李雅婷

（新疆財經(jīng)大學(xué) 金融學(xué)院，新疆 烏魯木齊 830012）

一、引言

信息時代，先進的科學(xué)技術(shù)不斷革新，進一步推動了經(jīng)濟全球化和貿(mào)易自由化走向深入，也直接加強了國際金融交往交流，金融作為要素在“地球村”流動。全球化的金融發(fā)展促進了國際貿(mào)易往來，提供了更多就業(yè)崗位，也全面提升了金融服務(wù)質(zhì)量，但這也讓金融面臨更多新的風(fēng)險和挑戰(zhàn)。2008年美國次貸危機、2010年歐洲債務(wù)危機，都使全球金融市場嚴重動蕩，造成的破壞和危害前所未有。2020年新冠肺炎疫情在全球擴散，這個“黑天鵝”使全球貿(mào)易緊縮、經(jīng)濟交往停滯，涌現(xiàn)大波失業(yè)潮，甚至出現(xiàn)了從未有過的美股在兩周內(nèi)4次熔斷的現(xiàn)象，可見各國經(jīng)濟深度綁定的同時也加重了金融風(fēng)險隱患。小范圍內(nèi)的金融危機會直接引發(fā)“蝴蝶效應(yīng)”波及全球，經(jīng)濟衰退、通貨膨脹等問題往往一同出現(xiàn)，新的經(jīng)濟危機周期越短，造成的危害越嚴重，各國不得不將防范金融風(fēng)險作為金融體系建設(shè)和維護的重要任務(wù)。因此，針對國際金融風(fēng)險問題的研究尤為重要。

二、文獻綜述

目前，國內(nèi)學(xué)者對金融風(fēng)險測度的研究主要集中在我國區(qū)域性金融風(fēng)險測度和預(yù)警方面，以及對我國不同地區(qū)金融風(fēng)險進行評價。譚中明（2010）構(gòu)建了外部影響和內(nèi)部影響兩個分系統(tǒng)組成區(qū)域金融風(fēng)險預(yù)警系統(tǒng)，通過主觀綜合賦權(quán)法對江蘇省的金融風(fēng)險進行測度[1]。胡志強（2016）從區(qū)域經(jīng)濟、區(qū)域金融和影子銀行體系三個方面構(gòu)建金融風(fēng)險綜合評價指標(biāo)體系，運用熵值法賦權(quán)度量安徽省的金融風(fēng)險演化趨勢[2]。劉麗和郭春梅等（2019）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)市場等對山東省系統(tǒng)性金融風(fēng)險進行測度[3]。

金融風(fēng)險評價指標(biāo)體系從最初的宏觀經(jīng)濟、金融機構(gòu)、銀行體系不斷擴大，根據(jù)研究對象的特點加入不同行業(yè)指標(biāo)，完善指標(biāo)體系。黃思杰和李因果（2021）結(jié)合江蘇省發(fā)展特點，將房地產(chǎn)、企業(yè)發(fā)展等高風(fēng)險納入金融風(fēng)險體系中，采用神經(jīng)網(wǎng)絡(luò)建立江蘇省金融風(fēng)險預(yù)警模型[4]。王曉婷和劉愛紅等（2019）通過編制山西省非金融企業(yè)部門、金融部門、政府部門、家戶部門賬面宏觀資產(chǎn)負債表、或有權(quán)益宏觀資產(chǎn)負債表，構(gòu)建了區(qū)域金融風(fēng)險評價指數(shù)[5]。朱曉華（2020）把區(qū)域能源工業(yè)和區(qū)域技術(shù)開發(fā)作為重要維度，納入金融風(fēng)險監(jiān)測預(yù)警體系，通過熵值法度量我國2018年煤炭儲量排名前6的省（區(qū)）的金融風(fēng)險[6]。

