尹相頤

(1.中國農(nóng)業(yè)銀行 博士后科研工作站，北京 100005；2.北京郵電大學(xué) 博士后科研流動站，北京100876)

一、引言與文獻(xiàn)綜述

我國經(jīng)濟(jì)正處于結(jié)構(gòu)轉(zhuǎn)型升級、金融市場不斷開放的關(guān)鍵時期，但信貸部門和房地產(chǎn)市場的聯(lián)動作用加劇了系統(tǒng)性風(fēng)險。在金融繁榮時期，信貸過度增長推動房地產(chǎn)價格、杠桿率上升，滋生資產(chǎn)價格泡沫；在金融衰退期，房價下滑致使銀行信貸收緊，市場流動性緊缺，增加金融不穩(wěn)定性因素。信貸和房地產(chǎn)部門指標(biāo)的順周期特性加速金融周期波動，影響我國經(jīng)濟(jì)穩(wěn)定運(yùn)行。為此，本文構(gòu)建以信貸部門和房地產(chǎn)部門為主的宏觀審慎監(jiān)管指標(biāo)體系，篩選出具備預(yù)警特征和順周期特性的監(jiān)管指標(biāo)以防范系統(tǒng)性金融風(fēng)險，具有一定的理論研究價值和實(shí)踐指導(dǎo)意義。相關(guān)研究主要集中在以下三個方面：

一是關(guān)于宏觀審慎監(jiān)管指標(biāo)體系的構(gòu)建。國外學(xué)者Lowe和Borio率先提出了資產(chǎn)價格缺口和信貸缺口的概念，表明當(dāng)同時出現(xiàn)資產(chǎn)價格失調(diào)和金融體系難以承受資產(chǎn)價格波動時，金融危機(jī)爆發(fā)的概率將大幅提升[1]。Borio和Drehmann研究中以信貸和資產(chǎn)價格為基礎(chǔ)，發(fā)現(xiàn)在預(yù)警方面房地產(chǎn)價格指標(biāo)表現(xiàn)良好。Schularick和Taylaor研究表明過度的信貸增長是金融危機(jī)有效的預(yù)警指標(biāo)[2]。Drehmann和Juselius基于26個國家的季度數(shù)據(jù)，選取GDP增長率、信貸增長率、房價增長率、信貸缺口、房價缺口、債務(wù)償還率(DSR)等10個預(yù)警指標(biāo)進(jìn)行檢驗，發(fā)現(xiàn)信貸缺口與DSR是預(yù)測風(fēng)險的最優(yōu)指標(biāo)[3]。Aldasoro等認(rèn)為DSR指標(biāo)準(zhǔn)確衡量了債務(wù)對借款人形成的負(fù)擔(dān)、家庭和企業(yè)資金流動性約束以及違約風(fēng)險的概率，可以作為金融危機(jī)重要的預(yù)警指標(biāo)[4]。國內(nèi)學(xué)者孫立行從金融危機(jī)理論出發(fā)，構(gòu)建一套包含宏觀經(jīng)濟(jì)風(fēng)險、金融市場風(fēng)險、銀行經(jīng)營風(fēng)險和金融開放風(fēng)險四個子系統(tǒng)的金融風(fēng)險預(yù)警體系，具體包含GDP增長率、M2增長率、信貸杠桿等25個子指標(biāo)[5]。

綜合國內(nèi)外研究，大多數(shù)學(xué)者認(rèn)為資產(chǎn)價格和信貸增長的聯(lián)動作用成為金融風(fēng)險累積的關(guān)鍵因素。當(dāng)前國內(nèi)研究對金融風(fēng)險指標(biāo)的選擇主要集中于信貸增速、杠桿率、房價等，而對房地產(chǎn)部門和信貸部門的其他指標(biāo)研究不足，缺乏信貸缺口、DSR缺口等國際目前較為常用的指標(biāo)研究。

二是關(guān)于宏觀審慎指標(biāo)預(yù)警檢驗方面的研究。20世紀(jì)90年代先后出現(xiàn)了4種預(yù)警模型：1996年Frankel和Rose提出的概率模型(簡稱FR方法)；1996年Sachs、Tornell和Velasco提出的橫截面模型(簡稱STV模型)；1998年Kaminsky、Lizondo和Reinhart提出KLR信號分析法；1999年IMF發(fā)展中國家研究組基于KLR信號分析法進(jìn)行改進(jìn)得到DCSD模型。Kaminsky等基于1950～1990年發(fā)達(dá)國家和發(fā)展中國家爆發(fā)金融危機(jī)的時期，選擇與危機(jī)相關(guān)性強(qiáng)的先行指標(biāo)進(jìn)行信號識別，篩選貨幣危機(jī)預(yù)警指標(biāo)。結(jié)果表明，國際儲備增速、進(jìn)出口、貿(mào)易條件等15個指標(biāo)對貨幣危機(jī)具有良好的預(yù)警效果，并以此構(gòu)建最終的預(yù)警指數(shù)衡量貨幣危機(jī)水平[6]。Berg和Pattilo對KLR的模型在1998年東南亞金融危機(jī)的預(yù)警效果進(jìn)行檢驗。結(jié)果顯示，與FR概率模型、STV模型相比，KLR信號分析法的預(yù)警效果最好。Berg等研究發(fā)現(xiàn)DCSD模型的預(yù)警效果劣于KLR模型[7]。

