劉鳳根，王一丁，張敏，王敬童

(1.湖南工商大學(xué) 財政金融學(xué)院，湖南 長沙 410205；2.湖南工商大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院，湖南 長沙 410205；3.湖南工商大學(xué) 理學(xué)院，湖南 長沙 410205)

一、引言

金融是現(xiàn)代經(jīng)濟(jì)的核心，確保金融大局安全穩(wěn)定對鞏固社會經(jīng)濟(jì)建設(shè)成果和推動經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。自黨的十九大明確將防范和化解重大風(fēng)險作為三大攻堅戰(zhàn)之一以來，經(jīng)過近年來的全面監(jiān)管與集中治理，防范和化解重大金融風(fēng)險已取得重要的階段性成果，系統(tǒng)性金融風(fēng)險的上升勢頭得到有效遏制。但必須充分認(rèn)識到，在當(dāng)前國內(nèi)房地產(chǎn)金融化、銀行不良資產(chǎn)攀升、地方政府隱性債務(wù)積聚等“灰犀?！眴栴}仍十分嚴(yán)峻的形勢下，國際、國內(nèi)宏觀經(jīng)濟(jì)環(huán)境的深刻變化與沖擊也在不斷醞釀和激發(fā)潛在的“黑天鵝”金融風(fēng)險，金融調(diào)控仍面臨不小的挑戰(zhàn)。為此，在對重點金融領(lǐng)域進(jìn)行監(jiān)測治理的同時，應(yīng)當(dāng)逐步推動建立全覆蓋、多方位的系統(tǒng)性金融風(fēng)險預(yù)警體系，提升綜合預(yù)警能力，探明監(jiān)管盲區(qū)，細(xì)化宏觀審慎管理框架，更好地為實體經(jīng)濟(jì)高質(zhì)量發(fā)展保駕護(hù)航。

自2007年美國次貸危機(jī)以來，關(guān)于系統(tǒng)性金融風(fēng)險的預(yù)警一直是學(xué)術(shù)界關(guān)注的熱點，各國學(xué)者采用不同研究方法建立了各具特色的系統(tǒng)性金融風(fēng)險預(yù)警監(jiān)測體系(Billio 等，2016；Huang等，2021)[1-2]。中國經(jīng)濟(jì)自2013年下半年進(jìn)入“經(jīng)濟(jì)新常態(tài)”以來，經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和增速放緩等帶來的宏觀經(jīng)濟(jì)沖擊和經(jīng)濟(jì)政策不確定性上升都對金融體系產(chǎn)生了明顯的風(fēng)險溢出效應(yīng)，系統(tǒng)性金融風(fēng)險爆發(fā)的概率顯著上升。總體而言，當(dāng)前國內(nèi)系統(tǒng)性金融風(fēng)險的監(jiān)測預(yù)警研究主要側(cè)重于金融體系內(nèi)部的風(fēng)險因素(淳偉德和肖楊，2018；李敏波和梁爽，2021)[3-4]，缺少對宏觀經(jīng)濟(jì)基本面和政策環(huán)境等外部因素的充分考慮，事實上并不足以對中國系統(tǒng)性金融風(fēng)險進(jìn)行準(zhǔn)確刻度，由此獲得的預(yù)警機(jī)制和預(yù)防政策不僅無法對系統(tǒng)性金融風(fēng)險進(jìn)行有效防控，甚至還可能誤導(dǎo)金融監(jiān)管部門的系統(tǒng)性金融風(fēng)險監(jiān)管決策。

因此，從系統(tǒng)性金融風(fēng)險的形成機(jī)理出發(fā)，充分考慮宏觀經(jīng)濟(jì)等外部因素對系統(tǒng)性金融風(fēng)險的影響構(gòu)建一個系統(tǒng)性金融風(fēng)險綜合指數(shù)進(jìn)行動態(tài)測度，并據(jù)此進(jìn)行系統(tǒng)性金融風(fēng)險的預(yù)警研究，對提早甄別防范系統(tǒng)性金融風(fēng)險發(fā)生，保證金融穩(wěn)定和宏觀經(jīng)濟(jì)健康發(fā)展尤其重要。

