區(qū)域性系統性金融風險影響因素研究

李正輝++彭浬+謝夢園

摘要：依據我國大陸31個?。ㄊ校┘壭姓^(qū)2013年1季度至2015年3季度的面板數據，通過構建單因素、多因素、交互效應的區(qū)域性系統性金融風險面板固定效應模型，考察我國區(qū)域性系統性金融風險的影響因素，并進一步對區(qū)域性系統性金融風險影響因素進行敏感性分析。結果表明，區(qū)域性系統性金融風險具有滯后性，其不僅受生產者價格指數的影響最大，且對生產者價格指數的敏感度最高，金融市場預期對金融結構具有調節(jié)作用。

關鍵詞：區(qū)域金融風險；固定效應模型；敏感性分析

中圖分類號：F832.33 文獻標識碼：A 文章編號：

一、文獻述評

2015年10月，李克強總理主持召開金融企業(yè)座談會指出：“要維護金融穩(wěn)健運行，有效防范和化解金融風險，引導和穩(wěn)定社會預期。堅決守住不發(fā)生區(qū)域性系統性金融風險底線，為經濟持續(xù)健康發(fā)展作出新貢獻”。近年來，對區(qū)域性系統性金融風險的防范也成為工作的重點。而從金融風險成因來看，已有研究主要從金融體制、金融政策、國際金融等宏觀角度以及金融機構、金融部門、金融業(yè)務等微觀角度展開。

宏觀視角研究系統性金融風險成因的文獻多數認為金融體制、財政政策、貨幣政策、宏觀經濟環(huán)境以及國際金融環(huán)境的變動是宏觀金融風險的主要成因。如劉尚希、盛夏、Castelnuovo認為貨幣政策或財政政策等體制轉軌因素的變動，是系統性金融風險具有疊加效應的重要原因[1，2，3]。朱波、盧露則進一步研究了新常態(tài)下不同貨幣政策工具對系統性金融風險的影響，并指出存款準備金率和利率兩個工具在數量型和價格型的調控下，對系統性風險的影響分別呈現非對稱和資產轉換效應[4]。陸磊、楊駿亦指出通貨膨脹增加了宏觀金融的不穩(wěn)定性[5]。何德旭和苗文龍、Bolton & Jeanne、Pelizzon & Loriana， et al.等指出國際金融市場的波動以及國家主權債務危機會加劇國際金融周期震蕩，增加全球金融環(huán)境的不穩(wěn)定性[6，7，8]。

微觀視角的研究多從金融機構、金融產品、金融業(yè)務的分析入手，指出資產負債比、資本充足率、利率水平、發(fā)達的金融衍生品市場以及管理機制體制的不健全是微觀金融風險的重要成因[9，10，11]。項俊波、陳建青等則進一步指出跨業(yè)經營、混業(yè)經營以及跨市場的金融產品在促進金融市場創(chuàng)新的同時亦是對我國金融市場穩(wěn)定發(fā)展的挑戰(zhàn)[12，13]。隨著互聯網金融的迅速發(fā)展，互聯網金融風險的識別亦受到了國內外學者的格外關注。如徐立平、張萍、黨懷清等指出在新興金融業(yè)態(tài)發(fā)展的同時，需要防止由于新型互聯網金融業(yè)務或產品、以及網絡操作技術等誘發(fā)的系統性金融風險[14，15]。

從區(qū)域視角研究系統性金融風險影響因素，宋凌峰、葉永剛則對區(qū)域系統性金融風險特點分析的基礎上，指出公共部門以及企業(yè)部門是區(qū)域金融風險形成的主要來源[16]。肖梓光和張東、馮全民和胡松等認為個體金融機構經營失敗、地區(qū)科技水平差異、信貸管理體制、公眾信任危機是區(qū)域金融危機爆發(fā)的重要原因[17，18]。

