基于Logistic模型的系統(tǒng)性金融風(fēng)險(xiǎn)研究

張德鴻

(天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津　300072)

?

基于Logistic模型的系統(tǒng)性金融風(fēng)險(xiǎn)研究

張德鴻

(天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津300072)

摘要：通過對現(xiàn)有關(guān)于系統(tǒng)性金融風(fēng)險(xiǎn)測度模型的總結(jié)、提煉與改進(jìn)，依靠歷史數(shù)據(jù)的實(shí)證分析找出適合我國現(xiàn)實(shí)情況的預(yù)警解決方案，力求使金融危機(jī)從一個(gè)突發(fā)的風(fēng)險(xiǎn)事件演變?yōu)橐粋€(gè)監(jiān)管機(jī)構(gòu)可以日常持續(xù)監(jiān)控的對象。應(yīng)用Logistic分析模型進(jìn)行指標(biāo)的量化分析，技術(shù)指標(biāo)選取通貨膨脹率、總儲(chǔ)備額、進(jìn)出口額等，通過進(jìn)一步的比較找到對預(yù)測我國系統(tǒng)性金融風(fēng)險(xiǎn)關(guān)聯(lián)程度最高的技術(shù)指標(biāo)，建立經(jīng)過改良的定性分析模型。在這一模型的基礎(chǔ)上，政府部門可以通過關(guān)注與系統(tǒng)性風(fēng)險(xiǎn)有關(guān)的指標(biāo)變動(dòng)情況來判斷金融危機(jī)的發(fā)生概率，進(jìn)而采取適當(dāng)?shù)膽?yīng)對之策，避免因應(yīng)對危機(jī)的倉促性帶來不必要的損失。

關(guān)鍵詞：系統(tǒng)性金融風(fēng)險(xiǎn)；logistic模型；預(yù)測；指標(biāo)

現(xiàn)今金融危機(jī)的破壞力逐步擴(kuò)大，甚至能直接影響整個(gè)國家和區(qū)域的經(jīng)濟(jì)安全。自1825年以來世界上共爆發(fā)數(shù)百次金融危機(jī)，而且通過統(tǒng)計(jì)數(shù)據(jù)很容易看出，金融危機(jī)的爆發(fā)正變得更為頻繁。

金融危機(jī)的系統(tǒng)性特征在近幾十年顯得尤為突出。與以往危機(jī)不同的是，現(xiàn)今系統(tǒng)中任意組成部分的危機(jī)都會(huì)造成整個(gè)系統(tǒng)價(jià)值的降低，甚至?xí)φ麄€(gè)大系統(tǒng)中獨(dú)立的小系統(tǒng)造成影響，一國的金融危機(jī)很容易演變?yōu)橐粓鍪澜缧缘慕鹑跒?zāi)難。IMF在近幾年的報(bào)告中不斷指出系統(tǒng)性金融風(fēng)險(xiǎn)的嚴(yán)峻性，同時(shí)也努力構(gòu)建相應(yīng)的預(yù)警模型。但從IMF提供的統(tǒng)計(jì)報(bào)告中可以看出，雖然多次構(gòu)建了金融危機(jī)預(yù)警模型，但最終的預(yù)測結(jié)果大部分都不理想，這也就進(jìn)一步加大了這一領(lǐng)域研究的緊迫性和重要性。

系統(tǒng)性金融風(fēng)險(xiǎn)的研究屬于金融風(fēng)險(xiǎn)研究的一個(gè)分支，但其對整體研究的價(jià)值和現(xiàn)實(shí)意義卻非常巨大，如果能深入分析系統(tǒng)性金融風(fēng)險(xiǎn)的背景、成因、演變過程并做出成功的預(yù)警和應(yīng)對，將系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生從一個(gè)突發(fā)事件轉(zhuǎn)變?yōu)榭梢杂烧畽C(jī)構(gòu)進(jìn)行日常監(jiān)管的對象，必將為金融業(yè)的發(fā)展提供優(yōu)質(zhì)的保障。但現(xiàn)實(shí)的研究狀況卻并不像我們預(yù)想的這樣樂觀，因?yàn)檫@一理論的提出相對時(shí)間較短，各國學(xué)者還未對其進(jìn)行全面、系統(tǒng)的研究。國外學(xué)者雖也建立了諸如KLR、FR等危機(jī)預(yù)測模型，但這些模型只是成功解釋了已經(jīng)發(fā)生的金融危機(jī)，但在危機(jī)預(yù)警方面無法達(dá)到令人滿意的效果。

我國真正實(shí)現(xiàn)市場經(jīng)濟(jì)的時(shí)間尚短，在現(xiàn)階段的經(jīng)濟(jì)運(yùn)行中還存在政策影響的影子，這一現(xiàn)狀雖然成功降低了我國在歷次全球性金融危機(jī)中所受到的打擊，但也使得我國的研究人員在進(jìn)行相關(guān)研究時(shí)缺乏可進(jìn)行實(shí)證分析的數(shù)據(jù)基礎(chǔ)。少數(shù)研究人員也試圖構(gòu)建模型找出危機(jī)發(fā)生的規(guī)律，但大部分的預(yù)警模型都是根據(jù)個(gè)別國家和地區(qū)的宏觀經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)構(gòu)建的，這也使得預(yù)警模型的適用性并不是很好，尤其很難適用于中國的具體情況。