二、文獻(xiàn)綜述

(一)系統(tǒng)性金融風(fēng)險的成因

總體來看，系統(tǒng)性金融風(fēng)險從醞釀到爆發(fā)往往是內(nèi)外部因素相互交織、共同演化的結(jié)果。就內(nèi)部因素而言，系統(tǒng)性金融風(fēng)險主要與機(jī)構(gòu)個體因素和金融體系因素有關(guān)。具體地，主要包括金融機(jī)構(gòu)自身脆弱性、金融體系聯(lián)動性與傳染效應(yīng)、金融市場脆弱性三個方面(Giglio等，2016；何青等，2018；歐陽資生等，2019)[5-7]。首先，金融機(jī)構(gòu)自身脆弱性是系統(tǒng)性風(fēng)險的內(nèi)生根源。資產(chǎn)負(fù)債期限錯配和高杠桿經(jīng)營等特性決定了金融機(jī)構(gòu)具有內(nèi)在不穩(wěn)定性(Minsky，1985)[8]。具體而言，杠桿率過高、資產(chǎn)價格膨脹、信貸順周期性、過度創(chuàng)新傾向等反映金融機(jī)構(gòu)脆弱性特定輪廓的因素都是可能引致系統(tǒng)性金融風(fēng)險集聚的基礎(chǔ)性因素(楊海珍等，2020)[9]。其次，風(fēng)險傳染是系統(tǒng)性金融風(fēng)險的核心內(nèi)涵。金融機(jī)構(gòu)由于業(yè)務(wù)往來和共同資產(chǎn)持有等形成復(fù)雜關(guān)聯(lián)，當(dāng)一個金融機(jī)構(gòu)受到嚴(yán)重?fù)p失，將會通過資產(chǎn)負(fù)債表、金融市場、投資者情緒等渠道迅速波及與之相關(guān)的其他機(jī)構(gòu)，最終對整個金融系統(tǒng)造成嚴(yán)重沖擊(Fang等，2018)[10]。除直接傳染效應(yīng)，各金融子市場之間的交叉累積疊加效應(yīng)也進(jìn)一步放大了初始風(fēng)險在金融體系中的風(fēng)險溢出(李優(yōu)樹和張敏，2021)[11]。最后，由于信息不對稱和順周期特性等導(dǎo)致的金融市場脆弱性也是系統(tǒng)性金融風(fēng)險積聚和溢出的重要來源(劉鳳根和周馭艦，2018)[12]，市場脆弱性主要表現(xiàn)在兩方面：一是金融市場的波動性和不穩(wěn)定性，如規(guī)模過度集中、市場杠桿率過高帶來的金融市場大幅震蕩；二是金融市場流動性供給不足和信用風(fēng)險。

宏觀經(jīng)濟(jì)基本面變動和政策變遷往往是驅(qū)動系統(tǒng)性金融風(fēng)險的主要外部因素。作為聯(lián)結(jié)盈余部門和赤字部門的橋梁，金融體系不僅承擔(dān)著自身貨幣資金運(yùn)營的風(fēng)險，而且承擔(dān)著來自外部宏觀經(jīng)濟(jì)各種不利變動所引發(fā)的風(fēng)險(馬勇，2011)[13]。金融機(jī)構(gòu)的經(jīng)營行為和資產(chǎn)狀況具有很強(qiáng)的“順周期”特點，當(dāng)經(jīng)濟(jì)處于低迷期時，企業(yè)和個人財務(wù)狀況的下滑會直接影響銀行貸款的償付能力，更容易催生不良貸款，抬高銀行的“壞賬率”，嚴(yán)重時還會導(dǎo)致公眾信心受挫，引發(fā)恐慌性“擠兌”和資產(chǎn)拋售，進(jìn)而通過金融機(jī)構(gòu)和市場關(guān)聯(lián)導(dǎo)致更大范圍的金融危機(jī)(方意和陳敏，2019)[14]。宏觀經(jīng)濟(jì)變動對金融市場長期波動會產(chǎn)生顯著影響，且呈現(xiàn)出較強(qiáng)的持續(xù)效應(yīng)(劉鳳根等，2020)[15]。關(guān)于政策變動對系統(tǒng)性金融風(fēng)險的影響研究，學(xué)者們圍繞財政政策、貨幣政策和宏觀審慎政策、經(jīng)濟(jì)政策不確定性等方面進(jìn)行了廣泛研究(方意等，2019；金成曉和姜旭，2021；歐陽資生等，2021)[16-18]。特別地，經(jīng)濟(jì)政策不確定性在系統(tǒng)性金融風(fēng)險積累和爆發(fā)過程所起作用備受關(guān)注。首先，經(jīng)濟(jì)政策不確定性會對金融機(jī)構(gòu)流動性管理、資產(chǎn)負(fù)債表結(jié)構(gòu)和盈利狀況等具有直接影響(Hu和Gong，2019；田國強(qiáng)和李雙建，2020)[19-20]；其次經(jīng)濟(jì)政策不確定性的攀升也可能直接導(dǎo)致金融市場震蕩和風(fēng)險傳染(楊子暉等，2020)[21]。最后，經(jīng)濟(jì)政策不確定性對于宏觀基本面走勢具有重要影響，經(jīng)濟(jì)政策不確定性的增大可能導(dǎo)致經(jīng)濟(jì)復(fù)蘇乏力，間接引起金融體系不穩(wěn)定和風(fēng)險加劇(Baker等，2016)[22]。

