区域金融发展与创新中金融风险防范研究.docVIP

区域金融发展与创新中金融风险防范研究 　　 (人民银行西安分行营业管理部陕西西安710065) 　　摘要本研究报告应用VAR模型的脉冲响应和方差分解对西安区域金融发展、金融创新过程中的金融风险形成机制和影响因素进行动态分析。从而为实施差别化的区域金融货币政策以及构建区域金融稳定和金融风险防范体系提供一种新的宏观思路。 　　关键词金融发展；金融创新；金融风险；VAR模型；脉冲响应；方差分解 　　 　　一、引言 　　?? 　　区域金融是近年来金融理论界日渐兴起的一个新的研究领域，随着国家经济金融战略从强调效率优先的“非均衡”发展战略转向更加兼顾公平的“和谐协调”发展战略，区域金融稳定以及风险防范无疑是关系区域金融发展的关键因素，探索研究导致区域金融发展不均衡变动趋势中金融风险的传导途径和作用机制越来越受到各方的关注和重视。金融发展与金融风险始终是矛盾的对立统一，两者是相辅相成的。无论从哪个角度出发，两者之间的作用是通过金融创新联系的，金融创新是金融发展的关键与核心，是推动金融持续发展的内在动力。它在为金融发展提供了一条相对的“捷径”的同时，也是一柄“双刃剑”，会带来了一系列新的金融风险。上述理论已经被金融发展的历史和经验所证明，自然也成为我们研究区域金融发展的理论基础。 　　 　　二、研究思路及模型设定 　　 　　本文的实证分析重点是识别区域金融发展、金融创新等经济金融体系变量的变动作为外部的扰动冲击对金融风险程度产生的影响，以及这种作用效应随着时间变化的轨迹，从而更精确地描述金融风险与金融发展、金融创新等变量的作用与反作用过程。为此我们选取不良贷款比率(BLR)、金融相关率(FIR，金融机构存贷款总量/GDP，表示区域金融发展水平)、金融市场化程度指标{RFMR，(全部金融相关比率－国有金融相关比率)/国有金融相关比率}、经济总量(GDP)和贷款总量(loan)五项指标构建实证分析的VAR(Vector Autoregression，向量自回归)模型。 　　根据上述变量组成VAR模型后，通过比较PPE(Final Prediction Error，最终预测误差)和AIC值，确定VAR模型最佳滞后期为2，最终模型为VAR(2)。对于本文VAR(2)而言，模型10(m×k)个特征根的倒数值全部位于单位圆以内，全部特征根的模小于1。所以，VAR(2)系统满足平稳性要求，随后的脉冲分析是可靠的。 　　在模型估计结果的基础上，通过乔利斯基(Cholesky)分解，可以得到模型中一个内生变量给其它内生变量所带来的冲击影响。 　　 　　三、基于VAR模型的动态效应分析 　　 　　由于建立的VAR模型是平稳的，因此通过脉冲响应函数和方差分解，可以分别描述各个变量相互冲击变化的短期与长期的动态效应。 　　 　　1、短期内不良贷款率的变动响应更多地来源于自身的冲击 　　以不良贷款率为例，上一期不良贷款率正向一个单位标准差的新息冲击，在本期立即产生0．014个正向结果，在所有解释变量冲击中响应程度位居第一。随后立即出现负向响应，并在第四季度迅速达到最下限，最低有－0．0054个单位的响应结果。而且自身的冲击影响持续时间较长，达到11个季度，12期后才趋于平稳。这一结果充分显示了银行体系不良贷款比率下降更多是由于特殊外部因素所导致。 　　 　　2、金融总量扩张与金融结构调整对不良贷款率的作用结果相反 　　金融相关率一个单位的冲击带来不良贷款率3期出现-0．0065个的负响应结果，并在5期出现0．0029个正响应结果。说明短期内无论是贷款投放增加，还是由此带来的派生存款增加，都能够金融总量规模增加，从而引致金融相关率提高。与此同时，贷款规模增长也增大了不良贷款率的“分母”，导致短期内不良贷款率下降，但随着时间的推移，通过“粗放”的增长方式贷款也有可能转化为新增的不良贷款，不良贷款率也就随之提高。金融市场化率一个单位的新息冲击带来不良贷款率在第2期的响应程度即达到最高为0．0052，但随之呈现了快速衰减之势，并在第6期后基本趋于平稳。 　　 　　3、经济增长和贷款增长对不良贷款率的冲击响应程度相对较弱 　　GDP和贷款增长在五种冲击类型中冲击响应明显偏弱，最大分别只有－0．0043和－0．0023。两者的冲击响应过程基本类似，均是先降后升，并在8期后趋于平稳。所不同的是，不良贷款率对GDP增长的响应与对贷款增长的响应在时间上滞后2期，主要是贷款增长属于先行指标，不良贷款率对GDP增长的冲击响应从信贷投入实体经济到引起经济增长的变动之间大概需要6－8个月，不良贷款率对GDP增长的响应因此而出现滞后。从两者的作用过程分析，贷款和经济增长的高点一般都伴随着信贷的集中投放，这时商业银行有普遍存在强烈的贷款扩张冲