基于動(dòng)態(tài)CRITIC賦權(quán)的中國(guó)金融壓力指數(shù)構(gòu)建與金融風(fēng)險(xiǎn)識(shí)別

祝志川 蔣犇

摘要：合理測(cè)度和準(zhǔn)確識(shí)別金融市場(chǎng)風(fēng)險(xiǎn)，對(duì)于穩(wěn)定經(jīng)濟(jì)、有效防范金融風(fēng)險(xiǎn)意義重大。依據(jù)中國(guó)金融市場(chǎng)特征，本文采用動(dòng)態(tài)CRITIC法計(jì)算權(quán)重并建立金融壓力指數(shù)測(cè)度模型，通過(guò)非參數(shù)統(tǒng)計(jì)核密度法和B-N數(shù)據(jù)分解法對(duì)金融壓力指數(shù)的分布和金融風(fēng)險(xiǎn)狀態(tài)進(jìn)行估計(jì)與識(shí)別，采用馬爾科夫區(qū)制轉(zhuǎn)換模型檢驗(yàn)高低風(fēng)險(xiǎn)轉(zhuǎn)換概率，并與基于確定項(xiàng)進(jìn)行識(shí)別的結(jié)果進(jìn)行對(duì)比分析。研究表明：基于動(dòng)態(tài)CRITIC賦權(quán)的金融壓力指數(shù)更能反映金融市場(chǎng)的極端值和金融風(fēng)險(xiǎn)，隨機(jī)沖擊是影響我國(guó)金融壓力指數(shù)的重要因素，兩種金融風(fēng)險(xiǎn)識(shí)別方法均可識(shí)別金融風(fēng)險(xiǎn)狀態(tài)且各有優(yōu)勢(shì)，研究中可以互為補(bǔ)充。今后應(yīng)建立更加完善的風(fēng)險(xiǎn)測(cè)度指標(biāo)體系，進(jìn)一步完善監(jiān)管制度，加強(qiáng)對(duì)金融風(fēng)險(xiǎn)的宏觀審慎管理和防范。

關(guān)鍵詞：金融壓力指數(shù)；動(dòng)態(tài)CRITIC法；B-N數(shù)據(jù)分解法；馬爾科夫區(qū)制轉(zhuǎn)換模型

中圖分類號(hào)：F832? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ? ? ? 文章編號(hào)：1007-8576（2024）01-0021-13

DOI：10.16716/j.cnki.65-1030/f.2024.01.003

Construction and Application of China's Financial Stress Index

Based on Dynamic CRITIC Weighting Method

and Financial Risk Identification

ZHU Zhichuan， JIANG Ben

（Liaoning University， Shenyang 110036， China）

Abstract： Reasonable measurement and accurate identification of financial market risks are of great significance for stabilizing the economy and effectively preventing financial risks. According to the characteristics of China's financial market， this paper uses the dynamic CRITIC method to establish the measurement model to calculate the financial stress index， and estimates and identifies the distribution and risk state of financial stress index through non-parametric statistical kernel density method and B-N data decomposition method and the Markov Regime Switching Model is used to test the high and low risk transformation probability of financial stress index to compare with the results identified by deterministic items. The research results indicate that the financial pressure index based on dynamic CRITIC weighting method can better reflect the extreme values and financial risks of the financial market. Random shocks are an important factor affecting China's financial pressure index， and both financial risk identification methods can identify the financial risk status and each has its own advantages. In the future， it is of great necessity to establish a more complete risk measurement index system， further improve the regulatory system， and strengthen macro-prudential management and prevention of financial risks.

Key words： financial stress index; dynamic CRITIC method; B-N data decomposition method; Markov regime switching model

一、問(wèn)題的提出

金融是現(xiàn)代市場(chǎng)經(jīng)濟(jì)的核心，是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要推動(dòng)力量，金融市場(chǎng)穩(wěn)定是市場(chǎng)經(jīng)濟(jì)長(zhǎng)期健康發(fā)展的必然要求。2021年一季度，我國(guó)宏觀杠桿率為276.8%，非金融企業(yè)部門杠桿率為160.3%，政府部門杠桿率為44.5%，住戶部門杠桿率為72.1%1，這可從某種角度說(shuō)明我國(guó)實(shí)體經(jīng)濟(jì)風(fēng)險(xiǎn)處于較高水平，實(shí)體經(jīng)濟(jì)在金融市場(chǎng)的投融資活動(dòng)引致了較高的杠桿率，對(duì)金融市場(chǎng)帶來(lái)了巨大隱患。同時(shí)，不同國(guó)家和地區(qū)的金融市場(chǎng)之間存在較強(qiáng)的相關(guān)性，在對(duì)外開(kāi)放廣度和深度不斷擴(kuò)大的背景下，中國(guó)同世界各國(guó)之間的經(jīng)濟(jì)聯(lián)系日益密切，金融風(fēng)險(xiǎn)隨資本活動(dòng)在全球經(jīng)濟(jì)體間傳導(dǎo)，影響金融風(fēng)險(xiǎn)的因素從內(nèi)部延伸到外部，風(fēng)險(xiǎn)傳導(dǎo)的復(fù)雜性和多渠道性增強(qiáng)。因此，科學(xué)測(cè)度金融市場(chǎng)壓力，把握金融市場(chǎng)壓力變動(dòng)規(guī)律，采用科學(xué)方法準(zhǔn)確識(shí)別金融風(fēng)險(xiǎn)及風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換，這對(duì)宏觀調(diào)控金融市場(chǎng)、防范金融風(fēng)險(xiǎn)、促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要的理論意義和實(shí)踐價(jià)值。

金融壓力指數(shù)具有覆蓋范圍廣、時(shí)效性強(qiáng)的特點(diǎn)，在研究金融風(fēng)險(xiǎn)時(shí)被廣泛使用。Illing［1］利用因子分析、信用權(quán)重等方法測(cè)度了加拿大的金融壓力指數(shù)。Hakkio［2］構(gòu)建了堪薩斯城金融壓力指數(shù)，并用該指數(shù)分析1999—2009年間的金融危機(jī)時(shí)期，研究表明該指數(shù)的峰值能夠與危機(jī)時(shí)期發(fā)生的極端金融事件相對(duì)應(yīng)，從而從實(shí)證角度證明了金融壓力指數(shù)能夠描述金融風(fēng)險(xiǎn)極值。Balakrishnan［3］測(cè)度了新興經(jīng)濟(jì)體的金融壓力指數(shù)，研究了金融壓力從發(fā)達(dá)經(jīng)濟(jì)體向新興經(jīng)濟(jì)體的傳導(dǎo)過(guò)程。Ozcelebi［4］研究了發(fā)達(dá)國(guó)家金融壓力指數(shù)對(duì)其他國(guó)家的影響，發(fā)現(xiàn)發(fā)達(dá)國(guó)家會(huì)利用經(jīng)濟(jì)優(yōu)勢(shì)，將大部分壓力傳導(dǎo)到新興經(jīng)濟(jì)體。Cevik［5］關(guān)于金融壓力指數(shù)與經(jīng)濟(jì)活動(dòng)之間關(guān)系的研究表明，金融壓力指數(shù)對(duì)宏觀經(jīng)濟(jì)變化有很大影響，金融壓力指數(shù)能夠預(yù)示經(jīng)濟(jì)狀況。王維國(guó)［6］構(gòu)建了反映貨幣、銀行和資產(chǎn)價(jià)格風(fēng)險(xiǎn)的壓力指數(shù)，利用區(qū)制轉(zhuǎn)移向量自回歸模型對(duì)3類壓力指數(shù)進(jìn)行了識(shí)別。Macdonald［7］利用金融壓力指數(shù)研究了不同國(guó)家的金融穩(wěn)定情況，發(fā)現(xiàn)金融市場(chǎng)存在較強(qiáng)的依賴性和風(fēng)險(xiǎn)溢出性。丁嵐［8］利用由動(dòng)態(tài)權(quán)重合成的中國(guó)金融壓力指數(shù)進(jìn)行的分析表明，我國(guó)金融壓力呈現(xiàn)出周期性特征，金融風(fēng)險(xiǎn)處于較高水平，但總體水平可控。陳忠陽(yáng)等［9-11］考慮了金融子市場(chǎng)壓力指數(shù)在時(shí)間維度上的相關(guān)性，認(rèn)為在相關(guān)性較高時(shí)期，子市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)較大，系統(tǒng)性風(fēng)險(xiǎn)也較大。

由于僅測(cè)度金融壓力指數(shù)無(wú)法直觀反映金融風(fēng)險(xiǎn)的程度和狀態(tài)，所以近年來(lái)學(xué)界強(qiáng)化了對(duì)金融壓力狀態(tài)識(shí)別問(wèn)題的研究。秦建文等［12-14］利用馬爾科夫區(qū)制轉(zhuǎn)換模型、Logistic模型對(duì)金融壓力狀態(tài)進(jìn)行識(shí)別，分析不同狀態(tài)轉(zhuǎn)換的概率。章曦［15］將金融壓力指數(shù)的測(cè)度、識(shí)別和預(yù)測(cè)納入同一分析框架，通過(guò)建立識(shí)別指數(shù)以有效識(shí)別系統(tǒng)性金融風(fēng)險(xiǎn)的程度。馬勇［16］采用指數(shù)識(shí)別法和事件識(shí)別法來(lái)識(shí)別金融風(fēng)險(xiǎn)。許悅［17］采用門限自回歸模型識(shí)別金融壓力，研究金融風(fēng)險(xiǎn)狀態(tài)與經(jīng)濟(jì)活動(dòng)之間的格蘭杰因果關(guān)系。Yao［18］認(rèn)為在確定金融壓力狀態(tài)的閾值后，金融壓力指數(shù)可有效識(shí)別壓力狀態(tài)。

