金融周期、系统性金融风险与经济高质量发展——基于时变分析视角

姚登宝，刘治戎

（安徽大学经济学院，安徽合肥，230601）

一、引言

随着我国金融体制改革的深入以及金融开放程度的提高，金融冲击对经济高质量发展的影响日益显著，一个国家金融系统的稳定与否将直接关系到经济高质量发展的步伐。自党的十九大以来，我国更是长期将防范化解重大风险，尤其是系统性风险作为“三大攻坚战”之一，并将其作为实现经济高质量发展的核心任务。2020年12月，中央经济工作会议明确指出，由于新冠肺炎疫情变化和外部环境不确定性上升，我国经济恢复的基础尚不牢固，各类衍生风险仍需重视。金融危机史表明，金融危机大多发生在金融周期的波峰附近，危机爆发后所出现的资产价格大幅下跌及金融市场信贷规模的急速收缩会对实体经济造成负面冲击，最终导致社会产出的巨大损失甚至经济衰退。因此金融系统的稳定已经不仅仅取决于金融市场潜在的系统性金融风险，还要时刻关注金融周期的转换趋势，我国经济要实现高质量发展必须兼顾金融周期转变和系统性金融风险累积的综合影响。

2008年，全球金融危机爆发之后，传统经济周期理论的失效促使学术界重新审视金融周期在宏观经济发展中起到的重要作用。金融周期的产生源于投资者对风险的偏好与对待金融约束的态度之间顺周期自我强化的相互作用。这种相互作用会放大经济波动，导致金融繁荣与金融萧条交替出现，最终引发金融困境进而造成宏观经济失调。［1］由于我国大部分金融指标数据统计年份较短，为了弥补数据获取上的缺陷，国内学者更加倾向于借鉴国外金融状况指数编制的方法来刻画我国金融周期的行为路径。［2］邓创等（2014）［3］基于主成分分析法测算我国金融形势指数，以此考察我国金融周期波动特征。崔建军等（2019）［4］利用主成分分析法合成我国金融周期指数，并构建TVP-SV-SVAR模型，研究我国货币政策、金融周期及宏观经济变量间的时变关系。

系统性金融风险理论与金融周期理论密切相关，因此系统性金融风险的研究也在金融危机爆发之后兴起。目前学术界的主流观点认为，系统性金融风险就是因系统重要性部门的失败导致实体经济所出现的溢出风险。［5］关于系统性金融风险的测度，由于市场数据的频率跨度范围较广且数据可得性较高，因此基于市场数据所演化出的风险测度模型被广泛运用于金融风险管理领域。Adrian和Brun⁃nermeier（2016）［6］基于在险价值（VaR）模型提出了动态条件在险价值（ΔCoVaR）模型，从而更加全面地刻画极端金融事件发生时金融机构或金融系统可能遭受的最大风险或损失。Acharya等（2010）［7］则基于预期损失（ES）模型提出了边际期望损失（MES）模型。国内学者将这些度量系统性金融风险的新方法积极运用到我国的金融实践当中，取得了一系列的研究成果。白雪梅等（2014）［8］基于CoVaR方法度量了我国公开上市的27家金融机构2008—2013年的系统性金融风险水平。李政等（2019）［9］结合了CoVaR和MES两种方法研究了我国金融部门间系统性风险溢出的监测预警。

我国正处于经济新常态的重要转型期，经济高质量发展将成为我国未来经济建设的核心基调。国内学者通常使用全要素生产率来度量我国的经济高质量发展。［10］然而，受概念误差和度量方法等因素的影响，以全要素生产率作为衡量经济高质量发展水平的评价指标在可行性和合理性上存在明显缺陷。［11］近年来，以熵权法为核心构建经济高质量发展的综合测度评价体系成为研究热点。魏敏等（2018）［12］基于熵权法测算了我国各省份的经济高质量发展水平并提出完善全方位框架下的经济高质量发展综合提升的政策建议。

