區(qū)域金融風(fēng)險(xiǎn)評級模型及其應(yīng)用研究

廖萱

摘 要：在對現(xiàn)有相關(guān)文獻(xiàn)的學(xué)習(xí)整理基礎(chǔ)上，從區(qū)域金融風(fēng)險(xiǎn)的基本理論入手，首先對區(qū)域金融風(fēng)險(xiǎn)的內(nèi)涵界定，遴選評價(jià)指標(biāo)，構(gòu)建出區(qū)域風(fēng)險(xiǎn)評級模型，將金融風(fēng)險(xiǎn)程度量化為等級區(qū)間。其次以我國區(qū)域性的經(jīng)濟(jì)金融中心六大城市為研究對象，以2000—2011年時間內(nèi)金融風(fēng)險(xiǎn)狀況進(jìn)行實(shí)證研究，比較分析了不同區(qū)域金融風(fēng)險(xiǎn)差異性。

關(guān)鍵詞：區(qū)域金融風(fēng)險(xiǎn)；層次分析法；綜合指數(shù)

中圖分類號：F832 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-291X（2017）30-0081-02

引言

自金融從實(shí)體經(jīng)濟(jì)中產(chǎn)生以來，不論經(jīng)歷怎樣的發(fā)展和改革，金融風(fēng)險(xiǎn)可謂如影隨形。歷史經(jīng)驗(yàn)告訴我們，一旦金融風(fēng)險(xiǎn)被放大，甚至是失控，從而爆發(fā)的金融危機(jī)都將在不同程度上對各國各行業(yè)的經(jīng)濟(jì)體造成沉重的打擊。尤其是在金融全球化發(fā)展的趨勢下，區(qū)域性金融風(fēng)險(xiǎn)已經(jīng)會導(dǎo)致全球金融危機(jī)的爆發(fā)。因而，在了解區(qū)域金融風(fēng)險(xiǎn)的產(chǎn)生、存在程度等各方面問題后，才能更好的防范金融風(fēng)險(xiǎn)的發(fā)生，對各國金融發(fā)展都有重要意義。

一、文獻(xiàn)回顧與研究內(nèi)容

（一）區(qū)域金融風(fēng)險(xiǎn)

一般認(rèn)為，金融風(fēng)險(xiǎn)可以分為三種類型，分別是個體性金融風(fēng)險(xiǎn)、區(qū)域性金融風(fēng)險(xiǎn)和系統(tǒng)性金融風(fēng)險(xiǎn)。區(qū)域性金融風(fēng)險(xiǎn)主要是指在特定區(qū)域由內(nèi)部個別或部分機(jī)構(gòu)的金融活動風(fēng)波導(dǎo)致金融風(fēng)險(xiǎn)在區(qū)域內(nèi)擴(kuò)散，或者是與之有密切經(jīng)濟(jì)聯(lián)系的其他區(qū)域金融風(fēng)險(xiǎn)向本區(qū)域傳播，從而誘發(fā)金融危機(jī)導(dǎo)致金融震蕩的金融風(fēng)險(xiǎn)。具有區(qū)域差異性、成因更復(fù)雜、可控性更強(qiáng)等特征。

（二）金融風(fēng)險(xiǎn)預(yù)警研究的文獻(xiàn)綜述

金融風(fēng)險(xiǎn)預(yù)警是防范金融危機(jī)最為有效的手段。劉傳哲、張麗哲（1999）首先利用因子分析法（FA）遴選出11個指標(biāo)構(gòu)建指標(biāo)體系，然后利用層次分析法和主成分分析法確定各指標(biāo)的權(quán)重求出綜合指數(shù)。陳守東、楊瑩、馬輝（2006）通過因子分析法和Logit模型對分別建立宏觀經(jīng)濟(jì)和金融市場風(fēng)險(xiǎn)預(yù)警模型。譚中明（2010）首先建立區(qū)域金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)，然后運(yùn)用層次分析法熵值法求出各評價(jià)指標(biāo)的權(quán)重，和指標(biāo)評價(jià)區(qū)間。最后利用2007年我國和江蘇省的數(shù)據(jù)得出綜合指數(shù)和單個指標(biāo)的預(yù)警值，進(jìn)行分析。樓文高、喬龍（2011）首先選取金融風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，并確定單指標(biāo)評價(jià)區(qū)間值。其次建立金融風(fēng)險(xiǎn)預(yù)警的NN模型和BPNN模型，然后運(yùn)用我國1994—2010年指標(biāo)數(shù)據(jù)值實(shí)證判定該時間段內(nèi)我國金融風(fēng)險(xiǎn)水平。

