第2章　系统中心性与金融危机传染的相关关系

2.1　绪论

2.1.1　选题背景及研究意义

党的十一届三中全会以来，我国坚持对外开放的基本国策，放开国门加大力度建设经济。短时间内实现了从封闭、半封闭到对外开放的历史性转变，为国家经济社会的发展注入了强劲的动力，创造了令人惊叹和瞩目的中国奇迹。随着1978年我国实行改革开放，金融市场的改革步伐也逐步加快。在这个不断加快的金融业开放过程中，国民享受到了金融全球化及经济全球化的益处。扩大资本市场的开放，有利于吸引外国资本流入我国，带来资金的增量，激发证券市场活力，提高国内金融机构在国际市场的竞争力。中国奉行互利共赢的开放战略，不仅把世界的机遇变成了中国的机遇，更是把中国的机遇打造成了世界的机遇，让中国成为推动世界经济增长的重要动力源泉。但是，对外开放给经济带来了机遇的同时也带来了新的挑战。2007年美国次贷危机对一系列金融机构产生了重大影响。雷曼兄弟（Lehman Brothers）和美国国际集团（AIG）倒闭后，由于相互之间的财务关联，引发“多米诺骨牌效应”，金融危机在全球范围内迅速蔓延，对我国以及世界其他经济体产生了重大影响，许多金融机构因此产生经营危机而倒闭。美国政府当初估计到了放任金融机构破产会产生风险，但并未预计到其破产所产生的系统性风险的破坏力如此之大。这场金融危机的发生，给全球金融系统带来了不可估量的损失，其背后潜在的系统性风险也逐渐暴露。过去银行监管、以个人金融风险为核心的微观审慎监管方式，凸显出谬误和不足。世界各国开始加强对系统性风险的防范。2010年7月，美国国会通过了20世纪30年代以来最全面的金融改革法案《多德—弗兰克法案》，并成立了金融稳定监督委员会，通过这两个举措来预防和监管一直以来对美国金融稳定造成威胁的系统性风险。2010年9月，欧盟成立欧洲系统性风险委员会，防范系统性金融风险，维护成员国金融稳定。国际货币基金组织（IMF）、国际清算银行（BIS）和金融稳定委员会（FSB）公布了具有系统重要性的金融机构名单。2017年11月，国务院金融稳定发展委员会成立，其主要职责之一是研究系统防范、处置金融风险和维护金融稳定的重大政策。这一系列事件都暗示了各国对监管变化的反应。

现实中的危机总是通过金融市场渠道在危机发生国和与其联系密切的国家之间蔓延[1]。在经济全球化以及金融自由化进程加快的背景下，全球经济金融体系之间的联系也越来越紧密。经济全球化浪潮下引发的信息传播问题也是金融危机在全球迅速蔓延并且不断扩大的重要原因[2]。一方面，各国之间的联系在全球化的背景下变得十分密切，信息传播透明度也显著提高，导致关于美国次贷危机的各种信息短时间内在世界各地传播，引发了全球金融体系的反应；另一方面，在全球化的强大作用之下，世界经济的复杂程度提高，信息传播复杂程度也随之提高，投资者和政府都难以完全识别、获取真实信息，金融危机发生后也可能做出错误决策，一定程度上引发市场恐慌心理，使得美国次贷危机逐步蔓延、扩大成为全球范围的经济危机[3]。股票市场是金融业的重要组成部分，在金融全球化的背景下，股市之间的信息互动更加频繁。一国股市的波动通常会导致关联国家股市的波动，从而容易引发大范围金融危机的传染，使宏观经济受到巨大冲击[4]。证券价格是资本市场中相关信息的及时反映，证券价格变化是信息冲击在证券价格上的外在表现[5]。资本市场中利好信息和利空信息的传播都会影响公众预期。信息传播导致机构投资者之间发生的“行为传染”，被认为是金融危机重要的导火索。历次金融危机中出现的市场恐慌与抛售恶性循环就与这种信息传播引发的恐慌密切相关[6]。

