美国金融危机压力的来源及其对中国防范金融风险的启示*——基于MIMIC模型的实证分析

熊璞刚，马立平，尚 华

(1. 首都经济贸易大学 统计学院，北京100070，2.华北科技学院 理学院，河北 廊坊 065201)

一、引言

2007年由美国次贷危机演变而成的全球性金融危机，是1929年大萧条以来全球最为严重的金融危机和经济萧条，至今危机还在持续影响着部分国家的经济和金融体系。2015年12月，美联储相隔近十年进行了首次加息，美国经济领先全球其他国家率先复苏，特别是2018年3月，美联储宣布预计会在2018年推出加息3次的计划；以及特朗普宣布对600亿美元的中国进口商品加征关税标志着中美贸易战爆发，全球经济发展和金融市场进入了表面相对稳定、实际还是比较脆弱的新阶段，金融危机大有卷土重来之势。这对GDP增速逐步下降、产业结构改造升级、对外贸易呈现负增长、改革进入深水区、经济走势呈现L型的中国来说则是面临了更大的机遇和挑战。对此我国政府与学界一直给予了高度的重视。党的十九大报告指出：“要坚决打好防范化解重大风险攻坚战，其关键又是防范金融风险，包括防范中国系统性金融风险的发生和抵御国际性金融危机传导所带来的外部冲击。”同时还再次强调“要坚决打好三大攻坚战”。在三大攻坚战中，第一位的是防范化解重大风险，其关键是防范中国系统性金融风险的发生和抵御国际性金融危机传导所带来的外部冲击。分析美国次贷危机爆发前后美国金融危机压力的来源，对防范化解重大风险有着重要的理论价值和现实意义。

本文基于2007年次贷危机来进行美国金融危机压力的测度，样本区间选择为危机跨越的酝酿期、爆发和传导期、持续影响期三个时期的2005—2016年。在分析比较金融危机压力主要测度方法的优劣点之后，发现使用多指标多因素模型非常适合进行美国金融危机压力的测度，从而使用该模型挖掘出美国金融危机压力的显著性影响因素或来源，最终找到中国防范化解重大风险可以启发和借鉴的内容。

二、研究现状

金融危机压力指的是一国或一个地区对于受到源于内部或外部因素的持续影响，发生系统性风险进而爆发金融危机的承受能力。金融危机压力是一种不能被直接观察得到的潜在变量，只能通过对一组能够反映系统性风险大小的指标进行测度得到，金融危机压力越大，表示系统性风险越大，爆发金融危机的可能性就越高，反之则越低。美国次贷危机爆发以后，各国学者们将系统性金融风险的测度方法从早期的离散型模型转到系统性整体的连续型模型上来。Illing和Liu(2007)[1]首次提出了金融压力指数，在此基础上，其他学者也贡献了不同的金融压力指数或者金融危机压力指数的构建方法。Balakrishnan等(2011)[2]分别构建了发达经济体和新兴经济体的金融危机压力指数来测度这两类经济体的金融危机压力。南旭光和孟卫东(2006)[3]通过构造外汇压力指数来测度金融危机压力的程度。中国银行国际金融研究所课题组(2010)[4]选取了七组指标最终得到金融危机风险指标，从而对发生金融危机的压力进行测度。虽然各国学者在测度金融危机压力的研究方面贡献了大量的理论和方法，但目前尚没有一种理论和方法能够及时、有效、准确地反映出金融危机压力的变化，原因之一是由于模型的指标范围比较狭窄，或者使用的方法还是简单静态，或者测度模型没有考虑到危机发生国具体的经济金融情况。最典型的一个例子就是2007年美国次贷危机爆发时，几乎没有任何一家机构或者一种测度模型发出了压力预警信号，所以金融危机压力测度方法的有效性和准确性都有很大的提升空间。本文比较研究金融危机压力测度方法，分析出结构方程具有适合研究复杂经济体系的特点，进而将结构方程中的多指标多因素模型用于测度本文的金融危机压力。

1.金融危机压力测度方法比较研究

(1)FR概率模型

由Frankel和Rose(1996)[5]首次提出，以105个发展中国家在1971—1992年发生的金融危机的年度数据作为样本数据，得到了预测金融危机的概率模型。Kumar等(2002)[6]对FR模型做了补充，利用滞后的宏观和金融数据，运用Simple Logit模型对新兴经济体的货币危机进行了分析。但FR模型有其自身的缺陷：首先，随着自变量的增加，模型会产生异方差和多重共线性的问题，导致准确性大大降低。其次，模型没有考虑到各国的实际国情，用同一个模型去估计105个国家，准确性难免会有降低；再次，限定自变量和因变量必须符合设定模型的回归关系，这样就限定住了危机发生的种类；最后，模型的假设是建立在大数定律上的，在现实过程中难以找到大样本的历史数据。

(2)STV横截面回归模型

Sachs、Tornell和Velasco(1996)[7]提出了STV横截面回归模型，对受1994年墨西哥比索危机影响的20个国家的进行了研究，并利用外汇储备和汇率构建了危机指数。该模型弥补了FR模型没有考虑各国国情差异的缺陷，但还是有一些缺点，最主要的就是考虑的指标太少且各个指标之间不一定是线性关系，其次只用外汇储备和汇率作为危机指数过于片面，因为外汇储备不能反映银行危机、外债危机，只能对货币危机的预警和测度有帮助。

