張帥

【摘 要】 區(qū)域金融風(fēng)險(xiǎn)由于區(qū)域間經(jīng)濟(jì)發(fā)展的差異性顯得更加復(fù)雜，預(yù)防也更加困難。通過(guò)構(gòu)建區(qū)域金融風(fēng)險(xiǎn)指數(shù)，對(duì)我國(guó)31個(gè)省、市、自治區(qū)（不含港、澳、臺(tái)）的金融風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)及預(yù)測(cè)分析，研究得出：我國(guó)整體金融風(fēng)險(xiǎn)與六大區(qū)域呈現(xiàn)同步變化趨勢(shì)，基本呈現(xiàn)四個(gè)階段的變化特征，即緩慢上升、迅速下降、極速攀升、緩慢下降;四個(gè)階段中西北地區(qū)、西南地區(qū)、東北地區(qū)整體金融風(fēng)險(xiǎn)均普遍高于中南地區(qū)、華北地區(qū)、華東地區(qū)。預(yù)測(cè)結(jié)果顯示，2019—2023年我國(guó)及六大區(qū)域整體金融風(fēng)險(xiǎn)水平均有所下降，其中東北地區(qū)、西北地區(qū)、西南地區(qū)、中南地區(qū)整體風(fēng)險(xiǎn)水平均超過(guò)全國(guó)。針對(duì)我國(guó)區(qū)域金融風(fēng)險(xiǎn)呈現(xiàn)的差異性特征，要求金融風(fēng)險(xiǎn)防范措施應(yīng)該差異化制定。

【關(guān)鍵詞】 指數(shù)法; 區(qū)域金融風(fēng)險(xiǎn); 評(píng)價(jià); 預(yù)測(cè)

【中圖分類(lèi)號(hào)】 F830.2? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2021）06-0024-09

一、引言

隨著2008年美國(guó)金融危機(jī)及2010年歐洲債務(wù)危機(jī)的爆發(fā)，世界各國(guó)均開(kāi)始關(guān)注國(guó)內(nèi)市場(chǎng)金融風(fēng)險(xiǎn)的防范問(wèn)題。尤其隨著當(dāng)前全球經(jīng)濟(jì)放緩、個(gè)別國(guó)家貿(mào)易保護(hù)主義抬頭等世界環(huán)境趨于復(fù)雜化的背景下，金融風(fēng)險(xiǎn)的產(chǎn)生及防范更加難以控制。就我國(guó)而言，隨著經(jīng)濟(jì)進(jìn)入新常態(tài)化，金融市場(chǎng)暴露出的風(fēng)險(xiǎn)問(wèn)題越來(lái)越多，加之市場(chǎng)監(jiān)管體系尚不完善，金融風(fēng)險(xiǎn)防范成為當(dāng)前國(guó)內(nèi)關(guān)注的焦點(diǎn)。黨的十九大明確指出防范化解重大風(fēng)險(xiǎn)是三大攻堅(jiān)戰(zhàn)之首，而防范化解重大風(fēng)險(xiǎn)尤其金融風(fēng)險(xiǎn)是當(dāng)前及今后一段時(shí)間的首要工作任務(wù)。相對(duì)于國(guó)家整體金融風(fēng)險(xiǎn)的防范，區(qū)域金融風(fēng)險(xiǎn)由于區(qū)域間經(jīng)濟(jì)發(fā)展的差異性將顯得更加復(fù)雜，預(yù)防也更加困難，局部區(qū)域性的金融風(fēng)險(xiǎn)產(chǎn)生、傳染極有可能導(dǎo)致全國(guó)范圍內(nèi)金融危機(jī)的爆發(fā)。因此，區(qū)域金融風(fēng)險(xiǎn)問(wèn)題的研究顯得異常重要及緊迫。

