郭娜 申琳 張寧

摘要：本文首先構(gòu)建了中國金融系統(tǒng)脆弱性指標(biāo)體系并采用因子分析法對金融系統(tǒng)脆弱性指數(shù)進(jìn)行趨勢分析，然后利用馬爾可夫區(qū)制轉(zhuǎn)換模型對其進(jìn)行區(qū)制狀態(tài)分析，從而識別出金融系統(tǒng)脆弱性狀態(tài)的變化。實(shí)證結(jié)果表明，在樣本研究區(qū)間內(nèi)中國金融系統(tǒng)脆弱性整體呈現(xiàn)上升趨勢且波動(dòng)幅度較大，但在2014年以后，脆弱性指數(shù)有所回落且處于可控范圍內(nèi);中國在“低脆弱性”區(qū)制的時(shí)間要少于“高脆弱性”區(qū)制的時(shí)間，且向“高脆弱性”區(qū)制轉(zhuǎn)移的概率較高，金融體系容易產(chǎn)生脆弱性集聚的風(fēng)險(xiǎn)。因此，中國需要將以前粗放式的金融增長轉(zhuǎn)變?yōu)樽⒅刭|(zhì)量和效率的高效金融增長，完善金融機(jī)構(gòu)風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)指標(biāo)體系，加大對金融產(chǎn)品、組織和制度的監(jiān)管力度。

關(guān)鍵詞：金融系統(tǒng)脆弱性;金融結(jié)構(gòu);區(qū)制狀態(tài);區(qū)制轉(zhuǎn)換模型

文獻(xiàn)標(biāo)識碼：A

文章編號：100228482020（01）000109

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

一、問題提出

金融系統(tǒng)脆弱性是一種趨于高風(fēng)險(xiǎn)的金融狀態(tài)，泛指一切融資領(lǐng)域中的風(fēng)險(xiǎn)積聚，包括信貸融資和金融市場融資?[12]。金融系統(tǒng)脆弱性不僅會影響金融系統(tǒng)安全，也會影響國家經(jīng)濟(jì)的穩(wěn)定發(fā)展，因此對金融系統(tǒng)脆弱性的識別和系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)管就成為國家宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)管理的首要目標(biāo)。20世紀(jì)70年代以后，金融危機(jī)的頻繁爆發(fā)呈現(xiàn)出與以往不同的特征，對全球經(jīng)濟(jì)造成了嚴(yán)重的沖擊。正是在這樣的背景下，學(xué)術(shù)界開始對金融系統(tǒng)脆弱性問題展開深刻的討論，部分學(xué)者致力于探討金融系統(tǒng)脆弱性的形成原因。Barth等?[3]對130個(gè)國家過去20年間發(fā)生的銀行危機(jī)進(jìn)行了統(tǒng)計(jì)，他們認(rèn)為金融自由化進(jìn)程加快會提高金融危機(jī)發(fā)生的概率;部分學(xué)者則從外部性角度入手，認(rèn)為短期負(fù)債合同和短期負(fù)債數(shù)量會使?jié)L動(dòng)風(fēng)險(xiǎn)上升，進(jìn)而導(dǎo)致金融系統(tǒng)脆弱性提升并增大金融危機(jī)發(fā)生概率?[46]。隨著全球范圍內(nèi)資產(chǎn)價(jià)格的攀升，一些學(xué)者開始重點(diǎn)關(guān)注房地產(chǎn)價(jià)格波動(dòng)等因素對金融系統(tǒng)脆弱性產(chǎn)生的影響，他們認(rèn)為資產(chǎn)價(jià)格波動(dòng)會直接對金融機(jī)構(gòu)流動(dòng)性和杠桿率產(chǎn)生影響從而威脅到金融系統(tǒng)穩(wěn)定?[79]。Pedro?[10]深入分析了這種影響原因，即當(dāng)房地產(chǎn)市場價(jià)格上漲時(shí)，銀行會擴(kuò)大貸款范圍，因此他認(rèn)為金融是否穩(wěn)定與貸款周期有著緊密的聯(lián)系。進(jìn)一步，一些學(xué)者開始探索金融系統(tǒng)脆弱性的預(yù)警指標(biāo)。Gerdesmeier等?[11]實(shí)證得出信貸因素能夠更加有效和準(zhǔn)確地預(yù)測金融體系的脆弱性程度;Acharya等?[1213]則提出了用于估計(jì)邊際期望損失的系統(tǒng)性風(fēng)險(xiǎn)指數(shù)（SRISK），并以此來判斷金融系統(tǒng)脆弱性狀態(tài)。

