牟曉云，石柱鮮，石林松

（1.吉林大學(xué) a.商學(xué)院；b.經(jīng)濟(jì)學(xué)院，長春 130012；2.大連水產(chǎn)學(xué)院，遼寧 大連 116023）

金融變量對我國主要宏觀經(jīng)濟(jì)指標(biāo)的影響分析

牟曉云1a，石柱鮮2，石林松1b

（1.吉林大學(xué) a.商學(xué)院；b.經(jīng)濟(jì)學(xué)院，長春 130012；2.大連水產(chǎn)學(xué)院，遼寧 大連 116023）

文章用Goodhart和Hofmann提出的方法構(gòu)造了金融條件指數(shù)并考察了我國金融市場的穩(wěn)定性得出，我國的金融風(fēng)險從2008年下半年開始上升很快，但在2009年呈現(xiàn)回落的態(tài)勢。利用Stock和Watson的擴(kuò)散指數(shù)方法分析了金融變量對我國宏觀經(jīng)濟(jì)走勢的影響。

金融變量；金融條件指數(shù)；經(jīng)濟(jì)指標(biāo)預(yù)測；Stock-Watson擴(kuò)散指數(shù)法

0 引言

2008年由美國次貸危機(jī)引發(fā)的金融危機(jī)對全球經(jīng)濟(jì)都產(chǎn)生了深遠(yuǎn)的影響，而隨著我國金融市場的不斷開放，這次危機(jī)對我國的金融市場也造成了一定的沖擊。金融變量與宏觀經(jīng)濟(jì)指標(biāo)之間存在著相互影響的復(fù)雜的關(guān)系，Tobin(1969)提出一國的金融市場受到?jīng)_擊，不僅會影響本國的金融市場，還會影響到本國的宏觀經(jīng)濟(jì)的走勢。Bernanke(1998)等人的研究集中在貨幣政策對宏觀經(jīng)濟(jì)產(chǎn)生的影響，而大量的金融市場信息都被忽略了。Kaminsky和Reinhart(1999)，Hoggarth和Saporta(2001)的研究表明，近年來一些國家相繼發(fā)生的銀行危機(jī)和外匯危機(jī)說明金融變量對宏觀經(jīng)濟(jì)的影響不僅僅局限于貨幣政策。Borio and Lowe(2002)提出一些國家的危機(jī)經(jīng)驗證明資產(chǎn)價格的大幅度上漲通常會伴隨著債務(wù)的迅速增長，這會對宏觀經(jīng)濟(jì)產(chǎn)生十分不利的影響。由于金融變量與宏觀經(jīng)濟(jì)指標(biāo)之間存在的緊密且復(fù)雜的聯(lián)系，政策制定者在制定貨幣政策時就要充分考慮金融變量對宏觀經(jīng)濟(jì)可能產(chǎn)生的影響。因此，研究金融變量對宏觀經(jīng)濟(jì)指標(biāo)的影響就具有重要的意義。

本文利用Goodhart和Hofmann提出的方法構(gòu)造了金融條件指數(shù)，考察了這次金融危機(jī)以后我國金融市場的穩(wěn)定性，并利用Stock和Watson的擴(kuò)散指數(shù)方法分析了金融變量對我國主要的宏觀經(jīng)濟(jì)變量的影響。利用Goodhart和Hofmann（2001）提出的方法構(gòu)造我國金融條件指數(shù)并對我國金融市場的穩(wěn)定性進(jìn)行分析；分析了金融變量對我國GDP缺口、投資缺口和通貨膨脹率的影響。

1 Stock-Watson擴(kuò)散指數(shù)模型及計算

1.1 基本模型

Stock和Watson（2002）提出的擴(kuò)散指數(shù)方法（以下縮寫為SW）是從反映金融市場健康狀況和表現(xiàn)、金融活動水平以及金融市場參與者對未來經(jīng)濟(jì)前景的估計等不同方面提取大量的序列作為主成分分析的基礎(chǔ)序列。SW過程的基本假設(shè)是一系列的預(yù)測變量Xt和被預(yù)測變量yt可以用以下不可觀測的因素Ft描述，公式如下：

其中Λ為因子負(fù)荷矩陣，α(L)為預(yù)測變量的自回歸函數(shù)，β是金融因素的系數(shù)向量。這里我們假設(shè)誤差項et在變量間是弱相關(guān)的，預(yù)測誤差ηt+k與不可觀測的因素間是線性無關(guān)的（即 E[ηt+k|Ft]=0）。

