孫晨童,王相飛,丁 新

(1.清華大學 經濟管理學院,北京 100084;2.遠東資信評估有限公司研究院,北京 100007;3.吉林財經大學 金融學院,吉林 長春 130117;4.中關村科學城城市大腦股份有限公司,北京 100080;5.北京理工大學 管理與經濟學院,北京 100081)

一、引 言

20世紀初,由于西方資本主義經濟危機頻繁出現(xiàn),經濟學界開始關注經濟周期的波動特征并展開了一系列研究,此后逐漸形成了成熟的經濟周期理論體系。但是對于金融市場的周期波動問題并未引起足夠的重視,同時對金融周期的運行規(guī)律也缺乏深入分析。隨著2008年美國次貸危機及2010年歐洲債務危機爆發(fā),學術界開始重新審視金融因素在宏觀經濟運行中的地位,試圖將金融與宏觀經濟結合起來進行研究,并針對宏觀與金融關聯(lián)問題(Macro-Financial Linkages)展開了熱烈的討論[1-4]。以國際貨幣基金組織(IMF)為代表的國際性研究機構也更加關注宏觀金融關聯(lián)問題,并逐漸形成了IMF宏觀金融分析框架,該框架的一項重要研究內容即是經濟周期與金融周期分析[5]。因此,本文在宏觀金融關聯(lián)分析框架下,通過借鑒主流經濟周期波動分析方法,以周期波動視角探究中國宏觀金融關聯(lián)問題,并對中國金融周期與經濟周期的波動態(tài)勢進行統(tǒng)一的監(jiān)測與分析,這不僅能夠為宏觀經濟與金融調控政策的制定提供理論依據(jù)和經驗借鑒,而且對于防范金融風險、促進宏觀經濟與金融協(xié)調發(fā)展具有重要的現(xiàn)實意義。

近年來,學術界對金融周期與經濟周期展開了大量研究。金融周期方面,BIS的學者Borio將金融周期定義為“金融周期波動源自于公眾對風險價值偏好與融資約束之間的交互作用”,并且這種交互作用可能會導致嚴重的金融困局和經濟衰退,他認為信貸和資產價格是測度金融周期的核心指標,通過采用信貸、信貸/GDP、房地產價格三個指標構建金融周期指數(shù),研究發(fā)現(xiàn),美國金融周期比經濟周期的周期長度更長、波動幅度更大,系統(tǒng)性銀行危機往往出現(xiàn)在金融周期的波峰附近[6]。中國金融周期與經濟周期的中長期波動也存在類似的關系特征[7-8],不同的是中國金融周期的短期波動與國家金融調控政策導向高度吻合[9]。雖然測定金融周期與經濟周期的指標存在差異,但是經濟周期相關研究方法在金融周期研究上同樣適用。例如,可以采用帶通濾波方法提取金融周期,并運用“B-B”法對金融周期的轉折點進行識別[10-12]。韓艾等采用廣義動態(tài)因子模型構建了中國金融周期景氣指數(shù),同時采用景氣分析方法分析了中國金融周期波動的景氣循環(huán)[13]。陳守東等使用無限狀態(tài)區(qū)制的時變動態(tài)因子模型(RTV-DFM)提取了中國金融周期的景氣循環(huán),研究發(fā)現(xiàn)中國金融周期與貨幣政策周期波動高度一致[14]。

