區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究：一個(gè)文獻(xiàn)綜述

【摘要】區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究是金融風(fēng)險(xiǎn)預(yù)警領(lǐng)域的重要課題， 積極對區(qū)域金融風(fēng)險(xiǎn)影響因素進(jìn)行理論分析， 有助于各區(qū)域有效識別和防范潛在的金融風(fēng)險(xiǎn)， 維護(hù)區(qū)域經(jīng)濟(jì)的平穩(wěn)運(yùn)行。本文從區(qū)域金融風(fēng)險(xiǎn)的影響因素、 預(yù)警指標(biāo)體系構(gòu)建和預(yù)警模型建立三個(gè)方面， 對現(xiàn)有關(guān)于區(qū)域金融風(fēng)險(xiǎn)預(yù)警的研究進(jìn)行文獻(xiàn)綜述， 指出其存在的問題， 并針對未來研究提出相關(guān)建議， 旨在為進(jìn)一步完善和加強(qiáng)區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究提供理論支持和實(shí)踐指導(dǎo)。

【關(guān)鍵詞】區(qū)域金融風(fēng)險(xiǎn)預(yù)警；影響因素；指標(biāo)體系；預(yù)警模型；文獻(xiàn)綜述

【中圖分類號】 F832.3；F832.59 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1004-0994（2024）15-0122-7

一、 引言

自2012年12月中央政府在中央經(jīng)濟(jì)工作會(huì)議上首次提出“區(qū)域金融風(fēng)險(xiǎn)”以來， 區(qū)域金融風(fēng)險(xiǎn)相關(guān)話題一直是研究熱點(diǎn)。基于金融風(fēng)險(xiǎn)的影響范疇及其核心特性， 區(qū)域金融風(fēng)險(xiǎn)被歸類為中觀層面的金融風(fēng)險(xiǎn)， 特指某一特定經(jīng)濟(jì)區(qū)域內(nèi)金融產(chǎn)業(yè)所面臨的各類金融風(fēng)險(xiǎn)。我國學(xué)者通常將區(qū)域金融風(fēng)險(xiǎn)界定為“區(qū)域系統(tǒng)性金融風(fēng)險(xiǎn)”， 是指在一個(gè)特定的地理區(qū)域內(nèi)， 由于金融體系內(nèi)部各種風(fēng)險(xiǎn)因素的累積和相互關(guān)聯(lián)， 以及金融風(fēng)險(xiǎn)的強(qiáng)傳染性， 導(dǎo)致整個(gè)區(qū)域金融體系出現(xiàn)不穩(wěn)定或崩潰的可能， 進(jìn)而對該區(qū)域內(nèi)的實(shí)體經(jīng)濟(jì)造成重大損失的風(fēng)險(xiǎn)。這種風(fēng)險(xiǎn)具有系統(tǒng)性特征， 即不僅影響個(gè)別金融機(jī)構(gòu)， 而且對整個(gè)區(qū)域金融體系和經(jīng)濟(jì)發(fā)展構(gòu)成威脅， 這使得其成為各級地方政府在防控和化解風(fēng)險(xiǎn)工作中所面臨的重要難題和挑戰(zhàn)。《中共中央關(guān)于制定國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二?三五年遠(yuǎn)景目標(biāo)的建議》中強(qiáng)調(diào)， “健全金融風(fēng)險(xiǎn)防范預(yù)警處置問責(zé)體系， 對違法違規(guī)行為零容忍”。隨著我國整體經(jīng)濟(jì)實(shí)力的提升和現(xiàn)代化市場經(jīng)濟(jì)的發(fā)展， 以及金融體系復(fù)雜性和關(guān)聯(lián)性的不斷增加， 再加上全球經(jīng)濟(jì)金融環(huán)境的不確定性和貿(mào)易保護(hù)主義的抬頭， 金融業(yè)迎來了一系列新的挑戰(zhàn)和機(jī)遇。如何發(fā)現(xiàn)、 防范和治理金融風(fēng)險(xiǎn)將直接影響金融業(yè)的健康可持續(xù)發(fā)展。

區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究是金融風(fēng)險(xiǎn)預(yù)警領(lǐng)域的重要課題， 積極對區(qū)域金融風(fēng)險(xiǎn)影響因素進(jìn)行理論分析， 有助于各區(qū)域有效識別和防范潛在的金融風(fēng)險(xiǎn)， 維持區(qū)域經(jīng)濟(jì)的平穩(wěn)運(yùn)行。科學(xué)有效的區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型， 對金融業(yè)風(fēng)險(xiǎn)狀況具有較強(qiáng)的監(jiān)督作用， 能促進(jìn)各區(qū)域及早發(fā)現(xiàn)危機(jī)。因此， 本文從影響因素、 預(yù)警指標(biāo)體系構(gòu)建和預(yù)警模型建立三個(gè)方面， 對現(xiàn)有關(guān)于區(qū)域金融風(fēng)險(xiǎn)預(yù)警的研究進(jìn)行文獻(xiàn)綜述， 這有助于發(fā)現(xiàn)和改善現(xiàn)有研究的不足， 進(jìn)一步提高區(qū)域金融風(fēng)險(xiǎn)管理水平， 促進(jìn)金融業(yè)的健康可持續(xù)發(fā)展。

二、 區(qū)域金融風(fēng)險(xiǎn)的影響因素

為了防范區(qū)域金融風(fēng)險(xiǎn)， 中央政府一再強(qiáng)調(diào)“守住底線”的重要性。區(qū)域金融風(fēng)險(xiǎn)的影響因素多種多樣， 上至國家宏觀經(jīng)濟(jì)政策， 下至金融機(jī)構(gòu)自身脆弱性等微觀因素。對潛在金融風(fēng)險(xiǎn)的識別有利于建立及時(shí)有效的區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型。通過對現(xiàn)有研究成果進(jìn)行整理， 本文將區(qū)域金融風(fēng)險(xiǎn)的影響因素分為金融系統(tǒng)內(nèi)部和外部環(huán)境兩個(gè)方面。

（一） 金融系統(tǒng)內(nèi)部方面

1. 金融機(jī)構(gòu)自身的脆弱性。金融機(jī)構(gòu)脆弱性的研究起源于馬克思和凱恩斯等杰出學(xué)者對貨幣職能及宏觀經(jīng)濟(jì)周期變動(dòng)的深入探討。在早期理論分析階段， 學(xué)者們主要聚焦于金融不穩(wěn)定性假設(shè)、 安全范圍假設(shè)等交易市場的不確定性問題。隨著研究的不斷深入和細(xì)化， 學(xué)者們開始從更宏觀的視角出發(fā)， 綜合考慮金融機(jī)構(gòu)自身的脆弱性以及其與外部金融市場的緊密關(guān)聯(lián)性。Oet等（2013）的研究中明確指出， 銀行自身的脆弱性在很大程度上提高了銀行系統(tǒng)性金融風(fēng)險(xiǎn)發(fā)生的可能性。郭秀秀（2016）也強(qiáng)調(diào)， 區(qū)域金融風(fēng)險(xiǎn)的重要來源之一是金融機(jī)構(gòu)本身的脆弱性。此外， 中國人民銀行烏海市中心支行課題組等（2020）進(jìn)一步提出， 金融體系存在的信用體系不健全、 信息不對稱等不穩(wěn)定因素如若長期積累， 將有可能引發(fā)嚴(yán)重的金融危機(jī)。

