我國金融壓力對工業增長的動態影響研究

沈 麗，劉 晴

(山東財經大學 金融學院，濟南 250002)

一、引言

近年來，我國工業行業主動適應經濟發展新常態的要求，在落實穩增長、促改革、調結構等各項政策措施中發揮了突出作用，為國民經濟保持穩定增長發揮著重要支撐作用。但是由于具有生產周期長、融資需求大等突出特點，我國工業增長始終對金融體系的依賴較大，為此國家不同部門均出臺了多項政策措施加大金融對工業增長的扶持力度，增強金融服務工業增長的能力。2016年，央行等八部委印發《關于金融支持工業穩增長調結構增效益的若干意見》，提出要加大金融對工業增長的支持力度。2017年，黨的十九大報告進一步明確提出要“增強金融服務實體經濟能力”。2019年中央經濟工作會議強調要繼續加大金融對工業制造業的支持力度，推動工業穩定增長。2020年2月1日，為應對突發疫情對工業增長的沖擊，央行等五部門進一步提出金融部門要采取一系列措施，強化金融對工業增長的支持力度，支持實體經濟穩定發展。官方數據顯示，2020年4月份，我國規模以上工業增加值同比增長3.9%，由負轉正，但是從2020年1月至2020年4月的總體數據來看，這一期間我國規模以上工業增加值仍然同比下降4.9%。因此，增強金融服務工業增長的能力仍然是當前金融工作的重點。

而隨著經濟增長速度略有放緩和經濟結構的持續改善，我國金融體系自身潛在的壓力逐漸顯現，并進一步在工業行業間積聚和釋放，不僅影響著金融體系自身的穩定，也給金融服務工業增長的能力造成了沖擊。在此背景下，金融壓力的釋放會對工業增長產生怎樣的沖擊，這種沖擊又是通過什么渠道傳導的？對該問題的解答，有助于深入理解我國金融壓力對工業增長的動態影響機制，為制定更有針對性的發展戰略及相關政策提供相關理論依據和決策參考。

二、文獻綜述

自從加拿大經濟學家Illing和Liu提出金融壓力這一概念以來，大多數學者認為金融壓力是反映整個金融體系由于自身脆弱性和預期變化以及外部沖擊等因素影響而承受的總體壓力水平的綜合性指標[1-4]。此外，也有學者從刻畫系統性金融風險的角度定義金融壓力，認為可以通過測度給定時期內的金融壓力來分析風險的相對水平[5-6]。本文中關注的主要是第一種，即定義金融壓力是指金融體系受各種因素影響所承受的總體壓力水平。

學術界普遍認為金融壓力可以通過金融壓力指數來衡量[7]，構建金融壓力指數的關鍵在于子系統指標的選取和權重的確定兩方面。由于各國金融環境的差異，國外學者在構建金融壓力指數時，學者們所考慮的微觀指標有所不同，但大多都會涵蓋銀行部門、股票市場、外匯市場和債券市場等金融部門[8-10]。國內大多數學者主要從股票、債券和外匯市場以及銀行業四個金融部門選取指標構建我國的金融壓力指數[11-13]。此外，也有不同的學者根據研究的問題對指標的選取作了相應的調整，在構建我國的金融壓力指數時從保險市場、貨幣市場和金融政策環境中選取相關指標[14-16]。通過梳理已有文獻可以發現，學術界對于指標的選取尚未形成共識，受數據可得性和操作復雜性的約束，要結合所研究的問題并綜合考慮多種因素來進行具體指標的選取。

金融壓力指數是通過對不同金融部門子壓力指數加權得到的，因此權重的確定至關重要。已有研究在確定權重時大多使用信用總量權重法[17]、主成分分析法[18-19]和等方差權重法[18]幾種賦權方法。而隨著研究的深入，這幾種方法的局限性也逐漸顯露出來，為了確保構建的金融壓力指數的準確性，一些學者開始對確定權重的方法進行改進。閆先東和朱迪星[20]等先后使用CRITIC客觀賦權法構建了我國的金融壓力指數，并進一步通過分析得出使用該賦權方法構建的金融壓力指數能夠較為準確地反映我國的金融壓力狀況。CRITIC賦權法同時考慮到了指標的變異性和各指標之間的沖突性，確定的權重更為準確、更具有現實意義。