世界各国是一个“你中有我、我中有你”的命运共同体，在经济全球化的背景下，经济金融危机的全球性传染事件不会是最后一次。发生金融危机的国家担心利空信息的传播会使股市变得更加糟糕，同时希望利好消息能够提振股票市场。股票市场通过信息传播构成一个网络，不同市场在网络中扮演着不同的角色。系统中心性节点是一类系统重要性节点。本章利用对数收益率分解模型，将股票收益率指数分解为利好信息和利空信息的冲击合成，构建利好信息传播网络和利空信息传播网络；识别相关国家在两种信息传播网络中的系统中心性，通过分析金融危机传染国家的系统中心性，探究系统中心性与金融危机传染的相关关系。

探究系统中心性与金融危机传染的相关关系，具有一定的理论意义与现实意义。本章的研究是具有理论意义的。一方面，从不同股票市场之间的金融危机传染的相关研究来看，我们发现，以往研究数据选取方面局限于收盘价数据对股票收益率整体直接建模，这种数据处理和建模方式虽然具有简单、直观等优点，但是忽略了股票市场对不同信息冲击具有不同反应特征的可能。所以，本章弥补了前人在数据处理与模型构建等方面的不足，通过使用对数收益率分解模型，将股票收益率分解为利好信息与利空信息的冲击合成，构建利好信息传播网络和利空信息传播网络。另一方面，从研究金融危机传染过程中相关国家是否扮演系统中心性的角色来看，本章对宏观金融风险在金融网络中的传染机制的研究有一定的参考价值，可以作为对系统重要性机构在系统性金融风险传染方面作用的研究补充，为后面关于系统重要性机构研究提供一定启示。

从现实意义方面看，本章的研究对监管部门、金融机构和投资者都十分重要。经历金融危机的相关国家股市会受到各种信息的冲击，金融危机由于财务之间的关联会在国际股票市场之间迅速蔓延。监管部门、金融机构和投资者担心利空信息的传播会使股市变得更加糟糕，同时希望利好信息能够提振股票市场。所以在利好信息和利空信息传播网络中研究系统中心性与金融危机传染关系，对监管部门、金融机构和投资者具有重要意义。对监管部门来说，有助于监管者加深对全球性金融危机传染问题的理解，完善关于系统重要性机构的监管体系；对金融机构来说，有助于金融机构管理与其他金融机构的风险敞口，进一步提升对金融系统性风险的防控能力；对投资者来说，有助于投资者更加合理有效地配置资源。因此本章研究具有一定的现实意义。

2.1.2　文献综述

本章探究了系统中心性与金融危机传染的相关关系。系统中心性节点是一类系统重要性节点。本小节从系统重要性的识别研究对前人的文献进行综述。

在实体经济与金融体系面临的风险不断上升、全球金融体系的复杂性与多面性的问题日益凸显的背景下，各国政府、金融监管机构和学术界已开始反思过去以个人金融风险为核心的微观审慎监管方式，同时对整个金融体系的宏观审慎监管方式已引起广泛关注[7]，[8]。2010年7月，美国国会通过了金融改革法案《多德—弗兰克法案》，并成立了金融稳定监督委员会，通过这两个举措来预防和监管一直以来对美国金融稳定造成威胁的系统性风险。2010年9月，欧盟成立欧洲系统性风险委员会，防范系统性金融风险，维护成员国金融稳定。国际货币基金组织（IMF）、国际清算银行（BIS）和金融稳定委员会（FSB）公布了具有系统重要性的金融机构名单以及旨在解决系统性银行“太大而不能倒”问题的新规则，都暗示了各国对监管变化的反应[9]。宏观审慎监管的前提是需要对系统性金融风险有一个清晰的认识和衡量[10]：由一个金融机构倒闭或者金融市场的崩溃导致的其他金融机构或市场的崩溃，影响到整个金融体系中公众的信心，并对整个金融体系的稳定性有影响[11]。系统性风险的核心在于风险的传染性和外溢效应[12]。具有系统重要性的金融机构一旦崩溃，就会引发巨大的系统性风险。这也是系统重要性机构识别的前提。系统重要性金融机构被认为是系统性风险转移过程中起到关键作用的载体[13]。美国联邦储备委员会理事Daniel Tarullo给出了系统重要性的金融机构（SIFIs）的典型定义：“如果一家公司不能履行其对债权人和客户的义务，将对金融体系和更广泛的经济产生严重的负面影响，那么金融机构在系统上就是重要的！”[14]这个定义十分有用，因为它突出了两个重要的概念：第一，核心问题是当一家公司处于困境时，如资本不足时，它在提供金融服务方面存在困难；第二，系统重要性金融机构的标准取决于它对更广泛经济领域的影响程度。

