论文部分内容阅读
摘 要：本文在现有金融周期研究的基础上，提出了一套判断金融周期位置和金融危机概率的分析框架，即对金融周期评判要有短、中、长周期的视角，短期看流动性周期、中期看信贷周期和房地产周期、长期看杠杆周期。实证分析表明我国目前处于流动性周期上行期、信贷和房地产周期峰值、杠杆周期下行期“三期叠加”的状态，三种周期结合能更好地判断当前金融风险的程度，建议我国当前的首要任务是平稳实现适度通胀去杠杆，确立金融回归服务实体经济的本位，提高直接融资比重和政策协调配合，防范系统性金融风险。
关键词：金融周期;流动性;信贷和房地产周期;杠杆周期
DOI：10.3969/j.issn.1003-9031.2019.09.002
中图分类号：F832 文献标识码：A 文章编号：1003-9031（2019）09-0008-10
一、引言
金融危机以后，学术界对金融周期的研究进入了新阶段，诸多学者从金融周期的理论、定义、周期测算、经济后果等方面开展了大量研究。国际清算银行（BIS）认为金融周期是受制于应对风险的态度和金融约束条件下的对价值和风险进行评估及其交互作用，由于交互作用会放大经济的波动，从而可能带来严重的金融困境和经济失调。BIS通过金融困境早期预警信号评估法，发现信贷周期和房地产周期与金融周期的关系最为密切。任泽平（2018）等研究表明金融周期的测算要考虑杠杆周期;Kyunghun KIM等（2018）最新研究成果表明流动性是金融周期的主要观测指标。这些研究进一步拓展了金融周期的视角，然而都仅从一个角度来判断金融周期的走势以及金融风险的程度，没有对该方法在中国的适用性进行探索，也没有对金融周期处于或即将处于峰值如何高位平缓着陆提出切实可行的建议。基于此，本文在现有研究的基础上，提出了一套判断金融周期位置和金融危机概率的分析框架。
二、金融周期基本理论
（一）金融周期由短、中、长周期构成
金融周期是由许多短周期、中周期和长周期构成，各周期走势不一，相互加强、重叠，造成金融危机爆发的可能性高低不同。根据BIS和韩国国际政策研究所（2018）的最新研究结果，金融周期中最为重要是流动性周期、信贷和房地产周期、杠杆周期。其中，流动性周期是短周期，一般3年左右，以Kyunghun KIM等（2018）为代表;信贷和房地产周期为中周期，持续时间在十年左右，以BIS（2014）等为代表;杠杆周期是长周期，可能超过20年，以任泽平（2017）等为代表。
（二）金融周期的八种表现
根據流动性短周期、信贷和房地产中周期、杠杆长周期在不同时期的走势，金融周期可能出现八种表现，不同情况的风险有所差别（见表1）。 IMF、BIS等研究表明，长周期对金融风险的影响最大，中周期次之，短周期影响最小，这个影响既包括影响的时长，也包括金融风险的破坏程度。也就是说，如果长周期是上升的，那么即使中周期和短周期在波峰波谷之间上下波动，出现全面性金融危机的可能性也较低，因为可以通过货币政策和财政政策等宏观手段延缓并化解危机的爆发;如果长周期是下降的，短周期和中周期仍处于上升状态，那么金融风险较大，极易引发金融危机，但仍可以借助相关手段稳步度过去杠杆周期;一旦长周期、中周期和短周期都全面下降，那么市场预期将持续低迷，金融危机爆发可能性大幅增加，导致经济陷入停滞衰退。具体而言，有如下8种表现。
表现1：当短中长三种周期均呈现上升状态时，金融周期处于繁荣期，经济发展较快，市场预期向好，这是最好的表现。
表现2：短期出现流动性周期下行，中周期和长周期处于上升状态，一般不会爆发系统性金融风险，即使出现短暂的危机，也不会持续太长时间。
表现3：中期出现信贷和房地产周期下行，如果短周期和长周期仍在上升，出现风险的可能性也不大，即使有风险也不会形成危机。这种表现出现的概率较低，因为一般而言，充裕的流动性会尽快流向房地产和信贷，带动中周期的复苏。
表现4：如果短期流动性紧张，中期房地产和信贷低迷，但长周期的杠杆率仍在上升，那么风险较大，危机很容易一触即发，但只要能在长期内稳住杠杆，那么说明市场预期较为乐观，流动性可以在短期内靠货币政策补充，资产价格也会在流动性周期复苏后上升，不过需要一定时间。
表现5：如果流动性充裕、房地产和信贷周期仍处在上升周期，而长周期进入去杠杆周期，此时，金融危机爆发的概率较高，但可以通过好的去杠杆方式熨平周期，实现经济软着陆。
表现6：如果长周期进入过度去杠杆周期，流动性也出现紧张，那么此时信贷和房地产周期也基本处于顶部，部分领域已爆发金融风险，危机岌岌可发。
表现7：如果长周期和中周期都进入下行阶段，流动性比较充裕，那么此时经济陷入“流动性陷阱”。
表现8：如果短中长三种周期均进入下行阶段，此时金融危机全面爆发可能性大幅增加。
三、我国的流动性周期
（一）流动性周期指标的选取