通過上述文獻分析發(fā)現，研究系統性金融風險因素文獻雖然較多，但絕大部分研究系統性金融風險的文獻主要以宏觀和微觀的國家和部門作為主要研究對象，而對區(qū)域性系統性金融風險情況研究卻少有設計，而進一步研究區(qū)域金融風險影響因素的內容則更加稀少。本文認為受地區(qū)經濟發(fā)展規(guī)模、區(qū)域性金融創(chuàng)新與發(fā)展的不協調、產業(yè)結構變動、資源配置失調、地方政府債務的復雜構成等影響，區(qū)域性系統性金融風險有其自身特有的特點。因此，不同于單純的金融風險影響因素的研究，本文主要目的在于通過構建區(qū)域金融風險影響因素模型，探索性研究區(qū)域性系統性金融風險的影響因素，并對敏感性進行分析。

二、研究設計、模型構建與數據說明

（一）基本假設

虛擬經濟和實體經濟定價支持體系的差異，使得系統性金融風險的影響因素呈現多樣化趨勢。從一個經濟獨立系統來看，系統性風險的影響因素包括經濟方面的利率、匯率、通貨膨脹、經濟周期等，政治方面的戰(zhàn)爭沖突，社會方面的體制變革等。近年來中國的系統性風險呈現區(qū)域性特征，基于此，從區(qū)域性系統性風險的影響因素看，核心因素包括三個：一是實體經濟狀況，特別是工業(yè)企業(yè)盈利狀況，該影響因素制約著虛擬經濟與實體經濟的匹配性；二是金融結構，金融結構包括部門貸款結構、直接融資和間接融資結構，該影響因素制約著融資效率；三是區(qū)域投資主體的行為特征，主要表現為人們心理預期對區(qū)域性系統性金融風險的影響?；诖?，本文提出如下假設：

假設1：影響區(qū)域性系統性金融風險的主要因素是實體經濟狀況、金融結構和預期

金融的發(fā)展依賴于實體經濟，實體經濟為金融市場的發(fā)展提供物質基礎。金融的本質功能是為實體經濟服務，金融是隨著實體經濟對金融的需求，相應地向更高層次發(fā)展。實體經濟狀況對金融市場的物質性、基礎性影響，決定了其成為區(qū)域性系統性金融風險的主要因素之一。不同的金融結構對區(qū)域性系統性金融風險具有不同的影響，金融資產的部門結構，即金融資產在機構部門之間的比例，制約著系統性金融風險不同的融資方式體現在直接融資和間接融資兩個方面，其效率也具有差異性，所以資產分布結構對區(qū)域性系統性金融風險具有重要影響。行為習慣、對金融風險偏好都差異，這集中體現在預期中，故預期對系統性金融風險具有重要影響。

假設2：影響因素在不同的區(qū)域可能存在差異

根據假設1，影響系統性金融風險的因素主要歸納為實體經濟、金融結構和預期三個方面。對中國非均質國家而言，不同區(qū)域的實體經濟發(fā)展階段、發(fā)展水平、產業(yè)結構等都具有顯著差異性；不同區(qū)域的部門結構與產業(yè)特征具有密切關系，有些是資金密集型，有些是技術密集型等，不同產業(yè)結構對金融需求具有差異性，故其影響機制也具有差異性，故對金融風險影響具有地區(qū)差異；不同區(qū)域的風險偏好也存在差異和行為也具有差異性，如創(chuàng)新程度高的風險偏好較高，以致引起預期對金融風險影響也具有區(qū)域性。

假設3：區(qū)域性系統性金融風險是呈線性的影響機制

因為涉及的維度包括時間、空間、不同因素、不同因素之間的獨立性等，所以各個影響因素對區(qū)域性系統性金融風險影響機制非常復雜。影響因素在不同時間上，可能存在階段性差異；在不同空間上，可能存在門檻效應等。就本文的研究目標在于幾個：一是實證影響因素的存在性；二是不同影響因素對區(qū)域性系統性風險影響程度的比較；三是影響區(qū)域性系統性風險的獨立性，即獨立影響還是通過交互效應影響；四是影響因素對區(qū)域性系統性金融風險的敏感性。基于研究目標，線性假設會不失一般性，故假設影響機制是線性的。

（二）基于假設的模型設計

根據文章基本假設和數據可獲得性的特征，線性面板數據模型能夠針對區(qū)域性問題進行研究，而同時也考慮了在時間維度上可能存在的差異，可以實現本文的研究目標，故選取線性面板數據模型進行實證研究，其基本形式如下：

