新常態(tài)下中國金融壓力與宏觀經(jīng)濟動態(tài)效應研究

秦建文，王 濤,2

(1.廣西大學 商學院，廣西 南寧 530004； 2.中國人民銀行 南寧中心支行，廣西 南寧 530028)

新常態(tài)下中國金融壓力與宏觀經(jīng)濟動態(tài)效應研究

秦建文1，王 濤1,2

(1.廣西大學 商學院，廣西 南寧 530004； 2.中國人民銀行 南寧中心支行，廣西 南寧 530028)

針對新常態(tài)下中國經(jīng)濟金融特點，通過選取金融市場重要指標來構建中國金融壓力指數(shù)，以測度2002年1月—2016年6月期間中國金融風險狀況，并運用結構向量自回歸模型(SVAR)研究金融壓力與宏觀經(jīng)濟的動態(tài)效應。結果顯示：我國目前處在金融風險高發(fā)階段，并可能長期面臨較高的金融壓力;金融風險自身具有較大的慣性，對經(jīng)濟主體信心和房地產(chǎn)市場存在顯著的負面影響；經(jīng)濟主體信心和房地產(chǎn)市場的波動對金融壓力影響明顯，且持續(xù)時間較長；金融風險的影響隨著時間延續(xù)而不斷增強，存在較為明顯的滯后效應。

金融壓力；宏觀經(jīng)濟；SVAR模型；脈沖響應函數(shù)；方差分解

秦建文，王濤.新常態(tài)下中國金融壓力與宏觀經(jīng)濟動態(tài)效應研究[J].浙江工商大學學報，2017(3):75-87.

一、 引 言

2007年全球金融危機給世界經(jīng)濟造成嚴重損害，金融風險的集聚和金融系統(tǒng)的失衡對宏觀經(jīng)濟產(chǎn)生巨大負面影響，金融發(fā)展與宏觀經(jīng)濟的交互作用日趨顯著。后危機時代宏觀審慎監(jiān)管逐漸成為各國共識，對宏觀金融風險的測度也日漸成為各國學界和業(yè)界討論的熱點。隨著中國經(jīng)濟步入新常態(tài)，如何準確地度量中國宏觀金融風險，分析金融風險與中國宏觀經(jīng)濟的作用機制，對防范和化解金融風險、維護金融穩(wěn)定具有重要的理論和實踐意義。

金融壓力指數(shù)(Financial Stress Index，簡稱FSI)最早由Illing和Liu[1]提出，是一種簡單直觀的金融風險度量方法。與之前的0-1兩變量法不同，金融壓力指數(shù)是一個連續(xù)變量，能夠反映出整個金融體系總體風險壓力的持續(xù)波動狀態(tài)和嚴重程度。該指數(shù)涵蓋銀行、外匯、債券、股票等多個金融市場，由數(shù)量變量、價格變量和其他變量等多類型變量構成，能夠有效衡量一個國家整個金融在某一時刻的金融壓力及一段時期內(nèi)的波動變化情況，通過分析比較能夠及時提示和預警潛在金融風險。

國外學者從指標選擇、構建方法以及傳導機制等多個方面對壓力指數(shù)進行了廣泛而深入的研究。例如，Nelson和Perli[2]運用logit模型，選擇了12個經(jīng)濟變量構建美國金融脆弱性指數(shù)。Cardarelli等[3]運用標準化變量的未加權平均法，將三個金融市場的7個指標綜合起來，構建了17個經(jīng)濟體的金融壓力指數(shù)。Hakkio和Keeton[4]運用主成分分析法，通過1990年至2009年美國數(shù)據(jù)綜合了11個變量構建了金融壓力指數(shù)，并證明了該指數(shù)能夠有效識別美國的實際金融風險。Hatzius等[5]運用主成分分析法為美國構建了金融狀態(tài)指數(shù)(FCI)。Brave等[6]將100個金融變量綜合起來，通過動態(tài)因子模型對美國構建了國家金融狀態(tài)指數(shù)(NFCI)，并運用ROC曲線法進行門限值和政策指導分析。Louzis等[7]在構建希臘金融系統(tǒng)性壓力指數(shù)(FSSI)時通過多變量GARCH模型發(fā)現(xiàn)變量間相關性的突然變化。Hollo等[8]利用變量間時間變動相關性矩陣，選擇了貨幣市場等五大系統(tǒng)的15個變量，綜合成一個金融壓力指數(shù)，并用歐元區(qū)數(shù)據(jù)進行了實證分析。Hubrich等[9]研究發(fā)現(xiàn)，美國的宏觀經(jīng)濟活動受金融壓力的影響很大，當金融壓力處于高位時，傳統(tǒng)貨幣政策難以發(fā)揮有效的作用。Balakrishnan等[10]對發(fā)達國家和新興經(jīng)濟體分別構建了金融壓力指數(shù)(AE-FST和EM-FSI)，并對從發(fā)達國家向新興經(jīng)濟體的金融壓力傳導機制進行了研究。

