黎精明，亢曼玲，李啟玉

（1.武漢科技大學(xué)管理學(xué)院，湖北 武漢 430065；2.湖北產(chǎn)業(yè)政策與管理研究中心產(chǎn)業(yè)投資與資本運(yùn)營(yíng)研究所，湖北 武漢 430065）

一、研究背景和現(xiàn)狀

當(dāng)前，我國(guó)經(jīng)濟(jì)增速放緩加大內(nèi)循環(huán)壓力、美西方對(duì)華“脫鉤斷鏈”阻礙外部經(jīng)濟(jì)循環(huán)，這些現(xiàn)實(shí)因素使得我國(guó)金融市場(chǎng)穩(wěn)定性正遭受日趨嚴(yán)峻的挑戰(zhàn)。由于區(qū)域性金融風(fēng)險(xiǎn)往往是重大金融風(fēng)險(xiǎn)的肇端，因此，嚴(yán)防區(qū)域性金融風(fēng)險(xiǎn)是當(dāng)前我國(guó)防控重大金融風(fēng)險(xiǎn)的關(guān)鍵著力點(diǎn)。

區(qū)域性金融風(fēng)險(xiǎn)具有局部性，它是特定區(qū)域內(nèi)個(gè)別金融機(jī)構(gòu)由于失信所造成的負(fù)面效應(yīng)在區(qū)域內(nèi)聚集、傳播、擴(kuò)散，進(jìn)而給區(qū)域內(nèi)金融系統(tǒng)帶來的負(fù)面不確定性[1]。相對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)而言，“區(qū)域性”是其最顯著的特征[2]，正因如此，研究區(qū)域性金融風(fēng)險(xiǎn)必須針對(duì)特定的空間維度。與其他風(fēng)險(xiǎn)類似，區(qū)域性金融風(fēng)險(xiǎn)也具有傳染性和擴(kuò)散性，它在特定區(qū)域內(nèi)聚集到一定程度后必然向區(qū)域外擴(kuò)散和蔓延，即在區(qū)域間進(jìn)行傳播，隨著跨區(qū)域傳染范圍擴(kuò)大和力度增強(qiáng)，最終必然引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)[3]。為避免出現(xiàn)此類狀況，近年來黨中央高度重視區(qū)域性金融風(fēng)險(xiǎn)的防控工作，已將區(qū)域性金融風(fēng)險(xiǎn)置于防范和化解重大風(fēng)險(xiǎn)的優(yōu)先位置。2021 年以來，銀保監(jiān)會(huì)先后印發(fā)了《關(guān)于進(jìn)一步推動(dòng)村鎮(zhèn)銀行化解風(fēng)險(xiǎn)改革重組有關(guān)事項(xiàng)的通知》《關(guān)于印發(fā)商業(yè)銀行負(fù)債質(zhì)量管理辦法的通知》《關(guān)于推進(jìn)信托公司與專業(yè)機(jī)構(gòu)合作處置風(fēng)險(xiǎn)資產(chǎn)的通知》等重要文件，對(duì)金融機(jī)構(gòu)進(jìn)行嚴(yán)格管理，嚴(yán)防發(fā)生區(qū)域性金融風(fēng)險(xiǎn)。

毋庸置疑，防范和化解區(qū)域性金融風(fēng)險(xiǎn)的根本任務(wù)是把風(fēng)險(xiǎn)控制在安全邊界范圍內(nèi)，避免發(fā)生區(qū)域性金融風(fēng)險(xiǎn)事件，堅(jiān)決防范區(qū)域性金融風(fēng)險(xiǎn)轉(zhuǎn)化為系統(tǒng)性金融風(fēng)險(xiǎn)。而實(shí)現(xiàn)該目標(biāo)的前提是對(duì)區(qū)域性金融風(fēng)險(xiǎn)進(jìn)行科學(xué)測(cè)度，唯有如此，才能實(shí)時(shí)準(zhǔn)確了解區(qū)域性金融風(fēng)險(xiǎn)的真實(shí)狀況，并據(jù)此制定切實(shí)有效的區(qū)域性金融風(fēng)險(xiǎn)防控策略，否則，若對(duì)區(qū)域性金融風(fēng)險(xiǎn)缺乏準(zhǔn)確了解，很難想象政府能切實(shí)做好風(fēng)險(xiǎn)防控工作。