經濟周期方面,1946年,Burns和Mitchell系統(tǒng)梳理了測定經濟周期及階段劃分問題,認為經濟周期波動應該是刻畫宏觀經濟系統(tǒng)中主要指標的共同變動[15],而這種變動又可以區(qū)分為“收縮”和“擴張”兩種狀態(tài)。此后,學者們在經濟波動典型化事實的基礎上,經過進一步研究認為經濟周期波動應具有兩個基本特征:一是共變性,即諸多宏觀經濟變量之間存在協(xié)同性變化;二是非對稱性,即經濟周期的階段性變化[16]。其中,研究經濟周期共變性的經典方法是Stock和Watson提出的動態(tài)因子模型[17],該方法依據(jù)經濟指標間的協(xié)同變化提取動態(tài)因子來描述經濟周期波動;研究經濟周期非對稱性的經典方法是Hamilton提出的馬爾科夫區(qū)制轉換模型(以下簡稱MS-AR模型)[18],該方法通過狀態(tài)變量的概率推斷對經濟周期階段進行識別。此后,一些研究繼承和發(fā)展了上述兩種方法,實現(xiàn)了對經濟周期波動兩大特征的同時分析。Diebold和Rudebusch采用“兩步法”建模思想,首先采用動態(tài)因子模型提取能夠反映宏觀經濟系統(tǒng)協(xié)同變化的動態(tài)因子,然后采用MS-AR模型分析動態(tài)因子的非對稱特征[19]。Kim提出Kim濾波估計方法,實現(xiàn)了對MS動態(tài)因子模型的“一步法”估計[20],很多學者成功地運用這種方法對經濟周期問題進行實證研究[21-24]。Kholodilin和Yao基于MS動態(tài)雙因子的建模思想,合成了宏觀經濟一致景氣指數(shù)和先行景氣指數(shù),并對二者的區(qū)制動態(tài)關系進行分析[25]。

綜上所述,目前將金融周期與經濟周期放在統(tǒng)一框架下共同研究的文獻相對較少。本文參考Kholodilin和Yao的研究思路[25],應用MS-DBF模型同時對金融周期與經濟周期進行測度與景氣分析,并基于聯(lián)合區(qū)制狀態(tài)的平滑概率對金融周期與經濟周期進行聯(lián)動關系分析。本文的邊際貢獻在于:

第一,在優(yōu)化模型設定層面,將動態(tài)因子模型拓展為動態(tài)雙因子結構,實現(xiàn)了金融周期與經濟周期的同時測度。同時,通過引入兩個離散狀態(tài)變量和包含約束條件的聯(lián)合轉移概率矩陣改進傳統(tǒng)MS-VAR模型,以聯(lián)合波動視角分析兩個周期的關聯(lián)動態(tài)。

第二,在豐富經濟周期監(jiān)測工具層面,以往的研究需要分別建模才能提取兩個周期的時間序列,而本文構建的模型在數(shù)據(jù)可得的條件下,通過“一步法”估計即可同時得到兩個周期的估計結果,這為中國實時監(jiān)測金融與宏觀經濟部門的周期性波動提供了一個較為便捷的新工具。

第三,在助力宏觀調控政策層面,準確地識別經濟周期階段并探究宏觀金融關聯(lián)關系具有重要的現(xiàn)實意義,為政策當局在“穩(wěn)增長”與“防風險”的雙重目標下,相機抉擇地實施“逆周期”的宏觀調控政策提供新的參考基準。

二、MS-DBF模型構建及其估計方法

(一)模型構建

(1)

(2)

為了分析金融周期與經濟周期波動之間的關聯(lián)關系,進一步在動態(tài)雙因子模型基礎上引入聯(lián)合的MS模型機制。Hamilton提出的MS-AR模型[18]和Krolzig提出的雙變量MS-VAR模型[26]只能以概率形式來描述單一的區(qū)制狀態(tài),而本文構建的MS-DBF模型可以刻畫兩個周期的聯(lián)合區(qū)制動態(tài)演變過程,模型具體表示為:

(3)

(4)

(5)

(6)

(7)

(二)估計方法

本文采用“一步法”對模型進行估計,由于MS-DBF模型中包含不可觀測變量,需要將其改寫成狀態(tài)空間形式進行估計,具體可表示為:

yt=Ztαt

(8)

αt=μst+Ttαt-1+ξt

(9)

三、變量選擇與指標處理

經濟周期指標組:參考陳磊等測度經濟周期的指標體系[27-28],并根據(jù)傳統(tǒng)景氣分析方法的指標篩選方式,以工業(yè)增加值實際同比增長率為基準指標,通過時差相關分析篩選出能夠反映宏觀經濟一致景氣變動的指標(見表1)用于測度經濟周期。

