劉麗 郭春梅 楊繼梅

[摘 要]以山東省2013—2018年的月度數(shù)據(jù)為基礎(chǔ)，利用CRITIC賦權(quán)法構(gòu)建金融壓力指數(shù)模型，結(jié)合銀行業(yè)市場、房地產(chǎn)市場、股票市場及外部金融市場四個市場對山東省系統(tǒng)性金融風(fēng)險進行測度。結(jié)果顯示：2013年的金融壓力指數(shù)波動幅度比較大，2014年的金融壓力指數(shù)呈下降的趨勢，2015年1月至2016年7月金融壓力指數(shù)再次出現(xiàn)波動，2016年7月以后的金融壓力指數(shù)波動趨于平緩。四個市場壓力指數(shù)的權(quán)重占比相差不多，股票市場相對來說對金融系統(tǒng)的影響最大。用壓力指數(shù)均值的2倍標準差作為臨界值，對山東省系統(tǒng)性金融風(fēng)險級別進行判斷，只有2013年6月金融壓力識別指數(shù)大于0，金融風(fēng)險較大，其他時間的金融風(fēng)險都在可控水平。據(jù)此，山東省應(yīng)在建立精準的金融信息統(tǒng)計機制、加強金融機構(gòu)內(nèi)部的監(jiān)管、促進實體經(jīng)濟健康發(fā)展等方面采取措施，以防范系統(tǒng)性金融風(fēng)險。

[關(guān)鍵詞]金融壓力指數(shù);CRITIC賦權(quán)法;系統(tǒng)性金融風(fēng)險

[中圖分類號]F832.7 [文獻標識碼]A [文章編號]1671-8372（2019）03-0059-09

Abstract：Based on the monthly data of 2013-2018 in Shandong Province， the CRITIC empowerment method is used to construct the financial stress index model， which combines the four markets of the banking market， the real estate market， the stock market and the external financial market to measure the systemic financial risk of Shandong Province. The results show that the financial pressure index fluctuated greatly in 2013， and declined in 2014. From January 2015 to July 2016， the financial pressure index fluctuated again， and the financial pressure index fluctuated gradually after July 2016. The weights of the four market stress indexes are similar， and the stock market has the greatest impact on the financial system. Taking 2 times standard deviation of the mean pressure index as the critical value， the level of systematic financial risk in Shandong Province was judged. Only in June 2013， when the financial pressure identification index was greater than 0， the financial risk was relatively large， and the financial risk in other times was at a controllable level. According to this， Shandong Province should establish accurate financial information statistics mechanism， strengthen the supervision of financial institutions， and promote the healthy development of real economy and other measures to prevent systemic financial risks. ?

Key words：financial stress index; CRITIC weighting method; systemic financial risk

山東省雖是中國的經(jīng)濟大省，但其金融業(yè)的發(fā)展相對滯后。為了加快金融改革的進程，《關(guān)于加快全省金融改革發(fā)展的若干意見》和《山東省金融業(yè)轉(zhuǎn)型升級實施方案》等文件明確了到2020年山東省金融業(yè)增加值占全省生產(chǎn)總值的比例達到6%的目標。隨著山東省金融業(yè)的不斷發(fā)展，防范系統(tǒng)性金融風(fēng)險、把住發(fā)生風(fēng)險的底線成為經(jīng)濟穩(wěn)定的重要一環(huán)。

本文從山東省的實際情況出發(fā)，選取金融壓力指數(shù)對山東省系統(tǒng)性金融風(fēng)險進行測度，運用CRITIC賦權(quán)法確定各個指標權(quán)重，構(gòu)建山東省金融市場的總壓力指數(shù)和各子市場的子壓力指數(shù)，再對山東省系統(tǒng)性金融風(fēng)險所處階段進行識別，為山東省制定系統(tǒng)性金融風(fēng)險防范措施提供依據(jù)。

一、文獻綜述

（一）系統(tǒng)性金融風(fēng)險的測度

隨著金融風(fēng)險的不斷加劇，系統(tǒng)性金融風(fēng)險的測度研究引起國內(nèi)外學(xué)者的關(guān)注。系統(tǒng)性金融風(fēng)險的測度主要有下述五類方法：

