張帥

【摘 要】 區(qū)域金融風險由于區(qū)域間經(jīng)濟發(fā)展的差異性顯得更加復雜，預防也更加困難。通過構建區(qū)域金融風險指數(shù)，對我國31個省、市、自治區(qū)（不含港、澳、臺）的金融風險進行評價及預測分析，研究得出：我國整體金融風險與六大區(qū)域呈現(xiàn)同步變化趨勢，基本呈現(xiàn)四個階段的變化特征，即緩慢上升、迅速下降、極速攀升、緩慢下降;四個階段中西北地區(qū)、西南地區(qū)、東北地區(qū)整體金融風險均普遍高于中南地區(qū)、華北地區(qū)、華東地區(qū)。預測結果顯示，2019—2023年我國及六大區(qū)域整體金融風險水平均有所下降，其中東北地區(qū)、西北地區(qū)、西南地區(qū)、中南地區(qū)整體風險水平均超過全國。針對我國區(qū)域金融風險呈現(xiàn)的差異性特征，要求金融風險防范措施應該差異化制定。

【關鍵詞】 指數(shù)法; 區(qū)域金融風險; 評價; 預測

【中圖分類號】 F830.2? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）06-0024-09

一、引言

隨著2008年美國金融危機及2010年歐洲債務危機的爆發(fā)，世界各國均開始關注國內(nèi)市場金融風險的防范問題。尤其隨著當前全球經(jīng)濟放緩、個別國家貿(mào)易保護主義抬頭等世界環(huán)境趨于復雜化的背景下，金融風險的產(chǎn)生及防范更加難以控制。就我國而言，隨著經(jīng)濟進入新常態(tài)化，金融市場暴露出的風險問題越來越多，加之市場監(jiān)管體系尚不完善，金融風險防范成為當前國內(nèi)關注的焦點。黨的十九大明確指出防范化解重大風險是三大攻堅戰(zhàn)之首，而防范化解重大風險尤其金融風險是當前及今后一段時間的首要工作任務。相對于國家整體金融風險的防范，區(qū)域金融風險由于區(qū)域間經(jīng)濟發(fā)展的差異性將顯得更加復雜，預防也更加困難，局部區(qū)域性的金融風險產(chǎn)生、傳染極有可能導致全國范圍內(nèi)金融危機的爆發(fā)。因此，區(qū)域金融風險問題的研究顯得異常重要及緊迫。

針對我國區(qū)域金融風險的研究主要體現(xiàn)在對不同省份區(qū)域金融的風險評價方面。姚星垣和郭福春[ 1 ]在浙江經(jīng)濟及金融現(xiàn)況評價的基礎上，通過構建金融風險評價指標體系對浙江省的金融風險狀態(tài)進行了評估。李建軍和盧少紅[ 2 ]采用浙江省11個市區(qū)的民間借貸樣本構建了Probit預警模型，研究得出該區(qū)域規(guī)模風險是民間金融風險的主要方面。譚中明[ 3 ]構建了包含經(jīng)濟環(huán)境、銀行市場、證券市場等在內(nèi)的8個層面的評價體系，采用指標權重法測算了江蘇省的區(qū)域金融風險狀態(tài)。賈拓等[ 4 ]從地方金融、地方經(jīng)濟及宏觀經(jīng)濟、金融三個層面構建了風險評價體系，采用MS-VAR模型對江蘇省泰州市的金融風險進行了考察。王哲[ 5 ]基于金融工程分析視角，采用資產(chǎn)負債表法對內(nèi)蒙古的金融風險狀態(tài)進行分析，研究發(fā)現(xiàn)金融市場發(fā)展的不完善是該地區(qū)金融風險產(chǎn)生的重要因素。楊茁[ 6 ]通過采用VAR模型對內(nèi)蒙古通遼市金融風險的影響因素進行了分析，并提出防范區(qū)域金融風險的相關建議。于華鑫[ 7 ]從省內(nèi)風險因素及外部沖擊因素兩個層面構建風險評價指標體系，并采用層次分析法對山東省的區(qū)域金融風險進行了度量，研究表明該區(qū)域整體金融風險呈現(xiàn)上升的態(tài)勢。劉麗等[ 8 ]從銀行市場、股票市場、房地產(chǎn)市場及外部金融市場四個層面進行考察，并采用CRITIC權重測算法構建金融壓力指數(shù)模型，對山東省系統(tǒng)性金融風險進行測度，結果顯示山東整體金融風險都在可控水平。楊陽[ 9 ]、張亮[ 10 ]分別從不同層面構建金融風險評價指標體系，均采用層次分析法對河南省區(qū)域金融風險進行了預警分析，但研究結論并不一致。胡志強[ 11 ]從區(qū)域經(jīng)濟、區(qū)域金融和影子銀行三個層面構建區(qū)域金融風險綜合評價指標體系，并運用熵值法對安徽省區(qū)域金融風險的演化趨勢進行了實證分析，結論顯示：安徽省區(qū)域金融風險呈現(xiàn)不斷上升態(tài)勢，主要體現(xiàn)在實體經(jīng)濟傳導和影子銀行體系的關聯(lián)傳染。田玲[ 12 ]采用主成分分析方法構建了湖南省金融風險指數(shù)，針對湖南省金融風險問題產(chǎn)生的原因提出了相應政策建議。杜黎霞[ 13 ]以甘肅省為例，就如何構建和創(chuàng)新微型金融機構風險防控機制進行分析，并提出了相關措施與建議。

