基于熵权法的我国区域性金融风险测度与评价

黎精明，亢曼玲，李启玉

（1.武汉科技大学管理学院，湖北 武汉 430065；2.湖北产业政策与管理研究中心产业投资与资本运营研究所，湖北 武汉 430065）

一、研究背景和现状

当前，我国经济增速放缓加大内循环压力、美西方对华“脱钩断链”阻碍外部经济循环，这些现实因素使得我国金融市场稳定性正遭受日趋严峻的挑战。由于区域性金融风险往往是重大金融风险的肇端，因此，严防区域性金融风险是当前我国防控重大金融风险的关键着力点。

区域性金融风险具有局部性，它是特定区域内个别金融机构由于失信所造成的负面效应在区域内聚集、传播、扩散，进而给区域内金融系统带来的负面不确定性[1]。相对系统性金融风险而言，“区域性”是其最显著的特征[2]，正因如此，研究区域性金融风险必须针对特定的空间维度。与其他风险类似，区域性金融风险也具有传染性和扩散性，它在特定区域内聚集到一定程度后必然向区域外扩散和蔓延，即在区域间进行传播，随着跨区域传染范围扩大和力度增强，最终必然引发系统性金融风险[3]。为避免出现此类状况，近年来党中央高度重视区域性金融风险的防控工作，已将区域性金融风险置于防范和化解重大风险的优先位置。2021 年以来，银保监会先后印发了《关于进一步推动村镇银行化解风险改革重组有关事项的通知》《关于印发商业银行负债质量管理办法的通知》《关于推进信托公司与专业机构合作处置风险资产的通知》等重要文件，对金融机构进行严格管理，严防发生区域性金融风险。

毋庸置疑，防范和化解区域性金融风险的根本任务是把风险控制在安全边界范围内，避免发生区域性金融风险事件，坚决防范区域性金融风险转化为系统性金融风险。而实现该目标的前提是对区域性金融风险进行科学测度，唯有如此，才能实时准确了解区域性金融风险的真实状况，并据此制定切实有效的区域性金融风险防控策略，否则，若对区域性金融风险缺乏准确了解，很难想象政府能切实做好风险防控工作。

对于区域性金融风险的度量，国内外主要有两种范式：其一是指标法，即通过构建评价指标体系，采用主成分分析法、因子分析法、指数法等方法多维度测算和归集区域性金融风险。比如：赵文举等（2022）从宏观经济、外部市场、货币流动性和资产泡沫4 个维度构建评价指标体系，并运用主成分分析法测算了我国八大综合经济区的区域性金融风险[4]；王擎等（2018）从资本充足、资产质量、管理质量、盈利状况、流动性风险、市场风险和信息科技风险7个维度构建评价指标体系，并通过CAMELS评价模式测算了我国银行业的区域性金融风险[5]；张帅（2021）从宏观经济、资本市场、银行市场、保险市场和政府债务5个维度构建了区域性金融风险指数，并运用指数法对我国区域性金融风险进行了测度[6]，其他类似研究不再逐一赘述。其二是模型法，即通过构建不同模型来测算金融机构的违约概率，进而评估其违约风险。比如：范小云等（2013）使用CCA和DAG 方法，测度了我国银行部门的系统性风险[7]；苏冬蔚等（2011）通过非参数KLR 模型和Logit 模型构建了适合我国国情的金融危机预警系统[8]；任英华等（2022）基于神经网络模型构建了区域性金融危机预警系统[9]；杨子晖等（2018）通过“去一法”测度了我国177家银行的系统性金融风险[10]； 周亮 （2021）[11]、 James Barth 等（2013）[12]、吴婷婷等（2020）[13]使用Covar 模型对金融风险进行了测度和评价。

