金融穩定、金融杠桿與經濟增長

王藝璇　劉喜華

摘? ?要：本文選取2007—2018年的月度數據，采用具有時變性質的向量自回歸模型（TVP-VAR）對金融穩定、金融杠桿與經濟增長之間的時變關系進行實證研究。研究結果表明：（1）金融杠桿在合理范圍內對金融穩定和經濟增長具有顯著的正效應，若超過臨界值，其所帶來的收益遠小于風險成本，甚至會加劇金融波動、阻礙經濟增長。（2）金融穩定與經濟增長存在正向、負向交替作用關系：在經濟危機時期，金融體系的穩定對經濟發展有顯著的促進作用;但隨著經濟復蘇，促進作用逐漸減弱，甚至會在一定程度上阻礙經濟增長;最后經濟增速到達高峰階段，金融體系的穩定對經濟發展產生積極的促進作用。立足經濟轉型的關鍵時期，合理調控金融杠桿水平，構建穩健、高效的金融市場體系，對于促進經濟與金融協同發展具有重要意義。

關鍵詞：金融杠桿;金融穩定;經濟增長;動態研究

中圖分類號：F830.9? 文獻標識碼： A? 文章編號：1674-2265（2019）10-0022-09

DOI：10.19647/j.cnki.37-1462/f.2019.10.003

一、引言

2008年金融危機爆發，高杠桿被認為是此次金融風險集聚和危機爆發的主要根源。因此，利用“去杠桿”降低或分散金融風險，保障金融穩定已成為共識。根據以往的數據分析結果，經濟繁榮時期投資主體大多采取積極的投資策略，金融機構按需提高杠桿率，加大信貸投放力度;但當經濟進入衰退期時，金融杠桿卻成為誘發金融波動的重要因素。傳統金融發展觀點認為，發達的金融體系可實現自身的風險分散和自動預警，但危機后研究重點則指向了金融杠桿、金融穩定與經濟增長的動態脈沖關系與復雜的內生性關聯機制的分析。一方面，危機前后金融杠桿水平由過高階段轉化為急速的“去杠桿化”階段，這會出現周期性的“繁榮—衰退”現象;另一方面，當前我國處于結構化經濟轉型的關鍵時期，經濟增速由高速發展轉為中高速發展，而金融杠桿卻處于持續攀升階段，出現經濟發展與杠桿率錯配現象。因此，對金融杠桿、金融穩定與經濟增長三者間沖擊效用的研究已逐漸成為研究經濟增速與金融發展關系的重要關注點。

當經濟處于繁榮時期時，金融主體整體呈現向好趨勢，企業與家庭需求增長，金融機構會進行大幅度的信貸擴張，經濟主體投資于高風險高收益的資產組合的可能性增大;當經濟增速放緩后，杠桿率過高的結構性問題逐漸顯現，系統性金融風險悄然積累，從而影響金融穩定。金融杠桿可分為微觀與宏觀兩個層面，微觀層面主要涉及家庭、企業杠桿以及金融杠桿，宏觀層面主要指政府在國家政策實施時的國家債務杠桿，主要涉及政府債務總額/GDP比重。在微觀層面，Wagner等（2010）等研究表明，金融機構通過過度信貸擴張，在金融杠桿過高的情況下反向提高杠桿率，增加金融體系的系統性風險。Greenlaw等（2012）研究認為，當經濟陷入疲軟狀態時，面對較多經濟主體的信貸緊縮，多數家庭與企業被迫選擇減少投資與消費或者縮減經營規模，致使金融杠桿過度化并進而影響金融穩定。在宏觀層面，李揚等（2015）將國家債務占GDP份額作為金融杠桿的代理指標，并從宏觀層面分析得出我國宏觀杠桿率過高，且已經超過大多數國家的研究結論。馬勇等（2016）選取面板數據分析了“去杠桿化”對金融穩定的影響，認為“去杠桿化”對金融穩定具有顯著的負面影響。總之，一致的觀點認為：金融杠桿波動加劇會誘發金融風險，并影響金融市場的穩定性。金融杠桿在合理區間內對經濟增長具有明顯的促進作用，但杠桿率過高會增加不理性投資、降低資金利用率，使投資回報率縮減，加大償債壓力，進而誘發金融波動加劇。因此，研究如何調控金融杠桿水平、維護金融穩定和促進經濟增長具有重要的現實意義。

