國(guó)際金融危機(jī)預(yù)警方法綜述

摘 要：2008年由美國(guó)次貸危機(jī)引發(fā)的全球性金融危機(jī)對(duì)世界各國(guó)經(jīng)濟(jì)產(chǎn)生了深遠(yuǎn)的影響，關(guān)于金融危機(jī)的研究又一次稱(chēng)為熱點(diǎn)。由于這次危機(jī)的波及范圍之廣、影響程度之深是人們始料未及的，因此關(guān)于金融危機(jī)的預(yù)警方法的研究更是備受關(guān)注。對(duì)20世紀(jì)90年代以來(lái)的一些金融危機(jī)預(yù)警方法進(jìn)行了綜述，并對(duì)這些方法的效果進(jìn)行了簡(jiǎn)單的評(píng)價(jià)。

關(guān)鍵詞：金融危機(jī)；預(yù)警；綜述

中圖分類(lèi)號(hào)：F830.99 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2012）13-0085-02

引言

20世紀(jì)90年代初伴隨著金融危機(jī)頻繁的爆發(fā)關(guān)于金融危機(jī)預(yù)警方法的理論與實(shí)證研究不斷涌現(xiàn)。Abiad（2003）將金融危機(jī)預(yù)警方法以1997年為界分為1997年前的經(jīng)典預(yù)警方法和1997年后的預(yù)警方法的新發(fā)展。1997年前的經(jīng)典預(yù)警方法主要包括：劉遵義（1995）的主觀概率法；Frankel和Rose（1996）的概率單位模型（probit model）；Sachs、Tornell和Velasco（1996）的截面回歸模型；Kaminsky、Lizondo和Reinhart（1997，1999）的“信號(hào)方法”（signal approach）。這些方法之所以稱(chēng)為“經(jīng)典”不僅僅是因?yàn)檫@些方法出現(xiàn)的較早，更重要的是即使到目前為止這些方法仍然是一些研究機(jī)構(gòu)或政府部門(mén)進(jìn)行金融危機(jī)預(yù)警的主要方法，例如國(guó)際貨幣基金組織的金融危機(jī)早期預(yù)警系統(tǒng)DCSD模型就是在概率單位方法和信號(hào)方法的基礎(chǔ)上發(fā)展來(lái)的。1997年后的預(yù)警方法主要包括：Nag和Mitra（1999）的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型；Kumar、Moorthy和Perraudin（2003）的Simple Logit模型；Abiad（2003）的Markov-Switching方法。

一、經(jīng)典的金融危機(jī)預(yù)警方法

1.主觀概率法。劉遵義（1995）在聯(lián)合國(guó)世界經(jīng)濟(jì)秋季年會(huì)上作了題為《下一個(gè)墨西哥在東亞嗎？》的報(bào)告，這使之成功地預(yù)測(cè)到了亞洲金融危機(jī)的發(fā)生，這也是危機(jī)事前預(yù)測(cè)最成功的典范。首先報(bào)告中選擇了9個(gè)亞洲國(guó)家和地區(qū)（中國(guó)、中國(guó)香港、印度尼西亞、韓國(guó)、馬來(lái)西亞、菲律賓、新加坡、中國(guó)臺(tái)灣和泰國(guó)）以及已經(jīng)爆發(fā)危機(jī)的墨西哥。其次報(bào)告選擇了10項(xiàng)指標(biāo)進(jìn)行研究。最后以墨西哥為參照對(duì)各國(guó)的10項(xiàng)指標(biāo)分別進(jìn)行評(píng)價(jià)，表現(xiàn)好記為“√”，表現(xiàn)差記為“×”，并以“一國(guó)表現(xiàn)較差的指標(biāo)個(gè)數(shù)/總指標(biāo)個(gè)數(shù)”作為該國(guó)發(fā)生危機(jī)的主觀概率。這一方法簡(jiǎn)單直觀、易于操作，但研究中以墨西哥危機(jī)為參照引起了人們的質(zhì)疑，因?yàn)閬喼藿鹑谖C(jī)與墨西哥危機(jī)存在著很多不同之處。因此一些關(guān)于危機(jī)預(yù)警的綜述中并不包含這一方法，但筆者認(rèn)為就這一方法事前預(yù)測(cè)效果而言是其他一些預(yù)警模型所遠(yuǎn)沒(méi)有達(dá)到的，因此不應(yīng)忽略此方法在危機(jī)預(yù)警中的重要位置。

