陸 軍，劉 威，李伊珍

（中山大學 嶺南學院，廣東 廣州510275）

一、引 言

為了分析金融市場狀況與宏觀經(jīng)濟運行的關系，F(xiàn)reedman（1994）從貨幣政策傳導機制的角度提出了貨幣狀況指數(shù)（Monetary Conditions Index，MCI），通過利率和匯率的權重之和構建MCI以反映貨幣政策的松緊狀況對未來經(jīng)濟趨勢的預測能力。理論和經(jīng)驗研究都發(fā)現(xiàn)除了利率和匯率外資產價格對貨幣政策的傳導機制也會產生重要影響，Goodhart和Hofmann（2001）在MCI的基礎上構建了包含利率、匯率和資產價格信息的金融狀況指數(shù)（Financial Conditions Index，F(xiàn)CI）以反映金融市場狀況對未來通貨膨脹的預測能力。國內外學者在此基礎上對FCI加以修正并分析其對未來經(jīng)濟增長和通貨膨脹的預測能力。由于經(jīng)驗分析認為FCI具有良好的預測能力，部分國家開始采用FCI作為制定宏觀經(jīng)濟政策的重要參考指標。近年來，中國金融市場結構不斷深化，資本市場得到快速發(fā)展，金融市場狀況與宏觀經(jīng)濟的聯(lián)系愈加緊密，構建適合中國的FCI具有重要的現(xiàn)實意義。

從方法論上講，F(xiàn)CI是金融變量按照各自的權重系數(shù)相加而得，而該權重系數(shù)是利用歷史數(shù)據(jù)通過計量模型擬合得到的。FCI既然是利用過去及當前的金融市場變量值來預測未來的經(jīng)濟趨勢，那么不同時期的權重系數(shù)應該具有動態(tài)性——利用該時期以前的歷史數(shù)據(jù)擬合而得。但已有的國內外相關文獻在構建FCI時其權重系數(shù)往往缺乏動態(tài)性。具體而言，已有文獻在構建FCI時一般都是利用t＝1，2，…，T的歷史數(shù)據(jù)擬合得到一個固定的變量權重系數(shù)，該系數(shù)包含了t＝1，2，…，T時期的信息，并利用該固定系數(shù)分別與t＝1，2，…，T時期的變量值求得的加權值作為相應時期的FCI。根據(jù)這種方法，t0（t0＜T）時期的FCI已經(jīng)假定包含了未來時期t（t0＜t＜T）的信息，故所構建的FCI實際上利用已經(jīng)發(fā)生的“未來信息”來預期該時期的金融狀況，并不具有實際意義上的預測能力。為此，本文嘗試建立一個具有動態(tài)性的中國動態(tài)金融狀況指數(shù)（Dynamic FCI），在t時期的動態(tài)FCI是利用t時期以前（包含t時期）的信息求得。

預測通貨膨脹趨勢是FCI在宏觀經(jīng)濟領域的重要應用之一。菲利普斯曲線將通貨膨脹與失業(yè)和產出聯(lián)系在一起，經(jīng)過50多年的發(fā)展，特別是在新凱恩斯菲利普斯曲線（New－Keynesian Phillips Curve，簡稱NKPC）提出后，已成為研究通貨膨脹的核心理論模型。但當前在FCI應用研究中，國內外相關文獻尚未將FCI與NKPC模型結合起來進行研究。實際上，部分學者已經(jīng)將金融市場變量納入NKPC模型進行研究，耿強等（2009）直接將匯率作為解釋變量納入NKPC模型進行實證檢驗，楊小軍（2011）則將利率作為衡量實際邊際成本的一個因素在NKPC框架下進行分析。分別采用利率和匯率只能揭示部分金融市場信息，而FCI中包含多種金融市場變量，能更加全面地反映金融市場狀況。鑒于此，本文嘗試將FCI作為衡量金融市場狀況的變量納入NKPC模型，并采用GMM方法實證分析中國的動態(tài)FCI對通貨膨脹的影響。

