金融周期与经济周期关联机制研究——基于DY动态溢出指数和时变格兰杰因果关系双重检验

刘金全， 王国志

一、引 言

2008年国际金融危机以后，有关金融周期和经济周期相互作用的研究成为学术界关注的重要议题。国际金融危机的经验表明，金融不稳定加剧了宏观经济波动，导致经济进一步衰退。国际金融危机后，我国经济增长进入新常态，经济增长由高速增长步入高质量发展阶段。外部宏观经济不确定性冲击、贸易摩擦、逆全球化等因素给我国经济增长带来较大不确定性。与此同时，随着利率市场化、汇率市场化改革进程的加快以及金融业和金融市场双向高水平开放，我国金融稳定面临一系列冲击和挑战。所谓“金融活，经济活；金融稳，经济稳”，而经济下行压力与金融风险并存的严峻背景给宏观调控和金融监管带来了极大的挑战。随着国际经济形势和金融环境的变迁，金融周期和经济周期在不同波动阶段的交互影响关系必然存在显著差异，因此理解两者之间交互关系的动态演化，对于特定时期正确制定科学有效的反周期调控政策显得尤为重要。应用动态计量经济模型深入探究金融周期与经济周期的运行态势、普遍关联与交互影响，不仅可以为科学制定经济政策提供实证支持，而且对于宏观经济与金融“双重稳定”的实现具有重要的现实意义。

本文首先在选取相关金融变量的基础上，利用动态因子模型构建金融稳定指数，基于马尔科夫区制转移模型对金融周期进行了刻画和分析。其次利用混频动态因子模型构建类似SW指数，并利用马尔科夫区制转移模型对我国的经济周期进行了划分。再次，基于DY动态溢出指数，详细分析了金融稳定指数和宏观经济指数之间的动态溢出效应，探究了金融周期和经济周期之间不同阶段的交互影响。最后利用时变格兰杰因果检验，检验了金融周期和经济周期的时变因果关系。实证结果表明，样本时期内，我国完整的金融周期平均持续时间要大于经济周期，并且紧缩和扩张期都要大于经济周期的紧缩和扩张期。DY动态溢出指数的分析结果表明，金融波动对经济波动的直接溢出效应要大于经济波动对金融波动的直接溢出效应。金融周期对经济周期的影响占据主要地位。在引入通货膨胀作为控制变量后，时变格兰杰因果检验的结果显示，金融周期只在特定时期才是经济周期的格兰杰原因，稳健性检验的结果支持上述结论。上述结论不仅对于经济新常态时期实现宏观经济和金融的双重稳定具有重要的参考意义，而且从时变动态的新视角检验金融周期和经济周期的因果关系，有利于更好地了解金融周期波动和经济周期波动的本质和规律。

二、文献综述

过去的二十多年，中国经济既出现过2005—2007年间经济与金融的同时繁荣，也出现过2015年间实体热与金融冷并存的现象。这些重要的典型化事实意味着金融周期与实体经济周期间的匹配关系异常复杂，二者既存在共振耦合，同时也可能存在相互背离。Bernanke和Kiyotaki为代表的经济学家以可解决的和不可解决的信息非对称入手提出了金融加速器理论，阐述了金融周期在经济增长中的重要作用。Bernanke, B. S., Gertler, M., Gilchrist, S.,“The Financial Accelerator in a Quantitative Business Cycle Framework”, , 1998, pp.1341-1393. Kiyotaki, N.,Moore, J.,“Balance-Sheet Contagion”, , Vol.92, No.2, 2002, pp.46-50.此后关于金融周期和经济周期之间关联机制的理论和实证研究不断丰富，主要可以分为以下三个方面。

