金融稳定、金融杠杆与经济增长

王艺璇　刘喜华

摘   要：本文选取2007—2018年的月度数据，采用具有时变性质的向量自回归模型（TVP-VAR）对金融稳定、金融杠杆与经济增长之间的时变关系进行实证研究。研究结果表明：（1）金融杠杆在合理范围内对金融稳定和经济增长具有显著的正效应，若超过临界值，其所带来的收益远小于风险成本，甚至会加剧金融波动、阻碍经济增长。（2）金融稳定与经济增长存在正向、负向交替作用关系：在经济危机时期，金融体系的稳定对经济发展有显著的促进作用;但随着经济复苏，促进作用逐渐减弱，甚至会在一定程度上阻碍经济增长;最后经济增速到达高峰阶段，金融体系的稳定对经济发展产生积极的促进作用。立足经济转型的关键时期，合理调控金融杠杆水平，构建稳健、高效的金融市场体系，对于促进经济与金融协同发展具有重要意义。

关键词：金融杠杆;金融稳定;经济增长;动态研究

中图分类号：F830.9  文献标识码： A  文章编号：1674-2265（2019）10-0022-09

DOI：10.19647/j.cnki.37-1462/f.2019.10.003

一、引言

2008年金融危机爆发，高杠杆被认为是此次金融风险集聚和危机爆发的主要根源。因此，利用“去杠杆”降低或分散金融风险，保障金融稳定已成为共识。根据以往的数据分析结果，经济繁荣时期投资主体大多采取积极的投资策略，金融机构按需提高杠杆率，加大信贷投放力度;但当经济进入衰退期时，金融杠杆却成为诱发金融波动的重要因素。传统金融发展观点认为，发达的金融体系可实现自身的风险分散和自动预警，但危机后研究重点则指向了金融杠杆、金融稳定与经济增长的动态脉冲关系与复杂的内生性关联机制的分析。一方面，危机前后金融杠杆水平由过高阶段转化为急速的“去杠杆化”阶段，这会出现周期性的“繁荣—衰退”现象;另一方面，当前我国处于结构化经济转型的关键时期，经济增速由高速发展转为中高速发展，而金融杠杆却处于持续攀升阶段，出现经济发展与杠杆率错配现象。因此，对金融杠杆、金融稳定与经济增长三者间冲击效用的研究已逐渐成为研究经济增速与金融发展关系的重要关注点。

当经济处于繁荣时期时，金融主体整体呈现向好趋势，企业与家庭需求增长，金融机构会进行大幅度的信贷扩张，经济主体投资于高风险高收益的資产组合的可能性增大;当经济增速放缓后，杠杆率过高的结构性问题逐渐显现，系统性金融风险悄然积累，从而影响金融稳定。金融杠杆可分为微观与宏观两个层面，微观层面主要涉及家庭、企业杠杆以及金融杠杆，宏观层面主要指政府在国家政策实施时的国家债务杠杆，主要涉及政府债务总额/GDP比重。在微观层面，Wagner等（2010）等研究表明，金融机构通过过度信贷扩张，在金融杠杆过高的情况下反向提高杠杆率，增加金融体系的系统性风险。Greenlaw等（2012）研究认为，当经济陷入疲软状态时，面对较多经济主体的信贷紧缩，多数家庭与企业被迫选择减少投资与消费或者缩减经营规模，致使金融杠杆过度化并进而影响金融稳定。在宏观层面，李扬等（2015）将国家债务占GDP份额作为金融杠杆的代理指标，并从宏观层面分析得出我国宏观杠杆率过高，且已经超过大多数国家的研究结论。马勇等（2016）选取面板数据分析了“去杠杆化”对金融稳定的影响，认为“去杠杆化”对金融稳定具有显著的负面影响。总之，一致的观点认为：金融杠杆波动加剧会诱发金融风险，并影响金融市场的稳定性。金融杠杆在合理区间内对经济增长具有明显的促进作用，但杠杆率过高会增加不理性投资、降低资金利用率，使投资回报率缩减，加大偿债压力，进而诱发金融波动加剧。因此，研究如何调控金融杠杆水平、维护金融稳定和促进经济增长具有重要的现实意义。

