陳雨露 馬 勇

一、引言

在金融體系的風(fēng)險監(jiān)測方面，早期的方法主要是金融危機指數(shù)和早期預(yù)警系統(tǒng)。金融危機指數(shù)一般基于財務(wù)報表和市場數(shù)據(jù)編制，采用描述性統(tǒng)計方式，典型代表是國際貨幣基金組織開發(fā)的金融穩(wěn)健指標。早期預(yù)警系統(tǒng)則以Goldstein等倡導(dǎo)的 “信號法”為代表，通常利用宏觀經(jīng)濟指標作為解釋變量，通過選擇合適的先行指標和構(gòu)造綜合指標來對危機事件進行預(yù)測。［1］此外，一些學(xué)者還對早期預(yù)警系統(tǒng)模型進行了改進和完善，如以莊巨忠為代表的 “早期預(yù)警系統(tǒng)非參數(shù)模型”和以Younghoon Koo等為代表的 “早期預(yù)警系統(tǒng)參數(shù)模型”等。［2］

在危機指標的選擇方面，“金融穩(wěn)健指標”綜合使用了包括金融機構(gòu)、金融市場及作為其交易對手的公司和家庭部門的若干常見財務(wù)指標，這些指標雖然在一定程度上能夠反映金融體系的脆弱性程度，但大部分指標在探測金融風(fēng)險方面缺乏前瞻性，過于龐雜的指標體系也在一定程度上模糊了政策視野，決策者常常在紛繁復(fù)雜和彼此沖突的指標面前猶豫不決。早期預(yù)警系統(tǒng)在探測宏觀經(jīng)濟中的結(jié)構(gòu)性失衡方面做了有益的探索，但由于該系統(tǒng)將視線集中于宏觀失衡而忽略了金融失衡，因此，在預(yù)測和防范金融危機方面收效甚微。很多研究顯示，早期預(yù)警指標難以探測到價格泡沫，而且錯誤地預(yù)警價格泡沫的概率較大。［3］2007年全球金融危機爆發(fā)之前，幾乎沒有哪個國家或國際機構(gòu)的早期預(yù)警模型發(fā)出過確切的危機信號。

此次全球金融危機爆發(fā)之后，越來越多的研究者開始關(guān)注金融層面的失衡，尤其是關(guān)注貨幣信貸狀況與資產(chǎn)價格泡沫之間的關(guān)系。Alessi和Carsten利用1970—2007年18個OECD國家的數(shù)據(jù)，采用信號法研究了各種相關(guān)指標和資產(chǎn)價格膨脹之間的關(guān)系，結(jié)果表明，基于貨幣和信貸總量的流動性指標表現(xiàn)最好，可以為決策者提供有用的早期預(yù)警信息。［4］Agnello和Ludger利用隨機效應(yīng)面板概率模型，對1980—2007年18個OECD國家的房地產(chǎn)市場數(shù)據(jù)進行了研究，發(fā)現(xiàn)短期利率、國內(nèi)外貨幣信貸狀況、按揭市場的放松管制等指標能較早地預(yù)警房地產(chǎn)價格的繁榮和破裂。［5］Gerdesmeier等對1969—2008年17 個OECD國家和歐元區(qū)的股價和房價數(shù)據(jù)研究發(fā)現(xiàn)，在合并概率方法下，信貸總量、長期名義利率和投資／GDP的變化等能較早地預(yù)警資產(chǎn)價格泡沫的破裂。［6］總體來看，貨幣信貸指標在預(yù)測資產(chǎn)價格泡沫周期方面有良好的表現(xiàn)，不僅預(yù)警準確率較高 （70%～80%），而且領(lǐng)先時間較長（95%的資產(chǎn)價格繁榮能在至少6個季度前預(yù)警），可以作為宏觀審慎政策實施的良好指示器。

在綜合指標編制方面，另一個被廣泛討論的旨在對金融整體環(huán)境進行定量監(jiān)測的指標是金融形勢指數(shù)。金融形勢指數(shù)由Goodhart和Hofmann在貨幣狀況指數(shù)的基礎(chǔ)上發(fā)展而來，主要通過對實際短期利率、實際有效匯率、實際房地產(chǎn)價格和實際股票價格等指標加權(quán)而得。［7］根據(jù)納入的指標性質(zhì)，金融形勢指數(shù)雖然可以在一定程度上反映貨幣政策的松緊程度和資產(chǎn)價格的膨脹程度，但將彼此關(guān)聯(lián)和存在前后影響的指標糅合在一起，理論上不清楚，經(jīng)濟含義也不明確，而對CPI具有的所謂良好預(yù)測僅僅只是隱含在其基于CPI構(gòu)造的權(quán)重結(jié)構(gòu)中。

總體而言，目前關(guān)于金融失衡和系統(tǒng)性金融風(fēng)險的測度仍然處于初級階段，一些重要的理論和事實基礎(chǔ)顯得非常薄弱。比如，過去很多研究中使用的不良貸款率、壞賬率等指標，實際上已經(jīng)是風(fēng)險的結(jié)果，而非風(fēng)險本身，使用這些具有明顯滯后性的指標，不僅難以對系統(tǒng)性金融風(fēng)險形成早期預(yù)警，而且可能削弱將其作為組成要素的綜合指標的預(yù)測能力。

