宏观经济利率

第1篇

关键词：金融加速器；金融杠杆；利率市场化；货币政策；动态随机一般均衡

中图分类号：F8315；F8220文献标志码：A文章编号：

10085831（2017）03002312

一、研究背景与问题

金融与经济的联系日益紧密，金融领域发生的危机可能造成世界性的经济冲击。近年来，美国金融危机和欧洲债务危机冲击，和与之伴随的全球股市价格的震荡，以及国际原油价格和重要原材料价格的剧烈波动，给中国经济稳定的发展造成巨大的冲击。此外，外部冲击导致的汇率变动也将影响货币政策的实施效果。在国内，股票市场价格暴涨暴跌现象屡见不鲜，房地产也呈现急剧震荡态势，直接危及金融市场和经济稳健发展[1]。资产价格波动会对货币供应产生结构性影响，改变货币政策的传导机制，尤其是金融资产价格泡沫破裂，对实体经济会产生严重冲击，从而影响货币政策最终目标的实现[2]。

金融助推经济发展的金融加速器作用机制可以解释很多经济现象，相关文献也十分丰富。金融加速器（Financial accelerator）是指金融市场中的各种状态如信息不对称、成本会放大经济冲击的一种现象，根本原因在于金融市场不完备、金融摩擦和外部融资溢价。它的提出可以追溯到Bernanke，Gertler，Gilchrist[3-4]，他们首次将动态均衡模型的分析方法引入金融加速器中，以便更好地分析市场摩擦对经济波动的影响。此后，学者对此深入研究，逐渐扩大应用范围。Claudia和Pierdzioch[5]指出，金融市场越发达，经济波动程度越小，造成经济波动加大的主因是金融摩擦。Gilchrist[6]建立两国一般均衡模型分析金融摩擦的国际传导机制，发现发展中国家金融市场信息不对称程度相对严重，金融摩擦导致经济波动的程度较发达国家也相对严重。Gertler，Gilchrist和Natalucci [7]研究了金融加速器机制和汇率制度之间的关系，发现固定汇率制较浮动汇率制而言，金融加速器的传导效应更大。其他相关研究还从不同行业角度分析金融加速器效应。如Aoki等[8]从金融加速器角度研究了英国房地产融资对实体经济的影响，发现英国房地产投资与房价具有周期性波动特征；郑忠华、邸俊鹏[9]在包含金融加速器机制的DSGE模型中模拟了房地产借贷对经济波动影响；刘兰凤、袁申国[10]以BGG模型为基础，研究了货币政策冲击对住房价格与住房投资及消费的影响，结果发现金融加速器机制下货币政策冲击放大了对三者的作用；刘兰凤、袁申国[11]通过构建三部门的DSGE模型，从微观角度证实了中国金融加速器效应的存在，并进一步验证了金融加速器机制能提高解释周期波动的能力。

金融市场冲击对经济波动影响显著，并在全球范围内传导。2008年以来，美国为应对次贷危机引发的流动性骤减，多次实施了“量化宽松”货币政策，造成全球经济的巨大流动性冲击。2013年以来，美联储的“量化宽松”退出，全球经济再次受到影响，导致中国资本外流、汇率贬值等一系列问题。面对经济下行压力，新一届政府进行了卓有成效的改革，其中去杠杆化、利率市场化等都牵涉到金融稳定的核心领域。在金融加速器机制作用下，经济、金融领域的微小变动可能形成“蝴蝶效应”，因此，χ泄金融加速器的传导机理、作用效果等的全面深入分析研究，不仅能够丰富中国金融加速器传导机制的理论研究，而且还有助于通过实证模拟为制定和实施宏观调控政策提供参考，具有重要的理论和现实意义。论文安排如下：第二部分较为详细地描述了基于金融加速器机制的DSGE模型；第三部分对DSGE模型进行贝叶斯估计和实证模拟，侧重分析了金融杠杆化、利率市场化对经济的影响；第四部分给出了结论并提出了四个政策建议，以稳增长、促改革、调结构、惠民生。

三、模型估计和实证分析

（一）参数校准和贝叶斯估计

上述DSGE模型参数之多，依靠有限的时间样本数据显然无法拟合得到各个参数，需通过校准（calibration）即根据现实得到一些参数的值，然后根据模型拟合，比较模型与现实的拟合程度[14]。

结合中国实际经济情况，表1给出模型各个参数的先验分布、均值和标准差。符合AR（1）以及MA（1）过程的参数均为05，独立扰动项标准差均为01。得到投资调整成本φ（4）、消费替代弹性σ（15）、消费偏好h（07）、工资的卡尔沃调整系数ξw（05）、劳动供给弹性σL（2）、价格的卡尔沃调整系数ξp（05）、工资指数Iw（05）、价格指数Ip（05）、稳态时的资本利用率zk（05）、生产固定成本φp（125）。基于中国货币政策实效，货币政策对通胀的系数小于1，名义利率对通货膨胀ρπ、产出（缺口）ρy以及产出增长率变化ρdy的系数分别为08、0125和0125。近10年，中国年均通胀率约3%、名义利率约4%、经济增长率约8%，所以有季度稳态通胀率π（075）、稳态名义利率r（1）、增长率trend（2）。资本份额在经济中获益很大，α为06，杠杆比lev为22014年4月博鳌论坛，央行行长周小川直言，中国的企业部门或者公司部门杠杆率偏高。在5月17日的新供给经济学50人论坛“新供给金融圆桌”首期会议上，中国人民银行调查统计司副司长徐诺金给出的测算结果是：2012年中国非金融类企业部门的杠杆率为106%，2013年进一步增至1096%，分别对应本文杠杆比206和2096。因此，杠杆比lev定为2是合理的。，金融费用弹性为005。

为防止先验分布带来的误差，在金融加速器存在与否两种情况下，结合贝叶斯方法的后验估计，结果如表1所示。总体而言，估计结果差别并不大，均围绕先验分布的均值波动，但是标准差存在较大差异，侧面表明使用贝叶斯方法的合理性，可以防止人为设定先验分布带来的误差。

（二）数据描述与处理

采用2001年第一季度至2013年第四季度数据，它们分别是实际产出GDP、通胀CPI、社会消费C、社会投资I、就业人口LAB、总人口N、工资W、利率R、融资利差S。利率以七天银行间同业拆借市场利率替代，因为央行关注同业拆借市场进行公开市场操作，同时它也是目前中国利率市场化程度最高的地方。融资利差S代表金融扩散冲击，如果经济运行总体平稳，融资利差应该不大且较为稳定，反之，经济受到较大冲击，融资利差就会剧烈波动。借鉴利率期限结构，采用银行间拆借市场利率的月度数据与年度数据之差替代。所有序列以2005年作为基准。为研究波动性，对数据进行差分处理。数据来源中国国家统计局数据库、中国人民银行数据库以及wind数据库，论文对数据进行了整理和季节调整。dy、dc、dinve、labobs、pinfobs、dw、robs、sobs分别表示季度GDP、人均消费额、投资、劳动供给、通货膨胀、工资的差分以及利率和融资利差。

（三）金融参与对经济的影响

通过比较金融加速器机制存在与否可以分别研究和分析对经济的影响。当金融加速器存在时，即金融费用弹性ω不为零，杠杆率lev不为1，以及金融扩散效应存在。图1- 4刻画了存在（右侧）和不存在（左侧）金融加速器情况下，各种冲击对产出、投资、消费和通胀的影响。显然，存在金融加速器时，外生扰动冲击放大了经济扰动效应。

由表2方差分解结果可知，一旦金融加速器进入一般均衡方程中，金融扩散冲击解释了内生量扰动的绝大部分信息，贡献度大多在90%以上，而其他冲击对内生变量扰动的影响则显得微乎其微。金融扩散冲击对经济影响显著的政策意义在于，央行必须密切关注市场融资利差所反映的信息，必要时采取宏观调控，引导预期，确保经济平稳运行。

从历史分解角度分析。以产出和投资为例，分析金融加速器存在与否两种情况下的历史分解，图5-6显示，货币政策冲击在存在金融加速器作用下效应显著提升。主要原因在于，金融杠杆对金融市场中的诸如信息不对称等摩擦具有放大效应，但央行的宗旨在于纠正这些市场非理。央行负有维持经济平稳发展的重任，当面临能威胁经济、金融稳定的外生冲击时，应迅速甄别冲击来源和原因，果断采取措施，利用其在金融市场中的特殊地位，综合运用各种政策指导和货币政策，力保经济、金融平稳健康发展。

（四）杠杆率对经济的影响

为研究不同杠杆率下不同外生冲击对经济的影响，分别以高中低三种杠杆率为研究对象，侧重分析不同冲击对产出、消费、投资和通胀的影响（图7-10）。

通过比较不同杠杆率下各种冲击对产出、消费、投资和通货膨胀的影响，发现当杠杆率为2时，外生冲击对经济的影响最大，而当杠杆率为15或是25时，各种冲击对经济的影响反而较小。主要原因在于，当杠杆率较低时，金融体制不完善导致冲击传导机制不通畅，客观上起到了抗风险的作用，如1997年亚洲经济危机，当时中国没有完全开放外汇市场，客观上阻碍了危机的传导；而当杠杆率较高时，完善的金融体制又具有一定的自我稳定能力，提高了抵御冲击的能力。就政策而言，为防止去杠杆化带来的风险，政府需有充足准备，避免造成经济过度波动。

表3是在杠杆率为15和25时的方差分解（杠杆率为2的方差分解见表2右侧）。一个最大的区别在于当杠杆率为2时，金融扩散冲击解释了诸多内生变量波动的主要部分，而当杠杆率为15和25时，金融扩散冲击对内生变量扰动的贡献力度十分有限。当杠杆率过高或过低时，货币政策对内生变量的贡献力度会提高。联系实际，当面对中国经济下行压力时，总理提出要去杠杆化（作为克强经济Likonomics的重要内容之一），降低金融风险，则在此过程中，央行的货币政策须十分谨慎，避免给经济带来过度干扰。

（五）利率市场化对经济的影响

与杠杆率直接进入动态随机一般均衡模型中不同，利率市场化并不直接进入模型，但这并不影响对利率市场化的分析。所谓的利率市场化就是把利率的决策权交由金融机构，由金融机构根据自己的资金状况和金融市场动态判断自主调节利率水平。如果央行全面放开利率政策，利率波动随着市场供求状况而加大。模型中，利率市场化主要带来两方面的间接影响：货币政策执行过程中的冲击（em）和用融资利率替代的金融扩散冲击（eb）加剧。

货币政策冲击给所有内生变量造成类似驼峰状的轨迹。其中，劳动供给和投资受到冲击最大，一个百分点的货币政策冲击导致劳动供给瞬间下降12个百分点，8个季度下降45个百分点后，起止回升。因为货币政策冲击影响人们预期行为，以至于就业压力在较长时期内存在。投资一直是中国经济增长的驱动力，它受到货币政策冲击有一个先下降23个百分点，后逐渐回归至稳态的动态路径，历时12个季度左右。因为正向货币政策冲击引起名义利率上升，投资成本随之升高，压缩净收益空间，导致部分经营效率不高的企业逐渐退出投资领域。因此，央行改革利率市场化过程中，需密切关注就业市场和投资领域的影响。

金融扩散冲击对产出、消费、投资和劳动供给影响较大。一个百分点的金融扩散冲击瞬间引起产出增加，然后逐渐回落，历时12个季度左右。对消费而言，金融扩散冲击的作用较为温和，经历3个百分点下降后逐渐回归稳态。投资的轨迹正好与消费相反，从3个百分点的正冲击逐渐回归稳态。而劳动供给的轨迹呈现发散状态。如果融资利差变大，在长期融资成本不变的情况下，市场对短期资本需求增加，提高短期融资成本，造成利率上升的替代效应大于收入效应，此时消费减少，劳动供给增加。因此，金融加速器效应得以体现。纵观世界发达国家，资本市场的任何风吹草动都可能引发一系列较为严重的经济问题。因而，处在改革开放进程中的中国，政府要对逐渐放开利率市场化引起的金融扩散冲击带来的经济冲击影响有清醒的认识，做好应对准备，防止经济出现“过山车式”的大起大落。

四、结论和政策建议

本文在金融加速器机制下，运用中国2001年第一季度至2013年第四季度的经济数据，使用贝叶斯技术，通过动态随机一般均衡模型估计，分析了金融杠杆、利率市场化对经济的影响，得到以下几个结论。

第一，与不存在金融加速器情形不同，存在金融加速器机制时，冲击扩大了对经济的影响。主要是存在金融加速器机制时，各种经济变量之间的关系更加密切，彼此受到的影响也会增加。从方差分解结果看，金融扩散冲击解释了大部分内生变量扰动信息。

第二，存在金融加速机制时，不同杠杆率水平下，外生冲击对经济的影响效应不同。实证结果证实，当杠杆率为2时，外生冲击对经济的影响最大，当杠杆率为15或是25时，各种冲击对经济的影响反而较小。方差分解进一步表明，当杠杆率为2时，金融扩散冲击解释了诸多内生变量波动的主要部分，而当杠杆率为15和25时，金融扩散冲击对内生变量扰动的贡献力度十分有限。

第三，利率市场化进程中，形成货币政策冲击和金融扩散冲击的间接影响。对货币政策冲击而言，所有内生变量都遵循类似驼峰状的动态轨迹，其中影响最大的是劳动供给和投资。对金融扩散冲击而言，对产出、消费、投资和劳动供给影响较大。

鉴于此，为保障经济、金融健康稳定发展，提出以下几点政策建议。

第一，去杠杆化过程要有一定的缓冲期，以稳增长、促改革、调结构、惠民生为主要目的。去杠杆化需要一个过程，需要给企业一个消化时间，提高金融资源配置效率。事实上，去杠杆化的目的是要防范高杠杆率带来的金融风险，而不是让去杠杆化成为影响稳增长、控通胀、调结构新的不稳定源。

第二，不断深化和稳步推进利率市场化改革。利率市场化改革的宗旨不是调节利率水平，而是改革利率的形成机制，使之成为反映宏观经济运行状态的准确价格信号。利率市场化也是各国经济持续发展的必由之路，稳步推行改革方式将是可操作的最佳做法。

第三，实行稳健的货币政策以应对各种外部冲击。综合运用多种货币政策工具，采取微{的操作模式，提高信息沟通，增强预期管理，维护经济增长处于稳定区间内，防止通货膨胀突破上限。

第四，实行适当积极的财政政策。适当扩大财政赤字和国债规模，进一步完善结构性减税政策和调整财政支出结构，着力保障和改善民生，进一步深化财税改革，促进经济转型升级，增强经济内生增长动力。参考文献：

[1]朱培金.扩展的泰勒规则及其在中国的适用性研究[D].长春：吉林大学，2013.

[2]赵进文，高辉.资产价格波动对中国货币政策的影响――基于1994-2006年季度数据的实证分析[J].中国社会科学，2009（2）：98-114.

[3]BERNANKE B，GERTLER M，GILCHRIST S.The financial accelerator and the flight to quality[J].The Review of Economics and Statistics，1996，78（1）：1-15.

[4]BERNANKE B，GERTLER M，GILCHRIST S.The financial accelerator in a quantitative business cycle framework[M]// Taylor J B，WOODFORD M.Handbook of Macroeconomics.Edition 1，Vol.1.North Holland：Elsevier，1999：1341-1393.

[5]BUCH C M，PIERDZIOCH C.The integration of imperfect financial markets： Implications for business cycle volatility [J].Journal of Policy Modeling，2005，27（7）：789-804.

[6]GILCHRIST S.Financial markets and financial leverage in a twocountry world economy[C]//AHUMADA L A，FUENTES J R.Series on Central Banking，Analysis and Economic Policies，Vol VII： Banking Market Structure and Monetary Policy.Central Bank of Chile，2004.

[7]GERTLER M，GILCHRIST S，NATALUCCI F M.External constraints on monetary policy and the financial accelerator[J].Journal of Money Credit and Banking，2007，39（2/3）：295-330.

[8]AOKI K，PROUDMAN J，VLIEGHE G.House prices，consumption，and monetary policy：A financial accelerator approach [J].Journal of Financial Intermediation，2004，13（4）：414-435.

[9]郑忠华，邸俊鹏.房地产借贷、金融加速器和经济波动――一个贝叶斯估计的DSGE模拟研究[J].经济评论，2012（6）：25-35.

[10]刘兰凤，袁申国.住房价格、住房投资、消费与货币政策――基于金融加速器效应的DSGE模型研究[J].广东金融学院学报，2011（3）：3-15.

[11]刘兰凤，袁申国.中国经济金融加速器效应的DSGE模型分析[J].南方经济，2012（8）：102-114.

[12]MEROLA R.The role of financial frictions during the crisis： An estimated DSGE model[J].Economic Modelling，2015，48：70-82.

第2篇

一、经济管制与宏观经济调控的不同之处

经济管制是指具有经济管制权的政府管制部门依照政府制定的法规对被管制者进行的（主要是）行政管理与监督行为。宏观经济调控则是指政府宏观经济管理部门在相关法规的约束下根据宏观经济运行的需要对宏观经济进行的调节。这里需要说明的是，宏观经济调控一词带有较浓厚的计划经济或者管制经济的色彩，“宏观经济调控”一词所表达的意思是政府对宏观经济的调节和控制。准确地说，这里探讨的是经济管制与宏观经济调节的关系。因为在市场经济中，政府对宏观经济只能是进行调节，目标是实现宏观经济的平衡，并不是对经济进行控制，对宏观经济进行控制的结果是管制经济。但根据习惯或传统，这里笔者仍称宏观经济调控。经济管制与宏观经济调控是存在着多方面的不同之处的，以下将分别予以说明。

1.经济管制与宏观经济调控产生的具体原因不同

虽然经济管制与宏观经济调控产生的根本原因都在于市场缺陷，都是由市场经济所内生出来的（注：参见曾国安：《政府经济学》，武汉，湖北人民出版社，2002。），但两者产生的具体原因是存在差别的。经济管制主要是由经济的外部性、垄断、信息的不对称、经济人的非理以及收入分配不平等问题、非市场品、有害物品的生产与消费问题、产权保护问题、市场不完善问题等所引起的，宏观经济调控则是由宏观经济失衡（包括总供给与总需求的失衡，总投资、总消费的波动，总就业的波动，一般物价水平的波动，国际收支失衡，经济增长的波动等）所引起的。两者产生原因的差别导致了政府干预部门、干预目标、干预手段等等的不同。

2.经济管制与宏观经济调控所要达到的目标不同

虽然总的来说，经济管制与宏观经济调控都是要通过政府对经济的干预，弥补市场的缺陷，充分发挥市场的优长（包括促进资源配置效率的提高，促进生产效率的提高，促进技术创新，促进积累的增长等），提高经济效率，增进社会福利，但两者的具体目标是存在着差别的。经济管制所要达到的具体目标主要是：（1）通过政府的干预解决外部经济效应问题，即限制、减少具有负的外部经济效应的产品的生产和消费，鼓励具有正的外部经济效应的产品的生产和消费；（2）通过政府的干预解决垄断问题，即政府在避减垄断的总原则下，通过对不同类型的垄断分别采取禁止、限制以及数量管制、价格管制和促进竞争的政策，以维持或者促进形成有效竞争的行业市场结构，促进企业和产业经济效率的提高；（3）通过政府的干预增加市场信息的供应量，减轻由信息不对称对经济效率带来的危害；（4）通过政府的干预约束经济人的非理，如禁止非市场品的生产、交易和消费等；（5）通过政府的干预减少交易成本，促进市场交易，增进生产性活动；（6）通过政府的干预进行收入再分配，缩小居民收入差距，提高社会福利水平。宏观经济调控则旨在通过对经济总量的调节，实现经济总量的平衡。具体来说，宏观经济调控的主要目标是：（1）通过对总供求的调节，实现国民经济的总量平衡；（2）通过对投资的调节，避免或减轻总投资的波动；（3）通过对消费的调节，避免或减轻总消费的波动；（4）通过刺激经济实现充分就业；（5）通过调节宏观经济实现物价水平的稳定；（6）通过调节国内经济和汇率实现国际收支的平衡；（7）通过逆向的经济调节实现国民经济长期稳定的增长。

3.经济管制与宏观经济调控出现的时间不同

基于经济管制与宏观经济调控产生的原因的不同，决定了两者出现时间的不同。虽然经济管制处在不断发展和完善的过程中，但由于经济管制主要导源于市场的不完善，由于市场的不完善始终存在，伴随着市场经济产生、发展的全过程，因此经济管制伴随着市场经济产生、发展的全过程。而宏观经济调控导源于宏观经济失衡，在市场经济足够成熟，宏观经济失衡对社会大众的经济利益产生了负面影响，损害了经济的正常运行，并危及社会稳定，而且社会充分认识到宏观经济调控的必要性，并且已经建立起了宏观经济调控的“基础设施”以后，才会出现宏观经济调控。从经济管制和宏观经济调控的演变历史来看，经济管制出现的时间要远远早于宏观经济调控出现的时间，市场经济出现之时，经济管制也随之出现了，在不成熟的市场经济阶段有经济管制，在成熟的市场经济阶段自然也有经济管制（注：实际上，如果不限于市场经济，经济管制在国家或政府出现之后，市场经济出现以前就已经存在。可以说，经济管制是随国家或政府的出现而出现的。市场解决不了的问题，如外部经济效应问题、垄断问题、信息不对称问题、居民的非理等等，在市场经济产生以前就存在，只不过其规模、影响等小一些而已。），而宏观经济调控是在市场经济进入到成熟阶段以后才出现的，在市场经济进入到成熟阶段以前不存在宏观经济调控，在市场经济出现以前也不存在宏观经济调控。在西方国家，只是在20世纪30年代之后才出现宏观经济调控，如果从16世纪算起，在市场经济阶段，宏观经济调控出现的时间要比经济管制出现的时间晚了400多年。

4.经济管制与宏观经济调控的实施机构不同

经济管制涉及的具体领域很多，政府部门中实施经济管制的机构既包括司法机构，也包括行政机构，既包括中央政府司法机构和行政机构，也包括各级地方政府司法机构和行政机构，在行政机构中既包括纯粹的宏观经济管理机构（如中央银行、财政部等），也包括其他专门的经济管理机构（如证券监管机构、保险监管机构等）、非经济管理机构（如文化管理机构、环境保护机构、药品管理机构等）以及综合性管理机构。这些机构依照颁行的法规在各自管理的领域对被管制者依法进行管制。经济管制具有很强的行业性，即依照行业性质，由设立的政府主管机构对被管制者进行管理和监督（如商业银行一般主要由中央银行进行管理和监督，投资银行主要由证券监管机构进行管理和监督，保险公司主要由保险监管机构进行管理和监督），但经济管制的行业性并不排斥政府其他管理机构依法对被管制者进行管理和监督，同时也有许多行业同时受多个管理机构的管理和监督，这些管理机构拥有非重复的，但对被管制对象的活动的影响几乎具有同等的制约力和管制权。宏观经济调控的实施机构则主要是中央政府的行政机构，并且主要是中央政府行政机构中的宏观经济管理机构，在宏观经济管理机构中主要是中央银行和财政部。宏观经济调控的实施机构的数量远远少于实施经济管制的机构。

5.经济管制与宏观经济调控的实施手段不同

虽然经济管制与宏观经济调控的具体实施手段都随着市场经济的变化、管制或者调控对象的特征与行为的变化、经济管制与宏观经济调控制度的演进等不断地发生着变化，但两者的区别还是相当大的。经济管制的实施手段主要是行政、司法手段，因此具有强制性，虽然经济管制肯定会影响微观经济主体的经济利益，但政府主要并不是通过对市场的调节，改变市场信号来达到管制的目的，而主要是通过对微观经济主体的直接管制而达到管制目的的。政府对经济当事人的经济处罚直接减少经济当事人的经济利益，但经济当事人由此造成的损失并不是来自于市场，对经济当事人的经济奖励会直接增加经济当事人的经济利益，但经济当事人由此获得的利益同样不是来自于市场，而是来自于政府，来自于政府的行政机构或者司法机构，这种直接来自于政府的经济处罚或者经济奖励在这里仍应归于行政或司法手段，因为它们是行政管理和监督、司法管理和监督的工具。在经济管制中，政府的角色定位主要是“裁判”。需要说明的是，经济管制本身并不排斥经济手段的运用，有的领域也需要政府当“运动员”，最近一二十年来，无论在经济发达国家，还是在发展中国家，在许多领域，政府运用经济手段取得了过去运用行政手段和司法手段进行管制所没有取得的效果，经济手段的运用范围也有扩大的趋势，但基于经济管制的基本性质，经济管制的实施手段以行政手段和司法手段为主的格局并不会发生变化。

