基于參數(shù)及非參數(shù)模型對債務(wù)危機(jī)早期預(yù)警系統(tǒng)的比較,經(jīng)濟(jì)危機(jī)論文

基于參數(shù)及非參數(shù)模型對債務(wù)危機(jī)早期預(yù)警系統(tǒng)的比較,經(jīng)濟(jì)危機(jī)論文20世紀(jì)70年代，拉美國家普遍施行進(jìn)口替代的發(fā)展戰(zhàn)略，且大量舉債以推動(dòng)工業(yè)化發(fā)展，但由于利率及兩次石油危機(jī)等的影響，拉美債務(wù)越來越重，貨幣不斷貶值，進(jìn)而以1982年墨西哥危機(jī)為先導(dǎo)爆發(fā)全面?zhèn)鶆?wù)危機(jī)。之后，關(guān)于債務(wù)危機(jī)的預(yù)警研究也逐步興起〔Calvo等，1996〕。嚴(yán)重的債務(wù)危機(jī)對債務(wù)國及債權(quán)國，乃至全球經(jīng)濟(jì)都存在不利影響。尤其是近年來的歐債危機(jī)事件，使得債務(wù)風(fēng)險(xiǎn)控制及債務(wù)危機(jī)預(yù)警再次成為學(xué)界與實(shí)務(wù)領(lǐng)域關(guān)注的焦點(diǎn)〔Gorton，2020〕。債務(wù)危機(jī)的一般性定義是指一國不能按時(shí)歸還本金或支付利息〔Reinhart等，2018〕，表現(xiàn)為大量公共或私人部門無法按時(shí)清償債務(wù)，一國不得不申請債務(wù)重排及國際援助。主要的債務(wù)危機(jī)預(yù)警的研究方式方法有參數(shù)及非參數(shù)的方式方法〔Manasse等，2003〕，前者主要是基于線性概率〔LP〕及二元選擇模型；后者主要是信號分析方式方法，如經(jīng)典的KLR模型〔Kaminsky等，1998〕等。Kaminsky等〔1998〕基于信號分析的方式方法，對相應(yīng)指標(biāo)設(shè)定門檻值以尋找對危機(jī)有預(yù)警作用的指標(biāo)，通過構(gòu)建15個(gè)變量的早期預(yù)警體系對發(fā)展中及工業(yè)化國家的危機(jī)作預(yù)測，研究表示清楚：出口額、M2／儲(chǔ)備、實(shí)際匯率及產(chǎn)出等指標(biāo)具有較好的預(yù)警作用。Hemming＆Petrie〔2002〕則著重從、財(cái)政收支等與償債力的關(guān)系實(shí)證檢驗(yàn)債務(wù)危機(jī)的發(fā)生機(jī)理及危機(jī)的預(yù)測效果。Reinhat〔2002〕的研究表示清楚債務(wù)危機(jī)往往領(lǐng)先于貨幣危機(jī)的發(fā)生，因此對于貨幣危機(jī)有預(yù)警作用的指標(biāo)則可用于構(gòu)建債務(wù)危機(jī)的早期預(yù)警系統(tǒng)。DuanPeng等〔2008〕也采用KLR的信號分析方式方法揭示了中國發(fā)生危機(jī)的脆弱性。但是大多數(shù)經(jīng)濟(jì)指標(biāo)在信號分析等非參數(shù)法的運(yùn)用中，其預(yù)警效果并不理想，除沒有能提早發(fā)出信號外甚至發(fā)出錯(cuò)誤的信號〔Berg等，1988〕。而基于參數(shù)法的Logit及Probit等二元選擇模型則能夠給出危機(jī)的預(yù)測概率，同時(shí)考慮各變量間的關(guān)系及每個(gè)預(yù)警指標(biāo)的統(tǒng)計(jì)顯著特征，進(jìn)而成為危機(jī)預(yù)警的主流模型〔Lewis等，1990〕。Frankel等〔1996〕基于Probit模型對危機(jī)預(yù)測發(fā)現(xiàn)，國內(nèi)信貸增速越快、FDI占外債比值越低、外儲(chǔ)越少、實(shí)際匯率越高估時(shí)發(fā)生危機(jī)可能性也越大。Manasse等〔2003〕結(jié)合Logit模型分別從參數(shù)及非參數(shù)的角度對債務(wù)危機(jī)的預(yù)警作用進(jìn)行比擬分析，結(jié)論表示清楚Logit模型雖能預(yù)測大部分危機(jī)，但將參數(shù)與非參數(shù)方式方法相與結(jié)合給出的危機(jī)預(yù)警準(zhǔn)確率是最高的。同時(shí)，關(guān)于危機(jī)預(yù)警系統(tǒng)構(gòu)建的新模型也不斷出現(xiàn)，如人工神經(jīng)網(wǎng)絡(luò)〔ANN〕模型〔Nag等，1999〕、聚類方式方法〔Fuertes等，2007〕、二元遞歸樹〔binaryrecursivetree〕方式方法〔Manasse等，2018〕等。