黎娜+陳奕霏+樓文高

摘要：本文根據(jù)金融風(fēng)險(xiǎn)單指標(biāo)區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)邊界樣本和收集到的1993—2014年20個(gè)指標(biāo)實(shí)際數(shù)據(jù)，建立了我國(guó)金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警的投影尋蹤（PPC）模型。對(duì)1994—2015年我國(guó)金融風(fēng)險(xiǎn)的實(shí)證研究結(jié)果表明：PPC模型能較好地應(yīng)用于我國(guó)金融風(fēng)險(xiǎn)的評(píng)價(jià)與預(yù)警研究，數(shù)據(jù)檢驗(yàn)結(jié)果符合我國(guó)金融市場(chǎng)的實(shí)際運(yùn)行情況，期間金融風(fēng)險(xiǎn)處于“基本安全”狀態(tài)，但以2008年最嚴(yán)重，其次是2000年。與BPNN模型相比，PPC模型建模過(guò)程簡(jiǎn)潔，屬于確定性、線性和顯性模型，可以直接用于判定各個(gè)評(píng)價(jià)指標(biāo)以及子系統(tǒng)的重要性，對(duì)我國(guó)金融風(fēng)險(xiǎn)的把控可提出更具針對(duì)性的建議和措施。PPC模型進(jìn)一步深化了金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警的理論和方法。

關(guān)鍵詞：金融風(fēng)險(xiǎn)預(yù)警；指標(biāo)體系；投影尋蹤；實(shí)證研究；評(píng)價(jià)標(biāo)準(zhǔn)

中圖分類(lèi)號(hào)：F830；F810 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-862X（2016）05-0066-008

一、文獻(xiàn)綜述

金融危機(jī)常被定義為一種對(duì)貨幣的攻擊從而導(dǎo)致貨幣大幅貶值，或國(guó)際儲(chǔ)備大幅下降，或兩者結(jié)合的情況。[1]在過(guò)去的半個(gè)世紀(jì)中，金融市場(chǎng)的全球化進(jìn)程促進(jìn)了資本在世界范圍內(nèi)的大幅度流動(dòng)，但同時(shí)也加劇了金融業(yè)務(wù)的不確定性和市場(chǎng)的動(dòng)蕩程度。以往發(fā)生的金融危機(jī)都首先起源于某個(gè)國(guó)家和地區(qū)，然后波及全球，因此每個(gè)國(guó)家和地區(qū)（統(tǒng)稱(chēng)為區(qū)域）必須在提高金融效率的同時(shí)，監(jiān)管并防范全球金融系統(tǒng)不穩(wěn)定性所帶來(lái)的危險(xiǎn)。各國(guó)政府、監(jiān)管部門(mén)和國(guó)際金融界對(duì)區(qū)域金融風(fēng)險(xiǎn)的高度警惕使之一直在尋求有效的管理和防范金融風(fēng)險(xiǎn)的技術(shù)和方法。

目前，大多數(shù)研究集中于模擬金融危機(jī)和預(yù)警模型的構(gòu)建與完善，迄今已經(jīng)發(fā)展了四代理論。如表1所示。

第一代模型是基于解決國(guó)際收支不平衡問(wèn)題[2]而給出的。宏觀經(jīng)濟(jì)政策隨著匯率的變動(dòng)而出現(xiàn)調(diào)整，危機(jī)正是政策調(diào)整不可避免的后果。Krugman（1979）[3]利用官方外匯儲(chǔ)備、國(guó)內(nèi)對(duì)各個(gè)部門(mén)信貸和財(cái)政預(yù)算等作為預(yù)測(cè)危機(jī)的指標(biāo)。但是它既不能解釋政府維持匯率穩(wěn)定的目的，也不能解釋危機(jī)波及其他國(guó)家的原因。因此Obstfeld（1994）[4]等學(xué)者提出了第二代金融危機(jī)的理論，他們?cè)谘芯苛?992—1993年歐洲匯率機(jī)制崩潰問(wèn)題后，將貨幣貶值描述為循環(huán)的多重均衡過(guò)程。在第二代模型中，危機(jī)歸因于國(guó)內(nèi)經(jīng)濟(jì)基本面惡化或市場(chǎng)參與者對(duì)于政策制定者的期望轉(zhuǎn)變。其中貨品產(chǎn)量、利率高低、政策制定和銀行系統(tǒng)都被作為預(yù)警指標(biāo)。但這兩代理論都無(wú)法合理解釋在90年代中期當(dāng)一個(gè)國(guó)家經(jīng)濟(jì)基本情況良好時(shí)仍會(huì)爆發(fā)金融危機(jī)的原因。因此學(xué)者們?cè)诘谌碚撃Ｐ椭屑尤肓藖?lái)自銀行與金融部門(mén)的指標(biāo)[5]，并側(cè)重考察貨幣危機(jī)傳染效應(yīng)的原因，即一國(guó)危機(jī)對(duì)其他國(guó)家貨幣溢出而引發(fā)這些國(guó)家危機(jī)的內(nèi)在原因。[6]Krugman（2001）[7]建立的第四代危機(jī)模型中除了以沿用以往常用的貨幣價(jià)格和匯率因素，還增加了其他資產(chǎn)價(jià)格因素。

綜上，無(wú)論從理論還是實(shí)踐角度出發(fā)，通過(guò)建立金融風(fēng)險(xiǎn)預(yù)警管理體系，選擇一系列有效可靠的金融指標(biāo)檢測(cè)風(fēng)險(xiǎn)，是學(xué)術(shù)界常用的做法。

