對金融風險指數(shù)FRI的構(gòu)建及經(jīng)濟預測的檢驗研究

胡章明

摘 要：文章基于FCI指數(shù)的基礎(chǔ)，構(gòu)建金融風險指數(shù)FRI，通過它來判斷短期利率、股票價格等的合理性。在分析過程中，加入貨幣因素、社會融資規(guī)模、人民幣匯率等指標，估計各指標的權(quán)重。通過預測檢驗，表明通貨膨脹與金融風險有很大的關(guān)聯(lián)，是中國宏觀經(jīng)濟與金融領(lǐng)域政策調(diào)整的重要參考依據(jù)。希望本文的研究能夠為讀者提供有益參考。

關(guān)鍵詞：金融風險 FRI指數(shù) 風險監(jiān)測

前 言

隨著中國經(jīng)濟體制的改革，使得金融體制、系統(tǒng)也隨之變化，在這過程面臨非常大的機遇和挑戰(zhàn)。在風險方面，由于體制改革，使得銀行流動性下降，地方債務(wù)違約風險加劇，同時沒有規(guī)范好民間融資行為，存在一系列的金融風險。鑒于以上問題的嚴重性，對于金融系統(tǒng)風險監(jiān)測提出了更高的要求。

一、構(gòu)建金融風險指數(shù)FRI的必要性

隨著中國與國際的交往程度不斷加深，在享受經(jīng)濟全球化、創(chuàng)新等紅利的同時，也承擔起巨大的金融風險。2008年美國爆發(fā)的次貸危機，如今全球經(jīng)濟還沒有完全恢復到危機發(fā)生前的水平。如何防范金融風險，成為了防范金融危機的關(guān)鍵，通過構(gòu)建FRI指數(shù)，能夠完善我國現(xiàn)有金融系統(tǒng)風險監(jiān)測體系。

通過捕捉金融系統(tǒng)風險累積程度，以及經(jīng)濟敏感性指標，基于這兩者的基礎(chǔ)構(gòu)建風險指數(shù)FRI，補充和完善相關(guān)研究成果。金融風險指數(shù)FRI，最早由Goodhart和Hofman在2001提出，其數(shù)據(jù)模型借鑒了FCI模型的構(gòu)建方法，并對分析細節(jié)進行改造和創(chuàng)新，通過對M2、房地產(chǎn)價格、銀行利差水平等指標進行分析，可以得到人民幣REEP的加權(quán)組合。通過FRI指數(shù)，可以明確金融風險的長期均衡值偏離度，全面地評估和反映金融風險[1]。

計算FRI權(quán)重，通常有三種：1、運用IS曲線構(gòu)建總需求模型；2、基于大型宏觀經(jīng)濟數(shù)據(jù)，構(gòu)建聯(lián)立模型；3、運行VAR模型對脈沖響應函數(shù)進行分析和計算。

二、樣本數(shù)據(jù)選取以及FRI權(quán)重估計

（一）樣本數(shù)據(jù)選取

選取了2004年1月至2017年8月的月度數(shù)據(jù)，共采集了1064個樣本點。貨幣供給量指標，主要以M2數(shù)據(jù)作為參考；替代變量為人民幣各項貸款總額；房地產(chǎn)價格指標，則是根據(jù)中國房產(chǎn)行業(yè)的景氣指數(shù)、綜合經(jīng)濟指數(shù)決定；銀行利差水平，以銀行基準貸款利率、銀行間七天同業(yè)拆解利差決定；股票價格指標，以上證綜指作為參考；人民幣REEP采用間接標價法，通貨膨脹率選取CPI月度環(huán)比數(shù)據(jù)。

需要特別注意的是，銀行利差水平選取指標，若是直接采用銀行間七天拆解利率水平，這一指標忽略了我國利率非市場化的特征，有一定的利率管制，利率不存在長期化的趨勢。采用均值代替長期化區(qū)是指，對于金融風險預測而言，這一指標的效果沒有太大意義，僅作為參考變量。基于此銀行利差水平，替代短期利率的指標。

