劉 璐，王晉斌

(1.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 國(guó)際經(jīng)濟(jì)研究院，北京 100029；2.中國(guó)人民大學(xué) 經(jīng)濟(jì)學(xué)院，北京 100872)

一、問(wèn)題的提出

2008年金融危機(jī)以來(lái)，政策制定者和學(xué)術(shù)研究者更加重視金融因素尤其是金融周期在經(jīng)濟(jì)中的作用。

政策制定層面。近年來(lái)，各國(guó)央行都開始認(rèn)識(shí)到區(qū)別于經(jīng)濟(jì)周期的金融周期的重要性。中國(guó)人民銀行在《2017年第三季度中國(guó)貨幣政策執(zhí)行報(bào)告》(1)參見《2017年第四季度中國(guó)貨幣政策執(zhí)行報(bào)告》，人民銀行網(wǎng)站。中首次提出“金融周期”一詞，并指出：“國(guó)際金融危機(jī)促使國(guó)際社會(huì)更加關(guān)注金融周期變化，需引入宏觀審慎政策加以應(yīng)對(duì)?！?/p>

金融周期的提出在貨幣政策制定層面對(duì)監(jiān)管者提出了新的要求，也展現(xiàn)了監(jiān)管水平的進(jìn)一步提高：從之前只關(guān)注通脹而忽略資產(chǎn)價(jià)格和金融規(guī)模，到通過(guò)貨幣狀況指數(shù)(MCI)和金融狀況指數(shù)(FCI)(2)貨幣狀況指數(shù)(Monetary Condition Index，MCI)反映短期實(shí)際利率與有效實(shí)際匯率短期內(nèi)相對(duì)于基期的變化情況；金融狀況指數(shù)(Financial Condition Index，F(xiàn)CI)在MCI的基礎(chǔ)上加入了房?jī)r(jià)、股價(jià)等資產(chǎn)價(jià)格，以反映未來(lái)的通脹壓力(陸軍和梁靜瑜，2007[2]；郭曄和楊嬌，2012[3])。監(jiān)控資產(chǎn)價(jià)格，再到通過(guò)金融周期將資產(chǎn)價(jià)格、金融規(guī)模等因素都考慮在內(nèi)。中國(guó)的結(jié)構(gòu)性去杠桿、穩(wěn)杠桿實(shí)踐和金融供給側(cè)改革實(shí)踐都不能忽視金融周期因素的重要作用。

學(xué)術(shù)層面。金融周期受到越來(lái)越多的關(guān)注和討論。關(guān)于金融周期的概念，學(xué)術(shù)界并沒有達(dá)成一致。Borio等(2014)[1]將其定義如下：金融周期是一種自我加強(qiáng)的、價(jià)值和風(fēng)險(xiǎn)之間以及風(fēng)險(xiǎn)態(tài)度和融資約束之間的互動(dòng)，表現(xiàn)為繁榮和衰退。這些互動(dòng)會(huì)放大經(jīng)濟(jì)波動(dòng)，也可能導(dǎo)致嚴(yán)重的金融抑制和經(jīng)濟(jì)混亂。

