基于不平衡面板的中国金融状况指数构建
来源:用户上传
作者: 袁靖 薛伟
摘 要：实证分析表明，基于货币政策传导渠道，采用不平衡面板技术构建的我国包含40个金融变量的金融状况指数，与国际上普遍使用的金融状况指数相比预测效果更好；进行因子分析及主成分分析的结果显示，我国货币政策资产负债表传导渠道及信贷传导渠道不通畅，居民和公司的资产负债表项目不健康,对于金融风险抵抗力较弱。货币政策通过调节利率、汇率及货币供应量来调整宏观变量的效果较好。
关 键 词：金融状况指数；货币政策传导渠道；不平衡面板技术；因子分析；主成分分析
中图分类号：F832.1 文献标识码：Ａ 文章编号：１００６－３５４４（２０11）０6－００02－06
一、引言
金融状况指数（Financial Condition Index，FCI）最早由Goodhart和Hofmann（2000）提出，目的是为了反映未来通货膨胀压力。FCI由货币状况指数（Monetary Condition Index，MCI）发展而来，在MCI的基础上加入包含了未来通货膨胀信息的资产价格，FCI的变量除MCI中的短期实际利率与有效实际汇率外，还包含股价与房价等资产价格。由于涵盖信息较广，FCI体现了MCI未能体现的资产市场的基本情况和发展态势， 可以更为全面地反映一国的整体金融形势。 货币政策的传导渠道除了利率和汇率之外，还包括资产价格，如果货币当局在政策制定的过程中，忽略了资产价格的传导机制，就会低估或误估货币政策的实施效果，出现政策制定和实施的偏误。特别是对于资本市场较为完善或发展较快的国家而言，尤其不能忽略资产价格对经济的影响。从我国的现状来看， 资产价格在经济中也发挥着越来越重要的作用， 货币政策的制定也越来越多地考虑了资产价格因素。因此，科学编制可以反映未来通胀压力的中国金融状况指数有着十分重要的理论和现实意义。
二、理论基础及文献综述
（一）金融状况指数的含义及作用
金融状况指数可定义为影响现在经济行为及未来经济形势的金融变量的目前状态。理论上，这些金融变量可能包含反映经济活动的相关金融工具的需求及供给状况， 因此可以包括一系列资产价格和潜在资产需求及供给。FCI总结了影响未来经济状况的信息，理想的FCI应该可以度量金融冲击，即影响或预测未来经济活动的金融变量的外生变动。 真正的金融冲击应该与内生反应相区别， 如果金融变量所提供的信息是内生的，则没有必要构建FCI，因为过去经济活动已经包含了所有相关的预测信息。 金融状况指数既可以用来对未来经济活动进行预测， 也可以用于评价一国当前货币政策的松紧度。
（二）金融状况指数的理论基础及计算方法
FCI的理论基础是货币政策传导机制。Boivin et al（2009）将货币政策传导渠道分为新古典的和非新古典的两种。新古典的传导渠道即货币渠道，非新古典的即信贷渠道。 货币渠道是指中央银行通过改变货币供给影响利率、汇率、资产价格等变量，进而影响总需求的传导机制； 而信贷传导渠道主要指信贷配给和资产负债表传导渠道。在20世纪90年代以后，随着新凯恩斯主义的发展， 货币政策利率传导理论在价格粘性的基础上引入垄断竞争的市场结构和厂商最优化行为分析， 证明了名义利率的变化可以通过影响实际利率进而作用于实体经济的利率传导模式。信贷传导理论的研究重点则从狭义的、 不涉及信息问题的银行信贷渠道， 转向不完全信息前提下的金融加速机制分析（Bernanke、Gertler和Gilchrist，1996）。具有代表性的货币政策传导机制理论有：（1） 利率传导机制，即通过货币供给的变化来影响价格预期，从而影响通胀预期，再影响实际利率水平，进而影响总投资，最终导致经济增长的变化。（2）汇率传导机制，即改变货币供给量，导致利率发生变化，进而改变汇率从而影响净出口。（3）资产价格传导机制，货币供给量的变化将改变股本价格，从而托宾q值发生变化， 导致投资发生变化， 从而影响经济增长。（4）财富效应传导机制，货币供给量的变化通过影响股本价格从而影响到财富的变化，进而影响消费支出的变化，导致经济增长等。