針對(duì)我國(guó)區(qū)域金融風(fēng)險(xiǎn)的研究主要體現(xiàn)在對(duì)不同省份區(qū)域金融的風(fēng)險(xiǎn)評(píng)價(jià)方面。姚星垣和郭福春[ 1 ]在浙江經(jīng)濟(jì)及金融現(xiàn)況評(píng)價(jià)的基礎(chǔ)上，通過(guò)構(gòu)建金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系對(duì)浙江省的金融風(fēng)險(xiǎn)狀態(tài)進(jìn)行了評(píng)估。李建軍和盧少紅[ 2 ]采用浙江省11個(gè)市區(qū)的民間借貸樣本構(gòu)建了Probit預(yù)警模型，研究得出該區(qū)域規(guī)模風(fēng)險(xiǎn)是民間金融風(fēng)險(xiǎn)的主要方面。譚中明[ 3 ]構(gòu)建了包含經(jīng)濟(jì)環(huán)境、銀行市場(chǎng)、證券市場(chǎng)等在內(nèi)的8個(gè)層面的評(píng)價(jià)體系，采用指標(biāo)權(quán)重法測(cè)算了江蘇省的區(qū)域金融風(fēng)險(xiǎn)狀態(tài)。賈拓等[ 4 ]從地方金融、地方經(jīng)濟(jì)及宏觀經(jīng)濟(jì)、金融三個(gè)層面構(gòu)建了風(fēng)險(xiǎn)評(píng)價(jià)體系，采用MS-VAR模型對(duì)江蘇省泰州市的金融風(fēng)險(xiǎn)進(jìn)行了考察。王哲[ 5 ]基于金融工程分析視角，采用資產(chǎn)負(fù)債表法對(duì)內(nèi)蒙古的金融風(fēng)險(xiǎn)狀態(tài)進(jìn)行分析，研究發(fā)現(xiàn)金融市場(chǎng)發(fā)展的不完善是該地區(qū)金融風(fēng)險(xiǎn)產(chǎn)生的重要因素。楊茁[ 6 ]通過(guò)采用VAR模型對(duì)內(nèi)蒙古通遼市金融風(fēng)險(xiǎn)的影響因素進(jìn)行了分析，并提出防范區(qū)域金融風(fēng)險(xiǎn)的相關(guān)建議。于華鑫[ 7 ]從省內(nèi)風(fēng)險(xiǎn)因素及外部沖擊因素兩個(gè)層面構(gòu)建風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并采用層次分析法對(duì)山東省的區(qū)域金融風(fēng)險(xiǎn)進(jìn)行了度量，研究表明該區(qū)域整體金融風(fēng)險(xiǎn)呈現(xiàn)上升的態(tài)勢(shì)。劉麗等[ 8 ]從銀行市場(chǎng)、股票市場(chǎng)、房地產(chǎn)市場(chǎng)及外部金融市場(chǎng)四個(gè)層面進(jìn)行考察，并采用CRITIC權(quán)重測(cè)算法構(gòu)建金融壓力指數(shù)模型，對(duì)山東省系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行測(cè)度，結(jié)果顯示山東整體金融風(fēng)險(xiǎn)都在可控水平。楊陽(yáng)[ 9 ]、張亮[ 10 ]分別從不同層面構(gòu)建金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，均采用層次分析法對(duì)河南省區(qū)域金融風(fēng)險(xiǎn)進(jìn)行了預(yù)警分析，但研究結(jié)論并不一致。胡志強(qiáng)[ 11 ]從區(qū)域經(jīng)濟(jì)、區(qū)域金融和影子銀行三個(gè)層面構(gòu)建區(qū)域金融風(fēng)險(xiǎn)綜合評(píng)價(jià)指標(biāo)體系，并運(yùn)用熵值法對(duì)安徽省區(qū)域金融風(fēng)險(xiǎn)的演化趨勢(shì)進(jìn)行了實(shí)證分析，結(jié)論顯示：安徽省區(qū)域金融風(fēng)險(xiǎn)呈現(xiàn)不斷上升態(tài)勢(shì)，主要體現(xiàn)在實(shí)體經(jīng)濟(jì)傳導(dǎo)和影子銀行體系的關(guān)聯(lián)傳染。田玲[ 12 ]采用主成分分析方法構(gòu)建了湖南省金融風(fēng)險(xiǎn)指數(shù)，針對(duì)湖南省金融風(fēng)險(xiǎn)問(wèn)題產(chǎn)生的原因提出了相應(yīng)政策建議。杜黎霞[ 13 ]以甘肅省為例，就如何構(gòu)建和創(chuàng)新微型金融機(jī)構(gòu)風(fēng)險(xiǎn)防控機(jī)制進(jìn)行分析，并提出了相關(guān)措施與建議。

整體來(lái)看，學(xué)者針對(duì)我國(guó)不同區(qū)域金融風(fēng)險(xiǎn)的研究個(gè)體差異性較為明顯，缺乏統(tǒng)一的指標(biāo)評(píng)價(jià)體系及方法選擇，即使是針對(duì)同一區(qū)域不同學(xué)者所構(gòu)建的風(fēng)險(xiǎn)指標(biāo)體系也不相同，這就導(dǎo)致不同區(qū)域間金融風(fēng)險(xiǎn)的研究結(jié)果缺乏可對(duì)比性。本文試圖采用統(tǒng)一的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，對(duì)我國(guó)31個(gè)省、市、自治區(qū)（不含港、澳、臺(tái)）構(gòu)建金融風(fēng)險(xiǎn)指數(shù)[ 14 ]，通過(guò)對(duì)區(qū)域間金融風(fēng)險(xiǎn)的橫向?qū)Ρ燃皶r(shí)間演化分析，從而明確區(qū)域間不同省份金融風(fēng)險(xiǎn)狀態(tài)的差異性，為區(qū)域金融風(fēng)險(xiǎn)政策的制定提供有價(jià)值的參考及借鑒。