(一)金融周期与经济周期存在正向依存关系

Bagehot和Kiyotaki在经济周期中引入金融因素，考察其与经济周期之间的相关作用，结果发现金融周期在受到外部冲击时实体经济发生持续性和周期性变化。Bagehot, W.,“Lombard Street: A Description of the Money Market”, , Vol.13, No.1, 2006, pp.11445-11448. Gertler, M., Kiyotaki, N.,“Financial Intermediation and Credit Policy in Business Cycle Analysis”, , Vol.3, 2010, pp.547-599.因此，有学者运用BP滤波技术、VAR等方法，分析了经济和金融周期过程中主要宏观经济和金融变量的表现，结果发现经济周期和金融周期具有同步性；经济周期和金融周期相互作用；金融周期会对经济衰退和复苏的时间和强度产生重要影响。同时也有研究发现金融周期与经济周期密切相关，且对经济周期具有良好的预测能力，同时其变化也成为货币周期、信贷周期、金融周期和经济周期的关键驱动因素。与此同时还有部分学者从风险角度来解释金融周期与经济周期之间的依存关系，认为金融风险的积累是一个“过程量”，因此金融周期持续时间大于经济周期且二者存在门槛效应，同时金融周期波动对经济周期波动中短期效应较为明显。Drehmann, M.C., Borio, K., Tsatsaronis,“Characterising the Financial Cycle: Don’t Lose Sight of the Medium Term!”, ,Vol.68,No.3,2012,pp.1-18.

(二)金融周期与经济周期存在反向依赖关系

金融危机爆发后开始有学者对危机产生的根源进行了总结和反思，事实上在经济增长过程中，会不断积累潜在的金融风险，当这种金融风险逼近临界点时，任意一个经济体发生失信行为，都会引起“多米诺”效应，从而向整个经济体系蔓延。Minsky,H.,“The Financial Instability Hypothesis:A Clarification”, , Vol.35,1991, pp.158-170.近年来的研究成果表明金融周期对经济周期具有预测作用，同时也指出金融周期的异常波动可以作为经济周期异常波动的预警信号。Schularick, M.,Taylor, A. M.,“Credit Booms Gone Bust: Monetary Policy, Leverage Cycles and Financial Crises, 1870-2008”, , Vol.102, No.2, 2012, pp.1029-1061. 我国学者刘金全等从金融机构脆弱性视角分析了金融周期与经济周期之间的关系，认为二者是两种相反的区制。经济繁荣时，过度经济增长会使金融机构脆弱性水平上升，经济紧缩时，适度的经济增长反而有利于金融稳定。谢铖等通过面板Probit模型以金融稳定为视角考察金融周期与经济周期动态演化时变的金融稳定效应，认为二者在进行“异步”演化时金融不稳定发生频率较高。付一婷等基于TVP-VAR模型分析了金融周期和经济周期之间的传导效应。结果表明，国际金融危机前后两者之间的传导发生了结构性变化，金融周期对经济周期具有带动作用，而经济周期对金融周期表现出抑制作用。

(三)金融周期与经济周期之间存在非线性和动态溢出效应

Hamilton基于马尔科夫区制转换模型考察了金融周期与经济增长间的作用机制，认为二者在短时期内呈非线性关系，而造成这一现象的主要原因是实体经济周期与金融周期间的错配。Hamilton, J. D.,“A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle”,, Vol.57, No.2, 1989, pp.357-384.通过动态因子模型构建中国金融状况指数(FCI)，利用STVAR模型分析FCI对产出的非对称影响。结果表明，当金融状况处于不同状态时，FCI对产出水平具有非线性。FCI在状况较好时对产出具有显著正向影响，而FCI在状况较差时对产出具有显著负向影响。还有学者从金融周期和经济周期的动态关联性进行了实证分析，指出随着我国金融深化和开放度的提升，我国金融经济周期与真实经济周期之间的动态相关性稳步上升，金融对经济周期的影响显著。有部分学者通过溢出指数和动态因子模型研究了金融周期和经济周期之间的动态溢出效应。Diebold, F. X., Yilmaz, K.,“Better to Give than to Receive: Predictive Directional Measurement of Volatility Spillovers”, , Vol.28, No.1, 2012, pp.57-66.王国静和田国强则将金融冲击引入到经济系统中构建了DSGE模型，实证表明，金融冲击是导致我国经济周期波动的主要驱动力，能够解释近80%的产出增长波动。邓创和徐曼研究了我国金融周期和经济周期之间的动态溢出效应，结果表明金融波动对经济波动的溢出影响显著，而经济波动对金融波动的影响则相对有限。

