时间：2023-08-27 14:56:22
序论：在您撰写金融网络投资时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
一、金融网络的定义
现代金融体系越来越表现出了相互之间的依赖性，银行资产负债表上的资产和负债将银行联系成一个复杂的金融网络。金融网络理论对于金融体系来说是非常重要的，它可以评估金融体系的稳定性，解释系统重要性机构对整个金融体系的影响，解释系统性风险是怎样在金融体系中传播的，解释银行间市场的流动性短缺时怎样形成的。一个网络可以被描述成由节点和连线构成，在金融网络中，节点就是各个金融机构特别是银行，连线的形成是银行持有相似的资产组合或者拥有共同的存款者等。
二、金融网络的形成
Babus提出的模型探讨了金融网络的形成问题，在这个模型中金融网络的形成被认为是降低风险传染的保险机制，联系越紧密的金融网络更不可能发生系统性危机，同时这个模型给出了一个临界点及金融体系如何达到这个临界点，高于这个临界点的金融网络不会发生风险传染，代价是银行不能与这个金融体系构成比临界点更多的联系。Castiglionesi认为一个分散化的网络结构对于社会来说是最优的，银行作为中介机构存款者进行投资，这使得投资具有了正的外部性，在破产概率较低的情况下，分散化的网络结构式最优的选择。
三、金融网络的风险传染效应
目前的金融网络理论严重主要侧重于金融网络的传染效应，网络中的传染效应可以分为直接传染和间接传染。Alien和Gale对直接传染的研究指出了在不同的网络结构下银行体系是怎样对系统性风险做出反应的。Diamond和Dybvig指出，在消费者具有流动性偏好并且对流动性需求不确定的情况下，银行可以通过相互交换存款来增加流动性，但是增加了流动性的代价就是使银行体系具有了传染风险的可能性。他们以一个不完善的网络为例，证明了一个银行的破产会引发整个银行体系的失效。
Leitner构建了一个模型研究最优的网络结构，一个银行的投资收益取决于与它有联系的金融机构。由于损失的金额在系统内是随机分布的，一个投资者可能没有足够的准备金来弥补损失，在这种情况下，金融网络可能会剔除没有偿付能力的机构来保全整个金融系统，最优的网络结构要求在风险承担和危机的潜在可能性之间进行权衡。Vivier-Lirimont将最优网络结构归结为能使存款者福利最大化的结构，他发现只有业务联系非常紧密的网络结构才最接近帕累托最优。还有一些人用数学和理论物理模型来研究金融网络和风险的传染，Minguez和Shin利用图论计算机算法研究在支付系统中的系统性风险，他认为一个体系的脆弱性取决于银行资本金充足率、银行参与金融市场的程度以及破产银行清算资产的流动性，银行间市场的联系越紧密，发生系统性风险的可能性越低，但是一旦发生，对金融体系的破坏力将非常大。
1．金融传染的发生机制
目前的研究文献，主要从金融机构间的直接传染与间接传染这两种作用机制人手进行阐述。金融机构问的直接传染，主要是指一旦某个金融机构破产，与该金融机构存在直接连接关系的其他金融机构将遭遇债务违约损失，从而导致破产危机的进一步蔓延。而间接传染则包括除了直接传染之外的其他传染机制，主要由于市场信心的缺失和资产价格的螺旋下降等因素造成的。金融机构之间通过支付系统以及各种各样的头寸(例如直接贷款、衍生产品和回购协议等)构成直接连接。较常见的直接传染机制由Kiyotaki和Moore提出，他们认为，一旦某个金融机构违约或延期支付债务，由此产生的损失超过一定限额时就会导致其债权机构破产，类似的破产一旦蔓延有可能最终引发系统性崩溃。在直接传染的度量中，金融网络的结构特征至关重要，聚类系数较大、平均路径较短的网络往往产生的直接传染更迅速，关联性更强。问接传染的形成机制则更复杂，早期的研究主要考虑投资者的恐慌情绪的蔓延。Diamond和Dybvig提出，当某个银行遭到存款者的挤兑而破产时，恐慌的情绪很可能使得挤兑蔓延到整个银行系统，从而使那些本来具有偿付能力的银行也出现破产。而近些年的研究对象主要集中于传染对于资产价格的影响。Giesecke和Weber认为，由于各个金融机构面对共同的基本面因素(如资产的价格，产品供给与需求等)，因此，如果破产的金融机构规模大到足以影响资产价格以及产品供求关系等因素时，这些因素的恶化将会使得其他机构的资产价值下降，从而使得传染蔓延。Kodres和Pfitsker则从投资者的角度考虑传染对资产的贬值作用。他们提出了“跨市场的投资再平衡效应”，这种效应是指一旦某个市场受到外部冲击，投资者会最优化地调整他在其他市场上的投资组合。Kodres和Pritsker认为，投资者在调整投资组合的同时会把冲击转移到其他市场上，造成其他市场的资产价值下降，从而使得危机蔓延。他们发现，该种传染主要取决于市场对于资产价格的敏感程度，以及在各个市场上信息不对称的程度。
2．金融传染导致的资产损失
通常认为，金融传染是发生的概率较小、但造成的损失较为严重的事件。在衡量金融传染所带来的资产损失的研究中，部分学者对损失函数的性质进行了研究，希望能更精确地估计损失大小；也有部分学者通过实证分析直接估算传染所造成的具体损失大小。Elsinger等主要研究了损失函数的统计特征，通过对奥地利银行系统的实证分析发现，该体系传染的概率较小但影响较大，只有6％的破产事件是由于传染效应造成的，因此损失函数的一个重要的统计特征是它服从薄尾分布。而它的另一个统计特征则是服从正态分布，研究发现，经济基本因素的波动大小决定了损失的均值，波动越大则损失越大；而公司之间连接的紧密程度决定了损失在均值附近的波动程度，连接越紧则损失波动越大。在Elsinger和Giesecke的研究基础上，Eisenberg和Noe给出了一种能够衡量金融传染损失大小的算法，该算法给出了某个给定金融机构对于其他机构的风险暴露，一旦该金融机构出现违约，我们可以通过该算法得到其他机构遭受的损失。估计金融传染所造成的损失还有其他一些途径。Upper和Worms运用最大熵方法得到了非常细化的估测数据并实证分析了德国银行系统，发现单一银行的破产最高能造成银行系统总资产15％的损失。也有学者对这一损失程度提出异议，Angelini等并没有利用最大熵方法进行数据估计，而是模拟一家银行破产时对整个系统带来的冲击。他们对意大利银行间市场网络的实证分析发现：由于金融传染所造成的资产损失只有每日货币流动量的3％。这个结果显示传染的影响偏小，Angelini等认为这是由于意大利银行系统的资金流动量较小以及银行网络的结构性差异所造成的。事实上，对于金融危机的预测离不开金融传染及其导致资产损失的估计，然而无论是上述何种研究都离不开对金融网络的构建和金融传染的假设与模拟。因此，对于金融网络结构的认识和传染性的度量就显得异常重要。
金融网络的最优微观特征
1．基于外部冲击发生机制的研究方法
由于外部冲击主要通过金融机构之间的连接而传导风险，因此，基于外部冲击的发生机制进行的研究多关注的是银行系统内各银行间的连接方式以及连接的紧密程度。Allen和Gale于2000年发表的文章是该方面研究的基石。他们基于Diamond和Dybvig所建立的D—D模型，假设(完全信息条件下)流动性冲击来自存款者取款时间的不确定性，通过一个包括四个银行的模型证明了传染的蔓延主要取决于银行间的连接类型。当网络是完全连接的(如图2所示)，即每个银行都与其他银行连接在一起，使得某个银行的负债几乎完全均匀地分布在其他银行时，冲击的效果会被很好的淡化。然而，当网络是不完全连接的(如图3所示)，即每个银行只和一部分银行有负债关系，系统会变得较脆弱。从图2可见，Allen和Gale提出的“完全连接”的网络正是拥有四个节点的规则网络。完全连接网络的提出，很好地解决了“怎样的连接方式最优”这个问题；而“怎样的连接紧密程度最优”，则由Freixas等率先给出答案，他们的研究同样基于外部冲击的发生机制。Freixas等的研究模型与Allen和Gale相似，但是他们假设流动性冲击并不来自于存款者取款时间的不确定性，而是来自于存款者取款地点的不确定性。他们认为高度连接的银行间市场，虽然降低了持有流动性资产的成本，但同时也产生了低效率和不稳定性：虽然银行间市场提供的流动性保险可以帮助银行抵消债务，但是这种系统稳定性是以这个资不抵债的银行继续运营为代价，这破坏了市场法则，最终系统很有可能因承受了过多的不良债务而崩溃。因此，过高的连接程度损害了系统的稳定性，最优金融网络需要适当偏大的最短路径长度。同样是在D-D模型的基础上，Brusco和Castiglionesi建立一个包括四个银行的模型，他们的研究支持了Freixas等的结论：银行间更紧密的连接会增加传染的风险，这是因为银行间互助系统所提供的后盾支持可能会使得某些银行做出更鲁莽的投资，从而增大系统风险；并且，如果连接过于紧密的话，某家银行的破产会导致传染的范围变广。
