银企信贷复杂网络下的银行业系统性风险研究——基于高碳行业视角

碳减排压力下,高碳企业向低碳转型内生的“转型风险”可能成为引发下一场系统性金融风险的“绿天鹅”事件。基于2013-2022年14个高碳行业的银企贷款数据,首先采用“银企”二分网络法,以高碳企业预期违约率作为风险传染强度指标,纵向度量“银企”的风险传导路径。研究发现银企间网络规模逐年扩大,尾部风险突出集中于化工行业,且主要由股份制商业银行承受。其次运用“银银”映射网络法,以银行间共同风险敞口作为风险传染强度指标,横向度量“银银”的风险传导路径。研究发现城市商业银行与农村商业银行日渐成为系统重要性银行,风险承担愈加凸显;国有控股大型商业银行自身输出较大银行间尾部风险,其对风险的扩散或防御至关重要。最后基于复杂网络筛选出系统重要性银行与风险传染性银行,运用动态CoVaR法度量尾部溢出的系统性风险贡献强度,全面捕捉风险从高碳企业到金融机构间“自下而上的风险测度逻辑”,从而为监管部门构建“自上而下的风险监管逻辑”提供现实依据。在“双碳”战略下,应出台专门的信贷支持政策推动重点行业实施节能减排,立足“银企”信贷网络的全局开展差异化管理和全面风险评估,在逆周期缓冲资本监管框架的挂钩变量中引入高碳行业尾部风险的新视角。

危机时接管银行的选择与比较--基于银行间市场复杂网络模型的研究

根据2021年我国银行间市场相关数据,构建复杂网络模型研究银行间风险传染路径,比较接管银行的两种现实选择,并运用仿真模拟考量风险管理效果。研究表明:选择与危机银行拥有较多连锁债务关系的银行进行接管,比选择市场上活跃度较高的银行进行接管,其效果更优,可显著降低银行间市场的风险溢出。

复杂网络模型在银行间市场的应用研究述论

复杂网络是大量真实复杂系统的拓扑抽象,在组成结构上比规则网络和随机网络更加复杂。在现实经济中,银行业存在大量业务往来,商业银行通过银行间市场、支付系统、场外市场等紧密联系成为一个网络体系,具备复杂网络的基本要素,其拓扑结构与复杂网络模型具有较高一致性。因此,基于复杂网络的银行业研究已逐渐成为学界关注的前沿。

复杂网络理论的银行间市场网络结构演化模型

银行间市场作为一种复杂的经济系统,可以从复杂网络理论对其网络结构进行分析,研究银行间网络结构的拓扑性和动力学特征。因此,在考虑银行间市场网络节点之间具有随机和择优混合存在的连接方式基础上,构建了随机—无标度混合演化网络模型和扩展随机—无标度混合演化网络模型,通过计算机仿真分别研究了银行间市场网络结构的度分布。结果表明:银行间市场的随机—无标度混合网络随银行间市场的择优行为强度的增加从随机演化网络向BA无标度演化网络演化。

基于复杂网络的银行竞争行为研究

以上市公司的长期银行借款为基本关系,构建银行共同贷款网络,运用复杂网络理论,对比研究了2000年和2009年的网络特征,发现:①非国有大型商业银行首先是争夺国有大型商业银行的市场,而不是自身的相互争夺;②全国股份制商业银行,虽然在上世纪90年代已相继成立,但业务开展并不好,但在样本期间,业务发展相当迅速,形成仅次于国有大型商业银行的中心节点,与国有大型银行共同形成银行系统的核心集团;③虽然国有大型商业银行仍是整个银行系统的中心,但中心地位已有所下降,对整个银行系统的影响力也显著下降,且各国有大型商业银行的影响力已趋于一致,专业性界限已非常模糊;④银行间,特别是居于核心集团的银行之间的共同客户越来越多,银行间接触更加频繁,这不仅是银行间竞争的加剧,同时银行间信息的分享和风险的分担都加强了。

基于复杂网络理论的银行系统性风险研究评述

美国次贷危机引起的全球性金融危机给世界各主要经济体造成了严重的经济损失。银行作为金融系统的核心,对金融系统的稳定起着至关重要的作用,因此,银行系统性风险受到了各国中央银行和政策制定者的高度重视,尽管如此,对银行系统性风险的度量仍没有一个统一的框架。本文对利用复杂网络理论研究银行系统性风险的国内外文献进行了系统的梳理和总结,提出了当前研究的不足和展望。

