习近平总书记多次强调要防范和化解金融系统性风险。在今年《政府工作报告》提出的2024年十大工作任务中，“更好统筹发展和安全，有效防范化解重点领域风险”被单独列为一项。本文从以下几个方面分析防范化解金融风险的重点和相应措施。

1. 中小金融机构风险

近年来我国中小金融机构风险已经较严重，例如，恒丰银行，包商银行，天安人寿，华夏人寿，河南数家村镇银行等都已爆雷。中小金融机构风险一方面是由于管理混乱内外勾结，另一方面也是由于利润减少竞争加剧等外部因素。过去几年银行业净息差整体呈下降态势，中小银行的降幅相对较大，导致利润空间大大降低。受国际经济形势和疫情的影响，过去几年小微企业生存艰难，主要服务于小微企业的中小金融机构的资产质量也有所下降。过去几年大型银行通过金融科技服务下沉削弱了中小银行原本具有的区域内信息优势，而大型银行在资本规模和成本上的优势仍然显著。另外，由于金融科技研发成本高难度大，中小银行在数字化转型上相比大型机构和互联网金融平台也存在明显劣势。

针对中小金融机构风险的内部因素和外部因素应该分别采取措施对症下药。对于管理混乱内外勾结等腐败问题，相关部门应加强审查，迅速处置，从严处理，并且在事后应该聘请相关专业人员对银行管理流程进行优化和制度化，减少银行内部人员违规的机会，明确银行内各项业务的责任人。对于已经爆雷的中小金融机构，如果地方财政宽裕，则应直接注资从而使爆雷的社会负面效应最小。如果地方财政压力较大，则应引导中小金融机构进行合并重组以渡过当前难关。问题严重的中小金融机构应该直接退出。相关政府监管部门应该将处置规则和处置机制透明化制度化，尽量避免一事一议。

针对中小金融机构竞争压力大利润空间小的问题，相关部门可以引导机构间的合作交流，资源共享，并在人才招聘、业务发展等方面适当地倾斜资源。例如，可以为中小金融机构的数字化转型提供补贴和人才支持。另外还应该通过改革机制和管理来提高中小金融机构自身的效率和竞争力。积极拓宽风险处置资源，合理运用各项处置措施，在稳定大局前提下扎实稳妥化解风险。

2. 地方债务风险

近期财政收入压力下，地方政府普遍采用借新还旧来应对债务并且债务规模继续增长，同时专项债规模和占比也在增长。预期未来土地财政收入减少的情况下，这将增加未来的偿债压力，带来潜在的违约风险。截至2022年末，地方政府债务率已经超过120%的警戒线。2023年地方债发行规模再创新高，借新还旧比例同比上升，再融资专项债发行创历史新高。另外，城中村改造和旅游等项目也被纳入专项债项目范围，这些新项目的资金使用效率和使用用途上也存在管理风险和管理能力的要求。需要注意西部和东北地区由于财政收入水平较低导致发债成本高于中部和东部地区，可能导致这些地区财政状况进一步恶化。

地方债务风险是一个系统性的长期问题，因此需要建立长效机制来防范化解。首先，在严格控制隐性债务增量的前提下适度放松表内债务约束。适度拓宽专项债范围可以帮助政府通过举债来撬动社会投资，带动当地经济发展从而增加未来税收。同时，专项债的增长和拓宽也给监管带来了更高的要求，因此必须提高专项债的风险预警能力，建立具有硬约束的风险纠正机制，落实专项债的预期收益，防止专项债成为新的隐性债务。化解地方债的基本思路是以时间换空间，一方面通过降低利率和提高通胀率来减少债务总额，另一方面通过发展当地经济和开源节流来提高偿债能力。因此，在债务展期的宝贵期限内，监管部门应该监督和引导地方政府积极主动采取措施来化解债务，应该给予地方政府具体的关于化债的奖惩措施。

其次，化解地方债务需要分类施策。目前我国整体的地方债务风险基本上分布于市县层级。在预算软约束下，市县政府往往采取各种措施规避监管，金融腐败问题也时有发生。因此，需要重点关注某些市县的化债问题，同时这些市县所在上级政府也可以通过一定的资源倾斜来帮助他们进入化债的良性循环。另外，化债还应重点关注某些行业。例如，由于房地产市场不景气，建筑行业出现拖欠账款较多。建筑行业不仅涉及大量就业，还关系到市场的投资预期，因此，化债应该优先解决政府或国企拖欠账款的问题。

3. 建立金融风险实时监测系统

在市场经济下，经济组织在各行业内，行业间，金融市场间形成了紧密相连的网络。由于我国在全球经济中的重要地位，国内经济组织也和国外实体机构和金融机构建立了紧密的联系。另外，国内不同区域内的实体组织和金融机构之间的联系和互动也愈发紧密。经济主体之间的网络对于提高生产效率是不可缺少的，但在危机时也是风险传染的渠道。例如，网络中某一金融机构的违约或破产可能引起关联机构的资产损失或导致与该机构类似的其他金融机构的融资成本大幅上升，从而导致其他金融机构也发生违约。对于设立基金资管等机构的大型集团，母公司的风险也会影响下属机构。具体而言，当前房地产行业风险是风险的主要源头之一，恒大、碧桂园、融创等龙头房企纷纷暴雷。由于房地产行业牵连的上下游行业非常广泛，并且房地产企业高负债高杠杆高周转的经营方式，地产企业对于网络内的实体和金融机构形成了巨大的冲击。

为提升控制风险传递的能力，应该建立基于大数据的金融风险实时监测系统，从而提升金融预警以及在风险发生早期及时采取措施切断风险传染路径。大数据的监测系统也可以帮助我们识别在风险传递中具有更强系统重要性的地区，行业或机构，从而对于这些地区行业和机构在事前就重点关注。例如，债券市场，外汇市场以及头部房企都是风险传染的关键节点。

基于Python等网络爬虫技术和可视化程序语言，结合前沿的金融风险测度方法，网络分析理论以及前沿的机器学习方法，我们可以建立金融系统性风险的实时自动监测系统，对国内各省，各行业的金融风险重点关注。例如，针对某个特定机构或行业，我们可以利用高维因子模型从高维数据中提取风险因子，然后用风险因子计算该机构的VaR。针对该机构，我们还可以用网络分析理论选取与该机构紧密相关的其他机构或行业的数据，从而使得风险因子的提取和VaR的计算更加准确。

在金融风险监测系统的建立过程中，我们还应该用最新数据不断更新和升级该系统，因为模型参数和设定需要针对特定市场环境调整，而市场环境是随时间不断演变的。我们还可以对各个主要的金融市场分别单独建立风险监测系统，例如，对债券市场、期货市场、房地产市场、外汇市场以及地方债等市场的风险分别进行实时估计。另外，机器学习技术还允许我们利用网络大数据来测算金融风险的传染路径，以及在风险发生之前就计算如果风险发生的话会造成多大的冲击和损失。这些量化的计算结果有助于市场主体和监管机构判断是否应该救助该机构，以及最多花多少成本救助该机构。因此，建立金融风险实时监控系统有助于对各类风险隐患早发现早处理，维护不爆发系统性风险的底线。

作者简介

王法

北京大学经济学院金融学系预聘副教授，研究领域是金融计量、面板数据和机器学习，近期主要研究非线性因子模型及其在资产定价，宏观预测和经济周期分析中的应用。在Journal of Econometrics、Econometric Reviews等期刊发表多篇论文，并多次担任Journal of Econometrics、Journal of Business and Economic Statistics等期刊的审稿人，讲授的课程包括“时间序列”“固定收益证券”等。