山东省系统性金融风险的测度及防范研究

刘丽 郭春梅 杨继梅

[摘 要]以山东省2013—2018年的月度数据为基础，利用CRITIC赋权法构建金融压力指数模型，结合银行业市场、房地产市场、股票市场及外部金融市场四个市场对山东省系统性金融风险进行测度。结果显示：2013年的金融压力指数波动幅度比较大，2014年的金融压力指数呈下降的趋势，2015年1月至2016年7月金融压力指数再次出现波动，2016年7月以后的金融压力指数波动趋于平缓。四个市场压力指数的权重占比相差不多，股票市场相对来说对金融系统的影响最大。用压力指数均值的2倍标准差作为临界值，对山东省系统性金融风险级别进行判断，只有2013年6月金融压力识别指数大于0，金融风险较大，其他时间的金融风险都在可控水平。据此，山东省应在建立精准的金融信息统计机制、加强金融机构内部的监管、促进实体经济健康发展等方面采取措施，以防范系统性金融风险。

[关键词]金融压力指数;CRITIC赋权法;系统性金融风险

[中图分类号]F832.7 [文献标识码]A [文章编号]1671-8372（2019）03-0059-09

Abstract：Based on the monthly data of 2013-2018 in Shandong Province， the CRITIC empowerment method is used to construct the financial stress index model， which combines the four markets of the banking market， the real estate market， the stock market and the external financial market to measure the systemic financial risk of Shandong Province. The results show that the financial pressure index fluctuated greatly in 2013， and declined in 2014. From January 2015 to July 2016， the financial pressure index fluctuated again， and the financial pressure index fluctuated gradually after July 2016. The weights of the four market stress indexes are similar， and the stock market has the greatest impact on the financial system. Taking 2 times standard deviation of the mean pressure index as the critical value， the level of systematic financial risk in Shandong Province was judged. Only in June 2013， when the financial pressure identification index was greater than 0， the financial risk was relatively large， and the financial risk in other times was at a controllable level. According to this， Shandong Province should establish accurate financial information statistics mechanism， strengthen the supervision of financial institutions， and promote the healthy development of real economy and other measures to prevent systemic financial risks.  

Key words：financial stress index; CRITIC weighting method; systemic financial risk

山東省虽是中国的经济大省，但其金融业的发展相对滞后。为了加快金融改革的进程，《关于加快全省金融改革发展的若干意见》和《山东省金融业转型升级实施方案》等文件明确了到2020年山东省金融业增加值占全省生产总值的比例达到6%的目标。随着山东省金融业的不断发展，防范系统性金融风险、把住发生风险的底线成为经济稳定的重要一环。

本文从山东省的实际情况出发，选取金融压力指数对山东省系统性金融风险进行测度，运用CRITIC赋权法确定各个指标权重，构建山东省金融市场的总压力指数和各子市场的子压力指数，再对山东省系统性金融风险所处阶段进行识别，为山东省制定系统性金融风险防范措施提供依据。

一、文献综述

（一）系统性金融风险的测度

随着金融风险的不断加剧，系统性金融风险的测度研究引起国内外学者的关注。系统性金融风险的测度主要有下述五类方法：

一是早期预警指标法。通过研究已经发生金融危机的国家经济状况来预估危机发生时的信号，并预测某一国在某一时刻发生经济危机的可能性。如Alessi&Detken选取了金融市场和实体经济的几个具有代表性的变量架构了18个OECO国家的早期预警体系，并运用构建的指标体系预测将来可能遭遇的风险[1]。

二是预期损失法。Acharya等人以预期损失为参考提出了MES即边际预期损失，是透过金融機构对金融市场损失的边际反应来测度金融机构的系统性金融风险[2]。Brownlees& Engle根据边际预期损失引入了GARCH和非参数估计，考虑了整个金融体系和金融机构之间的相关性和相依性[3]。范小云等人通过分析没有产生金融危机时中国金融机构的杠杆率和边际期望损失的表现，同时增加了对边际风险贡献时间的动态表现观察，对我国金融机构的边际风险贡献程度进行了测算[4]。

