银行间市场房地产贷款损失与风险传染：基于金融网络法的研究_银行论文

房地产贷款损失与银行间市场风险传染——基于金融网络方法的研究，本文主要内容关键词为：银行间论文,损失论文,风险论文,房地产贷款论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      房地产贷款既是我国房地产行业的主要资金来源，又是商业银行的重要业务领域。由于房地产业周期性强，资金需求量大，房地产贷款违约风险一直都是各国银行业监管的重点。2008年爆发的美国次贷危机正是由房地产贷款损失引致，危机之后，金融体系的TCTF（Too-Connected-To-Fail）风险备受关注。TCTF风险是指金融机构之间因存在相互风险敞口而紧密联系，一家金融机构的破产会引发系统内大量与之关联的其他机构破产，且非大型金融机构的破产也可能触发大规模的风险传染[1]。我国2013年6月份发生的银行“钱荒”现象恰好说明我国银行之间的资产负债关系十分紧密，银行体系的TCTF风险不容忽视。由此，在评估和监管房地产贷款风险时，不仅要考虑我国房地产贷款损失对单个银行的冲击，更要考虑由单个银行陷入危机而引发的银行间市场风险传染的程度。

      鉴于银行间风险敞口是银行体系系统风险传染的重要渠道[2]，本文利用金融网络方法[3]，通过将单个银行视为网络的节点，将银行之间的资产负债关系视为网络的边，形象刻画银行之间的关联，研究银行间市场的风险传染过程。考虑到目前已有的基于金融网络方法对风险传染的实证研究多集中于讨论Nier等[2]提出的银行间风险敞口，对共同风险敞口的探讨较少，即大部分研究是在一个初始的随机冲击假设下探讨银行间市场风险传染过程，忽视银行体系面临的共同风险敞口导致多个银行破产的非随机初始情况[4，5]。因此，本文基于金融网络方法，同时考虑房地产贷款这一共同风险敞口和银行间风险敞口，利用我国2011年银行年报实际数据，分别基于完全连接网络和中心—边缘网络的假设使用最大熵方法[6]估计银行间市场网络，考察不同房地产贷款违约损失率和银行破产违约损失率下，房地产贷款违约风险对我国银行体系风险传染的影响。

      本文的主要创新在于，基于金融网络方法将房地产贷款损失与由此引发的银行间市场风险传染相联系，不仅有效弥补了基于数学或计量等传统研究方法较难刻画银行间市场风险传染动态过程的不足，也弥补了当前利用金融网络方法评估银行系统风险时忽视共同风险敞口的弊端[5]。此外，本文的研究还可考察银行间市场网络结构对于风险传染的影响，从而为政府监管提供更多参考。2011年11月19日，前银监会主席刘明康在参加CEO组织峰会时表示，即使房地产抵押品重度压力测试下跌40%，我国银行业房地产风险总体仍可控①。本文的研究则表明，基于2011年我国银行间资产负债表数据，当房地产贷款违约损失率超过38%时，会直接导致3家银行破产。这说明在银行个体层面上，我国大部分银行抵御房地产贷款损失的能力较强，但若考虑由银行间资产负债关联引致的风险传染，则这3家银行的破产会进一步引发84%的银行破产，即发生较为严重的系统风险。这一结论从另一视角为监管当局提供了参考。

      本文的结构安排如下：第二部分对国内外已有相关文献进行综述。第三部分介绍银行间网络模型的构建。第四部分使用我国实际数据，在房地产贷款损失冲击的不同情景下，分析银行间市场风险传染的动态过程。第五部分为结论。

      本文将从两方面对已有文献进行梳理：一是探讨房地产风险对银行系统风险影响的相关文献；二是基于金融网络模型，研究银行风险传染的相关文献。

      1.房地产风险与银行体系系统风险

      在探讨房地产风险对银行系统风险影响方面，国外文献主要讨论房地产价格与银行信贷之间的关系，如Hott[7]认为房地产价格、按揭贷款以及银行利润之间存在正向反馈效应，导致银行在房地产市场下行时遭受较高利润损失。Hofmann[8]对20个国家的研究也发现房价上升可显著推动银行信贷增长。Koetter和Poghosyan[9]利用德国数据证实房价对基本价值的持续偏离是导致银行系统不稳定的真正原因。国内相关文献除讨论房价与信贷关系外，如叶欣等[10]，还讨论银行的房地产贷款信用风险管理问题，如李睿[11]和王志诚[12]。国内关于风险传染的定量研究较少，如王粟旸等[13]利用VAR模型和CD模型测度银行业与房地产业之间的风险传染概率。

