全球金融周期更迭與美國貨幣政策沖擊

摘"要"次貸危機以來，美國貨幣政策沖擊導致全球跨境資本流動、資產價格和杠桿率迅速產生強烈共振，牽引全球金融周期在擴張與緊縮之間交替更迭，引發學術界和貨幣當局廣泛關注。本文選取來自全球33個樣本經濟體包含跨境資本流動規模、資產價格和杠桿率的3個組別9類金融序列數據，運用分層動態因子模型對全球金融周期進行測度和解構，并構建貝葉斯向量自回歸模型實證檢驗美國貨幣政策沖擊對全球金融周期更迭的分層傳導機制。研究結果表明，全球金融周期在跨境資本流動、資產價格和杠桿率波動之間存在分層共振，其中杠桿率共振與全球金融周期的協同性最強；美國貨幣政策沖擊尤其是聯邦基金利率政策是直接牽引全球金融周期更迭的主要力量，并會通過影響全球杠桿率共振間接對全球金融周期產生牽引作用；杠桿率組別金融周期在全球金融周期分層擴散和傳導中最為突出，既能夠對其他兩個量價組別金融周期產生同層擴散，也會對全球金融周期產生跨層傳導。本文研究結論對于完善中國宏觀金融調控、防范外部輸入性金融風險具有啟示意義。

關鍵詞"全球金融周期"美國貨幣政策"跨境資本流動"資產價格"杠桿率"分層共振"分層傳導

一、引言與文獻綜述

潮汐之所以具有周期性漲落的規律，原因是存在引潮力。如果把全球金融周期在寬松與緊縮之間交替更迭比作潮升潮落，美國貨幣政策很可能就是這背后的引潮力。近年來，美國貨幣政策快進快出、大放大收，對全球跨境資本流動、資產價格和杠桿率波動產生強烈的外溢效應（spillover"effects）。受2021年美國貨幣政策轉向影響，新一輪緊縮性全球金融周期開啟，中國進入內外部金融周期“松緊錯位”的階段，跨境資本流動、人民幣匯率和資本市場面臨較大壓力，給宏觀金融調控造成掣肘。進入2023年，受通脹壓力緩和、銀行業危機蔓延、聯邦政府債務違約風險等多重因素影響，美國貨幣政策再次走到十字路口。鑒于全球金融周期是非觀測變量，加之美國貨幣政策具有外生不確定性，對全球金融周期進行統計測度并探討美國貨幣政策在其背后的作用機制具有重要的理論和現實意義。

全球金融周期發軔于倫敦商學院經濟學教授Hélène"Rey"2013年在美國聯邦儲備系統（以下簡稱美聯儲）杰克遜霍爾（Jackson"Hole）會議上的報告，她提出世界經濟正受到全球金融周期的強大支配，主要表現為國際資產價格、跨境資本流動、杠桿率、融資規模等變量之間顯著共振（common"movements），而美國貨幣政策是牽引全球金融周期的主要力量（Rey，2013）。此后，Rey及其合作者陸續推出系列成果

主要包括Rey"amp;"MirandaAgrippino（2015）、Rey（2016）、MirandaAgrippino"amp;"Rey（2020）、MirandaAgrippino"amp;"Rey（2022）等，下文簡稱“Rey及其合作者的系列成果”。，引發國內外研究熱潮。在此基礎上，本文嘗試提出兩個新的問題：一是上述跨國金融變量的共振是否同頻，能否解構全球金融周期在不同金融變量之間的協同和分化？二是美國貨幣政策為何能夠迅速牽引全球金融周期更迭，背后的傳導機制是什么？對此，既有文獻鮮有深入探究。

先看第一個問題。初步對全球33個樣本經濟體9類金融序列進行統計

樣本選擇和數據來源詳見下文變量和數據說明。，結果如表1所示。其中，全球金融周期可能具有分層共振的特征，即全球跨境資本流動、資產價格和杠桿率波動之間雖然存在共振，但并非完全同頻。一方面，表1最后一行呈現樣本經濟體兩兩之間金融序列雙邊相關系數的均值，其中明晟（MSCI）指數、國債收益率、家庭部門杠桿率、政府部門杠桿率的雙邊相關系數較高，表示這些變量在全球范圍內波動的協同性較強，非金融企業杠桿率、房地產價格的雙邊相關程度次之，而跨境資本流動的雙邊相關系數為負，說明兩兩經濟體之間每種金融序列變動的協同性并不一致。另一方面，表1的下三角矩陣（除最后一行外）呈現不同金融序列之間的交叉相關系數，其中跨境直接投資、證券投資和其他投資之間，三個杠桿率變量之間，明晟指數與房地產價格、國債收益率、家庭部門杠桿率和非金融企業杠桿率之間，房地產價格與家庭部門杠桿率之間，以及國債收益率與非金融企業杠桿率、政府部門杠桿率之間，均存在相關性但方向并不相同，而其他變量之間相關系數并不顯著，說明不同金融變量的變動趨勢并不完全一致。上述統計結果促使本文初步提出全球金融周期在不同金融變量序列的波動之間存在分層共振的假設。

后表同。最后一行數據是該列對應時間序列在樣本經濟體兩兩之間雙邊相關系數的均值。數據來源于國際貨幣基金組織（IMF）、萬得（Wind）、國際清算銀行（BIS）、英為財情（Investing），詳見下文方法和數據說明。

既有文獻在統計測度時并未考察全球金融周期在不同變量之間的協同和分化。現有統計方法主要包括：一是主成分分析法，如Scheubel"et"al.（2019）、Aldasoro"et"al.（2020）、陳雷等（2021）、譚小芬和虞夢微（2021a）；二是動態因子模型法，如Rey及其合作者的系列成果、Cerutti"et"al.（2017）、陳曉莉和劉曉宇（2019）、譚小芬和虞夢微（2021b）；三是其他方法，如使用芝加哥期權期貨交易所市場波動性（VIX）指數替代法

Cerutti"et"al.（2019）認為VIX指數表征美國標普500"指數期權的隱含波動率，其實低估了全球金融周期的影響。（Ligonniere，2018；孫天琦等，2020）、帶通濾波法（Meller"amp;"Metiu，2017）、斯皮爾曼等級相關系數法（Jord"et"al.，2019）、基于方差分解構建網絡溢出指數（陳創練等，2021）?？傮w上看，既有研究往往依據Rey（2013）關于全球金融周期的定義中共振的表述測度所有金融序列的共同因子，并未進一步測度跨境資本流動、資產價格和杠桿率等分類因子之間的協同與分化

Scheubel"et"al.（2019）、陳曉莉和劉曉宇（2019）選取數量型和價格型數據分別測算了周期因子，但依然未深入研究不同層級周期因子之間的協同與分化。，未能考察全球金融周期的分層問題以及不同層級周期因子之間的聯動關系。正如表1所示，全球跨境資本流動、資產價格和杠桿率之間的共振并非完全同頻，如果不固定（剔除）不同金融數據在組別層面