以往的研究，学者们大多关注金融周期的变化特征，针对系统性金融风险的研究则偏向于分析金融市场内部的风险传导机制，鲜有文献在兼顾金融周期波动和系统性金融风险变化的情况下，将其与经济高质量发展同时置于一个统一的框架内进行分析，更鲜有从非线性和时变性角度研究三者之间的内在联系。包含随机波动率的时变参数结构向量自回归（TVP-SV-SVAR）模型假定系数与协方差矩阵均为时变，相较于传统静态线性计量模型，可以更好地刻画经济变量间的非线性关系与时变特征，因此被广泛运用于经济金融领域。［13］Nakajima等（2011）［14］将马尔科夫链蒙特卡洛模拟（MCMC）引入TVP-SV-SVAR模型，有效提高了参数估计的精确度，使TVP-SV-SVAR模型在捕捉变量间的时变特征时更加精准。近年来国内学者灵活运用TVP-SV-SVAR模型参数时变的假定优势，更加深入地研究各类宏观经济问题。［15］因此，本文构建包含金融周期、系统性金融风险和经济高质量发展的TVP-SV-SVAR模型，深入探究金融市场变化对经济高质量发展的时变异质性影响，以期为我国金融体系支持经济高质量发展提供理论依据和政策启示。

二、理论分析与研究假设

（一）内在机理分析

1.金融周期影响经济高质量发展的内在机制

金融周期处于上升宽松状态时，扩张性的财政政策与货币政策推动金融系统运转效率上升，充足的市场流动资金降低了真实融资成本，金融机构的信贷规模加速扩张。基于“金融加速器”理论，企业部门借贷成本的下降以及融资渠道的拓宽会推动企业扩大生产投资规模，产品市场供给侧的扩张会吸引更多的社会消费，反过来又会进一步提高企业的经营水平，从而优化实体经济的产业结构与技术创新，推动经济快速增长。家庭部门基于市场前景向好的预期，偏好转为增加消费需求，并且由于持有的资产价格上涨，其资产的抵押价值更高，反过来刺激家庭更多地进行消费或投资，进而推动新一轮的资产价格上升和经济扩张。因此金融条件的扩张和好转对经济增长具有促进作用，提高了经济高质量发展水平。

假设1：金融周期处于上升宽松期时会提升经济高质量发展水平。

2.系统性金融风险影响经济高质量发展的内在机制

系统性金融风险积聚阶段，金融市场一般处于繁荣状态，各类金融机构相互合作较多，大量的交叉业务导致金融业的风险溢出效应增强。当遭受利率波动等负外部冲击时，房地产、股票等市场的资产价值将出现下跌，此时金融机构在资本充足率等监管要求及尽快挽回损失的内在动力下，通过变卖资产以达到“去杠杆化”的目的，而同向的卖出行为使得市场流动性加速枯竭，并推动降价抛售资产的成本进一步提高，从而放大原始负面冲击。金融机构的外溢效应同样影响到企业部门和家庭部门的运转。信贷市场的收缩将会导致企业部门资金流动的放缓甚至资金链断裂，企业不得不缩减经营范围以及变卖资产来改善资产负债表的状况，而企业净资产价值的螺旋式下跌又进一步导致资产负债表状况恶化。而家庭部门在接收到市场发出的负面信号后将会产生心里的恐慌和信心的崩溃，开始大面积缩减投资和消费。在对市场前景持悲观态度的作用下，家庭部门会加快从金融市场抽回自有资金，金融机构出现“挤兑”现象，整个市场呈现出萧条景象，经济高质量发展水平大幅下降。

假设2：系统性金融风险上升会导致经济高质量发展水平下降。

（二）影响机制模型：TVP-SV-SVAR模型

TVP-SV-SVAR模型以SVAR模型为基础，通过将系数、协方差等参数设置为随时间推移而变化，从而更加有效地反映出各经济变量之间的时变特征以及内在的非线性关系。经典的SVAR模型为：

