我国系统性金融风险测度与防控
——基于系统动力学

李姝星

      【摘要】对系统性金融风险进行有效测度与防控是当前金融工作中的重大研究课题。本文在分析各部门风险来源的基础上，采用 CRITIC 赋权法，以政府、银行、房地产、债券、股票和外汇六个部门和 64 个指标变量为基础，搭建系统动力学仿真模型，模拟金融系统的风险变化趋势。进一步在不同经济背景下探讨多种货币政策对风险的调控效果。为我国系统性金融风险防控提供政策建议。
      【关键词】系统性金融风险；系统动力学；政策研究
引言
      自2008 年金融危机和各种突发公共事件引发市场波动以来，系统性金融风险已成为制约经济稳定运行的关键因素。我国金融体系在深化市场化改革和扩大对外开放的过程中，金融创新加速、跨市场联系增强，使风险在不同部门间的传导路径更加多样和隐蔽。我国多项重大经济会议反复强调“有效防范化解重点领域金融风险”“强化金融稳定保障体系，守住不发生系统性金融风险的底线”。如何准确刻画系统性金融风险的动态演化过程，评估政策工具调控效果，成为金融监管和学术研究共同关注的问题。
      系统动力学是一种从整体、系统性和全局视角出发，用于分析和控制信息反馈系统的方法。本文通过考虑影响和生成系统性金融风险的主要因素，分析系统性金融风险来源，随后建立了我国系统性金融风险测度的系统动力学模型，通过赋予系统边界合理有效的数据和各风险变量的权重系数，以实现系统性金融风险动态测度与仿真的目的。
一、指标处理与模型构建
      （一）指标变量选取
      本文借鉴陶玲、朱迎、白鹤祥、张璇等诸多学者的研究，将系统性金融风险的来源总结为政府、银行、房地产、债券、股票和外汇六个部门。系统性金融风险的形成与扩散源于金融体系内部高度关联的结构特征，指标变量选取以金融压力指数（FSI）为基础，将各种指标按其经济意义与变化规律设定为系统动力学中的状态变量、速率变量与辅助变量。具体变量选取说明如下：
      1. 政府部门：风险主要源于债务累积、财政收支失衡与宏观经济波动。本文选取政府债务余额、财政收入与支出作为状态变量，GDP 增长率与 CPI 变化率作为速率变量，财政赤字率、债务负担率及固定资产投资增长率作为辅助变量，以全面刻画政府部门的财政风险、经济风险与投资风险。
      2. 银行部门：作为金融体系的核心枢纽，其风险具有较强的传染性。本文以 M2 供应量、金融机构本外币存贷款为状态变量，M2 同比增长率、存贷款增长率为速率变量，并引入不良贷款率、资本充足率、拨备覆盖率、实际贷款利率、5 年期 LPR 波动率及银行间 7 天质押式逆回购利率等辅助变量，系统反映银行体系的流动性风险、信贷风险与利率风险，且源自银行部门的风险也向其余各部门扩散。
      3. 房地产部门：风险主要表现为价格泡沫与投资过热。本文选取房地产开发投资额、商品房销售额为状态变量，房地产投资增长率与房价增长率为速率变量，同时纳入房地产贷款占比、国房景气指数与房产泡沫程度等辅助变量，以监测房地产市场的景气风险、投资风险与资产泡沫风险。
      4. 债券市场的风险集中于信用违约与利率波动。本文以主权债券利差为状态变量，以信用利差波动率与期限利差波动率为辅助变量，重点捕捉债券市场的信用风险、利率风险与流动性风险。
      5. 外汇市场：风险受汇率波动、国际资本流动与外部冲击影响。本文以外汇储备与人民币实际有效汇率为状态变量，国际收支增长率为速率变量，并引入中美利差与汇率波动率等辅助变量，系统反映外汇市场的汇率风险、利率风险与宏观经济风险。
      6. 股票市场：风险表现为价格波动与市场情绪变化。本文以股票市场总市值为状态变量，股票收益率波动为速率变量，并辅以市场规模、市盈率等相关指标，以识别股票市场的市场风险、流动性风险与估值风险。
      （二）样本数据选择与处理
      选取 2005—2024 年月度数据计算各子系统变量之间的权重，年度数据作为样本数据输入模型进行后续仿真。数据来源于国家统计局、中国人民银行、Wind 等数据库，均公开可查。数据处理使用 CRITIC 加权方法，根据不同指标之间的比较强度和冲突性为指标分配权重。