國內(nèi)學(xué)者采用KLR信號分析法展開相關(guān)研究。徐道宣和石璋銘建立適用于我國的預(yù)警指標(biāo)體系，并采用改善后的KLR信號分析法研究我國發(fā)生金融危機(jī)的概率。結(jié)果表明信貸增長率過快、資本充足率低和不良貸款率高成為危機(jī)概率上升的主要原因[8]。史建平和高宇基于KLR模型對24個發(fā)展中國家在美國次貸危機(jī)爆發(fā)后是否會出現(xiàn)金融危機(jī)進(jìn)行檢驗。結(jié)果顯示，KLR模型有良好的預(yù)警效果，并發(fā)現(xiàn)指標(biāo)體系中進(jìn)口、貿(mào)易條件、GDP以及股票價格指數(shù)等指標(biāo)有較強(qiáng)的預(yù)警效果[9]。蘇冬蔚和肖志興基于KLR信號分析法對中國、韓國、馬來西亞、泰國、菲律賓和印度尼西亞六個亞洲國家數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)國內(nèi)信貸/GDP、M2/外匯儲備、外匯儲備增長率以及實(shí)際產(chǎn)出增長率對我國防范金融危機(jī)具有極強(qiáng)的預(yù)警作用[10]。

經(jīng)國內(nèi)外研究發(fā)現(xiàn)，相比于FR概率模型、STV模型和DCSD模型，KLR模型的預(yù)警效果更強(qiáng)，不僅能篩選出與金融危機(jī)相關(guān)的預(yù)警指標(biāo)，建立預(yù)警指標(biāo)體系，還能確定指標(biāo)的最優(yōu)臨界值并作為判斷一國是否發(fā)生危機(jī)的重要依據(jù)，便于當(dāng)局采取針對性的調(diào)控措施來降低危機(jī)發(fā)生的概率。

三是關(guān)于指標(biāo)順周期特征的研究。Borio和White認(rèn)為資產(chǎn)價格、信貸以及投資周期的不斷強(qiáng)化導(dǎo)致周期性金融危機(jī)的頻繁爆發(fā)[11]。郭娜和梁琪認(rèn)為房地產(chǎn)市場周期與銀行信貸周期存在緊密聯(lián)系，在金融加速器的催化下，房地產(chǎn)價格波動增加了金融風(fēng)險爆發(fā)的可能性[12]。Claessens 等基于1960～2010年的23個新興經(jīng)濟(jì)體的研究發(fā)現(xiàn)，在不同階段金融周期和經(jīng)濟(jì)周期存在較強(qiáng)關(guān)聯(lián)，經(jīng)濟(jì)衰退往往伴隨著資產(chǎn)價格下跌引發(fā)的金融危機(jī)，而信貸擴(kuò)張則推動經(jīng)濟(jì)周期復(fù)蘇[13]。Antonakakis等基于1967～2012年G7國家數(shù)據(jù)分析金融周期和經(jīng)濟(jì)周期間的動態(tài)關(guān)系，結(jié)果表明金融風(fēng)險與經(jīng)濟(jì)衰退呈負(fù)相關(guān)[14]。馬勇等研究發(fā)現(xiàn)金融周期是貨幣周期、信貸周期以及經(jīng)濟(jì)周期的重要驅(qū)動因素，在此基礎(chǔ)上驗證了“金融—實(shí)體經(jīng)濟(jì)”的關(guān)聯(lián)機(jī)制，發(fā)現(xiàn)金融周期和經(jīng)濟(jì)周期存在同向波動趨勢，證實(shí)金融順周期效應(yīng)明顯[15][16]。

綜上研究，當(dāng)前學(xué)者順周期檢驗主要集中于金融周期和經(jīng)濟(jì)周期間的同向波動特征以及信貸和房地產(chǎn)部門的順周期效應(yīng)。然而近年來國內(nèi)學(xué)者研究認(rèn)為我國金融周期和經(jīng)濟(jì)周期并非完全一致，提出逆周期宏觀審慎究竟是逆經(jīng)濟(jì)周期還是逆金融周期的疑問。學(xué)者普遍認(rèn)為宏觀審慎監(jiān)管為逆金融周期調(diào)控，那么防范金融風(fēng)險，維護(hù)金融穩(wěn)定的焦點(diǎn)在于篩選出順金融周期指標(biāo)，然而此類研究還相對較少。