相同類型的幾個序列構成某一類組別，例如不同國家跨境資本流動組別（由直接投資序列、證券投資序列、其他投資序列組成）層面的共同因子。和序列層面

例如不同國家跨境直接投資規模這一序列層面波動的共同因子。的共振，那么單純基于部分金融數據測算出的共同因子來表征其全球性可能存在一定的偏差。

此外，上述研究在統計測度時還存在以下問題：一方面，在統計方法上，雖然Rey"amp;"MirandaAgrippino（2015）、Scheubel"et"al.（2019）的主成分分析或因子分析法成為主流，但是前者的方法未施加關于觀測變量和因子之間以及不同層級因子之間聯動關系的約束，本質上只是通過投影實現數據的降維，無法保證因子載荷符號具有現實意義，而后者對因子載荷符號施加了先驗約束，但仍是引用前者的結論（包括經紀商杠桿率、證券價格和VIX系數的符號），所以并未完全跳出窠臼。另一方面，在變量選擇上，大量研究僅選取資產價格數據

由于金融市場和金融交易的全球化一體化，國際金融資產價格的關聯性往往會強于跨境資本流動、杠桿率之間的關聯性。（Rey及其合作者的系列成果；譚小芬和虞夢微，2021a），或者跨境資本流動數據（Cerutti"et"al.，2017；Aldasoro"et"al.，2020；陳雷等，2021；譚小芬和虞夢微，2021b），或者信貸數據（陳創練等，2021），并未綜合選取數量、價格、比率等不同性質的金融變量序列。上述問題也引發了圍繞全球金融周期是否存在的爭議，例如Meller"amp;"Metiu（2017）、Cerutti"et"al.（2019）發現并不存在顯著的全球金融周期，Habib"amp;"Venditti（2018）則發現全球金融周期更多在發達國家的銀行和證券市場中體現。

再看本文提出的第二個問題，美國貨幣政策為何能夠迅速向全球金融周期傳導。首先，從傳導時效來看，2007年次貸危機以來美國貨幣政策歷次轉向都會立即給全球金融市場造成巨大震動，這與美國在國際金融領域的支配性地位是息息相關的，全球投資者和其他貨幣當局都時刻緊盯美聯儲貨幣政策的變動，全球金融體系高度關聯也進一步增強了各國金融活動的互動性和即時性。其次，雖然討論美國貨幣政策與全球金融周期關系的文獻不斷涌現

現有文獻大多支持美國貨幣政策沖擊是全球金融周期的主導因素，如Rey及其合作者的系列成果、Jord"et"al.（2019）、譚小芬和虞夢微（2021b）、Dées"amp;"Galesi（2021）；也不乏相反的結論，如Cerutti"et"al.（2017）、Habib"amp;"Venditti（2019），此處不展開論述。，但具體針對美國貨幣政策向全球金融周期傳導的機制和渠道進行實證檢驗的并不多見，正如MirandaAgrippino"amp;"Rey（2022）坦言，旨在探索全球金融周期的驅動因子和傳導渠道的工作尚處于起步階段?，F有研究主要著眼于風險偏好（風險承擔）這個渠道，如Jord"et"al.（2019）檢驗了美國貨幣政策對全球股票市場風險偏好波動的影響進而作用于全球證券市場價格的協同性；MirandaAgrippino"amp;"Rey（2022）也在實證檢驗中引入了擬合的風險規避指標；譚小芬和虞夢微（2021b）基于現有文獻，將傳導渠道總結為風險承擔渠道、匯率渠道和風險溢價渠道，但并未進行實證檢驗。若放寬至美國貨幣政策對跨國（經濟體、區域）金融變量或者實際變量外溢效應的研究范疇，Bruno"amp;"Shin（2015），Dahlhaus"amp;"Vasishtha（2020）則引入了美國證券經紀商風險承擔指標、VIX指數、名義有效匯率等傳導渠道變量，對本文也具有一定的借鑒意義。最后，沿循本文在第一個問題中提出的關于全球金融周期分層共振的思路，既然不同層級的金融周期因子之間可能存在擴散和聯動，那么美國貨幣政策在牽引全球金融周期的過程中還可能存在分層傳導，例如美國貨幣政策在影響如跨境資本流動共振等某些特定組別的金融周期因子之后，再傳導至全球金融周期的共振。由于統計測度方法的限制，既有研究鮮有探究美國貨幣政策在全球金融周期不同層次周期因子之間的分層傳導。

本文的邊際貢獻在于：一是采取分層動態因子模型將樣本經濟體的金融變量序列劃分為“跨境資本流動—資產價格—杠桿率”（量價率）三個組別，將金融周期共振分解為序列、組別和全球三個層次，探究全球金融周期在數量型、價格型和比率型金融變量之間的協同與分化，厘清全球金融周期的分層共振特征；二是通過引入量價率三個組別層面金融周期因子，以及美元匯率渠道、美元流動性渠道和金融市場風險承擔渠道的中間變量，構建貝葉斯向量自回歸（BVAR）模型實證檢驗美國貨幣政策影響全球金融周期的分層傳導機制，進一步拓展現有研究。

二、方法和數據說明

（一）分層動態因子模型

本文參考Moench"et"al.（2013）的研究，構建分層動態因子模型（Dynamic"Hierarchical"Factor"Model）測度全球金融周期。該模型能夠估計多層級的動態因子并識別不同層級因子之間的關聯性，有助于本文厘清不同層級金融周期因子之間的分層共振。

本文將樣本經濟體金融周期波動分解為四個不同層級的動態因子：①所有樣本經濟體和金融變量序列的共同周期因子Ft，用以表征全球所有樣本經濟體金融變量波動的共同成分，亦即全球金融周期；②金融變量序列所在組別的周期因子Gbt，用以表征同一類組別內部不同金融變量波動的共同成分；③金融序列層面的周期因子Hbst，用以表征單個金融變量序列內部不同經濟體波動的共同成分；④異質性因子，代表樣本經濟體的異質性成分。模型設定如下：

Xbsit=λH，bsi（L）Hbst+eXbsit（1）

Hbst=λG，bs（L）Gbt+eHbst（2）

Gbt=λF，b（L）Ft+eGbt（3）

其中，Xbsit表示組別b中金融變量序列s內樣本經濟體i的觀測值；λH，bsi（L）、λG，bs（L）、λF，b（L）為對應的因子載荷，且服從多項式分布滯后形式；eXbsit、eHbst、eGbt為對應方程的異質性成分，且與全球共同周期因子Ft均服從如下自回歸過程：