      上述文献的共同不足是基于数量模型的传统研究方法只能论证房地产贷款信用风险与银行体系系统风险相关，却无法具体准确地刻画和评估房地产贷款违约损失引致银行业系统风险传染扩散的动态过程。此外，这些研究关注的焦点也主要集中在银行个体层面的风险管理，或是银行体系层面的共同风险敞口，忽视了银行间市场这一风险传染渠道。因此，本文将采用金融网络方法显性刻画银行与银行之间的资产负债关联，并基于此研究房地产贷款违约冲击引发银行间市场风险传染的过程，以弥补已有研究的不足。

      2.基于金融网络方法的银行体系风险传染研究

      金融网络建模方法能够很好地反映银行之间错综复杂的联系，从而有助于研究银行间市场风险传染过程。下面从银行间风险敞口、共同风险敞口以及网络结构对风险传染影响三个方面对相关研究进行综述。

      （1）银行间风险敞口。银行之间的借贷行为虽可起到解决银行流动性短缺、增加投资机会等作用，但同时也会提高银行之间的传染风险。Krause和Giansante[14]构建的银行借贷网络模型，Memmel和Sachs[15]对德国银行体系以及Caccioli等[16]对奥地利银行体系的研究，从理论和实证两个角度说明银行间风险敞口是系统风险传染的重要渠道。

      为研究银行间风险敞口引致的风险传染，首先需要构建银行网络。由于银行间市场上两两银行之间的资产负债关联数据的可得性较差，国外大量的实证研究是在银行间资产负债敞口总量数据的基础上，采用最大熵方法估算银行间两两资产负债头寸，以构建银行间资产负债关系网络，如Upper和Worms[17]对德国银行体系的研究，Mistrulli[18]对意大利银行体系的研究，Degryse和Nguyen[19]对比利时银行体系的研究等均表明尽管单一或多个银行破产引发风险传染事件的发生概率较小，但一旦发生其传染范围十分巨大，并会使整个银行系统的资产严重受损。

      国内针对银行网络风险传染的实证研究较少。马君潞等[20]利用2003年我国银行资产负债表数据估算我国银行系统双边传染风险，指出中国银行的稳定与否是银行间风险敞口传染渠道能否引致整个银行体系崩溃的关键，但是该研究只考察了完全连接网络结构。黄聪和贾彦东[21]虽然根据中国银行体系的结构特征构建了非完全连接网络，但是该研究并未对比不同网络结构对风险传染的影响。童牧和何奕[22]建立中国大额支付系统网络讨论流动性风险传染过程。李守伟等[23]基于2008年银行年报数据，构建有向网络研究我国同业拆借市场稳定性，指出银行网络对随机性冲击具有较高稳定性，而对选择性冲击稳定性较低。然而，该研究并未深入探讨具体的选择性冲击，即忽视了对共同风险敞口的研究。

      （2）共同风险敞口。尽管银行间风险传染是系统风险的核心内容，但银行系统面临的共同风险也不容忽视[24]。然而，基于金融网络方法进行银行体系系统风险的研究，大都是在以随机选择的银行为初始破产银行的假设前提下进行的，考虑共同风险敞口导致数家相关银行同时破产情形的实证研究较少[5]。在已有的文献中，Georg[25]假设所有银行同时遭受某一比例的银行资本损失的共同冲击，结果发现该比例值越大，银行系统风险传染越严重。尽管该研究涉及共同风险敞口，但并未结合真实经济情况进行研究。相比之下，Elsinger等[4]的研究更贴近现实，通过将银行系统风险来源分为传染损失和共同风险敞口两部分，指出共同风险敞口的影响远大于金融网络内的传染风险，说明共同风险敞口对评估银行体系系统风险至关重要。但是，该研究在考察共同风险敞口时，仅选取外国货币、利率等宏观经济变量，并未考虑具体的行业冲击。国内已有的相关研究也仅探讨国内生产总值、股票价格指数、房地产价格指数以及一年期存贷款利差这四个宏观经济变量对我国银行间市场风险传染的影响[26]，并未涉及具体的行业贷款损失。

