我國金融壓力指數(shù)的構(gòu)建與應(yīng)用研究

陳忠陽，許悅(中國人民大學財政金融學院，北京100872)

我國金融壓力指數(shù)的構(gòu)建與應(yīng)用研究

陳忠陽，許悅
(中國人民大學財政金融學院，北京100872)

摘要:本文基于2007年1月至2015年6月貨幣、債券、股票和外匯市場涵蓋的12項金融壓力基礎(chǔ)指標數(shù)據(jù)，運用主成分分析法和各指標間交叉相關(guān)性矩陣，為我國構(gòu)建了周度金融壓力指數(shù)(FSI)，并利用TVAR模型基于FSI與宏觀經(jīng)濟的關(guān)系進行了門限和區(qū)制分析。結(jié)果表明，F(xiàn)SI的走勢與樣本區(qū)間內(nèi)系統(tǒng)性事件發(fā)生情況基本吻合，且其當前數(shù)值與門限值比較可以用于判斷未來第7個月的經(jīng)濟所處區(qū)制。區(qū)制分析結(jié)果表明，我國高壓力區(qū)制出現(xiàn)較少，經(jīng)濟運行總體較為穩(wěn)定。

關(guān)鍵詞:金融系統(tǒng);金融穩(wěn)定;金融壓力指數(shù);系統(tǒng)性風險

一、引言

2007年開始的金融危機以及隨后爆發(fā)的歐債危機給相關(guān)國家的經(jīng)濟發(fā)展造成了嚴重損害，監(jiān)管當局逐步將風險管理的視角從微觀層面提升到了宏觀層面，對于系統(tǒng)性風險的監(jiān)測也成為各國研究的焦點。根據(jù)金融穩(wěn)定理事會(FSB)、國際貨幣基金組織(IMF)和國際清算銀行(BIS)［1］聯(lián)合發(fā)布的報告，系統(tǒng)性風險是指對金融體系造成全面損害，從而導(dǎo)致整個經(jīng)濟體系隨之受到嚴重影響的風險。Illing和Liu［2］首次提出金融壓力指數(shù)(FSI)的概念，即基于子系統(tǒng)指標綜合建立，用于監(jiān)測系統(tǒng)性風險狀況的綜合指數(shù)。由于其具有計算方法靈活、計算結(jié)果直觀的特點，逐漸發(fā)展為度量系統(tǒng)性風險的重要方法之一。在美國，由Hakkio和Keeton［3］構(gòu)建的堪薩斯州金融壓力指數(shù)(KCFSI)以及Brave和Butters［4－5］構(gòu)建的國家金融狀態(tài)指數(shù)(NFCI)已經(jīng)正式發(fā)布實時數(shù)據(jù)并用于監(jiān)測美國的系統(tǒng)性風險狀況。我國雖然尚未發(fā)生過大規(guī)模金融危機，然而受國內(nèi)外經(jīng)濟環(huán)境影響，也出現(xiàn)過股市動蕩、銀行“錢荒”等金融壓力事件，因此進行我國金融壓力的監(jiān)測對監(jiān)管當局政策指導(dǎo)而言具有十分重要的意義。本文在借鑒國內(nèi)外相關(guān)研究成果的基礎(chǔ)上，選取金融壓力基礎(chǔ)指標，基于主成分分析法對各子市場指標賦權(quán)。另外，由于金融壓力指標間相關(guān)性的增強是系統(tǒng)性風險增大的重要特征之一，本文亦將各指標間交叉相關(guān)性納入計算，嘗試構(gòu)建我國金融壓力周度指數(shù)，并利用該指數(shù)對我國金融壓力進行分析。同時，本文將該指數(shù)與宏觀經(jīng)濟相結(jié)合，利用TVAR模型判斷門限值和區(qū)制，并研究其對于經(jīng)濟運行的先導(dǎo)作用。

二、文獻綜述

從國內(nèi)外研究來看，系統(tǒng)性風險的度量和預(yù)警方法主要包括網(wǎng)絡(luò)分析法、早期預(yù)警模型法(如FR模型、KLR模型、STV模型、DD模型等)、現(xiàn)代預(yù)警模型法(如CoVaR、MES、Copula方法等)、宏觀壓力測試、金融壓力指數(shù)法等。其中金融壓力指數(shù)作為一種簡單直觀的系統(tǒng)性風險度量方法，已有較為豐富的研究成果。

