文摘
基于货币危机压力指数的研究,银行危机压力指数和资产泡沫危机压力指数,本文介绍了外部冲击压力指数反映全球经济变化对经济的影响和综合系统性金融危机压力基于上述四个压力指标;然后,所有的选择预警指标和系统性风险压力指数构建本文进行了测试格兰杰因果关系。我们构建金融系统性风险压力指标,包括货币危机压力(CCP)银行业危机压力指数(BCP),泡沫危机压力指数(PBP),和外部冲击压力(ESP)指数来预测金融危机。最后,四项指标产生重大影响的系统性金融危机压力指数选择,即股票价格指数变化率,工业增加值增长率,国内外实际存款利率微分,和外国直接投资占GDP的比例。与滞后二进制变量构造一个动态Logit模型,并与传统的静态分对数线,实际的动态拟合效果比静态Logit模型。动态Logit模型用于预测系统性金融危机的预警状态,2020年和预测各种预警指标ARIMA模型的实现。最后的预测结果表明,系统性金融危机的概率于2020年在中国极低,几乎为零。这是符合整体的改进在2020年国际经济形势和国内经济的稳定增长。
1。介绍
金融危机早期预警称为早期预警系统。之前灾害和其他需要关注发生的危险,他们向相关部门发出紧急信号根据法律总结过去或可能的前兆观测得到的。报告危险的情况下的行为,以防止损害的发生不了解或缺乏准备,从而最小化损失造成的伤害,是早期预警。“早期预警”一词最初是常用的在军事和环境监测领域。最早的应用是在1979年在经济和金融领域(1]。Padhan Prabheesh使用先进的指标来研究货币危机和开创了金融危机预警研究。目前,金融危机预警的定义由国内外学者普遍认为如下:“金融危机预警是指金融预警指标体系的构造和分析在经济周期性波动通过某些统计测量方法的应用。目的是为了预测的可能性在一个特定的国家或地区金融危机前一段时间内发生的金融危机,为决策者提供依据监测和防止金融危机,以避免金融危机的破坏性影响的国家或地区的经济发展”2]。
在国际金融危机的背景下,企业之间的市场竞争日益激烈。上市公司的数量与财务状况异常或其他异常情况在中国是逐年增加,从防范企业财务风险的角度还是从促进经济健康稳定发展的角度(3]。上市公司财务危机的预警具有重要意义。在财务预警相关研究,主要涉及到三个主要问题:(1)建立财务预警指标体系,(2)财务预警模型的使用,和(3)选择的样本数据。关于建立财务预警指标体系,不断深化的研究,学者们将他们的注意力从只关注财务指标,非金融类指标,如资产浓度(4)、审计意见和公司增长速度。传统上,系统性风险的定义和监督进行了微程序级,也就是说,微观审慎监管,要求个体金融机构风险控制。相信只要个人风险是有效预防和解决,系统可以控制以及预防性风险。微观审慎监管强调系统性风险是导致的外部属性因素,以及金融危机的爆发暴露的缺陷微观审慎监管。在各国政府和金融机构大大改变了他们对系统性风险的理解,他们已经开始强调其endogenousness:金融机构的集体行动通过影响资产价格,影响实体经济,实体经济使用一个反馈机制来影响实体经济。金融体系是适得其反。2007 - 2009年的金融危机表明,单一金融市场主体风险处于可控状态并不意味着整个金融体系也在一个健康的水平。一致的行为的所有金融机构在应对经济形势一定会积累大量的资产泡沫,泡沫的破裂将最终引发金融危机。因此,当前的系统性金融风险的监督逐渐从微观审慎监管,只有专注于个别金融机构宏观审慎监管的鲁棒性,防止系统性金融风险。金融系统被视为一个整体和财务影响进行了研究。 Internal interconnections and the links between the financial system and the macro economy have been studied.
