王雪峰

（江西財(cái)經(jīng)大學(xué) 旅游與城市管理學(xué)院，江西 南昌 330013）

一、問題的提出和相關(guān)研究

美國次貸危機(jī)引發(fā)的全球金融風(fēng)暴，使得世界各國都投入到反危機(jī)和抗衰退的浪潮中。這次金融危機(jī)所造成的巨大損失，再次詮釋了金融穩(wěn)定對一國乃至全球金融發(fā)展和經(jīng)濟(jì)穩(wěn)定的重要作用。顯然，科學(xué)度量一國金融穩(wěn)定狀況是改善和提高一國金融穩(wěn)定、防范金融危機(jī)爆發(fā)和維護(hù)經(jīng)濟(jì)穩(wěn)定發(fā)展的前提。

目前有關(guān)金融穩(wěn)定狀況定量分析的研究，主要有以下三種思路。

其一，通過金融危機(jī)預(yù)警模型（EWM）來預(yù)測一國未來一定時(shí)間內(nèi)發(fā)生危機(jī)的可能性，進(jìn)而衡量一國金融穩(wěn)定狀態(tài)，如Kaminsky、Lizondo和 Reinhart（1998） 所創(chuàng)立的信號模型（signal approach）[1]以及劉遵義（1995）所使用的主觀概率分析模型①都屬于這一類。其特點(diǎn)是借助某一時(shí)刻不同金融變量（或綜合金融安全指標(biāo)）與其臨界值的比較來判斷該時(shí)刻的金融穩(wěn)定狀況，預(yù)測金融危機(jī)爆發(fā)的可能性。

其二，運(yùn)用宏觀壓力測試方法（Stress Test）來模擬遭受單個(gè)或多個(gè)可能的極端沖擊下的金融體系的運(yùn)行狀況，以此來評估整個(gè)金融體系抵抗外來沖擊的能力，并據(jù)此判斷一國金融穩(wěn)定狀況的優(yōu)劣。Boss(2002)運(yùn)用宏觀壓力測試方法評估了澳大利亞銀行體系的穩(wěn)定性；Virolainen（2004）設(shè)計(jì)了芬蘭銀行體系壓力測試模型；Hoggarth和Whitley（2003） 以及DeBandt和Oung（2004） 分別為英國和法國開發(fā)了結(jié)構(gòu)性壓力測試模型；Mathias Drehmann（2005） 以及Jan Willem van den End和Mostafa Tabbae（2005）則以莫頓期權(quán)模型(Merton option model）為基礎(chǔ)，設(shè)立了宏觀金融風(fēng)險(xiǎn)模型（Macro-financial Risk model），并對英國銀行的企業(yè)風(fēng)險(xiǎn)暴露和荷蘭的金融風(fēng)險(xiǎn)進(jìn)行了實(shí)證研究。[2-7]近年來，宏觀壓力測試模型被相當(dāng)一部分國家的央行用于評估本國銀行體系的穩(wěn)定性。

其三，通過構(gòu)造涵蓋貨幣、外匯、股票、房地產(chǎn)等資產(chǎn)市場以及金融機(jī)構(gòu)經(jīng)營狀況的綜合指數(shù)——金融穩(wěn)定狀況指數(shù)（Financial Stability Conditions Index,FSCI），來揭示未來一國金融穩(wěn)定的整體狀況，從而幫助政策制定者更好地評估金融系統(tǒng)存在的潛在危險(xiǎn)，為金融主體決策和風(fēng)險(xiǎn)防范提供指引。這是近幾年發(fā)展起來的一種研究思路，起源于一些OECD國家（特別是以通脹水平為貨幣政策目標(biāo)的國家）。這些國家的央行為了評估貨幣政策的執(zhí)行環(huán)境，構(gòu)造了貨幣環(huán)境指數(shù)（Monetary Conditions Index,MCI）以指導(dǎo)貨幣政策的制定和實(shí)施。但是，MCI指數(shù)由于沒有全面考慮貨幣傳導(dǎo)渠道以及金融機(jī)構(gòu)行為等因素對貨幣乃至金融環(huán)境的影響，因而在指導(dǎo)貨幣政策決策過程中存在不足。在MCI基礎(chǔ)上，西方學(xué)者進(jìn)一步拓展了金融環(huán)境指數(shù)（Financial Condition Index，F(xiàn)CI）。Charles Goodhart和Boris Hofmann(2001)強(qiáng)調(diào)了股票和房地產(chǎn)這兩種資產(chǎn)價(jià)格在貨幣政策傳導(dǎo)中的作用。他們以傳統(tǒng)的貨幣環(huán)境指數(shù)為基礎(chǔ)，構(gòu)建了包括短期利率、匯率、股票價(jià)格和房地產(chǎn)價(jià)格的FCI指數(shù)。[8]Céline Gauthier,Christopher Graham和 Ying Liu（2004） 以加拿大1981-2000年的月度數(shù)據(jù)，運(yùn)用IS曲線模型、廣義脈沖響應(yīng)函數(shù)和因子分析三種方法分別構(gòu)造了三個(gè)FCI指數(shù)，并將其同MCI指數(shù)進(jìn)行比較，得出FCI指數(shù)在指導(dǎo)貨幣政策決策過程中表現(xiàn)更優(yōu)的結(jié)論。[9]可以說，F(xiàn)CI指數(shù)本質(zhì)上是對現(xiàn)有MCI指數(shù)的拓展。Jan Willem van den End（2006）根據(jù)荷蘭和其他六個(gè)國家的數(shù)據(jù)，將涵蓋金融機(jī)構(gòu)信息的變量融入到FCI指數(shù)中，構(gòu)建了FSCI指數(shù)，并為指數(shù)設(shè)置了上下波動的邊界，開創(chuàng)了運(yùn)用FSCI指數(shù)度量金融穩(wěn)定狀況的先河。[10]