(3)KLR信号分析法

KLR信号分析法由Kaminsky、Lizondo和Reinhart(1998)[8]提出，由于模型将各个指标作为一个单独个体的特点使得模型不是一个结构化的整体，从而模型不能解释危机为什么发生以及各指标如何作用于危机，这就使得模型预测1997年亚洲金融危机时失灵，并且多数指标发出了错误的信号(Berg et al，1999)[9]。Kaminsky(1999)[10]对该方法做了完善，但改进后的模型得预测效果仍不理想。同时模型中建立的外汇市场压力指数只考虑了汇率和国际储备两个因素，对于预测成因日益复杂的金融危机显得势单力薄。后来Eichengreen(2004)[11]将利率因素加入到模型中，建立了投机压力指数，仍然不能对复杂的经济金融系统特别是2007年爆发的全球金融危机的成因、测度进行很好的解释和估计。另外，KLR模型设立了“排斥窗口”，也就是人为设定了危机的延续期，如果一场新的金融危机正好在窗口期内，那么这场危机则会被忽略掉。

(4)DCSD模型

相比之下，改进后的KLR信号法对危机的预警和测度能力要比FR法和STV法高很多(Berg et al，1999)[9]，但还是出现了一定程度的预警失灵，于是IMF推出了新的DCSD模型，也称BP模型，该模型结合了KLR和FR的主要思想，且预测效果明显优于KLR法和FR法，因此IMF将DCSD模型和KLR模型作为监测其成员国发生金融危机的主要方法，但是在预测2007年全球金融危机时仍然双双失灵。

(5)马尔科夫区制转化模型

Hamilton(1989)[12]将该模型首次应用于经济学的实证研究中之后，各国学者们很快将这种方法应用于金融危机预警的研究中。Martinez-Peria等(2002)[13]利用该模型研究了1979—1993年欧洲货币危机，Cerra和Saxena(2002)[14]利用改进了的该模型研究了印尼危机，Abiad(2003)[15]利用该模型研究了东南亚金融危机。马尔科夫区制转化模型可以直接利用各种危机压力指标进行估计，这就完善了FR法和KLR法中有信息损失的不足。但是仍有不足，首先“不转移”这个零假设在实证研究中很难实现；其次，计算过程相当繁琐，需要大量的编程和软件处理；最后，估计参数的数量很难确定，太多会导致计算缓慢和估计的准确性，太少会导致不能全面反映金融危机的实际情况。

(6)神经网络模型

由于具有适合解决需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题的特点，该模型近年来越多越多的应用于社会学、经济学方面的研究。Nag和Mitra(1999)[16]构建了不同国家的神经网络模型，发现预警能力明显高于传统模型。南旭光和孟卫东(2008)[17]利用神经网络进行东南亚金融危机的研究，发现能够明显提高预测的精度。但是神经网络模型也有不足之处，模型中的黑箱使得无法直接观察到各指标的表现特征；当模型设定大样本和网络结构时，模型会出现过度拟合问题等。

(7)结构方程模型

结构方程模型从20世纪70年代提出以来，已发展成为统计学三大方向之一，是量化研究当代行为和社会经济领域的重要的高等统计方法，它将因子分析和路径分析完美结合起来，并基于变量的协方差矩阵来同时检验模型中包含的显性变量、潜在变量、干扰或误差变量间的关系。结构方程模型不但能够测度出潜在的金融危机压力，而且还弥补了其他传统测度方法的不足，具体有以下6点优势：

第一，可以同时处理多个因变量和同时估计因子结构和因子关系。在FR法、KLR法、STV法这些传统方法对模型进行估计时是对每个因变量分别进行测度，这样就忽略了某一因变量受其他因变量的影响效果，而在金融危机影响一国经济的实际过程中，各经济金融指标变量之间往往会互相影响，结构方程完美的解决了这个问题。

第二，允许更大弹性的测量模型和能够预测复杂路径中各变量之间的关系(Kelloway，1998)[18]。在传统方法中，如KLR法就设定每一个指标均为一个单独整体而不是一个结构化的整体，这样就不能解释危机为什么发生以及各指标如何作用于危机。FR法要求自变量和因变量必须符合设定的回归模型，这就会因为模型的单一而导致预测的准确性大大降低。结构方程模型允许一个指标从属于多个因子或者考虑高阶因子等比较复杂的模型，这样就能够精确估计各指标之间复杂的路径模型，并可以同时对多变量之间的关系进行分析和预测。这样的特点也弥补了神经网络模型中黑箱的问题，使得我们能够清楚的观测到各指标以及指标之间的表现特征。

第三，允许自变量和因变量包含估计误差。在衡量经济、社会发展的各个指标中往往含有误差，结构方程模型和传统分析方法不一样的是允许自变量和因变量均包含估计误差，这样估计出来的信度和效度则可以大大提高。

第四，金融危机压力是通过可观测变量测度出来。传统模型中如FR法、KLR法、STV法的危机压力均是以汇率、国际储备和利率中的一项或某几项测度，这样的选择势必会产生能够适应模型的危机种类的局限性。发展至今，金融危机压力已经受到经济金融体系中多种因素的影响，只是考虑以上三个指标则趋于片面。结构方程模型的危机压力是从可观测变量间接得到，这样就大大提高了估计的准确性。

