金融周期对经济周期与货币政策的影响探究

■刘居照，郭盛锋，李晓璇，周明明

一、引言与文献综述

传统的货币观点认为利率会通过货币需求进行传导而后影响到投资、消费等实体变量。但随着金融发展不断影响到货币结构与总量，经济与货币间的关系不再稳定。2008年全球金融危机发生后，剧烈的金融市场波动对宏观经济造成了剧烈打击，金融周期与经济周期开始逐渐分化，国内外学者纷纷重新审视经济周期理论，并将注意力放在了金融周期自身变化以及金融周期对货币政策框架的影响上。金融周期、经济周期与货币政策框架间的关系涉及多个关键点，深入探讨金融周期指数的构建及金融周期、经济周期与货币政策框架之间的互动关系具有现实意义与应用价值。

在以往关于金融周期的研究中，学者们测度金融周期主要基于一些基础性的金融指标，包括信贷、通货膨胀和利率等，选取金融指标通过加权或者主成分分析法构造测度金融周期的指标（邓创和徐曼，2014）。加权的系数通过复杂的宏观经济模型得到，且数据获取难度大。而主成分分析法则依赖于成分指标的选择，如遗漏关键指标则会出现周期度量偏误的问题。在Borio（2014）的研究中发现房地产价格和私营部门信贷/GDP这两个指标能够较大程度的刻画金融周期走势。庞超然和杜奇睿（2019）通过选取资本市场、货币市场、外汇市场、信贷市场以及房地产市场等5个具有代表性的金融行业方面的指标，通过主成分分析法构建中国金融周期指数。

关于金融周期、经济周期及货币政策三者之间的联动关系研究，Claessens et al.（2012）指出，即使通胀水平短期内能得到有效控制，中央银行在制定货币政策时也不应忽略金融周期对经济运行的影响。马勇等人（2017）认为金融周期对经济周期的影响不可忽略、导致宏观经济波动的主要因素是金融周期波动以及具有金融稳定因素的货币政策不仅能在正常时期维护实体金融与经济的“双稳定”，还会在压力时期将金融波动对实体经济的不利冲击降至最低。为了探究金融周期在经济周期波动中的作用以及货币政策是否应对金融周期不稳定作出反应，Ma Y&Zhang J（2016）构建了一个四方程模型以建立金融周期和经济周期间的牢固联系。对于不同货币政策带来的不同影响，张雪筠（2018）认为相比于利率型货币政策，数量型货币政策的影响效果更加明显。

从已有研究不难看出，学者们对于金融周期的测度方法各有不同，但有些只局限于简单金融指标的选取。本文则在前人的研究基础上，构建了综合型金融周期指数，并实证检验指标的有效性。通过聚焦中国市场的金融周期、经济周期与货币政策框架关联问题，结合中国市场数据重点探讨金融周期、经济周期与货币政策的联动关系，最终将落脚点放在如何完善货币政策框架及强化宏观审慎管理上。

二、研究设计

（一）理论模型的构建

本文先构建一个IS方程：

其中：Y为产出；I为投资；R为利率。在此基础上，通过扩展IS方程，将含有金融周期因素的“金融周期指数”纳入其中，构建一个综合反映经济周期和金融周期的模型：

式（2）中，yt为实际产出，作为经济周期的代理变量；rt为名义利率，用银行间市场同业拆借7天利率表示；πt为CPI作为通胀水平的代理变量；Qt则为汇率水平；FC为金融周期指数。扩展型的IS曲线纳入了金融周期作为一个新的变量，使得金融周期变化对产出的影响内生化。

那么货币政策的制定是否应该考虑金融周期的稳定性？金融周期因素是否应纳入货币政策框架中？出于此方面的考虑，本文在泰勒规则的基础上，将代表金融稳定的金融周期波动变量纳入模型中，探究金融周期与货币政策框架的联动反应。当通货膨胀或者实际收入比设定的目标水平高，那么货币当局就提高利率，反之则降低。根据对美国货币政策的研究，泰勒认为长期实际利率水平是2%。假设美联储的通货膨胀目标是2%，那么反应函数的具体形式则表现为：

其中：r表示联邦基金利率；p表示前四季度通货膨胀率的平均值；y是实际GDP偏离其目标值的百分比。参考Clarida等（2000），本文在泰勒规则基本形式中引入预期因素，得到了前瞻型泰勒规则，表达式如下：

其中：rt为短期名义利率；πt+1表示第t+1期到第期的通货膨胀率；yt+1表示从t期到t+1期的平均产出缺口；r*为长期均衡的实际利率；E为期望算子；Ωt表示央行在第t期时对利率进行调整时所掌握的信息集合。

在此基础上，本文通过引入代表金融周期因素的“金融周期指数”形成如下扩展型货币政策规则：

其中，k为货币政策利率对金融周期波动的反应参数，用以反映中央银行对金融稳定目标的重视程度。

（二）计量模型的构建

向量自回归模型（VAR）能够反映经济系统变量协同性关系，并且也能够反映外部冲击随时间变化通过内部传导对经济系统产生的影响。它可以用被解释变量及与被解释变量相关的其他变量的历史数据来预测多个相关经济指标。一个二元p阶VAR模型可以表示为：