二、區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建

（一）指標(biāo)初選

通過(guò)對(duì)已有文獻(xiàn)的總結(jié)及歸納，本文擬從宏觀經(jīng)濟(jì)、銀行市場(chǎng)、資本市場(chǎng)、保險(xiǎn)市場(chǎng)及政府債務(wù)方面構(gòu)建區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。

宏觀經(jīng)濟(jì)是影響區(qū)域金融風(fēng)險(xiǎn)的重要變量，其運(yùn)行的穩(wěn)定與否直接關(guān)系到金融市場(chǎng)的風(fēng)險(xiǎn)狀態(tài)，也決定著其抵抗區(qū)域金融風(fēng)險(xiǎn)的能力強(qiáng)弱。本文初選的宏觀經(jīng)濟(jì)指標(biāo)有GDP增長(zhǎng)率（X1）、人均GDP增長(zhǎng)率（X2）、固定資產(chǎn)投資增長(zhǎng)率（X3）、工業(yè)產(chǎn)值增長(zhǎng)率（X4）、居民消費(fèi)價(jià)格指數(shù)（X5）、生產(chǎn)者價(jià)格指數(shù)（X6）。

銀行市場(chǎng)作為金融市場(chǎng)重要的組成部分，其業(yè)務(wù)范圍涉及經(jīng)濟(jì)社會(huì)領(lǐng)域的各個(gè)層面，其運(yùn)行的健康狀態(tài)直接決定著金融市場(chǎng)風(fēng)險(xiǎn)的爆發(fā)與否。本文初選的銀行市場(chǎng)指標(biāo)有不良貸款率（X7）、資本充足率（X8）、M2/GDP（X9）、貸款余額/存款余額（X10）。

資本市場(chǎng)作為資金流動(dòng)規(guī)模最大的金融市場(chǎng)，已經(jīng)成為金融風(fēng)險(xiǎn)傳導(dǎo)的重要區(qū)域，其發(fā)展的完善程度決定了金融風(fēng)險(xiǎn)爆發(fā)的概率。本文初選的資本市場(chǎng)變量有股票市值/GDP（X11）、股票流通市值/GDP（X12）、股票交易周轉(zhuǎn)率（X13）。

保險(xiǎn)市場(chǎng)作為居民、企業(yè)等個(gè)體參與數(shù)量最多的金融市場(chǎng)，已經(jīng)成為市場(chǎng)中資金供給的重要主體，也為其他投資機(jī)構(gòu)抵抗區(qū)域金融風(fēng)險(xiǎn)提供了重要保障。本文初選的保險(xiǎn)市場(chǎng)指標(biāo)有保險(xiǎn)密度（X14）、保險(xiǎn)深度（X15）、保費(fèi)收入增長(zhǎng)率（X16）。

政府債務(wù)是當(dāng)前衡量區(qū)域金融風(fēng)險(xiǎn)的重要變量，尤其是地方政府債務(wù)風(fēng)險(xiǎn)問(wèn)題已經(jīng)成為區(qū)域金融風(fēng)險(xiǎn)爆發(fā)的導(dǎo)火索。本文初選的政府債務(wù)指標(biāo)有政府債務(wù)償本付息/財(cái)政收入（X17）、政府發(fā)行債券收入/財(cái)政收入（X18）、政府財(cái)政收入/財(cái)政支出（X19）。

（二）顯著性檢驗(yàn)

采用指數(shù)法進(jìn)行區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)時(shí)，指標(biāo)數(shù)量并非越多越好，由于同類(lèi)別指標(biāo)之間的相似性較大，數(shù)量過(guò)多容易導(dǎo)致重要指標(biāo)變量的權(quán)重設(shè)置受到稀釋?zhuān)瑥亩绊懺u(píng)價(jià)結(jié)果的準(zhǔn)確性。因此，需要對(duì)初選的評(píng)價(jià)指標(biāo)進(jìn)行顯著性檢驗(yàn)，從而篩選出有效的區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)變量。本文選擇因子分析模型及變異系數(shù)分析法對(duì)同類(lèi)別指標(biāo)之間的關(guān)系進(jìn)行檢驗(yàn)，數(shù)據(jù)選擇2005—2018年全國(guó)整體數(shù)據(jù)（數(shù)據(jù)來(lái)源于各年份中國(guó)統(tǒng)計(jì)年鑒、中國(guó)金融年鑒、中國(guó)財(cái)政年鑒、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)、Wind數(shù)據(jù)庫(kù)及國(guó)研網(wǎng)，下同），分析結(jié)果如表1所示。