我们将流动性（L）定义为一个经济体所持有的所有金融负债的总和，即包含了信贷C和股权E两个部分，为了避免重复计算，L不包含金融部门。流动性的概念是建立在一个简单的原则基础上的，即债权人的贷款只相当于债务人偿还债务的能力;一个经济体的流动性不能无限期地超过其生产能力，生产能力则可以被测量为预期收入流的净现值，而预期收入流的净现值可以用实收资本（H）表示。从国家资产负债表的平衡看，预期收入流的净现值，应等于资本存量中嵌入的生产力价值，等于经济中总实物资本的价值，即： L=C+E≈Ypc=f （H）（1）
其中，Ypc表示生产能力，一般用国内生产总值GDP表示，L向经济传导的路径如图1所示。
信贷的增加可用于购买金融股票（情形I）或投资于资本存量（情形II）。在（I）的情况下，如果资金用于资本存量的投资（案例a），那么Ypc将会上升。如果不这样做，额外的资金将会被股票价格的上涨所调节（案例b）;如果不加控制，可能会导致股市泡沫。在（II）的情况下，如果将资金投资于生产性资本①，那么Ypc将会上升（案例c）;如果对非生产性资本②的需求超过供给，那么价格就会上升，如房地产泡沫（案例d）。
从风险的角度看，如果L的增加伴随着生产性资本的增加，那么随着H的增加，YPC將会增加（案例a和案例c）。此时，L/YPC和H/YPC不会发生变化。因此，只要YPC随着L和H的增长，金融失衡加剧的可能性就很低。如果L/YPC上升，而不是H/YPC，那么L的调整将在某一时刻进行（案例b）。如果L的增加与对某一特定实物资本（如房地产）的投机有关，那么L/YPC和H/YPC将同时上升（案例d）。在这种情况下，金融市场将在某个时间点调整，对实体经济产生更大的负面影响。
（二）流动性周期的评判
由上述分析可知，L/Y和H/Y不可能无限地继续增长，最终必须调整到与基本原理一致的水平，这样的调整将伴随着实际GDP的下降。特别是，L/Y和H/Y越高，实际GDP的下滑就越严重。我们运用KLR信号法提取L/Y和H/Y的阈值，并与实际的L/Y和H/Y对比，判断流动性是否处于下行周期。如果流动性处于下行周期，那么L/Y和H/Y的阈值会同时大于或等于L/Y和H/Y的实际值。即：
=1 如果L/Y≥（L/Y）*，且L/H≥（L/H）*处于流动性下行周期0 处于流动性上行或平稳周期（2）
其中，（L/Y）*代表L/Y的阈值，代表（L/H）*的阈值。预测流动性周期是否处于下行阶段，会出现两种预测误差，我们定义第1类误差（T1）为流动性周期下行而信号未显示，第2类误差（T2）为信号显示而流动性却不属于下行周期。以下三个损失函数（LF）反映了综合考虑两种误差后L/Y和H/Y的信号。
其中，LF1是将第1类和第2类误差的加权平均值最小化的损失函数，1类误差和2类误差的加权系数分别是α和1-α。LF2是由噪声到信号的比率最小化的一种损失函数，用T2误差或1-T1误差表示。LF3也是最小化了噪声和信号比率的损失函数，但前提是最小预测概率至少是60%或75%。因此，只要根据L/Y和H/Y的时间序列，用KLR信号法，便可得到（L/Y）*和（L/H）*，从而判断出流动性的周期变化。
（三）我国的流动性周期走势
根据全国2002—2017年的相关数据①，运用信号提取法，我们计算得到L/Y和H/Y在三种损失函数下的阈值（见表3）。
由上表可知，在第一类损失函数（a=0.5，a=0.75）和第三类损失函数的情况下，（L/Y）*和（H/L）*的预测概率达到100%，因此，本文以第一类损失函数LF1（a=0.5）的情况作为流动性周期下行的判定条件测算各年度的阈值（见表4）。2002年以来，我国大致出现了四次流动性紧张的情况，即流动性处于下行周期，第一次是因为全球金融危机，第二次和第三次均是钱荒造成的，第四次是2015年的股灾。
四、我国的信贷和房地产周期
（一）指标选取
本文的信贷指标用非金融私人部门的贷款衡量。非金融私人部门分为非金融企业、住户、为居民服务的非盈利机构三个部分，贷款来源既包括国内银行贷款，又包括跨境银行贷款和其他非银行金融机构贷款。由于非金融私人部门的贷款情况与实体经济的关系非常密切，是顺周期的经济行为，能较好地反映实体经济的融资状况，是融资约束较为理想的表示变量。
本文选取国房景气指数作为我国房地产周期的度量指标，之所以选择该指数是参考欧美等国运用BIS官网统计的数据作为房地产周期的度量，而我国的国房景气指数相对来说跨度较长，比较适合进行中周期的衡量。由于房地产市场与信贷市场相关性非常紧密，房地产价格也通常被当作重要抵押品的价格，并成为影响金融市场乃至整个宏观经济的核心因素。尤其近几年，我国房地产市场发展较快，房价上涨速度加快，可能带来的泡沫及金融风险尤其值得关注。
（二）BP滤波法测算信贷和房地产周期
学术界测算信贷周期和房地产周期，一般采用滤波分析法或拐点分析法。滤波分析的核心思想是使用带通滤波的方法提取出全样本数据中循环序列的部分，排除短期噪音干扰和长期趋势，得到序列的周期波动情况。本文借鉴Christiano和Fitzerald等相关研究，拟采用Band-Pass滤波法（简称BP滤波法）来计量。依据BP滤波的实质，采用频域控制法，从实际信贷变量和实际房价指数序列中提取出信贷和房地产变量的周期因素，然后取算术平均作为两者的周期指数。
