许涤龙,刘 悦
(1.广州大学 金融研究院,广东 广州 510006;2.湖南大学 金融与统计学院,湖南 长沙 410079)
金融状况指数的研究进展及启示
许涤龙1,刘 悦2
(1.广州大学 金融研究院,广东 广州 510006;2.湖南大学 金融与统计学院,湖南 长沙 410079)
金融状况指数(FCI)在衡量一国金融整体状况、评估货币政策松紧程度、预测未来产出等方面具有重要的作用。从内涵角度来看,FCI经历了货币政策目标监测、反映金融资产价格信息和金融态势监测三方面功能的变迁;围绕变量选择和权重确定,FCI的编制方法也在不断革新;针对FCI的应用研究,主要集中在分析FCI对货币政策调整,对未来以及实时金融态势监测的有效性等方面。基于已有的分析,进一步研究可从构建FCI体系、形成FCI分析框架和建立基本数据库三个角度开展。
金融状况指数;功能变迁;编制方法
20世纪90年代以来,随着经济全球化和金融自由化的不断深入,金融状况指数越来越受到研究者的关注。这些研究因对金融状况指数研究目标和指向内涵不同,相应地编制方法、效果评价均有所差异,为进一步深化研究奠定了基础。本文主要就金融状况指数方面的研究进行归纳与梳理。
尽管已有文献鲜有对金融状况指数进行明确的界定,但学界公认金融状况指数(Financial Conditions Index,FCI)是从货币状况指数(Monetary Conditions Index,MCI)演变而来,其功能也与MCI的功能有着密切关系,但FCI又不同于MCI,对FCI内涵的理解可以从FCI功能变迁角度进行梳理。从功能变迁来看,FCI的基本职能是对货币政策领域的监测,随后衍生到反映资产价格信息以及对金融态势的监测。
(一)货币政策调控目标的监测
货币政策调控目标具有多重性、层次性与动态性。当货币政策由促进经济增长转化为稳定币值为主要调控目标时,货币政策操作目标也相应发生改变。1991年4月,加拿大银行正式将通货膨胀作为货币政策调控的主要目标,并将MCI作为操作目标。Freedman(1994)在国际货币基金组织(IMF)出版的一份研究报告中首次提出MCI的概念、理论基础和测算方法。从MCI的概念来看,其以利率与汇率加权构成;其理论基础认为利率和汇率是货币政策影响经济的两个主要渠道。他认为,在开放的经济体中,使用利率与汇率进行加权汇总得到指数作为政策操作目标明显优于单独以利率或者以汇率作为操作目标的做法。如提高本国基准利率时,若伴随本国货币对外的显著升值,势必加剧货币政策的紧缩效应。所以,当货币政策当局为了实现紧缩的货币政策目标时,需要在提高利率的同时考虑到利率提高导致的本币升值。
随着MCI受到关注程度的提升,许多研究者认为利用MCI对货币政策监测的准确性依赖于两个方面:一是变量选择的完全性,二是变量与货币政策调控目标的相关性。在变量选择的完全性上,Ball (1999)[1]与Freedman(1994)的观点一致,他在研究货币政策时认为,在开放经济条件下,因汇率制度的灵活性使得货币政策对利率和汇率都产生影响,故应使用MCI校正通货膨胀率与目标通货膨胀率、经济增长率与潜在经济增长率之间的偏离,所以选择利率和汇率两个变量即可,但利率和汇率变量的种类具有多样性,需要通过识别进行选取。而Goodhart &Hofmann(2000)认为在以通货膨胀为调控目标的背景下,利率和汇率不能完全预测通货膨胀,以至于不能准确调控货币政策的目标,他们在MCI基础上纳入房地产价格和股票价格变量形成FCI。而就变量与货币政策调控目标的相关性来看,选取相关性较强的变量构建FCI对货币政策执行效果监测更为显著。而由于变量采用的不一致,FCI监测效果具有较大的差异性,具体综述在后述相应部分进行了梳理与归纳。
(二)金融资产价格信息