通過(guò)對(duì)初選的區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行顯著性檢驗(yàn)，最終確定的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)有GDP增長(zhǎng)率（X1）、居民消費(fèi)價(jià)格指數(shù)（X5）、不良貸款率（X7）、股票流通市值/GDP（X12）、保險(xiǎn)深度（X15）、政府發(fā)行債券收入/財(cái)政收入（X18）。

三、我國(guó)區(qū)域金融風(fēng)險(xiǎn)指數(shù)構(gòu)建

（一）指標(biāo)權(quán)重測(cè)算

通常對(duì)指標(biāo)權(quán)重的測(cè)算有專(zhuān)家主觀賦權(quán)及統(tǒng)計(jì)方法測(cè)算賦權(quán)兩種方式，鑒于主觀賦權(quán)法操作性難以實(shí)現(xiàn)且缺乏統(tǒng)一標(biāo)準(zhǔn)，本文將采用客觀賦權(quán)法對(duì)區(qū)域金融風(fēng)險(xiǎn)指標(biāo)進(jìn)行權(quán)重的測(cè)算?？紤]到不同統(tǒng)計(jì)方法權(quán)重測(cè)算的優(yōu)缺點(diǎn)，本文將分別選擇CRITIC法、變異系數(shù)法、熵權(quán)法、相關(guān)系數(shù)法四種統(tǒng)計(jì)方法對(duì)權(quán)重進(jìn)行計(jì)算，最后對(duì)四種測(cè)算進(jìn)行算術(shù)平均作為最終的權(quán)重測(cè)算結(jié)果。

同樣以2005—2018年全國(guó)整體數(shù)據(jù)為樣本，對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化的依據(jù)是對(duì)區(qū)域金融風(fēng)險(xiǎn)有促進(jìn)作用的指標(biāo)（X5、X7、X18）進(jìn)行正向處理，反之則進(jìn)行負(fù)向處理（X1、X12、X15）。指標(biāo)測(cè)算結(jié)果如表2所示。

（二）指數(shù)合成結(jié)果

通過(guò)對(duì)我國(guó)31個(gè)省、市、自治區(qū)（不含港、澳、臺(tái)）風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，并根據(jù)公式Fij=Xij*λI，可測(cè)算出我國(guó)整體及31個(gè)省、市、自治區(qū)在2005—2018年的金融風(fēng)險(xiǎn)值大小，分別如圖1及表3、表4所示。

從圖1可以看出，我國(guó)金融風(fēng)險(xiǎn)整體呈現(xiàn)四個(gè)階段的變化特征，首先從2005年的0.2791上升至2008年的0.4239，接著下降至2010年的0.2539，隨后攀升至2013年的最高點(diǎn)，達(dá)到0.4969，然后緩慢降低至2018年的0.3535，具體分區(qū)域來(lái)看：

第一階段（2005—2008年）：我國(guó)六大區(qū)域金融風(fēng)險(xiǎn)在該階段均呈現(xiàn)緩慢上升的態(tài)勢(shì)，西北地區(qū)、東北地區(qū)、中南地區(qū)、西南地區(qū)在該階段的金融風(fēng)險(xiǎn)平均水平均高于全國(guó)。其中西北地區(qū)整體風(fēng)險(xiǎn)水平最高，由2005年的0.3234上升至2008年的0.6004，平均風(fēng)險(xiǎn)指數(shù)達(dá)到0.4038，比全國(guó)高0.0802，而西北地區(qū)的青海（0.4793）、寧夏（0.4067）兩個(gè)省份的金融風(fēng)險(xiǎn)平均水平整體高于其他省份，同時(shí)超過(guò)該區(qū)域的平均風(fēng)險(xiǎn)狀態(tài);東北地區(qū)、中南地區(qū)、西南地區(qū)金融風(fēng)險(xiǎn)整體水平分別排在第二、第三、第四位，平均風(fēng)險(xiǎn)指數(shù)分別達(dá)到0.3771、0.3537、0.3383，分別比全國(guó)高0.0535、0.0301、0.0147。其中東北地區(qū)的遼寧（0.3235），中南地區(qū)的廣東（0.2761）、湖北（0.3482），西南地區(qū)的重慶（0.3189）、西藏（0.3160）的金融風(fēng)險(xiǎn)指數(shù)低于該區(qū)域的平均水平，而其余省份均高于該區(qū)域金融風(fēng)險(xiǎn)的整體水平。華東地區(qū)（0.2951）、華北地區(qū)（0.2967）在該階段的整體金融風(fēng)險(xiǎn)指數(shù)均低于全國(guó)，其中華東地區(qū)的上海（0.1875）、浙江（0.2721）、福建（0.2896），華北地區(qū)的北京（0.1660）、天津（0.2918）整體金融風(fēng)險(xiǎn)狀態(tài)低于該區(qū)域的平均水平，而其他剩余省份則均高于該區(qū)域整體金融風(fēng)險(xiǎn)水平。

