復雜網絡理論在銀行系統中的應用范文

本站小編為你精心準備了復雜網絡理論在銀行系統中的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:現代經濟中，銀行間的業務往來關系形成了錯綜復雜的網絡系統。基于復雜網絡理論來研究銀行系統的問題已成為一個研究熱點。通過系統梳理研究文獻，分別從復雜網絡理論在銀行網絡結構特征、銀行系統風險傳染、銀行系統性風險評估和銀行系統穩健性等方面的應用研究進展進行述評，并提出了在銀行系統中的應用復雜網絡理論需要進一步探究的方向.

關鍵詞:復雜網絡理論；銀行系統；銀行網絡結構；系統性風險；銀行系統穩健性；研究進展

0引言

復雜網絡理論（complexnetworkstheory）強調系統的結構并從結構角度分析系統的功能，現已成為一套研究復雜系統的有效方法。它將復雜系統內的元素視為節點、元素間的相互關系抽象為連邊而成的復雜網絡[1]。Erdös和Rényi[2]的隨機圖給出了一種完全隨機的網絡結構。此后四十余年，ER隨機網絡模型一直是研究復雜網絡結構的基石，直到Watts和Strogatz提出了小世界網絡[3]、Barabási和Albert提出了無標度網絡[4]。此后，復雜網絡理論得到了快速發展，已被廣泛應用于許多學科及跨學科領域中各種實際問題的解決。在現代經濟中，規模大小不一的銀行之間通過同業拆借、支付清算、貼現、承兌和擔保等往業務建立了紛繁復雜的關系、構成相互聯系與相互依存的網絡系統。在這個復雜的網絡系統中，各家銀行成為網絡的節點，不同節點銀行之間連接成邊。隨著經濟全球化的進展，加之各種各樣的金融創新活動、衍生工具使得現代銀行網絡更加復雜化，且這種網絡結構隨著銀行系統的演進而漸變[5]。由于傳統的經濟學方法在分析系統內部結構方面乏力，應用復雜網絡理論的方法來研究銀行系統的結構問題、穩健性問題開啟了新的視角，已成為近年金融穩定研究領域非常重要的前沿課題和新興的研究熱點。對銀行復雜網絡，利用網絡理論研究方法，可以獲得銀行間的網絡結構以及網絡從整體上顯示的特性和功能等信息。已有的研究表明，銀行間的網絡結構具有典型的復雜網絡結構特征，而且銀行的風險傳染與銀行的網絡拓撲結構密切相關；加之銀行系統是現代金融體系的核心部分。因此，基于復雜網絡理論探析我國銀行間的網絡關系、網絡拓撲結構的基本特征以及不同網絡拓撲結構下外部沖擊對銀行系統性風險和系統穩定性的影響，對于監管當局建立有效的銀行系統性風險防范機制，維護銀行系統穩定性具有積極的現實意義。因此，將復雜網絡理論應用于銀行系統的研究就順理成章。目前，復雜網絡理論被用于銀行系統主要是對銀行網絡結構特征、銀行系統的風險傳染和銀行系統性風險評估的研究。下文著重對其在銀行系統的應用進行文獻的梳理和評述。