為減緩金融危機的破壞性影響，政府采取“去杠桿”的解決措施，但“去杠桿”所造成的經濟下行引起學者們的廣泛關注。依據金融杠桿的定義，金融機構的去杠桿化促使其減小信貸力度，整體經濟環境處于需求緊縮狀態，金融主體減少投資與需求，其消費力度大幅降低，并進而影響經濟增長（Devlin和Mckay，2008）。顧永昆（2017）將金融杠桿危機控制函數代入傳統生產函數中，以日本為研究對象，確定企業層面杠桿率的有效合理范圍。馬勇和陳雨露（2017）借助多個國家宏觀杠桿數據建立面板數據模型，在考慮金融杠桿對經濟增長影響效應的同時，加入金融杠桿的波動性指標，從杠桿水平與杠桿波動率兩方面綜合研究金融杠桿對經濟增長的影響機制。

以上研究大多以金融杠桿水平對經濟增長和金融穩定的沖擊效用為重點，但金融體系的風險水平對經濟增長也具有顯著影響。在經濟繁榮時期，金融體系潛藏金融風險，一旦經濟緊縮或衰退，金融風險釋放會造成全局性的金融危機，并阻礙經濟增長。因此，如何防控金融風險、確保經濟可持續增長也是學界研究的重點之一。Minsky（1989）采用“金融不穩定”假說描述經濟增長與金融穩定間的相關關系。在經濟增速高漲時期，經濟主體采取積極的投資策略，加大風險高的資產組合投資力度以獲取更高的投資收益，使投資者與企業的杠桿率提升，從而影響金融穩定性。鄧創和徐曼（2014）以經濟周期與金融周期間的時間差異為研究重點，分析了金融風險調控與經濟增長之間的關系，得出二者存在顯著非線性關系的研究結論。劉金全和潘長春（2016）在此基礎上，選取區制轉移模型，分析金融穩定與經濟增長之間的關聯性。研究表明，二者存在顯著的階段性與時變性影響效應，當樣本處于經濟高速增長期時，金融穩定對經濟增長存在顯著負相關關系;當經濟處于回穩期時，金融穩定作為金融體系的穩定器，與經濟增長具有顯著的正相關關系。因此，在對經濟增長與金融穩定關系的研究中應充分考慮二者的時變性特征。

綜合以上分析，在金融危機前，理論研究側重于如何完善金融體系以防控金融風險，并促進經濟增長，但金融危機后，主要涉及杠桿水平、金融穩定與經濟增長三者的動態關系的研究。另外，以往文獻中大多關注如何判定金融杠桿水平的合理區間，鮮有文獻在基于時變特征的視角下研究金融杠桿水平在不同時點上對經濟發展和金融穩定的影響效用及其動態變化規律。為此，本文借鑒以往金融穩定指數構建的研究經驗，結合我國金融業發展現狀，選取代表宏觀經濟發展、金融發展、房地產經濟發展以及市場信心程度的代理指標，并采用主成分分析法構建金融穩定綜合指數，以彌補單個指標測度我國金融風險現狀的局限性。同時研究金融穩定性、金融杠桿水平以及經濟增長在不同滯后期和不同時點上的影響效用，基于時變參數矩陣分析變量在不同時期內的結構性變化，得出變量間的影響機制和效用傳遞的動態特征，目的是使對不同時點上的影響因素和時變特征的研究更具有針對性。

二、數據分析與模型構建

（一）數據分析

1. 金融杠桿與經濟增長指標分析。參考以往文獻，大多采取GDP作為經濟增長的衡量指標，但由于本文使用月度數據，故采用工業增加值當月同比增長率作為經濟增長的代理指標，記為[iv]。

