孟慶斌 楊俊華

?

基于門限自回歸模型的中國(guó)財(cái)政風(fēng)險(xiǎn)預(yù)警系統(tǒng)

孟慶斌 楊俊華

財(cái)政在整個(gè)宏觀經(jīng)濟(jì)中占據(jù)著重要的地位，財(cái)政風(fēng)險(xiǎn)的出現(xiàn)往往對(duì)國(guó)民經(jīng)濟(jì)產(chǎn)生強(qiáng)烈沖擊，甚至影響到社會(huì)的穩(wěn)定。赤字風(fēng)險(xiǎn)是衡量財(cái)政風(fēng)險(xiǎn)程度的一個(gè)較好的尺度。在大部分時(shí)間里，我國(guó)赤字風(fēng)險(xiǎn)都較為平穩(wěn)地處于中、低度風(fēng)險(xiǎn)狀態(tài)。但在1999年到2003年的后東南亞金融危機(jī)時(shí)期，以及2008年之后的國(guó)際金融危機(jī)及經(jīng)濟(jì)轉(zhuǎn)型時(shí)期，我國(guó)赤字風(fēng)險(xiǎn)程度都上升到了較高的水平。運(yùn)用門限自回歸模型可以較好地構(gòu)建赤字風(fēng)險(xiǎn)預(yù)警系統(tǒng)，從而能夠前瞻性地對(duì)赤字風(fēng)險(xiǎn)做出預(yù)警，采取相應(yīng)對(duì)策化解或盡可能地降低財(cái)政風(fēng)險(xiǎn)。

財(cái)政風(fēng)險(xiǎn)預(yù)警；赤字風(fēng)險(xiǎn)指數(shù)；門限自回歸模型

風(fēng)險(xiǎn)是經(jīng)濟(jì)生活中的核心問(wèn)題，財(cái)政天生就是要承擔(dān)公共風(fēng)險(xiǎn)的。同時(shí)，財(cái)政也是整個(gè)經(jīng)濟(jì)運(yùn)行的總樞紐，一旦發(fā)生財(cái)政危機(jī)，必將會(huì)對(duì)國(guó)民經(jīng)濟(jì)產(chǎn)生強(qiáng)烈沖擊，甚至影響到社會(huì)的穩(wěn)定。由于特殊的發(fā)展階段和所有制結(jié)構(gòu)，與西方資本主義國(guó)家相比，我國(guó)財(cái)政還肩負(fù)著國(guó)有企業(yè)、國(guó)有銀行“最后保護(hù)人”的角色，集各種風(fēng)險(xiǎn)于一身，更易受到?jīng)_擊。自20世紀(jì)90年代以來(lái)，在改革不斷深入以及國(guó)際經(jīng)濟(jì)危機(jī)此起彼伏的背景下，我國(guó)實(shí)行的積極財(cái)政政策，一方面使財(cái)政赤字不斷攀升，債務(wù)規(guī)模持續(xù)增長(zhǎng)，導(dǎo)致財(cái)政風(fēng)險(xiǎn)因素逐漸累積，另一方面又刺激了經(jīng)濟(jì)的高速增長(zhǎng)，使財(cái)政收入連年持續(xù)穩(wěn)定增加，國(guó)家抵抗財(cái)政風(fēng)險(xiǎn)的實(shí)力顯著提高?？浯筘?cái)政風(fēng)險(xiǎn)固然有害，低估財(cái)政風(fēng)險(xiǎn)則更為危險(xiǎn)。在這種情況下，對(duì)我國(guó)財(cái)政風(fēng)險(xiǎn)的程度做出準(zhǔn)確的度量，并且在此基礎(chǔ)上對(duì)財(cái)政風(fēng)險(xiǎn)做出科學(xué)的預(yù)警，從而為政策的制定者提供充足的時(shí)間來(lái)制定預(yù)防措施，最大限度地降低財(cái)政危機(jī)的破壞程度甚至化解即將發(fā)生的危機(jī)，便具有重要的現(xiàn)實(shí)意義。

然而，2000年以前，相對(duì)于我國(guó)政府和國(guó)內(nèi)學(xué)術(shù)界對(duì)金融風(fēng)險(xiǎn)和金融危機(jī)的關(guān)注和研究，關(guān)于財(cái)政風(fēng)險(xiǎn)尤其是其預(yù)警體系的探討一直未引起足夠的重視，研究成果比較匱乏。這樣的情況隨著1997年?yáng)|南亞金融危機(jī)、2008年美國(guó)金融危機(jī)和歐洲主權(quán)債務(wù)危機(jī)的相繼爆發(fā)而逐步得到改善。歷次危機(jī)中，我國(guó)金融、經(jīng)濟(jì)系統(tǒng)均受到了極大的沖擊。為應(yīng)對(duì)實(shí)體經(jīng)濟(jì)的下行風(fēng)險(xiǎn)，1998年到2003年以及2008年至今，我國(guó)先后兩次實(shí)施大規(guī)模經(jīng)濟(jì)刺激政策，加大政府投資，擴(kuò)大債務(wù)融資規(guī)模。這樣的政策雖然在一定程度上保證了經(jīng)濟(jì)增長(zhǎng)，化解了國(guó)內(nèi)經(jīng)濟(jì)危機(jī)的隱患，但大幅增加的財(cái)政赤字和國(guó)債余額，使財(cái)政風(fēng)險(xiǎn)不斷累積。與此同時(shí)，為配合中央政府的經(jīng)濟(jì)刺激方案，地方政府的融資規(guī)模迅速擴(kuò)大，或有負(fù)債大量增加，也使?jié)撛诘呢?cái)政風(fēng)險(xiǎn)問(wèn)題凸顯出來(lái)。在此背景下，人們開(kāi)始重新審視財(cái)政風(fēng)險(xiǎn)，我國(guó)政府和學(xué)術(shù)界也對(duì)財(cái)政安全問(wèn)題更為關(guān)注。

