金融危机下我国担保网络的演变及对策

本研究的方法和结果提供了基准数据、模拟平台和基线方法，以帮助决策者制定有效的危机应对措施。虽然本研究依赖于中国担保网络的数据，但从三个角度来看，研究结果和启示仍然非常有益。首先，中国是世界第二大经济体。与许多发达国家相比，信贷体系在许多方面都是独特的（例如，间接融资和银行信贷在信贷体系中的重要作用），因此有必要研究中国信贷体系的独特性如何与金融体系运行中的独特挑战相关联，尤其是在危机中。其次，中国企业之间的信用担保关系与其他国家相似，因为它们都遵循商业银行的标准程序。因此，担保网络和网络科学方法都是通用的。如果我们有另一个信用体系的等效数据，则可以根据新数据校准担保网络和仿真模型的参数，从而直接应用这些方法。许多拓扑特性可能相似，例如无标度和小世界效应。在实践中，很难获得类似的全国担保体系数据。在这种情况下，我们仍然可以使用中国担保网络的拓扑和财务特性作为基线，然后校准参数以反映我们对所考虑的担保体系的理解。例如，我们可以减少互惠，以反映非中国信贷体系中相互担保行为的普遍程度。

第三，我们经常看到危机，特别是2019-2020年新型冠状病毒大流行，这可能在不久的将来引发另一场金融危机。这项研究的结果为信贷系统如何反应和恢复提供了必要的数据驱动见解。这些见解不仅对中国，而且对其他地方的决策都至关重要。方法数据在本研究中，我们从中国的一个主要监管机构获得了一个全面的全国数据集。数据范围为2007年1月至2012年3月，包含向客户公司发放的所有贷款的月度信息，这些客户公司的信贷额度超过5000万元人民币。这些贷款担保数据来自中国所有19家主要银行，包括最大的五家国有商业银行、十二家股份制商业银行和两家主要政策性银行（中国进出口银行和中国国家开发银行），它们占中国贷款总额的近80%。2007年1月至2012年3月期间，共有约30万家担保关系，覆盖了中国30个省级地区的约10万家借款公司。更具体地说，该数据包含有关每个贷款担保的贷款级别信息（借款人、提供商以及每个贷款担保的金额和担保关系的时间）和公司级别基本要素（例如规模、杠杆率和位置）的详细信息。据我们所知，我们的数据是迄今为止中国信用体系最大、最全面的代表。特别是，我们的数据集涵盖了信贷体系中的两个重要时期：2007-2008年全球金融危机，以及2008年11月至2010年12月中国经济刺激计划的实施。

通过利用我们的数据，这两个罕见的自然实验为我们研究极端外部冲击下担保网络的变化提供了一个很好的机会。担保网络的构建与分析为了分析中国担保体系的结构和动态，我们利用企业之间的担保关系构建了动态担保网络。图6示出了网络的构造。每个节点代表一个企业，连接两个节点的每条边代表特定月份对应的两个企业之间是否存在担保关系。担保人对借款人有利。该动态担保网络由63个月的贷款担保数据组成，使我们能够分析系统随时间的演变和动态。16图6。担保网络中动态贷款担保关系的说明。及时, 有三种担保关系。公司A是借款人B和C的担保人。公司E及时成为借款人C的担保人 , C偿还贷款后，A和C之间的担保关系消失了。公司D成为A的担保人，A既是担保人又是借款人。及时 , C和E之间的担保关系消失了。企业E成为企业D的担保人。企业A成为企业D的担保人，企业D也是企业A的担保人。企业A和D形成了相互担保关系（互惠优势）。在本研究中，我们采用了一组常用的拓扑度量来描述保障网络的结构和演化：网络连通性是指网络中节点之间的连接程度。

