中國金融周期與經濟周期測度及動態關系研究***

孫晨童 陳磊 李俊杰

〔 DOI〕 10.19653/j.cnki.dbcjdxxb.2020.06.002

〔引用格式〕 ?孫晨童，陳磊，李俊杰.中國金融周期與經濟周期測度及動態關系研究[J].東北財經大學學報，2020，（6）：12-21.

〔摘要〕本文應用馬爾科夫區制轉換動態因子模型（MS-DFM），分別對中國金融周期和經濟周期進行測度及轉折點識別。研究發現：中國金融周期與經濟周期波動都呈現出“收縮期長、擴張期短”的非對稱特征，并且存在著明顯的峰谷交錯現象，金融周期先行于經濟周期6個月。為進一步研究二者的非線性動態關系，本文建立了馬爾科夫區制轉換向量自回歸模型（MS-VAR）。研究發現：中國經濟發展進入新常態以來，金融周期和經濟周期的聯合波動一直處于“低增長、低波動”的低區制狀態。在不同區制下，金融周期對經濟周期都具有顯著的正向沖擊效應;而經濟周期對金融周期的影響存在一定的不確定性。

〔關鍵詞〕金融周期;經濟周期;MS-DFM模型;MS-VAR模型

中圖分類號：F037.1 ???文獻標識碼：A ???文章編號：1008-4096（2020）06-0012-10

一、引 ?言

2008年爆發的全球金融危機對傳統經濟周期理論產生了巨大的沖擊，由于忽視了金融因素對宏觀經濟周期波動的影響，導致理論與現實經濟運行脫節。危機過后學術界開始重新審視和探究金融因素在宏觀經濟運行中的角色和作用。Claessens等^[1]認為金融周期可以運用經濟周期的實證方法進行測度，通過比較金融周期與經濟周期的波動變化，分析金融體系的融資服務、風險變化對金融體系穩定及實體經濟波動變化的影響。

目前，對金融周期的研究受到國內外學者的廣泛關注。其中，如何準確測度金融周期是進行金融周期相關研究所面臨的首要問題。關于金融周期的測度大致有三種方式：一是以信貸周期來代表金融周期，Riccardo和Andrea^[2]采用單變量信貸規模來代表信貸周期;二是Hatzius和Hooper^[3]、韓艾等^[4]、鄧創和徐曼^[5]選取宏觀金融相關月度指標，通過不同的計量方法合成金融狀況指數（FCI）來反映金融周期的周期性波動特征，但選擇的指標體系存在較大差別;三是Claessens等^[1]、Drehmann等^[6]、Borio^[7]基于季度數據合成金融周期指數，從信貸、資產價格信息（房地產價格、股票價格）等方面，選取信貸/GDP、信貸、房地產價格以及股票價格相關指標度量金融周期。國內學者伊楠和張斌^[8]、朱太輝和黃海晶^[9]、王博和李昊然^[10]沿用了上述指標體系，對中國金融周期進行了測度。

結合國內外對金融周期測度的現有成果來看，基于季度數據的金融周期測度主要從信貸和資產價格方面選擇代理指標，但受制于統計技術和統計發布制度，相關季度數據的發布存在很大的時滯性，不能滿足對周期實時監測的需要。而基于月度數據的金融周期測度在指標選擇上存在很大差別。產生這種現象的主要原因是金融周期測度的基準指標沒有統一的選擇標準，不能在既定的基準指標下根據指標之間的協同性進行篩選，這就導致不同研究度量的金融周期無論是峰谷點對應，還是周期的波動幅度及持續時間都不盡相同。為了彌補上述不足，本文參考以往文獻中金融周期測度的指標體系，結合中國金融市場運行的實際情況及數據可得性對月度金融周期測度的相關月度指標進行篩選。同時，本文參考陳磊等^[11]研究中對月度經濟周期測度的指標體系，應用MS-DFM模型分別測度中國金融周期和經濟周期。

Stock和Watson^[12]提出了動態因子模型（DFM），可以捕捉經濟變量之間的協同性變化，通過提取共同因子來反映經濟系統的整體運行規律。Kim和Nelson^[13]將單變量馬爾科夫區制轉換模型（MS）引入到動態因子模型中建立了MS-DFM模型，實現了對經濟周期測度及周期波動狀態的同時分析。國內學者Wang等^[14]、林秀梅等^[15]應用該方法對中國經濟周期相關問題進行了實證研究，而中國金融周期領域的研究仍屬空白。本文嘗試應用MS-DFM模型對中國金融周期進行度量及轉折點識別，并使用景氣分析方法對金融周期和經濟周期的波動特征和運行態勢進行分析。