随着金融资产价格波动对货币政策及实体经济的影响不断扩大,FCI的功能由监测货币政策衍生到反映金融资产价格信息,即FCI除了具备货币政策目标监测的基本功能,还具有反映金融资产价格信息的功能。
一方面,FCI是金融资产价格内在特征的反映。FCI的核心变量包括利率、汇率、股价和房价,这些变量都反映金融资产的价格,所以金融资产价格信息在FCI中得到很大程度的反映,具体体现在预期收益和风险上。Goodhart&Hofmann(2001)指出FCI中由于包括了短期实际利率、有效实际汇率、实际房地产和实际股价等金融资产价格,进而影响货币政策与总需求状况,其中包含更多的未来预期收益;同时,对资产价格预期收益的影响中,房价和股价对未来预期的影响更大。而Hunter etal(2003)在研究中认为FCI主要反映金融资产的价格,并阐述了资产价格偏离预期收益形成泡沫的机制;同时指出金融资产价格的波动对宏观金融风险的影响,并结合金融危机进行实证研究,分析相关金融资产价格变量对金融泡沫形成的差异性。
另一方面,FCI反映资产价格在货币政策传导渠道上的通畅程度。FCI本身是金融资产价格的综合指数,故其金融资产价格信息作用在货币政策的经济增长目标上也起到关键作用。Borio&Lowe (2002)[2]认为,货币政策变化引起中介目标利率或者货币供应量变化,之后引起资产价格和资产组合价格变化,然后通过金融加速因子效应等引起物价和产出变化,以此来影响实体经济。用FCI来观测金融资产价格信息,进而考察货币政策机制通畅程度,其理论依据在于:金融状况的松紧程度能反映货币政策传导渠道中的资产价格渠道是否畅通,也会对实体经济的未来走向有指示和预测作用。基于此,FCI在功能演化过程中由单纯的货币政策监测转向金融资产价格的综合变动测度方式。
(三)金融态势监测
FCI在货币政策方面具有较好的监测功效,而随着金融的发展,金融危机的频繁爆发和金融市场的剧烈波动,有些学者开始使用FCI来监测宏观金融的态势,具体体现对金融形势监测、金融与实体经济关联、金融态势预测三个方面。
FCI由于涵盖信息较广,能够体现资产市场的基本情况和发展态势,可以更为全面地反映一国的整体金融形势。许多机构,如加拿大银行、高盛公司、OECD、Bloomberg、花旗银行、JP摩根等都定期发布美、欧、澳、日各国的FCI,Premsingh(2010)[3]编制和分析了印度的FCI,高盛发布中国的FCI,这些都是对各个经济主体整体金融形势的监测。
从金融与实体经济关联来看,FCI与实体经济具有较强关联性。Poilly(2010)研究货币政策冲击对金融指数的影响,进而分析金融与实体经济之间的关联性。Matheson(2012)[4]通过研究美国与欧元区的FCI,表明其有效地预测经济活动,同时发现交叉经济影响的指标在两地区之间有较强的关联性。Castelnuovo(2012)也证实了意外收紧的财政政策可通过FCI反映到实体经济中。
基于金融态势监测的FCI具有较强预测功能。Stock&Watson(2001)检验相关金融变量对通货膨胀和实际产出的预测能力的新旧证据,采用38个资产价格变量对7个世贸组织国家进行实证研究,得出结论:在某些国家,一些资产价格或者能够预测通胀或者能够预测产出增长;一段样本期内较好的预测指标与它下一时期的预测能力并不相关;将一些不稳定的预测指标综合到一起可以改进单变量指标的预测能力。Montagnoli&Napolitano(2005)采用GDP缺口、汇率、房产价格、CPI和股票市场价格构建金融状况指数,发现其对实体经济具有预测能力。陆军和梁静瑜(2007)[5]根据中国的实际情况构建金融状况指数,发现其与样本期内的GDP增长率走势较吻合,且对CPI有较强的预测能力;廖信林、封思贤等(2012)构造了我国FCI,发现其在高通胀区制下对CPI通货膨胀具有较好的解释和预测作用。