本文构造一个系统性金融危机压力指数,使用格兰杰因果方法选择预警指标,并进行系统性金融危机预警的实证研究基于动态Logit模型。首先,介绍了金融危机的早期预警,及相关文献对系统性金融风险测量和系统性金融危机预警的国内外研究进展;然后,主要的风险预警模型和预警指标的选择方法和选择方法,介绍了常用的早期预警指标。我们构建金融系统性风险压力指标,包括货币危机压力(EMP)指数,银行业危机压力指数(BCP),泡沫危机压力指数(PBP),和外部冲击压力(ESP)指数来预测金融危机。主要存在格兰杰因果分析。之后,系统性危机压力指数和系统性金融危机预警指标体系构建,和四个指标有重大影响的系统性金融危机压力指数得到使用格兰杰因果分析。最后,一个金融系统性风险预警的实证研究模型,结合动态Logit模型系数的估计,从2010年1月至2018年12月预测系统性金融危机压力指数,2020年获得系统性金融危机的早期预警信号曲线。
2。相关工作
王等人的研究。4]还发现添加非金融指标可以提高预警的准确性。非金融指标国内学者的研究主要分为股权结构、公司性质,控制人类的类型、公司治理、行业因素,和企业增长速度。在财务预警模型的使用,从最早的单变量分析多元判别分析、逻辑回归和概率单位回归模型引入财务危机预警模型。自1990年代以来,nonstatistical方法如神经网络和支持向量机应用于建立财务危机预警模型。近年来,国内外学者们不断改进和更新公司财务困境的研究建模方法。林等。5]构造PSO-SVM模型选择最优指标设置和行为金融危机早期预警。安图内斯等。6]提出了使用模糊支持向量机(FSVM)的算法改进传统的SVM和获得正确的结果。Tunay et al。7)建造了一个偏最小二乘的物流模型并进行了实证研究ST上市公司在股票市场。Misman和巴蒂8)使用多元判别分析、逻辑回归和神经网络方法来建立一个组合分类器模型。帕帕多普洛斯et al。9]介绍了multifeature细分为财务困境预警分类器模型。刘和歌曲10)建立了基于模糊c均值聚类的预警模型和自适应回归和通过实证研究证明了该模型优于判别分析和提出的神经网络方法。Abdelsalam和abdel latif11使用数据包络分析,为决策者提供准确的预测结果。此外,财务困境预警的研究继续通过有机组合数学方法(12]或持续改进现有的方法。涉及包括案例推理的方法,结合多个分类器,和遗传算法。在样本数据的选择,大多数的财务预警研究是基于横截面数据。尽管横截面数据很容易收集,样品的信息内容是有限的,不能反映公司的数据在多个时期。考虑静态测量和统计模型的局限性,一些学者已经建立了基于面板数据的财务困境预警模型。是因为Mohana饶和Padhi13]使用的面板数据,从1993年到2009年雅典证券交易所建立财务预警的动态非线性模型。莱和Kakinaka14)选择了一些a股上市公司的非平衡面板数据,从1997年到2002年,建立了面板数据标识和Probit模型,和获得的程度影响滞后的金融数据通过边际分析上市公司的财务困境。周et al。15]发现综合BP神经网络的识别能力模型基于面板数据的4年金融危机前的75%以上。刘等人。16)使用时间序列判别分析技术和index-weighted移动平均线控制图模型建立多级动态财务危机预警模型,取得了良好的预测效果。近年来,更多的研究结果已经获得金融预警建模方法的比较和方法。跨学科方法如神经网络、预期违约率,粗糙集,支持向量机和灰色的案例推理正变得越来越重要。它已经被应用于越来越多的领域的财务困境预警研究。从样本数据选择的角度,而不是许多人使用的信息优势面板数据建立面板数据模型对财务困境预警和更少使用面板离散选择模型进行财务困境预警研究。此外,尽管一些学者发现显著差异在不同行业的财务比率17),没有学者进行了比较研究不同行业的财务危机预警模型的适用性。
