人民幣國際化進程中的金融風險預警研究

沈 悅，張 澄（西安交通大學 經濟與金融學院，陜西 西安 710061）

人民幣國際化進程中的金融風險預警研究

沈 悅，張 澄
（西安交通大學 經濟與金融學院，陜西 西安 710061）

文章首先對人民幣國際化進程中的金融風險進行識別，在此基礎上構建出人民幣國際化進程中的金融風險預警指標體系，共六大類24個預警指標。通過研究1995-2014年的經濟數據，基于BP人工神經網絡模型建立了人民幣國際化進程中的金融風險預警模型，并根據2014年的經濟數據對2015年的金融安全運行態勢進行了預測。預測結果表明我國2015年整體態勢處于基本安全狀態，其中匯率波動風險預警子系統、國際環境風險預警子系統和資產價格波動風險預警子系統處于警戒狀態，表明對我國金融穩定運行有一定的影響。

人民幣國際化；金融風險；預警體系；BP人工神經網絡

［DOI］10.3969/j.issn.1007-5097.2015.08.015

一、引 言

2008年美國次貸危機和2009年歐元區債務危機的相繼爆發，使社會充分認識到以美元為主，歐元為輔的國際貨幣體系的弊端，更提高了世界關注人民幣國際化問題的程度，這就為人民幣國際化帶來了新的契機。人民幣作為中國的主權貨幣，目前只實現了人民幣的周邊化，與當今世界的主要國際化貨幣相比，仍存在一定的差距。隨著人民幣離岸市場的建立、資本賬戶的逐步開放、匯率制度的改革以及利率市場化的推進，人民幣國際化開始邁出了實質性的步伐，為人民幣成為國際儲備貨幣打下了堅實的基礎。但是需要注意的是，人民幣國際化實則為一把“雙刃劍”，隨著其國際化步伐的不斷加快，對我國的經濟運行產生影響的同時，也會導致我國面臨的金融風險不斷加大。人民幣國際化要實現的目標不僅僅是貨幣的兌換和流通的改變，而且涉及全球經濟金融領域的綜合性改革。任何一個步驟或改革的不匹配都有可能引發金融危機。因此，如何系統全面地識別人民幣國際化進程中的金融風險，并利用科學的方法預警金融風險是否可能引發金融危機等問題已經成為目前人民幣國際化進程中迫切需要研究的理論和現實問題。

二、相關文獻綜述

（一）關于人民幣國際化風險的研究

Stier、Bernoth和Fisher（2010）認為對資本流動進行持續控制可以有效防止因大規模投機資本進出而對中國的經濟和貨幣政策帶來的破壞性影響［1］。Park（2010）認為人民幣國際化給全球金融帶來很大風險和不穩定性，在人民幣國際化的進程中，應該在東盟區域內構建國際化貨幣的框架［2］。黃梅波、熊愛宗（2009）認為推進人民幣國際化時應密切關注人民幣國際化帶來的貨幣逆轉風險［3］。張肅（2011）在借鑒日元國際化失敗教訓的基礎上，對人民幣國際化進程中的風險評估與控制進行深入研究［4］。沈悅、董鵬剛、李善燊（2013）在對人民幣國際化進程中的金融風險識別的基礎上，構建了一套預警指標體系，并對預警指標的閾值和權重確定的方法進行探討［5］。

