金融風(fēng)險早期預(yù)警體系研究：國外理論文獻(xiàn)綜述

宋瑩

摘 ? 要：2008年國際金融危機爆發(fā)以來，世界各國的經(jīng)驗表明，構(gòu)建對金融體系的風(fēng)險預(yù)警機制是必要且可行的。本文對國外金融風(fēng)險早期預(yù)警體系的既有研究成果進(jìn)行了梳理，以期為我國構(gòu)建風(fēng)險早期預(yù)警體系提供一些經(jīng)驗借鑒。

關(guān)鍵詞：金融危機;風(fēng)險早期預(yù)警體系;信號法;神經(jīng)網(wǎng)絡(luò)

中圖分類號：F830.31 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：B ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-0017-2015（2）-0083-04

一、引言

自1825年第一次爆發(fā)金融危機以來，頻繁發(fā)生且愈演愈烈的金融危機對世界經(jīng)濟(jì)造成了諸多破壞性影響。據(jù)IMF統(tǒng)計，1980-1995年期間大約有65個發(fā)展中國家發(fā)生過銀行業(yè)1危機，而公共部門用于處置銀行業(yè)危機的成本約為2500億美元。在至少12起的危機事件中，公共部門的處置成本約占到該國GDP的10%以上。1997年的東南亞金融危機中，泰國和韓國的銀行重組成本高達(dá)GDP的30%，印度尼西亞和馬來西亞則為20%。隨著全球經(jīng)濟(jì)金融一體化的深入和金融業(yè)務(wù)與工具的創(chuàng)新，金融危機的影響范圍和程度也較以往大幅延伸。2008年的國際金融危機導(dǎo)致全球金融市場動蕩加劇，世界主要經(jīng)濟(jì)體至今尚未從危機的泥潭中擺脫出來。據(jù)不完全統(tǒng)計，2008年全球金融危機給世界經(jīng)濟(jì)造成的直接損失約為35萬億美元。

除巨大的經(jīng)濟(jì)損失，銀行危機也導(dǎo)致全球經(jīng)濟(jì)的嚴(yán)重衰退，阻止國民財富向最具生產(chǎn)效率部門的配置，限制了各國貨幣政策運作的空間，增加了貨幣危機發(fā)生的概率2。IMF（1998年）調(diào)查發(fā)現(xiàn)，在作為分析的31個發(fā)展中國家樣本中，平均需要三年多的時間才能使其產(chǎn)出增長恢復(fù)至危機前水平，產(chǎn)出累計損失平均為12%。在嚴(yán)重的貨幣危機中，新興經(jīng)濟(jì)體遭受的損失平均達(dá)到實際產(chǎn)出的8%。

二、金融風(fēng)險早期預(yù)警體系理論綜述

正因為金融危機的影響巨大，因此各國理論界和監(jiān)管機構(gòu)均試圖建立適當(dāng)?shù)娘L(fēng)險早期預(yù)警模型對其加以預(yù)測。Edison（2003）認(rèn)為早期預(yù)警模型體系應(yīng)包括危機的準(zhǔn)確定義和對危機進(jìn)行有效預(yù)測的機制安排?？傮w上，這些分析都是針對宏觀經(jīng)濟(jì)、金融部門等宏觀審慎指標(biāo)，然后采用各種分析技術(shù)與模型，從而得出分析結(jié)果。根據(jù)所采用的方法途徑不同，國外對于早期預(yù)警模型的研究分為參數(shù)和非參數(shù)模型兩種：參數(shù)技術(shù)包括probit/logit和向量自回歸VAR模型，非參數(shù)技術(shù)則指的是主要指標(biāo)法和信號法。具體又可以分為三類：

一是指標(biāo)或信號法。通過選取宏觀經(jīng)濟(jì)與金融主要指標(biāo)（宏觀審慎指標(biāo)MPIs）作為分析變量，確定作為危機信號的閥值，并統(tǒng)計MPIs的“報警信號”的次數(shù)來預(yù)測危機發(fā)生的概率。當(dāng)與危機相關(guān)聯(lián)的指標(biāo)觸發(fā)其特定閥值時，報警信號就會產(chǎn)生。

二是采用線性回歸或受限因變量probit/logit技術(shù)。主要用于檢驗不同指標(biāo)在確定金融危機發(fā)生概率時的重要性程度和有用性，通過監(jiān)測危機發(fā)生之前指標(biāo)的行為變化來計算危機發(fā)生概率。

