中國金融狀況指數(shù)的構(gòu)建及其時間演化特征

劉妍瓊+許滌龍

摘 要：通過選取利率、匯率、房價和股價等方面的指標(biāo)，利用VAR廣義脈沖響應(yīng)模型賦權(quán)來構(gòu)建中國金融狀況指數(shù)，并運(yùn)用馬爾科夫區(qū)制轉(zhuǎn)移模型對其進(jìn)行時間演化特征分析。結(jié)果表明：中國金融狀況指數(shù)具有非線性、周期性和兩階段動態(tài)變化特征，且在擴(kuò)張階段和緊縮階段表現(xiàn)出相互變遷的結(jié)構(gòu)性突變。同時，中國金融狀況指數(shù)在各區(qū)制內(nèi)的平滑概率值較大，均接近于1，說明各區(qū)制具有一定的持續(xù)性。

關(guān)鍵詞： 金融狀況指數(shù)（FCI）；VAR模型；馬爾科夫區(qū)制轉(zhuǎn)移模型

中圖分類號： F830 文獻(xiàn)標(biāo)識碼： A 文章編號：1003-7217（2014）06-0018-06

一、引言

近年來，面對資產(chǎn)價格的劇烈波動，越來越多的學(xué)者關(guān)注貨幣政策、資產(chǎn)價格以及通貨膨脹之間的關(guān)系。但是，貨幣政策能否以及在多大程度上對資產(chǎn)價格做出反應(yīng)，迄今為止，學(xué)術(shù)界尚未達(dá)成共識。Bernanke and Gertler（1999）認(rèn)為資產(chǎn)價格并不能為貨幣政策提供充足信息，只有當(dāng)資產(chǎn)價格的變化引起人們對物價上漲或下跌的恐慌時，才可以作為貨幣政策調(diào)整的關(guān)注對象[1]。而Goodhart and Hofmann（2002）認(rèn)為資產(chǎn)價格是決定總需求的一個非常重要的因素，故當(dāng)資產(chǎn)價格劇烈波動的時候，貨幣政策應(yīng)根據(jù)其波動情況做出相應(yīng)的反應(yīng)[2]。不過，對資產(chǎn)價格與通貨膨脹之間的關(guān)系，絕大部分學(xué)者都能達(dá)成一致認(rèn)識，認(rèn)為資產(chǎn)價格通過資產(chǎn)負(fù)債表效應(yīng)及財富效應(yīng)對實(shí)體經(jīng)濟(jì)產(chǎn)生影響，而且包含了通貨膨脹的有用信息。因此，構(gòu)造金融狀況指數(shù)來預(yù)測通貨膨脹是非常有必要的。然而，金融狀況指數(shù)在發(fā)展過程中，會受到很多不確定因素和不穩(wěn)定因素的影響，并呈現(xiàn)出一定程度的周期性變化特征。它不僅能反映整體金融狀況的松緊，又是貨幣政策的指示器，要想科學(xué)地反映金融整體狀況、預(yù)測經(jīng)濟(jì)走勢、有效地反映貨幣政策的執(zhí)行情況，就需要對FCI本身特征以及其變化規(guī)律進(jìn)行深入的研究。二、文獻(xiàn)綜述

