我国金融状况指数的构建

我国金融状况指数的构建_房地产价格上涨的广义财富效应研究

（一）FCI指数的定义与估计方法

1.FCI指数的定义

本节的目标是要构造我国货币金融形势的一个综合测度，以反映金融整体形势的松紧状况。在各种FCI常用的利率、汇率、股价和房价变量外，考虑到我国货币政策长期以货币供应量作为中介目标和操作目标的实践特征，所以我们将货币供应量纳入FCI指数中，以反映货币因素对产出与通货膨胀的作用。同时，考虑到我国货币政策做传导主要依靠信贷途径完成，所以将信贷变量也纳入FCI指数中。为了进行比较，本节利用中国数据构建以下三个FCI指标：

模型（1）：

模型（2）：

模型（3）：

其中，hpgapt、spgapt、rrgapt和rexgapt分别表示实际房价指数缺口、实际股价指数缺口、实际利率缺口和实际汇率缺口，这四个变量组成FCI3t指数，FCI1t在FCI3t的基础上加入了实际货币供应量缺口mgapt，FCI2t在FCI3t的基础上加入了实际信贷缺口rregapt。

2.长期趋势的估计

各变量的缺口值定义为实际值对长期趋势或均衡值的偏离，因此，如何估计长期趋势或均衡值是一个重要的问题（Gauthier et al.，2004）。Goodhart ＆Hofmann（2001）在其文章中对四个变量的趋势分别作了不同的定义，短期利率的趋势为其样本均值，汇率与房价的趋势为线性趋势，而股价的趋势则用H-P滤波算出，理由是股票价格的期望值具有很强的时变性。其后Goodhart ＆Hofmann（2002）又认为所有变量都应该用H-P滤波去除时变趋势。H-P滤波法常用于时变趋势（Time-varying trend）中，本节采用Goodhart ＆Hofmann（2002）的方法，对所有变量的长期趋势采用H-P滤波法。

3.权重系数的估计

关于FCI的权重，相关文献中主要通过分析资产价格在货币政策传导机制中的作用来确定，方法上具体有三种：大型宏观经济计量模型、总需求方程缩减式模型和VAR模型的脉冲响应方程。本书采用Surach Tanboon（2004）、Goodhart ＆Hofmann（2001）以及Gauthier，Graham ＆Liu（2004）等使用的VAR模型的脉冲响应方法，计算各资产价格变量的一单位冲击对通货膨胀的影响，使用Cholesky因素分解来确定各资产的权重。模型（1）～（3）对应的VAR方程为式（7-29）：

其中，Ak为待估参数矩阵，εt是随机扰动列向量，下标k表示滞后除数，模型（1）～（3）对应的Yt包含的变量有：通货膨胀率、产出缺口以及对应的模型（1）～（3）中的相应变量。首先计算模型（1）～（3）对应的VAR方程中各变量的单位Cholesky新息（Innovation）冲击在随后10个季度对通货膨胀率的平均脉冲响应，再计算模型（1）～（3）式中每个变量的平均脉冲响应占中模型中所有变量的平均脉冲响应值总和的比例，并且以此比例作为权重。

（二）样本数据的选择与处理

本节的样本区间为1998年第1季度至2009年第1季度，共45个样本点。以消费价格指数（CPI）作为通货膨胀指数，在获得各季度的同比CPI指数的基础上，转换成以2007年第1季度为基期的环比数据，经季度调整后（X11方法，下同）计算出通货膨胀率（pai）。产出（y）由GDP季度数据清除物价因素（除以2007年1季度为基期的CPI，下同）并季度调整后求对数。采用银行间7天同业拆借利率的季度加权平均数减去同期的CPI通胀率作为实际短期利率（rr）的代理指标。采用月度实际有效汇率指数的季度平均值作为季度实际有效汇率（rex）指标。股权价格指数（sp）选用上证综合指数，房价指数（hp）选用统计局公布的房屋销售价格指数。货币供应量（rm）采用广义货币供应量M2作为代理指标，信贷（rre）数据由金融机构各项贷款作为代理指标，两者都消除物价后进行了季节调整。

为了消除异方差，所有变量取自然对数值。并且，除通货膨胀率外，所有变量的缺口值，由各变量减去H-P滤波法计算的趋势值得到。汇率指数来源于国际货币基金组织的《国际金融统计》，其余变量来自各期的《中国人民银行季报》和《中国经济景气月报》。

（三）经验估计

1.单位根检验

由于VAR模型要求系统具有平稳性，如果系统各变量是平稳的或者系统各变量具有协整关系，可保证系统的平稳特征。通过扩展的Augment Dickey-Fuller单位根检验（见表7.7），发现通货膨胀率、实际信贷缺口、实际房价指数缺口、实际汇率指数缺口为一阶单位根I（1），产出缺口、实际股价指数缺口、实际M2缺口、实际利率缺口均平稳。

表7.7　各变量缺口值的单位根检验结果

注：Δ表示一阶差分；＊、＊＊、＊＊＊分别表示在10%、5%和1%水平下显著；Augment Dickey-Fuller单位根检验原假设为存在单位根。

由于部分变量具有一阶单位根，所以我们要进一步通过迹统计量来确定模型（1）～（3）所相对应的VAR是否具有协整关系。结果如表7.8所示，可以看出，模型（1）、模型（2）所对应的VAR模型最多具有四个协整关系，模型（3）所对应的VAR最多具有三个协整关系。可见，本节所采用的三个VAR模型的变量间都有协整关系，模型具有平稳性。