      （3）网络结构的影响。Allen和Gale[27]认为完全连接网络的风险传染程度明显小于非完全连接网络。Freixas等[28]发现货币中心银行的层级网络相比完全连接网络更容易发生风险传染。Müller[29]也证实均匀紧密的网络比中心化的稀疏的网络更稳定。Lenzu和Tedeschi[30]的研究则表明随机网络比无标度网络更具有弹性。关于我国的银行间市场，高波和任若恩[31]通过Granger因果网络模型发现，中国金融系统在熊市具有更加紧密的Granger因果联系。鲍勤和孙艳霞[32]基于我国银行业数据建立异质性银行多主体仿真模型，指出银行间市场整体结构以及单个银行的资产负债表结构对金融风险传染的程度和范围均有重要影响。可见，不同网络结构对风险传染的影响不尽相同，鉴于真实的银行间市场网络无法获得，因而有必要对不同的网络结构进行比较，以提高研究结果的准确度，并可进一步探讨破产银行的资产负债结构特征。

      综上，已有文献在探讨房地产贷款损失对银行体系系统风险影响时，或者仅探讨房地产贷款对银行信贷稳定性的影响，忽视了银行间的关联性，或者抛开房地产贷款这一共同风险敞口，仅利用网络方法讨论银行间风险传染过程。本文的研究在统一的框架下同时考虑这两部分冲击，利用金融网络建模的方法全面考察房地产贷款损失经由共同风险敞口的直接冲击和经由银行间风险敞口的间接冲击对我国银行体系系统风险造成的综合影响。

      本文的创新主要有两点：一是将共同风险敞口和银行间风险敞口这两个系统风险的重要内容纳入同一个框架下讨论，基于金融网络方法同时考查房地产贷款损失造成大量银行亏损的风险以及由此冲击带来的传染风险。二是在网络方法的运用上，考虑到网络结构对于系统风险影响的重要性，本文假设了完全连接网络和中心—边缘的层级网络两种网络结构，并在此基础上进一步分析破产银行的资产负债结构特征。

      1.银行间市场网络

      

      

      在网络结构的设定中，本文引入完全连接网络结构和中心—边缘的层级网络结构。在上述矩阵

中，若

，则表示完全连接网络结构。中心—边缘网络结构的设定如矩阵

所示，将所有银行分为中心银行（C）和边缘银行（P）两类，假设边缘银行仅与中心银行交易，而边缘银行之间不交易，同时中心银行之间可以相互交易，从而形成的银行间市场网络结构如下所示：

      

      鉴于我国银行之间一对一资产负债数据的不可得性，本文基于2011年我国每家银行资产负债表的银行间总资产和银行间总负债数据，采用修正的最大熵方法，估计银行间市场网络矩阵内的非零元素

，即求解：

      

      2.房地产贷款损失的直接冲击与银行间风险传染的设定

      （1）房地产贷款损失的直接冲击。当房地产市场受负向冲击时，银行的房地产贷款将发生损失，部分银行会因此而破产，本文称之为房地产贷款损失的直接冲击。假设这一贷款违约损失率为t（0＜t＜1），则对于任意银行s来说，房地产贷款违约损失量为t×

（

表示银行s的房地产贷款数额）。由于银行的权益资本是抵御银行资产下跌的第一缓冲器，当房地产贷款发生损失时，银行s的资产负债表将发生如下变化（见图1），当银行资本不足以弥补资产损失时，该银行将面临破产[1]。

      

      （2）银行间风险传染的间接冲击。由于银行之间存在资产负债关联，在房地产贷款损失的直接冲击下破产的银行，其银行间债务可能出现违约，进而引发风险传染，这即是房地产贷款损失引发的间接冲击。不妨假设破产银行对其债权银行的破产违约损失率为λ，且满足0＜λ＜1，则有：

      

      B.假设银行i的其他资产和负债保持不变，则银行i需要用资本金来弥补银行间资产损失。若银行i当前的资本金不足以弥补这部分损失，即

，则银行i面临破产。在这种情况下，由初始冲击导致的银行破产就会经由银行间市场网络传导至银行i。

      