在学术界，关于系统重要性金融机构的识别研究长期以来备受关注。一系列文献从系统重要性机构的影响因素方面进行了探索。以前，金融风险管理者可能更多地关注系统重要性机构的个体特征，如具有系统性风险的机构应该是规模较大的（“太大而不能倒”）[15]。巴塞尔银行监督委员会和金融稳定委员会提出了衡量全球系统重要性银行机构的指标，包括五个一级指标与十二项细化指标。五个一级指标分别为规模、关联性、可替代性、复杂性和跨境活动，其中，规模的权重为20%，在国内其被看作评估系统重要性银行机构最主要的指标之一[16]。因此，规模的大小被赋予首要地位。这些研究主要结合金融风险的发生机制，主要集中于银行等稳定性较高的金融机构。从银行合并和收购的角度来看，银行系统具有“太大而不能倒”的系统重要性[17]。在金融体系中，如果一家机构的规模较大，市场中的参与者（如债权人）会对规模较大的金融机构持有更大的信心，愿意为这些金融机构提供比之前更低的资金成本，同时，这些因素还会反过来影响存款人的行为决策，为这些金融机构创造活力，使其规模变得更大、框架变得更复杂。所以，当规模较大的金融机构存在破产的可能性时，政府部门需要被迫进行干预，如对该机构进行金融救助或是为未投保的债权人提供担保。通过以上分析可以看出，规模较大的金融机构对金融体系的稳定运行至关重要。所以，我们可以对金融机构的规模设置上限要求，从而降低其系统重要性，防止金融机构发生违约风险[21]。但是，越来越多的证据表明，在过去的金融危机中规模因素可能不是系统性风险的持续决定因素[22]，也不是大型国际银行间的显著传染因素[23]，[24]。仅关注“太大而不能倒”容易忽略金融体系中其他参与机构之间的相互关系和交互作用的影响因素[25]。

