基于资金流的金融系统异常的统计监测

文章编号：1005-9679（2022）03-0045-06

摘要：金融系统运行的稳健性对国家经济有重要影响。监测金融系统运行中的资金流异常，能够减少金融风险累积，防范金融危机。论文从资金流角度出发，统筹考虑金融系统功能和金融系统功能有效发挥对宏观经济目标的影响，通过结构方程模型构建监测指标体系。结合数据缺少负样本、监测指标的相关性、样本数据的多寡等特点，选取SVDD、PCA等异常检测方法进行金融系统异常监测模型的实证分析，并根据检测结果分析异常出现的原因。

关键词：资金流;金融系统异常;SVDD;PCA;异常检测

中图分类号：F832.59

文献标志码：A

StatisticalMonitoringofFinancialSystemAbnormalitiesBasedonSVDDandPCA

JIXun

（AntaiCollegeofEconomicsandManagement，ShanghaiJiaoTongUniversity，Shanghai200030，China）

Abstract：Bydetectingtheabnormalflowoffundsintheoperationofthefinancialsystem，itispossibletoreducetheaccumulationoffinancialrisksandpreventfinancialcrises.Fromtheperspectiveofcapitalflow，thisarticletakesintoconsiderationtheoverallimpactoffinancialsystemfunctionsandtheeffectiveexertionoffinancialsystemfunctionsonmacroeconomicobjectivesandsimulatesthedetectionindexsystemthroughastructuralequationmodel.Finally，basedonthecharacteristicsofthedata，anempiricalanalysisoftheabnormalmonitoringmodelofthefinancialsystemisperformedusingSVDD，principalcomponentandotheranomalydetectionmethods.Theyfurtheranalyzethecauseoftheanomalybasedonthesedetectionresults.

Keywords：fundflow;financialsystemanomaly;SVDD;PCA;anomalydetection

金融系统的稳健运行对国家经济有着十分重要的影响。20世纪70年代以来，在金融自由化浪潮的推进下，金融运行也变得更为复杂，金融危机频频发生。受限于国内的金融创新水平及金融深化程度，中国还不具备爆发典型意义上的金融危机的客观条件。然而，这并不意味着中国金融系统运行较西方发达国家更为稳定。例如在2013年6月，银行间市场资金紧张，6月20日，隔夜拆放利率、回购利率一路飙升至13.44%，结合分业经营、主要资金来自银行的大背景，资金成本的剧烈波动对银行的冲击会使得整个金融系统出现震荡。

探究上述金融危机爆发的原因，离不开政府在发挥金融政策调控作用时忽视了金融系统中资金流动的对称性、周期性等基本问题。对于正处在转型阶段的中国来说，经济金融体系中的资金总量、分布结构及其在各部门间的流动，对金融系统的稳定运行具有重要意义，不仅可以帮助金融机构及早发觉潜在的风险，判断未来的变化趋势从而及时采取预防措施，而且有利于为实体经济提供一个畅通的融资渠道，帮助实体经济企业及时调整产业结构、生产规模和资金结构，保持实体经济的健康平稳发展。因此，在监测宏观经济的运行时应该重点关注从资金流角度衡量金融系统运行的稳健性。本文构建了从资金流角度檢测金融系统异常的监测指标体系，并结合我国经济金融数据缺少异常样本的特点选取合适的异常监测方法。

1文献回顾

现有文献在定义金融系统运行异常时，大多集中在金融系统的局部异常上，如金融机构运行、金融市场波动、金融资产定价等的异常。并且这类文献在定义异常时，大多通过对照国内外政策的规定标准而非通过独立研究设定异常标准。少数学者系统地研究了金融系统整体的内部风险和异常现象的监测。有学者从反面切入研究金融系统的稳定性。Haldane等（2004）认为金融不稳定是经济中因为金融领域的不完善而导致的偏离最优储蓄和投资安排。Chant（2003）、Crockett（1996）认为金融不稳定是金融系统中出现了对实体经济运行产生或存在潜在负面影响的因素，如金融资产价格波动或金融机构无法履约等。

在构建监测指标体系时，大部分学者以信号法及国外已有的风险监测体系为基础。闵亮（2008）结合中国制度的特殊性，采用KLR信号分析法筛选出有效的金融危机预警指标。刘志强（1998）建立了针对金融危机的预警指标体系，并解释了其预警作用。万义平（2010）等强调建立国际金融危机指标体系的重要性，建立了一套符合逻辑的科学、实用、可操作的指标体系。然而，这些监测指标体系忽视了金融系统运行中的资金流动。

在回顾异常检测方法的研究时，我们发现文献主要集中在同时具有正负样本的监督检测方面，而我国金融系统异常检测问题具有缺少负样本的特点。针对单类样本数据异常检测的研究大致可以分为人工生成异常值使得问题转化为具有正负样本及基于密度估计、基于重构或基于支撑域等的无监督异常检测方法两大类，但目前研究仍不完善。

