分析基于参数及非参数模型对债务危机早期预警系统的比较

PAGEPAGE1分析基于参数及非参数模型对债务危机早期预警系统的比较一、引言20世纪70年代，拉美国家普遍施行进口替代的发展战略，且大量举债以推动工业化发展，但由于利率及两次石油危机等的影响，拉美债务越来越重，货币不断贬值，进而以1982年墨西哥危机为先导爆发全面债务危机。之后，关于债务危机的预警研究也逐步兴起〔Calvo等，1996〕。严重的债务危机对债务国及债权国，乃至全球经济都存在晦气影响。尤其是近年来的欧债危机事件，使得债务风险控制及债务危机预警再次成为学界与实务领域关注的焦点〔Gorton，2012〕。债务危机的一般性定义是指一国不能按时归还本金或支付利息〔Reinhart等，2009〕，表现为大量公共或私人部门无法按时清偿债务，一国不得不申请债务重排及国际援助。重要的债务危机预警的研究方法有参数及非参数的方法〔Manasse等，2003〕，前者重要是基于线性概率〔LP〕及二元选择模型；后者重要是信号分析方法，如经典的KLR模型〔Kaminsky等，1998〕等。Kaminsky等〔1998〕基于信号分析的方法，对相应指标设定门槛值以寻找对危机有预警作用的指标，通过构建15个变量的早期预警体系对发展中及工业化国家的危机作预测，研究表示清楚：出口额、M2／贮备、实际汇率及产出等指标具有较好的预警作用。Hemming＆Petrie〔2002〕则侧重从、财务收支等与偿债力的关系实证检验债务危机的发生机理及危机的预测效果。Reinhat〔2002〕的研究表示清楚债务危机往往领先于货币危机的发生，因此对于货币危机有预警作用的指标则可用于构建债务危机的早期预警系统。DuanPeng等〔2008〕也采取KLR的信号分析方法揭示了中国发生危机的软弱性。但是大多数经济指标在信号分析等非参数法的运用中，其预警效果并不睬想，除没有能提早发出信号外以至发出毛病的信号〔Berg等，1988〕。而基于参数法的Logit及Probit等二元选择模型则能够给出危机的预测概率，同时考虑各变量间的关系及每个预警指标的统计显著特征，进而成为危机预警的主流模型〔Lewis等，1990〕。Frankel等〔1996〕基于Probit模型对危机预测发现，国内信贷增速越快、FDI占外债比值越低、外储越少、实际汇率越高估时发生危机可能性也越大。Manasse等〔2003〕结合Logit模型分别从参数及非参数的角度对债务危机的预警作用进行比较分析，结论表示清楚Logit模型虽能预测大部分危机，但将参数与非参数方法相与结合给出的危机预警精确率是最高的。同时，关于危机预警系统构建的新模型也不断出现，如人工神经网络〔ANN〕模型〔Nag等，1999〕、聚类方法〔Fuertes等，2007〕、二元递归树〔binaryrecursivetree〕方法〔Manasse等，2009〕等。林伯强〔2002〕重点选取外债贮备比、通胀率、进口贮备比等指标，基于多元累积和〔MCS〕模型构建了外债预警系统，结论表示清楚模型可提早一期发出信号。MarcoFioramant〔2008〕结合ANN模型构建债务危机的早期预警系统，并通过与Probit模型的比较发现，由于神经网络模型的灵敏性，使得ANN等非参数模型的预测精确率即预警效果要优于基于参数的Probit模型。胡援成等〔2013〕的研究也得出相近的结论。综上，本文考虑分别基于参数模型及非参数模型对债务危机早期预警系统进行比较分析，变量的选取参考Kamin等〔2007〕的做法分别选取对危机预警有解释力的国内因素、中间因素及外在冲击因素等不同组其余危机预警指标进行预测分析，并比较各个不同组别之于危机预警的奉献度，同时选取经典的KLR模型的15个变量作为参照组进行比较分析。本文的重要奉献在于：〔1〕初次系统总结了债务危机相关预警指标，并针对新兴经济体国家进行了检验；〔2〕分别基于面板Logit及BP＿Adaboost模型对债务危机预警进行测度比较。〔3〕构建了优于传统KLR模型的DIE模型，并对国内、中间、国际等不同组别因素对债务危机预警的奉献度进行量化比较。在当下我们国家债务危机潜在论甚嚣尘上之际，本文的研究能够从理论上提供一定的量化分析证据。本文下面内容布置为：第二部分为数据说明及研究方法；第三部分为不同模型的实证比较分析；最后一部分为本文的重要结论。