本文利用主成分分析獲得幾個不可觀測的因素，這些因素可以反映金融部門狀況的大部分信息，并分析這些因素在預(yù)測宏觀經(jīng)濟(jì)變量中的作用。這樣的預(yù)測模型的解釋變量個數(shù)就會大大減少，不會對自由度產(chǎn)生影響。這里，我們所用的預(yù)測方程的具體形式如下：

其中，y是GDP缺口或投資缺口，π是通貨膨脹率。模型中選擇主成分分析中特征根大于1的主成分作為模型的解釋變量。模型中各解釋變量及其滯后項的選擇是使AIC值達(dá)到最小，隨著模型擬合程度的提高AIC的值會變小。

為了簡化預(yù)測模型一般情況下會給定預(yù)測期限。在一些研究中通常所選擇的預(yù)測期限為一年或兩年（即對于季度數(shù)據(jù)來說k為4或8），這樣的期限也比較符合貨幣政策制定的要求。Smets和Tsatsaronis(1997)也提出在這樣的預(yù)測期限下，金融變量對經(jīng)濟(jì)行為的預(yù)測能力是比較強(qiáng)的。

1.2 金融變量的選擇與數(shù)據(jù)處理

本文的金融變量的選取主要參考了William English,Kostas Tsatsaronis和Edda Zoli(2005)的研究成果，主要考慮的這些金融變量反映了以下幾個方面。首先，對非金融機(jī)構(gòu)的債權(quán)、對非金融機(jī)構(gòu)負(fù)債以及各項存款和各項貸款這幾個指標(biāo)反映了家庭和企業(yè)的金融狀況。其次，股票價格指數(shù)反映的內(nèi)容是十分豐富的，股價指數(shù)的變化反映了資產(chǎn)價格的變化，從而影響消費市場；股價指數(shù)影響公司的資本成本，從而對投資也產(chǎn)生影響；股價指數(shù)的迅速增長會使家庭和企業(yè)的負(fù)債能力增強(qiáng)，從而使金融的影響程度更加深遠(yuǎn)。再次，利率度量了資本成本，從而對消費和投資產(chǎn)生影響，在大多數(shù)宏觀經(jīng)濟(jì)模型中也都會考慮利率的影響。最后，本文不僅考慮了一些變量的變化率，還考慮了變量與趨勢的偏離，因為這些缺口的度量能夠更好的反映資本市場不均衡對宏觀經(jīng)濟(jì)的影響。本文所選取的用于主成分分析的22個變量如表1所示。

上面變量的數(shù)據(jù)為從1995年1季度到2009年4季度的季度數(shù)據(jù)，對于那些原序列在5%的顯著性水平下沒有通過單位根檢驗的個別變量這里進(jìn)行了差分處理，因此以下的研究數(shù)據(jù)為1995年2季度到2009年4季度。對于受到季節(jié)因素影響的變量，如GDP、投資等，這里我們用X12方法進(jìn)行了季節(jié)調(diào)整。

表1 主成分分析中的基本變量

表1中股價指數(shù)的選擇的是上證綜合指數(shù)季度最后交易日的收盤價，長期利率為金融機(jī)構(gòu)5年期存款利率，短期利率為金融機(jī)構(gòu)1年期存款利率。實際利率為名義利率減去通貨膨脹率。GDP缺口為實際GDP與潛在GDP的差額，其中潛在GDP為用HP濾波方法得到的GDP趨勢。同樣地，可以通過計算得到投資缺口、房屋銷售價格指數(shù)缺口和股價指數(shù)缺口。需要注意的是其中實際房屋銷售價格指數(shù)為房屋銷售價格指數(shù)減去通貨膨脹率，而實際股價指數(shù)為股價指數(shù)除以消費價格指數(shù)。

所有序列都通過ADF平穩(wěn)性檢驗。若序列在5%的顯著性水平下出現(xiàn)了單位根，則對原序列進(jìn)行差分處理。在SW的方法中，為了避免度量單位和個別數(shù)據(jù)發(fā)散對潛在因素估計的影響，所有的數(shù)據(jù)都作了標(biāo)準(zhǔn)化（即減去均值再除以標(biāo)準(zhǔn)差）。利用主成分分析法進(jìn)行估計（使用SPSS13.0）后得如下結(jié)果，如表2。