整體來看，學者針對我國不同區(qū)域金融風險的研究個體差異性較為明顯，缺乏統(tǒng)一的指標評價體系及方法選擇，即使是針對同一區(qū)域不同學者所構建的風險指標體系也不相同，這就導致不同區(qū)域間金融風險的研究結果缺乏可對比性。本文試圖采用統(tǒng)一的風險評價指標體系，對我國31個省、市、自治區(qū)（不含港、澳、臺）構建金融風險指數(shù)[ 14 ]，通過對區(qū)域間金融風險的橫向對比及時間演化分析，從而明確區(qū)域間不同省份金融風險狀態(tài)的差異性，為區(qū)域金融風險政策的制定提供有價值的參考及借鑒。

二、區(qū)域金融風險評價指標體系構建

（一）指標初選

通過對已有文獻的總結及歸納，本文擬從宏觀經(jīng)濟、銀行市場、資本市場、保險市場及政府債務方面構建區(qū)域金融風險評價指標體系。

宏觀經(jīng)濟是影響區(qū)域金融風險的重要變量，其運行的穩(wěn)定與否直接關系到金融市場的風險狀態(tài)，也決定著其抵抗區(qū)域金融風險的能力強弱。本文初選的宏觀經(jīng)濟指標有GDP增長率（X1）、人均GDP增長率（X2）、固定資產(chǎn)投資增長率（X3）、工業(yè)產(chǎn)值增長率（X4）、居民消費價格指數(shù)（X5）、生產(chǎn)者價格指數(shù)（X6）。

銀行市場作為金融市場重要的組成部分，其業(yè)務范圍涉及經(jīng)濟社會領域的各個層面，其運行的健康狀態(tài)直接決定著金融市場風險的爆發(fā)與否。本文初選的銀行市場指標有不良貸款率（X7）、資本充足率（X8）、M2/GDP（X9）、貸款余額/存款余額（X10）。

資本市場作為資金流動規(guī)模最大的金融市場，已經(jīng)成為金融風險傳導的重要區(qū)域，其發(fā)展的完善程度決定了金融風險爆發(fā)的概率。本文初選的資本市場變量有股票市值/GDP（X11）、股票流通市值/GDP（X12）、股票交易周轉率（X13）。

保險市場作為居民、企業(yè)等個體參與數(shù)量最多的金融市場，已經(jīng)成為市場中資金供給的重要主體，也為其他投資機構抵抗區(qū)域金融風險提供了重要保障。本文初選的保險市場指標有保險密度（X14）、保險深度（X15）、保費收入增長率（X16）。

政府債務是當前衡量區(qū)域金融風險的重要變量，尤其是地方政府債務風險問題已經(jīng)成為區(qū)域金融風險爆發(fā)的導火索。本文初選的政府債務指標有政府債務償本付息/財政收入（X17）、政府發(fā)行債券收入/財政收入（X18）、政府財政收入/財政支出（X19）。

（二）顯著性檢驗

采用指數(shù)法進行區(qū)域金融風險評價時，指標數(shù)量并非越多越好，由于同類別指標之間的相似性較大，數(shù)量過多容易導致重要指標變量的權重設置受到稀釋，從而影響評價結果的準確性。因此，需要對初選的評價指標進行顯著性檢驗，從而篩選出有效的區(qū)域金融風險評價指標變量。本文選擇因子分析模型及變異系數(shù)分析法對同類別指標之間的關系進行檢驗，數(shù)據(jù)選擇2005—2018年全國整體數(shù)據(jù)（數(shù)據(jù)來源于各年份中國統(tǒng)計年鑒、中國金融年鑒、中國財政年鑒、中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫、Wind數(shù)據(jù)庫及國研網(wǎng)，下同），分析結果如表1所示。