      D.在第二轮，重复（1）和（2）步骤，可能引发更多的银行破产，如此进行下去，直到模型结果最终稳定，即没有新的银行破产为止。

      根据这一模型，本文将结合中国实际银行资产负债表数据以及房地产贷款数据，探讨如下重要问题：第一，房地产贷款损失对我国银行体系的直接冲击。第二，由房地产贷款直接冲击引发的银行间市场风险传染的程度。第三，不同网络结构对银行系统风险传染的影响。第四，破产银行的资产负债结构特征。

      数据与结果分析

      本文数据均来自2011年各银行公开披露的年度报告以及2012年部分银行的跟踪信用评级分析报告。其中，银行间总资产包括银行的资产方中存放同业和其他金融机构款项以及拆出资金，银行间总负债包括银行的负债方中同业和其他金融机构存放款项以及拆入资金。房地产贷款数据参考中国人民银行的《2011年金融机构贷款投向统计报告》中的房地产贷款数据统计口径，既包括银行年报中公司贷款行业分类中的房地产业贷款数据，也包含个人贷款中的个人购房贷款数据。因相关数据可得性的限制，本文共选取50家银行，包括全国性股份制商业银行以及主要的城市商业银行和农村商业银行。数据表明，这50家银行的资产总和为81.67万亿，占2011年我国银行业金融机构总资产113.28万亿②的72.10%；房地产贷款余额总计9.87万亿，占2011年我国人民币房地产贷款余额的92%③。因此，无论是从样本银行的分布状况和资产占比情况，还是从房地产贷款数据的角度来说，均可认为本文选取的50家银行具有代表性。

      在网络结构的设置上，对于中心—边缘网络结构，本文选取2011年总资产前十位的银行作为中心银行，即中国工商银行、中国建设银行、中国银行、中国农业银行、交通银行、招商银行、中信银行、浦发银行、兴业银行、民生银行。这些银行的银行间市场规模，即银行间总资产和银行间总负债之和，除招商银行为5415.85亿以外，其余银行均在7千亿以上，其中中国建设银行、中国银行、中国农业银行、交通银行以及中信银行的银行间市场规模超过1万亿。因此，这些银行也是银行间市场的重要参与者。

      根据上述设定，本文利用这50家银行的银行间总资产和银行间总负债数据，采用修正的最大熵方法，估算银行间一对一的资产负债数据，并在此基础上构建银行间市场网络。以中心—边缘网络为例（见下页图2），网络节点代表50家银行，节点的大小表示银行的房地产贷款规模，节点之间的有向边代表银行之间的资金往来关系，边的粗细反映资金规模。可以看出，十家中心银行位于网络中心，彼此相互交易，并与四周的边缘银行交易，而边缘银行之间不交易。中心银行之间的边明显粗于边缘银行与中心银行之间的边，说明中心银行之间的资金往来数额较大。在此基础上，本文利用NetLogo 4.1仿真软件[33]，考察当房地产贷款损失一定比例时，直接冲击下破产银行的数量和名称以及由此带来的风险传染的动态过程，并统计每一轮破产银行的数量和名称。

      

      1.房地产贷款损失的直接冲击与间接冲击

      （1）直接冲击下的银行破产情况。不同房地产贷款违约损失率下的直接冲击状况如表1所示。当房地产贷款违约损失率t=0.36时，将会首次出现银行破产，破产银行为广州农商银行。当房地产贷款违约损失率为0.38≤t≤0.41时，直接冲击会造成3家银行破产，分别是招商银行、上海银行以及广州农商银行。这3家银行的资产之和仅占样本银行总资产之和的4.56%，当房地产贷款违约损失率t=0.41时，这3家银行发生的资产损失之和仅占样本银行资产总和的0.30%。可见，若不考虑银行间风险传染这一间接冲击，当房地产贷款违约损失率小于41%时，房地产贷款违约损失的直接冲击对我国银行体系的影响并不大。这说明在银行个体层面上，我国单个银行抵御房地产贷款违约风险的能力较强。

      

      为考察银行间风险传染这一间接冲击对银行业系统风险的影响，本文重点关注房地产贷款违约损失率t∈[0.38，0.41]的情形。因为在较小的房地产贷款违约损失率下，若破产的3家银行可进一步引发大规模的银行破产，那么当房地产贷款违约损失率较大时，风险传染会更加严重。因而，本文的结果可看作房地产贷款违约冲击对我国银行业系统风险影响的下界。

