银行预期与中国经济周期波动

于 震,丁尚宇

(1.吉林大学 中国国有经济研究中心,吉林 长春 130012;2.吉林大学 经济学院,吉林 长春 130012)

预期作为市场不确定性条件下影响市场行为主体经济决策的基本要素,始终是理论与实践界关注的重要议题。20世纪70年代前后,相关文献开始围绕预期形成机制深入挖掘并取得开创性进展,为货币理论发展奠定了坚实的微观基础。随着该领域研究的不断深入,预期不仅通过融入经济理论各个层面成为联结微观、中观与宏观分析的纽带,同时也开启了更加广阔的经济学研究视野。

长期以来,预期的宏观经济效应因其所蕴含的丰富政策内涵吸引了众多学者的研究兴趣,预期在宏观经济波动中所扮演的重要角色受到广泛认同。实际上,预期对于宏观经济的影响在早期的经典文献中已有所阐述。如庇古(Pigou)[1]指出,经济主体对未来经济预期较为乐观时会增加资本投入,如果预期未能实现则会缩减投资,进而可能造成经济衰退。相对于庇古(Pigou)强调的投资渠道,凯恩斯(Keynes)[2]在《就业、利息和货币通论》中则认为预期在动物精神(Animal Spirits)驱使下通过影响总供给和总需求最终引发经济波动。遗憾的是,尽管早期研究一方面普遍认识到预期对于经济周期波动存在潜在影响,另一方面却将其置于核心理论体系之外的心理因素范畴。因此,对预期作用的论述明显缺乏系统性和经验性分析。

随着数理方法与实证技术的推陈出新以及行为经济学的异军突起,预期驱动经济周期的渠道和机制逐渐得到了更加直观的验证。其中,一类研究侧重于探究经济基本面消息如何驱动经济周期波动,检验了消息冲击通过影响经济主体预期而改变其投资、消费行为及工作决策并最终导致宏观经济波动这一逻辑。例如,随机动态一般均衡模型(DSGE模型)和贝叶斯估计等前沿方法被应用于测度经济主体预期变动对经济周期波动的贡献,揭示了预期冲击对产出波动的显著解释能力[3]。另一类研究则侧重于考察动物精神,包括认知(行为)偏差、信心(Belief)和情绪(Sentiment)等行为主体非理性预期对经济周期的影响。例如,在DSGE模型框架下假设经济主体预期源自有限理性学习,结果证明情绪冲击与投资决策高度相关,甚至可以解释40%以上的美国经济周期波动[4]。可见,无论基于传统经济学的理性预期假设还是行为经济学的非理性预期假设,在差异迥然的分析框架和方法论体系中,预期均可视为经济周期波动的重要驱动因素。

总结上述文献不难发现已有研究存在以下两个问题:第一,大多数预期驱动经济周期的研究侧重于讨论全要素生产率、消费和投资等传统经济周期影响因素在其中的作用,对金融因素的讨论不够深入,制约了研究的全面性和现实性;第二,在如此研究思维桎梏下,缺乏对重要经济主体预期,尤其是金融市场经济主体预期作用的考察,导致结论的政策启示性和应用性不足。与以往文献有所不同,本文将选择银行预期作为突破口,在阐明银行预期变化驱动经济周期的传递路径及机制的基础上,运用多种实证方法加以验证,并与普遍采用的信贷周期代理指标展开对比分析,揭示银行预期的理论研究和实践应用价值,丰富相关领域研究视角,为中国宏观调控预期管理的政策导向、工具选择及其与宏观审慎监管政策的结合等问题提供经验支持。

一、研究假设及其理论基础

本文认为,银行(1)没有特殊说明,本文的“银行”一词特指“商业银行”。作为金融市场的核心参与者,其预期变化在信贷周期的媒介作用下能够显著推动经济周期波动,因此提出“银行预期驱动经济周期”这一研究假设。