本文在現(xiàn)有研究的基礎(chǔ)上，可能有如下幾個方面創(chuàng)新：一是本文構(gòu)建包含信貸規(guī)模、信貸結(jié)構(gòu)質(zhì)量和信貸缺口多維度、多層次的信貸部門指標(biāo)，并加入土地購置費(fèi)、商品房存銷比作為房地產(chǎn)部門的補(bǔ)充指標(biāo)彌補(bǔ)僅采用房地產(chǎn)價格的不足，并選擇DSR缺口指標(biāo)與信貸缺口搭配使用預(yù)警市場資金違約風(fēng)險。二是本文立足逆周期宏觀審慎監(jiān)管是針對金融周期調(diào)控，篩選出同時具備預(yù)警特征和順金融周期特性的指標(biāo)作為逆周期調(diào)控的重要監(jiān)測對象。一方面預(yù)警指標(biāo)為有關(guān)部門采取政策措施留出時間，對宏觀審慎監(jiān)管提供參考依據(jù)；另一方面順周期指標(biāo)充分體現(xiàn)金融體系波動，對系統(tǒng)性金融風(fēng)險有較強(qiáng)指示作用，為我國逆周期宏觀審慎調(diào)控提供有益借鑒。本文其余部分安排如下：第二部分是宏觀審慎監(jiān)管指標(biāo)體系的構(gòu)建，第三部分是宏觀審慎指標(biāo)預(yù)警特征的檢驗，第四部分是宏觀審慎指標(biāo)順周期特性的檢驗，最后是結(jié)論和政策建議。

二、宏觀審慎監(jiān)管指標(biāo)體系構(gòu)建

(一)指標(biāo)選取

本文依據(jù)國內(nèi)外已有研究，結(jié)合國內(nèi)實(shí)際情況，從經(jīng)濟(jì)、金融指標(biāo)，對外部門指標(biāo)，信貸部門指標(biāo)和房地產(chǎn)部門指標(biāo)等四個方面構(gòu)建適用于我國的宏觀審慎監(jiān)管指標(biāo)體系。除國內(nèi)外研究中常用宏觀審慎指標(biāo)外，本文選取更有可能反應(yīng)近年來金融形勢波動的指標(biāo)。經(jīng)濟(jì)、金融指標(biāo)選擇了工業(yè)增加值、CPI等常用數(shù)據(jù)以及DSR缺口指標(biāo)。其中，DSR指的是利息支付和強(qiáng)制性償還本金與收入的比例，反映了私營非金融部門借款人的初始流動性，當(dāng)債務(wù)償還比率較高時，意味著家庭和企業(yè)債務(wù)過度擴(kuò)張，收入不足影響其正常消費(fèi)和投資，并且，更大的DSR缺口甚至?xí)l(fā)違約風(fēng)險，導(dǎo)致金融危機(jī)的發(fā)生。信貸部門從信貸結(jié)構(gòu)和質(zhì)量、信貸規(guī)模和信貸缺口三方面構(gòu)建。其中，信貸缺口率先由巴塞爾銀行監(jiān)督委員會提出并作為逆周期資本緩沖的核心參考變量，后來歐洲系統(tǒng)性風(fēng)險委員會、國際貨幣基金組織也認(rèn)為將信貸缺口作為評估系統(tǒng)性金融風(fēng)險的起點(diǎn)是適用的。因此本文選取私營非金融部門信貸/GDP、居民部門信貸/GDP缺口和一般政府信貸/GDP缺口數(shù)據(jù)作為信貸缺口指標(biāo)。房地產(chǎn)部門除選擇常用的國房景氣指數(shù)和房價增速外，同時選取住房存銷比、房地產(chǎn)投資完成額增長率、土地購置費(fèi)、住房貸款/可支配總收入考察房地產(chǎn)部門投資、銷售、居民購買等供給端和需求端指標(biāo)。具體指標(biāo)構(gòu)建如表1所示。

表1 宏觀審慎監(jiān)管指標(biāo)體系

(二)數(shù)據(jù)處理

本文選取1996年第一季度至2017年第四季度數(shù)據(jù)進(jìn)行研究①，文中指標(biāo)主要來源于WIND數(shù)據(jù)庫、BIS、IMF、國家統(tǒng)計局和中國人民銀行。文內(nèi)數(shù)據(jù)處理過程整理如下：(1)采用X-12季節(jié)調(diào)整法剔除季節(jié)性因素對變量的影響；(2)本文運(yùn)用的增長率數(shù)據(jù)均為同比增長率；(3)文內(nèi)采用BIS數(shù)據(jù)庫公布的中國70個城市房價指數(shù)，計算同比增長率得到房價增長率；(4)本文DSR缺口、信貸缺口均定義為原值與長期趨勢值之間的差值，采用HP濾波法分離出原值的波動項和長期趨勢項計算缺口值，如果信貸缺口高于常態(tài)趨勢值認(rèn)為信貸處于繁榮時期，反之則是蕭條時期?，F(xiàn)以信貸缺口為例詳述缺口值的計算過程，具體分為兩步，首先計算信貸水平與GDP的比值得到杠桿率Ratiot，即：

(1)

然后，運(yùn)用HP濾波估計杠桿率的長期趨勢Trendt，進(jìn)而得到信貸缺口Gapt，即：

Gapt=Ratiot-Trendt

(2)

三、宏觀審慎指標(biāo)預(yù)警特征檢驗

本文將KLR預(yù)警模型中信號識別分為以下三個步驟：先行指標(biāo)構(gòu)建、危機(jī)時期識別以及預(yù)警指標(biāo)和閾值的確定。其中，先行指標(biāo)采用上文構(gòu)建的宏觀審慎監(jiān)管指標(biāo)。