1997年亞洲金融風(fēng)暴促使國(guó)內(nèi)外學(xué)者先后提出運(yùn)用KLR信號(hào)法、FR法、STV法和主觀概率法等多種模型來(lái)監(jiān)測(cè)金融風(fēng)險(xiǎn)。國(guó)內(nèi)部分學(xué)者結(jié)合我國(guó)的具體情況，在對(duì)國(guó)外的最新理論和模型進(jìn)行拓展的前提下，著重對(duì)指標(biāo)選擇、預(yù)警系統(tǒng)構(gòu)建進(jìn)行研究。如曹文煉[8]（1998）和吳成頌[9]（2011）均認(rèn)為，可以從微觀、中觀和宏觀的角度建立各自的指標(biāo)體系，然后對(duì)其進(jìn)行整合，使之成為全國(guó)性的預(yù)警體系；張?jiān)嫉萚10]（2003）用STV法和KLR法預(yù)測(cè)在全國(guó)范圍內(nèi)發(fā)生經(jīng)濟(jì)危機(jī)的可能性；劉遵義[11]（1998）使用主觀概率法分析了墨西哥金融市場(chǎng)爆發(fā)危機(jī)的概率；黃益紹和林都[12]（2004）采用層次分析法（即AHP）對(duì)所構(gòu)建的預(yù)警指標(biāo)進(jìn)行排序。但從整體研究情況來(lái)看，國(guó)內(nèi)學(xué)者對(duì)于模型的開(kāi)創(chuàng)性研究較少。在Nag和Mitra（1999）使用神經(jīng)網(wǎng)絡(luò)方法建立金融危機(jī)預(yù)警系統(tǒng)之后，國(guó)內(nèi)大量學(xué)者利用反向傳播神經(jīng)網(wǎng)絡(luò)BPNN，結(jié)合我國(guó)具體數(shù)據(jù)進(jìn)行實(shí)證分析，如胡燕京等（2003）用改進(jìn)的BPNN法對(duì)中國(guó)的數(shù)據(jù)進(jìn)行了分析。

樓文高等（2011）[13]通過(guò)對(duì)已經(jīng)發(fā)表的典型文獻(xiàn)進(jìn)行對(duì)比求證后，指出了Logit與STV模型在預(yù)測(cè)時(shí)最少需要十幾個(gè)國(guó)家的數(shù)據(jù)量，而KLR法和主觀概率法的指標(biāo)過(guò)多，原理也有一定的缺陷，不太適合我國(guó)金融風(fēng)險(xiǎn)預(yù)警的情況。許滌龍等（2013）[14]采用壓力指數(shù)法研究金融風(fēng)險(xiǎn)，需要采用主觀法或者客觀法確定各個(gè)指標(biāo)的權(quán)重，AHP法[15]和KLR法[16]也一樣，結(jié)果的合理性與權(quán)重的選取密切相關(guān)。因此，如何更加簡(jiǎn)捷、快速地建立金融風(fēng)險(xiǎn)評(píng)價(jià)和預(yù)警模型，還有待進(jìn)一步探討和研究。

投影尋蹤模型（PPC）是一種特別適用于非線性、高維、非正態(tài)分布數(shù)據(jù)處理的新興建模方法，在綜合評(píng)價(jià)、預(yù)警等方面獲得了廣泛的應(yīng)用。因此，本文擬根據(jù)金融風(fēng)險(xiǎn)區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)和我國(guó)金融系統(tǒng)實(shí)際樣本數(shù)據(jù)，從理論和實(shí)證兩個(gè)角度對(duì)我國(guó)金融風(fēng)險(xiǎn)水平進(jìn)行總體性評(píng)價(jià)，并在此基礎(chǔ)上深入探究金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的構(gòu)建問(wèn)題，以期能夠取得更加可靠、穩(wěn)定的研究結(jié)果。

二、金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警指標(biāo)設(shè)計(jì)

本文擬采用我國(guó)1993—2014年的金融系統(tǒng)運(yùn)行數(shù)據(jù)，通過(guò)單指標(biāo)區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)，構(gòu)建出更加符合我國(guó)實(shí)際情況的金融風(fēng)險(xiǎn)評(píng)價(jià)預(yù)警模型。為使結(jié)果更具有可比性，模型構(gòu)建與將采用薛玉春（2008）[17]、陳秋玲等（2009）[18]和樓文高等（2011）所采用的指標(biāo)體系和評(píng)價(jià)標(biāo)準(zhǔn)（1），具體情況如表2所示。

三、投影尋蹤建模原理分析

在20世紀(jì)60年代末和70年代初期，PP模型，即投影尋蹤模型在統(tǒng)計(jì)界興起，它是一種多維數(shù)據(jù)處理方法，用于尋找描述數(shù)據(jù)結(jié)構(gòu)的最佳投影。由于其研究結(jié)果較為穩(wěn)健，數(shù)據(jù)準(zhǔn)確性高，不需要人為整理并訓(xùn)練數(shù)據(jù)，因此在金融風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警等方面具有一定的應(yīng)用價(jià)值。[19]PPC模型（即投影尋蹤聚類(lèi)模型）是對(duì)PP模型的拓展，針對(duì)具有區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)的綜合評(píng)價(jià)與預(yù)警問(wèn)題，目前常用三種PPC模型。第一種是只用邊界值樣本（對(duì)于本例共五個(gè)邊界值樣本，如GDP增長(zhǎng)率的最大值16、12、8、4和最小值0，其他指標(biāo)類(lèi)似）建立PPC模型[20]；第二種是在每個(gè)等級(jí)范圍內(nèi)，各個(gè)指標(biāo)隨機(jī)取值生成一定數(shù)量（少的5個(gè)，多的1000個(gè)）的樣本，并結(jié)合五個(gè)邊界值樣本，建立PPC模型[21]；第三種是針對(duì)第二種的樣本，設(shè)定各個(gè)等級(jí)的理論值，建立插值型PPC模型。[22]endprint