20世紀(jì)90年代初期，不少機(jī)構(gòu)意識到利率和匯率在推進(jìn)經(jīng)濟(jì)發(fā)展和金融深化過程中可以發(fā)揮重要作用，在此基礎(chǔ)上加拿大中央銀行通過組合這兩個變量來研究貨幣政策的制定依據(jù)，編制了貨幣狀況指數(shù)（Monetary Condition Index，MCI）。Goodhart and Hofmann（2000，2001）認(rèn)為，資產(chǎn)價格變量在貨幣政策執(zhí)行方面提供了更多的參考信息，因而在MCI的基礎(chǔ)上納入房地產(chǎn)價格和股票價格等變量構(gòu)建了一種新的指數(shù)金融狀況指數(shù)（Financial Condition Index，F(xiàn)CI），并對G7國家開展了編制研究[3，4]。隨后，金融狀況指數(shù)引起了廣泛的關(guān)注。Swiston（2008）、Beaton（2009）、Hatzius（2010）、Brave（2011）、Ye Wang and Bo Wang（2012）在對Goodhart and Hofmann（2000，2001）改進(jìn)的基礎(chǔ)上構(gòu)建了新的金融狀況指數(shù)[5-9]。國內(nèi)王玉寶（2005）等人的研究成果是國內(nèi)對MCI和FCI較早的研究探索[10]。接下來有封北麟（2006）、陸軍和梁靜瑜（2007）、戴國強(qiáng)和張建華（2009）、廖信林和封思賢等（2012）、許滌龍和劉妍瓊等（2014）等構(gòu)建了FCI[11-15]。從上述的文獻(xiàn)可以看出，國內(nèi)外對FCI的研究主要不同是在兩個方面：一是指標(biāo)選擇上，主要采用利率、匯率、房價、股價、貨幣供應(yīng)量或其變形（如缺口、離差、均值）指標(biāo)。二是在賦權(quán)方法上，主要采用經(jīng)典賦權(quán)法，如因子分析法、卡爾曼濾波法、主成分分析法等，以及經(jīng)濟(jì)模型法，如向量自回歸模型、總需求方程縮減式、向量誤差修正模型、聯(lián)立方程模型和結(jié)構(gòu)向量自回歸模型等。雖然都采用不同的指標(biāo)，不同的賦權(quán)方法，但均發(fā)現(xiàn)構(gòu)建的FCI可以測度金融狀況，為實(shí)體經(jīng)濟(jì)提供預(yù)測信息。總的來說，這些文獻(xiàn)都是研究FCI構(gòu)建的指標(biāo)選擇及方法選取，卻沒有對金融狀況指數(shù)本身的一些特征進(jìn)行分析。

金融狀況指數(shù)在發(fā)展過程中會受到很多不確定因素和不穩(wěn)定因素的影響，呈現(xiàn)出一定程度的周期性變化特征。我們把這種在一定周期內(nèi)發(fā)生的規(guī)律性運(yùn)動稱為金融狀況指數(shù)的周期。整體金融狀況可以通過金融狀況指數(shù)的周期性規(guī)律而體現(xiàn)出來，且貨幣政策可以根據(jù)整體金融狀況而進(jìn)行調(diào)整。但是，目前還沒有發(fā)現(xiàn)學(xué)者對金融狀況指數(shù)的時間序列問題進(jìn)行實(shí)證研究，因此，本文重點(diǎn)是對金融狀況指數(shù)的動態(tài)變化過程進(jìn)行分析，研究金融狀況指數(shù)的時間演化特征。

有關(guān)周期的研究中，研究最多的是經(jīng)濟(jì)周期的研究，經(jīng)濟(jì)周期主流的研究方法主要是非線性計量方法。Hamilton （1989）最先采用Markov模型研究了美國實(shí)際產(chǎn)出增長的波動，很好地描述了美國經(jīng)濟(jì)波動中的非對稱性和非線性[16]； Tong和Lim（1980）使用門限自回歸（TAR）方法對經(jīng)濟(jì)周期的不同動態(tài)機(jī)制進(jìn)行了分析研究[17]；Chauvet Potter（2009）利用probit模型對美國經(jīng)濟(jì)周期中的衰退成分進(jìn)行分析[18]；王成勇和艾春榮（2010）選取了STAR模型、MRSTAR模型和LSTAR探討了我國經(jīng)濟(jì)周期階段的劃分，同時對經(jīng)濟(jì)周期波動的非對稱性及持續(xù)性做了全面分析[19]。

財經(jīng)理論與實(shí)踐（雙月刊）2014年第6期2014年第6期（總第192期）劉妍瓊，許滌龍：中國金融狀況指數(shù)的構(gòu)建及其時間演化特征

以下借鑒Hamilton （1989）的研究思路與方法，對我國的金融狀況指數(shù)的周期性特征進(jìn)行研究。

三、FCI指數(shù)的構(gòu)建

通過選取利率、匯率、房價和股價等方面的指標(biāo)，利用VAR廣義脈沖響應(yīng)模型賦權(quán)來構(gòu)建FCI指數(shù)，計算方法如下：

