基于大数据方法的中国系统性金融风险预警研究

苗子清 张卓群

一、引言

防范化解系统性金融风险，关系到我国金融安全甚至是经济安全，是金融工作的重中之重，核心关键是对风险进行有效监测和预警。然而，当前不同金融市场联动不断增强，金融机构业务交叉日趋密切，金融产品创新层出不穷，金融体系复杂性愈加凸显。面对种类更加繁杂、体量更加巨大且彼此关联的宏微观金融数据，仅使用传统统计和计量方法对系统性金融风险进行准确监测和及时预警面临越来越大的挑战。随着计算机并行运算能力和数据科学的发展，大数据前沿技术逐渐渗透到各个领域，对现代金融业也带来革命性的变革。同时，因大数据分析具备及时性、精准性、高颗粒度、大样本量等一系列优势（张涛和刘宽斌，2018）[1]，使其能够很好地胜任金融领域的数据分析和信息处理，进一步丰富了监测预警系统性金融风险的手段和工具。

本文详细归纳了系统性金融风险的形成原因，并以此为基础建立了系统性金融风险指标体系，通过随机森林、神经网络和支持向量机等大数据方法构建模型对中国系统性金融风险进行预警，利用混淆矩阵、ROC 曲线及动态预警分析，比较了不同模型的预警效果，并识别出了中国系统性金融风险的先导指标。

二、文献综述

（一）系统性金融风险的形成原因

2008 年国际金融危机爆发后，系统性金融风险得到前所未有的重视和讨论，国内外学者进行了大量的研究。就系统性金融风险的形成原因来说，主要包括内部因素和外部因素两方面。

内部因素方面，金融体系具有内在的不稳定性，这主要由金融脆弱性、市场主体非理性、金融资产关联性、金融市场存在道德风险等因素导致。一是金融脆弱性。在早期研究中，费雪、马克思、凯恩斯各自从债务的清偿、银行信用制度和货币的职能特征等不同角度对金融脆弱性进行过深入阐释。在现代研究中，Minsky（1992）的“金融不稳定假说”[2]、Stiglitz and Weiss（1981）的信贷市场信息不对称模型[3]、Kregel（1997）的“安全边界说”[4]、Diamond and Dybvig（2000）的“银行挤兑理论”[5]打下了金融脆弱性理论的基础。二是金融创新不当、监管缺失以及过度使用金融高杠杆。尚福林（2014）指出，过度的金融创新及其风险管理滞后是酿成金融危机的重要原因[6]。张明（2009）指出，2008年国际金融危机便是由美国金融监管缺失导致[7]。张晓朴（2010）认为，金融机构过度使用高杠杆带来了金融体系的脆弱性[8]。三是金融机构之间业务和资产负债的相互关联以及风险同质化。马君潞等（2007）认为，金融机构相互间直接业务或资金往来以及资产负债的相互关联易引发系统性金融风险[9]。四是市场主体的非理性。凯恩斯曾提出“动物精神”（主要指人们“想要采取行动的冲动”）是导致经济波动和危机的根本原因。阿克洛夫和希勒（2009）发现动物精神的各个方面会推动经济朝着不同方向运行，在政府不进行干预的情况下，经济会发生巨大摆动，金融体系也会陷入混乱[10]。五是金融体系内部广泛存在道德风险，市场缺乏自律。Krugman（1999）认为道德风险和过度投资相互交织，导致了金融系统性风险的产生[11]。De Larosière Group（2009）认为金融机构的短期冒险行为和不负责任是美国次贷危机的重要推手[12]。

外部因素方面，宏观经济周期和政策调控失误是导致系统性金融风险的两个主要原因。宏观经济周期的影响体现在：首先，经济进入衰退时期企业易发生财务状况恶化，金融机构资产质量随之下降，投资者对金融体系信心不足，则会出现资产恐慌性抛售引发系统性金融风险（张晓朴，2010）[8]。其次，由于金融系统存在顺周期性（体现在资本充足率监管、贷款损失准备等方面），强化了经济周期波动，助推了金融危机发展（谢平和邹传伟，2010）[13]。同时，宏观政策调控失误也被认为是导致系统性风险的重要原因。IMF（2009）相关报告指出，2008年金融危机的爆发便是由美国长期的低利率政策导致[14]。

