宏观审慎管理框架下系统性金融风险测度与防范.docVIP

宏观审慎管理框架下系统性金融风险测度与防范 　　摘 要：仅仅依靠传统的以维护微观机构稳健性为主要目标的微观审慎管理已难以有效应对具有强大外部性及传染性的系统性风险，而兼顾开展宏观、逆周期、以防范系统性风险为主要目的的宏观审慎管理成为必然趋势。本文在对比各种系统性金融风险测度及预警方法的基础上，首先构建涵盖经济子系统、银行子系统、国际收支子系统及泡沫风险四个方面24项指标的综合评价体系，其次结合因子分析法，测算我国金融稳定指数，动态掌握我国现有系统性金融风险状况，再运用ARIMA方法预测2012年的金融稳定情况，最后在得出的实证结果基础上，从人民银行职能与地位的角度，结合现行宏观审慎管理框架要求提出建议与对策。 　　关键词：系统性金融风险；评价指标体系；因子分析；ARIMA 　　中图分类号：F832.1 文献标识码：A 文章编号：1003-9031（2012）09-0054-05 DOI：10.3969/j.issn.1003-9031.2012.09.14 　　一、系统性金融风险的测度及预警研究现状 　　（一）我国研究现状及不足 　　我国对于系统性金融风险测度及预警的研究开始于20世纪80年代中期，相比国外银行业系统性风险的研究，我国的研究比较零散，且以定性研究为主。从国内近年的研究成果可以看出，系统性金融风险测度的研究主要集中在指标法及模型法两方面。如张维（2004）描述了不良资产水平、资本金水平等16个指标分布区值，并分五个区阐述系统性金融风险状况[1]。沈悦和张珍（2007）、葛志强、姜全（2011）设计了危机预警指标体系，并且借鉴国际惯例、国际金融法规和一些专家意见确定了各项指标的安全区间[2-3]。高志勇（2010）运用CAPM模型对美国银行业系统性金融风险进行了实证分析[4]。贺聪、洪昊（2011）将违约率作为一个宏观经济变量，采用逻辑回归方法构建了其与其他经济变量间的宏观审慎管理压力测试模型[5]。 　　我国现有测度方法的困境及缺陷主要有以下几点：一是过于专注复杂模型，而随着经济现象复杂程度的加深，模型可信度也在降低，有着严格假设条件和繁杂理论结构的模型往往难以准确刻画风险的累积过程。二是受我国金融业市场化操作时间不长，缺乏如发达国家那样完善的市场数据采集渠道的影响，国内学者较难开展针对我国实际进行的研究。三是我国现有研究对预警指标体系的选择主要侧重于国内因素，对开放条件下一些重要的外部冲击考虑较少，且对预警指标的选择、各层次指标权重及风险阀值的确定、风险区间的判定多借鉴国外文献或依靠专家分析法，趋于主观。 　　（二）本文研究方法及思路 　　本文采用指标法、因子分析及ARIMA预测相结合的方式对我国系统性金融风险进行识别、测度及预测。指标法能够避免构建数理模型的复杂性及不稳定性；因子分析法更为客观准确，剔除了人为取舍指标，或主观判定指标权重等原因对综合评价效果的影响；而ARIMA对短期预测简便高效，能较准确地发现我国2012年金融风险状况。 　　二、系统性金融风险综合评价指标体系的构建 　　本文选择来自经济子系统、银行子系统、国际收支子系统及泡沫风险①四个方面的共24个指标构建我国系统性金融风险综合评价指标体系（见表1）。考虑到近二十年来我国成功抵御了1997年亚洲金融危机和2008年美国次贷危机，本文选取1995—2011年这个时间段，并对四个子系统评价指标的年度基本数据进行收集与整理。数据来源为中国统计年鉴、金融统计年鉴，中经网，WIND数据库，中国人民银行、银监会、外汇管理局、经济学家网站等。 　　三、我国系统性金融风险的测度及预测 　　（一）因子分析法测度我国系统性金融风险 　　首先，将评价体系中指标原始数据导入SPSS16.0，进行因子分析的适用性检验，发现原始指标抽取公共因子后共同度全部在0.74以上，说明指标间可测量共同特质较多，所选取指标适合进行因子分析。其次，本文旨在计算金融稳定指数，综合指数越大表明经济金融形势越稳定，因此本文选择对指标进行正向化——负向指标取反，适度指标将其初值与均值的差额取反。最后，确定公共因子及计算因子得分。由公共因子方差贡献率可知，7个因子对数据变异量累积解释程度高达85.59%，已提取了指标体系内涵的绝大部分信息，因此可以将这前7个因子f1～f7作为我国系统性金融风险状况的代表性因子。表2可以看到7个公共因子分别从不同方面反映了我国系统性金融风险的特征。第一因子涵盖的信息最为丰富，主要反映了短期外债/外债总额、外债总额/外汇储备、失业率、资本充足率、房地产贷款/贷款总额及证券化率6个方面风险，共解释了21.38%的系统性金融风险。 　　将SPSS输出的7个因子f1～f7的得分按照方差贡献率为权数加权平均可以得到因子综合F的得分，由于原始数据已被正向化，因子综合得分