目前國內(nèi)關(guān)于金融穩(wěn)定的研究，主要關(guān)注的是金融穩(wěn)定的內(nèi)涵、金融穩(wěn)定預(yù)警指標(biāo)體系構(gòu)建以及央行在金融穩(wěn)定中的作用等內(nèi)容，只有少數(shù)學(xué)者對于金融穩(wěn)定狀況進(jìn)行了數(shù)量分析。如劉錫良（2004）和王雪峰（2006）等運(yùn)用因子分析方法對中國金融安全狀況進(jìn)行了定量評估；蔣海等（2009）運(yùn)用主觀賦值和主成份分析相結(jié)合的方法對中國金融安全指數(shù)進(jìn)行了估算。[11-13]中國人民銀行發(fā)布的《金融穩(wěn)定報(bào)告》也只有簡單的統(tǒng)計(jì)分析，缺乏較為嚴(yán)密的數(shù)量分析。有鑒于此，本文運(yùn)用狀態(tài)空間模型和Kalman Filter技術(shù)來構(gòu)建反映中國金融狀況的FSCI指數(shù)，旨在金融穩(wěn)定評價(jià)方面進(jìn)行嘗試。

二、研究方法和模型

（一）基本思路

對一國金融穩(wěn)定狀況進(jìn)行分析，必須建立在對金融穩(wěn)定內(nèi)涵的一定理解之上。由于研究角度和目的不同，目前理論界關(guān)于金融穩(wěn)定內(nèi)涵的界定多種多樣。②本文認(rèn)為，當(dāng)各類金融資產(chǎn)市場、金融機(jī)構(gòu)和金融基礎(chǔ)設(shè)施運(yùn)行良好，以及金融體系和實(shí)體經(jīng)濟(jì)良性互動時(shí)，金融體系處于穩(wěn)定狀態(tài)。金融穩(wěn)定狀態(tài)指數(shù)（FSCI）試圖通過對反映各類資產(chǎn)（貨幣、股票、外匯和房地產(chǎn)）和金融機(jī)構(gòu)運(yùn)行狀況的指標(biāo)對其長期趨勢或均衡值的偏離值賦予不同的權(quán)重，進(jìn)而合成一個(gè)綜合指數(shù)以反映一國未來金融穩(wěn)定狀況，提示金融體系可能遭受的危險(xiǎn)。其方程如下：

很顯然，要構(gòu)造一個(gè)能夠反映當(dāng)前和未來金融穩(wěn)定狀況的指示性的FSCI指數(shù)，必須解決兩個(gè)問題：一是變量的選擇；二是權(quán)重的確定。

（二）變量選擇

Schinasi（2006）認(rèn)為，判斷金融穩(wěn)定狀態(tài)的優(yōu)劣應(yīng)以金融體系能否提高經(jīng)濟(jì)資源配置效率，促進(jìn)儲蓄和投資轉(zhuǎn)換以及實(shí)現(xiàn)經(jīng)濟(jì)增長為依據(jù)。[14]傳統(tǒng)的貨幣環(huán)境指數(shù)（MCI）已充分論證了貨幣市場和外匯市場的運(yùn)行狀況對金融穩(wěn)定、物價(jià)穩(wěn)定和經(jīng)濟(jì)增長的重要作用；而且，眾多的相關(guān)研究認(rèn)為，利率和匯率是反映這兩個(gè)市場運(yùn)行狀況的最佳指標(biāo)。這說明利率和匯率變量應(yīng)當(dāng)進(jìn)入FSCI指數(shù)系統(tǒng)。Charles Goodhart和Boris Hofmann（2001）等研究表明，股票等金融資產(chǎn)的價(jià)格和房地產(chǎn)資產(chǎn)的價(jià)格變化通過資產(chǎn)負(fù)債表效應(yīng)和財(cái)富效應(yīng)，對金融系統(tǒng)的運(yùn)行、消費(fèi)、投資乃至總需求發(fā)生重要的作用。[8]因此，F(xiàn)SCI指數(shù)應(yīng)涵蓋股票等金融資產(chǎn)價(jià)格和房地產(chǎn)資產(chǎn)價(jià)格。Jan Willem van den End（2006）強(qiáng)調(diào)了金融機(jī)構(gòu)的行為對貨幣傳導(dǎo)、金融穩(wěn)定、總需求和宏觀經(jīng)濟(jì)的重要影響。他認(rèn)為，如果缺少有關(guān)金融機(jī)構(gòu)資產(chǎn)狀況的信息，則難以全面反映金融穩(wěn)定狀況。[10]因此，本文的FSCI指數(shù)系統(tǒng)包括貨幣、外匯和股票等金融資產(chǎn)變量，以及房地產(chǎn)資產(chǎn)變量和金融機(jī)構(gòu)行為變量。

