基于综合指数法的金融系统性风险测度

作者:未知

  【摘 要】 国际经验表明,系统性金融风险不仅危及一国的金融稳定,而且对宏观经济造成重大损失。我国目前处于转轨经济阶段,系统性金融风险呈现上升趋势。为了有效识别和防范系统性风险,文章立足于当前金融体系特点,构建了7个市场维度的系统性风险指数模型,并用分段映射法对模型进行修正和拓展。分析结果表明,该综合指数较为准确、有效地衔接微观和宏观风险,不仅可对整体风险进行分析,而且可对局部风险进行研究;综合指数在纳入指数修正机制后更加稳健,可更好地适应中国金融市场的动态运行。
   【关键词】 金融系统性风险; 综合指数; 指数修正
  【中图分类号】 F832  【文献标识码】 A  【文章编号】 1004-5937(2020)02-0105-06
  一、引言
   在2008年发生的国际金融危机中,国外金融机构连续违约,引发了系统性金融风险,造成了危机国家的经济和金融体系进入漫长的衰退和不稳定状态中。目前我国转轨阶段自身周期性和结构性问题叠加的背景下,金融体系面临的风险复杂多样,且容易爆发。2015年的股票市场急剧上涨、急剧下跌及缓慢修复过程,以及2018年的过度去杠杆,对宏观经济和金融市场产生明显的负面影响,表明我国的金融市场还比较脆弱,需要进一步发展完善。为了守住不发生系统性金融风险的底线,金融监管的首要使命是防范和化解系统性金融风险。预防和化解金融系统风险的前提是构造有效的监控体系对风险进行识别和度量,这也是具有重要学术价值与现实意义的课题。徐忠[ 1 ]从当前形势和长期发展阐述了我国具有防范金融系统风险的条件和基础,并提出了有效的政策措施。马勇等[ 2 ]从金融去杠杆的角度研究金融杠杆对实体经济影响,同时研究债务杠杆与金融稳定的关系,给出管理金融风险的系统性方案。王博和范小云[ 3 ]从分业特征与跨业传染的角度,提出CAA方法来测度金融系统风险,并测算动态特征。苟文均等[ 4 ]从债务杠杆的角度,分析了债务与系统性金融风险传染之间的内在联系,提出系统性风险生成与传递主要从债务和股权两个渠道进行,给出风险测度推演路径。何青等[ 5 ]从实体经济的角度,采用主成分析法构建系统性金融风险指数,得出当前中国的系统性金融风险处于中高位,系统性金融风险主要通过信贷这一渠道传导至实体部门。李泽广和范小云[ 6 ]利用系统性金融风险与经济周期、结构性因素和体制因素等基本面变量的波动关系,对新时代金融系统性风险进行综述。本文中在参考以上文献的基础上,结合当前我国金融系统风险特点,构建一套综合指数模型来反映系统性金融风险,并给出防范和化解系统性风险的解决方案。
  
   二、指数构建思路与指标的选择
   (一)转轨时期我国金融风险成因
   我国系统性金融风险成因主要分为内在因素和外在因素。经验表明内在因素影响最大,主要包括:一是资本市场以银行为主体,具有垄断性和专营性,融资结构不合理,负债期限错配,强化了金融体系的脆弱性。二是金融工具过度创新和混业经营的高速发展,但对应的监管没有完善。现有监管模式下可能会产生套利,加之另类资产管理公司蓬勃发展,发行了大量穿透性金融产品,还有横跨多个行业的金融集团公司蓬勃发展,导致各类金融风险在不同行业和机构之间互相交织、传染,难以识别。三是影子银行快速发展,不同融资活动相互关联,规避了分业监管要求,强化了金融體系的复杂性。四是道德风险在金融体系广泛存在,政府直接或隐性给金融机构或投资者提供担保,金融机构有过度承担风险的冲动,同时社会公众风险意识薄弱。
   我国经济处于由规模向高质量发展的转轨阶段,系统性金融风险也呈现在转轨经济特征的行业。一是政府和企业高负债运行,导致银行积累大量不良贷款,金融市场积累了大量风险。二是各级政府债务风险由政府平台转移到金融体系,地方政府显性债务快速增长,隐性担保风险大量存在,一旦风险爆发,银行等金融机构将损失重大,甚至倒闭。三是金融相关政策延迟性导致的伴生风险,包括利率市场化环境下各类银行的运营风险,流动性特征和盈利状况将发生变化,与金融市场有关的产品、功能、交易模式不断创新带来新的风险。
  (二)风险测度和指标筛选
   通过前文分析发现,转轨经济体中的金融系统风险呈现不同特征,金融市场起步晚、结构不合理、发展过快,历史数据不完备,以市场实际数据为基础的监测度量方法均存在一定的不足。相对而言,综合指数法对历史数据要求不高,无需考虑系统性金融风险的产生原因,同时结构简单、灵活多变、易扩展,可以和其他模型方法结合使用。
