会计网络：金融机构如何应对系统性风险

大部分信息由链接的权重承载，较少由简单的拓扑结构（度和其他结构特征）承载。社区检测研究网络结构的经典方法是搜索社区，即内部链路密度较大的网络区域。直观地说，这些区域是由级别更高的节点集群形成的，或者对于加权网络，是由强度更大的节点集群形成的。有人提出了几种方法来发现网络社区，而不必预先设定社区的数量，而是让它们从网络本身中涌现出来。在其他方面，我们引用了模块化的优化，这是一种测量链路结构与随机网络的差异程度的方法，在随机网络中，链路被分配有统一的概率，而内部社区不存在（这是函数的一部分）。对于加权网络，模块性由以下公式定义：Qw=2W·Xijwij-sisj2Wδ（ci，cj）（1），其中si=Pjwijand sj=Piwijare分别表示节点i和j的强度（权重之和），W=Pijwijis表示权重和函数的总和，如果（i，j）属于同一社区，则δ（ci，cj）等于1，如果它们是不同社区的成员，则δ（ci，cj）等于0。最大模块化值为1（社区被隔离的理想情况），也可以取负值。0值与对应于整个图形的单个分区一致。负值意味着分离特定集群中的节点没有特别的优势，因此不存在任何社区结构。为了研究社区的存在，通常有必要修剪网络，如果它们的重量低于某个阈值，就切断链接。在我们的例子中，我们打算只考虑由节点构成的链接，它们的财务报表向量具有很大的相似性/权重w。

修剪程序可以通过使用与社区检测方法相关的工具来实现（[21]）。特别是，使用模块化优化函数（[22]）和Louvain技术（[23]），可以查看与阈值相关的重要性（如[24]），其中模块化作为参数引入，以检查最佳解决的社区结构。我们使用此参数帮助找到网络的合理修剪阈值范围。这个过程中的经验法则是避免网络碎片，即保持图形连接，同时删除不重要的链接。我们进行了广泛的测试，使用不同的修剪阈值（即移除权重较低的链接）计算分区的质量/重要性（查看模块化参数），确定权重阈值范围（0.35<wi，j<0.5），这有助于将原始网络修剪到最佳水平。在这段时间内，社区是稳定的，每个地区的解释都可以被视为不同国家银行财务报表相似性的结果。网络测量与经济指标网络测量与经济指标之间的比较用于描述节点的网络拓扑与经济行为之间的相关性。我们每年通过对整个银行集合进行扩展线性相关测试（皮尔逊相关）来研究这些特征，并通过参数测试来验证估计值的重要性。这些估计基于过滤网络，过滤网络本身基于社区检测算法的重要性和质量。该分析显示了节点的网络属性（例如强度或聚类系数）与基本经济指标（例如。

资产回报率、总资产和总负债与总资产之比），从而显示节点的拓扑属性与某些经济特征是正相关还是负相关，以及这些关系在危机期间是如何减弱或加强的。聚类系数是对节点形成完整连接节点的小区域的局部趋势的测量，是对局部聚类系数的平均测量（每个节点中以总三角形为中心的实际数量）。资产收益率（ROA）是总资产的净收入，是衡量银行业绩的指标。总负债与总资产之比是银行杠杆率的一个指标，其计算方法是债务与其规模（以总资产衡量）之间的比率。主成分分析一旦确定了社区，我们试图描述哪些财务报表变量更有可能成为这些集群的特征。为了促进可比性，我们将重点放在用于计算余弦相似性的变量集中更受欢迎的指标上（即在整个数据集中出现频率更高的指标）。事实上，在不同的银行中纳入代表性非常差的衡量标准，会使比较的效果降低，因为可能存在与不同监管框架或地域成员资格相关的偏见。因此，由于我们对区分不同社区的潜在相似性/特殊性感兴趣，因此我们更倾向于在银行财务报表中使用相同且使用良好的银行活动衡量标准。此外，我们还通过比率（例如上限回报率和总债务与总资产之比）和聚合度量（例如总资产）等指标丰富了这一套指标。社区检测确定了四个主要的聚类，其组成成分在时间上更为众多和稳定。

