论文部分内容阅读
内容提要：通过构建资本流动风险可拓物元预警模型，分析中国对哈萨克斯坦投资的风险状态。中国对哈萨克斯坦的资本流动风险易受到国际宏观经济环境变化的冲击，2008年以后整体风险水平相对较高，资本流动综合风险在2008年、2010年、2014年分别达到了紫色预警；经济风险、资本结构风险、资本市场风险、政治风险是中国对哈萨克斯坦投资需重点关注的风险类别，预警结果显示未来五年中国对哈萨克斯坦资本流动风险整体水平达到紫色预警。
关键词：哈萨克斯坦；资本流动；可拓物元模型；风险测度
中图分类号：F733 文献标识码：A 文章编号：1001-148X（2017）03-0086-07
哈萨克斯坦是我国重要的经贸合作伙伴，我国对哈萨克斯坦的资本输出方式主要以直接投资、国际信贷为主，哈萨克斯坦宏观经济环境不稳定性、债务结构不合理性，以及金融市场的脆弱性是中国对哈萨克斯坦资本流动所面临的潜在风险。本文尝试构建多维可拓物元模型，以资本流动风险为预警对象生成物元矩阵，并对区间值进行可拓分析，结合关联度计算方法达到对监测样本预警的目的，以期为该领域的研究提供参考。
一、资本流动风险可拓物元模型构建及指标变量选择
（一）资本流动风险可拓物元模型构建
1.资本流动风险评价物元
物元由事物N、事物特征c及特征的取值v构成的三元组，即R=（N，c，v）。资本流动风险预警评价模型是以资本流动为“事物”，以风险评价指标体系为特征，以各指标的取值为特征值，三者构成了资本流动风险评价物元。假设资本流动风险评价指标体系数量为m，则其所对应的物元矩阵为：
2.资本流动风险预警评价经典物元和节域物元
资本流动风险预警评价经典物元是将资本流动风险有效地划分为不同等级，使其成为定性、定量综合评价的物元。假设对各资本流动风险评价指标进行等级数量划分为s，则资本流动风险预警评价经典物元矩阵为：
其中R0j代表资本流动风险处于第j级时的物元矩阵，N0j代表第j级时的安全系数，a0jk，b0jk代表资本流动风险为第j级时第k个指标的取值范围。
资本流动风险预警评价节域物元是由各风险评价指标的取值范围构成，即：
其中Rp表示资本流动风险预警综合测度物元模型的节域，Np表示资本流动风险所属等级， vpk=a0jk，b0jk表示风险评价指标xk的取值范围，且有3资本流动风险预警等级的判断
依据风险评价指标实际值构成的物元矩阵和经典物元矩阵之间的关联函数来判断资本流动风险预警所属等级的大小，vk代表指标实际值，定义与区间a0jk，b0jk和区间apk，bpk的接近度：
则待评价物元第k个指标隶属于第j预警等级的关联度为：
kj（vk）=p（vk，v0jk）p（vk，vpk）-p（vk，v0jk），j=1，2，…，s；k=1，2，…，m
若kj（vk）>0，说明的风险等级属于第j级，且kj（vk）取值越大，其属于第j级风险的属性就越多；若kj（vk）=0，表示xk的风险等级处于第j级与相邻级别的临界点上；若kj（vk）<0，表示xk的风险等级不属于第j级，且kj（vk）取值越小，其距第j级风险就远。
资本流动风险评价的最终结果，即与第j级预警等级的关联程度的计算公式为：
Kj（R）=∑mk=1wkkj（vk）， j=1，2，…，s，wk指各指标的权重系数。
依据关联性最大原则：K（p）=maxj=1，2，…sKj（R），可得到资本流动风险的最终评价值K（p）及其所处的预警等级j。
（二）指标变量选择及数据来源
鉴于中国对哈萨克斯坦资本流动形式主要以直接投资和国际信贷为主，本文结合哈萨克斯坦的实际现状，拟从经济风险、资本规模风险、资本结构风险、资本市场风险、银行市场风险、文化风险、政治风险及法律风险方面构造指标评价体系（如表1所示），选取的研究期限为2002-2014年，数据均通过世界银行、哈萨克斯坦中央银行整理计算得来，政治风险指数来源于PRS Group。
二、中国对哈萨克斯坦资本流动风险测度分析
对指标数据进行标准化处理：对于正向指标按Xij=（xij-minxij1j13）/（maxxij1j13-minxij1j13）进行标准化处理，对于逆向指标按Xij=（maxxij-1j13xij）/（maxxij1j13-minxij1j13）进行标准化处理，标准化后的指标取值分布于[0，1]区间内。