第二階段（2008—2010年）：我國(guó)六大區(qū)域金融風(fēng)險(xiǎn)在該階段均呈現(xiàn)快速下降的態(tài)勢(shì)，但整體平均風(fēng)險(xiǎn)指數(shù)均高于第一階段。六大區(qū)域間整體金融風(fēng)險(xiǎn)的排名情況相比第一階段并未發(fā)生變化，風(fēng)險(xiǎn)指數(shù)從高往低依然是西北地區(qū)（0.4859）、東北地區(qū)（0.4740）、中南地區(qū)（0.4341）、西南地區(qū)（0.3906）、華北地區(qū)（0.3284）、華東地區(qū)（0.3260）。其中西北地區(qū)、東北地區(qū)、中南地區(qū)整體風(fēng)險(xiǎn)水平超過(guò)全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)高0.1244、0.1125、0.0725;華北地區(qū)、華東地區(qū)整體風(fēng)險(xiǎn)狀態(tài)低于全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)少0.0331、0.0356。從區(qū)域內(nèi)各省份金融風(fēng)險(xiǎn)的變化來(lái)看，西北地區(qū)除青海（0.5851）外其余省份金融風(fēng)險(xiǎn)整體狀態(tài)均低于該區(qū)域平均水平，中南地區(qū)、華東地區(qū)則分別新增廣西（0.4114）、江蘇（0.3184）省份金融風(fēng)險(xiǎn)降低至該區(qū)域平均水平，西南地區(qū)西藏較第一階段整體風(fēng)險(xiǎn)有所提升，風(fēng)險(xiǎn)指數(shù)比該區(qū)域高0.0181，東北地區(qū)、華北地區(qū)較第一階段均未出現(xiàn)明顯變化。

第三階段（2010—2013年）：我國(guó)六大區(qū)域金融風(fēng)險(xiǎn)在該階段均呈現(xiàn)緩慢上升的態(tài)勢(shì)，但整體平均風(fēng)險(xiǎn)狀態(tài)均低于第二階段。而六大區(qū)域間整體金融風(fēng)險(xiǎn)的排名情況相比第一、二階段發(fā)生一定變化，其中東北地區(qū)（0.3605）金融風(fēng)險(xiǎn)指數(shù)超過(guò)西北地區(qū)（0.3532），排在第一位，華東地區(qū)（0.3259）金融風(fēng)險(xiǎn)指數(shù)超過(guò)西南地區(qū)（0.3194）、華北地區(qū)（0.3146），升至第四位，中南地區(qū)依然排在第三位。東北地區(qū)、西北地區(qū)、中南地區(qū)、華東地區(qū)、西南地區(qū)、華北地區(qū)金融風(fēng)險(xiǎn)分別較第二階段減少0.1135、0.1327、0.0910、0.0001、0.0712、0.0138。其中該階段東北地區(qū)、西北地區(qū)、中南地區(qū)整體風(fēng)險(xiǎn)水平超過(guò)全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)高0.0337、0.0264、0.0162;華東地區(qū)、西南地區(qū)、華北地區(qū)整體風(fēng)險(xiǎn)狀態(tài)低于全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)少0.0010、0.0074、0.0387。從區(qū)域內(nèi)各省份金融風(fēng)險(xiǎn)的變化情況來(lái)看，大部分區(qū)域內(nèi)省份呈現(xiàn)低于區(qū)域金融風(fēng)險(xiǎn)平均水平數(shù)量降低的狀態(tài)。其中西北地區(qū)、西南地區(qū)、華東地區(qū)、華北地區(qū)分別除新疆（0.3340）、西藏（0.2894）、上海（0.2206）、北京（0.2088）外其余省份金融風(fēng)險(xiǎn)整體狀態(tài)均高于該區(qū)域平均水平;中南地區(qū)則除廣東（0.3041）、海南（0.3171）外其余省份金融風(fēng)險(xiǎn)指數(shù)均高于該區(qū)域平均水平;東北地區(qū)較第一、二階段均未出現(xiàn)明顯變化。

