基于AHP-熵值法商業(yè)銀行體系風(fēng)險指標(biāo)預(yù)警研究——來自2003-2012年數(shù)據(jù)

壽 暉，張永安

(1.北京工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100124；2.江西財經(jīng)大學(xué) 金融學(xué)院，江西 南昌 330013)

從1997年東南亞金融危機(jī)到2007年的美國次貸危機(jī)，從貝爾斯登倒閉到歐洲主權(quán)債務(wù)危機(jī)，金融風(fēng)暴席卷全球、金融危機(jī)跌宕起伏、金融風(fēng)險巨大沖擊波對世界經(jīng)濟(jì)造成了嚴(yán)重危害，產(chǎn)生深遠(yuǎn)影響，為各國敲響防范金融風(fēng)險的警鐘。在經(jīng)濟(jì)全球化、金融一體化的背景下，金融危機(jī)國際化、迅速化的傳染性挑戰(zhàn)我們現(xiàn)行的金融風(fēng)險管理體系，同時也對現(xiàn)行貨幣危機(jī)理論下建立的金融風(fēng)險預(yù)警機(jī)制提出質(zhì)疑，到底我們的金融風(fēng)險預(yù)警體系能不能預(yù)警？如何建立行之有效的風(fēng)險管理指標(biāo)體系來應(yīng)對金融風(fēng)險？下一次危機(jī)的導(dǎo)火索會不會是在商業(yè)銀行？等等一系列問題值得我們反思。

一、文獻(xiàn)綜述

(一)金融風(fēng)險預(yù)警文獻(xiàn)回顧

國外對金融風(fēng)險預(yù)警的研究最早可以追溯到1938年，Secrist(1938)［1］采用單變量統(tǒng)計分析，對1929-1933年美國735家倒閉銀行和121家未倒閉銀行財務(wù)數(shù)據(jù)進(jìn)行逐一單變量統(tǒng)計分析，發(fā)現(xiàn)倒閉銀行與未倒閉銀行的財務(wù)數(shù)據(jù)存在顯著差異，開創(chuàng)將單變量統(tǒng)計分析運(yùn)用到金融風(fēng)險因子分析先河。當(dāng)然單變量分析將所有權(quán)重放在一個變量上，從現(xiàn)在來看存在嚴(yán)重不足。Sindey(1975)［2］改進(jìn)前人不足，采用多變量統(tǒng)計分析。此后，F(xiàn)rankel和Rose(1996)［3］建立FR概率模型，以1972-1992年間發(fā)生貨幣危機(jī)的國家為樣本，估計發(fā)生貨幣危機(jī)的可能性，F(xiàn)R模型簡單，預(yù)測的準(zhǔn)確性存在一定不足。與此同時，考慮到各國發(fā)展情況不一樣，Sachs,Tornall和Velaso(1996)［4］建立橫截面回歸模型，考察20個新興市場國家數(shù)據(jù)，預(yù)測發(fā)生危機(jī)時哪些國家受到嚴(yán)重沖擊。正是基于對一系列變量的回歸分析，來估計發(fā)生金融危機(jī)的概率，屬于參數(shù)法分析。而Kaminsky，Lizondo和Reinhart(1997，KLR模型)［5］創(chuàng)建信號法，確定信號區(qū)間，選取21個顯著性的預(yù)警指標(biāo)，當(dāng)預(yù)警指標(biāo)超過閥值時，發(fā)出在未來一段時間內(nèi)出現(xiàn)危機(jī)的信號，閥值的大小直接影響到信號法預(yù)測的準(zhǔn)確性。此后，Andrew Berg和Catherine(1999)［6］在KLR信號法的基礎(chǔ)上開發(fā)了 (DCSD)模型，利用月度數(shù)據(jù)確定哪些變量導(dǎo)致了未來24個月內(nèi)發(fā)生危機(jī)的可能性。