對(duì)于區(qū)域性金融風(fēng)險(xiǎn)的度量，國(guó)內(nèi)外主要有兩種范式：其一是指標(biāo)法，即通過構(gòu)建評(píng)價(jià)指標(biāo)體系，采用主成分分析法、因子分析法、指數(shù)法等方法多維度測(cè)算和歸集區(qū)域性金融風(fēng)險(xiǎn)。比如：趙文舉等（2022）從宏觀經(jīng)濟(jì)、外部市場(chǎng)、貨幣流動(dòng)性和資產(chǎn)泡沫4 個(gè)維度構(gòu)建評(píng)價(jià)指標(biāo)體系，并運(yùn)用主成分分析法測(cè)算了我國(guó)八大綜合經(jīng)濟(jì)區(qū)的區(qū)域性金融風(fēng)險(xiǎn)[4]；王擎等（2018）從資本充足、資產(chǎn)質(zhì)量、管理質(zhì)量、盈利狀況、流動(dòng)性風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和信息科技風(fēng)險(xiǎn)7個(gè)維度構(gòu)建評(píng)價(jià)指標(biāo)體系，并通過CAMELS評(píng)價(jià)模式測(cè)算了我國(guó)銀行業(yè)的區(qū)域性金融風(fēng)險(xiǎn)[5]；張帥（2021）從宏觀經(jīng)濟(jì)、資本市場(chǎng)、銀行市場(chǎng)、保險(xiǎn)市場(chǎng)和政府債務(wù)5個(gè)維度構(gòu)建了區(qū)域性金融風(fēng)險(xiǎn)指數(shù)，并運(yùn)用指數(shù)法對(duì)我國(guó)區(qū)域性金融風(fēng)險(xiǎn)進(jìn)行了測(cè)度[6]，其他類似研究不再逐一贅述。其二是模型法，即通過構(gòu)建不同模型來測(cè)算金融機(jī)構(gòu)的違約概率，進(jìn)而評(píng)估其違約風(fēng)險(xiǎn)。比如：范小云等（2013）使用CCA和DAG 方法，測(cè)度了我國(guó)銀行部門的系統(tǒng)性風(fēng)險(xiǎn)[7]；蘇冬蔚等（2011）通過非參數(shù)KLR 模型和Logit 模型構(gòu)建了適合我國(guó)國(guó)情的金融危機(jī)預(yù)警系統(tǒng)[8]；任英華等（2022）基于神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了區(qū)域性金融危機(jī)預(yù)警系統(tǒng)[9]；楊子暉等（2018）通過“去一法”測(cè)度了我國(guó)177家銀行的系統(tǒng)性金融風(fēng)險(xiǎn)[10]； 周亮 （2021）[11]、 James Barth 等（2013）[12]、吳婷婷等（2020）[13]使用Covar 模型對(duì)金融風(fēng)險(xiǎn)進(jìn)行了測(cè)度和評(píng)價(jià)。

對(duì)于上述區(qū)域性金融風(fēng)險(xiǎn)測(cè)度方式，本文認(rèn)為，在我國(guó)現(xiàn)實(shí)情景下，指標(biāo)法較之于模型法具有更好的環(huán)境適應(yīng)性。這是因?yàn)椋旱谝唬Ｐ头ㄍǔＲ試?yán)苛的假設(shè)為前提，我國(guó)不同區(qū)域差異化的環(huán)境條件決定了它們很難滿足相同的假設(shè)條件，而指標(biāo)法卻與之不同，指標(biāo)取值的變化正好可以較充分地反映區(qū)域環(huán)境條件的異質(zhì)性；第二，模型法是以既往較長(zhǎng)時(shí)期內(nèi)穩(wěn)定的數(shù)據(jù)為基礎(chǔ)來預(yù)測(cè)后續(xù)的區(qū)域性金融風(fēng)險(xiǎn)，正因如此，它對(duì)歷史數(shù)據(jù)的長(zhǎng)度和穩(wěn)定性要求很高，而在我國(guó)金融體制改革縱深推進(jìn)的大背景下，數(shù)據(jù)非平穩(wěn)、缺失、短面板是普遍現(xiàn)象，因此，我國(guó)現(xiàn)實(shí)情景下的數(shù)據(jù)特征很難滿足模型法之要求，同比之下，指標(biāo)法通常著眼于單期，它使用的主要是截面或短面板數(shù)據(jù)，因此，中國(guó)情景下的數(shù)據(jù)對(duì)其具有更強(qiáng)的適用性。然而，既有指標(biāo)法的研究尚存在3 個(gè)方面不足：其一，評(píng)價(jià)維度的選取和評(píng)價(jià)指標(biāo)體系的構(gòu)建具有較大的主觀隨意性，其系統(tǒng)性和科學(xué)性有待進(jìn)一步推敲；其二，在主成分分析法、因子分析法、指數(shù)法等方法之外，尚待探尋更切實(shí)有效的指標(biāo)合成處理方法；其三，對(duì)區(qū)域性金融風(fēng)險(xiǎn)的測(cè)度尚囿于某些細(xì)分領(lǐng)域（如銀行系統(tǒng)）或特定區(qū)域（如華東地區(qū)），而對(duì)不同區(qū)域相同時(shí)期區(qū)域性金融風(fēng)險(xiǎn)測(cè)度和比較的研究卻顯得很匱乏。鑒于上述，本文將依循指標(biāo)法之研究范式，構(gòu)建區(qū)域性金融風(fēng)險(xiǎn)測(cè)度指標(biāo)體系，嘗試引入熵權(quán)法進(jìn)行模糊合成處理，藉此對(duì)我國(guó)區(qū)域性金融風(fēng)險(xiǎn)進(jìn)行測(cè)度與評(píng)價(jià)，以期為準(zhǔn)確把握我國(guó)區(qū)域性金融風(fēng)險(xiǎn)提供助力。

