摘? ?要：本文從區(qū)域經(jīng)濟(jì)、區(qū)域金融和影子銀行體系關(guān)聯(lián)度三個(gè)層面，構(gòu)建區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系，并運(yùn)用熵值法等確定區(qū)域金融風(fēng)險(xiǎn)各層級(jí)指標(biāo)權(quán)重，為防范和化解區(qū)域性金融風(fēng)險(xiǎn)提供決策依據(jù)。

關(guān)鍵詞：區(qū)域金融風(fēng)險(xiǎn);熵值法;風(fēng)險(xiǎn)預(yù)警

一、引言與文獻(xiàn)綜述

金融安全是國(guó)家安全的重要組成部分，防范金融風(fēng)險(xiǎn)成為當(dāng)前三大攻堅(jiān)戰(zhàn)的重要任務(wù)之一。如何更好地預(yù)測(cè)、判斷并及時(shí)化解金融風(fēng)險(xiǎn)顯得至關(guān)重要。

許多學(xué)者對(duì)區(qū)域金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系進(jìn)行研究，大部分研究主要側(cè)重于區(qū)域金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系相關(guān)指標(biāo)選取和風(fēng)險(xiǎn)預(yù)警體系模型構(gòu)建方面。在指標(biāo)選取方面，Kaminsky、Lizondo和Reinhart（1999）在一系列實(shí)證研究的基礎(chǔ)上，選取15個(gè)指標(biāo)搭建了KLR信號(hào)分析模型。Evans等（2000）提出區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)框架，將風(fēng)險(xiǎn)指標(biāo)劃分為基礎(chǔ)指標(biāo)、中間指標(biāo)和先行指標(biāo)，為后續(xù)指標(biāo)體系構(gòu)建提供依據(jù)。IMF在《金融穩(wěn)健指標(biāo)編撰指南》（2003）一文中也提出了區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)框架，指出該框架由核心指標(biāo)與鼓勵(lì)指標(biāo)兩部分構(gòu)成，其中核心指標(biāo)是巴塞爾協(xié)議中的監(jiān)管指標(biāo)。周才云（2006）從宏觀、微觀兩個(gè)層面，選取宏觀先行指標(biāo)8個(gè)、微觀審慎指標(biāo)17個(gè)，構(gòu)建宏觀和微觀2個(gè)指標(biāo)體系。吳成頌（2011）選取了22個(gè)先行指標(biāo)，運(yùn)用賦權(quán)法搭建金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系，并對(duì)我國(guó)金融體系風(fēng)險(xiǎn)狀況進(jìn)行實(shí)證分析。中國(guó)人民銀行喀喇沁旗支行課題組（2012）從宏觀經(jīng)濟(jì)、金融機(jī)構(gòu)、金融基礎(chǔ)設(shè)施和金融生態(tài)環(huán)境三個(gè)維度，選取11個(gè)二級(jí)指標(biāo)，提出搭建區(qū)域金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系的構(gòu)想。陶玲、朱迎（2016）從金融機(jī)構(gòu)、股票市場(chǎng)、房地產(chǎn)市場(chǎng)等7個(gè)維度出發(fā)，計(jì)算系統(tǒng)性金融風(fēng)險(xiǎn)綜合指數(shù)，并進(jìn)行實(shí)證分析。

在區(qū)域金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系模型構(gòu)建方面，仲彬等（2002）從銀行體系角度構(gòu)建了區(qū)域銀行體系風(fēng)險(xiǎn)預(yù)警系統(tǒng)。譚中明（2010）將區(qū)域金融風(fēng)險(xiǎn)的影響因素劃分為內(nèi)部影響因素和外部影響因素，采用層次分析法（AHP）和熵值法對(duì)風(fēng)險(xiǎn)進(jìn)行綜合度量。俞樹(shù)毅、袁治偉（2012）以區(qū)域性風(fēng)險(xiǎn)特點(diǎn)與金融監(jiān)管分工為依據(jù)，構(gòu)建風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo)體系并運(yùn)用向量自回歸（VAR）模型分析宏觀經(jīng)濟(jì)關(guān)鍵變量的變化對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響。牛潤(rùn)盛（2013）選取影響廣東省區(qū)域風(fēng)險(xiǎn)的主要因子，采用神經(jīng)網(wǎng)絡(luò)的方法構(gòu)建了廣東省的區(qū)域風(fēng)險(xiǎn)預(yù)警體系。中國(guó)人民銀行南京分行課題組（2015）利用IMF開(kāi)發(fā)的金融穩(wěn)定圖，從法人銀行機(jī)構(gòu)風(fēng)險(xiǎn)、房地產(chǎn)風(fēng)險(xiǎn)等6個(gè)維度，繪制出江蘇省區(qū)域金融風(fēng)險(xiǎn)分布情況圖。

