17 中国金融风险预警研究_基于MSVAR模型的实证分析_周华

2013年第1期

总第347期第32卷中国金融风险预警研究

——基于MSV AR模型的实证分析

周华周晖刘灿辉

摘要：本文结合前人研究的成果，提出将各类指标综合成分别反映货币危机、银行危机、资产泡沫危机的货币危机指数、银行危机指数、资产泡沫危机指数，并分别以这些指数为变量，在假定风险等级分为“低风险”“中风险”和“高风险”的基础上，利用MS(3)-V AR（1）模型，对我国1998年1月至2011年6月的数据进行检验，得出MS(3)-V AR（1）模型准确有效的预警了每次危机的结论，并依据结论提出了相关政策建议。

关键词：预警，货币危机指数，资产泡沫危机指数，MS-V AR模型。

JEL分类号：E63，G10，F40

一、引言及文献综述

2008年，一场突如其来的金融危机如飓风般席卷全球，给世界大经济体带来沉重的打击，至今世界各国仍然艰难的行进在复苏的曲折道路上。经济危机给人民带来了痛苦的失业潮，美国自2008年次贷危机以来失业率一直维持在10%以上，中国在2008年出现农民工返乡潮；经济危机给政府带来不稳定的压力，随着失业的加重，英国青年走上街头抗议，美国出现了占领华尔街的活动。金融危机所造成的破坏性影响是难以估量的，世界银行的一项统计显示，从1985年-2001年，墨西哥、阿根廷、韩国、日本等共计65个国家经历了银行危机，在此期间各国政府为援助银行所支付的直接成本就高达2500亿美元。这其中有12次金融危机所导致的救助成本超过危机发生国国内生产总值（GDP）的10%。在1997年的亚洲金融危机中，各公共部门为救助破产银行所花费的成本更为巨大。印度尼西亚花费的金额占其GDP的58%，泰国为30%，韩国为16%，马来西亚为10%。而本次次贷危机中美国为救市已经注资1500亿美元，欧洲接近5000亿美元，中国为救市注资接近6000亿美元，甚至还出现了因为救市资金过于庞大，无力救市而宣布破产的冰岛政府。金融危机的频发和巨大的破坏力引起了各国学者的关注。

真正的神医非救人于垂死，而是除病于未有形。很多学者认为我们应将因对金融危机的重点放在金融危机的预见上，而非危机发生后的因对措施。事前对危机的防范往往比危机发生后的挽救措施更加重要。国外学者对此作了大量的研究。Frankel和Rose（1997）通过研究41个国家的经贸数据，发现各个国家经济周期存在相吻合的现象，从而提出依照外贸数据预测经济危机的FR模型。Jeffrey D.Sachs，Aaron

作者介绍周华：中南财经政法大学经济学院,博士研究生；

周晖：浙江财经学院，研究员，博士生导师；

刘灿辉：深圳证券交易所博士后流动站，在站博士后。

中国金融风险预警研究

Tornnell和Andres Velasco(1996)通过研究墨西哥危机以及东南亚危机提出可以通过M2/GDP、M2/外汇储备、银行负债这三个指标来反映一个国家的脆弱程度，或者说是可能爆发危机的程度。Graciela Kaminsky, Saul Lizondo和Carmen Reinhart（1998）将指标增多，给每个指标设置一个阀值，当指标超过阀值范围的时候，发出一个预警信号，用发出的信号来预测金融危机，又称“信号法”或者KLR模型。以上的学者使用的都是线性模型，随着计量技术的进步，很多非线性的模型被引入用来模拟金融风险。Ashok K Nag and AmitMitra（2002）将网络神经模型和自然的网络模型结合起来模拟日常的外汇交易价格，以预测金融危机，结果显示该模型的预测结果远远好于一般的线性模型。Manmohan S.Kumar,Uma Moorthy,和W.R.M. Perraudin（2007）在滞后的宏观经济金融数据基础上使用简单的logit模型在发掘哪些新兴市场的危机是可以预测的。Abdul Abiad（2011）通过危机恢复中的数据来检验各种危机预测模型，并建立了准确度更高的基于区制转换模型的危机预测系统。

1997年亚洲金融危机在国门口爆发，危机给亚洲各国带来深重灾难的同时也深深的影响着经济学界。为了防范于未然，避免此类危机发生在我国，国内学者开始着手探讨建立与我国实际情况相符合的预警指标体系和预警模型方法。信玉红和高东伟（2004）利用国内经济数据，采用KLR模型得出中国的经济危机可能主要集中于国内经济，发生外部冲击型金融危机的可能性不大。石柱鲜和牟晓云（2005）利用三元logit模型对我国外汇风险预警进行了实证分析，估计了我国外汇风险预警指数及其临界值，并根据样本预测结果计算了我国外汇风险预警模型的拟合度。结果显示我国1991年左右发生外汇危机的概率高，而1994年汇改后发生汇率危机的可能性比较小。胡辉（2008）在1998-2007年数据的基础上，选择我国宏观金融风险指标建立了指标体系评分法预警模型。王守东（2010）运用中国经济数据通过logit模型建立了我国金融风险预警体系。

本文参考文献中的一些研究，在构建危机指数，建立预警模型和更新统计数据三个方面进行了改进：1.采用多个指标合成的方法构建压力指数。2.采用非线性的MS-V AR模型建立金融危机预警系统，争取更加准确的预测金融风险。3.所有的经济数据都使用截止到2011年6月的最新数据。

二、模型方法与参数估计

在时间序列模型中，很多时候资产的价格会因为某一个可以识别的重大事件发生很大的改变，例如在一周为单位的时间序列中，美联储的利率和国债利率是相关联的，但是放在更长的时间段来看，美联储的利率还会受到各种货币财政政策的影响，例如1979年美联储的一次公开市场操作就造成了利率的不连续变化。那么这个时间序列将会被分为两段来进行研究。很多经济上的重大事件都会影响金融的时间序列，例如第二次世界大战和欧佩克突然的减少石油供给，这些都应该被认为是金融时间序列中可以识别的一段时期。

下面我们反过来想，假设我们不知道金融时间序列被划分为了哪几个时期，但是我们知道所有的金融时间序列数据，当我们看到不连续的时间序列数据时，我们可不可以推测出时间序列数据已经进入到另一个时期的可能性呢？答案是肯定的。如文献综述中提到的，Krolzing.H-M(1997)提出马尔科夫区制转换的向量自回归模型（Markov-Switching Vector Autoregress;MS-V AR）成功解决了这一难题。

MS-V AR可视为基本有限阶V AR(q)模型的推广。考虑如下一个X维时间序列构成向量y t=(y1t,⋯,y x t)'的q阶自回归过程：

y t=ν+A1y t-1+⋯+A q y t-q+u t（1）其中，t=1,2,⋯,T，u t~N(0,1),y0,⋯,y t-q均为既定值。如果误差项服从正态分布，u t~N(0,1)，则方程式（1）为稳态高斯V AR（q）模型的截距形式，它可以表示成如