对金融风险指数FRI的构建及经济预测的检验研究

胡章明

摘 要：文章基于FCI指数的基础，构建金融风险指数FRI，通过它来判断短期利率、股票价格等的合理性。在分析过程中，加入货币因素、社会融资规模、人民币汇率等指标，估计各指标的权重。通过预测检验，表明通货膨胀与金融风险有很大的关联，是中国宏观经济与金融领域政策调整的重要参考依据。希望本文的研究能够为读者提供有益参考。

关键词：金融风险 FRI指数 风险监测

前 言

随着中国经济体制的改革，使得金融体制、系统也随之变化，在这过程面临非常大的机遇和挑战。在风险方面，由于体制改革，使得银行流动性下降，地方债务违约风险加剧，同时没有规范好民间融资行为，存在一系列的金融风险。鉴于以上问题的严重性，对于金融系统风险监测提出了更高的要求。

一、构建金融风险指数FRI的必要性

随着中国与国际的交往程度不断加深，在享受经济全球化、创新等红利的同时，也承担起巨大的金融风险。2008年美国爆发的次贷危机，如今全球经济还没有完全恢复到危机发生前的水平。如何防范金融风险，成为了防范金融危机的关键，通过构建FRI指数，能够完善我国现有金融系统风险监测体系。

通过捕捉金融系统风险累积程度，以及经济敏感性指标，基于这两者的基础构建风险指数FRI，补充和完善相关研究成果。金融风险指数FRI，最早由Goodhart和Hofman在2001提出，其数据模型借鉴了FCI模型的构建方法，并对分析细节进行改造和创新，通过对M2、房地产价格、银行利差水平等指标进行分析，可以得到人民币REEP的加权组合。通过FRI指数，可以明确金融风险的长期均衡值偏离度，全面地评估和反映金融风险[1]。

计算FRI权重，通常有三种：1、运用IS曲线构建总需求模型；2、基于大型宏观经济数据，构建联立模型；3、运行VAR模型对脉冲响应函数进行分析和计算。

二、样本数据选取以及FRI权重估计

（一）样本數据选取

选取了2004年1月至2017年8月的月度数据，共采集了1064个样本点。货币供给量指标，主要以M2数据作为参考；替代变量为人民币各项贷款总额；房地产价格指标，则是根据中国房产行业的景气指数、综合经济指数决定；银行利差水平，以银行基准贷款利率、银行间七天同业拆解利差决定；股票价格指标，以上证综指作为参考；人民币REEP采用间接标价法，通货膨胀率选取CPI月度环比数据。

需要特别注意的是，银行利差水平选取指标，若是直接采用银行间七天拆解利率水平，这一指标忽略了我国利率非市场化的特征，有一定的利率管制，利率不存在长期化的趋势。采用均值代替长期化区是指，对于金融风险预测而言，这一指标的效果没有太大意义，仅作为参考变量。基于此银行利差水平，替代短期利率的指标。

对于股票价格指标确定，以股票价格指数，以及指标的长期均衡值计算缺口值，忽略其中的异方差、数据波动性。直接采用上证综指的股票价格，作为FRI指数的代理变量。变量指标之间的长期均衡值计算，基于月度数据以平滑因子为14400的HP滤波求得相应数值，将各选取指标与均衡值表示缺口值gap。计算软件采用Evies8.0、Excel2010，数据来源国泰安数据库、《中国统计年鉴》等。

（二）基于VAR模型的脉冲响应分析以及FRI权重估计

1.平稳性检验

VAR模型的平稳性，取决于各变量的平稳，因此采用ADF检验进行根检验，确保各缺口值符合平稳的特征。ADF检验采用麦金农临界值。对M2gap1、Fsgap2、Hpgap3、Blgap4、Shgap5、Reergap6进行检验，临界水平分别在5%、5%、1%、1%、1%、10%之间，检测结果总体呈现平稳的特征[2]。