式（1）中，PRit表示區(qū)域i第t時的金融風險，解釋變量EPit為區(qū)域i第t時的實體經濟景氣，衡量經濟發(fā)展情況；FSit為區(qū)域i第t時的金融結構，可用部門結構和融資結構衡量，說明金融資源分配的合理性；MEit為區(qū)域i第t時的金融市場預期，反映人們對未來金融市場發(fā)展所持有的態(tài)度。

對區(qū)域金融風險，本文采用設計指標體系并利用層次分析法，測算出區(qū)域金融風險指數，作為本文研究的被解釋變量 。對于解釋變量，選擇工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤作為實體經濟運行情況的變量；金融結構的影響因素區(qū)分為部門結構和融資結構，本文選擇社會融資規(guī)模/總貸款為部門結構變量，選擇上市公司市值/總貸款作為衡量指標融資結構變量；生產者價格反映市場金融行為的顯性指標，故選擇生產者價格指數作為衡量預期的指標。通過變量選擇，將區(qū)域性系統性金融風險的影響因素模型基本形式具體化為可計量的面板數據模型，具體形式如下：

式（2）中，Yit是區(qū)域i第t時的金融風險指數，C是常數項，X1it是區(qū)域i第t時的工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤，X2it是區(qū)域i第t時的社會融資規(guī)模/總貸款，X3it是區(qū)域i第t時的上市公司市值/總貸款，X4it是區(qū)域i第t時的生產者價格指數， 是隨機干擾項。

（三）數據說明

本文數據的空間維度限定在中國大陸31個省（市）級行政區(qū)；研究數據的時間維度為2013年1季度至2015年3季度；區(qū)域性系統性金融風險敏感性強的特點，故在數據可獲取的情況下，時間頻率維度選擇季度數據。基于此，區(qū)域性系統性金融風險指數，影響因素等指標均為2013年第1季度至2015年第3季度的數據。本文所需要的指標數據均來源于三個基本數據庫，一是wind數據庫；二是中國人民銀行網站公布的數據；三是各省（市）統計局網站公布的數據。

表1列示了各變量的描述性統計結果。由表2可知，中國31個區(qū)域的金融風險指數均值為32.29，風險情況較好。在工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤的指標上，其平均值為0.136，說明工業(yè)企業(yè)虧損額占工業(yè)企業(yè)總利潤的13.6%，工業(yè)企業(yè)虧損比較嚴重，從不同區(qū)域的情況來看，區(qū)域之間具有較大差異，如山西省工業(yè)企業(yè)虧損額遠大于工業(yè)企業(yè)利潤，在2015年，工業(yè)企業(yè)利潤已變?yōu)樨?。在社會融資規(guī)模/總貸款的指標上，其平均值為0.147，說明社會融資規(guī)模是總貸款規(guī)模的14.7%，金融資源用于實體經濟的數量遠小于貸款的規(guī)模，其標準差為0.084，說明該指標在區(qū)域之間差異不大。在上市公司市值/總貸款的指標上，其平均值為0.33，而上市公司市值主要是股票價值的反映，說明上市公司的股票融資規(guī)模是總貸款規(guī)模的33%，由于上市公司在中國區(qū)域的分布具有不均衡性，所以該指標在區(qū)域之間也存在一定差異。在生產者價格指數上，其平均值為0.946，說明生產持續(xù)通縮，企業(yè)去庫存壓力不斷增大，對金融市場也會產生下降預期。

三、區(qū)域性系統性金融風險影響因素的實證分析

在利用面板數據模型分析區(qū)域金融風險影響因素時，本文先利用F檢驗判斷是選擇混合效應模型還是固定效應模型，再通過Hausman檢驗來確定建立是否需要建立隨機效應模型。由F檢驗可知，模型在1%的顯著水平下均拒絕混合效應的原假設，應建立固定效應模型。進一步，根據Hausman檢驗的結果，模型在1%的顯著水平下均拒絕隨機效應模型的原假設，應建立固定效應模型。為此，本文建立面板固定效應模型，并通過控制變量加入的方式，考察各變量對區(qū)域金融風險的影響。同時，由于本部分主要研究各變量對區(qū)域金融風險影響因素，而不考慮截距的影響，因此不對截距項進行分析。

