中國“動態(tài)”金融壓力指數(shù)構(gòu)建與時變性宏觀經(jīng)濟(jì)效應(yīng)研究

任愛華 劉玲

(1.河北金融學(xué)院 金融創(chuàng)新與風(fēng)險管理研究中心，河北 保定 071051；2.河北金融學(xué)院 經(jīng)濟(jì)貿(mào)易學(xué)院，河北 保定 071051)

一、引言

近年來，全球經(jīng)濟(jì)不確定性風(fēng)險日益加強(qiáng)，區(qū)域性和全球性金融危機(jī)也隨之漸發(fā)。我國企業(yè)杠桿率高居不下，金融結(jié)構(gòu)性問題也越發(fā)凸顯。在此雙重背景下，對我國宏觀經(jīng)濟(jì)調(diào)控及監(jiān)管提出了更高的要求，這需要一套能夠精確并動態(tài)反映出金融風(fēng)險的壓力指數(shù)體系。越來越多的學(xué)者開始關(guān)注如何設(shè)計(jì)出優(yōu)良的計(jì)量方法對金融風(fēng)險進(jìn)行精確的動態(tài)跟蹤，以防范系統(tǒng)性金融風(fēng)險給實(shí)體經(jīng)濟(jì)造成的巨大沖擊[1,2]。特別是在中國金融市場快速發(fā)展的背景下，金融經(jīng)濟(jì)對實(shí)體經(jīng)濟(jì)的影響越發(fā)變得不容忽視，進(jìn)而意味著金融風(fēng)險的測量及其對宏觀經(jīng)濟(jì)造成的沖擊已然成為宏觀調(diào)控部門關(guān)注的重點(diǎn)問題之一[3,4]。

習(xí)近平總書記強(qiáng)調(diào)既要高度警惕“黑天鵝”事件，也要防范“灰犀?！笔录?，既要打好防范和抵御金融風(fēng)險的有準(zhǔn)備之戰(zhàn)，又要打好金融危機(jī)治理之戰(zhàn)，并在中國共產(chǎn)黨第十九次全國代表大會上明確指出“要牢牢守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。這其中防范金融風(fēng)險的先手和打好防范抵御金融風(fēng)險的有準(zhǔn)備之戰(zhàn)的關(guān)鍵因素就在于金融風(fēng)險的監(jiān)測，因此，構(gòu)建科學(xué)合理的金融監(jiān)測方法，對金融風(fēng)險進(jìn)行及時預(yù)警，可以避免金融風(fēng)險的不利沖擊，及其對金融系統(tǒng)乃至宏觀經(jīng)濟(jì)帶來的負(fù)面影響。另外，鑒于金融壓力指數(shù)是金融風(fēng)險預(yù)警的重要指標(biāo)之一[5]，合理的金融壓力指數(shù)以能夠精確反映出金融系統(tǒng)的穩(wěn)定情況，以及如何更為準(zhǔn)確地評估或識別金融壓力的上升對宏觀經(jīng)濟(jì)沖擊的時變性特征。這不僅有利于決策者和相關(guān)管理人員了解金融穩(wěn)定的現(xiàn)狀，也對有效識別和防范系統(tǒng)性金融風(fēng)險、維護(hù)金融穩(wěn)定具有重要的理論價值和現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

20世紀(jì)90年代以來，金融風(fēng)險防范逐漸成為宏觀金融領(lǐng)域的重點(diǎn)研究問題之一，金融風(fēng)險具有系統(tǒng)擴(kuò)散性，制造業(yè)與金融風(fēng)險具有密切聯(lián)系性[6-8]。金融風(fēng)險的爆發(fā)及擴(kuò)散會引起經(jīng)濟(jì)衰退，金融風(fēng)險防范是領(lǐng)域內(nèi)重點(diǎn)研究對象，其關(guān)鍵點(diǎn)在于金融風(fēng)險的度量。Freixas等(2015)[9]提出了一種以金融市場內(nèi)部相關(guān)程度、系統(tǒng)魯棒程度及金融風(fēng)險潛在爆發(fā)程度等幾個方面來綜合測度金融風(fēng)險的方法。Acharya等(2012)[10]發(fā)現(xiàn)系統(tǒng)魯棒程度及金融風(fēng)險潛在爆發(fā)程度具有重要的先驗(yàn)預(yù)警作用。Brownless和Engle(2015)[11]認(rèn)為系統(tǒng)魯棒程度及金融風(fēng)險潛在爆發(fā)程度包括條件風(fēng)險價值和系統(tǒng)性的風(fēng)險指標(biāo)。張龍等(2020)[12]發(fā)現(xiàn)金融風(fēng)險的潛在爆發(fā)程度與央行貨幣政策有著顯著相關(guān)性，且央行的差異性“量價”政策對金融風(fēng)險的潛在爆發(fā)程度影響也不同。

金融壓力指數(shù)最早由Illing和liu(2003)[13]提出，以大類資產(chǎn)數(shù)據(jù)合成金融壓力指數(shù)，并有效地測度了金融壓力程度。隨后，Cardarelli等(2009)[14]研究了面板金融壓力指數(shù)，發(fā)現(xiàn)金融壓力指數(shù)在發(fā)展中國家比發(fā)達(dá)國家有更精確的測度水平。Balakrishna等(2009)[15]選取新興經(jīng)濟(jì)體和發(fā)達(dá)經(jīng)濟(jì)體的銀行、債券、股票、匯率等金融市場的相關(guān)變量，采用等方差加權(quán)法構(gòu)建出指數(shù)并得到了同樣的發(fā)現(xiàn)。除此之外，學(xué)者們結(jié)合中國經(jīng)濟(jì)金融的實(shí)際情況對中國金融壓力指數(shù)的研究也已取得一系列成果。其中，賴娟和呂江林(2010)[16]首次將單個金融市場擴(kuò)展到包含銀行、股票及債券等多個金融市場來綜合構(gòu)建金融壓力指數(shù)，但變量選取仍然較少，且各市場指標(biāo)的選取并非學(xué)術(shù)界普遍公認(rèn)的指標(biāo)，實(shí)證結(jié)果值得商榷；徐國祥和李波(2017)[17]以全球經(jīng)濟(jì)危機(jī)到歐債危機(jī)后期的中國金融市場數(shù)據(jù)構(gòu)建了反映中國經(jīng)濟(jì)形勢的金融壓力指數(shù)，發(fā)現(xiàn)金融壓力指數(shù)對宏觀經(jīng)濟(jì)指標(biāo)具有顯著的指導(dǎo)效應(yīng)。