宏观经济调控的实施手段则主要是经济手段，因此具有非强制性。宏观经济调控是通过政府参与市场（充当“运动员”的角色），通过对市场的调节，改变市场信号，从而使微观经济主体的行为发生变化，从而使经济总量发生变化，来矫正宏观经济失衡，维持宏观经济平衡的。经济手段包括货币政策、财政政策等，这些政策的运用，会对商品市场、劳动力市场、资本市场、货币市场、外汇市场等市场的供求产生影响，继而会对市场价格产生影响，从而使微观经济主体的经济利益发生变化，从而促使其调整其行为，最终重新恢复市场平衡。在市场经济中，除非是在战争时期，政府是没有理由普遍采用行政手段和司法手段来进行宏观经济调控的，因为政府采用行政手段和司法手段来进行宏观经济调控从根本上是与市场机制相排斥的，这样做的结果是政府对市场的替代，从而也就必然导致市场优长的丧失，造成社会福利的根本性下降。同样需要说明的是，撇开特殊的战争背景，宏观经济调控目标的实现有的时候也是可以采取行政和司法手段的，例如在严重的通货膨胀条件下，政府可以采取直接控制收入增长的收入政策来抑制通货膨胀，但这类政策的采用除非迫不得已，应该禁止政府使用，并且政府要使用这类手段，也必须获得政府立法机构的授权。

从上面的分析来看，由于经济管制主要采用行政手段和司法手段，管制者与被管制者多发生直接的联系，它是管制者直接对被管制者进行管理与监督，而且管制具有强制性，因此应该说经济管制主要是直接干预；而宏观经济调控主要运用经济手段，宏观经济调控机构并不与调控对象发生直接的联系，它是政府调节市场，市场影响或者引导微观经济单位的调节方式，不存在宏观经济调控机构对调控对象的行政管理和监督（注：否则，就属于经济管制范畴，因为如果宏观经济调控主要依靠行政手段和司法手段，即主要采取直接干预的手段，那么市场经济的基础就会受到破坏，这样的经济也就不再是市场经济了，而是计划经济或者管制经济了。因此，市场经济下政府的宏观经济调控与直接干预是相冲突的，换句话说，市场经济下政府的宏观经济调控只能主要采取间接干预手段。近20年来，中国国内经济学文献中大量提到的市场经济中政府对经济的干预应该以间接干预为主（或者市场经济中政府对经济的调控应该以间接调控为主）的理论应该说针对宏观经济调控是正确的，而且只是针对宏观经济调控才是准确的。），而且宏观经济调控不具有强制性，因此应该说宏观经济调控主要是间接干预。（注：在中国经济体制改革过程中，曾经有过还要不要经济管制的疑义。应该说，经济体制改革要解决的问题并不是要不要经济管制的问题，而是要什么样的经济管制的问题。1950年代初开始形成的中国传统的经济管制制度与市场经济是相背的，必须对这种经济管制制度进行根本的改革，这是建立市场经济的前提条件。中国市场经济的建立比较缓慢，根本原因就在于对传统的经济管制制度的改革过慢，市场化改革过程从实质上来说也就是废弃传统的经济管制制度的过程，废弃传统的经济管制制度的进程越快，市场化改革的进程越快，市场化改革每向前推进一步，也意味着废弃传统的经济管制制度的进程向前推进了一步，市场经济的完全建立要以传统的经济管制制度的根本改革为前提。但是市场经济与传统的经济管制制度势不两立，并不表明市场经济与经济管制制度势不两立，市场缺陷要求建立经济管制制度，政府的经济管制是市场经济所内生出来的要求，是实现经济的高效率和社会公正的必要条件，但是这必须是与市场经济相适应的、弥补市场缺陷的、有着明确的管制边界的经济管制制度。从市场经济国家来看，宏观经济调控制度方面的差异远较在经济管制制度方面的差异小，借鉴各国在宏观经济调控和经济管制的经验时，选择更困难的是在经济管制方面的经验。各国的经济管制制度相当复杂，而且合理性差异也很大，因此在研究市场经济国家政府调控经济的经验教训时，虽然研究宏观经济调控方面的经验教训是必要的，而研究各国经济管制方面的经验教训更为迫切，应该避免（也是在实践中最容易出现错误）的是将别国特殊的经济管制制度，并且是不合理的经济管制制度当作市场经济的具有共性的一般经济管制制度。对各国经济管制制度进行比较、甄别、判断、改造对改革传统的经济管制制度和建立与市场经济相适应的经济管制制度是十分重要的。）

6.经济管制与宏观经济调控的实施方法不同

这里所谓的实施方法是就政府干预的力度而言的。宏观经济调控的力度依宏观经济失衡程度的不同而会有所不同，宏观经济失衡越严重，宏观经济调控的力度应该越大，失衡程度越轻，宏观经济调控的力度应该越小。市场经济中的宏观经济失衡具有周期性，因此国民经济无法避免短期性的周期性的波动，这样宏观经济调控的力度的选择直接与经济的短期性的周期性的波动有关。在市场经济中，宏观经济会经常性处于失衡状态中，为了防止宏观经济出现严重失衡，一般来说，政府应该逆对经济风向采取经常性的调节政策，这种调节属于微调。相对于有可能出现的宏观经济的严重失衡，这种调节属于预防性质的调节。微调是经常性的，大调则不是经常性的，而是周期性的（有时间周期，宏观经济严重失衡才应该进行大调）。相对于宏观经济调控的方法的选择性，针对于微观经济主体，经济管制一般来说并不存在微调与大调问题，因为经济管制是依律行事，按照法规应该受到什么处罚就给予什么处罚，应该受到什么奖励就给予什么奖励，同业者间的区别会相当大。当然对于一些经济活动，政府是加大管制力度，还是减轻管制力度，也需要政府做出选择，但这种选择与宏观经济调控力度的选择不同，它与宏观经济失衡的程度无关，与经济周期性运动无关，而是取决于公众的认识、技术水平的变化、产业结构的变化、外部经济环境的变化等方面的因素，力度加大或减轻一般会表现为长期趋势，而不是短期性的周期性的变化。

因此，我们就能发现宏观经济调控政策的运用具有典型的逆经济运行的特点，而经济管制则不具有这一特点，无论是在经济萧条时期，还是在经济繁荣时期，只要经济管制制度未变，管制政策就不会有变。

7.经济管制、宏观经济调控与产业政策的关系不同

宏观经济调控可能会对产业发展产生影响，因为宏观经济调控可能会改变相对价格，如果宏观经济调控改变了相对价格，那就会改变产业的比较利益，从而会引起经济资源在产业间的重新配置。就其性质而言，可能产生有利于产业政策的效果，也有可能产生出不利于产业政策的效果。不过就宏观经济调控本身而言，其性质、目的等等都与产业政策无关，宏观经济调控并不是为了产业政策的目标而制定和实施的。

经济管制则不同，经济管制虽然并不是只服务于产业政策，但是它是产业政策的必备工具，要实施产业政策，就必须有与之相适应的经济管制，否则，产业政策就是无效的。例如政府要支持幼稚产业的发展，政府就要对外实施进入管制政策和其他相关管制政策；政府要促进一个行业的竞争，政府就要实行反垄断、鼓励进入和促进公平竞争的管制政策；政府要压缩有较大污染的行业生产规模，扶持污染小的新兴行业的快速发展，就要采取抑制前者、鼓励后者的进入管制政策、污染排放管制标准与排放数量的管制政策、污染排放税政策等。

8.经济管制与宏观经济调控的对象不同

宏观经济调控的对象是无选择性的，它是通过对市场的调节而影响微观经济主体，宏观经济调控对国民经济的影响具有系统性、整体性和全局性，虽然市场的影响程度对不同的微观经济主体会有所差别，但由于宏观经济调控所要改变的是宏观经济变量，因此任何微观经济单位都难以避免地要受宏观经济调控政策的影响，因此宏观经济调控的对象实际上是针对所有的经济主体。就宏观经济调控的影响的性质来看，可能使所有的经济主体受益，也可能使所有的经济主体受损，也可能使一部分经济主体受益，而同时使另一部分经济主体受损。从社会整体而言，一项正确的宏观经济调控政策能够得到有效的实施，将会增进社会福利。

经济管制的对象则是有选择性的，它所管制的是具体的微观经济单位。例如基于保护环境而实施的污染排放管制的管制对象只是污染排放单位，其他单位则不在管制之列。微观经济单位如果违规，将会受到管制机构的处罚。任何经济单位所从事的经济活动如果不在经济管制的范围之列，它就不会受到经济管制机构的约束。虽然经济管制造成的影响可能是全局性的，不过一般来说，其影响的局部性更强。

9.经济管制与宏观经济调控对经济效率的影响存在着差别

无论是经济管制，还是宏观经济调控，都对经济资源的利用率、生产效率和资源配置效率具有影响。不过两者对经济资源的利用率、生产效率和资源配置效率的影响是存在着差别的。这种差别主要反映在以下方面：

（1）影响的时间长短不同。宏观经济调控对经济效率的影响具有非持续性的特点。原因在于：第一，微调对经济资源的利用率、生产效率和资源配置效率的影响较小，大调才会明显地影响经济资源的利用率、生产效率和资源配置效率，而大调所具有的周期性的特点，使得宏观经济调控对经济资源的利用率、生产效率和资源配置效率的影响具有非持续性的特点；第二，宏观经济调控并不会改变经济制度，即不会改变经济活动的游戏规则，这样一旦宏观经济调控政策发生变化，其对经济效率的影响就会消失。经济管制对经济效率的影响则具有持续性的特点。因为：第一，经济管制总是表现为一种长期的趋势，一项管制制度确定以后，往往会在很长的时期内运行，有的持续几十年，有的持续上百年，有的经济管制制度一经确定，几乎就成为永恒性的了，这样就使得经济管制对经济效率的影响具有长期性；第二，经济管制制度的变化改变的是经济活动的游戏规则，这样一旦经济管制制度发生变化，新的制度会在长时期内影响微观经济单位的行为，从而对经济效率产生持续的影响。

（2）影响的途径不同。宏观经济调控对经济效率的影响主要是通过改变市场环境，或者说宏观市场结构，从而改变微观经济单位的外部环境（压力），来影响经济效率。经济管制既通过改变微观经济单位的外部环境（压力），也通过影响微观经济单位的动力机制和能力，还通过对相对价格或者成本、利润率的影响而影响经济效率。简而言之，宏观经济调控对经济效率的影响途径具有单方位性，而经济管制对经济效率的影响途径具有全方位性。经济管制对经济效率的影响途径的全方位性预示着经济管制会通过渗入到经济机体的内部而在深层次上影响着经济效率，这就意味着一个社会的经济效率的高低主要取决于经济管制制度，低效率社会要提高经济效率就应该主要从经济管制制度的改革入手。

（3）影响的结构不同。虽然宏观经济调控对经济资源的利用率、生产效率和资源配置效率都具有影响，但宏观经济调控对经济资源的利用率影响最大，而对生产效率和资源配置效率的影响则比较小。在经济不景气时，政府采取扩张性的经济政策会使经济资源的利用率得到提高，这是宏观经济调控对经济效率的最主要的积极影响。在经济繁荣时，政府采取紧缩性的经济政策会使经济资源的利用率下降，也会增加微观经济单位面临的市场竞争压力，这有利于提高生产效率，但由于宏观经济调控并不会增强微观经济单位提高生产效率的动力和能力，因此并不一定能够使微观经济单位努力提高生产效率。虽然宏观经济调控可能会改变要素或者产品的相对价格，从而具有提高资源配置效率的可能性，但一方面相对价格的变化可能会出现不利的变化，从而出现恶化资源配置的可能性，另一方面要素的流动性等影响资源配置效率的条件并不是宏观经济调控所能改变的，因此即使要素或者产品的相对价格有利于资源配置效率的提高，也会因为其他条件不具备而不能改变资源配置，从而不能使资源配置效率得到提高。而要具备这些条件恰恰需要经济管制制度的改革。

与宏观经济调控一样，经济管制对经济资源的利用率、生产效率和资源配置效率都具有影响，但与宏观经济调控不同的是，经济管制不只是主要对经济资源的利用率产生影响，而是对经济资源的利用率、生产效率和资源配置效率都具有至关重要的影响。首先，经济管制对经济资源利用率的高低具有至关重要的影响。进入管制、过程管制等都会影响经济资源的利用率。例如，中国实行了几十年的排斥农村劳动力进入城市非农产业部门的劳动力进入管制政策就造成了中国农村劳动力资源的大量闲置，实行了几十年的排斥非国有经济进入金融、汽车等现代产业部门的产业进入管制政策也造成了金融发展能力、汽车发展能力的闲置。一般来说，进入管制的领域越广，管制越严厉，经济资源的利用率越低。其次，经济管制对生产效率的高低具有至关重要的影响。生产效率的高低主要取决于企业有无提高生产效率的内在动力、能力和外部压力，经济管制对这几个方面都有着极为重要的影响。经济管制可以削弱企业提高生产效率的内在动力和能力，减轻企业提高生产效率的外部压力，也可以增强企业提高生产效率的内在动力和能力，增强企业提高生产效率的外部压力，好的经济管制制度应该是能够增强企业提高生产效率的内在动力、能力和外部压力的制度。其三，经济管制对资源配置效率的高低具有至关重要的影响。经济管制既会影响生产要素和产品的相对价格，也会影响产品生产的成本，影响不同产品生产的利润率，还会影响资源的流动性，因此就会影响经济资源的配置。经济管制可以促进经济资源的配置效率的提高，也可以导致资源配置效率的下降。好的经济管制制度应该是能够促进经济资源配置效率提高的制度。

简而言之，宏观经济调控对经济效率的影响结构具有局部性的特点，而经济管制对经济效率的影响结构则具有全面性的特点。

（4）影响的程度不同。由于经济管制与宏观经济调控对经济资源的利用率、生产效率和资源配置效率的影响在时间长短、途径、结构方面存在着差别，因此两者对经济效率的影响程度也存在着差别。由于经济管制对经济资源的利用率、生产效率和资源配置效率的影响时间所具有的持续性、影响途径所具有的全方位性、影响结构的全面性，而这些是宏观经济调控所不具有的，因此经济管制对经济效率的影响程度自然要超过宏观经济调控对经济效率的影响程度。

由上可以得出结论，一个社会的经济效率的高低主要取决于其经济管制制度，如果要提高经济效率，就必须要改革经济管制制度。

10.经济管制与宏观经济调控失效的原因存在着差别

经济管制与宏观经济调控的失效存在着共同的原因，但是也存在着差别。最主要的差别在于两者在被调控对象俘虏的可能性上存在着差别。宏观经济调控的失效不是因为被调控对象俘虏了调控机构，因为在宏观经济调控中，政府机构并不与微观经济单位发生直接的联系，而且宏观经济调控的影响是系统性的、整体性的、全面性的，具有非排他性，因此不存在政府机构设租和被调控对象向政府机构寻租的条件。宏观经济调控的失效主要在于政府能力不足，而一般主要不在于政府权力的滥用。而管制者被被管制者俘虏却是经济管制失效的主要原因之一。因为在经济管制中，政府管制机构要与微观经济单位发生直接的联系，管制的利益是可以排他的，而且管制机构是一个庞大的体系，每一级管制机构、管制机构的每一个职能机构都有其独享的管制权，并且这些管制权又是被分配给一个一个的作为管制者的自然人手中，管制权都是人格化了的，管制者与被管制者之间的直接联系使得管制具有了一对一的“交易”的性质，这样就存在着管制者设租和被管制者寻租的条件，从而也就出现了管制者被俘虏的可能性，一旦管制者被俘虏，就会出现管制失效。在经济管制中，不仅管制的执行者存在着被被管制者俘虏的可能性，而且管制规则的制定者也存在着被被管制者俘虏的可能性，在管制规则的制定中，所谓政治上的“看不见的手”（特殊的利益集团等等）发挥的作用往往相当大，这样就使得管制规则本身与管制应该实现的目标相背，即管制规则背离效率和公正而出现的管制规则的扭曲。由于管制规则的制定者被被管制者俘虏而导致的管制规则的扭曲对经济效率和社会公正的损害比由管制者被俘虏对经济效率和社会公正的损害更大。

11.经济管制、宏观经济调控对经济自由的影响存在着差别

经济自由是指微观经济主体从自身利益出发、按照自己的意志独立地做出经济决策的自由。经济自由是市场经济最基本、最重要的性质和特征，是市场经济存在的前提，没有经济自由，就没有市场经济。经济自由使得市场经济具有多方面的计划经济体制所不可能具有的优越性，但同时无约束的经济自由也会使市场经济难以避免地产生多方面的缺陷。经济管制与宏观经济调控都是市场经济中政府对经济的干预，它们都会对经济自由产生影响。无论是经济管制，还是宏观经济调控，实质上都是市场以外的力量——政府对经济自由施加的约束，但是两者对经济自由的影响方式、影响程度是存在着差别的。宏观经济调控对经济自由的影响是间接的，它并不直接对微观经济主体的经济决策进行干预或限制，它是通过改变宏观市场环境而对经济自由产生影响的，其对经济自由的影响具有整体性、系统性的特点，除非宏观经济调控采取直接的经济管制的手段，否则宏观经济调控并不会直接剥夺或限制经济自由。因此以间接干预为主的宏观经济调控对经济自由的影响程度也要小一些。经济管制则不同，它对经济自由的影响主要是直接的，因为它要直接对微观经济主体的经济决策进行干预或限制，因此经济管制会直接剥夺或限制经济自由，经济管制对经济自由的影响主要是差别性的。例如进入管制直接剥夺或限制了投资者的投资决策自由，价格管制直接剥夺或限制了卖方和买方的价格决策自由，出口管制直接剥夺或限制了出口商的出口决策自由。不过管制也会对经济自由产生间接影响，因为管制会影响产业环境。由此，经济管制对经济自由的影响要比宏观经济调控的影响大。因此，在市场经济中，尤其要对经济管制的边界给予明确的界定，对政府的经济管制权予以明确的规定，否则就会导致经济管制的无限延伸，就会不正当地侵害经济自由，从而损害经济效率。

由上可见，经济管制与宏观经济调控是两个不同的概念，虽然两者都是政府的重要经济职能，但是两者的差异是明显的、多方面的。

二、经济管制与宏观经济调控的相互联系

经济管制与宏观经济调控存在着明显的、多方面的差异，但是两者也存在着多方面的联系。两者的联系并没有为将两者混同提供依据，但是明确两者的相互联系也是经济理论研究应该关注的，并且两者的联系也是两者关系的不可忽视的重要方面。两者的联系主要反映在以下几个方面。

1.经济管制与宏观经济调控的必要性和范围都是由市场缺陷所规定的

市场经济条件下的经济管制与宏观经济调控的必要性都是由市场缺陷所产生的，虽然与经济管制和宏观经济调控相联系的市场缺陷存在着差别，但都导源于市场缺陷。如果不存在市场缺陷，那就不需要经济管制和宏观经济调控。市场缺陷是市场经济内生的，市场经济内生的缺陷使得市场机制充分发挥作用的条件遭到破坏，或者市场经济本身不能保证满足市场机制发挥作用所需要的条件，或者市场机制发挥作用的结果导致经济效率的下降或者低下，从而使得仅仅有市场力量并不能使社会的生产能力得到充分的有效的利用，不能实现社会在已经拥有的可资利用的经济资源的条件下社会福利的最大化。某些市场缺陷可以由第三种力量的作用得到或多或少的弥补，但第三种力量的作用存在着根本的缺陷，并不能作为弥补市场缺陷的依靠力量，（注：参见曾国安：《政府经济学》，武汉，湖北人民出版社，2002。）因此只能由政府充当弥补市场缺陷的依靠力量，政府弥补市场缺陷需要根据市场缺陷的不同领域分别通过实行经济管制与宏观经济调控来实现。虽然政府实行经济管制与宏观经济调控并不一定能够弥补全部的市场缺陷，但它却是一个社会弥补市场缺陷的最终依靠力量，而且只要经济管制与宏观经济调控的有效性能够得到不断的提高，就可以与市场力量这只看不见的手一道不断增进社会福利。（注：无论是市场缺陷，还是第三种力量的缺陷，抑或政府缺陷，从根本上来说，都是由人类的生产能力的有限性所决定的，因为市场经济、第三种力量以及政府都是人类社会的事情，没有人，便无所谓市场经济、第三种力量和政府。虽然人类的生产能力随着人类科学技术的发展、社会生产实践的发展、社会制度的不断改进（简而言之是随着人类知识的增长）而不断增长，但相对于人类的需要，相对于社会福利最大化的要求，仍然存在着巨大的缺口。即便是进入到所谓的知识经济社会，人类所掌握的知识仍然是极其有限的。因此，如何使经济资源得到充分的有效的利用，实现社会福利的最大化，是人类社会面临的永恒挑战。）

市场缺陷导致了经济管制与宏观经济调控的必要性，也同时规定了市场经济条件下经济管制与宏观经济调控的范围。经济管制与宏观经济调控都在于弥补市场缺陷，因此，无论是经济管制，还是宏观经济调控，都不能渗入到市场机制能够有效地发挥作用的领域，而只能进入市场机制不能有效地发挥作用的领域，这从根本上规定了经济管制与宏观经济调控的边界。虽然两者在市场机制不能有效地发挥作用的领域起作用的“领地”有不同，但从它们都只能在市场机制不能有效地发挥作用的领域发挥作用这一点来看是相同的，经济管制与宏观经济调控的范围都是由市场缺陷所规定的。

2.经济管制与宏观经济调控的实施主体都是政府，都是政府的基本经济职能，最终目标都在于提高经济效率

经济管制与宏观经济调控都是由市场缺陷所引起的，都在于弥补市场缺陷。尽管实施经济管制与宏观经济调控的具体的政府职能机构有不同，但都是政府机构。实施经济管制与宏观经济调控的主体既不是企业、居民，也不是第三种力量，而是政府。

在市场经济中，政府要履行多方面的具体的经济职能，主要包括：维护产权；抑制、限制或消除垄断，促进市场竞争；解决外部经济效应问题；提供和鼓励提供公共物品；提供信息和促进市场信息供应量的增加；补充市场的不完善，提供或鼓励提供市场供应不足的私人物品；进行收入再分配，缩小居民收入差距，促进收入分配的公平；限制非市场品的生产和消费，禁止有害物品的生产和消费；矫正宏观经济失衡，维护宏观经济平衡，促进宏观经济稳定；调节经济结构，促进结构平衡等。任何实行市场经济制度的国家的政府都应该履行上述经济职能。而这些经济职能可以归结为两个大的方面，即经济管制和宏观经济调控。由此可见，在市场经济中，政府要充分弥补市场缺陷，使社会的经济效率达至最优，既需要实行经济管制，也需要进行宏观经济调控，政府只有有效地实行经济管制和进行宏观经济调控，才能有效地解决市场解决不了的问题。由于市场缺陷内生于市场经济本身，因而具有长期性，政府对经济的干预，离开了两者中的任何一个方面，社会的经济效率都会无法达到最优水平，所以经济管制和宏观经济调控是政府的基本经济职能。

虽然经济管制与宏观经济调控的具体目标不同，两者的干预对象、方式、方法等等都存在着差别，影响经济效率的时间长短、途径、结构、程度也存在着差别，但是不管是经济管制，还是宏观经济调控，从它们的最终目标来看，都是要通过政府对经济的干预促进经济效率的提高，增进社会福利。