首先,银行预期在信贷周期形成过程中发挥了关键作用。奥地利学派在其经济周期理论中首次提出信贷周期(Credit Cycle)(2)西方学者对信贷周期的研究可以追溯到1844年银行学派代表人物图克(Tooke)对于货币数量论收入分配法的批判,但直到新奥地利学派奠基人哈耶克(Hayek)在其经济周期理论中采用“跨期均衡”分析方法讨论信贷周期,该领域研究才取得重大突破。概念,用以反映信贷规模在内生和外生机制共同作用下的扩张与紧缩现象。根据企业行为理论,预期是企业调整经营与投资决策的基本决定要素。商业银行作为金融企业,业务范围主要集中在吸收存款和发放贷款上。因此,银行预期的改变势必通过影响信贷发放意愿和审批标准引起信贷波动,这一观点在基于理性预期和非理性预期假设的两类研究中得到了统一。例如,行为金融研究表明银行有限理性预期是信贷发放决策的重要依据[5]。当实体经济不景气时,银行对于信用风险的预期过度悲观,信贷政策趋于紧缩;当经济状况好转时,取而代之的是对经济形势预期过度乐观,信贷往往随之迅速扩张。此外,信贷周期也可由信心形成的“诊断型预期”(Diagnostic Expectations)引发。在此心理模式下,银行对未来信贷违约率的预期来自直觉式推测,即基本面消息较好时,银行会预期经济繁荣趋势将持续,因而扩大信贷投放。如果有坏消息冲击,银行则会预期衰退趋势将持续,信贷规模将迅速萎缩,如此循环往复[6]。符合理性预期假设的传统研究同样表明,在信贷繁荣期,如果银行资本受到经济基本面消息冲击而缩水,银行预期将大幅下降并选择减少借贷,即便借款人愿意支付更高的利率,银行发放信贷时也会变得更加严格并遵循更高的贷款标准,甚至会通过各种各样的理由拒绝发放或者少发放贷款[7]。显然,放松贷款标准所激发的信贷繁荣和接踵而来的信贷紧缩构成了信贷周期形成的基础条件,不仅增加了银行乃至整个金融系统的风险,而且加剧了宏观经济波动。

其次,信贷周期对经济周期波动的影响日益显著,已在全球范围内被视作金融和经济危机爆发的根源。20世纪70年代形成发展的不完全信息论推动了金融摩擦在经济周期研究中的广泛运用,金融市场不完美性对MM定理等金融“中性论”发起了严峻挑战。在此过程中,无论是大量理论文献还是现实中频繁发生的金融危机无不揭示出信贷周期在宏观经济波动中的重要作用,其具体机制可以概括为两种不同角度的理论解释。第一种解释强调信贷周期对经济周期影响的外生性,在分析框架中通常基于理性预期假设并引入金融摩擦,其典型代表为金融加速器理论(Financial Accelerator)。根据该理论,当权益融资受限时,投资和消费机会主要依靠债务融资模式并面临外部融资的代理成本问题,体现为外部融资溢价(3)外部融资溢价(External Finance Premium)是金融加速器理论的核心概念,是指当借款者和贷款者存在信息不对称时,就存在外部融资成本高于内部融资成本的问题,即外部融资需付出超额费用。。假设某一时期经济受到负面冲击,在信贷市场摩擦存在的情况下,利用杠杆进行投资和消费的企业与家庭将被迫减少借贷,并削减未来投资和消费,总需求随之降低,导致经济活动萎缩,企业与家庭的资产净值和抵押物价值因此降低,外部融资溢价进一步上升,这一过程将如此延续下去。金融加速器理论阐述了任何较小的暂时性冲击都可能通过引发信贷扩张和收缩,最终对实体经济产生巨大的持续性冲击这一机制[8]。近年来,金融加速器理论凭借对金融经济周期特征及“次贷危机”起因发展的出众解释能力,使得信贷周期传导和放大经济波动的作用得到广泛印证与肯定。另一种解释则着眼于金融体系自身具有的不稳定因素,强调信贷周期对经济周期影响的内生性,其典型代表有金融脆弱性理论(Financial Fragility)以及后续不断涌现的行为金融理论。其中,金融脆弱性理论主要包括金融不稳定假说[9]和安全边界说[10]。金融不稳定假说(Financial Instability Hypothesis)认为,企业在经济繁荣期会不断提高杠杆比率,推高信贷规模,然而扩张必将盛极而衰,引发经济周期向下。也就是说,经济波动的“原罪”是信贷市场的内生不稳定性。与该假说的企业角度相对应,安全边界说(Margins of Safety)从银行角度对金融不稳定假说进行了阐释,认为银行在经济稳定阶段的乐观情绪逐渐缩小了对企业贷款的安全边界,导致信贷规模在现金流小于预期项目上的不合理扩张,企业信贷风险敞口增大生成金融脆弱性。在此情况下,一旦经济运行偏离预期,企业将逾期还贷,中止项目计划,进而引发“债务—通缩”式经济衰退。金融脆弱性理论的贡献在于揭示出信贷周期产生及其对经济周期波动的影响均具有无法避免的内生性,同时也提示了信贷周期调控对于宏观经济稳定的重要性。受金融脆弱性理论中经济主体心理因素作用的启发,行为金融理论认为,信贷市场主体情绪变化催生信贷周期波动并最终引发经济周期波动。在行为理论模型中,银行对未来信贷违约率的预期过度依赖于当前经济形势。即当经济基本面消息较好时,银行会过度乐观,信贷息差(Credit Spreads)变小,信贷规模扩张,推动经济向上;但市场情绪通常存在一个内生的反转机制,因此坏消息将引起信贷息差的急剧变动,所造成的信贷紧缩对宏观经济波动的影响也较为剧烈[6,11]。可见,行为金融理论同样阐明了信贷周期对经济周期影响的内生性特征。

