中國金融系統(tǒng)脆弱性指數(shù)的構(gòu)建與區(qū)制狀態(tài)分析

郭娜 申琳 張寧

摘要：本文首先構(gòu)建了中國金融系統(tǒng)脆弱性指標體系并采用因子分析法對金融系統(tǒng)脆弱性指數(shù)進行趨勢分析，然后利用馬爾可夫區(qū)制轉(zhuǎn)換模型對其進行區(qū)制狀態(tài)分析，從而識別出金融系統(tǒng)脆弱性狀態(tài)的變化。實證結(jié)果表明，在樣本研究區(qū)間內(nèi)中國金融系統(tǒng)脆弱性整體呈現(xiàn)上升趨勢且波動幅度較大，但在2014年以后，脆弱性指數(shù)有所回落且處于可控范圍內(nèi);中國在“低脆弱性”區(qū)制的時間要少于“高脆弱性”區(qū)制的時間，且向“高脆弱性”區(qū)制轉(zhuǎn)移的概率較高，金融體系容易產(chǎn)生脆弱性集聚的風(fēng)險。因此，中國需要將以前粗放式的金融增長轉(zhuǎn)變?yōu)樽⒅刭|(zhì)量和效率的高效金融增長，完善金融機構(gòu)風(fēng)險控制和風(fēng)險指標體系，加大對金融產(chǎn)品、組織和制度的監(jiān)管力度。

關(guān)鍵詞：金融系統(tǒng)脆弱性;金融結(jié)構(gòu);區(qū)制狀態(tài);區(qū)制轉(zhuǎn)換模型

文獻標識碼：A

文章編號：100228482020（01）000109

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

一、問題提出

金融系統(tǒng)脆弱性是一種趨于高風(fēng)險的金融狀態(tài)，泛指一切融資領(lǐng)域中的風(fēng)險積聚，包括信貸融資和金融市場融資?[12]。金融系統(tǒng)脆弱性不僅會影響金融系統(tǒng)安全，也會影響國家經(jīng)濟的穩(wěn)定發(fā)展，因此對金融系統(tǒng)脆弱性的識別和系統(tǒng)性金融風(fēng)險的監(jiān)管就成為國家宏觀經(jīng)濟風(fēng)險管理的首要目標。20世紀70年代以后，金融危機的頻繁爆發(fā)呈現(xiàn)出與以往不同的特征，對全球經(jīng)濟造成了嚴重的沖擊。正是在這樣的背景下，學(xué)術(shù)界開始對金融系統(tǒng)脆弱性問題展開深刻的討論，部分學(xué)者致力于探討金融系統(tǒng)脆弱性的形成原因。Barth等?[3]對130個國家過去20年間發(fā)生的銀行危機進行了統(tǒng)計，他們認為金融自由化進程加快會提高金融危機發(fā)生的概率;部分學(xué)者則從外部性角度入手，認為短期負債合同和短期負債數(shù)量會使?jié)L動風(fēng)險上升，進而導(dǎo)致金融系統(tǒng)脆弱性提升并增大金融危機發(fā)生概率?[46]。隨著全球范圍內(nèi)資產(chǎn)價格的攀升，一些學(xué)者開始重點關(guān)注房地產(chǎn)價格波動等因素對金融系統(tǒng)脆弱性產(chǎn)生的影響，他們認為資產(chǎn)價格波動會直接對金融機構(gòu)流動性和杠桿率產(chǎn)生影響從而威脅到金融系統(tǒng)穩(wěn)定?[79]。Pedro?[10]深入分析了這種影響原因，即當房地產(chǎn)市場價格上漲時，銀行會擴大貸款范圍，因此他認為金融是否穩(wěn)定與貸款周期有著緊密的聯(lián)系。進一步，一些學(xué)者開始探索金融系統(tǒng)脆弱性的預(yù)警指標。Gerdesmeier等?[11]實證得出信貸因素能夠更加有效和準確地預(yù)測金融體系的脆弱性程度;Acharya等?[1213]則提出了用于估計邊際期望損失的系統(tǒng)性風(fēng)險指數(shù)（SRISK），并以此來判斷金融系統(tǒng)脆弱性狀態(tài)。