信贷渠道作为另一种主要的货币政策传导机制，主要包括两种形式：银行贷款途径和资产负债表途径。 银行信贷传导渠道的传导过程可以描述为：扩张性货币政策将增加银行储备和银行存款， 增加银行可供贷款的数量，进而实际贷款数量上升，从而使总需求和总产出增加。Kashyap、Stein和Wilcox（1993），Gertler 和Gilchrist（1994）指出银行贷款途径存在必须具备两个前提条件： 一是在银行资产负债表的资产方， 银行贷款和证券之间不能完全相互替代；二是在企业资产负债表的负债方，银行贷款和非银行资金来源之间不能相互替代。 银行信贷渠道是由典型的信用传导理论来支撑的，在金融体系中，银行因解决了信用市场中的不对称信息问题， 从而扮演着特殊传导功能。 由于在银行贷款与其他可供资金资源之间不存在完全替代， 特定的借款人只有通过银行才能得到所需资金。在实际经济中，大企业可以不用银行而直接通过股票和债券市场获得信用，而小企业就不可能像大企业那样，它们对银行具有更强的依赖性，成为银行依赖者。在这种传导机制下， 货币政策对于小企业开支的扩张有更大的影响作用。货币政策能够通过影响信贷供给（特别是商业银行的贷款）来影响外在融资溢价。
资产负债表渠道，有时也叫净资产渠道，在这种渠道之下， 货币政策通过影响借款人的授信能力达到放大货币政策影响力的作用。 其影响主要表现在两个方面：（1）货币政策可以通过影响资产负债表而对经济产生影响。 资产负债表途径的传导过程可以表述为货币供给量增加导致利率下降， 从而使得股票价格上升，使得现金流上升，从而导致资产状况改善，进而使得银行贷款量上升，导致经济增长。资产负债表途径存在的根本原因就在于货币政策的波动不仅影响了市场利率， 而且直接或间接地影响了借款者的财务状况。 扩张性货币政策可以使股票价格上升，同时提高了公司的净值并提高投资支出。（2）扩张性货币政策会通过降低名义利率的效应， 来提高净现金流，从而提高公司资产负债表的质量，减少逆向选择和道德风险问题。
基于货币政策传导过程中的利率和汇率机制，Eika和Nymoen（1996）、Ericsson和Jansen（1998）利用加权平均的短期利率和汇率构建了货币状况指数（Monetary Condition Index，MCI），随后被加拿大和新西兰中央银行作为一个操作目标加以管理和利用。随着经济的发展，居民资产构成中除外汇资产和货币资产外，越来越多地包括了股票和房地产等其他资产，Goodhart和Hofmann（2001）对MCI指数进行了扩展，构建了包含短期利率、汇率、房地产价格和股票价格的金融状况指数FCI， 并利用这一指数对OECD进行了实证检验， 发现它能够预测CPI指数并能很好地预判货币政策走势。
（三）目前国际上普遍使用的FCI
由于世界各国国情不同、货币政策目标不同，各国学者根据不同的经济状况构建了包含不同金融变量的FCI， 目前世界各国使用的金融状况指数主要有7个。
1． Bloomberg FCI。由Rosenberg（2009）开发的Bloomberg FCI包括货币市场指标、债券市场指标和股票市场指标共10个子指标， 每个市场所占权重都为1/3。
2． Citi FCI。 由CD Antonio（2008）构建的Citi FCI包含6个金融变量， 分别是货币供给量、 股票价值、商业票据抵押率（本文用银行间政策性银行浮动利率债点差即期代替）、按美元贸易加权值（即汇率）、能源价格（本文用企业商品价格指数代替）和利率期限结构曲线斜率（即长短期利差）。各个金融变量的权重由模拟宏观模型FRB/US得到。
3． Deutsche央行FCI。德国中央银行使用主成分法构建了FCI（Hooper，Mayer，Slok2007，Hooper，Slok，Dobridge2010），使用了标准化的7个金融变量，分别是汇率、联储利率、债券价值、股票价格、房地产价值、利率期限结构曲线斜率和凸度指标。各变量权重由各变量对GDP回归得到。
4． Goldman Sachs FCI。该FCI使用了短期债券收益率、长期债券收益率、汇率、股票价值4个金融变量，权重由FRB/US模型模拟得到。
5． Federal Reserve Bank of Kansas City FCI。该FCI使用了11个标准化金融变量，分别是3个月Libor展期、2年债券掉期、10年Libor展期、10年债券展期（Aaa、Baa、Bbb）、股价、股价方差、债券方差、股价收益率和消费者5年债券展期。金融变量权重由主成分法估计得到。该FCI于2009年早期开始使用。
6． Macreeconomic Adviser Monetary FCI。于2009年早期开始使用，它包含5个标准化金融变量，分别是短期利率、长期利率、债券收益率、实际汇率和实际股票价值。各变量权重由估计的VAR 脉冲反应方程的系数得到。