表1 兩個周期的測度指標組

金融周期指標組:考慮到金融周期由房地產市場、股票市場、信貸、利率、匯率和貨幣供應等多個子周期組成,且金融子周期之間呈現(xiàn)出的協(xié)同波動特征往往并不一致[13,29],因此金融周期測度不適宜采用景氣分析方法來篩選指標。出于以上考慮,本文參考伊楠和張斌、欒惠德和侯曉霞、石振宇等文獻的指標體系[7,29-30],選擇每個金融子周期最具代表性的指標,然后采用主成分分析方法進行分析,根據(jù)第一主成分中指標的因子載荷大小進行排序,剔除因子載荷較低的指標,最終確定了金融周期指標組(見表1)。

考慮到部分指標1月份存在缺失值的情況,本文用2月數(shù)據(jù)代替1月數(shù)據(jù)進行填補。采用X-12方法剔除掉所有指標的季節(jié)和不規(guī)則擾動成分,保留TC序列。觀察指標的TC序列走勢發(fā)現(xiàn),社會融資規(guī)模與人民幣實際有效匯率指數(shù)仍具有明顯的長期趨勢,但由于社會融資規(guī)模數(shù)據(jù)包含負值,不能采用對數(shù)差分或者計算同比增長率的方式進行處理。因此,參考欒惠德和侯曉霞的處理方式,對社會融資規(guī)模與人民幣實際有效匯率指數(shù)進行HP濾波剔除掉趨勢成分,保留指標的周期成分。最后對所有指標進行一階差分,經ADF檢驗顯示,差分數(shù)據(jù)均為平穩(wěn)時間序列,數(shù)據(jù)滿足建模要求。

四、基于MS-DBF模型的實證分析

(一)模型參數(shù)估計結果分析

為了準確識別兩個周期的波動狀態(tài),本文并未按照傳統(tǒng)的方式根據(jù)信息準則來判斷滯后算子Lp和Lq的階數(shù),經過反復實驗,最終確定兩個滯后算子均為0階作為最終模型形式(2)Camacho等應用混頻MS-DF模型測算經濟周期時,為了準確識別經濟周期的波動狀態(tài),滯后階數(shù)同樣選擇了0階[30]。。此外,考慮到估計參數(shù)的收斂速度,直接將(1-α)-1和(1-β)-1作為參數(shù)進行估計,模型估計過程在GAUSS 9.0軟件上編程實現(xiàn)。

如表2所示,MS-DBF模型全部待估參數(shù)均在5%的顯著性水平下統(tǒng)計顯著,說明本文模型設定具備科學性和合理性,能夠準確捕捉經濟周期和金融周期的潛在規(guī)律,相關結論如下:

表2 MS-DBF模型參數(shù)估計結果

第一,金融周期測度中人民幣貸款余額和商品房銷售平均價格的因子載荷分別為0.729和0.833,這說明共同因子的提取受這兩個因素影響較大。人民幣實際有效匯率指數(shù)的因子載荷最低,僅為0.208,這主要是由于該指標與其他指標的協(xié)同性相對較低所導致。長短期債券利差和上證綜合指數(shù)的因子載荷大體相當,分別為0.431和0.478。經濟周期測度中社會消費品零售總額、公共財政收入和固定資產投資增速對提取經濟周期的貢獻較大,因子載荷分別為0.898、0.856和0.843;次之的是進口總額,因子載荷為0.572。

第四,轉移概率p11和p22的估計值分別為0.91和0.915,其值都超過了0.9,說明兩個周期各自維持擴張(收縮)狀態(tài)都具有非常強的穩(wěn)定性。從“同步”和“非同步”角度來看,兩個周期處于“擴張—擴張”和“收縮—收縮”的同步波動狀態(tài)的平均持續(xù)期分別為11.11個月和11.76個月;而兩個周期處于“收縮—擴張”和“擴張—收縮”的非同步波動狀態(tài)的平均持續(xù)期分別為7.16個月和7.71個月,前者整體大于后者,說明在整個樣本期內兩個周期以同步波動為主。

