金融预警的方法与技术的选择

三、金融预警的方法与技术的选择

在整个金融预警系统中，分析金融警兆处于关键环节。分析和预报金融风险是金融预警系统的目标。完成这一任务需要选择合适的预测技术和方法。从操作上讲，分析方法和预测技术可以分为两类：一类是直接预测技术，即直接依据警兆与警情的因果联系通过警兆的变动来预测警情的变动；一类是间接预测技术，即预测者自己不直接作预测，而是借助于专家的力量，收集整理专家依据警兆所得出的预测结论，最后给出警度预报。如果条件许可，两类预测技术可以结合使用。具体说明如下。

（一）基本的预警方法

基本的预警方法主要包括指数预警、统计预警、模型分析三种方法。

1．指数预警。指数预警系统是运用数学方法，合成为一组景气指数（先行、一致、滞后），并将它们作为测定和分析经济波动的综合尺度，利用先行指数预测经济周期波动的转折点。利用统计上的指数方法把警兆指标的变化综合成指数，依据指数大小进行预测。具体做法有：扩散指数法（DI）与合成指数法（CI）。

所谓扩散指数法是指：

DI＝n／N

式中，N表示警兆指标总个数；n表示处于有警状态的警兆指标个数；0≤DI≤1；当DI≥0．5时，表示金融警情将会出现。

依据需要，DI也可以设计成加权形式，即：

DI＝W_i＋W₂＋…＋W_n

式中，W_i表示第i个有警的警兆指标在整个警兆指标系统中的相对重要性。

0≤W_i≤1

W₁＋W₂＋…＋W_n＝1

所谓合成指数是指：

CI＝W₁X₁＋W₂X₂＋…＋W_nX_n

式中，X_i表示第i个警兆指标的警度。

0≤X≤1

单纯用合成后的综合指数的波动来分析经济形势变化，缺乏成熟的理论基础支持，且有可能把某个重要指标的信息忽略。在预警分析中，有时难于分清合成指数到底是由于哪些经济指标引起的变化，这不利于针对具体的经济变量进行调控。

2．统计指标体系预警。金融监测预警指标体系是一系列相互联系，相互依存的金融监测预警指标所构成的指标群。指标体系具有科学性、实用性和可行性的特征。统计指标预警方法既可以看出经济活动的升降，又可以反映各指标的综合结果，不仅监控整体经济活动的波动，还可以监控每一个指标的波动，并明确指出调控的目标和方向。因此，可以选择统计预警方法作为金融预警系统设计的基础。在金融监测预警指标体系的设计中，要从金融监测预警的目的和任务出发，在不同的场合，根据不同的监测活动，设计不同指标数目、不同内容的指标体系，为金融预警服务。比如根据监测、预警、评价的不同任务可设计金融监测指标体系、金融预警指标体系、金融监测预警结果评价指标体系；根据监测预警活动的性质内容，可设计银行信贷、货币流通、银行利率、金融市场、保险业务以及对外金融六类监测预警指标子系统；根据全面监测和核心监测、年度监测和月度监测分别设置容量不同的核心年度、月度及全面的金融监测预警指标体系。

