熊璞剛，馬立平，尚 華

(1. 首都經(jīng)濟(jì)貿(mào)易大學(xué) 統(tǒng)計(jì)學(xué)院，北京100070，2.華北科技學(xué)院 理學(xué)院，河北 廊坊 065201)

一、引言

2007年由美國(guó)次貸危機(jī)演變而成的全球性金融危機(jī)，是1929年大蕭條以來全球最為嚴(yán)重的金融危機(jī)和經(jīng)濟(jì)蕭條，至今危機(jī)還在持續(xù)影響著部分國(guó)家的經(jīng)濟(jì)和金融體系。2015年12月，美聯(lián)儲(chǔ)相隔近十年進(jìn)行了首次加息，美國(guó)經(jīng)濟(jì)領(lǐng)先全球其他國(guó)家率先復(fù)蘇，特別是2018年3月，美聯(lián)儲(chǔ)宣布預(yù)計(jì)會(huì)在2018年推出加息3次的計(jì)劃；以及特朗普宣布對(duì)600億美元的中國(guó)進(jìn)口商品加征關(guān)稅標(biāo)志著中美貿(mào)易戰(zhàn)爆發(fā)，全球經(jīng)濟(jì)發(fā)展和金融市場(chǎng)進(jìn)入了表面相對(duì)穩(wěn)定、實(shí)際還是比較脆弱的新階段，金融危機(jī)大有卷土重來之勢(shì)。這對(duì)GDP增速逐步下降、產(chǎn)業(yè)結(jié)構(gòu)改造升級(jí)、對(duì)外貿(mào)易呈現(xiàn)負(fù)增長(zhǎng)、改革進(jìn)入深水區(qū)、經(jīng)濟(jì)走勢(shì)呈現(xiàn)L型的中國(guó)來說則是面臨了更大的機(jī)遇和挑戰(zhàn)。對(duì)此我國(guó)政府與學(xué)界一直給予了高度的重視。黨的十九大報(bào)告指出：“要堅(jiān)決打好防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，其關(guān)鍵又是防范金融風(fēng)險(xiǎn)，包括防范中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生和抵御國(guó)際性金融危機(jī)傳導(dǎo)所帶來的外部沖擊?！蓖瑫r(shí)還再次強(qiáng)調(diào)“要堅(jiān)決打好三大攻堅(jiān)戰(zhàn)”。在三大攻堅(jiān)戰(zhàn)中，第一位的是防范化解重大風(fēng)險(xiǎn)，其關(guān)鍵是防范中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生和抵御國(guó)際性金融危機(jī)傳導(dǎo)所帶來的外部沖擊。分析美國(guó)次貸危機(jī)爆發(fā)前后美國(guó)金融危機(jī)壓力的來源，對(duì)防范化解重大風(fēng)險(xiǎn)有著重要的理論價(jià)值和現(xiàn)實(shí)意義。

本文基于2007年次貸危機(jī)來進(jìn)行美國(guó)金融危機(jī)壓力的測(cè)度，樣本區(qū)間選擇為危機(jī)跨越的醞釀期、爆發(fā)和傳導(dǎo)期、持續(xù)影響期三個(gè)時(shí)期的2005—2016年。在分析比較金融危機(jī)壓力主要測(cè)度方法的優(yōu)劣點(diǎn)之后，發(fā)現(xiàn)使用多指標(biāo)多因素模型非常適合進(jìn)行美國(guó)金融危機(jī)壓力的測(cè)度，從而使用該模型挖掘出美國(guó)金融危機(jī)壓力的顯著性影響因素或來源，最終找到中國(guó)防范化解重大風(fēng)險(xiǎn)可以啟發(fā)和借鑒的內(nèi)容。

二、研究現(xiàn)狀

金融危機(jī)壓力指的是一國(guó)或一個(gè)地區(qū)對(duì)于受到源于內(nèi)部或外部因素的持續(xù)影響，發(fā)生系統(tǒng)性風(fēng)險(xiǎn)進(jìn)而爆發(fā)金融危機(jī)的承受能力。金融危機(jī)壓力是一種不能被直接觀察得到的潛在變量，只能通過對(duì)一組能夠反映系統(tǒng)性風(fēng)險(xiǎn)大小的指標(biāo)進(jìn)行測(cè)度得到，金融危機(jī)壓力越大，表示系統(tǒng)性風(fēng)險(xiǎn)越大，爆發(fā)金融危機(jī)的可能性就越高，反之則越低。美國(guó)次貸危機(jī)爆發(fā)以后，各國(guó)學(xué)者們將系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度方法從早期的離散型模型轉(zhuǎn)到系統(tǒng)性整體的連續(xù)型模型上來。Illing和Liu(2007)[1]首次提出了金融壓力指數(shù)，在此基礎(chǔ)上，其他學(xué)者也貢獻(xiàn)了不同的金融壓力指數(shù)或者金融危機(jī)壓力指數(shù)的構(gòu)建方法。Balakrishnan等(2011)[2]分別構(gòu)建了發(fā)達(dá)經(jīng)濟(jì)體和新興經(jīng)濟(jì)體的金融危機(jī)壓力指數(shù)來測(cè)度這兩類經(jīng)濟(jì)體的金融危機(jī)壓力。南旭光和孟衛(wèi)東(2006)[3]通過構(gòu)造外匯壓力指數(shù)來測(cè)度金融危機(jī)壓力的程度。中國(guó)銀行國(guó)際金融研究所課題組(2010)[4]選取了七組指標(biāo)最終得到金融危機(jī)風(fēng)險(xiǎn)指標(biāo)，從而對(duì)發(fā)生金融危機(jī)的壓力進(jìn)行測(cè)度。雖然各國(guó)學(xué)者在測(cè)度金融危機(jī)壓力的研究方面貢獻(xiàn)了大量的理論和方法，但目前尚沒有一種理論和方法能夠及時(shí)、有效、準(zhǔn)確地反映出金融危機(jī)壓力的變化，原因之一是由于模型的指標(biāo)范圍比較狹窄，或者使用的方法還是簡(jiǎn)單靜態(tài)，或者測(cè)度模型沒有考慮到危機(jī)發(fā)生國(guó)具體的經(jīng)濟(jì)金融情況。最典型的一個(gè)例子就是2007年美國(guó)次貸危機(jī)爆發(fā)時(shí)，幾乎沒有任何一家機(jī)構(gòu)或者一種測(cè)度模型發(fā)出了壓力預(yù)警信號(hào)，所以金融危機(jī)壓力測(cè)度方法的有效性和準(zhǔn)確性都有很大的提升空間。本文比較研究金融危機(jī)壓力測(cè)度方法，分析出結(jié)構(gòu)方程具有適合研究復(fù)雜經(jīng)濟(jì)體系的特點(diǎn)，進(jìn)而將結(jié)構(gòu)方程中的多指標(biāo)多因素模型用于測(cè)度本文的金融危機(jī)壓力。

1.金融危機(jī)壓力測(cè)度方法比較研究

(1)FR概率模型

由Frankel和Rose(1996)[5]首次提出，以105個(gè)發(fā)展中國(guó)家在1971—1992年發(fā)生的金融危機(jī)的年度數(shù)據(jù)作為樣本數(shù)據(jù)，得到了預(yù)測(cè)金融危機(jī)的概率模型。Kumar等(2002)[6]對(duì)FR模型做了補(bǔ)充，利用滯后的宏觀和金融數(shù)據(jù)，運(yùn)用Simple Logit模型對(duì)新興經(jīng)濟(jì)體的貨幣危機(jī)進(jìn)行了分析。但FR模型有其自身的缺陷：首先，隨著自變量的增加，模型會(huì)產(chǎn)生異方差和多重共線性的問題，導(dǎo)致準(zhǔn)確性大大降低。其次，模型沒有考慮到各國(guó)的實(shí)際國(guó)情，用同一個(gè)模型去估計(jì)105個(gè)國(guó)家，準(zhǔn)確性難免會(huì)有降低；再次，限定自變量和因變量必須符合設(shè)定模型的回歸關(guān)系，這樣就限定住了危機(jī)發(fā)生的種類；最后，模型的假設(shè)是建立在大數(shù)定律上的，在現(xiàn)實(shí)過程中難以找到大樣本的歷史數(shù)據(jù)。