一是早期預(yù)警指標法。通過研究已經(jīng)發(fā)生金融危機的國家經(jīng)濟狀況來預(yù)估危機發(fā)生時的信號，并預(yù)測某一國在某一時刻發(fā)生經(jīng)濟危機的可能性。如Alessi&Detken選取了金融市場和實體經(jīng)濟的幾個具有代表性的變量架構(gòu)了18個OECO國家的早期預(yù)警體系，并運用構(gòu)建的指標體系預(yù)測將來可能遭遇的風(fēng)險[1]。

二是預(yù)期損失法。Acharya等人以預(yù)期損失為參考提出了MES即邊際預(yù)期損失，是透過金融機構(gòu)對金融市場損失的邊際反應(yīng)來測度金融機構(gòu)的系統(tǒng)性金融風(fēng)險[2]。Brownlees& Engle根據(jù)邊際預(yù)期損失引入了GARCH和非參數(shù)估計，考慮了整個金融體系和金融機構(gòu)之間的相關(guān)性和相依性[3]。范小云等人通過分析沒有產(chǎn)生金融危機時中國金融機構(gòu)的杠桿率和邊際期望損失的表現(xiàn)，同時增加了對邊際風(fēng)險貢獻時間的動態(tài)表現(xiàn)觀察，對我國金融機構(gòu)的邊際風(fēng)險貢獻程度進行了測算[4]。

三是條件風(fēng)險價值即CoVaR法。Adrian &Brunnermeier以VaR即個體風(fēng)險監(jiān)管指標為基礎(chǔ)分析了單個機構(gòu)風(fēng)險溢出效應(yīng)，提出了相關(guān)的測度指標CoVaR。該方法通過計算某一個金融機構(gòu)在危機狀況下的個體風(fēng)險監(jiān)管指標（VaR）和正常狀況下的風(fēng)險監(jiān)管指標的差額使風(fēng)險溢出效應(yīng)實現(xiàn)量化[5]。陳守東和王妍選擇了33家中國上市的典型金融機構(gòu)，在運用條件風(fēng)險價值方法的基礎(chǔ)上，使用極端分位數(shù)回歸技術(shù)來估計這些機構(gòu)對整個金融體系的風(fēng)險貢獻，為金融監(jiān)管提供了參考[6]。蘇帆選取上市金融機構(gòu)為測度對象，使用動態(tài)CoVaR方法從橫截面角度測量每個金融機構(gòu)的系統(tǒng)性風(fēng)險溢出效應(yīng)，并基于影響因素構(gòu)建預(yù)測模型[7]。

四是未定權(quán)益分析即CCA法。Gary等人提出了CCA的測度方法[8]。Castren&Kavonius擴大了CCA方法的應(yīng)用范圍，使CCA方法不僅僅用于金融機構(gòu)，也可以用來分析政府部門的主權(quán)債務(wù)風(fēng)險，他們還運用CCA方法對各個國家的債務(wù)風(fēng)險有了更進一步的了解[9]。Saldias在運用CCA方法時發(fā)現(xiàn)PDD和ADD的聯(lián)合變動趨勢有助于對未來系統(tǒng)性金融風(fēng)險的預(yù)測[10]。毛建林等人將全部銀行業(yè)機構(gòu)作為研究對象，運用CCA方法度量金融危機前后中國銀行業(yè)金融風(fēng)險的轉(zhuǎn)變，對風(fēng)險評估指標進行了改進，以便得到更加準確的系統(tǒng)性金融風(fēng)險的趨勢[11]。朱辰和華桂宏利用拓展的CCA模型度量了互聯(lián)網(wǎng)金融下我國銀行業(yè)的系統(tǒng)性風(fēng)險，然后利用逐步回歸法，找出影響銀行業(yè)系統(tǒng)性風(fēng)險的影響因素，對未來的風(fēng)險水平進行一定的預(yù)測[12]。