首先，计算实际信贷缺口和实际房地产价格缺口，计算方法为：信贷缺口=信贷/GDP-消除趋势后的信贷/GDP;房地产价格缺口=房地产国房景气指数-消除趋势后的国房景气指数。
然后，将信贷缺口和房地产价格缺口指标进行指数化处理。数据处理完成后，在进行BP滤波提取前，对序列进行平稳性检验，如果数据是平稳的，还需要去除线性趋势。
再次，假设信贷缺口和房地产价格缺口序列为不同频率周期函数的加权平均，运用BP滤波法，通过下列线性滤波算子来排除信贷缺口和房地产价格缺口序列中的长期趋势部分：
其中，周期长度设定在区间[S1，S2]范围内，本文是季度数据，K=12。为了在不改变序列时间次序的情况下，较好地提出变量中的随机干扰和长期趋势，本文设置高频、低频信息过滤范围区间上下线定为32-80季度，同时通过滞后12个季度来消除季节性影响。 最后，对将信贷缺口和房地产价格缺口的BP滤波结果取算数平均值，作为信贷周期和房地产周期的综合指标。
（三）我国的信贷和房地产周期走势
根据测算结果，目前我国处于2009年以来的第一个信贷和房地产周期顶峰，信贷和房地产周期已于2017年达到顶峰，面临下行可能，意味着当前的金融风险较高。不过，与欧美等国家所不同的是，欧美等国家在周期顶峰一般是被动爆发金融危机，然后进行风险化解和处理。我国在信贷和房地产周期到达顶峰前，就积极地实施去杠杆、强金融监管等政策，金融风险在强有力的政策配合下自2016年开始逐渐缓释、积极化解，2018年信贷和房地产周期从高峰开始有下行转向的趋势（见图2）。
五、我国的杠杆周期走势
（一）杠杆周期的刻画
宏观经济的杠杆率与微观经济杠杆率的衡量不同，一般用负债与国内生产总值（GDP）的比例来衡量。借鉴中国人民银行调查统计司课题组的方法，我们先计算分部门债务，再得出宏观杠杆率，即：宏观杠杆率=（政府部门债务+住户部门债务+企业部门债务）/GDP。
（二）我国进入去杠杆周期
根据宏观杠杆率的测算结果，我国的杠杆周期与经济周期并不同步。在2001—2007年我国经济高速增长阶段，宏观杠杆率整体保持稳定，非金融企业部门杠杆率甚至出现下降趋势;2009—2016年中，经济增速在短暂反弹后逐年下滑，宏观杠杆率却迅猛上升;2016年下半年开始，经济开始企稳并出现小幅反弹，宏观杠杆率也趋于平稳，非金融企业部门杠杆率出现下降趋势。因此，可将本轮杠杆周期划分为第一轮加杠杆、第二轮加杠杆和去杠杆三个阶段。
1.2001—2008年：第一轮加杠杆
2001—2008年，我国名义GDP基本保持两位数的高速增长，企业盈利水平、居民收入和政府财政收入均快速上涨。此时，我国不断融入全球市场，外部经济环境较为繁荣，非金融企业部门加杠杆扩大生产规模，以满足国内外不断扩张的需求;居民部门在城镇化的快速推进及住房贷款的普及下加杠杆购房;政府部门为了满足地区经济发展的需要，对基础设施建设进行大规模投资，同样提高了杠杆率。非金融企业部门、居民部门和政府部门的加杠杆需求导致同期的银行贷款快速上升，名义GDP增速显著高于银行贷款增速，三大部门债务的快速增加却并没有导致宏观杠杆率的快速上升，反而出现了明显下降。三大部门的加杠杆都有收入增长作为支撑，未来现金流足够偿还增加的债务本息，这一阶段属于好的加杠杆周期。
2.2009—2016年中：第二轮加杠杆
为应对2008年全球金融危机，我国出台了“四万亿投资”以及宽松的货币政策，我国进入第二轮加杠杆周期。这些政策在当时有效地刺激了经济快速触底反弹，但也加剧了我国经济的结构性矛盾。非金融企业部门、居民部门和政府部门杠杆率分别由2008年年底的96.3%、17.9%和27.1%快速上升至2016年年中的166.9%、41.7%和43.4%，宏观杠杆率也从141.3%上升至251.9%。非金融企业部门进一步加杠杆，导致原本过剩的产能进一步扩张，最终PPI自2012年3月起经历了长达54个月的通缩。地方政府在GDP考核压力下通过地方政府融资平台进行大规模违规举债，并通过刺激房地产获得巨额的土地出让金和税费收入，引发了地方政府债务和企业债务风险。居民部门杠杆率快速上升，已经透支了居民部门的财富积累。债务增速大幅超过名义GDP增速，未来现金流可能不足以支撑债务的增长。
3.2016年中至今：去杠杆
2015年年底，中央出台一系列供给侧结构性改革措施，2016年年中，我国进入了去杠杆周期，去杠杆取得了较好的成效。2018年，我国宏观杠杆率由2017年的244.0%下降到243.7%，下降了0.3个百分点，实现了近七年来的首次下降。从结构上看，除了居民部门杠杆率上升较快外，非金融企业去杠杆的力度较强，政府部门显性杠杆率略升但隐性债务增速趋缓，结构性去杠杆的特征非常明显。2017年，非金融企业杠杆率为153.6%，同比下降4.6个百分点;政府部门杠杆率为37.0%，同比微升0.5个百分点;居民部门杠杆率为53.2%，同比上升3.8个百分点。尽管当前我国宏观杠杆率出现良好势头，但整体杠杆率仍然较高，非金融企业部门杠杆率还有较大下行空间，政府部门和居民部门杠杆率仍在上升之中，我国经济中存在的巨大风险仍未充分释放。因此，持续有效稳住宏观杠杆率依然迫在眉睫，未来两年内防范化解重大风险攻坚战仍居三大攻坚战的首位。