它由三个指标来衡量，即弱连接或强连接组件（WCN或SCN）的数量、整个网络中巨型组件（最大弱连接组件或最大WCC（%）的比率、整个网络中最大强连接组件或最大SCC（%）的比率以及网络密度( ) 34,35. 在弱连接组件（WCC）中，任何节点都可以通过无向路径到达另一个节点。巨型构件是节点数最多的弱连通构件。类似地，在强连接组件（SCC）中，任何节点都可以通过有向路径到达另一个节点。网络密度是有向边数与可能有向边总数之间的比率，, 其中，E是边数，N是网络中的节点数。度, 指与节点相邻的边数。在担保网络中，边缘是从担保人到借款人的方向。节点的阶数表示其在系统中的连接程度。程度衡量公司担保人的数量。Out degree衡量从公司获得担保的借款人数量。一般而言，平均出/入度值越高，表明网络中企业之间的担保关系越频繁。在许多现实网络中都观察到了无标度特性。在无标度网络中，度分布遵循幂律。大多数节点仅连接到少数边，而存在几个密集连接的中心节点。为了检验保证网络的无标度特性，我们研究了入度和出度分布，表示为 和. 在无标度网络中 和 遵循幂律分布。

次数为k的节点的频率与k的幂成正比 ,  和 36.bdecaguarantorborower时间=tguarantorborowerbdecaguarantor和借款者borrowerguarantortime=t+1借款者borrowerguarantorbdecaguarantor和借款者borrowerborrowerguarantorbantor和借款者borrower时间=t+217聚类系数，, 测量节点的邻居彼此相邻的程度。在现实网络中，节点可能会形成这样的三元组，从而导致网络的平均聚类系数更高。在社交网络中，它指的是“朋友的朋友也是朋友”的趋势37,38。在担保网络中，高集聚系数表明企业倾向于形成紧密的担保集群，担保频率较高。互惠， 有向网络的（二元；两家公司之间的相互保证关系）是交互边数与总边数的比率。这里，如果一条边从节点A连接到节点B，那么节点A和节点B是交互的，并且从节点B到节点A也有一条边。在担保网络中，它测量相互担保关系与网络中担保关系总数的比率。全连通三结点子图的比率，   有向网络的（三元组；三家公司之间的相互保证关系）是形成完全连接的三节点子图的边数与图中边总数的比率。在担保网络中，它衡量三家公司相互提供担保的程度。孤立2节点互易分量的比率，  , 测量网络中孤立的2节点交互组件的流行率。

它是通过将孤立的2节点互易分量的数目除以网络中弱分量的总数来计算的。这一指标量化了两家公司在没有与其他公司进行任何互动的情况下形成相互担保关系的程度。我们通过计算平均最短路径长度来衡量担保网络转移风险的效率，, 网络的。平均最短路径长度定义为连接所有可能的节点对的最短路径上的平均边数。现实网络通常表现出相对较小的平均最短路径长度，表明小世界特性39-41。由于保证网络具有多个连通分量，我们计算了最大弱连通分量和最大强连通分量的平均最短路径长度。金融资产我们计算一组金融资产，包括担保体系中公司的平均资产和平均贷款，表示为 和, 分别地更具体地说，平均资产 指担保体系中所有公司的平均资产金额。很大的价值 表明担保体系由高价值企业组成。平均贷款额 指担保体系中所有公司的平均贷款金额。很大的价值 表明担保体系由欠银行大量债务的公司组成。我们进一步计算了上市公司的平均比率， ,  表示为.

很大的价值 表明担保体系中有更多的公司在证券交易所进行股票交易。18指数随机图模型给定真实网络的结构，首先我们需要选择一组拓扑性质作为约束，表示为, 其中k是约束的总数23。我们考虑一组网络, 无自环的n个节点的所有网络的集合，其约束的期望值 结束 等于真实担保网络(. 网络的概率 表示为. 事实证明，我们可以得到 在约束条件下 通过最大化吉布斯熵, 定义如下：，   具有约束条件  以及归一化条件  哪里 是的值 在网络中. 利用拉格朗日乘子，我们可以发现对于满足           通过求解方程（6），我们得到     或者，等价地，图的概率 获得如下信息 用图的哈密顿函数 和分区函数19  我们定义了网络的拓扑结构 具有邻接矩阵, 谁的条目 如果节点i和节点j连接，以及   否则在我们的研究中，我们用特殊矩阵来表示真正的担保网络.  在本研究中，我们选择了两个约束条件：保证网络的边数和倒数边数。请参阅结果部分，了解为什么这两个属性是中国担保网络的定义特征。