對于國際金融風(fēng)險的研究主要集中于金融風(fēng)險傳染方面。祝寶江和王煒琪等（2019）以中美兩國投資者情緒為研究對象，構(gòu)建中美兩國投資者情緒指標(biāo)，通過Copula驗證二者之間的相關(guān)性和傳染性[7]。杜子平和高立寶（2013）采用分層條件Copula函數(shù)方法，以美國、日本、英國、中國臺灣和中國香港五個市場的主要股指作為研究對象，通過比較2008年金融危機后股指間的相關(guān)性，對股指危機傳染路徑進行初步分析[8]。

綜上所述，國內(nèi)針對金融風(fēng)險測度方面的研究主要基于各省（區(qū)、市）、地區(qū)間的測度，且沒有統(tǒng)一的金融風(fēng)險指標(biāo)評價體系，導(dǎo)致研究結(jié)果缺乏可比性；國際方面，各學(xué)者針對金融風(fēng)險的研究主要集中在國際金融風(fēng)險傳染方面，針對各個國家的風(fēng)險測度的研究較少。本文將采用統(tǒng)一的金融風(fēng)險指標(biāo)評價體系，對發(fā)達國家美國、英國、法國、日本、意大利，發(fā)展中國家中國、印度、南非、俄羅斯、巴西共10個國家構(gòu)建金融風(fēng)險指數(shù)，通過對各國間金融風(fēng)險的橫向?qū)Ρ?，探究各國金融風(fēng)險的差異，為各國應(yīng)對金融風(fēng)險制定對策提供參考。

三、金融風(fēng)險評價指標(biāo)體系的構(gòu)建

（一）指標(biāo)選擇

本文在已有文獻的基礎(chǔ)上總結(jié)、歸納，根據(jù)可收集數(shù)據(jù)的情況，最終從宏觀經(jīng)濟、銀行市場、外匯市場以及國際債務(wù)四個方面構(gòu)建金融風(fēng)險評價指標(biāo)體系。

宏觀經(jīng)濟對金融市場的發(fā)展有重要影響，穩(wěn)定、良好的宏觀經(jīng)濟形勢對金融市場產(chǎn)生促進作用，增強投資者信心；波動、惡化的宏觀經(jīng)濟形勢對金融市場產(chǎn)生扼制作用，引起市場恐慌。本文選取GDP增長率（X1）、通貨膨脹率（X2）、失業(yè)率（X3）3個指標(biāo)進行衡量。

銀行市場的不斷壯大，對各個領(lǐng)域都會產(chǎn)生影響。經(jīng)驗表明，金融危機通常伴隨著銀行市場的動蕩。銀行市場的正常運行對金融市場的平穩(wěn)發(fā)展有著極其重要的作用。本文選取不良貸款率（X4）、M2增長率（X5）、M2/GDP（X6）和銀行信貸 /GDP（X7）4 個指標(biāo)進行衡量。

外匯市場作為資本流動性最大的市場，是國家進行國際經(jīng)濟活動時極具綜合性的判斷指標(biāo)，其穩(wěn)定性直接影響整個國家的金融風(fēng)險發(fā)生率。本文選取股票市值 /GDP（X8）、匯率（X9）、匯率波動率（X10）和外匯儲備/GDP（X11）4個指標(biāo)進行衡量。

國際債務(wù)是衡量金融風(fēng)險的重要依據(jù)，同時也是引發(fā)國家金融風(fēng)險的導(dǎo)火索。國際債務(wù)危機不僅會使債務(wù)國的通貨膨脹加劇，還會延緩債權(quán)國的經(jīng)濟恢復(fù)，產(chǎn)生嚴重的國際影響。本文選取短期外債/外債（X12）、外債 /外匯儲備（X13）、外債 /GDP（X14）3 個指標(biāo)進行衡量。

