金融风险早期预警体系研究：国外理论文献综述

宋莹

摘   要：2008年国际金融危机爆发以来，世界各国的经验表明，构建对金融体系的风险预警机制是必要且可行的。本文对国外金融风险早期预警体系的既有研究成果进行了梳理，以期为我国构建风险早期预警体系提供一些经验借鉴。

关键词：金融危机;风险早期预警体系;信号法;神经网络

中图分类号：F830.31                   文献标识码：B                      文章编号：1674-0017-2015（2）-0083-04

一、引言

自1825年第一次爆发金融危机以来，频繁发生且愈演愈烈的金融危机对世界经济造成了诸多破坏性影响。据IMF统计，1980-1995年期间大约有65个发展中国家发生过银行业1危机，而公共部门用于处置银行业危机的成本约为2500亿美元。在至少12起的危机事件中，公共部门的处置成本约占到该国GDP的10%以上。1997年的东南亚金融危机中，泰国和韩国的银行重组成本高达GDP的30%，印度尼西亚和马来西亚则为20%。随着全球经济金融一体化的深入和金融业务与工具的创新，金融危机的影响范围和程度也较以往大幅延伸。2008年的国际金融危机导致全球金融市场动荡加剧，世界主要经济体至今尚未从危机的泥潭中摆脱出来。据不完全统计，2008年全球金融危机给世界经济造成的直接损失约为35万亿美元。

除巨大的经济损失，银行危机也导致全球经济的严重衰退，阻止国民财富向最具生产效率部门的配置，限制了各国货币政策运作的空间，增加了货币危机发生的概率2。IMF（1998年）调查发现，在作为分析的31个发展中国家样本中，平均需要三年多的时间才能使其产出增长恢复至危机前水平，产出累计损失平均为12%。在严重的货币危机中，新兴经济体遭受的损失平均达到实际产出的8%。

二、金融风险早期预警体系理论综述

正因为金融危机的影响巨大，因此各国理论界和监管机构均试图建立适当的风险早期预警模型对其加以预测。Edison（2003）认为早期预警模型体系应包括危机的准确定义和对危机进行有效预测的机制安排。总体上，这些分析都是针对宏观经济、金融部门等宏观审慎指标，然后采用各种分析技术与模型，从而得出分析结果。根据所采用的方法途径不同，国外对于早期预警模型的研究分为参数和非参数模型两种：参数技术包括probit/logit和向量自回归VAR模型，非参数技术则指的是主要指标法和信号法。具体又可以分为三类：

一是指标或信号法。通过选取宏观经济与金融主要指标（宏观审慎指标MPIs）作为分析变量，确定作为危机信号的阀值，并统计MPIs的“报警信号”的次数来预测危机发生的概率。当与危机相关联的指标触发其特定阀值时，报警信号就会产生。

二是采用线性回归或受限因变量probit/logit技术。主要用于检验不同指标在确定金融危机发生概率时的重要性程度和有用性，通过监测危机发生之前指标的行为变化来计算危机发生概率。

三是最新技术。包括使用二元递归树来确定主要指标的危机阀值，人工神经网络和基因演算法来选取最合适的指标和马尔科夫区制转移模型。

（一）指标/信号分析法

Honohan（1997）认为，金融风险起源主要分为宏观经济事件、微观经济不足和区域性危机，那么风险预警则对应不同的警示信号。宏观经济事件导致的危机通常涉及内生性的衰退与繁荣周期，微观经济中能够发生的危机通常因为风险的过度承担和内部人融资，而区域性危机通常与政府主导下的金融体系相关。针对这三种情况，他设定了选取变量的基准条件，如贷款余额、存贷比、利差收入、流动性比率、政府债务等作为分析变量。虽然其指标分析法很大程度上取决于研究者的主管判断，但仍被理论界和市场分析人士经常使用。

