基于ANFIS 的区域金融风险预警研究

王小霞，李洁，郭琳

（西安财经大学经济学院，西安 710000）

1 引言

自2012 年开始，我国经济发展进入“三期叠加”的新常态时期。地方政府债务急剧膨胀、商业银行不良贷款率上升、房地产泡沫加大等风险隐患为区域金融带来了严重冲击。由于我国幅员辽阔，加之受区位条件、经济社会发展水平、资本逐利性等因素的影响，区域金融风险累积程度有明显的差异。此外，区域金融风险有极强的联动性和传染性，因此，要维护我国宏观经济金融稳定，必须把区域金融风险预警工作放在重要位置。

当前，对于区域金融风险的研究，学术界暂无一套全面且有效的预警指标体系，无法客观、全面地测度区域金融风险。本文结合现阶段我国经济金融发展的特征与区域金融风险的生成来源，构建了层次清晰的区域金融风险预警指标体系，通过合成风险指数实现对区域金融风险的测度。本文选用结合了人工神经网络的学习能力和模糊推理系统的模糊处理能力的复合模型——ANFIS 模型，以解决复杂的非线性映射问题，最终达到“预警结果可靠，解析逻辑清晰”的效果。

2 区域金融风险预警指标体系构建

通过梳理文献发现，大多数学者认为金融市场中的相关指标所涵盖的信息能够直接地反映金融风险，故主要从银行、证券、保险等金融市场选取相关指标构建金融风险的指标体系。然而，金融风险的形成、积蓄和爆发在很大程度上也受影响于外部环境的冲击。因此，本文结合金融风险压力指数的概念，参考李正辉和马守荣（2016）、沈丽等（2019）、耿德林等（2019）学者的研究成果，设置地方政府、金融体系、对外经济、房地产部门和实体经济5 个金融风险子系统，分解出28 个预警指标，构成区域金融风险预警指标体系，如表1 所示。

表1 区域金融风险预警指标体系

3 区域金融风险测度与预警区间确定

3.1 区域金融风险综合指数测度

首先，通过对2000-2019 年我国31 个省5 个风险子系统的指标数据进行标准化处理，采用KMO 和Bartlett 球形检验对子系统的预警指标进行检验，确定均适合主成分分析；其次，运用SPSS 24 软件进行时序全局主成分分析，得到子系统风险指数；最后，确定风险子系统的权重，计算得出综合风险指数。采用CRITIC 赋权法对5 个风险子系统赋权，具体步骤及计算过程如下：

式中，ωj为第j 个指标的权重（j=1,2，…，n）；cj包含指标的相关性和变异性，计算公式为：

式中，σj为第j 个指标的标准差；rij为第i 个指标与第j个指标的相关系数（i，j=1,2，…，n）。

通过对5 个风险子系统的风险指数进行描述统计分析后，可获得每个风险子系统风险指数的相关系数与标准差，代入上述公式可以计算得出每个风险子系统风险指数的权重。由此，得到区域金融风险综合指数的表达式：

X=0.135X1+0.456X2+0.124X3+0.099X4+0.187X5

3.2 区域金融风险综合指数比较分析

3.2.1 纵向比较分析

通过选取GDP 增长率代表经济增长水平与区域金融风险综合指数共同绘制散点图，对区域金融风险结构分布特征进行时间维度的纵向比较发现：我国区域金融风险水平呈现“东低西高”的情况，区域金融风险指数的大小与经济增长无明显的相关性。在同一年中，经济增长较快的省份没有伴随着较大的区域金融风险；在不同年份之间，经济增长较快的年份区域金融风险聚集中心没有发生大幅度的右移。我国区域金融风险集中度越来越高，有逐步趋同的态势。

3.2.2 横向比较分析

参照我国区域金融运行报告，将我国划分为东部、中部、西部和东北地区，以各地区内各省的平均风险指数代表该地区的风险水平。金融风险水平排序从高到低依次是西部、东北、中部和东部地区，东部和东北地区的波动幅度较大，中部和西部地区相对平稳。其中，东部地区在经济改革中积极转方式、调结构，自身优势进一步保持和放大，金融风险水平处于最低水平。中部地区的金融风险在2015 年出现较大波动，但在2016 年积极响应去产能、去库存的方针后，金融风险大幅下降。西部地区由于经济金融发展水平相对落后，相关政策和监管机制不健全，化解风险的能力较弱，金融风险一直处于较高水平。东北地区在我国经济增速放缓后，由于地区体制机制老化、创新能力不足、产能过剩行业集中等问题，导致2015 年和2016 年的金融风险达到最高水平，但在供给侧结构性改革后，地区风险呈现出明显的下降趋势。

3.3 预警区间的确定

根据K-means 聚类分析的思想，确定聚类数为4，即将区域金融风险指数划分为4 个风险状态：安全、基本安全、轻度风险、严重风险，分别对应A、B、C、D 共4 个风险等级。本文使用SPSS 14 软件分析得到聚类结果：由K-means 聚类分析得到的区域金融风险等级划分与区域金融风险结构分布图所体现的特征相一致，北京、上海的金融风险水平较为平稳且一直处于安全状态，严重风险、轻度风险的状态即风险等级为D、C 的情况多出现于中西部地区，例如，青海、宁夏、吉林。总体来看，近年来各区域的金融风险状况有所改善。依据区域金融风险综合指数和K-means 聚类分析的结果，可得到区域金融风险综合指数的阈值划分标准如下，风险状态分为安全（A）、基本安全（B）、轻度风险（C）、严重风险（D）的各自阈值划分分别为（-∞,0.473 5）[0.473 5,0.581 7）[0.581 7,0.652 4）[0.652 4,+∞）。