      （2）间接冲击下的银行破产情况。考虑银行间关联后，无论是在完全连接网络还是中心—边缘网络内，广州农商银行、招商银行、上海银行这3家银行的破产均会引发我国银行体系发生大规模的风险传染，且这3家银行并非全部是大银行，这说明我国银行体系也存在TCTF风险。

      以房地产贷款违约损失率t=0.4为例（见表2），在中心—边缘网络内，当银行破产违约损失率λ=0.3时，间接冲击会引发1家银行（成都银行）破产；当λ=0.6时，直接冲击下破产的3家银行将会引发大规模的风险传染；而当λ增大到0.9时，最终共有84%的银行破产，破产银行的资产总和与样本银行资产总和之比RK为99.14%。在完全连接网络结构下也有类似结论，当λ=0.7时，间接冲击会引发39家银行破产。

      

      

      （3）直接冲击与间接冲击对单个破产银行的影响程度分析。在t=0.4，λ=0.9这组参数下破产的43家银行中，有3家银行是因直接冲击而破产的，其余的40家银行是在直接冲击和间接冲击共同作用下破产的。为进一步区分房地产贷款违约损失的直接冲击与间接冲击对单个银行的影响程度，本文通过银行的房地产贷款损失量与所有者权益之比（FL/E）来衡量破产银行所受的直接冲击和间接冲击的相对大小。若这一比例较高，则说明直接冲击较大，反之，则说明间接冲击较大。

      上述破产的40家银行中，房地产贷款损失量与所有者权益之比大于50%的银行共有30家，这说明这些银行受房地产贷款损失直接冲击的影响较大。房地产贷款损失量与所有者权益比值小于50%的银行共有10家，其中，有4家银行的该比值甚至尚未超过40%（见图3）。这意味着这些银行的破产主要缘于银行间风险传染这一间接冲击，而受房地产贷款违约损失直接冲击影响较小。可以看出，风险传染这一间接冲击对银行破产有显著影响，银行间风险敞口会放大房地产贷款这一共同风险敞口引致的系统风险。

      综上，通过对比房地产贷款违约损失的直接冲击与间接冲击的影响可以看到，我国单个银行自身抵御房地产贷款违约损失的能力较强，当房地产贷款违约损失率为38%时，仅有3家银行破产。然而，若考虑银行间资产负债关联引致的风险传染，破产的3家银行会通过银行间信用链条将风险传染至其他银行，最终引发大规模的银行破产。在破产的43家银行中，有10家银行的破产主要源自风险传染。因此，银行间风险敞口的存在会显著放大房地产贷款损失引发的银行业系统风险。

      2.银行风险传染的特征

      （1）银行破产违约损失率超过一定阈值时，银行风险传染的程度将显著增加。本文把直接冲击下未破产而考虑间接冲击后破产的银行称为新增破产银行，并在此基础上考察在既定的房地产贷款违约损失率下，随着银行破产违约损失率的上升，新增破产银行数量的变动情况。结果发现，在既定的房地产贷款违约损失率下，当银行破产违约损失率超过一定值时，新增破产银行的数量将会出现明显的跳跃。因而，当银行破产违约损失率超过某一阈值时，将会发生大规模银行风险传染。

      以房地产贷款违约损失率t=0.4为例（见图4），在中心—边缘网络内，直接冲击会导致3家银行破产，当λ=0.5时，这3家破产银行只会引发1家银行破产；当λ=0.6时，新增破产银行数量迅速上升为33家。同样，在完全连接网络内，当λ=0.7时，新增破产银行数量迅速由l家上升为39家。为此，本文把此时的房地产贷款违约损失率t=0.4与银行破产违约损失率λ=0.7称为完全连接网络内首次引发大规模银行破产的最小参数组合。同理，t=0.4，λ=0.6便是中心—边缘网络内首次引发大规模银行破产的最小参数组合。

      

      （2）无论是在完全连接网络还是中心—边缘网络内，随着房地产贷款违约损失率的提高，能够引致银行体系首次发生大规模风险传染的最小银行破产违约损失率呈现逐步降低的趋势，这说明共同风险敞口引致的直接冲击大小将会影响银行系统风险传染发生的可能性。