對于測度方法，相關(guān)分析大都基于ARIMA模型、GARCH族、格蘭杰檢驗(yàn)等不變參數(shù)以及基于TVAR模型、MSVAR模型、STR模型等結(jié)構(gòu)突變參數(shù)方法來測度金融壓力指數(shù)，進(jìn)而實(shí)證分析金融壓力對產(chǎn)出和物價等宏觀經(jīng)濟(jì)變量的影響[7]。在不變參數(shù)測度方面，Louzish和Vouldis(2013)[18]、Islami和Kim(2013)[19]分別采用多變量GARCH模型、加權(quán)平均法等對歐洲國家的銀行、債券、股票、外匯、房地產(chǎn)等金融市場的多個金融變量進(jìn)行金融壓力指數(shù)(FSI)合成，研究結(jié)果顯示，金融壓力指數(shù)對宏觀經(jīng)濟(jì)變量具有較好的危機(jī)預(yù)警效果。劉曉星和方磊(2012)[20]、劉潤興(2015)[21]分別構(gòu)建了向量自回歸模型和Granger Test模型，從脈沖響應(yīng)和因果關(guān)系的角度來衡量金融壓力的經(jīng)濟(jì)增長效應(yīng)。此外，在結(jié)構(gòu)突變參數(shù)方面，Roye(2014)[22]、陳忠陽和許悅(2016)[23]等在構(gòu)建德國、中國的金融壓力指數(shù)的基礎(chǔ)上，采用門限向量自回歸模型TVAR分析金融壓力的變動對宏觀經(jīng)濟(jì)造成的影響，結(jié)果均顯示，在FSI指數(shù)超過一定的門限值時，金融壓力才會對宏觀經(jīng)濟(jì)產(chǎn)生顯著的負(fù)向沖擊效應(yīng)。Davig和Hakkio(2010)[24]、Aboura和Roye(2017)[25]及秦建文和王濤(2017)[26]采用馬爾科夫區(qū)制轉(zhuǎn)換向量自回歸MS-VAR模型分析金融壓力在不同區(qū)制下對宏觀經(jīng)濟(jì)的傳導(dǎo)，發(fā)現(xiàn)金融壓力在不同的區(qū)制對經(jīng)濟(jì)增長和物價水平等宏觀經(jīng)濟(jì)變量負(fù)向沖擊效應(yīng)存在明顯的差異。另外，張勇等(2017)[27]構(gòu)建了邏輯平滑遷移模型研究金融壓力和通貨膨脹的關(guān)系，并發(fā)現(xiàn)了在不同狀態(tài)下通貨膨脹對金融壓力的敏感程度不同。

綜上所述，相關(guān)領(lǐng)域已對金融壓力指數(shù)的測度及其宏觀經(jīng)濟(jì)影響進(jìn)行了深入而廣泛的研究，但是，仍然存在如下的研究不足有待彌補(bǔ)：第一，以往研究金融壓力指數(shù)測度大都采用不變參數(shù)、單一維度回歸等方法確定各金融變量的權(quán)重，然而隨著經(jīng)濟(jì)金融形式的多樣化和復(fù)雜化，這些由靜態(tài)且確定的權(quán)重得到的金融壓力指數(shù)僅能長期一致不變地衡量金融穩(wěn)定情況及未來走勢，而不能衡量動態(tài)時變的金融穩(wěn)定情況及未來走勢，進(jìn)而意味著其研究結(jié)果明顯與現(xiàn)實(shí)情況嚴(yán)重不符；第二，以往研究金融壓力指數(shù)測度時，在參數(shù)估計(jì)自由度的約束下僅能考慮少數(shù)幾個變量來合成金融壓力指數(shù)，這會導(dǎo)致遺漏信息變量引起的研究誤差問題；第三，以往研究金融壓力宏觀經(jīng)濟(jì)效應(yīng)時，大都基于TVAR、MS-VAR等結(jié)構(gòu)突變參數(shù)方法，甚至基于Granger Test模型等常參數(shù)方法，導(dǎo)致金融壓力和宏觀經(jīng)濟(jì)間的動態(tài)關(guān)系無法被捕捉。

基于此，本文綜合考慮銀行、股票市場、外匯市場、房地產(chǎn)市場等金融市場層面的16個金融變量，從金融穩(wěn)健性、金融脆弱性、金融體系發(fā)展等方面構(gòu)建中國金融壓力指數(shù)指標(biāo)體系，并將動態(tài)模型平均與時變參數(shù)因子擴(kuò)展向量自回歸模型相結(jié)合測算出1997年第一季度至2017年第三季度期間的中國金融壓力指數(shù)，隨后對中國金融壓力期進(jìn)行狀態(tài)識別，并實(shí)證檢驗(yàn)了金融壓力在不同區(qū)制下對經(jīng)濟(jì)增長、物價水平、投資及消費(fèi)等宏觀經(jīng)濟(jì)變量沖擊反應(yīng)的時變特征，進(jìn)而以期為有效防控中國金融風(fēng)險提供參考價值。

本文可能的創(chuàng)新性貢獻(xiàn)體現(xiàn)在：(1)將動態(tài)模型平均DMA方法引入時變參數(shù)向量自回歸TVP-SV-VAR模型，構(gòu)建動態(tài)權(quán)重的金融壓力指數(shù)，可以有效反映出宏觀金融穩(wěn)定的時變特征及未來走勢；(2)以因子擴(kuò)展方法FA-VAR和動態(tài)模型平均DMA相結(jié)合，從金融穩(wěn)健性、金融脆弱性、金融體系發(fā)展等方面充分考慮了16個金融變量，降低因自由度限制引起的遺漏變量偏差問題；(3)采用上述模型建立方法最終可以構(gòu)建出TVP-FA-VAR-DMA模型，通過構(gòu)建動態(tài)權(quán)重的金融壓力指數(shù)，研究在不同時期不同經(jīng)濟(jì)環(huán)境下金融壓力對宏觀經(jīng)濟(jì)的差異性影響，彌補(bǔ)了以往方法僅能研究靜態(tài)金融壓力對宏觀經(jīng)濟(jì)的長期不變影響的不足。

三、模型設(shè)定

(一)TVP-FA-VAR模型的設(shè)定

1.TVP-FA-VAR模型的構(gòu)建

首先，參照Primiceri(2005)[28]的經(jīng)典設(shè)定，TVP-FA-VAR模型的基本形式為

yt=b1tyt-1+…+bpyyt-p+vt

(1)

其中，yt′=[ft′,zt′,xt]，ft表示k×1維的共同因子金融壓力指數(shù)(FSI)向量，[zt′,xt]為一個包含觀測變量和金融變量的(l+1)×1維向量。觀測變量向量為zt=(Gt,Pt,It,Ct)′，其中Gt為GDP同比增長率，Pt為通貨膨脹率，It為投資同比增長率，Ct為消費(fèi)同比增長率。bjt(j=1，…，p,t=1,…，T)為m×m階(m=k+l+1)的系數(shù)矩陣，隨機(jī)擾動項(xiàng)vt～N(0,Qt)，Qt為m×m階的協(xié)方差矩陣。

隨后，令觀測序列xit由提取的共同因子ft和宏觀經(jīng)濟(jì)變量zt所構(gòu)成的帶有自相關(guān)誤差和隨機(jī)波動率的因子分析回歸模型構(gòu)成

(2)

uit=ρi1uit-1+ρi2uit-2+…+ρiquit-q+εit

(3)

xt=λfft+λzzt+Γ(L)xt+εt

(4)

AtQtAt′=ΣtΣt′

(5)

λt=λt-1+ψt

(6)

βt=βt-1+ηt

(7)

其中，ψt～N(0,Wt)，ηt～N(0,Rt)。需要注意的是，上述TVP-FA-VAR模型由FA-VAR模型方程式(1)、因子模型方程式(4)及參數(shù)方程共同構(gòu)成，進(jìn)一步對TVP-FA-VAR模型施加不同的限制可獲得不同類型的VAR模型：假定因子載和矩陣為常數(shù)(Wt=0，λt=λ0)，這種情況式(1)與式(4)就是典型的因子模型，而式(6)與式(7)是包含F(xiàn)SI的TVP-VAR模型，此時構(gòu)成FA-TVP-VAR模型。當(dāng)參數(shù)均為常數(shù)時(Wt=Rt=0)，TVP-FA-VAR模型為FA-VAR模型。當(dāng)共同因子的個數(shù)為零時，就構(gòu)成了TVP-VAR模型。如果共同因子個數(shù)ft為零，且參數(shù)λt、Bt均為常數(shù)(Wt=Rt=0)，回歸模型為普通的VAR模型。

