社會融資規模對中國宏觀經濟影響的測度

摘 要：本文采用多變量、大規模數據的FAVAR模型研究社會融資規模對中國宏觀經濟系統的沖擊，各主要宏觀經濟指標都對社會融資規模的沖擊表現出不同程度的反應；社會融資規模作為貨幣政策中間目標還不成熟，須進一步完善其統計口徑，同時注重其各部分對實體經濟的影響，更好地服務于發揮調節宏觀經濟穩定運行的作用。

關鍵詞：社會融資規模；宏觀經濟；FAVAR模型

中圖分類號：F832 文獻標識碼：A 文章編號：1003-9031（2014）02-0017-04 DOI：10.3969/j.issn.1003-9031.2014.02.04

一、引言

近年來，我國金融市場不斷發展，金融結構改革不斷深化，金融工具不斷創新，商業銀行表外業務對貸款的替代效應明顯增強，證券、保險類機構對實體經濟融資支持力度加大，部分信用發生在銀行體系以外，資產負債期限的轉化同時發生在“影子銀行”等其他形式中，大量會對系統性風險產生重要影響的金融機構和衍生金融產品沒能納入宏觀審慎管理的范圍之內。基于當前金融市場的復雜狀況，中國人民銀行從2012年開始對外發布社會融資規模數據，從更加寬泛的口徑上及時衡量經濟系統中的資金規模。

隨著“社會融資規模”指標的出臺，國內學者對其能否作為貨幣政策的中間目標進行著廣泛地討論和研究。大多數研究都注重對其作為貨幣政策中間目標的可測性和可控性的探討，缺乏對其與宏觀經濟相關性的深入實證研究[1-5]。而貨幣政策對宏觀經濟的實證研究一般采用向量自回歸（VAR）模型，由于該模型目前最多僅能處理12個變量[6]。Bernanke（2005）提出的因素擴展型向量自回歸模型（Factor Augmented Vertor Auto Regressive Model，FAVAR）突破了傳統VAR模型在變量數量上的限制，從而能夠運用多變量、大規模數據研究政策變量對整個經濟系統的影響程度，更加全面真實地反應現實各經濟變量之間的動態關系。Shibamoto（2007）、Vargas-Silva（2008）、Kabundi和Gupta（2009）、Gupta（2010）等學者利用FAVAR模型分別研究了日本、美國、南非等國家的貨幣政策對該國房地產價格的影響，并且均認為FAVAR模型的實證研究結果優于VAR、BVAR、SVAR等模型[7-9]。本文采用FAVAR模型研究了社會融資規模與宏觀經濟的相關性，并據此提出相應的政策建議。

二、FAVAR模型介紹

假設Yt是（M×1）型可觀測變量矩陣，這些變量能夠產生符合經濟規律的特定影響，一般在運用VAR模型研究貨幣政策的文獻中，Yt通常指代可觀測的貨幣政策變量，比如利率或者貨幣供應量，在本文中我們采用社會融資規模這一指標。在現實經濟體中一些相關的其他經濟信息不能完全包括在Yt之中，我們把這些經濟變量記為Ft（K×1）型不可觀測矩陣，該模型的動態關系可以描述為：

FtYt=？椎（L）FtYt+vt （1）

其中，？椎（L）是一個d階滯后多項式，vt是均方誤差為零、協方差矩陣為Q的隨機誤差項。式（1）是一個標準的VAR模型，因Ft模糊變量且不可觀測的，式（1）不能通過OLS等技術直接估計。因此Bernanke等假定，經濟信息集合Xt與Ft和Yt相關，Xt可由Ft和Yt線性表出，他們之間的關系表示為：

Xt=？撰fFt+？撰yYt+？滋t（2）

其中，？撰f是（N×K）型因子載荷矩陣，？撰y是（N×M）型因子載荷矩陣；Xt是（N×1）型向量，N為變量個數， N>K+M；？滋t是隨機誤差項，其均值為零、協方差矩陣為R，？滋t可以弱相關；經濟信息集Xt分別由58個月度宏觀經濟變量和6個季度宏觀經濟變量組成。式（2）是一個正交因子模型，在對經濟信息集做因子分析后，取其主因子構成一個新的信息集合Ct，即由Xt的因子得分組成，由此可得如下回歸方程：

Ct=bfFt+byYt+et（3）

由式（3）可得到不可觀測矩陣Ft的估計值Ft=Ct-byYt，然后把Ft和可觀測變量Yt代入式（1）。Hwang（2009）證明在Ft的兩步主成分法、反復迭代法和吉布斯采樣法中，兩步主成分法更為有效，本文采用兩步主成分法估計不可觀測因子Ft。