二、研究方法

（一）研究對象

選取八大經(jīng)濟(jì)區(qū)域中六大代表性城市的2000—2011年的樣本數(shù)據(jù)，六個城市分別是北京、天津、上海、江蘇、福建和廣東，這些城市的數(shù)據(jù)代表了北部沿海、東部沿海和南部沿海三個區(qū)域的金融風(fēng)險(xiǎn)狀況。

（二）模型構(gòu)建

1.區(qū)域金融風(fēng)險(xiǎn)評級指標(biāo)設(shè)計(jì)

根據(jù)指標(biāo)體系構(gòu)建的全面性、靈敏性和實(shí)用性原則和本文的研究內(nèi)容，本文分別從能反映區(qū)域金融風(fēng)險(xiǎn)的三個大方向選取指標(biāo)，選取了三大類區(qū)域經(jīng)濟(jì)環(huán)境風(fēng)險(xiǎn)（地區(qū)GDP增長率x1、城鎮(zhèn)失業(yè)率x2、地方財(cái)政收入/GDP x3）、區(qū)域金融機(jī)構(gòu)經(jīng)營風(fēng)險(xiǎn)（不良貸款率x4、保費(fèi)增長率x5、貸款增長率x6、貸款存款比例x7）和區(qū)域特殊金融活動風(fēng)險(xiǎn)（房地產(chǎn)投資增長率 x8、固定資產(chǎn)投資增長率x9、房價(jià)增長率/GDP增長率 x10），共10個指標(biāo)。為了對區(qū)域金融風(fēng)險(xiǎn)進(jìn)行評級，首先引入等級區(qū)間概念。借鑒景氣綜合指數(shù)的亮燈評定方法，將等級區(qū)間由分?jǐn)?shù)從低到高，分別分為“藍(lán)燈區(qū)”[0，20）、“淡藍(lán)燈區(qū)”[20，25）、“綠燈區(qū)”[25，35）、“黃燈區(qū)”[35，40）、“紅燈區(qū)”[40，50]，分別表示經(jīng)濟(jì)冷縮、經(jīng)濟(jì)開始回溫、風(fēng)險(xiǎn)受控經(jīng)濟(jì)穩(wěn)定、經(jīng)濟(jì)偏熱和風(fēng)險(xiǎn)失控經(jīng)濟(jì)過熱。

2.區(qū)域金融風(fēng)險(xiǎn)評級方法

本文采用的是區(qū)間等級綜合評價(jià)方法，所以選用映射法，根據(jù)原始指標(biāo)的臨界值，對應(yīng)等級區(qū)間的上下限轉(zhuǎn)化為區(qū)間內(nèi)分?jǐn)?shù)值，從而對原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。將指標(biāo)的原始數(shù)值標(biāo)準(zhǔn)化后，消除了量綱的影響，再通過層次分析法確定各指標(biāo)權(quán)重，就可以求出各指標(biāo)的綜合指數(shù)。表示指標(biāo)的映射分?jǐn)?shù)值，表示指標(biāo)體系中各指標(biāo)的權(quán)重，表示由兩者確定的區(qū)域金融風(fēng)險(xiǎn)綜合指數(shù)。

