楊澤夏 郭樹華

摘要：以2000—2021年中國(guó)跨境資本流動(dòng)相關(guān)數(shù)據(jù)為樣本，通過時(shí)變概率馬爾科夫區(qū)制轉(zhuǎn)換模型（MS-TVTP）和K-means聚類分析模型綜合運(yùn)用，得出跨境資本流動(dòng)監(jiān)測(cè)預(yù)警風(fēng)險(xiǎn)區(qū)域，研究發(fā)現(xiàn)在跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系的應(yīng)用中，應(yīng)讓風(fēng)險(xiǎn)預(yù)警指數(shù)和監(jiān)測(cè)預(yù)警模型相互融合和綜合使用，并根據(jù)最新數(shù)據(jù)獲得隨時(shí)間變化的動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警指數(shù)，通過風(fēng)險(xiǎn)預(yù)警模型識(shí)別風(fēng)險(xiǎn)區(qū)域，根據(jù)所識(shí)別的風(fēng)險(xiǎn)區(qū)域來強(qiáng)化數(shù)據(jù)采集與監(jiān)測(cè)，以實(shí)證檢驗(yàn)動(dòng)態(tài)時(shí)變風(fēng)險(xiǎn)區(qū)制，進(jìn)而得出中國(guó)實(shí)現(xiàn)精準(zhǔn)監(jiān)測(cè)管理跨境資本流動(dòng)風(fēng)險(xiǎn)的政策啟示。

關(guān)鍵詞：資本項(xiàng)目開放；跨境資本流動(dòng)；監(jiān)測(cè)預(yù)警；風(fēng)險(xiǎn)區(qū)制

中圖分類號(hào)：F269.2? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1001-862X（2023）03-0066-010

一國(guó)貨幣若要衍升為國(guó)際通用貨幣，資本項(xiàng)目可兌換便是必須面對(duì)的核心問題。在中國(guó)逐步開放資本項(xiàng)目過程中，一方面會(huì)給社會(huì)帶來福利的增長(zhǎng)，另一方面也可能引起金融市場(chǎng)的過度波動(dòng)，產(chǎn)生金融泡沫。金融業(yè)作為當(dāng)代經(jīng)濟(jì)中樞，其本身具有高流動(dòng)性、高風(fēng)險(xiǎn)性以及脆弱性的顯著特征，極易遭受外部沖擊的影響。當(dāng)下全球供應(yīng)鏈緊張、經(jīng)濟(jì)結(jié)構(gòu)性矛盾、勞動(dòng)力市場(chǎng)挑戰(zhàn)以及經(jīng)濟(jì)底層邏輯重構(gòu)等諸多難題，使得各國(guó)經(jīng)濟(jì)增速放緩，存量競(jìng)爭(zhēng)又催生著保護(hù)主義、單邊主義的挑戰(zhàn)，以及各國(guó)經(jīng)貿(mào)摩擦日益加劇，資源、市場(chǎng)份額、產(chǎn)業(yè)鏈、供應(yīng)鏈和技術(shù)領(lǐng)先地位等方面的競(jìng)爭(zhēng)與日俱增，使得世界經(jīng)濟(jì)復(fù)雜多變，充斥著諸多不確定性，跨境資本流動(dòng)將對(duì)全球經(jīng)濟(jì)和貿(mào)易格局產(chǎn)生更為深刻的影響。在此背景下，如何在資本項(xiàng)目開放進(jìn)程中穩(wěn)步推進(jìn)中國(guó)金融市場(chǎng)雙向開放、完善跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)，是當(dāng)前中國(guó)經(jīng)濟(jì)安全發(fā)展的重要議題。當(dāng)前中國(guó)資本賬戶的有序開放與進(jìn)程提速，使得企業(yè)國(guó)際化加速，將帶來更多的投資選擇和機(jī)會(huì)，有助于實(shí)現(xiàn)資產(chǎn)配置的多樣化，提高投資回報(bào)率，跨境資本流動(dòng)將更易受到利率、匯率、結(jié)構(gòu)調(diào)整、避險(xiǎn)情緒等波動(dòng)性和系統(tǒng)性因素影響，致使跨境資本流動(dòng)風(fēng)險(xiǎn)預(yù)防復(fù)雜度提升，金融監(jiān)管體系的預(yù)警指數(shù)的重要性也將會(huì)凸顯，并在防范突發(fā)和恐慌性資本外流方面發(fā)揮關(guān)鍵作用。截至目前，我國(guó)宏觀審慎監(jiān)管體系的焦點(diǎn)主要針對(duì)外幣跨境流動(dòng)和交易，對(duì)本國(guó)貨幣關(guān)注度較低，雙向預(yù)警機(jī)制尚未形成，資本流向動(dòng)態(tài)監(jiān)測(cè)、風(fēng)險(xiǎn)區(qū)制預(yù)警功能和信息共享機(jī)制仍舊比較薄弱，監(jiān)管效率和預(yù)警體系急需進(jìn)一步完善。本文通過建立動(dòng)態(tài)時(shí)變風(fēng)險(xiǎn)區(qū)制模型，實(shí)證分析資本流動(dòng)指標(biāo)動(dòng)態(tài)變化動(dòng)因，即時(shí)反饋風(fēng)險(xiǎn)因素和捕捉異常風(fēng)險(xiǎn)點(diǎn)，建構(gòu)跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警體系，以期為實(shí)現(xiàn)精準(zhǔn)監(jiān)測(cè)管理跨境資本流動(dòng)風(fēng)險(xiǎn)提供政策依據(jù)。

一、文獻(xiàn)綜述與理論分析

跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)體系是一個(gè)復(fù)雜交叉的領(lǐng)域，學(xué)術(shù)界通過實(shí)證研究、理論分析和經(jīng)驗(yàn)案例等方法，系統(tǒng)揭示跨境資本流動(dòng)風(fēng)險(xiǎn)?？v觀各國(guó)學(xué)者文獻(xiàn)資料對(duì)跨境資本流動(dòng)風(fēng)險(xiǎn)的分析，可以發(fā)現(xiàn)目前全球跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)管理方面最為完善的是IMF（International Monetary Fund），IMF在提供數(shù)據(jù)、建立監(jiān)測(cè)指標(biāo)和提供政策建議等方面發(fā)揮著關(guān)鍵作用，但同時(shí)也存在數(shù)據(jù)有效性限制和監(jiān)測(cè)工具方面的不足。IMF一直對(duì)外部調(diào)查和數(shù)據(jù)收集方面實(shí)施改進(jìn)措施，如加強(qiáng)合作伙伴關(guān)系、提高數(shù)據(jù)質(zhì)量和時(shí)效性等，并提出加強(qiáng)數(shù)據(jù)質(zhì)量、提高跨國(guó)統(tǒng)計(jì)協(xié)調(diào)、加強(qiáng)數(shù)據(jù)披露和提高監(jiān)測(cè)工具的準(zhǔn)確性等建議。IMF每年發(fā)布的全球金融穩(wěn)定報(bào)告提供了專家學(xué)者對(duì)跨境資本流動(dòng)監(jiān)測(cè)的理論觀點(diǎn)。該報(bào)告詳細(xì)分析了全球金融的局勢(shì)和風(fēng)險(xiǎn)，并提供了對(duì)資本流動(dòng)和金融市場(chǎng)發(fā)展監(jiān)測(cè)和評(píng)估。［1］FSB（Financial Stability Board）也是全球性的金融監(jiān)管機(jī)構(gòu)，所發(fā)布的多個(gè)報(bào)告和研究也涉及跨境資本流動(dòng)監(jiān)測(cè)，提出了對(duì)跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)的分析和對(duì)策建議。［2］