综上,由银行预期推动形成的信贷周期最终显著作用于经济周期波动,信贷周期可视为银行预期影响经济周期波动的作用媒介。因此,本文将“银行预期驱动经济周期”作为预设结论具有丰富和充足的理论联系机理与证据支持。与此同时,以中国为背景展开研究主要基于以下几点思考:

第一,中国属于典型的银行主导型金融体系国家,银行业资产占社会金融资产比例极高。尽管中国金融结构已逐步由单一银行资产向市场化、多元化方向有条不紊过渡,但间接融资仍然是社会融资的主要方式。《中国金融年鉴2016》数据显示,截至2015年末,各项人民币贷款占社会融资规模存量的比例为67.1%,而美国的同期数据是7.8%(4)美国数据为美联储统计的“金融总资产”(Total Financial Assets),该数据虽然在构成上与中国人民银行统计的“社会融资规模”不完全相同,但在一定程度上可以相互比较。。在此背景下,居高不下的全社会杠杆率特别是非金融企业杠杆率,提高了企业财务成本,造成企业债务违约风险上升。这不仅为信贷周期的形成提供了得天独厚的条件,将金融风险过度集中于银行部门,而且增加了信贷市场脆弱性,为信贷风险向宏观经济的传递埋下了隐患。另外,中国银行业的内部结构还不够均衡,五家大型国有商业银行资产占银行业金融机构资产总额比例高达39.2%(5)数据来自《2016年中国金融稳定报告》。,在国民经济发展过程中发挥了举足轻重的作用。国有银行在委托代理关系下普遍存在不同程度的“内部人控制”问题,容易形成管理层意志左右公司战略和经营决策的现象[12]。当然,理论上只要存在委托代理关系,“内部人控制”问题就必然存在,股份制银行同样无法独善其身[13]。无论如何,银行管理层脱离监管与规范决策程序制约,将个人理性或非理性预期转化成银行预期对信贷规模及投向构成干预,都可以视为有利于信贷周期形成的经济环境因素,从而满足本文假设成立的理论基础条件。

第二,国内学者在预期驱动经济周期波动方面的研究成果颇丰,预期冲击对于中国宏观经济波动的影响已被众多文献检验和证实[14]。然而,针对银行预期宏观效应这一具体研究问题,国内研究同样没有突破前文总结现有文献的两点不足,从而为后续研究提供了拓展空间。同时,国内学者在信贷、金融与经济周期关联性方面的研究充分证明,信贷规模及其变化在金融加速器机制下显著影响中国宏观经济波动[15-16]。此类文献可以作为上文所述信贷周期媒介作用存在性的补充与支撑,也表明了本研究在中国的适用性。

第三,中国经济预期管理体系的构建与完善势在必行,而银行预期管理必将在其中占据重要位置。作为货币政策等传统宏观调控手段的有益补充,预期管理在美国等国家应对全球金融危机和经济复苏过程中发挥了积极作用。近年来,引入预期管理已经成为中国宏观调控方式的创新方向之一。国家“十三五”规划纲要明确提出“改善与市场的沟通,增强可预期性和透明度”。银行部门作为中国社会融资的主要来源,不仅通过信贷资源的优化配置润滑实体经济,同时也作为不确定性来源通过货币政策的传导渠道对货币政策有效性产生一定影响。同时,银行部门还是中国系统性金融风险的主要来源,其风险防控对于维护金融体系稳定至关重要。而银行预期作为银行体系运行中的一种内部信号,其透射出的信息远不止金融层面,还反映了金融风险、经济走势、政策导向及企业效益等诸多领域。可见,银行预期研究不仅有助于判断银行自身对于内外部冲击的吸收与调整,其变动趋势更是判断经济周期波动态势与实施宏观调控预期管理的关键指标和结合点。