通過對現有文獻梳理發現，對金融周期與經濟周期之間關系的研究，現有成果可以總結為如下四個方面：第一，關于周期波動特征的研究。Borio^[7]指出金融周期比經濟周期的長度更長、波動幅度更大，系統性銀行危機往往出現在金融周期的波峰附近。伊楠和張斌^[8]、王博和李昊然^[10]指出中國的金融周期與經濟周期的中長期波動也存在類似的關系特征。此外，朱太輝和黃海晶^[9]指出中國金融周期的短期波動與國家金融調控政策導向高度吻合。第二，關于協同性關系的研究。Claessens等^[1]、曹永琴和李澤祥^[16]、岑麗君和黃新克^[17]認為金融周期與經濟周期存在顯著的動態正相關關系。曹永琴和李澤祥^[16]指出隨著中國金融改革深化程度和金融市場開放度的提高，金融周期與經濟周期的動態關聯程度持續上升。第三，關于先行滯后關系的研究。鄧創和徐曼^[18]、劉璐^[19]、田新民和陸亞晨^[20]認為中國金融周期和經濟周期存在著明顯的峰谷交錯現象，金融周期波動先行于經濟周期波動，金融周期可以作為經濟周期運行監測的指示器。第四，關于交互影響關系的研究。朱太輝和黃海晶^[9]指出金融周期與經濟周期互為Granger因果關系，Billo和Petronevich^[21]、鄧創和徐曼^[18]、田新民和陸亞晨^[20]認為金融周期與經濟周期之間存在顯著的交互影響關系并具有時變特征。

國內外學者應用各種計量模型從不同角度對金融周期與經濟周期的關系進行了分析，但鮮有文獻分析金融周期與經濟周期之間的非線性動態關系。本文參考以往學術成果及研究方法，考察了金融周期與經濟周期之間的先行滯后關系并深入分析了產生這種關系的原因。同時，嘗試應用Krolzig^[22]提出的MS-VAR模型對金融周期與經濟周期的非線性動態關系進行實證分析。

本文首先對MS-DFM模型及其估計方法進行介紹，隨后運用該方法分別測度金融周期與經濟周期，并對其擴張與收縮階段進行識別與分析;通過建立金融周期與經濟周期的MS-VAR模型，識別二者的聯合波動區制，并通過脈沖響應函數分析在不同區制下二者的交互影響關系;最終得出本文的主要研究結論。

二、金融周期與經濟周期測度及轉折點識別

（一）MS-DFM模型及其估計

Stock和Watson^[12]假定一些經濟變量所包含的信息能夠由一個潛在共同因子和一個異質性成分所描述，而潛在共同因子是這些經濟變量的聯合反應，由動態因子模型具體可以表示為：

（1）

（2）

（3）

其中，y_it為N個經濟變量，f_t為共同因子，λ_i為第i個經濟變量對共同因子的因子載荷，z_it為異質性成分，隨機擾動項ε_t服從標準正態分布，η_it彼此獨立且服從均值為0，方差為的正態分布，Ψ（L）和Φ（L）為滯后算子。

Kim和Nelson^[13]在動態因子模型的基礎上引入了馬爾科夫轉換機制，考慮到共同因子f_t可能在兩種不同區制狀態（S_t=0或S_t=1）下發生變化，模型設定為：

（4）

其中，C_St=0和C_St=1為S_t兩種不同狀態的截距項，S_t服從遍歷的馬爾科夫鏈：

（5）

因此，S_t轉移狀態依據轉移概率矩陣可表示為：

（6）

其中，P（S_t=0∣S_t-1=0）=p₀₀以此類推。用式（4）替換式（2），與式（1）和式（3）共同組成了馬爾科夫區制轉換動態因子模型（MS-DFM）。

傳統MS-DFM估計方法需要利用Hamilton濾波對離散變量S_t進行概率推斷，同時，又要通過Kalman濾波對模型的狀態空間形式中的狀態變量（共同因子f_t和異質性成分z_it）進行推斷，然后由指定初值進行迭代，通過極大似然估計得到參數估計值，整個過程需要估計的參數過多，模型非常難估計。本文參考Diebold和Rudebusch^[23]的兩步估計法對模型估計進行簡化：第一步，將動態因子模型（DFM）改寫成狀態空間形式進行Kalman濾波估計;第二步，將第一步估計得到的共同因子代入到Hamilton^[24]提出的單變量馬爾科夫區制轉換模型（MS）中進行極大似然估計。

