一、金融健康的研究现状
自欧洲金融危机和东南亚金融危机爆发以来，国内外学者关于金融健康的研究就从没间断过，但他们的研究主要是基于“正”向的金融安全、金融稳定和“负”向的金融脆弱性、金融危机预警的角度进行分析。
在金融稳定和金融安全的指标体系构建及实证研究方面，代表性的有：IMF（2001）的“金融稳健指标体系（FSI）”，国外学者的“综合金融稳定指数（AFSI）”（Gersl&Hermanek，2006），“金融稳定状况指数（FSCI）”（Willem，2006），“新兴国家金融稳定指数（EM-FSI）”（Ravi，Stephan，Selim&Irina，2009），“综合金融稳定指数（AFSI）”（Morris，2011），国内学者的“中国宏观金融稳定指数MSI”（霍德明、刘思甸，2009），“金融稳定指数（FSI）”（何德旭、娄峰，2011），“综合金融稳定指数（AFSI）”（郭红兵、杜金岷，2014）；在金融脆弱性和金融危机预警的指标体系构建及实证研究方面，代表性的有：国外学者的“金融压力指数（IFS）”（Illing&Ying，2003），“金融脆弱指数”（Nelson&Perli，2007），“金融压力指数（FSI）”（Cardarelli，Elekdag&Lall，2011），国内学者的“金融危机预警指标体系”（张瀛、王浣尘，2004），“金融压力指数”（刘晓星、方磊，2012），“金融脆弱性指数”（饶勋乾，2015）。
通过对相关研究文献的梳理，我们发现，国内外学者在金融健康指数的研究方面取得了丰硕的成果，同时，我们也应该看到，现有评价体系中的指标设置不尽相同，有的指标体系代表性指标较少，以偏概全（如万晓莉，2008），有的指标体系虽然设计很全面，但由于实际应用中的限制，操作性较弱（如张岷，2007）。因此，如何构建科学的金融健康指数，仍需深入研究和探讨。
二、金融健康指数的构建
1.指标的选取。在参考已有研究成果并结合我国国情和数据可得性的前提下，本文从国家宏观经济环境、金融机构、相关部门以及国际金融环境四个方面构建我国金融健康的评价指标体系，共选择了34个指标（表1），使用2007Q1～2015Q2的季度数据为样本。
本文基础指标的数据来源包括《中国统计年鉴》、《中国金融统计年鉴》、中经网、wind数据库、中债网、中国人民银行网站及IMF国际金融数据库等。需要说明的是，由于少数指标如银行不良贷款率等为年度数据，本文利用Eviews6通过变频得到季度数据。
2.指标权重的确定方法。金融健康指数是运用多个指标对我国的金融健康状况进行评价，其基本思想是将多个指标转化为一个能够反映综合状况的指标来进行评价研究。在评价研究中，指标权重的确定非常关键，采用不同的方法确定权重，可能会得到不同的结果，从而直接影响评价结果。因此，选择适当的方法来测定权重至关重要。常用的指标权重赋值方法主要有层次分析法、德尔菲法、主成分分析法、变异系数法和熵权法等，其中，前两者属于主观赋值法，后三种属于客观赋值法。实际应用中，当样本指标过多、计算量过大时，主成分分析法可以在较好的保持结果准确性的前提下，大幅减少工作量，因此该方法被广泛采用；而当样本各指标独立性较强时，可以采用变异系数法；当样本指标之间具有复杂联系的时候，采用熵值法得出的权数较为理想。
鉴于此，本文采用熵值法对各项指标的权重进行赋值，然后计算出各时期的金融健康指数。
三、我国金融健康指数的实证研究
基于基础数据，本文运用熵值法对各项指标权重进行赋值，运用上文构建的金融健康指标体系和熵值法确定的指标权重，可以对我国2007年～2015年季度金融健康状况进行测算。2007年～2015年各年季度金融健康指数值如表2所示。
各季度的金融健康指数值，我们可以看到：2007年1季度～4季度，我国金融健康指数呈逐步上升趋势。这一时期，银行业改革和重组取得了突破性进展，证券业长期存在的深层次矛盾和结构性问题得到基本解决，资本市场呈现出良好的发展势头，金融健康的微观基础不断夯实；宏观方面，国内经济平稳快速增长，国际金融市场运行平稳。良好的国际环境加上稳健的国内经济金融环境使得我国2007年的金融健康指数呈现出逐步上升趋势。