(2)STV橫截面回歸模型

Sachs、Tornell和Velasco(1996)[7]提出了STV橫截面回歸模型，對(duì)受1994年墨西哥比索危機(jī)影響的20個(gè)國(guó)家的進(jìn)行了研究，并利用外匯儲(chǔ)備和匯率構(gòu)建了危機(jī)指數(shù)。該模型彌補(bǔ)了FR模型沒有考慮各國(guó)國(guó)情差異的缺陷，但還是有一些缺點(diǎn)，最主要的就是考慮的指標(biāo)太少且各個(gè)指標(biāo)之間不一定是線性關(guān)系，其次只用外匯儲(chǔ)備和匯率作為危機(jī)指數(shù)過于片面，因?yàn)橥鈪R儲(chǔ)備不能反映銀行危機(jī)、外債危機(jī)，只能對(duì)貨幣危機(jī)的預(yù)警和測(cè)度有幫助。

(3)KLR信號(hào)分析法

KLR信號(hào)分析法由Kaminsky、Lizondo和Reinhart(1998)[8]提出，由于模型將各個(gè)指標(biāo)作為一個(gè)單獨(dú)個(gè)體的特點(diǎn)使得模型不是一個(gè)結(jié)構(gòu)化的整體，從而模型不能解釋危機(jī)為什么發(fā)生以及各指標(biāo)如何作用于危機(jī)，這就使得模型預(yù)測(cè)1997年亞洲金融危機(jī)時(shí)失靈，并且多數(shù)指標(biāo)發(fā)出了錯(cuò)誤的信號(hào)(Berg et al，1999)[9]。Kaminsky(1999)[10]對(duì)該方法做了完善，但改進(jìn)后的模型得預(yù)測(cè)效果仍不理想。同時(shí)模型中建立的外匯市場(chǎng)壓力指數(shù)只考慮了匯率和國(guó)際儲(chǔ)備兩個(gè)因素，對(duì)于預(yù)測(cè)成因日益復(fù)雜的金融危機(jī)顯得勢(shì)單力薄。后來Eichengreen(2004)[11]將利率因素加入到模型中，建立了投機(jī)壓力指數(shù)，仍然不能對(duì)復(fù)雜的經(jīng)濟(jì)金融系統(tǒng)特別是2007年爆發(fā)的全球金融危機(jī)的成因、測(cè)度進(jìn)行很好的解釋和估計(jì)。另外，KLR模型設(shè)立了“排斥窗口”，也就是人為設(shè)定了危機(jī)的延續(xù)期，如果一場(chǎng)新的金融危機(jī)正好在窗口期內(nèi)，那么這場(chǎng)危機(jī)則會(huì)被忽略掉。

(4)DCSD模型

相比之下，改進(jìn)后的KLR信號(hào)法對(duì)危機(jī)的預(yù)警和測(cè)度能力要比FR法和STV法高很多(Berg et al，1999)[9]，但還是出現(xiàn)了一定程度的預(yù)警失靈，于是IMF推出了新的DCSD模型，也稱BP模型，該模型結(jié)合了KLR和FR的主要思想，且預(yù)測(cè)效果明顯優(yōu)于KLR法和FR法，因此IMF將DCSD模型和KLR模型作為監(jiān)測(cè)其成員國(guó)發(fā)生金融危機(jī)的主要方法，但是在預(yù)測(cè)2007年全球金融危機(jī)時(shí)仍然雙雙失靈。

(5)馬爾科夫區(qū)制轉(zhuǎn)化模型

Hamilton(1989)[12]將該模型首次應(yīng)用于經(jīng)濟(jì)學(xué)的實(shí)證研究中之后，各國(guó)學(xué)者們很快將這種方法應(yīng)用于金融危機(jī)預(yù)警的研究中。Martinez-Peria等(2002)[13]利用該模型研究了1979—1993年歐洲貨幣危機(jī)，Cerra和Saxena(2002)[14]利用改進(jìn)了的該模型研究了印尼危機(jī)，Abiad(2003)[15]利用該模型研究了東南亞金融危機(jī)。馬爾科夫區(qū)制轉(zhuǎn)化模型可以直接利用各種危機(jī)壓力指標(biāo)進(jìn)行估計(jì)，這就完善了FR法和KLR法中有信息損失的不足。但是仍有不足，首先“不轉(zhuǎn)移”這個(gè)零假設(shè)在實(shí)證研究中很難實(shí)現(xiàn)；其次，計(jì)算過程相當(dāng)繁瑣，需要大量的編程和軟件處理；最后，估計(jì)參數(shù)的數(shù)量很難確定，太多會(huì)導(dǎo)致計(jì)算緩慢和估計(jì)的準(zhǔn)確性，太少會(huì)導(dǎo)致不能全面反映金融危機(jī)的實(shí)際情況。

(6)神經(jīng)網(wǎng)絡(luò)模型

由于具有適合解決需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問題的特點(diǎn)，該模型近年來越多越多的應(yīng)用于社會(huì)學(xué)、經(jīng)濟(jì)學(xué)方面的研究。Nag和Mitra(1999)[16]構(gòu)建了不同國(guó)家的神經(jīng)網(wǎng)絡(luò)模型，發(fā)現(xiàn)預(yù)警能力明顯高于傳統(tǒng)模型。南旭光和孟衛(wèi)東(2008)[17]利用神經(jīng)網(wǎng)絡(luò)進(jìn)行東南亞金融危機(jī)的研究，發(fā)現(xiàn)能夠明顯提高預(yù)測(cè)的精度。但是神經(jīng)網(wǎng)絡(luò)模型也有不足之處，模型中的黑箱使得無法直接觀察到各指標(biāo)的表現(xiàn)特征；當(dāng)模型設(shè)定大樣本和網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，模型會(huì)出現(xiàn)過度擬合問題等。

(7)結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型從20世紀(jì)70年代提出以來，已發(fā)展成為統(tǒng)計(jì)學(xué)三大方向之一，是量化研究當(dāng)代行為和社會(huì)經(jīng)濟(jì)領(lǐng)域的重要的高等統(tǒng)計(jì)方法，它將因子分析和路徑分析完美結(jié)合起來，并基于變量的協(xié)方差矩陣來同時(shí)檢驗(yàn)?zāi)Ｐ椭邪娘@性變量、潛在變量、干擾或誤差變量間的關(guān)系。結(jié)構(gòu)方程模型不但能夠測(cè)度出潛在的金融危機(jī)壓力，而且還彌補(bǔ)了其他傳統(tǒng)測(cè)度方法的不足，具體有以下6點(diǎn)優(yōu)勢(shì)：

第一，可以同時(shí)處理多個(gè)因變量和同時(shí)估計(jì)因子結(jié)構(gòu)和因子關(guān)系。在FR法、KLR法、STV法這些傳統(tǒng)方法對(duì)模型進(jìn)行估計(jì)時(shí)是對(duì)每個(gè)因變量分別進(jìn)行測(cè)度，這樣就忽略了某一因變量受其他因變量的影響效果，而在金融危機(jī)影響一國(guó)經(jīng)濟(jì)的實(shí)際過程中，各經(jīng)濟(jì)金融指標(biāo)變量之間往往會(huì)互相影響，結(jié)構(gòu)方程完美的解決了這個(gè)問題。

第二，允許更大彈性的測(cè)量模型和能夠預(yù)測(cè)復(fù)雜路徑中各變量之間的關(guān)系(Kelloway，1998)[18]。在傳統(tǒng)方法中，如KLR法就設(shè)定每一個(gè)指標(biāo)均為一個(gè)單獨(dú)整體而不是一個(gè)結(jié)構(gòu)化的整體，這樣就不能解釋危機(jī)為什么發(fā)生以及各指標(biāo)如何作用于危機(jī)。FR法要求自變量和因變量必須符合設(shè)定的回歸模型，這就會(huì)因?yàn)槟Ｐ偷膯我欢鴮?dǎo)致預(yù)測(cè)的準(zhǔn)確性大大降低。結(jié)構(gòu)方程模型允許一個(gè)指標(biāo)從屬于多個(gè)因子或者考慮高階因子等比較復(fù)雜的模型，這樣就能夠精確估計(jì)各指標(biāo)之間復(fù)雜的路徑模型，并可以同時(shí)對(duì)多變量之間的關(guān)系進(jìn)行分析和預(yù)測(cè)。這樣的特點(diǎn)也彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)模型中黑箱的問題，使得我們能夠清楚的觀測(cè)到各指標(biāo)以及指標(biāo)之間的表現(xiàn)特征。