2. 金融機(jī)構(gòu)內(nèi)外部控制體制不健全。區(qū)域金融風(fēng)險(xiǎn)的成因復(fù)雜多樣， 其中， 金融機(jī)構(gòu)內(nèi)部的盲目擴(kuò)張和無序競爭行為， 以及外部過于注重規(guī)模而忽視效益的發(fā)展模式， 還有金融市場中新業(yè)態(tài)風(fēng)險(xiǎn)的逐漸累積， 都是不可忽視的因素。從金融產(chǎn)業(yè)內(nèi)部來看， 內(nèi)部控制機(jī)制是確保金融支付能力穩(wěn)健運(yùn)行的關(guān)鍵。一個(gè)健全的內(nèi)部控制機(jī)制可以有效降低微觀金融風(fēng)險(xiǎn)發(fā)生的概率， 防止風(fēng)險(xiǎn)在體系內(nèi)累積并擴(kuò)散。馬守榮和許滌龍（2014）在研究中指出， 金融機(jī)構(gòu)因盲目追求擴(kuò)張和利潤， 常常忽視風(fēng)險(xiǎn)管理， 同時(shí)監(jiān)管部門對地方金融機(jī)構(gòu)的監(jiān)管和控制也存在明顯的不足， 以上雙重問題導(dǎo)致了風(fēng)險(xiǎn)的不斷累積， 為區(qū)域金融風(fēng)險(xiǎn)的爆發(fā)埋下了隱患。瞿小豐（2019）也強(qiáng)調(diào)區(qū)域內(nèi)金融機(jī)構(gòu)間的無序競爭容易誘發(fā)經(jīng)營風(fēng)險(xiǎn)， 部分機(jī)構(gòu)內(nèi)部控制機(jī)制的不完善更是加劇了高風(fēng)險(xiǎn)投資行為， 進(jìn)一步推動(dòng)了區(qū)域金融風(fēng)險(xiǎn)的上升。而從區(qū)域金融外部市場來看， 其健全性不僅體現(xiàn)在金融組織能否充分利用市場資源實(shí)現(xiàn)資金融通， 進(jìn)而降低流動(dòng)性、 信用和經(jīng)營風(fēng)險(xiǎn)， 更在于金融市場體系能否建立規(guī)范性的約束和監(jiān)督機(jī)制， 以規(guī)避或控制內(nèi)源性和關(guān)聯(lián)性金融風(fēng)險(xiǎn)。石潤和潘煥學(xué)（2014）指出， 金融機(jī)構(gòu)過于注重規(guī)模擴(kuò)張而忽視效益的發(fā)展模式， 以及內(nèi)部控制體制的不完善， 都是引發(fā)區(qū)域金融風(fēng)險(xiǎn)的重要因素。因此， 為了有效防范和化解區(qū)域金融風(fēng)險(xiǎn)， 需要從金融機(jī)構(gòu)內(nèi)部和外部市場兩個(gè)層面入手， 強(qiáng)化內(nèi)部控制機(jī)制， 優(yōu)化發(fā)展模式， 同時(shí)加強(qiáng)監(jiān)管和約束， 確保金融市場的穩(wěn)健運(yùn)行。

3. 金融監(jiān)管機(jī)構(gòu)的監(jiān)管不到位。金融監(jiān)管在保障金融穩(wěn)定、 捍衛(wèi)消費(fèi)者權(quán)益、 預(yù)防金融風(fēng)險(xiǎn)與犯罪， 以及推動(dòng)金融創(chuàng)新與發(fā)展等方面具有重要的意義。通過強(qiáng)化金融監(jiān)管， 能夠顯著提升金融市場的運(yùn)作效率和公平性， 從而為經(jīng)濟(jì)社會(huì)的穩(wěn)健和可持續(xù)發(fā)展提供堅(jiān)實(shí)的支撐。在《金融藍(lán)皮書：中國金融發(fā)展報(bào)告（2014）》中， 美國金融專家魯薩基斯指出， 金融監(jiān)管的演進(jìn)并非單純源于政府對銀行穩(wěn)健發(fā)展的期望， 而是更多地受到金融危機(jī)的深刻影響。葉謝康（2013）通過深入剖析縣域金融機(jī)構(gòu)的發(fā)展現(xiàn)狀及其所面臨的金融風(fēng)險(xiǎn)， 系統(tǒng)性地揭示了縣域金融監(jiān)管體制中存在的制度性短板。傅瑋奇（2020）明確指出， 有效的金融監(jiān)管能夠從根本上及時(shí)防范和治理金融風(fēng)險(xiǎn)。

4. 影子銀行過度發(fā)展。影子銀行風(fēng)險(xiǎn)作為區(qū)域金融風(fēng)險(xiǎn)的重要推手， 其過度擴(kuò)張與非法經(jīng)營行為對正規(guī)金融體系的穩(wěn)健性和地方金融穩(wěn)定構(gòu)成了嚴(yán)重威脅。馬春芬（2013）深刻揭示了影子銀行風(fēng)險(xiǎn)具有向正規(guī)金融體系迅速滲透的特性， 這不僅增加了宏觀調(diào)控的復(fù)雜性， 更在一定程度上加劇了地方金融的脆弱性。吳龍龍（2022）發(fā)現(xiàn)， 影子銀行主要通過與常規(guī)銀行的功能互補(bǔ)， 或通過替代銀行功能削弱監(jiān)管部門對銀行資金流向的調(diào)控效果， 造成金融風(fēng)險(xiǎn)的縱向累積。劉貴斌（2016）進(jìn)一步指出， 影子銀行的過度擴(kuò)張以及非法集資現(xiàn)象的抬頭， 已成為我國當(dāng)前區(qū)域金融風(fēng)險(xiǎn)的主要隱患。王作全（2019）亦持有相似觀點(diǎn)， 他認(rèn)為影子銀行已成為新經(jīng)濟(jì)環(huán)境下區(qū)域金融風(fēng)險(xiǎn)的主要誘因之一。因此， 為確保金融市場的穩(wěn)定與健康發(fā)展， 對影子銀行風(fēng)險(xiǎn)的防范與監(jiān)管顯得尤為重要。

（二） 外部環(huán)境方面

1. 政治環(huán)境。紀(jì)陽（2011）的研究顯示， 同一宏觀經(jīng)濟(jì)政策在作用于不同區(qū)域金融業(yè)時(shí)， 產(chǎn)生的效應(yīng)差異顯著， 這凸顯了政府不當(dāng)干預(yù)可能加劇區(qū)域金融風(fēng)險(xiǎn)的潛在威脅。部分學(xué)者指出， 地方政府的不當(dāng)干預(yù)會(huì)加劇金融資源的競爭態(tài)勢， 特別是在資本稀缺的市場環(huán)境下， 競爭將不可避免地促使政府對區(qū)域金融資源展開爭奪（王俊和洪正，2015；傅瑋奇，2020）。然而， 一旦這種爭奪超出必要界限， 便可能威脅到金融穩(wěn)定， 進(jìn)而成為區(qū)域金融風(fēng)險(xiǎn)的主要源頭。同時(shí)， 也有學(xué)者認(rèn)為， 地方的直接行政干預(yù)會(huì)對金融機(jī)構(gòu)的正常運(yùn)營產(chǎn)生破壞作用， 從而降低金融體系的穩(wěn)定性。郭秀秀（2016）進(jìn)一步指出， 地方政府的干預(yù)在利益驅(qū)動(dòng)下可能演變?yōu)榻鹑谪?cái)政化， 這不僅削弱了金融機(jī)構(gòu)的執(zhí)行約束力和內(nèi)部控制能力， 還降低了金融資源的配置效率。

此外， 針對區(qū)域發(fā)展的差異性， 國家實(shí)施無差異的宏觀政策也是導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)產(chǎn)生的重要因素。傅瑋奇（2020）指出， 我國宏觀調(diào)控政策與區(qū)域經(jīng)濟(jì)金融實(shí)際環(huán)境的差異是導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)產(chǎn)生的重要原因。金融欠發(fā)達(dá)地區(qū)因其經(jīng)濟(jì)脆弱， 更易成為金融風(fēng)險(xiǎn)的集聚地。中國人民銀行烏海市中心支行課題組等（2020）則強(qiáng)調(diào)， 政府實(shí)施不合理的經(jīng)濟(jì)金融政策將可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)， 進(jìn)一步證明了政府政策對金融風(fēng)險(xiǎn)產(chǎn)生的深遠(yuǎn)影響。

早在2001年， Kharas和Mishra（2001）在分析東南亞金融危機(jī)時(shí)就發(fā)現(xiàn)， 政府舉債行為與金融風(fēng)險(xiǎn)存在緊密聯(lián)系， 他們認(rèn)為政府過度舉債是導(dǎo)致東南亞金融危機(jī)爆發(fā)的關(guān)鍵原因。李玉龍（2019）的研究發(fā)現(xiàn)， 地方政府債務(wù)風(fēng)險(xiǎn)的增加會(huì)導(dǎo)致金融機(jī)構(gòu)持有的債券風(fēng)險(xiǎn)上升， 從而進(jìn)一步加劇金融風(fēng)險(xiǎn)。沈麗和范文曉（2021）則指出， 地方政府債務(wù)擴(kuò)張不僅會(huì)加劇本地區(qū)的金融風(fēng)險(xiǎn)， 還會(huì)對鄰近地區(qū)產(chǎn)生不良影響， 使金融風(fēng)險(xiǎn)呈現(xiàn)出明顯的空間溢出效應(yīng)。

