我國金融周期對經濟增長的影響研究

彭馨樂

摘 要：本文以SVAR模型構建的包含利率、匯率、貨幣供給以及資產價格的金融形勢指數為基礎，對我國2001年1月至2016年9月進行金融周期劃分，實證分析了金融周期對經濟增長的影響。實證結果表明，金融高漲期經濟增長率較高，金融衰退期則伴隨著較低的經濟增長率；金融周期處于任一階段，金融波動的增加都會伴隨著更低的經濟增長率，金融波動的增加會削弱我國的經濟增長。

關鍵詞：金融形勢指數；金融周期；經濟增長；金融波動

DOI：10.3969/j.issn.1003-9031.2018.03.02

中圖分類號：F832.0 文獻標識碼：A 文章編號：1003-9031（2018）03-0012-09

一、引言

金融周期是指金融經濟活動在內外部沖擊下，通過金融體系傳導而形成的持續性波動和周期性變化，反映資產價格、利率、匯率、貨幣供給量等在內的各類金融變量在不同經濟波動階段上的變動態勢。近年來，隨著中國金融市場改革和金融開放程度的提高，金融沖擊對實體經濟的影響日益增加，金融加速器、中央銀行資產負債表等途徑傳遞以及放大金融沖擊，金融體系顯著地改變著宏觀經濟的運行規律。

自Goodhart和Hofmann（2001）編制七大工業國家的金融形勢指數（FCI）以來，各國學者紛紛以多種金融指標為基礎構建金融形勢指數，并將其作為金融周期的一個重要衡量依據。

二、 文獻綜述

Eika & Nymoen（1996）、Ericsson & Jansen（1998）最早利用加權平均的短期利率和匯率構建了貨幣形勢指數（MCI）。之后Goodhart & Hofmann（2000）在此基礎上提出金融形勢指數（financial condition index，FCI），加入了房價與股價等資產價格，并指出金融形勢指數對七國集團國家的通貨膨脹具有良好的預測效果。王玉寶（2005）、封北麟（2006）運用VAR估算了中國的FCI，認為FCI可以作為貨幣政策的短期指示器。陸軍（2007）、戴國強（2009）等均發現FCI對CPI有較強的預測能力。除直接對金融指標進行加權外，還可以利用主成分分析方法來構建FCI，如Brave & Butters（2011）利用主成分分析方法從大量金融指標中提取出美國的FCI，實證結果表明得到的FCI可以為政策制定和金融市場評價提供依據。刁節文（2013）、羅瑞（2013）運用主成分分析方法構建了中國的FCI，他們的研究結果都表明運用主成分分析方法構建的FCI對通貨膨脹的短期預測有更好的效果。

最早提出信貸金融市場對實體經濟有影響的學者可以追溯到大蕭條時期，Fisher（1933）認為信貸市場條件的惡化不僅是經濟周期的消極反應，其本身就是經濟蕭條的主要因素之一。直到亞洲金融危機，這一觀點開始受到關注，Bernanke & Gertler（1989）、Bernanke、Gertler & Gilchrist（1999）都指出信貸金融市場具有放大波動的作用，并初步模擬出金融加速器效應。2007年美國次貸危機后，Jerman & Quadrini（2009）、Goodfriend & McCallum（2007）等許多學者將銀行、貨幣政策等納入到DSGE的周期框架中，研究金融沖擊、金融摩擦等周期波動問題。

三、 研究樣本與模型設定

基于樣本數據的可獲得性和代表性，樣本數據。我國2001年1月至2016年9月。本文首先構建包括真實短期利率、國房景氣指數、真實有效匯率指數、股權價格指數以及真實貨幣供給量在內的金融形勢指數，上述金融指標之間存在當期影響，故建立結構VAR模型進行估計。

四、實證分析與檢驗

（一）金融形勢指數的構建與金融周期的劃分

本文采用stata14計量軟件進行數據處理及分析。樣本為2001年1月至2016年9月的月度數據，共189個樣本點。選取當月銀行間同業拆借加權平均利率為短期利率指標，選取國房景氣指數作為房地產價格的代理變量，選取消費者價格指數月度環比數據作為通貨膨脹指標，人民幣真實有效匯率從國際清算銀行獲得，股票價格變動選用A股指數當月最后一個交易日的收盤價格，選取廣義貨幣供給作為貨幣供給量指標。