为减缓金融危机的破坏性影响，政府采取“去杠杆”的解决措施，但“去杠杆”所造成的经济下行引起学者们的广泛关注。依据金融杠杆的定义，金融机构的去杠杆化促使其减小信贷力度，整体经济环境处于需求紧缩状态，金融主体减少投资与需求，其消费力度大幅降低，并进而影响经济增长（Devlin和Mckay，2008）。顾永昆（2017）将金融杠杆危机控制函数代入传统生产函数中，以日本为研究对象，确定企业层面杠杆率的有效合理范围。马勇和陈雨露（2017）借助多个国家宏观杠杆数据建立面板数据模型，在考虑金融杠杆对经济增长影响效应的同时，加入金融杠杆的波动性指标，从杠杆水平与杠杆波动率两方面综合研究金融杠杆对经济增长的影响机制。

以上研究大多以金融杠杆水平对经济增长和金融稳定的冲击效用为重点，但金融体系的风险水平对经济增长也具有显著影响。在经济繁荣时期，金融体系潜藏金融风险，一旦经济紧缩或衰退，金融风险释放会造成全局性的金融危机，并阻碍经济增长。因此，如何防控金融风险、确保经济可持续增长也是学界研究的重点之一。Minsky（1989）采用“金融不稳定”假说描述经济增长与金融稳定间的相关关系。在经济增速高涨时期，经济主体采取积极的投资策略，加大风险高的资产组合投资力度以获取更高的投资收益，使投资者与企业的杠杆率提升，从而影响金融稳定性。邓创和徐曼（2014）以经济周期与金融周期间的时间差异为研究重点，分析了金融风险调控与经济增长之间的关系，得出二者存在显著非线性关系的研究结论。刘金全和潘长春（2016）在此基础上，选取区制转移模型，分析金融稳定与经济增长之间的关联性。研究表明，二者存在显著的阶段性与时变性影响效应，当样本处于经济高速增长期时，金融稳定对经济增长存在显著负相关关系;当经济处于回稳期时，金融稳定作为金融体系的稳定器，与经济增长具有显著的正相关关系。因此，在对经济增长与金融稳定关系的研究中应充分考虑二者的时变性特征。

综合以上分析，在金融危机前，理论研究侧重于如何完善金融体系以防控金融风险，并促进经济增长，但金融危机后，主要涉及杠杆水平、金融稳定与经济增长三者的动态关系的研究。另外，以往文献中大多关注如何判定金融杠杆水平的合理区间，鲜有文献在基于时变特征的视角下研究金融杠杆水平在不同时点上对经济发展和金融稳定的影响效用及其动态变化规律。为此，本文借鉴以往金融稳定指数构建的研究经验，结合我国金融业发展现状，选取代表宏观经济发展、金融发展、房地产经济发展以及市场信心程度的代理指标，并采用主成分分析法构建金融稳定综合指数，以弥补单个指标测度我国金融风险现状的局限性。同时研究金融稳定性、金融杠杆水平以及经济增长在不同滞后期和不同时点上的影响效用，基于时变参数矩阵分析变量在不同时期内的结构性变化，得出变量间的影响机制和效用传递的动态特征，目的是使对不同时点上的影响因素和时变特征的研究更具有针对性。

二、数据分析与模型构建

（一）数据分析

1. 金融杠杆与经济增长指标分析。参考以往文献，大多采取GDP作为经济增长的衡量指标，但由于本文使用月度数据，故采用工业增加值当月同比增长率作为经济增长的代理指标，记为[iv]。