对于上述区域性金融风险测度方式，本文认为，在我国现实情景下，指标法较之于模型法具有更好的环境适应性。这是因为：第一，模型法通常以严苛的假设为前提，我国不同区域差异化的环境条件决定了它们很难满足相同的假设条件，而指标法却与之不同，指标取值的变化正好可以较充分地反映区域环境条件的异质性；第二，模型法是以既往较长时期内稳定的数据为基础来预测后续的区域性金融风险，正因如此，它对历史数据的长度和稳定性要求很高，而在我国金融体制改革纵深推进的大背景下，数据非平稳、缺失、短面板是普遍现象，因此，我国现实情景下的数据特征很难满足模型法之要求，同比之下，指标法通常着眼于单期，它使用的主要是截面或短面板数据，因此，中国情景下的数据对其具有更强的适用性。然而，既有指标法的研究尚存在3 个方面不足：其一，评价维度的选取和评价指标体系的构建具有较大的主观随意性，其系统性和科学性有待进一步推敲；其二，在主成分分析法、因子分析法、指数法等方法之外，尚待探寻更切实有效的指标合成处理方法；其三，对区域性金融风险的测度尚囿于某些细分领域（如银行系统）或特定区域（如华东地区），而对不同区域相同时期区域性金融风险测度和比较的研究却显得很匮乏。鉴于上述，本文将依循指标法之研究范式，构建区域性金融风险测度指标体系，尝试引入熵权法进行模糊合成处理，藉此对我国区域性金融风险进行测度与评价，以期为准确把握我国区域性金融风险提供助力。

二、基于熵权法的区域性金融风险测度

（一）区域性金融风险测度指标体系的构建

金融市场是指从事货币资金借贷、外汇买卖、有价证券发行和交易、黄金等贵金属买卖和保险产品交易场所的总称（杨子晖等，2022）[14]。从区域（或地方）视角看，它主要涉及货币资金借贷（信贷市场）、有价证券交易（主体是债券市场和股票市场）、保险产品交易（保险市场）等几个方面。事实上，在中国现实金融环境下，区域性金融风险正是信贷市场、债券市场、股票市场和保险市场不确定性因素相互影响和交互作用的综合表现。由此观之，区域性金融风险主要表现为4 个方面：一是信贷市场风险。该风险的大小主要取决于信贷机构的存贷比和信贷膨胀率。就存贷比而言，同等条件下，存贷比越高，信贷机构的自由现金流量越充沛，其应对负面因素冲突的能力必然越强，从而信贷市场风险也相应越小；就信贷膨胀率而言，信贷规模必须与经济发展水平相适应，与GDP 增速相比，信贷过度扩张或过度紧缩均会对信贷机构的贷款质量造成负面影响，因此，保持适度信贷膨胀率是降低信贷市场风险的前提和基础。二是债券市场风险。债券市场风险主要取决于债券发行规模，这可以用债券发行额与GDP 的比值来反映，同等条件下，该比率越大，说明债券超发程度越严重，债券市场风险也相应越高。三是股票市场风险。股票市场风险主要取决于股票市场规模，这可以用个股流通市值与GDP 的比值来反映，在发行股数既定的情况下，该比率越小，意味着股市越低迷，股票市场流动性越差，股票市场风险越大。四是保险市场风险。该风险的大小主要取决于保险机构的保险深度和保险密度。它们分别可用当地保费收入与GDP、当地保费收入与总人口的比率来反映。同等条件下，保险深度和保险密度越高，意味着保险市场发育程度越高，投保人应对负面不确定性因素冲击的能力越强，市场风险相应越低。

综合上述分析，本文认为，区域性金融风险测度体系必须完整涵盖信贷、债务、股票、保险这4个细分市场维度，且能将上述核心因素有效指标化。以此要求作为指导思想，本文构建了如表1所示的区域性金融风险测度指标体系。就各指标与区域性金融风险的依存关系而言，上文分析表明，存贷比、股票市场规模、保险深度、保险密度当属负向指标，债券发行规模当属正向指标，信贷膨胀率当属适度指标。

表1 区域性金融风险测度指标体系

由表1可见，该指标体系涵盖了信贷市场、债券市场、股票市场和保险市场4 个细分市场。其中：在信贷市场维度，本文选取了存贷比和信贷膨胀率2个指标，将金融机构贷款的存量和增量分别与金融机构存款余额和GDP 增长率作配比，藉此动静结合地反映信贷市场风险；在债券市场和股票市场维度，本文选取了债券发行规模和股票市场规模2个指标分别反映债券市场风险和股票市场风险；在保险市场维度，本文选取了保险深度和保险密度2个指标，将保费收入分别与当地GDP和总人口做配比，用以刻画保险市场发育程度及其风险水平。由于区域性金融风险主要是这4个细分市场相关风险因素的叠加影响和交互作用，因此，上述4维度6指标作为一个有机整体，理应能够科学反映区域性金融风险的真实情况。

