基于图结构的银行间市场交易网络研究

内容提要

该文将复杂网络分析方法引入到银行间市场，以人民币同业拆借市场、外汇即期市场为例，根据其特点构建网络模型、设计交易网络指标，形成对于市场结构和机构交易关系的多维度客观表达；通过构建聚类模型勾勒机构画像，刻画市场分层结构并形成多层次的机构行为评价体系，提升市场精细化管理水平。

一、研究背景

金融市场中机构之间的资金往来关系天然呈现为一种真实的系统网络——金融机构、企业组织及个人等金融市场参与主体可视为网络中的各类节点，金融市场参与主体间的各种相互关系则是该市场网络节点间的边。例如，在银行间市场网络中，节点即市场参与成员，边主要体现的是市场成员在外汇或本币市场中存在的交易关系。

当前复杂网络分析方法在社交网络、交通规划、舆论传播等方面应用已非常成熟。自2008年金融危机以后，复杂网络研究方法开始被广泛应用于金融风险外溢研究。目前，银行间市场网络研究主要立足于数理统计方法对交易网络进行统计分析，从而描述银行间市场网络的拓扑结构特征。常见的网络特征包括小世界性、无标度性和群落结构等。网络演化及动力学性质方面，也有不少工作聚焦于对银行间市场网络结构演化模型与风险传染模型的研究。

本文将复杂网络分析方法与机器学习技术融合并系统性应用于银行间市场，深入分析银行间市场微观结构；通过刻画网络拓扑结构及演化过程，在定位机构画像及市场分层、系统性风险度量和防范等方向上进行了初步探索，为未来精准量化分析市场业务结构和发展动向提供有效手段。

 二、实证分析

本研究中选取具有代表性的两个市场——银行间外汇即期QDM交易和本币同业拆借市场进行实证研究。在外汇市场QDM交易模式下，存在着明显的做市商和普通成员的区别，流动性从报价方流向发起方。在同业拆借市场中，流动性在不同机构间传导的过程中是有层次的，形成多个小的资金借贷市场。

（一）交易网络结构概述

本文将银行间市场的交易主体作为网络中的各节点，两两之间的交易行为抽象为交易网络中的边，而交易量、交易频率、市场利率等因素或其组合均可作为交易网络中边的属性，进而衡量两两机构之间关系的亲疏，构建出银行间市场的交易网络。针对人民币同业拆借市场、外汇即期市场两个市场，有向图网络要素示例如表1所示。

表1  有向图网络要素

（二）交易网络指标设计

为了更好地描述市场机构在交易网络中的结构特征，本文主要使用如下指标进行量化：

度中心性（Degree）：网络中与某个点直接连接的其他点个数的总和，指示机构直接交易的对手方数量。

中介中心性（Betweenness）：网络中两点间最短路径经过某点的数量占这两点间的最短路径总数之比，指示机构是否在某些流动性路径上发挥关键作用。

接近中心性（Closeness）：网络上某点到其他点距离之和的倒数，指示机构流动性触达市场上其他机构的平均效率及触达范围大小。

排序指数（PageRank）：基于有向图中跳转关系决定节点重要性，被更重要节点指向的节点更加重要，指示机构在整个市场上直接链接的重要机构数目。本文认为如果机构可以给重要的机构输出提供流动性，其本身也比较重要。

效率（Efficiency）：个体网络有效规模除以核心点的度数，指示机构对于直接交易机构的平均影响效率。研究发现拥有星状结构子网的机构比拥有网状结构子网的机构在子网中的影响力更强。

传播系数（Propagation coefficient）：该指标是对于接近中心性指标的改进，综合考虑子网规模和流动性传播成本，度量机构流动性能够触达的范围和辐射力的大小。随着机构间路径长度的增加，中心机构的辐射力衰减。

（三）外汇即期做市商行为分析

为分析外汇即期市场做市商的交易行为模式，本文基于2020年外汇QDM市场机构交易明细构建交易网络图，并根据上述指标体系对做市商交易行为进行分析刻画。通过指标相关性分析选取了交易量、中介中心性、效率和传播系数等四个指标对机构进行聚类分析，结果如图1。