Kaminsky和Reinhart（1999）的KLR法针对危机前的表现出异常行为的指标的演变进行分析，当指标超过既定阀值时，该指标将发出信号，表明危机在未来24个月内可能发生。变量主要包括：M2乘数、国内信贷/GDP，真实利率、存贷比、M2/储备、银行存款、进出口、贸易条件、真实汇率、股票价格等。Kaminsky（1999）提出构建基于单个指标基础上的金融脆弱性多种合成指数方法。其中第一个指数是所有可以作为危机信号的指标汇总;第二个合成指数通过界定单个指标极值的第二阀值来解释信号的严重程度;第三个指数旨在通过添加最新信号来表示基础面情况的持续恶化，最终的合成指数是所有解释变量根据其统计上重要性程度的加权平均值，合成指数的拟合概率可以作为危机概率的重要预测。

Berg和Pattillo （1999）模型对KLR模型的部分特性进行了修订。其构建的合成指数在考虑了各个变量的相关性和边际贡献的基础上汇总了解释变量，可以验证每个变量的重要性和回归系数的稳定性，从而消除了KLR法无法检验变量及合成指数对于危机预测的边际和真实贡献度。

Borio和Lowe（2002）利用信号法分析了银行危机与资产价格、信贷、投资三者之间的关系，研究了资产价格、信贷等指标对银行危机的警示作用。Davis和Karim（2008）则针对105个国家的银行危机事件，研究了102次系统性银行危机事件。Christain（2008）详细介绍了信号法在工业国家和新兴市场国家银行危机预警的应用。

（二）受限因变量模型法（受限probit或logit回归法）

鉴于危机的爆发是一种二元性的离散事件，因此可以运用受限回归法（probit或logit模型）来对危机的发生进行预测。将危机指标作为二元性变量，通过一系列的解释性变量来加以估算。采用logit或probit预测法，预测出的结果被限定在单元区间，并被解释为危机发生的概率。这种方法的优点在于可以评估每个解释变量对于危机的贡献度，并可通过数理统计技术进行检验。

Frankel和Rose（1996）首次采用年度数据和probit模型来预测金融危机的发生。Eichengreen和Rose （1998）在分析新兴经济体的银行业危机时，采用了多元二项式probit来进行预测，结果显示国外环境变化对于发展中国家银行业危机的重大影响，其国内变量贡献度相对较小，但是汇率的估值、国内商业周期和外债水平非常重要，并为金融问题的产生创造了现实舞台。另一方面，财政政策变量、汇率机制和结构则作用较低。但年度数据的使用导致危机发生的概率的上升几乎与危机同时发生，从而限制了概率作为银行业危机的主要指标的使用。

Demirgü和Detragiache （1998a， 1998b）运用多元二项式logit模型研究了发达国家与发展中国家系统性银行危机的决定因素，认为一系列的解释变量包括：宏观经济变量、金融变量和机构发展进步的估值等。结果显示宏观经济变量是银行脆弱性的主要决定因素，尤其是当通胀率和利率水平均处于高位时，随着增长放缓，危机的概率将会增加。同时，当存款保险机制不明确和机构发展疲软时，危机的概率通常较高。在其进一步的研究中，他们将probit预测用于早期预警，并认为阀值与三个因素相关：与阀值相关的类型1和类型2错误的概率、银行业危机的无条件概率和提前采取措施预防危机发生的成本与发生危机的成本比值，并认为不良贷款率超过10%或者银行救助成本超过GDP的2%时，银行危机发生。

Hardy和Pazarbasioglu （1999）采用多元多项式logit模型来预测银行业危机，根据危机时间分别将一个离散变量定义为2（危机发生期）、1（危机发生前的一年期）和0（其他时间段），由此建立独立于危机年度的主要变量的预测能力。当因变量达到阀值时，银行业危机的早期预警随之启动。