近年來，隨著我國金融市場開放程度的加深和市場化水平的提高，新型的金融風(fēng)險(xiǎn)隨之而來并對我國金融系統(tǒng)的穩(wěn)健性造成了很大的影響。黨的十九大報(bào)告明確提出“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”，因此如何加強(qiáng)對金融系統(tǒng)脆弱性的研究并提高應(yīng)對金融危機(jī)的能力對維護(hù)我國金融安全具有重要的現(xiàn)實(shí)意義。我國經(jīng)濟(jì)學(xué)者也從不同的角度對金融系統(tǒng)脆弱性進(jìn)行了理論分析。從金融系統(tǒng)脆弱性成因的角度出發(fā)，陳雨露等?[14]認(rèn)為經(jīng)濟(jì)繁榮時(shí)市場容易誘發(fā)投機(jī)行為，短時(shí)間內(nèi)產(chǎn)生的跳躍式變化致使泡沫迅速膨脹進(jìn)而產(chǎn)生金融風(fēng)險(xiǎn);高國華等?[15]則認(rèn)為金融體制改革一再延遲，造成中國金融結(jié)構(gòu)扭曲和系統(tǒng)性金融風(fēng)險(xiǎn)不斷加大。隨著我國金融機(jī)構(gòu)風(fēng)險(xiǎn)的積聚，一些學(xué)者開始對金融系統(tǒng)脆弱性的影響因素展開研究。劉衛(wèi)江?[16]利用多元Logit模型對1985—2000年中國銀行體系的脆弱性進(jìn)行了實(shí)證分析，認(rèn)為宏觀變量對銀行體系的影響要大于金融變量和其他變量。近年來，越來越多的中國學(xué)者開始關(guān)注資產(chǎn)價(jià)格波動(dòng)對金融體系穩(wěn)定性甚至宏觀經(jīng)濟(jì)的影響。唐建偉?[17]認(rèn)為資產(chǎn)價(jià)格波動(dòng)主要通過信貸渠道引起銀行風(fēng)險(xiǎn)的增加，進(jìn)而造成金融體系的不穩(wěn)定;王書斌等?[18]指出資產(chǎn)價(jià)格泡沫不僅通過信貸渠道影響宏觀經(jīng)濟(jì)，還會通過銀行資本金以及商業(yè)銀行不良資產(chǎn)狀況影響金融系統(tǒng)的穩(wěn)定性。進(jìn)一步，部分學(xué)者開始進(jìn)行系統(tǒng)性風(fēng)險(xiǎn)的度量與監(jiān)測研究。陶玲等?[19]從7個(gè)維度合成系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)來度量和預(yù)警風(fēng)險(xiǎn)指標(biāo)狀態(tài)，并采用馬爾可夫區(qū)制轉(zhuǎn)換方法識別出金融系統(tǒng)脆弱性的拐點(diǎn);李政等?[20]對我國金融部門之間的系統(tǒng)性風(fēng)險(xiǎn)溢出進(jìn)行了研究，并利用ΔCoES方法對我國系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行了實(shí)時(shí)監(jiān)測。

綜上所述，國內(nèi)外學(xué)者從多個(gè)角度對系統(tǒng)性金融風(fēng)險(xiǎn)問題進(jìn)行了研究，但大多從微觀層面特別是銀行業(yè)風(fēng)險(xiǎn)狀況出發(fā)進(jìn)行研究，較少從宏觀層面出發(fā)來探討整體的金融系統(tǒng)脆弱性狀況，使得度量結(jié)果具有一定的局限性。另外，前期文獻(xiàn)對于金融系統(tǒng)脆弱性的研究大多采用靜態(tài)模型，無法準(zhǔn)確反映出金融系統(tǒng)風(fēng)險(xiǎn)狀況的動(dòng)態(tài)變化。鑒于此，本文從宏觀、外部、貨幣和資產(chǎn)價(jià)格等四個(gè)方面選取12項(xiàng)指標(biāo)構(gòu)建金融系統(tǒng)脆弱性指標(biāo)體系并運(yùn)用因子分析法合成綜合指數(shù)來度量金融系統(tǒng)脆弱性水平，同時(shí)采用馬爾可夫區(qū)制轉(zhuǎn)換模型對金融系統(tǒng)脆弱性指數(shù)進(jìn)行趨勢和區(qū)制分析。一方面，該模型能夠通過狀態(tài)變量在不同脆弱性程度之間的平滑轉(zhuǎn)換來識別金融系統(tǒng)所處的狀態(tài)，避免人為設(shè)定閾值的主觀性;另一方面，馬爾可夫區(qū)制轉(zhuǎn)換模型能夠通過狀態(tài)轉(zhuǎn)移變量來反映金融脆弱性在不同區(qū)制之間的動(dòng)態(tài)變化，更加貼近金融系統(tǒng)的現(xiàn)實(shí)。

二、我國金融系統(tǒng)脆弱性指數(shù)的構(gòu)建

（一）模型構(gòu)建

因子分析法通常利用主成分分析方法，對測度金融系統(tǒng)脆弱性的相關(guān)指標(biāo)變量提取主成分。通常選取特征值大于1的變量作為主成分進(jìn)行分析，然后根據(jù)各個(gè)公共因子的相關(guān)載荷確定比例系數(shù)，最終通過計(jì)算各個(gè)因子得分的加權(quán)平均作為衡量金融系統(tǒng)脆弱性的綜合指數(shù)。該方法中各公共因子之間正交，所以利用公共因子進(jìn)行回歸分析時(shí)能有效地避免模型出現(xiàn)多重共線性問題，同時(shí)能避免人為設(shè)定權(quán)重的不準(zhǔn)確性。目前，因子分析法已經(jīng)成為測度金融系統(tǒng)脆弱性的主流方法?[20]，本文選取因子分析法對原始數(shù)據(jù)進(jìn)行線性變換，用數(shù)學(xué)公式表示為

X=Aβ+ε（1）

其中，X是T×N矩陣，用于測度原始數(shù)據(jù)指標(biāo)合集，T為時(shí)間長度，N為指標(biāo)個(gè)數(shù)。假設(shè)這N個(gè)指標(biāo)的全部信息都可以歸納匯總為A（T×J，J

A=MT（2）

其中，M是T×J矩陣，J是確定因子集A個(gè)數(shù)的關(guān)鍵，因此設(shè)λi為第i個(gè)特征根，第i個(gè)主成分的貢獻(xiàn)度則以