在經(jīng)過一段時(shí)間的研究之后，很多學(xué)者也發(fā)現(xiàn)國外的模型和預(yù)警指標(biāo)并不能很好地反映我國的現(xiàn)實(shí)情況。本文在對前人的結(jié)論加以總結(jié)和驗(yàn)證的基礎(chǔ)上，盡量多地?cái)U(kuò)大模型構(gòu)建中樣本的涵蓋范圍，試圖通過這一方式找出一般性的適用規(guī)律，并盡可能多地對我國的具體宏觀經(jīng)濟(jì)狀況進(jìn)行解釋，最終目標(biāo)是構(gòu)建合適的危機(jī)預(yù)警模型，利用在金融風(fēng)險(xiǎn)積聚的過程中伴隨著經(jīng)濟(jì)體的某些經(jīng)濟(jì)、金融指標(biāo)的異常變動(dòng)，量化金融風(fēng)險(xiǎn)積聚的過程，并預(yù)測危機(jī)的發(fā)生。

1文獻(xiàn)綜述

1.1國外研究

系統(tǒng)性金融風(fēng)險(xiǎn)的概念可以從與個(gè)別金融風(fēng)險(xiǎn)相對應(yīng)方面進(jìn)行考慮。在分析系統(tǒng)性金融風(fēng)險(xiǎn)時(shí)不能單獨(dú)考慮每一個(gè)個(gè)體所面臨的單一風(fēng)險(xiǎn)，因?yàn)樵谶@一系統(tǒng)中每一個(gè)因素都是互相聯(lián)系的，整個(gè)系統(tǒng)所面臨的風(fēng)險(xiǎn)也會(huì)影響到系統(tǒng)中的每一個(gè)成員，系統(tǒng)中的風(fēng)險(xiǎn)因素會(huì)在相互傳播的過程中逐步積聚并進(jìn)一步擴(kuò)大。

預(yù)警指標(biāo)的研究對預(yù)警的成功具有重要的作用。時(shí)至今日，大量的學(xué)者仍致力于構(gòu)建完善的風(fēng)險(xiǎn)預(yù)警指標(biāo)體系[1-9]。John.F.Q.Bilision 構(gòu)建了預(yù)警指標(biāo)對貨幣貶值進(jìn)行研究。Edwards提出了較為完整的危機(jī)預(yù)警指標(biāo)體系，這些指標(biāo)包括央行外幣資產(chǎn)/基礎(chǔ)貨幣、信貸增長率、財(cái)政赤字/GDP、貿(mào)易條件等12個(gè)指標(biāo)。Kaminsky結(jié)合東南亞金融危機(jī)又構(gòu)建出了包括17個(gè)指標(biāo)的指標(biāo)體系。Frankel和Saravelos運(yùn)用GDP變化率、工業(yè)產(chǎn)出、貨幣貶值程度、股市表現(xiàn)、外匯儲(chǔ)備等6個(gè)先行指標(biāo)對次貸危機(jī)進(jìn)行了檢驗(yàn)。隨著各國學(xué)者的不斷研究，大量金融指標(biāo)與系統(tǒng)性金融風(fēng)險(xiǎn)之間的關(guān)系逐漸明確，所構(gòu)建出的模型準(zhǔn)確性也得到了進(jìn)一步的提升。

外國學(xué)者對整體危機(jī)預(yù)警模型的研究主要包括FR概率模型、STV截面數(shù)據(jù)模型、KLR模型和Logit模型。

Frankel和Rose通過統(tǒng)計(jì)分析，在1978—1992年發(fā)生金融危機(jī)的一百多個(gè)發(fā)展中國家的基礎(chǔ)數(shù)據(jù)上建立了能夠統(tǒng)計(jì)出危機(jī)發(fā)生概率的FR概率模型，并在實(shí)證檢驗(yàn)后提出：當(dāng)出現(xiàn)國內(nèi)信貸快速增長、國外利率較高、國內(nèi)GDP增長較慢及對外直接投資占總債務(wù)的比重較低時(shí)，金融危機(jī)發(fā)生的可能性將增大。這一模型在早期的風(fēng)險(xiǎn)測度與預(yù)警中發(fā)揮了極大的作用。

Sachs、Tornell和Velasco在20個(gè)新興市場國家的截面數(shù)據(jù)的基礎(chǔ)上建立了STV橫截面模型，并通過該模型選取了實(shí)際匯率、外匯儲(chǔ)備/貨幣供給和貸款增長率等指標(biāo)作為預(yù)警指標(biāo)。通過這些變量建立的模型顯示：當(dāng)外匯儲(chǔ)備較低時(shí)，實(shí)際匯率貶值和信貸增長率對危機(jī)的影響是正向的，由此建議提高外匯儲(chǔ)備有利于降低危機(jī)發(fā)生的可能性。

Kaminsky等對歷史上多次金融危機(jī)爆發(fā)情況進(jìn)行原因分析，獲取了完善的先行指標(biāo)并創(chuàng)建了KLR模型。這一模型對每一個(gè)指標(biāo)確定閾值。若某個(gè)指標(biāo)在某時(shí)點(diǎn)上超過該閾值，則認(rèn)為危機(jī)發(fā)生的可能性較大。