2. 經(jīng)濟(jì)環(huán)境。區(qū)域金融風(fēng)險(xiǎn)的抵御能力在很大程度上是由該區(qū)域經(jīng)濟(jì)的發(fā)展態(tài)勢和運(yùn)行狀態(tài)所決定的。區(qū)域經(jīng)濟(jì)穩(wěn)健運(yùn)行不僅能夠有效提升金融資源的配置效率， 還能帶來可觀的資金回報(bào)率， 進(jìn)而增強(qiáng)外部融資能力， 降低區(qū)域內(nèi)源性金融風(fēng)險(xiǎn)發(fā)生的概率（于尚艷，2008）。姚耀軍和黃林東（2011）的研究進(jìn)一步指出， 區(qū)域金融生態(tài)環(huán)境的差異對金融發(fā)展?jié)摿惋L(fēng)險(xiǎn)防控能力具有直接且顯著的影響， 這強(qiáng)調(diào)了區(qū)域金融風(fēng)險(xiǎn)的抵御能力也與其金融生態(tài)環(huán)境息息相關(guān)。黃銳等（2018）則觀察到， 盡管各區(qū)域經(jīng)濟(jì)發(fā)展階段存在差異， 但最終產(chǎn)業(yè)結(jié)構(gòu)趨同的現(xiàn)象可能會(huì)影響不同地區(qū)的資產(chǎn)價(jià)格變動(dòng)， 從而觸發(fā)區(qū)域金融風(fēng)險(xiǎn)。因此， 優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、 改善金融生態(tài)環(huán)境以及提升金融資源使用效率可以有效增強(qiáng)區(qū)域金融風(fēng)險(xiǎn)的抵御能力， 確保金融市場的穩(wěn)定與健康發(fā)展。

3. 房地產(chǎn)市場環(huán)境。除政治、 經(jīng)濟(jì)環(huán)境外， 房地產(chǎn)市場波動(dòng)與金融穩(wěn)定之間的微妙關(guān)系， 也一直是學(xué)界深入研究的焦點(diǎn)。胡金星（2017）強(qiáng)調(diào)， 房地產(chǎn)金融風(fēng)險(xiǎn)已上升為我國重要的金融風(fēng)險(xiǎn)點(diǎn)之一。白鶴祥等（2020）進(jìn)一步對基于房地產(chǎn)市場的系統(tǒng)性金融風(fēng)險(xiǎn)形成機(jī)制進(jìn)行了深入分析。由此可見， 房地產(chǎn)市場與金融穩(wěn)定之間的緊密聯(lián)系不容忽視， 必須加強(qiáng)對房地產(chǎn)市場的監(jiān)管和風(fēng)險(xiǎn)防范， 以確保金融體系的穩(wěn)健運(yùn)行。

（三） 小結(jié)

區(qū)域金融風(fēng)險(xiǎn)的主要影響因素包括金融機(jī)構(gòu)自身的脆弱性、 金融機(jī)構(gòu)內(nèi)外部控制體制不健全、 金融監(jiān)管機(jī)構(gòu)的監(jiān)管不到位、 影子銀行過度發(fā)展等金融系統(tǒng)內(nèi)部因素， 以及政治環(huán)境、 經(jīng)濟(jì)環(huán)境和房地產(chǎn)市場環(huán)境等外部環(huán)境因素。現(xiàn)有文獻(xiàn)已經(jīng)進(jìn)行了較為詳盡的分析， 但仍存在一些不足之處有待深入探討。

第一， 部分研究在探討金融風(fēng)險(xiǎn)時(shí)， 缺乏對內(nèi)外部因素進(jìn)行綜合分析的視角。實(shí)際上， 從不同的角度來看， 金融風(fēng)險(xiǎn)的形成機(jī)理呈現(xiàn)出不同的特點(diǎn)和規(guī)律。比如： 若將金融體系視為一個(gè)孤立的體系， 風(fēng)險(xiǎn)可能源自體系內(nèi)部的運(yùn)作機(jī)制； 若將金融體系置于更廣泛的經(jīng)濟(jì)體系背景下考慮， 風(fēng)險(xiǎn)則可能由外部經(jīng)濟(jì)環(huán)境的變化引發(fā)； 而將所研究的區(qū)域經(jīng)濟(jì)體系視為全域經(jīng)濟(jì)的一個(gè)組成部分時(shí)， 風(fēng)險(xiǎn)的發(fā)生可能受到全域經(jīng)濟(jì)政策、 結(jié)構(gòu)變遷等多方面因素的共同影響。這樣來看， 金融風(fēng)險(xiǎn)的生成是一個(gè)多維度的復(fù)雜過程， 需結(jié)合不同視角來深入剖析， 視角的廣度和聚焦程度會(huì)影響風(fēng)險(xiǎn)因素和機(jī)制的研究結(jié)果。

第二， 一些文獻(xiàn)在探討影響機(jī)制時(shí)， 往往過度集中于某些特定因素， 而忽視了那些同樣關(guān)鍵的其他因素。同時(shí)， 也有一些研究僅將各種影響因素簡單地集合在一起， 而沒有深入探索其背后的機(jī)理和機(jī)制。

第三， 現(xiàn)有研究大多都是反映傳統(tǒng)的金融風(fēng)險(xiǎn)， 當(dāng)前我國新金融產(chǎn)品和服務(wù)創(chuàng)新層出不窮， 而監(jiān)管預(yù)警難以迅速跟上。例如， 對于新時(shí)代金融科技背景下新金融風(fēng)險(xiǎn)的形成、 傳導(dǎo)、 類型的研究仍相對薄弱， 缺乏系統(tǒng)性研究， 導(dǎo)致當(dāng)前建立的區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型具有一定的滯后性， 不能及時(shí)指導(dǎo)金融業(yè)采取相應(yīng)的措施。因此， 應(yīng)結(jié)合我國國情， 考慮金融新業(yè)態(tài)的新風(fēng)險(xiǎn)， 綜合內(nèi)外部分析的視角， 對區(qū)域金融風(fēng)險(xiǎn)影響因素進(jìn)行全面、 系統(tǒng)的理論分析， 并據(jù)此建立及時(shí)有效的區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型。

三、 區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建

通過梳理現(xiàn)有文獻(xiàn)， 發(fā)現(xiàn)國內(nèi)外學(xué)者在構(gòu)建區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系時(shí)所采用的研究視角和方法存在顯著的差異。因此， 本文分別對國外相關(guān)研究和國內(nèi)相關(guān)研究進(jìn)行系統(tǒng)總結(jié)， 以期能夠更全面、 深入地了解該領(lǐng)域的研究現(xiàn)狀和趨勢。

（一） 國外金融危機(jī)預(yù)警指標(biāo)體系構(gòu)建

國外學(xué)者針對曾遭遇金融危機(jī)的地區(qū)， 深入剖析了危機(jī)爆發(fā)前出現(xiàn)的異常數(shù)據(jù)等預(yù)兆現(xiàn)象。他們主要從貨幣市場的角度出發(fā)， 篩選出一系列預(yù)警指標(biāo)。其中： Kaminsky等（1998）認(rèn)為國際儲備、 實(shí)際匯率以及國內(nèi)通貨膨脹等指標(biāo)在預(yù)測金融危機(jī)方面具有重要意義； Frankel和Rose（1996）則利用FR概率模型， 確定了實(shí)際匯率、 經(jīng)濟(jì)增長率和外商直接投資等關(guān)鍵指標(biāo)； Edison和Reinhart（2000）進(jìn)一步建立了包含基礎(chǔ)、 中間和先行三個(gè)層面的指標(biāo)體系， 為后續(xù)宏、 中、 微觀指標(biāo)體系的構(gòu)建提供了寶貴的參考； 隨后， Abdul（2003）將22個(gè)指標(biāo)細(xì)分為宏觀經(jīng)濟(jì)不平衡指標(biāo)、 金融脆弱性指標(biāo)和資本流動(dòng)性指標(biāo)， 進(jìn)一步豐富了預(yù)警指標(biāo)體系。近年來， 還有部分學(xué)者致力于構(gòu)建金融指數(shù)來量化金融風(fēng)險(xiǎn)。例如， Arzamasov和Penikas（2014）建立了以色列金融穩(wěn)定指數(shù)， 以監(jiān)測和評估該國金融體系的穩(wěn)定性。這些研究不僅為理解金融危機(jī)的成因和預(yù)警機(jī)制提供了重要依據(jù)， 也為政策制定者提供了有效的風(fēng)險(xiǎn)監(jiān)測和防范工具。

