2021-4-9 | 金融风险防控论文
本文作者：杨文悦 上官发清 付秋虹 单位：中国人民银行南昌中心支行 中国人民财产保险公司江西分公司
一、系统性金融风险的测度及预警研究现状
（一）我国研究现状及不足
我国对于系统性金融风险测度及预警的研究开始于20世纪80年代中期，相比国外银行业系统性风险的研究，我国的研究比较零散，且以定性研究为主。从国内近年的研究成果可以看出，系统性金融风险测度的研究主要集中在指标法及模型法两方面。如张维（2004）描述了不良资产水平、资本金水平等16个指标分布区值，并分五个区阐述系统性金融风险状况[1]。沈悦和张珍（2007）、葛志强、姜全（2011）设计了危机预警指标体系，并且借鉴国际惯例、国际金融法规和一些专家意见确定了各项指标的安全区间[2-3]。高志勇（2010）运用CAPM模型对美国银行业系统性金融风险进行了实证分析[4]。贺聪、洪昊（2011）将违约率作为一个宏观经济变量，采用逻辑回归方法构建了其与其他经济变量间的宏观审慎管理压力测试模型[5]。我国现有测度方法的困境及缺陷主要有以下几点：一是过于专注复杂模型，而随着经济现象复杂程度的加深，模型可信度也在降低，有着严格假设条件和繁杂理论结构的模型往往难以准确刻画风险的累积过程。二是受我国金融业市场化操作时间不长，缺乏如发达国家那样完善的市场数据采集渠道的影响，国内学者较难开展针对我国实际进行的研究。三是我国现有研究对预警指标体系的选择主要侧重于国内因素，对开放条件下一些重要的外部冲击考虑较少，且对预警指标的选择、各层次指标权重及风险阀值的确定、风险区间的判定多借鉴国外文献或依靠专家分析法，趋于主观。
（二）本文研究方法及思路
本文采用指标法、因子分析及ARIMA预测相结合的方式对我国系统性金融风险进行识别、测度及预测。指标法能够避免构建数理模型的复杂性及不稳定性；因子分析法更为客观准确，剔除了人为取舍指标，或主观判定指标权重等原因对综合评价效果的影响；而ARIMA对短期预测简便高效，能较准确地发现我国2012年金融风险状况。
二、系统性金融风险综合评价指标体系的构建
本文选择来自经济子系统、银行子系统、国际收支子系统及泡沫风险①四个方面的共24个指标构建我国系统性金融风险综合评价指标体系。考虑到近二十年来我国成功抵御了1997年亚洲金融危机和2008年美国次贷危机，本文选取1995—2011年这个时间段，并对四个子系统评价指标的年度基本数据进行收集与整理。数据来源为中国统计年鉴、金融统计年鉴，中经网，WIND数据库，中国人民银行、银监会、外汇管理局、经济学家网站等。
三、我国系统性金融风险的测度及预测
（一）因子分析法测度我国系统性金融风险
首先，将评价体系中指标原始数据导入SPSS16.0，进行因子分析的适用性检验，发现原始指标抽取公共因子后共同度全部在0.74以上，说明指标间可测量共同特质较多，所选取指标适合进行因子分析。其次，本文旨在计算金融稳定指数，综合指数越大表明经济金融形势越稳定，因此本文选择对指标进行正向化———负向指标取反，适度指标将其初值与均值的差额取反。最后，确定公共因子及计算因子得分。由公共因子方差贡献率可知，7个因子对数据变异量累积解释程度高达85.59%，已提取了指标体系内涵的绝大部分信息，因此可以将这前7个因子f1~f7作为我国系统性金融风险状况的代表性因子。表2可以看到7个公共因子分别从不同方面反映了我国系统性金融风险的特征。第一因子涵盖的信息最为丰富，主要反映了短期外债/外债总额、外债总额/外汇储备、失业率、资本充足率、房地产贷款/贷款总额及证券化率6个方面风险，共解释了21.38%的系统性金融风险。将SPSS输出的7个因子f1~f7的得分按照方差贡献率为权数加权平均可以得到因子综合F的得分，由于原始数据已被正向化，因子综合得分即为系统性金融稳定指数，刻画了1995—2011年系统性金融风险的变动情况。其得分越高意味着系统性风险越小，经济金融状况越稳定；反之，得分越低意味着系统性风险越大，经济金融状况越不稳定。
（二）ARIMA法预测我国系统性金融风险
在Eviews5中对f进行一阶差分剔除趋势性因素后进行单位根检验，ADF检验统计量为-3.28，小于显著性水平为1%的临界值-2.73，即一阶差分后的f序列式平稳的。进一步进行均值检验可知，一阶差分后其均值也近似为零。因此，适合运用ARIMA模型对f序列进行预测。又由于f一阶差分无论是自相关、偏自相关都表现出拖尾的特性，考虑用ARIMA（1，1，1）对f进行建模，模型估计AR（1）及MA（1）的系数分别为0.088、0.334。因此，模型可以写为：ft-2.088ft-1+2.176ft-2-0.088ft-3=ut-0.334ut-1①表3为f序列的ARIMA（1，1，1）模型残差自相关及异方差的LM②检验结果，可以看出残差序列不存在自相关也不存在异方差，模型是适合的。用ARIMA（1，1，1）模型对f序列进行预测，软件预测效果显示协变率为0.963，接近于1，且远大于偏差率0.009及方差率0.029，可见模型预测精度较高，模型对2012年我国金融稳定指数为0.27的预测是较为可信的。
（三）风险测度及预测的主要结果分析
1.我国系统性金融风险的动态特点。实证研究结果与我国经济金融宏观稳定实际状况相吻合，综合因子得分变化较好地拟合了现实，运用综合评价指标体系及因子分析法构建的金融稳定指数走势描述了遭受外部冲击后，系统性金融风险由内向外地一个逐渐调整过程。可以看到，在本文所选取的时间段中，我国经历了世界两个经济周期的波动，本文把金融稳定指数波动周期时间分为1995—2000年、2001—2007年、2008—2011年三个阶段。
（1）第一阶段。虽然1995—1997年由于国家整治三角债、梳理银行历史沉淀下来的包袱已经初现成效，金融稳定指数呈现上升，但受亚洲金融危机影响，自1997年之后金融稳定指数开始下行。1997—1999年，我国GDP增速由9.3%下滑至7.6%，通货膨胀率在这三年中也都表现为负增长，经济猛然转向加速了金融稳定指数下挫，直到2000年才初显好转。
（2）第二阶段。从2001年开始，受世界经济进入一个新的增长周期，世界经济转好、加入WTO后国际贸易发展的影响，我国保持了大量贸易顺差和资本项目顺差，外汇储备继续增加，人民币汇率市场平稳运行，我国经济发展再次获得良好的机遇，金融稳定指数不断攀升，并在2003年达到顶峰。但2003年后GDP增长迅猛导致通货膨胀率上涨过快，国内经济过热现象非常显著。商业银行在过热经济中审慎性降低，大量信贷投入房地产市场，房地产价格飙升又推动股市异常兴旺，资产价格泡沫随之显现。2007年股票成交金额高达460556.22亿元，股票总市值占GDP比例达到了131.1%，环比增加了3倍。在多因素作用下，金融稳定指数猛烈下降，在2007年到达低谷。