(二)金融周期與經濟周期的周期波動特征分析

為了便于觀察與分析金融周期與經濟周期的實際走勢,圖1和圖2給出了動態(tài)雙因子進行逐期累加計算得到的兩個周期序列(實線,左軸)及其處于收縮狀態(tài)的平滑概率估計結果(虛線,右軸)。通過觀察可以發(fā)現(xiàn),本文建立的模型基本準確地識別了兩個周期在樣本期內所有的收縮階段,這在一定程度上說明MS-DBF模型的估計結果是準確可靠的。

圖1 金融周期及其處于收縮狀態(tài)的平滑概率

圖2 經濟周期及其處于收縮狀態(tài)的平滑概率

為了準確捕捉周期波動的階段性變化,根據(jù)如下規(guī)則對周期轉折點進行測定:第一,周期階段的劃分應滿足擴張或者收縮階段的持續(xù)期不少于6個月[31];第二,將平滑概率與0.5水平線的交點作為擴張與收縮階段相互轉換的時點[18],表3給出了金融周期和經濟周期的轉折點測定結果。

表3 周期轉折點測定結果

根據(jù)表3的測定結果,本文將樣本起始點2002年2月(3)由于文本基于差分數(shù)據(jù)構建的模型,2002年1月的數(shù)據(jù)損失,模型估計得到的金融周期與經濟周期序列的樣本起始點為2002年2月。作為兩個周期的第一個谷點,并將“谷—峰—谷”看作是一個完整的景氣循環(huán)。根據(jù)表4的測定結果顯示,2002年以來金融周期經歷了6輪完整的景氣循環(huán),目前正處于第7輪循環(huán)的擴張階段;經濟周期經歷了5輪完整的景氣循環(huán),目前正處于第6輪循環(huán)的收縮階段,是否已經到達谷點仍需進一步觀察。需要特別說明的是,金融周期在2018年9月至2019年6月經歷了一段為期10個月的小幅波動,本文將其視為第6輪擴張階段的一部分。此外,模型識別出經濟周期存在一個持續(xù)期僅為5個月的擴張階段(2018年10月至2019年2月),由于持續(xù)期較短,本文未將2019年2月視為一個峰點。

表4 景氣循環(huán)測定結果

結合圖1、表3和表4對金融周期的歷史軌跡進行回顧:2002年,中國經濟局部過熱、銀行信貸資金過度投放,催生經濟泡沫,金融周期處于擴張階段并于2003年6月到達峰頂。為防范金融風險與維持金融市場運行穩(wěn)定,政府部門于2004年加大宏觀調控的力度,金融環(huán)境逐漸趨緊,金融周期由此進入收縮階段,并且一直持續(xù)到2005年初。隨后,金融周期于2005年3月進入第2輪景氣循環(huán)的擴張階段,伴隨著股票市場的繁榮,在2007年6月達到峰頂,但美國次貸危機的爆發(fā)導致國內金融環(huán)境急劇惡化,金融周期進入第3輪的收縮階段,于2008年8月到達谷底。受擴張性金融調控政策的影響,金融周期迅速反彈,并在2009年10月達到樣本期內的最高點。2011年,宏觀調控政策逐漸回歸“穩(wěn)健”,金融周期迅速回落并在2011年12月觸底。

第4輪循環(huán),金融周期在適度的區(qū)間內波動(2012年1月至2014年8月)。此后,在股市牛市及房地產價格上漲等因素的帶動下,金融周期從2014年9月開始進入了第5輪的擴張階段。在此期間,貨幣流動性出現(xiàn)“脫實向虛”現(xiàn)象,這導致了中國金融市場投機風氣嚴重、金融杠桿率過高等一系列問題。為防范金融風險,2017年中國“一行三會”集中出臺多項金融“去杠桿”措施,金融環(huán)境的趨緊使得金融周期進入第5輪的收縮階段。2020年,面對新冠疫情對中國經濟造成的強烈沖擊,政府部門在政策選擇上保持一定的定力與遠見,采取了穩(wěn)健偏適度寬松的金融調控政策,金融周期開始擴張并在2020年8月達到峰點,隨后迅速收縮,于2021年9月結束了第6輪循環(huán)。目前,中國金融周期正處于第7輪循環(huán)的擴張階段。