Kumar等提出了Simple Logit模型。在之后的多次危機(jī)預(yù)警中，Logit模型因預(yù)警準(zhǔn)確度高而得到了認(rèn)可。Matthieu Bussiere等通過對比多項(xiàng)Logit模型和二項(xiàng)Logit模型，找出解決預(yù)警過程中出現(xiàn)偏差的方法，使得Logit模型的預(yù)測準(zhǔn)確性進(jìn)一步提高。Jeroen van den Berg等通過對各個(gè)模型進(jìn)行比較研究，最終確認(rèn)Logit模型在預(yù)警研究中具有不可替代的作用。經(jīng)過大量專家的研究與發(fā)展，基于Logit模型建立的危機(jī)預(yù)警指標(biāo)體系得到了愈來愈廣泛的應(yīng)用。

1.2國內(nèi)研究

國內(nèi)的研究人員雖然開展研究較晚，但在這一領(lǐng)域也取得了一些成果[10-26]。我國雖然在政府擔(dān)保機(jī)制以及宏觀調(diào)控政策下暫時(shí)沒有嚴(yán)重金融危機(jī)的發(fā)生，但相關(guān)研究的進(jìn)行已經(jīng)刻不容緩。彭建剛[14]認(rèn)為政府需要通過專業(yè)化監(jiān)管和統(tǒng)一監(jiān)管相結(jié)合來規(guī)避金融風(fēng)險(xiǎn)的發(fā)生。溫博慧[15]在其研究中對系統(tǒng)性金融風(fēng)險(xiǎn)的幾種測度方法進(jìn)行評述，并認(rèn)為應(yīng)當(dāng)先在理論層面進(jìn)行深入研究，待原理明確后再構(gòu)建合適的模型。張瑾[19]利用金融壓力指數(shù)對上海金融業(yè)發(fā)生危機(jī)的可能性進(jìn)行了嘗試性的預(yù)警研究。

在指標(biāo)使用方面，劉志強(qiáng)提出了9個(gè)指標(biāo)用于構(gòu)建預(yù)警指標(biāo)體系，并將基于該指標(biāo)的模型運(yùn)用于亞洲金融危機(jī)研究中。喬桂明在綜合比較分析多種預(yù)警模型后指出：基于滯后宏觀經(jīng)濟(jì)、金融數(shù)據(jù)的Logit模型對危機(jī)預(yù)警的效果更好，并將其運(yùn)用到我國實(shí)踐中進(jìn)行了相關(guān)檢驗(yàn)。史建平等[21]在利用KLR模型進(jìn)行實(shí)證檢驗(yàn)的過程中發(fā)現(xiàn)：該模型在對某一類國家的危機(jī)預(yù)警中表現(xiàn)出良好的效果，但KLR模型對除宏觀經(jīng)濟(jì)因素以外的其他因素的考慮有所欠缺，且無法直觀體現(xiàn)導(dǎo)致危機(jī)發(fā)生的因素和危機(jī)程度。謝加貞在2000—2009年我國相關(guān)指標(biāo)的月度數(shù)據(jù)基礎(chǔ)上運(yùn)用Logit模型構(gòu)建了金融危機(jī)預(yù)警模型。

綜合國內(nèi)學(xué)者的研究可以發(fā)現(xiàn)：大部分的研究均基于KLR與Logit等成熟模型，所不同的是針對不同國家及地區(qū)各自特點(diǎn)進(jìn)行指標(biāo)的選取，從而使最終的模型更加貼近于這些國家和地區(qū)的實(shí)際情況。

2典型案例剖析

2.1金融危機(jī)發(fā)生情況概述

為達(dá)到一定的代表性，本研究共選取了1980—2013年影響較為廣泛的6次金融危機(jī)進(jìn)行分析，主要數(shù)據(jù)如表1所示。

這6次金融危機(jī)及相關(guān)指標(biāo)數(shù)據(jù)均應(yīng)用于本文后半部分的模型構(gòu)建。為便于后續(xù)研究的開展，以下就案例剖析中總結(jié)出的歷次金融危機(jī)特點(diǎn)進(jìn)行分析。

表1　1980—2013年金融危機(jī)發(fā)生情況總結(jié)

2.2歷次金融危機(jī)事件特點(diǎn)分析

縱觀這幾次典型金融危機(jī)的前因后果，并參考同時(shí)期的其他金融危機(jī)，可以發(fā)現(xiàn)它們之間具有如下相似之處：

1) 金融危機(jī)發(fā)生前，各個(gè)國家與地區(qū)經(jīng)濟(jì)的增長速度明顯超過歷史平均水平，出現(xiàn)經(jīng)濟(jì)泡沫和虛增的繁榮，掩蓋了本該被提早發(fā)現(xiàn)的危機(jī)。

2) 各國在金融危機(jī)爆發(fā)前多為促進(jìn)本國與本地區(qū)經(jīng)濟(jì)的快速增長而引入外來資本，雖然在經(jīng)濟(jì)形勢向好的大環(huán)境下這些外來資本可以有效促進(jìn)經(jīng)濟(jì)繁榮，可一旦經(jīng)濟(jì)出現(xiàn)頹勢，這些外來資本便會(huì)轉(zhuǎn)而給債務(wù)國和地區(qū)造成巨大的經(jīng)濟(jì)壓力。