在計量方法上，目前對中國FCI的研究主要采用VAR模型的脈沖響應函數(shù)方法，但脈沖響應函數(shù)的結果依賴于模型中變量的排序，由于不同金融變量之間的關系過于復雜，難以確定它們之間的確切關系并給出準確的排序。為此，Pesaran和Shin（1998）提出了廣義脈沖響應函數(shù)方法，其結果不受變量排序的影響，有效解決了這一問題。

針對上述不足，本文在以下方面做出探索：（1）建立動態(tài)FCI，克服已有研究中FCI缺乏動態(tài)性的不足；（2）在進行FCI的應用分析時，將FCI納入NKPC理論框架展開實證分析；（3）采用遞歸廣義脈沖響應函數(shù)方法計算變量權重系數(shù)，以有效克服脈沖響應函數(shù)方法中對變量排序的依賴。

二、理論基礎和經(jīng)驗方法

（一）理論基礎

利率、匯率和資產價格是包含在FCI中最基本的金融變量。利率傳導作為貨幣政策的重要傳導渠道之一，凱恩斯學派認為利率能夠直接影響企業(yè)的投資行為；古典學派認為利率變化通過影響居民的金融資產和負債改變其資產凈值，進而對消費和投資產生影響；在開放經(jīng)濟中，利率還可以影響匯率，進而影響凈出口。對于中國這樣一個貿易依存度很高的國家，匯率影響凈出口的渠道非常重要，而且匯率還可以作為一種資產價格通過資產價格渠道發(fā)揮作用。

資產價格可以通過多種渠道影響消費和投資。資產價格影響消費主要通過兩個渠道：一是從生命周期理論看，資產價格影響未來收入水平的預期，而家庭消費受未來收入水平預期的影響；二是從財富效應出發(fā)，資產價格的變化影響當期收入和外部借貸成本，從而影響總消費水平。資產價格對投資的影響主要有三個渠道：一是托賓q效應直接影響企業(yè)投資；二是通過影響未來的GDP增長影響當期的投資支出；三是從信息不對稱角度分析，Bernanke等（1996）認為資產價格還可以通過資產負債表渠道影響投資。

（二）構建動態(tài)FCI的經(jīng)驗方法

1.動態(tài)FCI的定義。在權重系數(shù)法下，一個非動態(tài)的FCI可以定義為：

其中，F(xiàn)GAPit為第i個金融變量在t時期的真實缺口值，wi為該變量的權重系數(shù)且滿足。這種靜態(tài)FCI的權重系數(shù)缺乏動態(tài)性，為此本文構建一個動態(tài)FCI，具體定義為：

動態(tài)FCI下的權重系數(shù)wit具有時變性且滿足。

2.動態(tài)權重系數(shù)wit的估計。本文采用權重系數(shù)法中VAR模型的廣義脈沖響應函數(shù)估計該動態(tài)權重系數(shù)。一個VAR（k）模型通過變換可以寫為一個無限階的向量MA（∞）過程：

其中，Yt＝（y1t，y2t，…，yit）′，u為常數(shù)項，ui為殘差項，Φi為k×k維殘差系數(shù)矩陣，且滿足Φ0＝Ik，當i＜0時Φ＝0。脈沖響應分析一般通過Cholesky分解使誤差項正交來克服誤差項的相關性問題，但是其結果受模型中變量排序的影響，Pesaran和Shin（1998）提出的廣義脈沖響應函數(shù)能夠有效解決該問題。不妨假設第j個元素的沖擊為δj，則廣義脈沖響應函數(shù)為：

其中Ωt－1表示在t－1時刻的已知信息集。假設ut服從多元正態(tài)分布，則，其中ej是第j個元素為1、其他元素為0的向量，σjj是ej的方差矩陣。廣義脈沖響應考慮了觀測到的不同形式?jīng)_擊及它們之間的相關性，而且正交分解的脈沖響應是廣義脈沖分解的特殊形式，當協(xié)方差矩陣是對角陣時二者一致，因此廣義脈沖響應函數(shù)的結果更具普遍性和說服力。

