边缘金融业务发展分析论文

摘要：文章通过分析互联网金融的发展及互联网金融给商业银行带来的挑战和机遇，说明了商业银行向互联网金融方向发展的必要性，结合其转型的优劣势制定出商业银行进军互联网金融的改革方向和具体措施。下面小编整理了一些《边缘金融业务发展分析论文(精选3篇)》，希望对大家有所帮助。

边缘金融业务发展分析论文 篇1：

对我国有关地区金融排斥的研究

【摘要】本文以金融排斥为研究基点，运用社会学和金融学的相关理论，探讨了金融排斥产生的特殊原因，并以此为基础提出了几点抑制金融排斥的金融包容政策。

【关键词】金融排斥 供给需求分析 政策选择

一、金融排斥概述

金融排斥是金融地理学新的研究方向，它兴起于20世纪90年代，最早是由英国教授Leyshon&Thrift(1995)提出，是指在金融体系中人们缺少分享金融服务服务的一种状态，这包括社会中的弱势群体缺少足够的途径和方式接近金融机构，以及在利用金融产品或金融服务方面存在诸多困难和障碍(Sherman)。

西方学者对金融排斥进行了一系列的研究，研究视角从最初的金融地理学拓展到经济学、社会学等领域。Leyshon&Thrift（1995）提出金融机构出于控制风险、降低成本的需要，排斥对一些低收入群体提供服务，并减少贫困地区的金融机构，造成金融排斥。Kempson&Whyley（1999）提出了解释金融排斥原因的六个指标：地理排斥、评估排斥、条件排斥、价格排斥、营销排斥和自我排斥。

二、金融排斥原因分析

（一）基于金融供给视角下的金融排斥

1.基于金融服务成本的金融排斥

金融服务的成本包括筹资成本、经营管理成本和交易手续费用等。这些成本的高低直接决定着金融机构在客户选择、产品定价和目标市场定位等反方面的决策。我国有些地区在地理区位上多表现为边缘性的特征。这种边缘性的特征就直接导致了人均收入较低、筹资渠道较少以及社会征信体系的不完善，进而导致在产生了金融排斥，包括地理排斥、条件排斥和营销排斥等。

2.基于金融服务预期收益的金融排斥

金融服务的收益以银行为例主要包括贷款利息收益、投资收益和银行中间业务收益等。金融机构提供金融服务要确保收益最大金融资源就要流向规模大、信用好、利润空间广的金融需求者。但是由于长期以来有些地区经济发展落后，多数的经营主体分散，形成了面广点多的格局，从而造成金融需求分散、规模较小且盈利能力较差。于是一部分金融机构会以提高金融产品的价格来提高收益水平。从而，出现了包括条件排斥、价格排斥、营销排斥等金融排斥现象。

（二）基于金融需求视角下的金融排斥

有些地区对金融服务的需求除具有一般特点外，还表现出其自己的特殊性。一方面，改革开放以来，经济取得了长足的发展，居民的收入不断的提高，民族企业也不断兴起，出于改善生活水平、扩大生产规模的期望，居民和企业对金融服务提出了迫切的需求。另一方面，有些地区长期以来形成了各民族独特的价值观念和生活方式，于是对于金融的态度也各有不同，这就使他们很难接受现代化的金融服务方式。从而，这在一定程度上产生了自我排斥的金融排斥现象。

综上分析，产生金融排斥的原因是复杂的，除金融供求不平衡之外，还有一些具有特色的影响因素，这需要政策制定者在看到金融排斥共性的同时注意其特殊性。

三、解决金融排斥的政策选择

金融排斥的产生是市场失灵的一种表现，具有显著的负外部性，且其可能会引起一系列的社会冲突，影响长治久安，因此政府应积极进行干预，遏制金融排斥进一步发展的势头。为此，本文结合特殊的经济社会文化背景，提出以下建议，供政策制定者参考。

（一）建立普惠型金融体系

普惠型金融体系是指能有效、全方位地为社会所有阶层和群体提供服务的金融体系，让广大被排斥在正规金融体系之外的客户获得金融服务。民族地区建立普惠型金融体系首先应充分发挥政府的职能，建立多层次的制度保障，鼓励金融机构在民族地区开展金融服务，并对执行不善的金融机构给予惩罚；其次应发挥市场的基本功能，塑造适度竞争的金融市场环境，开发民族地区金融需求潜力。

