周德才 鄧姝姝 左 玥

一、引言及文獻(xiàn)綜述

2008年金融危機(jī)的影響是長(zhǎng)期且潛在的，自那以后，我國(guó)經(jīng)濟(jì)一直處于不穩(wěn)定的狀況——從前期的下滑到復(fù)蘇再到近兩年出現(xiàn)的企穩(wěn)。面對(duì)國(guó)內(nèi)外錯(cuò)綜復(fù)雜的金融經(jīng)濟(jì)形勢(shì)，我國(guó)政府在 2008年下半年至 2010年上半年期間實(shí)施了寬松的貨幣政策。此后，我國(guó)的貨幣政策基本維持在穩(wěn)健水平，為我國(guó)金融和經(jīng)濟(jì)的發(fā)展創(chuàng)造并維持了穩(wěn)定的貨幣金融環(huán)境；同時(shí)為了防范國(guó)內(nèi)外各種各樣的金融風(fēng)險(xiǎn)，增強(qiáng)對(duì)經(jīng)濟(jì)金融運(yùn)行的監(jiān)測(cè)分析，政府不斷調(diào)整金融宏觀調(diào)控措施。然而在經(jīng)濟(jì)“新常態(tài)”背景下，金融對(duì)經(jīng)濟(jì)的影響越來(lái)越深且難以控制其不利影響，其影響系數(shù)和傳導(dǎo)機(jī)制也越來(lái)越復(fù)雜，依賴某個(gè)單一的變量或指標(biāo)來(lái)判斷金融對(duì)經(jīng)濟(jì)的影響及其未來(lái)走勢(shì)已不再準(zhǔn)確，對(duì)貨幣政策的制定與實(shí)施造成了一定難度。因此，為了全面綜合地將這種影響反映出來(lái)，就需要構(gòu)建金融狀況指數(shù)，以綜合各類重要經(jīng)濟(jì)金融信息，達(dá)到預(yù)測(cè)未來(lái)經(jīng)濟(jì)形勢(shì)的目的，從而作為政策制定的依據(jù)。

早期，國(guó)內(nèi)外學(xué)者主要使用靜態(tài)或動(dòng)態(tài)的線性同頻數(shù)據(jù)模型編制與應(yīng)用金融狀況指數(shù)(FCI)。第一，靜態(tài)模型。國(guó)外學(xué)者在構(gòu)建 FCI時(shí)主要使用的靜態(tài)線性同頻數(shù)據(jù)模型包括 Goodhart和 Hofmann(2001)最早使用的 VAR 模型、Mayes和 Virén(2001)的IS曲線方法、Lack(2003)的宏觀模型結(jié)構(gòu)式方法以及 English等(2005)的因子模型方法等。國(guó)內(nèi)學(xué)者仿照國(guó)外研究方法將靜態(tài)線性同頻模型應(yīng)用于我國(guó) FCI研究中。自王玉寶(2003)首次構(gòu)建中國(guó) FCI(CFCI)后，國(guó)內(nèi)學(xué)者對(duì) CFCI的研究基本還處于標(biāo)準(zhǔn)FCI的研究階段，其顯著特征就是使用 VAR模型測(cè)算權(quán)重，構(gòu)建和應(yīng)用標(biāo)準(zhǔn)的靜態(tài)FCI，代表性文獻(xiàn)包括陸軍和梁靜瑜(2007)、李成等(2010)、郭曄和楊嬌(2012)等的論述。第二，動(dòng)態(tài)模型。為了克服上述靜態(tài)模型和方法在構(gòu)建 FCI時(shí)無(wú)法反映一個(gè)經(jīng)濟(jì)體中金融和經(jīng)濟(jì)動(dòng)態(tài)結(jié)構(gòu)變化的不足，一些國(guó)外學(xué)者對(duì)早期模型進(jìn)行拓展改進(jìn)，應(yīng)用動(dòng)態(tài)模型方法編制 FCI，包括 Matheson(2012)使用的動(dòng)態(tài)因子模型、Brave和Butters(2012)的主成分分析方法、Koop和 Korobilis(2014)的 TVP-FAVAR模型，以便更好地預(yù)測(cè)未來(lái)經(jīng)濟(jì)狀況。我國(guó)國(guó)內(nèi)這方面研究主要為余輝和余劍(2013)使用的時(shí)變參數(shù)狀態(tài)空間模型。

近年來(lái)，也有少量學(xué)者使用非線性模型編制與應(yīng)用 FCI，主要包括 MS-VAR模型(封思賢等，2012；溦易曉等，2014)以及MI-TVP-SV-VAR模型(周德才等，2015)，從而更加靈活動(dòng)態(tài)地研究我國(guó)FCI的非線性和周期性特征。

由于使用同頻數(shù)據(jù)模型會(huì)造成數(shù)據(jù)處理過(guò)程中的信息丟失，近年來(lái)混頻數(shù)據(jù)模型開(kāi)始在經(jīng)濟(jì)研究領(lǐng)域興起。目前，國(guó)內(nèi)外學(xué)者主要運(yùn)用混頻數(shù)據(jù)模型對(duì)我國(guó) GDP、CPI進(jìn)行預(yù)測(cè)研究以及對(duì)經(jīng)濟(jì)周期監(jiān)測(cè)進(jìn)行研究。劉漢和劉金全(2011)運(yùn)用混合數(shù)據(jù)抽樣模型(MIDAS)對(duì)我國(guó)季度 GDP進(jìn)行預(yù)報(bào)和預(yù)測(cè)；李正輝和鄭玉航(2015)運(yùn)用 MSMIDAS模型構(gòu)建了我國(guó)三機(jī)制經(jīng)濟(jì)周期模型。他們的研究都表明了基于混頻數(shù)據(jù)模型的預(yù)報(bào)和監(jiān)測(cè)具有精確性和時(shí)效性。同時(shí)，也有少量學(xué)者將混頻數(shù)據(jù)模型運(yùn)用于金融與經(jīng)濟(jì)的指數(shù)構(gòu)建和分析中，如 Mariano和 Murasawa(2003)、Aruoba等(2009)、鄭挺國(guó)和王霞(2011)、葉光(2015)等使用混頻動(dòng)態(tài)因子(MF-DFM)模型構(gòu)建中美等國(guó)家的混頻經(jīng)濟(jì)景氣指數(shù)；同時(shí)欒惠德和侯曉霞(2015)使用混頻動(dòng)態(tài)因子模型(MF-DFM)編制的我國(guó)實(shí)時(shí) FCI；周德才等(2017)使用 MF-VAR模型構(gòu)建的中國(guó)混頻 FCI。他們的研究都表明，運(yùn)用混頻數(shù)據(jù)得到的指數(shù)不僅與經(jīng)濟(jì)走勢(shì)吻合，還能夠?qū)?jīng)濟(jì)形勢(shì)進(jìn)行實(shí)時(shí)預(yù)報(bào)。