危机预警系统的另一个方面创新风险预警指标体系的建设或压力指数。的指标体系可以从宏观的视角,初步建立了金融体系,外部冲击,可以使用各种方法来优化和筛选指标,如格兰杰因果关系回归法、主成分分析方法,KLR信号分析法,和一元回归方法;当构建风险压力指数、金融危机的描述一般从货币危机的三个视角,银行业危机,资产泡沫危机。因此,建设的压力指数也是基于这三个方面。选择相应的指标构建系统性风险压力指数,分别,然后选择具有代表性的指标对风险警告。本文是基于三个方面的危机压力指数由前辈。添加了国际风险冲击压力指数,通过平等权重加权技术,系统性风险压力指数包含四个压力指标全面形成。这种方法可以更好的新的金融危机的警告。研究早期预警指标体系的建设或风险压力指数:李Liangqiong [18)建立了一个商业银行风险预警指标体系从资本充足率风险,信用风险,利率风险,盈利能力风险,流动性风险,使用主成分分析方法,对商业银行的风险状况,使用独立的示例测试屏幕解释变量,然后建立了一个BP神经网络预警模型基于几个关键指标。有23个预警指标的选择四个方面的泡沫和全球经济的风险,和非线性MS-VAR模型应用于三次市场金融危机压力指数、货币危机压力指数,BCP指数和资产泡沫危机压力指数。在此基础上,采用因子分析方法合成金融脆弱性指数能够反映整个金融体系的地位,SWARCH模型被用来构造一个金融危机预警模型。它还警告说,在2008年下半年的整体金融风险。Nenu et al。18)构建商业银行的信用风险指标体系从六个方面,盈利能力指标,经济增长指标、流动性和偿付能力指标,资产管理效率指标、现金流量指标,和市场监管指标,利用主成分分析筛选指标Logit模型,并进行了实证定量管理商业银行的信贷风险。根据结构特点的具有代表性的财务指标,殿下et al。19)建造了一个时间敏感的金融压力指数来确定金融系统的压力。建设的压力指数采用同等重量加权法,这对本文具有一定的参考意义。本文适用于非金融股权结构等指标,最终控制器类型和审计意见专家组离散选择模型分析增加非金融指标的预警信息。在此基础上,研究行业差异的影响在财务预警模型和实证研究财务危机预警能力面板的离散选择模型在不同的临界点。
3所示。金融危机早期预警模式
3.1。面板离散选择模型的原理
面板数据是调查对象的数据通过一个固定的群体不断在多个时期。它与三维数据(截面、时期和变量)的信息同时在时间和截面,因此它也被称为混合时间序列和截面数据。在实际经济问题中,特别是在微观经济学的研究中,被解释变量可能是离散变量。在这种情况下,您需要建立一个离散选择模型的正面面板(DCM) [15]。如果只有两种选择的解释变量,如金融危机和非金融痛苦,双重选择模型可以建立。常用的面板离散选择模型包括面板Logit模型和面板Probit模型。其中,面板Probit模型需要随机误差项服从正态分布,但是面板标志模型没有这个要求。因此,本文采用面板标识模型模式16]。
二元选择模型通常隐藏变量的形式出现。把面板二元选择模型只有一个解释变量与个人的影响为例;也就是说,
的公式, ,其概率分布函数F(·),解释变量是独立的 ; 是单独的效果;可观察到的二元选择变量吗隐式变量。
当 , 可以观察到;当 , 。的概率 值为1
计算表明,当 和 ,它是判断, ;当 和 ,它是判断, 。也就是说,大于或小于0的值来确定 ,和使用的临界点是0.5。
结合本文的研究内容,这里假设隐变量代表一个国家的公司我在时间j,表示索引选择公司的价值我在时间j, ; ,这意味着公司我没有停在期吗j。
当截距项u个体的异质性有关一个解释变量,OLS估计不再是一个一致的估计,应该建立固定效应面板标识模型。当ui与所有解释变量不相关的,一个随机效应面板标志应该建立模型。豪斯曼的测试通常是用来确定哪些效果应该选中。豪斯曼的零假设测试,随机效应模型是正确的模型(17]。在一定的意义,接受零假设意味着应该选择一个随机效应模型;否则,应该建立固定效应模型。本文的研究内容和实现方法如图所示1。
3.2。建设金融系统性风险压力指数
建设金融系统性风险的压力指数在本文完成两个步骤。首先,根据之前学者的方法构建货币危机压力指数(CPI), BCP指数和BCP指数,介绍了ESP指数。第二,标准化后的四个指标,平等权重的加权平均作为系统性金融危机压力指数(SFCPI)。早期预警模型本文使用常用(EMP)外汇市场压力指数来衡量一个国家是否有货币危机。该指数衡量实际汇率的波动幅度和外汇储备的变动范围。汇率市场压力指数计算如下:
的加权平均实际汇率的变化(R)和外汇储备的变化(r)。权重和每个变量的相对精度。变量与小波动有更大的重量。相对精度是由每个变量的标准偏差的倒数。使用汇率市场压力指数来定义货币危机(CR),也就是说,当外国EMP指数超过平均外汇市场压力指数两个标准差以上(18]。