鑒于現(xiàn)有文獻的不足，本文嘗試根據(jù)系統(tǒng)性金融風(fēng)險形成的過程和動態(tài)機制，著力捕捉那些能夠彰顯系統(tǒng)性風(fēng)險積累傾向和程度的經(jīng)濟金融指標，并以此為基礎(chǔ)來構(gòu)建中國的 “金融失衡指數(shù)”。我們所構(gòu)建的 “金融失衡指數(shù)”，強調(diào)從經(jīng)濟主體行為和市場過程的角度去判斷金融失衡是否正在發(fā)生，以便更好地反映金融體系的實際風(fēng)險積累程度，體現(xiàn)數(shù)據(jù)編著的微觀基礎(chǔ)和前瞻性。

二、構(gòu)建中國的 “金融失衡指數(shù)”：測度方法與結(jié)果

“金融失衡指數(shù)”將主要集中于對金融層面的失衡進行描述，而不是試圖構(gòu)建一個新的宏觀失衡指標。這主要是基于兩個方面的考慮：一是在以往的研究中，有關(guān)宏觀失衡的指標體系比較完善，這些指數(shù)已經(jīng)被證明很難及時發(fā)現(xiàn)潛在的系統(tǒng)性風(fēng)險；二是金融層面的失衡往往先于宏觀經(jīng)濟的失衡發(fā)生，準確地探測前者不僅有助于預(yù)見后者，而且有利于提高經(jīng)濟決策的前瞻性，并為后續(xù)的政策操作留下更大的空間。

綜合考慮理論基礎(chǔ)和經(jīng)濟金融運行的典型事實，“金融失衡指數(shù)”的基本指標包括：社會融資總量、投資與企業(yè)杠桿、銀行利差水平、房地產(chǎn)價格和股票價格。［8］這些指標在本文使用的具體代理變量和經(jīng)濟含義如下：

（1）社會融資總量。社會融資總量是指一定時期內(nèi) （每月、每季或每年）實體經(jīng)濟從金融體系獲得的資金總額，包括銀行、證券、保險、信托等。近年來，隨著中國金融總量的快速擴張和金融結(jié)構(gòu)的多元化發(fā)展，金融產(chǎn)品和融資工具不斷創(chuàng)新，證券、保險類機構(gòu)迅速發(fā)展，商業(yè)銀行表外業(yè)務(wù)對貸款表現(xiàn)出明顯的替代效應(yīng)。在這種情況下，與傳統(tǒng)的銀行信貸指標相比較，社會融資總量能更真實、全面、完整地反映經(jīng)由金融體系到達實體經(jīng)濟的融資總量。因此，本文使用“社會融資總量／GDP”作為整個金融體系信用擴張程度的代理變量。數(shù)據(jù)來自中國人民銀行。

（2）投資與企業(yè)杠桿。研究表明，在大多數(shù)情況下，危機的發(fā)生都伴隨著普遍的過度投資問題，而在過度投資背后又通常伴隨著融資杠桿的增加以及由此引發(fā)的金融失衡。［9］因此，在投資、杠桿與經(jīng)濟金融周期之間存在著確切的內(nèi)生性關(guān)聯(lián)。［10］在本文中，我們用 “固定資產(chǎn)投資／GDP”作為衡量投資熱度程度的指標，并用企業(yè)的 “資產(chǎn)／所有者權(quán)益”作為實體經(jīng)濟融資杠桿的代表性變量。對于前一個指標，由于實際數(shù)據(jù)存在明顯的季節(jié)性特征，故使用X11方法對其進行季節(jié)調(diào)整。對于后一個指標，由于經(jīng)濟中全部企業(yè)的“資產(chǎn)／所有者權(quán)益”數(shù)據(jù)不可得，我們用中國人民銀行統(tǒng)計的5 000戶代表性企業(yè)的相關(guān)數(shù)據(jù)作為替代性指標。

（3）銀行利差水平。一些早期預(yù)警模型也考察銀行利差指標，因為較大的借貸利差反映了銀行業(yè)的困境和問題，但實際上，利差的系統(tǒng)性變化可能孕育著更為深刻的風(fēng)險信息。為提高資產(chǎn)收益，銀行家傾向于通過接受更長期限或更高風(fēng)險的資產(chǎn)來取得收入。為降低在任何市場利率水平下為債務(wù)支付的利率，銀行家盡量給存款者作出安全承諾，這一般通過縮短債務(wù)期限和提供特殊擔(dān)保來實現(xiàn)。擴大資產(chǎn)與債務(wù)利率差的做法，會使銀行通過創(chuàng)造新型票據(jù)來改善對存款人和借款人的服務(wù)，新的融資工具來自于追求利潤的壓力。［11］因此，利差的擴大能反映相對風(fēng)險和償付資金的時間關(guān)系，可以作為系統(tǒng)性風(fēng)險的一個重要提示指標。在中國，由于利率尚未完全市場化，且銀行體系的存貸款實際利率不可得，故選用貸款基準利率和市場化程度較高的銀行同業(yè)拆借加權(quán)平均利率二者之差作為利差的替代性指標。數(shù)據(jù)來自中國人民銀行和中國經(jīng)濟網(wǎng)。

