• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      中國動(dòng)態(tài)FCI構(gòu)建及預(yù)測能力測度

      2022-04-25 07:42:36胡世文
      統(tǒng)計(jì)與信息論壇 2022年4期
      關(guān)鍵詞:狀況權(quán)重變量

      肖 強(qiáng),胡世文

      (蘭州財(cái)經(jīng)大學(xué) a.統(tǒng)計(jì)學(xué)院;b.甘肅經(jīng)濟(jì)發(fā)展數(shù)量分析研究中心,甘肅 蘭州 730020)

      一、引言及文獻(xiàn)綜述

      隨著中國改革開放和經(jīng)濟(jì)進(jìn)一步發(fā)展,金融市場在中國特色社會(huì)主義市場經(jīng)濟(jì)中所扮演的角色越來越重要。伴隨著金融市場不斷發(fā)展和逐步深化,金融市場深刻影響著實(shí)體經(jīng)濟(jì)運(yùn)行。蘇建軍等通過構(gòu)建產(chǎn)業(yè)結(jié)構(gòu)、金融發(fā)展和經(jīng)濟(jì)增長之間的多方程模型和向量誤差修正模型分析了三者之間的關(guān)系,并指出從金融規(guī)模來看,金融發(fā)展是推動(dòng)經(jīng)濟(jì)增長的重要因素,但從金融效率看,其嚴(yán)重制約了金融發(fā)展和經(jīng)濟(jì)增長之間的正效應(yīng)發(fā)揮[1]。葛奇從金融穩(wěn)定目標(biāo)和央行貨幣政策目標(biāo)之間的關(guān)系入手,陳述了在不影響貨幣政策既定目標(biāo)下金融穩(wěn)定目標(biāo)在央行貨幣政策框架的納入及其影響,并指出金融危機(jī)之后,金融穩(wěn)定是否應(yīng)該納入央行貨幣政策目標(biāo)已不再是討論的焦點(diǎn),重點(diǎn)在于金融穩(wěn)定應(yīng)該如何納入央行貨幣政策目標(biāo)并量化其影響。在分別陳述了金融穩(wěn)定與宏觀審慎政策之間的互補(bǔ)和替代關(guān)系觀點(diǎn)后,葛奇指出無論金融穩(wěn)定和宏觀審慎政策之間關(guān)系如何,目前對央行提出的挑戰(zhàn)是一致的,即央行必須具備識(shí)別和衡量金融穩(wěn)定風(fēng)險(xiǎn)的能力[2]。因此,尋求測度金融發(fā)展?fàn)顩r的指標(biāo),并將其納入貨幣政策框架,即將金融發(fā)展?fàn)顩r納入貨幣政策制定和執(zhí)行框架范圍內(nèi),將有助于央行提高宏觀調(diào)控效率,理順貨幣政策傳導(dǎo)中介。鄧創(chuàng)等指出要探索經(jīng)濟(jì)和金融雙重穩(wěn)定的貨幣政策調(diào)控模式則需要從兩個(gè)方面入手,一方面是科學(xué)合理地測度整體金融形勢的波動(dòng)態(tài)勢,并將其納入央行貨幣政策目標(biāo);另一方面則是構(gòu)建兼顧經(jīng)濟(jì)和金融雙重穩(wěn)定的貨幣政策調(diào)控框架[3]。在科學(xué)合理地測度整體金融狀況方面,由利率、匯率、貨幣供給、社會(huì)融資規(guī)模以及各類資產(chǎn)價(jià)格等多維金融指標(biāo)構(gòu)建的金融狀況指數(shù)FCI(Financial Condition Index)能更真實(shí)地反映中國金融市場的實(shí)際。

      金融狀況指數(shù)(FCI)最早是由Goodhart和Hofmann提出,它是在貨幣狀況指數(shù)的基礎(chǔ)上拓展得來。他們通過對貨幣傳導(dǎo)機(jī)制和資產(chǎn)負(fù)債表的理論分析以及對G7國家的財(cái)富效應(yīng)觀察,認(rèn)為股價(jià)和房價(jià)等金融資產(chǎn)價(jià)格應(yīng)該加入到MCI的編制中并得出FCI,以此反映由過量需求導(dǎo)致的通脹壓力并指導(dǎo)貨幣政策的制定。FCI編制賦權(quán)方法主要可以分為:(1)大型宏觀經(jīng)濟(jì)計(jì)量模型;(2)總需求縮減方程式;(3)由VAR(Vector Autoregressive Model)模型得出的脈沖響應(yīng)函數(shù)方程。大型宏觀經(jīng)濟(jì)計(jì)量模型主要是通過計(jì)算各經(jīng)濟(jì)變量之間的相互關(guān)系進(jìn)行賦權(quán),一般來說賦權(quán)結(jié)果較為準(zhǔn)確。大型機(jī)構(gòu)(如高盛)和部分國家央行就采用這種方法編制FCI[4]。相比大型宏觀經(jīng)濟(jì)計(jì)量模型,總需求縮減方程式和VAR模型在FCI編制中則更為常見,但是前者要求經(jīng)濟(jì)變量之間嚴(yán)格的外生性,后者可以部分解決外生性假定不充分的條件下,又會(huì)有VAR模型本身的變量識(shí)別和參數(shù)估計(jì)等問題。尤其是在引入資產(chǎn)價(jià)格的情況下,其本身在貨幣傳導(dǎo)機(jī)制中的具體情況尚不明確,因而識(shí)別問題又會(huì)使建模過程變得比較復(fù)雜。國內(nèi)外諸多學(xué)者已經(jīng)對FCI的構(gòu)建作出相關(guān)的拓展研究,有研究在經(jīng)典模型的基礎(chǔ)上引入因子模型提取多個(gè)金融變量的信息,再利用經(jīng)典模型構(gòu)建金融狀況指數(shù)。周德才等通過貝葉斯動(dòng)態(tài)因子增廣向量自回歸構(gòu)建了貝葉斯動(dòng)態(tài)因子金融狀況指數(shù),在指數(shù)構(gòu)建的基礎(chǔ)上分別檢驗(yàn)了同通貨膨脹之間的關(guān)聯(lián)關(guān)系以及評(píng)估了其對通貨膨脹的非對稱影響[5]。肖強(qiáng)和司穎華通過動(dòng)態(tài)因子模型對11個(gè)金融變量確定了共同金融因子,在此基礎(chǔ)上通過VAR模型構(gòu)建了FCI,在構(gòu)建FCI的基礎(chǔ)上建立了包含價(jià)格和產(chǎn)出的因子擴(kuò)展的logistic平滑轉(zhuǎn)移向量自回歸模型,分析了在不同金融狀況下,金融市場對產(chǎn)出和價(jià)格沖擊的非對稱性[6]。有的研究在經(jīng)典模型的基礎(chǔ)上擴(kuò)大構(gòu)建金融狀況指數(shù)的涵蓋金融變量范圍并拓展到時(shí)變參數(shù)估計(jì)形式。劉金全和張龍?jiān)谕卣筕AR模型基礎(chǔ)上納入了信貸變量,并測度了同頻和混頻情形下FCI對宏觀經(jīng)濟(jì)的沖擊效果和預(yù)測能力[7]。李程等測度了金融市場對實(shí)體經(jīng)濟(jì)的影響[8]。Guichard和Turner在利率、匯率及金融資產(chǎn)價(jià)格的基礎(chǔ)上引入了信貸標(biāo)準(zhǔn)變量并通過總需求縮減方程式和VAR分別構(gòu)建了美國1990年至2008年的FCI,具體測算了貨幣危機(jī)發(fā)生前和發(fā)生時(shí)的貨幣狀況松緊程度[9]。還有一些研究是在動(dòng)態(tài)因子模型基礎(chǔ)上,直接通過動(dòng)態(tài)因子模型構(gòu)建金融狀況指數(shù)。Angelopoulou等通過對歐元區(qū)核心國家和非核心國家的一系列金融和非金融變量進(jìn)行主成分分析,利用加權(quán)因子載荷構(gòu)建了FCI,并分析了金融危機(jī)前后和具體貨幣政策下對歐元區(qū)核心國家和非核心國家的不對稱沖擊[10]。