（二）變量選擇與數據處理

金融周期（FC）測度。Borio^[7]認為信貸總量和資產價格是測算金融周期的基準變量，而Claessens等^[1]認為反映資產價格的代理變量除了房價外，還應包括股價。與此同時，參考韓艾等^[4]、鄧創和徐曼^[18]、石振宇^[25]的研究將貨幣因素納入到金融周期測度的框架之內。結合文獻研究，本文從信貸規模、貨幣供給、股票價格和房地產價格四個方面綜合測度金融周期的整體運行態勢，分別選擇金融機構貸款余額（Credit）、狹義貨幣供應量（M1）、上證綜合收盤指數（Stock）、國房景氣指數（Estate）作為上述四個方面的代理變量。

經濟周期（EC）測度。參考陳磊等^[11]的研究宏觀經濟景氣一致指數的指標組，選取工業增加值（Industry）、固定資產投資（Investment）、進口總值（Import）和社會消費品零售總額（Sale）四個指標來測度經濟周期。

除國房景氣指數外，其他指標均為月度增長率數據?？紤]到部分指標1月份存在缺失值的情況，本文用2月份的數據代替1月份的數據進行填補。然后對指標進行X-12季節調整，剔除季節成分和不規則擾動成分。為了識別金融周期與經濟周期的擴張和收縮狀態，對季節調整后的TC序列進行一階差分處理，經ADF檢驗，差分數據均為平穩時間序列。本文數據來源于中經網統計數據庫，樣本區間選取1998年1月—2019年6月。

（三）MS-DFM模型的參數估計結果分析

參考Diebold和Rudebusch^[23]的兩步估計法。第一步，分別提取金融周期與經濟周期的共同因子，經過反復計算，DFM模型中的滯后算子Ψ（L）和Φ（L）都設定為滯后2階時，估計結果最優;第二步，為了準確識別金融周期和經濟周期的擴張和收縮階段，MS模型滯后階數設定為0。模型估計利用GAUSS9.0軟件實現，結果如表1所示。由表1可知，估計結果在5%的顯著性水平下，模型估計的所有參數都是顯著的，說明模型設定具有一定的合理性。

首先，金融周期測度的因子載荷分別為0.4947、0.6338、0.6603和0.3150。其中，國房景氣指數和M1的載荷較大，說明金融周期共同因子受房地產價格和貨幣因素影響較大。而上證綜合收盤指數的載荷偏低，這主要是由于上證綜合收盤指數與其他三個指標的協同性相對較低。

其次，經濟周期測度的因子載荷分別為0.4371、0.5974、0.5416和0.3983。其中，進口總值、固定資產投資和社會消費品零售總額對經濟周期提取的貢獻大體相當，而工業增加值的載荷最大，這表明工業增加值在月度金融周期測度中所扮演重要角色。

再次，在兩種區制狀態下，金融周期與經濟周期的截距項的估計值分別為-0.6249、0.7642和-0.3984、0.9791，區制0的估計值均小于區制1。以此判斷，金融周期與經濟周期都可以劃分為擴張和收縮兩種狀態，其中，區制0代表收縮階段，而區制1代表擴張階段。

最后，金融周期與經濟周期轉移概率的估計值分別為0.9469、0.9366和0.9599、0.9008，估計值都較大，說明兩個景氣循環維持收縮和擴張狀態都具有非常強的穩定性。由狀態持續期的計算公式D_i=1/（1-p_ii）可得，金融周期和經濟周期處于收縮和擴張狀態的平均持續時間分別為18.8個月、15.8個月和24.9個月、10.1個月，這體現了中國金融周期和經濟周期的周期性波動都具有“收縮期長、擴張期短”的非對稱特征。

（四）金融周期與經濟周期的周期性波動分析

為了能直觀地觀察金融周期和經濟周期的實際走勢，分別對基于差分數據提取的共同因子進行逐期累加還原，得到金融周期（圖1實線左軸）和經濟周期（圖2實線左軸）序列，圖1中還給出收縮階段（區制0）的平滑概率（圖1和圖2虛線右軸）。為準確識別金融周期與經濟周期的轉折點，參考Hamilton^[24]的研究思路，將收縮階段的平滑概率與0.5水平線的交點作為擴張與收縮階段相互轉換的時點。同時，根據景氣分析方法對于周期階段的定義，設定擴張和收縮階段應該滿足狀態持續期不少于6個月的條件。如圖1和圖2所示（陰影部分為收縮階段），本文模型基本準確識別了金融周期和經濟周期在樣本期內所有的收縮階段，說明MS-DFM模型的估計結果是準確的。