二、数据说明及研究方法〔一〕预警指标选择本文选取新兴经济体〔E11〕国家1980～2011年的数据，去掉数据缺失的样本点，本文所牵涉样本共352个，其中未发生危机的有297个，发生危机的有55个。综合考虑Kaminsky等〔1998〕学者关于危机预警系统测度指标的选取，本文共总结出32个指标：F1＿RER〔实际汇率〔直接标价法〕，－〕、F2＿Exports〔出口额，－〕、F3＿Imports〔进口额，＋〕、F4＿Stockprices〔股指，本文用市值／，＋〕、F5＿M2／Reserves〔M2与国际贮备比，＋〕、F6＿output〔，－〕、F7＿excessM1〔超额货币需求，实际M1与其关于实际、通胀率、时间趋势项的预期值的差，＋〕、F8＿Reserves〔国际贮备，－〕、F9＿M2multiplier〔M2货币乘数，＋〕、F10＿DC／〔国内信贷总量〔Domesticcredit〕／，＋〕、F11＿RIR〔realinterestrate，实际利率，＋〕、F12＿RID〔realinterestdifferential，与美国实际利差，＋〕、F13＿BankDeposits〔银行存款，本文用BankDeposits／，－〕、F14＿L／Drate〔lendingrate－depositrate，国内存贷利差，＋〕、F15＿Termsoftrade〔进出口交换比率，－〕、F16＿growth〔实际增长率，－〕、F17＿Reserves／Debt〔储备／总外债，－〕、F18＿Debt／〔总外债／，＋〕、F19＿Debt／Exports〔总外债／出口额，＋〕、F20＿IP／Exports〔外债利息支付／出口额，＋〕、F21＿Short－debtratio〔短期外债占总外债比率，＋〕、F22＿M2／〔M2／，＋〕、F23＿M2growth〔M2增长率，＋〕、F24＿REER〔实际有效汇率，＋〕、F25＿Inflation〔通胀率，＋〕、F26＿CA／〔经常账户盈余／，－〕、F27＿BD／〔财务预算盈余／，－〕、F28＿FDI／〔外商直接投资／，－〕、F29＿CountryQuality〔国家品质，－〕、F30＿Marketsentiment〔市场情绪，＋〕、F31＿USBondYield〔美国10年期国债收益率，＋〕、F32＿OECDgrowth〔经合组织国OECD实际年增加率，－〕。括号内为各指标说明及其关于危机的预期影响方向。国家品质指标根据PRSGroup发布的politicalrisk报告中的质量、民主水平、投资前景、稳定性及社会经济条件五个子项的加权平均，值越大则国家品质越好；市场情绪指标采取股市换手率指代；美国债10年期收益率数据来自美联储；同时由于一国实际有效汇率〔REER〕大于100往往有贬值压力，小于100则往往有升值压力，因而本文用〔REER－100〕代入模型进行实证。本文的债务危机Crisis数据〔1表示下一年出现债务危机，0则反之〕取自Reinhart等〔2009〕，均为年度数据，数据来源为国际货币基金〔IMF〕的IFS数据库及CEIC全球经济数据库。〔二〕危机预警模型选择债务危机的预警模型往往采取Logit模型〔Manasse等，2003；谭福梅，2009〕。离散选择模型相对之前的信号分析方式的优势在于考虑了各变量间的关系，便于分析各个解释变量在不同时点上对于危机预警的解释力，进而能更方便于政策的导向及施行。本文采取含随机影响的面板Logit模型进行债务危机预警系统的实证检验。假设危机发生的概率Crisis为N个解释变量Fi的函数，则随机效应面板回归方程为：其中为参数向量，为特定国家效应，而则是干扰项。Logit模型则假设Fit为Logistic累积分布函数：〔Fit〕＝exp〔Fit＋i〕［1＋exp〔Fit＋i〕，进而可通过极大似然法进行估计，本文所用的模型形式为：本文同时引入基于非参数法的BP＿Adaboost预警模型作比。BP＿Adaboost预警模型是通过选取多个BP网络为弱分类器构成的强分类器，对样本进行反复训练并给出预测，其算法步骤为：〔1〕数据选择与网络初始化。随机选取n组训练样本，初始化测试数据分布权值Dt〔i〕＝1n及BP神经网络权值与阀值。〔2〕弱分类器预测。