      綜上所述,已有文獻(xiàn)對金融狀況指數(shù)的構(gòu)建及其應(yīng)用已經(jīng)進(jìn)行了較為深入的研究??紤]到基于貝葉斯方法的中心化狀態(tài)空間模型,可以篩選變量時(shí)變或者非時(shí)變參數(shù),且雙伽馬先驗(yàn)通過強(qiáng)烈的收縮保證非時(shí)變參數(shù)不會(huì)被錯(cuò)誤估計(jì)為時(shí)變參數(shù)。因此,在已有研究的基礎(chǔ)上,本文從金融狀況指數(shù)的動(dòng)態(tài)權(quán)重估計(jì)入手,對金融變量權(quán)數(shù)的確定采用雙伽馬先驗(yàn)下的中心化參數(shù)的狀態(tài)空間模型方法。在經(jīng)典的FCI預(yù)測能力評(píng)價(jià)基礎(chǔ)上,還采用了譜分析方法,測度了FCI對宏觀經(jīng)濟(jì)變量的預(yù)測能力。

      本文的創(chuàng)新之處在于:第一,利用基于雙伽馬先驗(yàn)的貝葉斯方法所估計(jì)的狀態(tài)空間模型,構(gòu)建了中國動(dòng)態(tài)金融狀況指數(shù);第二,基于所構(gòu)建金融狀況指數(shù)的變動(dòng)趨勢,識(shí)別出中國貨幣政策的傳導(dǎo)渠道主要為數(shù)量型;第三,利用譜分析和滾動(dòng)式外推方法,測度了所構(gòu)建金融狀況指數(shù)對產(chǎn)出和價(jià)格的預(yù)測能力。

      二、基于動(dòng)態(tài)權(quán)重的金融狀況指數(shù)理論模型

      首先利用狀態(tài)空間模型估算總需求縮減方程式中的動(dòng)態(tài)權(quán)重,并利用引入雙伽馬先驗(yàn)的貝葉斯方法估計(jì)模型對應(yīng)參數(shù)。雙伽馬先驗(yàn)可以縮減待估計(jì)的系數(shù),也能夠發(fā)現(xiàn)真正的“非時(shí)變”參數(shù)。參考余輝等人的思路,構(gòu)建后視型經(jīng)濟(jì)模型,用菲利普斯曲線和IS曲線描述[11]:

      (1)

      (2)

      其中,π為通貨膨脹率,y為產(chǎn)出缺口,ri為實(shí)際利率缺口,re為實(shí)際匯率缺口,rh為實(shí)際房價(jià)缺口,rs為實(shí)際股價(jià)缺口,rm2為實(shí)際貨幣供應(yīng)量缺口。IS曲線參數(shù)為時(shí)變的。論文借鑒Bitto、Frühwirth-Schnatter等中心化參數(shù)的模型,計(jì)算公式如下[12-13]:

      (3)

      (4)

      (5)

      (6)

      其中P0=Diag(P0,11,P0,22,…,P0,dd)為對角陣,對于尺度參數(shù)P0,jj,設(shè)定先驗(yàn)過程為P0,jj~G-1(vp,(vp-1)cp),即逆伽馬分布,其中cp=1,vp=20。另外,對量測方程中的方差做時(shí)變設(shè)定,且其變化來自Jacquier等的設(shè)定[14]:

      (7)

      其中:

      (8)

      潛在波動(dòng)過程h=(h0,h1,…,hT)不可觀測,其初值h0設(shè)定平穩(wěn)分布的自回歸過程,即:

      (9)

      (10)

      其中的參數(shù)分別遵循下述設(shè)定:

      (11)

      (12)

      (13)

      就相當(dāng)于具有雙伽馬先驗(yàn)形式,即:

      (14)

      這樣設(shè)定的好處在于引入了全局參數(shù)κ2和局部參數(shù)aξ,前者控制先驗(yàn)分布在0處的概率分布質(zhì)量,且隨著κ2增大,θj的方差變小。后者控制整體分布的峰度,aξ變小,整體先驗(yàn)分布在0處的峰度提升,與此同時(shí)尾部變厚,保留局部并不強(qiáng)烈為0的參數(shù)。對全局參數(shù)κ2設(shè)定為具有固定參數(shù)的伽馬分布:

      κ2~G(d1,d2)

      (15)

      對局部參數(shù)aξ,參照Griffin和Brown的指數(shù)分布[16]:

      aξ~Exp(bξ)

      (16)

      其中bξ≥1。這樣,便構(gòu)成了完整的先驗(yàn)設(shè)定。對βj也做同樣的先驗(yàn)收縮設(shè)定,即:

      (17)

      且式(17)中相關(guān)超參數(shù)設(shè)定為:

      λ2~G(e1,e2)aτ~Exp(bτ)

      (18)

      其中e1,e2為固定參數(shù),且bτ≥1。權(quán)重的計(jì)算公式為:

      (19)

      其中βxi,t為金融變量xi在時(shí)期t的參數(shù),那么t時(shí)期的FCI就等于時(shí)期t的權(quán)重向量和時(shí)期t的真實(shí)金融價(jià)格變量減去真實(shí)金融價(jià)格變量長期趨勢的向量內(nèi)積,即:

      (20)

      三、中國動(dòng)態(tài)金融狀況指數(shù)的構(gòu)建

      (一)指數(shù)構(gòu)建及權(quán)重分析

      在具體的指標(biāo)選擇上,類似于余輝和余劍的變量選擇,而且在周德才等通過貝葉斯動(dòng)態(tài)因子構(gòu)建金融狀況指數(shù)的過程中,雖然由于其構(gòu)建方法的特殊性,選擇的代表變量較多,但是其股價(jià)、利率、匯率和貨幣供應(yīng)代理指標(biāo)均含有論文選擇的代理變量[5-11]。另外房地產(chǎn)價(jià)格的代理指標(biāo)則選取綜合反映房地產(chǎn)運(yùn)行情況的國房景氣指數(shù)[6]。