(二)系統(tǒng)性金融風(fēng)險的預(yù)警研究

在長期的理論研究和實踐總結(jié)中，學(xué)者們圍繞系統(tǒng)性金融風(fēng)險預(yù)警的探索主要形成了以下三種思路：一是基于單個金融子系統(tǒng)表現(xiàn)和重要性來監(jiān)測預(yù)警系統(tǒng)性金融風(fēng)險，相關(guān)研究主要集中于銀行業(yè)和股票市場(Wang等，2021；李辰穎，2020)[23-24]。二是以金融體系整體表現(xiàn)為基礎(chǔ)構(gòu)建綜合指數(shù)的預(yù)警研究(Huang等，2021；李敏波和梁爽，2021)[2],[4]。三是設(shè)計前瞻性單一指標(biāo)進(jìn)行預(yù)警(Patro等，2013；楊子暉和李東承，2021)[25-26]。由于綜合指數(shù)法能夠更好地從宏觀審慎視角將各個金融子系統(tǒng)納入統(tǒng)一框架，進(jìn)行動態(tài)刻畫和整體分析，目前已成為學(xué)界和業(yè)界進(jìn)行系統(tǒng)性金融風(fēng)險預(yù)警的主流方法。

盡管綜合指數(shù)法的應(yīng)用十分普遍，但由于危機(jī)表現(xiàn)形式和金融市場復(fù)雜程度等的差異，基礎(chǔ)指標(biāo)的選取不盡相同。21世紀(jì)前，金融危機(jī)的早期預(yù)警指數(shù)(Early Warning Index，EWI)主要通過回顧歷次大型金融危機(jī)發(fā)生時的宏觀經(jīng)濟(jì)變動，尋找危機(jī)間的共同點作為指標(biāo)備選的考量。在EWI盛行期間，由于現(xiàn)實中的金融危機(jī)多以貨幣危機(jī)呈現(xiàn)，學(xué)者們通常圍繞宏觀經(jīng)濟(jì)變量或貨幣變量進(jìn)行指標(biāo)篩選和體系構(gòu)建，實證中較多用于評估危機(jī)的有效指標(biāo)包括國際儲備、通貨膨脹率、實際GDP增長、貨幣增長和財政赤字等(Kaminsky和Reinhart，1999)[27]。隨著20世紀(jì)末到21世紀(jì)初金融危機(jī)的密集爆發(fā)，作為一種適用性更廣、有效性更好的指數(shù)方法——金融壓力指數(shù)(Financial Stress Index，F(xiàn)SI)應(yīng)運(yùn)而生(Illing 和Liu，2003)[28]。該指數(shù)由一國主要金融市場的相關(guān)指標(biāo)體系構(gòu)成，更強(qiáng)調(diào)金融體系的關(guān)聯(lián)性。FSI指標(biāo)范圍通常覆蓋了股票、債券、外匯市場和銀行部門，更適用于分析擁有眾多系統(tǒng)重要性金融機(jī)構(gòu)和市場的金融體系。次貸危機(jī)后，在國際金融組織推廣和各國學(xué)者、監(jiān)管機(jī)構(gòu)改進(jìn)下，發(fā)達(dá)經(jīng)濟(jì)體和發(fā)展中國家都形成了各具特色的衍生指數(shù)，如美國堪薩斯城聯(lián)儲金融壓力指數(shù)(Hakkio和Keeton，2009)[29]、德國金融壓力指數(shù)(Roye，2014)[30]、黎巴嫩金融壓力指數(shù)(Ishrakieh等，2020)[31]等。國內(nèi)學(xué)者對于中國金融壓力指數(shù)的研究也逐步豐富，如陳雨露和馬勇(2013)[32]主要基于金融層面選取指標(biāo)構(gòu)建中國“金融失衡指數(shù)”；徐國祥和李波(2017)[33]選取銀行、股票、債券和外匯市場相關(guān)指標(biāo)采用因子分析法構(gòu)建日頻“中國金融壓力指數(shù)”。