各經(jīng)濟(jì)體因監(jiān)測(cè)機(jī)制不同對(duì)跨境資本流動(dòng)監(jiān)測(cè)體系構(gòu)建也不盡相同，BIS（Bank for International Settlements）研究人員發(fā)現(xiàn)發(fā)展中國(guó)家在監(jiān)測(cè)跨境資本流動(dòng)方面面臨更嚴(yán)峻的挑戰(zhàn)，其表明發(fā)展中國(guó)家應(yīng)建立和加強(qiáng)國(guó)家監(jiān)測(cè)機(jī)制，包括建立監(jiān)測(cè)部門、提高數(shù)據(jù)收集能力、加強(qiáng)統(tǒng)計(jì)協(xié)調(diào)等。［3］世界銀行政策研究工作論文中提到各國(guó)在數(shù)據(jù)收集和監(jiān)測(cè)方面的不足，并提出了改善國(guó)家監(jiān)測(cè)機(jī)制的建議，如加強(qiáng)統(tǒng)計(jì)能力、加強(qiáng)數(shù)據(jù)披露和提高數(shù)據(jù)質(zhì)量等。［4］跨境資本流動(dòng)會(huì)引發(fā)短期的經(jīng)濟(jì)波動(dòng)和金融風(fēng)險(xiǎn)，并對(duì)發(fā)展中經(jīng)濟(jì)體的穩(wěn)定性產(chǎn)生挑戰(zhàn)，加強(qiáng)金融監(jiān)管和宏觀經(jīng)濟(jì)政策協(xié)調(diào)刻不容緩。［5］增加全球資本流動(dòng)有利于改善資本、信貸和風(fēng)險(xiǎn)，擴(kuò)大對(duì)國(guó)際資本流動(dòng)的全球監(jiān)測(cè)應(yīng)加深我們對(duì)資本流動(dòng)的系統(tǒng)把握。作為全球監(jiān)測(cè)系統(tǒng)的一部分，全球機(jī)構(gòu)投資者的投資組合和再平衡戰(zhàn)略也有助于更好地了解資本市場(chǎng)動(dòng)態(tài)、風(fēng)險(xiǎn)傳染對(duì)實(shí)體經(jīng)濟(jì)的沖擊。［6］現(xiàn)階段有關(guān)跨境資本流動(dòng)監(jiān)測(cè)的體系的構(gòu)建，強(qiáng)調(diào)國(guó)家監(jiān)測(cè)機(jī)制應(yīng)具備全面、準(zhǔn)確和時(shí)效的數(shù)據(jù)，以支持決策者制定有效的政策和監(jiān)管措施，以應(yīng)對(duì)跨境資本流動(dòng)的風(fēng)險(xiǎn)和挑戰(zhàn)。

在對(duì)跨境資本流動(dòng)監(jiān)測(cè)體系和監(jiān)測(cè)技術(shù)創(chuàng)新研究方面，ECB（The European Central Bank）提出大數(shù)據(jù)在監(jiān)測(cè)和預(yù)測(cè)經(jīng)濟(jì)活動(dòng)中的應(yīng)用，利用非傳統(tǒng)數(shù)據(jù)源和新興技術(shù)（如機(jī)器學(xué)習(xí)和人工智能）激發(fā)跨境資本流動(dòng)監(jiān)測(cè)潛力以應(yīng)對(duì)未來挑戰(zhàn)。［7］BIS認(rèn)為區(qū)塊鏈技術(shù)在改進(jìn)跨境支付和資本流動(dòng)監(jiān)測(cè)方面具有較高的實(shí)用價(jià)值，區(qū)塊鏈技術(shù)在提高數(shù)據(jù)安全性和實(shí)時(shí)監(jiān)測(cè)方面有較大優(yōu)勢(shì)。［8］目前深度學(xué)習(xí)在經(jīng)濟(jì)分析中的應(yīng)用也十分廣泛，隨著當(dāng)今可用數(shù)據(jù)規(guī)模巨大，大數(shù)據(jù)為各個(gè)行業(yè)帶來了機(jī)遇和變革潛力，但同時(shí)它也對(duì)利用數(shù)據(jù)和信息發(fā)出了前所未有的挑戰(zhàn)，深度學(xué)習(xí)在提供大數(shù)據(jù)預(yù)測(cè)分析解決方案方面發(fā)揮著關(guān)鍵作用。［9］OECD（Organization for Economic Co-operation and Development）認(rèn)為人工智能在金融服務(wù)領(lǐng)域具有深遠(yuǎn)的潛在影響，人工智能工具在所有經(jīng)濟(jì)部門都有用武之地，將這些工具應(yīng)用于提供金融服務(wù)，不僅對(duì)金融機(jī)構(gòu)，而且對(duì)整個(gè)社會(huì)都將帶來深刻革新。面對(duì)高頻交易對(duì)市場(chǎng)監(jiān)測(cè)的影響，如何對(duì)高頻交易數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)資本流動(dòng)、金融市場(chǎng)的有效性和可行性［10］，是現(xiàn)階段我國(guó)跨境資本流動(dòng)監(jiān)測(cè)預(yù)警體系構(gòu)建的關(guān)鍵之鑰。

此外，學(xué)者們通過建立風(fēng)險(xiǎn)模型，結(jié)合歷史數(shù)據(jù)和概率分布，來評(píng)估資本流動(dòng)的風(fēng)險(xiǎn)水平，包括波動(dòng)率、價(jià)值-at-風(fēng)險(xiǎn) （VaR）、條件價(jià)值-at-風(fēng)險(xiǎn) （CVaR）等。資本流動(dòng)波動(dòng)指標(biāo)通過研究不同類型資本流動(dòng)（如涌入、停止、外逃和收縮）來分析跨境資本流動(dòng)風(fēng)險(xiǎn)，跨境資本流動(dòng)波動(dòng)會(huì)導(dǎo)致金融市場(chǎng)不穩(wěn)定和經(jīng)濟(jì)波動(dòng)。［11］以歷史數(shù)據(jù)為基，再對(duì)不同時(shí)期的金融危機(jī)和資本流動(dòng)風(fēng)險(xiǎn)進(jìn)行分析，可發(fā)現(xiàn)金融危機(jī)往往與資本流動(dòng)過程中的風(fēng)險(xiǎn)積累有關(guān)，應(yīng)警惕資本流動(dòng)的過度和不穩(wěn)定性。［12］金融危機(jī)往往由多個(gè)因素和相互關(guān)聯(lián)事件引發(fā)，包括資本流動(dòng)的劇烈波動(dòng)和資本流動(dòng)的結(jié)構(gòu)性問題。［13］關(guān)注跨境資本流動(dòng)的波動(dòng)性、風(fēng)險(xiǎn)累積和金融危機(jī)發(fā)生機(jī)制，為管理跨境資本流動(dòng)風(fēng)險(xiǎn)提供重要洞見和參考。有效的跨境金融監(jiān)管應(yīng)與直接和間接系統(tǒng)相聯(lián)系，風(fēng)險(xiǎn)轉(zhuǎn)移可以改變整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)狀況，因此應(yīng)考慮風(fēng)險(xiǎn)轉(zhuǎn)移豐富模擬算法。［14］在金融危機(jī)和國(guó)際收支危機(jī)中跨境資本流動(dòng)扮演了重要角色，進(jìn)一步彰顯了金融市場(chǎng)改革和加強(qiáng)監(jiān)管的重要性。［15］在全球金融危機(jī)期間，一些領(lǐng)先指標(biāo)可對(duì)經(jīng)濟(jì)體所面臨的跨境資本流動(dòng)風(fēng)險(xiǎn)發(fā)出預(yù)警信號(hào)，金融市場(chǎng)數(shù)據(jù)和指標(biāo)在識(shí)別和預(yù)測(cè)跨境資本流動(dòng)風(fēng)險(xiǎn)方面的重要性日漸突顯。［16］