二、研究綜述

國(guó)外關(guān)于金融周期的研究成果較多，針對(duì)不同國(guó)家得到的研究結(jié)論非常豐富。Claessens 等(2011)[4]采用轉(zhuǎn)折點(diǎn)分析法測(cè)度了21個(gè)OECD國(guó)家的金融周期，發(fā)現(xiàn)衰退期通常會(huì)出現(xiàn)急劇下降，而繁榮期則持續(xù)時(shí)間較長(zhǎng)；股價(jià)和房?jī)r(jià)周期比信貸周期更長(zhǎng)；當(dāng)房?jī)r(jià)下降并伴隨金融危機(jī)時(shí)，衰退經(jīng)歷的時(shí)間會(huì)更長(zhǎng)，損失也會(huì)更大。當(dāng)各國(guó)之間協(xié)同出現(xiàn)金融周期的衰退期時(shí)，衰退也會(huì)經(jīng)歷更長(zhǎng)時(shí)間，衰退程度也會(huì)更深。Drehmann 等(2012)[5]和Borio等(2014)[1]采用濾波分析法和轉(zhuǎn)折點(diǎn)分析法以及1960q1—2011q4的信貸、信貸/GDP、房地產(chǎn)價(jià)格指標(biāo)，提取7個(gè)發(fā)達(dá)國(guó)家的金融周期，發(fā)現(xiàn)按照傳統(tǒng)方法衡量，經(jīng)濟(jì)周期一般是8年，而1960s以來(lái)7個(gè)樣本工業(yè)化國(guó)家的金融周期是16年，并且金融周期的波峰一般伴隨著金融危機(jī)。當(dāng)經(jīng)濟(jì)周期的低谷期和金融周期的低谷期重合時(shí)，經(jīng)濟(jì)會(huì)遭受更嚴(yán)重的衰退。Claessens 等(2012)[6]使用轉(zhuǎn)折點(diǎn)分析法以及信貸、房?jī)r(jià)、股價(jià)指標(biāo)測(cè)度了44個(gè)國(guó)家1960q1—2010q4 的金融周期，發(fā)現(xiàn)在經(jīng)濟(jì)周期和金融周期的不同階段，二者都有非常強(qiáng)的關(guān)系。具體而言，伴隨金融崩潰(股價(jià)和房?jī)r(jià)泡沫破裂)的經(jīng)濟(jì)衰退往往持續(xù)時(shí)間更長(zhǎng)，衰退程度也更嚴(yán)重；伴隨著資產(chǎn)價(jià)格下降的復(fù)蘇往往更弱，而伴隨著高信貸增速的經(jīng)濟(jì)復(fù)蘇往往更強(qiáng)勁。Stremmel(2015)[7]使用濾波分析方法，以及信貸/GDP、信貸增長(zhǎng)率、房?jī)r(jià)等指標(biāo)測(cè)度了11個(gè)歐盟國(guó)家1980q1—2012q4的金融周期，發(fā)現(xiàn)金融周期比經(jīng)濟(jì)周期持續(xù)時(shí)間長(zhǎng)，經(jīng)濟(jì)周期的波動(dòng)的幅度更大，金融周期的波峰通常預(yù)示著危機(jī)的到來(lái)，并且與經(jīng)濟(jì)周期波峰不一致。Schüler 等(2015)[8]采用多變量譜分析和時(shí)變的加總分析法測(cè)度了13個(gè)歐盟成員國(guó)1970—2013年的金融周期，發(fā)現(xiàn)信貸和資產(chǎn)價(jià)格相關(guān)性較大，可以用來(lái)形成金融周期；金融周期比經(jīng)濟(jì)周期持續(xù)時(shí)間長(zhǎng)，在繁榮期尤其如此；金融周期只在2/3的時(shí)間里與經(jīng)濟(jì)周期的波動(dòng)一致；各國(guó)金融周期呈現(xiàn)出一定的協(xié)同性。Krznar和Matheson(2017)[9]研究了巴西金融周期與經(jīng)濟(jì)周期之間的聯(lián)系。對(duì)金融周期的刻畫使用了兩種方法：一是金融狀況指數(shù)(FCI)，既使用了單變量指標(biāo)信貸通過(guò)濾波方法得到的周期，也使用了多變量貨幣市場(chǎng)溢價(jià)、股價(jià)和房?jī)r(jià)、信貸總量、匯率和EMBI通過(guò)主成分分析得到的周期；二是使用半結(jié)構(gòu)模型，其中使用信貸周期代表金融周期。研究發(fā)現(xiàn)，巴西處于金融周期的衰退期，脆弱性增強(qiáng)；信貸增速放緩有礙于經(jīng)濟(jì)增長(zhǎng)；用公共部門的信貸增長(zhǎng)彌補(bǔ)私人部門的信貸增長(zhǎng)會(huì)引致巨大的成本和低效率，并且很難逆轉(zhuǎn)。Filardo 等(2018)[10]基于Burns和Mitchell(1946)[11]的方法，采用美國(guó)1880—2017年的實(shí)際信貸、信貸/GDP、實(shí)際房?jī)r(jià)(穩(wěn)健性檢驗(yàn)中還使用了信貸、房?jī)r(jià)、股價(jià))數(shù)據(jù)提取美國(guó)的金融周期，將金融周期的每個(gè)擴(kuò)張期和衰退期都?jí)嚎s成相同長(zhǎng)度的時(shí)間單位，再與金融周期的日歷時(shí)間作比較，以期發(fā)現(xiàn)各周期有何共同點(diǎn)。研究發(fā)現(xiàn)，當(dāng)長(zhǎng)期實(shí)際利率越低、通脹波動(dòng)越小、宏觀金融環(huán)境風(fēng)險(xiǎn)(用公司債券溢價(jià)和NVIX指標(biāo)衡量)越小時(shí)，通常是金融周期持續(xù)時(shí)間更長(zhǎng)的時(shí)候。Rünstler等(2018)[12]利用17個(gè)歐盟成員國(guó)1988Q1—2015Q4的房?jī)r(jià)、信貸、股價(jià)、名義利率、期限溢價(jià)數(shù)據(jù)，通過(guò)濾波分析法、小波分析法(wavelet analysis)和結(jié)構(gòu)模型方法提取金融周期，該研究有6個(gè)重要發(fā)現(xiàn)：信貸周期和房?jī)r(jià)周期關(guān)系緊密(股價(jià)和長(zhǎng)期利率的相關(guān)性則比較弱)；經(jīng)濟(jì)周期與信貸周期和房?jī)r(jià)周期有密切聯(lián)系；17個(gè)歐盟成員國(guó)信貸周期和房?jī)r(jià)周期聯(lián)系的緊密程度小于其與GDP聯(lián)系的緊密程度；各國(guó)信貸周期和房?jī)r(jià)周期都有各自顯著不同的特點(diǎn)；以實(shí)際時(shí)間估計(jì)的信貸周期和房?jī)r(jià)周期容易受到不確定性的影響；現(xiàn)存的DSGE模型可以模擬房?jī)r(jià)和股價(jià)波動(dòng)的幅度，但是卻不能模擬其持續(xù)的時(shí)間。

國(guó)內(nèi)研究也使用了豐富的指標(biāo)和多種方法對(duì)中國(guó)金融周期進(jìn)行提取。馬勇和張航(2017)[13]采用1990—2016年中國(guó)省級(jí)面板數(shù)據(jù)和動(dòng)態(tài)分析方法研究金融周期對(duì)全要素生產(chǎn)率的影響，發(fā)現(xiàn)在金融周期的繁榮階段，金融不穩(wěn)定對(duì)TFP的負(fù)面效應(yīng)會(huì)增強(qiáng)，金融發(fā)展會(huì)放大金融不穩(wěn)定對(duì)TFP的沖擊；在金融周期的衰退階段，金融不穩(wěn)定對(duì)TFP的負(fù)面效應(yīng)會(huì)減弱，金融發(fā)展會(huì)吸收一部分金融不穩(wěn)定對(duì)TFP的沖擊。陳雨露等(2016)[14]通過(guò)跨國(guó)面板數(shù)據(jù)研究發(fā)現(xiàn)，當(dāng)金融周期處于繁榮期或衰退期時(shí)，經(jīng)濟(jì)增長(zhǎng)率都較低，只有當(dāng)金融周期處于正常期時(shí)，經(jīng)濟(jì)增長(zhǎng)率才較高；不論金融周期處于何種時(shí)期，金融波動(dòng)的增大都會(huì)對(duì)經(jīng)濟(jì)產(chǎn)生負(fù)面影響。因此，無(wú)論是在政策制定層面還是在學(xué)術(shù)研究層面，金融周期都具有重要意義。朱太輝和黃海晶(2018)[15]使用中國(guó)1998Q1—2018Q1的廣義信貸、廣義信貸/GDP和房?jī)r(jià)數(shù)據(jù)，采用BP濾波方法和轉(zhuǎn)折點(diǎn)分析法提取中國(guó)金融周期短周期和中周期，發(fā)現(xiàn)中國(guó)金融周期短周期與調(diào)控政策密切相關(guān)，中周期長(zhǎng)度和波幅均小于西方發(fā)達(dá)國(guó)家。范小云等(2017)[16]使用中國(guó)1996Q1—2015Q4的信貸、信貸/GDP、房?jī)r(jià)和股指數(shù)據(jù)，采用BP濾波和主成分分析相結(jié)合的方法提取低頻范圍的中國(guó)金融周期，并解釋了其與中國(guó)經(jīng)濟(jì)周期的關(guān)系。王博和李昊然(2018)[17]使用信貸、信貸/GDP、房?jī)r(jià)和股價(jià)數(shù)據(jù)，采用不可觀測(cè)成分時(shí)間序列模型和相移分析方法，以狀態(tài)空間模型(卡爾曼濾波)進(jìn)行估計(jì)，提取了包括中國(guó)在內(nèi)的10個(gè)國(guó)家的金融周期，并進(jìn)行比較分析。苗文龍等(2018)[18]使用馬爾可夫區(qū)制轉(zhuǎn)移模型提取中國(guó)金融周期以及12類行業(yè)技術(shù)投入周期，分析不同金融變量形成的金融周期對(duì)不同行業(yè)技術(shù)投入周期的不同影響。崔建軍和張冬陽(yáng)(2019)[19]利用中國(guó)貨幣、信貸、資本、房地產(chǎn)市場(chǎng)的15個(gè)指標(biāo)，使用主成分分析方法測(cè)算中國(guó)金融周期，并使用TVP-SV-VAR方法分析2003—2017年中國(guó)貨幣政策、金融周期等變量之間的關(guān)系。張宗新等(2020)[20]則使用信貸總量、信貸/GDP以及房?jī)r(jià)數(shù)據(jù)，采用BP濾波方法測(cè)度中國(guó)金融周期。