總體來(lái)看，目前國(guó)內(nèi)對(duì)區(qū)域金融風(fēng)險(xiǎn)的研究還處于初級(jí)階段，暫未形成一套較為完整的區(qū)域金融風(fēng)險(xiǎn)理論和測(cè)度方法。本文從山東省實(shí)際金融狀況出發(fā)，以山東省2015-2018年金融指標(biāo)為依據(jù)，構(gòu)建了山東省區(qū)域金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系，為山東省防范和化解區(qū)域性金融風(fēng)險(xiǎn)提供決策依據(jù)。

二、區(qū)域金融風(fēng)險(xiǎn)測(cè)度——模型與方法

（一）指標(biāo)體系構(gòu)建

在借鑒相關(guān)金融風(fēng)險(xiǎn)測(cè)度研究成果的基礎(chǔ)上，根據(jù)系統(tǒng)性、完整性、代表性和數(shù)據(jù)可得性等原則，構(gòu)建山東省區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系，具體由目標(biāo)層、系統(tǒng)層、指標(biāo)層3個(gè)層級(jí)，區(qū)域經(jīng)濟(jì)、區(qū)域金融和影子銀行3個(gè)子系統(tǒng)的15個(gè)具體指標(biāo)因子構(gòu)成（見(jiàn)表1）。

其中，地區(qū)GDP增速、固定資產(chǎn)投資增長(zhǎng)率、城市居民消費(fèi)價(jià)格指數(shù)、公共財(cái)政預(yù)算收入增速、銀行業(yè)不良貸款率、撥備覆蓋率、資產(chǎn)利潤(rùn)率等常見(jiàn)指標(biāo)可由統(tǒng)計(jì)資料獲取，其他指標(biāo)解釋如下：

1.房地產(chǎn)供需比。用商品房竣工面積與商品房銷(xiāo)售面積的比例來(lái)反映房地產(chǎn)供求關(guān)系情況。

2.非金融部門(mén)債務(wù)率。用非金融部門(mén)存款余額與非金融部門(mén)貸款余額的比例反映企業(yè)、住戶(hù)、政府等經(jīng)濟(jì)部門(mén)的杠桿率水平。

3.各項(xiàng)貸款增速適度率。用各項(xiàng)貸款增速與GDP增速的比例來(lái)反映金融體系信貸規(guī)模擴(kuò)張與經(jīng)濟(jì)增長(zhǎng)的匹配程度。

4.證券交易額占GDP比重。用證券公司代理買(mǎi)賣(mài)證券交易成交金額與GDP的比例反映直接融資市場(chǎng)活躍程度以及與區(qū)域經(jīng)濟(jì)發(fā)展的匹配程度。

5.保險(xiǎn)深度。用保費(fèi)收入與GDP的比例反映保險(xiǎn)業(yè)在區(qū)域經(jīng)濟(jì)發(fā)展中的地位。

6.影子銀行貸款比重?？紤]數(shù)據(jù)的可得性，選擇小額貸款公司發(fā)放貸款余額占銀行業(yè)各項(xiàng)貸款余額的比重來(lái)反映影子銀行發(fā)達(dá)程度。

7.影子銀行不良貸款率?？紤]數(shù)據(jù)的可得性，用小額貸款公司、典當(dāng)行、網(wǎng)絡(luò)借貸公司等在銀行業(yè)貸款的不良率反映區(qū)域影子銀行的風(fēng)險(xiǎn)暴露程度。

8.影子銀行關(guān)聯(lián)比例?？紤]數(shù)據(jù)的可得性，用小額貸款公司、典當(dāng)行、網(wǎng)絡(luò)借貸公司等從銀行業(yè)融資占各項(xiàng)貸款的比例反映影子銀行運(yùn)營(yíng)與銀行體系的關(guān)聯(lián)性。

（二）數(shù)據(jù)來(lái)源

基于2015年以來(lái)金融結(jié)構(gòu)變遷導(dǎo)致山東省金融風(fēng)險(xiǎn)呈現(xiàn)出新特征，本文選取2015-2018年相關(guān)數(shù)據(jù)進(jìn)行建模，數(shù)據(jù)來(lái)源于2015-2018年《山東省統(tǒng)計(jì)年鑒》、山東省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)以及wind數(shù)據(jù)庫(kù)等。

