廖萱

摘 要：在对现有相关文献的学习整理基础上，从区域金融风险的基本理论入手，首先对区域金融风险的内涵界定，遴选评价指标，构建出区域风险评级模型，将金融风险程度量化为等级区间。其次以我国区域性的经济金融中心六大城市为研究对象，以2000—2011年时间内金融风險状况进行实证研究，比较分析了不同区域金融风险差异性。

关键词：区域金融风险；层次分析法；综合指数

中图分类号：F832 文献标志码：A 文章编号：1673-291X（2017）30-0081-02

引言

自金融从实体经济中产生以来，不论经历怎样的发展和改革，金融风险可谓如影随形。历史经验告诉我们，一旦金融风险被放大，甚至是失控，从而爆发的金融危机都将在不同程度上对各国各行业的经济体造成沉重的打击。尤其是在金融全球化发展的趋势下，区域性金融风险已经会导致全球金融危机的爆发。因而，在了解区域金融风险的产生、存在程度等各方面问题后，才能更好的防范金融风险的发生，对各国金融发展都有重要意义。

一、文献回顾与研究内容

（一）区域金融风险

一般认为，金融风险可以分为三种类型，分别是个体性金融风险、区域性金融风险和系统性金融风险。区域性金融风险主要是指在特定区域由内部个别或部分机构的金融活动风波导致金融风险在区域内扩散，或者是与之有密切经济联系的其他区域金融风险向本区域传播，从而诱发金融危机导致金融震荡的金融风险。具有区域差异性、成因更复杂、可控性更强等特征。

（二）金融风险预警研究的文献综述

金融风险预警是防范金融危机最为有效的手段。刘传哲、张丽哲（1999）首先利用因子分析法（FA）遴选出11个指标构建指标体系，然后利用层次分析法和主成分分析法确定各指标的权重求出综合指数。陈守东、杨莹、马辉（2006）通过因子分析法和Logit模型对分别建立宏观经济和金融市场风险预警模型。谭中明（2010）首先建立区域金融风险预警系统，然后运用层次分析法熵值法求出各评价指标的权重，和指标评价区间。最后利用2007年我国和江苏省的数据得出综合指数和单个指标的预警值，进行分析。楼文高、乔龙（2011）首先选取金融风险评价指标体系，并确定单指标评价区间值。其次建立金融风险预警的NN模型和BPNN模型，然后运用我国1994—2010年指标数据值实证判定该时间段内我国金融风险水平。

二、研究方法

（一）研究对象

选取八大经济区域中六大代表性城市的2000—2011年的样本数据，六个城市分别是北京、天津、上海、江苏、福建和广东，这些城市的数据代表了北部沿海、东部沿海和南部沿海三个区域的金融风险状况。

（二）模型构建

1.区域金融风险评级指标设计

根据指标体系构建的全面性、灵敏性和实用性原则和本文的研究内容，本文分别从能反映区域金融风险的三个大方向选取指标，选取了三大类区域经济环境风险（地区GDP增长率x1、城镇失业率x2、地方财政收入/GDP x3）、区域金融机构经营风险（不良贷款率x4、保费增长率x5、贷款增长率x6、贷款存款比例x7）和区域特殊金融活动风险（房地产投资增长率 x8、固定资产投资增长率x9、房价增长率/GDP增长率 x10），共10个指标。为了对区域金融风险进行评级，首先引入等级区间概念。借鉴景气综合指数的亮灯评定方法，将等级区间由分数从低到高，分别分为“蓝灯区”[0，20）、“淡蓝灯区”[20，25）、“绿灯区”[25，35）、“黄灯区”[35，40）、“红灯区”[40，50]，分别表示经济冷缩、经济开始回温、风险受控经济稳定、经济偏热和风险失控经济过热。

2.区域金融风险评级方法

本文采用的是区间等级综合评价方法，所以选用映射法，根据原始指标的临界值，对应等级区间的上下限转化为区间内分数值，从而对原始数据进行了标准化处理。将指标的原始数值标准化后，消除了量纲的影响，再通过层次分析法确定各指标权重，就可以求出各指标的综合指数。表示指标的映射分数值，表示指标体系中各指标的权重，表示由两者确定的区域金融风险综合指数。

三、实证研究与分析

（一）区域金融风险评级

本文首先收集了2000—2011年六大城市的上述评价指标体系各指标数据，根据前文确定的风险评级方法，在对原始数据标准化处理后，通过层次分析法求出指标权重，得出综合指数，将结果汇总得到区域金融风险综合评级数值。

