郑小琴
(华侨大学 经济与金融学院,福建 泉州 362000)
2008 年由美国次贷危机引发的金融危机,给全球经济造成了巨大的影响,金融成为影响经济周期波动的重要因素。所谓金融经济周期,正是指金融因素导致的经济周期波动。对于我国来说,随着金融自由化程度的加深,影子银行规模的扩大、金融结构的变迁以及金融创新的增加,必然导致金融对经济波动的影响程度以及传导机制发生变化。特别是,当前我国面临“需求收缩、供给冲击、预期转弱”的三重压力,国内外政治经济不确定因素增加,金融经济风险交织,如何保持金融和经济稳定成为当前央行面临的一个重要且棘手的任务。因此,研究不同时期金融对经济波动的影响机制及作用大小的不同,对于央行有针对性地实施宏观经济政策具有重要的理论和实践意义。
本文聚焦不同时期金融对经济波动影响效应的大小及传导机制的不同,在构建金融周期和经济周期指数基础上,基于马尔科夫区制转换向量自回归模型,对金融影响经济周期波动的区制特征进行实证研究,重点探讨造成这种区制性的缘由,最后给出有针对性的政策建议。
事实上,在金融危机发生以前,经济学界已有很多人关注金融因素对经济波动的影响。Fisher[1]的债务通缩理论、Mishkin[2]的金融不稳定理论以及近期的金融加速器理论[3]都从不同角度阐述了金融因素是如何导致产出波动的。前两者主要是从宏观角度讨论了金融因素对经济波动的影响,而金融加速器理论是基于微观层面探讨金融放大经济波动的机制。
近年来DSGE 成为宏观经济学界流行的研究方法,Bernanke et al.[4]最先将信贷市场不完善和企业净值引入带有价格刚性的DSGE 模型中,分析金融市场冲击是如何影响经济波动的,这就是著名的BGG 模型。很多学者都是基于此模型将更多部门的金融摩擦加入DSGE 的分析框架,进而讨论金融影响经济波动的不同传导机制。如: Gertler et al.[5]、Brunnermeier et al.[6]研究了金融中介的资产负债表约束是如何导致实体经济波动的;而Eggertsson et al.[7]、Guerreri et al.[8]研究了家庭部门的资产负债表约束是如何导致实体经济波动的。也有学者(如Iacoviello et al.[9]、Justiniano et al.[10]、Calza et al.[11])将房地产价格引入DSGE 模型,认为房地产作为信贷约束的抵押品,其价格的波动对宏观经济具有金融加速器作用,显著放大了外生冲击对经济波动的影响。国内也有很多学者(如梅东洲等[12]、高然等[13])基于DSGE 框架研究了房地产价格、影子银行等放大我国经济波动的机制。尽管DSGE 能够从微观机制上描述金融放大经济波动的机制,然而DSGE 框架也有诸多不足。首先,DSGE模型是基于理性预期。Borio[14]指出,在对金融失衡的累积建模时,假设经济个体对经济有完全的理解是人为的,因为不确定性是经济行为的关键驱动力。Keynes[15]也说,影响将来的人的决策不可能单纯取决于精确的数学期望,推动社会车轮运行的正是我们内在的冲动。Bordalo et al.[16]在一个新古典模型中引入非理性预期,得出经济主体对于消息、信贷利差等的非理性预期导致了信贷和宏观经济变量的波动。该文指出,现有文献中所述的金融冲击对经济波动具有放大作用,其“金融冲击”的来源正是非理性预期,经济繁荣和衰退时的非预期冲击会放大经济周期的波动。其次,DSGE 模型是基于均衡分析,假设在受到外生变量冲击时,经济最终会回到均衡状态。然而,金融对经济波动的影响有时是非线性的,金融风险是随着经济状态变化而变化的[17]。上述文献启迪我们研究金融和经济波动之间的关系要考虑二者之间的非线性关系,这是本文研究的思想来源之一。
