基于非參數(shù)方法的銀行風險早期預警模型實證研究

摘 要：以非參數(shù)模型為主要建模工具，采用亞行開發(fā)的VIEWS系統(tǒng)①中內(nèi)嵌的信號法，該方法在預測貨幣危機方面已被證明為有效框架，得到了廣泛應用。實證分析表明，該方法在預測銀行危機方面同樣具有良好的表現(xiàn)，預測能力優(yōu)于其他研究中提出的技術方法。本模型將“銀行危機”定義為不良貸款的持續(xù)大面積暴露，從時間序列中識別出三次不良貸款增長高峰期作為“危機事件”，將危機窗口設定為危機事件前30個月。根據(jù)噪信比至少小于1和經(jīng)濟合理性原則篩選出25項先行指標，并以此構(gòu)建綜合預警指標，得出不同時點的危機概率。實證表明，該模型能夠以較好的準確性和先行時間預測樣本內(nèi)的三次危機，并在樣本外的2009—2010年發(fā)出了持續(xù)較強的預警信號。其中，金融部門的整體預警表現(xiàn)最好，信貸增速等先行指標的預警能力最為突出。此外，還以線性回歸作為輔助手段，并將檢驗結(jié)果與信號法模型作對比分析。

關鍵詞：非參數(shù)方法；銀行風險；早期預警；模型實證研究

中圖分類號：F830 文獻標志碼：A 文章編號：1673-291X（2013）07-0072-02

引言

金融危機預警通常有貨幣危機和銀行危機兩種類型。在中國以間接融資為主的金融體系中，銀行是金融風險的主要承擔者，且集中表現(xiàn)為信貸風險。而對于貨幣危機，在管制條件下，既不是金融體系的主要風險來源，也缺乏歷史上的危機片斷，難以開展實證研究。

一、銀行危機預警模型述評

（一）關于銀行危機的理論探討

關于銀行危機的理論探討主要有兩個方面，一是單個銀行困境，二是系統(tǒng)性銀行困境。有關第一類型銀行困境的原因，理論上更多地從微觀角度展開研究，并據(jù)此建立風險預警模型來預測單機構(gòu)金融困境。長期以來，美聯(lián)儲根據(jù)CAMELS體系評級所采用的變量，匯總單個銀行信息資料，從而對整個金融體系各個重要組成部分的健康性做出評估。這個框架的依據(jù)是，資產(chǎn)質(zhì)量惡化、盈利水平低、資產(chǎn)負債表不匹配、流動性低、公司治理差和承擔風險過度等因素會導致脆弱性和銀行困境。

（二）銀行危機預警的主要方法

關于銀行危機預警的方法主要有Probit模型、Logit模型、KLR信號法和神經(jīng)網(wǎng)絡模型等。最早的關于宏觀金融危機預警一批研究成果約出現(xiàn)于亞洲金融危機前后，Kaminsky，Lizondo和Reinhart（1997，1999）提出了目前應用較為廣泛的KLR信號分析法，并將其應用于銀行業(yè)危機預警研究。Rojas-Suarez（2001）采用KLR的信號分析法對新興市場國家銀行業(yè)危機構(gòu)建預警指標，發(fā)現(xiàn)存款利率支付和利率差兩項指標對新興市場國家銀行業(yè)危機預警的效果較好。Jim和Eric等（2007）應用Probit模型建立銀行業(yè)危機預警系統(tǒng)，對11個EMEAP亞太區(qū)域成員經(jīng)濟體預測銀行業(yè)危機發(fā)生可能性。Davis和Karim（2008）以105個國家1979—2003年數(shù)據(jù)為樣本，研究了在此期間爆發(fā)的102次系統(tǒng)性銀行業(yè)危機事件，認為多元Logit模型無論是對國際性危機還是對單個經(jīng)濟體危機早期預警都是較好的方法。神經(jīng)網(wǎng)絡模型也是應用較多的危機預警方法，Marco（2006）選取1980—2004 年間發(fā)生主權(quán)債務危機的46個發(fā)展中國家年度數(shù)據(jù)，利用ANN模型對主權(quán)債務危機預警進行了研究，認為在一定條件下ANN模型對危機的預警效果較好。