表7.8　协整关系检验

注：＊表示在5%的显著水平下拒绝原假设。

2.系数估计

模型（1）～（3）对应的VAR方程平稳的前提下，采用AIC信息规则和SC信息规则选择最优滞后除数k，并且进一步，通过模型特征多项式的逆根是否都在单位圆内以保证VAR方程结构的稳定性。在VAR脉冲响应的基础上推导出FCI指数的权重系数如下：

模型（1）：

模型（2）：

模型（3）：

在模型（1）中实际M2缺口的权重最大，其次为房价指数缺口；在模型（2）中房价指数缺口的权重最大，其次为实际信贷缺口；模型（3）中房价指数缺口权重最大，股价指数权重略低。可见三个模型中，房价指数的权重都占有较大的权重，大于股价指数、利率和汇率，表明我国房价对通货膨胀的影响较大。这与Goodhar ＆Hofmann（2001）、Mayes ＆Viren（2001）对西方国家的FCI研究结论有类似之处，即房价比股价对通货膨胀有更好的解释和预测能力。

本节中的FCI3所选用的指标和研究方法与Goodhart ＆Hofmann（2001）的相似，所以我们对Goodhart ＆Hofmann（2001）所计算的OECD各国的FCI与我国的FCI3进行比较（见表7.9）。可以看出，中国与OECD国家的FCI的显著区别在于利率与股价的权重。利率在我国的FCI中的权重明显低于OECD国家，其中原因可能是我国利率尚未完全市场化，其变化对实际经济运行的影响还不是很显著。OECD各国中股价的权重非常低，是所有资产中最低的，而我国FCI1、FCI2和FCI3中的股价权重都高于利率的权重。

表7.9　OECD各国的FCI与中国FCI比较

资料来源：OECD各国数据来源于Goodhart ＆Hofmann（2001）采用VAR脉冲响应所得结果，中国数据为本节所计算得出的FCI3。

3.FCI指数与通货膨胀率的关系

从图7.5可以看出，FCI1、FCI2和FCI3的走势基本相同，波动性依次增大，且都明显高于通货膨胀率。

图7.5　FCI1、FCI2、FCI3和通货膨胀率pai的趋势

接下来采用Granger因果关系检验来分析各FCI指数与通货膨胀率之间的关系，首先对变量FCI1、FCI2、FCI3和通胀率pai进行单位根检验，发现四个变量都为一阶单整I（1），然后对各变量与通胀率pai进行Granger因果关系检验，结果如表7.10所示。

表7.10　FCI1、FCI2、FCI3与pai的Granger检验

注：以上三对Granger因果关系检验的滞后阶数都为5，且滞后阶为6、7、8的结果与滞后5期的结果一致，说明检验结果稳定有效；＊＊＊表示在1%水平下显著。

从表7.10可以看出，各FCI是通货膨胀率的Granger原因，而通货膨胀率并不是各FCI的Granger原因，并且检验结果对滞后期数的选择不敏感，结论可靠。表明滞后5个季度的FCI对CPI通胀的预测具有显著的改善作用。

接下来通过方差分解，FCI1、FCI2、FCI3的一个单位标准冲击分别对通货膨胀率的当前及未来的影响。从图7.6可以看出，FCI1对未来通货膨胀率预测的信息量大于FCI2和FCI3，并且考虑到FCI1的波动性要小于FCI2和FCI3，所以我们认为包含实际M2、房价、股价、利率和汇率的FCI1质量高于FCI2和FCI3。

图7.6　FCI1、FCI2、FCI3的方差分解

（四）结论

本节采用Goodhart ＆Hofmann（2001）使用的VAR模型的脉冲响应方法和Cholesky因素分解法来确定FCI中各资产权重的方法，构造了包含利率、汇率、股价和房价的我国金融状况指数（FCI）。同时，考虑到我国货币政策长期以货币供应量作为中介目标和操作目标的实践特征，以及我国货币政策传导主要依靠信贷途径完成的实际情况，分别在FCI中纳入货币供应量和信贷额以进行比较分析。结果表明：（1）在FCI指数构建中，房价变量占有较大的权重，大于股价指数、利率、汇率和信贷增长率，表明房地产价格对通货膨胀具有较大的影响。（2）与Goodhart ＆Hofmann（2001）所计算的OECD各国FCI相比，利率在我国的FCI中的权重明显偏低。原因可能是我国利率尚未完全市场化，其变化对实际经济运行的影响还不是很显著。表明利率已经成为西方国家主要经济指标与货币政策工具的同时，其在中国经济运行中的作用还相当有限。企业和个人进行投资及银行发放贷款，更主要考虑的是项目的可行性而不是利率的高低。因此，推动利率市场化改革，提高微观主体以及宏观经济对利率的敏感度势在必行。（3）从预测未来通货膨胀的信息含量以及波动性来看，包含货币供应量的FCI指数要优于包含信贷变量以及仅包含房价、股价、汇率和利率变量的FCI指数。（4）FCI指数是通货膨胀率的Granger原因，表明FCI对通货膨胀的预测具有良好的预测力，可以成为货币政策的短期指示器。