發(fā)布時(shí)間：2020-05-05 13:20

【摘要】：在中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入“新常態(tài)”,國(guó)家“三去一降一補(bǔ)”的背景下,堅(jiān)決守住不發(fā)生區(qū)域性,系統(tǒng)性金融風(fēng)險(xiǎn)為底線,及時(shí)預(yù)警金融風(fēng)險(xiǎn)成為學(xué)術(shù)領(lǐng)域研究的重點(diǎn)。區(qū)域金融風(fēng)險(xiǎn)有別于宏觀層面的國(guó)家金融風(fēng)險(xiǎn),但又與國(guó)家層面金融風(fēng)險(xiǎn)有著很多相似之處,是指某個(gè)經(jīng)濟(jì)區(qū)域內(nèi)金融產(chǎn)業(yè)所面對(duì)的風(fēng)險(xiǎn)。立足于區(qū)域發(fā)展新形勢(shì),構(gòu)建具有實(shí)時(shí)性、針對(duì)性和實(shí)用性的金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系具有重要意義。本文理論上以指標(biāo)系數(shù)法為指導(dǎo),實(shí)踐上以傳統(tǒng)資源大省山西省區(qū)域?yàn)橐暯?運(yùn)用理論與實(shí)踐相結(jié)合的定性分析與馬爾科夫狀態(tài)轉(zhuǎn)換法的定量分析,選取了區(qū)域宏觀經(jīng)濟(jì),區(qū)域微觀金融,外部經(jīng)濟(jì)金融三個(gè)層面的17個(gè)相關(guān)指標(biāo),構(gòu)建了基于山西省區(qū)域金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系,在此基礎(chǔ)上合成區(qū)域金融風(fēng)險(xiǎn)指數(shù),利用馬爾科夫狀態(tài)轉(zhuǎn)換模型對(duì)指數(shù)狀態(tài)變化提前預(yù)警。研究結(jié)果表明,地區(qū)不良貸款率、中長(zhǎng)期貸款/總貸款、地區(qū)GDP增長(zhǎng)率、地區(qū)固定資產(chǎn)投資增長(zhǎng)率、地區(qū)CPI累計(jì)同比、全國(guó)銀行間同業(yè)拆借市場(chǎng)—7天加權(quán)平均利率、國(guó)內(nèi)M2同比增長(zhǎng)率7個(gè)指標(biāo)對(duì)風(fēng)險(xiǎn)指數(shù)影響最為突出。金融風(fēng)險(xiǎn)指數(shù)狀態(tài)存在一定的持續(xù)性,但穩(wěn)定性較差,如果t期處于低風(fēng)險(xiǎn)狀態(tài),那么t+1時(shí)刻有68%的概率保持低風(fēng)險(xiǎn),有32%的概率轉(zhuǎn)到高風(fēng)險(xiǎn)狀態(tài);而如果t期處于高風(fēng)險(xiǎn)狀態(tài),那么t+1時(shí)刻有73%的概率保持高風(fēng)險(xiǎn),有27%的概率轉(zhuǎn)到低風(fēng)險(xiǎn)狀態(tài),很容易看出金融風(fēng)險(xiǎn)維持在高風(fēng)險(xiǎn)的概率更大。利用2007年1季度到2015年4季度的數(shù)據(jù)預(yù)警發(fā)現(xiàn),2016,2017年山西省金融風(fēng)險(xiǎn)趨于下降趨勢(shì),與實(shí)際情況相吻合,預(yù)警系統(tǒng)的準(zhǔn)確性得到驗(yàn)證。在理論研究與實(shí)證分析的基礎(chǔ)上,發(fā)現(xiàn)區(qū)域性金融風(fēng)險(xiǎn)的來(lái)源主要是區(qū)域宏觀經(jīng)濟(jì),區(qū)域經(jīng)濟(jì)的短期波動(dòng),通過(guò)銀行信貸,投資等渠道向金融領(lǐng)域傳導(dǎo),引起金融風(fēng)險(xiǎn)發(fā)生的可能性加大。因此,只有增強(qiáng)區(qū)域經(jīng)濟(jì)實(shí)力,深化經(jīng)濟(jì)金融改革發(fā)展區(qū)域優(yōu)勢(shì)產(chǎn)業(yè),完善金融業(yè)內(nèi)控體系,才能從根本上降低區(qū)域性金融發(fā)生的可能性。
【圖文】：

