀行的風(fēng)險(xiǎn)狀況會(huì)影響債權(quán)銀行，反之則不成立，說(shuō)明同業(yè)資產(chǎn)業(yè)務(wù)具有風(fēng)險(xiǎn)傳染效應(yīng)。最后，本文通過(guò)分析不同銀行的抗傳染能力，發(fā)現(xiàn)杠桿率高、同業(yè)資產(chǎn)占比高、同業(yè)資產(chǎn)集中度高的債權(quán)銀行容易受到風(fēng)險(xiǎn)傳染。本文研究表明，我國(guó)銀行同業(yè)業(yè)務(wù)確實(shí)存在風(fēng)險(xiǎn)傳染隱患。無(wú)論從微觀審慎還是宏觀審慎角度出發(fā)，均有必要通過(guò)合理的監(jiān)管措施來(lái)提高銀行抵抗風(fēng)險(xiǎn)傳染的能力，防范同業(yè)業(yè)務(wù)引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)?；诒疚难芯拷Y(jié)論，我們可以得到以下啟示：

第一，疏堵并重，控制銀行同業(yè)業(yè)務(wù)比重。同業(yè)業(yè)務(wù)參與程度越高的銀行越容易受到業(yè)務(wù)對(duì)手的影響，因此可以通過(guò)限制同業(yè)業(yè)務(wù)占比來(lái)減少風(fēng)險(xiǎn)傳染。當(dāng)然，這一政策切實(shí)起效依賴于一些防止銀行利用規(guī)則漏洞來(lái)規(guī)避監(jiān)管的配套措施，包括明確同業(yè)業(yè)務(wù)的定義和口徑、規(guī)范同業(yè)業(yè)務(wù)操作流程、加強(qiáng)同業(yè)業(yè)務(wù)信息披露核實(shí)、完善相關(guān)統(tǒng)計(jì)和會(huì)計(jì)制度等。除了通過(guò)設(shè)置監(jiān)管指標(biāo)來(lái)控制同業(yè)業(yè)務(wù)發(fā)展，還應(yīng)明確同業(yè)業(yè)務(wù)快速發(fā)展背后的動(dòng)因，有針對(duì)性地采取一些疏導(dǎo)措施。比如，改革存貸比和信貸規(guī)模監(jiān)管，減弱銀行通過(guò)開展同業(yè)業(yè)務(wù)進(jìn)行監(jiān)管套利的激勵(lì)；推進(jìn)資產(chǎn)證券化進(jìn)程，為銀行提供同業(yè)業(yè)務(wù)之外的改善資產(chǎn)負(fù)債結(jié)構(gòu)和減輕資本壓力的途徑。

第二，防患未然，提高銀行對(duì)同業(yè)風(fēng)險(xiǎn)的抵補(bǔ)能力。本文研究表明，控制商業(yè)銀行的杠桿率、保持一定的償付能力，有助于降低銀行受傳染的可能性。不過(guò)，單純出于同業(yè)資產(chǎn)風(fēng)險(xiǎn)的考量而提高銀行資本水平或許有些小題大做，更加合理的措施是將同業(yè)業(yè)務(wù)納入統(tǒng)一授信體系中，并考慮同業(yè)業(yè)務(wù)的資本金和風(fēng)險(xiǎn)撥備要求。事實(shí)上，同業(yè)資產(chǎn)業(yè)務(wù)的資本節(jié)約屬性也是銀行青睞同業(yè)資產(chǎn)業(yè)務(wù)的一個(gè)重要原因。因此，按照同業(yè)業(yè)務(wù)的實(shí)質(zhì)適當(dāng)計(jì)提資本和撥備，不僅有助于提高銀行的抗傳染能力，也可以在一定程度上減弱其過(guò)度開展同業(yè)業(yè)務(wù)的激勵(lì)。與此相關(guān)的一項(xiàng)配套措施是完善商業(yè)銀行資本補(bǔ)充機(jī)制。2013年我國(guó)開始實(shí)施的《商業(yè)銀行資本管理辦法(試行)》加強(qiáng)了資本監(jiān)管要求，在這一背景下完善商業(yè)銀行資本補(bǔ)充機(jī)制將有助于減弱同業(yè)業(yè)務(wù)的監(jiān)管套利動(dòng)機(jī)。

第三，優(yōu)化結(jié)構(gòu)，降低銀行同業(yè)風(fēng)險(xiǎn)集中度。目前，對(duì)于貸款集中度風(fēng)險(xiǎn)中的客戶集中度風(fēng)險(xiǎn)，《商業(yè)銀行法》和《商業(yè)銀行集團(tuán)客戶授信業(yè)務(wù)風(fēng)險(xiǎn)管理指引》均有明確的監(jiān)管要求。而與一般存貸款業(yè)務(wù)相比，同業(yè)業(yè)務(wù)的客戶集中度較高，因此降低同業(yè)資產(chǎn)集中度是減少個(gè)體銀行風(fēng)險(xiǎn)暴露和同業(yè)風(fēng)險(xiǎn)傳染的應(yīng)有之意。2014年，中國(guó)人民銀行等五部門聯(lián)合印發(fā)《關(guān)于規(guī)范金融機(jī)構(gòu)同業(yè)業(yè)務(wù)的通知》，對(duì)同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)集中度做出明確的限制性要求，本文的研究為這一政策提供了經(jīng)驗(yàn)證據(jù)支持。

[1]范小云，王道平，劉瀾飚.規(guī)模、關(guān)聯(lián)性與中國(guó)系統(tǒng)重要性銀行的衡量[J].金融研究，2012，(11)：16-30.

[2]方意，趙勝民，謝曉聞.貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)分析——兼論貨幣政策與宏觀審慎政策協(xié)調(diào)問(wèn)題[J].管理世界，2012，(11)：9-19.