國內(nèi)對金融風(fēng)險預(yù)警問題的研究是在1997年東南亞金融危機(jī)之后，國內(nèi)學(xué)者鄭振龍(1998)、劉志強(qiáng)(1999)、馮蕓和吳沖鋒(2002)、唐旭 (2002)、陳守東(2006)等等［7-13］，通過學(xué)習(xí)和借鑒國外理論和模型，試圖建立符合我國國情的金融風(fēng)險預(yù)警指標(biāo)體系。史建平(2009)［14］運(yùn)用KLR信號法對24個新興市場國家實證檢驗，認(rèn)為現(xiàn)階段新興市場國家尚未爆發(fā)全面的金融危機(jī),但部分國家已出現(xiàn)經(jīng)濟(jì)、金融形勢惡化的趨勢,結(jié)果顯示KLR模型的預(yù)警績效較好。但是，總體來說KLR模型預(yù)測的準(zhǔn)確性的條件概率也只在40%左右，參數(shù)法僅有20%左右，這一點沒能預(yù)測到美國次貸危機(jī)爆發(fā)就是很好例證。

(二)金融風(fēng)險預(yù)警指標(biāo)賦權(quán)文獻(xiàn)

針對信號法和參數(shù)法預(yù)測準(zhǔn)確性不理想情況，張贏(2004)［15］利用多指標(biāo)綜合評價方法的模糊性將金融風(fēng)險指標(biāo)無量綱化后進(jìn)行評價映射分值，評價值的大小就反映了危機(jī)發(fā)生可能性的大小，將先行指標(biāo)值與危機(jī)之間的關(guān)系描述為一個漸變的過程，而不是一個類似門限突跳關(guān)系。由于無量綱化的結(jié)果是對被評價事物發(fā)展水平的一種相對描述，而不是一種絕對的刻度，減小閥值確定的不準(zhǔn)確導(dǎo)致金融風(fēng)險預(yù)警體系失效。由此建立“P-S”模型對1997年東南亞金融危機(jī)國進(jìn)行實證研究。隨后，陳衛(wèi)華(2007)［16］將金融風(fēng)險預(yù)警分為3個等級，重新建立“可能-滿意度”預(yù)警模型，對包括中國在內(nèi)的東南亞國家實證研究，模型基本描述各國金融風(fēng)險狀況。但“可能-滿意度”預(yù)警模型對風(fēng)險預(yù)警指標(biāo)等分權(quán)重或差別權(quán)重，不符合客觀經(jīng)濟(jì)規(guī)律存在一定缺陷。吳成頌(2011)［17］采用層次分析法(AHP)構(gòu)建我國金融風(fēng)險預(yù)警指標(biāo)體系，分長期、中期和短期對我國現(xiàn)階段金融風(fēng)險實證檢驗，結(jié)果表明我國金融體系沒有明顯風(fēng)險。袁永博(2011)［18］使用AHP權(quán)重的模糊可變風(fēng)險識別模型對我國商業(yè)銀行信貸風(fēng)險實證研究，實證表明我國商業(yè)銀行信貸資產(chǎn)較安全，但存在小概率風(fēng)險。

盡管AHP是對定性問題進(jìn)行定量分析的一種簡便、靈活得多的準(zhǔn)則決策方法，但是其屬于一種主觀評價方法。對金融風(fēng)險預(yù)警指標(biāo)賦權(quán)時，因為評價人的臆斷性、片面性造成權(quán)重分配有失偏頗，使由此建立的金融風(fēng)險預(yù)警指標(biāo)體系達(dá)不到風(fēng)險預(yù)警效果。針對前人研究不足，本文在AHP主觀賦權(quán)法的基礎(chǔ)上，引入客觀的熵值賦權(quán)法對AHP進(jìn)行權(quán)重調(diào)整，建立AHP-熵值法模型，從而吸收主客觀賦權(quán)法的優(yōu)點，對風(fēng)險預(yù)警指標(biāo)綜合賦權(quán)，得到客觀、合理的指標(biāo)權(quán)重，以此構(gòu)建我國商業(yè)銀行風(fēng)險預(yù)警指標(biāo)體系。