在表2中只列出了特征根大于1的主成分，最后的列為各主成分的累計解釋能力，即前7個主成分可以解釋22個金融變量信息的83.066%。本文的研究就是利用這7個金融主成分來進(jìn)行分析的。

表2 模型的估計結(jié)果

表3 k=4時GDP缺口模型估計結(jié)果

2 我國金融市場穩(wěn)定性分析

Goodhart和Hofmann（2001）在貨幣條件指數(shù)的基礎(chǔ)上引入房地產(chǎn)價格和股票價格構(gòu)造了金融條件指數(shù)（Financial Conditions Indices）。通過實證研究發(fā)現(xiàn)，這一指數(shù)對通貨膨脹率有很好的預(yù)測效果。FCI作為貨幣政策和金融危機(jī)的重要參考指標(biāo)，一直都受到政策制定者和研究者的高度關(guān)注。

本文參考這一方法，利用上文所得到的金融主成分構(gòu)造了金融條件指數(shù)。由于金融主成分反映了金融市場大部分的信息，因此我們所計算的FCI可以反映金融市場的穩(wěn)定性。根據(jù)我們所計算的金融條件指數(shù)的波動情況可以判斷金融市場波動與主要宏觀經(jīng)濟(jì)指標(biāo)之間的關(guān)系，從而為我們所建立的預(yù)測模型提供充分的依據(jù)。

利用前面所估計的金融主成分可以計算我國的金融條件指數(shù)（FCI），其計算公式為：

其中γi為各主成分的權(quán)數(shù)。本文利用主成分分析中各主成分的貢獻(xiàn)率為權(quán)數(shù)計算出了我國的金融條件指數(shù)，結(jié)果如圖1所示。FCI的大小可以反映金融風(fēng)險的大小。

另外，在一些近期的研究中FCI的計算可以考慮主成分的滯后項，這樣金融條件指數(shù)就具有了一定的預(yù)測功能。對于權(quán)數(shù)的確定還可以采用IS—PC曲線模型計算得到或用向量自回歸(VAR)和脈沖響應(yīng)函數(shù)計算得到。

由金融條件指數(shù)的計算結(jié)果可以看出，我國金融條件指數(shù)在1995～1997年為正，說明這一時期我國金融風(fēng)險比較大，而這一時期也正是亞洲金融危機(jī)時期，在1998年之后的幾年里我國金融風(fēng)險都處在比較低的水平。從2008年下半年開始金融條件指數(shù)開始迅速的上升，直到2009年1季度達(dá)到了最高峰，2季度雖然有所下降，但FCI的值為正，這說明2008年下半年到2009年上半年我國金融風(fēng)險很高。到2009年3季度FCI值已經(jīng)為負(fù)，這說明我國金融風(fēng)險得到緩解。

由以上分析可以看出，2008年由美國次貸危機(jī)引發(fā)的金融危機(jī)對我國金融市場造成了很大沖擊，這種沖擊遠(yuǎn)比1997年亞洲金融危機(jī)所造成的沖擊大得多，這與我國金融市場的不斷開放是分不開的。我國的金融市場容易受到國外金融危機(jī)的影響，因此，在預(yù)測我國主要宏觀經(jīng)濟(jì)指標(biāo)時就必須充分考慮金融市場因素的影響。

3 金融變量對主要宏觀經(jīng)濟(jì)指標(biāo)的影響

3.1 對GDP缺口的影響

根據(jù)以上介紹的模型可以建立GDP缺口的預(yù)測模型，GDP數(shù)據(jù)這里用X12方法進(jìn)行了季節(jié)調(diào)整，GDP缺口為實際GDP與潛在GDP的差額，其中潛在GDP為用HP濾波方法得到的GDP趨勢。模型中解釋變量及其滯后項的選擇是使AIC值達(dá)到最小。由以上分析可以得到表3的模型結(jié)果。

表3的括號中的數(shù)字表示變量滯后的階數(shù)。由以上結(jié)果可以看出，利用金融主成分建立的模型擬合效果還是比較理想的。模型R2值不高，但參考William English,Kostas Tsatsaronis和Edda Zoli(2005)的研究結(jié)果，這里我們認(rèn)為R2在40%到85%之間是比較理想的。William English等人的研究還表明預(yù)測期限越長模型的擬合優(yōu)度會降低，因此本文中我們只研究了預(yù)測期為4的情況。

