導(dǎo)語：金融危機(jī)早期預(yù)警方法研究一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：肺炎疫情沖擊，疊加油價(jià)下跌等不確定性因素使得全球金融市場(chǎng)承受巨大的下行壓力；且金融市場(chǎng)內(nèi)部的聯(lián)動(dòng)性不斷增強(qiáng)，金融變量間的波動(dòng)溢出效應(yīng)往往會(huì)放大風(fēng)險(xiǎn)水平，因此國(guó)際社會(huì)對(duì)美國(guó)金融市場(chǎng)動(dòng)蕩是否會(huì)演化成金融危機(jī)保持極大擔(dān)憂與高度警惕。在此背景下，如何有效刻畫金融市場(chǎng)間的溢出效應(yīng)，并實(shí)現(xiàn)對(duì)美國(guó)金融危機(jī)早期預(yù)警已成為關(guān)注焦點(diǎn)。對(duì)此，本文首先考慮疫情沖擊下金融市場(chǎng)波動(dòng)特點(diǎn)，構(gòu)建涵蓋9個(gè)市場(chǎng)、涉及15項(xiàng)指標(biāo)的危機(jī)預(yù)警指標(biāo)體系；其次，引入廣義預(yù)測(cè)誤差方差分解和復(fù)雜網(wǎng)絡(luò)技術(shù)，刻畫金融市場(chǎng)間的溢出效應(yīng)；最后，將溢出效應(yīng)引入傳統(tǒng)KLR模型之中，實(shí)現(xiàn)了考慮指標(biāo)間溢出效應(yīng)的危機(jī)預(yù)警信號(hào)綜合集成。結(jié)果表明：基于溢出效應(yīng)強(qiáng)度構(gòu)建的綜合預(yù)警模型能夠更為精準(zhǔn)的捕捉危機(jī)信號(hào)；危機(jī)預(yù)警信號(hào)在2020年4月已接近2008年金融危機(jī)的早期水平，但仍存在一定距離，需要持續(xù)關(guān)注其未來走勢(shì)。

關(guān)鍵詞：疫情；金融危機(jī)；危機(jī)預(yù)警；信號(hào)分析；溢出效應(yīng)