将At中的非零元素进行堆栈，得到at=(a21,a31,a32)T，并记ht=(h1t,h2t,h3t)T，。此处假设参数均服从随机游走过程，即：

其中，βt+1～N(μβ0,Σβ0)，αt+1～N(μα0,Σα0)，ht+1～N(μh0,Σh0)，∑α、∑h为对角矩阵，∑β为时变系数矩阵。

三、研究设计

（一）金融周期

基于中国金融市场实际发展现状，选择银行体系等六个维度构建金融周期体系，包含22个基础指标（如表1所示）。根据数据的代表性和可得性原则，所有变量的样本区间均为2002年1月—2019年12月的月度数据，所有数据均来源于同花顺金融数据库。

主成分分析法（PCA）将原本相互关联的变量通过正交变换重新组合成一组数量较少且互不相关的综合指标，即保证了新指标之间相互独立的关系，又最大程度地保留了原变量所拥有的信息，适合用于建立金融周期指数。预先的数据检验结果表明，KMO值为0.773，大于标准值0.6且Bartlett球状检验P值为0，说明指标数据适合进行主成分分析。基于CensusX-13方法对数据进行季节性调整以消除季节影响，通过标准化处理消除各指标数据之间的量纲差异，对处理后的数据进行主成分分析（如表2所示）。经过降维，所得到的五个主成分的特征值均大于1且累计贡献率达到84.309%，表明信息丢失较少，可以代表22个基础指标进行金融周期分析。对五个主成分赋予等同于其贡献率与累计贡献率之比的权重，加权计算之后采用BP滤波法提取其周期成分并将其作为测度中国金融周期波动的综合指标CFCI。将BP滤波参数的下限设为30个月，上限设为60个月，具体公式如下：

表2 主成分分析结果

图1为中国金融周期综合指数CFCI走势，可以看出其具有显著的周期性特征。当金融周期指数接近0时，表明金融环境比较稳定，宏观经济发展比较平稳；当金融周期指数为正值时，表明金融环境处于上行宽松状态（繁荣），宏观经济形势趋于好转；当金融周期指数为负值时，表明金融环境处于下行紧缩状态（萧条），宏观经济形势趋于恶化。通过研究发现，金融周期波动状态下的峰顶和谷底与一些极端金融事件或宏观金融政策的出台具有一一对应的关系（如表3所示）。

图1 中国金融周期综合指数CFCI

表3 金融周期与经济事件对应表

（二）系统性金融风险

动态条件在险价值（ΔCoVaR）的核心思想是当单个金融机构出现极端事件时，其他金融机构或整个金融体系可能面临的最大风险或损失。金融机构i的为：

其中，Xi表示金融机构i的资产收益率，q表示置信水平。CoVaR反映了极端事件下单个金融机构对整个金融体系的影响程度，体现了该金融机构的系统重要性水平。而金融机构i对另一金融机构j的风险溢出则表示为：

其中q取50%代表正常情况下金融机构的资产收益率。同理，金融机构i对整个金融系统的总风险溢出为：由式（6）可知，金融机构i的绝对值越大，对金融系统的边际风险贡献越大，其系统性金融风险水平也就越高。为了使模型更加贴合实际，引入一系列与系统性金融风险相关的状态变量X，即：

边际期望损失（MES）主要用于衡量市场收益率发生极端下跌情况时单个金融机构可能面临的最大风险或损失，弥补了CoVaR只计算确定分位数水平损失的缺点。假设整个金融系统由N个金融机构组成，整个金融系统的总收益R等于单个金融机构收益ri的加权和，即，其中yi为单个金融机构i占整个金融系统的权重。因此在1-α的置信水平下整个金融系统的期望损失为：

单个金融机构对整个金融系统的风险边际贡献为：

确定具体时间区间内市场收益率低于5%分位点以下的日期，然后计算这些日期内给定金融机构股票收益率平均值的相反数：

结合CoVaR与MES两种方法构建中国系统性风险综合测度指标CSFRI，由于变量量纲之间存在差异，首先对各个变量进行标准化处理，再对各个变量赋予不同的权重构建新的综合指标，即：