三、實(shí)證研究與分析

（一）區(qū)域金融風(fēng)險(xiǎn)評級

本文首先收集了2000—2011年六大城市的上述評價(jià)指標(biāo)體系各指標(biāo)數(shù)據(jù)，根據(jù)前文確定的風(fēng)險(xiǎn)評級方法，在對原始數(shù)據(jù)標(biāo)準(zhǔn)化處理后，通過層次分析法求出指標(biāo)權(quán)重，得出綜合指數(shù)，將結(jié)果匯總得到區(qū)域金融風(fēng)險(xiǎn)綜合評級數(shù)值。

（二）不同區(qū)域金融風(fēng)險(xiǎn)評級狀態(tài)分析

從實(shí)證分析得出，北京市和廣東省金融風(fēng)險(xiǎn)綜合評級分?jǐn)?shù)分別為23.22、24.79，屬于淺藍(lán)燈區(qū)，天津、上海、江蘇、福建的金融風(fēng)險(xiǎn)綜合評級分?jǐn)?shù)分別是28.72、25.76、26.57和27.58，屬于綠燈區(qū)。由此可以看出，在2000—2011年時間中，六大城市的區(qū)域金融風(fēng)險(xiǎn)狀態(tài)整體處于綠燈區(qū)，即金融風(fēng)險(xiǎn)處于控制中的穩(wěn)定狀態(tài)。但是值得注意的是，天津市的風(fēng)險(xiǎn)狀態(tài)處于綠燈區(qū)間的40%左右位置，可能突破綠燈區(qū)進(jìn)入風(fēng)險(xiǎn)不穩(wěn)定黃燈區(qū)。從各區(qū)域金融風(fēng)險(xiǎn)評價(jià)的三大類別來看，六大區(qū)域經(jīng)濟(jì)的經(jīng)營機(jī)構(gòu)和特殊金融活動風(fēng)險(xiǎn)差別不大，只有該區(qū)域經(jīng)濟(jì)環(huán)境狀況有較大差別，尤其是天津市的經(jīng)濟(jì)環(huán)境風(fēng)險(xiǎn)分?jǐn)?shù)值明顯高于其他區(qū)域，占綜合指數(shù)的38%左右，這說明天津市作為直轄市，有良好的經(jīng)濟(jì)發(fā)展環(huán)境和政策支持，但同時更要落實(shí)好國家宏觀調(diào)控政策，加強(qiáng)金融發(fā)展整體環(huán)境的風(fēng)險(xiǎn)控制能力，保持經(jīng)濟(jì)發(fā)展的良好勢頭。

結(jié)論

本文通過選取中國八大經(jīng)濟(jì)區(qū)域中三個區(qū)域的六個代表性地區(qū)作為實(shí)證樣本，應(yīng)用評級模型得出各區(qū)域金融風(fēng)險(xiǎn)狀況，得出結(jié)論是在2000—2011年時間中，六大城市的區(qū)域金融風(fēng)險(xiǎn)狀態(tài)整體處于綠燈區(qū)，即金融風(fēng)險(xiǎn)處于控制中的穩(wěn)定狀態(tài)。從區(qū)域金融風(fēng)險(xiǎn)評級指標(biāo)選取的三大類別來看，區(qū)域經(jīng)濟(jì)環(huán)境風(fēng)險(xiǎn)的數(shù)值在這六個城市中有較大的差別，所以基于區(qū)域金融風(fēng)險(xiǎn)狀態(tài)不同方面的狀況和評價(jià)指標(biāo)體系中不同影響因素的得分，各地區(qū)可以有側(cè)重的注意本地區(qū)金融發(fā)展中的風(fēng)險(xiǎn)狀況，采取不同的政策引導(dǎo)和發(fā)展重點(diǎn)。比如發(fā)展較為成熟的地區(qū)如北京、上海和廣州等應(yīng)該加快轉(zhuǎn)變地區(qū)經(jīng)濟(jì)發(fā)展方式，夯實(shí)金融體系穩(wěn)健運(yùn)行基礎(chǔ)。積極推動金融機(jī)構(gòu)改革創(chuàng)新，增強(qiáng)金融機(jī)構(gòu)核心競爭力。加大開發(fā)國內(nèi)各類金融機(jī)構(gòu)有特色的金融產(chǎn)品和金融服務(wù)，完善業(yè)務(wù)盈利模式，提高持續(xù)盈利能力。endprint

參考文獻(xiàn)：

[1] 劉傳哲，張麗哲.金融危機(jī)預(yù)警系統(tǒng)及研究[J].系統(tǒng)工程，1999，（9）：33-37.

