基于因子分析法的區(qū)域性金融風(fēng)險(xiǎn)監(jiān)測研究
——以河南省為例

王 靜

（中國人民銀行鄭州中心支行，河南鄭州 450000）

一、引言

金融安全是國家金融安全的重要組成部分，是經(jīng)濟(jì)平穩(wěn)健康發(fā)展的重要基礎(chǔ)。如何打好防范化解金融風(fēng)險(xiǎn)持久戰(zhàn)，成為金融監(jiān)管部門和各類金融機(jī)構(gòu)風(fēng)險(xiǎn)管理的工作重點(diǎn)。而區(qū)域性金融風(fēng)險(xiǎn)是測量某一區(qū)域金融發(fā)展的重要因素，區(qū)域性金融風(fēng)險(xiǎn)往往帶來波動效應(yīng)，容易引發(fā)整體的金融風(fēng)險(xiǎn)。因此，研究構(gòu)建科學(xué)有效的區(qū)域金融風(fēng)險(xiǎn)監(jiān)測體系對于防范化解金融風(fēng)險(xiǎn)、維護(hù)金融安全具有重要的理論意義和實(shí)踐作用。

二、文獻(xiàn)綜述

現(xiàn)有文獻(xiàn)大多數(shù)以整體的宏觀經(jīng)濟(jì)變量作為影響區(qū)域金融風(fēng)險(xiǎn)的主要因素。Frankel和Rose(1996)建立了一種概率模型，用來統(tǒng)計(jì)全球發(fā)生的貨幣危機(jī)。Kaminsky等（1999）選取了15個(gè)預(yù)警指標(biāo)建立了KLR信號分析模型，以此來分析整體的金融風(fēng)險(xiǎn)。羅曉蕾等（2018）綜合運(yùn)用層次分析法、映射處理法、綜合指數(shù)法，構(gòu)建河南省區(qū)域性金融風(fēng)險(xiǎn)“三級”指標(biāo)預(yù)警體系。王擎等（2019）、龐新怡等（2019）、黃思杰和李因果（2021）、張帥（2021）分別基于“CAMELS”評級體系、熵值法、RBF神經(jīng)網(wǎng)絡(luò)模型、指數(shù)法等建立區(qū)域金融風(fēng)險(xiǎn)監(jiān)測模型。榮夢杰和李剛（2020）、沈麗和范文曉（2021）、趙文舉和張?jiān)彛?021）構(gòu)建面板數(shù)據(jù)模型，研究區(qū)域性金融風(fēng)險(xiǎn)的影響因素。

三、區(qū)域性金融風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建

（一）指標(biāo)的選取

區(qū)域性金融風(fēng)險(xiǎn)既受到宏觀經(jīng)濟(jì)大環(huán)境的影響，又因區(qū)域的特點(diǎn)不同，受到地方經(jīng)濟(jì)環(huán)境的制約。類比于系統(tǒng)性金融風(fēng)險(xiǎn)，區(qū)域性金融風(fēng)險(xiǎn)受到區(qū)域宏觀經(jīng)濟(jì)、區(qū)域資產(chǎn)價(jià)格、區(qū)域行業(yè)和區(qū)域外部市場等因素的影響。據(jù)此，根據(jù)數(shù)據(jù)的可行性和易得性，選擇河南省15個(gè)月度經(jīng)濟(jì)指標(biāo)，構(gòu)建河南省區(qū)域金融風(fēng)險(xiǎn)測度指標(biāo)體系（表1）。

表1 河南省區(qū)域金融風(fēng)險(xiǎn)測度指標(biāo)

（—表1續(xù)）

（二）數(shù)據(jù)來源及處理

文章選取上述指標(biāo)2015年6月至2021年6月共73個(gè)月度數(shù)據(jù)作為實(shí)證分析數(shù)據(jù)。數(shù)據(jù)來源于河南統(tǒng)計(jì)年鑒及河南歷年金融運(yùn)行報(bào)告，部分?jǐn)?shù)據(jù)來源于中經(jīng)數(shù)據(jù)庫。