二、变量选取与实证方案

在有关预期的理论研究和政策分析中,采用调查问卷方式获取预期数据非常普遍。原因在于,现实中预期不仅是经济主体充分利用一切信息,对未来经济形势做出的理性判断,同时也融入了信心和情绪等心理因素的影响,难于直接通过数据定量衡量。而调查问卷通过搜集特定目标群体对未来通货膨胀等经济变量变动趋势的估计,有效获取了预期的原始数据,因此得到了广泛应用[17]。目前,有关银行部门预期的数据大多来源于各国中央银行的调查问卷。美联储1964年率先开展了银行信贷高级管理人员意见调查(Senior Loan Officer Opinion Survey,SLOOS),通过定性数据分析信贷需求、银行贷款标准和贷款意愿等问题。2000年,日本中央银行效仿美联储实施了大型银行信贷业务高级信贷员意见调查,用以预测信贷波动趋势。自2003年起,欧洲央行也在欧元区统一实施银行信贷调查制度(Bank Lending Survey,BLS)。各国中央银行建立的银行调查问卷数据库为讨论银行预期的相关议题提供了便利。

中国人民银行从2004年开始发布《银行家问卷调查报告》。该调查采用全面调查与抽样调查相结合的方式,调查对象为全国各类银行机构(含外资商业银行机构)的总部负责人及其一级、二级分支机构的行长或主管信贷业务的副行长。参与问卷调查的样本银行达到3 102家,全面涵盖了所有银行类型,且结构比例符合现实情况。问卷调查报告包含银行家宏观经济信心指数、货币政策感受指数和贷款需求指数等共计12项指数。其中,银行家宏观经济信心指数(BCI)反映了银行家对整体宏观经济的信心。该指数的计算方法是在全部接受调查的银行家中,先分别计算认为本季经济“正常”和预期下季“正常”的占比,再计算两个占比的算术平均值。从该指数的概念内涵、构造和前文的论述来看,完全可以作为衡量银行对未来宏观经济形势预期的指标。

在明确银行预期代理指标的基础上,本文选取中国国家统计局公布的宏观经济景气指数作为经济周期的代理指标。经济周期波动可以划分为繁荣期、衰退期、萧条期和复苏期四种状态,编制宏观经济景气指数的目的就是通过一系列敏感性经济指标的变动反映经济周期所处阶段。该指数按照经济周期的时间性分为三种类型,即一致指数、先行指数和滞后指数(6)宏观经济景气指数除文中介绍的三种指数外还包括预警指数,由于本研究不涉及,所以没有介绍。。其中,一致指数(COI)由工业生产、就业、社会需求、社会收入四个方面合成,主要反映当前经济的基本走势,转折点大致与经济周期的转变同时发生;先行指数(LEI)由一组领先于一致指数的先行指标合成,指标变动在时间上领先于经济周期波动,可以作为经济未来走势的预测;滞后指数(LAI)由落后于一致指数的滞后指标合成,指标变动在时间上滞后于经济周期波动,可用于确认经济周期的峰与谷。由于宏观经济景气指数来源于微观企业调查,从企业生产经营角度综合反映国民经济运行态势及其变动趋势,属于合成性指数。因此,相对于GDP和工业增加值等传统的单一经济周期代理指标,宏观经济景气指数能够更加全面、客观地刻画经济周期所处位置。

本文通过考察银行预期时间序列与宏观经济景气指数时间序列的周期同步性(Synchronization)来检验原假设H0“银行预期驱动经济周期”。周期同步性是指两个或多个时间序列的周期波动达到峰或谷的时间大致相同,非常适用于检验银行预期对经济周期的驱动作用。本文原假设H0具体描述为:BCI周期与LEI周期的同期时间序列具有显著同步性H0(1)。如果H0(1)成立,则接受原假设,表明银行预期波动在时间上领先于经济周期波动,即银行预期驱动经济周期。另外,考虑到如果LEI与COI联动性较强,则可以利用BCI周期的滞后时间序列与COI周期的当期时间序列具有显著同步性H0(2)作为H0(1)的辅助确认。如果H0(2)和H0(1)同时成立,则结论更加稳健。但LEI与COI并不是单纯的时间前后关系,所以,H0(2)单独成立无法确定原假设H0是否成立。如果H0(1)和H0(2)均不成立,也存在以下两种情况可能成立:H1“经济周期驱动银行预期”或者H2“银行预期与经济周期相互驱动”。根据前文对现有文献的相关阐述可知,经济周期是银行预期形成的重要影响因素,同时也存在两者相互推动形成的机制。鉴于这两个问题的讨论同样具有一定理论和现实意义,本文进一步将备择假设分为两种情况进行检验:备择假设H1:BCI周期与LAI周期的同期时间序列具有显著同步性。如果H1成立,则表明银行预期波动在时间上滞后于经济周期波动,即经济周期驱动银行预期。备择假设H2:BCI周期与COI周期的同期时间序列具有显著同步性,表明银行预期与经济周期双向互为驱动。

