宋瑩

摘 ? 要：2008年國(guó)際金融危機(jī)爆發(fā)以來(lái)，世界各國(guó)的經(jīng)驗(yàn)表明，構(gòu)建對(duì)金融體系的風(fēng)險(xiǎn)預(yù)警機(jī)制是必要且可行的。本文對(duì)國(guó)外金融風(fēng)險(xiǎn)早期預(yù)警體系的既有研究成果進(jìn)行了梳理，以期為我國(guó)構(gòu)建風(fēng)險(xiǎn)早期預(yù)警體系提供一些經(jīng)驗(yàn)借鑒。

關(guān)鍵詞：金融危機(jī);風(fēng)險(xiǎn)早期預(yù)警體系;信號(hào)法;神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：F830.31 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：B ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-0017-2015（2）-0083-04

一、引言

自1825年第一次爆發(fā)金融危機(jī)以來(lái)，頻繁發(fā)生且愈演愈烈的金融危機(jī)對(duì)世界經(jīng)濟(jì)造成了諸多破壞性影響。據(jù)IMF統(tǒng)計(jì)，1980-1995年期間大約有65個(gè)發(fā)展中國(guó)家發(fā)生過(guò)銀行業(yè)1危機(jī)，而公共部門用于處置銀行業(yè)危機(jī)的成本約為2500億美元。在至少12起的危機(jī)事件中，公共部門的處置成本約占到該國(guó)GDP的10%以上。1997年的東南亞金融危機(jī)中，泰國(guó)和韓國(guó)的銀行重組成本高達(dá)GDP的30%，印度尼西亞和馬來(lái)西亞則為20%。隨著全球經(jīng)濟(jì)金融一體化的深入和金融業(yè)務(wù)與工具的創(chuàng)新，金融危機(jī)的影響范圍和程度也較以往大幅延伸。2008年的國(guó)際金融危機(jī)導(dǎo)致全球金融市場(chǎng)動(dòng)蕩加劇，世界主要經(jīng)濟(jì)體至今尚未從危機(jī)的泥潭中擺脫出來(lái)。據(jù)不完全統(tǒng)計(jì)，2008年全球金融危機(jī)給世界經(jīng)濟(jì)造成的直接損失約為35萬(wàn)億美元。

除巨大的經(jīng)濟(jì)損失，銀行危機(jī)也導(dǎo)致全球經(jīng)濟(jì)的嚴(yán)重衰退，阻止國(guó)民財(cái)富向最具生產(chǎn)效率部門的配置，限制了各國(guó)貨幣政策運(yùn)作的空間，增加了貨幣危機(jī)發(fā)生的概率2。IMF（1998年）調(diào)查發(fā)現(xiàn)，在作為分析的31個(gè)發(fā)展中國(guó)家樣本中，平均需要三年多的時(shí)間才能使其產(chǎn)出增長(zhǎng)恢復(fù)至危機(jī)前水平，產(chǎn)出累計(jì)損失平均為12%。在嚴(yán)重的貨幣危機(jī)中，新興經(jīng)濟(jì)體遭受的損失平均達(dá)到實(shí)際產(chǎn)出的8%。

二、金融風(fēng)險(xiǎn)早期預(yù)警體系理論綜述

正因?yàn)榻鹑谖C(jī)的影響巨大，因此各國(guó)理論界和監(jiān)管機(jī)構(gòu)均試圖建立適當(dāng)?shù)娘L(fēng)險(xiǎn)早期預(yù)警模型對(duì)其加以預(yù)測(cè)。Edison（2003）認(rèn)為早期預(yù)警模型體系應(yīng)包括危機(jī)的準(zhǔn)確定義和對(duì)危機(jī)進(jìn)行有效預(yù)測(cè)的機(jī)制安排?？傮w上，這些分析都是針對(duì)宏觀經(jīng)濟(jì)、金融部門等宏觀審慎指標(biāo)，然后采用各種分析技術(shù)與模型，從而得出分析結(jié)果。根據(jù)所采用的方法途徑不同，國(guó)外對(duì)于早期預(yù)警模型的研究分為參數(shù)和非參數(shù)模型兩種：參數(shù)技術(shù)包括probit/logit和向量自回歸VAR模型，非參數(shù)技術(shù)則指的是主要指標(biāo)法和信號(hào)法。具體又可以分為三類：

