摘要:系統(tǒng)性金融風(fēng)險的測度方法是理論與實務(wù)領(lǐng)域中一項復(fù)雜而前沿的研究課題。本文針對原理而不是具體的計算過程，對系統(tǒng)性金融風(fēng)險的測度方法進(jìn)行系統(tǒng)的梳理和評述，以期為相關(guān)領(lǐng)域的進(jìn)一步研究提供借鑒。

關(guān)鍵詞:系統(tǒng)性金融風(fēng)險;測度方法;宏觀加總

Abstract:The method on the measurements of financial systemic risk is complex. Many studies have pay out in this field. This paper mainly surveys the works on the measurements of financial systemic risk，which does not pay attention to the specific calculations，but the principle，with a view to provide reference to the further researches.

Key Words:financial systemic risk，measurements，macro-aggregate

中圖分類號:F830.9文獻(xiàn)標(biāo)識碼: A文章編號:1674-2265(2010)01-0024-04

一、引言

系統(tǒng)性金融風(fēng)險的測度，是指在對過去系統(tǒng)性風(fēng)險損失資料及當(dāng)前經(jīng)濟(jì)金融形勢分析的基礎(chǔ)上，對風(fēng)險發(fā)生的概率及造成的損失程度進(jìn)行定性、定量分析，從而預(yù)測出較精確并滿足一定規(guī)律的結(jié)果的過程(范小云，2006)。它包括兩個組成成分:一是對過去所發(fā)生的系統(tǒng)性風(fēng)險的規(guī)律性的發(fā)掘，找出呈現(xiàn)一定必然性和統(tǒng)計規(guī)律性的東西;二是對當(dāng)前經(jīng)濟(jì)金融體系的現(xiàn)實狀況及可能受到的沖擊等進(jìn)行分析，從而估測出當(dāng)前的風(fēng)險狀況(翟金林，2001)。對系統(tǒng)性金融風(fēng)險進(jìn)行測度，能夠起到預(yù)警的作用。數(shù)次金融危機的爆發(fā)，使得理論界對系統(tǒng)性金融風(fēng)險的測度研究給予了大量關(guān)注，但一直爭論于對合理有效測度方法的選取(S·hnke M. Bartram等，2007)。找到一套能夠預(yù)先給出未來系統(tǒng)性風(fēng)險發(fā)生的時間、強度，而同時又不給出錯誤信號或較少給出錯誤信號的通用規(guī)則，成為監(jiān)管當(dāng)局防范系統(tǒng)性金融風(fēng)險進(jìn)程中的一項重要而前沿的任務(wù)。本文從原理上而不是具體的計算過程，對系統(tǒng)性金融風(fēng)險的測度方法進(jìn)行梳理和評述。

當(dāng)前對系統(tǒng)性金融風(fēng)險測度的研究主要從兩方面展開:一是從單一金融機構(gòu)入手，分析個體的風(fēng)險暴露狀況，然后再將個體的風(fēng)險暴露進(jìn)行加總來推算整個系統(tǒng)的風(fēng)險;二是運用一定的模型，從整體上直接估測系統(tǒng)性金融風(fēng)險。本文的綜述也是由此展開的，并在縱向比較代表性方法的原理后，圍繞其共同存在的問題做一簡要橫向評析，以期為相關(guān)領(lǐng)域的進(jìn)一步研究提供借鑒。

二、從單一金融機構(gòu)入手對系統(tǒng)性金融風(fēng)險的測度

此類測度方法分為指標(biāo)經(jīng)驗分析法、數(shù)理模型分析法和計量模型分析法三種。

(一)指標(biāo)經(jīng)驗分析法

一般來講，指標(biāo)經(jīng)驗分析法是利用經(jīng)驗篩選指標(biāo)，以指標(biāo)實際值與正常值之間的經(jīng)驗性差別衡量系統(tǒng)性風(fēng)險。通過指標(biāo)測度系統(tǒng)性金融風(fēng)險的方法大體可以分為兩類，即指標(biāo)體系綜合度量和零散指標(biāo)度量。