1引言

金融危機(jī)是金融風(fēng)險(xiǎn)的極限效應(yīng)，集中表現(xiàn)為全部或大部分金融指標(biāo)急劇、短暫和超周期的惡化，金融風(fēng)險(xiǎn)則是金融交易過程中各種不確定性因素導(dǎo)致未來損失的可能性。金融危機(jī)爆發(fā)往往會(huì)導(dǎo)致產(chǎn)出下降、國(guó)際儲(chǔ)備枯竭、政府債務(wù)加劇等一系列問題，對(duì)區(qū)域或全球經(jīng)濟(jì)發(fā)展造成嚴(yán)重?fù)p害[1,2]。2020年4月原油減產(chǎn)協(xié)議談判破裂，國(guó)際原油價(jià)格受到需求和供給端的雙重影響而連續(xù)暴跌。市場(chǎng)恐慌情緒迅速蔓延，導(dǎo)致金融市場(chǎng)也做出極大的反應(yīng)[3]。另一方面，受疫情影響，全球大部分國(guó)家限制經(jīng)濟(jì)、社會(huì)活動(dòng)，部分國(guó)家出現(xiàn)大規(guī)模失業(yè)和企業(yè)倒閉現(xiàn)象[4]。歐洲、北美、南美及亞太等地區(qū)制造服務(wù)和消費(fèi)需求遭受沖擊，經(jīng)濟(jì)發(fā)展疲軟甚至衰退。在疫情爆發(fā)之前，全球經(jīng)濟(jì)已進(jìn)入增速減緩期，部分國(guó)家甚至出現(xiàn)經(jīng)濟(jì)下滑現(xiàn)象[5]。疫情全球蔓延疊加增速疲軟的經(jīng)濟(jì)環(huán)境，則進(jìn)一步加劇全球金融市場(chǎng)動(dòng)蕩。國(guó)際金融體系穩(wěn)定與否，很大程度上取決于美國(guó)金融市場(chǎng)[6,7]。美國(guó)股市在8個(gè)交易日內(nèi)發(fā)生4次一級(jí)熔斷，股市、債市和黃金市場(chǎng)共振，一度出現(xiàn)風(fēng)險(xiǎn)資產(chǎn)和避險(xiǎn)資產(chǎn)同時(shí)下跌的情況。美國(guó)金融市場(chǎng)對(duì)國(guó)際金融體系的影響舉足輕重，這引發(fā)了關(guān)于新一輪全球性金融危機(jī)爆發(fā)的擔(dān)憂。因此，能否借助一套科學(xué)精確的測(cè)度方法實(shí)現(xiàn)金融危機(jī)的早期預(yù)警，是本文試圖回答的關(guān)鍵問題。目前，針對(duì)金融危機(jī)預(yù)警已形成三種經(jīng)典模型：FR概率模型[8]、STV橫截面回歸模型[9]和KLR信號(hào)模型[10]。相較于前兩種模型，KLR作為一種非參數(shù)信號(hào)模型可以避免因參數(shù)估計(jì)而導(dǎo)致模型準(zhǔn)確性較低的缺陷[11]。此外，鑒于KLR因操作性較強(qiáng)，指標(biāo)范圍廣且準(zhǔn)確度高而被廣泛接受[12]。然而，在利用KLR模型進(jìn)行金融危機(jī)預(yù)警時(shí)，如何選擇危機(jī)預(yù)警指標(biāo)以準(zhǔn)確刻畫金融危機(jī)狀態(tài)是需要重點(diǎn)關(guān)注的問題。Kaminsky等[10]從金融部門、實(shí)體部門、公共財(cái)政等維度選取105項(xiàng)指標(biāo)對(duì)危機(jī)進(jìn)行預(yù)警，其成為后續(xù)研究的重要參照標(biāo)準(zhǔn)；Illing和Liu[13]聚焦銀行、股票、外匯等維度選取指標(biāo)刻畫金融危機(jī)程度。Peng和Bajona[11]立足金融部門、宏觀經(jīng)濟(jì)以及實(shí)體經(jīng)濟(jì)等維度選擇14項(xiàng)指標(biāo)構(gòu)建預(yù)警體系，并利用KLR模型預(yù)警金融危機(jī)?？紤]宏觀經(jīng)濟(jì)、股票市場(chǎng)、貨幣市場(chǎng)及外匯市場(chǎng)，F(xiàn)rankel和Saravelos[14]測(cè)度金融危機(jī)發(fā)生概率，并指出外匯儲(chǔ)備水平是具有統(tǒng)計(jì)意義的領(lǐng)先指標(biāo)。此外，Coudert和Idier[15]、Dawood等[16]基于貨幣市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)及宏觀經(jīng)濟(jì)等維度選取指標(biāo)預(yù)警金融危機(jī)。綜合來看，危機(jī)預(yù)警指標(biāo)主要體現(xiàn)在經(jīng)濟(jì)基本面和傳統(tǒng)金融市場(chǎng)，如股票、債券、外匯、信貸、貨幣及宏觀經(jīng)濟(jì)等[17]。鑒于現(xiàn)階段金融市場(chǎng)動(dòng)蕩主要原因在于疫情對(duì)實(shí)體經(jīng)濟(jì)造成沖擊并迅速傳導(dǎo)至金融市場(chǎng)；同時(shí)，政策措施對(duì)危機(jī)控制也有顯著影響[18,19]。因此，研究將引入實(shí)體經(jīng)濟(jì)、政策措施等結(jié)構(gòu)性和周期性因素構(gòu)建危機(jī)預(yù)警指標(biāo)體系。此外，危機(jī)預(yù)警指標(biāo)之間的溢出關(guān)系會(huì)進(jìn)一步加大金融危機(jī)爆發(fā)的可能性[20]。由于金融市場(chǎng)的共同風(fēng)險(xiǎn)暴露與風(fēng)險(xiǎn)傳染、信息錯(cuò)配以及負(fù)外部性等，單個(gè)市場(chǎng)受到外部沖擊而產(chǎn)生的負(fù)面影響會(huì)迅速地傳遞至其他市場(chǎng)，進(jìn)而增加系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)的可能性[21,22]。2008年美國(guó)房地產(chǎn)次級(jí)貸款市場(chǎng)遭受負(fù)面沖擊后向股票，債券，匯率等金融市場(chǎng)傳播，并導(dǎo)致金融危機(jī)的全面爆發(fā)[23]。IMF[24]指出金融市場(chǎng)之間的緊密聯(lián)系增加了危機(jī)跨市場(chǎng)和跨邊界傳播的可能性；楊子暉和周穎剛[25]則基于市場(chǎng)間的波動(dòng)溢出關(guān)系構(gòu)建了全球金融市場(chǎng)的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，從網(wǎng)絡(luò)關(guān)聯(lián)的視角考察了全球系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)演變。然而，現(xiàn)有的金融危機(jī)預(yù)警信號(hào)集成策略忽視了金融子市場(chǎng)之間的溢出關(guān)系和危機(jī)預(yù)警指標(biāo)之間的相關(guān)性等問題，往往無法有效刻畫金融危機(jī)的真實(shí)狀態(tài)[26,27]。因此，識(shí)別危機(jī)預(yù)警指標(biāo)間的溢出效應(yīng)對(duì)于準(zhǔn)確實(shí)現(xiàn)危機(jī)預(yù)警至關(guān)重要[28,29]。綜上，本文研究思路設(shè)計(jì)如下：首先，針對(duì)疫情爆發(fā)的特點(diǎn)引入實(shí)體經(jīng)濟(jì)和政策效果指標(biāo)，構(gòu)建金融危機(jī)預(yù)警指標(biāo)體系；其次，利用廣義預(yù)測(cè)誤差方差分解方法提取危機(jī)預(yù)警指標(biāo)間的溢出效應(yīng)；最后，基于危機(jī)預(yù)警指標(biāo)間的溢出效益構(gòu)造信號(hào)集成策略，綜合集成和捕捉危機(jī)預(yù)警信號(hào)并研判危機(jī)爆發(fā)可能性。

