中国金融稳定指数构建研究

滑冬玲

(天津师范大学 经济学院,天津 300387)

0 引言

1999年国际货币基金组织和世界银行提出的“金融稳定指标体系(FSI)”,以宏观数据评价各国的金融稳定状况。该指标体系为各国判断金融稳定状况提供了依据,以该指标体系结合中国金融数据构建中国金融稳定指数,有助于识别中国的金融稳定状态,及时防范金融风险。

1 金融稳定测度文献综述

金融稳定测度文献体现出测度指标多元化的特点,金融稳定的测度主要通过关键指标法和指数法实现。

1.1 关键指标法

1999年由国际货币基金组织和世界银行向成员国推荐的“金融稳定指标体系”,包括反映银行体系、金融市场和宏观经济在内的40个指标。Roumani 等[1]发现公司的财务指标与金融脆弱性密切相关,可以用来反映一国金融脆弱性水平;戴钰[2]用存款变化、GDP增长率、CPI增长率、储蓄增长率、各项贷款增长率来反映银行体系的脆弱程度,在此基础上通过对金融体系稳定程度的判断,对银行体系的稳定性赋予1或0的值;徐璐等[3]用资产回报率、资本资产占比、资产回报率标准差构建金融稳定性指标衡量银行体系的脆弱性。

1.2 指数法

现有文献通过生成金融稳定指数、金融状况指数、金融压力指数或者金融脆弱性指数测度金融稳定状况,大多数金融稳定测度指数包括长短期利率、汇率、房地产价格、股票市场价格、风险贴水以及FSI核心指标。合成金融稳定指数代表性的方法包括4种。一是主观赋权法,伍志文[4]通过主观赋权、映射化处理、再加权得出金融系统脆弱性综合指数。二是熵权法,黄德春等[5]、连英祺等[6]运用熵权法确定权重,测算了中国金融脆弱性指数和金融稳定综合指数。三是主成分分析法。刘慧悦等[7]、谷慎等[8]利用宏观经济金融指标通过主成分分析法构建了中国金融稳定指数。四是因子及动态因子法。利用因子分析法构建金融脆弱性指数或者金融稳定指数的文献主要有:张波等[9]运用因子分析法得出了综合性中国金融稳定指数;周德才等[10]运用混频动态因子模型方法生成公因子作为中国金融稳定指数。

2 中国金融稳定指数的生成

2.1 指标选择

1999年起,国际货币基金组织(IMF)开始公布 “金融稳定指标体系(Financial Soundness Indicators,FSIs)”,并不断对指数体系进行调整完善。在最新的2019版中,该指标体系包括核心指标(Core Sets)和附加指标(Additional Sets)。指标涉及存款金融机构、其他金融机构、货币市场基金、保险公司、养老基金、非金融企业以及家庭部门,旨在全面衡量一国金融体系的稳定程度。FSIs指标体系共包含53个指标,每个指标在同一时期可能呈现不同的变化趋势,通过众多走势不同指标整体判断一国的总体金融稳定状况较为困难。因此,利用相关金融指标体系生成金融稳定指数,有利于政府和投资者直观地了解一国金融稳定的总体状况。

在生成金融稳定指数的指标选择中,本文主要考虑两个因素:一是在数据可获得的情况下尽可能多地纳入FSIs的核心指标;二是根据中国金融体系自身的特点纳入非核心FSIs指标。中国的金融体系中,银行业金融机构占主导地位,截至2022年年底,银行业总资产在金融业机构总资产中的占比高达90.4%。因此,测度银行业金融机构风险的核心指标是构建中国金融稳定指数的关键指标。此外,中国的房地产市场高杠杆引发的风险值得密切关注;在金融市场中,股票市场动荡是引发中国金融波动的重要因素。鉴于此,基于FSIs体系和中国金融统计指标,本文选取了15个宏观指标构建中国金融稳定指数(见表1)。

表1 生成中国金融稳定指数的指标

本文运用上述15个指标2008—2018年的季度数据构建中国金融稳定指数。住户贷款余额占各项贷款余额之比、非金融机构和其他部门贷款余额占各项贷款余额之比是通过人民银行2008—2018年月度“金融机构信贷收支统计”数据计算得出的,其他数据均来自wind数据库。