有效的預(yù)警系統(tǒng)除了要對基礎(chǔ)指標(biāo)予以充分考慮外，模型選擇也十分關(guān)鍵。2008年次貸危機(jī)以前，主流方法是基于歷史金融危機(jī)結(jié)果的早期預(yù)警模型。代表性模型包括FR單位概率模型(Frankel和Rose，1996)[34]、KLR信號分析法模型(Kaminsky等，1998)[35]、Logit模型(Kumar等，2003)[36]和Probit模型(Bussiere和Fratzscher，2006)[37]等。傳統(tǒng)預(yù)警模型的共同缺陷在于：(1)金融危機(jī)被看作是二元變量，無法刻畫金融風(fēng)險的連續(xù)變化和嚴(yán)重程度，存在一定程度的信息損失；(2)對于沒有明確歷史經(jīng)驗和國際慣例參照的指標(biāo)，往往采用主觀評價的方式選取預(yù)警界限；(3)以歷史經(jīng)驗為主要依據(jù)也導(dǎo)致該類方法缺乏動態(tài)調(diào)整，不能夠及時反映現(xiàn)實經(jīng)濟(jì)環(huán)境的發(fā)展變化。到21世紀(jì)初，基于金融危機(jī)和系統(tǒng)性風(fēng)險形成過程中的典型事實，并考慮經(jīng)濟(jì)主題行為和市場動態(tài)過程的模型逐漸興起，更多學(xué)者開始采用馬爾科夫區(qū)制轉(zhuǎn)移模型、機(jī)器學(xué)習(xí)方法等進(jìn)行預(yù)警研究(Huang等，2021[2])。相較于機(jī)器學(xué)習(xí)方法，馬爾科夫區(qū)制轉(zhuǎn)移模型在保證預(yù)測能力的同時，能夠兼顧經(jīng)濟(jì)理論支持，且具有信息最大化利用和動態(tài)風(fēng)險刻畫等良好特性。此外，該模型相較傳統(tǒng)的早期預(yù)警模型也有以下幾方面的優(yōu)勢：(1)模型采用金融壓力指數(shù)等連續(xù)的因變量，避免了一定程度的信息損失；(2)通過狀態(tài)變量在高低風(fēng)險之間的平滑轉(zhuǎn)換來確定所處的風(fēng)險等級反映風(fēng)險狀態(tài)轉(zhuǎn)換的動態(tài)性，且運(yùn)用最大似然估計模型得到高風(fēng)險出現(xiàn)的具體時段，不必事先設(shè)定指標(biāo)閾值標(biāo)注風(fēng)險和預(yù)估高風(fēng)險出現(xiàn)的時間。作為一種系統(tǒng)性金融風(fēng)險預(yù)警的成熟方法，馬爾科夫區(qū)制轉(zhuǎn)移模型在國內(nèi)研究中被廣泛應(yīng)用。王維國和王際皓(2016)[38]基于金融壓力指數(shù)方法分別構(gòu)建貨幣、銀行、資產(chǎn)價格壓力指數(shù)，并通過MSIH-VAR模型識別三類金融風(fēng)險的風(fēng)險狀態(tài)；陶玲和朱迎(2016)[39]選取金融市場、金融機(jī)構(gòu)和政府部門指標(biāo)合成系統(tǒng)性金融風(fēng)險綜合指數(shù)，利用馬爾科夫區(qū)制轉(zhuǎn)移模型對風(fēng)險狀態(tài)進(jìn)行了預(yù)測；李敏波和梁爽(2021)[4]從債券、股票、貨幣和外匯市場選取指標(biāo)合成金融壓力指數(shù)，通過MS-AR模型判斷近年中國金融市場處于中低壓力狀態(tài)，總體運(yùn)行平穩(wěn)。

(三)文獻(xiàn)評述

在對相關(guān)文獻(xiàn)進(jìn)行梳理時發(fā)現(xiàn)，較多利用綜合指數(shù)法的系統(tǒng)性金融風(fēng)險預(yù)警研究在構(gòu)建指標(biāo)體系時側(cè)重于金融體系內(nèi)部的風(fēng)險因素，而缺乏對外部因素的充分考慮，特別是宏觀經(jīng)濟(jì)變動和政策變遷的影響。事實上，從系統(tǒng)性金融風(fēng)險的成因看，宏觀經(jīng)濟(jì)變動與政策變遷等外部沖擊是系統(tǒng)性金融風(fēng)險積聚和爆發(fā)的重要誘因，忽略這一點可能導(dǎo)致對系統(tǒng)性金融風(fēng)險測度偏誤，由此獲得的預(yù)警機(jī)制和預(yù)防政策不僅無法對系統(tǒng)性金融風(fēng)險進(jìn)行有效防控，甚至還可能誤導(dǎo)金融監(jiān)管部門的系統(tǒng)性金融風(fēng)險監(jiān)管決策。因此，以系統(tǒng)性風(fēng)險成因為基礎(chǔ)，將金融體系內(nèi)部因素和宏觀經(jīng)濟(jì)、經(jīng)濟(jì)政策變動等外部因素共同納入系統(tǒng)性金融風(fēng)險預(yù)警體系，采用馬爾科夫區(qū)制轉(zhuǎn)移模型進(jìn)行系統(tǒng)性金融風(fēng)險的預(yù)警研究具有重要意義。

