第五节 金融风险传染与金融稳定：基于金融网络的考察

在经济全球化背景下，金融创新产品标准化带来的传播便利及信息不对称程度的加剧，全球金融信息网络的紧密相连，对金融风险传染推波助澜，并使其呈现出复杂网络中活动的独有特征。正如Gai和Kapadia (2007) 所指出的，金融网络具有复杂网络对随机故障的鲁棒性和对蓄意攻击的脆弱性(“Robust yet Fragile”)：金融网络日益增加的联通程度和风险共担将降低传染的概率，但大量的金融联结将增加风险广泛传播的潜力。

一 网络视角下的风险传染与金融稳定

从金融网络的视角来探察，金融风险传染与金融稳定关系的相关研究一般采用两种方法：第一种方法，通过直接的联结探究传染效应 (Contagious Effect)。这一领域的开山之作是Allen和Gale (2000) 发表的《金融传染》一文。该文研究了不同网络结构下银行体系如何应对传染。他们假设消费者拥有Diamond和Dybvig (1983) 类的流动性偏好，银行通过交易银行间存款而完美地应对流动性冲击。存款互换创造的关联将金融系统暴露于传染风险之中。论文以不完全网络为例，假定一家银行的失败将触发整个银行体系的失败，证明了在同样的参数条件下，如果银行相连于一个完全的网络架构中，则金融系统应对传染效应会更具弹性。因而，相较而言，不完全的网络更易于传染；而较完全的网络，由于银行资产组合的损失部分可通过银行间协议转移至更多银行，故而更具弹性。

Freixas等人 (2000) 提出了一个模型，讨论了单个银行风险对整个金融体系的网络负外部性。考虑银行面对消费者因不确定消费而引起的流动性需求，银行间的关联通过银行间信用额度实现，这些信用额度可确保银行对冲地区性流动性风险。正如Allen和Gale (2000) 所指出的，银行间关联提高了系统对单个银行偿付能力的弹性，其弊端在于弱化了关闭低效银行的激励。Leitner (2005) 构建了一个模型，指出代理人项目投资的成功依赖于与其联结的其他代理人的投资。这是由于资源禀赋随机分布于代理人之中，单个代理人未必有足够的现金作必要的投资。因而，代理人为了防止整个网络的崩溃，可能愿意帮助其他代理人。Leitner的研究重点在于如何优化网络设计，寻求最小化风险共担与崩溃可能之间的折中方案。Vivier-Lirimont (2004) 则从另一个不同的角度提出了最优网络 (Optimal Networks) 的问题，他认为，最优网络体系结构下，银行间风险转移提高存款人效用。他发现，只有非常密集的网络，才与帕累托最优配置兼容。Dasgupta (2004) 也认为，银行间互相持有存款形式的联结是传染崩溃的一个来源。当存款人收到关于银行基本面的私人信号，相信有足够多的其他存款人会取出存款时，也想要取出存款，脆弱性由此而生。事实上，传染不仅仅发生在银行业。Cummins等人 (2002) 分析了巨灾风险市场结构如何引致传染，展示了网络结构如何限制保险业吸收重大巨灾事件效应的能力。

与此类文献相似，一些文章运用数学和理论物理中的网络技术研究传染。例如，Eisenberg和Noe (2001) 运用此类技术方法研究单个清算机制中的公司违约。他们首先展示了一个清算支付矢量的存在决定了公司间的联结水平。其次，开发了一个评估小型冲击对该清算体系影响的算法，该算法以需要多少违约波 (Wave of Defaults) 使得系统中的特定公司失败为基础，产生一个系统风险的自然度量。类似地，Minguez-Afonso和Shin (2007) 运用格论 (Lattice-theoretic) 方法研究高价值支付系统 (如工业企业的应收账款和应付账款清算、银行间支付系统) 的流动性和系统风险。Gai和Kapadia (2007) 应用类似流行病学中关于网络中疾病传播的方法，提出了金融网络的传染模型，根据银行资本缓冲、联通 (Connectivity) 程度、不良银行资产的市场流动性评估金融体系的脆弱性。他们发现，较高的联通程度降低了违约广泛传播的可能性，但冲击对金融体系的影响也更大更显著。此外，金融网络对大型冲击的弹性取决于与结构脆弱性相关的、特定的冲击脆弱点。

第二种方法则集中于间接负债表联结上。Lagunoff和Schreft (2001) 构建了一个模型，将代理人与其对投资组合回报的感觉相关联。模型中，易受冲击影响的代理人重新配置了他们的投资组合，从而使一些联结断裂，继而影响两类相关的金融危机——一类危机逐步发生，表现为损失扩大，更多联合断裂；另一类则是即时发生，前瞻性的代理人先发制人，转向更为安全的投资组合，以避免传染造成的未来损失。类似地，de Vries (2005) 认为，由于潜在资产的厚尾 (Fat Tail) 特性，银行投资组合间存在关联，从而蕴涵了使系统崩溃的潜能。

