陳 磊，咸金坤，隋占林

(1.東北財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，遼寧 大連 116025；2.東北財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)計(jì)量分析與預(yù)測研究中心，遼寧 大連 116025)

·金融與投資·

我國新型金融狀況指數(shù)的構(gòu)建與物價預(yù)測

陳 磊1,2，咸金坤1，隋占林1

(1.東北財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，遼寧 大連 116025；2.東北財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)計(jì)量分析與預(yù)測研究中心，遼寧 大連 116025)

本文利用時變因子載荷矩陣TVP-FAVAR模型提取出相關(guān)金融變量的共同因子，并借助動態(tài)模型選擇方法篩選每期的最優(yōu)因子，以此構(gòu)建了我國新型金融狀況指數(shù)(FCI)，從相關(guān)性、因果關(guān)系和預(yù)測能力等視角分析了FCI與通脹率之間的關(guān)系。結(jié)果顯示：以時變參數(shù)和時變維度方法構(gòu)建的新型FCI與我國宏觀經(jīng)濟(jì)現(xiàn)實(shí)吻合程度較好；相對于傳統(tǒng)方法，本文構(gòu)建的FCI與通脹率之間具有較高的相關(guān)性和較低的預(yù)測誤差，且FCI相對通脹率平均先行2—3個月，能夠較好地預(yù)測通脹的短期未來走勢，可以作為貨幣政策制定的參考指標(biāo)。

金融狀況指數(shù)(FCI)；通脹率；物價預(yù)測；TVP-FAVAR模型

一、引 言

隨著我國金融體系的不斷發(fā)展與完善，金融市場在宏觀經(jīng)濟(jì)運(yùn)行中的作用日益凸顯。2008年全球金融危機(jī)對各國實(shí)體經(jīng)濟(jì)產(chǎn)生的嚴(yán)重影響使人們再次認(rèn)識到改進(jìn)和完善金融體系監(jiān)測和預(yù)警管理的重要性與緊迫性，如何準(zhǔn)確地度量宏觀金融狀況已經(jīng)成為后金融危機(jī)時期經(jīng)濟(jì)學(xué)界普遍關(guān)注的問題之一。2012年以來，在外部環(huán)境不確定性加大的同時，我國經(jīng)濟(jì)發(fā)展進(jìn)入了增速放緩、結(jié)構(gòu)調(diào)整和動力轉(zhuǎn)換的“新常態(tài)”階段，經(jīng)濟(jì)環(huán)境變得更為復(fù)雜。針對近年來我國經(jīng)濟(jì)運(yùn)行出現(xiàn)的新形勢，本文旨在運(yùn)用先進(jìn)的計(jì)量分析手段構(gòu)建能夠靈活、準(zhǔn)確反映金融市場整體運(yùn)行情況的金融狀況指數(shù)，進(jìn)而應(yīng)用該指數(shù)提高對我國通貨膨脹監(jiān)測與預(yù)警的效果。

21世紀(jì)以來，作為綜合各類重要金融變量信息的綜合性指標(biāo)，金融狀況指數(shù)(Financial Condition Index，F(xiàn)CI)成為反映金融市場整體運(yùn)行情況的典型代表。由Goodhart和Hofmann[1]提出的FCI最早可追溯到加拿大銀行的貨幣狀況指數(shù)(MCI)，MCI是短期利率與匯率的加權(quán)平均，用以反映一國貨幣政策立場。不同于MCI，F(xiàn)CI還考慮了資產(chǎn)價格等信息，因而可以更全面地反映貨幣政策導(dǎo)向和未來通貨膨脹壓力，從而更好地預(yù)測未來宏觀經(jīng)濟(jì)走勢。

總結(jié)相關(guān)文獻(xiàn)(如欒惠德和侯曉霞[2])可以發(fā)現(xiàn)，目前構(gòu)建FCI的方法主要有三大類：加權(quán)求和方法、主成分分析方法以及動態(tài)因子分析方法。在加權(quán)求和方法中，通過為各個金融變量賦予合適的權(quán)重以得到FCI。而權(quán)重的分配主要基于各金融變量的變化對通脹或GDP影響的大小，通常通過大型宏觀經(jīng)濟(jì)模型模擬、VAR模型的脈沖響應(yīng)函數(shù)或總需求方程簡化式等方法測算變量權(quán)重。在主成分分析方法中，一般根據(jù)一定的判斷準(zhǔn)則選取前幾個主成分，并以它們各自的貢獻(xiàn)率為權(quán)重合成FCI。而動態(tài)因子分析方法通常是事先根據(jù)經(jīng)濟(jì)理論和先驗(yàn)判斷確定金融變量，并從中提取出他們的共同因子，以此作為FCI。