（二）数据来源及初始处理

为确保数据具有可及性和时效性，本文选取2012—2020 年我国31 个省份的相关金融市场数据和经济数据对我国区域性金融风险进行测度。表1中各指标计算所需的原始数据来源和口径界定如下：2012—2020 年各省GDP、总人口等数据从国家统计局官网获得；2012—2020 年各省的金融机构存（贷）款年末余额、债券年总发行额、保费收入、个股年流通市值等数据从CSMAR 数据库获得；信贷增长率和GDP 增长率是在上述数据基础上运用Python软件计算得到；信贷有广义和狭义之分，广义信贷包括金融机构的存款、贷款等信用活动，狭义信贷仅指金融机构的贷款，本文所指的信贷是狭义上的概念。

由于表1的指标在反映区域性金融风险时存在正向、负向及适度之分，因此，本文采用极差法对样本数据进行标准化处理，藉此降低因数据量纲不一致对综合权重结果的影响。标准化处理方法分别如式（1）、式（2）和式（3）所示。

式（1）、式（2）和式（3）中，Rtj表示第t年的第j项指标值；max（Rj）、min（Rj）分别表示第j 项指标的最大值和最小值；Rj表示第j 项指标的平均值。

（三）基于熵权法的实证测度

区域性金融风险的测算有指标法和模型法之分，上文已经述及，在中国现实情景下，指标法更加适用于测算我国的区域性金融风险。使用指标法时不可避免地需要对指标进行赋权，赋权方法有客观赋权法和主观赋权法之分，由于主观赋权法存在较大的主观随意性，因此本文选用客观赋权法。在客观赋权法中，熵权法因能对原始信息作更充分的利用而具有显著优越性，因此本文选取熵权法对我国区域性金融风险进行测度。熵权法测算的具体过程如下。

1.计算样本值占该指标的比重

计算方法如式（4）所示。P 值越大，表明该指标在综合评价指标体系中的权重越大。

2.计算各指标的信息熵

计算方法如式（5）所示。

3.计算信息冗余度

计算方法如式（6）所示。

4.计算各指标的权重

计算方法如式（7）所示。指标权重越大，意味着该项指标在总风险中的重要性程度越高。

我们在收集原始数据并计算相应指标后，按照式（1）至式（3）的方法对各指标数据做了标准化处理，然后分别代入式（4）至式（7）中，藉此测算出我国各省份的区域性金融风险各指标之权重（表2）。

由表2可见：除北京外，信贷膨胀率和债券发行规模对所有省份区域性金融风险的影响最大；除北京、贵州、西藏外，股票市场规模对所有省份区域性金融风险的贡献最小；保险深度、保险密度和存贷比在我国区域性金融风险中的贡献相对较低。

5.计算综合评价得分

计算方法如式（8）所示。综合评价得分越高，表明区域性金融风险越高，爆发区域性金融风险的概率相应越大。

6.实证测度

表2已经列示了我国31个省份区域性金融风险各指标的权重，在此基础上，根据式（8）即可测算我国各省份区域性金融风险的综合评价得分，亦即各省份区域性金融风险的量化评估结果（表3）。

三、我国区域性金融风险分析与评价

（一）我国区域性金融风险总体分析

上文运用熵权法测算出了如表3 所示的2012—2020 年我国省级区域性金融风险值，为了解我国区域性金融风险的总体状况及其变化趋势，进一步计算我国31 个省份相应年份区域性金融风险的平均值（图1）。

图1 2012—2020年我国省级区域性金融风险的均值

由图1 可见，2012—2020 年间，我国区域性金融风险总体呈上升趋势，风险水平由2012 年的0.058 上升至2020 年的0.201，年均增幅高达16.81%。这一实证结果表明，在中央将防范和化解重大风险置于三大攻坚战之首、金融风险防控力度不断加大的背景下，虽然系统性金融风险得到了较好控制，但区域性金融风险却呈逆势上扬趋势，对此，我们必须保持高度警惕。