近年來國內(nèi)學者對金融壓力指數(shù)的研究不斷深入，結合中國經(jīng)濟金融實際，取得了一系列研究成果。賴娟等[11]將四個變量綜合成金融壓力指數(shù)，并用中國2002年1月至2009年12月的數(shù)據(jù)進行實證分析。陳守東等[12]從金融壓力與宏觀經(jīng)濟的動態(tài)關聯(lián)角度研究金融壓力指數(shù)的構建和應用。劉曉星等[13]利用CDF—信用加總權重法，將四個市場的金融變量綜合起來構建了中國金融壓力指數(shù)，結果表明來自中國FSI的沖擊在滯后6個季度會對宏觀經(jīng)濟產(chǎn)生顯著的不利影響。張晶等[14]結合當前金融系統(tǒng)的特點設計了中國金融系統(tǒng)壓力指數(shù)，通過兩種方法檢驗了其識別作用，并利用VAR模型對其宏觀效應展開研究。陳忠陽等[15]采用貨幣、債券、股票和外匯市場涵蓋的12項基礎指標數(shù)據(jù)，運用主成分分析法和相關性矩陣，構建了周度金融壓力指數(shù)，并利用TVAR模型基于FSI與宏觀經(jīng)濟的關系進行了門限和區(qū)制分析。顧洪梅等[16]運用VAR模型研究金融壓力與工業(yè)增長之間的關系，比較分析兩者在全樣本期、高壓力期及低壓力期的關系以及銀行部門的重要性。

本文于已有研究的基礎上，根據(jù)新常態(tài)下中國經(jīng)濟金融具體狀況構建了一個可有效測度中國金融風險的金融壓力指數(shù)，并且采用馬爾科夫轉(zhuǎn)換模型和事件識別法等方法檢驗其識別作用。在此基礎上運用結構向量自回歸模型(SVAR模型)對中國金融壓力和宏觀經(jīng)濟之間的動態(tài)效應進行研究，探討經(jīng)濟增長、物價水平、主體信心及房地產(chǎn)市場與金融壓力之間的相互作用和影響，以期對中國金融風險防控研究做出有益嘗試。

二、 中國金融壓力指數(shù)的設計和檢驗

(一) 指標選擇

在以往的研究中使用的指標通常包括銀行、股票、債券和外匯等多個市場的主要指標。本文在此基礎上精心選取了銀行業(yè)風險利差、泰德利差(TED利差)、負的期限利差、資金價格波動、股票指數(shù)變化、外匯匯率變化和外匯儲備減少等7個金融市場變量來綜合構建中國的金融壓力指數(shù)。

作為體現(xiàn)銀行業(yè)風險壓力的指標，銀行業(yè)風險利差一般是指金融債券利率超過政府債券的溢價，本文采用1年期商業(yè)銀行金融債到期收益率與1年期國債到期收益率之差的月平均值度量。

泰德利差(TED利差)原指3個月倫敦銀行間市場利率與3個月美國國債利率之差，即銀行間同業(yè)市場利率與無風險利率之差，是衡量金融市場風險的重要指標。當泰德利差上行時，代表信用狀況緊縮，銀行間的金融壓力加大。本文的泰德利差用銀行間同業(yè)拆借90天加權平均利率的月度值減去3個月國債到期收益率的月度值表示。

期限利差指長期政府債券和短期政府債券之間收益率的差異。期限利差越大越有利于銀行增加收益。相反，負的期限利差則體現(xiàn)了對銀行收益的負面影響，如果負的期限利差不斷增大，那么銀行的獲利將會逐漸減少，金融壓力逐漸增加。在這里，本文用1年期國債到期收益率減去10年期國債到期收益率的日利差的月平均值來代表負的期限利差。

資金價格波動用銀行間同業(yè)拆借90天加權平均利率(月度值)的變化來代表。利率上行說明市場上流動性相對緊張，資金價格上漲，金融壓力上升；相反，利率下行說明市場上流動性較為寬松，資金價格逐漸下降，金融壓力也逐漸下降。

股票指數(shù)變化用上證指數(shù)月收益率GARCH(1,1)模型計算的時變方差來代表，實踐表明股票市場指數(shù)波動存在著波動集簇性,而GARCH模型可以很好地擬合股指波動情況，同時對股指收益率也能進行較好的預測。

外匯匯率變化用每月人民幣實際有效匯率指數(shù)GARCH(1,1)模型計算的時變方差來代表。國際清算銀行發(fā)布的有效匯率指數(shù)是基于2008年至2010年貿(mào)易數(shù)據(jù)權重，并以2010年為基期發(fā)布的月度數(shù)據(jù)。因此，本文采用國際清算銀行發(fā)布的人民幣實際有效匯率(REER)指數(shù)代表實際有效匯率。

外匯儲備減少用中國人民銀行發(fā)布的每月外匯儲備余額的差分計算。在面對金融危機時，為了避免本幣過快貶值，各個國家通常采取拋售外匯儲備的手段來加以應對。如果外匯儲備快速減少，說明外匯市場形勢緊張，金融壓力顯著增加。

結合上述所選擇指標的可獲得性，本文選取的研究期間為2002年1月至2016年6月，為方便金融風險壓力指標的構建本文使用月度數(shù)據(jù)。利率數(shù)據(jù)來源于WIND數(shù)據(jù)庫，債券市場數(shù)據(jù)來源于中國債券信息網(wǎng)，實際有效匯率數(shù)據(jù)來源于國際清算銀行(BIS)，外匯儲備數(shù)據(jù)來源于中國人民銀行。最后一共得到7個反映中國金融風險壓力狀況的指標變量序列，其數(shù)量特征見表1。

表1 構建FSI所涵蓋的金融壓力基礎指標

(二) 數(shù)據(jù)標準化

為了保證結果的可靠性，消除量綱(單位)影響和變量自身變異的影響，需要對原始指標數(shù)據(jù)進行標準化處理。變量標準化有離差標準化、標準差標準化等多種方法。本文選擇標準差方法進行數(shù)據(jù)標準化，即每個指標值減去各自均值再除以各自標準差，得到量綱一致的標準化變量，經(jīng)標準化的數(shù)據(jù)都是沒有單位的純數(shù)量。