      基于國內(nèi)外已有文獻(xiàn),本文從利率、匯率、房地產(chǎn)價(jià)格、股票價(jià)格和貨幣供應(yīng)量等指標(biāo)中選取相應(yīng)的金融變量,嘗試構(gòu)建可以反映中國未來通脹壓力和金融市場變化的FCI。在選擇基準(zhǔn)利率時(shí),選擇7天上海銀行同業(yè)拆借加權(quán)平均利率,因?yàn)槠湓诋?dāng)前中國金融市場中利率市場化程度較高。匯率選擇國際清算銀行公布的人民幣名義有效匯率(Real Nominal Exchange Rate,REER)。在資產(chǎn)價(jià)格中,房地產(chǎn)價(jià)格方面選擇國家統(tǒng)計(jì)局公布的國房景氣指數(shù)。股票價(jià)格方面選擇中國上海證券綜合指數(shù)月末收盤價(jià)。貨幣供應(yīng)量選擇廣義貨幣供給量即M2。產(chǎn)出變量選擇GDP作為代理變量。上述數(shù)據(jù)如無特別說明,均來自中經(jīng)網(wǎng)數(shù)據(jù)庫。中國于1998年底開始住房市場化改革,取消福利分房制度。從1999年開始正式實(shí)施《證券法》,這表明房地產(chǎn)價(jià)格和股票價(jià)格逐漸正規(guī)化、市場化,自此逐漸包含通脹信息。再加上匯率具體指標(biāo)起始日期為2002年,因此,樣本區(qū)間選擇2002年1月至2020年12月各個(gè)變量的月度數(shù)據(jù)。

      首先對國房景氣指數(shù)中的缺失數(shù)據(jù)進(jìn)行12個(gè)月的平均插值,利用線性插值方法由季度GDP得到月度GDP。然后以2001年1月為100的定基CPI將所有名義變量轉(zhuǎn)換成實(shí)際變量,接著對上述真實(shí)變量數(shù)據(jù)使用X-11-ARIMA去除基于乘法模型的季節(jié)因素[18]。選擇環(huán)比CPI作為通貨膨脹的代理指標(biāo),因其不考慮物價(jià)跨年度的變化,且能及時(shí)反映物價(jià)在短期內(nèi)的波動(dòng)情況,并對環(huán)比CPI取對數(shù)。用lambda=129 600的HP濾波得到除CPI外各個(gè)變量的長期趨勢值,再用原變量值減去趨勢值得到各變量的缺口值,然后對得到的缺口值變量均做一般標(biāo)準(zhǔn)化處理,分別用M2_gap,house_gap,exchang_gap,interest_gap,stock_gap,y_gap代替[8,19]。在對變量建模之前應(yīng)該保證變量的平穩(wěn)性,對各變量做ADF單位根檢驗(yàn),結(jié)果見表1。

      由表1可知,絕大多數(shù)變量在1%的顯著性水平上拒絕了序列非平穩(wěn)的原假設(shè),這表示所有變量是平穩(wěn)的。本文利用雙伽馬先驗(yàn)下的貝葉斯估計(jì)時(shí)變參數(shù)狀態(tài)空間模型估算了中國2002年1月到2020年12月的金融狀況指數(shù)。圖1顯示了2002年到2020年的各金融變量動(dòng)態(tài)權(quán)重,分別是實(shí)際的利率缺口、匯率缺口、房價(jià)缺口、股價(jià)缺口和貨幣供給缺口的權(quán)重變化??梢钥闯?貨幣供應(yīng)量是影響FCI的主要因素,其平均影響力為62.94%。房價(jià)是影響FCI的次要因素,其平均影響力為21.64%。

      表1 各變量平穩(wěn)性ADF檢驗(yàn)

      圖1 FCI中各變量的動(dòng)態(tài)權(quán)重圖

      由圖1可知,從動(dòng)態(tài)權(quán)重的時(shí)間變化軌跡看,利率、匯率、房價(jià)和股價(jià)呈現(xiàn)幾乎相同的波動(dòng)態(tài)勢,而貨幣供給則呈現(xiàn)相反的波動(dòng)態(tài)勢。即當(dāng)貨幣供給對金融狀況的影響力減弱時(shí),金融產(chǎn)品價(jià)格和資產(chǎn)價(jià)格對金融狀況的影響力便開始迅速上升,當(dāng)然在不同時(shí)期,不同變量的影響力變化程度不盡相同。

      第一個(gè)比較明顯的波動(dòng)出現(xiàn)在2003年6月,房價(jià)權(quán)重的增長程度最大,接下來依次是利率、匯率和股市。與此同時(shí),貨幣供給的權(quán)重迎來了較大程度的下降。在2003年上半年全國的信貸總量已超2002年全年,銀行信貸投放過熱,并帶動(dòng)了匯市和債市集體過熱,與此同時(shí)房地產(chǎn)行業(yè)超過半數(shù)以上的資金則來自于信貸市場,房地產(chǎn)信貸余額已占商業(yè)銀行總貸款的近五分之一。中國經(jīng)濟(jì)呈現(xiàn)出局部過熱的特點(diǎn),金融環(huán)境整體較為寬松。2003年7月,央行及時(shí)上調(diào)存款準(zhǔn)備金率,通過主要國有銀行保持較高的超額準(zhǔn)備金情況下的窗口指導(dǎo)等方式進(jìn)行,此舉導(dǎo)致預(yù)期利率趨升,對于金融市場形成了一定的沖擊,進(jìn)而導(dǎo)致房市、匯市、股市及債市集體收縮,貨幣供給馬上又占據(jù)了主動(dòng)。所構(gòu)建的金融狀況指數(shù)則較為精確地識(shí)別了這一次持續(xù)時(shí)間較短的金融沖擊。與此同時(shí),中國銀行監(jiān)督管理委員會(huì)正式成立,標(biāo)志著全面金融風(fēng)險(xiǎn)監(jiān)控系統(tǒng)的正式建立。農(nóng)村信用社改革全面鋪開、債券市場的進(jìn)一步改革和貨幣市場的改革與發(fā)展等都在進(jìn)一步細(xì)化中國金融市場的改革方向。可以看出,2003年以來,貨幣供給在金融狀況指數(shù)中的權(quán)重在穩(wěn)步下降,而其他金融資產(chǎn)價(jià)格變量權(quán)重在穩(wěn)步上升。

