复杂系统视域下金融股权知识关联特征分析与风险识别
马费成1，2，3，刘政昊1，2，3
（1. 武汉大学 信息管理学院，武汉，430072；2. 武汉大学 信息资源研究中心，武汉，430072；3. 武汉大学 大数据研究院，武汉，430072）
摘要：复杂股权结构是系统性金融风险的微观成因和传导途径，明确金融股权关联，才能从微观层面理清系统性金融风险传导的根源。本文基于复杂系统的视角，从系统自身结构特征与功能出发，以金融股权复杂系统的“知识关联”特征作为核心，融合全量工商注册企业股权数据和金融机构股权数据，构建亿级节点金融股权知识大图作为复杂系统的现实表示，而后对股权关键路径、资本系等进行系统深入的研究，进而对系统性金融风险的预警识别与宏观审慎监管提出有效建议。本文对金融复杂系统的特征发现、金融大数据的价值分析和系统性金融风险的识别与控制提供了新的研究视角和启示作用。
关键词：复杂系统；股权网络；知识关联；风险识别；系统性金融风险
1 引言
随着经济全球化进程的加速，全球金融市场已迈向开放互联，并加速了股票、债券、期货、外汇、货币等子市场间的相互作用。然而，金融市场这种非线性、系统性的复杂特征也造成股权溢价、金融泡沫等传统金融理论无法解释的金融异象，并带来潜在的系统性金融风险。1997年亚洲金融危机和2007年美国次贷危机引发的全球性金融危机充分暴露出全球经济和金融活动的关联性与脆弱性。由此可见，金融市场本质上是一个开放型的复杂巨系统[1]，如何从复杂科学和系统科学的视角描述金融市场内在关联特征并揭示金融风险的传导机理已成为全球学者高度关注的问题。
在金融证券市场中，股权结构作为公司及相关金融机构治理体系的产权基础，从根本上决定了公司的经营决策机制和制衡机制[2]，并直接影响公司的战略制定与风险管理。从宏观角度来看，股权关系形成的网络涉及复杂的股权关联特征，并具有内部结构层次多、参与要素多、外部环境影响大、因果关系多样化等特点[3]，是一个典型的复杂系统。众多相关研究表明，股权作为股权治理的基本要素，与系统性风险传导具有密切关联[4~7]，股权意味着“控制权”，抓住了金融股权关联，就抓住了系统性金融风险形成与传导的根源。
党的十九大报告提出，“深化金融体制改革，增强金融服务实体经济能力” ，要健全金融监管体系，守住不发生系统性金融风险的底线[8]。近年来，金融监管部门的风险监管能力和金融机构的风险管理能力不断提高，但银行不良资产反弹压力较大，相当多金融机构内控机制不健全，系统内部的内幕交易等“灰犀牛”事件仍亟待深入发掘并及时防控监管。基于此，本文以金融股权系统为研究对象，在对股权复杂系统建模过程中提出并深入分析该系统的“知识关联”特性，并通过对系统内部各机构持股关键路径的穿透式查询和资本系发现实现金融风险识别，以期为系统性金融风险的防范、化解提供新的研究视角和建议。
2 相关研究
2.1 金融复杂系统及其结构特征
随着资本市场的飞速发展，金融市场的复杂性已远远超过传统经济金融理论所刻画的情形。早在20世纪80年代，我国著名学者钱学森就已提出“金融市场是一个复杂系统”的论断[9]。1997年，Holland在对适应性复杂系统的研究中指出，金融系统在本质上并不是一个简单系统，而是由大量具有适应性并相互交互的异质个体组成的、系统结构具有内生演化性的“复杂系统”[10]。2009年，Framer和Foley在Nature杂志发表的文章The economy needs agent-based modelling中认为，经典的金融理论正因金融系统的复杂性而难以对金融危机后的经济政策提供科学的建议，并提出基于复杂系统研究金融问题的必要性[11]。如今，越来越多的学者已认识到复杂科学和系统科学在金融研究中的价值，并基于系统动力学、金融物理学、计算社会学等多个学科理论，以及定性和定量相结合的综合性方法[12]，分析金融市场在整体和各层面的运行机制与系统性风险特征。