金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)適應(yīng)性預(yù)期預(yù)警研究

許毓坤，李英偉，張慶武

（泉州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，福建 泉州 362000）

金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)適應(yīng)性預(yù)期預(yù)警研究

許毓坤，李英偉，張慶武

（泉州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，福建 泉州 362000）

該文運(yùn)用主成份分析、神經(jīng)網(wǎng)絡(luò)等技術(shù)建立泉州金融機(jī)構(gòu)流動(dòng)性預(yù)警系統(tǒng)，并結(jié)合泉州金融市場(chǎng)運(yùn)行指標(biāo)，預(yù)測(cè)未來的運(yùn)行狀況；利用神經(jīng)網(wǎng)絡(luò)模糊識(shí)別技術(shù)判斷未來泉州金融機(jī)構(gòu)流動(dòng)性綜合情況，并給出預(yù)警結(jié)果。

BP神經(jīng)網(wǎng)絡(luò)；主成份分析；預(yù)警；金融流動(dòng)性

神經(jīng)網(wǎng)絡(luò)技術(shù)研究開始于20世紀(jì)40年代，這是一種根據(jù)人腦神經(jīng)細(xì)胞生物特性，利用計(jì)算技術(shù)模擬其信息處理過程。建立神經(jīng)網(wǎng)絡(luò)模型，可以完成類似人腦的各種復(fù)雜工作，神經(jīng)網(wǎng)絡(luò)技術(shù)廣泛運(yùn)用于各個(gè)領(lǐng)域。金融市場(chǎng)是一個(gè)復(fù)雜的經(jīng)濟(jì)系統(tǒng)，運(yùn)行指標(biāo)非線性變動(dòng)，對(duì)金融市場(chǎng)采用傳統(tǒng)的預(yù)警方法很難達(dá)到預(yù)期效果。本文利用神經(jīng)網(wǎng)絡(luò)非線性函數(shù)逼近和模糊識(shí)別技術(shù)，建立泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警模型，并對(duì)未來的流動(dòng)性風(fēng)險(xiǎn)狀況進(jìn)行預(yù)測(cè)識(shí)別。

1 流動(dòng)性風(fēng)險(xiǎn)預(yù)警系統(tǒng)設(shè)計(jì)

利用神經(jīng)網(wǎng)絡(luò)對(duì)泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警的設(shè)計(jì)思想如下：第一，在參考已有的研究成果的基礎(chǔ)上，結(jié)合泉州金融市場(chǎng)實(shí)際情況，建立泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。第二，采用定量方法（主成分分析方法、統(tǒng)計(jì)誤差理論）確定泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)月份歷史警度。第三，基于神經(jīng)網(wǎng)絡(luò)技術(shù)建立泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)的預(yù)測(cè)模型，利用神經(jīng)網(wǎng)絡(luò)非線性擬合逼近功能進(jìn)行指標(biāo)預(yù)測(cè)。第四，基于神經(jīng)網(wǎng)絡(luò)技術(shù)建立泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警模型，利用神經(jīng)網(wǎng)絡(luò)模糊識(shí)別功能，完成多指標(biāo)警兆數(shù)值與警度之間的識(shí)別映射，并對(duì)泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)的警情進(jìn)行預(yù)測(cè)識(shí)別，從而實(shí)現(xiàn)對(duì)泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)的預(yù)警。圖1是根據(jù)設(shè)計(jì)思想設(shè)計(jì)預(yù)警系統(tǒng)的過程。

圖1 基于神經(jīng)網(wǎng)絡(luò)的泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警系統(tǒng)

2 預(yù)警指標(biāo)體系的建立

在充分考慮預(yù)警指標(biāo)經(jīng)濟(jì)含義、系統(tǒng)性、及時(shí)性的基礎(chǔ)上，結(jié)合人民銀行對(duì)商業(yè)銀行流動(dòng)性管理的相關(guān)規(guī)定，預(yù)警指標(biāo)體系一般應(yīng)選擇下面四類9個(gè)指標(biāo)構(gòu)成金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)監(jiān)控體系。

2.1 日常性指標(biāo)