      数据处理过程：首先，各指标权重测算均采取月度数据以提高信息量计算精度，并且参考指标的实际情况将少部分缺失数据与个别指标的季度数据进行线性插值法处理；其次，在对利率波动率、汇率波动率等指标处理时，使用其 GARCH（1，1）模型时变方差来代表其波动率；再次，对数据进行标准化处理，对正向指标和负向指标进行分类无量纲处理之后，使用 CRITIC 赋权法计算各指标信息量和权重。最后，在 Vensim PLE 中输入权重，设置模拟步长为 1 年，各部门风险初始值默认为 0。
      （三）模型构建与检验
      通过将 2005-2024 年的仿真结果与实际金融运行轨迹进行对比，模型拟合度良好，验证了模型的有效性。图 1 为 2005—2024 年各部门风险变化量仿真曲线，具体分析，2007—2009 年国际金融危机时期，中国开放型经济正处于新阶段，很容易受到外界影响，各部门风险波动幅度巨大。风险以贸易、信贷和国际资本渠道为源头，通过银行部门等金融机构传染，导致其余部门剧烈震荡。2013 年中期的银行业“钱荒”事件，银行业与股票、债券市场同向同频振动，成为主要的风险来源，究其原因依然是银行流动性出现问题导致风险向外扩散。2019—2022 年疫情冲击波及了整个中国的金融体系并对经济产生影响，政府部门、房地产市场、股票市场、债券市场和外汇市场风险波动较为明显。2023—2024 年风险波动有所下降，我国经济开始逐渐回温。总体来看，我国系统性金融风险整体呈现阶段性波动特征，各部门风险变化具有较强同步性，其中银行部门风险在大部分情况下处于较高水平，说明银行部门是系统性风险的主要承载和传导源头。
二、系统性金融风险防控政策仿真分析
      （一）敏感性变量选取
      变量的敏感性排名即它们在整个指标体系中的总权重排名，代表它们对系统性金融风险的重要性和贡献程度，政策调控往往针对更高敏感度的风险指标。在计算指标权重后，贡献度最高变量分别是 5 年期 LPR 波动率、房地产贷款占比、存贷比和货币供应膨胀率，分别占比 16.5506%、14.9001%、12.5977% 和10.0191%，且流动性风险、利率风险、债务风险和房地产泡沫风险与经济周期波动拟合度较高。因此，在进行下一步分析时，我们重点调控和分析以下变量及风险。
      （二）初始情景设定
      立足于经济金融周期同步性，设定经济平稳、经济增长和经济增长放缓三个情景，并且将模型仿真至 2035 年，预测未来经济变化与政策调控效果。其中，经济平稳为初始组，经济增长和经济增长放缓为仿真组。
      《2035 远景目标纲要》中提到：“2030 年左右中国 GDP总量超越美国，成为全球第一大经济体。预计今后十年中国经济将至少保持年均 5% 的增长率。”将经济平稳初始状态下中国GDP 发展增速设置为 5%。经济增长阶段，金融市场处于顺周期状态，设定 GDP 增速从 2025—2035 年由 5% 逐年上升至 8%，经济增长最快的五年，M2 增速上调 20% 左右，金融机构积极进行信贷扩张。以此为依据，M2 年供应量逐年增加 20%，房地产贷款上调 20%，信贷总额按 10% 逐年扩张，存款按 8% 扩张。其余所有变量按经济平稳情景调整。经济放缓情景，金融市场处于下行状态，近十几年中国 GDP 增速最低为 2%，因此设定性金融风险的重要性和贡献程度，政策调控往往针对更高敏感度的风险指标。在GDP 增速从 2025—2035 年由 5% 逐年下降至 2%，金融机构贷存贷比和货币供应膨胀率，分别占比 16.5506%、14.9001%、12.5977%和 10.019款逐年收缩，贷款总额按 10% 逐年收缩、房地产开发投资额按度较高。因此，在进行下一步分析时，我们重点调控和分析以下变量及风险。10% 逐年下降，其余所有变量按经济平稳情景调整。根据以往立足于经济金融周期同步性，设定经济平稳、经济增长和经济增长放缓三个世界各大经济体中重大事件的历史经验以及中国特殊国情，将房地产市场的资产泡沫风险滞后一年、不良贷款率变化滞后两《2035 远景目标纲要》中提到：“2030 年左右中国 GDP 总量超越美国，成年，其余变量根据经济变化进行滞后阶数调整，不一一赘述.
      （三）政策防控策略分析
      按照政策目标与操作框架，可以将货币政策从结构型、数量型和价格型三个角度进行分析。将较为敏感的变量按照以下三个角度进行调控。
      1. 经济增长情景政策仿真
      经济增长阶段，宽松的货币政策和信贷政策能够降低企业交易门槛，促进市场活跃，但可能会引发经济过热，总结我国历年调整方案，具体参数调整如表 1。

