金融系統壓力與實體經濟的動態關聯研究

■管 超

一、前言

金融市場與實體經濟密切相關，一方面金融市場的發展變化深刻影響著實體經濟穩定運行，以股票、債券市場為代表的金融市場被譽為實體經濟運行狀況的“晴雨表”；另一方面金融市場也受實體經濟的影響，商業周期和產業革新決定著資金流向和信貸偏好。2008年“金融危機”在美國爆發并迅速蔓延至世界其他各主要經濟體，中國金融市場也不可避免地深受波及：股市震蕩下行、交易量急劇萎縮、銀行大幅收縮信用、人民幣實際有效匯率指數持續上升，金融系統受到沖擊，金融市場功能被削弱。與此同時，危機的負面影響也傳導至實體經濟層面：GDP同比增速下滑、城鎮登記失業率攀升、工業企業增加值下降。中國因市場相對隔絕，且政府制定了4萬億救市政策，危機傳染以及負面影響相比一些歐美國家而言不太明顯，但金融危機十年后的今天，我們仍依稀能感受到危機的“余溫”。近年來，中國金融市場改革不斷深化，金融創新持續發展，逐漸跳出了“金融論金融”的金融空轉思維定式，金融服務實體經濟的政策導向越來越明顯，這使金融體系對實體經濟的促進作用得以提升。中國金融體系的不斷完善不僅能對社會資源進行優化配置，解決企業融資難等現實問題，還能有效規避系統性風險和危機爆發，從而促進中國實體經濟持續健康發展。

關于金融體系與實體經濟之間相互關聯的研究有很多，大致分類來看，金融體系包括股票市場、債券市場、外匯市場、銀行市場這四個主要市場，一些學者從其中單個市場角度或多個市場角度開展研究，探討金融與實體之間的關聯性。然而金融體系是一個綜合的整體，從單個市場或局部進行研究雖能真實地反映特定市場與實體經濟的關聯性，但卻并不能全面地把握金融體系整體運行狀況與實體經濟之間的聯系。本文同時考慮了中國股票市場、債券市場、外匯市場、銀行市場四個金融子市場，在此基礎上構建了金融壓力指數，作為測度中國整體金融市場的代理指標，隨后建立VAR模型以及機制轉移向量自回歸模型（MSVAR），深入分析金融系統與實體經濟之間的相互影響關系。本文旨在研究新構造的金融壓力指數與實體經濟的相互沖擊與反饋，分析考察期內不同壓力期的持續時間和機制轉換特點，通過結合現實事件（如金融危機），進而佐證金融壓力指數構造的合理性。

研究意義方面，學術界對于金融壓力指數的構建和應用仍在探索中，指標選取和構建方法尚未形成共識，特別是對于中國市場而言，經濟構架和市場邏輯與西方國家有所不同，基于中國數據研究金融壓力指數能夠形成“積跬步”的效果，高實效性的指數及構建方法將能進一步完善該領域研究，而高實效性的主要標志為：第一，能夠較好地解釋過去經濟現實和走勢，特別是在明顯的沖擊區段（如“金融危機”和“歐債危機”等），指數出現合乎預期的對應走勢；第二，與其他關鍵經濟指標的互動性良好，符合經濟理論，并具有穩健性；第三，能夠展現出明顯的區制特征（低金融壓力區和高金融壓力區）和轉移特征。本文充分考慮了這三點：首先，在指數構建方面，重點關注四個金融子市場，選用了“債券市場”而沒有選用以往研究中常用的“保險市場”，并在外匯市場中創新性地將“人民幣有效匯率”作為構建指標納入進來，指數走勢較好地呼應了現實經濟狀況；其次，將構建的金融壓力指數與實體經濟進行細致討論，推敲出金融與實體的關聯性特征和動態影響，從“理論”層面走向“應用”層面；實體經濟代理變量創新性地使用PMI，這有助于呈現出GDP等指標所不具有的信息成分；最后，引入MSVAR模型考察不同區制轉換的特點，以此在應用層面上進行更深入的探索。

