導語：金融危機早期預警方法研究一文來源于網(wǎng)友上傳，不代表本站觀點，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，疊加油價下跌等不確定性因素使得全球金融市場承受巨大的下行壓力；且金融市場內部的聯(lián)動性不斷增強，金融變量間的波動溢出效應往往會放大風險水平，因此國際社會對美國金融市場動蕩是否會演化成金融危機保持極大擔憂與高度警惕。在此背景下，如何有效刻畫金融市場間的溢出效應，并實現(xiàn)對美國金融危機早期預警已成為關注焦點。對此，本文首先考慮疫情沖擊下金融市場波動特點，構建涵蓋9個市場、涉及15項指標的危機預警指標體系；其次，引入廣義預測誤差方差分解和復雜網(wǎng)絡技術，刻畫金融市場間的溢出效應；最后，將溢出效應引入傳統(tǒng)KLR模型之中，實現(xiàn)了考慮指標間溢出效應的危機預警信號綜合集成。結果表明：基于溢出效應強度構建的綜合預警模型能夠更為精準的捕捉危機信號；危機預警信號在2020年4月已接近2008年金融危機的早期水平，但仍存在一定距離，需要持續(xù)關注其未來走勢。

關鍵詞：疫情；金融危機；危機預警；信號分析；溢出效應

1引言

金融危機是金融風險的極限效應，集中表現(xiàn)為全部或大部分金融指標急劇、短暫和超周期的惡化，金融風險則是金融交易過程中各種不確定性因素導致未來損失的可能性。金融危機爆發(fā)往往會導致產(chǎn)出下降、國際儲備枯竭、政府債務加劇等一系列問題，對區(qū)域或全球經(jīng)濟發(fā)展造成嚴重損害[1,2]。2020年4月原油減產(chǎn)協(xié)議談判破裂，國際原油價格受到需求和供給端的雙重影響而連續(xù)暴跌。市場恐慌情緒迅速蔓延，導致金融市場也做出極大的反應[3]。另一方面，受疫情影響，全球大部分國家限制經(jīng)濟、社會活動，部分國家出現(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)制造服務和消費需求遭受沖擊，經(jīng)濟發(fā)展疲軟甚至衰退。在疫情爆發(fā)之前，全球經(jīng)濟已進入增速減緩期，部分國家甚至出現(xiàn)經(jīng)濟下滑現(xiàn)象[5]。疫情全球蔓延疊加增速疲軟的經(jīng)濟環(huán)境，則進一步加劇全球金融市場動蕩。國際金融體系穩(wěn)定與否，很大程度上取決于美國金融市場[6,7]。美國股市在8個交易日內發(fā)生4次一級熔斷，股市、債市和黃金市場共振，一度出現(xiàn)風險資產(chǎn)和避險資產(chǎn)同時下跌的情況。美國金融市場對國際金融體系的影響舉足輕重，這引發(fā)了關于新一輪全球性金融危機爆發(fā)的擔憂。因此，能否借助一套科學精確的測度方法實現(xiàn)金融危機的早期預警，是本文試圖回答的關鍵問題。目前，針對金融危機預警已形成三種經(jīng)典模型：FR概率模型[8]、STV橫截面回歸模型[9]和KLR信號模型[10]。相較于前兩種模型，KLR作為一種非參數(shù)信號模型可以避免因參數(shù)估計而導致模型準確性較低的缺陷[11]。此外，鑒于KLR因操作性較強，指標范圍廣且準確度高而被廣泛接受[12]。然而，在利用KLR模型進行金融危機預警時，如何選擇危機預警指標以準確刻畫金融危機狀態(tài)是需要重點關注的問題。Kaminsky等[10]從金融部門、實體部門、公共財政等維度選取105項指標對危機進行預警，其成為后續(xù)研究的重要參照標準；Illing和Liu[13]聚焦銀行、股票、外匯等維度選取指標刻畫金融危機程度。Peng和Bajona[11]立足金融部門、宏觀經(jīng)濟以及實體經(jīng)濟等維度選擇14項指標構建預警體系，并利用KLR模型預警金融危機?？紤]宏觀經(jīng)濟、股票市場、貨幣市場及外匯市場，F(xiàn)rankel和Saravelos[14]測度金融危機發(fā)生概率，并指出外匯儲備水平是具有統(tǒng)計意義的領先指標。此外，Coudert和Idier[15]、Dawood等[16]基于貨幣市場、債券市場、外匯市場及宏觀經(jīng)濟等維度選取指標預警金融危機。綜合來看，危機預警指標主要體現(xiàn)在經(jīng)濟基本面和傳統(tǒng)金融市場，如股票、債券、外匯、信貸、貨幣及宏觀經(jīng)濟等[17]。鑒于現(xiàn)階段金融市場動蕩主要原因在于疫情對實體經(jīng)濟造成沖擊并迅速傳導至金融市場；同時，政策措施對危機控制也有顯著影響[18,19]。因此，研究將引入實體經(jīng)濟、政策措施等結構性和周期性因素構建危機預警指標體系。此外，危機預警指標之間的溢出關系會進一步加大金融危機爆發(fā)的可能性[20]。由于金融市場的共同風險暴露與風險傳染、信息錯配以及負外部性等，單個市場受到外部沖擊而產(chǎn)生的負面影響會迅速地傳遞至其他市場，進而增加系統(tǒng)性金融風險爆發(fā)的可能性[21,22]。2008年美國房地產(chǎn)次級貸款市場遭受負面沖擊后向股票，債券，匯率等金融市場傳播，并導致金融危機的全面爆發(fā)[23]。IMF[24]指出金融市場之間的緊密聯(lián)系增加了危機跨市場和跨邊界傳播的可能性；楊子暉和周穎剛[25]則基于市場間的波動溢出關系構建了全球金融市場的風險溢出網(wǎng)絡，從網(wǎng)絡關聯(lián)的視角考察了全球系統(tǒng)性金融風險的動態(tài)演變。然而，現(xiàn)有的金融危機預警信號集成策略忽視了金融子市場之間的溢出關系和危機預警指標之間的相關性等問題，往往無法有效刻畫金融危機的真實狀態(tài)[26,27]。因此，識別危機預警指標間的溢出效應對于準確實現(xiàn)危機預警至關重要[28,29]。綜上，本文研究思路設計如下：首先，針對疫情爆發(fā)的特點引入實體經(jīng)濟和政策效果指標，構建金融危機預警指標體系；其次，利用廣義預測誤差方差分解方法提取危機預警指標間的溢出效應；最后，基于危機預警指標間的溢出效益構造信號集成策略，綜合集成和捕捉危機預警信號并研判危機爆發(fā)可能性。

