秦研 余杰 范從來

摘 要：本文首先使用TVP-SV-FAVAR和動(dòng)態(tài)貝葉斯模型平均構(gòu)建了金融狀況指數(shù)，然后以金融狀況指數(shù)作為金融周期的代理變量，使用TVP-SV-VAR模型探究了中國、美國、歐元區(qū)和日本之間金融周期的相互聯(lián)系。與以往研究主要關(guān)注全球金融周期趨同的特征不同的是，本文研究并發(fā)現(xiàn)中國的金融周期與美，歐，日有分化特征。具體來說，中國與美國在整個(gè)樣本區(qū)間內(nèi)都表現(xiàn)出金融周期分化的特征;在2009年以后，中國與歐元區(qū)之間出現(xiàn)了金融周期分化;在2012年之后，中國與日本的金融周期開始分化。本文的結(jié)論提示相關(guān)人員應(yīng)該關(guān)注我國與世界主要國家金融周期的分化特征，并據(jù)此實(shí)施有針對(duì)性的經(jīng)濟(jì)政策。

關(guān)鍵詞：金融狀況指數(shù);外部金融沖擊;金融周期;TVP-SV-VAR模型

中圖分類號(hào)：F830.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5192（2021）05-0063-06 doi：10.11847/fj.40.5.63

Abstract：In this paper， we first construct financial conditions indexes for China， the United States， the Eurozone and Japan via TVP-SV-FAVAR model and dynamic Bayesian model averaging. Using these financial conditions indexes as proxy variables for the financial cycle， we then employ a TVP-SV-VAR model to study the interrelationships of financial cycles among these countries. Unlike previous studies that focused on the convergence of the global financial cycle， this article finds that Chinas financial circle is different from those of USA， Eurozone and Japan. We find that China and the United States show the characteristics of financial cycle differentiation throughout the sample. After 2009， there is a financial cycle differentiation between China and the Eurozone. After 2012， the financial cycle between China and Japan begins to differentiate. Our findings show that we should pay attention to the differentiation of financial cycles between China and other major countries， and implement targeted economic policies accordingly.

Key words：financial conditions index; exterior financial shocks; financial cycle; TVP-SV-VAR model

1 引言

隨著全球化的不斷推進(jìn)，各國之間經(jīng)濟(jì)體系的聯(lián)系不斷加深，與此同時(shí)，作為實(shí)體經(jīng)濟(jì)血脈的金融體系的一體化程度也不斷提高。全球金融一體化是一把雙刃劍，它一方面提高了資源跨國最優(yōu)配置的效率，促進(jìn)了全球經(jīng)濟(jì)的發(fā)展，另一方面也造成了金融風(fēng)險(xiǎn)的跨國傳染，加劇了外部沖擊對(duì)本國經(jīng)濟(jì)、金融體系的影響。2019年的中央經(jīng)濟(jì)工作會(huì)議指出，當(dāng)前國際金融體系“仍處在國際金融危機(jī)后的深度調(diào)整期，……全球動(dòng)蕩源和風(fēng)險(xiǎn)點(diǎn)顯著增多”。因此，研究國際金融市場外部沖擊對(duì)我國金融體系的影響既有理論的必要性，也有現(xiàn)實(shí)的緊迫性。