金融杠桿在微觀層面可以采用家庭、企業以及金融機構等負債占比衡量，宏觀層面采用全國總負債規模占國民生產總值的比重測度，其主要統計指標可用負債/資產、權益/資產等表示。但在國際進行金融杠桿測度時由于各國統計口徑的明顯差異，進行國家間金融杠桿衡量時，大多采用私人部門信貸/GDP作為金融杠桿的衡量指標。Cecchetti和Kharroubi（2012）基于私人信貸/GDP代理指標，測度50個國家的杠桿水平的臨界值，當杠桿水平超過臨界值時，隨著其持續增長，金融杠桿對經濟增長由正相關轉換為負相關。馬勇和陳雨露（2017）同樣采取信貸規模/GDP作為金融杠桿觀測變量，研究發現國家間杠桿水平與經濟增長之間存在“反U形”關系。本文在借鑒已有文獻的基礎上，充分考慮數據可得性，選取M2/GDP作為金融杠桿代理變量。基于銀行資產測算層面，M2在一定程度上可衡量投資與中間市場的交易活躍性。因此，M2/GDP可替代信貸規模/GDP水平。隨著我國經濟快速發展，杠桿水平持續攀升，自2008年至2017年杠桿倍數由5.234持續增長至8.215，增長率高達57%，已超過大多數國家杠桿率增長水平。在經濟發展初期，信貸快速擴張有利于投資力度提高，活躍市場交易，從而促進經濟增長。但信貸規模超過適度水平，金融風險在過高的杠桿水平下潛藏積累，破壞金融穩定，阻礙經濟增長。因此，金融杠桿水平需要存在于合理區間內，過高或過低均會降低經濟增速，增加金融風險。

2. 金融風險因素分析。在研究金融穩定的分析中，特別是關于宏觀金融穩定的相關實證文獻中，一般以金融危機發生概率作為衡量一國金融體系穩定性的代理指標。因此，金融危機是金融穩定的負向指標，金融危機概率越高，金融穩定性越低。

金融風險主要體現在以下方面：一是社會融資方式多樣，信貸規模擴張、高杠桿成為金融風險的重要來源。政府債務與非金融機構的企業債務風險一定程度上對銀行等金融機構產生隱性威脅。二是面對經濟發展放緩、企業債務率攀升，銀行出現不良貸款率增高、資金配置效率低下等問題。三是經濟政策實施過程中的金融創新監管問題。利率市場化使得國內銀行資金流動性、風險特征均發生改變，以及人民幣國際化趨勢和匯率制度變更也會加強國內外金融風險關聯性、傳播性，同時金融市場創新探索過程中潛藏著新的金融風險點。

綜合以上分析，并參考以往學者編制的金融穩定性指數和《中國金融穩定報告》，充分體現金融指數的系統性、敏感性和實時性，結合相關經濟理論和經濟現狀，從宏觀經濟維度、金融業維度、房地產維度、信心指數維度四方面構建金融穩定評估體系。

（二）TVP—VAR模型構建

原有VAR模型是基于常系數的模型設定，無法解釋發生結構性突變時數據間的非線性和時變演變關系。TVP—VAR模型是在傳統向量自回歸的模型中加入了時變參數，展現變量間的結構性特征與變化趨勢，充分彌補了常系數模型設定的局限性。Nakajima（2011）利用多個變量進行TVP—VAR模型檢驗，對日本經濟現狀進行研究，對比傳統VAR模型檢驗結果發現，時變參數自回歸模型的擬合優度更強，大大提高了估計參數的準確性，并充分演繹了不同時點下參數變化的動態規律。

式（3）是在SAVR模型基礎上演變而成的TVP—VAR模型，其中各變量參數滿足式（5）—（6），此時變參數模型通過其參數的波動狀態，表示隨時間實時變化的解釋變量對被解釋變量的沖擊作用，檢驗參數隨時間變化而做出相應改變，這符合金融變量及其運行機制在經濟發展中并非一成不變的事實。