基于复杂网络的银行网点布局研究

现实银行网点的布局存在一定的不合理性,利用复杂网络的方法,首先提出了一种基于复杂网络的银行网点布局和网点优化模型;接着对模型进行了分析并与相关研究方法进行了对比;最后利用该模型对太原市农业银行网点布局进行了研究和网点布局调整,得到较为合理的网点布局。

复杂银行网络仿真系统的研究与设计

自从全球金融危机爆发后,对金融系统的风险研究得到了人们越来越大的关注。为了对金融系统运行规律进行研究及调控金融风险,有必要建立金融仿真系统以便进行各种仿真的金融实验。另外一方面,随着我国金融产业的发展,需要培养越来越多的金融专业人才。金融仿真系统可以为他们提供虚拟的操作训练的环境。银行网络系统是复杂金融网络系统的重要组成部分,将每个银行设计为能和外部交互的智能代理体,研究并设计了银行网络仿真系统中的重要模块。设计完成的仿真系统为金融系统风险问题的研究提供了验证平台。

基于复杂网络的银企间信贷风险传染机制研究

本文基于复杂网络理论,构建了银企间通过信贷和产权关系形成的金融网络,利用信贷资产的信用转移矩阵和银行的资产负债表建立了银企间信贷风险传染的动态模型。通过理论推导和仿真模拟,本文系统分析了影响风险传染规模的各种因素以及系统重要性银行和不同风险传染渠道在信贷风险传染中所起的作用。研究表明:初始经济冲击、资产的市场流动性和违约损失率与风险传染效应间存在正相关关系,网络规模与风险传染呈现非单调的关系;随着网络规模的扩大,风险传染效应先增加后减小;系统重要性银行受到冲击时引发的传染规模远大于一般银行;随着金融系统总损失的不断增加,银行间的风险传染渠道逐渐居于主导地位。

基于复杂网络的中国商业银行业务流程分析研究

运用复杂网络理论,将中国商业银行中部分业务流程构建成基于具体部门岗位的有向加权复杂网络。该方法以具体岗位作为节点,以岗位之间的联系为边构建基于岗位的业务流程网络,通过分析网络拓扑特征,评估商业银行内部岗位设置是否合理,为银行业务流程再造提供参考,也为未来利用流程管理进行操作风险管理及度量与之相关的监管资本等提供条件。

基于复杂网络的商业银行流动性风险评价

基于商业银行流动性风险传染网络,本研究分析流动性风险在经济繁荣和经济衰退下的网络传染机制和网络特征。实证表明商业银行流动性风险传染机制具有层次性和反传染性;传染网络在经济繁荣(高阈值网络)时符合无标度特性,在经济衰退(低阈值网络)时符合小世界特性;高阈值网络中多数国有银行易受攻击,低阈值网络中股份制银行易受攻击;股份制银行具有传染性和易感性,并充当传染中介角色。在宏微观审慎监管下,监管部门应加强对商业银行流动性风险指标的监测,并同时关注银行外部业务联系,及时监测流动性风险,防患于未然。

宏观经济动态波动对银行系统稳定性的影响

全球金融危机以来,银行系统稳定性问题引起广泛关注。针对我国银行业面临宏观经济的动态波动,基于复杂网络理论,构建宏观经济动态波动下的银行同业拆借网络模型。研究结果表明,在各种宏观经济波动情况下,银行的投资回收期与银行的投资存款比对银行系统稳定性影响较大,投资回收期越短,越有利于银行系统的稳定。进一步,研究发现,在银行间拆借网络的连接度固定时,各种宏观经济波动下都存在最优的投资存款比。经比较分析发现,宏观经济呈下降趋势下,只有较小的投资存款比才能使银行系统稳定,而宏观经济呈上升趋势与随机情况下,每期最优投资存款比较接近。最后,探讨了不同宏观经济趋势冲击下银行的调控策略,对银行监管具有一定借鉴意义。

互联网金融平台中高违约风险用户识别算法

以某互联网金融平台的用户交易数据为对象,通过分析其中借贷逾期违约的传播行为,提出通过传播特征构建模型算法识别互联网金融平台的高风险用户。在构建基于阈值传播和随机传播的SIS和SIR模型的基础上,将模型转换为可评价用户风险值的算法,并进一步与实际违约数据进行验证对比。对比结果显示,在前5%和10%高风险群体划分条件下,算法具有较高的召回率和良好的结构关联性。

银行账户交易复杂网络特性分析

首先基于银行账户交易的特点,建立了一个有向加权的银行账户交易网络通用模型。进而,根据复杂网络的定义,从网络结构和节点2个层面,验证了交易网络的复杂网络特性。其中,网络结构特性包括静态特性(即无标度特性和小世界特性)和动态演化特性(即自组织特性)。此外,使用吸引子特性验证了复杂网络节点的动力学特征。分析包含非法传销交易的真实银行交易数据,得出如下结论:该网络具有无标度特性、小世界特性、部分自组织特性和奇异吸引子。

