我国金融风险的区域差异及分布动态演进

沈丽 张影 张好圆

内容提要：运用Dugum基尼系数法研究2005～2016年我国金融风险的地区差异大小及来源，并使用Kernel密度估计方法分析其分布动态演进。研究表明，我国金融风险地区差异逐渐扩大，地区内差异是我国金融风险地区差异的主要来源;全国及各个地区金融风险总体呈上升趋势，东部地区金融风险呈梯队分布，中部、西部地区呈现微弱的多级分化趋势，东北地区则表现为较严重的两极分化。对我国金融风险地区差异及分布动态的深入剖析，可为重点防范、协作治理和主动化解金融风险提供政策参考。

关键词：金融风险防范;区域差异;区域金融风险

中图分类号：F832.5    文献标识码：A    文章编号：1003-7543（2019）10-0085-13

现阶段，我国经济尚处于新旧动能转换期，长期积累的金融风险进入易发多发期。中央高度重视保障金融安全、守好风险底线、积极稳妥和更加精准地化解金融风险。需要引起关注的是，我国疆域辽阔，各地资源禀赋、区位条件、经济发展状况和资本流动情况等不尽相同，金融风险累积程度呈现显著的地区差异。当某个地区金融风险累积过多、突破可控边界、形成跨区域交叉传染时，就可能加速“明斯基时刻”的到来，导致系统性风险发生，甚至引发社会危机。只有精准掌握我国金融风险的地区分布状况，准确识别风险隐患，才能精准施策、重点治理，维护金融安全与稳定。

国内探究金融风险地区差异的研究多是基于单一金融风险因素的地区差异而展开。2005年，就曾有学者对不良贷款的地区差异展开研究[1]，后有学者又分别关注了非金融企业和地方政府债务率的地区差异[2-3]。随着研究的全面、深入，整体金融风险的地区差异开始受到关注。一些学者综合宏观经济、国际冲击、银行信贷等多个角度详细分析了整体金融风险的地区差异[4-7]。关于研究方法，上述研究一方面通过直接比较测算出的省际金融风险大小，得出我国金融风险的省际间高低差异，这种差异仅是停留在数值上的对比，没有测度地区差异的实质大小，也没有具体衡量地区差异的主要来源;另一方面则采用Markov链模型分析省域层面金融风险高低状态的变化，没有具体描述金融风险分布的整体形态和动态特征。而在实际研究中，综合运用Dugum基尼系数法和核密度估计方法可以弥补以上研究方法的缺陷。Dugum基尼系数法既可以测度地区差异大小，又可以探究地区差异的主要来源，而核密度估计方法则可以对金融风险分布的整体形态和动态特征进行刻画。

事实上，学者们已结合这两种方法研究金融等诸多领域①的地区差异和分布动态，这对研究金融风险的地区差异和分布动态具有较好的参考价值和借鉴意义。

一、金融风险区域差异的形成机制

金融风险是指金融主体在金融活动或投资经营中由于某些风险源变化的不确定性可能给金融主体带来的不确定性。金融、企业、政府和家户部门作为经济活动的主体，其活动的区域差异会对金融风险的区域差异产生影响。

（一）商业银行等金融部门经济活动的区域差异性

金融部门经济活动的区域差异性主要体现在三个方面：一是金融机构的内部脆弱性。不同区域金融机构在法人治理结构、内部控制机制、从业人員素质、风险管理技术和手段等方面具有差异，导致不同区域金融机构内在脆弱性不同。二是不同区域商业银行等金融机构间的相互关联程度不同。关联性是银行等金融机构的一个不容忽视的特征，主要表现为基于银行间同业拆借等业务往来构建的复杂的资产负债关系和共同债权人关联①。上述关联既提供了资金流动渠道，分散了单一金融机构的金融风险，又加剧了金融风险的区域间传染。一般来说，东部相对发达的地区经济活动活跃，资金流动频繁，金融机构间的关联复杂，较小的金融风险会因金融机构间的关联而分散，较大的金融风险甚至金融危机则会因为金融机构间的关联而传染，加大金融危机的破坏性。相较而言，中部、西部和东北地区金融机构间的关联较弱。区域间金融机构的关联性是金融风险区域差异形成的重要原因。三是商业银行等金融机构利益驱动机制会导致金融资本较多地流向资本收益或投资回报较高的地区，资本回报低下的地区普遍面临资金的流动性约束。此外，我国地方金融机构隶属于地方政府，金融机构决策除考虑盈利外，还会受到行政因素的干扰。不同地方政府融资需求不同，不同地区金融机构面临的地方政府债务风险也不同，上述信贷软约束机制加剧了金融风险的地区非均衡特征。