由于將中国对哈萨克斯坦资本流动风险水平划分为五个等级，需将任意评价指标Xi的取值区间划分为五个标准区间，即[ak1，bk1]、[ak1，bk1]、[ak1，bk1]、[ak1，bk1]、[ak1，bk1]。考虑到同步预警功能的重要性及预警操作的便利性，本文对各预警指标的标准区间进行同质化处理，即对任意评价指标Xi（1i32）的标准区间设定为：[09，10]、[07，09]、[05，07]、[03，05]、[00，03]，各标准区间所对应的预警等级及信号显示分别为一级风险（绿灯）、二级风险（黄灯）、三级风险（橙灯）、四级风险（红灯）、五级风险（紫灯）。
构建中国对哈萨克斯坦资本流动风险预警的经典域物元矩阵与节域物元矩阵如下：
以2002年为例，将评价指标标准化数据代入关联度的计算公式，可得到各指标与风险等级的关联度（如表2所示）。本文采用熵权法、变异系数法、相关系数法、CRITIC法对资本流动风险评价指标的权重进行测算，最后取测算结果的平均值可得评价指标的权重系数wk为：
由此可知2002年中国对哈萨克斯坦资本流动的风险等级为二级，风险水平相对较低，达到黄色预警。 采用这种计算方法可得到2003-2014年中国对哈萨克斯坦资本流动的风险状态（如表3所示），从中可以看出中国对哈萨克斯坦资本流动的风险呈现出阶段性特征，国际金融危机以前整体风险水平相对较低，风险级别基本处于三级以下，警情为黄色、橙色及绿色预警。国际金融危机爆发至今的风险水平有了突变，风险级别达到四级及以上，警情为红色及紫色预警，其中2008年、2010年、2014年达到了五级水平。资本流动风险水平上升的深层次原因在于哈萨克斯坦产业结构的单一性及全球经济的疲软。作为依靠能源发展的哈萨克斯坦缺乏有效分散投资风险的渠道，一旦出现外部因素导致能源出口危机就可能引起资本流动的逆转。 为了探索中国对哈萨克斯坦投资风险的主要来源，本文将资本流动风险的八种形式所属指标与风险等级的关联度及权重系数代入公式，分别测算出不同资本流动风险形式与预警等级的关联度，依据最大化原则最后确定中国对哈萨克斯坦资本流动2002-2014年的风险状态如表4所示：2008年以后，经济风险、资本流动规模风险、资本流动结构风险、资本市场风险、银行市場风险及政治风险是导致中国对哈萨克斯坦资本流动整体风险发生突变的主要因素，风险级别在四级以上，达到红色及紫色预警；文化风险及法律风险水平相对较低，风险级别处于三级以下。
三、中国对哈萨克斯坦资本流动风险预警分析
为了把握中国对哈萨克斯坦资本流动风险的变化趋势，合理分散资本流动风险，需要对未来年份资本流动的风险状态进行预警分析。本文对2015-2019年资本流动风险评价指标进行数值预测，所选取的预测模型为GM（1，1）模型，具体步骤如下：
对预测后的指标数据进行标准化处理，结果如表5所示。依照资本流动风险测度模式构造预警物元模型，采用同样的计算方法得出2015-2019年中国对哈萨克斯坦资本流动整体风险及分类别风险水平的测算结果，见表6和表7。从表6可以看出未来五年中国对哈萨克斯坦资本流动整体风险依然较大，风险级别均为五级，达到紫色预警。从表7可以看出经济风险、资本结构风险、资本市场风险、政治风险在预测年份均达到了红色及以上预警，这是导致中国对哈萨克斯坦资本流动整体风险偏大的主要原因，也是未来五年中国对哈萨克斯坦资本流动需重点关注的风险种类。资本规模风险自2015年开始出现短暂的下降后，2018年和2019年重新达到五级水平，而银行市场风险则呈不断下降的趋势；文化风险和法律风险依然较低，整体风险水平均处于三级及以下。
四、主要结论及启示
本文从资本输出国的研究视角分析了中国对哈萨克斯坦投资的风险现状及变化趋势，并对综合风险进行了测度及预警分析，主要得到以下结论：
第一，中国对哈萨克斯坦资本流动风险易受到国际宏观经济环境变化的冲击，2008年以后整体风险水平相对较高，达到红色及紫色预警，其中资本流动综合风险在2008年、2010年、2014年均达到了紫色预警。
