1、1中国金融市场系统性风险测度内容摘要：本文应用因子分析法构建了反映金融市场系统性风险程度及金融体系压力状况的金融压力指数（FSI） ，通过 FSI 与 GDP 增长率的 IRF 脉冲响应函数图验证了来自金融系统性风险的冲击在滞后 5 个季度会对宏观经济产生显著的不良影响。数据显示压力指数曾经历过两次巨大的波动并于 2008 年 1 月达到峰值 100 点，虽然指数近年来走势平缓，但现阶段又出现略微上升的态势。从各部门对金融压力贡献度看，银行、股票和外汇市场主导了大部分的压力变化，但债券、基金和保险市场的重要性也在最近几年开始凸显。 关键词：金融压力指数 压力识别指数 压力源 贡献度 引言与文献
2、综述 金融安全是保障一国经济安全的前提条件，而系统性风险普遍存在于金融体系当中，所以确保金融安全的关键点就在于做到对金融市场系统性风险的防范与控制。从已有的研究来看，对金融市场系统性风险预警模型的建立经历了好几个时期，早期的“经验法”研究侧重点是找出金融系统性风险的共同特征，在积累大量经验的基础上通过实际值与经验值之间的差距来预测风险，其中具有代表性的模型主要有 KLR 模型（Kaminsky 等，1998） 。随后为了测量风险在各金融机构间的传染性，矩阵法、网络法和 GARCH 模型被学者们利用起来，其中 Adrian（2008）创造的条件风险价值法（CVar）引起了广泛的关注与应用，它可以
3、通过捕2捉金融机构系统性风险的边际贡献情况来帮助政策的制定者进行逆周期调控，此方法的缺点是不能测度整个金融体系的风险状况。 在 2008 年国际金融危机爆发之后，由加拿大的经济学家 Illing 和Lin 于 2006 年提出的金融压力指数的概念（financial stress index，简称 FSI）重新引起学术界的重视。 Illing 和 Lin 将金融压力定义为金融市场的不确定性以及预期损失的不断变化对金融体系施加的压力，它是一个连续的变量，极值称为金融危机。此后，各国学者纷纷编制出本国的压力指数，其中包括了 Hakkio 和 Keeton（2008）构造的堪萨斯州金融压力指数（KC
4、FSI） 、Balakrishnan 等（2009）构建的发达经济体金融压力指数（AE-FSI）和发展中经济体金融压力指数（EM-FSI） 。 我国到目前为止尚未发生过真正意义上的金融危机，因此大多数研究者只进行单个金融市场预警指标的构建：如沈悦等（2007）构造出外汇市场压力指数来对货币危机进行界定；万超等（2009）在构造人民币外汇市场压力指数的基础上研究了压力释放效果；荆中博等（2012）通过对 Hagen 和 Ho 的货币市场压力指数进行改进来预测银行危机。 本文的侧重点不同于以往的研究，本文首先是利用因子分析法构建压力指数，避免已有研究中由于主观认识偏差等原因导致的人为确定权重的不准
5、确性；其次是本文对各部门的压力贡献度进行排名，找出起主导作用的压力源归属部门，以期帮助政策的制定者能够更加有针对性地识别、度量和防范金融市场系统性风险。 中国金融压力指数的构建 （一）压力指数指标的选取 3通过对以往文献的回顾，笔者发现银行、股票和外汇市场是测算 FSI时经常被纳入考虑的对象，而本文试图更准确地反映系统性风险的程度，决定再从债券市场、基金市场和保险市场中选取相应变量。兼顾考虑数据可得性与指标灵敏性两个方面，本文计划建立基于月度数据的 FSI，并将样本的观测期定为 2003 年 1 月至 2012 年 12 月。具体指标选择情况如下： 1.银行部门。笔者用 TED 价差和贷款利率
6、上升变量（IVC）来衡量压力程度。TED 价差即同业拆借市场 90 天加权平均利率减去三月期定期存款利率；IVC 用当前一年期贷款利率除以一年间滚动时间窗口最小值表示。IVC 计算公式如下： IVCt=rt/minr（rt-j/j=0，1，2，11） 上式中，IVCt 为当月的贷款利率上升变量，rt 为样本期当月一年期银行贷款利率。 2.股票市场。用股票市场波动性变量（SFI）及股票指数下跌变量（FVS）来衡量压力。SFI 用上证综指月度收益采用 GARCH（1，1）模型计算的随时间变化的条件方差表示；FVS 用样本期每月的收盘价除以一年期滚动时间窗口最大值的相反数表示。FVS 计算公式如下：
7、 FVSt=-pt/maxp（pt-j/j=0，1，2，11） 上式中，FVSt 为当月的股票指数下跌变量，pt 为当月的上证综指收盘价。 3.债券市场。债券市场的风险体现在债券价格的波动以及信用程度的降低上。中国的国债是发行量最大的债券，所以用国债市场波动性指4数（BFI）来反映债券市场的压力状况，计算方法即建立上证国债指数月度收益的 GARCH（1，1）模型后计算出时变方差。 4.基金市场。本文计算出基金市场波动性指数（FFI）来反映基金市场的压力情况，即上证基金指数月度收益采用 GARCH（1，1）模型计算的时变方差。 5.外汇市场。外汇市场的压力直接表现为货币危机的爆发，即货币显著的贬