（二）企业部门经济活动的区域差异性

企业部门经济活动区域差异主要表现为三个方面：一是周期性企业的信用风险受经济波动影响较大。根据斯蒂格利茨的判断，企业信用风险的周期性最容易使银行陷入困境。一般来说，信用风险具有周期性的企业属于周期性行业，此类行业受经济周期的影响较大，如煤炭业，而非周期性行业基本不受经济周期的影响，如农业②。当经济处于上行期，企业对经济态势较为乐观，企业会加大银行信贷，积极进行投资;一旦经济出现下滑，由于经营管理不善企业无法偿还贷款，银行不良贷款就会增加，银行体系风险就会增大。不同区域周期性行业和非周期性行业的分布不同，这会导致经济波动对各区域企业的信用风险产生不同影响。二是企业之间的知识技术溢出效应具有空间递减规律③，由此先进技术和知识会出现“高—高聚集”和“低—低聚集”的俱乐部趋同现象，致使一些地区因无法获得风险管理等先进技术而无法消除风险，以致金融风险出现地区差异性。三是不同地区对外贸易水平不同，贸易收入对区域内经济反哺程度不同，从而不同区域具有不同的抵御金融风险能力。输出基础理论很好地阐释了区际贸易对经济的影响[8]。该理论的基本观点为：一个区域对外输出（包括产品和服务）的总额越大，其输出产业的收入越多。这部分收入除了补偿输出产业的生产费用外，还可以用于满足区域内输出产业需要产品的生产和服务以及用于扩大进口。此外，输出产业的生产活动需要许多区域非输出产业的配合和协作。输出产业越发达，区域内的生产和服务越会得到更大程度的发展。因此，输出生产和输出总额越大，区域经济的规模和相应的收入越大，抵御金融风险的能力越强。

（三）政府部门经济活动的区域差异性

政府部门经济活动的区域差异性主要体现在以下方面：一是GDP晋升激励导致地方债务风险呈现空间差异特征。当前中央政府以财政分权和晋升激励的方式影响地方政府履行职能。欠发达地区和发达地区债务风险会在GDP晋升激励下出现差异。发达地区经济发展水平相对较高，受到GDP晋升激励较小，举债规模较小，而欠发达地区经济发展相对落后，自身债务承受能力较差，在GDP晋升激励之下，可能通过各种融资平台大量举债以发展经济。一方面，合理范围的地方债务可以弥补市场失灵，产生正效应，但是一旦地方债务水平突破合理范围，这种正效应会随着投资规模的增加逐渐减弱甚至消失;另一方面，过量的政府投资会通过挤出效应挤占私人投资，导致地方政府承受越来越大的偿债压力。二是不同区域对同一政策的吸收消化能力不同，发达地区借助于其健全的金融机构和金融市场体系能够实现预期的政策效果，欠发达地区则可能相反，由此金融风险会在欠发达地区出现较大程度的积累。

（四）家户部门经济活动的区域差异性

家户部门经济活动区域差异主要体现为人力资本区际间流动。新古典劳动力迁移理论强调区际收入差异是区际人力资本流动的主要动因。劳动力往往会向经济比较发达、工资比较高、生活质量比较高的区域流动。劳动力迁移使得经济活动扩张的地区吸引了大量的青年人才，形成“刺激投资—增加收入”的良性循环，拉大了与欠发达地区的发展差距。此外，劳动力本身蕴含了大量有关技术与研发创新的信息，其区际流动构筑了先进技术与创新知识向其他地区扩散与传播的通道。不同地区劳动力的差异分布导致不同地区拥有不同抵御金融风险的能力和技术，进而使金融风险呈现区域差异。