3) 資金的流入與經(jīng)濟(jì)的快速增長促進(jìn)了國內(nèi)和區(qū)內(nèi)投資的增加。但隨著房地產(chǎn)與股票市場的泡沫出現(xiàn)，商品價(jià)格不斷上漲，在給普通居民生活造成一定壓力的同時(shí)還會(huì)導(dǎo)致進(jìn)出口方向發(fā)生轉(zhuǎn)變，貿(mào)易逆差開始出現(xiàn)。

4) 各個(gè)國家和地區(qū)在危機(jī)發(fā)生前甚至危機(jī)的開始階段普遍利用政策手段控制匯率，常常導(dǎo)致本國和本地區(qū)貨幣被高估。當(dāng)匯率不能繼續(xù)保持時(shí)便會(huì)出現(xiàn)跳水式的貨幣貶值，引起大范圍的恐慌，加重危機(jī)導(dǎo)致的損失。

通過上述分析可以看到：歷次金融危機(jī)的發(fā)生都是各種不穩(wěn)定因素逐漸積累造成的，而這種積累往往是在經(jīng)濟(jì)繁榮的虛假背景下完成的。在這種繁榮的背景下，一國或一地區(qū)對外來資本具有較高的吸引力，同時(shí)政策和匯率體制也會(huì)在一定程度上促進(jìn)泡沫的產(chǎn)生和不斷的擴(kuò)大，內(nèi)外因的共同作用導(dǎo)致了金融危機(jī)的發(fā)生。

3用于系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警的Logistic模型構(gòu)建

3.1樣本指標(biāo)的篩選與模型選取

通過對相關(guān)文獻(xiàn)的閱讀以及對典型金融危機(jī)事件的分析，可以找到一些共同的指標(biāo)，這些指標(biāo)會(huì)在危機(jī)發(fā)生期間表現(xiàn)出異常。利用這一特點(diǎn)構(gòu)建的模型便可以通過對指標(biāo)的分析預(yù)測金融危機(jī)發(fā)生概率。通過總結(jié)歸納可以發(fā)現(xiàn)，這些能用于預(yù)測的指標(biāo)主要為一些宏觀經(jīng)濟(jì)指標(biāo)，如匯率、進(jìn)出口額、外匯儲(chǔ)備、股票價(jià)格指數(shù)、外商投資額、銀行存款數(shù)、財(cái)政赤字占GDP的比重、銀行間同業(yè)拆解利率、貿(mào)易條件、債務(wù)總額、國內(nèi)信貸額、通貨膨脹率、貨幣發(fā)行量、出口增長率、貸款額、信貸額/GDP、短期外債數(shù)、實(shí)際利率、房地產(chǎn)價(jià)格等。

根據(jù)研究條件和數(shù)據(jù)的可取性，本研究選取了如下指標(biāo)作為模型自變量：經(jīng)常項(xiàng)目余額、國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值、投資占GDP比重、通貨膨脹指數(shù)、貨物和服務(wù)出口總額、貨物和服務(wù)進(jìn)口總額、總儲(chǔ)備額，所有指標(biāo)均使用變化率形式。

經(jīng)常項(xiàng)目余額表示國民收入扣除家庭消費(fèi)、投資和政府購買后的差額，這一項(xiàng)目可以反映一個(gè)國家和地區(qū)在宏觀經(jīng)濟(jì)領(lǐng)域的具體狀況。通過對經(jīng)常項(xiàng)目余額變動(dòng)情況的分析可以對經(jīng)濟(jì)發(fā)展前景和經(jīng)濟(jì)運(yùn)行穩(wěn)定性進(jìn)行預(yù)測。國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值可以被用于分析一個(gè)國家或地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r與國力水平。投資占GDP比重這一變量可以很明顯反映出一個(gè)國家或地區(qū)的投資政策是否合理，根據(jù)歷史上金融危機(jī)發(fā)生時(shí)間點(diǎn)前后該指標(biāo)的變化，輔以相應(yīng)的經(jīng)濟(jì)環(huán)境進(jìn)一步分析可以預(yù)測出未來一段時(shí)間該國家或地區(qū)在面臨經(jīng)濟(jì)動(dòng)蕩時(shí)會(huì)產(chǎn)生怎樣的結(jié)果。通貨膨脹指數(shù)是宏觀經(jīng)濟(jì)中一項(xiàng)重要的指標(biāo)，通過通貨膨脹率可以直接揭示出國家或地區(qū)經(jīng)濟(jì)狀況的優(yōu)劣。進(jìn)出口總額反映一個(gè)國家或地區(qū)的外貿(mào)情況，若這兩項(xiàng)指標(biāo)在短時(shí)間內(nèi)出現(xiàn)劇烈的波動(dòng)，則表示支撐金融體系的貿(mào)易基礎(chǔ)穩(wěn)定性遭受破壞，需要及時(shí)采取措施維持進(jìn)出口總額向符合國家或地區(qū)經(jīng)濟(jì)穩(wěn)定發(fā)展需要的方向趨近。總儲(chǔ)備額可用于完成國際清償、平衡國際收支，對于實(shí)現(xiàn)國家或地區(qū)宏觀調(diào)控及貨幣政策具有保障作用。但對于總儲(chǔ)備額的定義并不能僅為滿足充足的原則，還應(yīng)當(dāng)視國家或地區(qū)整體經(jīng)濟(jì)實(shí)力制定適當(dāng)?shù)膬?chǔ)備額，這樣才能在不影響經(jīng)濟(jì)發(fā)展的前提下盡量預(yù)防系統(tǒng)性金融風(fēng)險(xiǎn)。