綜合上述文獻(xiàn)，各國(guó)研究者在跨境資本流動(dòng)監(jiān)測(cè)預(yù)警體系構(gòu)建方面的研究成果頗豐，但缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和定義，跨境資本流動(dòng)涉及不同國(guó)家和地區(qū)之間的資金流動(dòng)，每個(gè)國(guó)家常常有不同的監(jiān)測(cè)標(biāo)準(zhǔn)和定義，為此針對(duì)中國(guó)實(shí)際也應(yīng)提出相應(yīng)的數(shù)據(jù)標(biāo)注和定義。與此同時(shí)在實(shí)際分析中，對(duì)跨境資本流動(dòng)風(fēng)險(xiǎn)分析往往偏重于經(jīng)濟(jì)因素，而忽視了非經(jīng)濟(jì)因素，況且預(yù)測(cè)跨境資本流動(dòng)風(fēng)險(xiǎn)存在諸多不確定性，包括經(jīng)濟(jì)、政治、金融和社會(huì)因素等?，F(xiàn)有文獻(xiàn)在預(yù)測(cè)和捕捉金融風(fēng)險(xiǎn)的能力、跨境資本流動(dòng)的影響因素以及監(jiān)測(cè)預(yù)警結(jié)果的有效應(yīng)用等領(lǐng)域還有待進(jìn)一步拓展研究。

二、監(jiān)測(cè)指標(biāo)選取與動(dòng)態(tài)監(jiān)測(cè)預(yù)警指數(shù)構(gòu)建

（一）監(jiān)測(cè)指標(biāo)選取

各國(guó)專家學(xué)者在對(duì)跨境資本流動(dòng)監(jiān)測(cè)指標(biāo)選取時(shí)，選取標(biāo)準(zhǔn)和準(zhǔn)則不盡相同，現(xiàn)階段暫無統(tǒng)一的篩選標(biāo)準(zhǔn)和準(zhǔn)則。參考國(guó)內(nèi)外文獻(xiàn)關(guān)于跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警指標(biāo)的選取方法，總結(jié)歸納后在遵循以下六點(diǎn)原則的基礎(chǔ)上，結(jié)合我國(guó)實(shí)際進(jìn)行指標(biāo)選擇：第一點(diǎn)是針對(duì)性，監(jiān)測(cè)預(yù)警指標(biāo)因所需處理的危機(jī)類型不同而有所不同，本文選取因跨境資本流動(dòng)而帶來的經(jīng)濟(jì)危機(jī)相關(guān)指標(biāo)。第二點(diǎn)是科學(xué)性，所選取指標(biāo)應(yīng)有充分的理論基礎(chǔ)和現(xiàn)實(shí)依據(jù)，既可以精準(zhǔn)正確地反映所研究經(jīng)濟(jì)現(xiàn)象的本質(zhì)特征，又可以靈敏地捕捉到危機(jī)信號(hào)，過程中也要盡可能地避免指標(biāo)重復(fù)。第三點(diǎn)是全面性，所取用的指標(biāo)應(yīng)該充分考察可能出現(xiàn)的危機(jī)誘因或者危機(jī)前兆，在我國(guó)資本項(xiàng)目持續(xù)開放進(jìn)程中，跨境資本流動(dòng)的作用下金融脆弱性和國(guó)際經(jīng)濟(jì)形勢(shì)緊密相連，因此從國(guó)內(nèi)和國(guó)際因素，從考慮宏觀經(jīng)濟(jì)、外部金融市場(chǎng)、外債風(fēng)險(xiǎn)、金融市場(chǎng)運(yùn)行情況等角度綜合考慮更為合理。第四點(diǎn)是互補(bǔ)性，使用指標(biāo)之間應(yīng)相互聯(lián)系，緊密配合，這樣才能客觀全面地映射金融風(fēng)險(xiǎn)狀況。第五點(diǎn)是可操作性，選取的指標(biāo)需要擁有可靠的數(shù)據(jù)來源，內(nèi)容明確、易于搜集并且能夠使用科學(xué)的計(jì)算方法進(jìn)行處理。第六點(diǎn)是即時(shí)性，指標(biāo)可隨著時(shí)間的推移動(dòng)態(tài)演變，能夠根據(jù)時(shí)間選取不同靈活變動(dòng)。

綜合上述六點(diǎn)原則，對(duì)宏觀經(jīng)濟(jì)、金融市場(chǎng)、政府部門和預(yù)期渠道等視域選取了所需指標(biāo)（表1）。宏觀經(jīng)濟(jì)視域，表明工業(yè)部門產(chǎn)出的增長(zhǎng)速度，經(jīng)濟(jì)中工業(yè)部門的活躍程度和生產(chǎn)能力的增長(zhǎng)可以反映整體宏觀經(jīng)濟(jì)的運(yùn)行趨勢(shì)；M2/GDP顯示出貨幣供應(yīng)量與經(jīng)濟(jì)總產(chǎn)出之間的關(guān)系，反映出經(jīng)濟(jì)中貨幣流通的活躍程度和貨幣對(duì)經(jīng)濟(jì)的影響；實(shí)際利用外資增長(zhǎng)率代表國(guó)外企業(yè)在華投資意愿；消費(fèi)者價(jià)格指數(shù)可衡量通貨膨脹的水平和速度，以及貨幣購(gòu)買力的變化，是貨幣政策制定、監(jiān)測(cè)調(diào)控價(jià)格水平、經(jīng)濟(jì)預(yù)測(cè)和個(gè)人消費(fèi)決策的重要指標(biāo)。國(guó)內(nèi)金融市場(chǎng)視域，房地產(chǎn)業(yè)景氣指數(shù)是在企業(yè)景氣調(diào)查中的房地產(chǎn)指標(biāo)通過定量方法加工匯總，來反映房地產(chǎn)業(yè)發(fā)展趨勢(shì)；以股票市值占GDP比重水平、股票市盈率和股權(quán)融資規(guī)模來評(píng)估股票市場(chǎng)的活躍程度、投資風(fēng)險(xiǎn)和估值水平；上證指數(shù)收益率測(cè)度資本市場(chǎng)對(duì)跨境資本流動(dòng)的影響力; 不良貸款率反映銀行或金融機(jī)構(gòu)貸款組合中不良貸款的比例和貸款違約風(fēng)險(xiǎn)的程度，以及銀行部門運(yùn)營(yíng)健康水平。政府部門視域，財(cái)政赤字率用于衡量財(cái)政政策的力度、有效性及其決策方向；政府債務(wù)表示政府從各種渠道（如發(fā)行國(guó)債、借貸等）籌集的資金，用于滿足財(cái)政支出和經(jīng)濟(jì)運(yùn)作的需要，債務(wù)的水平和增長(zhǎng)率反映了政府財(cái)政健康狀況、債務(wù)可持續(xù)性以及對(duì)未來經(jīng)濟(jì)穩(wěn)定性的影響。國(guó)際貿(mào)易視域，貿(mào)易增長(zhǎng)率反映出國(guó)家或地區(qū)的經(jīng)濟(jì)活力、競(jìng)爭(zhēng)力和對(duì)外貿(mào)易的依賴程度；外債清償率衡量突發(fā)性短期債務(wù)的償還能力和外債風(fēng)險(xiǎn)；跨境人民幣流入（出）增長(zhǎng)率直觀反映跨境資本中人民幣的流動(dòng)規(guī)模和方向；貨物貿(mào)易的銀行代客售匯反映了國(guó)家或地區(qū)的貨物貿(mào)易順差或逆差情況，是衡量國(guó)家或地區(qū)貿(mào)易平衡狀況的重要指標(biāo)。國(guó)際金融市場(chǎng)視域，境內(nèi)外利差可影響資本的流動(dòng)方向和規(guī)模，是衡量國(guó)內(nèi)外金融市場(chǎng)利率差異和資本流動(dòng)方向的關(guān)鍵指標(biāo)，可反映我國(guó)資本市場(chǎng)是否存在套利空間；外匯儲(chǔ)備/GDP可表示在國(guó)際貿(mào)易和金融活動(dòng)中的支付能力和抵御外部沖擊的能力；匯率波動(dòng)反映了市場(chǎng)對(duì)貨幣價(jià)值的變動(dòng)和供求關(guān)系的變化，國(guó)家的經(jīng)濟(jì)活動(dòng)和對(duì)外貿(mào)易狀況。預(yù)期渠道視域，VIX恐慌指數(shù)通過對(duì)標(biāo)普500指數(shù)期權(quán)價(jià)格的波動(dòng)情況進(jìn)行計(jì)算，反映了市場(chǎng)對(duì)未來波動(dòng)性的預(yù)期、投資者情緒和風(fēng)險(xiǎn)厭惡程度；美元指數(shù)可以衡量美元對(duì)其他經(jīng)濟(jì)體影響的強(qiáng)弱程度。

