內(nèi)容提要

央行《金融科技發(fā)展規(guī)劃（2022-2025年）》提出“加強數(shù)字化監(jiān)管能力建設(shè)，打造權(quán)威專業(yè)化風(fēng)險控制基礎(chǔ)設(shè)施”。銀行間市場是機構(gòu)投資者市場，蘊含了錯綜復(fù)雜的機構(gòu)關(guān)系，維護銀行間市場的健康穩(wěn)定運行對于中國金融市場具有重要意義。本課題從銀行間市場微觀結(jié)構(gòu)和機構(gòu)主體出發(fā)，研究市場典型交易模式演變，實現(xiàn)機構(gòu)行為分析和異常交易檢測模型，并以外匯市場做市商行為穩(wěn)定性分析、交易模體檢測、債券市場代持行為識別等場景為例，驗證了模型的效果，為防范化解金融風(fēng)險、保障銀行間市場平穩(wěn)發(fā)展提供了科學(xué)的實踐方法。

一、研究背景及現(xiàn)狀

(資料圖片)

長期以來，中國外匯交易中心（以下簡稱“交易中心”）對于銀行間市場交易行為進行持續(xù)監(jiān)測，結(jié)合各項法律法規(guī)和業(yè)務(wù)規(guī)范甄別異常交易，引導(dǎo)機構(gòu)合規(guī)開展各項業(yè)務(wù)。但在一線監(jiān)測工作中，普遍存在監(jiān)測主體復(fù)雜、交易行為隱蔽多變等難題。

前期,交易中心基于復(fù)雜網(wǎng)絡(luò)分析方法研究了銀行間市場分層結(jié)構(gòu)和做市商畫像，本課題在此基礎(chǔ)上，從網(wǎng)絡(luò)交易模式演進及機構(gòu)角色演變的角度深入探索，進一步分析其與市場流動性變化的關(guān)聯(lián)，從新的維度監(jiān)測市場運行情況；此外，結(jié)合近年來一線監(jiān)測積累的案例，考慮到交易的復(fù)雜性和市場風(fēng)險的傳導(dǎo)性，設(shè)計復(fù)雜網(wǎng)絡(luò)模型，深入債券代持這一典型監(jiān)測場景，提出基于代持行為特征設(shè)計多維度指標(biāo)→定位疑似代持機構(gòu)→結(jié)合業(yè)務(wù)認(rèn)知尋找代持鏈條的研究方案。

二、模型設(shè)計與探索

以機構(gòu)作為交易主體的相互交易往來構(gòu)成了錯綜復(fù)雜的銀行間市場交易網(wǎng)絡(luò)。因此，針對機構(gòu)交易行為的分析以及市場微觀結(jié)構(gòu)單元的深度挖掘，能夠幫助揭示整體市場發(fā)展的規(guī)律。

（一）模型設(shè)計

1. 基于復(fù)雜網(wǎng)絡(luò)的交易特征評價

復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)分析主要包括整體網(wǎng)絡(luò)分析和個體網(wǎng)絡(luò)分析。前者從市場整體結(jié)構(gòu)角度分析市場特點，后者則主要聚焦局部網(wǎng)絡(luò)特征，從微觀層面分析結(jié)構(gòu)特征。

整體網(wǎng)絡(luò)分析常用指標(biāo)包括節(jié)點數(shù)、邊數(shù)、度分布、直徑、網(wǎng)絡(luò)稠密度、最短路徑長度等。對應(yīng)于銀行間市場，節(jié)點數(shù)表示交易主體數(shù)量，邊數(shù)、網(wǎng)絡(luò)稠密度則反映了交易活躍度，直徑、最短路徑長度等一定程度上反映了市場的分層情況。

本課題涉及的主要個體網(wǎng)絡(luò)指標(biāo)如下：

效率：個體網(wǎng)絡(luò)有效規(guī)模除以核心點的度數(shù)，指示機構(gòu)對于直接交易機構(gòu)的平均影響效率。

中介中心性：網(wǎng)絡(luò)中經(jīng)過某點并連接這兩點的最短路徑占這兩點之間的最短路徑線總數(shù)之比，指示機構(gòu)是否在某些流動性路徑上發(fā)揮關(guān)鍵作用。

傳播系數(shù)：綜合考慮子網(wǎng)規(guī)模和逐層流動性傳播成本，自主設(shè)計該指標(biāo)，用于度量機構(gòu)有效擴散流動性的能力。