（4）房地產(chǎn)價格。在現(xiàn)實經(jīng)濟中，房價周期常常與信貸和商業(yè)周期相伴而行，同時，房價波動會通過對住宅投資、消費和信貸的影響沖擊實體經(jīng)濟。實踐經(jīng)驗表明，相對于同等規(guī)模的沖擊，房價變動的財富效應(yīng)明顯高于其他資產(chǎn)價格變動所產(chǎn)生的后果。從中國的情況來看，在有關(guān)房地產(chǎn)價格的三個備選指標中，房屋租賃價格指數(shù)與宏觀經(jīng)濟走勢的關(guān)聯(lián)度不大，且反應(yīng)比較滯后，不宜作為表征房地產(chǎn)市場景氣程度的指標。再從房地產(chǎn)銷售價格指數(shù)與土地交易價格指數(shù)的對比來看，雖然二者的時間序列走勢高度相關(guān)，但前者比后者更為領(lǐng)先 （約1～3個季度），因此，從危機預(yù)警的角度看，房地產(chǎn)銷售價格指數(shù)更適合作為房地產(chǎn)市場繁榮程度的代表性指標。

（5）股票價格。股票市場是現(xiàn)代金融體系中最重要的直接融資場所，股票市場價格是最重要的資產(chǎn)價格指標之一，涉及資產(chǎn)價格的研究基本上都會考慮諸如股價指數(shù)、市盈率等衡量股價偏離程度的指標。從理論上說，股票價格代表了企業(yè)預(yù)期盈利的現(xiàn)值，因而在長期均衡條件下，市盈率PE＝1／r，亦即PE×r＝1。其中，r為市場均衡利率水平。根據(jù)這一關(guān)系，股票價格的失衡程度可以用PE×（r-1）來刻畫：當PE×（r-1）＞0時，股價被高估，存在價格泡沫；而當PE×（r-1）＜0時，股價被低估，表現(xiàn)為指標的負向偏離。股價失衡的具體程度與PE× （r-1）的絕對值成正比。在PE×（r-1）指標中，利率r用銀行間同業(yè)拆借加權(quán)平均利率作為代表，市盈率PE用A股動態(tài)市盈率表示。數(shù)據(jù)來自中國證監(jiān)會和中國經(jīng)濟網(wǎng)。

基于實際數(shù)據(jù)的可獲得性，上述各指標均采用季度數(shù)據(jù)，時間跨度為1998—2010年。因為在1998年之前，中國的房地產(chǎn)市場化改革尚未全面啟動，相關(guān)數(shù)據(jù)不可得。此外，按照大多數(shù)文獻的做法，本文采用平滑因子為1 600的HP濾波求取各指標的均衡值 （趨勢值），并以各指標對其均衡值的偏離 （缺口值）來表示正向或者負向的失衡程度。

在求取缺口值后，由于各指標的性質(zhì)和量綱不一致，必須先進行性質(zhì)轉(zhuǎn)換和去量綱處理，將指標值統(tǒng)一映射為百分數(shù)范圍內(nèi)表示的分數(shù)值，才能合成各種綜合指數(shù)。根據(jù)各指標的安全閥值設(shè)定風(fēng)險域值，分為正常、輕度偏離、中度偏離和重度偏離四個區(qū)間，每個區(qū)間又分為正向和負向偏離兩種情況，一共可以得到8個對應(yīng)的分數(shù)范圍：（-100，-80］，（-80，-50］，（-50，-20］，（-20，0］，（0，20］，（20，50］，（50，80］，（80，100］。分數(shù)的絕對值越大，表示相應(yīng)的偏離程度越大。

根據(jù)上述設(shè)定，每個指標值，可根據(jù)其在不同風(fēng)險狀態(tài)的預(yù)警界限上限和下限以及對應(yīng)的分數(shù)段范圍，按照下列線性映射函數(shù)，得到相應(yīng)的分數(shù)：

其中，b1和b2分別為各風(fēng)險指標警戒狀態(tài)的下限及其所對應(yīng)的分數(shù)段的下限，a1和a2則分別為該風(fēng)險指標警戒狀態(tài)的上限與下限之差及所對應(yīng)的分數(shù)段的上限與下限之差，x為風(fēng)險指標值，y為映射后的分數(shù)值。綜合考慮指標數(shù)值