本文构建了包含房价、股价、银行利差、金融杠杆率、长期风险溢价、货币供应量、社会融资规模和资本流动8个变量的VAR模型，考察宏观经济金融系统内部各周期之间的作用关系及动态影响效应，并对其进行参数估计。

（三）数据选取与预处理

1.构建综合金融周期指数

基于国内外学者的研究，并综合考虑中国经济和金融体系运行情况，本文参考马勇等（2017），用以下8个具有代表性的金融变量构建综合金融周期指数，具体如表1所示。

表1 金融变量指标

除此之外，本文还选取了名义利率CPI和汇率作为控制变量。考虑到数据可得性，本文选取2000～2018年的季度数据作为本文实证的数据区间，共76个季度，数据均来源于BIS统计数据和Wind数据库。

2.数据预处理

首先将GDP和名义利率转变为以2000年为基期的实际值；其次，使用X-12方法对存在明显季节性变化的变量进行了季节性调整；再用HP滤波法对所有数据进行缺口值的计算。对于综合型金融周期指数，数据在进行了季节性调整和缺口值计算的基础上，考虑到8个金融变量在计量单位和数据类型等方面均存在差异，参考马勇（2017）对变量进行标准化处理；处理完8个指标后，参考Goodhart（2005），本文对各金融变量进行简单算数平均得到综合指标。

三、实证分析

（一）金融周期指数的构建与实证分析

1.变量的检验

首先，本文对构成金融周期指数的8个变量进行单位根检验以考察时间序列指标的平稳性以及防止伪回归。由表2可知，经过数据预处理，构成金融周期指数的8个变量均在1%的置信水平上显著，说明均为平稳状态。

接着，基于LR、AIC、SC准则进行滞后阶数检验确定最优滞后阶数。表3为此次检验得到的0到5阶滞后的估计结果。分析后最终确定VAR模型的最优滞后阶数为4，因此最终构建滞后4期的8变量VAR模型。

表2 各变量平稳性检验结果

表3 VAR模型最优滞后阶数的确定

最后，本文基于滞后4期的8变量VAR模型，运用Granger因果关系检验方法进行实证分析，考察在一个统一的宏观经济金融系统内各周期层次之间的传导机制、动态冲击效应。由于本文所选取的变量较多，故并未将格兰杰因果检验的全部结果列出，只选取了存在因果关系的变量检验结果如表4所示。

由检验结果可知，房价与风险溢价、货币供应量、金融杠杆率，社会融资规模与股价、货币供应量均存在着显著的双向Granger因果关系。并且房价、风险溢价、资本流动也与其他变量存在单向Granger因果关系，说明房价、社会融资规模、资本流动、银行利差等指标均为金融系统与实体经济的重要纽带和传导机制。结果表明构成金融周期指数的这些变量都能够有代表性地反映金融市场情况和经济状态，且通过控制变量的稳定性和确定滞后阶数以保证接下来构建“金融周期指数”的有效性。

2.金融周期指数的构建

通过对以上8个变量的“无量纲化”处理和鉴于Goodhart（2005）的金融周期指数（FC）构建办法，本文采用通过对各金融变量进行简单算数平均得到综合指标，图1为金融周期指数（FC）描述图。

表4 格兰杰因果关系检验结果

图1 金融周期指数图

图1 可以看出金融周期指数较为明显的反映出了我国的金融变动和金融形势，例如2004年出现的大幅波动是因为此时段我国国内外宏观经济环境有了很大的变化，加上逐步走出通货紧缩的阴影，实施了稳健的货币政策。而在2008年后的时段，虽然我国受自然灾害、国外次贷危机影响，国内经济形势有着不小压力，但央行及时对货币政策进行了较大的调整，我国从抑制通胀角度出发的货币政策由侧重于“宽松”转向“适度”，所以金融周期指数先呈深“V”形状，再迅速上升，呈现大幅波动状态。由此可见，本文所构建的金融周期指数能够良好地刻画我国的金融态势和准确地反映我国的金融形势。

（二）金融周期对经济周期及货币政策影响分析

1.金融周期与经济周期、货币政策脉冲响应分析

本文将金融周期指数作为金融周期因素的代理变量，将产出作为经济周期代理变量，将利率作为货币政策代理变量，利用脉冲响应函数实证分析金融周期、经济周期和货币政策之间的冲击响应。图2给出了金融周期对经济周期和货币政策的脉冲响应函数图。

从图2可知，金融周期对经济周期的冲击为正向冲击，且在第三期达到最大值，之后逐渐减弱，并收敛于零，说明金融因素对于经济的影响是非常显著而且迅速的。而经济周期对于金融周期的冲击则为先正后负，在第二期达到最大值后逐渐为负效应，说明冲击效应很迅速但不持久。金融周期对于货币政策的冲击效应为先负后正，并且在第一期与第二期之间就转为正效应，在第三期达到最大值后一直保持正效应的态势，并逐渐趋于零，说明金融周期对于货币政策的制定和货币政策框架来说尤为重要。