綜上可知，學(xué)界關(guān)于金融壓力指數(shù)的測(cè)度、識(shí)別和應(yīng)用等成果較為豐富。在測(cè)度方面，已有研究經(jīng)歷了從靜態(tài)賦權(quán)法到動(dòng)態(tài)賦權(quán)法的演變，使金融壓力指數(shù)的測(cè)度更及時(shí)、準(zhǔn)確；在識(shí)別方面，已有研究形成了較為有效的測(cè)度方法，能夠區(qū)分金融風(fēng)險(xiǎn)的不同狀態(tài)；在應(yīng)用方面，已有研究主要集中在金融風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)的非線性傳導(dǎo)關(guān)系上。但已有研究也還存在一定不足。比如，采用的識(shí)別方法比較單一，主要為馬爾科夫區(qū)制轉(zhuǎn)換模型和Logistic模型等非線性自回歸模型，對(duì)風(fēng)險(xiǎn)識(shí)別理論的研究較少，未能深刻剖析金融風(fēng)險(xiǎn)狀態(tài)變化的原因；再如，學(xué)界對(duì)金融壓力指數(shù)的識(shí)別重視不夠，這可能導(dǎo)致在研究金融風(fēng)險(xiǎn)的非線性傳導(dǎo)關(guān)系時(shí)，對(duì)于風(fēng)險(xiǎn)狀態(tài)變量的設(shè)置存在一定偏誤。本文從金融壓力指數(shù)識(shí)別角度出發(fā)，構(gòu)建指標(biāo)體系測(cè)度金融壓力指數(shù)，通過(guò)B-N數(shù)據(jù)分解法將金融壓力指數(shù)分解為隨機(jī)沖擊、確定項(xiàng)和周期項(xiàng)，并根據(jù)分解結(jié)果進(jìn)行識(shí)別，以期更好地把握金融風(fēng)險(xiǎn)識(shí)別的理論依據(jù)。

二、變量選取與研究方法

（一）金融市場(chǎng)的風(fēng)險(xiǎn)因素與指標(biāo)選取

國(guó)內(nèi)股票、債券、外匯等內(nèi)部市場(chǎng)變動(dòng)會(huì)直接影響投資者和金融機(jī)構(gòu)決策，對(duì)中國(guó)金融市場(chǎng)穩(wěn)定造成較大影響。同時(shí)，國(guó)際大宗商品期貨價(jià)格變動(dòng)、美國(guó)股票指數(shù)變動(dòng)等外部市場(chǎng)風(fēng)險(xiǎn)也會(huì)影響國(guó)內(nèi)投資者和風(fēng)險(xiǎn)管理部門決策，進(jìn)而影響中國(guó)金融市場(chǎng)穩(wěn)定。因此，本文將金融市場(chǎng)劃分為債券市場(chǎng)、外匯市場(chǎng)、股票市場(chǎng)和外部市場(chǎng)，先測(cè)算各金融子市場(chǎng)的壓力指數(shù)，再合成中國(guó)金融壓力指數(shù)。本文借鑒已有文獻(xiàn)［1，14］，選擇日度頻次進(jìn)行研究，以保證指標(biāo)具有更強(qiáng)的時(shí)效性。本文構(gòu)建的指標(biāo)體系見(jiàn)表1，樣本區(qū)間為2004年9月3日到2020年6月24日，共3632個(gè)樣本。

債券市場(chǎng)的測(cè)度指標(biāo)包括期限利差和主權(quán)債務(wù)利差。期限利差主要反映債券市場(chǎng)長(zhǎng)期風(fēng)險(xiǎn)與短期風(fēng)險(xiǎn)的關(guān)系，該指標(biāo)值越大，說(shuō)明投機(jī)機(jī)會(huì)越多，債券市場(chǎng)風(fēng)險(xiǎn)越大。主權(quán)債務(wù)利差主要反映長(zhǎng)期內(nèi)人民幣與美元的投資利差。當(dāng)中國(guó)長(zhǎng)期國(guó)債收益率高于美國(guó)長(zhǎng)期國(guó)債收益率時(shí)，具有投機(jī)性質(zhì)的“熱錢”會(huì)大量流入我國(guó)，影響我國(guó)債券市場(chǎng)供需平衡，對(duì)債券市場(chǎng)帶來(lái)一定波動(dòng)；同時(shí)，我國(guó)央行為維持貨幣供應(yīng)量和利率，會(huì)以人民幣收購(gòu)一部分外幣，這會(huì)進(jìn)一步影響我國(guó)貨幣供需穩(wěn)定。因此，主權(quán)債務(wù)利差越大，國(guó)外“熱錢”流入越多，越不利于我國(guó)金融市場(chǎng)穩(wěn)定。

對(duì)外匯市場(chǎng)的測(cè)度以美元兌人民幣匯率和歐元兌人民幣匯率的變動(dòng)率來(lái)衡量。外匯市場(chǎng)主要考慮因人民幣升值或貶值所帶來(lái)的資本異常流動(dòng)風(fēng)險(xiǎn)。本文選擇匯率變動(dòng)率而非匯率波動(dòng)率進(jìn)行測(cè)度的原因是：第一，雖然外匯波動(dòng)率可以描述匯率變動(dòng)的速度和幅度，但卻不能刻畫人民幣升值和貶值程度。相較于匯率波動(dòng)率，匯率變動(dòng)率可以有效反映人民幣升值和貶值程度，而人民幣升值和貶值都會(huì)對(duì)國(guó)內(nèi)貨幣市場(chǎng)造成一定沖擊。第二，由于我國(guó)實(shí)行以市場(chǎng)供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動(dòng)匯率制度，因而匯率制度受政策的影響較大。匯率制度改革后，人民幣匯率的波動(dòng)率會(huì)在匯改后出現(xiàn)異常波動(dòng)，此時(shí)出現(xiàn)的波動(dòng)更多與政策干預(yù)有關(guān)，而并非市場(chǎng)行為所致。此外，央行一直將維持人民幣匯率的基本穩(wěn)定作為主要目標(biāo)，這就決定了長(zhǎng)期來(lái)看匯率波動(dòng)率不會(huì)很大，不能真實(shí)反映外匯市場(chǎng)風(fēng)險(xiǎn)狀態(tài)。因此，本文選擇美元兌人民幣匯率和歐元兌人民幣匯率的變動(dòng)率作為衡量外匯市場(chǎng)的風(fēng)險(xiǎn)指標(biāo)更為合理。

股票市場(chǎng)的測(cè)度指標(biāo)包括上證指數(shù)收益率、深證成指收益率和滬深300指數(shù)收益率。本文使用較為成熟的研究方法，采用時(shí)變方差刻畫各指數(shù)風(fēng)險(xiǎn)。首先通過(guò)3種指數(shù)的日度收盤價(jià)求對(duì)數(shù)收益率，其次利用GARCH模型獲得時(shí)變方差，最后進(jìn)行合成，以此來(lái)衡量我國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)水平。此外，根據(jù)有關(guān)學(xué)者的研究，在GARCH模型族中，GARCH（1，1）模型就已能夠描述金融資產(chǎn)的風(fēng)險(xiǎn)狀態(tài)，為計(jì)算方便，本文在數(shù)據(jù)預(yù)處理時(shí)統(tǒng)一采用了GARCH（1，1）模型。

外部市場(chǎng)主要衡量因外部政治經(jīng)濟(jì)環(huán)境突變所帶來(lái)的風(fēng)險(xiǎn)。由于我國(guó)金融體系建立較晚，金融市場(chǎng)發(fā)展尚不成熟，加之受經(jīng)濟(jì)全球化等影響，當(dāng)前我國(guó)金融市場(chǎng)受到的國(guó)外金融風(fēng)險(xiǎn)沖擊越來(lái)越多。因此，本文在外部市場(chǎng)中引入了多項(xiàng)風(fēng)險(xiǎn)指標(biāo)，主要包括美國(guó)標(biāo)普500指數(shù)波動(dòng)率、WTI原油期貨收盤價(jià)一年移動(dòng)窗口內(nèi)的最大累積損失、黃金期貨收益率和美元指數(shù)收益率。其中：標(biāo)普500指數(shù)、黃金期貨和美元指數(shù)的風(fēng)險(xiǎn)用時(shí)變方差度量；WTI原油期貨采用日度收盤價(jià)計(jì)算一年滾動(dòng)窗口期內(nèi)每個(gè)交易日的最大累積損失，該指標(biāo)可反映世界原油期貨價(jià)格變動(dòng)時(shí)的市場(chǎng)風(fēng)險(xiǎn)。

（二）金融風(fēng)險(xiǎn)的測(cè)度和識(shí)別方法

金融風(fēng)險(xiǎn)量化是研究金融風(fēng)險(xiǎn)性質(zhì)時(shí)要解決的主要問(wèn)題。金融風(fēng)險(xiǎn)并不僅僅是由金融體系中單一市場(chǎng)導(dǎo)致的，而是一種傳導(dǎo)和擴(kuò)散性風(fēng)險(xiǎn)，某一金融市場(chǎng)的突發(fā)性事件不僅會(huì)對(duì)自身產(chǎn)生影響，還會(huì)對(duì)其他金融市場(chǎng)產(chǎn)生影響。因此，在測(cè)度金融風(fēng)險(xiǎn)時(shí)不能只考慮某一金融市場(chǎng)的風(fēng)險(xiǎn)狀況，還應(yīng)考慮市場(chǎng)之間的傳導(dǎo)和擴(kuò)散效應(yīng)。下文介紹研究中所使用的風(fēng)險(xiǎn)測(cè)度模型和方法。

1.金融壓力指數(shù)的測(cè)算方法。金融壓力指數(shù)的測(cè)算涉及兩個(gè)環(huán)節(jié)，即數(shù)據(jù)預(yù)處理（包括風(fēng)險(xiǎn)指標(biāo)的測(cè)度和數(shù)據(jù)標(biāo)準(zhǔn)化處理）以及金融市場(chǎng)風(fēng)險(xiǎn)合成（包括各子市場(chǎng)風(fēng)險(xiǎn)合成和金融市場(chǎng)風(fēng)險(xiǎn)合成）。