第三，允許自變量和因變量包含估計(jì)誤差。在衡量經(jīng)濟(jì)、社會(huì)發(fā)展的各個(gè)指標(biāo)中往往含有誤差，結(jié)構(gòu)方程模型和傳統(tǒng)分析方法不一樣的是允許自變量和因變量均包含估計(jì)誤差，這樣估計(jì)出來的信度和效度則可以大大提高。

第四，金融危機(jī)壓力是通過可觀測(cè)變量測(cè)度出來。傳統(tǒng)模型中如FR法、KLR法、STV法的危機(jī)壓力均是以匯率、國(guó)際儲(chǔ)備和利率中的一項(xiàng)或某幾項(xiàng)測(cè)度，這樣的選擇勢(shì)必會(huì)產(chǎn)生能夠適應(yīng)模型的危機(jī)種類的局限性。發(fā)展至今，金融危機(jī)壓力已經(jīng)受到經(jīng)濟(jì)金融體系中多種因素的影響，只是考慮以上三個(gè)指標(biāo)則趨于片面。結(jié)構(gòu)方程模型的危機(jī)壓力是從可觀測(cè)變量間接得到，這樣就大大提高了估計(jì)的準(zhǔn)確性。

第五，可以得到整個(gè)模型的擬合優(yōu)度。這樣的特點(diǎn)可以得到不同模型對(duì)同一樣本的整體擬合優(yōu)度，依此來選擇最符合實(shí)際情況的模型。金融危機(jī)壓力來源于多種因素，每種因素對(duì)金融危機(jī)壓力的影響的顯著性也是不一樣的。我們構(gòu)建測(cè)度金融危機(jī)壓力的指標(biāo)體系時(shí)，一般都會(huì)盡可能地全面考慮到經(jīng)濟(jì)金融體系的各個(gè)方面，這就需要在對(duì)模型估計(jì)時(shí)進(jìn)行指標(biāo)的選擇，而一個(gè)結(jié)構(gòu)方程模型在模型估計(jì)時(shí)可以隨著可觀測(cè)變量數(shù)目的調(diào)整而得到許多不同的模型，也就產(chǎn)生不同的擬合優(yōu)度，這就為我們選擇最符合實(shí)際情況的模型提供了選擇。

第六，適用于大樣本的分析。這樣的特點(diǎn)彌補(bǔ)了馬爾科夫區(qū)制轉(zhuǎn)化模型和神經(jīng)網(wǎng)絡(luò)模型因?yàn)闃颖玖看蠖a(chǎn)生的計(jì)算過程緩慢、繁瑣或模型出現(xiàn)過度擬合的情況。本文構(gòu)建的美國(guó)金融危機(jī)壓力模型的樣本量很大，所以結(jié)構(gòu)方程模型也適用于本文的研究。

2.多指標(biāo)多因素模型研究現(xiàn)狀

通過以上比較研究發(fā)現(xiàn)，結(jié)構(gòu)方程模型因其具有的特點(diǎn)而非常適合應(yīng)用于本次呈現(xiàn)復(fù)雜經(jīng)濟(jì)金融關(guān)系的次貸危機(jī)的研究，故本文選擇結(jié)構(gòu)方程模型來進(jìn)行美國(guó)金融危機(jī)壓力研究。多指標(biāo)多因素模型(Multiple Indicator Multiple Causes，簡(jiǎn)稱MIMIC模型)，它是結(jié)構(gòu)方程模型的一種特殊形式，其特點(diǎn)在于允許潛變量可以作為因變量和自變量同時(shí)存在，而普通的結(jié)構(gòu)方程模型的潛變量只是因變量，這樣就可以同時(shí)研究可觀測(cè)的原因變量(也稱外生變量)、指標(biāo)變量(也稱內(nèi)生變量)和不可觀測(cè)的潛變量之間復(fù)雜的經(jīng)濟(jì)關(guān)系，并找出影響潛變量的顯著性因素。Schneider 等(2000)[19]認(rèn)為MIMIC法較其他方法放寬了假設(shè)條件而更接近于經(jīng)濟(jì)現(xiàn)實(shí)。Maltritz等(2012)[20]使用MIMIC模型研究了歐盟成員國(guó)的主權(quán)債務(wù)違約風(fēng)險(xiǎn)，建立了14個(gè)原因變量、2個(gè)指標(biāo)變量和潛變量違約風(fēng)險(xiǎn)的MIMIC模型，分析了不同債務(wù)到期日違約風(fēng)險(xiǎn)的顯著性影響因素。孫群力和李永海(2016)[21]建立了6個(gè)原因變量、1個(gè)財(cái)政幻覺指數(shù)潛變量和2個(gè)指標(biāo)變量的MIMIC模型，測(cè)度了2006—2013年我國(guó)30個(gè)地區(qū)的財(cái)政幻覺指數(shù)，發(fā)現(xiàn)了包括地方財(cái)政負(fù)擔(dān)水平等6個(gè)指標(biāo)是我國(guó)地區(qū)財(cái)政幻覺的顯著性影響因素。劉金華和吳鳳平(2016)[22]建立了7個(gè)原因變量、1個(gè)地下金融規(guī)模潛變量和2個(gè)指標(biāo)變量的MIMIC模型，通過分析面板數(shù)據(jù)得出了我國(guó)東部沿海等經(jīng)濟(jì)發(fā)達(dá)地區(qū)的地下金融規(guī)模。金融危機(jī)壓力跟違約風(fēng)險(xiǎn)、財(cái)政幻覺、地下金融規(guī)模一樣是不能被直接觀測(cè)到的潛變量，只能通過一系列衡量金融危機(jī)的可觀測(cè)的經(jīng)濟(jì)指標(biāo)來間接的測(cè)度出來，所以本文建立了美國(guó)的金融危機(jī)壓力MIMIC模型，得出美國(guó)的金融危機(jī)壓力指數(shù)和影響金融危機(jī)壓力的顯著性因素。

三、美國(guó)金融危機(jī)壓力MIMIC模型的構(gòu)建與估計(jì)

1.多指標(biāo)多因素基本模型

MIMIC 模型由測(cè)量方程和結(jié)構(gòu)方程兩部分組成，用于表示指標(biāo)變量和潛在變量金融危機(jī)壓力關(guān)系的方程稱為測(cè)量方程，如下頁(yè)公式(1)：

(1)

λi，i=1，2…p，是未知參數(shù)；ηi，i=1，2…p，是金融危機(jī)壓力；εit，i=1，2…p，是隨機(jī)誤差項(xiàng)；yit，j=1，2，…p，是指標(biāo)變量，表示包含金融危機(jī)壓力ηt信息的結(jié)果變量。因此，公式(1)描述了測(cè)量潛在變量的路徑。

用于表示金融危機(jī)壓力與原因變量之間關(guān)系的方程稱為結(jié)構(gòu)方程，如下公式：

ηt=γ1x1t+γ2x2t+…γqxqt+ζt

(2)

其中γ1，i=1，2…q，是未知參數(shù)；ζt是隨機(jī)誤差項(xiàng)，xit，i=1，2…q，是一組原因變量，表示產(chǎn)生金融危機(jī)壓力ηi的原因。

