金融稳定分析的宏观模型综述及展望

来源:用户上传      作者: 谭政勋

　　摘要：金融系统的稳定性水平是金融功能是否有效发挥的反映，加入WTO后中国政府对经济系统进行了诸多方面的改革，金融系统的稳定性得到明显提升，但也存有压力与风险。金融稳定分析的宏观模型包括扩展的宏观经济模型、动态随机一般均衡模型和网络模型。其中，动态随机一般均衡模型具有较好的现实拟合度，应用性较强。应根据中国的社会背景和特殊的金融制度，构建中国特色的动态随机一般均衡模型。
　　关键词：金融稳定；动态随机一般均衡模型；扩展的宏观经济模型；网络模型
　　中图分类号：F831.59 文献标识码：A 文章编号：1003-3890（2011）04-0067-05
　　
　　自20世纪70年代以来，共有93个国家先后爆发117起系统性银行危机，45个国家发生了51起局部性银行危机。维护金融稳定日益成为各国中央银行的核心职能，而中国在加入世界贸易组织后，金融体系面临巨大的挑战和新的风险，维护金融稳定是国民经济健康稳定发展的保障。因此，总结金融稳定分析的宏观模型、探讨宏观因素及冲击对金融稳定的影响，便具有较强的实践价值。
　　近五年来，国际货币基金组织、欧洲中央银行及以Claudio Borio为代表的国际清算银行、以Elsinger代表的奥地利学者，尤其是伦敦经济学院的 Goodhart教授等诸多国外学者对金融稳定分析的宏观模型进行了大量研究。由于可以通过对某类模型的组成元素进行扩展或修正，从而将其变为另一类模型，而且不同研究方法的模型之间是相互补充的，因此难以对金融稳定的宏观模型进行严格的划分。笔者借鉴Clark（2007）、Bardsen et al.（2006）的方法，把金融稳定的宏观模型分成三类：扩展的宏观经济模型、基于微观主体优化行为的动态随机一般均衡模型和网络模型。
　　一、扩展的宏观经济模型
　　扩展的宏观经济模型主要包括：可计算一般均衡模型（computable general equilibrium models，CGE）、动态聚集模型（Dynamic aggregative estimated，DAE）和金融经济周期模型（The financial business cycle，FBC）。扩展的宏观经济模型沿袭了传统宏观模型的研究成果，引入一系列相互影响的随机变量，研究GDP、短期或长期利率、通货膨胀、失业率和汇率等宏观变量的变化对金融稳定的冲击和影响。扩展的宏观模型被认为是一种测量管理风险的有价值而且可操作性强的方法。受1997年亚洲金融危机的影响，国际货币基金组织和世界银行于1999年联合推出并通过了金融部门评估规划（FSAP），而FSAP及其压力测试技术的理论基础就直接源于扩展的宏观模型。虽然扩展的宏观模型相对简单，而且数据容易获得，但其缺点也是明显的。首先，这种方法实质上是一种简约模型，而不是结构性模型，而且缺乏清晰的微观行为基础。第二，没有提供企业、家庭和银行对外在金融压力的反应。第三，没有抓住金融部门之间的内在结构和相互影响，而这一点正是金融危机研究的核心。正因为这样，该模型不能指出危机的传染性和危机的动态变化。
　　在扩展的宏观经济模型中，Bernanke（1996，1998，1999）提出的金融经济周期理论是分析金融不稳定最重要的宏观模型。由于经济高度虚拟化、金融化，消费、投资和储蓄等宏观变量的方差减小，真实经济的周期性特征表现不明显；而以金融为核心的虚拟经济周期波动更加突出，金融波动、金融不稳定才是宏观经济波动的主因。传统的古典经济周期理论、货币经济周期理论、真实经济周期理论均无法模拟金融冲击导致的经济剧烈波动，而金融经济周期理论利用“金融加速器”对此能做出深刻、令人信服的解释。与金融危机理论相比，金融经济周期理论既可以解释金融危机的起因和机制，也清晰地呈现了危机后经济走向复苏的调整机制，即经济均衡的状态转换机制。
　　与多数扩展的宏观经济模型一样，把金融经济周期理论用于金融系统不稳定的分析时，其缺陷也非常明显。第一，由于继承了传统理论的理性经济人和同质经济人假设，因而在该模型中，不存在违约，银行和企业倒闭不仅不会发生，而且不存在传染源，这与金融不稳定的核心内涵相违背。第二，同样由于经济人缺乏异质性，该模型无法分析政策变化的分配效应和波动效应；模型的结果只是约束有效或者说是次优的，因而无法评估流动性约束、资本监管对金融稳定的影响。第三，金融经济周期模型只是一个局部均衡模型，而把这种局部均衡模型镶嵌到一般均衡模型中用来分析宏观金融的稳定性，必须做出很大的改进。