計算真實值時，對M2、A股指數進行取自然對數處理，再進行差分，求得近似增長率后，減去同期CPI同比增量。真實短期利率為銀行間七天同屆拆借利率減去同期CPI同比增量。最后，利用HP濾波去掉變量的長期趨勢，從而更好的對短期的隨機波動項進行度量。人民幣實際有效匯率來源于國際貨幣基金組織（IMF），其它所有變量的原始數據來源于國家統計局、中國經濟網和銳思數據庫。

1.單位根檢驗

VAR模型要求系統是平穩的，如果系統中的各個變量是平穩的，就可以保證系統的平穩性。本文采用DF、ADF、DFGLS、KPSS四種檢驗方法對構建金融形勢指數的變量進行單位根檢驗，發現m2gap、irgap、exgap、stgap、higap、cpi均平穩。由于篇幅限制，僅列出ADF檢驗結果（見表1）。

2.SVAR的建立與估計

結構VAR允許變量之間存在當期影響，其短期約束一般基于“AB模型”。其中約束矩陣B設定為對角矩陣，約束個數為k2個；矩陣A代表對變量間的當期關系施加短期約束，其主對角線元素為1，約束個數為k個。根據經濟意義，貨幣對房價、利率、股價、匯率存在當期影響，利率對匯率、股價存在當期影響，房價對股價存在當期影響，通貨膨脹對匯率、利率、股價存在當期影響，其他變量之間無當期影響，故約束設為0。根據上述綜述假定，經stata估計，矩陣A估計結果為：

A= 1 5.2014 0 0 0 -1.7810 0 1 0 0 0 00.1359 3.7406 0 0 0 -70.65310.0143 -0.2608 1 1 -0.0034 0.1715 0 5.6693 0 0 1 0 0 0 0 0 0 1

3.構建金融形勢指數

基于SVAR模型的估計結果，運用脈沖響應函數模擬通貨膨脹率對各金融變量沖擊的累積動態響應，根據式（5）計算出第i個金融變量在FCI中所占的權重wi（見表2）。

4.構建FCI指數

在測算FCI的過程中，金融指標均經過HP濾波得到其偏離于長期趨勢的缺口值，計算得到的FCI可以反映我國金融活動對均衡狀態的偏離情況。當FCI為正數時，說明金融形勢處于繁榮狀態，反之處于緊縮狀態；當FCI上升時，意味著金融形勢趨于好轉，反之則趨于惡化；當FCI趨近于0時，則認為金融環境處于松緊適度的狀況。

從2001年下半年一直到2003年股權分置之前，股票市場持續低迷，企業融資困難，金融狀況趨緊。由于央行對不良貸款率的要求，商業銀行從2002年紛紛采用擴大新增貸款來稀釋不良貸款，導致2003年貨幣供應量猛增，中國出現了經濟局部過熱、物價上升的趨勢，導致金融環境異常寬松。為防止金融系統出現嚴重隱患，中國采取了以控制投資過熱為主要目標的各項宏觀調控措施，隨著2004年調控力度的加大，中國金融形勢趨緊并持續至2005年末。2006—2007年，股市出現“牛市”，中國金融形勢指數迅速上升直至達到頂峰。2007— 2008年，美國次貸危機爆發并很快波及全球，中國FCI自2007年下半年起迅速下降，2008年末達到最低點，下降速度和幅度空前巨大。為應對此次金融危機，中國對宏觀經濟進行了重大調整并推出一系列擴張性調控政策，2009年FCI快速回升。隨著經濟的逐漸復蘇，中國宏觀調控從“積極”回歸“穩健”，并開始啟動新一輪的金融改革，2011年以后FCI明顯回落至適度從緊的波動區間。2012年歐債危機波及中國出口貿易，貿易條件惡化，FCI顯著下降。2013—2014年，利率市場化改革取得突破性進展，全面放開金融機構貸款利率管制，多措并舉降低企業融資成本、人民幣國際化步伐明顯加快，FCI持續回暖。2015年，股市暴跌，央行10次降準降息，釋放了上萬億元流動性，FCI迅速下降。年底人民幣加入SDR，離岸人民幣大漲。2016年，新年股市大跌，英國退歐成定局，金融形勢低迷。對比圖1可知，本文測算的中國金融形勢指數很好地描述了中國金融環境的變化，可作為分析金融波動態勢的依據。