(一)危機(jī)時期識別——金融壓力指數(shù)測算

我國金融體系發(fā)展歷史較短加之經(jīng)濟(jì)體制的特殊性，到目前為止尚未發(fā)生金融危機(jī)，因此本文通過測算金融壓力指數(shù)衡量金融系統(tǒng)性風(fēng)險以此判斷我國金融高風(fēng)險時期。金融風(fēng)險來源多樣，本文參考Kaminsky等、Cardarelli等、陳守東等以及鄧創(chuàng)和趙珂的研究，結(jié)合我國實(shí)際金融狀況，分別從外匯市場、資本市場和銀行部門三個方面測算金融子市場的壓力指數(shù)，核算我國金融市場壓力指數(shù)，進(jìn)而識別金融高風(fēng)險時期[6][17][18][19]。

1.外匯市場壓力指數(shù)。結(jié)合匯率和外匯儲備核算外匯市場的壓力指數(shù)，式(3)中，EMPt表示第t月的外匯市場壓力指數(shù)，et表示第t月的匯率，Rt表示第t月的國際儲備，ωe和ωR分別代表匯率和外匯儲備的權(quán)重，本文采用標(biāo)準(zhǔn)差倒數(shù)方法衡量權(quán)重，并選取人民幣兌美元匯率的月度平均值代表匯率變量。計算公式如下：

(3)

2.資本市場壓力指數(shù)。結(jié)合股票價格和房地產(chǎn)價格的波動核算資本市場壓力指數(shù)，式(4)中，F(xiàn)BPt表示第t月的資本市場壓力指數(shù)，SPt表示第t月的股票價格水平，HPt表示第t月的房地產(chǎn)價格水平。選取上證綜合指數(shù)的月度平均值作為股票價格指數(shù)，國房景氣指數(shù)作為房地產(chǎn)變量。計算公式如下：

(4)

3.銀行危機(jī)壓力指數(shù)。結(jié)合銀行存貸款比例、實(shí)際利率以及貨幣供應(yīng)量衡量銀行危機(jī)壓力指數(shù)，式(5)中，BCPt表示第t月的銀行危機(jī)壓力指數(shù)，RLDt表示第t月的存貸款比例，MSt表示第t月的貨幣供應(yīng)量，RIRt表示第t月的實(shí)際利率。選取M2作為貨幣供應(yīng)量的替代變量，實(shí)際利率為一年期存款利率剔除通貨膨脹率。計算公式如下：

(5)

最后，基于外匯市場壓力指數(shù)、資本市場壓力指數(shù)以及銀行危機(jī)壓力指數(shù)合成我國金融壓力指數(shù)，合成方法如式(6)所示：

FSIt=ωEMPEMPt+ωFBPFBPt+ωBCPBCPt

(6)

圖1 金融壓力指數(shù)趨勢圖

(二)預(yù)警指標(biāo)的選擇和閾值的確定

在KLR模型中，需要對先行指標(biāo)進(jìn)行信號識別，當(dāng)某個時間段內(nèi)先行指標(biāo)突破閾值并滿足噪音信號比限制時，則認(rèn)定發(fā)出了一個危機(jī)信號并將該指標(biāo)納入貨幣危機(jī)的預(yù)警指標(biāo)。模型限定只有噪音信號比小于1的先行指標(biāo)才能滿足預(yù)警指標(biāo)要求，并根據(jù)信號識別過程中噪音信號比達(dá)到最小值時確定預(yù)警指標(biāo)的閾值。具體信號識別過程如下：假設(shè)一共有N個先行指標(biāo)，Xi,t表示第i個先行指標(biāo)在t期的取值，Si,t表示第i個先行指標(biāo)在t期是否發(fā)出危機(jī)信號，Si,t=1表示發(fā)出危機(jī)信號，Si,t=0表示未發(fā)出危機(jī)信號，θi表示第i個先行指標(biāo)的閾值。當(dāng)先行指標(biāo)超過其閾值水平則發(fā)出信號，否則不發(fā)出信號，具體公式為：

(7)

將信號區(qū)間設(shè)定為貨幣危機(jī)發(fā)生前的24個月。先行指標(biāo)表現(xiàn)如表2所示。

表2 先行指標(biāo)表現(xiàn)

表2中，A代表發(fā)生危機(jī)時正確發(fā)出信號的月數(shù)，B表示未發(fā)生危機(jī)時錯誤發(fā)出信號的月數(shù)；C表示發(fā)生危機(jī)時應(yīng)該發(fā)出而未發(fā)出信號的月數(shù)；D表示未發(fā)生危機(jī)時正確發(fā)出信號的月數(shù)。將[B/(B+D)]/[A/(A+C)]定義為噪音信號比NSR，NSR值越小則預(yù)警指標(biāo)的預(yù)測正確率越高，當(dāng)NSR取最小值時即可得到預(yù)警指標(biāo)的閾值。一般情況下，當(dāng)NSR<1時說明先行指標(biāo)有預(yù)警效果。這是目前采用KLR模型時最為常用的判定方法，但限制條件較少可能導(dǎo)致預(yù)警指標(biāo)的篩選范圍過于寬松。鑒于此，本文規(guī)定更為嚴(yán)格的限制條件，要求先行指標(biāo)滿足以下兩個條件才能說明其具備一定的預(yù)警能力：(1)(A+D)/(A+B+C+D)>60%；(2)NSR<1。其中，(A+D)/(A+B+C+D)代表正確發(fā)出信號的概率，先行指標(biāo)發(fā)出正確信號的概率高于60%說明預(yù)測能力有一定的保證。本文同樣在噪音信號比達(dá)到最小值時取得預(yù)警指標(biāo)的閾值②。根據(jù)上述要求，本文采用Nidejs程序進(jìn)行搜索，尋找預(yù)警指標(biāo)并確定相應(yīng)的閾值，篩選結(jié)果如表3所示。

