宏觀金融運行穩定性監測的實證研究

李正輝，閆 瑾，許滌龍

（湖南大學 金融與統計學院，長沙 410079）

0 引言

金融運行是否穩定對國家經濟的正常運行有舉足輕重的影響，隨著世界各國經濟發展的不斷加快，經濟對外開放程度不斷加大，金融運行更為復雜，金融運行的穩健性監測非常關鍵。一旦金融運行出現不穩定因素，將可能對一國的國家經濟與政治給予致命的打擊。

對于金融穩定性的評估和預測的研究頗多。但所構建的金融穩定評價指標體系大多根據指標體系構建的經驗進行設置，沒有用相關的數據進行支持，對評價指標的監測效果顯著性及監測時滯效應都未進行深入分析。本文擬對金融運行穩定性的監測進行實證研究，在構建金融運行穩定監測指標體系的基礎上，對監測指標體系進行結構方程模型分析，從中選取對金融運行具有顯著監測效果的指標，使指標體系更為科學；其次通過對監測指標進行監測時差分析將監測指標分為超前、當期和滯后三種類型；最后通過指標監測強度分析得到各類指標的監測強度。

1 宏觀金融運行穩定性監測指標的顯著性

1.1 宏觀金融運行穩定性監測的理論指標體系

1.1.1 指標體系構建理論依據

金融與經濟穩定是相互作用的，經濟穩定和持續增長，表現在金融上必然是穩定和良性發展的，而金融穩定能夠促進經濟增長，金融不穩定會造成經濟衰退，經濟衰退會使金融更不穩定；資本市場在融資、優化資源配置等方面對經濟發展起著重要的作用，從而也會對金融穩定性產生重大影響，其中資本市場對金融的影響又分為國內資本市場和國際資本市場兩個方面；貨幣幣值的穩定是金融穩定的基礎，是經濟良性發展的前提，穩定的貨幣環境有利于金融的穩定，有利于金融體系的安全；銀行是金融活動發生的重要領域，其運行穩定與否對金融穩定起著舉足輕重的影響；另外中央政府的負債會通過貨幣政策、財政政策以及匯率等途徑對金融運行產生影響。綜上可知，金融運行穩定性與經濟、資本市場、銀行體系以及中央政府的負債狀況等密切相關，故對于金融穩定性評價指標體系的構建主要從以上幾個方面進行。

1.1.2 指標體系內容

依據上述指標體系構建理論依據，結合數據可得性、可比性等限制，在此選擇15個指標對宏觀金融運行狀況進行監測，這些指標主要反映一個國家的宏觀經濟、政府負債、銀行股市以及對外貿易等狀況，指標體系的具體情況如表1所示。

1.1.3 指標數據預處理

本文實證分析數據主要來源于《世界競爭力年鑒》，共搜集了包括澳大利亞、奧地利、比利時等45個國家從2003～2007年共5年的有關宏觀金融運行情況的數據，具體指標即指標體系中包含的15個指標。

缺失數據以該國家鄰近年份的數據進行替代，若鄰近年份數據也缺失則以相應指標的均值進行替代，個別數據的替代不會給模型分析結果造成太大影響。

根據金融運行穩定性與監測指標的相互關系，監測指標分為正向、適度和逆向三類指標，正向指標可直接進行分析，但適度和逆向指標分析之前要進行正向化。適度指標數值過

表1 宏觀金融運行監測指標體系

1.2 宏觀金融運行穩定性監測指標的顯著性分析方法

為了觀測金融運行穩定性監測指標的顯著性，必須依賴于相關的統計方法，而不是完全根據經驗確定指標，基于此本文引入結構方程模型對其進行分析。

在結構方程模型中，把不能直接測量的變量稱為隱變量或潛變量，金融運行穩定性監測中，金融運行穩定性、經濟發展、國債狀況等均為潛變量，這些變量是抽象的用以對金融運行某一領域進行總體反映的變量，其指標數據不能直接測量。雖然隱變量不能直接測量，但卻可以由一些具體指標即顯變量來反映，顯變量即可以直接測量的變量，金融運行穩定性監測指標體系中的指標均為顯變量，如失業率、外貿依存度等指標都為顯變量。結構方程模型有兩種表示方法：一是方程法，二是路徑圖。路徑圖表示便于研究者直觀了解各個變量間的關系，方程表示更容易看出結構方程模型的本質。高或過低都不好，這類指標存在一個適度值，指標值越靠近適度值其代表的經濟或金融運行狀況越好。為了不改變原指標的分布規律，在此采用以下方法對逆向和適度指標進行正向化[13]，具體方法可以表示如下：

