李 鵬，張潤馳，毛德勇

(1.鄭州航空工業(yè)管理學院 經濟學院，鄭州 450046；2. 南京大學 博士后流動站，南京 210093；3.江蘇銀行 博士后工作站，南京 210006；4.南京大學 商學院，南京 210093)

內容提要：金融穩(wěn)定是宏觀經濟平穩(wěn)運行的重要前提。基于2006年至2017年宏觀經濟金融運行數據，采用混頻向量自回歸模型(MFVAR)構建我國金融穩(wěn)定狀況指數(FSCI)，對我國金融穩(wěn)定狀況進行測度和評估，并利用時變參數向量自回歸模型(TVP-VAR)分析其隱含的驅動因素。研究顯示：總體上我國金融體系運行呈現(xiàn)趨穩(wěn)態(tài)勢，但2010年第3季度之前金融體系運行波動劇烈，在金融失衡和金融不穩(wěn)定狀態(tài)之間不斷轉換，之后則趨向相對穩(wěn)定；同時也發(fā)現(xiàn)，股票市場為我國金融不穩(wěn)定的主要風險策源地，而銀行體系則成為維護金融穩(wěn)定的壓艙石；進一步研究表明，社會融資總規(guī)模在短期內對金融穩(wěn)定沖擊較大，而貨幣供給量則無論短期和長期均對金融穩(wěn)定持續(xù)施加影響。以上結論的含義是，維護我國金融穩(wěn)定，確保股票市場穩(wěn)定運行至關重要，金融政策短期內應盯住社會融資總規(guī)模、長期內則應同時錨定貨幣供應量。

一、問題提出

20世紀90年代初瑞典銀行首先提出金融穩(wěn)定概念，2008年美國次貸危機爆發(fā)使該問題成為各國政府和央行關注的焦點。早在2003年金融穩(wěn)定一詞已出現(xiàn)在我國《中國人民銀行法》中，并成為央行法定職能。2017年7月，中央決定設立金融穩(wěn)定發(fā)展委員會，進一步強化央行在金融穩(wěn)定管理中的核心地位。不言而喻，央行履行金融穩(wěn)定管理職能的重要前提是對金融穩(wěn)定狀況進行科學有效地測度和評估。當前學術界在相關研究中，對金融穩(wěn)定測度方法各不相同，評估結果也大相徑庭，甚至相互矛盾。相關文獻對金融穩(wěn)定界定的視角主要有兩個：一是直接對金融穩(wěn)定進行定義，主要有關鍵要素說和金融功能說，其中金融功能說是各國央行所普遍采用的定義，使用也較廣泛。二是從金融不穩(wěn)定的表現(xiàn)來間接界定金融穩(wěn)定。這種界定方式基于反向歸納的思路，即只要界定清楚了金融不穩(wěn)定，那么相反的對應情況均為金融穩(wěn)定。該種觀點主要包括系統(tǒng)風險說、關鍵要素說和信息沖擊說，其中影響較廣泛的是系統(tǒng)風險說。這兩種視角對金融穩(wěn)定定義各有優(yōu)劣。相對而言，第一種觀點更加容易理解，也能夠反映金融對于實體經濟發(fā)展的重要性，但缺點是金融功能難以直接加以度量，對金融穩(wěn)定的測度也變得困難；而第二種觀點的優(yōu)點在于更加直觀，尤其是系統(tǒng)風險說直接體現(xiàn)了金融穩(wěn)定與系統(tǒng)性風險之間的緊密關聯(lián)性。本文更加偏向認同后者觀點，認為系統(tǒng)性風險越高則意味著金融穩(wěn)定程度越低。在現(xiàn)實中，金融穩(wěn)定是相對概念，金融體系運行往往處在介于金融失衡和金融不穩(wěn)定之間的亞金融穩(wěn)定狀態(tài)。金融失衡意味著金融運行向上偏離了均衡狀態(tài)，往往體現(xiàn)在資產價格飆升或金融機構不良資產激增；而金融不穩(wěn)定意味著金融運行向下偏離了均衡狀態(tài)，主要體現(xiàn)資產價格破裂或金融機構倒閉，此時金融體系喪失了服務實體經濟的職能。當金融失衡狀態(tài)出現(xiàn)時，極易受到不利因素沖擊，監(jiān)管層金融調控措施也往往難以奏效，金融體系運行極易向不穩(wěn)定狀態(tài)發(fā)展，甚至引發(fā)金融危機，阻礙和損害實體經濟的發(fā)展。因而，金融穩(wěn)定概念具有明顯的層次性，分細分為金融失衡、金融亞穩(wěn)定和金融不穩(wěn)定三個子層次。其中，金融失衡和金融不穩(wěn)定相對應，是整個金融體系非正常運行的狀態(tài)，而金融亞穩(wěn)定狀態(tài)才是多數時期金融體系運行的正常狀態(tài)。金融不穩(wěn)定是金融穩(wěn)定的極端狀態(tài)，對應的是系統(tǒng)性風險爆發(fā)，將對整個金融體系運作產生重大影響。而金融危機往往是金融體系受到較大的內外部沖擊而出現(xiàn)的致使金融機構倒閉和金融市場停止運行的極端事件，是特殊風險實現(xiàn)狀態(tài)，不屬于金融體系的整體屬性。

