基于不平衡面板的中國金融狀況指數構建

摘 要：實證分析表明，基于貨幣政策傳導渠道，采用不平衡面板技術構建的我國包含40個金融變量的金融狀況指數，與國際上普遍使用的金融狀況指數相比預測效果更好；進行因子分析及主成分分析的結果顯示，我國貨幣政策資產負債表傳導渠道及信貸傳導渠道不通暢，居民和公司的資產負債表項目不健康，對于金融風險抵抗力較弱。貨幣政策通過調節利率、匯率及貨幣供應量來調整宏觀變量的效果較好。

關 鍵 詞：金融狀況指數；貨幣政策傳導渠道；不平衡面板技術；因子分析；主成分分析

中圖分類號：F832.1 文獻標識碼：Ａ 文章編號：１００６－３５４４（２０11）０6－００02－06

一、引言

金融狀況指數（Financial Condition Index，FCI）最早由Goodhart和Hofmann（2000）提出，目的是為了反映未來通貨膨脹壓力。FCI由貨幣狀況指數（Monetary Condition Index，MCI）發展而來，在MCI的基礎上加入包含了未來通貨膨脹信息的資產價格，FCI的變量除MCI中的短期實際利率與有效實際匯率外，還包含股價與房價等資產價格。由于涵蓋信息較廣，FCI體現了MCI未能體現的資產市場的基本情況和發展態勢， 可以更為全面地反映一國的整體金融形勢。 貨幣政策的傳導渠道除了利率和匯率之外，還包括資產價格，如果貨幣當局在政策制定的過程中，忽略了資產價格的傳導機制，就會低估或誤估貨幣政策的實施效果，出現政策制定和實施的偏誤。特別是對于資本市場較為完善或發展較快的國家而言，尤其不能忽略資產價格對經濟的影響。從我國的現狀來看， 資產價格在經濟中也發揮著越來越重要的作用， 貨幣政策的制定也越來越多地考慮了資產價格因素。因此，科學編制可以反映未來通脹壓力的中國金融狀況指數有著十分重要的理論和現實意義。

二、理論基礎及文獻綜述

（一）金融狀況指數的含義及作用

金融狀況指數可定義為影響現在經濟行為及未來經濟形勢的金融變量的目前狀態。理論上，這些金融變量可能包含反映經濟活動的相關金融工具的需求及供給狀況， 因此可以包括一系列資產價格和潛在資產需求及供給。FCI總結了影響未來經濟狀況的信息，理想的FCI應該可以度量金融沖擊，即影響或預測未來經濟活動的金融變量的外生變動。 真正的金融沖擊應該與內生反應相區別， 如果金融變量所提供的信息是內生的，則沒有必要構建FCI，因為過去經濟活動已經包含了所有相關的預測信息。 金融狀況指數既可以用來對未來經濟活動進行預測， 也可以用于評價一國當前貨幣政策的松緊度。

（二）金融狀況指數的理論基礎及計算方法

FCI的理論基礎是貨幣政策傳導機制。Boivin et al（2009）將貨幣政策傳導渠道分為新古典的和非新古典的兩種。新古典的傳導渠道即貨幣渠道，非新古典的即信貸渠道。 貨幣渠道是指中央銀行通過改變貨幣供給影響利率、匯率、資產價格等變量，進而影響總需求的傳導機制； 而信貸傳導渠道主要指信貸配給和資產負債表傳導渠道。在20世紀90年代以后，隨著新凱恩斯主義的發展， 貨幣政策利率傳導理論在價格粘性的基礎上引入壟斷競爭的市場結構和廠商最優化行為分析， 證明了名義利率的變化可以通過影響實際利率進而作用于實體經濟的利率傳導模式。信貸傳導理論的研究重點則從狹義的、 不涉及信息問題的銀行信貸渠道， 轉向不完全信息前提下的金融加速機制分析（Bernanke、Gertler和Gilchrist，1996）。具有代表性的貨幣政策傳導機制理論有：（1） 利率傳導機制，即通過貨幣供給的變化來影響價格預期，從而影響通脹預期，再影響實際利率水平，進而影響總投資，最終導致經濟增長的變化。（2）匯率傳導機制，即改變貨幣供給量，導致利率發生變化，進而改變匯率從而影響凈出口。（3）資產價格傳導機制，貨幣供給量的變化將改變股本價格，從而托賓q值發生變化， 導致投資發生變化， 從而影響經濟增長。（4）財富效應傳導機制，貨幣供給量的變化通過影響股本價格從而影響到財富的變化，進而影響消費支出的變化，導致經濟增長等。

