《表3 美国Lead-lag1各特征历年Shapley值（Base Value=0.249)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《随机森林模型在宏观审慎监管中的应用——基于18个国家数据的实证研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Python3.7版本中调用SHAP软件包，使用核函数解释器即可得到每个特征在对应年份中对测试集（美国）系统性风险概率的贡献度，即Shapley值（见表3）。其中，基准值（Base Value）为模型给出的历年美国爆发系统性风险概率的算数平均值，其与各特征Shapley值年度总和相加即可得到对应年份爆发风险的概率；每个指标对应的Shapley值表示该指标对当年风险概率的影响。例如，模型识别的2007年风险值为基准值（0.249）与当年全部特征的Shapley值（0.477）之和（0.726），由于模型超前1期标记风险，因此，其含义为2008年美国发生系统性风险的概率为72.6%；其中，对风险概率贡献最大的两个特征指标为对私人部门信贷/GDP和M2/准备金，二者分别在基准值基础上将2008年的风险概率拉高了24.1个百分点和17.4个百分点，其影响明显高于其他因素。换言之，私人信贷的急剧扩张和过于宽松的货币政策成为识别2008年美国系统性风险的核心指标。如图5所示，以风险作用力图的方式展示了各特征指标对年度风险概率的影响分解情况，由左至右的方向标识代表增加系统性风险概率的特征，从右至左的方向标识代表降低风险概率的特征，双方共同对风险均值产生影响，最终确定了0.73这一风险概率水平。如表3所示，20世纪90年代推动美国系统性风险概率上升的主要特征变量是M2/准备金。例如，在1996年的风险指标（即1997年的风险概率）中，M2/准备金的Shapley值由1995年的5.4%飙升至1996年的15.6%，在全部20个指标中对风险的反应最为敏感，拉动作用最大。进入21世纪以后，货币性指标的风险识别作用逐渐下降，逐渐被银行部门指标取代。美国私人部门信贷/GDP与净国内信贷总量的Shapley值分别由2004年的17.1%和0上升至2005年的24.3%和5.7%，拉动2005年的风险概率值上升至70%；尽管M2/准备金对系统性风险概率的贡献度高达16.6%，但从对风险的敏感度来看，M2/准备金远低于私人部门信贷/GDP。因此，美国在20世纪90年代面临的风险从本质上来看是货币性风险，而2006年以来面临的系统性风险则是开始于银行部门的信贷风险。