本文的目的是使用双重选择模型建立一个早期预警模型的金融体系和预测危机的可能性在接下来的六个月。考虑到危机后,金融系统需要一些调整时间。它可以恢复到一个相对稳定的状态。与此同时,危机的滞后期我个月。同时,CR的变量转换为哑变量Y,它被定义为
为了更好地监控金融系统的操作,在这篇文章中,货币危机的定义的基础上,添加四个边界值的数量。力指数临界值范围内不同。金融体系在其相应的警戒级别。有四个关键值,标准差0.75、1.5个标准差,2个标准差,3个标准差。
3.3。模型选择
使用代表是否有金融系统危机的信号。如果有一个危机信号, ;如果它不出现,那么 。假设的价值取决于另一个难以察觉的变量U。有一个特定的功能之间的关系U和预测变量X我们使用, ,假设一个线性形式:
的价值U决定了危机的信号出现了。假设当 ,有一个危机信号,即 ;当 ,不存在危机信号,即 。因此,这场危机信号的概率是
假设有标准物流分布,分布函数的是 。所以危机信号的概率米显示为
本文使用一组独立的变量X来解释危机指数Y;X是 矩阵的观测。上述二元选择模型的Logit模型是用于建立一个危机预警模型。和使用计量经济学软件(触摸屏)进行实证分析。
3.4。索引选择
我们建立了中国的金融风险监测指标体系水平,包括宏观审慎指标。这是反映了宏观经济环境的稳定子系统。市场审慎指标反映市场风险。微观审慎指标反映了金融机构的内部稳定子系统。在实际的早期预警系统,引入大量的风险指标可以提供全面了解各级金融体系的危险因素。然而,引入太多的指标可能会增加建模的难度。此外,统计指标体系还有待改善。许多经济和金融指标不能获得完整或准确的数据。此外,汇率和利率主要是由政府监管。离散选择模型如图所示的面板2。
4所示。基于动态分对数早期预警模型实证研究
4.1。Logit模型的实证分析
在5%显著水平,四个指标格兰杰系统性风险的原因压力指数是股票价格的变化率(SP)指数,工业增加值的增长率(是),国内外的实际存款利率微分(DI),和外国投资者直接投资占GDP的比例(DS)。实证分析的结果静态分对数和动态Logit模型如下。
从模型估计的结果图3,外商直接投资的格兰杰指数在GDP和工业增加值的增长率是最重要的,和前系数是正的,表明增加外国直接投资在国内生产总值(GDP)的比例将增加系统性金融危机的概率;后者的系数为负,表明工业增加值的增长率的增加有利于防止系统性金融危机的爆发。的意义国内外实际存款利差较弱,系数为负,表明当国内实际存款利率低于美国实际存款利率,随着利差的增加,系统性金融危机的可能性更少。
股票指数的变化率是负的静态Logit模型和积极的动态Logit模型,但都不显著。二进制动态滞后项的系数是正的,和零假设被拒绝在5%的显著性水平,表明有必要引入二进制动态滞后项Logit模型。它表明,一旦发生系统性金融危机,它将产生积极影响系统性金融危机的爆发又在一段时间内。
我们进一步分析模型的准确性。根据AIC准则和SC标准,得出动态二进制的一阶滞后项是正确的;根据最大似然估计的价值模型,动态Logit模型比静态Logit模型。我们设置Logit模型作为基准模型。为了比较两种模型的拟合效果更确切地说,静态Logit模型和动态Logit模型,分别predicted-expected分析基于预测截断值等于0.5,并在数据结果4和5得到了。
期望分析的目的主要是反映了恰当的分组观察,当预测概率小于或等于截止值和观测值等于。或者当预测的概率大于截断值和观测值等于1,模型分组是合适的;否则,分组是不合适的。的比例适当数量的样本总数是适当的利率。适当的利率越高,模型越好。摘要截止值选择是0.5。根据静态Logit模型图4预期的分析结果表明,适当的分组分别为97.87%和95.48%(预测结果计算基于期望值);和动态Logit模型如图5。prediction-expectation分析结果,分组合理性率达到了97.93%和96.06%(预测结果计算基于期望值)。基于上述分析,动态Logit模型的拟合效果滞后二进制变量比静态Logit模型。
4.2。动态Logit模型预测效果评价