本文內(nèi)容安排如下：第一部分為引言；第二部分為相關(guān)研究綜述；第三部分為中國系統(tǒng)性金融風(fēng)險綜合指數(shù)的構(gòu)建；第四部分為基于馬爾科夫區(qū)制轉(zhuǎn)移模型對系統(tǒng)性風(fēng)險的狀態(tài)和拐點進(jìn)行識別與預(yù)測；第五部分為結(jié)論。

三、系統(tǒng)性金融風(fēng)險綜合指數(shù)的構(gòu)建

根據(jù)系統(tǒng)性金融風(fēng)險的內(nèi)、外部驅(qū)動因素，本文選取的系統(tǒng)性金融風(fēng)險基礎(chǔ)指標(biāo)涵蓋宏觀經(jīng)濟(jì)、政府政策、金融機(jī)構(gòu)、金融市場(貨幣、債券、股票、外匯和房地產(chǎn)市場)共八個維度。首先，依據(jù)選取的各維度代表性指標(biāo)采用主成分分析法編制系統(tǒng)性風(fēng)險維度指數(shù)，以更好地探明系統(tǒng)性風(fēng)險的主要來源及其在各維度的生成變化機(jī)制；在此基礎(chǔ)上，為充分體現(xiàn)系統(tǒng)性金融風(fēng)險的跨市場傳染特征，通過各維度之間的時變相關(guān)性，對維度之間相關(guān)性較高的情況給予更高賦權(quán)，對維度之間相關(guān)性較低的情況給予較小賦權(quán)，以此將維度指數(shù)合成綜合指數(shù)，實現(xiàn)對系統(tǒng)性風(fēng)險的總體動態(tài)監(jiān)測。

(一)基礎(chǔ)指標(biāo)的選取

基礎(chǔ)指標(biāo)選取是系統(tǒng)性金融風(fēng)險綜合指數(shù)構(gòu)建的前提。本文基于系統(tǒng)性金融風(fēng)險的成因，從宏觀經(jīng)濟(jì)、政策變化等外部因素和金融體系脆弱性、傳染性等內(nèi)部因素兩方面設(shè)計系統(tǒng)性金融風(fēng)險指標(biāo)體系。指標(biāo)選取充分遵循科學(xué)性、系統(tǒng)性和可實踐性等原則，在前述關(guān)于系統(tǒng)性金融風(fēng)險成因的文獻(xiàn)綜述基礎(chǔ)上，參考借鑒Illing 和Liu(2003)[28]、徐國祥和李波(2017)[33]等國內(nèi)外學(xué)者相關(guān)研究，力求反映中國宏觀經(jīng)濟(jì)、政策環(huán)境、金融體系對系統(tǒng)性金融風(fēng)險影響的實際情況。選取的各維度基礎(chǔ)指標(biāo)如表1 所示。

表1 各維度基礎(chǔ)指標(biāo)池

續(xù)表

宏觀經(jīng)濟(jì)維度主要關(guān)注經(jīng)濟(jì)周期變動(A1—A5)、通貨膨脹程度(A6)、經(jīng)濟(jì)貨幣化程度(A7)、外部經(jīng)濟(jì)沖擊(A8)。政府政策維度重點反映財政政策意向(B1—B2)、貨幣政策意向(B3—B4)、經(jīng)濟(jì)政策不確定程度(B5)對系統(tǒng)性風(fēng)險的影響。金融機(jī)構(gòu)維度主要關(guān)注金融機(jī)構(gòu)面臨的信貸違約風(fēng)險、流動性風(fēng)險和運(yùn)營壓力，其中M2與M1剪刀差(C2)收窄表示市場流動性有所提高，經(jīng)濟(jì)活躍度上升；C3—C4表示當(dāng)短期貸款余額貸款增速或總貸款增速超過GDP增速時，風(fēng)險有所上升；C5反映流動性，中長期貸款在總貸款中占比越高，則流動性越差；C6—C7表示銀行業(yè)、保險業(yè)等金融機(jī)構(gòu)的經(jīng)營壓力。股票市場維度的壓力積聚主要體現(xiàn)在市場波動率(D1)加劇、市場繁榮程度(D2—D3)的抬升和整體估值水平(D4—D5)過高。對債券市場維度監(jiān)測主要關(guān)注市場的波動性(E1)、信用風(fēng)險(E2)、流動性風(fēng)險(E3)以及投資者預(yù)期情緒(E3—E4)等。對貨幣市場維度的監(jiān)測主要側(cè)重于市場短期資金的流動性狀況和信用風(fēng)險，其中，F(xiàn)1主要反映短期資金的供求狀況，利率越高代表市場中的短期流動性越緊張；F2反映信用利差；F3主要反映期限利差，系統(tǒng)性風(fēng)險較大時，短期資金需求和避險情緒的提升通常會導(dǎo)致利差擴(kuò)大。通過外匯市場考察國際經(jīng)濟(jì)金融變動對于系統(tǒng)性金融風(fēng)險的影響，G1—G2反映應(yīng)對外匯市場大幅沖擊的能力；G3反映人民幣匯率的穩(wěn)定程度；G4表明國內(nèi)經(jīng)濟(jì)對外的吸引力。無論基于國際經(jīng)驗還是國內(nèi)實際，房地產(chǎn)市場都是影響金融體系穩(wěn)定性的重要因素。房價波動(H1)增大了抵押品價值波動，提高信貸風(fēng)險；房地產(chǎn)市場繁榮程度(H1—H3)的過快提升也會積聚潛在的系統(tǒng)性風(fēng)險隱患；房地產(chǎn)企業(yè)貸款資金占比(H4)高會增加高杠桿經(jīng)營帶來的流動性緊張和違約風(fēng)險；房地產(chǎn)景氣程度(H5)過高或過低對于實體經(jīng)濟(jì)和金融體系都可能帶來沖擊。

