區域金融風險評級模型及其應用研究

廖萱

摘 要：在對現有相關文獻的學習整理基礎上，從區域金融風險的基本理論入手，首先對區域金融風險的內涵界定，遴選評價指標，構建出區域風險評級模型，將金融風險程度量化為等級區間。其次以我國區域性的經濟金融中心六大城市為研究對象，以2000—2011年時間內金融風險狀況進行實證研究，比較分析了不同區域金融風險差異性。

關鍵詞：區域金融風險；層次分析法；綜合指數

中圖分類號：F832 文獻標志碼：A 文章編號：1673-291X（2017）30-0081-02

引言

自金融從實體經濟中產生以來，不論經歷怎樣的發展和改革，金融風險可謂如影隨形。歷史經驗告訴我們，一旦金融風險被放大，甚至是失控，從而爆發的金融危機都將在不同程度上對各國各行業的經濟體造成沉重的打擊。尤其是在金融全球化發展的趨勢下，區域性金融風險已經會導致全球金融危機的爆發。因而，在了解區域金融風險的產生、存在程度等各方面問題后，才能更好的防范金融風險的發生，對各國金融發展都有重要意義。

一、文獻回顧與研究內容

（一）區域金融風險

一般認為，金融風險可以分為三種類型，分別是個體性金融風險、區域性金融風險和系統性金融風險。區域性金融風險主要是指在特定區域由內部個別或部分機構的金融活動風波導致金融風險在區域內擴散，或者是與之有密切經濟聯系的其他區域金融風險向本區域傳播，從而誘發金融危機導致金融震蕩的金融風險。具有區域差異性、成因更復雜、可控性更強等特征。

（二）金融風險預警研究的文獻綜述

金融風險預警是防范金融危機最為有效的手段。劉傳哲、張麗哲（1999）首先利用因子分析法（FA）遴選出11個指標構建指標體系，然后利用層次分析法和主成分分析法確定各指標的權重求出綜合指數。陳守東、楊瑩、馬輝（2006）通過因子分析法和Logit模型對分別建立宏觀經濟和金融市場風險預警模型。譚中明（2010）首先建立區域金融風險預警系統，然后運用層次分析法熵值法求出各評價指標的權重，和指標評價區間。最后利用2007年我國和江蘇省的數據得出綜合指數和單個指標的預警值，進行分析。樓文高、喬龍（2011）首先選取金融風險評價指標體系，并確定單指標評價區間值。其次建立金融風險預警的NN模型和BPNN模型，然后運用我國1994—2010年指標數據值實證判定該時間段內我國金融風險水平。

二、研究方法

（一）研究對象

選取八大經濟區域中六大代表性城市的2000—2011年的樣本數據，六個城市分別是北京、天津、上海、江蘇、福建和廣東，這些城市的數據代表了北部沿海、東部沿海和南部沿海三個區域的金融風險狀況。

（二）模型構建

1.區域金融風險評級指標設計

根據指標體系構建的全面性、靈敏性和實用性原則和本文的研究內容，本文分別從能反映區域金融風險的三個大方向選取指標，選取了三大類區域經濟環境風險（地區GDP增長率x1、城鎮失業率x2、地方財政收入/GDP x3）、區域金融機構經營風險（不良貸款率x4、保費增長率x5、貸款增長率x6、貸款存款比例x7）和區域特殊金融活動風險（房地產投資增長率 x8、固定資產投資增長率x9、房價增長率/GDP增長率 x10），共10個指標。為了對區域金融風險進行評級，首先引入等級區間概念。借鑒景氣綜合指數的亮燈評定方法，將等級區間由分數從低到高，分別分為“藍燈區”[0，20）、“淡藍燈區”[20，25）、“綠燈區”[25，35）、“黃燈區”[35，40）、“紅燈區”[40，50]，分別表示經濟冷縮、經濟開始回溫、風險受控經濟穩定、經濟偏熱和風險失控經濟過熱。

2.區域金融風險評級方法

本文采用的是區間等級綜合評價方法，所以選用映射法，根據原始指標的臨界值，對應等級區間的上下限轉化為區間內分數值，從而對原始數據進行了標準化處理。將指標的原始數值標準化后，消除了量綱的影響，再通過層次分析法確定各指標權重，就可以求出各指標的綜合指數。表示指標的映射分數值，表示指標體系中各指標的權重，表示由兩者確定的區域金融風險綜合指數。

三、實證研究與分析

（一）區域金融風險評級

本文首先收集了2000—2011年六大城市的上述評價指標體系各指標數據，根據前文確定的風險評級方法，在對原始數據標準化處理后，通過層次分析法求出指標權重，得出綜合指數，將結果匯總得到區域金融風險綜合評級數值。