從以上關(guān)于金融周期的研究中可以看出：第一，關(guān)于中國(guó)金融周期所使用的指標(biāo)，大多使用信貸、信貸/GDP、房?jī)r(jià)和股價(jià)4種指標(biāo)。第二，目前關(guān)于金融周期的提取方法，大致有以下幾種：轉(zhuǎn)折點(diǎn)分析法(turning point)、帶通濾波法(band-pass filter，BP)、主成分分析法(PCA)、狀態(tài)空間模型(卡爾曼濾波)、馬爾可夫區(qū)制轉(zhuǎn)移方法。以上方法得到的中國(guó)金融周期指標(biāo)多為單一指標(biāo)，并未形成包括一系列各有所側(cè)重的子指標(biāo)的指標(biāo)體系。第三，在研究金融周期與經(jīng)濟(jì)周期的關(guān)系時(shí)，多采用描述性方法，并未使用科學(xué)的估計(jì)方法從時(shí)變角度進(jìn)行研究。

在以上研究的基礎(chǔ)上，本文采用BP濾波法、單因子動(dòng)態(tài)因子法、雙因子動(dòng)態(tài)因子法，使用信貸、信貸/GDP、房?jī)r(jià)和股價(jià)4種指標(biāo)提取中國(guó)金融周期，在驗(yàn)證現(xiàn)有研究結(jié)論的基礎(chǔ)上對(duì)其進(jìn)行拓展，形成總體中國(guó)金融周期指標(biāo)、主要代表信貸的中國(guó)金融周期指標(biāo)和主要代表房?jī)r(jià)的中國(guó)金融周期指標(biāo)，通過(guò)這一指標(biāo)體系而非單一指標(biāo)反映中國(guó)金融系統(tǒng)的總體情況。并使用變系數(shù)向量自回歸方法(TVP-VAR)探究不同時(shí)點(diǎn)上各中國(guó)金融周期指標(biāo)對(duì)中國(guó)經(jīng)濟(jì)周期的影響。

本文的安排如下：第一部分為問(wèn)題的提出；第二部分為研究綜述；第三部分為數(shù)據(jù)處理及變量選擇；第四部分為中國(guó)金融周期的提??；第五部分為中國(guó)金融周期對(duì)中國(guó)經(jīng)濟(jì)周期的影響；第六部分為結(jié)論和建議。

三、數(shù)據(jù)處理及變量選擇

本文在現(xiàn)有研究的基礎(chǔ)上進(jìn)行了數(shù)據(jù)構(gòu)建和數(shù)據(jù)處理。數(shù)據(jù)處理過(guò)程及數(shù)據(jù)來(lái)源如表1所示。如上所述，目前國(guó)內(nèi)外關(guān)于提取金融周期的指標(biāo)沒有統(tǒng)一意見，因此主要使用信貸、信貸/GDP、房?jī)r(jià)和股價(jià)4種指標(biāo)提取中國(guó)金融周期。

表1 數(shù)據(jù)處理及數(shù)據(jù)來(lái)源

表1(續(xù))

四、中國(guó)金融周期的提取

使用兩種方法提取中國(guó)金融周期：一是按照朱太輝和黃海晶(2018)[15]使用BP濾波的方法；二是使用動(dòng)態(tài)因子模型(Dynamic Factor Model)方法(包括單因子和雙因子)。

(一)使用帶通(BP)濾波方法提取中國(guó)金融周期

按照朱太輝和黃海晶(2018)[15]的做法，使用BP濾波分析方法(其中的BK帶通濾波法)，分別提取信貸、信貸/GDP、房?jī)r(jià)3個(gè)變量的短周期和中周期(1)按照朱太輝和黃海晶(2018)[15]的做法，短周期的參數(shù)設(shè)置為5-24個(gè)季度或15-72個(gè)月；中周期的參數(shù)設(shè)置為24～樣本上限季度數(shù)或72～樣本上限月度數(shù)。，并使用這3個(gè)變量各自的短周期與中周期的均值作為中國(guó)金融周期的短周期和中周期。

BP濾波方法是一種比較傳統(tǒng)的提取經(jīng)濟(jì)周期或金融周期的方法。對(duì)于時(shí)間序列，一直存在兩種分析方法：一是時(shí)域分析法，經(jīng)常使用自相關(guān)函數(shù)和差分方程；二是頻域分析(譜分析)法，將時(shí)間序列看成互不相關(guān)的、具有不同周期(頻率)的波的疊加。BP濾波法是頻域分析法中的一種重要方法，它能夠根據(jù)人為設(shè)定的參數(shù)分離出時(shí)間序列里中間頻率的成分，去掉高頻的季節(jié)因素和隨機(jī)擾動(dòng)成分以及低頻的增長(zhǎng)趨勢(shì)成分(高鐵梅等，2015)[21]。