Cifuentes等人 (2005) 提出了一个模型，认为金融机构通过持有投资组合而联结。如果每个人都持有相同资产，则网络是完整的。尽管在模型中也通过共同信用敞口纳入直接联结，但传染主要是由资产价格变化所驱动。上述论文所持有的共同观点是：金融体系内在脆弱。脆弱性不仅外生于金融机构面对的宏观风险因素 [如de Vries (2005) 中的案例]，而且正如Cifuentes等 (2004) 所指出的，脆弱性同样内部演进于某些银行资产的强制出售而压低市场价格继而造成对其他机构的进一步压力。

Babus (2007) 对网络效应文献作出了进一步补充，建立一个模型，银行彼此形成联结，以减少传染风险，网络内生而成并形成一种保险机制。他在Allen和Gale (2000) 联结形成流程的基础上，提出联结更佳的网络应对传染更具弹性。模型预测了一个传染不会发生的联结性门槛，认为银行应联结彼此以达到这一门槛水平。然而，融入联合的隐含成本阻碍了银行形成达到门槛所要求的联合水平。Castiglionesi和Navarro (2007) 也对银行是否设法分散网络结构以使之达到最优水平进行了研究，他们假定银行代表存款人投资，对投资回报产生正网络外部性，当银行资本不足以运用存款人的资金投机时，脆弱性就会产生。若破产概率低，则分散化解决方案近似于最优。

在理论探讨之外，相当一部分学者试图寻找金融机构因彼此间的要求权导致的传染性失败的证据。大多数此类文献运用资产负债表上的信息估计不同银行体系的双边信贷关系，然后通过模拟单个银行崩溃来测试银行同业市场的稳定性。例如，Upper和Worms (2004)、Sheldon和Maurer (1998) 分别分析了德国和瑞士的银行体系；Cocco等人 (2005) 为葡萄牙银行同业市场上的借贷关系提供了经验证据；Furfine (2003)、Wells (2004) 则分别研究了美国和英国银行间的内在联结；Boss等人 (2004) 对澳大利亚银行同业市场的网络结构进行了实证分析，并讨论了某一节点消失对网络稳定性的影响。Degryse和Nguyen (2007) 以同样的方式，评估了比利时银行同业市场上银行失败的链条反应造成的风险。他们发现，即便应对巨大冲击，银行体系仍具有高弹性。模拟的最差情形表明，在比利时银行同业市场上，银行因传染造成的损失低于全部资产负债表资产的5%，而德国银行体系的损失则可能高达15%。损失的大小在很大程度上取决于银行是如何联结的 (以银行同业市场的信用敞口来估计)。对于大多数国家而言，数据均取自银行的资产负债表，因其可以提供报告机构相对于其他银行的总敞口信息。要预测银行与银行敞口 (Bank-to-bank Exposures)，通常假设银行尽可能均匀地拓展信贷。事实上，这一假设要求银行联结于完整的网络之中。如此一来，鉴于理论研究认为联结更佳的网络对于冲击的蔓延更具弹性，假设可能偏离结果。Upper (2006) 对此进行了文献评述。不同于模拟方法的是，Iyer和Peydro-Alcalde (2007) 运用一家大型印度银行失败时银行同业敞口的数据检测金融传染，发现与失败银行存在高银行同业敞口的银行会遭遇更高的存款提取风险，且基本面较不理想的银行存款挤兑的风险更高。

总而言之，上述文献的基本结论是：金融网络较高的联通程度降低了违约广泛传播的概率，换言之，金融网络结构越完全，其应对传染的弹性越大，但也由此导致冲击对金融体系的影响越来越显著。

二 金融网络特征与金融稳定

既然金融网络具有的对随机故障的鲁棒性和对蓄意攻击的脆弱性影响金融风险的传染及金融稳定，那么，金融网络结构是如何影响风险传染的呢？换言之，金融组织体系的结构与金融体系的不稳定之间存在何种关联？相对而言，较为集中的金融网络 (如荷兰和瑞典)，是否比较不集中的金融网络(如意大利和德国) 更容易使风险传染，继而导致金融不稳定？同时，是否由少量大型银行和少数小型边缘银行组成的金融体系对金融风险更敏感？此外，银行同业敞口和金融体系资本 (及其管制) 如何交互？对金融机构设定资本充足率要求是否足以抑制网络状态下金融机构的系统风险？Nier等人(2006) 构建了一个包含25家银行的金融网络 (即25个网络节点)，变动范围为10—25，设定外部资产总规模为100000单位，两个节点间的Erdös-Rényi概率标杆值为0.2，变动范围为0—1，模拟分析网络结构与金融稳定之间的关系。从央行监管的角度出发，决定金融网络体系结构的关键参数包括：①资本化水平；②同业敞口规模；③银行联结程度；④金融体系集中度。这些参数决定了金融网络应对风险传染的弹性。