训练第t个弱分类器，并由BP网络输出预测序列q〔t〕的三、实证分析〔一〕单指标预警系统的预测分析为比较各个指标关于危机的相关性及其对危机的预测能力，本文分别对以上32个指标进行单变量的Logit方法检验，根据检验结果的各系数符号、信噪比NSR〔noise－to－signalratio＝［B〔B＋D〕］［A〔A＋C〕］〕及其一类毛病概率〔Type1error＝C〔A＋C〕，即实际有危机却未发出信号〕和二类毛病概率〔Type2error＝B／〔B＋D〕，即实际无危机却发出信号〕的综合比较〔其中，A表示发出信号，且有危机发生；B表示发出危机信号，但实际没危机；C表示未发出信号，而实际有危机发生；D表示预测无危机，实际也无危机〕可得：除RER、Imports、StockPrices／及Marketsentiment四个指标外，其余指标对危机预警的作用符号都符合预期。一般而言，实际汇率RER越大，则货币低估越严重，同时对出口也有一定促进作用；而进口额的作用方向与出口额方向相反；股票市值与的比值过高则潜伏着资产泡沫的可能也就越大；市场情绪指标越大表示清楚市场上投机气氛浓烈厚重，因此发生危机的可能性也就越大，故以上四个指标对危机的预警易发出毛病信号。货币发行相关变量〔ExcessM1、M2growth〕及通胀率等变量均与危机正相关，表示清楚货币超发在助推信贷泡沫的同时也孕育着通胀及危机可能。实际有效汇率与危机正相关说明，当REER＞100时，危机发生的可能性较大；而当REER＜100时，危机发生的可能较小，这也与上文说明一致。〔二〕基于Logit模型的预警效果比较本文选取国内因素、中间因素及外在冲击因素〔External－shockVariables：Termsoftrade、USBondYield、OECDgrowth〕等共18个变量构建DIE模型进行实证检验。同时由表1可知，F1～F15即为Kaminsky等〔1998〕所提出的KLR模型的15个解释变量，因而本文以KLR模型作为参照组，以本文所建DIE模型作为比较组展开比较分析，被解释变量为Crisis，两组变量的Logit模型实证结果如表1和表2所示。其中，样本内预测精确率为相应模型对于危机预警的精确辨别概率，即〔A＋D〕〔A＋B＋C＋D〕。由表1和表2可知：KLR模型中output、RID、Termsoftrade等变量的系数符合与预期不符，一般而言一国产出越多、经济较快增加则基本面往往也是向好的；而高利率不仅对投资产生晦气影响，同时过高的利率会掣肘公、私部门间的投资搭配及有限资源的协调高效利用。因而，一国利率市场化水平越高、进出口贸易条件越好则该国抵御风险的能力也往往越好。由单变量的预测效果可以知，KLR模型中采取了部分对危机缺乏预警效能的变量。DIE模型中除Debt／Exports外，其余各变量对危机的影响方向与预期较一致，过度的货币需求、货币超发及高通胀率与危机呈显著的正相关；经常账户盈余、FDI以及Termsoftrade越高则具体表现出了一国良好的出口贸易环境及境内投资吸引力；一国品质越好，则其社会经济条件也越佳，稳定性与民主水平等也越好，这些都有利于一国经济的健康稳定运行及对外投资吸引力。同时DIE模型的准R2〔0．6776〕和样本内预测精确率〔89．77％〕均明显高于KLR模型。在各信号指标的比较中，DIE模型的信噪比为0．0950，远小于KLR模型。且DIE模型犯第一类毛病〔即未发出信号但危机有发生〕的概率是29．09％，而KLR模型犯第一类毛病的概率到达61．82％；另外，DIE模型犯第二类毛病〔即发出信号但实际无危机〕的概率仅为6．73％，而KLR模型犯第二类毛病的概率是21．21％。综上可见，本文构建的DIE模型要比经典的KLR模型有更高层次的预测精确率。〔三〕基于BP＿Adaboost模型的预警效果比较为了比较参数与非参数模型对于危机预警效能的差别，本文进一步基于BP＿Adaboost模型对以上两个模型进行危机预警分析，本文采取10组弱分类器BP网络构建强分类器对样本进行分类预测，样本内模仿的结果如表3所示。由表3可知，无论是KLR模型还是DIE模型，在非线性模型下的预测效能均要优于线性Logit模型的估计结果。样本内模仿的准确率分别提高到91．19％和94．60％，同时犯第一类毛病和第二类毛病的概率均有所下降。在BP＿Adaboos模型测度下，信噪比较小，可见非线性模型在样本内对于危机预警的模仿效果较好，信号质量更高层次，所传递的真实信息更多。鉴于非参数方法较高的预测效能，故可用于与参数方法的比照及佐证。但同时也应看到，非参数法由于更多的是黑箱〔blackbox〕形式的测度经过，难以明晰相关变量间的着重点及互相关系，因此也就难以有效运用到政策实务中去。