一是指標(biāo)或信號(hào)法。通過(guò)選取宏觀經(jīng)濟(jì)與金融主要指標(biāo)（宏觀審慎指標(biāo)MPIs）作為分析變量，確定作為危機(jī)信號(hào)的閥值，并統(tǒng)計(jì)MPIs的“報(bào)警信號(hào)”的次數(shù)來(lái)預(yù)測(cè)危機(jī)發(fā)生的概率。當(dāng)與危機(jī)相關(guān)聯(lián)的指標(biāo)觸發(fā)其特定閥值時(shí)，報(bào)警信號(hào)就會(huì)產(chǎn)生。

二是采用線性回歸或受限因變量probit/logit技術(shù)。主要用于檢驗(yàn)不同指標(biāo)在確定金融危機(jī)發(fā)生概率時(shí)的重要性程度和有用性，通過(guò)監(jiān)測(cè)危機(jī)發(fā)生之前指標(biāo)的行為變化來(lái)計(jì)算危機(jī)發(fā)生概率。

三是最新技術(shù)。包括使用二元遞歸樹來(lái)確定主要指標(biāo)的危機(jī)閥值，人工神經(jīng)網(wǎng)絡(luò)和基因演算法來(lái)選取最合適的指標(biāo)和馬爾科夫區(qū)制轉(zhuǎn)移模型。

（一）指標(biāo)/信號(hào)分析法

Honohan（1997）認(rèn)為，金融風(fēng)險(xiǎn)起源主要分為宏觀經(jīng)濟(jì)事件、微觀經(jīng)濟(jì)不足和區(qū)域性危機(jī)，那么風(fēng)險(xiǎn)預(yù)警則對(duì)應(yīng)不同的警示信號(hào)。宏觀經(jīng)濟(jì)事件導(dǎo)致的危機(jī)通常涉及內(nèi)生性的衰退與繁榮周期，微觀經(jīng)濟(jì)中能夠發(fā)生的危機(jī)通常因?yàn)轱L(fēng)險(xiǎn)的過(guò)度承擔(dān)和內(nèi)部人融資，而區(qū)域性危機(jī)通常與政府主導(dǎo)下的金融體系相關(guān)。針對(duì)這三種情況，他設(shè)定了選取變量的基準(zhǔn)條件，如貸款余額、存貸比、利差收入、流動(dòng)性比率、政府債務(wù)等作為分析變量。雖然其指標(biāo)分析法很大程度上取決于研究者的主管判斷，但仍被理論界和市場(chǎng)分析人士經(jīng)常使用。

Kaminsky和Reinhart（1999）的KLR法針對(duì)危機(jī)前的表現(xiàn)出異常行為的指標(biāo)的演變進(jìn)行分析，當(dāng)指標(biāo)超過(guò)既定閥值時(shí)，該指標(biāo)將發(fā)出信號(hào)，表明危機(jī)在未來(lái)24個(gè)月內(nèi)可能發(fā)生。變量主要包括：M2乘數(shù)、國(guó)內(nèi)信貸/GDP，真實(shí)利率、存貸比、M2/儲(chǔ)備、銀行存款、進(jìn)出口、貿(mào)易條件、真實(shí)匯率、股票價(jià)格等。Kaminsky（1999）提出構(gòu)建基于單個(gè)指標(biāo)基礎(chǔ)上的金融脆弱性多種合成指數(shù)方法。其中第一個(gè)指數(shù)是所有可以作為危機(jī)信號(hào)的指標(biāo)匯總;第二個(gè)合成指數(shù)通過(guò)界定單個(gè)指標(biāo)極值的第二閥值來(lái)解釋信號(hào)的嚴(yán)重程度;第三個(gè)指數(shù)旨在通過(guò)添加最新信號(hào)來(lái)表示基礎(chǔ)面情況的持續(xù)惡化，最終的合成指數(shù)是所有解釋變量根據(jù)其統(tǒng)計(jì)上重要性程度的加權(quán)平均值，合成指數(shù)的擬合概率可以作為危機(jī)概率的重要預(yù)測(cè)。