通過對初選的區(qū)域金融風險評價指標進行顯著性檢驗，最終確定的風險評價指標有GDP增長率（X1）、居民消費價格指數(shù)（X5）、不良貸款率（X7）、股票流通市值/GDP（X12）、保險深度（X15）、政府發(fā)行債券收入/財政收入（X18）。

三、我國區(qū)域金融風險指數(shù)構建

（一）指標權重測算

通常對指標權重的測算有專家主觀賦權及統(tǒng)計方法測算賦權兩種方式，鑒于主觀賦權法操作性難以實現(xiàn)且缺乏統(tǒng)一標準，本文將采用客觀賦權法對區(qū)域金融風險指標進行權重的測算?？紤]到不同統(tǒng)計方法權重測算的優(yōu)缺點，本文將分別選擇CRITIC法、變異系數(shù)法、熵權法、相關系數(shù)法四種統(tǒng)計方法對權重進行計算，最后對四種測算進行算術平均作為最終的權重測算結果。

同樣以2005—2018年全國整體數(shù)據(jù)為樣本，對指標進行標準化處理，標準化的依據(jù)是對區(qū)域金融風險有促進作用的指標（X5、X7、X18）進行正向處理，反之則進行負向處理（X1、X12、X15）。指標測算結果如表2所示。

（二）指數(shù)合成結果

通過對我國31個省、市、自治區(qū)（不含港、澳、臺）風險評價指標進行標準化處理，并根據(jù)公式Fij=Xij*λI，可測算出我國整體及31個省、市、自治區(qū)在2005—2018年的金融風險值大小，分別如圖1及表3、表4所示。

從圖1可以看出，我國金融風險整體呈現(xiàn)四個階段的變化特征，首先從2005年的0.2791上升至2008年的0.4239，接著下降至2010年的0.2539，隨后攀升至2013年的最高點，達到0.4969，然后緩慢降低至2018年的0.3535，具體分區(qū)域來看：

第一階段（2005—2008年）：我國六大區(qū)域金融風險在該階段均呈現(xiàn)緩慢上升的態(tài)勢，西北地區(qū)、東北地區(qū)、中南地區(qū)、西南地區(qū)在該階段的金融風險平均水平均高于全國。其中西北地區(qū)整體風險水平最高，由2005年的0.3234上升至2008年的0.6004，平均風險指數(shù)達到0.4038，比全國高0.0802，而西北地區(qū)的青海（0.4793）、寧夏（0.4067）兩個省份的金融風險平均水平整體高于其他省份，同時超過該區(qū)域的平均風險狀態(tài);東北地區(qū)、中南地區(qū)、西南地區(qū)金融風險整體水平分別排在第二、第三、第四位，平均風險指數(shù)分別達到0.3771、0.3537、0.3383，分別比全國高0.0535、0.0301、0.0147。其中東北地區(qū)的遼寧（0.3235），中南地區(qū)的廣東（0.2761）、湖北（0.3482），西南地區(qū)的重慶（0.3189）、西藏（0.3160）的金融風險指數(shù)低于該區(qū)域的平均水平，而其余省份均高于該區(qū)域金融風險的整體水平。華東地區(qū)（0.2951）、華北地區(qū)（0.2967）在該階段的整體金融風險指數(shù)均低于全國，其中華東地區(qū)的上海（0.1875）、浙江（0.2721）、福建（0.2896），華北地區(qū)的北京（0.1660）、天津（0.2918）整體金融風險狀態(tài)低于該區(qū)域的平均水平，而其他剩余省份則均高于該區(qū)域整體金融風險水平。

