预警体系文献综述.docx

1、预警体系文献综述预警体系文献综述1.预警体系的组成银行危机的预警体系设计需要明确定义体系的时间范围，还有一些概念和方法的问题。设计银行危机预警体系需要定义预警体系是用来预测单个银行倒闭还是一个国家整个银行业的动荡不安。基于所选的时间，预警体系必须包括一个对危机或者是银行倒闭的准确定义，对于定义预警体系的可能产出或者是希望的产出也很重要。除了需要明确定义预警体系的时间范围和时间以外，预警体系还需要一个产生预测的机制，包括一系列的解释变量和从这些变量中提取预测的系统方法。解释变量的选择应该在经济理论的指导下，尤其是那些能够识别由于银行功能同质化造成的金融脆弱源泉的经济理论。2.预警体系构建方法2.

2、1 指标法Arturo.strella, F.rederics, S.M inshkin(1995)在预测美国大萧条：主要的金融指标一文中了美国各个金融指标作为预警指标预测未来经济萧条时的变化情况，主要评价利率、股票价格、通货和货币总量各项指标的预警程度，认为股票价格是最佳预警指标。Honohan(1997)强调了区分由宏观经济的流行病，微观经济的不足和地方性危机引起的三种银行危机的重要性，同时认为银行动荡的源泉不同，预警信号也不同，因此他提出用不同指标来对不同的银行危机进行预警。但是指标的方法很大程度上依赖个人对于指标的自由判断，指标阈值的设定主观性较强。Kaminsky, Lizondo,

3、 Reinhart(1997)在货币危机的主要指标一文中检验证明预警效果好的指标有出口额、真实汇率偏差、经济产量等指标。2.2 信号分析法信号分析法是通过监测一套指标来预测货币危机或者银行危机发生的可能性。其基本原理就是通过研究货币危机和银行危机发生的原因确定哪些变量可能用于预测危机，然后运用历史数据进行分析，确定变量中哪些与危机有显著关系，以此作为危机发生的先行指标，并计算出该指标对危机进行预测的临界值。当这些指标达到某一水平时，它们就会对金融体系可能存在的问题发出信号。为了说明指标，定义不正常表现非常重要，“不正常表现”指确定金融动荡和银行危机的分界阈值，阈值是基于曾经遭受过危机不同样本国

4、家为每一个指标确定的。这个阈值是基于危机发生前24小时使的对于金融危机错误和正确预警的最小化的变量值。有较大的噪音信号比例的变量被认为不重要，有较小的边际贡献，有时可以完全抛弃。信号分析法对建立货币危机和银行危机预警系统有重要价值。该方法提出一整套用于预测危机的指标与相应的临界值，为危机预警系统提供了明确地监测范围与警戒区域。Kaminsky和Reinhart（1999）在银行和货币危机预警体系一文中以20个国家在25年(1970-1995)间发生的102次金融危机为样本，采用“信号分析法”将众多的指标进行筛选、归纳，把预选指标的范围缩小到以下几个:国际储备(以美元计算)、进口额(美元计算)、

5、出口额(美元计算)、贸易条件(按出口价格与进口价格的比率计算)、真实汇率偏离度、国内外存款真实利率之差、M1超额供应率(M1供应量与需求量之差与M1供应量之比)、M2/国际储备、银行存款余额、国内贷款/GDP、存款的真实利率(按消费者价格指数递减)、贷款利率/存款利率、M2货币乘数、生产指数和股价指数。为了指标准确、迅速地反映经济波动状况、指标临界值的确定要避免以下两种错误。第一类错误:如果选定的临界值范围太紧，会减少错误信号的数目，可能无法预测到最严重的一次危机(事实上是危机但是指标显示不是危机)。第二类错误:临界值的确定范围太松，接近正常状态，就会发送错误信号(本来不是危机但是接受为危机)

6、。Kaminsky和Reinhart还引入了噪音信号比(noise-to-signalratio)确定临界。Kaminsky (1999)在单个指标的基础提出了构建金融脆弱性的复合指标。第一类指数仅仅是发出危机信号的指标的加总；第二类指标通过为单个指标的最值确定第二阈值用来解释信号的重要性；第三类指标通过增加在进来发出的信号去捕捉不断恶化的基础，第四类指标是基于噪音信号比例根据每一个解释性指标的统计重要性进行加总平均，这个指数被用来获得危机概率，在预测方面表现不错。Goldsteinetal(1999)在评估金融脆弱性：新兴市场的预警体系一文完整展现了信号法以及它在货币和银行危机预警体系的应用

