黎娜+陳奕霏+樓文高

摘要：本文根據(jù)金融風(fēng)險單指標(biāo)區(qū)間評價標(biāo)準(zhǔn)邊界樣本和收集到的1993—2014年20個指標(biāo)實際數(shù)據(jù)，建立了我國金融風(fēng)險評價與預(yù)警的投影尋蹤（PPC）模型。對1994—2015年我國金融風(fēng)險的實證研究結(jié)果表明：PPC模型能較好地應(yīng)用于我國金融風(fēng)險的評價與預(yù)警研究，數(shù)據(jù)檢驗結(jié)果符合我國金融市場的實際運行情況，期間金融風(fēng)險處于“基本安全”狀態(tài)，但以2008年最嚴(yán)重，其次是2000年。與BPNN模型相比，PPC模型建模過程簡潔，屬于確定性、線性和顯性模型，可以直接用于判定各個評價指標(biāo)以及子系統(tǒng)的重要性，對我國金融風(fēng)險的把控可提出更具針對性的建議和措施。PPC模型進(jìn)一步深化了金融風(fēng)險評價與預(yù)警的理論和方法。

關(guān)鍵詞：金融風(fēng)險預(yù)警；指標(biāo)體系；投影尋蹤；實證研究；評價標(biāo)準(zhǔn)

中圖分類號：F830；F810 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-862X（2016）05-0066-008

一、文獻(xiàn)綜述

金融危機常被定義為一種對貨幣的攻擊從而導(dǎo)致貨幣大幅貶值，或國際儲備大幅下降，或兩者結(jié)合的情況。[1]在過去的半個世紀(jì)中，金融市場的全球化進(jìn)程促進(jìn)了資本在世界范圍內(nèi)的大幅度流動，但同時也加劇了金融業(yè)務(wù)的不確定性和市場的動蕩程度。以往發(fā)生的金融危機都首先起源于某個國家和地區(qū)，然后波及全球，因此每個國家和地區(qū)（統(tǒng)稱為區(qū)域）必須在提高金融效率的同時，監(jiān)管并防范全球金融系統(tǒng)不穩(wěn)定性所帶來的危險。各國政府、監(jiān)管部門和國際金融界對區(qū)域金融風(fēng)險的高度警惕使之一直在尋求有效的管理和防范金融風(fēng)險的技術(shù)和方法。

目前，大多數(shù)研究集中于模擬金融危機和預(yù)警模型的構(gòu)建與完善，迄今已經(jīng)發(fā)展了四代理論。如表1所示。

第一代模型是基于解決國際收支不平衡問題[2]而給出的。宏觀經(jīng)濟政策隨著匯率的變動而出現(xiàn)調(diào)整，危機正是政策調(diào)整不可避免的后果。Krugman（1979）[3]利用官方外匯儲備、國內(nèi)對各個部門信貸和財政預(yù)算等作為預(yù)測危機的指標(biāo)。但是它既不能解釋政府維持匯率穩(wěn)定的目的，也不能解釋危機波及其他國家的原因。因此Obstfeld（1994）[4]等學(xué)者提出了第二代金融危機的理論，他們在研究了1992—1993年歐洲匯率機制崩潰問題后，將貨幣貶值描述為循環(huán)的多重均衡過程。在第二代模型中，危機歸因于國內(nèi)經(jīng)濟基本面惡化或市場參與者對于政策制定者的期望轉(zhuǎn)變。其中貨品產(chǎn)量、利率高低、政策制定和銀行系統(tǒng)都被作為預(yù)警指標(biāo)。但這兩代理論都無法合理解釋在90年代中期當(dāng)一個國家經(jīng)濟基本情況良好時仍會爆發(fā)金融危機的原因。因此學(xué)者們在第三代理論模型中加入了來自銀行與金融部門的指標(biāo)[5]，并側(cè)重考察貨幣危機傳染效應(yīng)的原因，即一國危機對其他國家貨幣溢出而引發(fā)這些國家危機的內(nèi)在原因。[6]Krugman（2001）[7]建立的第四代危機模型中除了以沿用以往常用的貨幣價格和匯率因素，還增加了其他資產(chǎn)價格因素。

綜上，無論從理論還是實踐角度出發(fā)，通過建立金融風(fēng)險預(yù)警管理體系，選擇一系列有效可靠的金融指標(biāo)檢測風(fēng)險，是學(xué)術(shù)界常用的做法。