在厘清金融穩(wěn)定內涵基礎上，本文梳理了金融穩(wěn)定不同測度方法，構建基于混頻向量自回歸模型(MFVAR)的金融穩(wěn)定狀況指數(FSCI)，對我國2006年至2017年金融穩(wěn)定狀況進行測度和評估，并且探究影響FSCI變化的主要驅動因素，為我國央行金融穩(wěn)定管理提供依據。

二、金融穩(wěn)定測度的思路

綜觀國內外現(xiàn)有研究，金融穩(wěn)定測度主要分為事前預測和事后評估兩類[1]，前者偏重事前預測，類似于“氣壓計”的作用，而后者傾向于事后評估，類似于“溫度計”作用。當前，國內多數研究集中在事后評估方面，主要沿著以下兩個路徑演進：

第一個研究思路沿著國際貨幣基金組織和歐洲央行分別提出的金融穩(wěn)健指標集(FSI)和宏觀審慎指標集(MPI)而展開。FSI指標集由12項核心指標和28個外圍指標構建而成，而MPI的指標集更廣泛，有多達包含銀行體系指標、宏觀指標和危機傳導因素等構成的174個指標。國外眾多學者采用此思路對金融穩(wěn)定進行評估，其中最具代表性的是美聯(lián)儲芝加哥銀行學者Brave和Butters(2011)在收集100多個金融市場和金融機構數據基礎上，運用主成分分析構造金融穩(wěn)定指數，對美國1973年至2009年的金融穩(wěn)定狀況進行的評估研究，發(fā)現(xiàn)該指數與影響金融穩(wěn)定的事件基本符合[2]。此后，該方法在全世界范圍內進一步得到推廣。國內學者何德旭，婁峰(2011)較早利用主成分分析法采用類似的方法構建了我國金融穩(wěn)定指數(FSI)。方兆本和朱俊鵬(2012)、封思賢等(2014)等構建了金融不穩(wěn)定指數。周海歐和肖茜(2015)梳理了金融穩(wěn)定內涵，提出金融穩(wěn)定指標分為“表現(xiàn)”和“能力”兩類，同時指出同類研究中存在的指標選擇隨意性強、結構不科學、以偏概全和不切合國情等問題。劉諾和余道先(2016)構建了包含宏觀經濟指標、機構層次指標和市場層次指標的符合我國實際情況的金融穩(wěn)定指標體系?？梢哉f，此類研究已經成為國內金融穩(wěn)定評估的主流方法。

第二個研究思路是沿著金融狀況指數(FCI)展開。該研究起源于貨幣狀況指數(MCI)的相關文獻。20世紀80年代末，加拿大銀行提出此指標，并將其用作貨幣政策的操作目標，主要用于評估貨幣政策的執(zhí)行情況，引起了諸多國家央行的普遍關注。Goodhart 和Hofmann(2001)在MCI中引入股價和房地產價格等資產價格指標，將其拓展為FCI，并以此構建了包括利率、匯率、房地產價格和股價四個變量的G7國家的FCI[3]。Van den End(2006)進一步將納入銀行、保險和養(yǎng)老基金等金融機構的償付能力指標納入，構建出金融穩(wěn)定狀況指數(FSCI)，以全面反映金融體系對經濟的影響，并給出了上下波動邊界的構建方法以此來定量測度和評估金融體系穩(wěn)定狀況[4]。在FCI中加入金融機構信息，一方面是由于在貨幣政策傳導以及金融運行中金融機構的重要性越來越大，忽視金融機構的運作狀況評估是無法完整地評估一國金融穩(wěn)定，另一方面如果僅僅包括金融市場運行的信息，而忽視金融機構信息，就難以反映當前金融業(yè)混業(yè)經營的現(xiàn)實。此外，F(xiàn)SCI的所有構成指標均為價格型或者比率類指標，能夠有效地反映金融資源配置機制，較好反映了功能視角下金融穩(wěn)定的本質內涵。我國學者王雪峰(2010)也運用類似的思路在FCI中加入新增信貸規(guī)模數據對我國1999年至2008年的金融穩(wěn)定狀況進行評估，但缺陷在于新增信貸規(guī)模數據不能貼切地反映金融機構功能對實體經濟的影響[5]。郭紅兵和杜金岷(2014)運用FSCI模型和狀態(tài)空間模型對我國2005年和2013年間的金融穩(wěn)定狀況進行評估[6]，由于其評估計算并不是基于每個子指標的缺口值，而是根據最終結果計算缺口值，可能使得評估結果相對失真，例如2005年第二季度“匯改”時期與2008年第一季度的“次貸危機”期間的金融不穩(wěn)定程度大致相同，這顯然不太合理。

在上述兩類研究思路中，還存在一些共性問題。第一，絕大多數研究將規(guī)模性指標和價格性或比率性指標混用。實際上這些指標內涵是不同的。對于刻畫金融穩(wěn)定的功能而言，顯然價格性或者比率性指標更加適合。在市場經濟中，價格機制是實現(xiàn)資源配置的重要手段。穩(wěn)定而靈活的價格體系是實現(xiàn)金融穩(wěn)定的前提條件[7]。金融體系運行的價格機制主要包括利率、匯率以及房價、股價等。如果這些價格嚴重偏離其均衡值，那么就意味著無法發(fā)揮正常的資源配置調節(jié)功能，必然導致金融不穩(wěn)定。這為本文測度金融穩(wěn)定提供了重要思路。第二，構建金融穩(wěn)定指數的基礎指標缺少退勢處理，使得金融穩(wěn)定測度結果呈現(xiàn)明顯長期趨勢特征，從而對金融穩(wěn)定評估易做出誤判。從周海歐和肖茜(2015)測算的金融穩(wěn)定指數結果來看，兩者具有明顯向上的趨勢特征[8]。這明顯與我國金融穩(wěn)定狀況時有惡化時有好轉的頻繁波動事實不相符合。第三，權重的計算方法有待改進。指數的賦權方法過于簡單化或者復雜化都會導致各個金融穩(wěn)定衡量指標在整體計算結果中的貢獻被扭曲，出現(xiàn)被放大或者縮小情況，從而影響最終計算結果。