1基于復雜網絡理論對銀行網絡結構特征的研究

近年，基于Eisenberg和Noe提出衡量金融傳染損失大小的違約算法[6]，Boss、Inaoka、Harrison、vanLelyveld和Liedorp等分別對奧地利、荷蘭、英國和日本等國的銀行網絡結構做了實證研究[7−10]，結果表明：現有的銀行網絡結構具有復雜網絡結構特征。隨著研究的深入，發現了真實世界中銀行間網絡的一些普遍特征：小世界特征和無標度特征。在Barabási和Albert[4]指出現實世界的網絡是“無標度”的之后，Inaoka等人的研究表明，銀行網絡是一種典型的無標度網絡[8]。Boss等研究發現，奧地利的銀行網絡具有小世界網絡的特征，以及網絡的度（包括入度、出度）都服從雙冪律(Two-power-law)分布[7]。從而為Watts和Strogtz的小世界網絡模型提供了一個佐證。Iori等[5]對意大利的銀行網絡結構與Cajueiro等[11]對巴西銀行網絡結構的研究結論與Boss等[7]的研究結論類似。銀行間網絡是服從冪律指數的無標度網絡，即大多數銀行只與較少的銀行交易，只有少數大型銀行擁有較大的網絡連接。但是不同學者對銀行間無標度網絡研究得出的幕律指數存在差異。Goh等提出了一種構建無標度網絡的方法，并指出其度分布服從指數為γ的冪律分布，冪律指數γ的變化范圍為[2，+∞)[12]。Boss等[7]對奧地利銀行間風險敞口網絡的研究表明其節點度分布服從指數為-1.87的冪律分布，整個網絡的平均路徑和聚集系數均比較小。Soramäki等[13]研究表明，美國銀行業的支付網絡較為稀疏，具有較低的平均路徑水平和連接度的無標度網絡特征；并發現美國的銀行間債務網絡的節點出度和入度都服從冪律分布，且幕律指數分別為2.11和2.15。Edson和Cont研究發現[14]，巴西銀行間債務網絡中的節點出度和入度也服從冪律分布，平均來看節點服從冪律分布的冪律指數分別為2.84和2.46。Bech和Atalay[15]研究指出，美國聯邦基金市場網絡具有小世界網絡的特征；但是網絡節點度的分布并非是冪律分布，而是一種肥尾分布。Martinez-Jaramillo等[16]對墨西哥的銀行間資金網絡的研究發現，其特征體現了小世界網絡的半隨機性。Mistrulli[17]研究發現，歐洲銀行間隔夜拆借市場的網絡非常稀疏，節點度的分布服從冪律分布，具有小世界網絡特征。此外，Lazzetta和Manna對意大利銀行同業存款市場網絡[18]、Cont等對巴西金融機構網絡[19]、以及Craig和VonPeter對德國銀行間市場網絡的研究均表明網絡具有高度中心化且相對稀疏的特征[20]，處于網絡的中心位置的大銀行擁有較大的度數，節點的度較小的銀行傾向于與節點度較大的銀行相連。

