◆ ◆ ◆ ◆
我国金融市场输入性风险的时变分析与预警研究
——基于TVP-VAR-SCInet模型
◆ ◆ ◆ ◆
文章刊发：《西安财经大学学报》2024年第3期
第一作者简介
欧阳资生，湖南师范大学商学院二级教授、博士生导师、“潇湘学者”特聘教授，享受国务院政府特殊津贴专家、教育部金融学类教学指导委员会委员、湖南省121工程人选，湖南省学科带头人，湖南省高校科技创新团队负责人，国家一流专业建设点负责人。研究方向为金融风险管理、金融科技、深度学习与金融大数据分析。主持国家社科基金4项，其中重点项目2项，一般项目2项。以第一作者在《管理科学学报》《统计研究》《中国管理科学》《系统工程理论与实践》和International Review of Financial Analysis ，Energy Economics，Research in International Business and Finance等中外文期刊上发表论文90多篇。
摘要及关键词
摘要：随着中国金融市场的高水平开放，中国应对外部输入性风险的压力将进一步上升。探索中国金融市场所面临的输入性风险动态变化并构建预警体系具有重要意义。本文运用时变参数向量自回归模型（TVP-VAR）和深度神经网络模型 SCInet（Sample Convolution and Interaction Network），对我国金融市场输入性风险进行测度和前瞻性预警。研究发现：（1）TVP-VAR模型能有效识别极端风险事件发生前的风险积累，极端风险事件时期输入性风险水平会显著提高；（2）通过与主要发达国家（或地区）和发展中国家的输入性风险对比，发现发达经济体的输入性风险波动幅度较小，通过研究各国对我国的输入性风险，发现香港对我国内地的风险输入水平最高，以美国为主的发达国家和以印度为主的发展中国家也向我国输送了大量风险；（3）相比与其他机器学习和神经网络模型，SCInet模型具有最优的预警性能，在输入性风险异常波动前能提前预警。本研究或可为个人规避风险、企业可持续发展、国家金融稳定提供参考和帮助。
关键词：输入性风险；风险预警；时变参数向量自回归；深度学习
当前，我国面临的外部环境更趋复杂，不稳定性不确定性显著增加。党的二十大报告强调“我们还要打好‘有备之战’，守牢风险底线”。可以预期，随着中国金融市场的高水平开放和全球经济与政策走势不时出现“黑天鹅”并引起剧烈波动，金融风险在国际金融市场间的传染、扩散愈发迅速，我国应对外部输入性风险的压力将进一步上升。因此，对国际市场输入性风险的识别、应对和防控也成为了维护国家金融安全和稳定的重要一环。在此背景下，有两个迫切需要解决的问题：一是如何衡量中国所面临的输入性风险，二是能否对中国输入性风险进行前瞻性预警。因此，探索中国金融市场所面临的输入性风险动态变化，并构建预警体系，具有重要的理论和现实意义。
本文以2004-2023年全球22个国家（或地区）的金融市场日度数据作为研究对象，首先采用时变参数向量自回归模型（TVP-VAR）测度我国金融市场输入性风险并识别其时变特征，通过对比我国输入性风险与其他国家发达国家和发展中国家的输入性风险情况，明确我国金融市场输入性风险所处的全球水平。同时分析样本期间我国受到各国（或地区）输入性风险以及各市场输入性风险的变动情况，进而识别我国金融市场的重要外部风险源。其次，在比较包括LSTM、BiLSTM、CNN、XGBoost和LightGBM等各种机器学习和深度学习预测性能的基础上，选用预测性能最好的新型深度神经网络模型 SCInet进行前瞻性预警研究。最后，基于所得结论，为我国设计和构建更加合理的防范金融风险的传导监控体系、引导体系以及风险化解体系提出相关对策和建议。
本文的主要研究结论如下：
首先，TVP-VAR模型能有效识别包括美国次贷危机、欧债危机及新冠肺炎疫情在内的极端风险事件发生时的输入性风险水平，且在极端风险事件发生时我国金融市场输入性风险水平会显著提高（如图1所示）。
图1 基于TVP-VAR的2004-2023年我国输入性风险时变情况
注：从左至右的灰色区间分别表示：美国次贷危机、欧洲债务危机和新冠疫情事件发生的时间段；从左至右的虚线分别表示中国钱荒、沪港通开通、股灾以及2008年来美联储首次加息、中美贸易摩擦升级发生的时间节点。
其次，通过与其他国家的输入性风险水平相比较，发现相较于美国、英国、德国、法国，我国输入性风险水平较低但波动幅度更大。与巴西、俄罗斯、印度和南非的输入性风险水平相比较，我国的输入性风险水平较低（如图2和图3所示）。
图2 2004-2023年中美英德法五国输入性风险时变情况
图3 2004-2023年金砖五国输入性风险时变情况
同时，通过对比各国家（或地区）对我国的输入性风险，发现香港对我国内地的输入性风险水平最高；发达国家中，美国、加拿大等国也向我国输入了较高的风险；发展中国家中，其他金砖五国成员对我国的输入性风险也不容忽视。
最后，在对我国输入性风险进行预警分析时，与LSTM、BiLSTM、CNN、XGBoost和LightGBM等机器学习和深度学习模型相比，SCInet模型具有最优的预警性能。
根据以上结论，本文提出如下政策建议：
（1）必须时刻防范金融全球化中的风险传递，关注我国金融市场的输入性风险。目前，我国面临的外部环境十分复杂，我们要进一步强化对输入性风险的密切跟踪和精准研判，结合科学合理的计算方法制定输入性风险量化标准。（2）完善金融监管机制，加强金融监管的国际信息共享与交流合作。监管工作应特别聚焦高风险输入国家及市场。强化监管力度的同时，集中关注以美国为首的发达国家、其他金砖国家以及中国香港离岸市场对中国内地金融市场的风险输入。（3）健全金融市场体系，增强风险屏障。在加强防控其他国家或地区输入性风险的同时，更要加快健全我国金融市场体系，筑牢风险屏障。首先要完善金融市场的风险管理制度。其次要推进我国金融高水平开放，深化金融产品和服务创新，推动跨境金融合作，建立更加开放的跨境资金流通机制，审慎推进资本和金融账户开放，放松资本管制，增强汇率弹性，促进贸易投资便利化。（4）借助AI技术和大数据平台，建立输入性风险的前瞻性预警机制。要借助机器学习和神经网络模型等现代人工智能和大数据分析技术，制定可操作性的输入性风险防控前瞻性政策。
本文边际贡献主要包括：（1）采用基于TVP-VAR模型的动态溢出指数方法实现对中国金融市场输入性风险水平的有效测算，捕捉中国金融市场输入性风险的动态演变特征，并将其与主要发达国家、金砖国家的金融市场输入性风险时变特征进行对比。（2）探讨样本期间各国（或地区）对我国的输入性时变风险情况，发掘不同国家（或地区）对我国的风险输入强度。（3）基于以上测算结果，将新型深度神经网络SCInet模型应用于输入性风险预警领域，不同于其他机器学习和神经网络模型，该模型独特的下采样-卷积-交互结构在预测输入性风险预警上表现出优异的性能。且本文以SCInet模型的预测数据为基础，进行了可操作的前瞻性预警，以期对个人规避风险、企业可持续发展、国家金融稳定提供参考和帮助。
点“阅读原文”了解更多
《西安财经大学学报》
责任编辑｜马红鸽
网络编辑｜刘亚楠
内容审核｜马红鸽
欢迎关注
《统计与信息论坛》