在數(shù)據(jù)預(yù)處理環(huán)節(jié)，波動(dòng)性主要用GARCH模型殘差的時(shí)變方差來(lái)表示。模型形式為：

[σ2t=α0+i=1pαiε2t-i+…+j=1qβjσ2t-j]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中，p為[ε2t]的滯后階數(shù)，q為[σ2t]的自回歸階數(shù)。模型（1）為GARCH（p，q）模型，滿足如下條件：[α0>0]；[α1，…，αp≥0]；[β1，…，βq≥0]。

通常，最常用的模型為GARCH（1，1）模型，其方差方程為：

[σ2t=α0+α1ε2t-1+β1σ2t-1]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

式（2）滿足[α0>0]，[α1≥0]，[β1≥0]。雖然在GARCH模型的建模過(guò)程中有比較合理和實(shí)用的方法確定模型滯后階數(shù)，如AIC信息準(zhǔn)則、BIC信息準(zhǔn)則等，但選擇GARCH（1，1）模型就已能夠解釋金融資產(chǎn)收益率存在的異方差現(xiàn)象。Illing等［1，8］利用GARCH模型計(jì)算代表性金融資產(chǎn)的時(shí)變方差時(shí)，也采用了GARCH（1，1）模型。本文沿用這一思路，對(duì)子市場(chǎng)風(fēng)險(xiǎn)指標(biāo)采用GARCH（1，1）模型來(lái)計(jì)算時(shí)變方差。

最大累積損失（CMAX）可以很好地測(cè)度資產(chǎn)風(fēng)險(xiǎn)，其為某一時(shí)刻金融資產(chǎn)的價(jià)格水平與前T個(gè)交易日期內(nèi)價(jià)格最大值的比值（T取1年內(nèi)的總交易日數(shù)）。該比值越小，表明金融風(fēng)險(xiǎn)越大。因此，最大累積損失與金融風(fēng)險(xiǎn)呈反向相關(guān)關(guān)系。Illing［1］將最大累積損失引入系統(tǒng)性金融風(fēng)險(xiǎn)指標(biāo)中，用于測(cè)度加拿大系統(tǒng)性金融壓力指數(shù)。國(guó)內(nèi)相關(guān)學(xué)者為了方便對(duì)最大累積損失進(jìn)行正向標(biāo)準(zhǔn)化處理，對(duì)最大累積損失進(jìn)行了改進(jìn)，使其與金融風(fēng)險(xiǎn)正相關(guān)。既有文獻(xiàn)采用的滾動(dòng)窗口期多有所不同，以一年365天計(jì)算，雙休日和法定節(jié)假日暫停交易，則交易日約為250天左右，故本文采用向前250天作為滾動(dòng)窗口期進(jìn)行滾動(dòng)計(jì)算。最大累積損失（CMAX）的計(jì)算公式為：

[CMAXt=1-xtmax[x∈（xt-j/j=0，1，2，…，T）]]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

式（3）中，[CMAXt]為t時(shí)刻金融資產(chǎn)最大累積損失，[xt]為t時(shí)刻資產(chǎn)價(jià)格，[max[x∈（xt-j/j=0，1，2，…，T）]]為過(guò)去T期滾動(dòng)窗口期內(nèi)金融資產(chǎn)價(jià)格的最大值。

為減少量綱的影響，本文對(duì)各金融子市場(chǎng)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。因子市場(chǎng)風(fēng)險(xiǎn)指標(biāo)影響方向均已調(diào)整為正向，故本文采用正向極值法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化處理公式為：

[x*tj=xtj-minj（xtj）maxj（xtj）-minj（xtj）]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

式（4）中，[xtj]為原始數(shù)據(jù)，[x*tj]為經(jīng)過(guò)正向標(biāo)準(zhǔn)化處理后的數(shù)據(jù)。

在金融壓力指數(shù)測(cè)度環(huán)節(jié)，假設(shè)金融市場(chǎng)內(nèi)第[i]個(gè)子市場(chǎng)的第j個(gè)風(fēng)險(xiǎn)指標(biāo)權(quán)重為[ωij]，[fsiit]表示第[i]個(gè)子市場(chǎng)在[t]時(shí)刻的金融壓力指數(shù)，則子市場(chǎng)權(quán)重[ωij]的計(jì)算公式為：

[ωij=1Stdijj=1m1Stdij]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

式（5）中，[Stdij]為第[i]個(gè)子市場(chǎng)第[j]個(gè)指標(biāo)的前250天滾動(dòng)標(biāo)準(zhǔn)差。將權(quán)重[ωij]與風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化得分進(jìn)行加權(quán)求和，可以構(gòu)建第[i]個(gè)子市場(chǎng)的金融壓力指數(shù)模型，模型形式為：

[fsiit=j=1mωij×x*tj]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

關(guān)于指標(biāo)權(quán)重的計(jì)算，已有研究主要采用因子分析法、熵值法、靜態(tài)CRITIC賦權(quán)法等方法。其中，靜態(tài)CRITIC賦權(quán)法能夠刻畫子市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)，而因子分析法和熵值法在測(cè)算金融壓力指數(shù)時(shí)并未考慮子市場(chǎng)間的風(fēng)險(xiǎn)溢出性，故靜態(tài)CRITIC賦權(quán)法有一定的優(yōu)越性。金融市場(chǎng)各子市場(chǎng)間的風(fēng)險(xiǎn)傳導(dǎo)是時(shí)變的，在風(fēng)險(xiǎn)較小時(shí)，子市場(chǎng)間的風(fēng)險(xiǎn)溢出性并不明顯，而一旦金融市場(chǎng)出現(xiàn)高風(fēng)險(xiǎn)沖擊，則該沖擊風(fēng)險(xiǎn)會(huì)由一個(gè)子市場(chǎng)迅速傳至其他子市場(chǎng)。靜態(tài)CRITIC賦權(quán)法所計(jì)算的風(fēng)險(xiǎn)相關(guān)系數(shù)[rik]是靜態(tài)的，不能有效刻畫子市場(chǎng)風(fēng)險(xiǎn)溢出的時(shí)變特征。在式（7）中，通過(guò)對(duì)相關(guān)系數(shù)[rik]進(jìn)行改進(jìn)，可使其能以T個(gè)時(shí)期為滾動(dòng)窗口期滾動(dòng)計(jì)算相關(guān)系數(shù)，如此便可將相關(guān)系數(shù)[rik]改進(jìn)為動(dòng)態(tài)相關(guān)系數(shù)[rik，t-T]，改進(jìn)的動(dòng)態(tài)CRITIC賦權(quán)法能夠更好地刻畫風(fēng)險(xiǎn)溢出的時(shí)變特征。由于動(dòng)態(tài)CRITIC賦權(quán)法允許子市場(chǎng)間的相關(guān)系數(shù)隨時(shí)間變化，計(jì)算得到的金融壓力指數(shù)更精確且更具時(shí)效性，因而本文采用動(dòng)態(tài)CRITIC賦權(quán)法計(jì)算權(quán)重[ωi，t]，計(jì)算公式為：

[ωi，t=ci，ti=1nci，t]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

式（7）中，[ci，t=σi，t-Ti=1n1-rik，t-T]，[σi，t-T]為第[i]個(gè)子市場(chǎng)的金融壓力指數(shù)在前T個(gè)滾動(dòng)窗口期內(nèi)的滾動(dòng)標(biāo)準(zhǔn)差，[rik，t-T]為第[i]個(gè)子市場(chǎng)和第[k]個(gè)子市場(chǎng)在前T個(gè)滾動(dòng)窗口期內(nèi)的動(dòng)態(tài)相關(guān)系數(shù)。

2.金融風(fēng)險(xiǎn)狀態(tài)的識(shí)別方法。風(fēng)險(xiǎn)狀態(tài)識(shí)別主要涉及馬爾科夫區(qū)制轉(zhuǎn)換模型和B-N數(shù)據(jù)分解法。

其一，馬爾科夫區(qū)制轉(zhuǎn)換模型。金融風(fēng)險(xiǎn)狀態(tài)識(shí)別是測(cè)算金融壓力指數(shù)的一個(gè)重要目的，可據(jù)其確定高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)時(shí)刻。模型識(shí)別法對(duì)于識(shí)別金融風(fēng)險(xiǎn)狀態(tài)有很好的效果，它不僅可以識(shí)別金融風(fēng)險(xiǎn)的不同狀態(tài)，還可估計(jì)狀態(tài)轉(zhuǎn)換的概率。常用的識(shí)別模型有馬爾科夫區(qū)制轉(zhuǎn)換模型、Logistic模型等非線性模型。本文以馬爾科夫區(qū)制轉(zhuǎn)換模型為例，分析中國(guó)金融風(fēng)險(xiǎn)狀態(tài)特征，模型形式如下：

[FSIt=α（st）+β1（st）FSIt-1+…+βp（st）FSIt-p+μt]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （8）

模型中：[FSIt]為[t]時(shí)刻金融壓力指數(shù)，[α（st）]為常數(shù)項(xiàng)，[β1，β2，…，βp]為自回歸模型中滯后項(xiàng)的系數(shù)向量，殘差項(xiàng)[μt?IID0，st]，[st]為時(shí)間[t]的不可觀測(cè)的狀態(tài)隨機(jī)變量，由馬爾科夫鏈過(guò)程生成。馬爾科夫鏈過(guò)程定義為當(dāng)前樣本值只受前一期樣本值的影響，即：

[pij=Pst+1=j|st=i]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （9）

式（9）中：[pij]為生成[st]的概率，且滿足[j=1Npij=1]，[i∈1，2，…，N]，[j∈1，2，…，N]；N表示區(qū)制分類，通常設(shè)置風(fēng)險(xiǎn)狀態(tài)為高、低兩種區(qū)制，因而N取值為2。