2.金融危機(jī)壓力測(cè)度模型指標(biāo)選取

運(yùn)用MIMIC模型測(cè)度金融危機(jī)壓力時(shí)，選擇科學(xué)、合理的可觀測(cè)的原因變量和指標(biāo)變量至關(guān)重要。模型中的原因變量是引起金融危機(jī)爆發(fā)的原因，指標(biāo)變量則是反映金融危機(jī)的影響程度、特征或結(jié)果的變量。我們對(duì)國(guó)內(nèi)外關(guān)于金融危機(jī)指標(biāo)體系的文獻(xiàn)進(jìn)行研究，從而建立本文的指標(biāo)體系。Kaminsky、Lizond和Reinhard(1998)[8]研究貨幣危機(jī)時(shí)建立了六大類共103個(gè)指標(biāo)的體系。隨后Kaminsky等(1999)[10]在研究銀行危機(jī)的基礎(chǔ)上，又?jǐn)U充了5個(gè)指標(biāo)。Goldstein、Kaminsky 和 Reinhart(2000)[23]提出了包含 25個(gè)變量的指標(biāo)體系。在Goldstein等人研究的基礎(chǔ)上，亞洲開發(fā)銀行(2006)[24]得到9個(gè)貨幣危機(jī)測(cè)度指標(biāo)和19個(gè)銀行危機(jī)測(cè)度指標(biāo)。Abiad(2003)[15]建立了一個(gè)包含宏觀經(jīng)濟(jì)指標(biāo)、資本流動(dòng)指標(biāo)和金融脆弱性指標(biāo)三大類共22個(gè)指標(biāo)。國(guó)內(nèi)研究一般建立在直接借鑒國(guó)外研究的基礎(chǔ)上，近年來，王智博(2016)[25]、王琳(2016)[26]、王旭歌(2016)[27]、張若希等(2017)[28]、張帥(2017)[29]等都從不同的角度建立了各自的指標(biāo)體系，取得了一定的成果。

本文充分參考了以上研究成果，并結(jié)合美國(guó)國(guó)情，考慮到月度數(shù)據(jù)的可獲得性，最終建立了5大類：宏觀經(jīng)濟(jì)類、貨幣政策類、金融體系類、政府部門金融健康類、國(guó)際貿(mào)易類共10個(gè)原因變量；從Rose和Spiegel(2009)[30]基于2007年全球性金融危機(jī)在國(guó)家之間產(chǎn)生影響的結(jié)果主要表現(xiàn)在四個(gè)方面：實(shí)際GDP、股票市場(chǎng)、匯率、國(guó)家主權(quán)信用評(píng)級(jí)的研究中，得出了3個(gè)指標(biāo)變量的指標(biāo)體系。

(1)M2/外匯儲(chǔ)備、外匯儲(chǔ)備增長(zhǎng)率

圖1 2005—2016年美國(guó)M2/外匯儲(chǔ)備趨勢(shì)

廣義貨幣M2與外匯儲(chǔ)備的比率是國(guó)際貨幣基金組織(IMF)用于監(jiān)測(cè)經(jīng)濟(jì)運(yùn)行的一個(gè)重要指標(biāo)，反映了一國(guó)金融系統(tǒng)承受投資者沖擊的能力。M2的變動(dòng)隨著一國(guó)銀行系統(tǒng)資產(chǎn)總量的變動(dòng)而變動(dòng)，當(dāng)M2變大時(shí)，流動(dòng)性會(huì)增加，帶動(dòng)投資和消費(fèi)等方面擴(kuò)大，可能會(huì)導(dǎo)致出現(xiàn)經(jīng)濟(jì)過熱進(jìn)而爆發(fā)金融危機(jī)的風(fēng)險(xiǎn)。外匯儲(chǔ)備是一個(gè)國(guó)家國(guó)際清償力的重要組成部分，維持一定額度的外匯儲(chǔ)備有利于保持國(guó)際收支平衡和匯率市場(chǎng)的穩(wěn)定，反過來，如外匯儲(chǔ)備持續(xù)減少，會(huì)導(dǎo)致國(guó)際收支失衡，匯率發(fā)生較大波動(dòng)，進(jìn)而使得對(duì)外貿(mào)易萎靡和降低國(guó)內(nèi)基礎(chǔ)貨幣供給，也會(huì)導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)和金融危機(jī)的發(fā)生。所以當(dāng)M2變大或者外匯儲(chǔ)備減少時(shí)，M2/外匯儲(chǔ)備就會(huì)變大，金融危機(jī)壓力也會(huì)隨之增大，故M2/外匯儲(chǔ)備與金融危機(jī)壓力成正相關(guān)，外匯儲(chǔ)備增長(zhǎng)率與金融危機(jī)壓力成負(fù)相關(guān)。從圖1也可以看出，至2007年次貸危機(jī)全面爆發(fā)時(shí)，美國(guó)的M2/外匯儲(chǔ)備是在持續(xù)擴(kuò)大的。

(2)出口增長(zhǎng)率、進(jìn)出口總額變化率

國(guó)際貿(mào)易中的出口增加和進(jìn)出口總額增加會(huì)促進(jìn)本國(guó)的經(jīng)濟(jì)增長(zhǎng)，反之則會(huì)導(dǎo)致經(jīng)濟(jì)萎靡，所以出口增長(zhǎng)率、進(jìn)出口總額變化率和金融危機(jī)壓力均為負(fù)相關(guān)。本文采用進(jìn)出口總額變化率，而不用凈出口總額變化率是為了避免金融波動(dòng)發(fā)生時(shí)，進(jìn)口、出口同向變動(dòng)則會(huì)導(dǎo)致監(jiān)測(cè)不到貿(mào)易波動(dòng)的問題。

(3)實(shí)際利率、通貨膨脹率(CPI)、失業(yè)率

實(shí)際利率為剔除通脹因素的利率。當(dāng)經(jīng)濟(jì)過熱時(shí)，通脹壓力會(huì)增加，嚴(yán)重時(shí)還會(huì)導(dǎo)致失業(yè)率的增加。這時(shí)貨幣當(dāng)局如果保持名義利率不變，則實(shí)際利率可能為負(fù)，資金會(huì)直接流向投資和消費(fèi)領(lǐng)域，推高資產(chǎn)價(jià)格，從而進(jìn)一步加劇通脹和使失業(yè)率增加。資產(chǎn)價(jià)格泡沫的累積和失業(yè)率的不斷升高會(huì)導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)以及金融危機(jī)的爆發(fā)，所以實(shí)際利率、通貨膨脹率(CPI)、失業(yè)率和金融危機(jī)壓力均為正相關(guān)。

(4)國(guó)內(nèi)信貸/GDP、房?jī)r(jià)指數(shù)變化率

當(dāng)經(jīng)濟(jì)過熱和金融向上波動(dòng)時(shí)，房地產(chǎn)不管作為投資屬性或者消費(fèi)屬性，其價(jià)格都會(huì)上行。美國(guó)次貸危機(jī)爆發(fā)之前，房?jī)r(jià)上行趨勢(shì)明顯，較低的批貸門檻導(dǎo)致消費(fèi)者普遍通過金融加杠桿的方式來購(gòu)置房產(chǎn)，房利美、房地美的個(gè)人不良住房抵押貸款大大增加；同時(shí)房地產(chǎn)商也會(huì)申請(qǐng)更多銀行貸款用于融資和房地產(chǎn)開發(fā)；其他企業(yè)也會(huì)增加借貸、融資，以此來增加投資和擴(kuò)大生產(chǎn)，綜合起來導(dǎo)致國(guó)內(nèi)信貸增多。所以國(guó)內(nèi)信貸/GDP、房?jī)r(jià)指數(shù)變化率和金融危機(jī)壓力成正相關(guān)。

(5)實(shí)際有效匯率高估

名義有效匯率等于一國(guó)的貨幣與其所有貿(mào)易伙伴國(guó)貨幣雙邊名義貨幣的加權(quán)平均數(shù)，如果再剔除通脹因素的影響，就得到了實(shí)際有效匯率。實(shí)際有效匯率是在研究一國(guó)對(duì)外貿(mào)易的國(guó)際競(jìng)爭(zhēng)力和一國(guó)的金融危機(jī)預(yù)警機(jī)制時(shí)的一個(gè)重要指標(biāo)。美國(guó)的實(shí)際有效匯率在2007年次貸危機(jī)全面爆發(fā)前基本保持高估狀態(tài)。