一、財(cái)政風(fēng)險(xiǎn)的研究現(xiàn)狀

在國(guó)際上，學(xué)者們?cè)谪?cái)政風(fēng)險(xiǎn)這一領(lǐng)域的研究多為國(guó)際比較，而由于不同國(guó)家之間情況相差較大，財(cái)政風(fēng)險(xiǎn)的度量無(wú)法采用相同的尺度，因此他們更加關(guān)注財(cái)政危機(jī)而不是財(cái)政風(fēng)險(xiǎn)。然而由于在實(shí)證研究當(dāng)中，危機(jī)預(yù)警系統(tǒng)模型的構(gòu)建需要較為充足的危機(jī)樣本，但不同于金融危機(jī)（特別是貨幣危機(jī)），財(cái)政危機(jī)爆發(fā)在某種程度上說(shuō)等同于國(guó)家破產(chǎn)，這種情況十分罕見(jiàn)（近年來(lái)，只有冰島國(guó)家破產(chǎn)這個(gè)唯一的案例）。因此，學(xué)者們更多地將注意力集中在對(duì)主權(quán)債務(wù)問(wèn)題*簡(jiǎn)單來(lái)說(shuō)，主權(quán)債務(wù)是專指一國(guó)政府以外幣發(fā)行債券形成的外債。的研究上，特別是致力于主權(quán)債務(wù)危機(jī)預(yù)警模型的構(gòu)建。[1]

在我國(guó)，從本世紀(jì)初開(kāi)始，財(cái)政風(fēng)險(xiǎn)問(wèn)題雖然逐漸成為學(xué)界討論的一個(gè)熱門話題，出現(xiàn)了不少有價(jià)值的學(xué)術(shù)成果，但這些成果主要集中在財(cái)政風(fēng)險(xiǎn)的界定、表現(xiàn)形式、形成機(jī)理、影響因素、防范措施等問(wèn)題的闡述，以及我國(guó)財(cái)政風(fēng)險(xiǎn)的理論框架和實(shí)證基礎(chǔ)的構(gòu)建上。目前針對(duì)我國(guó)財(cái)政風(fēng)險(xiǎn)預(yù)警系統(tǒng)的研究尚處于起步階段，大多數(shù)研究成果的基本思路是通過(guò)設(shè)定一套盡可能全面反映經(jīng)濟(jì)、金融、政策、制度等狀況的指標(biāo)體系，采用指標(biāo)對(duì)比分析法來(lái)判斷財(cái)政風(fēng)險(xiǎn)的程度，這實(shí)際上并不是真正的財(cái)政風(fēng)險(xiǎn)預(yù)警系統(tǒng)。造成這一問(wèn)題的原因在于，1994年我國(guó)確立了適應(yīng)社會(huì)主義市場(chǎng)經(jīng)濟(jì)體制的稅收制度和財(cái)政管理體制，使預(yù)算外資金規(guī)模比以前大幅度減少。但從1994年到目前時(shí)間區(qū)間較小，而且在此期間內(nèi)我國(guó)財(cái)政指標(biāo)的波動(dòng)并不十分劇烈，因此構(gòu)建財(cái)政風(fēng)險(xiǎn)預(yù)警系統(tǒng)有一定難度。同時(shí)，由于財(cái)政數(shù)據(jù)大多以年度數(shù)據(jù)為主，要想在時(shí)間區(qū)間不很長(zhǎng)的情況下，保證足夠的數(shù)據(jù)樣本，就必須使用月度財(cái)政數(shù)據(jù)，然而，即使在統(tǒng)計(jì)制度健全、數(shù)據(jù)資料比較充分的發(fā)達(dá)國(guó)家，相關(guān)的月度財(cái)政數(shù)據(jù)也是很難獲取的。因此，即使構(gòu)建了財(cái)政風(fēng)險(xiǎn)預(yù)警系統(tǒng)模型，也存在所需數(shù)據(jù)短缺的問(wèn)題。

鑒于以上問(wèn)題，本文將選取合適的指標(biāo)（兼顧與財(cái)政風(fēng)險(xiǎn)緊密相關(guān)性和數(shù)據(jù)可得性），借鑒國(guó)際學(xué)術(shù)界金融危機(jī)尤其是貨幣危機(jī)預(yù)警系統(tǒng)模型的設(shè)計(jì)方法，嘗試構(gòu)建與我國(guó)國(guó)情相適應(yīng)的預(yù)警模型。在預(yù)警目標(biāo)上，由于在我國(guó)歷史上不存在財(cái)政危機(jī)的先例，因此本文主要對(duì)我國(guó)財(cái)政風(fēng)險(xiǎn)進(jìn)行預(yù)警。在指標(biāo)選取上，財(cái)政風(fēng)險(xiǎn)主要表現(xiàn)為赤字風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)[2]，但由于我國(guó)目前公布的有關(guān)債務(wù)指標(biāo)都是年度數(shù)據(jù)且很不完整，特別是地方政府債務(wù)數(shù)據(jù)幾乎無(wú)從查證，因此，本文將主要嘗試構(gòu)建赤字風(fēng)險(xiǎn)預(yù)警系統(tǒng)。當(dāng)然，有關(guān)財(cái)政赤字，目前官方公布的數(shù)據(jù)在個(gè)別月份也有所遺漏，本文只能根據(jù)公開(kāi)的月度財(cái)政收支數(shù)據(jù)自行計(jì)算。在方法選取上，由于我國(guó)的數(shù)據(jù)樣本較短，且指標(biāo)波動(dòng)較小，因此本文將采用非線性計(jì)量方法，盡量捕捉數(shù)據(jù)中的波動(dòng)。

通過(guò)本文的研究，筆者試圖在理論上提出比較完整的財(cái)政風(fēng)險(xiǎn)度量和財(cái)政風(fēng)險(xiǎn)預(yù)警的方法和體系，在較大程度上完善和發(fā)展我國(guó)關(guān)于該領(lǐng)域的文獻(xiàn)和知識(shí)體系；在實(shí)踐層面，能夠?yàn)檎咧贫ㄕ咛峁┮惶纵^為準(zhǔn)確而且具有較強(qiáng)可操作性的財(cái)政風(fēng)險(xiǎn)度量和預(yù)警方法，為其準(zhǔn)確把握當(dāng)前的財(cái)政風(fēng)險(xiǎn)狀況，及時(shí)調(diào)整財(cái)政政策，最大限度地減輕乃至化解財(cái)政風(fēng)險(xiǎn)提供有效的工具。