1997年亞洲金融風(fēng)暴促使國內(nèi)外學(xué)者先后提出運用KLR信號法、FR法、STV法和主觀概率法等多種模型來監(jiān)測金融風(fēng)險。國內(nèi)部分學(xué)者結(jié)合我國的具體情況，在對國外的最新理論和模型進(jìn)行拓展的前提下，著重對指標(biāo)選擇、預(yù)警系統(tǒng)構(gòu)建進(jìn)行研究。如曹文煉[8]（1998）和吳成頌[9]（2011）均認(rèn)為，可以從微觀、中觀和宏觀的角度建立各自的指標(biāo)體系，然后對其進(jìn)行整合，使之成為全國性的預(yù)警體系；張元萍等[10]（2003）用STV法和KLR法預(yù)測在全國范圍內(nèi)發(fā)生經(jīng)濟危機的可能性；劉遵義[11]（1998）使用主觀概率法分析了墨西哥金融市場爆發(fā)危機的概率；黃益紹和林都[12]（2004）采用層次分析法（即AHP）對所構(gòu)建的預(yù)警指標(biāo)進(jìn)行排序。但從整體研究情況來看，國內(nèi)學(xué)者對于模型的開創(chuàng)性研究較少。在Nag和Mitra（1999）使用神經(jīng)網(wǎng)絡(luò)方法建立金融危機預(yù)警系統(tǒng)之后，國內(nèi)大量學(xué)者利用反向傳播神經(jīng)網(wǎng)絡(luò)BPNN，結(jié)合我國具體數(shù)據(jù)進(jìn)行實證分析，如胡燕京等（2003）用改進(jìn)的BPNN法對中國的數(shù)據(jù)進(jìn)行了分析。

樓文高等（2011）[13]通過對已經(jīng)發(fā)表的典型文獻(xiàn)進(jìn)行對比求證后，指出了Logit與STV模型在預(yù)測時最少需要十幾個國家的數(shù)據(jù)量，而KLR法和主觀概率法的指標(biāo)過多，原理也有一定的缺陷，不太適合我國金融風(fēng)險預(yù)警的情況。許滌龍等（2013）[14]采用壓力指數(shù)法研究金融風(fēng)險，需要采用主觀法或者客觀法確定各個指標(biāo)的權(quán)重，AHP法[15]和KLR法[16]也一樣，結(jié)果的合理性與權(quán)重的選取密切相關(guān)。因此，如何更加簡捷、快速地建立金融風(fēng)險評價和預(yù)警模型，還有待進(jìn)一步探討和研究。

投影尋蹤模型（PPC）是一種特別適用于非線性、高維、非正態(tài)分布數(shù)據(jù)處理的新興建模方法，在綜合評價、預(yù)警等方面獲得了廣泛的應(yīng)用。因此，本文擬根據(jù)金融風(fēng)險區(qū)間評價標(biāo)準(zhǔn)和我國金融系統(tǒng)實際樣本數(shù)據(jù)，從理論和實證兩個角度對我國金融風(fēng)險水平進(jìn)行總體性評價，并在此基礎(chǔ)上深入探究金融風(fēng)險預(yù)警指標(biāo)體系的構(gòu)建問題，以期能夠取得更加可靠、穩(wěn)定的研究結(jié)果。

二、金融風(fēng)險評價與預(yù)警指標(biāo)設(shè)計

本文擬采用我國1993—2014年的金融系統(tǒng)運行數(shù)據(jù)，通過單指標(biāo)區(qū)間評價標(biāo)準(zhǔn)，構(gòu)建出更加符合我國實際情況的金融風(fēng)險評價預(yù)警模型。為使結(jié)果更具有可比性，模型構(gòu)建與將采用薛玉春（2008）[17]、陳秋玲等（2009）[18]和樓文高等（2011）所采用的指標(biāo)體系和評價標(biāo)準(zhǔn)（1），具體情況如表2所示。

三、投影尋蹤建模原理分析

在20世紀(jì)60年代末和70年代初期，PP模型，即投影尋蹤模型在統(tǒng)計界興起，它是一種多維數(shù)據(jù)處理方法，用于尋找描述數(shù)據(jù)結(jié)構(gòu)的最佳投影。由于其研究結(jié)果較為穩(wěn)健，數(shù)據(jù)準(zhǔn)確性高，不需要人為整理并訓(xùn)練數(shù)據(jù)，因此在金融風(fēng)險評價及預(yù)警等方面具有一定的應(yīng)用價值。[19]PPC模型（即投影尋蹤聚類模型）是對PP模型的拓展，針對具有區(qū)間評價標(biāo)準(zhǔn)的綜合評價與預(yù)警問題，目前常用三種PPC模型。第一種是只用邊界值樣本（對于本例共五個邊界值樣本，如GDP增長率的最大值16、12、8、4和最小值0，其他指標(biāo)類似）建立PPC模型[20]；第二種是在每個等級范圍內(nèi)，各個指標(biāo)隨機取值生成一定數(shù)量（少的5個，多的1000個）的樣本，并結(jié)合五個邊界值樣本，建立PPC模型[21]；第三種是針對第二種的樣本，設(shè)定各個等級的理論值，建立插值型PPC模型。[22]endprint