第五，可以得到整个模型的拟合优度。这样的特点可以得到不同模型对同一样本的整体拟合优度，依此来选择最符合实际情况的模型。金融危机压力来源于多种因素，每种因素对金融危机压力的影响的显著性也是不一样的。我们构建测度金融危机压力的指标体系时，一般都会尽可能地全面考虑到经济金融体系的各个方面，这就需要在对模型估计时进行指标的选择，而一个结构方程模型在模型估计时可以随着可观测变量数目的调整而得到许多不同的模型，也就产生不同的拟合优度，这就为我们选择最符合实际情况的模型提供了选择。

第六，适用于大样本的分析。这样的特点弥补了马尔科夫区制转化模型和神经网络模型因为样本量大而产生的计算过程缓慢、繁琐或模型出现过度拟合的情况。本文构建的美国金融危机压力模型的样本量很大，所以结构方程模型也适用于本文的研究。

2.多指标多因素模型研究现状

通过以上比较研究发现，结构方程模型因其具有的特点而非常适合应用于本次呈现复杂经济金融关系的次贷危机的研究，故本文选择结构方程模型来进行美国金融危机压力研究。多指标多因素模型(Multiple Indicator Multiple Causes，简称MIMIC模型)，它是结构方程模型的一种特殊形式，其特点在于允许潜变量可以作为因变量和自变量同时存在，而普通的结构方程模型的潜变量只是因变量，这样就可以同时研究可观测的原因变量(也称外生变量)、指标变量(也称内生变量)和不可观测的潜变量之间复杂的经济关系，并找出影响潜变量的显著性因素。Schneider 等(2000)[19]认为MIMIC法较其他方法放宽了假设条件而更接近于经济现实。Maltritz等(2012)[20]使用MIMIC模型研究了欧盟成员国的主权债务违约风险，建立了14个原因变量、2个指标变量和潜变量违约风险的MIMIC模型，分析了不同债务到期日违约风险的显著性影响因素。孙群力和李永海(2016)[21]建立了6个原因变量、1个财政幻觉指数潜变量和2个指标变量的MIMIC模型，测度了2006—2013年我国30个地区的财政幻觉指数，发现了包括地方财政负担水平等6个指标是我国地区财政幻觉的显著性影响因素。刘金华和吴凤平(2016)[22]建立了7个原因变量、1个地下金融规模潜变量和2个指标变量的MIMIC模型，通过分析面板数据得出了我国东部沿海等经济发达地区的地下金融规模。金融危机压力跟违约风险、财政幻觉、地下金融规模一样是不能被直接观测到的潜变量，只能通过一系列衡量金融危机的可观测的经济指标来间接的测度出来，所以本文建立了美国的金融危机压力MIMIC模型，得出美国的金融危机压力指数和影响金融危机压力的显著性因素。

三、美国金融危机压力MIMIC模型的构建与估计

1.多指标多因素基本模型

MIMIC 模型由测量方程和结构方程两部分组成，用于表示指标变量和潜在变量金融危机压力关系的方程称为测量方程，如下页公式(1)：

(1)

λi，i=1，2…p，是未知参数；ηi，i=1，2…p，是金融危机压力；εit，i=1，2…p，是随机误差项；yit，j=1，2，…p，是指标变量，表示包含金融危机压力ηt信息的结果变量。因此，公式(1)描述了测量潜在变量的路径。

用于表示金融危机压力与原因变量之间关系的方程称为结构方程，如下公式：

ηt=γ1x1t+γ2x2t+…γqxqt+ζt

(2)

其中γ1，i=1，2…q，是未知参数；ζt是随机误差项，xit，i=1，2…q，是一组原因变量，表示产生金融危机压力ηi的原因。

2.金融危机压力测度模型指标选取

运用MIMIC模型测度金融危机压力时，选择科学、合理的可观测的原因变量和指标变量至关重要。模型中的原因变量是引起金融危机爆发的原因，指标变量则是反映金融危机的影响程度、特征或结果的变量。我们对国内外关于金融危机指标体系的文献进行研究，从而建立本文的指标体系。Kaminsky、Lizond和Reinhard(1998)[8]研究货币危机时建立了六大类共103个指标的体系。随后Kaminsky等(1999)[10]在研究银行危机的基础上，又扩充了5个指标。Goldstein、Kaminsky 和 Reinhart(2000)[23]提出了包含 25个变量的指标体系。在Goldstein等人研究的基础上，亚洲开发银行(2006)[24]得到9个货币危机测度指标和19个银行危机测度指标。Abiad(2003)[15]建立了一个包含宏观经济指标、资本流动指标和金融脆弱性指标三大类共22个指标。国内研究一般建立在直接借鉴国外研究的基础上，近年来，王智博(2016)[25]、王琳(2016)[26]、王旭歌(2016)[27]、张若希等(2017)[28]、张帅(2017)[29]等都从不同的角度建立了各自的指标体系，取得了一定的成果。