在我们的研究中，我们从资金流角度出发构建金融系统整体的异常监测指标，并结合我国数据缺少异常样本等数据特点运用合适的异常点检测方法。本文在已有研究基础上，设定的后续研究内容包括：第二部分是研究框架的设定及基于资金流的金融系统异常监测指标的选取;第三部分是异常监测方法的介绍;第四部分是金融系统异常监测模型的实证分析;最后是本文结论。

2基于资金流的金融系统异常的监测指标选取

2.1指标体系构建理论依据

金融系統稳健运行影响着宏观经济目标的实现。当金融系统功能稳定有效发挥时，资金得到合理配置，利用效率提高，可进一步促进经济的稳定持续增长、保持物价水平的稳定。同时，金融系统的正常运行需要大量人才，为社会提供了大量就业岗位，可以促进充分就业，另外，在经济全球化的趋势下，金融系统的正常运行有利于维持国际收支平衡。

西方两大经济流派基于不同的分析框架对金融系统核心功能有着不同的解释。贾利军、蒋映泉（2015）认为主流经济学强调金融系统通过资源配置满足不同的空间需求，将闲置资源分配到需要的地方，而凯恩斯主义—熊彼特主义强调金融系统通过创造信贷满足投资与消费的跨时需求。在金融系统发挥功能时，资金流量贯穿生产总值分配和国民经济各部门资金余缺调节的全过程，如储蓄、金融投资、信贷等，是金融系统运行的核心。

综上可知，金融系统的运行存在着一般状态，此时金融系统功能（配置资源、信用创造）正常发挥并且有效地促进宏观经济目标的实现。如金融系统的运行偏离了这样的一般状态，即定义为出现了异常。为了防范金融风险的累积，需要结合以下几方面构建基于资金流的异常监测指标体系。

2.2指标体系内容

第一个目标层指标用于监测金融系统功能的稳健发挥，即信用创造和资源配置。在资金流视角下，信用创造关系到中央银行、存款货币银行和非货币金融机构等金融系统的各个组成部分。本文主要监测信贷创造的资金结构异常，考虑到非货币金融机构无法创造派生存款货币，对信用创造的影响较小，故不纳入研究范围。对资源配置功能的监测主要在于储蓄转化为投资的结构和效率两方面。第二个目标层选取反映宏观经济目标实现的指标，对金融系统功能的有效性进行监测。根据上述理论，我们选择的备选指标如表1所示。

其中，投资效率（X8）为GDP增加额与固定资产投资的比值;储蓄投资缺口（X9）是储蓄率减去投资率。

2.3基于SEM的指标显著性分析

本文通过结构方程模型（SEM）验证备选监测指标的显著性。本研究中的潜变量包括金融系统的功能、金融系统功能的有效性，而GDP增长率、城镇登记失业率等可观测的变量都为显变量。本文采用AMOS26.0软件拟合结构方程模型，利用R2检验各显变量的显著性，删去X3、X4、X5、X13和X14贡献度较小的指标（R2<0.5）。本文结构方程模型测量方程的载荷系数估计结果见表2，所有监测指标都通过了载荷系数的显著性检验。为进一步衡量监测指标对金融系统运行的整体解释程度，需要对比样本的协方差矩阵和理论模型的相关系数矩阵的差异。经检验，χ2/df为4.692，符合小样本数据情况下该值一般小于5的要求;RMSEA为0.259，该值按评价标准而言应越小越好，因此较为理想。CFI为0.883，该值按评价标准越接近于1越理想，因此该指标也较为理想。PNFI、PCFI的值分别为0.477和0.490，两者均大于0.5，或接近0.5较好，因此也在接受范围内。综上，本研究的SEM模型的拟合结果较理想。本文拟合的结构方程的路径如图1所示。

3异常检测方法的理论基础

在选择异常监测方法时我们需要充分关注到样本数据的特点。金融数据缺少负类样本的特点决定了传统的二值分类方法并不适用。对于特征维数较少的数据，单值分类方法如支持向量域描述（SVDD）可以很好地解决数据样本严重不平衡的问题。SVDD通过将样本映射到高维空间找到一个可以包围目标样本的最小超球体来划分正负样本。为了缓解模型过拟合，引入松弛变量ξ来降低模型对异常值的敏感性和惩罚参数C作为超球体积与误差之间的折中。通过最小化误差函数实现参数的寻优。

但是对于多维特征的数据，SVDD方法对于样本数量的要求较高，而主成分分析法（PCA）在异常点检测中的应用可以有效对高维数组实现降维处理。在样本空间中，样本的变异信息是样本在各方向上变异信息的综合，从统计学角度而言，变异信息可以表示为各个样本点与中心位置的偏离值即方差。因此，样本点提供的变异信息对应着偏离数据集重心的程度。