（二）樣本選取及數(shù)據(jù)來源

根據(jù)數(shù)據(jù)的質(zhì)量和可得性，本文選取發(fā)達國家和發(fā)展中國家包括美國、英國、法國、日本、意大利、中國、印度、南非、俄羅斯、巴西10個國家作為研究對象，選取2010年至2020年整體數(shù)據(jù)為樣本空間。數(shù)據(jù)通過世界銀行、OECD及CEIC數(shù)據(jù)庫整理、計算得出。

四、金融風(fēng)險指數(shù)的構(gòu)建

（一）指標(biāo)權(quán)重測算

權(quán)重確定的方法主要分為兩大類：一類是主觀賦權(quán)法，即基于決策者的經(jīng)驗和偏好，通過對各項指標(biāo)進行比較、賦值和計算得出其權(quán)重的方法。另一類是客觀賦權(quán)法，即基于各個指標(biāo)值的客觀數(shù)據(jù)的差異而確定各指標(biāo)權(quán)重的方法。由于主觀賦權(quán)法的計算過程較為復(fù)雜，計算難度大且缺乏對指標(biāo)公認的評判標(biāo)準，大部分文獻采用客觀賦權(quán)法。張濤（2015）認為熵值法排除了主觀判斷的因素，用信息熵確定指標(biāo)的權(quán)重，對區(qū)域銀行業(yè)風(fēng)險進行動態(tài)評價具有客觀性、真實性[9]；李凱風(fēng)和李星（2019）采用熵權(quán)TOPSIS法和綜合模糊評價法，對全國各省區(qū)市債務(wù)風(fēng)險水平進行測算[10]；王昆和宋梅洲（2003）對熵權(quán)法、標(biāo)準離差法和CRITIC法3種客觀賦權(quán)法進行了綜合比較，認為CRITIC法是一種能比較客觀反映指標(biāo)客觀權(quán)重的計算方法[11]。

綜合各種因素，本文采用客觀賦權(quán)法測算各國金融風(fēng)險指標(biāo)權(quán)重。為保證指標(biāo)權(quán)重的準確性、客觀性，本文采用熵權(quán)法、變異系數(shù)法、相關(guān)系數(shù)法、CRITIC法四種客觀賦權(quán)法計算指標(biāo)權(quán)重，把四種客觀賦權(quán)法的計算結(jié)果的平均數(shù)作為各指標(biāo)的最終權(quán)重值。

1.標(biāo)準化處理

為消除各指標(biāo)間數(shù)量級、量綱對結(jié)果的差異性影響，對各指標(biāo)進行標(biāo)準化處理，標(biāo)準化依據(jù)為對促進金融風(fēng)險發(fā)生的指標(biāo)作正向化處理，阻礙金融風(fēng)險發(fā)生的指標(biāo)作負向化處理。

其中：Xj為第 j項指標(biāo)值，Xmax、Xmin分別為其最大值和最小值，X'ij為指標(biāo)標(biāo)準化后的數(shù)值。

2.熵權(quán)法

熵權(quán)法是一種依據(jù)數(shù)據(jù)間所代表的信息量大小而確定相關(guān)權(quán)重的客觀賦權(quán)法，數(shù)據(jù)間差異性越大，反映的信息就越多，所賦權(quán)重也越大，計算公式為：

3.變異系數(shù)法

變異系數(shù)法是根據(jù)數(shù)據(jù)概率統(tǒng)計分布的特征而進行權(quán)重賦值，其計算公式為

4.相關(guān)系數(shù)法

相關(guān)系數(shù)法是依據(jù)變量間的相關(guān)系數(shù)矩陣進行賦權(quán)的一種方法，該方法首先需要計算變量間的相關(guān)系數(shù)矩陣然后計算每列中的和，得到則第j個指標(biāo)的權(quán)重為

5.CRITIC法

CRITIC法是依據(jù)指標(biāo)間的對比強度及沖突性來確定權(quán)重的一種客觀賦權(quán)法，定義第j個指標(biāo)變量所包含的信息量為標(biāo)準差，rij為相關(guān)系數(shù)。則第j個指標(biāo)的權(quán)重為