近年來，隨著我國金融市場開放程度的加深和市場化水平的提高，新型的金融風(fēng)險隨之而來并對我國金融系統(tǒng)的穩(wěn)健性造成了很大的影響。黨的十九大報告明確提出“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”，因此如何加強對金融系統(tǒng)脆弱性的研究并提高應(yīng)對金融危機的能力對維護我國金融安全具有重要的現(xiàn)實意義。我國經(jīng)濟學(xué)者也從不同的角度對金融系統(tǒng)脆弱性進行了理論分析。從金融系統(tǒng)脆弱性成因的角度出發(fā)，陳雨露等?[14]認為經(jīng)濟繁榮時市場容易誘發(fā)投機行為，短時間內(nèi)產(chǎn)生的跳躍式變化致使泡沫迅速膨脹進而產(chǎn)生金融風(fēng)險;高國華等?[15]則認為金融體制改革一再延遲，造成中國金融結(jié)構(gòu)扭曲和系統(tǒng)性金融風(fēng)險不斷加大。隨著我國金融機構(gòu)風(fēng)險的積聚，一些學(xué)者開始對金融系統(tǒng)脆弱性的影響因素展開研究。劉衛(wèi)江?[16]利用多元Logit模型對1985—2000年中國銀行體系的脆弱性進行了實證分析，認為宏觀變量對銀行體系的影響要大于金融變量和其他變量。近年來，越來越多的中國學(xué)者開始關(guān)注資產(chǎn)價格波動對金融體系穩(wěn)定性甚至宏觀經(jīng)濟的影響。唐建偉?[17]認為資產(chǎn)價格波動主要通過信貸渠道引起銀行風(fēng)險的增加，進而造成金融體系的不穩(wěn)定;王書斌等?[18]指出資產(chǎn)價格泡沫不僅通過信貸渠道影響宏觀經(jīng)濟，還會通過銀行資本金以及商業(yè)銀行不良資產(chǎn)狀況影響金融系統(tǒng)的穩(wěn)定性。進一步，部分學(xué)者開始進行系統(tǒng)性風(fēng)險的度量與監(jiān)測研究。陶玲等?[19]從7個維度合成系統(tǒng)性金融風(fēng)險指數(shù)來度量和預(yù)警風(fēng)險指標狀態(tài)，并采用馬爾可夫區(qū)制轉(zhuǎn)換方法識別出金融系統(tǒng)脆弱性的拐點;李政等?[20]對我國金融部門之間的系統(tǒng)性風(fēng)險溢出進行了研究，并利用ΔCoES方法對我國系統(tǒng)性金融風(fēng)險進行了實時監(jiān)測。

綜上所述，國內(nèi)外學(xué)者從多個角度對系統(tǒng)性金融風(fēng)險問題進行了研究，但大多從微觀層面特別是銀行業(yè)風(fēng)險狀況出發(fā)進行研究，較少從宏觀層面出發(fā)來探討整體的金融系統(tǒng)脆弱性狀況，使得度量結(jié)果具有一定的局限性。另外，前期文獻對于金融系統(tǒng)脆弱性的研究大多采用靜態(tài)模型，無法準確反映出金融系統(tǒng)風(fēng)險狀況的動態(tài)變化。鑒于此，本文從宏觀、外部、貨幣和資產(chǎn)價格等四個方面選取12項指標構(gòu)建金融系統(tǒng)脆弱性指標體系并運用因子分析法合成綜合指數(shù)來度量金融系統(tǒng)脆弱性水平，同時采用馬爾可夫區(qū)制轉(zhuǎn)換模型對金融系統(tǒng)脆弱性指數(shù)進行趨勢和區(qū)制分析。一方面，該模型能夠通過狀態(tài)變量在不同脆弱性程度之間的平滑轉(zhuǎn)換來識別金融系統(tǒng)所處的狀態(tài)，避免人為設(shè)定閾值的主觀性;另一方面，馬爾可夫區(qū)制轉(zhuǎn)換模型能夠通過狀態(tài)轉(zhuǎn)移變量來反映金融脆弱性在不同區(qū)制之間的動態(tài)變化，更加貼近金融系統(tǒng)的現(xiàn)實。

二、我國金融系統(tǒng)脆弱性指數(shù)的構(gòu)建

（一）模型構(gòu)建

因子分析法通常利用主成分分析方法，對測度金融系統(tǒng)脆弱性的相關(guān)指標變量提取主成分。通常選取特征值大于1的變量作為主成分進行分析，然后根據(jù)各個公共因子的相關(guān)載荷確定比例系數(shù)，最終通過計算各個因子得分的加權(quán)平均作為衡量金融系統(tǒng)脆弱性的綜合指數(shù)。該方法中各公共因子之間正交，所以利用公共因子進行回歸分析時能有效地避免模型出現(xiàn)多重共線性問題，同時能避免人為設(shè)定權(quán)重的不準確性。目前，因子分析法已經(jīng)成為測度金融系統(tǒng)脆弱性的主流方法?[20]，本文選取因子分析法對原始數(shù)據(jù)進行線性變換，用數(shù)學(xué)公式表示為

X=Aβ+ε（1）

其中，X是T×N矩陣，用于測度原始數(shù)據(jù)指標合集，T為時間長度，N為指標個數(shù)。假設(shè)這N個指標的全部信息都可以歸納匯總為A（T×J，J

A=MT（2）

其中，M是T×J矩陣，J是確定因子集A個數(shù)的關(guān)鍵，因此設(shè)λi為第i個特征根，第i個主成分的貢獻度則以

λi/∑Nj=1λj表示;相應(yīng)地，前r個主成分的累積貢獻度以

∑rj=1λj/∑Nj=1λj表示。當累積貢獻度達到提前設(shè)定的界限時（本文設(shè)定為70%），所包含的因子個數(shù)即為公共因子數(shù)量，然后通過對公共因子賦予相應(yīng)權(quán)重計算系統(tǒng)脆弱性指數(shù)，即

