金融危机早期预警方法研究

导语：金融危机早期预警方法研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：肺炎疫情冲击，叠加油价下跌等不确定性因素使得全球金融市场承受巨大的下行压力；且金融市场内部的联动性不断增强，金融变量间的波动溢出效应往往会放大风险水平，因此国际社会对美国金融市场动荡是否会演化成金融危机保持极大担忧与高度警惕。在此背景下，如何有效刻画金融市场间的溢出效应，并实现对美国金融危机早期预警已成为关注焦点。对此，本文首先考虑疫情冲击下金融市场波动特点，构建涵盖9个市场、涉及15项指标的危机预警指标体系；其次，引入广义预测误差方差分解和复杂网络技术，刻画金融市场间的溢出效应；最后，将溢出效应引入传统KLR模型之中，实现了考虑指标间溢出效应的危机预警信号综合集成。结果表明：基于溢出效应强度构建的综合预警模型能够更为精准的捕捉危机信号；危机预警信号在2020年4月已接近2008年金融危机的早期水平，但仍存在一定距离，需要持续关注其未来走势。

关键词：疫情；金融危机；危机预警；信号分析；溢出效应

1引言

金融危机是金融风险的极限效应，集中表现为全部或大部分金融指标急剧、短暂和超周期的恶化，金融风险则是金融交易过程中各种不确定性因素导致未来损失的可能性。金融危机爆发往往会导致产出下降、国际储备枯竭、政府债务加剧等一系列问题，对区域或全球经济发展造成严重损害[1,2]。2020年4月原油减产协议谈判破裂，国际原油价格受到需求和供给端的双重影响而连续暴跌。市场恐慌情绪迅速蔓延，导致金融市场也做出极大的反应[3]。另一方面，受疫情影响，全球大部分国家限制经济、社会活动，部分国家出现大规模失业和企业倒闭现象[4]。欧洲、北美、南美及亚太等地区制造服务和消费需求遭受冲击，经济发展疲软甚至衰退。在疫情爆发之前，全球经济已进入增速减缓期，部分国家甚至出现经济下滑现象[5]。疫情全球蔓延叠加增速疲软的经济环境，则进一步加剧全球金融市场动荡。国际金融体系稳定与否，很大程度上取决于美国金融市场[6,7]。美国股市在8个交易日内发生4次一级熔断，股市、债市和黄金市场共振，一度出现风险资产和避险资产同时下跌的情况。美国金融市场对国际金融体系的影响举足轻重，这引发了关于新一轮全球性金融危机爆发的担忧。因此，能否借助一套科学精确的测度方法实现金融危机的早期预警，是本文试图回答的关键问题。目前，针对金融危机预警已形成三种经典模型：FR概率模型[8]、STV横截面回归模型[9]和KLR信号模型[10]。相较于前两种模型，KLR作为一种非参数信号模型可以避免因参数估计而导致模型准确性较低的缺陷[11]。此外，鉴于KLR因操作性较强，指标范围广且准确度高而被广泛接受[12]。然而，在利用KLR模型进行金融危机预警时，如何选择危机预警指标以准确刻画金融危机状态是需要重点关注的问题。Kaminsky等[10]从金融部门、实体部门、公共财政等维度选取105项指标对危机进行预警，其成为后续研究的重要参照标准；Illing和Liu[13]聚焦银行、股票、外汇等维度选取指标刻画金融危机程度。Peng和Bajona[11]立足金融部门、宏观经济以及实体经济等维度选择14项指标构建预警体系，并利用KLR模型预警金融危机。考虑宏观经济、股票市场、货币市场及外汇市场，Frankel和Saravelos[14]测度金融危机发生概率，并指出外汇储备水平是具有统计意义的领先指标。此外，Coudert和Idier[15]、Dawood等[16]基于货币市场、债券市场、外汇市场及宏观经济等维度选取指标预警金融危机。综合来看，危机预警指标主要体现在经济基本面和传统金融市场，如股票、债券、外汇、信贷、货币及宏观经济等[17]。鉴于现阶段金融市场动荡主要原因在于疫情对实体经济造成冲击并迅速传导至金融市场；同时，政策措施对危机控制也有显著影响[18,19]。因此，研究将引入实体经济、政策措施等结构性和周期性因素构建危机预警指标体系。此外，危机预警指标之间的溢出关系会进一步加大金融危机爆发的可能性[20]。由于金融市场的共同风险暴露与风险传染、信息错配以及负外部性等，单个市场受到外部冲击而产生的负面影响会迅速地传递至其他市场，进而增加系统性金融风险爆发的可能性[21,22]。2008年美国房地产次级贷款市场遭受负面冲击后向股票，债券，汇率等金融市场传播，并导致金融危机的全面爆发[23]。IMF[24]指出金融市场之间的紧密联系增加了危机跨市场和跨边界传播的可能性；杨子晖和周颖刚[25]则基于市场间的波动溢出关系构建了全球金融市场的风险溢出网络，从网络关联的视角考察了全球系统性金融风险的动态演变。然而，现有的金融危机预警信号集成策略忽视了金融子市场之间的溢出关系和危机预警指标之间的相关性等问题，往往无法有效刻画金融危机的真实状态[26,27]。因此，识别危机预警指标间的溢出效应对于准确实现危机预警至关重要[28,29]。综上，本文研究思路设计如下：首先，针对疫情爆发的特点引入实体经济和政策效果指标，构建金融危机预警指标体系；其次，利用广义预测误差方差分解方法提取危机预警指标间的溢出效应；最后，基于危机预警指标间的溢出效益构造信号集成策略，综合集成和捕捉危机预警信号并研判危机爆发可能性。