三、金融穩定指數構建——綜合指數法

（一）理論基礎

基于學者針對金融風險成因的分析以及風險傳導途徑，構建適合我國國情的金融穩定指數（宮曉琳，2012;陶玲和朱迎，2016），以及充分借鑒IMF發布的《金融穩健指標編制指南》關于穩定指標的選取標準，采取主成分分析法構建綜合穩定指數，衡量我國金融穩定狀態。鑒于我國金融體系成熟度較低，市場經濟起步較晚，現今金融體系處于轉軌發展的重要時期，數據的連貫度以及穩定性不足，利用多個數據進行回歸分析并預測金融穩定情況不適用于我國國情。IMF（2009）也提出，處于金融市場發展初期的發展中國家，可以采取適當方法構建金融穩定指數，作為衡量本地區系統性風險的主要依據，其中綜合指數法成為首選。又因為綜合指數法是一種較靈活、明晰快捷的方法，一方面，綜合指數法是根據金融穩定現狀與金融變量的相關性強弱篩選相關指標構建綜合指標體系，在綜合指標的基礎上觀測金融穩定的發展現狀和走勢;另一方面，綜合指數法可配合復雜模型使用，在金融穩定體系指標篩選、權重確定等方面可配合其他模型決定。綜合分析得出，綜合指數法既簡單可行，又能綜合考慮不同指標在金融風險預警過程中的影響作用。因此，本文采用綜合指數法構建金融穩定監管指標體系。

（二）指標選取

基于金融風險的來源分析與以往構建金融穩定指數的經驗，本文選取宏觀經濟、金融發展、房地產經濟以及相關信心指數等12個指標構建金融穩定綜合指數（見表1），衡量我國金融風險狀況，完善金融穩定監管體系。數據區間為2007年1月至2018年12月，包含金融危機前后的時期，來源于萬得數據庫。

（三）綜合指數構建——主成分分析

基于上述的12個基礎指標，各指標具有不同的單位，對穩定指數影響方向也不同，因此，在進行主成分分析前，需要對基礎指標進行標準化處理。標準化處理后的指標，消除了單位影響和指標自身變異的影響，為主成分分析做好基礎準備。采用SPSS軟件，分析12個指標的各維度主成分的成分系數及綜合方差，將綜合指標進行降維處理，根據篩選標準，選取累計方差貢獻率不低于80%的前k個主成分。表2顯示，各個主成分的貢獻率與累計貢獻率，第一、第二、第三、第四主成分累計總方差超過80%，此后的主成分特征值的貢獻率逐漸減少，因此，選取第一、第二、第三、第四主成分[Z1]、[Z2]、[Z3]、[Z4]。

第一、第二、第三、第四主成分的系數矩陣（見表3）表示各主成分在變量線性組合中的比重，由此合成各主成分，例如：

變量系數為主成分載荷，表示主成分與相關變量的相關系數。第一主成分中，變量[X4]、[X5]、[X10]、[X11]系數載荷為負，說明第一主成分與變量[X4]、[X5]、[X10]、[X11]呈負相關，第一主成分隨變量[X4]、[X5]、[X10]、[X11]的升高而降低。相關系數的絕對值表示主成分對變量的解釋能力，第一主成分對固定資產投資累計同比增速（[X6]）的解釋最充分，代表性最大。同理第二、第三、第四主成分[Z2]、[Z3]、[Z4]的主成分系數矩陣具有相同的解釋能力，使用相同的方法解釋余下三個主成分的系數矩陣，得到相應的變量關系，進一步剖析各個主成分對變量變化的響應程度。

根據主成分分析的方差貢獻率以及主成分矩陣，確定金融穩定體系中各變量的權重，構建金融穩定綜合指標體系FSCI（見表4），擬合我國金融穩定的變化趨勢。

基于主成分分析法構建金融穩定綜合指數，擬合金融穩定的波動趨勢，主要分為兩階段分析。第一階段2007—2011年，金融穩定處于頻繁波動狀態;第二階段2012—2018年，金融穩定呈現穩中求進狀態。