二、文獻回顧

金融系統與實體經濟之間具有廣泛且密切的關聯性，金融風險事件會對實體經濟造成沖擊，這使金融系統性風險的測度成為學術界關注的熱點之一。從最初IMF研究的“宏觀審慎指標”到西方評級機構的“主權風險評價體系”，再到20世紀90年代備受關注的EWIs指標及隨后的金融狀況指數FCI，測度金融風險的指標得到了長足發展，然而細致觀察發現，這些指標大多偏向或者關注某一重點金融行業或領域，而沒有綜合反映金融體系的整體情況。在此背景下，對于提煉一個整合各個主要金融子市場的指標客觀需求增大，“金融壓力指數”（FSI）應運而生。作為綜合反映金融體系整體情況的指標，金融壓力指數能夠避免上述缺點，且能更好地辨識金融危機發展的各個階段（Hakkio&Ketton，2009）。

“金融壓力”一詞最早由Illing&Liu（2006）提出，他們在研究加拿大金融體系發展時，發現沒有一個良好的代理指標能夠精確測度該國金融系統整體發展狀況，從而創建了一個能綜合反映股票市場、債券市場、外匯市場、銀行市場的代理指標。在該指標出現后，獲得不少學者的關注，并對其進行進一步的解讀和拓展，其中比較有名的有：Hakkio&Ketton（2009）通過對11個金融指標進行主成分分析從而建立Kansas城市金融壓力指數，作者還將其與實體經濟活動進行結合分析；Cardarelli et al.（2009）通過研究金融壓力指數與實體經濟之間的關系來判別哪些因素更易導致經濟衰退，進而確定FSI框架；Duca&Peltonen（2013）構建了國家金融壓力指數，這個指數通過標準化賦權，能夠適用于多個國家，便于不同國家間進行橫向比較，該指數結合了幾個基礎市場，還引入了銀行間拆借市場，并去掉了一些政府債券市場流動性變量。

除了以上學者提出的金融壓力指標，其他一些學者也針對某一方面或考慮特殊性而創建了能夠反映金融壓力的指標。Kumar&Persaud（2002）創建了旨在通過金融資產風險與收益交叉關系變化，來反映投資者對風險偏好的指標；Carlon et al.（2009）利用銀行股票價格波動創建了反映銀行系統不穩定性的金融壓力指標。這些指標在研究特定問題和局部金融市場時具有優勢，然而其局限性也很明顯。

國內研究中，賴娟和呂江林（2010）通過選取期限利差、銀行業風險利差、股票市場波動性及EMPI構建了中國金融壓力指數，并結合實際狀況進行分析。陳守東和王妍（2011）構建了時效性金融壓力指數，并運用馬爾科夫區制轉移自回歸模型研究中國金融體系壓力的區制特征，考察了與工業一致合成指數的增長關系。劉曉星和方磊（2012）將中國銀行、股票、外匯、保險四大金融市場要素納入CDF信用加權權重分析法中，構建了金融壓力指數，并結合實際經濟探討了金融壓力指數的運行特點。余文君等（2014）構建了金融壓力指標體系和金融壓力指數，并運用其分析了A股市場的系統性風險。劉瑞興（2015）構建了涵蓋金融政策環境、銀行等金融機構、金融市場和外匯市場等指標在內的金融壓力指數，討論了金融壓力與實體經濟發展之間的關系。張勇等（2015）對金融壓力的內涵、指數構建及壓力狀態識別和對實體經濟影響進行評述。陳忠陽和許悅（2016）基于貨幣、債券、股票、外匯市場的12個金融基礎指標，構建了周度金融壓力指數，并利用TVAR考察了FSI和宏觀經濟的關系。

通過文獻回顧可以發現，中國“金融壓力”方面的研究逐漸增多，很多文章聚焦金融壓力指數指標的構建和現實討論，進一步實證分析拓展的文獻相對較少，特別是金融壓力與實體經濟的互動關聯分析較少。本文借鑒已有研究關于金融壓力指數的構建方法，同時考慮中國經濟的特殊性和具體現狀，從金融市場整體性方面來錨定成分因子，構建了金融壓力指數，隨后結合VAR和MSVAR模型，進一步研究金融與實體的動態聯系，并考察了不同區制狀況下金融壓力與實體經濟的動態影響。