五是綜合壓力指數(shù)法。Illing& Liu第一次提出金融壓力指數(shù)（FSI）并用以測量加拿大的金融市場風(fēng)險情況，他們選取了9個擁有象征性意義的解釋變量，分析不同時段加拿大的金融壓力指數(shù)，建立了風(fēng)險預(yù)警指標體系[13]。Cardarelli等人將金融壓力指數(shù)進一步完善，在金融壓力指數(shù)的概念和變量指標的選取等方面構(gòu)建了更為系統(tǒng)的框架[14]。賴娟和呂江林根據(jù)中國的實際狀況選取了四個指標變量，構(gòu)建了中國金融壓力指數(shù)，從而反映中國金融市場風(fēng)險的情形[15]。許滌龍和陳雙蓮對前人測算的金融壓力指數(shù)方法進行了比較，選取了銀行業(yè)、股票市場、房地產(chǎn)市場以及外部金融市場的18個變量對我國面臨的金融壓力進行測度，對我國目前的經(jīng)濟金融狀況進行了識別[16]。阮湛洋綜合比較目前已有的系統(tǒng)性金融風(fēng)險測度辦法，選擇運用CISS指數(shù)合成法，選取我國2000—2015年的季度數(shù)據(jù)對我國的系統(tǒng)性金融風(fēng)險進行了度量[17]。郭娜等人利用主成分分析方法構(gòu)建了我國各級金融風(fēng)險指數(shù)，測量我國金融市場的風(fēng)險情況，剖析了風(fēng)險的成因[18]。吳婷婷和徐松松從八個不同的維度分析系統(tǒng)性金融風(fēng)險狀況，并根據(jù)現(xiàn)有狀況提出了解決系統(tǒng)性金融風(fēng)險的建議[19]。

綜合比較上述幾種方法可見，早期預(yù)警法構(gòu)建起來比較簡單，但局限性大，在很多情況下都不適用;預(yù)期損失法太易于受到主觀因素的影響，極端數(shù)據(jù)的出現(xiàn)會使測度未來系統(tǒng)性風(fēng)險的準確性下降;條件風(fēng)險價值法雖然能夠度量出風(fēng)險溢出效應(yīng)，但是整體市場的風(fēng)險溢出效應(yīng)沒有辦法通過金融機構(gòu)相加得到;未定權(quán)益分析法模型構(gòu)建復(fù)雜，結(jié)論依賴于假設(shè)，使得該方法的實際可行性大大降低;綜合壓力指數(shù)法運用起來比較靈活，能夠很好地反映整個國家金融系統(tǒng)的風(fēng)險水平，給未來的經(jīng)濟政策提供較為有用的建議。綜合考慮以上幾種方法，本文采用綜合壓力指數(shù)法對山東省的金融系統(tǒng)性風(fēng)險進行分析。

（二）系統(tǒng)性金融風(fēng)險的防范

商瑾通過分析各國應(yīng)對金融風(fēng)險的經(jīng)驗和教訓(xùn)以及對我國金融風(fēng)險的回顧，提出了關(guān)于我國防范金融風(fēng)險的貨幣政策建議、財政政策建議、政府監(jiān)管政策建議及其他相關(guān)制度建議[20]。馬建堂和董小君等人從杠桿率角度分析了我國的潛在系統(tǒng)性金融風(fēng)險，以及杠桿率快速上升的原因，在此基礎(chǔ)上，提出了從政府債務(wù)、金融體制和實體經(jīng)濟改革等方面化解中國系統(tǒng)性金融風(fēng)險的對策[21]。鄭醒塵對澳大利亞防御系統(tǒng)性金融風(fēng)險的措施進行了總結(jié)，根據(jù)澳大利亞整個金融體系監(jiān)管框架的特點及中國金融市場的實際情況，得出關(guān)于中國防范系統(tǒng)性金融風(fēng)險的啟示[22]。胡濱分析了系統(tǒng)性金融風(fēng)險的來源，并根據(jù)來源提出了關(guān)于我國防范系統(tǒng)性金融風(fēng)險的建議[23]。黃益平從三個方面提出政府在防范系統(tǒng)性金融風(fēng)險時應(yīng)采取的措施，一是從宏觀政策著手，二是政府不再兜底，加強市場紀律，三是加強政府監(jiān)管，改革金融監(jiān)管機構(gòu)[24]。王朝陽和王文匯基于前人對系統(tǒng)性金融風(fēng)險的探討，對我國防范金融風(fēng)險的對策進行了梳理和總結(jié)[25]。