二、基于熵權(quán)法的區(qū)域性金融風(fēng)險(xiǎn)測(cè)度

（一）區(qū)域性金融風(fēng)險(xiǎn)測(cè)度指標(biāo)體系的構(gòu)建

金融市場(chǎng)是指從事貨幣資金借貸、外匯買賣、有價(jià)證券發(fā)行和交易、黃金等貴金屬買賣和保險(xiǎn)產(chǎn)品交易場(chǎng)所的總稱（楊子暉等，2022）[14]。從區(qū)域（或地方）視角看，它主要涉及貨幣資金借貸（信貸市場(chǎng)）、有價(jià)證券交易（主體是債券市場(chǎng)和股票市場(chǎng)）、保險(xiǎn)產(chǎn)品交易（保險(xiǎn)市場(chǎng)）等幾個(gè)方面。事實(shí)上，在中國(guó)現(xiàn)實(shí)金融環(huán)境下，區(qū)域性金融風(fēng)險(xiǎn)正是信貸市場(chǎng)、債券市場(chǎng)、股票市場(chǎng)和保險(xiǎn)市場(chǎng)不確定性因素相互影響和交互作用的綜合表現(xiàn)。由此觀之，區(qū)域性金融風(fēng)險(xiǎn)主要表現(xiàn)為4 個(gè)方面：一是信貸市場(chǎng)風(fēng)險(xiǎn)。該風(fēng)險(xiǎn)的大小主要取決于信貸機(jī)構(gòu)的存貸比和信貸膨脹率。就存貸比而言，同等條件下，存貸比越高，信貸機(jī)構(gòu)的自由現(xiàn)金流量越充沛，其應(yīng)對(duì)負(fù)面因素沖突的能力必然越強(qiáng)，從而信貸市場(chǎng)風(fēng)險(xiǎn)也相應(yīng)越小；就信貸膨脹率而言，信貸規(guī)模必須與經(jīng)濟(jì)發(fā)展水平相適應(yīng)，與GDP 增速相比，信貸過度擴(kuò)張或過度緊縮均會(huì)對(duì)信貸機(jī)構(gòu)的貸款質(zhì)量造成負(fù)面影響，因此，保持適度信貸膨脹率是降低信貸市場(chǎng)風(fēng)險(xiǎn)的前提和基礎(chǔ)。二是債券市場(chǎng)風(fēng)險(xiǎn)。債券市場(chǎng)風(fēng)險(xiǎn)主要取決于債券發(fā)行規(guī)模，這可以用債券發(fā)行額與GDP 的比值來反映，同等條件下，該比率越大，說明債券超發(fā)程度越嚴(yán)重，債券市場(chǎng)風(fēng)險(xiǎn)也相應(yīng)越高。三是股票市場(chǎng)風(fēng)險(xiǎn)。股票市場(chǎng)風(fēng)險(xiǎn)主要取決于股票市場(chǎng)規(guī)模，這可以用個(gè)股流通市值與GDP 的比值來反映，在發(fā)行股數(shù)既定的情況下，該比率越小，意味著股市越低迷，股票市場(chǎng)流動(dòng)性越差，股票市場(chǎng)風(fēng)險(xiǎn)越大。四是保險(xiǎn)市場(chǎng)風(fēng)險(xiǎn)。該風(fēng)險(xiǎn)的大小主要取決于保險(xiǎn)機(jī)構(gòu)的保險(xiǎn)深度和保險(xiǎn)密度。它們分別可用當(dāng)?shù)乇ＹM(fèi)收入與GDP、當(dāng)?shù)乇ＹM(fèi)收入與總?cè)丝诘谋嚷蕘矸从场Ｍ葪l件下，保險(xiǎn)深度和保險(xiǎn)密度越高，意味著保險(xiǎn)市場(chǎng)發(fā)育程度越高，投保人應(yīng)對(duì)負(fù)面不確定性因素沖擊的能力越強(qiáng)，市場(chǎng)風(fēng)險(xiǎn)相應(yīng)越低。

綜合上述分析，本文認(rèn)為，區(qū)域性金融風(fēng)險(xiǎn)測(cè)度體系必須完整涵蓋信貸、債務(wù)、股票、保險(xiǎn)這4個(gè)細(xì)分市場(chǎng)維度，且能將上述核心因素有效指標(biāo)化。以此要求作為指導(dǎo)思想，本文構(gòu)建了如表1所示的區(qū)域性金融風(fēng)險(xiǎn)測(cè)度指標(biāo)體系。就各指標(biāo)與區(qū)域性金融風(fēng)險(xiǎn)的依存關(guān)系而言，上文分析表明，存貸比、股票市場(chǎng)規(guī)模、保險(xiǎn)深度、保險(xiǎn)密度當(dāng)屬負(fù)向指標(biāo)，債券發(fā)行規(guī)模當(dāng)屬正向指標(biāo)，信貸膨脹率當(dāng)屬適度指標(biāo)。