近期也有文献从银行风险承担的角度论证了金融对经济波动的影响机制。如方意等[18]通过考察经济扩张与收缩对银行风险承担的差异性影响,验证了明斯基的“金融不稳定假设”。Coimbra et al.[19]则构建了一个基于异质性银行风险承担的一般均衡模型,指出时变的内生宏观经济风险源于金融中介机构的风险转移行为。也就是说,随着融资成本的变化,如监管放松或者货币政策宽松,风险会在不同的银行之间发生转移。承担风险最小的中介机构通过去杠杆化减少了对风险资产的敞口,而承担风险的中介机构则增加了其资产负债表规模和杠杆率,这导致了金融的脆弱性。上述文献从另一个侧面说明,金融风险是随着时间的变化而变化的,因而金融对经济波动的影响也是时变的。
除了探讨金融对经济波动影响的理论机制外,经济学家们还采用实证分析的方法,探讨信贷、房地产价格等金融变量对经济周期波动的影响效应及机制。此类研究主要以发达国家为主,得出的主要结论是:金融变量和实体经济变量的相互作用确实放大了经济的波动,并且在繁荣期和衰退期表现为不对称性,衰退期的加速作用更加明显[20-22]。这启发我们,在不同时期,金融对经济波动的影响是不同的,这是本文研究的思想来源之二。
Borio[14]提出的金融周期理论从一个新的视角解释了金融对经济波动的影响。根据该文,金融周期是在一个有金融约束的环境中,经济参与者权衡风险和收益过程中所形成的经济行为自我强化的交互作用,而这种交互作用会放大经济波动。描述金融周期最简单的变量是信贷和房地产价格,房地产作为信贷的抵押品,其与信贷的相互加强作用会放大经济周期的波动。金融周期理论不仅从理论上阐明金融和经济波动之间的关系,还为我们如何度量和选择金融变量提供了依据。
Borio[14]还指出,金融自由化降低了融资限制,支持了价值和风险认知、风险态度和融资条件之间自我增强的交互作用,这表明金融自由化助推了金融对经济波动的放大作用。而我国当前正处在金融市场化的进程中,金融结构的变化、影子银行的发展、外部因素的冲击甚至金融监管的强弱等都会影响到金融对经济波动的影响。这是本文研究的实践依据。
另外,也有一些文献研究了我国金融与经济波动之间的关系。邓创等[23]利用主成分分析法测算了中国的金融周期指数,结果表明,中国金融周期波动先于经济周期,且存在长扩张短收缩的非对称效应特征。方芳等[24]通过VAR 模型证实中国的金融周期存在顺周期效应,经济波动与金融周期之间存在着较强的格兰杰因果关系。张超等[25]运用BP滤波和VAR 等方法考察了我国的金融周期特征及其与经济周期的关系,得出金融周期与经济周期在大多数时候同时上升、同时下降,且二者在互动影响过程中房地产等资产价格发挥着关键的传导作用。上述研究主要侧重金融周期的测度以及金融周期与经济周期先后关系的辨别,未从理论上探讨金融对经济波动影响的时变特征。本文将在这一点上进行改进,结合我国金融发展的现实特点,研究不同时期内金融对经济波动影响机制及作用大小的不同。这是本文研究的重点。
为此,我们将区制分析引入金融对经济波动影响的研究,将时间序列区分为两个不同的时间区间,采用马尔科夫区制转换向量自回归模型,从宏观维度上研究不同时间区间内金融变量与经济变量之间的相互关系。这是本文研究的特点。这一研究的理论意义在于,拓展了DSGE 模型仅从微观层面解释金融与经济波动之间关系的不足,也丰富了现有文献在金融对经济波动影响方面的研究。实践意义在于,2008 年美国金融危机后,央行不仅要用货币政策调控经济系统,还要用宏观审慎政策调控金融系统。把区制分析引入金融与经济波动关系的研究,央行可以针对不同时期金融与经济波动关系的不同,制定更有针对性的货币政策和宏观审慎政策,减少金融对经济波动的负面影响。
