【《地方隐性债务风险指数和系统性金融风险指数构建案例分析》5400字】

第由于不同指标对所描述的隐性债务风险有着或加深或减轻的作用，所以使用影响方向加以区分，定义加深风险程度的指标为正向，能化解、抵御风险的指标为负向，其值越大，越降低该地区的风险指数。最终，形成以下三大类指标构成的风险测度体系：1.2.模型选择——熵权-TOPSIS法目前，指数加权法分为两类：主观加权法和客观加权法。主观加权法正如字面意思，是认为的通过主观判断来确定指标权重，为了是主观结果更贴合客观实际，常采取的办法有：咨询专家诉诸权威，提高权重的准确专业性，但认为赋权难以避免地会受到偏见、认识水平、不公正出发点的限制，难以保证权重的合理性，常间的方法有德尔菲法和层次分析法。客观分析法对应的是脱离人主观想法，把权重的决定权交给客观地数学计量模型，根据各种原始指标之间的影响关系，对最后结果的贡献程度等依据，计算出每个指标的权重。熵权法，主成分分析方法、标准差方法都是这样的方法。本文选择了客观加权法中的熵权-TOPSIS法，对各省地方政府的隐性债务风险进行综合评估。TOPSIS方法根据接近理想解决方案的优先级对系统进行分类。基于调整分数构造一个正面和负面的“理想解决方案”。其中，“正奇异解”是指假设的最优解，而“负奇异解”是指假设的最差解。计算特定目标与正负异常解之间的加权欧几里得距离，以确定目标与正异常解之间的近似程度，以评估每个目标的优缺点。基于信息熵理论，使用考察多个指标以何种程度影响最终结果的熵，以此来确定指标权重的方法，与TOPSIS模型结合改进后，被称为熵权-TOPSIS法。其中涉及的TOPSIS方法是根据接近理想解决方案的优先级对系统进行分类。基于调整分数，构造一个正面和负面共同作用得到的理想解决方案。“正奇异解”是指假设的最优解，而“负奇异解”是指假设的最差解。计算特定目标与正负异常解之间的加权欧几里得距离，以确定目标与正异常解之间的近似程度，以评估每个目标的优缺点。“熵”是平均信息量的概括。索引中包含的信息量与信息熵成反比。度量具有的信息越多，度量提供的不确定性越小，信息熵越小，反之越大，依据信息熵，计算出最后的评价分数。总的来说，该方法能够客观地根据数据区分权重，能够容纳多维度的，不同影响方向的指标，给出直观的，准确性、可得性较高，可以用于进一步模型计算的数据结果。1.3结果分析根据上述指标，经过计算，最终得到了31省2009-2019年间每年的隐性债务风险指数矩阵。为了更直观的看到整体结果，本文将总体31个省11年共341个面板样本按风险程度高低排序，排序越靠前表示风险等级越高。通过风险排序，可以体现出每个省11年间的风险程度变化。总体来看，北上广、江浙一带，地方政府隐性债务风险程度较低。其中北京多次成为当年风险排名最低的地区，且北京和上海两市总体形势较稳定保持在300名以上。江苏、浙江水平也比较接近，风险程度较低，且都有风险程度逐渐加深的趋势。广东历来经济实力强，又有深圳、广州两大一线城市带动，财政收入全国领先，虽然债务规模较大，但债务风险水平却相对较低。福建省11年间风险水平波动大，2013年之前的隐性债务风险水平较低，2015-2019年间排名陡峭上升，有了明显的风险加重，从2010年292的较安全排序升高到2019年的97位，可能的原因是近年来以来作为主要经济动力的第二产业开始告别辉煌，与此同时另一主要财政资金来源—土地出让收入也出现一定程度的缩减。表4-2风险测度指数结果2009-2019我国31省隐形债务风险测度0910111213141516171819安徽0.590.540.530.560.560.570.580.600.610.590.64北京0.330.300.290.320.290.280.300.330.330.350.36福建0.460.440.450.470.470.520.560.580.610.630.64甘肃0.690.680.670.660.650.670.660.710.690.660.67广东0.410.420.420.410.410.420.450.430.440.430.46广西0.670.670.670.680.700.700.690.700.700.730.76贵州0.590.600.630.640.660.650.590.650.670.700.74海南0.500.440.460.470.480.480.490.500.490.460.48河北0.460.440.440.470.500.530.520.560.530.480.53河南0.610.600.600.620.610.630.650.680.690.700.71黑龙江0.630.600.550.590.620.600.600.620.620.590.63湖北0.590.580.590.590.590.610.620.630.650.640.66湖南0.680.660.680.690.700.720.730.730.750.730.73吉林0.600.600.560.590.590.620.630.670.670.670.67江苏0.410.390.410.410.400.430.410.420.460.440.46江西0.590.560.570.570.570.590.600.630.630.650.66辽宁0.530.510.470