三是条件风险价值即CoVaR法。Adrian &Brunnermeier以VaR即个体风险监管指标为基础分析了单个机构风险溢出效应，提出了相关的测度指标CoVaR。该方法通过计算某一个金融机构在危机状况下的个体风险监管指标（VaR）和正常状况下的风险监管指标的差额使风险溢出效应实现量化[5]。陈守东和王妍选择了33家中国上市的典型金融机构，在运用条件风险价值方法的基础上，使用极端分位数回归技术来估计这些机构对整个金融体系的风险贡献，为金融监管提供了参考[6]。苏帆选取上市金融机构为测度对象，使用动态CoVaR方法从横截面角度测量每个金融机构的系统性风险溢出效应，并基于影响因素构建预测模型[7]。

四是未定权益分析即CCA法。Gary等人提出了CCA的测度方法[8]。Castren&Kavonius扩大了CCA方法的应用范围，使CCA方法不仅仅用于金融机构，也可以用来分析政府部门的主权债务风险，他们还运用CCA方法对各个国家的债务风险有了更进一步的了解[9]。Saldias在运用CCA方法时发现PDD和ADD的联合变动趋势有助于对未来系统性金融风险的预测[10]。毛建林等人将全部银行业机构作为研究对象，运用CCA方法度量金融危机前后中国银行业金融风险的转变，对风险评估指标进行了改进，以便得到更加准确的系统性金融风险的趋势[11]。朱辰和华桂宏利用拓展的CCA模型度量了互联网金融下我国银行业的系统性风险，然后利用逐步回归法，找出影响银行业系统性风险的影响因素，对未来的风险水平进行一定的预测[12]。

五是综合压力指数法。Illing& Liu第一次提出金融压力指数（FSI）并用以测量加拿大的金融市场风险情况，他们选取了9个拥有象征性意义的解释变量，分析不同时段加拿大的金融压力指数，建立了风险预警指标体系[13]。Cardarelli等人将金融压力指数进一步完善，在金融压力指数的概念和变量指标的选取等方面构建了更为系统的框架[14]。赖娟和吕江林根据中国的实际状况选取了四个指标变量，构建了中国金融压力指数，从而反映中国金融市场风险的情形[15]。许涤龙和陈双莲对前人测算的金融压力指数方法进行了比较，选取了银行业、股票市场、房地产市场以及外部金融市场的18个变量对我国面临的金融压力进行测度，对我国目前的经济金融状况进行了识别[16]。阮湛洋综合比较目前已有的系统性金融风险测度办法，选择运用CISS指数合成法，选取我国2000—2015年的季度数据对我国的系统性金融风险进行了度量[17]。郭娜等人利用主成分分析方法构建了我国各级金融风险指数，测量我国金融市场的风险情况，剖析了风险的成因[18]。吴婷婷和徐松松从八个不同的维度分析系统性金融风险状况，并根据现有状况提出了解决系统性金融风险的建议[19]。

综合比较上述几种方法可见，早期预警法构建起来比较简单，但局限性大，在很多情况下都不适用;预期损失法太易于受到主观因素的影响，极端数据的出现会使测度未来系统性风险的准确性下降;条件风险价值法虽然能够度量出风险溢出效应，但是整体市场的风险溢出效应没有办法通过金融机构相加得到;未定权益分析法模型构建复杂，结论依赖于假设，使得该方法的实际可行性大大降低;综合压力指数法运用起来比较灵活，能够很好地反映整个国家金融系统的风险水平，给未来的经济政策提供较为有用的建议。综合考虑以上几种方法，本文采用综合压力指数法对山东省的金融系统性风险进行分析。