本文可能的创新是:(1)借鉴金融周期概念和度量方法,将区制思想引入金融经济周期的研究,把整个时间序列划分为经济剧烈波动期和平稳期,并运用马尔科夫区制转换向量自回归模型对不同时间区间内的金融对经济波动的影响机制及作用大小进行实证检验。(2)将金融经济周期与金融加速器理论相联系,从宏观层面对金融加速器理论进行拓展。(3)将金融经济周期与不确定性、公众预期以及金融发展等我国的实际经济形势相联系,探讨了我国金融经济周期存在区制性特征的缘由。
根据以上文献分析,首先借鉴金融周期的概念和测度方法,分别构建金融周期和经济周期指数作为金融与经济波动的代表性变量,其次通过马尔科夫区制转换向量自回归模型,对金融影响经济波动的区制特征进行实证研究,最后得出估计结果。
(一)金融周期指数的构建
关于金融周期指数,主要依据信贷、房地产价格和宏观杠杆率来度量我国的金融周期指数。信贷和房地产价格是金融周期最主要的评判指标,前者代表融资条件,后者反映投资者对风险的预期和态度。此外,由于BIS 官方网站将宏观杠杆率指标相对常态的偏离或缺口作为衡量系统性金融风险的一个重要指标。而且,宏观杠杆率应保持在一个临界值之内,一旦超过了该临界值,就会对经济增长产生破坏性的影响[26]。因此,我们也选取宏观杠杆率作为构建金融周期指数的一个变量。具体来说,选择非金融私人部门信贷作为信贷的代理变量,非金融私人部门主要包括非金融企业、居民及为居民服务的非营利机构,选择全国范围内各类商品房销售价格为房地产价格指标的代理变量,非金融私人部门信贷与GDP 的比重为宏观杠杆率指标的代理变量。非金融私人部门信贷及宏观杠杆率指标数据来源于国际清算银行BIS 网站,其他指标数据来源于国家统计局网站,其中房地产价格数据由全国商品房销售额除以全国商品房销售面积所得。
如何将上述三个变量合成金融周期指数,现有文献提供了很多种方法,如主成分分析[23]、HP 滤波[27]、带通滤波[28-29]以及转折点法[30]。由于测度金融周期不是本文的主要目的,因此,我们选择较简单的HP 滤波来计算金融周期指数。首先,以2000 年价格为基准,将各指标的名义值算为实际值,计算出各个指标的增长率。其次,采用平滑因子为1 600 的HP 滤波取得各指标对其趋势值的偏离或缺口值,将该缺口值作为指标值。由于金融周期指数的代表性变量一共有3 个,还需要将各指标合成一个综合性指标。合成的方法主要有简单的加总平均和主成分分析,本文对两种方法都作了尝试,结果基本相同,这里只给出经过简单加总平均得到的金融周期指数。此外,经济波动的代表性变量为国内生产总值GDP,我们也采用上述同样的方法处理,得到经济周期指数。计算结果见图1。
图1 金融周期和经济周期
如图1 所示,金融周期的波动幅度明显大于经济周期,在两个时期特别明显,一个时期是2001 年至2005 年,另一个时期是2008 年到2011 年。受新冠疫情影响,经济周期在2020 年下降幅度较大。为了进一步观察金融波动和经济波动之间的关系,我们还测算了金融周期指数与经济周期指数4 年的移动标准差,作为金融和经济波动幅度的度量,如图2所示。从图2 中可以看出,2001 到2005 年,金融波动幅度是下滑的,在2005 年到达低谷,而经济波动幅度在2002 年已经达到低谷,2003 年后开始回升。从2005 到2014 年,金融和经济的波动幅度都经历了一个从上升到下降的过程;2015 年之后,经济的波动幅度反而超过了金融的波动幅度。由此,二者在不同的时间区间,其波动幅度及其变化趋势是不同的,这也启发我们,金融波动与经济波动在不同的时间区间关系是不同的。
图2 金融周期与经济周期的4 年移动标准差
(二)MSVAR 模型介绍及估计