六、结论和政策建议
（一）我国处于金融周期顶峰
从金融短中长周期看，我国目前处于流动性周期的上行阶段、信贷和房地产周期的顶峰和杠杆周期的下行阶段，也就是本文所述的金融周期的第6种表现形式。在这一阶段，部分领域已爆发金融风险，要特别关注企業信用风险、地方政府债务尤其是融资平台偿债风险、房地产企业尤其是中小房企泡沫风险，防范化解金融危机的关键之处在于如何实现杠杆周期的平稳过渡。
根据去杠杆过程中政府扮演的角色，去杠杆可分为三种方式，分别是通缩去杠杆、恶性通胀去杠杆和适度通胀去杠杆。去杠杆周期一般伴随着通货紧缩，如果政府不进行干预，就会出现通缩去杠杆;如果政府过度干预则出现恶性通胀去杠杆，这两种方式是两个极端，都是坏的去杠杆。只有在缩减债务的同时，还能提高收入、增强负债主体偿还债务的能力，才是好的去杠杆。
（二）实现适度通胀去杠杆
1.金融回归服务实体经济的本位
从国际经验看，美国和日本都经历了金融去杠杆的历程，由于采取的措施不同，效果也大相径庭。20世纪八十年代，日本为了缓解房地产泡沫风险，主要靠银行控制货币总量，却引起了泡沫的迅速破裂，带来了经济“失去的二十年”。日本的方式主要是通缩去杠杆，没有处理好金融、居民、企业等部门之间的关系。美国去杠杆并没有对其经济增长产生明显的负面影响，美国的做法是好的加杠杆和坏的去杠杆组合，通过政府部门加杠杆对冲私营非金融部门去杠杆的冲击，维持了宏观杠杆率的稳定，并通过降息和量化宽松等政策刺激经济和通胀的复苏，资产负债表修复速度被加快，缩短了私营非金融部门去杠杆的周期。当私营非金融部门杠杆率稳定之后，政府部门不再继续加杠杆，刺激政策开始随着经济复苏逐步退出。 借鉴美国和日本的经验教训，要想采取适度通胀去杠杆的措施，最为重要的是让金融回归服务实体经济的本源，去杠杆的重心应放在解决结构性问题，注重结构性去杠杆，分部门、分债务类型有序、稳步地把杠杆降下来，实现坏的去杠杆和好的加杠杆组合。
2.提高直接融资尤其是股权融资的比重
近年来我国直接融资占比不断攀升，但与世界主要经济体直接融资占比70%相比，我国直接融资仍然是金融发展的一大短板，尤其是股权融资更是短板中的短板。从具体措施看，提高股权融资占比，应坚持市场化和法制化取向。一是加快多层次、多元化的资本市场建设，壮大主板、夯实创业板、发展新三板、推进科创板，为企业提供良好的股权融资环境。二是完善资本市场法制建设，切实保障投资者的利益。三是尽可能平滑股票市场波动，减少因股票价格大起大落给投资者带来的损失。四是完善资本市场监督机制，大力发展机构投资者、培育媒体等外部监督力量，推动股权市场的运行。
3.加强政策协调，防范系统性金融风险
一是保持货币政策的稳健中性，控制货币增速，用好货币政策工具，保持流动性合理充裕。二是完善宏观审慎政策框架，加强宏观审慎政策和微观金融监管的协调性，避免政策叠加或政策真空。三是加强监管部门协调整合，避免重复监管和监管空白，提高对跨市场、跨行业金融风险的预警和监测。■
（特约编辑：陈国权）
参考文献：
[1]Aikman D，Haldane A G，Nelson B D.Curbing the Credit Cycle[J].Economic Journal，2013，125（585）：1072–1109.
[2]Bhatia A V，Bayoumi T.Leverage？ What Leverage？A Deep Dive into the U.S. Flow of Funds in Search of Clues to the Global Crisis[J].Imf Working Papers，2012，12（162）.
[3]Bank for International Settlements.84th Annual Report[R].June，2014.
[4]Kim K，Lee I H，Shim W.Redefining Liquidity for Monetary Policy[J].Staff Papers，2018.
[5]黄志龙.我国国民经济各部门杠杆率的差异及政策建议[J].国际金融，2013（1）：27-28.
[6]劳芬.金融扩张、经济波动与流动性周期测度——来自中国数据的检验[J].时代金融，2014（1）：84-86.
[7]李佳流动性周期对系统性风险的影响路径研究[J].财政金融，2013（9）：63-67.
[8]陆磊，杨骏.流动性、一般均衡与金融稳定的“不可能三角”[J].金融研究，2016（1）：1-13.
[9]彭振江，杨李娟.金融周期视角下区域金融风险差异化防控研究[J].金融监管研究，2017（5）：50-67.
[10]王信，彭振江.金融周期视角下的我国地区贷款差异和政策选择[J].清华金融评论，2015（6）：61-64.