(三) 權重選取

計算金融壓力指數(shù)的另一個重要步驟就是確定各個指標的權重。權重的選擇有多種方法，包括主成分分析法、資產(chǎn)比例加權平均法、等權重加權平均法等。本文借鑒賴娟(2010)、顧洪梅(2016)等建立金融壓力指數(shù)的方法，即采用等權重加權平均法，對上面7個標準化變量賦予相同的權重，得到總的金融壓力指數(shù)FSI。

(1)

公式中，t代表時期，t=1，2，…，T;i代表第i個指標變量，n代表指標變量總數(shù)，n=7。

(四) 指數(shù)模型結果

通過上述構建的金融壓力指數(shù)模型，可以計算出中國2002年1月至2016年6月各月的金融壓力指數(shù)值(FSI)，指數(shù)值大于0表明金融壓力高于研究期內(nèi)平均水平，指數(shù)值小于0則表明金融壓力低于研究期內(nèi)平均水平。圖1是繪出的中國金融壓力指數(shù)圖。

圖1 2002年1月至2016年6月的中國金融壓力指數(shù)圖

(五) FSI的識別作用檢驗

為了判斷金融壓力指數(shù)(FSI)能否有效識別真實的金融壓力狀況，本文采用馬爾科夫轉(zhuǎn)換模型和事件識別法相結合的方法。通過馬爾科夫轉(zhuǎn)換模型可以將上述中國2002年1月至2016年6月各月的金融壓力指數(shù)值(FSI)分為兩種狀態(tài)(高壓力狀態(tài)和低壓力狀態(tài))，區(qū)分出每種狀態(tài)持續(xù)的時間階段，再用事件識別法(金融壓力指標應該在某一系統(tǒng)性危機事件發(fā)生后有明顯的提高)分析各階段金融壓力指數(shù)的識別作用。

從圖2可以看出，F(xiàn)SI的概率分布具有顯著的右偏性特征，因此，本文將FSI劃分為兩種狀態(tài)，即高壓力狀態(tài)和低壓力狀態(tài)。

首先，運用Eviews8得到FSI的馬爾科夫轉(zhuǎn)換結果并進行分析。馬爾科夫轉(zhuǎn)換模型將FSI劃分為兩種狀態(tài)，如圖3所示，一種為FSI處在高壓力狀態(tài)的時間區(qū)間(第一行)，另一種為FSI處在低壓力狀態(tài)的時間區(qū)間(第二行)。再結合事件識別法進行分析，當出現(xiàn)系統(tǒng)性金融壓力甚至是金融危機出現(xiàn)時，F(xiàn)SI應處在高壓力狀態(tài)區(qū)間；在低壓力狀態(tài)區(qū)間內(nèi)，高風險事件出現(xiàn)的概率較小。

圖3 FSI的馬爾科夫轉(zhuǎn)換結果

從圖3中可以明顯看出，我國大致在2002年1月至6月、2007年9月至2009年2月、2011年4月至2012年10月、2013年5月至2016年1月等期間的金融壓力值較大，持續(xù)時間較長。具體來看，2002年上半年，中國剛加入世貿(mào)組織不久，全球經(jīng)濟特別是美國經(jīng)濟處于衰退后的恢復期，世界經(jīng)濟低速增長，中國金融壓力指數(shù)在上半年仍處在高位，但隨著總需求的推動，尤其是投資、凈出口和政府支出等的積極作用，中國經(jīng)濟增長注入新的活力，金融壓力指數(shù)逐步下降。2007年美國次貸危機爆發(fā)，隨著危機逐漸轉(zhuǎn)變?yōu)槿蛐燥L險，從9月開始中國經(jīng)濟受到較大沖擊，資本市場大幅跳水，股票市值蒸發(fā)嚴重，出口快速下降，經(jīng)濟增長動力嚴重不足,金融壓力指數(shù)逐漸提高，并持續(xù)高位運行。在經(jīng)濟金融嚴峻形勢下，終于果斷采取措施通過調(diào)整貨幣政策和出臺財政政策刺激經(jīng)濟盡快恢復，推動金融壓力緩慢下降。2011年4月至2012年10月期間金融壓力上升的主要原因是國內(nèi)外因素的綜合影響。全球經(jīng)濟危機后期，歐洲出現(xiàn)了較為嚴重的國家主權債務危機，嚴重影響了歐洲國家的經(jīng)濟復蘇和中國對歐洲的出口，同時第二輪量化寬松政策的實施顯示出美國對復蘇前景的擔憂，各個發(fā)達國家經(jīng)濟增速緩慢。除了國際經(jīng)濟金融環(huán)境存在諸多不利因素之外，中國國內(nèi)也存在一些潛在的風險問題，例如地方債務問題愈演愈烈、房地產(chǎn)價格飆漲、經(jīng)濟增速逐漸下降、股市波動幅度加大、通貨膨脹預期升溫等，使得市場主體信心受到較大打擊，金融壓力指數(shù)居高不下。2013年5月至2016年1月中國金融處在一個比較長的高壓力階段。2013年中國金融市場上出現(xiàn)了“錢荒”事件，銀行間流動性趨于緊張，金融壓力顯著增加，F(xiàn)SI指數(shù)在2013年6月開始快速上揚，而在2015年7月國內(nèi)資本市場在經(jīng)過1年多的持續(xù)上漲后發(fā)生了斷崖式“股災”，2015年8月外匯市場出現(xiàn)人民幣中間價持續(xù)貶值。相對來說，2001年下半年至2007年上半年世界經(jīng)濟處于歷史發(fā)展黃金時期，中國經(jīng)濟也實現(xiàn)了平穩(wěn)較快發(fā)展，GDP連續(xù)幾年實現(xiàn)較快增長，金融壓力水平持續(xù)較低。2009年至2011年，危機后的世界經(jīng)濟在各國經(jīng)濟振興措施的共同努力之下逐漸進入恢復通道，中國面臨的金融壓力也相對處于較低水平。從整個樣本周期來看，我國金融風險壓力在2008年金融危機時達到極值，危機后比危機前整體壓力值明顯升高，風險點頻發(fā)，顯示出我國目前處在金融風險高發(fā)階段，并可能將長期面臨較高的金融風險壓力。