從金融壓力對工業增長動態影響的研究進展來看，學術界普遍認為金融壓力對工業增長具有顯著的負面影響[17]。國外相關研究起步較早，Apostolakis和Papadopoulos通過研究得出，金融壓力對經濟穩定性具有負向影響[20]。Hubrich和Tetlow 、Cambón和Estévez基于馬爾科夫區制轉移模型的研究認為，金融壓力指數越高對經濟運行越不利[21-22]。劉瑞興[15]研究表明我國金融壓力對實體經濟存在單向的負面沖擊，鄧創和趙珂[3]實證得出金融壓力的積聚會對經濟景氣具有抑制效應。相關研究多關注金融壓力對工業增長的沖擊，而何青、江紅莉等指出缺乏良好經濟基礎的支撐會導致金融體系脆弱性增強，這又會進一步導致金融壓力增加[23-24]。此外，現有研究大多從線性影響的角度考察金融壓力對工業增長的影響，忽視了近幾年來我國金融壓力和工業增長表現出來的非線性特征[25-26]。從實證方法來看，早期學者大多通過建立VAR模型并結合格蘭杰因果檢驗方法進行研究[15]，但是由于傳統的線性檢驗方法考察的是兩個變量之間的線性因果關系，當所考察的變量間存在非線性特征時，采用該檢驗方法可得到的結論可能不夠準確[27]。

回顧和整理相關文獻可以發現，眾多學者在金融壓力的識別以及金融壓力與工業增長的關系問題上為我們提供了扎實的基礎，但也存在一定的不足。已有研究主要基于線性因果關系檢驗方法方法對我國金融壓力對工業增長的影響展開研究，但是金融壓力和工業增長的非線性特征日益顯現，傳統的線性檢驗方法可能因為忽視了變量間實際存在的非線性因果關系而影響其推測結果的準確性。鑒于已有研究的局限，本文的主要創新之處在于，通過采取非線性Granger因果關系檢驗方法對我國金融壓力以及不同金融部門子壓力和工業增長間的非線性因果關系進行檢驗，避免了傳統的線性因果關系檢驗方法因忽視我國金融壓力和工業增長間實際存在的非線性因果關系而可能導致的誤差，以便更為準確深入地揭示我國金融壓力對工業增長動態影響的作用機制。

三、我國金融壓力的測度

通過構建我國的金融壓力指數對我國金融體系的壓力進行測度，從銀行部門、證券市場、保險市場和外匯市場選取共11個指標分別測度了我國不同金融部門的壓力，在此基礎上采用CRITIC客觀賦權法對我國金融壓力進行了測度和分析。

(一)構建金融壓力指數的指標選取

綜合考慮指標的代表性、規范性、可獲得性以及互補性，該部分從銀行部門、證券市場、保險市場以及外匯市場四個金融部門選取了共11個指標構建我國的金融壓力指數。數據的樣本區間為2006年3月至2019年9月，所有數據來源于Wind數據庫、中經網數據庫、中國人民銀行官網和統計局官網。選取的具體指標如表1所示。

表1 我國金融壓力指數的指標體系

(二)不同金融部門壓力的測度

首先對銀行部門、證券市場、保險市場以及外匯市場四個金融部門的子壓力進行測度。運用極值法對各金融部門的基礎金融指標進行標準化處理，以消除不同指標維度和幅度差異對計算結果的影響，借鑒相關研究，根據與金融壓力指數的關系，將指標分為正向指標和負向指標。正向指標與金融壓力指數正相關，負向指標則相反。對正向指標和負向指標分別按式(1)和式(2)進行標準化處理：

(1)

(2)

在對指標進行標準化處理后，本文借鑒相關學者的研究成果[3，6]，采用標準差倒數法，如式(3)所示，計算各金融部門基礎指標的權重，由此可分別獲得銀行部門、證券市場、保險市場以及外匯市場四個金融部門各自的壓力指數CFSIt1、CFSIt2、CFSIt3和CFSIt4：