至此,既然信贷周期是银行预期驱动经济周期波动的主要媒介,信贷周期对于经济周期的影响理论上要比银行预期更为直接,那么信贷周期对经济周期的驱动力是否显著强于银行预期呢?这关系到银行预期这一指标在理论研究和实践应用中的优越性问题。为解开这一疑问,本文将根据信贷周期的概念,本着“让数据说话”的原则,同时选取金融机构人民币各项贷款余额的环比增加额(LBF)作为信贷周期的代理变量,重复上述针对BCI的全部假设检验进行对比研究,对应假设加*号以示区别。

三、实证方法

现有文献中,周期同步性的测度方法较多,由于方法论差异,即便是样本相同,也会出现实证结果不同甚至截然相反的现象,方法论敏感性问题严重影响着研究结论的稳健性和可信度。通过梳理相关文献,本文认为,周期同步性方法论之间的分歧主要来源于两个方面:一是周期划分的理念差异,二是同步性度量方法的差异。

首先,从时间序列的周期划分理念来看,存在着逻辑上差别较大的两类方法。第一类方法称为“趋势—周期”(Trend-Cycle)分解法。该方法认为时间序列大体上由两部分构成,即“趋势”和“周期”。如果对“趋势”成分加以分离,余下的“周期”部分则可以用来刻画时间序列的波动特征。古典经济周期度量方法作为早期“趋势—周期”分解法的雏形,侧重于分析时间序列的绝对水平收缩和扩张,但随着经济增长率的广受关注,古典经济周期度量方法最终过渡为增长型周期方法。而增长型周期方法以非参数化的滤波(Filtering)技术为主导,其中最为广泛使用的滤波主要包括HP滤波和两种BP滤波。以HP滤波为例,该方法将自然对数形式的时间序列yt分解为“趋势”gt和“周期”ct两部分,即yt≡gt+ct。为识别两种成分,需要最小化gt二次差分形式的损失函数:

(1)

式(1)中,λ是控制趋势成分的平滑参数。式(1)的解为一个线性时间不变滤波,将yt映射到ct,并使得ct方差最小。

BP滤波作为HP滤波的优化,虽然可以部分改善HP滤波高估时间序列周期相关性的问题,但属于样本量有损方法,会导致不同方法论结果之间无法进行合理比较,因而限制了其应用空间。同时,以基于自回归积分移动平均模型(ARIMA)的趋势分解法和不可观测成分模型为代表的参数型方法也有一定应用,但由于方法论自身严格的技术性要求,致使其应用范围远未达到更为简便、高效的滤波方法(7)例如,不可观测成分模型所施加的限制“趋势与周期成分新息部分不相关”使其实证结果与基于ARIMA模型的趋势分解方法结果大相径庭。。

第二类方法称为“拐点”法(Turning Points)。该方法的思路是首先确定时间序列波动的峰和谷,然后按照拐点来划分时间序列上各个时期所处的阶段,通常分为“繁荣期”和“衰退期”两个阶段。该方法同样分为非参数方法和参数方法。其中,非参数方法以BBQ算法[18]为代表。该方法首先通过集合内观测值之间的大小比较来定义时间序列的局部极值,即拐点,进而根据拐点划分某一时期处于“繁荣期”或“衰退期”。如对于自然对数形式的时间序列yt,在时间窗{t-k,t+k}上,无论当s>t还是sys成立,则判断yt为局部极大值(峰)。反之,如前提条件不变,均有yt

峰:t={(yt-2,yt-1)(yt+1,yt+2)}

谷:t={(yt-2,yt-1)>yt<(yt+1,yt+2)}

在拐点识别的基础上,对于季度时间序列来说,一个完整周期的持续期应达到4个季度,本文依照这一规则进行了周期划分。

参数方法以马尔可夫区制转移模型(Markov Regime Switching,MRS)[19]为代表。该模型的参数变化依赖于服从马尔可夫随机过程的区制,区制之间的转换概率可以计算区制的持续期。当模型为两区制时,两区制分别对应“繁荣期”和“衰退期”。例如,对数差分序列Δyt的一个最简单MRS模型可以描述为

Δyt=α+βst+σμt

(2)

Pr(st=1|st-1=1)=p11

(3)

Pr(st=0|st-1=0)=p00

(4)