FCI=∑vi（sit-it）/it （1）

式（1）中，i是變量符號，t表示時間，sit和it分別表示變量值和對應(yīng)的長期趨勢， vi表示變量i在FCI指數(shù)中的權(quán)重，顯然FCI是變量相對缺口的加權(quán)組合。

vi=zi/∑n1zi （2）

式（2）中，zi是第i個變量在遭遇一個單位的信息沖擊之后對CPI的累積脈沖響應(yīng)效果。

（一）數(shù)據(jù)選取與處理

選取2000年1月～2013年6月的月度數(shù)據(jù)，采用以2000年1月為基期的定基CPI，以消除變量價格的影響，各指標(biāo)的具體說明如下：

1.通貨膨脹率。選取以2000年1月為基期的CPI定基月度數(shù)據(jù)，CPI定基月度數(shù)據(jù)可以通過2000年1月開始的環(huán)比數(shù)據(jù)運(yùn)算得到，數(shù)據(jù)來自中經(jīng)網(wǎng)。

2.利率。根據(jù)利率機(jī)制，選取同業(yè)拆借利率代表市場利率。以7天期銀行同業(yè)拆借利率為基礎(chǔ)，在經(jīng)定基CPI調(diào)整后得到實(shí)際利率，數(shù)據(jù)來自中經(jīng)網(wǎng)。

3.匯率。選取國家外匯管理局公布的實(shí)際有效匯率指數(shù)來表示。

4.房地產(chǎn)價格。選取國房景氣指數(shù)來反映房地產(chǎn)市場價格，實(shí)際房價用國房景氣指數(shù)除以定基CPI來表示，數(shù)據(jù)來自中經(jīng)網(wǎng)。

5.股票價格。選取上證綜合指數(shù)月末收盤價來反映股票市場價格，實(shí)際股票價格用上證綜合指數(shù)月末收盤價除以定基CPI來表示，數(shù)據(jù)來自中經(jīng)網(wǎng)。

借鑒Goodhart and Hofmann（2002）計算變量缺口的方法，使用HP濾波方法來計算以上各變量的長期趨勢值，各變量的缺口均為（變量實(shí)際值-變量趨勢值）/變量趨勢值。對以上5個變量進(jìn)行處理，用llgap表示實(shí)際利率缺口，hlgap表示實(shí)際匯率缺口，gjgap表示實(shí)際股票價格缺口，fjgap表示實(shí)際房地產(chǎn)價格缺口。

（二）單位根檢驗(yàn)

時間序列的平穩(wěn)性是模型估計有效性的保證，因此，需事先對時間序列進(jìn)行平穩(wěn)性檢驗(yàn)。表1中ADF檢驗(yàn)的結(jié)果表明，cpigap、 llgap、hlgap、gjgap以及fjgap序列均平穩(wěn)。

表1 變量的ADF檢驗(yàn)

檢驗(yàn)形式

ADF

P值

通脹率缺口（cpigap）

（c，t，1）

-4.777645

0.0008

利率缺口（llgap）

（c，t，1）

-8.166397

0.0000

匯率缺口（hlgap）

（c，0，1）

-3.486405

0.0096

房地產(chǎn)價格缺口（fjgap）

（c，t，3）

-4.031236

0.0016

股票價格缺口（gjgap）

（c，0，1）

-2.703783

0.0756

（三）利用VAR模型，構(gòu)建FCI指數(shù)

利用Goodhart and Hofmann（2002）的方法，對通貨膨脹率（cpigap）、實(shí)際利率（llgap）、實(shí)際匯率（hlgap）、實(shí)際股票價格（fjgap）、實(shí)際房地產(chǎn)價格（gjgap）五個變量建立VAR模型，基于廣義脈沖響應(yīng)分析，在實(shí)際利率（llgap）、實(shí)際匯率（hlgap）、實(shí)際股票價格（fjgap）、實(shí)際房地產(chǎn)價格（gjgap）的沖擊下，得到cpigap的累積響應(yīng)，根據(jù)公式（2）得到各變量缺口的權(quán)重系數(shù)。

