系统性金融风险监测预警方法国际比较和评析 外汇市场模型有哪些

萨克斯等人（Sachs、Tornell and Velaseo,1996）选择20个新兴市场国家的横截面数据利用线性回归的方法建立预警模型。他们认为，影响一国发生危机的主要指标是实际汇率的变动（RER）、国内信贷规模扩张和货币供给M2与国际储备的比值。他们利用汇率变动比率和外汇储备变动百分比的加权平均值作为危机指数（IND），用银行对私人部门的债权与GDP的比值测量一国国内信贷规模的扩张（LB），用广义货币M2和外汇储备的比值衡量外汇储备丰度。为了模型研究需要，设计了2个虚拟变量DWF和DLR对这些国家分类。回归模型具体如下：

IND=β0+β1RER+β2LB+β3DLRRER+β4DLR+β5DWFRER+β6DWFLB+ε

模型结论是：当一国的金融系统较为脆弱，实际汇率被高估，大量的资本外逃，并且外汇储备水平较低的时候，经济基本面就容易遭受到严重的攻击。该模型解释了1994年墨西哥金融危机对其他新兴市场国家的影响，但并没有很好地预测1997年东南亚金融危机。

3.KLR信号法

KLR信号法是早期预警指标方法的代表，由卡明斯基等人（Kaminsky、Lizondo and Reinhart）于1996年提出。他们用1970—1995年发生于15个发展中国家和5个发达国家的月度数据确定货币危机的预警指标和阀值，建立了一个货币危机预警体系。KLR信号法的步骤是：首先确定货币危机发生的标准和原因；其次运用因果检验或回归分析等方法确定与货币危机显著相关的变量，以此作为货币危机发生的预警指标；第三是为每个预警指标根据其历史数据确定阈值，被突破的阀值越多，表明危机发生的概率越大。危机的定义是：一国出现货币大幅度贬值或外汇储备大幅度减少，通常是采用汇率月度变化数和外汇储备月度变化数的加权平均数——外汇市场压力指数，对危机进行量化。阈值是通过指标预警过程中发出的错误与正确信号的比例（噪音信号比）进行权衡的，噪音信号比越低则预警效果越好。1999年，卡明斯基根据对1997年亚洲金融危机的分析改进了原有模型，同时考虑了银行危机和货币危机的影响因素，并将预警指标扩展到17个。为避免指标过多导致不同指标的预警结果发生矛盾，卡明斯基对预警指标采用不同的加总方法，构建了4个预测危机的合成指标，通过实证研究发现，合成指标比单一指标有很大进步。

安德鲁·伯格等人（Andrew Berg、Eduardo Borensztein、Gian Maria Milesi-Ferretti and Catherine Pattillo,1999)运用东南亚金融危机对上述三个模型的有效性做了检验，结果表明，相比FR概率模型和STV横截面模型，KLR信号法的预测准确度和有效性较高。比较三个模型可知，KLR信号法在选取指标方面也具有较好的效果，因此在一段时间内，KLR信号法成为很多学者选择指标的首选方法。

4.发展中国家模型（DCSD)

IMF在检测KLR模型和其他模型在预测亚洲金融危机时的样本外表现时，设计了发展中国家模型(DCSD)，根据离散阀值检验预测变量的有效性，该模型的预测水平和危机的定义与KLR模型一致，但在预测危机的概率时采用的是FR模型的多变量Probit回归方法，并且假设危机发生的概率随着预测变量的相对变化而线性增加。DCSD模型的解释变量包括：真实变量与趋势的偏差、活期存款与GDP的比率、出口增长、储备增长、M2/储备的水平，采用月度数据来选取哪些变量对于未来24个月内发生的危机产生贡献。

5.主观概率模型

斯坦福大学刘遵义教授（1995）使用实证比较分析方法和综合模糊评价方法，分析了东南亚地区发生金融危机的可能性。他认为，金融危机的最重要特征是货币突然大幅贬值，并伴以股市大幅下跌。危机的主要原因是危机前该国货币的持续长期高估。以墨西哥为参照国，刘遵义教授考察了1985—1995年东亚9个国家和地区的经济发展和金融状况，选取了10 项经济和金融指标，将“一国表现较差的指标个数与总指标个数之比”作为该国发生金融危机的主观概率，得出如下结论：菲律宾、泰国、韩国、印尼和马来西亚是可能发生金融危机的国家，而中国、中国台湾、中国香港和新加坡不大可能发生墨西哥式金融危机。随后发生的亚洲金融危机证明了主观概率模型的有效性。