[3]高國(guó)華，潘英麗.基于資產(chǎn)負(fù)債表關(guān)聯(lián)的銀行系統(tǒng)性風(fēng)險(xiǎn)研究[J].管理工程學(xué)報(bào)，2012，(4)：162-168.

[4]黃雋，章艷紅.商業(yè)銀行的風(fēng)險(xiǎn)：規(guī)模和非利息收入——以美國(guó)為例[J].金融研究，2010，(6)：75-90.

[5]馬君潞，范小云，曹元濤.中國(guó)銀行間市場(chǎng)雙邊傳染的風(fēng)險(xiǎn)估測(cè)及其系統(tǒng)性特征分析[J].經(jīng)濟(jì)研究，2007，(1)：68-78.

[6]徐明東，陳學(xué)彬.貨幣環(huán)境、資本充足率與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)[J].金融研究，2012，(7)：50-62.

[7]楊天宇，鐘宇平.中國(guó)銀行業(yè)的集中度、競(jìng)爭(zhēng)度與銀行風(fēng)險(xiǎn)[J].金融研究，2013，(1)：122-134.

[8]張雪蘭，何德旭.貨幣政策立場(chǎng)與銀行風(fēng)險(xiǎn)承擔(dān)——基于中國(guó)銀行業(yè)的實(shí)證研究(2000-2010)[J].經(jīng)濟(jì)研究，2012，(5)：31-44.

[9]鄭聯(lián)盛，張明.中國(guó)銀行同業(yè)業(yè)務(wù)：現(xiàn)狀、類型、風(fēng)險(xiǎn)和應(yīng)對(duì)[J].金融市場(chǎng)研究，2014，(6)：43-52.

[10]周開國(guó)，李琳.中國(guó)商業(yè)銀行收入結(jié)構(gòu)多元化對(duì)銀行風(fēng)險(xiǎn)的影響[J].國(guó)際金融研究，2011，(5)：57-66.

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

[12]CraigB,KoetterM,KrügerU.Interbanklendinganddistress:Observables,unobservables,andnetworkstructure[R].FRBofClevelandWorkingPaperNo.14,2014.

[13]DeNicolòG,Dell’AricciaG,LaevenL,etal.Monetarypolicyandbankrisk-taking[R].IMFWorkingPaperNo.09,2010.

[14]FurfineCH.Interbankexposures:Quantifyingtheriskofcontagion[J].JournalofMoney,CreditandBanking,2003,35(1):111-128.

[15]IoriG,MasiG,PrecupO,etal.AnetworkanalysisoftheItalianovernightmoneymarket[J].JournalofEconomicDynamicsandControl,2008,32(1):259-278.

[16]IyerR,PeydróJ.Interbankcontagionatwork:Evidencefromanaturalexperiment[J].ReviewofFinancialStudies,2011,24(4):1337-1377.

[17]LadleyD.Contagionandrisk-sharingontheinterbankmarket[R].UniversityofLeicester,DepartmentofEconomics,DiscussionPapersinEconomicsNo.10,2013.

[18]LiedorpF,MedemaL,KoetterM,etal.Peermonitoringorcontagion?Interbankmarketexposureandbankrisk[R].DeNederlandscheBankWorkingPaperNo.248,2010.

[19]MistrulliP.Assessingfinancialcontagionintheinterbankmarket:Maximumentropyversusobservedinterbanklendingpatterns[J].JournalofBankingandFinance,2011,35(5):1114-1127.

[20]SheldonG,MaurerM.Interbanklendingandsystemicrisk:AnempiricalanalysisforSwitzerland[J].SwissJournalofEconomicsandStatistics,1998,134(4):685-704.

[21]UpperC.Simulationmethodstoassessthedangerofcontagionininterbankmarkets[J].JournalofFinancialStability,2011,7(3):111-125.

[22]UpperC,WormsA.EstimatingbilateralexposuresintheGermaninterbankmarket:Isthereadangerofcontagion[J].EuropeanEconomicReview,2004,48(4):827-849.

(責(zé)任編輯康健)

RiskContagioninInterbankNetworks:AnEmpiricalStudyBasedonBankingIndustryinChina

LianYonghui

(School of Finance,Capital University of Economics and Business,Beijing 100026,China)

ThispaperadoptsthemaximumentropymethodtoestimatetheinterbanknetworksofbankingindustryinChinafrom2007to2013.Underthepremiseofthedistinctionbetweencreditorbanksanddebtbanks,itcalculatestotalriskofinterbankbusinessrivalsbytakingnetworklinkagestrengthastheweight,andthenexplorestheeffectoftotalrisksofinterbankbusinessrivalsonbanks’ownrisk.Resultsshowthattherisksofdebtbankshavethesignificantlypositiveeffectontherisksofcreditorbanks,buttherisksofcreditorbanksdonothavethesignificanteffectontherisksofdebtbanks,confirmingthatthereisriskcontagionfromdebtbankstocreditorbanksinChina’sinterbankbusiness.Furtheranalysisshowsthat,bankswithhighleverage,highinterbankassetratioandhighinterbankassetconcentrationaremoresusceptibletocontagion.ThispaperprovidesevidenceforriskcontagionresultingfrominterbankbusinessinChina,andisofgreatrealitysignificancetotheenhancementofpreventingbanksagainstriskcontagionandtheavoidanceofbankingsystematicrisks.

interbanknetwork;riskcontagion;bankrisk

2015-09-10

教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-13-0914)；北京市屬高等學(xué)校青年拔尖人才培育計(jì)劃(CIT&TCD201404132)

廉永輝(1990-)，男，山東菏澤人，首都經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院講師。

F830.33

A

1001-9952(2016)09-0063-12

10.16538/j.cnki.jfe.2016.09.006