表3顯示，工業(yè)增加值、社會融資規(guī)模/GDP等常用數(shù)據(jù)具備預(yù)警特征，信貸部門中長期貸款比例、不良貸款率均具備一定的預(yù)警能力，說明我國信貸結(jié)構(gòu)指標(biāo)能很好地衡量金融市場風(fēng)險。另外，信貸部門中信貸增速和信貸缺口數(shù)據(jù)，房地產(chǎn)部門中投資和價格數(shù)據(jù)均具有較強(qiáng)的預(yù)警能力，與近年來國際研究一致，充分說明我國房地產(chǎn)市場與信貸市場指標(biāo)應(yīng)成為金融危機(jī)預(yù)警的重點(diǎn)關(guān)注對象。信貸缺口衡量了各主體長期債務(wù)承擔(dān)能力，能反映整體信貸量對系統(tǒng)性金融風(fēng)險的影響，而DSR缺口衡量借款人的還本付息能力，反映了初始流動性，短期內(nèi)的預(yù)警效果更佳。兩指標(biāo)相互補(bǔ)充，相得益彰，可以作為我國宏觀審慎金融風(fēng)險預(yù)警指標(biāo)體系中的重點(diǎn)關(guān)注對象。

表3 宏觀審慎指標(biāo)預(yù)警結(jié)果

四、宏觀審慎預(yù)警指標(biāo)順周期檢驗

上文采用KLR模型篩選出具有預(yù)警效果的指標(biāo)，以便通過信號預(yù)警為監(jiān)管部門采取政策措施提供充足的時間。盡管預(yù)警指標(biāo)為宏觀審慎監(jiān)管提供了重要參考依據(jù)，但還需找出哪些指標(biāo)在金融繁榮時快速上升積聚金融風(fēng)險，在金融衰退時提升金融危機(jī)爆發(fā)概率，以及哪些指標(biāo)能夠體現(xiàn)金融體系內(nèi)的波動，對系統(tǒng)性金融風(fēng)險有較強(qiáng)的指示作用。為此，接下來本文基于SVAR模型衡量我國金融周期，采用TVP-SV-VAR模型檢驗宏觀審慎金融風(fēng)險預(yù)警指標(biāo)的順金融周期特征，篩選出能反映金融周期波動的預(yù)警指標(biāo)，作為防范系統(tǒng)性金融風(fēng)險宏觀審慎監(jiān)管的重點(diǎn)指標(biāo)。

(一)金融周期測算

依據(jù)Goodhart和Hofmann的研究成果[20]，本文構(gòu)建SVAR模型衡量我國金融周期：

(8)

參照Drehmann等、Schularick和Taylor、伊楠和張斌等人的做法，將信貸量和房價作為衡量金融周期最基本的因素，既避免了單一指標(biāo)刻畫金融周期的片面性，又能彌補(bǔ)過多金融指標(biāo)難以突出金融周期基本特征的不足[21]。本文選取私營非金融部門的信貸增速和國房景氣指數(shù)作為信貸和房價的代理變量，樣本范圍為1996年第一季度至2017年第四季度。本文數(shù)據(jù)來源于WIND、BIS、IFS數(shù)據(jù)庫，數(shù)據(jù)處理和計算工作均在Eviews8.0中進(jìn)行。基于SVAR模型估計結(jié)果，運(yùn)用廣義脈沖響應(yīng)函數(shù)確定信貸變量和房地產(chǎn)變量的權(quán)重分別為0.253和0.747，根據(jù)式(8)測算金融周期。結(jié)果如圖2所示，金融周期從1996～2017年共經(jīng)歷了5個完整的金融周期。分別為1996年第三季度至2001年第四季度、2001年第四季度至2005年第四季度、2005年第四季度至2008年第四季度、2008年第四季度至2012年第三季度、2012年第三季度至2015年第二季度以及2016年至2017年不完整的金融周期。整體來看，1996～2009年間我國金融周期總體處于上升趨勢，其中2001年第四季度至2005年第四季度和2008年第四季度至2012年第二季度兩個金融周期波動狀況最為劇烈，2012年以來金融狀況雖有所浮動但整體較為平穩(wěn)。

(二)順周期實(shí)證檢驗

1.TVP-SV-VAR模型設(shè)定。傳統(tǒng)VAR模型為檢驗宏觀審慎金融風(fēng)險預(yù)警指標(biāo)的順周期性提供一個有用的分析框架，然而VAR模型假定樣本期內(nèi)的參數(shù)估計值保持不變，無法捕捉在宏觀經(jīng)濟(jì)發(fā)展的不同階段對預(yù)警指標(biāo)影響存在的差異性，導(dǎo)致模型估計存在誤差。鑒于此，本文采用非線性時變參數(shù)(TVP-SV-VAR)模型對預(yù)警指標(biāo)進(jìn)行順周期檢驗。該模型的優(yōu)勢有兩點(diǎn)：一是捕捉系統(tǒng)中存在的非線性特征和結(jié)構(gòu)性變化，提高模型估計的精度；二是解決模型的異方差問題。