通过文献回顾不难发现，现有研究多是从理论解析和仿真模拟两方面探寻金融周期与经济周期之间的关联机制。但对金融周期和经济周期的测度仍未达成共识。此外，即便是在二者的关联机制上，不同时期的研究得出的结论也各有不同，这很可能意味着二者之间的关联机制服从时变特征。因此诸多学者开始关注二者间的动态溢出效应，然而截至目前，从动态时变的角度刻画二者间因果关系的研究仍不多见。有鉴于此，本文将结合我国金融与经济周期的运行情况，系统地开展金融周期与经济周期的测度、划分与特征分析。在利用DY溢出指数分析二者之间动态溢出效应基础上，进一步通过时变格兰杰因果检验研究二者之间的因果关系，这一研究能够较好地补充以往研究的空缺，并能从动态时变的视角解释二者之间的关联机制与交互影响。

三、中国金融周期和经济周期间的溢出效应检验

为了检验金融周期与经济周期之间的溢出效应，合理测度金融周期和经济周期是关键。因此分别利用动态因子模型和混频动态因子模型构建我国的金融稳定指数和混频宏观经济因子，在此基础上，利用马尔科夫区制转移模型对金融周期和经济周期进行划分。最后利用构建的指数基于DY溢出指数分析两者之间的溢出效应。

(一)动态因子模型

动态因子模型的状态空间形式可以表述如下：

x

=

Λ

f

+

Λ

f

-1+…+

Λ

f

-+

e

(1)

f

=

A

f

-1+

A

f

-2+…+

A

f

-+

u

(2)

其中

x

是

N

×1维标准化的可观测变量，

f

是

q

×1维不可观测的动态因子。可观测方程(1)的冲击项

e

称为异质成分，其与动态因子

f

及其滞后项均不相关。假设

e

在横截面和时间序列上均弱相关，因此动态因子

f

刻画了变量互协方差矩阵的重要性质；假定动态因子

f

和异质成分

e

二阶平稳。此外假定

N

可以相当大(大到数百)，而

q

则可以很小。

R

表示

e

的

N

×

N

协方差矩阵，

Q

表示

u

的

q

×

q

协方差矩阵，假设

e

和

u

相互独立。利用VAR (

p

)近似表示潜在的动态因子

f

，

A

,…,

A

是

q

×

q

矩阵的自回归系数。对于

j

=0，…，

s

，矩阵

Λ

均包含动态因子的载荷，故

x

=

Λ

f

+

Λ

f

-1+…+

Λ

f

-。

当

s

+1<

k

时，设定

Λ

+1=…=

Λ

=0，此时可观测矩阵

Λ

=(

Λ

Λ

…

Λ

)。通过上述定义，状态空间模型的静态因子形式可以表示如下：

x

=

ΛF

+

e

(3)

(4)

随着可获得数据频率越来越多，如何利用不同频率的数据构建模型成为当前研究的热点问题。通过混频数据建模，可以充分使用不同频率数据所蕴含的信息。Mariano和Murasawa构建了包含月度和季度数据的混频动态因子来构建SW指数，并测算经济周期。因此，本文参考Mariano和Murasawa的方法构建了我国的混频宏观经济因子。限于篇幅，对混频动态因子不做详细阐述。Mariano, R. S., Murasawa, Y.,“A New Coincident Index of Business Cycles Based on Monthly and Quarterly Series”, , Vol.18, No.4, 2003, pp.427-443.

(二)金融周期的测度

金融周期的测度主要是通过构建金融稳定指数来完成。较常使用的计量方法主要有VAR方法、动态因子法和主成分分析方法等。与金融周期密切相关的指标主要来自于货币市场、债券市场、外汇市场、股票市场、房地产市场等。这些市场的协同波动以及市场间的波动传导共同构成了金融周期的波动，因此，合理选取代表上述市场波动的指标，并通过合成指数的方法得到金融稳定指数较为适宜。本文构建金融稳定指数的金融相关变量主要有货币市场代表性指标：七天同业拆借加权平均利率、广义货币供给量M2；债券市场代表性指标：七天银行间债券质押式回购交易加权平均利率；外汇市场代表性指标：实际有效汇率；股票市场代表性指标：上证综合收盘指数；房地产市场代表性指标：国房景气指数。以上数据均为月度数据，通过HP滤波的方法提取各个变量的循环成分后，通过标准化的方法消除各个变量的量纲差异后构建动态因子模型。以上数据来源于中经网数据库、WIND数据库，时间跨度为2000年1月至2019年12月。依据Bai and Ng的做法，确定动态因子的个数为1。Bai, J., Ng, S.,“Determining the Number of Factors in Approximate Factor Models”,, Vol.70, No.1, 2002, pp.191-221.进一步采用主成分分析法的动态因子模型得到我国金融稳定指数，具体结果如图1所示。当金融稳定指数大于0时，表示金融稳定处于相对稳定的状态；当金融稳定指数小于0时，表示金融稳定处于相对不稳定的状态。

