吳寅愷 陳清萍

摘要：我們利用文本挖掘和網(wǎng)絡(luò)爬蟲技術(shù)從報(bào)刊文章中提取有關(guān)我國系統(tǒng)性金融風(fēng)險(xiǎn)的信息，構(gòu)建了用于度量我國系統(tǒng)性金融風(fēng)險(xiǎn)水平的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)。該指數(shù)與金融形勢(shì)指數(shù)相比，能夠更準(zhǔn)確地刻畫近年來我國金融市場(chǎng)的風(fēng)險(xiǎn)變化。在對(duì)我國系統(tǒng)性金融風(fēng)險(xiǎn)的來源進(jìn)行分析后發(fā)現(xiàn)2015年和2016年我國系統(tǒng)性金融風(fēng)險(xiǎn)主要來源于銀行部門和股票市場(chǎng)，而2017年金融風(fēng)險(xiǎn)的主要來源轉(zhuǎn)移到了銀行部門和房地產(chǎn)市場(chǎng)。此外，2015—2017年，我國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)呈現(xiàn)出不斷上漲的趨勢(shì)，需要引起重視。

關(guān)鍵詞：文本挖掘；網(wǎng)絡(luò)爬蟲；系統(tǒng)性金融風(fēng)險(xiǎn)；金融風(fēng)險(xiǎn)指數(shù)；風(fēng)險(xiǎn)來源

中圖分類號(hào)：F832.5；F832.59 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-862X（2018）05-0070-006

一、引 言

2017年習(xí)總書記在十九大報(bào)告中指出要“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”。當(dāng)前我國經(jīng)濟(jì)形勢(shì)穩(wěn)中有變，打好防范和化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)已經(jīng)上升為國家戰(zhàn)略，因此，構(gòu)建合理的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，對(duì)于觀測(cè)、預(yù)警和防范我國發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)有著重要的作用。

目前度量金融風(fēng)險(xiǎn)的方法主要是綜合指數(shù)法，該方法是通過構(gòu)建一套合理的指標(biāo)體系，在選取合適的統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上，利用數(shù)理統(tǒng)計(jì)方法生成一個(gè)綜合指數(shù)，用于反映金融風(fēng)險(xiǎn)水平的變化。具有代表性的這類指數(shù)有金融形勢(shì)指數(shù)（FCI）和金融壓力指數(shù)（FSI）。然而，近年來隨著數(shù)據(jù)的類型和體量呈爆發(fā)式的增長，統(tǒng)計(jì)數(shù)據(jù)這類結(jié)構(gòu)化的數(shù)據(jù)無法體現(xiàn)出諸如政策變化、戰(zhàn)爭(zhēng)及自然災(zāi)害等定性信息，因此統(tǒng)計(jì)數(shù)據(jù)不能涵蓋金融市場(chǎng)中所有的信息，這導(dǎo)致綜合指數(shù)法構(gòu)建的金融風(fēng)險(xiǎn)指數(shù)難以準(zhǔn)確刻畫出金融市場(chǎng)的風(fēng)險(xiǎn)變化。而非結(jié)構(gòu)化的數(shù)據(jù)，例如大數(shù)據(jù)，所涵蓋的信息面更廣，收集渠道更多元化，因此能夠相對(duì)更全面地描述和分析金融風(fēng)險(xiǎn)的變化。然而，不同于傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)一般儲(chǔ)存在文本、文檔、圖片或者報(bào)表中，這就需要利用各種數(shù)據(jù)采集、分析方法，例如文本挖掘和網(wǎng)絡(luò)爬蟲技術(shù)，提取相關(guān)信息和數(shù)據(jù)。

本文將利用文本挖掘和網(wǎng)絡(luò)爬蟲技術(shù)，從國內(nèi)發(fā)行量較大、知名度較高的報(bào)刊文章中采集與我國金融市場(chǎng)風(fēng)險(xiǎn)相關(guān)的信息和數(shù)據(jù)，并在此基礎(chǔ)上構(gòu)建出系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，用于度量我國系統(tǒng)性金融風(fēng)險(xiǎn)并分析其來源和產(chǎn)生因素。