與實(shí)體經(jīng)濟(jì)發(fā)展具有周期性波動(dòng)一樣，金融體系的發(fā)展也具有周期性。在關(guān)于金融周期的研究中，大部分研究者發(fā)現(xiàn)全球金融周期具有一致性，即各國之間金融周期的繁榮階段和衰退階段大致相同[1～4]。這些研究大多基于大量國家的樣本或者發(fā)達(dá)國家的樣本，這說明金融周期的趨同是長期發(fā)展的趨勢和普遍的現(xiàn)象。但是，各國金融市場的發(fā)展存在差異也是客觀事實(shí)。就中國來說，鄧創(chuàng)和徐曼[5]發(fā)現(xiàn)中美金融周期的協(xié)動(dòng)性存在時(shí)變特征，同時(shí)，美國的金融周期具有“短擴(kuò)張、長收縮”的特征，中國的金融周期具有“長擴(kuò)張、短收縮”的特征。陳曉莉和張方華[6]研究發(fā)現(xiàn)中國的金融周期具有特殊性，中國金融周期與東南亞國家之間的同步性較低。陳曉莉和劉曉宇[7]使用動(dòng)態(tài)因子模型研究了全球金融周期對(duì)于中國經(jīng)濟(jì)的影響，發(fā)現(xiàn)全球金融周期對(duì)中國經(jīng)濟(jì)周期運(yùn)行具有顯著影響。鄧創(chuàng)和徐曼[8]基于動(dòng)態(tài)溢出指數(shù)的方法，發(fā)現(xiàn)中美金融周期的波動(dòng)溢出效應(yīng)是時(shí)變的。這些研究提示，中國的金融周期很有可能與其他國家具有不同的特征，中國金融周期與其他國家金融周期之間的關(guān)系在不同的時(shí)間段可能是不同的。Borio[9]指出，在研究金融周期相關(guān)的問題時(shí)，各國金融周期的不一致性比趨同性更加值得關(guān)注，各國金融周期的不同發(fā)展速度和軌跡（different speeds and phases across globe）背后的政策含義需要仔細(xì)思考。

以上對(duì)文獻(xiàn)的梳理說明，盡管金融周期趨同是全球范圍內(nèi)的大趨勢，但是就目前來說，中國的金融周期有可能與其他國家和地區(qū)的金融周期存在差異?；谶@個(gè)視角，本文使用Koop和Korobilis[10]提出的基于TVP-SV-FAVAR和動(dòng)態(tài)模型平均的方法構(gòu)建了相關(guān)的金融狀況指數(shù)，并通過金融狀況指數(shù)研究了中國金融周期與美國、歐元區(qū)以及日本這三個(gè)主要國家和地區(qū)的金融周期之間的時(shí)變特征。本文在度量金融周期時(shí)采用與鄧創(chuàng)和徐曼[5，8]，陳守東等[11]，馬勇等[12]相同的做法。

本文研究的金融狀況指數(shù)的跨國效應(yīng)是指通過金融狀況指數(shù)來研究一個(gè)國家（或地區(qū)）金融狀況對(duì)另一個(gè)國家（或地區(qū)）金融狀況的影響，這些影響同樣體現(xiàn)在金融周期上。本文發(fā)現(xiàn)，中外金融周期存在一定程度的分化：中美金融周期在整個(gè)研究樣本內(nèi)都表現(xiàn)出分化的特征;中國與歐元區(qū)在2009年以后金融周期開始分化;中國與日本在2012年以后出現(xiàn)了金融周期分化。與以往研究中主要關(guān)注全球金融周期趨同的大趨勢不同，本文的研究在理論和政策層面都提供了新的見解：在理論層面上，研究者在構(gòu)建模型時(shí)應(yīng)該關(guān)注我國金融市場與其他國家的差異;在政策層面上，政策制定者應(yīng)該注意區(qū)分外部金融沖擊的類別，從而提高政策的針對(duì)性。

2 四個(gè)國家和地區(qū)金融狀況指數(shù)的構(gòu)建

2.1 構(gòu)建方法

金融狀況指數(shù)首先由Goodhart和Hofmann[13～15]提出，他們使用短期利率、匯率、股票價(jià)格和房地產(chǎn)價(jià)格這四個(gè)變量的加權(quán)平均構(gòu)建了金融狀況指數(shù)。但是，這四個(gè)變量并不能完全反映金融市場的整體狀況，諸如貨幣供應(yīng)量、債券價(jià)格、信貸規(guī)模等變量也能影響金融市場的運(yùn)行。所以，本文在構(gòu)建金融狀況指數(shù)時(shí)面臨的首要問題是合理地在眾多金融變量中進(jìn)行選擇，為了避免先入為主，本文使用DMA方法綜合不同模型的信息。

動(dòng)態(tài)性是經(jīng)濟(jì)系統(tǒng)的重要特征。國內(nèi)的研究多數(shù)采用常系數(shù)線性模型來構(gòu)建金融狀況指數(shù)，但常系數(shù)線性方法不足以充分體現(xiàn)經(jīng)濟(jì)系統(tǒng)的時(shí)變性質(zhì)。為了充分體現(xiàn)動(dòng)態(tài)性對(duì)于構(gòu)建金融狀況指數(shù)的重要性，本文使用了TVP-SV-FAVAR模型。