（三）變量權(quán)重的確定

權(quán)重ωit的大小反映了不同變量對金融穩(wěn)定的影響大小。如何確定不同變量的權(quán)重，直接關(guān)系到FSCI指數(shù)的質(zhì)量。從現(xiàn)有文獻(xiàn)來看，確定權(quán)重的方法主要有以下三種。

第一，通過簡化的總需求方程(Reduced form Aggregate Demand Function)③進(jìn)行推導(dǎo)。這種方法首先從簡化的總需求方程獲得FSCI指數(shù)中各變量不同滯后期的回歸系數(shù)，然后按變量將系數(shù)加總。那么，每個(gè)變量的加總系數(shù)占所有變量加總系數(shù)絕對值之和的比重，即為該變量在FSCI指數(shù)中的權(quán)重。

這種方法的特點(diǎn)是能夠在相同的約束條件下，區(qū)分各種潛在的因素對金融系統(tǒng)和實(shí)體經(jīng)濟(jì)的影響。貨幣政策行為、資產(chǎn)價(jià)格變動、財(cái)政沖擊、外來沖擊、供給沖擊和市場情緒等因素對金融穩(wěn)定的影響，都可納入這個(gè)分析框架。

第二，通過廣義脈沖響應(yīng)函數(shù)（Generalized Impulse-response Functions）來確定進(jìn)入FSCI指數(shù)中各變量的權(quán)重。其基本思路是通過構(gòu)建GDP和FSCI指數(shù)體系中各變量的VAR模型，運(yùn)用廣義脈沖響應(yīng)來度量各變量對GDP的影響大小，進(jìn)而確定FSCI指數(shù)中各變量的權(quán)重。這種方法的優(yōu)點(diǎn)在于隱含了所有變量都是相互影響的內(nèi)生變量，且這種假設(shè)相對于其他方法更接近實(shí)際經(jīng)濟(jì)情況。

第三，通過因素分析法（Factor Analysis）來確定各公共因子的權(quán)重。即根據(jù)因素分析中各公共因子最大方差旋轉(zhuǎn)后的累計(jì)方差貢獻(xiàn)率來確定各公共因子的權(quán)重。這種方法的優(yōu)點(diǎn)在于不依賴某種模型；缺點(diǎn)是只能確定公共因子的權(quán)重，而不能確定構(gòu)成FSCI指數(shù)的各原始變量的權(quán)重。

上述三種方法目前在構(gòu)建MCI、FCI和FSCI指數(shù)中應(yīng)用最為廣泛，不過都有一個(gè)共同的缺點(diǎn)，即各期的FSCI指數(shù)中，各變量的權(quán)重是固定不變的。比如，第一種方法中，其權(quán)重之所以固定不變是因?yàn)楦髯兞吭诤喕目傂枨蠛瘮?shù)中的系數(shù)是固定的。但是，F(xiàn)SCI指數(shù)實(shí)際上都是借助模型或方程并利用數(shù)十年跨度的歷史數(shù)據(jù)推導(dǎo)出來的，期間必然會發(fā)生制度和結(jié)構(gòu)的重大變化，④各變量對金融穩(wěn)定影響力的大小也必然會發(fā)生變化，因而FSCI指數(shù)的權(quán)重應(yīng)當(dāng)是動態(tài)時(shí)變的。本文的目的或創(chuàng)新就是在第一種方法的基礎(chǔ)上，借助可變參數(shù)的狀態(tài)空間模型，利用Kalman Filter算法來克服FSCI指數(shù)權(quán)重固定的缺陷，使其能更好地反映金融穩(wěn)定狀況的變化。