2.TVP-FA-VAR模型的估計(jì)方法

考慮到貝葉斯蒙特卡洛模擬(MCMC)估計(jì)多變量聯(lián)合密度因子的復(fù)雜性導(dǎo)致TVP-FA-VAR模型計(jì)算量很大，本文借鑒Koop和Korobilis(2013)[31]的處理方法，基于卡爾曼濾波平滑與方差矩陣分解相結(jié)合的雙重線性濾波算法對不可觀測狀態(tài)變量ft與時變參數(shù)θt=(λt,βt)進(jìn)行估計(jì)，該方法簡化了共同因子提取與參數(shù)估計(jì)的過程。其具體步驟如下。

第二步，通過指數(shù)權(quán)重移動平均(EWMA)的方法估計(jì)出誤差協(xié)方差Qt與Ht，然后借鑒Koop和Korobilis(2013)[31]采用遺忘因子法估計(jì)協(xié)方差矩陣Rt及Wt，在給定(Qt,Ht,Rt,Wt)條件下，通過卡爾曼濾波平滑法估計(jì)出時變參數(shù)λt、βt。

第三步，將第二步中得到的時變參數(shù)λt與βt作為已觀測到的數(shù)據(jù)，在給定先驗(yàn)分布的條件下，通過卡爾曼濾波平滑法可以實(shí)現(xiàn)對共同因子ft的估計(jì)。

3.各類FA-VARs模型參數(shù)的初始設(shè)置

本部分主要概述各類FA-VARs模型參數(shù)的初始設(shè)置。首先，設(shè)置動態(tài)模型平均在選擇過程中所用到的因子ft、時變參數(shù)λt和βt、時變協(xié)方差Vt和Qt、轉(zhuǎn)換概率π0|0,j的初始值。f0～N(0,4),λ0～N(0,4×In(s+1))，β0～N(0,VMIN)，V0≡1×In，Q0=1×Is+1，π0|0,j=1/J。將控制協(xié)方差矩陣的衰減因子參數(shù)k1與k2均設(shè)定為0.96，該值與被廣泛應(yīng)用在貝葉斯VAR與FA-VAR文獻(xiàn)中的隨機(jī)波動率模型提供的波動率估計(jì)值較為接近[32]。對于遺忘因子參數(shù)k3與k4，借鑒Cogley和Sargent(2005)[33]，假定式(6)和式(7)在隨機(jī)游走形式下各時期參數(shù)的變化相對較慢并且穩(wěn)定，因此，為了體現(xiàn)這種系數(shù)的緩慢變化，在所有TVP-FA-VAR與TVP-VAR模型中設(shè)定參數(shù)k3=k4=0.99。然而，當(dāng)k3=1且k4=0.99，轉(zhuǎn)變?yōu)镕A-TVP-VAR模型。

(二)引入動態(tài)模型平均DMA的TVP-FA-VARs模型

大部分傳統(tǒng)的時間序列預(yù)測模型如多元回歸模型或自回歸模型等常系數(shù)模型，具有估計(jì)簡單的優(yōu)點(diǎn)，但常系數(shù)回歸模型的參數(shù)只能是固定的，因此，時變狀態(tài)空間模型與時變參數(shù)向量自回歸(TVP-VAR)模型能克服常系數(shù)模型的這種缺點(diǎn)，它允許解釋變量參數(shù)動態(tài)時變，較好地刻畫出解釋變量與被解釋變量之間的時變關(guān)系。然而，鑒于參數(shù)估計(jì)自由度對分析有效性的影響，部分學(xué)者提出貝葉斯模型平均(BMA)方法，采用MC3技術(shù)求解后驗(yàn)概率對變量進(jìn)行篩選，避免出現(xiàn)“偽回歸”的現(xiàn)象[34]。本文在貝葉斯模型平均BMA的基礎(chǔ)上，將DMA的思想引入時變的因子擴(kuò)展向量自回歸模型，該方法允許模型維度、解釋變量和參數(shù)是時變的，并在不同時點(diǎn)下自動選擇或識別出最佳模型，以期更為靈活、準(zhǔn)確地預(yù)測出宏觀經(jīng)濟(jì)指標(biāo)。其模型結(jié)合過程如下

(8)

(9)

其中，xt為預(yù)測解釋金融變量，ft為提取的共同因子FSI，zt為觀測變量的向量。如果在xt中有m個預(yù)測變量，那么將有K=2m個不同組合的預(yù)測模型，對于特定的預(yù)測模型Mk(k=1,2,…,K)描述過程如下

(10)

(11)

(12)

其中，模型k的概率π(t|t-1,k)=Pr(Lt=k|Yt-1)，Lt=k表示在時間t選擇的第k個模型，且令yt-1={y1,…,yt-1}，DMA通過對所有模型的預(yù)測值按權(quán)重進(jìn)行加權(quán)平均獲得預(yù)測結(jié)果，用π(t|t-1,k)表示。本文參考朱奇鋒和吳恒煜(2021)[35]采用卡爾曼濾波方法對DMA模型進(jìn)行估計(jì)，通過以下更新方程來實(shí)現(xiàn)DMA參數(shù)的估計(jì)。

(13)

(14)

(15)

其中，fl(yt|Yt-1)為模型l的概率密度，式(13)-式(15)共同構(gòu)成了卡爾曼濾波預(yù)測與更新過程的所有步驟，DMA過程就是對式(15)進(jìn)行K次卡爾曼濾波。進(jìn)一步，需設(shè)定宏觀經(jīng)濟(jì)變量的預(yù)測概率的擬合值pk(yt|Yt-1)，同估計(jì)誤差方差矩陣的衰減和遺忘因子(k1,k2,k3,k4)相類似，遺忘因子0<α≤1能夠迅速反映出回歸模型之間的轉(zhuǎn)換速度，α值越小，那么合成FSI的金融變量間切換的越迅速，如果α=1，模型就轉(zhuǎn)變?yōu)閭鹘y(tǒng)的貝葉斯模型平均(BMA)。

四、中國動態(tài)金融壓力指數(shù)構(gòu)建

為更全面地反映我國金融風(fēng)險的整體情況，本文選取16個金融指標(biāo)覆蓋金融資產(chǎn)價格、金融波動率、信用風(fēng)險及其流動性等方面，從金融穩(wěn)健性、金融脆弱性、金融體系發(fā)展以及國際金融形勢四個維度構(gòu)建我國金融壓力指標(biāo)體系。樣本區(qū)間為1997年第1季度至2017年3季度，采用季度數(shù)據(jù)，數(shù)據(jù)來源于CEI數(shù)據(jù)庫、SAFE官網(wǎng)、RESET數(shù)據(jù)庫、BIS官網(wǎng)、Wind數(shù)據(jù)庫，為使模型的回歸系數(shù)及權(quán)重更具有可比性，以下所有金融指標(biāo)均已轉(zhuǎn)化為正向指標(biāo)，且均通過標(biāo)準(zhǔn)化處理，具體指標(biāo)選取情況如下。