指標(biāo)1流動(dòng)比率=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債×100%

指標(biāo)2流動(dòng)性缺口率=（90天內(nèi)流動(dòng)性資產(chǎn)-90天內(nèi)流動(dòng)性負(fù)債）/90天內(nèi)流動(dòng)性資產(chǎn)×100%

2.2 應(yīng)急性指標(biāo)

指標(biāo)3備付率=備付金/各項(xiàng)存款余額×100%

2.3 資產(chǎn)質(zhì)量指標(biāo)

指標(biāo)6資本充足率=資本凈額/加權(quán)風(fēng)險(xiǎn)資產(chǎn)總額×100%

2.4 負(fù)債配置狀況指標(biāo)

指標(biāo)7存貸比=各項(xiàng)貸款余額/各項(xiàng)存款余額×100%

指標(biāo)8貸款流動(dòng)率=短期貸款余額/各項(xiàng)貸款余額×100%

指標(biāo)9長(zhǎng)期貸比=各項(xiàng)長(zhǎng)期貸款余額/各項(xiàng)貸款余額×100%

但是，這個(gè)預(yù)警指標(biāo)體系中的部分指標(biāo)數(shù)據(jù)難以取得，如流動(dòng)比率、流動(dòng)性缺口率、核心負(fù)債比例為法人機(jī)構(gòu)業(yè)務(wù)的綜合數(shù)據(jù)，除了泉州市農(nóng)村信用社、泉州銀行外，其余銀行和其它金融機(jī)構(gòu)均為分支機(jī)構(gòu)，不能提供這些綜合指標(biāo)數(shù)據(jù)。以上原因造成可供選擇和使用的數(shù)據(jù)有限。在查閱和分析了公開的統(tǒng)計(jì)資料后，選擇泉州市統(tǒng)計(jì)局官網(wǎng)公布的存貸比增長(zhǎng)率X1、短貸比增長(zhǎng)率X2、長(zhǎng)貸比增長(zhǎng)率X3，以及銀監(jiān)局公布的不良貸款比增長(zhǎng)率X4，將這4個(gè)指標(biāo)作為預(yù)警系統(tǒng)的核心指標(biāo)，并選取了從2008年1月至2010年10月共34個(gè)月份指標(biāo)增長(zhǎng)率數(shù)據(jù)。這些指標(biāo)數(shù)據(jù)的情況表1所示。

表1 泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)各預(yù)警指標(biāo)增長(zhǎng)率

3 金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)警情判斷

金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)警情劃分越細(xì)，判別警情的效果越好，預(yù)測(cè)結(jié)果越準(zhǔn)確。但是，受到金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)數(shù)據(jù)統(tǒng)計(jì)機(jī)制等原因的限制，所能提供的數(shù)據(jù)及其這些數(shù)據(jù)所反映的歷史特征相當(dāng)有限。因此，將泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)警情劃分為冷、正常、熱三種警情級(jí)別。

3.1 警情程度的定量分析

3.1.1 預(yù)警指標(biāo)臨界值確定和警度劃分

政府可以鼓勵(lì)茶葉出口企業(yè)積極使用電商平臺(tái)擴(kuò)大出口。在檢驗(yàn)檢疫，便捷通關(guān)等方面給予茶葉出口企業(yè)相應(yīng)的政策優(yōu)惠。促使企業(yè)盡快建立起適合茶葉運(yùn)輸?shù)乃俣瓤?，價(jià)格低的國(guó)際物流體系，提高企業(yè)的效率。

采用統(tǒng)計(jì)學(xué)誤差理論的δ方法，計(jì)算預(yù)警指標(biāo)序列數(shù)據(jù)的均值和標(biāo)準(zhǔn)差。偏離中心值1倍標(biāo)準(zhǔn)差的區(qū)間屬于正常區(qū)間，偏離中心值1倍標(biāo)準(zhǔn)差以上的區(qū)間屬于異常區(qū)間，即指標(biāo)數(shù)值落在[E-δ，E+δ]，風(fēng)險(xiǎn)警情為正常，并賦予數(shù)值2來表示；指標(biāo)數(shù)值落在[-∞ ，E-δ]，風(fēng)險(xiǎn)警情為冷，并賦予數(shù)值1來表示；指標(biāo)數(shù)值落在 [E+δ，+∞]，風(fēng)險(xiǎn)警情為熱，并賦予數(shù)值3來表示。計(jì)算結(jié)果表2所示。

