银行间市场交易行为模式分析及应用( 二 )


1. 机构角色稳定性实证分析
(1)研究过程
选择2019年4月至2020年6月外汇即期QDM交易明细数据 , 按月汇总两两机构间交易量 , 形成14个月度有向网络图 , 设计与普通会员交易量、与做市商交易量、报价情况指标、效率、中介中心性、传播系数6个指标 , 使用K-means算法聚类 。
研究数据分为两段 , 2019年4-12月与2020年1-6月 。 前者作为研究基期的基础 , 汇总9个月的做市商指标 , 聚类得到初始基类;后者用于在各周期对做市商聚类 , 并与基类对比判断是否出现衍生类 。 研究发现:
a. 核心做市商(类别2) , 各维度表现突出 。
b. 重要做市商(类别4和6) , 类6为在各维度全面发展 , 整体稍逊于核心做市商 , 类4主要在报价维度、与做市商交易维度较突出 。
c. 区域做市商(类别0和5) , 主要表现为效率指标值较为突出 , 在子网中有较强的影响力 , 但类别0表现更为突出 。
d. 一般做市商(类别1和3) , 各维度表现一般 , 类1在报价以及与做市商交易维度稍好一些 。
为研究聚类的稳定性 , 本课题计算了各类别之间的转移概率 , 如图1 , 可见核心做市商类别最为稳定 。
图1  聚类中心转移概率桑基图

针对不同做市商在不同周期中的角色统计 , 可进一步分析做市商是否属于稳定性做市商(角色常年几乎不变)或者游离性做市商(没有固定角色 , 一直在不同角色间游走) , 若稳定型做市商角色发生突变或不同类别的做市商之间发生大规模角色演变则可能预示着机构本身发生较大变动或者市场存在异动 。
(2)研究发现总结
研究发现 , 在相对较长的时间周期中 , 外汇市场的做市商角色分类较为稳定 , 但不同机构的角色稳定性不同 。 核心做市商在不同周期中角色分类结果基本稳定 , 重要做市商、区域做市商等分类中存在部分机构在不同角色之间游走 。 通过跟踪做市商角色类别的演化及做市商角色的变化 , 可深入量化分析市场流动性来源结构 , 辅助监测市场运行情况 。
2. 交易模体检测实证分析
(1)研究过程
a. 不同交易模式下的模体显著性分析
本课题采用DRG模型生成随机网络 , 比较真实网络和随机网络中交易模体的出现的频率 , 并依据Z-SCORE计算模体显著性 。 从QDM、ODM市场真实网络与随机网络中各模体的出现频率(各模体的出现次数除以所有模体组合的出现次数)可见 , ODM市场中不同模体的分布比较均匀 。
图2  QDM、ODM交易网络各模体显著性


与DRG网络相比 , 外汇QDM网络中最显著的模体为M4、M3、M7、M2、M6值(见图2) 。 这四种模体所有节点均有出向边 , 意味着节点在模体中可作为流动性提供方 , 故主要描述的是做市机构之间的关系 。 与DRG网络相比 , 外汇ODM网络中模体的显著性也均为正值 , 但由于ODM市场交易活跃、网络稠密 , 机构间互有连接非常常见 , 该属性已体现在边数上 , 故与随机网络相比显著性并不高 。
b. 基于模体对网络进行高阶网络聚类
传统的聚类方法主要基于边进行聚类 , 本课题采用网络高阶模体框架将模体分析与图划分结合起来 , 从而捕捉到网络的高阶组织形式和模块构成 。
基于模体M4的聚类
模体 M4的特点是3个节点两两双向连接 , 节点之间具有充分的流动性 。
在ODM市场中 , 基于M4的聚类将35家做市商分成两类 。 簇1有17家机构 , 以国内银行为主 , 仅有一家外资银行 , 簇2有18家机构 , 以外资银行为主 。 M4的分类结果表明 , 做市机构性质一定程度上可以反映其流动性关系在三模体中的紧密性 。
QDM做市商网络中 , 外资银行在两个簇中几乎对半分(7/175/18) , 与ODM市场相比差异较大 。 从M4子图结构来看 , 在不同交易模型下机构间的紧密联系程度完全不同 。
基于模体M9的聚类
构成模体M9的三个节点具备链式关系 , 存在末端节点(仅是流动性的接受方) 。
在QDM交易市场中囊括的是网络中所有机构之间的关系 , 包括做市商和普通机构 。 地方性银行几乎均匀分布在簇0和簇1中 , 农村商业银行和农村信用联社主要分布在簇0中 , 财务公司、外资银行中主要在簇1中 , 证券、基金、投资公司全部位于簇1中 。
c. 不同时期模体分布特征比较
为研究短期流动性与模体分布的关系 , 选择基于外汇即期QDM交易周度数据进行分析 。 通过将各周的模体分布情况标准化然后进行聚类 , 发现共可以分为5种不同的市场流动性供给状态 。 除模体8(A→B , A→C)外 , 其余模体的出现频次均和流动性供给正相关 。 当市场流动性不足的时候 , 做市商在市场中发挥的作用将会凸显出来 , 如类别0 。

推荐阅读