第四階段（2013—2018年）：我國(guó)六大區(qū)域金融風(fēng)險(xiǎn)在該階段均呈現(xiàn)緩慢下降的態(tài)勢(shì)，但整體平均風(fēng)險(xiǎn)狀態(tài)均高于前三階段。而六大區(qū)域間整體金融風(fēng)險(xiǎn)的排名情況相比第三階段稍微發(fā)生變化，即華東地區(qū)（0.3572）風(fēng)險(xiǎn)指數(shù)由第四位下降至第六位，而西南地區(qū)（0.3987）、華北地區(qū)（0.3671）則分別上升一位。東北地區(qū)、西北地區(qū)、中南地區(qū)、西南地區(qū)、華北地區(qū)、華東地區(qū)金融風(fēng)險(xiǎn)分別較第三階段增加0.1147、0.0929、0.0587、0.0793、0.0525、0.0314。其中該階段東北地區(qū)、西北地區(qū)、中南地區(qū)、西南地區(qū)整體風(fēng)險(xiǎn)水平超過(guò)全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)高0.0867、0.0577、0.0133、0.0103;華北地區(qū)、華東地區(qū)整體風(fēng)險(xiǎn)狀態(tài)低于全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)少0.0214、0.0312。從區(qū)域內(nèi)各省份金融風(fēng)險(xiǎn)的變化情況來(lái)看，與第三階段相比，該階段低于各區(qū)域金融風(fēng)險(xiǎn)平均水平的省份數(shù)量上升，其中西北地區(qū)新增甘肅（0.4249）、陜西（0.4218），西南地區(qū)新增重慶（0.3768），華東地區(qū)新增江蘇（0.3568）、浙江（0.3348），華北地區(qū)新增天津（0.3640），中南地區(qū)新增湖北（0.3899），東北地區(qū)較前三階段均未出現(xiàn)明顯變化。

四、區(qū)域金融風(fēng)險(xiǎn)指數(shù)預(yù)測(cè)

（一）預(yù)測(cè)模型選擇

灰色系統(tǒng)理論在小樣本容量的預(yù)測(cè)方面具有明顯優(yōu)勢(shì)，且已得到國(guó)內(nèi)外學(xué)者的廣泛認(rèn)可。它通過(guò)對(duì)已知樣本進(jìn)行有效信息的提取，從而達(dá)到對(duì)系統(tǒng)的運(yùn)行規(guī)律及變化趨勢(shì)進(jìn)行有效預(yù)測(cè)的目的，其核心思想是構(gòu)建灰色動(dòng)態(tài)模型，主要方法是用動(dòng)態(tài)方程描述樣本序列的變化。傳統(tǒng)的GM（1，1）灰色系統(tǒng)模型適用于樣本數(shù)據(jù)變化符合指數(shù)函數(shù)形式的預(yù)測(cè)，但針對(duì)滿足其他函數(shù)形式的時(shí)間序列的預(yù)測(cè)能力則相對(duì)較弱，應(yīng)用范圍存在很大局限性，而進(jìn)行優(yōu)化及完善的Verhulst模型及DGM（1，1）模型則有效解決了該難題。

為確保預(yù)測(cè)結(jié)果的準(zhǔn)確性，本文將分別采用兩種模型對(duì)我國(guó)及31個(gè)省、市、自治區(qū)區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)給予預(yù)測(cè)，選擇兩種預(yù)測(cè)值的均值作為最終的預(yù)測(cè)結(jié)果。

（二）預(yù)測(cè)結(jié)果分析

本文選擇的預(yù)測(cè)基期為2005—2018年，預(yù)測(cè)期限為5年，通過(guò)對(duì)預(yù)測(cè)后的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系進(jìn)行標(biāo)準(zhǔn)化處理，并采用表2中的指標(biāo)權(quán)重進(jìn)行指數(shù)合成，可得到2019—2023年我國(guó)及31個(gè)省、市、自治區(qū)區(qū)域金融風(fēng)險(xiǎn)指數(shù)，如表5所示。

整體來(lái)看，我國(guó)整體金融風(fēng)險(xiǎn)水平在2019—2023年波動(dòng)幅度較小，風(fēng)險(xiǎn)指數(shù)均值維持在0.2991，整體風(fēng)險(xiǎn)平均水平有所下降，風(fēng)險(xiǎn)指數(shù)分別較第一、二、三、四階段減少0.0245、0.0624、0.0278、0.0894。