國外學(xué)者對這三類方法的應(yīng)用展開了較為深入的研究。Goodhart和Hofmann[3]利用總需求方程簡化式以及VAR模型構(gòu)建了G7國家的FCI，研究結(jié)果表明FCI對通貨膨脹具有較強(qiáng)的預(yù)測能力。Gauthier等[4]基于IS曲線、廣義脈沖響應(yīng)函數(shù)以及因子分析法構(gòu)建了加拿大的FCI，結(jié)果顯示FCI能夠較為準(zhǔn)確地描繪出經(jīng)濟(jì)周期轉(zhuǎn)折點(diǎn)，對產(chǎn)出也具有較好的預(yù)測能力。Angelopoulou等[5]利用主成分分析法構(gòu)建了歐元區(qū)國家的FCI，分析了其對貨幣政策的指示作用。Hatzius等[6]利用近似動態(tài)因子模型構(gòu)建了美國的FCI，并提出了FCI中應(yīng)該剔除宏觀經(jīng)濟(jì)成分，從而準(zhǔn)確度量金融沖擊的思想。Matheson[7]采用動態(tài)因子模型構(gòu)建了美國和歐洲地區(qū)的FCI，并考察了其對實(shí)際經(jīng)濟(jì)活動預(yù)測的有效性。然而，上述研究都基于常系數(shù)模型構(gòu)建FCI，而Koop和Korobilis[8]從計(jì)量經(jīng)濟(jì)方法上對FCI的構(gòu)建做出了較大改進(jìn)，他們運(yùn)用具有時變參數(shù)和時變維度的因子增廣向量自回歸(Factor-Augment-Vector-AutoRegression Model With Time-Varying Parameters，TVP-FAVAR)模型構(gòu)建了美國的季度FCI，實(shí)證研究結(jié)果顯示，該指標(biāo)對產(chǎn)出和失業(yè)率具有很好的預(yù)測效果，并且與現(xiàn)有FCI或金融壓力指數(shù)(FSI)相比，該指數(shù)在反映宏觀經(jīng)濟(jì)現(xiàn)實(shí)運(yùn)行情況上也具有明顯的優(yōu)勢。

近年來，國內(nèi)一些學(xué)者開始致力于我國FCI的構(gòu)建，并將其應(yīng)用于通貨膨脹或產(chǎn)出的預(yù)測，進(jìn)而探討其作為貨幣政策參考指標(biāo)與指示器的可行性。從現(xiàn)有的文獻(xiàn)看，國內(nèi)的研究主要是通過VAR模型的脈沖響應(yīng)函數(shù)確定金融變量的權(quán)重，然后加權(quán)求和以構(gòu)建FCI，如戴國強(qiáng)和張建華[9]、陸軍等[10]、封思賢等[11]、徐滌龍和歐陽勝銀[12]、周德才等[13]。但是陸軍和梁靜瑜[14]認(rèn)為VAR模型方法在變量的選擇以及模型的識別上存在爭議性。另外，也有一些國內(nèi)學(xué)者利用總需求方程簡化式構(gòu)建FCI，如陸軍和梁靜瑜[14]、余輝和余劍[15]、肖強(qiáng)和司穎華[16]，然而該方法的可靠性依賴于模型中各變量相互外生，但這一假設(shè)通常很難在現(xiàn)實(shí)中成立。王維國等[17]率先在我國探索使用小型聯(lián)立方程模型構(gòu)建FCI，并取得了良好的效果。還有一些學(xué)者使用主成分分析或因子分析方法構(gòu)建FCI，與加權(quán)求和方法相比，通過這兩種方法構(gòu)建的FCI避免了模型依賴性問題，并且能夠容納更多的經(jīng)濟(jì)指標(biāo)，但目前這類研究在國內(nèi)尚不多見。其中，鄧創(chuàng)和徐曼[18]采用主成分分析方法提取了我國的FCI，并借助TVP-VAR模型分析了金融沖擊對宏觀經(jīng)濟(jì)影響的時變特性。欒惠德和侯曉霞[2]采用混頻動態(tài)因子模型(ADS方法)構(gòu)建了實(shí)時FCI，極大地提高了FCI監(jiān)測與預(yù)警效果的時效性。

盡管國內(nèi)關(guān)于FCI的研究取得很大進(jìn)展，但仍存在一些不足之處。FCI通常由較長跨度的時間序列數(shù)據(jù)估計(jì)得到，傳統(tǒng)方法未能體現(xiàn)出樣本期內(nèi)經(jīng)濟(jì)結(jié)構(gòu)的變化情況。陸軍和梁靜瑜[14]、周德才等[13]曾指出，以常系數(shù)模型構(gòu)建FCI不適合金融和經(jīng)濟(jì)結(jié)構(gòu)正在轉(zhuǎn)型中的我國，因而若考慮到模型參數(shù)的不穩(wěn)定性，采用時變參數(shù)模型構(gòu)建FCI則更加符合現(xiàn)實(shí)?，F(xiàn)有成果均假設(shè)在樣本期內(nèi)用于構(gòu)建FCI的指標(biāo)個數(shù)不變，而如果在不同的經(jīng)濟(jì)發(fā)展階段靈活選擇構(gòu)建FCI的金融指標(biāo)，則有助于降低模型過度參數(shù)化的風(fēng)險(xiǎn)，或避免因參數(shù)收縮度*通常在包含大量解釋變量的模型中需要施加大量的假設(shè)性限制，而參數(shù)收縮度就是用來控制這種假設(shè)性限制強(qiáng)弱的指標(biāo)。設(shè)置不當(dāng)而造成模型錯誤設(shè)定，從而可能會提高FCI構(gòu)建和預(yù)測的準(zhǔn)確性。Boivin和Ng[19]認(rèn)為，在因子分析中，用以提取共同因子的變量個數(shù)一成不變并不一定是最優(yōu)選擇。Koop和Korobilis[20]、郭永濟(jì)等[21]的研究表明，時變維度的模型在經(jīng)濟(jì)預(yù)測中往往效果更好，而Koop和Korobilis[8]在構(gòu)建美國的季度FCI時的研究結(jié)果也說明時變維度模型更符合現(xiàn)實(shí)。