二、我国金融风险区域差异及来源

（一）我国金融风险水平的测度

1.指标选择

金融风险具有自我累积、传染速度快和波及范围广等特点，任何单一市场或部门的金融风险都不能代表整体金融风险状况。依据科学性、层次性、可操作性和目标导向性原则，这里综合借鉴国内外学者[9-15]的研究成果，基于金融风险区域差异的形成机理，从金融、企业、政府和家户经济四部门角度选择了多项指标表征我国经济所面临的整体金融风险水平。另外，本文认为不能脱离四部门所处的经济环境来考察部门的风险状况，经济状况恶化的现实演变比单纯的某个部门的价值缩水更为严重和复杂。换言之，在恶劣的宏观经济形势下，任何经济部门都难以独善其身。因此，在上述四部门指标的基础上，本文又加入了反映宏观环境状况的指标。这些风险指标构成了我国金融风险指标体系（见表1，下页），用以全面衡量金融风险水平。表1中的指标涉及我国31个省（区、市），数据来自Wind数据库、国家统计局、CSMAR数据库、EPS全球统计数据库以及《中国区域经济统计年鉴》，时间跨度为2005～2016年。

金融部门指标反映金融机构及市场运行引致的风险积累，包含银行、保险和股票市场三个维度，其中保费深度代表保险业的发展水平;股票市值/GDP衡量股票市场发育程度;由于银行体系特殊的传染和扩散特征，用不良贷款率反映坏账累积引发的风险;存贷比表征银行抵御风险的能力;信贷膨胀率表示信贷过快增长带来的风险。其中，保费深度、股票市值/GDP和存贷比为逆向指标，其数值越大，风险越小;不良贷款率为正向指标，其数值越大，风险越大;信贷膨胀率为适度指标，该指标数值应维持在一定水平上，过高或过低都代表积累风险过多。

企業部门指标反映企业经营所积累的金融风险，随着我国供给侧结构性改革的推进，淘汰落后产能、企业转型升级时所积累的风险不容忽视。本文用ROA反映企业的盈利情况，亏损率反映企业亏损状况，流动比率反映企业流动性风险，资产负债率反映企业的债务风险。其中，ROA为逆向指标，其余三项均为正向指标。

政府部门指标反映财政风险，基于数据可得性，本文用财政缺口率表示，用以反映政府在配置社会资源时的收支缺口情况。该指标为正向指标，数值越大，风险越大。

家庭部门指标反映家庭风险积累状况，用居民家庭人均收入增长率反映家庭的收入状况，失业率表征劳动产能中并未转化为家庭财富的闲置劳动产能。其中，居民家庭人均收入为负向指标，失业率为正向指标。

宏观环境反映国家经济总体运行出现偏差累积的风险。GDP增长率表示一国经济增长速度，进出口额/GDP表示对外贸易依存度，固定资产投资/GDP表示固定资产投资状况，通货膨胀率反映一国平均物价水平上升幅度。上述指标均为适度指标，其数值应该维持在一定范围，过高和过低都意味着累积风险增加。

2.金融压力指数构建

基于上述选择的指标以及区域范围的说明，这里借鉴以往学者的研究[16]，采用熵权法①，科学、客观、合理地为每个指标赋权，以获得我国金融风险水平的综合评估值。为了消除不同指标维度和幅度差异对计算结果的影响，这里先对不同属性的金融风险指标进行标准化处理，最终得出的指标值越大，风险越大。不同属性的金融风险指标采取不同的标准化处理方式。

正向指标标准化处理方式如公式（1）所示：

负向指标标准化处理方式如公式（2）所示：

适度指标标准化处理方式如公式（3）所示：

其中，rij为第i年的第j个指标值。

按照上述处理方式，本文估计出了我国各省域金融风险大小，其具体结果如表2（下页）所示。其中，四大区域的金融风险大小由区域内各省份的均值得出，全国整体金融风险由全国31个省份的均值得出。