其次,同步性度量方法之间也存在较大差异。目前最普遍采用的同步性度量方法是计算同期的简单相关系数。例如,在前述的滤波方法分离出时间序列的“周期”成分之后,通过计算两个时间序列“周期”成分之间的简单相关系数来衡量周期同步性程度。显然,由此计算得到的同步性程度中潜在包含了周期波动幅度的相关性信息,而不是单纯反映时间上的一致程度。针对这一问题,可以对处于繁荣期的时点重新赋值1,而对处于衰退期的时点赋值0,通过计算0和1构成序列之间的相关系数来衡量周期同步性程度,从而剔除了波幅的相关信息和影响,完全反映周期波动的时间一致性程度。由上文所述可知,这一解决方法只适用于对“拐点”法得到的周期划分进行周期同步性度量,而滤波方法只能使用简单相关系数计算周期同步性。

然而,上述最终以同期相关系数作为周期同步性测度的方法本质上属于静态方法,无法呈现周期同步性的动态特征。为弥补静态方法的局限性,动态周期同步性方法也得到了广泛应用。其中,以基于VAR预测误差的时域动态方法[20]和基于谱分析的频域动态方法[21]最具代表性。时域方法在VAR模型估计的基础上,利用向前N期预测误差的相关性来衡量两个变量的周期同步性。

(5)

式(5)中,Xt是一个2×1维向量,在本文中由银行预期代理变量BCI(或信贷周期代理变量LBF)和某个经济周期代理变量构成。α0、α1和α2均为2×1维系数向量。Al是2×2维系数矩阵。μt为2×1维误差向量,假定其不存在序列自相关,但内生变量之间的误差向量相关。l为模型的滞后阶数。

频域方法通过谱密度函数构建动态相关系数来衡量周期同步性。考虑两个零均值的随机过程x和y,Sx(ω)和Sy(ω)分别是x和y的谱密度函数,Cxy(ω)是x和y在频率区间[-π,π]上的共谱(Co-spectrum),则x和y的动态周期同步性可以通过ρxy(ω)来测度,计算公式如下:

(6)

根据式(6),本文分别计算了频率区间[0,π]上银行预期代理变量BCI(或信贷周期代理变量LBF)和各个经济周期代理变量的动态周期同步性。

为避免单一方法论产生的敏感性问题,综合考虑方法的代表性和适用性,本文首先在“趋势—周期”分解法和“拐点”法两大类静态方法中选取了HP滤波、BBQ方法和MRS模型进行假设检验。然后,又采用基于VAR预测误差的时域方法和基于谱分析的频域方法展开进一步对比分析,以保证结论的稳健性。

四、假设检验与结果分析

(一)数据处理

由于BCI数据起始于2004年第1季度,为配合该数据,本文样本区间选定为2004Q1—2017Q2,数据频率为季度。由于金融机构人民币各项贷款的原始数据为月度数据,因此通过计算季度内各月份的平均值得到季度数据。文中数据均来源于Wind数据库,并通过Eviews8.0提供的X12进行了季节调整。另外,鉴于方法论要求,HP滤波和BBQ方法使用了自然对数序列。MRS方法、时域方法和频域方法使用了对数差分序列。

(二)假设检验的说明

(1)HP方法。平滑参数λ取值为1 600。

(2)MRS方法。模型滞后阶数由AIC准则确定。

(3)时域方法。分析了各假设检验相关变量基于向前24个季度(6年)预测误差的周期同步性,并选取基于6个季度(1.5年)和16个季度(4年)预测误差的周期同步性作为比较,分别代表短期和长期周期同步性水平。其中,VAR模型的最大滞后阶数为6阶。显著性检验的置信区间通过Bootstrap方法构建,重复次数为2 500。

(4)频域方法。采用标准Bartlett滞后窗口值,计算在[0,π]所有频率下各假设检验相关变量的周期同步性,并选取[0,π/8]和[0,π/3]频带下的周期同步性进行比较,分别对应时域分析方法下6个季度(1.5年)和16个季度(4年)的短期和长期周期同步性。显著性检验的置信区间通过Bootstrap方法构建,重复次数为2 500。另外,对于时域和频域两种动态方法,没有必要再检验周期序列的错期同步性(8)综合考虑可读性,并未全面给出实证方法和模型估计细节。如需要可以联系作者索取文中数据、程序代码与实证结果。。

(三)假设检验结果分析

本文利用选取的5种周期同步性度量方法,遵循上述实证步骤,对提出的研究假设分别进行了检验。其中,基于三种静态方法的检验结果见表1,基于两种动态方法的检验结果如图1和图2所示。根据实证结果,本文重点分析以下两个问题。