2．基于复杂网络的研究方法
复杂网络理论在2000年左右逐渐成熟，其应用领域也从物理学、信息学逐渐扩大到生态学、社会学等多个学科。通过复杂网络理论对金融网络结构进行分析，尽管不能做出对金融机构行为的动态分析，但是它可以反映出金融网络的构建过程，并能与现实世界的网络相匹配，具有非常重要的现实指导作用。该领域具有代表性的是Gai和Kapadia于2010年所做出的研究工作。Gai和Kapadial借鉴Strogatz以及Newman研究复杂网络的数学方法，通过模拟金融网络的形成过程而建立了一个能分析传染效应、并适用于现实世界中不同类型金融网络的模型。他们的分析结果与Bruseo和Castiglionesi以及Freixas等得出的结果一样，即最短路径长度应适当偏长。他们认为，连接程度和风险分担程度越高，传染的概率越低；但一旦发生传染，影响范围将更广，从而极大地损害系统稳定性。在设计最优网络结构时，对连接程度和风险分担程度的选择，实质上是对传染概率及影响范围的一个权衡取舍。
3．基于网络动态学的研究方法
网络动态学，主要通过分析行为人的决策心理并建立动态模型，研究由于时间、空间及环境等动态变化所造成的行为人的决策变化及网络结构的演变过程。复杂网络理论的研究缺陷主要在于无法模拟出金融网络的动态变化，而面对复杂的金融市场变化，金融机构的动态决策行为对于金融传染过程显然是至关重要的。因此，一些学者开始运用网络动态学的研究成果，对金融机构的这些动态变化加以研究，并用图像表示出外部冲击以及传染蔓延的动态过程，通过分析复杂的决策行为来了解网络的形成机制和过程，从而设计出最优网络结构。Goyal和Vega—Redondo是较早运用网络动态学对金融网络进行研究的学者。他们在2004年发表的文章支持了Allen和Gale以及Freixas等的研究结论。他们认为，两方建立债务关系的过程就是一个博弈以达到最优均衡的过程，而整个关系网络的建立正是许多债务关系的动态建立过程；两方建立债务关系，就是在风险及收益之间选取一个最优纳什均衡点的动态博弈。根据这个网络构建模型，Goyal和Vega．Redondo在考察了不同的连接方式、连接费用以及不同的相互作用模式对风险传染起到的作用之后，得出结论：“完全连接”模式(即规则网络)与较长的最小路径长度可以有效地减小金融风险的传染。
4．基于运筹法的最优微观结构判断
定量分析的研究目前相对偏少，研究方法也多为运用运筹学方法解决最优化问题，Leitner在2005年给出的“每个小群体的最优节点数量”在这方面具有重要的代表意义。Leitner建立了一个不仅能相互传染、也能相互救助的金融网络，流动性较好的银行会因为担心受到传染而救助流动性不足的银行。该模型说明银行问的相互连接对于减少破产危机的发生具有重要意义，因为它们允许银行间相互救助；然而整个网络也可能因为过度连接而在某些情况下(如当流动性限制在一小部分银行中时)出现传染蔓延并最终崩溃。基于对网络连接带来的好处(允许银行相互救助)以及坏处(危机可能蔓延)的取舍，Leitner运用运筹学知识，通过求解一个带有约束的规划问题给出了最优金融网络的规模——每个小群体内的最优节点数量为5。
5．其他研究方法
还有学者通过统计学和传染病学等其他理论工具，对金融网络的最优微观特征的研究做出了贡献。Gai等利用传染病学以及统计物理学的知识，与其他学者再次对金融网络的最优微观特征问题进行了研究。在仍然坚持“最优网络结构具有适当偏长的最小路径长度特征”的同时，Gai等又得出了“复杂度较低也是最优网络结构的重要特点”的结论。Iori等利用统计学方法研究单个银行的风险与整个银行问市场相互作用的动态过程发现，较低的聚类系数可以有效提升金融网络的稳定性。这与Simon在1962年所著的“TheArchitectureofComplexity”中的观点相吻合：在复杂系统中，只有最简单的层次结构才是最优的。Iori认为，银行问拆借虽然降低了单个银行的破产概率，但也增加了整个系统崩溃的机会。当银行间网络的聚类系数较高，即系统内的银行都是同种类型时，系统崩溃发生的可能性比较大；而当聚类系数较低，即银行的类型不相同时，崩溃发生的可能性就会降低。较低的聚类系数可以有效提升金融网络的稳定性。也有学者把金融网络与其他网络系统(如生态网络系统)进行类比。Haldane和May所做的这方面研究支持了Gai等的关于“最优网络结构的复杂度较低”的结论。在经过对生态系统的食物链以及金融网络的对比分析之后，他们认为金融系统和生态系统一样，复杂程度越高，整个网络的稳定性就越差¨。尽管所用的研究方法各不相同，但是目前所得到的关于最优金融网络的微观特征的结论非常相似。总的来说，具有“完全连接”、较低的复杂程度、适当偏长的平均最短路径长度以及较小的聚类系数是最优网络结构的几个主要特征。Nier等对金融网络的特征做了较为完整的界定。他们利用网络理论知识，认为银行体系网络结构的关键参数一共有四个：银行的资本化水平，网络的连接程度，银行间的借贷规模，银行系统的集中程度。他们通过建立银行网络系统并加以模拟的方法得出结论：资本化水平越高、借贷规模越低、集中程度越低，则银行系统的稳定性越高；而连接程度则与稳定性呈非线性关系，当连接程度超过阈值之后，连接程度越高，稳定性越低。
金融网络的最优宏观结构
基于描述金融网络的三大基本指标，上文总结了前人对于较为稳定的金融网络应该具有的指标特征。基于这些基本的指标，整个金融网络将会呈现一定的宏观结构，如前文指出的小世界网络和无标度网络。这些基于多个基本指标共同呈现出的复杂的拓扑结构，构建出了金融网络的整个宏观拓扑结构，结合图论知识不仅能判断某一现实生活中的网络属于哪一类网络宏观结构，同时能够对其在传染过程中所起到的作用做出一定的判断。Watts和Strogatz与BarabOsi和Albert相继于1998、1999年提出了“小世界网络”模型以及“无标度网络”模型，这标志着复杂网络理论的逐渐成熟。许多学者开始以这两个模型为衡量标准，通过实证结合统计分析等方法来研究现实中的金融网络所具有的宏观结构特征，并结合复杂网络理论探讨如何设计宏观网络结构才能更有效地防止金融传染。目前大多数研究都表明，金融网络兼具小世界网络以及无标度网络的某些特征，这些特征显著地影响着危机的传染过程。金融网络最典型的宏观拓扑结构特征之一，就是平均最短路径长度较短，这正是小世界网络所独有的典型特征，这已经被包括Soramaki等和Boss等许多学者所证实。Soramaki等利用复杂网络方法分析了美国商业银行的银行间支付系统网络的拓扑结构以及与网络稳定性相关的性质，发现该银行间网络具有较小的平均路径长度。Boss等对奥地利银行间市场进行实证研究后也认为，奥地利银行间网络的平均路径长度较小。Boss等还得出了另外一个结论：银行间网络的聚类系数较小。他们认为，因为银行之间保持连接需要一定的费用，所以当两个较小的银行都与一家较大的银行存在价值关系时，这两家小银行之间没有互相连接的动力。金融网络还体现了无标度网络的两个重要特征：节点度分布服从幂律分布以及中心节点的存在。Soramaki等的研究证实，美国商业银行的银行间支付网络的节点度分布服从幂律分布，同时该银行间网络还包括一些节点度数很高的“中心型”(Hub)银行。Iori等则运用复杂网络的统计分析方法，对意大利银行的隔夜拆借市场的网络结构进行了分析，发现节点的度分布服从一个比随机网络更为厚尾的分布¨。这也意味着，存在数量很少的几家较大的银行，与非常多的小额贷款者保持债务关系，这些规模较大、节点度较高的银行就是典型的中心节点。更进一步地，Boss等不仅证明了奥地利银行间的节点度分布服从幂律分布，他们还精确地计算出该银行间网络分段服从的幂指数分别为0．62和2．01。金融网络的这些宏观特征对于分析金融系统的传染性是非常重要的。Albert等在2000年的研究表明，当中心节点受到冲击时，无标度网络将会变得特别脆弱，且很容易造成传染蔓延。尽管小世界网络在单个小型金融机构破产时有很强的稳定性，但是，一旦少数节点度数较高，也就是负债规模较大的(中心节点)银行破产时，银行系统受到的冲击将会很大。金融系统的这种风险特点也与损失函数服从薄尾分布的特性相吻合，当发生危机的是一般的小型金融机构时，金融系统拥有较强的自我修复能力；但是一旦关键的大型金融机构(中心节点)发生流动性危机时，金融系统将会变得非常脆弱，从而极有可能造成金融传染的蔓延以及严重的资产损失。