FCI对金融态势的预测,与自身研究目标关联性极强,也是FCI功能的衍生,但由于经济全球化让金融资产价格的传递性进一步加强,金融自由化让金融运行的变量关系更为复杂,这使得FCI的功能演化呈现多元化趋势。
(一)变量的选择
一般来说,FCI中所包含的变量应能够最大程度反映它与产出以及通货膨胀的关系。最初编制FCI的目的就是反映未来通胀压力以及反映货币政策传导渠道是否通畅,所以能够包含越多反映货币政策和通货膨胀信息的变量就越应被优先考虑。由于FCI是由MCI衍生而来,之前在编制MCI时所采用的两个主要变量即短期利率和汇率作为必选变量纳入指数编制中。早期学者如Goodhart&Hofmann (2001)认为房价和股价是最能反映资产价格变动的变量。还有一些研究(尤其是中国学者在编制中国FCI时)多将货币供应量(主要是M2)纳入指标体系中。这也是基于中国的货币政策考虑的,因为长期以来中国货币政策还主要依赖于数量型传导渠道,M2是个重要的货币政策中介目标和操作目标(余辉、余剑,2013)。
随着理论研究的深入和研究方法的革新,许多研究在金融变量选取上将重点放在金融变量的内生性和外生性以及他们对研究目标的预测能力上。Hatziusetal(2010)认为既然FCI应该是用来总结当前金融变量中所包含的未来经济情况的信息,那么它应该主要衡量金融冲击,即金融状况的外生变化,而不是金融变量本身所包含的过去经济信息对未来经济的预测,即内生的体现。因此,他们在文章中提出将金融变量中与宏观经济相关的内生信息“净化”掉再用来编制FCI①Hatzius等(2010)采用回归方程:Xit=Ai(L)Yt+Vit。其中,Xit为t时期第i个金融变量,Yt是宏观经济指标向量(包括GDP增长率,通胀率等),而Vit与当前的以及滞后的Yt都不相关,因此代表了剔除内生性的金融变量。。Hatzius等的这种方法受到了广泛的认可,之后的很多学者如Osorio etal(2011)在编制亚洲各国FCI以及Brave&Butters(2011)在编制美国FCI时都采用这种方法来“提纯”变量。
金融体系无论是在结构上还是在金融产品上都在不断发展和革新,影响金融状况的金融变量数量也在不断增加,除了一些价格型金融变量还有一些非价格型金融变量,如信贷可获得性等。因此许多学者倾向于将众多金融变量分类②Brave&Butters(2011)将100个金融变量分为三大类:分别是货币市场类变量、债券和股票市场变量、银行体系变量。Erdem &Tsatsaronis(2013)将90个金融变量分为四类:分别是利率利差类、资产价格类、信贷总量类、银行体系运行指示器类;Koop& Korobilis(2013)将20个金融变量分为资产价格、波动性、信贷及流动性变量四大类。并提取金融因子来编制FCI③提取金融因子本质上是用常用的主成分分析方法选择变量,即以公共因子作为编制FCI的变量。主成分分析方法的基本原理是从一系列标准化的金融变量中提取一个或多个能最大限度反映总体变异的互不相关的主成分,而这些主成分是对选择变量的综合,利用数学方法剔除了相关性问题,并以此来总结其中能解释和预测金融状况及宏观经济运行的信息。。金融因子所包含的信息独立于并补充实际变量中所包含的信息,这些信息对实际经济运行有更好的解释和预测能力,同时也能有效避免选择偏好(selection bias)和预设(ad hoc)之嫌(Erdem&Tsatsaronis,2013)。Hatzius等(2010)、Deutsche Bank(2007,2010)均是先选取所有相关的变量,然后采用主成分分析得到各个主成分,用于编制FCI。一些文献采用“近似动态因子模型”(Stock &Watson 2006,2011),广义动态因子模型(就是将动态因子模型和近似动态因子模型综合起来)以及Aruoba etal(2009)和Brave&Butters(2010,2011)采用的状态空间模型,其都是在众多影响因素基础上,利用主成分方法提取相关公因子作为变量的。此外,包含重要解释信息的金融变量也在不断变化,十年前起重要指示作用的金融变量可能如今已退居次要位置,在编制有效的FCI时也必须考虑到这些变化。为了能获得具有更高效预测实体经济运行能力的金融状况指数,一部分学者致力于编制具有动态变量的FCI,即根据变量的信息包含量大小实时选择具体哪些变量应该被纳入指数编制(Gary&Korobilis,2013)。