为了进一步刻画我国的金融周期，利用马尔科夫区制转移模型对得到的金融稳定指数进行分析。对得到的FSI数据建立MS-AR模型，在确定区制为2的情况下，AR(1)模型的拟合结果最好。MS(2)-AR(1)的估计结果如表1所示。

图1 2000年1月至2019年12月金融稳定指数

表1 我国金融周期MS(2)-AR(1)模型估计结果

从表1不同状态下常数项的结果来看，两者大小不一，说明不同区制下常数项存在差异，模型的估计效果较好。转移矩阵的结果表明，如果当期金融周期处于紧缩状态，那么它下期依然处于紧缩状态的概率为0.980 5；与之相对应，如果当期金融周期处于扩张状态，那么它下期依然处于扩张状态的概率为0.977 7。上述紧缩状态和扩张状态的概率均超过0.97，说明金融周期维持紧缩状态和扩张状态具有稳定性。

结合表2和图2的结果可以看出，我国金融周期在样本区间内经历了3个完整周期。第一个金融周期：2000年1月至2008年9月。其中2000年1月至2007年6月为金融稳定期，即2007年美国次贷危机前，我国金融周期处于相对稳定(扩张)的时期。2007年7月至2008年9月，我国金融稳定受美国次贷危机的影响，处于紧缩的时期。第二个金融周期：2008年10月至2015年5月。其中2008年10月至2010年11月，为了应对国际金融危机的影响，2008年我国推出4万亿刺激计划，一定程度上稳定了金融波动，维持了两年左右的金融稳定时期。2010年12月至2015年5月，受全球金融危机的深化影响和欧洲债务危机的拖累，在这一时期，我国金融周期处于紧缩的阶段。第三个金融周期：2015年6月至2019年12月。其中2015年6月至2016年11月受我国股票牛市余波的影响，出现了短暂的金融稳定时期。而此后，随着我国经济步入高质量发展阶段，经济增速放缓，以及经济政策不确定性显著增强，我国金融周期再次进入紧缩的阶段。

表2 MS(2)-AR(1)估计的金融周期

图2 2000年1月至2019年12月我国金融周期的划分(阴影部分为紧缩时期)

(三)经济周期的度量

关于经济周期的测度，本文主要参照中国经济景气监测中心构建的一致指数，该指标可以充分反映当前国民经济运行的态势，同时本文考虑到GDP是全面反映经济运行态势的综合指标，结合我国经济统计的实际情况以及数据的可获取性，选取的指标包括国内生产总值(GDP)、工业增加值、固定资产投资总额、货币供给量(M1)和全社会消费品零售总额。其中GDP是反映一国(或地区)经济实力和市场规模的重要指标，工业增加值是衡量一定时期工业生产活动的重要指标，固定资产投资总额是反映固定资产投资规模、速度和投资比例关系的综合指标，M1增速是衡量社会消费和终端市场活跃程度的重要指标，选取社会消费品零售总额是表现国内消费需求最直接的数据，同时也是反映国内各行各业零售市场的变动情况，是衡量经济景气程度的重要指标。以上指标除GDP为季度数据外其余指标均为月度同比数据，其中固定资产投资总额采用累积同比值，其余数据均为当期同比值。对于工业增加值和固定资产投资总额，由于国家统计核算方法改变而导致的缺失值，采用插值法补齐。以上数据均来自于中经网统计数据库，时间跨度为2000年1月至2019年12月。将上述变量进行季节调整后建立混频动态因子模型，得到我国混频宏观经济因子如图3所示。