表2 泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)警情數(shù)值表

3.1.2 流動(dòng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)權(quán)重的確定

采用主成份分析方法確定預(yù)警指標(biāo)權(quán)重。借助SPSS12對(duì)4個(gè)指標(biāo)進(jìn)行主成份分析，求出4個(gè)指標(biāo)權(quán)值。按照因子分析的結(jié)果，我們選取的主成份個(gè)數(shù)的規(guī)則為：特征根值大于1或累計(jì)貢獻(xiàn)率大于85%。

表3 警情指標(biāo)增長(zhǎng)率解釋總方差表

由表3可知，第一主成份特征根值大于1，所以提取第一主成份。

Z＝0.710X1+0.726X2+0.708X3+0.783X4，計(jì)算指標(biāo) xi的權(quán)重（β為警情指標(biāo)，x在綜合評(píng)價(jià)值Z中ii的對(duì)應(yīng)系數(shù)），計(jì)算結(jié)果見表4。

表4 各警情指標(biāo)權(quán)重的因子分析法計(jì)算結(jié)果

3.1.3 定量分析方法確定指標(biāo)月份警值

根據(jù)警情指標(biāo)的權(quán)重和警情指標(biāo)的歷史數(shù)據(jù)，計(jì)算泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)綜合警度。在分析得出的各指標(biāo)警度乘以已經(jīng)確定的預(yù)警指標(biāo)權(quán)重，得到警值，結(jié)果見表5。

表5 定量分析方法確定的指標(biāo)警值和綜合警度

3.1.4 泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)綜合警度的確定

對(duì)泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)警情進(jìn)行定量分析后，綜合分析結(jié)果，得出2008年1月至2010年10月泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)警度。新警度的取值標(biāo)準(zhǔn)為：當(dāng)綜合警值在[1.5，2]，流動(dòng)性風(fēng)險(xiǎn)處于“冷”的警度，并賦予其在神經(jīng)網(wǎng)絡(luò)中的特征向量為（0，0，1）；當(dāng)綜合警值在[2，2.5]，流動(dòng)性風(fēng)險(xiǎn)處于“正?！钡木?，并賦予其在神經(jīng)網(wǎng)絡(luò)中的特征向量為（0，1，0）；當(dāng)綜合警值在[2.5，3]，流動(dòng)性風(fēng)險(xiǎn)處于“熱”的警度，并賦予其在神經(jīng)網(wǎng)絡(luò)中的特征向量為（1，0，0）。經(jīng)過計(jì)算，泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)綜合警度具體結(jié)果如表5。

4 預(yù)警指標(biāo)序列的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

神經(jīng)網(wǎng)絡(luò)的非線性映射功能較傳統(tǒng)的數(shù)理方法能更好地進(jìn)行函數(shù)非線性逼近，能很好地用于描述社會(huì)經(jīng)濟(jì)的運(yùn)行規(guī)律并對(duì)未來進(jìn)行預(yù)測(cè)。利用BP神經(jīng)網(wǎng)絡(luò)對(duì)各預(yù)警指標(biāo)數(shù)值進(jìn)行預(yù)測(cè)，輸入層的神經(jīng)元個(gè)數(shù)設(shè)計(jì)為12個(gè)，輸出層的神經(jīng)元個(gè)數(shù)為1個(gè)。預(yù)警指標(biāo)序列預(yù)測(cè)模型的BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖2所示。

圖2 預(yù)警指標(biāo)序列預(yù)測(cè)模型BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

將所有的數(shù)值劃分為兩部分，一部分作為網(wǎng)絡(luò)訓(xùn)練的樣本，另一部分作為檢驗(yàn)網(wǎng)絡(luò)性能樣本用于檢驗(yàn)。借助MATLAB6.5神經(jīng)網(wǎng)絡(luò)工具箱，逐一建立預(yù)警指標(biāo)序列預(yù)測(cè)模型并進(jìn)行預(yù)測(cè)。每一預(yù)警指標(biāo)預(yù)測(cè)建模的程序環(huán)節(jié)是一樣的，這里只給出存貸比增長(zhǎng)率建模過程。隱層的神經(jīng)元個(gè)數(shù)根據(jù)經(jīng)驗(yàn)公式多次嘗試后確定為17個(gè)。訓(xùn)練函數(shù)為traingdx，網(wǎng)絡(luò)誤差性能函數(shù)為Mse，隱層、輸出層的傳遞函數(shù)對(duì)數(shù)函數(shù)。其他網(wǎng)絡(luò)參數(shù)設(shè)置為網(wǎng)絡(luò)缺省值。