收稿日期：2015-04-10

基金項目：教育部人文社會科學青年基金項目（14XJC790004）；西安交通大學基本科研業務費專項科研項目（2013018）

作者簡介：沈 悅（1961-），女，陜西大荔人，教授，博士生導師，研究方向：金融市場理論；

張 澄（1990-），女，陜西渭南人，博士研究生，研究方向：貨幣金融學。

（二）關于金融風險預警方法的研究

近年來，學者們對原有的金融風險預警模型進行改進與創新，使得金融風險預警方法得到了很大改進，大大提高了金融風險預警的準確性。Nag、Mitra（1999）將人工神經網絡（Artificial Neural Network，ANN）應用于貨幣危機預警系統［6］。Ble?jer、Schumacher（1998）提出運用在險價值法對央行的清償力風險進行評估［7］。Jeanne、Masson （2000）建立了多重均衡貨幣危機模型［8］。此外，還有Vlaar（2000）建立的二元正態分布的金融風險預警模型［9］，Burkart、Condert（2000）提出的Fish?er判別式預警模型等［10］。而國內在此方面的研究起步較晚，與國外的研究還有較大差距，只在近幾年才逐漸出現一些實證研究方面的文獻。陳守東、馬輝（2009）應用MS-VAR模型建立了貨幣危機、銀行危機和資產泡沫危機三個金融風險預警子系統，用來描述我國金融風險的狀況［11］。沈悅、徐有?。?009）利用復合屬性貝葉斯模型對銀行危機進行預警［12］。周穩海、趙桂玲（2010）根據對金融風險的分類，利用主成分分析法和因子分析法對各指標進行賦權，并測算出各年份的金融風險水平［13］。李夢雨（2012）通過對16項經濟變量進行主成分分析，運用K—均值聚類算法，把金融風險劃分為四大類，并借助BP人工神經網絡構建了我國金融風險的預警模型［14］。

（三）文獻評述

國內外學者在人民幣國際化進程中的金融風險及金融風險預警方法等方面進行的深入研究，對進一步研究人民幣國際化進程中的金融風險預警問題具有重要的參考意義。但這些研究多從理論上展開，鮮見量化研究。鑒于此，本文在對人民幣國際化進程中的金融風險識別的基礎上，構建出預警指標體系，并運用BP人工神經網絡對金融風險進行預警，可為人民幣國際化進程中的金融風險控制與防范提供一定的參考。

三、人民幣國際化進程中的金融風險識別

人民幣國際化是中國經濟實力、金融市場發育以及國際貨幣體系需求“有機結合”的產物，其國際化趨勢難以阻擋。但與其他貨幣國際化相比，人民幣國際化處于一個特殊的環境，其遭遇的風險也將會有一定的特殊性。

（一）人民幣匯率波動風險

目前人民幣處在一個寬幅震蕩的區間，從長遠來看，人民幣升值預期較強。因此，我國可以在幣值堅挺的基礎上推進人民幣在國際貿易往來中的支付和結算，為人民幣的國際化奠定基礎。但是，人民幣單邊升值的預期越強，對我國經濟金融穩定性的沖擊越大。首先，人民幣匯率的高估使我國出口受阻，嚴重時出口會發生實質性萎縮，而進口成本的降低則會導致我國進口需求上升，出現貿易收支惡化的現象。其次，人民幣升值預期與在岸人民幣市場和離岸人民幣市場的不協調發展導致了境內外的高利差，引發國際熱錢的流入。一旦未來人民幣發生貶值，境外投資機構與居民紛紛拋售人民幣資產的情況就很有可能發生，這在一定程度上加大了人民幣匯率波動的幅度，從而對人民幣匯率的波動產生新的沖擊。最后，人民幣升值預期越強，非居民擁有人民幣資產的意愿也就越強，而擁有人民幣負債的意愿則相對較弱，由此造成了香港人民幣離岸市場上的發行規模偏低，不利于人民幣離岸市場的穩定發展。

（二）資本賬戶開放風險

伴隨著人民幣國際化進程的推進，必然也要加速開放中國的資本賬戶。2013年12月，央行出臺的關于支持上海自貿區金融改革的措施當中明確提到，在資本賬戶開放的情況下實現人民幣在區內可自由兌換，進一步便利境內外的投資。一方面，在金融市場的規模、完善性以及在宏觀政策約束的領域下，中國與發達經濟體之間存在不小差距；另一方面，在沒有可靠監管措施控制的背景下，資本賬戶只能逐步開放。資本賬戶的完全開放會引發大規模資本進出的現象，從而造成經濟金融體系的動蕩。當資本大規模流入時，我國的國際收支順差持續擴大，人民幣面臨更大的升值壓力，出口因此受到限制，使我國經常項目順差減少，甚至會引發國際收支逆差的局面。此外，在貨幣乘數的作用下，外匯占款的增加使我國貨幣供應量也不斷增加，嚴重影響我國貨幣政策的獨立性。當資本大規模外逃時，資本項目巨額逆差，人民幣面臨貶值壓力，政府動用外匯儲備來穩定匯率，而外匯儲備的大幅下降會使我國的信用評級降低，導致市場上對人民幣貶值的預期加強，加速了國際資本的流出，反過來又會影響國際收支的平衡和匯率的穩定，最終形成惡性循環。