三是最新技術(shù)。包括使用二元遞歸樹來確定主要指標(biāo)的危機閥值，人工神經(jīng)網(wǎng)絡(luò)和基因演算法來選取最合適的指標(biāo)和馬爾科夫區(qū)制轉(zhuǎn)移模型。

（一）指標(biāo)/信號分析法

Honohan（1997）認(rèn)為，金融風(fēng)險起源主要分為宏觀經(jīng)濟(jì)事件、微觀經(jīng)濟(jì)不足和區(qū)域性危機，那么風(fēng)險預(yù)警則對應(yīng)不同的警示信號。宏觀經(jīng)濟(jì)事件導(dǎo)致的危機通常涉及內(nèi)生性的衰退與繁榮周期，微觀經(jīng)濟(jì)中能夠發(fā)生的危機通常因為風(fēng)險的過度承擔(dān)和內(nèi)部人融資，而區(qū)域性危機通常與政府主導(dǎo)下的金融體系相關(guān)。針對這三種情況，他設(shè)定了選取變量的基準(zhǔn)條件，如貸款余額、存貸比、利差收入、流動性比率、政府債務(wù)等作為分析變量。雖然其指標(biāo)分析法很大程度上取決于研究者的主管判斷，但仍被理論界和市場分析人士經(jīng)常使用。

Kaminsky和Reinhart（1999）的KLR法針對危機前的表現(xiàn)出異常行為的指標(biāo)的演變進(jìn)行分析，當(dāng)指標(biāo)超過既定閥值時，該指標(biāo)將發(fā)出信號，表明危機在未來24個月內(nèi)可能發(fā)生。變量主要包括：M2乘數(shù)、國內(nèi)信貸/GDP，真實利率、存貸比、M2/儲備、銀行存款、進(jìn)出口、貿(mào)易條件、真實匯率、股票價格等。Kaminsky（1999）提出構(gòu)建基于單個指標(biāo)基礎(chǔ)上的金融脆弱性多種合成指數(shù)方法。其中第一個指數(shù)是所有可以作為危機信號的指標(biāo)匯總;第二個合成指數(shù)通過界定單個指標(biāo)極值的第二閥值來解釋信號的嚴(yán)重程度;第三個指數(shù)旨在通過添加最新信號來表示基礎(chǔ)面情況的持續(xù)惡化，最終的合成指數(shù)是所有解釋變量根據(jù)其統(tǒng)計上重要性程度的加權(quán)平均值，合成指數(shù)的擬合概率可以作為危機概率的重要預(yù)測。

Berg和Pattillo （1999）模型對KLR模型的部分特性進(jìn)行了修訂。其構(gòu)建的合成指數(shù)在考慮了各個變量的相關(guān)性和邊際貢獻(xiàn)的基礎(chǔ)上匯總了解釋變量，可以驗證每個變量的重要性和回歸系數(shù)的穩(wěn)定性，從而消除了KLR法無法檢驗變量及合成指數(shù)對于危機預(yù)測的邊際和真實貢獻(xiàn)度。

Borio和Lowe（2002）利用信號法分析了銀行危機與資產(chǎn)價格、信貸、投資三者之間的關(guān)系，研究了資產(chǎn)價格、信貸等指標(biāo)對銀行危機的警示作用。Davis和Karim（2008）則針對105個國家的銀行危機事件，研究了102次系統(tǒng)性銀行危機事件。Christain（2008）詳細(xì)介紹了信號法在工業(yè)國家和新興市場國家銀行危機預(yù)警的應(yīng)用。

（二）受限因變量模型法（受限probit或logit回歸法）

鑒于危機的爆發(fā)是一種二元性的離散事件，因此可以運用受限回歸法（probit或logit模型）來對危機的發(fā)生進(jìn)行預(yù)測。將危機指標(biāo)作為二元性變量，通過一系列的解釋性變量來加以估算。采用logit或probit預(yù)測法，預(yù)測出的結(jié)果被限定在單元區(qū)間，并被解釋為危機發(fā)生的概率。這種方法的優(yōu)點在于可以評估每個解釋變量對于危機的貢獻(xiàn)度，并可通過數(shù)理統(tǒng)計技術(shù)進(jìn)行檢驗。