上述三種模型都有學(xué)者選用，但通過(guò)比較研究這三種模型后發(fā)現(xiàn)，第二種和第三種模型，各個(gè)指標(biāo)的重要性（權(quán)重大?。┓浅＝咏?，這與實(shí)際情況有較大出入。第一種模型的結(jié)果只取決于邊界樣本值，要求合理確定每個(gè)指標(biāo)的最大值和最小值，否則影響結(jié)果的合理性。因此，本文將把每個(gè)等級(jí)的邊界值樣本和采集到的樣本數(shù)據(jù)混合在一起，建立PPC模型。這樣既充分考慮到邊界樣本（區(qū)分不同等級(jí)）的特性，又直接與采集到的樣本數(shù)據(jù)有關(guān)。各個(gè)指標(biāo)的重要性（權(quán)重大?。┘扰c區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)有關(guān)，又與采集到的樣本數(shù)據(jù)分布規(guī)律有關(guān)，符合客觀賦權(quán)法的特點(diǎn)。投影尋蹤建模原理主要包括以下兩個(gè)方面。

1. 樣本數(shù)據(jù)的無(wú)量綱化預(yù)處理及其刪除部分極低風(fēng)險(xiǎn)指標(biāo)

為了提高PPC模型的魯棒性和有效性，需對(duì)樣本原始數(shù)據(jù)進(jìn)行無(wú)量綱化預(yù)處理。郭亞軍等（2008）[23]認(rèn)為極值歸一化和標(biāo)準(zhǔn)化處理方法是滿(mǎn)足理想性質(zhì)較多的兩種無(wú)量綱化方法；樊紅艷等（2010）[24]認(rèn)為標(biāo)準(zhǔn)化方法很好地保持了原始數(shù)據(jù)的整體性和關(guān)聯(lián)系數(shù)的一致性，也不改變?cè)紨?shù)據(jù)的分布形狀和分布順序，再者，標(biāo)準(zhǔn)化方法可以不受最大值和最小值的限制，具有更好的開(kāi)放性。因此，本文采用標(biāo)準(zhǔn)化方法對(duì)樣本數(shù)據(jù)進(jìn)行無(wú)量綱化的處理，計(jì)算公式為：

其中x*i，j是第i個(gè)樣本、第j個(gè)指標(biāo)（變量）的原始數(shù)據(jù)，xi， j是第i個(gè)樣本、第j個(gè)指標(biāo)（變量）的無(wú)量綱化后的數(shù)據(jù)，是第j個(gè)指標(biāo)的均值，σj是第j個(gè)指標(biāo)的標(biāo)準(zhǔn)差。

2.構(gòu)建目標(biāo)函數(shù)和求解數(shù)值的最佳投影

通過(guò)求解PPC模型的目標(biāo)函數(shù)最大值，以得到最佳投影和系數(shù)：

（1）式中，樣本數(shù)據(jù)所得投影值的標(biāo)準(zhǔn)差為：

E（z）為Z（i）的求平均數(shù)結(jié)果，R密度窗口半徑的合理取值范圍直接關(guān)系到整個(gè)建模的結(jié)果，而通常樣本也分為3～5類(lèi)。所以根據(jù)樓文高等[25]（2015）的合理取值范圍為：

由于在此范圍內(nèi)，結(jié)果變化不大，本文建模中使用R=max（ri，k）/5

（1）式是含有等式和不等式雙重約束的一維投影指標(biāo)函數(shù)，本文根據(jù)Matlab群智能最優(yōu)化算法程序，求解（1）式的最佳投影向量 及其系數(shù)a （權(quán)重）。依據(jù)樓文高等（2014）[26]提出的準(zhǔn)則（3），先后調(diào)整有關(guān)的參數(shù)，使其達(dá)到合理有效的最優(yōu)化，當(dāng)先后改變一半指標(biāo)的無(wú)量綱化即歸一化時(shí)（對(duì)于標(biāo)準(zhǔn)化方法，即取相反數(shù)），如果前后兩次求得的系數(shù)aj互為相反數(shù)，而一維函數(shù)Q（a）、密度值、標(biāo)準(zhǔn)差等始終保持不變，就可以說(shuō)明已經(jīng)得出最優(yōu)解，否則，必須重新設(shè)定指標(biāo)求解。

評(píng)價(jià)指標(biāo)的權(quán)重代表著其金融市場(chǎng)蘊(yùn)藏風(fēng)險(xiǎn)的程度。得出最優(yōu)值之后，必須分析權(quán)重的性質(zhì)，如果大于0，說(shuō)明指標(biāo)值越大，金融風(fēng)險(xiǎn)也越嚴(yán)重，是正向指標(biāo)，否則即為逆向指標(biāo)；如果指標(biāo)性質(zhì)出現(xiàn)錯(cuò)誤，必須深入分析原因，重新進(jìn)行建模，判斷其是否屬于無(wú)效指標(biāo)。同時(shí)，可以依照指標(biāo)權(quán)重所對(duì)應(yīng)的絕對(duì)值數(shù)額大小，對(duì)指標(biāo)的重要性進(jìn)行排序和分類(lèi)，按照樣本投影數(shù)值的大小，對(duì)樣本進(jìn)行排列以及聚類(lèi)分析。