（二）加强金融软硬件设施的建设

由于各民族地区都有自己的民族文化、宗教信仰和生活习俗，且大都对现代金融理论知识和技术设备知之甚少，因此民族地区的地方政府和金融机构要尽量以民族居民容易接受的方式大力普及金融理论知识，增进其对现代金融的理解，使其更容易接受现代金融服务，并参与其中。对于金融硬件设施的建设，主要是指民族地区的金融市场交易体系、支付结算体系和支持保障体系的建设，这些金融硬件设施就像一个交通网络，可以把民族地区纳入到全国金融体系之内，享受金融服务的便利。

（三）扶持微金融机构的发展，并鼓励民族金融产品的开发

微金融机构包括公益扶贫性质的机构、开发性金融机构、商业性机构和其他创新型金融机构，它们以小数额、小规模的金融活动为被排斥在金融业务系统之外的金融需求者提供服务，是对主流金融业务的一种重要补充，因此政府应积极在政策上给予倾斜，在经济上给予补贴，使其在抑制金融排斥方面发挥更大的作用。另外，除了注重微金融机构的发展，促进民族金融产品的开发也是抑制金融排斥的关键。开发民族金融产品最重要的是要符合民族特色，如有些民族的宗教信仰要求存款不能收利息，这时金融机构可以开发一些用实物或某种权力来替代利息的新型金融产品，以此来满足其对金融服务的需求。

参考文献

[1]王修华,马柯，王翔.关于我国金融排斥状况的评价[J].理论探索，2009（5）: 68—72.

[2]孟飞.金融排斥及其治理路径[J].上海经济研究，2011（6）：80—89.

[3]王志军.金融排斥 :英国的经验[J].世界经济研究,2007(2):64—68.

[4]田霖.金融排斥:中原崛起的机遇与挑战[J].金融观察，2007（8）：27—29.

[5]徐少君，金雪军.国外金融排除研究新进展[J].金融理论与实践，2008（9）：86—91.

[6]王越.关于中外学者对金融排斥问题的研究[J].渭南师范学院学报,2010（11）:25—26.

[7]吕洪雁.民间金融业务发展的瓶颈突破[ J].浙江金融,2008, (2): 20-21.

[8]吕嘉琳.货币与金融地理理论的历史嬗变[J].山东社会科学,2009（7）：105—108.

[9]徐哲.我国金融排斥：形成、影响及对策[J].金融经济，2007（6）：127—128.

作者简介：王德朋（1987-），男，新疆财经大学金融学院，研究生。

（责任编辑：陈岑）

作者：王德朋

边缘金融业务发展分析论文 篇2：

商业银行如何面对互联网金融带来的机遇和挑战

摘要：文章通过分析互联网金融的发展及互联网金融给商业银行带来的挑战和机遇，说明了商业银行向互联网金融方向发展的必要性，结合其转型的优劣势制定出商业银行进军互联网金融的改革方向和具体措施。

关键词：商业银行；互联网金融；转型

一、互联网金融的发展情况分析

2012年阿里小额贷款异军突起，“三马”分别试水互联网金融，P2P网络信贷数量急剧增长，十家商业银行分别开设网上综合商城。如果说2013年是互联网金融的发展元年，那么2014年则是互联网金融的爆发年。2014年互联网金融发展迅速，网络银行、金融理财产品网上销售、第三方支付、网络保险销售及网络小额信贷都应运而生。

天弘基金数据显示，截至2013年2月18日，余额宝的规模已突破4000亿元，用户数量超过6100万，成为目前规模最大的公募基金。2014年1月9日，人人贷平台夺得全球互联网金融企业最大的单笔融资，获得挚信资本领投的风险资金高达1.3亿美元。平安在2014年1月推出生活服务管理、理财于一体的软件“壹钱包”，这些事件的发生都预示了互联网金融快速发展的趋势。

二、互联网金融给商业银行带来的影响

（一）互联网金融产生的替代效应使商业银行逐渐被边缘化

1. 互联网金融使得银行支付中介角色日渐淡化

互联网金融第三方支付工具有支付方便快捷资金配置效率高的优点。以支付宝为例，作为第三方支付平台，支付宝与大购物网站、服务网站（包括12306铁路客户服务平台）及各家商业银行等建立了合作基础，极大地满足了人们网上支付的需求。微信和新浪微博也推出了第三方支付功能，可以和银行卡绑定随时进行支付。截至2012年我国第三方互联网在线支付市场交易规模达3.8亿美元，这些第三方支付平台的发展使得银行的支付中介角色日渐淡化。