（二）我国金融风险水平的典型化事实描述

1.四大区域及其整体金融风险水平的演变趋势

由图1可知，2005～2016年四大区域整体的金融风险水平处于“上升—下降”的波动性变化中，但总体上呈上升趋势。其中，上升较快的有两个阶段：一是2008～2009年，该时期美国金融危机爆发，金融风险在全球范围内集聚累积;二是2014～2016年，此阶段我国GDP增速下降较快，社会经济效益降低，加之该时期“股灾”“人民币贬值”和“债市波动”等“风险事件”和金融“乱象”频发，风险迅速增加。此外，我国为应对全球性金融危机，于2008～2010年出台了大规模经济刺激计划，该政策虽然使我国一段时间内保持了较高的GDP增速，但并未能从根本上化解金融风险，而只是推迟了金融风险暴露进程。2014年之后，刺激政策弊端凸显，我国经济结构失衡、产能过剩等问题愈发严重，风险累积加快。

四大区域金融风险水平排序由高到低依次是西部地区、东北地区、中部地区和东部地区，东部地区和西部地区的金融风险水平波动相对较为平稳，而东北地区和中部地区金融风险水平波动较大。其中，东部地区凭借自身区位优势，抓住发展机遇，逐渐成为亚太地区乃至全球最具发展活力的地区之一。伴随供给侧结构性改革的持续推进，东部地区积极调结构、转方式，金融风险水平较低且波动较小。中部地区金融风险在全球金融危机爆发和“去产能”任务的推进中波动较大，但2015年以来，中部地区重点淘汰化解钢铁、煤炭等过剩产能，制定差别化政策，抑制高耗能产业发展，并主动顺应新一轮产业变革趋势，积极布局新兴产业和前沿领域，金融风险水平大幅下降。东北地区受振兴东北老工业基地战略的影响，经济获得发展，金融风险水平由原来的较高水平逐渐小幅下降，2012年以来，东北地区体制机制不活、创新能力不足、国有企业和资源型产业比重偏大和产能过剩行业相对集中的状况，在全国经济持续放缓的背景下日益突出，加剧了对该地区金融风险的影响和冲击，导致金融风险快速攀升。西部地区则因金融起步晚、发展较慢，面临的问题较多，金融风险处于较高水平。

2.区域内金融风险水平的演变趋势

图2至图5（下页）报告了区域内各省域金融风险水平的演变趋势。其中，图2报告了东部地区区域内金融风险水平的演变趋势。从整体来看，东部地区区域内金融风险水平呈梯队分布，由低到高依次为：北京、天津、河北、上海、江苏、浙江、福建、山东、广州和海南，区域内金融风险水平波动幅度较小，呈现“上升—下降—小幅上升—下降”的趋势。然而，东部地区区域内金融风险水平省际间差距较大，风险水平最高的海南和最低的北京，相差近10倍。东部地区因发展早，金融发展水平较高，同时受益于国家政策的倾斜，集聚了大量的行业人才和金融资源，金融风险水平大体处于可控范围内。图3报告了中部地区区域内金融风险水平的演变趋势。从整体来看，除山西省外，中部地区其余各省的金融风险水平均居于0.03附近，且波动幅度呈小幅下降趋势。山西省金融风险水平偏高且波动幅度较大，这与山西省产业结构单一、产业结构偏向重工业、企业转型升级较慢密切相关。在淘汰落后产能、深入推进供给侧结构性改革的背景下，山西省受外部环境变化的冲击和影响较大，其风险水平偏高且波动较大。图4报告了西部地区区域内金融风险水平的演变趋势。从整体来看，除西藏外，其余省份风险基本居于0.02～0.06范围内。图5报告了东北地区区域内金融风险水平的演变趋势。从整体来看，东北地区金融风险水平较高，其变化呈现先小幅下降后快速上升的态势。从经济增速、工业增加值增速等方面来看，近年来东北三省均位居全国后几位。在供给侧结构性改革背景下，东北地区在全国四大区域中金融风险水平较高，省域内资源型企业的转型升级和风险防范成为现阶段的重要工作。