8、值和外汇储备大量的减少。本文使用 Balakrishnan 采用的变量外汇市场压力指数 EMPI（exchange market press index）来衡量外汇市场的压力。其计算公式如下： 上式中，EMPIt 为样本期当月的外汇市场压力指数，et 及RESt为当月的汇率和外汇储备基于前一个月的变化量， 和 分别表示序列的均值和标准差。 6.保险市场。保险公司的偿付能力反映了公司面临的压力情况，而偿付能力可以用保险赔付来衡量。本文使用赔付率上升变量 IVI 来反映保险市场面临的压力状况，即用当前一年期保险赔付率除以一年间滚动时间窗口最小值。 （二）构建金融压力指数 FSI 为了更加直观地理解
9、压力指数，本文首先根据指数的含义给出 FSI最原始的数学表达式： 其中，FSIt 是 t 时期的压力指数，Xit 为t 时期的第 i 个变量，it 为 t 时期对应变量的权重。笔者拟通过因子分析法找出能够概括所有变量大部分信息的少数几个公共因子 Fi（数学表达式为：）来替代原始变量 Xi。权重方面，某些学者如 Illing and 5Lin（2006）使用标准化后再加总的等权重法，此法虽简单，但使用的假设条件是变量服从正态分布，这显然难以符合金融变量的实际特征。刘晓星（2012）创造性地使用了 CDF-信用加总权重法，通过变量所在市场的信用规模赋予其相应的权重，但以何种指标来衡量单个市场的信用
10、规模仍然有待商榷。而因子分析法的最大的优势就是通过方差贡献率客观确定了各个公共因子的权重，克服了以往文献中主观赋值的随意性，使得分析结果更加客观合理。通过因子分析法的计算，可以将 FSI 的数学表达式转换为： 其中，FSIt 是 t 时期的压力指数，Fjt 为第 j 个公共因子，it 为第 j 个公共因子对应的方差贡献率即因子权重。 本文对变量之间是否存在相关性进行检验，据此判断原始变量是否能够进行因子分析。SPSS 软件中的 KMO 检验和巴特利球形检验结果如表1 所示。 表 1 的结果显示，KMO 检验的统计值为 0.671，根据 KMO 的判定标准KMO 值越接近 1 越适合进行因子分析
11、来看，此处的原始变量比较适合进行因子分析。 随后本文使用特征值大于 1 的原则提取公共因子 Fj，并用主成分分析法确定方差贡献率 it。总体方差解析情况（见表 2）显示前三个因子的特征值均大于 1，他们的因子贡献率分别为 31.873%、25.433%以及14.367%，累计贡献率达到 71.674%，表明这三个公共因子能够解释原始变量的大部分变化情况，本文就将他们作为构建 FSI 的公共因子。 本文进一步利用旋转后的因子载荷矩阵确定每个公共因子解释的变6量个数：笔者发现 F1 在变量 FFI、TED、SFI 上有绝对值较大的相关系数；F2 相关系数绝对值较大的变量是 IVC、EMPI 和 B
12、FI；而变量 FVS、IVI 在F3 上具有较高的载荷。在此基础上根据因子得分系数表计算出以上三个公共因子在每个原始指标上的因子得分，再根据因子得分计算出来的公共因子变量就能够替代复杂的原始变量了，即我国金融压力指数可以表示为： FSI=0.3187F1+0.2543F2+0.1437F3 本文将原始变量 2003 年 1 月至 2012 年 12 月的月度值带入上述模型中，便计算得出我国最近 10 年的月度 FSI。为了使压力指数值更加直观，本文以 2008 年 1 月份的指数值，即指数中的最大值作为基准赋值 100，它代表了截至目前为止的最高风险水平，并将其他月份的指数值按照这个基准重新计
13、算，最后将结果以图 1 的形式呈现出来。 计算结果显示，压力指数的走势可分为四个阶段：第 1 阶段为 2003年 1 月至 2006 年 11 月，压力指数较低且波动平稳；第 2 阶段为 2006 年11 月至 2010 年 5 月，FSI 大起大落并于 2008 年 1 月达到历史最高峰值，此时我国金融市场的系统性风险迅速增加；第 3 阶段为 2010 年 5 月至2011 年 8 月，FSI 再次剧烈波动并于 2010 年 11 月达到历史第二峰值水平；第 4 阶段为 2011 年 8 月至 2012 年 12 月，金融压力指数呈现出在波动中缓缓上升的趋势，说明目前我国金融市场的压力状况需
14、要引起大家的关注。 金融压力指数的有效性检验 为了对 FSI 的有效性进行检验，本文接下来将建立季度金融压力指7数和季度 GDP 增长率的双变量 VAR（4）模型，并在此基础上绘制 IRF 脉冲响应函数来捕捉全面复杂的动态关系，据此分析金融市场的系统性风险对宏观经济的影响情况。首先，本文得出了 FSI 与 GDP 的 VAR（4）模型估计表达式： 在生成脉冲响应函数之前，需要对 VAR 模型的稳定性进行检验，图2 中单位圆中的点表示的是 AR 特征根倒数的模，因每个模都在单位圆内且没有位于单位圆上的根，所以本文建立的 VAR 模型是稳定的。在此基础上，生成了基于 VAR 模型的脉冲响应函数图（