二、文獻(xiàn)綜述

早期對(duì)金融風(fēng)險(xiǎn)的度量方法主要是對(duì)各國可能發(fā)生的金融風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，如Frankel和Rose（1996）的FR概率模型以及Kaminsky等（1998）構(gòu)建的KLR模型。在2008年金融危機(jī)之前，政府和金融機(jī)構(gòu)用于對(duì)風(fēng)險(xiǎn)的測(cè)度主要是通過評(píng)估系統(tǒng)性金融風(fēng)險(xiǎn)損失數(shù)額和損失概率的方法，代表人物有Baumol（1963），他提出了風(fēng)險(xiǎn)價(jià)值模型（VaR）。此外，對(duì)于金融風(fēng)險(xiǎn)的度量較為普遍的方法為綜合指數(shù)法，該方法是通過構(gòu)建經(jīng)濟(jì)金融風(fēng)險(xiǎn)指標(biāo)體系，計(jì)算出能夠反應(yīng)金融風(fēng)險(xiǎn)水平的金融風(fēng)險(xiǎn)指數(shù)。具有代表性的就是Illing和Liu（2002）的金融壓力指數(shù)和Goodhart和Hofmann（2001）的金融形勢(shì)指數(shù)。金融壓力指數(shù)是通過因子分析，信用權(quán)重等方法，將各類指標(biāo)數(shù)據(jù)合成一個(gè)可以反映國家或地區(qū)金融體系壓力的指數(shù)，當(dāng)金融風(fēng)險(xiǎn)越大時(shí)壓力越大，越容易發(fā)生金融危機(jī)。2008年國際金融危機(jī)發(fā)生后，Hakkio和Keeton（2009）以及Cardarelli等（2009）在Illing和Liu的基礎(chǔ)上進(jìn)一步完善了金融壓力指數(shù)，用于衡量系統(tǒng)性金融風(fēng)險(xiǎn)的程度。此外，各國央行和金融監(jiān)管機(jī)構(gòu)也嘗試構(gòu)建一些能夠反映金融市場(chǎng)風(fēng)險(xiǎn)程度的指標(biāo)，例如，歐洲央行采用的系統(tǒng)壓力綜合指數(shù)（CISS），該指數(shù)反映了5個(gè)金融市場(chǎng)組合對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的綜合效應(yīng)。許悅（2017） 對(duì)系統(tǒng)壓力綜合指數(shù)、金融形勢(shì)指數(shù)、金融壓力指數(shù)等指數(shù)進(jìn)行效果分析，發(fā)現(xiàn)系統(tǒng)性壓力綜合指數(shù)對(duì)美國金融風(fēng)險(xiǎn)有較好的監(jiān)測(cè)能力。

國內(nèi)對(duì)度量金融風(fēng)險(xiǎn)的研究成果也頗為豐厚，王玉玲等（2006）比較了VaR和CVaR兩種方法對(duì)金融風(fēng)險(xiǎn)度量的優(yōu)劣。沈悅和閔亮（2007）構(gòu)建了外匯壓力指數(shù)用于研究單個(gè)金融市場(chǎng)的風(fēng)險(xiǎn)。賴娟和呂林江（2010）首次選擇期限利差、銀行業(yè)風(fēng)險(xiǎn)利差、股票市場(chǎng)波動(dòng)性和EMPI合成指數(shù)四個(gè)變量構(gòu)建了中國2002年1月至2009年12月的金融壓力指數(shù)。許滌龍和陳雙蓮（2015）通過銀行、地產(chǎn)等4個(gè)金融市場(chǎng)的18個(gè)二級(jí)指標(biāo)，采用CRITIC法構(gòu)建了我國的金融壓力指數(shù)。韓心靈和韓保江（2017）利用5個(gè)二級(jí)指標(biāo)和22個(gè)三級(jí)指標(biāo)加權(quán)后得到了我國系統(tǒng)性金融風(fēng)險(xiǎn)壓力指數(shù)。毛建林和張紅偉（2015）利用CCA模型對(duì)我國系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行了測(cè)度。此外，武鵬和胡海峰（2016）在金融形勢(shì)指數(shù)的基礎(chǔ)上選取了短期利率、房地產(chǎn)價(jià)格等指標(biāo)構(gòu)建了金融風(fēng)險(xiǎn)指數(shù)用于衡量我國金融風(fēng)險(xiǎn)水平。桂預(yù)風(fēng)和李?。?017）選取了宏觀維度、銀行與貨幣維度等17個(gè)指標(biāo)，運(yùn)用動(dòng)態(tài)因子方法構(gòu)建了我國金融風(fēng)險(xiǎn)指數(shù)。

總的看來，度量系統(tǒng)性金融風(fēng)險(xiǎn)的方法多種多樣，其中利用綜合指數(shù)法構(gòu)建金融風(fēng)險(xiǎn)指數(shù)應(yīng)用較為廣泛，然而這種方法也存在著一些不足：首先，綜合指數(shù)法在構(gòu)建金融風(fēng)險(xiǎn)指數(shù)的過程中對(duì)于指標(biāo)體系的選取沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)：過多的指標(biāo)不僅增加了運(yùn)算成本，而且會(huì)增加冗余的信息干擾最終結(jié)果；而指標(biāo)過少會(huì)導(dǎo)致重要的信息被遺漏。其次，綜合指數(shù)法構(gòu)建的金融風(fēng)險(xiǎn)指數(shù)大多是基于結(jié)構(gòu)化的統(tǒng)計(jì)數(shù)據(jù)，然而隨著大數(shù)據(jù)時(shí)代的來臨，結(jié)構(gòu)化的數(shù)據(jù)有時(shí)候已經(jīng)無法全面反映的金融市場(chǎng)的變化。趙麗麗（2012）認(rèn)為實(shí)際觀測(cè)到的統(tǒng)計(jì)數(shù)據(jù)只能分析價(jià)格、利潤等定量的信息，而經(jīng)濟(jì)政策變化、自然災(zāi)害、戰(zhàn)爭(zhēng)等定性信息很難在數(shù)據(jù)中體現(xiàn)出來，而互聯(lián)網(wǎng)的財(cái)經(jīng)新聞中就包含了大量的這種定性信息。Wuthrich等（1998）認(rèn)為在報(bào)紙文章中的財(cái)經(jīng)新聞不僅闡述了市場(chǎng)表現(xiàn)的結(jié)果，而且包含了其來源和產(chǎn)生原因等潛在信息。