（二） 國內(nèi)區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建

國內(nèi)研究基于我國國情特色， 緊密結(jié)合各區(qū)域經(jīng)濟(jì)金融實(shí)際， 依據(jù)區(qū)域金融風(fēng)險(xiǎn)的主要影響因素， 針對性地構(gòu)建了金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系， 以更有效地反映和監(jiān)測金融風(fēng)險(xiǎn)狀況。根據(jù)研究視角不同， 具體可分為以下兩個(gè)方面：

1. 基于內(nèi)外部影響因素。國內(nèi)對于區(qū)域金融風(fēng)險(xiǎn)的研究呈現(xiàn)出不斷深化和細(xì)化的趨勢。早期的研究主要側(cè)重于從金融系統(tǒng)內(nèi)部和外部環(huán)境方面來構(gòu)建指標(biāo)體系， 這為區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系提供了一個(gè)基本的分析框架。隨著研究的深入， 學(xué)者們開始從更具體的維度來剖析區(qū)域金融風(fēng)險(xiǎn)， 如賈拓等（2012）從宏觀經(jīng)濟(jì)金融、 地區(qū)金融和地區(qū)經(jīng)濟(jì)三個(gè)方面構(gòu)建了區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。不僅如此， 還有學(xué)者結(jié)合特定地區(qū)的實(shí)際情況， 引入了新的影響因素， 使得分析更加貼近實(shí)際。例如， 考慮到地方政府債務(wù)風(fēng)險(xiǎn)、 房地產(chǎn)風(fēng)險(xiǎn)以及非法金融活動(dòng)等在特定區(qū)域可能尤為突出， 閔劍和朱嬌嬌（2020）將這些因素納入到區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系中。此外， 金融生態(tài)環(huán)境作為一個(gè)新興概念， 也逐漸被引入到區(qū)域金融風(fēng)險(xiǎn)的研究中（羅曉蕾等，2018）， 這反映了學(xué)者們對于金融風(fēng)險(xiǎn)與金融環(huán)境之間互動(dòng)關(guān)系的重視。

2. 基于部門或市場行業(yè)類型。另有學(xué)者從部門或市場行業(yè)的類型出發(fā)， 構(gòu)建區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系， 這有利于更精確地揭示不同部門或市場行業(yè)在金融風(fēng)險(xiǎn)形成和傳導(dǎo)過程中的作用， 從而為風(fēng)險(xiǎn)預(yù)警和防范提供更有針對性的建議。從市場行業(yè)角度來看， 陶玲和朱迎（2016）從金融機(jī)構(gòu)、 股票、 債券、 房地產(chǎn)等市場和部門7個(gè)維度構(gòu)建區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。這種多維度的劃分方式能夠全面覆蓋金融市場的各個(gè)領(lǐng)域， 有助于發(fā)現(xiàn)風(fēng)險(xiǎn)在不同市場之間的傳遞和擴(kuò)散規(guī)律。宋凌峰和葉永剛（2011）、 沈麗等（2019）則從部門角度出發(fā)， 前者選擇了企業(yè)方向和公共部門方向的因素指標(biāo)， 后者又加入了家庭部門的指標(biāo)。這種部門分類方式有助于揭示不同經(jīng)濟(jì)主體在金融風(fēng)險(xiǎn)形成中的角色和責(zé)任， 為政策制定者提供更為精準(zhǔn)的風(fēng)險(xiǎn)管理建議。此外， 隨著金融新業(yè)態(tài)的不斷涌現(xiàn)， 一些學(xué)者也開始從民間金融、 互聯(lián)網(wǎng)金融等角度構(gòu)建指標(biāo)體系。例如， 李建軍和盧少紅（2013）利用民間借貸數(shù)據(jù)建立了區(qū)域民間金融風(fēng)險(xiǎn)的綜合度量模型。這種對新興金融業(yè)態(tài)的關(guān)注， 有助于及時(shí)識別和評估新型金融風(fēng)險(xiǎn)， 為金融監(jiān)管提供新的視角和工具。

（三） 小結(jié)

國外學(xué)者在研究區(qū)域金融風(fēng)險(xiǎn)時(shí)， 多針對金融危機(jī)國家或地區(qū)， 通過異常指標(biāo)篩選預(yù)警指標(biāo)來建立金融危機(jī)預(yù)警指標(biāo)體系； 國內(nèi)學(xué)者則結(jié)合國內(nèi)金融市場和地區(qū)實(shí)際， 多角度選取指標(biāo)構(gòu)建區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。但現(xiàn)有研究還存在兩點(diǎn)不足。

第一， 國內(nèi)金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系研究存在一定局限性。一是指標(biāo)選擇不夠全面， 未能充分反映金融風(fēng)險(xiǎn)變化情況， 缺乏針對性和時(shí)效性。例如， 隨著我國利率市場化改革的深入推進(jìn)， 保險(xiǎn)業(yè)、 民間借貸、 互聯(lián)網(wǎng)金融等新興產(chǎn)業(yè)蓬勃發(fā)展， 在區(qū)域金融體系中占據(jù)重要地位。然而， 當(dāng)前區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系對民間借貸、 互聯(lián)網(wǎng)金融等新興產(chǎn)業(yè)的指標(biāo)考量較為匱乏， 難以全面、 準(zhǔn)確地反映區(qū)域金融風(fēng)險(xiǎn)的實(shí)際狀況。二是指標(biāo)選擇方法存在缺陷。現(xiàn)有研究在選取區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)時(shí)， 通常參考全國性的指標(biāo)體系， 無法精確識別區(qū)域金融風(fēng)險(xiǎn)的特定來源。因?yàn)閲覍用娴闹笜?biāo)和閾值在區(qū)域?qū)用婵赡懿贿m用， 如果直接使用這些指標(biāo)來測度和預(yù)警區(qū)域金融風(fēng)險(xiǎn)， 可能會(huì)導(dǎo)致較大的偏差。三是指標(biāo)閾值和權(quán)重確定存在主觀性， 缺乏客觀性和科學(xué)性， 會(huì)對預(yù)警效果的準(zhǔn)確性和可靠性產(chǎn)生不良影響。四是由于各地區(qū)在數(shù)據(jù)統(tǒng)計(jì)上可能存在不同的口徑和標(biāo)準(zhǔn)， 導(dǎo)致同一指標(biāo)在不同地區(qū)的數(shù)據(jù)可能存在差異， 進(jìn)一步增加了指標(biāo)選取和預(yù)警體系構(gòu)建的復(fù)雜性。

第二， 目前國內(nèi)在區(qū)域金融領(lǐng)域的研究較為薄弱， 尚未形成一套成熟、 完善的區(qū)域金融發(fā)展理論與研究方法體系。雖然實(shí)證研究相對豐富， 但理論分析方面存在明顯不足， 這一問題亟待引起重視和解決。

四、 區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型建立

（一） 國外金融危機(jī)預(yù)警模型建立

國際金融危機(jī)頻發(fā)使得金融危機(jī)預(yù)警問題受到各國學(xué)者的廣泛關(guān)注， 金融危機(jī)預(yù)警理論不斷更新和完善。20世紀(jì)70年代， Sindey提出了金融預(yù)警的概念， 自此， 金融危機(jī)預(yù)警研究蓬勃發(fā)展， 研究深度和廣度不斷拓展。目前， 金融危機(jī)預(yù)警模型主要分為兩類： 一類是經(jīng)典預(yù)警模型， 主要包括FR概率模型、 橫截面回歸（STV）模型和信號法（KLR）模型。這些模型經(jīng)過廣泛驗(yàn)證， 具有較高的權(quán)威性和認(rèn)可度。另一類是創(chuàng)新型預(yù)警模型， 是在計(jì)量經(jīng)濟(jì)學(xué)理論發(fā)展的基礎(chǔ)上對經(jīng)典模型進(jìn)行改進(jìn)和拓展， 利用了大數(shù)據(jù)、 機(jī)器學(xué)習(xí)等新技術(shù)， 提高了預(yù)警的準(zhǔn)確性和及時(shí)性。

1. 經(jīng)典預(yù)警模型。Frankel和Rose（1996）建立了FR概率模型， 他們指出當(dāng)國外直接投資下降、 國際儲備減少時(shí)， 容易引發(fā)金融危機(jī)。FR概率模型用于估算危機(jī)發(fā)生的可能性， 其模型構(gòu)建簡單， 數(shù)據(jù)容易獲得。然而， 相較于其他預(yù)警模型， FR概率模型在預(yù)警過程中涉及三重估計(jì)， 且并未充分考慮到各國間的差異， 使得模型預(yù)警的準(zhǔn)確性有所降低。