图1  做市机构聚类效果雷达图

从图1可看出，即期市场做市机构在做市角色方面呈现出较为明显的差别。一是核心做市机构（橙色），以大型国有商业银行为主要代表，该类做市机构在四项指标上均表现优异。二是重要做市机构（绿色），以部分股份制银行、城商行与少数外资行做市商为代表，该类做市机构在交易量与传播系数上相对核心做市机构较弱，但在子交易网络上有重要的流动性提供作用。三是关键桥机构（紫色），以部分大型股份制银行为代表，该类机构数量较少，在中心中介性上相对其他做市商较为突出，是流动性桥接的重要做市商。四是边缘做市机构（蓝色），主要以外资行做市商和尝试做市机构为主，该类做市机构在四项指标上的得分均相对较低。五是局部流动性做市商（红色），此类机构与边缘做市商的区别是其效率指标较高，即在局部交易网络中可发挥较大影响力，主要是部分股份制银行和城商行。

图网络分析能够从新的视角分析不同做市商在市场上发挥的独特作用，同时不同时间周期上的机构类别的稳定性往往预示着机构行为模式的变化，这也为精准理解外汇市场交易结构的演进过程打下良好的基础。

（四）本币同业拆借网络分析

本研究中选取了2020年全年的同业拆借数据用以构建银行间拆借网络，包含249个实际交易日，其中存在交易的活跃机构1334家，使用平均每天未还占款数和加权平均相对利率来表征机构间的历史交易关系。这里每笔交易的相对利率定义为交易利率/对应时间段的交易类型加权平均利率。

1.无标度特征

在本币同业拆借网络中，机构的平均度中心性远高于银行间外汇交易市场，可见同业拆借市场中机构间的关系更加复杂，机构中心度的分布图如图2所示。

图2  机构中心性分布图

图2中蓝色线部分为使用幂律分布对所有机构的度中心性进行拟合的结果，从拟合结果可以看出银行间市场基本符合无标度复杂网络的一般特征。从平均交易对手量来看，同业拆借市场呈现无标度网络的特征，即少量机构集中了网络中的多数交易关系。

2.核心-外围网络特征

经过对各指标的相关性进行计算，选取中介中心性、日均占款数、传播系数、反向传播系数、效率、拆出比例、加权拆出利率和加权拆入利率等八个指标进行聚类。

为了更清晰地呈现出各类型机构在整个交易网络中的位置，本文对所有机构在网络节点图上按照其聚类角色类型进行着色，并按照机构间净拆借量的方向显示边的方向，结果如图3（为了避免边和节点过多，过滤掉净日均占款量较少的边）。

图3  带机构角色的网络图

从图3中可以看到我国银行间市场呈现出一定的核心—外围特征，核心即图上边密度最高的一小群交易机构。其中，紫色标注的机构基本处于同一个交易簇中，其交易量远超过市场上其他类型的机构，是市场上的核心机构，主要包括国有大行和大型股份制银行。紫色机构外围为灰色标注的机构，主要为中小型股份行和农商行，作用类似于次核心机构，处于中心和外围的过渡状态，但更靠近核心机构，可以认为是广义的核心圈。棕色类型机构是市场上资金的主要拆入方，其主要与（次）核心机构进行交易，因此主要围绕于核心圈周围。绿色标注类型机构散布于图中各处，但离核心圈较远，主要是各类小银行和农商行。红色标注类型机构的拆入利率相对较高，且拆入渠道相对较窄，主要是一些小农商行和偏国企的财务公司。蓝色标注类型机构也是资金拆入方，且其正向传播系数较小，更偏向于是局部网络资金源头。橙色和粉色标注类型机构在图上分布一般趋同，且存在一定聚集效应，可以部分解释橙色类型加权拆入利率低、粉色类型拆出利率低这一现象，其中橙色包含了较多的消费金融公司。从以上分析可以看到，图交易网络中的节点和交易关系分布与机构角色聚类结果基本对应，具有较强相关性。从交易量的角度来看，本币拆借网络呈现出了核心-外围结构，即存在一个在交易量上占主导的核心交易圈及围绕其进行交易的外围交易圈。

全网总体的资金流动趋势为从圆心流向外围，末端拆入机构主要通过直接或者间接方式（通过流动性中介机构）从源头获取资金。从资金源头来看，比较大的拆出机构包括头部国有大行等。流动性中介机构主要为大型股份制银行。资金拆入机构方面，比较大的拆入机构是金融租赁及头部证券公司。从核心—外围结构考虑机构流动性，则发现与核心机构所在的交易社群存在交易关系的其他社群的流动性中介机构可以视为两个社群之间流动性的关键桥节点，对于流动性传导也具有重要意义，此类机构主要包括一些地方性的城商行、农商行等。

