工商管理论文哪里有？本文主要通过复杂网络法和最小密度法构建了双风险敞口下动态演化的中国银行系统网络结构，结合清算向量机制进行中国银行系统性风险的计算，分析双风险敞口网络的结构及风险特征，并进一步分析动态演化的中国银行系统性风险，得到了一些重要的研究结论及建议。
第 1 章 绪论
1.3.3 论文创新点
通过与现有银行系统性风险研究相比，本文的创新点体现在以下四点：
第一，首次将实体行业信贷风险敞口和银行间拆借市场风险敞口结合在一起建立双风险敞口框架。现有国内外文献在研究银行系统性风险时大多数仅考虑银行间拆借市场风险敞口，少数文献基于房地产信贷来探讨房地产行业信贷违约对银行体系系统性风险的影响，但是单一的房地产行业并不能代表中国整个实体行业信贷风险敞口。因此，本文首次将实体行业信贷风险敞口和银行间拆借市场风险敞口结合在同一个框架下，进行双风险敞口下动态演化的中国银行系统性风险研究。
第二，研究动态演化的双风险敞口网络及银行系统性风险。目前国内外大多数关于银行系统性风险的研究都是针对静态的银行间拆借市场网络，即针对某一个时间点下的银行间拆借市场网络来研究其结构特征及稳定性。在实体行业信贷风险评估方面，绝大多数研究都是采用 Moody's 评级数据来构建 KMV 模型或者PFM 模型计算违约距离，以此来对某个行业内企业的信用风险进行单一年度的静态分析，但是这种方法并不能计算出实体行业的信贷违约概率，也就无法评估动态演化的实体行业信贷违约风险。本文利用几何布朗运动、BSM 期权定价模型和极大似然估计方法来分别计算实体行业和银行的资产负债动态序列，再结合银行与实体行业的借贷网络来构建动态演化的实体行业信贷风险敞口。另外，在每个时间步下不仅会计算银行系统性风险，还会进行违约银行的资产清算以及将违约银行清除出系统的操作，因此银行间拆借市场网络结构也是随时间动态变化的并且可以分析系统性风险的动态演化特征。结合以上两个方面最终可以实现双风险敞口下动态演化的中国银行系统性风险规律研究。
第三，冲击实体行业使其违约造成银行发生资产损失的压力测试方法。不同于现有文献中对银行进行压力测试的方法即让某一或某一类型银行资产损失，本文对实体行业内上市公司施加一个冲击使得其资产发生损失从而造成某些上市公司陷入资不抵债的危机而出现违约，由于银行与实体行业存在信贷关系，实体行业内违约的上市公司就无法全部偿还其债权银行的信贷，从而形成实体行业信贷风险敞口使得债权银行发生外部资产损失。
第 3 章 双风险敞口下的动态演化的银行系统性风险评估模型构建
3.1 实体行业信贷风险敞口的动态演化
在经济新常态下，我国经济增速放缓，相应地经济结构也不断被优化，部分实体行业经营发展困难，信贷违约风险加大，这也使得商业银行面临的信贷违约风险防控压力不断上升。本文将银行—实体行业信贷风险敞口与银行间拆借市场风险敞口结合在一个框架下，构建动态演化的双风险敞口网络模型来评估整个银行系统性风险。因此，在本章首先构建双风险敞口下的动态演化的银行系统性风险评估模型。
实体行业的融资渠道以银行信贷渠道为主，实体行业与银行业因借贷关系而紧密联系，并且构成了银行—实体行业信贷网络。当实体行业由于偿债压力过大而发生信贷违约时，信贷风险会通过银行—实体行业信贷网络传导到银行造成银行外部资产损失，这就是银行业受到实体行业信贷风险敞口冲击的过程。因此，银行面临的实体行业信贷风险敞口的构建包括银行—实体行业信贷网络、实体行业信贷违约概率分布和银行外部资产损失三个部分。
第 5 章 双风险敞口下动态演化的中国银行系统性风险分析
5.1 动态演化的中国银行基础性、传染性和系统性风险特征
基于第三章的模型和 4.1 节的数据，可以计算出双风险敞口下动态演化的中国银行基础性、传染性和系统性风险，如图5-1所示的双风险敞口下银行基础性、传染性和系统性风险动态演化结果。从图中可以看出在 365 个时间步的演化过程中银行的系统性风险具有增长后趋于平稳的特征，在 250 步时达到稳定状态。具体来看，银行传染性风险比基础性风险演化程度更高，说明银行间拆借市场风险敞口对银行系统性风险的贡献率相对于实体行业信贷风险敞口来说更高，并且基础性和传染性风险动态演化特征存在差异。