基于以上分析，本文借鑒Koop和Korobilis[8]的方法試圖從以下三個方面對我國FCI的構(gòu)建有所突破：第一，利用具有時變因子載荷矩陣的TVP-FAVAR模型構(gòu)建FCI。該模型允許因子載荷矩陣隨時間而變化，而因子載荷可以認(rèn)為是各金融變量在FCI中所占的比重，因此，時變的因子載荷矩陣可以反映出各金融變量在FCI中構(gòu)成權(quán)重的變化，進(jìn)而可以刻畫出我國金融市場與經(jīng)濟(jì)結(jié)構(gòu)可能發(fā)生的變化。第二，根據(jù)Hatzius等[6]的建議，在構(gòu)建FCI時引入宏觀經(jīng)濟(jì)變量作為控制變量以剔除FCI中的宏觀成分，從而提高FCI構(gòu)建的準(zhǔn)確性。第三，為了避免變量選擇的主觀性而導(dǎo)致構(gòu)建的FCI遺漏重要信息或引入無關(guān)干擾信號，本文利用動態(tài)模型選擇(Dynamic Model Selection，DMS)技術(shù)靈活選擇進(jìn)入模型的金融變量，使構(gòu)建FCI的變量具有時變特征。

二、TVP-FAVAR模型及其估計(jì)

(一)具有時變因子載荷矩陣的TVP-FAVAR模型構(gòu)建

時變因子載荷矩陣TVP-FAVAR模型可以表示成如下形式：

(1)

(2)

Λt=Λt-1+vt

(3)

βt=βt-1+ηt

(4)

其中，vt～N(0,Wt)，ηt～N(0,Rt)，并且假定方程中的誤差項(xiàng)不相關(guān)。

由式(1)—式(4)構(gòu)成的模型即為具有時變因子載荷矩陣的TVP-FAVAR模型。在利用該模型構(gòu)建FCI時，由于模型的因子載荷矩陣是隨時間變化的，而因子載荷可以認(rèn)為是金融變量在FCI中所占的比重，因此，時變的因子載荷矩陣可以反映出各金融變量構(gòu)成權(quán)重的變化。

(二)時變維度的TVP-FAVAR模型構(gòu)建

在金融變量Xt所有的子集中，不同的變量組合所構(gòu)建的FCI也是不同的。如集合Xt中有n個金融變量，其中m個變量始終包含在模型中，即下文中的固定變量，那么將會有2(n-m)個非空子集，這些子集中分別包含不同的金融變量，從而會有2(n-m)個不同的TVP-FAVAR模型提取出各自的FCI。為了避免變量選擇的主觀性，同時考慮到目前我國金融市場與經(jīng)濟(jì)結(jié)構(gòu)正在進(jìn)行不斷的轉(zhuǎn)型與調(diào)整，本文不事先設(shè)定用以構(gòu)建FCI的變量總數(shù)目，而是由模型和數(shù)據(jù)特征決定每一期進(jìn)入模型用于提取FCI的變量，以及模型中包含的變量總個數(shù)。由此，隨著金融市場和經(jīng)濟(jì)結(jié)構(gòu)的變化，用于提取FCI的變量也是變化的，即時變的模型維度。具體來看，根據(jù)進(jìn)入模型的變量不同，共有j=1,…,J個模型，第j個模型Mj可以表示成如下形式：

(5)

(6)

根據(jù)上文介紹可知，在t時刻共有2(n-m)個不同模型構(gòu)建不同的FCI，本文借鑒Koop和Korobilis[8]的方法，通過DMS方法來選擇最優(yōu)的FCI。根據(jù)每個模型在某時點(diǎn)上對Yt中主要宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測表現(xiàn)，計(jì)算出該時點(diǎn)選擇每個模型的概率，假設(shè)給定直到t-1期的信息，我們的目的是計(jì)算t時點(diǎn)選擇第Mj個模型來構(gòu)建最優(yōu)FCI的概率為pt|t-1,j，根據(jù)Raftery等[24]、Koop和Korobilis[25]，給定初始條件p0|0,j，j=1,…,J，該概率值的狀態(tài)空間預(yù)測方程可以表示為：