      如表3所示，在中心—边缘网络内，当房地产贷款违约损失率t=0.38时，只有在λ=0.9时，直接冲击下破产的3家银行才会首次引发大规模的风险传染，此时新增破产银行为39家；当房地产贷款违约损失率增加为t=0.4时，在λ=0.6时，直接冲击下破产的3家银行就可引致36家银行破产；而当房地产贷款违约损失率增加为t=0.42时，即使银行破产违约损失率下降为λ=0.3，直接冲击下破产的4家银行也可导致14家银行破产。若房地产贷款违约损失率进一步提高至t=0.43时，银行破产违约损失率仅需在t=0.2时，直接冲击下破产的4家银行就可引发9家银行破产，破产银行数量占比RN为25%。可见，无论是完全连接网络还是中心—边缘网络，随着房地产贷款违约损失率的提高，银行系统在较小的银行破产违约损失率下就可发生大规模的银行破产。因此，银行系统发生大规模风险传染的可能性随着共同风险敞口的增加而增加。

      3.不同网络结构下的风险传染比较

      （1）中心—边缘网络更容易发生大规模的风险传染。与Allen和Gale[27]的研究相似，本文发现完全连接网络具有更强的稳定性，而中心—边缘网络在较小的银行违约损失率下就会发生大规模的风险传染。

      以房地产贷款违约损失率t=0.39，银行破产违约损失率λ=0.7为例，中心—边缘网络内共有42家银行破产，而完全连接网络内只有1家银行是在直接冲击和间接冲击共同作用下破产的（见表4）。类似地，当房地产贷款违约损失率t=0.4，银行破产违约损失率λ=0.6时，在直接冲击和间接冲击的共同作用下，完全连接网络内只有1家银行破产，而中心—边缘网络内共有33家银行破产（见表2）。

      中心—边缘网络之所以更容易发生传染，是因为中心银行的破产会引发较多的边缘银行破产。如表5所示，在第二轮尽管只有四家银行破产，但其中包括中国银行和浦发银行这两家中心银行，因此接下来在第三轮中将会出现较多的边缘银行破产。

      （2）中心—边缘网络发生大规模风险传染的时间较早。与Allen和Gale[27]以及Freixas等[28]的研究结果不同的是，本文发现尽管中心—边缘网络更容易发生风险传染，但是当完全连接网络也发生多轮风险传染时，在相同参数下，当模型稳定时，两种网络最终的风险传染程度相同，即两种网络内的破产银行数量占比：RN以及资产占比RK均相同。但是，两种网络内的风险传染过程却有较大差异，中心—边缘网络发生大规模风险传染的时间较早。

      

      

      

      以房地产贷款违约损失率t=0.4，银行破产违约损失率λ=0.7为例（见图5），尽管两种网络结构下最终都有42家银行破产，但是在完全连接网络内，整个传染过程共持续了7轮，而中心—边缘网络只发生5轮传染。此外，在完全连接网络内，大规模的银行破产起始于第三轮，且主要集中在第四轮和第五轮，而在中心—边缘网络内，第二轮就开始出现大规模的银行破产，到第五轮时，破产银行数量明显减少。表6进一步说明，相同参数下，中心—边缘网络前两轮传染的资产损失均高于完全连接网络。

      可以看出，不同网络结构对风险传染发生时间及其可能性有着重要影响。相比完全连接网络，中心—边缘网络更容易发生大规模的风险传染，且发生时间较早。这主要是因为在完全连接网络结构下，每家银行都与其他银行交易，故其可以分散风险，而在中心—边缘网络内，中心银行的破产却会引发较多的边缘银行破产。现实世界中，幂律现象普遍存在，因而中心—边缘网络更接近真实的银行间市场网络。

      

      

      4.破产银行的资产负债表结构特征

      为进一步考察银行破产的原因，特别是考察银行间风险敞口对单个银行及整个银行体系系统风险的影响，本文基于银行的资产负债表，详细考察了破产的43家银行的资产负债结构特征。

      （1）破产银行的房地产贷款和银行间总资产占比均较高。如图6，破产银行的房地产贷款与所有者权益之比F/E以及银行间总资产与所有者权益之比TA/E，均普遍高于未破产银行。在破产的43家银行中，只有3家银行是因直接冲击而破产的，其余40家银行是在直接冲击和间接冲击的共同作用下破产的。因而，银行间风险敞口的存在可加剧银行破产。