四、實(shí)證分析

（一）分析方法選擇

本文采用因子分析方法對河南省區(qū)域金融風(fēng)險(xiǎn)進(jìn)行分析。因子分析方法通過研究多個(gè)變量之間的內(nèi)部依賴關(guān)系，尋找最初數(shù)據(jù)中的基本結(jié)構(gòu)，并用少數(shù)幾個(gè)“變量”表示其基本的數(shù)據(jù)結(jié)構(gòu)，這幾個(gè)抽象的“變量”被稱作“因子”，能反映原來多個(gè)變量的主要信息。

（二）KMO檢驗(yàn)和Bartlett球形檢驗(yàn)

對多個(gè)變量進(jìn)行因子分析的前提是做KMO和Bartlett檢驗(yàn)，當(dāng)KMO值大于0.5，且Bartlett檢驗(yàn)的p值小于0.05的顯著性，則可進(jìn)行因子分析。SPSS軟件計(jì)算結(jié)果顯示，本文選取15經(jīng)濟(jì)變量的KMO值為0.658，同時(shí)Bartlett球形檢驗(yàn)的P值為0.000，即可以對變量數(shù)據(jù)進(jìn)行因子分析。

（三）公因子提取

在對公因子進(jìn)行提取之前，通過對15個(gè)經(jīng)濟(jì)變量的公因子方差進(jìn)行分析，可以得出按照所選標(biāo)準(zhǔn)提取相應(yīng)數(shù)量主成分后，各變量信息被提取的比例。SPSS軟件公因子方差分析結(jié)果顯示，除了股票成交額、銀行業(yè)同業(yè)拆借凈融入額、工業(yè)生產(chǎn)者價(jià)格指數(shù)、商品零售價(jià)格指數(shù)、農(nóng)產(chǎn)品生產(chǎn)價(jià)格指數(shù)尚有30%的信息未提取外，其他經(jīng)濟(jì)變量的信息提取比例均達(dá)到80%以上，即信息提取較為充分。

在此基礎(chǔ)上，對15個(gè)經(jīng)濟(jì)變量做主成分分析的公因子提取，即提取出特征值大于1，且累計(jì)能夠解釋原始數(shù)據(jù)70%以上的信息的公因子。SPSS軟件對15個(gè)經(jīng)濟(jì)變量進(jìn)行公因子提取得到4個(gè)特征值大于1的因子，即可以提取4個(gè)公因子。本文用F1、F2、F3、F4表示4個(gè)公因子，其方差貢獻(xiàn)率分別為35.933%、22.917%、13.662%、11.939%，累計(jì)方差貢獻(xiàn)率為84.451%，即使用這4個(gè)公因子可以解釋原數(shù)據(jù)84.451%的信息，因子結(jié)果比較理想。

（四）計(jì)算因子成分矩陣

在得出4個(gè)主成分因子之后，使用SPSS軟件的回歸方法計(jì)算各個(gè)因子的系數(shù)，得到成分矩陣（表2）。從表2中可以看出15個(gè)經(jīng)濟(jì)變量分別被因子F1、F2、F3、F4提取信息的程度。第一個(gè)因子F1提取財(cái)政赤字、社會融資規(guī)模、保險(xiǎn)保費(fèi)收入、居民人均可支配收入的信息較多；第二個(gè)因子F2提取GDP增速、居民消費(fèi)價(jià)格指數(shù)、固定資產(chǎn)投資增速的信息較多；第三個(gè)因子F3提取工業(yè)生產(chǎn)者價(jià)格指數(shù)、商品零售價(jià)格指數(shù)的信息較多；第四個(gè)F4提取進(jìn)出口總額增速的信息較多。所以，分別命名F1、F2、F3、F4為“收入類因子”、“宏觀經(jīng)濟(jì)因子”、“價(jià)格指數(shù)因子”和“外部市場因子”。