ψX，bsi（L）eXbsit=εXbsit（4）

ψH，bs（L）eHbst=εHbst（5）

ψG，b（L）eGbt=εGbt（6）

ψF（L）Ft=εFt（7）

其中，ψj（L）為相應自回歸過程的滯后算子，擾動項εjt服從正態分布N（0，σ2j），j對應式（4）—式（7）中擾動項的簡化下標。

本文基于吉布斯抽樣（Gibbs"Sampling）的蒙特卡羅模擬（MCMC）方法對模型參數和動態因子進行估計，主要步驟如下：①提取主成分作為全球共同周期因子Ft、組別周期因子Gt、金融序列周期因子Ht的初始值，據此估計因子載荷、自回歸系數等相關參數的初始值；②基于觀測變量數據Xt，以及組別周期因子Gt和相關參數的初始值，抽樣提取金融序列周期因子Ht的后驗分布；③基于金融序列周期因子Ht，以及全球共同周期因子Ft和相關參數的初始值，抽樣提取組別周期因子Gt的后驗分布；④基于組別周期因子Gt和相關參數初始值，抽樣提取全球共同周期因子Ft的后驗分布；⑤基于全球共同周期因子Ft、組別周期因子Gt、金融序列周期因子Ht，抽樣提取相關參數的后驗分布；⑥重復上述②—⑤步的模擬過程，直至形成收斂的馬爾可夫鏈。

在模型估計時，本文參照Moench"et"al.（2013）的研究，設定式（1）—式（7）的自回歸階數均為1，因子載荷Λ和自回歸系數ψ的先驗分布為均值為0、方差為1的高斯分布，擾動項ε的先驗分布為自由度為4、標度為0.01的逆卡方分布。本文共進行35000次抽樣模擬，剔除前10000次預燒樣本后，每間隔50次保留1次結果，共保留500次結果，據此報告待估參數和因子的后驗分布統計量。

（二）貝葉斯向量自回歸模型

本文構建BVAR模型對美國貨幣政策與全球金融周期之間的分層傳導進行實證檢驗。目前針對美國貨幣政策溢出效應的實證研究通常運用向量自回歸（VAR）系列模型，如Bruno"amp;"Shin（2015）選擇Recursive"VAR遞歸向量自回歸（RVAR）模型，Habib"amp;"Venditti（2019）采用Structural"VAR結構向量自回歸（SVAR）模型，Dées"amp;"Galesi（2021）選擇Global"VAR全局向量自回歸（GVAR）模型，Dahlhaus"amp;"Vasishtha（2020）、MirandaAgrippino"amp;"Rey（2020）則構建了BVAR模型等。其中，BVAR模型通過設定相關參數的先驗分布并與樣本信息相結合，能夠克服傳統向量自回歸模型過度擬合問題，提高預測的準確性，已在宏觀預測和政策評估領域得到廣泛運用，本文因此構建BVAR模型，以期與Rey的系列研究結論進行對比。構建如下一般化的向量自回歸模型：

yt=c+B1yt－1+…+Bpyt－p+εt（8）

其中，yt是N×1維內生變量向量，c是N×1維截距項向量，Bl（l=1，...，p）表示N×N維系數矩陣，εt是由誤差擾動項構成的N×1維向量，且服從均值為0、方差協方差矩陣為Σ的獨立同分布過程。BVAR模型估計過程為：設定參數服從特定的先驗分布，并結合由樣本數據計算出的似然函數進行調整和修正，最后得到參數的后驗分布。本文設定先驗分布服從正態威沙特分布（Normal"Wishart"Distribution），式（8）中系數的第一、二階矩可以表示為：

E［（Bl）ij］=μ1i=j，l=10其他，Var（Bl）ij=（λ1λ4）2j為外生變量1σ2jλ1lλ32其他""（9）

其中，（Bl）ij表示方程i中變量j滯后項l的系數，當變量符合隨機游走過程時，μ1=1，對于平穩的時間序列，通常假設μ1=0；λ1控制參數總體收緊程度以及先驗信息和樣本之間的相對重要性，若λ1越小，參數變動范圍也越小，先驗信息則相對更為重要。λ4控制外生變量收緊程度，通常很大；λ3控制滯后變量方差的衰減速度，隨著滯后長度增加，對應協方差以更快速度衰減到0，意味著過去信息相比當前信息的重要性加速削弱。σ2j表示方差協方差矩陣Σ的第j個對角元素。對于方差協方差矩陣Σ的先驗分布，則假設服從逆威沙特分布（Inverse"Wishart"Distribution）：

∑～IW（S0，α0）（10）

雖然可以根據先驗信息對超參數S0、α0作出隨意的假定，但按照現有文獻的處理慣例，通常設定n×n維標量矩陣S0和自由度參數α0滿足：

S0=（α0－n－1）σ210000σ2200000000σ2n""α0=n+2（11）

其中，n是內生變量的數目，那么S0就可以通過各個內生變量的自回歸過程獲得，詳見Kadiyala"amp;"Karlsson（1997）、Dieppe"et"al.（2016）的研究。

（三）變量和數據

在測度全球金融周期時，按照前文關于全球金融周期的定義，考慮到數據可得性和樣本代表性，本文選擇33個樣本經濟體3類共9個金融變量序列作為研究數據

包括22個發達經濟體，分別是澳大利亞、奧地利、比利時、加拿大、中國香港地區、丹麥、芬蘭、法國、德國、愛爾蘭、以色列、意大利、日本、荷蘭、新西蘭、挪威、新加坡、西班牙、瑞典、瑞士、英國、美國；11個新興經濟體，分別是巴西、中國、哥倫比亞、希臘、匈牙利、印度尼西亞、韓國、馬來西亞、墨西哥、俄羅斯、泰國。經濟體分類標準參考明晟指數編制。。第一類為跨境資本流動數據，屬于數量型指標，包含直接投資（QDR）、證券投資（QPT）和其他投資（QOT）共3個序列

按照國際貨幣基金組織國際收支和國際投資頭寸統計（BOP/IIP），國際資本流動還包括金融衍生品投資，但鑒于該項目規模較小且數據缺失嚴重，本文并未引入該序列。，數據來源于國際貨幣基金組織（IMF）；第二類為資產價格數據，屬于價格型指標，包括明晟指數（PCM）、房地產價格指數（PHO）、10年期國債收益率

個別缺失數據通過該經濟體臨近期限的長期國債收益率補齊，本文重點考察金融序列的周期成分，這種缺失值替代的影響極小。（PTR），數據來源于萬得（Wind）、國際清算銀行（BIS）、英為財情（Investing）；第三類為杠桿率數據，屬于比率型指標，包括家庭部門信貸占國內/地區生產總值（GDP）比重（RHD）、非金融企業信貸占GDP比重（RCP）、政府部門信貸占GDP比重（RGV），數據來源于BIS。時間區間為2007年1季度至2020年4季度。首先對所有數據進行季節調整和HP濾波處理，提取金融序列的周期成分；為了消除觀測值之間由于量綱差異而造成的影響，接著將周期成分進行標準化處理，確保最終數據是平穩的，且具有零均值、單位方差的特點。