R=∑Nj=1wjfj（3）

其中，權(quán)重系數(shù)wj通過對各個主成分的貢獻度計算得出，以第i個主成分的權(quán)重為例，計算公式為

wi=λi/∑Nj=1λj（4）

根據(jù)提取出的因子，可以計算出每一觀測時期金融系統(tǒng)脆弱性指標在各個公因子上的得分情況，再對各個因子權(quán)重系數(shù)進行加權(quán)匯總，作為觀測樣本的綜合得分F。

F=F1×ω1+F2×ω2+F3×ω3+F4×ω4+F5×ω5（5）

進一步，為了能夠更直觀地觀測金融系統(tǒng)脆弱性的變化趨勢并更易進行比較，本文將所得到的指數(shù)進行坐標變換，最終確定金融系統(tǒng)脆弱性綜合指數(shù)。

Vi=10+Fi-min（Fi）max（Fi）-min（Fi）×（90-10）（6）

其中，Vi為第i期金融系統(tǒng)脆弱性的數(shù)值，F(xiàn)i為第i期金融系統(tǒng)脆弱性的因子綜合得分，min（Fi）和max（Fi）分別代表因子綜合得分的最小值和最大值。

（二）指標選取與數(shù)據(jù)預(yù)處理

1.指標選取

本文從宏觀經(jīng)濟、外部經(jīng)濟、貨幣流動性以及資產(chǎn)價格等四個層次選取了12項指標對我國的金融系統(tǒng)脆弱性進行度量，具體指標及其含義見表1。

其中，GDP同比增長率、居民消費價格指數(shù)（CPI）來自中國宏觀經(jīng)濟數(shù)據(jù)庫，M2同比增長率、財政收支來自國家統(tǒng)計局，經(jīng)常項目差額、人民幣實際有效匯率指數(shù)、銀行間同業(yè)拆借加權(quán)平均利率、1年期貸款利率、5年期和1年期國債發(fā)行利率和滬深300歷史波動率的數(shù)據(jù)均來自Wind數(shù)據(jù)庫，外匯儲備增長率數(shù)據(jù)來自國際外匯管理局，房屋價格指數(shù)來自全球經(jīng)濟指標數(shù)據(jù)網(wǎng)。

2.數(shù)據(jù)預(yù)處理

本文同時存在同向、逆向以及適度指標，為便于數(shù)據(jù)分析統(tǒng)一將數(shù)據(jù)指標進行處理轉(zhuǎn)換為正向指標。其中，對逆向指標正向化的方法通常為取倒數(shù)，但是這種方法會改變原始數(shù)據(jù)的分布規(guī)律，因此本文采用線性變換法。

x′ij=max（xij）1≤i≤n-xij（7）

通過式（7）對逆向指標進行坐標平移，在不改變分布規(guī)律的基礎(chǔ)上將其正向化。而如房屋價格指數(shù)和滬深300歷史波動率，其指標大幅波動會使金融系統(tǒng)脆弱性升高，因此處理方法為

x′ij=|xij|（8）

此時，為了方便數(shù)據(jù)的標準化處理，將正向指標也進行坐標變換，使得所有數(shù)據(jù)都為非負數(shù)，并進行數(shù)據(jù)平移：

x′ij=xij-min（xij）1≤i≤n（9）

通過式（8）（9）對指標進行趨勢變換后，指標數(shù)據(jù)最小值均為0。為了方便進行數(shù)據(jù)標準化處理，將所有指標數(shù)據(jù)都進行坐標變換，變換方法為（average函數(shù)表示取變量的平均值）

x″ij=average（x′ij）+x′ij（10）

另外，由于經(jīng)濟數(shù)據(jù)大都為偏態(tài)數(shù)據(jù)且多為右偏，即大部分數(shù)據(jù)集中在左側(cè)部分，將數(shù)據(jù)取對數(shù)之后能夠更好地研究增長率的問題，因此通過取對數(shù)的方法將大于中位數(shù)的部分進行壓縮，使數(shù)據(jù)呈現(xiàn)正態(tài)分布，減少數(shù)據(jù)共線性和異方差的概率。本文也采用取對數(shù)的方式對指標數(shù)據(jù)進行標準化處理：

yij=lnx′ij?（1≤i≤m，1≤j≤n）（11）

其中，x′ij為經(jīng)過同趨勢化處理的指標數(shù)據(jù)，yij為取對數(shù)后形成的標準化數(shù)據(jù)。

（三）金融系統(tǒng)脆弱性的度量

本文對12項金融系統(tǒng)脆弱性指標進行因子提取和分析，得出每個指標的解釋程度和因子得分，再通過相應(yīng)的因子權(quán)重加權(quán)計算得出最終的金融系統(tǒng)脆弱性指數(shù)。