綜上所述，我們認(rèn)為利用文本挖掘和網(wǎng)絡(luò)爬蟲技術(shù)從報(bào)刊、新聞中提取的非結(jié)構(gòu)化數(shù)據(jù)能夠涵蓋更多的信息，能夠更加全面地描述和分析我國金融市場(chǎng)的變化。在此基礎(chǔ)上構(gòu)建出的金融風(fēng)險(xiǎn)指數(shù)對(duì)我國系統(tǒng)性金融風(fēng)險(xiǎn)應(yīng)具有更強(qiáng)的解釋能力。

三、金融風(fēng)險(xiǎn)指數(shù)的構(gòu)建

1.網(wǎng)絡(luò)爬蟲和文本挖掘技術(shù)

文本挖掘（textual mining）是從海量的、無結(jié)構(gòu)的文本信息中挖掘出潛在的、有價(jià)值的知識(shí)和信息的一種計(jì)算機(jī)處理技術(shù)。文本挖掘能夠利用一些智能算法并結(jié)合文字處理技術(shù)，分析大量的非結(jié)構(gòu)化文本源，如網(wǎng)頁、電子表格、報(bào)刊文章、電子郵件等，提取或標(biāo)記關(guān)鍵字，并對(duì)文本內(nèi)容進(jìn)行分類處理，從而獲取有用的信息。

網(wǎng)絡(luò)爬蟲（web crawler）是一個(gè)能夠自動(dòng)提取網(wǎng)頁信息的技術(shù)，它通過模仿瀏覽器訪問網(wǎng)絡(luò)資源，從而獲取用戶需要的信息。例如，人們?cè)谌粘g覽網(wǎng)頁過程中，經(jīng)常會(huì)看到一些好看的圖片或者一些有用的數(shù)據(jù)，如果想保存這些圖片或者數(shù)據(jù)，通常的方法就是選中想要的照片和數(shù)據(jù)，然后逐個(gè)進(jìn)行保存，但是如果圖片或者數(shù)據(jù)量比較大（比如想保存1萬張圖片），那么以上的方法將耗費(fèi)巨大的時(shí)間和精力。而網(wǎng)絡(luò)爬蟲技術(shù)可以快速高效地下載并保存所需要的圖片或者數(shù)據(jù)。

我們將兩種技術(shù)相結(jié)合，利用網(wǎng)絡(luò)爬蟲技術(shù)批量下載讀取網(wǎng)站中的文章，然后利用文本挖掘技術(shù)，使用預(yù)先準(zhǔn)備好的詞庫采集文章中的重要信息，最后對(duì)所得到的數(shù)據(jù)進(jìn)行處理和分析。

Baker等（2015）通過人工閱讀的方式提取報(bào)刊文章中的信息，構(gòu)建了“經(jīng)濟(jì)政策不確定性指數(shù)”，他們認(rèn)為在一段時(shí)間內(nèi)，如果報(bào)刊的文章中頻繁提及“經(jīng)濟(jì)、政策不確定性”等相關(guān)詞語，說明此時(shí)政府經(jīng)濟(jì)政策的影響和效果不確定性增加。本文中，我們借鑒了Baker的理論觀點(diǎn)，提出了一個(gè)新的方法構(gòu)建我國金融風(fēng)險(xiǎn)指數(shù)：我們利用文本挖掘和網(wǎng)絡(luò)爬蟲技術(shù)，在全國各大報(bào)紙中選取有關(guān)我國金融風(fēng)險(xiǎn)的文章和報(bào)道，計(jì)算出一段時(shí)間內(nèi)與“金融風(fēng)險(xiǎn)”相關(guān)的詞語在文章中出現(xiàn)的頻率，用于衡量金融風(fēng)險(xiǎn)的大小。換句話說，在一段時(shí)間內(nèi)，如果報(bào)刊的文章中頻繁提及“金融風(fēng)險(xiǎn)”等相關(guān)的詞語，說明政府和公眾對(duì)金融風(fēng)險(xiǎn)的關(guān)注度較高，這在一定程度上反映了此時(shí)市場(chǎng)中的金融風(fēng)險(xiǎn)較大，反之則表明金融市場(chǎng)的風(fēng)險(xiǎn)較小。

