3. 金融网络建模：节点与边的定义、资产负债表网络模型、支付结算网络模型
好，咱们今天聊点硬核的——金融网络建模。
说实话，我刚开始做风控那会儿，觉得金融网络就是个高大上的概念。直到有一次，我亲眼看着一个看似健康的交易对手，因为一笔隔夜拆借违约，三天内拖垮了五家关联机构。嗯，从那以后，我对“网络”这两个字，有了全新的敬畏。
金融网络建模，说白了就是给金融系统画一张“关系图”。谁欠谁的钱？谁给谁担保？资金怎么流动？把这些关系量化成模型，我们才能做风险传导分析。
3.1 节点与边的定义
任何网络模型，都离不开两个基本元素：节点和边。
节点（Node）：代表金融系统中的参与者。可以是银行、证券公司、保险公司、基金公司，甚至是一个大型企业。我个人习惯把节点分为两类：
- 金融机构节点：银行、券商、保险等持牌机构
- 非金融节点：企业、政府、个人（虽然个人很少直接建模）
边（Edge）：代表节点之间的金融关系。边是有方向的，也有权重的。
- 有向边：A 欠 B 钱，箭头从 A 指向 B
- 权重：金额大小，比如 1000 万
- 类型：贷款、债券、衍生品、担保等
核心要点：节点是“谁”，边是“什么关系”。建模的第一步，就是定义清楚这两个东西。
我曾经在一个项目中，客户把“子公司”和“母公司”之间的关联交易全部当成普通贷款处理。结果风险传导路径完全错了。后来我帮他们重新定义了边的类型——内部交易和外部交易分开建模，效果立竿见影。
3.2 资产负债表网络模型
这是最经典的金融网络模型。它的核心思想是：每家机构的资产负债表，就是一张网络。
你想想看，A 银行的资产里，可能持有 B 银行发行的债券。B 银行的负债里，可能欠着 C 银行的钱。这些交叉持有关系，构成了一个巨大的网络。
模型定义：
- 节点：每家金融机构
- 边：资产负债表的交叉持有关系
- 权重：持有金额
举个例子，假设有三家银行：
| 银行 | 资产（亿元） | 负债（亿元） | 持有其他银行债券 |
|---|---|---|---|
| A | 100 | 80 | 持有 B 银行 10 亿 |
| B | 80 | 70 | 持有 C 银行 5 亿 |
| C | 60 | 50 | 持有 A 银行 3 亿 |
这个网络模型可以帮我们回答一个关键问题：如果 B 银行违约，A 和 C 会受多大影响？
计算逻辑很简单：B 违约 → B 的债券价值归零 → A 的资产减少 10 亿 → A 的资本充足率下降 → 可能触发 A 的违约。这就是风险传导。
避坑指南：我曾经在建模时忽略了“担保”这种表外项目。结果风险传导路径少了一半。记住，资产负债表网络模型不仅要看表内，还要看表外。
3.3 支付结算网络模型
这个模型关注的是资金流动，而不是资产负债的存量关系。
支付结算网络，说白了就是“谁给谁付了多少钱”。每天银行间有海量的支付指令，比如 A 银行要给 B 银行转 1 个亿，B 银行要给 C 银行转 5000 万。这些支付指令构成了一个动态网络。
模型定义：
- 节点：参与支付的金融机构
- 边：支付指令（有向、带金额）
- 时间维度：支付有先后顺序
为什么这个模型重要？因为流动性风险。
举个例子：A 银行早上 9 点要给 B 银行付 1 亿，但 A 银行要等到下午 3 点才能收到 C 银行还的 8000 万。如果 A 银行账上没那么多钱，这笔支付就会失败，进而导致 B 银行无法完成对 D 银行的支付……这就是流动性危机。
核心要点：资产负债表网络模型看的是“风险敞口”，支付结算网络模型看的是“流动性压力”。两者缺一不可。
我记得有一次帮一家清算所做压力测试，他们只做了资产负债表模型，结果模拟出来的风险很低。我建议他们加上支付结算网络模型，结果发现——在极端情况下，流动性缺口高达 200 亿。嗯，从那以后，他们再也不敢只看存量了。
3.4 两种模型的对比
| 维度 | 资产负债表网络模型 | 支付结算网络模型 |
|---|---|---|
| 关注点 | 风险敞口（存量） | 流动性（流量） |
| 时间维度 | 静态（某个时点） | 动态（时间序列） |
| 典型应用 | 信用风险传导、系统性风险 | 流动性危机、支付延迟 |
| 数据要求 | 资产负债表数据 | 支付指令数据 |
3.5 知识体系结构图
下面我用一张 SVG 图，把本章的核心逻辑串起来。你一看就明白了。
警告：千万不要把两种模型混为一谈。我见过有人把支付数据直接塞进资产负债表模型里算风险敞口，结果算出来的数字完全失真。两种模型的数据来源、计算逻辑、应用场景都不一样，一定要分开建模，再联合分析。
好了，这一章的内容就到这里。节点和边是基础，资产负债表网络看存量风险，支付结算网络看流量压力。两者结合，才能把金融网络的风险看透。
公众号:蓝海资料掘金营，微信deep3321