對于股票價格指標確定，以股票價格指數(shù)，以及指標的長期均衡值計算缺口值，忽略其中的異方差、數(shù)據(jù)波動性。直接采用上證綜指的股票價格，作為FRI指數(shù)的代理變量。變量指標之間的長期均衡值計算，基于月度數(shù)據(jù)以平滑因子為14400的HP濾波求得相應數(shù)值，將各選取指標與均衡值表示缺口值gap。計算軟件采用Evies8.0、Excel2010，數(shù)據(jù)來源國泰安數(shù)據(jù)庫、《中國統(tǒng)計年鑒》等。

（二）基于VAR模型的脈沖響應分析以及FRI權(quán)重估計

1.平穩(wěn)性檢驗

VAR模型的平穩(wěn)性，取決于各變量的平穩(wěn)，因此采用ADF檢驗進行根檢驗，確保各缺口值符合平穩(wěn)的特征。ADF檢驗采用麥金農(nóng)臨界值。對M2gap1、Fsgap2、Hpgap3、Blgap4、Shgap5、Reergap6進行檢驗，臨界水平分別在5%、5%、1%、1%、1%、10%之間，檢測結(jié)果總體呈現(xiàn)平穩(wěn)的特征[2]。

對于之后階數(shù)k的選擇，常規(guī)AIC、SC評價指標之外，還添加LR、FRE、HQ的評價指標，綜合五項因素最終確定最優(yōu)之后階數(shù)k，計算過程采用Eviews8.0軟件。根據(jù)檢驗結(jié)果，SC、HQ評價指標認為構(gòu)建VAR（1）模型，而其余評價指標認為應構(gòu)建VAR（4）模型。綜合考慮，VAR模型最優(yōu)滯后階數(shù)k=4。為了確認VAR模型特征根倒數(shù)是否<1，運用Eviews8.0輸出AR根圖，通過它可以發(fā)現(xiàn)所有特征根倒數(shù)在單位元以內(nèi)，由此可以判斷VAR模型特征為平穩(wěn)，符合接下來的脈沖響應分析條件。

由于VAR模型系數(shù)難以解釋通貨膨脹缺口，因此在響應函數(shù)中施加一個新息沖擊，由此可以知道內(nèi)生變化在當期和未來的影響，以響函數(shù)推斷VAR模型的經(jīng)濟內(nèi)涵。為了確認FRI能夠監(jiān)測經(jīng)濟運行風險，以CPI對FRI指數(shù)各變量脈沖響應進行考察。

2.脈沖響應沖擊

根據(jù)考察，得出以下幾個結(jié)果：（1）CPI對M2缺口單位Cholesky沖擊第1期沖擊值為0，第2期為0.027829，直到第7期沖擊值達到最高水平0.261457，平均沖擊值為0.186001。通過以上數(shù)據(jù)，大致可以推斷CPI沖擊在初期容易出現(xiàn)負響應、零響應，通過沖擊效應可以解釋現(xiàn)實情況。（2）社會融資規(guī)模缺口單位Cholesky對通貨膨脹率沖擊，呈現(xiàn)明顯上升趨勢，沖擊值在第8期達到最高水平0.357095，平均沖擊值為0.244822。社會融資規(guī)模缺口代理變量沖擊CPI，導致通貨膨脹率上升。（3）CPI對房產(chǎn)銷售價格同樣有較大的沖擊，在第8期達到最高沖擊水平，其最高、平均沖擊值分別為0.477500、0.324530。表明房產(chǎn)銷售價格受到CPI通貨膨脹率的影響較大，并且呈現(xiàn)持續(xù)上升的趨勢。通過這次考察，可以知道房產(chǎn)價格增長已超出經(jīng)濟增長預期，對于未來的走勢學界的認定也產(chǎn)生了較大的分歧。因此，需要對我國房產(chǎn)景氣指數(shù)的多方面影響因素進行分析，如房產(chǎn)開發(fā)投資、施工面積以及土地開發(fā)面積等[3]。