綜上可見(jiàn)，使用非線性模型構(gòu)建金融狀況指數(shù)的研究還比較少，運(yùn)用混頻數(shù)據(jù)模型來(lái)構(gòu)建金融狀況指數(shù)的研究更是屈指可數(shù)，而將非線性模型和混頻數(shù)據(jù)模型結(jié)合起來(lái)構(gòu)建我國(guó)非線性混頻金融狀況指數(shù)的研究幾乎空白。鑒于此，本論文通過(guò)馬爾科夫機(jī)制轉(zhuǎn)換混頻向量自回歸(Markov Switch Mixed Frequency Vector Autoregress，MSMF-VAR)模型計(jì)算不同機(jī)制下的脈沖響應(yīng)函數(shù)，基于貨幣供應(yīng)量、短期利率、股票價(jià)格、房地產(chǎn)價(jià)格、匯率、社會(huì)融資規(guī)模 6個(gè)金融狀況指標(biāo)，構(gòu)建了我國(guó)非對(duì)稱混頻金融狀況指數(shù)(Markov Switch Mixed Frequency Financial Conditions Index，MSMFFCI)，并應(yīng)用于分析其對(duì)以 GDP為代表的經(jīng)濟(jì)形勢(shì)預(yù)測(cè)，并將研究結(jié)果與同樣條件下標(biāo)準(zhǔn)的VAR模型計(jì)算的同頻金融狀況指數(shù)(SFFCI)進(jìn)行對(duì)比。

二、構(gòu)建馬爾科夫機(jī)制轉(zhuǎn)換混頻向量自回歸計(jì)量模型

（一）構(gòu)建MS-MF-VAR具體形式

1.MS-MF-VAR模型的一般形式。MS-MF-VAR模型的一個(gè)主要特點(diǎn)為對(duì)不同頻率的數(shù)據(jù)進(jìn)行非對(duì)稱分析。定義為每三個(gè)月才能觀察到的N1個(gè)季度指標(biāo)的隨機(jī)變量序列(本文為GDP)；為月度指標(biāo)的N2個(gè)隨機(jī)變量序列(本文為金融狀態(tài)指標(biāo))；N=N1+N2。對(duì)GDP環(huán)比增長(zhǎng)率季度數(shù)據(jù)，Mariano和Murasawa(2002)提出使用幾何平均方法進(jìn)行月度頻率分解，但鄭挺國(guó)和王霞(2011)發(fā)現(xiàn)這不適合中國(guó)GDP為同比增長(zhǎng)率的國(guó)情，提出了如下算術(shù)平均方法：

月頻指標(biāo)組成的向量被假設(shè)為遵循一個(gè)具有 M 種機(jī)制的 MSVAR(p)過(guò)程：

其中則它的遍歷不可約的馬爾科夫過(guò)程的轉(zhuǎn)移概率矩陣如下：

2.MS-MF-VAR的狀態(tài)空間模型形式表示。設(shè) MS-MF-VAR模型滯后階數(shù)為根據(jù)Camacho(2013)的研究，MS-MF-VAR模型的狀態(tài)空間模型形式表示為：

其中：是狀態(tài)向量Zt的系數(shù)矩陣；是狀態(tài)向量矩陣；R～iid.N(0,G)是量測(cè)方程誤差項(xiàng)；是狀態(tài)方程t在機(jī)制下St下的常數(shù)項(xiàng)，是狀態(tài)議程的誤差項(xiàng)；是狀態(tài)方程在機(jī)制下 St下的系數(shù)矩陣，

（二）估計(jì)MS-MF-VAR

1.MS-MF-VAR的變量替換和方程重設(shè)。是季頻數(shù)據(jù)，在與月頻數(shù)據(jù)放在一起進(jìn)行模型參數(shù)估計(jì)時(shí)，每個(gè)季度就會(huì)產(chǎn)生第1月和第2月的數(shù)據(jù)的缺失問(wèn)題。對(duì)此，本文將季度數(shù)據(jù)看作是有缺失值的月度數(shù)據(jù)，并用隨機(jī)抽樣 rt填充缺失的觀察值，將這個(gè)由季度數(shù)據(jù)新構(gòu)造出來(lái)的月度數(shù)據(jù)表示為，其分布不依賴于表征Kalman濾波的參數(shù)空間，即：

由于中每個(gè)季度的第1月和第2月的數(shù)據(jù)是人造的，因此需要將前文狀態(tài)空間模型及其變量進(jìn)行重設(shè)和替換，以允許Kalman濾波在更新時(shí)跳過(guò)缺失觀察值。

設(shè)矩陣位于矩陣的Y前N行(一般為第 1行)，H'是將矩陣 H的前N行元素t11全部換成0組成的矩陣；是向量Rt前N1行的元素?fù)Q成rt組成的向量；G'是矩陣G的前N1行N1和前N1列的元素全部換成組成的矩陣；是將向量中前N1行元素全部換成0組成的矩陣，即：

這些替換導(dǎo)致一個(gè)沒(méi)有缺失觀察值的狀態(tài)空間模型，因此Kalman濾波可以直接應(yīng)用于對(duì)測(cè)量方程(4)和狀態(tài)方程(5)用替換后的新變量進(jìn)行簡(jiǎn)化表達(dá)，以允許Kalman濾波在更新時(shí)跳過(guò)缺失觀察值。

2.MS-MF-VAR的Kalman濾波估計(jì)。借鑒Kim(1999)，由式(13)和式(14)組成的MS-MF-VAR參數(shù)通過(guò)使用Kalman濾波與平滑方法進(jìn)行估計(jì)，而Kalman濾波估計(jì)過(guò)程已經(jīng)由Kim(1999)進(jìn)行了詳細(xì)介紹，本文在此不贅述，具體情況請(qǐng)參考其專著。