为了简洁起见，结果部分将主要关注这些社区。特别是，每年我们都会通过主成分分析（PCA）来描述哪些经济特征更能（更少）贡献社区成员的可变性。主成分分析（PCA）是一种多元技术，它分析由几个相互关联的变量描述的观察结果。主成分分析从数据中提取重要信息，并将其表示为一组新的正交变量（主成分）。在我们的练习中，由于度量呈现不同的离散范围（例如，通过构造，某些比率是有界的），我们依赖于PCA的比例版本；最后，我们只考虑特征值大于1的主要成分（在几乎所有情况下，它们对应于前3个成分）。然后，我们计算每个原始经济指标的方差所占的比例，这些方差可以用所选的主成分来解释。这反过来又导致了原始经济指标在描述某个社区的可变性方面的排名。特别是，由于我们对金融危机的爆发如何影响银行系统感兴趣，我们将该分析分为三个阶段：2001年至2006年（危机前）、2007年至2009年（危机爆发时）和2010年至2013年（市场崩溃后）。对于每一个时期，我们决定用前三个和后三个指标来描述每个社区的特征，从而分析这些等级是如何随时间和跨社区发展的。结果本节展示了会计网络是如何作为传统金融网络的补充技术来研究银行系统的。而金融网络则反映了市场的观点，例如：。

股票价格、会计网络的成对关联反映了商业决策对不同机构的财务报表衡量和商业模式的影响。对金融系统的“理想”调查还将包括对公司间资金流动的详细分析，从而确定所谓的“相互风险”（一个重要的传染渠道）。不幸的是，这些高粒度和详细的数据通常不可用。然而，财务报表提供了不同到期日和不同类型工具的相互风险敞口和义务的汇总视图。这是有利于会计网络的重要一点，因为它们报告了不同时间尺度和合同条款下发生的现象的汇总信息，而金融网络仅依赖同质（每日或日内）市场数据。社区检测结果在本小节中，我们将重点关注社区检测算法的应用所带来的网络自底向上的集群化，以及当我们将每家银行标记为其国家时出现的地理结构。因此，我们描述了属于不同国家的银行（作为不同监管和/或公平竞争领域的代表）是否显示出成为独立集群或共同集群一部分的趋势，并通过分析社区随时间的演变来验证危机是否影响了这些配置。特别是，我们对会计网络的社区检测分析显示了这些主要结果。它展示了一个代表美国银行和另一个由日本银行组成的清晰社区随着时间的推移的存在，尽管在这两个地区，还有另外一个较小的第二群体在时间上退出。

相比之下，不可能确定一个单一且明确的欧洲共同体，因为属于欧洲国家的银行似乎有可能形成国家或次区域共同体，或被纳入一个庞大且地理上异构的集群（以下简称混合共同体）。此外，亚洲银行在几个次区域分散，尤其是在这些次区域，出现了theArab和印巴集团。因此，对会计网络中社区的检测显示，存在两个同质的集群，分别对应于美国和日本银行，它们受到来自不同国家的更加多样化的银行云的影响；值得注意的是，欧洲银行无法在一个单一的社区中聚集在一起，而随着时间的推移，它也会基于国家边界持续一定程度的分离。因此，本文的一个有趣贡献指出，存在着一个地域上异构的大型社区，这可能与全球建立的监管框架可能确实加速了不同国家的银行活动向更统一的银行实践趋同的趋势有关。如图2所示，我们还观察到金融市场的爆发有助于使混合社区更具凝聚力；此外，尽管仍然代表着不同的社区，但在2007-08年崩溃后，美国和日本集群在拓扑上都更接近混合社区，因此支持将不同区域逐渐聚合为更相似模式的解释。此外，在会计网络上应用社区检测，甚至可以识别小型社区，例如与非洲或斯堪的纳维亚银行有关的社区。

这代表了该方法的一个非常有前途的方面，因为它确保了对本地可靠社区的检测，尽管迄今为止所采取的方法明显是不可知的。解释这些社区出现和演变背后的原因并不简单，但基于全球公认的会计准则（[25]）、超国家监管机构的建立、，以及通过各种基本法规（[17]）实施的银行业务协调流程的作用。这些贡献指向了一个共同的公平竞争领域，这可能促进了一个大型的、地理上异构的社区的出现，以及它对美国和日本集群的日益增加的拓扑接近性。然而，后一种社区突出了地域特性的持久性。在日本，20世纪90年代制定了一个被称为“日本大爆炸”的放松管制程序，将传统的以银行为中心的体系转变为以市场为中心的金融体系，其特点是金融市场更加透明和自由化（[26]）。事实上，日本银行业的特点是过度依赖中间银行贷款，缺乏有效的公司债券市场，非银行金融机构的作用微乎其微，其主要后果是大量不良贷款、流动性过剩、投资稀缺和银行盈利能力低（见[27]）。尽管该计划旨在覆盖1996年至2001年期间，但目标尚未实现，政策制定者为消除市场参与者过去的做法而进行的持续改革，证实了日本监管框架与基于资本市场的金融体系的趋同放缓（[28]）。