第一，资本化水平。Nier等人 (2006) 模拟银行净资产与银行系统弹性之间的关系，以研究银行资本化水平与传染的关联。其基本研究结论为：金融机构资本健全度越高，则金融体系更具应对传染效应的弹性，二者之间呈较弱的单调非线性负相关关系。但是，传染并未随银行资本化水平而线性降低。第一家银行违约时，高净资产吸收了大部分的冲击。当净资产降低到一定水平时，由于第一家已经无力抵御外部冲击，第二轮违约发生。更多的损失传输至贷款人，从而增加了第二轮违约发生的可能性。当银行净资产持续下降，但并未降至引发新一轮违约传染的水平，我们可观察到在1%—4%的净资产区间，违约数量几乎为常数，这是因为市场参与者的净资产仍足以吸收风险。然而，一旦净资产水平低于1%，就会触发多重违约，因而违约数量急剧上升。分析表明，聚合打击使传染或违约连锁效应的范围大幅增加。

第二，同业敞口规模。同业资产比例的增加对银行体系产生两个截然不同且潜在对立的效应。首先，它意味着冲击在同业信贷者之间的传导增加以及由顾客存款滋生的冲击规模下降，即它导致冲击蔓延升级；其次，由于设定银行持有缓冲同业敞口的资本，同业市场规模的扩大使得其整体净资产增加，从而可能加剧传染效应。事实上，当同业资产处于较低水平时，第一轮的违约并不引发传染效应。这是因为大多数的损失均为顾客存款所吸收，任何传导至贷方银行的损失均小到足够为银行净资产所吸收。当同业资产规模占比超过门槛时，我们开始看到第二轮违约。这是由于更多的冲击传导至贷方银行，其净资产的增加并不足以抵补损失的增加。Nier等人 (2006) 认为，同业资产增加时，第一家银行的净资产及其贷方银行相对于第一家银行的违约外部资产也会增加。更多的损失由第一家银行及其贷方银行的净资产吸收，并在第三轮违约中传导至相关银行。总之，同业负债规模的增大将增加传染的威胁，即使银行对此类风险已做好资本缓冲。

第三，联结程度。同业联结有两个对立的效应：一方面，作为将冲击蔓延至整个金融体系的渠道，扮演着冲击传导者 (Shock-transmitters) 的角色；另一方面，通过同业联结分担冲击，即冲击吸收者 (Shock-absorbers) (Nier et al., 2008)。首先，当联结程度处于非常低的水平时，由于联结增加了冲击传导的可能性，联结度的增加降低了系统弹性。当联合度处于较高水平时，联结度的增加可能降低也可能提高系统弹性。但当联结程度足够高时，联结度的进一步提高无疑减少了传染，冲击吸收效应开始发挥作用，使得越来越多的银行抵御了冲击。不仅如此，联结度效应与传染之净资产相关联。在银行资本不健全的金融体系中，只有非常小部分的冲击为净资产所吸收，其余部分传导至其他银行。此时，当联结程度提高时，由于净资产处于低水平，银行失败数量增加，同业联合成为冲击传导器而非冲击吸收器。因而我们不难得出这样的结论：资本不健全的银行体系非常脆弱，联结程度高时更为脆弱。但是，对于资本健全银行体系而言，效应恰好相反。虽然同业联结仍将冲击从一家银行传导至另一家银行，高阶的净资产作为缓冲，增大了同业联结的负载能力，使同业联结发挥冲击吸收的角色，从而提高了金融系统的弹性。据此，资本健全银行体系应对冲击更具弹性，联结程度高时更是如此。故研究的基本结论是：联结程度的效应呈非单调 (Non-monotonic) 特征，即最初联结程度的少量增加会加大传染效应，但超过一定门槛值时，联结程度将会提高金融系统吸收冲击的能力。

第四，金融体系集中度。金融体系越集中，越倾向于发生同等或更大的系统风险。与受冲击的银行外部资产相关的冲击规模增加，违约数量也增加。并且，同等冲击比例下，银行体系的集中度越高，违约数量越大，即传染的风险越高。

综上所述，金融风险传染是金融不稳定的题中之义。在经济全球化背景下，全球金融信息网络的紧密相连，对金融风险的传染推波助澜，并使其呈现出复杂网络中活动的独有特征。对金融网络中的风险传染进行建模的分析表明，金融网络具有复杂网络对随机故障的鲁棒性和对蓄意攻击的脆弱性，即金融网络日益增加的联通程度和风险共担将降低传染的概率，但大量的金融联结将增加传染广泛传播的潜力。金融创新的风险传染受金融网络结构特征影响：①金融机构资本健全度越高，则金融体系更具应对传染效应的弹性；②同业负债规模的增大将增加传染的威胁；③由于同业联结同时扮演着冲击传导者和冲击吸收者的角色，因而最初联结程度的少量增加会加大传染效应，但超过一定门槛值时，联结度将会提高金融系统吸收冲击的能力；④金融体系越集中，越倾向于发生同等或更大的系统风险。