基于以上理論，我們選取了《光明日?qǐng)?bào)》和《中國經(jīng)營報(bào)》兩家報(bào)紙作為文本挖掘和網(wǎng)絡(luò)爬蟲的對(duì)象。之所以選擇這兩家報(bào)紙，一是這兩家報(bào)紙?jiān)趪鴥?nèi)發(fā)行量較大、傳播較廣，具有一定的影響力。《光明日?qǐng)?bào)》作為中宣部主管的中央黨報(bào)、中共中央機(jī)關(guān)報(bào)之一，其內(nèi)容具有一定的權(quán)威性；而《中國經(jīng)營報(bào)》的主管單位是中國社會(huì)科學(xué)院，該報(bào)是中國最早發(fā)行的經(jīng)濟(jì)類報(bào)刊之一，也是全國發(fā)行量最大、版面最多的經(jīng)濟(jì)類報(bào)紙。二是這兩家報(bào)紙都提供多媒體數(shù)字報(bào)刊平臺(tái)以便于網(wǎng)絡(luò)爬蟲技術(shù)下載所需要的文章。（1）

我們選取了自2015年1月到2017年12月的《光明日?qǐng)?bào)》和《中國經(jīng)營報(bào)》所有數(shù)字版報(bào)刊作為分析對(duì)象。系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的編制過程如下：

（1）我們?cè)?015年至2017年兩家報(bào)刊中選取各50篇有關(guān)金融市場(chǎng)風(fēng)險(xiǎn)的文章和報(bào)道，利用人工閱讀的方式了解報(bào)刊文章都有哪些經(jīng)常用于描述“金融風(fēng)險(xiǎn)”的詞匯，即風(fēng)險(xiǎn)詞。根據(jù)風(fēng)險(xiǎn)詞，我們建立了用于網(wǎng)絡(luò)爬蟲和文本挖掘的“系統(tǒng)性金融風(fēng)險(xiǎn)詞庫”，其中包括了“（系統(tǒng)性）金融風(fēng)險(xiǎn)”、“系統(tǒng)性風(fēng)險(xiǎn)”、“重大風(fēng)險(xiǎn)”、“區(qū)域性風(fēng)險(xiǎn)”、“房地產(chǎn)風(fēng)險(xiǎn)”、“匯率風(fēng)險(xiǎn)”、“債務(wù)風(fēng)險(xiǎn)”等在內(nèi)的37個(gè)風(fēng)險(xiǎn)詞。由于《中國經(jīng)營報(bào)》為經(jīng)濟(jì)類報(bào)紙，專業(yè)性更強(qiáng)，用于描述金融風(fēng)險(xiǎn)的詞匯也更多，因此《中國經(jīng)營報(bào)》的詞庫是在《光明日?qǐng)?bào)》詞庫的基礎(chǔ)上附加了一組詞庫，具體的詞庫如下：

（2）我們利用Python軟件編制網(wǎng)絡(luò)爬蟲代碼，將2015至2017年的所有電子報(bào)刊按照月度的分類爬取到PC終端，在每月發(fā)行的報(bào)刊中隨機(jī)選取一定數(shù)量的文章（2），計(jì)算出“系統(tǒng)性金融風(fēng)險(xiǎn)詞庫”中的風(fēng)險(xiǎn)詞在選取文章中出現(xiàn)的頻率，整理為月度數(shù)據(jù)后，以此作為該報(bào)刊的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)：

綜上所述，如果詞庫中的風(fēng)險(xiǎn)詞在文章內(nèi)頻繁出現(xiàn)，這說明了此時(shí)政府和公眾提高了對(duì)金融風(fēng)險(xiǎn)的關(guān)注度，意識(shí)到了金融風(fēng)險(xiǎn)在不斷地累積，而此時(shí)我們構(gòu)建出的金融風(fēng)險(xiǎn)指數(shù)也會(huì)隨之升高；反之，金融風(fēng)險(xiǎn)指數(shù)則會(huì)降低。

（3）每年的兩會(huì)等重要的會(huì)議期間，會(huì)頻繁提及防范金融風(fēng)險(xiǎn)等會(huì)議事項(xiàng)，使得詞庫中風(fēng)險(xiǎn)詞出現(xiàn)頻率劇增，從而導(dǎo)致指數(shù)失真。為了避免會(huì)議對(duì)指數(shù)造成的影響，我們將報(bào)刊中的“兩會(huì)特刊”、“十九大特刊”等版面的文章剔除在外，在這些重要的會(huì)議期間提取其他版面文章的風(fēng)險(xiǎn)詞，并計(jì)算其頻率。