结合中国实际，中国发生系统性金融风险的可能成因除了以上所述的内、外部因素外，影子银行和房地产领域也是重要因素。王兆星（2020）指出，影子银行和房地产市场的金融化、泡沫化是引发系统性金融风险和严重金融危机最重要的原因[15]。

（二）系统性金融风险的监测与预警方法

在早期研究中，Frankel and Rose（1995）的FR 概率模型[16]、Sachs et al.（1996）的STV 模型[17]以及Kaminsky et al.（1998）的KLR 信号分析法[18]是比较有影响的研究成果。

2008 年全球金融危机爆发前后，系统性金融风险的监测与预警方法主要有：一是综合指数法。主要是指基于宏观经济和金融市场指标，利用各种统计学加总方法，构建可用于实时监测金融体系风险状况的综合指数。例如，加拿大金融压力指数（FSI）（Illing and Liu，2006）[19]、圣路易斯金融压力指数（STLFSI）（Kliesen and Smith，2010）[20]等。二是逻辑回归法。Kumar et al.（2002）提出用Simple Logit 模型对货币危机进行预警[21]。三是研究风险传递和金融部门系统性联系的方法。IMF(2009)提出网络分析法等定量分析方法[14]。四是测算金融机构系统违约概率的方法。如边际期望损失法、在险价值法等。五是全球范围内广泛采用的金融风险压力测试法。例如，欧美央行普遍采用的压力测试框架。

我国学者参考国外的研究方法，结合中国实际，建立了我国的系统性金融风险监测预警模型。唐旭和张伟(2002)比较了FR 等国外预警模型的优劣，构建了中国金融危机的预警系统[22]。陈守东等（2006）通过因子分析探究了影响我国金融风险的主要因素，并建立逻辑回归模型对金融市场风险进行了预警[23]。李梦雨（2012）借助BP 神经网络建立了中国金融风险预警系统[24]。许涤龙和陈双莲（2015）采用CRITIC 法构建金融压力指数来测度系统性金融风险[25]。陶玲和朱迎（2016）从金融机构、股票市场等七个维度构造出监测系统性金融风险的综合指数，并建立马尔科夫区制转移模型，识别和判断风险指标的状态和拐点[26]。淳伟德和肖杨（2018）从股票、债券、保险等金融子市场中选取特征指标构成金融压力指数，运用4种核函数的SVM 模型构建了中国的系统性金融风险预警模型[27]。清华大学国家金融研究院金融与发展研究中心课题组（2019）选取金融子市场基础指标，采用动态赋权法，构建了中国系统性压力指数（CISS），识别和监测系统性金融风险[28]。

表1 衡量中国系统性金融风险指标体系

总体来看，目前在各种系统性金融风险的预警方法中，传统统计方法和建立计量经济学模型是较为常见的做法，采用大数据方法对中国系统性金融风险进行分析和预警仍然较少。与现有文献相比，本文贡献在于将大数据技术运用于系统性金融风险预警，提供了系统性金融风险研究的新思路和新方法，初步探索了大数据方法在中国系统性金融风险研究的应用和实践。

三、指标分析和模型构建

（一）指标分析

本文结合中国系统性金融风险的可能成因，在借鉴国内外研究成果的基础上，从金融机构、债券市场、股票市场、外汇市场、货币市场、宏观经济、影子银行、房地产市场、政策干预等九个维度，构建衡量中国系统性金融风险的指标体系。详细指标及其经济含义如表1。

本文数据来自中国国家统计局官网、CEIC DATA数据库等渠道，数据样本区间为2007年1月至2020 年8 月，均采用月度数据，主要反映2008年国际金融危机爆发至今的情况。

（二）大数据方法选择

1.随机森林。随机森林（Random Forest）是目前应用较为广泛的大数据机器学习方法之一，擅长于处理各种类型的预测问题。随机森林实际上是决策树的集成，通常采用bagging 方法进行训练。其中，决策树是利用树型结构进行决策的一种算法，由一个根节点、若干个叶节点和内部节点组成，一个叶节点代表一个决策结果，而其他每个节点则代表一个属性测试。随机森林是由多个决策树组成，通过对每个决策树的决策结果进行投票来确定最佳的决策结果。随机森林算法的基本思想：利用bootstrap法有放回的抽样从原始训练集抽取k个样本，每个样本的样本容量都与原始训练集一样；对k 个样本分别建立k 个决策树模型，得到k种分类结果；根据k种分类结果对每个记录进行投票决定其最终分类。其示意图见图1。

