基于資金流的金融系統異常的統計監測

文章編號：1005-9679（2022）03-0045-06

摘要：金融系統運行的穩健性對國家經濟有重要影響。監測金融系統運行中的資金流異常，能夠減少金融風險累積，防范金融危機。論文從資金流角度出發，統籌考慮金融系統功能和金融系統功能有效發揮對宏觀經濟目標的影響，通過結構方程模型構建監測指標體系。結合數據缺少負樣本、監測指標的相關性、樣本數據的多寡等特點，選取SVDD、PCA等異常檢測方法進行金融系統異常監測模型的實證分析，并根據檢測結果分析異常出現的原因。

關鍵詞：資金流;金融系統異常;SVDD;PCA;異常檢測

中圖分類號：F832.59

文獻標志碼：A

StatisticalMonitoringofFinancialSystemAbnormalitiesBasedonSVDDandPCA

JIXun

（AntaiCollegeofEconomicsandManagement，ShanghaiJiaoTongUniversity，Shanghai200030，China）

Abstract：Bydetectingtheabnormalflowoffundsintheoperationofthefinancialsystem，itispossibletoreducetheaccumulationoffinancialrisksandpreventfinancialcrises.Fromtheperspectiveofcapitalflow，thisarticletakesintoconsiderationtheoverallimpactoffinancialsystemfunctionsandtheeffectiveexertionoffinancialsystemfunctionsonmacroeconomicobjectivesandsimulatesthedetectionindexsystemthroughastructuralequationmodel.Finally，basedonthecharacteristicsofthedata，anempiricalanalysisoftheabnormalmonitoringmodelofthefinancialsystemisperformedusingSVDD，principalcomponentandotheranomalydetectionmethods.Theyfurtheranalyzethecauseoftheanomalybasedonthesedetectionresults.

Keywords：fundflow;financialsystemanomaly;SVDD;PCA;anomalydetection

金融系統的穩健運行對國家經濟有著十分重要的影響。20世紀70年代以來，在金融自由化浪潮的推進下，金融運行也變得更為復雜，金融危機頻頻發生。受限于國內的金融創新水平及金融深化程度，中國還不具備爆發典型意義上的金融危機的客觀條件。然而，這并不意味著中國金融系統運行較西方發達國家更為穩定。例如在2013年6月，銀行間市場資金緊張，6月20日，隔夜拆放利率、回購利率一路飆升至13.44%，結合分業經營、主要資金來自銀行的大背景，資金成本的劇烈波動對銀行的沖擊會使得整個金融系統出現震蕩。

探究上述金融危機爆發的原因，離不開政府在發揮金融政策調控作用時忽視了金融系統中資金流動的對稱性、周期性等基本問題。對于正處在轉型階段的中國來說，經濟金融體系中的資金總量、分布結構及其在各部門間的流動，對金融系統的穩定運行具有重要意義，不僅可以幫助金融機構及早發覺潛在的風險，判斷未來的變化趨勢從而及時采取預防措施，而且有利于為實體經濟提供一個暢通的融資渠道，幫助實體經濟企業及時調整產業結構、生產規模和資金結構，保持實體經濟的健康平穩發展。因此，在監測宏觀經濟的運行時應該重點關注從資金流角度衡量金融系統運行的穩健性。本文構建了從資金流角度檢測金融系統異常的監測指標體系，并結合我國經濟金融數據缺少異常樣本的特點選取合適的異常監測方法。

1文獻回顧

現有文獻在定義金融系統運行異常時，大多集中在金融系統的局部異常上，如金融機構運行、金融市場波動、金融資產定價等的異常。并且這類文獻在定義異常時，大多通過對照國內外政策的規定標準而非通過獨立研究設定異常標準。少數學者系統地研究了金融系統整體的內部風險和異常現象的監測。有學者從反面切入研究金融系統的穩定性。Haldane等（2004）認為金融不穩定是經濟中因為金融領域的不完善而導致的偏離最優儲蓄和投資安排。Chant（2003）、Crockett（1996）認為金融不穩定是金融系統中出現了對實體經濟運行產生或存在潛在負面影響的因素，如金融資產價格波動或金融機構無法履約等。