本文剩余部分的安排如下：第二部分界定了赤字風(fēng)險(xiǎn)指數(shù)，并借助HP濾波方法對(duì)我國(guó)1994年1月到2015年9月間的赤字風(fēng)險(xiǎn)情況進(jìn)行了定性描述；第三部分利用門限自回歸模型測(cè)算出我國(guó)財(cái)政風(fēng)險(xiǎn)指數(shù)的兩個(gè)閾值，以此對(duì)我國(guó)財(cái)政風(fēng)險(xiǎn)狀況做出判斷，并在此基礎(chǔ)上構(gòu)建我國(guó)財(cái)政風(fēng)險(xiǎn)預(yù)警模型；第四部分總結(jié)全文。

二、赤字風(fēng)險(xiǎn)的描述

一國(guó)財(cái)政風(fēng)險(xiǎn)主要由收入風(fēng)險(xiǎn)、支出風(fēng)險(xiǎn)、赤字風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)構(gòu)成。[3]但是當(dāng)收入支出協(xié)同變化時(shí)并不會(huì)引致過(guò)高的財(cái)政風(fēng)險(xiǎn)*也即財(cái)政收入和財(cái)政支出存在協(xié)整關(guān)系。[4]，比如財(cái)政支出大幅提高可能是由于收入狀況改善，資金充裕；財(cái)政收入減少也有可能是由于支出減少，或政府有意減輕企業(yè)和個(gè)人的稅賦。只有當(dāng)二者的變化失去協(xié)同性時(shí)才會(huì)導(dǎo)致赤字的急速增加，而政府為彌補(bǔ)赤字不得不通過(guò)發(fā)放國(guó)債的形式進(jìn)行融資，使債務(wù)規(guī)模不斷累積。當(dāng)債務(wù)規(guī)模累積到一定程度，財(cái)政收入難以承擔(dān)債務(wù)還本付息壓力時(shí)財(cái)政風(fēng)險(xiǎn)便顯現(xiàn)出來(lái)，因此對(duì)財(cái)政危機(jī)的刻畫應(yīng)主要著眼于赤字和債務(wù)層面。然而，由于我國(guó)目前公布的有關(guān)債務(wù)指標(biāo)都是年度數(shù)據(jù)且很不完整，特別是地方政府的或有債務(wù)數(shù)據(jù)幾乎無(wú)從查證，因此本文只能從赤字風(fēng)險(xiǎn)角度入手，對(duì)財(cái)政風(fēng)險(xiǎn)問(wèn)題進(jìn)行研究。當(dāng)然，有關(guān)財(cái)政赤字的數(shù)據(jù)，目前官方公布的也僅是年度數(shù)據(jù)，筆者只能根據(jù)公開(kāi)的月度財(cái)政收支數(shù)據(jù)自行計(jì)算。

為了計(jì)算出月度財(cái)政赤字，本文首先找到月度財(cái)政收支數(shù)據(jù)。鑒于月度財(cái)政支出和財(cái)政收入具有較強(qiáng)的季節(jié)性，為考察這些序列的波動(dòng)趨勢(shì)特征，應(yīng)消除這兩個(gè)序列中的季節(jié)性。為此，本文首先對(duì)財(cái)政支出和財(cái)政收入數(shù)據(jù)進(jìn)行X-12調(diào)整，然后做差，從而得到月度財(cái)政赤字?jǐn)?shù)據(jù)。同時(shí)，由于我國(guó)官方公布的GDP數(shù)據(jù)為季度數(shù)據(jù)，因此本文采用通常做法，用工業(yè)增加值對(duì)其進(jìn)行替代。同樣，由于該序列中也存在著較為嚴(yán)重的季節(jié)性因素，因此本文也需要對(duì)其進(jìn)行X-11季節(jié)調(diào)整。這些數(shù)據(jù)主要來(lái)源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)。1994年1月到2015年9月間的赤字風(fēng)險(xiǎn)指數(shù)變化見(jiàn)圖1。

圖1 赤字風(fēng)險(xiǎn)指數(shù)（1994年1月-2015年9月）

在對(duì)赤字風(fēng)險(xiǎn)指數(shù)進(jìn)行實(shí)證研究之前，為了更加清晰地觀察其變化趨勢(shì)，本文對(duì)赤字風(fēng)險(xiǎn)指數(shù)進(jìn)行HP濾波處理（見(jiàn)圖2）。從圖2可以看到，從1997年底開(kāi)始，赤字風(fēng)險(xiǎn)指數(shù)開(kāi)始走高，到2002年達(dá)到頂峰；此后，從2003年開(kāi)始，我國(guó)財(cái)政風(fēng)險(xiǎn)狀況逐漸得到改善，赤字風(fēng)險(xiǎn)指數(shù)一路走低，甚至在2006年和2007年一度跌至零點(diǎn)之下；但從2008年開(kāi)始，財(cái)政風(fēng)險(xiǎn)指數(shù)又迅速觸底反彈，并很快攀升至較高的水平。

圖2 赤字風(fēng)險(xiǎn)指數(shù)HP濾波趨勢(shì)

財(cái)政風(fēng)險(xiǎn)指數(shù)的基本統(tǒng)計(jì)特征見(jiàn)表1。從表1可以看到，赤字風(fēng)險(xiǎn)指數(shù)為平穩(wěn)序列，且存在著較強(qiáng)的序列相關(guān)性（Q（10）=113.04）。但鑒于該序列在樣本期內(nèi)波動(dòng)劇烈，峰度較高且JB統(tǒng)計(jì)量較大，表明其分布與正態(tài)分布相去甚遠(yuǎn)。這就說(shuō)明，赤字風(fēng)險(xiǎn)指數(shù)序列可能存在著顯著的結(jié)構(gòu)性變化或結(jié)構(gòu)性斷點(diǎn)，或者說(shuō)具有某種非線性特征。