資料來(lái)源：中國(guó)人民銀行圖 3.4 山西省 GDP 增長(zhǎng)率與固定資產(chǎn)投資增長(zhǎng)率變化圖2009-2010 年省內(nèi) GDP 和地區(qū)固定資產(chǎn)都迎來(lái)了高速增長(zhǎng)，主要得益于金融危機(jī)后國(guó)家的強(qiáng)烈刺激，2010-2015 年省內(nèi) GDP 和地區(qū)固定資產(chǎn)逐年降低，2015 年下降到 3.1%，位列全國(guó)增速倒數(shù)第三名，遠(yuǎn)低于全國(guó)平均水平，這也是經(jīng)濟(jì)刺激留下的產(chǎn)能過(guò)剩帶來(lái)的負(fù)面影響，，地區(qū)經(jīng)濟(jì)發(fā)展緩慢，實(shí)體經(jīng)濟(jì)的風(fēng)險(xiǎn)會(huì)向金融領(lǐng)域傳導(dǎo)，金融機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)的可能性增大。固定資產(chǎn)投資的資金來(lái)源則主要集中在銀行貸款、自籌和其他資金，共占總額的 90%以上，嚴(yán)重依賴銀行渠道的信貸資金和資本市場(chǎng)的短期融資。資金用途主要集中在煤炭行業(yè)、房地產(chǎn)、交通運(yùn)輸?shù)荣Y本密集型行業(yè)，這些行業(yè)是經(jīng)濟(jì)周期高度敏感行業(yè)，與金融機(jī)構(gòu)的有著密切聯(lián)系，容易引發(fā)區(qū)域金融風(fēng)險(xiǎn)。3.2.2 區(qū)域財(cái)政領(lǐng)域風(fēng)險(xiǎn)狀況

從表 3.2 可以看出銀行貸款、應(yīng)付未付款項(xiàng)、發(fā)行債券是政府負(fù)有償還責(zé)任債務(wù)的主要來(lái)源，分別為 740.55 億元、300.10 億元和 202.69 億元.表 3.2 政府債務(wù)資金來(lái)源表債權(quán)人類(lèi)別 負(fù)有償還責(zé)任的債務(wù)銀行貸款 740.55 億元應(yīng)付未付款 300.10 億元債券 202.69 億元從政府債務(wù)的增加額來(lái)看，如圖 3.4 所示，2014 年增加 124 億，2015 年增加171 億，都達(dá)到了歷史新高。
【學(xué)位授予單位】：山西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：F832.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 淄博銀監(jiān)分局區(qū)域金融風(fēng)險(xiǎn)研究課題組;陳保君;;區(qū)域金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究——基于Z市的實(shí)證分析[J];金融監(jiān)管研究;2015年07期

2 饒勛乾;;基于金融脆弱性指數(shù)構(gòu)建金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的實(shí)證研究[J];山東財(cái)經(jīng)大學(xué)學(xué)報(bào);2015年01期

3 劉林;;基于模糊評(píng)判方法的區(qū)域系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警研究[J];金融理論與實(shí)踐;2014年12期

4 毛瑞豐;;區(qū)域性金融風(fēng)險(xiǎn)早期預(yù)警體系研究——以安徽省為例[J];金融經(jīng)濟(jì);2014年20期

5 王俊;;基于ARIMA與FSEM視角的區(qū)域系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警研究[J];海南金融;2014年09期

6 劉海二;苗文龍;;區(qū)域性、系統(tǒng)性風(fēng)險(xiǎn)的生成與演化[J];西南金融;2014年07期

7 馬天祿;陳雙;胡丕吉;;區(qū)域銀行業(yè)壓力與金融風(fēng)險(xiǎn)預(yù)警研究——以湖南為例[J];金融發(fā)展評(píng)論;2014年02期

8 王凱俊;屈波;楊運(yùn)森;曹亞靜;;國(guó)際金融風(fēng)險(xiǎn)預(yù)警體系構(gòu)建的實(shí)踐及對(duì)我國(guó)的啟示[J];西部金融;2014年01期

9 張亮;;區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系設(shè)計(jì)及應(yīng)用分析——基于區(qū)域銀行業(yè)視角[J];重慶科技學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2013年06期

10 牛潤(rùn)盛;;區(qū)域性金融風(fēng)險(xiǎn)預(yù)警的神經(jīng)網(wǎng)絡(luò)模型研究[J];吉林金融研究;2013年05期

相關(guān)碩士學(xué)位論文 前8條

1 孫曉寧;我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建及實(shí)證研究[D];青島大學(xué);2016年

2 于華鑫;山東省系統(tǒng)性金融風(fēng)險(xiǎn)識(shí)別及其估測(cè)[D];山東財(cái)經(jīng)大學(xué);2016年

3 郭秀秀;江蘇省域金融風(fēng)險(xiǎn)預(yù)警研究[D];中國(guó)礦業(yè)大學(xué);2016年

4 王園園;我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)預(yù)警指標(biāo)體系構(gòu)建研究[D];山西財(cái)經(jīng)大學(xué);2015年

5 吳洪權(quán);基于KLR的金融安全預(yù)警指標(biāo)研究[D];青島大學(xué);2014年

6 何弟;我國(guó)城市商業(yè)銀行小額貸款信用風(fēng)險(xiǎn)影響因素分析[D];西南財(cái)經(jīng)大學(xué);2013年

7 饒勛乾;中國(guó)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的實(shí)證研究[D];中南民族大學(xué);2008年

8 邱隆敏;我國(guó)金融危機(jī)的預(yù)警研究——基于人工神經(jīng)網(wǎng)絡(luò)模型的分析[D];暨南大學(xué);2004年

本文編號(hào)：2650212