記Xt為候選數(shù)據(jù)集，它總共包含了N個(gè)候選金融變量。假設(shè)模型需要在N個(gè)候選金融變量中進(jìn)行選擇，根據(jù)不同的變量組合，總共可以得到J個(gè)不同的模型，記其中的第j個(gè)模型為Mj（j=1，…，J），則結(jié)合DMA方法的TVP-SV-FAVAR模型的設(shè)定如下

從上述模型設(shè)定中可以看出，對(duì)于N個(gè)候選金融變量，總共有J=2N-1個(gè)不同的模型。如果固定其中K個(gè)變量始終包含在金融狀況指數(shù)中，那么總共有J=2（N-K）個(gè)模型。

2.2 數(shù)據(jù)和金融狀況指數(shù)的構(gòu)建結(jié)果

對(duì)于美國，本文直接使用芝加哥聯(lián)儲(chǔ)發(fā)布的美國全國金融狀況指數(shù)。對(duì)于中國，歐元區(qū)和日本，本文參考Goodhart和Hofmann[13～15]選擇了各自的短期利率、匯率、房地產(chǎn)價(jià)格和股票價(jià)格的代理指標(biāo)，同時(shí)本文還納入了貨幣供應(yīng)量、長期利率、信貸規(guī)模和風(fēng)險(xiǎn)相關(guān)的指標(biāo)。Koop和Korobilis[10]認(rèn)為金融狀況指數(shù)應(yīng)該獨(dú)立于實(shí)體經(jīng)濟(jì)的運(yùn)行，從而只代表金融體系的狀態(tài)，所以本文還需要從金融變量中剔除掉實(shí)體經(jīng)濟(jì)的信息。因此，對(duì)于歐元區(qū)和日本，本文選擇了他們的工業(yè)增加值、通貨膨脹率和失業(yè)率作為實(shí)體經(jīng)濟(jì)的代表，然后從金融變量中剔除這些變量的影響;對(duì)于我國來說，由于失業(yè)率數(shù)據(jù)不夠完善，因此本文只選擇了工業(yè)增加值和通貨膨脹率作為實(shí)體經(jīng)濟(jì)的代表，然后從金融變量中剔除掉這兩個(gè)變量的影響。

在金融數(shù)據(jù)的預(yù)處理方面，本文首先對(duì)數(shù)值較大的變量取對(duì)數(shù)，對(duì)具有明顯季節(jié)性因素的變量進(jìn)行季節(jié)調(diào)整，然后參考Hatzius等[16]的做法，對(duì)所有金融變量使用HP濾波去除他們的趨勢性成分。對(duì)于實(shí)體經(jīng)濟(jì)變量，本文則不做上述處理，以盡可能消除實(shí)體經(jīng)濟(jì)變量的所有成分對(duì)于金融變量的影響。對(duì)于濾波后的金融變量和實(shí)體經(jīng)濟(jì)變量，本文使用ADF檢驗(yàn)和PP檢驗(yàn)來驗(yàn)證它們的平穩(wěn)性，只有當(dāng)兩個(gè)檢驗(yàn)都顯示變量是平穩(wěn)的，本文才認(rèn)為它是平穩(wěn)的。