（四）基于狀態(tài)空間模型和Kalman Filter算法的基本模型

狀態(tài)空間模型（State Space Model）是一種常用來估計(jì)理性預(yù)期、潛在產(chǎn)出、自然失業(yè)率和邊際消費(fèi)傾向等不可觀測的時(shí)間變量和時(shí)變參數(shù)的重要工具。利用狀態(tài)空間模型來描繪動態(tài)系統(tǒng)有兩個(gè)優(yōu)點(diǎn)：一是將不可觀測的變量（或參數(shù)，稱為狀態(tài)變量）并入可觀測模型并與其一起得到估計(jì)結(jié)果；二是采取強(qiáng)有力的迭代算法——Kalman Filter來進(jìn)行估計(jì)（高鐵梅，2005）。[15]本文以簡化的總需求方程為基礎(chǔ)，利用狀態(tài)空間模型和Kalman Filter算法來構(gòu)建變系數(shù)簡化總需求方程；并根據(jù)得到的變系數(shù)簡化總需求方程來獲取構(gòu)建FSCI指數(shù)各變量的時(shí)變權(quán)重。

Charles Goodhart和Boris Hofmann（2001）等人簡化的總需求方程中，包括了不同滯后期的實(shí)際產(chǎn)量缺口、實(shí)際利率缺口、實(shí)際有效匯率缺口、實(shí)際房地產(chǎn)價(jià)格缺口和實(shí)際股票價(jià)格缺口等變量，[8]可表示為：

其中，yt為t時(shí)刻的產(chǎn)量缺口（相對值）；X為Γi變量在t時(shí)刻和不同滯后期的相對偏離值；γ為不同滯后期產(chǎn)量缺口的系數(shù)；λ為Γi變量相對偏離值不同滯后期的系數(shù)。

以（3）式為量測方程，同時(shí)以遞歸函數(shù)形式建立關(guān)于時(shí)變系數(shù)γ和λ的轉(zhuǎn)移方程：

其中，T1為參數(shù)γ的系數(shù)向量；T2為參數(shù)λ的系數(shù)向量。

這樣，方程（3）、（4）、（5） 組成了簡化的總需求方程的空間狀態(tài)模型。運(yùn)用Kalman Filter算法就能估計(jì)出隨時(shí)間變化的參數(shù)向量γ和λ；然后將λ代入公式（2），就能確定FSCI指數(shù)體系中各變量隨時(shí)間變化的權(quán)重ωi；最后根據(jù)公式（1），得出金融穩(wěn)定狀態(tài)指數(shù)FSCI。

三、實(shí)證分析

（一）模型的選擇和變量的處理

本文在Charles Goodhart和 Boris Hofmann(2001)所使用的簡化的總需求方程中，增加了一個(gè)反映金融機(jī)構(gòu)資產(chǎn)負(fù)債狀況的變量——存款性金融機(jī)構(gòu)新增國內(nèi)信貸規(guī)模。⑤這樣，本文所構(gòu)建的中國FSCI指數(shù)包括實(shí)際利率、實(shí)際有效匯率、房地產(chǎn)價(jià)格、股票價(jià)格和存款性金融機(jī)構(gòu)新增國內(nèi)信貸規(guī)模五個(gè)變量。方程（1）則可以具體表示為如下模型：

其中，F(xiàn)SCIt為t期中國金融穩(wěn)定狀態(tài)值，rit、reet、rhpt、rspt和nct分別為t期實(shí)際銀行間同業(yè)拆借加權(quán)平均利率、實(shí)際有效匯率、實(shí)際房地產(chǎn)價(jià)格、實(shí)際股票價(jià)格和存款性金融機(jī)構(gòu)新增國內(nèi)信貸規(guī)模。⑥變量的樣本觀測期為1998年1季度到2008年4季度。由于FSCI指數(shù)所反映的是不同時(shí)期的金融穩(wěn)定狀態(tài)對其均衡值的偏離，因此，nc、rhp、ree和rsp也必須是其長期趨勢（或均衡值）的偏離值。為此，對這些變量進(jìn)行了Hodrick-Prescott濾波處理以獲得這些變量在不同時(shí)期對于其長期趨勢（或均衡值） 的相對偏離值（或稱缺口）。⑦ωit（i=1，…，5） 分別是ri、nc、rhp、ree和rsp對FSCI的貢獻(xiàn)率（或權(quán)重）。

為確定（6） 式中各變量的權(quán)重，必須確定（3）、（4）、（5）式所構(gòu)成的變參數(shù)空間狀態(tài)模型的具體形式。為避免偽回歸，首先對方程（3）中所包含的rgdp⑧、ri、ree、rhp、rsp和nc等變量進(jìn)行平穩(wěn)性和協(xié)整檢驗(yàn)（見表1）。

表1 rgdp、ri、ree、rhp、rsp和nc的單位根檢驗(yàn)

