金融压力溢出对宏观经济的时变非线性效应研究

□ 杨立生 杨 杰

(1.云南民族大学 管理学院； 2.云南民族大学 经济学院， 云南 昆明 650500 )

一、引 言

金融稳定在全球金融危机之后变得愈发重要,为应对这些重大金融风险事件,监测金融市场运行状况对于中央银行维护金融稳定和进行宏观审慎管理带来了极大挑战。伴随着全球金融危机爆发,涵盖银行、股票、债券和外汇市场的发达经济体受到金融压力溢出的重创。2007年次贷危机、2012年欧债危机、2015年股票市场异常波动等金融风险事件的发生,不仅冲击到单个金融市场的稳定,而且极其容易引发金融系统形成“多米诺骨牌”效应,导致跨领域的金融风险溢出。国际金融危机经验表明,极高水平的金融压力溢出不仅会损害金融体系,还会导致实体经济遭受重大损失。在有效防范风险的前提下,处理好金融发展、金融稳定和金融安全的关系,健全金融风险预警体系,维护股市、债市、汇市平稳运行,对于我国宏观经济与金融双重稳定具有重要的现实意义。

在当前背景下,我国经济发展方式发生深刻变化和金融市场快速发展所累积的风险开始暴露,我国金融体系中各个金融子市场在压力溢出中扮演着怎样的角色?以及金融压力溢出对宏观经济影响如何?这是否取决于金融失衡累积的压力溢出大小?过去十多年我国金融压力溢出演进轨迹如何得到合理的评价和解释?

本文正是基于对以上问题的思考,对我国金融市场间风险溢出进行研究,刻画跨市场风险溢出特征,并进一步明晰金融压力溢出对宏观经济的动态传导路径,有利于我国金融监管部门准确把握金融系统的风险传递规律和深入认识金融压力溢出对宏观经济产生的影响,从而采取针对性的风险应对措施。这对我国提升金融风险防控的前瞻性、全局性和主动性,守住不发生系统性金融风险的目标具有着重要的现实意义。

本文的创新点主要体现在:第一,首次采用广义方差分解框架捕捉货币、股票、债券和外汇市场金融压力溢出的潜在动态关系,构建符合我国国情且精确有效的金融压力溢出指数并定义了高风险金融压力溢出事件。第二,采用TVP-SV-VAR模型来检验金融压力溢出对宏观经济基本面的影响,运用高维运算优势从冲击时间、响应程度、持续期三个维度以量化分析的视角探索金融压力溢出对宏观经济的影响效应,更为全面地把握金融压力溢出对宏观经济的时变影响特征。

二、文献综述

(一)金融压力指数构建

金融压力指数的构建通过将代表主要金融市场领域,即货币、债券、股票和外汇市场的多个独立压力指标合成一个指数来衡量金融体系当前的压力状态。该领域的一篇开创性论文是Illing和Liu(2006)的研究,首次为加拿大金融系统构建了金融压力指数,该指数衡量金融压力的连续性,其极值对应于金融危机时期[1]。自从这项开创性研究以来,使用金融压力指数作为监测金融稳定性和评估金融危机严重程度的一项工具在许多中央银行、国际组织和经济研究机构中越来越受欢迎。例如,克利夫兰、堪萨斯城和圣路易斯的联邦储备银行已经为美国经济构建了自己的金融压力指数,这些指数分别是克利夫兰金融压力指数CFSI、堪萨斯城金融压力指数KCFSI和圣路易斯金融压力指数STLFSI[2-4]。国际货币基金组织IMF还为大量新兴和发达经济体开发了FSI[5-6]。例如,Hollo等(2012)设计的系统性金融压力综合指标,衡量整个欧元区金融体系的压力[7]。

此外,国内学者们也致力于构建金融压力指数,陈守东和王妍(2011)构建了金融压力指数并识别中国金融体系的压力性,分析金融压力与工业一致合成指数之间的关系[8]。刘晓星和方磊(2012)采用CDF信用加总权重法包含银行、股票、外汇与保险4个市场构建了我国的金融压力指数[9]。徐国祥和李波(2017)选取银行、股票、债券和外汇市场相关指标,采用因子分析法构建了日度的中国金融压力指数[10]。现有的金融压力指数构建在选定的金融市场变量、数据频率和变量汇总方法方面有所不同,但提供了大致相似的金融压力衡量标准。