二.亚洲金融危机之后到2008年国际金融危机之间的监测预警方法

总体看，早期预警指标法简单清晰、切实有效，其主要缺点是对金融体系状况的监测不是连续性的，相对静态而且不具前瞻性，也没有将金融机构之间的相互关系和影响、金融行业之间的关联性纳入考虑范畴。由于这些模型多数在预测亚洲金融危机中失灵，并且在随后的实证检验中效果不佳，为此学者们开始重新设计新的金融危机预警系统，并把注意力集中于评价预警模型和预警指标的有效性等方面。

1.综合指标法

综合指标法是通过对历次金融危机的数据进行分析，找出影响系统性风险的宏观经济、金融变量作为金融风险的预警指标，再通过统计方法对指标进行加总，构建预警指标体系，反映金融体系风险的综合状况。从预警的角度，可以基于综合指数的历史数据设定阈值，当综合指数高于阈值时，表示当前的金融体系处于高风险或危机时期。这种方法为很少或没有发生过金融危机的国家建立系统性风险预警体系提供了选择。具有代表性的综合指标法有：（1）IMF的金融稳健指标（Financial Soundness Indicator），包括核心指标和鼓励指标。核心指标只涵盖银行业，包括资本充足性、资产质量、盈利能力、流动性和对市场风险的敏感性五个方面共12项具体指标。鼓励指标包括存款机构、其他金融机构、非金融公司部门、市场流动性、住户部门和房地产市场等方面共27项具体指标。（2）伊林等人(Illing and Liu,2006）的金融压力指数（Financial Stress Index），该方法以一系列金融市场数据作为风险指标，利用不同的加权方法将指标合成为金融压力指数。再以其他金融风险先导指标为系统性风险的预警指标（解释变量），并检验预警指标对金融压力指数影响的显著程度，从而确立最终的金融系统性风险预警指标体系。（3）Jan Willem van den END (2005)的金融稳定状况指数，该方法在货币状况指数(MCI)和金融状况指数(FCI)的基础上，引入了金融机构清偿力和金融机构股票波动率两个新的指标，指数由实际利率、实际有效汇率、房地产价格、股票价格、金融机构偿付能力、上市金融机构股票价格六大类指标加权合成，并创新性地给出了金融稳定指数运行的上下边界。

2.人工神经网络（Artificial Neural Network，ANN）模型

人工神经网络是人工智能领域的研究成果，是模拟人脑思维模式进行分析的数学模型。ANN的基本处理单元仿效生物神经细胞的基本特征进行信号的输入、综合处理和输出，通过选取不同的模型结构和激活函数，可以形成各种不同的ANN，得到不同的输入输出关系式。与传统方法不同，人工神经网络是通过“训练”来解答问题，将一系列的输入和理想的输出作为训练的“样本”，根据一定的训练算法对网络进行足够的训练，使得ANN能够学会包含在“解”中的基本原理。当训练完成后，该模型可以用来求解相似的问题。

3.马尔可夫状态转换法（Markov-Regime Switching Approach）

马尔可夫状态转换（也有文献译为“区制转换”）是指，一个系统从一种状态转移到另一种状态时，存在着转移概率，并且这种转移概率可以依据其紧接的前一种状态推算出来，与该系统的原始状态和此次转移前的马尔可夫过程无关。汉密尔顿（Hamilton，1989,1990）开始用马尔可夫状态转换方法进行经济学实证分析，此后，该模型被大量用于研究经济周期、经济冲击、金融波动等方面。汉密尔顿把不同的状态变量引入模型，分析过程可以形成一系列结构方程和状态转移概率，不但能够刻画不同状态下的经济趋势，而且可以描述不同状态间的转变特征(①郭莹莹，“国内外金融危机预警模型述评”，《科学决策》2013年第10期，第71页。）。因此，状态转换法简化了标准模型的诸多假设，能够刻画危机期的内生性，同时避免了连续变量到离散变量转换中的信息损失，目前，该方法已经被广泛地应用于建立金融危机预警系统。

4.Simple Logit 模型

库玛等人（Kumar、Moorthy and Perraudin,2002）提出基于滞后宏观经济和金融数据的 Simple Logit模型构建了投机冲击预测模型。该预警模型综合了 FR 模型的概率分析法和 KLR 模型的信号分析法，提高了对投机性货币冲击和货币危机的预警水平。一是它考察了两种危机发生的可能性（利率调整引起的汇率大幅贬值；货币的贬值幅度超过以前的水平），而传统的预警模型只考虑一种货币危机的情形；二是该模型在进行样本内（in-sample）预测的同时还进行样本外（out-of-sample）预测，从而使模型的预警能力更强；三是该模型可以对预测结果进行比较和检验，能在一定程度上克服过去模型只能解释危机的局限。

三.2008年国际金融危机之后的系统性金融风险预警监测方法

2008年国际金融危机之后，随着宏观审慎监管理念的提出，对系统性金融风险的识别和评估研究发生了较大的变化。一是开始