(3)

(三)我國金融壓力的測度結果及分析

(4)

我國金融壓力指數CFSI在2006年3月至2019年9月間的走勢大致可以劃分為五個階段第一階段是2006年3月至2007年11月，在此期間我國金融壓力指數波動幅度比較小，整體處于較低水平。這主要是由于這段時間正處于亞洲金融危機和美國次貸危機之間，亞洲金融危機的影響已經基本消退，新的危機也尚未到來。第二階段為2007年12月至2010年12月，受金融危機影響，我國金融體系潛在的壓力增大并到達峰值，且在一年多的時間里一直維持高位，說明在這段時期我國受國際金融環境的影響，金融體系面臨前所未有的壓力狀態。此后經過我國政府的一系列穩定措施，國民經濟發展逐漸得到恢復，金融壓力指數開始回落且相對保持穩定。第三階段為2011年1月至2013年11月，我國金融體系受到歐洲爆發的主權債務危機的負面影響，我國的金融壓力指數表現出小幅度的反彈。第四階段為2013年12月至2017年12月，我國股票市場發生大幅度波動并對債券市場等其他金融市場和實體經濟造成沖擊，金融壓力指數在此期間迅速上升。此后隨著政府一系列救市措施的實施，金融體系趨于穩定，金融壓力指數也逐漸下降。第五階段為2018年3月至今，受中美貿易摩擦的影響，我國的金融壓力指數波動較為劇烈，整體處在較高的水平。

四、我國金融壓力對工業增長動態影響的實證檢驗

在測度了我國金融壓力的基礎上，借助非線性Granger因果關系檢驗方法、廣義脈沖響應分析和方差分解方法進一步對我國金融壓力對工業增長的動態影響進行實證檢驗。工業增長的衡量指標選用的是工業增加值的月度增長率(IP)，數據來源于國家統計局官網。

(一)我國金融壓力與工業增長的因果關系分析

1.非線性Granger因果關系檢驗模型設定

Bake和Brock指出[29]，當變量間存在非線性特征時，使用檢驗線性因果關系的方法來進行考察變量間的因果關系，會導致準確率大大降低。為此，他們提出一種非參數的統計方法檢驗變量間的非線性關系。隨后，Hiemstra和Jones修正了Bake和Brock關于變量必須獨立同分布的假設，提出了非參數的TVAL統計量，拓展了這種檢驗方法的適用性[30]。他們的研究表明，在“不存在Granger因果關系”原假設下，對于給定的m、Lx≥1與Ly≥1以及e>0,以下TVAL檢驗量服從漸進正態分布：

(5)

與此同時，為了克服TVAL檢驗方法可能產生的“過度拒絕”的問題，Diks和Panchenko在此基礎上提出了非參數的Tn檢驗統計量[31]。該方法首先基于VAR模型過濾掉變量序列間存在的的線性“預測能力”，然后從殘差序列中提取相應信息來分析變量間的非線性Granger因果關系。

(6)

其估計為

(7)

(8)

2.單位根檢驗

借助ADF單位根檢驗方法，該部分對IP、CFSIt1、CFSIt2、CFSIt3、CFSIt4這5個變量的時間序列進行了平穩性檢驗，檢驗結果如表2所示。

從表2可以看出，這5個變量的原始時間序列在1%、5%和10%的臨界值上均為非平穩序列，所以各變量的原序列是不平穩的。進一步對這些變量的一階差分序列進行檢驗得出，各變量的一階差分序列均為平穩序列。接下來本文分別構建了如下雙變量VAR模型，根據式(8)中的Tn統計量依次對該模型中的兩個估計殘差序列進行非線性因果檢驗：

表2 ADF單位根檢驗結果

(10)

