劉林

（中國人民銀行重慶營業(yè)管理部，重慶 401147）

基于模糊評判方法的區(qū)域系統(tǒng)性金融風(fēng)險預(yù)警研究

劉林

（中國人民銀行重慶營業(yè)管理部，重慶 401147）

通過開展預(yù)警實證表明，該方法在規(guī)范預(yù)警工作組織體系以及提升預(yù)警效能等方面能夠發(fā)揮切實有效的作用，是一種開展區(qū)域金融風(fēng)險預(yù)警行之有效的方法。

模糊數(shù)學(xué)；模糊評判方法；區(qū)域金融風(fēng)險；預(yù)警

一、模糊評判與金融風(fēng)險

（一）模糊數(shù)學(xué)與模糊評判方法簡介

模糊數(shù)學(xué)是試圖利用數(shù)學(xué)工具解決模糊事物方面的問題[1]。它用精確的數(shù)學(xué)方法來處理無法用數(shù)學(xué)描述的模糊事物，著重研究“認知不確定”類問題，其研究對象具有“內(nèi)涵明確，外延不明確”的特點。模糊數(shù)學(xué)為我們研究那些復(fù)雜的、難以用精確的數(shù)學(xué)描述的問題帶來了方便而又簡單的方法[2]。模糊評判方法作為模糊數(shù)學(xué)的一種具體應(yīng)用方法，由我國學(xué)者汪培莊提出，其基本原理是：首先確定被評判對象的因素（指標）集和評語（等級）集，再分別確定各個因素的權(quán)重及它們的隸屬度向量，獲得模糊評判矩陣，最后把模糊評判矩陣與因素的權(quán)向量進行模糊運算并進行歸一化，得到模糊評判的最終結(jié)果。

（二）用模糊評判方法開展分析的優(yōu)勢及特點

風(fēng)險的一個基本特征是不確定性，而不確定性難以精確地刻畫。就金融風(fēng)險評價來看，金融風(fēng)險程度大小的評判沒有具體標準，不同的人或機構(gòu)對風(fēng)險的實際大小及推演趨勢看法不一，并不是非此即彼的簡單邏輯映射，而是具有一定波動范圍的模糊論域，因此，借助模糊數(shù)學(xué)這一定性與定量相結(jié)合的方法開展金融風(fēng)險問題研究具有獨特的優(yōu)勢。一是該方法理論基礎(chǔ)成熟，模型簡潔，計算并不繁瑣，易于掌握和使用。二是模糊評判由不同專家獨立作出，因而匯聚這些專家判斷結(jié)果所形成的評判結(jié)論客觀性較強，從而增強對實際風(fēng)險認知的前瞻性和可靠度。三是模糊評判結(jié)果是被評判事物對各等級模糊子集的隸屬度，它一般是一個模糊向量，而不是一個點值，因而它能提供的信息比其他方法更豐富；同時，模糊向量也能通過計算處理得到分析對象的綜合評判值，便于決策。

二、模糊評判方法預(yù)警模型的構(gòu)建

本文在綜合考察模糊綜合評價方法基本框架及操作程序[3-4]的基礎(chǔ)上，把運用模糊評判方法開展風(fēng)險預(yù)警歸納為如下6個步驟：

（一）確定預(yù)警評判因素（指標）集

（二）確定預(yù)警評語（等級）集

（三）構(gòu)造預(yù)警評判矩陣

首先對預(yù)警評判因素集中的單因素（指標）ui(i= 1,2,…,m)作單因素評判，從單因素（指標）ui著眼于風(fēng)險等級vj(j=1,2,…,n)的隸屬度為rij，這樣就得出第i個因素（指標）ui的單因素評判向量ri=(ri1,ri2,…,rin)。這樣，m個著眼因素（指標）的評判集就構(gòu)造出一個總的評判矩陣R。即每一個被評判對象確定了從U到V的模糊關(guān)系R，它是一個矩陣：

其中，rij表示第i個因素（指標）ui在第j個風(fēng)險等級vj上的頻率分布，將其歸一化使之滿足∑rij=1。這樣，R矩陣本身就消除了量綱，不需作專門處理。

（四）確定因素（指標）權(quán)重向量

預(yù)警評判因素（指標）集中的各個因素（指標）在最終評判目標中有不同的地位和作用，即各預(yù)警評判因素（指標）在評判最終結(jié)果中占有不同的比重。我們引入U上的一個模糊子集A(a1,a2,…,am)，其中ai?0，且∑ai=1，稱權(quán)重或權(quán)重分配集，它反映評判者對諸風(fēng)險評判因素重要性的一種權(quán)衡。