7、。他评估了信号法和其他预警方法。在文中还讨论了国家之间的金融扩散效应。信号法存在以下缺点：（1）所使用变量的选取是武断，没有方法去检测他对危机预测的边际贡献；（2）由于他无法量化每一个指标单个贡献的权重，任何复合指数的建立也是武断，根据所观察的噪音信号比加权变量不能给与有关真正促成危机的信息；（3）这种方法没有考虑到银行动荡的严重性研究；（4）考虑地区差异是不可能的。信号法使用危机和未发生危机时候的信息，考虑到了危机发生的时间。这种方法主要的优点是可以在单个变量的基础上评估单个指标的预测能力，使得指标体系的建立更加的方便，而且这种方法对于设计政策反应很有用，因为发出预警的经济变量可以立刻识别。

8、但是由于这种二项特性指标之间的联系没有被考虑，这使得这个模型无法直接产生一个包含来自于单个指标有用信息的综合预警指标。2.3 判别分析法判别分析是对研究对象所属类别进行判别的一种统计分析方法.进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。判别函数的一般形式是:其中，Z为判别值，X2,.Xn,是反映研究对象的特征变量，a1,a2an为各变量的判别系数。判别分析过程是根据已知观测量的预警分类和表明观测量特征的变量，推导出判别函数，最后把各观测量的自变量值回代到判别函数中，

9、根据判别函数对观测量所属类别进行判别。MAHMOOD H. AL-OSAIMY，AHMED S. BAMAKHRAMAH在伊斯兰银行预警体系一文中使用了判别方法构建预警体系，文中采用总收入/总资产、投资收益/总收益、总收益/管理费用等指标，判别法在对伊斯兰银行的预警体系中表现良好。2.4有限因变量模型方法有限因变量模型方法假设危机发生是离散且有限的，危机指标是一个0-1变量，而危机的发生则是由多种因素引发的。这些因素包括GDP增长率、外国利率、国内信贷增长率、政府预算赤字GDP、实际汇率高估程度、经常项目GDP、国际储备进口额、外债总额等等。如果用Yit表示在时间t国家i货币危机这个离散变量，

10、向量Xit表示引发因素的解释变量向量，b是相应的参数变量，F(bXit)是累积逻辑分布。参数通过最大似然估计获得，Yit每一个可能的值作用于相关似然方程，使得对数似然是 由于他们之间的关系不是线性的，通过使这个方程最大化获得参数不是Xit对危机概率的常数边际贡献，Xit对Yit的边际贡献是通过危机概率乘以无危机概率再乘以b赋予的。Frankel and Rose (1996)基于年度数据最早使用概率模型去估计货币危机发生的概率。Demirg and Detragiache (1998a)在发达国家和发展国家银行危机的决定因素一文和Eichengreen and Rose (1998)金融自由化

11、和金融脆弱性一文是最早使用这种方法去预测银行的系统危机。Eichengreen and Rose (1998)在新兴市场银行危机和外在因素一文中分析了新兴市场的银行危机的基础上使用了多元二项式概率去估计危机的概率，样本包含39个事件，得出外部环境的变化在发展中国家银行危机的发生很重要的结论，而国内变量的贡献度相对不重要。Demirg and Detragiache (1998a, 1998b)用多元二项式罗杰分析了发展国家和发达国家的银行系统危机的决定因素。在第二阶段危机严重性的决定因素通过对危机成本和用来估计危机概率的相同解释变量集进行回归，解释变量集包括宏观经济变量，财务变量和代表机构发展

12、的变量，得出结果显示宏观经济变量是银行脆弱性的一个重要决定因素，尤其是当通胀和利率很高时，危机发生的可能性随增长下降而增加；当机构的发展很差和有一个明确的存款保险机制时，危机发生的概率也会很高。Demirg and Detragiache (2000)在监督银行部门的脆弱性：一个多元罗杰方法一文中使用了概率估计方法来建立预警体系，首先作者基于1994年墨西哥危机对在此次危机爆发前一年不同变量对危机发生概率变化的贡献度做了一次分解实验，然后作者描述了样本外概率预测。Hardy and Pazarbasioglu (1999)在银行危机的主要指标：亚洲是否不同一文中基于年度数据使用多元多项罗杰模型

13、去预测银行危机，这种方法的使用是为了克服罗杰方法较早发出危机信号的局限。他定义一个不连续变量（在危机发生事取2，在危机发生前一年取1，其他时候取0），他们同时包含了解释变量的时滞，使用这种方法增强只有在危机发生时才了解的的主要指标的预测能力。当因变量超过第一个阈值时，银行动荡的早期预警已经出现。对于解释性变量时滞的含入允许动态分析变量对金融脆弱性的影响，尤其是繁荣和衰退周期。与信号法相比，有限因变量模型方法的优点是模型的预测很容易被解释为危机的概率，而且这种方法同时考虑了所有变量的重要性，新变量的而外信息也很容易检查。但是这种方法的缺点是单个变量的影响无法很容易地测量。由于非线性的罗杰或者概率