局部聚集系數(shù)：節(jié)點的局部聚類系數(shù)描述其與鄰接點相互連接的程度，量化其鄰居節(jié)點相互聚集構(gòu)成團(完全圖)的程度，計算方法為其與鄰居節(jié)點間的連邊數(shù)量除以它們之間可能存在的連邊數(shù)量。

2. 交易行為畫像

在做市商角色研究中，重點關(guān)注做市商在報價活躍性、成交量、對手方分布、流動性影響范圍等維度的特征，因此基于這些維度設(shè)計指標(biāo)，并經(jīng)過特征篩選后聚類，刻畫做市商形象。在異常行為檢測如債券代持場景中，目標(biāo)是找出可疑機構(gòu)，因此基于可疑機構(gòu)的典型行為特征設(shè)計指標(biāo)，并通過聚類分析刻畫其特征。

本課題假設(shè)在一定時期內(nèi)市場相對穩(wěn)定，做市商角色類別相對穩(wěn)定，但是隨著時間的推移，市場發(fā)展變化，機構(gòu)也會因自身發(fā)展規(guī)模、經(jīng)營目標(biāo)等變化調(diào)整其交易行為進而影響其角色，進一步導(dǎo)致做市商角色類別的演變，因此可使用演化聚類方法跟蹤機構(gòu)角色的變化。

3. 微觀交易結(jié)構(gòu)（模體）挖掘

模體是真實網(wǎng)絡(luò)與大量隨機網(wǎng)絡(luò)（基于真實網(wǎng)絡(luò)的某些重要特征，如節(jié)點數(shù)、度數(shù)等，使用特定算法生成）比較，得到的統(tǒng)計學(xué)意義上的顯著子圖模式。它從微觀層面刻畫復(fù)雜網(wǎng)絡(luò)中相互連接的特定模式，蘊含了不同市場的典型特征及交易主體的行為偏好。

（二）場景驗證及結(jié)果分析

1. 機構(gòu)角色穩(wěn)定性實證分析

（1）研究過程

選擇2019年4月至2020年6月外匯即期QDM交易明細(xì)數(shù)據(jù)，按月匯總兩兩機構(gòu)間交易量，形成14個月度有向網(wǎng)絡(luò)圖，設(shè)計與普通會員交易量、與做市商交易量、報價情況指標(biāo)、效率、中介中心性、傳播系數(shù)6個指標(biāo)，使用K-means算法聚類。

研究數(shù)據(jù)分為兩段，2019年4-12月與2020年1-6月。前者作為研究基期的基礎(chǔ)，匯總9個月的做市商指標(biāo)，聚類得到初始基類；后者用于在各周期對做市商聚類，并與基類對比判斷是否出現(xiàn)衍生類。研究發(fā)現(xiàn)：

a. 核心做市商（類別2），各維度表現(xiàn)突出。

b. 重要做市商（類別4和6），類6為在各維度全面發(fā)展，整體稍遜于核心做市商，類4主要在報價維度、與做市商交易維度較突出。

c. 區(qū)域做市商（類別0和5），主要表現(xiàn)為效率指標(biāo)值較為突出，在子網(wǎng)中有較強的影響力，但類別0表現(xiàn)更為突出。

d. 一般做市商（類別1和3），各維度表現(xiàn)一般，類1在報價以及與做市商交易維度稍好一些。

為研究聚類的穩(wěn)定性，本課題計算了各類別之間的轉(zhuǎn)移概率，如圖1，可見核心做市商類別最為穩(wěn)定。

圖1 聚類中心轉(zhuǎn)移概率桑基圖

針對不同做市商在不同周期中的角色統(tǒng)計，可進一步分析做市商是否屬于穩(wěn)定性做市商（角色常年幾乎不變）或者游離性做市商（沒有固定角色，一直在不同角色間游走），若穩(wěn)定型做市商角色發(fā)生突變或不同類別的做市商之間發(fā)生大規(guī)模角色演變則可能預(yù)示著機構(gòu)本身發(fā)生較大變動或者市場存在異動。

（2）研究發(fā)現(xiàn)總結(jié)

研究發(fā)現(xiàn)，在相對較長的時間周期中，外匯市場的做市商角色分類較為穩(wěn)定，但不同機構(gòu)的角色穩(wěn)定性不同。核心做市商在不同周期中角色分類結(jié)果基本穩(wěn)定，重要做市商、區(qū)域做市商等分類中存在部分機構(gòu)在不同角色之間游走。通過跟蹤做市商角色類別的演化及做市商角色的變化，可深入量化分析市場流動性來源結(jié)構(gòu)，輔助監(jiān)測市場運行情況。