图1 随机森林分类示意图

2.神经网络。神经网络即人工神经网络（Arti⁃ficial Neural Networks），是模拟生物神经网络行为特征实现对信息深度分析处理的一种算法模型。该模型使用非线性函数逼近工具来测试解释变量和被解释变量之间的关系。该方法考虑一组人工神经元，并使用一定的连接方法处理与之相关的信息，其中网络单元通过信息流连接起来。在学习阶段，模型的结构会根据在网络中流动的外部或内部信息而变化。一般来说，人工神经网络一般由三个不同的层组成，即输入层、中间层和输出层。如图2所示，输入层由输入的外部信息和数据组成，输入的数据乘以连接权重则形成由隐藏单元组成的中间层，在中间层通过激活函数形成线性组合并将其转换为0到1之间的值，这些值乘以权重则可以得到输出层。神经网络模型算法繁多，包括多层感知机（multi-layer perceptron,mlp）、误差逆传播模型、ART 模型、玻尔兹曼机等神经网络，本文运用多层感知机神经网络构建预警模型。

图2 神经网络结构图

3.支持向量机。支持向量机（Support Vector Machine,SVM）是一种强大、灵活的有监督学习算法，其原理是寻找一个最优超平面，对数据进行二元分类。支持向量机的基本模型如下：

支持向量机就要是找到满足以上条件能够准确划分训练样本的“最大间隔”超平面，其原理示意图见图3。

图3 支持向量机分类原理示意图

本文将主要运用随机森林、神经网络、支持向量机等大数据方法，构建中国系统性金融风险预警模型。同时为比较大数据方法与已有风险预警传统统计计量方法在估计结果和预警效率上的差异，本文建立逻辑回归模型进行建模和效果比对。

（三）模型评估

评价模型好坏，需要进行性能度量，即设计评价标准对模型泛化能力进行衡量。在大数据分类任务中，常用的性能度量方法包括混淆矩阵和ROC曲线。

其中，混淆矩阵主要根据真实值与预测值是否相同对预测样本进行分类，是较为全面反映模型评估结果的一种表示方法。混淆矩阵的一行用来表示样本的真实类别，一列用来表示样本的模型预测类别。当样本预测类别与样本真实类别相同时，说明模型预测样本分类正确，当样本预测类别与样本真实类别不同时，说明模型预测样本分类错误。

四、中国系统性金融风险预警

（一）数据处理

1.单位根检验。本文首先选取2007 年1 月至2017 年12 月的中国系统性金融风险指标月度数据，构造衡量系统性金融风险水平的风险预警变量。为避免出现伪回归问题，将指标体系中30 个指标变量进行ADF 平稳性检验（结果见表3）。将不平稳的11 个指标变量去掉，所以解释变量为剩下平稳的19个指标。

2.主成分分析。在平稳性检验之后，运用主成分分析法对19 个指标数据进行降维、去噪处理。在主成分分析前，先对与系统性金融风险呈反向变化的指标进行正向化处理（取倒数）。对于两个双向指标“金融机构资产利润率”“金融机构资本利润率”，分别取两个指标的平均值作为基准值，与基准值偏离度越大风险指数越高。按照特征根大于1的原则，分析得到6个主要成分的累计贡献率为74.93%，说明基本能够荷载原始指标的大部分信息，因此也认为是系统性金融风险的主要来源。

