基于情景分析的系統(tǒng)性金融風(fēng)險監(jiān)測預(yù)警研究.pdf

1、高杠桿、泡沫化的金融風(fēng)險正不斷吸引國際組織、政府當(dāng)局和學(xué)術(shù)界的眼球，以房地產(chǎn)泡沫、地方政府債務(wù)危機、影子銀行風(fēng)險等為代表的金融脆弱性因素給中國金融體系的穩(wěn)定性帶來了巨大沖擊，全面認識和判斷、客觀分析和監(jiān)測、有效預(yù)警及化解諸如此類的系統(tǒng)性金融風(fēng)險，適應(yīng)中國經(jīng)濟的新常態(tài)，具有重要的理論和現(xiàn)實意義?；诖耍疚拈_展如下工作：
　　首先，總結(jié)并梳理了系統(tǒng)性金融風(fēng)險監(jiān)測與預(yù)警的相關(guān)研究成果，在中國經(jīng)濟新常態(tài)的背景下，從宏觀層面出發(fā)，將系統(tǒng)性

2、金融風(fēng)險定義為：由某個觸發(fā)因素引起部分金融機構(gòu)的損失，通過在金融系統(tǒng)中的蔓延而導(dǎo)致整個金融系統(tǒng)崩潰或喪失功能的風(fēng)險，它具有宏觀性、外部性、蔓延性及破壞性等特征。在此基礎(chǔ)上，從演化路徑、市場影響和政策變動三個方面詳細探討了系統(tǒng)性金融風(fēng)險的形成機制，以此為不同情景下系統(tǒng)性金融風(fēng)險的監(jiān)測預(yù)警分析做理論鋪墊。
　　其次，構(gòu)建中國系統(tǒng)性金融風(fēng)險評價指數(shù)，對系統(tǒng)性金融風(fēng)險狀態(tài)進行評價并予以識別。從銀行市場、房地產(chǎn)市場、股票市場和對外市場四個方

3、面，構(gòu)建了一套涵蓋17指標的評價體系，利用熵權(quán)法及 CRITIC法確定各指標及市場權(quán)重，測算2000年1月至2013年12月的系統(tǒng)性金融風(fēng)險綜合指數(shù)，結(jié)果表明：2006年3月前，中國金融風(fēng)險一直處于安全區(qū)，之后處于較安全和較不安全區(qū)域，風(fēng)險狀態(tài)波動比較大。在此基礎(chǔ)上，利用熵權(quán)——灰色關(guān)聯(lián)度法，結(jié)合系統(tǒng)性金融風(fēng)險的識別標準，準確地識別了2000年1月至2013年12月中國系統(tǒng)性金融風(fēng)險的信號和等級。
　　第三，基于系統(tǒng)性金融風(fēng)險形成

4、的多種可能性，及其發(fā)展趨勢的不確定性，對系統(tǒng)性金融風(fēng)險預(yù)警的不同情景進行了設(shè)計。根據(jù)情景設(shè)計的基本原則和相關(guān)概念的界定，明確情景設(shè)計的對象、方案及目的等基本流程。在此基礎(chǔ)上，結(jié)合系統(tǒng)性金融風(fēng)險的形成機制，設(shè)計三種不同類別的情景：獨立運行情景、市場沖擊情景和政策調(diào)控情景。根據(jù)系統(tǒng)性金融風(fēng)險預(yù)警的需求，對不同情景的系統(tǒng)性金融風(fēng)險預(yù)警機制進行分析，為后續(xù)情景分析及政策建議做準備。
　　第四，分析獨立運行情景下，銀行市場、房地產(chǎn)市場、股票