作為開創(chuàng)性研究，Illing和Liu［2］認為，系統(tǒng)性金融壓力是一個連續(xù)的變量，隨著期望金融損失、風險和不確定性升高，其極值便稱為金融危機，并提出金融壓力指數(shù)(FSI)的概念。他們綜合了包括銀行部門、外匯、債券和股票市場的風險變量，通過因子分析、信用權(quán)重、等方差權(quán)重以及對指標基于累積分布函數(shù)進行轉(zhuǎn)換等方法，為加拿大構(gòu)建了金融壓力指數(shù)。Cardarelli，等［6］運用等方差權(quán)重的方法，綜合了銀行、證券和外匯市場這三個子系統(tǒng)的7個相關(guān)指標，為17個經(jīng)濟體構(gòu)建了金融壓力指數(shù)。Nelson和Perli［7］綜合12個經(jīng)濟變量，使用logit模型為美國構(gòu)建了金融脆弱性指數(shù)。運用主成分分析法，Hakkio 和Keeton［3］、Hatzius，等［8］分別利用11個和44個經(jīng)濟變量為美國構(gòu)建了堪薩斯州金融壓力指數(shù)(KCFSI)和金融狀態(tài)指數(shù)(FCI)。同樣為美國，Brave和Butters［4－5］構(gòu)建了國家金融狀態(tài)指數(shù)(NFCI)，該指數(shù)運用動態(tài)因子模型的計算方法，綜合了100個金融變量計算得出，并運用受試者工作特征曲線(ROC曲線)法進行了門限值和政策指導(dǎo)分析。Hollo，等［9］基于貨幣市場、債券市場、股票市場、金融中介和外匯市場這五個系統(tǒng)的15個變量，通過利用變量間時間變動相關(guān)性矩陣，構(gòu)建了系統(tǒng)性壓力綜合指數(shù)(CISS)，并基于歐元區(qū)數(shù)據(jù)對其進行了實證分析。Louzis和Vouldis［10］亦借鑒CISS的思路，為希臘構(gòu)建了金融系統(tǒng)性壓力指數(shù)(FSSI)，該指數(shù)除考慮了變量間相關(guān)性外，還利用了多變量GARCH模型來捕捉相關(guān)性的突然變化，并且擴展了CISS所包含的變量。

國內(nèi)也有一些學者針對金融壓力指數(shù)進行了相關(guān)研究。賴娟［11］選取期限利差、銀行業(yè)風險利差、股票市場波動性和EMPI四項指標，采用得分加總的方法構(gòu)建了中國的金融壓力指數(shù)。中國銀行國際金融研究所課題組［12］選用股票市場、公司債券市場、信用衍生市場等八組指標，基于歷史數(shù)據(jù)確定各指標分數(shù)，構(gòu)建了金融危機監(jiān)測指標體系并對其進行了區(qū)域劃分，并且運用美國的數(shù)據(jù)對其進行了檢驗。陳守東和王妍［13］選取涵蓋銀行、證券和外匯市場的6項基礎(chǔ)指標，采用等方差權(quán)重方法構(gòu)建了中國金融壓力指數(shù)，且通過馬爾科夫區(qū)制轉(zhuǎn)移模型對其進行了區(qū)制分析，并進一步探討了該指數(shù)與工業(yè)一致合成指數(shù)的關(guān)系。劉曉星和方磊［14］利用CDF－信用加總權(quán)重的方法，為我國構(gòu)建了涵蓋銀行、股票、外匯和保險四個市場中7個變量的金融壓力指數(shù)。李研妮［15］運用主成分分析法，構(gòu)建了涵蓋宏觀經(jīng)濟基本面、房地產(chǎn)、股票、貨幣債券和外匯市場的中國系統(tǒng)性風險壓力指數(shù)，并探討了其對于貨幣政策制定的作用機理。許滌龍和陳雙蓮［16］基于銀行、房地產(chǎn)、股票和外部金融市場的16項指標，采用CRITIC賦權(quán)法構(gòu)建了中國金融壓力指數(shù)，并將指數(shù)數(shù)值超過歷史均值2倍的數(shù)值作為危險金融壓力時期的標志。

目前國內(nèi)外針對金融壓力指數(shù)的構(gòu)建和應(yīng)用已有較為豐富的研究成果，然而構(gòu)建方法還處于不斷探索階段，對于各方法的應(yīng)用效果尚未形成共識。針對我國的金融壓力指數(shù)構(gòu)造和應(yīng)用，在以下幾方面尚有進一步研究的空間。第一，在指數(shù)頻率方面，以往研究所構(gòu)造的指數(shù)大多僅具有月度頻率，而對于金融壓力更為精確的走勢分析而言略顯不足。第二，在構(gòu)建方法方面，以往文獻大多基于某種方法對基礎(chǔ)指標進行加權(quán)計算，而較少考慮指標之間的相關(guān)性，鑒于相關(guān)性增強是金融壓力增大的重要標志之一，也應(yīng)在指數(shù)計算中有所體現(xiàn)。第三，在區(qū)制分析方面，現(xiàn)有文獻大多基于指數(shù)本身的特征進行區(qū)制判定，而結(jié)合指數(shù)與宏觀經(jīng)濟之間關(guān)系進行的探討則相對有限。本文試圖從以上幾方面尋求突破，在我國金融壓力指數(shù)的構(gòu)建和應(yīng)用方面進行更為深入的探索。

三、基礎(chǔ)指標選取及處理

(一)基礎(chǔ)指標的選取

用于構(gòu)建金融壓力指數(shù)的基礎(chǔ)指標需要符合金融壓力的相關(guān)特征，即金融市場上不確定性的增強，以及對風險資產(chǎn)和非流動性資產(chǎn)偏好的降低。同時各個指標包含的信息應(yīng)具有互補性，并且在金融壓力較大的時期能夠表現(xiàn)出較強的相關(guān)性［9］。本文主要參考Hollo，等［9］的基礎(chǔ)指標選取標準，同時結(jié)合我國金融市場的實際情況，選取了貨幣市場、債券市場、股票市場和外匯市場這四個子市場的金融指標，每類市場包含三個基礎(chǔ)變量，以期全面反映我國金融市場的壓力情況。此外，為滿足監(jiān)管和政策制定需要，金融壓力指數(shù)應(yīng)具有較高的數(shù)據(jù)頻率以實時反映金融壓力狀況。國內(nèi)一些相關(guān)研究所構(gòu)建的指數(shù)均為月度指數(shù)［11－15］，本文嘗試將所構(gòu)建的指數(shù)頻率進一步提高，構(gòu)建具有周度頻率的FSI，因此所選取的基礎(chǔ)指標均具有周度或日度頻率。