第二階段（2008—2010年）：我國六大區(qū)域金融風險在該階段均呈現(xiàn)快速下降的態(tài)勢，但整體平均風險指數(shù)均高于第一階段。六大區(qū)域間整體金融風險的排名情況相比第一階段并未發(fā)生變化，風險指數(shù)從高往低依然是西北地區(qū)（0.4859）、東北地區(qū)（0.4740）、中南地區(qū)（0.4341）、西南地區(qū)（0.3906）、華北地區(qū)（0.3284）、華東地區(qū)（0.3260）。其中西北地區(qū)、東北地區(qū)、中南地區(qū)整體風險水平超過全國，風險指數(shù)分別比全國高0.1244、0.1125、0.0725;華北地區(qū)、華東地區(qū)整體風險狀態(tài)低于全國，風險指數(shù)分別比全國少0.0331、0.0356。從區(qū)域內(nèi)各省份金融風險的變化來看，西北地區(qū)除青海（0.5851）外其余省份金融風險整體狀態(tài)均低于該區(qū)域平均水平，中南地區(qū)、華東地區(qū)則分別新增廣西（0.4114）、江蘇（0.3184）省份金融風險降低至該區(qū)域平均水平，西南地區(qū)西藏較第一階段整體風險有所提升，風險指數(shù)比該區(qū)域高0.0181，東北地區(qū)、華北地區(qū)較第一階段均未出現(xiàn)明顯變化。

第三階段（2010—2013年）：我國六大區(qū)域金融風險在該階段均呈現(xiàn)緩慢上升的態(tài)勢，但整體平均風險狀態(tài)均低于第二階段。而六大區(qū)域間整體金融風險的排名情況相比第一、二階段發(fā)生一定變化，其中東北地區(qū)（0.3605）金融風險指數(shù)超過西北地區(qū)（0.3532），排在第一位，華東地區(qū)（0.3259）金融風險指數(shù)超過西南地區(qū)（0.3194）、華北地區(qū)（0.3146），升至第四位，中南地區(qū)依然排在第三位。東北地區(qū)、西北地區(qū)、中南地區(qū)、華東地區(qū)、西南地區(qū)、華北地區(qū)金融風險分別較第二階段減少0.1135、0.1327、0.0910、0.0001、0.0712、0.0138。其中該階段東北地區(qū)、西北地區(qū)、中南地區(qū)整體風險水平超過全國，風險指數(shù)分別比全國高0.0337、0.0264、0.0162;華東地區(qū)、西南地區(qū)、華北地區(qū)整體風險狀態(tài)低于全國，風險指數(shù)分別比全國少0.0010、0.0074、0.0387。從區(qū)域內(nèi)各省份金融風險的變化情況來看，大部分區(qū)域內(nèi)省份呈現(xiàn)低于區(qū)域金融風險平均水平數(shù)量降低的狀態(tài)。其中西北地區(qū)、西南地區(qū)、華東地區(qū)、華北地區(qū)分別除新疆（0.3340）、西藏（0.2894）、上海（0.2206）、北京（0.2088）外其余省份金融風險整體狀態(tài)均高于該區(qū)域平均水平;中南地區(qū)則除廣東（0.3041）、海南（0.3171）外其余省份金融風險指數(shù)均高于該區(qū)域平均水平;東北地區(qū)較第一、二階段均未出現(xiàn)明顯變化。

第四階段（2013—2018年）：我國六大區(qū)域金融風險在該階段均呈現(xiàn)緩慢下降的態(tài)勢，但整體平均風險狀態(tài)均高于前三階段。而六大區(qū)域間整體金融風險的排名情況相比第三階段稍微發(fā)生變化，即華東地區(qū)（0.3572）風險指數(shù)由第四位下降至第六位，而西南地區(qū)（0.3987）、華北地區(qū)（0.3671）則分別上升一位。東北地區(qū)、西北地區(qū)、中南地區(qū)、西南地區(qū)、華北地區(qū)、華東地區(qū)金融風險分別較第三階段增加0.1147、0.0929、0.0587、0.0793、0.0525、0.0314。其中該階段東北地區(qū)、西北地區(qū)、中南地區(qū)、西南地區(qū)整體風險水平超過全國，風險指數(shù)分別比全國高0.0867、0.0577、0.0133、0.0103;華北地區(qū)、華東地區(qū)整體風險狀態(tài)低于全國，風險指數(shù)分別比全國少0.0214、0.0312。從區(qū)域內(nèi)各省份金融風險的變化情況來看，與第三階段相比，該階段低于各區(qū)域金融風險平均水平的省份數(shù)量上升，其中西北地區(qū)新增甘肅（0.4249）、陜西（0.4218），西南地區(qū)新增重慶（0.3768），華東地區(qū)新增江蘇（0.3568）、浙江（0.3348），華北地區(qū)新增天津（0.3640），中南地區(qū)新增湖北（0.3899），東北地區(qū)較前三階段均未出現(xiàn)明顯變化。