表1 赤字風(fēng)險(xiǎn)指數(shù)基本統(tǒng)計(jì)特征（1994年1月-2015年9月）

注：（1）JB為檢驗(yàn)樣本是否服從正態(tài)分布Jarque-Bera統(tǒng)計(jì)量；（2）Q（10）為檢驗(yàn)時(shí)間序列中是否存在序列相關(guān)的Ljung-Box統(tǒng)計(jì)量；（3）ADF為檢驗(yàn)各序列中是否存在單位根的Augmented Dickey-Fuller統(tǒng)計(jì)量，各統(tǒng)計(jì)量后面括號(hào)內(nèi)數(shù)據(jù)為其p值。下文中與此相同。

作為一類非線性模型，門限自回歸模型（Threshold Autoregressive Model，簡(jiǎn)稱TAR）能夠很好地解釋經(jīng)濟(jì)數(shù)據(jù)中的非線性性質(zhì)。該模型暗含了一個(gè)假定，即在某一特定的時(shí)點(diǎn)，時(shí)間序列的演進(jìn)方式可以從一種機(jī)制（regime）跳躍到另一種機(jī)制，而且這種跳躍是離散的。這樣，利用門限值就可以將一列非線性時(shí)間序列根據(jù)不同的機(jī)制劃分為若干個(gè)線性子序列，進(jìn)而對(duì)每個(gè)子序列分別進(jìn)行估計(jì)。由此可見(jiàn)，門限自回歸模型能夠較好地對(duì)包含結(jié)構(gòu)性斷點(diǎn)的時(shí)間序列進(jìn)行擬合，因此本文將利用該模型對(duì)我國(guó)赤字風(fēng)險(xiǎn)狀態(tài)進(jìn)行更加深入的研究。

三、財(cái)政風(fēng)險(xiǎn)識(shí)別與預(yù)警體系構(gòu)建

本文將利用門限自回歸模型測(cè)算出我國(guó)財(cái)政風(fēng)險(xiǎn)指數(shù)的兩個(gè)閾值，并以此將我國(guó)財(cái)政風(fēng)險(xiǎn)狀況劃分為高度、中度和低度三類，在此基礎(chǔ)上構(gòu)建我國(guó)財(cái)政風(fēng)險(xiǎn)預(yù)警模型，并對(duì)其預(yù)警準(zhǔn)確性進(jìn)行評(píng)估。

（一）TAR模型簡(jiǎn)介

門限自回歸模型最初由Tong和Lim[5]于1980年提出，但由于建立該模型的建模步驟比較復(fù)雜，在很長(zhǎng)一段時(shí)間內(nèi)未得到足夠的重視，直到Tse在1989年提出了相對(duì)比較簡(jiǎn)易的建模及檢驗(yàn)方法[6]后，才逐漸得到廣泛應(yīng)用。

一般地，如果時(shí)間序列{Xt,t=1,2,…}滿足Xt=ψj0+ψj1Xt-1+ψj2Xt-2+…ψjpjXt-pj+ξjt,rj-1

在實(shí)際應(yīng)用中，Tong[7]以及Tong和Lim[8]提出了各種狀態(tài)下涉及若干含有分離高階AR（p）過(guò)程的TAR模型，其狀態(tài)的一般形式可表示為：

這里存在由yt-1取值定義的兩個(gè)可分離狀態(tài)，α為TAR模型的閾值，由上式可以看到，在閾值上下時(shí)間序列特征發(fā)生了跳躍式改變。閾值α通常是未知的，本文將利用Chan[9]所提出的網(wǎng)格遍歷方法來(lái)獲得其超一致估計(jì)量。為保證每個(gè)區(qū)域內(nèi)都有適當(dāng)數(shù)量的觀測(cè)值，本文將首先根據(jù)總體樣本數(shù)量以及實(shí)際經(jīng)濟(jì)問(wèn)題的需要，在檢索中排除最高和最低部分一定比例的樣本，作為閾值α的取值集合，然后在α的取值集合內(nèi)進(jìn)行遍歷，逐一建立TAR模型，并選取使模型殘差平方和最小的α作為TAR模型的閾值。

（二）財(cái)政風(fēng)險(xiǎn)識(shí)別模型

從表1中可以看到，對(duì)1994年1月到2015年9月間赤字風(fēng)險(xiǎn)指數(shù)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)可得其ADF統(tǒng)計(jì)量為-6.582 4，在1%的顯著性水平下拒絕了該序列存在單位根的原假設(shè)。分別對(duì)其建立AR模型和TAR模型，參數(shù)估計(jì)結(jié)果見(jiàn)表2，其中第2列為AR模型估計(jì)結(jié)果，第3到第5列為TAR模型估計(jì)結(jié)果。

表2 財(cái)政風(fēng)險(xiǎn)指數(shù)序列參數(shù)估計(jì)結(jié)果

注：（1）***表示在1%的水平下顯著，**表示在5%的水平下顯著，*表示在10%的水平下顯著；（2）R2為回歸模型可決系數(shù)；（3）Log為回歸模型最大似然值；（4）小括號(hào)內(nèi)為T統(tǒng)計(jì)量。下文符號(hào)與此相同。

從表2可以看到，使用Chan的方法在數(shù)據(jù)中位數(shù)上下進(jìn)行搜索，可得兩個(gè)門限值分別為α1=0.106 1、α2=0.015 9，將超過(guò)α1的部分定義為高度風(fēng)險(xiǎn)狀態(tài)，低于α2的部分定義為低度風(fēng)險(xiǎn)狀態(tài)，二者之間的部分定義為中度風(fēng)險(xiǎn)狀態(tài)。高、中、低度財(cái)政風(fēng)險(xiǎn)樣本自回歸參數(shù)估計(jì)結(jié)果分別見(jiàn)表2第3、4、5列。比較TAR模型和AR模型（見(jiàn)表2第2列）可以看到：在擬合優(yōu)度上，與AR模型相比，TAR模型可決系數(shù)大幅提高。利用最大似然值構(gòu)造LR統(tǒng)計(jì)量（似然比統(tǒng)計(jì)量，LR=2（Log3-Log1））得LR=20>x0.05=18.31，在5%水平下具有顯著性，說(shuō)明引入兩個(gè)門限效應(yīng)之后模型的擬合效果有了顯著提高。同時(shí)將線性模型與僅存在一個(gè)門限的TAR模型相比可以看到，由于此時(shí)其最大似然值Log2=378，故有LR=2（Log2-Log1）=-8<15.09，也就是說(shuō)，與線性模型相比，僅引入一個(gè)門限的TAR模型擬合效果并未產(chǎn)生顯著的提高，因此具有兩個(gè)門限的TAR模型更加合理。此外，AIC統(tǒng)計(jì)量也表明，兩門限TAR模型效果更好（單門限TAR模型AIC統(tǒng)計(jì)量為-2.86）。赤字風(fēng)險(xiǎn)指數(shù)與門限α1、α2見(jiàn)圖3。