貨幣市場所涵蓋的指標用于反映短期融資市場所面臨的金融壓力情況，所選取的基礎(chǔ)指標包括:上海銀行間同業(yè)拆放利率(SHIBOR)的實際波動率，該指標可以反映出貨幣市場中市場情緒的波動性; TED利差，此處取SHIBOR和無風險收益率利差，可以反映出銀行間市場的流動性風險和交易對手風險，在一定程度上體現(xiàn)出“轉(zhuǎn)向優(yōu)質(zhì)資產(chǎn)(flight－to －quality)”和“轉(zhuǎn)向流動性(flight－to－liquidity)”的特點［3］;銀行間市場7日回購利率，這一指標同樣可以體現(xiàn)出短期融資市場的流動性風險和交易對手的風險。

債券市場所涵蓋的基礎(chǔ)指標包括:上證國債指數(shù)的實際波動率，這一指標用于反映債券市場中市場情緒的波動性;負的期限利差，即短期國債與長期國債的收益率之差，該指標表示銀行通過將短期負債轉(zhuǎn)變成長期資產(chǎn)從而獲利的成本，若出現(xiàn)負利差，說明收益率曲線為負斜率，銀行利潤會受到嚴重損失;銀行業(yè)風險利差，即銀行間金融債與同期國債到期收益率之差，該指標可以反映出銀行間的違約風險和流動性風險［11］。

股票市場所涵蓋的基礎(chǔ)指標包括:上證指數(shù)實際波動率，用于反映股票市場中市場情緒的波動性;上證指數(shù)的CMAX，代表股指在兩年的移動時間窗口內(nèi)的最大累積損失，由于在出現(xiàn)危機時，股市指數(shù)會出現(xiàn)大幅下降，因此該指標可以被作為反映金融壓力的指標［2］;上證指數(shù)收益與上證國債指數(shù)收益的相關(guān)系數(shù)，若該系數(shù)為負，則表示金融壓力較高，此時投資者傾向于將股票轉(zhuǎn)換為債券，表現(xiàn)出“轉(zhuǎn)向安全資產(chǎn)”現(xiàn)象［17］，此處取長期和短期的相關(guān)系數(shù)之差來反映這一因素。

外匯市場所面臨的金融壓力以匯率的實際波動率計量，用于反映外匯市場的不確定性，所涵蓋的基礎(chǔ)指標包括人民幣對美元、歐元、日元這三種對中國影響較大的外匯匯率的實際波動率。

對于各項基礎(chǔ)指標的詳細說明如表1所示。根據(jù)數(shù)據(jù)可得性和計算需要，本文所選樣本區(qū)間為2007年1月5日至2015年6月26日。

(二)對基礎(chǔ)指標的轉(zhuǎn)換

一些文獻使用標準化的方法對基礎(chǔ)指標進行轉(zhuǎn)換［6，10］，然而這一方法的隱含假設(shè)是基礎(chǔ)指標呈正態(tài)分布，而這一假設(shè)在實際當中常常難以實現(xiàn)。當新增觀察值時，樣本的平均值和標準差會發(fā)生改變，從而導(dǎo)致指數(shù)歷史數(shù)值的改變，尤其當新增觀察值為危機時期出現(xiàn)的極端數(shù)值時，這一問題會更加嚴重。金融壓力指數(shù)歷史數(shù)值的變化會影響對其門限值和區(qū)制的判定，從而導(dǎo)致“事件重新分類”問題的出現(xiàn)，進而影響該指數(shù)的穩(wěn)健性［9］。

本文運用了Hollo，等［9］的方法，使用實證累積分布函數(shù)(CDF)對原始指標進行轉(zhuǎn)換。該方法將一項基礎(chǔ)指標記為xt，x = (x1，x2，…，xn)，n表示數(shù)據(jù)樣本的總量。一項指標每個數(shù)值的排位次序記為(x［1］，x［2］，…，x［n］)，其中x［1］≤x［2］≤…≤x［n］，［r］代表一個具體觀察值的排位次序。原始指標以升序形式排列，因此x［n］代表最大值，x［1］代表最小值。轉(zhuǎn)換后的數(shù)值zt基于實證CDFFn(xt)采用以下公式計算:

其中t = 1，2，…n，。1a公式表明實證CDFFn(xt)等于某一特定觀察值的排列次序除以樣本內(nèi)的總觀察值數(shù)量。如果觀察值出現(xiàn)重復(fù)的情況，則每個觀察值的排列次序等于所有重復(fù)觀察值排列次序的平均值。此時，實證CDF表現(xiàn)為一系列非降序的序列，各值之間的差值為1/n的倍數(shù)，轉(zhuǎn)換后的指標值域區(qū)間為(0，1］。

