時間：2023-08-27 14:56:22
序論：在您撰寫金融網絡投資時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
一、金融網絡的定義
現代金融體系越來越表現出了相互之間的依賴性，銀行資產負債表上的資產和負債將銀行聯系成一個復雜的金融網絡。金融網絡理論對于金融體系來說是非常重要的，它可以評估金融體系的穩定性，解釋系統重要性機構對整個金融體系的影響，解釋系統性風險是怎樣在金融體系中傳播的，解釋銀行間市場的流動性短缺時怎樣形成的。一個網絡可以被描述成由節點和連線構成，在金融網絡中，節點就是各個金融機構特別是銀行，連線的形成是銀行持有相似的資產組合或者擁有共同的存款者等。
二、金融網絡的形成
Babus提出的模型探討了金融網絡的形成問題，在這個模型中金融網絡的形成被認為是降低風險傳染的保險機制，聯系越緊密的金融網絡更不可能發生系統性危機，同時這個模型給出了一個臨界點及金融體系如何達到這個臨界點，高于這個臨界點的金融網絡不會發生風險傳染，代價是銀行不能與這個金融體系構成比臨界點更多的聯系。Castiglionesi認為一個分散化的網絡結構對于社會來說是最優的，銀行作為中介機構存款者進行投資，這使得投資具有了正的外部性，在破產概率較低的情況下，分散化的網絡結構式最優的選擇。
三、金融網絡的風險傳染效應
目前的金融網絡理論嚴重主要側重于金融網絡的傳染效應，網絡中的傳染效應可以分為直接傳染和間接傳染。Alien和Gale對直接傳染的研究指出了在不同的網絡結構下銀行體系是怎樣對系統性風險做出反應的。Diamond和Dybvig指出，在消費者具有流動性偏好并且對流動性需求不確定的情況下，銀行可以通過相互交換存款來增加流動性，但是增加了流動性的代價就是使銀行體系具有了傳染風險的可能性。他們以一個不完善的網絡為例，證明了一個銀行的破產會引發整個銀行體系的失效。
Leitner構建了一個模型研究最優的網絡結構，一個銀行的投資收益取決于與它有聯系的金融機構。由于損失的金額在系統內是隨機分布的，一個投資者可能沒有足夠的準備金來彌補損失，在這種情況下，金融網絡可能會剔除沒有償付能力的機構來保全整個金融系統，最優的網絡結構要求在風險承擔和危機的潛在可能性之間進行權衡。Vivier-Lirimont將最優網絡結構歸結為能使存款者福利最大化的結構，他發現只有業務聯系非常緊密的網絡結構才最接近帕累托最優。還有一些人用數學和理論物理模型來研究金融網絡和風險的傳染，Minguez和Shin利用圖論計算機算法研究在支付系統中的系統性風險，他認為一個體系的脆弱性取決于銀行資本金充足率、銀行參與金融市場的程度以及破產銀行清算資產的流動性，銀行間市場的聯系越緊密，發生系統性風險的可能性越低，但是一旦發生，對金融體系的破壞力將非常大。
1．金融傳染的發生機制
目前的研究文獻，主要從金融機構間的直接傳染與間接傳染這兩種作用機制人手進行闡述。金融機構問的直接傳染，主要是指一旦某個金融機構破產，與該金融機構存在直接連接關系的其他金融機構將遭遇債務違約損失，從而導致破產危機的進一步蔓延。而間接傳染則包括除了直接傳染之外的其他傳染機制，主要由于市場信心的缺失和資產價格的螺旋下降等因素造成的。金融機構之間通過支付系統以及各種各樣的頭寸(例如直接貸款、衍生產品和回購協議等)構成直接連接。較常見的直接傳染機制由Kiyotaki和Moore提出，他們認為，一旦某個金融機構違約或延期支付債務，由此產生的損失超過一定限額時就會導致其債權機構破產，類似的破產一旦蔓延有可能最終引發系統性崩潰。在直接傳染的度量中，金融網絡的結構特征至關重要，聚類系數較大、平均路徑較短的網絡往往產生的直接傳染更迅速，關聯性更強。問接傳染的形成機制則更復雜，早期的研究主要考慮投資者的恐慌情緒的蔓延。Diamond和Dybvig提出，當某個銀行遭到存款者的擠兌而破產時，恐慌的情緒很可能使得擠兌蔓延到整個銀行系統，從而使那些本來具有償付能力的銀行也出現破產。而近些年的研究對象主要集中于傳染對于資產價格的影響。Giesecke和Weber認為，由于各個金融機構面對共同的基本面因素(如資產的價格，產品供給與需求等)，因此，如果破產的金融機構規模大到足以影響資產價格以及產品供求關系等因素時，這些因素的惡化將會使得其他機構的資產價值下降，從而使得傳染蔓延。Kodres和Pfitsker則從投資者的角度考慮傳染對資產的貶值作用。他們提出了“跨市場的投資再平衡效應”，這種效應是指一旦某個市場受到外部沖擊，投資者會最優化地調整他在其他市場上的投資組合。Kodres和Pritsker認為，投資者在調整投資組合的同時會把沖擊轉移到其他市場上，造成其他市場的資產價值下降，從而使得危機蔓延。他們發現，該種傳染主要取決于市場對于資產價格的敏感程度，以及在各個市場上信息不對稱的程度。
2．金融傳染導致的資產損失
通常認為，金融傳染是發生的概率較小、但造成的損失較為嚴重的事件。在衡量金融傳染所帶來的資產損失的研究中，部分學者對損失函數的性質進行了研究，希望能更精確地估計損失大?。灰灿胁糠謱W者通過實證分析直接估算傳染所造成的具體損失大小。Elsinger等主要研究了損失函數的統計特征，通過對奧地利銀行系統的實證分析發現，該體系傳染的概率較小但影響較大，只有6％的破產事件是由于傳染效應造成的，因此損失函數的一個重要的統計特征是它服從薄尾分布。而它的另一個統計特征則是服從正態分布，研究發現，經濟基本因素的波動大小決定了損失的均值，波動越大則損失越大；而公司之間連接的緊密程度決定了損失在均值附近的波動程度，連接越緊則損失波動越大。在Elsinger和Giesecke的研究基礎上，Eisenberg和Noe給出了一種能夠衡量金融傳染損失大小的算法，該算法給出了某個給定金融機構對于其他機構的風險暴露，一旦該金融機構出現違約，我們可以通過該算法得到其他機構遭受的損失。估計金融傳染所造成的損失還有其他一些途徑。Upper和Worms運用最大熵方法得到了非常細化的估測數據并實證分析了德國銀行系統，發現單一銀行的破產最高能造成銀行系統總資產15％的損失。也有學者對這一損失程度提出異議，Angelini等并沒有利用最大熵方法進行數據估計，而是模擬一家銀行破產時對整個系統帶來的沖擊。他們對意大利銀行間市場網絡的實證分析發現：由于金融傳染所造成的資產損失只有每日貨幣流動量的3％。這個結果顯示傳染的影響偏小，Angelini等認為這是由于意大利銀行系統的資金流動量較小以及銀行網絡的結構性差異所造成的。事實上，對于金融危機的預測離不開金融傳染及其導致資產損失的估計，然而無論是上述何種研究都離不開對金融網絡的構建和金融傳染的假設與模擬。因此，對于金融網絡結構的認識和傳染性的度量就顯得異常重要。
金融網絡的最優微觀特征
1．基于外部沖擊發生機制的研究方法
由于外部沖擊主要通過金融機構之間的連接而傳導風險，因此，基于外部沖擊的發生機制進行的研究多關注的是銀行系統內各銀行間的連接方式以及連接的緊密程度。Allen和Gale于2000年發表的文章是該方面研究的基石。他們基于Diamond和Dybvig所建立的D—D模型，假設(完全信息條件下)流動性沖擊來自存款者取款時間的不確定性，通過一個包括四個銀行的模型證明了傳染的蔓延主要取決于銀行間的連接類型。當網絡是完全連接的(如圖2所示)，即每個銀行都與其他銀行連接在一起，使得某個銀行的負債幾乎完全均勻地分布在其他銀行時，沖擊的效果會被很好的淡化。然而，當網絡是不完全連接的(如圖3所示)，即每個銀行只和一部分銀行有負債關系，系統會變得較脆弱。從圖2可見，Allen和Gale提出的“完全連接”的網絡正是擁有四個節點的規則網絡。完全連接網絡的提出，很好地解決了“怎樣的連接方式最優”這個問題；而“怎樣的連接緊密程度最優”，則由Freixas等率先給出答案，他們的研究同樣基于外部沖擊的發生機制。Freixas等的研究模型與Allen和Gale相似，但是他們假設流動性沖擊并不來自于存款者取款時間的不確定性，而是來自于存款者取款地點的不確定性。他們認為高度連接的銀行間市場，雖然降低了持有流動性資產的成本，但同時也產生了低效率和不穩定性：雖然銀行間市場提供的流動性保險可以幫助銀行抵消債務，但是這種系統穩定性是以這個資不抵債的銀行繼續運營為代價，這破壞了市場法則，最終系統很有可能因承受了過多的不良債務而崩潰。因此，過高的連接程度損害了系統的穩定性，最優金融網絡需要適當偏大的最短路徑長度。同樣是在D-D模型的基礎上，Brusco和Castiglionesi建立一個包括四個銀行的模型，他們的研究支持了Freixas等的結論：銀行間更緊密的連接會增加傳染的風險，這是因為銀行間互助系統所提供的后盾支持可能會使得某些銀行做出更魯莽的投資，從而增大系統風險；并且，如果連接過于緊密的話，某家銀行的破產會導致傳染的范圍變廣。
2．基于復雜網絡的研究方法
復雜網絡理論在2000年左右逐漸成熟，其應用領域也從物理學、信息學逐漸擴大到生態學、社會學等多個學科。通過復雜網絡理論對金融網絡結構進行分析，盡管不能做出對金融機構行為的動態分析，但是它可以反映出金融網絡的構建過程，并能與現實世界的網絡相匹配，具有非常重要的現實指導作用。該領域具有代表性的是Gai和Kapadia于2010年所做出的研究工作。Gai和Kapadial借鑒Strogatz以及Newman研究復雜網絡的數學方法，通過模擬金融網絡的形成過程而建立了一個能分析傳染效應、并適用于現實世界中不同類型金融網絡的模型。他們的分析結果與Bruseo和Castiglionesi以及Freixas等得出的結果一樣，即最短路徑長度應適當偏長。他們認為，連接程度和風險分擔程度越高，傳染的概率越低；但一旦發生傳染，影響范圍將更廣，從而極大地損害系統穩定性。在設計最優網絡結構時，對連接程度和風險分擔程度的選擇，實質上是對傳染概率及影響范圍的一個權衡取舍。