λi/∑Nj=1λj表示;相應(yīng)地，前r個(gè)主成分的累積貢獻(xiàn)度以

∑rj=1λj/∑Nj=1λj表示。當(dāng)累積貢獻(xiàn)度達(dá)到提前設(shè)定的界限時(shí)（本文設(shè)定為70%），所包含的因子個(gè)數(shù)即為公共因子數(shù)量，然后通過對公共因子賦予相應(yīng)權(quán)重計(jì)算系統(tǒng)脆弱性指數(shù)，即

R=∑Nj=1wjfj（3）

其中，權(quán)重系數(shù)wj通過對各個(gè)主成分的貢獻(xiàn)度計(jì)算得出，以第i個(gè)主成分的權(quán)重為例，計(jì)算公式為

wi=λi/∑Nj=1λj（4）

根據(jù)提取出的因子，可以計(jì)算出每一觀測時(shí)期金融系統(tǒng)脆弱性指標(biāo)在各個(gè)公因子上的得分情況，再對各個(gè)因子權(quán)重系數(shù)進(jìn)行加權(quán)匯總，作為觀測樣本的綜合得分F。

F=F1×ω1+F2×ω2+F3×ω3+F4×ω4+F5×ω5（5）

進(jìn)一步，為了能夠更直觀地觀測金融系統(tǒng)脆弱性的變化趨勢并更易進(jìn)行比較，本文將所得到的指數(shù)進(jìn)行坐標(biāo)變換，最終確定金融系統(tǒng)脆弱性綜合指數(shù)。

Vi=10+Fi-min（Fi）max（Fi）-min（Fi）×（90-10）（6）

其中，Vi為第i期金融系統(tǒng)脆弱性的數(shù)值，F(xiàn)i為第i期金融系統(tǒng)脆弱性的因子綜合得分，min（Fi）和max（Fi）分別代表因子綜合得分的最小值和最大值。

（二）指標(biāo)選取與數(shù)據(jù)預(yù)處理

1.指標(biāo)選取

本文從宏觀經(jīng)濟(jì)、外部經(jīng)濟(jì)、貨幣流動(dòng)性以及資產(chǎn)價(jià)格等四個(gè)層次選取了12項(xiàng)指標(biāo)對我國的金融系統(tǒng)脆弱性進(jìn)行度量，具體指標(biāo)及其含義見表1。

其中，GDP同比增長率、居民消費(fèi)價(jià)格指數(shù)（CPI）來自中國宏觀經(jīng)濟(jì)數(shù)據(jù)庫，M2同比增長率、財(cái)政收支來自國家統(tǒng)計(jì)局，經(jīng)常項(xiàng)目差額、人民幣實(shí)際有效匯率指數(shù)、銀行間同業(yè)拆借加權(quán)平均利率、1年期貸款利率、5年期和1年期國債發(fā)行利率和滬深300歷史波動(dòng)率的數(shù)據(jù)均來自Wind數(shù)據(jù)庫，外匯儲備增長率數(shù)據(jù)來自國際外匯管理局，房屋價(jià)格指數(shù)來自全球經(jīng)濟(jì)指標(biāo)數(shù)據(jù)網(wǎng)。

2.數(shù)據(jù)預(yù)處理

本文同時(shí)存在同向、逆向以及適度指標(biāo)，為便于數(shù)據(jù)分析統(tǒng)一將數(shù)據(jù)指標(biāo)進(jìn)行處理轉(zhuǎn)換為正向指標(biāo)。其中，對逆向指標(biāo)正向化的方法通常為取倒數(shù)，但是這種方法會改變原始數(shù)據(jù)的分布規(guī)律，因此本文采用線性變換法。

x′ij=max（xij）1≤i≤n-xij（7）

通過式（7）對逆向指標(biāo)進(jìn)行坐標(biāo)平移，在不改變分布規(guī)律的基礎(chǔ)上將其正向化。而如房屋價(jià)格指數(shù)和滬深300歷史波動(dòng)率，其指標(biāo)大幅波動(dòng)會使金融系統(tǒng)脆弱性升高，因此處理方法為

x′ij=|xij|（8）

此時(shí)，為了方便數(shù)據(jù)的標(biāo)準(zhǔn)化處理，將正向指標(biāo)也進(jìn)行坐標(biāo)變換，使得所有數(shù)據(jù)都為非負(fù)數(shù)，并進(jìn)行數(shù)據(jù)平移：

x′ij=xij-min（xij）1≤i≤n（9）

通過式（8）（9）對指標(biāo)進(jìn)行趨勢變換后，指標(biāo)數(shù)據(jù)最小值均為0。為了方便進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，將所有指標(biāo)數(shù)據(jù)都進(jìn)行坐標(biāo)變換，變換方法為（average函數(shù)表示取變量的平均值）

x″ij=average（x′ij）+x′ij（10）

另外，由于經(jīng)濟(jì)數(shù)據(jù)大都為偏態(tài)數(shù)據(jù)且多為右偏，即大部分?jǐn)?shù)據(jù)集中在左側(cè)部分，將數(shù)據(jù)取對數(shù)之后能夠更好地研究增長率的問題，因此通過取對數(shù)的方法將大于中位數(shù)的部分進(jìn)行壓縮，使數(shù)據(jù)呈現(xiàn)正態(tài)分布，減少數(shù)據(jù)共線性和異方差的概率。本文也采用取對數(shù)的方式對指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

yij=lnx′ij?（1≤i≤m，1≤j≤n）（11）

其中，x′ij為經(jīng)過同趨勢化處理的指標(biāo)數(shù)據(jù)，yij為取對數(shù)后形成的標(biāo)準(zhǔn)化數(shù)據(jù)。