根據金融變量類型，按照“跨境資本流動組別-資產價格組別-杠桿率組別”對樣本數據進行組別劃分，再應用分層動態因子模型。其中，QDR、QPT和QOT構成跨境資本流動組別（以下簡稱QB），PCM、PHO、PTR構成資產價格組別（以下簡稱PB），RHD、RCP、RGV構成杠桿率組別（以下簡稱RB）。

初步對各組別內金融序列的動態特征進行統計分析。如圖1所示，圖1（a）為跨境資本流動組別內三個金融序列的樣本均值變化路徑，反映了高頻波動的特征。圖1（b）是資產價格組別內三個金融序列的樣本均值變化路徑，總體上呈現一定的協同性，其中明晟指數（PCM）與10年期國債收益率（PTR）之間的運行趨勢較為一致，在2007—2009年國際金融危機和2020年新冠病毒感染疫情暴發期間，PCM代表的股票市場波動程度高于PTR代表的國債市場；房地產價格指數（PHO）相較PCM和PTR的波動更為平緩，但總體上仍保持與兩者相近的運行態勢。圖1（c）列示了杠桿率組別內三個金融序列的樣本均值變化路徑，呈現出顯著的組內聚斂特征。2007年國際金融危機爆發前后，由于家庭部門（RHD）和非金融企業部門（RCP）“降杠桿”，疊加各經濟體反危機政策推動政府部門（RGV）“加杠桿”，使得全球杠桿率在三部門之間存在分化。但在2009年以后，三部門杠桿率之間的協同性顯著增強，尤其值得關注的是，進入2020年后三者均呈現快速攀升的態勢，說明全球杠桿率再次高位積聚。

在估計貝葉斯向量自回歸模型時，為了兼顧變量遺漏和過度識別問題，本文選擇如下變量：（1）金融周期因子，包括下文測算的全球共同周期因子，以及跨境資本流動組別周期因子、資產價格組別周期因子、杠桿率組別周期因子。（2）美國貨幣政策變量，包括利率政策，使用修正的美國聯邦基金利率SFFR來表征。當面臨零利率下限約束時

在本文研究樣本期內，零利率下限約束區間位于2008年第4季度至2015年第4季度，以及2020年第1季度至第4季度，界定依據來源于亞特蘭大聯邦儲備銀行網站（https：//www.atlantafed.org/cqer/research/wuxiashadowfederalfundsrate）。，使用影子聯邦基金利率（Wu"amp;"Xia，2016）代替有效聯邦基金利率，數據來自亞特蘭大聯邦儲備銀行；資產負債表政策，使用美聯儲資產負債表規模與美國GDP之比BS來表征"能夠兼顧量化寬松和量化緊縮兩種狀態，關于美聯儲各輪量化寬松政策效應的異質性，可見Luck"amp;"Zimmermann（2020）、徐瀅和孫宇豪（2021）的研究。，數據來源于Wind數據庫。時間跨度為2007年1季度至2020年4季度。

三、全球金融周期的統計測度和分層解構

根據上述模型和估計過程測算全球周期因子、組別周期因子、金融序列周期因子。首先，考察全球金融周期因子的走勢特征。如圖2所示，本文測算的全球周期因子F_QPR與MirandaAgrippino"amp;"Rey（2020）測算的全球因子F_Rey走勢較為相近，差異之處主要表現在三個方面：一是波動幅度小于F_Rey，原因在于本文選取了跨境資本流動、資產價格和杠桿率三類季度數據，而MirandaAgrippino"amp;"Rey（2020）使用的是月度資產價格數據。二是周期轉換領先于F_Rey，能夠更好地發揮風險預警作用，而F_Rey的周期拐點則較為滯后。與本文測算結果類似的是，Aldasoro"et"al.（2020）選取數量型指標運用主成分分析法測算全球因子

限于數據可得性，本文未將Aldasoro"et"al.（2020）測算的全球因子在圖中繪制。呈現的周期拐點同樣領先于F_Rey。三是周期過渡更符合實際，例如在2013—2018年美國貨幣政策正?；陂g，本文測算的全球因子F_QPR呈現震蕩式下探，而F_Rey卻表現出“緊縮—寬松—緊縮”過山車式的交替。

圖2"全球金融周期因子的走勢

注：FFR表示美聯儲變動聯邦基金目標利率的浮動和方向，在右軸上表征，陰影和白色無陰影分別對應加息和降息；F_QPR表示本文選取量價率三類季度數據基于分層動態因子模型測算的全球金融周期因子，F_Rey表示MirandaAgrippino"amp;"Rey（2020）基于月度資產價格數據測算的全球金融周期因子，“量寬”“縮減”“縮表”箭頭指示美聯儲實施相關政策的時點。

總體上看，本文測算的全球周期因子F_QPR能夠較好地刻畫次貸危機以來全球金融周期的階段性演化特征，其走勢與美國貨幣政策轉向之間具有高度的關聯性。如圖2所示，2007年次貸危機爆發后，全球周期因子急速下探，美聯儲連續多次降息并推出三輪量化寬松政策后，全球周期因子震蕩后趨穩。隨著經濟逐步企穩，2014年一季度美聯儲縮減資產負債表，正式開啟貨幣政策正?；?，2014年11月量化寬松政策退場，2015年12月美聯儲近10年來首次加息（圖2中第1個陰影立柱）；2017年10月美聯儲啟動“縮表”，受此影響，全球周期因子開始快速下探。2019年，隨著美國經濟增速持續放緩，下行壓力增加，美聯儲連續3次降息；為應對新冠病毒感染，2020年3月美聯儲更是降息至零利率下限并開啟無限量量化寬松，推動全球周期因子再次迅速攀升。

再看組別金融周期因子的走勢。如圖3所示，一方面，三個組別周期因子的波動路徑具有協同性，且與全球金融周期因子的走勢基本一致，這說明跨境資本流動、資產價格和杠桿率波動之間存在共振，全球金融周期是三個組別的共性現象。另一方面，三個組別周期因子之間也呈現出分化：首先，跨境資本流動組別周期因子G_QB窄幅高頻振蕩特征明顯，但相比其他兩個組別周期因子波動幅度較小，2019年前后又呈現出階段性沖高回落的獨特態勢；其次，資產價格組別周期因子G_PB在周期轉換時，觸及“谷底”和“谷峰”的時機通常滯后于跨境資本流動組別周期因子和杠桿率組別周期因子，說明資產價格在衡量金融周期轉換時存在信號滯后性