經(jīng)過1276次訓(xùn)練后，網(wǎng)絡(luò)計(jì)算停止。訓(xùn)練誤差達(dá)到3.386，網(wǎng)絡(luò)的擬合性能良好。圖3為網(wǎng)絡(luò)訓(xùn)練的誤差變化曲線圖。

圖3 網(wǎng)絡(luò)訓(xùn)練的誤差變化曲線圖

輸入測(cè)試樣本，查看測(cè)試樣本的輸出值為0.8429，與目標(biāo)值0.8408誤差為0.0021，誤差率為0.24%，符合統(tǒng)計(jì)學(xué)5%的誤差要求。根據(jù)之前的預(yù)警模型設(shè)計(jì)的要求，輸入預(yù)警樣本，預(yù)測(cè)樣本的輸出值為0.8212。所以2010年11月年存貸比增長(zhǎng)率預(yù)測(cè)值為0.8212。逐一計(jì)算各預(yù)警指標(biāo)預(yù)測(cè)值，結(jié)果表6所示。

表6 各預(yù)警指標(biāo)2010年11月年預(yù)測(cè)值

5 基BP神經(jīng)網(wǎng)絡(luò)的預(yù)警模型

根據(jù)前面建立的泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)指標(biāo)體系和流動(dòng)性風(fēng)險(xiǎn)歷史警度，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警模型用于市場(chǎng)警情判斷。

5.1 輸入層和輸出層設(shè)計(jì)

根據(jù)上文分析，輸入層的神經(jīng)元個(gè)數(shù)為4個(gè)，分別為X1~X4預(yù)警指標(biāo)值，輸出層的神經(jīng)元個(gè)數(shù)為3個(gè)，分別表示對(duì)應(yīng)不同警度，即“冷”輸出特征向量為（0，0，1）；“正?！?輸出特征向量為 （0，1，0）；“熱” 輸出特征向量為（1，0，0）。

5.2 確定訓(xùn)練樣本和測(cè)試樣本

2008年1月到2010年9月的數(shù)據(jù)為訓(xùn)練樣本，2010年10月的數(shù)據(jù)為測(cè)試樣本。2010年11月的各指標(biāo)預(yù)測(cè)數(shù)據(jù)為預(yù)測(cè)樣本，預(yù)測(cè)2010年11月的綜合警度。

5.3 網(wǎng)絡(luò)參數(shù)設(shè)置

隱層神經(jīng)元個(gè)數(shù)根據(jù)經(jīng)驗(yàn)公式多次嘗試后確定為11個(gè)。訓(xùn)練函數(shù)為traingdx，該函數(shù)運(yùn)行速度好性能穩(wěn)定，適用于模式識(shí)別問題。學(xué)習(xí)函數(shù)取缺省值learngdm，網(wǎng)絡(luò)誤差性能函數(shù)為Mse，隱層傳遞函數(shù)為對(duì)數(shù)-S型函數(shù)，輸出層的傳遞函數(shù)對(duì)數(shù)-S型函數(shù)，這是因?yàn)楹瘮?shù)的計(jì)算結(jié)果數(shù)值與預(yù)警度設(shè)計(jì)的數(shù)值一樣在0~1范圍內(nèi)。網(wǎng)絡(luò)其他參數(shù)設(shè)置為缺省值。網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練結(jié)束，預(yù)警模型擬合完畢。然后將測(cè)試樣本數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò)，檢驗(yàn)網(wǎng)絡(luò)的預(yù)測(cè)能力。預(yù)警模型BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖4。

圖4 預(yù)警模型BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

5.4 網(wǎng)絡(luò)訓(xùn)練

經(jīng)過1826次訓(xùn)練后，網(wǎng)絡(luò)誤差值為1.012%，網(wǎng)絡(luò)的擬合性能良好，主動(dòng)停止網(wǎng)絡(luò)計(jì)算。圖5為網(wǎng)絡(luò)訓(xùn)練的誤差變化曲線圖。

