以上四个变量的数据来源于金融研究 数据库，或根据该数据库数据整理得来。本 基于金融压力指数法的 我国系统性金融风险测度与预测 文的样本期间为２００２年１月４日一２０１４年 （三）权重 ５月１６日。 目前，共有四种赋权方法被广泛使用， 分别是等方差权重法、信用份额权重法、因 子分析法、ＣＤＦ转换法。目前最为广泛使 用的是等方差权重法。但是信用份额权重 ■ 杨丽（西南政法大学经济学院重庆４０１１２０） ◆ 中图分类号：Ｆ８３０文献标识码：Ａ 各地的实际情况构建了适合的金融压力指 内容摘要：本文选用金融压力指数作 为测度我国系统性金融风险的方法， 数，而且这些指数都较好地拟合了当地的 在借鉴前人成果的基础上结合我国国 金融情况。与此同时，国际货币基金组织 情构造适合我国的金融压力指数。此 （ＩＭＦ）也借鉴了学者的研究成果，在世界 后，运用ＡＲＩＭＡ和ＶＡＲ模型对未来我 经济展望中弓Ｉ入了金融压力指数，构建了 国遭受系统性金融风险的可能性及严 发达国家金融压力指数和新兴市场国家压 重程度进行预测。 力指数。 关键词：金融压力指数 系统性金融 （二）国内文献综述 风险ＲＩＭＡ ＶＡＲ 我国关于金融压力指数的研究起步较 文献综述 晚，主要是在２００８年金融危机之后开始研 究。目前而言，我国关于金融压力指数的 世界上最为主流的测度系统性金融风 经典文献有六篇：《我国金融系统性风险 险的方法有三种：早期预警指标、金融部 预警指标体系的构建与应用》、《构建中国 门评估规划、金融压力指数。三种方法的 金融压力指数探析》、《金融压力指数构建 对比如表１所示。 及其有效性检验——基于中国数据的实证 可见金融压力指数法适用范围最广， 分析》、《我国金融风险预警实证研究》、 效果最好，因此本文将选用金融压力指数 《中国金融压力指数的构造、建模与预测》、 法作为测度我国系统性金融风险的方法。 《构建中国金融压力指数））。这些文献从不 （一）国外文献综述 同角度构建了金融压力指数，以拟合中国 国外关于金融压力指数的研究成果众 的金融风险。但是，关于构建金融压力指 多，而且已成体系，比较成熟。截至目前， 数应该选取哪些变量未达成共识，此外，关 关于金融压力指数的经典文献有四篇，分 于金融压力指数的赋权方法也较为单一， 别是：Ａｎ Ｉｎｄｅｘ ｏｆ Ｆｉｎａｎｃｉａｌ Ｓｔｒｅｓｓ ｆｏ ｒ 多采用了等方差权重法。 Ｃａｎａｄａ，Ｆｉｎａｎｃｉａｌ Ｓｔｒｅｓｓ，Ｄｏｗｎｔｕ ｒｎｓ， ａｎｄ Ｒｅｃｏｖｅ ｒｉｅｓ，ＦｉｎａｎＣｉａｌ Ｓｔ ｒｅｓｓ： 中国金融压力指数的构建 Ｗｈａｔ ｌＳ Ｉｔ，ＨＯｗ Ｃａｎ Ｉｔ Ｂｅ Ｍｅａｓｕ ｒｅｄ， （一）变量选取原则 ａｎｄ Ｗｈｙ Ｄｏｅｓ Ｉｔ Ｍａｔｔｅｒ？