（二）不同區域金融風險評級狀態分析

從實證分析得出，北京市和廣東省金融風險綜合評級分數分別為23.22、24.79，屬于淺藍燈區，天津、上海、江蘇、福建的金融風險綜合評級分數分別是28.72、25.76、26.57和27.58，屬于綠燈區。由此可以看出，在2000—2011年時間中，六大城市的區域金融風險狀態整體處于綠燈區，即金融風險處于控制中的穩定狀態。但是值得注意的是，天津市的風險狀態處于綠燈區間的40%左右位置，可能突破綠燈區進入風險不穩定黃燈區。從各區域金融風險評價的三大類別來看，六大區域經濟的經營機構和特殊金融活動風險差別不大，只有該區域經濟環境狀況有較大差別，尤其是天津市的經濟環境風險分數值明顯高于其他區域，占綜合指數的38%左右，這說明天津市作為直轄市，有良好的經濟發展環境和政策支持，但同時更要落實好國家宏觀調控政策，加強金融發展整體環境的風險控制能力，保持經濟發展的良好勢頭。

結論

本文通過選取中國八大經濟區域中三個區域的六個代表性地區作為實證樣本，應用評級模型得出各區域金融風險狀況，得出結論是在2000—2011年時間中，六大城市的區域金融風險狀態整體處于綠燈區，即金融風險處于控制中的穩定狀態。從區域金融風險評級指標選取的三大類別來看，區域經濟環境風險的數值在這六個城市中有較大的差別，所以基于區域金融風險狀態不同方面的狀況和評價指標體系中不同影響因素的得分，各地區可以有側重的注意本地區金融發展中的風險狀況，采取不同的政策引導和發展重點。比如發展較為成熟的地區如北京、上海和廣州等應該加快轉變地區經濟發展方式，夯實金融體系穩健運行基礎。積極推動金融機構改革創新，增強金融機構核心競爭力。加大開發國內各類金融機構有特色的金融產品和金融服務，完善業務盈利模式，提高持續盈利能力。endprint

參考文獻：

[1] 劉傳哲，張麗哲.金融危機預警系統及研究[J].系統工程，1999，（9）：33-37.

[2] 陳守東，楊瑩，馬輝.中國金融風險預警研究[J].數量經濟技術經濟研究，2006，（7）.

[3] 譚中明.區域金融風險預警系統的設計和綜合度量[J].軟科學，2010，（3）：69-74.

[4] 樓文高，喬龍.基于神經網絡的金融風險預警模型及其實證研究[J].金融論壇，2011，（11）.

[5] Kaminsky， G.I.，S. Lizondo and C. M. Reinhart， Leading Indicators of Currency Crises[N]， IMF Staff Paper， 1998，45（1）.

[6] NAG A，MITRA A.Neural networks and early warning indicators of currency crisis[R].Reserve Bank of India Occasional Papers， 20（2），1999.

[7] 胡燕京，高會麗，徐建鋒.金融風險預警——基于BP人工神經網絡的一種分析[N].青島大學學報，2002，（12）：28-34.

[8] 陳秋玲，薛玉春，肖璐.金融風險預警：評價指標、預警機制與實證研究[N].上海大學學報：社會科學版，2009，（16）.

[9] Frankel， J. A. and A. K. Rose， Currency Crashes in Emerging Markets： An Empirical Treatment[J].Journal of International Economics， 1996，（41）：35-66.

[10] Sachs J.，A. Tornell and A. Velasco， Financial Crises in Emerging Markets：The Lessons from 1995[N].Brookings Papers on Economic Activity， 1996，（1）：147-215.

[11] 張雄.金融危機理論演進與發展研究[J].商業研究，2007，（5）.

[12] 商瑾.金融風險及防范對策研究——基于財政聯結角度[D].財政部財政科學研究所，2012，（6）.

[13] 歐江波，周兆鈿.基于AHP的中心城市經濟預警指標體系研究[J].經濟師，2012，（6）.

[14] 郭金玉，張忠彬，孫慶云.層次分析法的研究與應用[J].中國安全科學學報，2008，（5）.

[15] 孫文，王冀寧.基于AHP的中小企業信用評級指標體系構建[J].財會通訊，2012，（3）.

[16] 蘇波.商業銀行區域風險評級與信貸管理研究[J].金融監管研究，2013，（12）.

[17] 張延群.全球向量自回歸模型的理論、方法及其應用[J].數量經濟技術經濟研究，2012，（4）.

[18] 柳欣，王晨.內生經濟增長與財政、貨幣政策——基于VAR模型的實證研究[J].南開經濟研究，2008，（6）.

[19] 劉子斐，史敬.VAR模型比較技術及其評價[J].金融研究，2008，（5）.

[責任編輯 陳丹丹]endprint