本文的數(shù)據(jù)來源于Wind數(shù)據(jù)庫、中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫、OECD數(shù)據(jù)庫，美國的金融狀況指數(shù)來源于芝加哥聯(lián)儲(chǔ)網(wǎng)站。數(shù)據(jù)區(qū)間是1996年1月到2020年9月，因?yàn)閺倪@個(gè)時(shí)期開始，我國的貨幣政策中介目標(biāo)開始比較明確為以貨幣供應(yīng)量為主，并持續(xù)至今，而1996年之前的中介目標(biāo)是以依靠現(xiàn)金投放和信貸規(guī)?？刂茷橹鳌２⑶覐?996年1月開始，我國官方開始較為詳細(xì)地公布M0，M1，M2等貨幣量的月度數(shù)據(jù)，之前數(shù)據(jù)并不完整，很多年份只有年度數(shù)據(jù)。為了保持?jǐn)?shù)據(jù)的一致性，外國的時(shí)間點(diǎn)的選擇與中國的同步。此外本文想要盡可能包含更多的數(shù)據(jù)，研究各國金融狀況指數(shù)在較長時(shí)間內(nèi)的相互作用。在選擇的數(shù)據(jù)中部分?jǐn)?shù)據(jù)存在缺失值，因此本文的數(shù)據(jù)集是非平衡的，Koop和Korobilis[10]的估計(jì)方法讓本文能夠處理這種非平衡數(shù)據(jù)，因此不會(huì)對(duì)估計(jì)結(jié)果造成太大的影響。對(duì)于月度數(shù)據(jù)，本文取它的月度平均值作為該變量的月度數(shù)據(jù)。

經(jīng)過上述處理后的所有變量都是平穩(wěn)的，符合進(jìn)一步開展實(shí)證研究的要求。

模型通過標(biāo)準(zhǔn)化的技術(shù)，將所有金融狀況指數(shù)處理成均值為0、方差為1的變量，同時(shí)令金融狀況指數(shù)上升表示金融狀況改善，金融狀況指數(shù)下降表示金融狀況惡化。根據(jù)本文的實(shí)證結(jié)果，在2008年爆發(fā)全球金融危機(jī)期間，四個(gè)金融狀況指數(shù)都處于最低點(diǎn)，這說明本文構(gòu)建的金融狀況指數(shù)反映了重大的國際金融事件。同時(shí)也可以發(fā)現(xiàn)，中國的金融狀況指數(shù)與其他國家和地區(qū)的金融狀況指數(shù)存在一些差異，這說明我國的金融體系除了受到全球金融周期的影響以外，還具有自身獨(dú)有的特點(diǎn)。

3 外部金融沖擊對(duì)中國金融狀況的影響

3.1 實(shí)證模型

為了研究外部金融沖擊對(duì)我國金融狀況的時(shí)變影響，本文使用了TVP-SV-VAR模型，它最早由Primiceri[17]提出，其最大的特點(diǎn)是模型的參數(shù)和協(xié)方差矩陣都具有時(shí)變特征。一個(gè)p階的TVP-SV-VAR模型的設(shè)定如下

本文采用Del Negro和Primiceri[18]提供的估計(jì)方法來估計(jì)上述模型。

3.2 實(shí)證結(jié)果

本文使用AIC準(zhǔn)則、BIC準(zhǔn)則和SC準(zhǔn)則確定模型的最佳滯后期為2階，模型的先驗(yàn)分布的設(shè)定參考Nakajima[19]。TVP-SV-VAR可以對(duì)樣本區(qū)間內(nèi)的每一個(gè)時(shí)間點(diǎn)都給出其脈沖響應(yīng)函數(shù)，因此實(shí)證研究中通常給出兩種脈沖響應(yīng)函數(shù)。第一種是時(shí)點(diǎn)脈沖響應(yīng)函數(shù)，它與傳統(tǒng)脈沖響應(yīng)函數(shù)類似;第二種是等間隔脈沖響應(yīng)函數(shù)，它的縱軸是脈沖響應(yīng)值，橫軸則是每個(gè)時(shí)間點(diǎn)，反映的是全樣本時(shí)間段內(nèi)不同滯后期的脈沖響應(yīng)函數(shù)的特征。由于金融沖擊在正常時(shí)期和危機(jī)時(shí)期有不同的表現(xiàn)，它在危機(jī)時(shí)期會(huì)加劇經(jīng)濟(jì)的波動(dòng)[20]。在繪制時(shí)點(diǎn)脈沖響應(yīng)函數(shù)時(shí)，模型區(qū)分了正常時(shí)期和危機(jī)時(shí)期，以此探究外部金融沖擊在兩個(gè)不同時(shí)期對(duì)中國金融狀況的影響。對(duì)于危機(jī)時(shí)期，本文選擇了1998年1月、2009年1月和2020年3月三個(gè)時(shí)間點(diǎn)，分別表示亞洲金融危機(jī)、次貸危機(jī)和新冠疫情造成的全球經(jīng)濟(jì)衰退。對(duì)于正常時(shí)期，本文選擇了2002年1月、2015年1月和2019年1月三個(gè)時(shí)間點(diǎn)。