Berg和Pattillo （1999）模型對(duì)KLR模型的部分特性進(jìn)行了修訂。其構(gòu)建的合成指數(shù)在考慮了各個(gè)變量的相關(guān)性和邊際貢獻(xiàn)的基礎(chǔ)上匯總了解釋變量，可以驗(yàn)證每個(gè)變量的重要性和回歸系數(shù)的穩(wěn)定性，從而消除了KLR法無(wú)法檢驗(yàn)變量及合成指數(shù)對(duì)于危機(jī)預(yù)測(cè)的邊際和真實(shí)貢獻(xiàn)度。

Borio和Lowe（2002）利用信號(hào)法分析了銀行危機(jī)與資產(chǎn)價(jià)格、信貸、投資三者之間的關(guān)系，研究了資產(chǎn)價(jià)格、信貸等指標(biāo)對(duì)銀行危機(jī)的警示作用。Davis和Karim（2008）則針對(duì)105個(gè)國(guó)家的銀行危機(jī)事件，研究了102次系統(tǒng)性銀行危機(jī)事件。Christain（2008）詳細(xì)介紹了信號(hào)法在工業(yè)國(guó)家和新興市場(chǎng)國(guó)家銀行危機(jī)預(yù)警的應(yīng)用。

（二）受限因變量模型法（受限probit或logit回歸法）

鑒于危機(jī)的爆發(fā)是一種二元性的離散事件，因此可以運(yùn)用受限回歸法（probit或logit模型）來(lái)對(duì)危機(jī)的發(fā)生進(jìn)行預(yù)測(cè)。將危機(jī)指標(biāo)作為二元性變量，通過(guò)一系列的解釋性變量來(lái)加以估算。采用logit或probit預(yù)測(cè)法，預(yù)測(cè)出的結(jié)果被限定在單元區(qū)間，并被解釋為危機(jī)發(fā)生的概率。這種方法的優(yōu)點(diǎn)在于可以評(píng)估每個(gè)解釋變量對(duì)于危機(jī)的貢獻(xiàn)度，并可通過(guò)數(shù)理統(tǒng)計(jì)技術(shù)進(jìn)行檢驗(yàn)。

Frankel和Rose（1996）首次采用年度數(shù)據(jù)和probit模型來(lái)預(yù)測(cè)金融危機(jī)的發(fā)生。Eichengreen和Rose （1998）在分析新興經(jīng)濟(jì)體的銀行業(yè)危機(jī)時(shí)，采用了多元二項(xiàng)式probit來(lái)進(jìn)行預(yù)測(cè)，結(jié)果顯示國(guó)外環(huán)境變化對(duì)于發(fā)展中國(guó)家銀行業(yè)危機(jī)的重大影響，其國(guó)內(nèi)變量貢獻(xiàn)度相對(duì)較小，但是匯率的估值、國(guó)內(nèi)商業(yè)周期和外債水平非常重要，并為金融問(wèn)題的產(chǎn)生創(chuàng)造了現(xiàn)實(shí)舞臺(tái)。另一方面，財(cái)政政策變量、匯率機(jī)制和結(jié)構(gòu)則作用較低。但年度數(shù)據(jù)的使用導(dǎo)致危機(jī)發(fā)生的概率的上升幾乎與危機(jī)同時(shí)發(fā)生，從而限制了概率作為銀行業(yè)危機(jī)的主要指標(biāo)的使用。