表1 區(qū)域性金融風(fēng)險(xiǎn)測(cè)度指標(biāo)體系

由表1可見，該指標(biāo)體系涵蓋了信貸市場(chǎng)、債券市場(chǎng)、股票市場(chǎng)和保險(xiǎn)市場(chǎng)4 個(gè)細(xì)分市場(chǎng)。其中：在信貸市場(chǎng)維度，本文選取了存貸比和信貸膨脹率2個(gè)指標(biāo)，將金融機(jī)構(gòu)貸款的存量和增量分別與金融機(jī)構(gòu)存款余額和GDP 增長(zhǎng)率作配比，藉此動(dòng)靜結(jié)合地反映信貸市場(chǎng)風(fēng)險(xiǎn)；在債券市場(chǎng)和股票市場(chǎng)維度，本文選取了債券發(fā)行規(guī)模和股票市場(chǎng)規(guī)模2個(gè)指標(biāo)分別反映債券市場(chǎng)風(fēng)險(xiǎn)和股票市場(chǎng)風(fēng)險(xiǎn)；在保險(xiǎn)市場(chǎng)維度，本文選取了保險(xiǎn)深度和保險(xiǎn)密度2個(gè)指標(biāo)，將保費(fèi)收入分別與當(dāng)?shù)谿DP和總?cè)丝谧雠浔?，用以刻畫保險(xiǎn)市場(chǎng)發(fā)育程度及其風(fēng)險(xiǎn)水平。由于區(qū)域性金融風(fēng)險(xiǎn)主要是這4個(gè)細(xì)分市場(chǎng)相關(guān)風(fēng)險(xiǎn)因素的疊加影響和交互作用，因此，上述4維度6指標(biāo)作為一個(gè)有機(jī)整體，理應(yīng)能夠科學(xué)反映區(qū)域性金融風(fēng)險(xiǎn)的真實(shí)情況。

（二）數(shù)據(jù)來源及初始處理

為確保數(shù)據(jù)具有可及性和時(shí)效性，本文選取2012—2020 年我國(guó)31 個(gè)省份的相關(guān)金融市場(chǎng)數(shù)據(jù)和經(jīng)濟(jì)數(shù)據(jù)對(duì)我國(guó)區(qū)域性金融風(fēng)險(xiǎn)進(jìn)行測(cè)度。表1中各指標(biāo)計(jì)算所需的原始數(shù)據(jù)來源和口徑界定如下：2012—2020 年各省GDP、總?cè)丝诘葦?shù)據(jù)從國(guó)家統(tǒng)計(jì)局官網(wǎng)獲得；2012—2020 年各省的金融機(jī)構(gòu)存（貸）款年末余額、債券年總發(fā)行額、保費(fèi)收入、個(gè)股年流通市值等數(shù)據(jù)從CSMAR 數(shù)據(jù)庫獲得；信貸增長(zhǎng)率和GDP 增長(zhǎng)率是在上述數(shù)據(jù)基礎(chǔ)上運(yùn)用Python軟件計(jì)算得到；信貸有廣義和狹義之分，廣義信貸包括金融機(jī)構(gòu)的存款、貸款等信用活動(dòng)，狹義信貸僅指金融機(jī)構(gòu)的貸款，本文所指的信貸是狹義上的概念。

由于表1的指標(biāo)在反映區(qū)域性金融風(fēng)險(xiǎn)時(shí)存在正向、負(fù)向及適度之分，因此，本文采用極差法對(duì)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，藉此降低因數(shù)據(jù)量綱不一致對(duì)綜合權(quán)重結(jié)果的影響。標(biāo)準(zhǔn)化處理方法分別如式（1）、式（2）和式（3）所示。

式（1）、式（2）和式（3）中，Rtj表示第t年的第j項(xiàng)指標(biāo)值；max（Rj）、min（Rj）分別表示第j 項(xiàng)指標(biāo)的最大值和最小值；Rj表示第j 項(xiàng)指標(biāo)的平均值。

（三）基于熵權(quán)法的實(shí)證測(cè)度

區(qū)域性金融風(fēng)險(xiǎn)的測(cè)算有指標(biāo)法和模型法之分，上文已經(jīng)述及，在中國(guó)現(xiàn)實(shí)情景下，指標(biāo)法更加適用于測(cè)算我國(guó)的區(qū)域性金融風(fēng)險(xiǎn)。使用指標(biāo)法時(shí)不可避免地需要對(duì)指標(biāo)進(jìn)行賦權(quán)，賦權(quán)方法有客觀賦權(quán)法和主觀賦權(quán)法之分，由于主觀賦權(quán)法存在較大的主觀隨意性，因此本文選用客觀賦權(quán)法。在客觀賦權(quán)法中，熵權(quán)法因能對(duì)原始信息作更充分的利用而具有顯著優(yōu)越性，因此本文選取熵權(quán)法對(duì)我國(guó)區(qū)域性金融風(fēng)險(xiǎn)進(jìn)行測(cè)度。熵權(quán)法測(cè)算的具體過程如下。

1.計(jì)算樣本值占該指標(biāo)的比重

計(jì)算方法如式（4）所示。P 值越大，表明該指標(biāo)在綜合評(píng)價(jià)指標(biāo)體系中的權(quán)重越大。

2.計(jì)算各指標(biāo)的信息熵

計(jì)算方法如式（5）所示。

3.計(jì)算信息冗余度

計(jì)算方法如式（6）所示。

4.計(jì)算各指標(biāo)的權(quán)重

計(jì)算方法如式（7）所示。指標(biāo)權(quán)重越大，意味著該項(xiàng)指標(biāo)在總風(fēng)險(xiǎn)中的重要性程度越高。

我們?cè)谑占紨?shù)據(jù)并計(jì)算相應(yīng)指標(biāo)后，按照式（1）至式（3）的方法對(duì)各指標(biāo)數(shù)據(jù)做了標(biāo)準(zhǔn)化處理，然后分別代入式（4）至式（7）中，藉此測(cè)算出我國(guó)各省份的區(qū)域性金融風(fēng)險(xiǎn)各指標(biāo)之權(quán)重（表2）。