本文的創(chuàng)新之處主要有三點。第一，從金融功能角度對金融穩(wěn)定內涵進行修正，并遵循金融狀況指數(FCI)思路，將不良貸款率指標加入到金融穩(wěn)定狀況指數中，凸顯銀行穩(wěn)定性對金融體系的影響，充分反映銀行體系在我國金融體系中的地位和作用。第二，運用混頻VAR模型(MFVAR模型)，將不同頻次的宏觀數據納入模型，并利用得到的方差分解信息作為權重，最大化程度利用不同頻率變量信息，提高賦權有效性。第三，對我國金融穩(wěn)定狀況進行評估，并利用具有時變特征的TVP-VAR模型深入探究背后的驅動因素。

三、基于MFVAR模型的金融穩(wěn)定狀況指數(FSCI)構建

本文構建的FSCI的過程主要包括三個步驟，第一，在MCI和FCI基礎上選擇變量；第二，構建MFVAR模型得到各個變量的賦權值；第三，合成各變量得到FSCI指標。

(一)變量與數據

本研究選擇的數據樣本區(qū)間為2006年1月至2017年12月，采用季度數據和月度數據混合頻次取樣。選擇2006年1月作為樣本起點，主要是基于，一方面我國宏觀經濟在2006年開始邁入高速增長階段，經濟失衡問題凸顯。2006年固定資產投資和信貸的超高速增長，當年第1季度新增信貸規(guī)模已完成全年投放計劃的一半還要多，具有明顯的失衡特征。此外，當時即使在國家不斷出臺“國六條”、“國十五條”等宏觀調控政策情況下，房價仍然不斷上漲，股市也屢創(chuàng)新高；另一方面，2005年7月開始我國新一輪匯率制度改革，人民幣匯率形成的市場化機制往前邁進實質性步伐。匯率逐漸作為影響宏觀經濟各因素的活躍變量。此外，作為影子銀行重要組成部分的信托貸款數據起始于該時點，更加便于后續(xù)的統(tǒng)計建模分析。

在變量選擇方面，借鑒通常的FCI指標構建思路，本文選擇國內生產總值的同比增長率作為經濟增長(G)的代理變量。對于銀行間同業(yè)拆借利率(I)，本文選用一個月的加權平均利率作為貨幣市場狀況的指標，并且減去同期的CPI得到實際同業(yè)拆借利率。對于股票市場，本研究并沒有采用通常使用的基于股票價格進行對數差分計算得到的月度股票收益率指標，而是采用A股市盈率(S)，主要是考慮到該指標同時包含了股票價格和上市公司盈利能力兩個方面的信息，是判斷股票市場整體是否被高估或者低估的重要指標，也更能充分反映股票市場的整體風險狀況。對于房價(H)，本研究選取我國70個大中城市新建住宅價格指數的當月同比作為房價的代理變量。對于匯率(E)，本文選取實際有效匯率指數的同比值，以反應匯率變化的影響。作為新加入FCI的代表金融機構穩(wěn)定性的指標，本文選擇銀行體系的不良貸款率指標(L)作為表征。這主要是由于我國目前仍然是以銀行為主導的金融體系，銀行在我國金融業(yè)中仍然占據核心地位，具有典型的代表意義。對于銀行體系穩(wěn)定性指標，不良貸款率計算簡單且代表意義強，在文獻中使用最多，甚至Pan和Wang(2013)認為該指標是衡量銀行穩(wěn)定性的最佳指標[9]。因而，本研究也采用不良貸款率作為衡量銀行體系穩(wěn)定性的代理指標。不良貸款率的計算方式為不良貸款額除以同期的資產總額。所有數據來自Wind數據庫。各變量描述性統(tǒng)計如表1。

(二)MFVAR模型的原理與構建

自從Sims(1960)提出VAR方法以來，由于該模型能夠較好反映不同變量間的動態(tài)關系，在實證中得到了廣泛應用。VAR模型不足在于要求進入模型的變量必須是同一頻次，對于不同頻次數據則無能為力。在這種背景下，混頻VAR的建模方法得到重視。Sadahiro和Motegi(2015)提出適合季度和月度數據建模的混頻VAR建模方法[10]。下面本文依照FSCI測算思路和變量選擇，首先假設建立上述六個變量的同頻VAR模型，其次建立混頻VAR模型(MFVAR模型)，以對比混頻VAR模型的優(yōu)勢所在。

表1 變量的描述性統(tǒng)計表

(1)

其中k=1，…，4。我們將(1)中的最后一行單獨改寫為式(2)：

(2)

從(2)式中我們可以清晰地看到實際上排除了季節(jié)性效應以及滯后信息傳遞可能性。這反映出通常采用的降頻方法來處理高頻變量對估計結果產生的偏差。接來下，本文假設不對月度數據進行加總平均處理而是直接對其進行估計，將月度數據重新排列后與季度數據同時構成MFVAR模型，具體見(3)式。