2008年1季度～4季度，我国金融健康指数先降后升。受美国次贷危机影响，2008年西方主要经济体经济陷入衰退，失业率大幅攀升，国际金融环境不断恶化，在此冲击下，我国上证指数急速下降，股票内在价值回归，资本市场泡沫破灭。为避免金融危机对我国经济金融影响的进一步扩大，我国政府及时调整货币政策，多次下调基准利率和存款准备金率，并出台4万亿的经济刺激计划，加大经济发展的支持力度，金融健康指数在2008年第4季度止跌回升。
2009年1季度～4季度，我国金融健康指数呈现出与2008年相同的先降后升的特征，并于2009年3季度达到了最低值23.52，是我国金融健康状况最弱的时期。
2010年1季度至2015年2季度，金融健康指数在震荡中缓慢回升。这一时期，美、日、欧洲继续实施宽松的财政货币政策，全球经济缓慢复苏；我国政府继续实施积极的财政政策和稳健的货币政策，宏观经济运行稳健。在复杂的国内外经济金融环境下，我国这一时期的金融健康指数在震荡中呈现缓慢上升的趋势。
四、我国金融健康指数的预测
运用计量模型对金融健康指数预测是金融健康指数研究的重要内容。本文采用ARMA模型对2015年第3季度～2016年第2季度我国金融健康指数进行预测。
建立ARMA模型要求序列必须是平稳的，因此，本文首先对金融健康指数这一时间序列的平稳性进行考察。检验显示，金融健康指数值序列虽没有明显的趋势，但包含着以季度为周期的季节波动。
为消除季节波动，本文运用Eviews软件对原序列进行季节差分，得到的一阶季节差分序列的自相关和偏自相关分析图。一阶季节差分序列的零均值检验表明序列均值与0无显着差异，因此，对序列建立ARMA模型。
一阶季节差分后序列的样本自相关和偏自相关系数很快落入随机区间，故序列平稳。这表明，原序列是一阶季节差分平稳序列，因此d=0，D=1。同时，根据平稳序列的自相关图和偏相关图，可供选择的（p，q）组合有：（1，1），（1，2）。由于K=4时，样本的自相关系数与偏自相关系数都显着不为0，因此，P=Q=1。对该平稳序列可以构建模型ARIMA（1，0，1）（1，1，1）4和ARIMA（1，0，2）（1，1，1）4。
由于两个模型均满足平稳性与可逆性，因此，模型设定合理。通过模型的检验结果，我们可以发现，虽然ARIMA（1，0，2）（1，1，1）4模型的SC值比ARIMA（1，0，1）（1，1，1）4模型略高，但ARIMA（1，0，2）（1，1，1）4模型的AIC值较小，且调整后的样本决定系数（AdjustedR2）也较优。因此，本文选择ARIMA（1，0，2）（1，1，1）4模型对未来的金融健康指数进行预测。
五、结论
金融健康事关政治、经济和社会稳定。本文在总结前人相关研究成果的基础上，并在综合考虑我国国情和数据可得性的前提下，构建了金融健康评价指标体系。为检验该指标体系的科学性与实用性，本文基于我国2007年～2015年季度数据，采用信息熵法对各项指标权重赋值，并对我国的金融健康状况进行了测算。结果显示，2007年1季度～4季度，良好的国际环境加上稳健的国内经济金融环境使得我国金融健康指数呈现出逐步上升趋势；2008年1季度～4季度，在美国次贷危机的影响下，我国政府及时调整货币政策，加大金融支持经济发展的力度，我国金融健康指数先降后升；2009年1季度～4季度，我国金融健康指数呈现出先降后升的特征，并于2009年3季度达到了最低值，是我国金融健康状况最弱的时期；2010年1季度～2015年2季度，在复杂的国内外经济金融环境下，我国的金融健康指数在震荡中缓慢回升。最后，本文运用ARIMA模型对我国金融健康指数进行了分析和短期预测。
随着经济全球化趋势的加强，我国与世界各国之间的经济联系越来越紧密，我国在分享金融一体化带来的巨大利益的同时，还面临着来自国外金融危机的冲击。在这种国际金融背景下，为保障我国金融体系的健康发展，我国政府一方面需要进一步完善金融体系风险监测与评估体系，加强宏观与微观审慎监管的相互协调，另一方面要继续坚持稳健的金融市场开放政策，完备相关的信息披露和信用体系建设制度，优化金融生态环境。
作者：刘志勇 王琪延
