经济不确定性、影子银行与系统性风险：基于银行间网络结构分析的视角

《The North American Journal of Economics and Finance》：Economic uncertainty, shadow banking, and systemic risk: A perspective of interbank network structure analysis

系统性风险与银行间网络结构动态演变研究。基于经济不确定性与影子银行交互作用，构建多拓扑动态网络模型，揭示不同网络结构（随机/小世界/无标度）在不确定环境下的风险传导差异：核心枢纽网络在显著不确定性下稳定性最优，而随机网络风险更易扩散。研究发现不确定性显著加剧影子银行系统性风险，同时削弱银行流动性及生存概率，需强化央行干预。研究提出网络拓扑差异导致风险传导异质性，为监管提供结构化防控策略。

　　

潘宏杰|王兆杰|张贺杰|丁书生

宁波大学商学院，中国宁波315211

摘要

“特朗普2.0”时代的到来预计将引发新一轮的全球经济不确定性，对影子银行业务产生深远影响，并增加系统性风险。基于这些担忧，我们研究了在不同银行间网络结构中系统性风险的动态演变，以探讨经济不确定性与影子银行业务如何相互作用并累积风险。研究结果表明，经济不确定性的增加显著放大了影子银行业务带来的系统性风险，而影子银行业务又提高了银行系统对经济波动的敏感性。在较低至中等程度的经济不确定性下，均匀连接的网络表现出更强的风险抵御能力。然而，在高度不确定的经济环境中，以核心节点为特征的网络结构显示出更优越的稳定性。此外，经济不确定性的上升削弱了影子银行业务对银行流动性、盈利能力和投资机会的积极影响，显著降低了银行的生存率，并增加了中央银行干预的必要性。资产损失压力测试进一步表明，经济不确定性的增加严重削弱了银行间网络的抵御能力，极端冲击可能导致系统功能失调甚至崩溃。

引言

近年来，频繁发生的颠覆性事件——包括全球金融危机、中美贸易紧张局势、COVID-19大流行以及地区冲突——导致宏观经济不确定性急剧上升。2024年美国总统选举的意外结果进一步加剧了全球不确定性，其影响尤其在新兴市场通过金融、贸易和资本流动渠道表现得尤为明显（Cheng等人，2021年）。在银行业中，不确定性与监管限制（如救助计划、资本要求、准入限制）相互作用，改变风险承担行为，并可能加速金融风险的传播，从而增加系统脆弱性（Ge等人，2023年）。

现有研究表明，金融市场中的经济不确定性会抑制投资、改变创新反应、限制并购活动、减少风险投资，并扩大信用利差（Bloom，2007年；Gulen和Ion，2016年；Kaviani等人，2020年；Nguyen和Phan，2017年；Tian等人，2023年）。对于银行业而言，经济不确定性影响决策、风险厌恶程度、违约概率、杠杆率和盈利能力（Duan等人，2022年；Jurado等人，2015年；Pindyck，1988年；Valencia，2017年；Wu等人，2020年），这意味着可能存在潜在的系统性风险。然而，在经济不确定性下银行系统的脆弱性——尤其是当高风险行为如影子银行业务加剧时——尚未得到充分描述。

为了避免歧义，我们在本研究中以简洁、操作性的方式解释了三个核心概念。所谓影子银行业务，是指那些不在传统监管安全网范围内进行信用中介活动的企业，它们没有常规的最终贷款人支持机制，但执行期限转换、创造流动性和提供杠杆（Adrian和Ashcraft，2012年；Gorton和Metrick，2012年；McCulley，2009年）。在我们的研究设置中，这些活动主要通过银行间市场和融资联系与商业银行互动；在经济不确定性上升时，影子实体承担了更多的短期融资，其投资回收概率和回报反映了它们的风险-回报特征。所谓系统性风险，是指由于冲击通过相互联系、共同风险敞口、杠杆率和流动性螺旋效应的累积和传播而导致的整个系统功能失调的风险；在操作上，我们跟踪了一个基于违约的标准化指数，并结合流动性、盈利能力、投资机会、生存率和中央银行支持来进行分析。所谓经济不确定性，是指由政策、市场和其他外部冲击驱动的宏观经济条件的不可预测性（Baker等人，2016年）；根据Bloom（2014年）和Jurado等人（2015年）的研究，我们将其分为三个经济周期阶段——低（EUS^M）、中等（EUS^I）和高（EUS^S）。基于这些定义，经济不确定性通过三个渠道影响银行：降低预期回报和回收概率（R↓）、提高短期融资波动性（δD↑）以及减少投资机会（θ↓）。不受储备金限制的影子银行业务更依赖短期融资、杠杆率和期限转换，这些因素与不透明度一起放大了周期性波动。这些压力通过银行间信用联系和共同风险敞口传递给商业银行，并在网络拓扑（随机、小世界、无尺度）中传播，从而影响系统结果（违约、流动性、盈利能力、银行生存率和中央银行救助）。

