基于银行实际数据，一些学者对银行网络的结构特征进行了大量的研究。如Boss等(2004研究发现，奥地利银行间市场网络的度分布服从双幂律分布，同时该网络具有小世界性质。Soramaki等(2007研究显示，美国银行间支付转移网络具有小的平均最短距离和低的聚集系数，同时该网络的度分布是幂律分布。对于巴西银行系统，Tabak等(2009研究发现，私有银行和外国银行倾向于形成群聚结构，同时不同规模的银行更易于形成连接以形成群聚结构。Cram和Von Peter(2014)}4}研究发现，德国银行系统具有分层结构。对中国银行网络的结构特征，巴曙松等(2014分别对中国的不同类别银行、不同地区银行的支付网络的拓扑结构进行了实证分析，研究发现这两个网络不仅体现了小世界网络典型特征，而且前一个网络的边权分布和后一个网络的节点度分布都服从幂律分布。吴念鲁和徐丽丽(2015利用2007-2012年98家银行同业机构的同业资产和同业负债数据，研究发现中国银行网络属于无标度网络。

也有学者基于银行网络结构对银行间传染风险也进行了大量的研究，该类研究主要是通过假定银行同业拆借关系具有一定的网络结构，在此基础上分析冲击引发的银行违约或破产通过网络结构进行传染的过程，其中Allen和Gale ( 200娜n}进行了开创性的研究，他们研究了银行间市场结构在完全市场和不完全市场两种情况下的风险传染特征。随后有学者进行了大量的研究，如Nier等(2007在银行网络为随机网络的情况下研究发现，银行网络集中度对风险传染的影响不是单调的。在银行网络为无标度网络的情况下，万阳松(2007寸银行间市场中违约传染机制进行了定量研究。Gai等(2008〕在具有任意结构的金融网络中研究系统的和特殊的冲击、网络结构的变化以及资产市场流动性对银行风险传染的影响。Caccioli等(2012)"}研究表明.无标度网络对于冲击具有更好的弹性.但当攻击具有较高连接的点时.其传染概率要比随机网络高。李守伟和何建敏(2012)研究了银行间市场随机网络、小世界网络和无标度网络中银行间传染风险特征及其差异。Georg(2013〕通过构建银行网络演化的动态模型并结合计算机仿真，发现随机网络中的风险传染效应比小世界网络要大，而比无标度网络更大。鲍勤和孙艳霞(2014通过多主体仿真模型研究发现，相比于完全连接网络，中心边缘的层级网络将增大金融风险传染的范围和程度。范宏(2014研究了银行随机动态网络中风险传染累计问题。隋聪等(2014) 研究发现，集中度越高的网络由于传染而倒闭的银行数量越多，当基础违约的银行数量不多时，网络集中度越高，由于传染而倒闭的银行的总资产越少。Steinhacher和Steinbacher(2015 )研究了银行资本充足率、资本规模以及不同网络结构对银行系统稳定的影响。石大龙和白雪梅(2015研究了随机网络、小世界网络和无标度网络这3种金融网络中危机传染对系统性风险的影响。隋聪等(2016)提出了基于网络模型的银行系统性风险度量方法:银行系统性风险VaR和银行系统性风险ES。邓超和陈学军(2016 )基于多主体建模分析了银行间核心一边缘网络的系统性风险。

由上所述，这些文献基于某种网络结构或多种网络结构对银行间传染风险进行了大量的研究。但是上述研究中银行网络结构往往是外生的，而不是在银行经营过程中基于资金需求通过交易决策机制形成的。同时基于网络结构研究银行间传染风险时，网络结构往往是静态的，这与银行的实际情况有较大的差异。因此，本文通过构建银行内生网络模型，进而研究银行间传染风险特征。