然后，将每个主要成分的数值和对应的方差贡献率进行运算，可以得到用来衡量金融体系整体风险水平的变量Ft：

表2 混淆矩阵示例

表3 各变量的ADF平稳性检验结果

根据Ft的取值将每月的金融风险划分为不同的状态。

3.期望输出值的确定。本文对系统性风险水平状态进行划分，由于人为设定阈值的方法较为主观，缺乏科学合理性，因此采用从时间序列变量本身取值中找出合适变量阈值的SETAR（自激励门限自回归）方法，得出划分系统性金融风险状态的虚拟变量。第一步，将Ft序列按照数值大小进行升序排列，去掉排在前15%和后15%的序列数据，以消除极端值带来的影响，剩余的93 个值均可以作为可能的阈值；第二步，将每个原始序列与每个可能的阈值分别进行数值对比，若序列数值大于阈值，则表示“风险”状态，预警虚拟变量值设定为1，否则表示“正常”状态，预警虚拟变量值设定为为0；第三步，用每一列虚拟变量建立最小二乘回归模型，模型形式为：

表4 主成分分析结果

表5 四类模型静态预警准确率和召回率结果

选取AIC 和SC 值最小时所对应的虚拟变量序列作为预警虚拟变量。通过Eviews 9计量软件计算出AIC和SC值最小分别为-0.4160和-0.3283，此时所对应的虚拟变量序列即是预警模型的期望输出值。

（二）预警效果评价

本文将2007 年1 月至2016 年12 月中国系统性金融风险指标体系中的30 个指标变量作为预警模型的输入，把由主成分分析和SETAR 方法得到的风险预警虚拟变量序列作为模型期望输出，在支持Python 语言的Jupyter Notebook 中分别构建逻辑回归、随机森林、神经网络、支持向量机四类系统性金融风险预警模型。表5显示了四类模型静态预警在查准率和查全率两个预测评价指标上的具体表现。传统逻辑回归模型的预警效果不论在训练集还是在测试集上均不如随机森林、神经网络和支持向量机模型的预警效果，其在训练集上的查准率和查全率分别为0.80和0.78，其在测试集上的查准率和查全率只有0.72和0.73。神经网络模型的预警效果在查准率和查全率两个评价指标上的表现是四类模型当中最好的，在训练集上查准率和查全率达到1.00，在测试集上查准率和查全率均为0.90。随机森林模型的预警效果在查准率和查全率两个评价指标上也有较好表现，在训练集上查准率和查全率达到1.00，在测试集上查准率和查全率分别为0.88和0.87。支持向量机模型的预警效果比随机森林模型和神经网络模型稍差，在训练集上查准率和查全率虽然也达到1.00，但在测试集上查准率和查全率均为0.87。

图4 随机森林、神经网络、支持向量机、逻辑回归预警模型ROC曲线

从ROC 曲线和AUC 值（见图4）上看，随机森林、神经网络、支持向量机等模型的预警效果均优于传统逻辑回归模型。逻辑回归模型相较于随机森林、神经网络和支持向量机模型，其ROC曲线更远离坐标系左上角，说明模型预测在召回率高的情况下，其假正率也较高，其AUC 值为0.910。神经网络和支持向量机模型要优于随机森林模型，两个模型的ROC 曲线较随机森林模型更靠近坐标系左上角，AUC 值分别为0.968 和0.968。随机森林模型的ROC 曲线较逻辑回归模型更靠近坐标系左上角，AUC值为0.944。

（三）指标重要性分析

随机森林模型可根据每个指标变量对预警模型的贡献给出变量的重要性排序（参见图5），从而识别出中国系统性金融风险的先导指标。本文结合每个指标经济含义及其重要性顺序情况做进一步分析。从图5可以看到，重要性排名前十的指标变量依次为商品房销售单价同比增长率、政府债务/财政收入、房地产投资同比增长率、不良贷款率、金融机构资产利润率、5年国债与3 个月国债到期收益率利差、上交所市盈率倍数同比增长率、上市公司总市值同比增速/GDP 同比增速、出口总额同比增长率、上证综指同比增长率。其中，商品房销售单价同比增长率、房地产投资同比增长率为房地产市场维度的指标变量，重要性指标值分别为0.0812和0.0581，相较于其他指标变量重要性排名靠前，说明房价高企和房地产投资增速过快往往预示着未来会发生系统性金融风险。政府债务/财政收入为政策干预维度的的指标变量，在其他指标变量中重要性排名第二，重要性指标值为0.0719。政府债务规模相较于财政收入过快扩张容易造成政府信用风险和财政风险，同时政府债务多与银行信贷相互关联，所以易引发系统性金融风险。不良贷款率、金融机构资产利润率为金融机构维度的指标变量，重要性指标值分别为0.0509和0.0491，说明金融机构内在不稳定性仍然是系统性金融风险的重要来源，不良贷款率越高、金融机构资产利润率越偏离基准水平，未来发生系统性金融风险的可能性越大。上交所市盈率倍数同比增长率、上市公司总市值同比增速/GDP 同比增速和上证综指同比增长率为股票市场维度的的指标变量，重要性指标值分别为0.0403、0.0389 和0.0323，说明股票市场相较于实体经济过快增长也是未来发生系统性金融风险的重要原因。