（二）系统性金融风险的防范

商瑾通过分析各国应对金融风险的经验和教训以及对我国金融风险的回顾，提出了关于我国防范金融风险的货币政策建议、财政政策建议、政府监管政策建议及其他相关制度建议[20]。马建堂和董小君等人从杠杆率角度分析了我国的潜在系统性金融风险，以及杠杆率快速上升的原因，在此基础上，提出了从政府债务、金融体制和实体经济改革等方面化解中国系统性金融风险的对策[21]。郑醒尘对澳大利亚防御系统性金融风险的措施进行了总结，根据澳大利亚整个金融体系监管框架的特点及中国金融市场的实际情况，得出关于中国防范系统性金融风险的启示[22]。胡滨分析了系统性金融风险的来源，并根据来源提出了关于我国防范系统性金融风险的建议[23]。黄益平从三个方面提出政府在防范系统性金融风险时应采取的措施，一是从宏观政策着手，二是政府不再兜底，加强市场纪律，三是加强政府监管，改革金融监管机构[24]。王朝阳和王文汇基于前人对系统性金融风险的探讨，对我国防范金融风险的对策进行了梳理和总结[25]。

综上所述，现有系统性金融风险研究的关注对象主要是发生了实质性金融危机的国家，对于像我国这样的新兴市场国家的关注不够。我国系统性金融风险有自己的特点，其地方金融风险的累积、传导与防范尤其值得关注。鉴于现有文献较少涉及山东省系统性金融风险的测度及防范，本文就此展开研究，以丰富与完善相关理论，并为山东省防范系统性金融风险提供思路。

二、山东省系统性金融风险的测度方法

（一）指标的选取及数据来源

1.指标的选取

近年来，山东省金融体系比较依赖于外部环境，并且深受房地产价格和股票价格变动的影响，基于此，结合以往文献所选取的一级指标，本文选取山东省银行业市场、房地产市场、股票市场及外部金融市场四个市场的17个指标对系统性金融风险进行测度。按照17个指标的性质，将其分为同向指标、逆向指标与适当指标。当指标越大时金融压力指数越小，这种指标为同向指标，反之则为逆向指标;而适当指标指的是该指标有一个合理范围，超过其范围即为存在压力（见表1）。

2.数据来源

构建山东省系统性金融压力指数的关键问题是数据频率的选取，月度数據能够将金融市场所面临的压力表述得更为清晰准确，又因指标数据的可获得性，所以本文选择从2013年1月到2018年12月的月度数据对系统性金融风险进行测量。指标数据主要来源于山东省统计局网站、山东省银监局网站、中国人民银行济南分行网站、山东省金融年鉴、同花顺统计局。

（二）数据处理

1. 数据频度转换、补齐缺失数据及季度调整

个别指标只有季度数据，没有月度数据，对这种数据运用Eviews进行频度转换。用Quadratic-match-Sum对山东省GDP进行转换，得到山东省GDP的月度数据。用Quadratic-match-Average对不良贷款率、短期外债及外债总额进行转换，其中2018年第4季度的不良贷款率数据缺失，因而，首先运用SPSS中的Replace Missing Value-linear trend at point补齐季度数据，然后再进行频度转换。对于缺失的月度数据，像房地产业出现了缺失1月份数据的情况，采用SPSS软件补齐缺失数据。为了防止结果受季节的影响，对商品房销售面积/GDP这种含有季节性因素的数据，运用Eviews中的季节调整方法去除季节因素对结果的影响。经过上述数据处理，得到了各指标的完整数据①。

2.指标标准化

从表6和图5可以看出，2013年的金融压力指数波动幅度比较大，2013年6月的金融压力指数最大，2014年的金融压力指数呈下降的趋势，2015年1月至2016年7月金融压力指数再次出现波动，2016年7月以后的金融压力指数变化趋于平缓。