继2008年金融危机中对一系列金融机构产生重大影响的雷曼兄弟和美国国际集团的倒闭事件后，“太过关联而不能倒”和“太过中心而不能倒”等特征也相继显现，一系列学者发现，金融机构的规模不能作为决定其系统重要性的唯一因素，对关联性这一特征的研究也越来越受到关注[26]，[27]。在一个金融体系中，如果有金融机构发生经济危机而倒闭，由于机构之间的财务关联以及相互作用而导致危机在整个金融系统内传染，这时整个金融系统处于会随时崩溃的状态[28]。因此金融机构之间的关联性越强，该机构的系统重要性就越大。一般情况下，大多数具有系统重要性特征的金融机构，相互之间的关联度也比较高[29]。例如，雷曼兄弟和美国国际集团的破产，以及欧洲银行主权违约风险敞口的加大等，这些事件的发生涉及多个国家金融系统的稳定与安全[2]。一系列金融文献显示了国际股票市场联动性的研究流[30]，[31]。随着国际资本流动的加强与融合，人们对股市之间关联性的研究产生了持续的好奇心[32]。特别是经历了1987年10月股市崩溃，以及随后发生的较小规模的金融危机，例如1994—1995年的墨西哥危机、1997年的亚洲金融危机和1998年的俄罗斯金融危机，人们对这一研究的兴趣似乎有所增加[33]，[34]。Tum-minello等（2006）、Tabak等（2010）、Cheong等（2012）针对美国、日本、韩国等国家股票市场建立复杂网络，并利用平均路径长度、节点介数和度数、幂律性质等拓扑指标揭示出股票市场的演变规律。Alexia（2018）使用Kendall的tau相关系数考察了希腊债务危机、人民币贬值危机发生前后股票收益之间的跨市场关联程度，结果表明，这两次危机短期内都产生了强烈的传染效应[38]。从数据处理和建模方式方面看，过去大多数研究都依赖于对收益率整体直接建模。Yarovaya等（2017）利用收盘价数据，通过非对称因果关系检验发达市场和新兴市场之间的收益和波动率的传递[39]。Kundu和Sarkar（2016）利用两个发达国家和四个新兴国家的股票日收益率数据，提出VaRTGARCH-M型模型，分析不同股票市场中收益和波动溢出行为[40]。还有学者认为，除了日间信息，短时间内某个市场隔夜价格信息和开闭价格信息变动也会对国际股票市场收益和波动的关联性产生影响，于是将日间收益率（close-to-close）分为隔夜收益（previous close-to-open）和日间收益（open-toclose）来探究其对股市收益关联性的影响[41]。

事实上，一直以来不断发生的金融动荡引发了一个广泛的共识：金融体系应该被看作一个复杂的网络整体[42]。金融体系从整体层面表现出一些网络结构的特征，金融市场参与者是网络的节点，金融市场参与者之间的关系为网络的边[43]。运用网络结构分析金融体系可以生动地呈现金融系统中的内部关联，还能够充分、具体地分析金融市场参与者之间的互动和联系[44]。在对金融体系的系统性风险研究中使用网络模型，能够从全球而非局部层面反映金融体系的本质特征，从而有助于管理者在金融监管中采取宏观审慎的政策框架[45]。利用网络模型分析系统风险可以为金融监管提供决策支持[46]。从事件／决策时间角度看，网络分析法又分为两种研究过程[47]，[48]：一种过程为事前分析，另一种过程为同期分析。事前分析通常利用不同的网络结构模拟金融机构间网络，并比较风险传染的破坏力，例如，预测违约和倒闭的影响度，这样可以帮助监管部门提前对风险进行识别，预测系统性风险并提前采取预防措施[49]；同期分析通常包括系统重要性分析、系统稳定性分析（脆弱性、弹性）和系统性风险的传染特征分析，同期分析可以帮助金融机构在危机期间合理分配资源，帮助监管部门制订合理的救助计划，以使系统损失最小化[50]，例如，新国际规则对全球具有系统重要性银行市值的影响研究[51]、单点进入策略在系统重要性银行资本破产重组中的有效性研究[52]等。现实中，所有金融系统性事件发生的共同特征是，它们与所面临的金融系统参与者之间形成了复杂的关联和相互作用。因此对这个变化的趋势能够进行衡量与甄别，是系统重要性机构评估识别的模型需要具备的条件。在金融体系的研究中使用网络模型分析法，多围绕系统重要性机构的识别和金融危机的传染两个方面展开。Elliott等（2012）和Acemoglu等（2015）分析了在相互依存金融机构里倒闭机构的传染性以及网络结构对系统稳定性的影响[56]，[57]。Varotto和Zhao（2018）针对小规模银行进行了系统重要性银行的识别[58]。利用网络分析法结合金融风险的发生机制研究金融网络的某些微观特征以及展现的宏观结构的文献也越来越多[59]，[60]。Fang等（2019）应用一种新技术来识别全球网络中具有系统重要性的区域，结果表明，这些区域的集中度有所降低，并呈现多中心结构[13]。Poledna等（2015）利用墨西哥银行系统数据构建敞口多层次网络，研究不同层次网络对系统风险的贡献[61]。Kanno（2015）利用关联矩阵的网络中心性构建了银行间借贷网络来衡量银行之间的关联度[62]。

