系統性金融風險對宏觀經濟運行的非線性影響研究

曾驍昳

在全球經濟和金融綜合化、我國金融對外開放深化的大背景下，系統性金融風險逐漸成為影響經濟穩定的重要因素［1-2］。從20世紀末的亞洲金融危機到2008 年的全球次貸危機，再到2015年的我國股市暴跌，每次金融領域的動蕩都直接沖擊到了我們的實體經濟［3-4］。因此，防范和處理系統性金融風險成為國內外研究者和金融監管部門的首要任務。但是，在瞬息萬變的金融環境中，如何準確地量化和評估系統性金融風險仍是一大挑戰［5-6］。再者，還需要對系統性金融風險對宏觀經濟產生的影響有一個全面深入的認識，這樣才能在宏觀經濟發展遇到困擾時做出正確的應對策略。大多數關于系統性金融風險和宏觀經濟的研究是通過格蘭杰因果檢驗來研究二者之間的關系。此外，對于經濟韌性大多研究區域、省域或城市經濟韌性水平，研究整體宏觀經濟韌性并將其作為宏觀經濟重要指標來研究系統性金融風險對宏觀經濟的非線性效應的較少。因此，研究計劃通過各金融子市場選取的18個關鍵指標，運用CRITIC法和因子分析法，構建系統性金融風險指數（Systemic Financial Risk Index，SFRI），以此定性和定量地評估我國系統性金融風險的水平。同時，采用MS-VAR模型探討系統性金融風險對宏觀經濟的非線性影響，對防范系統性金融風險、完善宏觀調控政策具有重大意義。

一、研究方法

（一）系統性金融風險與宏觀經濟韌性水平指數構建

在進行系統性金融風險對宏觀經濟運行的非線性影響研究時，首先構建一個系統性金融風險的衡量系數以及一個宏觀經濟的抗壓能力的衡量指標。然后使用MS-VAR 模型分析系統性金融風險對宏觀經濟運行的非線性影響。為了構建SFRI，研究選擇了六大金融子市場：銀行、股票、債券、外匯、保險和房地產，并選取了這些市場的18 個具有代表性的指標［7］。系統性金融風險指標如圖1所示。

圖1 系統性金融風險構建指標

宏觀經濟抗壓能力，就是指一個經濟體對外界打擊的抵抗力和恢復力。它不僅和一個國家的經濟增速和經濟規模有關，而且和經濟結構是否合適、經濟創新活力和對新情況的適應能力等多個方面都息息相關。本研究從經濟穩定性、經濟多樣性、經濟創新性以及經濟恢復能力四個維度選擇了13個關鍵指標來構建宏觀經濟抗壓水平指標［8-9］。通過構建各維度指數并進行賦權，進而綜合測算出宏觀經濟韌性水平指數（Macroeconomic Resilience index，MR）。宏觀經濟韌性水平指標如圖2所示。

圖2 宏觀經濟韌性水平構建指標

在進行指數計算時，不僅要考慮到指標體系的選取，還需要綜合考慮各指標的權重。本研究采用CRITIC 法與因子分析相結合的方法，對系統財務風險和宏觀層面的影響因素進行測算。CRITIC 法考慮了變量之間的內在沖突，因此更為合理。CRITIC法通過指標間對比強度和指標沖突性來衡量指標的信息量，即單個指標在整個指標體系中的作用，然后根據信息量的大小進行指標賦權。指標間對比強度也叫指標間的變異程度，主要用標準差來表示，如公式（1）所示。

公式（1）中，xij為第i個樣本第j項指標的數值，n為樣本的數量。 -xj為第j項指標的均值，Sj為第j項指標的標準差。指標沖突性Rj的計算如公式（2）所示。

公式（2）中，p為指標的數量，rij為第i個指標和第j個指標的相關系數。使用CRITIC法計算第j個指標的權值如公式（3）所示。

公式（3）中，wj和Cj分別是第j個指標的權重和信息量。因子分析法是對主成分分析法的進一步發展，它可以將具有重疊信息或錯綜復雜關系的變量簡化為少數幾個無關的綜合因子。該方法構建多個具有較高權重但彼此獨立的因素，有效解決了多變量共線性的問題。此外，因子分析更加注重各指標之間的相關性，其優勢之一是可以減弱因素之間的相關性，從而減少因素數量。研究對指數的測算分為兩部分：第一部分運用因子分析方法，對各因素進行衡量和測度，確定各因素對風險的影響程度。第二部分運用CRITIC 賦權方法計算各維度的權重，并得到SFRI和MR。在此基礎上，使用兩倍標準差作為界限，計算風險識別系數，如公式（4）所示。

公式（4）中，CFS2t是兩倍標準差代表的風險識別系數。若系數大于1，則表明發生系統性金融危機的風險水平為重度，極有可能或已經發生金融危機；若結果在［0，1］之間，則表示系統性金融危機的風險水平為中度，有較小的可能發生危機；若系數小于0，則表明風險水平為輕度，發生系統性金融危機的可能性極小。