(3)

(4)

我們可以看到，在上式中a141,k、…、a1412,k可以取不同的值，這意味著Ij(τL-k)、S(τL-k)、H(τL-k)和E(τL-k)可以對G(τL)存在異質性影響。因此模型(3)比數據處理過的模型(2)更加具有普遍性，其最大的優(yōu)點在于能夠最大程度上保留月度數據的信息，這對于進行后續(xù)脈沖響應和方差分解特別重要，使得各個變量權重的衡量變得更加準確和合理。更多詳細的估計細節(jié)請參照Ghysels等(2015)的研究[11]。

(三)賦權方法選擇

在賦權方法選擇方面主要有等權重法、結構模型系數法、因子分析法、方差分解方法等四種方法。等權重法最簡單直接，但將不同的指標權重同等對待，顯然過于輕率，在實證研究使用較少；結構模型系數法通過不同的計量模型估算出各個指標的系數，進而確定不同系數在總系數絕對值的大小來計算權重。而計量模型構建方式主要有兩種，一種是建立多元線性回歸方程的方法來估算，另一種是通過協(xié)整的方法來估算，例如郭紅兵和杜金岷(2014)采用的不同滯后階數變量間的邊界檢驗協(xié)整方法等。這種計算權重的方法經過多次變換才得到，相對復雜，也容易扭曲估算結果，可能出現(xiàn)較大偏差；因子分析法將公共因子最大方差旋轉后的累計方差貢獻率作為權重。這種方法對分析大量指標時效果更好，但該方法只能確定公共因子的權重，無法對各個原始自變量確定權重；方差分解法通過建立VAR模型利用廣義脈沖和方差分解方法得到各個指標變量的方差貢獻占比并作為權重。這種估算方法不需對進入模型的各個變量進行內生和外生的區(qū)分和判斷，本質上是通過聯(lián)立方程組的方式來進行估計，很好地解決了內生性問題。因而，該方法在實證中得到了廣泛的應用。一些學者還在此基礎上運用時變的VAR模型，如周德才等(2015)構建了我國的靈活動態(tài)金融狀況指數[12]。但是在金融穩(wěn)定狀況指數構建中還很少見。本文認為當樣本區(qū)間相對較短和變量較多的情況下，時變VAR模型就相對不適合，而混頻VAR的優(yōu)勢就相對明顯，能夠充分利用有限的樣本信息，從而做出更加準確的估計。

當前，實證研究中使用最為廣泛的是方差分解方法。遺憾的是，相關研究中VAR模型中僅能采用同頻次數據，不能處理不同頻率信息的變量。而實際上，現(xiàn)實經濟運行中不同頻次的宏觀數據很常見。采用混頻VAR模型的優(yōu)勢在于：一是模型數據的限制較少，普適性強；二是能夠充分利用原有變量的所有信息，避免對不同頻次數據的同頻化處理，最大程度減少信息缺失，保證估計的有效性；三是混頻VAR可避免因將時間序列進行降頻處理帶來的樣本容量減少等問題。因而，根據本文的數據樣本特征，選用混頻VAR模型方差分解結果作為權重信息是恰當的。具體的權重信息計算分為兩個步驟：第一步，利用建立的MFVAR模型得到各期方差分解值，表2列出了Matlab12軟件估計得到的12個滯后期各變量對G的方差分解結果；第二步，借鑒鄧創(chuàng)等(2016)[13]等的做法，將12期各期的方差分解結果進行算數平均，最終得出各變量的權重。根據表2的方差分析結果，將各個變量季度方差分解的均值分別加總得到計算得到利率(I)、市盈率(S)、房價(H)、匯率(E)、不良貸款率(L)和經濟增長率(G)的權重分別為0.135、0.414、0.11、0.155、0.009和0.177。從結果來看，權重占比最高的是市盈率，而最低的是不良貸款率。

(四)金融穩(wěn)定狀況指數的合成

依據上述得到的各變量權重，按照下列公式合成得到FSCI指數。具體如下：

表2 MFVAR模型中G的方差分解表

圖1 我國金融穩(wěn)定狀況指數變動趨勢圖

四、我國金融穩(wěn)定狀況的判定與分析：歷時視角

(一)我國金融穩(wěn)定狀況的判定

依據前文對金融穩(wěn)定內涵的界定，借鑒Kakes等(2004)的金融穩(wěn)定狀況判定規(guī)則，本文將金融穩(wěn)定狀況分為金融失衡、金融亞穩(wěn)定和金融不穩(wěn)定三種狀態(tài)[14]。不同狀態(tài)的判斷依據為，根據金融穩(wěn)定狀況指數得到其樣本均值和標準差，將金融穩(wěn)定的上界臨界值確定為樣本均值減去標準差，金融不穩(wěn)定的下界臨界值確定為均值加上標準差，而兩個臨界值之間確定為金融亞穩(wěn)定。在本文分析的樣本區(qū)間里，F(xiàn)SCI的樣本均值為0.00088，樣本標準差為0.0478，則得到金融亞穩(wěn)定的區(qū)間為[-0.0469,0.0486]。圖1中的虛線標示出了金融穩(wěn)定的臨界值區(qū)間，上下兩條長虛線分別表示樣本均值加上和減去標準差。則金融穩(wěn)定狀況的判定標準為，如果FSCI超過上界即為金融失衡，如果跌出下界即為金融不穩(wěn)定，介于上下界之間即為金融亞穩(wěn)定。根據這一判定規(guī)則，我國金融穩(wěn)定狀況判定如表3，為更清晰起見，在圖1上也標出了對應的狀態(tài)區(qū)間。