2.FR概率單位方法。Frankel和Rose（1996）將離散選擇模型引入危機(jī)預(yù)警研究，以105個(gè)發(fā)展中國(guó)家1971—1992年的季度數(shù)據(jù)建立了二元Probit模型（離散選擇模型中的一類(lèi)）。在這一模型中因變量為危機(jī)變量Y，是一個(gè)離散的而非連續(xù)的變量，當(dāng)危機(jī)發(fā)生時(shí)取1，當(dāng)危機(jī)未發(fā)生時(shí)取0。Berg和Pattillo（1998）對(duì)FR模型的預(yù)測(cè)效果進(jìn)行了檢驗(yàn)，他們發(fā)現(xiàn)模型樣本內(nèi)預(yù)測(cè)效果并不理想。Bussiere和Fratzscher（2002）從兩個(gè)方面對(duì)FR模型進(jìn)行了改進(jìn)。FR模型經(jīng)過(guò)不斷的改進(jìn)已經(jīng)成為應(yīng)用最廣泛的危機(jī)預(yù)警方法之一，而這一方法也被推廣到了企業(yè)的財(cái)務(wù)危機(jī)預(yù)警以及銀行流動(dòng)性危機(jī)預(yù)警等方面。但它也存在一些缺陷，影響了其預(yù)測(cè)效果。首先“多重估計(jì)”的存在增加了模型預(yù)測(cè)誤差；其次在危機(jī)定義和指標(biāo)選擇等方面沒(méi)有考慮國(guó)別差異。

3.STV截面回歸模型。Sachs、Tomell和Velasco（1996）利用20個(gè)新興市場(chǎng)國(guó)家的數(shù)據(jù)建立了STV截面回歸模型。雖然這一方法不能預(yù)測(cè)危機(jī)發(fā)生的時(shí)機(jī)，但它能夠有效的判斷哪些國(guó)家受到危機(jī)的影響較大。模型的被解釋變量為危機(jī)指數(shù)（IND），它等于外匯儲(chǔ)備下降百分比和匯率貶值百分比的加權(quán)平均。解釋變量分別為：實(shí)際匯率貶值幅度（RER）、信貸繁榮度（LB）、外匯儲(chǔ)備虛擬變量（DLR）、基本面虛擬變量（DWF），則STV模型可以用如下公式表示：

IND=β1+β2RER+β3LB+β4RER·DLR+β5LB·DLR+β6RER·DWF+β7LB·DWF （1）

其中，信貸繁榮度用私人貸款增長(zhǎng)率表示；當(dāng)儲(chǔ)備/M2處于低四分位中時(shí)，DLR值為1，其他為0；當(dāng)RER處于低四分位中或LB處在高四分位中時(shí)，DWF值為1，其他為0。

STV模型應(yīng)用最大的制約就是樣本的選擇，估計(jì)模型必須有一組相似的危機(jī)國(guó)家的數(shù)據(jù)，而在現(xiàn)實(shí)中這是相當(dāng)困難的。另外，就模型本身而言也存在一些不足，主要體現(xiàn)在解釋變量較少、危機(jī)指數(shù)定義不全面、模型線性假設(shè)是否成立等。