在全球化的背景下，兩國之間的金融狀況存在相互的影響。因此，在利用脈沖響應(yīng)函數(shù)分析兩個(gè)國家之間金融周期的關(guān)系之前，必須闡明一個(gè)關(guān)鍵問題：只從一個(gè)方向上分析某個(gè)國家的金融沖擊對(duì)另外一個(gè)國家的金融狀況的影響，是無法說明兩者金融周期之間的關(guān)系的，必須進(jìn)行雙向分析才能得出最終的結(jié)論。例如，如果發(fā)現(xiàn)國家A的正向金融沖擊對(duì)國家B的金融狀況有負(fù)面影響，是不能從這一發(fā)現(xiàn)中得出“A，B兩國金融周期分化”的結(jié)論，這是因?yàn)閮蓢g的金融狀況存在相互的影響;如果B國的正向金融沖擊對(duì)A國金融狀況有正面影響，那么就需要比較這兩種效應(yīng)之間的大小，才能確定兩國之間互相影響的總效應(yīng)。本文將這一關(guān)系歸納在表1中，在后面的分析中，本文將始終遵循表1的框架來歸納最終的結(jié)論。

首先分析中美兩國金融周期之間的關(guān)系。圖1給出了一個(gè)標(biāo)準(zhǔn)差的正向金融沖擊下我國金融狀況指數(shù)的脈沖響應(yīng)函數(shù)，在正向金融沖擊下，美國的金融狀況將會(huì)改善。

從危機(jī)時(shí)期的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)中可以看到，美國金融狀況的改善在剛剛開始的階段也會(huì)使得我國的金融狀況得到改善。在亞洲金融危機(jī)期間，美國金融狀況的改善對(duì)中國金融狀況的正面影響持續(xù)了大約6個(gè)月;而在次貸危機(jī)和新冠疫情期間，這種效應(yīng)則持續(xù)了大約4個(gè)月。但是從長期來看，美國金融狀況的改善反而會(huì)造成我國金融狀況指數(shù)的惡化，且這種不利影響持續(xù)的時(shí)間很長，在24個(gè)月之后仍然沒有消失。在亞洲金融危機(jī)期間，美國金融沖擊對(duì)我國的長期不利影響較小，但是在次貸危機(jī)和新冠疫情期間，美國金融沖擊對(duì)我國的長期不利影響則很大，且次貸危機(jī)期間的影響程度大于新冠疫情期間。這一結(jié)論也能在正常時(shí)期的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)中得到印證，正常時(shí)期的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)的反應(yīng)方式與危機(jī)時(shí)期類似，不同的是美國金融狀況的改善對(duì)我國沖擊的程度相差不大。

從等間隔脈沖響應(yīng)函數(shù)中，可以更加清晰地看出正向的美國金融沖擊下我國金融狀況指數(shù)的時(shí)變反應(yīng)。在整個(gè)樣本期間，向前1期的脈沖響應(yīng)函數(shù)都是正值。在2004年以前，向前6期、向前12期和向前18期的脈沖響應(yīng)值都較小，這說明美國的金融沖擊對(duì)我國的長期不利影響較小。2004年之后，這種長期不利影響則迅速增大，在次貸危機(jī)期間，美國金融沖擊對(duì)中國的長期不利影響達(dá)到最大值，次貸危機(jī)結(jié)束至今，這種長期不利影響的程度則比較穩(wěn)定。