研究金融对经济波动的影响,就是在上述构建金融周期和经济周期指数的基础上,采用所计算出的经济周期和金融周期数据,通过建立计量模型,对不同时期金融放大经济波动的效应进行估计,并对其机制进行分析。
根据图2 的基本事实,由于金融周期与经济周期的波动幅度及其变化趋势在不同的时间区间表现不同,因此不宜采用线性VAR 模型。线性VAR模型假设现实的经济结构不会改变,所以模型的系数在整个时期是一致的,无法得到系数随时间的变化情况。马尔科夫区制转移向量自回归模型(Markov Switch Vector Auto Regressive Model),简称MSVAR 模型。自Krolzig[31]提出MSVAR 模型以来,该模型成为研究时间序列数据的一种重要研究方法。其本质上是根据数据之间本身存在的非线性关系,将整个时间序列区分为不同的时间段,分别研究各个时间段内二者之间的关系。这样,不同的时间区间就对应不同的区制。本文正是利用MSVAR 模型的优势,研究不同时间区间内金融对经济波动的作用及传导机制。以下首先介绍MSVAR 模型本身,其次设定模型的区制,最后估计出结果。
1.MSVAR 模型。MSVAR 模型假定在不同的时期,宏观经济时间序列的结构会发生变化,即VAR模型的截距项、均值、系数及残差方差会发生变化。具体来说,该模型假定经济系统存在多个机制,即存在一个不可观测的区制变量St,St∈{1,…M},M为区制的数量,不同的区制代表不同的经济结构。
可观测时间序列向量yt的条件概率密度表示为:
θm为区制m=1,2,…M时的VAR 模型系数,Yt-1为时间序列向量观测值
因此,P阶滞后、具有M个区制的VAR 模型可以表示为:
其中,均值向量μ;系数矩阵A1,A2,…Ap;扰动向量ut的方差是可变的,即μt～NID(0,∑(st)),μ(st),A1(st),…Ap(st),∑(st) 依赖区制变量st。
区制变量St∈{1,…M}服从离散时间、离散状态的一阶马尔科夫过程,各状态间的转变通过转移概率表示,从区制i到区制j的转移概率为:
因此,St的转移概率矩阵为:
其中,pi1+pi2+…+piN=1,i=1,2,…N。
对一个两区制的模型而言,其区制变量的转移概率矩阵为:
根据均值、截距、自回归参数和方差是否依赖于区制变量St所处的状态,MSVAR 模型又可以区分为多种形式:MSM-VAR(均值依赖)、MSI-VAR(截距依赖)、MSA-VAR(回归系数依赖)、MSHVAR(方差依赖)。同时,不同组合搭配起来又可分为:MSIA、MSIH、MSMA、MSMAH 等多种形式,例如MSMAH 表示模型均值、自回归系数和残差方差都随区制变量St的变化而变化。
究竟采用哪种形式,还需要进行实证检验。通过模型回归的对数似然值(log-likelihood)、AIC 准则(Akaike Information Criterion)、SC 准则(Schwarz Criterion)和HQ 准则(Hannan-Quinn Criterion)等确定具体的模型形式。似然值越大,AIC 准则、SC 准则和HQ 越小,则表明该模型回归结果越可靠。具体的估计方法参照Krolzig[31,由于篇幅关系,这里不再给出。
2.MSVAR 模型的区制设定。所谓区制设定,就是依据经济事实或数据本身将整个时间序列划分为不同的时间区间,然后探讨在不同区间内时间序列之间的关系。与Claessens et al.[20]、Mendoza et al.[21]和Claessens et al.[22]等文献将时间序列分为繁荣期和衰退期不同,本文重点关注金融因素对经济波动的作用,并假设金融因素对经济波动的作用在不同的时间区间是不同的。依据图1 和图2 的数据事实,即不同时间区间金融和经济波动幅度大小以及关系的不同,我们将整个时间区间划分为剧烈波动期和平稳期两个时间区间,分别对应MSVAR模型的区制1 和区制2 这2 个区制。