金融杠杆在微观层面可以采用家庭、企业以及金融机构等负债占比衡量，宏观层面采用全国总负债规模占国民生产总值的比重测度，其主要统计指标可用负债/资产、权益/资产等表示。但在国际进行金融杠杆测度时由于各国统计口径的明显差异，进行国家间金融杠杆衡量时，大多采用私人部门信贷/GDP作为金融杠杆的衡量指标。Cecchetti和Kharroubi（2012）基于私人信贷/GDP代理指标，测度50个国家的杠杆水平的临界值，当杠杆水平超过临界值时，随着其持续增长，金融杠杆对经济增长由正相关转换为负相关。马勇和陈雨露（2017）同样采取信贷规模/GDP作为金融杠杆观测变量，研究发现国家间杠杆水平与经济增长之间存在“反U形”关系。本文在借鉴已有文献的基础上，充分考虑数据可得性，选取M2/GDP作为金融杠杆代理变量。基于银行资产测算层面，M2在一定程度上可衡量投资与中间市场的交易活跃性。因此，M2/GDP可替代信贷规模/GDP水平。随着我国经济快速发展，杠杆水平持续攀升，自2008年至2017年杠杆倍数由5.234持续增长至8.215，增长率高达57%，已超过大多数国家杠杆率增长水平。在经济发展初期，信贷快速扩张有利于投资力度提高，活跃市场交易，从而促进经济增长。但信贷规模超过适度水平，金融风险在过高的杠杆水平下潜藏积累，破坏金融稳定，阻碍经济增长。因此，金融杠杆水平需要存在于合理区间内，过高或过低均会降低经济增速，增加金融风险。

2. 金融风险因素分析。在研究金融稳定的分析中，特别是关于宏观金融稳定的相关实证文献中，一般以金融危机发生概率作为衡量一国金融体系稳定性的代理指标。因此，金融危机是金融稳定的负向指标，金融危机概率越高，金融稳定性越低。

金融风险主要体现在以下方面：一是社会融资方式多样，信贷规模扩张、高杠杆成为金融风险的重要来源。政府债务与非金融机构的企业债务风险一定程度上对银行等金融机构产生隱性威胁。二是面对经济发展放缓、企业债务率攀升，银行出现不良贷款率增高、资金配置效率低下等问题。三是经济政策实施过程中的金融创新监管问题。利率市场化使得国内银行资金流动性、风险特征均发生改变，以及人民币国际化趋势和汇率制度变更也会加强国内外金融风险关联性、传播性，同时金融市场创新探索过程中潜藏着新的金融风险点。

综合以上分析，并参考以往学者编制的金融稳定性指数和《中国金融稳定报告》，充分体现金融指数的系统性、敏感性和实时性，结合相关经济理论和经济现状，从宏观经济维度、金融业维度、房地产维度、信心指数维度四方面构建金融稳定评估体系。

（二）TVP—VAR模型构建

原有VAR模型是基于常系数的模型设定，无法解释发生结构性突变时数据间的非线性和时变演变关系。TVP—VAR模型是在传统向量自回归的模型中加入了时变参数，展现变量间的结构性特征与变化趋势，充分弥补了常系数模型设定的局限性。Nakajima（2011）利用多个变量进行TVP—VAR模型检验，对日本经济现状进行研究，对比传统VAR模型检验结果发现，时变参数自回归模型的拟合优度更强，大大提高了估计参数的准确性，并充分演绎了不同时点下参数变化的动态规律。

式（3）是在SAVR模型基础上演变而成的TVP—VAR模型，其中各变量参数满足式（5）—（6），此时变参数模型通过其参数的波动状态，表示随时间实时变化的解释变量对被解释变量的冲击作用，检验参数随时间变化而做出相应改变，这符合金融变量及其运行机制在经济发展中并非一成不变的事实。