（二）跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警指數(shù)構(gòu)建

跨境資本流動(dòng)預(yù)警體系構(gòu)建是以指標(biāo)監(jiān)測(cè)為基底，通過觀測(cè)分析檢測(cè)指標(biāo)的動(dòng)態(tài)變化來映射出跨境資本流動(dòng)的演變過程，并在此基礎(chǔ)上，如何利用所構(gòu)建的指標(biāo)體系及時(shí)動(dòng)態(tài)地對(duì)跨境資本流動(dòng)釋放預(yù)警信號(hào)是本文所亟待解決的關(guān)鍵。構(gòu)建動(dòng)態(tài)監(jiān)測(cè)預(yù)警體系通常情況分以下步驟：一是初選監(jiān)測(cè)指標(biāo)，設(shè)立備選指標(biāo)體系，對(duì)所需的動(dòng)態(tài)監(jiān)測(cè)預(yù)警指標(biāo)進(jìn)行初步預(yù)選；二是通過方法檢驗(yàn)從眾多監(jiān)測(cè)指標(biāo)中提煉先行指標(biāo)和同步指標(biāo)，本文所選用的是格蘭杰因果檢驗(yàn)法；三是利用多種分析方法將所選先行、同步指標(biāo)合成綜合預(yù)警指數(shù)，本文使用多變量線性回歸法；四是綜合預(yù)警指數(shù)進(jìn)行樣本數(shù)據(jù)內(nèi)外監(jiān)測(cè)預(yù)警能力檢驗(yàn)。為求更直觀和動(dòng)態(tài)及時(shí)地對(duì)跨境資本流動(dòng)監(jiān)管，本文通過將預(yù)警指標(biāo)聚類分析后劃分多個(gè)風(fēng)險(xiǎn)區(qū)間。通過分析跨境資本流動(dòng)現(xiàn)狀可知，自2000年起我國(guó)對(duì)跨境資本流動(dòng)實(shí)現(xiàn)積極的政策試點(diǎn)，在此期間跨境資本流動(dòng)變化趨勢(shì)較為明顯，其間經(jīng)歷三次較大幅度波動(dòng)，為精準(zhǔn)判明預(yù)測(cè)跨境資本流動(dòng)風(fēng)險(xiǎn)區(qū)間和風(fēng)險(xiǎn)變化情況，選用監(jiān)測(cè)預(yù)警指標(biāo)數(shù)據(jù)為2000—2021年季度數(shù)據(jù)，并在此基礎(chǔ)上對(duì)未來跨境資本流動(dòng)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。

基于我國(guó)跨境資本流動(dòng)在資金結(jié)構(gòu)呈現(xiàn)從“雙順差”到“一順一逆”的格局演變和流動(dòng)性方面顯現(xiàn)雙向波動(dòng)趨勢(shì)的特征，以及宏觀經(jīng)濟(jì)體系風(fēng)險(xiǎn)積聚速度持續(xù)增強(qiáng)的實(shí)際情況，本文在構(gòu)建跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警指標(biāo)時(shí)，不僅著眼于外部金融狀況和金融市場(chǎng)等基本短期指標(biāo)，還將政府部門、預(yù)期渠道和國(guó)際貿(mào)易等相關(guān)指標(biāo)納入考察體系，以此對(duì)跨境資本流動(dòng)是否具有順周期性做出準(zhǔn)確判斷。

1.被解釋變量：本文參考張明（2011）梳理的國(guó)內(nèi)外關(guān)于短期跨境資本流動(dòng)規(guī)模評(píng)估辦法，再加入對(duì)跨境資本流動(dòng)即時(shí)性監(jiān)測(cè)預(yù)警的思考，提出將跨境資本流動(dòng)波動(dòng)水平作為動(dòng)態(tài)時(shí)變區(qū)制的被解釋變量。現(xiàn)階段對(duì)于高頻時(shí)間序列數(shù)據(jù)的波動(dòng)率計(jì)算方法雖然已經(jīng)較為成熟，但鑒于跨境資金流動(dòng)可獲取數(shù)據(jù)大多為年度，其波動(dòng)率測(cè)量則需另辟蹊徑尋找其他辦法，當(dāng)前此類研究并不成熟，關(guān)于波動(dòng)率測(cè)度方法也沒有統(tǒng)一定義。

較為常見的如移動(dòng)平均標(biāo)準(zhǔn)差法，其將波動(dòng)率定義為在過去n期內(nèi)資本流入的標(biāo)準(zhǔn)差，Neumann等（2006）、IMF（2007）等都使用該方法對(duì)資金流動(dòng)的波動(dòng)率進(jìn)行測(cè)度，具體計(jì)算公式為：

VOL=［（

flow-

μ

）（1）

μ=flow（2）

其中，VOL代表為第i期的波動(dòng)率，n表示移動(dòng)窗口的長(zhǎng)度，μ表示移動(dòng)窗口的平均值?，F(xiàn)階段學(xué)術(shù)界雖然使用此方法較多，但仍存在以下三個(gè)方面的缺陷：第一，由于計(jì)算結(jié)果為標(biāo)準(zhǔn)差，所表示的偏離程度波動(dòng)率在很大程度上會(huì)因?yàn)槠x平均數(shù)平均值的影響而無法準(zhǔn)確表明實(shí)際波動(dòng)幅度；第二，關(guān)于移動(dòng)窗口的長(zhǎng)度選擇當(dāng)前沒有任何理論支撐可以依據(jù)，其可以由作者自行選擇，雖然移動(dòng)窗口的長(zhǎng)度選擇的越長(zhǎng)，其所計(jì)算出的波動(dòng)性涵蓋的信息越多，但會(huì)缺失n-1個(gè)波動(dòng)率數(shù)據(jù)；第三，通過對(duì)多個(gè)國(guó)家跨境資本流動(dòng)實(shí)證研究，表明跨境資本流動(dòng)具有極強(qiáng)的持續(xù)性，自相關(guān)系數(shù)會(huì)伴隨著滯后期的增加而逐漸衰弱。GARCH（1.1）模型法，Broto等（2008a）運(yùn)用GARCH（1.1）模型法對(duì)跨境資本流動(dòng)的波動(dòng)水平進(jìn)行了測(cè)量，通過差分法得到平穩(wěn)的跨境資本流動(dòng)時(shí)間序列，即Δflowt=flowt-flowt-1，然后運(yùn)用GARCH（1.1）模型，將條件標(biāo)準(zhǔn)差作為波動(dòng)水平，在使用此種方法時(shí)若數(shù)據(jù)過少，可能會(huì)導(dǎo)致GARCH（1.1）模型無法收斂。綜合上述模型，為克服以上缺點(diǎn)，避免使用其他方法導(dǎo)致的波動(dòng)率低估等情形，本文使用ARIMA模型法，并參考劉莉亞（2008）對(duì)我國(guó)跨境資本流動(dòng)規(guī)模進(jìn)行估算，計(jì)算公式為：

L=e1-e2-e3（3）

R2=1- （4）

其中，L代表季度跨境資本流量，e1表示季度外匯占款增量，e2表示季度貨物貿(mào)易順差，e3表示季度實(shí)際利用外資。

2.運(yùn)用多變量線性回歸法對(duì)先行和同步指標(biāo)進(jìn)行降維與篩選，為求跨境資本流動(dòng)風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)測(cè)預(yù)警指標(biāo)體系更加精煉和直觀，本文采用多變量線性回歸法對(duì)指標(biāo)體系進(jìn)行二次篩選，精煉數(shù)據(jù)簡(jiǎn)化結(jié)構(gòu)，在諸多先行指標(biāo)數(shù)據(jù)中留存高度相關(guān)且解釋力更強(qiáng)的指標(biāo)，其表達(dá)式表示為：

y=β0+β1x1+β2x2+…+βkxk+ε（5）

y=β0+β1xt1+β2xt2+…+βkxtk+εt （6）

[β][^]=（XTX）-1XTY （7）

其中y表示被影響因素，x代表影響因素，n為獨(dú)立觀察n次所得到的觀測(cè)值，t=1，2…n（n>k+1），ε1…εn互不相關(guān)，均是與ε同分布的先行變量。