2. P2P网络借贷平台对商业银行借贷中介的冲击

人人贷等P2P平台的迅速发展使得银行的借贷中介的作用日渐边缘化，而且P2P信贷平台使得信贷过程系统化，将传统的非正式人际借贷标准化，使资金配置的范围扩大，而且通过网络平台借贷使信息透明化，降低了借贷过程中信息不对称的问题，提高了资金借贷的透明度，使得更多的人和中小企业更容易通过P2P网络借贷借到资金投向生产。目前，小额信贷平台已达到2000余家，比较活跃的有几百家，其借贷项目成功率和成交量不可小觑。

3. 银行理财方面欠缺导致的客户与资金的流失

支付宝推出的新一代产品余额宝相比银行理财产品具有很大的优势。余额宝是与货币基金合作的互联网金融理财产品，其具有门槛低、收益高、赎回快、使用方便的特点。由于很少的资金就可以投资余额宝，所以余额宝积攒了社会大量的小额资金，其用户规模庞大，使得资金总量很快突破了四千亿，成为中国投资量最大的基金，使银行资金有流失风险。

（二）新金融势力凭借互联网平台优势垄断客户“三流”信息

互联网金融平台携带着大量的用户数据，具有很大的电子商务优势，在掌握客户物流、资金流、信息流方面具有得天独厚的优势。由于互联网金融应用广泛，拥有的业务数量巨大，可以获得客户的第一手信息。在互联网金融时代，掌握客户信息就掌握了业务发展的主线，尤其是具备庞大的上下游客户资源及由此而形成的大量的交易信息，这些资源和信息是企业实现商业模式创新的基础和根本，有了客户，就有了满足客户多元化需求的原创力。

（三）新金融社会影响力巨大，成本近乎为零

在传统金融模式中，金融机构很难全面获得投资企业的信息，信息不对称情况普遍存在，获取信息的成本较高导致了收益和成本极度不匹配。然而，互联网金融的发展带来了巨大的改变。互联网金融模式下，企业和个人通过社交软件和网络平台传播信息和发生交易，任何企业和个人都会与其他主体发生联系，方便了交易双方通过互联网平台充分了解企业和个人的资信度，降低了交易成本。

互联网金融凭借其独特优势迅速发展，形成了很大的社会影响力和市场冲击力。其凭借电子商务平台进行交易和借贷，相比商业银行的经营模式，经营成本极低。凭借近乎为零的信息成本和交易成本给商业银行带来了很大的竞争压力。

（四）银行的收入来源或被蚕食，商业银行盈利受到挑战

商业银行传统的盈利模式主要是存贷款利差。网络小额信贷的产生使得商业银行存贷利差逐渐变窄，而且银行以前所凭借的成本优势在互联网金融近乎零成本的情况下已经不复存在。互联网金融凭借其日益扩大的影响力，蚕食着原来属于商业银行的收入。互联网金融的便捷使得商业银行很多客户流失，中间收入渠道也受到挤压。

三、商业银行如何快速发展互联网金融

互联网金融是在传统金融业务的基础上应用互联网开展金融业务的一种模式。互联网金融以计算机技术和互联网平台为基础，打破了传统金融的模式，使金融服务突破了地域和时间的限制，在服务和功能领域取得了新的突破，更好地满足了用户需求，为用户使用金融服务带来了方便。

互联网金融新的业务模式、新的技术平台、新的体制给传统银行业带来了深刻冲击，加快了传统银行转型升级的步伐，银行应该正视互联网金融带来的冲击，探索出一条快捷有效的转型道路。

（一）商业银行经营方式需要转型发展

商业银行历史底蕴深厚、资金实力雄厚、政策资源丰富，一直是人们依赖的服务对象和市场各方广泛接受的合作对象。银行在结算信贷咨询等领域的优势及巨大的银行卡资源、分布广泛的物理网点、数以亿计的客户群体，所以核心作用无法取代。但商业银行在利率市场化进程的冲击下，存贷利差减小，需要转变盈利方式，拓展中间业务收入，才能在市场上站稳脚跟。

传统银行的存贷利差越来越小，而且面临着互联网存贷款的激烈竞争。所以，传统银行迫切需要调整经营策略和业务结构，发展中间业务和金融产品，进行服务的创新来提升利润空间。