      第二個(gè)較大的變化是2008年前后,房價(jià)權(quán)重自2003年以后緩慢增長,在2008年時(shí)突然迎來了迅速增長,而且利率、匯率和股市大致都遵循這一特點(diǎn)。貨幣供給權(quán)重則與之相反,自2003年年中以后一直緩慢下降,在臨近2008年時(shí)突然急速下降。2008年以后,各變量權(quán)重先呈現(xiàn)了一定的維持態(tài)勢隨后便發(fā)生急劇變化。金融資產(chǎn)價(jià)格類變量權(quán)重都出現(xiàn)了較大幅度的下降,而數(shù)量型變量權(quán)重則出現(xiàn)了較大程度增長。2008年正值全球流動(dòng)性過剩和資產(chǎn)價(jià)格大幅度上漲,而全球流動(dòng)性過剩導(dǎo)致中國房地產(chǎn)價(jià)格迅速大幅度攀升,房價(jià)上漲導(dǎo)致其對金融狀況影響急劇增大。利率、匯率和股價(jià)也同時(shí)小幅度上漲,均對金融狀況有不同程度影響。與此相反的是,貨幣供給的權(quán)重不斷降低。緊接著發(fā)生了由美國信貸危機(jī)主導(dǎo)的全球性金融危機(jī),隨后中國政府實(shí)施了一系列強(qiáng)有力的措施提振市場信心,可見2008—2009年全球金融危機(jī)時(shí)期各變量的權(quán)重的變化范圍并不大,各資產(chǎn)價(jià)格變量在短時(shí)間內(nèi)基本保持不變,甚至略有上漲。2009—2010年后價(jià)格型變量權(quán)重均開始不同程度的下降,而貨幣供給權(quán)重則隨著四萬億經(jīng)濟(jì)刺激計(jì)劃的實(shí)施和“適度寬松”貨幣政策的實(shí)施開始一路攀升。金融狀況指數(shù)就權(quán)重而言,各金融變量權(quán)重短期內(nèi)變化不明顯,長期則分別顯現(xiàn)出各自對金融危機(jī)的反應(yīng),和中國面臨金融危機(jī)實(shí)際情況基本相符。在此之后,中國進(jìn)一步加強(qiáng)金融業(yè)抗風(fēng)險(xiǎn)能力,著重防范系統(tǒng)性金融風(fēng)險(xiǎn)并進(jìn)一步深化金融改革。

      第三個(gè)比較明顯的變化是在2011年以后,金融變量的權(quán)重開始出現(xiàn)平均兩年一次比較顯著的變化過程,權(quán)重變化反映了中國進(jìn)入金融改革深水期后金融狀況不斷變化、不斷調(diào)整的趨勢。

      2013年6月,貨幣供給權(quán)重止住下滑勢頭開始迅速攀升,而其余金融價(jià)格變量權(quán)重均開始迅速降低。2013年前半年債務(wù)規(guī)模急速上升,M2前五個(gè)月月均增速近16%。與此同時(shí),銀行同業(yè)業(yè)務(wù)擴(kuò)張明顯,金融市場整體杠桿率較高。央行通過“窗口指導(dǎo)”、公開市場操作等手段堅(jiān)決去杠桿信心,自2013年6月至12月,債務(wù)規(guī)模整體增速大規(guī)模放緩。就權(quán)重而言,比較準(zhǔn)確地刻畫了代表流動(dòng)性的貨幣權(quán)重快速上升占據(jù)主導(dǎo)地位的情況。經(jīng)過這一輪調(diào)整,央行公開市場操作手段進(jìn)一步豐富。

      2015年初,貨幣供給權(quán)重在小幅度下滑后連續(xù)下降,與此同時(shí)各金融變量權(quán)重均開始不同層次上漲??梢钥闯龉墒泻蛥R市的影響程度上升是最為明顯的,房市和利率市場次之。連續(xù)的降息和降準(zhǔn)以及互聯(lián)網(wǎng)信用交易的爆發(fā)式增長向市場釋放了大量的流動(dòng)性,但是這些資金并沒有流入到實(shí)體企業(yè),主要是由于實(shí)體企業(yè)規(guī)模巨大的債務(wù)造成信用缺失,貨幣傳導(dǎo)機(jī)制被扭曲。這些資金迅速地進(jìn)入了股市、房市和匯市,造成了股市等市場異乎尋常的增長趨勢。緊接著證監(jiān)會(huì)出臺(tái)了強(qiáng)有力的去杠桿措施,使股市的杠桿率快速地恢復(fù)到正常水平。受2015年人民幣加入SDR刺激,匯率權(quán)重則保持了稍長時(shí)間的高位態(tài)勢,其余價(jià)格變量則同樣保持稍長時(shí)間的高位態(tài)勢后開始迅速下降。與2003年情況類似,本文所構(gòu)建的金融狀況指數(shù)也識(shí)別到了這一次持續(xù)時(shí)間較短的金融風(fēng)險(xiǎn)。在本輪調(diào)整以后,金融監(jiān)管進(jìn)一步加強(qiáng),另外隨著存款保險(xiǎn)制度和利率市場化的穩(wěn)步推進(jìn)等,中國金融市場改革進(jìn)一步得到深化。

      2016年以后,利率和房價(jià)權(quán)重呈現(xiàn)出起伏式回落的特點(diǎn),起伏波動(dòng)基本一致。匯率和股價(jià)則呈現(xiàn)了較為一致的波動(dòng),也是呈現(xiàn)出起伏式回落的特點(diǎn)。貨幣供給的權(quán)重則呈現(xiàn)出波動(dòng)式上升的特點(diǎn)。2016年初,中國人民銀行將2011年以來實(shí)施的差別準(zhǔn)備金動(dòng)態(tài)調(diào)整機(jī)制升級(jí)為宏觀審慎評(píng)估體系(MPA)?;ヂ?lián)網(wǎng)金融監(jiān)管進(jìn)一步加強(qiáng),首先是在上海建立了中國互聯(lián)網(wǎng)金融協(xié)會(huì),緊接著17個(gè)部門聯(lián)合開展了相應(yīng)的互聯(lián)網(wǎng)金融專項(xiàng)整治活動(dòng)。與此同時(shí),本年度內(nèi)銀監(jiān)會(huì)、基金業(yè)協(xié)會(huì)、證監(jiān)會(huì)、期貨業(yè)協(xié)會(huì)及保監(jiān)會(huì)共發(fā)文16份全面加強(qiáng)金融監(jiān)管環(huán)境。金融狀況指數(shù)權(quán)重變化反映出本輪的金融調(diào)整屬于在一年范圍內(nèi)逐步的階段式的調(diào)整,中國的金融風(fēng)險(xiǎn)防范和處置能力都得到了進(jìn)一步加強(qiáng)。