圖2為GDP缺口預(yù)測模型的擬合圖，從圖中可以看出模型的擬合值和GDP缺口的實際值的擬合程度是比較理想的。其中只有2002年和2009年末殘差比較大，這主要是由于這兩段時期我國GDP缺口波動比較劇烈，即實際GDP與其趨勢發(fā)生了較大的偏離，特別是2009年4季度GDP缺口很大，偏離幅度為11.44%。綜上所述，當(dāng)GDP缺口波動不劇烈的情況下我們所建立的模型的預(yù)測效果是十分理想的。

根據(jù)以上的模型我們可以得到GDP缺口的樣本外預(yù)測值，如圖3。圖中2010年1季度到2010年4季度的數(shù)據(jù)為樣本外的預(yù)測值，1994～2009年4季度的數(shù)據(jù)為GDP缺口的實際值。圖中橫線為零線位置，即潛在GDP與實際GDP相等，陰影部分為樣本外預(yù)測部分。

從預(yù)測結(jié)果中不難看出2010年我國GDP缺口將有一次明顯的先升后降的過程。2季度實際GDP與潛在GDP的偏離達(dá)到最大，偏離的幅度為7.79%。3季度和4季度的偏離會逐漸減小，分別為4.13%和-1.26%。這說明在2010年我國實際GDP會有一次高漲而后回落的過程，到2010年4季度調(diào)整到潛在GDP附近。而2010年實際GDP與潛在GDP的偏離程度將不會超過2009年出現(xiàn)的偏離。

這里我們?yōu)榱祟A(yù)測2010年實際GDP的增長率要對潛在GDP進(jìn)行預(yù)測。根據(jù)潛在GDP自相關(guān)函數(shù)和偏相關(guān)函數(shù)可知潛在GDP滿足一階自回歸模型。此一階自回歸模型的估計結(jié)果如表4所示。

根據(jù)表4的估計結(jié)果可以預(yù)測出2010年4個季度潛在GDP的值，分別為 84621.56億、87638.1億、90771.39億和94016.28億。再根據(jù)GDP缺口估計的結(jié)果可以計算得到2010年實際GDP的預(yù)測結(jié)果，分別為79171.97億、944.6518億、94520.25億和92831.67億。這樣就可以通過計算估計出2010年實際GDP的增長率為8.71%。

從以上GDP缺口和實際GDP的預(yù)測結(jié)果來看，2010年全年我國經(jīng)濟(jì)仍然會保持平穩(wěn)的增長，但4個季度的經(jīng)濟(jì)增長會出現(xiàn)一定幅度的波動，2季度和3季度增長很快，而1季度和4季度相對低迷。

3.2 對投資缺口的影響

同樣地，我們也可以得到投資缺口的預(yù)測模型。對于固定資產(chǎn)投資數(shù)據(jù)這里也用X12方法進(jìn)行了季節(jié)調(diào)整，投資缺口同樣為實際投資和潛在投資的差額。其模型結(jié)果如表5所示。

表4 潛在GDP一階自回歸結(jié)果

表5 k=4時投資缺口模型估計結(jié)果

表6 k=4時通貨膨脹率模型估計結(jié)果

從表5估計結(jié)果可以看出，模型擬合效果比較理想。利用這一估計結(jié)果可以得到投資缺口的樣本外預(yù)測結(jié)果，如圖4。

由圖4可以看出，2008年11月為應(yīng)對國際金融危機(jī)對宏觀經(jīng)濟(jì)產(chǎn)生的不利影響國務(wù)院提出的4萬億的投資計劃，在2008年末和2009年實際投資都處在比較高的水平上。2010年投資缺口會出現(xiàn)較大幅度的回調(diào)過程，到2010年2季度達(dá)到最低值，3季度和4季度將回歸到零線附近。即實際投資會在2010年在潛在投資下方小幅度波動，預(yù)計全年實際投資將會出現(xiàn)3120.65億元的缺口。

3.3 通貨膨脹率的預(yù)測

利用本文第二部分的模型可以得到通貨膨脹率的預(yù)測模型的估計結(jié)果，如表6。

利用這一估計結(jié)果可以得到通貨膨脹率的樣本外預(yù)測結(jié)果，如圖5。

從圖5可以看出最近幾年我國通貨膨脹的壓力一直比較大，雖然2009年有所緩解，但2009年4季度通貨膨脹率由負(fù)轉(zhuǎn)正，且與三季度相比變化幅度比較大。而根據(jù)我們的預(yù)測，通貨膨脹率將在2010年繼續(xù)上漲，4個季度分別為2.98%、4.37%、2.85%和5.68%。在這樣通貨膨脹的壓力下，央行已經(jīng)在2010年1月和2月連續(xù)兩次提高了存款準(zhǔn)備金率，共1個百分點，這將有效緩解2010年我國通貨膨脹的壓力。