图3 我国混频宏观经济动态因子

同样与金融周期建模相一致，基于MS-AR模型，在确定区制为2的情况下，AR(0)模型的拟合结果最好。MS(2)-AR(0)的估计结果如表3所示。从表3不同状态下常数项的结果来看，两者大小不一且均显著，说明模型的估计效果较好。转移矩阵的结果表明，如果当期经济周期处于紧缩状态，那么它下期依然处于紧缩状态的概率为0.984 6；与之相对应，如果当期经济周期处于扩张状态，那么它下期依然处于扩张状态的概率为0.981 5。上述紧缩状态和扩张状态的概率均超过0.97，说明我国经济周期维持紧缩状态和扩张状态具有稳定性。

表3 我国经济周期MS(2)-AR(0)模型估计结果

表4 MS(2)-AR(0)估计的经济周期

图4 2000年1月至2019年12月我国经济周期的划分(阴影部分为扩张时期)

结合表4和图4的结果可以看出，我国经济周期在样本区间内经历了2个半完整周期，对比样本期内我国经济周期和金融周期平均持续期，二者均是扩张期大于紧缩期。其中，金融周期的持续期小于经济周期的持续期，金融周期相比经济周期更短，这也使金融周期更容易对经济周期产生影响。原因在于相较于宏观经济的发展，我国金融市场一直处于深化改革中，信贷市场、外汇市场、资本市场等的重要指标处于市场化或渐进市场化中，这导致金融周期的指标变化相对比较明显，金融周期交互变化时，会对实体经济产生冲击。

(四)溢出指数的测度

定义自身方差份额是变量

x

(

i

=1,2,…,

N

)对自身冲击的

H

步预测误差方差的得分；交叉方差份额或溢出效应定义为变量

x

对变量

x

冲击的

H

步预测误差方差的得分，其中

i

,

j

=1,2,…,

N

,

i

≠

j

。

(5)

其中

Σ

是误差向量

ε

的方差矩阵，

σ

是第

i

个方程误差项的标准差，

e

为第

i

个元素为1，其余元素为0的向量。为了使用方差分解矩阵中的信息去计算溢出指数，将方差分解矩阵按照行进行标准化如下：

(6)

利用KPPS方差分解中的波动贡献，可以构建总波动溢出指数如下：

(7)

总溢出指数衡量广义VAR中所有变量波动冲击溢出对总预测误差方差的贡献。

由于广义脉冲响应和方差分解对变量的排序是不变的，我们使用标准化的广义方差分解矩阵的元素来计算直接溢出效应。测度系统中变量

i

从剩余

j

个变量处受到的直接波动溢出效应为：

(8)

同样地，测度系统中变量

i

对剩余

j

个变量的直接波动溢出效应为：

(9)

因此，可以把一组定向溢出效应看作是将总溢出效应分解为来自(或到)特定来源的溢出效应。

系统中变量

i

对剩余

j

个变量的净溢出效应可以表示为：

(10)

净波动溢出效应只是传递到所有其他变量的总波动冲击和从所有其他变量收到的总波动冲击之间的差异。

净波动溢出提供了有关变量对其他变量波动净贡献的汇总信息。定义净成对溢出效应如下：

(11)

变量

i

和

j

之间的净成对波动溢出效应是由变量

i

传递到变量

j

总波动冲击和变量

j

传递到变量

i

总波动冲击之差。

(五)结果分析

为了考察中国金融周期和经济周期之间的交互溢出效应，首先建立基于金融稳定指数和宏观经济指数在内的VAR系统。从前文的分析中可知，滞后阶数的选取对于广义预测误差方差分解结果影响很大，因此在EVIEWS 9.0中对上述双变量VAR模型进行滞后阶数分析，结果如表5所示。

表5 VAR模型滞后阶数分析

表6 金融周期与经济周期溢出效应表

由于滞后阶数选取3阶，滚动窗口期为36期，故得到的溢出总指数时间序列从2002年12月开始(下同)。图5、图6和图7刻画了金融周期和经济周期之间波动溢出的总指数、定向溢出指数、净溢出指数和成对净溢出指数。从各个溢出指数可以看出，金融周期和经济周期之间的相互作用存在时变性。