[11]项后军，陈简豪，杨华.银行杠杆的顺周期行为与流动性关系问题研究[J].数量经济技术经济研究，2015（8）：52-72+148.
[12]肖崎.流動性、杠杆率与金融稳定[J].金融发展研究，2010（10）：9-14.
[13]周月秋.关于“去杠杆”金融新周期的探讨[J].宏观经济，2018（4）：53-56.
关键词：金融周期;流动性;信贷和房地产周期;杠杆周期
DOI：10.3969/j.issn.1003-9031.2019.09.002
中图分类号：F832 文献标识码：A 文章编号：1003-9031（2019）09-0008-10
一、引言
金融危机以后，学术界对金融周期的研究进入了新阶段，诸多学者从金融周期的理论、定义、周期测算、经济后果等方面开展了大量研究。国际清算银行（BIS）认为金融周期是受制于应对风险的态度和金融约束条件下的对价值和风险进行评估及其交互作用，由于交互作用会放大经济的波动，从而可能带来严重的金融困境和经济失调。BIS通过金融困境早期预警信号评估法，发现信贷周期和房地产周期与金融周期的关系最为密切。任泽平（2018）等研究表明金融周期的测算要考虑杠杆周期;Kyunghun KIM等（2018）最新研究成果表明流动性是金融周期的主要观测指标。这些研究进一步拓展了金融周期的视角，然而都仅从一个角度来判断金融周期的走势以及金融风险的程度，没有对该方法在中国的适用性进行探索，也没有对金融周期处于或即将处于峰值如何高位平缓着陆提出切实可行的建议。基于此，本文在现有研究的基础上，提出了一套判断金融周期位置和金融危机概率的分析框架。
二、金融周期基本理论
（一）金融周期由短、中、长周期构成
金融周期是由许多短周期、中周期和长周期构成，各周期走势不一，相互加强、重叠，造成金融危机爆发的可能性高低不同。根据BIS和韩国国际政策研究所（2018）的最新研究结果，金融周期中最为重要是流动性周期、信贷和房地产周期、杠杆周期。其中，流动性周期是短周期，一般3年左右，以Kyunghun KIM等（2018）为代表;信贷和房地产周期为中周期，持续时间在十年左右，以BIS（2014）等为代表;杠杆周期是长周期，可能超过20年，以任泽平（2017）等为代表。
（二）金融周期的八种表现
根據流动性短周期、信贷和房地产中周期、杠杆长周期在不同时期的走势，金融周期可能出现八种表现，不同情况的风险有所差别（见表1）。 IMF、BIS等研究表明，长周期对金融风险的影响最大，中周期次之，短周期影响最小，这个影响既包括影响的时长，也包括金融风险的破坏程度。也就是说，如果长周期是上升的，那么即使中周期和短周期在波峰波谷之间上下波动，出现全面性金融危机的可能性也较低，因为可以通过货币政策和财政政策等宏观手段延缓并化解危机的爆发;如果长周期是下降的，短周期和中周期仍处于上升状态，那么金融风险较大，极易引发金融危机，但仍可以借助相关手段稳步度过去杠杆周期;一旦长周期、中周期和短周期都全面下降，那么市场预期将持续低迷，金融危机爆发可能性大幅增加，导致经济陷入停滞衰退。具体而言，有如下8种表现。
表现1：当短中长三种周期均呈现上升状态时，金融周期处于繁荣期，经济发展较快，市场预期向好，这是最好的表现。
表现2：短期出现流动性周期下行，中周期和长周期处于上升状态，一般不会爆发系统性金融风险，即使出现短暂的危机，也不会持续太长时间。
表现3：中期出现信贷和房地产周期下行，如果短周期和长周期仍在上升，出现风险的可能性也不大，即使有风险也不会形成危机。这种表现出现的概率较低，因为一般而言，充裕的流动性会尽快流向房地产和信贷，带动中周期的复苏。
表现4：如果短期流动性紧张，中期房地产和信贷低迷，但长周期的杠杆率仍在上升，那么风险较大，危机很容易一触即发，但只要能在长期内稳住杠杆，那么说明市场预期较为乐观，流动性可以在短期内靠货币政策补充，资产价格也会在流动性周期复苏后上升，不过需要一定时间。
表现5：如果流动性充裕、房地产和信贷周期仍处在上升周期，而长周期进入去杠杆周期，此时，金融危机爆发的概率较高，但可以通过好的去杠杆方式熨平周期，实现经济软着陆。
表现6：如果长周期进入过度去杠杆周期，流动性也出现紧张，那么此时信贷和房地产周期也基本处于顶部，部分领域已爆发金融风险，危机岌岌可发。
表现7：如果长周期和中周期都进入下行阶段，流动性比较充裕，那么此时经济陷入“流动性陷阱”。
表现8：如果短中长三种周期均进入下行阶段，此时金融危机全面爆发可能性大幅增加。
三、我国的流动性周期
（一）流动性周期指标的选取
我们将流动性（L）定义为一个经济体所持有的所有金融负债的总和，即包含了信贷C和股权E两个部分，为了避免重复计算，L不包含金融部门。流动性的概念是建立在一个简单的原则基础上的，即债权人的贷款只相当于债务人偿还债务的能力;一个经济体的流动性不能无限期地超过其生产能力，生产能力则可以被测量为预期收入流的净现值，而预期收入流的净现值可以用实收资本（H）表示。从国家资产负债表的平衡看，预期收入流的净现值，应等于资本存量中嵌入的生产力价值，等于经济中总实物资本的价值，即： L=C+E≈Ypc=f （H）（1）
