近年來，我國金融市場不斷發(fā)展，金融結(jié)構(gòu)改革不斷深化，金融工具不斷創(chuàng)新，商業(yè)銀行表外業(yè)務(wù)對(duì)貸款的替代效應(yīng)明顯增強(qiáng)，證券、保險(xiǎn)類機(jī)構(gòu)對(duì)實(shí)體經(jīng)濟(jì)融資支持力度加大，部分信用發(fā)生在銀行體系以外，資產(chǎn)負(fù)債期限的轉(zhuǎn)化同時(shí)發(fā)生在“影子銀行”等其他形式中，大量會(huì)對(duì)系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生重要影響的金融機(jī)構(gòu)和衍生金融產(chǎn)品沒能納入宏觀審慎管理的范圍之內(nèi)�；�于當(dāng)前金融市場的復(fù)雜狀況，中國人民銀行從2012年開始對(duì)外發(fā)布社會(huì)融資規(guī)模數(shù)據(jù)，從更加寬泛的口徑上及時(shí)衡量經(jīng)濟(jì)系統(tǒng)中的資金規(guī)模。

　　摘要：本文采用多變量、大規(guī)模數(shù)據(jù)的FAVAR模型研究社會(huì)融資規(guī)模對(duì)中國宏觀經(jīng)濟(jì)系統(tǒng)的沖擊，各主要宏觀經(jīng)濟(jì)指標(biāo)都對(duì)社會(huì)融資規(guī)模的沖擊表現(xiàn)出不同程度的反應(yīng)；社會(huì)融資規(guī)模作為貨幣政策中間目標(biāo)還不成熟，須進(jìn)一步完善其統(tǒng)計(jì)口徑，同時(shí)注重其各部分對(duì)實(shí)體經(jīng)濟(jì)的影響，更好地服務(wù)于發(fā)揮調(diào)節(jié)宏觀經(jīng)濟(jì)穩(wěn)定運(yùn)行的作用。

　　關(guān)鍵詞：社會(huì)融資規(guī)模,宏觀經(jīng)濟(jì),FAVAR模型

　　一、引言

　　隨著“社會(huì)融資規(guī)模”指標(biāo)的出臺(tái)，國內(nèi)學(xué)者對(duì)其能否作為貨幣政策的中間目標(biāo)進(jìn)行著廣泛地討論和研究。大多數(shù)研究都注重對(duì)其作為貨幣政策中間目標(biāo)的可測性和可控性的探討，缺乏對(duì)其與宏觀經(jīng)濟(jì)相關(guān)性的深入實(shí)證研究[1-5]。而貨幣政策對(duì)宏觀經(jīng)濟(jì)的實(shí)證研究一般采用向量自回歸（VAR）模型，由于該模型目前最多僅能處理12個(gè)變量[6]。Bernanke（2005）提出的因素?cái)U(kuò)展型向量自回歸模型（FactorAugmentedVertorAutoRegressiveModel，F(xiàn)AVAR）突破了傳統(tǒng)VAR模型在變量數(shù)量上的限制，從而能夠運(yùn)用多變量、大規(guī)模數(shù)據(jù)研究政策變量對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的影響程度，更加全面真實(shí)地反應(yīng)現(xiàn)實(shí)各經(jīng)濟(jì)變量之間的動(dòng)態(tài)關(guān)系。Shibamoto（2007）、Vargas-Silva（2008）、Kabundi和Gupta（2009）、Gupta（2010）等學(xué)者利用FAVAR模型分別研究了日本、美國、南非等國家的貨幣政策對(duì)該國房地產(chǎn)價(jià)格的影響，并且均認(rèn)為FAVAR模型的實(shí)證研究結(jié)果優(yōu)于VAR、BVAR、SVAR等模型[7-9]。本文采用FAVAR模型研究了社會(huì)融資規(guī)模與宏觀經(jīng)濟(jì)的相關(guān)性，并據(jù)此提出相應(yīng)的政策建議。

　　二、FAVAR模型介紹

　　假設(shè)Yt是（M×1）型可觀測變量矩陣，這些變量能夠產(chǎn)生符合經(jīng)濟(jì)規(guī)律的特定影響，一般在運(yùn)用VAR模型研究貨幣政策的文獻(xiàn)中，Yt通常指代可觀測的貨幣政策變量，比如利率或者貨幣供應(yīng)量，在本文中我們采用社會(huì)融資規(guī)模這一指標(biāo)。在現(xiàn)實(shí)經(jīng)濟(jì)體中一些相關(guān)的其他經(jīng)濟(jì)信息不能完全包括在Yt之中，我們把這些經(jīng)濟(jì)變量記為Ft（K×1）型不可觀測矩陣，該模型的動(dòng)態(tài)關(guān)系可以描述為：