近年来，电子商务市场发展迅速。中国银行业中间业务的快速发展可以依赖电子商务的快速发展。商业银行全面介入电子商务市场是其弥补利差损失、获取中间业务收入的重要手段，是中国银行业提高盈利能力的必然选择。

（二）商业银行和互联网金融加强合作

1. 在支付平台方面和互联网金融加强合作

第三方支付平台的崛起打破了传统银行占据支付结算核心地位的局面，但是互联网并不能创造出支付结算工具供人们使用，第三方支付平台只是基于传统银行支付结算功能做出的线上延伸和补充，所以第三方支付平台的支付必须依赖传统银行的支付来实现。

互联网金融虽然对银行来说是把利器，但它也是银行的合作伙伴，最后也是银行的客户，所以两者相辅相成。第三方支付企业凭借其交易平台掌握了大量客户的信息，如果商业银行选择与第三方支付企业合作，商业银行可以充分利用第三方支付企业提供的信息分析客户的消费模式、交易趋势和资金的渠道以设计金融产品或工具满足用户的需求。第三方支付平台与银行合作也是互联网金融提供更加可靠的支付服务的必然条件。所以，传统金融行业与发展互联网金融的企业应该加强产业融合，并且不断创新发展。移动支付平台是银行提高客户服务水平、吸引新客户的有效途径。2014年2月19日北京银行与小米签署协议，双方将在移动支付、便捷信贷、产品定制、渠道扩展等金融领域展开合作。

2. 在信贷和资金信息方面加强合作

互联网金融平台为中小企业及个人提供小额贷款，一定程度上解决了中小企业融资难的问题，其发展速度之快不容忽视。互联网金融降低了金融交易的信息成本，通过网络平台了解资金供求双方的信息，一定程度上解决了信息不对称问题，削弱了银行的资金中介功能。

互联网金融的最大弊端是不能独立吸收存款，获得的资本规模比较小，很大程度上融资仍然依赖于传统银行。因此，互联网金融的正常运转仍然需要借助银行。互联网金融创造了一种新的信贷模式，银行可以用某种合适的形式积极参与这种模式，从而保证这种新模式的健康快速发展。互联网金融在交易过程中收集到的大量信息对于银行也有重大意义，如了解社会资金供给、资金需求、投资渠道等。

银行和互联网金融企业在合作过程中可以着力于提高自身的信息挖掘和处理能力，根据分析出来的客户需求，实现金融产品和服务在互联网平台尤其是移动互联网平台的使用，使客户可以自主选择适合自己的移动金融服务，从而使用户体验实现最大化。

3. 物理银行与互联网金融整合，创造出一种新型互联网金融

商业银行要想在互联网金融浪潮中占据主导地位，必须从经营方式上改变，拓展金融创新的服务渠道，实现线下的物理渠道和互联网营销渠道的有机结合。

实体银行具有资金实力雄厚、认知和诚信度高、基础设施完善、物理网点分布广泛等特点，商业银行可以在充分利用自身优势的基础上借鉴互联网金融的模式，将互联网技术和银行核心业务结合起来，改变以往前后台分离、集约化管理的模式，建立经营一体化的模式，统一实现各互联网金融服务功能。利用银行掌握的客户信息、支付信息、融资信息将资金流、物流、信息流整合起来，创造一种新型的互联网金融。大力拓展电子银行服务功能，把网上银行打造成综合在线的销售平台，电子银行与物理网点综合发展，利用电子商务把上下游、线上线下结合起来发展。

在为社会电商服务的基础上，银行应该变监管模式为存管模式，这种模式下，银行和交易平台都保管客户的交易资金和账户，因此互联网金融带给银行很多机遇。银行应该抓住这次机遇，主动利用自己已有的优势，将现有的传统金融业务与在线金融中心、移动金融、电子商务、电子支付平台等新兴模式结合起来，以满足客户日益多元化的需求，最终实现“综合金融服务”，为社会服务。

参考文献：

[1]仇远文.商业银行应对互联网金融挑战的生态对策研究[J].经营管理者，2013（09）.

[2]宫晓林.互联网金融模式对传统银行业的影响[J].金融实务，2013（01）.

[3]谢平.迎接互联网金融模式的机遇和挑战[N].21世纪经济报道，2012-09-03.

[4]张栋.商业银行进入电子商务市场的战略与策略[J].金融论坛，2012（07）.

[5]邱峰.互联网金融对商业银行的冲击和挑战[J].吉林金融研究，2013（08）.