Sachs等（1996）建立了STV模型， 該模型通過應(yīng)用線性回歸方法進(jìn)行危機(jī)預(yù)測， 在識別可能面臨危機(jī)的國家方面表現(xiàn)出色， 但無法精確預(yù)測危機(jī)發(fā)生的時(shí)間。它的獨(dú)特之處在于能夠忽略國家間的差異， 從而有效解決了FR概率模型的局限性。

Kaminsky等（1998）創(chuàng)建了KLR模型， 隨后其對這個(gè)模型進(jìn)行了完善。運(yùn)用該模型的具體步驟包括： 首先， 篩選合適的指標(biāo)， 并基于歷史數(shù)據(jù)進(jìn)行實(shí)證分析； 其次， 在模型中明確設(shè)定預(yù)警閾值； 最后， 通過模型預(yù)測未來兩年的發(fā)展趨勢。KLR模型可以識別導(dǎo)致危機(jī)的根本因素， 并為風(fēng)險(xiǎn)管理人員提供有力支持。然而， 該模型在確定閾值時(shí)采用的是樣本標(biāo)準(zhǔn)差， 這就意味著在遭遇重大危機(jī)時(shí)， 閾值的更新可能會(huì)使得先前已識別出的風(fēng)險(xiǎn)變得無法被準(zhǔn)確識別。

2. 創(chuàng)新型預(yù)警模型。隨著金融風(fēng)險(xiǎn)預(yù)警模型的不斷發(fā)展， 其理論基礎(chǔ)不僅借鑒了計(jì)量經(jīng)濟(jì)學(xué)， 還引入了人工智能技術(shù)， 如人工神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)， 極大地提升了模型的實(shí)用性和預(yù)測準(zhǔn)確性。Nag和Mitra（1999）首次采用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了時(shí)間序列風(fēng)險(xiǎn)預(yù)警模型， 經(jīng)過實(shí)證檢驗(yàn)， 發(fā)現(xiàn)該模型在危機(jī)預(yù)測方面的表現(xiàn)超越了傳統(tǒng)的KLR模型。隨后， Apoteker（2001）進(jìn)一步運(yùn)用遺傳算法模型對金融系統(tǒng)的脆弱性進(jìn)行嚴(yán)密監(jiān)測。Abdul（2003）則借助馬爾科夫區(qū)制轉(zhuǎn)移模型（MS）深入剖析了亞洲金融危機(jī)對受沖擊國家的影響， 結(jié)果顯示該模型在預(yù)警和減少誤報(bào)方面表現(xiàn)出顯著的改進(jìn)效果。此外， Bussiere和Fratzscher（2006）應(yīng)用了多元Logit模型來預(yù)警區(qū)域金融風(fēng)險(xiǎn)。而Khashanah和Yang（2016）則創(chuàng)新性地結(jié)合信息流網(wǎng)絡(luò)分析（IFNA）和Fisher判斷模型， 對系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了精準(zhǔn)預(yù)測。這些研究不僅推動(dòng)了金融風(fēng)險(xiǎn)預(yù)警模型的理論進(jìn)步， 也為金融市場的穩(wěn)定發(fā)展提供了有力支持。

（二） 國內(nèi)區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型建立

目前， 國內(nèi)學(xué)者對于區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型的研究已取得一定成果， 積累了豐富的經(jīng)驗(yàn)， 主要涵蓋以下三個(gè)方面：

1. 國外經(jīng)典預(yù)警模型的延伸和改進(jìn)。在借鑒國外預(yù)警系統(tǒng)先進(jìn)經(jīng)驗(yàn)的基礎(chǔ)上， 國內(nèi)學(xué)者根據(jù)我國經(jīng)濟(jì)金融發(fā)展的實(shí)際情況， 構(gòu)建了獨(dú)具特色的預(yù)警系統(tǒng)。如： 林筱文和宋保慶（2011）對KLR模型進(jìn)行了優(yōu)化， 深入剖析了我國金融運(yùn)行的實(shí)際狀況， 為風(fēng)險(xiǎn)預(yù)警提供了有力支持； 孫強(qiáng)和崔光華（2017）通過巧妙地使用FR概率模型， 成功構(gòu)建了具備空間和時(shí)間兩個(gè)維度的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)指數(shù)。此外， 黃迅等（2021）創(chuàng)新性地運(yùn)用Twin-SVM模型對極端金融風(fēng)險(xiǎn)進(jìn)行預(yù)警， 取得了良好的效果， 進(jìn)一步豐富了我國金融風(fēng)險(xiǎn)預(yù)警的方法體系。這些研究不僅展示了國內(nèi)學(xué)者在金融風(fēng)險(xiǎn)預(yù)警領(lǐng)域的深厚實(shí)力， 也為我國金融市場的穩(wěn)定發(fā)展提供了有力的支持。

2. 運(yùn)用統(tǒng)計(jì)、 計(jì)量方法的預(yù)警模型。近年來， 國內(nèi)學(xué)者為應(yīng)對日益復(fù)雜的金融環(huán)境， 致力于構(gòu)建貼近我國實(shí)際情況的金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。他們采用統(tǒng)計(jì)或計(jì)量方法， 精準(zhǔn)地對金融風(fēng)險(xiǎn)進(jìn)行預(yù)警。其中， 馬爾科夫區(qū)制轉(zhuǎn)移向量自回歸（MS-VAR）模型因其能夠考慮多狀態(tài)、 非線性和時(shí)變性等因素而得到廣泛應(yīng)用， 并且該模型在金融風(fēng)險(xiǎn)預(yù)警中表現(xiàn)出優(yōu)異的性能。宋凌峰和鄔詩婕（2017）將MS-VAR模型與CAA模型相結(jié)合， 深入分析了經(jīng)濟(jì)增長與銀行業(yè)風(fēng)險(xiǎn)的相互作用規(guī)律。吳宜勇等（2016）以研究金融風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)換和經(jīng)濟(jì)變量變化規(guī)律為出發(fā)點(diǎn)， 對MS-VAR模型進(jìn)行了改進(jìn)。但MS-VAR模型也存在一些局限性： 一是， 該模型需要大量的時(shí)間序列數(shù)據(jù)， 而金融風(fēng)險(xiǎn)數(shù)據(jù)可得性較低； 二是， 該模型捕捉的是數(shù)據(jù)的隨機(jī)波動(dòng)， 而非真正的經(jīng)濟(jì)關(guān)系， 因此在適用性方面還有待提高。

除MS-VAR模型外， 國內(nèi)學(xué)者還采用了其他統(tǒng)計(jì)和計(jì)量方法進(jìn)行金融風(fēng)險(xiǎn)預(yù)警。其中， 吳田（2015）結(jié)合HP濾波法、 灰色預(yù)測法和ARIMA預(yù)測法， 形成了一套高效且精準(zhǔn)的金融風(fēng)險(xiǎn)預(yù)警體系。這一體系不僅充分利用了HP濾波法在平滑數(shù)據(jù)、 提取趨勢方面的優(yōu)勢， 還結(jié)合了灰色預(yù)測法對于不確定因素的處理能力和ARIMA預(yù)測法在時(shí)間序列分析中的長處， 從而實(shí)現(xiàn)了對金融風(fēng)險(xiǎn)的有效預(yù)警和精準(zhǔn)預(yù)測。王波和郭書東（2015）則另辟蹊徑， 采用了超效率DEA模型對金融風(fēng)險(xiǎn)進(jìn)行預(yù)警。這一模型不僅能夠評估金融機(jī)構(gòu)的效率， 還能從多個(gè)維度對金融風(fēng)險(xiǎn)進(jìn)行量化分析， 為金融風(fēng)險(xiǎn)預(yù)警提供了新的視角和思路。

