金融壓力指數與工業一致合成指數的動態關聯研究

陳守東 王 妍

(1.吉林大學數量經濟研究中心，吉林 長春 130012;2.吉林大學商學院，吉林 長春 130012)

一、引 言

20世紀90年代以來，各種形式的金融危機在世界各國頻繁發生。特別是2008年10月，以美國次貸危機為根源的國際金融危機爆發，全面深刻地影響了世界各國的經濟，因此，金融系統運行與宏觀經濟之間的關聯性問題受到廣泛的關注。金融系統具有內在的順周期性［1］，存貸款差、資產價格、銀行內部風險評級和貸款損失準備等金融變量與實體經濟相互作用，形成一個正反饋環，放大經濟波動。一旦金融出現失衡，在正反饋機制的作用下，其對實體經濟產生的負面影響將是十分顯著的，維持金融系統健康穩定運行至關重要。

在金融系統運行過程中，金融風險是與金融運行相伴而生的，金融危機是金融運行最為失敗的結果與金融風險暴露最為劇烈的表現。目前對于金融風險的研究更多的關注是金融系統的壓力。最早提出金融壓力概念的是Illing和Liu［2］，將其定義為金融市場和金融機構的預期損失變化或不確定性施加在經濟主體上的壓力。金融系統在脆弱性狀態下容易受到外部沖擊影響而產生壓力，①從金融風險的視角出發，金融脆弱性是指金融體系趨于高風險的狀態，泛指一切融資領域中的風險積聚。壓力不斷積聚擴大就可能會出現金融危機。也就是說，金融壓力是金融系統的脆弱性結構和外部沖擊共同作用的結果，金融危機是金融壓力的極端狀態 (如圖1所示)。金融壓力通?？梢杂眠B續的壓力狀態值來刻畫，而不用僅局限于描述金融危機的二值變量，并且對是否發生過危機的國家都具有適用性。

圖1 金融壓力形成圖

Balakrishnan等［3］構建了新興國家的金融壓力指數，并研究了金融壓力在發達與新興國家間傳播機制。金融壓力對宏觀經濟影響方面的研究主要有:Cardarelli等［4］通過構建金融壓力指數識別金融壓力期，在此基礎上研究金融壓力對實體經濟的影響，指出與銀行困境相關的金融高壓力期更容易帶來經濟的下滑;Hakkio和Keeton［5］構建了一個反映金融壓力狀態的堪薩斯城市金融壓力指數，給出了金融壓力上升導致經濟下滑的渠道，并通過分析金融壓力指數與代表經濟活動的芝加哥聯邦國家活動指數之間的關系，研究金融壓力對宏觀經濟的影響效果，指出金融壓力通過增加不確定性、提高融資成本和緊縮信貸標準等方式，使企業、居民和金融機構更加謹慎，進而導致了經濟的下滑。陳守東和楊東亮［6］利用銀行體系內部變量構建中國2001—2009年銀行體系脆弱性月度指數，檢驗工業增加值增長率、居民消費價格指數與中國銀行體系脆弱性指數間的線性和非線性Granger因果關系，建立馬爾可夫區制轉移向量自回歸模型 (MS－VAR)，實證分析宏觀經濟狀況和宏觀調控政策對銀行體系脆弱性的非線性影響。賴娟和呂江林［7］進行了基于金融壓力指數的金融系統性風險的測度研究，合成了中國金融系統性風險的金融壓力指數，在此基礎上分析了中國金融系統的風險狀況。

本文在借鑒以往學者關于金融風險、金融脆弱性及金融危機研究的基礎上，選取中國銀行部門、證券市場和外匯市場的壓力變量，合成一個代表中國金融風險狀態的月度金融壓力指數，以分析中國金融系統的壓力狀態，通過馬爾可夫區制轉移模型區分出高低兩種不同的壓力區制;①不同于傳統劃分高壓力期的方法如標準差、百分比和歷史壓力期等，該方法考慮壓力指數自身的動態演變過程，更具客觀性。通過研究金融壓力指數與工業一致合成指數間的動態關系，分析金融系統在宏觀經濟運行中的重要作用，并對2011年中國金融壓力的變化趨勢進行短期預測。