三、指標構建和變量設置

（一）金融壓力指標構建

本文數據的時間范圍為2006年5月～2015年9月，數據來自Wind數據庫和國家統計局網站。為方便建模，需要將金融數據頻率與宏觀數據頻率相匹配，因此在構建金融壓力指標時所采用的數據均為月度數據。根據金融壓力的相關文獻，本文從中國股票市場、債券市場、外匯市場、銀行市場四個金融子市場入手，選擇特定指標變量。這四個金融子市場雖然在促進經濟發展過程中的作用和時期有所不同，但均能為企業及個人提供不同形式的金融服務，在企業融資、資源配置、促進實體經濟發展及對外經貿往來等方面都發揮著巨大的推動作用。因此從這四個子市場選取指標構建金融壓力指標能夠全面反映金融體系所面臨的金融壓力邊際變化狀況。變量選取和相關說明如下。

1.股票市場變量。股票市場的波動率能夠較好地度量不同時期金融資產所面臨的風險狀況，本文選用滬深300指數的月收益率，并結合AMMA（1，1）-GRACH（1，1）模型得到的考察期條件方差，將其用以衡量不同月份中國股市的波動狀況，同時選用滬深300指數的月收益率來表示股市收益情況。股市下行說明市場對未來預期較悲觀，股市上行說明市場對未來預期較樂觀。

2.債券市場變量。期限利差是指政府發行的長期和短期債券收益率之差，它反映了債券收益率曲線的陡峭程度，可以作為債券市場對未來經濟活動頻繁程度的一種直接預測，本文選用10年期國債利率減去1年期國債利率作為期限利差的代理變量。通常來講，平坦的收益率曲線反映了未來經濟活躍程度將下降，陡峭的收益率曲線則反映了未來經濟活動將會更活躍。本文用負的期限利差反映金融系統所面對的金融壓力大小，同時短期（三個月）債券每月的收益變化也能反映債券市場對當前經濟活動的一種近似預期，這也是判斷投資者關注債券市場的一個重要指標。

3.外匯市場變量。人民幣有效匯率的波動能夠衡量外匯市場面對外部沖擊時的具體情況，同時國家外匯儲備的變化也能代表國外投資者對中國金融體系及實體經濟運行態勢的一種評價。因此本文通過人民幣有效匯率的波動以及國家外匯儲備的變化，獲得外匯市場在面對內部與外部市場壓力情形下所做出的反饋。

4.銀行市場變量。為了充分反映銀行業實際運行狀況，本文選取泰德價差來反映銀行收益率趨勢變化（本文利用銀行間同業拆借加權利率減去國庫券利率來近似替代泰德價差），同時選用銀行貸款變化量來表示銀行信用擴張情況。

從中可以發現，本文選取的四個金融子市場共8個指標涵蓋了中國當前金融系統各細分市場的實際運行狀況，因此能較好地反映出中國金融系統的壓力變化。在確定了構成金融壓力指數的主要指標之后，對數據進行標準化處理，通過主成分方法，最大程度上提取這些變量中所蘊含的信息，合成最終的金融壓力指標（FSI）數據①主成分分析得到3個PCA因子，并分別按照0.6831、0.1906、0.0821加權算出綜合得分，具體過程未給出，留存備索。。