（五）進行模糊合成

預(yù)警評判矩陣R中不同的行反映了被評判對象（或觀測時期）從不同的單因素來看對各等級模糊子集的隸屬程度。用模糊權(quán)向量A將不同的行進行綜合，就可得到該被評判對象（或觀測時期）從總體上來看對各等級模糊子集的隸屬程度，即預(yù)警評判結(jié)果向量。一般地，令預(yù)警評判結(jié)果向量B=(b1,b2,…, bn)=A°R（°為算子符號），稱之為模糊變換。bj表示被評判對象（或觀測時期）具有風(fēng)險等級vj的程度。給予不同的模糊算子，就有不同的評判模型。最易于理解和計算的模糊算子為普通積（即普通矩陣乘法），這種算子模型讓每個因素（指標）都對最終評判有所貢獻，比較客觀地反映了評判對象的全貌。

（六）計算預(yù)警評判綜合指標

預(yù)警評判結(jié)果向量B是對每個被評判對象（或觀測時期）綜合狀況分等級的程度描述，它不能直接用于被評判對象（或觀測時期）間的橫向?qū)Ρ?，必須要更進一步地分析處理。有時可以采用最大隸屬度法則對其處理，得到最終評判結(jié)果，但這也只利用了bj中的最大者，沒有充分利用向量B所帶來的全部信息，而且采用最大隸屬度原則的預(yù)警評判等級結(jié)果有可能忽略了導(dǎo)致小概率事件的風(fēng)險信息[3]。因此，為了充分利用向量B所帶來的全部風(fēng)險信息，可把不同風(fēng)險等級的評級參數(shù)和預(yù)警評判結(jié)果向量B進行綜合考慮，使得預(yù)警結(jié)果更具有風(fēng)險判研價值。此時，我們可假設(shè)相對于各評判風(fēng)險等級vj規(guī)定的參數(shù)列向量為C=(c1,c2,…,cn)T，則得出等級參數(shù)評判結(jié)果為p=B*C，p是一個實數(shù)，它反映了由預(yù)警評判結(jié)果向量B和等級參數(shù)向量C所帶來的綜合信息，可作為預(yù)警綜合指數(shù)做跨期比較應(yīng)用。在許多實際應(yīng)用中，它是十分有用的綜合參數(shù)。

三、基于模糊評判方法的預(yù)警實證分析

下面，本文以我國西部C市為實證對象，采用上述方法及步驟對其金融風(fēng)險形勢開展預(yù)警分析，以驗證其在實踐中的適用性。我們把開展預(yù)警的頻度周期設(shè)為季度，即與以當前狀態(tài)對未來1個季度內(nèi)的金融風(fēng)險狀態(tài)展開預(yù)警，這既符合宏觀審慎管理對風(fēng)險管理的時效性要求，也與金融管理部門所開展的風(fēng)險形勢分析會議的節(jié)奏相一致，從而能夠提供更詳盡和豐富的分析素材，增強風(fēng)險研判能力，有效防范和化解重大風(fēng)險苗頭和隱患。

（一）預(yù)警因素（指標）集與權(quán)重的確定

表1 C市系統(tǒng)性金融風(fēng)險評判因素及權(quán)重確定表

目前，部分圍繞區(qū)域預(yù)警指標體系的研究主要基于指標分析，通過對不同指標設(shè)置預(yù)警閾值來判斷風(fēng)險程度。這樣所建立的預(yù)警指標體系的最大不足在于預(yù)警有效程度依賴于各指標對風(fēng)險來源刻畫的科學(xué)性及其先行性。因此，為減少風(fēng)險指標預(yù)警帶來的上述問題，使風(fēng)險前瞻性判斷更有效，我們采用專家法與指標分析相結(jié)合的綜合方法搭建預(yù)警因素（指標）集。具體看，從對西部C市金融風(fēng)險的認知理解出發(fā)，組織來自金融監(jiān)管部門、銀行、企業(yè)的共計30名有關(guān)專家設(shè)計了由金融體系外部環(huán)境及金融體系自身兩大層次，共20個風(fēng)險因素構(gòu)成的C市區(qū)域系統(tǒng)性金融風(fēng)險研判體系。在此基礎(chǔ)上，以問卷調(diào)查形式讓各位專家獨立完成風(fēng)險評判問卷表，然后對其進行了整理和統(tǒng)計，各風(fēng)險因素評判的匯總結(jié)果詳見表1。