除上述方法外， 計(jì)算金融壓力指數(shù)、 綜合指數(shù)和區(qū)域風(fēng)險(xiǎn)指數(shù)等也是評估金融風(fēng)險(xiǎn)水平的重要手段。覃小兵等（2022）運(yùn)用金融壓力指數(shù)法， 合成了我國金融市場壓力指數(shù)， 深入剖析了我國金融市場的壓力情況。解鳳敏和李媛（2017）利用映射函數(shù)法和動(dòng)態(tài)因子指數(shù)法， 精確計(jì)算了區(qū)域金融風(fēng)險(xiǎn)指數(shù)， 反映了不同區(qū)域之間的風(fēng)險(xiǎn)差異和變化趨勢。羅曉蕾等（2018）構(gòu)建的金融風(fēng)險(xiǎn)指數(shù)則深入研究了金融風(fēng)險(xiǎn)的狀態(tài)和波動(dòng)規(guī)律， 揭示了金融風(fēng)險(xiǎn)的內(nèi)在機(jī)制和演化規(guī)律， 為風(fēng)險(xiǎn)預(yù)警和防控提供了有力支持。

資產(chǎn)負(fù)債表分析法作為金融風(fēng)險(xiǎn)分析的重要工具， 近年來在區(qū)域金融風(fēng)險(xiǎn)分析領(lǐng)域也得到了廣泛應(yīng)用。陳軍和王敏（2010）率先將該方法引入我國， 此后張金清等（2021）、 王曉婷等（2022）也相繼采用， 深入分析了不同區(qū)域的金融和企業(yè)部門運(yùn)行狀況、 風(fēng)險(xiǎn)水平以及風(fēng)險(xiǎn)傳導(dǎo)機(jī)制。通過構(gòu)建多部門資產(chǎn)負(fù)債表， 可以從多個(gè)維度對區(qū)域金融風(fēng)險(xiǎn)進(jìn)行結(jié)構(gòu)化分析， 為金融監(jiān)管和風(fēng)險(xiǎn)防控提供了科學(xué)依據(jù)。這種方法不僅有助于全面把握區(qū)域金融體系的風(fēng)險(xiǎn)特征， 還能有效識別風(fēng)險(xiǎn)隱患， 為制定區(qū)域金融穩(wěn)定政策提供有力支持。

3. 運(yùn)用機(jī)器學(xué)習(xí)方法的預(yù)警模型。隨著機(jī)器學(xué)習(xí)技術(shù)的日益成熟， 國內(nèi)部分學(xué)者開始借鑒國外先進(jìn)的創(chuàng)新型模型， 運(yùn)用機(jī)器學(xué)習(xí)方法構(gòu)建金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)。目前應(yīng)用最廣泛的是神經(jīng)網(wǎng)絡(luò)模型， 如韓喜昆和馬德功（2021）構(gòu)建了基于AM-BPNN算法的金融風(fēng)險(xiǎn)預(yù)警模型。隨著算法的改進(jìn)， 許多學(xué)者在神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上進(jìn)行了優(yōu)化。如： 周勝強(qiáng)等（2018）在研究金融風(fēng)險(xiǎn)預(yù)警模型時(shí)， 借鑒了貝葉斯統(tǒng)計(jì)學(xué)的理論框架， 并構(gòu)建了基于貝葉斯神經(jīng)網(wǎng)絡(luò)的金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)； 曾昭法和游悅（2020）則創(chuàng)新性地建立了基于神經(jīng)網(wǎng)絡(luò)分位回歸的金融風(fēng)險(xiǎn)預(yù)警模型， 以更準(zhǔn)確地捕捉風(fēng)險(xiǎn)信號。

一些學(xué)者也嘗試將模糊數(shù)學(xué)的概念引入金融風(fēng)險(xiǎn)分析領(lǐng)域， 并在此基礎(chǔ)上構(gòu)建了基于模糊評判方法的金融風(fēng)險(xiǎn)預(yù)警模型（郭秀秀，2016）。這種模型允許使用模糊語言和主觀判斷， 可以靈活地適應(yīng)不同金融風(fēng)險(xiǎn)的復(fù)雜性和不確定性， 并且模糊評價(jià)法對數(shù)據(jù)中的噪聲和異常值具有一定的魯棒性， 可以降低風(fēng)險(xiǎn)評估的誤報(bào)率。但其規(guī)則和權(quán)重通常由專家根據(jù)主觀判斷確定， 這可能會(huì)引入主觀偏差和導(dǎo)致不一致性。另外， 隨著指標(biāo)數(shù)量的增加， 模糊評價(jià)法的計(jì)算復(fù)雜度會(huì)顯著提高， 這可能限制其在大型數(shù)據(jù)集上的應(yīng)用。

此外， 還有決策樹、 支持向量機(jī)、 時(shí)間序列等各種機(jī)器學(xué)習(xí)方法。如： 方意等（2012）使用了DGC-GARCH模型以及隨機(jī)模擬方法； 劉超等（2018）運(yùn)用了最小生成樹（MST）的方法； 閔劍和朱嬌嬌（2020）基于證據(jù)推理算法構(gòu)建了區(qū)域金融風(fēng)險(xiǎn)預(yù)警監(jiān)測系統(tǒng)。

（三） 小結(jié)

在金融風(fēng)險(xiǎn)預(yù)警模型的研究上， 雖然國內(nèi)外學(xué)者已經(jīng)進(jìn)行了很多探索， 但這一領(lǐng)域仍然存在一些亟待解決的問題。

首先， 在經(jīng)典預(yù)警模型方面， FR概率模型、 STV模型、 KLR模型和神經(jīng)網(wǎng)絡(luò)預(yù)警模型均被視為主流方法， 但國內(nèi)外學(xué)者普遍認(rèn)為它們各自有著明顯的優(yōu)缺點(diǎn)。FR概率模型因其研究方法簡潔和數(shù)據(jù)可得性強(qiáng)而受到青睞， 但它忽略了國別差異， 導(dǎo)致準(zhǔn)確性不高。STV模型對于樣本數(shù)據(jù)的相似性要求相當(dāng)嚴(yán)格， 同時(shí)由于其本質(zhì)屬于線性回歸模型， 應(yīng)用范圍和適用性受到了一定的約束， 但它在一定程度上避免了FR概率模型忽視國別差異的缺陷。KLR模型因其能夠直接觀察預(yù)警指標(biāo)是否突破預(yù)警界限而備受關(guān)注， 其預(yù)警準(zhǔn)確性高且實(shí)用性強(qiáng)。但KLR模型在權(quán)重分配上存在一定的主觀性。近年來， 神經(jīng)網(wǎng)絡(luò)預(yù)警模型借助人工智能技術(shù)的發(fā)展備受矚目， 然而， 它也存在參數(shù)估計(jì)可靠性低和過度擬合等問題。

其次， 在選取研究樣本時(shí)， 目前區(qū)域性金融風(fēng)險(xiǎn)的實(shí)證研究主要局限于單一的省市層面， 而從全國性的宏觀視角對所有省市區(qū)域金融風(fēng)險(xiǎn)進(jìn)行綜合評估和深入對比分析的研85tPsNdUYfFLcQALiO3y4fgzLk3bZ872JGdvh9+0SKg=究較少。這種局限性不僅不利于統(tǒng)籌考慮各區(qū)域的金融發(fā)展情況， 也難以有效預(yù)防和化解重點(diǎn)區(qū)域可能出現(xiàn)的風(fēng)險(xiǎn)事件。因此， 在后續(xù)研究中有必要擴(kuò)大樣本范圍， 深入研究區(qū)域間的差異， 以提高模型的代表性和適用性， 從而更全面、 準(zhǔn)確地把握區(qū)域金融風(fēng)險(xiǎn)的特點(diǎn)和趨勢。

再次， 從時(shí)間維度審視， 當(dāng)前對區(qū)域金融風(fēng)險(xiǎn)預(yù)警的研究主要聚焦于特定時(shí)刻的單一區(qū)域金融風(fēng)險(xiǎn)現(xiàn)狀分析， 而鮮少對時(shí)間序列進(jìn)行深入的比較分析。這種研究方式在理論和實(shí)踐層面都存在一定的局限性。金融風(fēng)險(xiǎn)本質(zhì)上是一個(gè)動(dòng)態(tài)演化的過程， 其特征和影響會(huì)隨著時(shí)間推移而不斷發(fā)生變化。僅局限于某一特定時(shí)點(diǎn)的研究， 難以捕捉金融風(fēng)險(xiǎn)的動(dòng)態(tài)變化， 更難以揭示其演化規(guī)律和潛在的風(fēng)險(xiǎn)點(diǎn)。因此， 未來的研究應(yīng)積極探索適用的時(shí)間序列數(shù)據(jù)， 并正確運(yùn)用ARIMA、 GARCH等分析方法， 以便更深入地剖析金融風(fēng)險(xiǎn)的動(dòng)態(tài)變化趨勢， 從而提供更準(zhǔn)確、 全面的風(fēng)險(xiǎn)預(yù)警和防控策略。