      

      （2）在破产银行中，房地产贷款占比较小的银行，其银行间资产占比相对较高。如图7，在破产的43家银行中，受直接冲击影响较大的银行，即FL/E＞50%的银行，其银行间总资产占比较小，而房地产贷款占比较大。相反，受直接冲击影响较小的银行，即FL/E＜50%的银行，其房地产贷款占比较小，而银行间总资产占比较高。这类银行自身抵御房地产贷款违约损失的能力较强，但却容易受到银行间风险传染的影响。

      

      （3）小银行的破产主要源自银行间的风险传染。图8为破产的43家银行中，总资产前十位的银行与总资产后十位银行的银行间总资产与所有者权益之比以及房地产贷款与所有者权益之比。可以看出，大银行的房地产贷款与所有者权益之比明显高于小银行的房地产贷款与所有者权益之比。这说明同样程度的房地产贷款损失对大银行造成的冲击要大于其对小银行的冲击。因而，与大银行相比，小银行的破产主要源自银行间的风险传染这一间接冲击，而非房地产贷款的直接冲击。

      

      房地产业与银行业以及银行与银行之间存在密切的信用关系，这使得房地产贷款的信用风险具有很强的传染性。一旦房地产贷款因负向冲击而发生大规模违约，部分银行可能会破产，风险进而通过银行间市场的信用链条传染至整个银行体系。然而，由于银行间风险敞口传染渠道容易被忽视，加之一些传统研究工具的局限性，已有研究在探讨房地产贷款违约风险对银行业系统风险影响时，主要关注银行个体层面上的抗风险能力，忽视了银行间资产负债关联。

      本文利用NetLogo 4.1仿真软件构建完全连接和中心—边缘结构的银行间市场网络，将房地产贷款这一共同风险敞口引致的直接冲击和银行间风险敞口引致的风险传染这一间接冲击纳入一个框架下讨论，研究房地产贷款违约损失引发的银行系统风险传染扩散的动态过程以及破产银行的资产负债结构特征，并得到以下重要结论：

      其一，尽管我国银行体系中单个银行抵御房地产贷款违约风险的能力较强，但若考虑银行之间风险敞口引致的风险传染，整个银行体系将发生大规模的银行破产。当房地产贷款违约损失率为38%～41%时，只有3家银行破产。由于银行间风险敞口的存在，这3家破产银行可进一步引发40家银行破产。其中，有10家银行的破产主要来自间接的风险传染。可见，银行间风险敞口会放大共同风险敞口对银行系统风险的影响。

      其二，网络结构对于房地产贷款违约损失引发的银行系统风险的扩散有着重要影响。相比于完全连接网络，中心—边缘网络更易发生大规模风险传染，且发生时间较早。

      其三，对于破产银行的资产负债表结构的分析表明，房地产贷款占所有者权益之比和银行间总资产占所有者权益之比较高是银行破产的主要因素。其中，银行间总资产与所有者权益占比相对较高的银行，其房地产贷款占比相对较小。此外，与大银行相比，小银行更容易受到风险传染的影响。

      本文的研究试图为利用网络方法探讨房地产贷款违约风险在银行系统内传染扩散的动态过程提供统一的研究框架，其研究结果对金融监管也具有重要的启示意义。监管当局在加强银行业对高风险行业放贷监管的同时，也应加强对银行间风险敞口的评估。本文的研究还表明，我国银行体系的TCTF风险不容忽视，非大型银行的破产也会引发大规模风险传染。因而，当危机发生时，监管当局除考虑救助大型银行外，还应考虑救助处于银行网络结构中重要位置的银行。

      ①资料来源：http://news.xinhuanet.com/fortune/2011-10/20/c_122177485.htm。

      ②数据来源于中国银行业监督管理委员会网站http://www.cbrc.gov.cn。

      ③《2011年金融机构贷款投向统计报告》显示，2011年全国人民币房地产贷款余额10.73万亿元。

标签：银行论文;  系统风险论文;  银行间市场论文;  风险敞口论文;  银行风险论文;  房地产金融论文;  银行系统论文;  网络贷款论文;  违约概率论文;  房地产业论文;