金融网络研究中亟待解决的难题
作者简介：巴曙松（1969-），男，湖北武汉人，中国科学技术大学兼职博士生导师，国务院发展研究中心金融研究所副所长，中国银行业协会首席经济学家，主要从事金融机构风险管理与金融市场监管等方面的研究。E-mail：
左 伟（1987-），男，云南大理人，硕士研究生，主要从事风险管理等方面的研究。E-mail：
朱元倩（1984-），女，安徽六安人，中国银监会博士后，主要从事风险管理与市场监管等方面的研究。E-mail：
摘 要：本文主要介绍目前利用金融网络解决金融传染问题的相关研究方法和研究成果。笔者在简单回顾了金融网络的结构特征、描述性指标及几大典型结构之后，从微观角度分析了最优金融网络所具有的一些共同特征，从宏观角度分析了现实金融网络的拓扑结构，研究了网络结构在金融传染过程中所起到的作用，并基于此从金融网络的角度提出了提高金融体系稳定性的相关措施，为预防危机的传染提供了政策参考。
关键词：金融网络；金融传染； 微观最优结构特征； 宏观拓扑结构
中图分类号：F830.2 文献标识码：A 文章编号：1000-176X（2013）02-0003-09
随着全球化的趋势越来越明显，许多金融机构通过相互持有资产、资产价值相互关联等关系连接在一起，构成了大大小小的金融网络。许多经济金融学家开始利用生态系统、物理系统和社交系统等领域发展成熟的网络理论知识以及数学、工程学等研究工具，通过金融网络研究金融学和经济学中的一系列问题。其中研究较多的是关于金融机构破产导致的多米诺骨牌传染效应。早在1997年东南亚金融危机爆发之后，就有学者开始利用金融网络研究危机的传导机制。而随着网络理论、网络动态学以及图论等知识在其他领域的不断发展完善，人们有了更加多样化和深入化的工具对金融网络进行分析和学习。而近年来，CDS、CDO等许多金融衍生工具的引入使得整个金融系统变得更为复杂，全球化的发展进程也加剧了金融传染的发生；再加上2008年美国次贷危机引发的国际金融危机以及后续的欧债危机的陆续爆发，人们对于金融传染的危害性、研究金融网络的必要性有了更进一步的认识。所有这些因素，都使得金融网络的研究上了一个新的台阶。
近年来，利用网络研究金融传染的路径主要包括如下两种：一是微观层面的路径，利用风险管理、复杂网络和网络动态学等领域的理论知识，结合金融传染的发生机制、市场参与者的决策行为等，得出最优的金融网络应具有哪些重要微观特征，从而为金融体系及其结构的顶层设计给出设计蓝图；二是宏观层面的路径，研究金融网络的宏观拓扑结构，结合图论知识判断其属于哪一类网络宏观结构，在传染过程中起到怎么样的作用，从而对当前金融体系中的风险传染路径及其影响进行预测和估计。除了运用网络研究金融市场的传染问题之外，还有学者利用网络研究资产组合以提取相关性等重要信息，或者利用网络解决与之相关的一些难题，如最优化问题、动态均衡理论等。本文将对运用金融网络度量金融传染，并基于金融网络的相关理论解决金融稳定的研究进行回顾，从金融网络的角度给出提高金融体系稳定性的建议。
一、金融网络的概念及相关指标
所谓复杂网络，是指将一个系统内部的各个元素作为节点，节点之间通过边、并在一定的规则之下连接在一起所形成的网络。在现代金融系统中，银行以及对冲基金等金融机构作为节点，金融机构之间通过信用拆借、资产负债等关系作为边而相互连接所形成的价值网络，就叫做金融网络。与传统网络相类似，金融网络主要由节点和边构成。所不同的是，一方面，金融网络节点数通常很多，往往构成较为复杂的网络关系图；而另一方面，每条边度量的是两个相连节点之间的资产负债关系，边有时还具有方向性，一条从起始节点指向终了节点的带有箭头的边，通常意味着起始节点对终了节点存在负债关系。
1. 金融网络的结构特征
金融网络的结构特征，主要反映了网络中各节点之间的连接方式以及节点在网络中的位置关系。金融网络的结构特征通常有群体结构（Community Structure）和层次结构（Hierarchy Structure）两种。群体结构是指由于各个节点连接的紧密程度不同，在金融网络中往往会形成几个不同的群体，群体内部的连接较为密集，而群体相互间的连接则相对要稀疏得多。类似现实的人际关系中，人们按照兴趣、职业和年龄等方面的不同而分为不同的群体。而层次结构则是指不同金融机构之间由于规模大小、信用拆借能力等不尽相同，因此在金融市场中所处地位不同，并呈现分层的结构特征。
2. 刻画金融网络的三大指标
用来刻画金融网络特征的描述性指标主要包括以下三个：平均最短路径长度、聚类系数和节点的度。其中平均最短路径长度刻画了金融网络节点相互连接的紧密程度，平均最短路径长度越小，则节点之间连接紧密程度越高。两个节点间的最短路径，是指将这两个节点相连接的各条路径中，包含边数最小的那条路径。假设金融网络中有两个节点i、j（i、j=1，2…n；其中n为网络中的节点总数），则这两个节点之间的距离dij为连接这两个节点的最短路径所包含的边的数目。而金融网络的平均最短路径长度L则定义为网络中任意两个节点之间距离的平均值，假设该银行网络中有n个节点，我们有：
L=112n（n+1）∑i≥jdij
聚类系数刻画了金融网络的结构特征，聚类系数越大，则金融网络越倾向于群体结构特征，层次结构越不明显。聚类系数可分为节点的聚类系数以及网络的聚类系数。假设金融网络中的一个节点i有ki条边和其他节点相连，在这ki个节点之间最多可能有[ki（ki-1）/2]条边相互连接，我们定义节点i的聚类系数Ci为这ki个节点之间实际存在的边数Ei和最多可能边数[ki（ki-1）/2]之比，即：
Ci=2Eki（ki-1）
对所有节点i的聚类系数Ci取均值即可得到整个金融网络的聚类系数C。
节点的度刻画的是该节点的重要性，一个节点的度越大，就意味着该节点与其他节点的连接越多，该节点越重要。与某个节点i相连接的其他节点的数目称为节点i的度ki，金融网络中所有节点的度的平均值被称为金融网络的平均度。而节点的度分布P（k）（k取自然数）则是指金融网络中度为k的节点占所有节点数的比例，即随机选取一个节点，该节点的度为k的概率。
3. 金融网络的宏观拓扑结构
在现代图论理论中，网络的宏观拓扑结构通常包括如下四种：规则网络、随机网络、小世界网络以及无标度（Scale-Free）网络。其中规则网络和随机网络是两种网络理论研究中较为极端的特例，而现实的金融网络多具有小世界网络和无标度网络的特征。金融网络结构比较如图1所示。
图1 金融网络结构的比较
规则网络是学者们假设的最简单的网络模型，其每个节点都具有相同的度k。20世纪50年代末Erdos和Rényi提出的随机网络模型，其每个节点都以相同的连接概率p与其他节点连接。虽然规则网络和随机网络具有容易模拟并进行相关分析的特征，但其并不能很好地刻画现实世界的网络结构。实证结果表明，大多数的真实网络具有较小的平均最短路径长度和较大的聚类系数，据此Watts和Strogatz于1998年提出了小世界网络模型[1]。
小世界网络模型介于规则网络和随机网络之间，通过将规则网络中的每条边以一个给定的概率p连接到一个新节点上构造而成，其最显著的特点就是同时具有较小的平均最短路径长度和较大的聚类系数。尽管小世界网络能很好地刻画真实网络的平均最短路径长度及聚类系数的特点，但是其节点的度分布仍然服从泊松分布。实证结果表明，大多数真实网络的节点度分布用幂律分布进行描述更为准确。Barabási和Albert把这种度分布服从幂律分布的复杂网络称为无标度网络，并提出了著名的BA模型以解释无标度网络的形成机制[2]。
四类网络模型的三大指标具有不同的特点，其中小世界网络的随机性介于规则网络和随机网络之间，但具有聚类系数较大、路径较小的特点，这些不同的结构特征也决定了它们在金融危机爆发时完全不同的传染路径。从表1可以看出，在现实金融网络通常表现出的小世界网络中，危机传染的速度远比随机网络更快，而在无标度网络中，其中中心节点（在金融网络中通常体现为大而不倒机构）对于金融网络的风险传染更是起到了非常重要的作用。
表1金融网络结构的指标及传染性比较
二、金融传染的概念及其度量
随着金融全球化进程加快和金融体系的愈加复杂，金融传染的危害性也日益增加。与此同时，网络理论的研究方法和研究工具都得到了很大的发展，其在生态学、物理学和社会学中的应用也日趋成熟。因此，经济学家借鉴了网络理论在其他领域的研究思路和方法，希望运用金融网络研究如何防止金融传染的发生。金融危机的传染机制决定了危机爆发时其在金融体系间的传导方式和速度，不同构造的金融网络在传导危机时所起的作用也会不一样。一般以资产损失大小作为衡量金融传染的危害程度的标准。