為保證FSI的實時性和穩(wěn)健性，本文參考Hollo等［9］的方法，進一步使用遞歸(recursion)的方式對原始指標進行轉(zhuǎn)換。這種方法可以保證在加入新觀察值的情況下FSI的歷史數(shù)值不會改變。前遞歸區(qū)間取2007年1月5日至2009年12月31日，此區(qū)間內(nèi)各基礎(chǔ)指標的實證CDF計算采用1a公式，而在此區(qū)間之后，每加入一個新觀察值，該觀察值的實證CDF則采用以下公式計算:

其中T = 1，2，…，N，N表示數(shù)據(jù)樣本的結(jié)束時間(本文中為2015年6月26日)。

代表每個市場(i = 1，2，3，4)的壓力指數(shù)si，t取該市場所涵蓋的三個子指標(j = 1，2，3)的算術(shù)平均數(shù)得到，即這一方法假設(shè)每個市場所涵蓋的指標均包含互補的信息。表1詳細描述了四個子市場中的每個壓力指標的計算方法。

表1　FSI計算中所涵蓋的金融壓力基礎(chǔ)指標

四、金融壓力指數(shù)的構(gòu)建

(一)子市場壓力指數(shù)權(quán)重的確定

由于金融壓力可以被視為影響各子市場壓力指數(shù)共同變動的主要因子，本文參考Hakkio和Keeton［3］所使用的主成分分析法對四個市場壓力指數(shù)的主成分進行提取，進而確定四個市場si指數(shù)的權(quán)重wi。

表2　方差分解主成分提取分析表

表3　前兩個特征值對應(yīng)的特征向量

如表2和表3所示，提取特征值大于1的前兩個主成分以及其所對應(yīng)的特征向量，累積貢獻率為66．96%，可以基本反映原數(shù)據(jù)所體現(xiàn)出來的金融壓力情況。所提取的第一個主成分基本反映了短期和長期借貸市場的基本信息，所提取的第二個主成分主要反映了股市和外匯市場的基本信息。將每個市場指標所對應(yīng)的兩個特征值根據(jù)其方差貢獻率進行加權(quán)平均，最后進行歸一化處理，可得各個市場的權(quán)重，如表4所示。

表4　四個子市場所對應(yīng)的權(quán)重

作為對所確定權(quán)重的進一步驗證，本文參考Hollo，等［9］對于各子市場指數(shù)的權(quán)重確定方法，分別考察四個市場的壓力指數(shù)對于宏觀經(jīng)濟的沖擊效應(yīng)。選取國家統(tǒng)計局中國經(jīng)濟景氣監(jiān)測中心所發(fā)布的中國經(jīng)濟景氣先行指數(shù)作為宏觀經(jīng)濟運行情況的參考指標，該指數(shù)基于股市指數(shù)、貨幣供應(yīng)量、國債利率差、產(chǎn)品銷售率等8組指標構(gòu)建而成，峰谷比一致指數(shù)平均領(lǐng)先6－7個月①關(guān)于中國經(jīng)濟景氣指數(shù)的更多信息請參考http: / /www．cemac．org．cn/。中國經(jīng)濟景氣指數(shù)數(shù)據(jù)來源:中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。。由于本文用于構(gòu)建FSI的基礎(chǔ)指標均為金融指標，而從國內(nèi)外反映經(jīng)濟運行指標的構(gòu)成來看，資金類指標大多被用于先行指標［18］，因此在確定各子市場壓力指數(shù)的權(quán)重時，考察各子市場指數(shù)與同時期對應(yīng)的經(jīng)濟景氣先行指數(shù)的關(guān)系比選用一致指數(shù)更為合理②FSI、中國經(jīng)濟景氣先行指數(shù)和一致指數(shù)的走勢請參考圖4。。由于經(jīng)濟景氣指數(shù)為月度數(shù)據(jù)，此處取各子市場周度指數(shù)的月度平均值進行分析。根據(jù)增廣迪基－福勒(ADF)單位根檢驗結(jié)果，四個子市場指數(shù)(si)和經(jīng)濟景氣先行指數(shù)(y0)均為平穩(wěn)序列③經(jīng)ADF檢驗，y0、s1－s4所對應(yīng)p值分別為0．0369、0．0146、0．0131、0．0028、0．0006，均可以在5%的水平下拒絕存在單位根的原假設(shè)。，進而分別以si和y0構(gòu)建VAR模型，并考察y0對于si一個標準差沖擊的脈沖響應(yīng)函數(shù)(IRF)。由于假定si可能會對經(jīng)濟活動產(chǎn)生影響，設(shè)定變量次序為(si，y0)，IRF結(jié)果如圖1所示。