二十世紀(jì)90年代前，用于綜合度量的指標(biāo)體系主要是CAEL和CAMEL系統(tǒng)，其也是各監(jiān)管當(dāng)局當(dāng)時最常用的風(fēng)險測度與預(yù)警工具。CAMEL評級系統(tǒng)在CAEL排序系統(tǒng)以資本充足性、資本品質(zhì)、獲利能力及流動能力作為測度指標(biāo)范疇的基礎(chǔ)上，增加了管理能力一項，其選擇相應(yīng)的指標(biāo)并賦予權(quán)數(shù)，以權(quán)數(shù)求得的綜合得分在同類型金融機構(gòu)內(nèi)的排序先后確認(rèn)出風(fēng)險狀況不佳的金融機構(gòu)。然而，CAEL和CAMEL的實際識別效果都不盡如人意，在美國1980-1994年間發(fā)生的1617個失敗銀行中只準(zhǔn)確識別了46%(Benton E. Gup，1999)。1993年，美聯(lián)儲開始采用更多考慮了金融機構(gòu)長期變動影響的FIMS評級系統(tǒng)，對單個銀行的風(fēng)險進(jìn)行監(jiān)察。但FIMS依然認(rèn)為單個金融機構(gòu)的脆弱是系統(tǒng)性金融風(fēng)險的主要原因。在對系統(tǒng)性風(fēng)險進(jìn)行評價時只是將各金融個體的風(fēng)險進(jìn)行簡易累加，或選取代表性的大型機構(gòu)，未能真正反映出系統(tǒng)性風(fēng)險的“系統(tǒng)”問題，在總體測度方面表現(xiàn)欠佳。

針對上述指標(biāo)體系中指標(biāo)選取上的不足，零散指標(biāo)度量法從補充、修改指標(biāo)的角度提出了不同觀點。美國的快速預(yù)警糾偏模型以資本充足率狀況為主線，為監(jiān)管當(dāng)局判斷銀行狀況提供了一個快速、簡明的參考框架。Kaminsky(1997)研究認(rèn)為，實際匯率水平、國內(nèi)信貸總量、對公共部門的信貸總量、國內(nèi)通貨膨脹、貿(mào)易平衡情況、貨幣增長率、實際經(jīng)濟(jì)增長率和財政赤字等指標(biāo)，在一定程度上能夠?qū)ο到y(tǒng)性金融風(fēng)險起到一定的指示作用。Gonzalez Hermosillo(1999)以經(jīng)驗證據(jù)表明，只有同時考慮不良貸款和資本充足率，CAMEL體系的評估才有統(tǒng)計意義上的依據(jù)。Goodhart(2004)和Aspachs(2006)認(rèn)為違約概率和銀行盈利水平是重要指標(biāo)。雖然針對個別零散指標(biāo)重要性的研究仍在繼續(xù)，但是如果繼續(xù)從單一金融機構(gòu)入手，單純從建立指標(biāo)體系角度考慮，而沒有加總的理論基礎(chǔ)，那么無論怎樣繼續(xù)添加、修改指標(biāo)也無法解決其在對系統(tǒng)性風(fēng)險總體測度上表現(xiàn)欠佳的問題。

(二)數(shù)理模型分析法

數(shù)理模型分析法大多以一家機構(gòu)破產(chǎn)倒閉推測系統(tǒng)內(nèi)某一特定數(shù)量機構(gòu)同時倒閉的可能性，來測度系統(tǒng)性金融風(fēng)險。具有代表性的模型如下所列。