(一)合成FSI的指標(biāo)說明

1.金融穩(wěn)健性

金融穩(wěn)健性維度指標(biāo)共設(shè)置5個，用于反映本國的金融健康狀況和穩(wěn)健性，具體包括：(1)泰德價差，其衡量了銀行間金融壓力對風(fēng)險溢價的敏感程度，用以反映資金流動性情況和微觀主體風(fēng)險偏好的變化，本文采用3個月銀行間同業(yè)拆借利率與3個月國債到期收益率之差來表示泰德價差。(2)貸存款比率，它在一定程度上反映出金融系統(tǒng)抵御流動性風(fēng)險的能力，貸款/存款比率越高，表示銀行信貸規(guī)模擴(kuò)張加劇銀行流動性風(fēng)險，進(jìn)而影響到金融市場的資金流動性，本文通過金融機(jī)構(gòu)各項(xiàng)貸款余額與金融機(jī)構(gòu)各項(xiàng)存款余額相比得到。(3)股票收益率負(fù)值，它衡量了股票市場的風(fēng)險情況，該指標(biāo)越大說明投資者和企業(yè)潛在的損失越大，本文采用上證綜合指數(shù)增長率的負(fù)值來衡量。(4)國房景氣指數(shù)波動，它是價格、資金和土地開發(fā)指數(shù)的加權(quán)平均，在一定程度上衡量了房地產(chǎn)信貸風(fēng)險，指數(shù)波動越大越不利于金融系統(tǒng)的穩(wěn)定，本文采用國房景氣指數(shù)GARCH(1,1)模型計(jì)算出的時變方差來表示。(5)存款利率與貸款利率之差，它反映了金融中介資源配置效率的高低，由于銀行通常將短期存款轉(zhuǎn)換為長期貸款，該指標(biāo)值越大表示銀行的獲利能力越弱，銀行業(yè)的金融壓力就越大，本文采用1年期存款基準(zhǔn)利率與1年期貸款基準(zhǔn)利率之差來表示。

2.金融脆弱性

金融脆弱性維度指標(biāo)共設(shè)置5個，具體包括：(1)通貨膨脹率。適度的通脹率范圍可以增強(qiáng)投資者的信心，過高的通脹率會造成金融市場劇烈波動，導(dǎo)致金融不穩(wěn)定，本文選取環(huán)比CPI作為通貨膨脹的代理變量。(2)匯率波動，它反映了外匯市場壓力的大小，人民幣匯率的異常波動會嚴(yán)重影響到金融系統(tǒng)的穩(wěn)定性，本文以GARCH(1,1)方法計(jì)算出名義有效匯率指數(shù)的時變方差來衡量。(3)存款/M2，它反映了我國貨幣市場的流動性壓力，該指標(biāo)的惡化會加劇通貨膨脹的壓力，不利于金融系統(tǒng)的穩(wěn)定性，本文采用金融機(jī)構(gòu)存款余額與廣義貨幣供應(yīng)量(M2)的比值得到。(4)財政赤字/GDP，它反映了政府財政情況，過高的財政赤字會降低投資的信心，不利于金融市場的穩(wěn)定，財政赤字通過公共財政收入與公共財政支出的差額表示，季度財政赤字由季度內(nèi)各月底財政赤字加總得來。(5)經(jīng)常賬戶赤字/GDP，即本國進(jìn)口貨物及服務(wù)與出口貨物及服務(wù)的差額占GDP的比重，該指標(biāo)值越大，表明貿(mào)易逆差越大，會導(dǎo)致本國貨幣嚴(yán)重貶值，引起匯率劇烈波動，進(jìn)而帶來金融不穩(wěn)定性，它反映了本國對外部沖擊的敏感性。

3.金融體系發(fā)展

金融體系發(fā)展維度指標(biāo)共設(shè)置3個，具體包括：(1)信貸總額/GDP，該指標(biāo)衡量了經(jīng)濟(jì)社會發(fā)展對金融發(fā)展的依賴程度，信貸總額占比越大，說明金融發(fā)展對宏觀經(jīng)濟(jì)的貢獻(xiàn)越大，但該指標(biāo)在一定程度上也體現(xiàn)出了潛在風(fēng)險水平。(2)股票市值與GDP相比的負(fù)值。該值越大表示股票市值占GDP的比重越低，即股票市場的金融發(fā)展水平越低，不利于金融市場的整體穩(wěn)定。(3)廣義貨幣供給M2/GDP的負(fù)值，該指標(biāo)值越大代表廣義貨幣供應(yīng)量M2占GDP的比重越低，表明宏觀經(jīng)濟(jì)系統(tǒng)抵御金融內(nèi)部風(fēng)險的能力越弱，導(dǎo)致金融市場的壓力越高。

4.國際金融形勢

國際金融形勢維度指標(biāo)共設(shè)置3個，用來反映國際金融市場波動對中國金融系統(tǒng)穩(wěn)定的影響情況，具體指標(biāo)說明如下：(1)美國股市波動，美國股市的劇烈波動會影響中國金融系統(tǒng)的穩(wěn)定性，本文通過GARCH(1,1)模型計(jì)算出的納斯達(dá)克指數(shù)的時變方差來反映美國股市的波動。(2)美元匯率波動，它在一定程度上反映出國內(nèi)金融市場受國際金融沖擊的大小。美元匯率的異常波動會影響國際金融市場波動與通貨膨脹率，不利于國內(nèi)金融系統(tǒng)的穩(wěn)定，本文以GARCH(1,1)方法計(jì)算出有效匯率指數(shù)的時變方差來衡量。(3)倫敦同業(yè)拆借利率(LIBOR)，該指標(biāo)常常作為國際借貸、債務(wù)發(fā)行等的基準(zhǔn)利率，其大幅度上升意味著國際金融環(huán)境的惡化，不利于中國金融穩(wěn)定，本文直接以對應(yīng)指標(biāo)衡量。

(二)中國金融壓力指數(shù)的測算結(jié)果

圖1為TVP-FA-VAR模型與引入動態(tài)模型平均方法的各類FA-VARs模型測算出的FSI對比。觀察圖1不難發(fā)現(xiàn)，采用FA-VAR-DMA與FA-TVP-VAR-DMA模型測算出FSI在全樣本時期的走勢情況基本相同，而允許參數(shù)時變、模型維度和變量動態(tài)選擇的TVP-FA-VAR-DMA模型測算出的FSI在亞洲金融危機(jī)時期和全球金融危機(jī)時期表現(xiàn)出小幅度的差異，其余各時期的FSI走勢情況與FA-VAR-DMA和FA-TVP-VAR-DMA測算出的FSI走勢幾乎一致。值得注意的是，TVP-FA-VAR模型測算出的亞洲金融危機(jī)時期和全球金融危機(jī)時期的FSI值高于其它引入DMA方法的FA-VARs模型在相應(yīng)時期測算出的FSI值。圖2給出了DMA與BMA下的FA-VARS模型估計(jì)出的FSI變化走勢。觀察圖2不難看出，同樣采用BMA方法進(jìn)行變量動態(tài)選擇的TVP-FA-VAR模型和FA-VAR模型測算出的FSI在2001年之前表現(xiàn)出明顯的差異性，其它各時期的FSI走勢情況基本吻合。相比未引入模型平均方法的FA-VARs模型而言，引入DMA和BMA的TVP-FA-VAR模型均具有模型維度和參數(shù)時變的優(yōu)勢，這兩種方法不僅充分利用大量的宏觀金融信息，避免變量信息的遺漏，而且可以保證模型的自由度，但貝葉斯模型平均不能夠靈活地進(jìn)行變量動態(tài)選擇，致使測算出的FSI存在較大的差異，尤其體現(xiàn)在全球金融危機(jī)時期與歐洲債務(wù)危機(jī)時期，可見基于動態(tài)模型平均下的TVP-FA-VAR模型測算出的FSI能夠更好的捕捉到危機(jī)時期的金融壓力情況，可能的原因在于，危機(jī)時期金融市場波動較為劇烈，不同金融變量對金融系統(tǒng)穩(wěn)定性的沖擊反應(yīng)具有明顯的時變特征。接下來，進(jìn)一步詳細(xì)的分析TVP-FA-VAR-DMA模型測算出的FSI趨勢性特征。