我们假设预期的边数 以及预期的相互边数 真正的网络是已知的。然后，哈密顿量 是  哪里   表示边的数量，以及 表示倒数边的数目。给定固定数量的节点， 和 本质上，分别在给定网络中固定数量的节点的情况下，评估网络的密度和互易性。将（11）代入（10），整个系统的配分函数公式如下                那么，网络的自由能是    最后，边和倒数边的期望值为            我们将边和互边的期望值分别设置为等于边和互反边的实际计数。从方程（14）和（15）中，我们可以得到 和, 它分别表示边概率和互反边数的对数几率。然后，边的概率和互反边的概率是 和,分别为20。因此，系数的较大值表示形成相应拓扑（边和互反边）的概率较高。请注意，该系数可以为负值，表示实际网络中此类拓扑的普遍性较低。有关ERGM解释的更多详细信息，请参阅23 25。数据可用性。本文使用的数据集是保密的，仅在读者要求时提供。

所有图形、表格的基础源数据作为源数据文件提供。代码可用性声明。源代码已在Github上提供：[https://github.com/ElfLu/Chinese-credit-network-.git]21参考文献1。银行业生态系统中的系统性风险Spoledna，S.和Thurner，S.通过系统性风险交易税消除金融网络中的系统性风险。《定量金融》第16期，第1599-1613页（2016年）。2、Haldane，A.G.&May，R.M.《银行生态系统中的系统性风险》。《自然》杂志469351（2011）。3、Lin，E.M.、Sun，E.W.&Yu，M.-T.《系统性风险、金融市场和金融机构绩效》。运筹学年鉴262579-603（2018）。Glasserman，P.&Young，H.P.《金融网络中的传染病》。《经济文献杂志》54779-831（2016）。5、Cimini，G.、Squartini，T.、Garlaschelli，D.和Gabrielli，A.重建经济和金融网络的系统风险分析。《科学报告》515758（2015）。6、Thakor，A.V.《2007-2009年金融危机：为什么会发生？我们学到了什么？《公司财务研究回顾》4155-205（2015）。7.Cong，L.W.，Gao，H.，Ponticelli，J.&Yang，X.经济刺激下的信贷分配：来自中国的证据。金融研究回顾32，3412-3460（2019年）。贝聿铭是隐藏着“所有债务炸弹之母”的中资银行。《外交官》第10期（2012年）。9.林，J.Y.《新结构经济学：反思发展的框架》1。《世界银行研究观察家》第26期，193-221页（2011年）。陈，Z。中国的危险债务。外国Aff。94, 13 (2015). 11、姜瑜。凯恩斯主义在中国应对全球金融危机中的庸俗化。《国际政治经济学评论》22，360-390（2015）。12、Newman，M.Networks。牛津大学出版社（2018）。13、Minoiu，C.&Reyes，J.A。

《全球银行业网络分析：1978-2010》。《金融稳定杂志》9168-184（2013）。14、Chinazzi，M.、Fagiolo，G.、Reyes，J.A.&Schiavo，S.《国际金融网络尸检》。《经济动力学与控制杂志》371692-1713（2013）。15、Conyon，M.J.&Muldoon，M.R.《董事会的小世界网络结构》。SSRN提供：https://ssrn.com/abstract=546963 (2004). 16、Davis，G.F.、Yoo，M.和Baker，W.E.《美国企业精英的小世界》，1982-2001年。战略组织1，301-326（2003）。Robins，G.&Alexander，M.《联锁控制器中的小世界：二部图中的网络结构和距离》。计算与数学组织理论10，69-94（2004）。18、江波，P。基于相互担保的中小企业信用担保体系。《金融研究杂志》第2期，第75-82页（2008年）。19、Niu，Z.等人，《贷款担保网络风险评估的混合方法》。arXiv预印本arXiv:1702.04642（2017）。20、Cheng，D.《贷款担保网络风险管理可视化分析》。arXiv预印本arXiv:1705.02937（2017）。21、Jian，M.和Xu，M.担保圈的决定因素：中国上市公司的案例。《太平洋盆地金融杂志》20，78-100（2012）。22  22.  Leng，A.、Xing，G.和Fan，W.中小企业贷款担保网络中的信用风险转移。《系统科学与复杂性杂志》，1-13（2017）。23、Squartini，T.&Garlaschelli，D.《经济网络中的平稳性、非平稳性和预警信号》。《复杂网络杂志》第3期，第1-21页（2015年）。Goodreau，S.M.《应用于大型社交网络的指数随机图（p*）模型的进展》。社交网络29231-248（2007）。25、Park，J.&Newman，M.E.《网络统计力学》。