我们使用四个预警指标从2010年1月至2018年12月,这是股票价格指数的变化,工业增加值的增长率,国内和国外的区别实际存款利率,和月度数据外国直接投资在国内生产总值(GDP)的百分比。
数据被替换成动态Logit模型,和每个指标的估计系数和描述性统计图所示6。
5。金融危机早期预警预测结果
差分自回归移动平均模型通常用ARIMA表示 ,马AR自回归和移动平均线;和自回归条件和移动平均线的数量条款;和原始时间序列的转换。需要一个稳定的时间序列的差异就形成了。针对ARIMA模型的准确性,它已逐渐成为一个常见的短期预测方法近年来在经济预测领域。Mancino和Sanfelici20.)表明,当预测股指期货价格使用ARIMA模型,结果表明,ARIMA模型的短期预测效果良好,可以有效地反映期货价格的波动趋势;饶和Padhi21)使用SAS软件来分析基于“增大化现实”技术的工业MA模型的具体算法,建立了一个乘法AR工业MA模型来预测和分析的基本趋势CP工人;方等。22马]还使用了基于“增大化现实”技术的工业模型进行短期预测在不同的经济指标,均显示良好的预测。
基于ARIMA模型预测,本文获得的月度数据,外国直接投资在国内生产总值(GDP)的比例,国内外实际存款利率差异,并在2020年工业增加值的增长率,分别如图7- - - - - -9。
从国内经济运行的角度来看,2013年,中国继续实施积极的财政政策和稳健的货币政策,把稳定增长放在更重要的位置。经济政策模式逐渐从出口导向型经济转向自主经济,扩大内需。一系列措施中获益的人,例如增加低收入群体的保护和鼓励和推动民间投资的发展。此外,国际局势的改善有效的缓解供需之间的矛盾在国内经济放缓的过程中,和整体通胀压力相对较小。全球经济形势的改善提供了一个稳定的外部环境对中国的经济发展。国内的实施积极的财政政策和稳健的货币政策加强了中国金融体系的稳定,以及抵御外部冲击的能力也相应提高。
6。结论
本文采用Logit模型来建立中国的危机预警系统,吸引了以下结论:Logit模型有利于分析危机事件之间的关系,一个特定的变量,和各种影响因素。我们用各种方法来验证实验结果,如格兰杰因果关系回归、主成分分析、KLR信号分析和一元回归。国际收支指标,宏观经济指标和microfinancial机构指标使用。它有一定的对危机预警效果。本文研究的实际效果Logit模型的过程中,危机预警,利用ARIMA模型进行短期预测各种危机预警指标。Logit模型的样本外预测是实现。这提高了危机预警模型的实际作用在金融危机预警过程。本文的研究对系统性金融危机预警主要从实证分析的角度。基于货币危机压力指数、BCP指数,资产泡沫危机压力指数和ESP指数SFCPI合成。经济的四个方面,金融体系,资产价格,和外国冲击构建一个系统性金融危机预警指标体系,利用格兰杰因果分析筛选早期预警指标,构建一个动态Logit模型滞后二进制变量,并比较其与静态分对数。 The model uses the ARIMA model for short-term forecasting of economic indicators in the empirical simulation of systemic financial crisis early warning and uses the dynamic Logit model to simulate the performance of the early warning of systemic financial crisis in 2020. In the current situation of close global economic ties, the research results of this paper provide a certain reference for China to build a systemic financial crisis early warning system and effectively prevent systemic financial crises and have very important practical significance.
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。