1. 金融传染的发生机制
目前的研究文献，主要从金融机构间的直接传染与间接传染这两种作用机制入手进行阐述。金融机构间的直接传染，主要是指一旦某个金融机构破产，与该金融机构存在直接连接关系的其他金融机构将遭遇债务违约损失，从而导致破产危机的进一步蔓延。而间接传染则包括除了直接传染之外的其他传染机制，主要由于市场信心的缺失和资产价格的螺旋下降等因素造成的。
金融机构之间通过支付系统以及各种各样的头寸（例如直接贷款、衍生产品和回购协议等）构成直接连接。较常见的直接传染机制由Kiyotaki和Moore提出，他们认为，一旦某个金融机构违约或延期支付债务，由此产生的损失超过一定限额时就会导致其债权机构破产，类似的破产一旦蔓延有可能最终引发系统性崩溃[3]。在直接传染的度量中，金融网络的结构特征至关重要，聚类系数较大、平均路径较短的网络往往产生的直接传染更迅速，关联性更强。
间接传染的形成机制则更复杂，早期的研究主要考虑投资者的恐慌情绪的蔓延。Diamond和Dybvig提出，当某个银行遭到存款者的挤兑而破产时，恐慌的情绪很可能使得挤兑蔓延到整个银行系统，从而使那些本来具有偿付能力的银行也出现破产[4]。
而近些年的研究对象主要集中于传染对于资产价格的影响。Giesecke和Weber认为，由于各个金融机构面对共同的基本面因素（如资产的价格，产品供给与需求等），因此，如果破产的金融机构规模大到足以影响资产价格以及产品供求关系等因素时，这些因素的恶化将会使得其他机构的资产价值下降，从而使得传染蔓延[5]。Kodres和Pritsker则从投资者的角度考虑传染对资产的贬值作用。他们提出了“跨市场的投资再平衡效应”，这种效应是指一旦某个市场受到外部冲击，投资者会最优化地调整他在其他市场上的投资组合[6]。Kodres和Pritsker认为，投资者在调整投资组合的同时会把冲击转移到其他市场上，造成其他市场的资产价值下降，从而使得危机蔓延。他们发现，该种传染主要取决于市场对于资产价格的敏感程度，以及在各个市场上信息不对称的程度。
2.金融传染导致的资产损失
通常认为，金融传染是发生的概率较小、但造成的损失较为严重的事件。在衡量金融传染所带来的资产损失的研究中，部分学者对损失函数的性质进行了研究，希望能更精确地估计损失大小；也有部分学者通过实证分析直接估算传染所造成的具体损失大小。
Elsinger等主要研究了损失函数的统计特征，通过对奥地利银行系统的实证分析发现，该体系传染的概率较小但影响较大，只有6%的破产事件是由于传染效应造成的，因此损失函数的一个重要的统计特征是它服从薄尾分布[7]。而它的另一个统计特征则是服从正态分布，研究发现，经济基本因素的波动大小决定了损失的均值，波动越大则损失越大；而公司之间连接的紧密程度决定了损失在均值附近的波动程度，连接越紧则损失波动越大[5]。在Elsinger和Giesecke的研究基础上，Eisenberg和Noe给出了一种能够衡量金融传染损失大小的算法，该算法给出了某个给定金融机构对于其他机构的风险暴露，一旦该金融机构出现违约，我们可以通过该算法得到其他机构遭受的损失[8]。
估计金融传染所造成的损失还有其他一些途径。Upper和Worms运用最大熵方法得到了非常细化的估测数据并实证分析了德国银行系统，发现单一银行的破产最高能造成银行系统总资产15%的损失[9]。也有学者对这一损失程度提出异议，Angelini等并没有利用最大熵方法进行数据估计，而是模拟一家银行破产时对整个系统带来的冲击。他们对意大利银行间市场网络的实证分析发现：由于金融传染所造成的资产损失只有每日货币流动量的3%。这个结果显示传染的影响偏小，Angelini等认为这是由于意大利银行系统的资金流动量较小以及银行网络的结构性差异所造成的[10]。
事实上，对于金融危机的预测离不开金融传染及其导致资产损失的估计，然而无论是上述何种研究都离不开对金融网络的构建和金融传染的假设与模拟。因此，对于金融网络结构的认识和传染性的度量就显得异常重要。
三、金融网络的最优微观特征
目前，学者们在对金融网络的研究中，一方面从理论入手，研究什么样的微观特征的金融网络具有较高的稳定性；另一方面则从实际入手，研究现实中的金融网络具有什么样的微观特征和宏观结构，从而结合理论研究的成果对现实金融网络的稳定性实现判断。
关于金融网络最优微观结构的研究，主要是运用风险管理、复杂网络和网络动态学等领域的知识，并结合金融传染发生的机制、市场参与者的博弈决策行为等，定性或者定量地得出最优的金融网络应具有哪些重要的微观特征。该领域的早期研究主要考虑的是外部冲击的发生机制，并且研究主体多为银行系统；而随着复杂网络理论知识在统计物理学、生态学和社会学等学科应用的日趋成熟，许多学者开始借助于复杂网络来研究，研究主体也逐渐扩大到其他金融系统。近年来，对于金融网络的研究热情逐渐高涨，网络动态学、统计学等作为研究工具均从不同的角度对最优金融网络的微观结构进行了深入的分析，得到了相同或相似的研究成果。
1. 基于外部冲击发生机制的研究方法
由于外部冲击主要通过金融机构之间的连接而传导风险，因此，基于外部冲击的发生机制进行的研究多关注的是银行系统内各银行间的连接方式以及连接的紧密程度。Allen和Gale于2000年发表的文章是该方面研究的基石。他们基于Diamond和Dybvig所建立的D-D模型[4]，假设（完全信息条件下）流动性冲击来自存款者取款时间的不确定性，通过一个包括四个银行的模型证明了传染的蔓延主要取决于银行间的连接类型。当网络是完全连接的（如图2所示），即每个银行都与其他银行连接在一起，使得某个银行的负债几乎完全均匀地分布在其他银行时，冲击的效果会被很好的淡化。然而，当网络是不完全连接的（如图3所示），即每个银行只和一部分银行有负债关系，系统会变得较脆弱[11]。从图2可见，Allen和Gale提出的“完全连接”的网络正是拥有四个节点的规则网络。
图2完全连接的网络 图3不完全连接的网络
完全连接网络的提出，很好地解决了“怎样的连接方式最优”这个问题；而“怎样的连接紧密程度最优”，则由Freixas等率先给出答案，他们的研究同样基于外部冲击的发生机制。
Freixas等的研究模型与Allen和Gale相似，但是他们假设流动性冲击并不来自于存款者取款时间的不确定性，而是来自于存款者取款地点的不确定性。他们认为高度连接的银行间市场，虽然降低了持有流动性资产的成本， 但同时也产生了低效率和不稳定性：虽然银行间市场提供的流动性保险可以帮助银行抵消债务，但是这种系统稳定性是以这个资不抵债的银行继续运营为代价，这破坏了市场法则，最终系统很有可能因承受了过多的不良债务而崩溃[12]。因此，过高的连接程度损害了系统的稳定性，最优金融网络需要适当偏大的最短路径长度。
同样是在D-D模型的基础上，Brusco和Castiglionesi建立一个包括四个银行的模型，他们的研究支持了Freixas等的结论：银行间更紧密的连接会增加传染的风险，这是因为银行间互助系统所提供的后盾支持可能会使得某些银行做出更鲁莽的投资，从而增大系统风险；并且，如果连接过于紧密的话，某家银行的破产会导致传染的范围变广[13]。
2. 基于复杂网络的研究方法
复杂网络理论在2000年左右逐渐成熟，其应用领域也从物理学、信息学逐渐扩大到生态学、社会学等多个学科。通过复杂网络理论对金融网络结构进行分析，尽管不能做出对金融机构行为的动态分析，但是它可以反映出金融网络的构建过程，并能与现实世界的网络相匹配，具有非常重要的现实指导作用。该领域具有代表性的是Gai和Kapadia于2010年所做出的研究工作。
Gai和Kapadia[14]借鉴Strogatz以及Newman研究复杂网络的数学方法，通过模拟金融网络的形成过程而建立了一个能分析传染效应、并适用于现实世界中不同类型金融网络的模型。他们的分析结果与Brusco和Castiglionesi以及Freixas等得出的结果一样，即最短路径长度应适当偏长。他们认为，连接程度和风险分担程度越高，传染的概率越低；但一旦发生传染，影响范围将更广，从而极大地损害系统稳定性。在设计最优网络结构时，对连接程度和风险分担程度的选择，实质上是对传染概率及影响范围的一个权衡取舍。
3. 基于网络动态学的研究方法
网络动态学，主要通过分析行为人的决策心理并建立动态模型，研究由于时间、空间及环境等动态变化所造成的行为人的决策变化及网络结构的演变过程。复杂网络理论的研究缺陷主要在于无法模拟出金融网络的动态变化，而面对复杂的金融市场变化，金融机构的动态决策行为对于金融传染过程显然是至关重要的。因此，一些学者开始运用网络动态学的研究成果，对金融机构的这些动态变化加以研究，并用图像表示出外部冲击以及传染蔓延的动态过程，通过分析复杂的决策行为来了解网络的形成机制和过程，从而设计出最优网络结构。