第一階段：金融危機爆發前，我國處于經濟快速增長的繁榮期，金融市場風險逐漸積累，FSCI指數處于階段性高峰;金融危機爆發后，不僅給美國帶來巨大損失，也大規模影響我國金融體系穩定性，使得累積的金融風險暴露，加劇金融市場波動。根據國內經濟環境，一方面，股市出現大規模波動。在金融危機期間上證指數下降幅度明顯，最低點下降到1664點;進出口貿易快速縮減，債券市場、房地產市場的風險指標持續攀升。2008年10月—2011年初，為刺激經濟復蘇，政府實行寬松的貨幣政策，出臺四萬億刺激政策，以提高市場活躍性來助力經濟走出疲軟狀態，同時我國加強金融監管力度。因此，金融穩定性由低谷逐漸上升，總體維持在中等水平。在振興經濟的同時，不可避免會帶來一些負面影響：在過度信貸擴張的情況下，房地產易產生泡沫;信貸擴張所帶來的大規模不理性投資計劃會引發行業的產能過剩，而利潤下降使得企業償債能力降低，加大企業貸款的違約風險。總體來說，國外金融風險的沖擊，國內通貨膨脹、資本市場的不穩定使得金融穩定指數走勢呈波動狀。

第二階段：經濟大環境整體向好，呈現穩中有升的趨勢，宏觀經濟、金融發展、房地產市場以及市場參與者等各個維度都呈現出穩定發展的趨勢，充分擬合FSCI指數第二階段平穩發展趨勢。

四、金融杠桿、金融穩定及經濟增長動態分析

（一）基礎檢驗

根據以往學者經驗和采用主成分分析法構建的金融穩定綜合指數，選取金融穩定綜合指數（FSCI）、經濟增長（工業增長值當月同比增長率IDV）、金融杠桿（LEV）三項指標，通過TVP-VAR模型檢驗金融穩定、經濟增長和金融杠桿三者之間的動態演變關系。

基于TVP-VAR模型在進行動態檢驗前需要驗證時間序列是否為平穩序列，因此對金融穩定綜合指數、經濟增長和金融杠桿三項指標進行ADF檢驗。結果顯示，金融杠桿指標在原時間序列呈現平穩的時間趨勢，不需要進行差分處理，保留原時間序列數據;金融穩定綜合指數P值為0.0485，未通過顯著性檢驗，一階差分后p值接近0，在1%顯著水平下顯著，拒絕原假設，表示金融穩定綜合指數一階差分為平穩時間序列;同理經濟增長代理指標的一階差分序列P值接近于0，在1%顯著性水平下顯著。在平穩時間序列的基礎上，選取TVP-VAR模型的最優滯后階數，為后續模型構建提供滯后階數保障。

采用TVP-VAR模型標準的檢驗滯后階數準則，選取LR、FPE、AIC、SC、HQ檢測滯后階數，選取最優滯后階數為4。

（二）MCMC模擬參數估計分析

運用Matlab進行蒙特卡羅模擬以檢驗參數估計的有效性和穩健性，選取MCMC迭代次數為10000次，舍棄前1000次不穩定的數據。將參數的95%置信區間、Geweke收斂診斷量、無效影響因子Inef作為蒙特卡羅模擬估計的可信性檢驗依據。其中，檢驗序列不相關的變量均值方差與后驗數據的均值方差的比采用Geweke收斂統計量表示，無效影響因素Inef是基于無效因子檢驗馬爾可夫鏈的收斂程度，若所有統計量都小于100，則MCMC模擬估計效果良好。

無效因素Inef表達式：

式（7）中，[ρs]為滯后階數為s時的數據量自相關系數，并設定取值為500，無效影響因素在無限次迭代變換中，數值越小表示估計生成的無效樣本數據越多，MCMC模擬估計效果越好。表5顯示，Inef統計數據均遠小于100，最大的為62.53，最小的為11.01。因此，利用MCMC模擬估計參數分析得出，此樣本數據收斂性較高，具有較高的穩健性和有效分析價值。