4金融系统异常监测模型的实证分析

4.1数据来源及处理

本文实证分析数据主要来源于中国人民银行官方网站、同花顺数据库等。其中，反映金融系统功能的有效性指标的宏观经济指标受统计口径的限制多为季度数据，因此本文在对金融系统功能的有效性及金融系统配置资源功能进行监测时选取的是2005—2018年共14年的季度数据进行多指标的异常点检测;在对金融系统信用创造功能进行监测时选取的是2005—2018年的月度数据。

由于SVDD一般应用于向量数据的异常点监测，时间序列数据需要进行相空间重构才能满足样本之间的独立性。本文借助软件MATLAB2019a实现对数据的相空间重构并进行归一化处理，最终获得满足建模条件的数据。

4.2金融系统运行异常监测模型构建

在金融系统功能监测指标中，反映资源配置功能的监测指标主要考虑了储蓄向投资转化的数量和质量，反映信用创造功能的监测指标主要关注信贷结构异常，并且这几个方面的关联度不大，因此对于金融系统功能的监测只对单个指标进行异常检测，不考虑指标的相关关系。

金融系统功能的有效性表现在宏观经济目标能否实现上。由于四大宏观经济目标的实现具有较大的关联性，因此应考虑监测指标之间的相关关系，对多个指标进行异常检测。但是由于高维数据对样本数据数量的要求较高，而样本数据容量过小会造成SVDD分类器检测错误的概率过高，因此选用主成分分析法对多指标异常点进行检测。

4.3金融系统运行异常监测实证分析

4.3.1金融系统功能实证分析

本节借助MATLAB2019a的ddtools及prtools工具箱建立SVDD单值分类器模型。其中，SVDD模型选用常用的高斯核函数，模型中的可变参数包括惩罚参数C和高斯径向基核函数的内核宽度参数δ。基于网格搜索及10折交叉验证法优化参数，得到基于训练集的一对优化后的参数，据此建立SVDD分类器模型。以指标X11为例，选取前60%数据作为训练集，后40%数据作为测试集，利用SVDD分类器模型得到各个样本的分属类别。分类结果是训练样本中正常样本所占的比例为85.77%，训练样本整体稳定。图2为训练得到的决策边界。

对所选指标逐一按照如上步骤进行训练、分类，得到金融系统功能异常检测结果，见表3。

从表3可以看出金融系统运行功能的监测指標异常点多以单个出现的方式为主，很少出现大规模连续成片的异常点，可见我国金融系统运行的异常大多来自偶然事件的冲击，并未产生大规模传导性的影响。

其中，反映金融系统配置资源功能的监测指标（X8、X9）的异常点个数较少但分布较均匀。结合我国实际情况来看，2005—2009年国民储蓄率由45.89%上升至50.93%，受限于房地产投资政策，投资率基本维持在同一水平，这导致我国的储蓄投资缺口在2005年后呈迅速扩大趋势。2009年受国际金融危机的影响，吸收外资同比降幅超20%，外资对国民储蓄的挤出效应降低，且同期投资率受国家4万亿元投资计划刺激由40%上升至46%以上，使得2009年后储蓄投资缺口有所下降，但仍然高于2005年之前的水平。这一数据表明大量的剩余储蓄无法转化为投资资本。反映金融系统信用创造功能的监测指标中X11、X12均出现了少数连续的异常点，且两个指标出现3次同时期连续的异常点。分析原因，都与同期政策发布使得信贷结构变化导致资金大规模流动有关。例如两指标均在2011年末及2012年出现了较为密集的异常点，同时期，央行连续上调存款准备金率（6次）、上调基准利率（2次）。与此同时，2012年是“十二五”规划的最后一年，社会融资结构发生显著改变，因而指标检测出较密集的异常点。

4.3.2金融系统功能有效性实证分析

首先，在进行主成分分析异常检测之前需要消除监测指标时间序列的相关性。通过SPSS软件分析可知，指标X1、X7序列数据经过一阶差分处理、指标X2、X6经过二阶差分处理后均可获得1%置信水平下的平稳时间序列且不存在序列自相关。本文利用MATLAB2019a软件对反映金融系统功能的有效性的4个监测指标共55个四维样本点进行主成分分析，计算结果见表4。

根据表4可知，应该提取3个主成分（累积贡献率大于85%）。当霍特林统计量T2>6.27时，可以判断该样本点出现了异常，结果见表5。

本文选取的监测指标时间跨度较大，检测出了较多的异常点。T2值大小也反映了异常现象程度的轻重。因此，主要关注T2统计量较大的异常点。2005年、2008—2009年是金融系统配置资源和信用创造两大核心功能异常点密集出现的时间，反映出经济增长和国际收支平衡两大宏观经济目标的实现受到了较大影响。2005年，我国经济增长率高达9.9%，对外贸易方面出口增长强劲，对经济增长的贡献率超过35%，远超正常水平，进口增速显著降低，内需增长不足，加剧了贸易的不平衡。2008年、2009年中国经济在经历2003—2007年的高速增长后进入调整期，同时受国际金融危机的影响，2009年一季度经济增速触底仅为6.1%，随后政府出台一系列刺激内需的政策促进经济增速反弹，政府及时的政策措施使得冲击得到较好的调节控制。