這與MirandaAgrippino"amp;"Rey（2020）測算全球因子的結果是相互印證的，正如上文圖2所示，MirandaAgrippino"amp;"Rey（2020）測算的全球因子在周期轉換時滯后于本文的測算結果，而其正是基于全球資產價格數據測算得到全球周期因子。，并且在國際金融危機期間的波動幅度顯著大于全球金融周期因子和跨境資本流動組別周期因子；最后，杠桿率組別周期因子G_RB的波動幅度最大，并且在周期轉換時觸及“谷底”和“谷峰”的時機領先于資產價格組別周期因子，與全球金融周期因子波動路徑的協同性最強。需要說明的是，跨境資本流動組別周期因子波動幅度低、杠桿率組別周期因子波動幅度高的原因在于：跨境資本流動（尤其是證券投資和其他投資項目）雖然會出現短期的大進大出，但換算到季度頻率由于凈額效應反而波動程度被“熨平”

Cerutti"et"al.（2019）也提出，如果使用短期高頻數據，跨境資本流動呈現的共振現象可能會更突出。；與之相反，雖然杠桿率短期內較為穩定，但換算到季度頻率由于單向累積效應反而波動程度會被“放大”。

圖3"跨境資本流動、資產價格和杠桿率組別金融周期因子的波動路徑

注：G_QB、G_PB、G_RB分別表示跨境資本流動組別、資產價格組別、杠桿率組別層面的金融周期因子。

圖4繪制了三個組別內部包含的金融變量序列層面周期因子的波動路徑。一方面，考察組內比較。在跨境資本流動組別內部，三個金融序列周期因子H_QDR、H_QPT、H_QOT之間的走勢分化明顯，高頻振蕩且無規律，不具有組內聚斂性。究其原因，直接投資對應的是長期的生產性資本，總體較為穩定，而證券投資和其他投資主要對應短期資本跨境流動，波動則更為劇烈。與此相反，資產價格組別內部金融序列周期因子H_PCM、H_PHO、H_PTR之間的走勢相近，杠桿率組別內部金融序列周期因子H_RHD、H_RCP、H_RGV之間的走勢則更為相近，這兩組均呈現組內聚斂性。另一方面，考察組間比較。首先，在序列周期因子的波動幅度方面，杠桿率組別大于資產價格組別，大于跨境資本流動組別，這與上文圖3關于組別周期因子之間波動幅度高低對比的結論是一致的。其次，在序列因子波動路徑的平滑性和規律性方面，同樣是杠桿率組別異于資產價格組別，以及跨境資本流動組別。最后，在組間序列周期因子波動的協同性方面，資產價格組別與杠桿率組別走勢之間存在協同性，并且還與上文的資產價格組別周期因子、杠桿率組別周期因子以及全球周期因子的走勢存在協同性，說明全球金融周期在不同類型變量、不同層次周期因子之間確實存在共振。

圖4"金融序列層面周期因子的波動路徑

注：圖4（a）H_QDR、H_QPT、H_QOT分別表示跨境資本流動組別內部直接投資、證券投資和其他投資三個金融序列層面的周期因子；圖4（b）H_PCM、H_PHO、H_PTR分別表示資產價格組別內部明晟指數、房地產價格指數、國債收益率指數三個金融序列層面的周期因子；圖4（c）H_RHD、H_RCP、H_RGV分別表示杠桿率組別內部家庭部門杠桿率、非金融企業部門杠桿率、政府部門杠桿率三個金融序列層面的周期因子。

四、美國貨幣政策與全球金融周期之間分層傳導的實證檢驗

（一）格蘭杰因果檢驗

在正式構建BVAR模型檢驗美國貨幣政策沖擊向全球金融周期的傳導路徑之前，首先通過格蘭杰（Granger）因果檢驗初步判斷美國貨幣政策變量SFFR、BS，跨境資本流動組別金融周期因子G_QB、資產價格組別金融周期因子G_PB、杠桿率組別金融周期因子G_RB，以及全球金融周期因子F_QPR等變量之間的“因果關系”，或者更準確地說，這些變量之間在預測上的前后關系

陳強（2014）認為“格蘭杰因果關系并非真正意義上的因果關系。它充其量只是一種動態相關關系，表明的是一個變量是否對另一個變量有‘預測能力’（predictability）”。古扎拉蒂（2004）則提出“‘Yi是Yj的原因’這種表達只是為了更精確而采用的一種簡潔明了的表達方式，而另外一種冗長的表達方式是‘除了這個系統中其他變量的歷史，Yi包含著可預見Yj的有用的信息（從線性最小二乘的意義上講）?！癁榱斯澥】臻g，我們簡單地說Yi是Yj的原因”。"。

如表2所示，在5%的顯著性水平下，第一，美聯儲資產負債表規模BS與跨境資本流動組別金融周期因子G_QB之間，以及美國聯邦基金利率SFFR與杠桿率組別金融周期因子G_RB之間存在單向預測關系，說明美國貨幣政策變量對于這兩類組別金融周期具有預測能力。第二，跨境資本流動組別金融周期因子G_QB與全球金融周期因子F_QPR之間，以及杠桿率組別金融周期因子G_RB與全球金融周期因子F_QPR之間也存在單向預測關系，說明這兩種組別金融周期對于全球金融周期也具有預測能力。第三，美國聯邦基金利率SFFR與全球金融周期因子F_QPR之間存在單向預測關系，說明美聯儲利率政策變量對于全球金融周期具有預測能力。第四，跨境資本流動組別金融周期因子G_QB與杠桿率組別金融周期因子G_RB之間存在雙向預測關系。如果進一步放寬至10%的顯著性水平，美聯儲資產負債表規模BS與資產價格組別金融周期因子G_PB之間，以及美聯儲資產負債表規模BS與全球金融周期因子F_QPR之間也存在單向預測關系，杠桿率組別金融周期因子G_RB與資產價格組別金融周期因子G_PB之間也存在雙向預測關系。

上述結果表明，美國貨幣政策尤其是美國聯邦基金利率政策變量、杠桿率組別金融周期因子、全球金融周期因子三者之間存在顯著的單向預測關系，初步證實美國聯邦基金利率政策對于全球金融周期具有較強的預測能力，并且在兩者之間還存在杠桿率組別金融周期這一中介鏈條。根據古扎拉蒂（2004）、陳強（2014）的研究，即使變量之間的預測關系不顯著，一個變量仍有可能會對另一個變量的沖擊作出響應。下面將構建BVAR模型通過脈沖響應函數和方差分解展開進一步分析。