3．基于網絡動態學的研究方法
網絡動態學，主要通過分析行為人的決策心理并建立動態模型，研究由于時間、空間及環境等動態變化所造成的行為人的決策變化及網絡結構的演變過程。復雜網絡理論的研究缺陷主要在于無法模擬出金融網絡的動態變化，而面對復雜的金融市場變化，金融機構的動態決策行為對于金融傳染過程顯然是至關重要的。因此，一些學者開始運用網絡動態學的研究成果，對金融機構的這些動態變化加以研究，并用圖像表示出外部沖擊以及傳染蔓延的動態過程，通過分析復雜的決策行為來了解網絡的形成機制和過程，從而設計出最優網絡結構。Goyal和Vega—Redondo是較早運用網絡動態學對金融網絡進行研究的學者。他們在2004年發表的文章支持了Allen和Gale以及Freixas等的研究結論。他們認為，兩方建立債務關系的過程就是一個博弈以達到最優均衡的過程，而整個關系網絡的建立正是許多債務關系的動態建立過程；兩方建立債務關系，就是在風險及收益之間選取一個最優納什均衡點的動態博弈。根據這個網絡構建模型，Goyal和Vega．Redondo在考察了不同的連接方式、連接費用以及不同的相互作用模式對風險傳染起到的作用之后，得出結論：“完全連接”模式(即規則網絡)與較長的最小路徑長度可以有效地減小金融風險的傳染。
4．基于運籌法的最優微觀結構判斷
定量分析的研究目前相對偏少，研究方法也多為運用運籌學方法解決最優化問題，Leitner在2005年給出的“每個小群體的最優節點數量”在這方面具有重要的代表意義。Leitner建立了一個不僅能相互傳染、也能相互救助的金融網絡，流動性較好的銀行會因為擔心受到傳染而救助流動性不足的銀行。該模型說明銀行問的相互連接對于減少破產危機的發生具有重要意義，因為它們允許銀行間相互救助；然而整個網絡也可能因為過度連接而在某些情況下(如當流動性限制在一小部分銀行中時)出現傳染蔓延并最終崩潰?；趯W絡連接帶來的好處(允許銀行相互救助)以及壞處(危機可能蔓延)的取舍，Leitner運用運籌學知識，通過求解一個帶有約束的規劃問題給出了最優金融網絡的規?！總€小群體內的最優節點數量為5。
5．其他研究方法
還有學者通過統計學和傳染病學等其他理論工具，對金融網絡的最優微觀特征的研究做出了貢獻。Gai等利用傳染病學以及統計物理學的知識，與其他學者再次對金融網絡的最優微觀特征問題進行了研究。在仍然堅持“最優網絡結構具有適當偏長的最小路徑長度特征”的同時，Gai等又得出了“復雜度較低也是最優網絡結構的重要特點”的結論。Iori等利用統計學方法研究單個銀行的風險與整個銀行問市場相互作用的動態過程發現，較低的聚類系數可以有效提升金融網絡的穩定性。這與Simon在1962年所著的“TheArchitectureofComplexity”中的觀點相吻合：在復雜系統中，只有最簡單的層次結構才是最優的。Iori認為，銀行問拆借雖然降低了單個銀行的破產概率，但也增加了整個系統崩潰的機會。當銀行間網絡的聚類系數較高，即系統內的銀行都是同種類型時，系統崩潰發生的可能性比較大；而當聚類系數較低，即銀行的類型不相同時，崩潰發生的可能性就會降低。較低的聚類系數可以有效提升金融網絡的穩定性。也有學者把金融網絡與其他網絡系統(如生態網絡系統)進行類比。Haldane和May所做的這方面研究支持了Gai等的關于“最優網絡結構的復雜度較低”的結論。在經過對生態系統的食物鏈以及金融網絡的對比分析之后，他們認為金融系統和生態系統一樣，復雜程度越高，整個網絡的穩定性就越差¨。盡管所用的研究方法各不相同，但是目前所得到的關于最優金融網絡的微觀特征的結論非常相似?？偟膩碚f，具有“完全連接”、較低的復雜程度、適當偏長的平均最短路徑長度以及較小的聚類系數是最優網絡結構的幾個主要特征。Nier等對金融網絡的特征做了較為完整的界定。他們利用網絡理論知識，認為銀行體系網絡結構的關鍵參數一共有四個：銀行的資本化水平，網絡的連接程度，銀行間的借貸規模，銀行系統的集中程度。他們通過建立銀行網絡系統并加以模擬的方法得出結論：資本化水平越高、借貸規模越低、集中程度越低，則銀行系統的穩定性越高；而連接程度則與穩定性呈非線性關系，當連接程度超過閾值之后，連接程度越高，穩定性越低。
金融網絡的最優宏觀結構
基于描述金融網絡的三大基本指標，上文總結了前人對于較為穩定的金融網絡應該具有的指標特征?；谶@些基本的指標，整個金融網絡將會呈現一定的宏觀結構，如前文指出的小世界網絡和無標度網絡。這些基于多個基本指標共同呈現出的復雜的拓撲結構，構建出了金融網絡的整個宏觀拓撲結構，結合圖論知識不僅能判斷某一現實生活中的網絡屬于哪一類網絡宏觀結構，同時能夠對其在傳染過程中所起到的作用做出一定的判斷。Watts和Strogatz與BarabOsi和Albert相繼于1998、1999年提出了“小世界網絡”模型以及“無標度網絡”模型，這標志著復雜網絡理論的逐漸成熟。許多學者開始以這兩個模型為衡量標準，通過實證結合統計分析等方法來研究現實中的金融網絡所具有的宏觀結構特征，并結合復雜網絡理論探討如何設計宏觀網絡結構才能更有效地防止金融傳染。目前大多數研究都表明，金融網絡兼具小世界網絡以及無標度網絡的某些特征，這些特征顯著地影響著危機的傳染過程。金融網絡最典型的宏觀拓撲結構特征之一，就是平均最短路徑長度較短，這正是小世界網絡所獨有的典型特征，這已經被包括Soramaki等和Boss等許多學者所證實。Soramaki等利用復雜網絡方法分析了美國商業銀行的銀行間支付系統網絡的拓撲結構以及與網絡穩定性相關的性質，發現該銀行間網絡具有較小的平均路徑長度。Boss等對奧地利銀行間市場進行實證研究后也認為，奧地利銀行間網絡的平均路徑長度較小。Boss等還得出了另外一個結論：銀行間網絡的聚類系數較小。他們認為，因為銀行之間保持連接需要一定的費用，所以當兩個較小的銀行都與一家較大的銀行存在價值關系時，這兩家小銀行之間沒有互相連接的動力。金融網絡還體現了無標度網絡的兩個重要特征：節點度分布服從冪律分布以及中心節點的存在。Soramaki等的研究證實，美國商業銀行的銀行間支付網絡的節點度分布服從冪律分布，同時該銀行間網絡還包括一些節點度數很高的“中心型”(Hub)銀行。Iori等則運用復雜網絡的統計分析方法，對意大利銀行的隔夜拆借市場的網絡結構進行了分析，發現節點的度分布服從一個比隨機網絡更為厚尾的分布¨。這也意味著，存在數量很少的幾家較大的銀行，與非常多的小額貸款者保持債務關系，這些規模較大、節點度較高的銀行就是典型的中心節點。更進一步地，Boss等不僅證明了奧地利銀行間的節點度分布服從冪律分布，他們還精確地計算出該銀行間網絡分段服從的冪指數分別為0．62和2．01。金融網絡的這些宏觀特征對于分析金融系統的傳染性是非常重要的。Albert等在2000年的研究表明，當中心節點受到沖擊時，無標度網絡將會變得特別脆弱，且很容易造成傳染蔓延。盡管小世界網絡在單個小型金融機構破產時有很強的穩定性，但是，一旦少數節點度數較高，也就是負債規模較大的(中心節點)銀行破產時，銀行系統受到的沖擊將會很大。金融系統的這種風險特點也與損失函數服從薄尾分布的特性相吻合，當發生危機的是一般的小型金融機構時，金融系統擁有較強的自我修復能力；但是一旦關鍵的大型金融機構(中心節點)發生流動性危機時，金融系統將會變得非常脆弱，從而極有可能造成金融傳染的蔓延以及嚴重的資產損失。
金融網絡研究中亟待解決的難題
作者簡介：巴曙松（1969-），男，湖北武漢人，中國科學技術大學兼職博士生導師，國務院發展研究中心金融研究所副所長，中國銀行業協會首席經濟學家，主要從事金融機構風險管理與金融市場監管等方面的研究。E-mail：
左 偉（1987-），男，云南大理人，碩士研究生，主要從事風險管理等方面的研究。E-mail：
朱元倩（1984-），女，安徽六安人，中國銀監會博士后，主要從事風險管理與市場監管等方面的研究。E-mail：
摘 要：本文主要介紹目前利用金融網絡解決金融傳染問題的相關研究方法和研究成果。筆者在簡單回顧了金融網絡的結構特征、描述性指標及幾大典型結構之后，從微觀角度分析了最優金融網絡所具有的一些共同特征，從宏觀角度分析了現實金融網絡的拓撲結構，研究了網絡結構在金融傳染過程中所起到的作用，并基于此從金融網絡的角度提出了提高金融體系穩定性的相關措施，為預防危機的傳染提供了政策參考。
關鍵詞：金融網絡；金融傳染； 微觀最優結構特征； 宏觀拓撲結構
中圖分類號：F830.2 文獻標識碼：A 文章編號：1000-176X（2013）02-0003-09
隨著全球化的趨勢越來越明顯，許多金融機構通過相互持有資產、資產價值相互關聯等關系連接在一起，構成了大大小小的金融網絡。許多經濟金融學家開始利用生態系統、物理系統和社交系統等領域發展成熟的網絡理論知識以及數學、工程學等研究工具，通過金融網絡研究金融學和經濟學中的一系列問題。其中研究較多的是關于金融機構破產導致的多米諾骨牌傳染效應。早在1997年東南亞金融危機爆發之后，就有學者開始利用金融網絡研究危機的傳導機制。而隨著網絡理論、網絡動態學以及圖論等知識在其他領域的不斷發展完善，人們有了更加多樣化和深入化的工具對金融網絡進行分析和學習。而近年來，CDS、CDO等許多金融衍生工具的引入使得整個金融系統變得更為復雜，全球化的發展進程也加劇了金融傳染的發生；再加上2008年美國次貸危機引發的國際金融危機以及后續的歐債危機的陸續爆發，人們對于金融傳染的危害性、研究金融網絡的必要性有了更進一步的認識。所有這些因素，都使得金融網絡的研究上了一個新的臺階。