表2 變量的累積方差與權(quán)重值

預(yù)測期

llgap

hlgap

fjgap

gjgap

1

-0.00453

0.000949

-0.00474

-0.00021

2

-0.00438

0.000514

-0.00528

-0.00092

3

-0.00296

0.000503

-0.00418

-0.00049

4

-0.00149

0.00046

-0.00269

0.000195

5

-0.00063

0.000354

-0.00156

0.000828

6

-0.00025

0.000149

-0.00081

0.001297

7

-7.68E05

-8.68E05

-0.00032

0.001627

8

4.34E05

-0.00029

4.50E05

0.001861

9

0.000172

-0.00044

0.000334

0.002026

10

0.00031

-0.00052

0.000568

0.002131

11

0.000439

-0.00056

0.000743

0.002176

12

0.000542

-0.00055

0.000858

0.002158

13

0.000611

-0.0005

0.000911

0.00208

14

0.000645

-0.00043

0.000907

0.001946

15

0.000646

-0.00034

0.000854

0.001765

16

0.000618

-0.00023

0.000762

0.001547

17

0.000566

-0.00012

0.000642

0.001305

18

0.000496

-3.64E06

0.000503

0.001049

19

0.000413

0.000104

0.000354

0.000791

20

0.000322

0.000202

0.000204

0.00054

21

0.000228

0.000285

5.93E05

0.000305

22

0.000136

0.000351

-7.31E05

9.21E05

23

4.78E05

0.0004

-0.00019

-9.22E05

24

-3.17E05

0.000429

-0.00029

-0.00025

25

-0.0001

0.000441

-0.00036

-0.00036

26

-0.00016

0.000435

-0.00041

-0.00045

27

-0.0002

0.000415

-0.00044

-0.0005

28

-0.00023

0.000381

-0.00045

-0.00052

29

-0.00025

0.000338

-0.00043

-0.00051

30

-0.00025

0.000287

-0.00041

-0.00048

vi=zi/∑n1zi

-0.19346

0.06106

-0.30955

0.435935

根據(jù)表2可得到各金融變量的權(quán)重，計算FCI為：

FCI=-0.19346×llgap+0.06106×hlgap-

0.30955×fjgap+0.43593×gjgap（3）

由式（3）可知，房地產(chǎn)價格和股票價格在FCI的指數(shù)構(gòu)建中，所占權(quán)重較大，分別為0.30955，0.435935，說明資產(chǎn)價格在金融狀況指數(shù)中占重要地位。

四、金融狀況指數(shù)的馬爾科夫分析

（一）FCI指數(shù)序列的基本統(tǒng)計檢驗(yàn)

采用eviews對金融狀況指數(shù)序列進(jìn)行基本統(tǒng)計檢驗(yàn)，如表3所示，可知金融狀況指數(shù)序列偏度S=0.156688，K=3.840666，由此可知，金融狀況指數(shù)序列呈現(xiàn)出尖峰厚尾的分布形態(tài)。

表3 金融狀況指數(shù)FCI序列的基本統(tǒng)計檢驗(yàn)

Mean

Std.Deviation

Minimum

Maximum

Skewness

Kurtosis

Statistics

-0.00289

0.10649

-0.30024

0.3828

0.1567

3.8407

接下來采用BDS檢驗(yàn)統(tǒng)計量確定金融狀況指數(shù)FCI序列是否拒絕獨(dú)立正態(tài)同分布的假設(shè)。BDS檢驗(yàn)的結(jié)果如表4所示，在1%的顯著性水平下BDS統(tǒng)計量拒絕獨(dú)立正態(tài)同分布的假設(shè)，這充分說明了金融狀況指數(shù)序列存在非線性依賴關(guān)系。