(二)权重的确定
在赋权方法上,大体上可归为两类:一类是按照经典方法确定变量的重要性程度,进而进行赋权;另一类是根据经济变量之间的结构关系进行赋权。
1.按照变量重要性程度确定权重
对于不同的研究者来说,FCI的各个变量重要性并不能得到一致的认同,相应地确定权重的方法也不一致,但依据的原理是基本一致的,即重要性决定变量的权重。2007年Bloomberg在其网站上发布的美国FCI用了三个市场数据,即货币市场、债券市场和股票市场数据,每个变量都被赋予相等的权重;2009年Bloomberg编制的FCI,包括五个变量,仍然采用等权重方法。OECD(经合组织)在2008年也编制了一套美国FCI但是其中六个变量也都是等权重的。这些研究认为各个变量对FCI的影响程度完全一样,因此赋予相等的权重;但多数学者认为构成FCI的各个变量重要性及信息贡献程度并不相同,因此采用各种方法来衡量相对重要性,并赋予相应权重。
前述的主成分分析中,其变量是各个主成分,各个主成分汇总时权重采用方差贡献率,其本质上是各个主成分对FCI贡献程度,即重要性。一些文献中出现的因子分析法(English etal,2005;Hatzius et al,2010)、回归方程法(Holz,2005)、卡尔曼滤波法(Montagnoli&Napolitano,2005)、主成分分析法(Deutsche Bank,2007,2010)等都是基于方差贡献的原理来确定变量的权重。
2.按照变量之间结构关系确定权重
按照变量之间结构关系确定权重包括大型宏观经济模型法、总需求缩减模型法、VAR模型以及相应衍生模型法。
大型宏观经济模型比较复杂,主要是根据经济理论建立若干联立方程,构成整体经济的运行体系,然后运用仿真模拟来确定金融变量的变动对通胀或产出的影响程度,并以此来确定各变量的权重。在国际清算银行发布的瑞士FCI研究报告中使用了瑞士央行宏观经济模型定权(Lack,2002)。
总需求缩减模型主要包括两个方程:一个是反映产出缺口与利率、汇率及其他资产价格关系的IS曲线;另一个是反映通胀与产出缺口关系的菲利普斯曲线。根据各变量在方程中的系数大小来确定其在FCI中的权重。高盛公司采用IS曲线方程求解可变权重编制了欧盟11国的FCI,并提出通过监测FCI来辅助各国央行制定和调整货币政策(Mayes&Viren,2002)[7]。
脉冲响应的VAR模型法也为FCI编制过程中较常用的一种权重估计方法。首先把各个金融变量和通货膨胀率或者GDP作为内生变量,其他相关变量作为外生变量建立VAR模型,然后通过脉冲响应分析,计算各金融变量一单位新息冲击对通胀或GDP的影响,最后根据影响程度的大小确定各变量的权重。一般采用Cholesky因素分解方法来识别冲击。但是这种方法需要将变量排序,而排序的过程中难免有主观成分在里面。针对这种模型的一些约束还有许多衍生和扩展,如结构向量自回归模型;结构向量误差修正模型;还有时变参数的向量自回归模型等。Beaton等(2009)则分别使用结构VECM模型和美国经济模型(MUSE)定权编制了两套美国的FCI进行对比分析。