5结论和建议

通过本文的研究，发现金融系统功能的异常点多以单个出现的方式为主，很少出现大规模连续成片的异常点，可见中国金融系统的配置资源和信用创造功能较为稳定，短时间内的小幅偏差不会造成金融系统运行趋势的改变;金融系统功能有效性的异常点大部分T2值较小，异常程度较轻，少数异常程度较大的异常点多与金融市场的重大改革或是国际金融危机的冲击有关，且政府都采取了及时有效的调控措施，因此异常情况带来的不利影响得到了及时控制。

同时，我们可以发现以下四点规律：一是中国金融系统运行中配置资源和信用创造两大核心功能的发挥较为平稳，以短期的异常为主，发生长期异常的可能性较小;二是非金融部门贷款比重（X11）与非货币金融机构贷款比重（X12）两个指标的异常点时间具有较多的重合，并且与中央银行出台的政策联系紧密，说明中国信贷结构受货币政策影响程度较大;三是社会融资结构的改变会使金融系统信用创造功能的发挥出现异常，但是监管部门及时出台相应的调控政策能够使其回归正轨;四是金融系统连续、长期出现的异常现象会导致宏观经济目标的实现受到影响。

参考文献：

[1]刘璇，张朋柱，李嘉，等.商业银行资金异常识别研究[J].系统管理学报，2013（3）：379-384.

[2]秦学志，李静一.基于大数据样本的银行异常账户监测方法[J].系统管理学报，2016（4）：677-682.

[3]徐梅，扈梦.基于D-Markov模型的金融波动模式识别[J].武汉理工大学学报（信息与管理工程版），2014（2）：255-259.

[4]宋军，吴冲锋.金融资产定价异常现象研究综述及其对新资产定价理论的启示[J].经济学（季刊），2008（2）：701-730.

[5]罗晓蕾，张明辉，许尚超.区域性金融风险监测预警体系研究：以河南省区域金融风险为例[J].金融理论与实践，2018（5）：40-46.

[6]刘璇.金融网络中资金流动模式识别与智能化异常监测[D].上海：上海交通大学，2010.

[7]周国红.金融系统风险研究与控制的混沌理论探索[J].浙江大学学报（人文社会科学版），2001（3）：81-85.

[8]闵亮，沈悦，韩丹.构建符合国情的我国金融危机预警指标体系[J].现代经济探讨，2008（7）：66-70.

[9]刘志强.金融危机预警指标体系研究[J].世界经济，1999，6（4）：12-21.

[10]万义平.国际金融危机预警指标体系的构建[J].统计与决策，2010（14）：8-10.

[11]陈斌，陈松灿，潘志松，等.异常检测综述[J].山东大学学报（工学版），2009（6）：13-23.

[12]贾利军，蒋映泉.资源配置与生产效率：西方经济理论中关于金融系统功能的解释与比较[J].河北经贸大学学报，2015（1）：14-18.

[13]王涛.浅说资金流量核算[J].统计与咨询，2013（4）：33-35.

[14]王静.基于SVDD技术的宏观金融稳健性预警与监测研究[J].信息系统工程，2011（2）：110-112.

[15]王洪波.单分类支持向量机的学习方法研究[D].杭州：浙江大学，2012.

[16]SCHOELKOPFB.Supportvectorlearning[D].Delft：TechnischenUniver-sitatBerlin，1997.

[17]TAXDMJ.One-classclassification：conceptlearningintheabsenceofcounter-examples.PhDthesis，DelftUniversityofTechnology，2001.

[18]王洪春，彭宏.一种基于主成分分析的异常点挖掘方法[J].计算机科学，2007（10）：192-194.

[19]王海燕，盛昭瀚.混沌时间序列相空间重构参数的选取方法[J].东南大学学报（自然科学版），2000（5）：113-117.

[20]张艳兰，栾元重，尹燕运，等.混沌时间序列相空间重构及特性识别[J].测绘科学，2016，41（4）：15-18.

收稿日期：2020-03-16

基金项目：国家自然科学基金（71601116）;上海浦江人才计划（16PJC045）

作者简介：纪珣（1995—），女，江苏南通人，上海交通大学安泰经济与管理学院管理科学与工程系硕士研究生，研究方向：机器学习、文本分析在会计金融领域的应用，E-mail：jixunjasmine@sjtu.edu.cn。