為了全面分析中美兩國金融周期的相互作用，本文還需要討論中國的金融沖擊對(duì)美國的影響，因此本文在圖2繪制了正向的中國金融沖擊對(duì)美國金融狀況的脈沖響應(yīng)函數(shù)。在正向金融沖擊下，我國的金融狀況正開始改善。從時(shí)點(diǎn)脈沖響應(yīng)函數(shù)中可以看到，無論是正常時(shí)期還是危機(jī)時(shí)期，中國金融狀況的改善都會(huì)使得美國的金融狀況惡化，區(qū)別在于不同時(shí)間點(diǎn)的反應(yīng)程度有所不同。從等間隔脈沖響應(yīng)函數(shù)的圖像中可以發(fā)現(xiàn)，在大約2010年以前，中國的正向金融沖擊對(duì)于美國金融狀況的不利影響逐漸減小，而2010年以后，中國的正向金融沖擊對(duì)美國金融狀況的短期不利影響很小，但是長期不利影響則逐漸擴(kuò)大。

結(jié)合對(duì)圖1和圖2的分析可以發(fā)現(xiàn)，短期內(nèi)，美國的正向金融沖擊使得中國金融狀況改善，但長遠(yuǎn)看來，兩國的正向金融沖擊對(duì)另一方都有不利的影響。因此，遵循在表1中的分析，本文認(rèn)為中美兩國在整個(gè)樣本區(qū)間內(nèi)都存在金融周期“長期分化”的特征。

圖1和圖2分析了中美兩國金融周期之間的聯(lián)系，類似地也可以用脈沖響應(yīng)函數(shù)對(duì)中國與歐元區(qū)的金融周期之間的聯(lián)系、中國與日本的金融周期之間的聯(lián)系展開分析。限于篇幅，本文不再將脈沖響應(yīng)函數(shù)圖進(jìn)行羅列，只將主要結(jié)果給予簡要陳述。

關(guān)于中國與歐元區(qū)金融周期之間的聯(lián)系，脈沖響應(yīng)函數(shù)圖像表明：在2009年以前，由于歐元區(qū)的金融沖擊對(duì)中國的金融狀況存在負(fù)面影響，而中國的金融沖擊對(duì)歐元區(qū)的金融狀況存在正面影響，因此結(jié)合表1中的結(jié)論，還不能判斷2009年之前兩個(gè)國家或地區(qū)之間金融周期的關(guān)系。而在2009年之后，中國和歐元區(qū)的金融沖擊對(duì)另一方都有負(fù)面效應(yīng)，因此根據(jù)表1本文認(rèn)為在2009年之后，中國和歐元區(qū)的金融周期出現(xiàn)了分化。

關(guān)于中國與日本的金融周期之間的聯(lián)系，脈沖響應(yīng)函數(shù)圖像表明：在2000年以前，正向的日本金融沖擊對(duì)中國的金融狀況指數(shù)幾乎沒有影響，所有期限的脈沖響應(yīng)值都接近于0，在2000年之后則對(duì)中國的金融狀況指數(shù)有負(fù)面的影響;正向的中國金融沖擊在2012年之前對(duì)日本的金融狀況指數(shù)有正面的影響，但是在2012年之后對(duì)日本的金融狀況指數(shù)有負(fù)面的影響。因此，在2012年之后，中國和日本的金融周期開始出現(xiàn)分化的特征。

3.3 對(duì)實(shí)證結(jié)果的進(jìn)一步討論

基于大樣本的跨國研究通常發(fā)現(xiàn)各國之間的金融周期有趨同的趨勢[1，2]，而本文的結(jié)論與之有明顯的差異，這提示研究者在關(guān)注金融周期趨同的大趨勢之外，還應(yīng)該關(guān)注我國自身的獨(dú)特性。實(shí)際上，在次貸危機(jī)之后，我國在金融市場的發(fā)展方面與美、歐、日三個(gè)國家和地區(qū)之間存在明顯的差異。

在次貸危機(jī)期間，美國啟動(dòng)了以量化寬松為主的非常規(guī)貨幣政策，雖然這一非常規(guī)貨幣政策在2015年1月暫時(shí)退出了，但是美聯(lián)儲(chǔ)在本次新冠疫情爆發(fā)前夕就已經(jīng)開始討論降息的可能性，新冠疫情正式在美國爆發(fā)后則一次性將聯(lián)邦基金利率降到了0，同時(shí)重啟無限期的量化寬松。因此，在次貸危機(jī)之后，中美金融周期分化也是合情合理的。出乎本文意料的是，在整個(gè)樣本區(qū)間內(nèi)兩國的金融周期都表現(xiàn)出分化的特征，對(duì)于這一現(xiàn)象背后的原因需要研究者在未來的研究中繼續(xù)深入探討。

