金融危机与风险的量化分析—基于空间视角的研究成果

ÖzlaleÜ，Metin-Özcan K（2007）提出了可以用来测量金融危机发生可能性的测量方法，即非线性适量空间模型和扩展的卡尔曼滤波器算法。以土耳其为研究对象，通过以上测量方法提取相应的序列，对2000—2006年土耳其经济状况进行了分析。结果表明，项目逆差的增加、违约风险的提高以及国内货币的过高估值等都会对金融危机的发生产生影响［41］。

Coudert（2008）通过主成分分析方法对金融风暴进行预测并建立了Probit模型和动态因素模型，以此方法研究亚洲地区的货币危机问题，以期得到相应的预防措施［42］。

上述研究或者模型对于金融危机的研究大多是针对国家层面开展的，也有一些学者另辟蹊径，从微观角度入手，通过企业借贷、风险规避的层面研究分析金融危机。Pas-quale Commendatore（2008）则是后一种思想的代表人物之一，他通过蛛网模型对企业借贷与金融危机之间的关联做出了分析，结果得出：金融危机的发生与否很大程度上取决于企业贷款有无约束。无约束的企业贷款会导致金融危机，而有约束的则需重新修正蛛网模型。贷款约束与企业往期业绩具有高相关性［43］。

Cipollini（2009）对于金融危机的分析则是通过设计金融机构的风险规避指标以及使用相关的控制变量，结果表明：风险规避指标对于股票市场危机具有正相关性，但是与货币危机的关系则表现的比较弱［44］。

Cuaresma（2009）利用贝叶斯方法通过具体衡量相关变量来对货币危机的不确定性问题进行处理，结果表明：以实际汇率的失调以及金融市场的相关指标为危机发生的主要因素是由危机前期情况决定的并非危机当期决定的［45］。(www.xing528.com)

陈静（2012）在研究中提出了一套特别的、用于监测并发现系统性金融风险的指标体系及工具，并通过金融压力构建系统性风险压力指数，以期通过系统性金融风险的量化评估，做到遏制系统性金融风险的根源达到化解金融危机的目的。该研究结合我国实际情况出发最终建立了“宏观+微观”双角度的系统性风险评估框架。

何纲（2015）以金融风险监测数据为基础，对区域金融风险量化及分布问题进行了探索性研究，运用熵权法综合评价指数，结合空间统计与常规统计方法，对区域金融风险进行综合量化及多维呈现。

宋天依、高金莎（2015）将互联网金融存在的风险分解细化，并通过层次分析法对风险进行量化评估，研究认为信息不对称、配套法规模糊或缺乏以及操作风险对互联网金融总体风险的影响较大。

陈建青、王擎、许韶辉（2015）通过构建静态及动态CoVaR模型对我国金融行业间的系统性金融风险溢出效应进行了实证分析，指出金融行业间的系统性金融风险溢出效应具有正向性及非对称性，金融风险加剧时存在增强循环链和减弱循环链，从动态角度来看，在正常风险水平下，我国金融行业间的风险溢出效应与市场繁荣程度正相关，但在金融危机前期维持较高水平。