本文充分参考了以上研究成果，并结合美国国情，考虑到月度数据的可获得性，最终建立了5大类：宏观经济类、货币政策类、金融体系类、政府部门金融健康类、国际贸易类共10个原因变量；从Rose和Spiegel(2009)[30]基于2007年全球性金融危机在国家之间产生影响的结果主要表现在四个方面：实际GDP、股票市场、汇率、国家主权信用评级的研究中，得出了3个指标变量的指标体系。

(1)M2/外汇储备、外汇储备增长率

图1 2005—2016年美国M2/外汇储备趋势

广义货币M2与外汇储备的比率是国际货币基金组织(IMF)用于监测经济运行的一个重要指标，反映了一国金融系统承受投资者冲击的能力。M2的变动随着一国银行系统资产总量的变动而变动，当M2变大时，流动性会增加，带动投资和消费等方面扩大，可能会导致出现经济过热进而爆发金融危机的风险。外汇储备是一个国家国际清偿力的重要组成部分，维持一定额度的外汇储备有利于保持国际收支平衡和汇率市场的稳定，反过来，如外汇储备持续减少，会导致国际收支失衡，汇率发生较大波动，进而使得对外贸易萎靡和降低国内基础货币供给，也会导致系统性风险和金融危机的发生。所以当M2变大或者外汇储备减少时，M2/外汇储备就会变大，金融危机压力也会随之增大，故M2/外汇储备与金融危机压力成正相关，外汇储备增长率与金融危机压力成负相关。从图1也可以看出，至2007年次贷危机全面爆发时，美国的M2/外汇储备是在持续扩大的。

(2)出口增长率、进出口总额变化率

国际贸易中的出口增加和进出口总额增加会促进本国的经济增长，反之则会导致经济萎靡，所以出口增长率、进出口总额变化率和金融危机压力均为负相关。本文采用进出口总额变化率，而不用净出口总额变化率是为了避免金融波动发生时，进口、出口同向变动则会导致监测不到贸易波动的问题。

(3)实际利率、通货膨胀率(CPI)、失业率

实际利率为剔除通胀因素的利率。当经济过热时，通胀压力会增加，严重时还会导致失业率的增加。这时货币当局如果保持名义利率不变，则实际利率可能为负，资金会直接流向投资和消费领域，推高资产价格，从而进一步加剧通胀和使失业率增加。资产价格泡沫的累积和失业率的不断升高会导致系统性风险以及金融危机的爆发，所以实际利率、通货膨胀率(CPI)、失业率和金融危机压力均为正相关。

(4)国内信贷/GDP、房价指数变化率

当经济过热和金融向上波动时，房地产不管作为投资属性或者消费属性，其价格都会上行。美国次贷危机爆发之前，房价上行趋势明显，较低的批贷门槛导致消费者普遍通过金融加杠杆的方式来购置房产，房利美、房地美的个人不良住房抵押贷款大大增加；同时房地产商也会申请更多银行贷款用于融资和房地产开发；其他企业也会增加借贷、融资，以此来增加投资和扩大生产，综合起来导致国内信贷增多。所以国内信贷/GDP、房价指数变化率和金融危机压力成正相关。

(5)实际有效汇率高估

名义有效汇率等于一国的货币与其所有贸易伙伴国货币双边名义货币的加权平均数，如果再剔除通胀因素的影响，就得到了实际有效汇率。实际有效汇率是在研究一国对外贸易的国际竞争力和一国的金融危机预警机制时的一个重要指标。美国的实际有效汇率在2007年次贷危机全面爆发前基本保持高估状态。

实际有效汇率高估直接导致消费、净出口、投资这三方面进入下行趋势，第一，消费，高估使得国内商品性价比下降，从而引导消费者消费性价比更高的国外消费品。第二，净出口，高估使得出口商品竞争力下降，直接导致净出口萎缩。第三，投资，高估造成投资成本增加和利润率下降，使得投资者不得不去国外寻求利润率更高的投资项目。这三方面的衰退最终导致爆发金融危机的压力上升，所以实际有效汇率高估和金融危机压力成正相关。具体计算公式如下，其中实际有效汇率趋势可以通过H-P滤波分析从实际有效汇率中剥离出来：

(3)

3.美国金融危机压力MIMIC模型的建立

在以上原因变量和指标变量的基础上，我们建立了包含10个原因变量、1个潜变量金融危机压力、3个指标变量的美国金融危机压力MIMIC(10，1，3)模型，具体如表1(下页)。模型的路径图如图2(下页)所示，左边的为原因变量，右边的为指标变量，中间的为潜变量。

4.美国金融危机压力MIMIC模型的估计

样本数据来自于Wind数据库和同花顺iFinD数据库。采用月度数据，对只有季度数据的如GDP等指标和只有年度数据的如国内信贷/GDP等指标进行了高频转换。考虑到需要分析危机爆发前、发生时和持续影响期三个阶段，同时MIMIC模型要求的有效样本数量为100～200个，所以数据样本区间为2005年1月—2016年12月，共144个样本。