綜上所述，現(xiàn)有系統(tǒng)性金融風(fēng)險研究的關(guān)注對象主要是發(fā)生了實質(zhì)性金融危機的國家，對于像我國這樣的新興市場國家的關(guān)注不夠。我國系統(tǒng)性金融風(fēng)險有自己的特點，其地方金融風(fēng)險的累積、傳導(dǎo)與防范尤其值得關(guān)注。鑒于現(xiàn)有文獻較少涉及山東省系統(tǒng)性金融風(fēng)險的測度及防范，本文就此展開研究，以豐富與完善相關(guān)理論，并為山東省防范系統(tǒng)性金融風(fēng)險提供思路。

二、山東省系統(tǒng)性金融風(fēng)險的測度方法

（一）指標的選取及數(shù)據(jù)來源

1.指標的選取

近年來，山東省金融體系比較依賴于外部環(huán)境，并且深受房地產(chǎn)價格和股票價格變動的影響，基于此，結(jié)合以往文獻所選取的一級指標，本文選取山東省銀行業(yè)市場、房地產(chǎn)市場、股票市場及外部金融市場四個市場的17個指標對系統(tǒng)性金融風(fēng)險進行測度。按照17個指標的性質(zhì)，將其分為同向指標、逆向指標與適當(dāng)指標。當(dāng)指標越大時金融壓力指數(shù)越小，這種指標為同向指標，反之則為逆向指標;而適當(dāng)指標指的是該指標有一個合理范圍，超過其范圍即為存在壓力（見表1）。

2.數(shù)據(jù)來源

構(gòu)建山東省系統(tǒng)性金融壓力指數(shù)的關(guān)鍵問題是數(shù)據(jù)頻率的選取，月度數(shù)據(jù)能夠?qū)⒔鹑谑袌鏊媾R的壓力表述得更為清晰準確，又因指標數(shù)據(jù)的可獲得性，所以本文選擇從2013年1月到2018年12月的月度數(shù)據(jù)對系統(tǒng)性金融風(fēng)險進行測量。指標數(shù)據(jù)主要來源于山東省統(tǒng)計局網(wǎng)站、山東省銀監(jiān)局網(wǎng)站、中國人民銀行濟南分行網(wǎng)站、山東省金融年鑒、同花順統(tǒng)計局。

（二）數(shù)據(jù)處理

1. 數(shù)據(jù)頻度轉(zhuǎn)換、補齊缺失數(shù)據(jù)及季度調(diào)整

個別指標只有季度數(shù)據(jù)，沒有月度數(shù)據(jù)，對這種數(shù)據(jù)運用Eviews進行頻度轉(zhuǎn)換。用Quadratic-match-Sum對山東省GDP進行轉(zhuǎn)換，得到山東省GDP的月度數(shù)據(jù)。用Quadratic-match-Average對不良貸款率、短期外債及外債總額進行轉(zhuǎn)換，其中2018年第4季度的不良貸款率數(shù)據(jù)缺失，因而，首先運用SPSS中的Replace Missing Value-linear trend at point補齊季度數(shù)據(jù)，然后再進行頻度轉(zhuǎn)換。對于缺失的月度數(shù)據(jù)，像房地產(chǎn)業(yè)出現(xiàn)了缺失1月份數(shù)據(jù)的情況，采用SPSS軟件補齊缺失數(shù)據(jù)。為了防止結(jié)果受季節(jié)的影響，對商品房銷售面積/GDP這種含有季節(jié)性因素的數(shù)據(jù)，運用Eviews中的季節(jié)調(diào)整方法去除季節(jié)因素對結(jié)果的影響。經(jīng)過上述數(shù)據(jù)處理，得到了各指標的完整數(shù)據(jù)①。

2.指標標準化

從表6和圖5可以看出，2013年的金融壓力指數(shù)波動幅度比較大，2013年6月的金融壓力指數(shù)最大，2014年的金融壓力指數(shù)呈下降的趨勢，2015年1月至2016年7月金融壓力指數(shù)再次出現(xiàn)波動，2016年7月以后的金融壓力指數(shù)變化趨于平緩。