表1列出了各個(gè)變量的ADF檢驗(yàn)和PP檢驗(yàn)結(jié)果。根據(jù)單位根檢驗(yàn)結(jié)果，在5%的顯著性水平下，rgdp、ri、ree均為非平穩(wěn)序列，并且服從一階單整過程。因此，需要對這些序列進(jìn)行協(xié)整檢驗(yàn)以確定它們之間是否存在長期穩(wěn)定的關(guān)系。本文利用Johansen協(xié)整檢驗(yàn)來判斷各變量之間的關(guān)系（見表2）。

表2 rgdp、ri、ree、rhp、rsp和nc的協(xié)整檢驗(yàn)

表2顯示，在5%的顯著性水平下，變量之間存在兩個(gè)顯著的協(xié)整關(guān)系。這說明由（3）、（4）、（5）式所構(gòu)成的變參數(shù)狀態(tài)空間模型不存在偽回歸。為確定量測方程（簡化的總需求方程） （3）中各變量具體的滯后形式，本文采取從一般到特殊的方法，⑨得出如下模型的具體形式：

相應(yīng)地，狀態(tài)方程（轉(zhuǎn)移方程） （4）和（5）采取如下的遞歸形式：

其中，sv1、sv4、iv5、nv5、hv1、hv5、ev1和pv5分別為量測方程（7）中各變量的時(shí)變系數(shù)。

（二）模型結(jié)果

運(yùn)用Kalman Filter算法對狀態(tài)空間方程（7）和（8）進(jìn)行估計(jì)，其結(jié)果見表3。

表3 使用Kalman Filter算法對簡化的總需求方程的狀態(tài)空間模型估計(jì)結(jié)果

表3顯示了模型參數(shù)的估計(jì)值，可以看到各變量Z檢驗(yàn)值都非常顯著，對數(shù)似然值也很大，AIC值和SC值在所有模型中也是最小的，因而模型的統(tǒng)計(jì)性能良好。

利用狀態(tài)空間方程（7）和（8）估計(jì)出的各變量的時(shí)變參數(shù)（系數(shù)）以及權(quán)重計(jì)算方程（2），可以計(jì)算出ri、ree、rhp、rsp和nc等變量在FSCI指數(shù)中的時(shí)變權(quán)重（見圖1）。從圖中可以看出，近10年來，各變量對中國金融穩(wěn)定狀況的影響力不是固定不變的，而是時(shí)變的；同時(shí)也顯示出ri、ree、rhp、rsp和nc等反映金融穩(wěn)定狀況變化的變量符號與其經(jīng)濟(jì)含義（或經(jīng)濟(jì)直覺）相符，即股票價(jià)格、房地產(chǎn)價(jià)格和新增國內(nèi)信貸規(guī)模的增加（相對于其長期均衡的正向偏離）會導(dǎo)致金融擴(kuò)張；而利率的提高和匯率的升值，則會導(dǎo)致金融收縮。在樣本觀測期內(nèi)，利率、實(shí)際有效匯率和房地產(chǎn)價(jià)格等變量缺口對金融穩(wěn)定的影響較大；而實(shí)際新增國內(nèi)信貸規(guī)模和股票市場價(jià)格對金融穩(wěn)定的影響較小。這反映出隨著中國房地產(chǎn)市場的發(fā)展和利率、匯率管制的逐步放松，這些變量的波動對中國金融穩(wěn)定的影響在加強(qiáng)。由于對信貸資金流入股票市場的管制仍然存在，故股票價(jià)格的變化對整體金融穩(wěn)定的影響有限。

根據(jù)方程（6）可以繪出1999年1季度到2008年4季度中國金融穩(wěn)定狀態(tài)指數(shù)圖。從中可以看出，20世紀(jì)90年代末至21世紀(jì)初，為治理亞洲金融危機(jī)所引發(fā)的通貨緊縮，中國政府實(shí)施了擴(kuò)張性的貨幣金融政策，使得期間的中國金融運(yùn)行正向擴(kuò)張。2007年后，由于房地產(chǎn)市場的過熱和流動性過剩，導(dǎo)致中國金融運(yùn)行正向波動較強(qiáng)。2008年末，受世界金融危機(jī)的影響，中國金融穩(wěn)定狀況有惡化的趨勢。不過，期間中國金融運(yùn)行基本平穩(wěn)，金融狀況的波動幅度在大部分時(shí)間里都在（-5%，5%）的區(qū)間內(nèi)。

（三）FSCI指數(shù)的信號功能

根據(jù)狀態(tài)空間模型構(gòu)建中國金融穩(wěn)定狀況指數(shù)后，本文通過樣本內(nèi)和樣本外檢驗(yàn)來分析FSCI指數(shù)對金融穩(wěn)定和宏觀經(jīng)濟(jì)穩(wěn)定狀況的預(yù)測功能。

1.樣本內(nèi)的檢驗(yàn)

