欢迎访问7天职称论文网! 

热点推荐词:

职称论文发表范文

基于征信系统数据的金融风险预警体系构建研究

文字:[大][中][小] 手机页面二维码 2022-05-16 14:34:18    

摘 要:征信系统是我国重要的金融基础设施之一,在防范金融风险等方面发挥着至关重要的作用。基于征信系统信贷数据,能够开展宏观压力测试,构建预警领先指数,有利于实时监测我国信贷市场的信用风险,助力宏观审慎监管;基于征信系统查询数据,能够从不同维度构建金融风险监测指标,有助于增强监测的整体有效性。构建基于征信系统数据的金融风险预警体系,一要基于征信系统数据构建多维信用风险监测体系,二要不断丰富能够监测和预警金融风险的指标体系,三要不断强化相应的监管科技应用实践,四要继续加大推进金融统计标准化力度。

关键词:征信系统数据;金融风险预警;压力测试;领先指数;风险监测体系

中图分类号:F832.4                        文献标识码:A                     文章编号:1674-747X(2022)05-0008-07

引  言 

防范化解重大风险是党的十九大提出的三大攻坚战之首,重中之重是守住不发生系统性金融风险的底线。金融工作的永恒主题是防止发生系统性金融风险[1],构建系统性金融风险防控体系是建设现代中央银行制度的内涵[2]。金融风险以其隐蔽性强、传播速度快、涉及范围广、破坏性大等特点,极易引发金融危机等重大风险。宏观压力测试是国际上广泛使用的金融风险监测手段,是指用于评估“极端但可能”宏观经济因素冲击下金融体系脆弱性的一组风险管理方法[3-4],是重要的金融风险管理工具。

2008 年美国金融危机引发国际金融危机,国际货币基金组织和世界银行对金融部门评估规划压力测试的有效性进行了深刻反思,对其进行了修正并从宏观上聚焦金融系统的弹性,使其成为真正意义上的宏观审慎压力测试52009 年以来,美国和欧盟等发达经济体愈发重视对金融机构的风险监管及金融行业系统性风险的防范,先后对银行业进行了大范围的宏观压力测试。从国际经验来看,宏观压力测试已经成为宏观审慎金融监管的一个重要工具。因此,从宏观压力测试的视角研究金融风险防控具有重要的意义。

“扩张、衰退、收缩、复苏”的经济周期行为在20 世纪已经成为社会各界的共识。随后,大量学者着力于构建监测经济周期波动的领先指数,形成了一些经典的研究方法。这些研究方法同样能够用于构建监测信贷市场信用风险的领先指数,因为经济周期往往伴随着信贷周期,即在经济的复苏和扩张时期伴随着信贷扩张、经济衰退和收缩期伴随着信贷收缩。

以2008 年美国金融危机引发的国际金融危机为例,在金融泡沫的酝酿、形成和发展过程中,银行信贷不断扩张,信贷快速投放;市场主体的投资热情进一步得到刺激,从而导致过度投资。而且,信贷资金向同周期过热部门“潮涌”,进一步刺激了资产价格上涨并放大市场主体的乐观预期,从而助长投机风潮。当脱离基本面的金融泡沫最终破灭时, 信贷扩张难以持续,资产价格暴跌进一步引发大范围信贷违约,最终信贷市场的信用风险演变为金融危机并蔓延至全球6。因此,构建能够提前反映金融风险的预警领先指数,对于系统性金融风险防控具有十分重要的意义。这也是本文拟展开研究的一个视角。