通過馬爾科夫轉(zhuǎn)換模型的區(qū)分作用以及壓力事件的綜合分析，可以認為本文構建的中國金融壓力指數(shù)FSI對現(xiàn)實金融壓力事件具有相當顯著的識別作用，能夠快速準確地捕捉系統(tǒng)性風險事件及影響，金融壓力指數(shù)FSI的結果是有效的。

三、 金融壓力與宏觀經(jīng)濟的SVAR模型構建

金融是現(xiàn)代經(jīng)濟的核心，金融發(fā)展的狀況與宏觀經(jīng)濟發(fā)展息息相關。金融在經(jīng)濟運行中所處的重要地位不僅體現(xiàn)在其對經(jīng)濟發(fā)展的促進作用，金融風險以及金融危機會對整個宏觀經(jīng)濟產(chǎn)生強力的負面沖擊，嚴重影響經(jīng)濟發(fā)展的正常軌跡。所以，金融與宏觀經(jīng)濟的關系是雙重的。一方面金融作為經(jīng)濟發(fā)展的動力能夠?qū)暧^經(jīng)濟起到有效的助推作用；另一方面，金融風險的存在以及金融危機的發(fā)生又會對經(jīng)濟發(fā)展造成巨大的破壞，抑制經(jīng)濟正常發(fā)展。因此，穩(wěn)健發(fā)展金融并有效防控風險是新常態(tài)下促進經(jīng)濟健康發(fā)展的前提，是統(tǒng)籌協(xié)調(diào)好“防風險”與“穩(wěn)增長”之間關系的關鍵。下面，通過建立金融壓力指數(shù)與宏觀經(jīng)濟的SVAR模型來分析金融風險與宏觀經(jīng)濟的動態(tài)效應。

(一) 模型設計

普通VAR模型的問題在于右端沒有內(nèi)生變量當期值，而是將變量之間的當期關系放在了誤差項的相關結構中，模型中無法解釋當期關系的影響。SVAR模型是一種對VAR模型施加基于經(jīng)濟理論的短期約束的結構化方法,嘗試通過在模型中加入結構性沖擊約束，包含變量之間當期關系，從而解決模型對信息的識別問題。因此本文選擇AB型的SVAR模型為研究方法，探討金融壓力與宏觀經(jīng)濟之間的動態(tài)效應。SVAR的估計模型為：

A(L)εt=B(L)ut

(2)

其中，εt代表復合式?jīng)_擊，ut代表結構式?jīng)_擊。t=1,2,…,T。

一般對于n個內(nèi)生變量構成的SVAR模型，需要至少施加(n2-n)/2個約束條件才能保證模型能夠識別。

(二) 變量選擇

在研究金融壓力與宏觀經(jīng)濟關系的SVAR模型中，變量包括金融壓力(用金融壓力指數(shù)FSI表示)、經(jīng)濟增長(用國內(nèi)生產(chǎn)總值GDP表示)、物價水平(用消費者價格指數(shù)CPI表示)、主體信心(用企業(yè)家信心指數(shù)QYJ表示[17])和房地產(chǎn)價格(用國房景氣指數(shù)EST表示)。其中GDP和CPI數(shù)據(jù)來自于Wind數(shù)據(jù)庫，QYJ和EST數(shù)據(jù)來自中國國家統(tǒng)計局。另外，由于QYJ和GDP是季度數(shù)據(jù)，將季度數(shù)據(jù)轉(zhuǎn)化為月度數(shù)據(jù)可能會影響數(shù)據(jù)質(zhì)量，因此SVAR模型的各變量均采用2002年第一季度至2016年第二季度的季度數(shù)據(jù)，共58個樣本點。因此，這里需要將CPI、FSI和EST的數(shù)據(jù)從月度轉(zhuǎn)換為季度數(shù)據(jù)，即分別計算月度數(shù)據(jù)的算術平均。

(三) 平穩(wěn)性檢驗

從表2可以看出，大多數(shù)變量序列皆為平穩(wěn)序列，但是GDP和CPI序列為非平穩(wěn)。通過對兩變量各自進行差分計算可以得出，DGDP和DCPI為平穩(wěn)序列。這里，DGDP是GDP的一階差分序列，表示經(jīng)濟增長的變化，DCPI是CPI的一階差分序列，表示物價水平的變化。因此最終本文用FSI、DGDP、DCPI、QYJ和EST建立SVAR模型，同時也可以省略變量間的協(xié)整檢驗。

表2 SVAR模型中變量時間序列的單位根檢驗結果

注：在檢驗形式(C，T，P)中，C表示存在常數(shù)項，T表示存在時間趨勢項，P表示滯后階數(shù)。

(四) 格蘭杰(Granger)因果檢驗

格蘭杰(Granger)因果檢驗是一種用于考察序列x是否是序列y產(chǎn)生原因的方法，其檢驗結果與滯后期數(shù)密切相關。本文選擇最優(yōu)滯后期數(shù)的方法是：每個變量分別與其他變量組合，構建雙變量向量自回歸模型，在EViews提供的LR、FPE、AIC、SC和HQ等檢驗結果中，選擇多數(shù)準則選出來的相同滯后階數(shù)為準，如果確定的滯后階數(shù)均不相同，那么以LR檢驗統(tǒng)計量確定的滯后階數(shù)作為標準，最終確定包含各雙變量向量自回歸模型最優(yōu)滯后期的格蘭杰因果關系，結果如表3。