根據上述周期轉折點的判別標準以及按照“谷—谷”的周期計算方式，得到金融周期與經濟周期的景氣循環測定結果如表2所示，自1998年以來，中國金融周期經歷了6輪完整的景氣循環，并進入了新一輪擴張期;經濟周期經歷了5輪完整的景氣循環，目前正處于第6輪的收縮期?？傮w來看，中國金融周期與經濟周期的擴張和收縮階段交替出現，呈現出明顯的周期波動特征。并且每一輪景氣循環收縮期與擴張期的持續時間差別較大，體現出非對稱的周期性波動特征。

結合圖1和表2來看，受1997年亞洲金融危機的后續影響，金融周期在1998年下半年處于收縮階段，并在1999年1月觸底。但隨著應對金融危機的一系列擴張性調控政策及銀行商業化改革措施的實施，金融周期進入了擴張階段。2000年隨著信貸規模收窄以及股票市場的持續低迷，金融周期從2000年3月開始進入收縮階段，并在2001年11月達到谷底。2003年中國經濟局部過熱、物價上升、銀行信貸資金過度投放，金融系統出現嚴重隱患，為應對這種不利局面，2004年中國宏觀調控力度再次加大，金融環境逐漸趨緊，金融周期處于收縮階段，并且一直持續到2005年初。

金融周期于2005年3月進入第三輪景氣循環的擴張階段，伴隨著股票市場的繁榮，于2007年6月達到峰頂，但隨后美國次貸危機的爆發導致中國股票市場泡沫破滅，金融環境急劇惡化，金融周期于2008年8月達到樣本期內的最低點。此后，受應對金融危機的相關金融調控政策的影響，金融周期迅速上升，并在2009年9月達到樣本期內的最高點。2011年中國宏觀調控政策回歸“穩健”，金融周期迅速回落，并在2012年1月觸底。

2012年，金融環境表現出轉好的趨勢，金融周期在適度的區間內波動（2012年2月—2014年3月）。在股票市場牛市及房地產價格上漲的帶動下，金融周期從2014年4月開始進入了擴張階段，并在2016年6月達到峰頂。股票與房地產市場的火爆導致中國金融市場投機現象層出不窮、金融杠桿率過高、資金“脫實向虛”嚴重。為防范金融風險，規范金融市場秩序，保持金融體系的整體穩定，2017年中國“一行三會”集中出臺了多項金融“去杠桿”措施，并完善了中國宏觀審慎監管體系。在貨幣流動性趨緊的金融環境下，金融周期進入收縮階段，并在2018年10月達到谷底。目前，中國金融周期已經進入了新一輪景氣循環的擴張階段。

結合圖2和表2來看，1998年7月—1999年7月，經濟周期經歷了持續期為13個月的景氣循環，此輪循環呈現出波動幅度偏小、持續期較短等周期性波動特征。從1999年8月開始，經濟周期重回上升局面，在2000年6月達到峰頂。此后受國際原油價格上漲、生產資料成本上升等因素影響，經濟周期進入收縮階段，至2001年10月達到谷底。在中國社會主義市場經濟體制的初步建立以及加入WTO等有利因素的推動下，經濟周期從2001年11月開始進入了長達29個月的擴張階段。此后為防止經濟過熱而導致通貨膨脹的持續惡化，宏觀調控政策趨緊，經濟周期從2004年3月開始進入收縮階段，雖然期間經歷了一段時間的回升，但隨后繼續下降，并在2006年11月達到谷底。

2008年美國次貸危機的爆發所引起的國際金融危機在全球內迅速蔓延，對中國實體經濟產生重大沖擊，經濟周期迅速下降，在2009年2月達到谷底，為了應對此次金融危機，中國宏觀調控政策作出重大調整，推出“四萬億”經濟刺激政策，經濟周期快速反彈，于2010年2月達到樣本期內的最高點。后金融危機時代，隨著“四萬億”經濟刺激政策效果消退，經濟周期迅速下行，并經歷了長達75個月的收縮階段，其長度達到了樣本期內的最大值。在此期間，中國進入新常態時期，經濟周期經歷了短暫的調整，但隨后受中國部分行業產能過剩以及固定資產投資持續低迷等因素影響繼續下降，并在2016年5月達到谷底。

