摘 要：以非參數(shù)模型為主要建模工具，采用亞行開發(fā)的VIEWS系統(tǒng)①中內(nèi)嵌的信號法，該方法在預(yù)測貨幣危機方面已被證明為有效框架，得到了廣泛應(yīng)用。實證分析表明，該方法在預(yù)測銀行危機方面同樣具有良好的表現(xiàn)，預(yù)測能力優(yōu)于其他研究中提出的技術(shù)方法。本模型將“銀行危機”定義為不良貸款的持續(xù)大面積暴露，從時間序列中識別出三次不良貸款增長高峰期作為“危機事件”，將危機窗口設(shè)定為危機事件前30個月。根據(jù)噪信比至少小于1和經(jīng)濟合理性原則篩選出25項先行指標(biāo)，并以此構(gòu)建綜合預(yù)警指標(biāo)，得出不同時點的危機概率。實證表明，該模型能夠以較好的準(zhǔn)確性和先行時間預(yù)測樣本內(nèi)的三次危機，并在樣本外的2009—2010年發(fā)出了持續(xù)較強的預(yù)警信號。其中，金融部門的整體預(yù)警表現(xiàn)最好，信貸增速等先行指標(biāo)的預(yù)警能力最為突出。此外，還以線性回歸作為輔助手段，并將檢驗結(jié)果與信號法模型作對比分析。

關(guān)鍵詞：非參數(shù)方法；銀行風(fēng)險；早期預(yù)警；模型實證研究

中圖分類號：F830 文獻標(biāo)志碼：A 文章編號：1673-291X（2013）07-0072-02

引言

金融危機預(yù)警通常有貨幣危機和銀行危機兩種類型。在中國以間接融資為主的金融體系中，銀行是金融風(fēng)險的主要承擔(dān)者，且集中表現(xiàn)為信貸風(fēng)險。而對于貨幣危機，在管制條件下，既不是金融體系的主要風(fēng)險來源，也缺乏歷史上的危機片斷，難以開展實證研究。

一、銀行危機預(yù)警模型述評

（一）關(guān)于銀行危機的理論探討

關(guān)于銀行危機的理論探討主要有兩個方面，一是單個銀行困境，二是系統(tǒng)性銀行困境。有關(guān)第一類型銀行困境的原因，理論上更多地從微觀角度展開研究，并據(jù)此建立風(fēng)險預(yù)警模型來預(yù)測單機構(gòu)金融困境。長期以來，美聯(lián)儲根據(jù)CAMELS體系評級所采用的變量，匯總單個銀行信息資料，從而對整個金融體系各個重要組成部分的健康性做出評估。這個框架的依據(jù)是，資產(chǎn)質(zhì)量惡化、盈利水平低、資產(chǎn)負(fù)債表不匹配、流動性低、公司治理差和承擔(dān)風(fēng)險過度等因素會導(dǎo)致脆弱性和銀行困境。

（二）銀行危機預(yù)警的主要方法

關(guān)于銀行危機預(yù)警的方法主要有Probit模型、Logit模型、KLR信號法和神經(jīng)網(wǎng)絡(luò)模型等。最早的關(guān)于宏觀金融危機預(yù)警一批研究成果約出現(xiàn)于亞洲金融危機前后，Kaminsky，Lizondo和Reinhart（1997，1999）提出了目前應(yīng)用較為廣泛的KLR信號分析法，并將其應(yīng)用于銀行業(yè)危機預(yù)警研究。Rojas-Suarez（2001）采用KLR的信號分析法對新興市場國家銀行業(yè)危機構(gòu)建預(yù)警指標(biāo)，發(fā)現(xiàn)存款利率支付和利率差兩項指標(biāo)對新興市場國家銀行業(yè)危機預(yù)警的效果較好。Jim和Eric等（2007）應(yīng)用Probit模型建立銀行業(yè)危機預(yù)警系統(tǒng)，對11個EMEAP亞太區(qū)域成員經(jīng)濟體預(yù)測銀行業(yè)危機發(fā)生可能性。Davis和Karim（2008）以105個國家1979—2003年數(shù)據(jù)為樣本，研究了在此期間爆發(fā)的102次系統(tǒng)性銀行業(yè)危機事件，認(rèn)為多元Logit模型無論是對國際性危機還是對單個經(jīng)濟體危機早期預(yù)警都是較好的方法。神經(jīng)網(wǎng)絡(luò)模型也是應(yīng)用較多的危機預(yù)警方法，Marco（2006）選取1980—2004 年間發(fā)生主權(quán)債務(wù)危機的46個發(fā)展中國家年度數(shù)據(jù)，利用ANN模型對主權(quán)債務(wù)危機預(yù)警進行了研究，認(rèn)為在一定條件下ANN模型對危機的預(yù)警效果較好。