上面（1）式和（2）式中的 xij表示第 i個國家第j個指標的原始數據，x'ij表示第i個國家第j個指標正向化后的數據，其中（2）中的k表示的是適度指標的適度值。經過上述正向化變換，所有指標都為正向指標，指標數值越大表明金融運行越穩定。

數據量綱的不同對模型的擬合也會產生影響，所收集數據的樣本容量較大，故用正態標準化進行如下處理：

式（3）中n代表指標個數，m代表樣本容量，Xij和 Zij分別為標準化前后的指表數值，uj和σj分別表示第j個指標的均值和標準差。

結構方程模型對樣本容量要求較高，所以本文將2003～2007年5年的數據進行匯總，匯總后樣本容量為225，滿足結構方程模型對樣本容量的需求，在此結構方程模型分析主要是對金融穩定性與各影響因素之間的關系進行刻畫，且這種關系在短時間內是穩定的，從2003～2007年各影響因素的指標數值會有不同程度的變化，但并不會對金融穩定性與各影響因素之間的相互影響關系產生太大影響。將5年的數據進行匯總，既保證了結構方程模型的有效運行，也不會影響對金融穩定性與其影響因素之間關系的分析，故將5年的數據進行匯總以增大樣本容量是合理的。

用方程描述結構方程模型時，通過測量方程和結構方程兩個方程進行，測量方程描述潛變量與測量變量之間的關系，而結構方程描述潛變量之間的關系，即因子間的關系，結構方程模型的方程表示可以用矩陣形式表示如下：

測量方程：X=Λxξ+σ，Y=Λxη+ε；結構方程：η=Bη+Γξ+ζ；

其中X是外生測量變量組成的向量，Y是指內生測量變量組成的向量，ξ是外生潛在變量(ξ1，…，ξn)組成的向量；η 是內生潛在變量(η1，…，ηn)組成的向量；Λx表示外生測量變量與外生潛在變量間的關系，是外生測量變量在外生潛在變量上的因子負荷矩陣；Λy反映了內生測量變量與內生潛在變量間的關系，是內生測量變量在內生潛在變量上的因子負荷矩陣；B反映了內生潛在變量的關系；Γ表示外生潛在變量對內生潛在變量的影響；σ是外生測量變量X的誤差項；ε是內生測量變量Y的誤差項；ζ是結構方程的殘差項，反映η在方程中未能被解釋的部分。

本文對金融穩定性的分析所涉及的評價指標均屬于金融體系范圍，故結構方程模型中均為內生顯變量或內生潛變量，由下文圖1的結構方程模型路徑圖可知，金融運行穩定性、經濟發展等為內生潛變量，而國內生產總值增長率、通貨膨脹率以及失業率等15個監測指標為內生顯變量。本文所設計的結構方程模型可以用方程法表示如下：

式（4）、（5）中Y表示國內生產總值增長率、通貨膨脹率等內生顯變量，η表示金融運行穩定性、經濟發展以及對外貿易等內生潛變量，Λy是內生測量變量在內生潛在變量上的因子負荷矩陣，B反映內生潛在變量的關系，ε是Y的誤差項；ζ是結構方程的殘差項。

1.3 宏觀金融運行穩定性監測指標顯著性的實證分析

根據研究目的和評價指標體系設計分析路徑圖，因為所構建的指標體系主要反映國家的經濟發展、政府負債、對外貿易及股市銀行運行狀況，故首先將各監測指標對經濟發展、國債狀況、對外貿易和股市銀行四個要素進行歸類，再分析經濟發展、國債狀況、對外貿易與股市銀行四個要素對金融運行穩定性的影響，所設計的結構方程模型路徑圖如圖1所示。