上述三種模型都有學(xué)者選用，但通過比較研究這三種模型后發(fā)現(xiàn)，第二種和第三種模型，各個指標(biāo)的重要性（權(quán)重大?。┓浅＝咏?，這與實際情況有較大出入。第一種模型的結(jié)果只取決于邊界樣本值，要求合理確定每個指標(biāo)的最大值和最小值，否則影響結(jié)果的合理性。因此，本文將把每個等級的邊界值樣本和采集到的樣本數(shù)據(jù)混合在一起，建立PPC模型。這樣既充分考慮到邊界樣本（區(qū)分不同等級）的特性，又直接與采集到的樣本數(shù)據(jù)有關(guān)。各個指標(biāo)的重要性（權(quán)重大?。┘扰c區(qū)間評價標(biāo)準(zhǔn)有關(guān)，又與采集到的樣本數(shù)據(jù)分布規(guī)律有關(guān)，符合客觀賦權(quán)法的特點。投影尋蹤建模原理主要包括以下兩個方面。

1. 樣本數(shù)據(jù)的無量綱化預(yù)處理及其刪除部分極低風(fēng)險指標(biāo)

為了提高PPC模型的魯棒性和有效性，需對樣本原始數(shù)據(jù)進(jìn)行無量綱化預(yù)處理。郭亞軍等（2008）[23]認(rèn)為極值歸一化和標(biāo)準(zhǔn)化處理方法是滿足理想性質(zhì)較多的兩種無量綱化方法；樊紅艷等（2010）[24]認(rèn)為標(biāo)準(zhǔn)化方法很好地保持了原始數(shù)據(jù)的整體性和關(guān)聯(lián)系數(shù)的一致性，也不改變原始數(shù)據(jù)的分布形狀和分布順序，再者，標(biāo)準(zhǔn)化方法可以不受最大值和最小值的限制，具有更好的開放性。因此，本文采用標(biāo)準(zhǔn)化方法對樣本數(shù)據(jù)進(jìn)行無量綱化的處理，計算公式為：

其中x*i，j是第i個樣本、第j個指標(biāo)（變量）的原始數(shù)據(jù)，xi， j是第i個樣本、第j個指標(biāo)（變量）的無量綱化后的數(shù)據(jù)，是第j個指標(biāo)的均值，σj是第j個指標(biāo)的標(biāo)準(zhǔn)差。

2.構(gòu)建目標(biāo)函數(shù)和求解數(shù)值的最佳投影

通過求解PPC模型的目標(biāo)函數(shù)最大值，以得到最佳投影和系數(shù)：

（1）式中，樣本數(shù)據(jù)所得投影值的標(biāo)準(zhǔn)差為：

E（z）為Z（i）的求平均數(shù)結(jié)果，R密度窗口半徑的合理取值范圍直接關(guān)系到整個建模的結(jié)果，而通常樣本也分為3～5類。所以根據(jù)樓文高等[25]（2015）的合理取值范圍為：

由于在此范圍內(nèi)，結(jié)果變化不大，本文建模中使用R=max（ri，k）/5

（1）式是含有等式和不等式雙重約束的一維投影指標(biāo)函數(shù)，本文根據(jù)Matlab群智能最優(yōu)化算法程序，求解（1）式的最佳投影向量 及其系數(shù)a （權(quán)重）。依據(jù)樓文高等（2014）[26]提出的準(zhǔn)則（3），先后調(diào)整有關(guān)的參數(shù)，使其達(dá)到合理有效的最優(yōu)化，當(dāng)先后改變一半指標(biāo)的無量綱化即歸一化時（對于標(biāo)準(zhǔn)化方法，即取相反數(shù)），如果前后兩次求得的系數(shù)aj互為相反數(shù)，而一維函數(shù)Q（a）、密度值、標(biāo)準(zhǔn)差等始終保持不變，就可以說明已經(jīng)得出最優(yōu)解，否則，必須重新設(shè)定指標(biāo)求解。

評價指標(biāo)的權(quán)重代表著其金融市場蘊藏風(fēng)險的程度。得出最優(yōu)值之后，必須分析權(quán)重的性質(zhì)，如果大于0，說明指標(biāo)值越大，金融風(fēng)險也越嚴(yán)重，是正向指標(biāo)，否則即為逆向指標(biāo)；如果指標(biāo)性質(zhì)出現(xiàn)錯誤，必須深入分析原因，重新進(jìn)行建模，判斷其是否屬于無效指標(biāo)。同時，可以依照指標(biāo)權(quán)重所對應(yīng)的絕對值數(shù)額大小，對指標(biāo)的重要性進(jìn)行排序和分類，按照樣本投影數(shù)值的大小，對樣本進(jìn)行排列以及聚類分析。