（三）國際貨幣基金組織的EWSs模型

國際貨幣基金組織（IMF）一直致力于金融危機早期預(yù)警模型研究，其倡導(dǎo)和開發(fā)的EWSs模型主要運用兩種方法：信號法（Kaminsky，Lizondo和Reinhart，1997—1999）和有限因變量概率對數(shù)模型（Berg Pattillo，1999）。

（四）國內(nèi)預(yù)警研究存在的問題

國內(nèi)關(guān)于銀行業(yè)危機預(yù)警的研究起步較晚，其中很多研究局限于對國外預(yù)警研究的評述，實證模型主要以單機構(gòu)風(fēng)險預(yù)警為主，銀監(jiān)會開發(fā)的銀行風(fēng)險早期預(yù)警系統(tǒng)（睿思系統(tǒng)）目前只是單體銀行風(fēng)險預(yù)警的技術(shù)方案，其功能定位于識別脆弱性機構(gòu)，而非事前預(yù)警。現(xiàn)有的針對系統(tǒng)性風(fēng)險的銀行危機預(yù)警模型較少，且部分已構(gòu)建模型的結(jié)構(gòu)較為簡單，如岳蓓蓓、鄭循剛（2011）建立了經(jīng)濟增長與不良貸款率波動的VAR 模型，運用脈沖響應(yīng)函數(shù)及方差分解方法檢驗了經(jīng)濟增長與商業(yè)銀行不良貸款率波動之間的相關(guān)性，模型僅涉及GDP和不良貸款兩項指標(biāo)?，F(xiàn)有模型的主要缺陷是核心變量不準(zhǔn)確，時間序列長度不足。

二、基于信號法的模型構(gòu)建

確定先行指標(biāo)是構(gòu)建危機預(yù)警模型的關(guān)鍵環(huán)節(jié)，本文在借鑒國內(nèi)外現(xiàn)有研究成果的基礎(chǔ)上，遵循經(jīng)濟合理性和數(shù)據(jù)可得性的原則，設(shè)計了包含金融部門、實體部門、政府部門、經(jīng)常賬戶和國際市場等5部門46項先行指標(biāo)。對于每個先行指標(biāo)，以其臨界值為標(biāo)準(zhǔn)劃分為正常域和臨界域。臨界域表明發(fā)生危機的概率增強。對于每一期間而言，若一個指標(biāo)的觀測值超過臨界值落入了臨界域，則認(rèn)為這個指標(biāo)發(fā)出了一個預(yù)警信號。若危機在選定時間框架內(nèi)發(fā)生，則信號是正確的，用A表示；若在設(shè)定的時間框架內(nèi)沒有發(fā)生危機，未發(fā)出信號就是正確的，用D表示。C為第一類錯誤，B為第二類錯誤。決定一個危機信號正確與否的時間框架被稱為危機窗口，本文設(shè)定為30個月。在危機窗口設(shè)定后，所有樣本點可以被歸類為非危機期間和危機前期間。以最小化噪音信號比（Noise-to-signal ratio，NSR）設(shè)定臨界值和相關(guān)的臨界域。公式如下：

NSR=〔B/（B+D）〕/〔A/（A+C）〕 （1）

每個指標(biāo)的歷史數(shù)據(jù)都可轉(zhuǎn)化為累積頻率分布曲線，在該曲線上可以通過格點搜索法來估計每個指標(biāo)的最小噪音信號比和臨界值。確定臨界值后，一個先行指標(biāo)就可以被轉(zhuǎn)換為二進制變量Sit，若實際數(shù)值超過臨界值（發(fā)出預(yù)警信號）即為1，反之為0。信噪比越小說明指標(biāo)預(yù)測危機的能力越強，反之則反是。對于任何一個有用的先行指標(biāo)而言，其條件危機概率（CP）應(yīng)大于無條件危機概率（UP）。

基于每個指標(biāo)的預(yù)測能力，可以通過簡單加總（4）和加權(quán)計算（5）的方式構(gòu)建綜合指標(biāo)。由綜合指標(biāo)可以構(gòu)造危機發(fā)生的概率（6）。