(二)維度指數(shù)的合成

由于各維度基礎(chǔ)指標(biāo)的性質(zhì)、量綱和量級不同，在利用主成分分析法合成維度指數(shù)前需對指標(biāo)標(biāo)準(zhǔn)化，本文采用離差標(biāo)準(zhǔn)化進(jìn)行處理。具體地，對于正向、負(fù)向和適度指標(biāo)的處理方法分別如式(1)、式(2)和式(3)所示：

(1)

(2)

Xij=

(3)

本文采用協(xié)方差矩陣作為主成分分析的輸入，以保留各指標(biāo)在離散程度上的特性，同時避免低估或夸大指標(biāo)的相對離散程度，按照主成分選取要求累計貢獻(xiàn)率超過85%的經(jīng)驗標(biāo)準(zhǔn)提取主成分。利用主成分分析法計算的各維度指數(shù)如圖1所示：

圖1 系統(tǒng)性金融風(fēng)險維度指數(shù)

(三)綜合指數(shù)的構(gòu)建

在維度指數(shù)基礎(chǔ)上，為充分刻畫系統(tǒng)性金融風(fēng)險的跨市場聯(lián)動性與傳染特征，借鑒Hollo等(2012)[40]、李敏波和梁爽(2021)[4]的方法，以各維度間的時變相關(guān)系數(shù)為權(quán)重，對維度之間相關(guān)性較高的情況給予更高賦權(quán)，而對相關(guān)性較低情況給予較小賦權(quán)，以此將維度指數(shù)合成綜合指數(shù)，實現(xiàn)對系統(tǒng)性風(fēng)險的綜合監(jiān)測，具體地：

SFRCIt=(wt·pt)Ct(wt·pt)'

(4)

其中，常向量wt=(ω1,ω2,…,ω8)表示各維度指數(shù)的初始權(quán)重向量，在沒有顯著實證證據(jù)表明某個維度持續(xù)性地比其他維度對系統(tǒng)性風(fēng)險貢獻(xiàn)度更高的情況下，本文對八個維度賦予初始等權(quán)重，即ωi=0.125；pt=(α1t,α2t,…,α8t)表示t時刻各維度的指數(shù)值；wt·pt表示Hadamard積；Ct為各維度指數(shù)的時變相關(guān)系數(shù)矩陣。

(5)

各維度指數(shù)之間的時變相關(guān)系數(shù)為ρij,t隨著時間變化，具體表達(dá)式如下：

ρij,t=σij,t/(σi,t·σj,t)

(6)

(7)

(8)

圖2 系統(tǒng)性金融風(fēng)險綜合指數(shù)

進(jìn)一步地，本文依據(jù)宏觀經(jīng)濟(jì)和金融體系的實際運(yùn)行情況對SFRCI進(jìn)行適當(dāng)說明：

在2007年4月至2007年12月，國際金融危機(jī)的爆發(fā)前夕，系統(tǒng)性金融風(fēng)險不斷積聚主要來源于國內(nèi)股票市場的過度繁榮，同期其他維度風(fēng)險水平相對較低。2008年1月至2008年12月，伴隨著外部國際金融危機(jī)爆發(fā)的風(fēng)險溢出不斷加大，國內(nèi)股票市場暴跌，宏觀經(jīng)濟(jì)和其他金融市場受到波及，政策不確定性增大，系統(tǒng)性金融風(fēng)險迅速提高。