我們?cè)跍y(cè)算出基準(zhǔn)序列L后，運(yùn)用格蘭杰因果關(guān)系檢驗(yàn)方法對(duì)上述備選指標(biāo)進(jìn)行篩選，當(dāng)備選指標(biāo)是基準(zhǔn)序列L的單向Granger原因時(shí)，備選指標(biāo)為先行指標(biāo)；當(dāng)基準(zhǔn)序列L是備選指標(biāo)的單向Granger原因時(shí)，備選指標(biāo)為滯后指標(biāo)；當(dāng)兩者互為Granger時(shí)，備選指標(biāo)為同步指標(biāo); 當(dāng)雙向檢驗(yàn)結(jié)果均不顯著時(shí)，備選指標(biāo)為參考指標(biāo)，通過Granger因果檢驗(yàn)，得出M2/GDP、貿(mào)易增長(zhǎng)率、匯率波動(dòng)、不良貸款率、國(guó)內(nèi)外利差等12項(xiàng)指標(biāo)作為先行指標(biāo)（表2）。

通過Granger因果檢驗(yàn)所得到的跨境資本流動(dòng)風(fēng)險(xiǎn)預(yù)警先行指標(biāo)，它們之間也有可能存在相關(guān)性問題，本文采用多變量線性回歸對(duì)上述指標(biāo)進(jìn)行再次分析篩選，提取對(duì)跨境資本流動(dòng)波動(dòng)性影響解釋性更強(qiáng)的指標(biāo)。由檢驗(yàn)結(jié)果可知，滿足條件的指標(biāo)包括：M2/GDP、貿(mào)易增長(zhǎng)率、匯率波動(dòng)、股票市值/GDP、外匯儲(chǔ)備、不良貸款率、股票市盈率、股權(quán)融資規(guī)模、銀行代客售匯：貨物貿(mào)易、境內(nèi)外利差（表3），其中C為系數(shù)，截距項(xiàng)未展示。

（三）馬爾科夫區(qū)制轉(zhuǎn)換模型的設(shè)定

區(qū)制轉(zhuǎn)換是一種模擬一定時(shí)期某種顯著變化或中斷的時(shí)間序列模型，例如，當(dāng)股票指數(shù)急速攀升或猛然狂跌、匯率急劇貶值、經(jīng)濟(jì)增長(zhǎng)趨勢(shì)逆轉(zhuǎn)等經(jīng)濟(jì)現(xiàn)象。馬爾科夫區(qū)制轉(zhuǎn)換模型（Markov Regime-Switching Model）是由Robert L.McDonald在1984年提出的，他基于馬爾科夫過程的理論，將觀測(cè)數(shù)據(jù)分為多個(gè)區(qū)間或狀態(tài)，每個(gè)狀態(tài)具有不同的統(tǒng)計(jì)特征和概率轉(zhuǎn)移規(guī)則。Robert L.McDonald認(rèn)為當(dāng)時(shí)的美國(guó)經(jīng)濟(jì)可劃分成繁榮期和衰退期，其間兩者呈現(xiàn)交替發(fā)生的規(guī)律性變化，但以往的時(shí)間序列傳統(tǒng)線性模型不能對(duì)經(jīng)濟(jì)領(lǐng)域中的趨勢(shì)進(jìn)行判斷。為此，他提出一種參數(shù)可隨狀態(tài)改變而發(fā)生對(duì)應(yīng)改變的模型，狀態(tài)變量之間能夠相互轉(zhuǎn)化并服從離散的馬爾科夫鏈的過程［17］，在該模型中不同狀態(tài)變量之間的轉(zhuǎn)換概率固定不變，此模型被稱為不變概率的馬爾科夫區(qū)制轉(zhuǎn)換模型，即MS-FTP模型。

對(duì)某一線性函數(shù)，yt=μXt+εt，若不存在區(qū)制轉(zhuǎn)換，則表示該時(shí)間序列為線性波動(dòng)，其中，誤差項(xiàng)εt服從N～（0，σ2），σ2為自變量方差；若存在區(qū)制轉(zhuǎn)換，誤差項(xiàng)會(huì)有多個(gè)均值和方差。假設(shè)該時(shí)間序列模型的自變量存在兩個(gè)區(qū)制，即區(qū)制數(shù) k=2，在時(shí)間t 時(shí)，為區(qū)制2，從區(qū)制2到區(qū)制1的轉(zhuǎn)換在時(shí)間t到t+1內(nèi)發(fā)生，其概率為P21；保持區(qū)制2的概率為P22，兩區(qū)制的概率矩陣可以表示為：

P=P11（t）? ?P12（t）

P21（t）? ?P22（t）

綜上所述，Markov Regime-Switching Model包括隨機(jī)過程本身，據(jù)此，構(gòu)建如下單變量馬爾科夫區(qū)制轉(zhuǎn)換模型：

y=∑Nns

i=1βiXns

i，t+∑Ns

j=1θi，StXs

j，t+εt，ε～P（Φs）

其中，NS，Nns分別為轉(zhuǎn)換和非轉(zhuǎn)換系數(shù)，XnS

i，t為Xi，t子集且包含所有不含轉(zhuǎn)換效應(yīng)的解釋變量，Xs

j，t為所有含轉(zhuǎn)換效應(yīng)的解釋變量，P（Φst）為估計(jì)概率的密度函數(shù)。

在上述不變概率的馬爾科夫區(qū)制轉(zhuǎn)換模型中，狀態(tài)變量發(fā)生區(qū)制轉(zhuǎn)換的時(shí)間和影響區(qū)制轉(zhuǎn)換的因素未能通過模型進(jìn)行剖析。鑒于此，F(xiàn)ilardo（1994）將Robert L. McDonald提出的模型進(jìn)行優(yōu)化，構(gòu)建出時(shí)變轉(zhuǎn)換概率的馬爾科夫區(qū)制轉(zhuǎn)換模型（MS-TVTP）。在該模型中，市場(chǎng)狀態(tài)的轉(zhuǎn)換是隨機(jī)的，并且轉(zhuǎn)換概率可能會(huì)隨著時(shí)間和市場(chǎng)條件的變化而發(fā)生變化，并可捕捉到市場(chǎng)中不同階段的價(jià)格趨勢(shì)、波動(dòng)性的變化和異常事件的發(fā)生。其中，狀態(tài)變量在不同區(qū)制間的轉(zhuǎn)換概率隨時(shí)間改變而發(fā)生變化，且該轉(zhuǎn)換概率過程中能夠受其他因素Gij，t的影響，以兩區(qū)制為例，其概率矩陣表示為：

P=P11（t）? ?P12（t）

P21（t）? ?P22（t）

轉(zhuǎn)換概率形式如下：

p=P（X=i|x=j，G），t=1，2，...，T

其中，Gij，t為對(duì)轉(zhuǎn)換概率產(chǎn)生影響的因素，假定轉(zhuǎn)換概率的生成函數(shù)為：

p=Φ（G，b）=exp（-）dz，t=1，2，...，T

其中，Φ（·）為標(biāo)準(zhǔn)正態(tài)分布函數(shù)，b為待估參數(shù)。通過分析G對(duì)P的影響，可以研究不同時(shí)期風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換的驅(qū)動(dòng)機(jī)制。

MS- TVTP模型可以描述多個(gè)狀態(tài)和轉(zhuǎn)換規(guī)則的經(jīng)濟(jì)數(shù)據(jù)，估算不同狀態(tài)變量之間隨時(shí)間變化的轉(zhuǎn)換概率，捕捉市場(chǎng)的不同狀態(tài)和轉(zhuǎn)折點(diǎn)，從而實(shí)現(xiàn)精準(zhǔn)定位，以便捕捉到更為復(fù)雜和短暫的現(xiàn)象，并對(duì)經(jīng)濟(jì)狀態(tài)轉(zhuǎn)換的形成過程發(fā)出靈敏信號(hào)。