三、金融稳定指数构建——综合指数法

（一）理论基础

基于学者针对金融风险成因的分析以及风险传导途径，构建适合我国国情的金融稳定指数（宫晓琳，2012;陶玲和朱迎，2016），以及充分借鉴IMF发布的《金融稳健指标编制指南》关于稳定指标的选取标准，采取主成分分析法构建综合稳定指数，衡量我国金融稳定状态。鉴于我国金融体系成熟度较低，市场经济起步较晚，现今金融体系处于转轨发展的重要时期，数据的连贯度以及稳定性不足，利用多个数据进行回归分析并预测金融稳定情况不适用于我国国情。IMF（2009）也提出，处于金融市场发展初期的发展中国家，可以采取适当方法构建金融稳定指数，作为衡量本地区系统性风险的主要依据，其中综合指数法成为首选。又因为综合指数法是一种较灵活、明晰快捷的方法，一方面，综合指数法是根据金融稳定现状与金融变量的相关性强弱筛选相关指标构建综合指标体系，在综合指标的基础上观测金融稳定的发展现状和走势;另一方面，综合指数法可配合复杂模型使用，在金融稳定体系指标筛选、权重确定等方面可配合其他模型决定。综合分析得出，综合指数法既简单可行，又能综合考虑不同指标在金融风险预警过程中的影响作用。因此，本文采用综合指数法构建金融稳定监管指标体系。

（二）指标选取

基于金融风险的来源分析与以往构建金融稳定指数的经验，本文选取宏观经济、金融发展、房地产经济以及相关信心指数等12个指标构建金融稳定综合指数（见表1），衡量我国金融风险状况，完善金融稳定监管体系。数据区间为2007年1月至2018年12月，包含金融危机前后的时期，来源于万得数据库。

（三）综合指数构建——主成分分析

基于上述的12个基础指标，各指标具有不同的单位，对稳定指数影响方向也不同，因此，在进行主成分分析前，需要对基础指标进行标准化处理。标准化处理后的指标，消除了单位影响和指标自身变异的影响，为主成分分析做好基础准备。采用SPSS软件，分析12个指标的各维度主成分的成分系数及综合方差，将综合指标进行降维处理，根据筛选标准，选取累计方差贡献率不低于80%的前k个主成分。表2显示，各个主成分的贡献率与累计贡献率，第一、第二、第三、第四主成分累计总方差超过80%，此后的主成分特征值的贡献率逐渐减少，因此，选取第一、第二、第三、第四主成分[Z1]、[Z2]、[Z3]、[Z4]。

第一、第二、第三、第四主成分的系數矩阵（见表3）表示各主成分在变量线性组合中的比重，由此合成各主成分，例如：

变量系数为主成分载荷，表示主成分与相关变量的相关系数。第一主成分中，变量[X4]、[X5]、[X10]、[X11]系数载荷为负，说明第一主成分与变量[X4]、[X5]、[X10]、[X11]呈负相关，第一主成分随变量[X4]、[X5]、[X10]、[X11]的升高而降低。相关系数的绝对值表示主成分对变量的解释能力，第一主成分对固定资产投资累计同比增速（[X6]）的解释最充分，代表性最大。同理第二、第三、第四主成分[Z2]、[Z3]、[Z4]的主成分系数矩阵具有相同的解释能力，使用相同的方法解释余下三个主成分的系数矩阵，得到相应的变量关系，进一步剖析各个主成分对变量变化的响应程度。

根据主成分分析的方差贡献率以及主成分矩阵，确定金融稳定体系中各变量的权重，构建金融稳定综合指标体系FSCI（见表4），拟合我国金融稳定的变化趋势。

基于主成分分析法构建金融稳定综合指数，拟合金融稳定的波动趋势，主要分为两阶段分析。第一阶段2007—2011年，金融稳定处于频繁波动状态;第二阶段2012—2018年，金融稳定呈现稳中求进状态。