图5 中国系统性金融风险的预警指标重要性排序

值得注意的是，GDP 增长率、通货膨胀率等宏观经济维度指标变量以及1周和1年期期限SHI⁃BOR利差、银行间市场7天回购平均利率等货币市场维度指标变量重要性排名较为靠后，说明系统性金融风险预警应更关注金融体系本身及金融体系中长期影响，关注宏观经济和金融体系短期影响指标的效果较差。

（四）动态预警分析

为进一步验证所构建模型的监测预警能力，在一致的条件下，分别使用逻辑回归、随机森林、神经网络、支持向量机预警模型进行动态预警分析。本文以一年作为预警期，并将构建模型所使用数据以外的2007 年1 月至2019 年8 月的数据作为输入样本集，来预测2008年1月至2020年8月的中国系统性金融风险情况。

图6 逻辑回归模型预警风险概率图

图7 随机森林模型预警风险概率图

图8 神经网络模型预警风险概率图

图9 支持向量机模型预警风险概率图

2008年1月至2020年8月的中国系统性金融风险变动趋势可大致分为五个阶段：第一阶段（2008 年1 月至2009 年12 月）。2008 年初至9 月，由于受到2007 年国内市场流动性泛滥导致资产价格泡沫（主要体现在房市、股市）和全球金融危机冲击双重影响，系统性金融风险激增，金融体系面临较大压力水平。为应对金融危机对国内经济影响，2008 年10 月政府出台“四万亿”投资计划，并在宏观政策调控和防范系统性风险方面取得显著成效，2009 年系统性金融风险逐渐缓和、金融压力水平回归合理区间。第二阶段（2010年1月至2012 年12 月）。2010—2011 年，欧债危机爆发，我国经济受到较大影响，出口贸易萎缩，人民币汇率大幅波动，中国对外投资风险加大。同时，国家前期实施的“四万亿”刺激经济计划副作用开始显现，包括产能过剩、国内流动性宽松和通胀压力较大等问题，系统性金融风险又开始抬头。面对复杂多变的国内外形势，政府提高宏观调控政策的针对性和灵活性，引导货币条件向常态回归，2012 年经济稳中有进、股市较为平稳，利率进入下行通道，外汇储备增加，系统性金融风险水平开始下降。第三阶段（2013年1月至2015年12月）。2013年6月，银行业同业拆借利率高企，市场流动性短缺，导致发生“钱荒”事件，金融压力骤升。2014 年四季度，存贷款基准利率和存款准备金率下降，但实体经济不景气导致大量资本流向股市。2015年6月至8月，股票市场发生“股灾”，经历了牛市之后的股价暴跌和股市泡沫的骤然破灭，系统性金融风险在高位运行。第四阶段（2016年1月至2017年12月）。此阶段政府逐步推进金融体制改革，明确“不发生系统性金融风险”的底线，把“加强金融监管、防范金融风险”作为金融工作的基本主题，监管层面“强监督、强监管”各项政策措施落地，金融风险得到控制，中国系统性金融风险呈下降趋势。第五阶段（2018 年1 月至2020 年8 月）。2018年3 月，美国主动挑起“贸易战”，中美贸易摩擦不断，加之国内经济供给侧结构性矛盾并未彻底解决，经济较为疲软，汇市、股市等不确定性增加，人民兑美元汇率多次突破7.0 关口，股市暴跌至历史新低，中国系统性金融风险处于累积上升期。2020 年1 月新冠疫情爆发，经济陷入停滞，系统性风险上升，但之后政府实施危机应对和救助措施效果显现，金融风险水平呈现缓和态势。

