陕西省金融风险监测的实证分析

2022-09-12

1 研究背景

陕西省金融业经过了多年的快速发展, 积极适应经济发展新常态, 货币信贷和社会融资规模平稳适度增长, 信贷结构进一步优化, 直接融资功能持续提升, 保险服务经济社会能力逐步增强, 为地方经济发展创造了适宜的货币金融环境。但由于陕西地区的金融制度存在缺陷, 金融机制及创新性机制存在漏洞等原因, 致使陕西省的金融风险问题日益突出。因此, 研究陕西省这个特定的区域环境内的金融风险, 完善和创新金融风险监测预警系统也势在必行。

2 文献回顾

Zhang (2001) 提出使用自回归条件风险模型进行危机预警。通过构建概率模型分析了印度尼西亚、泰国等四国在1993年到1997年之间的金融风险情况。Kumar等人 (2002) 运用Simple Logit模型构建了投机冲击预测模型并对未来投机性货币冲击的发生和货币危机进行预测。自东南亚金融危机以来, 国内外学者对金融活动的预测主要运用KLR模型、DSCD模型和PDR模型。国内关于金融风险的研究也较普遍, 比如石柱鲜在2005年的时候分析我国外汇风险时运用的就是Logit模型, 陈守东等人分析我国金融风险时也采用了Logit模型, 并构建了预警系统。

目前对国家层面金融安全的研究较多, 成果也十分丰富, 但对地区金融安全问题研究还不成熟, 缺乏一套普遍接受的风险监测与防御系统。

3 研究设计

3.1 陕西省金融风险监测预警指标体系的构建

本文通过宏观经济、微观经济、金融生态环境三个方面来捕捉金融风险, 考虑数据的可获得性结合现有成熟的研究成果, 归纳出区域经济预警体系 (如表1所示) 。

3.2 因子分析

采用SPSSV19.0分析原始样板数据, 消除样本数据的极端值, 避免量纲的影响, 使分析结果切合实际。可行性检验显示:KMO值为0.823, 接近1, 因子分析效果较好;前4个因子的特征值较高, 第4个因子以后的特征值明显下降, 由此确定最优因子。通过分析表明, 现阶段陕西省金融风险主要由银行业、宏观经济、金融生态环境和通货膨胀几方面决定, 其中银行业运行因子贡献居于首位, 充分说明银行业是影响金融风险的核心因素。此外, 分析结果显示的主要影响因子还包括了宏观经济运行因子、金融生态环境因子和通货膨胀因子。同时某些影响因子之间有相互交叉现象, 说明了金融风险受多因子共同影响的, 具有一定的复杂性。

3.3 区域金融压力指数构建及风险测度

本文参考Hagen和Ho关于货币市场压力指数的设计方法并结合陕西省自身特点, 采用存贷比 (RLD) 、不良贷款率 (RNL) 、保险深度 (ID) 来构造金融压力指数, 并将各指标的数值代入压力指数公式, 得到压力走势图, 从而观察到金融体系压力程度的变化情况。

数据来源:2005~2015年《陕西省统计年鉴》《中国金融年鉴》、“中经网统计数据库”。

由图1可知:金融压力指数在不同时期表现区别较大, 在2010年三季度和2014年四季度出现了两个波峰, 均突破金融压力指数临界值, 说明这两个时期陕西省金融安全稳定性下降, 发生风险的可能性增强。

3.4 logit模型估计

用因子分析法筛选出的主因子为自变量, 以金融压力指数的临界值为基础将指数转化为危机虚拟变量“0-1”, 以此为因变量, 代入logit回归模型, 得到样本期内陕西省金融风险发生的概率值。选取2005年一季度至2015年四季度的数据, 进行回归分析, 建立Logit模型如下:

通过上述分析发现:陕西省金融风险概率与金融风险压力具有一致性。根据预警区间判定, 陕西省2009~2010年, 2013~2014年间出现了危机信号, 其余年份比较平稳, 发生危机的可能性较小。

2005~2006年陕西省金融运行基本平稳, 金融机构的存、贷款额持续增长, 现金保持回笼态势, 银行业改革稳步推进。2007年, 陕西省金融运行基本安全。2007年存款增势趋缓, 贷款保持较快增长, 原因是多方面的, 但归根结底是由于通货膨胀加大, 个人的消费水平快速增长所致。

2009年、2010年金融运行轻度安全, 金融危机滞后效应对省内市场供求关系、企业融资环境、进出口企业经济效益等都产生了不利影响, 一定程度上抑制了陕西省经济的发展, 因此也增加了金融风险。2013年、2014年经济下行压力增加, 银行业贷款增长保持平稳, 但也存在信贷需求不旺的压力, 金融风险加大。

3.5 基于ARIMA模型的金融风险预测

ARIMA (p, d, q) 通过对参数p、d、q的估计建立最优的拟合模型, 依次进行对象的序列数值预测, 将预测值带入ARIMA模型进行样本危机概率预测。以存贷款比率 (X4) 的预测为例。对X4进行单位根检验, 从检验结果看, T统计量值是-3.027864, 概率为0.3021, T统计量显著低于显著性水平, 不能接受原假设。通过相关检验及综合分析显示:当p=2, q=1时AIC及SC的值为组合中最小值, 此时ARIMA模型具有最佳的预测效果, 因此, 选择ARIMA (2, 0, 1) 模型对X4 2016年的季度值进行预测, 参数估计与相关检验结果如表2所示。

通过表2可知, R2==0.85, 说明拟合效果较好, F=96.34, 概率值为0, 说明模型整体显著。总体反映出估计的ARIMA模型是平稳且可逆的。使用ARIMA (2, 0, 1) 作为存贷比的预警模型, 预测结果显示:第一季度预测值为0.672122, 第二季度预测值为0.682339, 第三季度预测值为0.673432, 第四季度预测值为0.673883。采用同样模式对余下的风险指标进行了预测。将预测值代入logit预警模型中, 对2016年的金融风险概率进行计算, 分析显示2016年陕西省的金融风险较小, 爆发危机的可能性不大。

2016年, 面对复杂多变的国际环境和国内繁重艰巨的改革发展稳定任务, 陕西省继续积极适应经济发展新常态, 坚持创新发展理念, 以推进供给侧结构性改革为主线, 适度扩大总需求, 坚定推进改革, 经济增速稳步提升, 结构调整成效明显。社会融资规模持续扩大, 人民币存贷款余额持续提高, 银行业各项业务平稳增长, 不良贷款余额实现下降, 银行业竞争力明显增强, 金融生态环境进一步优化。由2016年陕西省金融风险实际情况看, 与预测结果基本相符。