1.適應(yīng)性檢驗

在進行因子分析之前，首先要對指標數(shù)據(jù)進行適應(yīng)性檢驗，以判斷其是否適合進行因子分析。本文對已進行標準化處理的指標數(shù)據(jù)分別進行KMO和Bartlett球形檢驗。KMO檢驗是用于比較變量之間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標，界定范圍為0

2.因子分析

通過適應(yīng)性檢驗后，根據(jù)方差貢獻度達到70%以上的原則提取公共因子作為金融脆弱性指數(shù)的加權(quán)指標。通過方差貢獻度的相關(guān)分析提取5個因子，見表2，其初始特征值的方差貢獻占比分別為23.629%、15.647%、15.115%、10.676%和8.433%，5個因子累積貢獻方差為73.5%。因此，選擇的5個因子可以作為我國金融系統(tǒng)脆弱性指數(shù)的合成指標。

為了更好地對因子進行解釋，本文利用最大方差法對原始矩陣進行正交旋轉(zhuǎn)，得到新的載荷矩陣（見表3），使每個因子上具有最高載荷的變量數(shù)最小，簡化對因子的解釋。

第一因子中影響較大的因素有銀行間同業(yè)拆借加權(quán)平均利率、5年期和1年期國債利差兩個因素，反映的是金融市場資金供需狀況和流動性情況，因此可將第一因子命名為“金融市場資金流動性因子”;第二因子在外匯儲備增長率、人民幣實際有效匯率指數(shù)、財政赤字率和1年期貸款利率4個指標上具有較大的因子載荷量，這4個指標反映的是外匯和財政方面的因素，因此可將第二因子命名為“外匯及財政因子”;第三因子中影響較大的因素是經(jīng)常項目差額和滬深300指數(shù)歷史波動率，反映的是企業(yè)投資融資情況，從微觀視角反映出金融系統(tǒng)的發(fā)展狀況;第四因子中具有較大載荷量的因素是GDP同比增長率和CPI同比增長率，二者反映的是宏觀經(jīng)濟發(fā)展情況和國內(nèi)通脹情況，可見經(jīng)濟基本穩(wěn)定對于金融穩(wěn)定起到重要作用;第五因子中房屋價格指數(shù)和M2同比增長率具有較大的載荷量，二者反映我國貨幣政策的影響，因此將第五因子命名為“貨幣因子”。通過計算得出，提取的5個因子權(quán)重系數(shù)分別為

ω1=0.228、ω2=0.204、ω3=0.195、ω4=0.194、ω5=0.180。

3.金融系統(tǒng)脆弱性指數(shù)趨勢分析

我國金融系統(tǒng)脆弱性指數(shù)在2000年第一季度至2018年第三季度的變化趨勢如圖1所示。從總的觀測區(qū)間來看，我國金融系統(tǒng)的脆弱性指數(shù)呈現(xiàn)上升趨勢。圖中的發(fā)展趨勢表明，我國金融體系與發(fā)達國家的成熟市場相比尚不完善，金融創(chuàng)新及法律監(jiān)管的滯后使得我國金融系統(tǒng)抵御風(fēng)險的能力稍弱;同時我國處于經(jīng)濟轉(zhuǎn)型的關(guān)鍵時期，經(jīng)濟摩擦增多，對金融市場的運行也產(chǎn)生一定的影響。

分階段來看，2000—2005年我國金融系統(tǒng)脆弱性水平較低，但波動幅度較大。在21世紀初期，我國金融自由化的程度不深，對經(jīng)濟政策進行調(diào)整時具有時滯效應(yīng)，金融體系的構(gòu)建也尚未完善，這都對我國金融系統(tǒng)脆弱性指數(shù)波動產(chǎn)生一定的影響。2006年初我國金融系統(tǒng)脆弱性指數(shù)為47.69，隨后出現(xiàn)波動上升的趨勢，直到2006年底脆弱性指數(shù)為74.55。首先，從我國金融經(jīng)濟發(fā)展情況來看，2006年初我國經(jīng)濟情況良好，經(jīng)濟增長率較高，金融運行較為平穩(wěn)，因此金融系統(tǒng)脆弱性指數(shù)較低;其次，大量資金進入房地產(chǎn)市場和股市致使資產(chǎn)價格出現(xiàn)波動，我國金融系統(tǒng)內(nèi)部風(fēng)險水平上升，脆弱性指數(shù)在2006年底達到73.52。2008年，我國多家金融機構(gòu)海外投資風(fēng)險上升，其風(fēng)險傳導(dǎo)至國內(nèi)，導(dǎo)致我國金融系統(tǒng)脆弱性指數(shù)達到69.99。雖然次貸危機對我國經(jīng)濟造成一定的沖擊，但經(jīng)常項目順差、人民幣對美元的匯率實行靈活浮動等因素，使得我國在次貸危機來臨時依然能夠?qū)鹑谙到y(tǒng)的運行進行有效控制。2014年末，我國股市波動較大，國際游資的投機行為加劇了金融體系的波動程度。因此，我國金融系統(tǒng)脆弱性指數(shù)從50.52上漲至90，達到了樣本區(qū)間的最高點。隨后，在我國政府和監(jiān)管當局的宏觀調(diào)控下，國內(nèi)經(jīng)濟狀況逐漸平穩(wěn)，金融系統(tǒng)脆弱性指數(shù)有所回落。2018年第一季度金融系統(tǒng)脆弱性指數(shù)出現(xiàn)上漲趨勢，但是我國經(jīng)濟發(fā)展情況良好，加之政府出臺政策進行調(diào)整，金融系統(tǒng)的脆弱性依然處于可控范圍。