首先，从总溢出指数和金融扩张周期概率(如图5所示)可以看出，金融波动和经济波动之间的溢出效应存在周期性。结合前文有关金融周期和经济周期的分析以及表6的结果，可以发现，金融周期是导致总溢出指数存在周期波动的重要因素。从前文MS(2)-AR(1)估计的金融周期结果看，其拐点分别是2007年6月、2008年10月、2010年10月、2015年6月和2016年11月。当金融周期由扩张转为紧缩，由紧缩转为扩张时，金融周期交替会导致两者之间的溢出效应出现高点。从图5中可以看出，在金融周期出现拐点的前后，总溢出指数明显要高于其他时期。因此，从总溢出指数的结果看，金融波动和金融周期交替是驱使总溢出指数出现时变性周期变化的主要原因。

图5 总溢出指数和金融扩张周期概率

其次，从金融波动对经济波动的定向溢出指数(如图6所示)来看，金融波动对经济波动影响较大的时期主要集中在2006年2月至2007年5月，2009年10月至2011年4月，2012年9月至2013年8月。其中前两个时期是金融周期由扩张—紧缩—扩张—紧缩交替导致金融波动对经济波动的定向溢出指数较大的主要原因，即金融周期的交替外溢对经济波动产生影响。而后一时期是金融周期处于紧缩阶段，而经济周期由扩张转为紧缩阶段，进而导致两者同时处于紧缩阶段，金融周期的收缩以及经济周期的交替，导致金融波动对经济波动的外溢加大。经济波动对金融波动的定向溢出指数较大的时期主要集中在2007年6月至2011年9月。这一时期主要受国际金融危机影响，我国四万亿经济刺激计划对经济的提振效果显著增强，因此我国经济周期经历了从扩张期—紧缩期—扩张期—紧缩期的一个过程，宏观经济的大起大落严重影响了金融稳定，导致这一时期经济波动外溢影响金融波动。

图6 定向溢出指数FSI->MF(左图)和MF->FSI(右图)

再次，从金融周期和经济周期两者的净溢出指数(如图7所示)来看，两者之间互为相反数，即金融周期对经济周期净溢出指数的相反数就是经济周期对金融周期净溢出指数。其中2007年6月至2010年11月金融周期波动对经济周期波动的影响为负向，经济周期波动的影响对金融周期波动的影响为正。这一时期处于国际金融危机期间，金融周期经历了紧缩—扩张时期，而经济周期经历了扩张—紧缩—扩张时期。金融周期和经济周期在这一时期交替处于不同阶段，经济周期波动相比更加剧烈，这也是导致经济周期波动定向影响金融周期波动的主要原因。

图7 净波动溢出指数FSI->MF(左图)和MF->FSI(右图)

最后，净成对溢出效应主要考察了金融周期和经济周期之间相互溢出的净值。由于我们只是刻画了金融周期和经济周期两者之间的溢出效应，故而两者之间的成对净溢出效应与两者之间的净波动溢出效应相同。

四、中国金融周期和经济周期的时变格兰杰因果检验

关于金融周期与经济周期之间的格兰杰因果检验，学者们已经做了大量的相关研究。马勇等认为金融周期单向影响经济周期。肖强和司颖华指出我国金融状况指数所代表的金融市场的变动领先于产出变量GDP的变动，且是GDP变动的原因。尚玉皇和郑挺国指出混频金融形势指数是我国宏观经济先行指数和一致指数的格兰杰原因。从前人的研究中可以发现，无论是同频还是混频数据构建的金融稳定指数(金融形势指数)对经济周期替代变量(GDP或宏观经济景气指数)格兰杰因果检验的结果基本上均是单向的。一个容易忽略的问题是，格兰杰因果检验与时间序列的样本具有直接的关系，不同的时间序列样本，得到的结果可能不一致。因此，本文利用时变格兰杰因果检验对两者之间的因果关系进行再检验。