3.经济管制与宏观经济调控是相互补充的

经济管制与宏观经济调控都是政府的基本经济职能，由于两者导源于市场缺陷的不同方面，由两者的性质决定了两者功能上的差别，决定了各自适于弥补不同类型的市场缺陷，也就是说，应该实行经济管制的就不适于采取宏观经济调控，归属于宏观经济调控的就不应该采取经济管制，经济管制不能代替宏观经济调控，宏观经济调控也不能代替经济管制，两者的关系不是相互替代，而是相互补充。两者这种相互补充的关系决定了只有既能有效地实行经济管制，又能有效地实施宏观经济调控，政府才能实现有效地履行政府应该履行的经济职能的目标，市场缺陷才能得到有效地解决。

4.经济管制与宏观经济调控制度都需要不断地发展

市场机制不能有效地发挥作用的领域是经济管制与宏观经济调控能够进入的领域，但这并不意味着在这些领域政府就一定要无条件地实行经济管制与宏观经济调控。这里涉及到政府的能力。如果政府进入这些领域不仅不能起到弥补市场缺陷的作用，使社会的经济资源完全浪费，反而因为政府在这些领域实行经济管制与宏观经济调控而损害了市场机制在其能够有效地发挥作用的领域的作用的充分发挥，那么政府就不应该在这些领域实行经济管制与宏观经济调控，因为政府实行经济管制与宏观经济调控的结果不是增进社会福利，而是减少了社会福利。政府能力是人类生产能力的组成部分，人类生产能力的增长包含着政府能力的增长。政府能力的增长使得政府可以进入市场机制不能有效地发挥作用的领域中的更多的领域，经济管制制度和宏观经济调控制度也因此要相应地发展。

市场力量作为人类生产能力的一部分，也是随着人类知识的增长而不断增长的，这就使得市场机制能够有效地发挥作用的领域与不能有效地发挥作用的领域的结构会发生一些变化，基于经济管制与宏观经济调控的必要性和范围都是由市场缺陷所规定的，经济管制与宏观经济调控的对象、手段等都应该做一些相应的调整。

随着经济管制与宏观经济调控实践的发展，人类会发现和掌握实行经济管制与宏观经济调控的更有效的方法，更有效的具体的手段，更恰当的干预力度和时机，更好的决策制度，更好的机构设置，更好的机构协调机制等等，人类自然就应该利用这些新的知识来改进经济管制制度与宏观经济调控制度。

经济管制制度与宏观经济调控制度的不断发展是经济管制与宏观经济调控有效的必要条件，也只有经济管制制度与宏观经济调控制度能够得到不断发展，经济管制与宏观经济调控才能成为增进社会福利的手段。

5.经济管制的有效性与以间接干预为主的宏观经济调控的有效性存在着相互制约的关系

（1）经济管制的有效性会影响以间接干预为主的宏观经济调控的有效性。如果经济管制的范围、程度等超越了其应该有的边界，宏观经济调控不可能有效地发挥作用。例如如果存在着普遍的市场进入管制、普遍的价格管制、普遍的投资管制、普遍的分配管制，那么无论政府如何努力，以间接干预为主的宏观经济调控都不可能有效。（注：中国自实行改革开放政策以来，政府在宏观经济调控方面一直在努力从改革开放前的直接干预过渡到间接干预，在出现宏观经济失衡时，力图依靠间接干预矫正宏观经济失衡，政府的这种意愿是好的，是正确的，但每次都不能达到预期的目标，以致于每次都要通过直接干预来最终矫正宏观经济失衡。出现这一现象并不奇怪。原因就在于中国传统的经济管制制度没有根本性的变化，在这种传统的经济管制制度下，市场信号是扭曲的，资源不能自由地流动，微观经济单位应该享有的经济决策权和经济利益都被经济管制所侵蚀或者说被剥夺，应该承担的经济风险也因为经济管制而无法通过新的经济安排而转移或者被经济管制自动地转移到其他的经济主体，这就使微观经济单位对于政府宏观经济调控政策所传达的信号缺乏反映，因此使得间接干预失效。在传统的经济管制制度下，宏观经济调控只有采取直接干预才能达到预期目标，间接干预的宏观经济调控与传统的经济管制制度是相背的，因此只有根本改革传统的经济管制制度，以间接干预为主的宏观经济调控才能有效地发挥作用。以间接干预为主的宏观经济调控的有效性也可以作为判断传统的经济管制制度改革进程的一项指标。）经济管制制度所影响的是宏观经济调控的微观基础。以间接干预为主的宏观经济调控要有效地发挥作用，需要微观经济单位享有独立的经济决策权，有自己独立的经济利益，自己承担经济风险，需要有灵活的价格机制，经济资源能够自由地流动，需要有发达的高度竞争性的市场，这些条件在存在普遍的严格的经济管制的经济中是不可能得到满足的。经济管制既可以为以间接干预为主的宏观经济调控有效地发挥作用提供有利的条件，也可以成为以间接干预为主的宏观经济调控有效地发挥作用的障碍。

（2）宏观经济调控的有效性也会影响经济管制的有效性。例如如果国民经济处于总需求严重超过总供给，通货膨胀高居不下，政府的反垄断管制政策就难以奏效。有效的宏观经济调控能够为经济管制的有效性提供有利的条件，宏观经济调控的失效则会使失衡的宏观经济成为经济管制有效性的不利因素。如果宏观经济调控本身导致了宏观经济失衡或者加剧了宏观经济失衡，这样的宏观经济调控就成了经济管制有效发挥作用的障碍。

6.某些经济管制在特殊条件下也可作为宏观经济调控的手段

与实现宏观经济调控调控目标相关的经济管制可以作为宏观经济调控的手段。例如为实现国际收支平衡而对汇率进行管制，为解决通货膨胀而对利率、银行的贷款规模、企业的投资规模和薪酬进行管制，为提高就业率而对雇主辞退在业者进行限制等。不过这里需要说明的是，这里所说的某些经济管制在特殊条件下也可作为宏观经济调控的手段，实际上是说为了达到宏观经济调控的目标政府可以采取管制手段，而不是说这些管制是正常的经济管制的现成的组成部分，因为这些管制本身是不应该存在的。因此经济管制作为宏观经济调控的手段是应该受到严格的限制的，只有在间接干预无法矫正业已出现的宏观经济失衡，而宏观经济失衡对于国民经济发展造成了严重的损失，对社会稳定构成了严重的威胁，也就是说出现了严重的经济和社会危机时，政府才可采取管制手段矫正宏观经济失衡，因此经济管制只能作为市场经济殊条件下宏观经济调控的临时性手段，而不能作为宏观经济调控的常用手段。经济管制手段的运用应该有严格的法律程序，有严格的范围限制和时限，一俟危机缓和，政府就应该撤消管制，而完全采用常规性的间接干预手段。

三、关于经济管制与宏观经济调控政策的几点思考

基于上述对经济管制与宏观经济调控的关系的讨论，考虑到经济管制与宏观经济调控政策存在的种种问题，笔者认为在经济管制与宏观经济调控政策方面，需要关注以下问题。

1.不能混同经济管制政策与宏观经济调控政策

经济管制政策与宏观经济调控有相互联系的地方，但两者的差别也是明显的。政府在制定经济调控政策时，应该考虑两者的差别，在政策工具的选择、职能部门的分工等方面都应该有相应的差别。如果将经济管制政策与宏观经济调控政策混同起来，在政策工具的选择、职能部门的分工等方面就会出现错误的选择，导致的结果要么是经济管制的目标和宏观经济调控的目标无法实现，要么是使政府对经济的干预不仅不能弥补市场的缺陷，反而会强化市场缺陷，而且会使政府对经济的干预成为导致效率下降的因素，总的来说会导致政府失效。如果政府失效由此引起，这样的政府失效比市场失效更糟。

2.政府应该不断完善经济管制政策与宏观经济调控政策

市场经济需要政府对经济实行经济管制和宏观经济调控，政府也应该成为弥补市场缺陷的主要力量和最后依靠力量，但政府是否能够有效地实行经济管制和宏观经济调控呢？这取决于多种因素，除了受政府政策性质的影响外，政府干预方式的选择、政策工具与力度的选择、政府实施政策的能力等都会影响政策的效力。政府不是万能的，不可避免地会在政府干预方式的选择、政策工具与力度的选择等方面出现或多或少的错误，甚至政府制定的政策本身就是错误的。减少错误才能提高经济管制与宏观经济调控的效力。政府应该不断学习，不断探索经济管制和宏观经济调控的规律，不断改进和完善经济管制制度和宏观经济调控制度，不断提高政府制定和实施经济管制和宏观经济调控的能力，从而不断完善经济管制政策与宏观经济调控政策，不断提高经济管制政策与宏观经济调控政策的效力。

第3篇

论文关键词：宏观经济环境；资本结构；调整速度；非平衡面板数据

在调整速度的众多影响因素中，宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas0．Cook(2009)分别采用两阶段和综合两种动态部分调整模型，考察宏观经济环境对调整速度的影响，发现在宏观经济繁荣时调整速度较快。原毅军，孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关，与通货膨胀率，实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究，结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进，基于部分调整模型，用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。

一、研究模型与变量设计

1．研究模型

(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究，本文选用的公司特征变量包括：公司规模(SIZE)，用主营业务的自然对数表示，目前公司规模与资本结构的经验研究没有得到一致结论；资产有形性(TANG)，用固定资产除以总资产表示，经验研究表明有形资产的比率与资产负债率正相关；非债务税盾(NDTS)，用固定资产折旧除以总资产表示，经验研究研究发现非债务税盾与资本结构负相关；公司成长性(GROW)，用托宾Q值表示，公司成长性对资本结构的影响目前还没有定论；公司盈利能力(PROF)，用息税前利润除以总资产表示，公司盈利能力对资本结构的经验研究也没有得到一致的结论；税收因素(TAX)，用所得税除以利润总额表示。考虑行业特征因素，用行业资产负债率平均值(HAB，HAM)表示。

(3)宏观经济变量。仿照Douglas0．Cook(2009)，本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是，l3年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分，每个部分分别按照GDP增长率的二分位数再进行划分，将样本分成四个部分。取GDP增长率最小的三年1998~2000定义为为宏观经济环境衰退；取GDP增长率最大的三年2005~2007定义为宏观经济环境繁荣。

二、样本选取与估计方法

选择沪深两市1996~2008一般上市公司的数据，不包括金融上市公司，剔除PT，ST公司。经过数据整理，获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中，模型右边包含因变量一阶滞后变量，采用动态面板数据的G删估计方法，把模型(3)右边所有变量的二阶滞后变量作为工具变量。

三、实证结果分析

模型(3)的回归结果如表1

注：括号里的数据是T检验值，表中***、**、*分别代表在1％，5％以及10％的显著性水平下显著

第4篇

关键词：商业银行；信用风险；宏观压力测试

一、引 言

自20世纪70年代末到21世纪初，全球有93个国家先后爆发了112次系统性银行危机。尤其90年代以来频频爆发的金融危机——如1987年美国股市崩盘、1994年美国利率风暴及中南美洲比索风暴、1997年亚洲金融危机、1998年俄罗斯政府违约事件，特别是2007年春季开始的次贷危机最终演变为2008年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。［1］

收稿日期：2008-07-05

项目资助：本文受到西安交通大学“985工程”二期资助（项目编号：07200701），国家社会科学基金（08djy156）资助。

作者简介： 李江（1962-），湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授，

硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生，研究方向：财务预警。

金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于中国而言显得非常迫切。对银行体系进行稳定性评估，尤其是对银行体系面对的信用风险

进行宏观层面的压力测试，对防范和化解系统性金融风险，维护中国金融稳定和安全具有重要意义。

下面研究宏观压力测试在银行信用风险评估中的应用，通过对国外已有的成熟模型理论成果分析比较的基础上，根据我国的宏观经济及金融发展特点，经济、金融数据统计及披露特点，模型的数据需求深度广度要求，建立适用于我国的模型并以此进行实证分析。

二、文献综述

（一）宏观经济因素对银行信贷违约风险的影响

mckinnon r［2］认为，宏观经济稳定时，银行经营行为非常保守，不会出现不顾风险单方面追求效益的现象。但在实际汇率波动、通货膨胀出现等宏观经济不稳定的情况下，政府或明或暗的存款担保，导致银行会产生以高利率对高风险项目贷款的风险行为。donald van deventer［3］通过线性回归分析，确定了宏观因素对银行股价变动的解释在统计上是显着的。

对20 世纪80 年代以来各国银行不稳定尤其是银行危机现象, 国际组织和国内外学者进行了大量研究, 积累了十分丰富的实证资料。尤其是来自美国、英国、澳大利亚、芬兰的许多国外学者, 在对20 世纪80、90 年代全球银行不稳定事件的实证分析中发现, 宏观经济因素波动在各国银行不稳定中扮演着重要角色。tom bernhardsen［4-5］建立起银行破产与不良贷款和宏观经济因素的关系模型，并且利用欧洲国家的面板数据进行了实证检验。erlenmaier u［6］和gersbach h［7］利用挪威中央银行的宏观经济模型rimini对总体审慎指标的趋势与发展进行预测，并且建立了评估贷款违约率的宏观信贷方程。froyland e和larsen k［8］利用rimini对银行不良贷款在宏观经济波动情境下进行了压力测试。pesola j［9］分析了银行系统危机对宏观经济因素波动的敏感性，并

利用芬兰的数据通过建立模型对两者之间的关系进行定量分析。virolainen k［10］对芬兰金融风险的实证评估，建立了宏观信贷模型并进行宏观压力测试，揭示了芬兰银行系统贷款违约风险与宏观经济波动的相关性。

国内对于银行体系的稳定评估的实证研究，包括陈华，伍志文［11］运用1978～2000年间的数据对我国银行体系脆弱性状况进行了量化分析。结果发现,中国整个银行体系在1978～2000年之间有11年是不稳定的,尤其是在1992年和1998年前后更为突出,银行体系出现了不稳健的征兆,存在较大的金融风险。

（二）宏观压力测试理论和实践

在执行宏观压力测试使用的宏观信贷模型的研究领域，有两个学者的模型框架占据举足轻重的地位，并为日后的学者不断的进行模型的拓展研究和实证应用奠定了良好的基础。他们是wilson t c［12-13］和 merton r［14］。wilson对各工业部门违约概率对一系列宏观经济变量的敏感度直接建模。模型的思想是对违约概率和宏观因素的关系进行建模，模拟将来违约概率分布的路径，就可以得到资产组合的预期异常损失，进而模拟出在宏观经济波动冲击下的违约概率值。相比较而言，merton模型则多加入了股价对宏观要素的反映，将资产价格变动整合进违约概率评估模型。因此，前一种模型更直观，计算量较小；而后一种方法对数据的广度和深度的要求以及计算量要求都很高，其中有些市场数据也许是信贷风险的噪音指标。

世界各地的学者，运用上述模型框架进行了大量的实证研究。vlieghe g［15］对英国银行体系累加的企业违约概率进行建模估计，发现gdp、实际利率和真实工资水平具有较显着的解释能力。bunn p,cunningham a和drehmann m［16］曾使用probit模型来测算英国企业部门的贷款违约风险。boss m［17］针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。marco m 、sorge、kimmovirolainen［18］利用wilson模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（pd, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其var值远高于基期的测算值。jim wong,ka-fai choi和 tom fong［19］建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试框架。模型框架中引入的宏观经济变量包括：国内生产总值（gdp），利率（hibor），房地产价格（re）和大陆的gdp。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当var取99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。

hoggarth g和whitley j［20］与drehmann m hoggarth， g logan a， zecchino l［21］在他们的研究中引入了英国在fsap框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。jones m t, hilbers p和slack g［22-23］提供了宏观压力测试的更一般的非线性的方法。worrell d［24-25］ 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。

一些学者研究将信用风险和市场风险整合测量，例如 allen l 和 saunders a［26］尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如pain d、vesala j［27］和gropp等人［28-29］则是引用wilson 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而wilson 的模型的一个替代选择则是merton 的公司层面的结构模型. gray d、merton 和bodie［30］将这一框架扩展至研究主权违约风险。derviz a 和kadlcakova n ［31］将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。drehmann m、manning m［32］和pesaran m h等［33］在利用merton模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。benito a,whitley j和young g ［34］将基于衡量违约概率的merton模型融入针对模拟

个别企业违约的probit模型。他们发现merton模型方法比仅仅依靠企业的财务数据的模型效果更优。

还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。hanschel e和monnin p［35］针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。kalirai h 和 scheicher m［36］针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给增速、利息率、股票市场指数、汇率、出口额和油价。

（三）国内外研究述评

目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（financial sound indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。

而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友［37］，高同裕、陈元富［38］等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。

在实证方面，熊波［39］通过建立宏观经济因素的多元logit回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产总值和通货膨胀率这样的宏观经济变量的确是影响中国银行体系稳定性的重要因素。但是该文只是借鉴了压力测试的思想，使用传统的方法，通过模拟情境下宏观经济因素异动，由logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法不能有效地反映出宏观变动冲击对银行体系的影响，不能看出压力情境下银行面临的最主要的信用风险的分布状况，即贷款违约率的概率分布。

三、宏观压力测试方法流程及模型设定

（一）方法流程

宏观压力测试是模拟“危机事件”来估计极端却可能的压力情境下金融体系的波动。在宏观压力测试的框架中，其模型表示为：

q(t+1｜t+1≥x=f(xt,zt)（1）

在（1）中 表示在模拟的压力情境下评价金融体系的稳定性的指标的表现。在宏观压力测试模型中衡量金融部门波动性的最一般的方法是资本的潜在损失率。q(·)表示衡量金融系统波动性的风险矩阵，衡量违约情况的指标例如贷款损失额主要通过模拟压力情境下的点估计得到。在这种情况中，该条件概率值表示的风险矩阵较容易计算。而在险价值方法中，在任何给定的压力情境下，资产组合的损失应产生概率分布，而不是前一种方法中的点估计值。框架中f(·)表示损失方程，该方程模拟了宏观经济冲击对金融体系中加总的资产组合的影响关系。该方程可包含风险暴露，违约概率，相关性，回馈效应，以及宏观经济变量变动与系统层面金融稳定性表现的相互关系。

压力测试的执行方式主要是通过情境设定，根据情境假设下可能的风险因子变动情形重新评估金融商品或投资组合的价值，整个程序通常分为两大步：一是情境设定；二是重新评估。通常重新评估的方式不会有太大的差异，但是情境设定的方式却有很多种选择。情境分析（scenario analysis）是目前应用的主流。即利用一组风险因子定义为某种情境，分析在个别情境下的压力损失，因此此类方法称为情境分析，情境分析的事件设计方法有两种：历史情境分析（historical scenario）和假设性情境分析（hypothetical scenario）。其他方法还有敏感度分析（sensitive analysis）和极值理论法（extreme value theory, evt）。

本文根据信用风险压力测试的相关文献以及世界银行和国际货币基金组织联合开发的fsap（financial sector ass ess ment programme)的手册，将压力测试的执行程序见图1所示。

  图

1 压力测试流程图

（二）模型的设定

本文将在wilson、boss和virolainen研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用logit方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。

yt=ln1-pdt[]pdt（t=1, 2…, n）（2）

yt=α0+α1xt+…α1+mx1-m+β1yt-1+…+βny1-n+μt（3）

xt=0+1xt-1+…+px1-p+φ1yt-1+…+φqyt-q+εt（4）

pdt代表t年度的贷款的平均违约率，y是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标”，x代表宏观经济变量。在利用历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的y，再通过（2）就估计出了压力情境下的银行系统的违约概率。

公式（2）就是对贷款违约率进行logit回归分析，pdt表示t年度的贷款的平均违约率，yt表示一系列宏观经济变量的综合指标。

公式（3）是反映各宏观经济变量与综合性指标yt的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中xt=(x1,t,x2,t…xl,t)′是l×1阶列向量，代表l个宏观经济因素构成的列向量；μt是方程的随机扰动项。截距α0是一个l×1阶列向量；系数α1,α2…α1+m分别代表l×1阶向量，系数β1…βn是l×n阶矩阵向量。

公式（4）是关于各宏观经济变量的时间序列模型。考虑到宏观经济因素采取的时间序列数据，可能存在变量的滞后性，因此对各宏观经济变量进行p阶自回归分析，剔除模型中的序列相关性。在（4）中，0是l×1阶的列向量, 1,…,p都是l×1阶矩阵向量，φ1,…φq是l×q阶矩阵向量，随机误差εt都是l×1阶列向量。

在这个模型中，假设μt和εt是序列不相关的，并且分别服从方差协方差为矩阵∑μ和∑ε的正态分布。其中μt和εt相关的方差协方差矩阵为∑μ,ε。

在 wilson（1997）和virolainen（2004）提出的框架中，yt仅仅与xt有关，而本文模型的设定更符合实际情况，yt不仅与xt相关，考虑到宏观冲击的时滞效应，yt还与其滞后期的值yt-1,…,yt-n有关。

从（4）可以看出，模型不仅考虑到了宏观经济变量值之间的相互影响，模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素变量的自回归方程中引入综合变量来实现。通过各行业综合指标y的前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。

（三）变量选取

1.解释变量

根据各国的实证研究经验和我国银行体系业务发展特点，本文模型的变量选取1990～2006年的年度数据，主要考虑到数据的可得性、宏观经济统计的特征以及经济冲击发生的持续时间来决定的。鉴于研究的宏观层面，从数据的可得性及计算量考虑，本文的宏观模型是基于整个经济体系的，因此各宏观经济变量将不采用各经济部门的统计值，而是采用本国的整体水平的统计值。

本文选取八个宏观经济变量作为解释变量：

ngdp—国内生产总值名义年增长率；

rgdp—国内生产总值实际年增长率；

nr—一年期存款的名义基准利率；

rr—一年期存款的实际基准利率；

nlr—一年期流动资金贷款的名义平均利率；

rlr—一年期流动资金贷款的实际平均利率；

cpi—居民消费价格指数；

re—房地产价格指数；

2.被解释变量

本文选取违约概率作为评估信用风险的指标，银行系统的信用风险主要表现为贷款资产的违约风险。违约率水平是评估银行贷款质量的最直接的指标，违约风险可以用借款人在规定期限内的违约概率度量。vir

olainen k对芬兰银行系统的违约概率进行的宏观压力测试分析中，对违约概率指标采取如下方式赋值：在研究时段内，某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约率。jim wong、ka-fai choi和tom fong［19］建立的香港零售银行面对宏观经济波动的信贷风险压力测试框架中，违约概率是逾期3个月以上的贷款额与总贷款额的比率。本文选取四家国有商业银行和交通银行、招商银行、光大银行等十家股份制商业银行的信贷数据作为样本，以平均的逾期贷款率代表贷款违约率，即以年末样本银行的总逾期贷款额与总贷款余额的比率。其中，1990、1991、1992三年的各样本银行的详细数据欠缺，因此本文根据各类媒体披露的总的逾期贷款的变动率和贷款额的变动率计算出了这三年的逾期贷款率，其他各年份的详细数据均来自中国金融年鉴和各银行的年报。

四、实证结果

（一）模型估计

代入1990～2006年的宏观经济数据对上述模型进行多元回归分析和模型估计，先用宏观经济变量的名义指标值和实际值，与引入的综合指标y的两期滞后变量分别对y进行回归。从两个模型的t检验指标看出，模型中gdp、lr、r作为解释变量的参数并不显着，而引入的y的二阶滞后变量对因变量的解释性也不显着。因此模型的参数需要进一步调适剔除。根据经验和宏观经济冲击的滞后性往往为一年，因此模型中只引入y的一阶滞后变量。虽然两个模型的拟合优度统计检验指标和d-w指标略微下降，但两个指标值分别为0.987和2，仍是非常理想的检验指标值。在剔除掉一年期存款利率后，两个模型各参数的t检验指标都非常显着。但是以模型解释变量的参数符号来看，通货膨胀率cpi在以名义宏观经济变量值为自变量的模型中的系数符号为负，这表明随着cpi的增加，y值也会减小，经过logit变换后的违约概率pd将会增大，显然符合经济学原理。而在关于实际变量的模型中系数为正号，这是违背经济学原理的。所以本文确定以名义变量作为模型解释变量的方程为最佳的宏观经济模型（见表1）。这说明我国银行的信贷违约率对名义的宏观经济因素的波动更敏感。marco sorge、 kimmo virolainen（2004）利用wilson（1997）模型框架对芬兰银行系统的违约概率进行了宏观压力测试分析，宏观经济模型估计结果与我国上述情况类似，即名义的宏观经济变量对违约概率的解释能力更显着。

根据回归方程的t检验（5%的显着性水平），各宏观因素指标的实际值对综合指标的影响并不显着，所以剔除不列入表内。从表1中可以看出，综合经济指标和各宏观经济变量指标的名义值关系显着。且综合指标的一期滞后值对各宏观经济指标影响均显着。从关于综合指标的多元线性回归方程也可以看出，国内生产总值增长率、贷款利率水平、通货膨胀率和房地产价格的确是影响到我国银行体系违约概率的显着因素，而且综合指标明显受其一期滞后值的显着影响。

（二）宏观压力情境的设定及其结果

本文选择情境分析作为执行压力测试的方法。针对模型所选取的宏观经济变量，我们设定两个压力情境：一种是gdp增长突然放缓的情境；一种是cpi上升到较高的水平（5%以上）。对于各种压力情境下，反映压力的宏观经济变量的变动幅度，可以通过以往的历史相似情境数据或历史经验直接进行人为的设定。而本文在对银行体系遇到极端情境进行构建之前，利用时间序列模型对解释变量ngdp、cpi进行了2008～2010年的简单arma模型预测，作为我们构建的参考基准情境（baseline scenario）。

从表2可以看出，在设定的两种压力情境下，我国的银行体系的信贷风险明显增加，从模型预测估计出的贷款违约率都有不同幅度的增加。随着国民生产总值增速的大幅降低，贷款违约概率增大，但幅度较缓。而随着通货膨胀率的骤增，违约概率出现大幅度的激增。这充分说明在压力情境下，宏观经济变量对银行系统信贷违约概率的冲击效应非常显着。从而判断，通货膨胀率的同等幅度波动对银行体系信贷违约率值的影响更大。

五、结论及建议

本文在对比分析国外成熟模型的基础上，构建了适合我国经济环境的宏观压力测试模型。首先本文借鉴了国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用logit方程将贷款违约率转化为宏观综合指标y，以指标y作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。借鉴已有研究成果中在选择信贷风险的评估指标方面的做法，以逾期贷款率作为模型中反映银行体系信贷风险的指标。

结果发现：宏观经济变量名义国内生产总值，消费者价格指数，房地产价格指数和名义流动贷款利率对银行体系贷款违约率影响是显着的。特别是名义国内生产总值和通货膨胀率指标，冲击力较强。在关于名义国内生产总值大幅下降和通货膨胀率骤升的压力情境设定下，银行体系的贷款违约率都出现了不同程度的大幅度提高。尤其在关于通货膨胀率的压力情境下，贷款违约率的增长幅度高于名义国内生产总值下降情境下的增幅。

本文研究结果对中国国情有着一定的解释力，让我们有信心支持这样的研究思路的继续开展。通过分析我们可以看出，中国的银行体系稳定性还有待进一步加强，在面临假设的宏观经济冲击时，化解风险的能力就显得不足。当然我们构建的这些极端情形发生的概率都是极小的，毕竟中国经济目前来看几年内保持稳定增长的态势是确定的。

参考文献：

［1］ 中国人民银行金融稳定分析小组.中国金融稳定报告（2005）［eb/ol］. pbc.gov.cn/detail.asp?col=100&id=2257&keyword.