從圖5可以看出，山東省的系統(tǒng)性金融風(fēng)險在不同階段呈現(xiàn)不同的特征。2013—2014年，山東省政府債務(wù)問題加劇、光大證券的“烏龍指”事件的發(fā)生以及房地產(chǎn)價格居高不下等一系列問題，使得金融壓力指數(shù)在2013年呈上升趨勢，對此山東省出臺了“金改22條”，使這些問題得到控制，從而金融壓力指數(shù)在2014年呈下降的趨勢。2015年1月至2016年7月，股票市場“千股跌?！币约笆蛢r格暴跌使得金融壓力指數(shù)出現(xiàn)明顯波動。針對“千股跌?！爆F(xiàn)象，央行采取寬松的貨幣政策，實行多次降準;為解決房地產(chǎn)價格問題，政府推出鼓勵房地產(chǎn)商降價出售政策，釋放需求，清房地產(chǎn)庫存，金融壓力指數(shù)在2016年7月后得以趨緩。盡管政府出臺的一些調(diào)控政策在一定程度上減輕了金融風(fēng)險帶來的影響，應(yīng)對系統(tǒng)性金融風(fēng)險的對策不斷完善，但整個金融體系的系統(tǒng)性金融風(fēng)險并沒有明顯降低，從圖5可以看出2016年7月以后金融壓力指數(shù)仍處于高位，說明山東省面臨的系統(tǒng)性金融風(fēng)險形勢仍然比較嚴峻。山東省政府應(yīng)該更加重視對系統(tǒng)性金融風(fēng)險的監(jiān)測，防止外來風(fēng)險的意外沖擊。

四、山東省系統(tǒng)性金融風(fēng)險的識別

通過測算山東省金融市場的總壓力指數(shù)和各市場的壓力指數(shù)，基本了解了山東省金融風(fēng)險的總體情況，但僅通過金融壓力指數(shù)尚不能判斷出系統(tǒng)性金融風(fēng)險的級別，為此還需要對金融壓力指數(shù)進行識別，即確認一個具體的數(shù)值或者范圍用來識別系統(tǒng)性金融風(fēng)險是否處于高度危險階段。在金融風(fēng)險識別的方法中，學(xué)者運用最多的主要有三種：一是求出金融壓力指數(shù)均值，把均值的某個百分比（如80%）當(dāng)作臨界值，當(dāng)某一時期的金融壓力指數(shù)超過臨界值時，則判定這一時期風(fēng)險級別比較高;二是將金融壓力指數(shù)均值的1.5倍或2倍標準差作為臨界值，根據(jù)金融壓力指數(shù)是否超過臨界值來判定風(fēng)險級別;三是根據(jù)過去發(fā)生金融危機時的指數(shù)作為參考值，若某一時期金融壓力指數(shù)高于這一參考值，則認為該時期需要高度關(guān)注。

以上三種方法，第一種方法過于主觀，缺乏統(tǒng)計意義，第三種方法也并不適用，因為山東省沒有發(fā)生過重大金融風(fēng)險事件，無法確認參考值，因此本文選取第二種方法，用壓力指數(shù)均值的2倍標準差作為臨界值來識別山東省系統(tǒng)性金融風(fēng)險。

從圖6可以看出，在2013—2018年的72個樣本中，金融壓力識別指數(shù)大于0的樣本點只有1個。具體來看，2013年6月山東省的金融壓力識別指數(shù)大于0，處于較大金融壓力時期，其他時間段的金融壓力識別指數(shù)均小于0，處于合適或較小的金融壓力時期。結(jié)合山東省的實際發(fā)展情況可以得知，雖然2013—2018年山東省出現(xiàn)過股票市場應(yīng)對異常震蕩、房價過高以及通貨膨脹等情況，但由于政府積極采取措施應(yīng)對，使?jié)撛诘慕鹑陲L(fēng)險得到遏制，山東省的系統(tǒng)性金融風(fēng)險從而基本處于可控水平。

五、山東省系統(tǒng)性金融風(fēng)險的防范建議

從前文可知，系統(tǒng)性金融風(fēng)險不僅僅局限于整個金融市場，非金融市場的波動也會導(dǎo)致金融風(fēng)險，金融風(fēng)險沿著不同路徑傳播，導(dǎo)致系統(tǒng)性金融風(fēng)險的產(chǎn)生。因此，為預(yù)防系統(tǒng)性金融風(fēng)險，本文就金融市場和非金融市場兩方面提出建議。