近年來，利用網絡研究金融傳染的路徑主要包括如下兩種：一是微觀層面的路徑，利用風險管理、復雜網絡和網絡動態學等領域的理論知識，結合金融傳染的發生機制、市場參與者的決策行為等，得出最優的金融網絡應具有哪些重要微觀特征，從而為金融體系及其結構的頂層設計給出設計藍圖；二是宏觀層面的路徑，研究金融網絡的宏觀拓撲結構，結合圖論知識判斷其屬于哪一類網絡宏觀結構，在傳染過程中起到怎么樣的作用，從而對當前金融體系中的風險傳染路徑及其影響進行預測和估計。除了運用網絡研究金融市場的傳染問題之外，還有學者利用網絡研究資產組合以提取相關性等重要信息，或者利用網絡解決與之相關的一些難題，如最優化問題、動態均衡理論等。本文將對運用金融網絡度量金融傳染，并基于金融網絡的相關理論解決金融穩定的研究進行回顧，從金融網絡的角度給出提高金融體系穩定性的建議。
一、金融網絡的概念及相關指標
所謂復雜網絡，是指將一個系統內部的各個元素作為節點，節點之間通過邊、并在一定的規則之下連接在一起所形成的網絡。在現代金融系統中，銀行以及對沖基金等金融機構作為節點，金融機構之間通過信用拆借、資產負債等關系作為邊而相互連接所形成的價值網絡，就叫做金融網絡。與傳統網絡相類似，金融網絡主要由節點和邊構成。所不同的是，一方面，金融網絡節點數通常很多，往往構成較為復雜的網絡關系圖；而另一方面，每條邊度量的是兩個相連節點之間的資產負債關系，邊有時還具有方向性，一條從起始節點指向終了節點的帶有箭頭的邊，通常意味著起始節點對終了節點存在負債關系。
1. 金融網絡的結構特征
金融網絡的結構特征，主要反映了網絡中各節點之間的連接方式以及節點在網絡中的位置關系。金融網絡的結構特征通常有群體結構（Community Structure）和層次結構（Hierarchy Structure）兩種。群體結構是指由于各個節點連接的緊密程度不同，在金融網絡中往往會形成幾個不同的群體，群體內部的連接較為密集，而群體相互間的連接則相對要稀疏得多。類似現實的人際關系中，人們按照興趣、職業和年齡等方面的不同而分為不同的群體。而層次結構則是指不同金融機構之間由于規模大小、信用拆借能力等不盡相同，因此在金融市場中所處地位不同，并呈現分層的結構特征。
2. 刻畫金融網絡的三大指標
用來刻畫金融網絡特征的描述性指標主要包括以下三個：平均最短路徑長度、聚類系數和節點的度。其中平均最短路徑長度刻畫了金融網絡節點相互連接的緊密程度，平均最短路徑長度越小，則節點之間連接緊密程度越高。兩個節點間的最短路徑，是指將這兩個節點相連接的各條路徑中，包含邊數最小的那條路徑。假設金融網絡中有兩個節點i、j（i、j=1，2…n；其中n為網絡中的節點總數），則這兩個節點之間的距離dij為連接這兩個節點的最短路徑所包含的邊的數目。而金融網絡的平均最短路徑長度L則定義為網絡中任意兩個節點之間距離的平均值，假設該銀行網絡中有n個節點，我們有：
L=112n（n+1）∑i≥jdij
聚類系數刻畫了金融網絡的結構特征，聚類系數越大，則金融網絡越傾向于群體結構特征，層次結構越不明顯。聚類系數可分為節點的聚類系數以及網絡的聚類系數。假設金融網絡中的一個節點i有ki條邊和其他節點相連，在這ki個節點之間最多可能有[ki（ki-1）/2]條邊相互連接，我們定義節點i的聚類系數Ci為這ki個節點之間實際存在的邊數Ei和最多可能邊數[ki（ki-1）/2]之比，即：
Ci=2Eki（ki-1）
對所有節點i的聚類系數Ci取均值即可得到整個金融網絡的聚類系數C。
節點的度刻畫的是該節點的重要性，一個節點的度越大，就意味著該節點與其他節點的連接越多，該節點越重要。與某個節點i相連接的其他節點的數目稱為節點i的度ki，金融網絡中所有節點的度的平均值被稱為金融網絡的平均度。而節點的度分布P（k）（k取自然數）則是指金融網絡中度為k的節點占所有節點數的比例，即隨機選取一個節點，該節點的度為k的概率。
3. 金融網絡的宏觀拓撲結構
在現代圖論理論中，網絡的宏觀拓撲結構通常包括如下四種：規則網絡、隨機網絡、小世界網絡以及無標度（Scale-Free）網絡。其中規則網絡和隨機網絡是兩種網絡理論研究中較為極端的特例，而現實的金融網絡多具有小世界網絡和無標度網絡的特征。金融網絡結構比較如圖1所示。
圖1 金融網絡結構的比較
規則網絡是學者們假設的最簡單的網絡模型，其每個節點都具有相同的度k。20世紀50年代末Erdos和Rényi提出的隨機網絡模型，其每個節點都以相同的連接概率p與其他節點連接。雖然規則網絡和隨機網絡具有容易模擬并進行相關分析的特征，但其并不能很好地刻畫現實世界的網絡結構。實證結果表明，大多數的真實網絡具有較小的平均最短路徑長度和較大的聚類系數，據此Watts和Strogatz于1998年提出了小世界網絡模型[1]。
小世界網絡模型介于規則網絡和隨機網絡之間，通過將規則網絡中的每條邊以一個給定的概率p連接到一個新節點上構造而成，其最顯著的特點就是同時具有較小的平均最短路徑長度和較大的聚類系數。盡管小世界網絡能很好地刻畫真實網絡的平均最短路徑長度及聚類系數的特點，但是其節點的度分布仍然服從泊松分布。實證結果表明，大多數真實網絡的節點度分布用冪律分布進行描述更為準確。Barabási和Albert把這種度分布服從冪律分布的復雜網絡稱為無標度網絡，并提出了著名的BA模型以解釋無標度網絡的形成機制[2]。
四類網絡模型的三大指標具有不同的特點，其中小世界網絡的隨機性介于規則網絡和隨機網絡之間，但具有聚類系數較大、路徑較小的特點，這些不同的結構特征也決定了它們在金融危機爆發時完全不同的傳染路徑。從表1可以看出，在現實金融網絡通常表現出的小世界網絡中，危機傳染的速度遠比隨機網絡更快，而在無標度網絡中，其中中心節點（在金融網絡中通常體現為大而不倒機構）對于金融網絡的風險傳染更是起到了非常重要的作用。
表1金融網絡結構的指標及傳染性比較
二、金融傳染的概念及其度量
隨著金融全球化進程加快和金融體系的愈加復雜，金融傳染的危害性也日益增加。與此同時，網絡理論的研究方法和研究工具都得到了很大的發展，其在生態學、物理學和社會學中的應用也日趨成熟。因此，經濟學家借鑒了網絡理論在其他領域的研究思路和方法，希望運用金融網絡研究如何防止金融傳染的發生。金融危機的傳染機制決定了危機爆發時其在金融體系間的傳導方式和速度，不同構造的金融網絡在傳導危機時所起的作用也會不一樣。一般以資產損失大小作為衡量金融傳染的危害程度的標準。
1. 金融傳染的發生機制
目前的研究文獻，主要從金融機構間的直接傳染與間接傳染這兩種作用機制入手進行闡述。金融機構間的直接傳染，主要是指一旦某個金融機構破產，與該金融機構存在直接連接關系的其他金融機構將遭遇債務違約損失，從而導致破產危機的進一步蔓延。而間接傳染則包括除了直接傳染之外的其他傳染機制，主要由于市場信心的缺失和資產價格的螺旋下降等因素造成的。
金融機構之間通過支付系統以及各種各樣的頭寸（例如直接貸款、衍生產品和回購協議等）構成直接連接。較常見的直接傳染機制由Kiyotaki和Moore提出，他們認為，一旦某個金融機構違約或延期支付債務，由此產生的損失超過一定限額時就會導致其債權機構破產，類似的破產一旦蔓延有可能最終引發系統性崩潰[3]。在直接傳染的度量中，金融網絡的結構特征至關重要，聚類系數較大、平均路徑較短的網絡往往產生的直接傳染更迅速，關聯性更強。
間接傳染的形成機制則更復雜，早期的研究主要考慮投資者的恐慌情緒的蔓延。Diamond和Dybvig提出，當某個銀行遭到存款者的擠兌而破產時，恐慌的情緒很可能使得擠兌蔓延到整個銀行系統，從而使那些本來具有償付能力的銀行也出現破產[4]。
而近些年的研究對象主要集中于傳染對于資產價格的影響。Giesecke和Weber認為，由于各個金融機構面對共同的基本面因素（如資產的價格，產品供給與需求等），因此，如果破產的金融機構規模大到足以影響資產價格以及產品供求關系等因素時，這些因素的惡化將會使得其他機構的資產價值下降，從而使得傳染蔓延[5]。Kodres和Pritsker則從投資者的角度考慮傳染對資產的貶值作用。他們提出了“跨市場的投資再平衡效應”，這種效應是指一旦某個市場受到外部沖擊，投資者會最優化地調整他在其他市場上的投資組合[6]。Kodres和Pritsker認為，投資者在調整投資組合的同時會把沖擊轉移到其他市場上，造成其他市場的資產價值下降，從而使得危機蔓延。他們發現，該種傳染主要取決于市場對于資產價格的敏感程度，以及在各個市場上信息不對稱的程度。
2.金融傳染導致的資產損失
通常認為，金融傳染是發生的概率較小、但造成的損失較為嚴重的事件。在衡量金融傳染所帶來的資產損失的研究中，部分學者對損失函數的性質進行了研究，希望能更精確地估計損失大?。灰灿胁糠謱W者通過實證分析直接估算傳染所造成的具體損失大小。
Elsinger等主要研究了損失函數的統計特征，通過對奧地利銀行系統的實證分析發現，該體系傳染的概率較小但影響較大，只有6%的破產事件是由于傳染效應造成的，因此損失函數的一個重要的統計特征是它服從薄尾分布[7]。而它的另一個統計特征則是服從正態分布，研究發現，經濟基本因素的波動大小決定了損失的均值，波動越大則損失越大；而公司之間連接的緊密程度決定了損失在均值附近的波動程度，連接越緊則損失波動越大[5]。在Elsinger和Giesecke的研究基礎上，Eisenberg和Noe給出了一種能夠衡量金融傳染損失大小的算法，該算法給出了某個給定金融機構對于其他機構的風險暴露，一旦該金融機構出現違約，我們可以通過該算法得到其他機構遭受的損失[8]。