被解釋變量Y定義為：Y=1表示發(fā)生系統(tǒng)性金融危機(jī)；Y=0表示未發(fā)生系統(tǒng)性金融危機(jī)。

本次實(shí)證分析所使用的數(shù)據(jù)是各危機(jī)發(fā)生國家和地區(qū)自1981年至2007年的年度數(shù)據(jù)，所包含的國家和地區(qū)如下：中國大陸、中國香港、印尼、日本、韓國、馬來西亞、菲律賓、新加坡、泰國、丹麥、芬蘭、法國、意大利、西班牙、英國、墨西哥、阿根廷、巴西、智利、秘魯、委內(nèi)瑞拉。

本文通過對比FR模型、STV橫截面模型、KLR模型與Logistic模型之間的優(yōu)劣來進(jìn)行最終預(yù)警模型的選擇。FR模型的構(gòu)建比較簡單，而且對數(shù)據(jù)的要求不高，是一種應(yīng)用較為廣泛的模型，但是在該模型使用中由于估計(jì)方法存在一定的偏差，且在選取樣本時(shí)沒有考慮國別的差異，使得樣本的選取上經(jīng)常無法達(dá)到要求，從而降低了最終結(jié)果的準(zhǔn)確性。STV模型具有與FR模型相似的指標(biāo)選取便利性，并通過截面數(shù)據(jù)的使用克服了FR模型中未考慮各經(jīng)濟(jì)體差異的不足。但該模型使用簡單的線性回歸來定義危機(jī)預(yù)警模型，并且僅僅使用有限的幾個(gè)指標(biāo)，說服力較弱。KLR模型首先利用歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，并根據(jù)歷史數(shù)據(jù)確定一個(gè)安全閾值。當(dāng)閾值被突破時(shí)便發(fā)出危機(jī)信號，利用危機(jī)信號來預(yù)測金融危機(jī)的發(fā)生概率。這一方法的采用可以在危機(jī)發(fā)生前根據(jù)先行指標(biāo)進(jìn)行預(yù)警，與其他模型相比可為各經(jīng)濟(jì)體政府提供應(yīng)對危機(jī)的緩沖時(shí)間。但這一模型的運(yùn)行機(jī)理至今仍未明確，而且預(yù)測的準(zhǔn)確性也無法得到保證。Logistic模型在預(yù)測中運(yùn)用面板數(shù)據(jù)，有效解決了樣本選擇的問題，且該模型經(jīng)過多次驗(yàn)證，可以保證預(yù)測的準(zhǔn)確性和解釋的合理性。由此本文將選擇Logistic模型進(jìn)行預(yù)警分析。

3.2使用原始數(shù)據(jù)直接構(gòu)建Logistic模型

對面板數(shù)據(jù)進(jìn)行Logistic回歸的結(jié)果如表2所示。

表2　使用原始數(shù)據(jù)直接進(jìn)行Logistic回歸的方程變量

分析結(jié)果顯示：在5%的顯著性水平下：國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值、投資、通貨膨脹率、貨物和服務(wù)進(jìn)口總額這4項(xiàng)指標(biāo)均是顯著的。去掉不顯著指標(biāo)重新進(jìn)行回歸分析，得到的回歸結(jié)果如表3所示。

根據(jù)表3的回歸結(jié)果可以看出：在剔除了經(jīng)常項(xiàng)目余額、貨物和服務(wù)出口總額和總儲(chǔ)備額這3項(xiàng)不顯著的指標(biāo)后，在5%的顯著性水平下，國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值、投資、通貨膨脹率、貨物和服務(wù)進(jìn)口總額這4項(xiàng)指標(biāo)相對于金融危機(jī)是否發(fā)生的統(tǒng)計(jì)性都很顯著。通過對系數(shù)的分析可以看出：國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值、貨物和服務(wù)進(jìn)口總額的增長會(huì)降低金融危機(jī)發(fā)生的可能性，而投資與通貨膨脹率的上升則會(huì)增大系統(tǒng)性金融風(fēng)險(xiǎn)，這一結(jié)果與本文的案例分析結(jié)論也基本一致。

基于該回歸結(jié)果可以構(gòu)建出如下Logistic模型，其中自變量以X表示：

0.059X2,it+4.444X3,it-9.592X4,it

(1)

3.3利用提取的公共因子構(gòu)建預(yù)警模型

對各變量之間的相關(guān)性進(jìn)行分析，得到如表4的相關(guān)矩陣。

表3　剔除不顯著指標(biāo)后得到的方程變量

表4　相關(guān)矩陣

根據(jù)表4的相關(guān)性矩陣可以看出：部分指標(biāo)之間存在較強(qiáng)的相關(guān)性。雖然通過剔除不顯著的指標(biāo)也構(gòu)建出了預(yù)警模型，但對指標(biāo)的直接剔除使得在預(yù)警階段考慮的因素有所減少，降低了預(yù)警的準(zhǔn)確性和可信度。通過因子分析可以找出對應(yīng)各預(yù)警指標(biāo)的公共因子，再使用公共因子構(gòu)建模型便可以避免這一弊端。上述操作均可以通過SPSS20.0實(shí)現(xiàn)。