本文的研究區(qū)別于朱太輝和黃海晶(2018)[15]的研究在于，朱太輝和黃海晶(2018)[15]的數(shù)據(jù)時(shí)段為1999Q1—2017Q4，而本文將中國(guó)金融周期的時(shí)間向前擴(kuò)展至1996Q1，向后擴(kuò)展至2018Q4(2)采用BP濾波法提取金融周期時(shí)，開始和結(jié)尾部分都會(huì)消耗掉一部分?jǐn)?shù)據(jù)，所以先使用ARIMA模型進(jìn)行數(shù)據(jù)預(yù)測(cè)。，信息更加充分。中國(guó)金融短周期和中周期如圖1所示。本文得到的金融周期與朱太輝和黃海晶(2018)[15]的研究結(jié)果基本一致(3)本文的金融周期最早從1996年開始，包括了1997年亞洲金融危機(jī)發(fā)生時(shí)段，所以圖形上看起來(lái)與朱太輝和黃海晶(2018)[15]的研究結(jié)果有部分差異。。

圖1 BP濾波法下的中國(guó)金融短周期和中周期

從圖1可以看到中國(guó)金融周期的總體情況，與中國(guó)的現(xiàn)實(shí)情況基本吻合。由于中國(guó)金融短周期呈現(xiàn)的信息更多，所以著重對(duì)其進(jìn)行分析。具體而言，可以分為以下五個(gè)階段。

第一階段：1996Q1—2000Q2

1996Q1開始，央行連續(xù)降息，使房地產(chǎn)和信貸規(guī)模激增(梁云芳等，2006)[23]。1997年爆發(fā)亞洲金融危機(jī)，受此影響，中國(guó)金融短周期處于下行期。1998年7月國(guó)務(wù)院發(fā)布《國(guó)務(wù)院關(guān)于進(jìn)一步深化城鎮(zhèn)住宅制度改革 加快住房建設(shè)的通知》，開始實(shí)施住房貨幣化改革，信貸規(guī)模有所擴(kuò)張，從而中國(guó)金融短周期出現(xiàn)小幅上行趨勢(shì)。為了應(yīng)對(duì)不良貸款規(guī)模持續(xù)攀升問(wèn)題，1999年四大資產(chǎn)管理公司和銀監(jiān)會(huì)成立(王博和李昊然，2018)[17]。2000年6月初，中國(guó)人民銀行和國(guó)家經(jīng)貿(mào)委聯(lián)合下發(fā)了《關(guān)于對(duì)淘汰的落后生產(chǎn)能力、工藝、產(chǎn)品和重復(fù)建設(shè)項(xiàng)目限制或禁止貸款的通知》，要求商業(yè)銀行對(duì)貸款企業(yè)進(jìn)行清理分類、區(qū)別對(duì)待，嚴(yán)格按照國(guó)家產(chǎn)業(yè)政策要求發(fā)放貸款。此時(shí)國(guó)企壞賬問(wèn)題已經(jīng)非常嚴(yán)重，為了應(yīng)對(duì)高企的銀行不良貸款率，各國(guó)有商業(yè)銀行“惜貸”問(wèn)題進(jìn)一步嚴(yán)重(錢小安，2000；許立新等，2001)[24～25]。

第二階段：2000Q3—2004Q4

2001年中國(guó)加入WTO，信貸政策略寬松，受此影響，中國(guó)金融短周期處于上行期。2002年之后地方政府以地套現(xiàn)現(xiàn)象增多(范小云等，2017)[16]，信貸規(guī)模隨之攀升。2003年受國(guó)際景氣周期的影響，中國(guó)金融短周期進(jìn)一步上行。2004年之后信貸緊縮(梁云芳等，2006[23]；王博和李昊然，2018[17])，當(dāng)年中國(guó)實(shí)際存款利率為負(fù)(陸軍和梁靜瑜，2007)[2]，中國(guó)金融短周期陷入谷底。

第三階段：2005Q1—2008Q2

2004年之后中國(guó)房?jī)r(jià)出現(xiàn)快速上漲，信貸規(guī)模也出現(xiàn)擴(kuò)張(郭曄和楊嬌，2012)[3]，2005年放開金融機(jī)構(gòu)同業(yè)存款利率，金融市場(chǎng)化程度進(jìn)一步提高(范小云等，2017)[16]，直至2006年中國(guó)金融短周期都處于上行期。然而，2007年受全球金融危機(jī)的影響，中國(guó)金融短周期開始下行。2008Q1為應(yīng)對(duì)通脹，央行采取了加息、提高準(zhǔn)備金率以及緊縮信貸等措施(黃益平等，2010)[26]，中國(guó)金融短周期進(jìn)一步下行，在2008Q2到達(dá)谷底。

第四階段：2008Q3—2011Q3

為了應(yīng)對(duì)全球金融危機(jī)，中國(guó)政府2008年11月出臺(tái)了“四萬(wàn)億”經(jīng)濟(jì)刺激計(jì)劃，受此影響，2009Q1中國(guó)金融短周期出現(xiàn)非常顯著的峰值。而到2010年底，面對(duì)高企的房?jī)r(jià)和投資過(guò)度趨向，央行開始實(shí)行緊縮的貨幣政策，從而在2010年底甚至直到2011Q3，中國(guó)金融短周期都處于低谷階段。

第五階段：2011Q4—2018Q4

央行自2011Q4開始下調(diào)存款準(zhǔn)備金率，2012年、2014年和2015年繼續(xù)多次下調(diào)存款準(zhǔn)備金率。在此影響下，信貸規(guī)模有所擴(kuò)大，2015年底和2016年4—9月房?jī)r(jià)也呈現(xiàn)出上漲趨勢(shì)(劉曉星和石廣平，2018)[27]，因而此時(shí)中國(guó)金融短周期出現(xiàn)局部高峰。2016年下半年以來(lái)，央行逐漸提升利率水平；2016年9月30日北京推出調(diào)控房?jī)r(jià)的“京八條”，此后抑制房?jī)r(jià)上漲的調(diào)控政策不斷出臺(tái)，房?jī)r(jià)過(guò)快上漲得到一定程度的控制，此時(shí)中國(guó)金融短周期進(jìn)入下行期。2017年7月全國(guó)金融工作會(huì)議強(qiáng)調(diào)“防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)是金融工作的永恒主題，要把主動(dòng)防范化解系統(tǒng)性金融風(fēng)險(xiǎn)放在更加重要的位置”，同年12月中央經(jīng)濟(jì)工作會(huì)議更進(jìn)一步把防范化解重大風(fēng)險(xiǎn)放在未來(lái)3年三大攻堅(jiān)戰(zhàn)之首。在上述背景下，2017年4月初銀監(jiān)會(huì)開啟“監(jiān)管風(fēng)暴”，11月央行發(fā)布資管新規(guī)征求意見稿，2017年全年利率水平持續(xù)上升，因此到2017年底中國(guó)金融短周期陷入局部谷底。2018年以來(lái)，央行5次降低存款準(zhǔn)備金率，信貸規(guī)模有了一定增長(zhǎng)，所以中國(guó)金融短周期呈現(xiàn)上行趨勢(shì)。