表3 我國金融穩(wěn)定狀況判定

(二)我國金融穩(wěn)定狀況的歷時分析

從圖1可以看到，整體上我國金融穩(wěn)定狀況指數(FSCI)具有明顯的波動特征，而且這種波動特征在2010年第3季度之前表現(xiàn)得尤為明顯，之后波幅逐漸縮小，基本在金融穩(wěn)定區(qū)間內小幅震蕩。根據表3的金融穩(wěn)定狀態(tài)判定結果表明，2005年至2017年間我國金融體系運行出現(xiàn)由金融失衡轉向金融不穩(wěn)定進而趨向金融穩(wěn)定的演進態(tài)勢。

具體而言，對于區(qū)間Ⅰ的三個子區(qū)間對應的是金融失衡狀態(tài)。這種金融失衡在2007年第2季度至2008年第1季度表現(xiàn)得尤其明顯。最主要的表現(xiàn)在于資產價格暴漲，以至于嚴重偏離內在價值，這又以股票價格和房地產價格表現(xiàn)最為明顯。2016年10月上證綜指月度收盤點位為1837點，之后至2017年6月快速拉升至3820點，又一口氣上漲到2017年10月的5954點的歷史最高月度收盤點位，漲幅接近224%。在此期間的2007年10月31日上證綜指還創(chuàng)下6124點的單日交易最高點位，至今也未打破這一高位。股價如此大的漲幅明顯表明當時我國股票市場出現(xiàn)過熱狀態(tài)，股價嚴重偏離價值中樞，出現(xiàn)嚴重高估。同時，房價也大致經歷了類似的變化過程。以全國70個大中城市新建住宅價格指數同比增長數據為例，2006年6月增長率為6.6%，但是到了2007年11月的增長率為12.2%，幾乎翻了一倍，一些熱點一線城市的房價漲幅更高。例如，2006年3月北京市新建價格指數同比上漲7%，而到了2007年10月則同比上漲17.8%。實際上，我國宏觀經濟在2007年也出現(xiàn)了相對過熱的苗頭，以不變價計算的年均經濟增速達到了14.2%，其中在2017年6月更是創(chuàng)下了迄今為止14.9%的新高。此時高速的經濟增長掩蓋了長期存在的國內外經濟雙重失衡的矛盾，而2008年全球性金融危機的爆發(fā)及隨后而來的外需疲軟則使得這個矛盾被顯性化[15]。這為后來的金融不穩(wěn)定埋下了“禍根”。類似的，同處金融失衡狀態(tài)的其他兩個區(qū)間也經歷了類似的股價上漲過程。2015年第1季度至2015年第2季度之間，上證綜指在2015年6月的收盤價達到了4277點，其中還一度達到了迄今為止的次高點5178點，與宏觀經濟持續(xù)下行形成強烈反差，實際上也出現(xiàn)了一定程度的過高估值情況。

針對宏觀經濟中存在資產價格快速上漲并積累系統(tǒng)性風險的情況，央行一直采取逆經濟風險調節(jié)的緊縮性貨幣政策，不斷提高存款準備金率和基準利率，控制貨幣供應總量，以遏制資產價格的過度膨脹。大型商業(yè)銀行的存款準備金水平從2006年7月的8%一直調高到2008年9月的17.5%的高位，而存貸款基準利率也一路上調，分別從2006年4月的2.25%和5.58%調高到2008年10月的4.14%和7.47%，存款基準利率幾乎翻倍，而貸款基準利率則調高了33.8%，貨幣緊縮力度可謂之大。在此政策作用下，我國實際M2增速開始回落，2016年3月的實際M2增速為16.54%，而到了2008年3月則大幅降低到了7.89%，幾乎縮水一半。在此背景下，資產價格也應聲而落，股票價格逐級走低，到2018年1月上證綜指月度收盤已低至4383點，以后也一直逐級下探。到了2008年下半年，美國次貸危機帶來的負面影響開始傳導到我國，股票市場開始加速下跌。房地產市場也同樣經歷下跌過程，全國70個大中城市新建住宅價格月度指數從2008年1月的12.2%直線下跌至2009年3月的-1.9%。雖然針對此次百年不遇的金融危機，我國政府和金融當局果斷決策，出臺以“四萬億”大規(guī)模財政資金刺激、連續(xù)大幅調低存款準備金率和存貸款基準利率等一系列經濟政策，貨幣政策實際上全面轉向寬松，但仍然沒能阻止資產價格破裂。事實上，在金融不穩(wěn)定區(qū)間Ⅲ內，正是資產價格加速下跌的時期，資產泡沫已經被刺破[16-17]。資本市場基本喪失了基本功能，房地產市場也一片低迷，此時期資本市場的功能實際上已經部分喪失。與此形成鮮明對比的是，作為我國金融體系中流砥柱的銀行經營卻持續(xù)向好，不良貸款率持續(xù)下降，很大程度上維持了金融體系的正常功能，為實體經濟投融資活動提供了有力支撐。從圖2顯示的我國商業(yè)銀行不良貸款趨勢圖來看，整體上我國銀行不良貸款呈現(xiàn)快速下降并趨穩(wěn)態(tài)勢，不良貸款率從2006年初的8%快速降低至2011年9月的0.9%的最低點，而后雖有所反彈，但基本維持在2%的較低水平。尤其在金融不穩(wěn)定的區(qū)間Ⅲ內不良貸款率快速下降，銀行經營績效持續(xù)向好，與此時期資產價格的崩潰形成鮮明對比?？梢哉f，銀行體系已成為我國金融體系穩(wěn)定運行的壓艙石。