四、金融風(fēng)險評價與預(yù)警的投影尋蹤建模

1.對樣本數(shù)據(jù)實施無量綱化處理

本文通過對收集到的我國1993—2014年金融系統(tǒng)運行樣本數(shù)據(jù)（22個）與5個分界值樣本數(shù)據(jù)進(jìn)行統(tǒng)一的無量綱化處理。其中：固定資產(chǎn)投資增長率為適度指標(biāo)，須先將適度指標(biāo)x■通過取“（ ）”進(jìn)行預(yù)處理。五個邊界值樣本將金融風(fēng)險劃分為“安全”、“基本安全”、“警惕”和“危險”四種狀態(tài)水平（也稱為I～I(xiàn)V級風(fēng)險）。

2.建立金融風(fēng)險評價與預(yù)警的PPC模型

（1）建立金融風(fēng)險綜合評價的PPC模型

將上述經(jīng)無量綱化處理的樣本數(shù)據(jù)導(dǎo)入基于CSA群智能最優(yōu)化算法的PPC程序，得出R=max（ri，k）/5時的PPC建模結(jié)果：最佳投影向量系數(shù)a1～20=（-0.3248，-0.1483，0.2354，0.2422，-0.1688，0.2689，0.2589，0.2564，0.1634，0.2270，-0.1836，0.3029，0.3020，0.2243，0.2129，0.2174，-0.1720，0.0998，0.0904，0.1985），五個邊界值樣本的投影值分別為z（1）～z（5）=（-6.099， -1.349， 1.956， 5.569， 11.125），樣本值投影值的標(biāo)準(zhǔn)差Sz=2.8442，局部密度Dz=1535.9，目標(biāo)函數(shù)最大值Q（a）=4368.33，投影窗口半徑R=3.4449，max（ri，k）=17.2244。從五個邊界樣本的意義可知，I～I(xiàn)V級金融風(fēng)險PPC模型的投影值范圍分別為小于等于-1.349、（-1.349，1.956]、（1.956，5.569]和大于5.569。

（2）評價指標(biāo)重要性分析

依據(jù)上文中PPC模型（1）式所示，系數(shù)絕對值越大的指標(biāo)，其重要性越高。因此，在所有指標(biāo)中，GDP增長率（x1）最重要，其次是外債負(fù)債率（x12）和外債償債率（x13），向量系數(shù)的絕對值都在0.30以上；同時，存貸款比例（x19）和不良貸款率（x18）兩個最不重要，權(quán)重的絕對值小于0.10；最大權(quán)重數(shù)值與最小權(quán)重的比值為3.6，表明全部的評價指標(biāo)都是需要的，無須刪除。采用有序樣本最優(yōu)分割法，可以把20個評價指標(biāo)按照重要程度分為3個極重要指標(biāo)、4個重要指標(biāo)、6個較重要指標(biāo)和2個次重要指標(biāo)，依據(jù)評價指標(biāo)的重要性程度可排序為x1 >x12>x13>x6>x7>x8>x4>x3>x10>x14>x16>x15>x20>x11>x17>x5>x9>x2>x18>x19。在我國金融風(fēng)險的六大子系統(tǒng)（方面）中，國際收支風(fēng)險的影響最大（權(quán)重絕對值之和為1.4032），其次是貨幣風(fēng)險（權(quán)重絕對值之和為0.7842），然后依次是財政風(fēng)險（權(quán)重絕對值之和為0.6463）、銀行風(fēng)險（權(quán)重絕對值之和為0.5607）、經(jīng)濟增長風(fēng)險（權(quán)重絕對值之和為0.4732），影響最小的是股市泡沫風(fēng)險（權(quán)重絕對值之和為0.4302）；國際收支子系統(tǒng)風(fēng)險幾乎是排名第二位（貨幣風(fēng)險）的2倍多，是經(jīng)濟增長子系統(tǒng)風(fēng)險的3倍多。因此，對我國金融系統(tǒng)運行來說，國際收支子系統(tǒng)風(fēng)險是最大的危險，應(yīng)首先采取有效措施，提高防范風(fēng)險能力，其次是采取有效措施提高防范貨幣風(fēng)險的能力。endprint

五、實證研究

1. 全國金融市場運行風(fēng)險程度評價

金融系統(tǒng)風(fēng)險一般不會即刻發(fā)生，其潛伏期約一年時間，因此，本文將采用前一年的數(shù)據(jù)來預(yù)測和評價后一年的金融風(fēng)險水平，即利用2014年的數(shù)據(jù)預(yù)測和評價2015年的金融風(fēng)險水平，依次類推，將我國1993年至2014年間的有關(guān)數(shù)據(jù)代入模型中，即可計算出我國1994—2015年的金融風(fēng)險水平（4）（如表3所示）。PPC模型計算出的最終數(shù)額越大，其所代表的風(fēng)險水平就越高。與已有的金融風(fēng)險等級模型輸出值范圍一一對應(yīng)，可以很方便地判定我國各個年度的金融風(fēng)險等級（表3所示）。實證結(jié)果表明：1994—2015年期間，我國金融風(fēng)險始終處于“基本安全”狀態(tài)， 但不同年度的風(fēng)險水平是存在差別的，2008年的風(fēng)險最高，已經(jīng)處于“基本安全”的中高水平，如果當(dāng)時國家沒有采取有力措施，就很可能走向“警惕”的水平；然后依次為2000年、1999年、1998年、2004年、2002年、2010年，風(fēng)險逐次降低；2011—2015年、1996年、2006年為我國金融風(fēng)險最低的年度，雖然也是處于“基本安全”水平，但更偏向于“安全”水平。