表3 格蘭杰因果關系檢驗結果

表3顯示，在5%的顯著性水平下，F(xiàn)SI是DGPD、EST和QYJ的格蘭杰原因，即金融壓力能夠影響經(jīng)濟增長、房地產(chǎn)市場和主體信心。同時，“FSI不是DCPI的格蘭杰原因”這個原假設無法被拒絕，即金融壓力不能格蘭杰引致物價水平變化。反過來，DGPD、DCPI、EST和QYJ不是FSI的格蘭杰原因的原假設，均無法被拒絕，所以均不能引起金融壓力。

(五) 變量順序的確定

一般認為，模型中的變量順序會對結果及分析產(chǎn)生較大影響。本文采用的方法是根據(jù)各變量之間的相互關系排序，即在所有變量中排在第一位的變量相對于其他變量較為獨立，也就是受其他變量影響會比較少，它可以影響其他變量；同理在第二位的變量不會影響第一位，但會影響其他變量，而自身不會受到除第一位變量之外的其他變量影響，以此類推。并且，在對各變量排序時，參考上述的格蘭杰因果檢驗結果，最終確定模型的內(nèi)生變量排序為{FSI,DGDP,DCPI,QYJ,EST}。

(六) 滯后階數(shù)和穩(wěn)定性檢驗

圖4 平穩(wěn)性檢驗結果

這里根據(jù)AIC信息準則和LR檢驗判斷選擇滯后階數(shù)為4階。進一步進行穩(wěn)定性檢驗，VAR模型的特征根均位于單位圓之內(nèi)(圖4)，表明建立的模型穩(wěn)定，滿足穩(wěn)定性檢驗假設。

(七) SVAR模型識別

本文參考Sims[18]的方法，將SVAR模型設定為AB型，建立一個包括金融壓力、經(jīng)濟增長、物價水平、主體信心和房地產(chǎn)價格在內(nèi)的結構向量自回歸(SVAR)模型。這里參考Bernanke和Mihov[19]的方法，依據(jù)經(jīng)濟理論假設對部分考察變量施加同期約束。SVAR模型中共有5個內(nèi)生變量，為了能夠識別模型中的參數(shù),至少需要對A矩陣施加(n2-n)/2=10個參數(shù)約束。結合相關經(jīng)濟學理論,本文提出如下約束條件：一是假設金融壓力在當期不受經(jīng)濟增長、物價水平、主體信心及房地產(chǎn)市場的影響，即a12、a13、a14、a15為0；二是假設經(jīng)濟增長變化在當期不受物價水平變化、主體信心及房地產(chǎn)市場的影響，即a23、a24、a25為0；三是假設物價水平變化在當期不受主體信心和房地產(chǎn)市場的影響，即a34、a35為0；四是假設主體信心在當期不受房地產(chǎn)市場的影響，即a45為0。給定上述條件,SVAR模型擾動項與結構沖擊項的關系式如下：

(3)

(八) SVAR模型結果

在滿足可識別條件的情況下，采用極大似然法對矩陣A、B分別進行估計,得出估計系數(shù)如表4。

表4 SVAR模型估計系數(shù)

因此，SVAR模型的估計結果如下：

(4)

四、 脈沖響應分析和方差分解

根據(jù)SVAR模型的結果，進一步做脈沖響應分析和方差分解，研究金融壓力和宏觀經(jīng)濟的動態(tài)效應。為了考察一個較長時間內(nèi)的沖擊作用情況，本文將響應時間假定為12期，當某個變量出現(xiàn)1個標準差的沖擊時，就可以得到模型內(nèi)各變量的脈沖響應函數(shù)，并可計算出方差分解結果。

(一) 各變量對來自FSI沖擊的脈沖響應函數(shù)分析

給金融壓力指數(shù)(FSI)1個標準差的沖擊，得出各宏觀經(jīng)濟變量的脈沖響應函數(shù)如圖5所示。實線表示隨著預測期數(shù)的增加，各宏觀經(jīng)濟變量對FSI沖擊的脈沖響應值，虛線表示距離脈沖響應值的上下兩側(cè)兩倍標準差的置信帶。

圖5 各變量對來自FSI一個標準差沖擊的脈沖響應

根據(jù)圖5并結合中國經(jīng)濟金融實際狀況，可以看到，當金融壓力指數(shù)(FSI)1個標準差沖擊發(fā)生后：

(1)對于金融壓力自身，其自身立刻有較強的反應，第1期壓力指數(shù)即達到0.21，但影響時間不長，隨后兩期快速下降，到第4期僅為0.015，以后就相對平穩(wěn)。這說明中國金融壓力指數(shù)在前3期具有比較大的慣性，隨著時間的延續(xù)，其對自身的影響快速減弱。從這一點可以看出，隨著我國經(jīng)濟金融的發(fā)展和金融改革的深入，整個金融體系具有較強的風險緩釋能力，一旦發(fā)生金融風險，能夠在短期內(nèi)快速化解，將金融風險的影響逐步降低。

(2)對于經(jīng)濟增長，DGDP的波動在前幾期并不明顯，但始終處于負向，在第6期變大到0.14，而后又轉(zhuǎn)為正向。因此可以看出，金融壓力指數(shù)(FSI)在短期對經(jīng)濟增長的波動是負向作用關系。因為金融風險的上升可能破壞金融市場信用環(huán)境，導致銀行收縮信貸，金融市場流動性趨緊。此時，債務人很難從外部融到資金，為了償還債務被迫低價拋售資產(chǎn)，資產(chǎn)價格下降，導致資不抵債企業(yè)破產(chǎn)，經(jīng)濟增長的速度下降。因此，短期內(nèi)金融風險的上升對中國經(jīng)濟增長具有明顯的阻滯作用。但是，金融壓力在長期對經(jīng)濟增長的影響逐漸減少，說明中國經(jīng)濟在面對金融風險時能夠通過各種措施手段逐步化解，金融風險對經(jīng)濟增長的長期影響被逐漸削弱。