三、構(gòu)建非對(duì)稱混頻金融狀況指數(shù)測(cè)度模型和測(cè)算方法

（一）介紹標(biāo)準(zhǔn)FCI的靜態(tài)同頻測(cè)度模型和測(cè)算方法

Goodhart和Hofmann(2001)提出構(gòu)建標(biāo)準(zhǔn)FCI的靜態(tài)同頻測(cè)度模型和測(cè)算方法。周德才等(2015)對(duì)標(biāo)準(zhǔn) FCI的靜態(tài)同頻測(cè)度模型和測(cè)算方法進(jìn)行了詳細(xì)介紹，由于篇幅限制，本文不贅述。

（二）構(gòu)建非對(duì)稱混頻金融狀況指數(shù)測(cè)度模型和測(cè)算方法

考慮到我國(guó)現(xiàn)正處于全面深化改革發(fā)展的新階段，金融和經(jīng)濟(jì)狀況正處于“新常態(tài)”或者向“新常態(tài)”發(fā)展，并且從“老常態(tài)”向“新常態(tài)”轉(zhuǎn)換存在一些結(jié)構(gòu)變化。因此，提出了構(gòu)建非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)的非對(duì)稱混頻測(cè)算模型和測(cè)算方法。

首先，構(gòu)建我國(guó)MSMFFCI的混頻測(cè)度模型。M種機(jī)制的 MSMFFCI的混頻測(cè)算模型如下。

(1)計(jì)算第j種機(jī)制下的月度非對(duì)稱混頻金融狀況指數(shù)

其中，是第i種機(jī)制下月頻MSMFFCI，i=1,2,??,M，M是機(jī)制數(shù)；是第i種機(jī)制下第j個(gè)金融狀況指標(biāo)的月度權(quán)重系數(shù)，j=1,2,??,N，N是金融狀況指標(biāo)數(shù)量，且是第i個(gè)金融狀況指標(biāo)在第個(gè)t時(shí)期的月度缺口值，可以通過(guò)HP濾波測(cè)算得到；是貨幣政策目標(biāo)變量(GDP)對(duì)來(lái)自第j個(gè)金融狀態(tài)變量在第i種機(jī)制下的一個(gè)標(biāo)準(zhǔn)差信息沖擊的月度脈沖響應(yīng)函數(shù)值，j=1,2,??,K，K是脈沖響應(yīng)函數(shù)的期數(shù)，而每種機(jī)制下的脈沖響應(yīng)函數(shù)值是通過(guò)MS-MF-VAR模型估計(jì)出來(lái)的。

(2)計(jì)算月度總體非對(duì)稱混頻金融狀況指數(shù)(MSMFFCIm)：

其中，為通過(guò)MS-MF-VAR模型計(jì)算出來(lái)的第i種機(jī)制下的月度濾波概率或平滑概率。

(3)計(jì)算季度非對(duì)稱混頻金融狀況指數(shù)(MSMFFCIq)。由于在Kalman濾波過(guò)程中，季度GDP增長(zhǎng)率是由月度GDP增長(zhǎng)率算術(shù)平均得到，從而季度MSMFFCIq也應(yīng)由月度MSMFFCIm算術(shù)平均得到，計(jì)算公式具體如下：

其中，MSMFFCI1、MSMFFCI2、MSMFFCI3分別表示一個(gè)季度中第 1、2、3個(gè)月的月度非對(duì)稱混頻金融狀況指數(shù)(MSMFFCIm)。

其次，構(gòu)建非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)的測(cè)算方法。

第一步，選擇經(jīng)過(guò)處理好的混頻樣本數(shù)據(jù)，主要使用 MS-MF-VAR模型進(jìn)行估計(jì)，得到它們之間的馬爾科夫機(jī)制轉(zhuǎn)換混頻脈沖響應(yīng)函數(shù)值

第二步，利用構(gòu)成 MSMFFCI各個(gè)金融狀況指標(biāo)的馬爾科夫機(jī)制轉(zhuǎn)換混頻脈沖函數(shù)累計(jì)值在全部累計(jì)值中的比值，計(jì)算出每一種機(jī)制下的馬爾科夫機(jī)制轉(zhuǎn)換混頻權(quán)重

第三步，將馬爾科夫機(jī)制轉(zhuǎn)換混頻權(quán)重代入到式(16)，得到每種機(jī)制下的月度非對(duì)稱混頻金融狀況指數(shù)

第四步，將每種機(jī)制下的月度非對(duì)稱混頻金融狀況指數(shù)代入到式(17)，得到月度期望非對(duì)稱混頻金融狀況指數(shù)(MSMFFCIm)；

第五步，將月度非對(duì)稱混頻金融狀況指數(shù)(MSMFFCIm)代入到式(18)，得到季度期望非對(duì)稱混頻金融狀況指數(shù)(MSMFFCIq)。

四、中國(guó)非對(duì)稱混頻金融狀況指數(shù)編制前的數(shù)據(jù)處理與檢驗(yàn)

（一）變量的選擇與數(shù)據(jù)的處理

根據(jù)標(biāo)準(zhǔn) FCI的測(cè)算方法以及前人的研究。本文選取貨幣供應(yīng)量(M2)、短期利率(IR)、股票價(jià)格(SP)、房地產(chǎn)價(jià)格(HP)、匯率(REER)、社會(huì)融資規(guī)模(SF)作為構(gòu)建MSMFFCI的金融狀況指標(biāo)，分別以廣義貨幣供應(yīng)量 M2、中國(guó)銀行間7天同業(yè)拆借利率、上證綜指月末收盤(pán)價(jià)、房地產(chǎn)開(kāi)發(fā)企業(yè)商品房銷售額除以房地產(chǎn)開(kāi)發(fā)企業(yè)商品房銷售面積、人民幣實(shí)際有效匯率、社會(huì)融資規(guī)模作為其代理變量。