分布和歷史經(jīng)驗，本文對相關(guān)變量的無量綱處理 如表1所示。

表1 各指標的風(fēng)險狀態(tài)界定及映射參數(shù)值對照表

在對各個指標進行無量綱處理之后，便可以得到各指標的時間序列數(shù)值，然后，通過一定的權(quán)重將這些指標合成為一個綜合性的失衡指標，即本文所定義的 “金融失衡指數(shù)”。在綜合指標的合成方式上，由于目前并無統(tǒng)一標準，故穩(wěn)妥的做法是盡可能嘗試多種不同的方法，并考察其聯(lián)系與差別。部分地參考已有文獻［12］，本文采用以下四種方法來構(gòu)建 “金融失衡指數(shù)”： （1）通過對各分項指標進行簡單算術(shù)平均得到綜合指數(shù)，并將其命名為 “金融失衡指數(shù)Ⅰ”；（2）參考Bryan和Cecchetti等的動態(tài)因子指數(shù)構(gòu)建方法［13］，以各變量波動性的倒數(shù)占全部變量波動性倒數(shù)之和的比例作為權(quán)重 （即wit＝wi＝并將運用此方法獲得的綜合指數(shù)命名為 “金融失衡指數(shù)Ⅱ”①動態(tài)因子指數(shù)方法的實質(zhì)是通過方差來剔除各種變量 （價格）中的相對變化，進而合成綜合指數(shù)。該方法認為，如果某個變量（價格）經(jīng)常性地發(fā)生劇烈波動，那么該單個變量 （價格）就更多地受個別因素影響。單個變量 （價格）變動的波動性越大，其包含的一般趨勢成分就越小，相對變動成分就越大。因此，在構(gòu)建綜合指數(shù)時，變量 （價格）的波動性越大，其在綜合指數(shù)中的權(quán)重就越小。； （3）以各分項指標與GDP缺口的最大跨期相關(guān)系數(shù)為權(quán)重構(gòu)建綜合指數(shù)，并將其命名為 “金融失衡指數(shù)Ⅲ”； （4）以各分項指標與通脹缺口的最大跨期相關(guān)系數(shù)為權(quán)重構(gòu)建綜合指數(shù)，并將其命名為 “金融失衡指數(shù)Ⅳ”。上述四種指數(shù)的具體權(quán)重結(jié)構(gòu)如表2所示，表3給出了它們之間的相關(guān)系數(shù)。

表2 四種 “金融失衡指數(shù)”的權(quán)重結(jié)構(gòu)

表3 四種 “金融失衡指數(shù)”之間的相關(guān)性

根據(jù)上述四種不同的權(quán)重結(jié)構(gòu)設(shè)計，合成后的 “金融失衡指數(shù)”如圖1所示。從圖1可以看出，四種不同加權(quán)方式下的 “金融失衡指數(shù)”高度相關(guān)，尤其是在2003年以后，除個別年份外，各種指數(shù)的相關(guān)性呈現(xiàn)出逐漸增強的趨勢。其中，金融失衡指數(shù)Ⅳ在走勢上與其余三種指數(shù)略有差異，這種差異可能主要與基于CPI相關(guān)性的金融失衡指數(shù)內(nèi)含著較高的利差權(quán)重有關(guān)。

圖1 四種不同加權(quán)方式下的 “金融失衡指數(shù)”

根據(jù)圖1顯示的直觀結(jié)果，我們可以看到，中國在1998—2010年間，正向的金融失衡主要集中于三個階段：一是1998年后兩個季度的輕度失衡，二是2004年第1季度至2005年第3季度較大程度的失衡，三是2009年第1季度至2010年第2季度的比較嚴重的失衡；負向的金融失衡則主要集中于以下兩個階段：一是相對偏冷的2000年第4季度至2002年第4季度，二是全球金融危機沖擊下的2008年第4季度。①四種不同金融失衡指數(shù)在具體失衡起止時間的認定上存在一定差異，但這種差異基本上不影響總體判斷?？傮w來看，上述結(jié)果與中國經(jīng)濟金融運行的經(jīng)驗事實是高度一致的。

三、“金融失衡指數(shù)”的應(yīng)用：基于中國的實證評估

如前文所述，構(gòu)建 “金融失衡指數(shù)”的初衷是希望找到一個能有效反映金融失衡程度的代表性指標，將其作為危機預(yù)警、檢測系統(tǒng)性風(fēng)險和進行宏觀審慎管理的重要參考變量。根據(jù)這一目標，有必要從實證角度對 “金融失衡指數(shù)”的經(jīng)濟內(nèi)涵和性質(zhì)進行系統(tǒng)評估。評估工作主要從兩個方面展開：一是各種 “金融失衡指數(shù)”與主要宏觀經(jīng)濟變量是否存在系統(tǒng)性關(guān)聯(lián)，相互影響和作用的方式如何；二是作為一種預(yù)警指標或者風(fēng)險提示指標，“金融失衡指數(shù)”是否具有足夠的領(lǐng)先性，可以為后續(xù)的宏觀審慎操作預(yù)留空間。對于第一個問題，我們主要通過VAR模型和相關(guān)性分析，對 “金融失衡指數(shù)”與產(chǎn)出和通脹的關(guān)聯(lián)性進行系統(tǒng)研究；對于第二個問題，我們主要通過將 “金融失衡指數(shù)”與主要宏觀經(jīng)濟變量以及其他典型綜合指數(shù)進行比較，來分析其作為領(lǐng)先指標的可行性和有效性。