四、金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警的投影尋蹤建模

1.對(duì)樣本數(shù)據(jù)實(shí)施無(wú)量綱化處理

本文通過(guò)對(duì)收集到的我國(guó)1993—2014年金融系統(tǒng)運(yùn)行樣本數(shù)據(jù)（22個(gè)）與5個(gè)分界值樣本數(shù)據(jù)進(jìn)行統(tǒng)一的無(wú)量綱化處理。其中：固定資產(chǎn)投資增長(zhǎng)率為適度指標(biāo)，須先將適度指標(biāo)x■通過(guò)取“（ ）”進(jìn)行預(yù)處理。五個(gè)邊界值樣本將金融風(fēng)險(xiǎn)劃分為“安全”、“基本安全”、“警惕”和“危險(xiǎn)”四種狀態(tài)水平（也稱(chēng)為I～I(xiàn)V級(jí)風(fēng)險(xiǎn)）。

2.建立金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警的PPC模型

（1）建立金融風(fēng)險(xiǎn)綜合評(píng)價(jià)的PPC模型

將上述經(jīng)無(wú)量綱化處理的樣本數(shù)據(jù)導(dǎo)入基于CSA群智能最優(yōu)化算法的PPC程序，得出R=max（ri，k）/5時(shí)的PPC建模結(jié)果：最佳投影向量系數(shù)a1～20=（-0.3248，-0.1483，0.2354，0.2422，-0.1688，0.2689，0.2589，0.2564，0.1634，0.2270，-0.1836，0.3029，0.3020，0.2243，0.2129，0.2174，-0.1720，0.0998，0.0904，0.1985），五個(gè)邊界值樣本的投影值分別為z（1）～z（5）=（-6.099， -1.349， 1.956， 5.569， 11.125），樣本值投影值的標(biāo)準(zhǔn)差Sz=2.8442，局部密度Dz=1535.9，目標(biāo)函數(shù)最大值Q（a）=4368.33，投影窗口半徑R=3.4449，max（ri，k）=17.2244。從五個(gè)邊界樣本的意義可知，I～I(xiàn)V級(jí)金融風(fēng)險(xiǎn)PPC模型的投影值范圍分別為小于等于-1.349、（-1.349，1.956]、（1.956，5.569]和大于5.569。

（2）評(píng)價(jià)指標(biāo)重要性分析

依據(jù)上文中PPC模型（1）式所示，系數(shù)絕對(duì)值越大的指標(biāo)，其重要性越高。因此，在所有指標(biāo)中，GDP增長(zhǎng)率（x1）最重要，其次是外債負(fù)債率（x12）和外債償債率（x13），向量系數(shù)的絕對(duì)值都在0.30以上；同時(shí)，存貸款比例（x19）和不良貸款率（x18）兩個(gè)最不重要，權(quán)重的絕對(duì)值小于0.10；最大權(quán)重?cái)?shù)值與最小權(quán)重的比值為3.6，表明全部的評(píng)價(jià)指標(biāo)都是需要的，無(wú)須刪除。采用有序樣本最優(yōu)分割法，可以把20個(gè)評(píng)價(jià)指標(biāo)按照重要程度分為3個(gè)極重要指標(biāo)、4個(gè)重要指標(biāo)、6個(gè)較重要指標(biāo)和2個(gè)次重要指標(biāo)，依據(jù)評(píng)價(jià)指標(biāo)的重要性程度可排序?yàn)閤1 >x12>x13>x6>x7>x8>x4>x3>x10>x14>x16>x15>x20>x11>x17>x5>x9>x2>x18>x19。在我國(guó)金融風(fēng)險(xiǎn)的六大子系統(tǒng)（方面）中，國(guó)際收支風(fēng)險(xiǎn)的影響最大（權(quán)重絕對(duì)值之和為1.4032），其次是貨幣風(fēng)險(xiǎn)（權(quán)重絕對(duì)值之和為0.7842），然后依次是財(cái)政風(fēng)險(xiǎn)（權(quán)重絕對(duì)值之和為0.6463）、銀行風(fēng)險(xiǎn)（權(quán)重絕對(duì)值之和為0.5607）、經(jīng)濟(jì)增長(zhǎng)風(fēng)險(xiǎn)（權(quán)重絕對(duì)值之和為0.4732），影響最小的是股市泡沫風(fēng)險(xiǎn)（權(quán)重絕對(duì)值之和為0.4302）；國(guó)際收支子系統(tǒng)風(fēng)險(xiǎn)幾乎是排名第二位（貨幣風(fēng)險(xiǎn)）的2倍多，是經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)風(fēng)險(xiǎn)的3倍多。因此，對(duì)我國(guó)金融系統(tǒng)運(yùn)行來(lái)說(shuō)，國(guó)際收支子系統(tǒng)風(fēng)險(xiǎn)是最大的危險(xiǎn)，應(yīng)首先采取有效措施，提高防范風(fēng)險(xiǎn)能力，其次是采取有效措施提高防范貨幣風(fēng)險(xiǎn)的能力。endprint

五、實(shí)證研究

1. 全國(guó)金融市場(chǎng)運(yùn)行風(fēng)險(xiǎn)程度評(píng)價(jià)

