我国信贷关系网络宏观拓扑特征及系统性信贷风险鉴别，本文主要内容关键词为：拓扑论文,信贷论文,特征论文,关系论文,我国论文，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。
2008年，单个银行的违约事件经金融机构的借贷网络被不断放大，使违约损失迅速蔓延到整个金融市场，给宏观经济带来巨大冲击。事后分析认为，缺乏对宏观金融网络结构的了解，是监管层低估系统性风险破坏力的重要因素(Brunnermeier，2009)。2011年以来，世界金融稳定理事会(FSB)会同巴塞尔委员会(BCBS)先后共同发布了《全球系统重要性银行的评估方法和附加损失吸收能力要求》、《强化系统重要性金融机构监管强度和有效性》等一系列重要文件，从风险防范和风险处置等方面制定了针对系统性风险的措施。从我国情况看，2011年11月国际货币基金组织和世界银行公布的《中国金融体系稳定评估报告》和《中国金融部门评估报告》认为，中国金融总体稳健，但金融脆弱性逐渐累积。金融全球化和广泛使用复杂衍生工具，使跨市场的关联关系愈加紧密，关联关系更趋复杂。单一机构的金融风险，可能最终演变成系统性风险。剖析我国信贷关系网络的结构特征，鉴别出关联系统重要性节点，识别积聚潜在风险的实体，有针对性地采取措施，对有效降低金融系统性风险，具有重要的理论意义和现实价值。 近年来，复杂网络理论在金融领域得到广泛运用。它将经济系统中的行为主体看作节点，将行为主体间相互关系看作节点间连结，建构出规模庞大、具有特定拓扑结构的复杂系统，成为研究经济、金融网络及其动态演化过程的重要工具(Battiston等，2012)，从中观层面把金融领域关注的微观和宏观视角有机地结合起来。从目前研究动态看，大致可分为两大类：(1)应用复杂网络技术，着重分析金融、信贷网络的拓扑特征(Iori等，2008；Cajueiro和Tabak，2008；Boss等，2004)。鉴于数据的可获得性，该领域的研究大多是对银行间市场风险暴露数据的建模分析，并证实金融网络具有典型的复杂网络特征。然而，这类研究还停留在统计特征的描述阶段，很少关注网络拓扑特征间的关联与拓扑特征对网络功能的影响。(2)采用复杂网络技术或者理论推导，探讨金融风险的传染路径，应用数值模拟技术识别系统重要性金融实体(Upper，2011；Hasman和Samartin，2008；万阳松等，2007)。上述研究大多假设金融网络属于规则网络或随机网络等，但随着研究的深入，人们发现实际的金融网络还具有典型的无标度、层级等复杂网络结构特征，显然忽略这些特征会影响结论的外部效度和实用价值。此外，这些研究大多关注到了个体层面的拓扑特征。但从金融风险监管层面看，则是注重了解宏观层面信贷网络拓扑特征对系统稳健性的影响。 鉴于上述分析，本文以金融机构与企业间信贷数据为研究样本，应用复杂网络技术系统地研究“金融机构—企业”信贷关系网络的拓扑特征，重点探讨了下述问题：信贷关系网络的拓扑特征是什么？这些特征对信贷网络稳健性有什么影响？基于信贷关系网络，如何鉴别系统重要性实体，优化监管资源配置？本文主要贡献：(1)研究得出我国信贷关系网络的宏观拓扑特征，丰富了信贷网络宏观特征与风险传导研究的相关理论。(2)基于最小生成树的分析，发现我国信贷网络具有典型的层级模块化特征，分析了影响金融网络稳健性的系统重要性节点或潜在风险积聚点模式，并提出提升层级模块化水平的建议。(3)理论模型与实际的信贷风险积累特点相结合，构建了一种新的系统重要性节点鉴别指标——信贷风险指数。实证应用发现，信贷风险的积聚节点的分布具有非均衡性，由此提出风险监管差异化、合理配置监管资源的思路。 