圖1 DMA下的FA-VARs模型測算出的FSI

圖2 DMA與BMA下的FA-VARs模型測算出的FSI

具體來看，1997年Q1至2017年Q3期間中國金融壓力指數(shù)的波動幅度較為明顯。1997年第3季度之前中國金融壓力呈現(xiàn)大幅度下降趨勢，而后由于受亞洲金融危機(jī)及洪水等自然災(zāi)害的影響，金融市場流動性趨緊，金融壓力開始出現(xiàn)上升的勢頭，為此，央行采取頻繁降低存款準(zhǔn)備金率、貸款利率以及結(jié)合貸款限額放松等貨幣政策手段，在一定程度上緩和了金融壓力，直至1999年Q3，消費(fèi)和投資需求雙雙增加，以及M2的加速增長使得中國金融壓力短時期內(nèi)轉(zhuǎn)向了松弛狀態(tài)。進(jìn)入21世紀(jì)后，國際套利資本流出導(dǎo)致人民幣有效匯率上行和股票市場低迷并舉，進(jìn)而中國金融壓力又再次回到緊縮時期，直至2001年Q3之后，中國股票市場呈現(xiàn)回升趨勢，房地產(chǎn)市場也逐漸繁榮，銀行信貸逐漸增加，中國金融市場狀況逐漸轉(zhuǎn)好，這一狀況持續(xù)到2004年Q2，央行大幅上調(diào)利率來為“興奮”的房價和信貸規(guī)模降溫，進(jìn)而導(dǎo)致金融狀況由松轉(zhuǎn)緊。進(jìn)入2005年，匯率體制改革使得人民幣匯率調(diào)整靈活性增強(qiáng)，貨幣供應(yīng)量增速再次大幅度上升，中國金融壓力指數(shù)呈顯著下降態(tài)勢，然而，伴隨美國次貸危機(jī)的爆發(fā)，中國金融市場也出現(xiàn)低迷，金融壓力指數(shù)迅速攀升，直至經(jīng)濟(jì)危機(jī)爆發(fā)后一系列反周期政策的出臺，金融壓力指數(shù)才逐漸緩解，并于2009年第2季度達(dá)到樣本區(qū)間內(nèi)的最低點(diǎn)。伴隨著經(jīng)濟(jì)的逐漸復(fù)蘇，擴(kuò)張性的財政政策如4萬億計(jì)劃使得大量資金流向房地產(chǎn)，誘發(fā)房地產(chǎn)市場過熱，也給金融市場帶來了隱患，金融壓力指數(shù)不斷攀升。隨著歐洲主權(quán)債務(wù)危機(jī)的爆發(fā)及后期全球經(jīng)濟(jì)新常態(tài)時期的到來，中國金融經(jīng)濟(jì)持續(xù)波動，尤其是滬深股票市場，從5 000點(diǎn)的繁榮到股災(zāi)爆發(fā)，金融壓力指數(shù)也是由高走低。總體來看，中國金融壓力指數(shù)在1997年Q1至2017年Q3期間共出現(xiàn)3次明顯的波峰，分別對應(yīng)著2004年Q2、2008年Q4與2011年Q3，這三個時期表現(xiàn)為“金融失衡”，在2007年Q1、2009年Q2與2015年Q2等三個時期表現(xiàn)為“金融良好”。中國金融壓力指數(shù)每次的異常波動均與國內(nèi)外的金融特殊事件息息相關(guān)，這充分說明了本文采用TVP-FA-VAR-DMA模型測算出的FSI能夠有效的反映出我國金融壓力情況。

(三)潛在預(yù)測解釋變量的期望個數(shù)

圖3 DMA模型預(yù)測解釋變量個數(shù)期望值

從圖3中明顯可以看出，預(yù)測解釋變量個數(shù)的期望值在1997—2001年期間呈現(xiàn)出明顯下降的趨勢，這段時期所需解釋變量的個數(shù)維持在1-4個之間。在2001年之后，預(yù)測解釋變量個數(shù)的期望值表現(xiàn)出較大幅度的上升態(tài)勢，所需解釋變量的個數(shù)在1-8之間，可見隨著時間的推移，對FSI動態(tài)測度的難度逐漸增強(qiáng)，過度的模型簡約顯然不適合FSI的預(yù)測，但相對于整個變量體系來說，DMA方法簡化模型的效果較為明顯。

五、中國金融壓力指數(shù)對宏觀經(jīng)濟(jì)變量的傳導(dǎo)效應(yīng)分析

(一)宏觀經(jīng)濟(jì)變量說明

本文以GDP季度同比增長來衡量經(jīng)濟(jì)增長；以CPI月度數(shù)據(jù)的加權(quán)平均來衡量通貨膨脹；采用季度固定資產(chǎn)投資總額的累積值轉(zhuǎn)化為當(dāng)季值來作為中國實(shí)際投資水平的代理變量。同時，對轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行X12季節(jié)調(diào)整后再除以定基CPI，最后采用同比對數(shù)差分得出投資同比增長率；采用社會消費(fèi)作為消費(fèi)水平的代理變量，同時，將季度內(nèi)各月的社會消費(fèi)總額的累計(jì)值轉(zhuǎn)化為當(dāng)季值，并對其進(jìn)行X12季節(jié)調(diào)整后再除以定基CPI，最后采用同比對數(shù)差分得出消費(fèi)同比增長率。上述所有數(shù)據(jù)主要來源于中國統(tǒng)計(jì)年鑒、中經(jīng)網(wǎng)數(shù)據(jù)庫、CEIC數(shù)據(jù)庫。為初步考察金融壓力與經(jīng)濟(jì)增長、通貨膨脹、投資及消費(fèi)之間的關(guān)系，圖4與圖5分別給出了金融壓力指數(shù)、GDP同比增長率、通脹率、投資同比增長率及消費(fèi)同比增長率的變化趨勢圖，其中，陰影部分為中國金融壓力較為緊張的階段。

圖4 FSI與經(jīng)濟(jì)增長、物價水平的變化趨勢

圖5 FSI與投資、消費(fèi)的變化趨勢

從圖4的曲線走勢圖可以看出，GDP同比增長率與FSI之間具有較強(qiáng)的負(fù)相關(guān)性，而通脹率與FSI具有一定程度的正相關(guān)性，且領(lǐng)先于FSI大概1個季度，尤其體現(xiàn)在2007年Q1至2008年Q4期間，當(dāng)金融壓力指數(shù)呈現(xiàn)上升趨勢時，GDP同比增長率呈現(xiàn)下降趨勢，而通脹率呈現(xiàn)出領(lǐng)先FSI的同步上升趨勢。從圖5中FSI、投資同比增長率和消費(fèi)同比增長率走勢來看，三者的同步性并不強(qiáng)，尤其體現(xiàn)在經(jīng)濟(jì)新常態(tài)時期，F(xiàn)SI在均值附近平穩(wěn)震蕩，而投資增長率與消費(fèi)增長率均呈現(xiàn)明顯下滑趨勢，且投資增長率下降的更為迅速。接下來，通過MS-AR模型對FSI進(jìn)行狀態(tài)機(jī)制識別，選取典型的金融壓力期并采用TVP-SV-VAR模型進(jìn)行脈沖響應(yīng)分析。

