李潔

摘 要：本文以陜西省月度數據為基礎，利用CRITIC賦權法構建陜西省金融風險指數，結合宏觀經濟、地方經濟、地方金融3個一級指標以及16個二級指標對2013-2018年陜西省金融風險進行測度。實證結果顯示2013-2015年陜西省金融風險基本處于一般水平，從2016年開始陜西省金融風險處于較低區(qū)域。

關鍵詞：陜西省金融風險;風險測度;風險識別

中圖分類號：F23 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2020.29.053

作為金融工作的根本性任務的防范金融風險事關國家安全、發(fā)展安全、人民財產安全，應始終作為金融工作中的重點。近年來，陜西省金融業(yè)的快速發(fā)展，2018年全省金融業(yè)增加值的GDP占比穩(wěn)定在6%左右，可見金融業(yè)對于區(qū)域經濟發(fā)展的貢獻率越來越大。因此，防范化解陜西省金融風險是地區(qū)經濟穩(wěn)定發(fā)展的必備條件。

1 文獻綜述

隨著金融業(yè)混業(yè)經營的發(fā)展，關于金融風險防范的研究被國內外學者關注，國內學者大多從宏觀、微觀、區(qū)域三個角度出發(fā)對區(qū)域金融風險進行研究。如謝坤（2019）通過對31個省市進行實證分析，認為區(qū)域金融風險呈現由西部再到東部地區(qū)依次上升的態(tài)勢，最后提出了防范省域系統(tǒng)性風險的對策。李明強（2019）從區(qū)域經濟、區(qū)域金融和影子銀行三個層面運用熵值法構建山東省金融風險指標。李健（2018）則從銀行、證券、保險、互聯(lián)網金融四個子系統(tǒng)構建區(qū)域金融風險預警體系，對防范區(qū)域金融風險提出建議。通過文獻梳理，考慮宏觀、微觀;全國和地區(qū)經濟、金融發(fā)展特點的同時，結合陜西省經濟、金融發(fā)展現狀對陜西省金融風險水平進行測度和識別研究。

2 陜西省金融風險的監(jiān)測

2.1 指標選取與數據處理

本文對于陜西省金融風險的監(jiān)測從宏觀經濟、地區(qū)經濟、地區(qū)金融三個一級指標出發(fā)，進一步選取16個二級指標共同構建陜西省金融風險指標體系。其中，宏觀經濟指標的選取GDP增長率、M2/GDP、國家財政收入增長率、外匯儲備增長率、企業(yè)家信心指數變動率，共5個二級指標。地區(qū)經濟指標選取結合陜西省經濟發(fā)展特點共選取7個二級指標，包括地區(qū)國內生產總值增長率、地區(qū)進出口總額增長率、地區(qū)財政收入增長率、地區(qū)財政支出增長率、地區(qū)工業(yè)增加值增長率，還將地區(qū)社會消費品零售總額累計增長率和地區(qū)固定資產投資完成額增長率考慮在內，以便反映地區(qū)消費水平和房地產市場對金融風險的影響。地區(qū)金融指標的選取從金融業(yè)四大支柱產業(yè)的角度出發(fā)，考慮陜西省信托業(yè)起步較晚，發(fā)展程度有限，故主要從銀行業(yè)、證券業(yè)和保險業(yè)選取地區(qū)存款變動率、地區(qū)貸款變動率、地區(qū)證券交易額變化率和地區(qū)保費收入變化率，共4個二級指標。

由于月度數據更能清晰準確的反映地區(qū)金融面臨的風險，同時考慮數據的可得性，本文選取2013年到2018年共72個月度數據進行研究。數據來源于陜西省統(tǒng)計局、陜西省統(tǒng)計年鑒等。

在數據處理方面，由于指標在選取時均為增長率或變化率，因此不需要進行去量綱化。對于沒有月度數據的指標使用Eviews將相應的季度數據進行頻度轉換，并用SPSS對缺失數據進行補齊。經過上述數據處理，得到了各指標的完整數據。

2.2 指標合成

指標體系賦權的方法主要分為客觀賦權法和主觀賦權法，其中使用較為普遍的是客觀賦權法和組合賦權法。本文選用客觀賦值法中的CRITIC法進行風險指數的合成，該方法不僅考慮了指標變異性問題，還考慮了指標間的相關性，其計算公式為：

其中，ωj表示第j個指標的權重，Cj為關于指標標準差和相關系數的函數，計算公式為：

δj為第j個指標的標準差，rij為第j個指標與第i個指標的相關系數。

首先，分別對各類二級指標進行描述性統(tǒng)計分析，得到各二級風險指標間的相關系數矩陣和每個指標的標準差。將相關系數和標準差數據代入式（2）計算出Cj，進一步通過式（1）得出3類風險指標內的二級指標權重，結果如下：

其次，根據公式（3）（4）（5）可計算出2013-2018年陜西省宏觀經濟金融、地區(qū)經濟、地區(qū)金融三個一級指標，并由此得出各一級指標間的相關系數和各指標的標準差。

最后，根據一級指標相關系數和標準差，通過公式（1）（2）對三類風險進行合成，得到陜西省金融風險指標為：

從公式（6）可以看出，陜西省金融風險指標中地方經濟和地方金融的權重較大，說明該指數對于地區(qū)經濟金融的體現比較明顯，具有較強的針對性。由于所選的二級指標具有較強的季節(jié)性，為了防止季節(jié)因素對金融風險指數的影響，采用X-12季節(jié)調整法對風險指數進行季節(jié)調整。