由表2可見：除北京外，信貸膨脹率和債券發(fā)行規(guī)模對(duì)所有省份區(qū)域性金融風(fēng)險(xiǎn)的影響最大；除北京、貴州、西藏外，股票市場(chǎng)規(guī)模對(duì)所有省份區(qū)域性金融風(fēng)險(xiǎn)的貢獻(xiàn)最小；保險(xiǎn)深度、保險(xiǎn)密度和存貸比在我國(guó)區(qū)域性金融風(fēng)險(xiǎn)中的貢獻(xiàn)相對(duì)較低。

5.計(jì)算綜合評(píng)價(jià)得分

計(jì)算方法如式（8）所示。綜合評(píng)價(jià)得分越高，表明區(qū)域性金融風(fēng)險(xiǎn)越高，爆發(fā)區(qū)域性金融風(fēng)險(xiǎn)的概率相應(yīng)越大。

6.實(shí)證測(cè)度

表2已經(jīng)列示了我國(guó)31個(gè)省份區(qū)域性金融風(fēng)險(xiǎn)各指標(biāo)的權(quán)重，在此基礎(chǔ)上，根據(jù)式（8）即可測(cè)算我國(guó)各省份區(qū)域性金融風(fēng)險(xiǎn)的綜合評(píng)價(jià)得分，亦即各省份區(qū)域性金融風(fēng)險(xiǎn)的量化評(píng)估結(jié)果（表3）。

三、我國(guó)區(qū)域性金融風(fēng)險(xiǎn)分析與評(píng)價(jià)

（一）我國(guó)區(qū)域性金融風(fēng)險(xiǎn)總體分析

上文運(yùn)用熵權(quán)法測(cè)算出了如表3 所示的2012—2020 年我國(guó)省級(jí)區(qū)域性金融風(fēng)險(xiǎn)值，為了解我國(guó)區(qū)域性金融風(fēng)險(xiǎn)的總體狀況及其變化趨勢(shì)，進(jìn)一步計(jì)算我國(guó)31 個(gè)省份相應(yīng)年份區(qū)域性金融風(fēng)險(xiǎn)的平均值（圖1）。

圖1 2012—2020年我國(guó)省級(jí)區(qū)域性金融風(fēng)險(xiǎn)的均值

由圖1 可見，2012—2020 年間，我國(guó)區(qū)域性金融風(fēng)險(xiǎn)總體呈上升趨勢(shì)，風(fēng)險(xiǎn)水平由2012 年的0.058 上升至2020 年的0.201，年均增幅高達(dá)16.81%。這一實(shí)證結(jié)果表明，在中央將防范和化解重大風(fēng)險(xiǎn)置于三大攻堅(jiān)戰(zhàn)之首、金融風(fēng)險(xiǎn)防控力度不斷加大的背景下，雖然系統(tǒng)性金融風(fēng)險(xiǎn)得到了較好控制，但區(qū)域性金融風(fēng)險(xiǎn)卻呈逆勢(shì)上揚(yáng)趨勢(shì)，對(duì)此，我們必須保持高度警惕。

2015 年我國(guó)區(qū)域性金融風(fēng)險(xiǎn)的增幅相較于2013 年和2014 年明顯上升。這是因?yàn)樵?015 年，美聯(lián)儲(chǔ)時(shí)隔9年再次加息，從而對(duì)我國(guó)金融市場(chǎng)產(chǎn)生了兩種風(fēng)險(xiǎn)外溢效應(yīng)：一是信貸市場(chǎng)存款的競(jìng)爭(zhēng)效應(yīng)。由于資本具有逐利性和跨境流動(dòng)性，作為美聯(lián)儲(chǔ)加息的影響之一，美元存款相對(duì)于人民幣存款的競(jìng)爭(zhēng)力上升，結(jié)果，原來境內(nèi)人民幣存款中的一部分會(huì)被置換為境外的美元存款，進(jìn)而導(dǎo)致我國(guó)信貸市場(chǎng)存貸比下降，信貸市場(chǎng)風(fēng)險(xiǎn)上升。二是金融資產(chǎn)配置的替代效應(yīng)。銀行存款和購買股票、債券都是產(chǎn)權(quán)主體金融資產(chǎn)配置的基本方式，在資金總規(guī)模相對(duì)固定的情況下，不同金融資產(chǎn)配置方式間存在顯著的替代效應(yīng)，作為美聯(lián)儲(chǔ)加息的影響之一，其他金融資產(chǎn)（尤其股票）會(huì)一定程度地被美元存款替代，其結(jié)果是股票市場(chǎng)規(guī)模下降，股票市場(chǎng)風(fēng)險(xiǎn)上升[15-16]。另一方面，因?yàn)?015年我國(guó)經(jīng)濟(jì)增長(zhǎng)率僅為6.9%，25年來首次跌破7%，經(jīng)濟(jì)增速放緩的結(jié)果是市場(chǎng)需求下降，企業(yè)融資成本上升、融資難度增大，盈利能力相對(duì)下降，進(jìn)而導(dǎo)致微觀主體的違約概率上升[17]。總之，正是上述因素的疊加作用導(dǎo)致2015年我國(guó)區(qū)域性金融風(fēng)險(xiǎn)急劇攀升。