二、指標(biāo)設(shè)置

(一)風(fēng)險預(yù)警指標(biāo)選取

中國銀監(jiān)會早在2005年制定了《商業(yè)銀行風(fēng)險預(yù)警操作指引(試行)》，初步建立商業(yè)銀行風(fēng)險預(yù)警體系。指標(biāo)體系分定量指標(biāo)和定性指標(biāo)兩部分。定量指標(biāo)由資本充足度、信用風(fēng)險、市場風(fēng)險、操作風(fēng)險和流動性風(fēng)險等5項分類，共22個指標(biāo)。定性指標(biāo)包括六項分類指標(biāo)：管理層評價、經(jīng)營環(huán)境、公司治理、風(fēng)險管理與內(nèi)控、信息披露和重大危機(jī)事件。銀行監(jiān)管者根據(jù)非現(xiàn)場監(jiān)管、現(xiàn)場檢查和其他渠道獲得的銀行業(yè)金融機(jī)構(gòu)的信息，通過一定的技術(shù)手段，采用專家判斷和時間序列分析、層次分析和功效計分等模型分析方法，對商業(yè)銀行風(fēng)險狀況進(jìn)行動態(tài)監(jiān)測和早期預(yù)警。

從《指引(試行)》來看，目前風(fēng)險預(yù)警體系在構(gòu)建時存在兩個不足：首先、對各個指標(biāo)賦權(quán)時不夠精確。在構(gòu)建風(fēng)險預(yù)警指標(biāo)體系對22個指標(biāo)進(jìn)行權(quán)重分配時，更多采用諸如AHP、專家判斷等主觀賦權(quán)法，使各個指標(biāo)權(quán)重分配主觀性造成風(fēng)險預(yù)警等級不準(zhǔn)確，導(dǎo)致預(yù)警失效；其次、各個指標(biāo)所覆蓋范圍太狹隘。誠然我們知道對于銀監(jiān)會而言，《指引(試行)》主要針對商業(yè)銀行風(fēng)險預(yù)警，因此定量的22個指標(biāo)也僅僅選取商業(yè)銀行自身經(jīng)營過程中面臨的信用風(fēng)險、流動性風(fēng)險等系統(tǒng)性風(fēng)險因素，定量指標(biāo)沒有將系統(tǒng)性風(fēng)險全部納入考察范圍，由此建立的各種模型對商業(yè)銀行預(yù)警和監(jiān)控，會因為指標(biāo)缺失而造成預(yù)警失效。在經(jīng)濟(jì)、金融全球化、一體化的背景下，商業(yè)銀行面臨的不單單是自身的系統(tǒng)性風(fēng)險，更多是來自于在宏觀國家經(jīng)濟(jì)大背景下、乃至于全球經(jīng)濟(jì)大環(huán)境下的系統(tǒng)性風(fēng)險。因此，在構(gòu)建風(fēng)險指標(biāo)預(yù)警體系時應(yīng)將這些系統(tǒng)性風(fēng)險因素考慮進(jìn)來。

考慮到我國商業(yè)銀行金融風(fēng)險來源因素具有復(fù)雜性和多樣性，在風(fēng)險預(yù)警指標(biāo)的選取上，國內(nèi)外金融風(fēng)險管理機(jī)構(gòu)出臺了很多監(jiān)管條例、專家學(xué)者也做了有益的探討，可謂仁者見仁智者見智。本文是在第四代貨幣危機(jī)理論框架下，結(jié)合《巴塞爾協(xié)議Ⅲ》和中國銀監(jiān)會《風(fēng)險預(yù)警操作指引(試行)》等金融監(jiān)管條例，借鑒國內(nèi)外相關(guān)研究成果，選取宏觀經(jīng)濟(jì)因素、對外經(jīng)濟(jì)因素、資產(chǎn)泡沫因素、銀行體系因素，構(gòu)成商業(yè)銀行金融風(fēng)險預(yù)警的四大基本模塊。從這四大基本因素的大量風(fēng)險預(yù)警指標(biāo)中，采用逐步回歸和相關(guān)性分析，剔除了存在多重共線性的一些指標(biāo)，選取與金融危機(jī)理論和實際數(shù)據(jù)都密切相關(guān)的14個金融風(fēng)險預(yù)警指標(biāo)，構(gòu)建我國商業(yè)銀行金融風(fēng)險預(yù)警指標(biāo)體系。

