人大经济论坛

找回密码
立即注册

QQ登录

只需一步,快速开始

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
发新帖

1万

积分

好友

主题
发表于 2019-4-16 16:19:24 | 查看: 501| 回复: 0

本文作者何青是中国人民大学中国财政金融政策研究中心、财政金融学院教授;钱宗鑫是中国人民大学财政金融学院副教授;刘伟就职于中国建设银行股份有限公司。文章采用主成分分析分位数回归法(PCQR)构造了可以全面反映实体经济运行情况的系统性金融风险指数,并对系统性风险影响实体经济的传导途径进行了探究。依据构建的指数,本文认为当前中国的系统性金融风险处于中高位,防范和化解系统性风险,保持信贷的稳健,是当前中国宏观经济调控的重要任务。


一、中国系统性风险指数的构建方法

中国系统性风险指数的构建分为以下两个步骤。第一步,归纳总结已有的系统性风险测度指标,采用分位数回归的样本外预测分析方法衡量各个测度指标预测宏观经济冲击的有效性。第二步,采用主成分分析分位数回归法(PCQR)提取单个测度指标中能够有效预测宏观经济冲击的不可观测因子,加总并提取这些测度中的有效信息构建系统性风险指数。

(一)分位数回归样本外预测分析方法

采用分位数回归能更好地评估系统性风险和宏观经济之间存在的非对称关系。样本外预测可以评估这些系统性风险指标对未来宏观经济冲击分布的预测能力。

(二)主成分分析分位数回归

由于单独的基础系统性风险测度指标大多只针对系统性风险的某一层面进行度量,在预测经济波动时表现可能不全面或不稳健。利用主成分分析分位数回归法(PCQR)提取单个测度指标中能够有效预测经济波动的不可观测因子,再进行分位数回归,加总并提取这些测度中的有效信息构建系统性风险指数。

二、实证分析

(一)数据

1.基础系统性风险测度指标

本文选取的系统性风险测度指标涵盖了机构个体风险、联动和传染效应、波动和不稳定性以及流动性与信用等方面的15个指标。考虑到我国金融公司的同质性、资产规模以及系统重要性等因素,本文选择2005—2017年间的上市金融公司(证监会行业分类)作为我国金融机构的样本。由于股权分置改革从2005年开始,我们选取样本的时间跨度为2005年到2017年。

2.宏观经济变量

本文选择实际工业增加值增长率度量实际经济活动的月度变化,样本期间为2005年1月到2017年12月,数据来源于CEIC。

(二)实证结果

文章采取PCQR方法对这些基础指标提取公共因子,得到了能够有效囊括实体经济衰退信息的系统性金融风险指数。实证检验主要分月度数据和季度数据两部分进行,其中季度数据作为月度数据的稳健性检验。具体实证结果如表2所示。

表2第一部分(Panel 1)显示,每个基础系统性风险测度指标的样本外预测R2均为正,这说明加入单个基础系统性风险测度指标的条件分位数回归均能够更好地预测实体经济冲击的分布情况。尽管每个基础指标描述金融风险的角度不同,但这些指标可以在一定程度上反映我国系统性风险的共同特征,另一方面也说明我国系统性风险会从不同侧面传导到实体经济。表2第一部分所包含的13个指标中,有11个指标在20th、中位数和80th分位数回归的样本外预测R2均显著为正,显示出对实体经济冲击有良好的预测能力。其中DCI、Size con、Absorption ratio和Term spread这几个测度指标对未来经济冲击下尾分布的预测能力相对较好,样本外R2均在20%左右。而对比不同数值的分位数回归的R2可以发现:9/13的基础测度指标在20th分位数回归中的R2均大于中位数回归的R2,且二者数值相差较大;而中位数回归的R2基本上都大于80th分位数回归的结果。这一趋势说明系统性风险指标对宏观经济冲击的下尾分布预测能力较好,对中间趋势和上尾分布预测能力较弱。

表2的第二部分(Panel 2)显示本文构造的系统性风险指数对未来的宏观经济冲击可以提供显著的样本外预测。PCQR在20th分位数回归的R2达到45.83%,高于单个指标的预测能力。这反映出我们的综合系统性金融风险指标对经济下行风险有更好的预测能力。

图2展示了使用PCQR方法进行样本外预测与实际宏观经济冲击的拟合情况。图中圆点表示真实的宏观经济冲击,实线是PCQR进行样本外20百分位回归得到的预测值。图中虚线是全样本的经济冲击的20百分位数。虚线以下是样本期间内比较大的两次负面的经济冲击,分别对应2008年美国金融危机传导到我国和2015年股灾的影响。可以看到本文构建的系统性金融风险指标准确预测到了这两次经济下行的冲击。

图2PCQR预测拟合情况(20百分位回归)