2. 各金融子系統(tǒng)運行風(fēng)險的分析與判斷

有兩種方法可以分析與判定各個金融子系統(tǒng)的風(fēng)險水平，一是參照總系統(tǒng)的建模原理，對各個子系統(tǒng)分別進(jìn)行建模，二是在上述金融風(fēng)險系統(tǒng)PPC模型中把其他子系統(tǒng)的各個指標(biāo)數(shù)額都設(shè)定為0，就得到了每個金融子系統(tǒng)的PPC模型。為統(tǒng)一起見，本文采用第二種方法，得出界定子系統(tǒng)不同風(fēng)險等級的數(shù)值范圍，如表4所示。1994—2015年各金融子系統(tǒng)的風(fēng)險變化情況如圖1所示。

其中2000年、2008年、2012年和2015年各金融子系統(tǒng)的模型輸出值、風(fēng)險等級以及1994—2015年期間各個子系統(tǒng)不同風(fēng)險等級的年度數(shù)量如表4所示。從表4可以看出：（1）對于同一個金融子系統(tǒng)，不同年度的金融風(fēng)險會相差很大，如股市泡沫子系統(tǒng)，其2008年的風(fēng)險很大（處于IV級），而在其他年度，風(fēng)險較小，15個年度處于“安全”等級（I級），6個年度處于“基本安全”等級；銀行、國際收支子系統(tǒng)等也是同樣的情況。（2）同一年度，六大子系統(tǒng)的金融風(fēng)險也會相差很大，如2008年，股市泡沫的風(fēng)險很大（處于IV級），而國際收支和貨幣子系統(tǒng)卻風(fēng)險很小，處于“安全”（I級）狀態(tài)。（3）在1994—2015年期間，銀行子系統(tǒng)的金融風(fēng)險最令人擔(dān)心，因為風(fēng)險等級均在“警惕”（即III級）以上；與此同行，經(jīng)濟增長子系統(tǒng)的風(fēng)險水平也令人擔(dān)憂，其沒有一個年度處于“安全”狀態(tài)；國際收支子系統(tǒng)的金融風(fēng)險最低，分別有20個和2個年度處于“安全”和“基本安全”狀態(tài)。

以表中2008年的數(shù)值對六個子系統(tǒng)進(jìn)行分析：

（1）在經(jīng)濟增長子系統(tǒng)的兩個具體指標(biāo)中，第一個指標(biāo)雖處于Ⅱ級狀態(tài)，其實際上卻接近于Ⅰ級范圍的臨界點，而第二個指標(biāo)雖然處于III級狀態(tài)，卻接近于Ⅳ級狀態(tài)范圍的臨界點。因此，最終判定其處于Ⅱ級狀態(tài)是適當(dāng)?shù)摹?/p>

（2）財政風(fēng)險子系統(tǒng)的具體指標(biāo)中有兩個處于III級，只有一個處于Ⅱ級狀態(tài)，所以把財政風(fēng)險評為警惕是恰當(dāng)?shù)摹?/p>

（3）貨幣子系統(tǒng)的指標(biāo)中兩個屬于Ⅰ級，另外一個處于II級狀態(tài)，所以該子系統(tǒng)綜合評價結(jié)果為“安全”是被認(rèn)為可取的。

（4）國際收支子系統(tǒng)的指標(biāo)體系中，雖然有兩個處于Ⅳ級，但由于這兩個指標(biāo)所占權(quán)重較小，而處于Ⅰ級狀態(tài)的四個指標(biāo)值并未靠近臨界點，權(quán)重也相對較大，所以綜合考慮，該子系統(tǒng)的結(jié)果應(yīng)為安全。

（5）股市泡沫子系統(tǒng)的具體指標(biāo)中一個處于III級狀態(tài)，另一個處于Ⅳ級狀態(tài)，因此該子系統(tǒng)的綜合評價結(jié)果應(yīng)為危險狀態(tài)。

（6）銀行子系統(tǒng)有四個指標(biāo)，一個指標(biāo)值處于Ⅰ級狀態(tài)（其權(quán)重最?。?，一個指標(biāo)值雖然處于Ⅱ級狀態(tài)，但是接近臨界值，剩余指標(biāo)值則處于Ⅳ級狀態(tài)（其中一個指標(biāo)的權(quán)重很大），所以銀行系統(tǒng)的結(jié)果雖然為“危險”狀態(tài)，但是實際上更偏向于警惕的臨界點。

