银行同业拆借网络演化与违约风险传染研究

发布时间：2020-08-25 07:20

【摘要】：2008年金融危机带来的严重后果使人们开始重新审视一些破坏金融系统稳定性的问题:一是“太大而不能倒”;二是“太关联而不能倒”。为解决这些问题,政策制定者不仅需要评估单个金融机构的风险,更要考虑到一个金融机构对其他机构带来的附加风险。因此,越来越多的学者开始运用网络理论来描述银行间的拆借关系,进而研究银行违约风险传染问题。很多实证研究表明,现实中货币中心银行结构大量存在,然而只有极少数研究用内生网络模型来揭示其形成机制。另外,也有很多研究显示银行网络结构对风险传染具有重要的影响,但少有研究从内生拆借对象选择的角度来解释这种影响,并在此基础上探究违约风险传染的影响因素。考虑到以上两方面问题,本文基于内生银行网络对银行同业拆借关系的形成以及违约风险传染进一步展开研究。首先,本文考虑一个由N家银行构成的银行网络,建立了一个T时期的内生动态网络模型,其中银行间拆借关系取决于一个内生的拆借对象选择机制。通过多主体仿真分析表明,本文的模型能够形成现实世界中的货币中心银行结构,且银行总资产和银行同业拆借规模分别服从幂律分布和对数正态分布,这与已有的实证研究相一致。另外,在一定范围内改变某些参数的取值时,货币中心结构始终存在。其中,内生拆借对象选择比例以及拆借对象转移概率参数的增加均导致更明显的货币中心结构。这个模型以及结果有助于更深刻地理解银行间市场的形成机制,并为研究银行违约风险传染奠定了基础。然后,本文将构建的内生拆借对象选择机制与一个随机拆借对象选择机制相对比,分别研究了两种机制下几个主要参数在不同取值下银行同业拆借的违约风险传染。总体来看,内生选择机制生成的货币中心网络比随机选择机制生成的随机网络具有更强的抗风险性,因为前者促使借款银行以更低的利率向流动性更强的银行借款。灵敏度分析表明,较高的风险溢价、较低的初始净资产比例、较高的流动性资产阈值、较大规模的流动性冲击、较高的初始投资比例以及较高的央行利率都会加剧银行违约风险传染效应。另外,存款变化过程的均值回归系数以及拆借对象选择概率对于银行违约风险传染效应具有非单调的影响,并且在拆借对象内生选择与随机选择机制下的影响不同。这些结果不仅有助于更好地理解银行违约风险传染的机理,还为政策制定者提供了理论参考。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51
【图文】：

论文结构,绪论

东南大学硕士学位论文银行违约风险传染效应研究，首先分别画出两种拆借机制下的网络结构演化图，对比分析两种网络结构的不同。然后，采用灵敏度分析方法分析不同参数对违约风险传染的影响。由于实验具有随机性，所以做反复多次试验，通过银行平均破产数来反应银行业系统性风险水平，并采用控制变量法，分别在两种拆借对象选择机制下，保持其它参数不变，只改变一个参数，观察并分析银行系统性风险水平的变化趋势。1.3.3 基本框架根据上述主要研究内容与方法，本文共分为六个部分，论文结构和研究框架如图 1-1所示：

总资产,银行,幂律分布,累积分布函数

第三章银行内生动态网络模型构建与演化分析3.2.1 银行总资产分布首先分析系统演化中的银行总资产分布。图 3-2 显示了系统中银行总数分别为N=200，300，400，演化时期分别为 t=50，100，150 时，银行总资产的互补累积分布函数（CCDF）。可以看出，对数坐标轴中的银行总资产均可以被良好地线性拟合，说明演化系统中银行总资产呈幂律分布。图 1(a)-(i) 的幂律分布参数分别为 1.1221，1.0489，1.0614，1.1471，1.0187，0.9964，1.1504，1.0563 与 1.0033。事实上，许多实证分析已经表明了现实中的银行总资产呈现幂律分布（Ennis，2001；Janicki 与 Prescott，2006；Bremus 等，2013）。例如，Bremus 等（2013）通过分析 73 个国家的 11476 家银行数据发现，银行总资产的幂律分布参数为 3，而特定国家的银行总资产幂律分布参数为 1.4。因此，本文模型的结果与现实数据大致吻合。

总资产,银行,稳健性,银行同业拆借

图 3-3 银行总资产分布稳健性检验3.2.2 银行拆借规模分布现在分析系统演化中的银行同业拆借规模分布。Vandermarliere 等（2015）通过实证研究发现俄罗斯银行间市场的同业拆借规模服从对数正态分布。本文的模型通过仿真也得到了同样的结果。图 3-4 显示了系统中银行总数分别为 N=200, 300, 400，演化时期分别为 t=50，100，150 时，银行同业拆借规模的互补累积分布函数（CCDF），它们均可以由对数正态分布良好地拟合。

【参考文献】