　　二、动态随机一般均衡模型
　　动态随机一般均衡模型（Dynamic Stochastic General Equilibrium Mode，DSGE）由Kydlan和Prescott（1982）首先提出，它以一般均衡分析框架为核心。动态随机一般均衡模型是在动态一般均衡模型的基础上添加了随机冲击。动态随机一般均衡模型在Goodhart等学者的长期研究中继续发展成熟，主要文献有Tsomocos（2003）、Goodhart et al.（2006）、Saade et al. （2007）等。
　　如前所述，扩展的宏观模型方法的缺点在于缺乏清晰的微观行为基础、缺少对于金融部门或其他经济部门行为的反馈，其金融含义也是被强加于一个简约模型之中；该类模型所描述的金融中介机构都被认为是同质的，从而忽略了金融体系内在的结构差异，因此这类模型无法捕获金融不稳定的一些最重要的特征。动态随机一般均衡模型正是在克服扩展的宏观经济模型上述缺陷的基础上发展起来的，作为当今宏观经济学的主流分析工具，DSGE模型具有动态（Dynamic）、随机（Stochastic）和一般均衡（General Equilibrium）三个鲜明的特点，从而能够很好地描述真实世界。
　　第一，动态。在这里，动态一词具有两重含义。第一重含义，模型中各个行动主体的行为决策有可能对现在以及未来各期产生直接或间接的影响。这就意味着，行动主体在进行决策时，不仅需要考虑行为在当期的影响，还需考虑行为在未来的后续影响。也就是说，行动主体必须“预期”自己行为在未来所产生的结果。这就自然而然的引出了“动态”一词所代表的另一重含义：对未来的预期是行为主体在制定决策时的重要考虑因素，而“预期”在建模时通常采用“理性预期”来代表。
　　第二，随机。由于种种原因，未来是不能被精确预测的。为了描述这种存在于真实世界中的不确定性，在DSGE模型中引入了随机因素。具体而言，各期模型都会受到外生的随机因素的冲击，模型最终表现出来的行为就由于这些随机冲击的存在而呈现出不确定性。
　　第三，一般均衡。由于宏观经济研究的对象是经济社会整体。而在经济中，各行为主体之间是相互联系、相互作用的。在这种情况下，一般均衡理论是最好的选择。在一般均衡模型中，所有的行为都来自于行为主体的理性，从而随意的行为假设减到了最少。
　　模型的主要假设有：（1）经济人的异质性，这是本模型最重要的假设，即经济人对未来的经济状况具有不同的估计和预期、不同的初始资本和资源禀赋、不同的投资行为和风险偏好；（2）存在违约且违约率不一样，这是异质性假设的自然延伸，如果经济人是同质的，要么所有人都违约，要么都归还债务；（3）异质性的金融中介机构之间相互作用；（4）不完美市场、信息不对称；（5）金融危机具有传染性。前两个假设说明传染源的存在性、可能性，后三个假设说明传染源在金融市场可能迅速蔓延。总而言之，上述五个假设使得“危机具有传染性”的假设具备坚实的理论基础，而金融危机的传染性是导致宏观金融不稳定的关键所在。

　　为了体现不同时期变量产生的影响，模型被分为两个时间段。在初始期，所有经济人面临不确定性，居民和企业可贷可借，平均一生的消费和投资，实现效用最大化或者利润最大化；商业银行通过银行间市场进行投资和融资，不断调整资产组合，实现利润最大化。到了期末，市场出清，银行可清算，所有利润和资产被完全分配给股东。与其他模型不同的是，如果居民、企业和银行出现违约，中央银行将对其进行惩罚，居民效用和企业利润都因此而受到不利影响。因此，违约及违约率是模型中非常重要的变量。尤为重要的是，内生变量在两个时期是动态随机变化的，所以异质经济人能够在理性预期的基础上进行跨时决策，以期实现决策目标。同时，模型的构成则被归纳为三个部门（中央银行、三个异质商业银行、三个居民和企业）、三个市场（信贷市场、存款市场和银行间市场，均有交易发生、可满足调整资产组合的需求）。中央银行对资本充足率低和违约率高的商业银行进行罚款并进行公开市场操作以期决定利率、货币供应、贷款规模，运用货币政策工具进行宏观调控和监管；商业银行实施竞争性的存贷利率并发放竞争性的贷款，使预期利润最大化；居民和企业决定存贷款数量。简言之，这是一个一般均衡模型，经济人可根据市场情况和偏好，对投资、融资和消费进行动态调整，所以模型中的变量是随机的，模型的均衡解是随机变量动态调整的结果。