結合圖2、表3和表4對經濟周期的歷史軌跡進行回顧:2002年,在加入WTO等有利因素的推動下,中國進入了高速增長的經濟繁榮時期。經濟周期從樣本起始點開始進入了持續(xù)25個月的擴張階段。此后經歷了13個月收縮階段的短暫調整后,又進入了第二輪循環(huán)的擴張階段,并在2007年10月達到峰頂。

2008年國際金融危機在全球范圍內迅速蔓延并波及中國,這導致經濟周期迅速下降,并于2009年1月達到谷底。在“四萬億”一攬子經濟刺激政策的影響之下,經濟周期快速反彈,并于2010年2月達到峰點。危機過后,隨著經濟政策效果的逐漸消退,經濟周期進入收縮階段。受經濟結構變化、潛在經濟增長率下行以及固定資產投資持續(xù)低迷等因素的持續(xù)影響,自2012年9月開始,經濟周期經歷先后兩輪“上升幅度較小、下降幅度較大”的景氣循環(huán)(第四輪:2012年9月至2015年10月;第5輪:2015年11月至2020年2月)。

2020年初,新冠疫情對中國經濟造成了前所未有的強烈沖擊,2020年第1季度,中國GDP實際同比增長率降至-6.8%,這是改革開放四十年以來的首次負增長,與之相對應的經濟周期也在2020年2月達到樣本期的最低點。隨著中國疫情防控工作穩(wěn)步落實,社會經濟活動恢復正常運轉,經濟周期波動迅速反彈,并在前一年同期的低基數(shù)作用下,于2021年2月達到了樣本期內的最高點。后疫情時代,由于中國經濟發(fā)展仍存在著經濟結構性不平衡、潛在經濟增長下行、勞動力人口減少等問題,宏觀經濟依然面臨較大的下行壓力,經濟周期進入了第6輪景氣循環(huán)的收縮階段。

總體來看,兩個周期的每一輪景氣循環(huán)無論是周期長度還是收縮和擴張階段的持續(xù)時間都不盡相同,體現(xiàn)出非對稱的周期性波動特征。金融周期與經濟周期的峰點與谷點交替出現(xiàn),并且金融周期都先于經濟周期進入下一輪循環(huán)。經時差相關系數(shù)計算可得,金融周期平均先行經濟周期6個月,對應的相關系數(shù)為0.651 6,這表明金融周期可以作為預測經濟周期運行態(tài)勢的先行指標。

(三)金融周期與經濟周期的聯(lián)動關系分析

對比MS-VAR模型僅能以單一的MS機制來描述指標間的區(qū)制狀態(tài),本文構建的MS-DBF模型可以通過引入聯(lián)合的MS機制來刻畫金融周期與經濟周期之間的聯(lián)合動態(tài)演變過程。圖3至圖6分別給出了金融周期(粗虛線,左軸)與經濟周期(粗實線,左軸)處于不同四種狀態(tài)組合的平滑概率估計結果(細虛線,右軸)。其中,圖3和圖4顯示,兩個周期處于“同步”(兩個周期同時處于擴張或收縮狀態(tài))的樣本期數(shù)為145個月;“非同步”(一個周期處于收縮而另一個周期處于擴張狀態(tài))的樣本期數(shù)為100個月,可以看出在樣本期內金融周期與經濟周期波動表現(xiàn)出較高的協(xié)同性。在“同步”時期中,兩個周期均處于擴張階段的樣本期數(shù)為73個月;二者均處于收縮階段的樣本期數(shù)為72個月,兩種狀態(tài)的持續(xù)期基本相同,但2008年金融危機以來,兩個周期均處于收縮階段為主。

