基于模糊評判方法的區域系統性金融風險預警研究

劉林

（中國人民銀行重慶營業管理部，重慶 401147）

基于模糊評判方法的區域系統性金融風險預警研究

劉林

（中國人民銀行重慶營業管理部，重慶 401147）

通過開展預警實證表明，該方法在規范預警工作組織體系以及提升預警效能等方面能夠發揮切實有效的作用，是一種開展區域金融風險預警行之有效的方法。

模糊數學；模糊評判方法；區域金融風險；預警

一、模糊評判與金融風險

（一）模糊數學與模糊評判方法簡介

模糊數學是試圖利用數學工具解決模糊事物方面的問題[1]。它用精確的數學方法來處理無法用數學描述的模糊事物，著重研究“認知不確定”類問題，其研究對象具有“內涵明確，外延不明確”的特點。模糊數學為我們研究那些復雜的、難以用精確的數學描述的問題帶來了方便而又簡單的方法[2]。模糊評判方法作為模糊數學的一種具體應用方法，由我國學者汪培莊提出，其基本原理是：首先確定被評判對象的因素（指標）集和評語（等級）集，再分別確定各個因素的權重及它們的隸屬度向量，獲得模糊評判矩陣，最后把模糊評判矩陣與因素的權向量進行模糊運算并進行歸一化，得到模糊評判的最終結果。

（二）用模糊評判方法開展分析的優勢及特點

風險的一個基本特征是不確定性，而不確定性難以精確地刻畫。就金融風險評價來看，金融風險程度大小的評判沒有具體標準，不同的人或機構對風險的實際大小及推演趨勢看法不一，并不是非此即彼的簡單邏輯映射，而是具有一定波動范圍的模糊論域，因此，借助模糊數學這一定性與定量相結合的方法開展金融風險問題研究具有獨特的優勢。一是該方法理論基礎成熟，模型簡潔，計算并不繁瑣，易于掌握和使用。二是模糊評判由不同專家獨立作出，因而匯聚這些專家判斷結果所形成的評判結論客觀性較強，從而增強對實際風險認知的前瞻性和可靠度。三是模糊評判結果是被評判事物對各等級模糊子集的隸屬度，它一般是一個模糊向量，而不是一個點值，因而它能提供的信息比其他方法更豐富；同時，模糊向量也能通過計算處理得到分析對象的綜合評判值，便于決策。

二、模糊評判方法預警模型的構建

本文在綜合考察模糊綜合評價方法基本框架及操作程序[3-4]的基礎上，把運用模糊評判方法開展風險預警歸納為如下6個步驟：

（一）確定預警評判因素（指標）集

（二）確定預警評語（等級）集

（三）構造預警評判矩陣

首先對預警評判因素集中的單因素（指標）ui(i= 1,2,…,m)作單因素評判，從單因素（指標）ui著眼于風險等級vj(j=1,2,…,n)的隸屬度為rij，這樣就得出第i個因素（指標）ui的單因素評判向量ri=(ri1,ri2,…,rin)。這樣，m個著眼因素（指標）的評判集就構造出一個總的評判矩陣R。即每一個被評判對象確定了從U到V的模糊關系R，它是一個矩陣：

其中，rij表示第i個因素（指標）ui在第j個風險等級vj上的頻率分布，將其歸一化使之滿足∑rij=1。這樣，R矩陣本身就消除了量綱，不需作專門處理。

（四）確定因素（指標）權重向量

預警評判因素（指標）集中的各個因素（指標）在最終評判目標中有不同的地位和作用，即各預警評判因素（指標）在評判最終結果中占有不同的比重。我們引入U上的一個模糊子集A(a1,a2,…,am)，其中ai?0，且∑ai=1，稱權重或權重分配集，它反映評判者對諸風險評判因素重要性的一種權衡。

（五）進行模糊合成

預警評判矩陣R中不同的行反映了被評判對象（或觀測時期）從不同的單因素來看對各等級模糊子集的隸屬程度。用模糊權向量A將不同的行進行綜合，就可得到該被評判對象（或觀測時期）從總體上來看對各等級模糊子集的隸屬程度，即預警評判結果向量。一般地，令預警評判結果向量B=(b1,b2,…, bn)=A°R（°為算子符號），稱之為模糊變換。bj表示被評判對象（或觀測時期）具有風險等級vj的程度。給予不同的模糊算子，就有不同的評判模型。最易于理解和計算的模糊算子為普通積（即普通矩陣乘法），這種算子模型讓每個因素（指標）都對最終評判有所貢獻，比較客觀地反映了評判對象的全貌。

（六）計算預警評判綜合指標

預警評判結果向量B是對每個被評判對象（或觀測時期）綜合狀況分等級的程度描述，它不能直接用于被評判對象（或觀測時期）間的橫向對比，必須要更進一步地分析處理。有時可以采用最大隸屬度法則對其處理，得到最終評判結果，但這也只利用了bj中的最大者，沒有充分利用向量B所帶來的全部信息，而且采用最大隸屬度原則的預警評判等級結果有可能忽略了導致小概率事件的風險信息[3]。因此，為了充分利用向量B所帶來的全部風險信息，可把不同風險等級的評級參數和預警評判結果向量B進行綜合考慮，使得預警結果更具有風險判研價值。此時，我們可假設相對于各評判風險等級vj規定的參數列向量為C=(c1,c2,…,cn)T，則得出等級參數評判結果為p=B*C，p是一個實數，它反映了由預警評判結果向量B和等級參數向量C所帶來的綜合信息，可作為預警綜合指數做跨期比較應用。在許多實際應用中，它是十分有用的綜合參數。