应充分利用数字技术优势,建立健全信贷市场信用风险的识别、监控和预警体系7。当前,信用风险依然是我国信贷市场面临的主要风险,对信贷市场进行整体性的宏观压力测试、构建预警领先指数是实施宏观审慎监管和防范系统性金融风险的重要手段。马勇等研究发现,信贷扩张、资产价格膨胀和金融监管的同周期性使得立足于单个金融机构和基于规则的监管模式会出现明显的错配,导致金融监管在危机防范与遏制等方面失效,应该对整个金融体系的信用水平进行监管和相应的反周期操作6而宏观压力测试和预警领先指数的目标就是防范系统性金融风险。防范和化解金融风险是中国人民银行的重要职责之一。从中国人民银行发行的《中国金融稳定报告2021》相关内容来看,目前主要是通过压力测试对商业银行、保险、基金公司等金融机构进行风险监测,但没有覆盖小贷公司等非银行金融机构。而征信系统作为中国人民银行普惠性金融基础设施,在促进小微信贷市场发展过程中发挥了重要作用8,同时也收录了大量相关信用信息。

如果制度规则建设和监管滞后,金融发展失序也会导致系统性风险逐步累积,引发金融危机9有效防范化解系统性金融风险对金融安全、金融稳定及金融发展具有重要意义10。金融监管当局要防控系统性金融风险,建立压力测试下的救助预案和预警指标体系是必要条件11。杨子晖和李东承深入比较分析了 9 种系统性风险指标的非线性预测能力,结合分时期样本构建先行指标,提出了完善我国风险预警机制与防范体系的相关建议12。与已有文献不同,本文主要基于征信系统数据指标构建预警领先指数。

本文主要是从构建信贷市场信用风险防控体系的视角对构建系统性金融风险防控体系的研究进行完善和补充。一是介绍宏观压力测试和预警领先指数构建的方法;二是基于征信查询数据构建信贷市场信用风险监测的指标体系,并分析风险监测指标体系可覆盖的范围;三是提出相关的政策建议。

一、基于征信系统信贷数据的宏观压力测试及预警领先指数构建

宏观压力测试主要是通过选取合适的压力指标,构建宏观压力测试模型,设定宏观压力情景,评估银行体系在多种“极端但可能”不利冲击下的稳健性。而构建预警领先指数的关键环节是筛选出能够反映信贷扩张的先行指标。

先行指标的筛选依赖于高质量的信贷数据源, 而征信系统是最优的信贷数据源。接入征信系统的金融机构种类齐全,包括各类正规放贷机构,能够有效解决信息不对称导致的部分问题[13]。中国人民银行征信系统建立于2006 年,目前已经成为世界上征信数据规模最大、收录市场主体最多、收集信贷信息最全、覆盖范围和使用范围最广的信用信息基础数据库。截至2020 年底,该系统接入各类金融机构近4000 家,收录自然人11 亿人、收录企业和其他组织6092.3 万户,其中,有信贷记录的自然人6.1 亿人、企业和其他组织833.4 万户。征信系统涵盖了金融市场所有的原始银行信贷数据,相比于其他数据来源, 征信系统信贷数据天然适合用于信贷市场信用风险的识别和预警。

宏观压力测试模型和预警领先指数构建方法都已较为成熟,本部分主要对常用的模型和方法进行简要介绍。

(一)宏观压力测试

1. 宏观压力测试模型

借鉴已有文献,通过三个步骤构建宏观压力测试模型[14]。第一步,对信贷市场不良贷款率进行Logit 转换,得到宏观压力测试中信用风险的代理变量:

yt=ln(NPLt(/  1-NPL)t   ),t=1,2,…,N                     (1)

其中,NPLt 是指第t 期的信贷市场不良贷款率,取值区间为(0,1),yt 的取值区间为(-∞,+∞)。

第二步,选取可能引发金融风险的宏观经济变量,构建这些宏观经济变量与信贷市场信用风险代理变量之间的OLS 模型,代入相关数据,筛选宏观经济变量,最终获得压力测试中的压力传导模型:

yt=α0+α1x1,t+α2x2,t+…+αnxn,t+βyt-1+εt,        (2)

其中yt 是指信用风险,作为承压指标,xi 是指宏观经济变量,作为压力指标。

第三步,利用第二步中能够显著性提高信用风险的宏观经济变量构建向量自回归(VAR)模型:

Xt=β0+β1Xt-1+β2Xt-2+…+βpXt-p+μt,          (3)