金融网络呈现出异构性，节点在结构和功能上扮演着截然不同的角色。基于“太大而不能倒”“太过关联而不能倒”和“太过中心而不能倒”这三种表现形式，Yun等（2019）结合网络分析法将系统重要性节点的识别研究分为三个层级[63]。第一层级的系统重要性节点表现出的形式是“太大而不能倒”。这一层网络结构仅涵盖来自节点的信息。它依赖于一种拓扑方法，在这种方法中，实体之间的连接可能存在，也可能不存在。第二层级的系统重要性节点表现出的形式是“太过关联而不能倒”，它不仅覆盖了来自节点的信息，还覆盖了邻近节点的边缘信息。这一层网络结构包括权重或者权重和方向连接，一个连接就代表实体之间的直接交互，如金融机构之间的事务、所有权以及信贷关系。第三层级的系统重要性节点表现出的形式是“太过中心而不能倒”，它覆盖了来自整个网络的信息。这一网络结构为节点分配了一定的自由度，这些节点通过非拓扑变量来塑造网络。第一层级节点只涵盖来自节点的信息，由于其直接性而相关研究较少[64]。现有研究主要集中于第二层级系统重要性节点的识别——“太过关联而不能倒”。一部分研究主要集中于银行这一类稳定性较高的金融机构[65]。例如，银行间太过关联而引发的金融传染研究[66]，具有系统重要性的商业银行、抵押品构成与分散风险之间的关系[67]，全球系统重要性银行对澳大利亚银行的传染性研究[68]，基于预期违约算法的系统性重要银行识别[69]等。另一部分研究主要集中于股票、债券等资本市场，例如，CDS指数市场与具有系统重要性金融机构样本股票回报率之间的联系[70]，系统重要性交易商对公司债券市场交易行为的影响研究[71]，具有系统重要性股票市场的识别研究[72]，原油行业对股票收益的风险贡献[73]以及资本市场评估《多德—弗兰克法案》对具有系统重要性的金融公司的经济影响研究[74]等。

然而，学术界关于“太过中心而不能倒”的关注才刚刚开始。有学者认为存在这样一种可能：一家金融机构可能处于至关重要的位置，尽管这个金融机构很小或者与其他机构的关联并不紧密（“太过中心而不能倒”，不等于“太大而不能倒”，亦不等于“太过关联而不能倒”）。例如，抵押担保公司的规模是相对较小的，但是在整个金融系统中有巨大的外部性，这是因为许多因素可以使一个机构具有系统重要性[63]。中心性的研究起源于社会网络[75]，Freeman等的工作是最具代表性的[76]。中心性衡量的是节点在网络的中心化程度。金融网络中，如果一个节点在网络中占据中心位置，则代表着该节点在很大程度上参与了系统风险的传播，在风险传染过程中发挥着关键作用。通过梳理国内外金融与经济的现有文献，有大量学者基于中心性思想，开发演化出一系列测度系统中心性机构的度量指标。例如，用于识别贷款中的系统重要性节点的DebtRank算法[42]，用于识别支付体系中系统重要性银行的SinkRank算法[77]等。此外，国外涌现了一系列研究流，显示出中心性度量方法在金融领域的成功应用。Thurne和Poledna（2013）显示中心性度量方法可以有效用于筛选合同或金融交易中的对方，以减少破产或者总损失[78]。Kuzubas等（2014）宣称中心性测量方法在预测系统重要性机构中性能良好[79]。特征向量中心性和PageRank算法都是中心性重要度量指标。PageRank算法与第三层级的研究一致，不只涵盖来自节点的信息，还考虑该节点对金融网络中其他节点的影响，涵盖了来自整个网络的信息。通过PageRank算法识别节点在整个系统的中心性，能够体现该节点在金融风险传染网络中扮演角色的重要程度。