[2] 陳守東，楊瑩，馬輝.中國金融風(fēng)險(xiǎn)預(yù)警研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006，（7）.

[3] 譚中明.區(qū)域金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的設(shè)計(jì)和綜合度量[J].軟科學(xué)，2010，（3）：69-74.

[4] 樓文高，喬龍.基于神經(jīng)網(wǎng)絡(luò)的金融風(fēng)險(xiǎn)預(yù)警模型及其實(shí)證研究[J].金融論壇，2011，（11）.

[5] Kaminsky， G.I.，S. Lizondo and C. M. Reinhart， Leading Indicators of Currency Crises[N]， IMF Staff Paper， 1998，45（1）.

[6] NAG A，MITRA A.Neural networks and early warning indicators of currency crisis[R].Reserve Bank of India Occasional Papers， 20（2），1999.

[7] 胡燕京，高會麗，徐建鋒.金融風(fēng)險(xiǎn)預(yù)警——基于BP人工神經(jīng)網(wǎng)絡(luò)的一種分析[N].青島大學(xué)學(xué)報(bào)，2002，（12）：28-34.

[8] 陳秋玲，薛玉春，肖璐.金融風(fēng)險(xiǎn)預(yù)警：評價(jià)指標(biāo)、預(yù)警機(jī)制與實(shí)證研究[N].上海大學(xué)學(xué)報(bào)：社會科學(xué)版，2009，（16）.

[9] Frankel， J. A. and A. K. Rose， Currency Crashes in Emerging Markets： An Empirical Treatment[J].Journal of International Economics， 1996，（41）：35-66.

[10] Sachs J.，A. Tornell and A. Velasco， Financial Crises in Emerging Markets：The Lessons from 1995[N].Brookings Papers on Economic Activity， 1996，（1）：147-215.

[11] 張雄.金融危機(jī)理論演進(jìn)與發(fā)展研究[J].商業(yè)研究，2007，（5）.

[12] 商瑾.金融風(fēng)險(xiǎn)及防范對策研究——基于財(cái)政聯(lián)結(jié)角度[D].財(cái)政部財(cái)政科學(xué)研究所，2012，（6）.

[13] 歐江波，周兆鈿.基于AHP的中心城市經(jīng)濟(jì)預(yù)警指標(biāo)體系研究[J].經(jīng)濟(jì)師，2012，（6）.

[14] 郭金玉，張忠彬，孫慶云.層次分析法的研究與應(yīng)用[J].中國安全科學(xué)學(xué)報(bào)，2008，（5）.

[15] 孫文，王冀寧.基于AHP的中小企業(yè)信用評級指標(biāo)體系構(gòu)建[J].財(cái)會通訊，2012，（3）.

[16] 蘇波.商業(yè)銀行區(qū)域風(fēng)險(xiǎn)評級與信貸管理研究[J].金融監(jiān)管研究，2013，（12）.

[17] 張延群.全球向量自回歸模型的理論、方法及其應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012，（4）.

[18] 柳欣，王晨.內(nèi)生經(jīng)濟(jì)增長與財(cái)政、貨幣政策——基于VAR模型的實(shí)證研究[J].南開經(jīng)濟(jì)研究，2008，（6）.

[19] 劉子斐，史敬.VAR模型比較技術(shù)及其評價(jià)[J].金融研究，2008，（5）.

[責(zé)任編輯 陳丹丹]endprint