金融系統(tǒng)風(fēng)險(xiǎn)一般不會(huì)即刻發(fā)生，其潛伏期約一年時(shí)間，因此，本文將采用前一年的數(shù)據(jù)來(lái)預(yù)測(cè)和評(píng)價(jià)后一年的金融風(fēng)險(xiǎn)水平，即利用2014年的數(shù)據(jù)預(yù)測(cè)和評(píng)價(jià)2015年的金融風(fēng)險(xiǎn)水平，依次類(lèi)推，將我國(guó)1993年至2014年間的有關(guān)數(shù)據(jù)代入模型中，即可計(jì)算出我國(guó)1994—2015年的金融風(fēng)險(xiǎn)水平（4）（如表3所示）。PPC模型計(jì)算出的最終數(shù)額越大，其所代表的風(fēng)險(xiǎn)水平就越高。與已有的金融風(fēng)險(xiǎn)等級(jí)模型輸出值范圍一一對(duì)應(yīng)，可以很方便地判定我國(guó)各個(gè)年度的金融風(fēng)險(xiǎn)等級(jí)（表3所示）。實(shí)證結(jié)果表明：1994—2015年期間，我國(guó)金融風(fēng)險(xiǎn)始終處于“基本安全”狀態(tài)， 但不同年度的風(fēng)險(xiǎn)水平是存在差別的，2008年的風(fēng)險(xiǎn)最高，已經(jīng)處于“基本安全”的中高水平，如果當(dāng)時(shí)國(guó)家沒(méi)有采取有力措施，就很可能走向“警惕”的水平；然后依次為2000年、1999年、1998年、2004年、2002年、2010年，風(fēng)險(xiǎn)逐次降低；2011—2015年、1996年、2006年為我國(guó)金融風(fēng)險(xiǎn)最低的年度，雖然也是處于“基本安全”水平，但更偏向于“安全”水平。

2. 各金融子系統(tǒng)運(yùn)行風(fēng)險(xiǎn)的分析與判斷

有兩種方法可以分析與判定各個(gè)金融子系統(tǒng)的風(fēng)險(xiǎn)水平，一是參照總系統(tǒng)的建模原理，對(duì)各個(gè)子系統(tǒng)分別進(jìn)行建模，二是在上述金融風(fēng)險(xiǎn)系統(tǒng)PPC模型中把其他子系統(tǒng)的各個(gè)指標(biāo)數(shù)額都設(shè)定為0，就得到了每個(gè)金融子系統(tǒng)的PPC模型。為統(tǒng)一起見(jiàn)，本文采用第二種方法，得出界定子系統(tǒng)不同風(fēng)險(xiǎn)等級(jí)的數(shù)值范圍，如表4所示。1994—2015年各金融子系統(tǒng)的風(fēng)險(xiǎn)變化情況如圖1所示。

其中2000年、2008年、2012年和2015年各金融子系統(tǒng)的模型輸出值、風(fēng)險(xiǎn)等級(jí)以及1994—2015年期間各個(gè)子系統(tǒng)不同風(fēng)險(xiǎn)等級(jí)的年度數(shù)量如表4所示。從表4可以看出：（1）對(duì)于同一個(gè)金融子系統(tǒng)，不同年度的金融風(fēng)險(xiǎn)會(huì)相差很大，如股市泡沫子系統(tǒng)，其2008年的風(fēng)險(xiǎn)很大（處于IV級(jí)），而在其他年度，風(fēng)險(xiǎn)較小，15個(gè)年度處于“安全”等級(jí)（I級(jí)），6個(gè)年度處于“基本安全”等級(jí)；銀行、國(guó)際收支子系統(tǒng)等也是同樣的情況。（2）同一年度，六大子系統(tǒng)的金融風(fēng)險(xiǎn)也會(huì)相差很大，如2008年，股市泡沫的風(fēng)險(xiǎn)很大（處于IV級(jí)），而國(guó)際收支和貨幣子系統(tǒng)卻風(fēng)險(xiǎn)很小，處于“安全”（I級(jí)）狀態(tài)。（3）在1994—2015年期間，銀行子系統(tǒng)的金融風(fēng)險(xiǎn)最令人擔(dān)心，因?yàn)轱L(fēng)險(xiǎn)等級(jí)均在“警惕”（即III級(jí)）以上；與此同行，經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)的風(fēng)險(xiǎn)水平也令人擔(dān)憂，其沒(méi)有一個(gè)年度處于“安全”狀態(tài)；國(guó)際收支子系統(tǒng)的金融風(fēng)險(xiǎn)最低，分別有20個(gè)和2個(gè)年度處于“安全”和“基本安全”狀態(tài)。

以表中2008年的數(shù)值對(duì)六個(gè)子系統(tǒng)進(jìn)行分析：

（1）在經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)的兩個(gè)具體指標(biāo)中，第一個(gè)指標(biāo)雖處于Ⅱ級(jí)狀態(tài)，其實(shí)際上卻接近于Ⅰ級(jí)范圍的臨界點(diǎn)，而第二個(gè)指標(biāo)雖然處于III級(jí)狀態(tài)，卻接近于Ⅳ級(jí)狀態(tài)范圍的臨界點(diǎn)。因此，最終判定其處于Ⅱ級(jí)狀態(tài)是適當(dāng)?shù)摹?/p>

（2）財(cái)政風(fēng)險(xiǎn)子系統(tǒng)的具體指標(biāo)中有兩個(gè)處于III級(jí)，只有一個(gè)處于Ⅱ級(jí)狀態(tài)，所以把財(cái)政風(fēng)險(xiǎn)評(píng)為警惕是恰當(dāng)?shù)摹?/p>

（3）貨幣子系統(tǒng)的指標(biāo)中兩個(gè)屬于Ⅰ級(jí)，另外一個(gè)處于II級(jí)狀態(tài)，所以該子系統(tǒng)綜合評(píng)價(jià)結(jié)果為“安全”是被認(rèn)為可取的。

（4）國(guó)際收支子系統(tǒng)的指標(biāo)體系中，雖然有兩個(gè)處于Ⅳ級(jí)，但由于這兩個(gè)指標(biāo)所占權(quán)重較小，而處于Ⅰ級(jí)狀態(tài)的四個(gè)指標(biāo)值并未靠近臨界點(diǎn)，權(quán)重也相對(duì)較大，所以綜合考慮，該子系統(tǒng)的結(jié)果應(yīng)為安全。

（5）股市泡沫子系統(tǒng)的具體指標(biāo)中一個(gè)處于III級(jí)狀態(tài)，另一個(gè)處于Ⅳ級(jí)狀態(tài)，因此該子系統(tǒng)的綜合評(píng)價(jià)結(jié)果應(yīng)為危險(xiǎn)狀態(tài)。

