论文部分内容阅读
近期爆发的金融危机引发了学者们关于如何准确测量金融状况的热潮,学者们一致认为金融状况不仅受到货币政策的影响,也会受到金融市场本身因素的影响,因此政策制定者需要密切关注金融状况。基于此产生了多种多样的方法来构建金融状况指数以便给决策制定者提供依据。金融状况指数一般用于衡量当前金融状况、货币政策的执行效果、预测未来经济发展,因此如何有效的构建我国的金融状况指数显得尤为重要。本文参考高盛构建的中国金融状况指数的选择,在其所选择的利率、汇率、股价、社会融资规模、房价、货币供应量这六个指标的基础上增加了存贷款比例。这七个指标既包含高频时间序列,如利率和股价,也包含低频月度时间序列,如社会融资规模。本文所选择的基准模型为混频状态空间模型,比较模型为向量自回归模型。最后我们扩大指标的选择范围,共选取21个指标,构建了具有因子增广的向量自回归模型及广义动态因子模型,并和本文构建的混频状态空间模型进行对比。从模型的结果来看,本文构造的金融状况指数出现向上趋势,表明当前金融市场流动性越充裕。反之则表示当前金融市场流动性越不足。第一,使用向量自回归模型中脉冲响应函数确定指标的权重,得到的金融状况指数记为FCIVAR,与月同比CPI进行趋势比较发现,FCIVAR波动更为频繁,趋势拟合效果一般。第二,通过混频状态空间模型得到金融状况指数记为FCIDFM,与月同比CPI进行趋势比较发现,FCIDFM不仅走势领先于月同比CPI,而且趋势也较为一致,同时将所得的实时金融状况指数和利率进行对比发现对于利率的上升下降金融状况指数均能作出及时反应。第三,对两组金融状况指数和月同比CPI进行Granger因果检验发现其存在因果关系。借鉴Gauthier和Graham (2004)提出的循环方程求出FCIDYM和FCIVAR相对月同比CPI的最优领先阶数。第四,稳健性检验,为更好地比较基准模型和比较模型的样本外预测能力,我们参照Hansen (2005)提出的SPA检验,在原假设为基准模型的预测能力不差于比较模型的条件下,得到P值为0.32,拒绝原假设。因此混频状态空间模型得到的金融状况指数具有更好地样本外预测能力。第五,将指标选择范围扩大,参照Bernanke等(2005)提出的FAVAR樟型得到新的金融状况指数记为FCIFAVAR,同时利用广义动态因子模型得到的金融状况指数记为FCIGDFM,将两种广义因子模型和混频状态空间模型比较,SPA检验结果显示混频状态空间模型仍然具有一定优势。总的来说本文基于混频状态空间模型构建的金融状况指数能反映未来金融状况,对政策制定者具有参考作用。