[6]唐福勇.银行面对互联网金融冲击需突围[N].中国经济时报，2014-02-27.

（作者单位：河北大学）

作者：李堃田　邢美慧

边缘金融业务发展分析论文 篇3：

基于多层网络的银行间市场信用拆借智能风险传染机制

摘 要：基于多层网络结构对银行间市场进行分析研究，有利于规避或减弱对金融市场的风险冲击。基于信用拆借业务场景模拟的测试数据，结合银行间市场多层网络结构和复杂网络分析方法，从不同角度对银行间市场中重要节点进行判断识别，同时计算层间的Jaccard相似系数数和机构间皮尔逊相似性系数，从宏观和微观角度来衡量银行间市场的风险传染性。实验结果表明，中国银行、国家开发银行等大型国有金融机构系统重要性较高，且机构间的相似度越大，风险传染性就越大。因此，通过计算网络层内的重要性节点衡量指标，全面完整地对整个系统的风险传染情况进行分析，可协助监管部门实现对系统重要性机构的精准监测。同时，从层间分析与层内分析两个角度出发，全面衡量受到金融冲击后的机构间风险传染程度，可为监管机构提供政策上的建议。

关键词：银行间市场;风险传染;复杂网络;网络嵌入

文献标志码：A

英文关键词Key words： interbank market; risk contagion; complex network; network embedding

0 引言

银行间市场对于金融环境的稳定起到至关重要的作用，是促进金融市场稳定的重要内容。近年来伴随着金融市场的不断完善，我国银行间市场发展迅速。银行间市场的快速发展，一方面有助于优化金融资源配置，促进银行的差异化和专业化经营，提高经营效率;同时随着银行间市场的快速发展，相互持有资产负债，银行机构之间的连接日益紧密，一旦发生信用违约，可能造成流动性风险进而影响整个金融市场的稳定。

銀行机构之间存在多种业务交往，形成了复杂的银行间市场交易网络。银行间市场为银行的业务发展提供了帮助，也提供了风险传播的渠道。一家银行的信用违约，通过银行间市场网络，可能将风险传播到其他银行机构，甚至可能发生系统性的金融风险。银行机构之间的复杂业务关系以及银行在整个金融系统中的特殊地位，使得银行间市场的风险控制成为稳定金融市场的关键因素。

对于银行间市场的整体风险控制，研究清楚银行间市场网络显得尤为关键。本文基于多层网络结构模型，利用银行间信用拆借交易数据，对银行间市场进行建模，从多维角度进行分析研究。运用复杂网络分析方法，识别网络中的银行间市场系统重要性机构。系统重要性金融机构对整个银行间市场网络的风险传播影响较大，识别金融网络中的关键角色并对其进行精准监测显得尤为重要。相似的机构发生风险的概率往往相近，本文用复杂网络分析的方法研究了不同交易市场之间的相似度和不同交易机构之间的相似度，有助于整体的风险控制。

本文主要有3个贡献：

1）提出了银行间市场多层网络结构模型;

2）基于复杂网络对银行间市场的进行分析，探讨了银行间市场重要机构的识别与判断方法;

3）将机器学习算法应用在银行间市场，以机构间相似度来衡量机构间风险传染性的大小。

1 相关工作

目前国内外已有的银行间市场结构模型和银行间市场风险传染相关的研究大致可以分为实证研究和理论研究两大类，综合考虑了与本文研究内容的相关性，下面对已有的实证研究和理论研究文献进行回顾。继Boss等[1]基于奥地利银行间市场的公开数据进行研究之后，学者们也基于各国家公开的特定数据集开始了对银行间市场的研究， 如Craig等[2]对德国市场的研究;Soramki等[3]和Bech等[4]对美国市场的研究;Degryse等[5]对比利时市场的研究;Veld等[6]对荷兰市场的研究;Fricke等[7]对意大利市场的研究;Langfield 等[8]对英国市场的研究以及Alves等[9]对欧洲大型银行的研究等。以上研究表明，金融机构中所隐含的风险比暴露在外面的要复杂得多，然而由于数据的限制，對银行间市场模型进行更全面的分析研究受到极大的阻碍。