表1 金融壓力指數的構建

圖1 金融壓力指數趨勢變化情況

由圖1可知，2008年以前，金融壓力指數一直處于較低水平，波動也較小。2008年之后，金融壓力指數開始驟然上升，并伴隨著劇烈波動，在2008年10月受金融危機溢出效應的影響達到第一個峰值。2009年，伴隨著世界各主要經濟體救市計劃的推行，以及中國4萬億救市計劃啟動，中國的金融壓力指數迅速下降，并在接下來的一年時間里處于較低水平。然而在2010年上半年4萬億救市計劃的負面效應逐漸凸顯，金融壓力驟增反彈高位水平，又達到了另一個峰值，期間波動也更趨于劇烈。隨后“歐債危機”爆發，中國與歐洲經貿往來密切，并因此也深受影響，金融體系迅速終結了金融壓力舒緩的趨勢，在此期間，中國金融壓力指數攀升并停留在高位水平，且大幅波動。這種局勢一直持續到“歐債危機”緩解才得以結束，中國金融壓力指數隨之下降到一個相對較低的水平。2014～2015年，由于中國股市大起大落，疊加人民幣匯率波動加劇，進出口貿易受到嚴重影響等原因，中國金融壓力指數又迅速上升。這些重要時期均可以從本文構建的金融壓力指數趨勢圖中清晰地觀察到，因此本文的金融壓力指數能夠良好反映出中國金融體系的壓力實際變化情況，這為接下來進一步研究金融與實體經濟之間的關聯關系奠定基礎。

（二）壓力時期辨別

結合以往關于金融壓力的研究，對于金融壓力時期辨別有以下幾種方法：第一，設定一個基準值，當某時期金融壓力指數FSI超過該基準值時，即認為該時期處于壓力時期。Illing（2003）設置歷史數據波動的2倍標準差作為基準值，在基準范圍外，則屬于金融壓力時期；第二，通過建立壓力指數與公認壓力時期進行對比分析。Hakkio&Keeton（2009）通過評估KCFSI的歷史表現來觀察該指數的峰值是否位于共識的金融壓力時期；第三，Brave&Butters（2011）提出了根據馬爾科夫區制轉移的方法來確定金融壓力時期。雖然可以通過觀察金融壓力指數趨勢變化圖，直觀地辨別金融壓力時期，但這不可避免地遭遇強主觀性問題，與此同時，基于不同金融壓力時期的建模分析造成了方便，本文采取馬爾科夫區制轉移來辨別金融壓力時期。

（三）實體經濟代理變量

為考察金融壓力與實體經濟之間的動態影響，需要選取一個能夠客觀反映實體經濟實際運行狀況的指標。參考以往研究，雖然有人利用實際GDP、中國工業一致合成指數等變量作為實體經濟的代理變量，然而這些變量在衡量實體經濟方面均有一定時滯性和局限性。本文選用采購經理指數（PMI）代理實體經濟的運行狀況，進而考察金融和實體的動態關系。采用PMI主要考慮到三點：第一，PMI能夠反映商業活動的現實情況，原始數據不做任何修改，保證了數據來源的真實性；同時進行季節性調整，減少季節性波動、法規制度和法定假日等因素變化所造成的影響，因此PMI指標具有很高的可靠性；第二，PMI時間上超前于政府其他部門的統計報告，指標具有先導性，所以PMI已成為監測經濟運行及時、可靠的先行指標；第三，PMI是一個綜合的指數體系，涵蓋了實體經濟活動的多個方面，如新訂單、新出口訂單、進口、生產、供應商配送、庫存、雇員、價格等，指數能夠反映出經濟總體情況和變化趨勢，PMI因此也成為國家宏觀經濟調控和指導企業經營的重要依據指標。

四、金融壓力與實體經濟的動態關聯分析

（一）模型介紹

Sims&Zha（1998）將貝葉斯估計方法運用于VAR模型中，主要是用貝葉斯先驗信息與VAR模型的估計和預測相結合，具體過程如下。

假定一個多元線性模型的一般形式為：

式（1）中y（t）表示一個m×1觀測向量，A（L）表示一個由p階之后的滯后算子L組成m×m矩陣，且A（0）是非奇異的，C表示一個常數向量。同時假是僅有的外生變量。據此可以基于先驗信息得到一個對數據的完美描述。

對于MSVAR模型，本文首先假設該VAR模型有h種機制，其中第l種機制的模型表達式為：

式（2）中st表示模型所處的機制，因此c（st）、Bi（st）、ε（st）、∑（st）分別表示處于st機制下的VAR模型的常數項向量、系數矩陣、殘差項矩陣及對應的方差協方差矩陣。