第一阶段：金融危机爆发前，我国处于经济快速增长的繁荣期，金融市场风险逐渐积累，FSCI指数处于阶段性高峰;金融危机爆发后，不仅给美国带来巨大损失，也大规模影响我国金融体系稳定性，使得累积的金融风险暴露，加剧金融市场波动。根据国内经济环境，一方面，股市出现大规模波动。在金融危机期间上证指数下降幅度明显，最低点下降到1664点;进出口贸易快速缩减，债券市场、房地产市场的风险指标持续攀升。2008年10月—2011年初，为刺激经济复苏，政府实行宽松的货币政策，出台四万亿刺激政策，以提高市场活跃性来助力经济走出疲软状态，同时我国加强金融监管力度。因此，金融稳定性由低谷逐渐上升，总体维持在中等水平。在振兴经济的同时，不可避免会带来一些负面影响：在过度信贷扩张的情况下，房地产易产生泡沫;信贷扩张所带来的大规模不理性投资计划会引发行业的产能过剩，而利润下降使得企业偿债能力降低，加大企业贷款的违约风险。总体来说，国外金融风险的冲击，国内通货膨胀、资本市场的不稳定使得金融稳定指数走势呈波动状。

第二阶段：经济大环境整体向好，呈现稳中有升的趋势，宏观经济、金融发展、房地产市场以及市场参与者等各个维度都呈现出稳定发展的趋势，充分拟合FSCI指数第二阶段平稳发展趋势。

四、金融杠杆、金融稳定及经济增长动态分析

（一）基础检验

根据以往学者经验和采用主成分分析法构建的金融稳定综合指数，选取金融稳定综合指数（FSCI）、经济增长（工业增长值当月同比增长率IDV）、金融杠杆（LEV）三项指标，通过TVP-VAR模型检验金融稳定、经济增长和金融杠杆三者之间的动态演变关系。

基于TVP-VAR模型在进行动态检验前需要验证时间序列是否为平稳序列，因此对金融稳定综合指数、经济增长和金融杠杆三项指标进行ADF检验。结果显示，金融杠杆指标在原时间序列呈现平稳的时间趋势，不需要进行差分处理，保留原时间序列数据;金融稳定综合指数P值为0.0485，未通过显著性检验，一阶差分后p值接近0，在1%显著水平下显著，拒绝原假设，表示金融稳定综合指数一阶差分为平稳时间序列;同理经济增长代理指标的一阶差分序列P值接近于0，在1%显著性水平下显著。在平稳时间序列的基础上，选取TVP-VAR模型的最优滞后阶数，为后续模型构建提供滞后阶数保障。

采用TVP-VAR模型标准的检验滞后阶数准则，选取LR、FPE、AIC、SC、HQ检测滞后阶数，选取最优滞后阶数为4。

（二）MCMC模拟参数估计分析

运用Matlab进行蒙特卡罗模拟以检验参数估计的有效性和稳健性，选取MCMC迭代次数为10000次，舍弃前1000次不稳定的数据。将参数的95%置信区间、Geweke收敛诊断量、无效影响因子Inef作为蒙特卡罗模拟估计的可信性检验依据。其中，检验序列不相关的变量均值方差与后验数据的均值方差的比采用Geweke收敛统计量表示，无效影响因素Inef是基于无效因子检验马尔可夫链的收敛程度，若所有统计量都小于100，则MCMC模拟估计效果良好。

无效因素Inef表达式：

式（7）中，[ρs]为滞后阶数为s时的数据量自相关系数，并设定取值为500，无效影响因素在无限次迭代变换中，数值越小表示估计生成的无效样本数据越多，MCMC模拟估计效果越好。表5显示，Inef统计数据均远小于100，最大的为62.53，最小的为11.01。因此，利用MCMC模拟估计参数分析得出，此样本数据收敛性较高，具有较高的稳健性和有效分析价值。