二、研究设计 (一)研究数据来源 本文样本为沪深A股上市公司2012年度的信贷数据，重点关注上市企业与金融机构之间的借贷信息：包括贷款金融机构名称、贷款金额、币种等。为保证研究的效度和信度，本文对原始数据进行了预处理：(1)剔除无信贷记录的企业；(2)剔除无明确债权人信息的企业；(3)剔除金融类企业；(4)规范金融机构命名。经整理得到261家金融机构，734家上市公司，2876笔贷款记录。借鉴银监会对银行的分类标准，将金融机构分为国有大型商业银行、政策性银行、邮政储蓄银行、全国性股份制商业银行、城市商业银行和城市信用社、农村合作银行和农村信用社、外资银行、信托和财务公司，得到金融机构Herfindhal集中度为0.0463。其中，信托和财务公司的数量最多，共84家，占金融机构总数的32.18%。国有大型商业银行、全国性股份制商业银行的贷款额度最高，两类20家共贷款2924亿元，占总额的65.99%。依据证监会颁发的《上市公司行业分类指引(2012年修订)》对样本企业进行了行业分类，得到企业Herfindhal集中度为0.0062。其中，贷款记录和金额最高的均为房地产开发与经营业(70家、8030868万元)，占样本总数9.54%的企业贡献了18.12%的贷款金额，各地依重房地产拉动经济的模式依然存在。 (二)金融机构—企业网络、映射子网络的构建 本文采用复杂网络技术，描述金融机构与企业之间的信贷关系。该网络中，节点代表了金融机构、企业，节点间的连接模拟了两者间的信贷往来。与其他网络不同，本文构建的金融机构—企业信贷网络，由两类完全不同的节点构成，且同类节点间不存在连接。这种类型的网络被称为“偶图(Bipartite Graph)”，是图论中的一种特殊模型。根据偶图的性质，我们可以从中衍生出两个子网络，每个均由某一类节点组成。这类子网络被称为“映射子网络”，通过一定的规则，将偶图中某一类节点的关系集合映射到子网络上。 为进行实证分析，构建金融机构—企业网络的邻接矩阵和加权连接矩阵。其中，行代表261家金融机构，列代表734家贷款企业。首先，定义邻接矩阵的第i行第j列元素
表示第i家金融机构与第j家贷款企业之间的信贷关系：
其次，定义加权连接矩阵的第i行第j列元素
表示第i家金融机构与第j家贷款企业之间的信贷额度：
第三，基于金融机构—企业网络的邻接矩阵、加权连接矩阵和偶图的性质，分别构建金融机构—金融机构网络和企业—企业网络的对应矩阵。对于金融机构—金融机构网络，定义邻接矩阵、加权连接矩阵的第i行第j列元素
、
(i≠j；i，j=1，2，…，261)表示第i家与第j家金融机构之间、基于信贷网络的依存关系：
=1，金融机构i、j的贷款企业中至少有一家相同，否则为0；
＞0，金融机构i、j的贷款企业中拥有
家相同的企业；否则为0。类似的，还可以构建企业—企业网络的对应矩阵。 综上，得到两大类矩阵：(1)描述金融机构与企业间信贷关系的邻接矩阵和加权连接矩阵；(2)仅包含一类节点的、描述金融机构间或者企业间基于信贷网络映射而得到的邻接矩阵和加权连接矩阵。这些矩阵及其描述的实体间关联关系，是本文实证分析的基础。 三、信贷关系网络的宏观拓扑特征分析 (一)节点度、边权分布及其相关性 复杂网络理论认为，网络中节点的度数和边权体现了网络个体层面的异质性，蕴含着有关系统实体间相互作用机制的信息(Almaas等，2004)。金融机构—企业网络中，金融机构节点的度数表示该机构与几个企业建立信贷关系，企业节点的度数表示企业向几家金融机构借贷，而边权表示机构与企业间的借贷额度。对任意金融机构
(i=1，2，…，261)、企业
(l=1，2，…，734)，首先定义其度数、边权为：