使用BP濾波方法提取中國(guó)金融周期具有簡(jiǎn)單、直觀的優(yōu)點(diǎn)，然而該方法也存在一些不足：首先，簡(jiǎn)單地使用3種子指標(biāo)的算術(shù)平均值計(jì)算中國(guó)金融周期，人為地讓每種指標(biāo)權(quán)重相等，使得結(jié)果更偏向于本身絕對(duì)值較大的指標(biāo)。其次，BP濾波方法需要人為設(shè)定參數(shù)，主觀性較強(qiáng)。鑒于此，本文使用另一種更加客觀的方法，即動(dòng)態(tài)因子法提取中國(guó)金融周期。

(二)使用動(dòng)態(tài)因子法提取中國(guó)金融周期

使用動(dòng)態(tài)因子法提取信貸、信貸/GDP、房?jī)r(jià)、股價(jià)4個(gè)變量的共同因子，代表中國(guó)金融周期。具體而言，先將以上經(jīng)過(guò)處理的各變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，再將4個(gè)變量帶入動(dòng)態(tài)因子模型(采用2階滯后)。按照Koop和Korobilis(2010)[28]的做法，設(shè)定如下動(dòng)態(tài)因子模型：

yt=ΛFt+ξt

(1)

Ft=Φ1Ft-1+…+ΦpFt-p+εt

(2)

ξit=?i1ξit-1+…+?iqξit-q+μit

(3)

式(1)中，yt是4×T(T=88)的向量，包含平穩(wěn)的、標(biāo)準(zhǔn)化后的信貸、信貸/GDP、房?jī)r(jià)、股價(jià)數(shù)據(jù)，即yt=[Creditt,Credit/GDPratiot,HousePricet,StockPricet]′。yt由兩個(gè)相互獨(dú)立的部分組成：一是信貸、信貸/GDP、房?jī)r(jià)、股價(jià)共同的部分Ft(但對(duì)于4個(gè)變量來(lái)說(shuō)，其Ft之前的系數(shù)各不相同)，F(xiàn)t是r×T的向量，被稱為共同因子(commonfactor)，Λ為4×r的系數(shù)矩陣，被稱為因子載荷矩陣；二是各變量的異質(zhì)性沖擊部分ξt，向量ξt包含信貸、信貸/GDP、房?jī)r(jià)、股價(jià)各自異于彼此的部分以及測(cè)量誤差。估計(jì)式(1)時(shí)假設(shè)無(wú)截距項(xiàng)。假設(shè)共同因子部分和異質(zhì)性沖擊部分都服從零均值過(guò)程。如式(2)所示，共同因子Ft具有p階自回歸結(jié)構(gòu)，p=2，εt～i.i.d.N(0,Q)。如式(3)所示，異質(zhì)性沖擊部分ξt中的每一個(gè)因子都具有q階自回歸結(jié)構(gòu)，假設(shè)?i1=?i2=…=?iq=0，μit～i.i.d.N(0,σit)，E(μit,εt)=0,E(μit,μjt)=0(i≠j)。

通過(guò)最大似然法估計(jì)動(dòng)態(tài)因子模型，分別估計(jì)了共同因子僅為一個(gè)(r=1)的單因子動(dòng)態(tài)因子模型和共同因子為兩個(gè)(r=2)的雙因子動(dòng)態(tài)因子模型(4)根據(jù)Bai和Ng(2002)[30]的BIC信息準(zhǔn)則，BIC(1)= 570.98，BIC(2)= 452.48。由于樣本量有限，無(wú)法估計(jì)出具有3個(gè)共同因子的模型。。

1.單因子的動(dòng)態(tài)因子模型及結(jié)果

單因子的動(dòng)態(tài)因子模型回歸結(jié)果如表2所示。因子載荷是共同因子之前的系數(shù)矩陣，其中每個(gè)系數(shù)表示共同因子與變量的協(xié)方差，例如:cov(信貸,FC)=0.192，cov(信貸/GDP,FC)=0.238，cov(房?jī)r(jià),FC)=0.117，cov(股價(jià),FC)=-0.070。由于所有數(shù)據(jù)均經(jīng)過(guò)了標(biāo)準(zhǔn)化處理，均值為0，方差為1，所以該系數(shù)可以表示相關(guān)變量和共同因子的相關(guān)系數(shù)(高鐵梅等，2015)[21]。從表2的因子載荷中可以看出，單因子動(dòng)態(tài)因子模型所提取的中國(guó)金融周期與信貸/GDP和信貸的關(guān)系最為密切，與房?jī)r(jià)的關(guān)系比較密切，但與股價(jià)的關(guān)系并不緊密，甚至呈輕微的負(fù)相關(guān)關(guān)系。這表明使用該方法得到的中國(guó)金融周期主要反映的是信貸總量及單位GDP占用信貸資源的周期變化。

表2 單因子的動(dòng)態(tài)因子模型回歸結(jié)果

注:***p<0.01,*p<0.1；括號(hào)內(nèi)數(shù)值為標(biāo)準(zhǔn)差；R2為共同因子對(duì)各個(gè)變量的解釋力。

分別使用單因子的動(dòng)態(tài)因子模型和BP濾波方法提取的中國(guó)金融周期指標(biāo)如圖2所示。由圖2可知，通過(guò)單因子的動(dòng)態(tài)因子模型提取的中國(guó)金融周期(FC)與通過(guò)BP濾波法提取的中國(guó)金融周期短周期(FC_BP)非常相似，這在很大程度上驗(yàn)證了本文所提取的中國(guó)金融周期指標(biāo)的穩(wěn)健性。