首先，構(gòu)建基本的向量自回歸(VAR)模型，表達(dá)式如下：

Ayt=F1yt-1+…+Fsyt-s+ut,t=s+1,…,n

(9)

式(9)中，yt表示k×1維的可觀測變量，A和F1,…,Fs為k×k維的系數(shù)矩陣，s代表模型的滯后期。本文假定A是一個下三角矩陣：

在此基礎(chǔ)上，式(9)可改寫為：

(10)

yt=Xtβ+A-1∑εt

(11)

式(11)中的所有參數(shù)均不隨時間變化而改變，現(xiàn)若放開這一約束條件，則傳統(tǒng)的VAR模型可拓展為含有時變特征的TVP-SV-VAR模型：

(12)

βt+1=βt+μβt,at+1=at+μat,ht+1=ht+μht

(13)

為避免出現(xiàn)偽回歸結(jié)果，本文采用ADF單位根檢驗法對TVP-SV-VAR模型中的數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗，具體包含金融周期(FC)、經(jīng)濟(jì)周期(EC)③和上文篩選的宏觀審慎金融風(fēng)險預(yù)警指標(biāo)。然后，根據(jù)AIC、SC信息準(zhǔn)則選擇最優(yōu)的滯后階數(shù)為1階。最后，為確保抽樣樣本能夠精確反映事后概率分布的檢驗抽樣過程已達(dá)到穩(wěn)定的概率分布，本文通過檢驗?zāi)Ｐ偷暮篁灧植?、CD統(tǒng)計量、無效因子和抽樣路徑驗證抽樣樣本的收斂性。

2.實(shí)證結(jié)果檢驗。本文以EC、FC、預(yù)警指標(biāo)的順序構(gòu)建三變量TVP-SV-VAR模型，從金融周期視角分析宏觀審慎預(yù)警指標(biāo)的順周期時變特性。經(jīng)檢驗，一共有源于宏觀經(jīng)濟(jì)部門、房地產(chǎn)部門和信貸部門的11個指標(biāo)通過了有效性和收斂性檢驗并基本具備順周期特征。采用TVP-SV-VAR模型得到等間隔脈沖響應(yīng)和時點(diǎn)脈沖響應(yīng)以此分析上述宏觀審慎預(yù)警指標(biāo)的順周期特性?？紤]到金融周期對宏觀審慎預(yù)警指標(biāo)的影響具有時滯性，選擇滯后1個季度、2個季度和4個季度的等間隔脈沖響應(yīng)函數(shù)進(jìn)行分析。結(jié)合上文對我國金融周期的劃分原則，選取2006年第三季度、2008年第三季度和2010年第三季度3個時點(diǎn)進(jìn)行時變分析，這3個時點(diǎn)分別代表了我國金融周期的正常期、蕭條期和繁榮期，也同樣是我國經(jīng)濟(jì)的繁榮期、受金融危機(jī)沖擊時期以及后金融危機(jī)期。

從圖3～圖5可以看出，不同時間間隔的脈沖響應(yīng)大多數(shù)時期均為正值且圖像走勢基本一致，說明工業(yè)增加值增長率、社會融資規(guī)模/GDP、DSR缺口指標(biāo)均具備順周期特性。經(jīng)過分析可得到如下結(jié)論：(1)工業(yè)增加值增長率、社會融資規(guī)模/GDP在2003年和2006年的金融繁榮期時響應(yīng)強(qiáng)烈，而DSR缺口的順周期特性則在近兩次金融繁榮期內(nèi)表現(xiàn)更為突出。因此，近年來在逆周期宏觀審慎監(jiān)管層面，DSR缺口可能成為更有效的預(yù)警指標(biāo)。(2)不同的預(yù)警指標(biāo)在金融周期的沖擊下，滯后期不同反應(yīng)強(qiáng)度有所差異。其中社會融資規(guī)模/GDP、DSR缺口對金融周期沖擊反應(yīng)迅速，滯后1個季度的響應(yīng)值最強(qiáng)，而工業(yè)增加值增長率滯后4個季度的響應(yīng)值最強(qiáng)，這一結(jié)果在等間隔脈沖響應(yīng)和時點(diǎn)脈沖響應(yīng)中均有所體現(xiàn)。

圖3 工業(yè)增加值增長率對金融周期沖擊的響應(yīng)

圖4 社會融資規(guī)模/GDP對金融周期沖擊的響應(yīng)

圖5 DSR缺口對金融周期沖擊的響應(yīng)