从图5可以看出，山东省的系统性金融风险在不同阶段呈现不同的特征。2013—2014年，山东省政府债务问题加剧、光大证券的“乌龙指”事件的发生以及房地产价格居高不下等一系列问题，使得金融压力指数在2013年呈上升趋势，对此山东省出台了“金改22条”，使这些问题得到控制，从而金融压力指数在2014年呈下降的趋势。2015年1月至2016年7月，股票市场“千股跌停”以及石油价格暴跌使得金融压力指数出现明显波动。针对“千股跌停”现象，央行采取宽松的货币政策，实行多次降准;为解决房地产价格问题，政府推出鼓励房地产商降价出售政策，释放需求，清房地产库存，金融压力指数在2016年7月后得以趋缓。尽管政府出台的一些调控政策在一定程度上减轻了金融风险带来的影响，应对系统性金融风险的对策不断完善，但整个金融体系的系统性金融风险并没有明显降低，从图5可以看出2016年7月以后金融压力指数仍处于高位，说明山东省面临的系统性金融风险形势仍然比较严峻。山东省政府应该更加重视对系统性金融风险的监测，防止外来风险的意外冲击。

四、山东省系统性金融风险的识别

通过测算山东省金融市场的总压力指数和各市场的压力指数，基本了解了山东省金融风险的总体情况，但仅通过金融压力指数尚不能判断出系统性金融风险的级别，为此还需要对金融压力指数进行识别，即确认一个具体的数值或者范围用来识别系统性金融风险是否处于高度危险阶段。在金融风险识别的方法中，学者运用最多的主要有三种：一是求出金融压力指数均值，把均值的某个百分比（如80%）当作临界值，当某一时期的金融压力指数超过临界值时，则判定这一时期风险级别比较高;二是将金融压力指数均值的1.5倍或2倍标准差作为临界值，根据金融压力指数是否超过临界值来判定风险级别;三是根据过去发生金融危机时的指数作为参考值，若某一时期金融压力指数高于这一参考值，则认为该时期需要高度关注。

以上三种方法，第一种方法过于主观，缺乏统计意义，第三种方法也并不适用，因为山东省没有发生过重大金融风险事件，无法确认参考值，因此本文选取第二种方法，用压力指数均值的2倍标准差作为临界值来识别山东省系统性金融风险。

从图6可以看出，在2013—2018年的72个样本中，金融压力识别指数大于0的样本点只有1个。具体来看，2013年6月山东省的金融压力识别指数大于0，处于较大金融压力时期，其他时间段的金融压力识别指数均小于0，处于合适或较小的金融压力时期。结合山东省的实际发展情况可以得知，虽然2013—2018年山东省出现过股票市场应对异常震荡、房价过高以及通货膨胀等情况，但由于政府积极采取措施应对，使潜在的金融风险得到遏制，山东省的系统性金融风险从而基本处于可控水平。

五、山东省系统性金融风险的防范建议

从前文可知，系统性金融风险不仅仅局限于整个金融市场，非金融市场的波动也会导致金融风险，金融风险沿着不同路径传播，导致系统性金融风险的产生。因此，为预防系统性金融风险，本文就金融市场和非金融市场两方面提出建议。

（一）金融市场方面的建议

1. 建立精准的金融信息统计机制

山东省要有效地防范系统性金融风险，就要对金融数据有清楚的了解。笔者在查找山东省有关金融方面的数据时发现，山东省的金融数据十分分散，不易查找，并且也没有完整的金融资产统计数据。若将保险行业、证券行业等行业的金融资产一起统计，那山东省的金融资产数额就难以理清。在金融数据不完整、不易查找的情况下，山东省金融市场的风险不易及时察觉，对金融资产的动态难以把握，政府也就难以采取合适的举措防范系统性金融风险。要改变这种状况就必须建立精准的金融信息统计机制，建立一家专门管理、公开发布金融数据和信息的金融数据统计中心，将山东省所有金融交易活动产生的金融数据和信息都分类整理到这一家统计中心。

2.加强金融机构的内部监管

许多系统性金融风险的发生及传染都是由金融机构内部管理不善、监管力度不到位造成的。瑞银巨额亏损、巴林银行倒闭等事件发生的原因之一就是金融机构内部管理制度出现漏洞，职员利用管理方面的漏洞进行未授权操作致使金融风险产生。目前来说，山东省金融机构的内控制度建设并不完善，组织结构不合理，权力过于分散。针对这些问题，山东省的金融机构应该吸取其他金融机构的经验教训，尽力弥补管理上的漏洞，加强自我监管，及时发觉自身存在的问题，并对发现的问题尽早提出合适的解决办法。金融机构对各个业务的控制要做到有的放矢，对那些风险大的业务进行重点监管，以便及时发现问题，防止系统性金融风险的发生。