［2］ mckinnon r. financial growth and macroeconomic dtability in china.1978-1992: implications for russia and other transitional economies［j］. journal of comparative economics, 1994, 17(2): 438-469.

［3］ deventer d v, kenji i. credit risk models and the basel accords［m］. beijing: renmin university of china press, 2005: 14-56.

［4］ bernhardsen t. real-time data for norway: challenges for monetary policy［j］. the north american journal of economics and finance, 2005, 19(3): 333-349.

［5］ bernhardsen t. the relationship between interest rate differentials and macroeconomic variables: a panel data study for european countries［j］. journal of international money and finance, 2000, 18(2): 289-308.

［6］ erlenmaier u. correlations models in credit risk managem［d］. norway: university of heidelberg, 2004.

［7］ erlenmaier u. gersbach h.default probabilities and default correlations［d］. norway: university of heidelberg, 2005.

［8］ froyland e, larsen k. how vulnerable are financial institutions to macroeconomic changes? an analysis based on stress testing［j］. economic bulletin, 2002, 3(11): 127-169.

［9］ pesola j. the role of macroeconomic shocks in banking crises［j］. bank of finland discussion paper, 2000, 2: 457-504.

［10］ virolainen k. macro stress-testing with a macroeconomic credit risk model for finland［j］. bank of finland, mimeo, 2004, 19(1): 1-66.

［11］ 陈华，伍志文．银行体系脆弱性：理论及基于中国的实证分析［j］．数量经济技术经济研究，2004(9)：34-51．

［12］ wilson t c. portfolio credit risk

i［j］. risk, 1997, 9(10): 111-170.

［13］ wilson t c. portfolio credit risk ii［j］. risk, 1997, 10(10): 56-61.

［14］ merton r. on the pricing of corporate debt: the risk structure of interest rates［j］. inance, 1974, 29(7): 449-470.

［15］ vlieghe g. indicators of fragility in the uk corporate sector［j］. bank of england working paper: on.146, 2001.

［16］ bunn p, cunningham a, drehmann m. stress testing as a tool for assessing systemic risk［j］. financial stability review: bank of england, 2005 (6): 116-260.

第5篇

一、传统宏观经济学教学范式及其缺陷

传统宏观经济学整个理论体系与政策实践的核心表现为IS-LM模型及其基础上的总供求模型。例如,多恩布什和费希尔称IS-LM模型为“现代宏观经济学的核心”,帕廷金认为它是凯恩斯的“主要信息”,托宾和索洛称为经济学专业的“受过训练的直觉”。因此,IS-LM模型曾经长期居于西方宏观经济学的支配地位,并成为经济学家讨论宏观经济政策的普遍框架。传统IS-LM模型的基本内容在于两个关键要素和一张图。两个关键要素是:产出(收入)是由需求决定的内生变量;利率是影响产品需求(C+I)及货币需求的内生变量[1]。经过希克斯表述的《通论》所发展起来的传统IS-LM模型的一个简单形式如下:L = L(r,y),i = i(r),i(r) = s(y)

其中L为货币需求,均衡时L=M,M为货币供给。i为投资,s为总储蓄,y为收入,r为名义利率。由于固定价格假设,变量的名义值与实际值是一致的。因此,一方面IS-LM模型可以视作收入决定模型(包含了供给面),另一方面,IS-LM模型也为分析产品市场和货币市场在决定AD中的相互作用提供了一个简单框架,模型集中关注的是利率在联系两个市场中的作用。IS-LM模型的一张图如图1:其中IS代表IS曲线,LM代表LM曲线。通过两条曲线的交点就可以决定经济的均衡状态E,所对应的就是均衡收入y*与均衡利率r*,它是经济在实现产品市场供求一致与货币市场供求一致下得到的均衡利率。IS曲线的移动可以体现财政政策,LM曲线的移动可以体现货币政策,因此,总需求管理就可以通过IS-LM图形中曲线的移动来分析经济状态的变化和预测内生变量的变动方向。传统IS-LM模型具有如下作用[2]:

(1)教学作用。它是分析经济的实际与货币部门相互作用的最简单模型,并且可以使用上述的一张图使经济分析与政策分析的含义直观化,宏观经济学家与广大公众(记者、官员等)更易交流。可见,IS-LM模型具有比较高的收益/成本比。

(2)对经济理论的诠释作用。IS-LM模型在同其他理论比较中能够澄清某一宏观经济理论的解释,因而成为古典经济学、凯恩斯主义、新古典宏观经济学、新凯恩斯主义等各流派辩论的共同基础。

(3)描述性作用。IS-LM模型可以代表、解释或预测某种经济的绩效,进而发展出了政府和企业进行政策评价与经济预测所使用的非加总宏观经济学计量模型,并得到了广泛的应用。

(4)规约性作用。利用IS-LM模型来选择一定时期绩效最佳的政策方案。正是在这些影响下,IS-LM模型成为绝大多数入门和中级宏观经济学教材的核心。国内出版的教材也沿袭了这一思路。老师们在课堂上讲授IS曲线、LM曲线的含义及代数形式,并使用IS-LM图形分析经济政策的效果。

然而,这种传统教学范式已经受到经济学界的猛烈抨击。激烈的争论和研究表明,传统IS-LM模型存在着根本的致命的缺陷:

第一,模型的短期静态性质。它使用充分信息下静态的同时均衡框架来处理不完全信息下的动态调整问题[3],这使得再次反馈过程与初次发生过程变得同等重要。这会造成对实际的动态时序经济行为的错误认识[4-5]。事实上,经历了历史时间、遭受了一系列冲击和结构变迁之后的经济体系,其反馈过程只能部分为经济个体所认知。IS-LM模型没有引入时间和经济变量的滞后效应,因此有必要以动态时序分析取代IS-LM模型。

第二,模型的确定性。传统IS-LM没有考虑宏观经济世界中不确定性(尤其投资方面)和预期的重要影响,因此就不能体现宏观经济的结构不稳定性。许多原凯恩斯主义者和后凯恩斯主义者都认为这是凯恩斯贡献的真正本质,而不确定性和预期同均衡概念完全不兼容且相冲突。

第三,模型的逻辑不一致性。一个表现是IS曲线作为流量均衡同LM作为存量均衡的不一致[6],另一个表现是传统IS-LM模型缺乏微观基础。它是总量的特设关系,而不是从明确的理性主体的最优化行为推导而来。而按照卢卡斯批评,IS和LM曲线代表的函数在经济政策规则变化时并非保持不变。因此模型的政策评断往往不可靠。

正是这些因素导致传统IS-LM模型逐渐衰落,大多数宏观经济理论和经验研究已经不再使用IS-LM模型。IS-LM模型有时出现在宏观经济学教材中,但只是作为建构总供求模型中总需求曲线的一个阶梯。IS-LM模型“死了”还是继续“活着”?笔者对国外流行的中初级宏观经济学教材作了一个初步调查(见表1):可见,尽管把微观经济学与宏观经济学糅合在一起的萨缪尔森式的新古典综合在宏观经济学教材中居于支配地位,但IS-LM教学范式已经不再流行。因此,国内的宏观经济学教学者应该注意到这种转变。这是对自己的知识结构更新的一种体现。由于国内教材普遍更新较慢,老师就有义务不再传授陈旧的IS-LM模型。更进一步来说,在权威期刊上的理论研究与研究生宏观课程教学都很少同IS-LM模型相关了。据笔者所了解,察觉到这种转变的教师还比较缺乏。许多教师仍然在用IS-LM图形来讨论宏观经济学基本理论与政策含义。这种教学现状的原因可能在于IS-LM模型的相对简洁性及教学惯性。

二、宏观经济学教学新范式:动态一般均衡或新IS-LM模型

既然这样,课堂教学是否应该完全抛弃IS-LM模型呢?如果抛弃传统的IS-LM模型,宏观经济学教学还剩下什么?笔者的教材调查表明,凯恩斯的国民收入决定理论、总供求模型和经济增长理论仍然是宏观经济学教学的中心环节。问题在于这种教学方式,一方面同微观经济学严重脱节,宏观经济理论与微观经济理论是两张皮,缺乏比较严密的逻辑关联;另一方面,初中级的宏观经济学教学内容同高级宏观经济理论及专业性的宏观经济研究也是脱节的。西方宏观经济学的前沿研究给出了两个紧密联系的新动向:相当多的经济学家主张宏观经济学应当有一个适当的微观基础;主流的意见则主张为宏观经济学提供理性最大化的微观基础。这种动向在近年来达到高峰。目前已经形成一个动态一般均衡的宏观经济研究框架,具体表现为从拉姆齐模型到新新古典综合的发展。事实上,新新古典综合以另一种面目使得传统IS-LM模型借其扩展形式得到复活。因此,IS-LM模型还没有死。

大体上,动态一般均衡是现代西方宏观经济学中关于私人所有权经济所有时刻的整体动态系统的简称。它是一般均衡、理性预期与代表性主体的结合。动态一般均衡以市场作为协调机制、在各种约束条件下(偏好、预算/资源约束、禀赋、可得技术与信息、制度)最大化理性代表性主体的当前和未来期望福利的现值总和(因而是一种涉及现在和未来变量的跨期决策行为),结合所有市场上的市场出清(一般均衡)条件,经济行为可以被简化为几个定义了经济运动定律(laws of motion)的微分或差分方程。这样就可以从微观层面的个体动态最优化来解释总量现象,如经济增长、经济周期、货币与财政政策的影响。

DGE的基本原理在于持有下述信念:宏观经济建模应从微观经济主体作出的选择出发来加总成经济整体,所以必须重视个体对其经济环境实际或预期变化的反应行为。DGE体系中,经济主体在约束条件下连续不断地最优化以致经济总是处于某种短期均衡形式之中,只要给定可获取的信息,人们应能作出对自己有利的最优决策,并且不会犯持续的错误。也正是在此意义上,行为是理性的。如果出现错误,被归因于信息差距,如对经济未预料到的冲击。经济的最终运行趋势是一种长期均衡。它是当所有的过去冲击通过经济体系已经完全发生作用下的最优经济运行路径。它可以是各变量均为常数的稳态,也可以是主要宏观经济变量具有相同增长率的平衡增长路径。

然而,动态一般均衡框架涉及微观方程或差分方程、动力系统与最大值原理及动态规划等复杂的数学工具,因此并不适合宏观经济学的初中级学者。笔者所主张的是,在传统IS-LM模型的基础上,使用动态一般均衡方法对其加以扩展,这就是由新新古典综合发展起来的新IS-LM模型或最优化IS-LM模型。新IS-LM模型的一个代表来自McCallum(1989: 102-107)[7],为McCallum and Nelson (1999)重述[8],形式如下:lnyt= a0+a1(lnPt-Et-1lnPt)+a2lnyt-1+ut

(菲利普斯曲线)lnyt= b0+b1[Rt-Et(lnP t+1-lnPt)]+vt

(lS曲线)lnMt-lnPt= c0+c1lnyt+c2Rt+ηt

(LM曲线)其中y为实际产出,P为一般价格水平,R为名义利率,M为名义货币供给。a0,a1,a2,b0,b1,c0,c1,c2为参数,ut,vt,ηt分别代表总供给冲击、总需求冲击和通货膨胀冲击的零均值随机变量。

显然,新菲利普斯曲线提供了对经济体系的供给行为的说明,新IS曲线和新LM曲线则提供了对经济体系的需求行为的说明。新的总供求模型同理性经济人的跨期最优化行为协调一致。这一点同来自传统IS-LM模型的总供求方法明显区分开来。新IS-LM模型具有了早期凯恩斯主义所缺乏的微观基础因素:价格调整成本,价格调整的不同步性,前向预期价格设定,垄断竞争。价格水平已经内生化了,它是受外生冲击和货币政策规则影响的内生变量,结合货币供给规则,即使个别价格有短期粘性,价格水平在短期和长期都会对货币存量的外生持久变化作出反应。

新IS-LM模型的参数来自效用函数、生产函数及价格调整过程的结构性参数,已经充分考虑了政策变动对理性主体的预期的影响,因此模型大体上可以经受住卢卡斯批评。这就使得使用它讨论宏观经济活动的决定和货币政策设计的研究文献日益增加。

把新IS方程结合泰勒规则,可以得到一条宏观经济政策(MP)曲线或总需求(AD)曲线[9-10]。它表明产出缺口与超过目标的通胀率之间存在负相关关系。因为当通胀率上升超过目标通胀率时,中央银行会提高名义利率。提高幅度大于通胀率上升幅度,以使当通胀率上升时,实际利率也上升,这就会减少投资和净出口,降低实际产出。MP曲线的移动来自通胀率以外其他因素的冲击,如政府采购、货币政策、国外出口需求、税收、消费者信心的变化。

模型中的新菲利普斯(NPC)曲线则代表经济的总供给行为,或称通货膨胀调整(IA)方程。对于通货膨胀调整(IA)方程,通胀率是前定的,因为它取决于滞后的GDP缺口而非当前的GDP缺口。因此它是一条用来表示在任意时点上经济中通胀情况的水平直线。当实际产出高于潜在产出时,IA上移,反之则相反。因通胀预期和原材料价格变化而移动,因此可以反映粘性价格和粘性工资的现实经济状况。

我们把向下倾斜的MP曲线和水平的IA曲线结合起来,就得到了一个解释经济波动及宏观经济政策的新模型,如图2所示。这个模型可以较为精确地描述货币政策的实施原理。例如,初始经济处于长期均衡E0,如果没有外部冲击,这个经济就是通胀比较稳定的经济。当一个外生的需求冲击使得MP0右移到MP1,则实际产出会超过潜在产出,从而通胀率会上升,因此IA上移,中央银行就会提高名义利率以使实际利率上升来应对通胀率的上升,直到经济达到新的长期均衡E1。这时产出回到了潜在产出水平,但稳定通胀率更高了。如果中央银行认为新的稳定通胀率过高,则它可以通过泰勒规则来使MP左移以实现目标通胀率。

上述见解常常被称为宏观经济学新共识(NCM)。它是对新凯恩斯主义的政策主张与货币主义的政策主张从理论到实践的一个综合。这种综合表明,在短期,垄断竞争市场结构产生的名义刚性和真实刚性有效地增加了产出水平波动对总需求冲击的持续性。总需求对产出和就业能够产生实际影响。在长期,总需求没有实际影响。均衡的自然失业率由劳动市场的结构性特征、工资谈判制度和社会保障制度决定。

新共识认为,货币政策使用利率工具能够在短期稳定产出与就业,但长期只能影响通货膨胀。货币是中性甚至超中性的。

因此,新共识提升了货币政策作用而降低了财政政策作用。在货币政策工具中突显了通货膨胀的决定作用。通货膨胀可以影响短期产出并决定名义利率,但不能影响潜在产出水平。由于货币存量内生决定,因此新的货币政策无法控制货币供给,但中央银行可以通过调节利率来有效地实现低通货膨胀率和经济均衡。当然,货币当局对实体经济活动的长期影响是有限的。它只能影响长期通货膨胀率,但低而稳定的通货膨胀对经济增长是重要的。把通货膨胀作为新货币政策的目标就成了自然的选择。这种政策称为“通货膨胀定标(inflation Targeting)”。它要求由独立的中央银行来执行(从而保证政策的可信性),预先公布一个能实现经济长期均衡的通胀目标值,然后通过泰勒规则来调整实际通货膨胀与目标之间的偏差。这种政策目前已经在各国得到相当程度的实践。

第6篇

[关键词] 联立方程 宏观经济 IS―LM曲线

一、引言

上个世纪，宏观经济学随着凯恩斯理论的提出进入了一个新的时代。在此之后，很多的学者致力于完善凯恩斯的宏观经济理论学说，其中希克斯（Hicks, 1937）和汉森（Hansen, 1949）以IS-LM模型来解释宏观经济的运作方式，大大加强了凯恩斯理论的解释力。虽然IS-LM模型也受到了很多经济学家的批评，但是直至今日其依然是一个有着较为完善逻辑体系的宏观经济模型，并得到广泛应用。随着我国经济体制向市场经济转型。宏观经济理论在我国所产生的影响也愈来愈大。本文试图以凯恩斯理论以及IS-LM模型为理论基础，并吸取其他相关理论的理念，尝试构建能够描述我国宏观经济运作情况的简易模型，并利用我国历年相关实证数据，通过联立方程模型的估计，来获得一个能够描述我国宏观经济运行状况的实证模型。

二、文献综述

通过建立联立方程模型来描述一国的宏观经济情况，在这方面已有很多的学者做出了相关的研究。其中最为著名的是克莱因联立方程系统。克莱因（Lawrence Robert Klein 1950）以美国1920年～1941年的年度数据为样本建立了旨在分析美国在两次世界大战之间的经济发展的小型宏观计量经济模型。该模型所采用的变量数相对不多，但在宏观计量经济模型的发展史上占有重要的地位。我国学者刘玉红、高铁梅、陶艺（2006）在《中国转轨时期宏观经济政策传导机制及政策效应的模拟分析》一文中借鉴了新凯恩斯主义经济理论和其他经济理论，并结合我国经济体制改革的特点，建立了适应中国经济特点的宏观经济联立方程模型，从宏观经济的角度分析我国经济政策的传导机制和效应大小。认为我国的货币政策对实体经济的有效性较弱。宁晓青、谢静在《我国宏观经济政策与经济波动的实证研究》一文中选取l985―2003年的年度统计数据，采用Granger因果检验和联立方程模型的分析方法，建立了我国宏观经济的模型。并认为影响我国经济波动的关键政策并不是财政政策和货币政策，而是消费政策、投资政策和外贸政策。

三、宏观经济理论基础

1.消费理论

一个国家的居民消费由什么来决定？凯恩斯提出了绝对收入假说(Absolute Income Hypothesis), 其观点有别于古典经济学对于消费的认识，认为影响居民消费的主要因素不是利率，而是收入。之后杜森贝里(Duesenberry 1951)提出了相对收入假说(Relative Income Hypothesis)，认为居民消费存在“示范作用”和“棘轮作用”。“示范作用”使得人们收入提高时，平均消费倾向并不一定会下降，而“棘轮作用”使得消费的变动相对于收入的变动要稳定。 在此之后莫迪利安尼和弗里德曼分别提出了生命周期假说和永久收入假说。这两个理论强调人们会从整个人生的角度来衡量自己的收入，从而来决定当期的消费。不过无论何种理论，都认为居民对于未来收入状况的预期很大程度上受到其本期的收入状况的影响。

2.投资理论和货币需求理论

长期以来，克拉克（Clark,1917）的加速原理和凯恩斯的投资函数一直是分析投资的核心理论。古典经济理论认为，作为资本需求的投资和作为资本供给的储蓄在资本市场上通过利率的调节达到平衡，因此投资被认为是利率的函数。凯恩斯基本接受了这一思想，认为是否要对新的实物资本进行投资，取决于这些新投资的预期利润率与为购买这些资产而必须借进的款项所要求的利率的比较。因此，在决定投资的因素中，利率是首要因素。这里利率是指是实际利率。由克拉克提出并经萨缪尔森(Samuelson, 1939)等人发展的加速原理(Acceleration Principle)率先对古典投资理论发起了挑战。加速原理认为投资不是利率的函数，而主要是由产出的变化所决定。其函数表达式如下：

(3.1)

式3.1中δ, θ为常数，δ代表资本折旧率, It代表投资，Yt和Yt-1分别代表当其和前期产出。

在货币需求理论上凯恩斯认为对于货币的总需求是人们对货币的交易需求，预防需求和投机需求的总和。其中货币的交易需求和预防需求决定于收入，而货币的投机需求决定于利率。因此对于货币的总需求函数可描述为：

(3.2)

式3.2中，等式左边代表了真实货币供应量，k, h为常数，Y代表收入，R代表利率。

四、计量模型假设与数据收集

本文所采用的宏观计量模型是以IS-LM模型为基础，并对其中的投资函数作了一些改进，吸收了克拉克的加速原理的思想。假设模型具体如下：

方程中的α，β，d，λ，k，h 为系数项，Y, C, I ,R, M, P, G, NX,为变量。其中各个变量的定义如下表：

在投资函数4.1.2式中，加入了收入变动的因素。凯恩斯与克拉克分别强调利率和收入因素是决定投资的唯一主要因素。而本文将利率和收入因素同时放入投资函数。笔者认为在我国，投资同时受到利率和收入状况的影响，其中一部分的投资来自于一些专门的金融机构以及一些私人的投资机构，这些资金对于利率较为敏感，利率降低将会释放出较多的投资。另一部分的投资来自于一般的企业，企业投资的主要目的是为了增加商品生产的能力，这样的投资往往受到该企业收入（利润）状况的影响，收入越多，企业对于未来的预期会更高，同时也更有能力进行投资。同时由于企业当年的投资计划往往在前一年就已制定计划，所以在投资策划时前一期的收入变动情况(θ・Yt-1-λ・ Yt-2)会更多的影响到本期的企业投资。