第二，经济风险、资本流动规模风险、资本流动结构风险、资本市场风险、银行市场风险及政治风险是导致中国对哈萨克斯坦资本流动整体风险发生突变的主要因素。
第三，预警结果显示未来五年中国对哈萨克斯坦资本流动风险整体水平依然较高，均达到紫色预警，经济风险、资本结构风险、资本市场风险、政治风险是未来五年我国对哈萨克斯坦资本流动需重点关注的风险种类。
由于世界经济运行依然处于深层次的调整之中，各国经济仍将面临国际贸易和投资持续低迷等多种风险和挑战。如何有效化解资本输出在不确定性国际环境影响下的潜在风险，提高资本输出效益是我国急需解决的难题。对于投资哈萨克斯坦而言，我国将面临巨大的资本流动风险，如何防范及化解资本流动风险对于深化中哈多方面互利合作意义深远。我国应在中哈关于“丝绸之路经济带”建设与“光明之路”新经济政策对接合作的机制下，在深化能源资源合作的同时进一步扩大对非能源领域的投资，以分散对哈萨克斯坦的投资过度集中于能源领域的风险；同时，充分发挥行业协会、商业组织以及投资企业的协同力量，完善对哈萨克斯坦经济领域、社会领域等方面的信息共享机制，建立健全资本流动风险预警体系，防范资本流动风险带来的危害，保持对哈萨克斯坦资本流动规模的有序稳定及结构的合理优化。
参考文献：
[1]刘文翠，杨锦平.人民币实际汇率变动对中国在哈萨克斯坦FDI影响的实证分析[J].新疆社会科学，2015（2）：88-94.
[2]Jeffrey Sachs， Aaron Tornell， and Andres Velasco. Financial Crises in Emerging Markets： The Lessons from 1995[J].Brookings Papers on EconomicActivity， 1996（1）： 147-217.
[3]张元萍，孙刚.金融危机预警系统的理论透析与实证分析[J].国际金融研究，2003（10）：32-38.
[4]Graciela L. Kaminsky， Saul Lizondo， and Carmen M. Reinhart. Leading Indicators of Currency Crises [J].IMF Staff Papers， 1998（45）：1-48.
[5]Berg， Andrew and Catherine Pattillo. Are Currency Crises Predictable？ A Test[R].IMF Staff Papers，1999.
[6]Jeffrey A. Frankel and Andrew K. Rose. Currency Crashes in Emerging Markets： An Empirical Treatment [J].Journal of International Economics， 1996（41）.
[7]朱钧钧，谢识予，许祥云.基于空间Probit面板模型的债务危机预警方法[J].数量经济技术经济研究，2012（10）：100-114.
[8]颜建晖，杨小玄，殷琳.主权债务危机预警模型及跨国传染效应——基于Probit面板估计[J].浙江社会科学，2014（12）：18-29.
[9]陈守东，马辉，穆春舟.中国金融风险预警的 MS-VAR 模型与区制状态研究[J].吉林大学社会科学学报，2009（1）：110-119. [10]张德鸿.基于Logistic模型的系统性金融风险研究[J].重庆理工大学学报：自然科学版，2016（4）：137-146.
[11]N Nag， A. and A. Mitra. Neural Networks and Early Warning Indicators of Currency Crisis[J].Reserve Bank of India Occasional Papers，1999（20）：183-222.
[12]南旭光，孟衛东.基于BP神经网络的金融危机预警[J].现代管理科学，2008（2）：57-59.