表1美国金融危机压力MIMIC模型指标体系

指标属性指标分类指标代码指标名称原因变量货币政策类X1M2/外汇储备国际贸易类X2外汇储备增长率国际贸易类X3出口增长率国际贸易类X4进出口总额变化率金融体系类X5实际利率宏观经济类X6通货膨胀率(CPI)宏观经济类X7失业率政府部门金融健康类X8国内信贷/GDP宏观经济类X9房价指数变化率国际贸易类X10实际有效汇率高估潜变量—η金融危机压力指数指标变量—Y1股票指数变化率—Y2实际GDP增长率—Y3实际有效汇率变化率

图2美国金融危机压力MIMIC(10，1，3)模型

在对MIMIC模型进行估计之前，我们要先对数据进行单位根检验(ADF检验)来保证样本数据的平稳性，以避免非平稳序列产生的伪回归问题(Bollen，1989)[31]，对不平稳的数据进行差分运算剔除其趋势后重新检验，直到样本数据全部平稳。如表2。

表2 各变量的ADF检验结果

注：**表示在5%显著性下平稳；***表示在1%显著性下平稳。本文是在5%显著性水平下进行研究。

从单位根检验结果可以看出，X1、X5、X6、X7、X8、Y1这6个指标不平稳，我们对这些数据进行一阶差分，即可得到平稳序列。

用Amos22.0进行极大似然估计并对估计结果进行反复修正，直到得到拟合优度较好的模型。估计之前需选择一个指标变量作为尺度指标，本文选择股票指数变化率Y1作为尺度指标，并定义其系数为1。模型估计完成后需要对结果进行修正。修正过程遵循如下三个原则：(1)删除模型中不符合经济理论的指标，如果估计出来的系数符号和前文定义的相关性相反，则进行删除，但这时如果估计参数显著则需进一步观察。(2)对估计结果不显著的指标，进行删除。(3)根据Amos估计结果提供的修正指标建议增加参数限制条件，重新进行估计，从而改善模型的拟合效果。模型修正过程和结果、模型的拟合优度如表3所示。

从表3我们可以看出，在MIMIC(10，1，3)模型中的M2/外汇储备、实际利率、通货膨胀率、国内信贷/GDP这4个指标的估计结果符号和前文的定义相反，说明和经济理论不符且不显著，将其删除；房价指数变化率符号相反，但是非常显著，暂时将其保留；进出口总额变化率符号也相反，但接近10%的显著性水平，暂时将其保留。删除后重新进行估计，发现房价指数变化率符号还是相反，将其删除；进出口总额变化率符号也相反，但是非常显著，将其保留，继续进行估计。于是就得到了MIMIC(5，1，3)，我们发现外汇储备增长率、出口增长率、进出口总额增长率、实际有效汇率高估这4个指标显著性水平都非常高；而失业率不但符号相反且不显著，需要在继续估计的时候将其删除。进一步看MIMIC(5，1，3)的6个判断参数，CMIN为3.792，P值为0.285，CMIN/DF为1.264，非常理想；GFI、AGFI、CFI的值均大于0.9，拟合较好；RMSEA为0.043，拟合非常好。综合判断参数来看，整个模型的拟合效果非常理想，但是失业率和进出口总额增长率的结果还不理想，所以需进一步估计。最终得到了MIMIC(3，1，3)，其模型的判断参数为：CMIN为10.445，P值为0.107，CMIN/DF为1.741，严格适配；GFI、AGFI、CFI的值均大于0.9，拟合较好；RMSEA为0.072，拟合较好；这表明最终模型MIMIC(3，1，3)的拟合效果非常理想。

表3 美国金融危机压力MIMIC模型估计过程及结果

注：(1)圆括号内为P值，即系数为0的概率，本文中要求p值在0.1或0.05的范围内；估计出来的系数均为标准化的系数。简单模型和复杂模型拟合程度较为接近，一般选取简单模型(杨灿明 等，2010)[32]。(2)卡方值越小，P值越大(一般要求P值>0.05)模型的拟合程度越高。CMIN/DF一般在1-3之间取值，当1< CMIN/DF <2时，严格适配；2< CMIN/DF <3时，适配良好。(3)GFI和AGFI为拟合优度指数和调整后的拟合优度指数，在0-1之间取值，当两者的值在0.9-1之间时，拟合较好。(4)RMSEA为近似误差均方根，在0-1之间取值，当RMSEA<0.05时，拟合非常好；当0.05

同时也表明外汇储备增长率、出口增长率和实际有效汇率高估这3个指标是影响美国金融危机压力指数的显著性因素，也是其主要来源。

5.金融危机压力指数水平与分析

本文根据最终模型MIMIC(3，1，3)来构建结构方程并测算美国金融危机压力指数，具体公式如下：

金融危机压力= (-0.369)×外汇储备增长率+(-0.643)×出口增长率+

0.417×实际有效汇率高估

(4)

将上述三个变量的值代入公式(4)就能得出美国金融危机压力趋势图如图3。

图3 2005—2016年美国金融危机压力

由图3可见，该美国金融危机压力指数能够比较准确的反映美国金融危机压力的趋势变化，这条曲线的趋势变化和美国2005—2016年宏观经济走势是基本一致的，如图4。

图4 2005—2016年美国宏观经济主要方面运行趋势

(1)2005年—2007年1季度危机酝酿期

为了使经济从“9.11”事件和本世纪初的互联网泡沫中复苏，美国保持了从2001年就开始实行的积极财政政策，货币政策则由扩张调整为紧缩。接近零利率的极低利率政策使得M2持续增大，由此带来的充裕流动性致使房地产市场持续繁荣，同时零利率带来的高额利差导致次级抵押贷款被大量投放到市场，使得美国经济严重过热，泡沫扩大。