(7)

更新方程為：

(8)

其中，fj(Datat|Data1:t-1)為第j個模型的擬合優(yōu)度；0≤α≤1為遺忘因子。

因此，一旦給定初始值p0|0,j便可利用卡爾曼濾波法估計(jì)出t時點(diǎn)采用模型Mj的概率值pt|t,j，從中選擇概率值最大的模型所提取出的共同因子作為當(dāng)期FCI值，進(jìn)而根據(jù)DMS方法構(gòu)建最優(yōu)的FCI。

三、變量的描述與FCI的構(gòu)建

(一)金融變量的選取與處理

從國內(nèi)文獻(xiàn)來看，在實(shí)際構(gòu)建FCI時不同的文獻(xiàn)所采用的金融變量具有較大差異，但也存在一些共識。其中，短期利率一般以全國銀行間同業(yè)拆借市場7天同業(yè)拆借利率為代理變量，匯率一般以國際清算銀行公布的人民幣實(shí)際有效匯率為代理變量，股票價格一般以上證綜指月末收盤價為代理變量，而房地產(chǎn)價格一般以國房景氣指數(shù)為代理變量。因此，為與現(xiàn)有文獻(xiàn)一致，本文在構(gòu)建FCI時始終將以上4個變量包括在模型中。陸軍和梁靜瑜[14]指出，我國目前尚無一種可作為金融市場基準(zhǔn)利率的指標(biāo)，貸款利率與銀行間同業(yè)拆借利率具有不可替代性，從而結(jié)合我國實(shí)際情況，在構(gòu)建FCI時應(yīng)考慮短期貸款基準(zhǔn)利率。很多研究表明，我國貨幣政策倚重于數(shù)量型傳導(dǎo)渠道，且貨幣供應(yīng)量相對于產(chǎn)出和物價具有一定的先行性，因而貨幣供應(yīng)量M1也應(yīng)該包含進(jìn)模型當(dāng)中。因此，本文選取上述6個指標(biāo)作為不可替代的固定變量進(jìn)入模型。為避免變量選擇的主觀性而遺漏重要信息或者選擇無關(guān)變量而影響FCI的準(zhǔn)確性，本文參照已有的研究成果，選取了深證成份收盤指數(shù)、貨幣供應(yīng)量M2、美元兌人民幣平均匯率、國際原油價格、社會融資規(guī)模、金融機(jī)構(gòu)人民幣各項(xiàng)貸款余額、1年期固定利率國債到期收益率和7天債券質(zhì)押式回購交易平均利率8個重要金融變量作為備選變量，通過DMS方法來決定它們在某期是否可以進(jìn)入模型用以構(gòu)建FCI。此外，在宏觀變量方面選取經(jīng)濟(jì)一致景氣指數(shù)與CPI。

各金融變量和經(jīng)濟(jì)變量樣本期為2000年1月份至2015年11月份，數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫、Wind資訊金融數(shù)據(jù)庫和國家統(tǒng)計(jì)局網(wǎng)站。在模型估計(jì)之前，我們先對數(shù)據(jù)進(jìn)行預(yù)處理。首先利用X-12方法消除金融變量中的季節(jié)成分與不規(guī)則成分，從而得到變量趨勢循環(huán)(TC)成分；其次利用HP濾波方法將趨勢與循環(huán)成分分離；最后得到各金融變量的缺口[2-15]。利率類變量的缺口為實(shí)際利率與利率趨勢值之差，其他變量的缺口為(變量實(shí)際值-變量趨勢值)/變量趨勢值。對處理后的變量進(jìn)行單位根檢驗(yàn)顯示，所有金融變量均在1%的顯著性水平上拒絕原假設(shè)，*限于篇幅，本文不再具體列出單位根檢驗(yàn)結(jié)果，如有需要可向作者索取。即所有變量平穩(wěn)，滿足建立模型的條件。

(二)備選變量選擇與分析

由于本文采用了DMS方法來挑選8個備選金融變量是否進(jìn)入TVP-FAVAR模型用以構(gòu)建FCI，因此，我們可以觀測出每一期用以構(gòu)建FCI的變量總個數(shù)。

除了6個始終包括在模型中的固定變量外，平均每期將有1—4個備選金融變量進(jìn)入模型，即構(gòu)建FCI的金融變量個數(shù)平均為7—10個。值得注意的是，隨著2005年7月我國實(shí)行了有管理的浮動匯率以及2006年底我國股權(quán)分置改革的基本完成，2006年以后模型中的變量數(shù)目大幅度增加，并在金融危機(jī)期間達(dá)到了峰值，這表明模型在一定程度上可以刻畫我國經(jīng)濟(jì)形勢的變化，同時也暗含金融危機(jī)使得我國金融市場環(huán)境和經(jīng)濟(jì)環(huán)境變得更為復(fù)雜，對我國金融系統(tǒng)的穩(wěn)定與發(fā)展產(chǎn)生了深遠(yuǎn)的影響。