圖2 動(dòng)態(tài)因子法下的中國(guó)金融周期(單因子)與BP濾波法下的中國(guó)金融周期

2.雙因子的動(dòng)態(tài)因子模型及結(jié)果

雙因子的動(dòng)態(tài)因子模型回歸結(jié)果如表3所示。正如上文所述，共同因子載荷是共同因子之前的系數(shù)矩陣，其中每個(gè)系數(shù)表示共同因子與變量的協(xié)方差，又由于所有數(shù)據(jù)均經(jīng)過(guò)了標(biāo)準(zhǔn)化處理，所以該系數(shù)可以表示相關(guān)變量和共同因子的相關(guān)系數(shù)。共同因子f1與信貸、信貸/GDP、房?jī)r(jià)和股價(jià)的相關(guān)系數(shù)分別為0.130、0.140、0.084和0.326，共同因子f2與信貸、信貸/GDP、房?jī)r(jià)和股價(jià)的相關(guān)系數(shù)分別為0.145、0.186、0.086和-0.169。不難看出，第一個(gè)共同因子(f1)與股價(jià)的協(xié)方差達(dá)到0.326，可以說(shuō)該因子主要反映的是股市的波動(dòng)；第二個(gè)共同因子(f2)與信貸/GDP及信貸的協(xié)方差較大，分別為0.186和0.145，可以說(shuō)該因子主要反映的是信貸的波動(dòng)。

同樣按照Davis等(2019)[29]的做法，計(jì)算雙因子動(dòng)態(tài)因子模型的R2，如表3第(3)列所示。表3中兩個(gè)共同因子能夠解釋信貸波動(dòng)的24.6%，能夠解釋信貸/GDP波動(dòng)的35.2%，能夠解釋房?jī)r(jià)波動(dòng)的8.8%，能夠解釋股價(jià)波動(dòng)的78.8%。與僅有一個(gè)共同因子的情況相比，解釋力有所提升，尤其是對(duì)股價(jià)的解釋力大幅提升。

表3 雙因子的動(dòng)態(tài)因子模型回歸結(jié)果

通過(guò)估計(jì)雙因子的動(dòng)態(tài)因子模型得到的兩種中國(guó)金融周期(即主要代表股市波動(dòng)的金融周期(f1)和主要代表信貸波動(dòng)的金融周期(f2))和通過(guò)估計(jì)單因子的動(dòng)態(tài)因子模型得到的中國(guó)金融周期(FC)如圖3所示。

圖3 動(dòng)態(tài)因子法下的中國(guó)金融周期(單共同因子與雙共同因子)

由圖3可知，大多數(shù)時(shí)期，f1、f2與FC具有同步性。這一方面說(shuō)明本文提取的中國(guó)金融周期指標(biāo)具有穩(wěn)健性；另一方面說(shuō)明在大多數(shù)時(shí)期，中國(guó)信貸和股價(jià)的波動(dòng)比較一致，宏觀經(jīng)濟(jì)政策對(duì)銀行系統(tǒng)和資本市場(chǎng)的影響具有統(tǒng)一性。

需要注意的是，在兩個(gè)特殊時(shí)期，三者的變動(dòng)出現(xiàn)了非常明顯的分化：一是2007—2008年金融危機(jī)前夕及危機(jī)發(fā)生時(shí)期，其中在2007Q4，f1和f2各自達(dá)到了峰值和谷底；二是2014Q3至今，但是2018年以來(lái)三者又有趨向一致的趨勢(shì)。

(1)2007—2008年。在2007Q1—2007Q4，主要代表股市波動(dòng)的中國(guó)金融周期f1呈現(xiàn)上行趨勢(shì)，出現(xiàn)短暫繁榮；而主要代表信貸波動(dòng)的中國(guó)金融周期f2呈現(xiàn)急劇下行趨勢(shì)，出現(xiàn)大幅衰退；FC在這一時(shí)期則出現(xiàn)小幅下跌。2008年f1和f2各自向反方向調(diào)整。一是股市方面。中國(guó)上證綜合指數(shù)數(shù)據(jù)顯示，中國(guó)在2007年確實(shí)經(jīng)歷了牛市行情。2003—2007年中國(guó)GDP一直保持著兩位數(shù)的高增長(zhǎng)(范小云等，2017)[16]，這是2007年牛市行情出現(xiàn)的重要宏觀基本面基礎(chǔ)，但是從2008年開始股市行情連續(xù)下跌。二是信貸方面。2007年我國(guó)信貸收緊程度非常大，為應(yīng)對(duì)信貸擴(kuò)張壓力和通脹壓力(2007年CPI上漲4.8%)，貨幣政策逐步從“穩(wěn)健”轉(zhuǎn)為“從緊”，央行10次上調(diào)存款準(zhǔn)備金率，6次上調(diào)金融機(jī)構(gòu)人民幣存貸款基準(zhǔn)利率(5)《2007年第四季度中國(guó)貨幣政策執(zhí)行報(bào)告》，人民銀行網(wǎng)站。。受此影響，f2在2007年底到達(dá)谷底。2008Q1，為了應(yīng)對(duì)通脹(2008Q1CPI上漲8%)，央行繼續(xù)執(zhí)行從緊的貨幣政策，4次上調(diào)存款準(zhǔn)備金率共2個(gè)百分點(diǎn)(6)《2008年第一季度中國(guó)貨幣政策執(zhí)行報(bào)告》，人民銀行網(wǎng)站。。2008Q2，央行繼續(xù)回收金融系統(tǒng)多余的流動(dòng)性，3次上調(diào)存款準(zhǔn)備金率(7)《2008年第二季度中國(guó)貨幣政策執(zhí)行報(bào)告》，人民銀行網(wǎng)站。。2008Q3，通脹壓力減小(CPI同比上漲5.3%)，同時(shí)為了應(yīng)對(duì)全球金融危機(jī)的不良影響，央行連續(xù)2次下調(diào)金融機(jī)構(gòu)人民幣存款準(zhǔn)備金率，3次下調(diào)存貸款基準(zhǔn)利率，引導(dǎo)商業(yè)銀行擴(kuò)大貸款總量(8)《2008年第三季度中國(guó)貨幣政策執(zhí)行報(bào)告》，人民銀行網(wǎng)站。。因此信貸規(guī)模增速緩慢回升，f2也緩慢回升。

(2)2014年底至今。從2014年底開始，同樣出現(xiàn)了主要代表股市波動(dòng)的中國(guó)金融周期f1上行、主要代表信貸波動(dòng)的中國(guó)金融周期f2下行的情況，但二者在2018年開始趨向一致。這主要是因?yàn)?014年下半年至2015年上半年，中國(guó)股市再次出現(xiàn)牛市行情(劉曉星和石廣平，2018)[27]，但是2015年下半年發(fā)生“股災(zāi)”，股價(jià)暴跌，f1也隨之迅速下滑。而這一時(shí)期貨幣政策穩(wěn)健，央行綜合運(yùn)用定向降準(zhǔn)等多種貨幣政策工具，優(yōu)化信貸資源的結(jié)構(gòu)配置，而不是盲目擴(kuò)大總體信貸規(guī)模。這樣，f1和f2出現(xiàn)了背離。