　　动态随机一般均衡模型的贡献在于得出货币非中性的结论。由于引进信息不对称及其所带来的风险和流动性约束，使得名义变量如货币需求的变化能够影响价格和产出，而价格的变化及其相对变化又能够影响收入和财富及其分配。由于动态随机一般均衡模型与现实世界非常接近，因而能够准确分析和评估宏观冲击对金融稳定的影响。（1）模型的假设和结果使得模型能够方便地分析金融机构之间、金融系统与实体经济之间的相互影响和传染。（2）金融不稳定是作为模型的均衡结果出现的，并且政府是构成模型的重要元素，因而在该模型中，政府部门不仅能够采取积极的措施对金融危机加以干预和管理，而且可以评估货币政策、监管政策对金融稳定的影响及其相互作用的效果。（3）由于金融不稳定概念与福利损失、流动性短缺相关，所以金融脆弱性的恶化对资源配置效率、居民消费产生不利影响，因此，该模型能对金融稳定性变化的社会福利效应进行模拟分析，这就使得该模型具备一般均衡模型的特点和功能。（4）可以进行比较静态分析，比如说，可以在对比分析资本充足是否有约束的两种情况下，扩张性货币政策对银行投资行为、利润、稳定的影响。（5）拓展了金融脆弱性的概念，该模型把私人部门的违约、银行等金融机构的利润减少及其波动包括在金融脆弱性内，金融脆弱性不仅仅是指银行挤兑、恐慌等极端事件，还可解释金融顺周期性、银行挤兑等现象，在动态随机一般均衡模型框架下，金融经济周期模型、银行挤兑模型只是其中一个特例。
　　三、网络模型
　　网络模型试图引入金融部门的某些内部结构特征，把金融部门看作是相应的风险敞口网络上一系列相互连结的节点，每个节点即银行被赋予一定量的资本、资产和负债，并定义相关规则来说明每一个节点对资产负债表变动的反应，特别是在资产净值降为零或为负值时的反应。
　　银行系统的安全对于金融系统稳定至关重要。Allen（2000）基于Diamond和Dybvig（1983）的假设，用银行网络表示银行间交叉存款市场，建立了外生流动性冲击与银行危机传染的网络模型。Brusco和Castiglionesl（2007）在上述两个模型的假定条件中加入一项投机性长期资产，通过银行的道德风险将传染机制内生化，进而建立了内生流动性冲击与银行危机传染的网络模型。Nier et al.（2007）采用Eboll（2004）的网络方法构造金融网络，改变金融网络的资本水平、联结程度、银行间敞口规模和集中化程度等重要参数，分析金融网络结构对于传染的影响。结果表明：资本水平越高，敞口规模越小，集中化程度越小，传染可能性越小；而联结程度呈现非单调性。
　　国际货币基金组织（2009）指出，次贷危机表明仅仅单个机构稳健对于保证整个金融系统的稳定是不够的，机构之间的相互联结对于金融系统稳定性非常重要。提高某个机构健康度的措施可能会破坏整体系统的稳定性，而网络方法恰恰能够进行系统整体而不是个体的分析，因此网络方法是进行金融稳定性分析的理想手段之一。至此，在继扩展的宏观模型和动态随机一般均衡模型后，网络模型作为一种分析金融稳定的新宏观模型日益引起重视。
　　该模型的主要贡献在于，它能显示金融体系既是充满活力的，同时又是脆弱的。尽管节点间更广泛的联系有助于风险的分散，也降低了个体失败的初始可能性，但是一旦危机发生的话，所形成的冲击也会显著增强。更广泛的相互联系意味着在第一轮冲击中幸免于难的机构，可能要遭受第二轮规模更大的冲击。这种模型也揭示了预先无法识别的冲击可能产生完全不同的结果。一个金融体系可以经受1 000次同等规模的冲击而仍然保持弹性，但1 001次冲击，如果作用于一个结构弱点或压力点上，却可能产生一个完全不同的结果。
　　该模型的优点在于，作为一个封闭解决方案可以用于数据仿真，而且这种方案在验证不同反应规则和连接模式的影响时，允许较大的自由度。另外，尽管这种方案很难用参数来表示现实世界的金融体系，但它有效洞察了诸如银行规模分布、竞争对手数量等结构特征的变化影响冲击传导并扩大的途径。更进一步，节点的中断（如银行破产）和其他摩擦（如受损资产折价拍卖的冲击）会对整个金融体系形成一个非线性的动态冲击，这恰是实践中所显示的在严重压力下金融体系发生的场景。