本文采用一階兩區(qū)制馬爾科夫鏈過(guò)程，令[i=0]，[j=1]，則區(qū)制轉(zhuǎn)換概率P為：

[P=Pst+1=0|st=0Pst+1=1|st=0Pst+1=0|st=1Pst+1=1|st=1=p1-pq1-q]? ? ? ? ? ? ? ? ? ? ? ? ?（10）

式（10）表示在t期為低風(fēng)險(xiǎn)狀態(tài)的條件下，t+1期為低風(fēng)險(xiǎn)狀態(tài)的條件概率為p， t+1期為高風(fēng)險(xiǎn)狀態(tài)的概率為1-p，顯然二者概率滿足總和為1的條件。

其二，B-N數(shù)據(jù)分解法。B-N數(shù)據(jù)分解法常被用于分析宏觀經(jīng)濟(jì)問(wèn)題中由突發(fā)事件或外生事件所帶來(lái)的沖擊效應(yīng)［17］。設(shè)[fsi]為金融壓力指數(shù)，則[fsi]的一階差分值可由下式表示：

[Δfsit=μ+εt+i=1∞γi×εt-i]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （11）

式（11）中：[Δfsit=fsit-fsit-1]，表示金融壓力指數(shù)的一階差分序列；[μ=t=2nΔfsitn-1]，表示一階差分序列在樣本期內(nèi)的均值；[εt]是服從均值為0、方差為[σ2]的隨機(jī)變量。根據(jù)B-N數(shù)據(jù)分解法的分解原理，[fsii]的確定項(xiàng)趨勢(shì)DTt可以分解為：

[DTt=fsi0+μ×t]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（12）

式（12）中，[fsi0]是金融壓力指數(shù)的初始值，[t]為樣本數(shù)。隨機(jī)游走趨勢(shì)項(xiàng)[Tt]可以分解為：

[Tt=fsit+φΔfsit-μ1-φ]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （13）

式（13）中，[φ]為[Δfsi]的一階自回歸系數(shù)。由此，周期項(xiàng)Ct可以分解為：

[Ct=-φΔfsit-μ1-φ]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （14）

結(jié)合以上3個(gè)公式，隨機(jī)沖擊項(xiàng)STt可表示為：

[STt=fsit-Ct-DTt] [=fsit+φΔfsit-μ1-φ-fsi0+μ×t]? ? ? ? ? ? ? ? ? （15）

三、金融壓力指數(shù)的測(cè)算及分析

（一）子市場(chǎng)金融壓力指數(shù)趨勢(shì)分析

由表2可初步了解子市場(chǎng)金融壓力指數(shù)的統(tǒng)計(jì)特征。債券市場(chǎng)金融壓力指數(shù)主要刻畫因債券利差所產(chǎn)生的風(fēng)險(xiǎn)。債券利差大，表明債券市場(chǎng)有大量投資機(jī)會(huì)，此時(shí)投機(jī)資本會(huì)流入債券市場(chǎng)，產(chǎn)生一定風(fēng)險(xiǎn)；債券利差小，說(shuō)明短期內(nèi)投資機(jī)會(huì)少，此時(shí)投機(jī)資本流動(dòng)性較差。外匯市場(chǎng)金融壓力指數(shù)主要刻畫因人民幣幣值變化所引起的國(guó)際資本流動(dòng)風(fēng)險(xiǎn)。人民幣幣值變化會(huì)引致國(guó)際“熱錢”流動(dòng)，沖擊我國(guó)貨幣體系。股票市場(chǎng)金融壓力指數(shù)主要刻畫股價(jià)波動(dòng)所帶來(lái)的風(fēng)險(xiǎn)。在一定時(shí)期內(nèi)，股票市場(chǎng)波動(dòng)率小，說(shuō)明市場(chǎng)較穩(wěn)定，投融資活動(dòng)產(chǎn)生的風(fēng)險(xiǎn)小；若股票市場(chǎng)波動(dòng)率大，則會(huì)導(dǎo)致投資者產(chǎn)生恐慌情緒，抑制投資積極性。外部市場(chǎng)金融壓力指數(shù)主要刻畫大宗商品期貨市場(chǎng)的風(fēng)險(xiǎn)。大宗商品期貨價(jià)格變動(dòng)與國(guó)際金融市場(chǎng)穩(wěn)定之間密切相關(guān)。期貨價(jià)格異常變動(dòng)既會(huì)引起投資者恐慌，又會(huì)刺激投機(jī)行為，造成金融市場(chǎng)波動(dòng)。由表2可以初步判斷，各子市場(chǎng)金融壓力指數(shù)具有顯著差異。債券市場(chǎng)、外匯市場(chǎng)和外部市場(chǎng)的平均風(fēng)險(xiǎn)值較為接近，股票市場(chǎng)的平均風(fēng)險(xiǎn)值較小。從變化程度來(lái)看，債券市場(chǎng)和股票市場(chǎng)的變化大于外匯市場(chǎng)和外部市場(chǎng)。從區(qū)間來(lái)看，外匯市場(chǎng)和股票市場(chǎng)的區(qū)間比債券市場(chǎng)和外部市場(chǎng)大。從偏度來(lái)看，債券市場(chǎng)、股票市場(chǎng)和外部市場(chǎng)為右偏，外匯市場(chǎng)為左偏。

1.債券市場(chǎng)金融壓力指數(shù)分析。從圖1可以看出，2003—2020年間，我國(guó)債券市場(chǎng)共出現(xiàn)了5次較高風(fēng)險(xiǎn)時(shí)期。第一次是2004—2005年，為防止投資過(guò)熱，國(guó)務(wù)院于2004年3月采取了緊縮性措施，央行配合實(shí)施了壓縮信貸規(guī)模的貨幣政策，使得債券市場(chǎng)大幅波動(dòng)。第二次是受2008年美國(guó)次貸危機(jī)影響，金融風(fēng)險(xiǎn)達(dá)到了樣本期內(nèi)的最大值。第三次是2014—2015年，債券市場(chǎng)進(jìn)一步開(kāi)放，企業(yè)資產(chǎn)債券化進(jìn)程加快，但信用違約事件增加，風(fēng)險(xiǎn)隨之增大。第四次是2018年，債券違約逐漸呈常態(tài)化趨勢(shì)，同時(shí)受中美貿(mào)易摩擦等影響，部分企業(yè)經(jīng)營(yíng)成本上升，償債能力下降，加劇了債券市場(chǎng)風(fēng)險(xiǎn)。第五次是2020年，受新冠疫情影響，企業(yè)經(jīng)營(yíng)狀況不佳，償債能力下降，債券違約風(fēng)險(xiǎn)上升。但隨著復(fù)工復(fù)產(chǎn)的推進(jìn)，企業(yè)生產(chǎn)能力得到釋放，債券風(fēng)險(xiǎn)迅速降至低點(diǎn)。

2.外匯市場(chǎng)金融壓力指數(shù)分析。由圖2可知，外匯市場(chǎng)金融壓力指數(shù)的變化主要與我國(guó)匯率制度市場(chǎng)化改革緊密相關(guān)。1994—2005年間，我國(guó)實(shí)行并軌制匯率制度，官方匯率與調(diào)劑匯率并行，其主要特點(diǎn)是盯住美元，人民幣幣值只受美元幣值影響。因此，這一階段外匯市場(chǎng)壓力較小。2005年匯率制度改革之后，不再以單一美元為標(biāo)準(zhǔn)，而是實(shí)行參考一籃子貨幣進(jìn)行調(diào)節(jié)的浮動(dòng)匯率制。2006—2015年，即使發(fā)生了次貸危機(jī)，但匯率波動(dòng)并不大。主要原因是此時(shí)我國(guó)還未完全放開(kāi)匯率市場(chǎng)，央行為防范投機(jī)資本流入，利用外匯儲(chǔ)備干預(yù)外匯市場(chǎng)、穩(wěn)定匯率，縮小匯率浮動(dòng)區(qū)間，降低了美元貶值對(duì)人民幣幣值的影響。自2015年8月11日起，匯率中間價(jià)決定權(quán)逐步開(kāi)放，再次推動(dòng)了匯率市場(chǎng)化進(jìn)程。此次匯改之后，人民幣匯率波動(dòng)性明顯上升，匯率市場(chǎng)化程度進(jìn)一步加深。

3.股票市場(chǎng)金融壓力指數(shù)分析。由圖3可以看出，我國(guó)股票市場(chǎng)經(jīng)歷了3次較為嚴(yán)重的風(fēng)險(xiǎn)時(shí)期。第一次是在2007年，為抑制股市過(guò)熱，財(cái)政部將證券交易印花稅稅率由1‰上調(diào)到3‰，此舉對(duì)股票市場(chǎng)造成了很大波動(dòng)。第二次是在2008年，為緩解美國(guó)次貸危機(jī)的沖擊，我國(guó)進(jìn)一步擴(kuò)大內(nèi)需、刺激投資，資金多流入基礎(chǔ)設(shè)施領(lǐng)域和房地產(chǎn)行業(yè)，分擔(dān)了部分次貸危機(jī)風(fēng)險(xiǎn)，但也抬高了經(jīng)濟(jì)杠桿率。第三次是在2015年，這是繼2008年次貸危機(jī)后的又一次較為嚴(yán)重的風(fēng)險(xiǎn)時(shí)期。高杠桿率資本面對(duì)股市下跌表現(xiàn)出極高的敏感性，一旦出現(xiàn)不利信息，極易形成較大風(fēng)險(xiǎn)。