(一)时变格兰杰因果检验

参考Shi等基于LA-VAR模型的时变格兰杰因果检验，Shi, S., Phillips, P. C. B., Hurn, S.,“Change Detection and the Causal Impact of the Yield Curve”, , Vol.39, No.6, 2018, pp.966-987. 构建时变格兰杰因果检验我国金融周期和经济周期之间的关系。对于

n

维滞后

k

阶的VAR模型：

y

=

γ

+

γ

t

+

J

y

-1+…+

J

y

-+

ε

(12)

为了检验变量

y

之间的格兰杰因果关系，可参考Dolado and Lütkepohl估计LA-VAR(lag-augumented VAR)的做法，Dolado, J. J., Lütkepohl, H.,“Making Wald Tests Work for Cointegrated VAR Systems”, , Vol.15, No.4, 1996, pp.369-386. 将公式(12)的VAR模型改写成如下形式：

(13)

其中

J

+1=…=

J

+=0，

Γ

=(

γ

,

γ

)×(+1)，

τ

=(1,

t

)′，

x

=(

y

′-1,…,

y

′-)′×1，

z

=(

y

′--1,…,

y

′--)′×1，

Φ

=(

J

,…,

J

)×和

Ψ

=(

J

+1,…,

J

+)×。公式(13)进一步可以写成如下紧凑形式：

Y

=

τΓ

′+

XΦ

′+

ZΨ

′+

ε

(14)

其中

Y

=(

y

,

y

…

y

)′×，

τ

=(

τ

,

τ

…

τ

)′×2，

X

=(

x

,

x

…

x

)′×，

Z

=(

z

,

z

…

z

)′×，

ε

=(

ε

,

ε

…

ε

)′×。

格兰杰非因果关系的零假设由如下限制条件给出：

H

:

Rφ

=0

(15)

参数φ可由φ=

vec

(

Φ

)得到，

R

是

m

×

n

k

矩阵。系数矩阵

Ψ

最后

d

阶滞后向量可以忽略，因为所有的元素均为0，最小二乘估计量为：

(16)

(17)

考虑到价格因素会同时影响金融稳定和经济周期，一般而言，在经济扩张期，宏观经济过热，消费意愿强烈，通货膨胀上升，而在经济收缩期，消费意愿降低，通货膨胀率较低甚至会出现通货紧缩。在金融周期扩张期，货币超发，通货膨胀上升，而在金融周期的紧缩期，货币流通量收紧，通货膨胀率较低。为此，将价格因素考虑进去，选取金融稳定指数、宏观经济因子和CPI构建时变格兰杰因果检验，检验金融稳定是否对宏观经济具有预测作用。

(二)数据平稳性检验

为了防止出现伪回归，在建立模型之前，首先对各个变量进行单位根检验。FSI、CPI和MCI的单位根检验结果如表7所示。从表中可以看出，各个变量均在5%水平下通过检验，这说明变量是平稳的，可以进行时变格兰杰因果建模。

表7 变量单位根检验

(三)实证结果分析

首先，利用非时变格兰杰因果检验，检验金融周期和经济周期之间的格兰杰因果关系。构建包含金融稳定指数、宏观经济因子和CPI在内的三变量VAR模型，依据SC、AIC等准则，确定无约束VAR模型的滞后阶数为1。进一步地，在EVIEWS 9.0中进行格兰杰因果检验，得到的结果如表8所示。从表8中可以看出，MCI不是FSI的格兰杰原因的原假设不能够被拒绝，即MCI不是FSI的格兰杰原因；相反地，FSI是MCI的格兰杰原因。

表8 格兰杰因果检验结果

其次，在构建LA-VAR模型时，最小窗口尺寸与前文DY溢出指数一样，设定为36个月，滞后阶数依据SIC准则选取为1，并假定残差项同分布。使用向前、滚动和递归三种形式来研究金融周期与经济周期之间的因果关系，得到我国金融周期对经济周期的单向因果关系如图8所示。