3.3.1采用KMO與巴特利特球體檢驗(yàn)分析因子提取可行性

本文同時(shí)采用KMO和巴特利特球體檢驗(yàn)，檢驗(yàn)結(jié)果如表5所示。KMO檢驗(yàn)值為0.516，基本通過KMO檢驗(yàn)，可以進(jìn)行因子分析。Bartlett球度檢驗(yàn)的sig值趨近于0，也表明適合進(jìn)行因子分析。

表5　KMO 和 Bartlett 的檢驗(yàn)

3.3.2公因子提取及解釋

本文采用主成分因子分析法計(jì)算公共因子特征值、貢獻(xiàn)率及累計(jì)貢獻(xiàn)率，詳細(xì)情況見表6。根據(jù)公共因子的貢獻(xiàn)率提取3個(gè)公共因子，累計(jì)貢獻(xiàn)率為68.658%，因而前3個(gè)因子基本上可以反映原有觀測變量X1，X2，X3，…，X7的68.658%的信息，這樣將原來的7個(gè)評價(jià)指標(biāo)轉(zhuǎn)化為3個(gè)新的綜合指標(biāo)，起到了降維的作用。因此，采用前3個(gè)因子作為新的預(yù)警指標(biāo)對系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行綜合評價(jià)，這樣既簡化了分析結(jié)構(gòu)，又能保持足夠的準(zhǔn)確性。

表6　解釋的總方差

通常通過觀察原始指標(biāo)的公共因子負(fù)載的系數(shù)來理解因子反映的原始指標(biāo)的內(nèi)容。為了更加便于理解公共因子的實(shí)際意義，本文利用SPSS20.0軟件，采用方差最大法對因子進(jìn)行選擇，輸出的旋轉(zhuǎn)后因子負(fù)荷矩陣見表7。從旋轉(zhuǎn)后因子負(fù)載值能看出：第1公共因子主要由國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值、通貨膨脹率決定，命名為經(jīng)濟(jì)穩(wěn)定因子；第2公共因子對應(yīng)的進(jìn)出口總額和總儲(chǔ)備額負(fù)載值較大，命名為貿(mào)易發(fā)展因子；第3公共因子在經(jīng)常項(xiàng)目余額和投資指標(biāo)上的負(fù)載值較大，命名為收支平衡因子。以上分析為構(gòu)建更簡潔適用的風(fēng)險(xiǎn)預(yù)警指標(biāo)評價(jià)體系模型提供了理論與實(shí)證支持。

3.3.3預(yù)警模型的構(gòu)建

將7個(gè)財(cái)務(wù)指標(biāo)分成3類，即3個(gè)公共因子，這樣就初步構(gòu)建出宏觀金融危機(jī)預(yù)警指標(biāo)績效評價(jià)體系。在該體系建立后，對于不在該時(shí)間階段及地域范圍內(nèi)的經(jīng)濟(jì)體仍可根據(jù)這3個(gè)公共因子加以分析。

表7　旋轉(zhuǎn)成份矩陣

得到因子得分系數(shù)矩陣后，決策者可以根據(jù)這三大因子的得分對其進(jìn)一步分析，并且可根據(jù)各個(gè)經(jīng)濟(jì)體自身特點(diǎn)分析在應(yīng)對宏觀金融風(fēng)險(xiǎn)中所擁有的優(yōu)勢及劣勢，根據(jù)相應(yīng)的分析結(jié)果評價(jià)所面臨的風(fēng)險(xiǎn)狀況，在成功預(yù)警的基礎(chǔ)上提出合理的應(yīng)對措施。

根據(jù)表3～8中的因子得分系數(shù)和原始變量值可以計(jì)算各因子的得分?jǐn)?shù)，并據(jù)此計(jì)算出對應(yīng)原始指標(biāo)的公共因子值。

表8　成分得分系數(shù)矩陣

計(jì)算因子得分的表達(dá)式可以寫成：

F1=0.040X1+0.490X2-0.116X3+

0.489X4-0.013X5+0.005X6+0.048X7

(2)

F2=0.061X1+0.011X2+0.145X3+

0.001X4+0.490X5+0.466X6+0.288X7

(3)

F3=0.829X1+0.013X2+0.199X3+

0.027X4-0.054X5+0.152X6-0.476X7

(4)

表9給出了因子變量的協(xié)方差矩陣。從表9可見：不同因子變量之間的協(xié)方差數(shù)據(jù)幾乎是0，因而證實(shí)了3個(gè)因子變量之間是不相關(guān)的。

表9　因子變量的協(xié)方差矩陣

接下來用新構(gòu)建的3個(gè)因子建立Logistic模型，得到的回歸結(jié)果如表10所示。

回歸結(jié)果顯示：在5%的顯著性水平下，自變量均表現(xiàn)出較強(qiáng)的顯著性。從模型中公共因子系數(shù)的符號上可以直觀地判斷出，這3個(gè)公共因子對系統(tǒng)性金融風(fēng)險(xiǎn)的影響均是反向的，因此可以構(gòu)建出如下基于公共因子的Logistic模型：

1.456F2,it-0.886F3,it

(5)

基于原始數(shù)據(jù)和公共因子分別構(gòu)建了用于系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警的Logistic模型，這兩種模型究竟能否應(yīng)用于實(shí)際預(yù)警，哪一類模型的效果更好，都將通過之后對模型的檢驗(yàn)來判斷。

表10　采用公共因子作為自變量的方程參數(shù)

3.4預(yù)警模型實(shí)際應(yīng)用情況檢驗(yàn)