Goyal和Vega-Redondo是较早运用网络动态学对金融网络进行研究的学者[15]。他们在2004年发表的文章支持了Allen和Gale以及Freixas等的研究结论。他们认为，两方建立债务关系的过程就是一个博弈以达到最优均衡的过程，而整个关系网络的建立正是许多债务关系的动态建立过程；两方建立债务关系，就是在风险及收益之间选取一个最优纳什均衡点的动态博弈。根据这个网络构建模型，Goyal和Vega-Redondo在考察了不同的连接方式、连接费用以及不同的相互作用模式对风险传染起到的作用之后，得出结论：“完全连接”模式（即规则网络）与较长的最小路径长度可以有效地减小金融风险的传染。
4.基于运筹法的最优微观结构判断
定量分析的研究目前相对偏少，研究方法也多为运用运筹学方法解决最优化问题，Leitner在2005年给出的“每个小群体的最优节点数量”在这方面具有重要的代表意义。Leitner建立了一个不仅能相互传染、也能相互救助的金融网络，流动性较好的银行会因为担心受到传染而救助流动性不足的银行。该模型说明银行间的相互连接对于减少破产危机的发生具有重要意义，因为它们允许银行间相互救助；然而整个网络也可能因为过度连接而在某些情况下（如当流动性限制在一小部分银行中时）出现传染蔓延并最终崩溃。基于对网络连接带来的好处（允许银行相互救助）以及坏处（危机可能蔓延）的取舍，Leitner运用运筹学知识，通过求解一个带有约束的规划问题给出了最优金融网络的规模——每个小群体内的最优节点数量为5[16]。
5. 其他研究方法
还有学者通过统计学和传染病学等其他理论工具，对金融网络的最优微观特征的研究做出了贡献。Gai等利用传染病学以及统计物理学的知识，与其他学者再次对金融网络的最优微观特征问题进行了研究。在仍然坚持“最优网络结构具有适当偏长的最小路径长度特征”的同时，Gai等又得出了“复杂度较低也是最优网络结构的重要特点”的结论[17]。Iori等利用统计学方法研究单个银行的风险与整个银行间市场相互作用的动态过程发现，较低的聚类系数可以有效提升金融网络的稳定性[18]。这与Simon在1962年所著的“The Architecture of Complexity”中的观点相吻合：在复杂系统中，只有最简单的层次结构才是最优的。Iori认为，银行间拆借虽然降低了单个银行的破产概率，但也增加了整个系统崩溃的机会。当银行间网络的聚类系数较高，即系统内的银行都是同种类型时，系统崩溃发生的可能性比较大；而当聚类系数较低，即银行的类型不相同时，崩溃发生的可能性就会降低。较低的聚类系数可以有效提升金融网络的稳定性[18]。也有学者把金融网络与其他网络系统（如生态网络系统）进行类比。Haldane和May所做的这方面研究支持了Gai等的关于“最优网络结构的复杂度较低”的结论。在经过对生态系统的食物链以及金融网络的对比分析之后，他们认为金融系统和生态系统一样，复杂程度越高，整个网络的稳定性就越差[19]。
尽管所用的研究方法各不相同，但是目前所得到的关于最优金融网络的微观特征的结论非常相似。总的来说，具有“完全连接”、较低的复杂程度、适当偏长的平均最短路径长度以及较小的聚类系数是最优网络结构的几个主要特征。Nier等对金融网络的特征做了较为完整的界定。他们利用网络理论知识，认为银行体系网络结构的关键参数一共有四个：银行的资本化水平，网络的连接程度，银行间的借贷规模，银行系统的集中程度。他们通过建立银行网络系统并加以模拟的方法得出结论：资本化水平越高、借贷规模越低、集中程度越低，则银行系统的稳定性越高；而连接程度则与稳定性呈非线性关系，当连接程度超过阈值之后，连接程度越高，稳定性越低[20]。
四、金融网络的最优宏观结构
基于描述金融网络的三大基本指标，上文总结了前人对于较为稳定的金融网络应该具有的指标特征。基于这些基本的指标，整个金融网络将会呈现一定的宏观结构，如前文指出的小世界网络和无标度网络。这些基于多个基本指标共同呈现出的复杂的拓扑结构，构建出了金融网络的整个宏观拓扑结构，结合图论知识不仅能判断某一现实生活中的网络属于哪一类网络宏观结构，同时能够对其在传染过程中所起到的作用做出一定的判断。
Watts和Strogatz与Barabási和Albert相继于1998、1999年提出了“小世界网络”模型以及“无标度网络”模型，这标志着复杂网络理论的逐渐成熟。许多学者开始以这两个模型为衡量标准，通过实证结合统计分析等方法来研究现实中的金融网络所具有的宏观结构特征，并结合复杂网络理论探讨如何设计宏观网络结构才能更有效地防止金融传染。目前大多数研究都表明，金融网络兼具小世界网络以及无标度网络的某些特征，这些特征显著地影响着危机的传染过程。
金融网络最典型的宏观拓扑结构特征之一，就是平均最短路径长度较短，这正是小世界网络所独有的典型特征，这已经被包括Soramaki等和Boss等许多学者所证实。Soramaki等利用复杂网络方法分析了美国商业银行的银行间支付系统网络的拓扑结构以及与网络稳定性相关的性质，发现该银行间网络具有较小的平均路径长度[21]。Boss 等对奥地利银行间市场进行实证研究后也认为，奥地利银行间网络的平均路径长度较小。Boss等还得出了另外一个结论：银行间网络的聚类系数较小。他们认为，因为银行之间保持连接需要一定的费用，所以当两个较小的银行都与一家较大的银行存在价值关系时，这两家小银行之间没有互相连接的动力[22]。
金融网络还体现了无标度网络的两个重要特征：节点度分布服从幂律分布以及中心节点的存在。Soramaki等的研究证实，美国商业银行的银行间支付网络的节点度分布服从幂律分布，同时该银行间网络还包括一些节点度数很高的“中心型”（Hub）银行[21]。Iori等则运用复杂网络的统计分析方法，对意大利银行的隔夜拆借市场的网络结构进行了分析，发现节点的度分布服从一个比随机网络更为厚尾的分布[18]。这也意味着，存在数量很少的几家较大的银行，与非常多的小额贷款者保持债务关系，这些规模较大、节点度较高的银行就是典型的中心节点。更进一步地，Boss等不仅证明了奥地利银行间的节点度分布服从幂律分布，他们还精确地计算出该银行间网络分段服从的幂指数分别为0.62和2.01[22]。
金融网络的这些宏观特征对于分析金融系统的传染性是非常重要的。Albert等在2000年的研究表明，当中心节点受到冲击时，无标度网络将会变得特别脆弱，且很容易造成传染蔓延。尽管小世界网络在单个小型金融机构破产时有很强的稳定性，但是，一旦少数节点度数较高，也就是负债规模较大的（中心节点）银行破产时，银行系统受到的冲击将会很大。
金融系统的这种风险特点也与损失函数服从薄尾分布的特性相吻合，当发生危机的是一般的小型金融机构时，金融系统拥有较强的自我修复能力；但是一旦关键的大型金融机构（中心节点）发生流动性危机时，金融系统将会变得非常脆弱，从而极有可能造成金融传染的蔓延以及严重的资产损失。
五、金融网络研究中亟待解决的难题
金融网络中存在数量众多的节点以及纷繁复杂的连接关系，这使得要构造一个完整的金融网络就需要大量的数据，然而，金融机构之间较为可靠的借贷关系数据是很难获得的。目前应对这个难题通常有两种方法：一是只研究信息完全的那一部分金融网络。这种方法的缺点在于“以偏概全”，把局部网络所具有的特征当做整个金融网络的特征。例如，Furfine只采用联邦储备市场的数据（该市场仅占整个银行间市场的10%—20%），造成最后所得结果与其他学者的研究结论存在差异，低估了金融传染的危害性[23]。二是用某些合理的假设和方法去估计数据。目前大部分文献使用最大熵估计方法，但最大熵估计方法的缺陷主要在于，在满足特定的约束之下它假设金融机构之间的借贷是均匀分布的，这显然与事实不太相符。Mistrulli分别用最大熵方法和基于完全数据的方法对同一市场做了分析，研究发现，最大熵估计方法可能会高估传染的扩散范围，从而造成对传染损失的错误估计[24]。这两位学者的研究表明，两种方法都存在一定的缺陷。如果能将这两种方法有机地结合，或者运用创新的研究工具解决金融网络数据获取难题，我们将能构造更为真实、更为完善的金融网络。
另一个难题则是如何将宏微观的研究方法相结合。微观方法能清晰直观地解释网络的连接方式以及传染的传导过程，但是其对于网络宏观结构的假设过于简单，也无法在整体上把握金融传染特征；而宏观方法虽然能较好地解释金融网络的拓扑性质，但很难对金融机构的决策行为做出分析，也很难把握金融网络的动态变化。