4 基于ANFIS 的区域金融风险预警实证分析

4.1 ANFIS 模型的训练

首先，设计模型所需数据集。本文共选取了2000-2019年全国31 个省620 个数据作为样本。以第T 年5 个风险子系统的风险指数作为输入，第T+1 年的区域金融风险综合指数作为输出，建立一个5 个输入、1 个输出的数据集，利用2000-2018 年的数据进行训练和测试，然后用2019 年数据预测2020 年风险水平。为了尽量涵盖各种类型的数据，利用Matlab R2014a 中的randperm()函数随机抽取2000-2018 年中的15 年共465 个样本生成训练集数据，以剩余的4 年共124 个样本作为检验集数据。

其次，确定模型的基本设置。以网格分割法生成模糊规则，选用线性输出层隶属度函数、钟型输入隶属度函数且每个输入变量对应的隶属度函数个数为[2,2,3,2,2]。在Matlab R2014a 中通过键入anfisedit 命令打开神经模糊推理操作器，载入数据，完成模型的基本设置，构建本文所使用的ANFIS模型。

再次，运用plot()函数绘制训练前后的隶属度函数的图像，通过观察隶属度函数曲线形状的变化，确定参数是否已经完成调整优化。由结果可以看出，在对模型进行训练前，ANFIS 模型按照网格分割法的原则，生成了能够均匀分割输入空间的隶属度函数，经过训练后，隶属度函数发生了相应的调整，使得其曲线产生了一定的变化，说明训练过程对模型中的参数已进行了优化。

最后，检验模型性能。将测试集数据载入训练好的ANFIS 模型中，对124 个测试样本进行仿真，可以看出模型输出的预测值对实际值的仿真效果较好，偏差较小且在可以接受的范围内。

为更加客观地反映模型的拟合效果，使用均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）作为模型效果评价指标。由模型评价指标的计算结果发现，样本集RMSE，测试集0.008 103、MAE 测试集0.005 912、MAPE测试集1.055 006，其中均方根误差、平均绝对误差均小于0.01，平均绝对百分比误差为1.055%，说明训练后的ANFIS 模型对数据信息的学习已足够充分，具备对样本数据进行精准仿真的能力，可以运用其对区域金融风险进行预警。

4.2 ANFIS 模型的仿真

基于训练好的ANFIS 模型，以2019 年区域金融5 个子系统的风险指数作为输入变量，以2020 年区域金融风险综合指数作为输出变量，对2020 年区域金融风险进行预测，并对照金融风险等级的阈值划分判断其风险状态，从而实现预警，结果如表2 所示。

表2 2020 年区域金融风险综合指数预测值

从预警结果来看，2020 年我国31 个省的区域金融风险整体处于基本安全的状态。其中，轻度风险主要集中于西部地区。值得关注的是，2020 年内蒙古自治区的金融风险处于严重风险状态。为进一步剖析引发内蒙古自治区风险加剧的原因，可以反向刻画近10 年内蒙古自治区5 个子系统的风险指数的演变趋势，发现子系统风险指数的变化具有先行于其他子系统的特点，这反映出该区域金融风险状态的恶化很大程度上源于金融体系子系统风险的积聚，连带影响地方经济、房地产部门、实体经济子系统，最终引发内蒙古自治区金融风险的显现。通过查阅历年内蒙古自治区金融运行报告发现，该区域的不良贷款率自2014 年开始就超过了不良贷款率红线2%的标准，2015-2018 年均高达4%左右，2019 年甚至达到7.88%，是不良贷款率红线2%的近4 倍，由此，可以在一定程度上印证上述对风险成因的判断。

5 结论与政策启示

第一，通过计算2000-2019 年我国31 个省的区域金融风险指数及区域金融风险的测度发现：我国区域金融风险整体呈现“东低西高”的分布特点，区域金融风险有逐步趋同的态势。

第二，通过使用K-means 聚类算法对区域金融风险进行风险等级划分，看出近年来我国区域金融风险整体处于基本安全的状态。其中，贵州、青海、宁夏的金融风险水平则相对较高，基本处于轻度风险或严重风险状态。

第三，通过运用ANFIS 模型，对2020 年区域金融风险综合指数进行仿真预测，显示2020 年我国区域金融风险整体处于基本安全的状态，但内蒙古自治区的金融风险处于严重风险状态，通过反向分析发现，金融体系风险积聚是引发该区域金融风险爆发的主要原因。本文从以下两方面提出政策建议：①防范区域金融风险。建立多维度的地方政府绩效考核体系，根据发展趋势的演变及时更新体系内的指标，避免由唯GDP 的绩效考核体系带来负外部效应；改革现行金融监管制度，重视对于微观监管层面信息的收集和捕获；确保实体经济能够以较低的成本获得充裕的资金支持；找准“引爆点”，化解重点领域风险。②完善区域金融风险预警系统。从经济、政策及社会热点问题多个角度分析不同性质的因素对区域金融风险的影响，建立全面、灵敏、高效的指标体系，为区域金融风险测度及预警做好必要的前期准备；建立全国统一的金融风险数据库平台，便于不同部门、不同区域间进行对比分析，引用数据挖掘和人工智能等先进的跨学科研究成果，创建先进且适用的风险预警模型，提高区域金融风险预警的科学性、准确性和有效性。