基础性风险在前 100 个时间步内概率较低且稳定，是由于 2 家外资银行、1家城市商业银行和 1 家股份制银行发生基础性违约，其中发生违约的股份制银行是中国邮政储蓄银行，在第 84 个时间步时发生违约。中国邮政储蓄银行作为一家具有特殊性质的股份制银行，其核心任务是致力于服务好“三农”、社区和扶持中小企业发展。与其它同规模银行相比，中国邮政储蓄银行的信贷资产分布比较集中，再加上转型后信贷业务还处于起步阶段，对于信贷风险防控的能力不足，所以在实体行业信贷风险敞口下容易发生基础性违约。基础性风险在 101 至 250时间步内跳跃式增长，有 90 家银行发生基础性违约，其中资产规模较大的股份制银行发生基础性违约的时间相对来说更晚。基础性风险在 250 步往后增速放缓趋于稳定。
5.2 不同类型银行的动态演化的系统性风险特征
在 5.1 节的基础上进一步分析不同类型的银行在双风险敞口冲击下系统性风险特征是否存在差异。如图 5-2（a）所示，五种类型银行发生系统性风险的动态特征都表现为增长后趋于稳定的状态。其中大型银行的系统性风险最早达到稳定状态，并且相对于其它四类银行大型银行最终的风险稳定值最低。其它四种类型银行的波动特征相似，都是较晚达到稳定状态且系统性风险稳定值都高于 0.8，其中外资银行的平均系统性风险是最高的。这反映出大型银行抵御双风险敞口冲击的能力相比于其它四种类型银行更强，而外资银行的抵御能力是最弱的。
基于图 5-2（b）和图 5-2（c）可以对比每种类型银行的基础性风险与传染性风险高低，农村商业银行和股份制银行发生基础性风险明显比传染性风险更高，说明其对于实体行业信贷风险敞口的抵抗力更弱。大型银行、城市商业银行和外资银行发生传染性风险比基础性风险高，其中大型银行由于自身规模较大，信贷资源协调能力强，抵抗实体行业信贷风险敞口的能力强。但是由于大型银行在银行间拆借网络中属于主要的资金拆出方，与规模更小的银行连接紧密，所以更容易发生传染性风险。
第 6 章 结论与展望
6.2 研究展望
本文主要通过复杂网络法和最小密度法构建了双风险敞口下动态演化的中国银行系统网络结构，结合清算向量机制进行中国银行系统性风险的计算，分析双风险敞口网络的结构及风险特征，并进一步分析动态演化的中国银行系统性风险，得到了一些重要的研究结论及建议，但仍然存在一些不足，反思过后提出下面几个有待继续深入探讨的方向：
第一，本文在研究银行—实体行业信贷风险敞口时仅搜集到了一部分银行的分行业贷款数据，有些规模比较小的银行并没有披露其行业贷款数据，所以本文的结果只能代表大部分的银行—实体行业信贷网络。另外，本文在搜集实体行业和银行数据的过程中发现银行分行业贷款数据的获取难度非常大，需要去每个银行的年报中仔细查找摘取出银行分行业贷款表，尝试了能获取到权限的所有渠道来搜集数据。随着科技的进步与信息披露完整度的提升，期望可以更全面准确地获得相关数据，从而帮助学者们建立更真实的银行网络，对整个金融体系展开更深层次地研究。
第二，本文没有考虑银行间拆借和银行向实体行业提供信贷的贷款期限，本文认为可以给银行间拆借和银行向实体行业提供信贷设置短期和长期这两种贷款期限，分析建立不同贷款期限的银行间拆借关系以及实体行业信贷关系是否会对整个体系的系统性风险带来正向或负向的干扰；还可以通过设置不同比例的短期和长期贷款占比来分析不同期限贷款占比对于银行系统性风险的影响。
第三，本文研究实体行业信贷风险敞口对于银行体系稳定性的影响，识别出高信贷风险实体行业以及系统性风险特征，建议银行减少对具有高信贷风险属性的实体行业提供信贷资源。本文认为还可以进一步研究银行减少对违约实体行业的信贷额度之后，实体行业出现融资困难，可能造成新一轮的实体行业违约与银行外部资产损失，形成风险传染的恶性循环，甚至产生更严重的经济危机。这种银行与实体行业风险反馈机制可以简单表述为：在𝑡时间步实体行业信贷违约使得债权银行发生外部资产损失，在下一个时间步时债权银行根据其𝑡时间步遭受的外部资产损失来设置减少信贷额度的比例，然后再将计算出的最终信贷额度按照初始贷款比例分配给各实体行业，接下来不断进行迭代直至没有新的银行或实体行业发生违约或者所有银行和实体行业都已经发生违约，分析整个过程中的银行系统性风险特征。
参考文献（略）