圖1刻畫了另外8個備選金融變量在每一時期進(jìn)入模型以構(gòu)建FCI的時變概率。

圖1 備選金融變量在每一期進(jìn)入模型的時變概率

從圖1可以看出，2007—2010年左右，社會融資規(guī)模等代表貨幣傳導(dǎo)途徑中信貸渠道的變量*社會融資規(guī)模指標(biāo)中包括各項(xiàng)貸款余額的信息，因而從總體來看，金融機(jī)構(gòu)人民幣各項(xiàng)貸款余額指標(biāo)進(jìn)入模型的概率并不高。進(jìn)入模型的概率較大，說明在此期間信貸渠道對宏觀經(jīng)濟(jì)的運(yùn)行起到了重要作用，但2011年后的作用有所下降。而在我國股權(quán)分置改革完成后，深證成份收盤指數(shù)進(jìn)入模型的概率較此前明顯增大，通過將該指標(biāo)與通脹率作圖對比發(fā)現(xiàn)，*限于篇幅所限，本文并未在行文中作圖，如有需要可向作者索取?！肮筛摹蓖瓿梢詠?，深證成份收盤指數(shù)的走勢先行于通脹率5個月左右，并且兩者的相關(guān)性相對較高，表明該變量可以為監(jiān)測物價的走勢提供有益的支持。但平均而言，利率類變量和貨幣供應(yīng)量M2進(jìn)入模型的概率較低，因?yàn)檫@些變量與銀行間同業(yè)拆借利率和貨幣供應(yīng)量M1的走勢非常接近，它們含有相似的信息，而后者始終包含在模型當(dāng)中，因此，利率類變量和貨幣供應(yīng)量M2所能提供的額外有用信息非常有限。樣本期內(nèi)美元兌人民幣平均匯率、2007年后國際原油價格等代表國際因素變動的變量進(jìn)入模型的概率較高，說明隨著我國對外開放程度的不斷提高與經(jīng)濟(jì)體制的不斷完善，外部沖擊對國內(nèi)物價水平具有重要的影響，這也在一定程度上反映出我國貨幣政策傳導(dǎo)途徑中匯率渠道的重要性。

(三)FCI的構(gòu)建與分析

圖2描述了運(yùn)用具有時變維度和時變因子載荷矩陣的TVP-FAVAR模型構(gòu)建的我國新型FCI和通脹率走勢。

圖2 新型FCI(實(shí)線，左軸)與通脹率(虛線，右軸)的相關(guān)性比較圖

從圖2可以看出，2003—2004年，F(xiàn)CI表現(xiàn)為從零附近逐漸上升，在此期間，我國貨幣供應(yīng)量增速維持在20%左右的高增長階段，央行的貨幣政策逐漸由穩(wěn)健轉(zhuǎn)變?yōu)檫m度寬松，總體物價水平處于溫和通脹區(qū)。2007—2008年，股權(quán)分置改革的完成以及人民幣升值導(dǎo)致的“熱錢”涌入共同推動了我國股票市場的繁榮，同時房地產(chǎn)市場較為活躍致使房價大幅攀升，而全球市場流動性過剩也引發(fā)了輸入型通脹，這些因素的共同作用使得我國進(jìn)入了一輪嚴(yán)重通脹期，在此期間FCI走勢也呈現(xiàn)出日益上升的態(tài)勢，其值也創(chuàng)造出樣本期間的歷史峰值。2008—2009年，受全球金融危機(jī)的嚴(yán)重影響，我國經(jīng)濟(jì)增長速度和物價快速下滑，甚至出現(xiàn)了短暫的通貨緊縮。在此之前央行實(shí)行了穩(wěn)中適度從緊的貨幣政策，并且多次提高存款準(zhǔn)備金率和存貸款基準(zhǔn)利率，致使FCI呈現(xiàn)出快速收緊的態(tài)勢，并下探至2000年以來的最低值。2009—2011年左右，前期政府為了應(yīng)對國際金融危機(jī)、拉動國內(nèi)經(jīng)濟(jì)，推出了4萬億元等一系列超常規(guī)經(jīng)濟(jì)刺激舉措，貨幣供應(yīng)量快速增長，信貸總量急劇增加，貨幣政策極為寬松，進(jìn)而由流動性過剩引發(fā)經(jīng)濟(jì)進(jìn)入新一輪溫和通脹期，F(xiàn)CI呈現(xiàn)出收緊—適度—寬松的快速轉(zhuǎn)變過程。2013年以來，我國面臨經(jīng)濟(jì)“新常態(tài)”下增速放緩、結(jié)構(gòu)調(diào)整和動力轉(zhuǎn)換的新特征和外部環(huán)境不確定性加大的新形勢，為進(jìn)一步降低企業(yè)融資成本以支持實(shí)體經(jīng)濟(jì)增長，保持金融體系流動性合理充裕，以促進(jìn)經(jīng)濟(jì)平穩(wěn)健康發(fā)展，央行多次進(jìn)行“降準(zhǔn)降息”，貨幣政策取向逐漸轉(zhuǎn)變?yōu)檫m度寬松，2015年以來FCI走勢呈現(xiàn)出上揚(yáng)態(tài)勢。