2基于復雜網絡模型對銀行系統的風險傳染問題的探討

銀行系統的風險傳染存在直接和間接兩種機制。間接傳染機制是基于公眾信心的金融恐慌自致的非接觸式傳染，如著名的Diamond和Dybvig的銀行擠兌模型[21]揭示的恐慌情緒機制。直接傳染機制則是建立在交易、清算、債權債務以及持股關系基礎上的接觸式傳染。如Kiyotaki和Moore提出的債務鏈違約模型[22]：當一家銀行遭到存款者的擠兌而破產時，恐慌的情緒很可能使得擠兌蔓延到整個銀行系統，從而使那些本來具有償付能力的銀行也可能破產。目前，銀行間大額支付系統因其使用的廣泛性有可能成為流動性風險在銀行間擴散的重要渠道。Bech和Soramäki[23]分析了支付鏈式傳導機制可能產生的銀行間支付系統堵塞現象(gridlocks)，即時支付結算系統中可能出現的大量支付延遲，流動性匱乏。在接觸式的直接傳染中，銀行網絡的拓撲結構特征對風險傳染至關重要，節點連接越緊密、越類聚、平均路徑較短的網絡往往風險傳染的更快、更強。Müller[24]研究認為，銀行系統的網絡結構在風險傳染中起到了很大作用，若忽視網絡結構，會造成銀行風險的錯誤分析或銀行體系風險傳染效應的低估。Thurner等[257]研究對比了幾種網絡結構下的銀行間的危機傳染，發現危機傳播嚴重依賴網絡的拓撲結構。最早提出銀行間的危機傳染與網絡結構有關的是Allen和Gale[26]與Freixas等人[27]。Allen和Gale[26]基于DD銀行擠兌提模型研究流動性沖擊對銀行間存款市場網絡的金融傳染。銀行同業存放市場是銀行分擔風險的一種方式；分處不同空間的銀行同業間的借貸有助于銀行系統抵御流動性沖擊、風險傳染，避免系統性風險。Freixas等[27]的研究與Allen和Gale類似，但在流動性沖擊設定上二者不同，前者設定為消費者消費地點的不確定性，而后者則設定消費者消費時間的不確定性。此后，許多學者利用網絡理論來研究銀行系統性風險問題。Aleksiejuk和Holyst[28]構建一個隨機有向的銀行網絡模型，分析了侵透機制下大規模銀行破產倒閉的傳染性問題。但是，文獻[25-27]都假定銀行網絡是具有規則網絡結構或隨機網絡結構與現實情況不符。Elsinger等[29]認為，把銀行網絡劃分為完全結構與不完全結構并不能確切說明網絡結構與銀行系統性風險的關系。Upper和Worms[30]在假設銀行間市場為完全市場結構的前提下，利用矩陣法對德國銀行系統性風險進行研究，發現德國的銀行危機傳染與金融安全網的建立有直接關系，金融安全網可以明顯降低、但并不能消除銀行危險的蔓延。Viver-Lirimont[31]基于DD銀行擠提模型證明了銀行網絡的連通性越高，風險傳染就越快、越嚴重。因此，表面上看可以降低單個銀行風險的分散化投資行為，實際上會因為增加了銀行間的關聯度而提升了風險的傳染。Degryse和Nguyen[32]對1993—2002年比利時銀行系統的網絡結構的考察發現，經歷了從近似完全連接結構到以多家銀行為貨幣中心的結構轉變，這降低了風險傳染發生的可能性和影響程度。Brusco和Castiglionesi[33]在文獻[26-27]的基礎上加入一項投機性長期資產，通過銀行的道德風險將傳染引發機制內生化。他們利用道德風險來研究區域間金融危機的蔓延問題，提到大量風險投資必然導致銀行倒閉概率為正，銀行之間互相持有資金會增加傳染風險，一旦某項風險投資失敗，危機將通過金融機構間的信用連接擴散至其他銀行；但是他們提出銀行只在風險不太高的時候才建立銀行間聯系網絡。Hasman和Samartin[34]通過把信息傳染引入模型考察銀行間市場結構的危機傳染，分析表明：完全市場結構對基本面的沖擊是有彈性的。對不完全市場結構，銀行結構越不完整，傳染越不容易，如島嶼結構；然而，相比于島嶼結構，存款者更偏好鄰里結構。