3.BDS非線性檢驗

進行非線性Granger因果檢驗的前提是變量間必須存在非線性變化關系，因此需要首先對殘差序列進行非線性檢驗，本文采用的是BDS檢驗方法。表3顯示了嵌套維數m=2至6時，分別對五對變量進行BDS檢驗的結果。根據表3可知，在10%的顯著性水平下，基于方程殘差的BDS檢驗均拒絕“線性關系”的原假設，這意味著五對變量之間均存在顯著的非線性變化關系。在此基礎上，接下來本文將采用非線性Granger因果檢驗方法分別考察我國金融壓力與工業增長以及不同金融部門子壓力與工業增長的的非線性因果關系。

表3 BDS檢驗結果

4.我國金融壓力與工業增長的非線性Granger因果關系檢驗

使用前文介紹的非參數的Tn檢驗統計量，此部分對CFSI和IP經過線性成分過濾得到的兩個殘差序列進行非線性Granger檢驗，借鑒相關學者研究，帶寬設置為e=1.5σ，滯后階數設置為1至6階，結果如表4所示(該檢驗結果只是數理統計意義上的判斷)。

表4 金融壓力與工業增長的非線性因果檢驗結果

從表4的檢驗結果可以發現，在表4左側“CFSI不是IP的Granger原因”的檢驗中，在1至5階下，檢驗結果均可以拒絕“CFSI不是IP的非線性Granger原因”的原假設，說明我國金融壓力是工業增長的非線性Granger原因，我國金融壓力對工業增長存在著顯著的非線性效應。而在表4右側的檢驗中，在1至6階下，檢驗結果均不能拒絕原假設，即接受原假設“IP不是CFSI的非線性Granger原因”，說明我國工業增長不是金融壓力的非線性Granger原因。從非線性因果關系檢驗的結果來看，工業增長的變動對金融體系的正常運行不能帶來直接的影響，與與之相反，可以得出金融壓力會對工業增長造成影響。這與我們對于金融壓力的認識也是一致的，金融系統受到自身或者外部的沖擊的影響，這種影響在金融體系內不斷積累，最終通過對工業增長的負面影響得到體現。如果繼續任其發展，有可能導致金融危機，進而促使經濟危機的形成。

5.不同金融部門子壓力與工業增長的非線性Granger因果關系檢驗

該部分進一步對不同金融部門子壓力與工業增長的非線性Granger因果關系檢驗。使用前文介紹的非參數的Tn檢驗統計量，此部分分別對CFSIt1和IP、CFSIt2和IP、CFSIt3和IP以及CFSIt4和IP經過線性成分過濾得到的四對殘差序列進行非線性Granger因果關系檢驗，結果如表5所示(該檢驗結果只是數理統計意義上的判斷)。

從表5左側的檢驗結果可以發現，在1至6階下，檢驗結果均可以拒絕“CFSIt1不是IP的非線性Granger原因”“CFSIt2不是IP的非線性Granger原因”的原假設，說明在1至6階下，銀行部門子壓力和證券市場子壓力均是工業增長的非線性Granger原因。在1至5階下，檢驗結果均可以拒絕“CFSIt3不是IP的非線性Granger原因”、“CFSIt4不是IP的非線性Granger原因”的原假設，說明在1至5階下，保險市場子壓力和外匯市場子壓力均為工業增長的非線性Granger原因。從表5右側的檢驗結果可以發現，在1至5階下，檢驗結果均不能拒絕“IP不是CFSIt1的非線性Granger原因”原假設，即接受原假設“IP不是CFSIt1的非線性Granger原因”，說明在1至5階下，工業增長均不是銀行部門子壓力的非線性Granger原因；在1至6階下，檢驗結果均不能拒絕“IP不是CFSIt2的非線性Granger原因”“IP不是CFSIt3的非線性Granger原因”以及“IP不是CFSIt4的非線性Granger原因”的原假設，說明在1至6階下，我國工業增長不是證券市場子壓力、保險市場子壓力以及外匯市場子壓力的非線性Granger原因。從非線性因果關系檢驗的結果來看，銀行部門子壓力、證券市場子壓力、保險市場子壓力和外匯市場子壓力均分別為工業增長的單向非線性Granger原因。