根据IS-LM模型中的相关变量，本文收集了中国1992年到2005年的相关数据。所选变量为：国内生产总值(Y), 消费支出(C), 政府支出(G), 投资(I), 进出口(NX)的相关数据来自于按支出法计算的国内生产总值构成，货币供应量为年底余额，包括货币和准货币。本文所采用的利率为历年一年期贷款利率，各年的利率以年底利率计算。

由于原始数据没有排除通货膨胀的因素，因此本文以历年国内生产总值和国内生产总值指数换算出历年的通过膨胀率。并以此计算出排除通胀因素的各变量的数值。处理后的数据是以1978年的人民币价值为基数计算的。

五、模型检验和联立方程模型的估计

本文首先对联立方程模型进行识别，认为方程为过度识别。之后对排除通胀后的数据进行平稳性检验，采用扩充迪基-富勒（Augmented Dickey-Fuller）检验来判断数据的平稳性。采用的分析工具为Eviews 5.0。经过ADF检验。各变量在1% 5% 和10%的显著水平下，都接受原假设，即认为各个变量数据存在单位根，是不平稳的。然后采用扩充恩格尔-葛兰杰检验来判断各方程的变量是否存在协整关系。结果显示在10%的显著性水平下模型中的四个方程式都通过了扩充恩格尔-葛兰杰检验，即各方程内的变量具有协整关系。

本文采用三阶段最小二乘法(3SlS)来估计联立模型结构参数。 得到如下参数估计结果：

从分析结果可以看到，系数а, β, d, θ, λ, k, h都通过了假设检验。消费，投资和货币需求函数的R2分别达到了0.97, 0.98和0.99。可见方程的拟合结果是比较理想的。由此可以得到如下的我国宏观经济简易联立方程模型。

通过对模型中内生变量进行模拟从而获得的模拟值，并与各内生变量真实值进行对比也可以看到，模型的拟合度较好。篇幅关系下文仅列出收入变量的拟合值与真实值的比较。值得注意的是模拟值依然是以1978年的人民币价值计算的。

六、结论

本文以凯恩斯宏观经济理论为基础，以IS-LM模型为基本框架，采用联立方程的方法计算了一个能简要反映我国宏观经济运作状况的模型。

其中式5.1.1代表我国的消费函数，经过分析，可以看到收入确实对消费有影响。我国的边际消费倾向为0.45。式5.1.2为我国的投资函数，模型假设我国的投资不仅受到利率的影响，也受到收入的影响。经过分析，发现利率和收入对投资都有影响。利率与投资负相关，收入增长与投资正相关。从投资方程中可以看到收入的变动对投资有放大的效应。即收入每增加一单位，投资将增加2.15个单位，反之亦然。式5.1.3为我国的货币需求函数。函数表明我国的货币需求既受到收入的影响，同时也受到利率的影响，收入与货币需求正相关，与利率负相关。 将估算的宏观经济模型进行转化，可求得财政政策乘数和货币政策乘数分别为1.43和0.12。

由此可见，从对我国1992年～2005年的数据分析，可以认为对于我国的宏观经济调控，财政政策较之于货币政策更为有效，政府支出每增加一单位，国内生产总值将增加1.43个单位。而货币供给增加一个单位，国内生产总值将增加0.12个单位。造成这一结果的原因是在我国利率对于货币需求的影响要远大于其对于投资的影响。

参考文献：

[1](美)达莫达尔・N・古亚拉提:计量经济学（第三版）.中文版,北京:中国人民大学出版社, 2005

[2]石良平:中级宏观经济学.上海:上海财经大学出版社，2004

[3]高鸿业:西方经济学（第二版）.北京:中国人民大学出版社, 2001

[4]戴思锐:计量经济学.北京:中国农业出版社, 2003

[5]高铁梅:计量经济分析方法与建模.北京:清华大学出版社, 2006

[6]潘省初 周凌瑶:计量经济分析软件.北京:中国人民大学出版社, 2005

[7]丁俊君 戴生泉:我国宏观经济运行动态模拟与预测.经济观测, 2004

第7篇

【关键词】股票市场 宏观经济 影响 相关性

根据近年来大多学者关于证券市场、市场经济发展的相关研究，可发现股票市场出现波动的决定性因素表现在宏观经济上，且能够将宏观经济情况反映出来的又以股票市场为主。大多股票市场发生波动，多因宏观经济发展中存在较多政策性因素、规律性因素等，使股票市场难以保持持稳趋势，可见宏观经济对股票市场的影响极为明显。因此，无论从国家宏观调控角度或股票市场发展角度，对宏观经济、股票市场二者关系的研究具有十分重要的意义。

一、基于理论视角下的宏观经济与股票市场关系分析

（一）股票市场受GDP影响研究

理论研究发现，宏观经济变化往往依托于以GDP为基础推测的经济增长率进行反映。若在外界环境处于稳定情况下，经济增长率呈现出平稳持续增长趋势，可判断此时社会中的需求、供给保持正比关系，此时的经济结构也较为合理。在此环境下，社会人群因对经济发展保持较高的预期值，便会向市场投入更多的资金，如典型的炒股现象，而企业在此背景下为进行自身规模的扩大，也开始进行更多的投资，由此使整个股票市场更为活跃。但假若经济增长率呈下降趋势，此时企业因盈利亏损，便减少投资，整个股票市场环境下，供给情况会发生一定的变化的，其中需求者，即投资者在收入预期方面不断降低，对投资资金开始减少，这样需求曲线会保持快速下降。由此看来，股票市场受GDP影响较为明显[1]。

（二）股票市场受利率变化影响研究

关于利息率，其主要指利息与本金二者的比率。通常从债权人角度看，利率可作为收入来源之一。而从整个股市发展情况看，利率影响则极为明显，利率的变化将直接影响市场中资金的流动，资金流动性的高低将决定股票市场发展。以经济学视角看，市场发展中资金供求关系主要以利率为决定性因素，其中的需求方与供给方分别为投资与储蓄，而投资与储蓄实质可作为表示利率的函数，所以利率的变化直接影响股票市场发展。

（三）股票市场受货币供给量影响研究

股票市场中，货币供给量的影响主要体现在不同的效应方面。例如，投资组合效应。其主要指当国内处于货币政策放宽条件下，个人持有货币增多，而投资效益表现出下降的趋势，如果不存在其他外界环境干扰，因个人货币存储较多，便会将其投放到市场，以此达到利益获取目标，这样股市价格会由此提高。再如，预期效应。其主要指在货币政策的放宽前，许多投资人开始预测货币市场走向，采取相应的货币投资方式，使股票市场受到不同程度的影响。另外，也有增长效应在股票市场中存在，可将其理解为货币供给量上升情况下，整个市场中投资扩大、利率下降，此时股票投资会取得更多的收益，一定程度上推动股市价格的进一步提高[2]。

二、基于实践视角下的宏观经济与股票市场关系分析

（一）20世纪前后中国经济发展与股票市场关系验证

本文在研究中选取上世纪国内经济发展作为实证，原因在于该时期内国内经济发展变化较为明显。以1994年与1999年之间国内经济发展为例，国内此时GDP在增长率上约下降5个百分点，整个市场环境下，个人与企业都难以获取较多的收益，而且通货膨胀率呈现上涨趋势，直接导致股票市场发展受到挫折。而该时期结束后，国内经济发展中注重不断调整经济结构，使GDP在增长率上到8%，此时股票市场逐渐回暖。直至2000年，在国家宏观调控下，因经济矛盾逐渐解决，使证券市场发展速度提高。然而能够发现，在2002年以后，国内GDP增长率尽管提高许多，但此时股市的发展却以“熊市”形式存在，完全与经济发展相背离。而产生这种现状的原因主要表现在此时我国股市发展不健全，且较多投资者在未正确认识市场发展情势的背景下便盲目跟风，导致股票发展较为扭曲，产生“熊市”。

（二）从供应角度探析股票市场与货币市场向关系

尽管在理论研究过程中，人均收入、货币发行与经济增长保持正比关系，但从实际角度看，却不具备较高的可信度。如国际金融市场发展背景下，因货币流动率不断出现变化，便会使股票市场因货币需求量变化而受到影响。综合实际影响情况看，变化情况首先表现在股票价格提高后，货币需求量会因个人收入提高而上升，而这种股票上涨趋势下，人们为进行风险控制便采取资产组合调整方式，如斥候货币量的扩充，使市场内货币需求量不断上涨。另外，股市交易量因股价上涨而出现扩张的情况下，需依托于较多的货币供应才可实现。因此，综合来看，股市变化、货币供应变化二者相互影响。

（三）利率变动情况下股票市场变化态势

无论理论或实践研究，都可发现影响股票市场的关键性因素体现在利率变动方面。当利率保持下降态势时，由于企业成本有所降低，此时大多企业为扩大经营规模便会利用利率下降优势，加大投资力度，使股票市场得到发展。自1996年起，我国的在降低利率方面连续八次，每次利率调整政策实施后都刺激股市的进一步发展。尤其利率调整消息传出后，也会产生一定的预期效应，带动股市的提前发展[3]。

三、结论

我国经济发展中，股票市场已逐渐成为必不可少的组成部分，从文章研究看，宏观经济的发展能够带动股票市场发展，而股票市场又是对宏观经济的具体反映。尽管在二者相关性研究中发现，存在背离情况，但其原因多集中在股票市场发展较为滞后等方面，在日后完善过程中，这些问题都可被逐一解决。

参考文献：

[1]薛华林.中国宏观经济与股票市场相关性比较分析[D].南昌大学，2014.

第8篇

笔者试图通过对中国经济矛盾现象的分析，提出一种认识中国经济增长动力和特点的认识框架，这或许有助于理解中国经济增长之谜，也便于认识阻碍中国经济发展的瓶颈和障碍。

一、为什么现有理论似乎解释不了中国经济的矛盾现象？

比较经济制度理论能解释计划体制下的盲目高增长，但对从计划经济向市场经济的转轨过程往往抱持偏于乐观和过于简单化的判断。这种理论认为，计划经济体制导致价格、利率等经济信号的扭曲，同时在中央计划当局的指挥下企业无法产生正确的激励，所以虽然能形成一段时期里的高增长，但这样的增长缺乏效率，造成经济结构畸形化，其长期经济表现必然是失败的。(Szelenyi, Beckett and King, 1994)但对中国这样一个经历了25年渐进型经济转轨的国家来说，比较经济制度理论并未提供现成的分析框架来认识漫长的转型过程中经济增长的机制和动力。一些经济学家往往简单化地认为，只要中央计划当局的计划管理解体了，价格信号能反映市场供求了，企业有了追求利润的动机，转轨中的经济体制就自然归同于市场体制，那么社会主义国家转轨时期的经济增长与市场经济国家的增长就没有根本差别了。

笔者认为，这种简单化的判断恰恰是误判中国经济状况的原因之一。在中国经济的转型过程中，经济增长的动力和特点与市场经济国家事实上存在着重大区别。任何经济制度都必然建立在某种政治制度之上，经济制度的变迁理所当然会受到政治制度的影响，这在中国尤其明显。经济研究本来应当把政治制度和政治环境纳入经济制度分析之内，而不能将其排除在外。在所有转型中国家里，中国和越南是唯一坚持在政治集权体制下实行市场化转型的，而且试图以市场化转型来巩固政治集权体制。因此中国的经济增长在很大程度上被政治化了（下文将进一步展开分析），由此出发才可能有效地解释中国经济目前的矛盾现象。

运用宏观经济学理论来分析中国经济增长的专家一般会倾向于认同中国经济制度已经市场化了的判断，因为现有的宏观经济学体系是以市场经济为制度背景的，离开了这个制度背景，宏观经济学的许多概念和假设就都不能成立。但是如果把中国转型期经济体制假定为典型的市场经济，宏观经济学家就很难解释目前中国经济的基本特徵。宏观经济学一向把持续性大幅度的价格下跌及失业率上升判定为经济萧条，认为在这种状态下不会出现持续的快速经济增长；反过来，如果经济确实持续快速增长，则不应该出现价格的持续下跌和失业率不断攀升。然而，面对中国目前的经济实况，似乎宏观经济学无法提供能够自圆其说的分析。

之所以会出现这种局面，有两种可能的逻辑假设：其一，中国的经济市场化产生了一种全新的宏观经济模式，其规律是现有的宏观经济理论所无法把握的，只有修改宏观经济理论才能解释中国的经济特点；其二，经济市场化过程并未把中国的经济体系改造成真正的市场经济，所以用宏观经济理论去解释中国的经济特点本来就会遇到难以说明之处。即使是对中国的经济市场化过程高度赞扬的学者，恐怕也不敢轻易接受第一个假设。但如果接受第二个假设，目前还未看到有说服力的具体分析。其实，不仅国际学术界有这样的困惑，中国的经济学者中愿意深入分析问题的人也同样说不出所以然。于是，中国的宏观经济状况就成了一个“外行看不懂，内行说不清”的谜。

二、从“繁荣”到“缩长”：中国经济增长之谜

90年代上半期，中国确实经历过经济繁荣，笔者曾在繁荣尚未消退之际分析过其中原因，认为这样的短暂繁荣隐含着走向长期性萧条的可能。[1] 90年代后半期中国经济发展的轨迹似乎表明，80年代和90年代上半期的那种经济繁荣确实消逝了。早在几年前，中国的一些经济专家和学者就用“宏观好，微观不好”表达了自己对经济状况的困惑。在这个流行的说法中，所谓“宏观好”是指经济增长率持续保持在7－8％的水平上，如果把这个数字等同于发达国家的增长率，中国这样的经济增长率当然是相当高的。而所谓的“微观不好”，是指市场需求不足，物价持续走低，多数企业开工不足或产品严重积压，失业规模不断扩大。[2]很明显，“宏观好，微观不好”是个充满了矛盾的表述，既然在微观层面看到的多是经济困难，那么作为微观之总和的宏观经济怎么反而会令人鼓舞呢？

其实，仅从宏观经济的层面来看，“宏观好”的判断也同样是非参半。在经济景气分析中，需求变化和原材料价格指数是先行经济指标，企业根据价格和需求的变化调整生产，而消费者价格是滞后指标。如果先行指标和滞后指标都数年连续下跌，经济是不可能持续高增长的。但是在中国情况却不同：需求萎缩了，绝大多数行业的订单都严重不足，产品处于供过于求的状态，原材料价格不断下跌[3]，这些先行经济指标的数据呈下降态势；同时，作为同步指标的就业率[4]和作为滞后指标的消费者价格也持续下跌[5]；唯独经济增长率却始终保持在7－8％的水平。从这些指标的动态来看，好像中国的经济增长率与先行和滞后指标都脱钩了，真成了“一枝独秀”的指标。增长率的变化甚至与先行和滞后指标背道而驰：先行指标生产者价格连年下降，增长率却毫不为其所动；增长率稳居8％，但滞后指标消费者价格却持续跌落。

不久前，终于有中国的经济学者把埋在心中的困惑说了出来。2002年下半年在北京的一个研讨会上有一位学者提出，中国目前的经济运行特徵可以用“缩长”来概括，就是说在经济增长的同时伴却随着通货紧缩和失业率上升，这是中国所独具的现象。中国国家计委宏观经济研究院的王建指出：“其人语惊四座，在座的不乏国内经济学界的‘大腕’，却谁也说不出中国为何会出现‘缩长’。……之所以会‘语惊四座’，是因为这的确是一个我国目前经济运行中的大问题。……已经持续了几年而表现出一种趋势，则说明必然有重大的经济因素导致这种趋势，并且不会马上消失。……不论是世界200年的工业化历史，还是二战以来的历史，还是近10年以来的世界历史，都没有出现过中国目前这种增长、通涨与就业关系的奇怪组合，这就难怪中国的这些着名学者谁也对此说不出个子丑寅卯来。……破解中国‘缩长’现象之谜具有极为重大的理论与现实意义。一直以来，实现充份就业都是政府宏观经济政策的主要目标，而过去一向认为，只要经济增长速度达到一定高度，就可以使就业率达到一个满意的水平，经验说明，经济增长率只有在7％以上，才能使当年新增加的劳动人口大致上进入就业领域，这也是近些年来政府不敢把经济增长率安排在7％以下的主要考虑之一。但在出现‘缩长’现象后，政府的宏观经济政策就必须有所修正了，因为即便增长速度在7％以上而且还在上升，失业问题仍然在恶化。”[6]

毫无疑问，承认“缩长”现象的存在是重新认识中国宏观经济状况的一个起点，中国经济学者关于这一现象的初步讨论反映了一种认知上的深化。在此之前，中国的官方说法一直把过去几年来经济中的困难解释成亚洲金融危机之后世界性经济收缩的结果，而中国的许多经济学者也倾向于这种说法。事实上，90年代中国的反通货膨胀政策始于1995年，早在亚洲金融危机出现之前，中国的经济增长率就开始回落了。亚洲金融危机对中国经济当然有一些影响，但并没有那么大。

中国物价数年来持续下降与加入经济全球化也没有多少关系。美国和日本最近若干年来因为大量进口中国等发展中国家制造的低成本消费品，物价相当稳定，某些类别消费品的价格甚至有所下降。中国是此类商品的主要生产国而非主要进口国，此类出口的作用是拉动了国内需求而不是增加国内供给，能抑制物价进一步下滑，却不是物价持续下降的原因。事实上，物价连年下降基本上是国内需求不振的结果。然而，为什么一个需求不振的经济却能保持8％的增长率？目前中国经济学界还只是有人提出要正视“缩长”现象，但如何解释它还需要对中国经济增长的机制和特徵有更深入的分析。

三、8％的经济增长率在中国意味着什么？

上述引文中提到了一个在中国宏观经济研究圈里多年来形成的共识：只有当经济增长率高于7％时，失业率才不至于上升。也就是说，对中国的经济政策制定者而言，7％是维持中国经济社会基本正常的增长的“下限”。需要说明的是，这个“下限”远远高于市场经济国家，这是长期实行计划经济所留下的制度“遗产”。正因为如此，把目前中国的经济增长率直接与市场经济国家的增长率相对比，是缺乏充份依据的。换言之，在西方国家，经济增长8％意味着经济高度繁荣；而在中国，8％的经济增长率可能只是免于经济严重萧条的底线。

在宏观经济分析中有一个概念，当经济增长达到充份就业状态时，社会上仍会有一定数量的劳动力处于未就业状态，这时的失业率可被称为自然失业率。美国从1955年到1990年自然失业率一直在5％到6％之间波动；中国90年代以前的城市自然失业率更低。在现实中，实际失业率必然会围绕着自然失业率上下波动。如果实际失业率高于自然失业率，经济就处于就业不足状态。套用上面所说的增长的“下限”概念，当实际失业率相当于自然失业率时的经济增长率，对宏观经济政策制定者来说就是保持一个国家经济社会基本正常的增长“下限”。

在美国，当经济增长率达到3％时，实际失业率大体上相当于自然失业率。描述这一现象的经验观察结果被称为“奥昆定律（Okun's Law）”[7]。可以说，对美国而言，维持社会经济基本正常的增长临界点是3％；而对中国来说，类似的“定律”是，在80年代只要经济增长率低于7％，就会企业全面亏损、失业率上升。1986年的经济就是如此，当年工业增长了8%，但企业利润却大幅度下降，呈现负增长态势。当时笔者撰文指出，由于过度扩张行业和低素质产品生产企业对需求膨胀的依赖越来越深，保证企业利润正增长所必需的生产临界增长率已经抬高到8%以上，所以尽管该年工业增长率达到8%，企业仍然难以生存。[8]

90年代以来中国的这一规律性现象并无改观。中国近几年的经济增长率一直保持在8％上下，正是在这样的增长状态下失业率高居不下。目前，中国的失业率已“进入建国以来的第五次高峰。虽然统计的城镇登记失业率只有3－4％，但实际的失业率在8－9％。失业人员中，包括700万左右的城镇登记失业人员，1,000多万下岗失业人员，120－150万城镇农民工失业人员，70万待业的大学和专科毕业生。”[9]显然，在中国增长的“下限”远高于美国；换言之，中国经济增长7％大体上相当于美国经济增长3％，这是中国经济的一个重要特点。

由于中国经济增长的“下限”偏高，所以中国的经济增长率其实是不能与市场经济国家的增长率直接对比的。这一点过去十多年来似乎被一些经济学者淡忘了，他们常常以中国保持了8％的经济增长率为由，误以为中国处于增长的“下限”状态时就相当于西方国家经济增长8％时的繁荣状态。正是因为这一误解，导致许多中国经济的观察家陷入了“宏观好，微观不好”的困惑。其实，中国经济增长7－8％只不过是处在增长的“下限”状态，这时的宏观经济谈不上“好”，宏观经济与微观经济的“不好”事实上是一致的，并没有矛盾。换言之，“微观不好”的真实状况证明所谓的“宏观好”不过是误判而已

所谓中国经济增长的“下限”偏高，是基于80年代对中国经济基本特徵的观察得出的结论。整个90年代中国一直在推行市场化，经济转型是否改变了这一特点呢？这是需要实证分析来检验的。由于中国国家统计局公布的失业率差不多是个“常数”，从1996年到2000年基本不变，一直固定在3％的水平上[10]，既不随经济波动而变化，也远低于真实失业率，因此这个数字不具备统计分析意义，要考虑换一个角度，从工业平均利润率的变化来看中国经济增长的“下限”。

市场经济中企业的生产单纯地以利润为动力，对需求和价格的变化非常灵敏，财务上完全独立，必须承担所有的债务偿还，没有利润就不会投资，也不会长期保持过剩的生产能力和员工，更不能拖欠银行贷款拒绝偿还。但中国的情况不同，市场化转型并没有根除预算“软约束”（Kornai 1992)，国有企业仍在一定程度上存在着“投资饥渴症”，盲目投资之后拒绝偿还银行债务和生产能力过剩是常见现象。在改革初期中国的企业界、政府和经济学者都承认这种现象的普遍性。随着经济市场化的推进，无论是中国的企业界、政府，还是经济学者，都偏重于强调企业机制的积极变化，而不太愿意面对社会主义体制的余留影响。

事实上，经济市场化虽然使中国的企业对市场比过去灵敏得多了，但长期以来形成的过剩产能使企业的损益平衡点大大超出正常水平。这种微观层面的现象反映到宏观层面就是多数行业的生产能力长期过剩，成为一种常态。结果，经济增长或企业产出的增长低于7－8％时，如果不大规模裁员，工业部门就可能出现总体性亏损。在这一背景下，中国的宏观经济均衡状态一直是扭曲的，也就是说，能让大部份企业处于收支平衡点、实际失业率接近自然失业率的经济增长水平不象正常的市场经济国家那样是2－3％的低增长，而是7－8％甚至更高。

分析中国工业部门平均的损益平衡点，必须要考虑到不同行业的盈利环境。如果按照企业的盈利环境来看，中国的工业行业大致可被分为两类，一类是生存在竞争程度相对比较高的行业中的国有、集体、私营、外商企业，另一类是垄断行业，这些行业主要由国有企业组成。具有垄断地位的企业盈利通常与原料垄断以及各级政府在市场销售环节的定价政策或保护性关税政策有关，例如，轿车工业依靠高关税保护而形成了超额利润，石油工业和石油化工工业则受到原料垄断以及垄断性定价政策的保护。这些行业的利润率通常高于其他行业，而影响其利润变动的往往是与市场需求变化关系不大的政策因素。此外，国际市场价格（如石油价格）变化对这些垄断性行业利润的冲击也可能很大。只有竞争程度较高的行业的损益平衡点与国内市场的供求变化有比较密切的关系，会灵敏地随产出增长率的升降而变动。