2金融危機(jī)早期預(yù)警分析框架

2.1危機(jī)預(yù)警指標(biāo)體系

本文構(gòu)建多維指標(biāo)體系刻畫金融市場(chǎng)狀況并進(jìn)行預(yù)警研究。金融危機(jī)預(yù)警指標(biāo)體系構(gòu)建過程中指標(biāo)、數(shù)據(jù)選取要遵循以下幾點(diǎn)原則：（1）代表性：指標(biāo)要能反映金融市場(chǎng)真實(shí)風(fēng)險(xiǎn)狀況；（2）先行性：指標(biāo)要能夠反映和衡量危機(jī)前期、即期金融壓力或脆弱性；（3）公開性：數(shù)據(jù)應(yīng)該公開可獲得且真實(shí)有效；（4）及時(shí)性：數(shù)據(jù)頻率不超過1個(gè)月，多為日、周度數(shù)據(jù)指標(biāo)。為了能夠更為及時(shí)實(shí)現(xiàn)金融危機(jī)預(yù)警，在總結(jié)主流研究的基礎(chǔ)之上，本文通過對(duì)現(xiàn)有主流的危機(jī)預(yù)警指標(biāo)進(jìn)行梳理總結(jié)，并且考慮指標(biāo)的數(shù)據(jù)頻率（日度、周度和月度），則重點(diǎn)從股票市場(chǎng)、債券市場(chǎng)、貨幣市場(chǎng)、信用衍生市場(chǎng)、銀行業(yè)、外匯市場(chǎng)、宏觀經(jīng)濟(jì)、政策效果以及實(shí)體經(jīng)濟(jì)等方面進(jìn)行指標(biāo)篩選并構(gòu)造金融危機(jī)預(yù)警指標(biāo)體系?？紤]到不同指標(biāo)的經(jīng)濟(jì)含義及其對(duì)危機(jī)爆發(fā)的影響方向，本文將危機(jī)預(yù)警指標(biāo)區(qū)分為同向指標(biāo)和反向指標(biāo)，具體如表1所示。