從六大區(qū)域金融風(fēng)險(xiǎn)指數(shù)的變化情況來(lái)看，基本呈現(xiàn)緩慢下降的趨勢(shì)，華北地區(qū)（0.2961）、東北地區(qū)（0.4242）、華東地區(qū)（0.2936）、中南地區(qū)（0.3210）、西南地區(qū)（0.3564）、西北地區(qū)（0.3927）風(fēng)險(xiǎn)指數(shù)分別由2018年的0.3146、0.4380、0.3055、0.3429、0.3780、0.4147縮減至2023年的0.2957、0.4261、0.2941、0.3168、0.3500、0.3891，整體平均風(fēng)險(xiǎn)指數(shù)分別較第四階段減少0.0709、0.0510、0.0636、0.0808、0.0423、0.0535。而六大區(qū)域間整體金融風(fēng)險(xiǎn)的排名情況相比第四階段發(fā)生稍微變化，即西南地區(qū)（0.3564）風(fēng)險(xiǎn)指數(shù)超過(guò)中南地區(qū)（0.3210），升至第三位。此外，該階段東北地區(qū)、西北地區(qū)、西南地區(qū)、中南地區(qū)整體風(fēng)險(xiǎn)水平超過(guò)全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)高0.1252、0.0936、0.0573、0.0219;華北地區(qū)、華東地區(qū)整體風(fēng)險(xiǎn)狀態(tài)低于全國(guó)，風(fēng)險(xiǎn)指數(shù)分別比全國(guó)少0.0029、0.0055。從區(qū)域內(nèi)各省份金融風(fēng)險(xiǎn)的變化情況來(lái)看，華北地區(qū)的北京（0.1521）、中南地區(qū)的廣東（0.1855）及東北地區(qū)的遼寧（0.3976）和黑龍江（0.4195）金融風(fēng)險(xiǎn)指數(shù)分別低于該區(qū)域整體水平，其余省份金融風(fēng)險(xiǎn)均高于該區(qū)域平均水平，而西北地區(qū)、西南地區(qū)、華東地區(qū)中各省份風(fēng)險(xiǎn)狀態(tài)與該區(qū)域平均水平相比較第四階段并未出現(xiàn)明顯變化。

五、主要結(jié)論及啟示

本文通過(guò)構(gòu)建區(qū)域金融風(fēng)險(xiǎn)指數(shù)，對(duì)我國(guó)31個(gè)省、市、自治區(qū)（不含港、澳、臺(tái)）的金融風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)及預(yù)測(cè)分析，主要得出以下結(jié)論：

第一，2005—2018年我國(guó)整體金融風(fēng)險(xiǎn)與六大區(qū)域呈現(xiàn)同步變化趨勢(shì)，基本呈現(xiàn)四個(gè)階段的變化特征，即緩慢上升、迅速下降、極速攀升、緩慢下降。雖然第四階段整體金融風(fēng)險(xiǎn)指數(shù)處于下降態(tài)勢(shì)，但整體平均風(fēng)險(xiǎn)高于前三個(gè)階段，充分反映了當(dāng)前我國(guó)整體金融風(fēng)險(xiǎn)仍然處于較高水平，風(fēng)險(xiǎn)防控壓力依然較大。

第二，經(jīng)濟(jì)發(fā)展水平差的地區(qū)整體金融風(fēng)險(xiǎn)水平較高，四個(gè)階段中西北地區(qū)、西南地區(qū)、東北地區(qū)整體金融風(fēng)險(xiǎn)均普遍高于中南地區(qū)、華北地區(qū)、華東地區(qū)，而六大區(qū)域內(nèi)風(fēng)險(xiǎn)水平較高的省份依然是經(jīng)濟(jì)基礎(chǔ)較為薄弱，金融市場(chǎng)發(fā)展不完善，如青海、寧夏等。中南地區(qū)、華北地區(qū)、華東地區(qū)中部分省份的金融風(fēng)險(xiǎn)指數(shù)雖然高于該區(qū)域內(nèi)的平均水平，但整體基本低于西北地區(qū)、西南地區(qū)、東北地區(qū)大部分省份的金融風(fēng)險(xiǎn)指數(shù)。

第三，預(yù)測(cè)結(jié)果顯示，我國(guó)整體金融風(fēng)險(xiǎn)水平在2019—2023年較第一、二、三、四階段有所下降，六大區(qū)域的平均金融風(fēng)險(xiǎn)指數(shù)較第四階段均有所降低。東北地區(qū)、西北地區(qū)、西南地區(qū)、中南地區(qū)整體風(fēng)險(xiǎn)水平超過(guò)全國(guó)，而華北地區(qū)、華東地區(qū)整體風(fēng)險(xiǎn)狀態(tài)則低于全國(guó)。