Alferd lehar(2003)通過模擬多家銀行的資產(chǎn)波動，考察一定資產(chǎn)條件和數(shù)目條件下，系統(tǒng)性風(fēng)險發(fā)生的概率。這種方法使用蒙特卡羅模擬法模擬發(fā)生單銀行倒閉的時間序列，得出引發(fā)系統(tǒng)性風(fēng)險的誘導(dǎo)因素發(fā)生的概率和超過系統(tǒng)中某一特定數(shù)量的銀行同時倒閉的可能性，即整個系統(tǒng)發(fā)生系統(tǒng)性風(fēng)險的概率。矩陣法首先估計銀行間的雙邊風(fēng)險敞口矩陣，然后對銀行的損失率賦予不同的值。根據(jù)不良資產(chǎn)量多于一級資本后銀行即倒閉的原則，確定受到傳染的銀行數(shù)量。以一家銀行的倒閉所帶來的其他銀行倒閉的數(shù)目來估計系統(tǒng)性風(fēng)險傳染的程度(如Simon Wells，2000;Iman van Lelyveld，2002;Christian Upper，2002)。Jeannette Muller(2003)第一個將網(wǎng)絡(luò)分析方法應(yīng)用于測算系統(tǒng)性金融風(fēng)險的模型中。其使用網(wǎng)絡(luò)分析法識別出不同銀行類型的不同網(wǎng)絡(luò)結(jié)構(gòu)，然后根據(jù)銀行間市場網(wǎng)絡(luò)形狀，利用神經(jīng)網(wǎng)絡(luò)模擬法測算系統(tǒng)性風(fēng)險的傳染程度。Ghosh(2003)使用了雙元遞歸數(shù)方法，使模型可以不受變量變換的影響，從而增加引入定序的結(jié)構(gòu)型變量的便利性。侯明揚和伍海華(2008)還使用復(fù)雜網(wǎng)絡(luò)分析的方法對其模擬過程進(jìn)行了擴(kuò)展，但在向宏觀整體過渡的過程中依然缺乏理論基礎(chǔ)。Sujit Chakravorti(1996)將模擬法與一般均衡經(jīng)濟(jì)理論相結(jié)合，認(rèn)為由于支付系統(tǒng)中存在著類似CHIPS的ASO協(xié)議，單個銀行發(fā)生支付困難時必然對其他銀行的自有資金狀況產(chǎn)生負(fù)面影響，從而改變現(xiàn)有銀行的最優(yōu)資產(chǎn)選擇，減少銀行間市場信貸資金的供給;其中資產(chǎn)狀況較差的銀行就會發(fā)生倒閉，隨著倒閉銀行數(shù)量的增加，對銀行間信貸的需求數(shù)量也將逐漸減少，當(dāng)銀行間信貸資金的供求相等時，銀行倒閉不再蔓延。Oriol Aspachs等(2006)也使用一般均衡的方法，通過測度違約概率預(yù)警系統(tǒng)性金融風(fēng)險。

正因為上述模型的共同點在于由一家機構(gòu)破產(chǎn)倒閉推測系統(tǒng)內(nèi)某一特定數(shù)量機構(gòu)同時倒閉的可能性，進(jìn)而測度系統(tǒng)性金融風(fēng)險，所以，撇開數(shù)據(jù)可得性等技術(shù)因素，致命的缺陷在于到底多少機構(gòu)倒閉才能視為系統(tǒng)性風(fēng)險的發(fā)生。其在數(shù)量上仍是模糊的，還需要經(jīng)驗性的總結(jié)。

(三)計量模型分析法

針對上述問題的計量模型集中表現(xiàn)為回歸分析、GARCH模型和VaR法?；貧w分析是該領(lǐng)域產(chǎn)生較早的計量分析方法，主要是根據(jù)回歸模型中系數(shù)的顯著性篩選指標(biāo)。而隨著對經(jīng)濟(jì)數(shù)據(jù)本身非線性性的發(fā)現(xiàn)，其解釋力度在逐漸減弱。GARCH模型以銀行間實際交易的聯(lián)系和市場間的波動性溢出為基礎(chǔ)，建立二元或多元GARCH模型，以殘值之間的相關(guān)性大小和變動反映潛在的系統(tǒng)性風(fēng)險的大小。但是，不僅殘值之間的相關(guān)性不一定代表了系統(tǒng)性金融風(fēng)險，而且，實際上GARCH模型的分析只能說明誘導(dǎo)因素發(fā)生后傳染的速度和規(guī)模，對于解釋會不會發(fā)生系統(tǒng)性風(fēng)險這一問題卻遠(yuǎn)在其能力之外。伴隨當(dāng)前風(fēng)險管理領(lǐng)域中最為流行的VaR方法的誕生，GARCH模型與其結(jié)合，共同測評金融機構(gòu)面臨的風(fēng)險。為了盡量避免VaR方法本身蘊涵的模型風(fēng)險，Blaschke等(2001)提出將壓力測試(stress testing)與VaR結(jié)合。但無論如何規(guī)避模型風(fēng)險，VaR法實際上還是通過詳盡評估單一金融機構(gòu)的風(fēng)險來強化整個金融體系，不能實現(xiàn)從總體上對系統(tǒng)性金融風(fēng)險的測度。