(二)中國金融壓力期的識別

近年來，馬爾科夫區(qū)制轉(zhuǎn)換模型已成為學(xué)者們研究非對稱性問題的重要工具，該方法最初由Goldfeld和Quandt(1973)[36]提出，后來由Hamilton(1989)[37]與Krolzig(1997)[38]改進(jìn)為MS-AR模型來刻畫不同狀態(tài)下的宏觀金融波動情況。因此，為更清晰地反映我國金融系統(tǒng)的壓力情況，本文采用MS-AR模型對中國金融壓力指數(shù)進(jìn)行狀態(tài)機(jī)制識別，將回歸滯后性設(shè)定為2，按照自回歸參數(shù)、截距、均值及方差可以分為不同的模型形式，并結(jié)合AIC、SC、HQ及極大似然估計(jì)值判斷出MSIH(3)-AR(2)模型的擬合效果最佳，圖6給出了MSIH(3)-AR(2)模型的三區(qū)制平滑轉(zhuǎn)換概率圖。

觀察圖6不難看出，我國金融壓力具有明顯的三區(qū)制轉(zhuǎn)移特征，結(jié)合表1中FSI狀態(tài)機(jī)制識別結(jié)果得知，區(qū)制1的FSI平均值為0.31，標(biāo)準(zhǔn)差為0.72%，對應(yīng)著我國金融系統(tǒng)較為良好時期，并分別有0和0.20的概率轉(zhuǎn)向區(qū)制2和區(qū)制3的狀態(tài)，這表明當(dāng)本季度金融系統(tǒng)穩(wěn)定性處于良好狀態(tài)，下季度仍很有可能處于良好狀態(tài)，若一旦發(fā)生狀態(tài)機(jī)制轉(zhuǎn)換，則最有可能直接轉(zhuǎn)換成金融失衡狀態(tài)，其典型時期有2007年Q1、2009年Q2及2015年Q2；區(qū)制2的FSI平均值為0.35，標(biāo)準(zhǔn)差為0.64%，對應(yīng)著我國金融系統(tǒng)較為平穩(wěn)時期，樣本數(shù)為43.47個季度，持續(xù)期為13.09個，表明我國金融壓力指數(shù)大部分處于區(qū)制2，且持續(xù)時間較長，不容易發(fā)生區(qū)制轉(zhuǎn)換，這點(diǎn)也可由表1中的區(qū)制間轉(zhuǎn)移概率看出。其典型時期有2001年Q1、2006年Q2及2014年Q2；區(qū)制3的FSI平均值為0.37，標(biāo)準(zhǔn)差為0.83%，對應(yīng)著中國金融壓力較高時期，樣本數(shù)為9.28個季度，持續(xù)期僅為1.61個季度，表明金融壓力處于失衡的持續(xù)時間并不長，且向金融良好狀態(tài)和金融平穩(wěn)狀態(tài)轉(zhuǎn)換的概率較大，典型時期有2004年Q2、2008年Q4及2015年Q3。

圖6 中國金融壓力指數(shù)狀態(tài)機(jī)制識別圖

表1 各區(qū)制樣本數(shù)、頻率、持續(xù)期與區(qū)制間轉(zhuǎn)移概率

(三)基于TVP-SV-VAR模型估計(jì)的結(jié)果

(四)時點(diǎn)脈沖響應(yīng)分析

圖7給出了FSI對GDP同比增長率(G)、通貨膨脹率(P)、投資同比增長率(I)及消費(fèi)同比增長率(C)的時點(diǎn)脈沖響應(yīng)。觀察圖7不難發(fā)現(xiàn)，4個宏觀經(jīng)濟(jì)變量受FSI沖擊的影響存在明顯的時變特征。

圖7 典型時期經(jīng)濟(jì)增長、通脹、消費(fèi)及投資受FSI沖擊的脈沖響應(yīng)圖

首先，F(xiàn)SI沖擊對GDP同比增長率(εf→G)在第4個季度之前表現(xiàn)為顯著的負(fù)向效應(yīng)，4個季度之后轉(zhuǎn)變?yōu)檎蛐?yīng)，且在金融失衡時期(2008年Q4)這種正向效應(yīng)長期存在。而在金融壓力良好時期這種正向效應(yīng)持續(xù)到第9個季度就轉(zhuǎn)變?yōu)轱@著的長期負(fù)向效應(yīng)。在金融較為平穩(wěn)時期和當(dāng)前供給側(cè)改革時期，F(xiàn)SI對GDP同比增長率的沖擊響應(yīng)在第4個季度時具有微弱的正向響應(yīng)，1個季度之后就掉頭轉(zhuǎn)變?yōu)轱@著的長期負(fù)向效應(yīng)，可見，F(xiàn)SI在金融系統(tǒng)較為平穩(wěn)或良好時對經(jīng)濟(jì)增長具有短期的負(fù)向影響，且這種負(fù)向影響在長期內(nèi)持續(xù)存在。而在金融壓力較為緊張的情況下，F(xiàn)SI對經(jīng)濟(jì)增長的沖擊在短期內(nèi)表現(xiàn)為負(fù)向效應(yīng)，長期內(nèi)表現(xiàn)為正向效應(yīng)，這表明隨著中國金融壓力的逐漸緊張，經(jīng)濟(jì)增長短期內(nèi)會受到嚴(yán)重的負(fù)向沖擊，長期內(nèi)這種負(fù)向沖擊效應(yīng)減弱，尤其是金融失衡時期的金融壓力指數(shù)的上升對經(jīng)濟(jì)增長具有微弱的長期正向促進(jìn)作用。

其次，F(xiàn)SI在4個典型時期對通貨膨脹率(εf→P)沖擊都呈現(xiàn)下降趨勢，并在3期左右達(dá)到極值，負(fù)向反應(yīng)持續(xù)到6個季度之后。FSI對金融較為平穩(wěn)時期和當(dāng)前供給側(cè)改革時期的通脹率沖擊逐漸呈現(xiàn)正向上升趨勢，隨后在15個季度之后趨于平穩(wěn)。而對于金融壓力較為良好時期，F(xiàn)SI對通脹率的沖擊僅在第6期至第11期產(chǎn)生了正向響應(yīng)，當(dāng)金融壓力處于失衡時期(2008年Q4)，F(xiàn)SI對通脹率的沖擊響應(yīng)在第6個季度之后仍然表現(xiàn)為負(fù)向效應(yīng)，持續(xù)到第15個季度這種負(fù)向效應(yīng)徹底消失，可見，F(xiàn)SI對通貨膨脹的沖擊主要表現(xiàn)為短期負(fù)向效應(yīng)，長期效應(yīng)并不存在，即隨著FSI的逐漸提高，物價水平短期內(nèi)呈現(xiàn)下降趨勢，通貨膨脹程度降低。