實(shí)際有效匯率高估直接導(dǎo)致消費(fèi)、凈出口、投資這三方面進(jìn)入下行趨勢(shì)，第一，消費(fèi)，高估使得國(guó)內(nèi)商品性價(jià)比下降，從而引導(dǎo)消費(fèi)者消費(fèi)性價(jià)比更高的國(guó)外消費(fèi)品。第二，凈出口，高估使得出口商品競(jìng)爭(zhēng)力下降，直接導(dǎo)致凈出口萎縮。第三，投資，高估造成投資成本增加和利潤(rùn)率下降，使得投資者不得不去國(guó)外尋求利潤(rùn)率更高的投資項(xiàng)目。這三方面的衰退最終導(dǎo)致爆發(fā)金融危機(jī)的壓力上升，所以實(shí)際有效匯率高估和金融危機(jī)壓力成正相關(guān)。具體計(jì)算公式如下，其中實(shí)際有效匯率趨勢(shì)可以通過H-P濾波分析從實(shí)際有效匯率中剝離出來：

(3)

3.美國(guó)金融危機(jī)壓力MIMIC模型的建立

在以上原因變量和指標(biāo)變量的基礎(chǔ)上，我們建立了包含10個(gè)原因變量、1個(gè)潛變量金融危機(jī)壓力、3個(gè)指標(biāo)變量的美國(guó)金融危機(jī)壓力MIMIC(10，1，3)模型，具體如表1(下頁(yè))。模型的路徑圖如圖2(下頁(yè))所示，左邊的為原因變量，右邊的為指標(biāo)變量，中間的為潛變量。

4.美國(guó)金融危機(jī)壓力MIMIC模型的估計(jì)

樣本數(shù)據(jù)來自于Wind數(shù)據(jù)庫(kù)和同花順iFinD數(shù)據(jù)庫(kù)。采用月度數(shù)據(jù)，對(duì)只有季度數(shù)據(jù)的如GDP等指標(biāo)和只有年度數(shù)據(jù)的如國(guó)內(nèi)信貸/GDP等指標(biāo)進(jìn)行了高頻轉(zhuǎn)換?？紤]到需要分析危機(jī)爆發(fā)前、發(fā)生時(shí)和持續(xù)影響期三個(gè)階段，同時(shí)MIMIC模型要求的有效樣本數(shù)量為100～200個(gè)，所以數(shù)據(jù)樣本區(qū)間為2005年1月—2016年12月，共144個(gè)樣本。

表1美國(guó)金融危機(jī)壓力MIMIC模型指標(biāo)體系

指標(biāo)屬性指標(biāo)分類指標(biāo)代碼指標(biāo)名稱原因變量貨幣政策類X1M2/外匯儲(chǔ)備國(guó)際貿(mào)易類X2外匯儲(chǔ)備增長(zhǎng)率國(guó)際貿(mào)易類X3出口增長(zhǎng)率國(guó)際貿(mào)易類X4進(jìn)出口總額變化率金融體系類X5實(shí)際利率宏觀經(jīng)濟(jì)類X6通貨膨脹率(CPI)宏觀經(jīng)濟(jì)類X7失業(yè)率政府部門金融健康類X8國(guó)內(nèi)信貸/GDP宏觀經(jīng)濟(jì)類X9房?jī)r(jià)指數(shù)變化率國(guó)際貿(mào)易類X10實(shí)際有效匯率高估潛變量—η金融危機(jī)壓力指數(shù)指標(biāo)變量—Y1股票指數(shù)變化率—Y2實(shí)際GDP增長(zhǎng)率—Y3實(shí)際有效匯率變化率

圖2美國(guó)金融危機(jī)壓力MIMIC(10，1，3)模型

在對(duì)MIMIC模型進(jìn)行估計(jì)之前，我們要先對(duì)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)(ADF檢驗(yàn))來保證樣本數(shù)據(jù)的平穩(wěn)性，以避免非平穩(wěn)序列產(chǎn)生的偽回歸問題(Bollen，1989)[31]，對(duì)不平穩(wěn)的數(shù)據(jù)進(jìn)行差分運(yùn)算剔除其趨勢(shì)后重新檢驗(yàn)，直到樣本數(shù)據(jù)全部平穩(wěn)。如表2。

表2 各變量的ADF檢驗(yàn)結(jié)果

注：**表示在5%顯著性下平穩(wěn)；***表示在1%顯著性下平穩(wěn)。本文是在5%顯著性水平下進(jìn)行研究。

從單位根檢驗(yàn)結(jié)果可以看出，X1、X5、X6、X7、X8、Y1這6個(gè)指標(biāo)不平穩(wěn)，我們對(duì)這些數(shù)據(jù)進(jìn)行一階差分，即可得到平穩(wěn)序列。

用Amos22.0進(jìn)行極大似然估計(jì)并對(duì)估計(jì)結(jié)果進(jìn)行反復(fù)修正，直到得到擬合優(yōu)度較好的模型。估計(jì)之前需選擇一個(gè)指標(biāo)變量作為尺度指標(biāo)，本文選擇股票指數(shù)變化率Y1作為尺度指標(biāo)，并定義其系數(shù)為1。模型估計(jì)完成后需要對(duì)結(jié)果進(jìn)行修正。修正過程遵循如下三個(gè)原則：(1)刪除模型中不符合經(jīng)濟(jì)理論的指標(biāo)，如果估計(jì)出來的系數(shù)符號(hào)和前文定義的相關(guān)性相反，則進(jìn)行刪除，但這時(shí)如果估計(jì)參數(shù)顯著則需進(jìn)一步觀察。(2)對(duì)估計(jì)結(jié)果不顯著的指標(biāo)，進(jìn)行刪除。(3)根據(jù)Amos估計(jì)結(jié)果提供的修正指標(biāo)建議增加參數(shù)限制條件，重新進(jìn)行估計(jì)，從而改善模型的擬合效果。模型修正過程和結(jié)果、模型的擬合優(yōu)度如表3所示。

從表3我們可以看出，在MIMIC(10，1，3)模型中的M2/外匯儲(chǔ)備、實(shí)際利率、通貨膨脹率、國(guó)內(nèi)信貸/GDP這4個(gè)指標(biāo)的估計(jì)結(jié)果符號(hào)和前文的定義相反，說明和經(jīng)濟(jì)理論不符且不顯著，將其刪除；房?jī)r(jià)指數(shù)變化率符號(hào)相反，但是非常顯著，暫時(shí)將其保留；進(jìn)出口總額變化率符號(hào)也相反，但接近10%的顯著性水平，暫時(shí)將其保留。刪除后重新進(jìn)行估計(jì)，發(fā)現(xiàn)房?jī)r(jià)指數(shù)變化率符號(hào)還是相反，將其刪除；進(jìn)出口總額變化率符號(hào)也相反，但是非常顯著，將其保留，繼續(xù)進(jìn)行估計(jì)。于是就得到了MIMIC(5，1，3)，我們發(fā)現(xiàn)外匯儲(chǔ)備增長(zhǎng)率、出口增長(zhǎng)率、進(jìn)出口總額增長(zhǎng)率、實(shí)際有效匯率高估這4個(gè)指標(biāo)顯著性水平都非常高；而失業(yè)率不但符號(hào)相反且不顯著，需要在繼續(xù)估計(jì)的時(shí)候?qū)⑵鋭h除。進(jìn)一步看MIMIC(5，1，3)的6個(gè)判斷參數(shù)，CMIN為3.792，P值為0.285，CMIN/DF為1.264，非常理想；GFI、AGFI、CFI的值均大于0.9，擬合較好；RMSEA為0.043，擬合非常好。綜合判斷參數(shù)來看，整個(gè)模型的擬合效果非常理想，但是失業(yè)率和進(jìn)出口總額增長(zhǎng)率的結(jié)果還不理想，所以需進(jìn)一步估計(jì)。最終得到了MIMIC(3，1，3)，其模型的判斷參數(shù)為：CMIN為10.445，P值為0.107，CMIN/DF為1.741，嚴(yán)格適配；GFI、AGFI、CFI的值均大于0.9，擬合較好；RMSEA為0.072，擬合較好；這表明最終模型MIMIC(3，1，3)的擬合效果非常理想。