2012年度中，金融机构的平均度(
)为7.75，平均边权(
)为169835.26万元；企业平均度(
)为2.75，平均边权(
)为60391.01万元。从图1、图2中可以看出，两类节点的度、边权分布呈现出严重的偏态，极少数金融机构、企业落在分布的右段，其余大部分只与个别节点建立连接，预示金融机构、企业的度、边权分布均服从幂率分布。我们通过Kolmogorov-Smirnov检验证实了上述假设：两类节点的度、边权分布，均在1%的置信水平下服从幂率分布。同时，应用半参数检验发现(Clauset等，2009)，金融机构、企业度分布参数分别为2.207(0.582)和3.134(0.856)，边权分布参数分别为2.625(0.493)和3.337(0.921)，①表明我国信贷关系网络具有典型的无标度网络特性。相比而言，金融机构的度、边权分布参数更低，说明信贷关系网络中，金融机构间信贷关系差异更显著。
图1 金融机构度(左)、边权(右)分布
图2 企业度(左)、边权(右)分布 其次，以边权为因变量，度数为自变量，分别对金融机构、企业建立双对数回归方程，分析节点度、边权之间的相关性。②实证结果显示，两类节点度与边权间均存在显著正相关关系。在金融机构方面，度数每增加一个单位，其边权将增加1.227个单位，关联强度高于企业(见表1)。这是因为金融机构分散信贷风险的需求比企业更高，为保证贷款安全，金融机构倾向将大量的贷款分散在不同的企业中。在企业方面，度数每增加一个单位，其边权将增加1.099个单位，表明企业的贷款需求与其寻求的金融机构数量之间，存在着弱正相关关系。当企业需要大额度资金时，往往向多家金融机构提出需求；同时，企业与多家银行签署信贷协议，并不一定是为了寻求大额资金，而是通过信贷协议与金融机构建立关系，优化融资环境。 (二)边权分布的离散程度 在本文的研究情境中，边权分布度量了实体信贷关系的异质性程度：金融机构为了规避风险，倾向于向多家企业贷款；企业为了获得更有利的融资条件，倾向于向多家金融机构借贷。我们引入“集聚比例”度量企业与其债权人、金融机构与债务人信贷关系的异质性程度。具体定义为：
式中，
为第f家企业与第b家金融机构之间的信贷总额。
和
分别代表第b家金融机构、第f家企业的边权。对金融机构来说，集聚比例高表明信贷集中于少数客户，没能分散信贷风险，对单个债务人引发的信贷违约冲击承受力较差；对企业来说，局限于个别金融机构，贷款条件没有达到最优化。 在图3中，对角线代表风险完全分散的情形。金融机构和企业的加权平均集聚比例分别为0.715和0.696，均与度数负相关
。整体上，金融机构信贷风险分散程度要弱于企业。这是由于一些历史性、政策性原因，导致许多金融机构的信贷风险、不良资产余额多年在高位徘徊(廖国民、周文贵，2005)。从金融机构的类型(见表2)来看，国有大型商业银行的集聚比例最低，农村合作银行和农村信用社的集聚比例最高。从信贷关系数量分析，平均每家农村金融机构仅与1.5家企业建立信贷关系，显著低于国有大型商业银行的126.8家(t=-12.19，p＜0.01)和全国性股份制商业银行的48.7家(t=-4.4546，p＜0.01)，多数农村金融机构的集聚比例接近1，意味着信贷资产健康完全依赖于个别客户的偿付能力。 综合而言，我国农村金融机构的风险分散能力尚存不足，遭受债务人违约带来的信贷风险较大，发生破产等极端事件的概率高于其他类型的金融机构。③企业方面，排名前5位行业的集聚比例均为1，其中房地产管理业、房地产中介服务业、航空运输业、旅馆业、其他公共设施服务业和租赁服务业的企业仅与一家金融机构建立了信贷关系(见表3)。 (三)网络节点间连接模式和“核—边缘”模式 复杂网络的另一个重要的宏观拓扑特征是节点间连接模式，主要通过分析网络的匹配性、“富者俱乐部”特征来反映。根据网络匹配性定义(Newman，2003)，如果总体上高度数节点倾向于连接度数大的节点，则称网络是同配的；反之，则称网络是异配的。通过研究映射子网络的匹配性，就可以更深入地理解信贷关系网络参与者间的竞合关系。从宏观拓扑的角度，我们定义网络的度匹配系数为：