（三）國際貨幣基金組織的EWSs模型

國際貨幣基金組織（IMF）一直致力于金融危機早期預警模型研究，其倡導和開發(fā)的EWSs模型主要運用兩種方法：信號法（Kaminsky，Lizondo和Reinhart，1997—1999）和有限因變量概率對數(shù)模型（Berg Pattillo，1999）。

（四）國內(nèi)預警研究存在的問題

國內(nèi)關于銀行業(yè)危機預警的研究起步較晚，其中很多研究局限于對國外預警研究的評述，實證模型主要以單機構(gòu)風險預警為主，銀監(jiān)會開發(fā)的銀行風險早期預警系統(tǒng)（睿思系統(tǒng)）目前只是單體銀行風險預警的技術方案，其功能定位于識別脆弱性機構(gòu)，而非事前預警。現(xiàn)有的針對系統(tǒng)性風險的銀行危機預警模型較少，且部分已構(gòu)建模型的結(jié)構(gòu)較為簡單，如岳蓓蓓、鄭循剛（2011）建立了經(jīng)濟增長與不良貸款率波動的VAR 模型，運用脈沖響應函數(shù)及方差分解方法檢驗了經(jīng)濟增長與商業(yè)銀行不良貸款率波動之間的相關性，模型僅涉及GDP和不良貸款兩項指標?，F(xiàn)有模型的主要缺陷是核心變量不準確，時間序列長度不足。

二、基于信號法的模型構(gòu)建

確定先行指標是構(gòu)建危機預警模型的關鍵環(huán)節(jié)，本文在借鑒國內(nèi)外現(xiàn)有研究成果的基礎上，遵循經(jīng)濟合理性和數(shù)據(jù)可得性的原則，設計了包含金融部門、實體部門、政府部門、經(jīng)常賬戶和國際市場等5部門46項先行指標。對于每個先行指標，以其臨界值為標準劃分為正常域和臨界域。臨界域表明發(fā)生危機的概率增強。對于每一期間而言，若一個指標的觀測值超過臨界值落入了臨界域，則認為這個指標發(fā)出了一個預警信號。若危機在選定時間框架內(nèi)發(fā)生，則信號是正確的，用A表示；若在設定的時間框架內(nèi)沒有發(fā)生危機，未發(fā)出信號就是正確的，用D表示。C為第一類錯誤，B為第二類錯誤。決定一個危機信號正確與否的時間框架被稱為危機窗口，本文設定為30個月。在危機窗口設定后，所有樣本點可以被歸類為非危機期間和危機前期間。以最小化噪音信號比（Noise-to-signal ratio，NSR）設定臨界值和相關的臨界域。公式如下：

NSR=〔B/（B+D）〕/〔A/（A+C）〕 （1）

每個指標的歷史數(shù)據(jù)都可轉(zhuǎn)化為累積頻率分布曲線，在該曲線上可以通過格點搜索法來估計每個指標的最小噪音信號比和臨界值。確定臨界值后，一個先行指標就可以被轉(zhuǎn)換為二進制變量Sit，若實際數(shù)值超過臨界值（發(fā)出預警信號）即為1，反之為0。信噪比越小說明指標預測危機的能力越強，反之則反是。對于任何一個有用的先行指標而言，其條件危機概率（CP）應大于無條件危機概率（UP）。

基于每個指標的預測能力，可以通過簡單加總（4）和加權(quán)計算（5）的方式構(gòu)建綜合指標。由綜合指標可以構(gòu)造危機發(fā)生的概率（6）。