模型3 是一组方程的向量形式,X=(x1,x2,…,xn)T,

β1,β2,…,βp 为系数矩阵。滞后期数p 根据多元信息准则来确定。VAR 模型是进行宏观分析的重要工具,具有较强的预测能力。

联立式(1)-(3),即为研究中所使用的宏观压力测试模型。

2. 宏观压力测试模型的估计

宏观压力测试的基础是选取具有参考意义的压力指标,如 GDP 增速、人均可支配收入增长率、利率、通货膨胀率、M2 增速等。压力指标选取方式:首先,尽可能多地罗列出可能对信贷市场不良贷款率产生影响的宏观经济变量;其次,检验所有指标的平稳性;再次,根据模型2 进行指标筛选并最终确定信贷市场信用风险宏观压力测试所需要的压力指标。

利用信用风险代理变量和宏观经济变量的历史数据进行多元回归分析,估计出模型(2)的系数值, 得到宏观压力测试所需的压力传导模型。同时,利用多元信息准则确定模型(3)中的滞后期数并估计出所有滞后变量的系数值,进而得到能够利用历史数据预测未来宏观经济变量值的VAR 系统。

3. 宏观压力测试的情景设定

在研究中,可以设置三个反映不同程度的压力情景,分为轻度压力、中度压力和重度压力,以预测在“极端但可能”宏观因素冲击下,信贷市场面临的信用风险。

4. 进一步的研究方向

除了对信贷市场的整体信用风险进行宏观压力测试外,还可以关注住房贷款、信用卡贷款、汽车贷款等细分信贷市场的信用风险情况。

(二)信用风险预警领先指数构建

构建能够监测信贷市场信用风险的预警领先指数,是守住不发生系统性金融风险的重要手段。本部分使用2008 年至2017 年的公开数据构建信用风险预警领先指数,以验证方法的可行性。

1. 信贷市场信用风险领先指数的指标选取

构建领先指数的关键是要确定参考指标。一般而言,选择不良贷款率作为信用风险的代理变量,用以指示领先指数相对于参考指标是否在时间轴上先行变动。为了探究指标选取的可行性,本文选取以下指标:一是宏观经济指标,主要有工业增加值、GDP、社会融资规模、外汇储备、M2、进出口总额、出口额、社会消费品零售总额、外债余额、固定资产投资金额、固定资产投资国内贷款、房地产开发新增固定资产投资、房地产投资、房地产土地购置费、房地产投资国内贷款、房地产投资自筹资金、房地产投资各项应付款、粗钢产量同比、国有及国有控股建筑业企业新签合同金额。二是信贷市场指标,主要有贷款余额、非金融企业部门贷款余额、家庭部门贷款余额、非金融企业新增贷款、新增贷款额和存贷余额差。

从已有文献来看,筛选先行指标的方法主要有

时差相关分析法和K-L 信息量法[15-17]。通过Python 软件计算得出潜在先行指标的时差相关系数和K-L 信息量及其领先期数,具体见表1。

当时差相关分析和K-L信息量法显示该指标相对于参考指标的领先期数同时为负数时,我们认定该指标为参考指标不良贷款率的先行指标。从表1 可以看出,进出口额、出口额、社会消费品零售总额、固定资产投资金额、固定资产投资国内贷款、房地产开发新增固定资产投资、房地产投资国内贷款和粗钢产量是先行指标。由于进出口额和出口额两个指标存在包含关系,因此只需选择其中一个作为先行指标;固定资产投资金额和固定资产投资国内贷款、房地产开发新增固定资产和房地产投资国内贷款同样如此。本文最终选择出口额、社会消费品零售总额、固定资产投资国内贷款、房地产投资国内贷款和粗钢产量作为先行指标构建信贷市场信用风险的预警领先指数。

2. 信贷市场信用风险领先指数的构建

基于上述先行指标和相关数据,可借鉴世界大型企业联合会的指数合成方法构建信贷市场信用风险的领先指数18-19

表1   时差相关系数和K-L信息量

 

变量

时差相关系数(绝对值)