表5 不同金融部門子壓力與工業增長的非線性因果檢驗結果

(二)我國金融壓力對工業增長的動態影響分析

非線性Granger因果檢驗確定了我國金融壓力以及不同金融部門子壓力和工業增長間的非線性因果關系，得出不同金融部門壓力的變動均會對工業增長造成影響，但是并未得出這種影響的強弱程度、正負方向、調整時滯和穩定過程等信息，為此我們使用廣義脈沖響應函數對我國金融壓力對工業增長的動態影響機制進行進一步探究。

1.我國金融壓力與工業增長的廣義脈沖響應分析

我國金融壓力和工業增長的廣義脈沖響應結果顯示，首先，來自其本身的標準差沖擊會對金融壓力帶來正向效應，進一步觀察可以得出，在滯后1期時正效應最大，滯后1至5期迅速下降，滯后5期后下降趨勢變換并趨于平穩。其次，對于來自工業增長的一個標準差沖擊，金融壓力表現為負向響應且具有一定的滯后性。滯后1期，金融壓力對于來自工業增長的標準差沖擊初始響應為0，滯后2至5期，沖擊效應逐漸增加，滯后4期時達到-0.7%的最大響應后開始呈現下降趨勢，此后逐漸趨于平穩。綜合來看，來自金融壓力自身沖擊的影響要遠大于來自工業增長沖擊的影響。

類似地，滯后1期時，工業增長對來自其本身的一個標準差沖擊也具有正效應，此后一直呈現下降態勢，并在滯后18期以后趨向于0。而對于來自金融壓力的標準差沖擊，工業增長表現為更為強烈的負向響應。在第1期時的初始響應速度為-0.7%，此后負向沖擊效應持續增加，滯后4期時，工業增長做出-2.4%的最大響應且滯后14期以前一直維持在-1%的水平之上?？傮w來看，滯后1至3期，工業增長自身產生的正向沖擊大于金融壓力導致的負向沖擊，但從滯后4期開始，金融壓力產生的負向影響要遠大于工業增長自身產生的正向影響，所以總體影響效果應該為負。這一結果表明，金融壓力對工業增長總體有負的影響效應，長期來看，金融壓力的負向效應遠大于工業自身積累帶來的正向效應。

2.不同金融部門子壓力對工業增長的廣義脈沖響應分析

該部分進一步對銀行部門、證券市場、保險市場和外匯市場四個不同金融部門子壓力變動對工業增長影響的程度、正負方向以及持續時間等進行了檢驗。觀察當分別給定一個標準差沖擊時，工業增長對于各金融部門子壓力做出的響應。

由檢驗結果可知，對于來自銀行部門壓力的兩倍標準差信息沖擊，工業增長在滯后1期的初始響應速度為-0.7%，滯后2期以后銀行部門壓力對工業增長的負向沖擊效應迅速增加，滯后3期達到最大，此后負向沖向效應略有減弱但并未消失，長期以后趨于穩定。這表明銀行部門的壓力，經各種途徑傳遞給工業增長，并帶來長期顯著的負效應。對于來自證券市場壓力的兩倍標準差信息沖擊，工業增長在第1期以-0.6%的初始響應速度迅速下降，在滯后2期達到-2.3%，此外負向沖擊效應始終持續在較高水平。由此說明證券部門壓力的沖擊對工業增長的變化也有明顯的負影響，在短期和長期內都會對工業增長造成負面影響。對于來自保險市場壓力的兩倍標準差信息沖擊，工業增長在第1期的初始響應速度為-0.9%，滯后4期達到-1.3%，此后保險市場壓力對工業增長的負向沖向效應逐漸減弱，第8期后逐漸在負低位趨于平穩。對于來自外匯市場壓力的兩倍標準差信息沖擊，工業增長在第1期的初始響應速度為-0.7%，滯后5期達到-1.3%，與保險市場類似，此后外匯市場壓力對工業增長的負向沖向效應也逐漸減弱，第9期后逐漸在負低位趨于平穩。