圖2 我國商業(yè)銀行不良貸款變化趨勢

需要注意的是，從2009年開始由于監(jiān)管環(huán)境的寬松甚至默許以及投資項目激增帶來的需求刺激，造成我國影子銀行業(yè)務活動出現(xiàn)爆發(fā)性增長。以影子銀行業(yè)務的典型代表銀行理財產品為例，根據Wind數據顯示，2010年以后理財產品種類和數量出現(xiàn)爆發(fā)式增長，并且以非保本的結構性理財產品為主。銀行大量發(fā)行表外性質的理財產品并且對接信托等通道大肆進行表外投融資活動，使得杠桿率大幅上升，流動性風險增加，同時，企業(yè)和政府過度借貸導致信用風險也不斷增加。根據李揚，張曉晶(2015)的研究，我國經濟整體的杠桿率從2009年開始顯著上升，債務融資工具的期限越來越短[18]。影子銀行隱藏的風險也越來越大，尤其是流動性風險越發(fā)凸顯。2013年6月銀行同業(yè)拆借市場出現(xiàn)了所謂的“錢荒”事件，使得貨幣市場出現(xiàn)了短暫巨幅波動，但隨著央行一系列調控流動性措施的出臺，金融市場的運行很快趨于平靜，并沒有引發(fā)系統(tǒng)性風險。然而，隨著我國影子銀行規(guī)模的不斷擴大，銀行體系的資金開始出現(xiàn)脫媒化的趨勢。這意味著傳統(tǒng)的貨幣供應量M2統(tǒng)計口徑已經難以涵蓋社會資金流通全貌，僅依靠M2已經難以對社會資金進行全面準確觀測，也就難以對金融體系的運行進行有效管控，而社會融資總規(guī)模能夠更加全面完整地從資產端對全部資金投向進行統(tǒng)計，從而成為觀測金融體系運行動向的新指標。這也為我國金融穩(wěn)定狀況的驅動因素分析提供了新線索。

五、進一步分析

通過MFVAR模型的方差分析結果和上述金融穩(wěn)定演進的事實分析，可以看到以股票價格和房地產價格為代表的資產價格波動是驅動我國金融穩(wěn)定狀態(tài)轉換的重要因素。席勒教授認為資產價格過度上漲偏離自身的價值形成正態(tài)泡沫，而資產價格大幅下跌，并引發(fā)恐慌性拋售，則形成負態(tài)泡沫。前者與金融失衡相對應，而后者造成金融不穩(wěn)定。實際上，金融失衡、金融亞穩(wěn)定和金融不穩(wěn)定的轉換伴隨著的就是正態(tài)泡沫向負態(tài)泡沫轉換過程中經歷的泡沫生成、累積、收縮和破裂的整個過程。米什金將這個過程概括為正向沖擊、樂觀繁榮、非理性瘋狂、獲利拋售和大恐慌五個具體階段。那么，資產泡沫背后的推動力又是什么？理論上，資產價格和物價的持續(xù)上漲均是一種貨幣現(xiàn)象，直接原因都是貨幣的超經濟發(fā)行，或貨幣地區(qū)分布的超經濟集聚[19]。也就是說分析我國資產價格的形成必然要從廣義貨幣供給量(M2)著手。然而，一個不可忽略的事實是，2010年以來我國銀行表外業(yè)務創(chuàng)新提速，影子銀行業(yè)務迅猛發(fā)展，非銀行金融機構在金融體系中的規(guī)模占比越來越高，資金流向也出現(xiàn)了明顯的脫媒化特征，作為從金融機構負債方統(tǒng)計得到的M2指標已經難以涵蓋社會信用活動情況。在這種情況下，從金融機構資產方，涵蓋銀行信貸、表外信用、直接融資和其他方式等全面統(tǒng)計為實體經濟提供資金支持狀況的社會融資規(guī)模增量指標越來越受到關注。此外，該指標相比于M2更能反映社會整體融資結構的合理性，從而可以實時監(jiān)測和預防系統(tǒng)性金融風險的發(fā)生[20]。