（4）基于不同的報(bào)刊，我們構(gòu)建了“光明日?qǐng)?bào)金融風(fēng)險(xiǎn)指數(shù)”和“中國經(jīng)營報(bào)金融風(fēng)險(xiǎn)指數(shù)”，然后將兩個(gè)指數(shù)算術(shù)平均后得到一個(gè)“系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)”。

圖1描述的是《光明日?qǐng)?bào)》和《中國經(jīng)營報(bào)》金融風(fēng)險(xiǎn)指數(shù)的走勢(shì)圖，其中實(shí)線代表的是《光明日?qǐng)?bào)》金融風(fēng)險(xiǎn)指數(shù)，虛線代表的是《中國經(jīng)營報(bào)》金融風(fēng)險(xiǎn)指數(shù)。從圖中可以看出，這兩個(gè)金融風(fēng)險(xiǎn)指數(shù)走勢(shì)較為接近，兩者的相關(guān)系數(shù)也達(dá)到了0.5。在2015年的“股災(zāi)”之前，兩個(gè)指數(shù)一直在相對(duì)低位徘徊，而在“股災(zāi)”過后的大部分時(shí)間里，指數(shù)都在相對(duì)高位波動(dòng)，說明了在“股災(zāi)”過后，我國的系統(tǒng)性風(fēng)險(xiǎn)水平顯著增加。值得關(guān)注的是，近年來我國出現(xiàn)了4次系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)較高的時(shí)段，一是2015年6月到8月的“股災(zāi)”期間，短短3個(gè)月上證指數(shù)跌幅超過30%，流動(dòng)性風(fēng)險(xiǎn)加劇，迫使以證金和券商為主的“國家隊(duì)”開始維穩(wěn)救市。二是2016年1月由于實(shí)施熔斷新政，新年開市后的兩個(gè)交易日內(nèi)股市遭遇4次熔斷，兩次提前休市，四天時(shí)間內(nèi)，上證指數(shù)下跌了13.8%，一周時(shí)間A股市值蒸發(fā)逾6萬億。三是2016年年底人民幣兌美元大幅貶值并伴隨著房地產(chǎn)市場(chǎng)泡沫的加?。?016年全年人民幣兌美元貶值近7%，與此同時(shí)，2016年前三季度房?jī)r(jià)大幅上漲，9月份“深圳6平米88萬天價(jià)房” 更是讓房?jī)r(jià)過高的輿論矛盾進(jìn)一步激化。國慶節(jié)后17個(gè)城市先后出臺(tái)“限購”、“限價(jià)”等政策抑制房?jī)r(jià)過快上漲，欲遏制房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)增加。四是2017年5月債券市場(chǎng)迎來了償債高峰期，各類債券償還總規(guī)模超過2.6萬億元，為2000年以來的次高峰，在部分地區(qū)經(jīng)濟(jì)增長下滑、財(cái)政收入減少的情況下，政府的償債壓力增大，債務(wù)風(fēng)險(xiǎn)增加。

雖然兩個(gè)金融風(fēng)險(xiǎn)指數(shù)走勢(shì)大致相同，但也存在著一些區(qū)別。例如，《光明日?qǐng)?bào)》金融風(fēng)險(xiǎn)指數(shù)在2015年“股災(zāi)”期間的數(shù)值最高達(dá)到了1.03，而在2016年“熔斷”期間該數(shù)值達(dá)到了峰值1.47。而《中國經(jīng)營報(bào)》金融風(fēng)險(xiǎn)指數(shù)在 “股災(zāi)”期間最高達(dá)到了2.08的數(shù)值，在熔斷期間該數(shù)值為1.39。這說明相對(duì)于《光明日?qǐng)?bào)》金融風(fēng)險(xiǎn)指數(shù)，《中國經(jīng)營報(bào)》金融風(fēng)險(xiǎn)指數(shù)認(rèn)為“股災(zāi)”期間的金融風(fēng)險(xiǎn)水平相對(duì)“熔斷”期間的更高。

為了避免單個(gè)指數(shù)在編制過程中造成的數(shù)值偏差，導(dǎo)致指數(shù)的失真，我們將上述兩個(gè)金融風(fēng)險(xiǎn)指數(shù)平均后得到了綜合的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（如圖2所示）?？梢钥闯觯C合后的指數(shù)與兩家報(bào)紙的金融指數(shù)一樣，可以清晰地刻畫出近年來我國幾次系統(tǒng)性金融風(fēng)險(xiǎn)事件集中爆發(fā)的時(shí)段。