图3 金融机构(左)、企业(右)信贷关系的集聚比例
作为匹配性度量的补充，还需要考察信贷网络中的高度数节点间的连通性。已有的研究表明，高度数节点(富节点)之间的连接数量较多，容易产生高密度子图(Opsahl等，2008)。为检验该拓扑性质的存在性，这里引入“富者俱乐部系数(
)”：
实证结果显示，机构—机构网络的度匹配系数为-0.3847，企业—企业网络的度匹配系数为-0.1664，表明映射子网络呈现出显著的异配性特征：大型金融机构与小型金融机构出现在同一家企业的信贷债务组合中。与此同时，机构—机构、企业—企业网络的
数值在各度数上均显著大于1(参见图4)，说明信贷关系网络还具有“富者俱乐部”特征：同一家企业的信贷债务组合中的大型金融机构，主要集中在少数几家。在同一信贷关系网络中，同时存在异配性和“富者俱乐部”特征，这在复杂网络实证研究中尚属首次发现。
图4 机构—机构(上)、企业—企业(下)网络的富者俱乐部系数以及对应数值 出现这种状况，一方面反映了我国金融市场在多业务领域存在同质化竞争；另一方面反映了大型国有金融机构(企业)与小型金融机构(企业)在当地金融市场存在信贷资源的竞争。从金融机构看，随着金融业的发展，原先在农业、外汇、基建和商业领域的四大专业国有银行，业务范围逐步扩大，加之股份制商业银行和城市商业银行的崛起，各大金融机构在全国各地布局网点，客户分布于全国各行业。少数几家大型金融机构及其在各地分支机构会向众多企业提供信贷资金。小型金融机构由于资源有限，业务受到了政策、地域性限制，客户局限于单一区域或单一企业。因此，既有大型国有银行与当地小型金融机构向同一客户的贷款(异配性)，也有几家大型国有金融机构对同一客户的竞争(富者俱乐部)。而大多数小型金融机构与其他区域类似机构不构成竞争关系。从企业看，在一家企业的信贷债务组合中，不仅包括了大型金融机构在当地分支机构提供的资金，而且还能获得来自地方性小型金融机构的支持，出现了贷款来源组合的异配性。而提供贷款的大型金融机构，集中在少数几家，呈现出“富者俱乐部”特征。 根据复杂网络理论，“富者俱乐部”特征与异配性特征的共存，预示信贷关系网络可能出现“核—边缘”格局(参见图5)：在信贷关系网络中，位于网络中心位置的是诸如国有大型商业银行、全国性股份制商业银行等大型金融机构，以及多元化经营的大型企业或者制造业企业；位于网络边缘位置的是小型金融机构，以及众多行业内经营范围较窄的小型企业。信贷关系网络的“核—边缘”格局反映出我国信贷资源分布严重失衡：大型金融机构、企业主导了信贷资源流向，容易获得优质资源和政策支持，竞争优势明显；小型金融机构、小型企业由于受政策、地理等因素限制，被信贷主体市场边缘化，在信贷关系中处于弱势地位。
图5 金融机构—企业的信贷关系网络及其“核—边缘”格局 注：图中节点大小正比于金融机构、企业总贷款金额(单位：万)，节点间连线宽度正比于两者之间的贷款次数；右图为金融机构—企业信贷关系网络的中心部分示意图。 (四)信贷关系网络的层级模式 节点度、边权分布的性质、节点间连接模式是形成信贷关系网络“核—边缘”格局的主要因素。对控制信贷风险来说，监管机构需重点关注位于中心位置的参与者。然而，由于参与者之间的差异，重要程度也不尽相同。我们采用最小生成树(Minimal Spanning Tree，MST)(Leiserson等，2001)算法挖掘信用关系网络的层级模式，识别核心机构、企业及其层级属性。 考察由261家金融机构构建的机构—机构网络，边权矩阵给出了节点间的连接强度。我们定义第i、j家金融机构间距离为：