最后， 從模型和方法的應(yīng)用來看， 數(shù)理模型和方法在應(yīng)用時(shí)通常需要滿足多個(gè)前提條件， 而區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究所涉及的指標(biāo)之間關(guān)聯(lián)緊密， 且受限于有限的數(shù)據(jù)樣本， 難以滿足大多數(shù)數(shù)理模型的應(yīng)用標(biāo)準(zhǔn)， 因此可探索非參數(shù)或半?yún)?shù)模型， 放寬前提條件的限制。然而， 部分研究忽視了ARIMA模型對時(shí)間序列樣本數(shù)據(jù)量的要求， 即當(dāng)樣本數(shù)據(jù)量較少時(shí)， ARIMA模型的預(yù)測效果并不理想。因此， 在時(shí)間序列樣本數(shù)據(jù)量較少的情況下， ARIMA模型不應(yīng)作為首選的預(yù)測方法， 可引入集成學(xué)習(xí)或機(jī)器學(xué)習(xí)算法， 提高模型的預(yù)測精度和魯棒性。

五、 結(jié)論

本文從多個(gè)維度對區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究進(jìn)行了文獻(xiàn)梳理， 具體包括影響因素的探討、 預(yù)警指標(biāo)體系的構(gòu)建以及預(yù)警模型的建立三個(gè)方面。在區(qū)域金融風(fēng)險(xiǎn)的影響因素方面， 現(xiàn)有文獻(xiàn)對區(qū)域金融風(fēng)險(xiǎn)的影響因素進(jìn)行了廣泛分析， 但仍存在不足： 一是部分文獻(xiàn)對影響機(jī)制的研究不夠全面， 忽視了重要因素； 二是缺乏內(nèi)外部綜合分析視角， 不同視角下金融風(fēng)險(xiǎn)發(fā)生機(jī)制可能不同； 三是現(xiàn)有研究僅反映了傳統(tǒng)金融風(fēng)險(xiǎn)， 而新金融產(chǎn)品和服務(wù)創(chuàng)新不斷涌現(xiàn)， 導(dǎo)致新風(fēng)險(xiǎn)出現(xiàn)， 現(xiàn)有預(yù)警模型存在滯后性。因此， 應(yīng)結(jié)合國情、 考慮新業(yè)態(tài)風(fēng)險(xiǎn)、 綜合內(nèi)外視角， 加強(qiáng)對影響因素的系統(tǒng)理論分析， 建立及時(shí)有效的區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型。

在區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建方面， 國外學(xué)者主要以金融危機(jī)國家為研究對象， 通過分析經(jīng)濟(jì)指標(biāo)異常值構(gòu)建預(yù)警指標(biāo)體系和模型， 國內(nèi)學(xué)者則根據(jù)國內(nèi)金融市場和實(shí)際情況選取指標(biāo)， 構(gòu)建預(yù)警指標(biāo)體系并進(jìn)行風(fēng)險(xiǎn)評估。然而， 現(xiàn)有研究仍存在不足： 一是將新興產(chǎn)業(yè)（如民間借貸、 互聯(lián)網(wǎng)金融）納入預(yù)警指標(biāo)體系的研究較少， 全國層面或系統(tǒng)性層面的預(yù)警指標(biāo)體系難以識別具體區(qū)域金融風(fēng)險(xiǎn)來源， 且各地區(qū)數(shù)據(jù)統(tǒng)計(jì)口徑差異導(dǎo)致指標(biāo)選取困難； 二是指標(biāo)選擇主觀性強(qiáng)， 缺乏針對性和時(shí)效性； 三是區(qū)域金融領(lǐng)域的理論研究不足， 實(shí)證研究有余。因此， 未來研究應(yīng)從以下方面入手： 一是時(shí)時(shí)把握國情發(fā)展和區(qū)域經(jīng)濟(jì)金融運(yùn)行狀況， 確保指標(biāo)體系的針對性和時(shí)效性； 二是納入金融新業(yè)態(tài)并考慮區(qū)域經(jīng)濟(jì)發(fā)展不均衡因素， 以提高區(qū)域金融風(fēng)險(xiǎn)預(yù)警的準(zhǔn)確性和適用性； 三是采用客觀賦權(quán)的方法計(jì)算指標(biāo)權(quán)重， 降低主觀偏差； 四是加強(qiáng)理論分析， 形成較為完整的區(qū)域金融發(fā)展理論和研究方法。

在區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型建立方面， 國內(nèi)外學(xué)者做了諸多探索， 針對存在的四個(gè)問題可以從以下四個(gè)方面來改進(jìn)： 一是完善四大主流預(yù)警模型。FR概率模型簡單易用， 但準(zhǔn)確性不足， 可考慮引入其他變量或改進(jìn)算法； STV模型有效性高， 但適用性受限， 可探索不同區(qū)域的適用條件； KLR模型實(shí)用性強(qiáng)， 但存在主觀性缺陷， 可引入客觀指標(biāo)或改進(jìn)權(quán)重分配方法； 神經(jīng)網(wǎng)絡(luò)模型關(guān)注度高， 但參數(shù)估計(jì)和過度擬合問題待解決， 可探索正則化技術(shù)或集成學(xué)習(xí)方法。二是拓展研究樣本。現(xiàn)有研究存在樣本選擇局限的問題， 多聚焦單個(gè)省市， 未全面分析區(qū)域金融風(fēng)險(xiǎn)差異， 可擴(kuò)大樣本范圍， 進(jìn)行區(qū)域差異研究， 增強(qiáng)模型的代表性和適用性。三是加強(qiáng)時(shí)間維度分析。現(xiàn)有文獻(xiàn)集中于時(shí)點(diǎn)研究， 缺乏動(dòng)態(tài)變化趨勢分析， 可探尋適用的時(shí)間序列數(shù)據(jù)， 正確運(yùn)用ARIMA、 GARCH等時(shí)間序列模型， 分析區(qū)域金融風(fēng)險(xiǎn)的動(dòng)態(tài)變化趨勢。四是改進(jìn)模型和方法。數(shù)理模型前提較多， 可探索非參數(shù)或半?yún)?shù)模型， 放寬前提條件的限制。針對預(yù)測方法的選擇受限問題， 可引入集成學(xué)習(xí)或機(jī)器學(xué)習(xí)算法， 提高模型的預(yù)測精度和魯棒性。

關(guān)于區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究， 未來可以在這些方面展開進(jìn)一步的討論和分析， 從而提高區(qū)域金融風(fēng)險(xiǎn)預(yù)警模型的理論貢獻(xiàn)和現(xiàn)實(shí)指導(dǎo)意義。

【 主 要 參 考 文 獻(xiàn) 】

白鶴祥，劉社芳，羅小偉等．基于房地產(chǎn)市場的我國系統(tǒng)性金融風(fēng)險(xiǎn)測度與預(yù)警研究［ J］．金融研究，2020（8）：54 ～ 73．

方意，趙勝民，王道平．我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)測度——基于DGC-GARCH模型的研究［ J］．金融監(jiān)管研究，2012（11）：26 ～ 42．

傅瑋奇．中國區(qū)域金融風(fēng)險(xiǎn)空間分布差異及其影響因素研究［D］．廣州：廣東財(cái)經(jīng)大學(xué)，2020．

郭秀秀．江蘇省域金融風(fēng)險(xiǎn)預(yù)警研究［D］．北京：中國礦業(yè)大學(xué)，2016．

韓喜昆，馬德功．基于AM-BPNN模型的系統(tǒng)性金融風(fēng)險(xiǎn)評估及預(yù)警［ J］．統(tǒng)計(jì)與決策，2021（4）：138 ～ 141．

胡金星．存量房為主的時(shí)代要嚴(yán)控房地產(chǎn)金融風(fēng)險(xiǎn)［ J］．探索與爭鳴，2017（12）：42 ～ 44．

黃銳，唐松，常曦等．中國“去杠桿”與區(qū)域金融風(fēng)險(xiǎn)防范研究——基于杠桿率的區(qū)域結(jié)構(gòu)差異視角［ J］．學(xué)習(xí)與實(shí)踐，2018（1）：26 ～ 37．

李建軍，盧少紅．區(qū)域民間金融風(fēng)險(xiǎn)預(yù)警方法與實(shí)證分析——以浙江省為例［ J］．金融監(jiān)管研究，2013（2）：81 ～ 96．