第一，出口增长率。扩张性的宏观经济政策带动了美国全社会的消费和投资，使得出口增长率在此期间一直保存较高的正增长，但是一方面由于财政支出的增加主要用于反恐战争，带动了整个军工行业的上下游产业，从而导致经常项目逆差，特别是商品贸易逆差增大；另一方面通过减税直接激发了全社会的进口需求，也导致贸易逆差长期在高位运行(如图4)。

第二，实际有效汇率高估。美联储主席伯南克上台后从2005年开始连续加息17次，在2007年2月联邦基金名义利率达到了最高点5.27%，导致美国国债收益率持续降低，加上财政赤字的扩大，美元实际有效汇率持续降低(如图4)，长期维持弱势美元的状态，实际有效汇率高估指数在大部分时期内都为负。进一步的由于国内消费和投资需求增加，美元的贬值效应基本被扩张性的政策所抵消，导致美国贸易逆差没有因弱势美元而得到改善。

第三，外汇储备增长率。美国的外汇储备由四个方面构成：黄金储备、特别提款权、在国际货币基金组织(IMF)的储备头寸和一般性的外汇储备。美国凭借美元占霸主地位的国际货币体系，对外无限输出美元，长期保持极低水平的外汇储备，并逐渐形成了一套债务的自循环累积的经济运行方式：对外发行的美元被其他国家如中国在对美国的贸易顺差和经常项目顺差中大量储备，转而又购买美国对外发行的股票、债券和其他各类金融衍生品的虚拟资产来保值和维护汇率稳定，输出的美元又流回了美国国内，这样美国可以不用通过实体经济的任何增长就获得了货币收入，在获取东亚如中国等国家廉价商品和资源的同时维持了国内通胀水平的稳定，并保持了国内较低的失业率水平和国际收支的平衡。这样一来，美国完全不需要进行外汇储备，储备量也非常少。所以在2007年次贷危机爆发前的经济繁荣时期，美国一直维持了极低水平的外汇储备，外汇储备增长率长期为负。

这段时期美国金融危机压力也表现出宏观经济运行的特点，因扩张性宏观经济政策所带来的经济繁荣，美国金融危机压力在次贷危机爆发前表现出平稳运行的特征。

(2)2007年2季度—2014年底危机爆发和传导期

2007年2季度，次贷危机全面爆发，为振兴经济，美国调整了宏观经济政策，重新实行扩张性的财政政策和货币政策。

第一，出口增长率。由于重新实行零利率，并且从2008年11月开始实行了长达6年总共4轮的量化宽松政策(QE)，大大增加了基础货币的供应量。量化宽松帮助美国从全球征收了大量的铸币税，并通过大举购买美国国债有力支撑了财政赤字政策，扩大了财政支出，减轻了贸易逆差，在2009年5月达到最高值-255.24亿美元，随后逆差又开始扩大，出口增长率因为美元贬值也出现小幅好转。

第二，实际有效汇率高估。量化宽松的推出使得美元出现一小轮剧烈贬值，但其后出乎意料的是，美元开始升值，实际有效汇率高估水平开始持续上升。这可以从三方面来解释：一是次贷危机的爆发导致美元出现流动性不足，进一步使得国际金融市场出现流动性不足，间接的稳定住了美元。二是量化宽松的推出促使美元不断贬值，从而造成国际上大宗商品价格高涨，并增加了美国国内的通胀压力，迫于这两方面压力，美元只能升值。三是次贷危机蔓延到新兴经济体时，国际资本出于避险需求又回流至美国，造成了美元升值。这三方面的原因使得美元实际有效汇率在短时期高估明显(如图4)，在2009年3月美元汇率指数达到了最高点110.69(2010年=100)，随后伴随着黄金价格的快速上涨开始逐步回落。

第三，外汇储备增长率。次贷危机的愈演愈烈导致具有避险功能的黄金价格暴涨，由于美国外汇储备中很大一部分是黄金储备，所以外汇储备增长率随着黄金价格的上涨而上升，在2009年10月达到最大值93.1%，随后开始快速回落。

这段时期美国金融危机压力曲线由于次贷危机的爆发表现出大幅震荡的特点，之后随着美国经济的逐渐复苏而趋于平缓。

(3)2015—2016年危机持续影响期

这段时间美国经济继续复苏，美联储于2014年底退出量化宽松，并于2015年开启了持续至今的第6轮加息周期。从现在到2018年底，美联储至少还将有两次加息计划，美国加息不仅对美国经济造成影响，还使世界经济发生波动。

第一，实际有效汇率高估。美元指数因为加息预期的上升而受到强有力的支撑，美联储也想借加息来扭转弱势美元的局势，这段时期实际有效汇率高估水平稳步上升。随着美元加息通道的逐步扩大，美元对国际资本重新产生了吸引力，国际资本纷纷向美国聚集，从而对美元形成强有力的支撑，美元实际有效汇率高估水平将继续上升(如图4)。