為了更加全面的探究金融穩(wěn)定背后的驅動因素，本文將廣義貨幣供應量和社會融資總規(guī)模同時進行對比，下圖3顯示了兩者的變化趨勢圖?？梢钥吹剑?010年之前，M2和社會融資規(guī)模指標變化趨勢基本一致，但是之后開始出現(xiàn)背離現(xiàn)象，M2呈現(xiàn)下降態(tài)勢，而社會融資規(guī)模則保持相對穩(wěn)定，尤其是從2014年開始兩者之間的剪刀差越拉越大。從兩者指標內涵及構成來看，這反映了近年來流轉于銀行體系之外的社會資金規(guī)模越來越大的現(xiàn)實。關于這一現(xiàn)象，盛松成(2017)認為是近年來金融強監(jiān)管下金融去杠桿帶來的實際效果，更多的原來的銀行體系空轉的資金流入到了實體經濟，這樣必然帶來M2的下降和社會融資規(guī)模的增加[21]。而魯政委等(2016)將其歸結為2014年下半年以來商業(yè)銀行債券投資和股權及其他投資的快速增長，其中主要表現(xiàn)在商業(yè)銀行通過同業(yè)或委外渠道對非銀行金融機構的投資大大增加[22]。事實上，這些業(yè)務正是近年來我國影子銀行活動的典型代表。而方先明, 權威(2018)的研究已表明影子銀行規(guī)模增加會對商業(yè)銀行同業(yè)拆放利率、房地產價格、股票市場價格指數和人民幣實際有效匯率指數產生正向沖擊[23]。那么，包含影子銀行統(tǒng)計口徑的社會融資規(guī)模指標將會對金融穩(wěn)定產生如何的沖擊？鑒于此，為了更客觀和得到更加深入的研究結論，本文將包含影子銀行活動的社會融資規(guī)模指標也納入分析框架，與FSCI和經濟增長率建立能夠靈敏捕捉到經濟變量時變特性的TVP-VAR模型進行實證分析。同時，為便于對比，本文同時也建立M2與FSCI和經濟增長率的TVP-VAR模型，以期發(fā)現(xiàn)兩者對于FSCI的時變性影響差異。

圖3 M2(虛線)與社會融資規(guī)模(實線)變化趨勢對比

與傳統(tǒng)的VAR模型不同，TVP-VAR模型的參數具有時變性，能夠更加科學地刻畫變量之間的非線性變化關系，而且更夠得到三維全樣本脈沖響應圖像，克服了二維時點和同期脈沖響應只能反映局部響應特征的弊端，在宏觀經濟變量關系研究中也得到了越來越廣泛的應用。本文以FSCI、社會融資規(guī)模、經濟增長率的TVP-VAR模型為例，簡要說明模型參數設定和估計過程。本文借助OxMetrics6.0軟件實現(xiàn)數據模擬和參數估計，具體數據模擬原理描述過程略去。在進入模型之前，首先，對各變量進行了平穩(wěn)性檢驗，結果表明各變量均在1%顯著性水平通過平穩(wěn)性檢驗。其次，根據經驗設定參數初值為

uβ0=uα0=uh0=0，Σβ0=∑α0=∑h0=10×I，并先驗假定(Σβ)i-2～Gamma(40,0.02)，(Σα)i-2～Gamma(4,0.02)，(Σh)i-2～Gamma(4,0.02)，利用MCMC方法模擬100000次，以得到充足的有效樣本。再分別估計滯后1至6階模型，根據邊際似然值確定最優(yōu)滯后階數為2階。由此得到的樣本自回歸系數、樣本路徑和后驗密度圖(鑒于篇幅略去)，從中可以看出樣本的自回歸系數穩(wěn)定下降，樣本路徑圖顯示數據也非常平穩(wěn)。這表明通過預設參數的MCMC抽樣獲得了足夠的不相關有效樣本。從參數估計結果的收斂性來判斷，參數的各個Geweke值均未超過5%的臨界值1.96，表明收斂于后驗分布的零假設不能被拒絕。無效因子inef是測度抽樣有效性的指標，它可以用來計算既定抽樣次數下所能獲得的不相關樣本個數，該值越小表明抽樣越有效。從表4可以看出，各參數的Inef值都遠小于抽樣次數100000次，其中最大取值約為80。這意味著在連續(xù)抽樣100000次的情況下，我們至少能獲得約1250個不相關的樣本。

表4 TVP-VAR模型參數估計結果

為得到更加穩(wěn)健的結論，本文直接對TVP-VAR模型得到的包含時間和時期沖擊的三位脈沖立體響應圖進行分析。圖4和圖5顯示了M2對FSCI的影響和社會融資總規(guī)模對FSCI的影響。圖中可以明顯看到兩者對FSCI的影響具有明顯的時變性特征。整體上，M2不僅在短期對FSCI施加影響，而且在長期內這種影響仍然持久，相反地，社會融資規(guī)模對FSCI的影響主要體現(xiàn)在短期。此外，還可以看到，在金融失衡區(qū)間Ⅰ內的2007年下半年至2008年初以及2015年上半年，兩者對FSCI的正向促進作用更加明顯，這說明兩者均加速了金融失衡的出現(xiàn)，而且從圖形上看，M2在長期內對金融失衡的驅動力量更大更持久。

圖4 M2對FSCI的影響 圖5 社會融資總規(guī)模對FSCI的影響

這可能是由于：一是，M2對資產價格影響具有全局性特征，影響面更廣?？梢哉f，理論上貨幣供給量增加是任何資產價格膨脹的必要條件。二是，M2是從銀行體系負債方得到的指標，更能夠體現(xiàn)出貨幣創(chuàng)造的效果，而貨幣創(chuàng)造過程是貨幣乘數長期作用發(fā)揮的結果。相比之下，社會融資規(guī)模更加從資產方統(tǒng)計資金流入實體經濟的情況，相當于這些資金漏損出銀行體系，也就降低了貨幣乘數放大的效果，自然長期內的影響較小。三是，M2更具規(guī)模性而社會融資規(guī)模更具結構性特征。社會融資規(guī)?？梢詫Σ煌貐^(qū)、行業(yè)、部門獲得的流動性以及不同融資工具、融資渠道的資金使用情況進行細分，更能直接和集中作用于金融體系本身，在數量之外更具結構和價格意義，其對價格的當期影響更為穩(wěn)定[24]。四是，M2為單一性指標，而社會融資規(guī)模了包含銀行本外幣信貸、表外資產、信托、債券等各類資金投向，指標更加綜合，相比于短期，長期視域內各變量之間可能產生對銷性抵補影響，這也使得長期內對FSCI影響較小。