針對動態(tài)FCI本文建立相應的VAR模型，模型中主要包括六個變量：實際產出缺口（ggdp）、通貨膨脹率（cpi）、實際利率缺口（ginr）、實際有效匯率缺口（greer）、實際股價缺口（gst）和實際房價缺口（ghp）。為了計算第i個變量在t時期的動態(tài)權重系數(shù)wit，需要建立一個基于1時期到t時期數(shù)據(jù)的VAR模型，由此得到變量i在t時期12個季度內對實際產出缺口（ggdp）的平均廣義脈沖響應Git，則wit為：

本文構建的動態(tài)FCI中包含的變量為ginr、greer、gst和ghp。

三、中國動態(tài)金融狀況指數(shù)的構建

（一）數(shù)據(jù)選擇與處理

根據(jù)數(shù)據(jù)的可得性，本文采用季度數(shù)據(jù)進行分析，樣本區(qū)間為1996年第一季度至2010年第二季度。本文共有六個變量，缺口值定義為實際值對均衡值的偏離，故實際缺口值由各變量的實際值減去其均衡值得到。如何估計均衡值是一個關鍵問題和難點（Gauthier等，2004），Goodhart和 Hofmann（2002）認為所有變量都應該采用HP濾波法去除時變趨勢得到均衡值。綜合已有文獻，本文除了利率的均衡值采用不同方法外，其他變量都采用HP濾波法；實際值采用各個變量除以當期的定基CPI得到，定基CPI將1996年第一季度設定為100，然后利用CPI環(huán)比數(shù)據(jù)計算。

實際產出缺口選用季度GDP并運用X12方法對變量進行季度調整。通貨膨脹率采用季度CPI，股價采用上證指數(shù)。房價采用國家統(tǒng)計局公布的國房景氣指數(shù)，由于房價本身是一個類似CPI的指數(shù)型變量，不需要除以定基CPI（陸軍等，2007；封北麟等，2006），而實際股價則除以定基CPI得到。實際有效匯率采用國際清算銀行公布的數(shù)據(jù)。利率采用銀行間7天內同業(yè)拆借加權平均利率，實際利率由名義利率減去當期通貨膨脹率，其缺口值采用實際短期利率的季度環(huán)比增量。①除了實際有效匯率和國房景氣指數(shù)外，其他數(shù)據(jù)均來自中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和色諾芬經(jīng)濟金融研究數(shù)據(jù)庫。

（二）動態(tài)FCI的估計結果

在估計模型之前，本文采用ADF檢驗和PP檢驗對各變量樣本進行單位根檢驗，結果顯示各變量都是平穩(wěn)序列。②

數(shù)據(jù)樣本從1996年第一季度開始，估計動態(tài)FCI權重系數(shù)的起點為2004年第一季度。本文采用遞歸的VAR模型進行估計，權重系數(shù)由式（5）計算，式中各變量平均廣義脈沖響應Git由其在12個季度內對實際產出缺口的累積廣義脈沖響應得到。將計算得到的動態(tài)權重系數(shù)代入式（2）可求出動態(tài)FCI，表1為估計結果。

表1 動態(tài)FCI估計結果

四、動態(tài)FCI對通脹和產出的預測能力分析

對通脹和產出的預測是FCI的重要應用，其預測效果也是評價FCI的重要標準。本文先利用變量間的跨期相關系數(shù)進行判斷，圖1給出了動態(tài)FCI分別與GDP增長率和CPI的跨期相關系數(shù)?？梢?，動態(tài)FCI與GDP增長率的相關系數(shù)隨著滯后期的增加而不斷減?。坏撝笖?shù)與CPI的相關系數(shù)起先隨著滯后期的增加而上升，隨后逐漸減小。相對而言，動態(tài)FCI與CPI的相關系數(shù)更大，在一定程度上表明該指數(shù)更適合于預測未來CPI走勢。

下面采用Goodhart和Hofmann（2001）在評價FCI的預測效果時用到的自回歸（Auto－Regressive）模型方法對中國動態(tài)FCI的預測能力進行進一步的判斷。AR模型表示為：

圖1 跨期相關系數(shù)