三、實(shí)證結(jié)果分析

通過對(duì)跨境資本流動(dòng)波動(dòng)水平及風(fēng)險(xiǎn)區(qū)域進(jìn)行具體劃分，使用Granger因果關(guān)系檢驗(yàn)和單變量回歸模型篩選出的10個(gè)先行指標(biāo)，以2000年一季度到2021年四季度作為樣本區(qū)間，代入時(shí)變轉(zhuǎn)換概率的馬爾科夫區(qū)制轉(zhuǎn)換模型（MS- TVTP），得到時(shí)變區(qū)間后再通過K-means聚類分析，對(duì)資本項(xiàng)目開放下跨境資本流動(dòng)風(fēng)險(xiǎn)狀態(tài)區(qū)制劃分，構(gòu)建跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警模型，對(duì)潛在的經(jīng)濟(jì)金融危機(jī)因素進(jìn)行全方位預(yù)測(cè)。

（一）實(shí)證結(jié)果分析

使用時(shí)變轉(zhuǎn)換概率的馬爾科夫區(qū)制轉(zhuǎn)換模型對(duì)符合條件的10個(gè)預(yù)警指標(biāo)代入求解，逐步剔除不顯著變量和滯后期過長(zhǎng)的變量，最終剩下M2/GDP、匯率波動(dòng)、股票市值/GDP、外匯儲(chǔ)備、不良貸款率、國(guó)內(nèi)外利差。兩區(qū)制下預(yù)警指標(biāo)最優(yōu)結(jié)果如表4所示，區(qū)制1表示低風(fēng)險(xiǎn)狀態(tài)，其截距項(xiàng)為12.71241；區(qū)制2表示高風(fēng)險(xiǎn)狀態(tài)，截距項(xiàng)為16.99386。

因數(shù)據(jù)經(jīng)過標(biāo)準(zhǔn)化處理，所得出的監(jiān)測(cè)預(yù)警指標(biāo)系數(shù)并不具有實(shí)際的經(jīng)濟(jì)學(xué)涵義，焦點(diǎn)應(yīng)聚焦于系數(shù)的符號(hào)上，M2/GDP與匯率波動(dòng)為負(fù)向系數(shù)，表明其對(duì)跨境資本流動(dòng)波動(dòng)率起到減小波動(dòng)幅度的作用，實(shí)證所得情況與預(yù)期相符，M2占GDP比值越大，說明經(jīng)濟(jì)貨幣化的程度越高，反映我國(guó)金融深度越深，對(duì)跨境資本流動(dòng)波動(dòng)起到穩(wěn)定作用；匯率波動(dòng)大小影響著進(jìn)出口，匯率高進(jìn)口易出口難，匯率低出口易進(jìn)口難，針對(duì)我國(guó)的實(shí)際情況，高匯率波動(dòng)水平也能給我國(guó)跨境資本流動(dòng)帶來穩(wěn)定器作用。外匯儲(chǔ)備、不良貸款率、股權(quán)融資規(guī)模、國(guó)內(nèi)外利差為正向系數(shù)，表明這四項(xiàng)指標(biāo)對(duì)跨境資本流動(dòng)波動(dòng)率起到增加波動(dòng)幅度的效果，外匯儲(chǔ)備在GDP中占比過高，會(huì)對(duì)人民幣儲(chǔ)備地位造成沖擊，影響人民幣在全球支付中的份額，保持較平穩(wěn)的占比，才能保證跨境資本流動(dòng)波動(dòng)性穩(wěn)定；不良貸款率是對(duì)金融機(jī)構(gòu)信貸資產(chǎn)安全狀況的評(píng)判標(biāo)準(zhǔn)，金融機(jī)構(gòu)不良資產(chǎn)率警戒線為10%，迄今為止仍是我國(guó)金融業(yè)最大的風(fēng)險(xiǎn)所在地，保持較低的不良貸款率是維持跨境資本流動(dòng)穩(wěn)定的手段；隨著股權(quán)融資規(guī)模的增加，國(guó)家所需要承擔(dān)的責(zé)任越大，若超出可掌控的融資范疇，會(huì)導(dǎo)致金融風(fēng)險(xiǎn)，過度的融資也會(huì)使下一輪融資更難獲得，增加跨境資本流動(dòng)波動(dòng)性；國(guó)內(nèi)外利差的增大，將會(huì)在中國(guó)國(guó)內(nèi)獲得更多利息，形成“賣出美元，換入人民幣”的熱潮，導(dǎo)致人民幣升值，增大跨境資本流動(dòng)波動(dòng)；若國(guó)內(nèi)外利差逐步倒掛且幅度擴(kuò)大，外資流出明顯加大，引發(fā)跨境資本外逃，削弱金融市場(chǎng)穩(wěn)定性，也將引起跨境資本流動(dòng)的大幅波動(dòng)。

兩區(qū)制風(fēng)險(xiǎn)轉(zhuǎn)化如圖1，圖Pr （S=1|S（t-1）=1）表示從t-1期低風(fēng)險(xiǎn)狀態(tài)到t期為低風(fēng)險(xiǎn)狀態(tài)的概率，圖Pr （S=2|S（t-1）=1）表示從t-1期低風(fēng)險(xiǎn)狀態(tài)到t期為高風(fēng)險(xiǎn)狀態(tài)的概率，圖Pr （S=1|S（t-1）=2）表示從t-1期高風(fēng)險(xiǎn)狀態(tài)到t期為低風(fēng)險(xiǎn)狀態(tài)的概率，圖Pr （S=1|S（t-1）=2）表示t-1期高風(fēng)險(xiǎn)到t期為低風(fēng)險(xiǎn)狀態(tài)的概率。

（二）資本項(xiàng)目開放下跨境資本流動(dòng)風(fēng)險(xiǎn)區(qū)域劃分

本文通過綜合使用Granger因果關(guān)系檢驗(yàn)，Linear Regression和時(shí)變轉(zhuǎn)換概率的馬爾科夫MS-TVTP模型，得到資本項(xiàng)目開放下跨境資本風(fēng)險(xiǎn)預(yù)警指數(shù)。為避免人為劃分閾值所造成的主觀負(fù)面效應(yīng)，本文將采用K-means聚類算法將預(yù)警指數(shù)劃分為四檔風(fēng)險(xiǎn)狀態(tài)，用以進(jìn)行跨境資本流動(dòng)風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)測(cè)預(yù)警。

K-means聚類分析是由斯圖爾特·勞埃德（Stuart Lloyd）在1957年提出的，并在之后由埃德加·威廉斯（Edgar W. Forgy）和詹姆斯·麥克奎恩（James MacQueen）進(jìn)行了獨(dú)立的發(fā)展和推廣。它是一種非監(jiān)督學(xué)習(xí)的聚類算法，旨在將一組數(shù)據(jù)點(diǎn)劃分為K個(gè)不同的簇或群組，使得同一簇內(nèi)的數(shù)據(jù)點(diǎn)彼此相似，而不同簇之間的數(shù)據(jù)點(diǎn)差異較大。其基本思想是通過計(jì)算數(shù)據(jù)點(diǎn)之間的距離或相似性，并根據(jù)距離最近的原則將數(shù)據(jù)點(diǎn)分配到最接近的簇中。該方法主要思想是：在給定K值和K個(gè)初始類簇中心點(diǎn)的情況下，把集合里的樣本分配至K個(gè)互不相交的簇，把每個(gè)點(diǎn)（亦即數(shù)據(jù)記錄）分到離其最近的類簇中心點(diǎn)所代表的類簇中，類簇中心點(diǎn)是類簇內(nèi)所有對(duì)象在各個(gè)維度的均值。所有點(diǎn)分配完畢之后，通過最小化簇內(nèi)平方和，重新計(jì)算該類簇的中心點(diǎn)。然后再迭代地進(jìn)行分配點(diǎn)和更新類簇中心點(diǎn)的步驟，直至類簇中心點(diǎn)的變化很小，或者達(dá)到指定的迭代次數(shù)。