基于上述研究設(shè)計，我們首先分析 “金融失衡指數(shù)”與產(chǎn)出和通脹之間的關(guān)聯(lián)性。按照標準理論，在建立VAR模型之前，需要先對相關(guān)變量的平穩(wěn)性進行檢驗，以確保系統(tǒng)的平穩(wěn)性。我們采用擴展的迪基-富勒 （Augment Dickey-Fuller）方法，對四種金融失衡指數(shù)、產(chǎn)出缺口和通脹缺口進行檢驗，結(jié)果表明，在5%的置信區(qū)間內(nèi)，這6個變量均為平穩(wěn)序列。②為節(jié)約篇幅，具體結(jié)果此處略去，如讀者需要，可向作者索取。

在數(shù)據(jù)平穩(wěn)性檢驗的基礎(chǔ)上，我們對四種 “金融失衡指數(shù)”與產(chǎn)出和通脹缺口之間的格蘭杰因果關(guān)系進行了檢驗。從表4和表5的檢驗結(jié)果可以看出，在10%的置信區(qū)間內(nèi)，各種 “金融失衡指數(shù)”均與產(chǎn)出和通脹缺口互為因果，存在相互影響、相互作用的內(nèi)生性關(guān)系，因此，可以建立VAR模型并進行脈沖響應(yīng)函數(shù)分析。在滯后階數(shù)的選擇上，根據(jù)Eviews軟件的運行結(jié)果，當滯后階數(shù)為1時，按照AIC準則和SC準則衡量的VAR模型效果最優(yōu)，因此，最終選擇建立一階滯后的三變量 （產(chǎn)出、通脹、金融失衡指數(shù)）VAR模型。

表4 “金融失衡指數(shù)”與產(chǎn)出缺口的格蘭杰因果檢驗

表5 “金融失衡指數(shù)”與通脹缺口的格蘭杰因果檢驗

由于VAR模型的系數(shù)通常難以解釋，因而研究者一般運用脈沖響應(yīng)函數(shù)來推斷VAR模型的動態(tài)內(nèi)涵。按照標準定義，脈沖響應(yīng)函數(shù)描述了在隨機誤差項上施加一個標準差大小的新息沖擊對各內(nèi)生變量當期和未來值的影響。如圖2所示，在一個標準差單位的Cholesky正向沖擊下，四種 “金融失衡指數(shù)”對產(chǎn)出和通脹的影響呈現(xiàn)出非常相似的動態(tài)路徑特征：對產(chǎn)出的影響通常會持續(xù)8期，一般在第3期達到最大值后逐漸衰減，至第8期時回歸均衡水平；相比之下，沖擊對通脹的影響更大，通常會持續(xù)11期，并在第4期左右達到最大值。從四種失衡指數(shù)的比較來看，金融失衡指數(shù)Ⅳ較其余三個指數(shù)的沖擊效應(yīng)稍大一些。

圖2 產(chǎn)出和通脹對各種 “金融失衡指數(shù)”的脈沖響應(yīng)

為了更直觀地比較四種 “金融失衡指數(shù)”與產(chǎn)出和通脹的相關(guān)性，我們計算了它們之間的同期相關(guān)系數(shù)和1～8期的跨期相關(guān)系數(shù)。如表6所示，無論是以同期相關(guān)系數(shù)衡量，還是以最大跨期相關(guān)系數(shù)衡量，四種 “金融失衡指數(shù)”與GDP同比增速和CPI同比增速的相關(guān)性均表現(xiàn)出逐漸增強的趨勢，其中，相關(guān)性最強的金融失衡指數(shù)Ⅳ與產(chǎn)出和通脹的同期相關(guān)系數(shù)分別達到0.65和0.51，最大跨期相關(guān)系數(shù) （滯后1期）分別達到0.66和0.60，這一表現(xiàn)要顯著優(yōu)于國內(nèi)以 “金融形勢指數(shù)”（FCI）作為通脹領(lǐng)先指標所得到的相關(guān)性結(jié)果，如封北麟和王貴民的研究［14］。

表6 四種 “金融失衡指數(shù)”與產(chǎn)出和通脹的相關(guān)性

鑒于四種金融失衡指數(shù)高度相關(guān)，且金融失衡指數(shù)Ⅳ比其他三個指數(shù)與宏觀經(jīng)濟指標的相關(guān)性更強，因而在下文的分析中，我們直接以 “金融失衡指數(shù)Ⅳ”作為金融失衡指數(shù)的代表，以避免不必要的冗繁陳述。