(二)風(fēng)險預(yù)警指標(biāo)臨界值和預(yù)警區(qū)間確定

臨界值是商業(yè)銀行金融風(fēng)險指標(biāo)是否預(yù)警的觸發(fā)點，而預(yù)警區(qū)間是指標(biāo)在不同風(fēng)險狀態(tài)的區(qū)間值?？茖W(xué)、準(zhǔn)確地界定臨界值和預(yù)警區(qū)間是建立風(fēng)險預(yù)警指標(biāo)體系的關(guān)鍵。本文臨界值和預(yù)警區(qū)間的確定主要通過以下幾方面：①按照國際金融監(jiān)管機(jī)構(gòu)，如巴塞爾委員會、清算銀行以及國內(nèi)的中國銀行業(yè)監(jiān)督管理委員會等頒布的監(jiān)管條例具體規(guī)定的指標(biāo)臨界值，如對商業(yè)銀行資本充足率的要求是不低于8%，我國過渡期后達(dá)到12%。②按國際上公認(rèn)的一些指標(biāo)臨界值，如房地產(chǎn)價格增長率/GDP增長率對于發(fā)展中國家而言該指標(biāo)值在1以內(nèi)屬于合理范圍，1-2區(qū)間內(nèi)需做出泡沫預(yù)警，2以上就可認(rèn)為房價虛漲泡沫顯現(xiàn)。外債總額/GDP國際公認(rèn)的警戒線是25%等等。③按經(jīng)濟(jì)發(fā)展的客觀規(guī)律和我國實際情況，參照歷年的經(jīng)驗數(shù)據(jù)，如從GDP來看，過去的十多年GDP的增長幅度每年在8%以上，近幾年有所放緩，把GDP的臨界值定為7.5%是符合經(jīng)濟(jì)發(fā)展的客觀規(guī)律和我國實際情況的。從歷年房地產(chǎn)開發(fā)投資占GDP的份額看，該值在10%以內(nèi)屬于合理范圍，10%～15%泡沫預(yù)警，15%以上則認(rèn)為房地產(chǎn)開發(fā)投資泡沫顯現(xiàn)。④參考權(quán)威文獻(xiàn)得出的實證數(shù)據(jù)。具體金融風(fēng)險預(yù)警指標(biāo)和預(yù)警區(qū)域如表1所示。

表1 金融風(fēng)險預(yù)警指標(biāo)

三、確定指標(biāo)權(quán)重和映射指標(biāo)得分

構(gòu)建商業(yè)銀行金融風(fēng)險預(yù)警指標(biāo)體系時，要對所選各個指標(biāo)賦予一定的權(quán)重，指標(biāo)賦權(quán)的方法主要有主觀賦權(quán)法和客觀賦權(quán)法，兩者各有特色和不足。為杜絕主觀法的隨意性以及客觀法的內(nèi)在缺陷，本文綜合主、客觀賦權(quán)法各自的優(yōu)勢，主觀賦權(quán)法采用層次分析法、客觀賦權(quán)采用熵值法，對風(fēng)險預(yù)警指標(biāo)進(jìn)行綜合賦權(quán)，達(dá)到科學(xué)、合理的分配風(fēng)險指標(biāo)權(quán)重。

(一)層次分析法(AHP)

美國運(yùn)籌學(xué)家Saaty T L［19］教授在20世紀(jì)70年代初期提出的多目標(biāo)決策方法， 對定性問題進(jìn)行定量分析的多準(zhǔn)則決策方法。