信貸渠道作為另一種主要的貨幣政策傳導機制，主要包括兩種形式：銀行貸款途徑和資產負債表途徑。 銀行信貸傳導渠道的傳導過程可以描述為：擴張性貨幣政策將增加銀行儲備和銀行存款， 增加銀行可供貸款的數量，進而實際貸款數量上升，從而使總需求和總產出增加。Kashyap、Stein和Wilcox（1993），Gertler 和Gilchrist（1994）指出銀行貸款途徑存在必須具備兩個前提條件： 一是在銀行資產負債表的資產方， 銀行貸款和證券之間不能完全相互替代；二是在企業資產負債表的負債方，銀行貸款和非銀行資金來源之間不能相互替代。 銀行信貸渠道是由典型的信用傳導理論來支撐的，在金融體系中，銀行因解決了信用市場中的不對稱信息問題， 從而扮演著特殊傳導功能。 由于在銀行貸款與其他可供資金資源之間不存在完全替代， 特定的借款人只有通過銀行才能得到所需資金。在實際經濟中，大企業可以不用銀行而直接通過股票和債券市場獲得信用，而小企業就不可能像大企業那樣，它們對銀行具有更強的依賴性，成為銀行依賴者。在這種傳導機制下， 貨幣政策對于小企業開支的擴張有更大的影響作用。貨幣政策能夠通過影響信貸供給（特別是商業銀行的貸款）來影響外在融資溢價。

資產負債表渠道，有時也叫凈資產渠道，在這種渠道之下， 貨幣政策通過影響借款人的授信能力達到放大貨幣政策影響力的作用。 其影響主要表現在兩個方面：（1）貨幣政策可以通過影響資產負債表而對經濟產生影響。 資產負債表途徑的傳導過程可以表述為貨幣供給量增加導致利率下降， 從而使得股票價格上升，使得現金流上升，從而導致資產狀況改善，進而使得銀行貸款量上升，導致經濟增長。資產負債表途徑存在的根本原因就在于貨幣政策的波動不僅影響了市場利率， 而且直接或間接地影響了借款者的財務狀況。 擴張性貨幣政策可以使股票價格上升，同時提高了公司的凈值并提高投資支出。（2）擴張性貨幣政策會通過降低名義利率的效應， 來提高凈現金流，從而提高公司資產負債表的質量，減少逆向選擇和道德風險問題。

基于貨幣政策傳導過程中的利率和匯率機制，Eika和Nymoen（1996）、Ericsson和Jansen（1998）利用加權平均的短期利率和匯率構建了貨幣狀況指數（Monetary Condition Index，MCI），隨后被加拿大和新西蘭中央銀行作為一個操作目標加以管理和利用。隨著經濟的發展，居民資產構成中除外匯資產和貨幣資產外，越來越多地包括了股票和房地產等其他資產，Goodhart和Hofmann（2001）對MCI指數進行了擴展，構建了包含短期利率、匯率、房地產價格和股票價格的金融狀況指數FCI， 并利用這一指數對OECD進行了實證檢驗， 發現它能夠預測CPI指數并能很好地預判貨幣政策走勢。

（三）目前國際上普遍使用的FCI

由于世界各國國情不同、貨幣政策目標不同，各國學者根據不同的經濟狀況構建了包含不同金融變量的FCI， 目前世界各國使用的金融狀況指數主要有7個。

1． Bloomberg FCI。由Rosenberg（2009）開發的Bloomberg FCI包括貨幣市場指標、債券市場指標和股票市場指標共10個子指標， 每個市場所占權重都為1/3。

2． Citi FCI。 由CD Antonio（2008）構建的Citi FCI包含6個金融變量， 分別是貨幣供給量、 股票價值、商業票據抵押率（本文用銀行間政策性銀行浮動利率債點差即期代替）、按美元貿易加權值（即匯率）、能源價格（本文用企業商品價格指數代替）和利率期限結構曲線斜率（即長短期利差）。各個金融變量的權重由模擬宏觀模型FRB/US得到。