若能将宏微观分析方法相结合，则可以对金融网络的形成过程、传染特点等都得到更为清晰、更为全面的认识。Schweitzer等认为，这需要从五个方面做出更大的突破：大数据量的分析，即分析金融网络中每一节点的动态发展过程，这对编程计算能力提出了更高的要求；把研究扩展到更广的时间和空间上，动态分析整个冲击以及传染过程在时间、空间上的变化，即我们需要进一步发展网络动态学；更精确地界定网络结构，并引入一些全新的概念，例如描述性指标的复合指标（如网络的k-核结构、支配力等），还有银行网络的Motif结构等，以使得对金融网络的描述更加细致；修改某些外生假定以得到更加贴近现实的模型，例如取消对资金流动范围的限制并允许金融传染在全球范围内发生；借助于系统工程学的稳定性研究，通过建立反馈机制考察金融网络的稳定性[25]。
综上，从金融网络的宏微观结构特征来看，最优金融网络具有完全连接、较低的复杂程度、适当偏长的最小路径长度以及较小的聚类系数等几个主要的微观特征。而现实中的金融网络通常具有小世界网络以及无标度网络的典型特点。要想防止金融传染，我们应该设计一个具有“完全连接”、较低的复杂程度、适当偏长的平均最短路径长度以及较小的聚类系数等微观特征的金融网络，同时必须提高对金融网络中中心节点的监测和救助。
参考文献：
[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）
自从美国第三任总统，著名思想家杰佛逊最早提出媒体的“第四权力”，媒体的力量从未被忽视过。而互联网的兴起让媒体更具力量。普遍认为网络媒体的精髓在于快速直达，但是中国金融网()的发展历程让人们对专业化的行业深度网络媒体建立了新的认识。打造平台
创建于2002年10月1日的中国金融网，是由中国金融产业控股有限公司控股，中国金融网控股有限公司和亚洲财讯(北京)网络技术有限公司联合主办的大型金融网站。目前已经成为全球最大的中文金融门户和中国金融领域的网上新闻、信息中心。
中国金融网不仅与联合国工业发展组织、美国，英国、俄罗斯、加拿大、法国、日本、澳大利亚、韩国、新加坡、沙特等五十多个国家的政府建立了密切的合作关系；而且与花旗银行、汇丰银行、渣打银行、荷兰银行、加拿大帝国商业银行、加拿大帝国皇家银行、德意志银行、澳大利亚和新西兰银行、法国大众银行，新加坡大华银行、日本瑞穗银行、纽约证券交易所、纳斯达克交易所、伦敦证券交易所、东京证券交易所、韩国证券交易所、新加坡证券交易所、香港证券交易所、上海证券交易所、深圳证券交易所等数万家全球知名金融机构建立了十分密切的伙伴关系。
中国金融网提出了立足中国、依托金融、服务经济、面向全球的战略，目前不仅在金融数据和信息产品领域成为业界最具影响力的平台，而且在企业征信体系、中小企业信贷服务、中小企业投融资服务、中小企业项目和产品交易、金融理财和培训、企业并购等众多方面进行大力投资并展开梯级化经营。
事实上，中国金融网不仅仅是一个专业的网络信息传播平台。在何世红的规划中，中国金融网只是他巨大产业体系里的第一步，也是至关重要的平台。
创业史
现任亚洲财讯(北京)有限公司董事长兼中国金融网总裁的何世红，他最初的理想是成为一名优秀的记者，并为这个理想在祖国西北奋斗了17年。这段时间的经历和见闻成为他智慧的积累，逐渐演变成了新的梦想。
2002年，创业之初的何世红已经记不清去过多少次银行了，“当初我们跑了很多家银行，每一家都跑了，几乎人家连门都不让进。”“我们第一家谈成的是一家国有银行，我们去了无数次，一遍遍和他们谈中国金融网的意义”，何世红的诚意和执著，终于打动了这家银行，“最后，该行终于同意与我们合作了，我还记得双方盖章的时候，他们的代表说，我这个章一盖下去，标志着你中国金融网增值了1个亿”。而对何世红而言，这不光是1个亿的问题，是从此领到了进入中国金融领域的通行证。
此后，他以中国金融网为平台，成功举办了中国金融生态城市发展年会，也成功举办了两届中国金融市长年会。“从一定意义上讲，金融生态就是竞争力，提升城市竞争力，必须先搞好金融生态问题，这已经成为一个城市能否可持续发展的关键问题。”何世红说。
2008年，他正式成立了中国金融产业控股集团有限公司，将所有产业整合在一起。此时，正值世界能源和金融大发展的时期，中国也已经成为世界上强大的经济体，他立志要做一件事，就是在国际能源和金融市场上树立中国的话语权。2008年的11月，他在北京钓鱼台国宾馆举行了盛大的世界能源金融大会、世界石油金融大会和世界金融论坛，邀请了来自世界30多个国家的政府官员、能源机构的代表和金融机构的代表共400余人出席会议，他希望借助这个平台向世界传递来自中国的声音，要建立一个由中国人组建的世界能源金融体系。
迈向未来
谈到下一步的发展，何世红说：“中国金融网将来的发展就是一个大型的金融产品交易中心。我们设计了未来一百年的规划，将打造一个国际化、全球化的公司模式。通过科学的运作体系、模式以及战略举措来建成一个极具专业化和高品质的产业金融集群。”
“中国金融网在这里只是一个点，一个辐射多面的点，这些辐射面将包括我们的中国第一家商业化的征信公司，中国第一家最大的中小企业信贷服务公司，还有投行业，”何世红说，“我们规划和设计中的金融城项目已经通过了许多专家的论证，这个项目计划要投资20个亿去打造这个金融城，这个项目建成后，让全世界看到，世界金融文化中心在中国。”这就意味着，中国金融网拥有比传统互联网项目更具活力的盈利模式。事实上，它一直都植根于富饶的金融业之上。
〔关键词〕 科技金融；金融网络；科技创新网络；结构洞
〔中图分类号〕F2731；F8303 〔文献标识码〕A 〔文章编号〕1000-4769（2012）05－0066－03
一、科技知识创新网络及其政府作用
网络联系（或者活动）是指网络行为主体之间的交互活动或关系。Beckman（1994）最早提出了知识网络（knowledge networks）的概念。笔者把科技知识创新网络定义为“科技知识创新与科技成果产业化的社会网络”。科技知识创新活动链接了企业、科研机构和大学，即所谓“产、学、研”相结合的模式。但是，市场需求是科技创新成功与否的最终判断标准，因而科技创新网络必须链接消费者，即“知道技术可用在哪，以及为什么人所用”，〔1〕所以，科技创新网络一定是“产、学、研”与市场相链接的社会网络。
政府促进科技创新网络链接有三方面作用：第一，按照波兰尼的观点，科学与人应该是合一的，个人的意会知识（tacit knowledge）和个体技能（Skills）在人类科学知识创新中发挥着基础性的作用。〔2〕有效保护知识产权能激发创新者的积极性并产生更多科技成果，政府的作用是建立与完善制度体系，营造尊重知识产权和鼓励创新的社会环境。第二，政府对科技知识创新活动进行直接或者间接的金融支持，间接金融支持即“政策性金融”与市场的结合。第三，格兰诺维特把人们的直接联系称之为“强关系”，间接联系称之为“弱关系”。〔3〕强关系网络具有的高“接触频率”与“情感密度”以及“结构等位”（网络成员具有同等位置），有利于科技创新的产生，但也导致信息同质化；“弱关系”则带来新信息或机会，从而形成互补性的科技知识创新网络。依据这一理论，政府的作用是扮演科技金融网络“桥（bridge）”的角色，通过服务平台促进科技型企业与科研院所、金融机构等发生链接。
二、财政资金嵌入金融交易结构的机制
“金融交易结构”是金融资产的未来收益、风险和流动性的结构化，并形成以交易价格为核心的交易双方的权利配置。金融交易结构是金融网络的链接机制，也是金融网络与科技创新网络发生链接的机制。当金融网络与科技创新网络发生链接时，这种社会网络称之为“科技金融网络”。政府的“桥接”作用便是通过政策性金融与服务平台共同影响“金融交易结构”，改变收益与风险匹配关系，促进科技型中小企业与金融机构自愿达成交易。
“金融交易结构”是由科技创新类型与金融交易方式共同决定的。其一，基础科学知识创新一般采用财政资金直接投入；技术创新除财政资金投入外，还以技术应用单位提供研究经费或专利转让费等为补充；企业的“产品创新”和“过程创新”则可以通过VC和PE、银行贷款等金融资源配置方式。其二，高新技术企业或者产品生命周期各阶段，在风险最大的初创期利用自筹资金，辅之以政府种子基金或天使投资；在风险次之的成长初期除自筹资金外，还可能有VC或PE等股权投资；在风险较小的成长期和成熟期则采用PE投资、企业债、银行贷款等。长久以来，政策性金融在推动市场机制不能有效解决的基础科技研究方面起到了决定性作用，而财政资金嵌入“金融交易结构”，以实现政府引导与市场基础性作用相结合方面的尝试在近年也取得一定成果。