4.外部市場(chǎng)金融壓力指數(shù)分析。由圖4可以看出，外部市場(chǎng)的主要沖擊來(lái)自國(guó)外重大事件。2008年次貸危機(jī)使得美國(guó)房地產(chǎn)泡沫破裂，房貸違約事件激增，股市劇烈動(dòng)蕩。2016年外部市場(chǎng)波動(dòng)較大，不確定因素增加。從政治層面來(lái)講，國(guó)際政治形勢(shì)持續(xù)動(dòng)蕩，英國(guó)脫歐、美國(guó)大選等對(duì)全球經(jīng)濟(jì)形勢(shì)有很大影響。從經(jīng)濟(jì)層面來(lái)講，2016年世界經(jīng)濟(jì)低迷，需求不振，同時(shí)全球資產(chǎn)泡沫擴(kuò)大、美聯(lián)儲(chǔ)加息、不良貸款率上升等，進(jìn)一步加劇了金融形勢(shì)困境。2020年初的外部市場(chǎng)壓力主要來(lái)源于新冠疫情導(dǎo)致的美股暴跌，連續(xù)觸發(fā)熔斷機(jī)制，造成投資者恐慌。

（二）金融壓力指數(shù)的分布特征

利用動(dòng)態(tài)CRITIC法可對(duì)債券市場(chǎng)、外匯市場(chǎng)、股票市場(chǎng)、外部市場(chǎng)4個(gè)子市場(chǎng)的金融壓力指數(shù)進(jìn)行合成，從而得到整個(gè)金融市場(chǎng)的壓力指數(shù)。分析主要從兩個(gè)維度展開(kāi)：首先，從時(shí)間維度分析樣本期內(nèi)我國(guó)發(fā)生的重大風(fēng)險(xiǎn)事件；其次，為彌補(bǔ)時(shí)間維度分析的不足，采用核密度估計(jì)方法對(duì)金融壓力指數(shù)進(jìn)行分析，以全面把握金融市場(chǎng)風(fēng)險(xiǎn)特征。

1.金融壓力指數(shù)趨勢(shì)分析。圖5為以等方差法和動(dòng)態(tài)CRITIC法測(cè)度的金融壓力指數(shù)時(shí)間趨勢(shì)圖。通過(guò)對(duì)比可以發(fā)現(xiàn)：第一，兩種指數(shù)對(duì)研究期內(nèi)發(fā)生的重大金融風(fēng)險(xiǎn)事件都有一定程度的反映，基本展現(xiàn)了研究期內(nèi)我國(guó)發(fā)生的主要風(fēng)險(xiǎn)事件，其中包括金融市場(chǎng)自身發(fā)生的風(fēng)險(xiǎn)事件，還體現(xiàn)了受國(guó)際環(huán)境等因素的影響而產(chǎn)生的風(fēng)險(xiǎn)。2008年美國(guó)次貸危機(jī)和2015年中國(guó)股災(zāi)主要是因金融市場(chǎng)缺乏有效監(jiān)管造成的，2018年和2020年則更多是受國(guó)際貿(mào)易沖突和新冠疫情等金融體系之外的事件影響。這說(shuō)明，只要某一事件會(huì)造成資產(chǎn)價(jià)格不合理波動(dòng)，其就可能造成金融壓力指數(shù)上升。第二，兩種指數(shù)的波動(dòng)性有所不同，以動(dòng)態(tài)CRITIC法測(cè)度的金融壓力指數(shù)在發(fā)生風(fēng)險(xiǎn)事件時(shí)指數(shù)增幅較大，而以等方差法測(cè)度的金融壓力指數(shù)在發(fā)生風(fēng)險(xiǎn)事件時(shí)指數(shù)增幅相對(duì)較小。這主要是因動(dòng)態(tài)CRITIC法在測(cè)度金融壓力指數(shù)時(shí)考慮了金融子市場(chǎng)之間的風(fēng)險(xiǎn)溢出和傳導(dǎo)效應(yīng)，子市場(chǎng)之間相關(guān)性越強(qiáng)，風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)越大。金融風(fēng)險(xiǎn)較大時(shí)，投資者會(huì)在各種金融資產(chǎn)中進(jìn)行選擇，風(fēng)險(xiǎn)也會(huì)隨之傳導(dǎo)至其他市場(chǎng)。

2.金融壓力指數(shù)的核密度分析。核密度曲線圖能夠描繪峰度、偏度、極大值、極小值和尾部特征等，可以借此從宏觀上把握金融體系的風(fēng)險(xiǎn)狀態(tài)。由圖6可知：根據(jù)等方差法和動(dòng)態(tài)CRITIC法測(cè)算金融壓力指數(shù)進(jìn)而繪制的核密度曲線圖都呈現(xiàn)“尖峰厚尾”的特征，F(xiàn)SI_equal的最小峰度在6.5左右，超過(guò)了正態(tài)分布的峰度，F(xiàn)SI_critic的峰度在4.5左右。這說(shuō)明等方差法和動(dòng)態(tài)CRITIC法這兩種方法都能在一定程度上刻畫金融風(fēng)險(xiǎn)特征，但二者的區(qū)別更明顯。一是以等方差法測(cè)算的金融壓力指數(shù)有兩個(gè)明顯的峰值，分別位于0.3和0.38處；而以動(dòng)態(tài)CRITIC法測(cè)算的金融壓力指數(shù)只有一個(gè)明顯的峰值，位于0.35處。由圖5可知，F(xiàn)SI_equal在2004年9月到2008年9月以及在2010年9月到2014年9月間基本保持穩(wěn)定，F(xiàn)SI_equal的核密度曲線在這兩個(gè)區(qū)間附近形成了比較明顯的聚集，數(shù)據(jù)密度較大。二是FSI_critic的樣本區(qū)間比FSI_equal的樣本區(qū)間更大，前者在0.1～0.6之間，而后者在0.2～0.6之間。FSI_critic的核密度峰值小于FSI_equal的核密度峰值。這主要是因動(dòng)態(tài)CRITIC法能夠捕捉到更為敏感的極端信息，而等方差法是一種靜態(tài)賦權(quán)方法，不能有效捕捉極端值。三是動(dòng)態(tài)CRITIC法比等方差法更能體現(xiàn)金融風(fēng)險(xiǎn)的“厚尾性”。由圖6可以看出，F(xiàn)SI_critic的核密度曲線左右尾部均比FSI_equal厚，且右尾部又出現(xiàn)了一個(gè)小高峰，說(shuō)明此處的風(fēng)險(xiǎn)值也出現(xiàn)了一定聚集，出現(xiàn)較高風(fēng)險(xiǎn)的次數(shù)較多。

由于動(dòng)態(tài)CRITIC法具有更準(zhǔn)確、動(dòng)態(tài)的特性，故下文選擇基于動(dòng)態(tài)CRITIC賦權(quán)法計(jì)算的金融壓力指數(shù)作為金融市場(chǎng)的風(fēng)險(xiǎn)指標(biāo)，并對(duì)該指數(shù)作進(jìn)一步分析。

四、金融壓力指數(shù)分解與金融風(fēng)險(xiǎn)識(shí)別

（一）金融壓力指數(shù)分解

為避免實(shí)證中出現(xiàn)偽回歸現(xiàn)象，本研究對(duì)金融壓力指數(shù)進(jìn)行了平穩(wěn)性檢驗(yàn)，結(jié)果（限于篇幅，文中未列示）表明，以動(dòng)態(tài)CRITIC法測(cè)度的金融壓力指數(shù)的P值為0.0670，在5%的置信水平上不平穩(wěn)，而其一階差分序列的P值為0.0000，在5%的置信水平上平穩(wěn)，故本研究采用差分后的數(shù)據(jù)進(jìn)行金融壓力指數(shù)分解分析。

由圖7可知：第一，隨機(jī)游走成分的走勢(shì)和金融壓力指數(shù)的走勢(shì)相似度非常高，說(shuō)明金融壓力指數(shù)與隨機(jī)游走成分具有很強(qiáng)的相關(guān)性。如2008年9月，美國(guó)次貸危機(jī)導(dǎo)致我國(guó)金融市場(chǎng)大幅波動(dòng)，此時(shí)隨機(jī)游走成分也出現(xiàn)大幅上升，表明這一時(shí)期金融市場(chǎng)不確定性增大，隨機(jī)成分成為與金融風(fēng)險(xiǎn)相關(guān)性最強(qiáng)的因素。再如，2015年我國(guó)發(fā)生股災(zāi)，各大指數(shù)紛紛下跌，金融風(fēng)險(xiǎn)上升，此時(shí)隨機(jī)游走成分同樣呈現(xiàn)上升態(tài)勢(shì)。在金融風(fēng)險(xiǎn)較為穩(wěn)定的2011—2014年間，隨機(jī)游走成分維持在0.3左右，未發(fā)生明顯上升。這說(shuō)明當(dāng)金融市場(chǎng)面臨較大沖擊時(shí)，市場(chǎng)不確定性會(huì)增大，此時(shí)隨機(jī)游走成分將會(huì)影響整個(gè)金融市場(chǎng)的風(fēng)險(xiǎn)狀況。第二，金融壓力指數(shù)的周期成分在金融風(fēng)險(xiǎn)較高時(shí)非常明顯。金融風(fēng)險(xiǎn)較高時(shí)，周期成分非常明顯，而金融風(fēng)險(xiǎn)越穩(wěn)定，周期成分則越接近于0。在金融市場(chǎng)比較穩(wěn)定的2012年和2017年，周期成分在-0.01～0.01之間變動(dòng)；2008年9月和2015年9月前后，周期成分的變動(dòng)范圍擴(kuò)大為-0.03～0.03。第三，結(jié)合隨機(jī)游走成分和周期成分來(lái)看，金融壓力指數(shù)的變化往往是受二者的綜合影響。當(dāng)金融市場(chǎng)較為穩(wěn)定時(shí)，周期成分接近于0，此時(shí)金融壓力指數(shù)主要受隨機(jī)游走成分影響；當(dāng)金融市場(chǎng)受到較大沖擊時(shí)，周期成分會(huì)產(chǎn)生強(qiáng)烈波動(dòng)，這種波動(dòng)會(huì)作用于金融市場(chǎng)，導(dǎo)致金融壓力指數(shù)上升。