Frankel和Rose（1996）首次采用年度數(shù)據(jù)和probit模型來預(yù)測金融危機的發(fā)生。Eichengreen和Rose （1998）在分析新興經(jīng)濟(jì)體的銀行業(yè)危機時，采用了多元二項式probit來進(jìn)行預(yù)測，結(jié)果顯示國外環(huán)境變化對于發(fā)展中國家銀行業(yè)危機的重大影響，其國內(nèi)變量貢獻(xiàn)度相對較小，但是匯率的估值、國內(nèi)商業(yè)周期和外債水平非常重要，并為金融問題的產(chǎn)生創(chuàng)造了現(xiàn)實舞臺。另一方面，財政政策變量、匯率機制和結(jié)構(gòu)則作用較低。但年度數(shù)據(jù)的使用導(dǎo)致危機發(fā)生的概率的上升幾乎與危機同時發(fā)生，從而限制了概率作為銀行業(yè)危機的主要指標(biāo)的使用。

Demirgü和Detragiache （1998a， 1998b）運用多元二項式logit模型研究了發(fā)達(dá)國家與發(fā)展中國家系統(tǒng)性銀行危機的決定因素，認(rèn)為一系列的解釋變量包括：宏觀經(jīng)濟(jì)變量、金融變量和機構(gòu)發(fā)展進(jìn)步的估值等。結(jié)果顯示宏觀經(jīng)濟(jì)變量是銀行脆弱性的主要決定因素，尤其是當(dāng)通脹率和利率水平均處于高位時，隨著增長放緩，危機的概率將會增加。同時，當(dāng)存款保險機制不明確和機構(gòu)發(fā)展疲軟時，危機的概率通常較高。在其進(jìn)一步的研究中，他們將probit預(yù)測用于早期預(yù)警，并認(rèn)為閥值與三個因素相關(guān)：與閥值相關(guān)的類型1和類型2錯誤的概率、銀行業(yè)危機的無條件概率和提前采取措施預(yù)防危機發(fā)生的成本與發(fā)生危機的成本比值，并認(rèn)為不良貸款率超過10%或者銀行救助成本超過GDP的2%時，銀行危機發(fā)生。

Hardy和Pazarbasioglu （1999）采用多元多項式logit模型來預(yù)測銀行業(yè)危機，根據(jù)危機時間分別將一個離散變量定義為2（危機發(fā)生期）、1（危機發(fā)生前的一年期）和0（其他時間段），由此建立獨立于危機年度的主要變量的預(yù)測能力。當(dāng)因變量達(dá)到閥值時，銀行業(yè)危機的早期預(yù)警隨之啟動。

Hutchinson和Mc-Dill （1999）建立了多元probit模型，發(fā)現(xiàn)包括產(chǎn)出和股權(quán)價格的下降的宏觀經(jīng)濟(jì)變量與銀行業(yè)危機密切相關(guān)，而其他變量（如匯率波動、通脹、真實利率信貸增長、儲備/M2）總體上與銀行業(yè)危機的爆發(fā)無關(guān)。但體制因素（央行獨立性、顯性存款保險、道德風(fēng)險）與銀行業(yè)危機爆發(fā)的可能性密切相關(guān)。

Kamin， Schindler和Samuel （2001）、Bussiere和Fratzscher（2001）分別運用了二元多變量量化分析。Lestano、Jan Jacobs 和 Gerard H. Kuper（2003）運用因子分析和logit模型，并將因子分類作為解釋變量，采用1970年1月-2001年12月的嵌板數(shù)據(jù)，對象是6個亞洲國家的預(yù)警體系，研究發(fā)現(xiàn)貨幣增長率（M1和M2）、銀行存款、人均GDP和國民儲蓄水平、M2/外匯儲備、國內(nèi)利率水平及通脹率與銀行危機密切相關(guān)，

Bussiere和Fratzscher （2006）設(shè)計了多元logit回歸早期預(yù)警模型，對安全期、危機時期和后危機時期進(jìn)行比較分析，發(fā)現(xiàn)這種模型比二元logit模型更好地預(yù)測了新興經(jīng)濟(jì)體的金融危機。Beckmann（2007）采用20個國家的1970-1995數(shù)據(jù)，比較參數(shù)和非參數(shù)早期預(yù)警模型，發(fā)現(xiàn)參數(shù)預(yù)警模型可以更好地預(yù)測危機事件。

（三）神經(jīng)網(wǎng)絡(luò)3ANN模型

Nag和Mitra（1999）用ANN來構(gòu)建貨幣危機的早期預(yù)警體系，通過預(yù)測馬來西亞、泰國和印尼的貨幣危機來進(jìn)行檢驗，并將結(jié)果與信號法得到的結(jié)果進(jìn)行比較，認(rèn)為ANN的效果要好于KLR模型。