领先期数

K-L信息量

领先期数

工业增加值

0.82

10

0.52

7

GDP

0.82

6

0.46

6

M2

0.85

-11

0.47

7

国有及国有控股建筑业企业新签合同金额

0.71

6

1.43

6

社会融资规模

0.65

10

1.16

7

外汇储备

0.81

7

0.81

-9

进出口额

0.8

-12

0.57

-12

出口额

0.81

-12

0.53

-12

社会消费品零售总额

0.54

-1

2.89

-10

固定资产投资国内贷款

0.72

-4

0.66

-4

固定资产投资金额

0.81

-11

1.36

-4

房地产投资

0.77

-10

1.129

12

房地产土地购置费

0.8

12

2.02

0

房地产开发新增固定资产投资

0.51

-12

5.55

-6

房地产投资国内贷款

0.8

-10

0.81

-5

房地产投资自筹资金

0.84

-12

0.91

11

房地产投资各项应付款

0.72

-12

2.68

11

粗钢产量

0.8

-11

0.54

-12

外债余额

0.87

-1

1.06

0

贷款余额

0.85

12

0.5

11

家庭部门贷款余额

0.89

12

0.98

12

企业部门贷款余额

0.85

-1

0.44

12

新增贷款

0.64

0

1.26

-1

非金融企业新增贷款

0.44

12

3.56

-1

存贷余额差

3.56

0

0.37

0


  资料来源:中国国家统计局官网和Wind

注:当领先期数为负数时,表示该指标为先行指标

一是计算基础指标Xi,t 的月度变化率:

Ri,t=200*(Xi,t-Xi,t-1)(/  Xi,t+Xi,t-1),             (4)    指标

二、基于征信系统查询数据构建信用风险监测

如果Xi,t 是比率型序列,则Ri,t=Xi,t-Xi,t-1;

二是对各指标的月度变化率进行加权求和:

St=∑Wi,t*Ri,t,                         (5)

其中,Wi,t 是指各指标的权重,由各指标与参考指标相关系数占比决定,这种设定方式是为了避免使用标准差占比时个体指标数据的波幅差异过大会对结果判断造成影响的问题。

三是利用对称百分比公式合成领先指数: Lt=L1*(200+S)t    (/  200-S)t    ,                                   (6)其中,初始值L1=100,t>=2。

利用先行指标的数据,通过上述步骤可计算出我国信贷市场的信用风险季度预警领先指数。但相比于公开的宏观信贷数据,征信系统中均为原始信贷数据,更适合于预警领先指数构建。

2008 年美国金融危机就是典型的“灰犀牛”事件,由其引发的席卷全球的国际金融危机表明,压力测试未能发挥有效的风险防范作用[13]。虽然危机后,国际货币基金组织和世界银行对此进行了深刻反思并改进为宏观压力测试,但其效果不得而知。因此,从不同维度构建风险监测指标有助于增强监测的整体有效性,而基于征信查询数据构建信贷市场信用风险监测指标是一个值得尝试的方向。

(一)基于征信查询数据构建信用风险监测指标的可行性分析

基于征信系统查询数据构建信贷市场信用风险监测指标体系是从不同于宏观压力测试的角度对金融风险防范工具进行补充。2020 年,个人和企业征信系统全年日均查询分别为866 万次、19 万次,征信查询数据还可根据贷前审查、贷后管理等查询原因和授信机构、地区、信贷类别等不同特征进行分类统计。

信用报告作为征信系统最基础的产品,是授信机构防范信用风险的重要手段。授信机构主要通过查询市场主体的信用报告进行贷前审查和贷后管理等信用风险防控。因此,贷前审查和贷后管理的查询数据与信贷市场的信用风险存在紧密关联性。利用征信查询数据构建信用风险监测指标具有一定的合理性和重要的现实意义。