在構建監測指標體系時，大部分學者以信號法及國外已有的風險監測體系為基礎。閔亮（2008）結合中國制度的特殊性，采用KLR信號分析法篩選出有效的金融危機預警指標。劉志強（1998）建立了針對金融危機的預警指標體系，并解釋了其預警作用。萬義平（2010）等強調建立國際金融危機指標體系的重要性，建立了一套符合邏輯的科學、實用、可操作的指標體系。然而，這些監測指標體系忽視了金融系統運行中的資金流動。

在回顧異常檢測方法的研究時，我們發現文獻主要集中在同時具有正負樣本的監督檢測方面，而我國金融系統異常檢測問題具有缺少負樣本的特點。針對單類樣本數據異常檢測的研究大致可以分為人工生成異常值使得問題轉化為具有正負樣本及基于密度估計、基于重構或基于支撐域等的無監督異常檢測方法兩大類，但目前研究仍不完善。

在我們的研究中，我們從資金流角度出發構建金融系統整體的異常監測指標，并結合我國數據缺少異常樣本等數據特點運用合適的異常點檢測方法。本文在已有研究基礎上，設定的后續研究內容包括：第二部分是研究框架的設定及基于資金流的金融系統異常監測指標的選取;第三部分是異常監測方法的介紹;第四部分是金融系統異常監測模型的實證分析;最后是本文結論。

2基于資金流的金融系統異常的監測指標選取

2.1指標體系構建理論依據

金融系統穩健運行影響著宏觀經濟目標的實現。當金融系統功能穩定有效發揮時，資金得到合理配置，利用效率提高，可進一步促進經濟的穩定持續增長、保持物價水平的穩定。同時，金融系統的正常運行需要大量人才，為社會提供了大量就業崗位，可以促進充分就業，另外，在經濟全球化的趨勢下，金融系統的正常運行有利于維持國際收支平衡。

西方兩大經濟流派基于不同的分析框架對金融系統核心功能有著不同的解釋。賈利軍、蔣映泉（2015）認為主流經濟學強調金融系統通過資源配置滿足不同的空間需求，將閑置資源分配到需要的地方，而凱恩斯主義—熊彼特主義強調金融系統通過創造信貸滿足投資與消費的跨時需求。在金融系統發揮功能時，資金流量貫穿生產總值分配和國民經濟各部門資金余缺調節的全過程，如儲蓄、金融投資、信貸等，是金融系統運行的核心。

綜上可知，金融系統的運行存在著一般狀態，此時金融系統功能（配置資源、信用創造）正常發揮并且有效地促進宏觀經濟目標的實現。如金融系統的運行偏離了這樣的一般狀態，即定義為出現了異常。為了防范金融風險的累積，需要結合以下幾方面構建基于資金流的異常監測指標體系。

2.2指標體系內容

第一個目標層指標用于監測金融系統功能的穩健發揮，即信用創造和資源配置。在資金流視角下，信用創造關系到中央銀行、存款貨幣銀行和非貨幣金融機構等金融系統的各個組成部分。本文主要監測信貸創造的資金結構異常，考慮到非貨幣金融機構無法創造派生存款貨幣，對信用創造的影響較小，故不納入研究范圍。對資源配置功能的監測主要在于儲蓄轉化為投資的結構和效率兩方面。第二個目標層選取反映宏觀經濟目標實現的指標，對金融系統功能的有效性進行監測。根據上述理論，我們選擇的備選指標如表1所示。