3.4.1實(shí)證檢驗(yàn)的指標(biāo)選取

通過對其他相關(guān)研究成果的整理可以發(fā)現(xiàn)，樣本內(nèi)檢驗(yàn)的準(zhǔn)確度要明顯高于樣本外檢驗(yàn)，而且只能說明模型對于原始數(shù)據(jù)的符合程度，實(shí)際應(yīng)用價(jià)值并不大，因此直接跳過樣本內(nèi)檢驗(yàn)的過程進(jìn)行樣本外檢驗(yàn)。

本文的檢驗(yàn)數(shù)據(jù)為2008年全球金融危機(jī)及之后3年的宏觀經(jīng)濟(jì)數(shù)據(jù)變動(dòng)情況。通過對比金融危機(jī)發(fā)生階段以及金融危機(jī)結(jié)束后模型的因變量指標(biāo)，測度金融危機(jī)是否發(fā)生及其嚴(yán)重程度。

3.4.2檢驗(yàn)結(jié)果的對比分析

根據(jù)未提取因子的Logistic模型進(jìn)行檢驗(yàn)，得出的結(jié)果如表11所示。

表11　基于原始指標(biāo)的Logistic模型

通過計(jì)算可以得出模型的準(zhǔn)確識別率為55.56%，整體預(yù)測的成功率較低，無法滿足預(yù)測的需要。

接下來采用同樣的方式對基于公共因子構(gòu)建的模型進(jìn)行分析計(jì)算，可以得出如表12所示的分析結(jié)果。

表12　基于公共因子指標(biāo)的Logistic模型

同樣通過計(jì)算可以得到該模型的準(zhǔn)確識別率為72.22%。雖然模型預(yù)測的正確性仍舊不高，但至少找到了一種提高正確性的方式。由此可以看出：在通過因子分析方法對指標(biāo)的選取進(jìn)行優(yōu)化之后，可以得到一個(gè)適應(yīng)性更好的模型。該模型采取更為合理的方式反映了預(yù)警指標(biāo)與危機(jī)發(fā)生情形之間的關(guān)系。

4研究結(jié)論和不足

4.1研究結(jié)論

1) 某些具有代表性的宏觀經(jīng)濟(jì)指標(biāo)可以用來預(yù)測系統(tǒng)性金融風(fēng)險(xiǎn)，如：經(jīng)常項(xiàng)目余額、國內(nèi)(地區(qū)內(nèi))生產(chǎn)總值、投資占GDP比重、通貨膨脹指數(shù)、貨物和服務(wù)出口總額、貨物和服務(wù)進(jìn)口總額、總儲(chǔ)備額等。

2) 通過因子分析等方法對預(yù)警指標(biāo)進(jìn)行重新的分類與組合，按照意義和不同的權(quán)重組合成新的預(yù)警指標(biāo)。運(yùn)用這些指標(biāo)往往能更完美地?cái)M合出相應(yīng)的曲線，取得更好的預(yù)測效果

4.2不足

該預(yù)警研究所需數(shù)據(jù)的時(shí)間、空間跨度均較大，很多組數(shù)據(jù)由于存在缺失，無法對一些金融危機(jī)事件進(jìn)行全面的分析。

由于本文在研究中所采用的數(shù)據(jù)來源于全球十幾個(gè)經(jīng)濟(jì)體，雖然增加了模型的普遍適用性，但對于單獨(dú)經(jīng)濟(jì)體的適應(yīng)性可能不是很好，下一階段的研究應(yīng)著重針對我國的具體情況進(jìn)行分析，并構(gòu)建更為精確的預(yù)警體系。

本文所得出的模型只能算作預(yù)警模型的雛形，并不能完全勝任我們目前面臨的系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警工作，需要在未來的研究中不斷努力提高模型對金融風(fēng)險(xiǎn)發(fā)生情況的解釋能力。

參考文獻(xiàn)：

[1]DE NICOLO G,MYRON L，KWAST.Systemic risk and financial consolidation:Are they related[J].Journal of Banking & Finance，2002，26:861-880.

[2]BORDO M,EICHENGREEN B,KLINGEBIEL D,et al.Is the crisis problem growing more severe?[J].Economic Policy,2001,16(32):51-82.

[3]LARRY E,THOMAS H N.Systemic Risk in Financial Systems[J].Management Science,2001,47(2):236-249.

[4]ANDREW B,EDUARDO B,CATHERINE P.Assessing Early Warning Systems:How have they worked in practice?[R].[S.l.]:IMF Working Paper,2004.

[5]HUANG X,ZHOU H,ZHU H B.Assessing the systemic risk of heterogeneous portfolio of banks during the recent financial crisis[J].Social Science Electronic Publishing,2010,8(3):193-205.

[6]JEFFREY F,GEORGE S.Can leading indicators assess country vulnerability? Evidence from the 2008—2009 global financial crisis[J].Journal of International Economics,2011,87(2):216-231.

[7]MATTHIEU B,MARCEL F.Towards a new early warning system of financial crises[J].Journal of International Money and Finance,2006,10:954-973.

[8]VAN DEN BERG J,BERTRAND C.A cautious note on the use of panel models to predict financial crises[J].Economics Letters,2008,101(1):80-83.

[9]EDISON H J.Do indicators of financial crises work? An evaluation of an early warning system[J].International Journal of Finance and Economics,2003,8(1):11-53.