(二)金融压力溢出对宏观经济的影响

金融压力可以通过实物期权渠道、金融加速机制和信贷渠道影响宏观经济运行。首先,金融压力的增加使非金融企业和家庭更加规避风险,因此企业和家庭可以决定推迟投资和消费决策,直到不确定性消散,从而导致实体经济活动放缓[11]。其次,在高度不确定和信息不对称的情况下,限制了企业和家庭筹集资金的能力,因此降低了企业和家庭的投资、就业和支出水平,从而抑制了经济活动[12]。最后,在高金融压力时期,银行资本因资产负债表中现有贷款和其他资产的损益减少而受到侵蚀,银行被迫去杠杆化变得更不愿意放贷,从而导致更严重的经济下滑[13]。

就金融压力与宏观经济金融变量间的研究相关结论可分为两类:一是认为金融压力与宏观经济金融变量之间存在单向影响关系[14];二是认为它们之间呈现时变非线性的交互影响关系[15]。只有少数研究关注金融子市场间金融压力溢出的重要性,学者们没有对归因于证券市场的金融压力事件给予足够的关注。

三、金融压力溢出指数的构建和金融压力周期识别

(一)构建指标选取

本文试图以溢出指数的形式推导出对金融压力的有序估计,从货币、股票、债券和外汇市场编制了各种可能的损失、风险和不确定性的衡量标准。经检验,所有指标均在1%的显著水平上平稳,满足动态溢出指数模型稳定条件,基于AIC准则检验得到模型的滞后阶数为1期,选取滚动窗口期为200天。样本区间为2006年1月1日至2021年7月31日,数据来源于Wind数据库与锐思数据库。在主流研究的基础上,遵循数据指标的代表性、公开性与及时性,指标选取如表1所示:

表1 金融压力溢出指数的指标体系

(二)金融压力溢出指数测度

考虑协方差平稳N变量VAR模型,表示为

其中,xt为n维内生解释变量,εt为n维独立同分布的扰动向量。该式的移动平均形式

(1)

金融压力总溢出指数,衡量货币、股票、债券与外汇市场之间的波动性冲击溢出为:

(2)

金融压力方向溢出指数,衡量市场i从所有其他市场j收到的定向波动溢出:

(3)

以类似的方式,测量方向波动由市场i传递到所有其他市场j的溢出为:

(4)

(5)

(三)金融压力溢出指数构建结果

表2总结了整个样本期间的金融压力溢出指数,前10行10列为预测误差方差矩阵,每行之和为100。矩阵每行数据表示某个金融子市场的预测误差方差来源于不同金融子市场的风险溢出比例,对角线上的数据表示某个金融子市场来源于自身的风险溢出,因此与非对角线列元素相比,对角线元素获得更高的值。

首先考虑从表2中了解到的关于方向溢出的信息。从“对其他金融子市场的定向溢出”行(To),可以看到每个金融子市场对其他子市场的总定向波动溢出具有很大的差异。还可以从“来自其他金融子市场的方向性溢出”(From)一栏看到,货币市场的总方向性波动溢出相对较小为50.32%,另外是外汇市场,解释了56.96%的预测误差方差。

表2 金融市场压力溢出效应

其次,金融市场间冲击的重要传递者是股票市场与外汇市场,而货币市场与债券市场是跨市场冲击的重要接收者。金融子市场间的风险溢出这些结果得到了表2最后一行报告的估计净定向溢出(NET)的支持。总的来说,这些结果表明股票市场与外汇市场冲击是跨市场间溢出效应的主要来源。最后,根据表2报告的总溢出指数,有效地将各个金融子市场间的风险溢出提炼成一个单一的指标,43.44%的预测误差方差解释了跨市场的溢出效应。

(四)金融压力溢出指数有效性检验

本文采用MS-VAR模型来识别我国金融压力溢出指数的压力期,划分金融压力溢出指数所处的不同区制,同时通过事件分析与金融压力时期所对应,测度金融压力溢出指数对我国金融压力情况的衡量效果。