例如，成思危利用混沌理论分析并解释了金融复杂系统的巨量性、耦合性、开放性与突变性[13]；Schweitzer等发现金融系统的复杂性特征在结构与功能上表现出相关性、非线性与适应性[14]；方美琪和张树人则将金融系统视为自组织系统，并认为经济金融复杂系统代表了一种有机、综合且自组织的世界观的形成[15]。然而，目前对于金融复杂系统的研究大多是从宏观角度刻画系统的整体特征，尚未形成统一的理论框架。张卫国在整合多种研究视角的基础上，提出了金融市场系统复杂性的整体特征框架，他认为金融复杂系统的特征可以归纳为结构上的相关性、作用上的非线性及功能上的适应性，具体的表征关系包含了巨量性、多层次性、耦合性、不确定性、开放性与涌现性[16]。
随着对金融复杂系统研究的进一步深入，越来越多的学者开始关注金融系统复杂性的内在机理，并从关联网络的视角对系统特征进行微观揭示。赵希文和王铁成基于哈耶克的“复杂系统涌现理论”分析后认为，导致金融活动复杂且高度不确定的原因并非市场参与主体和金融交易规则的多元化，而在于行为主体间的互相作用及其关联性[17]。国外学者Dahlqvist和Gnabo通过构造无向的金融复杂网络，进而通过网络测量指标来研究系统中的重要金融机构及风险传导路径[18]。范宏等通过考察金融机构间的同业拆借等直接关联和相互持有的共同资产间接关联现象，构建了双渠道复杂金融系统风险传染网络模型，并通过实证研究发现了系统性风险传染机制[19]。
综上，金融复杂系统作为由大量金融机构、产品、投资者组成的相互作用整体，具有一般复杂系统的基本结构与特征，但由于金融机构与企业的关联多样性和参与主体的非理性，其内部结构还具有关联性、传染性等特殊性质。在这个复杂系统中，个别机构间的风险性市场操作或少数行动者的“非理性”反应均可能急剧扩散并形成反馈，*终导致“雪崩”，即金融危机的爆发[20]。基于复杂网络理论的研究可以定量描述金融系统的结构特征，发现系统内部的关联关系，从而捕获系统性金融风险发生的过程信息及特征信息，已成为研究金融复杂系统的重要方法之一。然而，仅通过网络拓扑结构揭示系统特征仍具有局限性。从数据层面来看，多数研究仍使用仿真的实验方法，研究结论不具有普适性；从方法层面来看，构建的复杂网络模型仅关注了主体的物理关联和时空关联，却很少考虑行为关联、语义关联等更细粒度的系统内部关联特征。近年来，随着金融科技（FinTech）概念的兴起，加之科学研究第四范式的驱动，以复杂网络为基础、同时结合大数据和人工智能等技术方法的“计算实验金融”（agent-based computational finance，ACF）为研究金融系统的复杂性提供了新的视角[21]，利用大规模数据和深度学习算法多模态计算并分析金融复杂系统的关联与演化特征已成为全新的研究热点，并处于快速探索与发展时期。
2.2 股权关联与系统性金融风险
系统性金融风险是金融主体之间及金融主体与非金融主体之间的相互关联，导致个体风险叠加、传染与扩散，从而危及金融系统安全的风险现象的总称。目前，系统性金融风险的研究主要是从时间维度研究金融系统的周期性，从空间维度研究金融系统的传染性[22]。传统的计量模型只适用于经济运行平稳时的短期预测，而在动态随机一般均衡模型的完美假设下根本不会存在危机[23]。信息不对称带来的系统性金融风险要求金融行业提出更加合理、高效，更具创新性的解决措施来应对。在这种背景下，学者开始从复杂性研究的角度去重新审视金融系统及其伴随的系统性风险。在复杂系统的研究视域下，早期研究主要以供应链系统为研究对象，着眼于产业供应链的上下游核心企业，关注资产或物权的抵押、应收账款质押等，注重风险的可转移或可补偿性，但忽略了金融机构间的内在关联及风险的微观成因，存在一定的局限性。从金融市场的现实情况来看，股权会影响金融复杂系统的稳定，明确了金融股权关联，就能够把握金融机构之间影响的机制。此外，相较于债权、信托等关系，股权关联结构具有反映机构影响力的优势[24]，更适合作为研究金融市场风险的切入点。