2009—2010年，隨著次貸危機(jī)風(fēng)險的逐步釋放，全球經(jīng)濟(jì)波動趨向緩和，中國經(jīng)濟(jì)在政策刺激下企穩(wěn)回升，金融市場總體平穩(wěn)，金融體系較為穩(wěn)健，但“四萬億計劃”加速信貸與貨幣增幅擴(kuò)張的弊端隨后逐步顯現(xiàn)，潛在違約風(fēng)險上升，金融脆弱性加強(qiáng)，導(dǎo)致系統(tǒng)性金融風(fēng)險在后期隨之加劇。2011—2013年，宏觀經(jīng)濟(jì)總體穩(wěn)定，但經(jīng)濟(jì)發(fā)展中不平衡、不協(xié)調(diào)和不可持續(xù)問題逐步凸顯。同時，貨幣市場、外匯市場等市場波動逐步加大，系統(tǒng)性金融風(fēng)險高位波動。

2014—2015年，中國逐步進(jìn)入“經(jīng)濟(jì)新常態(tài)”，結(jié)構(gòu)性產(chǎn)能問題比較突出，企業(yè)杠桿率高居不下，經(jīng)濟(jì)政策不確定性加強(qiáng)等導(dǎo)致外部沖擊不斷加劇。同時，受實體經(jīng)濟(jì)影響，商業(yè)銀行不良貸款率有所抬升，股票市場高漲導(dǎo)致金融市場劇烈波動，系統(tǒng)性金融風(fēng)險出現(xiàn)攀升。

2016—2017年，盡管經(jīng)濟(jì)轉(zhuǎn)型與供給側(cè)結(jié)構(gòu)性改革仍面臨壓力，但在積極的財政政策與穩(wěn)健的貨幣政策的推動下，經(jīng)濟(jì)增速企穩(wěn)回升，物價水平保持穩(wěn)定，產(chǎn)業(yè)結(jié)構(gòu)得到優(yōu)化。金融體系內(nèi)部，銀行業(yè)改革逐步推行，資產(chǎn)質(zhì)量下行壓力趨緩，信用風(fēng)險總體可控；金融市場穩(wěn)定運(yùn)行，市場投機(jī)情緒得到抑制。

2018—2019年，中國金融體系面臨的內(nèi)外部形勢明顯復(fù)雜，防范和化解系統(tǒng)性金融風(fēng)險成為三大攻堅戰(zhàn)之一。從國際因素看，世界經(jīng)濟(jì)復(fù)蘇緩慢，貿(mào)易保護(hù)主義影響逐步擴(kuò)大，國內(nèi)實體經(jīng)濟(jì)發(fā)展受到牽連，金融市場對國際局勢的敏感性不斷增強(qiáng)。國內(nèi)方面，經(jīng)濟(jì)下行壓力有所加大，經(jīng)濟(jì)發(fā)展過程中的一些深層次矛盾逐漸暴露，經(jīng)濟(jì)政策不確定性不斷加大也加劇了宏觀經(jīng)濟(jì)的波動與金融體系的不穩(wěn)定。重點領(lǐng)域，如影子銀行、地方政府債務(wù)、房地產(chǎn)金融化等存量金融風(fēng)險有待進(jìn)一步化解，互聯(lián)網(wǎng)金融等增量金融風(fēng)險逐步暴露，監(jiān)管機(jī)構(gòu)需要逐步推進(jìn)治理。

2020年初，全球政治經(jīng)濟(jì)局勢更加復(fù)雜嚴(yán)峻，特別地，新冠肺炎疫情對中國乃至全球經(jīng)濟(jì)帶來前所未有的沖擊，內(nèi)外部經(jīng)濟(jì)不確定與經(jīng)濟(jì)政策不確定性均顯著加大，系統(tǒng)性金融風(fēng)險防范面臨巨大挑戰(zhàn)。在國務(wù)院“六穩(wěn)”“六?！惫ぷ鞑渴鹣?，監(jiān)管當(dāng)局及時增加流動性供給，引導(dǎo)金融機(jī)構(gòu)發(fā)揮“服務(wù)實體經(jīng)濟(jì)”功能，有力地支持宏觀經(jīng)濟(jì)恢復(fù)和金融體系的穩(wěn)定。此外，近年來中國在防范化解系統(tǒng)性金融風(fēng)險過程中，宏觀杠桿率過快攀升勢頭得到有效遏制、重大金融風(fēng)險得到有序化解等，守住了不發(fā)生系統(tǒng)性金融風(fēng)險的底線，系統(tǒng)性金融風(fēng)險攻堅戰(zhàn)取得重要階段性成果。

四、風(fēng)險狀態(tài)識別與預(yù)測

系統(tǒng)性風(fēng)險的積聚變化和金融危機(jī)的爆發(fā)往往呈現(xiàn)出顯著的非線性特征(Giglio等，2016)[5]。因此，為了更好地對系統(tǒng)性風(fēng)險的狀態(tài)和拐點進(jìn)行識別與預(yù)測，考慮系統(tǒng)性金融風(fēng)險綜合指數(shù)在動態(tài)變化中存在三種狀態(tài)區(qū)制，即低風(fēng)險、中風(fēng)險和高風(fēng)險水平，本文構(gòu)建馬爾科夫區(qū)制轉(zhuǎn)移模型如下：