估計金融傳染所造成的損失還有其他一些途徑。Upper和Worms運用最大熵方法得到了非常細化的估測數據并實證分析了德國銀行系統，發現單一銀行的破產最高能造成銀行系統總資產15%的損失[9]。也有學者對這一損失程度提出異議，Angelini等并沒有利用最大熵方法進行數據估計，而是模擬一家銀行破產時對整個系統帶來的沖擊。他們對意大利銀行間市場網絡的實證分析發現：由于金融傳染所造成的資產損失只有每日貨幣流動量的3%。這個結果顯示傳染的影響偏小，Angelini等認為這是由于意大利銀行系統的資金流動量較小以及銀行網絡的結構性差異所造成的[10]。
事實上，對于金融危機的預測離不開金融傳染及其導致資產損失的估計，然而無論是上述何種研究都離不開對金融網絡的構建和金融傳染的假設與模擬。因此，對于金融網絡結構的認識和傳染性的度量就顯得異常重要。
三、金融網絡的最優微觀特征
目前，學者們在對金融網絡的研究中，一方面從理論入手，研究什么樣的微觀特征的金融網絡具有較高的穩定性；另一方面則從實際入手，研究現實中的金融網絡具有什么樣的微觀特征和宏觀結構，從而結合理論研究的成果對現實金融網絡的穩定性實現判斷。
關于金融網絡最優微觀結構的研究，主要是運用風險管理、復雜網絡和網絡動態學等領域的知識，并結合金融傳染發生的機制、市場參與者的博弈決策行為等，定性或者定量地得出最優的金融網絡應具有哪些重要的微觀特征。該領域的早期研究主要考慮的是外部沖擊的發生機制，并且研究主體多為銀行系統；而隨著復雜網絡理論知識在統計物理學、生態學和社會學等學科應用的日趨成熟，許多學者開始借助于復雜網絡來研究，研究主體也逐漸擴大到其他金融系統。近年來，對于金融網絡的研究熱情逐漸高漲，網絡動態學、統計學等作為研究工具均從不同的角度對最優金融網絡的微觀結構進行了深入的分析，得到了相同或相似的研究成果。
1. 基于外部沖擊發生機制的研究方法
由于外部沖擊主要通過金融機構之間的連接而傳導風險，因此，基于外部沖擊的發生機制進行的研究多關注的是銀行系統內各銀行間的連接方式以及連接的緊密程度。Allen和Gale于2000年發表的文章是該方面研究的基石。他們基于Diamond和Dybvig所建立的D-D模型[4]，假設（完全信息條件下）流動性沖擊來自存款者取款時間的不確定性，通過一個包括四個銀行的模型證明了傳染的蔓延主要取決于銀行間的連接類型。當網絡是完全連接的（如圖2所示），即每個銀行都與其他銀行連接在一起，使得某個銀行的負債幾乎完全均勻地分布在其他銀行時，沖擊的效果會被很好的淡化。然而，當網絡是不完全連接的（如圖3所示），即每個銀行只和一部分銀行有負債關系，系統會變得較脆弱[11]。從圖2可見，Allen和Gale提出的“完全連接”的網絡正是擁有四個節點的規則網絡。
圖2完全連接的網絡 圖3不完全連接的網絡
完全連接網絡的提出，很好地解決了“怎樣的連接方式最優”這個問題；而“怎樣的連接緊密程度最優”，則由Freixas等率先給出答案，他們的研究同樣基于外部沖擊的發生機制。
Freixas等的研究模型與Allen和Gale相似，但是他們假設流動性沖擊并不來自于存款者取款時間的不確定性，而是來自于存款者取款地點的不確定性。他們認為高度連接的銀行間市場，雖然降低了持有流動性資產的成本， 但同時也產生了低效率和不穩定性：雖然銀行間市場提供的流動性保險可以幫助銀行抵消債務，但是這種系統穩定性是以這個資不抵債的銀行繼續運營為代價，這破壞了市場法則，最終系統很有可能因承受了過多的不良債務而崩潰[12]。因此，過高的連接程度損害了系統的穩定性，最優金融網絡需要適當偏大的最短路徑長度。
同樣是在D-D模型的基礎上，Brusco和Castiglionesi建立一個包括四個銀行的模型，他們的研究支持了Freixas等的結論：銀行間更緊密的連接會增加傳染的風險，這是因為銀行間互助系統所提供的后盾支持可能會使得某些銀行做出更魯莽的投資，從而增大系統風險；并且，如果連接過于緊密的話，某家銀行的破產會導致傳染的范圍變廣[13]。
2. 基于復雜網絡的研究方法
復雜網絡理論在2000年左右逐漸成熟，其應用領域也從物理學、信息學逐漸擴大到生態學、社會學等多個學科。通過復雜網絡理論對金融網絡結構進行分析，盡管不能做出對金融機構行為的動態分析，但是它可以反映出金融網絡的構建過程，并能與現實世界的網絡相匹配，具有非常重要的現實指導作用。該領域具有代表性的是Gai和Kapadia于2010年所做出的研究工作。
Gai和Kapadia[14]借鑒Strogatz以及Newman研究復雜網絡的數學方法，通過模擬金融網絡的形成過程而建立了一個能分析傳染效應、并適用于現實世界中不同類型金融網絡的模型。他們的分析結果與Brusco和Castiglionesi以及Freixas等得出的結果一樣，即最短路徑長度應適當偏長。他們認為，連接程度和風險分擔程度越高，傳染的概率越低；但一旦發生傳染，影響范圍將更廣，從而極大地損害系統穩定性。在設計最優網絡結構時，對連接程度和風險分擔程度的選擇，實質上是對傳染概率及影響范圍的一個權衡取舍。
3. 基于網絡動態學的研究方法
網絡動態學，主要通過分析行為人的決策心理并建立動態模型，研究由于時間、空間及環境等動態變化所造成的行為人的決策變化及網絡結構的演變過程。復雜網絡理論的研究缺陷主要在于無法模擬出金融網絡的動態變化，而面對復雜的金融市場變化，金融機構的動態決策行為對于金融傳染過程顯然是至關重要的。因此，一些學者開始運用網絡動態學的研究成果，對金融機構的這些動態變化加以研究，并用圖像表示出外部沖擊以及傳染蔓延的動態過程，通過分析復雜的決策行為來了解網絡的形成機制和過程，從而設計出最優網絡結構。
Goyal和Vega-Redondo是較早運用網絡動態學對金融網絡進行研究的學者[15]。他們在2004年發表的文章支持了Allen和Gale以及Freixas等的研究結論。他們認為，兩方建立債務關系的過程就是一個博弈以達到最優均衡的過程，而整個關系網絡的建立正是許多債務關系的動態建立過程；兩方建立債務關系，就是在風險及收益之間選取一個最優納什均衡點的動態博弈。根據這個網絡構建模型，Goyal和Vega-Redondo在考察了不同的連接方式、連接費用以及不同的相互作用模式對風險傳染起到的作用之后，得出結論：“完全連接”模式（即規則網絡）與較長的最小路徑長度可以有效地減小金融風險的傳染。
4.基于運籌法的最優微觀結構判斷
定量分析的研究目前相對偏少，研究方法也多為運用運籌學方法解決最優化問題，Leitner在2005年給出的“每個小群體的最優節點數量”在這方面具有重要的代表意義。Leitner建立了一個不僅能相互傳染、也能相互救助的金融網絡，流動性較好的銀行會因為擔心受到傳染而救助流動性不足的銀行。該模型說明銀行間的相互連接對于減少破產危機的發生具有重要意義，因為它們允許銀行間相互救助；然而整個網絡也可能因為過度連接而在某些情況下（如當流動性限制在一小部分銀行中時）出現傳染蔓延并最終崩潰?；趯W絡連接帶來的好處（允許銀行相互救助）以及壞處（危機可能蔓延）的取舍，Leitner運用運籌學知識，通過求解一個帶有約束的規劃問題給出了最優金融網絡的規?！總€小群體內的最優節點數量為5[16]。
5. 其他研究方法
還有學者通過統計學和傳染病學等其他理論工具，對金融網絡的最優微觀特征的研究做出了貢獻。Gai等利用傳染病學以及統計物理學的知識，與其他學者再次對金融網絡的最優微觀特征問題進行了研究。在仍然堅持“最優網絡結構具有適當偏長的最小路徑長度特征”的同時，Gai等又得出了“復雜度較低也是最優網絡結構的重要特點”的結論[17]。Iori等利用統計學方法研究單個銀行的風險與整個銀行間市場相互作用的動態過程發現，較低的聚類系數可以有效提升金融網絡的穩定性[18]。這與Simon在1962年所著的“The Architecture of Complexity”中的觀點相吻合：在復雜系統中，只有最簡單的層次結構才是最優的。Iori認為，銀行間拆借雖然降低了單個銀行的破產概率，但也增加了整個系統崩潰的機會。當銀行間網絡的聚類系數較高，即系統內的銀行都是同種類型時，系統崩潰發生的可能性比較大；而當聚類系數較低，即銀行的類型不相同時，崩潰發生的可能性就會降低。較低的聚類系數可以有效提升金融網絡的穩定性[18]。也有學者把金融網絡與其他網絡系統（如生態網絡系統）進行類比。Haldane和May所做的這方面研究支持了Gai等的關于“最優網絡結構的復雜度較低”的結論。在經過對生態系統的食物鏈以及金融網絡的對比分析之后，他們認為金融系統和生態系統一樣，復雜程度越高，整個網絡的穩定性就越差[19]。
盡管所用的研究方法各不相同，但是目前所得到的關于最優金融網絡的微觀特征的結論非常相似?？偟膩碚f，具有“完全連接”、較低的復雜程度、適當偏長的平均最短路徑長度以及較小的聚類系數是最優網絡結構的幾個主要特征。Nier等對金融網絡的特征做了較為完整的界定。他們利用網絡理論知識，認為銀行體系網絡結構的關鍵參數一共有四個：銀行的資本化水平，網絡的連接程度，銀行間的借貸規模，銀行系統的集中程度。他們通過建立銀行網絡系統并加以模擬的方法得出結論：資本化水平越高、借貸規模越低、集中程度越低，則銀行系統的穩定性越高；而連接程度則與穩定性呈非線性關系，當連接程度超過閾值之后，連接程度越高，穩定性越低[20]。
四、金融網絡的最優宏觀結構
基于描述金融網絡的三大基本指標，上文總結了前人對于較為穩定的金融網絡應該具有的指標特征?；谶@些基本的指標，整個金融網絡將會呈現一定的宏觀結構，如前文指出的小世界網絡和無標度網絡。這些基于多個基本指標共同呈現出的復雜的拓撲結構，構建出了金融網絡的整個宏觀拓撲結構，結合圖論知識不僅能判斷某一現實生活中的網絡屬于哪一類網絡宏觀結構，同時能夠對其在傳染過程中所起到的作用做出一定的判斷。