其中，Ypc表示生产能力，一般用国内生产总值GDP表示，L向经济传导的路径如图1所示。
信贷的增加可用于购买金融股票（情形I）或投资于资本存量（情形II）。在（I）的情况下，如果资金用于资本存量的投资（案例a），那么Ypc将会上升。如果不这样做，额外的资金将会被股票价格的上涨所调节（案例b）;如果不加控制，可能会导致股市泡沫。在（II）的情况下，如果将资金投资于生产性资本①，那么Ypc将会上升（案例c）;如果对非生产性资本②的需求超过供给，那么价格就会上升，如房地产泡沫（案例d）。
从风险的角度看，如果L的增加伴随着生产性资本的增加，那么随着H的增加，YPC將会增加（案例a和案例c）。此时，L/YPC和H/YPC不会发生变化。因此，只要YPC随着L和H的增长，金融失衡加剧的可能性就很低。如果L/YPC上升，而不是H/YPC，那么L的调整将在某一时刻进行（案例b）。如果L的增加与对某一特定实物资本（如房地产）的投机有关，那么L/YPC和H/YPC将同时上升（案例d）。在这种情况下，金融市场将在某个时间点调整，对实体经济产生更大的负面影响。
（二）流动性周期的评判
由上述分析可知，L/Y和H/Y不可能无限地继续增长，最终必须调整到与基本原理一致的水平，这样的调整将伴随着实际GDP的下降。特别是，L/Y和H/Y越高，实际GDP的下滑就越严重。我们运用KLR信号法提取L/Y和H/Y的阈值，并与实际的L/Y和H/Y对比，判断流动性是否处于下行周期。如果流动性处于下行周期，那么L/Y和H/Y的阈值会同时大于或等于L/Y和H/Y的实际值。即：
=1 如果L/Y≥（L/Y）*，且L/H≥（L/H）*处于流动性下行周期0 处于流动性上行或平稳周期（2）
其中，（L/Y）*代表L/Y的阈值，代表（L/H）*的阈值。预测流动性周期是否处于下行阶段，会出现两种预测误差，我们定义第1类误差（T1）为流动性周期下行而信号未显示，第2类误差（T2）为信号显示而流动性却不属于下行周期。以下三个损失函数（LF）反映了综合考虑两种误差后L/Y和H/Y的信号。
其中，LF1是将第1类和第2类误差的加权平均值最小化的损失函数，1类误差和2类误差的加权系数分别是α和1-α。LF2是由噪声到信号的比率最小化的一种损失函数，用T2误差或1-T1误差表示。LF3也是最小化了噪声和信号比率的损失函数，但前提是最小预测概率至少是60%或75%。因此，只要根据L/Y和H/Y的时间序列，用KLR信号法，便可得到（L/Y）*和（L/H）*，从而判断出流动性的周期变化。
（三）我国的流动性周期走势
根据全国2002—2017年的相关数据①，运用信号提取法，我们计算得到L/Y和H/Y在三种损失函数下的阈值（见表3）。
由上表可知，在第一类损失函数（a=0.5，a=0.75）和第三类损失函数的情况下，（L/Y）*和（H/L）*的预测概率达到100%，因此，本文以第一类损失函数LF1（a=0.5）的情况作为流动性周期下行的判定条件测算各年度的阈值（见表4）。2002年以来，我国大致出现了四次流动性紧张的情况，即流动性处于下行周期，第一次是因为全球金融危机，第二次和第三次均是钱荒造成的，第四次是2015年的股灾。
四、我国的信贷和房地产周期
（一）指标选取
本文的信贷指标用非金融私人部门的贷款衡量。非金融私人部门分为非金融企业、住户、为居民服务的非盈利机构三个部分，贷款来源既包括国内银行贷款，又包括跨境银行贷款和其他非银行金融机构贷款。由于非金融私人部门的贷款情况与实体经济的关系非常密切，是顺周期的经济行为，能较好地反映实体经济的融资状况，是融资约束较为理想的表示变量。
本文选取国房景气指数作为我国房地产周期的度量指标，之所以选择该指数是参考欧美等国运用BIS官网统计的数据作为房地产周期的度量，而我国的国房景气指数相对来说跨度较长，比较适合进行中周期的衡量。由于房地产市场与信贷市场相关性非常紧密，房地产价格也通常被当作重要抵押品的价格，并成为影响金融市场乃至整个宏观经济的核心因素。尤其近几年，我国房地产市场发展较快，房价上涨速度加快，可能带来的泡沫及金融风险尤其值得关注。
（二）BP滤波法测算信贷和房地产周期
学术界测算信贷周期和房地产周期，一般采用滤波分析法或拐点分析法。滤波分析的核心思想是使用带通滤波的方法提取出全样本数据中循环序列的部分，排除短期噪音干扰和长期趋势，得到序列的周期波动情况。本文借鉴Christiano和Fitzerald等相关研究，拟采用Band-Pass滤波法（简称BP滤波法）来计量。依据BP滤波的实质，采用频域控制法，从实际信贷变量和实际房价指数序列中提取出信贷和房地产变量的周期因素，然后取算术平均作为两者的周期指数。
首先，计算实际信贷缺口和实际房地产价格缺口，计算方法为：信贷缺口=信贷/GDP-消除趋势后的信贷/GDP;房地产价格缺口=房地产国房景气指数-消除趋势后的国房景气指数。