表4 金融狀況指數(shù)FCI序列的BDS檢驗(yàn)結(jié)果

Dimension

BDS Statistic

Std.Error

zStatistic

Prob

2

0.058732

0.005848

10.04237

0.0000

3

0.102088

0.009303

10.97326

0.0000

4

0.128788

0.011087

11.61583

0.0000

5

0.144589

0.011565

12.50273

0.0000

6

0.146686

0.01160

13.14339

0.0000

（二）馬爾科夫模型的建立

使用馬爾科夫區(qū)制轉(zhuǎn)換模型（Hamilton，1989）對上述估計出來的金融狀況指數(shù)的特征進(jìn)行分析。根據(jù)需要設(shè)定模型為：

Ft=ust+∑Nsi=1vi，StFt-i+εt

εt～N（0，σ2St） （4）

其中，ust為St狀態(tài)時的常數(shù)項(xiàng)，σ2St為St狀態(tài)時的方差，vi，St為解釋變量i在St時的自回歸項(xiàng)系數(shù)，εt為模型殘差，服從正態(tài)分布，St為時間t的狀態(tài)，St=1，…，m，m是狀態(tài)數(shù)量。

經(jīng)過Hamilton等眾多學(xué)者的研究，馬爾科夫轉(zhuǎn)換模型的迭代算法現(xiàn)在很成熟，以下稍微簡單地描述下馬爾科夫模型的算法。馬爾科夫轉(zhuǎn)換模型的最基本的假設(shè)就是所處的狀態(tài)是不可以直接觀察到的，每個時期的某一狀態(tài)只能根據(jù)前一個時期的已有的經(jīng)濟(jì)數(shù)據(jù)做出概率估計，故該模型稱此概率為條件概率，即：

ηit=P（St=iΩ，ω），i=1，…，k（5）

其中，Ωt={Ft，F(xiàn)t-1，…，F(xiàn)0}為在t時間所觀察到的一系列的經(jīng)濟(jì)數(shù)據(jù)，ω={μSt，vSt，σSt，Pij}為參數(shù)向量。在估計條件概率ηjt時，把參數(shù)ω視為已知，在實(shí)際的計算過程中，對參數(shù)向量ω賦初值，求出似然值，最后，找出使似然值最大的參數(shù)向量。

每個時期的每個狀態(tài)都對應(yīng)一個條件概率，如果總的觀察時期為T，那么，模型就有T×k個條件概率。模型最為關(guān)鍵的地方是從t-1期到t 期所建立的條件概率的迭代算法。因此，當(dāng)殘差服從正態(tài)分布時，得到在每一種狀態(tài)下的概率密度函數(shù)為：

δjt=f（Ftst，Ωt-1，ω）=

12πσSt×exp （Ft-uSt-∑Nsi=1vi，stFt-i）22σ2St （6）

結(jié)合條件概率密度函數(shù)和概率轉(zhuǎn)換方程，模型的條件概率為：

f（FtΩt-1，ω）=∑ki=1∑kj=1pijηi，t-iδji （7）

用狀態(tài)j下的密度除以所有狀態(tài)下的密度的總和可以得到狀態(tài)j的條件概率，即：

ηjt=∑ki=1pijηi，t-iδjif（FtΩt-1，ω） （8）

通過計算t-1期和t期的各種狀態(tài)下的概率密度函數(shù)δjt，以及條件概率函數(shù)，由此可以算出每個時期的密度函數(shù)似然值。對每個時期的似然值的加總就是似然估計法的最大化對象，即：

log f（F1，…，F(xiàn)TF0，ω）=∑Ft=1logf（FtΩt-1，ω） （9）

因此，似然函數(shù)值可以用模型參數(shù)的函數(shù)來表示，再利用數(shù)值優(yōu)化方法對參數(shù)進(jìn)行估計。

（三）基于馬爾科夫區(qū)制轉(zhuǎn)換模型的FCI指數(shù)的實(shí)證檢驗(yàn)

在構(gòu)建了2000年1月～2013年6月金融狀況指數(shù)之后，對其進(jìn)行定量探討，在考慮金融狀況指數(shù)可能處于擴(kuò)張階段或收縮階段這兩種情形的基礎(chǔ)上，運(yùn)用兩階段馬爾科夫區(qū)制轉(zhuǎn)移模型來刻畫我國金融狀況指數(shù)的階段性的復(fù)雜動態(tài)變化過程，通過測度我國金融狀況指數(shù)在擴(kuò)張階段和收縮階段相互轉(zhuǎn)變的轉(zhuǎn)移概率，來準(zhǔn)確了解我國金融狀況在什么時候處于擴(kuò)張階段，又在什么時候處于收縮階段，以及在擴(kuò)張階段和收縮階段相互變遷的概率又是多少。這有助于判斷金融狀況周期擴(kuò)張階段與收縮階段的轉(zhuǎn)折點(diǎn)。