Demirgü和Detragiache （1998a， 1998b）運(yùn)用多元二項(xiàng)式logit模型研究了發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家系統(tǒng)性銀行危機(jī)的決定因素，認(rèn)為一系列的解釋變量包括：宏觀經(jīng)濟(jì)變量、金融變量和機(jī)構(gòu)發(fā)展進(jìn)步的估值等。結(jié)果顯示宏觀經(jīng)濟(jì)變量是銀行脆弱性的主要決定因素，尤其是當(dāng)通脹率和利率水平均處于高位時(shí)，隨著增長(zhǎng)放緩，危機(jī)的概率將會(huì)增加。同時(shí)，當(dāng)存款保險(xiǎn)機(jī)制不明確和機(jī)構(gòu)發(fā)展疲軟時(shí)，危機(jī)的概率通常較高。在其進(jìn)一步的研究中，他們將probit預(yù)測(cè)用于早期預(yù)警，并認(rèn)為閥值與三個(gè)因素相關(guān)：與閥值相關(guān)的類型1和類型2錯(cuò)誤的概率、銀行業(yè)危機(jī)的無(wú)條件概率和提前采取措施預(yù)防危機(jī)發(fā)生的成本與發(fā)生危機(jī)的成本比值，并認(rèn)為不良貸款率超過(guò)10%或者銀行救助成本超過(guò)GDP的2%時(shí)，銀行危機(jī)發(fā)生。

Hardy和Pazarbasioglu （1999）采用多元多項(xiàng)式logit模型來(lái)預(yù)測(cè)銀行業(yè)危機(jī)，根據(jù)危機(jī)時(shí)間分別將一個(gè)離散變量定義為2（危機(jī)發(fā)生期）、1（危機(jī)發(fā)生前的一年期）和0（其他時(shí)間段），由此建立獨(dú)立于危機(jī)年度的主要變量的預(yù)測(cè)能力。當(dāng)因變量達(dá)到閥值時(shí)，銀行業(yè)危機(jī)的早期預(yù)警隨之啟動(dòng)。

Hutchinson和Mc-Dill （1999）建立了多元probit模型，發(fā)現(xiàn)包括產(chǎn)出和股權(quán)價(jià)格的下降的宏觀經(jīng)濟(jì)變量與銀行業(yè)危機(jī)密切相關(guān)，而其他變量（如匯率波動(dòng)、通脹、真實(shí)利率信貸增長(zhǎng)、儲(chǔ)備/M2）總體上與銀行業(yè)危機(jī)的爆發(fā)無(wú)關(guān)。但體制因素（央行獨(dú)立性、顯性存款保險(xiǎn)、道德風(fēng)險(xiǎn)）與銀行業(yè)危機(jī)爆發(fā)的可能性密切相關(guān)。

Kamin， Schindler和Samuel （2001）、Bussiere和Fratzscher（2001）分別運(yùn)用了二元多變量量化分析。Lestano、Jan Jacobs 和 Gerard H. Kuper（2003）運(yùn)用因子分析和logit模型，并將因子分類作為解釋變量，采用1970年1月-2001年12月的嵌板數(shù)據(jù)，對(duì)象是6個(gè)亞洲國(guó)家的預(yù)警體系，研究發(fā)現(xiàn)貨幣增長(zhǎng)率（M1和M2）、銀行存款、人均GDP和國(guó)民儲(chǔ)蓄水平、M2/外匯儲(chǔ)備、國(guó)內(nèi)利率水平及通脹率與銀行危機(jī)密切相關(guān)，

Bussiere和Fratzscher （2006）設(shè)計(jì)了多元logit回歸早期預(yù)警模型，對(duì)安全期、危機(jī)時(shí)期和后危機(jī)時(shí)期進(jìn)行比較分析，發(fā)現(xiàn)這種模型比二元logit模型更好地預(yù)測(cè)了新興經(jīng)濟(jì)體的金融危機(jī)。Beckmann（2007）采用20個(gè)國(guó)家的1970-1995數(shù)據(jù)，比較參數(shù)和非參數(shù)早期預(yù)警模型，發(fā)現(xiàn)參數(shù)預(yù)警模型可以更好地預(yù)測(cè)危機(jī)事件。