图2 金融周期、经济周期与货币政策之间冲击反应

2.金融周期影响经济周期

通过构建上述的综合型金融指标——金融周期指数（FC）并对其进行简要分析之后，下一步则通过回归实证分析此综合型金融周期指数对经济周期的影响。本文采用前面章节构建的扩展型IS方程结构，用金融周期指数代替原来的金融变量。在估计方法上，本文选择广义矩估计方法（GMM）对方程（2）进行回归，结果如表5所示。

表5 FC纳入IS曲线的估计结果

从回归结果来看，首先整个扩展型IS方程的调整后拟合优度为0.6343，说明纳入金融周期指数后IS方差回归效果较好。其次对于变量的回归系数，产出α1和金融周期指数α4的系数均为显著水平，说明金融周期对于经济的影响明显且重要，尤其是对于产出的影响，直接关系到了国民经济，所以在经济周期的分析时加入金融周期是有必要的。

3.金融周期影响货币政策

通过上文的实证结果分析，确定了金融周期与经济周期之间的紧密联系，从实际出发，金融周期的冲击确实会对宏观经济产生重要影响，从货币当局的角度来看，如何能够从单一专注经济周期对宏观经济的影响转向同时也关注金融周期冲击的影响，则需要从金融周期是否会影响货币政策的角度切入，分析货币政策是否应该考虑金融周期的稳定性。本文通过在一般性泰勒规则的基础上纳入表示金融稳定的金融周期指数变量，构建扩展型货币政策规则，对比不纳入金融周期因素变量和纳入金融周期因素变量的两种货币政策规则的实证结果，分析金融周期因素对于货币政策框架的重要性。

表6 货币政策规则中是否纳入FC估计结果

表6为两种货币政策规则的估计结果。首先对比拟合优度和残差标准差，明显可以看出纳入金融稳定因素的货币政策规则比不纳入金融稳定因素的货币政策规则拟合优度要高，且前者的残差标准差更小。由此可以判断，加入金融周期指数会使货币政策规则对于经济形势的解释力度和调控能力更高。其次来看各经济变量的系数估计值，发现纳入金融稳定因素的货币政策规则中的经济变量系数普遍大于不纳入金融稳定因素的货币政策规则中的经济变量系数。从估计结果可以发现，在货币政策规则中纳入金融稳定因素是有意义且刻不容缓的。

四、结论与政策建议

本文通过选取8个具有代表性的金融变量构建了一个反映金融周期因素的综合型指标“金融周期指数”，再在经济周期与货币政策规则理论基础上分别构建了扩展型IS曲线模型和扩展型货币政策规则模型，将金融周期指数分别纳入扩展型IS曲线模型和扩展型货币政策规则模型中进行实证检验，探讨金融周期、经济周期与货币政策框架之间的关联。通过实证本文得出三个结论：一是本文构建的金融周期指数是一个综合性的能够准确反映金融周期因素的指标，能够良好地反映我国金融形势和刻画我国金融态势；二是金融周期会对经济周期产生显著影响，即金融周期波动确实已成为经济周期调整的重要来源，相比之下，金融周期比经济周期持续时间更长、波动幅度更大，而经济周期比金融周期变动的频率更高；三是我国货币政策框架中应纳入金融周期考虑因素。通过实证对比发现，纳入金融周期因素的货币政策规则表现更好，且更能够解释我国货币政策特征。据此，本文提出以下政策建议：

第一，在传统的货币政策框架内应当着重考虑金融周期因素。一方面重点关注金融周期是否会对传统政策的有效性产生影响，在制定货币政策时统筹考虑长期金融周期与短期金融周期以强化政策效用，避免资产泡沫、债务规模以及整体杠杆率被进一步扩大，继而引发更严重的衰退或危机。另一方面，中国正处于金融周期高点，在实施“三去一降一补”战略中的“去杠杆”期间，应考虑到金融周期下行期对经济周期的负面影响，采用结构性货币政策工具去冲抵风险，引导资金流向重点领域和薄弱环节。此外，在设计政策框架时，可考虑将最初的“灵活通胀目标制”转变为“双稳定目标制”。

第二，应当不断创新政策，采用结构性货币政策防止金融部门利用政策套利。化解金融风险和抑制金融体系的顺周期波动问题表面上属于金融领域，但事实上牵扯到财税体制、过剩产能、僵尸企业、房地产以及地方政府债务。虽然需求管理政策对于缓解短期矛盾的确有效，但却难以解决中长期体制性结构性问题，如房地产价格上涨预期过快会对制造业造成挤压等。因此，在不断创新政策、强化顶层设计的同时，还需要将部门权责分工做好、发挥政策合力，激发市场活力和内生增长动力，从质量改善的意义上切实完成我国宏观经济的新一轮“软着陆”，最终实现经济与金融共同高质量发展。