3.连接异质性特征

连接倾向异质性是指一些银行会因为某些原因倾向于与某个或某些特定银行形成债务联系。而具有相同倾向的银行就会在网络中形成群落。此外，由于中国的金融监管制度，农村信用社一般是通过省级联社参与到银行间市场，所以中国的银行间网络也具有群落结构。而随着全球一体化的发展，逐渐形成了全球金融机构间网络。由于地域、资本项目开放程度等原因，全球金融机构间网络具有明显的以国家和地区为单位的群落结构。这些群落结构反映出银行间网络的连接倾向异质性问题普遍存在。

为了研究这类特征，本文基于谱聚类对前述的交易网络进行社团划分，并在网络节点图上按照社团类别对所有机构进行着色（同一类社群颜色相同），如图4所示（为便于观察，过滤掉了净日均占款量较少的交易关系）。

图4  带社群着色的网络图

绿色节点代表机构角色为核心和次核心机构所构成的交易社群，除了核心交易社群外，图中其他社群也表现出一定的行业和地理聚集效应。如紫色节点代表的社群以外资行为主，红色节点社群主要是某省的金融机构，棕色节点主要是某四省的金融机构，橙色节点则包含了大量的消费金融和租赁金融公司。也就是说，区域的不同和银行类型的差异在我国银行间市场也导致了连接倾向异质性，从而形成各种局部团状交易网络。

4.网络风险特征

金融机构间的交易网中单一节点或交易链路发生异常时会导致金融风险在整个交易网络中迅速扩散，系统性风险由此产生。本课题通过联合泊松分布模拟交易网络在节点失效前后的状态，计算各机构的风险传导度，对金融系统的风险传播模型进行了初步探索。

基于外汇即期市场成交数据，采用Erdos–Renyi网络，首先通过泊松分布对交易网络中节点的出入度分布进行建模；接着根据各机构的交易方及交易量等信息，构建出交易网络中每个节点出入度的联合泊松分布以及在网络发生变化时转移过程的转移概率；最后，通过重复迭代至稳定状态，可以得到整个交易网络发生风险并重新达到稳定状态后各个节点新的泊松分布，并根据相应参数可以对各节点的风险传导度进行量化。通过实验，可以得到不同机构的风险传导度结果如图5所示。

图5  机构风险传导度

在图5中，风险传导度较高的机构主要是部分头部机构，由于其在交易网络中交易对手方较多，因此对整个交易网络有极大的影响，具有较高的风险传导度。同时存在部分中小机构由于单一交易链路权重过高，也具有较高的风险传导度。可进一步结合机构的日常交易行为对机构在交易网络中的影响力及风险传导情况进行量化的比较。

三、总结展望及政策建议

本课题聚焦于银行间不同市场交易网络的特征设计通用的图分析模型，通过指标设计、聚类模型等量化分析，厘清银行间市场宏观整体与微观主体之间的相互作用。根据本文研究情况，针对银行间市场提出如下政策建议：

（一）建立有管理的多层次银行间市场

在传统认知中，银行间货币市场通过流动性传导机制，自然形成了公开市场操作一级交易商——中小银行——非银机构的分层架构。而本课题通过分析同业拆借交易数据验证发现，银行间货币市场参与机构的分层并非简单阶梯化的，而是复杂网络化的；并非单一中心的，而是存在多个局部分中心的。因此，单纯通过机构类型对其交易行为进行划分、监测和管理有其局限性。建议在传统机构类别划分的基础上，有选择地引入相关网络分析指标，围绕对全市场或局部市场的交易网络和风险扩散有重要影响的中心节点类机构进行动态的、差异化管理，建立有管理的多层次银行间市场。

（二）建立健全风险监测和预警机制，提升监测前瞻性

目前，市场监测重心依旧处于分析历史数据及实时交易监测阶段，对市场潜在风险的预判及挖掘能力尚显不足。通过对市场分层架构进行多维度分析及可视化展示，可以有效挖掘市场潜在流动性风险，进而构建“历史分析——实时监测——未来预判”全方位综合智能监测体系。

一是利用相关指标分析历史发展形势和研判未来市场走向，在此基础上有的放矢地刻画市场流动性框架。二是加强对重点交易主体的风险监测和行为分析，针对系统重要性机构和非系统重要性机构设计不同的主体监管和行为监管指标，防止重点交易主体因其自身产生风险或风险增大时对交易网络中的其他机构产生负面影响，甚至在局部市场传导后形成系统性风险。三是加强系统重要性机构的信息披露，建立完备的内部管理机制，完善流动性监管指标体系，鼓励反映流动性状况和信用利差的市场化定价。

作者：中国外汇交易中心图交易网络研究课题组