.500.530.590.560.480.490.510.55内蒙古0.660.650.620.640.670.720.690.690.670.630.63宁夏0.510.510.500.530.530.590.620.700.690.660.69青海0.550.550.550.570.580.590.590.610.630.600.60山东0.500.490.510.520.520.520.550.570.600.590.61山西0.610.610.590.600.640.670.710.700.560.580.57陕西0.620.600.630.610.630.660.710.720.690.650.65上海0.350.320.320.310.310.300.310.290.320.320.33四川0.600.570.570.570.580.610.640.660.670.680.71天津0.560.570.610.670.660.660.690.650.640.560.60西藏0.600.540.450.460.510.520.510.560.570.590.59新疆0.510.410.460.490.530.560.610.590.630.570.58云南0.570.560.540.540.580.630.640.670.720.700.71浙江0.330.300.320.330.340.380.400.390.380.430.47重庆0.630.580.600.640.610.600.580.630.650.660.66表4-3隐性债务风险测度排序结果2009-2019我国31省熵权法隐形债务风险测度排序910111213141516171819北京324336340330339341337322319316315天津211193136466968328791217148河北276288287272258238239218232265230山西13513818214998491723219189203内蒙古7683121925911303852114116辽宁237252274257231170210266261250222吉林15114720817216611911555605051黑龙江105145223160125144141117122181107上海317328329332331334333338327326323江苏306311307308309293304300281290277浙江320335325321318314310312313294270安徽16522923321220920218714013117996福建27529228627326924121519212610697江西1632072061941951781551021108266山东253263248240244243225205158167130河南1291431501241371048645372213湖北177191180171169132120100799373湖南44714335191067285广东303298297305301299285295289296283广西47574840252831272141海南254291279271268264260255262282267重庆9918315990139152185108806463四川1572042001991841279474564214贵州1741561098967881628553263云南2012162282271901129554122015西藏153226284278249242246213198176161陕西12314210112811170169367881甘肃2941587784617518336562青海221220224196186168175133113146154宁夏25124525623623416411824397234新疆247302280259235214134173103197188根据上文隐性债务规模的测算，山东省拥有最大规模的隐性债务，但其在风险测度中表现了较安全的风险水平，因此推断山东省应具有较高的经济、财政收支水平，且人口基数大，也有利于风险的分摊，因此能够承担高额的债务，抵御隐性债务风险的加深。海南省经测算得到政府隐性债务规模很小，除了自身经济发展带动，也因为得到中央的重点建设支持，有力缓解了本省的财政压力，债务风险水平也自然较低。以上提到的风险水平较低的省和直辖市几乎全位于东部沿海地区，具有经济发展程度高、应对风险能力强、产业结构较合理、开放程度高等特点。时间变化特征上，北京、天津、上海广东等地出现债务风险排序基本逐渐下降的趋势，而其余大多数省份在时间趋势上，其实呈现出逐年风险等级加重的情况。由此本文初步印证一个假设：经济水平的提高，能够预防债务风险的发生，提高对隐性债务的承载能力，遏制隐性债务风险加重的势头。我们截取2010年与2019年时隔十年的两个截面状况结合我国地图绘制风险分布图：图4-12009年地方政府隐性债务风险测度分布图4-22019年地方政府隐性债务风险测度分布首先，我们从结合前文隐性债务规模柱状图中的结果，可以发现，并不是隐性债务规模大的省风险就也一定大，地区较好的经济、财政状况，人口及人口的收入水平，都能起到对隐性债务风险的缓冲作用，对债务风险有更好的承载力，反之即便债务总量并没有到达很大规模，也有地区因为自身承载力薄弱、创收能力弱而更加接近债务危险。