其中，
是经过标准化处理的边权矩阵元素。MST由以下算法得出：(1)计算任意两家机构间距离
，并按升序排列；(2)识别拥有最短距离min(
)的两家机构，绘制一条连接；(3)识别拥有第二最短距离
的两家机构，绘制一条连接；(4)重复上述步骤直到产生了回路，并在此距离
下停止，最终输出机构—机构网络的MST模式。对于企业—企业网络及其边权矩阵，我们也采用类似方法挖掘层级模式。 从图6、图7可以看出，我国机构—机构、企业—企业信贷网络存在三个清晰的层级，具有典型的层级模块化(Hierarchical Modularity)特征。在金融机构方面，中国交通银行位于右边簇集的顶端，是机构—机构网络中最重要的节点；下一层级中，以上海浦东发展银行为中心，又产生了一个子群体。左边的簇集中，上杭农村商业银行位于层级顶端；下一层级中，又分别出现了由中国农业银行、中国工商银行、中国银行和国家开发银行为中心的子群。在企业方面，紫金矿业位于左边簇集的顶端，是企业—企业网络中最重要的节点；下一层级中，以人福医药、中国宝安、三木集团、*ST海龙、江西长运和上海梅林为顶点，产生了多个子群。右边簇集中，键桥通讯成为最重要的节点。各个簇集、子群的中心位置均被大型金融机构、企业占据，其他小型金融机构、企业位于层级的中下方，竞争优势较弱。从风险管控视角看，位于各层级、簇集、子群顶点的机构或企业是重点关注对象。当信贷系统受到外生风险冲击时，这些节点将首先暴露在风险之中。如果这些参与者发生债务违约、破产保护，风险将在整个系统中迅速扩散，导致信贷关系网络崩溃。因此，对于监管机构来说，为避免信贷网络产生大规模系统性风险，关键要把控好信贷网络中的重点免疫节点及其抗风险能力，把控好作为缓冲的资本准备金拨备规模，减缓或消除系统性风险的传染。
图6 机构—机构信贷关系网络的最小生成树
图7 企业—企业信贷关系网络的最小生成树 四、信贷关系网络中系统重要性节点的鉴别 (一)信贷风险指数的构建 通过信贷关系网络宏观拓扑特征的分析，探讨了信贷网络实体间的作用强度，以鉴别信贷风险积聚的潜在实体。在此基础上，本文引入一种回馈式中心性度量(Feedback Centrality)——信贷风险指数(Credit Risk Rank，CRR)。该指数基于数值模拟，度量了当实体i(金融机构或企业)发生信贷违约后，网络中其他实体受到的潜在影响。指数值越大，则该实体对网络整体稳定性的重要程度越高，是风险管控的核心节点。 首先，定义信贷关系网络中金融机构、企业面临的风险分别为
，两者的取值范围为从0到1，即风险最小化(信贷资产完全健康)到风险最大化(破产)。其次，假设在第t期，有且仅有第i家金融机构发生破产，即
，其余金融机构和企业均保持“健康”。那么，根据回馈式中心度指数的循环算法，第t+1期各实体的风险水平为：
最后，定义第i家金融机构的“信贷风险指数”为
之和。经上述数值模拟过程，分别计算得到261家金融机构、734家企业的信贷风险指数。表4给出了信贷网络实体中，信贷风险指数前10位的排名。从中发现，信贷风险指数较高的金融机构大多为国有大型商业银行、股份制商业银行，这从一定程度上反映了这些金融机构在我国金融系统稳健性方面具有举足轻重的作用。从企业方面看，制造业领域的信贷风险指数处于高位，表明在现阶段制造业依然是我国国民经济中的支柱产业。整体上，金融机构、企业信贷风险指数分布的偏度为3.121和1.044，信贷风险指数分布存在严重的右偏现象。这表明整个信贷系统中，大部分实体对系统稳健性冲击处于较低水平，只有小部分金融机构或企业的违约会给整个信贷系统带来重大冲击。