表1 基于三种静态方法的假设检验结果及比较

1.研究假设是否成立

首先,从表1中静态方法得到的结果来看,基于HP方法的检验表明,本文核心假设H0显著成立,即“银行预期驱动经济周期”。假设H0(1)和H0(2)均在较高显著性水平下成立,且对应的相关系数为0.407和0.455,表明同步性程度较高。同时,备择假设H1显著负向的检验结果也可以在一致指数和先行指数联动性较强的条件下进一步佐证H0成立。但同为“拐点法”的BBQ方法和MRS方法均无法证明“银行预期驱动经济周期”。其中,BBQ方法仅能够证明备择假设H2显著成立,即“银行预期与经济周期双向互为驱动”,而MRS方法的检验结果在统计上均不显著,说明结论在静态方法中具有较高的敏感性(9)“拐点法”对本研究内容的适用性问题仍存在讨论空间。BBQ方法对于样本量的要求较高,而且不适用于过于平缓的数据,而MSAR方法对于模型设定正确与否较为敏感。本文的数据量较小,且宏观经济景气指数在样本区间内变动较为平缓,使得高、低增长区制划分不够明显。。

其次,从图1和图2的动态方法结果来看,原假设H0在两种方法下均显著通过检验,本文核心假设“银行预期驱动经济周期”成立(10)图1中第一条实线表示基于向前1.5年预测的动态相关系数,对应短期同步性;第二条虚线表示基于向前4年预测的动态相关系数,对应长期同步性;图2中第一条实线表示在[0,π/8]频带下的动态相关系数,对应短期同步性;第二条虚线表示在[0,π/3]频带下的动态相关系数,对应长期同步性。另外,两种动态方法的所有结果均在5%显著性水平下通过检验,为了清晰比较BCI和LBF结果的动态差异,未在图中画出置信区间带。。其中,时域分析方法结果表明,基于向前1.5年和4年预测误差的短期与长期同步性水平分别达到了0.401和0.524,而频域分析方法对应1.5年和4年的同步性水平也分别达到了0.366和0.357。可见,两种动态方法的结果与HP方法结果相似,均显著通过H0假设检验,不具有方法论敏感性,而且同步性水平表明银行预期对经济周期驱动力较强。另外,观察时域方法得到的同步性动态可以发现,银行预期对经济周期的驱动效应在4个季度后才开始迅速显露,比较符合银行部门对实体经济影响存在滞后期的事实,同时也可以作为宏观预期管理的经验证据加以参考。

最后,从备择假设H1的检验情况来看,静态方法得到的同步性结果均为负值,其中只有HP方法的结果-0.265在统计上显著。而动态方法的结果与HP方法结果相似。其中,时域方法得到的短期和长期同步性水平分别为-0.269和-0.369,频域方法对应的同步性水平为-0.291和0.232,两种方法的结论并不统一。因此,根据实证结果,在短期水平上否定“经济周期驱动银行预期”这一假设,结合一致指数和滞后指数的统计含义以及假设H0的检验结果,可以认为在银行预期形成过程中更多受到宏观经济前瞻(Forward-looking)因素而不是后顾(Backward-looking)因素的影响,这显然体现了中国银行业发展环境和生存状态变化对银行行为塑造的结果。近年来,随着存款保险制度的建立和利率市场化的不断深入,银行业竞争日益激烈,依赖存贷差的盈利模式受到严峻挑战。此时银行部门唯有准确把握国家产业政策调整动向,才能在保证利润的基础上有效降低风险。显然,在信贷总体规模有增无减的情况下,银行前瞻性预期产生的影响更多体现在对信贷资金的投向调控而不是规模调控上。

图1 基于时域方法的假设检验结果及比较

图2 基于频域方法的假设检验结果及比较

对于备择假设H2,静态方法中只有BBQ方法表明其显著成立,即“银行预期与经济周期互为驱动”。这一结论还同时被两种动态方法证实。其中,时域方法在短期和长期的同步性水平分别为0.097和0.085,频域分析方法对应的同步性水平分别为0.150和0.501。总体来看,两种动态方法在短期上结论比较一致,即“银行预期和经济周期互相驱动”,但效应微弱。而在长期水平上,频域方法表明银行预期和经济周期相互推动的效果较强,两种动态方法又一次在长期结果上出现不一致。如果前述观点“银行预期更多受到前瞻性因素的影响”成立,那么,频域方法所揭示的当前宏观经济形势对银行预期影响较弱,而未来影响效果增强则较为合理。