首先來考察FSCI與金融變量和宏觀經(jīng)濟(jì)變量未來值的動態(tài)相關(guān)關(guān)系。表4顯示，本期的FSCI指數(shù)與3個(gè)季度后的金融機(jī)構(gòu)人民幣貸存比、5個(gè)季度后的金融機(jī)構(gòu)中長期貸款比率和3個(gè)季度后的主要商業(yè)銀行不良貸款率等相關(guān)性最高，而與4個(gè)季度后的實(shí)際GDP和3個(gè)季度后的價(jià)格總水平（消費(fèi)者價(jià)格指數(shù)）相關(guān)性最高。這說明FSCI指數(shù)包含了未來若干季度的金融和宏觀經(jīng)濟(jì)變量的信息，意味著FSCI指數(shù)在一定程度上可以作為金融穩(wěn)定和宏觀經(jīng)濟(jì)穩(wěn)定的先行指標(biāo)，對金融和宏觀政策的制定有指導(dǎo)意義。

表4 FSCI與金融和宏觀變量未來值的最大相關(guān)性

其次，分別建立FSCI和LR（金融機(jī)構(gòu)人民幣中長期貸款比率）、FSCI和CPI（消費(fèi)者價(jià)格指數(shù)）的兩變量VAR模型，并進(jìn)行格蘭杰因果檢驗(yàn)和脈沖響應(yīng)檢驗(yàn)。本文發(fā)現(xiàn)，在滯后階數(shù)為5時(shí)，F(xiàn)SCI是LR的格蘭杰原因（F統(tǒng)計(jì)值為2.42，顯著性水平為5%）；在滯后階數(shù)為3時(shí)，F(xiàn)SCI是CPI的格蘭杰原因（F統(tǒng)計(jì)值為3.23，顯著性水平為5%）。而且，基于滯后階數(shù)為8時(shí)的FSCI和LR兩變量VAR模型以及滯后階數(shù)為4時(shí)的FSCI和CPI兩變量VAR模型的脈沖響應(yīng)檢驗(yàn)顯示，LR和CPI對來自FSCI的沖擊產(chǎn)生了較強(qiáng)的、顯著的脈沖響應(yīng)（見圖3）。這說明滯后的FSCI包含著LR和CPI未來的信息。

圖3 LR和CPI對FSCI沖擊的脈沖響應(yīng)

2.樣本外的檢驗(yàn)

為檢驗(yàn)FSCI指數(shù)對金融變量和宏觀經(jīng)濟(jì)變量樣本外的預(yù)測功能，本文首先建立金融機(jī)構(gòu)人民幣貸存比（ldr）、主要商業(yè)銀行不良貸款率（blr）⑩和消費(fèi)者價(jià)格指數(shù)（CPI）等變量的自回歸方程（AR）以及隨機(jī)游走方程（RW）進(jìn)行預(yù)測，并以此預(yù)測結(jié)果作為比較基準(zhǔn)。然后分別在它們的自回歸方程和隨機(jī)游走方程中加入FSCI變量，也進(jìn)行預(yù)測，并將預(yù)測結(jié)果分別和純自回歸方程和純隨機(jī)游走方程結(jié)果進(jìn)行比較，以判斷FSCI變量對這些金融變量和宏觀經(jīng)濟(jì)變量的預(yù)測效能。

純自回歸方程和純隨機(jī)游走方程形式分別如（9）式和（10）式所示：

加入FSCI的自回歸方程和隨機(jī)游走方程形式分別如（11）式和（12）式所示：

其中，yt代表ldr、blr和CPI等變量的t期值；κ(L)、γ(L)、β(L)和α(L)為變量yt-1所對應(yīng)的滯后多項(xiàng)式。(11)

表5的預(yù)測結(jié)果顯示，使用純自回歸方程（AR）和純隨機(jī)游走方程（RW）對樣本外金融機(jī)構(gòu)人民幣貸存比、主要商業(yè)銀行不良貸款率和CPI的預(yù)測精度都低于加入FSCI滯后項(xiàng)的對應(yīng)方程，后者的均方根誤差（RMSE）都普遍小于前者。這說明FSCI指數(shù)包含著未來有關(guān)金融穩(wěn)定狀況和宏觀經(jīng)濟(jì)態(tài)勢的有效信息，有助于對未來金融穩(wěn)定狀況和宏觀經(jīng)濟(jì)運(yùn)行進(jìn)行預(yù)測。