因此綜合六大子系統(tǒng)的指標(biāo)評價，該年度金融風(fēng)險評價模型得出的結(jié)果是“基本安全”，但其屬于“基本安全”的中高狀態(tài)，偏向于“基本安全”與“警惕”的分界值。

六、討論與分析

1.我國1994—2015年金融風(fēng)險整體上處于“基本安全”的可控狀態(tài)，但不同年度，風(fēng)險水平有波動

本文將收集到的樣本數(shù)據(jù)和表示我國金融風(fēng)險評價標(biāo)準(zhǔn)的五個分界樣本（包括最大值和最小值）混合在一起進(jìn)行綜合評價，既考慮了區(qū)間評價標(biāo)準(zhǔn)，又與實際樣本密切相關(guān)。在采用投影尋蹤進(jìn)行建模時，各個評價指標(biāo)的向量系數(shù)既取決于評價標(biāo)準(zhǔn)，又取決于收集到的實際數(shù)據(jù)，無論從理論還是實踐的角度，都是比較合理的。根據(jù)本文建立的PPC模型和五個評價標(biāo)準(zhǔn)分界樣本的模型輸出值，可以得到不同風(fēng)險等級的PPC模型輸出值范圍，從而能夠很方便地判定各個年度的金融風(fēng)險水平。我國金融風(fēng)險處于“基本安全”的可控狀態(tài)，整體上沒有大的風(fēng)險，但其間有波動。由于2007年我國股市出現(xiàn)了泡沫式的快速上漲，上證指數(shù)曾達(dá)到6124點，股票市盈率和股票總市值都很高，處于“危險”狀態(tài)。由于經(jīng)濟高速發(fā)展，尤其是房地產(chǎn)業(yè)的快速發(fā)展，導(dǎo)致銀行業(yè)中存貸款比例飆升到148%，中長期貸款比例也高達(dá)50%，致使銀行子系統(tǒng)也處于“危險”狀態(tài)。盡管貨幣子系統(tǒng)和國際收支子系統(tǒng)都處于“安全”狀態(tài)，但整體上，2008年的金融風(fēng)險最高，處于“基本安全”的較高水平。其次是2000年，雖然股市風(fēng)險很低，處于“安全”狀態(tài)，但由于其經(jīng)濟增長子系統(tǒng)的GDP增長率只有7.6%，處于“警惕”狀態(tài)，其固定資產(chǎn)增長率更只有5.1%，處于“危險”狀態(tài)，雖然國際收支和貨幣子系統(tǒng)都處于“安全”狀態(tài)，但其整體金融風(fēng)險水平也處于“基本安全”的較高水平，僅次于2008年。

2.各個金融子系統(tǒng)運行風(fēng)險水平數(shù)據(jù)變化分析

將每個子系統(tǒng)的全部指標(biāo)都賦為0時，便可獲得金融風(fēng)險各個子系統(tǒng)的PPC模型，從而也可以得到各個子系統(tǒng)不同風(fēng)險等級的模型輸出值范圍，從而能夠很方便地判定不同年度各個金融子系統(tǒng)的風(fēng)險水平。從圖1各個子系統(tǒng)1994年至2015年的金融風(fēng)險狀況變化情況來看，其間各個子系統(tǒng)的金融風(fēng)險水平也存在較大的波動，尤其是股市泡沫子系統(tǒng)，2008年的風(fēng)險明顯高于其他年度。國際收支子系統(tǒng)的波動變化最小，其次是經(jīng)濟增長子系統(tǒng)。endprint

3.分析各評價指標(biāo)的重要性、排序及其降低金融風(fēng)險的措施和建議

從PPC模型（1）式可知，向量系數(shù)（權(quán)重）絕對值越大的指標(biāo)越重要，從而可以判定GDP增長率指標(biāo)最重要，其次是外債的負(fù)債率和外債償債率指標(biāo)，而存貸款比例和不良貸款率兩個指標(biāo)是最不重要的。在全部指標(biāo)范疇內(nèi)，權(quán)重最大數(shù)額與最小數(shù)額之比為3.6，說明所有指標(biāo)都是重要的，一般不能刪除。從指標(biāo)1、2、5、11和17的權(quán)重小于0可以看出，這些指標(biāo)應(yīng)該是指標(biāo)值越小表示金融風(fēng)險越大，這與表1的區(qū)間評價標(biāo)準(zhǔn)是完全一致的；其他指標(biāo)的指標(biāo)值越大表示金融風(fēng)險越大，這也從一定程度上說明建立的PPC模型是可靠和有效的。