六、結論及啟示

當前，我國宏觀經濟正處于結構轉型時期，金融體系運行不穩(wěn)定因素不斷增加。在“牢牢守住不發(fā)生系統(tǒng)性風險底線”的背景下，金融穩(wěn)定管理已成為重中之重。金融穩(wěn)定也被擺在“穩(wěn)就業(yè)、穩(wěn)金融、穩(wěn)外貿、穩(wěn)外資、穩(wěn)投資、穩(wěn)預期”的核心位置。本文在利用MFVAR模型合成得到我國金融穩(wěn)定狀況指數(FSCI)，研究發(fā)現(xiàn)2010年第3季度之前我國金融體系在金融失衡和金融不穩(wěn)定之間快速轉換，之后才逐漸處于金融相對穩(wěn)定的狀態(tài)。此外，本文還發(fā)現(xiàn)股票市場是我國金融不穩(wěn)定的重要驅動因素，而銀行體系則成為穩(wěn)定金融體系運行的核心支撐。為探究背后驅動金融不穩(wěn)定的因素，本文進一步運用具有時變參數特征的TVP-VAR模型對M2和社會融資規(guī)模與FSCI和經濟增長率之間的關系進行了研究，三維全樣本的脈沖響應結果表明社會融資規(guī)模為驅動我國金融穩(wěn)定狀況的短期因素，而M2則無論在短期還是長期均能持久影響我國金融體系的穩(wěn)定運行。上述結論給予我們如下啟示：

第一，應從功能觀的角度來正確認識和理解金融穩(wěn)定的內涵，強化金融穩(wěn)定的區(qū)間管理思維。金融穩(wěn)定管理目的在于促進經濟增長，實現(xiàn)雙方良性互動循環(huán)。因此，不能脫離經濟增長來理解金融穩(wěn)定。金融穩(wěn)定是金融體系整體屬性特征的判斷。絕對意義上的金融穩(wěn)定僅是一種理想狀態(tài)。一般地，一國金融體系運行將長期處在金融亞穩(wěn)定狀態(tài)。這也從本文對我國2006年至2017年金融穩(wěn)定狀況的評估結果中得到印證。因而，結合金融穩(wěn)定上述特征，本文建議央行在對金融穩(wěn)定科學測度基礎上，確定金融穩(wěn)定的上下邊界，發(fā)揮金融穩(wěn)定發(fā)展委員會中的特殊地位，積極協(xié)調其他金融監(jiān)管機構，對金融穩(wěn)定進行區(qū)間動態(tài)管理，保持金融機構和金融市場運行處在相對穩(wěn)定狀態(tài)。

第二，穩(wěn)定股票市場運行是當前金融穩(wěn)定管理的重中之重。資本市場的關聯(lián)度高，對市場預期的引導作用大，具有重要的樞紐功能，是穩(wěn)經濟、穩(wěn)金融和穩(wěn)預期的關鍵。首先，提升上市公司質量，要把好入口關，真正把資質優(yōu)良、前景向好和注重履行社會責任的公司優(yōu)質篩選出來，同時，盡快完善退市機制，堅持優(yōu)勢劣汰的市場原則，堅決把績效持續(xù)惡化、市場發(fā)展前景黯淡和弄虛造假的上市公司清理出資本市場；其次，強化以信息披露為核心的市場監(jiān)管，建立上市公司信息披露規(guī)則體系，完善信息披露內容，改變目前偏重披露財務信息而忽略非財務信息的現(xiàn)狀，提高信息披露的質量，完善信息披露違規(guī)的聯(lián)合懲戒機制，保證信息披露的真實性和完整性；最后，切實保護中小投資者的利益，恢復投資者對資本市場的信心，穩(wěn)定廣大投資者對資本市場向好發(fā)展的預期。

第三，央行短期內要密切關注社會融資總規(guī)模變化，同時長期內要錨定M2總量水平，將兩者有機結合，共同作為監(jiān)測我國金融體系穩(wěn)定狀況的預警性指標。金融穩(wěn)定管理的根本性目標是使金融體系能夠更好的服務實體經濟發(fā)展。雖然社會融資總規(guī)模能夠更加精確地監(jiān)測金融服務實體經濟的情況，但是也不能忽視M2的變化，更不能將二者對立起來，兩者是互補而不是替代關系[25]。實際上，“管好貨幣供給的總閘門”始終是金融工作的重點任務。央行應進一步將宏觀審慎評估體系(MPA)作為金融穩(wěn)定管理的重要抓手，與微觀審慎監(jiān)管部門有機配合，控制好廣義信貸增長，合理設定廣義信貸的增速上限，從而實質上約束M2總量的膨脹。此外，需要注意的是，當前社會融資規(guī)模指標短期內迅猛增長。2019年1月的社會融資新增規(guī)模達到了4.64萬億元的歷史最高水平。央行應充分關注可能會對金融體系運行帶來的不穩(wěn)定因素。