简单点更好：货币政策和金融稳定性的融资条件测度

内容提要

文章基于在全球GDP中占比达70％的18个发达和新兴经济体的月度数据，评估了使用简单平均而非时变参数多因子模型来构建融资条件指数（FCIs）的优点。并使用四条标准来评估这些指数的表现，即分位数回归、结构向量自回归（VAR）、指数预测银行业危机的能力，及其对美国货币政策冲击的反应。研究发现，使用判断性权重产生的FCIs的实证表现会比采用复杂计量方法构建的指数更好。

一、融资条件指数

长期的平静通常预示着金融危机，平静期借贷利率低廉、资产价格升高、波动性降低、利差收窄，但经济失衡会逐渐累积。平静期宽松的融资条件会让债务人用尽杠杆，而在融资条件趋紧时陷入困境。这种情况下，融资条件指数（financial condition indices，FCIs）可用于监控失衡加剧的程度，能提供未来风险信息，并可在一定程度上校准宏观审慎政策和工具。融资条件，即概括衡量企业、居民和政府融资难易程度的指数，对金融稳定和货币政策调控都有重要作用。另一方面，融资条件的变化也是货币政策传导机制的要素，融资条件收紧时，短期利率的小幅波动可能会导致信贷成本的大幅波动，故货币政策制定者常用FCIs来研究货币政策对金融市场的广泛影响，通过监控FCIs的变化来识别需应对的冲击，并评估政策对宏观经济的影响。

那么，FCIs应包括哪些指标，各指标又作何权衡呢？大量计量经济学文献通常基于因子模型，以多种资产价格、信贷额及其价格，按特定变量集合及权重的函数得到FCIs。然而，因所用计量技术的复杂性，FCIs变得日益复杂且引致模型不稳定性问题，即不同时期间，金融部门与实体经济间的关系会发生结构性变化。

笔者认为，使用直观定性的权重做简单平均来构建FCIs要优于使用复杂计量方法构建的FCIs。其原因可能在于：首先，文献所用复杂计量技术主要是为降低数据集的高共线性，其逻辑是对高度相似的多个数据序列而言，其中少数序列的线性组合即可有效总结大型数据集的有效信息。然而，常见FCIs中纳入的因素表现大相径庭，如几十年来利率一直走降，而公司债利差或股价波动则是平稳的过程，汇率则表现出明显的周期性。考察常用于构建FCIs的9个宏观金融因子（包括信贷增长、利率、资产价格、波动率和汇率）样本的相关性发现，36个相关系数中，只有3个绝对值高于0.3，即股票波动率与股票收益间、股票波动率与主权债利差间，及金融同业利差与主权债利差间这三个相关性。研究表明，鉴于FCIs因子的异质性和缺乏共线性，此类技术构建的指数很可能只能代表数据集的有限部分。

第二个问题是，有的计量方法并不能很好地控制各个因子对指数的作用符号。但事实上，这可借助外部信息来给定约束。如，取决于外币在本国经济中的作用，汇率对融资条件的影响方向有所不同（详见下文）。

第三个问题是，权重反映的是过去的冲击或危机，故文献中某些被赋权重为零的序列未能得到决策者关注，但全球金融危机后出现的新脆弱点是需事前监控的。如新兴市场债务的增加，及美国跨境投资组合的流动性与公司债务间越来越高的相关性（IMF，2019）。

二、本研究构建的FCIs及其评估

基于此，笔者使用在全球GDP中占比达70％的18个发达（AEs）和新兴经济体（EMEs）1995年1月至2020年5月期间的月度数据，以一组金融变量和宏观经济变量的不同组合构建如下三组FCIs。

1. TVP-FCI（时变参数FCI）。基于Koop & Korobilis (2014)和Arregui等(2018)的时变参数和漂移波动率的贝叶斯动态因素模型构建复杂指数TVP-FCI，它属于文献中最复杂的一类FCIs。数据集包括：政府债长期实际收益率；各种利差，即EMEs主权债利差、AEs的公司债利差、所有国家的金融同业利差和期限利差（除期限利差外，都是相对无风险收益率的利差）；股票和住宅实际价格的百分比变化；居民和为居民服务的非盈利性机构的信贷增长率；已实现的股价波动率；与美元的双边汇率。所构建的TVP-FCI与IMF《2017年全球金融稳定报告》构建的已用于实际政策分析的FCI高度相关，金融同业市场利差和已实现股价波动率所占权重很高。为克服前述复杂指数的零权重和变量作用方向不可控问题，下文使用合理给定的权重做简单加权，构建两个简单指数，并在给定标准下评估不同指数的表现。

2. WA-FSI（加权平均FSI）。以与TVP-FCI相同的变量集，但经简单加权平均构建WA-FSI指数。变量权重和符号方面，股价波动和利差等表征经济金融压力的因素权重合计高达50%，剩余权重则平均分配给其他因素。指数升高意味着融资条件收紧，收益率、利差和股价波动率符号为正，股价、房价和信贷额符号为负。汇率符号则是AEs为正、EMEs为负，其原因在于，EMEs（不包括俄罗斯）拥有大量美元计价的债务，本币兑美元贬值时，本币计价的债务成本上升，融资条件趋紧；而对AEs而言，假定传统贸易渠道起主导作用，故本币升值会吸引资金流入，融资条件放松。