當有h個區制時，區制轉移概率矩陣為h×h的方形矩陣，其形式為：

其中，pij=p（st=j|st-1=i）即從st-1=i轉移到st=j的概率為pij。

（二）構建VAR模型

本文首先對FSI和PMI進行單位根檢驗，結果顯示兩者均在10%的水平下顯著，兩組序列均為平穩序列①由于篇幅受限，單位根檢驗和Granger檢驗的具體結果未給出，留存備索。。隨后利用Granger因果檢驗，考察兩組變量的Granger因果關系，結果發現金融壓力指標（FSI）與實體經濟變量（PMI）在5%的顯著性水平下存在雙向Granger因果關系，說明可以分別建立加入金融壓力指數（FSI）及實體經變量（PMI）作為各自內生變量的向量自回歸模型。構建VAR模型前，首先需要確定模型的滯后階數及模型穩定性。在模型滯后階數選擇方面，本文通過各檢驗準則發現最優滯后階數選擇上AIC準則和FPE準則下最優滯后階數為3，HQ準則下為2，SC準則下為1。同時考慮模型回歸系數的顯著性和模型的穩定性，最終選擇滯后期為3。

VAR回歸結果如表2所示。由回歸結果可知，VAR模型中關于金融壓力指數FSI的回歸，其自身變量的前一期和前三期的系數較為顯著，而在該回歸中反映實體經濟變量PMI的系數均不顯著；關于實體經濟變量PMI的回歸，可以發現當期實體經濟運行狀況明顯受到前一期金融壓力指數的負向影響，即前一期金融壓力指數越高，將導致實際經濟的運行狀況越差，此外還受到了前兩期的PMI的正向影響，這都與本文的理論預期相一致。

表2 VAR回歸結果

（三）脈沖響應分析

VAR模型是基于數據的統計關系而建立的，建立過程中并不要求變量之間具有確定的理論相關關系，因此利用該模型分析問題時無法得出變量之間的相互關系，而是分析隨機擾動對變量的系統動量沖擊，即利用脈沖響應分析經濟沖擊對經濟變量的影響。基于本文的VAR模型結果，本文利用脈沖響應來繪制響應圖，如圖2所示。

其中左圖為FSI對PMI的脈沖函數圖，右圖為PMI對FSI的脈沖響應圖，圖中縱軸表示受沖擊變量的變化情況，橫軸表示持續期。本文分析了受到沖擊后的12個月中各個受沖擊變量的趨勢變化情況。由左圖可以得出，當受到金融壓力一個單位沖擊后（金融風險事件），實體經濟出現劇烈負向反饋，在受到沖擊前三個月后急劇下降至最低點，然后向均衡水平逐漸恢復，可以發現，金融壓力導致實體經濟反向波動，且波動恢復速度相對較快（斜率絕對值較大）。由右圖可以得出，金融系統壓力受到實體經濟的影響相對較小，且影響有一個積累的過程，實體經濟一單位正向沖擊（經濟情況良好），會使金融壓力緩慢下降，大約在5個月后，金融壓力受到的影響達到峰值，隨后以更緩慢的速度（斜率絕對值較小）恢復均衡。結果與中國的現實狀況接近，雖然國內金融體系龐大復雜，但和西方發達國家相比仍有不小的差距，且金融體系制度和市場運行相對不完善，導致金融市場與實體經濟的動態影響存在一個較長時期的時滯，兩者之間的相互影響存在非對稱性。