由以上分析可見，本文利用時變參數(shù)和時變維度方法構(gòu)建的FCI與我國宏觀經(jīng)濟(jì)現(xiàn)實(shí)吻合程度較好，能夠較為準(zhǔn)確地反映我國金融市場整體運(yùn)行以及宏觀經(jīng)濟(jì)變動情況，因而可以作為宏觀經(jīng)濟(jì)政策制定的參考指標(biāo)。FCI的走勢還表明，除金融危機(jī)期間外，我國宏觀金融市場運(yùn)行狀況整體平穩(wěn)，貨幣政策較為穩(wěn)健。在下文中我們將進(jìn)一步定量分析FCI與通脹率的關(guān)系。

四、FCI與通脹率的關(guān)系分析

(一)相關(guān)性分析

從圖2可以看出，F(xiàn)CI與通脹率的走勢之間具有高度的一致性，且FCI具有一定的先行性，這一點(diǎn)在2004年以來尤為明顯。從周期峰谷對應(yīng)法分析可以看出，F(xiàn)CI的波峰和波谷對通脹率的波峰和波谷超前效應(yīng)比較明顯。據(jù)此，我們可以初步認(rèn)為FCI可以作為通脹率的短期先行指標(biāo)以監(jiān)測其未來走勢。

FCI與通脹率的時差相關(guān)分析結(jié)果如表1所示，在樣本期內(nèi)新型FCI相對于通脹率的先行期為2—3個月，最大時差相關(guān)系數(shù)達(dá)到0.8400左右。

表1 不同先行期下FCI與通脹率的時差相關(guān)系數(shù)

為進(jìn)一步分析本文構(gòu)建的新型FCI的優(yōu)劣，我們將其與國內(nèi)權(quán)威期刊上的相關(guān)研究成果[9-13-15]進(jìn)行了比較，通過表1的對比可以發(fā)現(xiàn)，本文構(gòu)建的FCI與通脹率的相關(guān)性更高，并且對通脹率的先行性更加明顯。這說明本文構(gòu)建的FCI能夠更早、更準(zhǔn)確地預(yù)判通脹率未來可能發(fā)生的變動狀況，從而可以為宏觀調(diào)控提供更加有價值的參考。

(二)Granger因果關(guān)系分析

FCI是否能夠作為貨幣政策操作的參考指標(biāo)，還可以通過經(jīng)濟(jì)計(jì)量方法中的Granger因果關(guān)系檢驗(yàn)進(jìn)行考察，即FCI是否能夠?yàn)轭A(yù)測通脹率提供有用的信息。表2列出了上文構(gòu)建的FCI與通脹率之間的Granger因果關(guān)系檢驗(yàn)結(jié)果。

表2 Granger因果關(guān)系檢驗(yàn)結(jié)果

注：表中數(shù)值為Granger因果檢驗(yàn)的P值。

從表2可以看出，F(xiàn)CI在滯后1—6階時都能夠以1%的顯著性水平拒絕“FCI不是通脹率的Granger原因”的原假設(shè)，從而很有把握地說明FCI是通脹率變動的Granger原因。與此相反，除滯后1階以外，通脹率的各階滯后在5%的顯著性水平上都不能拒絕“通脹率不是FCI的Granger原因”的原假設(shè)，這說明通脹率不是FCI變動的Granger原因，該結(jié)果進(jìn)一步支持了上文中時差相關(guān)分析的結(jié)論。據(jù)此，我們可以認(rèn)為存在著從FCI到通脹率的單向Granger因果關(guān)系，同樣說明，上文中構(gòu)建的FCI可以在短期內(nèi)預(yù)測通脹率未來可能的走勢。該結(jié)論也為FCI對通脹率的預(yù)測能力分析奠定了基礎(chǔ)。

(三)FCI對通脹率的預(yù)測能力分析

根據(jù)余輝和余劍[15]以及周德才等[13]的相關(guān)研究，本文進(jìn)一步使用下式的循環(huán)方程考察本文構(gòu)建的FCI對通脹率的預(yù)測能力：

πt=α+βFCIt-k+ζt

(9)