二、中國金融壓力指數與工業一致合成指數構建

(一)金融壓力指標選取

本文通過選取銀行業的泰德價差、負的期限利差、銀行業風險利差、股票市場負的收益、股票市場的波動以及外匯市場的波動6個具有代表性的變量構建中國金融壓力指數。泰德價差一般是指銀行間同業拆借率與國庫券收益率差，它度量了銀行同業間的交易對手風險。泰德價差越大表示銀行對同業間要求的風險溢價越大，銀行間的金融壓力也就越大。本文用銀行間同業拆借加權平均利率與無風險利率之差來近似計算泰德價差。期限利差指政府發行的長期和短期債券的收益率差，也即收益率曲線的斜率，由于銀行通常是將短期的存款轉變成長期的貸款，因此這個期限利差越大銀行越容易獲利。相反，負的期限利差衡量了銀行收益受危害的程度，這個值越大銀行的壓力也就越大。負的期限利差用1年期銀行間固定利率國債收益率減去10年期銀行間固定利率國債收益率計算。銀行業風險利差指金融債券的收益率相對于政府發行債券收益率的溢價，它衡量了銀行業風險的大小。②國外往往應用行部門滾動系數來度量銀行業的相對風險，但是鑒于中實際情以及數據的可得性，我們采用銀行的風險利差來近似度量銀行部門的相對市場風險。銀行業風險利差用金融債總指數 (1—3年期)到期收益率減去國債總指數 (1—3年期)到期收益率度量。股票市場負的收益用股票價格指數的下跌描述，股票市場的下跌可能意味著巨大的預期損失、高風險或公司未來收益的不確定性增加，度量了股票市場的風險，本文用上證綜指月度收益的負值代表。股票市場的波動能夠反映壓力狀態下對資產價值以及對其他投資者行為的不確定性，股票價格波動用上證綜指月度收益采用GARCH(1，1)模型［8］計算的時變方差代表。①本文在比較了GARCH波動率方法和CMAX［9］波動率方法后，選擇前者來計算股票和匯率市場波動率。因為GARCH波動率方法不僅考慮了原價格序的隨機生成過程，且時變方差能及時地反映出票市場波動變化，而CMAX方法刻畫的波動相對簡單，且有一個固定的上限1，筆者認為在某種情形下其不能及時有效度量市場壓力。外匯市場波動變量用名義有效匯率指數月度變化采用GARCH(1，1)模型計算的時變方差代表。

本文數據的樣本區間為2002年1月到2010年12月。鑒于數據的可得性，本文計算壓力指數的部分變量采用了代理變量，但仍能反映出各個市場的風險狀況。

(二)金融壓力指數構建

對金融壓力指標變量泰德價差 (x1)、負的期限利差 (x2)、銀行業風險利差 (x3)、負的股票收益 (x4)、股票價格波動 (x5)和外匯市場波動 (x6)進行標準化處理后，等權重加權平均作為本文的金融壓力指數式 (1)。同時，也可以得到銀行部門、股票市場和外匯市場的金融壓力子指數。

其中，xit為第i個指標變量在t期的值，μi為第i個指標變量的樣本均值，σi為標準差。

由金融壓力指數圖2可見，中國金融系統壓力狀態在不同年份的區別較大，具有明顯的高低兩區制特征。自2002年以來，中國金融壓力變動經歷了從較低水平到沖高和回落3個階段。2002—2007年金融壓力變化趨勢表現出壓力較小和波動較小，2003年6月至2006年6月，金融壓力處于相對較低水平。從政策層面看，這期間的貨幣政策操作以市場化結構微調和窗口指導為主，如下調超額準備金存款利率，調整商業銀行自營性個人住房貸款政策。2005年7月啟動了匯率市場化改革，施行有管理的浮動匯率制度，化解匯率風險。盡管此階段信貸投放增速仍在兩位數上，但金融體系表現出來的壓力性繼續改善，耦合效應顯現。特別在2004年下半年和2007年金融壓力值較低。受金融危機的影響，2008年的金融壓力值明顯高于往年，金融壓力指數經過大幅快速上升，在2008年9月形成了較高的峰值。這期間貨幣政策取向經歷了“從緊”到“適度靈活”再到“適度寬松”的轉變，支持國內建設的信貸政策寬松，潛在的金融壓力加大，中國銀行體系的信貸風險和流動性風險比較高。面對較高的金融壓力，央行及時出臺了一系列措施控制信貸風險，并制定了流動性風險監管指標，控制銀行體系流動性風險，實施緊縮的貨幣政策。從2008年10月開始到2010年初，金融壓力指數開始出現快速回落，2010年2月以后壓力指數保持在較高的水平上出現一定幅度的波動。