以申银万国行业分类标准为基础，将金融系统划分为银行业、证券业、保险业以及多元金融四个部分，分别计算各个部分对整个金融系统的风险贡献度，通过将各部分的风险贡献水平加总得到金融系统整体风险水平。基于数据可得性和代表性，选取上证综合指数的日度涨跌幅作为市场收益率的替代变量，上证综合指数的年化波动率作为隐含波动率的替代变量，银行间7日质押式回购收盘利率作为市场流动性的代理变量。由于系统性金融风险数据频率为日度，为了与金融周期和经济高质量发展的数据频率对齐，取系统性金融风险日度数据的算术平均值作为月度数据。图2为2002年1月—2019年12月我国系统性金融风险综合指数CSFRI的变化趋势，CSFRI数值越大表明系统性金融风险水平越高。可以看出其变化趋势与我国实际情况相近，因此适合作为反映我国系统性金融风险水平的指标。

图2 我国系统性金融风险变化趋势

（三）经济高质量发展

基于实际经济发展状况，选取经济发展方式等三个维度建立经济高质量发展指标体系，包括经济增速等16个基础指标（如表4所示）。

表4 经济高质量发展指标体系

利用CensusX-13方法对各指标数据进行季节性调整，部分数据缺失值运用线性插值进行填充。由于GDP和GDP增长率的统计频率为季度，为了使其数据频率与其他月度数据相匹配，结合阶梯函数法与非线性插值法将GDP季度数据转换为月度数据，利用频率转换法将GDP增长率转换为月度数据。熵权法的指标权重值基于各测度指标数据变异程度所反映的信息量得到，这种方法降低了指标赋权时主观因素的干扰，在运用于计算多指标体系时具有独特的优势，因此采用熵权法计算我国经济高质量发展综合指数CEGQI。图3为2002年1月—2019年12月我国经济高质量发展指数CEGQI的变化趋势，数值越接近于1，说明经济高质量发展水平越高。可以看出，其变化趋势与我国经济发展过程相符，因此适合作为评价我国经济高质量发展水平的综合指标。

图3 我国经济高质量发展变化趋势

四、实证分析

（一）样本描述性统计

表5给出了金融周期、系统性金融风险和经济高质量发展的描述性统计结果。可以看出，金融周期变量波动较为平稳且接近于正态分布；系统性金融风险变量波动程度较高且呈现出右偏尖峰特征；经济高质量发展变量波动程度较低且呈现出较弱的左偏尖峰特征。三个变量的J-B统计量均在1%显著性水平下拒绝服从正态分布的原假设。

表5 描述性统计分析

为避免模型出现“伪回归”问题，需要对三个变量进行平稳性检验，采用PP单位根检验方法。如表6所示，金融周期CFCI和系统性金融风险CFSRI均在1%显著性水平下保持平稳，经济高质量发展CEGQI在10%显著性水平下平稳，因此将CFCI原序列、CFSRI原序列和CEGQI原序列纳入到TVPSV-SVAR模型中。

表6 平稳性检验

（二）基于MCMC算法的参数估计

采用马尔科夫链蒙特卡洛模拟（MCMC）进行参数估计。根据AIC准则确定模型最优滞后阶数为1，选定模拟抽样次数为10 000次。结果如表7所示，其中Geweke收敛诊断值均小于5%，置信水平临界值1.96，表明MCMC模拟的前1 000次抽样结果预烧使得马尔科夫链趋于集中。无效因子为MCMC模拟产生互不相关样本所需要的抽样次数，无效因子越小代表互不相关的样本越多，参数估计结果越好。表7中最大的无效因子为77.18，即至少可以获得10 000/77.18≈129个互不相关的有效样本，因此适合进行后验分布计算。

表7 TVP-SV-SVAR模型参数估计结果

（三）时变脉冲响应分析

TVP-SV-SVAR模型设定参数是时变的，其脉冲响应函数主要由两个部分构成：不同时点下一单位正向冲击形成的等时点脉冲响应和不同滞后期下一单位正向冲击形成的等间隔脉冲响应。为了更加清晰地展现出金融周期和系统性风险对经济高质量发展的时变影响，从局部和全局两个视角来分析金融周期与系统性金融风险对经济高质量发展的时变影响。