Kolari等（2000）提出了非參數(shù)特征識別模型TRM。他們認(rèn)為受限因變量回歸法存在兩個缺陷：無法確定哪個變量在預(yù)測銀行破產(chǎn)中最有用，結(jié)果只能反映變量在區(qū)別破產(chǎn)與非破產(chǎn)銀行的有效性;預(yù)測結(jié)果沒有就每個變量如何影響類型1和類型2錯誤給出信息;這些模型不能很好地檢驗變量間的互動。

Franck和Schmied（2003）證明了一個多層級感知器在預(yù)測貨幣危機方面優(yōu)于logit模型，尤其是能夠預(yù)測發(fā)生在俄羅斯和巴西的貨幣危機和投機沖擊。

三、金融監(jiān)管部門的早期預(yù)警體系實踐

借助這些理論，目前已有若干國家金融監(jiān)管當(dāng)局建立或正在建立危機早期預(yù)警體系的模型。根據(jù)他們對危機的預(yù)測、破產(chǎn)和破產(chǎn)時間以及預(yù)期損失模型，這些具體實踐活動可以分為：

（一）評級預(yù)測法

這種方法旨在預(yù)測金融機構(gòu)在現(xiàn)場檢查中的可能評級。該模型得以確定銀行定期報告中的一系列變量和現(xiàn)場檢查評級的歷史關(guān)系，其結(jié)果將再次被用于評級的定期檢查中。預(yù)測可以反映銀行的當(dāng)前狀況，并可以定期反映銀行狀況的惡化情況。如美聯(lián)儲的SEER評級模型和美國聯(lián)邦存款保險公司的SCOR模型。

SEER作為風(fēng)險排序的模型，可以預(yù)測兩年內(nèi)的銀行破產(chǎn)概率。該模型收集1985-1991年的橫截面和時間序列數(shù)據(jù)，用probit回歸模型來預(yù)測概率。除了每個銀行的破產(chǎn)概率，該模型還可以就風(fēng)險屬性分析得出結(jié)論，比較既定銀行的結(jié)果，與其歷史演變及與屬于同類的類似銀行進(jìn)行比較，為銀行體系的整體風(fēng)險提供了一種估量。

SCOR基于季度財務(wù)數(shù)據(jù)，運用CAMELS等級的有序?qū)?shù)模型來估計當(dāng)前CAMELS等級為1或2的銀行在未來信用等級下降的可能性。模型將上年的財務(wù)報表與當(dāng)前現(xiàn)場評級相匹配，從而估計被評估銀行未來的等級次序。若銀行當(dāng)期評定等級為1或2，則其未來降級的可能性等于分別轉(zhuǎn)變?yōu)榈燃?、4、5的概率之和，且模型將臨界值設(shè)定為30%。

美國OCC運用這種方式也設(shè)計了兩種模型，第一個估計破產(chǎn)概率和銀行在兩年后復(fù)活的概率，第二個模型（銀行測算體系Bank Calculator）運用標(biāo)準(zhǔn)化logistic回歸模型來預(yù)測破產(chǎn)概率。其解釋變量包括：來自銀行報告的金融變量，以及可以解釋銀行業(yè)務(wù)環(huán)境變化的變量，并根據(jù)風(fēng)險種類（銀行投資組合風(fēng)險、銀行狀況風(fēng)險和銀行環(huán)境風(fēng)險）進(jìn)行分類。

（二）預(yù)期損失模型

這種模型主要適用于那些銀行破產(chǎn)情況不多發(fā)，沒有足夠的數(shù)據(jù)來支撐的國家或部門。法國銀行業(yè)委員會的銀行業(yè)分析支持系統(tǒng)SAAB通過估計潛在預(yù)期損失來預(yù)測銀行的破產(chǎn)。該系統(tǒng)借助數(shù)據(jù)庫和外部評級機構(gòu)的信用等級數(shù)據(jù)，估計個人和企業(yè)貸款的違約率，然后對每一筆個人或企業(yè)貸款提取損失準(zhǔn)備金，計算未來三年的潛在損失，并將損失總額從銀行準(zhǔn)備金水平中扣除，如果調(diào)整后的準(zhǔn)備金水平仍高于其法定標(biāo)準(zhǔn)，則預(yù)期該銀行在未來三年內(nèi)可以持續(xù)經(jīng)營并免于破產(chǎn)。