图2显示了TVP-VAR模型模拟检验参数的样本自回归系数、样本取值路径以及后验密度函数。其中，第一，检验参数的样本自回归系数由开始的高峰阶段迅速下降并趋于平稳，在0附近的较小范围内波动;第二，样本取值路径趋势与后验密度函数的趋势显示，在经过足够多次的MCMC模拟抽样后，数据趋势呈现出较好的收敛性与稳定性。

（三）金融稳定、经济增长及金融杠杆的脉冲响应分析

相较于传统VAR模型，时变参数脉冲响应函数能准确捕捉系数在不同时点上的变化趋势，可以收集更多的脉冲响应信息，更好地推断出变量间的动态变化关系。因此，本文从等时间间隔冲击反应函数和不同时点冲击反应函数两个角度分析金融稳定、经济增长及金融杠杆三者之间的动态冲击关系。

1. 等时间间隔冲击的时变参数响应分析。等时间间隔冲击反应函数表示变量在不同提前期的相互作用关系，并根据脉冲响应趋势图，得到在特定时间间隔的前提下自变量每变化1单位时对因变量的影响效用。若反应函数位于0线以上，则为正向效用;反之，则为负向关系。图3（a）显示，金融稳定对经济增长整体呈现正向冲击关系，并随着滞后期的增加，金融稳定对经济发展的影响越大。其中，滞后期是8和12时，金融稳定对经济发展水平是平稳的正向作用关系;滞后期为4期时，其对经济增长出现了负面作用关系。这主要是因为在短期内，政府加强市场监管，提高风险防范力度，在一定程度上不利于刺激消费和市场交易，因此会较小程度地抑制经济增长;但在中长期发展过程中，金融稳定性的提高为经济发展提供良好、稳健的金融环境，降低金融市场的信贷融资风险，提高资本市场、货币市场的稳定性，对经济增长具有有效的支撑作用。图3（b）显示，杠杆水平的提高对经济增长呈现负向冲击作用。其中，滞后期为长期时，杠杆水平提高对经济增长具有较弱的促进作用。主要原因是，在20期前（2007—2008年一季度），大量外汇涌入国内市场，为保证汇率稳定，央行在外汇压力下增发相应的货币量。为降低增发货币带来的过高杠杆率问题，我国采用提高准备金率和发行央行票据等方式。同时，宏观经济投资环境较为活跃，伴随金融杠杆的适度加大，我国经济发展呈现持续增长的趋势。从20期至40期（2008年中期至2009年），国内经济在金融杠杆攀升的作用下不但没有继续增长，反而呈现快速下降的趋势。90期后（2013—2018年），金融杠杆对经济增长的影响逐渐减弱并趋向于负向作用关系，这主要是基于经济主体各个部门积极推进供给侧结构性改革，为经济发展创造一个良好的增长环境。如图3（a、b）所示，一方面，金融稳定对经济增长在长期发展进程中具有强有力的促进作用;另一方面，金融波动的加剧会引起投资主体的信心下降，对未来投资预期产生偏差，从而在一定程度上引发经济主体的投资恐慌，导致经济发展稳定性大幅下降，经济增长放缓。

圖3（c、d）表示基于不同滞后期经济增长和杠杆水平对金融稳定性的冲击效用。图3（c）显示，金融杠杆水平的提升在长期内（滞后12期）对金融稳定具有负向冲击作用。在经济快速增长时期，金融体系自身可有效降低风险冲击效用，金融深化改革在一定程度上有利于金融稳定;伴随金融杠杆水平的继续攀升，风险抑制效用呈递减趋势，但金融体系维持稳定状态，直至杠杆率达到临界值时，系统性风险达到最低水平;杠杆率跨越临界值后持续飙升，致使由杠杆率过高诱发的结构性问题逐渐暴露，使得金融稳定水平呈下降趋势。图3（d）显示，经济增长对金融稳定有正向冲击作用。滞后8期时，经济增长的影响效用不断减小;滞后12期时，经济增长的冲击效应由平稳趋于迅速增长，其中2007—2012年末，经济增长对金融稳定性的影响较稳定，2013—2018年期间经济增长对金融稳定性呈现不断增长的正向冲击作用。这一趋势变化说明，经济增长对金融稳定具有有效且稳健的促进作用，经济环境的向好趋势有助于金融稳定，可有效抵御金融风险，保障金融资金安全流动，进而对经济发展产生积极的促进作用。