      说明：其中原始参数为各指标变量在模型中的乘数，调整参数为调整之后的乘数，如原始参数为 1 时，上调 20%，则调经济过热与资产泡沫。结构型政策虽能针对性降低银行业不良贷款风险，却可能整参数为 1.2，下同，图 2 为经济增长情景下政策模拟比较图。结果显示，在经济上行阶段，若仅依靠供给侧的总量或价格调3控，虽可一定程度上抑制信贷风险，但难以根本遏制经济过热与资产泡沫。结构型政策虽能针对性降低银行业不良贷款风险，却可能付出流动性紧张的代价。因此，长期防控系统性金融风险需在维持整体杠杆基本稳定的前提下，推进结构性改革，引导资金流向实体经济，避免经济过度“脱实向虚”。
      2. 经济衰退情景政策仿真
      经济下行阶段，市场较为疲软，供给端和需求端均处于下降状态。债务风险、流动性风险、经济风险等多方面风险不断上升。总结我国政策调整方案，具体参数调整如表 2。图3 为经济衰退情景下政策模拟比较图。结果显示，在经济衰退阶段，单一政策工具往往难以兼顾“稳增长”与“防风险”。数量型政策虽能快速提振经济，但可能积累债务风但可能积累债务风险；价格型政策可降低社会融资成本，却可能压缩银行利润空间；结构型政策有助于引导资金流向实体经济并抑制资产泡沫，但可能对短期增长动能产生一定压制。因此，在经济下行期，更需要注重政策组合与结构引导，实现总量适度宽松与精准滴灌相结合，才能在支撑经济复苏的同时维护金融体系长期稳定。

三、结语
      通过上述实证分析，结论如下：第一，我国六大金融部门的风险波动表现出显著的同步性，与系统性金融风险呈正相关。第二，我国系统性金融风险主要源于银行部门，流动性风险和信贷风险对金融体系影响较大。第三，政策工具方面，价格型调控工具具备较大弹性，但孤立使用效果有限；数量型政策需与宏观经济背景适配，尤其在经济下行阶段，货币供应量的调控容错空间较为有限；结构型政策虽在短期内可能带来一定市场调整压力，但长期而言具有显著且持续的风险抑制效果。

 参考文献
[1] 陶玲 , 朱迎 , 2016. 系统性金融风险的监测和度量——基于中国金融体系的研究 [J]. 金融研究 (6):18-36.
[2] 白鹤祥 , 刘社芳 , 罗小伟 , 等 , 2020. 基于房地产市场的我国系统性金融风险测度与预警研究 [J]. 金融研究 (8): 54-73.
[3] 张璇 , 张梅青 , 唐云锋 ,2022. 地方政府债务风险与金融风险的动态交互影响研究——基于系统动力学模型的政策情景仿真[J/OL]. 经济与管理研究 (7):3-15.