根據一般做法，確定一次完整的經濟周期，可以從一個波峰到另一個波峰，也可以從一個波谷到另一個波谷，或者按照周期中同樣狀態（波峰、低潮或整個周期）一些年的平均值到另一些年的平均值來衡量。本文按照規則的“谷—谷”計算方法，根據金融形勢指數劃分金融周期。

由表3可知，2001年以來，我國經歷了7輪金融周期，周期平均長度為兩年零三個月。在樣本前期，金融周期的擴張長度大于收縮長度，在第四個周期，即2007年2月至2009年9月這個周期過后，金融周期的擴張長度變短，收縮長度顯著增大。

為了更好的比較金融周期擴張階段和收縮階段相較于正常波動階段對經濟增長的影響，本文參考Braun & Larrian（2005）的做法，根據上述周期的劃分為基礎，將金融周期劃分為高漲期（Boom）、衰退期（Bust）和正常期（Normal）三個類別，并在這個基礎上進行實證分析。

當FCI觀察值落入高漲期時，用二元變量Boom標記，取值為1，其余時間取值為0；當FCI落入衰退期時，用二元變量Bust標記，取值為1，其余時間取值為0。

（二） 金融周期對經濟增長的影響的實證分析

本文考察我國金融周期對經濟增長的影響，因此，被解釋變量為經濟增長率，而核心解釋變量為金融周期。在經濟增長率的代理變量選擇方面，按照標準文獻的做法，直接用GDP增速表示。金融周期由上文設定的虛擬變量Boom、Bust表示。在其他控制變量的選擇上，主要對三分方面的影響因素進行控制：一是經濟層面，包括貿易條件、資本形成率和工業化程度；二是金融層面，包括有金融波動、存款利率、總儲蓄率；三是社會層面，選擇移動電話用戶數作為人口的工具變量。表4對變量做了具體說明。數據來源為國家統計局、中國經濟網。

1.金融周期處于高漲期的OLS回歸結果

首先分析當金融周期處于高漲期時對經濟增長的影響，回歸結果見表5。本文采用逐步增加解釋變量的“從小到大”的建模策略，模型1是只包含金融高漲期變量的回歸結果；模型2增加了金融波動項；模型3-5逐步增加了不同層面的控制變量。

由表5可知，高漲期變量（boom）的系數都顯著且符號為正，意味著相較于金融衰退期和正常期，金融周期處于高漲狀態時，GDP增速會顯著上升。可能的解釋是，當金融形勢處于高漲狀態時，存在一個短期效應，企業家與銀行家預期良好，信貸擴張，投資增加，帶動經濟增長。在逐步加入多個控制變量的過程中，高漲期（boom）的系數符號和顯著性均沒有發生明顯改變，表明高漲期與GDP增長率的正相關關系是穩定的。

在控制變量方面，表5結果表明：（1）在金融高漲期，貿易條件的改善，對GDP增長率具有促進作用；資本形成率的系數符號在逐步回歸過程中發生改變，可能的原因是我國社會資金絕大部分用于投資與儲蓄兩個部門上，固定資產投資與總儲蓄率之間存在高度線性相關，同時如果利率變化，也可能會導致投資產生變化；工業化程度的提高會對經濟增長產生正的效應。（2）利率水平和總儲蓄率都與GDP增長有顯著的負相關關系，可以理解為，隨著利率上升，投資成本將增加，人們轉而增加儲蓄，導致投資減少和經濟增速下降；與此同時，金融波動程度的上升會減緩我國經濟增長。（3）社會層面的移動電話用戶數增長率與經濟增長有顯著正相關，說明人口的增加對經濟增長會產生顯著的促進作用。總體來看，上述結果與經驗事實和宏觀經濟學理論基本吻合。