第二，出口增长率。美元的升值造成美国经常项目逆差扩大，给美国出口造成压力，这段时期出口增长率一直维持负增长。美国出口的萎靡加上强势美元反过来带动了中国等贸易伙伴国的出口，这也是特朗普发动中美贸易战的原因之一。

第三，外汇储备增长率。伴随着美国经济的好转，美国重新开启了它的债务自循环累积的经济运行方式，所以其外汇储备量一直保持在较低水平。

这个阶段的美国金融危机压力随着经济情况的好转重新上升，因为加息使得美国国内流动性发生紧缩，进而可能重蹈因连续加息导致次贷危机爆发的历史。综合以上分析可得出美国的金融风险在加大，对于美国新一轮加息周期的影响和特朗普政府执政政策的不稳定性，我们需要提高警惕，防范新一轮危机的发生。

四、结论与启示

本文经过对1个金融危机压力潜变量、10个原因变量和3个指标变量的美国金融危机压力MIMIC(10，1，3)模型的估计和修正，得到了拟合程度较好，能准确反映美国金融危机压力的MIMIC(3，1，3)模型。估计出来的美国金融危机压力主要来源于外汇储备增长率、出口增长率和实际有效汇率高估这三个方面，也能够正确反映2007年次贷危机爆发前后美国经济的实际发展趋势。基于上述研究结果，本文得出了中国防范化解重大风险的对策和启示。

第一，要密切监测美国金融危机压力的三个来源。通过分析得出了外汇储备增长率、出口增长率和实际有效汇率高估是美国金融危机压力的主要发源点，以后要密切关注这三方面的发展变化和美国金融危机压力曲线的走势。一旦这三方面出现异常变动或压力曲线发生波动，就意味着美国发生金融危机的风险在上升，由于美国的宏观经济政策的调整和经济波动有着较大的溢出效应，所以中国从这三方面来采取相应的对策。

第二，汇率方面。随着美国经济的逐渐繁荣和美元加息通道的打开，一方面国际资本从中国抽离而向美国重新聚集，使得中国面临短期资本紧缩的压力，同时美元实际有效汇率的高估对人民币形成相对贬值压力；另一方面，美国在全球推行量化宽松时期使得中国被动增加了M2的供给并大举发债，中国从2008年开始增加了大量的财政赤字和地方债务，现在美元的实际有效汇率高估直接导致债务负担加重，这两方面综合起来导致中国爆发系统性风险的可能性升高。究其根本，是因为美元占霸主地位的现行国际货币体系的缺陷所致，解决的主要途径是加快人民币国际化进程，从而改变目前仍然受美元影响的汇率制度。要在中国加入特别提款权(SDR)货币篮子和2018年推出以人民币计价的中国原油期货以及铁矿石期货的良好基础上，加快建设人民币自由兑换机制，巩固人民币的区域性支付、计价和储备功能；联合其他新兴经济体国家一起来推动国际货币基金组织的改革，提高中国在其中的地位和话语权，只有这样才能使人民币有可能成为国际本位货币和储备货币，从而改变因美国汇率波动对中国经济产生的影响。

第三，出口方面。受中美贸易战的影响，中国的对外贸易自2017年2月以来在2018年3月首次出现逆差，为逆差49.83亿美元，并且中国的净出口总额同比增长率2016年为-14.2%，2017年为-17.1%，连续两年为负增长。出现这样的情况一是因为中国的对外贸易很大一部分还是以原材料为主，而美联储的加息对大宗商品的价格形成压制；二是因为贸易结构单一，中国对美欧日的出口占到了中国总出口额的39.9%，对美欧日的进口占到了中国总进口额的31.1%；三是缺少国际贸易规则的话语权，如中国均被太平洋伙伴关系协定(TPP)和跨大西洋贸易与投资伙伴协议(TTIP)排除在外。所以要将出口贸易从传统的劳动密集型的加工产业形态升级到技术密集型的产业形态上来；以“一带一路”为契机加快形成多元化的对外贸易发展格局，优化中国对外贸易的全球产业链布局；要积极利用已有的WTO、G20、国际货币基金组织、世界银行等国际经济和贸易组织来解决国际贸易摩擦和纷争(吴振宇 等，2017)[33]，最后利用上海自由贸易区、海南自由贸易港探索出新的对外贸易发展之路。

第四，外汇储备方面。中国拥有占全球外汇储备27.5%的高额外汇储备，这其中又有70%是以美元计价的资产，但是随着美元加息进程的加速，中国外汇储备从2014年6月的最高值3.99万亿美元下降到2017年2月的3.01万亿美元，缩水严重。过多的外汇储备会带来一系列问题：比如使得通货膨胀压力增加；因持有形式主要为美国国债，使得收益低下，对外融资成本升高；持有资产种类单一，可能发生实际购买力下降的风险，或者因与美国国家政治层面的关系而可能发生的外汇储备遭受损失的风险等问题。外汇储备可以满足进口和稳定金融市场的需要，而随着人民币国际化进程的加速，未来中国对于高额外汇储备的依赖性会下降，所以一方面要将中国高额的外汇储备作为人民币国际化的汇率平准基金，而不是用来购买任何商品，这样就使得人民币可以抵御国际投机资本对人民币汇率市场的攻击；另一方面可以将外汇储备用于支持中国企业的对外直接投资上，也可用于亚投行、丝路基金等方面，商业银行也可以利用外汇储备投资于除美国国债外的更加多元化、更高收益的债券，改变持有种类单一、收益低下的局面。

参考文献：

[1] ILLING M，LIU Y. Measuring financial stress in a developed country：An application to Canada[J]. Journal of Financial Stability，2007，2(3)：243-265.