（三）貨幣政策操作風險

人民幣逐步走向國際化，意味著其貨幣職能的作用逐步擴大，這同樣會給我國的貨幣政策帶來一定的沖擊。首先，削弱了央行執行貨幣政策的獨立性。根據克魯格曼的“三元悖論”理論，一個國家不可能在實現匯率穩定和資本自由流動的情況下，保持貨幣政策的獨立性。而人民幣國際化的特征要求我國必須維持匯率的穩定和資本的自由流動，因此，人民幣國際化要求我國必須放棄貨幣政策的獨立性。其次，加大了貨幣政策操作的難度。人民幣國際化后，大量的非居民更愿意持有人民幣，人民幣在國外定價、交易和流通，跨境資金的自由流動使得人民幣的需求結構發生變化，央行的調控能力將受到國際市場上流通的人民幣的約束，加大了對人民幣存量監測的難度。最后，出現了新的“特里芬兩難”。與美元和歐元的貨幣國際化表現為難以維持貨幣幣值穩定的情況不同，人民幣國際化進程中的“特里芬難題”則表現為難以為其他國家提供人民幣的流動性，在當前中國經常賬戶和資本賬戶均呈現雙盈余的情況下，中國很難以國際收支逆差對外提供人民幣的流動性［15］。

（四）外部金融危機傳染風險

在經濟全球化和金融自由化的作用下，金融危機頻繁爆發，同時在國際傳播的速度和范圍進一步加大。而人民幣國際化將會為金融危機的傳染提供新渠道，使國外的金融危機很可能波及國內。如果大量的進出口貿易采用人民幣結算，一旦貿易進出口量受阻，那么人民幣國際流通就會受到阻礙。其次，投資者可以在國際金融市場上獲得或出售大量的人民幣資產，而當金融危機發生時，投資者出于規避風險的考慮，會大量拋售以人民幣計價的資產，導致人民幣資產價格大幅度波動，進而導致金融危機波及我國的金融市場。再次，人民幣將越來越多地參與到國際經濟活動中，屆時人民幣利率對風險更加敏感，危機發生后我國貨幣當局須迅速變動基礎利率來應對季風效應。最后，人民幣國際化加強了中國與其他國家之間的聯系，一旦其他國家發生金融危機，投資者會改變對我國經濟的心理預期，認為我國的經濟同樣會受到影響，從而改變投資策略，引發“羊群效應”。

（五）國際貨幣競爭風險

在推進人民幣國際化的進程中，我國將面臨大規模的資本流入與流出，加上我國在經濟轉軌時期存在制度性缺陷和結構性失衡等問題，人民幣必然會受到美元、歐元和日元等強勁對手的排擠，這是一個動態博弈的過程。由圖1可以看出，自1992年以來，人民幣的貨幣替代率波動較大，近年來呈降低趨勢。在當前的貨幣競爭格局中，人民幣替代外幣將成為一種趨勢，即出現反向貨幣替代現象［16］。我國目前正面臨通貨膨脹壓力以及流動性過剩等經濟問題，而反向貨幣替代會對我國貨幣政策帶來較大沖擊。

圖1 人民幣的貨幣替代率

（六）國內金融體系不完善的風險

人民幣國際化需要建立在一個健全而又完善的金融體系之上，如果我國的金融體系不完善，那么將會帶來嚴重的系統性金融風險。這種風險的表現在于：人民幣國際化以后，非居民大量持有人民幣會增加我國資產價格的波動性，而我國的金融市場在不具有足夠靈活性的情況下，其有效性將難以發揮，給我國帶來更大的風險。再者，如果金融機構還是主要依靠存貸差模式和收費項目，不積極拓展競爭性業務，開辟衍生品市場，那么就難以抗衡人民幣國際化進程中國外金融機構的競爭風險。