      2017年以后,貨幣供給權(quán)重開始快速下降,與此同時(shí)價(jià)格型變量權(quán)重均開始不同程度的增長,其中房價(jià)權(quán)重增長最快。但是這種狀況持續(xù)到2018年年初便停止,之后貨幣供給權(quán)重開始持續(xù)性的增長,價(jià)格型變量權(quán)重則開始不同程度逐步降低。金融去杠桿措施進(jìn)一步加強(qiáng),一方面通過加強(qiáng)對宏觀審慎評(píng)估體系(MPA)相關(guān)指標(biāo)的監(jiān)管,另一方面頻頻出臺(tái)監(jiān)管文件加強(qiáng)對金融機(jī)構(gòu)的現(xiàn)場檢查。另外,中國人民銀行通過公開市場操作調(diào)控利率,不斷擠壓金融機(jī)構(gòu)針對中短期金融產(chǎn)品的錯(cuò)配杠桿等操作的套利空間。一方面加強(qiáng)了金融行業(yè)對實(shí)體經(jīng)濟(jì)的服務(wù)功能的表達(dá),另一方面也釋放了一定的金融風(fēng)險(xiǎn)。與此同時(shí),房地產(chǎn)去庫存政策在2017年已基本達(dá)到預(yù)期目標(biāo),房地產(chǎn)市場投資增長則較為明顯。2018年,金融環(huán)境在4月27日頒布資管新規(guī)后瞬間收緊,使得金融市場直接相關(guān)變量瞬間受挫,影響力開始大幅度降低。與此同時(shí),中國人民銀行在一年中四次定向降準(zhǔn),向?qū)嶓w經(jīng)濟(jì)釋放了大量的流動(dòng)性,貨幣供給開始逐步恢復(fù)對金融環(huán)境的影響力。2018年下半年,貨幣政策和財(cái)政政策同時(shí)出手“穩(wěn)”杠桿,各金融變量影響力均出現(xiàn)了暫時(shí)的停滯。隨后各金融變量以緩慢速度回到各變量平均值附近。該時(shí)段金融權(quán)重變化則較為直接,價(jià)格型變量權(quán)重變化經(jīng)歷高位后緩慢降低,而數(shù)量型變量權(quán)重則正好相反。走勢反映政策調(diào)整快速,效果則較為平滑,可以看出中國金融風(fēng)險(xiǎn)防范能力進(jìn)一步加強(qiáng),改革進(jìn)一步深化。

      需要說明的是,余輝和余劍指出給更大變化的自變量賦于更高的權(quán)重,可以讓計(jì)算出的FCI更充分地反映經(jīng)濟(jì)金融形勢的變化[11]。另外還說到了使用時(shí)變狀態(tài)空間模型相對于其他固定權(quán)重模型的優(yōu)勢。在此基礎(chǔ)上進(jìn)一步使用了中心參數(shù)化的狀態(tài)空間模型和雙伽馬先驗(yàn)下的強(qiáng)力貝葉斯收縮先驗(yàn)估計(jì),使得時(shí)變參數(shù)的變化更為平滑,但同時(shí)又能保證可以識(shí)別顯著的變量影響變化帶來的權(quán)重變化,這一點(diǎn)也從圖1中得到驗(yàn)證。

      金融狀況指數(shù)中匯率和利率的權(quán)重占比比較小,一方面是中國貨幣政策傳導(dǎo)機(jī)制長期依賴數(shù)量型渠道,此外由于其他變量的相對變化程度較大,導(dǎo)致利率和匯率本身的影響程度在一定程度上被弱化。中國利率和匯率長期受體制政策和國內(nèi)外特殊環(huán)境等諸多因素影響,自身波動(dòng)有限。另一方面,自住房市場化改革以來,住房貨幣化趨勢呈波動(dòng)上升,房價(jià)總體呈現(xiàn)短期波動(dòng)和長期增長;股市相較房市波動(dòng)性較大,增長性稍低,因此其權(quán)重占比低于房價(jià)權(quán)重占比。與前兩者相比,貨幣供應(yīng)量的波動(dòng)則比較大,這是因?yàn)橹袊饕扇?shù)量型渠道貨幣政策調(diào)控金融市場,一旦出現(xiàn)變化,貨幣供給會(huì)成為首先大幅度波動(dòng)的變量。與之相比,匯率和利率的變化則比較小,因此其權(quán)重占比也就比較低。比較各金融變量動(dòng)態(tài)權(quán)重可以發(fā)現(xiàn),相比于21世紀(jì)初的各金融變量權(quán)重,非貨幣供給權(quán)重均有不同程度的上升??梢灶A(yù)見,隨著中國金融改革進(jìn)一步深化,對外開放程度提升,利率和匯率在未來時(shí)期FCI的動(dòng)態(tài)權(quán)重占比將會(huì)大幅度提升。

      (二)金融狀況指數(shù)波動(dòng)態(tài)勢分析

      圖2 中國動(dòng)態(tài)金融狀況指數(shù)圖

      通過以上模型的構(gòu)建,得到了中國動(dòng)態(tài)金融狀況指數(shù)。特別說明的是,本文也采用了和余輝等對利率缺口變量一樣的處理,主要是因?yàn)槔嗜笨谧兞亢拓泿耪郀顟B(tài)的正負(fù)指標(biāo)代表的情況正好相反,所以在最終計(jì)算FCI時(shí)對利率取負(fù)值進(jìn)行計(jì)算。所構(gòu)建FCI的趨勢如圖2所示[11]。在圖2中,FCI越大意味著金融狀況越好,反之則越差。FCI的變動(dòng)趨勢可以看出:首先是三個(gè)較為明顯的劇烈波動(dòng),且一般而言“谷峰”和“谷底”呈現(xiàn)一前一后緊隨出現(xiàn)的特征。其次是FCI的絕對變化幅度絕大部分時(shí)間都處在[-1,+1]之間。最后就樣本區(qū)間而言,FCI數(shù)值小于和大于的時(shí)間基本上則是持平的。