2015 年我国区域性金融风险的增幅相较于2013 年和2014 年明显上升。这是因为在2015 年，美联储时隔9年再次加息，从而对我国金融市场产生了两种风险外溢效应：一是信贷市场存款的竞争效应。由于资本具有逐利性和跨境流动性，作为美联储加息的影响之一，美元存款相对于人民币存款的竞争力上升，结果，原来境内人民币存款中的一部分会被置换为境外的美元存款，进而导致我国信贷市场存贷比下降，信贷市场风险上升。二是金融资产配置的替代效应。银行存款和购买股票、债券都是产权主体金融资产配置的基本方式，在资金总规模相对固定的情况下，不同金融资产配置方式间存在显著的替代效应，作为美联储加息的影响之一，其他金融资产（尤其股票）会一定程度地被美元存款替代，其结果是股票市场规模下降，股票市场风险上升[15-16]。另一方面，因为2015年我国经济增长率仅为6.9%，25年来首次跌破7%，经济增速放缓的结果是市场需求下降，企业融资成本上升、融资难度增大，盈利能力相对下降，进而导致微观主体的违约概率上升[17]。总之，正是上述因素的叠加作用导致2015年我国区域性金融风险急剧攀升。

2016年我国区域性金融风险明显下降。这是因为2015 年底的中央经济工作会议提出了“三降一去一补”政策，把“去杠杆”列为2016 年我国供给侧结构性改革的重点工作，从而大幅度降低了我国的总体杠杆率和非金融企业杠杆率[18]。另一方面是因为我国加大了对金融市场的专项整治和规范建设力度，并取得了积极成效。例如，中国人民银行牵头17 个部门联合开展了互联网金融风险专项整治，发布了《非银行支付机构风险专项整治工作实施方案》；银保监会、证监会联合开展对险资举牌的监督，助力险资举牌业务规范发展。总之，通过“去杠杆”和加强金融监管，2016 年我国金融市场抗住了经济增速换挡、股市大震荡、人民币贬值等风险因素的不利影响，从而使区域性金融风险明显降低。

2020 年我国区域性金融风险急剧上升。其主要原因是新冠疫情对我国银行业、地方政府和企业造成了严重的负面影响。其一，为缓解疫情导致的经济下行压力，中国人民银行下调了银行贷款基准利率，银行机构的利息收入降低，再加之因疫情造成市场环境恶化，中小微企业偿债压力骤增，违约风险急剧上升，银行业面临的坏账损失陡增，这些因素共同作用的结果是银行业面临的风险显著上升；其二，为缓解地方政府因抗疫造成的财政缺口，中央政府提高了地方政府的预算赤字和专项债券发行额度，地方政府的偿债压力增大，违约风险上升；其三，疫情暴发后，为阻断疫情传播而采取的限制人员跨区域流动、停工停产等措施对企业的正常生产经营产生了负面影响，企业生存状况恶化，不少企业破产倒闭，特别是中小微企业，新冠疫情下的存活率相较于疫情前下降了约11.81%[19]，这对社会存款余额、GDP 等必然造成负面影响，进而加大了信贷、债券乃至保险市场的风险。

（二）我国区域性金融风险按大区比较分析

为了解我国区域性金融风险的地域分布特征，本文根据国家统计局对我国31 个省份的区域划分标准，将我国31 个省份划分为东部、中部、西部和东北4 个地区①（本文将其称为4 个大区）。基于表3 的数据，本文分别测算了我国东部、中部、西部和东北4 个大区的区域性金融风险的均值和标准差。在计算4 个大区的区域性金融风险均值时，为避免极端值的影响，本文对各地区的区域性金融风险做了上下1%的缩尾处理。4 个大区的区域性金融风险均值及其变化趋势如图2 所示。

图2 2012—2020年我国四大区区域性金融风险的均值及其变化趋势

1.区域性金融风险变化趋势基本一致

东、中、西、东北大区区域性金融风险的变化趋势基本一致，且和图1（我国区域性金融风险均值总体变化趋势）步调大致相同，这说明我国四大区金融市场对美联储加息、经济增速放缓、经济去杠杆、强化金融监管、新冠疫情冲击的反应具有较强的同质性。

2.区域性金融风险总体呈上升趋势

东、中、西、东北地区的区域性金融风险总体上都呈上升趋势，这表明区域性金融风险不断上升是我国社会经济发展的普遍态势，因此，应将防范化解区域性金融风险作为我国全域性、整体性、长期性工作来抓。