從圖6～圖8可以看出，不同時間間隔的脈沖響應(yīng)均為正值且圖像走勢基本一致，說明全國商品房廣義存銷比、房價增速具備順周期特性。從圖8可以看出，不同時間間隔的脈沖響圖像走勢相差較大但均為正值，說明土地購置費(fèi)增速也具備順周期特性。經(jīng)過上述分析可得到以下結(jié)論：(1)2010年后，住房存銷比和房價增速的順周期效應(yīng)更為顯著，土地購置費(fèi)增速指標(biāo)起伏波動較小但脈沖效應(yīng)值一直較高，因此，這3個房地產(chǎn)部門指標(biāo)均可作為逆周期宏觀審慎監(jiān)管的預(yù)警指標(biāo)；(2)房地產(chǎn)部門預(yù)警指標(biāo)在金融周期的沖擊下，不同滯后期脈沖響應(yīng)強(qiáng)度有所不同，本文重點(diǎn)比較分析近三年的脈沖響應(yīng)，發(fā)現(xiàn)存銷比滯后1期的響應(yīng)值最強(qiáng)，房價增速和土地購置費(fèi)增速指標(biāo)滯后2期的響應(yīng)值最大。

圖6 全國商品房廣義存銷比:住房對金融周期沖擊的響應(yīng)

圖7 房價增速對金融周期沖擊的響應(yīng)

圖8 土地購置費(fèi)增速對金融周期沖擊的響應(yīng)

從圖9～圖12可以看出，不同時間間隔的脈沖響應(yīng)圖像走勢基本一致。整體來看，貸款增速在2013年前順周期效應(yīng)明顯，而在2013年后對金融周期的沖擊呈現(xiàn)逆周期響應(yīng)。滯后1期和2期的私營非金融部門信貸/GDP缺口具備順周期特性。政府部門信貸/GDP缺口在2012年第三季度和2015年第三季度的金融繁榮期內(nèi)順周期特性十分明顯。居民部門信貸/GDP缺口指標(biāo)在2002年前呈現(xiàn)逆周期特性而在此后為順周期特性。

圖9 貸款增速對金融周期沖擊的響應(yīng)

圖10 私營非金融部門信貸/GDP缺口對金融周期沖擊的響應(yīng)

圖11 政府部門信貸/GDP缺口對金融周期沖擊的響應(yīng)

圖12 居民部門信貸/GDP缺口對金融周期沖擊的響應(yīng)

經(jīng)過上述分析得出以下結(jié)論：(1)3個信貸缺口數(shù)據(jù)均可作為逆周期宏觀審慎監(jiān)管的預(yù)警指標(biāo)，并且近年來以政府部門信貸/GDP缺口和居民部門信貸/GDP缺口指標(biāo)為最優(yōu)。(2)對于信貸缺口指標(biāo)，私營非金融部門信貸/GDP缺口在滯后1期的響應(yīng)值最強(qiáng)，政府部門信貸/GDP缺口和居民部門信貸/GDP缺口在不同時期的滯后期響應(yīng)有所差異。與宏觀經(jīng)濟(jì)數(shù)據(jù)和房地產(chǎn)部門數(shù)據(jù)相比，信貸部門對金融周期沖擊的響應(yīng)最為迅速。(3)與信貸增速指標(biāo)相比，信貸缺口指標(biāo)順周期特征更為明顯，驗證了Drehmann和Juselius研究中信貸缺口指標(biāo)比信貸增長、資產(chǎn)價格增長等指標(biāo)預(yù)警效果更強(qiáng)的結(jié)果[3]。此外，增速數(shù)據(jù)跳躍性較大導(dǎo)致預(yù)警的不確定性上升，而信貸缺口指標(biāo)更加穩(wěn)定。具體分析我國數(shù)據(jù)發(fā)現(xiàn)，2012年進(jìn)入經(jīng)濟(jì)新常態(tài)后，經(jīng)濟(jì)增長率日趨平穩(wěn)，經(jīng)濟(jì)發(fā)展面臨從量到質(zhì)的轉(zhuǎn)變，信貸政策與經(jīng)濟(jì)發(fā)展?fàn)顩r相匹配，因而與2003年、2006年、2009～2010年間信貸增速大幅上升不同，2012年后信貸增速較為平穩(wěn)，即便上升幅度也較小，這種情況下信貸增速數(shù)據(jù)較難捕捉到信貸部門的順周期特性。因此將信貸缺口指標(biāo)納入逆周期宏觀審慎監(jiān)管指標(biāo)對于防范系統(tǒng)性金融風(fēng)險具有現(xiàn)實(shí)意義。(4)本文信貸缺口指標(biāo)具體分為私營非金融部門、政府部門和居民部門。一是通過檢驗不同部門驗證信貸缺口指標(biāo)順周期特性的穩(wěn)健性；二是具體分析不同部門的信貸指標(biāo)順周期特性的不同之處，可以發(fā)現(xiàn)私營非金融部門信貸/GDP缺口更早出現(xiàn)逆周期現(xiàn)象，充分反映出我國自2015年中央經(jīng)濟(jì)工作會議提出完善宏觀審慎政策框架、2016年央行開始實(shí)施宏觀審慎的評估體系后，逆周期宏觀審慎調(diào)控作用效果初現(xiàn)。

五、結(jié)論及政策建議

本文構(gòu)建適用于我國的宏觀審慎指標(biāo)，基于KLR預(yù)警模型篩選出宏觀審慎監(jiān)管的預(yù)警指標(biāo)，采用TVP-SV-VAR模型檢驗在金融周期沖擊下宏觀審慎預(yù)警指標(biāo)的時變特征，篩選出具備順金融周期特性的預(yù)警指標(biāo)，研究結(jié)果發(fā)現(xiàn)：