Watts和Strogatz與Barabási和Albert相繼于1998、1999年提出了“小世界網絡”模型以及“無標度網絡”模型，這標志著復雜網絡理論的逐漸成熟。許多學者開始以這兩個模型為衡量標準，通過實證結合統計分析等方法來研究現實中的金融網絡所具有的宏觀結構特征，并結合復雜網絡理論探討如何設計宏觀網絡結構才能更有效地防止金融傳染。目前大多數研究都表明，金融網絡兼具小世界網絡以及無標度網絡的某些特征，這些特征顯著地影響著危機的傳染過程。
金融網絡最典型的宏觀拓撲結構特征之一，就是平均最短路徑長度較短，這正是小世界網絡所獨有的典型特征，這已經被包括Soramaki等和Boss等許多學者所證實。Soramaki等利用復雜網絡方法分析了美國商業銀行的銀行間支付系統網絡的拓撲結構以及與網絡穩定性相關的性質，發現該銀行間網絡具有較小的平均路徑長度[21]。Boss 等對奧地利銀行間市場進行實證研究后也認為，奧地利銀行間網絡的平均路徑長度較小。Boss等還得出了另外一個結論：銀行間網絡的聚類系數較小。他們認為，因為銀行之間保持連接需要一定的費用，所以當兩個較小的銀行都與一家較大的銀行存在價值關系時，這兩家小銀行之間沒有互相連接的動力[22]。
金融網絡還體現了無標度網絡的兩個重要特征：節點度分布服從冪律分布以及中心節點的存在。Soramaki等的研究證實，美國商業銀行的銀行間支付網絡的節點度分布服從冪律分布，同時該銀行間網絡還包括一些節點度數很高的“中心型”（Hub）銀行[21]。Iori等則運用復雜網絡的統計分析方法，對意大利銀行的隔夜拆借市場的網絡結構進行了分析，發現節點的度分布服從一個比隨機網絡更為厚尾的分布[18]。這也意味著，存在數量很少的幾家較大的銀行，與非常多的小額貸款者保持債務關系，這些規模較大、節點度較高的銀行就是典型的中心節點。更進一步地，Boss等不僅證明了奧地利銀行間的節點度分布服從冪律分布，他們還精確地計算出該銀行間網絡分段服從的冪指數分別為0.62和2.01[22]。
金融網絡的這些宏觀特征對于分析金融系統的傳染性是非常重要的。Albert等在2000年的研究表明，當中心節點受到沖擊時，無標度網絡將會變得特別脆弱，且很容易造成傳染蔓延。盡管小世界網絡在單個小型金融機構破產時有很強的穩定性，但是，一旦少數節點度數較高，也就是負債規模較大的（中心節點）銀行破產時，銀行系統受到的沖擊將會很大。
金融系統的這種風險特點也與損失函數服從薄尾分布的特性相吻合，當發生危機的是一般的小型金融機構時，金融系統擁有較強的自我修復能力；但是一旦關鍵的大型金融機構（中心節點）發生流動性危機時，金融系統將會變得非常脆弱，從而極有可能造成金融傳染的蔓延以及嚴重的資產損失。
五、金融網絡研究中亟待解決的難題
金融網絡中存在數量眾多的節點以及紛繁復雜的連接關系，這使得要構造一個完整的金融網絡就需要大量的數據，然而，金融機構之間較為可靠的借貸關系數據是很難獲得的。目前應對這個難題通常有兩種方法：一是只研究信息完全的那一部分金融網絡。這種方法的缺點在于“以偏概全”，把局部網絡所具有的特征當做整個金融網絡的特征。例如，Furfine只采用聯邦儲備市場的數據（該市場僅占整個銀行間市場的10%—20%），造成最后所得結果與其他學者的研究結論存在差異，低估了金融傳染的危害性[23]。二是用某些合理的假設和方法去估計數據。目前大部分文獻使用最大熵估計方法，但最大熵估計方法的缺陷主要在于，在滿足特定的約束之下它假設金融機構之間的借貸是均勻分布的，這顯然與事實不太相符。Mistrulli分別用最大熵方法和基于完全數據的方法對同一市場做了分析，研究發現，最大熵估計方法可能會高估傳染的擴散范圍，從而造成對傳染損失的錯誤估計[24]。這兩位學者的研究表明，兩種方法都存在一定的缺陷。如果能將這兩種方法有機地結合，或者運用創新的研究工具解決金融網絡數據獲取難題，我們將能構造更為真實、更為完善的金融網絡。
另一個難題則是如何將宏微觀的研究方法相結合。微觀方法能清晰直觀地解釋網絡的連接方式以及傳染的傳導過程，但是其對于網絡宏觀結構的假設過于簡單，也無法在整體上把握金融傳染特征；而宏觀方法雖然能較好地解釋金融網絡的拓撲性質，但很難對金融機構的決策行為做出分析，也很難把握金融網絡的動態變化。
若能將宏微觀分析方法相結合，則可以對金融網絡的形成過程、傳染特點等都得到更為清晰、更為全面的認識。Schweitzer等認為，這需要從五個方面做出更大的突破：大數據量的分析，即分析金融網絡中每一節點的動態發展過程，這對編程計算能力提出了更高的要求；把研究擴展到更廣的時間和空間上，動態分析整個沖擊以及傳染過程在時間、空間上的變化，即我們需要進一步發展網絡動態學；更精確地界定網絡結構，并引入一些全新的概念，例如描述性指標的復合指標（如網絡的k-核結構、支配力等），還有銀行網絡的Motif結構等，以使得對金融網絡的描述更加細致；修改某些外生假定以得到更加貼近現實的模型，例如取消對資金流動范圍的限制并允許金融傳染在全球范圍內發生；借助于系統工程學的穩定性研究，通過建立反饋機制考察金融網絡的穩定性[25]。
綜上，從金融網絡的宏微觀結構特征來看，最優金融網絡具有完全連接、較低的復雜程度、適當偏長的最小路徑長度以及較小的聚類系數等幾個主要的微觀特征。而現實中的金融網絡通常具有小世界網絡以及無標度網絡的典型特點。要想防止金融傳染，我們應該設計一個具有“完全連接”、較低的復雜程度、適當偏長的平均最短路徑長度以及較小的聚類系數等微觀特征的金融網絡，同時必須提高對金融網絡中中心節點的監測和救助。
參考文獻：
[1] Watts， D. J.， Strogatz， S.H. Collective Dynamics of “Small-World” Networks[J].Nature， 1998， 393（6684）： 440-442.
[2] Barabási， A. L.， Albert， R. Emergence of Scaling in Random Networks[J].Science， 1999， 286（5439）： 508-512.
[3] Kiyotaki， N.， Moore，J. Balance-Sheet Contagion[J].The American Economic Review， 2002， 92（2）： 46-50.
[4] Diamond， D.W.， Dybvig， P.H. Bank Runs， Deposit Insurance and Liquidity[J].Journal of Political Economy， 1983， 91（3）： 401-419.
[5] Giesecke， K.， Weber， S. Cyclical Correlations， Credit Contagion， and Portfolio Losses[J].Journal of Banking and Finance， 2004， 28（12）： 3009-3036.
[6] Kodres， L. E.， Pritsker， M.A. Rational Expectations Model of Financial Contagion[J].The Journal of Finance， 2002， 57（2）： 769-799.
[7] Elsinger， H.， Lehar， A.， Summer， H. Risk Assessment for Banking Systems[J].Management Science， 2006， 52（9）： 1301-1314.
[8] Eisenberg， L.， Noe， T. Systemic Risk in Financial Systems[J].Management Science， 2001， 47（2）： 236-249.
[9] Upper， C.， Worms， A. Estimating Bilateral Exposures in the German Interbank Market： Is there a Danger of Contagion[J].European Economic Review， 2004， 48（4）： 827-849.
[10] Angelini， P.， Maresca， G.， Russo， D. Systemic Risk in the Netting System[J].Journal of Banking & Finance，1996， 20（5）： 853-868.
[11] Allen， F.， Gale， D. Financial Contagion[J].Journal of Political Economy， 2000， 108（1）： 1-33.
[12] Freixas， X.， Parigi， B.， Rochet， J.C. Systemic Risk， Interbank Relations and Liquidity Provision by the Central Bank[J].Journal of Money， Credit and Banking， 2000， 32（3）： 611-638.
[13] Brusco， S.， Castiglionesi， F. Liquidity Coinsurance， Moral Hazard and Financial Contagion[J].Journal of Finance，2007， 62（5）： 2275-2302.