(二)信用风险监测指标的构建

1. 信贷需求满足度

信贷需求满足度=新增贷款合同数/贷前审查查询量

新增贷款合同数是指某一时间周期内市场主体新增的贷款合同数量,贷前审查查询量是指同一时间周期内征信系统中授信机构的查询原因为贷前审查的查询量。

当市场主体申请贷款时,授信机构往往会通过征信系统进行贷前审查,即查看该客户的信用报告以了解其信用状况,并决定是否放贷。不论授信机构的决策是什么,系统都会记录这次查询。这说明, 贷前审查查询量能在一定程度上衡量金融市场上市场主体的信贷需求量。当经济周期发生变化时,市场主体的信贷需求也会发生变化,而贷前审查查询量是征信系统中最先反映这种变化的指标。

信贷需求满足度反映的是信贷市场上信贷需求被满足的容易程度,也即信贷可得性。该指标的值越大,说明市场主体越容易获得信贷资金、信贷需求越容易被满足,反之同理。经济发展通常会经历复苏、繁荣、衰退和萧条四个周期,与之相随的是信贷扩张和紧缩。当宏观经济处于复苏和繁荣阶段时, 信贷扩张开始并加速,信贷可得性不断增加;当过剩的资金开始追逐高风险项目时,金融风险随之不断积聚。一旦受到较强的外生冲击,积累于金融体系内的风险就会集中释放并可能引发金融危机。通过科学设置信贷需求满足度的多重预警阈值,我们能够实时了解金融市场上的信贷可得性,监测信贷扩张速度。当信贷需求满足度达到一定的阈值时,系统自动进行预警提示,为监管部门进行逆周期监管提供依据。

2. 贷后管理强度

贷后管理强度=新增贷后管理查询量/存续贷款合同数

新增贷后管理查询量是指某一时间周期内征信系统中授信机构的查询原因为贷后管理的查询量, 存续贷款合同数是指同一时间周期内未到期的贷款合同数量。

授信机构通过查询已放贷市场主体的信用报告,能够及时发现其信用变化,并根据变化做出相应的决策。贷后管理查询的剧增可能在一定程度上反映了市场环境变差,授信机构担忧市场主体容易发生违约行为。因此,贷后管理强度在一定程度上反映了授信机构对存量贷款质量的敏感度。即授信机构对市场主体存量贷款的质量越敏感,说明金融市场的信用风险环境越恶劣,市场主体的违约风险越大。

通过科学设置贷后管理强度的多重预警阈值, 我们能够实时监测金融市场上授信机构的风险管理强度。如果贷后管理强度正向偏离正常范围,那么说明授信机构普遍在加强贷后管理,对存续合同的违约担忧加剧;如果贷后管理强度负向偏离正常范围,那么可能是授信机构风险意识整体偏弱,对存续贷款的违约情况管理不足。

3. 监测指标阈值的设置

风险监测指标阈值的设置至关重要,本文认为从两个角度进行考虑,测度周期为月度。

(1)   以突破近期高点为判断标准。设置五重阈值,分别为指标突破近一年、近三年、近五年、近十年以及历史最高点。

(2)   以环比增速持续正增长为判断标准。设置四重阈值,分别为连续一个季度、半年、三个季度以及一年正增长。

根据不同阈值设置不同的提醒信号。每突破一个阈值,就发送相应的提醒信号给监测者。当监测者接收到第一个提醒信号时,快速判断突破的是第几个阈值。假设突破的是第一个阈值,则后续需观察监测指标的状态:如果维持在阈值之上但是又没有超过第二个阈值,则继续观测;如果回落至第一个阈值以下,则无需继续观测;如果超过第二个阈值,则需要开始考虑应对措施,调整信贷政策,降低信用风险。