14、函数，一个变量的贡献度依赖于其他的变量用这种方法的一个实际问题是发生危机的数量是有限的，结果是在样本中与大量的0相比只有小部分的1，从而导致很差的预测结果。2.5 ANN模型Nag和Mitra的人工神经网络(Aritificial Neural Network，ANN)模型，是近期发展最快的人工智能领域研究成果之一。人工神经网络是一个并行和分布式的信息处理网络结构，由多个神经元组成，其信息处理功能是由网络单元的输入输出特性，网络的拓扑结构(神经元的连接方式)所决定的。因为它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力。最可贵的是它具有学习能力，可随时依据新准备数据资料进

15、行自我学习、训练，调整其内部的储存权重参数以对应多变的经济环境。由于ANN具备上述良好的性质与能力，且己有文献表明ANN的分类正确率高于判别分析法，因此它可作为解决经济预警的一个重要工具。前馈三层人工神经神经网络通常由输入层、输出层和隐藏层组成，被认为是最适用于模拟输入、输出的近似关系，因此它在各类预警中被广泛应用。人工神经网络预警方法有两种方式:其一是通过ANN方法预测，再和事先由专家根据一定标准确定的参考值进行比较确定警度;另一种是增加一个报警模块，经过一定处理之后直接给出预警结果。ANN预警方法的实质是利用神经网络的预测功能实现经济预警。ANN模型具有大规模并行处理、自适应自组织、联想记

16、忆功能及容错和稳健性等特点，它在货币危机预警系统中的应用，无论是从思想上还是从技术上都是对传统货币危机预警系统的一种拓宽和突破，解决了传统模型难以处理高度非线性的、关系不明确的、复杂的以至于难以用数学模型描述的问题。ANN模型的主要优势是其灵活的规则和捕捉变量间复杂的相互关系的能力。然而，这种灵活性也可能成为一种缺陷，在数据数目较多和需要一定的网络层数来模拟数据的前提下，这种方法会比其他方法有更大的过度适应的风险。该模型的另一缺陷是，ANN模型的“黑箱”特性。因为无法进行系数估计，而且变量间的相互关系非常复杂，就很难确定哪一个指标出现异常及指标的预测能力。此外，ANN模型在应用过程中容易陷入局

17、部最优，从而也会在一定程度上影响评价结果的准确性。2.6 模式识别方法Trait recognition是一种非参数的预测数据系统模式的识别技术，与信号提取方法类型相似，这种方法识别了在银行倒闭之前表现的非正常行为的变量集。倒闭银行的金融变量趋向于在变量分布的尾部的一个，对于每一个变量2个分界点被选择，确定三个区域。每一个变量的值根据它所在的三个区域的位置进行编码：低（00），中间（01），高（11）。二进制符号XY有四种分类：X=0(ML),X=1(U) Y=0(L) 和 Y=1(MU)。为了识别模式和考虑不同变量的关系，这种方法预先形成指标的字符串。不同变量的关系通过这些字符串形成一个个性

18、矩阵来探索。这个矩阵考虑了所有变量单个信号所有可能的结合。这个特征矩阵被用来确认倒闭和没有倒闭银行的特性。一个安全特征是经常在没有倒闭的银行出现的特征，不安全指标则反之。安全与非安全特征需要定义倒闭和未倒闭事件中某种发生的分值（当一个特征至少以倒闭银行的Z%发生则是不安全指标），那些不能被分为安全或者是不安全特征的所有特征还有不能揭露新信息度删除。每一个被投票的银行，计算安全和不安全特征数量。银行用一个投票矩阵进行分类，安全投票的数量作为行，不安全投票的数量作为列，最后是确定由这个矩阵每个细胞发出的信号。James Kolari, Michele Caputo在商业银行预警体系模式识别方法一文

19、中选取了到1986年美国145家倒闭的商业银行作为样本，采用利润、规模、增长等指标比较了模式识别方法与多元判别以及LOGIT在进行预警体系构建时的优劣，通过实证研究最后得出模式识别在这三种方法中是最好，所构建的预警体系能够达到预期。TRM方法缺点是要求许多自由裁量，独立变量的选择，变量阈值的定义，特征的分类还有就是投票矩阵的信号决定是武断的，结果对所有这些都很敏感，在评估中他们可能引入偏见。但是这种方法可以用于预警体系，在金融动荡增强之前为需要严格监管的那些银行发出预警，这种方法对于有有限银行倒闭事件的银行体系特别实用；另外这种方法的优点是金融动荡时间不会受到尤其在银行倒闭或者技术上无法清偿发生时管理行动的偏袒。