论文部分内容阅读
银行体系中各银行的联系形成了复杂的网络,由于银行网络结构为风险传播提供了渠道,因此通过分析我国银行体系构成的复杂网络结构来辨识重要性节点,进一步分析我国拆借网络遭受风险事件时的稳定性是十分必要的。文章介绍了网络的定义、网络常见类型、节点度、介数、聚类系数、中心性以及k-核,为实证分析拆借网络结构做好理论准备。在此基础上对2014-2016年拆借网络进行可视化分析。首先依据Bank Focus数据库筛选样本银行,介绍数据选取依据并做描述性统计;其次结合熵优化、矩阵法与阈值法构造符合实际情况的拆借矩阵;最后利用PAJEK软件对2014-2016年拆借网络模型做可视化分析。分析发现少数节点承担大量资金往来责任,大部分城商行与农商行及外资银行表现出较小的边权重,这说明我国拆借网络资金流集中度较高。基于可视化分析,文章对52个样本构成的拆借网络做结构分析以辨识重要性节点。结果首先表明各家银行在拆借网络中的重要程度在发展变化,个别拆借金额比重较小的银行介数较高,依然可归为重要性节点。其次表明我国拆借网络平均聚类系数较高,即与某一银行相邻的网络子团内连通性较为完备,所以只要某一银行受到风险冲击,极可能带动其所在的银行网络子团遭受风险。k-核分析表明,原本具有高节点度的银行凝聚为了k-核核团,一旦发生风险事件,极可能由最大核团影响到其他核团。最后文章在结构分析的基础上,对拆借网络进行稳定性分析。本文用选择性删除某些节点的方法,分析最大连通子网络包括的节点个数变化,来确定拆借网络的连通性,以描述拆借网络的稳定性。实证结果表明拆借网络中各银行有严重的不均匀性,少数几个重要节点遭受风险事件后对整个网络稳定性的影响远高于大多数节点同时遭受风险事件时造成的影响。2016年各家银行的不均匀现象有所缓解。