三、實證分析

模型從5部門46項指標(biāo)中篩選出25個噪音信號比小于1的有效指標(biāo)，其中21項先行指標(biāo)的條件危機概率超過了50%，占全部有效指標(biāo)的84%。經(jīng)常賬戶中5項指標(biāo)NSR小于1，其中貿(mào)易賬戶余額/GDP的同比變動指標(biāo)表現(xiàn)最好，其臨界值位于第12個百分點、NSR為0.14、條件危機概率83%，顯示出較強的預(yù)測能力，反映出貿(mào)易依存度的變化與銀行風(fēng)險有較強的相關(guān)性。金融部門共有11項指標(biāo)入選，其中NSR小于0.3的共有5項，分別是貸款占GDP比重、M1占GDP的比重、貸款增速及其同比變動、實際利率變動，其中，信貸增速的同比變動是表現(xiàn)最好的指標(biāo)。這在一定程度上驗證了許多文獻提出的假設(shè)——較高的貸款同比增長率確實會增大銀行危機概率。

從綜合指標(biāo)表現(xiàn)看，加權(quán)計算的綜合指標(biāo)Ⅰ在各個臨界概率水平上都優(yōu)于簡單加總的綜合指標(biāo)Ⅱ。綜合指標(biāo)Ⅰ在臨界概率為60%時，能正確識別出的危機前期間數(shù)比率高達(dá)73.3%。根據(jù)危機片斷的設(shè)定，2008年之前的危機概率為樣本內(nèi)估計，2009—2011年為樣本外估計。樣本內(nèi)的輸出結(jié)果顯示，在第一次危機預(yù)測中，由綜合指標(biāo)Ⅰ構(gòu)建的危機概率在1995年12月迅速上升，持續(xù)到1996年11月，之后有所下降，但仍處于較高水平，從發(fā)出危機信號到1998年6月危機事件開始，先行時間為30個月。綜合指標(biāo)Ⅰ在第二次危機事件中的表現(xiàn)與前一次類似，不同的是先行時間縮短為25個月。在預(yù)測第三次危機中，綜合指標(biāo)Ⅰ先是在2006年5—7月發(fā)出較強信號，之后信號消失，至2007年12月信號集中出現(xiàn)，并一直持續(xù)到危機事件發(fā)生，從第一次發(fā)出信號到危機發(fā)生，先行時間為30個月。

綜合指標(biāo)Ⅱ估計的危機概率與指標(biāo)Ⅰ在預(yù)測前兩次危機時情形相似，但在預(yù)測2008年危機事件時表現(xiàn)欠佳。從樣本外的預(yù)測表現(xiàn)看，兩個綜合指標(biāo)在2009—2011年均持續(xù)發(fā)出了較強的預(yù)警信號，2009年2月開始連續(xù)12個月預(yù)警信號在10個以上，最多時達(dá)到14個，預(yù)警的強度超過之前任何時期。

結(jié)論

通過實證分析，可以得出以下主要結(jié)論：（1）“銀行危機”在某種程度上是可以預(yù)測、預(yù)警的，在危機逼進時總會出現(xiàn)先行指標(biāo)達(dá)到臨界值發(fā)出預(yù)警信號的現(xiàn)象，這一點不只具有統(tǒng)計意義，也可以由相關(guān)經(jīng)濟理論作為解釋。（2）從分部門的分析可以看出，金融部門先行指標(biāo)對銀行危機的預(yù)警能力明顯優(yōu)于其他部門，其中信貸增速及新增信貸占GDP的比重是表現(xiàn)最好的指標(biāo)。（3）危機事件出現(xiàn)之前的窗口時期，往往伴隨著部分先行指標(biāo)由波峰到波谷的劇烈收縮，具有明顯的周期性。（4）模型在樣本外的預(yù)測顯示，2009年以來的危機概率始終處于較高水平，危機預(yù)警信號最高達(dá)到14個。

這在模型上可解讀為新的危機窗口已打開，銀行系統(tǒng)將面臨新一輪的不良貸款集中暴露。根據(jù)歷史經(jīng)驗，銀行危機一旦出現(xiàn)將持續(xù)四五年左右的時間。

參考文獻：

[1] 亞洲開發(fā)銀行.金融危機早期預(yù)警系統(tǒng)及其在東亞地區(qū)的運用[M].北京：中國金融出版社，2006：11.

[2] 國際貨幣基金組織、世界銀行.金融部門評估手冊[K].北京：中國金融出版社，2009：9.

[3] 張倩.貨幣危機早期預(yù)警分析與研究述評[J].經(jīng)濟論壇，2011，（4）.

[4] 岳蓓蓓，鄭循剛.經(jīng)濟增長與商業(yè)銀行不良貸款率波動的VAR 模型分析[J].金融與經(jīng)濟，2011，（1）.

[責(zé)任編輯 陳麗敏]