三、從系統(tǒng)整體入手對系統(tǒng)性金融風(fēng)險的測度

在面向系統(tǒng)整體直接對系統(tǒng)性金融風(fēng)險進(jìn)行測度時，作為指標(biāo)體系主要制定者的監(jiān)管當(dāng)局認(rèn)為，可以將經(jīng)濟(jì)金融系統(tǒng)看作所有金融機構(gòu)甚至所有金融活動參與個體的總和，利用各部門總的經(jīng)濟(jì)數(shù)據(jù)，同時加入宏觀經(jīng)濟(jì)指標(biāo)，來衡量或預(yù)測經(jīng)濟(jì)金融體系的系統(tǒng)性風(fēng)險。IMF于1999年5月啟動了“金融部門評估計劃”(FSAP)，包括如經(jīng)濟(jì)增長、通貨膨脹、利率等在內(nèi)的宏觀審慎指標(biāo);如資本充足性、盈利性指標(biāo)、資產(chǎn)質(zhì)量指標(biāo)等在內(nèi)的綜合微觀審慎指標(biāo)，用于測度金融體系中蘊涵系統(tǒng)性風(fēng)險的程度。這些宏觀審慎指標(biāo)包括反映單個金融機構(gòu)穩(wěn)健性的微觀審慎指標(biāo)的匯總和與金融體系穩(wěn)健性有關(guān)的宏觀經(jīng)濟(jì)變量兩種類型。同時，在對單個金融機構(gòu)穩(wěn)健性的微觀審慎指標(biāo)進(jìn)行匯總時，對不同的機構(gòu)按照其對應(yīng)的權(quán)重進(jìn)行了加權(quán)。國內(nèi)學(xué)者(如伍志文，2002;毛一文，2002;陳華，2004等)在借鑒國外研究成果的基礎(chǔ)上，從金融市場子系統(tǒng)、銀行子系統(tǒng)、金融監(jiān)控子系統(tǒng)和宏觀經(jīng)濟(jì)環(huán)境子系統(tǒng)四個方面入手，劃分安全、正常、關(guān)注和危機四個等級，據(jù)經(jīng)驗分析確定每個指標(biāo)屬于各個等級的取值范圍，然后根據(jù)各個指標(biāo)的實際取值將各個指標(biāo)映射成相應(yīng)的分?jǐn)?shù)，最后通過主觀賦權(quán)，將各指標(biāo)的得分綜合成各子系統(tǒng)的得分及整個體系的總得分。但加總時對權(quán)重選取的主觀性依然太強，缺乏堅實的客觀理由。Demirg kunt等(2002)則將系統(tǒng)內(nèi)的銀行同質(zhì)化對待，從而視整個銀行系統(tǒng)為一個集合銀行，使用銀行業(yè)總體的數(shù)據(jù)來估計系統(tǒng)破產(chǎn)的概率，并對發(fā)生危機的指標(biāo)閥值進(jìn)行了說明。遺憾的是，即便經(jīng)濟(jì)金融系統(tǒng)內(nèi)的參與者可能存在同質(zhì)性，但實際業(yè)務(wù)之間聯(lián)系緊密的事實，使得忽視系統(tǒng)內(nèi)實際業(yè)務(wù)間交叉覆蓋部分的累加會導(dǎo)致錯誤的結(jié)果。