圖2顯示了TVP-VAR模型模擬檢驗參數的樣本自回歸系數、樣本取值路徑以及后驗密度函數。其中，第一，檢驗參數的樣本自回歸系數由開始的高峰階段迅速下降并趨于平穩，在0附近的較小范圍內波動;第二，樣本取值路徑趨勢與后驗密度函數的趨勢顯示，在經過足夠多次的MCMC模擬抽樣后，數據趨勢呈現出較好的收斂性與穩定性。

（三）金融穩定、經濟增長及金融杠桿的脈沖響應分析

相較于傳統VAR模型，時變參數脈沖響應函數能準確捕捉系數在不同時點上的變化趨勢，可以收集更多的脈沖響應信息，更好地推斷出變量間的動態變化關系。因此，本文從等時間間隔沖擊反應函數和不同時點沖擊反應函數兩個角度分析金融穩定、經濟增長及金融杠桿三者之間的動態沖擊關系。

1. 等時間間隔沖擊的時變參數響應分析。等時間間隔沖擊反應函數表示變量在不同提前期的相互作用關系，并根據脈沖響應趨勢圖，得到在特定時間間隔的前提下自變量每變化1單位時對因變量的影響效用。若反應函數位于0線以上，則為正向效用;反之，則為負向關系。圖3（a）顯示，金融穩定對經濟增長整體呈現正向沖擊關系，并隨著滯后期的增加，金融穩定對經濟發展的影響越大。其中，滯后期是8和12時，金融穩定對經濟發展水平是平穩的正向作用關系;滯后期為4期時，其對經濟增長出現了負面作用關系。這主要是因為在短期內，政府加強市場監管，提高風險防范力度，在一定程度上不利于刺激消費和市場交易，因此會較小程度地抑制經濟增長;但在中長期發展過程中，金融穩定性的提高為經濟發展提供良好、穩健的金融環境，降低金融市場的信貸融資風險，提高資本市場、貨幣市場的穩定性，對經濟增長具有有效的支撐作用。圖3（b）顯示，杠桿水平的提高對經濟增長呈現負向沖擊作用。其中，滯后期為長期時，杠桿水平提高對經濟增長具有較弱的促進作用。主要原因是，在20期前（2007—2008年一季度），大量外匯涌入國內市場，為保證匯率穩定，央行在外匯壓力下增發相應的貨幣量。為降低增發貨幣帶來的過高杠桿率問題，我國采用提高準備金率和發行央行票據等方式。同時，宏觀經濟投資環境較為活躍，伴隨金融杠桿的適度加大，我國經濟發展呈現持續增長的趨勢。從20期至40期（2008年中期至2009年），國內經濟在金融杠桿攀升的作用下不但沒有繼續增長，反而呈現快速下降的趨勢。90期后（2013—2018年），金融杠桿對經濟增長的影響逐漸減弱并趨向于負向作用關系，這主要是基于經濟主體各個部門積極推進供給側結構性改革，為經濟發展創造一個良好的增長環境。如圖3（a、b）所示，一方面，金融穩定對經濟增長在長期發展進程中具有強有力的促進作用;另一方面，金融波動的加劇會引起投資主體的信心下降，對未來投資預期產生偏差，從而在一定程度上引發經濟主體的投資恐慌，導致經濟發展穩定性大幅下降，經濟增長放緩。

圖3（c、d）表示基于不同滯后期經濟增長和杠桿水平對金融穩定性的沖擊效用。圖3（c）顯示，金融杠桿水平的提升在長期內（滯后12期）對金融穩定具有負向沖擊作用。在經濟快速增長時期，金融體系自身可有效降低風險沖擊效用，金融深化改革在一定程度上有利于金融穩定;伴隨金融杠桿水平的繼續攀升，風險抑制效用呈遞減趨勢，但金融體系維持穩定狀態，直至杠桿率達到臨界值時，系統性風險達到最低水平;杠桿率跨越臨界值后持續飆升，致使由杠桿率過高誘發的結構性問題逐漸暴露，使得金融穩定水平呈下降趨勢。圖3（d）顯示，經濟增長對金融穩定有正向沖擊作用。滯后8期時，經濟增長的影響效用不斷減小;滯后12期時，經濟增長的沖擊效應由平穩趨于迅速增長，其中2007—2012年末，經濟增長對金融穩定性的影響較穩定，2013—2018年期間經濟增長對金融穩定性呈現不斷增長的正向沖擊作用。這一趨勢變化說明，經濟增長對金融穩定具有有效且穩健的促進作用，經濟環境的向好趨勢有助于金融穩定，可有效抵御金融風險，保障金融資金安全流動，進而對經濟發展產生積極的促進作用。