4 結(jié)論

通過上述分析可知，國外金融危機(jī)對我國的金融市場確實產(chǎn)生了很大的影響。1995～1997年受到亞洲金融危機(jī)后我國的金融風(fēng)險比較大，而在1998年之后的幾年里我國金融風(fēng)險都維持在比較低的水平。另外，又受2008年在美國發(fā)生的金融危機(jī)的影響，從2008年下半年到2009年上半年我國的金融風(fēng)險又變大，直到2009年3季度金融風(fēng)險得到緩解。這次由美國發(fā)生的金融危機(jī)對我國金融市場的沖擊遠(yuǎn)比1997年亞洲金融危機(jī)所造成的沖擊大，這與我國金融市場的不斷開放是分不開的。我國的金融市場容易受國外金融危機(jī)的影響，因此在預(yù)測我國主要宏觀經(jīng)濟(jì)指標(biāo)時要充分考慮金融市場因素的影響。

從對主要宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測結(jié)果中可以看出，2010年我國實際GDP與潛在GDP的偏離程度將不會超過2009年出現(xiàn)的偏離，實際GDP會有一次高漲后到4季度調(diào)整到潛在GDP附近，估計實際GDP增長率將達(dá)到8.71%。

2008年11月為應(yīng)對國際金融危機(jī)對宏觀經(jīng)濟(jì)產(chǎn)生的不利影響國務(wù)院提出的4萬億的投資計劃，2008年末和2009年實際投資都處在比較高的水平上。而2010年投資缺口會出現(xiàn)較大幅度的回調(diào)過程，到2010年2季度達(dá)到最低值，3季度和4季度將回歸到零線附近。即實際投資會在2010年在潛在投資下方小幅度波動，全年實際投資將會出現(xiàn)3120.65億元的缺口。

最近幾年，我國通貨膨脹的壓力一直比較大，雖然2009年有所緩解，但2009年4季度通貨膨脹率由負(fù)轉(zhuǎn)正，且與三季度相比變化幅度比較大。而根據(jù)我們的預(yù)測，通貨膨脹率將在2010年繼續(xù)上漲，4個季度分別為2.98%、4.37%、2.85%和5.68%。

[1]Tobin,J.A General Equilibrium Approach to Monetary Theory[J].Journal of Money,Credit and Banking,1969,1(1).

[2]Bernanke,B,M Gertler,Gilchrist.The Financial Accelerator in a Quantitative Business Cycle Framework[C].NBER Working Paper,No6455,1998.

[3]Kaminsky,G,Reinhart.The Twin Crises:the Causes of Banking and Balance-of-payments Problems[J].American Economic Review,1999,83(1).

[4]Hoggarth,G,V Saporta.Costs of Banking System Instability:Some Empirical Evidence[J].Band of England Financial Stability Review,2001,10.

[5]Borio,C,Lowe.Asset Prices,Financial and Monetary Stability:Exploring the Nexus[C].BIS Working Papers,No114,2002.

[6]Stock,J H,M W Watson.Macro Economy Forecasting Using Diffusion Indexes[J].Journal of Business&Economv Statistics,2002,20(2).

[7]Smets,F,K Tsatsaronis.Why dose the Yield Curve Predict Economic Activity?Dissecting the Evidence for Germany and the U-nited States[C].BIS Working Papers,No49,1997.

[8]William E Kostas T,Edda Z.Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables[C].BIS Papers Chapters,Economy,2005.

[9]陳守東，楊瑩，馬輝.中國金融風(fēng)險預(yù)警研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006，（7）.

F224

A

1002－6487（2011）01－0105-04

國家社科基金資助項目（06BGJ021）；教育部人文社會科學(xué)重點研究基地重大課題（05JJD790006）；吉林大學(xué)“985工程”創(chuàng)新基地項目

牟曉云（1978-），女，黑龍江哈爾濱人，博士研究生，研究方向：宏觀經(jīng)濟(jì)計量分析與預(yù)測。

石柱鮮（1947-），男，吉林延吉人，教授，博士生導(dǎo)師，研究方向：宏觀經(jīng)濟(jì)計量分析與預(yù)測。

（責(zé)任編輯/亦 民）