整體來(lái)看，我國(guó)區(qū)域金融風(fēng)險(xiǎn)呈現(xiàn)明顯的差異性特征，這就要求金融風(fēng)險(xiǎn)防范措施應(yīng)該差異化制定，而不能采取“一刀切”的金融監(jiān)管政策。經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)金融市場(chǎng)發(fā)展不健全，企業(yè)融資途徑有限，導(dǎo)致風(fēng)險(xiǎn)主要集中在銀行市場(chǎng)，銀行不良貸款率普遍較高;同時(shí)，地方政府收入來(lái)源有限，債務(wù)風(fēng)險(xiǎn)頗高。因此針對(duì)欠發(fā)達(dá)地區(qū)在發(fā)展經(jīng)濟(jì)的同時(shí)，重要的是提高金融市場(chǎng)的完善程度，提升資金的流動(dòng)效率，有效降低資金過(guò)度集中在銀行市場(chǎng)的風(fēng)險(xiǎn);同時(shí)應(yīng)該給予優(yōu)惠的金融發(fā)展政策，提高金融服務(wù)實(shí)體經(jīng)濟(jì)的能力。而對(duì)經(jīng)濟(jì)發(fā)展水平相對(duì)較高的東部地區(qū)，金融市場(chǎng)較為完善，金融風(fēng)險(xiǎn)抵抗能力較強(qiáng)，應(yīng)該不斷加快金融創(chuàng)新，積極融入國(guó)際金融市場(chǎng)，提升國(guó)際競(jìng)爭(zhēng)力水平;同時(shí)有針對(duì)性地將資金向欠發(fā)達(dá)地區(qū)進(jìn)行合理流動(dòng)轉(zhuǎn)移，在資金合理配置的基礎(chǔ)上，為欠發(fā)達(dá)地區(qū)金融市場(chǎng)提供更多的資金流動(dòng)性，從而促進(jìn)我國(guó)區(qū)域經(jīng)濟(jì)的協(xié)調(diào)穩(wěn)定發(fā)展。

【參考文獻(xiàn)】

[1] 姚星垣，郭福春.構(gòu)建浙江省區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系研究[J].浙江金融，2008（5）：17-19.

[2] 李建軍，盧少紅.區(qū)域民間金融風(fēng)險(xiǎn)預(yù)警方法與實(shí)證分析：以浙江省為例[J].金融監(jiān)管研究，2013（2）：81-96.

[3] 譚中明.區(qū)域金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的設(shè)計(jì)和綜合度量[J].軟科學(xué)，2010（3）：69-74.

[4] 賈拓，姚金樓，王承萍，等.區(qū)域系統(tǒng)性金融風(fēng)險(xiǎn)的識(shí)別與防范：以泰州為例[J].上海金融，2012（12）：102-107.

[5] 王哲.內(nèi)蒙古區(qū)域金融風(fēng)險(xiǎn)研究：基于宏觀金融工程的視角[D].武漢大學(xué)碩士學(xué)位論文，2011.

[6] 楊茁.新常態(tài)下區(qū)域金融風(fēng)險(xiǎn)防范研究：通遼市個(gè)案實(shí)證[J].北方金融，2015（9）：73-75.

[7] 于華鑫.山東省系統(tǒng)性金融風(fēng)險(xiǎn)識(shí)別及其估測(cè)[D].山東財(cái)經(jīng)大學(xué)碩士學(xué)位論文，2011.

[8] 劉麗，郭春梅，楊繼梅.山東省系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度及防范研究[J].北方金融，2019（9）：60-67.

[9] 楊陽(yáng).河南省金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)及金融風(fēng)險(xiǎn)防范研究[D].河南大學(xué)碩士學(xué)位論文，2011.

[10] 張亮.河南省區(qū)域金融風(fēng)險(xiǎn)預(yù)警機(jī)制構(gòu)建研究[D].鄭州大學(xué)碩士學(xué)位論文，2014.

[11] 胡志強(qiáng).基于熵值法的區(qū)域金融風(fēng)險(xiǎn)度量研究：以安徽省為例[J].區(qū)域金融研究，2016（12）：44-49.

[12] 田玲.湖南防范金融風(fēng)險(xiǎn)問(wèn)題研究[J].現(xiàn)代營(yíng)銷(xiāo)，2019（12）：107-108.

[13] 杜黎霞.西部欠發(fā)達(dá)地區(qū)微型金融風(fēng)險(xiǎn)預(yù)警機(jī)制探析：基于甘肅省的考量[J].蘭州文理學(xué)院學(xué)報(bào)，2019（11）：107-108.

[14] 屈劍峰.基于綜合指數(shù)法的金融系統(tǒng)性風(fēng)險(xiǎn)測(cè)度[J].會(huì)計(jì)之友，2020（2）：105-110.