圖1中橢圓表示其中的變量為潛變量，矩形中的變量為觀測變量①該路徑圖中考慮了觀測變量誤差項之間的相關性，但在初始路徑圖設計時一般先不考慮各觀測變量誤差項之間的相關性，本路徑圖是在多次通過模型估計實驗過程中，擬合結果顯示某些觀測變量誤差項之間具有較強的相關性，則調試模型時即考慮其相關性，在路徑圖中即在具有較強相關關系的誤差項之間添加雙向箭頭，如e2與e4具有較強的相關性，在調試模型時則在它們之間添加雙向箭頭表示其相互之間的相關性。。路徑圖中的單箭頭表示影響關系，雙箭頭表示變量之間的相關關系，箭頭旁的數字為路徑系數。e1到e15分別為 X1到 X15的 15 個觀測變量的誤差項，e16、e17、e18、e19和 e20分別為經濟發展、國債狀況、對外貿易和股市銀行以及金融運行穩定性5個潛變量的誤差項。

要對模型的擬合優度進行檢驗才能判斷模型對指標數據的解釋程度，表2是對模型擬合優度進行檢驗的結果。

表2 結構方程模型擬合情況

表2顯示，絕對擬合指數三個指標都達到標準；相對擬合指數CFI的值為0.906，也超過標準值0.9，簡約擬合指數PNFI和PCFI兩個指數的值分別為0.616和0.646，都大于標準值0.5。所以從擬合指數來看，模型的擬合結果是比較理想的。

模型擬合較好，就可以從模型的擬合結果獲得所需要的各指標對金融運行穩定性影響作用的強烈程度，進而選取對金融運行穩定性具有顯著監測效果的指標。表3由模型分析結果所得，主要反映各指標對金融運行穩定性影響作用的強烈程度。

表3中的第二列表示各指標對金融運行穩定性影響的強烈程度，如失業率對應的數值為0.932，外貿依存度對應的數值為0.671，則說明前者對金融運行穩定性的影響更強，第三列為各指標對金融運行穩定性影響強烈程度由強到弱的排序，其中失業率的影響最強，股市指數變化指標的影響最弱。

表3 各指標對金融運行穩定影響的強烈程度

通過結構方程模型分析可以得到對金融運行穩定具有顯著監測效果的指標，通過表3的分析，選取8個對金融運行穩定性具有顯著監測效果的指標，監測指標具體情況如表4所示。

表4 具有顯著監測效果的監測指標

金融運行穩定性作為一個潛變量引入結構方程模型，模型的運行結果可以得到各指標對該潛變量的得分權重，經過匯總其得分權重如表5所示，在此基礎上經過加權匯總就可以得不同國家金融運行穩定性的綜合得分，該綜合得分可以通過下面公式計算：

式（6）中Zi表示第i個國家的金融運行穩定性的綜合得分，wj表示第j個指標的得分權重，Zij表示的是第i個國家的第j個指標經過處理后的指標數值，通過計算即可得到各國家金融運行穩定性的綜合得分。

表5 金融運行穩定性得分權重

通過計算金融運行穩定性綜合得分可以對不同國家的金融運行穩定性狀況進行比較，而且對某個國家2003～2007年金融運行穩定性綜合得分數值的變化情況進行分析可以了解該國金融運行穩定性的變化趨勢，從而對其金融運行穩定性的未來走勢做出預測。

2 宏觀金融運行穩定性監測指標時差分析

2.1 監測指標時差分析原理

在宏觀經濟運行中，一些經濟變量彼此之間存在因果關系，但這種影響常常存在時滯，金融運行穩定性作為潛變量引入模型，通過結構方程模型分析選出對金融運行穩定性具有顯著監測效果的指標，但這些監測指標對金融運行穩定性的監測作用可能會存在時滯即監測時差，有些指標具有超前監測效果，部分指標當期數值的變化對金融運行的影響更大，而有些指標對金融運行穩定性的監測會存在滯后，因此對指標的監測時差進行分析是有必要的。