其中Yt為待預測變量GDP增長率和CPI。平均絕對誤差（MAE）與均方根誤差（RMSE）是衡量預測誤差的兩個常用指標。下文通過估計模型求得這兩個指標值，并結合調整的R2評價動態(tài)FCI對GDP增長率和CPI的預測效果。根據(jù)上文跨期相關分析的結果，動態(tài)FCI在滯后1期時對兩者的預測效果最好，但滯后4期基本上表現(xiàn)為負相關性。為此，本文運用AR模型并分別取p＝1，2，3檢驗動態(tài)指數(shù)的預測效果（見表2）。結果表明：（1）在相同的預測期下，動態(tài)FCI對CPI的預測指標均優(yōu)于GDP增長率，表明動態(tài)指數(shù)更適用于預測CPI；（2）在其他條件不變的情況下，隨著預測期的增加動態(tài)FCI對兩個待預測變量的預測效果逐漸下降，表明動態(tài)指數(shù)對未來經(jīng)濟走勢的預測效果隨著預測期的延長而下降，對下一個季度的預測能力最佳。

表2 動態(tài)FCI對GDP增長率和CPI的預測誤差（2004Q1－2010Q2）

五、動態(tài)FCI在新凱恩斯混合菲利普斯曲線中的應用

（一）理論模型

新凱恩斯菲利普斯曲線吸納新凱恩斯主義的壟斷競爭廠商定價行為，摒棄市場出清假設，在理性預期的框架下強調工資和價格粘性，具有價格調整的微觀理論基礎。Taylor（1980）從廠商名義工資的決定行為出發(fā)，引入理性預期假設建立交錯合同模型，給出了名義工資存在粘性的微觀基礎。Calvo（1983）則從生產差別化產品的壟斷競爭廠商定價行為出發(fā)，以利潤最大化原則調整價格，為粘性價格提供了微觀基礎。但基于上述理論模型的解釋變量只包含通脹預期和產出缺口，Ball（1991）證實在該模型下貨幣政策能夠實現(xiàn)在不損失產出的情況下將通脹率降為零。Fuhrer和Moore（1995）進一步發(fā)現(xiàn)該模型也無法解釋通貨膨脹的持續(xù)性，并建立了一個談判工資為相對實際工資的新工資合同模型，通過兩期合同得到兼有通脹預期和通脹慣性的混合菲利普斯曲線。

Galí和Gertler（1999）在Calvo（1983）的價格粘性模型基礎上假定廠商采用前瞻式定價策略，所有廠商以1－θ的概率將價格調整為最優(yōu)重置價格，以θ的概率保持價格不變。在對稱的一般均衡經(jīng)濟中，價格總水平pt為兩種價格的加權平均和，即。針對Fuhrer和Moore（1995）提出的問題，Galí和Gertler（1999）進一步假定存在前瞻式和后顧式兩種定價策略的廠商，后顧式廠商的定價直接依據(jù)上一期的最優(yōu)重置價格，當期新價格為經(jīng)濟中上一期設定的最優(yōu)重置價格與通脹率之和，即＝。假定ω為采用后顧式定價策略的廠商比例，則包含通脹預期、通脹慣性和實際邊際成本的混合NKPC模型為：

在對NKPC模型的研究中，很多學者在NKPC模型基礎上加入對通脹有影響的變量對模型進行修正。本文在混合NKPC模型基礎上引入動態(tài)金融狀況指數(shù)，則新的模型為：

其中，λy＝ρλc，λd為動態(tài)FCI的系數(shù)。

（二）計量方法

本文采用已有學者通常采用的廣義矩估計（GMM）對模型進行估計。③GMM估計需要選擇正交矩條件，假定zt為模型中殘差正交的信息集，則正交矩條件可表示為：

在給出正交矩條件后，需要對變量Etπt＋1選擇合適的工具變量。在同類研究中，國內外不同學者都依據(jù)基準模型選擇工具變量（Galí和Gertler，1999；曾利飛等，2006），多數(shù)學者選擇的工具變量都包含通貨膨脹和產出缺口的滯后期。而在工具變量滯后期的選擇上，考慮到本文樣本數(shù)量的限制，過長的滯后期會降低模型估計的自由度，故滯后期不宜過長。綜合上述因素，本文選擇的工具變量為t－1期到t－4期的通脹率和t－1期到t－3期的產出缺口。