3. WA-FCI（加权平均FCI）指数。使用范围更小但每日可得的金融变量做简单加权平均而得，输入变量包括：短期（3/6月或1年期）和长期（10年期）收益率、市盈率、汇率（EMEs货币兑美元双边汇率，AEs为NEER）和利差指标（AEs为公司债利差，EMEs为摩根大通EMBI利差）。该指数中变量和权重的选取均与高盛开发且广泛使用的FCIs类似，旨在反映正常时期而非压力期间的融资条件演变。该指数强调实际融资成本，因长期利率被用作居民和非金融公司各类贷款利率及股票估值的基准，故长期利率和市盈率在WA-FCI中的权重约占50%，其余因素的权重则大致与高盛指数一致。WA-FCI指数数值可每日获取，故可用于央行在每次货币政策决策会议间隔期的例行金融市场高频监测。

WA-FSI和WA-FCI可互为补充，前者更强调反映金融体系压力的因素，对金融稳定性分析可能更有用；后者更强调信贷成本且可获得高频数据，更适合用于货币政策调控。

三、实证结果和评估

研究使用四条标准来评估这3项FCIs的表现，即分位数回归、指数预测银行业危机的能力、结构向量自回归（VAR），及其对美国货币政策冲击的反应。

（一）分位数回归

分位数回归方法适用于估计变量X对因变量y的整体条件分布的影响。众所周知，源于金融部门的衰退要比其他衰退更为严重，故FCIs的一条理想属性是能反映GDP分布的左尾部的更多信息。Adrian等（2018）发现，当前融资条件和未来工业产值增长的条件分布密切相关；具体而言，未来工业产值增长的低分位数比高分位数对当前融资条件更敏感，且其整体分布会发生结构性变化，经济衰退期通常为左肥尾分布，而扩张期则为大致对称分布。工业产值增长条件分布的尾部不对称性表明，经济下行风险对融资条件变化的反应比经济上行风险反应大。

使用分位数回归检验前述三项FCIs对工业产值不同分位数的非线性影响，主要结论为：（1）无论哪项指数，或哪个国家（挪威除外），融资条件变化对较低工业产值分位数的负面影响都明显更大。这表明融资条件传达了实体经济下行风险的有力信号；（2）对英美两国，此种高低分位数影响差异的不对称现象异常显著。

图1  FCIs对工业生产条件分布的较低分位数的影响

就各指数的效果而言，对多数国家/地区（英国、中国、韩国、瑞典、俄罗斯、新西兰和墨西哥），WA-FSI对较低分位数的影响最大；而WA-FCI更能反映美国、意大利、澳大利亚、德国、印度、巴西、土耳其、法国、加拿大和日本的经济下行风险。对所有国家都至关重要的一点是，就对第5个百分位工业产值的影响而言，其他2个指数的表现明显优于TVP-FCI，可提供未来经济活动下行风险的更精确信息。

（二）FCI和银行业危机

第二个评估标准是指数预测系统性银行业危机的能力，银行业危机在某种程度上与深度衰退有关，故本条也是对前一条标准的补充。使用Laeven和Valencia (2018)的面板概率模型，纳入前述三项FCIs和一组标准控制变量进行分析，后者包括通胀增长率、实际GDP、银行对非金融私人部门的实际信贷额及国内外的实际信贷增长率。

结果表明，与FCIs相关的所有变量系数都为正，表明融资条件收紧增加了未来发生银行业危机的可能性，且统计高度显著（除WA-FCI外）；从系数大小看，WA-FSI表现最佳，即其能最有效地预测银行业危机。

（三）结构向量自回归（SVA）

第三个标准是构建FCIs与其他宏观经济变量相互作用的结构向量自回归（SVA）模型，融资条件变化的脉冲响应函数能给出其对经济活动因果影响的信息，SVA方法的优势在于纳入了变量间的相互作用。

SVA分析的结果本质上与分位数回归的结果相似。特别是，对除巴西外的所有国家/地区，TVP-FCI的效果优于其他简单指数，WA-FSI和WA-FCI则不相上下。

（四）溢出分析

最后一个标准是哪个指数能更好地反映美国货币政策的影响。融资条件与货币政策间的关系有两个方向。一方面，央行确定利率，直接或间接地影响融资条件。另一方面，融资条件也是央行决策依赖的一项重要信息。

从全球金融周期的文献可知，融资条件高度全球化，一个原因与美国货币政策的溢出效应有关，主要有三个影响渠道，即汇率调整、本国经济中的进口需求和融资条件。溢出效应具体取决于各个国家/地区的特定特征，包括货币政策如何应对美国冲击、汇率制度以及对外部冲击的脆弱程度。

笔者基于Jordà（2005）将美国冲击及其应对纳入融资条件评估，结果表明只有WA-FCI会立即且显著地对美联储紧缩冲击做出反应，与货币政策直接相关变量所占权重较高的WA-FCI可更好地反映美国货币政策对融资条件的影响。

四、总结

研究结果表明，基于加权平均WA-FSI的融资压力测度能更有效地预测银行业危机，和刻画风险环境下的增长。而利率和股票收益所占权重更高的WA-FCI指数则更好地描绘了全球金融环境下美国货币政策的影响。总体而言，更复杂的TVP-FCI指数并未在任何实践应用中展现优势。

前述所有FCIs都只基于有限数据集，以便为众多国家提供用于在类似数据集下开展政策分析的基准指数。那么，适用于欧美等大型发达经济体的“大数据”样本的复杂指数是否会优于小数据样本构建的简单指数呢？为此，笔者使用分位数回归方法对TVP-FCI、WA-FCI、WA-FSI和两个常用大型数据集指数（即芝加哥联储发布的美国经济国家金融状况指数（NFCI）和欧元区的系统性压力综合指数（CISS））开展评估，结果显示，WA-FSI远胜于NFCI和CISS。

概言之，实证分析给出了两个关键信息。首先，就构建金融条件测度指数来做国际政策分析而言，一些国家缺乏大量信息并非主要障碍。其次，使用复杂的方法会使指数难以解释，且并不能提供重要的附加价值。