圖5 網(wǎng)絡(luò)訓(xùn)練的誤差變化曲線圖

5.5 網(wǎng)絡(luò)測(cè)試

輸入測(cè)試樣本（2010年10月數(shù)據(jù)），查看測(cè)試樣本的輸出值為：[1.6634×10-19;1;2.5742×10-13]與目標(biāo)值[0，1，0]，誤差為[-1.6634×10-19;0;-2.5742×10-13]。 泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)神經(jīng)網(wǎng)絡(luò)預(yù)警系統(tǒng)的預(yù)警結(jié)果是用向量表示，按照歐式范數(shù)理論計(jì)算的誤差為0.35%?？梢钥闯?，誤差控制在很小范圍，符合統(tǒng)計(jì)學(xué)誤差小于5%的精度要求，因此，經(jīng)過訓(xùn)練和測(cè)試的BP神經(jīng)網(wǎng)絡(luò)可以作為模式識(shí)別器來進(jìn)行泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警模式識(shí)別。

5.6 網(wǎng)絡(luò)預(yù)測(cè)

根據(jù)之前的預(yù)警模型設(shè)計(jì)的要求，輸入預(yù)警樣本，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)樣本的輸出值為：[4.4611×10-19;1;2.0766×10-13]。可以看出，2010年11月泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)所表現(xiàn)的警情狀況屬于市場(chǎng)正常狀況

6 結(jié)論

區(qū)域金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究和運(yùn)用還處于起步階段，經(jīng)驗(yàn)和實(shí)踐尚不充足，還需要進(jìn)一步借鑒與探索。本文嘗試?yán)蒙窠?jīng)網(wǎng)絡(luò)的非線性逼近擬合與模糊識(shí)別技術(shù)建立泉州金融機(jī)構(gòu)流動(dòng)性風(fēng)險(xiǎn)預(yù)警模型。預(yù)警研究結(jié)果能為防范房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)提供科學(xué)依據(jù)。但是，指標(biāo)數(shù)據(jù)缺乏、市場(chǎng)敏感度不強(qiáng)是最大的阻礙，市場(chǎng)運(yùn)行指標(biāo)預(yù)警體系尚須時(shí)間檢驗(yàn)。

[1]韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M].北京：工業(yè)出版社，2002.

[2]許東，吳錚.基于MATLAB 6.X的系統(tǒng)分析與設(shè)計(jì)——神經(jīng)網(wǎng)絡(luò)（第二版）[M].西安：西安電子科技出版社，2002.

[3]衛(wèi)海英.Spss10.0 For Windows在經(jīng)濟(jì)管理中的應(yīng)用 [M].北京：中國(guó)統(tǒng)計(jì)出版社，2000.

[4]任飛，聶溱.基于IGA-BP神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的我國(guó)銀行流動(dòng)性風(fēng)險(xiǎn)預(yù)警研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2007，（3）.

[5]董愛陽.基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)預(yù)警[J].黑龍江對(duì)外經(jīng)貿(mào),2010,(1).

F22

A

1674－5787（2011）02－0010－04

2010-12-30

本研究得到泉州市社會(huì)科學(xué)研究2010規(guī)劃項(xiàng)目（一般項(xiàng)目課題）資助，項(xiàng)目批準(zhǔn)號(hào)：2010A—YZ02。

許毓坤（1979—），男，福建泉州人，經(jīng)濟(jì)學(xué)碩士，講師，從事數(shù)理經(jīng)濟(jì)、神經(jīng)網(wǎng)絡(luò)計(jì)算技術(shù)研究；李英偉（1967—），男，安徽亳州人，經(jīng)濟(jì)學(xué)博士研究生，從事應(yīng)用經(jīng)濟(jì)學(xué)、財(cái)稅理論與實(shí)務(wù)研究；張慶武（1973—），男，福建仙游人，男，副教授，經(jīng)濟(jì)學(xué)博士，泉州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院經(jīng)濟(jì)管理系主任，從事數(shù)理經(jīng)濟(jì)、經(jīng)濟(jì)統(tǒng)計(jì)研究。

責(zé)任編輯 仇大勇