三、數據以及公共因子提取

（一）數據說明

本文選取了58個月度宏觀經濟變量和6個季度宏觀經濟變量分別與社會融資規模的月度和季度數據建立了兩個FAVAR模型，數據期限從2002年1月至2012年12月。社會融資規模的2012年月度數據來源于中國人民銀行，其他年份的月度數據來源于證監會、保監會、發改委和中國經濟信息網，且將2012年的統計口徑進行整合，并按照央行發布的2002—2011年社會融資規模中各部分融資比重做了適當調整。其他宏觀數據來源于國研網數據庫和中國國家外匯管理局。

（二）數據處理

為了消除數據之間的量綱問題，本文對數據做了Z-SCORE標準化，即Z=（X-X）/？滓，分別對58個月度變量和6個季度變量做KMO 和 Bartlett 的檢驗（見表1和表2），相關系數矩陣和單位矩陣存在顯著差異適合進行因子分析。

同時，利用主成分法提取主因子，并計算各個變量的特征值、方差貢獻率和累計方差貢獻率，分析得出月度數據的前8個因子方差累計貢獻度達到88.62%，季度數據的前2個因子方差累計貢獻度達到了71.15%，對這10個因子根據他們的方差累計貢獻度進行分別命名（見表3）。

四、實證分析

將社會融資規模與繁榮因子、物價因子、工業因子、股票因子、投資因子、消費因子、景氣因子、出口因子等建立月度VAR模型，根據信息準則VAR模型的階數為3；同時，將社會融資規模與就業因子、宏觀因子建立季度VAR模型，根據信息準則VAR模型的階數為2。經平穩性檢驗，這兩個VAR模型的所有特征值均在單位根之內，故此VAR系統是穩定的。我們采用脈沖響應函數分析得出滯后期為3期、響應期數為30期的月度VAR模型脈沖響應圖和滯后期為2期、響應期數為18期的季度VAR模型脈沖響應圖。

繁榮因子FAC1綜合反映了國家經濟的繁榮程度，其對于來自社會融資規模的一個標準差的沖擊，在第1期有輕微的正向反應，之后轉為負面，在第6期出現小幅的震蕩波動，從13期以后開始衰減，但是在16期開始轉為正面影響并且出現上升趨勢（見圖1）。社會融資規模并不能在短期對整個宏觀經濟產生立竿見影的效果，但是會在大約一年后對活躍宏觀經濟市場產生正面并且是不斷擴大的影響。這從其他幾位學者的經驗研究也可得到佐證：Miyako（2003）的研究表明對未來的悲觀預期會導致貨幣政策在初期無法達到預期效果。趙振全，薛豐慧（2004）研究表明單純地擴大信貸規模并不能使得經濟增長，而要注重擴大國內信貸在整個信貸增長中的比重[10]。

物價因子FAC2綜合反映了經濟社會的價格水平，其對來自社會融資規模的一個標準差沖擊的反應在前11期均為負向，從12期開始轉為正向影響，從24期開始其影響逐漸下降并收斂在零附近（見圖2）。

工業因子FAC3反映了各產業的運行狀況，其對來自社會融資規模的沖擊在開始時對產業發展產生震蕩影響，在第12期開始轉為正面，從第26期開始穩定在小幅度的反向影響（見圖3）。社會融資規模對產業發展的影響基本也是在一年后才會體現出持續的正面效果。

股票因子FAC4反映資本市場交易狀況，其對來自社會融資規模的擴大能夠迅速有效的做出正面的反應，且這種正面向好反應持續期在一年左右，在第18期開始出現明顯的下降收斂趨勢（見圖4）。

投資因子FAC5反映社會固定資產投資狀況，其對來自社會融資規模的沖擊在前3期產生了一個較大的負面影響，后來開始上升回到正向變動并穩定收斂在零附近（見圖5）。

消費因子FAC6反映消費者心理預期，其對來自社會融資規模的擴大在開始會提升消費者的信心，但在第5期開始轉為負面（見圖6）。一些實證研究也表明了貨幣擴張存在消費抑制的作用，比如王君斌等（2011）的研究表明擴張性貨幣沖擊會造成消費溫和下降，并將其原因歸結為習慣性偏好、工資剛性和消費的順周期調整過程[11]。

景氣因子FAC7反映宏觀經濟預期，其對來自社會融資規模的沖擊出現小幅波動后，最終在第11期開始穩定在正面的影響（見圖7）。

出口因子FAC8反映我國進出口規模，其對來自社會融資規模的沖擊有一個大幅度的上升過程，在第9期開始下降轉為負面，并穩定收斂在小幅度負面影響上（見圖8）。

就業因子Q1反映了就業量、人均收入和人均消費，其對來自社會融資規模的沖擊會在第1季度造成就業、人均收入和消費的負面變動，在第2季度開始產生明顯的正面變動，從第5季度開始穩定在較為明顯的正面影響（見圖9）。