2金融危机早期预警分析框架

2.1危机预警指标体系

本文构建多维指标体系刻画金融市场状况并进行预警研究。金融危机预警指标体系构建过程中指标、数据选取要遵循以下几点原则：（1）代表性：指标要能反映金融市场真实风险状况；（2）先行性：指标要能够反映和衡量危机前期、即期金融压力或脆弱性；（3）公开性：数据应该公开可获得且真实有效；（4）及时性：数据频率不超过1个月，多为日、周度数据指标。为了能够更为及时实现金融危机预警，在总结主流研究的基础之上，本文通过对现有主流的危机预警指标进行梳理总结，并且考虑指标的数据频率（日度、周度和月度），则重点从股票市场、债券市场、货币市场、信用衍生市场、银行业、外汇市场、宏观经济、政策效果以及实体经济等方面进行指标筛选并构造金融危机预警指标体系。考虑到不同指标的经济含义及其对危机爆发的影响方向，本文将危机预警指标区分为同向指标和反向指标，具体如表1所示。

2.2KLR危机预警模型

为了有效提取金融危机预警信号，本文将利用KLR危机预警模型进行研究，其基本原理是观测危机预警指标在某个时点或时段是否突破阈值。一旦超过阈值，则意味着该指标发出了在未来N个月内会发生危机的预警信号，则危机预警指标的表现可分为4类，具体如表2所示：其中，A:正确发出危机预警信号的次数；B:错误发出危机预警信号的次数；C:未及时发出危机预警信号的次数；D:正确保持不发出危机预警信号的次数。在最佳阈值下，危机预警指标应该满足A、D>0且B、C=0。然而，实际难以找到指标完全符合标准的指标和阈值。

3实证研究

3.1数据描述

本文从Wind数据库收集15个危机预警指标数据，跨度为2005年1月-2020年5月。由于指标间的频率不同，将周度、日度数据通过算术平均方式转换成月度数据，共计185组数据。为了测度不同时间段内危机预警指标间的溢出效应，研究设置时段如下：全样本时期（2005.01-2020.05）、金融危机时期[32]（2007.12-2008.12）、疫情时期（2020.01-至今），其中：将金融危机时期扩展为2005.01-2008.12以满足模型对数据量的需求；另一方面，由于疫情以来数据量较少，为保证模型的有效性，本文设置两个时段：2017.01-2019.12以及2017.01-2020.05，对比分析考虑疫情后溢出效应的变化。

3.2预警指标溢出效应分析

基于提前10天的预测误差方差分解测度全样本静态溢出效应指数，如表4所示。结果表明：VIX指数对于所有危机预警指标的溢出效应最强，达153.48%；对其它危机预警指标溢出效应超过100%的指标还包括X10（美国经济周期研究所周先导指数）、X4（投资级公司CDS和同期国债利差）和X2（10年期Aaa公司债券和同期国债利差）。另一方面，这4个指标接收来自其他变量的溢出效应均高于70%，表明其在系统中与其它变量间具有紧密的波动溢出关联。

作者：郝俊 李建平 冯倩倩 孙晓蕾 单位：中国科学院科技战略咨询研究院 中国科学院大学经济与管理学院 中国科学院大学公共政策与管理学院