图6、图7、图8、图9分别为逻辑回归、随机森林、神经网络、支持向量机四类预警模型估计得到的系统性金融风险发生概率曲线图，从四类预警模型的预测结果看，随机森林、神经网络、支持向量机模型的预警表现均明显优于传统逻辑回归模型。逻辑回归预警模型仅对“2010 年欧债危机”和“2013 年钱荒事件”时期的高风险状态作出了响应，未能预测到2008 年、2015 年和2018-2019 年中国系统性金融风险处于较高水平。神经网络、随机森林、支持向量机模型预警“风险”状态的次数较能准确反映中国系统性金融风险的真实情况。其中，神经网络预警模型在“2008年金融危机”“2010年欧债危机”“2013年钱荒事件”“2015 年股灾”“2018—2019 年中美贸易争端”时期均准确预测到中国系统性金融风险处于较高水平，估计得出在2008 年1 月、2009 年10月 至2009 年12 月、2010 年2 月、2013 年1 月至2013 年7 月、2015 年1 月至2015 年5 月、2018 年9月至2019 年1 月、2019 年6 月至2019 年11 月等时间段发生系统性金融风险的概率较高。随机森林预警模型除未能预测到“2018—2019 年中美贸易争端”时期的高风险状态，其他时期的高风险状态均作出响应。支持向量机预警模型预测除遗漏了“2008 年金融危机”高风险时期，其他时期的高风险状态也均作出了响应。

（五）系统性金融风险预测

通过将2019 年9 月至2020 年8 月的指标数据代入已训练好的随机森林、神经网络和支持向量机预警模型可以预测从2020 年9 月至2021 年8 月的系统性金融风险。从三类预警模型的预测结果来看，未来一年中国金融体系维持正常状态的概率接近100%，而发生系统性金融风险的概率趋近于0。

五、结论和政策建议

本文运用随机森林、神经网络和支持向量机等大数据方法构建模型对中国系统性金融风险预警进行了研究，对比分析了不同模型的预警效果，同时比较传统统计计量方法与大数据分析方法在模型估计和结果预测上的差异，并识别出了中国系统性金融风险的先导指标。

研究得出结论：第一，在各种性能度量指标和预测结果上看，随机森林等大数据方法模型均明显优于逻辑回归传统统计计量模型。混淆矩阵和ROC 曲线模型评价结果均显示大数据方法模型比传统模型表现更好。大数据方法模型基本能够准确预警极端系统性金融风险事件的发生，而传统模型对大部分系统性金融风险未能及时预警。第二，利用随机森林模型的变量重要性排序，可以识别出中国系统性金融风险的先导指标，金融机构、政策干预、房地产市场、股票市场维度的指标预警系统性金融风险效果较好。第三，在进行系统性金融风险动态预警时，神经网络模型的预警效果较其他大数据方法模型表现更好，对2008 年以来历次极端风险事件都准确进行了响应，而随机森林和支持向量机模型对个别极端风险事件的响应有所遗漏，所以当前预警中国系统性金融风险应首选神经网络模型。第四，大数据方法模型预测结果显示2020 年9 月至2021 年8 月未来一年中国发生系统性金融风险的概率较小。

基于上述研究结论，本文提出政策建议如下：一是不断优化中国系统性金融风险预警模型。应进一步优化完善系统性金融风险预警模型，结合经济金融形势变化，构建更为科学的系统性金融风险指标体系，引入深度学习、人工智能等更为先进的大数据分析技术，不断提升系统性金融风险监测分析的效率和精度。二是稳妥应对疫情冲击下金融体系不良资产上升风险。2020年新冠疫情对我国经济带来冲击，对金融体系资产质量造成一定下迁压力，预计在今后一段时期不良贷款逐渐上升将是金融体系面临的一个主要风险。监管部门和金融机构应加强协调联动，积极制定风险应对预案，妥善处理疫情冲击下未来不良贷款上升风险。三是在“十四五”时期继续打好防范化解金融风险攻坚战，确保风险持续收敛。监管部门应继续巩固系统性风险得到有效控制的良好态势，持续加强宏微观审慎监管，守住不发生系统性金融风险的底线，以维护金融市场稳定、促进经济健康发展。