圖1　經(jīng)濟景氣先行指數(shù)對于四個市場指數(shù)的脈沖響應(yīng)函數(shù)注:虛線代表兩個標準誤區(qū)間。

從圖1可以看出，貨幣市場和債券市場的金融壓力對于中國宏觀經(jīng)濟的沖擊最大，壓力指數(shù)分別在第10個月和第7個月使經(jīng)濟景氣先行指數(shù)達到了最多0．449和0．445個標準差的下降，貨幣市場壓力對經(jīng)濟的負面影響在第23個月消失，而債券市場壓力對經(jīng)濟的負面影響在第24個月尚未消失。股票市場和外匯市場的金融壓力對中國宏觀經(jīng)濟的沖擊較小，壓力指數(shù)分別在第2個月和第3個月使經(jīng)濟景氣先行指數(shù)有0．147和0．174個標準差的下降，這兩個市場的壓力對經(jīng)濟的負面影響分別在第6個月和第8個月消失。由此看出，貨幣和債券市場的金融壓力對宏觀經(jīng)濟的影響均較大，大約是股票和外匯市場對經(jīng)濟影響的兩到三倍，其中債券市場壓力沖擊的持續(xù)時間較長。而股票和外匯市場的金融壓力對經(jīng)濟影響較小，其中外匯市場壓力對經(jīng)濟的影響稍大于股票市場。因此，通過主成分分析法得出的四個市場壓力指數(shù)的權(quán)重設(shè)定較為合理，能夠反映出各市場壓力對與宏觀經(jīng)濟的影響情況④在FSI的實際使用中，各子市場權(quán)重亦可以根據(jù)宏觀經(jīng)濟運行的不同階段進行調(diào)整。。

(二)金融壓力指數(shù)的構(gòu)建方法

本文參考Hollo，等［9］的方法，借鑒了投資組合理論的思路，除對各子市場指數(shù)加權(quán)計算外，亦將各指數(shù)間隨時間變動的交叉相關(guān)性考慮在內(nèi)，其思想是金融壓力不僅表現(xiàn)在各壓力指標的絕對數(shù)值上，還表現(xiàn)在各指標之間的相關(guān)性上，各指標之間相關(guān)程度越高，就表明系統(tǒng)性風險越大。這是由于在金融壓力較高的時期，幾個市場均會同時面臨風險。

本文所構(gòu)建的FSI數(shù)值范圍為(0，1］，計算公式為

FSIt= (w·st) Ct(w·st) '(2)

其中，w = (w1，w2，w3，w4)，代表各子市場指數(shù)的權(quán)重向量，w·st代表Hadamard乘積(即在時間t時市場指數(shù)權(quán)重向量與市場指數(shù)數(shù)值向量中每個數(shù)值的乘積)。根據(jù)前文計算結(jié)果，各子市場的壓力指數(shù)權(quán)重分別為:貨幣市場37．7%、債券市場40．5%、股票市場4．7%、外匯市場17．1%。

Ct代表市場指數(shù)i和j隨時間變動的交叉相關(guān)系數(shù)矩陣，表示為:

各子市場壓力指數(shù)之間交叉相關(guān)系數(shù)ρij，t基于指數(shù)加權(quán)移動平均(EWMA)的方法使用協(xié)方差σij，t和波動率σ2i，t計算:

其中i = 1，2，3，4，j = 1，2，3，4，i≠j，t = 1，2，…，T，且珓si，t= (si，t－0．5)代表市場指數(shù)和其理論上的中位數(shù)0．5的差值。平滑系數(shù)λ取常數(shù)0．93。t = 0時方差和協(xié)方差的初始值，即2007年1月5日的值，為基于前遞歸期2007年1月5日至2009年12月31日數(shù)值計算的方差和協(xié)方差值。

五、我國金融壓力測度結(jié)果及分析

利用FSI可以對我國金融壓力走勢進行分析，進而了解我國系統(tǒng)性風險狀況。如圖2所示，樣本區(qū)間內(nèi)，F(xiàn)SI走勢與我國系統(tǒng)性事件發(fā)生情況基本吻合。具體來講，我國金融壓力在2007年至2008 年10月總體一直處于上升態(tài)勢，并在2008年10月底達到頂峰，這期間發(fā)生了全球股災(zāi)、我國股市持續(xù)下跌以及美國金融危機爆發(fā)等一系列系統(tǒng)性事件。而隨著2008年11月我國政府用于擴大內(nèi)需、刺激經(jīng)濟增長的十項措施出臺，市場信心得到提振，金融壓力也不斷下降。2009年底歐債危機爆發(fā)并持續(xù)影響歐元區(qū)國家的經(jīng)濟和金融穩(wěn)定狀況，然而我國的金融壓力在此期間并沒有出現(xiàn)十分明顯的上升，在2009－2013上半年一直處于較低水平，說明歐債危機對我國的金融穩(wěn)定并沒有造成十分明顯的系統(tǒng)性影響。2013年6月和12月我國銀行業(yè)出現(xiàn)了流動性緊張而導(dǎo)致的“錢荒”事件，也造成金融壓力再一次達到峰值。2014年我國金融壓力出現(xiàn)小幅上升，而隨著年底受國際油價大幅下跌等因素影響，俄羅斯盧布大幅貶值，對我國的金融秩序也產(chǎn)生了一定的沖擊，金融壓力進一步上升。2015年6月我國股市出現(xiàn)大幅動蕩，F(xiàn)SI出現(xiàn)小幅上升態(tài)勢，然而絕對水平并沒有達到較高數(shù)值，因此此次股市危機對我國當年6月的金融穩(wěn)定并沒有造成十分重大的影響。

