货币危机泛指汇率的变动幅度超出了一国可承受的范围这一现象,或者是“对货币的投机性进攻导致货币大幅度贬值或国际储备大幅度下降的状态”。货币危机预警是与投机性货币冲击理论的发展密切相关的。
货币危机预警的主要目的是提早识别危机发生的信号,以便该国能够及时采取适当的措施,减少危机发生的概率,乃至避免危机的发生,或者减少危机发生的强度和烈度。关于货币危机预警理论的研究始于对20世纪六七十年代拉美货币危机的研究,随着金融自由化、国际化进程的不断加速,货币危机的发生频率及造成的危害随之增加,1992~1993年欧洲货币体系危机、1997~1998年亚洲货币危机与金融危机爆发进一步刺激了经济学界对货币危机预警理论的研究。本文将对货币危机的主要预警模型进行梳理和归纳。
一、信号分析模型
为了克服KLR模型的单变量属性,Kaminky(1999)进一步对发生货币危机信号的指标进行综合考虑,它提出了4个预测危机的复合指标,1个复合指标是对各预警指标发出信号数的简单加总,
另外3个复合指标则分别考虑了指标分布不均衡、指标时间延续性以及指标不同权重。通过对预测指标的扩展,KLR模型已经能够较好地处理预警结果输出的单一化问题,并利用多个复合指标可以更好地发送预警信息,极大地改善了预警效果。
信号分析模型经过不断修正完善,已经成为使用最广泛的货币危机预警模型,它可以根据多个变量发出的信号估计危机发生的概率,同时有效提供关于危机根源和广度的信息,但该模型也存在一些明显不足:(1)主要以宏观经济环境为背景,没有考虑到政治性事件及一些外生事件对货币危机爆发时间选择的影响;(2)KLR模型的隐含假设是在解释自变量和因变量之间存在一个特定的函数关系,即阶跃函数关系,这一界定使得模型无法对一个变量是刚刚超过阈值,还是大幅超过阈值进行区分,因而使得变量提供的信息未能充分利用;(3)模型指标大多集中在外汇储备、信贷增长与实际汇率等方面,仍避免不了倾向性;(4)虽然通过加权平均解决了预警指标的单一化问题,但由于各变量之间的相互关系仍未纳入考虑,因此,这种汇总是表面的。
二、离散选择模型
针对信号分析模型的上述缺陷,有学者提出了离散选择模型,它最重要的突破在于通过纳入
新的解释变量来扩展模型,进而同时考虑所有相关变量。其代表性的研究成果包括以下几种:
Frankel和Roe(1997)构建的货币危机发生可能性的面板Probit模型。其研究思路是通过对一系列前述指标的样本数据进行极大对数似然估计,以确定各个引发因素的参数值,从而根据估计出来的参数,建立用于外推估计某个国家在未来某一年发生货币危机可能性的大小。该模型研究发现,金融事件是离散且有限的,货币危机的发生则是由多种因素引发的,譬如在FDI流入枯竭、外汇储备较少、国内信贷增长迅速、实际汇率高估的时期等,货币危机发生的概率较大。此后,Andrearkov—odel)是体制转换模型中最常见的形式。它将结构性的变化视作一种机制向另一种机制的转换,譬如金融运行特征发生的显著变化,包括大幅起落或中断,汇率急剧下降、经济增长趋势逆转等,进而将结构变化内生化进行估计。
Martinez-Peria(2002)提出了一个带有动态转换概率的状态转换模型,该模型采用两种形式:一是汇率转换模型,假设汇率是一个AR(4)过程;二是向量自回归模型,假设内生变量有3个,即汇率、利率和外汇储备,均服从一阶Var过程。在此基础上,他直接对投机供给建模,同时加入预期因素,对1979-1993年欧洲货币体系的货币投机性冲击进行研究,研究表
明,没有考虑变量状态转换性质的模型可能存在设定偏误问题,经济基本面和预期因素共同决定了危机发生的概率。
Abiad(2003)也将体制转换模型用于预测货币危机,他首先拓展了预警指标,即宏观经济指标、资本流动指标和金融脆弱性指标三类,而后采用单参数检验显著的预警指标分别对1972~1999年印度尼西亚、韩国、马来西亚、菲律宾和泰国等5国是否发生货币危机进行了预警。研究表明,体制转换模型预测货币危机的准确性比已有的预警方法更高,同时发出的错误信号更少。在Abiad研究的基础上,张伟(2004)进一步验证了Abiad的结论,他通过扩大研究范围、改变样本区间、选择不同的预警自变量,更为全面客观地评价体制转换模型在建立货币危机预警系统方面的效果,总体而言,该模型的预警能力较强,时效性也较强。
应该说Maikov-)来对货币危机进行预警。NFM的理论基础是,一个经济体在货币危机爆发前后的表现有明显差异,且这种反常行为具有再发性。该文在KaminkyandREinhart(1999)的基础上,使用了1970~1998年20个国家的数据,研究表明,与Probit模型相比,NFM不但具有更好的样本外预警能力,该模型还提供了变量之间相互关系的信息。
但是,用神经网络组合模型进行货币危机预警也存在一些难以解决的问题。首先是神经网络
自身的优化问题。如隐藏层数及隐藏层结点数的确定、激活函数的确定、局部最优等。神经网络的结构直接影响着预测效果。此外,神经网络可以根据残差最小的原则不断地调整参数来改变预测效果,但是它不能改变输入数据,而货币等金融数据往往是波动的。存在噪音的。因此,如何对数据进行除噪,优化神经网络的输入数据是另一个值得研究的问题。
五、其他预警模型
对货币危机使用的其他预警模型还有:
1DCSD模型。DCSD预警系统是由Andreodel):
F=-0.1774+1.1091某1+0.1074某2+1.9271某3+0.0302某4+0.4961某5
其中:某1=(期末流动资产-期末流动负债)/期末末总资产;某2=期末留存收益,期末总资产;某3=(税后纯收益+折旧)/平均总负债;)(4=期末股东权益的市场价值/期末总负债;某=(税后纯收益+利息+折旧),平均总资产。
F分数模型中某1、某2及某4与z记分模型中的某1、某2及某4相同,两个模型中各比率的区别就在于其某3、某5不同。
F分数模型中某3提一个现金流量指标,它是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。一般来讲,企业提取的折旧费用,也是企业创造的现金流入,必要时可将这部分资金用来偿还债务。某5则测定的是企业总资产在创造现金流量方面的能力,相对于z记分模型,它可以更准确地预测出企业是否存在财务危机(其中的利息是指企业利息收入减去利息支出后的余额)。
发布评论