圖3 赤字風(fēng)險(xiǎn)指數(shù)及其TAR模型閾值

從圖3可以看到，1994年1月到2015年9月間的大部分時(shí)間，赤字風(fēng)險(xiǎn)都處于中、低度風(fēng)險(xiǎn)狀態(tài)。從1994年到1999年，赤字風(fēng)險(xiǎn)主要集中于中、低度風(fēng)險(xiǎn)狀態(tài)，這也是我國(guó)當(dāng)時(shí)成功實(shí)現(xiàn)宏觀經(jīng)濟(jì)“軟著陸”的成果。從1999年下半年開(kāi)始，我國(guó)為了應(yīng)對(duì)宏觀經(jīng)濟(jì)不景氣的趨勢(shì)，采取了以增加財(cái)政支出、增發(fā)國(guó)債、擴(kuò)大財(cái)政投資為主要措施的積極財(cái)政政策，赤字風(fēng)險(xiǎn)指數(shù)逐漸走高，進(jìn)入高度風(fēng)險(xiǎn)狀態(tài)，并一直持續(xù)到2003年。從2004年開(kāi)始，我國(guó)經(jīng)濟(jì)逐漸轉(zhuǎn)好，積極財(cái)政政策逐漸淡出，相應(yīng)的赤字風(fēng)險(xiǎn)指數(shù)從2004年和2005年的中度風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)變到2006年到2007年的低度風(fēng)險(xiǎn)狀態(tài)。在2006年到2008年上半年的很多月份里，財(cái)政風(fēng)險(xiǎn)指數(shù)已經(jīng)為負(fù)，即我國(guó)已出現(xiàn)了財(cái)政盈余。然而，2008年國(guó)際金融危機(jī)的不期而至使我國(guó)經(jīng)濟(jì)迅速降溫，并陷入不景氣狀態(tài)。為此，我國(guó)推出了“四萬(wàn)億投資”財(cái)政刺激計(jì)劃，此舉對(duì)拉動(dòng)經(jīng)濟(jì)起到了立竿見(jiàn)影的效果，但也引致了大量赤字，財(cái)政赤字風(fēng)險(xiǎn)迅速累積，并很快進(jìn)入高度風(fēng)險(xiǎn)狀態(tài)，且這種狀態(tài)一直持續(xù)到本文所研究的樣本終點(diǎn)2015年9月。

（三）財(cái)政風(fēng)險(xiǎn)預(yù)警模型

從廣義上說(shuō)，財(cái)政風(fēng)險(xiǎn)的表現(xiàn)形式多樣，就本文所選擇的以赤字風(fēng)險(xiǎn)指數(shù)度量的財(cái)政風(fēng)險(xiǎn)來(lái)說(shuō)，有低度、中度、高度三種赤字風(fēng)險(xiǎn)狀態(tài)，本文更為關(guān)注的是高度赤字風(fēng)險(xiǎn)。也就是說(shuō)，本文所要構(gòu)建的預(yù)警系統(tǒng)實(shí)際上是高度赤字風(fēng)險(xiǎn)預(yù)警系統(tǒng)。為此，本文定義變量Crisist表示在t年是否出現(xiàn)財(cái)政風(fēng)險(xiǎn)，即：

其中K為中、高赤字風(fēng)險(xiǎn)之間的門限。

構(gòu)建財(cái)政風(fēng)險(xiǎn)預(yù)警模型的重要一步是選擇預(yù)警指標(biāo)，形成正確的預(yù)警指標(biāo)體系。本文在選取指標(biāo)時(shí)，主要遵循三個(gè)原則：一是密切相關(guān)性，二是全面綜合性，三是數(shù)據(jù)可得性。*特別是數(shù)據(jù)可得性制約了本文對(duì)許多重要相關(guān)指標(biāo)的選取，如內(nèi)外部債務(wù)只有年度數(shù)據(jù)，數(shù)據(jù)頻率過(guò)低，無(wú)法納入本文的預(yù)警指標(biāo)體系。由于赤字風(fēng)險(xiǎn)既受國(guó)家經(jīng)濟(jì)增長(zhǎng)、宏觀經(jīng)濟(jì)穩(wěn)定以及財(cái)政收支等內(nèi)部因素的影響，又受到來(lái)自外部的沖擊，因此經(jīng)過(guò)綜合考慮并參考相關(guān)領(lǐng)域的研究成果，本文選擇以下4類指標(biāo)：（1）反映實(shí)體經(jīng)濟(jì)增長(zhǎng)狀況的指標(biāo)，包括工業(yè)增加值增長(zhǎng)率*由于我國(guó)GDP數(shù)據(jù)沒(méi)有月度數(shù)據(jù)，因此本文用工業(yè)增加值代替GDP。、出口增長(zhǎng)率、進(jìn)口增長(zhǎng)率；（2）反映宏觀經(jīng)濟(jì)穩(wěn)定和貨幣政策的指標(biāo)，包括通貨膨脹率*用同比CPI的變化率來(lái)度量通貨膨脹程度。、廣義貨幣變化率；（3）反映財(cái)政收支表現(xiàn)的指標(biāo)，包括財(cái)政收入增長(zhǎng)率、財(cái)政支出增長(zhǎng)率；（4）反映開(kāi)放經(jīng)濟(jì)下外部沖擊影響的指標(biāo)，主要是名義有效匯率變化率*Krugman建立第一代貨幣危機(jī)理論時(shí)提出，不可持續(xù)的財(cái)政政策導(dǎo)致外匯儲(chǔ)備不斷流失（參見(jiàn)P. Krugman.“A Model of Banlance of Payments Crises”. Journal of Money, Credit and Banking, 1979,11（3）： 311-325）；Burnside等指出，赤字的貨幣化可能引發(fā)匯率危機(jī)（參見(jiàn)Burnside, C., Eichenbaum, M., and S. Rebelo.“Prospective Deficits and the Asian Currency Crisis”. Journal of Political Economy, 2001, 109（6）:1155-1197）。他們把財(cái)政赤字與外匯儲(chǔ)備和匯率問(wèn)題聯(lián)系在一起，因此，本文就從相反的角度將外匯儲(chǔ)備和匯率的變化作為財(cái)政赤字風(fēng)險(xiǎn)的預(yù)警指標(biāo)。。