3． Deutsche央行FCI。德國中央銀行使用主成分法構建了FCI（Hooper，Mayer，Slok2007，Hooper，Slok，Dobridge2010），使用了標準化的7個金融變量，分別是匯率、聯儲利率、債券價值、股票價格、房地產價值、利率期限結構曲線斜率和凸度指標。各變量權重由各變量對GDP回歸得到。

4． Goldman Sachs FCI。該FCI使用了短期債券收益率、長期債券收益率、匯率、股票價值4個金融變量，權重由FRB/US模型模擬得到。

5． Federal Reserve Bank of Kansas City FCI。該FCI使用了11個標準化金融變量，分別是3個月Libor展期、2年債券掉期、10年Libor展期、10年債券展期（Aaa、Baa、Bbb）、股價、股價方差、債券方差、股價收益率和消費者5年債券展期。金融變量權重由主成分法估計得到。該FCI于2009年早期開始使用。

6． Macreeconomic Adviser Monetary FCI。于2009年早期開始使用，它包含5個標準化金融變量，分別是短期利率、長期利率、債券收益率、實際匯率和實際股票價值。各變量權重由估計的VAR 脈沖反應方程的系數得到。

7． OECD FCI。2008年開始使用的OECD FCI包含6個金融變量，分別是3個月名義利率、實際短期利率、貸款額、股票價值、債券展期和公司債券展期。各變量權重由主成分法估計得到。

（四）中國金融狀況指數的研究成果與不足

美國高盛會定期公布其編制的中國FCI數值，以反映中國金融形勢松緊程度，但在其編制的指數中，僅包含實際有效匯率指數、 實際貸款利率和凈貨幣供給增長3個變量（各占比25%、46%和29%），未體現資產價格的影響。王玉寶（2005）基于VAR模型的脈沖響應函數， 選擇傳統的Cholesky因素分解的方法來識別沖擊，估計出中國的FCI，結論認為FCI可以作為貨幣政策的輔助參照指標。 但這種方法對變量排序的依賴性過強， 實際上在FCI中包含了數種金融變量， 一旦出現經濟沖擊， 這些變量會立即做出反應、產生影響，很難清晰分辨出準確的排序。封北麟、王貴民（2006）同樣采用了上述VAR脈沖響應函數和Cholesky因素分解方法估計了中國的金融狀況指數， 結果表明FCI指數對通貨膨脹率具有良好的預測力，并在此基礎上將FCI指數作為目標和信息變量納入泰勒規則，運用GMM方法估計了中國的貨幣政策反應函數。陸軍、梁靜瑜（2007）采用總需求方程縮減式模型，根據實際情況構建了中國的FCI，并對其波動的原因進行了解釋， 認為FCI對GDP和CPI有較強的預測能力， 可以作為我國貨幣政策的一個重要的參考指標，但文中也指出，縮減式模型存在著無法解決變量間內生性問題的缺陷，有待進一步探討。以上研究皆使用國內季度數據。

對中國金融狀況指數構建的研究文獻很少，且或多或少都存在因選用季度數據而樣本量較少、存在模型的依賴性、 忽略變量的內生性以及變量排序主觀給定等問題。因此，對于中國自身金融狀況指數的構建研究還需要更為科學嚴謹的研究方法， 更加客觀地探索我國資產價格在未來通脹和經濟增長預測中所發揮的重要作用。

三、實證分析

（一）單個金融指標的預測能力檢驗

本文首先使用5個單個金融指標，構建金融狀況指數，檢驗它們對宏觀經濟指標的預測能力。

本文使用的金融變量是我國長短期利差（我國銀行間固定利率國債收益率20年與5年期利差）、M2、上海最高股價指數、銀行間7天同業拆借利率、銀行間市場債券回購3個月利率與銀行間3個月同業拆借利率差，數據來源于中國人民銀行網站。根據數據可得性，選擇的宏觀變量是通貨膨脹率（本文選用企業商品價格指數變化作為衡量價格水平變化即通貨膨脹率指標）。計算公式：通貨膨脹率=（季度CPI－1）×100%。（數據來源：國家統計局網站）。

先對這5個變量做平穩性檢驗，其中M2和上海最高股價指數取自然對數。估計方程：

結果顯示，使用我國長短期利差、M2、上海最高股價指數、銀行間7天同業拆借利率、銀行間市場債券回購3個月利率與銀行間3個月同業拆借利率差比AR模型預測通貨膨脹率效果好，可以考慮使用金融變量構建FCI來預測今后的宏觀變量走勢，尤其可以預測未來通貨膨脹走勢。