2009年之后，歐元區(qū)深受次貸危機(jī)和歐洲主權(quán)債務(wù)危機(jī)的影響，同樣啟動(dòng)了大規(guī)模資產(chǎn)購買計(jì)劃，新冠疫情在歐洲蔓延之后，歐洲央行啟動(dòng)了“疫情緊急購債計(jì)劃”和定向長期再融資便利，這些操作實(shí)際上與美國的量化寬松并無本質(zhì)差別，同時(shí)，歐元區(qū)至今仍然維持著負(fù)利率政策。2012年安倍政府上臺(tái)后，日本在“安倍經(jīng)濟(jì)學(xué)”的指導(dǎo)下，由其中央銀行背書，日本的金融市場進(jìn)入了大寬松的時(shí)代，在2016年成為亞洲第一個(gè)實(shí)施負(fù)利率政策的國家，其負(fù)利率政策同樣維持到了現(xiàn)在。與歐元區(qū)和日本相比，雖然我國的危機(jī)應(yīng)對(duì)政策造成了金融市場的一些波動(dòng)，但是總體上保持了平穩(wěn)發(fā)展的態(tài)勢，我國始終沒有采用無限量量化寬松的做法，利率水平也穩(wěn)定在較為合適的水平，貨幣供應(yīng)量的增長速度也沒有出現(xiàn)大幅波動(dòng)。由此看來，我國與歐元區(qū)在2009年之后、與日本在2012年之后的金融周期出現(xiàn)分化并不是意料之外的事情。

4 結(jié)論與建議

本文首先利用TVP-SV-FAVAR模型和動(dòng)態(tài)模型平均法，基于1996年1月到2020年9月的月度數(shù)據(jù)，度量了中國、歐元區(qū)和日本的金融狀況指數(shù)，將這三個(gè)金融狀況指數(shù)和美國芝加哥聯(lián)儲(chǔ)發(fā)布的美國金融狀況指數(shù)結(jié)合起來，利用這四個(gè)金融狀況指數(shù)建立了一個(gè)四變量的TVP-SV-VAR模型，以此研究了我國金融周期與其他三個(gè)國家和地區(qū)金融周期之間的關(guān)系。發(fā)現(xiàn)我國的金融周期與美國、歐元區(qū)和日本之間都存在時(shí)變特征，但又有所不同。本文發(fā)現(xiàn)：（1）從總體上來看，中國和美國的金融周期在整個(gè)樣本區(qū)間內(nèi)都表現(xiàn)出分化的特征。（2）在2009年之前，中國和歐元區(qū)金融周期的關(guān)系不明確，而在2009年之后，中國與歐元區(qū)的金融周期開始具有分化的特征。（3）在2012年以前中國與日本金融周期的關(guān)系不明確，而在2012年之后，中國和日本的金融周期開始出現(xiàn)分化的特征。

本文的結(jié)論具有一定的理論價(jià)值。Borio[9]指出，在次貸危機(jī)之后將金融市場納入到宏觀經(jīng)濟(jì)模型中已經(jīng)成為理論研究中亟待解決的問題，他認(rèn)為在使用模型刻畫金融市場的特征時(shí)，首先需要進(jìn)行足夠的實(shí)證研究，明確金融市場、金融周期與實(shí)體經(jīng)濟(jì)周期之間的關(guān)系。本文的研究表明，我國金融市場的狀態(tài)和金融周期的演變與世界其他主要國家之間存在明顯的差異，在使用理論模型分析外部沖擊與我國金融市場的關(guān)系時(shí)必須要考慮這些差異。不假思索地假設(shè)我國金融市場與其他金融市場之間存在對(duì)稱性，雖然能夠大大簡化模型求解的難度，但是得出的結(jié)論極有可能存在偏誤。