首先，利用上述已經(jīng)編制好的FCI指數(shù)，對其進(jìn)行簡單的分析。圖1勾勒出我國金融狀況指數(shù)的時間變化路徑。一般來說，金融狀況指數(shù)大于零表示金融狀況處于擴(kuò)張階段，經(jīng)濟(jì)情況較為良好，金融狀況指數(shù)小于零表示金融狀況處于收縮階段，經(jīng)濟(jì)情況較為惡化。通過圖1可以發(fā)現(xiàn)，在所研究的區(qū)間內(nèi)，我國金融狀況指數(shù)圍繞零值上下浮動，具有一定的周期特征。圖2刻畫了我國金融狀況指數(shù)的趨勢成分和周期成分。其中，金融狀況指數(shù)的趨勢成分由HP濾波技術(shù)計算得出。圖1和圖2能夠初步顯示出我國金融狀況指數(shù)的動態(tài)變化特征，但是尚無法進(jìn)一步準(zhǔn)確地刻畫出金融狀況指數(shù)具體在什么情況下以及在什么時候發(fā)生了結(jié)構(gòu)性的動態(tài)變化。

圖1 金融狀況指數(shù)的時間動態(tài)軌跡

圖2 FCI的趨勢成分和周期成分

參考Perlin（2010）[20，21]的matlab程序，對金融狀況指數(shù)序列是matlab編程進(jìn)行估計，以期獲得關(guān)于我國金融狀況指數(shù)動態(tài)過程分析的重要經(jīng)濟(jì)學(xué)實(shí)證結(jié)果。從表5可以發(fā)現(xiàn)，對于我國金融狀況指數(shù)而言，在不同區(qū)制下同一參數(shù)的估計結(jié)果會產(chǎn)生較大差異，且均值和方差的估計結(jié)果均十分顯著。由此可以看出，我國金融狀況指數(shù)的雙階段動態(tài)變化特征可以由本文所構(gòu)建的兩階段馬爾科夫區(qū)制轉(zhuǎn)換模型來準(zhǔn)確地刻畫。

具體而言，我國金融狀況指數(shù)處于擴(kuò)張時的維持概率為P11=0.9589，而處于收縮時的維持概率為P22=0.8854，根據(jù)馬爾科夫模型原理可知，可以通過區(qū)制狀態(tài)變量St的維持概率值計算出金融狀況指數(shù)處于狀態(tài)St的平均持續(xù)期DSt，即D[St（i）]=E[St=i]=1/（1-Pii），i=1，2。因此，相對應(yīng)地，我國金融狀況指數(shù)處于擴(kuò)張時的平均持續(xù)時期約為24.33個月（D[St]=1/（1-Pii）=1/（1-0.9589）=24.33），而處于收縮的平均持續(xù)期為8.726月（D[St]=1/（1-Pii）=1/（1-0.8854）=8.726）。這意味著，我國金融狀況指數(shù)處于擴(kuò)張的持續(xù)性顯著強(qiáng)于處于收縮的持續(xù)性，平均持續(xù)時間大約相差為16個月。

此外，觀察表5的具體估計結(jié)果還發(fā)現(xiàn)，處于擴(kuò)張階段時均值為0.036491，方差（σ1=0.007364），而處于收縮時均值為-0.117059，方差（σ2=0.005174）。由此可以看出，我國金融狀況在收縮階段和擴(kuò)張階段是非對稱的，且收縮程度要遠(yuǎn)大于擴(kuò)張的程度，但是波動上比較相似，沒有明顯的差異。

表5 馬爾科夫模型參數(shù)估計結(jié)果

參數(shù)