近年来，基于网络的分析方法流行起来，为研究银行间市场风险传染问题也提供了新的工具。网络结构能够直接形象地刻画出银行间交易的内在关联关系，并可以基于此进行分析机构之间的互动关系[10]。银行间市场交易网络结构具有十分典型的复杂网络结构特征，研究银行之间的风险传染问题，必定离不开对交易网络的研究： Allen等[11]最早运用网络结构分析方法研究了金融结构和金融风险的传染，指出风险传染依赖于银行间市场的关联结构; Upper等[12]也指出通过网络结构去描述金融机构之间的关系是一个重要且前沿的研究方向; Aldasoro等[9]对欧洲大型银行网络结构的主要特征分析，利用欧洲各大银行的披露数据，提出系统重要性的衡量标准; Freixas等[13]通过模拟对比了全连接的银行间网络和环形的银行间网络中的风险传染; Furfine[14]研究发现，在银行间市场中，单个银行的倒闭不太可能引起多家银行的连环倒闭，但是由大银行引起的流动性风险传染的可能性会变大。目前国内基于复杂网络分析银行间风险传染的研究还相对较少，范小云等[15]利用矩阵法和网络分析法，对我国银行间市场双边传染风险进行了风险测算。尽管有大量研究银行间市场网络结构特征的工作，但是基于多层网络对银行间市场进行建模，却是从最近几年才开始的：Bargigli等[16]利用金融机构披露出的资产负债表进行多层建模，使用意大利的银行披露数据建立了银行间市场网络的多元化结构模型，发现不同的层有一些特定的拓扑和度量性质，同时也有一些属性是普遍的性质; Montagna等[17]提出了一种基于主体模型建模，一种由三个不同子网组成的多层网络模型，进一步考虑了机构资产负债表中的信息，将模型应用在欧洲市场进行校准，以期对系统风险进行更全面的评估。

上述文献在结合多层网络结构模型和复杂网络分析方法，来研究银行间市场诸多风险传染方面取得了很多的成果，但还是存在一定的局限性。如目前对我国银行间市场的多层网络建模研究还未见到，我国的银行间市场种类繁多，若建立银行间市场多层网络结构模型，则能更有利于全面地为对银行间市场进行分析。以上研究中证明由大银行引起风险传染的可能性会变大，但没有指明识别系统重要性银行的方法，对于监管机构而言，通过识别银行间市场中的系统重要性节点，对高风险传染性的机构进行衡量，并对其进行精准监测，更有利于规避或减弱金融风险冲击带来的金融损失;同时，通过研究度量不同交易产品和交易机构之间相似性的方法，来衡量其相互之间的风险传染性，可以实现监管部门对具有较高风险传染性的交易产品和交易机构进行分组监测。

2 预备知识

2.1 多层网络结构

多层网络结构中包含一组节点V和一个节点所在层的集合。由于结构中需要包含多个参数，所以不能只关注一个层面。定义一个序列L={La}ba=1为单元基本层，每一个层面都有一组单元层。利用一组单元层序列构建多层网络中的不同层级，通过笛卡尔积L1*L2*…*Ld联结组合这组层级。对于每个节点和层级的选择，需要指出该节点是否存在于此层中。

在表示一个图时，有两种标准的表示方法，即邻接表和邻接矩阵。本文所使用的方法是使用邻接矩阵A∈{0，1}|V|*|V|*|L1|*|L1|*…*|Ld|*|Ld|来表示，简写形式为： Auvαβ=Auvα1β1...αdβd。当图（（u，α），（u， β））∈EM中时，则矩阵Auvαβ中的值为1，否则Auvαβ中的值为0。单层网络中的加权图使用加权邻接向量W来表示，向量中的值对应着每条边的权重（0代表此时两节点之间没有边相连）。

2.2 复杂网络分析方法

网络结构的连接方式分为三种：全连接、半连接以及不连接。网络的互联性分析通常集中在单层网络结构中，网络之间互相连接的节点链路往往也很复杂。针对不同的网络连接会有不同的分析方法，银行间市场交易网络结构复杂，由此选择使用复杂网络分析算法。

网络中可以连接不同角色，比如：在社交网络中，人们可以出现在“工作场所”网络中，也可以出现在“健身场所”网络中。网络中有很多共享节点，节点是不同层级之间进行网络传输的重要结构，节点信息从一个网络传递到另一个网络，多层网络结构可帮助到达最终的目的地，因此，对节点结构的分析与研究尤为重要。

度（Degree） 节点的度代表与此节点相连接的边的个数。一个简单图中有n个节点，那么这个图中节点的中心度最大为n-1。对于具有自循环图的结构中，中心度的最大值可能大于n-1。入度与出度的定义是建立在有向图基础上的，入度的大小代表由此节点出发引出边的个数，出度的大小则代表一次节点结束的边的个数，用度来衡量节点的与其他节点的联系密切程度。一个节点的节点度越大就意味着这个节点的度中心性越高，该节点在网络中就越重要，度中心性是刻画网络中节点中心性的度量指标。