(3)對于物價水平，DCPI在第1期為-0.07，然后在正負向之間不斷波動，并且波動幅度有增大趨勢，說明金融壓力指數(shù)(FSI)對物價水平的變化具有較大不確定性，如果金融風險加大會導致物價水平變化的速度上升，也會使其下降，但是可以肯定的是其波動幅度會明顯加大，從而使物價水平的變動更加劇烈。

(4)對于經(jīng)濟主體信心，企業(yè)家信心指數(shù)(QYJ)在第1期時為1.15，說明剛開始時金融風險的發(fā)生并沒有立刻引起經(jīng)濟主體的足夠關注，或者說經(jīng)濟主體對金融風險的認識需要有一個過程，因此經(jīng)濟主體對金融風險的反應存在一定的時滯性，但是，從第2期開始QYJ始終處于負向，金融風險引發(fā)了經(jīng)濟主體的擔心，經(jīng)過一段時間的調(diào)整后從第8期開始又進一步下降，且影響持續(xù)時間較長，說明在長期中，經(jīng)濟主體信心受金融風險的影響比較顯著，而且如果不及時恢復信心，經(jīng)濟主體對經(jīng)濟的悲觀情緒可能還會進一步加劇。

(5)對于房地產(chǎn)市場，國房景氣指數(shù)(EST)在第1期時沒有太大變化，同經(jīng)濟主體信心一樣存在著一定時滯性。從第2期開始負向影響逐漸顯現(xiàn)，第4期達到最大值-0.53，之后逐步上升，但在第8期后快速下降。我國的房地產(chǎn)市場對銀行的信貸支持具有很強的依賴性，一旦發(fā)生金融風險，出于資產(chǎn)安全的考慮銀行會減少房地產(chǎn)開發(fā)和住房貸款授信額度，逐步收縮信貸規(guī)模，房地產(chǎn)市場的發(fā)展會出現(xiàn)較為明顯的放緩。

因此，我國金融風險短期內(nèi)不會很快消失，具有較大的慣性，對宏觀經(jīng)濟的影響存在一定的時滯性，從長期看，我國金融體系的風險緩釋能力較強，能夠有效化解金融風險，但也同時加大了經(jīng)濟增長和物價水平變化的不確定性，金融風險對經(jīng)濟主體信心和房地產(chǎn)市場具有明顯的負面影響。

(二) FSI對來自各變量沖擊的脈沖響應函數(shù)分析

反過來，如果分別給各變量1個標準差的沖擊，那么可以得出金融壓力指數(shù)(FSI)的脈沖響應函數(shù),反映了各宏觀變量的一個標準差沖擊對現(xiàn)在和未來的金融壓力指數(shù)的影響。

(1)對于經(jīng)濟增長(DGDP)的沖擊，金融壓力指數(shù)(FSI)在前4期處于負向波動，在第5期后轉(zhuǎn)為正向，但是響應數(shù)值都不大。因此，經(jīng)濟增長短期來看對金融壓力是負向作用，也就是說，如果經(jīng)濟增速上升，實體經(jīng)濟生產(chǎn)能力和負債能力增強，金融機構擴大信貸規(guī)模，不良資產(chǎn)下降，金融風險降低，金融壓力指數(shù)下降。但是在長期金融壓力指數(shù)卻轉(zhuǎn)而回升，說明當經(jīng)濟處于高速增長時期，金融機構傾向于向快速發(fā)展的領域授信，而這些領域往往具有高收益高風險的特征，容易導致金融風險集聚。

(2)對于物價水平(DCPI)的沖擊，金融壓力指數(shù)(FSI)在短期傾向于正向波動，長期更多的是負向波動，這說明物價水平的過快上漲，在短期內(nèi)對經(jīng)濟運行中的生產(chǎn)、流通和消費等環(huán)節(jié)產(chǎn)生了一系列的影響，引發(fā)金融風險上升，但是經(jīng)過一定時間的調(diào)整，影響會逐漸減弱，金融風險也會有所下降。

(3)對于經(jīng)濟主體信心(QYJ)的沖擊，金融壓力指數(shù)(FSI)在第2期就會出現(xiàn)顯著反映，第7期達到最高點后緩慢下降，一直持續(xù)到第12期后影響才逐漸減弱，說明經(jīng)濟主體信心對金融壓力具有顯著影響，一旦經(jīng)濟主體對經(jīng)濟發(fā)展缺乏信心，會逐步減少生產(chǎn)投資和債務融資，金融機構信貸規(guī)模萎縮，經(jīng)濟活躍度下降，金融風險逐步加大，而且這個作用的影響持續(xù)時間也相當長。

(4)對于房地產(chǎn)市場(EST)的沖擊，金融壓力指數(shù)(FSI)從第2期開始上升，第3期達到最大值0.06之后逐步下降，之后又轉(zhuǎn)為負向，同時影響逐步減弱。因此，可以看出，中國房地產(chǎn)市場的過快發(fā)展會造成金融資源在房地產(chǎn)行業(yè)過于集中，使金融風險集聚，金融壓力逐漸增加，在經(jīng)過政策調(diào)整及金融機構自我調(diào)節(jié)之后能夠逐漸緩釋風險，減少對金融安全的威脅。