圖2　FSI和國內(nèi)外主要系統(tǒng)性事件

六、金融壓力指數(shù)的門限和區(qū)制分析

(一)門限向量自回歸模型(TVAR)的構(gòu)建

金融壓力指數(shù)門限值和區(qū)制的分析可以用來識別存在嚴重系統(tǒng)性壓力的時期，進而為監(jiān)管當局的政策制定提供參考。一些文獻使用比指數(shù)歷史平均值高一個或兩個標準差的數(shù)值作為金融壓力指數(shù)的門限值［2，6］，然而這種方法的隱含假設(shè)為指數(shù)呈正態(tài)分布，若違反這一假設(shè)，在增加新觀察值后指數(shù)的平均值和標準差則會有較大幅度變化，影響對金融壓力區(qū)制的判定。圖3表明本文所構(gòu)建的FSI呈明顯右偏分布，因此這一方法對本文并不適用。它的另一個缺陷是在判斷將超過歷史平均值幾倍的標準差作為門限值時并沒有明確的標準［9］。

圖3　FSI分布直方圖和平滑曲線注:直方圖基于密度計算，平滑曲線基于Epanechnikov核密度計算。平均值=0．1474，中位數(shù)=0．1186。

本文參考Tsay［19］的方法，將FSI和經(jīng)濟活動綜合考量以確定FSI門限值，使用門限向量自回歸模型(TVAR)區(qū)分高壓力區(qū)制和低壓力區(qū)制。此處使用FSI和國家統(tǒng)計局中國經(jīng)濟景氣監(jiān)測中心所發(fā)布的中國經(jīng)濟景氣一致指數(shù)作為內(nèi)生變量以建立TVAR模型。中國經(jīng)濟景氣一致指數(shù)由工業(yè)生產(chǎn)指數(shù)、社會需求指數(shù)、社會收入指數(shù)和工業(yè)從業(yè)人員數(shù)四組指標構(gòu)成，其峰谷出現(xiàn)時間與總體經(jīng)濟運行的峰谷出現(xiàn)時間基本一致，用于綜合描述宏觀經(jīng)濟所處狀況。FSI、中國經(jīng)濟景氣一致指數(shù)和先行指數(shù)的數(shù)值如圖4所示，由于中國經(jīng)濟景氣指數(shù)均為月度數(shù)據(jù)，此處FSI取周度數(shù)據(jù)的月度平均值進行門限和區(qū)制分析，樣本區(qū)間為2007年1月到2015年6月。

圖4　FSI、中國經(jīng)濟景氣一致指數(shù)和先行指數(shù)數(shù)據(jù)來源:中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫、本研究計算

本文使用FSI作為門限變量，假定其具有兩個區(qū)制和一個門限值，根據(jù)Schwarz信息準則，確定了以下TVAR(3)模型:

其中xt= (Ft，yt) '，代表內(nèi)生變量(分別為FSI和一致指數(shù))的二維向量，cs，Φsj代表s = H，L狀態(tài)(H和L分別代表高壓力和低壓力區(qū)制)時的截距向量和斜率系數(shù)矩陣，滯后階數(shù)為j = 1，2，3，向量est代表基于不同區(qū)制回歸的殘差項，τ代表門限值參數(shù)。Zt－d代表門限變量，滯后階數(shù)為d∈{ 1，…，d0}。由圖4可以看出，F(xiàn)SI與中國經(jīng)濟景氣先行指數(shù)的當期數(shù)值具有較為明顯的負相關(guān)關(guān)系，且FSI和先行指數(shù)的峰谷相對一致指數(shù)而言較為領(lǐng)先，因此初步判斷FSI的滯后數(shù)值可以作為當期經(jīng)濟運行情況的預(yù)警變量，同時由于先行指數(shù)比一致指數(shù)平均領(lǐng)先6－7個月，此處取最大滯后階數(shù)為d0= 8，以分別分析1階到8階滯后的FSI是否能作為門限變量，進而得出合適的門限值τ。

根據(jù)Tsay［19］所做的假定，門限變量應(yīng)表現(xiàn)出平穩(wěn)且連續(xù)的特點，并且在實數(shù)區(qū)間內(nèi)有正密度函數(shù)。而根據(jù)增廣迪基－福勒(ADF)單位根檢驗結(jié)果，F(xiàn)SI是平穩(wěn)序列①FSI的ADF檢驗t統(tǒng)計量為－3．558，p值為0．039，可以在5%的水平下拒絕存在單位根的原假設(shè)。，同時FSI也具有固定區(qū)間，因此滿足此項假定。門限值滯后階數(shù)和門限值參數(shù)可以根據(jù)由Tsay［19］開發(fā)的近似卡方分布的C(d)統(tǒng)計量確定。在確定滯后階數(shù)后，門限值根據(jù)FSI設(shè)定為300個區(qū)間點時，Akaike信息準則(AIC)值最低時確定。滯后階數(shù)為d = 1到d = 8時的門限分析結(jié)果如表5所示。由表5可得在d = 7時，在5%水平下可以拒絕不存在門限效應(yīng)的原假設(shè)，所確定的最佳門限值為0．2849。在實際運用當中，這一結(jié)果可以被解釋為將當期FSI數(shù)值與門限值比較，可以用于判斷未來第7個月的宏觀經(jīng)濟所處的區(qū)制。而經(jīng)濟景氣先行指數(shù)相對一致指數(shù)亦有6－7個月的領(lǐng)先區(qū)間，這與FSI的領(lǐng)先區(qū)間基本一致，表明FSI可以被用作判斷經(jīng)濟運行走勢的先行指標。