三、金融系統(tǒng)脆弱性的區(qū)制狀態(tài)分析

（一）馬爾可夫區(qū)制轉(zhuǎn)換模型

本文在構(gòu)建金融系統(tǒng)脆弱性指數(shù)的基礎(chǔ)上，進一步采用馬爾可夫區(qū)制轉(zhuǎn)換（MS?VAR）模型衡量我國金融系統(tǒng)脆弱性指數(shù)的狀態(tài)。MS?VAR模型主要有以下特點：第一，馬爾可夫區(qū)制轉(zhuǎn)換模型不需要主觀設(shè)定金融系統(tǒng)脆弱性的警戒值來判定風(fēng)險大小，也不需要預(yù)估高風(fēng)險可能出現(xiàn)的時間，從而避免了主觀因素的干擾。該模型能夠通過狀態(tài)變量在脆弱性水平之間的平滑轉(zhuǎn)換情況來確定觀測樣本所處狀態(tài)，并且利用極大似然估計模型確定脆弱性狀態(tài)的具體時間。第二，金融系統(tǒng)脆弱性狀態(tài)是一個動態(tài)變化過程，以往模型大多為靜態(tài)模型，而馬爾可夫轉(zhuǎn)換模型通過狀態(tài)轉(zhuǎn)移變量反映金融系統(tǒng)脆弱性指數(shù)的動態(tài)變換，從而更加準確地識別我國的金融風(fēng)險狀態(tài)。馬爾可夫轉(zhuǎn)換模型描述了不同狀態(tài)下變量的特征，即可觀測的時間序列向量Yt數(shù)據(jù)的產(chǎn)生過程取決于不可觀測的區(qū)制變量st：

yt-μ（st）=β1（st）[yt-1-μ（st-1）]+…+βp（st）[yt-p-μ（st-p）]+et（12）

其中，st是區(qū)制變量，取值域為{1，2，3，…，M}，etNID（0，∑st）、μ（st）、βx=1，…，p、∑st都是區(qū)制依賴于變量st所處的狀態(tài)。

μ（st）=μ1st=1μpst=M（13）

變量st服從離散時間、離散狀態(tài)的馬爾可夫鏈過程，MS模型又被稱為區(qū)制轉(zhuǎn)換（Regime Switching，RS）模型，區(qū)制轉(zhuǎn)換的概率為

pij=Prst+1=jst=i，∑Mj=1pi，j=1?i，j∈{1，2，…，M}（14）

通常會對馬爾可夫鏈過程施加遍歷性和不可約性的假設(shè)，馬爾可夫轉(zhuǎn)移矩陣為

P=p1，1…p1，MpM，1…pM，M（15）

其中，P滿足正則性約束，即pi，M=1-pi，1-…-pi，M-1，i=1，…，M。

為了保證實證結(jié)果準確有效，在建立MS?VAR模型進行分析之前，首先對我國金融系統(tǒng)脆弱性指數(shù)進行平穩(wěn)性檢驗，ADF平穩(wěn)性檢驗結(jié)果見表4?？梢钥闯觯覈鹑谙到y(tǒng)脆弱性指數(shù)的P值小于1%的臨界值，即拒絕原假設(shè)，金融系統(tǒng)脆弱性指數(shù)通過了ADF檢驗，說明指數(shù)具有平穩(wěn)性。

（二）實證結(jié)果分析

MS?VAR模型在利用EM算法進行估計的基礎(chǔ)上，通過OX?MS?VAR對模型進行求解計算。根據(jù)對數(shù)似然值（log?likelihood）、AIC、SC和HQ指標判斷選擇兩個區(qū)制和滯后一階的MSI（2）?VARX（1）模型作為最后的分析模型。實證得到兩區(qū)制的平滑概率和濾波概率如圖2所示?？梢钥闯觯瑓^(qū)制1的樣本數(shù)量與區(qū)制2大致相當，根據(jù)“P[St=j|Ω]>0.5，Ω為全樣本信息”，得到該樣本屬于j區(qū)制的判斷準則，模型的具體屬性和特征分布結(jié)果見表5。