(三) 方差分解分析

方差分解是通過分析每一個結構沖擊對內(nèi)生變量變化的貢獻度，進而評價不同結構沖擊的重要性。本文對經(jīng)濟增長、物價水平、經(jīng)濟主體信心和房地產(chǎn)市場等進行方差分解，得到各宏觀經(jīng)濟變量的方差分解，可以分析金融壓力在多大程度上解釋各經(jīng)濟變量的波動。

從經(jīng)濟增長的方差分解可以發(fā)現(xiàn),金融壓力在剛開始時解釋能力較弱，僅占預測方差的0.66%，但是隨著時間的延續(xù)，解釋能力逐漸上升，最終保持在6%左右，不過它對經(jīng)濟增長變化的解釋能力相對其它指標都要弱一些，說明我國經(jīng)濟雖然也有一定波動，但是抗風險能力加強，金融風險防范和化解取得了比較好的效果，金融風險尚未對經(jīng)濟增長產(chǎn)生明顯的影響。

從物價水平的方差分解來看，除了物價水平受自身的影響穩(wěn)定在50%左右，其他變量的解釋能力均在10%～20%之間，其中金融壓力的解釋能力逐步上升并超過了房地產(chǎn)市場，最終達到11.33%，說明物價水平的變化不僅受到自身的沖擊，同時也受到金融風險、經(jīng)濟增長、主體信心和房地產(chǎn)市場等的沖擊，從長期來看各因素對物價水平的影響都比較明顯。

從經(jīng)濟主體信心的方差分解來看，金融壓力在第一期能解釋6.17%，超過經(jīng)濟增長和房地產(chǎn)市場，隨后逐步增長最終在12期時達到15.83%，僅次于主體信心本身和物價水平的解釋能力。說明我國經(jīng)濟主體對金融風險較為敏感，金融風險的沖擊在一定程度上容易打擊主體信心，造成市場悲觀情緒蔓延。

從房地產(chǎn)市場的方差分解來看，金融壓力的解釋能力在前4期快速上升，之后緩慢波動至12期達到最高的13.53%，高于經(jīng)濟增長和經(jīng)濟主體信心。說明中國房地產(chǎn)市場對金融支持的依賴程度較高，金融風險會通過銀行信貸等路徑逐漸影響到房地產(chǎn)領域，使房地產(chǎn)市場的發(fā)展受到較大限制。

從上述方差分解可以看出，我國經(jīng)濟整體抗風險能力較強，經(jīng)濟增長暫未受到金融風險過大的沖擊，但是金融風險對物價水平、主體信心以及房地產(chǎn)市場等均具有一定的影響。另外，金融風險對各宏觀經(jīng)濟變量的影響在初期時并不明顯，但隨著時間延續(xù)而不斷增強，說明金融風險對宏觀經(jīng)濟的影響存在比較明顯的滯后效應。

五、 結論與建議

本文根據(jù)新常態(tài)下中國經(jīng)濟金融具體狀況，構建了一個可有效測度中國金融風險的壓力指數(shù)，并且運用SVAR模型對中國金融壓力和宏觀經(jīng)濟的動態(tài)效應進行研究。主要結論如下：

(1)根據(jù)本文構建的金融壓力指數(shù)，我國的金融風險自2011年以來整體明顯高于金融危機之前，各類風險狀況頻發(fā)，而且轉(zhuǎn)換速度明顯加快，顯示出我國目前處在金融風險高發(fā)階段，并可能長期面臨較高的金融壓力。

(2)我國金融風險短期內(nèi)具有較大的慣性，對宏觀經(jīng)濟的影響存在一定的時滯，從長期看金融風險加大了經(jīng)濟增長和物價水平變化的不確定性，對經(jīng)濟主體信心和房地產(chǎn)市場具有明顯的負面影響。

(3)經(jīng)濟增長和物價水平的變化不會對金融風險產(chǎn)生較大影響，但是經(jīng)濟主體信心和房地產(chǎn)市場與金融體系的關系更為密切，一旦產(chǎn)生波動會有較為明顯的金融壓力，而且持續(xù)時間較長。

(4)我國經(jīng)濟整體抗風險能力較強，但金融風險對物價水平、主體信心以及房地產(chǎn)市場等的波動具有一定的影響，并隨著時間延續(xù)而不斷增強，存在比較明顯的滯后效應。

基于本文的研究結果，提出以下政策建議：

(1)順應新常態(tài)加快金融監(jiān)管改革。中國經(jīng)濟發(fā)展新常態(tài)伴隨著金融風險的新常態(tài)，如何應對金融壓力整體升高的新情況考驗我國監(jiān)管層的風險防控能力，對我國當前金融監(jiān)管改革提出了更高的要求?？傮w來說，要統(tǒng)籌協(xié)調(diào)好“防風險”和“穩(wěn)增長”之間的關系，改革分業(yè)管理體制，強化及時有效的系統(tǒng)性風險識別、控制和處置機制，構建以宏觀審慎管理為核心，貨幣政策、宏觀審慎管理、微觀審慎監(jiān)管“三位一體”的新型金融管理體制，加快建立符合現(xiàn)代金融特點、統(tǒng)籌協(xié)調(diào)監(jiān)管、有力有效的現(xiàn)代金融監(jiān)管框架，切實保障金融安全，堅決守住不發(fā)生系統(tǒng)性風險的底線。