在技術(shù)性研究方面，Kaminsky，Lizondo和Reinhart(1997)的初始KLR方法，也稱信號法，實際上是篩選出被選預(yù)警指標(biāo)，并把其轉(zhuǎn)換為雙元信號，根據(jù)其同時預(yù)警數(shù)目的多寡來判斷危機發(fā)生的概率。Kaminsky(1999)運用以噪音——信號比的倒數(shù)為權(quán)重的優(yōu)良指標(biāo)的加權(quán)平均這一復(fù)合指標(biāo)，解決KLR模型只根據(jù)信號多寡來進(jìn)行判斷的問題，但其在識別效果方面仍有很大缺陷。因為，復(fù)合指標(biāo)的解釋變量被轉(zhuǎn)換成雙元信號后拋棄了由它的動態(tài)性所產(chǎn)生的許多有用信息，至少“發(fā)生了新的、較大的危機將直接導(dǎo)致現(xiàn)在識別不了以前曾被識別的危機”(吳軍，2006)。一些學(xué)者將Probit/Logit模型劃歸為針對單一金融機構(gòu)風(fēng)險的測度，筆者不贊同這種觀點，因為Probit/Logit模型是直接估計給定指標(biāo)的條件概率以從整體上進(jìn)行危機的預(yù)測。Frankel和Rose(1996)基于此模型，針對105個發(fā)展中國家1971-1992年的季度數(shù)據(jù)的預(yù)測，是此類模型的早期代表文獻(xiàn)(下文稱其為FR模型)。在樣本區(qū)間內(nèi)，F(xiàn)R模型參數(shù)表現(xiàn)穩(wěn)定，并且許多變量在危機的預(yù)測方面表現(xiàn)顯著，但對樣本外的1997年的亞洲金融危機的預(yù)測卻不盡如人意(Berg和Pattillo，1998)。為此，Berg和Pattillo(1998)基于KLR信號模型對FR模型進(jìn)行了修正，即先經(jīng)過KLR方法篩選出優(yōu)良指標(biāo)，然后對其進(jìn)行概率單位處理，故其精確性要高于KLR模型。但也只能達(dá)到57%(Bussiere和Fratzscher，2002)。S?觟hnke M.Bartram等(2006)認(rèn)為，在一個有效的資本市場上，可以通過銀行股票價格的變化從整體上測度并預(yù)警系統(tǒng)性金融風(fēng)險。在有效的資本市場上，某一負(fù)面信息沖擊只會對直接暴露于該信息的銀行的股票價格產(chǎn)生影響;而沒有暴露于該負(fù)面信息沖擊的銀行的股票價格并不會受其直接影響。但事實是，沒有暴露于該沖擊的銀行的股票價格也不同程度地出現(xiàn)一些波動，這些波動并非直接暴露于該沖擊的結(jié)果，而是直接暴露于該沖擊的那些銀行通過經(jīng)濟(jì)金融體系對沒有暴露于該沖擊的銀行的逆向影響的結(jié)果。因此，未直接暴露于該沖擊的銀行的股票市場反應(yīng)可以作為系統(tǒng)性風(fēng)險估測的一個粗略指標(biāo)。同時他們還利用銀行權(quán)益價值，債務(wù)結(jié)構(gòu)數(shù)據(jù)，無風(fēng)險利率，期望回報率及其方差，債務(wù)數(shù)量及其期限等求解系統(tǒng)失敗的概率。S hnke M.Bartram等從系統(tǒng)整體層面分析系統(tǒng)性風(fēng)險的思路比較新穎，但系統(tǒng)性金融風(fēng)險所涉及的系統(tǒng)范疇絕不僅是由銀行部門構(gòu)成的，還包括為數(shù)眾多的非銀行企業(yè)(Steven L. Schwarcz，2008)。

四、對系統(tǒng)性金融風(fēng)險測度方法的簡要評述

綜合來看，上述測度方法所存在的問題主要集中于合理加總和設(shè)計模型的技術(shù)改造兩方面。系統(tǒng)中破產(chǎn)倒閉機構(gòu)的數(shù)量具體是多少才能被稱為系統(tǒng)性風(fēng)險是不確定的，因此從這一角度進(jìn)行分析往往沒有有意義的收獲。依據(jù)同質(zhì)性而直接累加從而表征總量的方法，錯誤地重復(fù)了系統(tǒng)內(nèi)參與者之間交叉業(yè)務(wù)所覆蓋的數(shù)量，不能被稱之為合理的加總。而隨著計量技術(shù)的發(fā)展，呈現(xiàn)的研究成果表明更多學(xué)者們希望通過改進(jìn)模型技術(shù)將兩個問題一并解決。那么，不斷地改進(jìn)技術(shù)是否真的有效呢?