GMM估計還需要設定權重矩陣和核函數(shù)。為了獲得穩(wěn)健的估計結果，本文采用 HAC型權重矩陣（Galí和Gertler，1999；耿強等，2009）和quadratic核函數(shù)（Andrews，1991；耿強等，2009），滯后階數(shù)的選擇依據(jù)Newey和 West（1994）的方法。

（三）實證結果

根據(jù)上述方法對模型進行估計，樣本區(qū)間為2004年第一季度至2010年第2季度。在估計模型之前，對模型中的變量進行單位根檢驗，各個變量都是平穩(wěn)序列。為了比較加入動態(tài)FCI前后模型的變化，本文將分別對基準模型（8）式和包含動態(tài)FCI的模型（9）式進行估計，結果見表3。

從J統(tǒng)計值和對應的P值看，選擇的工具變量是有效的，不存在模型錯誤設定問題，GMM估計結果具有穩(wěn)健性。兩個模型中，通脹預期（Etπt＋1）、通脹慣性（πt－1）和產出缺口對當期通脹水平的影響都顯著。在式（9）中，動態(tài)FCI的系數(shù)顯著，說明當期的動態(tài)FCI對通脹有影響，但其影響相對較小。

表3 新凱恩斯混合菲利普斯曲線的估計結果

由于FCI的一個重要應用在于通脹預測，F(xiàn)CI的滯后期對通脹水平有一定影響，本文將進一步分析動態(tài)FCI對通脹的滯后效應，并建立以下模型：

πt＝λfEtπt＋1＋λbπt－1＋λyyt＋λdDFCIt－k（11）其中k表示動態(tài)FCI的滯后期。對上述模型進行GMM估計，不同滯后期下的結果在表4中給出。結果顯示，不同滯后期下的J統(tǒng)計值和對應的P值說明工具變量是有效的。從不同滯后期下動態(tài)FCI的系數(shù)看，當k為1時指數(shù)的系數(shù)最大，表明滯后一期的動態(tài)FCI對通脹的影響最顯著，與上文分析結果相似，動態(tài)指數(shù)對未來一個季度CPI的預測效果最好。k為2時指數(shù)的系數(shù)為負，表明動態(tài)FCI對未來第二個季度CPI的影響具有反轉效應，但反轉效應較弱。k為3時系數(shù)為正，但系數(shù)值只有0.002，當k為4時系數(shù)不顯著。

表4 動態(tài)FCI的滯后效應分析

綜合上述結果，本文構建的動態(tài)FCI對未來通脹水平存在影響，特別是對未來一個季度的通脹影響最大；同時也說明在新凱恩斯菲利普斯曲線框架下，除了包含衡量實體經(jīng)濟的變量（產出缺口）外，加入衡量金融市場的金融狀況指數(shù)是必要的。