2. 交易模體檢測實證分析

（1）研究過程

a. 不同交易模式下的模體顯著性分析

本課題采用DRG模型生成隨機網(wǎng)絡(luò)，比較真實網(wǎng)絡(luò)和隨機網(wǎng)絡(luò)中交易模體的出現(xiàn)的頻率，并依據(jù)Z-SCORE計算模體顯著性。從QDM、ODM市場真實網(wǎng)絡(luò)與隨機網(wǎng)絡(luò)中各模體的出現(xiàn)頻率（各模體的出現(xiàn)次數(shù)除以所有模體組合的出現(xiàn)次數(shù)）可見，ODM市場中不同模體的分布比較均勻。

圖2 QDM、ODM交易網(wǎng)絡(luò)各模體顯著性

與DRG網(wǎng)絡(luò)相比，外匯QDM網(wǎng)絡(luò)中最顯著的模體為M4、M3、M7、M2、M6值（見圖2）。這四種模體所有節(jié)點均有出向邊，意味著節(jié)點在模體中可作為流動性提供方，故主要描述的是做市機構(gòu)之間的關(guān)系。與DRG網(wǎng)絡(luò)相比，外匯ODM網(wǎng)絡(luò)中模體的顯著性也均為正值，但由于ODM市場交易活躍、網(wǎng)絡(luò)稠密，機構(gòu)間互有連接非常常見，該屬性已體現(xiàn)在邊數(shù)上，故與隨機網(wǎng)絡(luò)相比顯著性并不高。

b. 基于模體對網(wǎng)絡(luò)進行高階網(wǎng)絡(luò)聚類

傳統(tǒng)的聚類方法主要基于邊進行聚類，本課題采用網(wǎng)絡(luò)高階模體框架將模體分析與圖劃分結(jié)合起來，從而捕捉到網(wǎng)絡(luò)的高階組織形式和模塊構(gòu)成。

基于模體M4的聚類

模體 M4的特點是3個節(jié)點兩兩雙向連接，節(jié)點之間具有充分的流動性。

在ODM市場中，基于M4的聚類將35家做市商分成兩類。簇1有17家機構(gòu)，以國內(nèi)銀行為主，僅有一家外資銀行，簇2有18家機構(gòu)，以外資銀行為主。M4的分類結(jié)果表明，做市機構(gòu)性質(zhì)一定程度上可以反映其流動性關(guān)系在三模體中的緊密性。

QDM做市商網(wǎng)絡(luò)中，外資銀行在兩個簇中幾乎對半分(7/17,5/18)，與ODM市場相比差異較大。從M4子圖結(jié)構(gòu)來看，在不同交易模型下機構(gòu)間的緊密聯(lián)系程度完全不同。

基于模體M9的聚類

構(gòu)成模體M9的三個節(jié)點具備鏈?zhǔn)疥P(guān)系，存在末端節(jié)點（僅是流動性的接受方）。

在QDM交易市場中囊括的是網(wǎng)絡(luò)中所有機構(gòu)之間的關(guān)系，包括做市商和普通機構(gòu)。地方性銀行幾乎均勻分布在簇0和簇1中，農(nóng)村商業(yè)銀行和農(nóng)村信用聯(lián)社主要分布在簇0中，財務(wù)公司、外資銀行中主要在簇1中，證券、基金、投資公司全部位于簇1中。

c. 不同時期模體分布特征比較

為研究短期流動性與模體分布的關(guān)系，選擇基于外匯即期QDM交易周度數(shù)據(jù)進行分析。通過將各周的模體分布情況標(biāo)準(zhǔn)化然后進行聚類，發(fā)現(xiàn)共可以分為5種不同的市場流動性供給狀態(tài)。除模體8（A→B，A→C）外，其余模體的出現(xiàn)頻次均和流動性供給正相關(guān)。當(dāng)市場流動性不足的時候，做市商在市場中發(fā)揮的作用將會凸顯出來，如類別0。

d. 機構(gòu)代表性模體及角色分析

根據(jù)做市商角色劃分，挑選典型做市商，分析做市商角色劃分與模體關(guān)系。

核心做市商在所有模體中出現(xiàn)頻次高，這與其具有大量對手方、且交易活躍具有重要關(guān)系。重要做市商在不同模體中出現(xiàn)頻次的分布基本和核心做市商一致，但所屬模體出現(xiàn)頻次降低，且在各模體中扮演流動性接收方的比重增加。區(qū)域做市商在M8中出現(xiàn)的頻率相對前兩種角色更高，這與區(qū)域做市商服務(wù)子網(wǎng)中大量會員機構(gòu)的定位互為印證。一般做市商在所有模體中出現(xiàn)的頻次均很低，且在各類模體中較多的扮演流動性接收方的角色。