2.2 数据处理

在生成中国金融稳定指数之前,对所有数据进行以下4个步骤的处理,使得生成的金融稳定指数能够准确反映金融稳定状况,且指数越大金融稳定程度越高。

第一,为了消除数据的季节性波动,对15个时间序列运用TRAMO/SEATS方法进行季节调整。第二,根据各指标与金融稳定的关系,对数据进行正向化和适度化处理:商业银行扣除准备金后的不良贷款与资本金比率、商业银行不良贷款率、工业企业资产负债率、房屋平均销售价格以及净外汇贷款风险敞口/总资产越高,金融体系的风险越大,金融稳定程度越低,因此对这5个指标进行正向化处理;房地产开发贷款余额占比各项贷款余额之比、个人住房贷款余额占比各项贷款余额之比以及股票换手率过低或者过高都是金融不稳定的表现,因此对这3个指标进行适度化处理,即以指标值与该指标样本区间均值之差的绝对值测度金融稳定,其绝对值越小,金融越稳定。第三,为了消除量纲差异,对所有指标数据进行标准化。第四,动态因子方法要求所有的数据均为平稳数据,对所有数据进行单位根检验,并对不平稳的数据进行一阶差分处理,确保生成指数的数据平稳。

2.3 指数生成方法

动态因子方法能够在大量宏观数据中找出少量共同因子,不但能够起到降维的作用,而且能够反映时变特征。因此,本文选择利用动态因子方法合成中国金融稳定指数,动态因子模型可以表示为:

Xt=λ(L)ft+et

(1)

ft=ψ(L)ft-1+ηt

(2)

式(1)-(2)中:Xt和et为N×1维向量,N为横截面数;ft为动态因子,ft和ηt为q×1维向量,q是动态因子数;L为滞后算子;λ(L)和ψ(L)是荷载矩阵。

(3)

表2 因子方差贡献率

根据表1,前5个公因子的累计方差贡献率达到86.05%,因此提取这5个公因子合成中国金融稳定指数。中国金融稳定指数FSIt合成公式为:

(4)

式(4)中:Fit为动态因子公因子;wi为权重。

权重wi由方差贡献率占比确定,5个公因子的占比分别为42.81%、26.33%、12.59%、9.98%以及8.30%。经式(4)计算得到2008—2018年中国金融稳定指数,如图1所示。

图1 宏观金融稳定指数

3 中国金融稳定指数分析

本文生成的中国金融稳定指数为季度时间序列(见图1),数值越大表明金融体系越稳定。通过分析中国金融稳定指数的变化可以发现以下特点。

3.1 样本区间内中国金融体系整体稳定

如图1所示,中国金融稳定指数的波动区间在0.104～-0.039,其中最高值0.104出现在2013年第二季度,最低值出现在2010年第二季度。对比两个极值可以看出,中国金融不稳定的程度较低。从波动频率上看,中国金融稳定指数在2008—2018年间仅经历了4次小幅下行波动。由此可见,在样本区间内中国金融整体稳定。

3.2 中国金融稳定指数能够反映国外金融危机的冲击

如图1所示,中国金融稳定指数在2008第一季度至2012年出现了较长时间的下行波动,这一阶段中国宏观金融稳定指数以负值为主,样本区间内的金融稳定指数最低点就出现在这一时期。金融稳定指数变化的时点与美国次贷危机和欧债危机高度吻合,2007年美国发生次贷危机并在2008年达到顶峰,全球金融市场受到严重冲击。与之相对应,2008年第一至第三季度中国金融稳定指数快速下降,说明中国金融稳定状况因为次贷危机的冲击而恶化。随着次贷危机的缓和,2009年第一季度至2009年第三季度中国金融稳定指数短暂恢复为正值。2009年年底,部分欧洲国家出现债务问题,2010年欧债危机全面爆发,再次影响到全球金融稳定,中国的金融稳定指数也从2009年第四季度开始再次下行,并于2010年跌入低谷。2012年美欧经济逐步复苏,中国金融稳定指数回升为正值。2014年俄罗斯发生金融危机,中国金融稳定指数也出现短期小幅下降。由此可见,中国金融稳定指数能够准确地反映国外金融波动对中国金融稳定的影响。

3.3 中国金融稳定指数能够体现出国内局部金融波动

2015年第二季度中国股票市场在快速上涨后迎来监管的收紧,股票市场在2015年第三至第四季度出现波动,与之相对应,中国金融稳定指数在2015年第三季度开始下降。2016年,中国债市出现大量违约,发生违约的债券合计78只,债券余额共计388.94亿元,是2014和2015两年总和的近3倍。与此同时,中国金融稳定指数在2016年也出现了负向的变化。因此,中国金融稳定指数的波动体现出了国内局部金融风险的变化。

4 结论与启示

通过动态因子方法将测度金融稳定的指标进行降维,生成中国金融稳定指数有助于直观判断中国金融稳定的整体状况。通过分析中国金融稳定指数的变化得出以下结论:第一,2008—2018年间中国金融体系总体较为稳定,金融指数下行幅度和波动频率均较小;第二,中国金融稳定状况受到国外金融危机的冲击,中国金融稳定指数反映了美国次贷危机、欧债危机和俄罗斯金融危机对中国金融稳定的影响;第三,中国金融稳定状况受到国内局部市场波动的影响,中国金融稳定指数体现了国内金融波动对中国金融稳定的冲击。