（三）我国金融风险的区域差异及其来源

1.Dagum基尼系数法

Dagum基尼系数法是按照子群将基尼系数进行分解的方法[17]。该方法的优势在于充分考虑了子样本的分布状况，有效解决了数据交叉重叠和区域差异来源的问题，是对传统基尼系数法和泰尔指数法的一种改进。具体如式（4）～（14）所示。

2.我国金融风险区域差异及来源的实证检验

这里利用Dagum基尼系数法实证检验金融风险地区差异的大小及来源，具体结果如下：

就金融风险总体区域差异而言，全国总体金融风险区域差异呈现如下特征：总体基尼系数处于0.1719至0.2646之间，表明全国总体金融风险差异较大（见图6）。总体基尼系数呈现“上升—下降—上升”的演变态势，尤其是2014年以来，基尼系数上升较快，表明总体区域差异进一步增大。

就金融风险区域内差异而言，东部地区基尼系数先下降后上升，表明该地区金融风险的区域内差异呈“下降—上升”态势，但在四大区域内基尼系数仍处于较低水平，且整体波动较小，这表明东部地区区域内金融风险水平比较稳定（与图2结果吻合）。中部地区基尼系数变化较大，其中变化最大的两个阶段是2008～2010年和2014～2016年，基尼系数均先快速上升，后急速下降，表明中部地区金融风险区域内差异波动较大。西部地区基尼系数2005～2011年较大，2012～2014年回落，差距缩小，之后又逐渐增加，这表明西部地区金融风险区域内差异较高，波动幅度相对较小。东北地区金融风险区域内差异呈现“上升—下降—上升”的趋势，2005～2012年基尼系数较小，东北三省的金融风险相差不大，自2013年开始基尼系数上升较快，金融风险区域内差异快速攀升，直至2016年基尼系数仍在增加，表明2013年之后东北地区金融风险的区域内差异有进一步拉大趋势（见图6）。

就金融风险区域间差异而言，我国金融风险存在较大的空间差异特征。从整体来看，2012年之前，金融风险区域间差异由大到小依次为中部和西部地区、东部和西部地区、西部和东北地区、东部和东北地区、中部和东北地区以及东部和中部地区。2013年以来，上述金融风险区域间差异大小排序开始出现变化。在样本考察期内，中部地区和其余三大地区金融风险区域间差异波动较大，2008～2011年均呈现“上升—下降”态势，2012年之后，该差异则出现了交错变化。其中，中部地区和东北地区金融风险区域间差异开始快速攀升，而中部和西部地区以及中部和东部地区金融风险区域间差异2012～2015年上升，之后出现小幅回落。东部和西部地区以及东部和东北地区金融风险区域间差异2013年之前小幅波动，2014年之后迅速拉大。西部和东北地区金融风险区域间差异变化不大，2015年之后有略微上升趋势（见图7，下页）。

就金融风险区域差异来源及其贡献而言，金融风险区域差异主要来源于金融风险区域内差异、区域间差異以及代表区域间交叉重叠问题的超变密度。其中，区域内差异贡献最大，其次是区域间差异，最后是超变密度。具体来看，区域内差异大小位于0.0456～0.0613区间内，贡献率均值为56.9%;区域间差异大小处于0.0128～0.0416区间内，贡献度均值为27.081%;超变密度的贡献度远低于区域内贡献和区域间贡献，均值为15.020%（见图8）。以上结果表明，区域内差异是我国金融风险差异的主要来源，区域间差异与不同地区的交叉重叠问题对我国金融风险区域差异贡献较小。但是从区域内和区域间差异的变化趋势来看，2014年之后，区域内的差异贡献有所下降，区域间的差异贡献逐渐增加。

三、我国金融风险的分布动态演进

（一）Kernel密度估计方法

Kernel密度估计方法属于非参数方法之一，以其依赖性弱、稳健性强成为分析空间非均衡性的常用工具。该方法可用连续密度曲线描述随机变量分布形态，通常设定X的密度函数如公式（15）所示：