从变量的结构关联考察赋权方法,不同方法有其自身优劣。利用大型宏观经济计量模型比较直观,但这种方法操作起来比较复杂,而且包含的变量也不多,同时各个变量对实体经济的传导路径也不统一、不对称,所以这种方法在实际编制FCI中应用较少。而总需求缩减模型需要满足一个假设:即FCI中的所有金融变量彼此并不相互影响,并且被解释变量(总需求)也不会影响这些变量。这一点在实际中很难满足,因为各个金融变量之间或多或少都存在着联系并相互影响。脉冲响应函数定权重与脉冲的顺序有一定关联,而排序的过程中难免有主观成分在里面。
在金融状况指数的应用研究方面,已有文献主要从使用FCI进行货币政策调整的有效性、对未来金融态势预测的有效性、FCI的实时监测有效性三个方面进行研究。
(一)利用FCI调整货币政策的有效性
针对FCI对货币政策调整有效性,有些通过纳入利率的FCI,研究货币政策渠道的通畅性问题。Beaton等(2009)通过构建两个美国FCI评估在零利率下限环境下金融冲击对GDP增长的影响,进一步研究利率在货币渠道中的作用,结果发现紧缩的金融状况在当前周期内抑制了经济增长,零利率下限并不能通过货币政策渠道对需求进行刺激。廖信林等(2012)构建中国FCI,研究不同通胀条件下FCI在渠道中作用大小,文献基于马尔科夫区制转换将通胀划分为高、低区制,并运用FCI对不同区制通胀进行预测。发现高通胀区制下的FCI对通胀有更好的预测作用;低通胀区制下FCI预测能力有所削弱。
而利用FCI来考察货币政策有效性时,还有部分文献从货币政策形式角度考察。贾德奎(2010)建立FCI并利用其时间序列数据,考察其实际值与均衡值之间的离差状况,发现FCI及其偏差可用于间接测度货币政策操作风险的大小,所得到的风险指数可作为宏观调控中的参考指标。余辉、余剑(2013)构建动态权重的中国FCI,发现货币供应量对金融总体形势影响相对权重较大,同时利用FCI发现中国货币政策传导主要依赖于数量型传导渠道。
还有部分文献使用FCI作为货币政策操作目标,这些目标只是重要性程度的差异,并通过实证研究其有效性。封北麟、王贵民(2006)通过构建中国FCI反映未来产出和通胀的变化FCI,认为FCI可以作为中国货币政策的重要参考系,包含真实货币供应量的FCI对CPI有更好预测能力,可用于货币政策操作目标。王雪峰(2009)构建中国FCI并利用状态空间模型,检验FCI对宏观经济在样本期内外的预测能力,FCI可充当中国货币政策中介目标的辅助指标。
(二)FCI对未来金融态势预测的有效性
利用FCI对未来金融态势进行预测有不同的研究,主要围绕是否有效、有效性表现在时间方面的特征、预测对象差异等方面进行。大部分文献认为FCI对未来金融态势具有较强的预测能力,但这种预测目标具有较大的差异性,而有一部分文献觉得效果不是很强。
一些文献专门针对指标进行预测,包括对CPI、GDP等的预测,典型的如Mayes&Viren认为(2002)编制FCI时,纳入房价和股价的FCI包含反映未来通胀压力的重要信息。戴国强、张建华(2009)通过实证发现FCI能够对通胀做出有效预测但是对产出影响不大。巴曙松、韩明睿(2011)构建中国FCI并用于通胀预测检验,发现基于贷款余额的FCI对CPI有良好而稳定的预测作用,可以作为货币政策制定的依据之一进行观察。刁节文等(2011)构建中国FCI预测通货膨胀,发现FCI指数包含通胀的未来信息,可以很好地预测未来的通胀率。陆军、梁静瑜(2007)利用AR模型发现,样本期内FCI与GDP增长率走势较吻合,对CPI有较强预测能力。
一些文献是专门针对预测的时效性方面进行的研究。Montagnoli&Napolitano(2005)研究发现FCI仅可作为货币政策预测目标的短期指示器。Swiston(2008)研究发现包含了信贷可获得性变量的FCI可追踪经济增长并可作为经济周期的先行指示器。Osorio等(2011)通过量化评估亚太地区13个经济体的金融状况时发现,FCI具有先导指示特性。