7． OECD FCI。2008年开始使用的OECD FCI包含6个金融变量，分别是3个月名义利率、实际短期利率、贷款额、股票价值、债券展期和公司债券展期。各变量权重由主成分法估计得到。
（四）中国金融状况指数的研究成果与不足
美国高盛会定期公布其编制的中国FCI数值，以反映中国金融形势松紧程度，但在其编制的指数中，仅包含实际有效汇率指数、 实际贷款利率和净货币供给增长3个变量（各占比25%、46%和29%），未体现资产价格的影响。王玉宝（2005）基于VAR模型的脉冲响应函数， 选择传统的Cholesky因素分解的方法来识别冲击，估计出中国的FCI，结论认为FCI可以作为货币政策的辅助参照指标。 但这种方法对变量排序的依赖性过强， 实际上在FCI中包含了数种金融变量， 一旦出现经济冲击， 这些变量会立即做出反应、产生影响，很难清晰分辨出准确的排序。封北麟、王贵民（2006）同样采用了上述VAR脉冲响应函数和Cholesky因素分解方法估计了中国的金融状况指数， 结果表明FCI指数对通货膨胀率具有良好的预测力，并在此基础上将FCI指数作为目标和信息变量纳入泰勒规则，运用GMM方法估计了中国的货币政策反应函数。陆军、梁静瑜（2007）采用总需求方程缩减式模型，根据实际情况构建了中国的FCI，并对其波动的原因进行了解释， 认为FCI对GDP和CPI有较强的预测能力， 可以作为我国货币政策的一个重要的参考指标，但文中也指出，缩减式模型存在着无法解决变量间内生性问题的缺陷，有待进一步探讨。以上研究皆使用国内季度数据。
对中国金融状况指数构建的研究文献很少，且或多或少都存在因选用季度数据而样本量较少、存在模型的依赖性、 忽略变量的内生性以及变量排序主观给定等问题。因此，对于中国自身金融状况指数的构建研究还需要更为科学严谨的研究方法， 更加客观地探索我国资产价格在未来通胀和经济增长预测中所发挥的重要作用。
三、实证分析
（一）单个金融指标的预测能力检验
本文首先使用5个单个金融指标，构建金融状况指数，检验它们对宏观经济指标的预测能力。
本文使用的金融变量是我国长短期利差（我国银行间固定利率国债收益率20年与5年期利差）、M2、上海最高股价指数、银行间7天同业拆借利率、银行间市场债券回购3个月利率与银行间3个月同业拆借利率差，数据来源于中国人民银行网站。根据数据可得性，选择的宏观变量是通货膨胀率（本文选用企业商品价格指数变化作为衡量价格水平变化即通货膨胀率指标）。计算公式：通货膨胀率=（季度CPI－1）×100%。（数据来源：国家统计局网站）。
先对这5个变量做平稳性检验，其中M2和上海最高股价指数取自然对数。估计方程：
结果显示，使用我国长短期利差、M2、上海最高股价指数、银行间7天同业拆借利率、银行间市场债券回购3个月利率与银行间3个月同业拆借利率差比AR模型预测通货膨胀率效果好，可以考虑使用金融变量构建FCI来预测今后的宏观变量走势，尤其可以预测未来通货膨胀走势。
（二）国际上使用的FCI预测能力检验
运用国际上使用的7个金融状况指数检验其对我国宏观变量的预测能力。重复（一）步骤的实证操作，得到R2、F统计量和Quandt likelihood ratio F统计量及2期样本外预测的RMSE。计算结果如下：
结果显示，7个金融状况指数FCI中Bloomberg FCI预测通货膨胀能力最好。
（三）我国40个变量的FCI构建
以上的金融状况指数都存在时间跨度不一致及涵盖的指标太少的缺点，基于此，本文构建了一个包含40个金融变量的金融状况指数， 依据货币政策传导渠道选择的40个变量分别是：企业商品价格指数、企业存款、信托存款、金融债券、短期贷款、中长期贷款、信托贷款、非金融机构存款、债券、M0、M1、M2、汇率（一美元折合人民币，期末数）、上证最高股价指数、成交金额（亿元）、成交量（百万股）、银行间同业拆借7天利率、 银行间同业拆借30天利率、银行间同业拆借60天利率、银行间同业拆借90天利率、银行间同业拆借120天利率、银行间市场债券回购7天利率、银行间市场债券回购14天利率、银行间市场债券回购1个月利率、 银行间市场债券回购3个月利率、银行间市场债券回购6个月利率、银行间市场债券回购9个月利率、 银行间市场债券回购1年利率、银行间市场债券回购长短期利差、银行间同业拆借市场利差、 银行间固定利率企业债AAA到期利率、银行间固定利率企业债AAA5年利率、银行间固定利率企业债AAA15年利率、 银行间固定利率企业债AAA20年利率、 银行间固定利率企业债BBB到期利率、银行间固定利率企业债BBB5年利率、银行间固定利率企业债BBB15年利率、 银行间固定利率企业债BBB20年利率、 银行间固定利率企业债利率期限结构曲线斜率与凸度。