圖3 金融周期與經濟周期均處于擴張狀態(tài)的平滑概率

圖4 金融周期與經濟周期均處于收縮狀態(tài)的平滑概率

圖5呈現(xiàn)了兩個周期處于“收縮—擴張”狀態(tài)的平滑概率估計結果,表現(xiàn)為在新一輪的收縮階段金融周期對經濟周期的先行性。具體來看,在前4輪景氣循環(huán)中,金融周期對經濟周期的先行期比較穩(wěn)定,但第5輪的持續(xù)時間(2016年5月至2018年2月)較以往大幅提升,兩個周期呈現(xiàn)出與以往不同的波動特征。這種經濟現(xiàn)象可能的解釋為:一方面,為了防范可能出現(xiàn)的系統(tǒng)性金融風險,在此期間中國政府采取了穩(wěn)中偏緊的貨幣政策,2016年5月至2018年2月,中國廣義貨幣增速M2從11.8%降至8.76%,金融環(huán)境的趨緊使得金融周期呈下降趨勢,但由于貨幣增速M1、M2剪刀差的持續(xù)擴大通過市場流動性對貨幣政策調控經濟周期的力度起到了抵消的作用[30],使得穩(wěn)中偏緊的貨幣政策并未引起經濟的顯著衰退;另一方面,從2015年下半年開始,由于進口增速和工業(yè)生產增速止跌回暖,經濟周期進入第5輪景氣循環(huán)的擴張階段并一直持續(xù)到2018年2月,上述兩點原因導致金融周期與經濟周期的走勢維持了一段較長時間的背離狀態(tài)。通過觀察樣本末端可以發(fā)現(xiàn),金融周期已經先于經濟周期進入了新一輪的收縮階段。

圖5 金融周期處于收縮狀態(tài),且經濟周期處于擴張狀態(tài)的平滑概率

圖6呈現(xiàn)了兩個周期處于“擴張—收縮”狀態(tài)的平滑概率估計結果,表現(xiàn)為在新一輪的擴張階段金融周期對經濟周期的先行性。其中,第1輪和第5輪景氣循環(huán)中區(qū)制狀態(tài)的持續(xù)時間相對較短,除此以外,其他循環(huán)的狀態(tài)持續(xù)時間比較接近,這反映了在擴張階段金融周期對經濟周期的先行期相對不穩(wěn)定的特征。

圖6 金融周期處于擴張狀態(tài),且經濟周期處于收縮狀態(tài)的平滑概率

總體來看,根據(jù)金融周期與經濟周期四種不同區(qū)制狀態(tài)組合,可以從協(xié)同性和先行性兩個角度對兩個周期之間的關聯(lián)關系進行分析。一方面,通過對兩個周期處于“擴張—擴張”和“收縮—收縮”的聯(lián)合區(qū)制狀態(tài)進行識別,以此來反映二者的協(xié)同性變化;另一方面,通過對“擴張—收縮”和“收縮—擴張”的聯(lián)合區(qū)制狀態(tài)進行識別,以此來反映每一輪景氣循環(huán)中金融周期對經濟周期的先行性變化。此外,根據(jù)表5中聯(lián)合轉移矩陣的估計結果可以發(fā)現(xiàn):

表5 不同區(qū)制狀態(tài)下的聯(lián)合轉移概率矩陣

第一,轉移概率矩陣中的主對角線元素的估計值都較高(分別為0.91、0.86、0.87和0.915),這體現(xiàn)出兩個周期的聯(lián)合波動具有一定的區(qū)制依賴特征,即更傾向于維持原有的區(qū)制狀態(tài)。

第二,在既定條件下,金融周期在不同區(qū)制狀態(tài)間的轉移概率存在一定的非對稱性。當經濟周期處于擴張狀態(tài)時,金融周期由擴張轉為收縮狀態(tài)的概率為0.09;而當經濟周期處于收縮狀態(tài)時,金融周期由收縮轉為擴張狀態(tài)的概率為0.085,略小于前者。

第三,在既定條件下,經濟周期不同區(qū)制狀態(tài)間的轉移概率同樣存在非對稱性。當金融周期處于收縮階段時,經濟周期由擴張轉為收縮階段的概率為0.14;而當金融周期處于擴張狀態(tài)時,經濟周期由收縮轉為擴張階段的概率為0.13,略小于前者,這說明金融周期對經濟周期的前瞻性和預測能力在擴張階段要小于收縮階段。