2. 不同时点冲击的时变参数响应分析。图4表示不同时间点上金融稳定性水平和金融杠杆水平对经济增长的冲击作用，以及金融杠杆变化和经济增长对金融稳定性水平的动态冲击影响。图中的短虚线、长虚线、实线分别表示36期、63期、108期对应的各时间点的动态脉冲响应函数，对应时间轴上的2009年12月、2012年3月和2015年12月三个时间点。充分考虑现实经济情况，选取以上三个具有代表性的时间点：第一，经历2008年次贷危机冲击，我国经济危机后期陷入金融风险暴露危机中;第二，经济增速放缓，经济由扩张变为紧缩，由高速增长阶段进入平稳增长阶段;第三，经济进入“新常态”，实行供给侧结构性改革。

图4（e）中三条线几乎呈现重合状态，说明金融稳定对经济增长的冲击和影响随时间变化较小，在三个主要时间点呈现相似的动态影响效应。经济危机冲击期间及“新常态”时期，金融稳定水平对经济增长第2期产生较大的促进作用，呈现阶段性的负向效应，最后趋于平稳。整体来说，金融稳定性水平的提高对经济增长有促进作用。图4（f）描述了金融杠杆在三个时点对经济增长的动态效用。三条曲线的发展趋势表明，在金融危机时，经济发展随杠杆水平的上升而下降，呈现负向效应，在第3期到达最高峰随后影响效应持续减小。金融危机过后，我国经济进入“新常态”，金融杠杆对经济增长的动态脉冲效应基本与前期相同，但整体效用减弱。总之，金融杠杆水平在短期内对经济增长具有促进作用，但在随后发展中，杠杆水平的过度扩张会诱发金融风险暴露，对经济增长产生消极作用。

图4（g）表示基于不同时点经济增长对金融稳定的动态脉冲响应。在次贷危机影响下（t=36），经济增长对金融稳定的影响明显强于危机后的转型时期。这主要是因为，面对严峻的经济形势，政府积极落实刺激经济的计划，使得流动性显著增强，同时激发市场投资热情，提高市场抵御风险的能力。经济进入“新常态”时期（t=108），第三产业对经济的拉动作用不断加强，经济增长的影响效益对金融稳定性冲击增强。因此，相对于前两个时点，在第三个时点上，经济增长对金融稳定的效应更明显。同样，维持杠杆水平处于合理范围内是促进经济增长、推动金融发展进程中的重要环节。图4（h）显示，三个时点下金融杠杆水平对金融稳定性的影响效用基本相同，但在金融危机初期（t=36），金融杠杆水平过高会导致金融稳定性明显下降，对金融稳定具有显著的负向作用，并且金融稳定性在金融杠杆影响下波动幅度明显。整体而言，合理、稳定的金融杠杆水平对金融稳定性具有明显的促进作用。