1.構(gòu)建層次結(jié)構(gòu)模型，建立準(zhǔn)則層和指標(biāo)層

2.構(gòu)造成對比較矩陣

A為判斷矩陣，用aij表示ai指標(biāo)與aj指標(biāo)兩兩比較的相對值。其中，。Saaty的比例標(biāo)度法賦值見表2。

表2 Saaty的比例標(biāo)度法賦值

3.計算排序權(quán)向量

(1)將A的每一列向量歸一化：

4.做一致性檢驗

(2)隨機(jī)一致性指標(biāo)RI，隨機(jī)一致性標(biāo)度見表3。

表3 隨機(jī)一致性標(biāo)度

(二)熵值法

在信息論中，信息是系統(tǒng)有序程度的度量，而信息熵是系統(tǒng)無序程度的度量，其表達(dá)式為：

當(dāng)某項指標(biāo)值的變異程度越大，其提供的信息量越大，信息熵越小，該指標(biāo)所賦權(quán)重越大；反之則相反。熵值法正是運(yùn)用信息熵工具，根據(jù)指標(biāo)值的變異程度計算所占權(quán)重。

熵值法步驟：在原始指標(biāo)數(shù)據(jù)矩陣X=(xij)m×n中，設(shè)m評價方案，n個評價指標(biāo)。先對指標(biāo)一致化，用極值法對數(shù)據(jù)無量綱化：D d是最大值，是最小值。

(1)指標(biāo)同度量化，計算第j項指標(biāo)的第i方案下指標(biāo)值的比重Pij，

(2)計算第j項指標(biāo)的熵值ej，即

其中，ej＞0，k ＞0。如果 xij對于給定的j全相等，則，此時ej取極大值：ej=klnm。則 0≤ej≤1。

(3)計算第j項指標(biāo)的差異系數(shù)，定義差異系數(shù)gj，其中g(shù)j=1-ej，gj越大指標(biāo)越重要。

(三)綜合賦權(quán)

熵值法根據(jù)同一指標(biāo)觀測值的差異程度來計算權(quán)重的方法，當(dāng)指標(biāo)觀測值差異越大，則該指標(biāo)所賦權(quán)重也越大。在一些重要的指標(biāo)觀測值差異性較小、非重要性指標(biāo)觀測值差異性較大時，可能出現(xiàn)重要性指標(biāo)所占權(quán)重很小、非重要性指標(biāo)所占權(quán)重很大的不合理現(xiàn)象。為減少此類不合理情況發(fā)生，本文在這里先用AHP法對指標(biāo)賦權(quán)，保證重要性指標(biāo)所占權(quán)重較大，再運(yùn)用熵值法對指標(biāo)權(quán)重進(jìn)行調(diào)節(jié)，既保證重要性指標(biāo)所占權(quán)重，又減少AHP法的主觀、片面性。主客觀法結(jié)合起來對風(fēng)險預(yù)警指標(biāo)進(jìn)行綜合賦權(quán)，得到更為合理和精確的指標(biāo)權(quán)重。其中用熵值法差異化系數(shù)gj來調(diào)整AHP的權(quán)重：

(四)映射指標(biāo)得分

參照銀監(jiān)會監(jiān)管條例，將各個指標(biāo)按其風(fēng)險狀態(tài)分為：安全、關(guān)注、風(fēng)險、危險四種狀態(tài)，在百分制下對各個指標(biāo)賦予一定的分值：安全分值為80～100分；關(guān)注分值為50～80分；風(fēng)險分值為20～50危險分值為0～20分，將各個指標(biāo)所得分值按其所占權(quán)重加權(quán)求得綜合分值，得分小于50分的為風(fēng)險狀態(tài)，得分大于50分的為安全狀態(tài)，綜合指標(biāo)得分越高，風(fēng)險越小?？紤]到有的指標(biāo)是正向指標(biāo)，即指標(biāo)值越大，所得分值越高，有的指標(biāo)是反向指標(biāo)，即指標(biāo)值越小，所得分值越高，具體在指標(biāo)值映射相應(yīng)分值時，對14個指標(biāo)做如下處理：

(1)正向指標(biāo)處理方法，即Hij=TL+(TR-TL)(ZJ-ZL)/(ZR-ZL)，如果分值大于100，按100算。

(2)反向指標(biāo)處理方法，即Hij=TR-(TR-TL)(ZJ-ZL)/(ZR-ZL)，如果分值小于0，按0分算。其中，ZJ是指標(biāo)值，ZR、ZL(ZR＞ZL)是臨界值，TR、TL(TR＞TL)是相應(yīng)分?jǐn)?shù)賦值。