还有一部分文献是从FCI对实体经济形势预测角度进行研究。Hatzius等(2010)编制美国FCI探讨金融状况与实体经济运行之间的关系,认为FCI有助于预测实体经济运行。Erdem&Tsatsaronis(2013)用主成分分析方法实证表明FCI对实体经济的预测能力优于对通胀的预测能力。Gary&Korobilis(2013)采用DMA和DMS方法来编制动态变量及动态权重的实时FCI具有较好的宏观经济预测能力。
也有部分文献认为FCI的预测能力并不明显。Aramonte etal(2013)检验12个美国FCI对股票收益和宏观经济变量的短期预测能力,发现在短期内(提前一个月或一个季度)FCI对宏观经济预测能力较弱(除了在金融危机期间内)。王玉宝(2003,2005)编制中国FCI检验资产价格所包含的货币政策信息,认为FCI是CPI的原因,资产价格反映货币政策信息但不突出。王彬(2009)构建中国FCI纳入麦克勒姆规则对中国货币政策进行检验,发现中央银行货币政策对经济运行的调节力度不足,对资本市场价格变化反映不显著。
(三)FCI实时监测的有效性
利用FCI进行实时监测的观点主要体现在两个方面:一是认为FCI可以捕捉金融运行中的灵敏性信息。Brave&Butters(2011)在混频金融变量中提取主成分,发现FCI能捕捉美国历史上的金融危机,且可用于监测金融稳定。李建军(2008)通过编制中国未观测货币FCI,发现未观测货币FCI基本能够反映未观测金融对货币运行的扰动程度。万光彩等(2013)构建中国FCI,发现FCI是我国货币政策立场的同步信息指标。徐国祥、郑雯(2013)编制FCI并引入谱分析方法,分析FCI与其他宏观经济指标之间的周期波动关系,发现中国FCI与宏观经济景气指数中的一致指数能够实时监测宏观经济。文青(2013)利用七天回购移动平均利率、实际汇率、上证股票价格、商品房成交额除以商品房成交面积、货币供应量等指标编制FCI,并认为其能反映近十几年来中国金融实时形势变动。二是认为FCI对其他变量具有实时联动的影响。李成等(2010)在研究中发现,FCI对通胀构成单向均值溢出效应;实际经济增长对FCI构成单向均值溢出效应;FCI与通胀、实际经济增长分别存在双向波动溢出效应。陆军等(2011)将构建的FCI纳入新凯恩斯混合菲利普斯曲线估计对通胀的影响,发现动态FCI对当期和未来一个季度的通胀有显著正效应。
从以上文献可以看出,现有研究对FCI的功能定位不清,在编制指数时对我国金融运行的特点和金融监管的要求体现不够。而进一步的研究可以主要从以下三个方面进行。
(一)建立金融状况指数体系
随着金融自由化和经济复杂化的深入,FCI研究目标、编制方法均呈现出多样化趋势,这固然与研究者的主观选择有关系,同时也与经济复杂化关系密切。所以,需要构建由系列指数组成的金融状况指数体系。以体系形式构建的系列金融状况指数,不仅能够避免单一指数的局限性,全面展现金融状况指数的功能,而且能够为中央银行及其他监管机构编制和应用金融状况指数提供多种选择,也可为深化对金融状况指数内部关系的分析奠定基础。
鉴于不同的指标范围、时间频率和赋权方法的金融状况指数在功能上具有显著的差异,需要从不同角度构建由系列指数组成的中国金融状况指数体系:按指标范围不同,构建窄幅、中幅和宽幅的指数。窄幅指数即相当于MCI,中幅指数的指标选择拟参考国外常用的FCI,宽幅指数则在更广泛的范围选择构成指标;按时间频率不同,构建高频、中频和低频的指数,分别采用月度、季度和年度数据进行编制,考虑到我国统计的现实情况,时间频率事实上会在相当程度上制约指标选择的范围;同时,对不同指标范围和时间频率的指数选择不同的方法赋权,形成具有可变组合权重的指数体系。在系列指数的编制测算中,视某一指数的特性和数据的可获得性确定其起编时间,主要利用结构方程模型等统计方法对备选指标的显著性进行检验以保证入选指标的敏感性,并根据赋权方法的类别选择合适的统计指数形式完成指标合成。
(二)形成FCI分析框架