五、结论与启示

综合以上研究，金融稳定性、金融杠杆水平和经济增长变量具有时变特征，在随时间演进和结构变化的进程中，当这些变量受到外部环境的冲击时，采用时变参数向量自回归模型可以明晰地观察到不同滞后期和关键时点变量之间的动态变化关系和影响机制。本文得出以下研究结论：第一，在不同滞后期的动态冲击下，金融杠杆水平对经济增长的促进作用由正向逐渐减弱直至演变为负向影响;基于不同时点的动态冲击，金融杠杆在合理的区间范围内，对宏观经济有积极的促进作用，但杠杆水平超过阈值后系统性风险随金融杠杆的升高而增加，其对经济增长呈现抑制作用。第二，金融杠杆对金融稳定的冲击效用在不同滞后期内呈现不同的作用，在短期冲击影响下金融杠杆水平对金融稳定有正向影响;但从长期冲击来看，金融杠杆水平过高会降低金融稳定性。基于不同时点的冲击效用，金融危机爆发时期相较于经济“新常态”时期，金融杠杆对金融稳定的冲击效应更加显著。第三，经济增长与金融稳定相互影响，其中金融稳定在不同时期对经济发展均具有显著的正向冲击作用，但经济增长在短期内对金融稳定的正向促进作用微弱，随着经济运行周期变长，经济增长对金融稳定的正向影响变得更加显著，表明经济增长的冲击影响存在滞后效用。

基于以上研究结论，本文得出以下启示：第一，健全宏观审慎管理，监控金融杠杆水平，保持金融稳定。目前，我国面临不良贷款增多及通货膨胀等宏观风险，使金融市场资金安全与抵御风险的能力面临严峻考验。因此，应加强宏观审慎政策中有关调控杠杆水平的监管力度，为促进经济增长提供安全稳定的金融环境。第二，完善金融杠杆调控，平衡经济增长与金融稳定。金融杠杆的波动对经济增长和金融稳定具有显著的负向影响，因此，在调控金融杠杆水平时，应首先采取稳健的调控政策，最大限度降低金融杠杆波动所造成的经济疲软和金融不稳定。

参考文献：

[1]Wagner，W. 2010. Diversification at Financial Institutions and Systemic Crises[J].Journal of Financial Intermediation，19.

[2]Greenlaw.D.A.Kashyap，and K.Schoenholtz. 2012. Stressed Out：Macroprudential Principles for Stress Testing，Chicago Booth Paper No.12-08.

[3]Devlin，W.，and H.McKay. 2008. The Macroeconomic Implications of Financial Deleveraging，Working Paper.

[4]Glick，R.，and K.Lansing. 2009. U.S.Household Deleveraging and Future Consumption Growth，FRBSF Economic Letter，No.16.

[5]Minsky，H. 1991. The Financial Instability Hypothesis： A Clarification. In The Risk of Economic Crisis.Edited by M.Feldstein，158 -170. Chicago： University of Chicago Press.

[6]Cecchetti，G. ，and E. Kharroubi. 2012. Reassessing the Impact of Finance on Growth，BIS Working Papers，No.381.

[7]Nakajima J. 2011. 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.

[8]李扬，张晓晶，常欣.中国国家资产负债2015：杠杆调整与风险管理[M].北京：中国社会科学出版社，2015年.

[9]马勇，田拓，阮卓阳，朱军军.金融杠杆、经济增长与金融稳定[J].金融研究，2016，（6）.

[10]張蕴萍，杨友才，牛欢.山东省金融效率、溢出效应与外商直接投资——基于空间动态面板Durbin模型的研究[J].管理评论，2018，（6）.

[11]顾永昆.金融杠杆、金融制度与经济增长——理论及日本的经验分析[J].财经科学，2017，（9）.

[12]马勇，陈雨露.金融杠杆、杠杆波动与经济增长[J].经济研究，2017，52（06）.

[13]邓创，徐曼.中国的金融周期波动及其宏观经济效应的时变特征研究[J].数量经济技术经济研究，2014，31（9）.

[14]董迪.区域金融稳定性指数的构建与评估研究[J].武汉金融，2018，（2）.

[15]刘金全，潘长春.金融稳定对经济增长的非线性影响机制研究[J].求是学刊，2016，43（4）.

[16]宫晓琳.未定权益分析方法与中国宏观金融风险的测度分析[J].经济研究，2012，（3）.

[17]陶玲，朱迎.系统性金融风险的监测和度量——基于中国金融体系的研究[J].金融研究，2016，（6）.