（一）金融市場方面的建議

1. 建立精準的金融信息統(tǒng)計機制

山東省要有效地防范系統(tǒng)性金融風(fēng)險，就要對金融數(shù)據(jù)有清楚的了解。筆者在查找山東省有關(guān)金融方面的數(shù)據(jù)時發(fā)現(xiàn)，山東省的金融數(shù)據(jù)十分分散，不易查找，并且也沒有完整的金融資產(chǎn)統(tǒng)計數(shù)據(jù)。若將保險行業(yè)、證券行業(yè)等行業(yè)的金融資產(chǎn)一起統(tǒng)計，那山東省的金融資產(chǎn)數(shù)額就難以理清。在金融數(shù)據(jù)不完整、不易查找的情況下，山東省金融市場的風(fēng)險不易及時察覺，對金融資產(chǎn)的動態(tài)難以把握，政府也就難以采取合適的舉措防范系統(tǒng)性金融風(fēng)險。要改變這種狀況就必須建立精準的金融信息統(tǒng)計機制，建立一家專門管理、公開發(fā)布金融數(shù)據(jù)和信息的金融數(shù)據(jù)統(tǒng)計中心，將山東省所有金融交易活動產(chǎn)生的金融數(shù)據(jù)和信息都分類整理到這一家統(tǒng)計中心。

2.加強金融機構(gòu)的內(nèi)部監(jiān)管

許多系統(tǒng)性金融風(fēng)險的發(fā)生及傳染都是由金融機構(gòu)內(nèi)部管理不善、監(jiān)管力度不到位造成的。瑞銀巨額虧損、巴林銀行倒閉等事件發(fā)生的原因之一就是金融機構(gòu)內(nèi)部管理制度出現(xiàn)漏洞，職員利用管理方面的漏洞進行未授權(quán)操作致使金融風(fēng)險產(chǎn)生。目前來說，山東省金融機構(gòu)的內(nèi)控制度建設(shè)并不完善，組織結(jié)構(gòu)不合理，權(quán)力過于分散。針對這些問題，山東省的金融機構(gòu)應(yīng)該吸取其他金融機構(gòu)的經(jīng)驗教訓(xùn)，盡力彌補管理上的漏洞，加強自我監(jiān)管，及時發(fā)覺自身存在的問題，并對發(fā)現(xiàn)的問題盡早提出合適的解決辦法。金融機構(gòu)對各個業(yè)務(wù)的控制要做到有的放矢，對那些風(fēng)險大的業(yè)務(wù)進行重點監(jiān)管，以便及時發(fā)現(xiàn)問題，防止系統(tǒng)性金融風(fēng)險的發(fā)生。

3.完善政府的監(jiān)管體制

僅僅依靠金融市場自身的能力并不能解決一切問題，預(yù)防系統(tǒng)性金融風(fēng)險的發(fā)生還需要依靠政府的監(jiān)管。金融市場發(fā)生的變動直接影響了各方市場參與者的利益和行為，政府有關(guān)部門應(yīng)該加強對金融市場運行態(tài)勢的監(jiān)管。金融市場的異常波動經(jīng)常由非常態(tài)成因?qū)е?，一旦金融市場的價格長時間持續(xù)下降，不良資產(chǎn)有可能就此產(chǎn)生，潛在的系統(tǒng)性金融風(fēng)險隨之觸發(fā)。金融監(jiān)管部門應(yīng)該密切關(guān)注金融市場價格的波動，及時發(fā)現(xiàn)異常波動，根據(jù)異動的原因和市場參與者交易行為的變化及時采取適當(dāng)?shù)拇胧乐巩悇映掷m(xù)發(fā)生。金融監(jiān)管部門可以利用現(xiàn)代電子信息技術(shù)對金融市場運行態(tài)勢進行實時監(jiān)控，及時掌握金融市場資金的流動狀況，加強對各金融子市場之間聯(lián)動效應(yīng)的追蹤分析，以便盡早發(fā)現(xiàn)異常，及時采取對策，防范系統(tǒng)性金融風(fēng)險的發(fā)生。