（一）基于單因素固定效應模型的實證分析

根據式（2），以單變量為唯一的解釋變量，并進行參數估計，考察工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款、上市公司市值/總貸款、生產者價格指數四個單因素變量對區(qū)域性系統性金融風險的影響結果，參數估計結果如表2所示。

表2顯示，生產者價格指數對區(qū)域性系統性金融風險的影響顯著性最大，通過1%顯著性水平檢驗，生產者價格指數系數為-15.46，表明生產者價格指數每上升1個單位，區(qū)域金融風險會下降15.46%。工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤對區(qū)域金融風險的影響通過10%顯著性水平檢驗，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤系數為-0.1023，表明工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤對區(qū)域金融風險的影響較小，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤每上升1個單位，區(qū)域金融風險會下降0.1023，這說明工業(yè)企業(yè)虧損越多或工業(yè)企業(yè)利潤越少，反而會降低區(qū)域金融風險，而正常情況下應該是工業(yè)虧損越少或工業(yè)企業(yè)利潤越多才會使區(qū)域金融風險下降，這在一定程度上說明了金融與實體經濟發(fā)展背離的情況。社會融資規(guī)模/總貸款和上市公司市值/總貸款均沒有通過顯著性檢驗，表明社會融資規(guī)模/總貸款和上市公司市值/總貸款對區(qū)域金融風險沒有顯著影響，也說明了社會融資規(guī)模/總貸款和上市公司市值/總貸款不能有效代表金融結構。從擬合優(yōu)度來看，表2中（1）、（2）、（3）、（4）列的擬合優(yōu)度均偏低，說明本部分單因素對區(qū)域性系統性金融風險不能完全解釋，假設1中提出的多變量影響區(qū)域性系統性金融風險現象存在，同時需要進一步通過實證驗證。

（二）基于多因素固定效應模型的實證分析

多因素固定效應模型的基本形式同樣如式（2）所示，在具體實驗過程中，通過逐漸加入多個影響因素變量且形成不同線性、獨立組合的條件下，多因素對區(qū)域性系統性金融風險的影響結果，參數估計結果如表3所示。

表3列示了逐漸加入多個影響因素變量條件下多因素對區(qū)域金融風險的影響結果。從表3可以看出，當增加變量時，模型的擬合優(yōu)度在不斷提高，說明各變量均對區(qū)域性系統性金融風險有一定程度的影響。在參數整體的顯著性上，表4中第（7）、（9）、（10）列的參數整體上比較顯著，且擬合優(yōu)度較高。而在這三列中均有生產者價格指數作為解釋變量，說明生產者價格指數對區(qū)域性系統性的金融風險有較大程度影響。第（7）列的整體效果優(yōu)于其它幾列，從其參數估計結果來看，仍僅有生產者價格指數通過5%顯著性檢驗，而其它變量均沒有通過顯著性檢驗。由此可以說明，在多因素獨立作用機制下，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款、上市公司市值/總貸款均對區(qū)域性系統性金融風險沒有顯著性影響，僅有生產者價格指數對區(qū)域金融風險存在顯著性影響，其系數為-14.75，表明生產者價格指數每上升1個單位，區(qū)域金融風險會下降14.75。

（三）基于交互固定效應模型的實證分析

上述實證結果說明兩個方面問題：一方面各個影響因素對區(qū)域性系統性風險的影響有獨立性影響，也有非獨立性影響。從實證結果發(fā)現，生產者價格指數對區(qū)域性系統性金融風險存在顯著性影響；工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤在特殊情況下會對區(qū)域性系統性金融風險存在顯著性影響，但影響程度很低。而社會融資規(guī)模/總貸款、上市公司市值/總貸款一直對區(qū)域性系統性金融風險不存在顯著性影響，且模型的效果均不理想。另一方面，非獨立影響的各個因素相互作用后可能存在交互效應。從上述模型實證可以看出，沒有通過顯著性檢驗的變量均為金融結構的相關變量，基于此，考慮部門結構與融資結構的交互效應對對區(qū)域性系統性金融風險產生影響。再從理論分析，區(qū)域性系統性金融風險可能存在系統慣性影響，即當期的區(qū)域性系統性金融風險對下一期的風險狀態(tài)產生顯著作用，故在式（2）的基本模型中，變量做適當調整，對其進行參數估計，參數估計結果如表4所示。