通過觀察銀行、股票和外匯壓力指數圖3可見，相對于其它兩個指數，股票市場壓力指數具有一定的先行性，這體現了股票市場的晴雨表作用。金融系統2008年的高壓力值主要歸因于股票市場和銀行部門。而受人民幣升值的影響，外匯市場波動加劇，壓力值從2008年下半年才開始大幅上升，并且直到2009年上半年都處于較高壓力狀態。圖4是金融壓力子指數季節調整后TC序列，也具有類似的特征。

圖2 金融壓力指數

圖3 金融壓力子指數原序列

圖4 金融壓力子指數季節調整后TC序列

(三)工業一致合成指數構建

圖5 工業一致合成指數

工業一致合成指數CI以工業企業增加值增速為基準指標，通過時差相關分析和K－L信息量等景氣分析方法篩選出經濟周期波動的一致性指標變量組，其中包括工業企業增加值增速、發電量產量、固定資產投資完成額、貨幣供給 (M1)、進口額和工業企業產品銷售收入6個指標。①各指標均為同期比增長率序列，經季節調整消除不規則因素。用這6個一致指標變量計算出一個代表宏觀經濟運行狀況的一致合成指數CI，如圖5所示。受全球金融危機的沖擊，一致合成指數經過大幅快速下降后，在2008年末形成了較深的谷底，經濟趨冷。政府采取的保增長措施及時阻止了經濟的繼續下滑，工業一致合成指數2009年初開始回升，在政府及時采取的經濟刺激政策推動下，合成指數出現快速大幅回升，到2010年1月為止連續回升近12個月，顯示經濟運行在快速回暖后出現過熱。隨著貸款余額結束長達1年的過熱增長和固定資產投資增速回到正常區間，2月以后一致合成指數出現止升回落趨勢。

三、金融壓力與經濟增長關聯特征分析

(一)金融壓力指數區制分析

為了反映金融壓力指數變化的區制特征，通過金融壓力自相關、偏自相關函數確定選擇AR(3)模型，并通過兩狀態馬爾可夫均值轉移的三階自回歸模型(MSM(2)－AR(3))來刻畫2002年1月至2010年12月的金融壓力指數的動態演變過程。即:

這里φ(L)=(1－φ1L－...－φ3L3)=0的根在單位圓外，yt是本文的金融壓力指數。

在Givewin平臺上利用Hamilton［10］的精確極大似然估計，得到模型的參數估計結果:

表1 MSM(2)－AR(3)模型參數估計表

表2 區制轉移概率矩陣與各區制統計分析表

由參數估計結果可見，高低區制的金融壓力指數均值分別為0.35和－0.12，平均持續期為3.49個月和7.12個月。

圖6、圖7和圖8、圖9描述了高低壓力期的濾波概率(Pr(St=0|t)，Pr(St=1|t))和高低壓力期的平滑概率(Pr(St=0|)t，Pr(St=1|T))，這里t=(y1，…，yt)T。

圖6 高壓力期濾波概率

圖7 低壓力期濾波概率

圖8 高壓力期平滑概率

圖9 低壓力期平滑概率

由濾波和平滑概率圖可見，兩區制較好地刻畫了金融壓力的區制變化特征。

圖10給出了金融壓力區制圖，其陰影部分為通過兩狀態馬爾可夫均值轉移三階自回歸模型(MSM(2)－AR(3))得到的金融壓力指數的高壓力區間，高壓力區制主要分布在2003年下半年、2006—2007年初以及2007年第三季度至2008年末。

2007年10月以來，中國金融壓力快速攀升，處于高壓力區制，持續時間較長，金融壓力受國內外經濟與金融形勢的不利變化影響顯著。2009年金融壓力見頂回落至低壓力區，根據對金融壓力與貨幣政策的相關分析以及前期的調控經驗來看，外部政策及相應經濟環境的改變對金融壓力的影響具有時滯性，金融壓力將在低壓力區持續運行一段時期。