由于我國(guó)全社會(huì)融資規(guī)模在 2002年元月才開(kāi)始公布，因此以上 6個(gè)金融狀況指標(biāo)的樣本區(qū)間為2002年1月至2015年12月，且均為月度數(shù)據(jù)，其中短期利率將原數(shù)據(jù)加100變成本利和形式，人民幣實(shí)際有效匯率換算成以2002年1月為基期的數(shù)據(jù)。衡量經(jīng)濟(jì)增長(zhǎng)的代理指標(biāo)為GDP當(dāng)季同比實(shí)際增速，樣本區(qū)間為2002年第1季度至2015年第4季度，為季度數(shù)據(jù)。此外，通貨膨脹率等于CPI減去100，定基比消費(fèi)者價(jià)格指數(shù)以2002年1月為基期。所有數(shù)據(jù)來(lái)源于中國(guó)人民銀行、國(guó)家統(tǒng)計(jì)局、國(guó)際貨幣基金組織。接著對(duì)數(shù)據(jù)作以下處理：(1)所有變量均用 X12方法進(jìn)行季節(jié)調(diào)整；(2)除GDP當(dāng)季同比實(shí)際增速及REER外，M2、SP、HP、SF都通過(guò)用名義值除以定基比消費(fèi)者價(jià)格指數(shù)得到實(shí)際值，IR的實(shí)際值由名義值減去通脹率得到；(3)對(duì)6個(gè)月度變量進(jìn)行對(duì)數(shù)化處理；(4)然后使用HP濾波方法計(jì)算6個(gè)金融狀況指標(biāo)的缺口值。

（二）單位根檢驗(yàn)

為了避免實(shí)證分析匯中有可能呈現(xiàn)的偽回歸現(xiàn)象，需要檢驗(yàn)時(shí)間序列是否為平穩(wěn)的時(shí)間序列，因此在估計(jì)MS-MF-VAR模型之前，本文采用ADF檢驗(yàn)方法對(duì)7個(gè)金融和經(jīng)濟(jì)變量進(jìn)行單位根的檢驗(yàn)，檢驗(yàn)結(jié)果表明 7個(gè)金融和經(jīng)濟(jì)變量都在 1%,的顯著性水平上拒絕時(shí)間序列具有單位根(Unit Root)的原假設(shè)，說(shuō)明 7個(gè)變量都是平穩(wěn)序列，因此可以進(jìn)行MS-MF-VAR模型的實(shí)證分析①因篇幅所限，在此未列出檢驗(yàn)結(jié)果，備索。。

（三）最優(yōu)滯后階數(shù)的確定

本文使用Eviews中的VAR模型Lag Order Selection Criteria進(jìn)行檢驗(yàn)，來(lái)確定模型的最優(yōu)的滯后的具體階數(shù)。根據(jù)SC準(zhǔn)則，同時(shí)考慮到模型方程的簡(jiǎn)化與運(yùn)算，本文將模型的最優(yōu)的滯后的具體階數(shù)檢驗(yàn)確定為1階。

五、中國(guó)非對(duì)稱混頻金融狀況指數(shù)實(shí)證測(cè)度

（一）MS-MF-VAR具體形式的設(shè)定

1.量測(cè)方程設(shè)定。本文選擇了由1個(gè)季度數(shù)據(jù)GDP和6個(gè)月度數(shù)據(jù)廣義貨幣供應(yīng)量(M2)、短期利率(IR)、股票價(jià)格(SP)、房地產(chǎn)價(jià)格(HP)、匯率(REER)、社會(huì)融資規(guī)模(SF)的組成的混頻樣本數(shù)據(jù)，分別用和、、、、、來(lái)表示，其中缺失的月度數(shù)據(jù)用均值為 0和方差為 1的正態(tài)分布隨機(jī)數(shù)補(bǔ)充，表示為。按照前文構(gòu)建的 MS-MF-VAR模型，季度 GDP增長(zhǎng)率是月度GDP增長(zhǎng)率以及滯后2階的月度GDP增長(zhǎng)率的算術(shù)平均數(shù)，因此，量測(cè)方程中的狀態(tài)變量的個(gè)數(shù)為 7?3＝21個(gè)。根據(jù)前文構(gòu)建的模型形式以及現(xiàn)在的模型參數(shù)的設(shè)定，MS-MF-VAR模型的具體形式見(jiàn)式(16)。

其中：I是單位陣。

2.狀態(tài)方程設(shè)定。本文設(shè)定馬爾科夫機(jī)制的個(gè)數(shù)為 2，即 M＝2；MS-MF-VAR模型的滯后階數(shù)為1階；為了避免過(guò)度參數(shù)化，使得研究簡(jiǎn)單明了，參考Camacho(2013)的做法，本文只把狀態(tài)方程的常數(shù)項(xiàng)演變過(guò)程設(shè)定為馬爾科夫機(jī)制轉(zhuǎn)換過(guò)程，其他項(xiàng)不設(shè)。因此，MS-MF-VAR模型的狀態(tài)方程的具體形式見(jiàn)式(17)。

其中，1421I×是14×21維單位陣。

（二）中國(guó)非對(duì)稱混頻金融狀況指數(shù)實(shí)證測(cè)算結(jié)果

本文使用 Matlab運(yùn)行 MS-MF-VAR模型程序，得到模型估計(jì)結(jié)果。根據(jù)模型估計(jì)結(jié)果，使用兩種機(jī)制下的21期馬爾科夫機(jī)制轉(zhuǎn)換混頻脈沖響應(yīng)函數(shù)值，代入公式(16)，分別計(jì)算出兩種機(jī)制下的然后根據(jù)兩種機(jī)制下的月度 MSMFFCI以及月度卡爾曼平滑概率，代入公式(17)，得到總體非對(duì)稱混頻金融狀況指數(shù)MSMFFCIm。由于在計(jì)算Kalman濾波過(guò)程中，早期的數(shù)據(jù)不太穩(wěn)定，因此將前面12個(gè)月的數(shù)據(jù)作為測(cè)試樣本，有效樣本為2003年1月至2015年12月的數(shù)據(jù)。

1.馬爾科夫機(jī)制轉(zhuǎn)換混頻脈沖響應(yīng)函數(shù)值。由圖1中的各個(gè)子圖可知，兩種機(jī)制下GDP對(duì)各變量的脈沖響應(yīng)圖走勢(shì)基本一致，機(jī)制2的脈沖響應(yīng)值大于機(jī)制2的脈沖響應(yīng)值，但不論是何種機(jī)制，6個(gè)變量對(duì)GDP的脈沖響應(yīng)在作用和方向上都不同，這更說(shuō)明構(gòu)建一個(gè)能夠綜合多個(gè)變量信息的指數(shù)來(lái)監(jiān)測(cè)和預(yù)報(bào)未來(lái)經(jīng)濟(jì)狀況比依賴于一個(gè)單一變量更合理。