（二）基于BVAR模型的脈沖響應和方差分解分析

為了對美國貨幣政策與全球金融周期之間的分層傳導進行實證檢驗，本文基于美國貨幣政策沖擊變量SFFR、BS，跨境資本流動組別金融周期因子G_QB、資產價格組別金融周期因子G_PB、杠桿率組別金融周期因子G_RB，以及全球金融周期因子F_QPR構建BVAR模型，在運用正態Wishart先驗分布時，參考Kadiyala"amp;"Karlsson（1997）、Dieppe"et"al.（2016）的研究，設定超參數μ1=0、λ1=0.1、λ3=1、λ4=100，按照赤池信息準則/施瓦茲準則（AIC/SC）確定滯后階數為2階，所有特征根都在單位圓內

通過變換先驗分布或參數設定，本文實證結論依然穩健，由于篇幅所限，此處并未報告。。

1.脈沖響應函數分析

首先考察美聯儲貨幣政策沖擊對于量價率三個組別金融周期因子的影響。如圖5（a）—（c）、（e）—（g）所示，跨境資本流動組別金融周期因子、資產價格組別金融周期因子、杠桿率組別金融周期因子在面對美國聯邦基金利率和美聯儲資產負債表規模正向沖擊后，均對應地呈現周期緊縮和周期擴張的響應軌跡，說明美國貨幣政策沖擊對全球跨境資本流動、資產價格和杠桿率的共振均能夠產生牽引作用。分貨幣政策工具來看，美聯儲資產負債表政策對于同種組別金融周期的影響程度大于美國聯邦基金利率沖擊（圖5前三列的不同行），說明美聯儲資產負債表政策對組別金融周期的沖擊效果更強烈；分組別金融周期來看，同等規模的美國貨幣政策沖擊對于杠桿率組別金融周期的影響，大于對資產價格組別金融周期和跨境資本流動組別金融周期的影響（圖5前三列的不同列），說明美國貨幣政策沖擊對于組別金融周期的影響程度也存在分化，其中對于全球杠桿率共振的作用效果最為強烈。

圖5（d）、（h）呈現了全球金融周期對于美國貨幣政策沖擊的響應軌跡。在面對美國聯邦基金利率正向沖擊后，全球金融周期因子呈現負向的響應軌跡，說明美聯儲加息會對全球金融周期產生緊縮效應，能夠牽引全球金融周期轉向緊縮；在面對美聯儲資產負債表規模正向沖擊后，全球金融周期因子呈現出正向響應軌跡，說明美聯儲量化寬松政策會對全球金融周期產生擴張效應，能夠牽引全球金融周期轉向擴張。進一步對比兩項貨幣政策工具，美聯儲資產負債表政策沖擊對全球金融周期的作用更為迅捷且后期波動較大，而聯邦基金利率政策的作用效應相對更為平緩。

進一步地，考察量價率組別金融周期與全球金融周期之間的分層傳導。如圖6所示，量價率組別金融周期因子G_QB、G_PB、G_RB之間及其與全球金融周期因子F_QPR之間確實存在不同程度的擴散和傳導。由圖6（a）—（d）可知，在面對跨境資本流動組別金融周期因子G_QB的正向沖擊時，資產價格組別金融周期因子G_PB、杠桿率組別金融周期因子G_RB和全球金融周期因子F_QPR均表現出擴張性響應，說明全球跨境資本流動共振會向全球資產價格共振、杠桿率共振和全球金融周期產生傳導。由圖6（e）—（h）可知，當面對資產價格組別金融周期因子G_PB的正向沖擊時，其他兩個組別金融周期因子和全球金融周期因子并未呈現出規律性的擴張性響應，說明資產價格共振向全球金融周期的傳導并不暢通，可能與上文論證的資產價格在衡量金融周期轉換時存在信號滯后性有關。由圖6（i）—（l）可知，在面對杠桿率組別金融周期因子G_RB的正向沖擊時，其他兩個組別金融周期因子和全球金融周期因子均表現出擴張性響應，說明全球杠桿率共振會向全球跨境資本流動共振、資產價格共振和全球金融周期產生傳導。

2.方差分解分析

如圖7所示，影響跨境資本流動組別金融周期因子G_QB波動的主要因素是其自身，美國聯邦基金利率沖擊SFFR和美聯儲資產負債表沖擊BS的平均貢獻度分別為86%和13%，杠桿率組別金融周期波動的平均貢獻度為59%。影響資產價格組別金融周期因子G_PB波動的主要因素同樣是自身，聯邦基金利率沖擊SFFR和美聯儲資產負債表沖擊BS的平均貢獻度分別是8.9%和12%，杠桿率組別金融周期波動的平均貢獻度為8.9%。與前兩者不同的是，影響杠桿率組別金融周期因子G_RB波動的主要因素是美國貨幣政策，聯邦基金利率沖擊SFFR和美聯儲資產負債表沖擊BS的平均貢獻度分別為305%和237%，二者合計貢獻度超過50%，大于杠桿率組別金融周期因子自身的貢獻度（272%），跨境資本流動組別金融周期的貢獻度（103%）和資產價格組別金融周期的貢獻度（43%），說明美國貨幣政策沖擊對于杠桿率組別金融周期波動具有重要解釋力。

全球金融周期因子的方差分解結果表明，如圖7（d）所示，美國貨幣政策沖擊、杠桿率組別金融周期和跨境資本流動組別金融周期波動共同決定了全球金融周期的更迭。按照波動貢獻度大小排序，美國聯邦基金利率沖擊SFFR、杠桿率組別金融周期因子G_RB、美聯儲資產負債表沖擊BS、跨境資本流動組別金融周期因子G_QB對于全球金融周期因子F_QPR波動的平均貢獻度分別為30.3%、25.6%、22.7%和10.8%，美國兩項貨幣政策工具合計貢獻超過50%，說明美國貨幣政策沖擊是影響全球金融周期波動的主要因素。此外，全球杠桿率共振和跨境資本流動共振合計貢獻度高達36.4%，這也會對全球金融周期更迭產生顯著影響。

（三）傳導機制分析

綜合上述格蘭杰因果檢驗、脈沖響應函數和方差分解結果，可以得到結論：美國貨幣政策尤其是聯邦基金利率政策沖擊是全球金融周期更迭的主要原因，并會通過影響全球杠桿率共振間接對全球金融周期產生牽引作用；美聯儲資產負債表政策沖擊既會影響全球金融周期更迭，還能夠通過跨境資本流動共振對全球金融周期產生間接影響，但傳導強度和解釋力不及聯邦基金利率政策；杠桿率組別金融周期在周期分層擴散和傳導中最為突出，既能夠對量、價兩個組別金融周期產生同層擴散，也會對全球金融周期產生跨層傳導。具體作用機制如圖8所示。