数据说明：GDP和工业（增加值）增长率直接取自中国统计年鉴。竞争性行业利润率的计算公式是：利润率＝利润总额÷销售收入；1998年以前的数据取自中国统计年鉴的“全部独立核算工业企业主要指标”表（含国有、集体及私营企业），1998年以后的数据取自中国统计年鉴的“全部国有及规模以上非国有工业企业主要指标”表。

发现工业企业的平均利润率果然非常低。只有在1992年这样的经济超常增长年份，工业增长率达到20％以上，企业的利润率才接近正常的市场经济国家通常的水平。1994、1995年工业增长率分别为18.9％和14％，利润率却不到2％。1996年、1997年，国民经济（GDP）增长率尚维持在9%左右，工业增长率下滑到11％至12％，这时企业的利润率就朝1％的极低水平逼近；在这样的财务状况下，亏损企业占了一大半，如果这种局面延续数年，银行系统将被急剧上升的坏账拖垮。从1998年开始，政府为了避免国有银行系统爆发金融危机，实施了鼓励企业裁员破产的政策，结果全国范围内出现了大规模的裁员及企业破产浪潮，失业率立即跃升；当社会付出了如此沉重的代价之后，企业的利润率也不过回升了1到2个百分点。

第9篇

关键词:房地产价格;宏观经济;实证研究;文献综述

中图分类号:F293.3文献标志码:A文章编号:1673-291X(2009)29-0086-03

一、引言

2008年,随着雷曼兄弟破产、“两房”被政府接管等一系列事件的发生,美国次贷危机进一步深化成金融风暴波及全球,宏观经济出现剧烈波动。在此国际背景下,国内经济亦不容乐观,现在金融危机也已经开始逐渐渗透到实体经济领域,直接导致了外贸出口下滑,外贸顺差减少,与国内房地产周期演变重叠,从而影响工业和投资下降的结果,造成经济迅速下行趋势,2008年第三季度GDP增幅回落至9%。为了稳定经济,我国政府决定采取扩大内需为主和稳定外需相结合的方式,采取更强有力的措施扩大国内需求特别是扩大消费需求,以拉动经济增长。长期以来,投资、消费、出口是拉动我国经济增长的“三驾马车”,在国内消费不振、外贸出口急剧下降的形势下,政府出台了旨在扩大内需的四万亿刺激计划,其中32%与房地产行业直接相关,包括廉租房、保障性住房等措施。

从2008年10月下旬开始,政府连续出台救市政策,这不仅为购房者提供了更多的利好,最为重要的是从一定程度上改变了购房者的市场预期,这对于促进楼市的回暖具有积极作用。2008年11月份,土地成交量出现回暖迹象,比2007年同期分别增加了8.3%和159%,比上月成交土地面积也增加了37.8%。同时,伴随着商品房住宅量的成交量、成交面积的增加,经济适用房、限价性住房等保障性住房成交套数增加了46.2%,成交面积增加了49.3%。目前,市场上房地产开发土地供给依然充足,房地产开发投资增长在稳步回升;房地产供给将出现结构性差异,商业地产出现过剩,保障性住房供给力度不断加大;房地产价格持续调整;房地产市场体系将逐步完善。

由此可见,宏观经济的波动对房地产价格有着重要影响,而房地产投资作为固定资产投资的重要组成部分,房地产价格的变化势必对宏观经济的运行产生重要影响。虽然从理论上,对房地产价格和宏观经济波动关系进行分析的文献很多,但从实证角度具体检验房地产价格和宏观经济波动关系的文献还不是很成熟。本文将从国内外两个方面对研究房地产价格与宏观经济波动的文献进行综述,以期进一步探讨影响房地产和宏观经济波动的实际因素,同时对相关文献所采用的模型进行归纳、整理,期望能对进一步的研究提供有益的视角。

二、房地产价格与宏观经济关系的实证研究

房地产价格是指房地产市场上供需双方所形成的价格。从各国房地产价格的波动情况来看,房地产价格一般具有阶段性、城市差异性与协同性、泡沫性三个特点。就阶段性而言,房地产价格的阶段性或周期性与宏观经济波动是密切相关的,有时宏观经济波动表现为房地产价格波动,同时又会引起宏观经济波动。根据经济周期理论,房地产价格与宏观经济基本变量存在互动关系,主要表现为宏观经济的一个或多个经济变量会引起房地产价格的变动,同时房地产行业的变化也会引起宏观经济的波动,在变化过程中两者形成相互加强的互动机制。从各国相关文献资料来看,影响房地产价格的宏观经济基本变量主要包括收入、消费、利率、就业率、通货膨胀率、建筑成本、房地产供给等基本变量。

房地产价格与宏观经济的关系包括两个方面,一是宏观经济变化对房地产价格波动的影响,宏观经济变化对房地产价格的影响主要是通过对房地产供给和需求的影响来实现的;二是房地产价格波动对宏观经济的影响,在这方面,已有的研究表明,学者们主要是从房地产价格是否影响总消费和总投资两个角度进行分析的。

(一)国外的相关研究

房地产业在国外许多国家已是成熟的产业,有关房地产业的地位作用已有了明确的认识。从国外的文献来看,大部分的经济学者对于房地产价格与宏观经济关系的实证研究,主要侧重于从均衡理论的角度出发,在传统的回归分析模型的基础上,更多地运用独立线性系统、数量经济模型、技术经济评估模型等来进行数据分析。

首先,宏观经济运行的基本面会影响投资需求,进而通过利率影响房地产的供给,而经济增长会影响居民收入进而影响对房地产的需求,根据均衡理论,市场竞争机制最终会通过房地产价格出清市场。Clapp和Giaccotto(1994)利用简单回归分析,认为宏观经济的变化对于房地产价格有着很好的预测能力,不符合有效市场的假说。而Quigley(1999)采用供求平衡确定价格的模型,对美国1986―1994年41个都市区域的年度数据进行研究,认为对住宅价格的解释能力在12%～30%之间,各变量的显著水平超过了99%,说明美国经济基本面可以解释美国房地产价格的变化。同时,Iacoviello(2002)通过建立SVAR模型研究来6个欧洲国家(法国、德国、意大利、西班牙、瑞典和英国)过去25年的影响房地产价格波动的宏观经济因素,研究发现在利率上调之后,各国的房地产价格会出现不同程度的下跌。Miki Seko(2003)通过利用SVAR模型分析出日本各地区的住宅价格和经济基本面有着比较强的相关性,可以预测房地产市场的发展。同时,房地产价格的变化是影响宏观经济运行的重要因素。Chirinko,DeHaant和Sterken(2004)运用SVAR模型对13个国家进行研究,研究了13个发达国家的情况,发现对一国而言,房屋比股票对消费、产出等实际经济有更大的作用,房价上涨1%之后,消费上涨0.75%,房价上涨1.5%之后,GDP上涨0.4%。

其次,对房地产的需求而言,受经济增长影响的居民收入是主要影响因素,而根据不同经济理论对收入度量是此类文献关注的主要内容,如永久收入假说。Geoffrey Meen(2002)通过对英国、美国住宅价格的时间序列分析发现,无论是暂时性收入还是持久性收入,对房价的弹性都很大,尤其是在美国对于供给弹性欠佳的市场上,长期收入的弹性更高。而GcofKenny(1999)利用协整技术,利用VECM模型,来对爱尔兰住宅市场供给和需求两方面建模,他的研究表明,持久收入增加会引起房地产价格的上涨,并对住宅的需求有一定比例的增加。同时,Abrahma和Hendershott(1996)利用了一个考虑滞后过程在内的住宅价格变化模型,该模型提示了住宅价格上涨与住宅建设成本、就业率和收入直接相关,住宅价格上涨幅度和利率上升成负相关。

最后,对房地产的供给方面而言,宏观经济的变动通过对利率的影响进一步影响实际的房地产投资。在这一方面,Giulindori(2005)通过建立一系列VAR模型,研究发现利率上调之后,9个欧洲国家(比利时、芬兰、法国、爱尔兰、意大利、荷兰、西班牙、瑞典和英国)的房地产价格会出现不同程度的下降。同时,Case和Robert(2003)验证了房地产价格与投资回报存在正的自相关。房地产价格和回报的高度自相关会产生正反馈交易行为, 并推动房地产价格向预期的方向发展,在上升过程中可能会形成价格泡沫。

基于上面的分析,我们可以发现国外文献主要基于均衡理论、收入假说等经济理论构建模型,如SVAR模型。采用的数据主要采用横截面数据和时间序列数据,从而具体的计量模型主要集中在传统的OLS回归、SVAR模型、协整分析等。

(二)国内的相关研究

我国房地产市场相对国外来说,虽然起步比较晚,但伴随着我国经济的迅速发展,房地产行业也呈现出良好的发展态势。房价问题不仅关系到城市的发展和金融的安全,更关系到普通老百姓的生活成本。房价问题的重要性和房地产价格的敏感性吸引了国内大量学者和公众的广泛关注。从国内的文献来看,国内学者对于房地产价格与宏观经济关系,大都从理论上来进行分析,进行实证研究的文章比较少,并主要集中在以下几个方面。

首先,鉴于宏观经济基本面对房地产价格的重要影响,采用合适的数据、模型对二者关系的研究一直以来都是大家关注的重点。沈悦,刘洪玉(2004)利用1995―2002年我国14城市的中房住宅价格指数与宏观经济基本面相关变量的平行数据,运用混合样本回归以及添加城市、年度哑变量等分析方法,对住宅价格与经济基本面的关系进行实证研究。研究结果表明,经济基本面对住宅价格水平的解释模型存在着显著的城市影响特征。姜彩楼、徐康宁、李永浮(2007)运用2003年3月至2006年8月的月度数据,通过协整方法、Granger检验研究了上海市房地产价格变动的影响因素。结果表明,宏观经济发展水平和房地产投资力度是影响上海市房地产价格变动的重要因素。而人均可支配收入、空置面积等反映市场供需关系的指标对房地产价格的影响较小。张益丰(2008)利用协整检验与Granger因果检验等方法对我国房地产销售价格和经济发展、居民人均收入以及上地拍卖价格等变量加以实证分析,指出单纯依靠降低土地价格来遏制房价上涨政策是不可行的;提出加大农村投入、缩小城乡收入差距、减少地域之间的经济差距等一系列能够平抑房屋价格快速上涨的政策建议。

其次,在我国,由于房地产开发的资金来源主要是银行贷款,从而银行利率的变动对房地产投资有重大影响,因而会影响到房地产供给及其价格变化。例如,梁云芳、高铁梅、贺书平(2006)利用协整分析和HP滤波,计算了房地产均衡价格水平,以及房地产价格偏离均衡价格的波动状态,得出结论:我国房地产市场价格的偏离只是受部分地区的影响。通过利率来调控房地产市场,成效不大,但信贷规模的变化对房地产投资有较大的影响。而崔光灿(2009)运用面板数据模型对我国1995―2006 年31个省市的数据进行分析后发现,房地产价格明显受利率和通货膨胀率的影响,而且房地产供给、收入等基础性宏观经济变量在中长期也决定房地产价格。房地产价格明显影响到宏观经济稳定,房地产价格上升会增加社会总投资和总消费,房地产投资通过“财富效应”对消费的影响始终明显,对社会总投资的影响也非常显著。

最后,随着我国房价的连续上涨,住房支出成为居民支出的主要组成部分,居民的生活压力上升,居民消费支出受到重大影响,进而影响到扩大内需的实现,是影响房地产需求的主要因素。姚玲珍、刘旦(2006)在生命周期假说的基础上,构造了一个城镇居民资产与城镇居民人均消费关系的模型,并利用1978―2006年的数据,分阶段实证研究了中国城镇居民住宅资产对城镇居民人均消费的影响。宋勃(2007)在考虑通货膨胀的条件下,利用我国1998―2006年的房地产价格和居民消费的季度数据建立误差修正模型(ECM),使用Granger因果检验方法对我国的房地产价格和居民消费的关系进行实证检验,得出结论,短期而言,两者存在Granger因果关系;长期来说,房屋价格上涨是居民消费增加的Granger原因。

由于我国宏观经济政策在房地产市场上的重要作用,使得对宏观经济政策的研究成为影响房地产价格的重要因素,例如,房地产信贷政策将会直接影响房地产贷款利率,而宏观财政政策则会影响居民收入,进而影响对房地产的需求。周京奎(2005)利用中国4个直辖市房地产价格数据和宏观经济数据,运用单整与协整检验方法及误差修正模型,对住宅价格与货币政策之间的互动关系进行实证研究。研究结果表明住宅价格上涨与宽松的货币政策有紧密的联系。

可以看到,国内文献于国内文献相比,除横截面数据、时间序列数据之外,还采用了面板数据,从而可以使用更多的信息,相关的计量方法主要包括:协整方法、Granger检验、误差修正模型(ECM)、面板数据模型,同时对宏观经济政策的分析也是国内文献重点关注的问题。

三、总结

国外在房地产价格和宏观经济波动关系的研究上要早于国内,并且重视在经济理论的基础上构建结构计量模型进行定量分析,这为国内的相关研究提供了很好的借鉴。近年来,随着国内房地产市场的迅速发展,对房地产价格和宏观经济关系的研究逐渐增多,并且大量采用了相关计量模型进行定量分析。但是,对于以下几个方面的研究仍显不足:

(一)宏观经济政策在我国经济运行中起着重要作用,特别是房地产市场的发展也一直是我国宏观调控的重要目标。但是,现在对宏观经济政策的研究更多地集中在理论分析方面,缺乏全面的实证分析。如果能够对宏观经济政策对稳定经济、促进房地产行业发展的政策效应进行定量分析,那么我们就可以对相应的政策效应和实施效果进行预测、评估。

第10篇

笔者试图通过对中国经济矛盾现象的分析，提出一种认识中国经济增长动力和特点的认识框架，这或许有助于理解中国经济增长之谜，也便于认识阻碍中国经济发展的瓶颈和障碍。

一、为什么现有理论似乎解释不了中国经济的矛盾现象？

比较经济制度理论能解释计划体制下的盲目高增长，但对从计划经济向市场经济的转轨过程往往抱持偏于乐观和过于简单化的判断。这种理论认为，计划经济体制导致价格、利率等经济信号的扭曲，同时在中央计划当局的指挥下企业无法产生正确的激励，所以虽然能形成一段时期里的高增长，但这样的增长缺乏效率，造成经济结构畸形化，其长期经济表现必然是失败的。(Szelenyi, Beckett and King, 1994)但对中国这样一个经历了25年渐进型经济转轨的国家来说，比较经济制度理论并未提供现成的分析框架来认识漫长的转型过程中经济增长的机制和动力。一些经济学家往往简单化地认为，只要中央计划当局的计划管理解体了，价格信号能反映市场供求了，企业有了追求利润的动机，转轨中的经济体制就自然归同于市场体制，那么社会主义国家转轨时期的经济增长与市场经济国家的增长就没有根本差别了。

笔者认为，这种简单化的判断恰恰是误判中国经济状况的原因之一。在中国经济的转型过程中，经济增长的动力和特点与市场经济国家事实上存在着重大区别。任何经济制度都必然建立在某种政治制度之上，经济制度的变迁理所当然会受到政治制度的影响，这在中国尤其明显。经济研究本来应当把政治制度和政治环境纳入经济制度分析之内，而不能将其排除在外。在所有转型中国家里，中国和越南是唯一坚持在政治集权体制下实行市场化转型的，而且试图以市场化转型来巩固政治集权体制。因此中国的经济增长在很大程度上被政治化了（下文将进一步展开分析），由此出发才可能有效地解释中国经济目前的矛盾现象。

运用宏观经济学理论来分析中国经济增长的专家一般会倾向于认同中国经济制度已经市场化了的判断，因为现有的宏观经济学体系是以市场经济为制度背景的，离开了这个制度背景，宏观经济学的许多概念和假设就都不能成立。但是如果把中国转型期经济体制假定为典型的市场经济，宏观经济学家就很难解释目前中国经济的基本特徵。宏观经济学一向把持续性大幅度的价格下跌及失业率上升判定为经济萧条，认为在这种状态下不会出现持续的快速经济增长；反过来，如果经济确实持续快速增长，则不应该出现价格的持续下跌和失业率不断攀升。然而，面对中国目前的经济实况，似乎宏观经济学无法提供能够自圆其说的分析。

之所以会出现这种局面，有两种可能的逻辑假设：其一，中国的经济市场化产生了一种全新的宏观经济模式，其规律是现有的宏观经济理论所无法把握的，只有修改宏观经济理论才能解释中国的经济特点；其二，经济市场化过程并未把中国的经济体系改造成真正的市场经济，所以用宏观经济理论去解释中国的经济特点本来就会遇到难以说明之处。即使是对中国的经济市场化过程高度赞扬的学者，恐怕也不敢轻易接受第一个假设。但如果接受第二个假设，目前还未看到有说服力的具体分析。其实，不仅国际学术界有这样的困惑，中国的经济学者中愿意深入分析问题的人也同样说不出所以然。于是，中国的宏观经济状况就成了一个“外行看不懂，内行说不清”的谜。

二、从“繁荣”到“缩长”：中国经济增长之谜

90年代上半期，中国确实经历过经济繁荣，笔者曾在繁荣尚未消退之际分析过其中原因，认为这样的短暂繁荣隐含着走向长期性萧条的可能。[1] 90年代后半期中国经济发展的轨迹似乎表明，80年代和90年代上半期的那种经济繁荣确实消逝了。早在几年前，中国的一些经济专家和学者就用“宏观好，微观不好”表达了自己对经济状况的困惑。在这个流行的说法中，所谓“宏观好”是指经济增长率持续保持在7－8％的水平上，如果把这个数字等同于发达国家的增长率，中国这样的经济增长率当然是相当高的。而所谓的“微观不好”，是指市场需求不足，物价持续走低，多数企业开工不足或产品严重积压，失业规模不断扩大。[2]很明显，“宏观好，微观不好”是个充满了矛盾的表述，既然在微观层面看到的多是经济困难，那么作为微观之总和的宏观经济怎么反而会令人鼓舞呢？

其实，仅从宏观经济的层面来看，“宏观好”的判断也同样是非参半。在经济景气分析中，需求变化和原材料价格指数是先行经济指标，企业根据价格和需求的变化调整生产，而消费者价格是滞后指标。如果先行指标和滞后指标都数年连续下跌，经济是不可能持续高增长的。但是在中国情况却不同：需求萎缩了，绝大多数行业的订单都严重不足，产品处于供过于求的状态，原材料价格不断下跌[3]，这些先行经济指标的数据呈下降态势；同时，作为同步指标的就业率[4]和作为滞后指标的消费者价格也持续下跌[5]；唯独经济增长率却始终保持在7－8％的水平。从这些指标的动态来看，好像中国的经济增长率与先行和滞后指标都脱钩了，真成了“一枝独秀”的指标。增长率的变化甚至与先行和滞后指标背道而驰：先行指标生产者价格连年下降，增长率却毫不为其所动；增长率稳居8％，但滞后指标消费者价格却持续跌落。

不久前，终于有中国的经济学者把埋在心中的困惑说了出来。2002年下半年在北京的一个研讨会上有一位学者提出，中国目前的经济运行特徵可以用“缩长”来概括，就是说在经济增长的同时伴却随着通货紧缩和失业率上升，这是中国所独具的现象。中国国家计委宏观经济研究院的王建指出：“其人语惊四座，在座的不乏国内经济学界的‘大腕’，却谁也说不出中国为何会出现‘缩长’。……之所以会‘语惊四座’，是因为这的确是一个我国目前经济运行中的大问题。……已经持续了几年而表现出一种趋势，则说明必然有重大的经济因素导致这种趋势，并且不会马上消失。……不论是世界200年的工业化历史，还是二战以来的历史，还是近10年以来的世界历史，都没有出现过中国目前这种增长、通涨与就业关系的奇怪组合，这就难怪中国的这些着名学者谁也对此说不出个子丑寅卯来。……破解中国‘缩长’现象之谜具有极为重大的理论与现实意义。一直以来，实现充份就业都是政府宏观经济政策的主要目标，而过去一向认为，只要经济增长速度达到一定高度，就可以使就业率达到一个满意的水平，经验说明，经济增长率只有在7％以上，才能使当年新增加的劳动人口大致上进入就业领域，这也是近些年来政府不敢把经济增长率安排在7％以下的主要考虑之一。但在出现‘缩长’现象后，政府的宏观经济政策就必须有所修正了，因为即便增长速度在7％ 以上而且还在上升，失业问题仍然在恶化。”[6]

毫无疑问，承认“缩长”现象的存在是重新认识中国宏观经济状况的一个起点，中国经济学者关于这一现象的初步讨论反映了一种认知上的深化。在此之前，中国的官方说法一直把过去几年来经济中的困难解释成亚洲金融危机之后世界性经济收缩的结果，而中国的许多经济学者也倾向于这种说法。事实上，90年代中国的反通货膨胀政策始于1995年，早在亚洲金融危机出现之前，中国的经济增长率就开始回落了。亚洲金融危机对中国经济当然有一些影响，但并没有那么大。

中国物价数年来持续下降与加入经济全球化也没有多少关系。美国和日本最近若干年来因为大量进口中国等发展中国家制造的低成本消费品，物价相当稳定，某些类别消费品的价格甚至有所下降。中国是此类商品的主要生产国而非主要进口国，此类出口的作用是拉动了国内需求而不是增加国内供给，能抑制物价进一步下滑，却不是物价持续下降的原因。事实上，物价连年下降基本上是国内需求不振的结果。然而，为什么一个需求不振的经济却能保持8％的增长率？目前中国经济学界还只是有人提出要正视“缩长”现象，但如何解释它还需要对中国经济增长的机制和特徵有更深入的分析。

三、8％的经济增长率在中国意味着什么？

上述引文中提到了一个在中国宏观经济研究圈里多年来形成的共识：只有当经济增长率高于7％时，失业率才不至于上升。也就是说，对中国的经济政策制定者而言，7％是维持中国经济社会基本正常的增长的“下限”。需要说明的是，这个“下限”远远高于市场经济国家，这是长期实行计划经济所留下的制度“遗产”。正因为如此，把目前中国的经济增长率直接与市场经济国家的增长率相对比，是缺乏充份依据的。换言之，在西方国家，经济增长8％意味着经济高度繁荣；而在中国，8％的经济增长率可能只是免于经济严重萧条的底线。

在宏观经济分析中有一个概念，当经济增长达到充份就业状态时，社会上仍会有一定数量的劳动力处于未就业状态，这时的失业率可被称为自然失业率。美国从1955年到1990年自然失业率一直在5％到6％之间波动；中国90年代以前的城市自然失业率更低。在现实中，实际失业率必然会围绕着自然失业率上下波动。如果实际失业率高于自然失业率，经济就处于就业不足状态。套用上面所说的增长的“下限”概念，当实际失业率相当于自然失业率时的经济增长率，对宏观经济政策制定者来说就是保持一个国家经济社会基本正常的增长“下限”。

在美国，当经济增长率达到3％时，实际失业率大体上相当于自然失业率。描述这一现象的经验观察结果被称为“奥昆定律（Okun's Law）”[7]。可以说，对美国而言，维持社会经济基本正常的增长临界点是3％；而对中国来说，类似的“定律”是，在80年代只要经济增长率低于7％，就会企业全面亏损、失业率上升。1986年的经济就是如此，当年工业增长了8%，但企业利润却大幅度下降，呈现负增长态势。当时笔者撰文指出，由于过度扩张行业和低素质产品生产企业对需求膨胀的依赖越来越深，保证企业利润正增长所必需的生产临界增长率已经抬高到8%以上，所以尽管该年工业增长率达到8%，企业仍然难以生存。[8]

90年代以来中国的这一规律性现象并无改观。中国近几年的经济增长率一直保持在8％上下，正是在这样的增长状态下失业率高居不下。目前，中国的失业率已“进入建国以来的第五次高峰。虽然统计的城镇登记失业率只有3－4％，但实际的失业率在8－9％。失业人员中，包括700万左右的城镇登记失业人员，1,000多万下岗失业人员，120－150万城镇农民工失业人员，70万待业的大学和专科毕业生。”[9]显然，在中国增长的“下限”远高于美国；换言之，中国经济增长7％大体上相当于美国经济增长3％，这是中国经济的一个重要特点。