，Ｔｈｅ Ｆｉｎａｎ— 通过对相关文献的阅读，本文将变量 ｃｉａｌ Ｓｔｒｅｓｓ ｌｎｄｅｘ：Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｓｙｓ－ 选取的原则确定为如下几条：变量要涵盖 ｔｅｍｉｃ Ｒｉｓｋ Ｃｏｎｄｉｔｉｏｎｓ。这四篇文献根据 我国所有的金融市场；变量最好可以获得 表１系统性金融风险测度方法对比 日度数据，以便编制及时的金融压力指 测度方法 适用危机范围（局限、适用国家范围 预警效果 数：变量之间尽可能要相互独立；变量要 敞点） 具有代表性。 （二）变量选取 本文选取了四个变量：上证指数对数 收益ＧＡＲＣＨ（１，１）波动率、人民币兑美 会融压力指敦法系统性风险 世界各国 元汇率ＧＡＲＣＨ（１，１）波动率、金融业 （２００８ 々） ＢＥＴＡ系数、ＴＥＤ利差。 ６６商业经济研究（曾更名《商业时代》）２０１５年１０期 法被认为是误差最小的赋权方法。此外，另 外两种方法也各有优势。 为了找到最适合我国的金融压力指 数，本文将采用所有的赋权法来构建我 国的压力指数，之后从我国实际情况出 发来验证各种权重法对于我国的优劣性， 从而找出最适合我国金融压力指数的赋 权方法。 （四）指标构建 此时我国的金融压力指数便可以构造 出来： ＦＳＩ，＝∑ （１） 其中，ｉ为变量个数，ｔ为对应的时间， Ｘ＋为第ｉ个变量在ｔ时刻的样本值，Ｗ＋为第 ｉ个变量在ｔ时刻被赋予的权重。 中国金融压力指数的拟合与 预测 （一）拟合效果对比 从图１中可以看出，四种金融压力指 数虽有所不同，但是总体趋势是大同小异 的，而且四种指数相互补充，共同拟合了 我国的金融实际情况。 在２００２—２００４年，金融压力指数一路 飙升，主要是我国于２００１年加入了世界贸 易组织，并逐步放开了外资银行准入条件， 这意味着我国正式开始参与全球化进程， 不确定性和风险随之增加。此外合格境外 投资者制度（ＱＤＩ１）的引入、金融自由化 改革、银监会设立之后的严格监管、国有 股减持也使得金融领域风险增加。 在２００４—２００６年初，金融压力指数呈 现下降趋势，主要是得益于我国的金融改 革日见成效，金融业一片欣欣向荣，投资 者对国内金融状况预期向好。 在２００６—２００８年，金融压力指数一 路向高，主要是由于股权分置改革遗留问 题、央行多次加息、调高印花税、人民币 大幅升值、股市剧烈波动、通胀全面显现、 次级债危机和全球危机的冲击等，多种事 件叠加使得金融压力指数创历史新高。 从２０１３年起，我国的金融压力指数有 ２ ８ ４ ０ ４ ∞ ８ ２ （二）预测 指数有抬头的趋势，因此，需要引起注意。 ３．ＶＡＲ模型预测。ＶＡＲ模型在经济学 目前，依据时间序列数据进行经济预 测的方法主要有五种，它们分别是指数平 滑法、单一方程回归模型、联立方程回归 模型、自回归求积移动平均（ＡＲＩＭＡ）模 型及向量自回归（ＶＡＲ）模型。但是最为广 泛使用的为ＡＲｔＭＡ和ＶＡＲ模型。 经济预测的方法都是建立在时间序列 ０２ ０３ ０４ ０５ ０６ Ｏ ７ Ｏ８ ０９ １０ １１ １２ １３ 中多用于进行长期预测。