從表4第（11）列可看出，當將X2*X3作為解釋變量時，該模型的擬合優(yōu)度最高，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤和生產者價格指數均通過顯著性，金融結構雖然沒有通過顯著性檢驗，但其結果已有明顯改善。從擬合優(yōu)度來看，表5第（11）列的擬合優(yōu)度優(yōu)于表4中的所有模型，可以說明在金融結構的影響因素中，部門結構和融資結構是相互作用來對區(qū)域金融風險產生影響。進一步考慮區(qū)域金融風險滯后一期對風險值的影響，表5第（12）、（13）、（14）列描述了納入滯后一期風險指數后，參數估計的變動情況。從結果來看，當滯后一期的金融風險指數作為解釋變量時，模型的擬合優(yōu)度有大幅度提高，且滯后一期的金融風險指數均通過1%水平的顯著性檢驗，說明區(qū)域性系統性金融風險情況受上一期金融風險指數的影響較大。在表5第（12）、（13）、（14）列中，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤和生產者價格指數均通過了顯著性檢驗，而金融結構仍然沒有通過顯著性檢驗，但從其t值的變化來看，說明其顯著性在不斷提高。

考慮到金融市場預期會對金融結構產生調節(jié)作用而影響區(qū)域金融風險，通過反復比較分析，得出區(qū)域金融風險的影響因素模型為：

模型（3）的整體效果最好，從其結果來看，所有變量均通過顯著性檢驗，且擬合優(yōu)度最高為0.2638，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤的系數為-0.124，表明工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤每上升1個單位，區(qū)域性系統性金融風險會下降0.124；金融結構與金融市場預期相互作用的系數為8.648，表明金融結構與金融市場預期共同作用結果每上升1個單位，區(qū)域性系統性金融風險會上升8.648；生產者價格指數的系數為-10.89，表明生產者價格指數每上升1個單位，區(qū)域性系統性金融風險會下降10.89；區(qū)域金融風險指數滯后一期的系數為0.49，表明區(qū)域性系統性金融風險對其下一時期的金融風險影響程度達到49%。

通過上述分析可發(fā)現，區(qū)域金融風險主要受其自身的影響，區(qū)域實體經濟狀況和金融市場預期均會對其產生負影響，而金融結構會在金融市場預期的影響下對區(qū)域金融風險產生正向影響。

四、區(qū)域性系統性金融風險敏感性實證分析

（一）影響因素變量的系數變動結果

為研究區(qū)域性系統性金融風險對工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款、市公司市值/總貸款和生產者價格指數四個變量的敏感性，進一步利用固定效應模型將區(qū)域金融風險指數與各變量進行回歸，獲得各變量的系數變動情況，結果如表5所示。

表5顯示了工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款、市公司市值/總貸款以及生產者價格指數四個變量各自作為區(qū)域性系統性金融風險的解釋變量、以及再在其基礎上逐漸增加變量形成雙變量、三變量模型時，各影響因素變量對區(qū)域性系統性金融風險影響的系數變動情況。

（二）影響因素系數變動的敏感性分析

本文進一步通過影響因素的系數變化分析區(qū)域性系統性金融風險對各變量的敏感性。從表5可以看出，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤作為解釋變量時，其系數為-0.102，。當分別加入社會融資規(guī)模/總貸款、上市公司市值/總貸款和生產者價格指數作為解釋變量時，進行雙變量分析時，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤的系數越來越靠近0，其系數變化率分別為1.27%，3.25%和21.8%，說明區(qū)域性系統性金融風險對生產者價格指數最具敏性。在雙變量的基礎上再加一個解釋變量社會融資規(guī)模/總貸款和生產者價格指數進行三變量分析時，工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤的系數絕對值下降22.78%，變?yōu)?0.079，說明社會融資規(guī)模/總貸款和生產者價格指數的共同作用對工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤系數產生最大影響。