（七）資產價格過度波動風險

人民幣國際化意味著人民幣將作為主要的資產在全世界范圍內進行計價和結算，這些資產主要包括貨幣和股票等有價債券。當非居民持有以人民幣進行計價和結算的資產時，國際資本會從多頭和空頭兩個方向攻擊我國的資本市場、房地產市場以及期貨市場等領域，并通過國際衍生品頭寸的杠桿效應放大危險倍數，由此帶來的資產價格波動風險會加劇我國金融體系的脆弱性。

四、人民幣國際化進程中的金融風險預警指標體系構建

隨著人民幣國際化進程的不斷推進，我國的經濟金融安全遭受到越來越多的風險。為了有效防范這些金融風險對我國經濟造成的沖擊，我們很有必要建立一套人民幣國際化進程中的金融風險預警指標體系。

（一）預警指標體系的設置

通過對我國1995-2014年的經濟數據①進行分析，本文在借鑒國內外現有研究成果的基礎上，基于對人民幣國際化進程中金融風險的有效識別，依照預警指標構造原則，設置了一套人民幣國際化進程中的金融風險預警指標體系。選取了包括匯率波動風險預警子系統、資本流動風險預警子系統、政策操作風險預警子系統、國際環境風險預警子系統、銀行體系風險預警子系統、資產價格波動風險預警子系統等六個方面，共24個預警指標，如圖2所示。

圖2 人民幣國際化進程中的金融風險指標體系

（二）預警指標體系權重的確定

在確定預警指標權重的時候，有主觀賦權法與客觀賦權法之分，這兩種方法是最為重要的預警指標賦權法。主觀賦權法是按照專家的經驗來確定預警指標權重的，客觀賦權法主要根據客觀資料所反映的信息來確定預警指標權重。但是，主觀賦權法和客觀賦權法都各有利弊，一方面，主觀賦權法具有較強的主觀隨意性，不能滿足科學性的要求；而客觀賦權法中因為受到客觀因素不確定性的影響，使得客觀賦權法不能滿足專業性的要求。因此，為了使本文的預警指標權重有更好的科學性與合理性，本文采用主觀賦權法即AHP法結合客觀賦權法即熵權法，共同來確定預警指標的綜合權重［17］。綜合權重②計算過程如下：

其中：li是熵權法下的指標權重，0≤li≤1，=1, i=1,2,???,m；

wi是AHP法下的指標權重，0≤wi≤1，=1, i=1,2,???,m。

本文在AHP法權重的基礎上，用熵權法對其進行改進，基于1995-2014年的經濟數據，計算得到人民幣國際化進程中的金融風險預警指標的綜合權重③，見表1。

表1 人民幣國際化進程中的金融風險預警指標綜合權重

（三）預警指標體系的驗證

首先，確定預警指標的安全區間。本文采取的主要方法有：如果該指標在國際上有公認的安全區間，且基本符合我國情況的，我們就直接根據國際標準來確定；如果該指標在國際上沒有公認的安全區間，但我國有關單位或研究人員結合我國改革開放以來的經驗數據，提出了一些參考標準的，對此我們盡量采用；對于本文新設計的預警指標，國內外都沒有提供安全區間的，可以根據計算指標值的均值和方差來確定指標的安全區間，即通過(X±3δ),(X±2δ),(X±1δ)，來依次劃分預警指標的安全區間。其次，根據風險狀態與賦值分數（見表2），利用插值法計算各個預警指標所對應的評價分值。最后，利用指標的綜合權重計算出各風險預警子系統的綜合評價分值及整個金融預警系統的風險程度綜合得分值［18］。分別用B1、B2、B3、B4、B5、B6以及A來表示匯率波動風險預警子系統、資本流動風險預警子系統、政策操作風險預警子系統、國際環境風險預警子系統、銀行體系風險預警子系統、資產價格波動風險預警子系統和總指標系統，得分結果如表3所示。

表2 風險狀態與賦值分數

表3 預警指標綜合得分表

從表3可以看出，在人民幣國際化進程不斷推進的過程中，中國經濟發展在整體上較為平穩，多數年份的金融態勢都處于基本安全狀態，風險較小。我們注意到，2007年指標體系得分較高，處于警戒狀態，這與2008年的美國次貸金融危機的影響有極大的關系。我們針對各個風險預警子系統的情況，對指標體系進行進一步的驗證分析。