2.系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的評(píng)估

為了評(píng)估我們構(gòu)建的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的可靠性和適用性，我們將該指數(shù)與金融形勢(shì)指數(shù)進(jìn)行了比較。本文中，我們選取了高盛中國金融形勢(shì)指數(shù)作為參考指標(biāo)，數(shù)據(jù)來源于彭博（Bloomberg）數(shù)據(jù)庫網(wǎng)站。金融形勢(shì)指數(shù)是由實(shí)際短期利率、實(shí)際有效匯率、房地產(chǎn)價(jià)格指數(shù)和股票價(jià)格指數(shù)等變量通過加權(quán)平均構(gòu)建得到，在一定程度上能夠反映金融風(fēng)險(xiǎn)的程度，因此，一些國家和央行以這項(xiàng)指標(biāo)作為貨幣政策制定和金融風(fēng)險(xiǎn)衡量的重要參考指標(biāo)。

如圖3所示，圖中虛線為金融形勢(shì)指數(shù)（FCI），實(shí)線為我國系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（FRI）。可以看出，在一些時(shí)期內(nèi)系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)和金融形勢(shì)指數(shù)走勢(shì)較為接近（兩者相關(guān)系數(shù)達(dá)到了0.4），特別是在金融風(fēng)險(xiǎn)事件集中爆發(fā)的階段，兩個(gè)指數(shù)都能較好地反映金融風(fēng)險(xiǎn)水平的增加。但是，兩個(gè)指數(shù)也存在一些差別，例如，F(xiàn)CI在2015年年初的數(shù)值相對(duì)較高，而FRI則較低；FCI對(duì)外匯波動(dòng)及房地產(chǎn)價(jià)格上漲帶來的金融風(fēng)險(xiǎn)的增加更為敏感，該指數(shù)在2016年12月曾一度達(dá)到過最高峰105.59，這個(gè)數(shù)值甚至超過了 “股災(zāi)”期間 “熔斷”期間的數(shù)值。同時(shí)，F(xiàn)CI對(duì)于債券市場(chǎng)風(fēng)險(xiǎn)的變化較為不敏感。例如， 2017年5月的債市償債高峰期，F(xiàn)RI大幅升高，而與此同時(shí)FCI卻是下降的。

造成兩個(gè)指數(shù)走勢(shì)不完全一致的因素是多方面的。首先，金融形勢(shì)指數(shù)在構(gòu)建的過程中沒有涵蓋如債券收益率等與債券市場(chǎng)相關(guān)的指標(biāo)，因此該指數(shù)相比系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)缺少對(duì)債券市場(chǎng)中債務(wù)風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)水平的衡量，在一定程度上低估了債務(wù)風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)水平。其次，金融形勢(shì)指數(shù)的構(gòu)建過程中包含了股票、房地產(chǎn)等各類價(jià)格指數(shù)，雖然這類指標(biāo)與金融風(fēng)險(xiǎn)有很高的動(dòng)態(tài)相關(guān)性，但是單純價(jià)格上漲并不完全代表著金融風(fēng)險(xiǎn)的升高，因此相較于我們構(gòu)建的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，金融形勢(shì)指數(shù)在一定程度上高估了由價(jià)格上漲帶來的金融風(fēng)險(xiǎn)。綜上可以看出，系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)相較于金融形勢(shì)指數(shù)能夠更全面地反映我國金融市場(chǎng)風(fēng)險(xiǎn)水平的變化。

3.金融風(fēng)險(xiǎn)的來源分類

為了分析我國系統(tǒng)性金融風(fēng)險(xiǎn)的來源和產(chǎn)生因素，我們將“系統(tǒng)性金融風(fēng)險(xiǎn)詞庫”進(jìn)一步細(xì)化分類，將風(fēng)險(xiǎn)的來源區(qū)分為銀行等金融機(jī)構(gòu)部門風(fēng)險(xiǎn)、房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)、股票市場(chǎng)風(fēng)險(xiǎn)、債券市場(chǎng)風(fēng)險(xiǎn)、外匯市場(chǎng)風(fēng)險(xiǎn)和互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)等6個(gè)維度，爬取《中國經(jīng)營報(bào)》中的文章（3），計(jì)算各類風(fēng)險(xiǎn)詞出現(xiàn)的次數(shù)，從而了解近年來我國系統(tǒng)性金融風(fēng)險(xiǎn)來源的主要因素及其變化。