參數(shù)估計值

標(biāo)準(zhǔn)差

P值

μ1

0.036941

0.01005

0.0003

μ2

-0.117059

0.016701

0.0000

σ1

0.007364

0.001047

0.0000

σ2

0.005174

0.001415

0.0003

轉(zhuǎn)移概率矩陣

P=0.95890.11460.04110.8854

最大似然值

153.0901

金融狀況指數(shù)在t=1，2，…，T時所處狀態(tài)發(fā)生轉(zhuǎn)移的概率可以通過平滑概率進(jìn)行描述，因此，利用雙階段馬爾科夫區(qū)制轉(zhuǎn)移模型來研究區(qū)制狀態(tài)變量St在所處區(qū)制內(nèi)的平滑概率。圖3清晰地刻畫了我國金融狀況處于擴(kuò)張階段（St=1）和收縮階段（St=2）時的平滑概率。一般而言，當(dāng)區(qū)制狀態(tài)變量St的概率值Pr （St=i）>0.5，i=1，2時，發(fā)生區(qū)制轉(zhuǎn)移，此時處于i階段（i=1，2），若概率值Pr 越大，

圖3 我國金融狀況指數(shù)擴(kuò)張階段

（St=1）和收縮階段（St=2）

說明金融狀況指數(shù)處于i階段的可能性也越大。由圖3看出近年來我國金融狀況基本處于擴(kuò)張與收縮的不斷變化中，我國金融狀況指數(shù)在2000年1月～2000年3月，2000年7月～2005年2月，2006年12月～2008年3月，2009年1月～2011年5月，2011年12月～2013年6月處于擴(kuò)張階段。我國金融狀況指數(shù)在2000年4月～2000年6月，2005年3月～2006年11月，2008年4月～2008年12月，2011年6月～2011年11月處于收縮階段。總體來說，我國金融狀況指數(shù)處于擴(kuò)張階段的平滑概率值相對穩(wěn)定，并基本上保持上1.0左右，即其在未來具有相對較大的可能性仍處于擴(kuò)張階段。

五、基本結(jié)論

以上在構(gòu)建了2000年1月～2013年6月金融狀況指數(shù)之后，對其進(jìn)行了定量探討，且考慮了金融狀況指數(shù)可能出于擴(kuò)張階段或收縮階段這兩種情形的基礎(chǔ)上，運(yùn)用兩階段馬爾科夫區(qū)制轉(zhuǎn)移模型來刻畫我國金融狀況指數(shù)階段性的復(fù)雜動態(tài)變化過程，并測量了我國金融狀況指數(shù)在不同階段之間相互變遷的轉(zhuǎn)移概率，最終得到如下重要結(jié)論：

1.通過對我國金融狀況指數(shù)的簡單描述分析，可以得到我國金融狀況指數(shù)呈非線性特征，圍繞零值上下浮動，具有周期特征。

2.為了進(jìn)一步準(zhǔn)確地刻畫出我國金融狀況指數(shù)具體在何時、并在何種條件下發(fā)生了結(jié)構(gòu)性的動態(tài)突變。運(yùn)用兩階段馬爾科夫轉(zhuǎn)移模型對我國金融狀況指數(shù)進(jìn)行實(shí)證研究發(fā)現(xiàn)，同一參數(shù)在不同區(qū)制下的估計結(jié)果有很大的差異，且均值和方差的估計結(jié)果十分顯著，由此可以看出，我國金融狀況指數(shù)的雙階段動態(tài)變化特征可以由構(gòu)建的兩階段馬爾科夫區(qū)制轉(zhuǎn)換模型來準(zhǔn)確刻畫。

3.結(jié)合表5的狀態(tài)變量的平滑概率估計結(jié)果以及圖3可以進(jìn)一步分析我國金融狀況。隨著經(jīng)濟(jì)的不斷發(fā)展，我國金融狀況指數(shù)序列出現(xiàn)擴(kuò)張階段和緊縮階段的相互變化，發(fā)生了顯著的結(jié)構(gòu)性突變。我國金融狀況指數(shù)在2000年1月～2000年3月，2000年7月～2005年2月，2006年12月～2008年3月，2009年1月～2011年5月，2011年12月～2013年6月處于擴(kuò)張階段。我國金融狀況指數(shù)在2000年4月～2000年6月，2005年3月～2006年11月，2008年4月～2008年12月，2011年6月～2011年11月處于收縮階段。此外，我國金融狀況指數(shù)處于擴(kuò)張階段的平滑概率值基本上趨近1.0，處于相對穩(wěn)定狀況，因此，我國未來金融狀況具有相對較大的可能性仍處于擴(kuò)張階段。