圖2 脈沖響應函數圖

（四）方差分解分析

脈沖響應分析描述的是VAR模型中其中一個內生變量受其他內生變量沖擊所產生的反應，而方差分解則是通過分析每一個結構沖擊對內生變量變化的貢獻度，進一步評價不同結構沖擊的重要性。因此方差分解能得出變量的每個隨機擾動的相對重要性信息。本文同樣對兩類不同沖擊進行12期的方差分解，分析比較在同一期中的不同變量相對方差的貢獻度。方差分解結果如表3所示。表3的第一欄表示沖擊發生的持續期；第二欄表示金融系統對實體經濟沖擊后的方差及各個變量的方差貢獻度；第三欄表示實體經濟對金融體系的沖擊后的方差及各個變量的方差貢獻度。Std.Error表示總的標準差的變化，后面兩縱列分別表示變量FSI的方差貢獻度和變量PMI的方差貢獻度，兩者的變化都很大，其中變量FSI方差貢獻度從第一期的約90.69%至第12期的39.24%，呈現迅速下降趨勢；變量PMI的貢獻度則從9.31%上升到60.76%，呈現快速上升態勢。第三欄與第二欄相比，兩個變量的變化相對較小，其中金融壓力指數FSI的貢獻度從0緩慢升到1.56%，而PMI則從100%緩慢下降到98.44%。

表3 方差分解

（五）穩健性檢驗

穩健性檢驗主要包括兩個方面：第一，考慮內生性問題，本文計算滯后指標并重新構建VAR模型。首先對FSI和PMI分別進行滯后一期處理，隨后依次組合構建VAR模型、檢驗滯后期數、檢驗VAR系統的穩定性、實施脈沖響應和方差分解，由檢驗結果可知①由于文章篇幅受限，穩健性檢驗的具體結果未給出，留存備索。，使用滯后一期變量構造的VAR并未出現大的異常，脈沖響應圖與前面基本相似。第二，金融壓力指數構建的基礎均為客觀指標，而實體經濟代理指標前文僅使用PMI，盡管PMI能夠反映出實體經濟真實運行狀況，并包含不同于GDP等宏觀指標的信息，但單個指標來考量實體經濟確實存在一定的脆弱性，因此，使用月度消費者信心指數（Index1）和月度宏觀經濟景氣一致指數（Index2）進行再檢驗。值得一提的是，本文測算的是月度頻率，由于數據的可獲得性，因此無法構建第一、二、三產業增加值指標（季、年度頻率）或構建工、農、商指標（季、年度頻率）來代理實體經濟情況。由檢驗結果可知，使用消費者信心指數以及宏觀經濟景氣一致指數作為實體經濟的代理變量構造的VAR同樣未出現大的異常，脈沖響應圖形與前面基本相似。

（六）機制轉移向量自回歸模型（MSVAR）分析

為了更細致地考察金融壓力與實體經濟之間的相互關系，本文結合前文關于高金融壓力時期和低金融壓力時期的假設，建立兩區制的MSVAR模型，把模型分成不同具體區制，進而考察在不同區制下金融壓力與實體經濟之間的動態關系，從而更準確地獲得兩者之間的聯系。圖3是區制轉移向量自回歸模型下兩種狀態的平滑概率情況，從圖中可以發現，在考察期的大部分時間中，實體經濟處于區制2的狀態（低金融壓力時期），少數時間機制處于區制1的狀態（高金融壓力時期）。2008年，實體經濟顯示處于高金融壓力時期。圖中也可得知實體經濟將有大概率處于機制轉換的過程中。

圖3 MSVAR模型兩狀態平滑概率情況

表4 區制轉移矩陣

表4是區制轉移概率矩陣，可以發現，區制1的持續性概率為57.68%，即在考察期內當經濟位于區制1且保持區制1的概率為57.68%，持續時間約為2個月，向區制2轉移的概率僅為42.32%，這說明考察期內經濟若處于高金融壓力期則不容易脫離這種狀態；若經濟運行處于區制2時，其持續性概率為95.99%，持續時間約為25個月，向區制1轉移的概率保持在4%左右，這表明區制2具有明顯的穩定性，同時也暗含了經濟有相當大的概率處于機制轉換的狀態。在考察期內，實體經濟所處的金融壓力環境的不穩定性較大。結論與經濟狀況匹配性較好，基本符合現實情形。