表2 成份矩陣

（五）計(jì)算因子表達(dá)式及因子得分

在得出4個(gè)主成分因子之后，使用SPSS軟件的回歸方法計(jì)算各個(gè)因子的系數(shù)，得到成分得分系數(shù)矩陣（表3），從而4個(gè)因子的得分函數(shù)分別表示為：

表3 成份得分系數(shù)矩陣

F1=-0.013GDP增速-0.018居民消費(fèi)價(jià)格指數(shù)+0.043固定資產(chǎn)投資增速+......-0.044進(jìn)出口總額增速+0.222居民人均可支配收入

F2=-0.24GDP增速+0.247居民消費(fèi)價(jià)格指數(shù)-0.245固定資產(chǎn)投資增速+......-0.169進(jìn)出口總額增速-0.042居民人均可支配收入

F3=0.044GDP增速-0.008居民消費(fèi)價(jià)格指數(shù)-0.115固定資產(chǎn)投資增速+......-0.055進(jìn)出口總額增速-0.028居民人均可支配收入

F4=0.042GDP增速-0.037居民消費(fèi)價(jià)格指數(shù)+0.022固定資產(chǎn)投資增速+......+0.426進(jìn)出口總額增速-0.045居民人均可支配收入

由表3得出的各主成分方差貢獻(xiàn)率，可以計(jì)算出河南省整體金融風(fēng)險(xiǎn)綜合得分模型F，其表達(dá)式為：

通過已建立的河南省整體金融風(fēng)險(xiǎn)模型，計(jì)算得到河南省2015年6月至2021年6月區(qū)域金融風(fēng)險(xiǎn)，作出其時(shí)間序列趨勢圖（圖1）。

圖1 2015年6月至2021年6月河南省整體金融風(fēng)險(xiǎn)趨勢圖

（六）實(shí)證分析

本文構(gòu)建了15個(gè)月度指標(biāo)的區(qū)域金融風(fēng)險(xiǎn)監(jiān)測預(yù)警體系，以河南省區(qū)域性金融風(fēng)險(xiǎn)為研究對象進(jìn)行了實(shí)證綜合分析。通過實(shí)證分析發(fā)現(xiàn)：

一是河南省區(qū)域性金融風(fēng)險(xiǎn)主要受省內(nèi)收入增長的影響。由綜合得分模型可以看出，“收入類因子”對河南省金融風(fēng)險(xiǎn)的影響最大，剩余“宏觀經(jīng)濟(jì)因子”、“價(jià)格指數(shù)因子”和“外部市場因子”的影響依次排序。同時(shí)，“收入類因子”中，財(cái)政赤字、社會融資規(guī)模、保險(xiǎn)保費(fèi)收入、居民人均可支配收入對其影響較大，所以河南省區(qū)域性金融風(fēng)險(xiǎn)的主要依賴在于省內(nèi)收入增長，如果省內(nèi)收入增長較為強(qiáng)勁，能較強(qiáng)地應(yīng)對體系內(nèi)部和外部的風(fēng)險(xiǎn)能力，這是河南省區(qū)域金融風(fēng)險(xiǎn)防范的關(guān)鍵所在。

二是各因子受經(jīng)濟(jì)變量影響程度不同。財(cái)政赤字、社會融資規(guī)模、保費(fèi)保險(xiǎn)收入、居民人均可支配收入等經(jīng)濟(jì)變量影響“收入類因子”較大，且除了財(cái)政赤字是反向影響外，其他3個(gè)變量的影響都是正向的；GDP增速、居民消費(fèi)價(jià)格指數(shù)、固定資產(chǎn)投資增速等經(jīng)濟(jì)變量對“宏觀經(jīng)濟(jì)因子”的影響較大，其中GDP增速、固定資產(chǎn)投資增速的影響是反向的，居民消費(fèi)價(jià)格指數(shù)則是正向影響；工業(yè)生產(chǎn)者價(jià)格指數(shù)、商品零售價(jià)格指數(shù)等經(jīng)濟(jì)變量對“價(jià)格指數(shù)因子”的影響較大，且均是正向影響；進(jìn)出口總額增速這一經(jīng)濟(jì)變量對“外部市場因子”的影響最大，且是正向影響。