（二）基于MS-VAR模型的宏觀經濟非線性效應研究

MS-VAR 模型是在馬爾可夫區制轉移模型的基礎上結合向量自回歸模型建立的。該模型可以反映多時間序列變量間的非線性因果關系，模型參數估計結果會隨變量系統的狀態改變而變化，從而能夠更好地描述變量之間在不同區制狀態下的動態關聯，這也更符合經濟學領域變量間非線性特點的實際［10］。在MS-VAR模型中，引進狀態參數St來控制各狀態之間的切換，同時也是對變量之間的非線性關系進行建模的核心點。MS-VAR 模型的一般形式如公式（5）所示。

公式（5）中，yt表示時間序列向量，μ(st)表示截距項，用來描述參數對實現的狀態st的依賴性。Aj為自回歸系數矩陣。εt表示誤差項，服從多元正態分布。st∈(1,2,…,M)表示不可觀測的區制變量，服從一個不可約的、遍歷M區制的馬爾可夫隨機過程。從區制到區制的轉移概率pij，如公式（6）所示。

研究借助Givewin2.0 軟件進行MS-VAR 模型的估計，利用極大似然估算法進行模型參數的估計。該方法不但可以求出模型各時期的參數和轉移矩陣，而且可以計算各時期處在某種狀態的可能性，并繪制出狀態轉移概率圖。研究將建立SFRI、MR與宏觀經濟景氣指數（Macro-economic Climate Index，MCI）三變量的MS-VAR模型，來探討在不同區制狀態下，系統性金融風險對宏觀經濟的非線性效應。MCI是取對數后的宏觀經濟景氣一致指數。

二、研究過程

在SFRI和MR的基礎上，本文將主要圍繞系統性金融風險對宏觀經濟影響的非線性效應進行實證研究。實證分析過程中，系統性金融風險指標和宏觀經濟韌性指標的樣本數據來源于Wind 數據庫和國家外匯管理局官網，研究選取了2004 年1 月—2021 年4 月的月頻指標數據。在使用MS-VAR 模型分析不同風險狀態下系統性金融風險對宏觀經濟的非線性影響時，首先需要確定模型的最佳滯后階數和區制數量。研究使用對數線性準則（log-Likelihood，LogL）、赤池信息準則（Akaike information criterion，AIC）、最終預報誤差準則（Final Prediction Error Criterian，FPE）、施瓦茨準則（Schwarz criterion，SC）和漢南·奎因準則（Hannan Quinn，HQ）等信息準則作為判斷依據，進行MS-VAR模型的最佳滯后階數選擇，如表1所示。

表1 不同階數的MS-VAR模型信息準則評價結果

根據表1可知，當選擇4階時，FPE和AIC都是最好的，所以MS-VAR模型的最佳滯后階數確定為4 階。國內外對經濟周期不對稱問題的研究常采用兩區制的MS-VAR 模型，將其分為“低風險”和“高風險”兩種狀態。圖3展示了二區制MS-VAR模型的區制概率。

圖3 MS-VAR模型不同區制的概率分布

從圖3可以觀察到，系統性金融風險對宏觀經濟的影響存在明顯的兩區制結構，并將樣本期劃分為高風險狀態和低風險狀態。在區制1 的時間段（主要包括2005—2008年、2010—2016年的大多數月份以及2017—2021 年的大部分月份），SFRI較低，MR和MCI波動平穩，宏觀經濟運行平穩。而區制2的時間段（主要包括2005年匯率改革后、2008—2009 年、2010 年、2013 年的個別月份，2015—2017年股市崩盤、匯率制度改革和熔斷機制、美元加息等金融波動期，以及2018 年中美貿易戰、2019 年和2020 年個別月份），金融業發生了一些震動，風險傳染效應使系統性金融風險水平升高，并進一步傳導到宏觀經濟層面，MR和MCI波動較大。因此，可以認為這兩個區制對應著不同的系統性金融風險狀態，且自2013年以來我國經濟進入高風險狀態的頻率顯著增加。不同區制間的轉換概率如表2所示。

表2 不同區制間的轉化概率

從表2 中可以看出，在區制1（風險水平低）的情況下，持續處于危險狀態的概率為0.918；而在區制2（風險水平高）的情況下，保持在高風險狀態的概率為0.625。這表明，對于這兩個不同的區域體系，在沒有發生重大的外部影響的情況下，體系將保持相對穩定的狀態。此外，從圖3 中可以看出，高風險區主要集中在2008 年次貸危機后，尤其是2013 年之后。隨著國際形勢的變化，我國經濟步入了“新常態”，金融風險頻繁發生，這會對我國宏觀經濟的恢復能力、人們的預期以及經濟運行情況產生一定影響，進而導致宏觀經濟波動加大。為了更加清晰地對比不同風險狀態下系統性金融風險水平對宏觀經濟的影響是否具有非線性效應，研究將MSVAR 模型按不同區制分別進行參數估計。MSVAR模型區制1的參數估計結果如表3所示。

