动态金融状况指数构建与应用研究.docVIP

动态金融状况指数构建与应用研究 　　摘要：本文基于金融变量和通货膨胀之间的传递机理，选取了2001年1月至2014年12月期间利率、汇率和股票市场等金融变量指标的非平衡面板数据，利用时变系数和随机波动率的因子扩展向量自回归（TVP-FAVAR）模型构建了动态权重的金融状况指数（FCI），克服了传统固定权重构造方法中经济信息含量少、未考虑经济制度环境结构性变化等缺点。在此基础上，本文进一步研究了金融状况指数与通货膨胀之间的动态关系，结果表明金融状况指数能较好预测和解释未来通货膨胀运行趋势，样本期内通货膨胀对金融状况指数冲击响应具有显著时变动态特征。 　　关键词：金融状况指数；通货膨胀；TVP-FAVAR 　　中图分类号：F8314 文献标识码：A 　　一、问题的提出 　　根据传统的货币数量理论，当产出水平和货币流通速度给定时，物价变化仅取决于货币流通速度。然而在金融市场快速发展时期，该结论有可能并不成立。如果新增货币供应量进入虚拟经济而不是流入实体经济领域，短期内将会出现低通胀和高金融资产价格并存的现象（封思贤等，2012）。正如当前我国CPI指数从2014年初开始一直处于下降通道，而金融市场却出现“股债双牛”的局面。2008年国际金融危机后，市场普遍认识到全球金融市场已处于系统性风险频发时期，各类型金融市场的波动率溢出效应越加显著，这促使我们需要从全局视角考察金融市场与通货膨胀之间的关系。特别是近10余年来，在我国经济制度环境已发生显著变化的背景下，金融市场在不同时期对通货膨胀的影响程度和特征是否发生动态变化？ 　　2008年国际金融危机引起了学术界关于金融冲击对实体经济影响测度的广泛兴趣，众多金融机构（如高盛、德意志银行、花旗和彭博）和相关政策制定者（如OECD、加拿大银行和美国联邦储备银行）开始密切监控金融状况指数（Financial Condition Index，简称FCI）。强烈的需求引起众多文献使用不同的实证计量方法构建FCI。FCI因具有将含有未来经济信息的多维金融变量囊括为单一综合信息指标的优势，为本文研究整体金融市场状况对通货膨胀水平影响机制提供了便利。然而，我国除了部分学者进行讨论外，目前并没有官方公开发布的FCI。因此，如何构建符合我国金融实际情况的FCI并考察其与通货膨胀水平的动态关系是本文所要解决的重点问题。 　　通过文献梳理，FCI研究主要沿两个维度展开：（1）指数成份变量的选取。一般来说，基于不同的指数构造理论基础和目的造成了不同的选择标准。如加拿大银行在19世纪90年代首次提出货币状况指数（MCI）时只包括再融资利率和汇率两个指标，但随着该指数工具在诸多国家的广泛应用，指数覆盖范围也越来越广，包括长期利率、股票价格和房屋价格等，并取名为FCI以区别MCI；最早提出FCI的Goodhart和Hofmann（2001）使用短期利率、实际有效汇率、房地产价格和股票价格四个变量；Boivin等（2009）从货币传递机制角度将指数成份变量分为新古典和非新古典两大类，前者包括利率、股票价格、收益率曲线和信用风险等指标，后者包括更为广泛的如测度市场流动性、借贷者风险和金融中介平台的贷款能力与意愿、抵押品价值等金融变量；Hatzius等（2010）选取了涵盖利率、股票、商品价格指数和市场波动率等共计45个金融变量。（2）指数构建的计量方法。金融状况指数构建方法经历较长历史演变，早期对FCI研究主要集中在收益率曲线斜率、信用价差等（Stock和Watson，1989）。随着计量技术的发展，诸多方法被用来构建FCI，主要可以分为如下三大类：一是变量权重法。变量权重选取原则一般是基于每一变量变化对实际GDP的相对影响估计值。在此思想上，沿着权重的估计方法得到了诸多拓展，如基于大规模宏观经济模型的模拟值、向量自回归模型或简化式的需求方程。二是主成份分析法，主要从高维金融变量中提取共同因子，以捕捉变量的最大共同变化值。三是综合法。将变量权重和主成份法结合起来，如因子增广的向量回归模型（FAVAR）、时变参数因子增广的向量回归模型（TVP-FAVAR）。 　　相比而言，国内对FCI的研究较晚，但是发展十分迅速。指标选取方面基本上都包括了利率、汇率、股票、房地产价格和货币供应变量等，如王玉宝（2005）、封思贤等（2012）、许涤龙和欧阳胜银（2014）、邓创和徐曼（2014）、余辉和余剑（2013）等，而徐国祥和郑雯（2013）则增加了社会融资规模指标，刁节文和章虎（2012）增加了外汇储备指标。上述学者所采用的权重确定方法主要包括VAR模型、广义脉冲响应函数（GIRF）、SVAR模型、主成份分析法、TVP-VAR模型等。 　　经国内文献梳理，本文认为目前我国学者在构建FCI研究中仍有如下两点值得