[13]Martinez-Peria， Maria Soledad. A Regime-Switching Approach to the Study of Speculative Attacks： A Focus on EMS Crises [J]. Empirical Economics，2002（2）：299-334.
[14]Abiad， Abdul， Early Warning Systems： A Survey and a Regime-Switching Approach[R].IMF Working Paper，2003.
[15]Arias， Guillaume， Ulf G. Erlandsson. Regime Switching as an Alternative Early Warning System of Currency crises -an Application to South-East Asia[R].2004.
[16]牟晓云，李黎.基于结构方程模型的金融危机预警方法[J].大连海事大学学报：社会科学版，2010（4）：11-14.
[17]马威，肖帅.金融危机预警指标体系及其结构方程模型构建[J].中南大学学报：社会科学版，2014（4）：47-52.
[18]汪莹.金融危机预警模型的构建——“五系统加权法”预警模型[J].西安石油学院学报：社会科学版，2003（1）：9-17.
[19]南旭光，孟卫东.基于等比例危机模型的金融危机预警[J].重庆大学学报：自然科学版，2007（5）：138-142.
[20]张帅，刘文翠.“丝绸之路经济带”背景下哈萨克斯坦投资风险测度及预警研究[J].统计与信息论坛，2016（4）：34-40.
[21]张帅.“丝绸之路经济带”背景下中国对哈萨克斯坦资本流动风险预警研究[J].金融发展评论，2016（8）：34-44.
The Risk Evaluation for Chinese Investment in Kazakhstan
——An Analysis based on Extension Element Evaluation Model
ZHANG Shuai
（Central Asia Institute of Economics and Trade，Xinjiang University of Finance and Economics，
Urumqi 830012，China）
Abstract：The article analyzed risk of Chinese investment in Kazakhstan through constructing the extension element evaluation model of capital flow risk.Chinese capital flow risk to Kazakhstan is susceptible to the impact of international macroeconomic environmental changes， the overall level of risk has been relatively high since 2008， and comprehensive capital flow risk reached purple warning in 2008，2010 and 2014； economic risk， capital structure risk， capital market risk and political risk are the main capital flow risks for Chinese investment in Kazakhstan； the early warning results show that the overall capital flow risk level will arrive at purple warning in the next five years.
Key words：Kazakhstan；capital flow；extension element evaluation model； risk measurement
（责任编辑：厉新）
关键词：哈萨克斯坦；资本流动；可拓物元模型；风险测度
中图分类号：F733 文献标识码：A 文章编号：1001-148X（2017）03-0086-07