2.平滑概率圖。為了更好地描述我國(guó)貨幣政策的松緊程度，根據(jù)Kim(1994)的平滑概率算法，得到兩種機(jī)制下的平滑概率估計(jì)結(jié)果，具體見(jiàn)圖2。由圖2可知，兩種機(jī)制下的平滑概率走勢(shì)圖是對(duì)稱的，代表不同的貨幣政策發(fā)生的概率大小。本文以概率值是否大于0.5為判斷標(biāo)準(zhǔn)，當(dāng)平滑概率值大于0.5時(shí)，貨幣政策處于該機(jī)制下的概率就越大，反之則說(shuō)明處于另一種機(jī)制。圖2顯示我國(guó)貨幣政策在機(jī)制1時(shí)處于高概率的持續(xù)時(shí)間較長(zhǎng)，結(jié)合實(shí)際狀況表明機(jī)制1為我國(guó)實(shí)行穩(wěn)健的貨幣政策的概率，如從2011年起到2015年基本持續(xù)的高概率階段正是我國(guó)以維持經(jīng)濟(jì)增長(zhǎng)為目的實(shí)施穩(wěn)健的貨幣政策時(shí)期；而機(jī)制2表示我國(guó)的貨幣政策發(fā)生轉(zhuǎn)變，實(shí)行寬松的貨幣政策，如圖2顯示2009年的概率較高，而該年我國(guó)為了應(yīng)對(duì)全球經(jīng)濟(jì)危機(jī)實(shí)施寬松的貨幣政策。

圖1 兩種機(jī)制下GDP對(duì)各變量的脈沖響應(yīng)圖

圖2 兩種機(jī)制下的平滑概率

3.權(quán)重系數(shù)圖。為了充分說(shuō)明6個(gè)金融狀況指標(biāo)對(duì)于我國(guó)經(jīng)濟(jì)增長(zhǎng)的影響，以下給出6個(gè)金融狀況指標(biāo)在FCI計(jì)算中的兩種機(jī)制下的權(quán)重系數(shù)圖。由圖3可知，兩種機(jī)制下各變量所占的權(quán)重有所不同，尤其是貨幣供應(yīng)量、股價(jià)以及社會(huì)融資規(guī)模所占權(quán)重在兩種機(jī)制下的差異較大，并且權(quán)重排名有所不同。貨幣供應(yīng)量在機(jī)制1下所占權(quán)重排名最低，而在機(jī)制2排名第一；股價(jià)在機(jī)制1時(shí)排名第二，機(jī)制2時(shí)排名第5；社會(huì)融資規(guī)模在機(jī)制1排名第一，機(jī)制2排名第三。由以上分析可知：造成這種差異的原因主要在于：機(jī)制1表示我國(guó)實(shí)行穩(wěn)健的貨幣政策，反映出我國(guó)經(jīng)濟(jì)發(fā)展平穩(wěn)且趨好，而其表現(xiàn)之一就是股市較熱，對(duì)實(shí)體經(jīng)濟(jì)的影響很大，因此在該機(jī)制下股價(jià)所占權(quán)重很大。同時(shí)由于我國(guó)穩(wěn)健貨幣政策的主要手段就是調(diào)整信貸規(guī)模，因此機(jī)制1下社會(huì)融資規(guī)模對(duì)經(jīng)濟(jì)的影響更大，所占權(quán)重也更大。機(jī)制2表示我國(guó)實(shí)行寬松的貨幣政策，而我國(guó)寬松的貨幣政策主要以增發(fā)貨幣來(lái)進(jìn)行，因此機(jī)制2下貨幣供應(yīng)量M2對(duì)經(jīng)濟(jì)的影響很大，所占權(quán)重也最大。但總的來(lái)看，短期利率和房?jī)r(jià)在兩種機(jī)制的權(quán)重都較大，而匯率的權(quán)重都較低，排名靠后。其主要原因是從1996年開(kāi)始，我國(guó)不斷推進(jìn)利率自由化和市場(chǎng)化改革，利率調(diào)控更加倚重市場(chǎng)化的貨幣政策工具和傳導(dǎo)機(jī)制，其通過(guò)金融體系尤其是銀行以及投資消費(fèi)對(duì)經(jīng)濟(jì)的作用機(jī)制逐漸凸顯，因此利率權(quán)重較高。自從2008年全球經(jīng)濟(jì)危機(jī)后，全球的消費(fèi)逐漸萎縮，導(dǎo)致我國(guó)一些出口產(chǎn)品供過(guò)于求，許多企業(yè)紛紛轉(zhuǎn)為內(nèi)銷，再加上政府刺激消費(fèi)的舉措頻頻出臺(tái)，內(nèi)需逐步成為推動(dòng)我國(guó)經(jīng)濟(jì)增長(zhǎng)的最主要的因素，到2015年，我國(guó)成功實(shí)現(xiàn)了經(jīng)濟(jì)增長(zhǎng)由投資和外貿(mào)拉動(dòng)為主向由內(nèi)需特別是消費(fèi)為主的重大轉(zhuǎn)型，匯率作為影響我國(guó)外貿(mào)的主要因素之一，隨著出口對(duì)我國(guó)經(jīng)濟(jì)的貢獻(xiàn)率的下降，其對(duì)我國(guó)經(jīng)濟(jì)的影響也逐漸降低，此外我國(guó)人民幣國(guó)際化進(jìn)程的緩慢也抑制了匯率對(duì)我國(guó)經(jīng)濟(jì)的有效作用，因此擁有較低的權(quán)重。

圖3 兩種機(jī)制下各金融指標(biāo)的權(quán)重系數(shù)