4.KLR信號(hào)方法。Kaminsky、Lizondo和Reinhard（1997）建立的信號(hào)方法是目前最具影響力的危機(jī)預(yù)警方法，Kaminsky（1999）又對(duì)這一模型進(jìn)行了完善。信號(hào)方法的基本思路為：首先根據(jù)已有的危機(jī)理論選擇可能的預(yù)警指標(biāo)；其次根據(jù)指標(biāo)的歷史數(shù)據(jù)判斷指標(biāo)的預(yù)測(cè)能力極其“閥值”。最后利用這些危機(jī)先行指標(biāo)發(fā)出的信號(hào)合成危機(jī)指數(shù)。Kaminsky、Lizondo和Reinhard（1997）通過(guò)對(duì)25篇關(guān)于危機(jī)研究的匯總選擇了15個(gè)貨幣危機(jī)先行指標(biāo)進(jìn)行研究。假設(shè)每個(gè)指標(biāo)都存在一個(gè)“閥值”，當(dāng)該指標(biāo)在某月超過(guò)這一閥值時(shí)就認(rèn)為發(fā)出了危機(jī)信號(hào)，即該指標(biāo)預(yù)測(cè)未來(lái)24個(gè)月會(huì)發(fā)生危機(jī)。如果24個(gè)月內(nèi)確實(shí)發(fā)生了危機(jī)，則該指標(biāo)發(fā)出了一個(gè)好信號(hào)；如果24個(gè)月內(nèi)沒(méi)有發(fā)生危機(jī)，則該指標(biāo)發(fā)出了一個(gè)壞信號(hào)或噪音。根據(jù)“噪音—信號(hào)比”指標(biāo)，使這一指標(biāo)達(dá)到最小就可求出“閥值”的具體水平。Berg和Pattillo（1998）利用亞洲金融危機(jī)數(shù)據(jù)進(jìn)行實(shí)證分析，檢驗(yàn)了FR、STV和KLR三種方法的預(yù)測(cè)能力，結(jié)果發(fā)現(xiàn)FR概率單位法預(yù)測(cè)效果最不理想、STV截面回歸其次、KLR信號(hào)方法預(yù)測(cè)效果相對(duì)較好。但信號(hào)方法也存在不足，主要體現(xiàn)在兩個(gè)方面：首先信號(hào)方法不能預(yù)測(cè)危機(jī)發(fā)生的時(shí)機(jī)；其次信號(hào)方法在指標(biāo)選擇上有一定的傾向性。

二、金融危機(jī)預(yù)警方法的新發(fā)展

1.ANN人工神經(jīng)網(wǎng)絡(luò)模型。Nag和Mitra（1999）提出利用人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）模型建立貨幣危機(jī)預(yù)警系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)模型是一種模仿生物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并行信息處理的數(shù)學(xué)模型，是近幾年發(fā)展較快的人工智能領(lǐng)域的重要研究成果。模型由多個(gè)神經(jīng)元組成，網(wǎng)絡(luò)單元的輸入輸出特性以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)都決定了模型信息處理功能。Nag和Mitra（1999）以印度尼西亞、馬來(lái)西亞和泰國(guó)1980—1998年的月度數(shù)據(jù)為樣本建立了基于人工神經(jīng)網(wǎng)絡(luò)的貨幣危機(jī)預(yù)警模型，并將其結(jié)果與KLR信號(hào)方法進(jìn)行了比較。ANN模型的優(yōu)勢(shì)在于其富有彈性的樣本以及允許變量間存在復(fù)雜的相互影響，但這一方法也存在不足。首先由于大量的變量和神經(jīng)層的存在模型會(huì)過(guò)度擬合。其次是ANN的先天缺陷——黑箱，即模型不能估計(jì)參數(shù)因此指標(biāo)的具體表現(xiàn)也不得而知。

2.Simple Logit模型。Kumar、Moorthy和Perraudin（2003）提出了基于滯后宏觀經(jīng)濟(jì)和金融數(shù)據(jù)的Simple Logit危機(jī)預(yù)警模型。這一模型最主要的特點(diǎn)就在于其對(duì)危機(jī)的定義，主要考慮利率調(diào)整引起的匯率大幅度貶值，而傳統(tǒng)的方式是利用外匯市場(chǎng)壓力指數(shù)進(jìn)行危機(jī)定義。模型中為定義危機(jī)建立了兩個(gè)模型，即未預(yù)期的貶值沖擊（unanticipated depreciation crash）和總貶值沖擊（total depreciation crashes）。模型中還引入了滯后宏觀經(jīng)濟(jì)變量和金融變量，通過(guò)對(duì)32個(gè)國(guó)家1985—1999年的月度數(shù)據(jù)進(jìn)行的實(shí)證分析模型得到了樣本外估計(jì)結(jié)果。結(jié)果顯示，外匯儲(chǔ)備和出口的下降以及實(shí)際經(jīng)濟(jì)的虛弱是引發(fā)危機(jī)的主要原因，另外危機(jī)的傳染性對(duì)于危機(jī)的發(fā)生也非常重要。模型對(duì)于1994年墨西哥危機(jī)、1997年亞洲金融危機(jī)、1998年俄羅斯危機(jī)以及1999年巴西危機(jī)的預(yù)測(cè)結(jié)果比較理想。雖然Simple Logit模型取得了較好的樣本外預(yù)測(cè)效果，但模型只用利率、匯率等幾個(gè)主要的經(jīng)濟(jì)指標(biāo)定義貨幣危機(jī)并進(jìn)行預(yù)警，模型中并沒(méi)有考慮外債等其他因素對(duì)危機(jī)的影響。