4.完善信息披露制度

信息不對稱是系統(tǒng)性金融風(fēng)險形成的原因之一，而現(xiàn)階段，山東省金融機構(gòu)信息不對稱的現(xiàn)象很常見。為了籌集到更多資金，在向金融機構(gòu)貸款時公司或個體會向金融機構(gòu)隱瞞自己的不利信息。而有時候金融風(fēng)險沒有被及時發(fā)現(xiàn)就是因為有些信息沒有被及時披露，政府無法及時發(fā)現(xiàn)潛在問題。因此，山東省應(yīng)加強對信息披露制度的管理及完善。在進行信息披露時，有關(guān)機構(gòu)應(yīng)加大對金融衍生品的信息披露。就目前而言，山東省的金融衍生品仍在發(fā)展階段，金融衍生品會隨著市場的發(fā)展不斷進行創(chuàng)新。規(guī)范這些金融衍生品的有關(guān)信息披露行為，有利于及時發(fā)現(xiàn)山東省的金融風(fēng)險狀況，防止因金融衍生品引起系統(tǒng)性金融風(fēng)險。

（二）非金融市場方面的建議

1.推動實體經(jīng)濟健康發(fā)展

防范系統(tǒng)性金融風(fēng)險的根基是實體經(jīng)濟的活力發(fā)展，實體經(jīng)濟健康發(fā)展對防范系統(tǒng)性金融風(fēng)險來說至關(guān)重要。

（1）化解過剩產(chǎn)能?？紤]到就業(yè)、政績等因素，有些地方政府讓大量過剩產(chǎn)能長時間存在，使得不少資金資源得不到合理利用。建議有關(guān)部門關(guān)掉一部分中低端過剩產(chǎn)能企業(yè)，提高環(huán)保標準來關(guān)停污染較為嚴重的過剩產(chǎn)能企業(yè)。鼓勵有富余的產(chǎn)能出口到別的國家，響應(yīng)國家的“一帶一路”倡議，加強山東省企業(yè)與其他國家和地區(qū)企業(yè)的產(chǎn)能合作。

（2）出清僵尸企業(yè)。僵尸企業(yè)指的是那些處于停產(chǎn)或持續(xù)虧損狀態(tài)，要靠政府補貼或者金融機構(gòu)借貸才能勉強經(jīng)營的企業(yè)。僵尸企業(yè)在一定程度上拖累了銀行，若僵尸企業(yè)在某家銀行借款過多，將會提高這家銀行的不良貸款率，使這家銀行的資產(chǎn)質(zhì)量下降。若僵尸企業(yè)的問題沒有得到很好的處理，可能會導(dǎo)致系統(tǒng)性的金融風(fēng)險，所以對于那些持續(xù)虧損且無法為山東省經(jīng)濟作出貢獻的企業(yè)要堅決關(guān)閉。

2.解決房地產(chǎn)調(diào)控問題

在海南發(fā)展銀行倒閉及美國次貸危機的案例中，房地產(chǎn)泡沫成為引發(fā)系統(tǒng)性金融風(fēng)險的一個重要因素，因此，山東省應(yīng)該吸取教訓(xùn)，做好房地產(chǎn)調(diào)控，將房地產(chǎn)價格穩(wěn)定在一個合理的水平。山東省政府應(yīng)該對房地產(chǎn)業(yè)的投資規(guī)模進行合理控制，滿足公眾合理的住房需求，鼓勵市民租賃住房，針對他人用購買住房來獲取利益的行為采取一定的對策進行抑制。有關(guān)部門對房地產(chǎn)行業(yè)的信貸業(yè)務(wù)進行監(jiān)督，防止房地產(chǎn)泡沫的出現(xiàn)。

3.加強對投資者的教育

為防止風(fēng)險的發(fā)生，就要讓投資者清楚風(fēng)險與利益并存，不要盲目跟風(fēng)投資，要謹慎做出投資決定。金融活動能夠得以進行，投資者與被投資者之間的信用關(guān)系很重要，一旦雙方的信用關(guān)系塌陷，金融風(fēng)險就會產(chǎn)生，銀行擠兌現(xiàn)象的發(fā)生就是存款人不再信任銀行造成的。而信用也是需要學(xué)習(xí)的，加強對投資者的教育，讓投資者了解金融體系的運行，使投資者不隨波逐流，不因謠言、恐慌做出不理智的行為。

[參考文獻]

Alessi L， Detken C. Quasi real time early warning indicators for costly asset price boom/bust cycles： a role for global liquidity[J]. European Journal of Political Economy， 2011， 27（3）： 520-533.

Acharya V V ， Pedersen L H， Philippon T， Richardson M. Measuring Systemic Risk[R]. New York： New York University Working Paper， 2010.