哈萨克斯坦是我国重要的经贸合作伙伴，我国对哈萨克斯坦的资本输出方式主要以直接投资、国际信贷为主，哈萨克斯坦宏观经济环境不稳定性、债务结构不合理性，以及金融市场的脆弱性是中国对哈萨克斯坦资本流动所面临的潜在风险。本文尝试构建多维可拓物元模型，以资本流动风险为预警对象生成物元矩阵，并对区间值进行可拓分析，结合关联度计算方法达到对监测样本预警的目的，以期为该领域的研究提供参考。
一、资本流动风险可拓物元模型构建及指标变量选择
（一）资本流动风险可拓物元模型构建
1.资本流动风险评价物元
物元由事物N、事物特征c及特征的取值v构成的三元组，即R=（N，c，v）。资本流动风险预警评价模型是以资本流动为“事物”，以风险评价指标体系为特征，以各指标的取值为特征值，三者构成了资本流动风险评价物元。假设资本流动风险评价指标体系数量为m，则其所对应的物元矩阵为：
2.资本流动风险预警评价经典物元和节域物元
资本流动风险预警评价经典物元是将资本流动风险有效地划分为不同等级，使其成为定性、定量综合评价的物元。假设对各资本流动风险评价指标进行等级数量划分为s，则资本流动风险预警评价经典物元矩阵为：
其中R0j代表资本流动风险处于第j级时的物元矩阵，N0j代表第j级时的安全系数，a0jk，b0jk代表资本流动风险为第j级时第k个指标的取值范围。
资本流动风险预警评价节域物元是由各风险评价指标的取值范围构成，即：
其中Rp表示资本流动风险预警综合测度物元模型的节域，Np表示资本流动风险所属等级， vpk=a0jk，b0jk表示风险评价指标xk的取值范围，且有3资本流动风险预警等级的判断
依据风险评价指标实际值构成的物元矩阵和经典物元矩阵之间的关联函数来判断资本流动风险预警所属等级的大小，vk代表指标实际值，定义与区间a0jk，b0jk和区间apk，bpk的接近度：
则待评价物元第k个指标隶属于第j预警等级的关联度为：
kj（vk）=p（vk，v0jk）p（vk，vpk）-p（vk，v0jk），j=1，2，…，s；k=1，2，…，m
若kj（vk）>0，说明的风险等级属于第j级，且kj（vk）取值越大，其属于第j级风险的属性就越多；若kj（vk）=0，表示xk的风险等级处于第j级与相邻级别的临界点上；若kj（vk）<0，表示xk的风险等级不属于第j级，且kj（vk）取值越小，其距第j级风险就远。
资本流动风险评价的最终结果，即与第j级预警等级的关联程度的计算公式为：
Kj（R）=∑mk=1wkkj（vk）， j=1，2，…，s，wk指各指标的权重系数。
依据关联性最大原则：K（p）=maxj=1，2，…sKj（R），可得到资本流动风险的最终评价值K（p）及其所处的预警等级j。
（二）指标变量选择及数据来源
鉴于中国对哈萨克斯坦资本流动形式主要以直接投资和国际信贷为主，本文结合哈萨克斯坦的实际现状，拟从经济风险、资本规模风险、资本结构风险、资本市场风险、银行市场风险、文化风险、政治风险及法律风险方面构造指标评价体系（如表1所示），选取的研究期限为2002-2014年，数据均通过世界银行、哈萨克斯坦中央银行整理计算得来，政治风险指数来源于PRS Group。
二、中国对哈萨克斯坦资本流动风险测度分析
对指标数据进行标准化处理：对于正向指标按Xij=（xij-minxij1j13）/（maxxij1j13-minxij1j13）进行标准化处理，对于逆向指标按Xij=（maxxij-1j13xij）/（maxxij1j13-minxij1j13）进行标准化处理，标准化后的指标取值分布于[0，1]区间内。
由于將中国对哈萨克斯坦资本流动风险水平划分为五个等级，需将任意评价指标Xi的取值区间划分为五个标准区间，即[ak1，bk1]、[ak1，bk1]、[ak1，bk1]、[ak1，bk1]、[ak1，bk1]。考虑到同步预警功能的重要性及预警操作的便利性，本文对各预警指标的标准区间进行同质化处理，即对任意评价指标Xi（1i32）的标准区间设定为：[09，10]、[07，09]、[05，07]、[03，05]、[00，03]，各标准区间所对应的预警等级及信号显示分别为一级风险（绿灯）、二级风险（黄灯）、三级风险（橙灯）、四级风险（红灯）、五级风险（紫灯）。
构建中国对哈萨克斯坦资本流动风险预警的经典域物元矩阵与节域物元矩阵如下：
以2002年为例，将评价指标标准化数据代入关联度的计算公式，可得到各指标与风险等级的关联度（如表2所示）。本文采用熵权法、变异系数法、相关系数法、CRITIC法对资本流动风险评价指标的权重进行测算，最后取测算结果的平均值可得评价指标的权重系数wk为：