社會融資規(guī)模/總貸款作為單個解釋變量時，其系數為-3.464。當分別加入工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、上市公司市值/總貸款和生產者價格指數作為解釋變量時，社會融資規(guī)模/總貸款的系數越來越靠近0，其系數變化率分別為2.54%，14.26%和86.14%，說明區(qū)域性系統性金融風險對生產者價格指數最具敏感性。當加入上市公司市值/總貸款和生產者價格指數時，社會融資規(guī)模/總貸款的系數變化114%，由負影響變?yōu)檎绊?，系數變?yōu)?.485，說明上市公司市值/總貸款和生產者價格指數的共同作用對社會融資規(guī)模/總貸款系數產生最大影響。

上市公司市值/總貸款作為單個解釋變量時，其系數為1.974%。當分別加入工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款和生產者價格指數作為解釋變量時，上市公司市值/總貸款的系數越來越靠近0，其系數變化率分別為6.89%、13.63%和95.99%，說明區(qū)域性系統性金融風險對生產者價格指數最具敏性。當加入工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款和生產者價格指數時，上市公司市值/總貸款的系數變化102.99%，由正影響變?yōu)樨撚绊?，系數變?yōu)?0.059，說明工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款和生產者價格指數的共同作用對上市公司市值/總貸款產生最大影響。

生產者價格指數作為單個解釋變量時，其系數為-15.46。當分別加入工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款和上市公司市值/總貸款作為解釋變量時，生產者價格指數系數變化率分別為6.34%、2.26%和0.71%，說明區(qū)域性系統性金融風險對工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款和上市公司市值/總貸款的敏感性不大。當加入多個變量時其變化率仍然較小，僅在加入工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤這一個變量時系數變化最大，系數變?yōu)?14.48，說明僅工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤對生產者價格指數產生一定影響。

通過上述分析可以得出，無論以哪個指標作為固定變量，只要加入生產者價格指數其系數就會產生較大變化，說明區(qū)域性系統性金融風險對生產者價格指數的具有較強的敏感性。對于其它指標，只有與生產者價格指數共同作用區(qū)域性系統性金融風險才對其具有較強的敏感性，因此區(qū)域性系統性金融風險對工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、社會融資規(guī)模/總貸款和上市公司市值/總貸款比生產者價格指數敏感性程度低。

五、基本結論

文章在基本假設基礎上，構建區(qū)域金融風險影響因素的模型，并漸進式引入實體經濟狀況、金融結構和金融市場預期情況影響因素進行實證，并在此基礎上進一步分析區(qū)域性系統性金融風險對各變量的敏感性，得出以下結論：

第一，實體經濟情況、金融結構以及金融市場預期對區(qū)域性系統性金融風險的影響具有差異性?；跇嫿ǖ膯我蛩?、多因素各變量對區(qū)域性系統性金融風險影響固定效應模型，結果顯示生產者價格指數均通過顯著性檢驗、融資結構均未通過顯著性檢驗的回歸結果，說明實體經濟狀況、金融結構和金融市場預期三個影響因素中，金融市場預期即生產者價格指數對區(qū)域金融風險的影響程度最大。

第二，實體經濟狀況、金融結構以及金融市場預期對區(qū)域金融風險的具有不同的影響路徑。根據多次試驗結果，最終確定基于交互效應的區(qū)域性系統性金融風險影響因素模型，表明金融結構通過部門結構和融資結構的內部交互作用對區(qū)域金融風險產生影響，金融市場預期與金融結構相互影響，進而對區(qū)域性系統性金融風險產生正向影響，實體經濟狀況對區(qū)域性系統性金融風險具有直接的負向作用。同時，在模型中通過了顯著性檢驗的滯后一期區(qū)域金融風險指數變量，表明區(qū)域性系統性金融風險的影響具有慣性特征。

第三，區(qū)域性系統性金融風險對實體經濟情況、金融結構和金融市場預期的敏感程度具有差異性?；跇嫿ǖ膮^(qū)域性系統性金融風險與各變量的敏感性分析模型，發(fā)現生產者價格變量的加入引起各變量間的系數的較大，表明區(qū)域性系統性金融風險對生產者價格指數的敏感性最強；區(qū)域性系統性金融風險對實體經濟情況以及金融結構的變動只有在生產價格指數的共同作用下才呈現敏感性，即區(qū)域性系統性金融風險對工業(yè)企業(yè)虧損額/工業(yè)企業(yè)總利潤、以及社會融資規(guī)模/總貸款與上市公司市值/總貸款比生產者價格指數敏感性程度低。

參考文獻：

[1]劉尚希. 宏觀金融風險與政府財政責任[J]. 管理世界， 2006（06）：10-17.