2.银行预期是否具有指标优越性

五、结论与启示

银行预期是经济周期的驱动力量吗?对这一问题的解答可以弥补现有研究忽视金融市场经济主体预期的缺陷,也可以为宏观调控预期管理的政策导向和工具选择提供经验支持。本文通过梳理相关文献发现,银行预期通过影响银行放贷意愿和贷款标准引发信贷周期,不仅直接影响实体经济运行态势,同时也在“金融加速器”机制作用下间接放大宏观经济波动,在经济周期形成和演化过程中扮演着重要角色。以此为理论支撑,本文选取中国人民银行《银行家问卷调查报告》中的银行家宏观经济信心指数代表银行预期,选取宏观经济景气指数代表经济周期,运用多种静态和动态周期同步性方法,考察了银行预期与宏观经济景气指数之间的周期同步性关系及水平,保证了实证结果的稳健性,并将银行预期指标与以金融机构贷款余额为代表的信贷周期指标进行对比,揭示了银行预期指标的优越性和应用价值,得到的主要结论如下:第一,银行预期的周期变动在同步性上领先于经济周期,是经济周期波动的显著驱动因素,此结论在动态周期同步性方法中不存在方法论敏感性;第二,银行预期形成具有前瞻性特征,其影响主要体现为对信贷资金的投向调控而不是规模调控。因此,银行预期指标与信贷周期指标相比,对经济周期的驱动作用更强;第三,信贷周期对经济周期的驱动效应存在现实中统计检验困难和被弱化的问题,导致以信贷规模变动等总量指标刻画信贷周期存在较大弊端。实践中可以采用银行预期指标作为其替代,以增强结论稳健性。

本文的研究结论启示,在未来中国宏观调控从目标管理向预期管理的渐进过程中,银行预期不仅应列为宏观调控预期管理的重点对象,同时作为金融市场主体预期的重要度量和监测指标,也是符合宏观审慎监管要求的有力政策工具。在预期管理中,政府部门通过与市场进行信息沟通,合理引导市场预期和微观主体行为,以达到宏观调控的总体目标。可见,预期管理的立足点是引导微观主体预期和行为。结合中国实际来看,商业银行是当前金融市场最为核心的微观主体。根据本文研究结果,银行预期对中国经济周期波动的驱动作用显著,已经形成了金融风险向实体经济传递的机制和路径。显然,未来宏观调控预期管理需要重点关注银行预期变动,以防范金融系统风险对经济体系的负外部溢出,而这恰恰也是宏观审慎监管政策的主要职能。这意味着银行预期管理既可以作为货币政策的重要补充,同时也可以纳入宏观审慎政策工具箱。

目前,中国货币政策与宏观审慎政策“双支柱”的宏观调控框架已经初步确立,体现了政府从宏观调控能力提高到调控思路的转变与创新。对宏观审慎监管政策而言,防止金融市场预期突变是防范系统性金融风险爆发的重要环节,这在2008年美国“次贷危机”发生和发展过程中已得到充分验证(13)在危机初始阶段,美国政府对雷曼兄弟银行的救助不力导致金融危机在市场悲观预期下急剧恶化,成为危机爆发和蔓延的重要原因,显示了金融市场预期冲击的强大破坏力。。鉴于银行预期的理论与实践意义,通过银行预期指标监测和跟踪金融市场主体预期变动,并积极加以科学引导,不仅可以从根源上熨平信贷周期,化解和降低系统性金融风险,服务宏观审慎政策目标,弥补现有宏观审慎政策工具缺乏的“短板”,而且可以通过预期管理与宏观审慎监管政策的融合,促进货币政策与宏观审慎政策之间的相互协调,提高宏观经济调控的政策效率。

然而,现阶段预期管理实践中的制度化规程并不完善,还存在对银行预期管理重视程度和针对性不够等主观意识问题,以及缺乏前瞻性引导等一系列客观方法问题。另外,对银行预期相关数据所包含的可用信息的挖掘也滞后于发达国家,预期管理工具集仍有待于进一步开发和利用。上述问题需要政策制定部门与理论界共同重视。

本文侧重于验证银行预期对于经济周期驱动作用的存在性,由于方法论的局限,未能反映出银行预期变动对经济周期波动的贡献及影响特征。根据行为金融理论,当银行预期偏离理性范围,如受到羊群效应、过度乐观或过度悲观情绪影响时,其非理性预期可能放大经济冲击,形成宏观经济波动的非对称性。中国银行预期是否存在有限理性?对宏观经济波动贡献如何?应考虑在未来研究中对此展开进一步讨论。