在類似于文獻[33]的結論：當風險不太大時銀行才建立聯系并接受風險的蔓延。Eboli[35]將Rochet-Tirole模型[36]擴展到了多家銀行構成的網絡結構中來研究銀行間借貸形成的風險敞口的傳染。若一家銀行遭受沖擊破產，風險就通過銀行間的借貸形成的敞口擴散至它的鄰近銀行(neighbourbank)。在沖擊足夠大、銀行間敞口比足夠高的情況下，甚至會導致銀行網絡系統的崩潰。Nier等[37]在文獻[35]的基礎上運用模擬法研究了同質性銀行網絡中，銀行凈值、銀行間市場敞口規模、系統的連接度和集中度等幾個重要參數對風險傳染的影響。Gai和Kapadia[38]也沿襲文獻[35]的研究思路，探究了網絡結構特征對銀行風險傳染的影響。Krause和Giansante[39]研究認為，銀行網絡中節點的大小，即大銀行與小銀行的破產引發的風險傳染程度就會不同。Battiston等[40]研究表明，在借貸聯結的緊密網絡里，交易對手越多的個體風險多樣化不太可能出現系統性違約的觀點并不總是真實的。Ladley[41]認為，對大的經濟沖擊，較多的銀行間借貸關系惡化了系統性事件；而對較小的沖擊則觀察到相反的效果。Lenzu和Tedeschi[42]研究了不同的銀行網絡拓撲結構對銀行系統性風險的影響，他們發現，在流動性沖擊與節點選擇的隨機性沖擊下，隨機網絡結構比無標度網絡結構具有較小的系統性風險。Caccioli等[43]研究了當銀行網絡中的節點遭受隨機沖擊和選擇性沖擊的情況下，網絡拓撲結構對系統性風險的影響。他們發現，當銀行網絡中的節點遭受隨機沖擊時，無標度網絡結構比隨機網絡結構產生的系統性風險小；而當沖擊選擇連接度高的節點時，無標度網絡結構比隨機網絡結構產生的系統性風險大。銀行系統性風險有可能是通過多種非獨立的、相互作用的傳染渠道共同沖擊形成的[44]。文獻[44]利用一個動態多主體的銀行系統模型研究發現，銀行系統風險傳染會隨著共同沖擊的增加而增強。銀行網絡結構與風險傳染之間并非是單調的線性關系。Minoiu和Reyes[45]利用184個國家的跨國銀行數據構建網絡，以1978—2010年發生的幾次銀行危機作為時間節點的研究發現，不同國家銀行的關聯性在每次銀行危機發生前趨于上升、危機后下降；全球金融危機是對全球銀行網絡的異常大擾動，2007年的網絡密度與早期的峰值相當，2008年網絡密度指標達到歷史最低點。Bluhm等[46]用動態銀行間網絡建立了一個跨期的主體銀行模型，用來關注個體銀行對整體的系統性風險的貢獻。Teteryatnikova[47]研究發現，與其他類型的系統相比具有銀行網絡度分布負相關的分層網絡系統的優勢在于發生系統性危機的風險和潛在危機的范圍都較低。類似地，對無標度銀行網絡而言，對沖擊的系統彈性隨著分層的水平而增加。最近，對銀行網絡與系統性風險的探討發展到通過銀行間交易行為而內生網絡形成上來。這種源自個體間信息溝通的成本差異催生了內生網絡的形成（網內成本低、網間成本高）。Acemoglu等[48]通過信息溝通成本矩陣架構了一個內生性社會網絡模型研究信息交換的動力學，并提出一個兩階段的博弈。與文獻[48]相似，Aymanns和Georg[49]基于文獻[6]研究銀行網絡中內生網絡形成與危機傳染同步性的關系。Acemoglu等[50]研究表明，自然契約假設下，銀行無法內化與它們不能直接立契的放貸決策的影響，而網絡形成的過程存在金融網絡的外部性；并說明這種外部性的存在可以作為系統性風險產生的渠道。

3基于復雜網絡理論對銀行系統性風險測評的研究

基于網絡視角評估銀行的系統性風險是研究銀行網絡系統的一個主要方向。考察一家或多家銀行破產引發的風險傳染問題可以通過銀行間的資產負債數據直接構建網絡來識別系統性風險[32,51]。但是，現實中銀行之間每一筆交易所形成的資產負債信息較難獲得，因而一些文獻利用最大信息熵矩陣模型法來估算銀行間資產負債頭寸[32,51−52]。Sheldon和Maurer[53]是最早用矩陣法測量銀行系統性風險的大小。他們用矩陣模型模擬銀行同業拆借市場結構分別對一個銀行破產和多個銀行破產兩種情況進行瑞士銀行業系統性風險的測算，得出瑞士銀行業面臨的系統性風險較小的結論；文獻[30]將信息熵應用到了銀行網絡結構的構建上，引入交叉熵方法優化矩陣模型，估算德國銀行之間的資產負債頭寸構建銀行網絡研究銀行體系的風險傳染。文獻[17]通過對比利用真實數據構建的網絡和基于最大熵方法估算的數據構建的網絡，發現最大熵方法建立的網絡會高估風險傳染的程度。盡管通過信息熵構建的銀行間拆借網絡結構與現實情況有偏差，但因該方法解決了數據可得性問題而被廣泛使用。Upper[54]利用矩陣法研究了在有、無安全網的兩種狀態下不同損失率的系統性風險。結果表明：金融安全網對降低系統性風險的作用明顯；當損失率較小對不會造成銀行的系統性風險，當損失率增大到0.4時系統性風險會急劇放大。在銀行間風險敞口數據不確定的地方使用最大熵技術的矩陣法包含了銀行網絡的思想內核。最大熵方法是假設銀行網絡中相互連接概率為1的完全網絡，即每家銀行都與其他銀行交易的完全市場結構，這與文獻[26]的假設一致；但這顯然與現實中不存在雙邊風險敞口的銀行網絡結構不符。因此，基于最大熵方法構建的銀行網絡模型無法準確評估系統性風險。基于Eisenberg和Noe的算法[6]，Müller[51]開創了利用網絡分析方法測算銀行業的系統性風險。