2.2KLR危機(jī)預(yù)警模型

為了有效提取金融危機(jī)預(yù)警信號(hào)，本文將利用KLR危機(jī)預(yù)警模型進(jìn)行研究，其基本原理是觀測(cè)危機(jī)預(yù)警指標(biāo)在某個(gè)時(shí)點(diǎn)或時(shí)段是否突破閾值。一旦超過閾值，則意味著該指標(biāo)發(fā)出了在未來N個(gè)月內(nèi)會(huì)發(fā)生危機(jī)的預(yù)警信號(hào)，則危機(jī)預(yù)警指標(biāo)的表現(xiàn)可分為4類，具體如表2所示：其中，A:正確發(fā)出危機(jī)預(yù)警信號(hào)的次數(shù)；B:錯(cuò)誤發(fā)出危機(jī)預(yù)警信號(hào)的次數(shù)；C:未及時(shí)發(fā)出危機(jī)預(yù)警信號(hào)的次數(shù)；D:正確保持不發(fā)出危機(jī)預(yù)警信號(hào)的次數(shù)。在最佳閾值下，危機(jī)預(yù)警指標(biāo)應(yīng)該滿足A、D>0且B、C=0。然而，實(shí)際難以找到指標(biāo)完全符合標(biāo)準(zhǔn)的指標(biāo)和閾值。

3實(shí)證研究

3.1數(shù)據(jù)描述

本文從Wind數(shù)據(jù)庫收集15個(gè)危機(jī)預(yù)警指標(biāo)數(shù)據(jù)，跨度為2005年1月-2020年5月。由于指標(biāo)間的頻率不同，將周度、日度數(shù)據(jù)通過算術(shù)平均方式轉(zhuǎn)換成月度數(shù)據(jù)，共計(jì)185組數(shù)據(jù)。為了測(cè)度不同時(shí)間段內(nèi)危機(jī)預(yù)警指標(biāo)間的溢出效應(yīng)，研究設(shè)置時(shí)段如下：全樣本時(shí)期（2005.01-2020.05）、金融危機(jī)時(shí)期[32]（2007.12-2008.12）、疫情時(shí)期（2020.01-至今），其中：將金融危機(jī)時(shí)期擴(kuò)展為2005.01-2008.12以滿足模型對(duì)數(shù)據(jù)量的需求；另一方面，由于疫情以來數(shù)據(jù)量較少，為保證模型的有效性，本文設(shè)置兩個(gè)時(shí)段：2017.01-2019.12以及2017.01-2020.05，對(duì)比分析考慮疫情后溢出效應(yīng)的變化。

3.2預(yù)警指標(biāo)溢出效應(yīng)分析

基于提前10天的預(yù)測(cè)誤差方差分解測(cè)度全樣本靜態(tài)溢出效應(yīng)指數(shù)，如表4所示。結(jié)果表明：VIX指數(shù)對(duì)于所有危機(jī)預(yù)警指標(biāo)的溢出效應(yīng)最強(qiáng)，達(dá)153.48%；對(duì)其它危機(jī)預(yù)警指標(biāo)溢出效應(yīng)超過100%的指標(biāo)還包括X10（美國(guó)經(jīng)濟(jì)周期研究所周先導(dǎo)指數(shù)）、X4（投資級(jí)公司CDS和同期國(guó)債利差）和X2（10年期Aaa公司債券和同期國(guó)債利差）。另一方面，這4個(gè)指標(biāo)接收來自其他變量的溢出效應(yīng)均高于70%，表明其在系統(tǒng)中與其它變量間具有緊密的波動(dòng)溢出關(guān)聯(lián)。

作者：郝俊 李建平 馮倩倩 孫曉蕾 單位：中國(guó)科學(xué)院科技戰(zhàn)略咨詢研究院 中國(guó)科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院 中國(guó)科學(xué)院大學(xué)公共政策與管理學(xué)院