假定給定數(shù)據(jù)樣本X，包含了n個(gè)對(duì)象X={X1，X2，X3，…，Xn}，其中每個(gè)對(duì)象都具有m個(gè)維度的屬性，K-means聚類算法目標(biāo)是將n個(gè)對(duì)象依據(jù)對(duì)象間的相似性聚集到指定的k個(gè)類簇中，每個(gè)對(duì)象屬于且僅屬于一個(gè)其到類簇中心距離最小的類簇中。［18］聚類算法的流程所示具體步驟如下：

1.初始化k個(gè)聚類中心。

令聚類中心C={C1，C2，…，C}，1

2.計(jì)算每一個(gè)對(duì)象到每一個(gè)聚類中心的歐氏距離，并進(jìn)行依次比較，將對(duì)象分配到距離最近的聚類中心的類簇中，得到k個(gè)類簇。

歐氏距離定義如下：

E=dis

X，

C=

X表示第i個(gè)對(duì)象，1?i?n，C表示第j個(gè)聚類中心，1?j?k。X表示第i個(gè)對(duì)象的第t個(gè)屬性，C表示第j個(gè)聚類中心的第t個(gè)屬性，1?t?m。

歐氏距離的值越大，該簇的樣本點(diǎn)距離類簇中心越遠(yuǎn)，樣本的相似程度就越小，聚類效果越差；歐氏距離的值越小，該簇的樣本點(diǎn)距離類簇中心越近，樣本相似程度越高，聚類效果越好。

對(duì)每一個(gè)對(duì)象到每一個(gè)聚類中心的距離進(jìn)行依次比較，將對(duì)象分配到距離最近的聚類中心的類簇中，得到k個(gè)類簇S={S1，S2，…，Sk}。

3.更新各類簇中心，把新的簇內(nèi)樣本的均值作為新的類簇中心。

類簇中心計(jì)算公式如下：

C=

式中，C表示第j個(gè)聚類的中心，1?j?k，

S表示第j個(gè)類簇中對(duì)象的個(gè)數(shù)，X表示第j個(gè)類簇中的第i個(gè)對(duì)象，1?i?

S

4.重復(fù)步驟2和步驟3，不斷更新類簇中心的位置直到迭代終止。

用SPSS將跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警指標(biāo)進(jìn)行K-means聚類，更新類簇中心的位置直到迭代終止，表5為最終聚類中心。

根據(jù)最終聚類結(jié)果，經(jīng)過區(qū)間調(diào)整后，由四個(gè)聚類中心進(jìn)行風(fēng)險(xiǎn)區(qū)制劃分，分別為安全區(qū)域、關(guān)注區(qū)域、警惕區(qū)域、風(fēng)險(xiǎn)區(qū)域和危機(jī)區(qū)域，計(jì)算得出區(qū)域指數(shù)如表6，表內(nèi)數(shù)據(jù)保留兩位小數(shù)。

（三）預(yù)警模型應(yīng)用前景分析

本文構(gòu)建出跨境資本流動(dòng)風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)測(cè)預(yù)警模型，并對(duì)其風(fēng)險(xiǎn)水平進(jìn)行區(qū)間劃分，從過往數(shù)據(jù)分析，模型所監(jiān)測(cè)預(yù)警結(jié)果與實(shí)際情況擬合度較高。在2008年次貸危機(jī)發(fā)生時(shí)，模型監(jiān)測(cè)到2007年四季度預(yù)警數(shù)值為0.16，預(yù)告我國(guó)經(jīng)濟(jì)環(huán)境將處于風(fēng)險(xiǎn)之中；在2015年整年根據(jù)模型預(yù)測(cè)我國(guó)處于高度警惕區(qū)域，預(yù)警數(shù)值為-1.72，此年我國(guó)股票市場(chǎng)經(jīng)歷了三次暴跌；根據(jù)模型分析2020年下半年和2021年下半年，預(yù)警數(shù)值分別為-2.18和-1.19，表明在此期間我國(guó)均處于高度警惕區(qū)域，此時(shí)國(guó)內(nèi)經(jīng)濟(jì)正處于遭受新型冠狀病毒兩撥攻勢(shì)，證實(shí)了模型預(yù)測(cè)精準(zhǔn)度較高。本文采用2023年一季度數(shù)據(jù)對(duì)未來進(jìn)行模擬預(yù)測(cè)，預(yù)警數(shù)值為-3.71，說明我國(guó)跨境資本流動(dòng)風(fēng)險(xiǎn)仍處于警惕區(qū)域，但風(fēng)險(xiǎn)有所下降。未來，隨著資本項(xiàng)目開放進(jìn)程的持續(xù)，跨境資本流動(dòng)將會(huì)愈加頻繁，不確定性將更為多變，資本流動(dòng)風(fēng)險(xiǎn)也將不斷增加，風(fēng)險(xiǎn)預(yù)警體系的重要性將逐步凸顯。

在跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系的應(yīng)用中，應(yīng)讓風(fēng)險(xiǎn)預(yù)警指數(shù)和監(jiān)測(cè)預(yù)警模型相互配合應(yīng)用，并根據(jù)最新數(shù)據(jù)獲得隨時(shí)間變化的動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)警指數(shù)，再通過風(fēng)險(xiǎn)預(yù)警模型識(shí)別風(fēng)險(xiǎn)區(qū)域，根據(jù)所識(shí)別的風(fēng)險(xiǎn)區(qū)域加強(qiáng)數(shù)據(jù)監(jiān)測(cè)并配合使用不同宏觀調(diào)控和微觀審慎手段進(jìn)行協(xié)調(diào)管理。當(dāng)然，在建立風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系過程中，各項(xiàng)指標(biāo)選取也并非是一成不變的，伴隨著數(shù)據(jù)的可獲得程度的降低和各機(jī)構(gòu)對(duì)指標(biāo)關(guān)注度的增強(qiáng)，使用月度指標(biāo)能夠更精確地對(duì)風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)預(yù)警。因此，應(yīng)不斷健全跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警體系，及時(shí)觀測(cè)到異常資本流動(dòng)，以期準(zhǔn)確判斷跨境資本流動(dòng)和規(guī)模狀況。

四、結(jié)論與政策建議

為防范可能到來的跨境資本流動(dòng)風(fēng)險(xiǎn)，本文構(gòu)建了跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系，監(jiān)測(cè)預(yù)警體系包含風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警指數(shù)與動(dòng)態(tài)時(shí)變跨境資本流動(dòng)風(fēng)險(xiǎn)區(qū)域模型。對(duì)跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警指標(biāo)進(jìn)行構(gòu)建，在考慮政治體制、金融市場(chǎng)和社會(huì)發(fā)展基本穩(wěn)定的前提下，借鑒前人對(duì)跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)的研究成果，根據(jù)實(shí)際選取各個(gè)指標(biāo)，作為跨境資本流動(dòng)動(dòng)態(tài)監(jiān)測(cè)預(yù)警體系的備選指標(biāo)，通過因果檢驗(yàn)和多變量線性回歸對(duì)備選指標(biāo)進(jìn)行篩選，得到對(duì)跨境資本流動(dòng)影響強(qiáng)且關(guān)聯(lián)性高的10個(gè)先行指標(biāo)。再利用時(shí)變概率的馬爾科夫區(qū)制轉(zhuǎn)換模型（MS-TVTP）對(duì)先行指標(biāo)進(jìn)行多次擬合，最終得到預(yù)警指標(biāo)的最優(yōu)結(jié)果，從而確定預(yù)警指數(shù)。再使用K-means聚類分析模型對(duì)預(yù)警指標(biāo)進(jìn)行聚類迭代，通過對(duì)最終聚類結(jié)果區(qū)間調(diào)整后，計(jì)算得到風(fēng)險(xiǎn)區(qū)域，通過對(duì)2008年美國(guó)次貸危機(jī)、2015年中國(guó)股票市場(chǎng)動(dòng)蕩和2020—2021年我國(guó)遭受新型冠狀病毒入侵，均能在模型上作出合理解釋和風(fēng)險(xiǎn)前瞻。結(jié)論顯示，監(jiān)測(cè)預(yù)警指數(shù)能夠較好預(yù)測(cè)風(fēng)險(xiǎn)點(diǎn)，監(jiān)測(cè)風(fēng)險(xiǎn)效果好，具有一定的前瞻性和可行性。