表3 MS-VAR模型區制1的參數估計結果

從表3 可以看出，在低風險狀態下，系統性金融風險對MCI和MR的影響都沒有顯示出顯著性。然而，SFRI、MR和MCI三者對自身的影響都表現出了顯著的正向聯系。具體而言，從結果可以看出，滯后1 期的SFRI對當期SFRI有顯著的正向影響（系數為0.479，在1%置信水平下顯著）。這意味著，在低風險狀態下，金融風險在過去一段時間的表現在一定程度上影響了其在現期的表現。同時，滯后1 ～3期的MCI對當期MCI都有顯著的影響，但是影響的方向取決于滯后期數。特別的，滯后1期時，MCI對當期是顯著的正向影響（系數為1.702），而在滯后2期和滯后3 期時為顯著的負向影響（系數分別是-0.655和-0.308）。這一結果表明，經濟景氣因素在短期內可能通過正向反饋機制進行自我強化，但在中長期則可能存在反向調節。此外，滯后1期的MR對當期MR有顯著的正向影響，系數為0.575。這表明在低風險狀態下，經濟韌性有一定的持續性，即過去的經濟韌性能夠在一定程度上影響現期的韌性。MS-VAR 模型區制2 的參數估計結果如表4所示。

表4 MS-VAR模型區制2的參數估計結果

從表4中可以看出，區制2狀態下，系統性金融風險對宏觀經濟運行有明顯的影響。從SFRI、MR、MCI三變量的方程系數來看，1%顯著性水平下，無論是滯后1期還是滯后3期的SFRI對當期自身都具有正向顯著影響，系數分別是0.925 和0.760。滯后1 期和滯后4 期的MR對當期自身的正向影響也都具有顯著性，系數分別是0.641和0.701。滯后1期的MCI也對當期自身存在顯著正向影響，系數為1.227。區制2 參數估計的結果說明，SFRI、MR和MCI在高風險水平下仍然具有一定的慣性。研究對MS-VAR 模型進行了有效性驗證，模型結果的擬合與殘差分布如圖4所示。

圖4 MS-VAR模型結果的擬合與殘差分布

從圖4 中可以看出，MS-VAR 模型能很好地反映系統性金融風險與宏觀經濟兩變量的變化。其中，圖4（a）、4（c）、4（e）描述了SFRI、MR、MCI的實際值、平滑值和一步預測值的關系。圖4（b）、4（d）、4（f）描述了MS-VAR 模型實際殘差的正態分布擬合結果。驗證結果證實了MSVAR 模型被運用在研究系統性金融風險對宏觀經濟非線性效應中的有效性。

三、結論

為了分析我國經濟的系統性金融風險水平和變化，并探討該類風險對宏觀經濟的非線性影響，研究使用CRITIC法和因子分析法，綜合應用18 個關鍵指標來構建SFRI，并使用MS-VAR 模型分析不同區制狀態下系統性金融風險對宏觀經濟的影響。結果顯示，在區制1（風險水平低）的情況下，持續處于危險狀態的概率為0.918；而在區制2（風險水平高）的情況下，保持在高風險狀態的概率為0.625。此外，高風險區主要集中在2008年次貸危機后，尤其是2013年之后，金融風險頻繁發生，這會對我國宏觀經濟的恢復能力、人們的預期以及經濟運行情況產生一定影響，進而導致宏觀經濟波動加大。而在區制1的滯后1期，SFRI對當期SFRI有顯著的正向影響，影響系數為0.479，在1%置信水平下顯著；MCI對當期同樣具有顯著的正向影響，影響系數為1.702；滯后2 期和滯后3 期時為顯著的負向影響，影響系數分別是-0.655和-0.308。在區制2狀態下，無論是滯后1期還是滯后3期的SFRI對當期自身都具有正向顯著影響，影響系數分別是0.925和0.760；滯后1期和滯后4期的MR對當期的影響系數分別是0.641 和0.701。上述結果表明，這兩個不同的區域體系在沒有重大外部影響的情況下會保持相對穩定的狀態，而經濟景氣因素在短期內可能通過正向反饋機制進行自我強化，但在中長期則可能存在反向調節；此外SFRI、MR和MCI在高風險水平下仍然具有一定的慣性。綜合研究結果來看，系統性金融風險對宏觀經濟具有時變的特征。在短期內，它對宏觀經濟造成負向沖擊，但及時采取預防和控制措施，并通過政策引導和市場自發調整，有序處置突出風險，可以提高經濟的韌性，促進經濟向高質量發展邁進?？傮w來講，研究通過運用CRITIC法和因子分析法，構建系統性金融風險指數，以此定性和定量地評估我國系統性金融風險的水平。另外研究還將經濟韌性這一指標加入對宏觀經濟抵御風險和沖擊的評價中，為宏觀經濟的發展提供了一個新的研究視角。而通過對系統性金融風險和宏觀經濟的關系進行分析，不僅為如何提高經濟的風險抵抗能力提供了思路，還為促進經濟健康和高質量發展提供了有力指導。