（三）金融系統(tǒng)脆弱性的度量

本文對12項(xiàng)金融系統(tǒng)脆弱性指標(biāo)進(jìn)行因子提取和分析，得出每個(gè)指標(biāo)的解釋程度和因子得分，再通過相應(yīng)的因子權(quán)重加權(quán)計(jì)算得出最終的金融系統(tǒng)脆弱性指數(shù)。

1.適應(yīng)性檢驗(yàn)

在進(jìn)行因子分析之前，首先要對指標(biāo)數(shù)據(jù)進(jìn)行適應(yīng)性檢驗(yàn)，以判斷其是否適合進(jìn)行因子分析。本文對已進(jìn)行標(biāo)準(zhǔn)化處理的指標(biāo)數(shù)據(jù)分別進(jìn)行KMO和Bartlett球形檢驗(yàn)。KMO檢驗(yàn)是用于比較變量之間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)，界定范圍為0

2.因子分析

通過適應(yīng)性檢驗(yàn)后，根據(jù)方差貢獻(xiàn)度達(dá)到70%以上的原則提取公共因子作為金融脆弱性指數(shù)的加權(quán)指標(biāo)。通過方差貢獻(xiàn)度的相關(guān)分析提取5個(gè)因子，見表2，其初始特征值的方差貢獻(xiàn)占比分別為23.629%、15.647%、15.115%、10.676%和8.433%，5個(gè)因子累積貢獻(xiàn)方差為73.5%。因此，選擇的5個(gè)因子可以作為我國金融系統(tǒng)脆弱性指數(shù)的合成指標(biāo)。

為了更好地對因子進(jìn)行解釋，本文利用最大方差法對原始矩陣進(jìn)行正交旋轉(zhuǎn)，得到新的載荷矩陣（見表3），使每個(gè)因子上具有最高載荷的變量數(shù)最小，簡化對因子的解釋。

第一因子中影響較大的因素有銀行間同業(yè)拆借加權(quán)平均利率、5年期和1年期國債利差兩個(gè)因素，反映的是金融市場資金供需狀況和流動(dòng)性情況，因此可將第一因子命名為“金融市場資金流動(dòng)性因子”;第二因子在外匯儲備增長率、人民幣實(shí)際有效匯率指數(shù)、財(cái)政赤字率和1年期貸款利率4個(gè)指標(biāo)上具有較大的因子載荷量，這4個(gè)指標(biāo)反映的是外匯和財(cái)政方面的因素，因此可將第二因子命名為“外匯及財(cái)政因子”;第三因子中影響較大的因素是經(jīng)常項(xiàng)目差額和滬深300指數(shù)歷史波動(dòng)率，反映的是企業(yè)投資融資情況，從微觀視角反映出金融系統(tǒng)的發(fā)展?fàn)顩r;第四因子中具有較大載荷量的因素是GDP同比增長率和CPI同比增長率，二者反映的是宏觀經(jīng)濟(jì)發(fā)展情況和國內(nèi)通脹情況，可見經(jīng)濟(jì)基本穩(wěn)定對于金融穩(wěn)定起到重要作用;第五因子中房屋價(jià)格指數(shù)和M2同比增長率具有較大的載荷量，二者反映我國貨幣政策的影響，因此將第五因子命名為“貨幣因子”。通過計(jì)算得出，提取的5個(gè)因子權(quán)重系數(shù)分別為

ω1=0.228、ω2=0.204、ω3=0.195、ω4=0.194、ω5=0.180。

3.金融系統(tǒng)脆弱性指數(shù)趨勢分析

我國金融系統(tǒng)脆弱性指數(shù)在2000年第一季度至2018年第三季度的變化趨勢如圖1所示。從總的觀測區(qū)間來看，我國金融系統(tǒng)的脆弱性指數(shù)呈現(xiàn)上升趨勢。圖中的發(fā)展趨勢表明，我國金融體系與發(fā)達(dá)國家的成熟市場相比尚不完善，金融創(chuàng)新及法律監(jiān)管的滯后使得我國金融系統(tǒng)抵御風(fēng)險(xiǎn)的能力稍弱;同時(shí)我國處于經(jīng)濟(jì)轉(zhuǎn)型的關(guān)鍵時(shí)期，經(jīng)濟(jì)摩擦增多，對金融市場的運(yùn)行也產(chǎn)生一定的影響。

分階段來看，2000—2005年我國金融系統(tǒng)脆弱性水平較低，但波動(dòng)幅度較大。在21世紀(jì)初期，我國金融自由化的程度不深，對經(jīng)濟(jì)政策進(jìn)行調(diào)整時(shí)具有時(shí)滯效應(yīng)，金融體系的構(gòu)建也尚未完善，這都對我國金融系統(tǒng)脆弱性指數(shù)波動(dòng)產(chǎn)生一定的影響。2006年初我國金融系統(tǒng)脆弱性指數(shù)為47.69，隨后出現(xiàn)波動(dòng)上升的趨勢，直到2006年底脆弱性指數(shù)為74.55。首先，從我國金融經(jīng)濟(jì)發(fā)展情況來看，2006年初我國經(jīng)濟(jì)情況良好，經(jīng)濟(jì)增長率較高，金融運(yùn)行較為平穩(wěn)，因此金融系統(tǒng)脆弱性指數(shù)較低;其次，大量資金進(jìn)入房地產(chǎn)市場和股市致使資產(chǎn)價(jià)格出現(xiàn)波動(dòng)，我國金融系統(tǒng)內(nèi)部風(fēng)險(xiǎn)水平上升，脆弱性指數(shù)在2006年底達(dá)到73.52。2008年，我國多家金融機(jī)構(gòu)海外投資風(fēng)險(xiǎn)上升，其風(fēng)險(xiǎn)傳導(dǎo)至國內(nèi)，導(dǎo)致我國金融系統(tǒng)脆弱性指數(shù)達(dá)到69.99。雖然次貸危機(jī)對我國經(jīng)濟(jì)造成一定的沖擊，但經(jīng)常項(xiàng)目順差、人民幣對美元的匯率實(shí)行靈活浮動(dòng)等因素，使得我國在次貸危機(jī)來臨時(shí)依然能夠?qū)鹑谙到y(tǒng)的運(yùn)行進(jìn)行有效控制。2014年末，我國股市波動(dòng)較大，國際游資的投機(jī)行為加劇了金融體系的波動(dòng)程度。因此，我國金融系統(tǒng)脆弱性指數(shù)從50.52上漲至90，達(dá)到了樣本區(qū)間的最高點(diǎn)。隨后，在我國政府和監(jiān)管當(dāng)局的宏觀調(diào)控下，國內(nèi)經(jīng)濟(jì)狀況逐漸平穩(wěn)，金融系統(tǒng)脆弱性指數(shù)有所回落。2018年第一季度金融系統(tǒng)脆弱性指數(shù)出現(xiàn)上漲趨勢，但是我國經(jīng)濟(jì)發(fā)展情況良好，加之政府出臺政策進(jìn)行調(diào)整，金融系統(tǒng)的脆弱性依然處于可控范圍。