（二）不同区域金融风险评级状态分析

从实证分析得出，北京市和广东省金融风险综合评级分数分别为23.22、24.79，属于浅蓝灯区，天津、上海、江苏、福建的金融风险综合评级分数分别是28.72、25.76、26.57和27.58，属于绿灯区。由此可以看出，在2000—2011年时间中，六大城市的区域金融风险状态整体处于绿灯区，即金融风险处于控制中的稳定状态。但是值得注意的是，天津市的风险状态处于绿灯区间的40%左右位置，可能突破绿灯区进入风险不稳定黄灯区。从各区域金融风险评价的三大类别来看，六大区域经济的经营机构和特殊金融活动风险差别不大，只有该区域经济环境状况有较大差别，尤其是天津市的经济环境风险分数值明显高于其他区域，占综合指数的38%左右，这说明天津市作为直辖市，有良好的经济发展环境和政策支持，但同时更要落实好国家宏观调控政策，加强金融发展整体环境的风险控制能力，保持经济发展的良好势头。

结论

本文通过选取中国八大经济区域中三个区域的六个代表性地区作为实证样本，应用评级模型得出各区域金融风险状况，得出结论是在2000—2011年时间中，六大城市的区域金融风险状态整体处于绿灯区，即金融风险处于控制中的稳定状态。从区域金融风险评级指标选取的三大类别来看，区域经济环境风险的数值在这六个城市中有较大的差别，所以基于区域金融风险状态不同方面的状况和评价指标体系中不同影响因素的得分，各地区可以有侧重的注意本地区金融发展中的风险状况，采取不同的政策引导和发展重点。比如发展较为成熟的地区如北京、上海和广州等应该加快转变地区经济发展方式，夯实金融体系稳健运行基础。积极推动金融机构改革创新，增强金融机构核心竞争力。加大开发国内各类金融机构有特色的金融产品和金融服务，完善业务盈利模式，提高持续盈利能力。endprint

参考文献：

[1] 刘传哲，张丽哲.金融危机预警系统及研究[J].系统工程，1999，（9）：33-37.

[2] 陈守东，杨莹，马辉.中国金融风险预警研究[J].数量经济技术经济研究，2006，（7）.

[3] 谭中明.区域金融风险预警系统的设计和综合度量[J].软科学，2010，（3）：69-74.

[4] 楼文高，乔龙.基于神经网络的金融风险预警模型及其实证研究[J].金融论坛，2011，（11）.

[5] Kaminsky， G.I.，S. Lizondo and C. M. Reinhart， Leading Indicators of Currency Crises[N]， IMF Staff Paper， 1998，45（1）.

[6] NAG A，MITRA A.Neural networks and early warning indicators of currency crisis[R].Reserve Bank of India Occasional Papers， 20（2），1999.

[7] 胡燕京，高會丽，徐建锋.金融风险预警——基于BP人工神经网络的一种分析[N].青岛大学学报，2002，（12）：28-34.

[8] 陈秋玲，薛玉春，肖璐.金融风险预警：评价指标、预警机制与实证研究[N].上海大学学报：社会科学版，2009，（16）.

[9] Frankel， J. A. and A. K. Rose， Currency Crashes in Emerging Markets： An Empirical Treatment[J].Journal of International Economics， 1996，（41）：35-66.

[10] Sachs J.，A. Tornell and A. Velasco， Financial Crises in Emerging Markets：The Lessons from 1995[N].Brookings Papers on Economic Activity， 1996，（1）：147-215.

[11] 张雄.金融危机理论演进与发展研究[J].商业研究，2007，（5）.

[12] 商瑾.金融风险及防范对策研究——基于财政联结角度[D].财政部财政科学研究所，2012，（6）.

[13] 欧江波，周兆钿.基于AHP的中心城市经济预警指标体系研究[J].经济师，2012，（6）.

[14] 郭金玉，张忠彬，孙庆云.层次分析法的研究与应用[J].中国安全科学学报，2008，（5）.

[15] 孙文，王冀宁.基于AHP的中小企业信用评级指标体系构建[J].财会通讯，2012，（3）.

[16] 苏波.商业银行区域风险评级与信贷管理研究[J].金融监管研究，2013，（12）.

[17] 张延群.全球向量自回归模型的理论、方法及其应用[J].数量经济技术经济研究，2012，（4）.

[18] 柳欣，王晨.内生经济增长与财政、货币政策——基于VAR模型的实证研究[J].南开经济研究，2008，（6）.

[19] 刘子斐，史敬.VAR模型比较技术及其评价[J].金融研究，2008，（5）.

[责任编辑 陈丹丹]endprint