在技術(shù)上，所有模型都會呈現(xiàn)各種缺陷。被模型化了的現(xiàn)象的統(tǒng)計特征通常隨樣本而改變。但模型改變了統(tǒng)計規(guī)則的實效性，導(dǎo)致模型使用者不停地“追趕時間”(catch the time)。這樣，當(dāng)危機發(fā)生時，模型解釋力差的問題自然會凸現(xiàn)。模型本身的目的在于將復(fù)雜的現(xiàn)實世界濃縮于數(shù)量較少的方程中。但濃縮過程中所忽視掉的變量往往不是不重要的而是較復(fù)雜的，從而造成模型假設(shè)質(zhì)量較差。數(shù)據(jù)可獲得性上的困難更是眾所周知。這些缺陷是所有模型都不可避免的。雖然隨著經(jīng)濟(jì)金融系統(tǒng)復(fù)雜性程度的加深，確實越來越需要復(fù)雜的模型用于衡量風(fēng)險，但不幸的是，隨著復(fù)雜性的加深，模型的可靠性也在逐漸降低。美國次貸危機已經(jīng)顯示風(fēng)險模型要比想象中的可信度低很多。如果向監(jiān)管界、學(xué)術(shù)界，特別是模型的設(shè)計者詢問其對模型質(zhì)量的評價，答案經(jīng)常是否定的。一個真正的復(fù)雜統(tǒng)計模型必須是對的，但經(jīng)濟(jì)金融運行不可能像遵循物理定律一樣成規(guī)則。盡管擁有復(fù)雜的模型，所有的壓力測試，所有的數(shù)據(jù)，但每次經(jīng)歷的系統(tǒng)性風(fēng)險都會給人們帶來驚疑(Bitner R.，2008)。成功躲過危機的往往是那些擁有良好管理的機構(gòu)，而不是依靠模型技術(shù)實現(xiàn)的。在不信任模型的同時卻又積極地使用它們則是一個悖論。筆者并非想完全否認(rèn)模型技術(shù)，但目前研究者對模型賦予的期望，已經(jīng)超過了其實際的能力范疇，就像對涵蓋經(jīng)濟(jì)金融體系總風(fēng)險的系統(tǒng)性風(fēng)險的測度一樣。脫離理論支撐而單純對模型進(jìn)行技術(shù)上的修正，不斷地進(jìn)行估測是愚蠢的，因為雖然可以得到數(shù)據(jù)，但卻是毫無意義的數(shù)據(jù)(Jón Daníelsson，2008)。這也是本文不針對各種模型的具體計算過程，而只針對測度方法的原理進(jìn)行梳理的原因。當(dāng)前對于系統(tǒng)性金融風(fēng)險測度的研究方法更應(yīng)在如何實現(xiàn)合理的加總上做文章，從而形成有理論基礎(chǔ)的，針對系統(tǒng)整體的測度方法。

參考文獻(xiàn):

[1]范小云.繁榮的背后:金融系統(tǒng)性風(fēng)險的本質(zhì)、測度與管理[M].中國金融出版社，北京:2006:103-165.

[2]翟金林.銀行系統(tǒng)性風(fēng)險研究[D].南開大學(xué)博士論文，2001:75-78.

[3]S·hnke M. Bartram，Gregory W. Brown，John E. Hund. Estimating systemic risk in the international financial system[J].Journal of Financial Economics.2007，86:835-869.

[4]許滌龍，葉少波.金融體系脆弱性問題研究述評[J].統(tǒng)計與信息論壇，2008，(23).

[5]Benton E.Gup，Philip F. Bartholomew. The decision to fail banks:a global view，in international banking crises: large-scale failures[M]，Massive Government Interventions， 1999，edited by Benton E. Gup，Quorum Books.

[6]Oriol Aspachs，Charles A.E.Goodhart，Dimitrios P. Tsomocos，Lea Zicchino.Towards a measure of financial fragility[C].SSRN Working Paper.2006，1-45.

[7]Alfred Lehar. Measuring systemic risk: A risk management approach[J]. Journal of BankingFinance.2005，29:2577-2603.

[8]Danielsson， J. The emperor has no clothes: Limits to risk modeling[J]. Journal of Banking and Finance，2002， 26:1273–1296.

[9]Stevenl. Schwarcz. Systemic Risk[J].The Georgetown law Journal，2008，97:193-249.

[10]Jón Daníelsson. Blame the Models[J]. Forthcoming Journal of Financial Stability，2008，6:1-12.

[11]Financial Times. CPDOs expose ratings flaw at Moody’s[N]. Financial Times， May 21， 2008 edition.

(責(zé)任編輯 代金奎)