4.趨勢(shì)圖。通過(guò) MS-MF-VAR模型計(jì)算出來(lái)的兩種機(jī)制下的月度混頻金融狀況指數(shù)MSMFFCIm見(jiàn)圖4。由圖4可知，兩種機(jī)制下的MSMFFCIm幾乎重合。一般說(shuō)來(lái)，金融狀況指數(shù)越大，表明經(jīng)濟(jì)不確定因素越多，市場(chǎng)壓力越大。2008年至2010年正值全球金融危機(jī)前后，我國(guó)股票價(jià)格大幅度下挫，對(duì)外貿(mào)易受全球消費(fèi)萎縮的影響而深受打擊，同時(shí)政府為了振興經(jīng)濟(jì)實(shí)施了一系列擴(kuò)張的財(cái)政政策和貨幣政策，貨幣超發(fā)又催生經(jīng)濟(jì)泡沫。內(nèi)外部壓力使得此時(shí)段的非對(duì)稱混頻金融狀況指數(shù)迅速上升并持續(xù)處于高位，市場(chǎng)面臨極大的不確定性。除了2008年至2009年起伏很大，其他時(shí)間段都呈小幅波動(dòng)的狀態(tài)，總體而言，我國(guó)金融運(yùn)行狀況比較平穩(wěn)。

圖4 兩種機(jī)制下的MSMFFCIm

（三）MSMFFCIq 與GDP圖形比較

由于估計(jì)出來(lái)的 MSMFFCI為月度數(shù)據(jù)，為了能與季度 GDP數(shù)據(jù)進(jìn)行比較，將MSMFFCIm進(jìn)行月度平均換算為季度數(shù)據(jù)，再將季度MSMFFCIq與季度 GDP畫(huà)出折線圖。

由圖5可以看出，MSMFFCIq與GDP的趨勢(shì)軌跡大致相同，并且從幾個(gè)波峰和波谷可以看出，MSMFFCIq顯著地領(lǐng)先GDP大約1-2個(gè)季度。如2008年我國(guó)由于受金融危機(jī)的影響，經(jīng)濟(jì)大幅下滑，GDP當(dāng)季同比實(shí)際增速于 2008年第四季度達(dá)到最低點(diǎn)，而MSMFFCIq于 2008年第三季度就達(dá)到了波谷；在此之后隨著全球經(jīng)濟(jì)的逐漸復(fù)蘇以及我國(guó)擴(kuò)張性財(cái)政政策的推進(jìn)，我國(guó)2009年GDP呈現(xiàn)快速增長(zhǎng)，于2009年第四季度達(dá)到頂點(diǎn)，而MSMFFCIq在 2009年第二季度就顯示了波峰；而由于此次財(cái)政的擴(kuò)張與實(shí)際消費(fèi)能力和經(jīng)濟(jì)吸收能力的不匹配，導(dǎo)致過(guò)度投資和貨幣超發(fā)和流動(dòng)性過(guò)剩以及經(jīng)濟(jì)增速又出現(xiàn)放緩現(xiàn)象。這到 2012年才逐漸穩(wěn)定，而MSMFFCIq的走勢(shì)也完全符合了這一輪的經(jīng)濟(jì)波動(dòng)。這表明MSMFFCIq對(duì)于GDP有一定的預(yù)測(cè)能力，可以作為GDP的先行指標(biāo)，預(yù)測(cè)時(shí)間大致為1-2個(gè)季度。為了探索中國(guó)非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)是否更有效，本文計(jì)算出同樣條件下運(yùn)用標(biāo)準(zhǔn)VAR模型得到的同頻金融狀況指數(shù)SFFCIq，并畫(huà)出MSMFFCIq、SFFCIq以及GDP的折線圖以進(jìn)行比較，見(jiàn)圖6?？偟膩?lái)說(shuō)MSMFFCIq與SFFCIq都領(lǐng)先 GDP，如 2009年第四季度GDP達(dá)到波峰，而MSMFFCIq與 SFFCIq都于 2009年第二季度就達(dá)到了波峰。但在 2008年第四季度 GDP達(dá)到波谷時(shí)，SFFCIq于同期達(dá)到波谷，而MSMFFCIq提前一個(gè)季度就達(dá)到了波谷?？偟膩?lái)看，MSMFFCIq對(duì)GDP的領(lǐng)先作用要優(yōu)于SFFCIq。

圖5 MSMFFCIq與GDP當(dāng)季同比實(shí)際增速折線圖

圖6 MSMFFCIq、SFFCIq與GDP當(dāng)季同比實(shí)際增速比較圖

（四）格式杰因果關(guān)系

為了探索MSMFFCIq與 GDP的關(guān)系，對(duì)其進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)。結(jié)果表明，格蘭杰檢驗(yàn)在1%的顯著性水平上拒絕了滯后期為1-6階時(shí)MSMFFCIq不是GDP的原因的假設(shè)，說(shuō)明MSMFFCIq是 GDP的格蘭杰原因；在 1%的顯著性水平上接受了滯后期為 1-6階時(shí) GDP不是MSMFFCIq的原因的假設(shè)。說(shuō)明在 1-6階時(shí)，MSMFFCIq與GDP之間有單向的因果關(guān)系，可以進(jìn)行預(yù)測(cè)分析。篇幅限制沒(méi)有列出檢驗(yàn)結(jié)果。

（五）MSMFFCIq 與GDP跨期相關(guān)性分析

為了進(jìn)一步判斷MSMFFCIq對(duì) GDP是否有領(lǐng)先和預(yù)測(cè)作用，對(duì)MSMFFCIq與GDP進(jìn)行跨期相關(guān)檢驗(yàn)，同時(shí)為了比較，也檢驗(yàn)了SFFCIq與GDP的跨期相關(guān)性，結(jié)果見(jiàn)表1。

結(jié)果表明：MSMFFCIq與 GDP的跨期相關(guān)系數(shù)隨領(lǐng)先期的增加先增大后減小，并在第2期達(dá)到最大值0.472，第1期和第3期的相關(guān)系數(shù)也較大；而SFFCIq與GDP之間最大的跨期相關(guān)系數(shù)為第 1期的 0.3152，總體說(shuō)來(lái)其與 GDP的相關(guān)性要低于MSMFFCIq。說(shuō)明MSMFFCIq與 GDP之間具有明顯的跨期動(dòng)態(tài)相關(guān)性，MSMFFCIq對(duì)未來(lái)經(jīng)濟(jì)增長(zhǎng)趨勢(shì)的預(yù)測(cè)在中短期效果最佳，且預(yù)測(cè)效果優(yōu)于SFFCIq。

表1 MSMFFCIq、SFFCIq與GDP跨期相關(guān)關(guān)系

（六）預(yù)測(cè)檢驗(yàn)

本文采用回歸方程式對(duì)GDP進(jìn)行預(yù)測(cè)，其具體公式如下：

其中表示提前k期的MSMFFCIq，這里k=1,2,??,6，SFFCIq對(duì)GDP的預(yù)測(cè)方法也一致，預(yù)測(cè)結(jié)果如表2所示。