（6）銀行子系統(tǒng)有四個(gè)指標(biāo)，一個(gè)指標(biāo)值處于Ⅰ級(jí)狀態(tài)（其權(quán)重最?。粋€(gè)指標(biāo)值雖然處于Ⅱ級(jí)狀態(tài)，但是接近臨界值，剩余指標(biāo)值則處于Ⅳ級(jí)狀態(tài)（其中一個(gè)指標(biāo)的權(quán)重很大），所以銀行系統(tǒng)的結(jié)果雖然為“危險(xiǎn)”狀態(tài)，但是實(shí)際上更偏向于警惕的臨界點(diǎn)。

因此綜合六大子系統(tǒng)的指標(biāo)評(píng)價(jià)，該年度金融風(fēng)險(xiǎn)評(píng)價(jià)模型得出的結(jié)果是“基本安全”，但其屬于“基本安全”的中高狀態(tài)，偏向于“基本安全”與“警惕”的分界值。

六、討論與分析

1.我國(guó)1994—2015年金融風(fēng)險(xiǎn)整體上處于“基本安全”的可控狀態(tài)，但不同年度，風(fēng)險(xiǎn)水平有波動(dòng)

本文將收集到的樣本數(shù)據(jù)和表示我國(guó)金融風(fēng)險(xiǎn)評(píng)價(jià)標(biāo)準(zhǔn)的五個(gè)分界樣本（包括最大值和最小值）混合在一起進(jìn)行綜合評(píng)價(jià)，既考慮了區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)，又與實(shí)際樣本密切相關(guān)。在采用投影尋蹤進(jìn)行建模時(shí)，各個(gè)評(píng)價(jià)指標(biāo)的向量系數(shù)既取決于評(píng)價(jià)標(biāo)準(zhǔn)，又取決于收集到的實(shí)際數(shù)據(jù)，無(wú)論從理論還是實(shí)踐的角度，都是比較合理的。根據(jù)本文建立的PPC模型和五個(gè)評(píng)價(jià)標(biāo)準(zhǔn)分界樣本的模型輸出值，可以得到不同風(fēng)險(xiǎn)等級(jí)的PPC模型輸出值范圍，從而能夠很方便地判定各個(gè)年度的金融風(fēng)險(xiǎn)水平。我國(guó)金融風(fēng)險(xiǎn)處于“基本安全”的可控狀態(tài)，整體上沒(méi)有大的風(fēng)險(xiǎn)，但其間有波動(dòng)。由于2007年我國(guó)股市出現(xiàn)了泡沫式的快速上漲，上證指數(shù)曾達(dá)到6124點(diǎn)，股票市盈率和股票總市值都很高，處于“危險(xiǎn)”狀態(tài)。由于經(jīng)濟(jì)高速發(fā)展，尤其是房地產(chǎn)業(yè)的快速發(fā)展，導(dǎo)致銀行業(yè)中存貸款比例飆升到148%，中長(zhǎng)期貸款比例也高達(dá)50%，致使銀行子系統(tǒng)也處于“危險(xiǎn)”狀態(tài)。盡管貨幣子系統(tǒng)和國(guó)際收支子系統(tǒng)都處于“安全”狀態(tài)，但整體上，2008年的金融風(fēng)險(xiǎn)最高，處于“基本安全”的較高水平。其次是2000年，雖然股市風(fēng)險(xiǎn)很低，處于“安全”狀態(tài)，但由于其經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)的GDP增長(zhǎng)率只有7.6%，處于“警惕”狀態(tài)，其固定資產(chǎn)增長(zhǎng)率更只有5.1%，處于“危險(xiǎn)”狀態(tài)，雖然國(guó)際收支和貨幣子系統(tǒng)都處于“安全”狀態(tài)，但其整體金融風(fēng)險(xiǎn)水平也處于“基本安全”的較高水平，僅次于2008年。

2.各個(gè)金融子系統(tǒng)運(yùn)行風(fēng)險(xiǎn)水平數(shù)據(jù)變化分析

將每個(gè)子系統(tǒng)的全部指標(biāo)都賦為0時(shí)，便可獲得金融風(fēng)險(xiǎn)各個(gè)子系統(tǒng)的PPC模型，從而也可以得到各個(gè)子系統(tǒng)不同風(fēng)險(xiǎn)等級(jí)的模型輸出值范圍，從而能夠很方便地判定不同年度各個(gè)金融子系統(tǒng)的風(fēng)險(xiǎn)水平。從圖1各個(gè)子系統(tǒng)1994年至2015年的金融風(fēng)險(xiǎn)狀況變化情況來(lái)看，其間各個(gè)子系統(tǒng)的金融風(fēng)險(xiǎn)水平也存在較大的波動(dòng)，尤其是股市泡沫子系統(tǒng)，2008年的風(fēng)險(xiǎn)明顯高于其他年度。國(guó)際收支子系統(tǒng)的波動(dòng)變化最小，其次是經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)。endprint

3.分析各評(píng)價(jià)指標(biāo)的重要性、排序及其降低金融風(fēng)險(xiǎn)的措施和建議

從PPC模型（1）式可知，向量系數(shù)（權(quán)重）絕對(duì)值越大的指標(biāo)越重要，從而可以判定GDP增長(zhǎng)率指標(biāo)最重要，其次是外債的負(fù)債率和外債償債率指標(biāo)，而存貸款比例和不良貸款率兩個(gè)指標(biāo)是最不重要的。在全部指標(biāo)范疇內(nèi)，權(quán)重最大數(shù)額與最小數(shù)額之比為3.6，說(shuō)明所有指標(biāo)都是重要的，一般不能刪除。從指標(biāo)1、2、5、11和17的權(quán)重小于0可以看出，這些指標(biāo)應(yīng)該是指標(biāo)值越小表示金融風(fēng)險(xiǎn)越大，這與表1的區(qū)間評(píng)價(jià)標(biāo)準(zhǔn)是完全一致的；其他指標(biāo)的指標(biāo)值越大表示金融風(fēng)險(xiǎn)越大，這也從一定程度上說(shuō)明建立的PPC模型是可靠和有效的。