三、金融系統(tǒng)脆弱性的區(qū)制狀態(tài)分析

（一）馬爾可夫區(qū)制轉(zhuǎn)換模型

本文在構(gòu)建金融系統(tǒng)脆弱性指數(shù)的基礎(chǔ)上，進(jìn)一步采用馬爾可夫區(qū)制轉(zhuǎn)換（MS?VAR）模型衡量我國金融系統(tǒng)脆弱性指數(shù)的狀態(tài)。MS?VAR模型主要有以下特點(diǎn)：第一，馬爾可夫區(qū)制轉(zhuǎn)換模型不需要主觀設(shè)定金融系統(tǒng)脆弱性的警戒值來判定風(fēng)險(xiǎn)大小，也不需要預(yù)估高風(fēng)險(xiǎn)可能出現(xiàn)的時(shí)間，從而避免了主觀因素的干擾。該模型能夠通過狀態(tài)變量在脆弱性水平之間的平滑轉(zhuǎn)換情況來確定觀測樣本所處狀態(tài)，并且利用極大似然估計(jì)模型確定脆弱性狀態(tài)的具體時(shí)間。第二，金融系統(tǒng)脆弱性狀態(tài)是一個(gè)動(dòng)態(tài)變化過程，以往模型大多為靜態(tài)模型，而馬爾可夫轉(zhuǎn)換模型通過狀態(tài)轉(zhuǎn)移變量反映金融系統(tǒng)脆弱性指數(shù)的動(dòng)態(tài)變換，從而更加準(zhǔn)確地識別我國的金融風(fēng)險(xiǎn)狀態(tài)。馬爾可夫轉(zhuǎn)換模型描述了不同狀態(tài)下變量的特征，即可觀測的時(shí)間序列向量Yt數(shù)據(jù)的產(chǎn)生過程取決于不可觀測的區(qū)制變量st：

yt-μ（st）=β1（st）[yt-1-μ（st-1）]+…+βp（st）[yt-p-μ（st-p）]+et（12）

其中，st是區(qū)制變量，取值域?yàn)閧1，2，3，…，M}，etNID（0，∑st）、μ（st）、βx=1，…，p、∑st都是區(qū)制依賴于變量st所處的狀態(tài)。

μ（st）=μ1st=1μpst=M（13）

變量st服從離散時(shí)間、離散狀態(tài)的馬爾可夫鏈過程，MS模型又被稱為區(qū)制轉(zhuǎn)換（Regime Switching，RS）模型，區(qū)制轉(zhuǎn)換的概率為

pij=Prst+1=jst=i，∑Mj=1pi，j=1?i，j∈{1，2，…，M}（14）

通常會對馬爾可夫鏈過程施加遍歷性和不可約性的假設(shè)，馬爾可夫轉(zhuǎn)移矩陣為

P=p1，1…p1，MpM，1…pM，M（15）

其中，P滿足正則性約束，即pi，M=1-pi，1-…-pi，M-1，i=1，…，M。

為了保證實(shí)證結(jié)果準(zhǔn)確有效，在建立MS?VAR模型進(jìn)行分析之前，首先對我國金融系統(tǒng)脆弱性指數(shù)進(jìn)行平穩(wěn)性檢驗(yàn)，ADF平穩(wěn)性檢驗(yàn)結(jié)果見表4?？梢钥闯?，我國金融系統(tǒng)脆弱性指數(shù)的P值小于1%的臨界值，即拒絕原假設(shè)，金融系統(tǒng)脆弱性指數(shù)通過了ADF檢驗(yàn)，說明指數(shù)具有平穩(wěn)性。

（二）實(shí)證結(jié)果分析

MS?VAR模型在利用EM算法進(jìn)行估計(jì)的基礎(chǔ)上，通過OX?MS?VAR對模型進(jìn)行求解計(jì)算。根據(jù)對數(shù)似然值（log?likelihood）、AIC、SC和HQ指標(biāo)判斷選擇兩個(gè)區(qū)制和滯后一階的MSI（2）?VARX（1）模型作為最后的分析模型。實(shí)證得到兩區(qū)制的平滑概率和濾波概率如圖2所示?？梢钥闯觯瑓^(qū)制1的樣本數(shù)量與區(qū)制2大致相當(dāng)，根據(jù)“P[St=j|Ω]>0.5，Ω為全樣本信息”，得到該樣本屬于j區(qū)制的判斷準(zhǔn)則，模型的具體屬性和特征分布結(jié)果見表5。