然后，将信贷缺口和房地产价格缺口指标进行指数化处理。数据处理完成后，在进行BP滤波提取前，对序列进行平稳性检验，如果数据是平稳的，还需要去除线性趋势。
再次，假设信贷缺口和房地产价格缺口序列为不同频率周期函数的加权平均，运用BP滤波法，通过下列线性滤波算子来排除信贷缺口和房地产价格缺口序列中的长期趋势部分：
其中，周期长度设定在区间[S1，S2]范围内，本文是季度数据，K=12。为了在不改变序列时间次序的情况下，较好地提出变量中的随机干扰和长期趋势，本文设置高频、低频信息过滤范围区间上下线定为32-80季度，同时通过滞后12个季度来消除季节性影响。 最后，对将信贷缺口和房地产价格缺口的BP滤波结果取算数平均值，作为信贷周期和房地产周期的综合指标。
（三）我国的信贷和房地产周期走势
根据测算结果，目前我国处于2009年以来的第一个信贷和房地产周期顶峰，信贷和房地产周期已于2017年达到顶峰，面临下行可能，意味着当前的金融风险较高。不过，与欧美等国家所不同的是，欧美等国家在周期顶峰一般是被动爆发金融危机，然后进行风险化解和处理。我国在信贷和房地产周期到达顶峰前，就积极地实施去杠杆、强金融监管等政策，金融风险在强有力的政策配合下自2016年开始逐渐缓释、积极化解，2018年信贷和房地产周期从高峰开始有下行转向的趋势（见图2）。
五、我国的杠杆周期走势
（一）杠杆周期的刻画
宏观经济的杠杆率与微观经济杠杆率的衡量不同，一般用负债与国内生产总值（GDP）的比例来衡量。借鉴中国人民银行调查统计司课题组的方法，我们先计算分部门债务，再得出宏观杠杆率，即：宏观杠杆率=（政府部门债务+住户部门债务+企业部门债务）/GDP。
（二）我国进入去杠杆周期
根据宏观杠杆率的测算结果，我国的杠杆周期与经济周期并不同步。在2001—2007年我国经济高速增长阶段，宏观杠杆率整体保持稳定，非金融企业部门杠杆率甚至出现下降趋势;2009—2016年中，经济增速在短暂反弹后逐年下滑，宏观杠杆率却迅猛上升;2016年下半年开始，经济开始企稳并出现小幅反弹，宏观杠杆率也趋于平稳，非金融企业部门杠杆率出现下降趋势。因此，可将本轮杠杆周期划分为第一轮加杠杆、第二轮加杠杆和去杠杆三个阶段。
1.2001—2008年：第一轮加杠杆
2001—2008年，我国名义GDP基本保持两位数的高速增长，企业盈利水平、居民收入和政府财政收入均快速上涨。此时，我国不断融入全球市场，外部经济环境较为繁荣，非金融企业部门加杠杆扩大生产规模，以满足国内外不断扩张的需求;居民部门在城镇化的快速推进及住房贷款的普及下加杠杆购房;政府部门为了满足地区经济发展的需要，对基础设施建设进行大规模投资，同样提高了杠杆率。非金融企业部门、居民部门和政府部门的加杠杆需求导致同期的银行贷款快速上升，名义GDP增速显著高于银行贷款增速，三大部门债务的快速增加却并没有导致宏观杠杆率的快速上升，反而出现了明显下降。三大部门的加杠杆都有收入增长作为支撑，未来现金流足够偿还增加的债务本息，这一阶段属于好的加杠杆周期。
2.2009—2016年中：第二轮加杠杆
为应对2008年全球金融危机，我国出台了“四万亿投资”以及宽松的货币政策，我国进入第二轮加杠杆周期。这些政策在当时有效地刺激了经济快速触底反弹，但也加剧了我国经济的结构性矛盾。非金融企业部门、居民部门和政府部门杠杆率分别由2008年年底的96.3%、17.9%和27.1%快速上升至2016年年中的166.9%、41.7%和43.4%，宏观杠杆率也从141.3%上升至251.9%。非金融企业部门进一步加杠杆，导致原本过剩的产能进一步扩张，最终PPI自2012年3月起经历了长达54个月的通缩。地方政府在GDP考核压力下通过地方政府融资平台进行大规模违规举债，并通过刺激房地产获得巨额的土地出让金和税费收入，引发了地方政府债务和企业债务风险。居民部门杠杆率快速上升，已经透支了居民部门的财富积累。债务增速大幅超过名义GDP增速，未来现金流可能不足以支撑债务的增长。
3.2016年中至今：去杠杆
2015年年底，中央出台一系列供给侧结构性改革措施，2016年年中，我国进入了去杠杆周期，去杠杆取得了较好的成效。2018年，我国宏观杠杆率由2017年的244.0%下降到243.7%，下降了0.3个百分点，实现了近七年来的首次下降。从结构上看，除了居民部门杠杆率上升较快外，非金融企业去杠杆的力度较强，政府部门显性杠杆率略升但隐性债务增速趋缓，结构性去杠杆的特征非常明显。2017年，非金融企业杠杆率为153.6%，同比下降4.6个百分点;政府部门杠杆率为37.0%，同比微升0.5个百分点;居民部门杠杆率为53.2%，同比上升3.8个百分点。尽管当前我国宏观杠杆率出现良好势头，但整体杠杆率仍然较高，非金融企业部门杠杆率还有较大下行空间，政府部门和居民部门杠杆率仍在上升之中，我国经济中存在的巨大风险仍未充分释放。因此，持续有效稳住宏观杠杆率依然迫在眉睫，未来两年内防范化解重大风险攻坚战仍居三大攻坚战的首位。
六、结论和政策建议
（一）我国处于金融周期顶峰