為分析 “金融失衡指數(shù)”作為領(lǐng)先指標的可行性和合理性，我們首先考察其與產(chǎn)出和通脹這兩個核心宏觀變量之間的時間序列關(guān)系。為便于直觀展現(xiàn)周期性變化和變量對均衡水平的偏離，產(chǎn)出和通脹均用缺口值 （HP濾波）表示。根據(jù)圖3所顯示的直觀結(jié)果，產(chǎn)出缺口一般領(lǐng)先于通脹缺口，而“金融失衡指數(shù)”則同時領(lǐng)先于產(chǎn)出和通脹缺口，且波動的幅度也大體呈現(xiàn)出一致性變化。從時間序列來看，2000年以后，尤其是2003年以后，“金融失衡指數(shù)”不僅與產(chǎn)出和通脹缺口之間的聯(lián)系越來越緊密，而且指示作用也越來越強。從經(jīng)驗事實來看，這種特征與中國金融發(fā)展的客觀進程以及金融體系在經(jīng)濟中的作用程度是完全一致的。

圖3 “金融失衡指數(shù)”領(lǐng)先于GDP和CPI

下面對 “金融失衡指數(shù)”作為領(lǐng)先指標的效果與另外兩個常見的景氣指數(shù)—— “企業(yè)景氣指數(shù)”和 “制造業(yè)采購經(jīng)理指數(shù)”（PMI）——進行比較。由于 “金融失衡指數(shù)”是基于缺口值構(gòu)建的，可以同時體現(xiàn)正向的或負向的偏離，因此，為了便于比較和直觀展現(xiàn)，我們對 “企業(yè)景氣指數(shù)”和 “制造業(yè)采購經(jīng)理指數(shù)”進行如下數(shù)列轉(zhuǎn)換：假定原始數(shù)列為Xi＝｛x1，x2，…，xn｝，其歷史均值為，令yi＝得到轉(zhuǎn)換后的數(shù)列Y＝ ｛y，i1y2，…，yn｝。換言之，轉(zhuǎn)換后的 “企業(yè)景氣指數(shù)”和 “制造業(yè)采購經(jīng)理指數(shù)”是原始數(shù)據(jù)偏離其歷史均值的百分比，因而其經(jīng)濟意義與 “金融失衡指數(shù)”類似，即正向偏離和負向偏離分別表示經(jīng)濟的偏熱和偏冷程度。

由于數(shù)據(jù)可獲得性不同， “企業(yè)景氣指數(shù)”始于1999年，“制造業(yè)采購經(jīng)理指數(shù)”始于2005年，二者來源均為中國經(jīng)濟網(wǎng)統(tǒng)計數(shù)據(jù)。轉(zhuǎn)換后的 “企業(yè)景氣指數(shù)”和 “制造業(yè)采購經(jīng)理指數(shù)”如圖4所示?？梢钥闯?，“金融失衡指數(shù)”不僅明顯領(lǐng)先于 “企業(yè)景氣指數(shù)”，而且領(lǐng)先于被普遍認為具有較好指示作用的 “制造業(yè)采購經(jīng)理指數(shù)”。這一結(jié)果的重要啟示是：由于基于金融因素構(gòu)建的綜合指數(shù)比基于實體經(jīng)濟構(gòu)建的綜合指數(shù)更具有領(lǐng)先性，因此，立足于金融失衡來預(yù)警和監(jiān)測系統(tǒng)性風(fēng)險的做法是可行且值得深入研究的。

圖4 “金融失衡指數(shù)”領(lǐng)先于 “企業(yè)景氣指數(shù)”和 “制造業(yè)采購經(jīng)理指數(shù)”

根據(jù)上述分析，可以得到以下兩個基本判斷：（1）“金融失衡指數(shù)”與各主要宏觀經(jīng)濟變量具有較強的系統(tǒng)相關(guān)性，說明金融失衡確實與宏觀經(jīng)濟周期存在著確切的內(nèi)生性關(guān)聯(lián)；（2）與“企業(yè)景氣指數(shù)”和 “制造業(yè)采購經(jīng)理指數(shù)”等現(xiàn)行綜合指數(shù)相比較，“金融失衡指數(shù)”對經(jīng)濟周期的反映更為敏感，也更為領(lǐng)先，這意味著以“金融失衡指數(shù)”作為宏觀審慎預(yù)警和決策的參考變量，將有助于提高政策實施的前瞻性和有效性。

當然，需要指出的是，“金融失衡指數(shù)”作為一種綜合指數(shù)，雖然能較為直觀地展現(xiàn)總體層面的金融失衡程度，但和其他綜合指數(shù)一樣，也面臨諸如 “缺乏理論基礎(chǔ)”等方面的批評，因為這些指數(shù)把很多不同種類和性質(zhì)的指標通過一定的權(quán)重加在了一起。①事實上，這一批評是任何綜合指數(shù)都無法避免的問題，任何一種方法都不可能同時解決所有問題，關(guān)鍵是要清楚每一種方法得到的結(jié)果適用于哪些具體的情況。此外，通過對各個分項指標進行加總，綜合指數(shù)在合成加總信息的同時，可能會失去某些重要的結(jié)構(gòu)性信息。