三是河南省區(qū)域性金融風(fēng)險(xiǎn)有所上升且波動加大。由圖1可知，2015年6月至2021年6月期間，河南省區(qū)域性金融風(fēng)險(xiǎn)綜合指數(shù)逐年增長且波動幅度不斷加大。2019年下半年至2020年期間一直處于較高風(fēng)險(xiǎn)程度，特別是在2019年底出現(xiàn)2015年以來的最高風(fēng)險(xiǎn)值。這是因?yàn)樵?019年下半年至2020年期間，全球新冠肺炎疫情的爆發(fā)帶來國內(nèi)、省內(nèi)收入降低，導(dǎo)致金融環(huán)境整體不佳，使得區(qū)域性金融風(fēng)險(xiǎn)一直處于高位。雖然2021年年初河南省區(qū)域性金融風(fēng)險(xiǎn)發(fā)生小幅下降，但風(fēng)險(xiǎn)走勢依然呈現(xiàn)增長態(tài)勢。

五、政策建議

根據(jù)對河南省區(qū)域性金融風(fēng)險(xiǎn)的分析結(jié)果，結(jié)合當(dāng)前國家經(jīng)濟(jì)金融發(fā)展現(xiàn)狀，現(xiàn)針對防范和應(yīng)對區(qū)域性金融風(fēng)險(xiǎn)提出以下建議：

一是加大對實(shí)體經(jīng)濟(jì)的支持力度，提升區(qū)域性經(jīng)濟(jì)收入。積極有效管理政府財(cái)政，合理增加地方稅收和財(cái)政收入，根據(jù)財(cái)政政策相應(yīng)縮減政府支出；強(qiáng)化市場資源配置功能，進(jìn)一步增強(qiáng)經(jīng)濟(jì)發(fā)展的內(nèi)生動力；推動供給側(cè)結(jié)構(gòu)性改革，調(diào)控銀行信貸，給予實(shí)體經(jīng)濟(jì)融資支持，提高實(shí)體經(jīng)濟(jì)收入規(guī)模；改善民生環(huán)境，提高居民收入水平，增強(qiáng)居民對區(qū)域性經(jīng)濟(jì)金融良好發(fā)展的預(yù)期。

二是緊跟宏觀經(jīng)濟(jì)調(diào)控，強(qiáng)化區(qū)域性金融監(jiān)管。探索建立宏觀經(jīng)濟(jì)和區(qū)域性經(jīng)濟(jì)聯(lián)動模型，完善全國金融風(fēng)險(xiǎn)和區(qū)域性金融風(fēng)險(xiǎn)的監(jiān)測、評估和處置機(jī)制，加強(qiáng)區(qū)域性金融監(jiān)管，強(qiáng)化重點(diǎn)行業(yè)或領(lǐng)域的風(fēng)險(xiǎn)防控，對苗頭性風(fēng)險(xiǎn)問題早發(fā)現(xiàn)、早干預(yù)。同時(shí)建立以本地為基礎(chǔ)、以市場為導(dǎo)向的固定資產(chǎn)投資管理體系，防范金融風(fēng)險(xiǎn)在不同行業(yè)或市場之間傳染。

三是不斷強(qiáng)化產(chǎn)業(yè)改革，穩(wěn)步推進(jìn)金融創(chuàng)新。完善金融機(jī)構(gòu)業(yè)務(wù)結(jié)構(gòu)和盈利模式，進(jìn)一步優(yōu)化調(diào)整信貸結(jié)構(gòu)，嚴(yán)格保證信貸品質(zhì)，把握新增貸款投資方向、改善存量貸款質(zhì)量；提高金融創(chuàng)新能力，推動金融產(chǎn)品的開發(fā)，促進(jìn)區(qū)域的產(chǎn)業(yè)升級，真正落實(shí)“三去一降一補(bǔ)”，全面提升金融服務(wù)對工業(yè)、農(nóng)業(yè)、第三產(chǎn)業(yè)的支持力度。