（三）神經(jīng)網(wǎng)絡(luò)3ANN模型

Nag和Mitra（1999）用ANN來(lái)構(gòu)建貨幣危機(jī)的早期預(yù)警體系，通過(guò)預(yù)測(cè)馬來(lái)西亞、泰國(guó)和印尼的貨幣危機(jī)來(lái)進(jìn)行檢驗(yàn)，并將結(jié)果與信號(hào)法得到的結(jié)果進(jìn)行比較，認(rèn)為ANN的效果要好于KLR模型。

Kolari等（2000）提出了非參數(shù)特征識(shí)別模型TRM。他們認(rèn)為受限因變量回歸法存在兩個(gè)缺陷：無(wú)法確定哪個(gè)變量在預(yù)測(cè)銀行破產(chǎn)中最有用，結(jié)果只能反映變量在區(qū)別破產(chǎn)與非破產(chǎn)銀行的有效性;預(yù)測(cè)結(jié)果沒(méi)有就每個(gè)變量如何影響類型1和類型2錯(cuò)誤給出信息;這些模型不能很好地檢驗(yàn)變量間的互動(dòng)。

Franck和Schmied（2003）證明了一個(gè)多層級(jí)感知器在預(yù)測(cè)貨幣危機(jī)方面優(yōu)于logit模型，尤其是能夠預(yù)測(cè)發(fā)生在俄羅斯和巴西的貨幣危機(jī)和投機(jī)沖擊。

三、金融監(jiān)管部門的早期預(yù)警體系實(shí)踐

借助這些理論，目前已有若干國(guó)家金融監(jiān)管當(dāng)局建立或正在建立危機(jī)早期預(yù)警體系的模型。根據(jù)他們對(duì)危機(jī)的預(yù)測(cè)、破產(chǎn)和破產(chǎn)時(shí)間以及預(yù)期損失模型，這些具體實(shí)踐活動(dòng)可以分為：

（一）評(píng)級(jí)預(yù)測(cè)法

這種方法旨在預(yù)測(cè)金融機(jī)構(gòu)在現(xiàn)場(chǎng)檢查中的可能評(píng)級(jí)。該模型得以確定銀行定期報(bào)告中的一系列變量和現(xiàn)場(chǎng)檢查評(píng)級(jí)的歷史關(guān)系，其結(jié)果將再次被用于評(píng)級(jí)的定期檢查中。預(yù)測(cè)可以反映銀行的當(dāng)前狀況，并可以定期反映銀行狀況的惡化情況。如美聯(lián)儲(chǔ)的SEER評(píng)級(jí)模型和美國(guó)聯(lián)邦存款保險(xiǎn)公司的SCOR模型。

SEER作為風(fēng)險(xiǎn)排序的模型，可以預(yù)測(cè)兩年內(nèi)的銀行破產(chǎn)概率。該模型收集1985-1991年的橫截面和時(shí)間序列數(shù)據(jù)，用probit回歸模型來(lái)預(yù)測(cè)概率。除了每個(gè)銀行的破產(chǎn)概率，該模型還可以就風(fēng)險(xiǎn)屬性分析得出結(jié)論，比較既定銀行的結(jié)果，與其歷史演變及與屬于同類的類似銀行進(jìn)行比較，為銀行體系的整體風(fēng)險(xiǎn)提供了一種估量。

SCOR基于季度財(cái)務(wù)數(shù)據(jù)，運(yùn)用CAMELS等級(jí)的有序?qū)?shù)模型來(lái)估計(jì)當(dāng)前CAMELS等級(jí)為1或2的銀行在未來(lái)信用等級(jí)下降的可能性。模型將上年的財(cái)務(wù)報(bào)表與當(dāng)前現(xiàn)場(chǎng)評(píng)級(jí)相匹配，從而估計(jì)被評(píng)估銀行未來(lái)的等級(jí)次序。若銀行當(dāng)期評(píng)定等級(jí)為1或2，則其未來(lái)降級(jí)的可能性等于分別轉(zhuǎn)變?yōu)榈燃?jí)3、4、5的概率之和，且模型將臨界值設(shè)定為30%。