三、基于模糊評判方法的預警實證分析

下面，本文以我國西部C市為實證對象，采用上述方法及步驟對其金融風險形勢開展預警分析，以驗證其在實踐中的適用性。我們把開展預警的頻度周期設為季度，即與以當前狀態對未來1個季度內的金融風險狀態展開預警，這既符合宏觀審慎管理對風險管理的時效性要求，也與金融管理部門所開展的風險形勢分析會議的節奏相一致，從而能夠提供更詳盡和豐富的分析素材，增強風險研判能力，有效防范和化解重大風險苗頭和隱患。

（一）預警因素（指標）集與權重的確定

表1 C市系統性金融風險評判因素及權重確定表

目前，部分圍繞區域預警指標體系的研究主要基于指標分析，通過對不同指標設置預警閾值來判斷風險程度。這樣所建立的預警指標體系的最大不足在于預警有效程度依賴于各指標對風險來源刻畫的科學性及其先行性。因此，為減少風險指標預警帶來的上述問題，使風險前瞻性判斷更有效，我們采用專家法與指標分析相結合的綜合方法搭建預警因素（指標）集。具體看，從對西部C市金融風險的認知理解出發，組織來自金融監管部門、銀行、企業的共計30名有關專家設計了由金融體系外部環境及金融體系自身兩大層次，共20個風險因素構成的C市區域系統性金融風險研判體系。在此基礎上，以問卷調查形式讓各位專家獨立完成風險評判問卷表，然后對其進行了整理和統計，各風險因素評判的匯總結果詳見表1。

（二）預警評語（等級）集的確定

風險評判中評語（等級）集是對風險狀態的定性刻畫，而風險狀態的表征涉及對風險程度的理解和認識。與金融風險相關的兩種極端狀態分別是金融安全和金融危機。區域金融安全是指區域金融業在遭受外部威脅與沖擊時，能夠確保金融體系的安全，并能夠持續保持穩健運行與發展的態勢；區域金融危機則是區域金融風險積累到一定程度時的總爆發，表現為大量金融機構頃刻倒閉，整個區域內的金融業一片混亂，金融體系最終全面崩潰。在明確這兩種極端狀態的基礎上，根據預警能度的客觀需要，本文把這兩種極端狀態之間再劃分出4種預警狀態，分別是基本安全、輕度風險、風險、嚴重風險，各種風險狀態描述詳見表2。

表2 金融風險預警狀態劃分

（三）預警模糊評判矩陣的生成

根據表1進行簡單的頻率統計，可以得到所構造的20行6列預警模糊評判矩陣如下：

接下來，再根據各因素對應的權重向量，運用合成算法中的加權平均法便得到了系統性金融風險評判向量如下：

評判向量的結果表明，根據最大隸屬度原則，所對應的預警評語（等級）為“基本安全”，即在2014年2季度末外推未來1個季度內C市系統性金融風險程度為“基本安全”。

（四）預警綜合評判與預警指數

為了精確地刻畫風險程度以及進行不同時期風險變動情況的比較，我們利用表2中風險狀況所對應的預警區間的上下限值計算最終的風險預警指數。

上限計算結果為：

下限計算結果為：

最終風險預警指數為上下限計算結果的平均值，計算結果如下：

四、結論

本文把模糊數學引入風險分析領域的優勢及特點進行了簡析，并嘗試搭建了以模糊評判方法為基礎的金融風險預警模型。在實證部分根據當前西部C市系統性金融風險需關注的20個方面設計了評判因素集，這一因素集能夠較為全面地反映區域系統性風險的基本狀況，用于開展風險預警具有較好的預判能力。同時，運用該方法開展金融風險預警能夠在預警工作組織上充分發揮各方專家和管理部門的集體決策作用，提高預警結果的有效性和可靠度。此外，模型構建與計算的簡便性也易使該方法在基層得到推廣應用，能為基層金融監管部門開展金融風險預警提供方法參考與借鑒。

[1]LA Zadeh.Fuzzy Sets[J].Information and Control,V 8,pp338-353,1965.

[2]謝季堅，劉承平.模糊數學方法及其應用（第4版）[M].武漢：華中科技大學出版社，2013.

[3]杜棟，龐慶華，吳炎.現代綜合評價方法與案例精選（第2版）[M].北京：清華大學出版社，2008.

[4]陳寶智.多目標模糊評價模型與評價等級計算方法[J].東北大學學報（自然科學版），2001，（5）：568-571.

（責任編輯：賈偉）

1003-4625（2014）12-0038-03

F832.1

A

2014-10-10

劉林（1979-），男，四川大竹人，碩士研究生，經濟師，研究方向：貨幣理論與政策，金融風險管理。