宏觀因子Q2反映了GDP和國際收支兩個指標，其對來社會融資規模沖擊從第1季度開始出現正面變動，從第3季度開始產生穩定的較顯著地正面影響（見圖10）。

五、結論與建議

社會融資規模與大規模宏觀經濟變量所建立的FAVAR模型顯示，社會融資規模對實體經濟的沖擊使實體經濟出現短期震蕩波動，在一年后基本穩定在積極正面的影響上，最終的影響程度都衰減至零附近，體現出貨幣對實體經濟的影響長期表現為中性。其中一個值得關注的問題是，對于實體經濟中的工業增加值和固定資產投資等在開始時會產生負面的影響，這樣的結果看起來與傳統的金融促進論不相符，但筆者認為FAVAR模型包含了經濟體系中較為全面的宏觀數據，能夠全面反映實體經濟與社會融資規模的相關性，實體經濟的負面波動一方面是由于理性預期作用造成的，在信息充分的條件下，實體投資者并不會對貨幣資金的擴張做出及時的產量調整，由于慣性的原因保持在一個較低的投資規模上。另一方面是由于中國經濟運行過程的特點所造成的，即貨幣當局為了熨平經濟周期波動所采用的逆周期貨幣政策操作[12]。

從上面的分析可以看出，實體經濟并不會對社會融資規模在總量上的簡單增長產生快速的反應，其在長期上的反應程度也不是非常明顯，并且社會融資規模對實體經濟的短期影響多為波動的，社會融資規模還不能達到貨幣政策中間目標的要求，需要在統計口徑及內部構成上作進一步的完善。

此外，還應當從社會融資規模中各部分分析造成實體經濟上行波動和下行波動的具體成因，據此來對金融結構的調整做出指向，從而達到靈活運用貨幣政策、有針對性地調節宏觀經濟運行的目的。林毅夫（2003）認為金融結構的演變主要取決于實體經濟對其的需求以及不同金融中介在企業融資中的比較優勢，金融結構規模必須和產業結構規模相匹配[13]。因此在把社會融資規模的總量與產業的總體規模進行匹配的同時，深入研究社會融資規模各成分與產業結構的關聯程度，并且適時地采取審慎的貨幣政策，調整社會融資規模的內部構成，更好地發揮金融結構改革對實體經濟體制改革的促進作用，使得金融市場能夠更好地為實體經濟服務。■

（責任編輯：李興發）

參考文獻：

[1]盛松成.社會融資規模與貨幣政策傳導[J].金融研究，2012（10）：1-14.

[2]尹繼志.社會融資總量與金融宏觀調控新目標[J].上海金融，2011（9）：36-41.

[3]余永定.社會融資總量與貨幣政策的中間目標[J].國際金融研究，2011（9）：4-8.

[4]張嘉為.基于DSGE模型的社會融資規模與貨幣政策傳導研究[J].財務與金融，2012（1）：1-7.

[5]許雯，劉行.社會融資總量變化及與實體經濟的關系[J].經濟論壇，2013（1）：：22-23

[6]沈悅，李善燊，馬續濤.VAR宏觀計量經濟模型的演變與最新發展[J].數量經濟技術經濟研究，2012（10）：150-160.

[7]王勝，陳繼勇.中美經濟關系、匯率制度與中國匯率政策—基于FAVAR模型的實證分析[J].數量經濟技術經濟研究，2010（1）：95-106.

[8]SIMS，CHRISTOPHER. Interpreting the Macroeconomic Time Series Facts： the Effects of Monetary Policy[J]. European Economic Review， 1992，36，975-1000.

[9]BERNANKE，BEN S.，BOIVIN，JEAN AND ELIASZ，PIOTR.Measuring Monetary Policy：A Factor Augmented Vector Autoregressive（FAVAR） Appriach[J].Quarterly Journal of Economics，2005.120（1）：387-422.

[10]趙振全，薛豐慧.金融發展對經濟增長影響的實證分析[J].金融研究，2004（8）：94-99.

[11]王君斌，郭新強，蔡建波.擴張性貨幣政策下的產出超調、消費抑制和通貨膨脹慣性[J].管理世界，2011（3）：7-21.

[12]韓廷春.金融發展與經濟增長：經驗模型與政策分析[J].世界經濟，2001（6）：3-9.

[13]林毅夫，章奇，劉明興.金融結構與經濟增長：以制造業為例[J].世界經濟，2003（1）：3-22.