四、區(qū)域金融風險指數(shù)預測

（一）預測模型選擇

灰色系統(tǒng)理論在小樣本容量的預測方面具有明顯優(yōu)勢，且已得到國內(nèi)外學者的廣泛認可。它通過對已知樣本進行有效信息的提取，從而達到對系統(tǒng)的運行規(guī)律及變化趨勢進行有效預測的目的，其核心思想是構建灰色動態(tài)模型，主要方法是用動態(tài)方程描述樣本序列的變化。傳統(tǒng)的GM（1，1）灰色系統(tǒng)模型適用于樣本數(shù)據(jù)變化符合指數(shù)函數(shù)形式的預測，但針對滿足其他函數(shù)形式的時間序列的預測能力則相對較弱，應用范圍存在很大局限性，而進行優(yōu)化及完善的Verhulst模型及DGM（1，1）模型則有效解決了該難題。

為確保預測結果的準確性，本文將分別采用兩種模型對我國及31個省、市、自治區(qū)區(qū)域金融風險評價指標給予預測，選擇兩種預測值的均值作為最終的預測結果。

（二）預測結果分析

本文選擇的預測基期為2005—2018年，預測期限為5年，通過對預測后的風險評價指標體系進行標準化處理，并采用表2中的指標權重進行指數(shù)合成，可得到2019—2023年我國及31個省、市、自治區(qū)區(qū)域金融風險指數(shù)，如表5所示。

整體來看，我國整體金融風險水平在2019—2023年波動幅度較小，風險指數(shù)均值維持在0.2991，整體風險平均水平有所下降，風險指數(shù)分別較第一、二、三、四階段減少0.0245、0.0624、0.0278、0.0894。

從六大區(qū)域金融風險指數(shù)的變化情況來看，基本呈現(xiàn)緩慢下降的趨勢，華北地區(qū)（0.2961）、東北地區(qū)（0.4242）、華東地區(qū)（0.2936）、中南地區(qū)（0.3210）、西南地區(qū)（0.3564）、西北地區(qū)（0.3927）風險指數(shù)分別由2018年的0.3146、0.4380、0.3055、0.3429、0.3780、0.4147縮減至2023年的0.2957、0.4261、0.2941、0.3168、0.3500、0.3891，整體平均風險指數(shù)分別較第四階段減少0.0709、0.0510、0.0636、0.0808、0.0423、0.0535。而六大區(qū)域間整體金融風險的排名情況相比第四階段發(fā)生稍微變化，即西南地區(qū)（0.3564）風險指數(shù)超過中南地區(qū)（0.3210），升至第三位。此外，該階段東北地區(qū)、西北地區(qū)、西南地區(qū)、中南地區(qū)整體風險水平超過全國，風險指數(shù)分別比全國高0.1252、0.0936、0.0573、0.0219;華北地區(qū)、華東地區(qū)整體風險狀態(tài)低于全國，風險指數(shù)分別比全國少0.0029、0.0055。從區(qū)域內(nèi)各省份金融風險的變化情況來看，華北地區(qū)的北京（0.1521）、中南地區(qū)的廣東（0.1855）及東北地區(qū)的遼寧（0.3976）和黑龍江（0.4195）金融風險指數(shù)分別低于該區(qū)域整體水平，其余省份金融風險均高于該區(qū)域平均水平，而西北地區(qū)、西南地區(qū)、華東地區(qū)中各省份風險狀態(tài)與該區(qū)域平均水平相比較第四階段并未出現(xiàn)明顯變化。

五、主要結論及啟示

本文通過構建區(qū)域金融風險指數(shù)，對我國31個省、市、自治區(qū)（不含港、澳、臺）的金融風險進行了評價及預測分析，主要得出以下結論：

第一，2005—2018年我國整體金融風險與六大區(qū)域呈現(xiàn)同步變化趨勢，基本呈現(xiàn)四個階段的變化特征，即緩慢上升、迅速下降、極速攀升、緩慢下降。雖然第四階段整體金融風險指數(shù)處于下降態(tài)勢，但整體平均風險高于前三個階段，充分反映了當前我國整體金融風險仍然處于較高水平，風險防控壓力依然較大。