表5　門限滯后階數(shù)和門限值分析結(jié)果

(二)我國金融壓力區(qū)制分析

如圖5所示，7階滯后的FSI與中國經(jīng)濟景氣一致指數(shù)呈明顯的負相關(guān)關(guān)系，總體而言FSI對于經(jīng)濟走勢有一定的預(yù)警效果。在一些時間區(qū)間內(nèi)，7階滯后的FSI并未達到門限值水平，然而當期經(jīng)濟景氣一致指數(shù)仍然較低，這一方面說明利用FSI進行未來7個月的經(jīng)濟走勢預(yù)測并非與實際經(jīng)濟運行情況完全一致，尚需結(jié)合其他指標對經(jīng)濟走勢進行進一步分析，另一方面亦說明雖然這些時段內(nèi)宏觀經(jīng)濟總體環(huán)境走低，然而作為先行指標的金融壓力指數(shù)在前期并未表現(xiàn)出較高數(shù)值，可能是由于各金融變量間相關(guān)程度并不強，因此后期引起大規(guī)模系統(tǒng)性危機的可能性依然較小。

圖5　FSI(7階滯后)與中國經(jīng)濟景氣一致指數(shù)散點圖數(shù)據(jù)來源:中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫、本研究計算。注:當FSI數(shù)值(7階滯后)等于或高于門限值0．2849時為高壓力區(qū)制，低于門限值時為低壓力區(qū)制。

從區(qū)制分析結(jié)，可以看出我國金融體系總體運行較為平穩(wěn)，處于高壓力區(qū)制的時間區(qū)間較少。高壓力區(qū)制分別出現(xiàn)在2009年4月－7月、2014年1月和7月，同時臨近高壓力時期的2009年1月和2014年2月所對應(yīng)的滯后7階FSI也表現(xiàn)出接近門限值的數(shù)值，而這幾個時期對應(yīng)的中國經(jīng)濟景氣一致指數(shù)的確表現(xiàn)出較低的水平(如圖4所示)。結(jié)合一致指數(shù)走勢來看，2008年下半年金融危機爆發(fā)時FSI數(shù)值大幅上升，隨后在2008年底到2009年上半年，我國宏觀經(jīng)濟情況也受危機影響一度出現(xiàn)低谷，并進入高壓力區(qū)制。而后在經(jīng)濟刺激政策發(fā)揮作用的情況下，作為先行指數(shù)的FSI在先期持續(xù)下降，隨后經(jīng)濟實際運行也逐步回暖，在2009年8月進入低壓力區(qū)制。2014年年初和年中，我國受國內(nèi)外多種風險因素影響，經(jīng)濟運行再一次進入高壓力區(qū)制，同期經(jīng)濟景氣一致指數(shù)出現(xiàn)進一步下降，并在7月出現(xiàn)大幅下滑。就FSI的走勢來看，F(xiàn)SI在2014年出現(xiàn)了較為明顯的上升，并在2015年1月和2月出現(xiàn)了接近門限值的數(shù)值，這在一定程度上表明我國經(jīng)濟運行在2015年下半年可能還會出現(xiàn)進一步下滑的態(tài)勢。

從FSI和我國經(jīng)濟運行的關(guān)系來看，F(xiàn)SI在大多數(shù)情況下能夠?qū)?jīng)濟運行和區(qū)制判定起到較好的先期預(yù)警作用。然而在2011年下半年到2012年上半年我國經(jīng)濟景氣一致指數(shù)出現(xiàn)大幅下滑時，先期的FSI并沒有表現(xiàn)出接近或超過門限值的數(shù)值，這可能是由于各金融指標之間變動的相關(guān)性并不強，因此金融市場內(nèi)并未表現(xiàn)出明顯的系統(tǒng)性風險，也進一步說明對經(jīng)濟整體走勢的判斷還需結(jié)合其他指標進行全面分析。

七、結(jié)論

本文基于2007年1月至2015年6月的金融市場數(shù)據(jù)，為我國構(gòu)建了周度金融壓力指數(shù)(FSI)。該指數(shù)基于貨幣市場、債券市場、股票市場和外匯市場所涵蓋的12個金融壓力基礎(chǔ)指標計算，除使用主成分分析法為各子市場的指數(shù)賦權(quán)外，還根據(jù)系統(tǒng)性風險的特點，將各子市場指數(shù)之間的交叉相關(guān)性考慮在內(nèi)。實證結(jié)果表明，該指數(shù)走勢與樣本區(qū)間內(nèi)影響我國的系統(tǒng)性事件發(fā)生情況基本吻合，可以較好地監(jiān)測我國系統(tǒng)性風險狀況。

進一步利用FSI與中國經(jīng)濟景氣指數(shù)所構(gòu)建的TVAR模型進行門限和區(qū)制分析，結(jié)果表明，將FSI的當前數(shù)值與門限值比較，可以用于判斷未來第7個月宏觀經(jīng)濟所處區(qū)制。結(jié)合FSI與經(jīng)濟景氣一致指數(shù)走勢來看，F(xiàn)SI對宏觀經(jīng)濟走勢能夠起到一定的預(yù)警作用。同時由于金融壓力情況僅是反映宏觀經(jīng)濟總體運行的其中一方面指標，尚需結(jié)合其他指標進行綜合分析以得到更為精確的宏觀經(jīng)濟走勢預(yù)測結(jié)果。