构建的FCI具有三个特点：（1） 选择的金融指标除了利率和资产价格， 还包括了一系列资产负债表中体现贷款的指标；（2）由于各个金融指标时间跨度不一致， 本文提供了非一致面板估计及检验技术；（3）将金融指标分类，考察不同货币政策传导渠道所体现出来的对宏观经济情况的预测能力。
由于40个金融变量及宏观变量的时间跨度不一致，本文使用Bernanke（1990）检验不同利率展期对经济活动和通货膨胀的边际预测能力的方法， 估计方程为：
xit=Ai（L）yt+vit
yt代表宏观数据，xit代表第i个金融变量，Ft（k×1）代表待估计的主成分。
将前面国际上使用的7个金融状况指数模型与本文构建的金融状况指数模型预测值与通货膨胀率原始值表示为图1。
预测结果显示， 本文构建的40个金融变量模型预测效果良好， 可以考虑根据这40个金融变量构造我国金融状况指数FCI。
（四）利用因子分析与主成分分析构建我国的FCI
FCI常见的构建形式为：
FCIt=w1（rt-r0）+w2（reert-reer0）+w3（at-a0）
其中r代表利率，reer代表汇率指数（取对数处理），a代表实际资产价格（取对数处理）。w1，w2，w3代表权重，由实证估计得到。
关于FCI的权重， 文献中主要通过分析资产价格在货币政策传导机制中的作用来确定。方法上具体可分为：
1. 大型宏观经济计量模型。 该方法一般用于计算各经济变量间关系， 因此估计出来的FCI变量的权重较其他方法更准确， 如高盛和Mac-roeconomic Advisers就使用该方法计算美国的FCI。 有些机构的权重是参考大型总体经济模型的仿真结果，如GSFCI中的权重系综合美国联邦准备理事会的FRB/US总体计量模型估计数以及其自身的实证结果而得；法国银行利用IMF与OECD的总体模型来编算7大工业国的FCI（Gauthier，Graham和Liu，2004）。至于Macroeconomic Advisers（1998）则是利用华盛顿大学的总体模型（WUMM）来进行FCI权重的估算。 但目前各国与各机构使用的大型宏观模型中， 股票与其他资产价格显得不重要， 这是由于目前关于资产价格通过何种渠道影响总需求还众说纷纭， 有待深入研究。此外，大量数据的获取和处理较为困难，实际操作上存在障碍。
2. 总需求方程缩减式模型。 该模型包括了反映产出缺口与利率、 汇率及其他资产价格关系的IS曲线以及反映通胀与产出缺口关系的菲利普斯曲线， 根据各变量在该方程中的系数大小及显著程度决定其在FCI中的权重。 但使用该模型需满足一个假设：所有解释变量（即FCI所包含的变量）均为外生，亦即彼此并不互相影响，且被解释变量（总需求）也不会影响这些解释变量， 否则会引起估计误差。Surach Tanboon（2004）、Goodhart和Hofmann（2001），以及Gauthier、Graham和Liu（2004）等，则利用VAR模型的冲击-反应函数进行FCI权重的估计。 例如Goodhart与Hofmann（2001）将VAR模型的脉冲响应方法用于缩减式， 该缩减模型除了包含所有四个变量外还包含了油价作为外生变量， 然后计算各资产价格变量的一单位冲击对通货膨胀的影响， 文中用标准Cholesky分解来确定变量间的相互影响关系。
3. 因子分析法。 此方法通过因子分析来推导金融变量的线性加权组合。 该方法通过研究短期利率、实际有效汇率、房地产价格指数、股票价格和货币供给量等金融变量之间的内在依存关系， 探求观测数据的基本结构； 用几个因子来反映这些金融变量所代表的主要信息， 来解释这些变量之间的相互依存关系。此外，利用因子分析方法可以消除变量不规则变化所形成的“噪声”。这种方法的优点在于它不依赖于任何模型。 许多研究中曾将因子分析法应用于有大量解释变量的预测模型中。
4. 主成分分析。如Deutsche Bank（2007）在编制G3国家的FCI时，先对若干个金融变量做主成分分析，求出其主成分，然后对GDP增长率做简单回归，以得出主成分等变量的权重值。 而English、Tsatsaronis和Zoli（2005）也曾采用同样的主成分分析法。
本文采用因子分析与主成分分析方法对40个金融变量的权重进行计算，结果见表5。
结果显示，反映利率传导渠道、汇率传导渠道及财富传导效应的指标得分最高， 而反映资产负债表渠道及信贷渠道的指标得分非常低， 说明我国货币政策资产负债表传导渠道及信贷传导渠道不通畅。