結(jié)合圖2和表5結(jié)果，將我國金融系統(tǒng)脆弱性指數(shù)劃分為兩個區(qū)制，區(qū)制1的樣本數(shù)量為30.3，出現(xiàn)的頻率為0.3103，而與區(qū)制1相比，區(qū)制2的樣本數(shù)量為42.7，頻率卻達到了0.6897，是區(qū)制1的兩倍多;區(qū)制2的平均持續(xù)期比區(qū)制1要長，區(qū)制2的區(qū)制轉(zhuǎn)移概率為0.9672，也要高于區(qū)制1的區(qū)制轉(zhuǎn)移概率。這說明我國金融系統(tǒng)脆弱性指數(shù)處于區(qū)制2中的時間更多，且在區(qū)制2時的狀態(tài)更穩(wěn)定，不易轉(zhuǎn)移至區(qū)制1中。通過對兩區(qū)制數(shù)據(jù)的描述性統(tǒng)計可知，區(qū)制1的樣本均值為42.94，標準差為15.86，均低于區(qū)制2的樣本均值52.76和標準差17.75，因此區(qū)制1為“低脆弱性”區(qū)制、區(qū)制2為“高脆弱性”區(qū)制。下面結(jié)合我國實際經(jīng)濟情況對兩區(qū)制進行時段分析。

1.“低脆弱性”時段分析

2000年第三季度至2006年第二季度：由實證結(jié)果可知，該階段我國金融系統(tǒng)脆弱性的區(qū)制轉(zhuǎn)移概率為0.9652，表明金融處于低脆弱性狀態(tài)且較為穩(wěn)定，不易向高脆弱性區(qū)制轉(zhuǎn)移。整體來看，我國金融體系發(fā)展情況良好，金融系統(tǒng)脆弱性水平處于較低狀態(tài)。首先，隨著我國經(jīng)濟的不斷增長，我國金融機構(gòu)快速發(fā)展，金融體系管理也逐步規(guī)范，整體上形成了多層次、分工明確的金融組織體系;其次，2002年我國加入世界貿(mào)易組織，提振了國內(nèi)外投資者對中國的信心，也提高了我國在世界經(jīng)濟當中的地位。2003年我國GDP總量達到102398萬億元，比上年增長8%，經(jīng)濟運行呈現(xiàn)良好勢頭;同時，信托業(yè)清理整頓在同年宣布結(jié)束，降低了信托行業(yè)的風(fēng)險程度，使得整個金融市場更加完善。因此，我國金融系統(tǒng)脆弱性在該階段處于較低水平，逐漸完善的金融體系和市場也使得低脆弱性狀態(tài)能夠保持穩(wěn)定。

2008年第四季度至2010年第二季度：該階段雖然受到國際金融危機的影響，我國出現(xiàn)一定程度的經(jīng)濟波動，但是我國政府及時采取了經(jīng)濟調(diào)整措施，并且對金融體系進行了嚴格監(jiān)管，使我國金融系統(tǒng)脆弱性指數(shù)波動處于可控范圍內(nèi)。2009年，我國金融市場總體運行平穩(wěn)，雖然資產(chǎn)價格出現(xiàn)一定程度的上漲，但是國家出臺相關(guān)政策進行了有效控制，債券市場和金融體系也進一步完善，固定資產(chǎn)投資結(jié)構(gòu)得到了進一步優(yōu)化，這都為投融資提供了良好的環(huán)境，也促使我國金融系統(tǒng)平穩(wěn)運行。該階段的區(qū)制轉(zhuǎn)移概率達到了0.8512，說明我國金融系統(tǒng)脆弱性狀態(tài)雖然受到經(jīng)濟危機影響，轉(zhuǎn)移概率與該區(qū)制其他時間段相比稍有下降，但低脆弱性狀態(tài)依然較為穩(wěn)定。

2.“高脆弱性”時段分析

2006年第三季度至2008年第三季度：2006年我國股市出現(xiàn)較大幅度的資產(chǎn)價格波動，對我國股市的正常運行造成一定影響，金融系統(tǒng)脆弱性水平也有所提高。2007年我國房地產(chǎn)價格出現(xiàn)較大幅度的上漲，吸引大量的資金涌入房地產(chǎn)市場，資金在股市和房地產(chǎn)市場的集聚提高了風(fēng)險水平，導(dǎo)致我國金融體系的脆弱性升高。受美國2008年金融危機爆發(fā)影響，我國多家金融機構(gòu)在海外投資的風(fēng)險水平上升，投資風(fēng)險由資金路徑傳導(dǎo)至國內(nèi)金融系統(tǒng)并對我國金融系統(tǒng)造成了一定沖擊;同時，由于發(fā)達國家受金融危機的影響，我國出口行業(yè)出現(xiàn)了下滑。在國際經(jīng)濟形勢變化和國內(nèi)資產(chǎn)價格波動等因素的影響下，我國金融系統(tǒng)脆弱性水平轉(zhuǎn)移至高脆弱性區(qū)制當中。由實證結(jié)果可知，該階段區(qū)制轉(zhuǎn)移概率為0.9112，金融系統(tǒng)脆弱性狀態(tài)比較穩(wěn)定，想要降低脆弱性水平、改變脆弱性狀態(tài)具有一定挑戰(zhàn)性。