受進口增速和工業生產增速止跌回暖影響，經濟周期進入新一輪景氣循環的擴張階段，持續時間為10個月。2017年4月固定資產投資、工業生產和進口增速再次出現小幅下滑，經濟周期進入收縮階段。本輪景氣循環的波谷在2019年3—4月已初步顯現，但仍需進一步觀察。

通過對金融周期和經濟周期歷史運行軌跡的考察，發現兩者的周期性波動存在著明顯的峰谷交錯的現象，這主要是由于中國宏觀調控部門總體上遵循了相機抉擇的“逆周期”政策調控模式的原因。當經濟周期處于收縮階段，政策當局通過擴張性政策拉動經濟企穩回升，金融周期由此進入擴張階段;當經濟周期處于擴張階段，政策當局則通過緊縮性政策抑制經濟過熱，金融周期由此進入收縮階段。換句話說，“逆周期”的金融調控政策先作用于金融周期，然后再傳導到經濟周期。經時差相關分析，金融周期先行經濟周期6個月，相關系數為0.5541，這表明金融周期可以作為經濟周期運行監測的指示器。由此可見，對金融周期與經濟周期的周期性波動聯動關系仍需要進一步考察與分析。本文接下來通過構建金融周期與經濟周期的MS-VAR模型來探究二者之間的動態影響路徑與內在聯系。

三、金融周期與經濟周期的互動關系分析

（一）MS-VAR模型及其估計

Korlzig^[22]在線性VAR基礎上引入MS機制，將其拓展為MS-VAR模型。具體來說，考慮一個N維時間序列向量：

（7）

P階滯后的線性VAR模型可表示為：

（8）

其中，μ_t～NID（0，Σ），將式（8）轉換為均值調整的形式：

（9）

其中，。

考慮當VAR模型可能存在結構性變化時，若在不同區制狀態下，y_t依賴于區制變量s_t，則式（9）可以改寫成為：

（10）

其中，μ_t～NID（0，Σ（s_t）），S_t∈{1，2，…，M}，μ（s_t），A₁（s_t），…，A_p（s_t），Σ（s_t）是區制依賴的。區制轉移概率可以表示為：

（11）

s_t的M個區制狀態可以用馬爾科夫轉移概率矩陣表示為：

（12）

考慮到當一個經濟系統處于區制轉變的過程中時，依賴于區制轉變的均值項μ_t有可能會出現迅速的跳躍，Korlzig^[22]認為在模型中加入帶截距項v（s_t）更符合實際情況，具體可以表示為：

（13）

根據模型中參數（A₁，…，A_p），v，μ是否依賴于s_t變化以及u_t是否存在異方差，MS-VAR模型上可以進一步細分為變截距模型（MSI）、變均值模型（MSM）、異方差模型（MSH）、變系數模型（MSA），并且這四種參數特征還可以進行不同組合形成更多形式的模型^[22]。

（二）變量的相關檢驗

為了保證建立MS-VAR模型對數據平穩性的要求，經ADF檢驗的結果顯示，金融周期與經濟周期序列在1%的顯著性水平下通過了平穩性檢驗。此外，為深入分析金融周期與經濟周期之間的相互影響關系，同時為構建MS-VAR模型提供一定的參考依據，本文對金融周期與經濟周期之間的Granger因果關系進行檢驗。為準確起見，同時進行線性和非線性Granger因果檢驗^[26]。如表3所示，無論是線性還是非線性Granger因果關系檢驗結果表明，在1%或5%的顯著性水平下都拒絕了原假設，這一結果進一步驗證了金融周期和經濟周期之間存在顯著的雙向影響關系。

（三）MS-VAR模型的選擇

根據AIC、HQ及SC準則標準判定以及對不同形式模型的估計結果進行比較，最終選擇MSIH（2）-VAR（4）模型，其中，區制數為2，滯后階數為4。通過Eviews11軟件實現對模型的參數估計結果。

如表4所示。LR檢驗結果表明模型中存在著顯著的非線性特征，同時MSIH（2）-VAR（4）模型均在5%的顯著性水平下通過了LR線性檢驗和DAVEIS檢驗，說明模型選擇的區制數和滯后階數較為合理。此外，非線性模型的對數似然值大于線性模型，這一結果說明了非線性模型的參數擬合效果明顯優于線性模型;同時，AIC、HQ、SC準則的結果也表明非線性模型優于線性模型。