其中，πt為通脹率，F(xiàn)CIt-k為FCI的滯后值，k的取值范圍選擇為0—6，ζt為誤差，β為系數(shù)，α為常數(shù)。

表3列出了循環(huán)方程的預(yù)測結(jié)果。

表3 不同先行期下FCI對通脹率的預(yù)測能力

從表3可以看出，F(xiàn)CI在先行2個月和3個月時對通脹率的預(yù)測能力最強(qiáng)，其對通脹率的解釋力度均達(dá)到71%以上，與時差相關(guān)分析的結(jié)果一致。從樣本內(nèi)擬合效果來看，F(xiàn)CI在先行2—3個月時效果最好，平均相對誤差(MAPE)在0.95%以下，此時均方根誤差(RMSE)也達(dá)到最小值，這說明在先行2—3個月左右用FCI來預(yù)測未來通脹率的可信度最高。對比模型擬合優(yōu)度和RMSE發(fā)現(xiàn)，與國內(nèi)學(xué)者已有研究相比，本文構(gòu)建的FCI在預(yù)測能力方面也體現(xiàn)出比較明顯的優(yōu)勢。

五、結(jié)論與啟示

(一)結(jié)論

本文首先利用具有時變因子載荷矩陣的因子增廣向量自回歸(TVP-FAVAR)模型提取金融變量共同因子，其次借助DMS方法篩選每期的最優(yōu)因子，以此構(gòu)建了我國新型FCI，最后利用時差相關(guān)分析、Granger因果關(guān)系檢驗(yàn)和預(yù)測循環(huán)方程等方法分析了構(gòu)建的FCI與通脹率之間的相關(guān)關(guān)系，并將分析結(jié)果與國內(nèi)現(xiàn)有的同類指數(shù)進(jìn)行了比較。通過研究發(fā)現(xiàn)：基于時變參數(shù)和時變維度的TVP-FAVAR方法構(gòu)建的FCI與我國宏觀經(jīng)濟(jì)運(yùn)行吻合程度較好；相對于國內(nèi)現(xiàn)有研究成果，本文所構(gòu)建的新型FCI與通脹率之間具有很強(qiáng)的相關(guān)性，且在短期內(nèi)，這種相關(guān)性要優(yōu)于現(xiàn)有研究中的FCI。Granger因果關(guān)系檢驗(yàn)表明，存在從FCI到通脹率的單向Granger因果關(guān)系，并且FCI對通脹率先行性較為明顯，平均先行2—3個月，說明其能夠較好地預(yù)測通脹率的未來走勢。以上結(jié)論說明本文所構(gòu)建的FCI可以作為通脹率的先行指標(biāo)以及宏觀經(jīng)濟(jì)政策制定的參考指標(biāo)。

(二)啟示

第一，新型金融狀況指數(shù)作為綜合反映金融市場各方面信息的一個綜合指數(shù)，無論是對反映金融市場整體運(yùn)行情況，還是對監(jiān)測和預(yù)測未來通脹率走勢都具有重要作用。一些發(fā)達(dá)國家的央行和國際組織已經(jīng)著手編制相應(yīng)的金融狀況指數(shù)或貨幣狀況指數(shù)，因而有關(guān)研究機(jī)構(gòu)或部門可結(jié)合相關(guān)學(xué)術(shù)研究和國際經(jīng)驗(yàn)，構(gòu)建能夠準(zhǔn)確反映我國金融市場整體運(yùn)行情況和貨幣政策導(dǎo)向的FCI并定期公布，以期能夠穩(wěn)定市場預(yù)期，減少政策不確定性可能帶來的經(jīng)濟(jì)損失，進(jìn)而促進(jìn)金融市場與實(shí)體經(jīng)濟(jì)的健康平穩(wěn)發(fā)展。

第二，在構(gòu)建FCI時我們發(fā)現(xiàn)，全球金融危機(jī)以來，反映國際因素的原油價格指數(shù)以及美元兌人民幣平均匯率等指標(biāo)進(jìn)入模型的概率較大，因而我們應(yīng)該注意國際因素對我國物價水平造成的影響，提高金融市場抵御外來風(fēng)險(xiǎn)的能力。此外，除模型中固定不變的全國銀行間同業(yè)拆借市場7天同業(yè)拆借利率和短期貸款基準(zhǔn)利率以外，利率類指標(biāo)進(jìn)入模型的概率較小，對物價等宏觀指標(biāo)的先行性不強(qiáng)。這也在一定程度上說明我國利率市場化雖已基本完成，但是仍需要進(jìn)一步完善。

[1] Goodhart，C.，Hofmann，B.Financial Variables and the Conduct of Monetary Policy[R].Sveriges Riksbank Working Paper，2000.

[2] 欒惠德，侯曉霞.中國實(shí)時金融狀況指數(shù)的構(gòu)建[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，(4)：137-148.

[3] Goodhart，C.,Hofmann，B.Asset Prices，F(xiàn)inancial Conditions，and the Transmission of Monetary Policy [J].Proceeding,2001,114(2):198-230.

[4] Gauthier，C., Graham，C.，Liu,Y.Financial Conditions Indexes for Canada [R].Bank of Canada Working Paper，2004.22.

[5] Angelopoulou，E.，Balfoussia，H., Gibson，H.D.Building a Financial Conditions Index for the Euro Area and Selected Euro Area Countries: What Does It Tell Us About the Crisis? [J].Economic Modelling，2014，38(38)：392-403.