因此，逐渐趋向于混合集群的太平绅士群体的存在与日本金融部门改革的证据一致，该改革旨在将其对间接融资的依赖转变为与资本市场相关的直接融资体系。此外，值得注意的是，随着时间的推移，美国社区的存在相当稳定，这似乎在逐渐受到混合集群的影响。与其他地理区域相比，美国的金融体系呈现出独特的特征。其特点是，基于资本市场的中介作用相对更大，“影子银行系统”的重要性更高，以及会计准则的差异（[7]）。非银行金融中介的影响与“发起-分销”贷款模式的使用有关，该模式决定了资产支持证券的直接发行以及政府支持企业（GSE，如房利美和房地美）贷款的转移。金融创新发挥了关键作用，证券化的使用日益增多解释了银行资产负债表上家庭贷款比例较低的原因（[7]）。此外，美国的“影子银行系统”高度依赖金融公司、货币市场基金、对冲基金和投资基金的存在，这影响了过去几十年美国金融部门总资产的增长（[29]、[30]）。一个独特群体的存在可能也是由于会计准则的差异，这主要涉及美国公认会计原则（USGAAP）和国际财务报告准则（IFRS）之间衍生品头寸的处理。特别是，美国公认会计准则允许在单一主协议存在的情况下报告同一交易对手的衍生工具头寸净值，从而影响资产负债表项目的规模表示。

然而，在图2中，我们观察到美国社区（类似于JP社区）正在逐渐接近混合社区，2007-08年崩溃的后果似乎增强了这种行为。在可能的几个原因中，值得考虑改革对OTC衍生市场（嵌入多德-弗兰克法案）和巴塞尔III新银行监管的影响，这可能促进了美国机构及其混合集群同行之间的相似性。经济指标与网络属性之间的关系在本节中，我们对银行的经济指标与其网络属性之间的关系进行了初步调查。为了描述银行的特征，我们考虑了三种常见的分类指标：资产回报率（表现）、总资产（规模）和总负债与总资产之比（杠杆）。然后，对比了两种基本的网络度量：强度和聚类系数。从2001年到2013年的每一年，我们都通过估计整体样本中银行经济指标和网络指标之间的相关性，为这些关系提供一些见解。正如该方法所述，在本练习中，我们考虑了根据Louvain社区检测算法的质量/重要性过滤的网络。这有助于我们评估结果的重要性。下面，我们展示一些例子来讨论这些关系是如何随着时间的推移而演变的。特别是，我们调查一旦危机的影响蔓延到整个金融部门，传统经济指标（如杠杆率、规模、绩效）对集团银行的影响是否会减弱。

例如，金融危机的爆发显然会影响总债务与总资产和网络财产之间的关系。尽管在整个样本期内，债务总额与总资产之间的相关性仍然为负，但金融市场的细分似乎进一步增强了随后几年的这种影响（图3，左图）。因此，这种关系表明，在危机爆发后，杠杆的使用与经济实力的平均水平成了反比。这意味着，在财务报表方面更不相同的银行（即实力价值较低的银行）是资本化程度较低的银行（即总债务与总资产之比较高的银行）。此外，人们可能有兴趣了解规模所起的作用，规模代表了用于对银行进行分类的典型指标。即使在2007-08年的崩溃之后，实力和总资产之间的相关性也几乎是负的，但在最近一段时间内呈现出增加的趋势（图3，中间图）。因此，似乎在危机爆发后，规模与银行间相似性的相关性变小了，正如估计值急剧降至零所表明的那样。最后，我们分析了性能和网络属性之间的关系（图3，右图）。特别是，为了模拟更多关联银行集团的存在/缺失如何与经济结果相关，我们考虑了确定系统结构水平的聚类系数。尽管在2000年代早期统计意义不大，但与资产回报率的相关性在危机开始之前呈现出下降的模式，之后仍然为负，尽管略有不稳定。