以失業率為例對基于時差分析的宏觀金融運行監測時差原理予以說明。假設要對2005年不同國家的金融運行穩定性進行分析，顯然2005年當年的失業率水平會對當年的金融穩定產生影響，但若考慮指標的監測時滯，過去的2003年和2004年的失業率也會對2005年的金融運行產生影響，同樣2006年和2007年的失業率水平也有可能與2005年的金融運行狀況具有一定關系，即失業率對金融運行穩定性存在超前的、當期的和滯后的三種類型的影響作用，若該指標過去的水平對所確定當期金融運行穩定性的影響較大，則說明其對金融運行具有超前預測效果，若當期的指標水平對金融運行影響較大，即認為該指標對金融運行穩定性具有實時監測作用，而若未來的指標水平對金融運行穩定性影響較大，則說明該指標對于金融運行的監測存在滯后。指標監測時差分析的目的就是要將所確定的八個監測指標分為超前、當期和滯后三種類型。由于未來數據難以獲得，通過滯后類指標對金融運行穩定性進行監測受到很大限制，所以對金融運行穩定性的監測主要通過超前和當期類指標進行。

2.2 指標監測時差分析方法

本文用動態相關系數可以對監測時差進行分析，其基本思想是計算某一時期的因變量與不同時期自變量之間的相關系數，即計算一組動態相關系數，比較這些相關系數的大小，若因變量與前一時期自變量的相關系數較大，則認為該自變量的對因變量的影響是超前影響，若因變量與當期自變量的相關系數較大，則認為該自變量對因變量的實時影響較為強烈，若因變量與后一期自變量的相關系數較大，則說明該自變量對因變量的影響存在滯后。如果用yt表示當期的因變量，xt-1、xt和xt+1分別表示超前一期、當期和滯后一期的自變量，動態相關系數就是要計算 ρ(yt，xt-1)、ρ(yt，xt)和 ρ(yt，xt+1)三個相關系數，若 ρ(yt，xt-1)最大，則說明 x的對 y具有超前影響，如果ρ(yt，xt)最大，則說明x對于y的實時影響較為強烈，如果ρ(yt，xt+1)最大，則說明x對于y的影響存在滯后。通過計算各監測指標與金融運行穩定性的動態相關系數就可以將監測指標劃分為超前、當期和滯后三種類型。

2.3 宏觀金融運行時差監測實證分析

金融運行時差監測的實證分析以2005年的金融運行穩定性綜合得分為基準，計算該綜合指標得分數據與每個監測指標2003～2007年各年指標數值的動態相關系數，通過比較這些相關系數的大小來判斷監測指標監測時差效應，表6是對監測指標進行監測時差分析的結果。

表6 監測指標的時差效應分析結果

表6是對8個監測指標進行指標監測時差分析的結果，表中第二列到第六列分別表示2003～2007年各監測指標水平與金融運行穩定性的動態相關系數，通過不同時期相關系數的比較可對指標監測時差類型做出判斷，最后一列表示各指標所屬指標類型。

由表6可知，超前一期指標有三個，分別為政府國外負債占GDP比重、通貨膨脹率以及政府國內負債占GDP比重；當期指標有三個，分別是失業率、債務利息支付占GDP比重和GDP增長率；滯后一期指標有兩個，分別是外貿依存度和匯率穩定度，不存在超前二期和滯后二期指標。

指標監測時差分析結果顯示，僅兩個指標為滯后指標，其余指標均為超前或當期指標。超前監測指標較多，便可以根據當期監測指標的變化情況對下一期金融運行穩定性變化趨勢做出預測，而當期監測指標的變化情況可以對金融運行穩定性予以實時反映，這兩類指標對于金融運行穩定性的有效監測都有非常重要的作用，滯后指標由于其指標數值不可獲得，通過此類指標對金融運行穩定性進行監測難以實施，故監測指標體系中此類指標越少越好。