用網絡分析方法測算銀行系統性風險的思想認為：在銀行間市場上存在一個或幾個交易中心與多家銀行進行信貸交易關聯，由此形成潛在的傳染渠道；先識別出不同類型的銀行網絡結構，然后利用模擬法測算系統性風險的傳染。Jackson[55]認為復雜網絡技術能夠將網絡構建和參數估計很好地結合起來以擬合真實世界的網絡，能夠記錄沖擊在系統不同銀行間的傳染過程。這就為通過模擬技術研究金融網絡結構的特征提供了理論支持。Elsinger等[29]的模型就是如此。他們開創性地提出了一種評估整個銀行系統穩定性的新方法——將現代風險管理工具和銀行間借貸市場網絡模型相結合。他們以整個銀行體系作為考察對象，通過使用奧地利銀行業的特有數據庫，發現銀行資產組合的相關性主導著系統性風險的傳染；更多樣化的銀行間市場并不一定降低風險的傳染。Elsinger等[29]的模型可以較好的解決問題，但是，該模型對權威、精確數據的要求造成了使用上的局限性。目前，以網絡結構為基礎計算系統風險的貢獻度有兩種方法：一種是邊際風險價值法(ConditionalValueatRisk)，另一種是網絡量化指標法(NetworkQuantitativeIndicators)。Cont等[19]提出了“風險傳染指標”(ContagionIndex,CI)，CI代表了一家銀行機構倒閉時通過級聯效應對整個銀行網絡造成的損失的期望值。因此，根據每一家銀行機構的CI指數就可以確定系統風險的貢獻度。Bonollo等[56]對文獻[19]的網絡結構模型和CI指標進行了改進，使CI指標將更加貼近現實。他們一方面對每個節點（銀行）考慮它所面臨的共同風險因素(CommonRiskFactors)和特質風險因素(IdiosyncraticRiskFactor)；另一方面在建立模型和計算指標時要區分不同類型銀行機構：投資銀行、大型商業銀行、小型銀行等等。Adrian和Brunnermeier[57]]在對風險價值法(VaR)的基礎上提出了針對個體金融機構風險評估的邊際風險價值法。他們同邊際風險價值來衡量一家銀行機構對整個金融系統風險價值的邊際影響。Hautsch等[58]采用邊際風險價值法，將每一家銀行的風險因素劃分為宏觀經濟、機構自身和來自其它機構的風險溢出等因素，引入金融網絡結構特征對系統風險貢獻度的衡量。