[2] BALAKRISHNAN R，DANNINGER S，ELEKDAG S，et al. The transmission of financial stress from advanced to emerging economies[J]. Emerging Markets Finance & Trade，2011，47(S2)：40-68.

[3] 南旭光，孟卫东.基于等比例危险模型的金融危机预警[J].统计与决策，2006，30(24)：138-142.

[4] 中国银行国际金融研究所课题组. 金融危机监测指标体系研究[J].国际金融研究，2010(3)：73-82.

[5] FRANKEL J A，ROSE A K. Currency crashes in emerging markets：An empirical treatment[J]. International Finance Discussion Papers，1996，41(3-4)：351-366.

[6] KUMAR M S，PERSAUD A. Pure contagion and investors’ shifting risk appetite：Analytical issues and empirical evidence[J]. Social Science Electronic Publishing，2002，5(3)：401-436.

[7] SACHS J，TORNELL A，Velasco A. The Mexican peso crisis：Sudden death or death foretold?[J]. Journal of International Economics，1996，41(3)：265-283.

[8] KAMINSKY G，LIZONDO S，REINHART C M. Leading indicators of currency crises[J]. Mpra Paper，1998，45(1)：1-48.

[9] BERG A，PATTILLO C. Predicting currency crises：The indicator approach and an alternative[J]. Journal of International Money and Finance，18，1999(4)：561-586.

[10] KAMINSK G. Currency and banking crises：The early warnings of distress[M]. George Washington University，Washington，D.C，1999.

[11] EICHENGTEEN B. The dollar and the new Bretton Woods system[R]. University of California，Berkley，December 2004.

[12] HAMILTON J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica，1989，57(2)：357-384.

[13] MARTINEZ-PERIA，MARIA S. A regime-switching approach to the study of speculative attacks：A focus on EMS crises[J. Empirical Economics，2002，2：299-334.

[14] CERRA V，SAXENA S C. Contagion，monsoons，and domestic turmoil in Indonesia’s currency crisis[J].Review of International Economics，2002，1：36-44.

[15] ABIAD A. Early-warning systems：A survey and a regime-switching approach [R]. IMF Working Paper，2003，WP/03/32.

[16] NAG A K，MITRA A. Neural networks and early warning indicators of currency crisis [J].Reserve Bank of India Occasional Papers，1999，2：183-222.

[17] 南旭光，孟卫东.基于BP神经网络的金融危机预警[J].现代管理科学，2008(2)：57-59.

[18] KELLOWAY E K. Using LISREL for structural equation modeling：A researcher’s guide[M]. Thousand Oaks，CA：Sage Publication，1998.

[19] SCHNEIDER F，ENSTE D H. Shadow economies：Size，causes，and consequences[J]. Journal of Economic Literature， 2000，38(1)：77-114.

[20] MALTRITZ D，BüHN A，EICHLER S. Modeling country default risk as a latent variable：A multiple indicators multiple causes(MIMIC)approach[J]. Applied Economics，2012(36)：4679-4688.

[21] 孙群力，李永海. 我国地区财政幻觉指数测算及影响因素研究——基于MIMIC模型方法[J].财政研究， 2016(10)：36-48.

[22] 刘金华，吴凤平.基于MIMIC模型的地下金融治理研究[J].技术经济与管理研究，2016(9)：73-76.

[23] GOLDSTEIN M，KAMINSKY G，REINHART C. Assessing financial vulnerability：An early warning system for emerging markets [R]. Washington，D. C.：Institute for International Economics，2000.

[24] 亚洲开发银行.金融危机早期预警系统及其在东亚地区的运用[M].北京：中国金融出版社，2006：46-49.

[25] 王智博.金融危机预警指标的选取及有效性检验研究[D].云南财经大学，2016.

[26] 王琳.基于logit模型的金融危机预警方法的实证研究[D].辽宁大学，2016.

[27] 王旭歌.基于实体经济与虚拟经济互动均衡的危机预警研究[D].西南财经大学， 2016.

[28] 张若希，王飞.巴西货币危机预警与经济危机——兼论中巴经贸合作的风险规避[J]. 拉丁美洲研究，2017(2)：60-76.

[29] 张帅.资本流动风险主要预警模型述评[J].金融理论探索，2017(2)：71-78.

[30] ROSE A，SPIEGEL M. Cross-country causes and consequences of the 2008 crisis：Early warning [R].NBER Working Paper 15357，2009.

[31] BOLLEN K A. Structural equations with Latent variables[M]. New York：Wiley，1989.

[32] 杨灿明，孙群力.中国各地区隐性经济的规模、原因和影响[J].经济研究，2010(4)：93-106.

[33] 吴振宇，兰宗敏，吴琛琛.美国在金融危机期间的国际宏观经济政策协调及启示[J].经济纵横，2017(3)：112-117.