2010年第三季度至2018年第三季度：2011年我國通貨膨脹水平升高，全年CPI約為3.9%;流動性仍然面臨過剩的局面，信貸規(guī)模在7.5萬億元左右，通貨膨脹帶來的壓力在一定程度上增大了金融系統(tǒng)的脆弱性。受美國經(jīng)濟復(fù)蘇的影響，國際游資受到其吸引進而從中國轉(zhuǎn)投向美國并造成我國流動性壓力升高;美聯(lián)儲釋放退出量化寬松政策（QE）信號，導(dǎo)致投資者縮減資產(chǎn)投資規(guī)模進而股市和大宗商品價格出現(xiàn)波動。我國市場受國際經(jīng)濟影響市場資金出現(xiàn)暫時性短缺，從而導(dǎo)致流動性風(fēng)險出現(xiàn)小幅上升，金融系統(tǒng)脆弱性也出現(xiàn)上升趨勢。2015年股票市場價格漲幅較為劇烈，吸引部分投機者投入資金，影響了股票市場的正常運行。由于股票價格在投機者影響下已經(jīng)高于實際價值，我國政府出臺相關(guān)政策進行市場調(diào)整，投機者和國際游資大量收回資金，造成股票價格出現(xiàn)較大幅度的波動，對我國金融系統(tǒng)造成一定程度的沖擊。2018年第一季度，我國對外貿(mào)易出現(xiàn)摩擦，對我國出口行業(yè)的效益造成一定程度的影響，使得我國金融系統(tǒng)的脆弱性出現(xiàn)上升趨勢。在該階段，我國金融系統(tǒng)脆弱性的區(qū)制轉(zhuǎn)移概率高達0.9886，表明當前金融系統(tǒng)脆弱性的狀態(tài)有較大可能維持在高脆弱性區(qū)制中，我國應(yīng)當加強對金融體系的監(jiān)管，時刻防范金融風(fēng)險的發(fā)生。

四、結(jié)論及政策建議

本文在借鑒國內(nèi)外研究成果的基礎(chǔ)上，構(gòu)建了我國金融系統(tǒng)脆弱性指數(shù)度量模型，并利用馬爾可夫區(qū)制轉(zhuǎn)換模型將金融系統(tǒng)脆弱性指數(shù)劃分為“低脆弱性”和“高脆弱性”兩個區(qū)制，進而對我國在兩個區(qū)制內(nèi)不同時段的金融系統(tǒng)脆弱性進行了詳細的分析。通過本文的研究和分析得到了以下結(jié)論：從總體趨勢來看，金融系統(tǒng)脆弱性波動幅度比較大，且從整體的樣本區(qū)間來看呈現(xiàn)波動上升的趨勢;從各個具體時段的區(qū)制分析來看，我國在“低脆弱性”區(qū)制的時間要少于“高脆弱性”，這表明我國的金融系統(tǒng)脆弱性程度較高且“高脆弱性”區(qū)制的轉(zhuǎn)移概率較高。

結(jié)合上述研究結(jié)論和我國經(jīng)濟現(xiàn)實，本文對我國金融發(fā)展提出以下政策建議：第一，目前我國金融系統(tǒng)脆弱性呈現(xiàn)上升趨勢，因而優(yōu)化金融結(jié)構(gòu)就顯得尤為重要。我國需要將以前粗放式的金融增長轉(zhuǎn)變?yōu)樽⒅刭|(zhì)量和效率的高效金融增長，完善金融組織體系，加強金融功能細化和分層，增加多種融資渠道和資產(chǎn)配置方式，切實分散金融系統(tǒng)的風(fēng)險，維持系統(tǒng)性金融風(fēng)險在一個安全可控的狀態(tài)。第二，當前金融系統(tǒng)脆弱性的狀態(tài)有較大可能維持在高脆弱性區(qū)制中，“高脆弱性”區(qū)制的轉(zhuǎn)移概率較高，所以一方面要完善金融機構(gòu)風(fēng)險控制和風(fēng)險指標體系，包括建立健全各類風(fēng)險補償制度、管理制度和責(zé)任制度等，降低系統(tǒng)性金融風(fēng)險，另一方面要加大對金融產(chǎn)品、組織和制度的監(jiān)管力度，加強金融機構(gòu)的外部約束和對各類金融機構(gòu)的管理。

參考文獻：

[1]?黃金老. 論金融脆弱性[J]. 金融研究， 2001（3）： 4149.

[2]?王波， 郭書東. 基于負向投入產(chǎn)出的我國區(qū)域金融脆弱性判斷與測度[J]. 金融與經(jīng)濟， 2015（4）： 1822.

[3]?Barth J R， Gerard C J， Levine R. Banking systems around the globe： Do regulation and ownership affect performance and stability？[R]. The World Bank Working Paper， 2000.

[4]?Gorton G， Metrick A. Securitized banking and the run on repo[J]. Journal of Financial Economics， 2012， 104（3）： 425451.

[5]?Krishnamurthy A， Vissing?Jorgensen A. The aggregate demand of treasure debt[J]. Journal of Political Economy， 2012， 120（2）： 233267.