另外，在大多數(shù)時(shí)期，F(xiàn)C處于f1和f2之間，基本上是二者的均值(但更接近于f2，因?yàn)镕C與信貸的關(guān)系更加密切)，這說(shuō)明單因子的動(dòng)態(tài)因子模型所估計(jì)的中國(guó)金融周期(從而通過(guò)BP濾波方法得到中國(guó)金融周期)不能全面反映股市和信貸各自的波動(dòng)情況，只能反映二者的平均情況，這就遺漏了重要信息。

五、中國(guó)金融周期對(duì)中國(guó)經(jīng)濟(jì)周期的影響

(一)數(shù)據(jù)及平穩(wěn)性檢驗(yàn)

為了保持與現(xiàn)有研究的可比性，上文中的中國(guó)金融周期指標(biāo)均使用季度數(shù)據(jù)進(jìn)行展示，但是后文中需要使用TVP-VAR模型進(jìn)行分析，而且該模型要求的數(shù)據(jù)量較大，因此后文使用月度數(shù)據(jù)。圖4展示了使用月度數(shù)據(jù)的、經(jīng)單因子和雙因子動(dòng)態(tài)因子模型提取的中國(guó)金融周期情況，可以看出，在趨勢(shì)上圖4和圖3所展示的情況非常相似，這從一定程度上再次表明本文的研究結(jié)果具有穩(wěn)健性。圖5則展示了使用BP濾波法提取的中國(guó)經(jīng)濟(jì)周期指標(biāo)(9)本文使用月度實(shí)際GDP數(shù)據(jù)，通過(guò)Baxter和King(1999)[33]提供的BP濾波法得到中國(guó)經(jīng)濟(jì)周期，按照范小云等(2017)[16]的做法，將經(jīng)濟(jì)周期濾波的取值范圍限定在12q—32q(或36個(gè)月至96個(gè)月)，下限3年是為了濾掉噪音，上限8年是RBC理論習(xí)慣上認(rèn)定的經(jīng)濟(jì)周期的長(zhǎng)度。。

各變量的平穩(wěn)性檢驗(yàn)如表4所示。第(1)列為不帶常數(shù)項(xiàng)的ADF檢驗(yàn)，第(2)列為帶常數(shù)項(xiàng)的ADF檢驗(yàn)，第(3)列為帶常數(shù)項(xiàng)和時(shí)間趨勢(shì)的ADF檢驗(yàn)。按照慣例，3種檢驗(yàn)中只要有一種顯著即可認(rèn)為序列具有平穩(wěn)性，本文所使用的時(shí)間序列數(shù)據(jù)至少在兩種方法下平穩(wěn)，因此可以保證本文數(shù)據(jù)平穩(wěn)的可靠性。根據(jù)Schwert(2002)[31]的建議，最大滯后階數(shù)為[12×(T/100)1/4]，即pmax=15(本文T=266)，并使用由大到小的序貫t規(guī)則，將ADF檢驗(yàn)最后一階系數(shù)顯著時(shí)的階數(shù)確定為合適的滯后階數(shù)(陳強(qiáng)，2014)[32]。

圖4 中國(guó)金融周期指標(biāo)(月度)

圖5 中國(guó)經(jīng)濟(jì)周期

表4 各變量的ADF檢驗(yàn)

(二)TVP-VAR模型及結(jié)果

由于中國(guó)各個(gè)時(shí)期的經(jīng)濟(jì)狀況不同，所采取的各種宏觀調(diào)控政策也不相同，因此反映中國(guó)經(jīng)濟(jì)周期和中國(guó)金融周期之間關(guān)系的回歸系數(shù)可能隨時(shí)間變化而變化，反映二者波幅的方差變量也可能隨時(shí)間變化而變化。為了能夠更細(xì)致地討論不同時(shí)點(diǎn)上二者之間的脈沖響應(yīng)關(guān)系，使用變系數(shù)向量自回歸(TVP-VAR)方法進(jìn)行分析。按照Primiceri(2005)[34]的方法，采用貝葉斯方法估計(jì)如下TVP-VAR模型：

yt=Γ0,t+Γ1,tyt-1+…+Γp,tyt-p+εt(t=1,…,T)

(4)

其中，yt為可觀察到的內(nèi)生變量的T×M向量，T=234為時(shí)期數(shù)(1998年1月至2017年6月)，M=3為變量數(shù)。yt=[FinancialCyclet,Rt,BCt]，F(xiàn)inancialCyclet表示中國(guó)金融周期，包括3個(gè)指標(biāo)，即中國(guó)總體金融周期FC、中國(guó)股價(jià)金融周期f1、中國(guó)信貸金融周期f2；Rt表示7天銀行同業(yè)拆借利率；BCt表示中國(guó)經(jīng)濟(jì)周期。p=2為滯后階數(shù)。Γ0,t為不隨時(shí)間變化的成分前的時(shí)變系數(shù)，Γi,t(i=1,…,p)為時(shí)變的系數(shù)矩陣。εt為不可觀察到的異質(zhì)性沖擊。通過(guò)上述模型估計(jì)的結(jié)果如圖6所示。

圖6 經(jīng)濟(jì)周期和金融周期不同時(shí)點(diǎn)的脈沖響應(yīng)關(guān)系

首先，由圖6(a)可以看出，中國(guó)總體金融周期對(duì)中國(guó)經(jīng)濟(jì)周期具有正向影響。各個(gè)時(shí)期均呈現(xiàn)出這種關(guān)系，即中國(guó)總體金融的擴(kuò)張有助于促進(jìn)經(jīng)濟(jì)增長(zhǎng)。這與長(zhǎng)期以來(lái)總體上中國(guó)金融資源支持實(shí)體經(jīng)濟(jì)增長(zhǎng)的現(xiàn)實(shí)相符。