參考文獻(xiàn)：

[1]Bernanke B and Gertler，M. Monetary policy and asset price volatility[J].Economic Review of Federal Reserve Bank of Kansas City，1999：17-51.

[2]Goodhart， C. and B.Hofmann.Asset prices and the conduct of monetary policy[R].Royal Economic Society Annual Conference. March，2002：1-20.

[3]Goodhart C，Hofmann B.Financial variables and the conduct of monetary policy[R].Sveriges Riksbank Working Paper Series，2000：1-23.

[4]Goodhart C， Hofmann B. Asset prices， financial conditions， and the transmission of monetary policy[C]conference on Asset Prices， Exchange Rates， and Monetary Policy， Stanford University. 2001： 1-33.

[5]Andrew Swiston. A U.S. Financial conditions index： putting credit Where credit is due[R]. IMF Working Paper， 2008.

[6]Beaton K， Lalonde R， Luu C. A financial conditions index for the united states[J].Bank of Canada Discussion Paper， 2009：1-33.

[7]Hatzius.Jan，et al.Financial conditions indexes： a fresh look after the financial crisis[C].National Bureau of EconomicResearch，2010：1-56.

[8]Brave S， Butters R A. Monitoring financial stability： A financial conditions index approach[J].Federal Reserve Bank of Chicago， Economic Perspectives Q， 2011，（1）：22-43.

[9]Wang Y， Wang B， Zhang X. A new application of the support vector regression on the construction of financial conditions index to CPI prediction[J]. Procedia Computer Science， 2012，（9）：1263-1272.

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

[11]封北麟， 王貴民. 貨幣政策與金融形勢指數(shù)FCI基于VAR的實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2006，（11）：142-150.

[12]陸軍， 梁靜瑜.中國金融狀況指數(shù)的構(gòu)建[J]. 世界經(jīng)濟(jì)， 2007，（4）：13-24.

[13]戴國強(qiáng)，張建華.中國金融狀況指數(shù)對貨幣政策傳導(dǎo)作用研究[J].財經(jīng)研究，2009，35（7）：52-62.

[14]廖信林，封思賢，謝啟超. 金融狀況指數(shù)對通貨膨脹的動態(tài)時變預(yù)測基于馬爾科夫機(jī)制轉(zhuǎn)換視角[J]. 現(xiàn)代財經(jīng)， 2012，（8）：13-22.

[15]許滌龍，劉妍瓊，郭堯琦.金融狀況指數(shù)的FAVAR模型構(gòu)建及效用檢驗(yàn)[J].中南大學(xué)學(xué)報（社會科學(xué)版），2014，32（4）：36-40.

[16]Hamilton J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica： Journal of the Econometric Society， 1989： 357-384.

[17]Tong H， Lim K S. Threshold autoregression， limit cycles and cyclical data[J]. Journal of the Royal Statistical Society. Series B （Methodological）， 1980： 245-292.

[18]Chauvet M， Potter S. Monitoring business cycles with structural breaks[R]. University Library of Munich， Germany， 2009：1-27.

[19]王成勇，艾春榮.中國經(jīng)濟(jì)周期階段的非線性平滑轉(zhuǎn)換[ J].經(jīng)濟(jì)研究，2010，（3）：78-90.

[20]羅忠洲，屈小粲.納入資產(chǎn)價格的我國通貨膨脹指數(shù)研究[J].財經(jīng)理論與實(shí)踐，2012，（2）：14-20.

[21]Perlin， M. MS Regressthe MATLAB package for markov regime switching models[R].August 9，2010.

（責(zé)任編輯：王鐵軍）