因此，理論上講，降低權(quán)重最大的指標(biāo)的風(fēng)險(xiǎn)，是降低整體金融風(fēng)險(xiǎn)最有效的手段和措施，但對(duì)于具體情況來(lái)說(shuō)，如果權(quán)重最大的指標(biāo)風(fēng)險(xiǎn)已經(jīng)很低了，就應(yīng)該采用措施和手段，降低權(quán)重比較大和風(fēng)險(xiǎn)也比較大的指標(biāo)的風(fēng)險(xiǎn)，才是最有效的措施。如，在我國(guó)，國(guó)際收支子系統(tǒng)的權(quán)重較大，但其風(fēng)險(xiǎn)已經(jīng)很低了，已經(jīng)降無(wú)可降，因此，實(shí)踐中降低其風(fēng)險(xiǎn)并不能再有效降低金融風(fēng)險(xiǎn)，而降低銀行和股市泡沫子系統(tǒng)的風(fēng)險(xiǎn)，卻能整體上有效降低金融風(fēng)險(xiǎn)水平。

4.銀行子系統(tǒng)的金融風(fēng)險(xiǎn)最大，國(guó)際收支子系統(tǒng)的金融風(fēng)險(xiǎn)最小

依據(jù)模型得出的數(shù)據(jù)分析，1994至2015年間我國(guó)銀行業(yè)的風(fēng)險(xiǎn)水平最高，有10年處于“警惕”狀態(tài)，12年處于“危險(xiǎn)”狀態(tài)。其次是經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)，分別有21年和1年處于“基本安全”和“警惕”狀態(tài)。國(guó)際收支子系統(tǒng)的金融風(fēng)險(xiǎn)最小，分別有20年和2年處于“安全”和“基本安全”狀態(tài)。

5.與神經(jīng)網(wǎng)絡(luò)模型相比，PPC模型更簡(jiǎn)捷、直觀，應(yīng)該優(yōu)先推薦采用

雖然采用神經(jīng)網(wǎng)絡(luò)模型也可以通過(guò)設(shè)立評(píng)價(jià)標(biāo)準(zhǔn)和在評(píng)價(jià)標(biāo)準(zhǔn)的每個(gè)不同金融風(fēng)險(xiǎn)等級(jí)內(nèi)生成足夠多樣本，以建立可靠和有效的金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警模型，但其建模過(guò)程不僅需要遵循一些基本原則和步驟，還必須避免出現(xiàn)“過(guò)訓(xùn)練”以確保神經(jīng)網(wǎng)絡(luò)模型的泛化能力。也就是說(shuō)，需要人為確定合理的隱層節(jié)點(diǎn)數(shù)等多個(gè)參數(shù)以及判定是否出現(xiàn)“過(guò)訓(xùn)練”等現(xiàn)象，建模過(guò)程煩瑣、費(fèi)時(shí)，而且因人而異。不同的學(xué)者不可能建立完全相同的神經(jīng)網(wǎng)絡(luò)模型，即使是同一個(gè)學(xué)者，前后兩次也不可能建立完全相同的神經(jīng)網(wǎng)絡(luò)模型。而PPC模型構(gòu)建過(guò)程簡(jiǎn)捷，只需要確定合理的窗寬半徑，不需要人為判定多個(gè)現(xiàn)象，建模結(jié)果確定。只要窗寬半徑相同，不同的學(xué)者可以建立相同的模型。此外，PPC模型的樣本綜合得分（包括不同年度各個(gè)子系統(tǒng)的金融風(fēng)險(xiǎn)水平）與各個(gè)指標(biāo)之間呈線性關(guān)系，可以直接從PPC模型判斷出各個(gè)指標(biāo)的重要性，也可以判定指標(biāo)性質(zhì)是否正確；而神經(jīng)網(wǎng)絡(luò)是“隱性”模型，各個(gè)指標(biāo)與神經(jīng)網(wǎng)絡(luò)模型輸出值之間呈復(fù)雜的非線性關(guān)系，無(wú)法直接判斷指標(biāo)的重要性和指標(biāo)性質(zhì)是否正確。鑒于以上原因，與神經(jīng)網(wǎng)絡(luò)模型相比，在金融風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)警研究中，推薦優(yōu)先采用PPC模型。

注釋?zhuān)?/p>

（1） 雖然部分文獻(xiàn)把GDP增長(zhǎng)率、經(jīng)常項(xiàng)目逆差/GDP等作為適度指標(biāo)，但考慮到結(jié)果的可比性，本文仍沿用樓文高，薛玉春和陳秋玲的評(píng)價(jià)標(biāo)準(zhǔn)。

（2） 表2中M2增長(zhǎng)率/GDP增長(zhǎng)率和信貸增長(zhǎng)率/GDP增長(zhǎng)率兩個(gè)指標(biāo)為純數(shù)值表示，其他指標(biāo)的單位是%。中長(zhǎng)期貸款比例為中長(zhǎng)期貸款余額/總貸款余額的比值。