匯率波動風險預警子系統表現跌宕起伏。1994年匯率并軌、貶值，我國開始實施以市場供求為基礎的、有管理的浮動匯率制度。人民幣匯率穩中有升，為了應對1997年的亞洲金融危機，我國收窄了人民幣匯率浮動的區間。2005年匯改后，人民幣處于大幅升值狀態，匯率波動幅度也較大。

資本賬戶開放風險預警子系統表現較為平穩。我國目前還未完全開放資本賬戶，對國內外資本的流動還有一定的限制，這使得目前我國在推進人民幣國際化的進程中，資本大規模進出的風險較小。

政策操作風險預警子系統表現較為平穩。近幾年我國都在實行積極的財政政策和穩健的貨幣政策，其實施也是有效的。央行進行宏觀經濟調控的能力也在不斷提高，使得我國的經濟在朝著預期的方向良好的發展，因此，政策操作風險相對較小。

國際環境風險預警子系統呈穩步上升態勢。1997年亞洲金融危機、1999年后石油價格的大幅上升、2001年我國加入WTO以及2008年美國次貸危機等事件相繼發生，使得我國在不斷對外開放的過程中，面臨的風險逐步增大。

銀行體系風險預警子系統呈現下降趨勢。隨著對我國銀行業的規范，使得我國國有銀行的風險程度得到較好的控制，主要表現為整體風險水平穩步下降，但因為我國資本賬戶還未完全開放，還應時刻警惕外部沖擊對國內金融機構的影響。

資產價格波動風險預警子系統呈上升趨勢。一方面，中國股票市場的證券化率較低，股民的非理性行為導致股票指數的大幅波動。另一方面，房地產業早已成為我國國民經濟發展的支柱產業，在我國經濟高速發展的時期，居民生活水平的提高擴大了對房地產市場的需求，但房地產業的“野蠻生長”導致我國經濟出現扭曲，且出現了對住宅的潛在需求大于有效需求的非均衡現象，以上這些因素使得我國股票市場和房地產市場積聚了較大風險。

通過以上分析可以看出，本文設置的人民幣國際化進程中的金融風險預警指標體系比較客觀地描述了實際情況，具有較強的科學性。因此，可以根據本文設置的人民幣國際化進程中的金融風險預警指標體系對金融風險進行科學預警。

五、人民幣國際化進程中的金融風險預警

通過比較研究認為，人工神經網絡模型［19］可以較好地預警人民幣國際化進程中的金融風險。主要原因在于：人工神經網絡模型是一種非參數模型化方法，不需要提前進行任何的參數假設，根據所設定的函數對樣本進行訓練與檢驗，達到一定精度之后即可進行模型的預警。人工神經網絡模型的種類很多，但現有的神經網絡可分為三大類——前向網絡、反饋網絡和自組織網絡。BP人工神經網絡模型是前向網絡的核心部分，體現了神經網絡中最精華的內容。BP神經網絡具有典型的三層或三層以上的多層神經網絡，其包含輸入層、輸出層和隱含層（一個或者多個）。

（一）模型的建立

利用BP人工神經網絡建立人民幣國際化進程中的金融風險預警模型的步驟如下：

（1）數據歸一化處理。將數據轉化為無量綱性的指標值，這樣不僅使各指標具有可比性，而且使BP人工神經網絡可以得到更好的訓練。

（2）網絡層數的確定。只要隱含層節點數足夠多，無論是單隱層網絡還是含有多個隱含層的網絡，都可以任意精度逼近一個非線性映射。本文選用雙層隱含層來建立BP人工神經網絡模型。

（3）輸入層節點數的確定。本文選取1995-2014年的24個預警指標值對人民幣國際化進程中的金融風險進行評價。因此，網絡輸入層節點數m=24。

（4）輸出層節點數的確定。在本文所構建的BP神經網絡預警模型中，將各預警指標的風險水平劃分為安全、基本安全、警戒和風險四個評價區間，相對應的，本模型的輸出節點數n=4。