（三）其他類型

國際貨幣基金組織的宏觀審慎指標(biāo)評估通過眾多指標(biāo)變量反映金融和實體經(jīng)濟(jì)體系面對沖擊的脆弱性程度，如通脹率、資產(chǎn)價格等，和微觀審慎指標(biāo)如資本充足率、資產(chǎn)質(zhì)量、商品價格風(fēng)險和主權(quán)收益率等。借助這些指標(biāo)，宏觀審慎分析可以來評估和監(jiān)測金融體系的穩(wěn)健性，對一國的經(jīng)濟(jì)或金融狀況進(jìn)行綜合評價，如機構(gòu)和監(jiān)管框架現(xiàn)狀或與國際標(biāo)準(zhǔn)的契合度等。其中，金融穩(wěn)健指數(shù)FSI主要用于定期監(jiān)測金融機構(gòu)和市場、公司和儲戶的健康與穩(wěn)健性。

英國RATE系統(tǒng)綜合地評估銀行風(fēng)險，評估每個業(yè)務(wù)部門、機構(gòu)及銀行整體框架。其中業(yè)務(wù)因素包括銀行的總體業(yè)務(wù)和外部環(huán)境。除了銀行當(dāng)前風(fēng)險，還評估下一階段風(fēng)險演變，運用綜合性評估中得到的信息和監(jiān)管部門對于市場的預(yù)測。這種方式可以識別潛在脆弱性的部門并根據(jù)每個機構(gòu)的特殊性進(jìn)行分析，同時從整體上勾畫銀行業(yè)活動的藍(lán)圖。

亞洲開發(fā)銀行的“早期預(yù)警系統(tǒng)VIEWS”（2005）以信號法為基礎(chǔ)建立了東亞地區(qū)的銀行危機預(yù)警非參數(shù)型模型。模型構(gòu)建步驟為確定歷史上危機發(fā)生的時段;選擇主要指標(biāo)如經(jīng)常賬戶、資本賬戶、金融業(yè)、財政賬戶、實體經(jīng)濟(jì)和全球經(jīng)濟(jì)等六大類;設(shè)定噪聲/信號比例最小化的百分位值即閥值;構(gòu)建綜合指數(shù)確定比較某個時期有多少個預(yù)警指標(biāo)發(fā)出了危機信號;估算以綜合指數(shù)為條件的危機概率。

四、啟示

在總結(jié)和借鑒國際經(jīng)驗的基礎(chǔ)上，建立既符合我國國情又與國際標(biāo)準(zhǔn)接軌，定量和定性相結(jié)合的金融風(fēng)險早期預(yù)警體系，在研判金融體系的風(fēng)險走勢進(jìn)行科學(xué)的同時，對高風(fēng)險金融機構(gòu)予以標(biāo)識?？删C合考慮我國宏觀經(jīng)濟(jì)狀況、金融市場運行、金融機構(gòu)風(fēng)險，選取相應(yīng)的多個層次、指導(dǎo)性強、易于操作的預(yù)警指標(biāo)，以實現(xiàn)對金融風(fēng)險的全面監(jiān)測和管理。依據(jù)國際標(biāo)準(zhǔn)已有的相關(guān)指標(biāo)設(shè)置金融風(fēng)險預(yù)警指標(biāo)的臨界值，并根據(jù)金融創(chuàng)新、金融風(fēng)險以及金融危機的發(fā)展變化特點，對各個指標(biāo)的臨界值加以修正，同時注意早期預(yù)警模型應(yīng)在兩類錯誤4間進(jìn)行權(quán)衡。

參考文獻(xiàn)

[1]Carmen Reinhart and Morris Goldstein （1998）“Assessing financial vulnerability， an early warning system for emerging

markets”， http：//mpra.ub.uni-muenchen.de/13629/.

[2]Honohan，Patrick （1997）.“Banking System Failures in Developing and Transition Countries： Diagnosis and Prediction.”

BIS WP No39.

[3]Kaminsky， Graciela and Carmen Reinhart（1999）.“The Twin Crises：The Causes of Banking and Balance-of-Payments

Problems”，American Economic Review 89（3），June 1999，P473-500.

[4]Kaminsky， Graciela L.（1999）.“Currency and Banking Crises：The Early Warnings of Distress”.

[5]Lestano， Jan Jacobs and Gerard H. Kuper（2003）.“Indicators of financial crises do work！ An early-warning system

for six Asian countries”.

The Study on the Theory on the Financial Risk Early Warning System： A Literature Review of Foreign Theories

SONG Ying

（Hefei Municipal Sub-branch PBC， Hefei Anhui 230091）

Abstract： Since the outbreak of the international financial crisis in 2008， experiences of countries around the world have shown that constructing the risk early warning mechanism of the financial system is necessary and feasible. The paper reviews the existing research results of the foreign financial risk early warning system with the purpose of providing some experiences for the construction of the risk early warning system in China.

Keywords： financial crisis; risk early warning system; signal method; neural network

責(zé)任編輯、校對：張宏亮