      首先來看三個(gè)較為明顯的波動(dòng)。第一次劇烈波動(dòng)出現(xiàn)在2008年前后,整體金融環(huán)境持續(xù)趨緊,而且可以看出指數(shù)迅速下滑是從2007年初開始的。2006—2007年,世界范圍內(nèi)的流動(dòng)性泛濫,全球資產(chǎn)價(jià)格開始大幅度上揚(yáng),中國人民銀行一年內(nèi)多次調(diào)整存款準(zhǔn)備金率和存貸款基準(zhǔn)利率,連續(xù)的回收流動(dòng)性,表明了央行堅(jiān)決遏制經(jīng)濟(jì)過熱的決心,此舉也為后續(xù)央行的寬松貨幣政策預(yù)留了操作空間。在2008年美國信貸危機(jī)席卷全球后,中國人民銀行放松對房地產(chǎn)企業(yè)信貸限制,下調(diào)存款準(zhǔn)備金率及存貸款基準(zhǔn)利率,實(shí)行持續(xù)寬松的貨幣政策。另外,四萬億經(jīng)濟(jì)刺激計(jì)劃進(jìn)一步導(dǎo)致國內(nèi)金融環(huán)境的寬松,2012年初,金融環(huán)境的寬松狀況達(dá)到頂點(diǎn)。自此之后,一方面中央政府和中國人民銀行經(jīng)歷了大型金融危機(jī)的考驗(yàn),應(yīng)對危機(jī)的經(jīng)驗(yàn)和手段都進(jìn)一步豐富和增多;另一方面適逢中國金融改革進(jìn)入深水期,在中國政府和中國人民銀行的指導(dǎo)下,金融環(huán)境持續(xù)穩(wěn)中向好,金融風(fēng)險(xiǎn)被逐步化解。第二次較小的波動(dòng)則出現(xiàn)在2016年,2015年以來,國內(nèi)出現(xiàn)局部的非理性“投資熱”,資本市場動(dòng)蕩持續(xù)加劇,外匯市場同樣波動(dòng)加劇,進(jìn)一步增加了金融風(fēng)險(xiǎn),FCI始終在低位運(yùn)行。2016年以后,金融狀況指數(shù)便回到0附近運(yùn)行。伴隨著房地產(chǎn)去庫存和棚改貨幣化安置政策,2017年開始則出現(xiàn)了以房屋權(quán)重為代表快速上漲而帶來的FCI快速上漲,伴隨著二三線房地產(chǎn)市場庫存基本消化和央行的調(diào)控措施,金融狀況指數(shù)也開始快速回落。這次較小的波動(dòng)情況就整體而言,相較第一次劇烈波動(dòng)持續(xù)時(shí)間更短,波動(dòng)范圍更小,調(diào)整時(shí)間更快。反映出中國金融機(jī)構(gòu)應(yīng)對金融風(fēng)險(xiǎn)的能力進(jìn)一步加強(qiáng)。第三次劇烈波動(dòng)則出現(xiàn)在2019年下半年,盡管全球貨幣寬松潮帶來一定的流動(dòng)性,但是中美貿(mào)易摩擦、地緣政治風(fēng)險(xiǎn)等依然挑動(dòng)著全球資本市場的信心。與此同時(shí),中國人民銀行開展了一系列公開市場業(yè)務(wù)交易、加息等緊縮性貨幣政策,力圖遏制2019年上半年金融市場部分過熱現(xiàn)象。初步來看較為有效地控制了金融風(fēng)險(xiǎn)的進(jìn)一步擴(kuò)大。但隨之而來的新冠肺炎疫情則金融狀況指數(shù)在2020年初達(dá)到谷底,隨著黨中央和中國政府強(qiáng)有力的疫情防控措施,加之央行的多項(xiàng)貨幣政策工具(降準(zhǔn)、降息、再貸款、離岸央票)與財(cái)政政策的配合,在4月份金融狀況便回到附近,而且在隨后幾個(gè)月內(nèi)金融刺激達(dá)到峰值,探頂后開始迅速滑落。從波動(dòng)范圍看,經(jīng)濟(jì)刺激保持在合理范圍內(nèi)。相較之前一大一小的波動(dòng)而言,這次波動(dòng)是正常的控制金融風(fēng)險(xiǎn)擴(kuò)大和突然的外在沖擊相互疊加形成的金融市場的大范圍趨緊,隨后的反彈則較為快速和理性,保持在適度的擴(kuò)張范圍之內(nèi)。

      其次是FCI的絕對變化幅度絕大部分時(shí)間都處在[-1,+1]之間,超出該范圍且持續(xù)一定時(shí)間的時(shí)間段分別是2008年中和2010年初還有2020年初這三個(gè)時(shí)間段,剩余的幾次短暫的超出該范圍的時(shí)間段持續(xù)時(shí)間均不足3個(gè)月。此外,比較這三個(gè)較大程度的波動(dòng)時(shí)間段特征則不難發(fā)現(xiàn),前兩次調(diào)整速度慢,恢復(fù)時(shí)間長。第三次波動(dòng)則調(diào)整速度快,恢復(fù)時(shí)間短,反應(yīng)較迅速。前兩個(gè)波動(dòng)時(shí)間段分別對應(yīng)2008年金融危機(jī)和危機(jī)后恢復(fù)繁榮時(shí)期,后一個(gè)波動(dòng)時(shí)間段則對應(yīng)著中美貿(mào)易摩擦、地緣政治風(fēng)險(xiǎn)等并存的全球資本市場和外部沖擊新冠肺炎疫情。與前兩次波動(dòng)相比,后一次波動(dòng)面臨的情況則更加復(fù)雜和多變,但是在調(diào)整速度和恢復(fù)時(shí)間上都相較于前者有了較為長足的進(jìn)步。經(jīng)歷了較大范圍的金融沖擊和較長時(shí)間的金融改革,無疑中國的金融風(fēng)險(xiǎn)防范和化解能力都有了非常大的進(jìn)步。除了這三個(gè)較大波動(dòng)之外,FCI的波動(dòng)則較為平緩,甚至基本上都在[-0.5,+0.5]之間波動(dòng),反映了中國對金融市場整體波動(dòng)的控制能力。

      最后就樣本區(qū)間而言,金融市場狀況上行和下行時(shí)間基本相等,但總體而言,擴(kuò)張時(shí)間還是稍多于收縮時(shí)間。上行和下行時(shí)間段基本呈現(xiàn)交替狀對稱出現(xiàn)。整個(gè)樣本區(qū)間內(nèi)呈現(xiàn)出升降交替的特征,升降調(diào)整時(shí)間則基本相同,可以看出金融市場本身的活力及國家主體對金融市場的正向引導(dǎo)在相互作用和此消彼長的態(tài)勢。

      四、中國動(dòng)態(tài)權(quán)重FCI有效性檢驗(yàn)和預(yù)測能力測度

      本文在估算過程中就假定了金融變量通過產(chǎn)出渠道對通貨膨脹產(chǎn)生影響,貨幣政策的目標(biāo)之一就是控制通貨膨脹。因此,驗(yàn)證FCI的有效性,就需要檢驗(yàn)它和通貨膨脹之間的關(guān)系。另外,FCI的主要作用還在于預(yù)測未來通貨膨脹情況,為貨幣政策制定提供決策依據(jù),故對FCI做以下檢驗(yàn)和分析,分別是:FCI與通貨膨脹的Granger因果檢驗(yàn)、動(dòng)態(tài)相關(guān)性分析和預(yù)測能力分析。另外,所有通貨膨脹均指月度同比CPI。

      (一)Granger因果性檢驗(yàn)

      FCI與通貨膨脹之間的Granger因果檢驗(yàn)結(jié)果如表2所示。在5%顯著性水平下,FCI是通貨膨脹變化的Granger因,因此其可以用作預(yù)測通貨膨脹率。同時(shí),通貨膨脹率也是FCI變動(dòng)的Granger因。

      表2 動(dòng)態(tài)FCI與通貨膨脹的Granger因果檢驗(yàn)結(jié)果

      (二)預(yù)測能力分析

      Gauthier和Graham等使用滯后FCI作為解釋變量并以通貨膨脹和產(chǎn)出缺口作為被解釋變量構(gòu)建回歸方程以驗(yàn)證FCI的預(yù)測能力,本文借鑒該回歸方程對構(gòu)建的FCI相對于通貨膨脹的短期預(yù)測能力進(jìn)行分析[20]。