(二)金融壓力指數與工業一致合成指數關聯分析

兩狀態馬爾可夫均值轉移三階自回歸模型(MSM(2)－AR(3))刻畫了中國金融壓力指數的動態演變過程，并區分出了金融系統的高壓力期與低壓力期。下面我們分析金融壓力與宏觀經濟間的關系。用金融壓力指數代表金融系統壓力狀態，用工業一致合成指數CI反映中國宏觀經濟運行狀況。為了與一致合成指數保持一致，我們同樣使用金融壓力指數季節調整后的序列進行分析，為方便分析我們將金融壓力指數與工業一致合成指數繪于圖11中。

圖10 金融壓力區制圖

圖11 金融壓力指數與工業一致合成指數

由圖11可見，金融壓力指數與一致合成指數之間具有較明顯的負相關關系，并且金融壓力指數有一定的超前性。兩指數的交叉相關分析結果如表3所示。結果表明，兩指數的同期相關系數為－0.51，金融壓力指數在超前一致指數3期時負相關系數最大達到－0.59。為了分析近期金融壓力與經濟間的關系，取2005年8月至2010年12月的兩個指數做交叉相關分析，結果顯示金融壓力超前一致指數4期時負相關系數最大達到－0.65。

表3 金融壓力指數與一致合成指數交叉相關關系

(三)線性Granger因果關系檢驗

對金融壓力指數與一致合成指數進行單位根檢驗，結果 (如表4所示)表明，在5%的顯著性水平下，兩者均拒絕了存在單位根的原假設，即兩個序列均是平穩的。

線性Granger因果關系檢驗結果由表5給出。

表4 金融壓力指數與一致合成指數單位根檢驗

表5 金融壓力指數與一致合成指數線性Granger因果關系檢驗

線性Granger因果關系檢驗結果表明，在樣本期內，金融壓力指數對一致合成指數具有顯著的線性Granger影響，但是一致合成指數對金融壓力指數沒有顯著的線性Granger影響。

(四)非線性Granger因果關系檢驗

Baek和Brock［11］提出利用相關積分原理估計跨時間的空間相關概率，分析時間序列間非線性Granger因果關系的非參數方法。對于兩個嚴平穩弱相關的時間序列 {xt}和 {yt}，式 (6)成立，則稱序列 {yt}不是序列 {xt}的嚴非線性Granger原因。

非線性Granger因果關系的檢驗方法則是利用聯合概率比形式表達條件概率，即將式 (6)等價地表示為:

對于式 (7)可采用聯合概率相關積分估計量檢驗，令I(Z1，Z2，e)表示一個僅當兩個向量Z1和Z2都在極大范數距離e內取1，否則取0的指示變量，此時可得到非線性Granger因果關系檢驗的統計量及其漸近分布:

根據式 (8)即可檢驗兩個時間序列的非線性Granger因果關系。

對本文構建的金融壓力指數以及工業一致合成指數進行非線性Granger因果關系檢驗，其結果(如表6所示)顯示，金融壓力指數對于工業一致合成指數具有顯著的非線性Granger因果影響，而工業一致合成指數對金融壓力指數不具有顯著的非線性因果影響。

表6 金融壓力指數與一致合成指數

(五)2011年金融壓力與工業一致合成指數預測

用ARMA模型對金融壓力指數和工業一致合成指數進行預測，預測結果 (如圖12和圖13所示)表明，中國金融系統壓力在2011年整體上呈現下降趨勢。同樣對工業一致合成指數的預測表明，2011年各季度末的指數預測值分別為102.34、102.13、103.10和104.50，經過近一年相對緊縮的貨幣政策和積極的擴大內需環境政策的變化，工業經濟景氣下半年將呈現回暖趨勢。

圖12 金融壓力指數預測

圖13 工業一致合成指數預測

四、結論及建議

本文分析了金融壓力的生成機理，構建了中國金融體系壓力指數，進行了金融壓力指數與工業一致合成指數的動態關聯分析，并預測了2011年金融壓力趨勢，研究得到的主要結論及建議如下:

第一，在金融系統運行過程中，金融風險是與金融運行相伴而生的，金融壓力是金融系統的脆弱性結構和外部沖擊共同作用的結果，金融危機是金融壓力的極端狀態。如果系統中的風險被有效控制，那么系統的風險將逐漸減弱，其壓力性將伴隨著金融運行依然保持著穩健的波動變化。

第二，選取銀行業的泰德價差、負的期限利差、銀行業風險利差、股票市場負的收益、股票市場的波動以及外匯市場的波動6個具有代表性的變量構建中國金融壓力指數。中國金融壓力在2002—2007年變化趨勢表現出壓力和波動較小;受金融危機的影響，2008年的金融壓力值明顯高于往年，在2008年9月形成了較高的峰值;受宏觀調控的影響，從2008年10月開始到2010年初，金融壓力指數開始出現快速回落，2010年2月以后壓力指數保持在較高的水平上出現一定幅度的波動。

第三，MSM(2)－AR(3)模型刻畫了中國金融壓力指數的動態演變過程，并區分出了金融系統的高壓力期與低壓力期。高低區制的金融壓力指數均值分別為0.35和－0.12，平均持續期為3.49個月和7.12個月。中國金融系統高低壓力狀態特征非常明顯，雖然高壓力區制的持續時間短于低壓力區制，但是仍有3.49個月的持續期。因此，政府部門應該在金融系統處于高壓力期時，采取有效措施控制金融壓力，避免金融風險集聚到一定程度而發生金融危機。

第四，Granger線性與非線性因果關系檢驗表明，金融壓力指數對工業一致合成指數有顯著的線性和非線性Granger影響，反之卻不成立，說明中國金融系統壓力狀態對宏觀經濟的影響較為顯著，并且金融壓力狀態可以在一定程度上預測宏觀經濟的趨勢。因此，應該加強對金融壓力的預測與研究，控制金融壓力水平以準確把握宏觀經濟的走勢，避免金融壓力過高對宏觀經濟產生負面影響。

第五，本文預測表明，中國金融系統壓力在2011年整體上呈現下降趨勢，工業一致合成指數2011年下半年將呈現回暖趨勢，說明目前緊縮的貨幣政策已經顯示出了一定作用，金融壓力已經下降并且宏觀經濟有所回升。但是，目前金融壓力仍處于高壓力狀態，所以政府應考慮繼續應用適當的貨幣政策，進一步降低金融壓力風險水平，維持金融系統宏觀經濟的健康穩定運行。

［1］Borio，C.，Furfine，C.，Lowe，P.Procyclicality of The Financial System and Financial Stability:Issues and Policy Options［R］.BIS Papers，No.1，2001.1－57.

［2］Illing，M.，Liu，Y.An Index of Financial Stress for Canada［R］.Bank of Canada Working Paper，No.2003－14，June.

［3］Balakrishnan，R.，Danninger，S.，Elekdag，S.，Tytell，L.The Transmission of Financial Stress from Advanced to Emerging Economies［R］.IMF Working Paper，wp/09/133，2009.

［4］Cardarelli，R.，Selim，E.，Subir，L.Financial Stress，Downturns，and Recoveries，Forthcoming［R］.IMF Working Paper，2009.

［5］Hakkio，S.，Keeton，R.Financial Stress:What Is It，How Can It Be Measured，and Why Does It Matte ［Z］.www.KansasCityFed.org，2009.

［6］陳守東，楊東亮.中國銀行體系脆弱性的動態分析與預測［J］.吉林大學社會科學學報，2010，(4).

［7］賴娟，呂江林.基于金融壓力指數的金融系統性風險的測度［J］.統計與決策，2010，(19).

［8］Bollerslev，T.，Chou，R.，Kroner，K.ARCH Modeling in Finance:A Selective Review of Theory and Empirical Evidence［J］.Journal of Economics，1992，(52):5－59.

［9］Patel，S.，Sarkar，A.Crises in Developed and Emerging Stock Markets［J］.Financial Analysts Journal，1998 ，(November/December):50－61.

［10］Hamilton，J.D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle［J］.E-conomics，1989，(57):357－384.

［11］Baek，E.G.，Brock，W.A Nonparametric Test for Independence of A Multivariate Time Series［J］.Statistic，1992，(2):137－156.