4基于復雜網絡理論視角的銀行系統穩定性

研究系統的穩健性是伴隨不確定性問題普遍存在的現象[59]。目前，網絡穩健性正在成為復雜網絡研究的一個重要方向，基于網絡視角對銀行系統穩健性的研究正在成為研究熱點。Albert等[60]基于ER模型比較了隨機網絡和無標度網絡兩類網絡的連通性以及在隨機故障與蓄意攻擊下去除兩類節點策略的穩健性。此后，Callway等[61]、Bollobas和Riodan[62]對網絡穩健性的研究，結果幾乎都與文獻[60]的發現一致。Cohen等[63]利用廣義隨機圖上的滲流理論(percolationtheory)，采用隨機攻擊及選擇性攻擊的研究方法研究Internet網，得出了internet網絡穩健性的理論闊值[64]。這為研究網絡穩健性打下了基礎。Holme等[65]使用四種不同的攻擊策略研究了復雜網絡在受到頂點和邊緣攻擊時的響應，以及網絡結構隨著重要的頂點或邊緣被去除的穩健性。Kwon和Cho[66]研究發現，網絡的穩健性特征與網絡的反饋結構有著緊密聯系；與隨機網絡相比較，無標度網絡表現出的反饋結構更多、且其穩健性也更好。Paul等[67]研究了如何以最小的代價對網絡的穩健性進行優化的問題。Ash和Newth[68]首次使用了演化算法來研究如何優化網絡結構，他們發現網絡的模塊性、聚類性及路徑長度都會影響網絡的穩健性特征。Schneider等[6]針對攻擊(attack)對網絡的破壞給出了一種有效地緩釋方法——網絡重構——只需要很小的代價就可以顯著提升網絡的穩健性。同時，他們發現這種對攻擊呈現出高穩健性的網絡結構具有明顯的類洋蔥(onion-like)特點。Herrmann等[70]、Wu和Holme[71]的研究也驗證了類洋蔥網絡結構的穩健性。Peng等[72]認為，穩健性和小世界效應是復雜網絡的兩個關鍵結構特征，但二者在對設計或優化網絡的拓撲結構方面存在沖突的關系。他們研究得出最優網絡拓撲結構呈現出明顯的核心—外圍結構。

銀行網絡是服從冪律分布的無標度網絡。這種網絡結構對隨即沖擊具有穩健性，但對針對系統重要性節點的目標沖擊卻是脆弱的[4]。Hendricks[73]指出，新的金融穩定模型強調將金融體系作為一種網絡和種群進行研究。網絡模型解釋了復雜的不透明的系統比簡單的更透明的系統更脆弱，以及高度連接的系統在正常時期增加風險的耗散、但在非正常時期則使風險傳播得更快更遠。種群模型則把金融體系視作一個隨著條件變化間而演化的由機構(產品、實踐或過程)組成的多樣化種群。在這些模型中穩定意味著擁有一個健康的種群是允許甚至鼓勵創新的，推陳出新。與許多自然科學的真實的復雜網絡相比，銀行網絡的演化較弱，特別不穩定[74]。Langfield和Soramäki[75]也指出高度相互關聯的金融機構所形成的復雜系統本質上是不穩定的。Allen和Babus[76]認為，金融系統網絡分析是一種評估金融穩定特別重要的方法，也是一種捕獲因單一機構風險引發整個系統的外部性效應的工具。Gai和Kapadia[38]的研究也發現，金融系統具有一種“強而脆(robust-yet-fragile)”的傾向。他們認為，大多數沖擊不會對導致系統壓力，但對金融系統特定部位的“針對性”目標沖擊可能是災難性的。因此，應強調識別系統重要性金融機構的重要性。Dette等[77]通過隨機攻擊和惡意攻擊的研究方法對全球金融網絡結構的穩健性進行了研究，研究發現：一個相對小而單的國家，如希臘違約能夠被網絡吸收，但是當其它的幾個PIGS（葡萄牙、愛爾蘭和西班牙）國家聯合違約時，竟會對全球經濟帶來毀滅性的影響。Haldane和May[74]用生態食物網的動態和傳染病蔓延的網絡類比探討了金融網絡的故意簡化模型中復雜性和穩定性之間的相互作用。Toivanen[78]用流行病學法來研究銀行間網絡的風險傳染時，分析了單一銀行特定因素對金融穩定的重要性。Loepfe等[79]研究發現，金融系統對任何細小的結構性變化都很敏感。