（2）研究發(fā)現(xiàn)總結(jié)

綜上，筆者對外匯QDM、ODM市場微觀結(jié)構(gòu)進行深入分析，通過關(guān)注模體捕捉網(wǎng)絡(luò)所蘊含的高階連接性信息，對全局圖進行高階聚類，對市場研究、機構(gòu)畫像等具有一定的參考意義。

3. 債券代持鏈條識別實證分析

基于前文提到的債券代持監(jiān)測研究思路，下文探討如何實現(xiàn)更加精準(zhǔn)的代持行為檢測。

（1）債券代持特點

通過研究已有部分業(yè)務(wù)案例，發(fā)現(xiàn)代持網(wǎng)絡(luò)具有以下特點：

a. 債券在回到被代持方之前，成交的到期收益率會相對穩(wěn)定。

b. 代持鏈條上的參與機構(gòu)會通過滾動交易來減少累積風(fēng)險并加大杠桿，導(dǎo)致整體交易量得到放大。

c. 一般在債券代持過程選擇的交易方式為協(xié)商交易模式。

d. 代持鏈條通常以被代持方賣出債券獲利或結(jié)算失敗終結(jié)。

（2）債券代持檢測過程

針對以上特點，本文檢測過程分為以下幾步：

a. 篩選重點分析債券及時段

從債券代持需要尋找多家過券方、代持方參與，同時需加杠桿來獲取額外收益的特點來看，涉及代持的標(biāo)的債券多為利率債，主要原因是國債、國開債的流動性高、容易變現(xiàn)，可較好隱藏代持交易鏈條。

b. 確定可疑債券交易價格區(qū)間

基于債券代持交易鏈條傳遞過程中價格變動較小，在交易過程中可能因為市場波動逐漸偏離市場價格這一特點，可使用特定價格區(qū)間內(nèi)的交易價格偏離度作為檢測債券代持交易的重要線索。本部分將選取某活躍國開債某年某月的成交數(shù)據(jù)，統(tǒng)計了不同價格段內(nèi)累計交易總量和不同價格段內(nèi)價格偏離度大于5BP的累計交易總量。

當(dāng)限制成交價格為價格偏離度大于5BP之后，交易量在3.49左右變的最為顯著，與全部交易的統(tǒng)計分布呈現(xiàn)出較大差異，可認(rèn)為3.49價格附近（3.47-3.51）存在代持交易網(wǎng)絡(luò)的嫌疑最大。

c. 劃分債券代持網(wǎng)絡(luò)角色

可選取該價格區(qū)間內(nèi)成交的協(xié)商交易構(gòu)建交易網(wǎng)絡(luò)，并計算網(wǎng)絡(luò)中不同交易網(wǎng)絡(luò)的指標(biāo)值。通過對所有機構(gòu)的屬性分布進行聚類，可探索候選代持交易網(wǎng)絡(luò)中的主要角色類型。聚類所發(fā)現(xiàn)的四類機構(gòu)主要特點如下：第一類機構(gòu)的買入占比適中，持有量交易占比小于第一類，但中介中心性和交易量均較大，對應(yīng)于活躍過券方。第二類機構(gòu)的買入量占比很高，但日均持有量交易占比相對不大，可視為在交易鏈末端才買入持有債券，對應(yīng)于代持機構(gòu)。第三類機構(gòu)的持有量占比很高，但買入量占比很小，對應(yīng)于債券來源機構(gòu)。第四類機構(gòu)的買入占比適中，且其他維度值都相對小，對應(yīng)于過券方。

d. 自動還原債券代持鏈條

在對候選代持交易網(wǎng)絡(luò)中的機構(gòu)角色進行劃分后，可視其中疑似的被代持機構(gòu)或主要的債券代持方為代持末端節(jié)點，進行溯源分析，最終提交給業(yè)務(wù)人員輔助其判斷是否為真實的代持交易。

債券代持鏈條回溯的整體流程從某一末端代持節(jié)點在候選代持交易網(wǎng)絡(luò)中所有的債券買入交易開始，按照時間先后，從對應(yīng)交易的賣出方找到與當(dāng)前交易最匹配的一筆買入交易，遞歸找到所有有末端代持機構(gòu)持有量的來源后即可認(rèn)為鏈條檢測終止，對于環(huán)路的情況還需要自動消解。