　　但该模型的缺点也是显著的，与其他模型相比较，虽然网络模型在理论上很完美，但是网络非常复杂，在大多数情况下，这类模型都不可以“完全求解”，或者对需要认可完全求解方案的假设进行严格的限制，从而削弱了模型的价值。另外，将其用于实证分析甚至是模拟分析的难度还很大，在这一点上，动态随机一般均衡模型远远优于网络模型。
　　四、总结和展望
　　由于扩展的宏观模型相对简单，而且数据容易获得，相比之下，动态随机一般均衡模型和网络模型的建立和求解则要复杂得多。所以从实际应用的结果来看，扩展的宏观经济模型比动态随机一般均衡模型和网络模型的应用范围更广。但从模型对现实情况的拟合程度来看，动态随机一般均衡模型优于另外两种模型。由于网络模型过于复杂、不可以“完全求解”、至少需要对完全求解方案的假设进行严格的限制，从而削弱了模型的应用价值。随着现代计算机技术的发展和计量经济技术的广泛应用，动态随机一般均衡模型将逐步取代扩展的宏观模型和网络模型而成为金融稳定分析中的主流工具，同时该模型本身将会融入更多的子模型，以达到对现实经济更加贴近的拟合，从而能更好地为现实的经济决策和预测服务，对各国的种种经济目标的实现提供一种决策的基准。
　　如何根据中国社会背景和特殊的金融制度，构建中国特色的动态随机一般均衡模型，用之于中国金融稳定的实证分析，在此基础上，提出操作性强的维护我国金融稳定的政策建议，是亟待解决的问题。在理论模型的构建上，要借鉴、吸收金融经济周期模型尤其是动态随机一般均衡模型，并在结合中国特殊的银行制度和社会制度的基础上，进行二次创新，最终构建中国特色的动态随机一般均衡模型。具体来说包括两点，一是在动态随机一般均衡模型中引进资产价格，考察资产价格波动通过“金融加速器”对企业投资和居民消费的影响，进而考察资产价格波动对宏观经济的影响。然后考察企业投资、居民消费等因素所引起的宏观经济波动对银行不良资产率和资产利润率的影响，以此来考察资产价格引起的宏观经济波动对金融稳定的影响。二是对动态随机一般均衡模型的结构进行改进，主要包括三点。（1）引进外援融资依赖度不同（用资产负债率来衡量）的两类企业。（2）商业银行包括三个，分别代表国有银行、股份制银行和其他银行，在模型中对三类银行赋予不同的权重，这样就充分考虑了中国银行业特殊的市场结构及其相互影响机制这一金融稳定的研究核心。（3）中国的社会制度具有“二重结构”，即发达而富有控制力的国家上层结构与流动性强且分散化的下层结构（张杰，1998）。中国制度的“二重结构”在金融的表现是中国金融制度的产生和发展一开始就不是顺其自然而进化的，而是政治变革和政治需求的产物；更进一步，强有力的中国政府能够在数量众多、极度分散、流动性强的下层组织中实施强制性制度变迁并保持足够的控制力（谭政勋，2009）。根据上述分析，在构建理论模型时，应该对政府部门如中央银行或银监局和居民赋予不同的决策权重，这样，就能够考察在中国特殊的社会制度背景下，中国企业、家庭、银行和政府对外在金融压力的不同反应方式和不同反应程度等中国特有的因素对模型均衡结果的影响。

　　
　　参考文献：
　　［１］Allen，Gale. Financial Contagion［J］.Journal of Political Economy，2000，（2）：5-27.
　　［２］Beaver， W. Financial Ratios as Predictors of Failure［J］. Journal of Accounting Research，1966，（5）：77-111.
　　［３］B’ardsen et al. The Econometrics of Macroeconomic Modeling［M］.Oxford University Press，2005.
　　［４］Bernanke，B.，Gertler ，M.，Gilchrist，S. The Financial Accelerator and the Flight to Quality［J］. The Review of Economics and Statistics，1996，78 （1）：1-15.
　　［５］Bernanke，B. Nonmonetary Effects of the Financial Crisis in the Propagation of the Great Depression［J］. The American Economic Review，1998，73 （3）：257-276.