3 实验结果与分析

3.1 银行间市场多层网络结构的建模

金融系统中复杂繁多的交易品种，对应金融机构之间多种交易方式，金融机构关系的多层次结构在分析时会产生重要的差异，本文运用多层网络模型对复杂的银行间市场进行建模。实验使用的数据集基于2015年1月至2017年12月近三年的银行间市场信用拆借业务场景模拟得到的交易数据，交易数量为2164条，参与拆借的金融机构数量为141家，涉及交易品种11种。信用拆借交易是指与中国外汇交易中心暨全国银行间同业拆借中心（以下称为“交易中心”）联网的金融机构之间通过交易中心的交易平台进行的无担保资金融通行为，依据交易期限划分种类，拆借期限最短为1天，最长为1年。交易中心按1天、7天、14天、21天、1个月、2个月、3个月、4个月、6个月、9个月、1年共11个品种计算和公布加权平均利率。

银行机构数量为N，定义一个N×N的矩阵AN×N，当机构i与机构j之间发生借贷行为时，则定义矩阵中Aij=1，其余为0。以银行机构为图的节点，机构之间的交易行为为边，其中每一个子图都代表一种交易品种。

IBO001代表交易期限为1天，以IBO001 layer單层网络为例，展示单一交易网络图，定义交易机构为节点，买入方和卖出方之间的交易行为为边，且以买入和卖出定义方向，交易金额定义为权重。如图1所示IBO001拆借交易单层网络。

3.2 层间相似度的度量

多层网络结构代表的是不同期限的交易业务，层与层之间存在着或强或弱的关联关系。衡量金融多层网络结构之间的风险传染程度，就需要寻找一个合理可靠的衡量标准。

评估网络层之间的相似性有很多种方式，例如，通过计算不同层级跨交易类型向量之间的“距离”，可以知道银行间市场相互作用的两个子网络的相似性，相似性越高的交易产品之间，存在风险传染的风险也就越高。Bargigli等[16]提出，区分拓扑相似性和点相似性是很重要的，两者不能相互替代。例如，两个网络在密度、度分布等方面很相近，但是第1个网络之间存在的连接与第二个网络中存在的连接并没有关联关系。本文通过边与边之间关系计算两个层间的相似度，作为衡量交易层间风险传染程度的标准。

3.3 层内节点相似度的度量

计算不同交易网络层间的相似度，可以从宏观角度对不同交易层进行监测;但是不同的机构具有不同的特性，当同一交易层选用统一的监测机制时，在微观层面达不到对机构精准检测的理想效果，因此需要进一步研究衡量单个交易产品中机构之间风险传染关系的方法。

从金融学角度分析，在交易网络中，当一家机构与遭遇风险冲击的银行机构交易路径距离越近时，则这家机构更容易受到相似的金融风险冲击。网络分析科学认为，计算两机构之间“距离”，即表示机构的向量之间的相似度，将机构依据相似度进行分组监测，相似度高的机构作为一组，当某机构遭遇风险冲击时，对同组机构同时进行风险监测，以期达到此组机构避免或减少金融风险带来的损失的目的。

网络中的银行机构节点通过network embedding后，网络中的机构节点均用向量的形式表示，并使用皮尔逊相关系数计算两个向量之间的相关性，取值介于-1～+1，即：

大型国有银行之间相似度较高，如国家开发银行和中国工商银行之间的相似度达到0.927，可知在大型国有银行之间，风险传染更容易发生。

3.4 层内系统重要性节点的识别

从银行间交易网络的角度，节点的度可以代表与银行机构存在交易关系的机构数量，节点的入度与出度分别代表银行机构借入和借出的次数。节点的度越大，说明银行在银行间市场网络结构中，通过信用借贷关系，与其他银行之间有更强的关联。银行机构的度越大，则当其面临金融风险冲击时，更容易影响到其他银行机构或金融系统。以IBO001为例，表2中列出5个机构信息数据。

4 结语

从总体上研究金融危机的特征时，凸显了金融机构之间互联的重要性。对银行间市场的深入分析研究有助于整个确保金融系统稳定性，理解与掌握银行间市场网络中的风险蔓延性，也是减少金融危机冲击中必不可少的环节。