（3） 該準(zhǔn)則為“判斷最優(yōu)化過(guò)程是否求得了真正全局最優(yōu)解”。

（4） 金融風(fēng)險(xiǎn)水平通過(guò)表3中的模型輸出值予以表示。

（5） 2008—2015年的大部分?jǐn)?shù)據(jù)來(lái)自2009—2015年的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)金融年鑒》和《中國(guó)財(cái)政年鑒》等，由筆者整理得到，1993—2007年的數(shù)據(jù)來(lái)自薛玉春[14]。**：表示1994年分別有7、3、5、5個(gè)輸入指標(biāo)值的金融風(fēng)險(xiǎn)處于安全（Ⅰ）、基本安全（Ⅱ）、警惕（Ⅲ）和危險(xiǎn)（Ⅳ）狀態(tài)的范圍內(nèi)。

（6） 其中0/21/1/0是指1994—2015年期間，分別有0、21、1和0個(gè)年度的經(jīng)濟(jì)增長(zhǎng)子系統(tǒng)金融風(fēng)險(xiǎn)為Ⅰ、Ⅱ、Ⅲ和Ⅳ級(jí)。

參考文獻(xiàn)：

[1]Kaminsky，G.，Lizondo，S.，Reinhart，C.Leading Indicators of Currency Crises [J].IMF Staff Papers，1998，（45）：1-48.

[2]Flood，R.P.，Garber，P.M.Collapsing Exchange Rate Regimes：Some Linear Examples [J].Journal of International Economics，1984，（17）：1-13.

[3]Krugman，P.A Model of Balance-of-Payments Crises[J].Journal of Money，Credit and Banking，1979，11（3）：311-325.

[4]Obstfeld，M.The Logic of Currency Crises[J].Cashiers Economiques Monetaires （Banque de France），1994，（43）：189-213.

[5]Chang R，Velasco A.Financial crises in emerging markets[R].National Bureau of Economic Research，1998.

[6]Masson，P.，Contagion：Monsoonal Effects，Spillovers and Jumps between Multiple Equilibria [M].Chapter 8 in Agénor et al （eds），The Asian Financial Crisis：Causes，Contagion and Consequences.Cambridge University Press，Cambridge，1999endprint

[7]Krugman P.Crises：the next generation[C]//Razin Conference，Tel Aviv University.2001：25-26.

[8]曹文煉，徐曉波.對(duì)我國(guó)金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的初步研究[J].宏觀經(jīng)濟(jì)管理，1998，（4）：17-18.

[9]吳成頌.我國(guó)金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2011，（1）：19-24.

[10]張?jiān)?，孫剛.金融危機(jī)預(yù)警系統(tǒng)的理論透析與實(shí)證分析[J].理論園地，2003，（10）：32-38.

[11]劉遵義.東亞貨幣危機(jī)[J].國(guó)際金融研究，1998，（2）：53-55.

[12]黃益紹，林都.金融危機(jī)預(yù)警指標(biāo)排序?qū)哟畏治龇╗J].華北工學(xué)院學(xué)報(bào)，2004，（4）：262-266.

[13]樓文高，喬龍.基于神經(jīng)網(wǎng)絡(luò)的金融風(fēng)險(xiǎn)預(yù)警模型及其實(shí)證研究[J].金融論壇，2011，（11）：52-61.

[14]許滌龍，陳雙蓮.基于金融壓力指數(shù)的系統(tǒng)性金融風(fēng)險(xiǎn)測(cè)度研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2013，（4）：69-78.

[15]許菁.我國(guó)金融風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建與實(shí)證檢驗(yàn)[J].經(jīng)濟(jì)問(wèn)題，2013，（4）：48-50.

[16]盧杰.中國(guó)現(xiàn)代金融危機(jī)預(yù)警的理論與模型[J].甘肅社會(huì)科學(xué)，2015，（1）：239-243.

[17]薛玉春.我國(guó)金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系與預(yù)警機(jī)制研究[D].上海：上海大學(xué)，2008.

[18]陳秋玲，薛玉春，肖璐.金融風(fēng)險(xiǎn)預(yù)警：評(píng)價(jià)指標(biāo)、預(yù)警機(jī)制與實(shí)證研究[J].上海大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2009，16（5）：127-144.

[19]付強(qiáng)，趙小勇.投影尋蹤模型原理及其應(yīng)用[M].北京：科學(xué)出版社，2006：46-50.

[20]張欣莉，丁晶，李祚泳，等.投影尋蹤新算法在水質(zhì)評(píng)價(jià)模型中的應(yīng)用[J].中國(guó)環(huán)境科學(xué)，2000，20（2）：187-189.

[21]崔東文.姜敏.差分進(jìn)化算法—投影尋蹤模型在水質(zhì)綜合評(píng)價(jià)中的應(yīng)用[J].人民珠江，2016，37（2）：97-101.

[22]王斌，張展羽，魏永霞，張國(guó)華，李文才.基于投影尋蹤的農(nóng)業(yè)基本旱情評(píng)估[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（4）：157-162.

[23]郭亞軍，易平濤.線性無(wú)量綱化方法的性質(zhì)分析[J].統(tǒng)計(jì)研究，2008，25（2）：93-100.

[24]樊紅艷，劉學(xué)錄.基于綜合評(píng)價(jià)法的各種無(wú)量綱化方法的比較和優(yōu)選：以蘭州市永登縣的土地開(kāi)發(fā)為例[J].湖北農(nóng)業(yè)科學(xué)，2010，（17）：163-166.

[25]樓文高，喬龍.投影尋蹤聚類(lèi)建模理論的新探索與實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理，2015，34（1）：47-58.

[26]樓文高，熊聘，喬龍.投影尋蹤分類(lèi)模型建模中存在的問(wèn)題及其改進(jìn)[J].科技管理研究，2014，（6）：166-171.

（責(zé)任編輯 秋 妍）endprint