3.完善政府的监管体制

仅仅依靠金融市场自身的能力并不能解决一切问题，预防系统性金融风险的发生还需要依靠政府的监管。金融市场发生的变动直接影响了各方市场参与者的利益和行为，政府有关部门应该加强对金融市场运行态势的监管。金融市场的异常波动经常由非常态成因导致，一旦金融市场的价格长时间持续下降，不良资产有可能就此产生，潜在的系统性金融风险随之触发。金融监管部门应该密切关注金融市场价格的波动，及时发现异常波动，根据异动的原因和市场参与者交易行为的变化及时采取适当的措施，防止异动持续发生。金融监管部门可以利用现代电子信息技术对金融市场运行态势进行实时监控，及时掌握金融市场资金的流动状况，加强对各金融子市场之间联动效应的追踪分析，以便尽早发现异常，及时采取对策，防范系统性金融风险的发生。

4.完善信息披露制度

信息不对称是系统性金融风险形成的原因之一，而现阶段，山东省金融机构信息不对称的现象很常见。为了筹集到更多资金，在向金融机构贷款时公司或个体会向金融机构隐瞒自己的不利信息。而有时候金融风险没有被及时发现就是因为有些信息没有被及时披露，政府无法及时发现潜在问题。因此，山东省应加强对信息披露制度的管理及完善。在进行信息披露时，有关机构应加大对金融衍生品的信息披露。就目前而言，山东省的金融衍生品仍在发展阶段，金融衍生品会随着市场的发展不断进行创新。规范这些金融衍生品的有关信息披露行为，有利于及时发现山东省的金融风险状况，防止因金融衍生品引起系统性金融风险。

（二）非金融市场方面的建议

1.推动实体经济健康发展

防范系统性金融风险的根基是实体经济的活力发展，实体经济健康发展对防范系统性金融风险来说至关重要。

（1）化解过剩产能。考虑到就业、政绩等因素，有些地方政府让大量过剩产能长时间存在，使得不少资金资源得不到合理利用。建议有关部门关掉一部分中低端过剩产能企业，提高环保标准来关停污染较为严重的过剩产能企业。鼓励有富余的产能出口到别的国家，响应国家的“一带一路”倡议，加强山东省企业与其他国家和地区企业的产能合作。

（2）出清僵尸企业。僵尸企业指的是那些处于停产或持续亏损状态，要靠政府补贴或者金融機构借贷才能勉强经营的企业。僵尸企业在一定程度上拖累了银行，若僵尸企业在某家银行借款过多，将会提高这家银行的不良贷款率，使这家银行的资产质量下降。若僵尸企业的问题没有得到很好的处理，可能会导致系统性的金融风险，所以对于那些持续亏损且无法为山东省经济作出贡献的企业要坚决关闭。

2.解决房地产调控问题

在海南发展银行倒闭及美国次贷危机的案例中，房地产泡沫成为引发系统性金融风险的一个重要因素，因此，山东省应该吸取教训，做好房地产调控，将房地产价格稳定在一个合理的水平。山东省政府应该对房地产业的投资规模进行合理控制，满足公众合理的住房需求，鼓励市民租赁住房，针对他人用购买住房来获取利益的行为采取一定的对策进行抑制。有关部门对房地产行业的信贷业务进行监督，防止房地产泡沫的出现。

3.加强对投资者的教育

为防止风险的发生，就要让投资者清楚风险与利益并存，不要盲目跟风投资，要谨慎做出投资决定。金融活动能够得以进行，投资者与被投资者之间的信用关系很重要，一旦双方的信用关系塌陷，金融风险就会产生，银行挤兑现象的发生就是存款人不再信任银行造成的。而信用也是需要学习的，加强对投资者的教育，让投资者了解金融体系的运行，使投资者不随波逐流，不因谣言、恐慌做出不理智的行为。

[参考文献]

Alessi L， Detken C. Quasi real time early warning indicators for costly asset price boom/bust cycles： a role for global liquidity[J]. European Journal of Political Economy， 2011， 27（3）： 520-533.