2. 不同時點沖擊的時變參數響應分析。圖4表示不同時間點上金融穩定性水平和金融杠桿水平對經濟增長的沖擊作用，以及金融杠桿變化和經濟增長對金融穩定性水平的動態沖擊影響。圖中的短虛線、長虛線、實線分別表示36期、63期、108期對應的各時間點的動態脈沖響應函數，對應時間軸上的2009年12月、2012年3月和2015年12月三個時間點。充分考慮現實經濟情況，選取以上三個具有代表性的時間點：第一，經歷2008年次貸危機沖擊，我國經濟危機后期陷入金融風險暴露危機中;第二，經濟增速放緩，經濟由擴張變為緊縮，由高速增長階段進入平穩增長階段;第三，經濟進入“新常態”，實行供給側結構性改革。

圖4（e）中三條線幾乎呈現重合狀態，說明金融穩定對經濟增長的沖擊和影響隨時間變化較小，在三個主要時間點呈現相似的動態影響效應。經濟危機沖擊期間及“新常態”時期，金融穩定水平對經濟增長第2期產生較大的促進作用，呈現階段性的負向效應，最后趨于平穩。整體來說，金融穩定性水平的提高對經濟增長有促進作用。圖4（f）描述了金融杠桿在三個時點對經濟增長的動態效用。三條曲線的發展趨勢表明，在金融危機時，經濟發展隨杠桿水平的上升而下降，呈現負向效應，在第3期到達最高峰隨后影響效應持續減小。金融危機過后，我國經濟進入“新常態”，金融杠桿對經濟增長的動態脈沖效應基本與前期相同，但整體效用減弱。總之，金融杠桿水平在短期內對經濟增長具有促進作用，但在隨后發展中，杠桿水平的過度擴張會誘發金融風險暴露，對經濟增長產生消極作用。

圖4（g）表示基于不同時點經濟增長對金融穩定的動態脈沖響應。在次貸危機影響下（t=36），經濟增長對金融穩定的影響明顯強于危機后的轉型時期。這主要是因為，面對嚴峻的經濟形勢，政府積極落實刺激經濟的計劃，使得流動性顯著增強，同時激發市場投資熱情，提高市場抵御風險的能力。經濟進入“新常態”時期（t=108），第三產業對經濟的拉動作用不斷加強，經濟增長的影響效益對金融穩定性沖擊增強。因此，相對于前兩個時點，在第三個時點上，經濟增長對金融穩定的效應更明顯。同樣，維持杠桿水平處于合理范圍內是促進經濟增長、推動金融發展進程中的重要環節。圖4（h）顯示，三個時點下金融杠桿水平對金融穩定性的影響效用基本相同，但在金融危機初期（t=36），金融杠桿水平過高會導致金融穩定性明顯下降，對金融穩定具有顯著的負向作用，并且金融穩定性在金融杠桿影響下波動幅度明顯。整體而言，合理、穩定的金融杠桿水平對金融穩定性具有明顯的促進作用。