图8 时变格兰杰因果检验FSI->MCI

图8-a，8-c，8-e为同方差情形，图8-b，8-d，8-f为异方差情形，依次表示采用向前、滚动和递归三种方法。在控制价格因素的条件下，可以看出，金融周期对经济周期的单向格兰杰因果检验存在时变性。从图8-a，8-c，8-e的结果来看，金融周期对经济周期Wald检验统计量序列均在临界值序列下方，表明金融周期不是经济周期的格兰杰原因。相比之下，在滚动和递归回归情形下，金融周期对经济周期的检验统计量序列依旧是时变的。滚动回归时， 金融周期是经济周期格兰杰因果原因的区间为2016年7月至2017年11月；递归回归时，金融周期是经济周期格兰杰因果原因的区间为2016年7月至2018年4月；而其他时期，金融周期均不是经济周期的格兰杰原因。从时间阶段来看，2016年7月至2017年11月(或2018年4月)处于金融周期的扩张时期与紧缩时期的交叉节点处，而经济周期处于紧缩期。因此可以判断，只有当金融周期即将紧缩，而经济周期处于紧缩期时，金融周期才是经济周期的格兰杰原因。上述结论，从动态的角度分析了金融周期和经济周期之间的时变格兰杰因果关系，可见两者之间的关系对样本区间具有很强的敏感性，只有在特定的条件下，金融周期才是经济周期的格兰杰原因。

考虑残差项为异方差的情形作为上述同方差情形的稳健性检验。如图8-b，8-d，8-f中可以看出：滚动回归时，金融周期是经济周期格兰杰因果原因的区间为2016年8月至2017年11月(其中有2016年12月和2017年9月两个断点)；递归时，金融周期是经济周期格兰杰因果原因的区间为2016年9月至2018年4月；而其他时期，金融周期均不是经济周期的格兰杰原因。从稳健性检验的结果看，考虑异方差的情形，金融周期对经济周期的格兰杰因果检验显著区间与同方差的情形几乎一致，这从侧面印证了结果的稳健性。

五、结论和政策启示

本文在构建金融稳定指数和混频宏观经济因子的基础上，基于DY溢出指数检验了金融周期和经济周期之间不同阶段的溢出效应，进一步地，基于LA-VAR模型检验了两者之间的时变格兰杰因果关系。得到以下结论：

首先，从金融周期与经济周期的典型事实来看，金融周期无论扩张期还是紧缩期的持续时间均小于经济周期，当两者的扩张期(紧缩期)交汇时，经济增长波动加大。

其次，DY动态溢出指数的结果表明，我国金融周期和经济周期间存在交互影响。金融周期对经济周期的动态溢出效应居于主导地位，而经济周期对金融周期的动态溢出效应几乎可以忽略不计。

最后，利用全样本数据在控制通货膨胀率的条件下，格兰杰检验的结果表明金融周期是经济周期的格兰杰原因，而经济周期不是金融周期的格兰杰原因。利用时变格兰杰因果检验的结果则表明，只有当金融周期即将紧缩，而经济周期处于紧缩期时，金融周期才是经济周期的格兰杰原因。异方差条件下的稳健性检验支持上述结论。

根据上述结论，提出如下政策建议：

首先，在当前我国持续扩大金融业高水平双向开放，鼓励境外金融机构和资金进入境内金融市场，利率市场化和汇率市场化改革持续深化的背景下，金融波动可能成为一种常态化表象，因此金融系统性风险的防范应把握好宏观经济政策的实施力度，尤其是货币政策的实施应以稳健为主，同时应高度重视货币政策对金融周期和经济周期的传导机理，确保金融周期与经济周期在峰值拐点处平稳过渡。

其次，对我国防范金融系统性风险而言，不仅要关注金融周期和经济周期的“同步性”，更要关注二者“异步”变动产生的不稳定因素，积极完善从金融到经济的宏观经济调控模式。

再次，稳定的金融体系有利于宏观经济系统的稳定，因此政策当局应继续推行和完善双支柱调控政策和建立更加全面、可预测的金融稳定体系，进一步优化融资结构和金融机构体系、市场体系、产品体系，坚持金融服务实体经济的本质不动摇。

最后，政策当局还应充分把握当前经济周期对金融周期影响较弱的基本事实，明白目前的经济下行风险仍是一种相对独立的经济风险，并不具有金融传染性，同时也意味着经济合理下行并不会提高金融脆弱性的风险水平。因此，经济政策调控仍应以稳健中性为主，合理确保经济稳健复苏，要避免因政策力度过大而引致的金融风险和金融泡沫，确保宏观经济稳增长与金融系统防风险之间形成良好的平衡关系。