三、實證分析

模型從5部門46項指標中篩選出25個噪音信號比小于1的有效指標，其中21項先行指標的條件危機概率超過了50%，占全部有效指標的84%。經(jīng)常賬戶中5項指標NSR小于1，其中貿(mào)易賬戶余額/GDP的同比變動指標表現(xiàn)最好，其臨界值位于第12個百分點、NSR為0.14、條件危機概率83%，顯示出較強的預測能力，反映出貿(mào)易依存度的變化與銀行風險有較強的相關性。金融部門共有11項指標入選，其中NSR小于0.3的共有5項，分別是貸款占GDP比重、M1占GDP的比重、貸款增速及其同比變動、實際利率變動，其中，信貸增速的同比變動是表現(xiàn)最好的指標。這在一定程度上驗證了許多文獻提出的假設——較高的貸款同比增長率確實會增大銀行危機概率。

從綜合指標表現(xiàn)看，加權(quán)計算的綜合指標Ⅰ在各個臨界概率水平上都優(yōu)于簡單加總的綜合指標Ⅱ。綜合指標Ⅰ在臨界概率為60%時，能正確識別出的危機前期間數(shù)比率高達73.3%。根據(jù)危機片斷的設定，2008年之前的危機概率為樣本內(nèi)估計，2009—2011年為樣本外估計。樣本內(nèi)的輸出結(jié)果顯示，在第一次危機預測中，由綜合指標Ⅰ構(gòu)建的危機概率在1995年12月迅速上升，持續(xù)到1996年11月，之后有所下降，但仍處于較高水平，從發(fā)出危機信號到1998年6月危機事件開始，先行時間為30個月。綜合指標Ⅰ在第二次危機事件中的表現(xiàn)與前一次類似，不同的是先行時間縮短為25個月。在預測第三次危機中，綜合指標Ⅰ先是在2006年5—7月發(fā)出較強信號，之后信號消失，至2007年12月信號集中出現(xiàn)，并一直持續(xù)到危機事件發(fā)生，從第一次發(fā)出信號到危機發(fā)生，先行時間為30個月。

綜合指標Ⅱ估計的危機概率與指標Ⅰ在預測前兩次危機時情形相似，但在預測2008年危機事件時表現(xiàn)欠佳。從樣本外的預測表現(xiàn)看，兩個綜合指標在2009—2011年均持續(xù)發(fā)出了較強的預警信號，2009年2月開始連續(xù)12個月預警信號在10個以上，最多時達到14個，預警的強度超過之前任何時期。

結(jié)論

通過實證分析，可以得出以下主要結(jié)論：（1）“銀行危機”在某種程度上是可以預測、預警的，在危機逼進時總會出現(xiàn)先行指標達到臨界值發(fā)出預警信號的現(xiàn)象，這一點不只具有統(tǒng)計意義，也可以由相關經(jīng)濟理論作為解釋。（2）從分部門的分析可以看出，金融部門先行指標對銀行危機的預警能力明顯優(yōu)于其他部門，其中信貸增速及新增信貸占GDP的比重是表現(xiàn)最好的指標。（3）危機事件出現(xiàn)之前的窗口時期，往往伴隨著部分先行指標由波峰到波谷的劇烈收縮，具有明顯的周期性。（4）模型在樣本外的預測顯示，2009年以來的危機概率始終處于較高水平，危機預警信號最高達到14個。

這在模型上可解讀為新的危機窗口已打開，銀行系統(tǒng)將面臨新一輪的不良貸款集中暴露。根據(jù)歷史經(jīng)驗，銀行危機一旦出現(xiàn)將持續(xù)四五年左右的時間。

參考文獻：

[1] 亞洲開發(fā)銀行.金融危機早期預警系統(tǒng)及其在東亞地區(qū)的運用[M].北京：中國金融出版社，2006：11.

[2] 國際貨幣基金組織、世界銀行.金融部門評估手冊[K].北京：中國金融出版社，2009：9.

[3] 張倩.貨幣危機早期預警分析與研究述評[J].經(jīng)濟論壇，2011，（4）.

[4] 岳蓓蓓，鄭循剛.經(jīng)濟增長與商業(yè)銀行不良貸款率波動的VAR 模型分析[J].金融與經(jīng)濟，2011，（1）.

[責任編輯 陳麗敏]