如圖8所示，美國貨幣政策尤其是聯邦基金利率政策沖擊，主要是直接影響全球金融周期波動，也會通過影響杠桿率組別金融周期間接對全球金融周期產生牽引作用。究其原因，一方面，美國貨幣政策調整具有較強的信號效應，其貨幣政策沖擊與杠桿率、跨境資本流動和資產價格全球共振之間的傳導本身就已經較為直接，加之本文選取季度數據能夠在一定程度上緩解傳導過程的時滯，也支撐美國貨幣政策沖擊能夠直接牽引全球金融周期更迭的結論。另一方面，本文在分層動態因子模型和BVAR模型中均同時引入了組別金融周期因子，而組別金融周期因子是連接觀測變量（杠桿率、跨境資本流動和資產價格）與全球金融周期之間的“橋梁”

正如Bai"amp;"Wang（2016）指出，部分基礎因子之間能夠通過傳導對最終的觀測變量產生影響。，已經發揮了前置的傳導作用。

為了進一步驗證在組別金融周期因子之前增加傳導渠道變量是否能夠優化上述分層傳導機制，本文還在上述模型的基礎上，借鑒Bruno"amp;"Shin（2015）、Cerutti"et"al.（2019）、Jord"et"al.（2019）、譚小芬和虞夢微（2021b）的思路，繼續引入美元實際有效匯率指數DOLLAR、三月期倫敦銀行間同業拆借美元利率與美國國債短期利率之差TED

當TED利差上行，顯示國際金融市場美元流動性趨緊，借貸成本提高，信用狀況緊縮；反之則反是。該變量用于衡量國際金融市場美元流動性緊缺程度。、美國金融市場證券經紀商的杠桿率BDLEV

按照Bruno"amp;"Shin（2015）的觀點，將美國證券經紀商部門杠桿率定義為（equity"+"total"liabilities）與equity之比，用于衡量國際金融市場的風險承擔水平。，分別表征美國貨幣政策傳導的匯率渠道、美元流動性渠道和風險承擔渠道（數據來源于Wind、美國圣路易斯聯儲FRED數據庫），重新構建BVAR模型展開格蘭杰因果檢驗、脈沖響應函數和方差分解分析

由于篇幅所限未報告，備索。。結果表明，在預設的三個傳導渠道中，美聯儲資產負債表沖擊能夠對美元流動性產生傳導，而美元流動性擾動能夠影響全球資產價格共振，但是這兩個環節的傳導效應并不強，并且全球資產價格共振向全球金融周期的傳導并不暢通。這一發現并不支持美國貨幣政策沖擊經由這三個傳導渠道變量向組別金融周期進而再向全球金融周期的傳導機制，再次驗證了圖8分層傳導機制的穩健性。

五、研究結論與政策啟示

本文選取來自全球33個樣本經濟體包含跨境資本流動、資產價格和杠桿率的3個組別9類金融序列數據，運用分層動態因子模型對全球金融周期進行統計測度，分析研判序列層面、組別層面和全球層面金融周期因子的分層共振特征，并構建BVAR模型圍繞美國貨幣政策沖擊與全球金融周期更迭之間的分層傳導機制進行實證檢驗。

統計測算結果表明，全球金融周期在跨境資本流動、資產價格和杠桿率波動之間存在分層共振：一方面，跨境資本流動、資產價格和杠桿率波動之間確實存在共振，且與全球金融周期的走勢存在協同性；另一方面，跨境資本流動、資產價格和杠桿率波動之間也存在分化，其中杠桿率組別周期因子及其組內序列因子與全球金融周期之間的協同性最強，其次是資產價格組別周期因子及其組內序列因子，但在衡量周期轉換時存在信號滯后，跨境資本流動組別周期因子窄幅振蕩特征明顯且組內序列因子不具有聚斂性。

實證檢驗結果表明，美國貨幣政策尤其是聯邦基金利率政策沖擊是全球金融周期更迭的主要原因，并會通過影響全球杠桿率共振間接對全球金融周期產生牽引作用；美聯儲資產負債表政策沖擊也會影響全球金融周期更迭，并能夠通過跨境資本流動共振對全球金融周期產生間接影響，但傳導強度和解釋力不及聯邦基金利率政策；杠桿率組別周期因子在周期分層擴散和傳導中最為突出，既能夠對其他兩個量價組別金融周期產生同層擴散，也會對全球金融周期產生跨層傳導。

本文研究結論對于完善中國跨周期宏觀金融調控、防范外部輸入性金融風險具有啟示意義。一方面，高度關注美國貨幣政策轉向，完善跨周期宏觀金融調控。美國貨幣政策是全球金融周期更迭的主要牽引力，長期對中國宏觀調控形成掣肘。2021年11月美國開啟新一輪貨幣政策正?；?/p>

2021年11月3日，美聯儲宣布縮減債券購買計劃，即“縮減”；2022年3月17日，美聯儲宣布加息25個基點，是繼2020年以來首次加息；2022年6月1日，美聯儲開啟縮減資產負債表計劃，即“縮表”。，截至2023年5月已累計加息500個基點，其間連續4次加息75個基點，單次加息幅度創1994年以來的新高。中國貨幣政策仍處于寬松通道，內外金融周期反向導致跨境資本流動、人民幣匯率和資本市場面臨較大壓力。為了統籌做好防風險和穩增長，應當強化跨周期金融調控。一是著眼當前，堅持貨幣政策“以我為主”，堅持穩中求進工作總基調，保持人民幣匯率在合理均衡水平上基本穩定，切實穩定外貿外資基本盤，加強跨境資本流動宏觀審慎管理，堅決守住不發生系統性金融風險的底線；二是把握后勢，加強對美國宏觀經濟和金融體系的綜合研判，警惕美國滯后的、激進的貨幣政策正常化加劇經濟硬著陸和銀行風險，進而倒逼美聯儲貨幣政策“緊急掉頭”，最終裹挾全球金融周期短期內反向急轉，應當做好應對美國貨幣政策大放大收的應急預案；三是立足長遠，加快推進金融供給側結構性改革，提升金融體系應對外部沖擊的韌性，穩慎推進人民幣國際化，積極推動國際貨幣體系和金融治理體系改革，提高深度參與國際金融治理的能力。

另一方面，理性看待全球金融周期，審慎做好宏觀杠桿率風險預警。根據本文研究結論推知，全球金融周期絕非各個經濟體所有金融序列的簡單共振，而是代表性經濟體跨境資本流動、資產價格和杠桿率等金融序列分層振動背后隱含的同頻因子。因此，機械地以全球所有經濟體某些金融序列“共振”來判斷全球金融周期實為徒勞，單純以短期內跨境資本流動和資產價格大幅波動來研判全球金融周期亦有偏誤

國際清算銀行（BIS）貨幣和經濟部門主任Claudio"Borio研究團隊提出國際金融周期通常以8年為一個周期，詳見Aldasoro"et"al.（2020）和Borio（2019）的研究。。本文認為，應當高度關注全球杠桿率走勢，建立健全跨國杠桿率跟蹤預警機制。2007年次貸危機以來全球杠桿率經短暫回落后加速攀升，根據國際清算銀行公布數據，2007—2020年全球經濟體平均杠桿率（非金融部門信貸/GDP）從206.7%上升至290.7%，其中發達經濟體從234%大幅升至320.8%，新興市場經濟體則由121.4%翻倍至242.9%。目前，杠桿率指標出現回落

根據國際清算銀行公布的數據，截至2022年年末，全球經濟體、發達經濟體和新興市場經濟體平均杠桿率水平分別回落至247.8%、267.2%和220.1%。，表明全球金融周期已經轉向緊縮，但是杠桿率水平（尤其是新興市場經濟體）仍顯著高于次貸危機前的水平，因此必須更為審慎地對待其背后蘊含的全球系統性風險隱患。

參考文獻：

［1］"陳創練，王浩楠，鄭挺國.國際金融周期共振傳染與全球貨幣政策規則識別［J］.中國工業經濟，2021（11）.