   结合我国经济发展阶段和当前金融系统特点,同时考虑样本数据可取性,本文从以下方面筛选构造指标。一是相关金融机构运营甚至倒闭风险,如证券、银行、信托或保险公司经营失败被整顿停业等。二是受内部和外部原因影响,金融市场大幅波动,流动性大幅下降,投融资功能丧失,如利率大幅度上升,保险市场清偿能力急剧下降,股票市场急剧波动。三是宏观经济下行,银行抽贷,政府和企业无法正常运转,相应的债务风险向金融系统转移等。因此选择上市的金融机构为研究标的,因为无论从资产体量还是从系统影响力来看,上市金融机构可刻画整体金融机构的特征,在市场有效的前提下,股价波动包含了大量风险信息,部分指标通过上市金融机构特征指标加以说明。对于分市场,由于行业特征存在差异,其风险也具有不同的特征,需要将各个金融子市场分开单独描述。参考陶玲和朱迎[ 7 ]的方法将金融市场风险、外汇市场风险、货币市场风险、债券市场风险、股票市场风险、房地产市场风险及政府部门风险7个风险因素作为考察对象,构建反映各自风险特征的基础指标体系。指标的选择过程如下:首先,采用主成分分析法进行初步甄选;其次,利用相关系数法对基础指标相关性进行逐一验证以判断指标的显著性;最后,通过综合评价技术设置向量模型,构建测度金融系统性风险的综合指数(CISFR)。   (三)基础指标的选择
  借鉴参考文献[ 5-6 ]的研究结论,结合我国金融市场的实际情况,兼顾数据可得性,不同子行业的基础指标如表1、表2和表3所示。
  选择2008—2018年的数据为研究对象,考察2008年以来金融危机的情况。银行等金融机构数据来源于中国人民银行、银保会、国家统计局等,股票市场数据来源于证监会网站、上海交易所和深圳交易所,货币数据来源于银行间同业拆借中心、外汇交易中心,债券数据来源于中国债券信息网,外汇数据来源于国家外管中心及相关网站,房地产数据来源于住建部、国家统计局网站和相关的研究所,政府部门数据来源于财政部和统计年鉴。
  由于基础指标过于庞杂,可能存在一定的相关性,需要进一步筛选。先测算各市场维度的综合方差,并计算其权重向量,对指标进行选择。计算各指标的累计方差,选取贡献率大于80%的主成分。以金融机构的指标选取为例,结果如表4和表5所示。
  利用主成分系数的计算原理,即主成分矩阵与元素初始特征值方差之比,统计主成分系数,对其绝对值求和。依据加总结果,测算各自贡献率,进而选择基础指标。主成分系数的统计结果如表6所示。
  从表5的相关系数矩阵可以看出,Y11和Y14有较大正相关系数,且两指标的经济意义有相同的部分,结合主成分分析数值,剔除指标Y14;同理分析Y18和Y111两指标,综合考虑最终选择Y111指标,剔除指标Y18。其他指标选择方法相同。
  三、综合指数的构造
  (一)构建类别指标
   参考李泽广等[ 6 ]的做法,选取累计分布函数法对不同市场的7维度数据进行标准化,并加权平均后得到不同维度的类别指标值,统计结果如表7所示。对金融机构市净率和非金融行业市盈率两个指标分别选择样本期间市净率3倍和市盈率25倍为基准点。通常情况下,越靠近基准点,风险指数越低;越偏离基准点,风险指数越高。
  (二)构造系统性风险综合指数
  表7给出了7个市场的类别指标,以这些数据为样本构造综合指数。采用相关系数法对指标间的相关性进行统计,依据指标间相关性的不同,赋予各指标不同的权重。若某指标与其他指标相关性较强,表明该指标的独立性较差,赋予较低权重;反之,若相关性较弱,表明该指标独立性较强,则赋予较高的权重。
  综合风险指数(CISFR)向量表达如式(1)所示。
  CISFRt=(w×st)Ct(w×st)  (1)
  其中,w、s分别为类别指标的权重向量和类别指标向量,w=(w1,w2,w3,w4,w5,w6),st=(w1,t,w2,t,w3,t,w4,t,w5,t,w6,t);C为类别指标间的相关系数矩阵。将各向量进行归一化后,计算可得权重。7个市场的相关系数矩阵如表8所示。
  依据上述原理计算得到权重向量(0.152,
  0.168,0.142,0.146,0.149,0.141,0.137),并代入式(1)中,得到系统性风险综合指数趋势图,如图1所示。
  关于7个市场的时间序列图,由于篇幅限制不再赘述。用相关系数法进一步研究综合指数和7个市场之间关系,相关系数的统计结果如表9。
  由各市场的相关系数可以发现,在样本期间,与综合指数走势最接近的是房地产市场、金融机构、股票市场和货币市场。同时也可利用相关系數,识别影响综合指数的因素来源于哪个市场,进而可针对该市场做出有效的风险预防方案。
  图1的CISFR指标变化趋势可以用中国经济实际运行验证,基本可以显示中国金融风险变化的各个阶段。
  (1)2008年至2009年底,受世界范围内经济危机的影响,中国在2008年底出台了一系列刺激经济发展的政策,有效稳定了经济发展,遏制了金融体系爆发系统性风险的可能,CISFR指数呈现回落态势。