其中，投資效率（X8）為GDP增加額與固定資產投資的比值;儲蓄投資缺口（X9）是儲蓄率減去投資率。

2.3基于SEM的指標顯著性分析

本文通過結構方程模型（SEM）驗證備選監測指標的顯著性。本研究中的潛變量包括金融系統的功能、金融系統功能的有效性，而GDP增長率、城鎮登記失業率等可觀測的變量都為顯變量。本文采用AMOS26.0軟件擬合結構方程模型，利用R2檢驗各顯變量的顯著性，刪去X3、X4、X5、X13和X14貢獻度較小的指標（R2<0.5）。本文結構方程模型測量方程的載荷系數估計結果見表2，所有監測指標都通過了載荷系數的顯著性檢驗。為進一步衡量監測指標對金融系統運行的整體解釋程度，需要對比樣本的協方差矩陣和理論模型的相關系數矩陣的差異。經檢驗，χ2/df為4.692，符合小樣本數據情況下該值一般小于5的要求;RMSEA為0.259，該值按評價標準而言應越小越好，因此較為理想。CFI為0.883，該值按評價標準越接近于1越理想，因此該指標也較為理想。PNFI、PCFI的值分別為0.477和0.490，兩者均大于0.5，或接近0.5較好，因此也在接受范圍內。綜上，本研究的SEM模型的擬合結果較理想。本文擬合的結構方程的路徑如圖1所示。

3異常檢測方法的理論基礎

在選擇異常監測方法時我們需要充分關注到樣本數據的特點。金融數據缺少負類樣本的特點決定了傳統的二值分類方法并不適用。對于特征維數較少的數據，單值分類方法如支持向量域描述（SVDD）可以很好地解決數據樣本嚴重不平衡的問題。SVDD通過將樣本映射到高維空間找到一個可以包圍目標樣本的最小超球體來劃分正負樣本。為了緩解模型過擬合，引入松弛變量ξ來降低模型對異常值的敏感性和懲罰參數C作為超球體積與誤差之間的折中。通過最小化誤差函數實現參數的尋優。

但是對于多維特征的數據，SVDD方法對于樣本數量的要求較高，而主成分分析法（PCA）在異常點檢測中的應用可以有效對高維數組實現降維處理。在樣本空間中，樣本的變異信息是樣本在各方向上變異信息的綜合，從統計學角度而言，變異信息可以表示為各個樣本點與中心位置的偏離值即方差。因此，樣本點提供的變異信息對應著偏離數據集重心的程度。

4金融系統異常監測模型的實證分析

4.1數據來源及處理

本文實證分析數據主要來源于中國人民銀行官方網站、同花順數據庫等。其中，反映金融系統功能的有效性指標的宏觀經濟指標受統計口徑的限制多為季度數據，因此本文在對金融系統功能的有效性及金融系統配置資源功能進行監測時選取的是2005—2018年共14年的季度數據進行多指標的異常點檢測;在對金融系統信用創造功能進行監測時選取的是2005—2018年的月度數據。

由于SVDD一般應用于向量數據的異常點監測，時間序列數據需要進行相空間重構才能滿足樣本之間的獨立性。本文借助軟件MATLAB2019a實現對數據的相空間重構并進行歸一化處理，最終獲得滿足建模條件的數據。

4.2金融系統運行異常監測模型構建

在金融系統功能監測指標中，反映資源配置功能的監測指標主要考慮了儲蓄向投資轉化的數量和質量，反映信用創造功能的監測指標主要關注信貸結構異常，并且這幾個方面的關聯度不大，因此對于金融系統功能的監測只對單個指標進行異常檢測，不考慮指標的相關關系。

金融系統功能的有效性表現在宏觀經濟目標能否實現上。由于四大宏觀經濟目標的實現具有較大的關聯性，因此應考慮監測指標之間的相關關系，對多個指標進行異常檢測。但是由于高維數據對樣本數據數量的要求較高，而樣本數據容量過小會造成SVDD分類器檢測錯誤的概率過高，因此選用主成分分析法對多指標異常點進行檢測。