表2 MSMFFCIq和 SFFCIq對(duì)GDP的預(yù)測(cè)檢驗(yàn)

由表2可知，提前1-3期的對(duì)GDP的影響系數(shù)都在 1%,的置信水平上顯著，說(shuō)明MSMFFCIq對(duì) GDP有較好的預(yù)測(cè)能力。其中提前 2期的擬合優(yōu)度最高，為22.44%,，并且提前 2期的MAE和RMSE是所有期數(shù)中最小的；而SFFCIq對(duì) GDP預(yù)測(cè)的系數(shù)估計(jì)值除了第 3期，其他期數(shù)都在 10%,的顯著性水平上顯著不為零，其中第 6期的擬合優(yōu)度最高，為 23%,，略高于MSMFFCIq，但SFFCIq提前 6期的 MAE和RMSE都要高于MSMFFCIq。雖然對(duì)于一般的回歸預(yù)測(cè)來(lái)說(shuō)，MSMFFCIq和SFFCIq對(duì)于 GDP的解釋力度都較低，但由于影響經(jīng)濟(jì)增長(zhǎng)的因素很多，變化機(jī)制很復(fù)雜，且由于市場(chǎng)的不健全、消費(fèi)的不成熟等因素使得其對(duì)經(jīng)濟(jì)影響的傳導(dǎo)速度慢、鏈條太長(zhǎng)、滯后性高，要想提高模型的解釋力度，還需要加入除FCI的其他變量，但由于本文的目的不在此，因此并不做相關(guān)研究。

六、結(jié)論與建議

為了充分利用混頻數(shù)據(jù)信息和減少人造同頻數(shù)據(jù)導(dǎo)致的信息丟失，本文選擇 1個(gè)2002年第1季度—2015年第4季度的GDP當(dāng)季同比實(shí)際增速季度數(shù)據(jù)和6個(gè)2002年1月—2015年12月的貨幣供應(yīng)量、短期利率、股價(jià)、房?jī)r(jià)、匯率、社會(huì)融資規(guī)模金融狀況指標(biāo)月度數(shù)據(jù)組成了一個(gè)混頻樣本數(shù)據(jù)，通過(guò)馬爾科夫機(jī)制轉(zhuǎn)換混頻向量自回歸(MS-MF-VAR)模型計(jì)算系數(shù)權(quán)重，構(gòu)建中國(guó)非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)，并實(shí)證檢驗(yàn)了其對(duì)GDP的預(yù)測(cè)能力，同時(shí)將其與標(biāo)準(zhǔn)VAR模型構(gòu)建的同頻金融狀況指數(shù)(SFFCI)進(jìn)行了比較。結(jié)果表明：第一，根據(jù) MS-MF-VAR模型構(gòu)建的中國(guó)非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)與 GDP具有顯著的格蘭杰因果關(guān)系，同時(shí)跨期相關(guān)系數(shù)檢驗(yàn)表明MSMFFCI比SFFCI更有效，領(lǐng)先GDP大致1-2個(gè)季度，最大跨期相關(guān)系數(shù)為 0.472，預(yù)測(cè)檢驗(yàn)的最大擬合優(yōu)度為 22.44%,，表明本文構(gòu)建的中國(guó)非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)可以作為經(jīng)濟(jì)增長(zhǎng)的一個(gè)先行指標(biāo)；第二，6個(gè)金融狀況指標(biāo)對(duì) GDP的作用在大小和方向上都不同，這表明綜合多個(gè)經(jīng)濟(jì)金融信息來(lái)監(jiān)測(cè)經(jīng)濟(jì)增長(zhǎng)的必要性和準(zhǔn)確性；而同一個(gè)變量在不同的機(jī)制下對(duì)GDP的作用程度也是不同的，機(jī)制1反映我國(guó)實(shí)行穩(wěn)健的貨幣政策，機(jī)制2反映我國(guó)實(shí)行寬松的貨幣政策，而兩種機(jī)制下各個(gè)變量的權(quán)重差異符合經(jīng)濟(jì)解釋和現(xiàn)實(shí)意義，這表明本文構(gòu)建的中國(guó)非對(duì)稱混頻金融狀況指數(shù)(MSMFFCI)是合理有效的。不論是在哪種機(jī)制下，短期利率和房?jī)r(jià)對(duì)經(jīng)濟(jì)增長(zhǎng)具有較大的影響，而匯率對(duì)經(jīng)濟(jì)增長(zhǎng)的有效性則顯得不足。

為更好地發(fā)揮新金融狀況指數(shù)對(duì)經(jīng)濟(jì)增長(zhǎng)的預(yù)測(cè)作用，本文提出以下幾點(diǎn)建議。

第一，定期編制中國(guó)非對(duì)稱混頻金融狀況指數(shù)，并應(yīng)用于經(jīng)濟(jì)增長(zhǎng)的預(yù)測(cè)?；祛l金融狀況指數(shù)彌補(bǔ)了同頻模型構(gòu)建的標(biāo)準(zhǔn) FCI由于在同頻數(shù)據(jù)處理過(guò)程中造成的信息丟失的缺點(diǎn)，從而對(duì)經(jīng)濟(jì)形勢(shì)具有較高的解釋力度，同時(shí)又具有很強(qiáng)的具體操作性。因此，國(guó)家可以指定專門(mén)的機(jī)構(gòu)部門(mén)對(duì)中國(guó)非對(duì)稱混頻金融狀況指數(shù)進(jìn)行跟蹤測(cè)算，并且對(duì)其進(jìn)行定期公布，真實(shí)透明地反映我國(guó)金融狀況的松緊程度，并對(duì)我國(guó)未來(lái)的經(jīng)濟(jì)增長(zhǎng)趨勢(shì)進(jìn)行預(yù)測(cè)。這個(gè)方面我國(guó)可以借鑒外國(guó)經(jīng)驗(yàn)，事先指定一個(gè)相對(duì)獨(dú)立的金融部門(mén)或者金融機(jī)構(gòu)對(duì)我國(guó)的混頻 FCI進(jìn)行跟蹤測(cè)算，定期公布測(cè)算結(jié)果，并將其作為我國(guó)宏觀經(jīng)濟(jì)監(jiān)測(cè)重要參考指標(biāo)。