风险、收益与流动性相匹配是决定金融交易结构的经济学法则，当财政资金嵌入金融交易结构改变了风险与收益的不匹配关系时，过去不可能达成的金融交易现在可以自愿达成，所以，财政资金的嵌入本质上是一种政府信用的嵌入，以达到为科技型中小企业增信的目的。如苏州“科贷通”模式就是政府通过设立信贷风险补偿专项基金，对合作商业银行的科技型中小企业贷款违约损失实施风险补偿，从而降低了商业银行的风险。从金融交易结构创新的角度分析，企业与银行的双边交易结构在嵌入政府信用后转变为一种三边交易结构；金融机构之间的互动甚至可以形成多边交易结构，如苏州推出的“保险贷”就是在金融交易结构中嵌入保险公司的“信用履约保险贷款”，即经保险公司履约保证保险后发放给科技型中小企业的银行信用贷款。但是，由于政府嵌入放弃了全部或部分商业利益，而金融机构则以商业利益为目的，所以，商业性多边交易结构往往会导致更高的交易费用。笔者的看法是，如果不能降低交易成本，这种商业性多边金融交易结构很难认定是一种有效的金融交易结构创新。
三、政府服务平台的“桥接”机制
2012年11月27日，随着澳大利亚证券交易所的上市钟声敲响，熊强与他的团队一起在悉尼举杯，庆贺其一手创办的优惠券公司淘淘谷（TUP.ASX）上市。作为国内第一家上市的O2O概念股，淘淘谷开盘当日收盘价比招股价上升25%，达到0.75澳元，对应市值4.8亿澳元（约合31亿元），超过了当当网（DANG.NYSE）和网秦（NQ.NYSE）。
一家创业仅两年的公司，产品刚刚半年，月均营收也仅为10万元，凭借什么成为澳大利亚交易所的新宠，市值达到60亿元？表面上看，这一切源于淘淘谷与银联金融网签署的一份长期排他合作协议，并构建了合作分成模式。
“淘淘谷+银联”的O2O闭环模式
淘淘谷是银联旗下U联生活平台的上游技术提供商，其创始人熊强在互联网领域拥有连续十年的创业经历。
2010年12月，熊强在香港注册淘淘谷移动优惠券服务有限公司（深圳淘淘谷的母公司）。当时，优惠券领域已有众多先行者，例如胡椒蓓蓓、钱库等，而O2O概念也开始在市场风靡。淘淘谷最初的玩法和其他公司并无两样，一方面整合商户资源，一方面将商户的优惠券派送到消费者手中。
可这种玩法有个不足，就是无法衡量和检测营销效果。专业O2O媒体品途网运营总监朱刚表示，目前大多数优惠券模式都是断裂的，即线上与线下是脱节的。线上平台掌握下载量但不知道实际使用量，商家知道真实使用量但不能掌握下载量。如果构建一个中间环节，把线上和线下串联起来，将优惠券运营打造成一个闭环，从而实现营销效果的可衡量、可追踪，才能真正达到按效果付费。通过这一O2O闭环的建立，线上平台可以掌握更完整的信息和数据，比如用户喜欢吃什么菜、主要在哪一带活动等，当数据量积累到一定程度时，就可实现精准营销。这或许是O2O最大的一座金矿。
独立电商分析师李成东认为，大众点评之类的O2O网站，之所以无法实现高收入，正是因为它们只是掌握了优惠券下载环节，尚未能建立O2O闭环，以控制支付和交易环节，很难获得较大的收入分成。
淘淘谷的诞生似乎占尽天时地利。其时，银联旗下从事深圳地区银行卡收单业务的银联金融网络打算推出电子优惠券业务，银联甚至计划将深圳作为电子优惠券试点，成功后再向其他地区推广。于是，熊强带着淘淘谷在电子优惠券上的解决方案，敲开了银联金融网络的大门。
2011年5月， 淘淘谷和银联金融网络达成合作关系，成为银联深圳旗下U联生活平台的解决方案供应商。
淘淘谷招股说明书显示，其开发的“电子金融认证程序”，是证明交易真实性的软件。银联U联生活的数据将在云计算服务器上进行处理和储存。这样，一旦一张银联卡在U联生活平台上注册，它就可以成为一张云连接银行卡，用来追踪、储存和处理连接到此卡上的用户数据和信息，即使消费者通过电脑、手机或POS机等不同终端进行交易，也能追踪相关记录（图1）。
在这一合作模式中，U联生活平台并不负责线下网络和团队铺设，只是通过开放系统引入商户资源，其设计了一套与合作伙伴的利益分配模式：在商户支付的佣金中，U联生活分享30%（其中银联金融网络18.9%，淘淘谷11.1%）、优惠券公司（商户方）占30%、社交网络（用户资源方）占40%。
而淘淘谷除了这部分收入分成外，还可收取线下商户的系统开发服务费，包括一次性的安装费用和持续性的护理维修费用。
通过U联生活平台，商户一是可以进行优惠券营销，不断吸引客户；二是获得客户数据，从而更精准地了解和预测客户行为，指导广告和产品服务生产；三是相比传统的广告投放，U联生活的广告开销是弹性的，用户虽然下载了优惠券，但只有产生实际销售行为时，商户才需要向U联生活平台付费。
每个行业的商户佣金标准不一，据介绍，餐饮行业佣金为实际支付金额的2-5%，美容美发行业8-20%，服装行业8-15%，家居建材行业5-15%，摄像行业佣金率最高，达到10-25%。目前U联生活商家超过1000家，主要集中在深圳。这些商户通过U联生活实现的交易量占商户总交易量的10%，消费者绑定优惠券后的转化率为20%。
背靠U联生活好乘凉？
按照熊强的说法，U联生活及其银联POS机网络资源形成的闭环可以看做一条“高速公路”，目前淘淘谷正在逐步与全国各地的银联商务体系修建这条路，未来，这一体系将被打造成类似苹果iOS那样的生态系统，网站、金融机构、运营商、广电体系和芯片厂商，只要涉及O2O支付部分，都可以在U联生活平台上开发自己的应用。
淘淘谷招股书显示，银联金融网络负责将U联生活平台营销给银联卡持有者，其他潜在合作伙伴也可以将U联生活的产品整合进其现有的产品组合中，然后从交易费用中获取分成。据称，已经与U联生活签订合同的合作伙伴达60多家，包括新浪微博旗下的北京微梦创科公司和腾讯。
但是李成东认为，U联生活与腾讯等公司的合作仅是挂牌，腾讯也开始通过微信做优惠券业务，不大可能将用户导入U联生活，而且目前优惠券的替代模式很多，U联生活很难一统天下。在苹果APP Store里搜索“优惠券”三字，相关应用超过100家，其中不仅有专门做优惠券业务的公司，例如“丁丁优惠”、“折扣行优惠券”等，也有百度、网易等综合公司，此外，大众点评、淘打折等分类优惠应用也多不胜举。这些公司在优惠券领域精耕已久，它们是否愿意加入U联生活平台，为其导入商家仍是未知。
不过，淘淘谷归根到底只是U联生活的一个技术提供商，它并不拥有U联生活的所有权。招股书资料显示，U联生活的名称、商标、软硬件系统的知识产权都归银联金融网络所有，也就是说，银联金融网络才是U联生活的所有者，U联生活在技术上由淘淘谷深圳和金融IT服务外包企业雁联（Ylink）运营。淘淘谷为所有通过U联生活平台的线上和线下交易提供电子金融认证（数字证书），雁联则负责数据处理和加密处理。
尽管淘淘谷深圳和银联金融网络签署了关于U联生活的合作协议，规定淘淘谷深圳作为U联生活平台的全球独家运营商，可以和其他伙伴一起开发和维护U联生活平台以及网站。但是淘淘谷要继续持续这份协议，必须要和银联保持密切的关系。
此外，淘淘谷在2011年11月才提出申请电子金融认证程序的产权，通常需要2-3年的时间才能获批。也就是说，公司目前仍缺乏专利的法律保障，无法阻止其他机构使用这个项目。
淘淘谷的最大风险就是过于依赖U联生活。作为一家信息技术外包商，其收入的94%来自U联生活。如果淘淘谷不能维持与银联金融网络的长期关系，或者与银联金融网络续约失败，都将对淘淘谷产生致命打击。
尽管淘淘谷的盈利存在诸多风险，但对外经济贸易大学电子商务研究所所长李安渝认为，很多公司的技术和设备的采购都是一次性的，淘淘谷能通过技术服务与银联金融网络实现收入分成已经是一种突破；由于银联在中国的强势地位，淘淘谷能从U联生活中得到11.1%的收入分成并不算低，只要有分成，就说明这种商业模式是可持续的。
上市背后
淘淘谷此次上市目标融资额仅120万澳元，招股书表示公司会将其中15.2万澳元花在包括运营、行政以及维持U联生活平台的费用上，其余104.8万澳元则是上市费用。这么低的融资额也引来了诸多猜测，更有业内人士断言，淘淘谷上市的目的，可能仅仅是用于做估值，然后到国内讲故事。
曾经创办众恒广告公司的熊强，有丰富的营销策划经历。1998年，他曾任小护士化妆品营销策划和媒介策划经理，然后赴天音通信零售事业发展部从事通信产品零售战略与营销。2003年，他创立了手机通信产品营销顾问公司，客户包括康佳、步步高、LG浪潮等。2004年，熊强成立了深圳艾世代数码科技公司，并在手机数字增值产品内置业务做到全国第一，2007年营业额达到6亿元。2006年，熊强还担任手机分销网站播播网的总经理。此外，自2005年起，熊强还为众多通信企业提供技术支持和外包服务。