Hutchinson和Mc-Dill （1999）建立了多元probit模型，发现包括产出和股权价格的下降的宏观经济变量与银行业危机密切相关，而其他变量（如汇率波动、通胀、真实利率信贷增长、储备/M2）总体上与银行业危机的爆发无关。但体制因素（央行独立性、显性存款保险、道德风险）与银行业危机爆发的可能性密切相关。

Kamin， Schindler和Samuel （2001）、Bussiere和Fratzscher（2001）分别运用了二元多变量量化分析。Lestano、Jan Jacobs 和 Gerard H. Kuper（2003）运用因子分析和logit模型，并将因子分类作为解释变量，采用1970年1月-2001年12月的嵌板数据，对象是6个亚洲国家的预警体系，研究发现货币增长率（M1和M2）、银行存款、人均GDP和国民储蓄水平、M2/外汇储备、国内利率水平及通胀率与银行危机密切相关，

Bussiere和Fratzscher （2006）设计了多元logit回归早期预警模型，对安全期、危机时期和后危机时期进行比较分析，发现这种模型比二元logit模型更好地预测了新兴经济体的金融危机。Beckmann（2007）采用20个国家的1970-1995数据，比较参数和非参数早期预警模型，发现参数预警模型可以更好地预测危机事件。

（三）神经网络3ANN模型

Nag和Mitra（1999）用ANN来构建货币危机的早期预警体系，通过预测马来西亚、泰国和印尼的货币危机来进行检验，并将结果与信号法得到的结果进行比较，认为ANN的效果要好于KLR模型。

Kolari等（2000）提出了非参数特征识别模型TRM。他们认为受限因变量回归法存在两个缺陷：无法确定哪个变量在预测银行破产中最有用，结果只能反映变量在区别破产与非破产银行的有效性;预测结果没有就每个变量如何影响类型1和类型2错误给出信息;这些模型不能很好地检验变量间的互动。

Franck和Schmied（2003）证明了一个多层级感知器在预测货币危机方面优于logit模型，尤其是能够预测发生在俄罗斯和巴西的货币危机和投机冲击。

三、金融监管部门的早期预警体系实践

借助这些理论，目前已有若干国家金融监管当局建立或正在建立危机早期预警体系的模型。根据他们对危机的预测、破产和破产时间以及预期损失模型，这些具体实践活动可以分为：

（一）评级预测法

这种方法旨在预测金融机构在现场检查中的可能评级。该模型得以确定银行定期报告中的一系列变量和现场检查评级的历史关系，其结果将再次被用于评级的定期检查中。预测可以反映银行的当前状况，并可以定期反映银行状况的恶化情况。如美联储的SEER评级模型和美国联邦存款保险公司的SCOR模型。

SEER作为风险排序的模型，可以预测两年内的银行破产概率。该模型收集1985-1991年的横截面和时间序列数据，用probit回归模型来预测概率。除了每个银行的破产概率，该模型还可以就风险属性分析得出结论，比较既定银行的结果，与其历史演变及与属于同类的类似银行进行比较，为银行体系的整体风险提供了一种估量。

SCOR基于季度财务数据，运用CAMELS等级的有序对数模型来估计当前CAMELS等级为1或2的银行在未来信用等级下降的可能性。模型将上年的财务报表与当前现场评级相匹配，从而估计被评估银行未来的等级次序。若银行当期评定等级为1或2，则其未来降级的可能性等于分别转变为等级3、4、5的概率之和，且模型将临界值设定为30%。

美国OCC运用这种方式也设计了两种模型，第一个估计破产概率和银行在两年后复活的概率，第二个模型（银行测算体系Bank Calculator）运用标准化logistic回归模型来预测破产概率。其解释变量包括：来自银行报告的金融变量，以及可以解释银行业务环境变化的变量，并根据风险种类（银行投资组合风险、银行状况风险和银行环境风险）进行分类。