[2]盛夏. 美國量化寬松貨幣政策對中國宏觀金融風險的沖擊[J]. 管理世界， 2013（04）：174-175.

[3]Castelnuovo E. Monetary Policy Shocks and Financial Conditions： A Monte Carlo Experiment[J]. Journal of International Money and Finance， 2013，32：282-303.

[4]朱波， 盧露. 不同貨幣政策工具對系統性金融風險的影響研究[J]. 數量經濟技術經濟研究， 2016（01）：58-74.

[5]許滌龍， 李正輝. 我國宏觀金融風險主體的博弈行為分析[J]. 財經理論與實踐， 2001（S1）：14-15.

[6]陸磊， 楊駿. 流動性、一般均衡與金融穩(wěn)定的“不可能三角”[J]. 金融研究， 2016（01）：1-13.

[7]何德旭， 苗文龍. 國際金融市場波動溢出效應與動態(tài)相關性[J]. 數量經濟技術經濟研究， 2015（11）：23-40.

[8]Bolton P.， Jeanne O. Sovereign Default Risk and Bank Fragility in Financially Integrated Economies[J]. Imf Economic Review， 2011.

[9]Pelizzon Loriana， Subrahmanyam Marti G.， Tomio Davide. Sovereign credit risk， liquidity， and European Central Bank intervention： Deus ex machina？[J]. Journal of Financial Economics， 2016.

[10]彭建剛. 基于系統性金融風險防范的銀行業(yè)監(jiān)管制度改革的戰(zhàn)略思考[J]. 財經理論與實踐， 2011（01）：2-6.

[11]王國剛. 新常態(tài)下的金融風險防范機制[J]. 金融研究， 2015（02）：16-22.

[12]Kane EJ. Accelerating Inflation， Technological Innovation， and the Decreasing Effectiveness of Banking Regulation[J]. The Journal of Finance， 1981，36（2）：355-367.

[13]項俊波. 金融風險的防范與法律制度的完善[J]. 金融研究， 2005（08）：1-9.

[14]陳建青， 王擎， 許韶輝. 金融行業(yè)間的系統性金融風險溢出效應研究[J]. 數量經濟技術經濟研究， 2015（09）：89-100.

[15]徐立平. 網絡金融風險的監(jiān)督模式構建[J]. 管理世界， 2014（11）：168-169.

[16]張萍， 黨懷清. 互聯網金融創(chuàng)新擴散中的策略錯配與監(jiān)管機制[J]. 管理世界， 2015（09）：170-171.

[17]宋凌峰， 葉永剛. 中國區(qū)域金融風險部門間傳遞研究[J]. 管理世界， 2011（09）：172-173.

[18]李成. 區(qū)域金融風險控制：中央銀行監(jiān)管系統的軸心[J]. 西安財經學院學報， 2003（01）：21-27.

[19]肖梓光， 張東. 地區(qū)科技水平：一個不容忽視的金融風險影響因素[J]. 江西社會科學， 2013（07）：51-55.

[20]馮全民， 胡松. 新常態(tài)下縣域金融風險累積與防控[J]. 經濟研究導刊， 2016（16）：65-66.

Abstract： Based on the panel data of 31 provinces （municipalities） in mainland China from the first quarter of 2013 to the third quarter of 2015， this paper studies the influencing factors of regional systemic financial risks and further analyzes their sensitivity， through constructing single-factor， multi-factors， interaction-effects regional systemic financial risk fixed-effect panel model. The results show that the regional systemic financial risks have lagging effects， and they are not only influenced the greatest by the producer price index， but also sensitive the most to the index； besides， the financial market expectation has a regulatory effect on the financial structure.

Key Words： regional financial risks； fixed-effect model； sensitivity analysis