Hamilion(1989)提出了MS-VAR马尔科夫区制转换模型[17],可观测的时间序列向量yt数据产生过程取决于不可观测的区制变量st,表示为:

yt-μ(st)=β1(st)(yt-1-μ(st-1))+…+

βp(st)(yt-p-μ(st-p))+ei

(6)

(7)

本文将日度的金融压力溢出指数进行简单平均处理为月度数据,采用月度的金融压力溢出指数进行建模,能够使得马尔科夫链的转移概率比较显著。根据自回归参数、方差、均值和截距是否依赖于转移变量所处的状态,对设定形式进行检验选择MSIAH(2)VAR(1),即为两区制,滞后1阶。

表3可以看出,金融压力溢出指数落入区制1的样本数量为119.8,频率为72.27%;落入区制2的样本数量为46.2,频率为27.73%。金融压力溢出指数进入区制1后,在该状态下维持的概率为88.02%,区制2持续的概率为68.79%,都具有较高的稳定性。区制1与区制2之间的转移概率都很低,从区制1转移到区制2的概率为11.98%,从区制2转移到区制1的概率为31.21%,说明金融压力溢出指数具有一定的平滑性,金融压力溢出指数出现急剧转向的可能性极小,两区制的转移极大可能是由于外力的作用,不是内生的结果。

表3 区制转移概率矩阵

MSIAH(2)VAR(1)的区制划分可以反映我国金融压力溢出指数高低。由图1可知,我国的金融压力溢出指数的压力情况存在较为明显的两区制,通过MSIAH(2)VAR(1)模型识别出的区制1代表金融压力溢出指数处于平稳或下降状态,区制2代表金融压力溢出指数处于急剧上升的状态。在整个样本期间,我国的金融压力溢出指数大多数时间处于平稳或下降状态(处于区制1),只有出现极端金融压力事件导致金融压力溢出指数急剧上升(处于区制2)。

图1 区制划分概率图

判断金融压力溢出指数的构建是否合理,有效的方法是观察识别金融压力溢出指数是否能够识别重大金融风险事件。图1中处于区制2的重大金融风险事件主要包括:(1)2007年8月至2008年9月美国“次贷危机”。(2)2010年1月至2011年7月央行连续12次上调存款准备金率与连续5次上调存贷款基准利率。(3)2010年6月央行宣布推动汇率机制改革。(4)2012年1月初欧洲债务危机愈演愈烈。(5)2013年6月银行同业拆借市场出现“钱荒”。(6)2014年1月至2014年5月债券市场出现大面积信用违约。(7)2015年3月至2015年10月股市异常波动。(8)2017年5月人民币兑美元中间报价机制中引入逆周期因子。(9)2018年3月至2019年1月中美贸易摩擦加剧。整体上看,我国金融压力溢出指数每次的异常波动都与重大金融风险事件密切相关,能够较好的标记识别重大金融风险事件的冲击,从而表明金融压力溢出指数构建较为合理。

四、金融压力溢出对宏观经济的动态时变特征

金融压力溢出会随着时间的推移不断变化,本文探索金融压力溢出指数对宏观经济的时变动态影响,根据Primicer(2005)提出的TVP-SV-VAR模型允许系数、截距和方差变化[18],因此采用该模型展开研究。

(一)变量相互作用的动态时变特征

构建TVP-SV-VAR模型,需要从基本的VAR模型出发,

yt=B1yt-1+…+Bsyt-s+A-1∑εt,εt～N(0,Ik)

(8)

βt+1=βt+μβt

αt+1=αt+μαt

ht+1=ht+μht

(9)

(二)模型估计结果

宏观经济基本面的运行会受到金融压力溢出的影响,金融体系运行产生波动溢出效应时,会间接影响相关宏观经济变量,从而导致宏观经济系统产生共振。金融压力溢出会随着时间的推移不断变化,金融风险对宏观经济的传导效应也随之变化,通过刻画金融压力溢出对宏观经济的时变特征,有助于政策制定者根据不同金融时期针对性地制定相应的宏观经济政策提供参考。因此,选取宏观经济基本面的相关代理变量分别为:宏观经济景气先行指数(MI)、消费者物价指数(CPI)和7天加权银行同业拆借利率(R),指标的样本区间为2006年10月至2021年7月,频率为月度,数据均来源于Wind数据库。随后将金融压力溢出指数(FCI)与选取的宏观经济3个指标一起建立TVP-SV-VAR模型,滞后阶数为1阶,4个变量均通过了平稳性检验。