林伯強(qiáng)〔2002〕重點(diǎn)選取外債儲(chǔ)備比、通脹率、進(jìn)口儲(chǔ)備比等指標(biāo)，基于多元累積和〔MCS〕模型構(gòu)建了外債預(yù)警系統(tǒng)，結(jié)論表示清楚模型可提早一期發(fā)出信號。MarcoFioramant〔2008〕結(jié)合ANN模型構(gòu)建債務(wù)危機(jī)的早期預(yù)警系統(tǒng)，并通過與Probit模型的比擬發(fā)現(xiàn)，由于神經(jīng)網(wǎng)絡(luò)模型的靈敏性，使得ANN等非參數(shù)模型的預(yù)測準(zhǔn)確率即預(yù)警效果要優(yōu)于基于參數(shù)的Probit模型。胡援成等〔2020〕的研究也得出相近的結(jié)論。綜上，本文考慮分別基于參數(shù)模型及非參數(shù)模型對債務(wù)危機(jī)早期預(yù)警系統(tǒng)進(jìn)行比擬分析，變量的選取參考Kamin等〔2007〕的做法分別選取對危機(jī)預(yù)警有解釋力的國內(nèi)因素、中間因素及外在沖擊因素等不同組別的危機(jī)預(yù)警指標(biāo)進(jìn)行預(yù)測分析，并比擬各個(gè)不同組別之于危機(jī)預(yù)警的奉獻(xiàn)度，同時(shí)選取經(jīng)典的KLR模型的15個(gè)變量作為參照組進(jìn)行比擬分析。本文的主要奉獻(xiàn)在于：〔1〕初次系統(tǒng)總結(jié)了債務(wù)危機(jī)相關(guān)預(yù)警指標(biāo)，并針對新興經(jīng)濟(jì)體國家進(jìn)行了檢驗(yàn)；〔2〕分別基于面板Logit及BP＿Adaboost模型對債務(wù)危機(jī)預(yù)警進(jìn)行測度比擬?！?〕構(gòu)建了優(yōu)于傳統(tǒng)KLR模型的DIE模型，并對國內(nèi)、中間、國際等不同組別因素對債務(wù)危機(jī)預(yù)警的奉獻(xiàn)度進(jìn)行量化比擬。在當(dāng)下我們國家債務(wù)危機(jī)潛在論甚囂塵上之際，本文的研究能夠從理論上提供一定的量化分析證據(jù)。本文下面內(nèi)容布置為：幅本文僅給出巴西和中國的危機(jī)預(yù)警效果，如此圖1和2所示。由圖1可知：危機(jī)預(yù)測的概率在危機(jī)發(fā)生期間〔圖中豎線〕升高，而在無危機(jī)期間隨之下降，可見Logit模型具有一定的預(yù)測作用。相對而言在大的危機(jī)〔如1998～1999年〕期間同時(shí)考慮國內(nèi)外環(huán)境影響的所有因素模型給出的危機(jī)概率要更準(zhǔn)確于其他兩組因素，財(cái)政赤字嚴(yán)重、巨額外債、外儲(chǔ)急劇縮減及外資大量流出以及同年俄羅斯及亞洲金融風(fēng)暴等等構(gòu)成了該期間巴西危機(jī)的內(nèi)外大環(huán)境，這也具體表現(xiàn)出了大的金融危機(jī)在各國間的風(fēng)險(xiǎn)傳染性。但同時(shí)可以看到，在危機(jī)發(fā)生期間，三組因素給出的危機(jī)預(yù)警結(jié)果較為一致，國內(nèi)因素對于危機(jī)的解釋度也很高，這也與上文脈沖響應(yīng)及方差分解結(jié)果較一致，而參加外在沖擊的模型估計(jì)結(jié)果與僅考慮國內(nèi)和中間因素的模型結(jié)果較接近，這也同樣講明了外在沖擊因素并不是一國債務(wù)額危機(jī)的主導(dǎo)因素，這也與Kamin等〔2007〕的結(jié)論一致；但大的全球金融危機(jī)則會(huì)在短期內(nèi)直接影響到新興經(jīng)濟(jì)體的進(jìn)出口外貿(mào)環(huán)境〔陳藝云等，2018〕，進(jìn)而通過CA／、REER、Termsoftrade、FDI等中間因素指標(biāo)影響本國經(jīng)濟(jì)。同時(shí)，2018年以來巴西發(fā)生危機(jī)的概率有趨升之勢，這與巴西在2008年全球金融危機(jī)后的刺激政策不無關(guān)系。2018以來巴西的貨幣供給量M2／的比值逐年攀升〔見圖3〕，進(jìn)而導(dǎo)致高出目的的通貨膨脹率，并進(jìn)而推高其物價(jià)和資金成本；同時(shí)2018～2018年巴西每年的總外債占比重均在65％左右，財(cái)政赤字占比重平均為－2．