在當(dāng)前模型假設(shè)下，一個末端持有節(jié)點的最終持有量越大，則該節(jié)點潛在風(fēng)險越大，可選擇對最終持有量較大的機構(gòu)，從其買入債券交易進行回溯經(jīng)確認(rèn)，在該交易網(wǎng)絡(luò)中最終持有量前4的機構(gòu)中，有2家機構(gòu)存在事后大量賣出套利行為，且已還原出的鏈條與人工確認(rèn)的鏈條基本一致，另外兩家為集團內(nèi)部基金之間的交易，不屬于代持之列。

（3）研究發(fā)現(xiàn)總結(jié)

相較于事后檢測方法，本方法可在更早期有效定位疑似的代持交易網(wǎng)絡(luò)，分析代持機構(gòu)角色，并還原出可能的債券代持鏈條。同時，由于事先基于價格、量等要素確定可疑價格區(qū)間，免去價格閾值設(shè)定的問題，且排除了大量干擾交易，該方法可更好聚焦于參與機構(gòu)更多、交易風(fēng)險更大的代持交易網(wǎng)絡(luò)。

三、總結(jié)展望及政策建議

本課題基于多重網(wǎng)絡(luò)特征、模體分布等挖掘了外匯做市商的交易微觀模式及市場主要角色，發(fā)現(xiàn)不同機構(gòu)可能會在不同角色間變化，且不同角色的機構(gòu)在微觀交易結(jié)構(gòu)中的分布呈現(xiàn)較大差異。此外，課題也以債券代持檢測為研究試點，首先挖掘活躍利率債中典型代持交易的特征，接著依據(jù)異常交易價格與量的累積變化發(fā)現(xiàn)異常交易網(wǎng)絡(luò)，并根據(jù)異常網(wǎng)絡(luò)中機構(gòu)的交易網(wǎng)絡(luò)指標(biāo)分布情況篩選參與代持交易的嫌疑機構(gòu)，最終以嫌疑機構(gòu)為錨，還原整個代持鏈條，該方法在生產(chǎn)數(shù)據(jù)上已得到有效驗證。

根據(jù)研究情況，本課題針對銀行間市場提出如下政策建議：

（一）充分發(fā)揮分層市場的有效性

未來銀行間外匯市場將進一步形成綜合做市商-嘗試做市機構(gòu)-普通機構(gòu)的流動性分層體系， 對于市場管理者：一是可以擴大做市商范圍和機構(gòu)類型，加強模體間節(jié)點的兩兩交互性，形成互惠關(guān)系而不是單一依賴關(guān)系，從而分?jǐn)偭鲃有燥L(fēng)險。二是可以豐富交易及報價方式，便利做市商和嘗試做市機構(gòu)綜合運用QDM、ODM等行情作為報價源，提供更優(yōu)的對客報價，降低實體經(jīng)濟的外匯交易成本。三是可以引入市場流動性評估指標(biāo)，鼓勵機構(gòu)在市場流動性緊張時持續(xù)報價，承擔(dān)做市義務(wù)。

（二）基于機構(gòu)特征與模體關(guān)系提供差異化服務(wù)

模體中的節(jié)點也可充分發(fā)揮其主觀能動性：一是充分發(fā)揮橋梁和紐帶作用，進而激發(fā)外匯市場效能；二是建立廣泛的交易對手關(guān)系，通過建立互利互惠的機構(gòu)聯(lián)系打通流動性傳遞鏈條；三是根據(jù)其機構(gòu)類型、地域分布、擅長的品種等比較優(yōu)勢形成自身的報價特色，提供差異化做市服務(wù)。

（三）實現(xiàn)代持網(wǎng)絡(luò)快速、有效檢測，對可疑網(wǎng)絡(luò)提前預(yù)警

利用代持交易網(wǎng)絡(luò)篩選的方法可將目前人工篩選、判斷、回溯代持交易鏈條的模式智能化：一是基于價格-風(fēng)險分布情況動態(tài)決定價格區(qū)間閾值；二是充分挖掘各類型機構(gòu)屬性與行為的關(guān)系，精細(xì)化機構(gòu)角色劃分；三是研究代持網(wǎng)絡(luò)的整體特征與正常網(wǎng)絡(luò)差異，實現(xiàn)代持網(wǎng)絡(luò)的快速檢測；四是支持更多特性，如輸出鏈條概率、優(yōu)先選擇關(guān)鍵代持群體等。

作者：周穎、王媞、盧瑤、曹建勛，中國外匯交易中心；涂鼎、張欣欣，中匯信息技術(shù)（上海）有限公司

關(guān)鍵詞： 銀行間市場 市場流動性 最短路徑