五、與其他模型結果的比較

為了檢驗本文MS-DBF模型構建的穩(wěn)健性以及金融周期與經濟周期測度的可靠性,基于相同的指標組與樣本區(qū)間,第一步分別采用主成分分析方法和動態(tài)因子模型測度金融周期與經濟周期序列;第二步分別采用MS-AR模型和MS-VAR模型(4)基于MS-DBF模型估計得到的動態(tài)雙因子序列,分別構建MS-AR(0)模型;根據(jù)信息準則判斷,最終構建動態(tài)雙因子的變截距MS-VAR(3)模型。對兩個周期的擴張、收縮階段進行識別。

圖7呈現(xiàn)了三種不同方法測度兩個周期的結果,為了能更直觀地進行比較,所有序列都進行了標準化處理。通過對比可以發(fā)現(xiàn),三種方法對金融周期與經濟周期的刻畫基本一致,相關程度非常高,特別是周期波動中的主要峰點和谷點均基本重合,這說明本文構建的MS-DBF模型可以科學準確地測度金融周期與經濟周期。但是需要指出的是,相較于其他兩種方法,疫情沖擊以來(2020—2022年)MS-DBF模型對于經濟周期的測度更為準確,這是因為在這段時期經濟周期走勢應該表現(xiàn)出跌幅更深的谷點和漲幅更高的峰點。我們可以對經濟周期在樣本期內兩個最高的峰點(對應時點分別為2010年2月和2021年2月)作進一步的橫向比較。主成分分析和動態(tài)因子模型測度的經濟周期在2010年2月的峰點都要高于2021年2月的峰點,而MS-DBF模型正好相反,是前者低于后者。然而,作為反映經濟周期波動最具代表性的兩個指標,GDP增長率和工業(yè)增加值增速在2010年和2021年附近的極值點(5)2010年第1季度和2021年第1季度的GDP實際同比增長率分別為12.2%和18.3%;2010年2月和2021年2月的工業(yè)增加值同比增長率分別為29.2%和52.3%。也都是前者低于后者,這說明MS-DBF模型對經濟周期波動的刻畫更符合經濟事實。

圖7 周期測度的穩(wěn)健性分析

對于金融周期的周期階段識別,圖8顯示,MS-DBF模型和MS-AR模型的收縮概率估計結果幾乎完全重合,兩種方法都能準確地識別出金融周期所有的收縮階段。而MS-VAR模型的收縮概率在2020年之前與其他兩種方法的估計結果較為接近,但疫情沖擊過后的識別結果出現(xiàn)了較大的偏差。主要原因在于MS-VAR模型是將金融周期與經濟周期看作是一個VAR系統(tǒng)進行建模,并只引入一個離散狀態(tài)變量對系統(tǒng)的狀態(tài)進行識別,因此模型估計出的平滑概率既不能完全代表金融周期的收縮階段,也不能代表經濟周期的收縮階段。而MS-DBF模型通過引入兩個離散狀態(tài)變量,不僅可以對金融周期和經濟周期的擴張和收縮狀態(tài)分別進行識別,還可以刻畫兩個周期的聯(lián)合波動狀態(tài)。

圖8 金融周期階段識別的穩(wěn)健性分析

對于經濟周期的周期階段識別,圖9顯示,MS-DBF模型準確地識別出經濟周期每一輪波動的收縮階段,而MS-AR模型只識別出在2009年和2021年附近的兩個擴張階段,其他時期均為收縮階段,這顯然是不準確的。出現(xiàn)這種情況的主要原因在于,疫情沖擊過后,經濟周期的波動幅度過大導致MS-AR模型在估計過程中高估了截距項的估計值(絕對值),這會掩蓋其他波動幅度相對較小時期的周期波動信息,最終導致MS-AR模型失效。與本文的研究結論一致,高鐵梅等認為當經濟結構出現(xiàn)變化或當經濟出現(xiàn)大的危機等情況時,使得新的數(shù)據(jù)將會呈現(xiàn)出與以往不同的特征,特別是數(shù)據(jù)發(fā)生劇烈變化時,MS-AR模型將無法得到合理的估計結果[31]。另外正如上文的分析,MS-VAR模型同樣不能準確地識別經濟周期的周期階段。