（5）隱含層節點數的確定。隱含層節點數對神經網絡模型的性能優劣有很大影響，其個數的確定是一項較為困難的工作，目前學術界還沒有統一且精確的方法來確定。本文參考公式（2）來確定：

其中，n1、m、n、a分別是隱含層節點數、輸入層節點數、輸出層節點數以及常數項，a是1～10中隨機可選的常數。

（6）目標向量的確定。針對上文選取的指標，將安全等級劃分為安全、基本安全、警戒和風險這四個等級，并依此對應期望輸出向量［1000］、［0100］、［0010］以及［0001］。

（二）模型的預警

在此我們假設金融危機的滯后期為1年，將1995-2012年歸一化后的樣本數據作為訓練樣本，則期望輸出為1996-2013年樣本數據對應的向量。對已建立好的神經網絡模型進行學習和訓練，將實際輸出與期望輸出相比較，如果滿足誤差要求則進行模型檢驗，否則重新調整網絡參數進行訓練，直至達到誤差要求后停止訓練。我們將構建B1、B2、B3、B4、B5、B6、A這七個BP人工神經網絡模型來進行訓練、檢驗和預警。網絡訓練的誤差曲線圖如圖3所示。

圖3 網絡訓練誤差曲線

BP人工神經網絡模型在訓練后達到較好的性能，現用2013年的樣本數據對上述訓練好的網絡模型進行檢驗，檢驗的期望輸出為2014年樣本數據對應的向量，結果見表5所示。

表5 神經網絡檢驗輸出

檢驗結果表明，在用訓練好的模型進行檢驗時，實際輸出與期望輸出非常接近，絕大多數指標的擬合效果很好，且滿足誤差要求。因此，我們可以用訓練好的模型對2015年人民幣國際化進程中的金融風險進行預警。最終得到2015年的預警情況，如表6所示。

表6 神經網絡預警輸出

從表6可以看出，在2015年中，人民幣國際化進程中的綜合金融風險處于基本安全狀態，資本賬戶開放風險預警子系統和銀行體系風險預警子系統處于安全狀態，政策操作風險預警子系統處于基本安全狀態，而匯率波動風險預警子系統、國際環境風險預警子系統與資產價格波動風險預警子系統均處于警戒狀態。

（三）預警結果的分析

2015年人民幣國際化進程中的金融風險總體處于基本安全狀態，表明人民幣國際化進程的推進處于一個較為良好的環境，風險較小。但是，由于金融風險是復雜多變的，受到制度、環境和人為等各方面因素的影響，加上BP人工神經網絡預警模型自身的不足，我們不能僅以一個樣本數據來反映總體情況，因此，我們必須結合各個風險預警子系統的預警情況，來分析影響宏觀經濟的因素。

匯率波動風險預警子系統處于警戒狀態。2005年新一輪匯率改革啟動以來，人民幣匯率制度在逐步走向市場化。2011年9月至今，人民幣匯率一改以往的單邊升值之勢，進入雙向波動時代。自2014 年3月17日起，央行決定將銀行間即期外匯市場人民幣兌美元交易價浮動幅度由1%擴大至2%。從總體來看，目前人民幣匯率寬幅波動處于正常范圍，并未給我國宏觀經濟帶來較大的風險。但是，隨著銀行間外匯市場準入機制的逐步放寬，2015年將會有更多金融機構進入銀行外匯市場，加上人民幣國際化進程的不斷推進，未來市場的不確定性可能會進一步加大人民幣匯率的波動率，我們應時刻警惕匯率大幅波動帶給宏觀經濟的沖擊。

資本流動風險預警子系統處于安全狀態。主要是因為目前我國的資本賬戶并未完全開放，資本進出還未給我國的宏觀經濟帶來較大風險，但隨著人民幣國際化進程的推進，資本管制的逐步放松，以及“套匯”、“套利”與“套價”現象的出現，必然會加大資本大規模進出的風險。因此，如何對資本賬戶開放進程進行有效監管以及逐步放開資本管制，對我國宏觀經濟的穩定有重要作用。