為減少上述問題的影響，在實際應(yīng)用中，應(yīng)該盡可能將綜合指數(shù)和各分項指數(shù)結(jié)合使用，在全面綜合考慮失衡范圍、程度、結(jié)構(gòu)和性質(zhì)的基礎(chǔ)上，選擇更具針對性的政策反應(yīng)模式和路徑。一般而言，如果失衡主要發(fā)生在股市或房地產(chǎn)市場等局部領(lǐng)域，那么，通常只需要使用諸如LTV、DTI和稅收等結(jié)構(gòu)性的宏觀審慎工具予以糾正。如果出現(xiàn)了普遍的信用擴張和過度投資等總量上的失衡，則應(yīng)該使用諸如利率政策、逆周期資本緩沖等具有總量調(diào)節(jié)性質(zhì)的宏觀審慎工具。［15］在某些情況下，總量和結(jié)構(gòu)上的失衡可能同時存在，此時可能需要構(gòu)建一個包括總量性工具和結(jié)構(gòu)性工具在內(nèi)的宏觀審慎政策組合，以增強政策反應(yīng)的針對性和實際效果。

按照上述思路，我們可以對近年來中國的金融失衡情況以及應(yīng)該采取的宏觀審慎政策進行一個簡單的模擬分析。如表7所示，在1998—2010年間，比較明顯的金融失衡出現(xiàn)在以下四個時期：

（1）在1998年的前3個季度，失衡主要表現(xiàn)為股票市場泡沫，其他領(lǐng)域的失衡并不明顯，此時宜使用稅收等結(jié)構(gòu)性的宏觀審慎政策予以應(yīng)對。到了1998年第4季度，嚴重的投資泡沫伴隨著股市泡沫和企業(yè)杠桿的上升，此時可考慮綜合使用總量性和結(jié)構(gòu)性的宏觀審慎政策，比如，可在提高利率抑制過度投資的基礎(chǔ)上，配合使用LTV等結(jié)構(gòu)性工具，對特定領(lǐng)域或行業(yè)的過度融資現(xiàn)象進行控制。

（2）在2003年第2～3季度和2004年第1季度，金融失衡主要表現(xiàn)為以金融體系過度信用擴張和實體經(jīng)濟過度投資為代表的總量性失衡，對于這種情況，宜主要采用總量性的宏觀審慎政策予以應(yīng)對，如一方面使用利率工具抑制投資過熱，另一方面使用逆周期資本緩沖等工具控制信貸過快增長。

（3）在2007年第3季度，失衡主要表現(xiàn)為股票市場和房地產(chǎn)領(lǐng)域的資產(chǎn)價格泡沫，此時應(yīng)采用針對股市投機的稅收政策和針對房地產(chǎn)過度投資的LTV等宏觀審慎工具予以糾正。2007年第4季度，資產(chǎn)價格泡沫伴隨著利差水平的異常擴大，表明銀行體系的風(fēng)險承擔(dān)水平也明顯上升，此時除使用抑制資產(chǎn)價格泡沫的結(jié)構(gòu)性宏觀審慎工具外，還應(yīng)該輔以利率調(diào)節(jié)等總量性的工具。

（4）2009年第2季度出現(xiàn)的利差上升伴隨著一定程度的投資和信貸泡沫，表明總量失衡正在發(fā)生；2009年第3季度出現(xiàn)了房地產(chǎn)泡沫，表明總量失衡和結(jié)構(gòu)性失衡并存?？傮w來看，2009年第2季度至2010年第1季度主要表現(xiàn)為比較嚴重的房地產(chǎn)價格泡沫和一定程度的信貸擴張，而2010年第2～4季度則主要表現(xiàn)為過度的信貸擴張和一定程度的房地產(chǎn)價格泡沫。從宏觀審慎政策選擇來看，基于總量調(diào)節(jié)的宏觀審慎工具應(yīng)該從2009年第2季度開始實施，并一直延續(xù)至2010年第4季度；同時，在2009年第3季度至2010年第2季度，還應(yīng)該配合使用專門針對房地產(chǎn)市場調(diào)控的結(jié)構(gòu)性宏觀審慎工具。

表7 中國的金融失衡分類情況及宏觀審慎政策應(yīng)對

續(xù)前表

續(xù)前表

四、結(jié)論性評價

本文構(gòu)建了一個新的 “金融失衡指數(shù)”，并對其在中國宏觀審慎政策框架下的實踐進行了模擬分析，結(jié)果表明，該指數(shù)不僅可以有效描述中國經(jīng)濟周期中的金融失衡現(xiàn)象，而且比傳統(tǒng)的CPI、FCI、PMI等指數(shù)更為準確，也更為領(lǐng)先。實證分析和大量對比數(shù)據(jù)表明，“金融失衡指數(shù)”可以作為衡量系統(tǒng)性金融風(fēng)險的良好指示器，并為宏觀審慎政策的實施提供有效的決策和參考信息。

然而，就宏觀審慎政策的實踐操作而言，對“金融失衡指數(shù)”的運用不應(yīng)該停留在對加總指標的機械使用和理解上。從歷史上看，指望某個單一的綜合指標就能反映因不同原因而產(chǎn)生的失衡及其相關(guān)信息是不現(xiàn)實的。更為可靠的做法是，既觀察由 “金融失衡指數(shù)”所反映的總量失衡情況，也分析用以構(gòu)建 “金融失衡指數(shù)”的各分項指標的偏離程度，因為后者常常包含著有關(guān)結(jié)構(gòu)性失衡的關(guān)鍵信息。