3 宏觀金融運行穩定性指標監測強度

3.1 監測強度分析的基本原理

指標監測時差分析將監測效果顯著的8個指標劃分為超前一期、當期和滯后一期三類，但某類指標對金融運行穩定性的影響強度大小卻無從知曉，如超前一期指標對金融運行具有先行預測效果，但若超前指標對金融運行的影響強度較小，則起不到理想的預測效果；當期指標對金融運行具有實時監測作用，依據其當期變化可及時采取措施對影響金融穩定的不利因素加以控制，所以超前和當期指標的監測強度越大越好；而由于未來指標信息難以獲得，通過滯后指標對金融運行的監測受到限制，所以滯后指標的監測強度小一些是有利的。因此對各類指標監測強度效應進行分析是必要的。

3.2 監測強度分析方法

對各類指標監測強度的分析通過建立回歸模型進行，指定某年的金融運行穩定性為被解釋變量，因變量確定后構造相應的超前、當期和滯后監測指標作為解釋變量，進而構建回歸分析模型，通過模型運行得到各類指標回歸系數的參數估計，即代表各類指標的監測強度。

由于涉及的監測指標有八個，若將其全部引入回歸模型，則難以避免解釋變量之間的多重共線性，在此對同一類指標進行加權匯總得到單一指標，經過處理模型中只存在超前一期、當期和滯后一期三類監測指標，解釋變量的減少可以降低多重共線性。以各指標與2005年金融運行穩定性綜合得分指標的相關系數為權重對三類指標進行加權匯總，匯總之前要對同類指標的相關系數進行歸一化。回歸模型中分別用Q1、Q2和Q3代表超前一期、當期和滯后一期指標，指標匯總通過下面公式計算：

式（7）中 Q1代表超前一期指標，公式中 x5、x2和 x6采用2004年的指標數據，各指標前的系數表示指標的匯總權重；Q2代表當期指標，公式中x3、x7和x1采用2005年的指標數據；Q3代表指標滯后一期指標，公式中x8和x9采用2006年的指標數據。

3.3 指標監測強度實證分析

回歸模型以2005年的金融運行穩定性綜合得分指標為被解釋變量，三種不同類型監測指標經匯總后的單一指標為解釋變量，考慮常數項和隨機誤差項，回歸模型可表示如下：

y=β0+β1Q1+β2Q2+β3Q3+u （8）

在式（8）的回歸方程中，y表示2005年的金融運行穩定性綜合得分，Q1、Q2和Q3分別表示超前一期、當期和滯后一期指標，β0為常數項，β1、β2和 β3分別為各類監測指標相應的回歸系數，μ代表隨機誤差項，參數估計結果如表7所示。

由表7可知，回歸模型的可決系數R2為0.918，修正可決系數為0.912，都很接近于1，所以模型的擬合較為理想；對回歸方程整體顯著性的F檢驗統計量的值約為153.27，顯著性水平α=0.05時，自由度為2和42的臨界值F0.05(2，42)=3.21，F統計量值遠大于臨界值F0.05(2，42)，拒絕回歸方程不顯著的原假設，即回歸模型是顯著的。從回歸參數的顯著性來看，顯著性水平為0.05時，由于t統計量的自由度較大，則t0.05的值約為2，而回歸系數統計量的絕對值都顯著大于2，說明三類指標對金融運行穩定性的影響都是顯著的。

繼續對回歸模型中存在的自相關、異方差以及解釋變量之間多重共線性分別進行檢驗，觀測其是否違背經典回歸模型的基本假設。

表7 回歸模型分析結果

根據表7的回歸結果對隨機誤差項是否存在自相關進行檢驗，由表7可知D-W值為2.01，在0.05的顯著性水平下通過查表得，dl=1.383，du=1.666，du＜2.01＜4-du，說明隨機誤差項不存在一階自相關。

通過解釋變量之間的簡單相關系數矩陣對解釋變量之間是否存在多重共線性進行檢驗，三類監測指標之間的相關系數矩陣如表8所示。

表8 多重共線性檢驗結果

由表8知，三類監測指標之間的相關系數都較小，當期指標與滯后一期指標之間的相關系數最大也僅有0.37，超前一期與當期指標之間的相關系數更小約為0.32，超前一期與滯后一期指標的相關性最小，其相關系數僅為0.24，綜合來看，各解釋變量之間的相關性都較弱，所以認為解釋變量之間不存在多重共線性。