[6] Hatzius，J.,Hooper，P.，Mishkin，F(xiàn).S.，Schoenholtz，K.L., Watson，M.W.Financial Conditions Indexes: A Fresh Look After the Financial Crisis[R].NBER Working Paper，2010.

[7] Matheson，T.D.Financial Conditions Indexes for the United States and Euro Area [J].Economics Letters, 2012，115(3)：441-446.

[8] Koop，G., Korobilis，D.A New Index of Financial Conditions [J].European Economic Review，2014，71(1)：101-116.

[9] 戴國強(qiáng)，張建華.中國金融狀況指數(shù)對貨幣政策傳導(dǎo)作用研究[J].財(cái)經(jīng)研究，2009，(7)：52-62.

[10] 陸軍，劉威，李伊珍.新凱恩斯菲利普斯曲線框架下的中國動態(tài)金融狀況指數(shù)[J].財(cái)經(jīng)研究，2011，(11)：61-70.

[11] 封思賢，蔣伏心，謝啟超，等.金融狀況指數(shù)預(yù)測通脹趨勢的機(jī)理與實(shí)證[J].中國工業(yè)經(jīng)濟(jì)，2012，(4)：18-30.

[12] 徐滌龍，歐陽勝銀.金融狀況指數(shù)的理論設(shè)計(jì)及應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，(12)：55-71.

[13] 周德才，馮婷，鄧姝姝.我國靈活動態(tài)金融狀況指數(shù)構(gòu)建與應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，(5)：114-130.

[14] 陸軍，梁靜瑜.中國金融狀況指數(shù)的構(gòu)建[J].世界經(jīng)濟(jì)，2007，(4)：13-24.

[15] 余輝，余劍.我國金融狀況指數(shù)構(gòu)建及其對貨幣政策傳導(dǎo)效應(yīng)的啟示[J].金融研究，2013，(4)：51-60.

[16] 肖強(qiáng)，司穎華.我國FCI的構(gòu)建及對宏觀經(jīng)濟(jì)變量影響的非對稱性[J].金融研究，2015，(8)：95-108.

[17] 王維國，王霄凌，關(guān)大宇.中國金融條件指數(shù)的設(shè)計(jì)與應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011，(12)：115-131.

[18] 鄧創(chuàng)，徐曼.中國的金融周期波動及其宏觀經(jīng)濟(jì)效應(yīng)的時變特征研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，(9)：75-91.

[19] Boivin，J.,Ng，S.Are More Data Always Better for Factor Analysis? [J].Journal of Econometrics，2006，132(1)：164-149.

[20] Koop，G.,Korobilis，D.Large Time-Varying Parameter VARs [J].Journal of Econometrics，2013，177(2) ：185-198.[21] 郭永濟(jì)，丁慧，范從來.中國通貨膨脹動態(tài)模型預(yù)測的實(shí)證研究[J].中國經(jīng)濟(jì)問題，2015,(5)：3-35.[22] Paries，M.D.，Maurin，L.,Moccero，D.Financial Conditions Index and Credit Supply Shocks for the EURO [R].European Central Bank Working Paper No.1644，2014.

[23] Wacker，K.M.，Lodge，D.,Nicoletti，G.Measuring Financial Conditions in Major Non-Euro Area Economies [R].European Central Bank Working Paper,2014.

[24] Raftery，A.E.，Karny，M.，Ettler，P.Online Prediction Under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill[J].Technometrics，2010，52(1)：52-66.

[25] Koop，G.，Korobilis，D.Forcasting Inflation Using Dynamic Model Averaging[J].International Economic Review，2012，53(3)：867-886.

(責(zé)任編輯：巴紅靜)

2017-02-19

國家社會科學(xué)基金重大項(xiàng)目“新常態(tài)下我國宏觀經(jīng)濟(jì)監(jiān)測和預(yù)測研究”(15ZDA011)；國家自然科學(xué)基金項(xiàng)目 “基于非參數(shù)方法和非線性模型的經(jīng)濟(jì)景氣和通貨膨脹監(jiān)測預(yù)警研究”(71173029)；遼寧省特聘教授(2012)項(xiàng)目

陳 磊(1963-)，男，吉林人，教授，博士,博士生導(dǎo)師，主要從事經(jīng)濟(jì)周期波動、金融與宏觀經(jīng)濟(jì)分析和預(yù)測以及數(shù)量經(jīng)濟(jì)學(xué)等方面的研究。E-mail：chenlei@dufe.edu.cn 咸金坤(1991-)，男，山東臨沂人，碩士研究生，主要從事宏觀經(jīng)濟(jì)分析與預(yù)測、經(jīng)濟(jì)周期波動等方面的研究。E-mail：xianjk@126.com 隋占林(1986-)，男，河北保定人，博士研究生，主要從事宏觀經(jīng)濟(jì)分析與預(yù)測、經(jīng)濟(jì)周期波動等方面的研究。E-mail：suizhanlin@163.com

F832.0

A

1000-176X(2017)06-0035-08