      CPIt=α+βFCIt-k+εt

      (22)

      其中,CPIt代表通貨膨脹,FCIt-k代表提前k期的金融狀況指數(shù),k的取值范圍為0到6。對領(lǐng)先到6期的金融狀況指數(shù)相對通貨膨脹構(gòu)建回歸方程,結(jié)果如表3所示:

      表3 不同領(lǐng)先期動(dòng)態(tài)金融狀況指數(shù)對通貨膨脹的預(yù)測能力

      由表3可知,在5%的顯著性水平下,滯后4期以內(nèi)的金融狀況指數(shù)都對CPI有負(fù)向影響,而且顯著性水平隨著領(lǐng)先期越小變得越高,即距離CPI更近的FCI可以更有效地影響CPI,其直接反映了金融狀況指數(shù)可以對通貨膨脹指數(shù)進(jìn)行短期預(yù)測,且相差時(shí)間越短,預(yù)測能力越強(qiáng);間接反映了貨幣政策是短期效應(yīng)政策,對金融市場的影響一般在半年內(nèi)。在上述預(yù)測的基礎(chǔ)上論文根據(jù)樣本期內(nèi)的數(shù)據(jù),在式(22)的基礎(chǔ)上針對樣本外6期(即2021年1月至2021年6月)進(jìn)行了循環(huán)式外推預(yù)測,結(jié)果顯示所有的RMSE均小于1.9,同封思賢等的預(yù)測結(jié)果相比,本文構(gòu)建的FCI在樣本外6期的整體預(yù)測RMSE同其最好結(jié)果即5、6期的結(jié)果1.861和1.852相比較為接近,進(jìn)一步證明了構(gòu)建的FCI短期預(yù)測能力的有效性[21]。另外,要顯示不同領(lǐng)先期的動(dòng)態(tài)金融狀況指數(shù)和CPI的相關(guān)性程度,計(jì)算了它們的動(dòng)態(tài)相關(guān)系數(shù),如表4所示:

      表4 不同領(lǐng)先期動(dòng)態(tài)FCI與通貨膨脹的動(dòng)態(tài)相關(guān)指數(shù)

      由表4的動(dòng)態(tài)相關(guān)系數(shù)進(jìn)一步證明,FCI可以對通貨膨脹進(jìn)行預(yù)測,且得出兩者呈負(fù)相關(guān)的結(jié)論,且相關(guān)性隨著領(lǐng)先期的增加而減弱。構(gòu)建的FCI是由包含反映未來經(jīng)濟(jì)和通貨膨脹信息的金融變量加權(quán)得到,因此可以作為先行指標(biāo)預(yù)測其他宏觀經(jīng)濟(jì)指標(biāo)的未來狀況。在格蘭杰因果檢驗(yàn)、跨期相關(guān)系數(shù)及預(yù)測能力分析基礎(chǔ)上,借鑒徐國祥等的做法,在趨勢圖分析的基礎(chǔ)上引入譜分析方法,分析FCI對其他宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測能力[19]。

      在同比CPI的基礎(chǔ)上引入宏觀經(jīng)濟(jì)景氣指數(shù)中的一致指數(shù)(Consistent Index,CI),將其作為中國宏觀經(jīng)濟(jì)狀況的代理指標(biāo),以上數(shù)據(jù)均來自中經(jīng)網(wǎng)數(shù)據(jù)庫,樣本區(qū)間同樣為2002年1月至2020年12月。因?yàn)镕CI、CI、CPIT是非平穩(wěn)數(shù)據(jù),首先基于各自的趨勢圖顯示FCI對三個(gè)宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測能力。由圖3和圖4直觀地來看,FCI的波動(dòng)趨勢大幅度領(lǐng)先于CI和CPIT,說明本文構(gòu)建的FCI對上述宏觀經(jīng)濟(jì)變量具有較好的預(yù)測能力。對FCI相對其他宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測能力做譜分析,首先采用X-11-ARIMA方法對序列進(jìn)行季節(jié)調(diào)整,然后對季節(jié)調(diào)整后的序列利用lambda=14 400的HP濾波得到三個(gè)序列的周期項(xiàng)序列。并對三個(gè)周期項(xiàng)序列分別做平穩(wěn)性檢驗(yàn),檢驗(yàn)結(jié)果如表5所示。

      圖3 FCI與CI的趨勢圖

      圖4 FCI與CPIT的趨勢圖

      表5 各變量平穩(wěn)性ADF檢驗(yàn)

      由表5可知,以上三個(gè)周期項(xiàng)序列均為平穩(wěn)變量。接著,對各個(gè)變量進(jìn)行中心化,隨后對其進(jìn)行單變量譜分析,結(jié)果如圖5和圖6所示:

      圖5 FCIcycle與CIcycle的譜密度圖

      圖6 FCIcycle與CPITcycle的譜密度圖

      由圖5和圖6可知,從單變量譜分析的結(jié)果來看,FCI、CI及CPIT的周期項(xiàng)對應(yīng)的主周期長度分別是48、40和40個(gè)月,且其譜峰對應(yīng)的譜密度分別是4.84、5.06和13.61,即中國金融狀況指數(shù)相較于宏觀經(jīng)濟(jì)景氣指數(shù)中的一致指數(shù)和同比CPI的主周期長度略長。緊接著,對FCI分別和CI及CPIT進(jìn)行雙變量交叉譜分析,結(jié)果如表6所示:

      表6 交叉譜分析結(jié)果

      由表6可知,在耦合震蕩周期為45.6個(gè)月時(shí),三者周期項(xiàng)的振幅同時(shí)達(dá)到最大,值依次為25.484 6和32.740 4,且對應(yīng)的一致性統(tǒng)計(jì)量的值均為0.999 9,均非常接近1,說明在耦合震蕩周期內(nèi)FCI與CI和CPIT存在非常強(qiáng)的相關(guān)性。另外,在耦合震蕩期內(nèi)FCI的周期波動(dòng)分別領(lǐng)先CI與CPIT的周期波動(dòng)近10和20個(gè)月(時(shí)差=相位譜÷2π×周期長度),說明了構(gòu)建的FCI對選取的宏觀經(jīng)濟(jì)指標(biāo)CI和CPI具有一定的長期預(yù)測作用。

      五、結(jié)論和建議

      本文基于中心化參數(shù)的時(shí)變狀態(tài)空間模型,采用基于雙伽馬先驗(yàn)的貝葉斯估計(jì),估算了中國動(dòng)態(tài)權(quán)重的金融狀況指數(shù)。首先解釋了相關(guān)金融變量對金融狀況的影響時(shí)變特征,然后測度了所構(gòu)建時(shí)變金融狀況指數(shù)對宏觀經(jīng)濟(jì)變量的預(yù)測能力。研究結(jié)論如下:

      第一,雙伽馬先驗(yàn)下的中心化參數(shù)的狀態(tài)空間模型,在估計(jì)后視型經(jīng)濟(jì)模型參數(shù)時(shí)可以較好地識(shí)別時(shí)變參數(shù)和非時(shí)變參數(shù)。具體表現(xiàn)為:中國FCI中各變量的動(dòng)態(tài)權(quán)重整體變化較為平滑,但是與此同時(shí),模型也捕捉到動(dòng)態(tài)權(quán)重局部變化劇烈的時(shí)間段。針對動(dòng)態(tài)權(quán)重的分析指出,局部劇烈變化的時(shí)間段往往是對應(yīng)金融變量或金融市場整體出現(xiàn)了較大的變化。

      第二,不同金融變量對中國金融狀況指數(shù)的動(dòng)態(tài)影響存在較大的差異性。貨幣供應(yīng)量和房地產(chǎn)價(jià)格對金融狀況指數(shù)的影響相對較大,而股票價(jià)格、利率和匯率對金融狀況指數(shù)的影響權(quán)重相差不大,其中股票價(jià)格對金融狀況指數(shù)的影響權(quán)重波動(dòng)大于利率和匯率,間接指出股市相較利率和匯率市場整體上存在較大的不確定性。匯率和利率因素在FCI中的權(quán)重在波動(dòng)中逐步提升,一方面說明中國金融改革進(jìn)入深水期后政策調(diào)整的周期漸短;另一方面也說明中國匯率制度改革和利率市場化進(jìn)程對各自金融要素在金融市場中的影響趨深。

      第三,從金融狀況指數(shù)構(gòu)成因素的變動(dòng)趨勢看,貨幣供給變量和其他價(jià)格型金融變量產(chǎn)生了一種明顯的“對抗”效應(yīng),兩者之間呈現(xiàn)此消彼長的態(tài)勢。雖然目前貨幣供給變量權(quán)重仍然占據(jù)了絕對優(yōu)勢,但是其他價(jià)格型變量權(quán)重占比均顯著高于21世紀(jì)初各價(jià)格型變量權(quán)重占比。這表明雖然中國目前是典型的數(shù)量型貨幣政策傳導(dǎo)模式占主導(dǎo),但是在不斷的改革和試錯(cuò)中這種情形有所弱化,價(jià)格型貨幣政策傳導(dǎo)模式逐漸在傳導(dǎo)機(jī)制過程中占據(jù)一定份額,而這也表明了中國金融改革的成效。整體而言,雖然中國貨幣政策仍然主要依賴數(shù)量型傳導(dǎo)渠道,但是相比21世紀(jì)初,中國貨幣政策對價(jià)格型傳導(dǎo)渠道的依賴有所上升,反映出近年來的金融改革是有成效的。

      第四,測度了所構(gòu)建金融狀況指數(shù)對宏觀經(jīng)濟(jì)變量的預(yù)測能力。其一,就構(gòu)建的動(dòng)態(tài)金融狀況指數(shù)的短期預(yù)測能力而言,FCI一般領(lǐng)先通貨膨脹4~5個(gè)月,短期預(yù)測能力較好。其二,回滾式方程的外推預(yù)測結(jié)果也顯示構(gòu)建指數(shù)的短期預(yù)測能力較好。其三,基于譜分析結(jié)果可知,所構(gòu)建的金融狀況指數(shù)對宏觀指標(biāo)具有較好的預(yù)測能力,金融狀況指數(shù)和宏觀經(jīng)濟(jì)呈現(xiàn)出45.6個(gè)月的耦合震蕩周期,且在周期內(nèi)金融狀況指數(shù)變動(dòng)領(lǐng)先其他變量。金融狀況指數(shù)可作為宏觀經(jīng)濟(jì)變量的先行指數(shù)。

      在以上實(shí)證結(jié)論的基礎(chǔ)上,提出如下的政策建議:第一,建議中國央行構(gòu)建并公布中國時(shí)變金融狀況指數(shù)。鑒于所構(gòu)建的動(dòng)態(tài)金融狀況指數(shù)能更有效地反映金融變量對金融狀況的影響程度,因此,中國央行可以通過選取恰當(dāng)?shù)慕鹑谧兞?基于更有效的前沿計(jì)量模型,編制并公布中國的金融狀況指數(shù)。第二,建議中國央行基于FCI調(diào)控金融市場的變動(dòng)。比如,2012年以來中國金融狀況指數(shù)一直處于松緊程度適中區(qū)間,盡管在2020年1月出現(xiàn)的新冠肺炎疫情造成了金融狀況大幅度收緊,但是僅4個(gè)月就恢復(fù)到了一般水平,且央行調(diào)控力度保持在理智范圍內(nèi)。這表明中國近年來金融體系建設(shè)和金融改革的巨大進(jìn)步,也表明了當(dāng)前的金融環(huán)境可以作為經(jīng)濟(jì)新常態(tài)背景下經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和優(yōu)化以及金融改革創(chuàng)新的有力支撐。第三,建議中國央行將FCI作為貨幣政策的“指示器”。就貨幣政策的制定而言,FCI可以作為貨幣政策的“指示器”,作為反映通貨膨脹和經(jīng)濟(jì)變化的先導(dǎo)性指標(biāo),可以有效指導(dǎo)貨幣政策制定。第四,建議中國央行將金融狀況指數(shù)作為宏觀經(jīng)濟(jì)的先行指數(shù)。實(shí)證結(jié)果表明,所構(gòu)建的金融狀況指數(shù)無論是在短期的預(yù)測能力,還是在同宏觀經(jīng)濟(jì)指標(biāo)的周期耦合能力都比較強(qiáng)。因此,中國金融狀況指數(shù)可以作為宏觀經(jīng)濟(jì)的預(yù)警指數(shù)。

      猜你喜歡
      狀況權(quán)重變量
      聲敏感患者的焦慮抑郁狀況調(diào)查
      抓住不變量解題
      權(quán)重常思“浮名輕”
      也談分離變量
      2019年中國國際收支狀況依然會(huì)保持穩(wěn)健
      中國外匯(2019年13期)2019-10-10 03:37:38
      為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
      基于公約式權(quán)重的截短線性分組碼盲識(shí)別方法
      第五節(jié) 2015年法學(xué)專業(yè)就業(yè)狀況
      SL(3,3n)和SU(3,3n)的第一Cartan不變量
      分離變量法:常見的通性通法
      富蕴县| 香河县| 中方县| 沾化县| 阿瓦提县| 沙田区| 平泉县| 扶沟县| 广东省| 蒙山县| 双流县| 郓城县| 东平县| 无锡市| 阿克苏市| 监利县| 淮滨县| 新化县| 长泰县| 彰武县| 额敏县| 朝阳区| 淳化县| 铜梁县| 宁都县| 北京市| 保康县| 武定县| 秭归县| 青铜峡市| 邵阳市| 神池县| 威信县| 望奎县| 普安县| 珲春市| 洛隆县| 汪清县| 湖州市| 英德市| 敦煌市|