表5 不同模型預(yù)測金融變量和價(jià)格水平的RMSE比較

四、結(jié)論和展望

在現(xiàn)實(shí)經(jīng)濟(jì)中，鑒于金融穩(wěn)定對一國經(jīng)濟(jì)運(yùn)行的關(guān)鍵作用以及金融關(guān)系的復(fù)雜多變，政策制定者迫切需要一個(gè)能夠動態(tài)反映金融體系潛在風(fēng)險(xiǎn)和不穩(wěn)定狀況的指示性指標(biāo)來幫助分析和決策。本文以構(gòu)建一個(gè)能夠全面反映一國金融穩(wěn)定狀態(tài)動態(tài)變化的綜合指數(shù)為目標(biāo)，借鑒Charles Goodhart和Boris Hofmann(2001)等人的成果，以簡化的總需求方程為基礎(chǔ)，進(jìn)行了構(gòu)建中國金融穩(wěn)定狀況指數(shù)（FSCI）的嘗試。相對于已有的國內(nèi)外研究，本文做了兩方面的拓展：一是在指數(shù)構(gòu)建過程中，不僅考慮了貨幣、外匯、股票和房地產(chǎn)等資產(chǎn)市場的變動對金融穩(wěn)定的影響，而且還考慮了金融機(jī)構(gòu)行為的影響作用，從而使所構(gòu)建的FSCI指數(shù)能更全面地反映金融穩(wěn)定的實(shí)際狀況；二是通過構(gòu)建時(shí)變系數(shù)的狀態(tài)空間模型和運(yùn)用Kalman Filter算法，將已有文獻(xiàn)中的固定權(quán)重拓展為時(shí)變權(quán)重，而這種拓展揭示了金融結(jié)構(gòu)和金融制度不斷變化的現(xiàn)實(shí)，修正了已有研究中有關(guān)金融變量對金融穩(wěn)定影響強(qiáng)度剛性不變的假設(shè)前提，提高了金融穩(wěn)定狀態(tài)指數(shù)（FSCI）的可信性。本文所構(gòu)建的金融穩(wěn)定狀態(tài)指數(shù)顯示，從1999年1季度到2008年4季度，中國金融運(yùn)行基本穩(wěn)定；2007年，中國金融運(yùn)行偏熱；2008年受國際金融危機(jī)的影響，金融運(yùn)行出現(xiàn)收縮，但仍然在基本穩(wěn)定范圍。通過對所構(gòu)建的FSCI指數(shù)樣本內(nèi)和樣本外的檢驗(yàn)，發(fā)現(xiàn)該指數(shù)不僅能夠揭示當(dāng)前的金融穩(wěn)定狀況，而且因?yàn)榘朔从澄磥斫鹑诜€(wěn)定狀況和宏觀經(jīng)濟(jì)狀況的信息，還能夠作為預(yù)測未來金融穩(wěn)定走向的先行指標(biāo)，這為決策者制定和實(shí)施金融穩(wěn)定政策以及市場主體判斷未來金融和經(jīng)濟(jì)走勢提供了有益的參考。

正如Jan Willem van den End（2006）所說，金融穩(wěn)定含義的多維性決定了用一個(gè)單一指標(biāo)來反映一國金融穩(wěn)定狀況是非常困難的。[10]盡管本文對金融穩(wěn)定狀態(tài)指數(shù)構(gòu)建進(jìn)行了有益的拓展，但一些問題仍有待于進(jìn)一步研究：一是如何更為科學(xué)、全面地選擇構(gòu)建指數(shù)所需的金融變量。盡管本文通過增加國內(nèi)新增信貸規(guī)模這個(gè)變量，試圖將金融機(jī)構(gòu)行為納入指數(shù)體系內(nèi)，但這個(gè)變量顯然難以全面體現(xiàn)金融機(jī)構(gòu)行為對金融穩(wěn)定的影響。二是如何減少FSCI指數(shù)對模型（本文是以簡化的總需求方程為基礎(chǔ)）的依賴性。很顯然，F(xiàn)SCI指數(shù)質(zhì)量的高低依賴于模型假設(shè)的合理性。三是如何消除基礎(chǔ)模型變量的外生性對FSCI指數(shù)質(zhì)量的影響。本文所采用的簡化的總需求方程有一個(gè)重要的假設(shè)，即所有的自變量都是外生變量，但在現(xiàn)實(shí)經(jīng)濟(jì)中，這些變量往往同時(shí)發(fā)生相互作用。

注 釋：

①具體可參閱劉遵義《下一個(gè)墨西哥在東亞嗎》一文（1995年）。

②具體可參閱段小茜《國內(nèi)外金融穩(wěn)定有關(guān)問題研究進(jìn)展與述評》一文（2006年）。

③也稱后顧性IS曲線方程（Backward-looking IS Curve），其自變量中除了不同滯后期的GDP缺口外，其他變量都是構(gòu)成FSCI指數(shù)的變量（包括這些變量的不同滯后期變量）。

④比如，我國目前仍然處在經(jīng)濟(jì)體制轉(zhuǎn)型期。在1998-2008年期間（本文后文的樣本觀測期），金融、經(jīng)濟(jì)結(jié)構(gòu)和制度都發(fā)生了變化，如加大了有管理的浮動匯率的彈性、匯率不再只釘住美元、進(jìn)行了利率自由化改革；期間還進(jìn)行了股權(quán)分置改革和國有銀行的商業(yè)化股份制改革等等。結(jié)構(gòu)和制度的改變必然會導(dǎo)致構(gòu)成FSCI指數(shù)的各變量對金融穩(wěn)定狀態(tài)影響力大小的變化，因而其權(quán)重不可能是固定的，必定是時(shí)變的。