4. 金融风险监测指标可覆盖的范围

指标覆盖的监测范围较为广泛,如监测信贷市场的整体信用风险、住房信贷等细分信贷市场的信用风险等。具体来说,可从以下几个方面进行风险监测:(1)按市场主体分类。市场主体分为企业和个人,根据企业和个人征信系统的查询量构建金融风险监测指标,监测企业信贷和个人信贷的信用风险。同时,个人信贷又可以分为住房信贷、信用卡信贷和经营性贷款三类,可以据此进行分类监测。(2) 按授信机构分类。征信系统记录的查询量可以按照授信机构分类,如全国性商业银行、股份制银行等, 因此,可以基于授信机构的分类构建相应的监测指标。(3)按不同群体分类。征信系统中企业可按规模可分为大、中、小微企业,个人也可根据负债情况等特征分为不同群体,根据这些分类,可监测不同群体的企业或个人的信用风险。(4)按区域分类。区域分类方式有多种,如东、中、西部,或者省市县等。这种分类能够监测不同区域信贷市场的信用风险。

三、政策建议 

强化金融宏观审慎管理是新一轮金融监管体制改革的任务之一;完善逆周期、跨市场系统性金融风险的早期识别预警、事中监测控制和事后救助处置等机制,依托金融基础设施构建实时监管体系,有助于加强和改善中央银行职能,防范系统性金融风险[20]。基于本文关于金融风险预警系统构建的研究,提出以下几个方面的建议:

一是基于征信系统相关数据,构建信用风险监测体系。征信系统接入金融机构众多,覆盖了所有的国有银行、股份制银行以及绝大多数的其他中小银行、小贷公司等放贷机构,金融信用信息来源稳定,拥有海量且实时更新的企业和个人信贷数据。因此,利用征信系统的信贷数据进行宏观压力测试并构建信用风险监测预警领先指数对于防范金融风险具有重要意义。

二是基于征信系统相关数据,不断丰富能够监测和预警金融风险的指标体系。金融创新是把“双刃剑”,有利于金融市场的快速发展,但同时也会增加金融风险。金融产品的日益丰富和金融科技的快速发展使得金融风险更加多样化,传播速度更快,隐蔽性也更强,单一的金融风险监测体系难以适应新的金融风险变化。而征信系统包含的金融信用信息丰富,利用信贷、征信查询等相关数据能够构建多维金融风险预警指标体系,有助于实现金融高质量发展。

三是不断强化监管科技在征信系统中的应用实践。积极运用人工智能、云计算、大数据和区块链等新兴技术[21],不断增强征信系统的金融风险监测和预警能力。21 世纪是信息化时代,每天都在产生海量的数据,信贷市场同样如此。用于构建领先指数的时间序列数据在不断更新,这就会导致一些问题, 前期被筛选掉的数据可能在未来会产生作用或者被选取指标的数据变得无用。利用诸如机器学习中的深度学习算法,不仅能提高压力测试、领先指数构建等各个环节的效率,而且能够避免上述可能存在的问题,每一期都自动在指标库中筛选最合适的指标进行压力测试以及合成领先指数。而在使用征信查询数据构建的信用风险预警指标体系中,可以利用人工智能技术根据阈值第一时间发送提醒信号给监测者。利用人工智能等新兴技术有助于提高征信系统金融风险监测和预警的效率。

四是继续推进征信系统综合统计工作。建立和完善更加符合宏观审慎管理的金融业综合统计体系对于支持金融“服务实体经济、防控金融风险、深化金融改革”具有重大意义,应进一步推进和优化我国金融业综合统计体系22。征信系统综合统计工作作为我国金融业综合统计体系的重要部分,虽然已取得积极进展,但仍面临一些问题。应以《国务院办公厅关于全面推进金融业综合统计工作的意见国办发〔201818 的出台为契机,推进征信系统综合统计工作,助力实现金融统计的互联互通,提供质量更高的预警监测数据,助力实现前瞻性防范化解系统性金融风险、维护金融稳定的政策目标。 

参考文献:

[1]周小川.守住不发生系统性金融风险的底线[J].中国金融家,2017(12):13-16.

[2]易纲. 建设现代中央银行制度[N].人民日报,2020-12-2409.

[3]陈卫东,张兴荣,熊启跃.金融机构压力测试的国际经验及启示[J].金融监管研究,2015(10):1-12.

[4]彭建刚,易昊,潘凌遥.基于行业相关性的银行业信用风险宏观压力测试研究J.中国管理科学,2015411-19.