SFRCIt=μt(st)+εt(st)

(9)

P(st=j|st-1=i,st-2=k,…)=

P(st=j|st-1=i)

(10)

因此，設(shè)狀態(tài)變量st的轉(zhuǎn)移概率矩陣P表示為：

(11)

本文采用Hamilton濾波推斷轉(zhuǎn)移概率，并運(yùn)用極大似然法求出各參數(shù)估計值，馬爾科夫區(qū)制轉(zhuǎn)移模型的估計結(jié)果如表2所示。由表2可知，風(fēng)險狀態(tài)越高，區(qū)制下的條件均值和隨機(jī)誤差項估計值越大，即“低風(fēng)險低波動、高風(fēng)險高波動”。設(shè)平滑概率表示連續(xù)兩期為同一風(fēng)險狀態(tài)的轉(zhuǎn)移概率，通過風(fēng)險狀態(tài)轉(zhuǎn)移概率矩陣可知，低風(fēng)險、中風(fēng)險和高風(fēng)險的平滑概率分別為0.9405、0.9583和0.9195，三種狀態(tài)的平滑概率均大于0.7，表明三種狀態(tài)的區(qū)分度顯著。另外，中風(fēng)險狀態(tài)的持續(xù)期最長，平均持續(xù)期接近24個月。

表2 馬爾科夫區(qū)制轉(zhuǎn)移模型的估計結(jié)果

本文設(shè)定當(dāng)風(fēng)險狀態(tài)的平滑概率大于0.5時為對應(yīng)的風(fēng)險狀態(tài)區(qū)域。圖3由上到下展示了2007年4月—2021年6月中國系統(tǒng)性金融風(fēng)險處在低、中、高風(fēng)險狀態(tài)區(qū)域的平滑概率?？傮w而言，由馬爾科夫區(qū)制轉(zhuǎn)移模型識別的系統(tǒng)性風(fēng)險狀態(tài)區(qū)域與本文前述分析的系統(tǒng)性金融風(fēng)險總體壓力程度基本吻合。同時，由圖3可知，2021年以來，中國正處在系統(tǒng)性金融風(fēng)險的中風(fēng)險區(qū)域。結(jié)合當(dāng)前風(fēng)險狀態(tài)的平滑概率以及風(fēng)險狀態(tài)平均持續(xù)期和轉(zhuǎn)移概率，預(yù)測未來短時期內(nèi)系統(tǒng)性風(fēng)險保持中風(fēng)險狀態(tài)的概率仍然較大。

圖3 系統(tǒng)性金融風(fēng)險狀態(tài)平滑概率

五、結(jié)論

本文從系統(tǒng)性金融風(fēng)險的成因與形成機(jī)理出發(fā)，建立涵蓋宏觀經(jīng)濟(jì)、政策變化等外部因素和金融體系脆弱性、傳染性等內(nèi)部因素的系統(tǒng)性金融風(fēng)險指標(biāo)體系，利用主成分分析法和時變相關(guān)系數(shù)法構(gòu)建2007年4月—2021年6月的系統(tǒng)性金融風(fēng)險綜合指數(shù)，并基于馬爾科夫區(qū)制轉(zhuǎn)移模型對系統(tǒng)性風(fēng)險的狀態(tài)和拐點進(jìn)行了識別預(yù)測。研究表明：(1)通過樣本區(qū)間內(nèi)現(xiàn)實經(jīng)濟(jì)金融壓力事件，并結(jié)合馬爾科夫區(qū)制轉(zhuǎn)移模型對風(fēng)險狀態(tài)的識別結(jié)果來看，充分考慮內(nèi)、外部因素的系統(tǒng)性金融風(fēng)險綜合指數(shù)能夠較好地反映系統(tǒng)性風(fēng)險的總體動態(tài)變化；同時，各維度指數(shù)對于局部風(fēng)險來源也具有較好的識別能力。(2)根據(jù)馬爾科夫區(qū)制轉(zhuǎn)移模型對風(fēng)險狀態(tài)的識別，當(dāng)前中國系統(tǒng)性金融風(fēng)險總體處于中度風(fēng)險狀態(tài)，且通過風(fēng)險狀態(tài)的平滑概率、平均持續(xù)期與轉(zhuǎn)移概率判斷，短期內(nèi)保持這一狀態(tài)的概率較大，這對于提早甄別和主動防范化解系統(tǒng)性金融風(fēng)險具有重要作用。