2016年我國(guó)區(qū)域性金融風(fēng)險(xiǎn)明顯下降。這是因?yàn)?015 年底的中央經(jīng)濟(jì)工作會(huì)議提出了“三降一去一補(bǔ)”政策，把“去杠桿”列為2016 年我國(guó)供給側(cè)結(jié)構(gòu)性改革的重點(diǎn)工作，從而大幅度降低了我國(guó)的總體杠桿率和非金融企業(yè)杠桿率[18]。另一方面是因?yàn)槲覈?guó)加大了對(duì)金融市場(chǎng)的專項(xiàng)整治和規(guī)范建設(shè)力度，并取得了積極成效。例如，中國(guó)人民銀行牽頭17 個(gè)部門聯(lián)合開展了互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)專項(xiàng)整治，發(fā)布了《非銀行支付機(jī)構(gòu)風(fēng)險(xiǎn)專項(xiàng)整治工作實(shí)施方案》；銀保監(jiān)會(huì)、證監(jiān)會(huì)聯(lián)合開展對(duì)險(xiǎn)資舉牌的監(jiān)督，助力險(xiǎn)資舉牌業(yè)務(wù)規(guī)范發(fā)展?？傊?，通過“去杠桿”和加強(qiáng)金融監(jiān)管，2016 年我國(guó)金融市場(chǎng)抗住了經(jīng)濟(jì)增速換擋、股市大震蕩、人民幣貶值等風(fēng)險(xiǎn)因素的不利影響，從而使區(qū)域性金融風(fēng)險(xiǎn)明顯降低。

2020 年我國(guó)區(qū)域性金融風(fēng)險(xiǎn)急劇上升。其主要原因是新冠疫情對(duì)我國(guó)銀行業(yè)、地方政府和企業(yè)造成了嚴(yán)重的負(fù)面影響。其一，為緩解疫情導(dǎo)致的經(jīng)濟(jì)下行壓力，中國(guó)人民銀行下調(diào)了銀行貸款基準(zhǔn)利率，銀行機(jī)構(gòu)的利息收入降低，再加之因疫情造成市場(chǎng)環(huán)境惡化，中小微企業(yè)償債壓力驟增，違約風(fēng)險(xiǎn)急劇上升，銀行業(yè)面臨的壞賬損失陡增，這些因素共同作用的結(jié)果是銀行業(yè)面臨的風(fēng)險(xiǎn)顯著上升；其二，為緩解地方政府因抗疫造成的財(cái)政缺口，中央政府提高了地方政府的預(yù)算赤字和專項(xiàng)債券發(fā)行額度，地方政府的償債壓力增大，違約風(fēng)險(xiǎn)上升；其三，疫情暴發(fā)后，為阻斷疫情傳播而采取的限制人員跨區(qū)域流動(dòng)、停工停產(chǎn)等措施對(duì)企業(yè)的正常生產(chǎn)經(jīng)營(yíng)產(chǎn)生了負(fù)面影響，企業(yè)生存狀況惡化，不少企業(yè)破產(chǎn)倒閉，特別是中小微企業(yè)，新冠疫情下的存活率相較于疫情前下降了約11.81%[19]，這對(duì)社會(huì)存款余額、GDP 等必然造成負(fù)面影響，進(jìn)而加大了信貸、債券乃至保險(xiǎn)市場(chǎng)的風(fēng)險(xiǎn)。

（二）我國(guó)區(qū)域性金融風(fēng)險(xiǎn)按大區(qū)比較分析

為了解我國(guó)區(qū)域性金融風(fēng)險(xiǎn)的地域分布特征，本文根據(jù)國(guó)家統(tǒng)計(jì)局對(duì)我國(guó)31 個(gè)省份的區(qū)域劃分標(biāo)準(zhǔn)，將我國(guó)31 個(gè)省份劃分為東部、中部、西部和東北4 個(gè)地區(qū)①（本文將其稱為4 個(gè)大區(qū)）?；诒? 的數(shù)據(jù)，本文分別測(cè)算了我國(guó)東部、中部、西部和東北4 個(gè)大區(qū)的區(qū)域性金融風(fēng)險(xiǎn)的均值和標(biāo)準(zhǔn)差。在計(jì)算4 個(gè)大區(qū)的區(qū)域性金融風(fēng)險(xiǎn)均值時(shí)，為避免極端值的影響，本文對(duì)各地區(qū)的區(qū)域性金融風(fēng)險(xiǎn)做了上下1%的縮尾處理。4 個(gè)大區(qū)的區(qū)域性金融風(fēng)險(xiǎn)均值及其變化趨勢(shì)如圖2 所示。

圖2 2012—2020年我國(guó)四大區(qū)區(qū)域性金融風(fēng)險(xiǎn)的均值及其變化趨勢(shì)

1.區(qū)域性金融風(fēng)險(xiǎn)變化趨勢(shì)基本一致

東、中、西、東北大區(qū)區(qū)域性金融風(fēng)險(xiǎn)的變化趨勢(shì)基本一致，且和圖1（我國(guó)區(qū)域性金融風(fēng)險(xiǎn)均值總體變化趨勢(shì)）步調(diào)大致相同，這說明我國(guó)四大區(qū)金融市場(chǎng)對(duì)美聯(lián)儲(chǔ)加息、經(jīng)濟(jì)增速放緩、經(jīng)濟(jì)去杠桿、強(qiáng)化金融監(jiān)管、新冠疫情沖擊的反應(yīng)具有較強(qiáng)的同質(zhì)性。