再次，F(xiàn)SI對投資水平的沖擊(εf→I)呈現(xiàn)出顯著的負(fù)向效應(yīng)，且這種負(fù)向效應(yīng)在第3季度之前逐漸減弱，而后掉頭馬上逐漸增強(qiáng)，直到第5個季度之后再次表現(xiàn)為逐漸減弱的負(fù)向效應(yīng)，F(xiàn)SI在不同的金融壓力時期對投資水平的沖擊趨勢基本一致，但幅度存在較大差異，具體而言，F(xiàn)SI在金融壓力良好和金融壓力失衡時期對投資水平的負(fù)向沖擊效應(yīng)表現(xiàn)的更弱，而在金融壓力平穩(wěn)和當(dāng)前供給側(cè)改革時期對投資水平的負(fù)向影響較強(qiáng)，且除金融失衡時期，F(xiàn)SI對投資水平具有長期的負(fù)向沖擊影響，特別是在經(jīng)濟(jì)新常態(tài)時期和當(dāng)前供給側(cè)改革關(guān)鍵時期，F(xiàn)SI對投資水平的負(fù)向沖擊影響尤為明顯，表明當(dāng)前合理的防控系統(tǒng)性金融風(fēng)險對宏觀經(jīng)濟(jì)穩(wěn)定具有至關(guān)重要的作用。

最后，金融壓力的上升對消費(fèi)水平的傳導(dǎo)效應(yīng)(εf→C)以負(fù)向?yàn)橹?，金融較為平穩(wěn)時期和當(dāng)前供給側(cè)改革時期FSI的一個單位正向沖擊會引起消費(fèi)水平的脈沖響應(yīng)在第0期表現(xiàn)為正，1個季度之后轉(zhuǎn)變?yōu)橹饾u增強(qiáng)的負(fù)向響應(yīng)。而在金融系統(tǒng)良好時期和金融系統(tǒng)失衡時期FSI對消費(fèi)水平起初就表現(xiàn)為逐漸增強(qiáng)的負(fù)向影響作用，但4個典型時期的FSI對消費(fèi)水平的負(fù)向沖擊響應(yīng)均在第3個季度達(dá)到最強(qiáng)，而后轉(zhuǎn)為逐漸減弱的態(tài)勢，且金融系統(tǒng)良好時期和金融系統(tǒng)失衡時期的這種負(fù)向沖擊響應(yīng)更強(qiáng)。除金融失衡時期FSI對消費(fèi)水平不存在長期影響之外，在其它3個典型時期FSI對消費(fèi)水平均具有長期的負(fù)向影響，可見，消費(fèi)水平會受到金融壓力的強(qiáng)烈負(fù)向沖擊，即隨著金融壓力的提高，消費(fèi)水平會逐漸下滑。

(五)預(yù)期脈沖響應(yīng)分析

為進(jìn)一步分析金融壓力對經(jīng)濟(jì)增長、物價水平、投資水平及消費(fèi)水平的長短期影響，本文也分析了預(yù)期脈沖響應(yīng)(見圖8)。圖中的實(shí)線、長虛線、短虛線分別對應(yīng)著提前2期、4期和8期。從圖中可以看出：(1)FSI對GDP同比增長率、通貨膨脹率、投資同比增長率及消費(fèi)同比增長率均具有明顯的短期負(fù)向效應(yīng)，且隨著時間的推移，F(xiàn)SI對投資水平負(fù)向沖擊影響在各期均逐漸回調(diào)，而經(jīng)濟(jì)增長對其沖擊的響應(yīng)在2007年之前逐漸走低，2007年之后表現(xiàn)為小幅度上升的趨勢，但中長期響應(yīng)一直在正負(fù)之間交替震蕩并在2016年逐漸消失為0。FSI對通貨膨脹的短期負(fù)向影響呈現(xiàn)緩慢減弱的跡象，而在中期內(nèi)表現(xiàn)為大幅度減弱的趨勢，長期響應(yīng)在2002年至2008年期間主要表現(xiàn)為正向，其余時期為負(fù)向。就消費(fèi)水平而言，F(xiàn)SI對消費(fèi)水平的短期負(fù)向沖擊在1999年之前逐漸減弱，在1999—2004年期間中間增強(qiáng)，而在2004年至2009年期間短期負(fù)向沖擊響應(yīng)基本處于平穩(wěn)狀態(tài)，2009年之后，F(xiàn)SI對消費(fèi)水平的短期負(fù)向沖擊作用逐漸減弱，但FSI在中期內(nèi)對消費(fèi)水平的負(fù)向沖擊作用卻始終呈現(xiàn)減弱現(xiàn)象，類似的，長期效應(yīng)也僅在2003年至2004年期間表現(xiàn)為微弱的正向促進(jìn)效應(yīng)，其余時期均表現(xiàn)為負(fù)向效應(yīng)，且1997年至2002年期間這種長期負(fù)向效應(yīng)表現(xiàn)的尤為明顯，而當(dāng)經(jīng)濟(jì)進(jìn)入新常態(tài)時期，F(xiàn)SI對消費(fèi)水平的長期負(fù)向沖擊較弱?？梢姡煌瑫r期FSI對經(jīng)濟(jì)增長、物價水平、投資水平以及消費(fèi)水平的影響強(qiáng)度存在較大的差異。FSI對投資水平的負(fù)向影響越來越強(qiáng)，而對經(jīng)濟(jì)增長在2007年之前表現(xiàn)為增強(qiáng)趨勢，而后呈現(xiàn)越來越弱的跡象，對物價水平和消費(fèi)水平的短期和中期響應(yīng)程度均呈現(xiàn)減弱的態(tài)勢。(2)FSI對4個宏觀經(jīng)濟(jì)變量的短期負(fù)向沖擊效應(yīng)均強(qiáng)于中長期的負(fù)向沖擊效應(yīng)。物價水平和消費(fèi)水平在三個危機(jī)時期對FIS的負(fù)向響應(yīng)更為敏感，而在新常態(tài)時期金融壓力的上升對投資水平具有更強(qiáng)的負(fù)向沖擊影響，全球金融危機(jī)時期金融壓力上升對經(jīng)濟(jì)增長表現(xiàn)為較強(qiáng)的沖擊作用。可見，F(xiàn)SI對宏觀經(jīng)濟(jì)變量的影響隨著提前沖擊的增加而呈現(xiàn)逐漸減弱的趨勢，并且在某些時間段產(chǎn)生正向影響，危機(jī)時期金融壓力對宏觀經(jīng)濟(jì)造成的沖擊更為強(qiáng)烈。

圖8 經(jīng)濟(jì)增長、通脹、消費(fèi)及投資受FSI沖擊的等間隔脈沖響應(yīng)圖

綜上分析，較大的金融壓力會對經(jīng)濟(jì)發(fā)展產(chǎn)生阻礙作用，導(dǎo)致投資和消費(fèi)水平雙雙下降，價格水平走低，體現(xiàn)出整體經(jīng)濟(jì)環(huán)境不景氣，經(jīng)濟(jì)運(yùn)行狀況不健康。金融壓力驟增的狀態(tài)下，微觀主體的風(fēng)險偏好和實(shí)際收益率都會下調(diào)，進(jìn)而金融中介會緊縮銀根，尤其針對于中小微企業(yè)，造成整體市場的流動性下降及微觀主體的購買力下降，進(jìn)而導(dǎo)致投資和消費(fèi)的有效需求皆不足[40]。在這樣的狀態(tài)下，高技術(shù)產(chǎn)業(yè)的中小微企業(yè)會降低產(chǎn)量，而不面臨融資問題的傳統(tǒng)大型制造業(yè)卻依然擴(kuò)大庫存，這樣就導(dǎo)致了經(jīng)濟(jì)總體發(fā)展不平衡，不平衡的弊端暴露出的現(xiàn)象即是實(shí)體經(jīng)濟(jì)下滑，物價水平走低，進(jìn)而體現(xiàn)出金融壓力上升會對宏觀經(jīng)濟(jì)產(chǎn)生不利影響[41]。