根據(jù)B-N數(shù)據(jù)分解法，隨機(jī)游走成分還可分解為隨機(jī)沖擊項(xiàng)和確定項(xiàng)。確定項(xiàng)趨勢(shì)的經(jīng)濟(jì)含義是金融壓力指數(shù)在長(zhǎng)期內(nèi)的量化趨勢(shì)，主要根據(jù)金融壓力指數(shù)的初始值、差分值和時(shí)間長(zhǎng)度計(jì)算得到，其受金融壓力指數(shù)初始值的影響較大。通過(guò)計(jì)算可知，確定項(xiàng)平均值為0.4481，最小值、最大值分別為0.3903和0.5060，方差僅為0.0011，說(shuō)明在樣本期內(nèi)，我國(guó)金融市場(chǎng)面臨的長(zhǎng)期風(fēng)險(xiǎn)約為0.4481。確定項(xiàng)可被看作我國(guó)金融體系面臨的一種長(zhǎng)期風(fēng)險(xiǎn)，是由正常的經(jīng)濟(jì)活動(dòng)所產(chǎn)生的風(fēng)險(xiǎn)。

發(fā)生金融危機(jī)時(shí)，金融風(fēng)險(xiǎn)除來(lái)自確定項(xiàng)的風(fēng)險(xiǎn)之外，還來(lái)自突發(fā)事件所帶來(lái)的隨機(jī)沖擊，這種沖擊是不可預(yù)期的，且隨著金融活動(dòng)范圍的不斷擴(kuò)大，沖擊來(lái)源越來(lái)越廣泛。由圖8可知：其一，隨機(jī)沖擊、隨機(jī)游走、金融壓力指數(shù)這3個(gè)序列的走勢(shì)相似度較高，原因可能在于隨機(jī)沖擊項(xiàng)是隨機(jī)游走成分的重要組成部分，而金融壓力指數(shù)的走勢(shì)極易受隨機(jī)游走成分的影響。其二，隨機(jī)沖擊項(xiàng)為正的時(shí)期表示此階段某種沖擊會(huì)加劇市場(chǎng)上的金融風(fēng)險(xiǎn)，隨機(jī)沖擊項(xiàng)為負(fù)的時(shí)期則表示此階段金融市場(chǎng)比較穩(wěn)定，金融風(fēng)險(xiǎn)維持在可接受、可控制的范圍之內(nèi)。如2008年9月前后，隨機(jī)沖擊項(xiàng)為正，隨機(jī)游走成分呈現(xiàn)上升態(tài)勢(shì)，金融壓力指數(shù)上升；2012年和2017年，隨機(jī)沖擊項(xiàng)為負(fù)，表明金融市場(chǎng)未發(fā)生明顯的沖擊性事件，隨機(jī)沖擊并未造成隨機(jī)游走成分呈現(xiàn)上升態(tài)勢(shì)，也未造成金融壓力指數(shù)上升。其三，隨機(jī)沖擊上升階段，金融體系可能面臨一些潛在風(fēng)險(xiǎn)的沖擊，當(dāng)這種沖擊小于0時(shí)，其對(duì)整個(gè)市場(chǎng)的影響可能并不明顯，而一旦這種沖擊大于0，則很可能演變?yōu)檩^為嚴(yán)重的金融風(fēng)險(xiǎn)事件，甚至可能演變?yōu)榻鹑谖C(jī)。相反，在隨機(jī)沖擊下降階段，財(cái)政部、央行等部門可能為緩解金融風(fēng)險(xiǎn)過(guò)高的局面而通過(guò)財(cái)政政策、貨幣政策進(jìn)行干預(yù)，政策措施的實(shí)施會(huì)遏制金融風(fēng)險(xiǎn)攀升的勢(shì)頭，逐步化解隨機(jī)沖擊所帶來(lái)的風(fēng)險(xiǎn)，使得金融風(fēng)險(xiǎn)穩(wěn)定在合理水平。因此，隨機(jī)沖擊的下降階段往往伴隨著有針對(duì)性的政策手段。

（二）金融風(fēng)險(xiǎn)識(shí)別

學(xué)者們?cè)谘芯拷鹑陲L(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)、政策效果等問(wèn)題時(shí)，往往會(huì)考慮其中存在的非線性特征［11，17］，在分析金融風(fēng)險(xiǎn)時(shí)也應(yīng)根據(jù)金融風(fēng)險(xiǎn)的階段性特征識(shí)別高低風(fēng)險(xiǎn)時(shí)期。目前學(xué)界主要采用馬爾科夫區(qū)制轉(zhuǎn)換模型來(lái)識(shí)別金融壓力的高低狀態(tài)。本研究先建立馬爾科夫區(qū)制轉(zhuǎn)換模型，檢驗(yàn)金融壓力指數(shù)是否具有明顯不同的狀態(tài)，并根據(jù)轉(zhuǎn)換概率圖分析樣本期內(nèi)狀態(tài)變化的原因，再根據(jù)B-N數(shù)據(jù)分解得到的確定項(xiàng)對(duì)金融風(fēng)險(xiǎn)進(jìn)行識(shí)別，最后對(duì)兩種識(shí)別方法進(jìn)行比較，總結(jié)各自的優(yōu)缺點(diǎn)。

1.基于馬爾科夫區(qū)制轉(zhuǎn)換模型的識(shí)別。利用馬爾科夫區(qū)制轉(zhuǎn)換模型估計(jì)風(fēng)險(xiǎn)轉(zhuǎn)換特征，結(jié)果（限于篇幅，文中未列示）表明：金融風(fēng)險(xiǎn)維持在低風(fēng)險(xiǎn)時(shí)期的概率參數(shù)估計(jì)值為0.9644，P值為0.0000，說(shuō)明我國(guó)金融體系處于低風(fēng)險(xiǎn)狀態(tài)，不易向高風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)換，具有一定黏性。由高風(fēng)險(xiǎn)向低風(fēng)險(xiǎn)轉(zhuǎn)換的概率參數(shù)估計(jì)值為0.0986，P值為0.0000，說(shuō)明存在由高風(fēng)險(xiǎn)向低風(fēng)險(xiǎn)轉(zhuǎn)換的可能性，但持續(xù)時(shí)間較短，整個(gè)樣本期內(nèi)，我國(guó)金融風(fēng)險(xiǎn)整體處于可控范圍之內(nèi)。一般來(lái)講，風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換概率越高，金融市場(chǎng)越不穩(wěn)定，若金融市場(chǎng)長(zhǎng)期處于高風(fēng)險(xiǎn)與低風(fēng)險(xiǎn)的不斷轉(zhuǎn)換中，說(shuō)明這一時(shí)期金融市場(chǎng)不斷受到來(lái)自自身或外界不穩(wěn)定因素的沖擊，貨幣當(dāng)局未能及時(shí)采取有效措施降低沖擊帶來(lái)的影響。我國(guó)金融風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)換概率較低，說(shuō)明我國(guó)金融風(fēng)險(xiǎn)監(jiān)管和降低風(fēng)險(xiǎn)的政策措施均有較好成效，但金融體系仍有一定概率處于高風(fēng)險(xiǎn)時(shí)期，這就要求在識(shí)別系統(tǒng)性金融風(fēng)險(xiǎn)的基礎(chǔ)上，實(shí)施相應(yīng)的政策措施以有效化解高風(fēng)險(xiǎn)，使高風(fēng)險(xiǎn)狀態(tài)逐漸向低風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換。

進(jìn)一步地，本研究根據(jù)轉(zhuǎn)換概率繪制了轉(zhuǎn)換概率圖，這樣不僅可以了解每一時(shí)刻的風(fēng)險(xiǎn)狀態(tài)，還可以清楚高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)的轉(zhuǎn)換時(shí)期。由圖9可以看出，金融壓力處于高風(fēng)險(xiǎn)狀態(tài)的時(shí)期分別為2008年9月至2009年2月、2015年2月至2016年1月。在2007年5月至2008年9月、2010年11月至2012年2月、2014年11月至2015年11月、2019年1月至2019年9月這4個(gè)時(shí)間段，金融風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換較為頻繁。在區(qū)制轉(zhuǎn)換概率矩陣中，由低風(fēng)險(xiǎn)狀態(tài)向高風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換的概率為0.0356，而從高風(fēng)險(xiǎn)狀態(tài)向低風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換的概率為0.0986，說(shuō)明我國(guó)金融體系整體風(fēng)險(xiǎn)由高風(fēng)險(xiǎn)向低風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換的概率相對(duì)較大。

2.基于B-N數(shù)據(jù)分解法得到的確定項(xiàng)的識(shí)別。根據(jù)隨機(jī)游走成分的確定項(xiàng)來(lái)識(shí)別金融風(fēng)險(xiǎn)高低狀態(tài)的主要依據(jù)是：當(dāng)金融市場(chǎng)未受沖擊時(shí)，金融風(fēng)險(xiǎn)比較穩(wěn)定，金融壓力指數(shù)并未表現(xiàn)出較大波動(dòng)，此時(shí)風(fēng)險(xiǎn)主要是正常經(jīng)濟(jì)活動(dòng)產(chǎn)生的風(fēng)險(xiǎn)，即為隨機(jī)游走成分中的確定項(xiàng)；當(dāng)金融市場(chǎng)受重大事件沖擊時(shí)，隨機(jī)沖擊的波動(dòng)幅度增大，這時(shí)隨機(jī)游走成分中隨機(jī)沖擊的影響增強(qiáng)，使得隨機(jī)游走成分呈上升趨勢(shì)，繼而使得金融風(fēng)險(xiǎn)增大。因此，一旦金融壓力指數(shù)超過(guò)隨機(jī)游走成分中的確定項(xiàng)，則隨機(jī)沖擊產(chǎn)生的影響就會(huì)加劇金融風(fēng)險(xiǎn)。本文根據(jù)這一思路利用確定項(xiàng)來(lái)識(shí)別金融風(fēng)險(xiǎn)的高低狀態(tài)。圖10是根據(jù)確定項(xiàng)識(shí)別的狀態(tài)圖，DT線是確定項(xiàng)的均值。DT線之下為低風(fēng)險(xiǎn)狀態(tài)，表示金融市場(chǎng)風(fēng)險(xiǎn)較小，隨機(jī)沖擊成分影響較小；DT線之上為高風(fēng)險(xiǎn)狀態(tài)，表示隨機(jī)沖擊所占的比重逐漸增大，推動(dòng)金融壓力指數(shù)上升。由圖10可知，樣本期內(nèi)，金融風(fēng)險(xiǎn)較高的時(shí)期主要有3個(gè)：2004年9月至2005年7月、2008年10月至2009年9月、2014年7月至2015年9月。可見(jiàn)，基于確定項(xiàng)的識(shí)別方法也能夠有效識(shí)別中國(guó)金融市場(chǎng)的高風(fēng)險(xiǎn)時(shí)期，如2008年金融危機(jī)和2015年股災(zāi)等。這意味著基于確定項(xiàng)的識(shí)別結(jié)果與基于馬爾科夫區(qū)制轉(zhuǎn)換模型所得到的結(jié)論具有一定的相似性，基于確定項(xiàng)識(shí)別金融風(fēng)險(xiǎn)狀態(tài)具有一定的合理性。