結(jié)合圖2和表5結(jié)果，將我國金融系統(tǒng)脆弱性指數(shù)劃分為兩個(gè)區(qū)制，區(qū)制1的樣本數(shù)量為30.3，出現(xiàn)的頻率為0.3103，而與區(qū)制1相比，區(qū)制2的樣本數(shù)量為42.7，頻率卻達(dá)到了0.6897，是區(qū)制1的兩倍多;區(qū)制2的平均持續(xù)期比區(qū)制1要長，區(qū)制2的區(qū)制轉(zhuǎn)移概率為0.9672，也要高于區(qū)制1的區(qū)制轉(zhuǎn)移概率。這說明我國金融系統(tǒng)脆弱性指數(shù)處于區(qū)制2中的時(shí)間更多，且在區(qū)制2時(shí)的狀態(tài)更穩(wěn)定，不易轉(zhuǎn)移至區(qū)制1中。通過對兩區(qū)制數(shù)據(jù)的描述性統(tǒng)計(jì)可知，區(qū)制1的樣本均值為42.94，標(biāo)準(zhǔn)差為15.86，均低于區(qū)制2的樣本均值52.76和標(biāo)準(zhǔn)差17.75，因此區(qū)制1為“低脆弱性”區(qū)制、區(qū)制2為“高脆弱性”區(qū)制。下面結(jié)合我國實(shí)際經(jīng)濟(jì)情況對兩區(qū)制進(jìn)行時(shí)段分析。

1.“低脆弱性”時(shí)段分析

2000年第三季度至2006年第二季度：由實(shí)證結(jié)果可知，該階段我國金融系統(tǒng)脆弱性的區(qū)制轉(zhuǎn)移概率為0.9652，表明金融處于低脆弱性狀態(tài)且較為穩(wěn)定，不易向高脆弱性區(qū)制轉(zhuǎn)移。整體來看，我國金融體系發(fā)展情況良好，金融系統(tǒng)脆弱性水平處于較低狀態(tài)。首先，隨著我國經(jīng)濟(jì)的不斷增長，我國金融機(jī)構(gòu)快速發(fā)展，金融體系管理也逐步規(guī)范，整體上形成了多層次、分工明確的金融組織體系;其次，2002年我國加入世界貿(mào)易組織，提振了國內(nèi)外投資者對中國的信心，也提高了我國在世界經(jīng)濟(jì)當(dāng)中的地位。2003年我國GDP總量達(dá)到102398萬億元，比上年增長8%，經(jīng)濟(jì)運(yùn)行呈現(xiàn)良好勢頭;同時(shí)，信托業(yè)清理整頓在同年宣布結(jié)束，降低了信托行業(yè)的風(fēng)險(xiǎn)程度，使得整個(gè)金融市場更加完善。因此，我國金融系統(tǒng)脆弱性在該階段處于較低水平，逐漸完善的金融體系和市場也使得低脆弱性狀態(tài)能夠保持穩(wěn)定。

2008年第四季度至2010年第二季度：該階段雖然受到國際金融危機(jī)的影響，我國出現(xiàn)一定程度的經(jīng)濟(jì)波動(dòng)，但是我國政府及時(shí)采取了經(jīng)濟(jì)調(diào)整措施，并且對金融體系進(jìn)行了嚴(yán)格監(jiān)管，使我國金融系統(tǒng)脆弱性指數(shù)波動(dòng)處于可控范圍內(nèi)。2009年，我國金融市場總體運(yùn)行平穩(wěn)，雖然資產(chǎn)價(jià)格出現(xiàn)一定程度的上漲，但是國家出臺相關(guān)政策進(jìn)行了有效控制，債券市場和金融體系也進(jìn)一步完善，固定資產(chǎn)投資結(jié)構(gòu)得到了進(jìn)一步優(yōu)化，這都為投融資提供了良好的環(huán)境，也促使我國金融系統(tǒng)平穩(wěn)運(yùn)行。該階段的區(qū)制轉(zhuǎn)移概率達(dá)到了0.8512，說明我國金融系統(tǒng)脆弱性狀態(tài)雖然受到經(jīng)濟(jì)危機(jī)影響，轉(zhuǎn)移概率與該區(qū)制其他時(shí)間段相比稍有下降，但低脆弱性狀態(tài)依然較為穩(wěn)定。

2.“高脆弱性”時(shí)段分析

2006年第三季度至2008年第三季度：2006年我國股市出現(xiàn)較大幅度的資產(chǎn)價(jià)格波動(dòng)，對我國股市的正常運(yùn)行造成一定影響，金融系統(tǒng)脆弱性水平也有所提高。2007年我國房地產(chǎn)價(jià)格出現(xiàn)較大幅度的上漲，吸引大量的資金涌入房地產(chǎn)市場，資金在股市和房地產(chǎn)市場的集聚提高了風(fēng)險(xiǎn)水平，導(dǎo)致我國金融體系的脆弱性升高。受美國2008年金融危機(jī)爆發(fā)影響，我國多家金融機(jī)構(gòu)在海外投資的風(fēng)險(xiǎn)水平上升，投資風(fēng)險(xiǎn)由資金路徑傳導(dǎo)至國內(nèi)金融系統(tǒng)并對我國金融系統(tǒng)造成了一定沖擊;同時(shí)，由于發(fā)達(dá)國家受金融危機(jī)的影響，我國出口行業(yè)出現(xiàn)了下滑。在國際經(jīng)濟(jì)形勢變化和國內(nèi)資產(chǎn)價(jià)格波動(dòng)等因素的影響下，我國金融系統(tǒng)脆弱性水平轉(zhuǎn)移至高脆弱性區(qū)制當(dāng)中。由實(shí)證結(jié)果可知，該階段區(qū)制轉(zhuǎn)移概率為0.9112，金融系統(tǒng)脆弱性狀態(tài)比較穩(wěn)定，想要降低脆弱性水平、改變脆弱性狀態(tài)具有一定挑戰(zhàn)性。