四、實證與結(jié)果分析

本文使用2003-2012年中國的實際經(jīng)濟(jì)、金融運(yùn)行數(shù)據(jù)進(jìn)行實證分析，數(shù)據(jù)來源于國家統(tǒng)計局、中國銀監(jiān)會、中國人民銀行、國家外匯管理局、WIND金融數(shù)據(jù)庫 ，數(shù)據(jù)處理使用MatlabR2008a軟件。

(一)實證結(jié)果

采用AHP法對準(zhǔn)則層和指標(biāo)層分別計算各自權(quán)重，再計算指標(biāo)的綜合權(quán)重，計算結(jié)果都通過了一致性檢驗。結(jié)果如表4所示。

表4 在AHP下各個指標(biāo)所占權(quán)重

利用(2)式計算ej值，再運(yùn)用熵值法下差異化系數(shù)gj來調(diào)整AHP下的權(quán)重，最后用(3)式計算調(diào)整后權(quán)重wj。計算結(jié)果如表5所示。

表5 對AHP權(quán)重進(jìn)行差異因素調(diào)整權(quán)重

計算指標(biāo)映射分值，對于正向指標(biāo)，如指標(biāo)H41，2012年商業(yè)銀行資本充足率達(dá)到13.3%，對應(yīng)在安全區(qū)(12，16)，其相應(yīng)評分H41(2012)：H41=80+(100-80)(13.3%-12%)/(16%-12%)=86.5分。對于反向指標(biāo)計算，如指標(biāo)H42，2003年不良貸款率是17.6%，對應(yīng)在危險區(qū)(15%，20%)，對其相 應(yīng) 評 分H42(2003)：H42=20-(20-0)(17.6%-15%)/(20%-15%)=9.6分。分值如表6所示。

對各個指標(biāo)用熵值法調(diào)整后權(quán)重進(jìn)行加權(quán)求和，得出各指標(biāo)每年風(fēng)險預(yù)警值，結(jié)果如表7所示。

表6 指標(biāo)2003-2012映射分值

表7 對映射分值加權(quán)求和

(二)結(jié)果分析

實證結(jié)果基本反映了2003-2012年我國商業(yè)銀行體系風(fēng)險狀況，結(jié)果如圖1所示。2003-2012年金融風(fēng)險預(yù)警指標(biāo)加權(quán)分值在50～80分關(guān)注和安全區(qū)間內(nèi)，綜合指標(biāo)得分呈現(xiàn)波浪上升趨勢，說明商業(yè)銀行面臨風(fēng)險出現(xiàn)逐漸下降趨勢，整體來看屬于基本安全狀況。但是具體分析，2003年和2007年分值接近風(fēng)險區(qū)域，由于我國商業(yè)銀行2003年不良貸款率居高不下以及2007年受次貸危機(jī)巨大沖擊而面臨很大的金融風(fēng)險。具體從四大風(fēng)險因素來分析。

圖1 2003-2012金融風(fēng)險指標(biāo)預(yù)警綜合值

(1)從宏觀經(jīng)濟(jì)預(yù)警指標(biāo)來看，廣義貨幣供應(yīng)量M2增長率每年都高于GDP增長率，在2009年進(jìn)入風(fēng)險區(qū)域。通貨膨脹率2007年和2008年高達(dá)4.8%、5.9%，而2009年通脹率走向另一個極端僅為-0.7%，整個2009年上半年進(jìn)入通貨緊縮狀況，這3年通貨膨脹預(yù)警指標(biāo)一直在危險區(qū)域。