系统性风险以金融危机迅速蔓延的方式在世界经济史上多次出现，大量学者从系统重要性金融机构识别角度进行了一系列研究，尝试降低系统性风险对金融体系的冲击。目前，学术界也不再固守传统金融市场系统性风险的度量模型，对系统性风险有了开发出更多理解视角和更为贴近市场的研究方法。除此之外，国内外大量学者开发出了许多指标和度量方法，在此领域已经取得了相当丰富的成果。本章首先从研究系统重要性影响因素的相关文献出发，基于金融机构的规模、关联性及系统中心性这三个影响因素对以往文献进行梳理，发现学者们对系统重要性机构的识别因素的研究在不断地总结与创新。规模因素不是系统重要性机构的唯一识别因素，关联性和中心性也是系统重要性机构的重要特征。其次，本章总结了关于网络分析法在金融领域的应用研究，发现运用网络结构分析金融体系可以生动地呈现金融系统中的内部关联，能够从全球而非局部层面反映金融体系的本质特征。同时，从股市关联性的数据处理与建模方面的文献梳理中我们发现，大部分学者依赖于对股票收益率整体直接进行建模，具有数据容易获取与数据处理简单等优点。最后，笔者总结了对“太过中心而不能倒”这一表现形式的相关研究。发现目前学术界关于“太过中心而不能倒”的研究主要围绕节点系统中心性的度量展开。网络结构中的系统中心性指标涵盖了来自整个网络的信息，相较于其他指标更能反映网络节点的系统重要性。国内外关于系统重要性机构的研究比较丰富，本章在前人研究的基础之上，从以下两个方面作进一步分析与改善。

第一，在以往关于股票市场的研究中，大多数研究都依赖于开盘价和收盘价，对股票收益率整体直接建模，这种数据处理和建模方式虽然具有简单、直观等优点，但是容易忽略其他交易价格的信息，如极值价格（最高价、最低价），而且忽略了股票市场对不同信息的冲击具有不同反应特征的可能性。所以，本章弥补了前人在数据处理与模型构建等方面的不足，选取一些开盘价与收盘价以外的数据，如极值价格（最高价、最低价），通过使用对数收益率分解模型，利用极值价格将股票收益率分解为利好信息与利空信息的冲击合成。

第二，很少有研究探索系统中心性与金融危机传染的相关关系。股票市场通过信息传播构成一个网络，不同市场在网络中可能扮演不同的角色。当金融危机发生时，金融危机相关国家的股票市场是不是信息传播中心？本章对这一问题进行了探究。我们希望通过对二者关系的判断，为金融危机时期股票市场与信息传播中心的关系提供科学阐释，给系统重要性金融机构的识别研究提供一种新思路。

2.1.3　本章结构

本章的整体框架结构如下：

第一部分是绪论。这一部分首先阐述了在中国深化对外开放与经济全球化的背景下金融危机对世界各国经济金融领域的影响并阐述研究意义，然后对系统重要性机构识别的相关文献进行了整理并做了研究评述，接着就本章的研究思路和结构安排进行了说明，最后总结了创新点与不足。

第二部分是实证方法介绍。这一部分介绍了PageRank算法。首先介绍对数收益率分解模型，这是本章进行股票收益率分解的模型，也是构建利好信息传播网络和利空信息传播网络的基础。其次介绍PageRank算法，这是本章对相关国家进行系统中心性识别的方法。

第三部分是实证研究。这一部分首先对文章数据来源和样本选取进行了介绍，然后对本章数据处理和参数设置的基本情况进行了详细说明，接着介绍实证检验结果并进行对比分析，最后进行实证结果的讨论。

第四部分是结论与展望。这一部分对实证研究部分的讨论进行了总结，并得出本章结论，然后根据研究结论提出具有针对性的政策与建议以及展望。