从金融短中长周期看，我国目前处于流动性周期的上行阶段、信贷和房地产周期的顶峰和杠杆周期的下行阶段，也就是本文所述的金融周期的第6种表现形式。在这一阶段，部分领域已爆发金融风险，要特别关注企業信用风险、地方政府债务尤其是融资平台偿债风险、房地产企业尤其是中小房企泡沫风险，防范化解金融危机的关键之处在于如何实现杠杆周期的平稳过渡。
根据去杠杆过程中政府扮演的角色，去杠杆可分为三种方式，分别是通缩去杠杆、恶性通胀去杠杆和适度通胀去杠杆。去杠杆周期一般伴随着通货紧缩，如果政府不进行干预，就会出现通缩去杠杆;如果政府过度干预则出现恶性通胀去杠杆，这两种方式是两个极端，都是坏的去杠杆。只有在缩减债务的同时，还能提高收入、增强负债主体偿还债务的能力，才是好的去杠杆。
（二）实现适度通胀去杠杆
1.金融回归服务实体经济的本位
从国际经验看，美国和日本都经历了金融去杠杆的历程，由于采取的措施不同，效果也大相径庭。20世纪八十年代，日本为了缓解房地产泡沫风险，主要靠银行控制货币总量，却引起了泡沫的迅速破裂，带来了经济“失去的二十年”。日本的方式主要是通缩去杠杆，没有处理好金融、居民、企业等部门之间的关系。美国去杠杆并没有对其经济增长产生明显的负面影响，美国的做法是好的加杠杆和坏的去杠杆组合，通过政府部门加杠杆对冲私营非金融部门去杠杆的冲击，维持了宏观杠杆率的稳定，并通过降息和量化宽松等政策刺激经济和通胀的复苏，资产负债表修复速度被加快，缩短了私营非金融部门去杠杆的周期。当私营非金融部门杠杆率稳定之后，政府部门不再继续加杠杆，刺激政策开始随着经济复苏逐步退出。 借鉴美国和日本的经验教训，要想采取适度通胀去杠杆的措施，最为重要的是让金融回归服务实体经济的本源，去杠杆的重心应放在解决结构性问题，注重结构性去杠杆，分部门、分债务类型有序、稳步地把杠杆降下来，实现坏的去杠杆和好的加杠杆组合。
2.提高直接融资尤其是股权融资的比重
近年来我国直接融资占比不断攀升，但与世界主要经济体直接融资占比70%相比，我国直接融资仍然是金融发展的一大短板，尤其是股权融资更是短板中的短板。从具体措施看，提高股权融资占比，应坚持市场化和法制化取向。一是加快多层次、多元化的资本市场建设，壮大主板、夯实创业板、发展新三板、推进科创板，为企业提供良好的股权融资环境。二是完善资本市场法制建设，切实保障投资者的利益。三是尽可能平滑股票市场波动，减少因股票价格大起大落给投资者带来的损失。四是完善资本市场监督机制，大力发展机构投资者、培育媒体等外部监督力量，推动股权市场的运行。
3.加强政策协调，防范系统性金融风险
一是保持货币政策的稳健中性，控制货币增速，用好货币政策工具，保持流动性合理充裕。二是完善宏观审慎政策框架，加强宏观审慎政策和微观金融监管的协调性，避免政策叠加或政策真空。三是加强监管部门协调整合，避免重复监管和监管空白，提高对跨市场、跨行业金融风险的预警和监测。■
（特约编辑：陈国权）
参考文献：
[1]Aikman D，Haldane A G，Nelson B D.Curbing the Credit Cycle[J].Economic Journal，2013，125（585）：1072–1109.
[2]Bhatia A V，Bayoumi T.Leverage？ What Leverage？A Deep Dive into the U.S. Flow of Funds in Search of Clues to the Global Crisis[J].Imf Working Papers，2012，12（162）.
[3]Bank for International Settlements.84th Annual Report[R].June，2014.
[4]Kim K，Lee I H，Shim W.Redefining Liquidity for Monetary Policy[J].Staff Papers，2018.
[5]黄志龙.我国国民经济各部门杠杆率的差异及政策建议[J].国际金融，2013（1）：27-28.
[6]劳芬.金融扩张、经济波动与流动性周期测度——来自中国数据的检验[J].时代金融，2014（1）：84-86.
[7]李佳流动性周期对系统性风险的影响路径研究[J].财政金融，2013（9）：63-67.
[8]陆磊，杨骏.流动性、一般均衡与金融稳定的“不可能三角”[J].金融研究，2016（1）：1-13.
[9]彭振江，杨李娟.金融周期视角下区域金融风险差异化防控研究[J].金融监管研究，2017（5）：50-67.
[10]王信，彭振江.金融周期视角下的我国地区贷款差异和政策选择[J].清华金融评论，2015（6）：61-64.
[11]项后军，陈简豪，杨华.银行杠杆的顺周期行为与流动性关系问题研究[J].数量经济技术经济研究，2015（8）：52-72+148.
[12]肖崎.流動性、杠杆率与金融稳定[J].金融发展研究，2010（10）：9-14.
[13]周月秋.关于“去杠杆”金融新周期的探讨[J].宏观经济，2018（4）：53-56.