［2］"陳雷，張哲，陳平.三元悖論還是二元悖論——基于跨境資本流動波動視角的分析［J］.國際金融研究，2021（6）.

［3］"陳曉莉，劉曉宇.全球金融周期波動對中國經濟的溢出效應研究［J］.國際金融研究，2019（11）.

［4］"孫天琦，王笑笑，尚昕昕.結構視角下的跨境資本流動順周期性研究［J］.財貿經濟，2020，41（9）.

［5］"譚小芬，虞夢微.全球金融周期與跨境資本流動［J］.金融研究，2021a（10）.

［6］"譚小芬，虞夢微.全球金融周期：驅動因素、傳導機制與政策應對［J］.國際經濟評論，2021b（6）.

［7］"徐瀅，孫宇豪.2020年美聯儲重啟量化寬松更有效了嗎？——基于與2008年后各輪QE的比較研究［J］.世界經濟與政治論壇，2021（1）.

［8］"Aldasoro"I，"Avdjiev"S，"Borio"C，"et"al."Global"and"Domestic"Financial"Cycles："Variations"on"a"Theme［Z］."BIS"Working"Paper"No.864，"2020.

［9］"Bai"J"S，"Wang"P."Econometric"Analysis"of"Large"Factor"Models［J］."Annual"Review"of"Economics，"2016，"8.

［10］"Borio"C."A"Tale"of"Two"Financial"Cycles："Domestic"and"Global［R］."Zürich："Bank"for"International"Settlements，"2019.

［11］"Bruno"V，"Shin"H"S."Capital"Flows"and"the"RiskTaking"Channel"of"Monetary"Policy［J］."Journal"of"Monetary"Economics，"2015，"71.

［12］"Cerutti"E，"Claessens"S，"Ratnovski"L."Global"Liquidity"and"CrossBorder"Bank"Flows［J］."Economic"Policy，"2017，"32（89）.

［13］"Cerutti"E，"Claessens"S，"Rose"A"K."How"Important"is"the"Global"Financial"Cycle？"Evidence"from"Capital"Flows［J］."IMF"Economic"Review，"2019，"67（1）.

［14］"Dahlhaus"T，"Vasishtha"G."Monetary"Policy"News"in"the"US："Effects"on"Emerging"Market"Capital"Flows［J］."Journal"of"International"Money"and"Finance，"2020，"109.

［15］"Dées"S，"Galesi"A."The"Global"Financial"Cycle"and"US"Monetary"Policy"in"an"Interconnected"World［J］."Journal"of"International"Money"and"Finance，"2021，"115.

［16］"Dieppe"A，nbsp;Legrand"R，"van"Roye"B."The"BEAR"Toolbox［Z］."European"Central"Bank"Working"Paper"No.1934，"2016.

［17］"Habib"M"M，"Venditti"F."The"Global"Financial"Cycle："Implications"for"the"Global"Economy"and"the"Euro"Area［J］."Economic"Bulletin，"2018，"6.

［18］"Habib"M"M，"Venditti"F."The"Global"Capital"Flows"Cycle："Structural"Drivers"and"Transmission"Channels［Z］."European"Central"Bank"Working"Paper，"No.2280，"2019.

［19］"Jord"，"Schularick"M，"Taylor"A"M，"et"al."Global"Financial"Cycles"and"Risk"Premiums［J］."IMF"Economic"Review，"2019，"67（1）.

［20］"Kadiyala"K"R，"Karlsson"S."Numerical"Methods"for"Estimation"and"Inference"in"Bayesian"VARModels［J］."Journal"of"Applied"Econometrics，"1997，"12（2）.

［21］"Ligonniere"S."Trilemma，"Dilemma"and"Global"Players［J］."Journal"of"International"Money"and"Finance，"2018，"85.

［22］"Luck"S，"Zimmermann"T."Employment"Effects"of"Unconventional"Monetary"Policy："Evidence"from"QE［J］."Journal"of"Financial"Economics，"2020，"135（3）.

［23］"Meller"B，"Metiu"N."The"Synchronization"of"Credit"Cycles［J］."Journal"of"Banking"amp;"Finance，"2017，"82.

［24］"Rey"H，MirandaAgrippino"S."World"Asset"Markets"and"the"Global"Financial"Cycle［Z］."CEPR"Discussion"Paper，"2015，No.10936.

［25］"MirandaAgrippino"S，"Rey"H."U.S."Monetary"Policy"and"the"Global"Financial"Cycle［J］."The"Review"of"Economic"Studies，"2020，"87（6）.

［26］"MirandaAgrippino"S，"Rey"H."The"Global"Financial"Cycle［J］."Handbook"of"International"Economics，"2022，"6.

［27］"Moench"E，"Ng"S，"Potter"S."Dynamic"Hierarchical"Factor"Models［J］."The"Review"of"Economics"and"Statistics，"2013，"95（5）.

［28］"Rey"H."Dilemma"not"Trilemma："The"Global"Financial"Cycle"and"Monetary"Policy"Independence［C］//Federal"Reserve"Bank"of"Kansas"City."Proceedings""of"Jackson"Hole"Economic"Policy"Symposium.Jackson"Hole，"Wyo："Federal"Reserve"Bank"of"Kansas"City，"2013.

［29］"Rey"H."International"Channels"of"Transmission"of"Monetary"Policy"and"the"Mundellian"Trilemma［J］."IMF"Economic"Review，"2016，"64（1）.

［30］"Scheubel"B，"Stracca"L，"Tille"C."The"Global"Financial"Cycle"and"Capital"Flow"Episodes："A"Wobbly"Link？［Z］."European"Central"Bank"Working"Paper，"2019，No.2337.

［31］"Wu"J"C，"Xia"F"D."Measuring"the"Macroeconomic"Impact"of"Monetary"Policy"at"the"Zero"Lower"Bound［J］."Journal"of"Money，"Credit"and"Banking，"2016，"48（2/3）.

（責任編輯：李思慧）