银行交易网络的链路预测

基于银行交易具有动态变化、时效性和重复性的特点,文中通过对银行网络进行清洗和压缩,研究银行网络的基本拓扑统计性质和聚类结构,并得到交易网络满足复杂网络的小世界和无标度特性。针对已有的链路预测算法在动态网络预测中的不足,提出一种自适应的动态链路算法对银行客户交易进行预测。该方法在预测网络的基础上添加了节点重要性与节点连接强弱性两个特性,并将3种预测算法结合随机算法进行了对比分析。随后将这3种算法运用到具有动态交易特性的3类真实数据集中进行实验验证。实验结果显示,新算法的预测精度约为75%。将该算法与经典的预测算法进行比较发现,提出的算法在预测方面的性能提升了5%～10%。

基于链路预测的小微授信客户隐性关联关系识别研究

商业银行在小微业务信贷风险管理实践中的核心问题是:如何识别小微企业客户间的隐性关联关系,全面准确地评估风险,做好资产质量管控。从风险管理的实践看,小微企业是以人为核心的微观经济主体,企业的日常管理、资金运作等紧紧掌握在一些核心人员手中,除显性的股权、任职、上下游关系外,核心人员在银行不同渠道留存的信息也构成了复杂网络。基于此类信息,采用链路预测算法,使用Python的net-workx库,识别不同人员之间存在链接的可能性,进而识别不同人员控制的企业间的隐性关联关系。

“银行-房地产”复杂网络研究

以上市房地产企业的长期银行借款为基本关系,构建"银行-房地产"贷款网络,并分析了复杂网络的结构特征。结果发现,四大国有银行有较大的度,表明这些银行与房地产企业联系紧密,而房地产企业中,北京城建、宁波富达、保利地产度较大,纵观整个网络可以发现,度越大的点个数越小,表明了该复杂网络具有无标度网络的特征。

基于异质杠杆的银行系统稳定性仿真研究

银行系统稳定性研究是国内外研究的重要课题,但是目前针对银行系统稳定性的研究大多数都是建立在均匀杠杆作用下,并且银行间拆借矩阵权重也是均匀的。现引入异质杠杆,并对银行间拆借矩阵赋予不同的权值,构建基于异质杠杆的银行系统稳定性动态演化模型并设计仿真算法。研究连接矩阵权重、冲击大小、连接度、同业拆借规模、同质杠杆及异质杠杆对银行网络系统稳定性的影响。仿真结果表明,异质性杠杆大大恶化了银行系统的稳定性,系统重要性银行与杠杆大小有关,研究结果可为金融监管机构提供决策依据。

银行同业拆借市场的网络模型构建及稳定性

基于银行同业拆借关系,构建了银行有向网络模型,分析了银行网络的成分结构。在此基础上研究了随机性攻击和选择性攻击对银行网络最大成分的影响,进而分析了银行网络的稳定性。研究结果表明:银行网络对于随机性攻击具有较高的稳定性,对于选择性攻击具有较低的稳定性。该结果有助于加强银行同业拆借市场的风险管理,维护银行同业拆借市场的稳定。

基于复杂网络的商业银行网点布局特征——以北京市中国银行为例

以北京城区6个行政区内分布的中国银行网点为例，利用复杂网络理论，按照就近原则，分别构建服务半径400m和800m的网点分布复杂网络模型，并结合GIS空间可视化技术对其进行网络特征分析与解释。结果表明：①银行网点结构多呈现扁平化，联系稀疏，具有小世界网络特征。由于缩短了网络的特征路径长度，增强了聚类系数，在提升网点效率的同时，也提升了市场竞争的激烈程度。②随着服务半径的扩大，银行网点集聚程度增强，而稳定性降低。银行网点的最佳服务半径在400～800m，步行可达的网点网络比公交可达的网点更稳定。③银行网点分布存在区域差异性。一方面表现为高等级节点在局部区域出现高集聚现象，主要位于四环以内，并集中分布在金融街、三元桥和国贸CBD一带；另一方面表现为节点度之和在街道层面存在较大差异，内城经济发达的街道，其网点多且节点度高，而外围街道，特别是近郊外围街道网点分布少，或者没有网点，存在金融排斥现象。未来在银行网点规划中，可重点培育一些边缘节点，发挥其带动作用，扩大网点覆盖范围，完善整个区域网点服务职能。