上述指標(biāo)中，除廣義貨幣和名義有效匯率外，其他序列都在原序列的基礎(chǔ)上經(jīng)過(guò)X-11季節(jié)調(diào)整。本文將預(yù)警時(shí)間窗取為6個(gè)月，其原因在于：一方面，預(yù)警時(shí)間窗與樣本規(guī)模成正比，當(dāng)樣本較長(zhǎng)時(shí)，時(shí)間窗也相應(yīng)較長(zhǎng)。*如Kaminsky等基于20個(gè)國(guó)家的25年數(shù)據(jù)，將預(yù)警時(shí)間窗口確定為24個(gè)月（參見(jiàn)Kaminsky, G. L., Lizondo, S., and C. M. Reinhart.“Leading Indicators of Currency Crises”. IMF Staff Papers 45, 1998）；Oka則對(duì)118個(gè)國(guó)家17年的數(shù)據(jù)進(jìn)行研究，他們的樣本期為3年，但數(shù)據(jù)為年度面板數(shù)據(jù)（參見(jiàn)C. Oka.“Anticipating Arrears to the IMF:Early Warning Systems”. IMF Working Paper, WP/03/18, 2003）。本文僅對(duì)我國(guó)的情況進(jìn)行研究，且如第二部分所述，由于受到數(shù)據(jù)可得性限制，以及政策變遷，本文所使用的樣本從1994年開(kāi)始，數(shù)據(jù)時(shí)間序列較短，再加上過(guò)去我國(guó)出現(xiàn)財(cái)政風(fēng)險(xiǎn)的樣本較少，當(dāng)預(yù)測(cè)窗口過(guò)長(zhǎng)時(shí)，勢(shì)必導(dǎo)致預(yù)警準(zhǔn)確性大幅降低。因此，本文的預(yù)警時(shí)間窗不應(yīng)超過(guò)一年。另一方面，根據(jù)郭慶旺等人的研究[10]，我國(guó)宏觀經(jīng)濟(jì)變量對(duì)財(cái)政收支的影響持續(xù)期在半年左右，因此提前6個(gè)月對(duì)財(cái)政風(fēng)險(xiǎn)狀況做出預(yù)警，也使我們能夠提前制定相關(guān)政策來(lái)防范并在一定程度上化解風(fēng)險(xiǎn)。綜合以上兩點(diǎn)，本文將預(yù)警時(shí)間窗的長(zhǎng)度選為6個(gè)月。根據(jù)這一時(shí)間窗的選取，本文預(yù)警指標(biāo)的時(shí)間區(qū)間為1994年7月到2015年9月。數(shù)據(jù)均來(lái)源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)。這些序列的統(tǒng)計(jì)特征如表3所示。

表3 宏觀經(jīng)濟(jì)變量基本統(tǒng)計(jì)特征（1994年1月-2015年9月）

表4 預(yù)警系統(tǒng)參數(shù)估計(jì)結(jié)果

注為赤字風(fēng)險(xiǎn)指數(shù)的滯后6期項(xiàng)。

運(yùn)用1994年7月到2010年9月的樣本建立門限自回歸模型，得到K=0.080 3，由此可見(jiàn)，（3）式中Crisist的具體定義可表示為：

表5中的有風(fēng)險(xiǎn)和無(wú)風(fēng)險(xiǎn)表示某一時(shí)點(diǎn)赤字風(fēng)險(xiǎn)事實(shí)上是否進(jìn)入高風(fēng)險(xiǎn)狀態(tài)，而發(fā)出信號(hào)和不發(fā)出信號(hào)則表示該時(shí)點(diǎn)預(yù)警模型是否發(fā)出進(jìn)入高風(fēng)險(xiǎn)狀態(tài)的預(yù)警。從表5中可以看到，在19次財(cái)政風(fēng)險(xiǎn)樣本中，本文所構(gòu)建的預(yù)警模型做出了8次成功的預(yù)警，準(zhǔn)確率達(dá)到42.11%。這雖然并不是一個(gè)很高的比例，但與國(guó)外學(xué)者樣本外預(yù)測(cè)的結(jié)果*Kaminsky等的樣本外預(yù)警準(zhǔn)確性僅為4%（參見(jiàn)Kaminsky, G. L., Lizondo, S., and C. M. Reinhart.“Leading Indicators of Currency Crises”. IMF Staff Papers 45, 1998）；Frankel和Rose的樣本外預(yù)警準(zhǔn)確性僅為8%（參見(jiàn)Frankel, J., and A. Rose.“Currency Crises in Emerging Markets: An Empirical Treatment”. Journal of International Economics, 1996（41）: 351-366）； Bussiere 和 Fratzscher的樣本外預(yù)警準(zhǔn)確性也僅為20%（參見(jiàn)Bussiere, M., and M. Fratzscher.“Towards a New Early Warning System of Financial Crises”. European Central Bank Working Paper Series, No.145, 2002）。相比，這樣的結(jié)果已經(jīng)可以接受。如果考慮到本文的數(shù)據(jù)樣本遠(yuǎn)遠(yuǎn)少于以上所提到的國(guó)外文獻(xiàn)，且訓(xùn)練樣本中風(fēng)險(xiǎn)樣本比例相對(duì)較低（21%），而預(yù)警樣本中風(fēng)險(xiǎn)樣本比例較高（33.33%），本文所構(gòu)建的預(yù)警模型效果已經(jīng)非常不錯(cuò)。此外，本文對(duì)無(wú)風(fēng)險(xiǎn)樣本所作的預(yù)警準(zhǔn)確率也達(dá)到65.83%，說(shuō)明本文預(yù)警模型的“錯(cuò)殺”比率也是比較低的。從以上兩個(gè)方面來(lái)看，本文所構(gòu)建的預(yù)警模型是有效的。