3.模型选择。虽然上述根据经济事实对区制进行了设定,但是还需要判断究竟采用MSVAR 模型的具体哪一种形式。因此,我们构建了包含金融周期和经济周期指数两个变量的MSVAR 模型,并对表1 中9 种具体的模型形式分别进行检验。MSVAR 各种具体形式的含义前述已经介绍,每一种具体的模型括号中的数字分别代表区制数和滞后期数。检验结果见表1。
表1 模型选择依据
依据对数似然值、AIC、HQ 和SC 准则,可以看到MSIAH(2)-VAR(2)(截距、系数和方差依赖、2区制MSVAR 模型)的回归结果优于其他模型。此外,我们还对模型的非线性特征进行了检验,依据选定的MSIAH(2)-VAR(2)模型,LR 线性统计量的值为79.039 5,卡方统计量的P值为0.000 0,Davies 检验的P值为0.000 0,统计结果均拒绝线性模型的假设,说明将模型设定为非线性模型是合适的。因此,我们认为MSIAH(2)-VAR(2)是最合适的模型形式。
4.模型的估计结果。利用OX-MSVAR 软件包对包含金融周期和经济周期指数两个变量的MSIAH(2)-VAR(2)模型进行了估计和检验,所用算法为EM 算法。
回归结果。表2 给出了模型的估计结果。finance代表金融周期指数,finance(-1)和finance(-2)分别为金融周期指数的滞后一期和滞后二期。gdp代表经济周期指数,gdp(-1)和gdp(-2)分别为经济周期指数的滞后一期和滞后二期。Const是常数项。每一行的数值代表回归系数的估计结果。从回归结果来看,金融周期和经济周期二者的数量关系在区制1 和区制2 是不同的,也就是在区制1和区制2 分别以金融周期和经济周期为被解释变量,二者的滞后项作为解释变量时,回归系数的估计值是不同的。由于本文主要研究金融对经济波动的影响,因此,我们重点关注以经济周期为被解释变量时,金融周期作为解释变量的系数大小及显著性。在区制1 即剧烈波动期,以经济周期为被解释变量时,金融周期滞后项finance(-1)的系数为0.21。在区制2 即平稳期,经济周期为被解释变量时,金融周期滞后项finance(-1)的系数为0.05,而且这两个系数均通过了显著性检验。系数大于0 表明,金融对经济波动的影响为正。区制1 的系数大于区制2,表明在区制1 的区间金融对经济波动的影响大于区制2 的区间。
表2 MSIAH(2)-VAR(2)模型估计结果
滤波概率图。图3 给出了区制1 和区制2 分别对应的概率滤波图及平滑图。图3 最上面是金融周期与经济周期指数的原序列图,下面分别对应区制1 和区制2 的概率滤波图。概率滤波图表达的是上述模型结果处于区制1 和区制2 的概率,其含义是如果某个时期属于某区制概率大于0.5,表明该时期金融周期与经济周期的关系对应该区制的回归结果。比如,2020 年第1 季度至第2 季度这个时间区间,处于区制1 的概率大致等于1,那么这一时期金融周期和经济周期二者之间的数量关系对应区制1 的回归结果。
图3 区制1 和区制2 的概率滤波
表3 给出了区制1 和区制2 分别对应的时间区间。处于区制1 的时间区间有三段,2008 年第1 季度至2009 年第4 季度、2017 年第1 季度和2020 年第1 季度至2020 年第2 季度,其他时期则处于区制2。模型结果得出的区制划分区间与前述区制的设定基本相同。前述根据金融和经济的波动幅度将整个时间序列划分为剧烈波动期和平稳期。而模型结果得出的区制1 对应的第一个时间区间,即2008 年第1 季度至2009 年第4 季度正好是金融危机之后,第三个时间区间即2020 年第1 季度至第2 季度正好是新冠疫情发生之后,二者均为经济周期的剧烈波动期,这表明我们的模型设定是合理的。