（三）測(cè)度方法

1.數(shù)據(jù)預(yù)處理。假設(shè)綜合評(píng)價(jià)體系涉及各年份的各指標(biāo)因子，原始數(shù)據(jù)矩陣記為X=

2.熵值法賦權(quán)。在多指標(biāo)綜合評(píng)價(jià)方法中，對(duì)指標(biāo)賦權(quán)有多種方法，考慮到本評(píng)價(jià)體系15個(gè)具體指標(biāo)的客觀性，使用熵值法賦權(quán)較專(zhuān)家經(jīng)驗(yàn)評(píng)估法、AHP法等主觀賦權(quán)方法更為可信。計(jì)算步驟如下：

標(biāo)的權(quán)重（見(jiàn)表2）。

3.綜合評(píng)價(jià)計(jì)算。根據(jù)綜合評(píng)價(jià)指標(biāo)體系和各層級(jí)指標(biāo)的標(biāo)準(zhǔn)值，可以利用公式（9）計(jì)算區(qū)域金融風(fēng)險(xiǎn)各層級(jí)指標(biāo)的綜合評(píng)價(jià)值。

三、主要結(jié)論

本文從區(qū)域經(jīng)濟(jì)、區(qū)域金融和影子銀行體系關(guān)聯(lián)度三個(gè)層面，構(gòu)建區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系，并運(yùn)用熵值法等實(shí)證方法確定區(qū)域金融風(fēng)險(xiǎn)各層級(jí)指標(biāo)權(quán)重，本文所構(gòu)建的風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系能夠較好地監(jiān)測(cè)一方區(qū)域金融風(fēng)險(xiǎn)的整體情況及不同時(shí)期的變化情況，為防范、化解金融風(fēng)險(xiǎn)提供科學(xué)、有力的依據(jù)。

參考文獻(xiàn)

[1]Kaminsky Graciela L， Garmen M Reinhart. The Causes of Banking and Balance of Payments Problems[J].American Economic Review，1999，（8）：473-500。

[2]牛潤(rùn)盛.區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的設(shè)計(jì)和綜合度量[J].吉林金融研究，2013，（5）：9-13。

[3]譚中明.區(qū)域性金融風(fēng)險(xiǎn)預(yù)警的神經(jīng)網(wǎng)絡(luò)模型研究[J].軟科學(xué)，2010，（3）：72-73。

[4]陶玲，朱迎.系統(tǒng)性金融風(fēng)險(xiǎn)的檢測(cè)和度量：基于中國(guó)金融體系的研究[J].金融研究，2016，（6）：18-36。

[5]吳成頌.我國(guó)金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2011，（1）：19-24。

[6]姚星垣，郭福春.構(gòu)建浙江省區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系研究[J].浙江金融，2008，（5）：13-15。

[7]俞樹(shù)毅，袁治偉.區(qū)域系統(tǒng)性金融風(fēng)險(xiǎn)監(jiān)測(cè)研究[J].武漢金融，2012，（10）：36-40。

[8]中國(guó)人民銀行喀喇沁旗支行課題組.建立旗縣區(qū)域金融穩(wěn)定風(fēng)險(xiǎn)防范監(jiān)測(cè)預(yù)警體系的實(shí)證研究

——對(duì)赤峰市喀喇沁旗的個(gè)案分析[J].內(nèi)蒙古金融研究，2012，（7）：9-12。

[9]中國(guó)人民銀行南京分行課題組.區(qū)域金融風(fēng)險(xiǎn)分布圖編制研究：基于江蘇的探索[J].金融縱橫，2015，（7）：17-28。

[10]周才云.區(qū)域金融穩(wěn)定預(yù)警指標(biāo)體系與風(fēng)險(xiǎn)防范[J].商業(yè)研究，2006，（4）：147-149。

Research on the Establishment of? Regional Financial Risk Warning System

：Taking Shandong province as an example

Research Group

Abstract：This paper constructs the regional risk warning system from three aspects of regional economy， regional finance and relevancy of shadow banking system. The weight of index of each levels regional financial risk is determined by entropy value method. Based on relevant data of Shandong Province during 2015 to 2018， empirical analysis is carried to evaluate the regional financial risk momentum， to estimate the overall and local financial risk and the change of financial risk， as well as to offer early warning on regional financial risk of Shandong Province. In result， the paper provides the decision-making basis for the prevention and resolution of regional financial risk in Shandong Province.

Key words： regional financial risk; entropy value method; risk warning

責(zé)任編輯、校對(duì)：吳思綺