（四）基于MS-VAR模型金融周期與經濟周期的區制關聯分析

MSIH（2）-VAR（4）的參數估計結果如表5所示，MSIH（2）-VAR（4）模型的的估計結果中區制1的截距項與標準差均小于區制2，以此判斷，區制1表示由金融周期與經濟周期構成的經濟系統處于“低增長、低波動”狀態;而區制2為“高增長、高波動”狀態。以下定義區制1為低區制;區制2為高區制。

如圖3所示，中國金融周期和經濟周期的聯合波動具有明顯的階段性特征。以平滑概率與0.5水平線的交點作為時點進行劃分，低區制階段主要有：1998年5月—2002年9月、2008年12月—2009年5月和2012年4月—2019年6月;高區制階段主要有：2002年10月—2008年11月和2009年6月—2012年3月。

MS-VAR模型的區制轉換平滑概率如圖3所示，1998年5月—2002年9月，受東南亞金融危機以及經濟體制轉換等因素的影響，中國經濟經歷了長達5年的低速調整期。2008年12月—2009年5月，在2008年國際金融危機的沖擊下，中國經濟迅速下行，2009年1季度的實際GDP增速降至6.4%，這是自改革開放以來的歷史最低點。2012年4月—2019年6月，自中國經濟發展進入新常態以來，經濟面臨下行壓力較大，金融周期與經濟周期的聯合波動處于低區制狀態。

與此形成對比的是2002年10月—2008年11月，隨著金融改革的進行以及經濟活力的逐步增強，中國宏觀經濟進入了高速增長階段，經濟系統處于高區制狀態。2009年6月—2012年3月，在國際金融危機爆發及國內經濟結構失衡的背景下，一系列經濟刺激政策帶來了經濟短暫的“V”型反彈，經濟系統由低區制狀態轉為高區制狀態。

（五）基于脈沖響應的金融周期與經濟周期交互影響機制分析

在MS-VAR模型的基礎上，運用脈沖響應函數可以檢驗經濟系統內金融周期與經濟周期的動態沖擊關系，進一步考察二者之間的互動關系并且比較不同區制下動態關系的差異性。

金融周期沖擊對經濟周期的動態影響。如圖4的a和c所示，給定金融周期以一單位標準差的正向沖擊，在不同區制下，經濟周期的脈沖響應函數都呈現出先升后降的變動特征并且收斂速度基本一致。但是響應程度的大小存在差別，低區制（區制1）小于高區制（區制2）。其中，在低區制下，經濟周期對金融周期沖擊的脈沖響應在第10期達到最大值1.31，然后迅速衰減為微弱的負向影響，并在35期附近逐漸收斂于0;在高區制下，脈沖響應在第10期達到最大值2.80，并在35期以后逐漸收斂于0。總體而言，金融周期對經濟周期具有顯著的正向沖擊效應。

金融周期沖擊對經濟周期的正向影響，一方面是金融市場的繁榮加快了金融資源配置的優化程度，在一定程度上拓寬了企業和居民的融資渠道，并且提高了社會資本的流動性和收益性，推動宏觀經濟穩步增長;另一方面是金融市場的蕭條或者甚至出現金融危機，會導致貨幣流動性不足，融資環境惡化，投資預期下降，進而對實體經濟發展產生不利的影響。

如圖4的b和d所示，給定經濟周期以一單位標準差的正向沖擊，在不同區制下，金融周期的脈沖響應函數的變動特征存在差別。其中，在低區制下，脈沖響應在第20期達到最小值-2.40，然后迅速上升，由負轉正，并在30期以后逐漸收斂于0;在高區制下，脈沖響應呈現波動震蕩、正負交替走勢，并在35期左右逐漸收斂于0?？傮w而言，經濟周期對金融周期的影響存在著一定的不確定性，并且主要以負向沖擊效應為主。

經濟周期沖擊對金融周期的負向影響可以理解為在經濟處于收縮階段時，金融周期形勢的好轉有助于經濟的復蘇與繁榮;而經濟處于擴張階段時，金融周期提前趨緊則可以有效預防經濟過熱。因此經濟周期對金融周期在一定程度上起到反周期調節作用。這種調節作用的效果一方面取決于金融部門與實體經濟部門之間的傳導機制是否順暢，另一方面也在很大程度上依賴于各種貨幣政策工具對宏觀經濟環境變化的前瞻反應能力。