李玉龍．地方政府債券、土地財(cái)政與系統(tǒng)性金融風(fēng)險(xiǎn)［ J］．財(cái)經(jīng)研究，2019（9）：100 ～ 113．

劉超，郝丹輝，唐孝文等．基于復(fù)雜網(wǎng)絡(luò)的金融風(fēng)險(xiǎn)跨市場傳導(dǎo)機(jī)制研究——以金融危機(jī)時(shí)期（2007～2009年）數(shù)據(jù)為例［ J］．運(yùn)籌與管理，2018（8）：155 ～ 161+181．

劉貴斌．當(dāng)前區(qū)域性金融風(fēng)險(xiǎn)隱患的表現(xiàn)形式及應(yīng)對策略——基于晉中視角［ J］．中國金融家，2016（8）：131 ～ 132．

羅曉蕾，張明輝，許尚超．區(qū)域性金融風(fēng)險(xiǎn)監(jiān)測預(yù)警體系研究——以河南省區(qū)域金融風(fēng)險(xiǎn)為例［ J］．金融理論與實(shí)踐，2018（5）：40 ～ 46．

馬春芬．影子銀行對區(qū)域金融穩(wěn)定的影響及風(fēng)險(xiǎn)防控對策研究——以安徽省銅陵市為例［ J］．金融縱橫，2013（8）：29 ～ 34．

馬守榮，許滌龍．區(qū)域金融風(fēng)險(xiǎn)對宏觀金融的危害與對策研究［ J］．調(diào)研世界，2014（3）：53 ～ 56．

閔劍，朱嬌嬌．基于證據(jù)推理的區(qū)域金融風(fēng)險(xiǎn)預(yù)警監(jiān)測模型構(gòu)建——以湖北省為例［ J］．財(cái)會(huì)通訊，2020（14）：134 ～ 138．

沈麗，范文曉．地方政府債務(wù)擴(kuò)張對區(qū)域金融風(fēng)險(xiǎn)的溢出效應(yīng)［ J］．經(jīng)濟(jì)與管理評論，2021（2）：51 ～ 63．

沈麗，張影，李文君等．我國區(qū)域金融風(fēng)險(xiǎn)的時(shí)空演化及驅(qū)動(dòng)機(jī)制——基于經(jīng)濟(jì)四部門視角［ J］．南方經(jīng)濟(jì)，2019（9）：1 ～ 18．

石潤，潘煥學(xué)．我國區(qū)域金融風(fēng)險(xiǎn)的防范與化解策略研究［ J］．區(qū)域金融研究，2014（11）：4 ～ 7．

宋凌峰，鄔詩婕．經(jīng)濟(jì)增長狀態(tài)與銀行系統(tǒng)性風(fēng)險(xiǎn)——基于馬爾科夫區(qū)制轉(zhuǎn)移的CCA模型［ J］．管理科學(xué)，2017（6）：19 ～ 32．

宋凌峰，葉永剛．中國區(qū)域金融風(fēng)險(xiǎn)部門間傳遞研究［ J］．管理世界，2011（9）：172 ～ 173．

覃小兵，羅美娟，黃迅等．我國系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警研究——基于時(shí)變CRITIC賦權(quán)法和ADASYN-SVM方法［ J］．金融監(jiān)管研究，2022（9）：93 ～ 114．

陶玲，朱迎．系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)測和度量——基于中國金融體系的研究［ J］．金融研究，2016（6）：18 ～ 36．

王波，郭書東．基于負(fù)向投入產(chǎn)出的我國區(qū)域金融脆弱性判斷與測度［ J］．金融與經(jīng)濟(jì)，2015（4）：18 ～ 22．

王俊，洪正．地方政府金融競爭與區(qū)域金融風(fēng)險(xiǎn)——基于博弈視角的理論分析［ J］．貴州社會(huì)科學(xué)，2015（8）：115 ～ 120．

王曉婷，沈沛龍，楊靜雯．中國金融穩(wěn)定評估——基于31個(gè)省區(qū)市宏觀資產(chǎn)負(fù)債表的分析［ J］．國際金融研究，2022（11）：43 ～ 53．

王作全．經(jīng)濟(jì)新常態(tài)背景下區(qū)域金融風(fēng)險(xiǎn)防控研究［ J］．金融經(jīng)濟(jì)，2019（6）：6 ～ 7．

吳龍龍．金融系統(tǒng)運(yùn)行與系統(tǒng)性金融風(fēng)險(xiǎn)的形成機(jī)理［ J］．金融教育研究，2022（4）：38 ～ 48．

吳田．基于風(fēng)險(xiǎn)信號燈等級設(shè)定的金融風(fēng)險(xiǎn)預(yù)警研究［ J］．統(tǒng)計(jì)與決策，2015（8）：153 ～ 156．

吳宜勇，胡日東，袁正中．基于MSBVAR模型的中國金融風(fēng)險(xiǎn)預(yù)警研究［ J］．金融經(jīng)濟(jì)學(xué)研究，2016（5）：13 ～ 23．

解鳳敏，李媛．區(qū)域性金融指數(shù)構(gòu)建及其應(yīng)用［ J］．統(tǒng)計(jì)與決策，2017（18）：88 ～ 92．

姚耀軍，黃林東．浙江金融生態(tài)環(huán)境質(zhì)量的區(qū)域差異：基于地級市數(shù)據(jù)的經(jīng)驗(yàn)分析［ J］．浙江金融，2011（10）：35 ～ 38+7．

葉謝康．縣域金融監(jiān)管體制改革與區(qū)域金融風(fēng)險(xiǎn)防范［ J］．福建金融，2013（6）：49 ～ 52．

于尚艷．區(qū)域金融風(fēng)險(xiǎn)的成因分析［ J］．吉林省經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào)，2008（4）：54 ～ 56．

曾昭法，游悅．基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的金融風(fēng)險(xiǎn)預(yù)警［ J］．統(tǒng)計(jì)與決策，2020（14）：137 ～ 140．

張金清，張劍宇，聶雨晴等．中國金融安全評估：2000～2019年——基于部門流動(dòng)性資產(chǎn)負(fù)債表的分析框架［ J］．管理世界，2021（6）：70 ～ 86+4+88 ～ 108．

中國人民銀行烏海市中心支行課題組，呂永祥，侯夢雨．區(qū)域金融風(fēng)險(xiǎn)監(jiān)測、評估和應(yīng)對研究——以烏海市區(qū)域金融風(fēng)險(xiǎn)為例［ J］．北方金融，2020（11）：42 ～ 49．

周勝強(qiáng)，秦亞麗，李西江等．基于貝葉斯神經(jīng)網(wǎng)絡(luò)的金融風(fēng)險(xiǎn)預(yù)警研究［ J］．華北金融，2018（9）：4 ～ 15．

Abdul A.. Early warning systems： A survey and a regime-switching approach［Z］． IMF Working Papers，2003．

Arzamasov V.， Penikas H.. A financial stability index for Iisrael［ J］． Procedia Computer Science，2014（31）：985 ～ 994．

Bussiere M.，F(xiàn)ratzscher M.. Towards a new early warning system of financial crises［ J］． Journal of International Money and Finance，2006（6）：953 ～ 973．

Edison H. J.， Reinhart C. M.. Capital controls during financial crises： The case of Malaysia and Thailand［Z］． International Finance Discussion Papers，2000．

Frankel J. A.， Rose A. K.. Currency crashes in emerging markets：An empirical treatment［Z］． International Finance Discussion Papers，1996．

Kaminsky G.， Lizondo S.， Reinhart C. M.. Leading indicators of currency crises［Z］． Staff Papers，1998．

Kharas H.， Mishra D.. Fiscal policy， hidden deficit， and currency crises［ J］．World Bank Economists Forum，2001（1）：31 ～ 48．

Khashanah K.， Yang H.. Evolutionary systemic risk： Fisher information flow metric in financial network dynamics［ J］． Physica A： Statistical Mechanics and Its Applications，2016（445）：318 ～ 327．

Nag A.，Mitra A.. Neural networks and early warning indicators of currency crisis［Z］． Reserve Bank of India Occasional Papers，1999．

Oet V. M.， Bianco T.， Gramlich D.， et al.. SAFE： An early warning system for systemic banking risk［ J］． Journal of Banking and Finance，2013（11）：4510 ～ 4533．

Sachs J. D.， Tornell A.， Velasco A.， et al.. Financial crises in emerging markets： The lessons from 1995［ J］． Brookings Papers on Economic Activity，1996（1）：147 ～ 215．