本文作者：楊文悅 上官發清 付秋虹 單位：中國人民銀行南昌中心支行 中國人民財產保險公司江西分公司

一、系統性金融風險的測度及預警研究現狀

（一）我國研究現狀及不足

我國對于系統性金融風險測度及預警的研究開始于20世紀80年代中期，相比國外銀行業系統性風險的研究，我國的研究比較零散，且以定性研究為主。從國內近年的研究成果可以看出，系統性金融風險測度的研究主要集中在指標法及模型法兩方面。如張維（2004）描述了不良資產水平、資本金水平等16個指標分布區值，并分五個區闡述系統性金融風險狀況[1]。沈悅和張珍（2007）、葛志強、姜全（2011）設計了危機預警指標體系，并且借鑒國際慣例、國際金融法規和一些專家意見確定了各項指標的安全區間[2-3]。高志勇（2010）運用CAPM模型對美國銀行業系統性金融風險進行了實證分析[4]。賀聰、洪昊（2011）將違約率作為一個宏觀經濟變量，采用邏輯回歸方法構建了其與其他經濟變量間的宏觀審慎管理壓力測試模型[5]。我國現有測度方法的困境及缺陷主要有以下幾點：一是過于專注復雜模型，而隨著經濟現象復雜程度的加深，模型可信度也在降低，有著嚴格假設條件和繁雜理論結構的模型往往難以準確刻畫風險的累積過程。二是受我國金融業市場化操作時間不長，缺乏如發達國家那樣完善的市場數據采集渠道的影響，國內學者較難開展針對我國實際進行的研究。三是我國現有研究對預警指標體系的選擇主要側重于國內因素，對開放條件下一些重要的外部沖擊考慮較少，且對預警指標的選擇、各層次指標權重及風險閥值的確定、風險區間的判定多借鑒國外文獻或依靠專家分析法，趨于主觀。

（二）本文研究方法及思路

本文采用指標法、因子分析及ARIMA預測相結合的方式對我國系統性金融風險進行識別、測度及預測。指標法能夠避免構建數理模型的復雜性及不穩定性；因子分析法更為客觀準確，剔除了人為取舍指標，或主觀判定指標權重等原因對綜合評價效果的影響；而ARIMA對短期預測簡便高效，能較準確地發現我國2012年金融風險狀況。

二、系統性金融風險綜合評價指標體系的構建

本文選擇來自經濟子系統、銀行子系統、國際收支子系統及泡沫風險①四個方面的共24個指標構建我國系統性金融風險綜合評價指標體系。考慮到近二十年來我國成功抵御了1997年亞洲金融危機和2008年美國次貸危機，本文選取1995—2011年這個時間段，并對四個子系統評價指標的年度基本數據進行收集與整理。數據來源為中國統計年鑒、金融統計年鑒，中經網，WIND數據庫，中國人民銀行、銀監會、外匯管理局、經濟學家網站等。

三、我國系統性金融風險的測度及預測

（一）因子分析法測度我國系統性金融風險

首先，將評價體系中指標原始數據導入SPSS16.0，進行因子分析的適用性檢驗，發現原始指標抽取公共因子后共同度全部在0.74以上，說明指標間可測量共同特質較多，所選取指標適合進行因子分析。其次，本文旨在計算金融穩定指數，綜合指數越大表明經濟金融形勢越穩定，因此本文選擇對指標進行正向化———負向指標取反，適度指標將其初值與均值的差額取反。最后，確定公共因子及計算因子得分。由公共因子方差貢獻率可知，7個因子對數據變異量累積解釋程度高達85.59%，已提取了指標體系內涵的絕大部分信息，因此可以將這前7個因子f1~f7作為我國系統性金融風險狀況的代表性因子。表2可以看到7個公共因子分別從不同方面反映了我國系統性金融風險的特征。第一因子涵蓋的信息最為豐富，主要反映了短期外債/外債總額、外債總額/外匯儲備、失業率、資本充足率、房地產貸款/貸款總額及證券化率6個方面風險，共解釋了21.38%的系統性金融風險。將SPSS輸出的7個因子f1~f7的得分按照方差貢獻率為權數加權平均可以得到因子綜合F的得分，由于原始數據已被正向化，因子綜合得分即為系統性金融穩定指數，刻畫了1995—2011年系統性金融風險的變動情況。其得分越高意味著系統性風險越小，經濟金融狀況越穩定；反之，得分越低意味著系統性風險越大，經濟金融狀況越不穩定。

（二）ARIMA法預測我國系統性金融風險

在Eviews5中對f進行一階差分剔除趨勢性因素后進行單位根檢驗，ADF檢驗統計量為-3.28，小于顯著性水平為1%的臨界值-2.73，即一階差分后的f序列式平穩的。進一步進行均值檢驗可知，一階差分后其均值也近似為零。因此，適合運用ARIMA模型對f序列進行預測。又由于f一階差分無論是自相關、偏自相關都表現出拖尾的特性，考慮用ARIMA（1，1，1）對f進行建模，模型估計AR（1）及MA（1）的系數分別為0.088、0.334。因此，模型可以寫為：ft-2.088ft-1+2.176ft-2-0.088ft-3=ut-0.334ut-1①表3為f序列的ARIMA（1，1，1）模型殘差自相關及異方差的LM②檢驗結果，可以看出殘差序列不存在自相關也不存在異方差，模型是適合的。用ARIMA（1，1，1）模型對f序列進行預測，軟件預測效果顯示協變率為0.963，接近于1，且遠大于偏差率0.009及方差率0.029，可見模型預測精度較高，模型對2012年我國金融穩定指數為0.27的預測是較為可信的。

（三）風險測度及預測的主要結果分析

1.我國系統性金融風險的動態特點。實證研究結果與我國經濟金融宏觀穩定實際狀況相吻合，綜合因子得分變化較好地擬合了現實，運用綜合評價指標體系及因子分析法構建的金融穩定指數走勢描述了遭受外部沖擊后，系統性金融風險由內向外地一個逐漸調整過程。可以看到，在本文所選取的時間段中，我國經歷了世界兩個經濟周期的波動，本文把金融穩定指數波動周期時間分為1995—2000年、2001—2007年、2008—2011年三個階段。

（1）第一階段。雖然1995—1997年由于國家整治三角債、梳理銀行歷史沉淀下來的包袱已經初現成效，金融穩定指數呈現上升，但受亞洲金融危機影響，自1997年之后金融穩定指數開始下行。1997—1999年，我國GDP增速由9.3%下滑至7.6%，通貨膨脹率在這三年中也都表現為負增長，經濟猛然轉向加速了金融穩定指數下挫，直到2000年才初顯好轉。

（2）第二階段。從2001年開始，受世界經濟進入一個新的增長周期，世界經濟轉好、加入WTO后國際貿易發展的影響，我國保持了大量貿易順差和資本項目順差，外匯儲備繼續增加，人民幣匯率市場平穩運行，我國經濟發展再次獲得良好的機遇，金融穩定指數不斷攀升，并在2003年達到頂峰。但2003年后GDP增長迅猛導致通貨膨脹率上漲過快，國內經濟過熱現象非常顯著。商業銀行在過熱經濟中審慎性降低，大量信貸投入房地產市場，房地產價格飆升又推動股市異常興旺，資產價格泡沫隨之顯現。2007年股票成交金額高達460556.22億元，股票總市值占GDP比例達到了131.1%，環比增加了3倍。在多因素作用下，金融穩定指數猛烈下降，在2007年到達低谷。