3 陜西省金融風險的識別

通過構建陜西省金融風險指數，可以基本了解了陜西省金融風險的總體情況，但僅通過金融風險指數尚不能直觀的判斷風險的水平，為此需要對金融風險指數進行識別，即通過具體的數值或范圍來判斷陜西省金融風險處于怎樣的危險階段。在金融風險識別的方法中，使用較多的有三種：第一種是將歷史上發(fā)生金融危機時的風險指數作為參考值，若某時期風險指數超過這一值，則認為該時期風險較大。第二種是根據指數的平均值，若金融風險指數超過一定百分比的均值時，則認為此時金融風險較高;第三種是根據金融風險指數均值的1.5倍或2倍標準差設置區(qū)間，以指數是否超過該區(qū)間進行判定。以上三種方法，前兩種方法主觀性過強，且適用性弱。因此本文選用第三種方法根據風險指數均值的2倍標準差對陜西省金融風險指數進行識別。金融風險識別指數公式為：

根據公式（7）計算出陜西省金融風險識別指數以反映陜西省金融風險的變化趨勢，如圖2所示。以[-1，0]為識別區(qū)間，若識別指數大于0則認為風險水平較高;[-1，0]內則認為風險水平一般;若識別指數小于-1則認為風險水平較低。

從圖1可以看出，在2013-2018年共72個樣本中，曾出現6次風險水平較高的情況，即風險識別指數大于0。其中4次出現在2013年初，1次出現在2014年末，另一次則在2015年初，這一結果與現實情況相一致。從宏觀經濟來看，我國從2012年開始結束近20年10%的高速經濟增長，2013年我國的經濟增速為7.7%，我國經濟發(fā)展進入“新常態(tài)”，經濟發(fā)展面臨“三期疊加”的特殊階段。結合陜西省的現實情況來看，2013年由于煤炭價格斷崖式下跌，榆林民間借貸崩盤，房價腰斬，整個地區(qū)信用系統(tǒng)遭受重創(chuàng)，全市金融風險達600多億元，使得依賴能源經濟發(fā)展的陜西省金融風險走高。2015年前兩個季度陜西省的金融風險主要是受2015年股災和石油價格暴跌的影響，使得地區(qū)金融面臨較大風險。

總體來看，雖然通過中央政府對于“千股跌?！背雠_相應的救市政策，采取寬松的貨幣政策，多次降準;地方政府為解決房價問題對房價進行調控，清理地方庫存，在一定程度上使得金融風險趨于穩(wěn)定。但陜西省金融風險水平并沒有明顯的降低，對于地區(qū)金融風險的防控還是應當得到足夠的重視。

4 陜西省金融風險的防范

4.1 地方經濟方面

4.1.1 推動實體經濟健康發(fā)展

陜西省實體經濟偏重于重工業(yè)的發(fā)展，由于面臨產業(yè)機構轉型升級、生態(tài)環(huán)境保護、產能過剩等問題，地方實體經濟發(fā)展受到嚴重制約，發(fā)展速度緩慢，缺乏有影響力的名牌企業(yè)。雖然全省生產總值排名靠前，但在本省內的投資、消費不高，很難將地方總產出高效的循環(huán)利用。

4.1.2 對房地產市場進行合理調控

近年來，陜西省房價增速在全國排名較高，有關部門應對房地產業(yè)的投資規(guī)模控制在合理范圍，在滿足公眾合理的住房需求的同時對炒房、存房的行為采取一定的政策抑制，例如可以從稅收、信貸規(guī)模和方向、購房政策等方面入手。

4.2 地方金融方面

4.2.1 建立精準的金融信息統(tǒng)計機制

金融數據是金融業(yè)發(fā)展的指向標和晴雨表，對于防范金融風險有著極其重要的作用。但陜西省金融數據十分分散，對于金融數據的披露較為籠統(tǒng)。建議有關部門建立專門的金融數據中心，以便于對地方金融風險進行實時有效的監(jiān)控。

4.2.2 強化對金融機構的監(jiān)管

因金融機構管理不善，監(jiān)管不到位而引發(fā)金融風險的例子屢見不鮮，例如瑞士銀行巨額虧損、巴林銀行倒閉、美國AIG公司面臨破產等。目前來說，陜西省對于金融機構的監(jiān)管有待加強，同時，金融機構的內部控制制度并不完善，組織機構不合理，權利過于分散。針對金融機構監(jiān)管問題，陜西省的金融機構應多與東部發(fā)展較快的省份進行交流學習，引進先進的管理制度和方法。

參考文獻

[1]謝坤，夏琦.我國省域系統(tǒng)性金融風險的測度分析[J].農村金融研究，2019，（05）：35-39.

[2]王森，王賀.區(qū)域金融風險、風險暴露維度與風險防范考量——基于山西省的數據分析[J].經濟問題，2019，（05）：46-57.

[3]李明強.區(qū)域金融風險預警體系構建研究——以山東省為例[J].西部金融，2019，（04）：84-87.

[4]李鍵.區(qū)域金融風險分類及預警體系研究[J].現代商業(yè)，2018，（08）：97-98.

[5]饒勛乾.基于壓力指數的金融風險預警指標體系構建[J].統(tǒng)計與決策，2015，（07）：20-22.