五、結論與啟示

綜合以上研究，金融穩定性、金融杠桿水平和經濟增長變量具有時變特征，在隨時間演進和結構變化的進程中，當這些變量受到外部環境的沖擊時，采用時變參數向量自回歸模型可以明晰地觀察到不同滯后期和關鍵時點變量之間的動態變化關系和影響機制。本文得出以下研究結論：第一，在不同滯后期的動態沖擊下，金融杠桿水平對經濟增長的促進作用由正向逐漸減弱直至演變為負向影響;基于不同時點的動態沖擊，金融杠桿在合理的區間范圍內，對宏觀經濟有積極的促進作用，但杠桿水平超過閾值后系統性風險隨金融杠桿的升高而增加，其對經濟增長呈現抑制作用。第二，金融杠桿對金融穩定的沖擊效用在不同滯后期內呈現不同的作用，在短期沖擊影響下金融杠桿水平對金融穩定有正向影響;但從長期沖擊來看，金融杠桿水平過高會降低金融穩定性。基于不同時點的沖擊效用，金融危機爆發時期相較于經濟“新常態”時期，金融杠桿對金融穩定的沖擊效應更加顯著。第三，經濟增長與金融穩定相互影響，其中金融穩定在不同時期對經濟發展均具有顯著的正向沖擊作用，但經濟增長在短期內對金融穩定的正向促進作用微弱，隨著經濟運行周期變長，經濟增長對金融穩定的正向影響變得更加顯著，表明經濟增長的沖擊影響存在滯后效用。

基于以上研究結論，本文得出以下啟示：第一，健全宏觀審慎管理，監控金融杠桿水平，保持金融穩定。目前，我國面臨不良貸款增多及通貨膨脹等宏觀風險，使金融市場資金安全與抵御風險的能力面臨嚴峻考驗。因此，應加強宏觀審慎政策中有關調控杠桿水平的監管力度，為促進經濟增長提供安全穩定的金融環境。第二，完善金融杠桿調控，平衡經濟增長與金融穩定。金融杠桿的波動對經濟增長和金融穩定具有顯著的負向影響，因此，在調控金融杠桿水平時，應首先采取穩健的調控政策，最大限度降低金融杠桿波動所造成的經濟疲軟和金融不穩定。

參考文獻：

[1]Wagner，W. 2010. Diversification at Financial Institutions and Systemic Crises[J].Journal of Financial Intermediation，19.

[2]Greenlaw.D.A.Kashyap，and K.Schoenholtz. 2012. Stressed Out：Macroprudential Principles for Stress Testing，Chicago Booth Paper No.12-08.

[3]Devlin，W.，and H.McKay. 2008. The Macroeconomic Implications of Financial Deleveraging，Working Paper.

[4]Glick，R.，and K.Lansing. 2009. U.S.Household Deleveraging and Future Consumption Growth，FRBSF Economic Letter，No.16.

[5]Minsky，H. 1991. The Financial Instability Hypothesis： A Clarification. In The Risk of Economic Crisis.Edited by M.Feldstein，158 -170. Chicago： University of Chicago Press.

[6]Cecchetti，G. ，and E. Kharroubi. 2012. Reassessing the Impact of Finance on Growth，BIS Working Papers，No.381.

[7]Nakajima J. 2011. Time-Varying Parameter VAR Model with Stochastic Volatility：An Overview of Methodology and Empirical Applications[R].Institute for Monetary and Economic Studies，Bank of Japan.

[8]李揚，張曉晶，常欣.中國國家資產負債2015：杠桿調整與風險管理[M].北京：中國社會科學出版社，2015年.

[9]馬勇，田拓，阮卓陽，朱軍軍.金融杠桿、經濟增長與金融穩定[J].金融研究，2016，（6）.

[10]張蘊萍，楊友才，牛歡.山東省金融效率、溢出效應與外商直接投資——基于空間動態面板Durbin模型的研究[J].管理評論，2018，（6）.

[11]顧永昆.金融杠桿、金融制度與經濟增長——理論及日本的經驗分析[J].財經科學，2017，（9）.

[12]馬勇，陳雨露.金融杠桿、杠桿波動與經濟增長[J].經濟研究，2017，52（06）.

[13]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）.

[14]董迪.區域金融穩定性指數的構建與評估研究[J].武漢金融，2018，（2）.

[15]劉金全，潘長春.金融穩定對經濟增長的非線性影響機制研究[J].求是學刊，2016，43（4）.

[16]宮曉琳.未定權益分析方法與中國宏觀金融風險的測度分析[J].經濟研究，2012，（3）.

[17]陶玲，朱迎.系統性金融風險的監測和度量——基于中國金融體系的研究[J].金融研究，2016，（6）.