2010年第三季度至2018年第三季度：2011年我國通貨膨脹水平升高，全年CPI約為3.9%;流動(dòng)性仍然面臨過剩的局面，信貸規(guī)模在7.5萬億元左右，通貨膨脹帶來的壓力在一定程度上增大了金融系統(tǒng)的脆弱性。受美國經(jīng)濟(jì)復(fù)蘇的影響，國際游資受到其吸引進(jìn)而從中國轉(zhuǎn)投向美國并造成我國流動(dòng)性壓力升高;美聯(lián)儲釋放退出量化寬松政策（QE）信號，導(dǎo)致投資者縮減資產(chǎn)投資規(guī)模進(jìn)而股市和大宗商品價(jià)格出現(xiàn)波動(dòng)。我國市場受國際經(jīng)濟(jì)影響市場資金出現(xiàn)暫時(shí)性短缺，從而導(dǎo)致流動(dòng)性風(fēng)險(xiǎn)出現(xiàn)小幅上升，金融系統(tǒng)脆弱性也出現(xiàn)上升趨勢。2015年股票市場價(jià)格漲幅較為劇烈，吸引部分投機(jī)者投入資金，影響了股票市場的正常運(yùn)行。由于股票價(jià)格在投機(jī)者影響下已經(jīng)高于實(shí)際價(jià)值，我國政府出臺相關(guān)政策進(jìn)行市場調(diào)整，投機(jī)者和國際游資大量收回資金，造成股票價(jià)格出現(xiàn)較大幅度的波動(dòng)，對我國金融系統(tǒng)造成一定程度的沖擊。2018年第一季度，我國對外貿(mào)易出現(xiàn)摩擦，對我國出口行業(yè)的效益造成一定程度的影響，使得我國金融系統(tǒng)的脆弱性出現(xiàn)上升趨勢。在該階段，我國金融系統(tǒng)脆弱性的區(qū)制轉(zhuǎn)移概率高達(dá)0.9886，表明當(dāng)前金融系統(tǒng)脆弱性的狀態(tài)有較大可能維持在高脆弱性區(qū)制中，我國應(yīng)當(dāng)加強(qiáng)對金融體系的監(jiān)管，時(shí)刻防范金融風(fēng)險(xiǎn)的發(fā)生。

四、結(jié)論及政策建議

本文在借鑒國內(nèi)外研究成果的基礎(chǔ)上，構(gòu)建了我國金融系統(tǒng)脆弱性指數(shù)度量模型，并利用馬爾可夫區(qū)制轉(zhuǎn)換模型將金融系統(tǒng)脆弱性指數(shù)劃分為“低脆弱性”和“高脆弱性”兩個(gè)區(qū)制，進(jìn)而對我國在兩個(gè)區(qū)制內(nèi)不同時(shí)段的金融系統(tǒng)脆弱性進(jìn)行了詳細(xì)的分析。通過本文的研究和分析得到了以下結(jié)論：從總體趨勢來看，金融系統(tǒng)脆弱性波動(dòng)幅度比較大，且從整體的樣本區(qū)間來看呈現(xiàn)波動(dòng)上升的趨勢;從各個(gè)具體時(shí)段的區(qū)制分析來看，我國在“低脆弱性”區(qū)制的時(shí)間要少于“高脆弱性”，這表明我國的金融系統(tǒng)脆弱性程度較高且“高脆弱性”區(qū)制的轉(zhuǎn)移概率較高。

結(jié)合上述研究結(jié)論和我國經(jīng)濟(jì)現(xiàn)實(shí)，本文對我國金融發(fā)展提出以下政策建議：第一，目前我國金融系統(tǒng)脆弱性呈現(xiàn)上升趨勢，因而優(yōu)化金融結(jié)構(gòu)就顯得尤為重要。我國需要將以前粗放式的金融增長轉(zhuǎn)變?yōu)樽⒅刭|(zhì)量和效率的高效金融增長，完善金融組織體系，加強(qiáng)金融功能細(xì)化和分層，增加多種融資渠道和資產(chǎn)配置方式，切實(shí)分散金融系統(tǒng)的風(fēng)險(xiǎn)，維持系統(tǒng)性金融風(fēng)險(xiǎn)在一個(gè)安全可控的狀態(tài)。第二，當(dāng)前金融系統(tǒng)脆弱性的狀態(tài)有較大可能維持在高脆弱性區(qū)制中，“高脆弱性”區(qū)制的轉(zhuǎn)移概率較高，所以一方面要完善金融機(jī)構(gòu)風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)指標(biāo)體系，包括建立健全各類風(fēng)險(xiǎn)補(bǔ)償制度、管理制度和責(zé)任制度等，降低系統(tǒng)性金融風(fēng)險(xiǎn)，另一方面要加大對金融產(chǎn)品、組織和制度的監(jiān)管力度，加強(qiáng)金融機(jī)構(gòu)的外部約束和對各類金融機(jī)構(gòu)的管理。

參考文獻(xiàn)：

[1]?黃金老. 論金融脆弱性[J]. 金融研究， 2001（3）： 4149.