2.區(qū)域性金融風(fēng)險(xiǎn)總體呈上升趨勢(shì)

東、中、西、東北地區(qū)的區(qū)域性金融風(fēng)險(xiǎn)總體上都呈上升趨勢(shì)，這表明區(qū)域性金融風(fēng)險(xiǎn)不斷上升是我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展的普遍態(tài)勢(shì)，因此，應(yīng)將防范化解區(qū)域性金融風(fēng)險(xiǎn)作為我國(guó)全域性、整體性、長(zhǎng)期性工作來抓。

3.四大地區(qū)區(qū)域性金融風(fēng)險(xiǎn)呈逐次遞減趨勢(shì)

我國(guó)東、中、西、東北地區(qū)的區(qū)域性金融風(fēng)險(xiǎn)呈逐次遞減態(tài)勢(shì)，即在任何時(shí)間截面，我國(guó)東部地區(qū)的區(qū)域性金融風(fēng)險(xiǎn)最大，中部地區(qū)次之，西部地區(qū)較小，東北地區(qū)最小。誠(chéng)如前文所述，區(qū)域性金融風(fēng)險(xiǎn)是由信貸、債券、股票和保險(xiǎn)4個(gè)細(xì)分市場(chǎng)風(fēng)險(xiǎn)因素疊加影響和交互作用形成，我國(guó)四大區(qū)區(qū)域性金融風(fēng)險(xiǎn)的這種遞減分布格局是有邏輯必然性的：其一，從債券市場(chǎng)維度看，債券發(fā)行規(guī)模（債券年發(fā)行額/該年GDP）是決定債券市場(chǎng)風(fēng)險(xiǎn)（進(jìn)而影響區(qū)域性金融風(fēng)險(xiǎn)）的關(guān)鍵因素。從債券發(fā)行端看，我國(guó)東、中、西、東北地區(qū)的債券發(fā)行規(guī)模呈現(xiàn)清晰的逐次遞減格局。從GDP 端看，東部地區(qū)的GDP 平均值均高于中、西、東北地區(qū)。綜合來看，東部地區(qū)的債券發(fā)行額在GDP 中的占比最大，中部地區(qū)次之，西部地區(qū)第三，東北地區(qū)最小，因此在同等條件下，東、中、西、東北地區(qū)債券市場(chǎng)風(fēng)險(xiǎn)理應(yīng)逐次遞減。其二，從信貸、股票和保險(xiǎn)市場(chǎng)維度看，其風(fēng)險(xiǎn)均與房地產(chǎn)市場(chǎng)密切關(guān)聯(lián)，而我國(guó)房?jī)r(jià)的絕對(duì)值和波動(dòng)性長(zhǎng)期呈現(xiàn)東、中、西、東北遞減局面[20]。房?jī)r(jià)波動(dòng)會(huì)對(duì)區(qū)域金融市場(chǎng)的穩(wěn)定性產(chǎn)生沖擊，房?jī)r(jià)上漲會(huì)造成銀行風(fēng)險(xiǎn)溢價(jià)和杠桿率上升，這將進(jìn)一步加劇金融體系的內(nèi)在不穩(wěn)定性。

為進(jìn)一步了解同一地區(qū)不同省份之間區(qū)域性金融風(fēng)險(xiǎn)的差異程度，本文分別測(cè)算了4個(gè)大區(qū)區(qū)域性金融風(fēng)險(xiǎn)的標(biāo)準(zhǔn)差（圖3）。

圖3 2012—2020年我國(guó)四大區(qū)區(qū)域性金融風(fēng)險(xiǎn)的標(biāo)準(zhǔn)差

由圖3可見，在統(tǒng)計(jì)區(qū)間內(nèi)各大區(qū)區(qū)域性金融風(fēng)險(xiǎn)標(biāo)準(zhǔn)差變化較大，這說明在各大區(qū)內(nèi)部，區(qū)域性金融風(fēng)險(xiǎn)省級(jí)格局尚處于動(dòng)態(tài)變動(dòng)中，但總體而言，東部、中部地區(qū)的標(biāo)準(zhǔn)差要低于西部和東北地區(qū)，比如2015 年，東北地區(qū)的標(biāo)準(zhǔn)差為0.375，達(dá)到了統(tǒng)計(jì)期間的最大值，但此間同屬該大區(qū)的遼寧和吉林，其區(qū)域性金融風(fēng)險(xiǎn)分別為0.063和0.722，這足見東北大區(qū)省際區(qū)域性金融風(fēng)險(xiǎn)存在巨大差異性。導(dǎo)致這種現(xiàn)象的原因在于區(qū)域性金融風(fēng)險(xiǎn)與地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展?fàn)顩r息息相關(guān)，而按地域空間劃分的四個(gè)大區(qū)，區(qū)域內(nèi)省際經(jīng)濟(jì)社會(huì)發(fā)展水平本身就存在巨大不平衡性。鑒于此，中央政府在防控區(qū)域性金融風(fēng)險(xiǎn)時(shí)，一方面應(yīng)將東、中部地區(qū)作為防控的重點(diǎn)區(qū)域，另一方面對(duì)于西部和東北地區(qū)，應(yīng)重點(diǎn)關(guān)注諸如陜西、吉林等區(qū)域性金融風(fēng)險(xiǎn)較高的省份，著力對(duì)其金融風(fēng)險(xiǎn)做差異化精準(zhǔn)防控。