（二）預(yù)警評語（等級）集的確定

風(fēng)險評判中評語（等級）集是對風(fēng)險狀態(tài)的定性刻畫，而風(fēng)險狀態(tài)的表征涉及對風(fēng)險程度的理解和認識。與金融風(fēng)險相關(guān)的兩種極端狀態(tài)分別是金融安全和金融危機。區(qū)域金融安全是指區(qū)域金融業(yè)在遭受外部威脅與沖擊時，能夠確保金融體系的安全，并能夠持續(xù)保持穩(wěn)健運行與發(fā)展的態(tài)勢；區(qū)域金融危機則是區(qū)域金融風(fēng)險積累到一定程度時的總爆發(fā)，表現(xiàn)為大量金融機構(gòu)頃刻倒閉，整個區(qū)域內(nèi)的金融業(yè)一片混亂，金融體系最終全面崩潰。在明確這兩種極端狀態(tài)的基礎(chǔ)上，根據(jù)預(yù)警能度的客觀需要，本文把這兩種極端狀態(tài)之間再劃分出4種預(yù)警狀態(tài)，分別是基本安全、輕度風(fēng)險、風(fēng)險、嚴重風(fēng)險，各種風(fēng)險狀態(tài)描述詳見表2。

表2 金融風(fēng)險預(yù)警狀態(tài)劃分

（三）預(yù)警模糊評判矩陣的生成

根據(jù)表1進行簡單的頻率統(tǒng)計，可以得到所構(gòu)造的20行6列預(yù)警模糊評判矩陣如下：

接下來，再根據(jù)各因素對應(yīng)的權(quán)重向量，運用合成算法中的加權(quán)平均法便得到了系統(tǒng)性金融風(fēng)險評判向量如下：

評判向量的結(jié)果表明，根據(jù)最大隸屬度原則，所對應(yīng)的預(yù)警評語（等級）為“基本安全”，即在2014年2季度末外推未來1個季度內(nèi)C市系統(tǒng)性金融風(fēng)險程度為“基本安全”。

（四）預(yù)警綜合評判與預(yù)警指數(shù)

為了精確地刻畫風(fēng)險程度以及進行不同時期風(fēng)險變動情況的比較，我們利用表2中風(fēng)險狀況所對應(yīng)的預(yù)警區(qū)間的上下限值計算最終的風(fēng)險預(yù)警指數(shù)。

上限計算結(jié)果為：

下限計算結(jié)果為：

最終風(fēng)險預(yù)警指數(shù)為上下限計算結(jié)果的平均值，計算結(jié)果如下：

四、結(jié)論

本文把模糊數(shù)學(xué)引入風(fēng)險分析領(lǐng)域的優(yōu)勢及特點進行了簡析，并嘗試搭建了以模糊評判方法為基礎(chǔ)的金融風(fēng)險預(yù)警模型。在實證部分根據(jù)當前西部C市系統(tǒng)性金融風(fēng)險需關(guān)注的20個方面設(shè)計了評判因素集，這一因素集能夠較為全面地反映區(qū)域系統(tǒng)性風(fēng)險的基本狀況，用于開展風(fēng)險預(yù)警具有較好的預(yù)判能力。同時，運用該方法開展金融風(fēng)險預(yù)警能夠在預(yù)警工作組織上充分發(fā)揮各方專家和管理部門的集體決策作用，提高預(yù)警結(jié)果的有效性和可靠度。此外，模型構(gòu)建與計算的簡便性也易使該方法在基層得到推廣應(yīng)用，能為基層金融監(jiān)管部門開展金融風(fēng)險預(yù)警提供方法參考與借鑒。

[1]LA Zadeh.Fuzzy Sets[J].Information and Control,V 8,pp338-353,1965.

[2]謝季堅，劉承平.模糊數(shù)學(xué)方法及其應(yīng)用（第4版）[M].武漢：華中科技大學(xué)出版社，2013.

[3]杜棟，龐慶華，吳炎.現(xiàn)代綜合評價方法與案例精選（第2版）[M].北京：清華大學(xué)出版社，2008.

[4]陳寶智.多目標模糊評價模型與評價等級計算方法[J].東北大學(xué)學(xué)報（自然科學(xué)版），2001，（5）：568-571.

（責(zé)任編輯：賈偉）

1003-4625（2014）12-0038-03

F832.1

A

2014-10-10

劉林（1979-），男，四川大竹人，碩士研究生，經(jīng)濟師，研究方向：貨幣理論與政策，金融風(fēng)險管理。