[6]?Brunnermeier M， Oehmke M. The maturity rat race[J]. Journal of Finance， 2013， 68（2）： 483521.

[7]?Dieter G， Hans E R. Asset price misalignments and the role of money and credit[J]. International Finance， 2010， 13（3）： 377407.

[8]?Alessi L， Detken C. Quasi real time early warning indicators for costly asset price boom/bust cycles： A role for global liquidity[J]. European Journal of Political Economy， 2011， 27（3）： 520533.

[9]?Bokhari S， Geltner D. Loss aversion and anchoring in commercial real estate pricing： Empirical evidence and price index implications[J]. Real Estate Economics， 2011， 39（4）： 635670.

[10]Pedro G. What drives housing dynamics in China？ A sign restrictions VAR approach[J]. Journal of Macroeconomics， 2015， 46（4）： 96112.

[11]Gerdesmeier D， Reimers H， Roffia B. Early warning indicators for asset price booms[J]. Review of Economic and Finance， 2011， 1（3）： 119.

[12]Acharya V， Engle R， Richardson M. Capital shortfall： A new approach to ranking and regulating systemic risks[J]. American Economic Review， 2012， 102（3）： 5964.

[13]Brownless C， Engle F. SRISK： A conditional capital shortfall measure of systemic risk[J]. The Review of Financial Studies， 2017， 30（1）： 4879.

[14]陳雨露， 馬勇. 金融體系結(jié)構(gòu)、金融效率與金融穩(wěn)定[J]. 金融監(jiān)管研究， 2013（5）： 121.

[15]高國華， 潘英麗. 基于動態(tài)相關(guān)性的我國銀行系統(tǒng)性風(fēng)險度量研究[J]. 管理評論， 2013（1）： 915.

[16]劉衛(wèi)江. 中國銀行體系脆弱性問題的實證研究[J]. 管理世界， 2002（7）： 310.

[17]唐建偉. 資產(chǎn)價格波動與銀行系統(tǒng)穩(wěn)定[J]. 廣東金融學(xué)院學(xué)報， 2006（4）： 3342.

[18]王書斌， 王雅俊. 銀行系統(tǒng)性風(fēng)險傳染機制的研究與實證——基于資產(chǎn)價格波動視角[J]. 金融與經(jīng)濟， 2010（7）： 69.

[19]陶玲， 朱迎. 系統(tǒng)性金融風(fēng)險的監(jiān)測和度量——基于中國金融體系的研究[J]. 金融研究， 2016（6）： 1836.

[20]李政， 梁琪， 方意. 中國金融部門間系統(tǒng)性風(fēng)險溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標的實現(xiàn)與優(yōu)化[J]. 金融研究， 2019（2）： 4058.

[本刊相關(guān)文獻鏈接]

[1]任曉猛，張一林.最優(yōu)金融結(jié)構(gòu)與經(jīng)濟發(fā)展：一種新的度量方法與應(yīng)用[J].當代經(jīng)濟科學(xué)，2019（5）：110.

[2]沈麗，張影，李文君.我國區(qū)域金融風(fēng)險的空間傳染路徑研究[J].當代經(jīng)濟科學(xué)，2019（5）：6273.

[3]黃昱然，盧志強，李志斌.地方政府債務(wù)與區(qū)域金融差異的經(jīng)濟增長效應(yīng)研究——基于非線性面板平滑轉(zhuǎn)換回歸PSTR模型[J].當代經(jīng)濟科學(xué)，2018（3）：112.

[4]聶富強，周玉琴.基于行業(yè)融資結(jié)構(gòu)協(xié)調(diào)的我國金融安全狀態(tài)評估[J].當代經(jīng)濟科學(xué)，2017（2）：5361.

責(zé)任編輯、校對： 高原

The Financial System Vulnerability Index Construction and Regimes Analysis in China

GUO Na?1，2， SHEN Lin?3， ZHANG Ning?1

（1. School of Finance， Tianjin University of Finance and Economics， Tianjin 300222， China;

2. Laboratory for Fintech and Risk Management， Tianjin University of Finance and Economics， Tianjin 300222， China;

3. Shanghai Head Office， The Peoples Bank of China， Shanghai 200120， China）

Abstract：This paper firstly constructs the financial system vulnerability index system and analyzes the trend of the financial system vulnerability index by factor analysis method. Then， using Markov Zone System Conversion Model to conduct detailed and specific regime analysis to identify changes in the state of financial system vulnerability. The empirical results show that the overall vulnerability of Chinas financial system presents an upward trend and a large fluctuation in the sample study interval but after 14 years， the vulnerability index declines and is under control. China spends less time in the system of “l(fā)ow vulnerability” than in the system of “high vulnerability” and the probability of transferring to the system of “high vulnerability” is high， so the financial system is easy to generate the risk of vulnerability aggregation. The conclusion of this paper has important policy implications for preventing and resolving systemic financial risks and maintaining macroeconomic stability in China.

Keywords：Financial system vulnerability; Financial structure; Regimes; Regimes switching model