四、主要結論及政策建議

本文選取宏觀及金融相關月度增長率指標，應用MS-DFM模型分別對中國金融周期和經濟周期進行度量及周期轉折點識別，并應用MS-VAR模型對金融周期與經濟周期的區制關聯關系及交互影響關系進行了分析，主要結論有：

第一，金融周期共同因子的提取受信貸、貨幣供應、房地產價格影響較大，股票價格對共同因子的影響相對較小，導致因子載荷較低的主要原因是該指標與其他指標的協同性較弱。經濟周期共同因子的提取，固定資產投資、進口總值和社會消費品零售總額的貢獻大體相當，而工業增加值的因子載荷最大，這突顯了該指標在月度經濟周期測度中的重要性。第二，MS-DFM模型估計結果表明，中國金融周期和經濟周期的周期性波動都呈現出“收縮期長、擴張期短”的非對稱特征?；谥芷谵D折點識別結果，自1998年以來，中國金融周期經歷了六輪完整的景氣循環，并進入了新一輪的擴張期;經濟周期經歷了五輪完整的景氣循環，目前正處于第六輪的收縮期，觸底跡象有待進一步的觀察。第三，MS-VAR模型識別出由金融周期與經濟周期構成的經濟系統存在著“低增長、低波動”和“高增長、高波動”兩種區制狀態。自中國經濟步入新常態以來，金融周期與經濟周期聯合波動處于“低增長、低波動”的低區制狀態。第四，脈沖響應結果表明，金融周期對經濟周期具有顯著的正向沖擊效應，并且在高區制狀態下的脈沖響應程度高于低區制狀態。經濟周期對金融周期的影響具有不確定性，在低區制狀態下，經濟周期對金融周期主要是負向沖擊效應;在高區制狀態下，脈沖響應正負交替。

目前，在宏觀經濟面臨下行壓力與潛在金融系統性風險并存的背景下，中國宏觀調控政策的目標在保持經濟穩定增長的同時又要兼顧貨幣流動性過高而引起的金融市場風險，這為宏觀調控與金融監管帶來了更高的挑戰。結合研究結論，本文提出如下政策建議：

第一，考慮到金融周期波動先行于經濟周期波動，并且金融周期可以作為監測宏觀經濟運行的指示器，政府部門應該進一步完善金融監測與預警機制，加強對金融體系波動的關注。同時將“金融穩定”納入到貨幣政策調控目標中，通過貨幣政策與宏觀慎政策的協調配合，實現宏觀經濟與金融體系的雙重穩定與健康發展。第二，考慮到自中國經濟發展進入新常態以來，金融與經濟周期均處于“低增長、低波動”的波動狀態。因此，“穩增長”仍是宏觀調控政策的首要目標，但調控力度要張弛有度，處理好“穩增長”與“防風險”的動態平衡。第三，相比于金融周期波動對經濟周期的沖擊影響，金融周期受經濟周期波動的影響存在一定的不確定性，這意味著中國金融體系與宏觀經濟協調穩定發展的機制尚未完成。一方面，應進一步深化金融體制改革，完善金融監管體系;另一方面，調控政策的長期目標應著力于恢復金融與宏觀經濟的良性互動。

參考文獻：

[1] ?Claessens，S.，Koseand，M.A.，Terrones，M.E.How do Business and Financial Cycles Interact？[J].Journal of International Economics，2011，87（1）：178-190.

[2] ?Riccardo，D.B.，Andrea，S.The Italian Financial Cycle：1986-2011[J].Cliometrica，2014，8（3）.301-334.

[3] ?Hatzius，J.，Hooper，P.Financial Conditions Indexes：A Fresh Look After the Financial Crisis[R].NBER Working Paper，2010，NO.16150.

[4] ?韓艾，鄭桂環，汪壽陽.廣義動態因子模型在景氣指數構建中的應用——中國金融周期景氣分析[J].系統工程理論與實踐，（5）：803-811，2010.

[5] ?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，（9）：75-91.

[6] ?Derhmann，M.，Borio C.，Tsatsaronis，K.Charcterising the Financial Cycle：Dont Lose Sight of the Medium Term！[R].BIS Working Paper，NO.380，2012.

[7] ?Borio，C.The Financial Cycle and Macroeconomics： What Have We Learn？[J].Journal of Banking and Finance，2014，45（8）：182-198.