根据函数形式的不同，Kernel密度函数包含高斯核函数、三角核函数和四角核函数等。选择Kernel密度估计带宽，对于提高估计的准确性至关重要。当其他条件给定时，该带宽越大，核密度估计方差越小，曲线越平滑，但此时估计偏差增大[18]。在实际选择中，样本数值越多，带宽应越小，但不宜过小，应满足公式（17）：

本文选择相对常用的高斯核函数估计我国金融风险区域差异的分布动态演进，根据核密度曲线可以观察到研究对象的分布位置、形态以及延展性。其表达式如公式（18）所示：

（二）我国金融风险分布动态演进的实证检验

这里采用Kernel密度估计方法进一步对我国金融风险的分布位置、态势、极化趋势以及延展性等的动态演进过程展开分析。

1.四大区域整体金融风险的分布动态演进

由图9（下页）可以看出，四大区域整体金融风险增加，且区域差异逐步扩大。从核密度曲线形状来看，在样本考察期内，四大区域整体金融风险的波峰位置右移，说明四大区域整体金融风险呈上升态势;主峰波峰的高度变矮、宽度变宽，且经历了“单峰—多峰”的时空格局演化，表明四大区域整体金融风险的地区差异在扩大，同时呈现微弱的多极化趋势，多峰的出现也反映了一些金融风险上升较快的省份（辽宁、吉林、黑龙江和山西）与金融风险上升较慢甚至降低的省份（北京、上海）之间差距越来越大。此外，四大区域整体金融风险在出现“多峰”分布时，除主峰外，其余侧峰较低，表明我国金融风险具有一定梯度效应。全国整体金融风险的核密度曲线具有右拖尾现象，且右拖尾变长，表明四大区域整体金融风险的区域差异在扩大。

2.东部地区金融风险的分布动态演进

由图10可以看出，东部地区金融风险的分布动态呈现以下特征：主峰位置经历了先右移后左移的变化，表明东部地区的金融风险呈“先上升后下降”的演变态势，此结果与图1东部地区金融风险变化相吻合;主峰的波峰高度于2007～2012年变低，波形扁平化，表明在此期间金融风险的区域差异增大，2014～2016年波形也出现类似特征，说明金融风险区域差异进一步变大，这与图2中东部地区区域内金融风险2007～2012年和2014～2016年的演变趋势一致;从延展性来看，2010年之前，东部地区的核密度曲线出现右拖尾现象，说明该地区金融风险上升较快的省份与金融风险上升较慢甚至降低省份的差距在扩大，但是从2011年开始，右拖尾现象减弱，说明各区域金融风险变化相似，金融风险出现梯度效应，这与图2报告的东部地区区域内金融风险出现梯队分布结果相吻合。

3.中部地区金融风险的分布动态演进

由图11可以看出，中部地区金融风险的分布动态呈现以下特征：主峰位置向右发生微小移动，表明中部地区金融风险呈现微弱上升趋势，结果与图1的中部地区金融风险变化相符。2008～2011年与2013～2016年，主峰的波峰呈现峰顶较低、峰形扁平化现象，表明这两个时间段中部地区金融风险差异增加，该结果与图3中由于山西省2008～2011年、2013～2016年波动较大导致中部地区区域内金融风险差异增大的结论吻合;同样是2008～2011年和2013～2016年，中部地区的核密度曲线出现右拖尾现象，表明这两个阶段中部地区金融风险上升较快的省份和上升较慢的省份间的差距越来越大，这与图3的结果相符。

4.西部地区金融风险的分布动态演进

由图12（下页）可以看出，西部地区金融风险的分布动态呈现以下特征：主峰位置整体向右移动，这意味着西部地区金融风险呈上升趋势，结果与图1西部地区金融风险的变化相似;主峰的波峰高度先增加后降低，波形宽度先变宽后缩窄，说明西部地区金融风险的区域差异先降低后增加（报告结果与图4基本吻合）;西部地区核密度曲线出现了右拖尾现象，且在2012年前后出现了“主峰+侧峰”现象，这说明西部地区的金融风险出现多极分化趋势，“多峰”现象说明有些省份之间金融风险差异在拉大，该结论与图4结果相符。