Brownlees C T， Engle R. Volatility， correlation and tails for systemic risk measurement[R]. New York： New York University， 2010.

范小云，王道平，方意.我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻測度與監(jiān)管—基于邊際風(fēng)險貢獻與杠桿率的研究[J].南開經(jīng)濟研究，2011（4）：3-20.

Adrian T， Brunnermeier M CoVaR. Federal Reserve Bank of New York Staff Report[EB/OL].[2019-06-30]. https：//ideas.repec.org/p/fip/fednsr/348.html.

陳守東，王妍.我國金融機構(gòu)的系統(tǒng)性金融風(fēng)險評估—基于極端分位數(shù)回歸技術(shù)的風(fēng)險度量[J].中國管理科學(xué)，2014，22（7）：10-17.

蘇帆. 系統(tǒng)性金融風(fēng)險測度及其網(wǎng)絡(luò)傳染機制研究[D].武漢：中南財經(jīng)政法大學(xué)，2017.

Gray D， Merton R C， Bodie Z. New framework for measuring and managing macro-financial risk and financial stability[EB/OL].[2019-06-20]. https：//www.nber.org/papers/w13607.

Castren O， Kavonius I K. Balance sheet inter linkages and macro-financial risk analysis in the euro area[EB/OL].[2019-06-19].https：//ideas.repec.org/p/ecb/ecbwps/20091124.html.

Saldias M. Systemic risk analysis using forward-looking distance-to-default series[EB/OL].[2019-06-19]. http：//www.doc88.com/p-1866948583344.html.

毛建林， 張紅偉. 基于CCA模型的我國銀行系統(tǒng)性金融風(fēng)險實證研究[J]. 宏觀經(jīng)濟研究， 2015（3）：94-102.

朱辰，華桂宏.互聯(lián)網(wǎng)金融對中國銀行業(yè)系統(tǒng)性風(fēng)險的影響—基于SCCA模型及逐步回歸法的實證研究[J].金融經(jīng)濟學(xué)研究，2018，33（2）：50-59.

Illing M，Liu Y. Measuring financial stress in a developed country： an application to Canada[J]. Journal of Financial Stability， 2006，2（3）： 243-265.

Cardarelli R，Selim E，Subir L. Financial stress，downturns，and recoveries[EB/OL]. [2019-06-19]. https：//www.imf.org/en/Publications/WP/Issues/2016/12/31/Financial-Stress-Downturns-and-Recoveries-22923.

賴娟，呂江林.基于金融壓力指數(shù)的金融系統(tǒng)性風(fēng)險的測度[J].統(tǒng)計與決策，2010（19）：128-131.

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)，2015（4）：69-78.

阮湛洋.我國系統(tǒng)性金融風(fēng)險指數(shù)的構(gòu)建與測算—基于CISS綜合指數(shù)方法[J].浙江金融，2017（5）：16-22.

郭娜，祁帆，張寧.我國系統(tǒng)性金融風(fēng)險指數(shù)的度量與監(jiān)測[J].財經(jīng)科學(xué)，2018（2）：1-14.

吳婷婷，徐松松.金融開放背景下中國系統(tǒng)性金融風(fēng)險測度研究[J].金融理論與教學(xué)，2019（2）：1-8.

商瑾.金融風(fēng)險及防范對策研究[D].北京：財政部財政科學(xué)研究所，2012.

馬建堂，董小君，時紅秀，徐杰，馬小芳.中國的杠桿率與系統(tǒng)性金融風(fēng)險防范[J].財貿(mào)經(jīng)濟，2016，37（1）：5-21.

鄭醒塵.澳大利亞防范系統(tǒng)性金融風(fēng)險的經(jīng)驗借鑒[N].中國經(jīng)濟時報，2016-05-18（005）.

胡濱.系統(tǒng)性金融風(fēng)險來源及防范[J].改革，2017（8）：41-44.

黃益平.防控中國系統(tǒng)性金融風(fēng)險[J].國際經(jīng)濟評論，2017（5）：80-96.

王朝陽，王文匯.中國系統(tǒng)性金融風(fēng)險表現(xiàn)與防范：一個文獻綜述的視角[J].金融評論，2018，10（5）：100-113.

[責(zé)任編輯 張桂霞]