五、結論與政策啟示

（一）研究結論

本文選取股票市場、債券市場、外匯市場、銀行市場四個金融子市場來構建金融壓力指標（FSI），將其作為代理變量來描述中國金融系統壓力的變化情況，指標較好地反映出考察期間國內金融壓力變化的現實情況。隨后將實體經濟運行狀況的代理變量（PMI）與FSI相結合，構建VAR模型深入分析金融壓力與實體經濟相互影響的動態關系，更進一步地，構建MSVAR模型研究了不同壓力狀況的區制轉移狀況，并得出以下幾個主要結論。

1.通過構建金融壓力指標，觀察走勢圖后發現，2006～2015年期間，中國金融系統受內部及外部因素沖擊時，表現出一定的脆弱性，部分時期的金融壓力指數遠高于平均水平，金融危機和歐債危機的沖擊較明顯，該指標能為政策制定者管控金融風險、減輕金融風險影響提供一定參考。

2.脈沖響應表明，當實體經濟受到金融系統壓力的沖擊后波動劇烈，在三個月的時候實體經濟狀況急劇下行至最低點，隨后向均衡水平緩慢恢復且恢復速度相對較快；而金融系統壓力受到實體經濟沖擊的影響較小，金融系統壓力緩慢下降至第5個月達到最低點，而后以更緩慢的速度向均衡位置恢復。這從側面反映出國內的金融體系尚不完善，致使金融系統與實體經濟的動態關聯存在一個不合理的長時滯，且兩者之間的相互影響具有非對稱性。穩健性檢驗得到一致性的結果。

3.方差分解表明，在金融系統對實體經濟沖擊過程中，金融壓力指數FSI的方差貢獻度和PMI的方差貢獻度在持續期的變化都很大，其中FSI方差貢獻度呈迅速下降趨勢，PMI的貢獻度則快速上升。而在實體經濟對金融系統沖擊過程中，兩變量的方差貢獻度變化甚微。穩健性檢驗得到一致性的結果。

4.MSVAR模型表明，實體經濟運行大部分時期處于區制2的狀態（低金融壓力時期），少數時期處于區制1的狀態（高金融壓力時期）。特別是在2008年，實體經濟顯著處于高金融壓力時期。通過區制轉移概率矩陣，可以發現區制1的持續性概率為57.68%，持續性約為2個月，向區制2轉移的概率為42.32%；當實體經濟處于區制2時，其持續性概率為95.99%，持續性約為25個月，向區制1轉移的概率大約保持在4%。與區制1相比，區制2具有明顯的穩定性。另一個顯著的特征是，經濟大概率將處于機制轉換的狀態。其中由機制1轉向機制2的概率高達到42.32%，由機制2轉向機制1的概率僅為4.01%，這說明在該時期內，實體經濟所處的金融壓力環境的不穩定性較大，與經濟狀況和現實情形相符合。

（二）政策啟示

1.盡管金融壓力指數不具有前瞻性，但考慮到指數具有趨勢性的特點，監管當局應謹防指數階段性、持續性地上揚，有針對性地采取調控措施穩定國內金融市場。同時，政策制定者也可以通過觀察金融壓力指數的走勢，判斷調控效果，特別是回溯中國過去關鍵壓力時期的調控政策成效。

2.利用金融壓力與實體經濟的動態關聯關系，可以有效監測中國系統性風險狀況，幫助監管當局警惕和防范系統性負面沖擊以及經濟增長動能衰竭。

3.研究發現中國金融與實體存在較長時滯，說明了中國金融市場仍不完善，四個金融子市場的流動性、傳導機制、交易機制、定價機制和信息對稱性都具有改進空間，對此，監管當局應不斷完善金融系統，進一步增強金融對實體經濟的影響。國家金融工作會議關于“金融回歸本源，服務實體經濟”的基調是本文支持的政策導向。

4.研究發現一次性大額投放式（4萬億）的財政刺激政策雖然在短期的經濟改善效果明顯，但負面效應也顯著存在，負面效應積累將在后續抬高金融系統的壓力水平，不利于中長期實體經濟的持續、穩定增長。因此，應綜合分析、統籌考慮、注重傳導、著眼長遠，謹慎使用這類高強度的刺激政策。