　　［６］Bernanke.B.，Gertler.M.，Gilchrist，S.The Financial Accelerator in a Quantitative Business Cycle Framework ［A］.John，B.T.Woodford，M.HandbookofMacroeconomics［C］.Amsterdam：Elsevier，1999：1-122
　　［７］Brusco，Castigliones. Liquidity Coinsurance， Moral Hazard， and Financial Contagion［J］.Journal of Finance， American Finance Association，2007，62（5）：2275-2302.
　　［８］Clark. Analytical Models of Financial Stability［Z］.lectured at the Cass Business School， 2007，（3）.
　　［９］Crocket. Why Is Financial Stability a Goal of Public Policy?‘Maintaining Financial Stability in a Global Economy’［R］.held in Jackson Hole，Wyoming，August28-30.Economic Review，1997，（4）.
　　［１０］Froyland， Kai Larsen. How vulnerable are financial institutions to macroeconomic changes? An analysis based on stress testing［J］， Economic Bulletin.2002：92-98.
　　［１１］Fong. Stress Testing Banks’ Credit Risk Using Mixture Vector Autoregressive Models［Ｒ］. Hong Kong Monetary Authorioty Working Paper，2008.
　　［１２］Goodhart， Charles and Sunirand， Pojanart and Tsomocos， Dimitrios P. A model to analyse financial fragility［P］.Discussion paper， 2004：492-501.
　　［１3］Goodhart et al. A Model to Analyze Financial Fragility［J］.EconomicTheory，2006，（27）：107-142.
　　［１4］Goetz von Peter. Asset prices and banking distress： A macroeconomic Approach［J］.Journal of Financial Stability，2009，（5）：298-319.
　　［１5］Haldane et al. Financial Stability And Bank Solvency［R］.prepared for the Federal Reserve Bank of Chicago International Conference， Chicago Illinois， 2004，（9）.
　　［１6］Houben et al. Toward a Framework for Safeguarding Financial Stability［R］.International Monetary Fund Working Paper，2004.
　　［１7］Issing，O.Monetary and Financial stability：Is there a Trade-off［R］. BIS Papers，No.182003.
　　［１8］Lindquist，Tsomocos. Evaluation of macroeconomic models for financial stability analysis［R］. Working Paper 01， Norges Bank，2006.
　　［１9］Nier et al. Network Models and Financial stability［J］.Journal of Economic Dynamics and Control，2007，31（6）：2033-2060.
　　［20］Mishkin.Preventing Financial Crises：An International Perspective［D］.The Manchester School of Economic and Social Studies，1994，62：1-40.
　　［21］Miguel et al. Default， Credit Growth， and Asset Prices［R］.International Monetary Fund Working Paper，2006.
　　［22］Oriol Aspachs，Goodhart. Towards a Measure of Financial Fragility［D］.Lea ZicchinoBank of England.2006，9.
　　［23］Roberto Tamborini. A Macroeconomic Model of Bankruptcy. Workshop on Economics with Heteregenous Interacting Agents.Ancona，1997.

　　［24］Saade et al. An equilibrium approach to financial stability analysis： the Colombian case［J］.Annals of Finance，2007，（3）：75-105.
　　［25］Sorge.M，Virolainen.K. A comparative analysis of macrostress-testing methodologies with application to Finland［J］. Journal of Financial Stability，2005，（2）：113-151.
　　［26］Trond Eklund， Kai Larsen ， Eivind Berhardsen. Model for analysing credit risk in the enterprise sector［Ｍ］. Economic Bulletin.2001：99-106.
　　［27］Tsomocos，D.P. Equilibrium analysis， banking and financial instability［J］.Journal of Mathematical Economics，2003，9（5-6）：619-655.
　　［28］Tsomocos， D.P. Equilibrium analysis， banking， contagion and financial fragility［R］. Bank of England Working Paper No.175，2003.
　　责任编辑：武玲玲
　　责任校对：关 华
　　
　　Reviews and Prospects about Macro Models of Financial Stability Analysis
　　Tan Zhengxun
　　（Department of Finance, Jinan University, Guangzhou 510632, China）
　　Abstract：Stability level of the financial system is the reflection whether the financial function effectively plays. After the accession to the WTO, Chinese government carries on many aspects reform of economic system, the stability of the financial system are obviously ascent, but also entities pressure and risks. Macro models of financial instability analysis include expanded macroeconomic model, dynamic random general equilibrium model and network model. Among them, the dynamic random general equilibrium model has good reality fitting degree, and stronger applicability. We should construct the dynamic random general equilibrium models with Chinese characteristics according to Chinese social background and special financial system.
　　Keywords： financial stability; dynamic stochastic general equilibrium model; extended macroeconomic model; network model

转载注明来源:https://www.xzbu.com/2/view-437663.htm