表5 財(cái)政風(fēng)險(xiǎn)預(yù)警結(jié)果

發(fā)出信號(hào)不發(fā)信號(hào)有風(fēng)險(xiǎn)811無(wú)風(fēng)險(xiǎn)1427

（四）穩(wěn)健性檢驗(yàn)

為了對(duì)結(jié)論的穩(wěn)健性進(jìn)行檢驗(yàn)，本文還測(cè)算了在選取不同預(yù)警時(shí)間窗口情況下的預(yù)警精度。在訓(xùn)練樣本不變時(shí)，當(dāng)選取9個(gè)月和3個(gè)月的預(yù)警時(shí)間窗口時(shí)，模型預(yù)警精度雖然略有變化，但總體變化在可以接受的范圍內(nèi)。

此外，當(dāng)改變訓(xùn)練樣本和預(yù)警樣本時(shí)，如將訓(xùn)練樣本選取為1994年7月到2009年9月，與之對(duì)應(yīng)的預(yù)警樣本變?yōu)?009年10月到2015年9月時(shí)，模型預(yù)警精度也并未出現(xiàn)大幅下降。

以上結(jié)果由于篇幅所限文中并未詳細(xì)列示，感興趣的讀者可以向作者索取。這些結(jié)果說(shuō)明，本文所建立的財(cái)政風(fēng)險(xiǎn)預(yù)警模型的結(jié)果是比較穩(wěn)健的。

四、結(jié)論

財(cái)政是整個(gè)經(jīng)濟(jì)運(yùn)行的總樞紐，一旦發(fā)生財(cái)政危機(jī)，必將對(duì)國(guó)民經(jīng)濟(jì)產(chǎn)生強(qiáng)烈沖擊，甚至影響到社會(huì)的穩(wěn)定。由于特殊的發(fā)展階段和所有制結(jié)構(gòu)，與西方資本主義國(guó)家相比，我國(guó)財(cái)政更易受到?jīng)_擊。但2000年以前，相對(duì)于國(guó)內(nèi)外學(xué)術(shù)界對(duì)金融風(fēng)險(xiǎn)和金融危機(jī)的研究，財(cái)政風(fēng)險(xiǎn)尤其是其預(yù)警體系的探討一直未引起學(xué)術(shù)界足夠的重視，這一領(lǐng)域的研究成果相對(duì)比較匱乏。從本世紀(jì)初開(kāi)始，由于積極財(cái)政政策實(shí)施過(guò)程中大量積累了財(cái)政赤字，政府特別是地方政府或有負(fù)債大量增加，加上全球金融危機(jī)帶來(lái)的強(qiáng)烈外部沖擊，我國(guó)財(cái)政風(fēng)險(xiǎn)有所顯現(xiàn)，政策部門和理論界對(duì)財(cái)政風(fēng)險(xiǎn)的關(guān)注度迅速上升。但對(duì)財(cái)政風(fēng)險(xiǎn)的研究存在著風(fēng)險(xiǎn)樣本較少和數(shù)據(jù)（尤其是債務(wù)數(shù)據(jù)）可得性差的問(wèn)題。本文從財(cái)政赤字層面出發(fā)，構(gòu)建赤字風(fēng)險(xiǎn)指數(shù)，利用門限自回歸模型研究了我國(guó)從1994年1月到2015年9月間的財(cái)政風(fēng)險(xiǎn)狀況，并構(gòu)建了我國(guó)財(cái)政風(fēng)險(xiǎn)預(yù)警系統(tǒng)。

通過(guò)本文的研究可以看到：我國(guó)赤字風(fēng)險(xiǎn)存在著三個(gè)狀態(tài)，分別為赤字風(fēng)險(xiǎn)指數(shù)高于0.106 3時(shí)的高度風(fēng)險(xiǎn)狀態(tài)，低于0.029 1的低度風(fēng)險(xiǎn)狀態(tài)，以及介于二者之間的中度風(fēng)險(xiǎn)狀態(tài)。在1994年1月到2015年9月的大部分時(shí)間里，我國(guó)赤字風(fēng)險(xiǎn)都處于中度風(fēng)險(xiǎn)狀態(tài)。從1994年到1999年，赤字風(fēng)險(xiǎn)主要集中于中、低度風(fēng)險(xiǎn)狀態(tài)，這也是我國(guó)當(dāng)時(shí)成功實(shí)現(xiàn)宏觀經(jīng)濟(jì)“軟著陸”的成果。從1999年下半年開(kāi)始，我國(guó)為了應(yīng)對(duì)宏觀經(jīng)濟(jì)不景氣的局勢(shì)，采取了以增加財(cái)政支出、增發(fā)國(guó)債、擴(kuò)大財(cái)政投資為主要措施的積極財(cái)政政策，赤字風(fēng)險(xiǎn)指數(shù)逐漸走高，進(jìn)入高度風(fēng)險(xiǎn)狀態(tài)，并一直持續(xù)到2003年。從2004年開(kāi)始，我國(guó)經(jīng)濟(jì)逐漸轉(zhuǎn)好，積極財(cái)政政策逐漸淡出，相應(yīng)的赤字風(fēng)險(xiǎn)指數(shù)從2004年和2005年的中度風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)變到2006年到2007年的低度風(fēng)險(xiǎn)狀態(tài)。在2006年到2008年上半年的很多月份里，財(cái)政風(fēng)險(xiǎn)指數(shù)已經(jīng)為負(fù)，即我國(guó)已出現(xiàn)了財(cái)政盈余。然而，2008年國(guó)際金融危機(jī)的不期而致使我國(guó)經(jīng)濟(jì)迅速降溫，并陷入不景氣狀態(tài)。為此，我國(guó)推出了“四萬(wàn)億投資”財(cái)政刺激計(jì)劃，此舉對(duì)拉動(dòng)經(jīng)濟(jì)起到了立竿見(jiàn)影的效果，但也引致了大量赤字，財(cái)政赤字風(fēng)險(xiǎn)迅速累積，并很快進(jìn)入高度風(fēng)險(xiǎn)狀態(tài)，且這種狀態(tài)一直持續(xù)到本文所研究的樣本終點(diǎn)2015年9月。