指数很大程度上是一种综合评价的结果,而对其特征、影响因素的研究应该更成为关注的内容。基于此,一方面针对指数本身,可对各个指数及指数体系的离散状态、时间演化特征和构成要素关联性进行分析。离散状态分析是通过对指数测算结果进行离散化处理,形成模糊时间序列并对之展开分析,以此作为评价货币政策执行情况的依据;时间演化特征分析主要是利用时间序列模型和商业周期理论,通过引入渐进性统计检验方法考察指数阶段性的演化规律和系统耗散性,发现指数运行的基本趋势,评价阶段性货币政策的实施效果;构成要素关联性分析主要是通过统计相关分析刻画指数构成要素与货币政策执行效果之间的关联性,寻找指数演化过程中的敏感性变量,为制定和调整货币政策提供依据。另一方面是对金融状况指数体系的影响因素进行分析。主要是对指数外部影响因素即指数结果形成和变化原因的分析。
(三)建立基本数据库
数据库是应用FCI的基础,为编制FCI,数据库尽量包括编制FCI的变量。另外,为了使金融服务实体经济,在变量选择上应体现“从金融到实体经济,从实体经济到金融”的特点,这样才能体现出宏观经济相关政策的一致性。
而宏观金融数据库的建立,还需要与各个统计准则保持一致。一是要能较完整地体现各宏观经济账户之间的相互关系,体现国民经济各机构部门之间的相互关系,尤其是要能体现金融机构部门和与其他机构部门之间的相互关系;二是能够基本上反映经济运行的全过程及各经济环节间的内在联系,突出金融和经济的关系,能基本上反映中央银行调节宏观经济的传递机构;三是在指标的选择上,除了能尽量满足上述编制指数要求外,还要考虑到现行国民经济核算体系、会计制度、统计制度的制约。
[1]Ball L.Efficient Rules for Monetary Policy[J]. International Finance,1999,2(1):63-83.
[2]Borio CEV,Lowe PW.AssetPrices,Financial and Monetary Stability:Exploring the Nexus[J].2002.
[3]Premsingh M.Financial Conditions Index for India[J].Available atSSRN 1527397,2010.
[4]Matheson TD.Financial Conditions Indexes for the United Statesand Euro Area[J].Economics Letters, 2012,115(3):441-446.
[5]陆军,梁静瑜.中国金融状况指数的构建[J].世界经济,2007,30(4):13-24.
[6]陆军,刘威,李伊珍.新凯恩斯菲利普斯曲线框架下的中国动态金融状况指数[J].财经研究,2011,37(11):61-70.
[7]Mayes DG,Virén M.Financial conditions indexes[C].University of Otago Department of Finance Seminar Series,2002.
[8]王雪峰.金融状况指数和货币政策中介目标[J].山西财经大学学报,2009,(11):95-101.
[9]巴曙松,韩明睿.基于SVAR模型的金融形势指数[J].宏观经济研究,2011,(4):26-31.
(责任编辑:王淑云)
1003-4625(2014)11-0095-06
F830
A
2014-09-09
本文系国家社科基金重点项目《金融状况指数体系的构建及应用研究》(编号:13ATJ002)的阶段性成果。
许涤龙(1962-),男,湖南衡阳人,经济学博士,教授,博士生导师,研究方向:金融管理与金融统计;刘悦(1981-),女,吉林通化人,湖南大学金融与统计学院博士生,研究方向:金融管理与金融统计。