图3是采用PCQR方法构造的系统性风险指数的时间序列。虚线(realvai_sa)是经过季节性调整的实际工业增加值增长率的时间序列,三个子图中的实线分别对应对基础测度指标实施主成分分析得到的三个主成分(pc1、pc2和pc3的特征值均大于1)。构成系统性风险指数的这三个成分分别对应基础指标的不同维度,且随我国金融体系的发展处于不断变化中。对基础指标方差贡献最大的主成分(pc1)对实体经济变动具有较好的预测性。以2007年金融危机为例,系统性风险指数主成分在2007年初大幅上升,恰好表现出危机爆发前金融系统泡沫的积聚,而实际工业增加值增长率在2008年第二季度才出现大幅回落。其余两个系统性风险指数主成分(pc2和pc3)也对实体经济变动有一定的预测性。

综合图3的系统性风险指数三个主成分来看,我国系统性风险指数在经济发展平稳阶段处于中低水平;危机爆发阶段,金融系统风险急速攀升,经济陷入衰退;随着系统性风险指数逐渐回落,经济状况有所好转。经济复苏阶段,系统性风险指数在较低水平平稳小幅波动。当前我国经济转型已进入关键时期,从图3可以看出自2016年第三季度开始,各系统性风险指数主成分呈现出上升趋势,可能会对实体经济产生负面冲击。

图3系统性金融风险指数与实际工业增加值增长率

​表3是基础系统性风险测度指标和系统性风险指数季度数据的预测结果。相较表2而言,少部分基础系统性风险测度指标季度数据的R2为负,20百分位回归中CoVaR、ΔCoVaR和MES的R2为正但不显著。这说明部分指标提前一个季度对宏观经济冲击分布的预测能力并没有用经济冲击自身历史数据预测的效果好。R2显著为正且数值较高的指标有规模集中度(Size conc)、吸收率(Absorption)和杠杆率(Book lev和Market lev)等,这表明金融系统杠杆率的变动对我国实体经济的影响较大。总体来看,单个基础指标季度数据对宏观经济冲击分布的预测能力下尾最好,中间趋势次之,上尾最弱。此外,表3第二部分(Panel 2)再次表明系统性风险指数对实体经济有良好的样本外预测能力。在对宏观经济冲击各分布的预测能力方面,PCQR均超过了单一指标。

表2和表3的对比说明,基础指标中的绝大多数系统性风险测度指标对我国的宏观经济冲击分布具有一定的预测能力,但是不够稳健,而用PCQR方法构造的系统性风险指数则对未来的实体经济走势具有显著且稳健的预测能力。并且整体上金融部门的系统性风险测度对未来宏观经济冲击下尾分布的预测能力最好、中间趋势次之、上尾分布最弱。

三、研究结论

本文从机构个体风险、联动和传染效应、波动和不稳定性以及流动性与信用这四个层面出发,检验多个系统性风险测度指标的有效性以及它们对实体经济变动的预测能力,并采用主成分分位数回归方法(PCQR)构造出可以全面反映实体经济运行情况的系统性风险指数。结果发现,单独的系统性风险基础测度指标对我国宏观经济未来冲击的下尾分布具有一定的预测能力,但不够稳健。而采用PCQR构造的系统性金融风险指数则能够稳健地预测实体经济冲击分布的情况,特别是指数的上升能够准确地预测经济衰退的可能性。我们进一步将基础测度指标和系统性风险指数分别对我国信贷增长率进行预测分析,发现基础测度指标和系统性风险指数对信贷增长下尾波动有很强的预测能力。这表明系统性风险上升导致信贷紧缩,进而对实体经济产生负面影响。

根据本文构建的系统性风险指数,2017年末的系统性风险指数水平处于中高位,实体经济可能面临负面冲击。要实现“坚守不发生系统性风险底线”的政策目标,需要从系统性风险指数主成分对应的不同风险维度人手。鉴于信贷传导渠道对实体经济的重要性,一方面需要保持信贷的稳健,加强信贷市场的预期管理。另一方面需要构建全口径的宏观审慎监管框架,扩大监管覆盖范围,将影子银行体系等相关业务纳入监管范畴。对银行表外业务实施有效监测,注重监测影子银行与银行风险传递通道,监控影子银行与银行体系的关联情况,并识别其中可能形成系统性风险或监管套利问题的领域。


该文在中国人民大学书报资料中心《金融与保险》2018年第9期上转载,原载于《金融研究》(京),2018.4.53~70。

原题为《中国系统性金融风险的度量——基于实体经济的视角》



您需要登录后才可以回帖 登录 | 立即注册

关于我们|Archiver|手机版|小黑屋|人大经济论坛 ( 京ICP备05066828号-20 京公网安备 11040202430141号 )

GMT+8, 2019-9-18 09:43 , Processed in 0.046546 second(s), 21 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表