5.东北地区金融风险的分布动态演进

由图13可以看出，东北地区金融风险的分布动态呈现以下特征：东北地区金融风险两极分化现象严重，这与图1所示的东北地区金融风险相符;2012年之前，东北地区的核密度曲线峰顶较低，波形较宽，说明东北地区金融风险的区域差异较大，从2013年开始由原来的单峰状态逐渐演化为双峰状态，且两个峰的峰顶高度相当，这意味着东北地区金融风险分化现象严重，金融风险上升较快的省份与金融风险上升较慢的省份间差距越来越大，这与图5中辽宁省和黑龙江省的金融风险在2015年之后快速上升且上升速度明显高于吉林省的结果吻合。

四、结论与政策建议

这里阐释了金融风险区域差异的动态演变机制，在测度我国四大区域和区域内各省域金融风险水品的基础上，利用基尼系数法和核密度估计方法依次实证检验了我国金融风险的地区差异及分布动态演进，得到如下结论：我国整体金融风险水平呈上升趋势，西部地区金融风险水平最高，东北地区和中部地区金融风险水平次之，東部地区金融风险水平最低，且东部地区各省份金融风险水平呈梯队排布，中部、西部和东北地区个别省份金融风险水平偏高且风险水平波动较大;我国金融风险区域差异呈扩大态势，区域内差异成为金融风险区域差异的主要来源;东部、中部和西部地区金融风险呈现微弱的多级分化态势，东北地区则表现为严重的两极分化。

为抑制和防范我国潜在的金融风险，就四大区域视角而言，要做好如下工作：第一，金融风险防控需精准施策和协作治理。研究结论表明，我国区域金融风险具有显著的区域差异，且区域差异有扩大趋势。防控风险不仅要有针对性的整治重点地区、重点省份，而且要加强区域间的相互合作，推动建立风险管理的区域协作机制，防止不同区域金融风险的交叉传染，进而避免区域性系统性风险爆发。第二，继续深入推进实施区域协调发展战略，缩小区域发展差距，为各区域金融风险防控打好基础。具体而言，一是继续发挥东部地区的先天优势和区位优势，打造和培育高新技术产业，多方位构建技术引进平台，使东部地区成为创新技术知识的发源地，为我国发展方式的转变提供持续的技术保障。二是充分发挥东部地区知识技术的溢出效应。通过研发人员派遣和培训或打破高新技术人才流动障碍、建立有效人才流动机制等方式，加强对中西部地区的技术支持。第三，建立有序协调互补的金融资源配置体系，积极引导金融资源由经济发达的省份流向经济欠发达的省份，给予中西部地区更多的资金支持，平衡经济增长。第四，结合当前供给侧结构性改革，因地制宜制定区域产业发展政策。研究结论表明，目前我国四大区域金融风险的产生与区域的产业政策、体制机制等因素密不可分。各区域需依照自身资源禀赋，制定凸显自身比较优势的产业政策。如东部地区要充分利用自身区位、资金和技术优势，大力发展第三产业;中部地区作为我国粮食的主产区，可积极调整农业结构，大力发展绿色农业、生态农业;西部地区由于生态环境恶劣，需实施退耕还林还草政策，可利用西部地区民族众多、文化多样以及地形地貌的多姿多彩来发展旅游业，增强经济发展活力。