（二）國際上使用的FCI預測能力檢驗

運用國際上使用的7個金融狀況指數檢驗其對我國宏觀變量的預測能力。重復（一）步驟的實證操作，得到R2、F統計量和Quandt likelihood ratio F統計量及2期樣本外預測的RMSE。計算結果如下：

結果顯示，7個金融狀況指數FCI中Bloomberg FCI預測通貨膨脹能力最好。

（三）我國40個變量的FCI構建

以上的金融狀況指數都存在時間跨度不一致及涵蓋的指標太少的缺點，基于此，本文構建了一個包含40個金融變量的金融狀況指數， 依據貨幣政策傳導渠道選擇的40個變量分別是：企業商品價格指數、企業存款、信托存款、金融債券、短期貸款、中長期貸款、信托貸款、非金融機構存款、債券、M0、M1、M2、匯率（一美元折合人民幣，期末數）、上證最高股價指數、成交金額（億元）、成交量（百萬股）、銀行間同業拆借7天利率、 銀行間同業拆借30天利率、銀行間同業拆借60天利率、銀行間同業拆借90天利率、銀行間同業拆借120天利率、銀行間市場債券回購7天利率、銀行間市場債券回購14天利率、銀行間市場債券回購1個月利率、 銀行間市場債券回購3個月利率、銀行間市場債券回購6個月利率、銀行間市場債券回購9個月利率、 銀行間市場債券回購1年利率、銀行間市場債券回購長短期利差、銀行間同業拆借市場利差、 銀行間固定利率企業債AAA到期利率、銀行間固定利率企業債AAA5年利率、銀行間固定利率企業債AAA15年利率、 銀行間固定利率企業債AAA20年利率、 銀行間固定利率企業債BBB到期利率、銀行間固定利率企業債BBB5年利率、銀行間固定利率企業債BBB15年利率、 銀行間固定利率企業債BBB20年利率、 銀行間固定利率企業債利率期限結構曲線斜率與凸度。

構建的FCI具有三個特點：（1） 選擇的金融指標除了利率和資產價格， 還包括了一系列資產負債表中體現貸款的指標；（2）由于各個金融指標時間跨度不一致， 本文提供了非一致面板估計及檢驗技術；（3）將金融指標分類，考察不同貨幣政策傳導渠道所體現出來的對宏觀經濟情況的預測能力。

由于40個金融變量及宏觀變量的時間跨度不一致，本文使用Bernanke（1990）檢驗不同利率展期對經濟活動和通貨膨脹的邊際預測能力的方法， 估計方程為：

xit=Ai（L）yt+vit

yt代表宏觀數據，xit代表第i個金融變量，Ft（k×1）代表待估計的主成分。

將前面國際上使用的7個金融狀況指數模型與本文構建的金融狀況指數模型預測值與通貨膨脹率原始值表示為圖1。

預測結果顯示， 本文構建的40個金融變量模型預測效果良好， 可以考慮根據這40個金融變量構造我國金融狀況指數FCI。

（四）利用因子分析與主成分分析構建我國的FCI

FCI常見的構建形式為：

FCIt=w1（rt-r0）+w2（reert-reer0）+w3（at-a0）

其中r代表利率，reer代表匯率指數（取對數處理），a代表實際資產價格（取對數處理）。w1，w2，w3代表權重，由實證估計得到。

關于FCI的權重， 文獻中主要通過分析資產價格在貨幣政策傳導機制中的作用來確定。方法上具體可分為：

1. 大型宏觀經濟計量模型。 該方法一般用于計算各經濟變量間關系， 因此估計出來的FCI變量的權重較其他方法更準確， 如高盛和Mac-roeconomic Advisers就使用該方法計算美國的FCI。 有些機構的權重是參考大型總體經濟模型的仿真結果，如GSFCI中的權重系綜合美國聯邦準備理事會的FRB/US總體計量模型估計數以及其自身的實證結果而得；法國銀行利用IMF與OECD的總體模型來編算7大工業國的FCI（Gauthier，Graham和Liu，2004）。至于Macroeconomic Advisers（1998）則是利用華盛頓大學的總體模型（WUMM）來進行FCI權重的估算。 但目前各國與各機構使用的大型宏觀模型中， 股票與其他資產價格顯得不重要， 這是由于目前關于資產價格通過何種渠道影響總需求還眾說紛紜， 有待深入研究。此外，大量數據的獲取和處理較為困難，實際操作上存在障礙。