[5]张立华.宏观审慎压力测试的全球成效[J].中国金融,2016780-82.

[6]马勇,杨栋,陈雨露.信贷扩张、监管错配与金融危机:跨国实证[J].经济研究,2009(12):93-105.

[7]周诚君.金融助力构建“双循环”新发展格局[J].中国金融,2020(23):21-22.

[8]黄江月“.  双循环”新发展格局下小微信贷机构接入征信系统问题探讨:基于广西2011—2020 年78 家小微信贷机构实证分析[J].征信,2021(5):40-43.

[9]陈雨露.工业革命、金融革命与系统性风险治理[J].金融研究,2021(1):1-12.

[10]左晓慧,刘思远.金融监管对防范系统性金融风险影响研究[J].经济问题,2021(7):55-61+119.

[11]胡志浩. 中国应尽快建立系统性金融风险防控体系[J]. 农村金融研究,2017(11):7.

[12]杨子晖,李东承.系统性风险指标是否具有前瞻性的预测能力?[J].经济学(季刊),2021(2):617-644.

[13]崔冬.征信系统应用对辽宁省中小微企业融资的影响[J]. 征信,2021(6):36-40.

[14]熊一鹏,熊正德,姚柱.宏观压力测试下商业银行零售信贷产品PD 模型预测研究J.中国管理科学,2020713-22.

[15]陈磊,孟勇刚,咸金坤.我国宏观经济景气的实时监测与预测[J].数量经济技术经济研究,2019(2):86-102.

[16]王金明,程建华,杨晓光. SW 型先行景气指数建设的实证研究[J].中国管理科学,2007(4):116-123.

[17]尹相颐.宏观审慎指标预警特征与顺周期特性检验[J]. 中南财经政法大学学报,2020(5):40-51.

[18]黄薇,陈磊.领先指数:对未来经济趋势的推测[J].统计与信息论坛,2012(6):33-40.

[19]石柱鲜,黄红梅,刘俊生,等. 2007 年我国经济周期波动分析与主要宏观经济指标的预测:利用Logistic 回归模型的分析[J].数量经济技术经济研究,2007(6):14-22.

[20]徐忠.改革是防范金融风险的唯一出路[J].紫光阁,2017124-26.

[21]王便芳,周燕.从数字到数据:征信系统数据化转型研究[J]. 征信,2019(8):21-25.

[22]方增平,叶文辉.金融业综合统计的国际实践及启示[J]. 征信,2016(8):88-92.

Research on the Construction of Financial Risk Early Warning System Based on the Data of the Credit Reporting System

Liu Xixian1,2, Zhang Xuyang3, Wang Min4, Pan Lingrui4

(1. Postdoctoral Programme of Credit Reference Center of the People’s Bank of China, Beijing 100032, China; 2. Research Station of Institute of Finance Research of the People’s Bank of China, Beijing 100033, China; 3. School of Economics, Beijing Technology and Business University, Beijing 100048, China; 4. Credit Reference Center of the People’s Bank of China, Beijing 100032, China)

Abstract: The credit reporting system(the system)is one of the important financial infrastructures of China and plays a crucial role in preventing financial risks and other aspects. Based on credit data of the system, macro stress test can be carried out and early warning leading index can be constructed, which is conducive to real-time monitoring of credit risk of China’s credit market and provides assistance for macro-prudential supervision.  Based on query data of the system, financial risk monitoring indicators can be constructed from different dimensions, which helps enhance the overall effectiveness of monitoring. Efforts should be made in the following five aspects in order to build a financial risk early warning system based on the data of the system. First, we should build a multi-dimensional credit risk monitoring system based on the data of the system. Second, we should continuously enrich the indicator system that can monitor and warn financial risks. Third, we should consistently strengthen the application of corresponding regulatory technologies. Fourth, we should continue to intensify the efforts in promoting the standardization of financial statistics. Fifth, we should strengthen the sharing of regulatory data and improve the cross-sectoral risk monitoring system.

返回上一步
打印此页
  • 电话咨询

  • 13838208225