1.金融周期对经济高质量发展的时变影响分析

（1）局部时变脉冲响应分析

图4为一单位金融周期的正向冲击对经济高质量发展的时变脉冲响应图像，其中上图选取滞后3期（3个月）、6期（半年）和12期（一年）三个滞后期的等间隔脉冲响应；下图选取2005年5月（股权分置改革）、2008年8月（金融危机）和2018年6月（中美贸易摩擦）三个时点的等时点脉冲响应。

图4 金融周期对经济高质量发展的时变脉冲响应

从图4可以看出，金融周期对经济高质量发展的冲击效应存在显著的时变特征，并且脉冲响应函数的走势较为一致，表明模型具有良好的稳健性。由上图可知，在样本期内，三个滞后期下金融周期对经济高质量发展的脉冲响应均为正值，表明金融周期对经济高质量发展具有显著的正向影响，且该冲击效应在中期更为显著。由下图可知，三个时点的脉冲响应函数变化趋势基本保持一致，不同时点下金融周期对经济高质量发展仍然产生了显著的正向冲击，达到最大值后冲击效应略有减弱但仍大于零值，表明金融周期对经济高质量发展的冲击效应具有显著的持续性，与金融周期长于经济周期的理论相吻合。综合上下两图来看，三条脉冲响应函数整体表现出很强的阶段性，这是由于金融周期对经济高质量发展的冲击效应存在非对称影响，处于下行紧缩状态的金融周期对于经济高质量发展的负面影响要高于处于上行宽松状态的金融周期对经济高质量发展的促进作用。其中有一个关键时点值得注意，即2012年，我国宏观经济调控政策基调定为稳健。在此之后，金融当局加强对金融市场的监管力度，并根据经济发展状况及时调整政策的力度和方向，使得金融周期变化对经济高质量发展的影响趋于平稳。

（2）全局时变脉冲响应分析

图5从全局视角给出了金融周期对经济高质量发展的全局脉冲响应函数和各时点最大响应值及其对应的滞后期。由上图可知，金融周期对经济高质量发展的冲击效应存在较为显著的时变性，并且每一单位金融周期正向冲击均会引起经济高质量发展水平的上升。同时，金融周期对经济高质量发展的冲击效应在中长期体现的更为明显。由下图可知，金融周期对经济高质量发展的冲击效应基本在滞后6期及以上时达到最大，对应的最大响应值具有显著的时变特征，总体上呈现出上下波动的趋势，但近年来波动趋于减缓。结合两图不难看出，金融危机前金融周期对经济高质量发展的冲击效应较大，而金融危机之后冲击效应趋于平稳，表明我国为应对金融危机所出台的相关政策推动了金融周期上行，加快了经济恢复的步伐。监管当局应当针对金融周期所处状态适时调整宏观经济政策，为我国经济高质量发展创造稳定的金融环境。

图5 全局脉冲响应及其对应的最大响应值

2.系统性风险对经济高质量发展的时变影响分析

（1）局部时变脉冲响应分析

图6为一单位正向系统性金融风险冲击对经济高质量发展的时变脉冲响应图像，局部滞后期和时点的选择与图4一致。从图6可以看出，系统性金融风险对经济高质量发展的冲击效应存在显著的时变特征，并且脉冲响应函数的走势较为一致，表明模型具有良好的稳健性。由上图可知，在样本期内，三个滞后期下系统性金融风险对经济高质量发展的冲击效应与所处宏观经济状态有关。系统性金融风险对经济高质量发展的影响同样在短期体现的更为明显；中期曲线也表现出一定的阶段性特征；长期曲线的影响程度和阶段性特征则比较微弱。值得注意的是，在金融市场处于危机后的复苏阶段时，系统性金融风险水平较低，此时为恢复市场活力和投资信心，激励金融机构提高自身风险承担水平有利于加快金融系统的运转效率和发展速度，进而提升经济高质量发展水平。