⑤存款性金融機(jī)構(gòu)新增國內(nèi)信貸規(guī)模能夠在一定程度上反映金融機(jī)構(gòu)在資產(chǎn)負(fù)債約束下的金融行為。在我國缺乏金融機(jī)構(gòu)宏觀資產(chǎn)負(fù)債數(shù)據(jù)或數(shù)據(jù)序列過短的情況下，這是一種無奈的選擇。

⑥這些變量都是扣除價(jià)格影響后的季度數(shù)據(jù)的實(shí)際值（用CPI進(jìn)行調(diào)整）。實(shí)際股票價(jià)格是上證收盤綜合指數(shù)的季度平均值。實(shí)際有效匯率數(shù)據(jù)來源于國際清算銀行（BIS，http://www.bis.org/statistics/eer/index.htm），其他數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫。

⑦由于所用的是季度數(shù)據(jù)，H-P濾波的平滑參數(shù)都選擇為1600。很多研究認(rèn)為，短期利率反映的就是其長期趨勢的偏離(Charles Goodhart和Boris Hofmann,2001)，因此ri沒有進(jìn)行H-P濾波處理。

⑧用實(shí)際國內(nèi)生產(chǎn)總值缺口（rgdp）代表（3）式（簡化的總需求方程）中的實(shí)際產(chǎn)量缺口（yt），其數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫。

⑨參照J(rèn)an Willem van den End（2006）的方法，首先量測方程包括了所有自變量的8期滯后項(xiàng)，然后通過逐級篩選，將通過檢驗(yàn)的滯后項(xiàng)保留在方程中。

⑩主要商業(yè)銀行不良貸款率數(shù)據(jù)，是在銀監(jiān)會公布的數(shù)據(jù)上加入1999-2008年四大商業(yè)銀行剝離不良貸款數(shù)據(jù)的基礎(chǔ)上計(jì)算得出的，也就是說，所使用的數(shù)據(jù)剔除了政策性剝離的影響。

(11)模型的滯后期數(shù)根據(jù)AIC和SC準(zhǔn)則確定。

：

[1]Kaminsky,G.L.,S.Lizondo，C.M.Reinhart.Leading Indicators of Currency Crisis[R].IMF Staff Paper，1998，45(1)：1-25.

[2]Boss,M..A Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit Portfolio[R].Financial Stability Review,Oesterreichische National bank，2002，(4)：26-42.

[3]Virolainen,K..Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland[R].Bank of Finland Discussion Papers，2004，18：1-15.

[4]Hoggarth,G.，Whitley,J..Assessing the Strength of UK Banks Through Macroeconomic Stress Tests[R].Bank of England Financial Stability Review，2003，(6)：37-42.

[5]DeBandt,O.，V.Oung.Assessment of “Stress Tests” Conducted on the French Banking System[R].Banque de France,Financial Stability Review，2004，(5)：10-13.

[6]Mathias Drehmann.A market Based Macro Stress Test for the Corporate Credit Exposures of UK Banks[R].London Bank of England，2005：2-3.

[7]Jan Willem van den End，Mostafa Tabbae.Measuring financial stability:Applying the MfRisk model to the Netherlands[R].De Nederlandsche Bank Working Paper，2005，30：2-18.

[8]Goodhart,C.，B.Hofmann.Asset prices,Financial Conditions,and the Transmission of Monetary Policy[C].Paper presented for the conference on Asset Prices,Exchange Rates,and Monetary Policy,Stanford University，2001：5-10.

[9]Céline Gauthier,Christopher Graham,and Ying Liu.Financial Conditions Indexes for Canada[R].Bank of Canada Working Paper，2004，22：9-22.

[10]Jan Willem van den End.Indicator and boundaries of financial stability[R].De Nederlandsche Bank Working Paper，2006，97：1-24.

[11]劉錫良.中國經(jīng)濟(jì)轉(zhuǎn)軌時(shí)期金融安全問題研究[M].北京：中國金融出版社，2004：340-364.

[12]王雪峰.中國房地產(chǎn)泡沫和金融不安全的實(shí)證研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2006，(6)：79-84.

[13]蔣 海，蘇立維.中國金融安全指數(shù)的估算與實(shí)證分析：1998-2007[J].當(dāng)代財(cái)經(jīng)，2009，(10)：47-53.

[14]Schianasi，G.J..Safeguarding Financial Stability：Theory and Practice[R].International Monetary Fund，2006：46-66.

[15]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建?！狤VIEWS應(yīng)用及實(shí)例[M].北京：清華大學(xué)出版社，2005：353-360.