通過以上分析可以看出，首先，工業增長對于分別來自銀行部門壓力、證券市場壓力、保險市場壓力和外匯市場壓力的標準差沖擊，所做出的的響應方向是相同的，均表現為負向響應，說明這四個金融部門的子壓力均會對工業增長造成負面沖擊。其次，工業增長對于分別來自銀行部門壓力、證券市場壓力、保險市場壓力和外匯市場壓力的標準差沖擊，所做出的的響應程度和持續時間存在差異。對于來自銀行部門壓力和證券市場壓力的標準差沖擊，工業增長表現出更為強烈的負向響應且持續時間長，在較長一段時間內維持在較高的水平。而對于來自保險市場壓力和外匯市場壓力的標準差沖擊，工業增長的負向響應相對較小，且會逐漸在負低位趨于平穩。

3.不同金融部門子壓力對工業增長影響的方差分解

為進一步分析銀行部門、證券市場、保險市場和外匯市場各部門金融壓力對工業增長影響的貢獻度，本文進一步對工業增長、銀行部門子壓力、證券市場子壓力、保險市場子壓力和外匯市場子壓力這五個變量進行了方差分解，結果如表6所示。

從表6的預測方差分解結果可以看出，第1至2期，我國工業增長的預測方差自身影響占比更大，分別為61.410 1和55.669 2。隨著時間的變動，銀行部門壓力、證券市場壓力、保險市場壓力和外匯市場壓力對工業增長預測方差變動的貢獻率逐漸變大，第8期，工業增長自身對預測方差的影響占比為27.273 9，而銀行部門壓力和證券市場壓力對工業增長預測方差變動的貢獻占比分別為28.781 3和29.342 1，銀行部門壓力和證券市場壓力對工業增長預測方差變動的貢獻率超過了工業增長自身的貢獻率。此后，銀行部門壓力和證券市場壓力對工業增長預測方差變動的貢獻率繼續增大。通過分析可以得出以下結論：第一，短時間內，工業增長自身對其預測方差變動的貢獻率更大，隨著時間變動，銀行部門壓力和證券市場壓力對工業增長預測方差變動的貢獻率占比逐漸提高并超過了工業增長自身對其預測方差變動的貢獻率。第二，綜合來看，如果不考慮工業增長自身變動對其預測方差變動的貢獻率，2至10期內銀行部門壓力和證券部門壓力對工業增長預測方差變動的貢獻率最大，且隨著時期的增長持續增加，而除第1期外，保險市場壓力和外匯市場壓力對工業增長預測方差變動的貢獻率始終占比較小。這說明在我國，工業增長的波動除受自身波動影響外，主要受銀行部門壓力和證券市場壓力的沖擊影響。

表6 IP的預測方差分解

五、結論

本文提出我國金融壓力對工業增長的動態影響研究這一課題，深入探究了我國金融壓力對工業增長的動態影響機制，最后提出相應的政策建議。通過理論分析與實證研究，我們主要有以下結論：

第一，對金融壓力的測度結果表明，2006年3月至2019年9月期間我國金融壓力指數呈現出了較為復雜的階段性變化特征且大致可以分為五個階段。通過分析可以得出本文構建的金融壓力指數能夠較好地測度我國的金融壓力。

第二，對我國金融壓力與工業增長的因果關系進行分析可以得出，我國金融壓力對工業增長施加影響的渠道是金融體系的各個主要子部門，銀行部門、證券市場、保險市場以及外匯市場四個金融部門子壓力均會對工業增長產生負面影響，這會最終表現為整個金融體系壓力會對工業增長造成負面效應。

第三，對我國金融壓力對工業增長的動態影響分析得出，總體上金融壓力的負向效應大于工業自身積累帶來的正向效應，長期來看金融壓力的存在最終會導致工業增長的不斷下降。進一步分析得出，不同金融部門的子壓力均會對工業增長造成負面沖擊，但是沖擊的影響程度和持續時間存在差異。銀行部門和證券市場子壓力會對工業增長產生更為強烈的負向沖擊且持續時間長，工業增長的預測方差變動在長期內也主要由銀行部門子壓力和證券部門子壓力來解釋。