因此，本文将使 用ＶＡＲ模型来弥￣．ＡＲＩＭＡ，模型只能进行短 期预测的缺点。 Ｙ＋＝１７．２９Ｙ 一１６．２９Ｙ＋ 一３８４ ２Ｘ１＋ ＋ ３８２．９８Ｘ１＋ 一３０ ３７Ｘ３＋ ＋０．９４ＤＸ３＋ 一 、 １５１ＤＸ４＋ ＋３．１５ＤＸ４＋ ＋０．０２ （５） 平稳基础之上的，ＡＲＩＭＡ和ＶＡＲ模型也不 例外。 Ｙ＋ ０．７９Ｙ＋，＋０．１ ６Ｙ＋。＋０ ７５Ｘ１＋ 一 ０．５７Ｘ１ 。＋２３２２．１ ８Ｘ２＋ 一１ ４１ ７．７６Ｘ２＋。＋ ｌ ｕ －— －——ＭＩＩＡＲＫＥＴＦＳＩ ｌ ＥＱｔＪＡＬＦＳＩ——ＣＤＦＭＡＲＫＥＴＦＳＩ ＣＤＦＦＳｌ 图１四种金融压力指数对比 １．数据的平稳性检验及变换。经检验， Ｘ １、Ｘ ２、Ｅ Ｑ Ｕ Ａ Ｌ ＦＳ Ｉ、Ｃ Ｄ Ｆ ＦＳ Ｉ、 ０．３４ＤＸ３＋ ＋０．４７ＤＸ３＋ ＋３．１ ６ＤＸ４＋ ＋ １ ６６ＤＸ４ｔ２－－０．４３ （６） 注：ＥＱＵＡＬＦｓＩ代表等方差权重金融压力指数， ＭＡＰ．ＫＥＴＦＳＩ代表市场份额权重金融压力指数， ｃＤ Ｆ Ｆ ＳＩ代表ｃＤ Ｆ转换权重金融压力指数， ｃＤＦＭＡＲＫＥ：ＴＦＳＩ代表Ｃ；ＤＦ一市场份额结合金融压 力指数。其中关于ＭＡＲＫＥＴＦＳＩ。本文选取金融机 构资产总额、股市总市值、其他融资规模（社会 融资规模一银行融资规模一股市融资规模）、外汇 储备余额作为市场总额。 二 ！ ！ ！：：：二 ＬＦ 图２三种指数ＡＲＩＭＡ模型预测对比 Ｌ－－ＣＤＦＦＳＬ０－－ＣＤＦＭＡＲＫＥ￣ＳＬ０－－ＥＱＵＡＬＦＳＬ０］ 图３三种金融压力指数的ＶＡＲ模型预测对比 再次抬头的趋势，主要原因是２０１ ２年之 后，全球实体经济自由落体，我国经济独 立增长的形势发生逆转，成为经济下滑的 重灾区，此外银行流动性紧张凸显，也使 得金融领域风险加大。但是在２０１ ３年下半 年，金融压力指数有下降趋势，主要得益 于利率市场化改革进入深水区（取消了贷 款利率下限）、ＩＰＯ重启、新股发行制度由 核准制向注册制转变、上海自贸区的设立、 资产证券化步入常规通道、互联网金融崛 起、民营银行开闸等。 ＣＤＦＭＩＡＲＫＥＴＦＳＩ是平稳序列，而Ｘ３、Ｘ４、 ＭＡＲＫＥＴＦＳＩ是非平稳序列。为了保证预测 结果的准确性，本文只对ＥＱＵＡＬＦＳｌ、 ＣＤＦＦＳＩ、ＣＤＦＭＡＲＫＥＴＦＳＩ这三种指数进 行预测。 ２．ＡＲｆＭＡ模型预测。ＡＲＩＭＡ方法注 重“让数据自己说话”，着重分析时间序 列本身的概率或随机性质。该模型一般 用于短期预测。建立ＡＲＩＭＡ模型除了要 求时间序列平稳之外，还要求序列为零 均值序列。 首先，对各种金融压力指数进行零均 值检验。结果表明，ＥＱＵＡＬＦＳｆ是零均值 序歹０，而ＣＤＦＦＳＩ、ＣＤＦＭＡＲＫＥＴＦＳＩ是非 零均值序列，于是，对Ｃ Ｄ Ｆ Ｆ Ｓ ｌ、 ＣＤＦＭＩＡＲＫＥＴＦＳＩ序列进行变换，即原序列 减去均值。 