（三）兩種識(shí)別方法的比較

第一，通過(guò)模型擬合，區(qū)制轉(zhuǎn)換模型可以非常清楚地得到單個(gè)樣本屬于不同風(fēng)險(xiǎn)狀態(tài)的概率，這對(duì)預(yù)測(cè)金融風(fēng)險(xiǎn)狀態(tài)有重要意義，即可以通過(guò)金融壓力指數(shù)來(lái)預(yù)測(cè)處于高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)狀態(tài)的概率。區(qū)制轉(zhuǎn)換模型能夠識(shí)別出金融風(fēng)險(xiǎn)在不同狀態(tài)之間轉(zhuǎn)換的時(shí)期。例如，2007年9月至2008年9月，這期間金融風(fēng)險(xiǎn)狀態(tài)發(fā)生了多次轉(zhuǎn)換，說(shuō)明這一時(shí)期金融市場(chǎng)出現(xiàn)了不穩(wěn)定因素；從2008年美國(guó)次貸危機(jī)爆發(fā)到2012年9月，風(fēng)險(xiǎn)狀態(tài)出現(xiàn)了較長(zhǎng)時(shí)期的頻繁轉(zhuǎn)換，表明金融危機(jī)在較長(zhǎng)時(shí)期內(nèi)造成了我國(guó)金融市場(chǎng)不穩(wěn)定。第二，區(qū)制轉(zhuǎn)換模型具有較大靈活性，可以通過(guò)設(shè)置不同的區(qū)制個(gè)數(shù)計(jì)算多種狀態(tài)的概率，因而對(duì)金融風(fēng)險(xiǎn)的識(shí)別更準(zhǔn)確、高效。但是，區(qū)制轉(zhuǎn)換模型只是通過(guò)金融壓力指數(shù)來(lái)計(jì)算概率，并不能對(duì)金融風(fēng)險(xiǎn)進(jìn)行更詳細(xì)的分解，而利用B-N數(shù)據(jù)分解法得到的確定項(xiàng)來(lái)識(shí)別金融風(fēng)險(xiǎn)能夠彌補(bǔ)這一不足。B-N數(shù)據(jù)分解法先分解得到影響金融風(fēng)險(xiǎn)的隨機(jī)游走成分和周期項(xiàng)成分，又將隨機(jī)游走成分分解為隨機(jī)沖擊和確定項(xiàng)，最后利用確定項(xiàng)來(lái)識(shí)別風(fēng)險(xiǎn)狀態(tài)，這為金融風(fēng)險(xiǎn)的識(shí)別提供了理論依據(jù)，能夠使區(qū)制轉(zhuǎn)換模型得到的轉(zhuǎn)換概率具有更強(qiáng)的理論意義。因此，基于馬爾科夫區(qū)制轉(zhuǎn)換模型和基于B-N數(shù)據(jù)分解法得到確定項(xiàng)這兩種方法可從不同角度識(shí)別金融風(fēng)險(xiǎn)，是對(duì)風(fēng)險(xiǎn)識(shí)別的重要補(bǔ)充。

五、結(jié)論與建議

（一）主要結(jié)論

本文將我國(guó)金融市場(chǎng)劃分為債券市場(chǎng)、股票市場(chǎng)、外匯市場(chǎng)和外部市場(chǎng)4個(gè)子市場(chǎng)，構(gòu)建金融壓力指數(shù)綜合評(píng)價(jià)體系，利用標(biāo)準(zhǔn)差倒數(shù)權(quán)重法測(cè)算4個(gè)子市場(chǎng)的日度金融壓力指數(shù)，采用等方差法和動(dòng)態(tài)CRITIC法對(duì)各子市場(chǎng)的金融壓力指數(shù)進(jìn)行合成，分別得到靜態(tài)和動(dòng)態(tài)的金融壓力指數(shù)，并利用核密度分析法繪制了核密度曲線。本文得到的主要研究結(jié)論為：其一，采用等方差法和動(dòng)態(tài)CRITIC法得到的金融壓力指數(shù)在描述金融市場(chǎng)風(fēng)險(xiǎn)時(shí)分布曲線的形狀有明顯差別，前者呈“雙峰”特征，后者呈“單峰”特征，后者能夠更好地描述金融市場(chǎng)出現(xiàn)的極端值，更準(zhǔn)確地描述金融風(fēng)險(xiǎn)。其二，隨機(jī)沖擊是影響我國(guó)金融壓力指數(shù)的重要因素，當(dāng)某個(gè)金融事件所產(chǎn)生的隨機(jī)沖擊超過(guò)了隨機(jī)游走成分中的確定項(xiàng)時(shí)，該沖擊就會(huì)造成金融壓力指數(shù)上升，意味著金融風(fēng)險(xiǎn)增大。在金融風(fēng)險(xiǎn)識(shí)別中，可以確定項(xiàng)為標(biāo)準(zhǔn)劃分金融壓力指數(shù)的風(fēng)險(xiǎn)狀態(tài)。其三，以隨機(jī)游走成分中的確定項(xiàng)和以馬爾科夫區(qū)制轉(zhuǎn)換模型對(duì)金融風(fēng)險(xiǎn)進(jìn)行的識(shí)別表明，兩種方法識(shí)別的風(fēng)險(xiǎn)狀態(tài)較為接近，各有優(yōu)劣。概率轉(zhuǎn)換圖對(duì)于單個(gè)樣本的轉(zhuǎn)換概率具有較好的估計(jì)效果，可以利用模型估計(jì)得到每一個(gè)樣本的概率，對(duì)于金融預(yù)警及相關(guān)研究有很大幫助；而基于確定項(xiàng)的識(shí)別方法具有較強(qiáng)的理論意義，金融壓力指數(shù)通過(guò)分解可得到隨機(jī)游走成分和周期項(xiàng)，隨機(jī)游走成分又可分解為隨機(jī)沖擊和確定項(xiàng)，當(dāng)一個(gè)突發(fā)事件發(fā)生時(shí)，它通常是以隨機(jī)沖擊的形式影響金融市場(chǎng)，市場(chǎng)上的金融風(fēng)險(xiǎn)就會(huì)超過(guò)確定項(xiàng)的臨界值，從而由低風(fēng)險(xiǎn)向高風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換的概率會(huì)增大。因此，研究中這兩種識(shí)別方法可以互為補(bǔ)充。

（二）政策建議

第一，建立更加完善的風(fēng)險(xiǎn)測(cè)度指標(biāo)體系。隨著世界經(jīng)濟(jì)的深度交融，一國(guó)的金融風(fēng)險(xiǎn)已不僅僅由自身的風(fēng)險(xiǎn)狀況所決定，在量化風(fēng)險(xiǎn)時(shí)不僅要考慮國(guó)內(nèi)金融風(fēng)險(xiǎn)因素，還要考慮外部風(fēng)險(xiǎn)事件的影響。事實(shí)證明，在我國(guó)防范和化解系統(tǒng)性風(fēng)險(xiǎn)的一系列舉措下，整個(gè)金融體系的風(fēng)險(xiǎn)已經(jīng)得到了很好的控制。但是，當(dāng)前國(guó)際政治經(jīng)濟(jì)形勢(shì)不容樂(lè)觀，風(fēng)險(xiǎn)事件頻發(fā)，不利信息會(huì)迅速擴(kuò)散到金融市場(chǎng)，打擊投資者信心，造成金融市場(chǎng)波動(dòng)。此外，因一些西方國(guó)家實(shí)施制裁手段，我國(guó)外向型企業(yè)經(jīng)營(yíng)成本上升，盈利能力和償債能力下降，企業(yè)違約有所增加，銀行積累了較多不良貸款，影響了企業(yè)與銀行之間正常的借貸關(guān)系，風(fēng)險(xiǎn)進(jìn)一步由實(shí)體經(jīng)濟(jì)傳至金融體系，對(duì)金融體系造成了一定沖擊。因此，為有效度量金融市場(chǎng)風(fēng)險(xiǎn)，應(yīng)建立一套更加符合我國(guó)實(shí)際的風(fēng)險(xiǎn)度量指標(biāo)體系，不僅應(yīng)包含國(guó)內(nèi)風(fēng)險(xiǎn)指標(biāo)，還應(yīng)包括考慮外部風(fēng)險(xiǎn)的指標(biāo)，風(fēng)險(xiǎn)監(jiān)管機(jī)構(gòu)和有關(guān)部門應(yīng)主動(dòng)對(duì)可能影響金融風(fēng)險(xiǎn)狀態(tài)的突發(fā)性事件進(jìn)行預(yù)估，預(yù)先制定合理可行的應(yīng)急方案。