其次，由圖6(b)可以看出，中國(guó)股價(jià)金融周期對(duì)中國(guó)經(jīng)濟(jì)周期也有正向影響，但是各個(gè)時(shí)期拉動(dòng)作用的程度不盡相同。2007年5—10月(沖擊產(chǎn)生后的第6期)，為實(shí)體經(jīng)濟(jì)提供直接融資的資本市場(chǎng)對(duì)實(shí)體經(jīng)濟(jì)的正向作用較大，這可能是因?yàn)檫@一時(shí)期股價(jià)和GDP增長(zhǎng)率都呈上升態(tài)勢(shì)。中國(guó)股市規(guī)模遠(yuǎn)遠(yuǎn)小于信貸融資規(guī)模(也遠(yuǎn)遠(yuǎn)小于房地產(chǎn)市場(chǎng)規(guī)模)，要想讓資本市場(chǎng)更好地發(fā)揮服務(wù)實(shí)體、促進(jìn)經(jīng)濟(jì)發(fā)展的作用，就需要更加注重發(fā)展和完善中國(guó)資本市場(chǎng)，同時(shí)需要注意控制股市泡沫。

最后，由圖6(c)可以看出，中國(guó)信貸金融周期先是對(duì)中國(guó)經(jīng)濟(jì)周期產(chǎn)生負(fù)向影響，尤其是在2008年2月至2012年6月(沖擊發(fā)生后的2期)，之后才對(duì)中國(guó)經(jīng)濟(jì)周期產(chǎn)生正向影響。這說(shuō)明信貸大規(guī)模擴(kuò)張?jiān)谧畛鯐?huì)對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生擠出效應(yīng)(崔建軍和張冬陽(yáng)，2019)[19]，對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生不利影響，信貸擴(kuò)張對(duì)實(shí)體經(jīng)濟(jì)的拉動(dòng)作用要經(jīng)過(guò)一段時(shí)間才能顯現(xiàn)(TVP-VAR的結(jié)果顯示要經(jīng)歷8-10個(gè)月)。關(guān)于信貸規(guī)模擴(kuò)張對(duì)實(shí)體經(jīng)濟(jì)的擠出效應(yīng)，已有不少研究文獻(xiàn)，例如：劉曉光等(2018)[35]使用1960—2015年179個(gè)國(guó)家或地區(qū)的相關(guān)數(shù)據(jù)證明，杠桿率對(duì)經(jīng)濟(jì)增長(zhǎng)和衰退的影響是非線性的，當(dāng)杠桿率超過(guò)觸發(fā)緊縮機(jī)制的臨界值時(shí)，杠桿率增長(zhǎng)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響就會(huì)由正轉(zhuǎn)負(fù)。這是因?yàn)楫?dāng)杠桿率適應(yīng)經(jīng)濟(jì)發(fā)展需要時(shí)，會(huì)通過(guò)增加資金供給方式促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但是當(dāng)杠桿率過(guò)高時(shí)，企業(yè)還貸能力不足，此時(shí)就容易引發(fā)經(jīng)濟(jì)衰退。

六、結(jié)論和建議

第一，所提取的中國(guó)金融周期合理。使用BP濾波法和單因子的動(dòng)態(tài)因子模型所提取的中國(guó)金融周期與朱太輝和黃海晶(2018)[15]的研究結(jié)果基本一致，并且所提取的中國(guó)金融周期能夠比較準(zhǔn)確地反映金融系統(tǒng)的總體實(shí)際狀況和央行各項(xiàng)政策措施的效果。具體來(lái)說(shuō)，中國(guó)金融周期可以分為以下幾個(gè)階段：1996Q1—2000Q2、2000Q3—2004Q4、2005Q1—2008Q2、2008Q3—2011Q3、2011Q4—2018Q4。中國(guó)金融周期與貨幣、信貸等宏觀調(diào)控政策具有緊密關(guān)系。

第二，雙因子的動(dòng)態(tài)因子模型所得到的兩種中國(guó)金融周期，即主要反映股票價(jià)格變動(dòng)的金融周期f1和主要反映信貸規(guī)模變動(dòng)的金融周期f2，能夠更加全面地反映中國(guó)金融系統(tǒng)的情況。現(xiàn)有研究大多只包含主要反映信貸市場(chǎng)情況的中國(guó)金融周期，這在一定程度上遺漏了資本市場(chǎng)的變動(dòng)信息。隨著中國(guó)股票市場(chǎng)的進(jìn)一步發(fā)展，其在中國(guó)整個(gè)金融系統(tǒng)中的作用必將越來(lái)越大，中國(guó)金融周期這種反映整個(gè)金融市場(chǎng)狀況的宏觀變量不應(yīng)該忽視股票市場(chǎng)。但是由于股價(jià)波動(dòng)頻率遠(yuǎn)遠(yuǎn)高于信貸、信貸/GDP以及房?jī)r(jià)，使用其他傳統(tǒng)方法一般難以捕捉到股價(jià)信息，因此使用雙因子的動(dòng)態(tài)因子模型所提取的中國(guó)金融周期指標(biāo)更加全面，反映出的信息更多。

第三，不同中國(guó)金融周期指標(biāo)對(duì)中國(guó)經(jīng)濟(jì)周期的影響不同。中國(guó)金融周期總體指標(biāo)對(duì)中國(guó)經(jīng)濟(jì)周期具有正向影響，在所有時(shí)期的影響幅度相差不大；中國(guó)股價(jià)金融周期對(duì)中國(guó)經(jīng)濟(jì)周期也有正向影響，在2007年5—10月，這種正向作用更大；中國(guó)信貸金融周期先是對(duì)中國(guó)經(jīng)濟(jì)周期產(chǎn)生負(fù)向影響，尤其是在2008年2月至2012年6月，這種負(fù)向影響最為明顯，之后才對(duì)中國(guó)經(jīng)濟(jì)周期產(chǎn)生正向影響。

針對(duì)研究結(jié)論，提出如下建議：

第一，建立關(guān)于中國(guó)金融周期的指標(biāo)體系。通過(guò)單因子和雙因子動(dòng)態(tài)因子模型所提取的中國(guó)金融周期指標(biāo)可以形成指標(biāo)系列，各指標(biāo)可以相互配合，綜合反映銀行系統(tǒng)和資本市場(chǎng)總體的金融狀況。

第二，鑒于不同中國(guó)金融周期指標(biāo)所側(cè)重的含義不同，對(duì)中國(guó)經(jīng)濟(jì)周期的影響也不相同，因此在使用中國(guó)金融周期指標(biāo)分析經(jīng)濟(jì)整體運(yùn)行情況以及在應(yīng)用宏觀審慎政策時(shí)，應(yīng)當(dāng)注意區(qū)分不同情境、不同金融周期的指標(biāo)，以便最全面地反映整個(gè)宏觀經(jīng)濟(jì)的總體發(fā)展情況。