（4）銀行利差水平缺口沖擊，缺口單位Cholesky正向沖擊為負，沖擊值呈現(xiàn)較大的波動幅度，表現(xiàn)為先下降到最低沖擊值-0.084174，然后急速提升沖擊值接近與零并保持很長時間的穩(wěn)定，銀行利差水平平均沖擊值為-0.057266。需要注意的是，這一指標并非單純的短期利率指標，因此得出結(jié)果有一定的差異。盡管如此，這種評價指標更能真實反映當前的金融風險現(xiàn)狀。由于我國沒有采取利率市場化，因此從沖擊效應來看，這一指標的缺口值和利率表現(xiàn)不夠顯著，對于風險不夠敏感，這也是我國金融市場當前亟需改革的部分，推動利率市場化很有必要。（5）股票價格缺口方面，CPI通脹率對其單位Cholesky的沖擊效應，表現(xiàn)在第2期的沖擊值-0.007851，自第2期開始沖擊值呈現(xiàn)上升的趨勢，最后一期的沖擊值達到最高水平0.443272，股票價格缺口平均沖擊值為0.268159。相較其他指標，股票價格對于金融風險的敏感程度更高，以其沖擊值判斷風險，最符合預期和判斷。（6）人民幣有效匯率缺口，CPI通脹率對于人民幣匯率的沖擊效果也很顯著，呈現(xiàn)的沖擊值始終為負，有較大的數(shù)值波動。在第7期沖擊值最低為-0.376483，然后沖擊值持續(xù)上升但始終地域水平軸下方，平均沖擊值為-0.268249。之所以出現(xiàn)這種變化，與外貿(mào)、投資引起的匯率變化有很大的關(guān)系，在諸多不確定因素影響下造成通脹率變化[4]。

3.FRI權(quán)重估計

通過以上脈沖響應函數(shù)分析，可以明確FRI指數(shù)在各變量缺口值的權(quán)重關(guān)系，可以使用以下公式來表現(xiàn)：

以上公式，以wi表示各個變量缺口值的權(quán)重系數(shù)，以ui表示CPI缺口值i的單位沖擊效應下表現(xiàn)的平均沖擊值。通過對ui脈沖響應分析，可以進行簡單的加權(quán)運算，用以定義金融風險指數(shù)FRI：

FRIt=0.1583m2gap1t+0.1376fsgap2t+0.2815hpgap3t-0.0356b1gap4t+0.1987shgap5t-0.1852reergap6t

通過以上風險指數(shù)FRI加權(quán)計算，可以知道風險預測效果，由此假定金融風險指示器功能，對FRI和CPI通脹率相關(guān)性進行驗證。

三、FRI預測效果檢驗

（一）相關(guān)性與跨期相關(guān)性分析

對FRI指數(shù)中的樣本數(shù)據(jù)進行驗證，確保其通脹預期能夠保持在小范圍的預算誤差，充分發(fā)揮金融風險的指示器功能，首先對FRI、CPI缺口值的相關(guān)性與跨期相關(guān)性進行檢驗，由此可以指導數(shù)據(jù)的相關(guān)和跨期相關(guān)系數(shù)，由此可以證明兩者之間強烈的相關(guān)性。

例如，F(xiàn)RI缺口與CPI相關(guān)系數(shù)為0.778、最優(yōu)跨期相關(guān)系數(shù)為0.4967，根據(jù)最優(yōu)跨期相關(guān)系數(shù)在第9期達到0.5751。這一預測結(jié)果與國內(nèi)學者的研究結(jié)果有些差異，但與國外Goodhart和Hofmann對FCI、CPI指標的動態(tài)性檢驗結(jié)果有較高的接近性，達到0.59，與本次計算結(jié)果他們的指標在滯后3期內(nèi)達到最優(yōu)跨期相關(guān)系數(shù)。通過這一結(jié)果，幫助我們構(gòu)建利用FRI預測CPI通貨膨脹率的預警和檢測方面，可以實現(xiàn)至少提前9個月發(fā)出通脹率提高的危機信號[5]。