表3 模型结果的区制划分
转移概率矩阵。表4 给出了区制转移概率矩阵和各区制状态持续期的估计结果。转移概率矩阵的每一个具体数值表示从一个区制转移到另外一个区制的概率。表中0.314 表示从区制1 转移到区制2 的概率,0.082 6 表示从区制2 转移至区制1 的概率;0.686 表示经济维持在区制1 的概率,0.917 4表示经济维持在区制2 的概率。当维持在某一区制的概率越大时,说明经济系统处于该区制的状态是比较稳定的,持续期也较长。该表说明经济系统处于区制2 即平稳期的状态最稳定,持续时间也最长,为12.11 个季度。
表4 区制转移概率矩阵
脉冲响应分析。为比较不同区制下我国的金融对经济波动的放大效应,按照表2 的回归结果,图4 给出了金融因素冲击引起经济波动的脉冲响应函数,脉冲响应函数表明金融的一个单位的正向冲击引起经济波动的作用。从图4 中可以看出,无论是区制1 还是区制2,金融的一个正冲击都会对经济波动产生正向的影响,换句话说,金融因素确实放大了经济波动。但是,区制1 的放大效应远大于区制2。这证明了我国金融对经济波动的放大效应确实存在区制的特征,即剧烈波动期的放大效应大于平稳期。
图4 金融冲击引起经济波动的脉冲响应函数
上文通过MSVAR 模型证明了金融对经济波动放大效应的区制特征,即在经济的剧烈波动期内,金融对经济波动的放大作用大于平稳期。这里的剧烈波动期和平稳期对应的具体时间主要包括两个时间段,一个是2008 年第1 季度到2009 年第4季度,另一个是2020 年第1 季度到2020 年第2 季度。然而究竟是什么原因导致这两个时间区间内金融对经济波动的放大效应比其他区间更大? 其中的传导机制是什么? 要回答这个问题,一方面需要联系金融加速器的理论机制,另一方面需要将金融加速器理论与我国的经济发展现实相结合。
金融加速器理论告诉我们,资产价格的变化会通过企业资产负债表的途径传导至实体经济,放大实体经济的波动。由于受到外部冲击以及新冠疫情的影响,2008 年第1 季度到2009 年第4 季度和2020 年第1 季度到2020 年第2 季度,这两个时间区间的资产价格波动都较大,因而由于金融加速器效应导致的经济波动也较大。尤其是房地产作为信贷重要的抵押品,其价格的大幅度波动会与信贷相互加强而放大经济波动。
然而,金融对经济波动的放大效应之所以在上述两个区间更显著,还有其现实方面的原因。
首先,金融危机后我国经济的不确定因素增加。近年来,不确定性频繁出现在各大媒体报刊,学术界将其定义为未来可能发生的事件中无法预测概率分布的部分[32]。不确定性的大小在经济发展的不同阶段是不同的,也就是具有时变性。根据Baker et al.[33]、胡成春等[34]等对我国政策不确定指数的计量结果,2008 年至2010 年我国的不确定指数较高,正是较高的不确定性导致了金融对经济波动产生更大的放大作用。这一时期不确定性指数较高的原因主要体现在两个方面:一是财政政策的不确定性,为应对国际金融危机的冲击,我国财政政策出现较大调整,2008 年11 月我国启动了4万亿投资刺激计划;二是货币政策的不确定性。为应对国际金融危机的冲击,央行先是采取了较宽松的货币政策,2009 年M2同比增长高达28.5%。没过多久,央行为避免发生系统性风险,货币政策又转为收紧,从2010 年1 月到2011 年6 月上调存款准备金12 次。财政政策和货币政策的“较大变动”使得经济政策的不确定性增加,这一不确定性传导至房地产市场和金融市场,使得房地产价格和信贷的波动变大,从而通过金融加速器效应进一步放大了经济的波动。