在赤字風(fēng)險(xiǎn)識(shí)別的基礎(chǔ)上，本文選取預(yù)警指標(biāo)構(gòu)建了我國(guó)財(cái)政風(fēng)險(xiǎn)預(yù)警模型。本文首先將1994年2月到2010年9月的數(shù)據(jù)作為訓(xùn)練樣本，得到預(yù)警模型參數(shù)，然后將2010年10月到2015年9月之間這五年的數(shù)據(jù)作為預(yù)警樣本，對(duì)預(yù)警模型有效性進(jìn)行評(píng)估。從預(yù)警效果來(lái)看，雖然本文所構(gòu)建的預(yù)警模型面臨著數(shù)據(jù)樣本少，以及與預(yù)警樣本相比訓(xùn)練樣本中危機(jī)樣本比例低的問(wèn)題，但對(duì)危機(jī)樣本的預(yù)警準(zhǔn)確率仍達(dá)到35%，高于不少國(guó)外貨幣危機(jī)預(yù)警經(jīng)典文獻(xiàn)的樣本外預(yù)警精度。同時(shí)，本文構(gòu)建的預(yù)警模型對(duì)無(wú)風(fēng)險(xiǎn)樣本所作的預(yù)警準(zhǔn)確率達(dá)到65%，“錯(cuò)殺”比率也很低。從以上兩個(gè)方面來(lái)看，本文所構(gòu)建的預(yù)警模型是比較有效的。

[1] Manasse, P., Roubini, N., and A. Schimmelpfennig.“Predicting Sovereign Debt Crises”.IMFWorkingPaper, WP/03/221, 2003; C. Oka.“Anticipating Arrears to the IMF: Early Warning Systems”. IMF Working Paper, WP/03/18, 2003; Fuertes, A. M., and E. Kalotychou.“Optimal Early Warning Systems for Sovereign Debt Crises”. Working Paper, Cass Business School, City University London, 2005.

[2] 王美涵：《中國(guó)財(cái)政風(fēng)險(xiǎn)實(shí)證研究》，北京，中國(guó)財(cái)政經(jīng)濟(jì)出版社，1999；劉尚希：《財(cái)政風(fēng)險(xiǎn)及其防范研究文集》，北京，經(jīng)濟(jì)科學(xué)出版社，2000；劉尚希：《財(cái)政風(fēng)險(xiǎn)及其防范問(wèn)題研究》，北京，經(jīng)濟(jì)科學(xué)出版社，2004。

[3] 叢樹(shù)海：《財(cái)政擴(kuò)張風(fēng)險(xiǎn)與控制》，北京，商務(wù)印書館，2005。

[4] 郭慶旺、呂冰洋、何乘才：《我國(guó)的財(cái)政赤字“過(guò)大”嗎？》，載《財(cái)貿(mào)經(jīng)濟(jì)》，2003（8）。

[5][8] Tong, H.，and K. S. Lim.“Threshold Auto-regression, Limit Cycles and Cyclical Data（with Discussion of the Paper）”.JournaloftheRoyalStatisticalSociety， 1980, 42（3）:245-292.

[6] R. S. Tsay.“Testing Acid Modeling Threshold Autoregressive Processes”.JournaloftheAmericanStatisticalAssociation, 1989（84）:231-240.

[7] H. Tong.“On a Threshold Model”. In C. H. Chen（ed.）.PatternRecognitionandSignalProcessing. Amsterdam： Sijthoff and Noordhoff, 1978；H. Tong.ThresholdModelsinNon2linearTimeSeriesAnalysis,Vol.21ofLectureNotesinStatistics. Heidelberg：Springer Verlag, 1983.

[9] K. S. Chan.“Consistency and Limiting Distribution of the Least Squares Estimator of a Threshold Autoregressive Model”.TheAnnalsofStatistics, 1993（21）：520-533.

[10] 郭慶旺、賈俊雪、劉曉路：《財(cái)政政策與宏觀經(jīng)濟(jì)穩(wěn)定：情勢(shì)轉(zhuǎn)換視角》，載《管理世界》，2007（5）。

[11] Kaminsky, G. L., Lizondo, S., and C. M. Reinhart. “Leading Indicators of Currency Crises”. IMF Staff Papers 45, 1998.

（責(zé)任編輯 武京閩）

Early Warning System of Fiscal Risk in China Based on Threshold Autoregressive Model

MENG Qing-bin，YANG Jun-hua

（School of Business，Renmin University of China，Beijing 100872）

Based on the fiscal red figure, we investigate the fiscal risk between January 1994 and September 2019 in China, and builds up an early warning system for fiscal crisis. Firstly, we define the index of deficit risk, and give a qualitative analysis of the situation of deficit risk of China by means of HP filtering. Secondly, with Threshold Autoregressive Model, we get two threshold values and divide the fiscal risk situation of our country in the sample studied by this paper into high, low and middle risk levels. Finally, we divide the data sample into training and forecast parts, and builds up the deficit identification model and Early Warning System with each of them respectively. The result shows that, the deficit identification model performs well in measurement of the deficit risk, and the Early Warning System of deficit risk also gets a good score when carrying through the out-sample forecast.

early warning system of fiscal risk; deficit risk index; Threshold Autoregressive Model

國(guó)家社會(huì)科學(xué)重大招標(biāo)項(xiàng)目“中國(guó)財(cái)政金融安全：預(yù)警機(jī)制與風(fēng)險(xiǎn)控制體系”（05&ZD008）；中國(guó)人民大學(xué)校內(nèi)項(xiàng)目“賣空機(jī)制、股價(jià)信息效率與知情交易”（2015030083）

孟慶斌：中國(guó)人民大學(xué)商學(xué)院副教授，博士生導(dǎo)師；楊俊華：中國(guó)人民大學(xué)商學(xué)院碩博連讀生（北京 100872）