由此可知2002年中国对哈萨克斯坦资本流动的风险等级为二级，风险水平相对较低，达到黄色预警。 采用这种计算方法可得到2003-2014年中国对哈萨克斯坦资本流动的风险状态（如表3所示），从中可以看出中国对哈萨克斯坦资本流动的风险呈现出阶段性特征，国际金融危机以前整体风险水平相对较低，风险级别基本处于三级以下，警情为黄色、橙色及绿色预警。国际金融危机爆发至今的风险水平有了突变，风险级别达到四级及以上，警情为红色及紫色预警，其中2008年、2010年、2014年达到了五级水平。资本流动风险水平上升的深层次原因在于哈萨克斯坦产业结构的单一性及全球经济的疲软。作为依靠能源发展的哈萨克斯坦缺乏有效分散投资风险的渠道，一旦出现外部因素导致能源出口危机就可能引起资本流动的逆转。 为了探索中国对哈萨克斯坦投资风险的主要来源，本文将资本流动风险的八种形式所属指标与风险等级的关联度及权重系数代入公式，分别测算出不同资本流动风险形式与预警等级的关联度，依据最大化原则最后确定中国对哈萨克斯坦资本流动2002-2014年的风险状态如表4所示：2008年以后，经济风险、资本流动规模风险、资本流动结构风险、资本市场风险、银行市場风险及政治风险是导致中国对哈萨克斯坦资本流动整体风险发生突变的主要因素，风险级别在四级以上，达到红色及紫色预警；文化风险及法律风险水平相对较低，风险级别处于三级以下。
三、中国对哈萨克斯坦资本流动风险预警分析
为了把握中国对哈萨克斯坦资本流动风险的变化趋势，合理分散资本流动风险，需要对未来年份资本流动的风险状态进行预警分析。本文对2015-2019年资本流动风险评价指标进行数值预测，所选取的预测模型为GM（1，1）模型，具体步骤如下：
对预测后的指标数据进行标准化处理，结果如表5所示。依照资本流动风险测度模式构造预警物元模型，采用同样的计算方法得出2015-2019年中国对哈萨克斯坦资本流动整体风险及分类别风险水平的测算结果，见表6和表7。从表6可以看出未来五年中国对哈萨克斯坦资本流动整体风险依然较大，风险级别均为五级，达到紫色预警。从表7可以看出经济风险、资本结构风险、资本市场风险、政治风险在预测年份均达到了红色及以上预警，这是导致中国对哈萨克斯坦资本流动整体风险偏大的主要原因，也是未来五年中国对哈萨克斯坦资本流动需重点关注的风险种类。资本规模风险自2015年开始出现短暂的下降后，2018年和2019年重新达到五级水平，而银行市场风险则呈不断下降的趋势；文化风险和法律风险依然较低，整体风险水平均处于三级及以下。
四、主要结论及启示
本文从资本输出国的研究视角分析了中国对哈萨克斯坦投资的风险现状及变化趋势，并对综合风险进行了测度及预警分析，主要得到以下结论：
第一，中国对哈萨克斯坦资本流动风险易受到国际宏观经济环境变化的冲击，2008年以后整体风险水平相对较高，达到红色及紫色预警，其中资本流动综合风险在2008年、2010年、2014年均达到了紫色预警。
第二，经济风险、资本流动规模风险、资本流动结构风险、资本市场风险、银行市场风险及政治风险是导致中国对哈萨克斯坦资本流动整体风险发生突变的主要因素。
第三，预警结果显示未来五年中国对哈萨克斯坦资本流动风险整体水平依然较高，均达到紫色预警，经济风险、资本结构风险、资本市场风险、政治风险是未来五年我国对哈萨克斯坦资本流动需重点关注的风险种类。
由于世界经济运行依然处于深层次的调整之中，各国经济仍将面临国际贸易和投资持续低迷等多种风险和挑战。如何有效化解资本输出在不确定性国际环境影响下的潜在风险，提高资本输出效益是我国急需解决的难题。对于投资哈萨克斯坦而言，我国将面临巨大的资本流动风险，如何防范及化解资本流动风险对于深化中哈多方面互利合作意义深远。我国应在中哈关于“丝绸之路经济带”建设与“光明之路”新经济政策对接合作的机制下，在深化能源资源合作的同时进一步扩大对非能源领域的投资，以分散对哈萨克斯坦的投资过度集中于能源领域的风险；同时，充分发挥行业协会、商业组织以及投资企业的协同力量，完善对哈萨克斯坦经济领域、社会领域等方面的信息共享机制，建立健全资本流动风险预警体系，防范资本流动风险带来的危害，保持对哈萨克斯坦资本流动规模的有序稳定及结构的合理优化。
参考文献：
[1]刘文翠，杨锦平.人民币实际汇率变动对中国在哈萨克斯坦FDI影响的实证分析[J].新疆社会科学，2015（2）：88-94.