2.金融周期處于衰退期的OLS回歸結果

表6是當金融周期處于衰退期時的回歸結果。與表5類似，模型5為只包含核心解釋變量金融衰退期的回歸結果，模型6-8是在模型5的基礎上逐步增加各層面的控制變量的回歸結果。

由表6可知，衰退期變量（bust）與GDP呈現出顯著的負相關關系，說明相較于金融高漲期和正常期，金融衰退期對經濟增速的影響顯著為負。可理解為，金融形勢的下滑會通過降低資源配置效率以及預期等方面直接或間接影響經濟增長。

在控制變量方面，表6結果顯示：在金融衰退期，貿易條件、工業化程度對經濟增長的影響顯著為正，金融層面的利率水平、總儲蓄率、金融波動對經濟增長影響為負，人口的增長對經濟增長具有促進作用，這些結果與表6得出的結果一致，不再贅述。

綜合實證結果來說，金融周期的繁榮對經濟增長會起到促進作用，而金融周期的蕭條不利于經濟增長；無論金融處于哪種狀態，金融波動都會對經濟增長造成負面影響。

（三） 模型中存在的問題

該模型是基于我國2001年1月至2016年9月的月度數據回歸得到的，在數據上存在一定的缺陷。首先，月度GDP數據和工業化程度變量的數據是通過Eviews將季度數據從低頻轉高頻得到的，數據變動不大，會導致估計系數方差放大，降低模型估計的精度，如果轉而搜集更長時間階段的季度數據，將提高模型估計精度和預測結果可靠性。

其次，對時間序列數據做過單位根檢驗后，檢驗結果表明除核心解釋變量外，被解釋變量和控制變量都非平穩序列，在進行OLS估計，確認誤差項平穩后，沒有對模型再做調整。如果對數據進行差分，再做協整以及誤差修正，會大大提高模型的可靠性。

模型中還存在因遺漏變量導致的內生性問題。比如移動電話用戶數增長率與一些其他的影響電話用戶數量的社會條件，由于科技發展，資源配置效率提高，移動電話的價格顯著降低，人們就有更大的幾率使用移動電話。模型中存在遺漏變量，會導致系數產生偏誤，為了避免這種偏誤，我們應該多尋找合適的控制變量，或者尋找代表人口增長率的更合適的工具變量。

模型中被解釋變量GDP增長率和解釋變量工業化程度、資本增長率、總儲蓄率之間可能存在雙向因果關系，從而導致內生性問題。有以上分析可知，工業化程度的提高會促進經濟增長，而經濟的增長也會提高一國的工業化水平，通過預期等因素，會進一步增大固定投資，提高資本形成率。存在雙向因果時，模型估計系數會存在向下或向上的偏誤。適當的辦法是加入自變量的滯后項。

五、 結語

隨著我國金融市場的發展，金融經濟周期對實體經濟的影響日益凸顯，因此深入研究金融周期的測算與傳導機制，具有重要的理論意義和現實意義。本文基于我國2001年1月至2016年9月的時間序列數據，本文采用SVAR測算了中國的金融形勢指數，采用OLS估計了金融周期對經濟增長的影響。本文研究發現金融周期的波動與經濟增長具有顯著的相關性，在控制其他條件不變的情況下，金融高漲期平均每多一個月，GDP增長率會增加0.13個百分點，金融衰退期平均每多一個月，GDP增長率則會降低0.17個百分點。

（特約編輯：陳國權）

參考文獻：

[1]陳雨露，馬勇，阮卓陽.金融周期和金融波動如何影響經濟增長與金融穩定？[J].金融研究，2016（2）：1-22.

[2]鄧創，徐曼.中美金融周期的協動性及其傳導途徑分析[J].世界經濟研究，2015（11）：12-20+127.

[3]鄧創，徐曼.中國的金融周期波動及其宏觀經濟效應的時變特征研究[J].數量經濟技術經濟研究，2014，31（9）：75-91.

[4]巴曙松，韓明睿.基于SVAR模型的金融形勢指數[J].宏觀經濟研究，2011（4）：26-31+79.