（二）预期损失模型

这种模型主要适用于那些银行破产情况不多发，没有足够的数据来支撑的国家或部门。法国银行业委员会的银行业分析支持系统SAAB通过估计潜在预期损失来预测银行的破产。该系统借助数据库和外部评级机构的信用等级数据，估计个人和企业贷款的违约率，然后对每一笔个人或企业贷款提取损失准备金，计算未来三年的潜在损失，并将损失总额从银行准备金水平中扣除，如果调整后的准备金水平仍高于其法定标准，则预期该银行在未来三年内可以持续经营并免于破产。

（三）其他类型

国际货币基金组织的宏观审慎指标评估通过众多指标变量反映金融和实体经济体系面对冲击的脆弱性程度，如通胀率、资产价格等，和微观审慎指标如资本充足率、资产质量、商品价格风险和主权收益率等。借助这些指标，宏观审慎分析可以来评估和监测金融体系的稳健性，对一国的经济或金融状况进行综合评价，如机构和监管框架现状或与国际标准的契合度等。其中，金融稳健指数FSI主要用于定期监测金融机构和市场、公司和储户的健康与稳健性。

英国RATE系统综合地评估银行风险，评估每个业务部门、机构及银行整体框架。其中业务因素包括银行的总体业务和外部环境。除了银行当前风险，还评估下一阶段风险演变，运用综合性评估中得到的信息和监管部门对于市场的预测。这种方式可以识别潜在脆弱性的部门并根据每个机构的特殊性进行分析，同时从整体上勾画银行业活动的蓝图。

亚洲开发银行的“早期预警系统VIEWS”（2005）以信号法为基础建立了东亚地区的银行危机预警非参数型模型。模型构建步骤为确定历史上危机发生的时段;选择主要指标如经常账户、资本账户、金融业、财政账户、实体经济和全球经济等六大类;设定噪声/信号比例最小化的百分位值即阀值;构建综合指数确定比较某个时期有多少个预警指标发出了危机信号;估算以综合指数为条件的危机概率。

四、启示

在总结和借鉴国际经验的基础上，建立既符合我国国情又与国际标准接轨，定量和定性相结合的金融风险早期预警体系，在研判金融体系的风险走势进行科学的同时，对高风险金融机构予以标识。可综合考虑我国宏观经济状况、金融市场运行、金融机构风险，选取相应的多个层次、指导性强、易于操作的预警指标，以实现对金融风险的全面监测和管理。依据国际标准已有的相关指标设置金融风险预警指标的临界值，并根据金融创新、金融风险以及金融危机的发展变化特点，对各个指标的临界值加以修正，同时注意早期预警模型应在两类错误4间进行权衡。

参考文献

[1]Carmen Reinhart and Morris Goldstein （1998）“Assessing financial vulnerability， an early warning system for emerging

markets”， http：//mpra.ub.uni-muenchen.de/13629/.

[2]Honohan，Patrick （1997）.“Banking System Failures in Developing and Transition Countries： Diagnosis and Prediction.”

BIS WP No39.

[3]Kaminsky， Graciela and Carmen Reinhart（1999）.“The Twin Crises：The Causes of Banking and Balance-of-Payments

Problems”，American Economic Review 89（3），June 1999，P473-500.

[4]Kaminsky， Graciela L.（1999）.“Currency and Banking Crises：The Early Warnings of Distress”.

[5]Lestano， Jan Jacobs and Gerard H. Kuper（2003）.“Indicators of financial crises do work！ An early-warning system

for six Asian countries”.

The Study on the Theory on the Financial Risk Early Warning System： A Literature Review of Foreign Theories

SONG Ying

（Hefei Municipal Sub-branch PBC， Hefei Anhui 230091）

Abstract： Since the outbreak of the international financial crisis in 2008， experiences of countries around the world have shown that constructing the risk early warning mechanism of the financial system is necessary and feasible. The paper reviews the existing research results of the foreign financial risk early warning system with the purpose of providing some experiences for the construction of the risk early warning system in China.

Keywords： financial crisis; risk early warning system; signal method; neural network

责任编辑、校对：张宏亮