[2]Jeffrey Sachs， Aaron Tornell， and Andres Velasco. Financial Crises in Emerging Markets： The Lessons from 1995[J].Brookings Papers on EconomicActivity， 1996（1）： 147-217.
[3]张元萍，孙刚.金融危机预警系统的理论透析与实证分析[J].国际金融研究，2003（10）：32-38.
[4]Graciela L. Kaminsky， Saul Lizondo， and Carmen M. Reinhart. Leading Indicators of Currency Crises [J].IMF Staff Papers， 1998（45）：1-48.
[5]Berg， Andrew and Catherine Pattillo. Are Currency Crises Predictable？ A Test[R].IMF Staff Papers，1999.
[6]Jeffrey A. Frankel and Andrew K. Rose. Currency Crashes in Emerging Markets： An Empirical Treatment [J].Journal of International Economics， 1996（41）.
[7]朱钧钧，谢识予，许祥云.基于空间Probit面板模型的债务危机预警方法[J].数量经济技术经济研究，2012（10）：100-114.
[8]颜建晖，杨小玄，殷琳.主权债务危机预警模型及跨国传染效应——基于Probit面板估计[J].浙江社会科学，2014（12）：18-29.
[9]陈守东，马辉，穆春舟.中国金融风险预警的 MS-VAR 模型与区制状态研究[J].吉林大学社会科学学报，2009（1）：110-119. [10]张德鸿.基于Logistic模型的系统性金融风险研究[J].重庆理工大学学报：自然科学版，2016（4）：137-146.
[11]N Nag， A. and A. Mitra. Neural Networks and Early Warning Indicators of Currency Crisis[J].Reserve Bank of India Occasional Papers，1999（20）：183-222.
[12]南旭光，孟衛东.基于BP神经网络的金融危机预警[J].现代管理科学，2008（2）：57-59.
[13]Martinez-Peria， Maria Soledad. A Regime-Switching Approach to the Study of Speculative Attacks： A Focus on EMS Crises [J]. Empirical Economics，2002（2）：299-334.
[14]Abiad， Abdul， Early Warning Systems： A Survey and a Regime-Switching Approach[R].IMF Working Paper，2003.
[15]Arias， Guillaume， Ulf G. Erlandsson. Regime Switching as an Alternative Early Warning System of Currency crises -an Application to South-East Asia[R].2004.
[16]牟晓云，李黎.基于结构方程模型的金融危机预警方法[J].大连海事大学学报：社会科学版，2010（4）：11-14.
[17]马威，肖帅.金融危机预警指标体系及其结构方程模型构建[J].中南大学学报：社会科学版，2014（4）：47-52.
[18]汪莹.金融危机预警模型的构建——“五系统加权法”预警模型[J].西安石油学院学报：社会科学版，2003（1）：9-17.
[19]南旭光，孟卫东.基于等比例危机模型的金融危机预警[J].重庆大学学报：自然科学版，2007（5）：138-142.
[20]张帅，刘文翠.“丝绸之路经济带”背景下哈萨克斯坦投资风险测度及预警研究[J].统计与信息论坛，2016（4）：34-40.
[21]张帅.“丝绸之路经济带”背景下中国对哈萨克斯坦资本流动风险预警研究[J].金融发展评论，2016（8）：34-44.
The Risk Evaluation for Chinese Investment in Kazakhstan
——An Analysis based on Extension Element Evaluation Model
ZHANG Shuai
（Central Asia Institute of Economics and Trade，Xinjiang University of Finance and Economics，
Urumqi 830012，China）
Abstract：The article analyzed risk of Chinese investment in Kazakhstan through constructing the extension element evaluation model of capital flow risk.Chinese capital flow risk to Kazakhstan is susceptible to the impact of international macroeconomic environmental changes， the overall level of risk has been relatively high since 2008， and comprehensive capital flow risk reached purple warning in 2008，2010 and 2014； economic risk， capital structure risk， capital market risk and political risk are the main capital flow risks for Chinese investment in Kazakhstan； the early warning results show that the overall capital flow risk level will arrive at purple warning in the next five years.
Key words：Kazakhstan；capital flow；extension element evaluation model； risk measurement
（责任编辑：厉新）