（二）線形圖分析

將FRI、CPI指標缺口值制成線形圖，可以清晰看到FRI的缺口值從2008年2月的-238.53開始大幅下跌，直到同年11月跌至-8518.65，同時根據(jù)數(shù)據(jù)分析這段時期（2月～11月）是CPI通脹率缺口值大幅度攀升的時間，在2月達到最高點4.8989，到了同年11月開始大幅下跌轉(zhuǎn)為負值。通過兩個時間點的設(shè)置，可以知道FRI、CPI指標呈現(xiàn)大幅度下跌的趨勢，且相差的時間為9個月，與上文的跨期相關(guān)系數(shù)估計滯后期9個月基本吻合。

（三）格蘭杰因果檢驗以及VAR模型脈沖響應分析

為了進一步驗證預測揭露，再對FRI、CPI指標進行格蘭杰因果檢驗，利用缺口值進行檢驗。以“FRI不是CPIGAP的格蘭杰原因”進行假設(shè)，F(xiàn)統(tǒng)計量為8.86643、5.34069，概率為0.0002、0.0016；以“CPIGAP不是FRID的格蘭杰原因”，F(xiàn)統(tǒng)計量為5.58763、4.08732，概率為0.0046、0.0081。通過以上數(shù)據(jù)可以得知，采取滯后2～3期的假設(shè)，前者概率僅為0.02%和0.016%，由此可以判斷FRI是CPI通脹率的格蘭杰原因，這與之前的預測判斷相符。為了確保驗證效果，再綜合其他學者構(gòu)建的FCI指數(shù)，其預測結(jié)果的說服力、解釋力更強。

VAR脈沖響應分析，基于CPI、FRI雙變量VAR模型，利用Cholesky分析CPI、FRI信息形成的正向沖擊結(jié)果。根據(jù)分析結(jié)果 ，可以知道，沖擊響應值始終保持正向波動，以穩(wěn)定的遞減趨勢，波動范圍在0.511374～0.127362之間。在分析FRI指標對CPI單位信息的沖擊，其響應也更為明顯，呈現(xiàn)著依次遞減的趨勢，變化范圍為負相應，波動范圍在1259.478～-146.1250之間波動。通過以上分析和驗證，表面金融風險FRI指數(shù)，對于CPI通貨膨脹率的預測具有明顯的效果。

結(jié) 論

綜合上述，基于FCI指數(shù)基礎(chǔ)構(gòu)建金融風險FRI指數(shù)，通過合理調(diào)整指標參數(shù)，以VAR模型響應函數(shù)分析各指標權(quán)重。以CPI通脹率作為金融風險的評判依據(jù)，進行響應脈沖分析。在驗證方面，采用相關(guān)和跨期相關(guān)系數(shù)的相關(guān)性、線形圖、格蘭杰因果以及VAR模型響應脈沖分析驗證，綜合各項計量結(jié)果和其他學者的預測數(shù)據(jù)比對，檢驗結(jié)果表明FRI指數(shù)適用于預測經(jīng)濟運行風險。

參考文獻

[1] 鹿剛.匯率波動、跨境資本流動對金融風險的動態(tài)沖擊影響——基于SVAR模型的實證研究[J].華北金融，2017（07）：11-19.

[2] 武鵬，胡海峰.中國金融風險指數(shù)FRI的構(gòu)建及經(jīng)濟預測的檢驗[J].統(tǒng)計與決策，2016（02）：120-123.

[3] 阮湛洋.我國系統(tǒng)性金融風險指數(shù)的構(gòu)建與測算——基于CISS綜合指數(shù)方法[J].浙江金融，2017（05）：16-22.

[4] 陳悅.淺析基于金融壓力指數(shù)的系統(tǒng)性金融風險測度[J].經(jīng)貿(mào)實踐，2016（13）：79.

[5] 饒勛乾.金融風險預警與貨幣穩(wěn)定的關(guān)系研究——基于FCI指數(shù)[J].云南財經(jīng)大學學報，2014，30（04）：96-103.