对于之后阶数k的选择，常规AIC、SC评价指标之外，还添加LR、FRE、HQ的评价指标，综合五项因素最终确定最优之后阶数k，计算过程采用Eviews8.0软件。根据检验结果，SC、HQ评价指标认为构建VAR（1）模型，而其余评价指标认为应构建VAR（4）模型。综合考虑，VAR模型最优滞后阶数k=4。为了确认VAR模型特征根倒数是否<1，运用Eviews8.0输出AR根图，通过它可以发现所有特征根倒数在单位元以内，由此可以判断VAR模型特征为平稳，符合接下来的脉冲响应分析条件。

由于VAR模型系数难以解释通货膨胀缺口，因此在响应函数中施加一个新息冲击，由此可以知道内生变化在当期和未来的影响，以响函数推断VAR模型的经济内涵。为了确认FRI能够监测经济运行风险，以CPI对FRI指数各变量脉冲响应进行考察。

2.脉冲响应冲击

根据考察，得出以下几个结果：（1）CPI对M2缺口单位Cholesky冲击第1期冲击值为0，第2期为0.027829，直到第7期冲击值达到最高水平0.261457，平均冲击值为0.186001。通过以上数据，大致可以推断CPI冲击在初期容易出现负响应、零响应，通过冲击效应可以解释现实情况。（2）社会融资规模缺口单位Cholesky对通货膨胀率冲击，呈现明显上升趋势，冲击值在第8期达到最高水平0.357095，平均冲击值为0.244822。社会融资规模缺口代理变量冲击CPI，导致通货膨胀率上升。（3）CPI对房产销售价格同样有较大的冲击，在第8期达到最高冲击水平，其最高、平均冲击值分别为0.477500、0.324530。表明房产销售价格受到CPI通货膨胀率的影响较大，并且呈现持续上升的趋势。通过这次考察，可以知道房产价格增长已超出经济增长预期，对于未来的走势学界的认定也产生了较大的分歧。因此，需要对我国房产景气指数的多方面影响因素进行分析，如房产开发投资、施工面积以及土地开发面积等[3]。

（4）银行利差水平缺口冲击，缺口单位Cholesky正向冲击为负，冲击值呈现较大的波动幅度，表现为先下降到最低冲击值-0.084174，然后急速提升冲击值接近与零并保持很长时间的稳定，银行利差水平平均冲击值为-0.057266。需要注意的是，这一指标并非单纯的短期利率指标，因此得出结果有一定的差异。尽管如此，这种评价指标更能真实反映当前的金融风险现状。由于我国没有采取利率市场化，因此从冲击效应来看，这一指标的缺口值和利率表现不够显著，对于风险不够敏感，这也是我国金融市场当前亟需改革的部分，推动利率市场化很有必要。（5）股票价格缺口方面，CPI通胀率对其单位Cholesky的冲击效应，表现在第2期的冲击值-0.007851，自第2期开始冲击值呈现上升的趋势，最后一期的冲击值达到最高水平0.443272，股票价格缺口平均冲击值为0.268159。相较其他指标，股票价格对于金融风险的敏感程度更高，以其冲击值判断风险，最符合预期和判断。（6）人民币有效汇率缺口，CPI通胀率对于人民币汇率的冲击效果也很显著，呈现的冲击值始终为负，有较大的数值波动。在第7期冲击值最低为-0.376483，然后冲击值持续上升但始终地域水平轴下方，平均冲击值为-0.268249。之所以出现这种变化，与外贸、投资引起的汇率变化有很大的关系，在诸多不确定因素影响下造成通胀率变化[4]。

3.FRI权重估计

通过以上脉冲响应函数分析，可以明确FRI指数在各变量缺口值的权重关系，可以使用以下公式来表现：

以上公式，以wi表示各个变量缺口值的权重系数，以ui表示CPI缺口值i的单位冲击效应下表现的平均冲击值。通过对ui脉冲响应分析，可以进行简单的加权运算，用以定义金融风险指数FRI：

FRIt=0.1583m2gap1t+0.1376fsgap2t+0.2815hpgap3t-0.0356b1gap4t+0.1987shgap5t-0.1852reergap6t