由于中国经济增长的“下限”偏高，所以中国的经济增长率其实是不能与市场经济国家的增长率直接对比的。这一点过去十多年来似乎被一些经济学者淡忘了，他们常常以中国保持了8％的经济增长率为由，误以为中国处于增长的“下限”状态时就相当于西方国家经济增长8％时的繁荣状态。正是因为这一误解，导致许多中国经济的观察家陷入了“宏观好，微观不好”的困惑。其实，中国经济增长7－8％只不过是处在增长的“下限”状态，这时的宏观经济谈不上“好”，宏观经济与微观经济的“不好”事实上是一致的，并没有矛盾。换言之，“微观不好”的真实状况证明所谓的“宏观好”不过是误判而已

所谓中国经济增长的“下限”偏高，是基于80年代对中国经济基本特徵的观察得出的结论。整个90年代中国一直在推行市场化，经济转型是否改变了这一特点呢？这是需要实证分析来检验的。由于中国国家统计局公布的失业率差不多是个“常数”，从1996年到2000年基本不变，一直固定在3％的水平上[10]，既不随经济波动而变化，也远低于真实失业率，因此这个数字不具备统计分析意义，要考虑换一个角度，从工业平均利润率的变化来看中国经济增长的“下限”。

市场经济中企业的生产单纯地以利润为动力，对需求和价格的变化非常灵敏，财务上完全独立，必须承担所有的债务偿还，没有利润就不会投资，也不会长期保持过剩的生产能力和员工，更不能拖欠银行贷款拒绝偿还。但中国的情况不同，市场化转型并没有根除预算“软约束”（Kornai 1992)，国有企业仍在一定程度上存在着“投资饥渴症”，盲目投资之后拒绝偿还银行债务和生产能力过剩是常见现象。在改革初期中国的企业界、政府和经济学者都承认这种现象的普遍性。随着经济市场化的推进，无论是中国的企业界、政府，还是经济学者，都偏重于强调企业机制的积极变化，而不太愿意面对社会主义体制的余留影响。

事实上，经济市场化虽然使中国的企业对市场比过去灵敏得多了，但长期以来形成的过剩产能使企业的损益平衡点大大超出正常水平。这种微观层面的现象反映到宏观层面就是多数行业的生产能力长期过剩，成为一种常态。结果，经济增长或企业产出的增长低于7－8％时，如果不大规模裁员，工业部门就可能出现总体性亏损。在这一背景下，中国的宏观经济均衡状态一直是扭曲的，也就是说，能让大部份企业处于收支平衡点、实际失业率接近自然失业率的经济增长水平不象正常的市场经济国家那样是2－3％的低增长，而是7－8％甚至更高。

分析中国工业部门平均的损益平衡点，必须要考虑到不同行业的盈利环境。如果按照企业的盈利环境来看，中国的工业行业大致可被分为两类，一类是生存在竞争程度相对比较高的行业中的国有、集体、私营、外商企业，另一类是垄断行业，这些行业主要由国有企业组成。具有垄断地位的企业盈利通常与原料垄断以及各级政府在市场销售环节的定价政策或保护性关税政策有关，例如，轿车工业依靠高关税保护而形成了超额利润， 石油工业和石油化工工业则受到原料垄断以及垄断性定价政策的保护。这些行业的利润率通常高于其他行业，而影响其利润变动的往往是与市场需求变化关系不大的政策因素。此外，国际市场价格（如石油价格）变化对这些垄断性行业利润的冲击也可能很大。只有竞争程度较高的行业的损益平衡点与国内市场的供求变化有比较密切的关系，会灵敏地随产出增长率的升降而变动。

数据说明：GDP和工业（增加值）增长率直接取自中国统计年鉴。竞争性行业利润率的计算公式是：利润率＝利润总额÷销售收入；1998年以前的数据取自中国统计年鉴的“全部独立核算工业企业主要指标”表（含国有、集体及私营企业），1998年以后的数据取自中国统计年鉴的“全部国有及规模以上非国有工业企业主要指标”表。

发现工业企业的平均利润率果然非常低。只有在1992年这样的经济超常增长年份，工业增长率达到20％以上，企业的利润率才接近正常的市场经济国家通常的水平。1994、1995年工业增长率分别为18.9％和14％，利润率却不到2％。1996年、1997年，国民经济（GDP）增长率尚维持在9%左右，工业增长率下滑到11％至12％，这时企业的利润率就朝1％的极低水平逼近；在这样的财务状况下，亏损企业占了一大半，如果这种局面延续数年，银行系统将被急剧上升的坏账拖垮。从1998年开始，政府为了避免国有银行系统爆发金融危机，实施了鼓励企业裁员破产的政策，结果全国范围内出现了大规模的裁员及企业破产浪潮，失业率立即跃升；当社会付出了如此沉重的代价之后，企业的利润率也不过回升了1到2个百分点。

第11篇

关 键 词：信用风险；压力测试；系统性风险；宏观审慎监管

中图分类号： F830.1 文献标识码：A 文章编号：1006-3544（2013）05-0011-07

引言

信用风险压力测试已成为金融机构风险管理的重要组成部分，在极端事件风险管理、资本规划、业务发展战略等方面得到广泛应用 [1] 。然而，2008年爆发的金融危机使得全球大型金融机构遭受重创，信用风险压力测试并没有使金融行业很好地应对金融危机。巴塞尔委员会认为，此前进行的压力测试， 宏观压力情景假设要比现实宏观经济衰退程度更弱、持续时间更短，而且忽视了经济体系间的相互影响及反馈效应。由此，如何将系统性风险与金融监管、银行压力测试有效结合起来成为新课题。近年来，宏观审慎金融监管体系逐步形成， 信用风险宏观压力测试在全球得到较快推广，用以评价系统性风险可能对银行业造成的影响，有利于监管部门提早制定应对措施，提高银行业经营稳健性。然而，信用风险宏观压力测试发展较晚，相关建模技术方法仍处于探索和研究当中， 全球范围内尚没有形成统一规范或者最佳实践，世界主要经济组织、各国央行以及全球主要金融机构都在不断完善信用风险宏观压力测试建模技术方法。 本文力图通过对全球信用风险宏观压力测试建模技术方法及实践的分析，为我国金融监管部门及金融机构有效评估系统性风险影响提供借鉴。

一、 信用风险宏观压力测试流程及实践分析

信用风险宏观压力测试主要包括环境分析与制定压力测试目标、设定压力情景、构建压力测试模型、重新评估压力情景、压力测试结果分析和报告等5个步骤。信用风险宏观压力测试需要根据银行经营环境以及业务结构确定压力测试目标，做到具体问题具体分析； 银行根据已设定的压力测试目标制定压力测试情景； 压力测试建模部分包括宏观经济模型构建和信用风险模型构建，压力测试建模非常关键，直接关系到压力测试评估有效性；根据压力测试情景以及模型进行压力测试和评估； 银行需要深入分析压力测试结果， 并向监管部门、 经营管理层汇报，以制定相关应对措施 [2] 。 从信用风险宏观压力测试实施方式看，可以分为自上而下和自下而上两种形式。自上而下的信用风险宏观压力测试主要是由监管部门利用银行业整体数据实施的压力测试。该模式能够对压力测试实施统一的前提假设和建模技术，保持了统一性，有利于行业间或国家间的相互比较，而且实施起来简便、节省资源，但是该模式忽略了金融机构间的差异性，无法判断各金融机构压力情景下的表现 [3] 。该模式适用于金融机构微观数据不足的情况。自下而上的信用风险宏观压力测试是由各金融机构自行开展信用风险宏观压力测试，然后将压力测试结果上报汇总至监管部门。该模式的优势在于能够充分体现各金融机构的差异性，更真实地反映金融行业存在的脆弱性；能够充分利用金融机构内部良好的信用风险管理工具，取得更好的压力测试效果，有利于金融机构为极端事件做好充分准备。然而，该模式由金融机构自行设计压力测试情景及建模，导致压力测试的可比性较差，透明性降低，而且该模式实施起来也较为繁琐，需要金融机构的密切配合 [3] 。自上而下和自下而上的两种信用风险宏观压力测试实施方法并不相互排斥，而是相互验证、相互补充的。在条件允许下，部分国家监管部门会同时进行两种模式的压力测试，以提高信用风险宏观压力测试质量和可信度。

国际货币基金组织（IMF）上世纪90年代末已开展了基于系统性风险视角的信用风险压力测试，目前已成为金融部门评估项目（FSAP）、全球金融稳定性评估报告（GFSRs）的重要组成部分，进而评价各国金融体系的稳定性 [4] 。2009年，美国针对大型控股银行公司进行了前瞻性评估，确定银行面临宏观经济压力下的资本充足性。2010年、2011年， 欧盟也针对成员国的主要银行进行了宏观压力测试，评价银行体系在欧债危机背景下受宏观经济冲击的脆弱性和资本充足性。2010年， 我国针对房地产市场泡沫可能引发的信用风险，亦开展了相关压力测试，主要评价房价下降可能对银行信贷质量的影响。信用风险宏观压力测试在全球主要国家得到应用和广泛开展，信用风险宏观压力测试建模方法得到不断完善和创新，并获得较多的研究和实践成果，进而支持宏观审慎监管理念的落实。

信用风险宏观压力测试理念和相关应用已取得较多成果，然而作为信用风险宏观压力测试的核心部分——压力测试建模还存在很多不成熟、 不完善的地方，这也是各国监管部门加强研究和推进的重要方面。 信用风险宏观压力测试建模包括宏观经济建模和信用风险建模两个部分。宏观经济建模方面，监管部门需要事先将制定的压力情景转变为具体的宏观经济指标波动，即首先预测未来一段时间内的宏观经济走势，即基准情景，然后在基准情景基础上根据压力测试情景需求对宏观经济施加压力，得到压力状态下的相关宏观经济指标，这部分建模技术相对成熟。信用风险建模方面，信用风险建模主要解决宏观经济压力情景向微观金融机构传导的机制问题，即将金融机构信用风险因子与宏观经济指标建立起关联关系， 这部分建模技术方法发展相对不是很成熟。 下文将一一介绍宏观经济建模和信用风险建模技术方法和实证研究成果。

二、宏观经济情景建模技术方法分析

信用风险宏观压力测试首先需要解决宏观经济情景建模问题，其建模方法主要包括结构性计量模型、向量自相关回归模型（VAR）以及统计方法 [5] 。从实践看，很多监管部门主要使用已有的经济预测模型构建宏观压力情景，在部分情况下， 现有宏观经济模型无法包括所有压力测试情景指标，这就需要扩展已有模型。

（一）结构性计量模型

结构性计量模型是比较理想的宏观经济压力情景模型，结构性模型是根据经济理论和现实经济关系，建立起宏观经济主要变量和因素之间的关系。结构性计量模型能够囊括实体经济部门、 政府部门以及金融部门， 进而能够进行政策分析，有利于提升宏观经济模型的完整性和现实性。同时，结构性计量模型所得到的经济指标预测结果具有内在一致性。结构性模型最主要的形式就是动态随机一般均衡模型（dynamic stochastic general equilibrium，简称DSGE），DSGE模型通常假定家庭或企业部门存在一个代表性个体、 理性预期和无摩擦的完全竞争市场，随着研究的深入，模型假设逐步放松，逐步引入交易成本、粘性价格、垄断竞争、信息不对称、有限理性预期、劳动力市场摩擦、金融市场摩擦等假设，模型更加贴近现实经济运行状态。但是，结构性计量模型本身也存在一定局限，主要是涉及众多方程式，模型本身求解难度较大；由于多数用于分析货币政策的结构性宏观经济模型都是线性模型，该类模型可能无法捕捉压力情景下各经济变量间的非线性关系，而且也很难给出特定宏观压力情景出现的概率 [5-6] 。

一个简单的结构化计量模型可以表示为生产部门、居民部门以及政府部门的三部门方程组，即：

其中，（1）-（6）式分别为生产函数、技术增长、资本累积、资源约束、效用函数、居民部门支出约束、政府支出约束。Y为产出量，K为资本，N为劳动力投入，？啄为折旧率，I为投资，C为消费，G为政府消费，？准t 为偏好系数，W为实际工资，rt 为资本税前报酬率，？子n为劳动收入税率，？子k为资本收入税率，？追为定额税。代表性居民通过选择资本、消费和劳动使效用最大化，而政府部门支出资金主要来自于劳动和资本收入税以及定额税。

从实践看，瑞典、捷克、匈牙利、加拿大、罗马尼亚、美国、法国等国央行的宏观经济预测模型都是结构性计量模型，而且大部分为DSGE模型。

（二）VAR模型

VAR模型也是使用非常普遍的宏观经济模型， 具有简便、灵活的特点，该模型不再区分内生变量和外生变量，而是将所有变量视为内生变量，对于所有宏观经济指标的预测具有内在一致性 [5-6] 。当VAR模型受到外部初始冲击的时候，向量可以用来预测冲击对于整个经济指标的影响程度。如果需要加入类似于结构性计量模型的经济结构关系，还可以将基于经济、 金融理论的变量之间的结构性关系引入VAR模型，构造结构向量自回归模型（Structural Vector Autoregression，简称SVAR），由此可以捕捉模型系统内各变量之间的即时结构关系。

型设置宏观经济压力情景。日本央行所使用的VAR模型包含五个宏观经济变量，分别为GDP、通货膨胀率、银行信贷余额、有效汇率、隔夜拆借利率，数据期限为1978年第一季度至2008年第一季度，基于AIC准则确定模型滞后阶数为4阶 [7] 。由于VAR模型脉冲效应对于变量的排序敏感性很高，日本央行通过对模型变量排序施加递归约束，以此确定模型的新息影响。除此之外，VAR模型还可以用于跨国压力测试。Castren et al.（2008） 基于26个VAR模型建立了GVAR（global VAR） 模型，GVAR模型中国内和国外宏观经济变量同时相互作用，以分析欧元区的信用风险 [8] 。该模型使用的主要宏观经济变量包括实际产出、通货膨胀率、实际有效汇率、长短期利率、石油价格。英国宏观经济模型使用的是两个国家的GAVR模型，两个国家为英国和美国，其中英国表示为一个小型开放国家， 而美国被看作是其他世界经济部分。该模型宏观经济变量包括产出缺口、名义短期利率、实际汇率、通货膨胀率。

（三）统计模型

Oesterreichische Nationalbank（OeNB）使用多元t-Copula模型为宏观经济变量和金融变量建模，该模型的好处在于一方面边缘分布不同于联合分布，另一方面宏观、金融变量之间呈现尾部相依性，有利于模拟极端压力情景 [10] 。统计模型预测准确度较高，然而，统计模型并不利于政策分析，无法获知政策传导渠道。从实践看，该类模型在各国央行的实际应用中并不常见，更适合对于计量精度要求更高的金融机构使用。

三种宏观经济模型构建技术方法各有优势和不足，各国央行及金融机构根据自身实际情况进行选择，主要还是根据已有数据序列长度、 模型预测准确性和稳健性综合进行考量， 最终选取更为合适的模型构建宏观经济压力测试情景。从实践看，前两种模型应用范围较广，统计模型应用范围较小。宏观经济模型之前就已开始应用于政策分析，建模技术已相对成熟。

三、信用风险建模技术方法分析

设定好宏观经济压力情景后，还需要建立宏观-信用风险因子传导机制，即建立信用风险模型。这涉及三个主要方面，第一是选取合适的因变量，第二是选择恰当的自变量，第三是选择恰当的模型和传导机制。

（一）信用风险模型变量选取分析

1. 信用风险因子选取分析

因变量方面，因变量主要是用来反映金融机构信用风险变化情况的指标，即信用风险因子。从实证研究看，不良贷款率、信贷损失准备金率、违约率、信用转移概率等都经常用来作为信用风险因子。 然而不同指标仍有其自身的局限性，不良贷款率属于滞后指标，一般要慢于经济周期变化；而信贷准备率虽然也具有一定顺周期性，但是其人为调整的因素更大；违约率相对更为理想，但是由于数据累积受到很大限制，尤其是发展中国家， 银行违约率数据序列累计相对较短，经常不能满足建模需求； 信用转移概率数据累计也相对不足，在实证研究中较少得到应用 [5-6] 。当然，因变量的选择还是要根据具体情况来看，例如在我国，由于银行业经历过不良资产剥离的情况，因而不良率并不适合构建模型需要。因变量的选择还涉及数据层次的选择，因变量选取涉及行业层次和微观层次两个方面。 如果相关信用风险因子数据较少， 一般使用行业整体数据建模；如果信用风险因子微观数据较丰富而且可得，那么信用风险建模就会使用银行机构微观层次数据。奥地利、加拿大使用了行业违约率作为因变量，匈牙利、捷克使用不同资产组合作为因变量，而保加利亚、斯洛伐克则根据企业部门和居民部门的违约率数据分别构建信用风险模型 [6] 。

上述提及的信用风险因子都是基于历史数据，具有后向性质，无法很好地预测未来。预期违约概率（Expected default frequencies，EDF）具有前向性质，能够预测未来企业违约的可能性。EDF是根据KMV模型计算得到的，KMV模型是基于默顿模型演变而来的， 默顿模型最早由默顿于1974年提出，将期权定价理论运用于贷款定价，并将违约债务看成是企业资产的或有权益，认为某个企业的资产价值低于债务价值时将发生违约。 默顿结构模型的核心在于公司价值的波动性是公司违约的主要来源，当公司价值下降到一定边界值时，就会违约。基于默顿模型和B-S模型，KMV公司成功开发了基于市场信息的KMV模型， 广泛应用于银行和其他金融机构对于违约概率（PD）的预测 [11] 。KMV模型根据B-S模型可得等式：

由上述公式可以看出，资产价值、资产风险、杠杆是决定公司违约的三大主要因素，而上述模型参数可由公司的股票价格、 其波动性和账面债务求得。Asberg and Shahnazarian（2008），Castr′en，Fitzpatrick and Sydow（2008）均使用EDF作为银行信用风险因子 [12-13] 。Asberg and Shahnazarian（2008）分析了瑞典非金融上市企业的EDF，并将所有企业EDF中位数与工业生产指数、 消费者价格指数、短期利率建立相关关系， 利用VECM模型检验了信用风险与宏观经济的关系。实证研究表明，利率对EDF的影响最大，工业生产指数下降或者通货膨胀上升会导致EDF上升。Castr′en，Fitzpatrick and Sydow（2008）用欧元区公司EDF的中位数衡量信用风险，并根据8个行业部门分别计算EDF。其模型将EDF的解释变量确定为股价、GDP等5个宏观经济变量。KMV模型具有一定前瞻性，相比利用历史数据构建的信用风险建模，具有一定优势，不过EDF数据需要企业公开上市，这样才能获得其股价变动的信息， 然而现实中银行客户中有很大一部分，尤其是很多中小企业，均为非上市公司，这部分企业是无法应用KMV模型的。

2. 宏观经济指标分析

自变量方面，自变量主要是宏观经济指标，由于各个国家经济环境、银行业业务结构不同，所使用的宏观经济指标并不相同。一般而言，GDP、通货膨胀率、汇率、利率指标都是各国常用的，还有一部分则是个别国家使用的，诸如房价、居民收入等。一般而言，当宏观经济处于繁荣时期，公司违约率较低，但公司倾向于过度承担风险；当宏观经济处于衰退期时，公司前期所承担的风险无法消化，违约率会大幅上升。违约率与GDP的变化并不是同步，存在一定时滞。实证研究都对GDP做了处理，多数使用GDP增长率，也有实证研究使用GDP一阶方差。 实证研究结果表明，GDP确实与违约率存在显著的负相关关系，这种影响具有普遍性。现实中所能使用的利率形式有很多，诸如银行间借贷利率、市场利率、基准利率、实际利率等，实证研究中并没有统一的形式。然而，实证研究的结论具有一致性，认为利率与违约率存在显著的正相关，而且Diana Bonfim（2007）研究认为建设部门与利率的相关性最为显著 [14] 。利率对违约率影响的机制在于，利率上升时，公司债务负担将增加，更容易出现违约行为。通货膨胀与违约率为正相关，表现为通货膨胀高时，货币政策会收紧，经济景气度将下降，企业债务偿付能力将下降；通货膨胀较低时，货币政策将放松，企业经营景气度将逐步提升，债务偿付能力会进一步上升，违约率会下降。

（二）信用风险建模技术方法分析

模型选择方面，宏观压力情景传导模型一般包括线性回归分析、 非线性回归模型、VAR模型以及综合性模型等等。目前，宏观经济与信用风险因子的内在关系研究尚不充分，这为构建信用风险模型增加了难度。

1. 线性回归分析

最小二乘法（OLS）是最基本的线性回归模型，Deventer（2005）通过线性回归分析对澳大利亚银行、日本三菱银行及韩国、美国多家大型银行的研究表明，宏观因素影响着信贷利差，从而意味着它影响银行信用风险 [15] 。但是，线性回归并不能很好捕捉两个变量之间的关系，在现实研究中线性回归应用较少。

为了改进简单OLS回归可能产生的模型误差，金融机构数据充足的国家可以使用面板数据分析模型，用以对主要金融机构建立信用风险模型。希腊中央银行利用经济增速、失业率、实际信贷利率等宏观经济变量，以及总资产、市场势力、存贷比等银行特征变量，对不良贷款率进行面板数据分析。波兰中央银行利用面板数据预测各个银行的信贷损失准备金率，该模型所使用的宏观解释变量为3个月银行间拆借利率、GDP增速、 实际工资变动率， 还包括银行特定解释变量。Lehmann and Manz（2006）使用信贷准备金率衡量各个银行的信贷质量， 基于静态或者动态面板数据模型进行建模，模型以各银行特征变量作为控制变量，反映各银行对于宏观经济变动的敏感性 [16] 。

2. 非线性回归模型

Wilson（1997）、Boss（2003）设定宏观经济因素和贷款违约率之间的非线性关系， 使用Logit模型将贷款违约率转化为宏观综合指标Y，以指标Y作为因变量与宏观经济因素进行多元线性回归分析，以更好地利用各宏观经济指标所提供的信息[17-18] 。该模型可以表示为：

其中，pt为贷款的平均违约率，yt是pt经过logistic函数转换得到，xt为主要宏观经济变量，？琢为解释变量的系数。（18）式各宏观经济变量的时间序列模型，考虑各宏观经济变量可能存在滞后性，因而对其进行P阶自回归分析。模型中假定？滋t和？着t序列不相关。该模型一是考虑了宏观经济变量对信用风险的滞后效应；二是考虑了金融体系对宏观经济的反馈效应。

Wilson（1997）用各工业部门违约概率与一系列宏观经济变量的敏感度直接建模， 通过模拟将来违约概率分布的路径，得到了资产组合的预期损失，进而模拟出在宏观经济波动冲击下的违约概率值。Boss M（2004）利用Wilson提出的模型，根据加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚和芬兰银行部门的压力情景。目前，基于Wilson模型的宏观压力传导机制得到广泛应用。 国外方面，IMF对各国银行体系稳健性评估、各国央行自身风险评估以及部分学术研究都使用该模型；国内方面，华晓龙（2009）、沈阳、马望舒（2010）对我国商业银行信用风险宏观压力测试也都运用了该模型 [19-20] 。

3. VAR模型

VAR模型除了用于前述的宏观压力情景设定外，也逐步应用于信用风险模型，并且取得了较好的效果。 Alessandri et al.（2007），Marcucci and Quagliariello（2008）使用违约率基于VAR模型分别构建了住户部门和工商部门的信用风险模型 [21-22] 。其中，公司部门模型的变量包括违约率、产出缺口、通货膨胀、短期利率和实际汇率5个指标。在结构设置方面，两个模型认为违约率滞后于宏观变量。 其研究通过脉冲响应发现，除了通货膨胀其他宏观经济指标均对违约率具有非常重要的影响。Glenn Hoggarth et al.（2005） 通过VAR模型建立了英国银行信贷核销率与产出缺口、通货膨胀率、名义短期利率的内在联系。实证研究认为，信贷核销率与产出缺口、通货膨胀率成反向关系，与名义短期利率成正向关系。而且，不同经济部门信贷核销率受到的宏观经济变量的影响是不同的， 非金融企业部门的信贷核销率对产出缺口变化非常敏感，而居民部门信贷核销率对于收入的变化更为敏感。匈牙利中央银行使用VAR模型分别对公司部门贷款和商业房地产贷款进行建模，其中公司部门模型的解释变量为GDP增速、通货膨胀率、名义有效汇率、同业拆借利率。相比回归分析，VAR模型是近年来才刚刚开始应用于信用风险建模的，因而应用范围有限， 不过随着VAR模型在信用分析建模方面的优势逐步得到显现和认可，未来该模型应用范围有望得到不断扩展和延伸。