表3 美國(guó)金融危機(jī)壓力MIMIC模型估計(jì)過程及結(jié)果

注：(1)圓括號(hào)內(nèi)為P值，即系數(shù)為0的概率，本文中要求p值在0.1或0.05的范圍內(nèi)；估計(jì)出來的系數(shù)均為標(biāo)準(zhǔn)化的系數(shù)。簡(jiǎn)單模型和復(fù)雜模型擬合程度較為接近，一般選取簡(jiǎn)單模型(楊燦明 等，2010)[32]。(2)卡方值越小，P值越大(一般要求P值>0.05)模型的擬合程度越高。CMIN/DF一般在1-3之間取值，當(dāng)1< CMIN/DF <2時(shí)，嚴(yán)格適配；2< CMIN/DF <3時(shí)，適配良好。(3)GFI和AGFI為擬合優(yōu)度指數(shù)和調(diào)整后的擬合優(yōu)度指數(shù)，在0-1之間取值，當(dāng)兩者的值在0.9-1之間時(shí)，擬合較好。(4)RMSEA為近似誤差均方根，在0-1之間取值，當(dāng)RMSEA<0.05時(shí)，擬合非常好；當(dāng)0.05

同時(shí)也表明外匯儲(chǔ)備增長(zhǎng)率、出口增長(zhǎng)率和實(shí)際有效匯率高估這3個(gè)指標(biāo)是影響美國(guó)金融危機(jī)壓力指數(shù)的顯著性因素，也是其主要來源。

5.金融危機(jī)壓力指數(shù)水平與分析

本文根據(jù)最終模型MIMIC(3，1，3)來構(gòu)建結(jié)構(gòu)方程并測(cè)算美國(guó)金融危機(jī)壓力指數(shù)，具體公式如下：

金融危機(jī)壓力= (-0.369)×外匯儲(chǔ)備增長(zhǎng)率+(-0.643)×出口增長(zhǎng)率+

0.417×實(shí)際有效匯率高估

(4)

將上述三個(gè)變量的值代入公式(4)就能得出美國(guó)金融危機(jī)壓力趨勢(shì)圖如圖3。

圖3 2005—2016年美國(guó)金融危機(jī)壓力

由圖3可見，該美國(guó)金融危機(jī)壓力指數(shù)能夠比較準(zhǔn)確的反映美國(guó)金融危機(jī)壓力的趨勢(shì)變化，這條曲線的趨勢(shì)變化和美國(guó)2005—2016年宏觀經(jīng)濟(jì)走勢(shì)是基本一致的，如圖4。

圖4 2005—2016年美國(guó)宏觀經(jīng)濟(jì)主要方面運(yùn)行趨勢(shì)

(1)2005年—2007年1季度危機(jī)醞釀期

為了使經(jīng)濟(jì)從“9.11”事件和本世紀(jì)初的互聯(lián)網(wǎng)泡沫中復(fù)蘇，美國(guó)保持了從2001年就開始實(shí)行的積極財(cái)政政策，貨幣政策則由擴(kuò)張調(diào)整為緊縮。接近零利率的極低利率政策使得M2持續(xù)增大，由此帶來的充裕流動(dòng)性致使房地產(chǎn)市場(chǎng)持續(xù)繁榮，同時(shí)零利率帶來的高額利差導(dǎo)致次級(jí)抵押貸款被大量投放到市場(chǎng)，使得美國(guó)經(jīng)濟(jì)嚴(yán)重過熱，泡沫擴(kuò)大。

第一，出口增長(zhǎng)率。擴(kuò)張性的宏觀經(jīng)濟(jì)政策帶動(dòng)了美國(guó)全社會(huì)的消費(fèi)和投資，使得出口增長(zhǎng)率在此期間一直保存較高的正增長(zhǎng)，但是一方面由于財(cái)政支出的增加主要用于反恐戰(zhàn)爭(zhēng)，帶動(dòng)了整個(gè)軍工行業(yè)的上下游產(chǎn)業(yè)，從而導(dǎo)致經(jīng)常項(xiàng)目逆差，特別是商品貿(mào)易逆差增大；另一方面通過減稅直接激發(fā)了全社會(huì)的進(jìn)口需求，也導(dǎo)致貿(mào)易逆差長(zhǎng)期在高位運(yùn)行(如圖4)。

第二，實(shí)際有效匯率高估。美聯(lián)儲(chǔ)主席伯南克上臺(tái)后從2005年開始連續(xù)加息17次，在2007年2月聯(lián)邦基金名義利率達(dá)到了最高點(diǎn)5.27%，導(dǎo)致美國(guó)國(guó)債收益率持續(xù)降低，加上財(cái)政赤字的擴(kuò)大，美元實(shí)際有效匯率持續(xù)降低(如圖4)，長(zhǎng)期維持弱勢(shì)美元的狀態(tài)，實(shí)際有效匯率高估指數(shù)在大部分時(shí)期內(nèi)都為負(fù)。進(jìn)一步的由于國(guó)內(nèi)消費(fèi)和投資需求增加，美元的貶值效應(yīng)基本被擴(kuò)張性的政策所抵消，導(dǎo)致美國(guó)貿(mào)易逆差沒有因弱勢(shì)美元而得到改善。

第三，外匯儲(chǔ)備增長(zhǎng)率。美國(guó)的外匯儲(chǔ)備由四個(gè)方面構(gòu)成：黃金儲(chǔ)備、特別提款權(quán)、在國(guó)際貨幣基金組織(IMF)的儲(chǔ)備頭寸和一般性的外匯儲(chǔ)備。美國(guó)憑借美元占霸主地位的國(guó)際貨幣體系，對(duì)外無限輸出美元，長(zhǎng)期保持極低水平的外匯儲(chǔ)備，并逐漸形成了一套債務(wù)的自循環(huán)累積的經(jīng)濟(jì)運(yùn)行方式：對(duì)外發(fā)行的美元被其他國(guó)家如中國(guó)在對(duì)美國(guó)的貿(mào)易順差和經(jīng)常項(xiàng)目順差中大量?jī)?chǔ)備，轉(zhuǎn)而又購(gòu)買美國(guó)對(duì)外發(fā)行的股票、債券和其他各類金融衍生品的虛擬資產(chǎn)來保值和維護(hù)匯率穩(wěn)定，輸出的美元又流回了美國(guó)國(guó)內(nèi)，這樣美國(guó)可以不用通過實(shí)體經(jīng)濟(jì)的任何增長(zhǎng)就獲得了貨幣收入，在獲取東亞如中國(guó)等國(guó)家廉價(jià)商品和資源的同時(shí)維持了國(guó)內(nèi)通脹水平的穩(wěn)定，并保持了國(guó)內(nèi)較低的失業(yè)率水平和國(guó)際收支的平衡。這樣一來，美國(guó)完全不需要進(jìn)行外匯儲(chǔ)備，儲(chǔ)備量也非常少。所以在2007年次貸危機(jī)爆發(fā)前的經(jīng)濟(jì)繁榮時(shí)期，美國(guó)一直維持了極低水平的外匯儲(chǔ)備，外匯儲(chǔ)備增長(zhǎng)率長(zhǎng)期為負(fù)。

這段時(shí)期美國(guó)金融危機(jī)壓力也表現(xiàn)出宏觀經(jīng)濟(jì)運(yùn)行的特點(diǎn)，因擴(kuò)張性宏觀經(jīng)濟(jì)政策所帶來的經(jīng)濟(jì)繁榮，美國(guó)金融危機(jī)壓力在次貸危機(jī)爆發(fā)前表現(xiàn)出平穩(wěn)運(yùn)行的特征。

(2)2007年2季度—2014年底危機(jī)爆發(fā)和傳導(dǎo)期

2007年2季度，次貸危機(jī)全面爆發(fā)，為振興經(jīng)濟(jì)，美國(guó)調(diào)整了宏觀經(jīng)濟(jì)政策，重新實(shí)行擴(kuò)張性的財(cái)政政策和貨幣政策。