六、結(jié)論與政策建議

本文構(gòu)建了金融壓力指數(shù)指標(biāo)體系，并在該體系下將動態(tài)模型平均與帶有時變參數(shù)的因子擴(kuò)展向量自回歸模型相結(jié)合的方法測算出1997年第一季度至2017年第三季度期間的中國金融壓力指數(shù)，基于MS-AR模型對中國壓力期進(jìn)行識別，選取典型時期采用TVP-SV-VAR模型實(shí)證分析金融壓力對經(jīng)濟(jì)增長、物價水平、投資及消費(fèi)等宏觀經(jīng)濟(jì)變量沖擊反應(yīng)的時變特征。發(fā)現(xiàn)了TVP-FA-VAR-DMA模型與其他模型測算出的FSI在亞洲金融危機(jī)時期、全球金融危機(jī)時期與歐洲債務(wù)危機(jī)時期存在較大的差異，其他各時期的FSI走勢情況基本吻合，且FSI的每次異常波動均與國內(nèi)外的金融特殊事件息息相關(guān)，這充分說明了本文采用TVP-FA-VAR-DMA模型測算出的FSI不僅能夠提高模型參數(shù)估計(jì)效率，且能夠有效地反映出我國金融壓力情況和金融特殊事件。此外，通過MS-AR方法發(fā)現(xiàn)FSI大多時間處于金融較為平穩(wěn)時期，持續(xù)時間較長，不容易發(fā)生區(qū)制轉(zhuǎn)換，而金融失衡時期持續(xù)時間較短，且容易向金融較為平穩(wěn)時期和金融良好時期轉(zhuǎn)換，金融失衡時期與國內(nèi)外重大特殊事件相吻合。當(dāng)本季度金融系統(tǒng)穩(wěn)定性處于良好狀態(tài)，下季度仍很有可能處于良好狀態(tài)，若一旦發(fā)生狀態(tài)機(jī)制轉(zhuǎn)換，則最有可能直接轉(zhuǎn)換成金融失衡狀態(tài)。金融壓力的上升對經(jīng)濟(jì)增長主要表現(xiàn)為短期負(fù)向傳導(dǎo)效應(yīng)，F(xiàn)SI在金融系統(tǒng)較為平穩(wěn)或良好時對經(jīng)濟(jì)增長具有顯著的短期負(fù)向沖擊效應(yīng)，而在金融壓力較為緊張的情況下，F(xiàn)SI對經(jīng)濟(jì)增長的沖擊在短期內(nèi)表現(xiàn)為負(fù)向效應(yīng)，長期內(nèi)表現(xiàn)為正向效應(yīng)，對物價水平的負(fù)向沖擊表現(xiàn)為先由強(qiáng)到弱而后逐漸趨于零的“火車頭效應(yīng)”，對投資水平在短中長期內(nèi)均具有明顯的負(fù)向沖擊效應(yīng)，且在樣本期間內(nèi)這種負(fù)向沖擊效應(yīng)逐漸增強(qiáng)，對消費(fèi)水平在短期和中期表現(xiàn)為先逐漸增強(qiáng)后逐漸減弱的負(fù)向沖擊效應(yīng)，且在重大金融事件發(fā)生的高風(fēng)險時期，這種負(fù)向沖擊效應(yīng)表現(xiàn)的尤為明顯，表明危機(jī)時期金融壓力對宏觀經(jīng)濟(jì)造成的危害更大。

由此可見，金融壓力指數(shù)FSI發(fā)揮了金融風(fēng)險的先行指標(biāo)作用，對宏觀經(jīng)濟(jì)的影響并非是長期一致不變的，而是存在動態(tài)時變性。因此，在守住不發(fā)生系統(tǒng)性金融風(fēng)險底線、促進(jìn)宏觀經(jīng)濟(jì)健康持續(xù)發(fā)展的基礎(chǔ)上，應(yīng)該對金融風(fēng)險的先行指標(biāo)進(jìn)行強(qiáng)監(jiān)管、嚴(yán)防范。本文提出如下參考性的監(jiān)管政策建議。第一，貨幣政策方面，在實(shí)施價格型的泰勒規(guī)則或數(shù)量型的麥卡勒姆規(guī)則時，應(yīng)該將金融穩(wěn)定指標(biāo)納入目標(biāo)函數(shù)，使得貨幣政策工具在盯住產(chǎn)出缺口和通脹缺口變化的同時也應(yīng)該盯住穩(wěn)態(tài)金融穩(wěn)定指標(biāo)，尤其是本文發(fā)現(xiàn)了金融壓力指數(shù)對宏觀經(jīng)濟(jì)的影響在短期和長期的影響具有差異性，因此應(yīng)根據(jù)不同金融壓力情況綜合運(yùn)用短期借貸便利、常備借貸便利等短中期貨幣政策工具及存款準(zhǔn)備金率等相對長期貨幣政策工具。第二，宏觀審慎方面，建議加快構(gòu)建完備的宏觀審慎管理體系，以微觀審慎管理為基礎(chǔ)，以宏觀審慎管理體系為指導(dǎo)，嚴(yán)格監(jiān)管和把控房地產(chǎn)市場、股票市場、銀行信貸市場的流動性和波動性，尤其是在本文構(gòu)建的金融壓力指數(shù)中，上述部門的相關(guān)指標(biāo)是金融壓力指數(shù)的重要組成部分，這意味著對房地產(chǎn)市場、股票市場、銀行信貸市場的監(jiān)管和預(yù)警即是對金融壓力指數(shù)的監(jiān)管和預(yù)警，同時也是對宏觀經(jīng)濟(jì)良好運(yùn)行的保障，因此要有針對性差別化的逆周期監(jiān)管措施，并在恰當(dāng)時間實(shí)施。主要政策措施包括逆周期資本緩沖、動態(tài)損失儲備、杠桿率、流動性監(jiān)管等。同時，不同經(jīng)濟(jì)金融環(huán)境下的工具組合搭配、政策實(shí)施節(jié)點(diǎn)和時滯等問題都是實(shí)行逆周期金融監(jiān)管政策面臨的阻礙，宏觀審慎監(jiān)管需要在實(shí)踐中豐富完善。第三，“雙支柱”框架機(jī)制方面，應(yīng)該根據(jù)金融周期的特征及所處的階段，結(jié)合宏觀經(jīng)濟(jì)形勢、微觀主體行為變化、價格變化及匯率預(yù)期等來判斷和監(jiān)管資本流動方向，尤其是對提取金融壓力指數(shù)的重要部門的資金流動監(jiān)管，進(jìn)而可以在銀行部門、股票市場、外匯市場、房地產(chǎn)市場的資金流動下率先構(gòu)建脆弱部門的金融壓力先行指標(biāo)。同時要注意的是，在不同經(jīng)濟(jì)時期的不同經(jīng)濟(jì)環(huán)境下金融壓力指數(shù)對宏觀經(jīng)濟(jì)的影響程度具有差異性，這就需要多個監(jiān)管部門協(xié)同統(tǒng)計(jì)及預(yù)判宏觀經(jīng)濟(jì)走勢，進(jìn)而在負(fù)向響應(yīng)時期做出緊縮性監(jiān)管政策，在正向響應(yīng)時期做出寬松性監(jiān)管政策。