其次，通过对比2010-2019年两年的风险分布图，我们可以看出高、低风险的区域分布、风险程度在十年间都发生了变化。2010年只有三个省份为最深色，且在南方、北方均有分布，还没有形成明显的集聚。到了2019年，最深色省份数量上有所增加，且明显呈在我国中南部地区重庆周边围绕聚集的态势，并向西部偏远地区蔓延。并在地理空间上，离此处高风险集聚地越远，颜色越浅，也就是风险指数越低。因此，可以初步得出结论，地区隐性债务风险程度在随时间加深，且呈现集聚效应，或者说，高债务风险的地区对周边的债务风险具有溢出效应。图4-32009-2019年全国平均隐性债务风险趋势图接下来，我们将31各省每年的风险测度结果计算一个全国年度平均风险指绘制折线图，也能够明显的看到风险程度随时间抬头上升的趋势。1.4地方金融风险评价指标的构建本文旨在探究地方政府隐性债务风险对邻近地区及对本系统性金融风险的溢出效应，因此此章节对于地方金融风险指标的构建及计算是为了建立一个与前文地方政府隐性债务风险指标同步的反映地区金融风险水平的指标，作为被解释变量为后续实证打下基础。对于地方金融风险评价指标的模型选取，与前面的地方政府隐性债务风险指标的方法保持一致，选用熵权法——TOPSIS，具体方法不再赘述。1.4.1.指标选取通过参考借鉴改进，以及考虑数据的有效可得性，本文的地方金融风险评价体系由以下指标构成：表4-4系统性金融风险评价指标对于地区系统性金融风险的评价指标，大体上分为区域经济和区域金融两个板块。对于区域经济的描述指标，纳入了GDP,一般预算收入，固定资产增长率等数据，以上指标的较强有力发展水平能够为避免系统性金融风险的爆发提供保障，而地区的通货膨胀率和信贷过分扩张则是区域整体的不稳定性因素，因此定义为正向影响系统性风险的加深。固定资产投资、房地产的繁荣发展，社会消费的增长意味着居民的经济水平消费动力良好，反映生活水平的提高，都是体现区域经济活力，吸引投资能力的指标，所以与金融风险水平的升高呈负相关。由于用于固定资产的投资大比例来自于各种银行和其它信贷渠道，这些杠杆带来的后果集中体现在银行的存贷比和不良贷款率上，区域经济过高的杠杆率和不良贷款率无疑是风险加深信用风险、流动性风险的因素，当行业、企业遇到下行趋势，收益率不能保障资金链安全，发生信用风险，其风险必定会经银行系统，传导扩大至系统性金融风险。保险行业作为金融领域的主要行业之一，其给系统性风险带来影响的指标本文选择收支比，较高的收益水平是风险程度低的体现。1.4.2.测算结果根据以上指标，通过模型测度，最终再次得出31个省份11年的区域风险指标矩阵。测算结果如下表：表4-5系统性金融风险测度结果2009-2019年我国31省系统性金融风险测度20092010201120122013201420152016201720182019北京0.2910.310.410.3820.40.3960.4130.3970.4040.4310.429天津0.3150.3180.3580.340.3680.420.4320.4780.5870.6710.568河北0.3530.3130.3760.3450.3860.3980.4210.4740.4780.5440.512山西0.4820.3590.4090.3610.4090.4770.5550.5790.5370.5160.546内蒙古0.3040.3260.370.3730.4160.5120.6390.6070.6890.6530.658辽宁0.3990.3390.410.3880.410.4610.5250.5890.6040.7110.715吉林0.4230.3480.3680.3350.40.4180.4450.5340.590.6650.667黑龙江0.4370.3570.3970.3620.3940.4480.4710.4990.5080.5670.575上海0.3450.3310.4050.410.4170.4390.4320.4210.410.4110.433江苏0.2990.320.3750.370.4010.4190.4390.4420.420.4470.449浙江0.3360.3370.3880.4380.4780.4840.5110.4990.450.4330.429安徽0.2970.2870.3960.340.3560.4110.4530.440.4320.4860.471福建0.2830.3010.3570.3340.3740.4380.5120.5270.4590.4290.481江西0.3430.320.3820.3730.4040.4010.4610.4880.4840.5950.537山东0.3450.3260.3840.3680.3990.4480.5010.5340.5680.6660.61河南0.3470.3330.3760.3380.370.3760.4180.4610.4520.5530.524湖北0.2940.2920.3480.3320.3730.3920.4140.4530.4240.4370.442湖南0.3320.3180.3640.3440.3840.4010.4