15、见图 3） ，从图形可以看出，GDP 在受到 FSI 的冲击之后产生了负向的脉冲响应，这一负面冲击逐渐增大并在第五期达到最大值，随后冲击作用开始下降并趋于 0。以上研究表明，来自于金融系统性风险的负面冲击在滞后 5 个季度的时候会对宏观经济产生显著的不良影响。 金融市场压力源分析 为了能够更加有针对性地识别、度量和防范金融市场系统性风险，找出起主导作用的风险来源部门非常有必要。本文用 TED 价差和 IVC 的值共同表示银行部门压力；用 SFI 和 FVS 的值共同表示股票市场压力；用 BFI、FFI、EMPI、IVI 分别表示债券、基金、外汇和保险市场的压力。将每个阶段金融压力的指数变化情况
16、和起主导作用的压力源部门归纳在表 3 中，观察发现：第一，在指数平稳运行的安全阶段期，银行业的贡献度最大，这说明我国的银行体系对维护金融市场的稳定运行起到了关键性的作用。第二，2006 年 11 月至 2010 年 5 月期间股票指数的剧烈波动和市值的大幅缩水是压力剧增的原因，而股票市场贡献度的跃升表明8资本市场在金融体系中的重要性不可忽视。第三，从 2010 年 5 月起开始的第二轮波动中，外汇市场成为第一压力源。外汇市场压力的上升源自欧债危机的爆发，危机不仅对我国的出口贸易造成影响，还威胁到多元化外汇储备的安全。第四，基金市场作为压力源之一的重要性并不凸显，但是在 2008 年金融危机中对
17、于 FSI 的贡献度排名靠前，这与我国开放式基金与股票市场的关联度较大有一定关系。第五，保险市场和债券市场在样本期间的压力程度不足以对 FSI 的走势产生较大冲击，但是随着我国保险市场和债券市场的迅速发展，未来的金融市场格局可能会发生更加多样性的变化，相关部门一定要重视对保险和债券市场的压力程度进行日常监测。 研究结论 到目前为止，中国金融市场尚未发生真正意义上的系统性风险，但是随着金融市场的逐步开放和全球金融一体化程度的加深，未来遭受风险冲击的可能性会不断加大。本文应用因子分析法构建了反映金融市场系统性风险程度及金融体系压力状况的金融压力指数，该指数能够较好地拟合市场近十年的系统性风险状况，
18、且脉冲响应函数图显示来自于金融系统性风险（FSI）的负面冲击在滞后 5 个季度会对宏观经济产生显著的不良影响。 从压力指数的走势中可以发现，压力指数在经过两次巨大的波动后于近年来走势平缓，但是最近又表现出缓缓上升的趋势，相关的政府部门应加强监管，做好风险防范的准备。而压力来源分析结果显示，金融市场系统性风险的主要来源并不局限于某一部门，银行、股票和外汇市场是主要的风险来源地。考虑到银行业占据了我国金融领9域的主导地位，相关部门提高银行业风险治理水平很有必要；证券市场高杠杆高风险的特点也告诫监管层加强资本市场风险管理对预防系统性金融危机有重大意义；而外汇市场也能够主导 FSI 的走势说明监管层应
19、该警惕国际环境的变化，防止金融压力从其他渠道传导进来。总之在我国金融体系发展趋势尚不明朗的当下，制定这样一个反映金融市场系统性风险程度及金融体系压力状况的指标可以为我国金融监管机构防范金融系统性风险提供一个参考工具。 参考文献： 1.Kaminsky G.，Lizondo，C. Reinhart.Leading Indicators of Currency CrisesJ. IMF Staff Papers，1998（45） 2.Adrian， T.& M.Brunnermeier.”CVar” Federal Reserve Bank of New York Staff Reports， 2
20、008 3.Illing M，Liu Y. Measuring financial stress in a developed country：An application to Canada J.Journal of Financial Stability，2006（2） 4.Hakkio and Keeton.Financial stress：What Is It， How Can It Be Measured， and Why Does It Matter？EB/OL www.KansasCityFed.org. 5.Ravi Balakrishnan， Stephan Danninge
21、r， Selim Elekdag， and Irina Tytell. The Transmission of Financial Stress from Advanced to Emerging EconomiesR.IMF Working Paper，2009（133） 106.沈悦，闵亮.基于外汇市场压力指数的货币危机界定与识别J.上海金融，2007（12） 7.万超，靳玉英.人民币外汇市场压力指数变动及压力释放效果研究J.财贸研究，2010（2） 8.荆中博，杨海珍，杨晓光.基于货币市场压力指数的银行危机预警研究J.金融研究，2012（5） 9.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J.管理工程学报，2012（3）