一直以来，以巴塞尔协议为主的金融风险监管机制，将资本要求作为核心指标。但基于信贷风险指数分析发现，信贷网络中各实体对系统的重要性存在显著差异。因此，仅依据单项指标(例如准备金充足率、资本充足率等)对所有金融机构进行无差别管控，忽略实体间对风险管控重要性影响的差异，增加了监管成本。本文认为，基于各个实体的信贷风险指数，对少数积聚了大量系统性风险(信贷风险指数排序在高位)的实体，需要采取更加严格的监管措施。 (二)信贷风险指数的免疫有效性分析 本部分借鉴传染病扩散理论，通过比较信贷网络在遭受不同类型风险冲击后的稳定性，验证上述策略的有效性。在复杂网络中，网络的稳定性是指删除一些节点或一些边后，网络的连通性问题(Albert等，2000)。即通过删除节点的方法，分析在受到特殊冲击的情况下，信贷网络中的一些实体发生信贷违约并最终破产的程度，探讨信贷网络的稳定性。通常，网络的连通性由网络中最大连通子图规模度量：在初始状态，网络连通可靠性最好，最大连通子图规模最大；随着网络节点受到持续攻击，网络会分散成若干个子集，最大连通子图规模逐渐减小，从而使网络连通可靠性变差。为消除指标间不可比因素，准确反映网络损毁程度，构建该指标值的下降率为：
分别代表攻击前后信贷网络最大连通子图规模。显然，κ值越大说明最大连通子图规模下降幅度越大，网络损毁程度越高。借鉴Crucitti等(2003)的思路，采用选择性攻击和随机性攻击两种删除节点方法，并将前者中节点删除条件细分为：按节点度数或者信贷风险指数从大到小依次攻击。若信贷风险指数的监管措施效果显著，那么信贷网络在受到按信贷风险指数从大到小依次攻击的情境中，网络稳定性的损毁程度最高。
图8 三种攻击对机构—机构网络(左)、企业—企业网络(右)的稳定性影响 实证结果显示，在随机性攻击下两类网络最大连通子图规模的下降速度较慢，而选择性攻击中按信贷风险指数大小依次攻击的情境中，网络损毁程度最为严重(参见图8)。由此得出：我国信贷网络受到随机性攻击，仍具有较高的稳定性；受到选择性攻击，尤其是按信贷风险指数从大到小依次攻击，稳定性较低。这一结论为实施风险管控策略提供了理论支持。本文认为，产生上述结论主要原因是信贷网络的无标度特性：大多数实体具有较少的信贷关联关系，少数实体具有较多信贷关联关系，因此导致了信贷网络对于随机性攻击具有较强的抵御能力，对于选择性攻击防御能力脆弱。在按信贷风险指数从大到小依次攻击的情境中，主攻目标为整个系统中最重要的实体，因此对系统稳定性的冲击最大。 五、主要结论与政策建议 (一)主要结论 本文应用复杂网络技术，构建了我国信贷关系网络及其映射子网络，分析了信贷网络的宏观拓扑空间特征，得到以下结论： 1.我国金融机构—企业信贷关系网络拥有典型的无标度网络特性，节点度、边权表现出显著异质性。首次发现在同一信贷关系网络中，同时具有异配性和“富者俱乐部”特征，信贷关系网络的节点连接模式形成“核—边缘”格局。这表明，我国信贷资源时空分布存在显著不对称性，信贷资源依然由国有大型金融机构、大型企业所主导。基于最小生成树的分析，还发现了我国信贷网络典型的层级模块化特征。各层级、簇集的顶点是管控信贷风险触发或传导的关键实体。 2.从宏观视角分析，国有大型金融机构信贷结构多元化，集聚度低，单一客户债务风险对其冲击小，若其在网络中所处的层级高，积聚潜在风险，对整个网络信贷稳健性冲击的动能很大。