5、市場和對外市場四個子市場對中國系統(tǒng)性金融風(fēng)險的影響作用。基于獨立運行情景的假設(shè)，系統(tǒng)性金融風(fēng)險的自身演化具有系統(tǒng)性，即金融風(fēng)險的各個構(gòu)成要素在金融風(fēng)險演化過程中對系統(tǒng)性金融風(fēng)險具有沖擊效應(yīng)。由此，構(gòu)建了SVAR模型，對中國金融風(fēng)險進行預(yù)警。從模型估計結(jié)果來看，模型擬合效果較好，脈沖響應(yīng)分析及方差分解分析能夠捕捉到系統(tǒng)性金融風(fēng)險的敏感性以及四個子市場的作用。從預(yù)警及識別結(jié)果來看，預(yù)警期間內(nèi)，中國系統(tǒng)性金融風(fēng)險指數(shù)呈現(xiàn)對數(shù)上漲的趨勢，其不確

6、定性隨著時間推移而加劇，表明系統(tǒng)性金融風(fēng)險在增大。整體而言，系統(tǒng)性金融風(fēng)險仍處于輕度風(fēng)險狀態(tài)，有效協(xié)調(diào)子市場之間的匹配關(guān)系，能夠及時避免子市場間結(jié)構(gòu)變動所帶來的金融風(fēng)險。
　　第五，分析市場沖擊情景下，直接融資市場、間接融資市場以及外匯貿(mào)易市場對中國系統(tǒng)性金融風(fēng)險的交互沖擊效應(yīng)。在市場沖擊情景假設(shè)的前提下，系統(tǒng)性金融風(fēng)險預(yù)警將會受到不同市場的聯(lián)動沖擊。因此，將不同市場的交互項逐漸引入到基準的多元回歸模型中，形成了一系列的回歸模型族

7、，利用測算得到的市場沖擊變量對模型族進行估計。通過回歸模型參數(shù)估計可知，模型的整體擬合效果較好，但系數(shù)顯著性呈現(xiàn)變動，最終確定帶有交互項的模型更能夠驗證基本假設(shè)。利用確定的模型對系統(tǒng)性金融風(fēng)險預(yù)警結(jié)果進行測算，獲知在預(yù)測期間內(nèi)，中國系統(tǒng)性金融風(fēng)險指數(shù)呈現(xiàn)隨時間推移而增長的趨勢，風(fēng)險波動不確定性增加。預(yù)警識別結(jié)果顯示，系統(tǒng)性金融風(fēng)險是一個不斷累積的過程，在不同市場的交互沖擊作用下，系統(tǒng)性金融風(fēng)險預(yù)警信號還處于輕度風(fēng)險狀態(tài)，但向著中度風(fēng)險方

8、向延伸。
　　第六，分析政策調(diào)控情景下，中國系統(tǒng)性金融風(fēng)險的變動?；谡哒{(diào)控情景的假設(shè)，系統(tǒng)性金融風(fēng)險在政策調(diào)控下具有敏感性以及逆周期性，在此基礎(chǔ)上構(gòu)建了變參數(shù)的狀態(tài)空間模型，并對中國金融風(fēng)險進行預(yù)警。從模型估計效果來看，模型擬合結(jié)果較好，變參數(shù)能夠捕捉到系統(tǒng)性金融風(fēng)險的敏感性以及作用的逆周期性波動。從預(yù)警及其識別結(jié)果來看，預(yù)警期間內(nèi)，中國系統(tǒng)性金融風(fēng)險指數(shù)呈現(xiàn)對數(shù)上漲的趨勢，其不確定性隨著時間推移而加劇，目前處于輕度風(fēng)險狀態(tài)。

9、但政策調(diào)控的波動能夠加劇金融風(fēng)險的累積，也能使得金融風(fēng)險降低，為政策研究提供參考價值。
　　最后，總體評價不同情景下中國系統(tǒng)性金融風(fēng)險的預(yù)警結(jié)果，并提出有針對性的政策建議。在獨立運行情景、市場沖擊情景、政策調(diào)控情景三種情景下，系統(tǒng)性金融風(fēng)險預(yù)警呈現(xiàn)出金融風(fēng)險增加的共性又有趨勢不同的個性差異。不同情景預(yù)警的角度選擇不同，但其功能卻能互補，三種情景下的預(yù)警能較全面地監(jiān)測系統(tǒng)性金融風(fēng)險，也由此為系統(tǒng)性金融風(fēng)險防范的政策研究提供依據(jù)。在不