從表1中可以看出，2015年和2016年我國系統(tǒng)性金融風(fēng)險(xiǎn)主要來源于銀行部門的風(fēng)險(xiǎn)和股票市場(chǎng)的風(fēng)險(xiǎn)。這是由于這兩年中我國股票市場(chǎng)出現(xiàn)了劇烈的波動(dòng)，在先后經(jīng)歷了“股災(zāi)”和“熔斷”后，股市的劇烈波動(dòng)對(duì)銀行業(yè)系統(tǒng)造成了一定的沖擊。這種沖擊包括銀行持有的上市公司的股票因?yàn)楣蓛r(jià)的大幅下滑而對(duì)銀行業(yè)績(jī)?cè)斐傻闹苯佑绊?，同時(shí)股市的劇烈波動(dòng)也對(duì)股票質(zhì)押貸款、投資以及與股票掛鉤的銀行業(yè)務(wù)等產(chǎn)生了間接影響，一定程度上增加了銀行部門的風(fēng)險(xiǎn)。而在采取了及時(shí)的救市措施之后，股票市場(chǎng)的風(fēng)險(xiǎn)在2017有所下降，從而避免了經(jīng)濟(jì)危機(jī)的發(fā)生。與此同時(shí)，伴隨著近年來房地產(chǎn)價(jià)格的大幅上漲，2017年我國系統(tǒng)性金融風(fēng)險(xiǎn)主要來源從銀行部門和股票市場(chǎng)的風(fēng)險(xiǎn)轉(zhuǎn)換到了銀行部門和房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)?？梢钥闯?，2017年報(bào)刊文章提及“樓市泡沫”、“房地產(chǎn)風(fēng)險(xiǎn)”等風(fēng)險(xiǎn)詞的數(shù)量為2016年的4倍，是2015年的30多倍。

此外，2017年我國債務(wù)風(fēng)險(xiǎn)也相較于2015年和2016年有所提高，這與2017年5月債券大量集中到期有關(guān)。在外匯市場(chǎng)風(fēng)險(xiǎn)方面，盡管人民幣匯率在近年有一定程度的波動(dòng)，但是從表格中可以看出，我國外匯市場(chǎng)的風(fēng)險(xiǎn)在近3年中相對(duì)平穩(wěn)，基本沒有受到人民幣幣值波動(dòng)的影響。值得注意的是互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)，在2015年底“e租寶”事件發(fā)生過后，在近年出現(xiàn)了上漲的趨勢(shì)，需要引起極大的重視。

四、結(jié)論及政策建議

我們利用網(wǎng)絡(luò)爬蟲和文本挖掘技術(shù)，對(duì)2015年至2017年的《光明日?qǐng)?bào)》和《中國經(jīng)營報(bào)》的文章信息進(jìn)行了提取，構(gòu)建了我國系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)用于度量我國系統(tǒng)性金融風(fēng)險(xiǎn)。該指數(shù)清晰地刻畫了近三年來我國四次金融風(fēng)險(xiǎn)水平較高的時(shí)段，在與中國金融形勢(shì)指數(shù)比較后我們發(fā)現(xiàn)系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)能夠更好更全面地反映我國系統(tǒng)性金融風(fēng)險(xiǎn)的水平。

此外，我們分析了近年來我國系統(tǒng)性金融風(fēng)險(xiǎn)的來源及產(chǎn)生因素，發(fā)現(xiàn)了2015年和2016年我國系統(tǒng)性金融風(fēng)險(xiǎn)主要來源于銀行部門和股票市場(chǎng)的風(fēng)險(xiǎn)，而2017年我國系統(tǒng)性金融風(fēng)險(xiǎn)轉(zhuǎn)換到了銀行部門和房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)，特別是2016年在股市波動(dòng)和房地產(chǎn)價(jià)格大幅上漲的雙重壓力情況下，我國銀行部門的風(fēng)險(xiǎn)急劇增加。此外，值得注意的是，在2015年“e租寶事件”過后，我國互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)在近年出現(xiàn)了不斷上漲的趨勢(shì)。

當(dāng)前，在國務(wù)院機(jī)構(gòu)改革的背景下，銀監(jiān)會(huì)和保監(jiān)會(huì)合并組建中國銀行保險(xiǎn)監(jiān)督委員會(huì)，原來的分業(yè)監(jiān)管模式逐漸向分業(yè)和統(tǒng)一的監(jiān)管方式轉(zhuǎn)變，監(jiān)管機(jī)構(gòu)能夠更加全面地對(duì)金融市場(chǎng)進(jìn)行監(jiān)管，有效彌補(bǔ)監(jiān)管漏洞，有利于統(tǒng)籌協(xié)調(diào)金融發(fā)展。在新的金融監(jiān)管構(gòu)架下，結(jié)合文章所得結(jié)論，我們給出了如下政策建議：

1.加強(qiáng)資產(chǎn)管理行業(yè)監(jiān)管。近年來我國銀行部門、股票市場(chǎng)以及房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的高企，與資產(chǎn)管理行業(yè)規(guī)模不斷擴(kuò)大有著緊密的關(guān)系。各類資管產(chǎn)品相互投資、重復(fù)投資等多層嵌套問題日益嚴(yán)重，這加大了金融體系的脆弱性。例如，近年來保險(xiǎn)行業(yè)利用萬能險(xiǎn)、投連險(xiǎn)大量吸收社會(huì)資金，頻頻在股市舉牌，擾亂市場(chǎng)秩序，或者以通道、嵌套等方式開展股權(quán)投資計(jì)劃，使得資金又大量流入了風(fēng)險(xiǎn)較大的房地產(chǎn)領(lǐng)域，進(jìn)一步推高了房地產(chǎn)泡沫，加大了房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)。銀監(jiān)會(huì)和保監(jiān)會(huì)的合并，有利于部門間的溝通和監(jiān)管協(xié)作，覆蓋監(jiān)管空白，彌補(bǔ)監(jiān)管漏洞，新組建的銀保監(jiān)會(huì)需要加強(qiáng)對(duì)資管行業(yè)的監(jiān)管。