(2)從對外經(jīng)濟(jì)來看，我國的經(jīng)常項目差額/GDP指標(biāo)一直較高，由國際收支失衡導(dǎo)致的宏觀經(jīng)濟(jì)失衡的壓力也一直較大。從2003-2009年風(fēng)險預(yù)警分值一直處于危險區(qū)，2007年美國次貸危機(jī)爆發(fā)，該指標(biāo)更是達(dá)到10.6%高峰，到2010年后經(jīng)常項目差額占GDP比才逐年降低，風(fēng)險值逐步走出風(fēng)險區(qū)。從匯率波動率指標(biāo)來看，2005年7月，我國實行以市場供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動匯率制度。人民幣匯率不再盯住單一美元，形成更富彈性的人民幣匯率機(jī)制。此后，人民幣對美元匯率一路走高，截至2012年12月31日，1美元兌換6.28元人民幣，人民幣已累計升值24.3%。從匯率改革2005年以來，匯率波動率預(yù)警指標(biāo)連續(xù)四年處于風(fēng)險狀態(tài)。

(3)從銀行體系風(fēng)險預(yù)警指標(biāo)來看，2003年商業(yè)銀行整體資本充足率為-2.9%，不良貸款率高達(dá)17.6%，處于危險區(qū)域，發(fā)出危險預(yù)警。外界稱我們的商業(yè)銀行已是“技術(shù)性破產(chǎn)”，當(dāng)時的商業(yè)銀行到了生死攸關(guān)的地步。因此，2004年財政部動用外匯儲備450億美元首先對中國銀行和建設(shè)銀行注資，隨后又為工商銀行和農(nóng)業(yè)銀行注資。以及成立的四大資產(chǎn)管理公司為商業(yè)銀行剝離不良資產(chǎn)等一系列措施，將商業(yè)銀行從破產(chǎn)邊緣拯救回來。此后商業(yè)銀行不良貸款率持續(xù)走低，到2012年末僅為0.95%，而銀行資本充足率達(dá)到13.3%，超過銀監(jiān)會的12%基本要求。

(4)從反映資產(chǎn)泡沫指標(biāo)的房地產(chǎn)開發(fā)投資占GDP比重來看，早在1998年就一直走高，國際金融危機(jī)后，2009年和2010年兩年這一比重超過預(yù)警值10%達(dá)到10.6%和12%，風(fēng)險預(yù)警分值進(jìn)入風(fēng)險區(qū)域，發(fā)出泡沫預(yù)警，可以說我國房地產(chǎn)開發(fā)投資出現(xiàn)了泡沫。而股市市盈率指標(biāo)2005-2008年進(jìn)入風(fēng)險區(qū)域，也發(fā)出資產(chǎn)泡沫預(yù)警。

五、結(jié) 論

本文在前人研究金融危機(jī)預(yù)警和中國銀監(jiān)會頒布《商業(yè)銀行風(fēng)險預(yù)警操作指引(試行)》的基礎(chǔ)上，提出主客觀相結(jié)合的AHP-熵值法對商業(yè)銀行風(fēng)險預(yù)警指標(biāo)賦權(quán)，并對這些風(fēng)險預(yù)警指標(biāo)進(jìn)行映射分值，得到商業(yè)銀行體系的整體風(fēng)險狀況。用2003-2012年數(shù)據(jù)進(jìn)行實證分析，發(fā)現(xiàn)通貨膨脹率、匯率波動率、資本充足率、不良貸款率和房地產(chǎn)開發(fā)投資/GDP這些指標(biāo)都出現(xiàn)比較嚴(yán)重惡化，說明我國在這些指標(biāo)下存在潛在爆發(fā)金融危機(jī)的可能性，因此這些指標(biāo)可作為先行指標(biāo)值得我們?nèi)ビ^測和調(diào)控。而反映商業(yè)銀行市場風(fēng)險和流動性風(fēng)險的指標(biāo)在這10年里在安全區(qū)域內(nèi)，實證結(jié)果基本上符合我國商業(yè)銀行體系這10年的風(fēng)險狀況。也客觀上說明以AHP-熵值法建立的商業(yè)銀行風(fēng)險預(yù)警指標(biāo)體系的合理性和有效性。當(dāng)然，隨著我國經(jīng)濟(jì)形勢的變化，下一個10年我國商業(yè)銀行體系金融風(fēng)險預(yù)警指標(biāo)將發(fā)生變化，諸如資本充足率、不良貸款率等指標(biāo)可能不再是先行指標(biāo)，而一些新的先行指標(biāo)將走進(jìn)金融監(jiān)管當(dāng)局的視野。