根据ＡＩＣ、ＳＣ越小越好的原则确定滞 后阶数，建立模型。 Ｙｔ＝一０．２０＋１ ３６Ｙｔ １－０．９１ ３８Ｙｔ３一 一２＋１．ｏ．８３Ｙｔ４＋Ｕｉ一０４６ ｆ＿１＋０．５２ Ｕ —Ｏ９１ 【＿３＋ 一０．００２ ｕ＋ （２） Ｙ＋＝一０ ００２＋１ ６９Ｙ 一０．６９Ｙ 。＋Ｕ 一 Ｏ．８８ ｕ＋ 【３） （其中 代表ＣＤＦＦＳＩ减均值） Ｙ１＝一０．０４＋１．７９Ｙｔ１—０．７９Ｙｉ２＋Ｕ Ｉ一 ０．８９ ｕ＋ （４） （其中Ｙ 代表ＣＤＦＭＡＲＫＥＴＦＳＩ减均 值） 公式（２）、（３）、（４）分另０为ＥＱＵＡＬＦＳＩ、 ＣＤＦＦＳＩ、ＣＤＦＭＡＲＫＥＴＦＳＩ的ＡＲＩＭＡ预测 模型。对该模型残差序列进行白噪声进行 检验，结果表明，可以利用该模型进行预 测，预测结果如图２所示。 从图２中可以看出，通过ＡＲＩＭＡ模型 对短期的金融压力指数走势进行预测，除 了市场份额金融压力指数：ＡＲＩ ＭＡ；馍型表明 其会持续保持目前水平外，其他三种指数 的ＡＲＩＭＡ模型预测都表明短期内金融压力 Ｙ＋＝０．８５Ｙ＋ ＋０．１４Ｙ＋ ＋０．２９Ｘ１＋ 一 ０ ４５Ｘ１＋。＋８３２．８８Ｘ２＋ 一１２５２ ４４Ｘ２． ＋ ０．５３ＤＸ３＋ ＋０．３４ＤＸ３＋ ＋０．２０ＤＸ４＋ ＋ ０．８３ＤＸ４ ．＋０．２２ （７） 公式（５）、（６）、（７）分别为ＥＱＵＡＬＦＳＩ、 ＣＤＦＦＳＩ、ＣＤＦＭＡＲＫＥＴＦＳｌ的ＶＡＲ预钡４模 型。对ＶＡＲ模型进行稳定性检验，可知： 各模型单位根都小于１，落在单位圆内，即 该模型是平稳的。此外，模型的拟合优度 都在０．９０以上，说明模型较好地拟合了金 融压力的实际状况。因此，可以用于预测。 ＶＡＲ通常用于作长期预测。于是，要进行 样本扩展，样本由目前的２９００扩展至 ４５００，预测结果如图３所示。 从图３中可以看出，在２９９０—３３００期 间的预测，ＶＡＲ模型与ＡＲＩＭＡ模型的除了 相同的结论，即金融压力指数有上升的趋 势。而在此之后，上升趋势会持续一段时 间，此后维持在固定水平。因此，从近期看， 关于我国的金融压力是需要引起注意的。 综上所述，四种金融压力指数相互补 充，共同拟合了我国的系统性金融风险。 ＡＲ Ｉ ＭＡ及ＶＡＲ模型都能较好地对我国的系 统性金融风险进行预测。而且两种模型的 预测一致表明未来我国的金融压力有上升 的趋势。 １．吕江林。赖娟 我国金融系统性风 险预警指标体系的构建与应用Ⅲ．江西财 经大学学报，２０１１（２） ２。李良松．构建中国金融压力指数探 析Ⅲ．上海金融，２０１１（８） ３．孙立新．构建中国金融压力指数 【Ｎ１．中国社会科学报，２０１４－７－２３ ４．刘晓星，方磊．金融压力指数构建 及其有效性检验——基于中国数据的实 证分析Ｕ】．管理工程学报，２０１２（３） ５．胡玲．我国金融风险预警实证研究 【Ｄ】．东北财经大学，２０１２ 《中文核心期刊要目总览》贸易经济类核心期刊 ６７