2.完善互聯(lián)網(wǎng)金融監(jiān)管體系。雖然銀監(jiān)會(huì)和保監(jiān)會(huì)的合并有助于改善分業(yè)監(jiān)管效率低下的問題，有利于P2P等網(wǎng)貸業(yè)務(wù)的發(fā)展，但是近年來互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)不斷加大，面對(duì)復(fù)雜的互聯(lián)網(wǎng)金融的產(chǎn)品創(chuàng)新，還需要完善互聯(lián)網(wǎng)金融的監(jiān)管體系。

注釋：

（1）我們也嘗試挖掘其他例如《人民日?qǐng)?bào)》、《經(jīng)濟(jì)日?qǐng)?bào)》等報(bào)刊的文章，但是這些報(bào)刊的數(shù)字版提供的資源有限，可查詢的報(bào)刊日期較少，因此編制出的金融風(fēng)險(xiǎn)指數(shù)歷史數(shù)據(jù)較少，缺乏說服力。此外，由于個(gè)別數(shù)字報(bào)刊網(wǎng)站建立了“反爬蟲”措施，因此無法提取到有效的文字和數(shù)據(jù)。

（2）《光明日?qǐng)?bào)》為日刊，每月選取500篇文章，《中國經(jīng)營報(bào)》為周刊，每月選取200篇文章。

（3）此次爬取非隨機(jī)選擇文章，而是從頭版、要聞、宏觀、財(cái)經(jīng)、銀行、地產(chǎn)、科技等版面選取所有文章，計(jì)算詞庫中詞語出現(xiàn)的總次數(shù)。

參考文獻(xiàn)：

[1]Baker S R，Bloom N，Davis S J.Measuring Economic Policy Uncertainty[J].Cep Discussion Papers，2015.

[2]Baumol W J.An Expected Gain-Confidence Limit Criterion for Portfolio Selection[J].Management Science，1963，10（1）：174-182.

[3]Cardarelli R，Elekdag S A，Lall S.Financial Stress，Downturns，and Recoveries[J].Imf Working Papers，2009，09（100）：25-29.

[4]Frankel J A，Rose A K.Currency Erashes in Emerging Markets： An Empirical Treatment[J].International Finance Discussion Papers，1996，41（3-4）：351-366.

[5]Goodhart C，Hofmann B.Asset Prices，F(xiàn)inancial Conditions，and the Transmission of Monetary Policy[J].Proceedings，2001，114（2）：198-230.

[6]Illing M，Liu Y.An Index of Financial Stress for Canada[J].Staff Working Papers，2003，29（03-14）.

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

[8]桂預(yù)風(fēng)，李巍.基于動(dòng)態(tài)因子模型的金融風(fēng)險(xiǎn)指數(shù)構(gòu)建[J].統(tǒng)計(jì)與決策，2017，（20）：150-153.

[9]韓心靈，韓保江.供給側(cè)結(jié)構(gòu)性改革下系統(tǒng)性金融風(fēng)險(xiǎn)：生成邏輯、風(fēng)險(xiǎn)測(cè)度與防控對(duì)策[J].財(cái)經(jīng)科學(xué)，2017，（6）：1-13.

[10]毛建林，張紅偉.基于CCA模型的我國銀行系統(tǒng)性金融風(fēng)險(xiǎn)實(shí)證研究[J].宏觀經(jīng)濟(jì)研究，2015，（3）：94-102.

[11]沈悅，閔亮.基于外匯市場(chǎng)壓力指數(shù)的貨幣危機(jī)界定與識(shí)別[J].上海金融，2007，（12）：69-72.

[12]武鵬，胡海峰.中國金融風(fēng)險(xiǎn)指數(shù)FRI的構(gòu)建及經(jīng)濟(jì)預(yù)測(cè)的檢驗(yàn)[J].統(tǒng)計(jì)與決策，2016，（2）：120-123.

[13]王玉玲，王晶.度量金融風(fēng)險(xiǎn)的CVaR方法[J].統(tǒng)計(jì)與決策，2006，（11）：13-14.

[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(xiǎn)測(cè)度研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2015，（4）：69-78.

[15]許悅.系統(tǒng)性壓力綜合指數(shù)的有效性研究[J].統(tǒng)計(jì)與決策，2017，（2）：166-170.

[16]趙麗麗.互聯(lián)網(wǎng)財(cái)經(jīng)新聞對(duì)股市影響的定量分析[D].西南財(cái)經(jīng)大學(xué)，2012.

（責(zé)任編輯 吳曉妹）