通过以上风险指数FRI加权计算，可以知道风险预测效果，由此假定金融风险指示器功能，对FRI和CPI通胀率相关性进行验证。

三、FRI预测效果检验

（一）相关性与跨期相关性分析

对FRI指数中的样本数据进行验证，确保其通胀预期能够保持在小范围的预算误差，充分发挥金融风险的指示器功能，首先对FRI、CPI缺口值的相关性与跨期相关性进行检验，由此可以指导数据的相关和跨期相关系数，由此可以证明两者之间强烈的相关性。

例如，FRI缺口与CPI相关系数为0.778、最优跨期相关系数为0.4967，根据最优跨期相关系数在第9期达到0.5751。这一预测结果与国内学者的研究結果有些差异，但与国外Goodhart和Hofmann对FCI、CPI指标的动态性检验结果有较高的接近性，达到0.59，与本次计算结果他们的指标在滞后3期内达到最优跨期相关系数。通过这一结果，帮助我们构建利用FRI预测CPI通货膨胀率的预警和检测方面，可以实现至少提前9个月发出通胀率提高的危机信号[5]。

（二）线形图分析

将FRI、CPI指标缺口值制成线形图，可以清晰看到FRI的缺口值从2008年2月的-238.53开始大幅下跌，直到同年11月跌至-8518.65，同时根据数据分析这段时期（2月～11月）是CPI通胀率缺口值大幅度攀升的时间，在2月达到最高点4.8989，到了同年11月开始大幅下跌转为负值。通过两个时间点的设置，可以知道FRI、CPI指标呈现大幅度下跌的趋势，且相差的时间为9个月，与上文的跨期相关系数估计滞后期9个月基本吻合。

（三）格兰杰因果检验以及VAR模型脉冲响应分析

为了进一步验证预测揭露，再对FRI、CPI指标进行格兰杰因果检验，利用缺口值进行检验。以“FRI不是CPIGAP的格兰杰原因”进行假设，F统计量为8.86643、5.34069，概率为0.0002、0.0016；以“CPIGAP不是FRID的格兰杰原因”，F统计量为5.58763、4.08732，概率为0.0046、0.0081。通过以上数据可以得知，采取滞后2～3期的假设，前者概率仅为0.02%和0.016%，由此可以判断FRI是CPI通胀率的格兰杰原因，这与之前的预测判断相符。为了确保验证效果，再综合其他学者构建的FCI指数，其预测结果的说服力、解释力更强。

VAR脉冲响应分析，基于CPI、FRI双变量VAR模型，利用Cholesky分析CPI、FRI信息形成的正向冲击结果。根据分析结果 ，可以知道，冲击响应值始终保持正向波动，以稳定的递减趋势，波动范围在0.511374～0.127362之间。在分析FRI指标对CPI单位信息的冲击，其响应也更为明显，呈现着依次递减的趋势，变化范围为负相应，波动范围在1259.478～-146.1250之间波动。通过以上分析和验证，表面金融风险FRI指数，对于CPI通货膨胀率的预测具有明显的效果。

结 论

综合上述，基于FCI指数基础构建金融风险FRI指数，通过合理调整指标参数，以VAR模型响应函数分析各指标权重。以CPI通胀率作为金融风险的评判依据，进行响应脉冲分析。在验证方面，采用相关和跨期相关系数的相关性、线形图、格兰杰因果以及VAR模型响应脉冲分析验证，综合各项计量结果和其他学者的预测数据比对，检验结果表明FRI指数适用于预测经济运行风险。

参考文献

[1] 鹿刚.汇率波动、跨境资本流动对金融风险的动态冲击影响——基于SVAR模型的实证研究[J].华北金融，2017（07）：11-19.

[2] 武鹏，胡海峰.中国金融风险指数FRI的构建及经济预测的检验[J].统计与决策，2016（02）：120-123.

[3] 阮湛洋.我国系统性金融风险指数的构建与测算——基于CISS综合指数方法[J].浙江金融，2017（05）：16-22.

[4] 陈悦.浅析基于金融压力指数的系统性金融风险测度[J].经贸实践，2016（13）：79.

[5] 饶勋乾.金融风险预警与货币稳定的关系研究——基于FCI指数[J].云南财经大学学报，2014，30（04）：96-103.