美國(guó)OCC運(yùn)用這種方式也設(shè)計(jì)了兩種模型，第一個(gè)估計(jì)破產(chǎn)概率和銀行在兩年后復(fù)活的概率，第二個(gè)模型（銀行測(cè)算體系Bank Calculator）運(yùn)用標(biāo)準(zhǔn)化logistic回歸模型來(lái)預(yù)測(cè)破產(chǎn)概率。其解釋變量包括：來(lái)自銀行報(bào)告的金融變量，以及可以解釋銀行業(yè)務(wù)環(huán)境變化的變量，并根據(jù)風(fēng)險(xiǎn)種類（銀行投資組合風(fēng)險(xiǎn)、銀行狀況風(fēng)險(xiǎn)和銀行環(huán)境風(fēng)險(xiǎn)）進(jìn)行分類。

（二）預(yù)期損失模型

這種模型主要適用于那些銀行破產(chǎn)情況不多發(fā)，沒(méi)有足夠的數(shù)據(jù)來(lái)支撐的國(guó)家或部門。法國(guó)銀行業(yè)委員會(huì)的銀行業(yè)分析支持系統(tǒng)SAAB通過(guò)估計(jì)潛在預(yù)期損失來(lái)預(yù)測(cè)銀行的破產(chǎn)。該系統(tǒng)借助數(shù)據(jù)庫(kù)和外部評(píng)級(jí)機(jī)構(gòu)的信用等級(jí)數(shù)據(jù)，估計(jì)個(gè)人和企業(yè)貸款的違約率，然后對(duì)每一筆個(gè)人或企業(yè)貸款提取損失準(zhǔn)備金，計(jì)算未來(lái)三年的潛在損失，并將損失總額從銀行準(zhǔn)備金水平中扣除，如果調(diào)整后的準(zhǔn)備金水平仍高于其法定標(biāo)準(zhǔn)，則預(yù)期該銀行在未來(lái)三年內(nèi)可以持續(xù)經(jīng)營(yíng)并免于破產(chǎn)。

（三）其他類型

國(guó)際貨幣基金組織的宏觀審慎指標(biāo)評(píng)估通過(guò)眾多指標(biāo)變量反映金融和實(shí)體經(jīng)濟(jì)體系面對(duì)沖擊的脆弱性程度，如通脹率、資產(chǎn)價(jià)格等，和微觀審慎指標(biāo)如資本充足率、資產(chǎn)質(zhì)量、商品價(jià)格風(fēng)險(xiǎn)和主權(quán)收益率等。借助這些指標(biāo)，宏觀審慎分析可以來(lái)評(píng)估和監(jiān)測(cè)金融體系的穩(wěn)健性，對(duì)一國(guó)的經(jīng)濟(jì)或金融狀況進(jìn)行綜合評(píng)價(jià)，如機(jī)構(gòu)和監(jiān)管框架現(xiàn)狀或與國(guó)際標(biāo)準(zhǔn)的契合度等。其中，金融穩(wěn)健指數(shù)FSI主要用于定期監(jiān)測(cè)金融機(jī)構(gòu)和市場(chǎng)、公司和儲(chǔ)戶的健康與穩(wěn)健性。

英國(guó)RATE系統(tǒng)綜合地評(píng)估銀行風(fēng)險(xiǎn)，評(píng)估每個(gè)業(yè)務(wù)部門、機(jī)構(gòu)及銀行整體框架。其中業(yè)務(wù)因素包括銀行的總體業(yè)務(wù)和外部環(huán)境。除了銀行當(dāng)前風(fēng)險(xiǎn)，還評(píng)估下一階段風(fēng)險(xiǎn)演變，運(yùn)用綜合性評(píng)估中得到的信息和監(jiān)管部門對(duì)于市場(chǎng)的預(yù)測(cè)。這種方式可以識(shí)別潛在脆弱性的部門并根據(jù)每個(gè)機(jī)構(gòu)的特殊性進(jìn)行分析，同時(shí)從整體上勾畫銀行業(yè)活動(dòng)的藍(lán)圖。

