２０１６·３国际金融研究引言金融对经济是一把“双刃剑”。
合理有效的金融体系可以通过促进储蓄到投资的转化以及优化市场资源配置等途径推动宏观经济的发展，然而金融发展过程中的各种不稳定因素以及金融风险的客观存在，又是阻碍经济增长、加剧经济波动的重要原因。
进入21世纪以来，随着中国金融改革的深化和金融开放程度的提高，各种金融冲击对中国宏观经济的影响渠道日益多样化和复杂化，不仅显著地改变着宏观经济的运行规律，而且也为宏观经济调控带来了新的挑战。
因此，合理评估中国的金融状况，分析其变动规律以及对宏观经济的影响机理，对于进一步判断和理解宏观经济运行态势、科学制定宏观经济调控政策和金融改革措施有着极为重要的理论和现实意义。
近年来，国内外许多学者倾向于利用利率、汇率、货币供给量以及各类资产价格构建金融状况指数（Financial Conditions Index ，FCI ），对包含货币市场、资本市场甚至房地产市场在内的金融系统进行综合描述，并以此作为判断一国金融状况的依据。
这些研究一般都通过对各类金融变量进行加权的方式得到金融状况指数的测量结果，但在各金融变量权重的确定方面存在较大分歧。
按照现有研究，确定权重所依赖的方法大致可以分为大型宏观经济模型、总需求方程缩减式以及向量自回归模型（VAR ）三种。
如Dudley &Hatzius （2000）利用美联储的大型宏观经济模型，根据各金融中国金融状况的波动特征及其宏观经济效应分析邓创滕立威徐曼作者简介：邓创，经济学博士后，吉林大学数量经济研究中心副教授、博士生导师；滕立威，上海财经大学金融学院硕士研究生；徐曼，吉林大学商学院硕士研究生。
*基金项目：国家社科青年基金项目（项目号：11CJL012、12CJY109）；教育部人文社会科学重点研究基地重大项目（项目号：13JJD790011）；中央高校青年学术骨干支持计划（项目号：2015FRGG09）。
内容摘要：本文基于时变参数向量自回归模型构建了中国的动态金融状况指数，并以此考察了中国金融状况的波动特征及其宏观经济效应。
分析表明，中国金融状况的波动具有明显的周期性规律和缓慢扩张快速收缩的非对称性特征，且分别领先于通货膨胀和经济波动11个月和5个月左右；金融状况变动对通货膨胀和经济波动的冲击影响具有显著的非对称性特征，金融状况好转对通货膨胀和经济波动的促进作用要比金融状况恶化对二者产生的负面影响更为显著。
近年来，中国金融状况处于松紧适度的良性区间，因而是新常态背景下经济结构转型升级和金融改革创新的重要契机。
关键词：金融状况指数通货膨胀经济波动TVP-VAR 模型中图分类号：F224.0文献标识码：A *17DOI:10.16475/ki.1006-1029.2016.03.002国际金融研究２０１６·３变量对GDP 的影响大小设置权重计算了美国的金融状况指数。
Mayes &Viren （2001）则根据总需求缩减式中的变量系数估计结果计算权重，对欧洲11个国家的FCI 进行了测算。
Swiston （2008）通过建立包含汇率、股票价格、贷款标准以及公司债券收益的VAR 模型，利用各变量对冲击的脉冲响应结果计算权重，构建出美国金融状况指数，并发现其领先美国宏观经济约6-9个月。
国内关于中国金融状况指数的测度研究主要是基于总需求方程缩减式或者VAR 模型确定变量权重。
陆军和梁静瑜（2007）运用总需求缩减式和超额需求缩减式两种方法估计FCI ，发现在样本期内FCI 对CPI 具有很强的预测能力，而与GDP 增长率走势则较为吻合。
王维国（2011）基于联立方程模型构建了中国金融状况指数，并验证了FCI 对通货膨胀的指示器作用。
王玉宝（2005）基于VAR 模型构建了包含股票价格、房地产价格、短期利率和汇率在内的FCI ，其分析认为FCI 可以作为制定货币政策的辅助参照指标。
封北麟和王贵民（2006）在此基础上拓展了变量选取的范围，加入实际货币供给量对FCI 进行了测算，分析表明，包含实际货币供给量的FCI 对通货膨胀具有更好的预测作用。
王彬（2009）、郭晔等（2012）也都运用VAR 模型构建了中国的FCI ，并就其对通货膨胀的预测力以及在制定货币政策中的指示器作用进行了检验。
比较上述研究在FCI 测算过程中所使用的三种权重计算方式来看，大型宏观经济模型虽然可以很好地解决变量内生性问题，体现各变量间相互依存的复杂关系，但模型往往过于复杂，数据的获取和计算难度都比较大，因而在实证研究中比较少见。
而基于总需求方程缩减式的方法虽然克服了大型宏观经济模型计算困难的缺点，但方程中能包含的金融变量数量十分有限，难以对一国金融状况做出全面、系统的描述；并且关于总需求方程特定形式的假设在现实中是否成立，也有待进一步探究。
相比之下，VAR 模型不仅可以纳入更多的金融变量，而且不依赖于特定的理论假设，计算简便，因而在FCI 构建中得到了最为广泛的运用。
需要注意的是，尽管上述研究大多得到了许多有关金融状况波动态势和货币政策调控效应的重要结论和有益启示，但在FCI 的测算上存在一个共同的不足之处———各金融变量的权重在样本期内固定不变。
事实上，随着宏观经济环境和市场结构的变化，各金融变量在整个金融环境中的重要程度及其对宏观经济目标变量产生的冲击影响，在不同的经济和金融发展时期必然存在显著差异，而基于固定权重构建出来的FCI 显然无法刻画和解析这种差异或时变特征。