Acharya V V ， Pedersen L H， Philippon T， Richardson M. Measuring Systemic Risk[R]. New York： New York University Working Paper， 2010.

Brownlees C T， Engle R. Volatility， correlation and tails for systemic risk measurement[R]. New York： New York University， 2010.

范小云，王道平，方意.我国金融机构的系统性风险贡献测度与监管—基于边际风险贡献与杠杆率的研究[J].南开经济研究，2011（4）：3-20.

Adrian T， Brunnermeier M CoVaR. Federal Reserve Bank of New York Staff Report[EB/OL].[2019-06-30]. https：//ideas.repec.org/p/fip/fednsr/348.html.

陈守东，王妍.我国金融机构的系统性金融风险评估—基于极端分位数回归技术的风险度量[J].中国管理科学，2014，22（7）：10-17.

苏帆. 系统性金融风险测度及其网络传染机制研究[D].武汉：中南财经政法大学，2017.

Gray D， Merton R C， Bodie Z. New framework for measuring and managing macro-financial risk and financial stability[EB/OL].[2019-06-20]. https：//www.nber.org/papers/w13607.

Castren O， Kavonius I K. Balance sheet inter linkages and macro-financial risk analysis in the euro area[EB/OL].[2019-06-19].https：//ideas.repec.org/p/ecb/ecbwps/20091124.html.

Saldias M. Systemic risk analysis using forward-looking distance-to-default series[EB/OL].[2019-06-19]. http：//www.doc88.com/p-1866948583344.html.

毛建林， 张红伟. 基于CCA模型的我国银行系统性金融风险实证研究[J]. 宏观经济研究， 2015（3）：94-102.

朱辰，华桂宏.互联网金融对中国银行业系统性风险的影响—基于SCCA模型及逐步回归法的实证研究[J].金融经济学研究，2018，33（2）：50-59.

Illing M，Liu Y. Measuring financial stress in a developed country： an application to Canada[J]. Journal of Financial Stability， 2006，2（3）： 243-265.

Cardarelli R，Selim E，Subir L. Financial stress，downturns，and recoveries[EB/OL]. [2019-06-19]. https：//www.imf.org/en/Publications/WP/Issues/2016/12/31/Financial-Stress-Downturns-and-Recoveries-22923.

賴娟，吕江林.基于金融压力指数的金融系统性风险的测度[J].统计与决策，2010（19）：128-131.

许涤龙，陈双莲.基于金融压力指数的系统性金融风险测度研究[J].经济学动态，2015（4）：69-78.

阮湛洋.我国系统性金融风险指数的构建与测算—基于CISS综合指数方法[J].浙江金融，2017（5）：16-22.

郭娜，祁帆，张宁.我国系统性金融风险指数的度量与监测[J].财经科学，2018（2）：1-14.

吴婷婷，徐松松.金融开放背景下中国系统性金融风险测度研究[J].金融理论与教学，2019（2）：1-8.

商瑾.金融风险及防范对策研究[D].北京：财政部财政科学研究所，2012.

马建堂，董小君，时红秀，徐杰，马小芳.中国的杠杆率与系统性金融风险防范[J].财贸经济，2016，37（1）：5-21.

郑醒尘.澳大利亚防范系统性金融风险的经验借鉴[N].中国经济时报，2016-05-18（005）.

胡滨.系统性金融风险来源及防范[J].改革，2017（8）：41-44.

黄益平.防控中国系统性金融风险[J].国际经济评论，2017（5）：80-96.

王朝阳，王文汇.中国系统性金融风险表现与防范：一个文献综述的视角[J].金融评论，2018，10（5）：100-113.

[责任编辑 张桂霞]