[14] Gai， P.， Kapadia， S. Contagion in Financial Networks[J].Proceedings of the Royal Society A， 2010， 466（2120）： 2401-2423.
[15] Goyal， S.， Vega-Redondo， F. Network Formation and Social Coordination[J].Games and Economic Behavior， 2005， 50（2）： 178-207.
[16] Leitner， Y. Financial Networks： Contagion， Commitment， and Private Sector Bailouts[J].The Journal of Finance， 2005， 60（6）： 2925-2953.
[17] Gai， P.， Haldane， A.， Kapadia， S. Complexity， Concentration and Contagion[J].Journal of Monetary Economics， 2011， 58（5）： 453-470.
[18] Iori， G.， Jafarey， S.， Padilla， F. G. Systemic Risk on the Interbank Market[J].Journal of Economic Behavior & Organization， 2006， 61（4）： 525-542.
[19] Haldane， A. G.， May， R. M. Systemic Risk in Banking Ecosystems[J].Nature， 2011， 469（7330）： 351-355.
[20] Nier， E.， Yang， J.， Yorulmazer， T.， Alentorn， A. Network Models and Financial Stability[J].Journal of Economic Dynamics & Control， 2007， 31（6）： 2033-2060.
[21] Soramaki， K.， Bech， M. L.， Arnold， J.， Glass， R. J.， Beyeler， W. E. The Topology of Interbank Payment Flows[J].Physica A， 2007， 379（1）： 317-333.
[22] Boss， M.， Elsinger， H.， Summer， M.， Thurner， S. Network Topology of the Interbank Market[J].Quantitative Finance， 2004， 4（6）： 677-684.
[23] Furfine， C. H. Interbank Exposures： Quantifying the Risk of Contagion[J].Journal of Money， Credit and Banking， 2003， 35（1）： 111-128.
[24] Mistrulli， P. Assessing Financial Contagion in the Interbank Market： Maximum Entropy versus Observed Interbank Lending Patterns[J].Journal of Banking & Finance， 2005， 35（5）： 1114-1127.
[25] Schweitzer， F.， Fagiolo， G.， Sornette， D.， Vega-Redondo， F.， Vespignani， A.， White， D. R. Economic Networks： The New Challenges[J].Science， 2009， 325（5939）： 422-425.
The Influence of Financial Networks and Contagion on Financial Stability
BA Shu-song1，2，ZUO Wei1，ZHU Yuan-qian3
（1.Management School，University of Science and Technology of China，Hefei 230023，China；
2.Development Research Center of the State Council，Beijing 100010，China；
3.China Banking Regulatory Commission，Beijing 100140，China）
自從美國第三任總統，著名思想家杰佛遜最早提出媒體的“第四權力”，媒體的力量從未被忽視過。而互聯網的興起讓媒體更具力量。普遍認為網絡媒體的精髓在于快速直達，但是中國金融網()的發展歷程讓人們對專業化的行業深度網絡媒體建立了新的認識。打造平臺
創建于2002年10月1日的中國金融網，是由中國金融產業控股有限公司控股，中國金融網控股有限公司和亞洲財訊(北京)網絡技術有限公司聯合主辦的大型金融網站。目前已經成為全球最大的中文金融門戶和中國金融領域的網上新聞、信息中心。
中國金融網不僅與聯合國工業發展組織、美國，英國、俄羅斯、加拿大、法國、日本、澳大利亞、韓國、新加坡、沙特等五十多個國家的政府建立了密切的合作關系；而且與花旗銀行、匯豐銀行、渣打銀行、荷蘭銀行、加拿大帝國商業銀行、加拿大帝國皇家銀行、德意志銀行、澳大利亞和新西蘭銀行、法國大眾銀行，新加坡大華銀行、日本瑞穗銀行、紐約證券交易所、納斯達克交易所、倫敦證券交易所、東京證券交易所、韓國證券交易所、新加坡證券交易所、香港證券交易所、上海證券交易所、深圳證券交易所等數萬家全球知名金融機構建立了十分密切的伙伴關系。
中國金融網提出了立足中國、依托金融、服務經濟、面向全球的戰略，目前不僅在金融數據和信息產品領域成為業界最具影響力的平臺，而且在企業征信體系、中小企業信貸服務、中小企業投融資服務、中小企業項目和產品交易、金融理財和培訓、企業并購等眾多方面進行大力投資并展開梯級化經營。
事實上，中國金融網不僅僅是一個專業的網絡信息傳播平臺。在何世紅的規劃中，中國金融網只是他巨大產業體系里的第一步，也是至關重要的平臺。
創業史
現任亞洲財訊(北京)有限公司董事長兼中國金融網總裁的何世紅，他最初的理想是成為一名優秀的記者，并為這個理想在祖國西北奮斗了17年。這段時間的經歷和見聞成為他智慧的積累，逐漸演變成了新的夢想。
2002年，創業之初的何世紅已經記不清去過多少次銀行了，“當初我們跑了很多家銀行，每一家都跑了，幾乎人家連門都不讓進?！薄拔覀兊谝患艺劤傻氖且患覈秀y行，我們去了無數次，一遍遍和他們談中國金融網的意義”，何世紅的誠意和執著，終于打動了這家銀行，“最后，該行終于同意與我們合作了，我還記得雙方蓋章的時候，他們的代表說，我這個章一蓋下去，標志著你中國金融網增值了1個億”。而對何世紅而言，這不光是1個億的問題，是從此領到了進入中國金融領域的通行證。
此后，他以中國金融網為平臺，成功舉辦了中國金融生態城市發展年會，也成功舉辦了兩屆中國金融市長年會?！皬囊欢ㄒ饬x上講，金融生態就是競爭力，提升城市競爭力，必須先搞好金融生態問題，這已經成為一個城市能否可持續發展的關鍵問題?！焙问兰t說。
2008年，他正式成立了中國金融產業控股集團有限公司，將所有產業整合在一起。此時，正值世界能源和金融大發展的時期，中國也已經成為世界上強大的經濟體，他立志要做一件事，就是在國際能源和金融市場上樹立中國的話語權。2008年的11月，他在北京釣魚臺國賓館舉行了盛大的世界能源金融大會、世界石油金融大會和世界金融論壇，邀請了來自世界30多個國家的政府官員、能源機構的代表和金融機構的代表共400余人出席會議，他希望借助這個平臺向世界傳遞來自中國的聲音，要建立一個由中國人組建的世界能源金融體系。
邁向未來
談到下一步的發展，何世紅說：“中國金融網將來的發展就是一個大型的金融產品交易中心。我們設計了未來一百年的規劃，將打造一個國際化、全球化的公司模式。通過科學的運作體系、模式以及戰略舉措來建成一個極具專業化和高品質的產業金融集群?！?/p>
“中國金融網在這里只是一個點，一個輻射多面的點，這些輻射面將包括我們的中國第一家商業化的征信公司，中國第一家最大的中小企業信貸服務公司，還有投行業，”何世紅說，“我們規劃和設計中的金融城項目已經通過了許多專家的論證，這個項目計劃要投資20個億去打造這個金融城，這個項目建成后，讓全世界看到，世界金融文化中心在中國?！边@就意味著，中國金融網擁有比傳統互聯網項目更具活力的盈利模式。事實上，它一直都植根于富饒的金融業之上。
〔關鍵詞〕 科技金融；金融網絡；科技創新網絡；結構洞
〔中圖分類號〕F2731；F8303 〔文獻標識碼〕A 〔文章編號〕1000-4769（2012）05－0066－03
一、科技知識創新網絡及其政府作用
網絡聯系（或者活動）是指網絡行為主體之間的交互活動或關系。Beckman（1994）最早提出了知識網絡（knowledge networks）的概念。筆者把科技知識創新網絡定義為“科技知識創新與科技成果產業化的社會網絡”?？萍贾R創新活動鏈接了企業、科研機構和大學，即所謂“產、學、研”相結合的模式。但是，市場需求是科技創新成功與否的最終判斷標準，因而科技創新網絡必須鏈接消費者，即“知道技術可用在哪，以及為什么人所用”，〔1〕所以，科技創新網絡一定是“產、學、研”與市場相鏈接的社會網絡。