然而，中小金融机构或农村金融机构，客户结构单一，集聚度高，本身信贷安全稳定性弱；但所处信贷网络层级低，对网络系统风险传导较弱。 3.基于信贷关联关系矩阵，建立了系统重要性节点的鉴别指标——信贷风险指数。通过数值模拟发现，在我国信贷网络系统中，大部分实体对系统稳健性的冲击处于较低水平，只有小部分金融机构或企业的违约会给整个信贷系统带来重大冲击。借鉴传染病理论中的免疫策略，验证了信贷风险指数监控系统风险的效果，可在常态化管理中，鉴别出少数积聚大量系统性风险(信贷风险指数排序高位)的实体。 (二)政策建议 1.在宏观审慎监管中，重点关注信贷关系网络的关键层面与关键节点；关注具有重要影响力即信贷风险指数较大的实体；关注与这些实体相关的交叉风险传导和过度风险积累。基于这一理念，建议采取两种监管策略：一是最低资本要求策略。根据实体信贷风险指数大小，要求排序在前机构、企业的资本准备金必须高于其信贷敞口临界比例：
式中，
为第t-1期实体i、j间建立的信贷关联关系权重。上述两种监管策略分别从信贷关系网络的节点和边权入手，充分考虑了异质性对金融风险传染路径和冲击范围的影响。 2.提升网络层级模块化水平，提高银行稳健性标准，将信贷网络分割成相互独立的子网络(层级模块)，可以切断风险传导的链式路径，有助于减缓系统性风险的扩散速度。借鉴美国2014年4月1日正式实施的“沃克尔规则(Volcker Rule)”及英国、欧盟等提出的类似的维克斯报告、利卡宁报告，即实施“栅栏原则”，明确将商业银行业务和其他业务分隔开来，防止高风险业务蔓延到传统业务。将各类风险不同、对金融稳定和实体经济影响不同的各类经济行为，以“隔离线”的方式区分开来，处于不同区域的金融业务将接受不同程度的监管。要降低金融机构的复杂程度，提高透明度，守住不发生系统性和区域性金融风险的底线。 3.把握金融服务实体经济的本质要求，优化信贷资源的市场化配置。一是构建更具竞争力和包容性的金融服务业，加快现代金融企业制度建设；提高金融开放水平，放宽市场准入，支持依法设立的小型金融机构的发展，拓宽竞争性金融供给。二是拟定差异化监管政策，建立小微企业贷款风险补偿机制和银企合作对接平台，激发金融机构服务小微企业的内生动力，缓解小微企业“融资难”问题。三是制定针对农村金融风险特征的差异化监管要求。在风险可控的情况下，降低农村金融机构运营成本。借鉴世界各国普遍的做法，通过政策性金融加大对农村的支持。 作者感谢匿名审稿人的宝贵意见，当然文责自负。 ①借鉴Clauset等(2009)，我们使用最大似然估计法拟合幂率分布，括号中为分布参数的异方差稳健标准误。 ②我们对
进行了Shapiro-Wilk正态性检验后分别得到W统计量为0.6588、0.7404，均在1%的显著性水平下拒绝服从正态分布的原假设。因此，我们拟采用置换回归检验，其中抽样次数为5，000次。 ③本文样本源于上市公司公告数据，可能潜在低估了我国信贷市场的总体规模。但是，非上市公司相关数据中，包含各类型金融机构的数据。换言之，计算集聚比例时，源于数据可得性而产生的偏误在一定程度上被相互抵消。同时，当企业破产后，应用第四部分公式7～11计算各类型金融机构面对的风险水平(
)。实证结果显示，农村合作银行和农村信用社面对的风险水平最高，达到0.1427。综上，我们认为研究结论的稳健性较好。
标签：信贷风险论文; 信贷业务论文; 网络金融论文; 信贷规模论文; 系统性风险论文; 网络节点论文; 矩阵管理论文; 企业贷款论文; 企业特征论文; 网络监管论文; 网络贷款论文; 监管机构论文; 金融机构论文; 复杂网络论文; 信贷论文;