〔四〕各影响因素对于危机预警的奉献度分析为进一步研究不同变量组对危机预警系统构建的奉献度，本文采取InessaLove等〔2006〕提供的面板VAR的分析方法对DIE模型中的国内因素、中间因素以及外在冲击因素进行分组的方差分解分析，其中，最优滞后阶数基于AIC、SBIC及HQIC原则取为3。由于DIE模型中三个组其余变量太多〔共18个〕，因而，首先参照王培等〔2009〕的方法对三个组别进行面板主成分分析，并根据累积奉献率，分别提取四个国内因素主成分DF1、DF2、DF3、DF4〔累积奉献率81．38％〕；三个中间因素主成分IF1、IF2和IF3〔累积奉献率85．07％〕；以及两个外在冲击主成分EF1〔累积奉献率81．07％〕。三种不同因素冲击对危机发生的方差分解结果如表4所示。由表4可见：方差分解的结果在40期以后即趋于稳定，大致而言，本国因素能解释危机的22．01％、中间因素大致为13．93％、外在冲击因素为5．18％。即，危机关于国内因素及中间因素的反应较大，但各变量的冲击都不具长期的连续作用，这是由于危机国家往往会在危机发生当年及之后采用相应的办法稳定经济发展。综上，对于一国债务危机的风险防控，一个稳定健康发展的国内经济基础是首要任务，良好的社会经济环境和强有力的稳定有助于外贸的和谐发展。外在冲击因素在全球金融危机时存在一定的传染性，但长期而言并不是本国债务危机的主导因素。〔五〕危机预警系统的模仿结果本文同时基于Logit模型对DIE模型中的国内因素、中间因素以及外在冲击因素进行分组预测比较，Model1为仅采取国内因素、Model2为采取国内因素和中间因素、Model3为采取所有因素，进而分别基于这三个分组对危机进行样本内模仿，限于篇幅本文仅给出巴西和中国的危机预警效果，如此图1和2所示。由图1可知：危机预测的概率在危机发生期间〔图中竖线〕升高，而在无危机期间随之下降，可见Logit模型具有一定的预测作用。相对而言在大的危机〔如1998～1999年〕期间同时考虑国内外环境影响的所有因素模型给出的危机概率要更精确于其他两组因素，财务赤字严重、巨额外债、外储急剧缩减及外资大量流出以及同年俄罗斯及亚洲金融风暴等等构成了该期间巴西危机的内外大环境，这也具体表现出了大的金融危机在各国间的风险传染性。但同时可以看到，在危机发生期间，三组因素给出的危机预警结果较为一致，国内因素对于危机的解释度也很高，这也与上文脉冲响应及方差分解结果较一致，而参加外在冲击的模型估计结果与仅考虑国内和中间因素的模型结果较接近，这也同样说明了外在冲击因素并不是一国债务额危机的主导因素，这也与Kamin等〔2007〕的结论一致；但大的全球金融危机则会在短期内直接影响到新兴经济体的进出口外贸环境〔陈艺云等，2010〕，进而通过CA／、REER、Termsoftrade、FDI等中间因素指标影响本国经济。同时，2009年以来巴西发生危机的概率有趋升之势，这与巴西在2008年全球金融危机后的刺激政策不无关系。2009以来巴西的货币供给量M2／的比值逐年攀升〔见图3〕，进而导致高出目的的通货膨胀率，并进而推高其物价和资金成本；同时2009～2011年巴西每年的总外债占比重均在65％左右，财务赤字占比重平均为－2．6％，接近－3％的门槛值〔沈中华等，2000〕；同时经常账户也处于赤字状况，实际有效汇率REER均跨越100，因而，可预见巴西仍有较大的通胀和贬值压力，且发生危机风险较高。由图2可知，中国固然在该时期内暂未发生过债务危机，但2008年全球金融危机后，我们国家发生危机的概率也有所提升，其风险不容忽视。自2009年四万亿等的经济刺激政策以来，我们国家M2／比重不断增长〔见图3〕，通胀风险较大，且2009年财务赤字触及－3％的危机门槛值，至2012年仍处于财务赤字，且存在一定的银行坏账。比照REER及以上各因素而言，将来中国通胀风险及贬值压力仍存在，发生危机的概率虽较小，但也应引起足够看重，尤其是在当下我们国家地方债务规模庞大而又缺乏管控的情形下，化解债务风险，需要充足的警觉与看重，以及一揽子的综合治理方案。四、结论本文根据E11新兴经济体国家1980～2011年间的数据，通过单指标的Logit模型选取预警指标构建包括国内、中间及外在冲击三种因素的债务危机预警系统，同时选取KLR模型的指标作为参照组作比，并通过面板Logit与