(三)三维脉冲响应分析

在上述模型参数估计的基础上,进一步通过三维脉冲响应分析方法实证检验金融压力溢出指数对宏观经济景气先行指数、物价水平指数与利率水平之间的动态影响效应,三维坐标分别表示响应发生时期、响应持续期及响应程度大小。

FCI对MI脉冲响应由图2可知,金融压力溢出指数对于宏观经济景气先行指数的当期响应有正有负,2006年至2015年,时间维度上一单位金融压力溢出指数的正向冲击引起宏观经济景气先行指数先递增后递减的脉冲响应,但波动幅度较大,可见金融压力溢出指数对宏观经济景气先行指数影响的时变性较强。在响应维度上,金融压力溢出指数的一单位正向冲击引起宏观经济景气先行指数的正向脉冲响应,金融压力溢出指数的上升对宏观经济景气先行指数具有促进作用。响应的极大值发生在2013年,极值为0.3,负向响应绝对值的极大值发生在2008年,极值为-0.3,正负响应极值差为0.6。在2016年至2021年,金融压力溢出指数对于宏观经济景气先行指数的冲击效应在时间维度上呈现出先递减后递增的趋势。在响应维度上,金融压力溢出指数的一单位正向冲击引起宏观经济景气先行指数的负向脉冲响应,响应的极小值发生在2017年,极值为-0.4。从整体的持续期来看,在2006年至2021年期间冲击持续期较长,基本在第20期左右冲击效果消失。

图2 FCI对MI脉冲响应 图3 FCI对CPI脉冲响应 图4 FCI对R脉冲响应

FCI对CPI脉冲响应由图3可知,2006年至2021年,时间维度上一单位金融压力溢出指数的正向冲击引起物价水平指数呈现先递增后递减的脉冲响应,波动幅度较大。在响应维度上,金融压力溢出指数的一单位正向冲击引起物价水平指数的正向脉冲响应,响应的极大值发生在2020年,极值为0.3,负向响应绝对值的极大值发生在2007年,极值为-0.55,正负响应极值差为0.85。在2016年至2021年,金融压力溢出指数对于物价水平指数的冲击效应在时间维度上呈现出递增的趋势。从整体的持续期来看,在2006年至2021年期间冲击持续期较短,基本在第10期左右冲击效果消失。

FCI对R脉冲响应由图4可知,金融压力溢出指数对于利率水平的当期响应有正有负,2006年至2021年,时间维度上一单位金融压力溢出指数的正向冲击引起利率水平先递增后递减的脉冲响应,但波动幅度较小。在响应维度上,金融压力溢出指数的一单位正向冲击引起利率水平的正向脉冲响应,金融压力溢出指数的上升对利率水平具有抑制作用。响应的极大值发生在2009年,极值为0.15,负向响应绝对值的极大值发生在2008年,极值为-0.13,正负响应极值差为0.28。从整体的持续期来看,在2006年至2021年期间冲击持续期较长,基本在第15期左右冲击效果消失。

(四)时点脉冲响应分析

根据MSIAH(2)VAR(1)模型的区制划分,选取的三个时期是具有代表性的。2008年8月与2015年5月处于金融压力溢出指数的高风险区制,2016年5月处于金融压力溢出指数的低风险区制。选择这三个时期,有利于考察分析不同区制下金融压力溢出指数(FCI)对经济增长(MI)、物价水平(CPI)与利率水平(R)的动态时变传导效应。