[10]張維.論系統(tǒng)性金融風(fēng)險(xiǎn)的識別與控制[J].金融理論與實(shí)踐，2004(3)：9-12.

[11]王輝.次貸危機(jī)后系統(tǒng)性金融風(fēng)險(xiǎn)測度研究述評[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2011(11)：119-123.

[12]張曉樸.系統(tǒng)性金融風(fēng)險(xiǎn)研究：演進(jìn)、成因與監(jiān)管[J].國際金融研究，2010(7):58-67.

[13]王敘果，蔡則祥.中國系統(tǒng)性金融風(fēng)險(xiǎn)擔(dān)保機(jī)制的分析[J].金融研究，2005(9):163-172.

[14]彭建剛.基于系統(tǒng)性金融風(fēng)險(xiǎn)防范的銀行業(yè)監(jiān)管制度改革的戰(zhàn)略思考[J].財(cái)經(jīng)理論與實(shí)踐，2011，32(1)：2-6.

[15]溫博慧,袁銘.加總模式變遷視角下系統(tǒng)性金融風(fēng)險(xiǎn)研究演進(jìn)評述[J].統(tǒng)計(jì)與信息論壇,2012(8):21-26.

[16]李新,周琳杰.中央對手方機(jī)制防范系統(tǒng)性金融風(fēng)險(xiǎn)研究[J].財(cái)貿(mào)經(jīng)濟(jì),2011(10):63-68.

[17]余文君,聞岳春,王泳.基于金融壓力指數(shù)的上海A股市場系統(tǒng)性金融風(fēng)險(xiǎn)研究[J].上海金融,2014(7):86-91.

[18]聞岳春,唐學(xué)敏.系統(tǒng)性金融風(fēng)險(xiǎn)的影響因素研究——基于金融機(jī)構(gòu)關(guān)聯(lián)性的視角[J].江西社會(huì)科學(xué),2015(7):72-79.

[19]張瑾.基于金融風(fēng)險(xiǎn)壓力指數(shù)的系統(tǒng)性金融風(fēng)險(xiǎn)評估研究[J].上海金融，2012(9)：53-57.

[20]王旭輝.美國次貸危機(jī)與系統(tǒng)性金融風(fēng)險(xiǎn)[J].南方金融，2008(11)：56,70.

[21]史建平，高宇.KLR金融危機(jī)預(yù)警模型研究——對現(xiàn)階段新興市場國家金融危機(jī)的實(shí)證檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009(3):106-117.

[22]張寶林,潘煥學(xué).影子銀行與房地產(chǎn)泡沫:誘發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)之源[J].現(xiàn)代財(cái)經(jīng)(天津財(cái)經(jīng)大學(xué)學(xué)報(bào)),2013(11):33-44.

[23]王妍,陳守東.尾部極值分布下的系統(tǒng)性金融風(fēng)險(xiǎn)度量及影響因素分析[J].數(shù)理統(tǒng)計(jì)與管理,2014(6):1010-1020.

[24]毛建林,張紅偉.基于CCA模型的我國銀行系統(tǒng)性金融風(fēng)險(xiǎn)實(shí)證研究[J].宏觀經(jīng)濟(jì)研究,2015(3):94-102.

[25]趙進(jìn)文,張勝保,韋文彬.系統(tǒng)性金融風(fēng)險(xiǎn)度量方法的比較與應(yīng)用[J].統(tǒng)計(jì)研究,2013(10):46-53.

[26]陳守東,王妍.我國金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)評估——基于極端分位數(shù)回歸技術(shù)的風(fēng)險(xiǎn)度量[J].中國管理科學(xué),2014(7):10-17.

(責(zé)任編輯劉舸)

Research of Systemic Financial Risk Based on Logistic Model

ZHANG De-hong

(College of Management and Economics, Tianjin University, Tianjin 300072, China)

Abstract:This paper aimed to make a summary and refining of the existing systemic financial risk measure model and tried to find out an early warning model which suits for the reality of our country that relies on historical data of the empirical analysis. The research wanted to make every effort to make the financial crisis change from a sudden event to a daily object which could be continuous monitored. The Logistic analysis model was used to make quantitative analysis of the technical indicators which involve the inflation rate, total reserves, import and export, etc. By further comparison, we came up with the high levels correlation technical indicators and modified qualitative analysis model to predict systemic financial risk in our country. On the basis of the model, the related government department can focus on the change of systemic risk indicators to determine the probability of financial crisis and then take the appropriate response to avoid the unnecessary loss.

Key words:systemic financial risk; logistic model; prediction; indicator

文章編號：1674-8425(2016)04-0137-10

中圖分類號：O21;F832.5

文獻(xiàn)標(biāo)識碼：A

doi:10.3969/j.issn.1674-8425(z).2016.04.024

作者簡介：張德鴻(1990—)，男，天津人，碩士研究生，主要從事金融工程、技術(shù)經(jīng)濟(jì)理論與方法研究。

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目 (71471129;71171144)

收稿日期：2015-08-25

引用格式：張德鴻.基于Logistic模型的系統(tǒng)性金融風(fēng)險(xiǎn)研究[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2016(4):137-146.

Citation format：ZHANG De-hong.Research of Systemic Financial Risk Based on Logistic Model [J].Journal of Chongqing University of Technology(Natural Science)，2016(4):137-146.