3.Markov-Switching體制轉(zhuǎn)換方法。馬爾可夫體制轉(zhuǎn)換方法（Markov-Switching Approach）是體制轉(zhuǎn)換模型中最常見(jiàn)的一種類(lèi)型方法。該方法認(rèn)為時(shí)間序列發(fā)生體制轉(zhuǎn)移的實(shí)質(zhì)是該變量各個(gè)狀態(tài)的概率分布發(fā)生了變化，按照變量在體制轉(zhuǎn)換過(guò)程中概率是否變化該模型可分為固定概率體制轉(zhuǎn)換模型和變動(dòng)概率體制轉(zhuǎn)換模型。Abiad（2003）選擇了22個(gè)危機(jī)預(yù)警指標(biāo)，利用變動(dòng)概率體制轉(zhuǎn)換模型對(duì)五個(gè)亞洲國(guó)家1972—1999年的月度數(shù)據(jù)進(jìn)行了研究。其實(shí)證結(jié)果顯示，如果以50%為臨界值模型成功預(yù)測(cè)了樣本中65%的危機(jī)和89%的平靜期。Arias和Erlandsson（2004）在估計(jì)方法上對(duì)模型進(jìn)行了改進(jìn)，利用1989—2002年的月度數(shù)據(jù)對(duì)六個(gè)亞洲國(guó)家（加入新加坡）進(jìn)行了研究。如果以40%為臨界值，模型成功預(yù)測(cè)了樣本中71%的危機(jī)和90%的平靜期。雖然馬爾可夫體制轉(zhuǎn)換模型樣本內(nèi)預(yù)測(cè)效果比較理想，但不足仍然存在。首先“不轉(zhuǎn)移”這個(gè)零假設(shè)在實(shí)際檢驗(yàn)中比較難操作。其次似然面（likelihood surface）可能有多個(gè)局部最優(yōu)解。

結(jié)論

本文對(duì)目前主要的幾種國(guó)際金融危機(jī)預(yù)警方法進(jìn)行了綜述，而除了以上這些方法外，“后1997時(shí)期”在金融危機(jī)預(yù)警方面還有很多其他方法，如Collins（2001）潛在變量閥值模型、Blejer和Schumacher（1998）在險(xiǎn)價(jià)值（Value-at-Risk）方法、Zhang（2001）自回歸條件異方差（ARCH）模型、Ghosh（2002）二叉樹(shù)模型等。中國(guó)學(xué)者也運(yùn)用這些方法對(duì)金融危機(jī)預(yù)警進(jìn)行了實(shí)證研究，但學(xué)者們對(duì)各種預(yù)警方法的預(yù)測(cè)效果仍然存在分歧，各種方法都有優(yōu)勢(shì)也都存在不足，對(duì)于不同危機(jī)預(yù)警方法的效果也不一致。

參考文獻(xiàn)：

[1] Abiad，Abdul.Early-Warning Systems: A Survey and a Regime-Switching Approach[R].IMF Working Paper，2003， WP/03/32.

[2] Kaminsky，Graciela，Lizondo Saul，and Reinhart Carmen M.Leading Indicatiors of Currency Crises[J].IMF Working Paper， 1997， WP/97/79.

[3] 亞洲開(kāi)發(fā)銀行.金融危機(jī)早期預(yù)警系統(tǒng)及其在東亞地區(qū)的運(yùn)用[M].北京:中國(guó)金融出版社，2006.

[責(zé)任編輯 陳麗敏]