图5 FCI对MI时变脉冲响应 图6 FCI对CPI时变脉冲响应 图7 FCI对R时变脉冲响应

金融压力溢出指数(FCI)对经济增长(MI)的传导效应主要为负向。由图5可知,在2008年5月,金融压力溢出指数对经济增长的冲击效应呈现出“U型”,起初是负向的,随着时间推移逐渐增强,18期后趋于平稳。2015年5月与2016年5月则相反,金融压力溢出指数对经济增长的响应起初为负向,随即开始减弱,6期后趋于平稳。时间维度看,2008年8月(FCI处于高风险区制),金融压力溢出对经济增长的影响时间最长;影响程度来说,2016年5月(FCI处于低风险区制),金融压力溢出对经济增长(MI)的负向影响程度最深。

金融压力溢出指数(FCI)对物价水平(CPI)的传导效应主要为正向。由图6可知,在2008年8月,金融压力溢出指数对物价水平的冲击效应呈现出“S型”,随着时间推移,逐渐增强,16期后趋于平稳。2015年5月与2016年5月,金融压力溢出指数对物价水平的响应起初为正向,6期后正向冲击达到峰值,随即开始递减,10期后趋于平稳。时间维度看,2008年8月(FCI处于高风险区制),金融压力溢出对物价水平的影响时间最长;从影响程度来说,2016年5月(FCI处于低风险区制),金融压力溢出对物价水平的正向影响程度最大。

在不同时期,金融压力溢出指数(FCI)对利率水平(R)的传导效应是存在差异的。由图7可知,在2015年5月,金融压力溢出指数对利率水平的冲击效应起初是正向的,随着时间推移,逐渐减弱,14期后趋于平稳。2008年8月与2016年5月则相反,金融压力溢出指数对利率水平的冲击响应先递增后递减,2期后正向冲击达到峰值,随即开始减弱,16期后趋于平稳。从影响程度来说,2008年8月(FCI处于高风险区制),金融压力溢出对利率水平的影响程度最深。

五、结论与启示

本文采用广义方差分解模型构建金融压力溢出指数;结合MS-VAR模型监测金融压力溢出,进一步实证检验金融压力溢出对宏观经济基本面的影响。主要结论如下:

第一,股票市场与外汇市场是金融压力溢出的重要传递者,而货币市场与债券市场是跨市场金融压力冲击的重要接收者。整体而言,43.44%的预测误差方差解释了跨市场的金融压力溢出效应。

第二,金融压力溢出指数存在较为明显的两区制,在整个样本期间,金融压力溢出大多数时间处于平稳或下降状态,只有出现极端金融压力事件导致金融压力溢出指数急剧上升。表明金融压力溢出指数能够很好地反映我国金融市场间的风险溢出状况。

第三,金融压力溢出指数对经济增长的传导效应主要为负向,对物价水平的传导效应主要为正向;在不同时期,金融压力溢出指数对利率水平的传导效应是存在差异的。

基于本文结论,得出以下启示:

第一,建立跨市场金融压力溢出风险隔离机制,防范跨市场风险传染。我国金融市场维持稳定的内在机制相对不成熟,尤其是股票市场与外汇市场很容易通过跨市场风险溢出传播风险。因此,防范跨市场风险传染时,尽可能抑制股票市场与外汇市场的过度投机需求,化解股市崩盘风险,维持人民币汇率的合理稳定,密切关注金融子市场之间的风险溢出导致的交叉传染,保障金融体系的健康稳定发展。

第二,金融监管部门应编制科学、及时的综合预警金融压力指标,反映金融体系的运行情况和风险溢出的高低。维持金融稳定应包括对金融风险和脆弱性来源的分析,这需要对金融体系的各个部分及其之间的关系进行系统监控,以便捕捉跨境传染风险和金融系统脆弱性。构建符合我国金融体系的金融压力指标,能够实时监控金融风险,减少金融危机发生的概率,保证宏观经济稳定运行。

第三,制定有效与科学的宏观经济政策框架时,需要考虑更多的金融稳定目标。金融压力的增加可能会产生大量的溢出效应和系统性风险,从而对实体部门产生不利影响。从经济政策的角度来看,金融压力溢出需要警惕,政策制定者必须超越通常的政策处方,例如为价格稳定和充分就业而进行总需求管理。因此,衡量金融压力不仅对宏观经济政策的设计和实施很重要,而且还间接有助于建立一个平稳、稳健和更具弹性的金融体系。□