6％，接近－3％的門檻值〔沈中華等，2000〕；同時(shí)經(jīng)常賬戶也處于赤字狀態(tài)，實(shí)際有效匯率REER均超過100，因而，可預(yù)見巴西仍有較大的通脹和貶值壓力，且發(fā)生危機(jī)風(fēng)險(xiǎn)較高。由圖2可知，中國固然在該時(shí)期內(nèi)暫未發(fā)生過債務(wù)危機(jī)，但2008年全球金融危機(jī)后，我們國家發(fā)生危機(jī)的概率也有所提升，其風(fēng)險(xiǎn)不容忽視。自2018年四萬億等的經(jīng)濟(jì)刺激政策以來，我們國家M2／比重不斷增加〔見圖3〕，通脹風(fēng)險(xiǎn)較大，且2018年財(cái)政赤字觸及－3％的危機(jī)門檻值，至2020年仍處于財(cái)政赤字，且存在一定的銀行壞賬。比照REER及以上各因素而言，將來中國通脹風(fēng)險(xiǎn)及貶值壓力仍存在，發(fā)生危機(jī)的概率雖較小，但也應(yīng)引起足夠重視，尤其是在當(dāng)下我們國家地方債務(wù)規(guī)模龐大而又缺乏管控的情形下，化解債務(wù)風(fēng)險(xiǎn)，需要充分的警覺與重視，以及一攬子的綜合治理方案。四、結(jié)論本文根據(jù)E11新興經(jīng)濟(jì)體國家1980～2018年間的數(shù)據(jù)，通過單指標(biāo)的Logit模型選取預(yù)警指標(biāo)構(gòu)建包含國內(nèi)、中間及外在沖擊三種因素的債務(wù)危機(jī)預(yù)警系統(tǒng)，同時(shí)選取KLR模型的指標(biāo)作為參照組作比，并通過面板Logit與BP＿Adaboost模型進(jìn)行危機(jī)預(yù)警效果的實(shí)證分析，本文的實(shí)證結(jié)論表示清楚：1．單指標(biāo)的危機(jī)預(yù)警效果較差，債務(wù)危機(jī)預(yù)警系統(tǒng)構(gòu)建應(yīng)結(jié)合多個(gè)指標(biāo)進(jìn)行綜合考慮。2．相對于經(jīng)典的KLR模型的指標(biāo)體系而言，本文構(gòu)建的包含國內(nèi)、中間及外在沖擊三種因素的DIE預(yù)警指標(biāo)體系無論是參數(shù)還是非參數(shù)法下均獲得更好的準(zhǔn)R2及樣本內(nèi)預(yù)測準(zhǔn)確率，模型中各指標(biāo)對危機(jī)的影響方向與預(yù)期亦較一致，且DIE模型的信噪比、一類及二類錯(cuò)誤率均更低。3．基于BP＿Adaboost模型的非參數(shù)法固然有助于降低一類及二類錯(cuò)誤率，提高危機(jī)預(yù)警的樣本內(nèi)準(zhǔn)確率，但同時(shí)也應(yīng)看到，非參數(shù)模型難以明晰相關(guān)變量間的側(cè)重點(diǎn)及互相關(guān)系，因此也就難以有效運(yùn)用到政策分析中去，可作為參數(shù)模型的補(bǔ)充驗(yàn)證。4．僅包含國內(nèi)因素、包含國內(nèi)及中間因素以及包含所有因素的三組指標(biāo)給出的危機(jī)預(yù)警結(jié)果較為一致，相對而言，危機(jī)關(guān)于國內(nèi)因素及中間因素的反響更大，表征經(jīng)濟(jì)增長、貨幣供給等的國內(nèi)因素及表征外債及進(jìn)出口的中間因素能解釋危機(jī)的大部分。5．將來中國通脹風(fēng)險(xiǎn)及貶值壓力仍存在，發(fā)生危機(jī)的概率雖較小，但也應(yīng)引起足夠重視，尤其是在當(dāng)下我們國家地方債務(wù)規(guī)模龐大而又缺乏管控的情形下，化解債務(wù)風(fēng)險(xiǎn)，需要充分的警覺與重視，以及一攬子的綜合治理方案。以下為參考文獻(xiàn)：1.陳藝云,鄭少賢．2018歐元區(qū)主權(quán)債務(wù)危機(jī)的原因、影響及啟示[J]．國際經(jīng)貿(mào)探尋求索(9):16－22．2.胡援成,康鴻．2020主權(quán)債務(wù)危機(jī)預(yù)警系統(tǒng)的構(gòu)建基于新興市場國家數(shù)據(jù)的研究[J]．現(xiàn)代財(cái)經(jīng)(6):43－53．3.林伯強(qiáng)2002．外債風(fēng)險(xiǎn)預(yù)警模型及中國金融安全狀況評估[J]