政策操作風險預警子系統處于基本安全狀態。在增加貨幣政策種類的同時，央行貨幣政策之間相互協調配合，只有這樣才能實現最優效果。同時也要警惕貨幣政策操作過程中的外部約束，盡量避免在人民幣國際化后，我國的宏觀經濟政策對其他國家的沖擊。

國際環境風險預警子系統處于警戒狀態。近幾年來，隨著我國經濟的對外開放以及人民幣國際化進程的推進，我國面臨國際環境的不利局面有所擴大。石油價格的劇烈波動、國際利率水平對國內的沖擊以及現有國際貨幣之間的博弈都會阻礙人民幣國際化的步伐。我們應時刻警惕國際環境中的變化，以防“蝴蝶效應”對國內經濟與金融穩定的巨大影響，如2008年的金融危機帶給我國經濟的負面沖擊。

銀行體系風險預警子系統處于安全狀態。只有擁有了健全的銀行體系，我國在人民幣國際化的進程中，才可以順利實施金融對外開放政策。銀行體系中的不良資產也是引發金融危機的導火索，關注銀行體系的改革，降低不良資產率都會對人民幣國際化產生積極作用。雖然目前銀行體系的風險較小，但人民幣國際化后，國內銀行體系將面臨來自國外更大的競爭力，不健全的銀行體系將會對我國經濟金融的穩定造成影響。

資產價格波動風險預警子系統處于警戒狀態。人民幣國際化會引起國際資本的大規模進出，這會給我國的資產價格帶來一定的沖擊，甚至會給我國的金融市場帶來嚴重的影響。比如，當資本大規模外逃導致資產價格大幅縮水時，借款人的償還能力和銀行貸款的質量均會迅速下降。隨著銀行不良資產率的上升，銀行體系同樣會出現不穩定的現象。加上近年來我國房地產業風險較大、不確定性較大，我們更應高度關注資本大規模流入導致的資產價格膨脹風險。

六、結論與政策建議

（一）研究結論

本文在對所設立指標進行科學驗證的基礎上，利用BP人工神經網絡模型對人民幣國際化進程中的金融風險做了初探性的預警分析。根據上文中建立的BP人工神經網絡模型的估計結果，發現目前我國發生金融危機的可能性較小，絕大多數指標也表現良好，但來自匯率波動、國際環境以及資產價格波動等方面的影響可能較大，因此，隨著人民幣國際化的逐步推進，對金融風險的預警研究仍然很有必要。需要說明的是，雖然本文中所構建的預警指標體系在驗證和預警時都能夠得到較好的估計效果，但人民幣國際化涉及的面較廣、問題較復雜，且當前對人民幣國際化進程中的金融風險預警實際上是一種前瞻性研究，無論選擇何種模型進行預警，其效果的好壞都難以確定，即對人民幣國際化進程中的金融風險預警研究還有待進一步的論證和完善。

（二）政策建議

通過分析認為，只有建立完善的人民幣國際化進程中的金融風險預警機制及金融安全保障機制，防范各種現實與潛在的金融風險，才能審慎而堅定地推進人民幣國際化進程，鑒于此，本文得到如下政策建議：推進人民幣匯率制度改革，加快我國外匯市場的發展，其表現為豐富外匯市場的交易品種，增加外匯市場的交易方式等；建立健全的人民幣回流機制，逐步實現資本賬戶開放，其核心是逐步實現由“部分可兌換”到“基本可兌換”，最后到“完全可兌換”［20］；完善我國金融監管體制，防止出現惡性競爭，并加強對外資金融機構的監管；加強國際金融之間的合作，與國際社會共同控制由國際資本大幅流動而引發的系統性風險；推動國內金融市場的發展，加強對國際游資投機目標市場的監管，有效防范資產價格波動的風險。

注 釋：

① 本文數據來源于Wind數據庫、CEIC數據庫、中經網數據庫、以及歷年《中國金融統計年鑒》。

② 由于篇幅有限，這里省略AHP法和熵權法的計算過程。

③ 受樣本所限，本文忽略指標權重的時變性，這也與中國經濟基本面在所研究周期內沒有出現較大波動相符。所以這種簡化處理，對結果不會產生實質性的影響。

［1］Olaf Stier，Kerstin Bernoth，Alexander Fisher.International?ization of the Chinese Renminbi：an Opportunity for China ［J］.German Institute for Economic Research，2010，6：126-132.