4.3金融系統運行異常監測實證分析

4.3.1金融系統功能實證分析

本節借助MATLAB2019a的ddtools及prtools工具箱建立SVDD單值分類器模型。其中，SVDD模型選用常用的高斯核函數，模型中的可變參數包括懲罰參數C和高斯徑向基核函數的內核寬度參數δ。基于網格搜索及10折交叉驗證法優化參數，得到基于訓練集的一對優化后的參數，據此建立SVDD分類器模型。以指標X11為例，選取前60%數據作為訓練集，后40%數據作為測試集，利用SVDD分類器模型得到各個樣本的分屬類別。分類結果是訓練樣本中正常樣本所占的比例為85.77%，訓練樣本整體穩定。圖2為訓練得到的決策邊界。

對所選指標逐一按照如上步驟進行訓練、分類，得到金融系統功能異常檢測結果，見表3。

從表3可以看出金融系統運行功能的監測指標異常點多以單個出現的方式為主，很少出現大規模連續成片的異常點，可見我國金融系統運行的異常大多來自偶然事件的沖擊，并未產生大規模傳導性的影響。

其中，反映金融系統配置資源功能的監測指標（X8、X9）的異常點個數較少但分布較均勻。結合我國實際情況來看，2005—2009年國民儲蓄率由45.89%上升至50.93%，受限于房地產投資政策，投資率基本維持在同一水平，這導致我國的儲蓄投資缺口在2005年后呈迅速擴大趨勢。2009年受國際金融危機的影響，吸收外資同比降幅超20%，外資對國民儲蓄的擠出效應降低，且同期投資率受國家4萬億元投資計劃刺激由40%上升至46%以上，使得2009年后儲蓄投資缺口有所下降，但仍然高于2005年之前的水平。這一數據表明大量的剩余儲蓄無法轉化為投資資本。反映金融系統信用創造功能的監測指標中X11、X12均出現了少數連續的異常點，且兩個指標出現3次同時期連續的異常點。分析原因，都與同期政策發布使得信貸結構變化導致資金大規模流動有關。例如兩指標均在2011年末及2012年出現了較為密集的異常點，同時期，央行連續上調存款準備金率（6次）、上調基準利率（2次）。與此同時，2012年是“十二五”規劃的最后一年，社會融資結構發生顯著改變，因而指標檢測出較密集的異常點。

4.3.2金融系統功能有效性實證分析

首先，在進行主成分分析異常檢測之前需要消除監測指標時間序列的相關性。通過SPSS軟件分析可知，指標X1、X7序列數據經過一階差分處理、指標X2、X6經過二階差分處理后均可獲得1%置信水平下的平穩時間序列且不存在序列自相關。本文利用MATLAB2019a軟件對反映金融系統功能的有效性的4個監測指標共55個四維樣本點進行主成分分析，計算結果見表4。

根據表4可知，應該提取3個主成分（累積貢獻率大于85%）。當霍特林統計量T2>6.27時，可以判斷該樣本點出現了異常，結果見表5。

本文選取的監測指標時間跨度較大，檢測出了較多的異常點。T2值大小也反映了異常現象程度的輕重。因此，主要關注T2統計量較大的異常點。2005年、2008—2009年是金融系統配置資源和信用創造兩大核心功能異常點密集出現的時間，反映出經濟增長和國際收支平衡兩大宏觀經濟目標的實現受到了較大影響。2005年，我國經濟增長率高達9.9%，對外貿易方面出口增長強勁，對經濟增長的貢獻率超過35%，遠超正常水平，進口增速顯著降低，內需增長不足，加劇了貿易的不平衡。2008年、2009年中國經濟在經歷2003—2007年的高速增長后進入調整期，同時受國際金融危機的影響，2009年一季度經濟增速觸底僅為6.1%，隨后政府出臺一系列刺激內需的政策促進經濟增速反彈，政府及時的政策措施使得沖擊得到較好的調節控制。

5結論和建議

通過本文的研究，發現金融系統功能的異常點多以單個出現的方式為主，很少出現大規模連續成片的異常點，可見中國金融系統的配置資源和信用創造功能較為穩定，短時間內的小幅偏差不會造成金融系統運行趨勢的改變;金融系統功能有效性的異常點大部分T2值較小，異常程度較輕，少數異常程度較大的異常點多與金融市場的重大改革或是國際金融危機的沖擊有關，且政府都采取了及時有效的調控措施，因此異常情況帶來的不利影響得到了及時控制。