利用FSI對我國金融壓力情況和區(qū)制分析結(jié)果表明，我國處在高壓力區(qū)制的時間區(qū)間較少，金融系統(tǒng)總體運行較為穩(wěn)定。金融壓力較高的時期主要發(fā)生在2008年10月金融危機前后、2013年6月和12月的銀行“錢荒”事件期間以及2014年底到2015年初出現(xiàn)的國際原油價格下降、俄羅斯盧布危機期間，在經(jīng)歷這幾個時期之后我國經(jīng)濟景氣指數(shù)隨之下滑，進入或接近高壓力區(qū)制。就2015年的情況看，6月的股市危機并沒有使當月的金融壓力產(chǎn)生顯著的高水平。年初的金融壓力水平較高，表明我國在2015年下半年經(jīng)濟運行可能會出現(xiàn)進一步的下滑，監(jiān)管當局應(yīng)積極應(yīng)對。

參考文獻:

［1］FSB，BIS，IMF．Macroprudential policy tools and frameworks－Progress report to G20［EB/OL］．http: / /www．bis．org/publ/othp17．pdf，2011－10－27．

［2］Illing M，Liu Y．Measuring financial stress in a developed country: An application to Canada［J］．Journal of Financial Stability，2006，2 (3) : 243－265．

［3］Hakkio C S，Keeton W R．Financial stress: What is it，how can it be measured，and why does it matter?［J］．Economic Review，2009，94 (2) : 5－50．

［4］Brave S，Butters R A．Gathering insights on the forest from the trees: A new metric for financial conditions ［R］．Federal Reserve Bank of Chicago Working Paper No．2010－07，2010．

［5］Brave S，Butters R A．Diagnosing the financial system: Financial conditions and financial stress［J］．International Journal of Central Banking，2012，8 (2) : 191－239．

［6］Cardarelli R，Elekdag S A，Lall S．Financial stress，downturns，and recoveries［R］．IMF Working Papers No．09/100，2009．

［7］Nelson W，Perli R．Selected indicators of financial stability［R］．Irving Fisher Committee’s Bulletin on Central Bank Statistics No．23，2005．

［8］Hatzius J，Hooper P，Mishkin F S，Schoenholtz K L，Watson M W．Financial conditions indexes: A fresh look after the financial crisis［R］．NBER Working Paper No．16150，2010．

［9］Hollo D，Kremer M，Lo Duca M．CISS－A composite indicator of systemic stress in the financial system［R］．ECB Working Paper Series No．1426，2012．

［10］Louzis D P，Vouldis A T．A methodology for constructing a financial systemic stress index: An application to Greece［J］．Economic Modelling，2012，29 (4) : 1228 －1241．

［11］賴娟．潛在的危機——中國金融系統(tǒng)性風險研究［M］．北京:中國財政經(jīng)濟出版社，2011．

［12］中國銀行國際金融研究所課題組．金融危機監(jiān)測指標體系研究［J］．國際金融研究，2010 (3) : 73－82．

［13］陳守東，王妍．金融壓力指數(shù)與工業(yè)一致合成指數(shù)的動態(tài)關(guān)聯(lián)研究［J］．財經(jīng)問題研究，2011 (10) : 39 －46．

［14］劉曉星，方磊．金融壓力指數(shù)構(gòu)建及其有效性檢驗——基于中國數(shù)據(jù)的實證分析［J］．管理工程學報，2012 (3) : 1－6．

［15］李研妮．我國系統(tǒng)性金融風險壓力指數(shù)的測量與應(yīng)用分析［J］．南方金融，2013 (10) : 43－48．

［16］許滌龍，陳雙蓮．基于金融壓力指數(shù)的系統(tǒng)性金融風險測度研究［J］．經(jīng)濟學動態(tài)，2015 (4) : 69－78．

［17］Baele L，Bekaert G，Inghelbrecht K．The determinants of stock and bond return comovements［J］．Review of Financial Studies，2010，23 (6) : 2374－2428．

［18］晏露蓉，吳偉．借鑒和思考:國內(nèi)外經(jīng)濟運行先行指標體系比較［J］．金融研究，2005 (9) : 39－50．

［19］Tsay R S．Testing and modeling multivariate threshold models［J］．Journal of the American Statistical Association，1998，93 (443) : 1188－1202．

責任編輯、校對:郭燕慶

作者簡介:陳忠陽(1968－)，湖南省漢壽縣人，中國人民大學財政金融學院教授、博士生導(dǎo)師，研究方向:金融風險管理;許悅(1990－)，女，吉林省汪清縣人，中國人民大學財政金融學院博士研究生，研究方向:金融風險管理。

基金項目:教育部人文社會科學重點研究基地、中國人民大學中國財政金融政策研究中心重大項目“我國金融風險管理和監(jiān)管問題研究”(項目編號: 11JJD790009)。

收稿日期:2015－09－06

文獻標識碼:A

文章編號:1002－2848－2016(01)－0027－09