经济不确定性促使银行转向风险更高、回报更高的影子银行业务（Dell?Ariccia等人，2014年；Rajan，2006年），这种转变与系统脆弱性的增加有关（DeYoung和Roland，2001年；Lepetit等人，2008年；Meslier等人，2014年）。影子银行业务可以通过创新和规模效应提高中介效率，但其高杠杆率、不透明性、监管套利和期限错配在不确定性下会放大风险并引入系统性脆弱性（Acharya等人，2013年；Adrian和Ashcraft，2012年；Claessens等人，2013年；Pozsar等人，2010年；Rottner，2023年）。虽然更严格的抵押要求可能减少违约并降低系统性风险（Gorton等人，2010年），但“从众行为”和“追逐收益”的行为可能会削弱这些好处（Wu等人，2021年）。这些风险主要通过与商业银行的紧密联系传递给银行，银行间连接成为关键传染渠道，加剧了脆弱性（Ahelegbey等人，2021年；Biswas和Zhai，2021年；Tonzer，2015年）。网络结构对经济不确定性如何影响银行行为和系统性风险至关重要（Drechsler等人，2017年；Keeley，1990年）：密集或结构不同的网络改变了传播路径和速度（Acemoglu等人，2015年；Allen和Gale，2000年；Haldane和May，2011年）。因此，在经济不确定性下，不同的银行间网络拓扑可能会产生不同的影子银行业务系统性风险效应——这种关系尚未得到充分理解。

我们通过使用动态复杂的银行间网络系统来研究经济不确定性和影子银行业务对系统性风险的联合影响，从而填补了这一研究空白。我们明确利用了异质的银行间结构（随机、无尺度和小世界）。据我们所知，这是首次定量研究经济不确定性如何通过不同的传染渠道影响影子银行业务风险传递。遵循Bloom（2014年）和Jurado等人（2015年）的方法，我们通过三个经济周期阶段来量化不确定性。然后，我们构建了一个包含传统商业银行、影子银行和中央银行的复杂动态网络系统，捕捉了在不确定性下风险传染的静态联系和演变过程。利用系统性风险指标和银行稳定性指标，我们进一步评估了不确定性对不同网络结构的影响，并进行了压力测试以模拟突然的不确定性冲击，从而加深了对经济不确定性和影子银行业务共同作用下系统性风险的理解。

我们的贡献有三个方面。首先，我们整合了外部（经济不确定性）和内部（影子银行业务）的系统性风险驱动因素，扩展了仅考虑外部维度的研究（如Fang等人，2023年；Duan等人，2022年）。其次，我们比较了不同银行间传播结构对风险传播的不同影响，提供了以往研究中常缺失的结构性对比。第三，我们采用动态复杂网络方法，考虑了多种银行间拓扑结构，改进了传播路径的识别，并为系统性风险量化提供了更全面和精确的框架，对金融机构风险管理具有实际意义。同时，我们的发现也具有政策相关性。监管机构认识到经济不确定性和影子银行业务对系统性风险的重要性，但关于不同传染渠道如何在不确定性下改变影子银行业务风险的指导仍然有限。我们展示了系统性风险如何随着银行间网络架构的不同而显著变化，为设计有针对性的预防和控制策略提供了可操作的见解。

本文的其余部分安排如下：第2节进行文献回顾，第3节阐述研究方法，第4节介绍基准参数和结果，第5节总结。

部分摘录

经济不确定性与系统性风险

自大衰退以来，经济不确定性对企业活动的影响一直是一个关键的研究课题（Ge等人，2023年）。大量研究表明，经济不确定性——源于政策变化、宏观经济波动和外部冲击——会抑制投资和融资，扩大风险溢价，并增加市场脆弱性（Chung和Chuwonganant，2014年；Fasani等人，2023年；Husted等人，2020年；Kaviani等人，2020年；Kurov和Stan，2018年；Luo等人，2022年）。在银行业中，

方法论

图1展示了考虑经济不确定性冲击（EUS）、影子银行业务和银行间网络影响的银行系统结构。该模型包括五个关键组成部分：经济不确定性冲击、动态银行间网络系统、考虑影子银行业务的银行运营、中央银行职能以及动态系统性风险评估。

参数配置

我们研究中构建的包含影子银行业务的银行间网络随时间动态演变（t）。随着时间的推移（t），银行间网络连接以及银行的资产和负债指标会根据系统整体流动性的波动而动态调整。我们研究中银行系统的最大时间步长设置为T=500，因为这个持续时间足以捕捉银行间网络的动态特征，并使整个系统稳定下来。

结论

在本文中，我们构建了复杂的银行间网络结构，以识别由经济不确定性和影子银行业务驱动的银行系统性风险动态。经济不确定性与影子银行业务之间存在显著关联。经济不确定性的增加显著放大了影子银行业务带来的系统性风险，而影子银行业务又提高了银行系统对经济不确定性的敏感性。银行间网络的结构也起着重要作用

CRediT作者贡献声明

潘宏杰：撰写——初稿，正式分析，数据整理。王兆杰：验证，软件开发。张贺杰：监督，方法论指导。丁书生：撰写——审阅与编辑，调查，概念化。

资助

本工作得到了中国浙江省哲学和社会科学项目（项目编号24NDQN030YB）、浙江省省级高校基本科研经费（项目编号SJWZ2025013）以及宁波市自然科学基金支持的项目（项目编号2024J126）的资助。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文的研究结果。

致谢

我们感谢匿名审稿人对本手稿的评论。