政府促進科技創新網絡鏈接有三方面作用：第一，按照波蘭尼的觀點，科學與人應該是合一的，個人的意會知識（tacit knowledge）和個體技能（Skills）在人類科學知識創新中發揮著基礎性的作用?！?〕有效保護知識產權能激發創新者的積極性并產生更多科技成果，政府的作用是建立與完善制度體系，營造尊重知識產權和鼓勵創新的社會環境。第二，政府對科技知識創新活動進行直接或者間接的金融支持，間接金融支持即“政策性金融”與市場的結合。第三，格蘭諾維特把人們的直接聯系稱之為“強關系”，間接聯系稱之為“弱關系”?！?〕強關系網絡具有的高“接觸頻率”與“情感密度”以及“結構等位”（網絡成員具有同等位置），有利于科技創新的產生，但也導致信息同質化；“弱關系”則帶來新信息或機會，從而形成互補性的科技知識創新網絡。依據這一理論，政府的作用是扮演科技金融網絡“橋（bridge）”的角色，通過服務平臺促進科技型企業與科研院所、金融機構等發生鏈接。
二、財政資金嵌入金融交易結構的機制
“金融交易結構”是金融資產的未來收益、風險和流動性的結構化，并形成以交易價格為核心的交易雙方的權利配置。金融交易結構是金融網絡的鏈接機制，也是金融網絡與科技創新網絡發生鏈接的機制。當金融網絡與科技創新網絡發生鏈接時，這種社會網絡稱之為“科技金融網絡”。政府的“橋接”作用便是通過政策性金融與服務平臺共同影響“金融交易結構”，改變收益與風險匹配關系，促進科技型中小企業與金融機構自愿達成交易。
“金融交易結構”是由科技創新類型與金融交易方式共同決定的。其一，基礎科學知識創新一般采用財政資金直接投入；技術創新除財政資金投入外，還以技術應用單位提供研究經費或專利轉讓費等為補充；企業的“產品創新”和“過程創新”則可以通過VC和PE、銀行貸款等金融資源配置方式。其二，高新技術企業或者產品生命周期各階段，在風險最大的初創期利用自籌資金，輔之以政府種子基金或天使投資；在風險次之的成長初期除自籌資金外，還可能有VC或PE等股權投資；在風險較小的成長期和成熟期則采用PE投資、企業債、銀行貸款等。長久以來，政策性金融在推動市場機制不能有效解決的基礎科技研究方面起到了決定性作用，而財政資金嵌入“金融交易結構”，以實現政府引導與市場基礎性作用相結合方面的嘗試在近年也取得一定成果。
風險、收益與流動性相匹配是決定金融交易結構的經濟學法則，當財政資金嵌入金融交易結構改變了風險與收益的不匹配關系時，過去不可能達成的金融交易現在可以自愿達成，所以，財政資金的嵌入本質上是一種政府信用的嵌入，以達到為科技型中小企業增信的目的。如蘇州“科貸通”模式就是政府通過設立信貸風險補償專項基金，對合作商業銀行的科技型中小企業貸款違約損失實施風險補償，從而降低了商業銀行的風險。從金融交易結構創新的角度分析，企業與銀行的雙邊交易結構在嵌入政府信用后轉變為一種三邊交易結構；金融機構之間的互動甚至可以形成多邊交易結構，如蘇州推出的“保險貸”就是在金融交易結構中嵌入保險公司的“信用履約保險貸款”，即經保險公司履約保證保險后發放給科技型中小企業的銀行信用貸款。但是，由于政府嵌入放棄了全部或部分商業利益，而金融機構則以商業利益為目的，所以，商業性多邊交易結構往往會導致更高的交易費用。筆者的看法是，如果不能降低交易成本，這種商業性多邊金融交易結構很難認定是一種有效的金融交易結構創新。
三、政府服務平臺的“橋接”機制
2012年11月27日，隨著澳大利亞證券交易所的上市鐘聲敲響，熊強與他的團隊一起在悉尼舉杯，慶賀其一手創辦的優惠券公司淘淘谷（TUP.ASX）上市。作為國內第一家上市的O2O概念股，淘淘谷開盤當日收盤價比招股價上升25%，達到0.75澳元，對應市值4.8億澳元（約合31億元），超過了當當網（DANG.NYSE）和網秦（NQ.NYSE）。
一家創業僅兩年的公司，產品剛剛半年，月均營收也僅為10萬元，憑借什么成為澳大利亞交易所的新寵，市值達到60億元？表面上看，這一切源于淘淘谷與銀聯金融網簽署的一份長期排他合作協議，并構建了合作分成模式。
“淘淘谷+銀聯”的O2O閉環模式
淘淘谷是銀聯旗下U聯生活平臺的上游技術提供商，其創始人熊強在互聯網領域擁有連續十年的創業經歷。
2010年12月，熊強在香港注冊淘淘谷移動優惠券服務有限公司（深圳淘淘谷的母公司）。當時，優惠券領域已有眾多先行者，例如胡椒蓓蓓、錢庫等，而O2O概念也開始在市場風靡。淘淘谷最初的玩法和其他公司并無兩樣，一方面整合商戶資源，一方面將商戶的優惠券派送到消費者手中。
可這種玩法有個不足，就是無法衡量和檢測營銷效果。專業O2O媒體品途網運營總監朱剛表示，目前大多數優惠券模式都是斷裂的，即線上與線下是脫節的。線上平臺掌握下載量但不知道實際使用量，商家知道真實使用量但不能掌握下載量。如果構建一個中間環節，把線上和線下串聯起來，將優惠券運營打造成一個閉環，從而實現營銷效果的可衡量、可追蹤，才能真正達到按效果付費。通過這一O2O閉環的建立，線上平臺可以掌握更完整的信息和數據，比如用戶喜歡吃什么菜、主要在哪一帶活動等，當數據量積累到一定程度時，就可實現精準營銷。這或許是O2O最大的一座金礦。
獨立電商分析師李成東認為，大眾點評之類的O2O網站，之所以無法實現高收入，正是因為它們只是掌握了優惠券下載環節，尚未能建立O2O閉環，以控制支付和交易環節，很難獲得較大的收入分成。
淘淘谷的誕生似乎占盡天時地利。其時，銀聯旗下從事深圳地區銀行卡收單業務的銀聯金融網絡打算推出電子優惠券業務，銀聯甚至計劃將深圳作為電子優惠券試點，成功后再向其他地區推廣。于是，熊強帶著淘淘谷在電子優惠券上的解決方案，敲開了銀聯金融網絡的大門。
2011年5月， 淘淘谷和銀聯金融網絡達成合作關系，成為銀聯深圳旗下U聯生活平臺的解決方案供應商。
淘淘谷招股說明書顯示，其開發的“電子金融認證程序”，是證明交易真實性的軟件。銀聯U聯生活的數據將在云計算服務器上進行處理和儲存。這樣，一旦一張銀聯卡在U聯生活平臺上注冊，它就可以成為一張云連接銀行卡，用來追蹤、儲存和處理連接到此卡上的用戶數據和信息，即使消費者通過電腦、手機或POS機等不同終端進行交易，也能追蹤相關記錄（圖1）。
在這一合作模式中，U聯生活平臺并不負責線下網絡和團隊鋪設，只是通過開放系統引入商戶資源，其設計了一套與合作伙伴的利益分配模式：在商戶支付的傭金中，U聯生活分享30%（其中銀聯金融網絡18.9%，淘淘谷11.1%）、優惠券公司（商戶方）占30%、社交網絡（用戶資源方）占40%。
而淘淘谷除了這部分收入分成外，還可收取線下商戶的系統開發服務費，包括一次性的安裝費用和持續性的護理維修費用。
通過U聯生活平臺，商戶一是可以進行優惠券營銷，不斷吸引客戶；二是獲得客戶數據，從而更精準地了解和預測客戶行為，指導廣告和產品服務生產；三是相比傳統的廣告投放，U聯生活的廣告開銷是彈性的，用戶雖然下載了優惠券，但只有產生實際銷售行為時，商戶才需要向U聯生活平臺付費。
每個行業的商戶傭金標準不一，據介紹，餐飲行業傭金為實際支付金額的2-5%，美容美發行業8-20%，服裝行業8-15%，家居建材行業5-15%，攝像行業傭金率最高，達到10-25%。目前U聯生活商家超過1000家，主要集中在深圳。這些商戶通過U聯生活實現的交易量占商戶總交易量的10%，消費者綁定優惠券后的轉化率為20%。
背靠U聯生活好乘涼？
按照熊強的說法，U聯生活及其銀聯POS機網絡資源形成的閉環可以看做一條“高速公路”，目前淘淘谷正在逐步與全國各地的銀聯商務體系修建這條路，未來，這一體系將被打造成類似蘋果iOS那樣的生態系統，網站、金融機構、運營商、廣電體系和芯片廠商，只要涉及O2O支付部分，都可以在U聯生活平臺上開發自己的應用。
淘淘谷招股書顯示，銀聯金融網絡負責將U聯生活平臺營銷給銀聯卡持有者，其他潛在合作伙伴也可以將U聯生活的產品整合進其現有的產品組合中，然后從交易費用中獲取分成。據稱，已經與U聯生活簽訂合同的合作伙伴達60多家，包括新浪微博旗下的北京微夢創科公司和騰訊。
但是李成東認為，U聯生活與騰訊等公司的合作僅是掛牌，騰訊也開始通過微信做優惠券業務，不大可能將用戶導入U聯生活，而且目前優惠券的替代模式很多，U聯生活很難一統天下。在蘋果APP Store里搜索“優惠券”三字，相關應用超過100家，其中不僅有專門做優惠券業務的公司，例如“丁丁優惠”、“折扣行優惠券”等，也有百度、網易等綜合公司，此外，大眾點評、淘打折等分類優惠應用也多不勝舉。這些公司在優惠券領域精耕已久，它們是否愿意加入U聯生活平臺，為其導入商家仍是未知。
不過，淘淘谷歸根到底只是U聯生活的一個技術提供商，它并不擁有U聯生活的所有權。招股書資料顯示，U聯生活的名稱、商標、軟硬件系統的知識產權都歸銀聯金融網絡所有，也就是說，銀聯金融網絡才是U聯生活的所有者，U聯生活在技術上由淘淘谷深圳和金融IT服務外包企業雁聯（Ylink）運營。淘淘谷為所有通過U聯生活平臺的線上和線下交易提供電子金融認證（數字證書），雁聯則負責數據處理和加密處理。
盡管淘淘谷深圳和銀聯金融網絡簽署了關于U聯生活的合作協議，規定淘淘谷深圳作為U聯生活平臺的全球獨家運營商，可以和其他伙伴一起開發和維護U聯生活平臺以及網站。但是淘淘谷要繼續持續這份協議，必須要和銀聯保持密切的關系。
此外，淘淘谷在2011年11月才提出申請電子金融認證程序的產權，通常需要2-3年的時間才能獲批。也就是說，公司目前仍缺乏專利的法律保障，無法阻止其他機構使用這個項目。
淘淘谷的最大風險就是過于依賴U聯生活。作為一家信息技術外包商，其收入的94%來自U聯生活。如果淘淘谷不能維持與銀聯金融網絡的長期關系，或者與銀聯金融網絡續約失敗，都將對淘淘谷產生致命打擊。