因此，理論上講，降低權(quán)重最大的指標(biāo)的風(fēng)險，是降低整體金融風(fēng)險最有效的手段和措施，但對于具體情況來說，如果權(quán)重最大的指標(biāo)風(fēng)險已經(jīng)很低了，就應(yīng)該采用措施和手段，降低權(quán)重比較大和風(fēng)險也比較大的指標(biāo)的風(fēng)險，才是最有效的措施。如，在我國，國際收支子系統(tǒng)的權(quán)重較大，但其風(fēng)險已經(jīng)很低了，已經(jīng)降無可降，因此，實踐中降低其風(fēng)險并不能再有效降低金融風(fēng)險，而降低銀行和股市泡沫子系統(tǒng)的風(fēng)險，卻能整體上有效降低金融風(fēng)險水平。

4.銀行子系統(tǒng)的金融風(fēng)險最大，國際收支子系統(tǒng)的金融風(fēng)險最小

依據(jù)模型得出的數(shù)據(jù)分析，1994至2015年間我國銀行業(yè)的風(fēng)險水平最高，有10年處于“警惕”狀態(tài)，12年處于“危險”狀態(tài)。其次是經(jīng)濟增長子系統(tǒng)，分別有21年和1年處于“基本安全”和“警惕”狀態(tài)。國際收支子系統(tǒng)的金融風(fēng)險最小，分別有20年和2年處于“安全”和“基本安全”狀態(tài)。

5.與神經(jīng)網(wǎng)絡(luò)模型相比，PPC模型更簡捷、直觀，應(yīng)該優(yōu)先推薦采用

雖然采用神經(jīng)網(wǎng)絡(luò)模型也可以通過設(shè)立評價標(biāo)準(zhǔn)和在評價標(biāo)準(zhǔn)的每個不同金融風(fēng)險等級內(nèi)生成足夠多樣本，以建立可靠和有效的金融風(fēng)險評價與預(yù)警模型，但其建模過程不僅需要遵循一些基本原則和步驟，還必須避免出現(xiàn)“過訓(xùn)練”以確保神經(jīng)網(wǎng)絡(luò)模型的泛化能力。也就是說，需要人為確定合理的隱層節(jié)點數(shù)等多個參數(shù)以及判定是否出現(xiàn)“過訓(xùn)練”等現(xiàn)象，建模過程煩瑣、費時，而且因人而異。不同的學(xué)者不可能建立完全相同的神經(jīng)網(wǎng)絡(luò)模型，即使是同一個學(xué)者，前后兩次也不可能建立完全相同的神經(jīng)網(wǎng)絡(luò)模型。而PPC模型構(gòu)建過程簡捷，只需要確定合理的窗寬半徑，不需要人為判定多個現(xiàn)象，建模結(jié)果確定。只要窗寬半徑相同，不同的學(xué)者可以建立相同的模型。此外，PPC模型的樣本綜合得分（包括不同年度各個子系統(tǒng)的金融風(fēng)險水平）與各個指標(biāo)之間呈線性關(guān)系，可以直接從PPC模型判斷出各個指標(biāo)的重要性，也可以判定指標(biāo)性質(zhì)是否正確；而神經(jīng)網(wǎng)絡(luò)是“隱性”模型，各個指標(biāo)與神經(jīng)網(wǎng)絡(luò)模型輸出值之間呈復(fù)雜的非線性關(guān)系，無法直接判斷指標(biāo)的重要性和指標(biāo)性質(zhì)是否正確。鑒于以上原因，與神經(jīng)網(wǎng)絡(luò)模型相比，在金融風(fēng)險評價與預(yù)警研究中，推薦優(yōu)先采用PPC模型。

注釋：

（1） 雖然部分文獻(xiàn)把GDP增長率、經(jīng)常項目逆差/GDP等作為適度指標(biāo)，但考慮到結(jié)果的可比性，本文仍沿用樓文高，薛玉春和陳秋玲的評價標(biāo)準(zhǔn)。

（2） 表2中M2增長率/GDP增長率和信貸增長率/GDP增長率兩個指標(biāo)為純數(shù)值表示，其他指標(biāo)的單位是%。中長期貸款比例為中長期貸款余額/總貸款余額的比值。

（3） 該準(zhǔn)則為“判斷最優(yōu)化過程是否求得了真正全局最優(yōu)解”。

（4） 金融風(fēng)險水平通過表3中的模型輸出值予以表示。

（5） 2008—2015年的大部分?jǐn)?shù)據(jù)來自2009—2015年的《中國統(tǒng)計年鑒》、《中國金融年鑒》和《中國財政年鑒》等，由筆者整理得到，1993—2007年的數(shù)據(jù)來自薛玉春[14]。**：表示1994年分別有7、3、5、5個輸入指標(biāo)值的金融風(fēng)險處于安全（Ⅰ）、基本安全（Ⅱ）、警惕（Ⅲ）和危險（Ⅳ）狀態(tài)的范圍內(nèi)。

（6） 其中0/21/1/0是指1994—2015年期間，分別有0、21、1和0個年度的經(jīng)濟增長子系統(tǒng)金融風(fēng)險為Ⅰ、Ⅱ、Ⅲ和Ⅳ級。

參考文獻(xiàn)：

[1]Kaminsky，G.，Lizondo，S.，Reinhart，C.Leading Indicators of Currency Crises [J].IMF Staff Papers，1998，（45）：1-48.