對金融危機(jī)的預(yù)警可以說是個世界性的難題，通過建立風(fēng)險預(yù)警模型，找到風(fēng)險預(yù)警的先行指標(biāo)，金融管理當(dāng)局對這些指標(biāo)不斷地進(jìn)行實時觀測、調(diào)控，使這些指標(biāo)處于安全狀態(tài)下，從而保證我們的商業(yè)銀行在可控下運(yùn)行，將金融危機(jī)爆發(fā)的可能性降到最低，能做到這點也就達(dá)到我們對商業(yè)銀行監(jiān)管的初衷。

［1］Secrist H.National Bank Failures and Non-Failures:An Autopsy and Diagnosis ［R］.Bloomington:Principia press，1938.

［2］Joseph F Sindey.A Multivariate Statistical Analysis of the Characteristics of Problem bank ［J］.Journal of Finance,1975(3)：21-36.

［3］Jeffrey A Frankel，Andrew K.Rose Currency Crashes in Emerging Markets:an Empirical Treatment［J］.Journal of International Economics，1996(6)：351-366．

［4］Jeffrey Sachs，Aaro Tornell，Andres Velasco． The collapse of the Mexican peso:what have we learned?［J］.Economic Policy，1996(4)：13-63．

［5］Graciela Kaminsky，Saul Lizondo，Garmen Reinhart.Leading Indicators of Currency Crises［R］.IMF Working Paper，Washington D C:International Monetary Fund，1997.

［6］Andrew Berg，Catherine Pattillo.Predicting currency crises:The indicators approach and an alternative［J］.Journal of International Money and Finance，1999(8)：561-586.

［7］鄭振龍.構(gòu)建金融危機(jī)預(yù)警系統(tǒng)［J］.金融研究，1998(8)：29－32．

［8］劉志強(qiáng).金融危機(jī)預(yù)警指標(biāo)體系研究［J］.世界經(jīng)濟(jì)，1999(4)：17-23.

［9］馮蕓，吳沖鋒.貨幣危機(jī)早期預(yù)警系統(tǒng)［J］.系統(tǒng)工程理論方法應(yīng)用，2002(1)：8-11.

［10］唐旭，張偉.論建立中國金融危機(jī)預(yù)警系統(tǒng)［J］.經(jīng)濟(jì)學(xué)動態(tài)，2002(6)：5-10.

［11］陳守東，楊瑩，馬輝.中國金融風(fēng)險預(yù)警研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006(7)：36-48.

［12］喬桂明.貨幣危機(jī)預(yù)警理論及實證比較研究［J］.財經(jīng)科學(xué)，2006(11)：115-124.

［13］譚中明.區(qū)域金融風(fēng)險預(yù)警系統(tǒng)的設(shè)計和綜合度量［J］.軟科學(xué)，2010(3)：15-24.

［13］唐照宇，莊金良.貨幣升值視角下的我國貨幣危機(jī)預(yù)警模型的構(gòu)建［J］.浙江金融，2011(7)：12-18.

［14］史建平，高宇.KLR金融危機(jī)預(yù)警模型研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009(3)：106-117.

［15］張瀛，王浣塵.貨幣危機(jī)預(yù)警綜合評價方法研究［J］.統(tǒng)計研究，2004(7)：31-37.

［16］陳衛(wèi)華，張睿.基于“可能—滿意度”法的金融危機(jī)預(yù)警系統(tǒng)的構(gòu)建與應(yīng)用［J］.國際金融研究，2007(4)：51-54.

［17］吳成頌.我國金融風(fēng)險預(yù)警指標(biāo)體系研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2011(1)：19-24.

［18］袁永博，劉妍 .商業(yè)銀行信貸風(fēng)險預(yù)警研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2011(12)：82-87.

［19］Saatty T L.The Analytic Hierarchy Process［M］.New York:McGraw-Hill Company，1980.