根據(jù)以上結(jié)論，本文得出以下政策建議：一是健全宏觀審慎管理框架，包括跨境資本流動(dòng)風(fēng)險(xiǎn)預(yù)警指標(biāo)，建立時(shí)變風(fēng)險(xiǎn)區(qū)域，制定相應(yīng)政策和措施應(yīng)對(duì)潛在風(fēng)險(xiǎn)，有助于保護(hù)金融系統(tǒng)的穩(wěn)定，降低系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生概率。二是通過動(dòng)態(tài)監(jiān)測(cè)預(yù)警，精準(zhǔn)調(diào)控資本流動(dòng)，根據(jù)預(yù)警結(jié)果，及時(shí)采取必要干預(yù)措施，如調(diào)整匯率政策、加強(qiáng)資本流動(dòng)監(jiān)管等，以避免過度波動(dòng)，有助于平衡國(guó)內(nèi)經(jīng)濟(jì)的發(fā)展和金融穩(wěn)定的雙重目標(biāo)。三是為有效實(shí)施動(dòng)態(tài)監(jiān)測(cè)預(yù)警，提升監(jiān)管能力和數(shù)據(jù)共享水平，包括建設(shè)強(qiáng)大數(shù)據(jù)分析系統(tǒng)，培養(yǎng)專業(yè)人才，加強(qiáng)與國(guó)際監(jiān)管機(jī)構(gòu)的合作與數(shù)據(jù)共享。通過共享數(shù)據(jù)和經(jīng)驗(yàn)，更好地應(yīng)對(duì)跨境資本流動(dòng)的風(fēng)險(xiǎn)挑戰(zhàn)，并與其他國(guó)家共同維護(hù)全球金融穩(wěn)定。四是健全風(fēng)險(xiǎn)防范和處置機(jī)制，監(jiān)測(cè)預(yù)警風(fēng)險(xiǎn)的同時(shí)，還需配套風(fēng)險(xiǎn)防范和處置機(jī)制，包括加強(qiáng)金融監(jiān)管和風(fēng)險(xiǎn)評(píng)估，設(shè)立風(fēng)險(xiǎn)應(yīng)對(duì)基金或儲(chǔ)備，制定危機(jī)管理預(yù)案等。五是強(qiáng)化跨部門協(xié)調(diào)性，跨境資本流動(dòng)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警涉及多個(gè)相關(guān)部門和機(jī)構(gòu)，加強(qiáng)各部門之間溝通和合作，建立跨部門的信息共享機(jī)制，確保及時(shí)傳遞和共享有關(guān)跨境資本流動(dòng)的數(shù)據(jù)和信息，有助于更好地協(xié)調(diào)政策和監(jiān)管措施，提高預(yù)警的準(zhǔn)確性和及時(shí)性。六是優(yōu)化外匯管理，跨境資本流動(dòng)與外匯管理密切相關(guān)，通過監(jiān)測(cè)資本流動(dòng)風(fēng)險(xiǎn)，及時(shí)調(diào)整外匯政策，合理引導(dǎo)資本流動(dòng)，維護(hù)外匯市場(chǎng)穩(wěn)定。同時(shí)，優(yōu)化外匯管理制度和流程，提高資本流動(dòng)便利性和透明度，有助于吸引外國(guó)投資和促進(jìn)經(jīng)濟(jì)的開放發(fā)展。七是加強(qiáng)國(guó)際合作，跨境資本流動(dòng)具有跨國(guó)性和全球化特征，積極參與國(guó)際組織和機(jī)構(gòu)的合作，加強(qiáng)與其他國(guó)家監(jiān)管機(jī)構(gòu)和中央銀行的合作交流，共同應(yīng)對(duì)跨境資本流動(dòng)的風(fēng)險(xiǎn)，建立更加健全和有效的國(guó)際監(jiān)管體系，維護(hù)全球金融穩(wěn)定。八是提高市場(chǎng)透明度，及時(shí)公布監(jiān)測(cè)預(yù)警的結(jié)果和政策措施，可以增加市場(chǎng)參與者對(duì)資本流動(dòng)風(fēng)險(xiǎn)的認(rèn)識(shí)和理解，減少信息不對(duì)稱，增強(qiáng)市場(chǎng)預(yù)期，提高市場(chǎng)透明度，吸引更多國(guó)際投資者，促進(jìn)資本市場(chǎng)的健康發(fā)展。

參考文獻(xiàn)：

［1］Arner D W， Taylor M W. The Global Financial Crisis and the Financial Stability Board： Hardening the Soft Law of International Financial Regulation？［J］. University of New South Wales Law Journal， 2009， （2）： 488-513.

［2］Adrian T， Ashcraft A B. Shadow Banking Regulation［J］. Annu. Rev. Financ. Econ.， 2012， （1）： 99-140.

［3］Brunnermeier M， De Gregorio J， Eichengreen B， et al. Banks and Cross-border Capital Flows： Policy Challenges and Regulatory Responses［J］. Committee on International Economic Policy and Reform， 2012： 1-58.

［4］Olivier J，Rancière Romain.The Optimal Level of International Reserves For Emerging Market Countries：A New Formula and Some Applications［J］.Economic Journal，2011，（555）：905-930.

［5］史錦華，謝運(yùn)，管莉莉.國(guó)際資本流動(dòng)風(fēng)險(xiǎn)及有效監(jiān)管［J］.財(cái)經(jīng)科學(xué)，2008，（3）：23-29.

［6］Braasch B.Global Monitoring of International Capital Flows［J］.Intereconomics： Review of European Economic Policy， 2012，（2）： 129-136.

［7］Sanderson R .Does Monetary Policy cause Randomness or Chaos？ A Case Study from the European Central Bank［J］.Banks and Bank Systems， 2013，（4）：55-61.

［8］Deng Q.Application Analysis on Blockchain Technology in Cross-border Payment［C］//5th International Conference on Financial Innovation and Economic Development （ICFIED 2020）.Atlantis Press，2020：287-295.

［9］Chen X W，Lin X.Big Data Deep Learning：Challenges and Perspectives［J］.IEEE Access，2014，（2）：514-525.

［10］Brogaard J，Hendershott T，Riordan R.High-frequency Trading and Price Discovery［J］.The Review of Financial Studies，2014，（8）：2267-2306.

［11］陳雷，張哲，陳平.三元悖論還是二元悖論——基于跨境資本流動(dòng)波動(dòng)視角的分析［J］.國(guó)際金融研究，2021，（6）：34-44.

［12］Reinhart C，Rogoff K.This Time is Different：Eight Centuries of Financial Folly［M］.Princeton： Princeton University Press，2009.

［13］Lothian J R. Monetary Policy and the Twin Crises［J］. Journal of International Money and Finance， 2014，（49）： 197-210.

［14］Espinosa-Vega，Marco A，Solé，Juan.Cross-Border Financial Surveillance：A Network Perspective［J］.Imf Working Papers，2011，（3）：182-205.

［15］Kaminsky G L，Reinhart C M.The Twin Crises：The Causes of Banking and Balance-of -Payments Problems［J］.The American Economic Review， 1999，（3）： 473-500.

［16］Frankel，J.A.， Saravelos，G.Can Leading Indicators Assess Country Vulnerability？ Evidence from the 2008-09 Global Financial Crisis［J］.Journal of International Economics，2012，（2）：216-231.

［17］楊丹丹，沈悅.金融開放進(jìn)程中的中國(guó)跨境資本流動(dòng)風(fēng)險(xiǎn)預(yù)警研究——基于MS-TVTP模型的分析［J］.國(guó)際金融研究，2021，（5）：76-85.

［18］馬舒琪，陳一洲.基于Prophet-聚類模型的火災(zāi)時(shí)空聚集性特征及預(yù)測(cè)研究［J］.安全與環(huán)境學(xué)報(bào)，2021，（5）：2164-2170.

（責(zé)任編輯 吳曉妹）