[8] ?伊楠，張斌.度量中國的金融周期[J]. 國際金融研究，2016，（2）：13-23.

[9] ?朱太輝，黃海晶.中國金融周期：指標、方法與實證[J].金融研究，2018，（12）：55-71.

[10] ?王博，李昊然.中國金融周期測度及國際比較研究[J].經濟學動態，2018，（6）：61-76.

[11] ?陳磊，孫晨童，王琳琳.2018—2019年經濟景氣形勢分析與預測[A]，經濟藍皮書：2019中國經濟形勢分析與預測[C].北京：社會科學文獻出版社，2019，59-87.

[12] ?Stock，J.H.，Watson，M.W.A Probability Model of the Coincident Economic Indicators[R].NBER Working Paper，NO.2772，1988.

[13] ?Kim，C.J.，Nelson，C.R.Business Cycle Turning Points， A New Coincident Index， and Tests of Duration Dependence Based on A Dynamic Factor Model with Regime Switching[J].Review of Economics and Statistics，1998，80（2）：188-201.

[14] ?Wang，J.M.，Gao，T.M.，Mcnown，R.Measruring Chinese Business Cycles With Dynamic Factor Models[J].Journal of Asian Economics，2009，2（20）：89-97.

[15] ?林秀梅，李青召，歷姿彤.基于馬爾科夫區制轉換動態因子模型對中國經濟周期拐點的識別[J].數量經濟研究，2018，（1）：25-37.

[16] ?曹永琴，李澤祥.中國金融經濟周期與真實經濟周期的動態關聯研究[J]統計研究，2009，（5）：9-16.

[17] ?岑麗君，黃新克.中國金融周期與實體經濟周期關聯性研究[J].商業研究，2016，（4）：70-75.

[18] ?鄧創，徐曼.中國金融周期與經濟周期的交互影響作用分析——基于動態溢出指數方法的實證研究[J]. 上海財經大學學報，2018，（6）：63-76.

[19] ?劉璐.中國金融周期測算及其與經濟周期關系研究[J].統計與決策，2019，（4）：154-157.

[20] ?田新民，陸亞晨.金融周期對我國宏觀經濟運行的動態影響研究[J].經濟問題探索，2019，（6）：1-8.

[21] ?Billo，M.，Petronevich，A.Dynamical Interation Between Financial and Business Cycles[R].Social Science Electronic Publishing，NO.24，2017.

[22] ?Krolzig，H.M.Statistical Analysis of Cointegrated VAR Processes With Markovian Regime Shifts[M].Oxford： University of Oxford，1997.

[23] ?Diebold，F.X.，Rudebusch，G.D.Measuring Business Cycles：A Modern Perspective[J].Review of Economics and Statistics，1996，78（1）：67-77.

[24] ?Hamilton，J.D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica，1989，57（2）：357-384.

[25] ?石振宇.金融周期、通貨膨脹與貨幣政策[J]. 經濟與管理研究，2018，（12）：26-36.

[26] ?Hiemstra，C.，Jones，J.D.Testing for Linear and Nonlinear Granger Causality in the Stock Price-Volume Relation[J].The Journal of Finance，1994，49（5）：1639-1664.

Research on Measurement and Dynamic Relationship of Chinas Financial Cycle and Business Cycles

SUN Chen-tong¹，CHEN Lei^1，2，LI Jun-jie¹

（1.School of Economics，Dongbei University of Finance and Economics，Dalian 116025， China;2.Center for Econometric Analysis and Forecasting，Dongbei University of Finance and Economics，Dalian 116025， China）

Abstract：This paper applies the Markov Switching Dynamic Factor Model（MS-DFM to measure and identify the turning points of Chinas financial cycle and business cycles in China respectively. It is found that Chinas financial cycle and economic cycle fluctuations show the asymmetric feature of ‘long contraction period and short expansion period， and there is obvious staggering of peaks and valleys， with the financial cycle preceding the economic cycle by six months. In order to further study the non-linear dynamic relationship between the two， a Markov area system conversion vector autoregressive （MS-VAR） model is established in this paper. It is found that since Chinas economic development has entered the new normal， the joint volatility of the financial cycle and economic cycle has been in the low zonal state of ‘low growth， low volatility. Under different zonal regimes， the financial cycle has a significant positive impact on the economic cycle， while the impact of the economic cycle on the financial cycle is subject to a certain degree of uncertainty.

Key words：financial cycle;business cycle;MS-DFM model;MS-VAR model

（責任編輯：李明齊）