银行网络结构与银行风险研究——基于多变量GARCH构建的相关性网络

发布时间：2020-06-04 04:20

【摘要】：本文通过对2008年~2015年A股上市银行进行分析,利用多变量GARCH方法构造了银行间偏自相关连接网络。实证结果表明,2008年以来中国银行间整体网络连接密度与强度都有所增加,以五大国有银行为核心的结构更加紧密。进一步分析发现,银行网络中以"接近中心性"与"中间中心性"表示的结构特点与不良率有负相关关系。这说明目前丰富中国银行间网络对分散风险具有一定作用。
【图文】：

网络结构图,上市银行,制图软件

37图1中国上市银行网络结构图(制图软件为Gephi)基于以上网络数据计算了网络的中心性特征指数，分别有度、加权度、接近中心性、中间中心性、特征向量中心性五个指标。这里度和加权度表示网络中直接连接的数量，一个机构与其他很多机构有直接联系，表示其处在中心地位。而接近中心性(closenesscentrality)表示与所有其他节点最短距离之合的倒数。该指标的思想是一个机构能够很容易与所有其他机构进行互动，那么它就是中心的。中间中心性(betweencentrality)则表示某机构位于任意其他两个机构相互沟通的最短路径之上的比例，思想为占据更多节点交互路径上的机构为重要参与者。而特征向量中心性(eigenvectorcentrality)表示某机构直接连接的其他机构中心性高，则其自己中心性也高的指标，可以用网络矩阵的特征值计算得出。这里我们同样只汇报了2008年和2015年两年的平均结果，如表1所示。从趋势上可以看出，2008年到2015年间，中国上市银行的网络连接有较大强化，中心性特征都有所提高。而五大行作为系统性重要银行占据了网络中更重要的位置，并且近些年得到进一步的加强。表1中国上市银行网络连接中心性特征统计总平均值五大行平均值年份度加权度接近中心性中间中心性特征向量中心性度加权度接近中心性中间中心性特征向量中心性20083.861.451.704.640.635.502.501.636.890.9020155.252.281.826.130.627.594.291.708.430.91(二)实证分析网络特征与风险的关系我们利用上节计算所得的年度网络中心性指标，分析其与银行经营风险的关系。被解释变量为银行不良贷款率(NPL)，解释变量分别为网络的加权度(Wd)、接近中心性(Cc)、中间中心性(Bc)以及特征向量中心性(Ec)，模型中统一用C表示。控制变量有贷款?

网络结构图,上市银行,制图软件

【相似文献】