就区域内各省域视角而言，要采取如下措施：第一，区域金融风险治理和防范不能忽视地方政府行为的软约束机制，要注意增强金融机构对地方政府行为风险溢出的制度约束，强化中央银行和金融机构总行的约束，构建地方政府融资等行为的市场化机制。此外，要将政府债务风险纳入地方政府绩效考核指标体系，避免原有唯GDP绩效考核下地方政府行为的负外部效应，并可进一步通过债务重组、资产证券化、股权出售、市场化债转股等方式缓释高危地区地方政府的偿债压力。第二，加强对系统重要性金融机构的监管，可通过組建大数据检测平台，增进不同机构之间的信息协调和任务分工，完成从“管理”到“监管”的思维转换，从“亡羊补牢”式的事后监管转变为“未雨绸缪”式的事前预警。第三，鼓励企业积极进行技术交流和贸易合作，引导周期性企业进行适当的资金“逆周期”储备，减弱企业在经济周期中扩大或缩减信贷的外部激励，避免经济剧烈震荡[19]。此外，在新一轮经济结构转型升级过程中，要深入推进供给侧结构性改革，积极淘汰落后产能，使市场出清的同时孕育一批创新型企业，从源头上化解金融风险。第四，各省域尤其是欠发达省份应在培养人才和吸引、留住人才上下功夫。可通过在当地全力打造相关产业的专业孵化器，培育各式各样的专业性人才，通过建立完善的就业体系、提供充足的岗前培训、提高劳动者的薪资待遇、改善劳动者的工作环境等方式吸引并留住人才，减少因人才匮乏和人才流失带来的金融风险增加的可能性。■

参考文献

[1]易纲.银行不良资产率呈地域特征[J].市场周刊（研究版），2005（3）：35.

[2]陈卫东，熊启跃.我国非金融企业杠杆率的国际比较与对策建议[J].国际金融研究，2017（2）：3-11.

[3]毛捷，黄春元.地方债务、区域差异与经济增长——基于中国地级市数据的验证[J].金融研究，2018（5）：1-19.

[4]樊杰，陈东，吕晨.国际金融危机空间过程和区域响应的初探——兼论新经济地理事像研究的一个新范式[J].地理研究，2009（6）：1439-1448.

[5]余南平.后金融危机时期欧美经济复苏差异比较——以金融结构为视角[J].欧洲研究，2014（3）：47-68.

[6]沈悦，李博阳，张嘉望.系统性金融风险：测度与时空格局演化分析[J].统计与信息论坛，2017（12）：42-51.

[7]王擎，刘军，金致雯.区域性金融风险与区域经济增长的相关性分析[J].改革，2018（5）：66-75.

[8]NORTH D C. Location theory and regional economic growth[J]. Journal of Political Economy， 1955， 63（3）： 243-258.

[9]ILLING M， LIU Y. Measuring financial stress in a developed country： An application to Canada[J]. Journal Financial Stability， 2003， 2（3）： 243-265.

[10]HAKKIO C S， KEETON W R. Financial stress： what is it， how can it be measured， and why does it matter？[J]. Economic Review， 2009， 94（2）： 5-50.

[11]CARDARELLI R， ELEKDAG S， LALL S. Financial stress and economic contractions[J]. Journal of Financial Stability， 2011， 7（2）： 1-97.

[12]BALAKRISHNAN R， DANNINGER S， ELEKDAG S， et al. The transmission of financial stress from advanced to emerging economies[J]. Emerging Markets Finance & Trade， 2011， 47（2）： 40-68.

[13]GIRARDI G， ERGUN A T. Systemic risk measurement： multivariate GARACH estimation of CoVAR [J]. Journal of Banking & Finance， 2013， 37（1）： 3169-3180.

[14]许涤龙，陈双莲.基于金融压力指数的系统性金融风险测度研究[J].经济学动态，2015（4）：69-78.

[15]陶玲，朱迎.系统性金融风险的监测和度量——基于中国金融体系的研究[J].金融研究，2016（6）：18-36.

[16]RODRIGUEZ-MORENO M， PENA JI. Systemic risk measures： the simpler the better？[J]. Journal of Banking & Finance， 2013，37（6）：1817-1831.

[17]DAGUM. A new approach to the decomposition of the Gini income inequality Ratio[J]. Empirical Economics， 1997， 22（4）： 515-531.

[18]SILVERMAN B W. Density estimation for statistics and  data  analysis [M].  London： Chapman and Hall， 1986.

[19]朱沛华，李军林.市场化进程、经济波动与地方金融风险[J].改革，2019（6）：63-72.

（责任编辑：罗重谱）