盡管淘淘谷的盈利存在諸多風險，但對外經濟貿易大學電子商務研究所所長李安渝認為，很多公司的技術和設備的采購都是一次性的，淘淘谷能通過技術服務與銀聯金融網絡實現收入分成已經是一種突破；由于銀聯在中國的強勢地位，淘淘谷能從U聯生活中得到11.1%的收入分成并不算低，只要有分成，就說明這種商業模式是可持續的。
上市背后
淘淘谷此次上市目標融資額僅120萬澳元，招股書表示公司會將其中15.2萬澳元花在包括運營、行政以及維持U聯生活平臺的費用上，其余104.8萬澳元則是上市費用。這么低的融資額也引來了諸多猜測，更有業內人士斷言，淘淘谷上市的目的，可能僅僅是用于做估值，然后到國內講故事。
曾經創辦眾恒廣告公司的熊強，有豐富的營銷策劃經歷。1998年，他曾任小護士化妝品營銷策劃和媒介策劃經理，然后赴天音通信零售事業發展部從事通信產品零售戰略與營銷。2003年，他創立了手機通信產品營銷顧問公司，客戶包括康佳、步步高、LG浪潮等。2004年，熊強成立了深圳艾世代數碼科技公司，并在手機數字增值產品內置業務做到全國第一，2007年營業額達到6億元。2006年，熊強還擔任手機分銷網站播播網的總經理。此外，自2005年起，熊強還為眾多通信企業提供技術支持和外包服務。
從熊強的履歷可以看出，他出身營銷策劃，擅長找尋行業機會，不過科技領域更新換代速度太快，其創辦的公司大多曇花一現。而淘淘谷上市時點的選擇，也體現了熊強的營銷特長。其時，適逢電子金融認證的核心技術開發完畢，赴澳大利亞上市正好可以達到較好的廣告效應，從而提高品牌和市場認可度，為未來的國際化做準備。
在美國，銀聯受VISA打擊嚴重，在澳大利亞則接受程度很高。此外，澳大利亞交易所門檻較低，不論規模大小和行業差異，澳大利亞上市對于資產利潤條件要求很低。這些無疑是淘淘谷選擇澳大利亞上市的原因。
盡管如此，淘淘谷上市還是遭遇了市場認購不足。公司計劃發行200萬股，市場實際申購僅為117萬股，實際融資額70萬澳元，尚不足覆蓋其上市費用，這也說明目前投資者對于淘淘谷的未來仍然存疑。公司上市之后一段時間，股票成交量一直在低位徘徊。李安渝表示，認購不足不僅反映了市場的態度，也由于公司沒有花太多功夫在募資上，據其介紹，淘淘谷并沒有花很多精力去做路演和找投資機構。
財報數據顯示，正處于業務開拓期的淘淘谷收入有限，還沒有形成爆發式增長態勢，至今仍處于虧損狀態（表 1），但與最初上市相比，投資者開始對其生成好的預期。
2013年2月18日，淘淘谷公告，在新年假期后將U聯生活平臺擴張到上海、成都、沈陽和其他幾個一二線城市，目標是2013年底建立覆蓋全國主要城市的網絡。在公告前，淘淘谷股價就出現異動，在短短4個交易日內，暴漲40%，股票成交量倍增，按2013年2月18日的收盤價計算，其市值已接近60億元（圖2）。
但最新的季報顯示，截至2012年12月31日，淘淘谷三季度財務數據依舊低迷，經營凈現金流為-580萬元，而同期現金收入僅25萬元。此時，淘淘谷賬面上只剩下2600萬元，在收入沒有形成規模前，淘淘谷需要更多的資金投入，否則很可能將深陷財務困境。
在淘淘谷的股權結構中，熊強及其妻子持有35.22%的股權，其他董事會成員持有45%以上，此外單一最大股東為國內天使投資人蔡文勝妻子旗下的公司，持有12.09%的股份。公開資料顯示，上市前淘淘谷吸收的投資總額不到2100萬元。更耐人尋味的是，中國銀聯及國內知名投資機構竟然集體缺席這場“盛宴”。
據李安渝透露，淘淘谷新近開發了一種新技術，可以讓海外POS機使用銀聯和人民幣進行結算，這樣，不只是銀聯卡，海外信用卡也可以采用U聯生活。擴展海外業務對淘淘谷的一個明顯好處，是可以降低對銀聯的依賴，在與銀聯的合作中提高話語權。李安渝認為，如果擴展到國外市場，淘淘谷從U聯生活得到的分成有望提高至20%-25%。
中國已經在人們不知不覺中進入了網絡金融時代。20年前，沒人相信可以從網上購物，阿里巴巴創辦的支付寶；卻讓網上購物成為了現實。今天支付寶銷售額已經超過了一萬億元人民幣。
目前，國內外網絡金融出現了很多的新動態，如阿里網絡銀行已正式向金融監管部門提交擬設立阿里網絡銀行的申請。如獲批準，阿里網絡銀行將有望成為國內第一家真正意義上的網絡銀行?；ヂ摼W金融大潮初起，經過幾輪洗牌之后，有望形成一個巨大的互聯網金融產業集群。網絡金融已經成為金融發展的必然趨勢及主要研究方向，國內有研究機構和企業正在探索和嘗試，這為云南金控基金發展網絡金融提供寶貴的經驗。
云南金控基金擬成立“云南金控金融網絡金融服務有限公司（以下簡稱金控金融網絡）”，擬定注冊資金為500萬。公司以現金入股的方式控股，將來的合作公司以技術+現金（技術入股部分待評估價值）的方式進入參與。
成立金控金融網絡的初步構想在于：首先，網絡金融將是未來金融行業發展的方向。建立網絡金融融資平臺，可使公司的管理和業務水平上升到一個新的階段，快速和國內先進金融理念與模式接軌，通過整合企業信息，資金流和信息流，提升企業科學決策能力，提升本企業競爭力，通過網絡金融平臺的建立可以為社會提供豐富的投資信息資源，可以為云南更多的企業提供網絡金融融資的服務，解決更多中小企業貸款難的問題，更好更快的為中小企業解決融資難瓶頸。打造全新的網絡金融服務理念。第二，為未來的民營銀行網絡創新打下基礎。設立云南民營銀行的目的就是要區別于傳統銀行，網絡金融公司的設立，可為未來的民營銀行在技術的發展與研發過程中提供實體支撐；通過網絡金融公司在與市場運作對接的過程中可以培養和發現一批為設立銀行所用的人才儲備；能夠在經營過程中，實現客戶信息沉淀，發現和儲備一批優質客戶，為以后的銀行業務開展提供有用的數據信息并達到共享；針對不斷變化的市場形勢，通過網絡金融公司的運作提煉，可以不斷研究和探索出具有創新性的經營模式并對傳統金融運作模式體系加以優化與融合，擴大自身的市場競爭力，為云南民營銀行未來的戰略發展奠定基礎。第三，覆蓋面廣泛，有利于公司業務拓展。以互聯網為基礎，網絡金融業務拓寬了服務的受眾面，使得其服務能夠接觸的客戶群更大。通過逐步收集整理云南全省十幾萬民營企業的信息資料，建立起一個覆蓋面全、信息面廣的客戶數據庫，為全省中小企業提供全方位的，更為精準，更為高效的網絡金融服務的平臺，同時引合全省小額貸款公司、擔保公司、投融資公司等，通過網絡金融平臺，為更多中小企業解決貸款難問題。第四，加速金融服務效率、提高盈利能力。在網絡金融平臺下，中小企業可以快速地通過平臺上的各種金融服務來解決自身所遇到的問題，網絡金融平臺所提供更快更好的信息服務。網絡金融以數字化的網絡和設備代替了傳統紙介質，從而形成一種新型金融貿易服務方式。公司可以通過對網絡金融平臺系統實現異地審批、資金結算、轉賬、信貸等活動。加快了金融服務的效率，可以為中小企業更好的服務。企業可以通過網絡金融平臺實現快速的綜合金融服務。第五，提高金控基金的知名度。網絡平臺的搭建是現在企業提高知名度的一個重要途徑，可以更好的體現金控基金的活力與創新，讓更多的中小企業通過網絡金融來了解金控基金；通過網絡我們可以整合中小企業的各種優質資源，利用網絡推廣來提升企業品牌的知名度，通過這個網絡平臺，中小企業可以了解金控基金的最新信息和各項服務，樹立了金控基金在業界的不可取代的地位。這個網絡平臺的搭建在云南省乃至全國都將會有一定的影響力，對金控基金的發展會提升一個更高的臺階。
金控金融網絡成立后將以兩個主要開發方向為主：一是建立“云南中小企業網絡金融服務平臺”。結合網絡金融的思路模式為整體規劃，分步實施，總體規劃采取三個步驟來實現企業的金融網絡化目的。首先建立網絡金融服務平臺，加強自身網站功能。利用云南省中小型企業網為基礎的平臺背景與全國30多個省市的中小企業網、省內16個州市及128個縣市區中小企業網緊密合作，共享服務資源，設計一套全新的綜合性網上投資融資體系，直接面對借貸者和投資者，為其搭建一個全新的網絡金融投融資服務平臺，減少中間環節，提高效率，較少成本，使其成為真正意義上的網絡金融投融資平臺。其次，改善內部管理機制，形成全新的企業經營管理模式，改變自身的管理機制，改變舊的管理模式對新經濟的瓶頸效應，以此適應電子信息化高速發展所帶來的一切影響，同時整合企業所有的資源，使其成為信息化的資源儲備，以網絡應用來整合改進各項管理程序，推行以信息化管理系統為核心的全方位電子信息化金融交易管理模式，通過網絡平臺最大限度地利用自身的各種資源，將線下業務與網絡完美的結合，讓更多投資方通過網絡金融平臺看到合適的項目，更快的拓展市場份額，打造全新的投資平臺。再者，金控公司已具備龐大全面的基于傳統的管理模式和操作模式；若與云南中小企業網絡金融服務平臺相架接后，則會產生具有企業級的網絡金融交易規模，能帶動和吸引更多的企業加入到其中，以此形成巨大的市場慣性，以此獲得更多、更為廣泛的盈利模式。
二是投資建立“中國―東南亞南亞國際電子商務港”?！爸袊D東南亞南亞國際電子商務港”是依托中國國家信息化試點工程建設的一個輻射東盟及南亞地區的國際電子商務及企業服務平臺。平臺整合了GMSEB及中國發改委主辦的中國中小企業信息網全國1000多個省市分網的相關信息資源，將發展來自全國及東南亞、南亞區域的中小企業成為平臺會員，并在曼谷、仰光、河內、萬象、新德里、達卡等城市設立辦事處及分支機構，全面打造成為中國面向東南亞、南亞地區最權威的國際電子商務平臺，這為云南省及全國企業提供了面向東南亞、南亞的網絡金融、電子商務、投資、旅游、人才等全方位服務。目前已初步開通英語、中文、泰國語、緬甸語、越南語、老撾語、柬埔寨語七個語言版本，為區域中小企業提供跨國的網絡金融、電子商務及企業信息化服務。平臺以統一的多語言版本電子商務服務網站建立為核心，積極探索跨區域的國際網絡金融、電子商務交易及服務模式，目前平臺每天中國及東南亞、南亞區域國家相關政策、法規、行業經濟信息，已有中國及東南亞國家注冊企業用戶8萬余家，企業用戶每天自行的商業信息5萬余條，網上展銷企業商品6萬余種，是中國面向東南亞、南亞區域規模最大、信息最全、企業最多的大型國際網絡平臺。