从熊强的履历可以看出，他出身营销策划，擅长找寻行业机会，不过科技领域更新换代速度太快，其创办的公司大多昙花一现。而淘淘谷上市时点的选择，也体现了熊强的营销特长。其时，适逢电子金融认证的核心技术开发完毕，赴澳大利亚上市正好可以达到较好的广告效应，从而提高品牌和市场认可度，为未来的国际化做准备。
在美国，银联受VISA打击严重，在澳大利亚则接受程度很高。此外，澳大利亚交易所门槛较低，不论规模大小和行业差异，澳大利亚上市对于资产利润条件要求很低。这些无疑是淘淘谷选择澳大利亚上市的原因。
尽管如此，淘淘谷上市还是遭遇了市场认购不足。公司计划发行200万股，市场实际申购仅为117万股，实际融资额70万澳元，尚不足覆盖其上市费用，这也说明目前投资者对于淘淘谷的未来仍然存疑。公司上市之后一段时间，股票成交量一直在低位徘徊。李安渝表示，认购不足不仅反映了市场的态度，也由于公司没有花太多功夫在募资上，据其介绍，淘淘谷并没有花很多精力去做路演和找投资机构。
财报数据显示，正处于业务开拓期的淘淘谷收入有限，还没有形成爆发式增长态势，至今仍处于亏损状态（表 1），但与最初上市相比，投资者开始对其生成好的预期。
2013年2月18日，淘淘谷公告，在新年假期后将U联生活平台扩张到上海、成都、沈阳和其他几个一二线城市，目标是2013年底建立覆盖全国主要城市的网络。在公告前，淘淘谷股价就出现异动，在短短4个交易日内，暴涨40%，股票成交量倍增，按2013年2月18日的收盘价计算，其市值已接近60亿元（图2）。
但最新的季报显示，截至2012年12月31日，淘淘谷三季度财务数据依旧低迷，经营净现金流为-580万元，而同期现金收入仅25万元。此时，淘淘谷账面上只剩下2600万元，在收入没有形成规模前，淘淘谷需要更多的资金投入，否则很可能将深陷财务困境。
在淘淘谷的股权结构中，熊强及其妻子持有35.22%的股权，其他董事会成员持有45%以上，此外单一最大股东为国内天使投资人蔡文胜妻子旗下的公司，持有12.09%的股份。公开资料显示，上市前淘淘谷吸收的投资总额不到2100万元。更耐人寻味的是，中国银联及国内知名投资机构竟然集体缺席这场“盛宴”。
据李安渝透露，淘淘谷新近开发了一种新技术，可以让海外POS机使用银联和人民币进行结算，这样，不只是银联卡，海外信用卡也可以采用U联生活。扩展海外业务对淘淘谷的一个明显好处，是可以降低对银联的依赖，在与银联的合作中提高话语权。李安渝认为，如果扩展到国外市场，淘淘谷从U联生活得到的分成有望提高至20%-25%。
中国已经在人们不知不觉中进入了网络金融时代。20年前，没人相信可以从网上购物，阿里巴巴创办的支付宝；却让网上购物成为了现实。今天支付宝销售额已经超过了一万亿元人民币。
目前，国内外网络金融出现了很多的新动态，如阿里网络银行已正式向金融监管部门提交拟设立阿里网络银行的申请。如获批准，阿里网络银行将有望成为国内第一家真正意义上的网络银行。互联网金融大潮初起，经过几轮洗牌之后，有望形成一个巨大的互联网金融产业集群。网络金融已经成为金融发展的必然趋势及主要研究方向，国内有研究机构和企业正在探索和尝试，这为云南金控基金发展网络金融提供宝贵的经验。
云南金控基金拟成立“云南金控金融网络金融服务有限公司（以下简称金控金融网络）”，拟定注册资金为500万。公司以现金入股的方式控股，将来的合作公司以技术+现金（技术入股部分待评估价值）的方式进入参与。
成立金控金融网络的初步构想在于：首先，网络金融将是未来金融行业发展的方向。建立网络金融融资平台，可使公司的管理和业务水平上升到一个新的阶段，快速和国内先进金融理念与模式接轨，通过整合企业信息，资金流和信息流，提升企业科学决策能力，提升本企业竞争力，通过网络金融平台的建立可以为社会提供丰富的投资信息资源，可以为云南更多的企业提供网络金融融资的服务，解决更多中小企业贷款难的问题，更好更快的为中小企业解决融资难瓶颈。打造全新的网络金融服务理念。第二，为未来的民营银行网络创新打下基础。设立云南民营银行的目的就是要区别于传统银行，网络金融公司的设立，可为未来的民营银行在技术的发展与研发过程中提供实体支撑；通过网络金融公司在与市场运作对接的过程中可以培养和发现一批为设立银行所用的人才储备；能够在经营过程中，实现客户信息沉淀，发现和储备一批优质客户，为以后的银行业务开展提供有用的数据信息并达到共享；针对不断变化的市场形势，通过网络金融公司的运作提炼，可以不断研究和探索出具有创新性的经营模式并对传统金融运作模式体系加以优化与融合，扩大自身的市场竞争力，为云南民营银行未来的战略发展奠定基础。第三，覆盖面广泛，有利于公司业务拓展。以互联网为基础，网络金融业务拓宽了服务的受众面，使得其服务能够接触的客户群更大。通过逐步收集整理云南全省十几万民营企业的信息资料，建立起一个覆盖面全、信息面广的客户数据库，为全省中小企业提供全方位的，更为精准，更为高效的网络金融服务的平台，同时引合全省小额贷款公司、担保公司、投融资公司等，通过网络金融平台，为更多中小企业解决贷款难问题。第四，加速金融服务效率、提高盈利能力。在网络金融平台下，中小企业可以快速地通过平台上的各种金融服务来解决自身所遇到的问题，网络金融平台所提供更快更好的信息服务。网络金融以数字化的网络和设备代替了传统纸介质，从而形成一种新型金融贸易服务方式。公司可以通过对网络金融平台系统实现异地审批、资金结算、转账、信贷等活动。加快了金融服务的效率，可以为中小企业更好的服务。企业可以通过网络金融平台实现快速的综合金融服务。第五，提高金控基金的知名度。网络平台的搭建是现在企业提高知名度的一个重要途径，可以更好的体现金控基金的活力与创新，让更多的中小企业通过网络金融来了解金控基金；通过网络我们可以整合中小企业的各种优质资源，利用网络推广来提升企业品牌的知名度，通过这个网络平台，中小企业可以了解金控基金的最新信息和各项服务，树立了金控基金在业界的不可取代的地位。这个网络平台的搭建在云南省乃至全国都将会有一定的影响力，对金控基金的发展会提升一个更高的台阶。
金控金融网络成立后将以两个主要开发方向为主：一是建立“云南中小企业网络金融服务平台”。结合网络金融的思路模式为整体规划，分步实施，总体规划采取三个步骤来实现企业的金融网络化目的。首先建立网络金融服务平台，加强自身网站功能。利用云南省中小型企业网为基础的平台背景与全国30多个省市的中小企业网、省内16个州市及128个县市区中小企业网紧密合作，共享服务资源，设计一套全新的综合性网上投资融资体系，直接面对借贷者和投资者，为其搭建一个全新的网络金融投融资服务平台，减少中间环节，提高效率，较少成本，使其成为真正意义上的网络金融投融资平台。其次，改善内部管理机制，形成全新的企业经营管理模式，改变自身的管理机制，改变旧的管理模式对新经济的瓶颈效应，以此适应电子信息化高速发展所带来的一切影响，同时整合企业所有的资源，使其成为信息化的资源储备，以网络应用来整合改进各项管理程序，推行以信息化管理系统为核心的全方位电子信息化金融交易管理模式，通过网络平台最大限度地利用自身的各种资源，将线下业务与网络完美的结合，让更多投资方通过网络金融平台看到合适的项目，更快的拓展市场份额，打造全新的投资平台。再者，金控公司已具备庞大全面的基于传统的管理模式和操作模式；若与云南中小企业网络金融服务平台相架接后，则会产生具有企业级的网络金融交易规模，能带动和吸引更多的企业加入到其中，以此形成巨大的市场惯性，以此获得更多、更为广泛的盈利模式。
二是投资建立“中国―东南亚南亚国际电子商务港”。“中国―东南亚南亚国际电子商务港”是依托中国国家信息化试点工程建设的一个辐射东盟及南亚地区的国际电子商务及企业服务平台。平台整合了GMSEB及中国发改委主办的中国中小企业信息网全国1000多个省市分网的相关信息资源，将发展来自全国及东南亚、南亚区域的中小企业成为平台会员，并在曼谷、仰光、河内、万象、新德里、达卡等城市设立办事处及分支机构，全面打造成为中国面向东南亚、南亚地区最权威的国际电子商务平台，这为云南省及全国企业提供了面向东南亚、南亚的网络金融、电子商务、投资、旅游、人才等全方位服务。目前已初步开通英语、中文、泰国语、缅甸语、越南语、老挝语、柬埔寨语七个语言版本，为区域中小企业提供跨国的网络金融、电子商务及企业信息化服务。平台以统一的多语言版本电子商务服务网站建立为核心，积极探索跨区域的国际网络金融、电子商务交易及服务模式，目前平台每天中国及东南亚、南亚区域国家相关政策、法规、行业经济信息，已有中国及东南亚国家注册企业用户8万余家，企业用户每天自行的商业信息5万余条，网上展销企业商品6万余种，是中国面向东南亚、南亚区域规模最大、信息最全、企业最多的大型国际网络平台。