利用Goldfeld-Quandt檢驗對模型的異方差進行檢驗。首先對超前一期指標按照大小排序，去除中間11個國家的觀察值，則余下的為兩部分樣本每部分有17個觀察值，分別對兩部分觀察值擬合回歸模型（篇幅所限，回歸分析結果從略），通過模型估計得到兩部分樣本所建回歸模型的剩余平方和的數值分別為19.39和17.99，可以計算得出F統計量的值。

顯著性水平為 0.05時，F0.05(13,13)=2.58，由于 F＜F0.05(13,13)，表明兩部分誤差項方差沒有顯著差別，即回歸模型不存在異方差。

通過檢驗可知回歸模型不存在自相關、多重共線性及異方差，且可決系數、F檢驗及t檢驗結果都比較理想，所以認為回歸模型的擬合是成功的，回歸方程可以表示如下：

式（9）的回歸方程顯示，當期監測指標對金融運行穩定性的影響最大，其回歸系數為0.43，超前一期指標的影響次之，其回歸系數為0.28，滯后一期指標的影響最小，其回歸系數為0.21。從各類指標回歸系數的相互比較來看，當期指標的回歸系數約為超前一期指標的1.5倍，約是滯后一期指標的2倍。

4 基本結論與對策研究

4.1 基本結論

（1）通過對金融運行穩定性監測指標體系進行結構方程模型分析，比較各指標對金融運行穩定影響作用的大小，從15個指標里選出8個具有顯著監測效果的指標，這8個監測指標分別是：失業率、債務利息支付占經常收入的比重、外貿依存度、國內生產總值增長率、中央政府國外負債占GDP比重、通貨膨脹率、中央政府國內負債占GDP比重和匯率穩定度，分析結果顯示對金融運行穩定性的顯著監測指標主要集中在經濟發展、政府負債和對外貿易三個方面。

（2）通過指標監測時差分析，8個顯著監測指標被分為超前一期、當期的和滯后一期三種不同類型，其中超前一期指標有三個，分別為政府國外負債占GDP比重、通貨膨脹率以及政府國內負債占GDP比重，當期指標有三個，分別是失業率、債務利息支付占GDP比重和GDP增長率；滯后一期指標有兩個，分別是外貿依存度和匯率穩定度，沒有超前二期和滯后二期指標。

（3）對各類指標的監測強度分析結果顯示，當期類指標監測強度最大，超前一期類指標次之，滯后一期指標最小，當期指標的回歸系數約為超前一期指標的1.5倍，約是滯后一期指標的2倍。

（4）通過結構方程模型的分析結果，可以計算各個國家金融運行穩定性綜合得分，從而可以對不同國家的金融運行穩定性進行比較，同時可以對同一個國家五年來金融運行穩定性進行縱向比較研究其金融運行穩定性發展趨勢。

4.2 對宏觀金融運行穩定性監測的建議

（1）金融監管當局應加大對國債、宏觀經濟及對外貿易三個方面的監測力度。

（2）要對監測指標進行監測時差分析，金融運行監測指標體系應包含盡可能多的超前和當期指標，避免出現滯后指標。

（3）對指標監測強度效應分析應精確到具體指標。

[1]吳軍,金融穩定內涵綜述及框架分析[J].外國經濟與管理，2005，（3）.

[2]吳念魯,鄖會梅.對我國金融穩定性的再認識[J].金融研究，2005，（2）.

[3]仲彬，陳浩.金融穩定監測的理論、指標和方法[J].上海金融，2004，(9).

[4]張岷.金融穩定評估指標體系的構建[J].統計與決策，2007，(1).

[5]周才云.區域金融穩定預警指標體系與風險防范[J].商業研究，2006，(4).

[6]邵新力,段莉芝.建立湖南省區域金融穩定指標體系的研究[J].區域經濟，2006，(6).

[7]王立平，陳瑤.區域金融穩定預警指標體系研究[J].金融觀察，2007，(9).

[8]艾斯泰爾·克拉克.金融穩定的分析模型[J].金融縱橫,2007，（12）341.

[9]侯杰泰，成子娟.結構方程模型及其應用[M].北京：教育科學出版社，2007.