  (2)2010年1月至2012年7月,金融风险经历了加剧、下降和再加剧的过程,表现为商业贷款增速过快、社会债务额度变大,社会总投资、GDP增速持续下降,政府出台了相关政策措施,稳定了经济。经济经历了由暂时稳定,到效果不明显这一过程,CISFR指数表现为攀升、下降和再攀升。
  (3)2012年至2013年底,资本市场平稳发展,市场流动性充裕,市场利率下行,外汇储备逐步上升,宏观经济呈现向好的发展趋势,CISFR指数下降。
   (4)2014年到现在,经历股市大幅波动、人民币贬值预期强烈、外汇储备持续下降,各类债务问题继续暴露,使CISFR指数不断升高。尽管去杠杆等措施降低了全面发生系统性金融风险的可能,但目前仍处高位。
  (三)综合指数扩展与动态修正
   本文尽管构造了回归较好的综合指标模型,但金融市场随着国内外环境不断变化,为了刻画新的风险特征,需要构造新的模型来测度风险,同时也需要更新和梳理观测数据,以完善新模型及新理论。考虑新模型的普遍应用性,通常是拓展现有的指标模型,为了保证各市场维度指标的持续使用,当某一市场的成分指标发生变动时,需要一种动态调整指数的方法,以保证指数模型的有效性。假设在外部环境的影响下,需要调整目前的指标模型,调整前的指数为XP,调整后的指数为XF,调整期完毕后测算出的指数为PF,调整期后经修正的指数为YF[ 8-9 ]。此时,指标模型继续适用的必要条件需满足:(1)PF,YF∈[0,1];(2)YF和XP保持连续,不间断;(3)[0,XP]和[0,XF]以及[XP,1]和[XF,1]均是一一映射。
   解决指标模型的一一映射关系,需要一种“分段映射法”,具体的数理结构如式(2)所示。
   通过式(2)的分段映射法,可以将[0,XP]和[XP,1]内数值分别投射到区间[0,XF]和[XF,1]上。映射的目的是保证修正点与原指标以及后续指标在0—1区间上连续。   
   四、研究结论
   本文从7个市场维度出发,经过筛选系列指标,构建系统性综合指数模型,研究发现,综合指数法在一定程度上可以有效地对金融风险进行监测,并能识别其变化规律。在2015年资本市场大幅波动之前,CISFR指标基本处于中低度风险状态,而在2015年3月至2015年底,中国股票市场大幅波动,同时外汇市场剧烈波动,引起宏观经济环境的恶化,CISFR指标维持在0.6的高风险状态上,且大概率要持续一段时间,预计资本市场要发生剧烈波动和风险。此时国家采取一系列去杠杆措施,遏制了发生系统性风险的可能,2016年以来,CISFR指标下降,资本市场处于中度风险状态。
   总之,金融市场是一个复杂的系统,受内部和外部环境的影响而不断变化,伴随的金融风险也不断变化。从长期经济变化规律来看,金融市场和金融风险具有不确定性是常态。由于目前我国处于转轨经济阶段,金融数据不连续、周期过短、市场人为分割、创新性金融工具缺乏、交易方式单一、对冲机制不完善等,造成以市场历史数据为基础的测度方法体系存在某些问题,为提高模型前瞻性和准确性还需要与其他方法结合运用。在数据的广泛性、准确性完善的基础上,找出风险演变的多种可能路径,使得模型能够及时调整,充分反映系统性风险的特征,实现将风险水平控制在可承受的范围之内,这也为相关政策的制定提供了决策参考。
  【参考文献】
  [1] 徐忠.我国防控系统性金融风险具有坚实基础[J].求是,2018(15):57-58.
  [2] 马勇,田拓,阮卓阳,等.金融杠桿、经济增长与金融稳定[J].金融研究,2016(6):37-51.
  [3] 王博,范小云.失衡调整、宏观经济稳定与金融风险防范[J].经济研究,2017(7):200-204.
  [4] 苟文均,袁鹰,漆鑫.债务杠杆与系统性风险传染机制:基于CCA模型的分析[J].金融研究,2016(3):74-91.
  [5] 何青,钱宗鑫,刘伟.中国系统性金融风险的度量:基于实体经济的视角[J].金融研究,2018(4):53-70.
  [6] 李泽广,范小云.新时代的金融体制改革与系统风险化解[J].经济研究,2018(6):204-208.
  [7] 陶玲,朱迎.系统性金融风险的监测和度量[J].金融研究,2016(6):18-36.
  [8] 李志辉,李源,李政.中国银行业系统性风险监测研究:基于SCCA技术的实现与优化[J].金融研究,2016(3):92-106.
  [9] 李政,梁琪,涂晓枫.我国上市金融机构关联性研究:基于网络分析法[J].金融研究,2016(8):95-110.
转载注明来源:https://www.xzbu.com/3/view-15130555.htm

服务推荐