銀行網絡穩健性不僅是銀行個體的作用，更是他們互相間的關系。文獻[42]發現在一個為“小沖擊”設置的靜態網絡里，網絡連通性高有助于系統穩定，而在大沖擊的靜態網絡里，網絡連通性高則會放大初始沖擊。文獻[6]和[38]都是這種靜態分析方法。而Bluhm等[46]用動態銀行間網絡建立了一個跨期的主體銀行模型，用來關注個體銀行對整體的系統性風險的貢獻；文獻[44]構造了一個銀行系統的動態模型用于分析銀行間網絡結構對金融穩定的影響，該模型里的銀行最優化它們的資產負債表結構進而最優化實際的銀行網絡結構。他研究比較了不同的銀行間網絡結構對金融穩定的影響，認為貨幣中心網絡比隨機網絡更加穩定。Aymanns和Georg[49]研究指出，以往研究不考慮人之間的（投資）戰略互動（人對相鄰者行為的學習），模型的均衡是機械的。他們采用了一個通過賦予私人信念與社會信念不同權重而內生網絡形成過程模型，并得出一個最大化期望效用的成對穩健的網絡結構。Bagrow等[80]指出，在穩健性方面的現有研究沒有考慮小而密連接成組的節點構成的模塊化網絡重疊、網絡模塊結構的作用。他們對系統穩健性的研究表明，模塊本身有可能在網絡分解之前成為非耦合或非重疊。如果重疊的模塊化組織在整體功能中發揮作用，網絡可能會比傳統滲流理論預測的更脆弱。Bardoscia等[81]使用數學建模方法對50家銀行資產負債表的原始數據的研究表明，金融系統復雜性增加或許不能增強其內在穩定性。他們發現，在金融機構及其相互間合約形成的網絡中，通過擴大參與金融系統的銀行數量，并增強它們之間的聯系，個別機構成為了多層合同中的一部分，有可能擴大金融沖擊的影響、導致銀行系統不穩定性。

5總結與研究動態分析

由于傳統的經濟學方法在分析系統內部結構方面乏力，應用復雜網絡理論的方法來研究銀行系統的結構問題、穩定性問題開啟了新的視角，已成為近年風險管理、金融穩定等研究領域非常重要的前沿課題和新興的研究熱點。目前，基于網絡理論對銀行網絡結構特征、系統性風險傳染等問題的研究已取得了卓有成效的研究成果。但是，多數研究，通常是預先假設一種網絡結構，或使用了同質性節點網絡，如此設定的銀行網絡固然會起到平攤風險的作用，導致網絡系統受到外部沖擊后網絡傳染效應相似、響應趨于集中。一些研究從網絡視角研究銀行系統的風險傳染多集中在外部風險傳染效應的分析；這些假設與真實的銀行間資產和負債關系不符、沒有涵蓋源自系統內部的風險傳染問題，致使不同的學者研究得出的結論相異。因此，對銀行網絡結構與系統風險傳染的探討，不能簡單地預先假定一種網絡結構，尤其是設定同質化的銀行網絡關系，而應結合現實銀行網絡的異質性特征進行研究。已有研究在系統重要性銀行的識別認定、銀行系統穩定性的影響機理，以及如何架構銀行網絡結構才能提高銀行系統的穩定性等問題尚未做出深入地探究。盡管一些研究提到了銀行網絡穩定性問題，但是在什么樣的銀行網絡拓撲結構穩健性好、以及怎樣提高銀行網絡拓撲結構的穩定性等問題上尚未做出深入地探究。另外，目前的研究主要是在靜態下分析銀行網絡系統的結構特征、系統性風險傳染等，但是，銀行網絡結構是不斷發展演變的，銀行主體行為也具有時變特征，因而進一步的研究需要考慮到時間動態性以及銀行行為的變化對銀行危機的預測以及系統穩定性的影響。

作者：黃飛鳴 單位：江西財經大學