亞洲開發(fā)銀行的“早期預(yù)警系統(tǒng)VIEWS”（2005）以信號(hào)法為基礎(chǔ)建立了東亞地區(qū)的銀行危機(jī)預(yù)警非參數(shù)型模型。模型構(gòu)建步驟為確定歷史上危機(jī)發(fā)生的時(shí)段;選擇主要指標(biāo)如經(jīng)常賬戶、資本賬戶、金融業(yè)、財(cái)政賬戶、實(shí)體經(jīng)濟(jì)和全球經(jīng)濟(jì)等六大類;設(shè)定噪聲/信號(hào)比例最小化的百分位值即閥值;構(gòu)建綜合指數(shù)確定比較某個(gè)時(shí)期有多少個(gè)預(yù)警指標(biāo)發(fā)出了危機(jī)信號(hào);估算以綜合指數(shù)為條件的危機(jī)概率。

四、啟示

在總結(jié)和借鑒國(guó)際經(jīng)驗(yàn)的基礎(chǔ)上，建立既符合我國(guó)國(guó)情又與國(guó)際標(biāo)準(zhǔn)接軌，定量和定性相結(jié)合的金融風(fēng)險(xiǎn)早期預(yù)警體系，在研判金融體系的風(fēng)險(xiǎn)走勢(shì)進(jìn)行科學(xué)的同時(shí)，對(duì)高風(fēng)險(xiǎn)金融機(jī)構(gòu)予以標(biāo)識(shí)?？删C合考慮我國(guó)宏觀經(jīng)濟(jì)狀況、金融市場(chǎng)運(yùn)行、金融機(jī)構(gòu)風(fēng)險(xiǎn)，選取相應(yīng)的多個(gè)層次、指導(dǎo)性強(qiáng)、易于操作的預(yù)警指標(biāo)，以實(shí)現(xiàn)對(duì)金融風(fēng)險(xiǎn)的全面監(jiān)測(cè)和管理。依據(jù)國(guó)際標(biāo)準(zhǔn)已有的相關(guān)指標(biāo)設(shè)置金融風(fēng)險(xiǎn)預(yù)警指標(biāo)的臨界值，并根據(jù)金融創(chuàng)新、金融風(fēng)險(xiǎn)以及金融危機(jī)的發(fā)展變化特點(diǎn)，對(duì)各個(gè)指標(biāo)的臨界值加以修正，同時(shí)注意早期預(yù)警模型應(yīng)在兩類錯(cuò)誤4間進(jìn)行權(quán)衡。

參考文獻(xiàn)

[1]Carmen Reinhart and Morris Goldstein （1998）“Assessing financial vulnerability， an early warning system for emerging

markets”， http：//mpra.ub.uni-muenchen.de/13629/.

[2]Honohan，Patrick （1997）.“Banking System Failures in Developing and Transition Countries： Diagnosis and Prediction.”

BIS WP No39.

[3]Kaminsky， Graciela and Carmen Reinhart（1999）.“The Twin Crises：The Causes of Banking and Balance-of-Payments

Problems”，American Economic Review 89（3），June 1999，P473-500.

[4]Kaminsky， Graciela L.（1999）.“Currency and Banking Crises：The Early Warnings of Distress”.

[5]Lestano， Jan Jacobs and Gerard H. Kuper（2003）.“Indicators of financial crises do work！ An early-warning system

for six Asian countries”.

The Study on the Theory on the Financial Risk Early Warning System： A Literature Review of Foreign Theories

SONG Ying

（Hefei Municipal Sub-branch PBC， Hefei Anhui 230091）

Abstract： Since the outbreak of the international financial crisis in 2008， experiences of countries around the world have shown that constructing the risk early warning mechanism of the financial system is necessary and feasible. The paper reviews the existing research results of the foreign financial risk early warning system with the purpose of providing some experiences for the construction of the risk early warning system in China.

Keywords： financial crisis; risk early warning system; signal method; neural network

責(zé)任編輯、校對(duì)：張宏亮