4. 综合性信用风险模型

上述信用风险模型仅是研究了信用风险因子与宏观经济的关系， 而没有考虑到金融机构之间的风险传染效应，也忽视了金融体系对于宏观经济形成的反馈效应。因此，近年来，更多的学术研究从经济金融理论出发，致力于构建更加综合化的信用风险模型， 使信用风险模型更加接近现实状态。金融危机发生后，金融监管部门逐渐认识到，评估系统性风险还需要进一步考虑不同风险因子之间的关联关系以及金融体系内的传染风险。 传统的信用风险宏观压力测试并不包含这些系统性效应，诸如同业拆借市场或者批发性融资市场的崩溃、 市场流动性和银行资金流动性风险之间的反馈效应等等。 最早出现的综合性压力测试模型是Oesterreichische Nationalbank的系统性风险管理系统（Systemic Risk Monitor，简称SRM），该系统通过统一信用风险和市场风险的网络模型，评估银行违约概率 [23] 。外部冲击对信用风险和市场风险敞口的冲击可能诱发银行违约，在一个网络模型中会导致银行间风险的传染。 另一个相类似的模型是英格兰银行的RAMSI模型 [21] 。RAMSI包括一个用贝叶斯VAR模型制定宏观经济情景、信用风险、市场风险与净利息收入的银行间网络模型， 以及一个模拟资产迅速出售的价格函数。SRM和RAMSI模型均没有包含银行对实体经济的反馈效应，RAMSI模型包含了来自流动性风险的反馈效应。 在加拿大央行的模型中， 资金流动性风险是市场流动性、 违约风险以及银行资金结构之间相互作用的结果。

Daniel Buncic and Martin Melecky（2012）根据全球金融危机的教训，提出了一个新的、实用的宏观审慎压力测试模型。该模型包括6个组成部分，一是根据一国特定统计模型和跨国危机经验制定宏观压力情景；二是因外汇敞口而产生的间接信用风险；三是各银行不同的授信标准； 四是压力时期违约概率和违约损失之间较高的相关性； 五是信贷集中性以及剩余期限对于未预期损失产生的负面影响； 六是使用资本充足率作为衡量银行抵御系统性风险的指标。

除了上述模型和研究，金融部门与实体经济之间的反馈效应也得到更多关注，金融体系对实体经济的反馈效应主要通过需求和供给因素实现 [25] 。从需求端看，居民和企业金融条件的恶化将会冲击到消费和投资需求；从供给端看，借款者信用水平的降低将会促使银行提高授信标准，增加融资成本。Von Peter（2009）建立起一个有效解释宏观经济与金融间稳定关系的框架 [26] 。他尤其分析了由于宏观经济冲击导致信贷损失后， 银行为了满足资本充足性会限制信贷供给，这将如何影响宏观经济。Goodhart，Sunirand and Tsomocos（2003） 也提出了研究金融部门与实体经济之间反馈效应的框架 [27] 。他们将金融脆弱性视作一种均衡问题，即银行需要权衡信贷、投资机会的成本收益。在此框架下，金融部门遭受冲击进而会通过信贷收缩影响到实体经济。不过，整体看，当前综合性信用风险模型仍没有很好地包含金融体系与实体经济之间的反馈效应。

综合性信用风险宏观压力测试模型的不足在于，模型结构的复杂性使得因果关系以及最终的结果透明性不高。因此， 该类模型可能会违背宏观压力测试的一些基本原则，诸如模型需要足够简洁、透明，具有弹性便于政策制定者和公众进行沟通。另一方面，综合性模型包含了多种传导机制以及反馈效应，能够更加完整地反映违约事件的可能影响。

信用风险建模从简单到复杂，各有优势和劣势，简单模型假设较少，压力测试所含有的误差较低，但是可能无法达到更为深刻的研究目的；而复杂模型能够更好地刻画信用风险和宏观经济变量之间的关系，但是复杂模型本身已包含了一定前提假设，因而模型结果可能存在一定误差。不管怎样，各种模型之间并不是完全排斥的，而是可以相互印证和补充的。

四、信用风险宏观压力测试建模方法所面临的难题

实际上，信用风险宏观压力测试实践不长，尤其是在金融危机后，监管部门加强了宏观审慎监管，同时新巴塞尔协议也强调金融机构要通过压力测试确保资本充足性。 因而，现在信用风险压力测试备受监管部门、金融机构重视，不断有创新方法涌现。然而，当前信用风险宏观压力测试建模还存在一定缺憾和不足之处，这也为未来信用风险宏观压力测试建模研究指明了方向。

1. 信用风险宏观压力测试建模方法尚不完善。（1） 当前信用风险压力测试模型缺少反馈效应。当前信用风险压力测试建模中仅考虑了宏观压力情景对金融体系的影响， 但是没有考虑到金融机构所进行的自我调整，从而反过来影响宏观经济，进而形成反馈效应。诸如，宏观经济下滑，金融机构风险增大，面临收入、资本充足率下降等难题，势必会提高授信标准，降低信贷增速，这会反作用于宏观经济，有可能导致经济进一步衰退， 进而再一次将宏观经济压力传导到金融体系。现有信用风险压力测试缺乏对反馈效应的考虑，或者对于反馈效应的构建过于简单，这也使得当前信用风险压力测试表现为静态测试，而非动态测试。（2）当前信用风险压力测试缺乏传染效应。当前信用风险压力测试过程中， 单个金融机构仅考虑自身情况，或者将整个行业作为一个互不相关的整体，然而从现实情况可以看出，金融机构信用风险具有一定传染性，尤其是挤兑风险。同时，随着全球经济一体化进程的加快，各国经济、金融联系日益紧密，信用风险传导的渠道更加多样化， 尤其是不同国家之间的传导渠道也更为通畅，这对于金融行业较为开放的国家尤其如此。当前，信用风险压力测试并没有考虑上述传染效应，这显然并不符合现实情况，因而压力测试缺乏可信性和实用性，对于危机的考虑不够充分。

2. 压力测试模型尚没有正确的考虑到危机时期非线性或者结构性断裂关系。当前信用风险压力测试建模多为非线性回归或者VAR模型。然而，实证研究发现，当危机来临或者市场处于压力情境下，宏观经济变量与金融风险指标通常是非线性的，甚至会发生一定跳跃或者结构性断裂，这种特殊关系是现有模型并没有充分考虑到的。

3. 宏观经济变量与金融风险指标关系仍有待探索。从现有的模型看，多数模型都是解决违约率、不良贷款率与宏观经济指标的关系，而对于LGD、EAD等风险指标，因受到数据限制，相关研究很少，在压力测试中的应用也不多，很多时候都是采用常数数值，这种简便方法可能会低估风险的存在。

4. 信用风险压力测试模型缺乏完善的校正。除了上述模型不完整、不完全等情况，更为关键的是，当前的信用风险压力测试模型缺乏有效的评估和回测检验。由于当前金融风险与宏观经济变量建模时间短、 相关数据累积较少， 甚至尚无法覆盖完整的经济周期，这使得所构建的模型可能有所偏颇，甚至存在较大的模型风险。因而，不能为了计算结果而建模，而是要使建模具有真正的现实意义， 其结果经得起推敲和现实检验，否则建模的意义就不大了。

五、政策建议

我国信用风险宏观压力测试刚刚起步，尤其是在建模技术方法方面发展相对滞后， 未来还需要加强此方面的工作，政策建议如下：

第一，重视信用风险宏观压力测试。一方面，信用风险宏观压力测试是新巴塞尔协议对于使用内部评级法的金融机构的重要要求，以此确保金融机构资本保有的充足性；另一方面，信用风险宏观压力测试也是监管部门落实宏观审慎监管的重要切入点和抓手。目前，基于宏观审慎监管的信用风险压力测试在我国开展仍处于起步阶段，监管部门要加强信用风险压力测试的常规性推进，做到每年、每季度定期性有效开展，以此确保我国银行业有效应对外部系统性风险的冲击和稳健经营。

第二，加强信用风险宏观压力测试理论研究。信用风险宏观压力测试建模需要进一步深入结合我国实际情况，加强相关理论、实证研究，推进对于相关领域研究，进而不断探索出适应我国国情的信用风险宏观压力测试模型。同时，还需要加强与IMF等国际金融组织及各国央行的合作和交流，充分了解国际相关领域研究进展。

第三，注重专业人才的培养。信用风险宏观压力测试专业性较强，需要具有数据挖掘、金融理论、计量方法等多种理论背景的专业人才， 因而需要加强此方面专业人才的培养，为信用风险宏观压力测试发展奠定人才基础和保障。

第四，加强相关数据累积。信用风险宏观压力测试建模涉及大量的基础数据，包括宏观经济数据、行业数据、金融系统的相关数据、金融机构经营数据等等，而且建模对于数据的质量和累积长度也有很高要求，因而需要注重数据累积，确保信用风险宏观压力测试的有效进行。

参考文献：

[1]the Committee on the Global Financial System. Stress testing at major financial institutions： survey results and practice[R]. ，January 2005.

[2]Andreas A. Jobst，Li Lian Ong and Christian Schmieder. A Framework for Macroprudential Bank Solvency Stress Testing： Application to S-25 and Other G-20 Country FSAPs[R]. IMF Working Paper NO. 68，2013.

[3]José Vi？觡als. Macrofinancial Stress Testing—Principles and Practices[R]. IMF，.

[4]Marina Moretti，Stéphanie Stolz，andMark Swinburne. Stress Testing at the IMF[R]. IMF Working Paper NO. 206，.

[5]Foglia，A.. Stress Testing Credit Risk： A survey of Authorities’ Approaches[J]. International Journal of Central Banking，vol.6，No. 2， 2009.

[6]Martin Melecky and Anca Maria Podpiera. Macroprudential Stress-Testing Practices of Central Banks in Central and South Eastern Europe[R]. The World Bank Policy Research Working Paper，No. 5434. September 2010.

[7]Akira Otani，Shigenori Shiratsuka. Macro Stress-Testing on the Loan Portfolio of Japanese Banks[R]. Bank of Japan Working Paper Series，No.09-E-1，March 2009.

[8]Castren，O.，Dees，S.，Zaher，F.. Global Macro-financial Shocks and Expected Default Frequencies in the Euro Area，ECB Working Paper No. 875，2008.

[9]Sklar，A. .Fonctions de repartition ？滋a n dimensions et leurs marges[J]. Publications de l'Institut de Statistique de l'Universit？e de Paris，8，229-231，1959.

[10]Seidner，M.. The Systemic Risk Monitor and the Macro Stress Testing at the OeNB： Status Quo and Future Developments[R]. Workshop “Advances in Stress Testing in Central and South Eastern Europe”，Thessaloniki，19-20 May 2010.

[11]Peter J. Crosbie，Jeffrey R. Bohn. Modeling Default Risk[R]，2002.

[12]Asberg，P.，and H. Shahnazarian. Macroeconomic Impact on Expected Default Frequency[R]. Sveriges Riksbank Working Paper No. 219 ，January 2009.

[13]Castr'en，O.，S. D？ees，and F. Zaher. Global Macro-financial Shocks and Expected Default Frequencies in the Euro Area[R].ECB Working Paper， No. 875，February 2008.

[14]Diana Bonfim. CREDIT RISK DRIVERS： EVALUATING THE CONTRIBUTION OF FIRM LEVEL INFORMATION AND OF MACROECONOMIC DYNAMICS[R]. Working {aper，2007.

[15]Deventer DV ，Kenji I1 Credi t risk models and the B asel A ccords[M]. Beijing ： RENMIN University of China Press，2005.

[16]Lehmann，H.，and M. Manz. The Exposure of Swiss Banks to Macroeconomic Shocks—An Empirical Investigation[R]. Swiss National Bank Working Paper No. 4.2006.

[17]Wilson TC. Portfolio credit risk[J]. Risk，1997，9（10）：111-1701.

[18]Boss M，Krenn G，Schwaiger M，et al. Stress Testing the Austrian banking system[J]. Financial Stability Report，2004，（11）：841-8521

[19]华晓龙. 基于宏观压力测试方法的商业银行体系信用风险评估[J]. 数量经济技术经济研究，2009（4）.

[20]沈阳，冯舒望. 宏观经济变量与银行信用风险的实证研究[J]. 会计之友，2010（8）.

[21]Alessandri，P.，P. Gai，S. Kapadia，N. Mora，and C. Puhr. 2007.“A Framework for Quantifying Systemic Stability.”（December）. Preliminary paper presented at the workshop “Stress Testing of Credit Risk Portfolios： The Link between Macro and Micro，”hosted by the BCBS and the DNB，Amsterdam，March 7，2008.

[22]Marcucci，J.，and M. Quagliariello. Is Bank Portfolio Riskiness Procyclical？ Evidence from Italy using a Vector Autoregression[J].Journal of International Financial Markets，Institutions and Money，2008（1）.

[23]Boss，M.，T. Breuer，H. Elsinger，G. Krenn，A. Lehar，C. Puhr，and M. Summer. Systemic Risk Monitor： A Model for Systemic Risk Analysis and Stress Testing of Banking Systems[R]. Internal Technical Document，Oesterreichische Nationalbank，2006.

[24]Daniel Buncic and Martin Melecky. Macroprudential Stress Testing of Credit Risk： A Practical Approach for Policy Makers[R]. University of St. Gallen Discussion Paper， No. 2011-39，September 2011.

[25]Marco Sorge .Stress-testing financial systems： an overview of current methodologies[R]. BIS Working Papers No 165，December 2004.

第12篇

1．财政通过对宏观经济的调控影响银行业宏观审慎监管。其机理是：通过注资、减免税、收购、利息补贴、收费、国债发行、担保等措施对处于低迷之中的宏观经济或特定行业予以支持，从而振兴实体经济，扩大就业，稳定物价，促进国际收支平衡，防止经济衰退风险，实现财政政策目标。由于财政政策与银行业宏观审慎监管之间具有公共属性的一致性和目标的协同性，财政政策目标的实现可以部分地实现银行业宏观审慎监管目标。其传导过程主要是：通过财政注资、收购或担保，改善企业或项目的融资状况，引导社会投资，盘活资产，增强经济活力，降低整体经济运行的系统性风险；通过发行国债筹集资金，投资于基础设施、基础产业及民生项目建设，夯实经济发展的基础，改善民生，同时影响银行间市场流动性和银行业的发展基础；通过对企业或个人减免税费，可以提高企业和个人的偿债能力，降低银行信用风险，促进实体经济发展。

2．财政直接对银行业发挥调控作用，影响宏观审慎监管。通过对银行业进行注资、减免税、收购、利息补贴、收费、国债发行、担保等措施，或直接救助处于危机之中的银行业，防范系统性风险；或改善银行业资本充足率和流动性水平等，使银行业能够释放更多的信贷资金，支持实体经济发展，实现宏观经济目标。目前，各国银行业监管部门根据巴塞尔银行协议Ⅲ探索出实现三大目标的银行业宏观审慎监管政策工具，一是信贷中介类指标，包括资本留存缓、逆周期资本缓冲、系统重要性银行附加资本、前瞻性拨备、杠杆率、差额存款准备金；二是市场稳定性中介指标，包括信息披露、恢复处置计划、应急可转换安排；三是融资成本中介指标，包括行业资本安排、资本充足率风险权重；四是流动性中介指标，包括贷款乘数（LTV）、借人债务收入比（DTI）、流动性比率（LCR、NSFR）。这些监管政策工具的目标，在于最终实现防范系统性风险、促进实体经济发展、实现宏观经济“三位一体”的目标体系。具体传导过程见图1。其一，财政通过向银行业注资、减免监管收费等，可以使银行业提高资本充足率水平，进一步满足经济发展所需的资金需求，并根据经济周期情况，适当采取资本留存缓冲、逆周期资本缓冲和系统重要性银行附加资本，防止资本监管的顺周期性，保证合理信贷水平；通过对问题银行进行收购、采取恢复处置计划、信息披露等措施，保护投资者和储户利益，增强市场信心，防止银行挤兑，维护金融市场稳定。最终通过信贷和市场稳定两个中介目标的共同作用，实现防范系统性风险目标。其二，财政通过对银行实行利息补贴和减免收费政策，支持银行业实行行业资本安排，降低融资成本，扶持科技创新、低碳环保、中小企业等特定行业发展，作用于融资成本中介目标，最终与信贷中介目标一起实现支持实体经济发展目标。其三，通过发行国债、担保融资等影响银行流动性比率和杠杆，进而影响银行业流动性，作用于流动性中介目标，最终通过融资成本、流动性中介目标与信贷中介目标共同作用，实现促进经济发展、保持物价稳定、促进就业和国际收支平衡的宏观经济目标。

二、财政在银行业发挥宏观审慎监管作用的国际比较

（一）在危机期间充分发挥财政的及时救助作用，有利于防范和化解银行系统性风险美国、英国、巴西为了遏制2008年国际金融危机的蔓延和扩展，降低其对实体经济和宏观经济发展的影响，由财政直接向问题银行或濒临破产的银行注资、贷款、购买受损资产、提供担保、实行减免税、增发国债，使银行业能够继续获取资本金、恢复流动性、能够继续开展信贷等金融活动，避免大量银行破产造成救助成本上升，有效地防范了银行业系统性风险，帮助银行业很快走出危机阴影（见表1）。财政救助有利于维护金融体系稳定、稳定市场，发挥银行业对经济发展的促进作用。当然，财政救助也存在道德风险，导致银行为了追求利益最大化过度进行冒险活动，成本和效率不匹配等问题，需要在财政救助过程中研究解决。

（二）推动银行业不断增强服务实体经济发展、实现宏观经济目标的能力中国和美国、英国、巴西等国十分注重发挥财政对银行业宏观审慎监管的影响，通过减免税、发行国债等方式不断扩大财政对银行业宏观审慎监管支持力度，进一步提高银行业资本充足率和流动性水平，使银行宏观审慎监管能够根据经济发展情况通过资本留存缓冲、逆周期资本缓冲、杠杆率、流动性和拨备等政策措施，合理调控货币供求，从而更好地发挥服务实体经济和国家宏观经济目标的实现（见表2）。从美国、英国实践看，在2008年国际金融危机时，两国财政部和央行均联手对陷入困境的银行提供救助。英国央行和财政部还联合推出融资换贷款计划，帮助英国银行业较快走出困境，防止风险进一步扩散造成对实体经济和宏观经济的不利影响；在推出扩张性财政政策同时，利用具有价格稳定作用的货币政策进行回购、逆回购调节使用，防止引发资产泡沫，导致系统性风险，保持经济平稳健康发展。美国从2008年11月开始推出4轮量化宽松货币政策，有力地扩大了国内需求，扩大了就业和出口，对防范系统性风险，促进实体经济发展和宏观经济目标的实现起到了十分重要的作用。

三、发挥财政在我国银行业宏观审慎监管中作用的思考

（一）对系统性风险的防范银行业宏观审慎监管对流动性的调节能力有限，需要财政为宏观审慎监管政策工具提供有效支持。在经济下行时期，财政通过向银行注资、减免银行税费、提供利息补贴等措施，使银行业增加或保持巴塞尔协议Ⅲ的资本充足率水平，降低资本充足率风险权重，能够继续向实体经济提供贷款，促进实体经济和宏观经济发展。在经济上行时期，一方面，可以通过减少发行国债数量、不再提供担保，减少银行业回购和逆回购数量，降低银行业流动性比率和杠杆；另一方面，可以通过减免税和提高拨备等措施，引导银行业实行资本留存缓冲、逆周期资本缓冲或系统重要性银行附加资本，降低银行贷款和资本充足率的顺周期性，以促进保持物价稳定，防止经济过热，实现宏观经济的目标。

（二）对经济发展的促进财政政策主要是借助国家信用，引导社会资本投向国民经济急需发展的地区、行业和重点项目，为银行业宏观审慎监管创造良好的环境基础，促进银行业宏观审慎监管支持实体经济发展和宏观经济目标的实现。在市场和银行资金偏紧的情况下，财政通过发行国债，培育资本市场，支持银行同业市场发展和提高资本充足率水平，从而多投放信贷用于实体经济发展；对需要发展的产业、区域和中小企业，向银行安排的信贷资金提供利息补贴、减少监管收费，降低融资成本，从而实现调整经济结构、支持实体经济发展目标。

（三）对银行危机的救助在我国尚未建立存款保险制度和实行金融机构市场化退出机制的情况下，应建立银行业危机处置制度。一是由财政设立专项基金，通过市场运作对于濒临倒闭的系统重要性银行进行直接注资或收购，增加资本金，使其能够继续运行，以维护金融市场稳定，防止由一家银行的倒闭引发挤兑等连锁反映，诱发区域性甚至是系统性金融风险。二是研究发挥财政信用的作用，以政府公告、担保承诺等方式提升银行信用、扩大银行流动性，进一步增强公众对银行的信心，在降低财政救助成本的同时，稳定金融市场。

（四）强化财政在银行业宏观审慎监管的责任意识目前，我国银行业实行分业经营、分业监管的体制，由人民银行、银监会负责监管。但是，财政部作为国家宏观经济综合部门和国有银行的出资人，不仅应主动积极地协同配合银行业宏观审慎监管，而且应发挥不可替代的重要作用。第一，我国政府本身也是经济主体之一，不但可以通过国有控股企业（银行）和市场进行资源配置，而且通过对国有控股的大型商业银行行使股东权利、注资等方式，主动支持和配合宏观审慎监管，共同实现宏观经济目标。第二，在存款保险制度尚未建立的情况下，国家财政事实上为银行承担了无形的担保和兜底责任，政府信用和银行风险之间互为条件，政府信用不出问题，银行就不会出大问题；同样，银行不出现系统性风险，财政也不会遭遇巨大风险。第三，我国幅员辽阔、经济体量大，实行分级财政制度，借鉴美国、印度、巴西等国的经验，需要加强财政对地方政府性债务的管理，防止政府信用风险的发生及其对银行业的冲击。

（五）加强财政与银行业宏观审慎监管的协调配合为实现财政、银行业宏观审慎监管目标，两者都需要根据经济金融发展情况运用相关工具进行调节，因而在使用财政工具促进银行业宏观审慎监管目标时，要注意财政与银行业宏观审慎监管工具的搭配，以达到更好的政策效果，防止出现冲突或叠加效应。如，为了防止经济泡沫，在实行紧缩财政政策、取消对银行业减免税和利息补贴等措施时，银行业宏观审慎监管就不应增加银行杠杆；同时，也不应提高资本留存缓冲、逆周期资本缓冲、系统重要性银行附加资本、前瞻性拨备、差额存款准备金和流动性比率的要求，避免对实体经济和银行业发展产生双重的叠加作用。

（六）妥善处理财政风险和银行稳定的关系任何国家的财力都是有限的，而有限的财力对财政在银行业宏观审慎监管中作用的发挥，会产生相应的制约。因此，在财政对银行业宏观审慎监管发挥作用的过程中，要注重防止财政风险特别是政府性债务风险，量入为出、有所作为、适度作为。不能超过国家财力过度发行国债和不切实际、不加选择地对银行业进行注资、担保或减免税费，进而造成政府赤字和偿债负担过重，引发政府信用下降，甚至导致债务危机，最终影响金融体系稳定，对国民经济发展造成重大影响。在这方面，欧元区和北欧一些国家为了救市和救助银行业等金融机构加重债务危机的惨痛教训，值得深思和汲取。