其次,不同时期内公众的不同预期会导致金融对经济波动作用的不同。当经济处于平稳期时,央行会采取“一如既往”的经济政策,经济人对房地产价格、股票等资产价格所作的预期变化不大,因之对经济系统的影响变化不大,导致金融因素对经济波动的放大作用也变化不大。但经济处于剧烈波动期时,不确定因素增加导致经济人的预期发生突变,甚至出现金融恐慌,经济人对房地产价格、股票等资产价格所作的预期会大幅度偏离正常价格,严重影响到经济系统,导致该时期的经济产生较大的波动。
再次,随着我国金融改革的不断深化,金融结构即直接融资和以银行信贷为主的间接融资比例发生了较大的变化,这会导致金融与经济波动之间的关系发生改变。根据较权威文献研究,2007 年之前,中国直接融资占比总体呈现上升态势,其中股票市场的发展起到了关键带动作用,但2008 年后,受内外多种因素影响,直接融资占比反而下降[35]。这意味着金融危机后我国以银行信贷为主的间接融资金融结构,不仅没有改善,反而进一步加剧,这使得商业银行在经济波动中的作用凸显,对经济波动的作用变大。
最后,影子银行的快速发展也使得金融对经济波动的作用变大,影子银行被认为是2008 年金融危机的“罪魁祸首”之一[36]。根据孙国锋等[37]对我国影子银行规模的测算结果,以2008 年金融危机为分界线,影子银行规模在2008 年10 月之前较为平稳,占银行创造货币总量的比重呈下降态势,2008 年11月之后逐渐增加。影子银行主要通过两个层面影响经济波动:一是不断推高杠杆率水平,2008 年之后,中国债务水平持续升高,影子银行发挥了“关键”作用[36],较高的债务水平可能触发系统性风险,引发经济的剧烈波动;二是助长了房地产价格的上升,如赵胜民等[38]指出,相比银行信贷,影子信贷对房价影响更迅速也更强烈,而房地产价格和影子银行规模相互促进对金融稳定产生显著的不利影响[39]。
综上所述,金融加速器理论与不确定性、公众预期的变化、金融结构以及影子银行的发展等因素结合在一起,造成了我国不同时期内金融对经济波动作用的不同。
不同时期金融对经济波动影响效应的不同,为政府制定更有针对性的稳定经济和金融的政策提供了理论指导。我们可以通过金融周期和经济周期指数的变化数据作为反馈信号来修订政策制定,设计出更细致的、更有可操作性的和更为协调的政策方案。
一是我们可以根据金融周期和经济周期本身的走向和相互关系设计有区别的政策措施。李拉亚[40]指出央行可把经济周期曲线和金融周期曲线放在同一张图上,依据经济系统和金融系统各自在图中曲线的位置,安排适合的货币政策和宏观审慎政策,对两大系统进行联合调控。他依据经济系统和金融系统在经济周期和金融周期的四种位置和趋势,设计了四种协调配合的联合调控规则。第一种是,如果经济系统和金融系统均趋近谷顶,同时收紧货币政策和宏观审慎政策。第二种是,如果经济系统和金融系统均趋近谷底,同时放松货币政策和宏观审慎政策。第三种是,经济系统趋近谷底,金融系统均趋近谷顶,放松货币政策,启动宏观审慎政策的有选择贷款配给功能,将资金优先安排到经济系统。第四种是,经济系统趋近谷顶,金融系统均趋近谷底,收紧货币政策,启动宏观审慎政策的有选择贷款配给功能,将资金优先安排到金融系统。这一调控规则对公众起导向作用,让公众知道下一步央行的政策方向。这一规则弹性较大,公众知道政策方向但不知道步子有多大,给央行决定政策力度留下相机决策空间。但这也能在一定程度上引导公众预期,减少公众对央行政策制定的盲目感,从而减少公众对策的不确定性,有利于公众安排自己的经济活动。这一调控规则有利于货币政策和宏观审慎政策的协调配合形成合力,减少两大政策的摩擦与冲突,降低两大政策的成本,提高两大政策的效率。