2金融危機早期預警分析框架

2.1危機預警指標體系

本文構建多維指標體系刻畫金融市場狀況并進行預警研究。金融危機預警指標體系構建過程中指標、數(shù)據(jù)選取要遵循以下幾點原則：（1）代表性：指標要能反映金融市場真實風險狀況；（2）先行性：指標要能夠反映和衡量危機前期、即期金融壓力或脆弱性；（3）公開性：數(shù)據(jù)應該公開可獲得且真實有效；（4）及時性：數(shù)據(jù)頻率不超過1個月，多為日、周度數(shù)據(jù)指標。為了能夠更為及時實現(xiàn)金融危機預警，在總結主流研究的基礎之上，本文通過對現(xiàn)有主流的危機預警指標進行梳理總結，并且考慮指標的數(shù)據(jù)頻率（日度、周度和月度），則重點從股票市場、債券市場、貨幣市場、信用衍生市場、銀行業(yè)、外匯市場、宏觀經(jīng)濟、政策效果以及實體經(jīng)濟等方面進行指標篩選并構造金融危機預警指標體系?？紤]到不同指標的經(jīng)濟含義及其對危機爆發(fā)的影響方向，本文將危機預警指標區(qū)分為同向指標和反向指標，具體如表1所示。

2.2KLR危機預警模型

為了有效提取金融危機預警信號，本文將利用KLR危機預警模型進行研究，其基本原理是觀測危機預警指標在某個時點或時段是否突破閾值。一旦超過閾值，則意味著該指標發(fā)出了在未來N個月內會發(fā)生危機的預警信號，則危機預警指標的表現(xiàn)可分為4類，具體如表2所示：其中，A:正確發(fā)出危機預警信號的次數(shù)；B:錯誤發(fā)出危機預警信號的次數(shù)；C:未及時發(fā)出危機預警信號的次數(shù)；D:正確保持不發(fā)出危機預警信號的次數(shù)。在最佳閾值下，危機預警指標應該滿足A、D>0且B、C=0。然而，實際難以找到指標完全符合標準的指標和閾值。

3實證研究

3.1數(shù)據(jù)描述

本文從Wind數(shù)據(jù)庫收集15個危機預警指標數(shù)據(jù)，跨度為2005年1月-2020年5月。由于指標間的頻率不同，將周度、日度數(shù)據(jù)通過算術平均方式轉換成月度數(shù)據(jù)，共計185組數(shù)據(jù)。為了測度不同時間段內危機預警指標間的溢出效應，研究設置時段如下：全樣本時期（2005.01-2020.05）、金融危機時期[32]（2007.12-2008.12）、疫情時期（2020.01-至今），其中：將金融危機時期擴展為2005.01-2008.12以滿足模型對數(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，本文設置兩個時段：2017.01-2019.12以及2017.01-2020.05，對比分析考慮疫情后溢出效應的變化。

3.2預警指標溢出效應分析

基于提前10天的預測誤差方差分解測度全樣本靜態(tài)溢出效應指數(shù)，如表4所示。結果表明：VIX指數(shù)對于所有危機預警指標的溢出效應最強，達153.48%；對其它危機預警指標溢出效應超過100%的指標還包括X10（美國經(jīng)濟周期研究所周先導指數(shù)）、X4（投資級公司CDS和同期國債利差）和X2（10年期Aaa公司債券和同期國債利差）。另一方面，這4個指標接收來自其他變量的溢出效應均高于70%，表明其在系統(tǒng)中與其它變量間具有緊密的波動溢出關聯(lián)。

作者：郝俊 李建平 馮倩倩 孫曉蕾 單位：中國科學院科技戰(zhàn)略咨詢研究院 中國科學院大學經(jīng)濟與管理學院 中國科學院大學公共政策與管理學院