图6 系统性金融风险对经济高质量发展的时变脉冲响应

由图可知，三个时点的脉冲响应函数变化基本保持一致形态，且均为负值，表明在金融市场动荡时期系统性金融风险对经济高质量发展产生显著的负向冲击；脉冲响应函数基本于滞后4期时达到最大响应值，表明系统性金融风险的上升短期内会降低经济高质量发展水平。综合上下两图来看，短期脉冲响应曲线的阶段性和最大响应值相比于中长期较高，表明系统性金融风险对经济高质量发展的影响在短期内体现的较为显著。金融监管部门应当及时关注系统性金融风险的积聚，综合运用多种政策工具将系统性金融风险对经济高质量发展的负面影响降到最低。

（2）全局时变脉冲响应分析

图7给出了系统性金融风险对经济高质量发展的全局脉冲响应函数和各时点最大响应值及其对应的滞后期。由上图可知，金融周期对经济高质量发展的冲击效应存在较为显著的时变性，并且系统性金融风险对经济高质量发展的影响与所处宏观经济环境有关。同时，系统性金融风险对经济高质量发展的冲击效应在中期体现的更为明显。由于系统性金融风险对经济高质量发展的冲击效应存在负值，为便于分析，这里取所有响应值的绝对值进行分析。

图7 全局脉冲响应及其对应的最大响应值

如图7所示，系统性金融风险对经济高质量发展的冲击效应基本在滞后3～4期达到最大，且所对应的最大响应值同样具有显著的时变特征，总体呈现出上下波动的趋势。结合两图可以看出，系统性金融风险对经济高质量发展冲击的最大响应值在宏观经济稳定时期处于一个平稳态势，而在金融危机时期，系统性金融风险对经济高质量发展的影响程度显著提升，表明金融危机所导致的金融市场动荡与实体经济破坏对经济高质量发展产生了显著的负向冲击。因此我国金融监管部门要加强对系统性金融风险水平的管控力度，及时缓释金融系统中累积的系统性金融风险。

五、结论与建议

在分析金融周期和系统性金融风险对经济高质量发展的传导机制的基础上，运用TVP-SV-SVAR模型进一步从理论和实证两个角度深入探讨了金融周期与系统性金融风险对经济高质量发展的时变冲击影响。得出结论如下：第一，我国经济高质量发展整体呈上升趋势，表明我国供给侧结构性改革与需求端宏观调控取得显著成效，经济发展保持着稳中向好、长期向好的基本趋势。第二，金融周期对经济高质量发展具有显著的正向冲击效应且在中长期体现的较为显著，表明中长期上升宽松的金融周期会提升经济高质量发展水平，我国监管当局要根据金融周期的波动状态适时采取政策进行调控。第三，系统性金融风险对经济高质量发展的冲击效应与所处宏观经济状态有关，金融危机前后，系统性金融风险对经济高质量发展具有显著的负向冲击效应；而经济恢复时期，系统性金融风险则对经济高质量发展具有较弱的正向冲击效应；两种情况下，系统性金融风险对经济高质量发展的冲击效应均在短期体现的较为显著，表明系统性金融风险水平的上升会在短期内影响经济高质量发展水平。因此，金融监管部门要继续加强金融市场潜在系统性风险的管控，灵活运用各类政策工具维护金融市场稳定。

综上所述，金融周期和系统性金融风险对经济高质量发展存在显著的时变冲击影响，因此，提出以下政策建议：第一，保持宏观经济调控方向和经济政策工具的稳定性和持续性，依托货币政策调控等经济政策机制稳定金融周期波动，采取短期调控和长期引导相结合的金融政策将金融状况稳定在合适的范围内，为供给侧结构性改革过程中经济高质量发展的提升提供稳定的金融支持；第二，进一步完善“货币政策+宏观审慎政策”的双支柱调控框架，加快金融市场风险监管体制改革，重点筛查系统重要性机构的指标情况，强化对影子银行的管控力度，建立统筹协调“一行两会”的综合金融监管体系，积极缓释系统性金融风险，有效防范金融危机的发生；第三，继续推进金融供给侧结构性改革，提高金融业服务实体经济的能力和水平，增强金融体系脱虚向实的内生动力。通过制定全方位框架下的经济高质量发展综合提升政策和重视经济高质量发展思想，推进我国经济发展由“量”向“质”的有序转变。