二是我们可利用不同时期金融对经济波动放大效应的不同在两个方面进一步改进这一调控规则,减少这一规则的弹性,增加这一规则的可预期性。一方面,在不同的区制采取不同的政策力度,并把这一点明确告诉公众,减少公众因政策较大变化带来的不确定性,以有利于稳定公众预期,从而稳定金融和经济,减小金融对经济波动的负面影响。另一方面,央行应研制出图1 和图2 那样的经济周期和金融周期图表,作为政策制定的坐标,时刻观测经济周期和金融周期的波动幅度。一旦金融周期出现剧烈波动,央行就需要加大宏观审慎政策力度,以稳定金融周期,从而减轻金融周期对经济周期的放大作用。同时,央行也要增加货币政策力度,防止金融剧烈波动对经济产生不利影响。一旦观察到金融周期和经济周期波动趋于平稳,央行就可以降低宏观审慎政策和货币政策的强度。
以上两个层面的政策设定一个是关注金融周期和经济周期本身的变化趋势,另一个层面是关注金融周期和经济周期的波动幅度,二者相辅相成,缺一不可。
我们依据不同时期金融放大经济波动的不同效应,可以有针对性选用预期管理政策。一方面央行通过“行为”进行预期管理,即通过各种公开市场操作工具,向外界传达货币政策渐进变化和维持不变的信号,从而影响市场预期;另一方面,央行通过“语言”形式进行预期管理,包括央行定期公布的货币政策报告和货币政策委员会会议决议、召开新闻发布会、发表关于未来货币政策取向以及定期的媒体采访[41]。Born et al.[42]通过实证的方法证明了央行演讲和采访对金融市场回报率和减轻市场波动方面的影响较小,但其在金融危机发生时起到了实质性的作用。当经济处于平稳期时,央行可较多采用“行为”式的预期管理,但是当经济处于剧烈波动期时,央行可较多采用“语言”式的预期管理,尽力增加政策的透明度,降低政策的不确定性,增加政策的导向作用。除了在货币政策方面进行有针对性的预期管理以外,政府也要加强对财政政策的预期管理,增加公众对财政政策的可预期性,从而减轻其不确定性对经济波动的放大作用。
本文借鉴金融周期理论的概念与度量方法分析了金融对经济波动影响的区制效应。在构建金融周期与经济周期指数的基础上,通过构建马尔科夫区制转换向量自回归模型,对我国的金融经济周期的区制特征进行了实证研究。结果表明,在经济的剧烈波动期和平稳期,金融对经济波动的放大效应是不同的。当经济处于剧烈波动期时,金融对经济波动的放大作用更强。
一方面,从理论上来看,金融加速器理论是造成不同时期金融放大经济波动效应不同的原因。由于不同时间区间内资产价格波动幅度不同,其通过资产负债表途径传导至实体经济,从而放大了经济周期的波动。另一方面,从现实原因来看,由于国际金融危机的冲击,我国经济发展形势发生了很大的变化。首先是不确定因素增加。其次是公众预期发生了很大的变化,这些因素均会导致资产价格发生较大的波动,因而通过金融加速器原理也放大了经济周期的波动。最后,随着我国金融市场的发展,以间接融资为主的金融结构以及影子银行规模的扩大使得金融对经济周期波动的放大作用变大。
基于以上研究结论,我们主张央行通过金融周期和经济周期指数的变化数据作为反馈信号来修订政策,依据不同时期金融对经济周期波动放大效应的不同,采取不同的政策力度。当金融周期出现剧烈波动时,央行应加大宏观审慎政策的调控力度,以避免由于金融剧烈波动对经济产生的不利影响。同时,央行应较多采用“语言”式的预期管理政策,增加政策的透明度,以稳定公众的预期,增加政策的效果。
猜你喜欢 经济波动经济周期波动 休闲假期小资CHIC！ELEGANCE(2018年24期)2018-08-13浅析我国经济周期与股市波动的关系研究科学与财富(2016年18期)2016-12-22经济周期和我国对外贸易周期关联性分析商业经济研究(2016年14期)2016-09-14成思危：本轮经济周期顶峰或在2019年中国总会计师(2014年1期)2015-03-16