同時(shí)，本文的結(jié)論也具有政策價(jià)值。由于次貸危機(jī)之后我國與美、歐、日的金融周期出現(xiàn)了分化，因此在面對(duì)外部金融沖擊時(shí)，政策制定者應(yīng)該首先仔細(xì)區(qū)分沖擊的類別。正向的外部金融沖擊對(duì)于我國來說并不一定是好的，外國金融狀況的改善可能通過資本外流、匯率變化以及利差變化等渠道對(duì)我國金融市場造成損害。因此，在當(dāng)前外部環(huán)境高度不確定、金融市場風(fēng)險(xiǎn)點(diǎn)增多的情況下，可以通過加強(qiáng)跨境資本宏觀審慎管理、加強(qiáng)匯率管理等手段應(yīng)對(duì)外部金融沖擊。

參 考 文 獻(xiàn)：

[1]Claessens S， Kose M A， Terrones M E. How do business and financial cycles interact[J]. Journal of International Economics， 2012， 87（1）： 178-190.

[2]Rey H. Dilemma not trilemma： the global financial cycle and monetary policy independence[R]. NBER Working Papers NO.21162， 2015.

[3]Passari E， Rey H. Financial flows and the international monetary system[J]. The Economic Journal， 2015， 125（584）： 675-698.

[4]安蕾，戴金平.金融周期是否存在全球趨同性？：基于β收斂和兩級(jí)潛在因子模型的證據(jù)[J].世界經(jīng)濟(jì)研究，2020，（8）：31-41，135-136.

[5]鄧創(chuàng)，徐曼.中美金融周期的協(xié)動(dòng)性及其傳導(dǎo)途徑分析[J].世界經(jīng)濟(jì)研究，2015，（11）：12-20，127.

[6]陳曉莉，張方華.中國與東亞、東南亞國家和地區(qū)金融周期趨同性研究[J].國際金融研究，2017，（11）：3-12.

[7]陳曉莉，劉曉宇.全球金融周期波動(dòng)對(duì)中國經(jīng)濟(jì)的溢出效應(yīng)研究[J].國際金融研究，2019，（11）：57-67.

[8]鄧創(chuàng)，徐曼.中美金融周期波動(dòng)的溢出效應(yīng)與傳導(dǎo)機(jī)制研究[J].當(dāng)代財(cái)經(jīng)，2019，（10）：60-72.

[9]Borio C. The financial cycle and macroeconomics： what have we learnt[J]. Journal of Banking & Finance， 2014， 45： 182-198.

[10]Koop G， Korobilis D. A new index of financial conditions[J]. European Economic Review， 2014， 71： 101-116.

[11]陳守東，孫彥林，劉洋.中國金融周期與景氣循環(huán)研究[J].數(shù)量經(jīng)濟(jì)研究，2016，7（1）：15-27.

[12]馬勇，張靖嵐，陳雨露.金融周期與貨幣政策[J].金融研究，2017，（3）：33-53.

[13]Goodhart C， Hofmann B. Financial variables and the conduct of monetary policy[R]. Sveriges Riksbank Working Paper Series， NO.112， 2000.

[14]Goodhart C， Hofmann B. Asset prices， financial conditions， and the transmission of monetary policy[J]. Proceedings， 2001， 114（2）： 198-230.

[15]Goodhart C， Hofmann B. Asset prices and the conduct of monetary policy[A]. In Baum C F， ed. Royal Economic Society Annual Conference 2002[C]. Royal Economic Society， 2002.1-20.

[16]Hatzius J， Hooper P， Mishkin F S， et al.. Financial conditions indexes： a fresh look after the financial crisis[R]. NBER Working Paper No.16150， 2010.

[17]Primiceri G E. Time-varying structural vector autoregressions and monetary policy[J]. Review of Economic Studies， 2005， 72（3）： 821-852.

[18]Del Negro M， Primiceri G E. Time-varying structural vector autoregressions and monetary policy： a corrigendum[J]. Review of Economic Studies， 2015， 82（4）： 1342-1345.

[19]Nakajima J. Time-varying parameter VAR model with stochastic volatility： an overview of methodology and empirical applications[R]. Institute for Monetary and Economic Studies， Bank of Japan， 2011.107-142.

[20]Brunnermeier M K， Sannikov Y. A macroeconomic model with a financial sector[J]. American Economic Review， 2014， 104（2）： 379-421.