[2]?王波， 郭書東. 基于負(fù)向投入產(chǎn)出的我國區(qū)域金融脆弱性判斷與測度[J]. 金融與經(jīng)濟(jì)， 2015（4）： 1822.

[3]?Barth J R， Gerard C J， Levine R. Banking systems around the globe： Do regulation and ownership affect performance and stability？[R]. The World Bank Working Paper， 2000.

[4]?Gorton G， Metrick A. Securitized banking and the run on repo[J]. Journal of Financial Economics， 2012， 104（3）： 425451.

[5]?Krishnamurthy A， Vissing?Jorgensen A. The aggregate demand of treasure debt[J]. Journal of Political Economy， 2012， 120（2）： 233267.

[6]?Brunnermeier M， Oehmke M. The maturity rat race[J]. Journal of Finance， 2013， 68（2）： 483521.

[7]?Dieter G， Hans E R. Asset price misalignments and the role of money and credit[J]. International Finance， 2010， 13（3）： 377407.

[8]?Alessi L， Detken C. Quasi real time early warning indicators for costly asset price boom/bust cycles： A role for global liquidity[J]. European Journal of Political Economy， 2011， 27（3）： 520533.

[9]?Bokhari S， Geltner D. Loss aversion and anchoring in commercial real estate pricing： Empirical evidence and price index implications[J]. Real Estate Economics， 2011， 39（4）： 635670.

[10]Pedro G. What drives housing dynamics in China？ A sign restrictions VAR approach[J]. Journal of Macroeconomics， 2015， 46（4）： 96112.

[11]Gerdesmeier D， Reimers H， Roffia B. Early warning indicators for asset price booms[J]. Review of Economic and Finance， 2011， 1（3）： 119.

[12]Acharya V， Engle R， Richardson M. Capital shortfall： A new approach to ranking and regulating systemic risks[J]. American Economic Review， 2012， 102（3）： 5964.

[13]Brownless C， Engle F. SRISK： A conditional capital shortfall measure of systemic risk[J]. The Review of Financial Studies， 2017， 30（1）： 4879.

[14]陳雨露， 馬勇. 金融體系結(jié)構(gòu)、金融效率與金融穩(wěn)定[J]. 金融監(jiān)管研究， 2013（5）： 121.

[15]高國華， 潘英麗. 基于動(dòng)態(tài)相關(guān)性的我國銀行系統(tǒng)性風(fēng)險(xiǎn)度量研究[J]. 管理評論， 2013（1）： 915.

[16]劉衛(wèi)江. 中國銀行體系脆弱性問題的實(shí)證研究[J]. 管理世界， 2002（7）： 310.

[17]唐建偉. 資產(chǎn)價(jià)格波動(dòng)與銀行系統(tǒng)穩(wěn)定[J]. 廣東金融學(xué)院學(xué)報(bào)， 2006（4）： 3342.

[18]王書斌， 王雅俊. 銀行系統(tǒng)性風(fēng)險(xiǎn)傳染機(jī)制的研究與實(shí)證——基于資產(chǎn)價(jià)格波動(dòng)視角[J]. 金融與經(jīng)濟(jì)， 2010（7）： 69.

[19]陶玲， 朱迎. 系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)測和度量——基于中國金融體系的研究[J]. 金融研究， 2016（6）： 1836.

[20]李政， 梁琪， 方意. 中國金融部門間系統(tǒng)性風(fēng)險(xiǎn)溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標(biāo)的實(shí)現(xiàn)與優(yōu)化[J]. 金融研究， 2019（2）： 4058.

[本刊相關(guān)文獻(xiàn)鏈接]

[1]任曉猛，張一林.最優(yōu)金融結(jié)構(gòu)與經(jīng)濟(jì)發(fā)展：一種新的度量方法與應(yīng)用[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019（5）：110.

[2]沈麗，張影，李文君.我國區(qū)域金融風(fēng)險(xiǎn)的空間傳染路徑研究[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019（5）：6273.

[3]黃昱然，盧志強(qiáng)，李志斌.地方政府債務(wù)與區(qū)域金融差異的經(jīng)濟(jì)增長效應(yīng)研究——基于非線性面板平滑轉(zhuǎn)換回歸PSTR模型[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2018（3）：112.

[4]聶富強(qiáng)，周玉琴.基于行業(yè)融資結(jié)構(gòu)協(xié)調(diào)的我國金融安全狀態(tài)評估[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2017（2）：5361.

責(zé)任編輯、校對： 高原

The Financial System Vulnerability Index Construction and Regimes Analysis in China

GUO Na?1，2， SHEN Lin?3， ZHANG Ning?1

（1. School of Finance， Tianjin University of Finance and Economics， Tianjin 300222， China;

2. Laboratory for Fintech and Risk Management， Tianjin University of Finance and Economics， Tianjin 300222， China;

3. Shanghai Head Office， The Peoples Bank of China， Shanghai 200120， China）

Abstract：This paper firstly constructs the financial system vulnerability index system and analyzes the trend of the financial system vulnerability index by factor analysis method. Then， using Markov Zone System Conversion Model to conduct detailed and specific regime analysis to identify changes in the state of financial system vulnerability. The empirical results show that the overall vulnerability of Chinas financial system presents an upward trend and a large fluctuation in the sample study interval but after 14 years， the vulnerability index declines and is under control. China spends less time in the system of “l(fā)ow vulnerability” than in the system of “high vulnerability” and the probability of transferring to the system of “high vulnerability” is high， so the financial system is easy to generate the risk of vulnerability aggregation. The conclusion of this paper has important policy implications for preventing and resolving systemic financial risks and maintaining macroeconomic stability in China.

Keywords：Financial system vulnerability; Financial structure; Regimes; Regimes switching model