指標(biāo)權(quán)重測算結(jié)果如表1所示：

表1 金融風(fēng)險評價指標(biāo)權(quán)重測算結(jié)果

（二）指數(shù)合成結(jié)果

通過對選取的10個國家的風(fēng)險評價指標(biāo)進行標(biāo)準化處理，并根據(jù)模糊綜合評價法Fij=Xij×λi，測算出10個國家在2010—2020年的金融風(fēng)險值，取10個國家金融風(fēng)險值的均值作為整體國際金融風(fēng)險值，結(jié)果見圖 1、圖 2、圖 3、表 2。

從圖1可看出，國際金融風(fēng)險整體劃分為三個階段，首先從2010年的0.4165上升至2012年的0.4723，隨后下降至2017年的0.3738，接著上升至2020年的0.5294，達到最高點。具體分國家看：

圖1 國際金融風(fēng)險測度結(jié)果

圖2 發(fā)達國家金融風(fēng)險測度結(jié)果

圖3 發(fā)展中國家金融風(fēng)險測度結(jié)果

表2 金融風(fēng)險測度結(jié)果

第一階段（2010—2012年）：國際金融風(fēng)險呈現(xiàn)上升趨勢，其中日本、意大利、印度、巴西與國際金融風(fēng)險走勢一致；美國、法國、中國、俄羅斯的金融風(fēng)險呈先上升后下降的趨勢；南非呈先下降后上升的趨勢；英國保持下降趨勢。英國在此階段金融風(fēng)險指數(shù)最高，比國際風(fēng)險指數(shù)高 0.1988；意大利（0.5100）、法國（0.4548）金融風(fēng)險高于國際金融風(fēng)險，宏觀經(jīng)濟、銀行市場、國際債務(wù)風(fēng)險發(fā)生概率增大；美國（0.4275）、日本（0.4436）、印度（0.4487）、南非（0.4314）、俄羅斯（0.4166）、巴西（0.4067）低于國際風(fēng)險水平；中國（0.3183）在該階段金融風(fēng)險指數(shù)最低，低于國際風(fēng)險指數(shù)0.1324，宏觀經(jīng)濟、銀行市場和國際債務(wù)風(fēng)險發(fā)生概率呈下降態(tài)勢。

第二階段（2012—2017年）：國際金融風(fēng)險在此階段整體表現(xiàn)為急速下降，英國、法國、意大利、印度與國際金融風(fēng)險走勢一致；美國、日本、南非、俄羅斯、巴西的金融風(fēng)險態(tài)勢存在波動，呈先上升后下降的趨勢；中國與國際金融風(fēng)險態(tài)勢相反，總體為上升趨勢，超出該階段國際平均風(fēng)險指數(shù)。意大利（0.5156）在該階段平均風(fēng)險最大，超出國際平均風(fēng)險0.0787，但意大利除國際債務(wù)風(fēng)險發(fā)生概率增大，其余三個維度風(fēng)險發(fā)生概率均下降。中國（0.4480）、印度（0.4826）、俄羅斯（0.4650）、巴西（0.5139）平均風(fēng)險高于國際風(fēng)險；美國（0.3792）、英國（0.3513）、法國（0.3732）、日本（0.4106）、南非（0.4297）低于國際風(fēng)險均值。英國在2012年至2015年風(fēng)險值出現(xiàn)斷崖式下跌，2016年略有反彈，2017年持續(xù)下跌，四個維度風(fēng)險發(fā)生概率與國際風(fēng)險值變動趨勢相同，在此階段中平均風(fēng)險最低。