可见，研制基于时变权重的动态FCI 构建方法，对于提高FCI 测算结果的可靠性、正确分析金融状况的变动特征及其与宏观经济之间的关联机制是极其必要的。
事实上，目前已有一些学者开始转向利用时变权重对FCI 进行测算，并取得了一定的进展。
Montagnoli &Napolitano （2005）基于总需求方程的缩减式，建立状态空间模型，运用卡尔曼滤波方法测算了FCI 的时变权重，并以此构建出美国、加拿大、欧元区和英国的动态金融状况指数。
一些国内学者也借鉴这一方法进行了尝试性研究。
王雪峰（2009）和卞志村（2012）等运用上述方法计算出基于时变权重的FCI ，分析认为其可以很好地反映金融状况波动态势并包含了未来的宏观经济信息。
刁节文（2012）在此基础上加入货币供给变量，运用同样的方法构建了具有时变权重的FCI 。
余辉和余剑（2013）基于时变参数状态空间模型分别估算了1997-2009年以及1997-2011年的两组金融状况指数，结果显示货币供给量、股价、房价所占的权重相对较大。
总结现有研究可以发现，目前对于金融变量时变权重的计算，大都基于总需求方程缩减式，利用卡尔曼滤波估计出时变系数作为计算依据，而运用其他方法确定时变权重的研究比较少见。
近年来，一些学者开始将时变参数向量自回归模型（TVP-VAR ）用于分析经济中的时变问题（Jouchi Nakajima et al.，2011），该模型假定系数矩阵和扰动冲击的协方差矩阵均具有时变性，不仅可以有效捕捉系统中可能出现的异方差现象和变量之间的非线性关系，而且可以模拟出各变量对于单位冲击的时变响应结果。
本文认为，一方面时变参数向量自回归模型可以克服总需求方程缩减式包含金融变量个数较少的缺陷；另一方面又可以根据时变脉冲响应结果对金融变量权重的时变性进行合理度量，因而不失为构建动态金融状况指数的一种有效方法。
18鉴于此，作为一项新的尝试和对现有研究的有益补充，本文拟构建包括股票价格、房地产价格、利率、汇率、货币供给量以及信贷规模等多个金融变量在内的时变参数向量自回归模型，在确定各变量时变权重的基础上计算中国的动态金融状况指数，并进一步分析金融状况变化对通货膨胀和经济波动等宏观经济目标变量的非对称影响，以期为深入理解中国宏观经济和金融环境的波动态势、提高金融改革措施和货币政策调控的有效性提供经验参考和政策启示。
一、金融变量的选择及其时变权重的计算（一）金融变量的选取金融状况指数的构建与宏观经济景气一致指数等指数的构建在变量选择上的一个重要区别在于，前者不仅要综合对资产价格、利率、汇率以及货币供给量等各类金融变量的波动态势进行描述，而且要充分考虑这些金融变量与宏观经济目标变量之间的联动关系。
考虑到中国宏观经济政策特别是货币政策调控的首要任务是维持物价稳定，并且金融变量对价格的传导冲击也比对产出的影响更为直接。
因此，本文在金融变量的选取及其动态权重的计算方面均将该变量对通货膨胀率的影响程度作为首要考虑因素。
另外，选取的金融变量是否可以涵盖各个金融领域，也是金融状况指数测量结果能否全面、系统地反映金融环境变动态势的关键。
因此，本文借鉴Goodhart&Holfmann（2001）的思路，并结合国内现有相关研究的做法，选取利率、汇率、货币供给、信贷规模、股票价格和房地产价格六个金融变量，以综合反映货币市场、资本市场、房地产市场以及银行体系的变动情况。
为了能对金融环境的“松紧”状态进行合理度量，本文考虑去除各金融变量的长期趋势成分，只保留其循环波动成分，以考察各金融指标短期内受宏观经济波动、金融冲击或政策干预的影响而偏离其稳定状态的程度。
具体处理方式如下：（1）实际股价缺口（GAP＿S t）：以上证综合指数除以1990年为基准的定基CPI得到实际股价指数，取自然对数后利用X12法和HP滤波法先后消除季节波动和实际股价指数的长期趋势，得到其循环波动成分作为实际股价缺口。
（2）实际房价缺口（GAP＿H t）：考虑到商品房销售价格数据样本长度的限制以及以此描述整个房地产市场的波动情况可能存在偏差，本文选取国房景气指数作为房地产市场波动的代理变量，并将（国房景气指数-100）/100计算为实际房价缺口。
（3）实际利率缺口（GAP＿R t）：以银行间7天同业拆借利率去除通货膨胀因素得到实际市场利率，经X12法季节调整，利用HP滤波得到循环成分作为实际利率缺口。
（4）实际汇率缺口（GAP＿E t）：选取人民币实际有效汇率指数作为实际汇率的代理指标，取自然对数并经X12法季节调整，用HP滤波法计算得出实际汇率缺口。
（5）实际货币缺口（GAP＿M t）：选取广义货币供给量M2作为货币供给量的代理变量，除以定基CPI指数得到实际货币供给量，取自然对数后使用X12方法进行季节调整，最后利用HP滤波方法得到实际货币缺口。
（6）实际信贷缺口（GAP＿C t）：选取金融机构各项贷款月末数据作为信贷规模的代表，同样在消除通货膨胀因素后，取自然对数并先后经X12法和HP滤波法去除季节成分和长期趋势成分，得到循环成分，以此作为实际信贷缺口。
最后，本文中作为宏观经济目标变量的通货膨胀率（Inflation t），采用城镇居民消费价格指数的同比数据计算得到。