在綜合運用 “金融失衡指數(shù)”及其分項指標的過程中，還涉及如何對相關(guān)信息進行合理解讀的問題。在某些情況下，各指標出現(xiàn)的是統(tǒng)一的、方向一致的失衡趨勢，如當投資高速增長、信貸加速擴張、企業(yè)杠桿上升、資產(chǎn)價格膨脹和銀行利差擴大等現(xiàn)象同時出現(xiàn)時，幾乎可以肯定系統(tǒng)性的失衡已經(jīng)發(fā)生。但在另外一些情況下，局面可能比較復(fù)雜，各指標的失衡可能相繼發(fā)生，甚至表現(xiàn)出反向和背離的趨勢，此時如何理解這些現(xiàn)象，以及如何形成正確的判斷和決策，這既依賴于研究人員的經(jīng)驗，也依賴于他們對現(xiàn)實情況的研判能力。重要的是，數(shù)據(jù)本身既可以顯示問題，也可以掩蓋問題，教條化、機械化和脫離現(xiàn)實的工作方式是所有成功政策實踐的死敵。

最后，有必要予以澄清的一點是，用是否能準確預(yù)測危機發(fā)生的時點來衡量預(yù)警指標的好壞是極具誤導(dǎo)性的。即便危機事件的發(fā)生是必然的，其爆發(fā)的時點也是難以預(yù)料的，因為后者更多地受到各種隨機事件的影響，因而具有根本上的不確定性。從宏觀審慎的視角來看，構(gòu)建危機預(yù)警指標的根本目的并不是要準確地預(yù)測危機，而是及時發(fā)現(xiàn)各種潛在的失衡，并在其產(chǎn)生破壞性影響之前采取有效的措施予以糾正。

［1］Goldstein.M，G.Kaminsky and C.Reihart.“Assessing Financial Vulnerability：An Early Warning System for Emerging Markets”，Institute for International Economics，Washington DC，2000.

［2］莊巨忠：《東亞貨幣危機和銀行危機早期預(yù)警系統(tǒng)非參數(shù)模型》，載 《金融危機早期預(yù)警系統(tǒng)及其在東亞地區(qū)的運用》，北京，中國金融出版社，2005。

［3］Furman，Jason，and Joseph Stiglitz.“Economic Crises：Evidence and Insights from East Asia”，Brookings Papers on Economic Activity 2，1998；Agnello，L.and Ludger S.“Booms and Busts in Housing Markets：Determinants and Implications”，ECB Working Paper Series No.1071，2009；Gerdesmeier，D.，H.Reimers and B.Roffia.“Asset Price Misalignments and the Role of Money and Credit”，ECB Working Paper Series No.1068，2009.

［4］Alessi，L.and D.Carsten.“Real Time Early Warning Indicators for Costly Asset Price Boom／Bust Cycles：A Role for Global Liquidity”，ECB Working Paper Series No.1039，2009.

［5］Agnello，L.and S.Ludger.“Booms and Busts in Housing Markets：Determinants and Implications”，ECB Working Paper Series No.1071，2009.

［6］Gerdesmeier，D.，H.Reimers and B.Roffia.“Asset Price Misalignments and the Role of Money and Credit”，ECB Working Paper Series No.1068，2009.

［7］Goodhart，C.and B.Hofmann.“Asset Prices，F(xiàn)inancial Conditions，and the Transmission of Monetary Policy”，Paper prepared for the conference on Asset Prices，Exchange Rates，and Monetary Policy，Stanford University，March 2-3，2001.

［8］陳雨露、馬勇：《泡沫、實體經(jīng)濟與金融危機：一個周期分析框架》，載 《金融監(jiān)管研究》，2012（1）。

［9］馬勇：《宏觀經(jīng)濟理論中的金融因素：若干認識誤區(qū)》，載 《金融評論》，2012（3）。

［10］馬勇：《系統(tǒng)性金融風(fēng)險：一個經(jīng)典注釋》，載 《金融評論》，2011（4）。

［11］明斯基：《穩(wěn)定不穩(wěn)定的經(jīng)濟——一種金融不穩(wěn)定視角》，北京，清華大學(xué)出版社，2010。

［12］Goodhart，C.“What Weight Should be Given to Asset Prices in the Measurement of Inflation？”.The Economic Journal 111，June，2001.

［13］Bryan，M.and S.Cecchetti.“The Consumer Price Index as a Measure of Inflation”.Economic Review of the Federal Reserve Bank of Cleveland，1993，29 （4）.

［14］封北麟、王貴民：《貨幣政策與金融形勢指數(shù)FCI：基于VAR的實證分析》，載 《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》，2006 （11）。

［15］陳雨露、馬勇：《宏觀審慎監(jiān)管：目標、工具與相關(guān)制度安排》，載 《經(jīng)濟理論與經(jīng)濟管理》，2012（3）。