第二，經(jīng)濟發(fā)展水平差的地區(qū)整體金融風險水平較高，四個階段中西北地區(qū)、西南地區(qū)、東北地區(qū)整體金融風險均普遍高于中南地區(qū)、華北地區(qū)、華東地區(qū)，而六大區(qū)域內(nèi)風險水平較高的省份依然是經(jīng)濟基礎較為薄弱，金融市場發(fā)展不完善，如青海、寧夏等。中南地區(qū)、華北地區(qū)、華東地區(qū)中部分省份的金融風險指數(shù)雖然高于該區(qū)域內(nèi)的平均水平，但整體基本低于西北地區(qū)、西南地區(qū)、東北地區(qū)大部分省份的金融風險指數(shù)。

第三，預測結果顯示，我國整體金融風險水平在2019—2023年較第一、二、三、四階段有所下降，六大區(qū)域的平均金融風險指數(shù)較第四階段均有所降低。東北地區(qū)、西北地區(qū)、西南地區(qū)、中南地區(qū)整體風險水平超過全國，而華北地區(qū)、華東地區(qū)整體風險狀態(tài)則低于全國。

整體來看，我國區(qū)域金融風險呈現(xiàn)明顯的差異性特征，這就要求金融風險防范措施應該差異化制定，而不能采取“一刀切”的金融監(jiān)管政策。經(jīng)濟欠發(fā)達地區(qū)金融市場發(fā)展不健全，企業(yè)融資途徑有限，導致風險主要集中在銀行市場，銀行不良貸款率普遍較高;同時，地方政府收入來源有限，債務風險頗高。因此針對欠發(fā)達地區(qū)在發(fā)展經(jīng)濟的同時，重要的是提高金融市場的完善程度，提升資金的流動效率，有效降低資金過度集中在銀行市場的風險;同時應該給予優(yōu)惠的金融發(fā)展政策，提高金融服務實體經(jīng)濟的能力。而對經(jīng)濟發(fā)展水平相對較高的東部地區(qū)，金融市場較為完善，金融風險抵抗能力較強，應該不斷加快金融創(chuàng)新，積極融入國際金融市場，提升國際競爭力水平;同時有針對性地將資金向欠發(fā)達地區(qū)進行合理流動轉移，在資金合理配置的基礎上，為欠發(fā)達地區(qū)金融市場提供更多的資金流動性，從而促進我國區(qū)域經(jīng)濟的協(xié)調穩(wěn)定發(fā)展。

【參考文獻】

[1] 姚星垣，郭福春.構建浙江省區(qū)域金融風險預警體系研究[J].浙江金融，2008（5）：17-19.

[2] 李建軍，盧少紅.區(qū)域民間金融風險預警方法與實證分析：以浙江省為例[J].金融監(jiān)管研究，2013（2）：81-96.

[3] 譚中明.區(qū)域金融風險預警系統(tǒng)的設計和綜合度量[J].軟科學，2010（3）：69-74.

[4] 賈拓，姚金樓，王承萍，等.區(qū)域系統(tǒng)性金融風險的識別與防范：以泰州為例[J].上海金融，2012（12）：102-107.

[5] 王哲.內(nèi)蒙古區(qū)域金融風險研究：基于宏觀金融工程的視角[D].武漢大學碩士學位論文，2011.

[6] 楊茁.新常態(tài)下區(qū)域金融風險防范研究：通遼市個案實證[J].北方金融，2015（9）：73-75.

[7] 于華鑫.山東省系統(tǒng)性金融風險識別及其估測[D].山東財經(jīng)大學碩士學位論文，2011.

[8] 劉麗，郭春梅，楊繼梅.山東省系統(tǒng)性金融風險的測度及防范研究[J].北方金融，2019（9）：60-67.

[9] 楊陽.河南省金融風險預警系統(tǒng)及金融風險防范研究[D].河南大學碩士學位論文，2011.

[10] 張亮.河南省區(qū)域金融風險預警機制構建研究[D].鄭州大學碩士學位論文，2014.

[11] 胡志強.基于熵值法的區(qū)域金融風險度量研究：以安徽省為例[J].區(qū)域金融研究，2016（12）：44-49.

[12] 田玲.湖南防范金融風險問題研究[J].現(xiàn)代營銷，2019（12）：107-108.

[13] 杜黎霞.西部欠發(fā)達地區(qū)微型金融風險預警機制探析：基于甘肅省的考量[J].蘭州文理學院學報，2019（11）：107-108.

[14] 屈劍峰.基于綜合指數(shù)法的金融系統(tǒng)性風險測度[J].會計之友，2020（2）：105-110.