3．模型法。模型法是金融预警分析中使用最广泛的一种方法。其基本思路是：从经济学原理出发，利用经济计量学方法，以警情指标为因变量，以警兆指标为自变量建立警情预测模型，可以是单方程形式，也可以是联立方程组形式。大多数的危机预警系统模型是采用基于统计判别方法上的预测模型，这些模型主要是以商业银行或企业的财务比率为基础的多维空间模型。其采用的分析方法主要有以下几种：①回归分析法。该方法由Horrigan（1966）首先采用。其基本思路是：分析研究预测对象有关因素的相互关系，用适当的回归预测模型表达出来，然后再根据数学模型预测其未来状况。如模型建立得当，则可得到比较精确的预测结果。回归预测的特点是：由于建立评级预测模型的关键是自变量的选择及因变量的假设，在自变量选择上，会因为选择内容不同而存在很大差异；在因变量假设上，由于不同学者对因变量假设不同，也会延伸出不同的分析模型。②多元判别分析。多元判别分析是研究一个分类特性的反应变量（因变量）受K个解释变量（自变量）影响时所使用的模型。其目的：一是估计判别函数，分析反应变量与解释变量的行为关系；二是预测，根据回归出的判别函数，获得反应变量的正确分类。可用于样本内的预测，也可用于样本外的预测，并可对新的观测值进行预测，恰当归类。此方法可精确地对规模小、市场化程度高的金融机构进行恰当归类，预测信用危机发生的概率，并将有潜在问题的金融机构与经营良好的金融机构准确划分开来。Altman是最早采用多元判别分析进行研究的学者，他利用多元判别分析技术，对33个样本的22个财务指标进行分析，得出预测力较强的5个指标。David和Robert（1974）运用该方法对美国纽约地区的健全与失败银行进行多元判别分析。Sindey（1975）则是最早正式提出金融预警系统的概念，并利用多元判别技术对商业银行的健全性进行研究的学者。结果发现，问题银行在流动性、资本充足和收益方面均比健全银行差。③Logit和Probit分析。对于因变量是非连续的且为二分类选择模式，一般常用定性模型，如Logit和Probit模型。其中，Probit模型是以事件发生服从正态分布为前提，而Logit模型假设事件发生概率服从Logistic分配。Martin（1997），John和Frank（1983）等人较早运用Logit技术对健全银行与失败银行进行区分研究，Crest（1985）等人根据CAMEL评级系统提出8个因素，作出回归模型，以便区分准银行和正常银行。当时的准确率达到90%以上。④类神经网络模型。类神经网络模型计算体系是模拟生物神经细胞，从外界或其他神经细胞获得信息，进行简单的计算，并将结果输出。类神经网络不仅有计算功能，而且有学习功能。类神经网络模型最早于20世纪80年代初由Odom和Sharda首先用于预测企业财务危机。随后Tam和Kiang于1992年利用该技术针对FDIC的CAMEL准则的19个财务比率，58对配对样本，根据资产的大小、分行的数目及特许地位选择配对样本，设立目标函数，对银行失败进行预测研究。

模型法也有其明显的缺点：一是预测模型变量数量过多且关系复杂，不容易分清是谁在起作用；二是模型的惟一性往往无法保证；三是对外生变量的预测不可避免带有专家预测法的缺点。

（二）预测方法的选择

目前，经济预测得分法大体可分为以下几类：

1．专家预测法。又称特尔斐法（Delphi）。是一种特别的专家函询法，是一种广为适用的预测方法，既可用于长期预测，也可用于短期预测。其实质是利用专家的主观判断，通过信息沟通和反馈，使预测意见趋于一致，逼近实际值。其特点在于：一是多轮，即对专家调查并不是一次性的，而是一次一次地征询专家意见，在函询过程中要引导专家使意见尽可能集中；二是匿名，即专家每次回答意见可以不签名，这样可以使专家在多轮调查中灵活地修改自己的意见而不损害其名声和地位。但该方法不可避免地存在一些缺点，如其预测精度取决于专家的学识、心理状态和对预测对象的兴趣程度，且其在技术上不够成熟。在实践中，特尔斐法也可加以改良、变通，如允许专家署名，向专家提供更多的背景材料等。

2．时间序列预测法。时间序列，又称时间数列，是指观察和记录到的一组按时间顺序排列的数据。其基本思路是：分析时间序列的变化特征；选择适当的模型形式和模型参数以建立模型；利用模型进行外推预测；最后对模型预测值进行评价和修正，得到预测结果。时间序列预测法由于主要依赖于惯性原理，所以一般多用于短期预测。其缺点在于对预测对象的转折点的鉴别能力较差。