第一，出口增長(zhǎng)率。由于重新實(shí)行零利率，并且從2008年11月開始實(shí)行了長(zhǎng)達(dá)6年總共4輪的量化寬松政策(QE)，大大增加了基礎(chǔ)貨幣的供應(yīng)量。量化寬松幫助美國(guó)從全球征收了大量的鑄幣稅，并通過大舉購(gòu)買美國(guó)國(guó)債有力支撐了財(cái)政赤字政策，擴(kuò)大了財(cái)政支出，減輕了貿(mào)易逆差，在2009年5月達(dá)到最高值-255.24億美元，隨后逆差又開始擴(kuò)大，出口增長(zhǎng)率因?yàn)槊涝H值也出現(xiàn)小幅好轉(zhuǎn)。

第二，實(shí)際有效匯率高估。量化寬松的推出使得美元出現(xiàn)一小輪劇烈貶值，但其后出乎意料的是，美元開始升值，實(shí)際有效匯率高估水平開始持續(xù)上升。這可以從三方面來解釋：一是次貸危機(jī)的爆發(fā)導(dǎo)致美元出現(xiàn)流動(dòng)性不足，進(jìn)一步使得國(guó)際金融市場(chǎng)出現(xiàn)流動(dòng)性不足，間接的穩(wěn)定住了美元。二是量化寬松的推出促使美元不斷貶值，從而造成國(guó)際上大宗商品價(jià)格高漲，并增加了美國(guó)國(guó)內(nèi)的通脹壓力，迫于這兩方面壓力，美元只能升值。三是次貸危機(jī)蔓延到新興經(jīng)濟(jì)體時(shí)，國(guó)際資本出于避險(xiǎn)需求又回流至美國(guó)，造成了美元升值。這三方面的原因使得美元實(shí)際有效匯率在短時(shí)期高估明顯(如圖4)，在2009年3月美元匯率指數(shù)達(dá)到了最高點(diǎn)110.69(2010年=100)，隨后伴隨著黃金價(jià)格的快速上漲開始逐步回落。

第三，外匯儲(chǔ)備增長(zhǎng)率。次貸危機(jī)的愈演愈烈導(dǎo)致具有避險(xiǎn)功能的黃金價(jià)格暴漲，由于美國(guó)外匯儲(chǔ)備中很大一部分是黃金儲(chǔ)備，所以外匯儲(chǔ)備增長(zhǎng)率隨著黃金價(jià)格的上漲而上升，在2009年10月達(dá)到最大值93.1%，隨后開始快速回落。

這段時(shí)期美國(guó)金融危機(jī)壓力曲線由于次貸危機(jī)的爆發(fā)表現(xiàn)出大幅震蕩的特點(diǎn)，之后隨著美國(guó)經(jīng)濟(jì)的逐漸復(fù)蘇而趨于平緩。

(3)2015—2016年危機(jī)持續(xù)影響期

這段時(shí)間美國(guó)經(jīng)濟(jì)繼續(xù)復(fù)蘇，美聯(lián)儲(chǔ)于2014年底退出量化寬松，并于2015年開啟了持續(xù)至今的第6輪加息周期。從現(xiàn)在到2018年底，美聯(lián)儲(chǔ)至少還將有兩次加息計(jì)劃，美國(guó)加息不僅對(duì)美國(guó)經(jīng)濟(jì)造成影響，還使世界經(jīng)濟(jì)發(fā)生波動(dòng)。

第一，實(shí)際有效匯率高估。美元指數(shù)因?yàn)榧酉㈩A(yù)期的上升而受到強(qiáng)有力的支撐，美聯(lián)儲(chǔ)也想借加息來扭轉(zhuǎn)弱勢(shì)美元的局勢(shì)，這段時(shí)期實(shí)際有效匯率高估水平穩(wěn)步上升。隨著美元加息通道的逐步擴(kuò)大，美元對(duì)國(guó)際資本重新產(chǎn)生了吸引力，國(guó)際資本紛紛向美國(guó)聚集，從而對(duì)美元形成強(qiáng)有力的支撐，美元實(shí)際有效匯率高估水平將繼續(xù)上升(如圖4)。

第二，出口增長(zhǎng)率。美元的升值造成美國(guó)經(jīng)常項(xiàng)目逆差擴(kuò)大，給美國(guó)出口造成壓力，這段時(shí)期出口增長(zhǎng)率一直維持負(fù)增長(zhǎng)。美國(guó)出口的萎靡加上強(qiáng)勢(shì)美元反過來帶動(dòng)了中國(guó)等貿(mào)易伙伴國(guó)的出口，這也是特朗普發(fā)動(dòng)中美貿(mào)易戰(zhàn)的原因之一。

第三，外匯儲(chǔ)備增長(zhǎng)率。伴隨著美國(guó)經(jīng)濟(jì)的好轉(zhuǎn)，美國(guó)重新開啟了它的債務(wù)自循環(huán)累積的經(jīng)濟(jì)運(yùn)行方式，所以其外匯儲(chǔ)備量一直保持在較低水平。

這個(gè)階段的美國(guó)金融危機(jī)壓力隨著經(jīng)濟(jì)情況的好轉(zhuǎn)重新上升，因?yàn)榧酉⑹沟妹绹?guó)國(guó)內(nèi)流動(dòng)性發(fā)生緊縮，進(jìn)而可能重蹈因連續(xù)加息導(dǎo)致次貸危機(jī)爆發(fā)的歷史。綜合以上分析可得出美國(guó)的金融風(fēng)險(xiǎn)在加大，對(duì)于美國(guó)新一輪加息周期的影響和特朗普政府執(zhí)政政策的不穩(wěn)定性，我們需要提高警惕，防范新一輪危機(jī)的發(fā)生。

四、結(jié)論與啟示

本文經(jīng)過對(duì)1個(gè)金融危機(jī)壓力潛變量、10個(gè)原因變量和3個(gè)指標(biāo)變量的美國(guó)金融危機(jī)壓力MIMIC(10，1，3)模型的估計(jì)和修正，得到了擬合程度較好，能準(zhǔn)確反映美國(guó)金融危機(jī)壓力的MIMIC(3，1，3)模型。估計(jì)出來的美國(guó)金融危機(jī)壓力主要來源于外匯儲(chǔ)備增長(zhǎng)率、出口增長(zhǎng)率和實(shí)際有效匯率高估這三個(gè)方面，也能夠正確反映2007年次貸危機(jī)爆發(fā)前后美國(guó)經(jīng)濟(jì)的實(shí)際發(fā)展趨勢(shì)。基于上述研究結(jié)果，本文得出了中國(guó)防范化解重大風(fēng)險(xiǎn)的對(duì)策和啟示。

第一，要密切監(jiān)測(cè)美國(guó)金融危機(jī)壓力的三個(gè)來源。通過分析得出了外匯儲(chǔ)備增長(zhǎng)率、出口增長(zhǎng)率和實(shí)際有效匯率高估是美國(guó)金融危機(jī)壓力的主要發(fā)源點(diǎn)，以后要密切關(guān)注這三方面的發(fā)展變化和美國(guó)金融危機(jī)壓力曲線的走勢(shì)。一旦這三方面出現(xiàn)異常變動(dòng)或壓力曲線發(fā)生波動(dòng)，就意味著美國(guó)發(fā)生金融危機(jī)的風(fēng)險(xiǎn)在上升，由于美國(guó)的宏觀經(jīng)濟(jì)政策的調(diào)整和經(jīng)濟(jì)波動(dòng)有著較大的溢出效應(yīng)，所以中國(guó)從這三方面來采取相應(yīng)的對(duì)策。