进行主成分分析，结果见表6。
共提取了8个公因子，达到累计方差的85%，分别代表利率指标、 利率期限结构曲线指标、 汇率指标、贷款指标、资产负债表资产指标、资产负债表负债指标、货币供应量指标和资产价格指标。
四、结论及政策建议
1． 本文构建的FCI具备三个特点：（1） 选择的金融指标除了利率和资产价格， 还包括了一系列资产负债表里体现贷款的指标；（2）由于各个金融指标时间跨度不一致， 本文提供了非一致面板估计及检验技术；（3） 将金融指标分类， 考察不同货币政策传导渠道所体现出来的对宏观经济指标的预测能力。实证结果发现，本文构建的40个金融变量的FCI模型预测能力更好，可以根据此金融状况指数FCI对未来通货膨胀走势及通货膨胀压力进行预测。
2． 考虑资产价格传导渠道构造的FCI涵盖信息最全，预测能力最好，我国货币当局应加强货币传导渠道畅通，以使金融状况指数FCI发挥信息指示器的作用。
3． 通过构建我国的金融状况指数， 发现货币政策资产负债表传导渠道及信贷传导渠道不通畅，居民和公司的资产负债表项目不健康， 对于金融风险抵抗力较弱。货币政策通过调节利率、汇率及货币供应量来调整宏观变量的效果较好。
参考文献：
［1］Goodhart， Hofmann. Financial Variables and the Conduct of Monetary Policy. Sveriges Riksbank Working Paper，2000（112）．
［2］Gertler， M.and N. Kiyotaki.Financial Intermediation and Credit Policy in Business Cycle Analysis，prepared for the third Handbook of Monetary Economics; presented at the Federal Reserve Conference on Key Developments in Monetary Policy， October，2009-10-09.
［3］Goodhart， C. and B. Hofmann（February 2001），Asset Prices， Financial Conditions， and the Transmission of Monetary Policy，FRB San Francisco， Paper prepared for the conference on Asset Prices， Exchange Rates， and Monetary Policy Stanford University， March 2-3，2001.
［4］Hooper， P.， T. Mayer and T. Slok（June 11，2007）. Financial Conditions: Central Banks Still Ahead of Markets，Deutsche Bank， Global Economic Perspectives.
［5］Stock， J. and M. Watson. New Indexes of Coincident and Leading Economic Indicators， in Blanchard O. and S. Fischer （eds.）， NBER Macroeconomics Annual（Cambridge， MA: MIT），1989：352-94.
［6］Bernanke， B. On the Predictive Power of Interest Rates and Interest Rate Spreads，New England Economic Review， November， pages，1990：51-68.
［7］王玉宝. 金融形势指数（FCI）的中国实证［J］. 上海金融，2005（8）29-32.
［8］陆军，梁静瑜. 中国金融指数的构建［J］. 世界经济，2007（4）:13-24.
［9］封北麟，王贵民.货币政策与金融形势指数FCI：基于VAR 的实证分析［J］. 数量经济技术经济研究，2006（11）.
（责任编辑：龙会芳；校对：郄彦平）
转载注明来源:https://www.xzbu.com/3/view-1423909.htm