第一，經(jīng)過KLR預(yù)警模型驗證發(fā)現(xiàn)，經(jīng)濟(jì)、金融指標(biāo)中工業(yè)增加值增長率、社會融資規(guī)模/GDP、DSR缺口具有預(yù)警特征；對外部門指標(biāo)中進(jìn)出口/GDP、外債率等指標(biāo)具有預(yù)警特征；信貸部門中中長期貸款比例、不良貸款比例等反映信貸結(jié)構(gòu)和質(zhì)量的指標(biāo)具有預(yù)警特征，貸款增長率反映信貸規(guī)模以及各部門信貸缺口指標(biāo)均具備預(yù)警特征；房地產(chǎn)部門中房地產(chǎn)的投資、土地購置費(fèi)、庫存、銷售價格等指標(biāo)也具有預(yù)警特征。

第二，基于TVP-SV-VAR模型檢驗宏觀審慎預(yù)警指標(biāo)的順金融周期特征發(fā)現(xiàn)，工業(yè)增加值增長率、社會融資規(guī)模/GDP和DSR缺口指標(biāo)具備順周期特征，并且針對近年來的檢驗數(shù)據(jù)，DSR缺口的順周期特征更強(qiáng)；2010年后，房價增速、土地購置費(fèi)增速等房地產(chǎn)部門指標(biāo)的順周期效應(yīng)更為明顯；信貸部門中，貸款增速在2013年前順周期特征明顯，盡管2015年后順周期特征并不顯著，但依然可以作為逆周期宏觀審慎調(diào)控的重要參考。相應(yīng)地，部門信貸缺口指標(biāo)順周期特征明顯，以政府部門信貸缺口和居民部門信貸缺口指標(biāo)為最優(yōu)。此外，在金融周期的沖擊下，不同部門指標(biāo)的反應(yīng)速度存在差異，可據(jù)此選擇逆周期宏觀審慎調(diào)控的最佳時機(jī)，其中，信貸部門對金融周期沖擊的反應(yīng)最為迅速，房地產(chǎn)部門次之，經(jīng)濟(jì)、金融指標(biāo)反應(yīng)相對較慢。

針對具有金融風(fēng)險預(yù)警特征和順周期特性的指標(biāo)進(jìn)行監(jiān)測和調(diào)控有賴于經(jīng)濟(jì)、金融信息數(shù)據(jù)統(tǒng)計的全面性、時效性和科學(xué)性，以及宏觀審慎工具的有效選擇。一方面，應(yīng)當(dāng)明確金融信息收集部門，加強(qiáng)各部門信息共享機(jī)制建設(shè)。除了以央行、統(tǒng)計局為基礎(chǔ)部門外，更要完善銀行業(yè)、證券業(yè)、保險業(yè)等監(jiān)管部門的信息共享機(jī)制，加強(qiáng)各部門信息的溝通交流，及時對系統(tǒng)性風(fēng)險進(jìn)行識別。適當(dāng)拓寬金融數(shù)據(jù)統(tǒng)計范圍，對國際重點(diǎn)監(jiān)管指標(biāo)加強(qiáng)重視，確保我國金融統(tǒng)計范圍覆蓋整個金融領(lǐng)域，不僅包含銀行、證券公司和保險公司等傳統(tǒng)金融機(jī)構(gòu)，還需包含金融控股公司、小額信貸公司、表外資產(chǎn)及金融衍生品等金融機(jī)構(gòu)和金融業(yè)務(wù)的數(shù)據(jù)統(tǒng)計。另一方面，在恰當(dāng)?shù)臅r點(diǎn)準(zhǔn)確運(yùn)用宏觀審慎監(jiān)管工具展開逆周期調(diào)控。豐富、擴(kuò)展宏觀審慎工具，針對不同部門進(jìn)行結(jié)構(gòu)化調(diào)整，針對部門中的不同指標(biāo)進(jìn)行有效調(diào)控。加強(qiáng)各種宏觀審慎工具的協(xié)調(diào)配合，將資本類、流動性類以及稅收類等宏觀審慎工具搭配使用，形成政策工具“組合拳”。

注釋：

①由于部分國內(nèi)指標(biāo)公布較晚致使統(tǒng)計年份范圍窄，因而無法保證所有指標(biāo)的統(tǒng)計起點(diǎn)均為1996年，但為健全宏觀審慎指標(biāo)體系，將數(shù)據(jù)開始的節(jié)點(diǎn)定為1996年、2000年和2006年。

②與金融風(fēng)險呈正相關(guān)的指標(biāo)在大于閾值時發(fā)出危機(jī)信號，而呈負(fù)相關(guān)的指標(biāo)在小于閾值時發(fā)出危機(jī)信號。

③采用經(jīng)過季節(jié)調(diào)整后的實(shí)際GDP增長率數(shù)據(jù)，利用HP濾波法分離出GDP增長率的波動項和長期趨勢項，得到變量的循環(huán)要素，即缺口值作為經(jīng)濟(jì)周期。