[2]Flood，R.P.，Garber，P.M.Collapsing Exchange Rate Regimes：Some Linear Examples [J].Journal of International Economics，1984，（17）：1-13.

[3]Krugman，P.A Model of Balance-of-Payments Crises[J].Journal of Money，Credit and Banking，1979，11（3）：311-325.

[4]Obstfeld，M.The Logic of Currency Crises[J].Cashiers Economiques Monetaires （Banque de France），1994，（43）：189-213.

[5]Chang R，Velasco A.Financial crises in emerging markets[R].National Bureau of Economic Research，1998.

[6]Masson，P.，Contagion：Monsoonal Effects，Spillovers and Jumps between Multiple Equilibria [M].Chapter 8 in Agénor et al （eds），The Asian Financial Crisis：Causes，Contagion and Consequences.Cambridge University Press，Cambridge，1999endprint

[7]Krugman P.Crises：the next generation[C]//Razin Conference，Tel Aviv University.2001：25-26.

[8]曹文煉，徐曉波.對我國金融風(fēng)險預(yù)警指標(biāo)體系的初步研究[J].宏觀經(jīng)濟管理，1998，（4）：17-18.

[9]吳成頌.我國金融風(fēng)險預(yù)警指標(biāo)體系研究[J].技術(shù)經(jīng)濟與管理研究，2011，（1）：19-24.

[10]張元萍，孫剛.金融危機預(yù)警系統(tǒng)的理論透析與實證分析[J].理論園地，2003，（10）：32-38.

[11]劉遵義.東亞貨幣危機[J].國際金融研究，1998，（2）：53-55.

[12]黃益紹，林都.金融危機預(yù)警指標(biāo)排序?qū)哟畏治龇╗J].華北工學(xué)院學(xué)報，2004，（4）：262-266.

[13]樓文高，喬龍.基于神經(jīng)網(wǎng)絡(luò)的金融風(fēng)險預(yù)警模型及其實證研究[J].金融論壇，2011，（11）：52-61.

[14]許滌龍，陳雙蓮.基于金融壓力指數(shù)的系統(tǒng)性金融風(fēng)險測度研究[J].經(jīng)濟學(xué)動態(tài)，2013，（4）：69-78.

[15]許菁.我國金融風(fēng)險預(yù)警模型的構(gòu)建與實證檢驗[J].經(jīng)濟問題，2013，（4）：48-50.

[16]盧杰.中國現(xiàn)代金融危機預(yù)警的理論與模型[J].甘肅社會科學(xué)，2015，（1）：239-243.

[17]薛玉春.我國金融風(fēng)險評價指標(biāo)體系與預(yù)警機制研究[D].上海：上海大學(xué)，2008.

[18]陳秋玲，薛玉春，肖璐.金融風(fēng)險預(yù)警：評價指標(biāo)、預(yù)警機制與實證研究[J].上海大學(xué)學(xué)報（社會科學(xué)版），2009，16（5）：127-144.

[19]付強，趙小勇.投影尋蹤模型原理及其應(yīng)用[M].北京：科學(xué)出版社，2006：46-50.

[20]張欣莉，丁晶，李祚泳，等.投影尋蹤新算法在水質(zhì)評價模型中的應(yīng)用[J].中國環(huán)境科學(xué)，2000，20（2）：187-189.

[21]崔東文.姜敏.差分進(jìn)化算法—投影尋蹤模型在水質(zhì)綜合評價中的應(yīng)用[J].人民珠江，2016，37（2）：97-101.

[22]王斌，張展羽，魏永霞，張國華，李文才.基于投影尋蹤的農(nóng)業(yè)基本旱情評估[J].農(nóng)業(yè)工程學(xué)報，2009，25（4）：157-162.

[23]郭亞軍，易平濤.線性無量綱化方法的性質(zhì)分析[J].統(tǒng)計研究，2008，25（2）：93-100.

[24]樊紅艷，劉學(xué)錄.基于綜合評價法的各種無量綱化方法的比較和優(yōu)選：以蘭州市永登縣的土地開發(fā)為例[J].湖北農(nóng)業(yè)科學(xué)，2010，（17）：163-166.

[25]樓文高，喬龍.投影尋蹤聚類建模理論的新探索與實證研究[J].數(shù)理統(tǒng)計與管理，2015，34（1）：47-58.

[26]樓文高，熊聘，喬龍.投影尋蹤分類模型建模中存在的問題及其改進(jìn)[J].科技管理研究，2014，（6）：166-171.

（責(zé)任編輯 秋 妍）endprint