3.四大地区区域性金融风险呈逐次递减趋势

我国东、中、西、东北地区的区域性金融风险呈逐次递减态势，即在任何时间截面，我国东部地区的区域性金融风险最大，中部地区次之，西部地区较小，东北地区最小。诚如前文所述，区域性金融风险是由信贷、债券、股票和保险4个细分市场风险因素叠加影响和交互作用形成，我国四大区区域性金融风险的这种递减分布格局是有逻辑必然性的：其一，从债券市场维度看，债券发行规模（债券年发行额/该年GDP）是决定债券市场风险（进而影响区域性金融风险）的关键因素。从债券发行端看，我国东、中、西、东北地区的债券发行规模呈现清晰的逐次递减格局。从GDP 端看，东部地区的GDP 平均值均高于中、西、东北地区。综合来看，东部地区的债券发行额在GDP 中的占比最大，中部地区次之，西部地区第三，东北地区最小，因此在同等条件下，东、中、西、东北地区债券市场风险理应逐次递减。其二，从信贷、股票和保险市场维度看，其风险均与房地产市场密切关联，而我国房价的绝对值和波动性长期呈现东、中、西、东北递减局面[20]。房价波动会对区域金融市场的稳定性产生冲击，房价上涨会造成银行风险溢价和杠杆率上升，这将进一步加剧金融体系的内在不稳定性。

为进一步了解同一地区不同省份之间区域性金融风险的差异程度，本文分别测算了4个大区区域性金融风险的标准差（图3）。

图3 2012—2020年我国四大区区域性金融风险的标准差

由图3可见，在统计区间内各大区区域性金融风险标准差变化较大，这说明在各大区内部，区域性金融风险省级格局尚处于动态变动中，但总体而言，东部、中部地区的标准差要低于西部和东北地区，比如2015 年，东北地区的标准差为0.375，达到了统计期间的最大值，但此间同属该大区的辽宁和吉林，其区域性金融风险分别为0.063和0.722，这足见东北大区省际区域性金融风险存在巨大差异性。导致这种现象的原因在于区域性金融风险与地区经济社会发展状况息息相关，而按地域空间划分的四个大区，区域内省际经济社会发展水平本身就存在巨大不平衡性。鉴于此，中央政府在防控区域性金融风险时，一方面应将东、中部地区作为防控的重点区域，另一方面对于西部和东北地区，应重点关注诸如陕西、吉林等区域性金融风险较高的省份，着力对其金融风险做差异化精准防控。

四、结论与对策建议

区域性金融风险具有较强传染性，区域内单个风险源的危机事件可能导致风险在域内快速传播，甚至扩展至其他区域，对此若不能给予及时有效的控制，将很可能引发系统性金融风险，若此，我国正常的社会经济秩序将会遭受严重冲击。正因如此，做好区域性金融风险防控工作是防范和化解重大风险的关键着力点。科学、准确地测度区域性金融风险是有效防范和化解区域性金融风险的前提和基础，针对现有区域性金融风险测度方式所存在的问题，本文构建了基于熵权法的区域性金融风险测度模式，并实证测度了我国31 个省份2012—2020 年的区域性金融风险值，在此基础上，对我国区域性金融风险做了深入的分析和评价。通过上述研究，本文做出以下结论：一是基于熵权法测度区域性金融风险具有科学性，测度结果具有客观性，这是我国现实情景下测度区域性金融风险切实有效的方法。二是近年来我国出台的区域性金融风险治理措施虽然取得了一定成效，但尚未根本性抑制甚至扭转区域性金融风险持续上升的趋势，我国区域性金融风险防控任务依然艰巨。三是我国区域性金融风险呈现东、中、西、东北地区逐次递减态势，但西部、东北地区区域性金融风险的离散程度要高于东部和中部地区。

基于上述研究，就如何防范和化解区域性金融风险问题，本文提出以下政策建议：一是建立基于熵权法的区域性金融风险测度体系和预警系统，以便实时准确了解区域性金融风险的真实水平及其变化情况，藉此为精准防控风险提供可靠的依据。二是从信贷、债券、股票、保险4个细分市场维度识别区域性金融风险源，进而对既有区域性金融风险防控措施进行对照检视，找出政策措施与主要风险源不匹配或针对性不足之处，进而改进和完善风险防控措施，以期从根本上扭转区域性金融风险持续上升趋势。三是分区域制定差异化的区域性金融风险防控策略，制定并实行东、中、西、东北地区整体防控与高风险省份重点防控相结合的风险防控策略，此间应重点关注东、中部地区，兼顾关注西部和东北地区区域性金融风险较高的省份。

注释

①国家统计局将我国31 个省（自治区、直辖市）分为东部地区、中部地区、西部地区和东北地区，其中东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10 个省份；中部地区包括山西、安徽、江西、河南、湖北和湖南6个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12 个省份；东北地区包括辽宁、吉林和黑龙江3个省。