第二，持續(xù)推動(dòng)我國(guó)人民幣全面國(guó)際化，強(qiáng)化我國(guó)匯率對(duì)經(jīng)濟(jì)的作用機(jī)制。本文研究結(jié)果表明，貨幣供應(yīng)量、股價(jià)和社會(huì)融資規(guī)模在不同機(jī)制下的FCI中所占權(quán)重較大，短期利率和房?jī)r(jià)在兩種機(jī)制下權(quán)重都較大，而匯率所占權(quán)重較小。最大的原因可能在于我國(guó)過(guò)于緩慢的人民幣國(guó)際化改革進(jìn)程，雖然目前人民幣已經(jīng)加入 SDR，但人民幣在國(guó)際貨幣體系中依然缺乏主導(dǎo)地位，從而匯率的資產(chǎn)配置效應(yīng)還未釋放出來(lái)，存在資金的管制，在對(duì)經(jīng)濟(jì)的作用中難以立見(jiàn)成效。因此，我國(guó)應(yīng)切實(shí)持續(xù)推動(dòng)人民幣國(guó)際化，在有效控制風(fēng)險(xiǎn)的情況下加快金融市場(chǎng)的開(kāi)放，從而提高金融市場(chǎng)調(diào)控經(jīng)濟(jì)的主動(dòng)性和有效性。

［1］封思賢，謝啟超，張文正.金融狀況、通脹不確定性與通脹預(yù)測(cè)——基于 Markov機(jī)制轉(zhuǎn)換模型的分析[J].當(dāng)代經(jīng)濟(jì)研究，2012(5)：58-64.

［2］郭 曄，楊 嬌.貨幣政策的指示器——FCI的實(shí)證檢驗(yàn)和比較[J].金融研究，2012(8)：16-28.

［3］李 成，王 彬，馬文濤.我國(guó)金融形勢(shì)指數(shù)的構(gòu)建及其與宏觀經(jīng)濟(jì)的關(guān)聯(lián)性研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2010(3)：20-26.

［4］李正輝，鄭玉航.基于混頻數(shù)據(jù)模型的中國(guó)經(jīng)濟(jì)周期區(qū)制監(jiān)測(cè)研究[J].統(tǒng)計(jì)研究，2015，32(1)：33-40.

［5］李正輝，鄭玉航.金融狀況指數(shù)的動(dòng)態(tài)特征及其有效性研究[J].財(cái)經(jīng)理論與實(shí)踐，2015(4)：39-44.

［6］劉 漢，劉金全.中國(guó)宏觀經(jīng)濟(jì)總量的實(shí)時(shí)預(yù)報(bào)與短期預(yù)測(cè)——基于混頻數(shù)據(jù)預(yù)測(cè)模型的實(shí)證研究[J].經(jīng)濟(jì)研究，2011(3)：4-17.

［7］劉妍瓊，許滌龍.中國(guó)金融狀況指數(shù)的構(gòu)建及其時(shí)間演化特征[J].財(cái)經(jīng)理論與實(shí)踐，2014，35(6)：18-23.

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

［9］欒惠德，侯曉霞.中國(guó)實(shí)時(shí)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.

［10］王玉寶.資產(chǎn)價(jià)格的政策信息作用與FCI指數(shù)[J].金融理論探索，2003(6)：5-6.

［11］葉 光.基于混頻數(shù)據(jù)的一致指數(shù)構(gòu)建與經(jīng)濟(jì)波動(dòng)分析[J].統(tǒng)計(jì)研究，2015，32(8)：17-26.

［12］溦易曉，劉 洋.中國(guó)金融狀況指數(shù)構(gòu)建及貨幣市場(chǎng)穩(wěn)定性研究[J].上海經(jīng)濟(jì)研究，2014(8)：3-15.

［13］余 輝，余 劍.我國(guó)金融狀況指數(shù)構(gòu)建及其對(duì)貨幣政策傳導(dǎo)效應(yīng)的啟示——基于時(shí)變參數(shù)狀態(tài)空間模型的研究[J].金融研究，2013(4)：85-98.

［14］鄭挺國(guó)，王 霞.一種基于混頻數(shù)據(jù)的中國(guó)經(jīng)濟(jì)景氣一致指數(shù)[C].中國(guó)數(shù)量經(jīng)濟(jì)學(xué)會(huì)，2011：15.

［15］周德才，馮 婷，鄧姝妹.我國(guó)靈活動(dòng)態(tài)金融狀況指數(shù)構(gòu)建與應(yīng)用研究——基于 MI-TVPSV-VAR模型的經(jīng)驗(yàn)分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015(5)：114-130.

［16］周德才，燕 洪，鐘佳敏.中國(guó)混頻金融狀況指數(shù)的構(gòu)建[J].統(tǒng)計(jì)與決策，2017(15)：5-10.

［17］Aruoba S.B.，Diebold F.X.，Scotti C.Real-time Measurement of Business Conditions[J].Journal of Business &Economic Statistics，2009，27(4)，417-27.

［18］Brave S.，Butters A.Diagnosing the Financial System：Financial Conditions and Financial Stress[J].International Journal of Central Banking，2012，8(2)：191-239.

［19］Camacho M.Mixed-frequency VAR Models with Markov-switching Dynamics[J].Economics Letters，2013，121(3)：369-73.

［20］Mayes DG.，Viren M.Financial Conditions Indexes[C].Bank of Finland Discussion Papers 17，2001.

［21］English W.，Tsatsaronis K.，Zoli E.Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables[C].BIS Papers，2005，22：228-52.

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

［23］Koop G.，Korobilis D.A New Index of Financial Conditions[J].European Economic Review，2014，71：101-16.

［24］Kim C.J.，Nelson C.R.State-Space Models with Regime Switching：Classical and Gibbs-Sampling Approaches with Applications[J].Journal of the American Statistical Association，1999，1(232)：105.

［25］Lack C.P.A Financial Conditions Index for Switzerland[J].Monetary Policy in a Changing Environment，2003：398-413.

［26］Mariano B.S.，Murasawa Y.A New Coincident Index of Business Cycle and Based on Monthly and Quarterly Series[J].Journal of Applied Econometrics，2003，18：427-43.

［27］Matheson T.D.Financial Conditions Indexes for the United States and Euro area[J].Economics Letters，2012，115(3)：441-46.