第二，匯率方面。隨著美國(guó)經(jīng)濟(jì)的逐漸繁榮和美元加息通道的打開，一方面國(guó)際資本從中國(guó)抽離而向美國(guó)重新聚集，使得中國(guó)面臨短期資本緊縮的壓力，同時(shí)美元實(shí)際有效匯率的高估對(duì)人民幣形成相對(duì)貶值壓力；另一方面，美國(guó)在全球推行量化寬松時(shí)期使得中國(guó)被動(dòng)增加了M2的供給并大舉發(fā)債，中國(guó)從2008年開始增加了大量的財(cái)政赤字和地方債務(wù)，現(xiàn)在美元的實(shí)際有效匯率高估直接導(dǎo)致債務(wù)負(fù)擔(dān)加重，這兩方面綜合起來導(dǎo)致中國(guó)爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)的可能性升高。究其根本，是因?yàn)槊涝及灾鞯匚坏默F(xiàn)行國(guó)際貨幣體系的缺陷所致，解決的主要途徑是加快人民幣國(guó)際化進(jìn)程，從而改變目前仍然受美元影響的匯率制度。要在中國(guó)加入特別提款權(quán)(SDR)貨幣籃子和2018年推出以人民幣計(jì)價(jià)的中國(guó)原油期貨以及鐵礦石期貨的良好基礎(chǔ)上，加快建設(shè)人民幣自由兌換機(jī)制，鞏固人民幣的區(qū)域性支付、計(jì)價(jià)和儲(chǔ)備功能；聯(lián)合其他新興經(jīng)濟(jì)體國(guó)家一起來推動(dòng)國(guó)際貨幣基金組織的改革，提高中國(guó)在其中的地位和話語權(quán)，只有這樣才能使人民幣有可能成為國(guó)際本位貨幣和儲(chǔ)備貨幣，從而改變因美國(guó)匯率波動(dòng)對(duì)中國(guó)經(jīng)濟(jì)產(chǎn)生的影響。

第三，出口方面。受中美貿(mào)易戰(zhàn)的影響，中國(guó)的對(duì)外貿(mào)易自2017年2月以來在2018年3月首次出現(xiàn)逆差，為逆差49.83億美元，并且中國(guó)的凈出口總額同比增長(zhǎng)率2016年為-14.2%，2017年為-17.1%，連續(xù)兩年為負(fù)增長(zhǎng)。出現(xiàn)這樣的情況一是因?yàn)橹袊?guó)的對(duì)外貿(mào)易很大一部分還是以原材料為主，而美聯(lián)儲(chǔ)的加息對(duì)大宗商品的價(jià)格形成壓制；二是因?yàn)橘Q(mào)易結(jié)構(gòu)單一，中國(guó)對(duì)美歐日的出口占到了中國(guó)總出口額的39.9%，對(duì)美歐日的進(jìn)口占到了中國(guó)總進(jìn)口額的31.1%；三是缺少國(guó)際貿(mào)易規(guī)則的話語權(quán)，如中國(guó)均被太平洋伙伴關(guān)系協(xié)定(TPP)和跨大西洋貿(mào)易與投資伙伴協(xié)議(TTIP)排除在外。所以要將出口貿(mào)易從傳統(tǒng)的勞動(dòng)密集型的加工產(chǎn)業(yè)形態(tài)升級(jí)到技術(shù)密集型的產(chǎn)業(yè)形態(tài)上來；以“一帶一路”為契機(jī)加快形成多元化的對(duì)外貿(mào)易發(fā)展格局，優(yōu)化中國(guó)對(duì)外貿(mào)易的全球產(chǎn)業(yè)鏈布局；要積極利用已有的WTO、G20、國(guó)際貨幣基金組織、世界銀行等國(guó)際經(jīng)濟(jì)和貿(mào)易組織來解決國(guó)際貿(mào)易摩擦和紛爭(zhēng)(吳振宇 等，2017)[33]，最后利用上海自由貿(mào)易區(qū)、海南自由貿(mào)易港探索出新的對(duì)外貿(mào)易發(fā)展之路。

第四，外匯儲(chǔ)備方面。中國(guó)擁有占全球外匯儲(chǔ)備27.5%的高額外匯儲(chǔ)備，這其中又有70%是以美元計(jì)價(jià)的資產(chǎn)，但是隨著美元加息進(jìn)程的加速，中國(guó)外匯儲(chǔ)備從2014年6月的最高值3.99萬億美元下降到2017年2月的3.01萬億美元，縮水嚴(yán)重。過多的外匯儲(chǔ)備會(huì)帶來一系列問題：比如使得通貨膨脹壓力增加；因持有形式主要為美國(guó)國(guó)債，使得收益低下，對(duì)外融資成本升高；持有資產(chǎn)種類單一，可能發(fā)生實(shí)際購(gòu)買力下降的風(fēng)險(xiǎn)，或者因與美國(guó)國(guó)家政治層面的關(guān)系而可能發(fā)生的外匯儲(chǔ)備遭受損失的風(fēng)險(xiǎn)等問題。外匯儲(chǔ)備可以滿足進(jìn)口和穩(wěn)定金融市場(chǎng)的需要，而隨著人民幣國(guó)際化進(jìn)程的加速，未來中國(guó)對(duì)于高額外匯儲(chǔ)備的依賴性會(huì)下降，所以一方面要將中國(guó)高額的外匯儲(chǔ)備作為人民幣國(guó)際化的匯率平準(zhǔn)基金，而不是用來購(gòu)買任何商品，這樣就使得人民幣可以抵御國(guó)際投機(jī)資本對(duì)人民幣匯率市場(chǎng)的攻擊；另一方面可以將外匯儲(chǔ)備用于支持中國(guó)企業(yè)的對(duì)外直接投資上，也可用于亞投行、絲路基金等方面，商業(yè)銀行也可以利用外匯儲(chǔ)備投資于除美國(guó)國(guó)債外的更加多元化、更高收益的債券，改變持有種類單一、收益低下的局面。

參考文獻(xiàn)：

[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，孟衛(wèi)東.基于等比例危險(xiǎn)模型的金融危機(jī)預(yù)警[J].統(tǒng)計(jì)與決策，2006，30(24)：138-142.

[4] 中國(guó)銀行國(guó)際金融研究所課題組. 金融危機(jī)監(jiān)測(cè)指標(biāo)體系研究[J].國(guó)際金融研究，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，孟衛(wèi)東.基于BP神經(jīng)網(wǎng)絡(luò)的金融危機(jī)預(yù)警[J].現(xiàn)代管理科學(xué)，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] 孫群力，李永海. 我國(guó)地區(qū)財(cái)政幻覺指數(shù)測(cè)算及影響因素研究——基于MIMIC模型方法[J].財(cái)政研究， 2016(10)：36-48.

[22] 劉金華，吳鳳平.基于MIMIC模型的地下金融治理研究[J].技術(shù)經(jīng)濟(jì)與管理研究，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] 亞洲開發(fā)銀行.金融危機(jī)早期預(yù)警系統(tǒng)及其在東亞地區(qū)的運(yùn)用[M].北京：中國(guó)金融出版社，2006：46-49.

[25] 王智博.金融危機(jī)預(yù)警指標(biāo)的選取及有效性檢驗(yàn)研究[D].云南財(cái)經(jīng)大學(xué)，2016.

[26] 王琳.基于logit模型的金融危機(jī)預(yù)警方法的實(shí)證研究[D].遼寧大學(xué)，2016.

[27] 王旭歌.基于實(shí)體經(jīng)濟(jì)與虛擬經(jīng)濟(jì)互動(dòng)均衡的危機(jī)預(yù)警研究[D].西南財(cái)經(jīng)大學(xué)， 2016.

[28] 張若希，王飛.巴西貨幣危機(jī)預(yù)警與經(jīng)濟(jì)危機(jī)——兼論中巴經(jīng)貿(mào)合作的風(fēng)險(xiǎn)規(guī)避[J]. 拉丁美洲研究，2017(2)：60-76.

[29] 張帥.資本流動(dòng)風(fēng)險(xiǎn)主要預(yù)警模型述評(píng)[J].金融理論探索，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] 楊燦明，孫群力.中國(guó)各地區(qū)隱性經(jīng)濟(jì)的規(guī)模、原因和影響[J].經(jīng)濟(jì)研究，2010(4)：93-106.

[33] 吳振宇，蘭宗敏，吳琛琛.美國(guó)在金融危機(jī)期間的國(guó)際宏觀經(jīng)濟(jì)政策協(xié)調(diào)及啟示[J].經(jīng)濟(jì)縱橫，2017(3)：112-117.