财新传媒

系统性金融风险监测预警方法 国际比较和评析

来源于 《比较》 2016年第4期 出版日期 2016年08月01日
陶玲

  系统性金融风险监测预警方法是2008年全球金融危机以来的重要研究领域,新的技术和方法不断涌现。按时间划分,系统性金融风险监测预警方法可以分为三个发展阶段,呈现出由简单到复杂、由静态到动态、由线性到非线性、由局部到系统等特征,2008年金融危机以来,对系统重要性机构、系统关联及风险传染的研究分析也受到高度重视。不同的监测预警方法有各自的优势和缺陷,最终采用什么样的方法,要根据一国金融市场发展程度、数据信息统计完备程度以及金融监管体系来决定。本文以亚洲金融危机和2008年国际金融危机为节点,将系统性金融风险监测预警方法的研究发展划分为三个阶段,对各个时期主要风险预警监测方法进行了描述和对比分析,由此提出我国建立系统性金融风险监测预警指标体系的建议。

  一、1997年亚洲金融危机之前的监测预警方法

  20世纪90年代先后爆发的欧洲货币危机和墨西哥金融危机使得国际学术界认识到建立危机早期预警体系的重要性,对该领域的研究也在这个阶段取得了大量成果。在1997年亚洲金融危机爆发以前,比较有影响的研究成果有以下五类:

  1.FR概率模型

  弗兰克尔等人(Frankel & Rose,1996)提出的FR概率模型假定金融危机是非连续离散状态,危机是由多个因素综合作用而引发。其研究样本是从1971年到1992年内100个发展中国家的金融危机事件,样本数据是这段时期内各国的政府预算赤字占GDP的比率、国内外利率、信贷增长率、GDP增长率等宏观经济变量的年度数据。金融危机的定义为一国货币贬值25%以上,且至少超过上一年贬值率的10%(Frankel和Rose通过敏感度分析发现确切的临界点数值在这里并不重要),但其中不包括该国货币当局为了防范危机而提高利率或者抛出外汇储备的影响。FR模型原理是,选择金融危机的爆发与否作为选值为0、1的因变量Y,引发金融危机的多个因素为自变量X,β为自变量的参数,构建单位概率模型如下:

  P{Y=1}=F(X,β),P{Y=0}=1-F(X,β)

  模型参数β的估计值不能解释为边际影响,只能从符号上判断,若系数为正表明自变量越大因变量取1的概率越大,危机发生的概率越大。

  2.STV模型

  萨克斯等人(Sachs、Tornell and Velaseo,1996)选择20个新兴市场国家的横截面数据利用线性回归的方法建立预警模型。他们认为,影响一国发生危机的主要指标是实际汇率的变动(RER)、国内信贷规模扩张和货币供给M2与国际储备的比值。他们利用汇率变动比率和外汇储备变动百分比的加权平均值作为危机指数(IND),用银行对私人部门的债权与GDP的比值测量一国国内信贷规模的扩张(LB),用广义货币M2和外汇储备的比值衡量外汇储备丰度。为了模型研究需要,设计了2个虚拟变量DWF和DLR对这些国家分类。回归模型具体如下:

  IND=β0+β1RER+β2LB+β3DLRRER+β4DLR+β5DWFRER+β6DWFLB+ε

  模型结论是:当一国的金融系统较为脆弱,实际汇率被高估,大量的资本外逃,并且外汇储备水平较低的时候,经济基本面就容易遭受到严重的攻击。该模型解释了1994年墨西哥金融危机对其他新兴市场国家的影响,但并没有很好地预测1997年东南亚金融危机。

  3.KLR信号法

  KLR信号法是早期预警指标方法的代表,由卡明斯基等人(Kaminsky、Lizondo and Reinhart)于1996年提出。他们用1970—1995年发生于15个发展中国家和5个发达国家的月度数据确定货币危机的预警指标和阀值,建立了一个货币危机预警体系。KLR信号法的步骤是:首先确定货币危机发生的标准和原因;其次运用因果检验或回归分析等方法确定与货币危机显著相关的变量,以此作为货币危机发生的预警指标;第三是为每个预警指标根据其历史数据确定阈值,被突破的阀值越多,表明危机发生的概率越大。危机的定义是:一国出现货币大幅度贬值或外汇储备大幅度减少,通常是采用汇率月度变化数和外汇储备月度变化数的加权平均数——外汇市场压力指数,对危机进行量化。阈值是通过指标预警过程中发出的错误与正确信号的比例(噪音信号比)进行权衡的,噪音信号比越低则预警效果越好。1999年,卡明斯基根据对1997年亚洲金融危机的分析改进了原有模型,同时考虑了银行危机和货币危机的影响因素,并将预警指标扩展到17个。为避免指标过多导致不同指标的预警结果发生矛盾,卡明斯基对预警指标采用不同的加总方法,构建了4个预测危机的合成指标,通过实证研究发现,合成指标比单一指标有很大进步。

  安德鲁·伯格等人(Andrew Berg、Eduardo Borensztein、Gian Maria Milesi-Ferretti and Catherine Pattillo,1999)运用东南亚金融危机对上述三个模型的有效性做了检验,结果表明,相比FR概率模型和STV横截面模型,KLR信号法的预测准确度和有效性较高。比较三个模型可知,KLR信号法在选取指标方面也具有较好的效果,因此在一段时间内,KLR信号法成为很多学者选择指标的首选方法。

  4.发展中国家模型(DCSD)

  IMF在检测KLR模型和其他模型在预测亚洲金融危机时的样本外表现时,设计了发展中国家模型(DCSD),根据离散阀值检验预测变量的有效性,该模型的预测水平和危机的定义与KLR模型一致,但在预测危机的概率时采用的是FR模型的多变量Probit回归方法,并且假设危机发生的概率随着预测变量的相对变化而线性增加。DCSD模型的解释变量包括:真实变量与趋势的偏差、活期存款与GDP的比率、出口增长、储备增长、M2/储备的水平,采用月度数据来选取哪些变量对于未来24个月内发生的危机产生贡献。

  5.主观概率模型

  斯坦福大学刘遵义教授(1995)使用实证比较分析方法和综合模糊评价方法,分析了东南亚地区发生金融危机的可能性。他认为,金融危机的最重要特征是货币突然大幅贬值,并伴以股市大幅下跌。危机的主要原因是危机前该国货币的持续长期高估。以墨西哥为参照国,刘遵义教授考察了1985—1995年东亚9个国家和地区的经济发展和金融状况,选取了10 项经济和金融指标,将“一国表现较差的指标个数与总指标个数之比”作为该国发生金融危机的主观概率,得出如下结论:菲律宾、泰国、韩国、印尼和马来西亚是可能发生金融危机的国家,而中国、中国台湾、中国香港和新加坡不大可能发生墨西哥式金融危机。随后发生的亚洲金融危机证明了主观概率模型的有效性。

版面编辑:张柘
文章很值,赞赏激励一下
赞 赏
首席赞赏官虚位以待
赞赏是一种态度
  • 1
  • 3
  • 6
  • 12
  • 50
  • 108
其他金额
金额(元):
赞 赏
财新传媒版权所有。如需刊登转载请点击右侧按钮,提交相关信息。经确认即可刊登转载。
财新微信