本文着重分析中国银行间市场的网络结构，利用真实可靠的银行间信用拆借交易数据，建立多层网络结构模型，并研究发现不同交易产品之间的风险传染性程度，以及通过计算网络结构中连通图的最短平均路径程度，确定了在受到金融危机冲击的情况下，整个银行间市场危机蔓延的“核心边缘”结构。同时，识别金融网络系统中的重要机构尤为重要，实验结果表明，机构在整个银行间市场信息传播路径中具有重要地位。同时，通过计算网络层内的重要性节点衡量指标，全面完整地对整个系统的风险传染情况进行分析，完成了对重要节点机构的识别，监管部门对系统重要性机构的精准监测，有利于保证整个金融系统稳定性。从层间分析与层内分析两个角度出发，全面衡量机构受到金融冲击后与机构之间的风险传染程度，可为监管机构提供政策上的建议。

参考文献 （References）

[1]     BOSS M， ELSINGER H， SUMMER M， et al. Network topology of the interbank market[J]. Quantitative Finance， 2004， 4（6）： 677-684.

[2]     CRAIG B， von PETER G. Interbank tiering and money center banks[J]. Journal of Financial Intermediation， 2014， 23（3）：322-347.

[3]     SORAMKI K， BECH M L， ARNOLD J， et al. The topology of interbank payment flows[J]. Physica A： Statistical Mechanics & Its Applications， 2006， 379（1）：317-333.

[4]     BECH M L， ATALAY E. The topology of the federal funds market[J]. Physica A： Statistical Mechanics & Its Applications， 2010， 389（22）：5223-5246.

[5]     DEGRYSE H， NGUYEN G. Interbank exposures： an empirical examination of contagion risk in the belgian banking system[EB/OL].[2018-03-20]. https：//www.ijcb.org/journal/ijcb07q2a5.pdf.

[6]     VELD D I， van LELYVELD I. Finding the core： network structure in interbank markets[J]. Journal of Banking & Finance， 2014， 49（C）：27-40.

[7]     FRICKE D， LUX T. Coreperiphery structure in the overnight money market： evidence from the eMID trading platform[J]. Computational Economics， 2015， 45（3）：359-395.

[8]     LANGFIELD S， LIU Z， OTA T. Mapping the UK interbank system[J]. Journal of Banking & Finance， 2014， 45（8）： 288-303.

[9]     ALDASORO I， ALVES I. Multiplex interbank networks and systemic importance： an application to European data[J]. Journal of Financial Stability， 2018， 35： 17-37.

[10]    廖為鼎， 陈一非. 基于网络分析法的我国银行间风险传染效应研究[J]. 金融监管研究， 2014（10）：59-76.（LIAO W D，CHEN Y F. Research on Chinas interbank risk contagion effect based on network analysis[J]. Financial Regulation Research， 2014（10）： 59-76.）

[11]    ALLEN F， GALE D. Financial contagion[J]. Journal of Political Economy， 2000， 108（1）： 1-33.

[12]    UPPER C， WORMS A. Estimating bilateral exposures in the German interbank market： is there a danger of contagion？[J]. European Economic Review， 2002， 48（4）：827-849.

[13]    FREIXAS X， PARIGI B M， ROCHET J C. Systemic risk， interbank relations， and liquidity provision by the central bank[J]. Journal of Money Credit & Banking， 2000， 32（3）： 611-638.

[14]    FURFINE C H. Interbank exposures： quantifying the risk of contagion[J]. Journal of Money Credit & Banking， 2003， 35（1）：111-128.

[15]    范小云， 刘开林. 银行流动性过剩的自愿性与非自愿性因素辨析——兼论对货币政策的影响[J]. 当代经济科学， 2007， 29（5）：68-74.（FAN X Y，LIU K L. Analysis of voluntary and involuntary factors of excess liquidity of banks — also on the influence of monetary policy[J]. Contemporary Economic Science， 2007， 29（5）：68-74.）

[16]    BARGIGLI L， IASIO G D， INFANTE L， et al. The multiplex structure of interbank networks[J]. SSRN Electronic Journal， 2013， 15（4）：673-691.

[17]    MONTAGNA M， KOK C. Multilayered interbank model for assessing systemic risk[EB/OL].[2018-03-20]. https：//www.files.ethz.ch/isn/170406/KWP_1873.pdf.

作者： 张希 朱利 刘路辉 詹杭龙 卢艳民