2. 總需求方程縮減式模型。 該模型包括了反映產出缺口與利率、 匯率及其他資產價格關系的IS曲線以及反映通脹與產出缺口關系的菲利普斯曲線， 根據各變量在該方程中的系數大小及顯著程度決定其在FCI中的權重。 但使用該模型需滿足一個假設：所有解釋變量（即FCI所包含的變量）均為外生，亦即彼此并不互相影響，且被解釋變量（總需求）也不會影響這些解釋變量， 否則會引起估計誤差。Surach Tanboon（2004）、Goodhart和Hofmann（2001），以及Gauthier、Graham和Liu（2004）等，則利用VAR模型的沖擊-反應函數進行FCI權重的估計。 例如Goodhart與Hofmann（2001）將VAR模型的脈沖響應方法用于縮減式， 該縮減模型除了包含所有四個變量外還包含了油價作為外生變量， 然后計算各資產價格變量的一單位沖擊對通貨膨脹的影響， 文中用標準Cholesky分解來確定變量間的相互影響關系。

3. 因子分析法。 此方法通過因子分析來推導金融變量的線性加權組合。 該方法通過研究短期利率、實際有效匯率、房地產價格指數、股票價格和貨幣供給量等金融變量之間的內在依存關系， 探求觀測數據的基本結構； 用幾個因子來反映這些金融變量所代表的主要信息， 來解釋這些變量之間的相互依存關系。此外，利用因子分析方法可以消除變量不規則變化所形成的“噪聲”。這種方法的優點在于它不依賴于任何模型。 許多研究中曾將因子分析法應用于有大量解釋變量的預測模型中。

4. 主成分分析。如Deutsche Bank（2007）在編制G3國家的FCI時，先對若干個金融變量做主成分分析，求出其主成分，然后對GDP增長率做簡單回歸，以得出主成分等變量的權重值。 而English、Tsatsaronis和Zoli（2005）也曾采用同樣的主成分分析法。

本文采用因子分析與主成分分析方法對40個金融變量的權重進行計算，結果見表5。

結果顯示，反映利率傳導渠道、匯率傳導渠道及財富傳導效應的指標得分最高， 而反映資產負債表渠道及信貸渠道的指標得分非常低， 說明我國貨幣政策資產負債表傳導渠道及信貸傳導渠道不通暢。

進行主成分分析，結果見表6。

共提取了8個公因子，達到累計方差的85%，分別代表利率指標、 利率期限結構曲線指標、 匯率指標、貸款指標、資產負債表資產指標、資產負債表負債指標、貨幣供應量指標和資產價格指標。

四、結論及政策建議

1． 本文構建的FCI具備三個特點：（1） 選擇的金融指標除了利率和資產價格， 還包括了一系列資產負債表里體現貸款的指標；（2）由于各個金融指標時間跨度不一致， 本文提供了非一致面板估計及檢驗技術；（3） 將金融指標分類， 考察不同貨幣政策傳導渠道所體現出來的對宏觀經濟指標的預測能力。實證結果發現，本文構建的40個金融變量的FCI模型預測能力更好，可以根據此金融狀況指數FCI對未來通貨膨脹走勢及通貨膨脹壓力進行預測。

2． 考慮資產價格傳導渠道構造的FCI涵蓋信息最全，預測能力最好，我國貨幣當局應加強貨幣傳導渠道暢通，以使金融狀況指數FCI發揮信息指示器的作用。

3． 通過構建我國的金融狀況指數， 發現貨幣政策資產負債表傳導渠道及信貸傳導渠道不通暢，居民和公司的資產負債表項目不健康， 對于金融風險抵抗力較弱。貨幣政策通過調節利率、匯率及貨幣供應量來調整宏觀變量的效果較好。

參考文獻：

［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］王玉寶. 金融形勢指數（FCI）的中國實證［J］. 上海金融，2005（8）29-32.

［8］陸軍，梁靜瑜. 中國金融指數的構建［J］. 世界經濟，2007（4）:13-24.

［9］封北麟，王貴民.貨幣政策與金融形勢指數FCI：基于VAR 的實證分析［J］. 數量經濟技術經濟研究，2006（11）.

（責任編輯：龍會芳；校對：郄彥平）