　　FtYt=？椎（L）FtYt+vt（1）

　　其中，？椎（L）是一個(gè)d階滯后多項(xiàng)式，vt是均方誤差為零、協(xié)方差矩陣為Q的隨機(jī)誤差項(xiàng)。式（1）是一個(gè)標(biāo)準(zhǔn)的VAR模型，因Ft模糊變量且不可觀測的，式（1）不能通過OLS等技術(shù)直接估計(jì)。因此Bernanke等假定，經(jīng)濟(jì)信息集合Xt與Ft和Yt相關(guān)，Xt可由Ft和Yt線性表出，他們之間的關(guān)系表示為：

　　Xt=？撰fFt+？撰yYt+？滋t（2）

　　其中，？撰f是（N×K）型因子載荷矩陣，？撰y是（N×M）型因子載荷矩陣；Xt是（N×1）型向量，N為變量個(gè)數(shù)，N>K+M；？滋t是隨機(jī)誤差項(xiàng)，其均值為零、協(xié)方差矩陣為R，？滋t可以弱相關(guān)；經(jīng)濟(jì)信息集Xt分別由58個(gè)月度宏觀經(jīng)濟(jì)變量和6個(gè)季度宏觀經(jīng)濟(jì)變量組成。式（2）是一個(gè)正交因子模型，在對(duì)經(jīng)濟(jì)信息集做因子分析后，取其主因子構(gòu)成一個(gè)新的信息集合Ct，即由Xt的因子得分組成，由此可得如下回歸方程：

　　Ct=bfFt+byYt+et（3）

　　由式（3）可得到不可觀測矩陣Ft的估計(jì)值Ft=Ct-byYt，然后把Ft和可觀測變量Yt代入式（1）。Hwang（2009）證明在Ft的兩步主成分法、反復(fù)迭代法和吉布斯采樣法中，兩步主成分法更為有效，本文采用兩步主成分法估計(jì)不可觀測因子Ft。

　　三、數(shù)據(jù)以及公共因子提取

　�。ㄒ唬�數(shù)據(jù)說明

　　本文選取了58個(gè)月度宏觀經(jīng)濟(jì)變量和6個(gè)季度宏觀經(jīng)濟(jì)變量分別與社會(huì)融資規(guī)模的月度和季度數(shù)據(jù)建立了兩個(gè)FAVAR模型，數(shù)據(jù)期限從2002年1月至2012年12月。社會(huì)融資規(guī)模的2012年月度數(shù)據(jù)來源于中國人民銀行，其他年份的月度數(shù)據(jù)來源于證監(jiān)會(huì)、保監(jiān)會(huì)、發(fā)改委和中國經(jīng)濟(jì)信息網(wǎng)，且將2012年的統(tǒng)計(jì)口徑進(jìn)行整合，并按照央行發(fā)布的2002—2011年社會(huì)融資規(guī)模中各部分融資比重做了適當(dāng)調(diào)整。其他宏觀數(shù)據(jù)來源于國研網(wǎng)數(shù)據(jù)庫和中國國家外匯管理局。

　�。ǘ�）數(shù)據(jù)處理

　　為了消除數(shù)據(jù)之間的量綱問題，本文對(duì)數(shù)據(jù)做了Z-SCORE標(biāo)準(zhǔn)化，即Z=（X-X）/？滓，分別對(duì)58個(gè)月度變量和6個(gè)季度變量做KMO和Bartlett的檢驗(yàn)（見表1和表2），相關(guān)系數(shù)矩陣和單位矩陣存在顯著差異適合進(jìn)行因子分析。

　　同時(shí)，利用主成分法提取主因子，并計(jì)算各個(gè)變量的特征值、方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率，分析得出月度數(shù)據(jù)的前8個(gè)因子方差累計(jì)貢獻(xiàn)度達(dá)到88.62%，季度數(shù)據(jù)的前2個(gè)因子方差累計(jì)貢獻(xiàn)度達(dá)到了71.15%，對(duì)這10個(gè)因子根據(jù)他們的方差累計(jì)貢獻(xiàn)度進(jìn)行分別命名（見表3）。

　　四、實(shí)證分析

　　將社會(huì)融資規(guī)模與繁榮因子、物價(jià)因子、工業(yè)因子、股票因子、投資因子、消費(fèi)因子、景氣因子、出口因子等建立月度VAR模型，根據(jù)信息準(zhǔn)則VAR模型的階數(shù)為3；同時(shí)，將社會(huì)融資規(guī)模與就業(yè)因子、宏觀因子建立季度VAR模型，根據(jù)信息準(zhǔn)則VAR模型的階數(shù)為2。經(jīng)平穩(wěn)性檢驗(yàn)，這兩個(gè)VAR模型的所有特征值均在單位根之內(nèi)，故此VAR系統(tǒng)是穩(wěn)定的。我們采用脈沖響應(yīng)函數(shù)分析得出滯后期為3期、響應(yīng)期數(shù)為30期的月度VAR模型脈沖響應(yīng)圖和滯后期為2期、響應(yīng)期數(shù)為18期的季度VAR模型脈沖響應(yīng)圖。

轉(zhuǎn)載請(qǐng)注明來自：http://www.jinnzone.com/jingjixuelw/33828.html