股权系统的正常运作是金融市场良好运行的基础，股权结构对公司股权治理与风险管理有重要的影响。Battiston等在Science杂志发表的文章Complexity theory and financial regulation中提到国际清算银行利用相关银行间的股权关联数据来衡量全球银行系统对金融网络构成的系统性风险，并强调网络效应对金融经济稳定性的重要性[25]。Barry等利用欧洲商业银行的股权数据，通过分析公司和银行的所有权结构特征，发现股权结构在解释风险差异等方面具有重要意义[26]。刘星和蒋水全基于公司现金持有理论，对公司参股金融机构的影响进行研究后发现，明确金融股权关联结构可以显著降低企业所面临的融资约束程度，从而有效解决公司出于“预防性动机”而产生的现金持有水平过高的问题[27]。范宏和刘春垚构建了“银行—资产”复杂网络模型，研究了不同股权比例下银行资产间不同的相关性、市场密度等因素对金融系统性风险传染概率的影响[28]。范智欣选取中国41家上市金融机构作为样本，通过构建股权复杂网络，揭示了风险在网络中的传播路径与模式[29]。
上述研究揭示了金融股权系统与系统性风险的内在联系，从不同角度强调了股权关联对于金融机构和企业风险管理的重要性。然而，目前的研究却忽略了股权结构中的金融语义，难以对异构网络中交叉持股、绝对控股、一致行动、共同人员等涉及不同主体的多种股权关系进行微观层面的分析，从而也就无法找到内部交易的真实原因和系统性风险的产生根源。本文选取金融股权复杂系统作为研究对象，在以往复杂网络研究视角的基础上，重点突出系统内部要素间的语义关联，通过探究股权复杂系统的知识关联新特性，从数据分析和方法应用两个层面为系统性风险的发现、防范与化解提供新途径。
3 金融股权复杂系统的知识关联
3.1 知识关联：金融股权复杂系统结构新特性
金融股权复杂系统规模庞大、结构复杂，且蕴含着持股、控股、共同股东、关联交易、一致行动等语义特性，因此，要想研究金融股权的复杂性，就需要将仅拥有连边的股权网络赋予知识内涵。传统的金融领域知识受客观因素的制约，知识的存储、表示与组织均存在很大的局限性，而知识关联技术的运用可以规范知识表示与组织模式，并增加跨多个金融系统和金融工具的数据互操作性[30]。表1展示了传统金融知识与关联金融知识在知识存储、表示与组织方面的差异。
表1 传统金融知识与关联金融知识的对比
1）RDF：resource description framework，资源描述框架；2）URI：universal resource identifier，统一资源标识符
由表1可以发现关联金融知识存在以下特征。
（1）关联数据的高度集成性与多刻面性。关联金融知识在保留原始知识概念特征的条件下，通过语义关系的多层次描述，呈现出领域知识的全貌。
（2）知识表示的规范性与连续性。关联金融知识更注重语义模型构建，用统一格式表达实体、属性和关系，并能够实现层次关联。
换言之，与传统的系统内部的“物理关联”所界定的静态序化联系不同，基于大数据的“知识关联”包括了从价值稀疏的大数据中逐步凝练出密度递增的知识信息的关联化过程，从结构上来看具有网络化、多层次的特点，从计算层面来看又是可描述、可演化的，是一种存在于金融复杂系统内部结构的新特征。而且，金融知识关联模式包括分类、时空、统计和事件关联四类[31]，揭示了系统内部的知识关联特征具体的表现场景，增加了可解释性。
股权知识关联是金融知识关联中*重要的关联方式之一，主要体现为股权参与，在实体之间形成控股、持股关系。对于股权知识关联而言，股权概念实体主要包含类型
展开