第三階段（2017—2020年）：國際金融風(fēng)險在2018年略有反彈，2018年至2019年繼續(xù)下跌，2019年至2020年金融風(fēng)險急速上升，達到2010年至2020年間的頂峰。美國、英國、法國、日本、印度與國際金融風(fēng)險趨勢相同；意大利和俄羅斯在2017年至2019年間金融風(fēng)險值持續(xù)下降，2019年出現(xiàn)拐點達到2010年至2020年間風(fēng)險最低值，2019年至2020年金融風(fēng)險值急速上升；中國、南非、巴西在第三階段金融風(fēng)險持續(xù)上漲。中國（0.5548）第三階段整體金融風(fēng)險在各國中最高，超出國際金融風(fēng)險值0.1381；美國（0.4494）、日本（0.4276）、南非（0.4916）、巴西（0.5316）高于國際平均風(fēng)險；英國（0.2615）、法國（0.3260）、意大利（0.3585）、印度（0.4043）、俄羅斯（0.3620）低于國際平均風(fēng)險，其中英國在該階段的金融風(fēng)險指數(shù)最低，但除外匯市場外，宏觀經(jīng)濟、銀行市場、國際債務(wù)三個維度風(fēng)險發(fā)生概率則大幅上升。

五、主要結(jié)論及啟示

本文通過構(gòu)建國際金融風(fēng)險指數(shù)，對10個國家的金融風(fēng)險進行分析，測度出國際金融風(fēng)險，主要得出以下結(jié)論：

第一，2010—2020年國際金融風(fēng)險與大部分國家的風(fēng)險指數(shù)變化趨勢相同，基本呈現(xiàn)為極速上升、迅速下降、極速攀升三個階段。發(fā)達國家整體金融風(fēng)險指數(shù)低于發(fā)展中國家，各國GDP增長率（X1）均上升，但發(fā)達國家上漲幅度大于發(fā)展中國家；發(fā)展中國家的通貨膨脹率（X2）、不良貸款率（X4）、M2/GDP（X6）、匯率波動率（X10）大于發(fā)達國家，金融風(fēng)險發(fā)生概率增大，經(jīng)濟發(fā)展水平較差的發(fā)展中國家的金融風(fēng)險水平較高。

第二，10個國家在2019年至2020年，金融風(fēng)險指數(shù)都極速上升，美國、法國、日本、中國、南非、巴西在2020年達到該國風(fēng)險指數(shù)的最大值。2020年新冠肺炎疫情在全球暴發(fā)并快速傳播，對各國經(jīng)濟和人民生活造成了巨大打擊，通貨膨脹率（X2）、失業(yè)率（X3）、銀行信貸/GDP（X7）風(fēng)險發(fā)生概率大幅上升，宏觀經(jīng)濟、銀行市場風(fēng)險發(fā)生概率持續(xù)上漲，但整體平均風(fēng)險指數(shù)于前兩階段相比較低，說明當(dāng)前國際金融風(fēng)險雖然處于較高水平，但風(fēng)險防控較好。

整體看，各國金融風(fēng)險存在明顯差異，各國需根據(jù)自身國情以及特點制定適合本國的金融風(fēng)險防范措施，降低自身金融風(fēng)險。首先各國要加強金融風(fēng)險防范能力，建立全面的金融風(fēng)險防范機制。隨著經(jīng)濟全球化不斷推進，發(fā)展中國家與發(fā)達國家的溝通交流更為密切，應(yīng)盡快建立健全金融風(fēng)險防范機制，科學(xué)多元地提升金融風(fēng)險監(jiān)管有效性，實施積極有效的金融風(fēng)險防控措施。其次各國需加強金融合作機制，拓展多領(lǐng)域交流合作，相互分享經(jīng)驗、吸取教訓(xùn)，共同應(yīng)對國際金融風(fēng)險。最后要刺激國內(nèi)消費需求，擴大內(nèi)需，避免過度依賴出口。注意國際資本流向，避免在股票市場、房地產(chǎn)市場等領(lǐng)域出現(xiàn)泡沫經(jīng)濟。