第二，制定相關(guān)政策時(shí)應(yīng)考慮金融子市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)，提升政策有效性。當(dāng)面臨突發(fā)性風(fēng)險(xiǎn)事件時(shí)，有關(guān)部門往往會(huì)借助財(cái)政政策和貨幣政策來(lái)降低不利影響。相對(duì)于實(shí)體經(jīng)濟(jì)，金融體系的風(fēng)險(xiǎn)傳導(dǎo)更為迅速和廣泛。對(duì)于調(diào)控金融風(fēng)險(xiǎn)的貨幣政策，應(yīng)考慮時(shí)效性，央行為抑制投資過(guò)熱往往會(huì)采取緊縮性政策，這一行為會(huì)釋放不利于投資的敏感信息，對(duì)金融市場(chǎng)產(chǎn)生迅速且嚴(yán)重的影響。因此，有關(guān)部門在制定相關(guān)政策時(shí)應(yīng)保持謹(jǐn)慎態(tài)度，深入分析政策可能帶來(lái)的后果，最大限度降低對(duì)市場(chǎng)的負(fù)面影響，提升政策有效性。同時(shí)，金融市場(chǎng)內(nèi)部是相互影響的，風(fēng)險(xiǎn)也有很強(qiáng)的傳導(dǎo)性，因而政策制定者在制定財(cái)政政策和貨幣政策時(shí)，應(yīng)充分考慮金融子市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)。對(duì)單個(gè)市場(chǎng)的政策措施可能造成其他子市場(chǎng)波動(dòng)，這種風(fēng)險(xiǎn)溢出效應(yīng)可能增大整個(gè)金融體系的風(fēng)險(xiǎn)。因此，在制定政策時(shí)應(yīng)全面考慮，綜合利弊。當(dāng)某項(xiàng)政策對(duì)其他子市場(chǎng)會(huì)產(chǎn)生不利影響時(shí)，可利用配套手段降低這種不利影響。另外，由于溢出效應(yīng)具有時(shí)變特征，因而還應(yīng)考慮對(duì)其他子市場(chǎng)的風(fēng)險(xiǎn)溢出程度。

第三，進(jìn)一步完善監(jiān)管制度，加強(qiáng)對(duì)風(fēng)險(xiǎn)的管理和防范。由于金融風(fēng)險(xiǎn)發(fā)生后相關(guān)部門所采取的調(diào)控措施容易引致其他風(fēng)險(xiǎn)，故對(duì)于金融風(fēng)險(xiǎn)的監(jiān)管應(yīng)以防范、預(yù)防為主。我國(guó)早期為促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展，對(duì)金融創(chuàng)新多持寬松態(tài)度，供給和需求不斷增加能夠化解金融創(chuàng)新產(chǎn)生的一部分風(fēng)險(xiǎn)，但是近年來(lái)，隨著供給過(guò)剩，供需矛盾逐漸加劇，企業(yè)經(jīng)營(yíng)成本上升，金融創(chuàng)新風(fēng)險(xiǎn)逐漸暴露出來(lái)。金融體系違約比例上升、不良貸款率上升等，都說(shuō)明我國(guó)與金融創(chuàng)新相配套的監(jiān)管制度和規(guī)范未充分發(fā)揮作用，金融監(jiān)管仍需加強(qiáng)和完善。同時(shí)，之前因過(guò)于依賴金融創(chuàng)新，使得金融業(yè)未能給實(shí)體經(jīng)濟(jì)提供足夠有效的資源配置，反而將籌集的資金用于具有更高風(fēng)險(xiǎn)的金融創(chuàng)新活動(dòng)，在不斷的金融創(chuàng)新中，風(fēng)險(xiǎn)必然逐漸積累。因此，今后在促進(jìn)金融創(chuàng)新的同時(shí)，還應(yīng)立足服務(wù)實(shí)體經(jīng)濟(jì)的本質(zhì)要求，促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展。隨著金融創(chuàng)新的不斷深化，可通過(guò)規(guī)范金融創(chuàng)新方式，使金融創(chuàng)新處于有效的監(jiān)管之中。

參考文獻(xiàn)：

［1］ILLING M，LIU Y.Measuring financial stress in a developed country：an application to Canada［J］.Journal of financial? ? ? ? ? ? ? ? ?stability，2006（3）：243-265.

［2］HAKKIO C，KEETON W R.Financial stress：what is it，how can it be measured，and why does it matter？［J］.Eco-? ? ? ? ? ? ? ? ? ? ? ?nomic review，2009（2）：5-50.

［3］BALAKRISHNAN R， DANNINGER S， ELEKDAG S，et al.The transmission of financial stress from advanced to? ? ? ? ? ? ? ? ? ? ? ? emerging economies［J］.Emering markets finance and trade，2011（sup2）：40-68.

［4］OZCELEBI O.Assessing the impacts of financial stress index of developed countries on the exchange market pressure? ? ? ? ? ? ? ? ?index of emerging countries［J］.International review of economics and finance，2020（9）：288-302.

［5］CEVIK E，DIBOOGLU S，KENC T.Financial stress and economic activity in some emerging Asian economies［J］.Re-? ? ? ? ? ? ? ? ? ?search in international business and finance，2016（C）：127-139.

［6］王維國(guó)，王際皓.貨幣、銀行與資產(chǎn)市場(chǎng)風(fēng)險(xiǎn)狀況的識(shí)別：基于金融壓力指數(shù)與MSIH-VAR模型的實(shí)證研究? ? ? ? ? ? ? ? ? ? ? ［J］.國(guó)際金融研究，2016（8）：71-81.

［7］MACDONALD R，SOGIAKAS V，TSOPANAKIS A.Volatility co-movements and spillover effects within the Euro-? ? ? ? ? ? ? ? ? ? ? zone economies：a multivariate GARCH approach using the financial stress index［J］.Journal of international financial? ? ? ? ? ? ? ? markets，institutions and money，2018（1）：17-36.

［8］丁嵐，李鵬濤，劉立新.中國(guó)金融壓力指數(shù)的構(gòu)建與應(yīng)用［J］.統(tǒng)計(jì)與信息論壇，2019（10）：63-72.

［9］陳忠陽(yáng)，許悅.我國(guó)金融壓力指數(shù)的構(gòu)建與應(yīng)用研究［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2016（1）：27-35+125.

［10］丁述軍，莊須娟，李文君.區(qū)域金融風(fēng)險(xiǎn)部門間傳染機(jī)理與實(shí)證分析［J］.經(jīng)濟(jì)經(jīng)緯，2019（3）：1-8.

［11］姚曉陽(yáng)，孫曉蕾，李建平.考慮市場(chǎng)相關(guān)性的中國(guó)金融壓力指數(shù)構(gòu)建方法與實(shí)證［J］.管理評(píng)論，2019（4）：34-41.

［12］秦建文，王濤.中國(guó)金融壓力與宏觀經(jīng)濟(jì)動(dòng)態(tài)效應(yīng)研究：基于MS-VAR模型的實(shí)證分析［J］.中央財(cái)經(jīng)大學(xué)學(xué)? ? ? ? ? ? ? ? ? ? ?報(bào)，2017（9）：32-42.

［13］鄭金麟，張業(yè)圳，謝八妹.我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的衡量與識(shí)別［J］.金融監(jiān)管研究，2019（12）：54-65.

［14］張勇，彭禮杰，莫嘉浩.中國(guó)金融壓力的度量及其宏觀經(jīng)濟(jì)的非線性效應(yīng)［J］.統(tǒng)計(jì)研究，2017（1）：67-79.

［15］章曦.中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)測(cè)度、識(shí)別和預(yù)測(cè)［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（2）：45-52.

［16］馬勇，黃科.金融壓力指數(shù)及其政策應(yīng)用：基于中國(guó)的實(shí)證分析［J］.金融監(jiān)管研究，2019（7）：1-17.

［17］許悅.系統(tǒng)性壓力綜合指數(shù)的有效性研究［J］.統(tǒng)計(jì)與決策，2017（2）：166-170.

［18］YAO X Y，LE W，SUN X L，et al.Financial stress dynamics in China：an interconnectedness perspective［J］.Inter-? ? ? ? ? ? ? ? ? ? ? national review of economics and finance，2020（7）：217-238.

［19］JAMES C，MORLEY.A state-space approach to calculating the Beveridge-Nelson decomposition［J］.Economics Le-? ? ? ? ? ? ? ? ? tters，2002（1）：123-127.

［20］李子聯(lián)，陳強(qiáng).中國(guó)對(duì)外貿(mào)易的疫情沖擊效應(yīng)［J］.現(xiàn)代經(jīng)濟(jì)探討，2021（4）：75-82.

［21］AKLAN N A， ?INAR M， AKAY H K. Financial stress and economic activity relationship in Turkey： post-2002 period? ? ? ? ? ? ? ? ?［J］.Journal of management & economics，2015（2）：567-580.

［22］KIM H，SHI W，KIM H H.Forecasting financial stress indices in Korea：a factor model approach［J］.Empirical eco-? ? ? ? ? ? ? ? ? ? ? nomics，2015（1）：1-40.

［23］BEVERIDGE S，NELSON C R.A new approach to decomposition of economic time series into permanent and transi-? ? ? ? ? ? ? ? ? tory components with particular attention to measurement of the ‘business cycle［J］.Journal of monetary economics，? ? ? ? ? ? ? ? ?1981（2）：151-174.

［24］KIM C J.Markov-switching and the Beveridge-Nelson decomposition：has US output persistence changed since? ? ? ? ? ? ? ? ? ? ? ? ? ?1984？［J］.Journal of econometrics，2008（2）：227-240.

［25］清華大學(xué)國(guó)家金融研究院金融與發(fā)展研究中心課題組.中國(guó)系統(tǒng)性金融壓力的監(jiān)測(cè)［J］.國(guó)際金融研究，2019? ? ? ? ? ? ? ? ? ?（12）：3-12.

［26］李子聯(lián).進(jìn)出口貿(mào)易中不確定性事件的沖擊效應(yīng)［J］.財(cái)經(jīng)理論與實(shí)踐，2010（6）：77-82.

（責(zé)任編輯：甘海燕）