［2］Yung Chul Park.RMB Internationalization and Its Implica?tions for Financial and Monetary Cooperation in East Asia［J］.China&World Economy，2010，18（2）：1-21.

［3］黃梅波，熊愛宗.論人民幣國際化的空間和機遇［J］.上海財經大學學報：哲學社會科學版，2009，11（2）：67-75.

［4］張肅.人民幣國際化的障礙及突破［J］.經濟縱橫，2011（7）：78-80.

［5］沈悅，董鵬剛，李善燊.人民幣國際化的金融風險預警體系研究［J］.經濟縱橫，2013（8）：88-93.

［6］Nag A，Mitra A.Neural Networks and Early Warning Indica?tors of Currency Crisis［R］.Reserve Bank of India Occasion?al Papers，1999，20（2）：183-222.

［7］Blejer M I，Schumacher L B，Reinhart C M.Central Bank Vulnerability and the Credibility of Commitments：A Value at Risk Approach to Currency Crises［R］.IMF Working Pa?per No.98/65，1998.

［8］Jeanne O，Masson P.Currency Crises，Sunspots and Markov Switching Regimes［J］.Journal of International Economics，2000，50：327-350.

［9］Vlaar P J G.Currency Crises Models for Emerging Markets ［R］.De Nederlandsche Bank Staff Report NO.45，2000.

［10］Burkart O，Coudert V.Leading Iindicators of Currency Cri?ses for Emerging Countries［J］.Emerging Markets Review，2002，3（2）：107-133.

［11］陳守東，馬輝，穆春舟.中國金融風險預警的MS-VAR模型與區制狀態研究［J］.吉林大學社會科學學報，2009 （1）：110-119.

［12］沈悅，徐有俊.復合屬性貝葉斯模型在銀行危機預警中的應用［J］.寧夏大學學報：人文社會科學版，2009（2）：118-222.

［13］周穩海，趙桂玲.開放條件下金融風險預警指標體系研究［J］.特區經濟，2010（4）：72-74.

［14］李夢雨.中國金融風險預警系統的構建研究［J］.中央財經大學學報，2012（10）：25-30.

［15］周宇.論人民幣國際化的兩難選擇［J］.世界經濟研究，2012（11）：22-28．

［16］馮鑫明，卜亞.人民幣國際化進程中的貨幣替代與反向貨幣替代研究［J］.華東經濟管理，2012（6）：83-86.

［17］壽暉，張永安.基于AHP-熵值法商業銀行體系風險指標預警研究［J］.華東經濟管理，2013（10）：44-49.

［18］沈悅，張珍.中國金融安全預警指標體系設置研究［J］.山西財經大學學報，2007（10）：89-94.

［19］沈利生，王恒.授信風險限額的人工神經網絡模型檢驗［J］.數量經濟技術經濟研究，2007（3）：108-117.

［20］斯琴圖雅.推進人民幣資本項目可兌換的相關問題研究［J］.金融論壇，2009（6）：31-35.

［責任編輯：張 青］

A Research on the Early Warning of Chinese Financial Risk in the Process of RMB Internationalization

SHEN Yue，ZHANG Cheng
(School of Economics and Finance，Xi’an Jiaotong University，Xi’an 710061，China)

This article identifies risks during the process of RMB internationalization，and further develops financial risk early warning index system for those risks.This index system consists of 24 different indices，falling into 6 categories.We build this warning system based on BP artificial neural network model and incorporate insight of historical economical data from 1995 to 2014.We then forecast financial stability for 2015 using data from 2014.Our forecast indicates that China is ex?periencing a stable situation as a whole，whereas the fluctuation in exchange rate risk warning subsystem，international envi?ronmental risk warning subsystem and asset price volatility risk warning subsystem show alarming results，which are a sign of negative impact on China’s macro-economy.

RMB internationalization；financial risk；early warning system；BP artificial neural network

F830.9

A

1007-5097（2015）08-0094-08