圖9 經濟周期階段識別的穩(wěn)健性分析

總的來講,經過穩(wěn)健性分析可以證明本文構建的MS-DBF模型是穩(wěn)健可靠的。對比其他方法,本文提取的經濟周期序列更符合經濟事實。對于周期階段的識別,由于測度金融周期的指標組多為金融類指標,并未受到疫情沖擊的過多影響,合成的金融周期能夠在正常的區(qū)間內上下波動,因此MS-DBF模型和MS-AR模型都能準確地識別金融周期的周期階段。但是,宏觀經濟數(shù)據(jù)受疫情沖擊影響較大,合成的經濟周期序列出現(xiàn)了大幅度的上下波動,最終導致MS-AR模型的估計結果無法準確識別經濟周期階段,而本文構建的MS-DBF模型因為是在統(tǒng)一框架下對金融周期和經濟周期的波動狀態(tài)進行同時識別,并在聯(lián)合轉移概率矩陣的約束下,能夠時刻捕捉每一輪周期波動下金融周期對經濟周期的先行關系,所以對經濟周期階段的識別是準確的,這正是MS-DBF模型的優(yōu)勢所在。

六、結論與啟示

本文應用MS-DBF模型對中國2002年1月—2022年6月的金融周期和經濟周期進行測定及轉折點識別,并系統(tǒng)地考察了兩個周期的波動特征以及聯(lián)動關系,得到研究結論為:不同區(qū)制狀態(tài)下聯(lián)合轉移概率存在的非對稱性使得中國金融周期與經濟周期均呈現(xiàn)非對稱的波動特征。從協(xié)同性和先行性兩個角度分析兩個周期的聯(lián)動關系,一方面,在樣本期內兩個周期波動表現(xiàn)出較高的協(xié)同性,二者波動“同步”的持續(xù)時間大于“非同步”的持續(xù)時間;另一方面,無論是在擴張階段還是收縮階段,金融周期對經濟周期都具有一定的先行性,但每輪循環(huán)的先行期長短不一。穩(wěn)健性分析表明,疫情沖擊導致宏觀經濟數(shù)據(jù)異常波動,使得MS-AR模型和MS-VAR模型無法準確識別經濟周期階段,而本文構建的MS-DBF模型在動態(tài)雙因子結構下,依托聯(lián)合轉移概率矩陣的約束可以準確識別經濟周期的每一輪波動。這為后疫情時代應用MS模型研究經濟周期問題提供了一個全新的思路。

在中國經濟發(fā)展面臨“需求收縮、供給沖擊、預期轉弱”三重壓力的背景下,宏觀調控政策首要目標在于“穩(wěn)增長”?？紤]到兩個周期之間的聯(lián)動關系,首先,充分發(fā)揮金融周期對經濟周期的前瞻性和預測作用,政府部門在監(jiān)測宏觀經濟運行狀態(tài)的同時,應該進一步加強對金融景氣波動的關注,并建立和完善宏觀經濟與金融系統(tǒng)預警機制;其次,要繼續(xù)深化金融體制改革,促進實體經濟與金融系統(tǒng)之間的良性互動與協(xié)調發(fā)展。目前,經濟周期與金融周期正處于“前者收縮、后者擴張”的聯(lián)合區(qū)制狀態(tài)。其中,經濟周期處于第6輪循環(huán)的收縮階段,下行壓力較大;金融周期雖然處于第7輪循環(huán)的擴張階段,但仍位于較低水平,這預示著現(xiàn)階段中國系統(tǒng)性金融風險總體可控,宏觀調控仍然具有一定的政策調控空間,可以進一步實施精準積極的財政政策與適度寬松的貨幣政策實現(xiàn)經濟平穩(wěn)增長。