摘要:本文以近年来历次金融危机中的资本市场变化状态作为研究对象，通过对抽象出的关键因子指标进行统计分析，来研究其与金融危机中各资产微观结构层面价格博弈的关联性;同时鉴于这些因子变化，构造出类KLR信号分析法框架，建立起相应的金融危机预警系统，并进行实际应用研究。
关键词:金融危机；预警系统；类KLR信号
一、引言
按照IMF《世界经济展望1998》的分类定义，货币系统的混乱，例如非美货币对美货币的持续贬值、动荡;银行业流动性的枯竭，譬如必须要迫使央行进行大幅降息或者大规模援助以提供流动性;资本市场下跌超过20%等，都可以认为是系统性全面金融危机的开始。21世纪以来，全球资本市场出现了三次典型的金融危机，分别是2000年初－2002年底，2007年秋－2009年初，2020年2月－2020年3月。而在这些危机出现的前后，都有很多值得研究的指标与信号，利用这些指标与信号建立起来的金融危机预警系统，可以使人们在以后的经济活动与资本市场投资中更加未雨绸缪，为稳定经济发展与社会安定产生更多积极的影响作用。之前有不少海内外学术界对此课题做了大量研究。常用的金融危机中的预警系统模型构造有JeffreyA.Frankel和AndrewK.Rose(1996)通过分析超过100个发展中国家1971至1992年的面板年化数据，把金融危机主要定义为国家货币价值的崩溃以及名义贬值。他们研究发现:经济增长越低，国内债务水平越高，海外市场利率越高，外商直接投资(FDI)与债务的比值越低，都会使金融危机发生的概率偏高。而Kaminsky、Lizondo、Reinhart(1997)创建的预警方法则是通过跟踪过去历史上发生的金融危机时各预测指标的值来确定其阈值，然后再根据这些指标的阈值进行权重的分配与管理，当某指标突破阈值时则意味着发生金融危机的可能性增加。Lestano、JanJacobs以及GerardH.Kuper(2003)把金融危机分为三种:货币危机、银行危机和债务危机，分别用外部、金融、国内、全球四种不同维度的指标对1970－2001年间6个亚洲国家进行多元逻辑回归模型面板数据建模，分析表明，建立EWS(early－warningsystem)对于预测金融危机的确有所帮助。谭春枝、龚雪(2011)在KLR模型的基础上对其进行了改良，针对泛北部湾区(特指我国的广西、广东、海南、香港以及越南、新加坡等北部湾东盟国家与地区)进行预警建模，对政府预防并应对金融危机起到了很好的数据支持和提供了调控依据。目前，学术界大多从类似汇率、信贷、外汇储备等宏观因子的变化去分析、观察、比较，进而建立相应模型，来预警金融危机。这固然是很好的预测危机的方法之一，但是往往宏观因子的变化较为缓慢，对于金融危机的预测有滞后性。所以在本文中，拟将微观结构因子加入预测模型，提高模型对于危机预测的灵敏性与准确性，这样也能从另一个视角去更好地分析金融危机的前兆与成因。
二、预警系统因子体系设计
将金融危机预警系统的因子分为宏观、微观、外部、内部四个象限类别，后面的影响列反映的是该因子与金融危机发生的可能性之间的相关性状况(见表1)。表1中的第三列数据相关性符号，表征的是作为该因子对于整体择时打分的正负影响关系，该正负关系亦是从各单因子与股票市场相关性出发进行回溯分析的结果。下面分别从逻辑端剖析以上部分的外部影响以及内部影响因子体系。实际外汇汇率为公布的名义汇率经过调整后的汇率，因为各国会对本国的出口商品进行适当的补贴，而经过补贴后的商品其实质全球竞争力是增加的，故需要剔除掉这种相应的贸易政策的影响，才能反映实际的外汇竞争力。相对通货膨胀率是指我国GDP平减指数(GDPDeflator)与美国GDP平减指数的商，即将美国的该指数作为基准，衡量各国相对值。VIX(VolatilityIndex)指数是指美国芝加哥期权交易所(ChicagoBoardOptionsExchange，CBOE)公布的以S＆P500指数期权的隐含波动率计算得到波动率指标，该指标属于微观金融数据，其对于经济与资本市场的预测具有一定的短期(一般为一个月)的前瞻性。SKEW指数是指美国芝加哥期权交易所(ChicagoBoardOptionsExchange，CBOE)公布的用来度量投资者对市场收益率不对称偏离的预期，可以看作是VIX指数类似二阶导的存在，其对于尾部的经济与资本市场的风险预测有更好的预警性。对于VIX以及SKEW指标，采用每根月线的均值作为因子值。十年前国债收益率的高低与美联储基准利率都是反映市场无风险利率水平，该水平越高，将导致流动性枯竭，越有可能引发金融危机。财政盈余、公共债务、经常账户逆差分别与GDP的比值均可以看作整体国家经济体的状态特征，其对于金融危机的预警也具有前瞻性与伴生性。M2与外汇储备的比值以及社会融资新增均为信贷增长量的反应指标，该指标如果过高，容易引起金融危机乃至经济危机。股票指数涨跌幅以及融资交易量占市场成交占比这两个指标反映了资本市场的泡沫化程度，程度越高，越容易接近泡沫破灭的前夕，从而导致金融危机。
三、类KLR信号预警框架在我国的实证分析
KLR信号分析法的核心思想是选择一系列指标并根据其历史数据确定临界值，当某个指标的临界值在某个时间内被突破时，就意味着该指标发出了一个信号。危机信号发出的越多，就表示该国在未来发生金融危机的可能性越大。但临界值方法也有自身的弊端，那便是一旦实际因子指标没有超过临界值，便不能作为影响因子，而这种绝对的指标分类方法对于瞬息万变的金融市场是比较滞后的。本文中将其改进，以指标的变化趋势作为影响因子，这样既能够更好地捕捉影响因子的趋势，又能够应对金融市场的快速变化，从而为预警系统的搭建提供合适的检索因子指标。将2020年3月这次金融危机时，2月至4月的各指标的均值与表1指标中2019年3月至2020年1月的因子变化做趋势跟踪对比，因子数值增加记为“+”号，因子数值减少记为“－”号，趋势变化幅度在5%范围内记为0，同时通过因子数值与金融危机发生的相关性关系图进行结合来实证剖析该类KLR信号预警框架系统的分析预测能力。结合表2、表3因子值数据，根据类KLR方法得出的金融危机因子实证分析结果见表4。11个外部因子与7个内部因子共同构成的18个因子预测框架显示，其中13个因子都对金融危机的发生起到了预警效果。说明这套因子预警框架能够对金融危机的发生进行一定程度的跟踪与警示。
四、结语
将因子抽象成信号指标，基于类KLR的方式对指标的趋势进行跟踪分析，进而将其与金融危机的生成进行信号指标的叠加，正向信号指标越多，就表示发生金融危机的概率越高，同时，该因子框架还结合了传统的宏观因子以及更高频、反应更敏捷的资本市场微观因子，这两大类因子的结合更有利于从多角度探寻金融危机发生的可能与前兆。同时，针对金融危机的预警框架，包括因子的有效性、因子趋势的不一致性以及因子权重方面的考量，都仍有大量细节可以完善与提高，这也是下一步该方向科研工作的研究重点。
作者:郭翰 邢春晓 洪振挺 单位:清华大学计算机科学与技术博士后流动站