(2)宏觀經(jīng)濟金融調(diào)控應關注信心因素。金融風險和經(jīng)濟主體信心之間存在顯著的相互影響，經(jīng)濟主體信心的缺失短期內(nèi)能夠顯著提升金融風險，反過來金融風險在長期中又會對經(jīng)濟主體信心產(chǎn)生重要影響。因此，在當前我國經(jīng)濟新常態(tài)下，監(jiān)管層應更加關注對主體信心狀況的研究分析，引導經(jīng)濟主體理性看待各類經(jīng)濟金融風險，既要正視其存在，也無須過分恐慌；既要對風險保持警惕，也要堅定化解風險的信心；既要從整體上布局，也要找準風險防控點，以便有效應對。特別是監(jiān)管層應將信心因素納入宏觀經(jīng)濟金融管理的范疇，在制定和執(zhí)行相關經(jīng)濟金融政策時應充分考慮經(jīng)濟主體的反應和傾向，以及政策對主體信心的調(diào)控和影響，充分利用信心對經(jīng)濟金融的正向作用，減少信心因素的負面影響。

(3)深化房地產(chǎn)金融“供給側(cè)改革”。金融壓力與房地產(chǎn)市場關系密切，房地產(chǎn)市場在金融壓力對宏觀經(jīng)濟產(chǎn)生影響的過程中起到非常重要的作用，因此，要著力深化房地產(chǎn)金融“供給側(cè)改革”。培育多元化融資工具，支持建立住房抵押貸款證券化；加快法律法規(guī)建設，建立健全個人及房地產(chǎn)企業(yè)信用制度，防范道德風險；加大對房地產(chǎn)行業(yè)金融支持的宏觀調(diào)控力度，加強風險意識，建立房地產(chǎn)金融風險防范機制，盡量減少甚至化解房地產(chǎn)金融風險的影響。同時進一步做好中國金融政策和房地產(chǎn)政策的協(xié)調(diào)配合，防范金融市場與房地產(chǎn)市場的共振效應。

[1]ILLING M,LIU Y.An index of financial stress for Canada[J].Working papers,2003,29(14):1-53.

[2]NELSON W R,PERLI R.Selected indicators of financial stability[J].Risk measurement & systemic risk,2005,26(3):1-30.

[3]CARDARELLI R,ELEKDAG S A,LALL S.Financial stress,downturns,and recoveries[J].Imf working papers,2009(9):25-29.

[4]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.

[5]HATZIUS J,HOOPER P,MISHKIN F S,et al.Financial conditions indexes:A fresh look after the financial crisis[J].Nber working papers,2010,150(16):1-56.

[6]BRAVE S A,BUTTERS R A.Gathering insights on the forest from the trees:a new metric for financial conditions[J].Social science electronic publishing,2010,7(10):1-36.

[7]LOUZIS D P,VOULDIS A T.A financial systemic stress index for Greece[J].Ssrn electronic journal,2013,63(15):1-46.

[8]HOLLO D,KREMER M,LO DUCA M.CISS-A composite indicator of systemic stress in the financial system[J].Ssrn electronic journal,2012,92(3):347-351.

[9]HUBRICH K,TETLOW R J.Financial stress and economic dynamics:the transmission of crises[J].Ssrn electronic journal,2012,70(8):100-115.

[10]BALAKRISHNAN,RAVI,DANNINGER,et al.The transmission of financial stress from advanced to emerging economies[J].Emerging markets finance & trade,2014,47(5):40-68.

[11]賴娟，呂江林.基于金融壓力指數(shù)的金融系統(tǒng)性風險的測度[J].統(tǒng)計與決策,2010(19):128-131.

[12]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)關聯(lián)研究[J].財經(jīng)問題研究,2011(10):39-46.

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

[14]張晶，高晴.中國金融系統(tǒng)壓力指數(shù)的設計及其應用[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2015(11):41-57.

[15]陳忠陽，許悅.我國金融壓力指數(shù)的構建與應用研究[J].當代經(jīng)濟科學,2016(1):27-35.

[16]顧洪梅，汪蓉.我國金融壓力與工業(yè)增長關系的實證研究[J].吉林大學社會科學學報,2016(3):58-67.

[17]陳彥斌，唐詩磊.信心、動物精神與中國宏觀經(jīng)濟波動[J].金融研究,2009(9):89-109.

[18]SIMS C.Are forecasting models usable for policy analysis?[J].Quarterly review,1986,10(Win):2-16.

[19]BERNANKE B S,MIHOV I.Measuring monetary policy[J].The quarterly journal of economics,1998,113(3):869-902.

(責任編輯 韓玉志)

Research on the Dynamic Effect of China’s Financial Stress and the Macro-economy in the New Era

QIN Jian-wen1, WANG Tao1,2

(1.BusinessSchool,GuangxiUniversity,Nanning530004,China; 2.NanningCentralBranchofPBC,Nanning530028,China)

With regard to China’s economic and financial characteristics in new era, this paper constructs the China’s Financial Stress Index with financial market leading indicators to measure China’s financial risk during January 2002 and June 2016. Besides, this paper utilizes SVAR model to study the dynamic effect between financial stress and macro-economy. The results show that China is in the phase of high financial risk now, and it is likely to face higher long-term financial stress. The financial risk itself is inertial and has a significant negative influence on the confidence of economic players and the real estate market. The confidence of economic players and the fluctuation in the real estate market obviously reflect the financial stress. Such reflection will last for a long time and the influence of financial stress goes stronger with the lapse of time and has an obvious lagged effect.

financial stress; macro-economy; SVAR model; impulse response function; variance decomposition

2017-01-19

國家自然科學基金項目“基于產(chǎn)業(yè)鏈發(fā)展的物流金融創(chuàng)新機理研究——以CAFTA進程下的廣西北部灣經(jīng)濟區(qū)為例”(71163002)

秦建文，男，廣西大學商學院教授，博士生導師，主要從事金融工程研究；王濤，男，廣西大學商學院博士研究生，中國人民銀行南寧中心支行經(jīng)濟師，主要從事金融風險與監(jiān)管研究。

F830.3

A

1009-1505(2017)03-0075-13

10.14134/j.cnki.cn33-1337/c.2017.03.009