四、結(jié)論與對(duì)策建議

區(qū)域性金融風(fēng)險(xiǎn)具有較強(qiáng)傳染性，區(qū)域內(nèi)單個(gè)風(fēng)險(xiǎn)源的危機(jī)事件可能導(dǎo)致風(fēng)險(xiǎn)在域內(nèi)快速傳播，甚至擴(kuò)展至其他區(qū)域，對(duì)此若不能給予及時(shí)有效的控制，將很可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)，若此，我國(guó)正常的社會(huì)經(jīng)濟(jì)秩序?qū)?huì)遭受嚴(yán)重沖擊。正因如此，做好區(qū)域性金融風(fēng)險(xiǎn)防控工作是防范和化解重大風(fēng)險(xiǎn)的關(guān)鍵著力點(diǎn)?？茖W(xué)、準(zhǔn)確地測(cè)度區(qū)域性金融風(fēng)險(xiǎn)是有效防范和化解區(qū)域性金融風(fēng)險(xiǎn)的前提和基礎(chǔ)，針對(duì)現(xiàn)有區(qū)域性金融風(fēng)險(xiǎn)測(cè)度方式所存在的問題，本文構(gòu)建了基于熵權(quán)法的區(qū)域性金融風(fēng)險(xiǎn)測(cè)度模式，并實(shí)證測(cè)度了我國(guó)31 個(gè)省份2012—2020 年的區(qū)域性金融風(fēng)險(xiǎn)值，在此基礎(chǔ)上，對(duì)我國(guó)區(qū)域性金融風(fēng)險(xiǎn)做了深入的分析和評(píng)價(jià)。通過上述研究，本文做出以下結(jié)論：一是基于熵權(quán)法測(cè)度區(qū)域性金融風(fēng)險(xiǎn)具有科學(xué)性，測(cè)度結(jié)果具有客觀性，這是我國(guó)現(xiàn)實(shí)情景下測(cè)度區(qū)域性金融風(fēng)險(xiǎn)切實(shí)有效的方法。二是近年來我國(guó)出臺(tái)的區(qū)域性金融風(fēng)險(xiǎn)治理措施雖然取得了一定成效，但尚未根本性抑制甚至扭轉(zhuǎn)區(qū)域性金融風(fēng)險(xiǎn)持續(xù)上升的趨勢(shì)，我國(guó)區(qū)域性金融風(fēng)險(xiǎn)防控任務(wù)依然艱巨。三是我國(guó)區(qū)域性金融風(fēng)險(xiǎn)呈現(xiàn)東、中、西、東北地區(qū)逐次遞減態(tài)勢(shì)，但西部、東北地區(qū)區(qū)域性金融風(fēng)險(xiǎn)的離散程度要高于東部和中部地區(qū)。

基于上述研究，就如何防范和化解區(qū)域性金融風(fēng)險(xiǎn)問題，本文提出以下政策建議：一是建立基于熵權(quán)法的區(qū)域性金融風(fēng)險(xiǎn)測(cè)度體系和預(yù)警系統(tǒng)，以便實(shí)時(shí)準(zhǔn)確了解區(qū)域性金融風(fēng)險(xiǎn)的真實(shí)水平及其變化情況，藉此為精準(zhǔn)防控風(fēng)險(xiǎn)提供可靠的依據(jù)。二是從信貸、債券、股票、保險(xiǎn)4個(gè)細(xì)分市場(chǎng)維度識(shí)別區(qū)域性金融風(fēng)險(xiǎn)源，進(jìn)而對(duì)既有區(qū)域性金融風(fēng)險(xiǎn)防控措施進(jìn)行對(duì)照檢視，找出政策措施與主要風(fēng)險(xiǎn)源不匹配或針對(duì)性不足之處，進(jìn)而改進(jìn)和完善風(fēng)險(xiǎn)防控措施，以期從根本上扭轉(zhuǎn)區(qū)域性金融風(fēng)險(xiǎn)持續(xù)上升趨勢(shì)。三是分區(qū)域制定差異化的區(qū)域性金融風(fēng)險(xiǎn)防控策略，制定并實(shí)行東、中、西、東北地區(qū)整體防控與高風(fēng)險(xiǎn)省份重點(diǎn)防控相結(jié)合的風(fēng)險(xiǎn)防控策略，此間應(yīng)重點(diǎn)關(guān)注東、中部地區(qū)，兼顧關(guān)注西部和東北地區(qū)區(qū)域性金融風(fēng)險(xiǎn)較高的省份。

注釋

①國(guó)家統(tǒng)計(jì)局將我國(guó)31 個(gè)?。ㄗ灾螀^(qū)、直轄市）分為東部地區(qū)、中部地區(qū)、西部地區(qū)和東北地區(qū)，其中東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南10 個(gè)省份；中部地區(qū)包括山西、安徽、江西、河南、湖北和湖南6個(gè)省份；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆12 個(gè)省份；東北地區(qū)包括遼寧、吉林和黑龍江3個(gè)省。