同時，我們可以發現以下四點規律：一是中國金融系統運行中配置資源和信用創造兩大核心功能的發揮較為平穩，以短期的異常為主，發生長期異常的可能性較小;二是非金融部門貸款比重（X11）與非貨幣金融機構貸款比重（X12）兩個指標的異常點時間具有較多的重合，并且與中央銀行出臺的政策聯系緊密，說明中國信貸結構受貨幣政策影響程度較大;三是社會融資結構的改變會使金融系統信用創造功能的發揮出現異常，但是監管部門及時出臺相應的調控政策能夠使其回歸正軌;四是金融系統連續、長期出現的異常現象會導致宏觀經濟目標的實現受到影響。

參考文獻：

[1]劉璇，張朋柱，李嘉，等.商業銀行資金異常識別研究[J].系統管理學報，2013（3）：379-384.

[2]秦學志，李靜一.基于大數據樣本的銀行異常賬戶監測方法[J].系統管理學報，2016（4）：677-682.

[3]徐梅，扈夢.基于D-Markov模型的金融波動模式識別[J].武漢理工大學學報（信息與管理工程版），2014（2）：255-259.

[4]宋軍，吳沖鋒.金融資產定價異常現象研究綜述及其對新資產定價理論的啟示[J].經濟學（季刊），2008（2）：701-730.

[5]羅曉蕾，張明輝，許尚超.區域性金融風險監測預警體系研究：以河南省區域金融風險為例[J].金融理論與實踐，2018（5）：40-46.

[6]劉璇.金融網絡中資金流動模式識別與智能化異常監測[D].上海：上海交通大學，2010.

[7]周國紅.金融系統風險研究與控制的混沌理論探索[J].浙江大學學報（人文社會科學版），2001（3）：81-85.

[8]閔亮，沈悅，韓丹.構建符合國情的我國金融危機預警指標體系[J].現代經濟探討，2008（7）：66-70.

[9]劉志強.金融危機預警指標體系研究[J].世界經濟，1999，6（4）：12-21.

[10]萬義平.國際金融危機預警指標體系的構建[J].統計與決策，2010（14）：8-10.

[11]陳斌，陳松燦，潘志松，等.異常檢測綜述[J].山東大學學報（工學版），2009（6）：13-23.

[12]賈利軍，蔣映泉.資源配置與生產效率：西方經濟理論中關于金融系統功能的解釋與比較[J].河北經貿大學學報，2015（1）：14-18.

[13]王濤.淺說資金流量核算[J].統計與咨詢，2013（4）：33-35.

[14]王靜.基于SVDD技術的宏觀金融穩健性預警與監測研究[J].信息系統工程，2011（2）：110-112.

[15]王洪波.單分類支持向量機的學習方法研究[D].杭州：浙江大學，2012.

[16]SCHOELKOPFB.Supportvectorlearning[D].Delft：TechnischenUniver-sitatBerlin，1997.

[17]TAXDMJ.One-classclassification：conceptlearningintheabsenceofcounter-examples.PhDthesis，DelftUniversityofTechnology，2001.

[18]王洪春，彭宏.一種基于主成分分析的異常點挖掘方法[J].計算機科學，2007（10）：192-194.

[19]王海燕，盛昭瀚.混沌時間序列相空間重構參數的選取方法[J].東南大學學報（自然科學版），2000（5）：113-117.

[20]張艷蘭，欒元重，尹燕運，等.混沌時間序列相空間重構及特性識別[J].測繪科學，2016，41（4）：15-18.

收稿日期：2020-03-16

基金項目：國家自然科學基金（71601116）;上海浦江人才計劃（16PJC045）

作者簡介：紀珣（1995—），女，江蘇南通人，上海交通大學安泰經濟與管理學院管理科學與工程系碩士研究生，研究方向：機器學習、文本分析在會計金融領域的應用，E-mail：jixunjasmine@sjtu.edu.cn。