為了增強估計結果的可信性，本文在已有的工具變量基礎上加入了動態(tài)FCI滯后期，估計結果基本相同，表明模型估計結果具有穩(wěn)健性。

六、結 論

針對當前金融狀況指數(shù)權重系數(shù)缺乏動態(tài)性，本文采用遞歸的廣義脈沖響應函數(shù)方法構建了中國的動態(tài)金融狀況指數(shù)?；诖?，本文從兩方面分析了動態(tài)金融狀況指數(shù)的應用。（1）通過跨期相關系數(shù)和AR模型分析動態(tài)金融狀況指數(shù)對產出缺口和通脹的預測能力。結果顯示，動態(tài)金融狀況指數(shù)對未來產出和通脹水平都具有較好的預測能力，相對而言，動態(tài)指數(shù)對通脹的預測效果優(yōu)于對產出缺口的預測。（2）基準的新凱恩斯混合菲利普斯曲線模型中缺少衡量金融市場的變量。為了進一步拓展金融狀況指數(shù)的應用，本文將動態(tài)指數(shù)作為衡量金融市場的變量納入混合NKPC模型，采用GMM方法進行估計。結果發(fā)現(xiàn)在NKPC模型框架下，動態(tài)指數(shù)對當期的通脹有顯著影響，但與衡量實體經(jīng)濟的產出缺口相比，其影響相對較小，當期通脹水平主要受通脹預期和通脹慣性的影響。此外，為分析動態(tài)指數(shù)對通脹影響的滯后效應，本文還在混合NKPC模型中納入動態(tài)指數(shù)滯后期進行檢驗。結果表明滯后一期的指數(shù)對通脹的影響最顯著，隨著滯后期的增加動態(tài)指數(shù)對通脹的影響逐漸減弱，說明動態(tài)指數(shù)對通脹水平的預測效果在未來一個季度表現(xiàn)最好。本文認為，在NKPC模型框架下，有必要將金融狀況指數(shù)作為金融市場變量納入模型以分析金融市場對通脹的影響。

注釋：

①關于實際均衡利率的設定也有許多不同的方法，通常利用潛在GDP的年增長率估算，中國的利率管制使得該指標不適合作為實際短期利率的均衡值，本文采用卜永祥和周晴（2004）的方法。

②由于篇幅限制，這里沒有給出估計結果；后文第五部分的單位根檢驗和在新工具變量下的估計結果也限于篇幅沒有給出，有興趣的讀者可以向作者索取。

③Rudd和 Whelan（2005）以及Lindé（2005）指出GMM可能導致模型估計結果有偏，但Galí等（2005）針對該問題指出GMM方法的估計結果仍然是無偏和穩(wěn)健的，Eichenbaum和Fisher（2007）以及Shapiro（2008）也指出GMM估計能夠獲得穩(wěn)健的結果，故多數(shù)學者還是采用GMM方法估計模型。

［1］戴國強，張建華.中國金融狀況指數(shù)對貨幣政策傳導作用研究［J］.財經(jīng)研究，2009，（7）：52－62.

［2］封北麟，王貴民.金融狀況指數(shù)FCI與貨幣政策反應函數(shù)經(jīng)驗研究［J］.財經(jīng)研究，2006，（12）：53－64.

［3］耿強，張永杰，朱牡丹.中國的通脹、通脹預期與人民幣有效匯率——開放新凱恩斯混合菲利普斯曲線框架下的實證分析［J］.世界經(jīng)濟文匯，2009，（4）：23－35.

［4］陸軍，梁靜瑜.中國金融狀況指數(shù)的構建［J］.世界經(jīng)濟，2007，（4）：13－24.

［5］楊小軍.中國新凱恩斯主義菲利普斯曲線的經(jīng)驗研究［J］.統(tǒng)計研究，2011，（2）：13－18.

［6］Bernanke B，Gertler M，Gilchrist S.The financial accelerator and the flight to quality［J］.Review of Economics and Statistics，1996，78（1）：1－15.

［7］Fuhrer J，Moore G.Monetary policy trade－offs and the correlation between nominal interest rates and real output［J］.American Economic Review，1995，85（1）：219－239.

［8］GalíJ，Gertler M，David Lopez－Salido J.Robustness of the estimates of the hybrid new Keynesian Phillips curve［J］.Journal of Monetary Economics，2005，52：1107－1118.

［9］GalíJ，Gertler M.Inflation dynamics：A structural econometric analysis［J］.Journal of Monetary Economics，1999，44：195－222.

［10］Goodhart C，Hofmann B.Asset prices，financial conditions，and the transmission of monetary policy［A］.Asset prices，exchange rates，and monetary policy［C］.Stanford University，March，2001.

［11］Goodhart C，Hofmann B.Asset prices and the conduct of monetary policy［A］.The Royal economic society annual conference［C］.University of warwich，March，2002.

［12］Hatzius J，Hooper P，Mishkin F，et al.Financial conditions indexes：A fresh look after the financial crisis［R］.NBER Working Paper No 16150，2010.

［13］Rudd J，Whelan K.New tests of the new－Keynesian Phillips curve［J］.Journal of Monetary Economics，2005，52：1167－1181.