经济学论文金融方向范文参考

　　金融的稳定性以及建设稳定的金融体系问题，已经引起政府、金融机构、国际组织和研究者的关注。对于金融稳定性内涵的理解，国内外并没有形成一致的认识，早期的研究视角主要集中在金融体系基本要素的正常运行和关键功能的正常发挥，最新研究的理解则从更广义的角度入手赋予了金融稳定性非常丰富的内涵。金融稳定性是一个国家的整个金融体系没有出现较大的波动，而金融作为资金媒介功能得到有效发挥，金融业本身也能保持稳定、有序、协调发展，但这并不代表任何金融机构都不会倒闭。

　　摘要：本文在借鉴国内外文献构建金融稳定性指数的基础上，将宏观经济加入到构建稳定性指数系统中，并将其划分为金融市场、资本流动性、宏观经济系统等3个子系统。因各系统之间又存在时间上的序列相关性，本文运用最优动态组合证券理论（DPT）将3个子系统合成一个综合的宏观金融稳定性指数（MFSI），并利用2000—2010年的15个指标的月度数据进行实证研究，以此反映中国的金融稳定状况。

　　关键词：宏观金融稳定性指数,动态组合证券理论,对角BEKK模型,熵权法

　　一、文献综述

　　从国外文献来看，西方学者主要从金融稳定的反面，即“金融不稳定”、“金融脆弱”等方面来展开对金融稳定及其重要性的分析。IllingandLiu（2006）利用单个压力指标与代表经济总效用的指标的绝对值进行赋权构造了加拿大每天的金融压力指数（FSI）[1]。NelsonandPerli（20

　　07）利用主成分分析法构建了3个因子，并且利用3个因子作为解释变量，和一个已知的二项危机指数作为被解释变量进行logit模型，得出适合的概率作为金融脆弱性指标（FFI）[2]。欧洲中央银行（2009a）通过对数标准转化和等方差加权法形成了全球金融脆弱性指数（GIFT）[3]。BlixGrimaldi（2010）基于16个金融市场变量进行主成分分析，然后得到两个因子，利用logit模型构建金融压力指数（FSI）[4]。Caldarelli，ElekdagandLall（2011）运用等方差加权法对17个指标合成了一个金融压力指数[5]。LoDucaandPeltonen（2011）通过算数平均法和经验累积分布函数的四分位数转换为10个先进的和18个新兴的经济体构建了金融稳健性指数（FSI）[6]。

　　从国内文献来看，随着国际金融危机的影响，金融脆弱性越来越受到国内学者的关注，而且从各方面对金融稳定性进行研究也逐渐展开。王明华等（2005）以宏观成本控制作为理论依据构建了关于银行的金融稳定性的评价指标体系[7]。万晓莉（2008）利用银行稳健性指数作为代理变量测度了中国金融的稳定性情况[8]。中国人民银行金融稳定分析小组（2008）从宏观经济运行环境、金融机构发展状况、金融基础设施建设情况以及金融风险管理四个方面对2008年我国的金融稳定性进行了评估[9]。霍德明和刘思甸（2009）在参考欧洲中央银行宏观审慎指数基础上，构造了宏观金融稳定性评估指标体系[10]。王雪峰（2010）采用状态空间模型确定指标权重，构造了中国金融稳定状态指数，来反映我国金融稳定状况[11]。惠康等（2010）将金融稳定性归纳为金融体系基本要素平稳运行和具有抵抗巨大冲击的能力两个维度，在此基础上构建了一个金融稳定指数[12]。何德旭等（2011）将金融稳定性归纳为金融机构、金融市场、外汇风险三部分，在此基础上构建了一个金融稳定指数[13]。

　　金融稳定的复杂性使得金融稳定不能由单一的指标表示，因此针对合成指数的构建，指标的合成方法也不同。从国外文献来看，不同的作者，合成方法也会有一定的变化。常用的方法一般分为等方差加权法，即采用标准化变量的均值、因子分析（主成分分析法）[14-17]。从国内文献来看，等方差加权法、因子分析法等已经广泛运用于金融稳定性的合成当中。霍德明、刘思甸（2009）运用因子分析法合成宏观金融稳定性指数；何德旭（2011）利用主成分分析法合成金融稳定指数；惠康等（2010）也运用主成分分析法合成了指标；王雪峰（2010）运用状态空间模型进行指标的合成。

　　目前国内关于金融稳定的研究，只有少数学者对于金融稳定状况进行了数量分析。如刘锡良（2004）和王雪峰（2006）等运用因子分析方法对中国的金融安全状况进行了定量评估。蒋海等（2009）运用主观赋值和主成分分析相结合的定量方法对中国金融安全指数进行了估算。即便是中国人民银行发布的《金融稳定报告》也只有简单的统计分析，缺乏较为严密的数量分析。有鉴于此，本文运用动态组合证券理论来构建反映中国金融状况的MFSI指数，旨在对金融稳定状况方面能够起到一定的评价作用。

　　二、研究方法与模型

　　（一）动态组合证券理论（DPT）

　　美国诺贝尔经济学家马考维茨（Markowitz）1952年首次提出投资组合理论（PortfolioTheory），并进行了系统、深入和卓有成效的研究。Markowitz的组合投资理论开创了对金融风险进行定量测度与防范的先河，是后续许多其它理论研究的基础。杨德全（1997）指出动态组合证券投资问题在美国等发达国家受到了理论研究和实际应用两方面的重大关注[18]。

　　其中，国外学者DimitriosP.Louzis.AngelosT.Vouldis

　　（2012）等将其运用到金融压力指数的构建当中，并且构建了希腊的金融压力指数，对于希腊债券危机的原因分析起到一定作用，但是在国内对于利用组合证券投资理论的较少[19]。

　　组合证券理论显示相关程度越高的证券组合，组合证券随着各证券稳定性的增强而逐渐增强；反之若相关程度较低，则各证券稳定性会降低总证券组合稳定性。本文是利用组合投资的思想，引入时间序列相关性，以此构建一个综合指数，试图反映我国的金融稳定性。模型如下：MFSI=■（1）

　　其中，A=（CMS，FMOS，MES），A矩阵为三市场组成的时间序列矩阵。Ct矩阵为3×3的时间序列相关性矩阵，形式如下：

　　C=1？籽12，t？籽13，t01？籽23，t001（2）

　　其中，？籽12，t表示t时刻CMS和FMOS两系统之间的相关系数，？籽13，t表示t时刻CMS和MES两系统之间的相关系数，？籽23，t表示FMOS和MES两系统之间的相关系数。

　　（二）对角BEKK模型

　　对于动态的时间序列相关性，国内外经常使用的是由EngleandKroner（1995）提出的MGARCH模型[20]。由Bollerslevetal（1988）可知，BEKK模型相比于其他的多元GARCH模型来说是相对简单的。对角BEKK模型即把参数矩阵定义为对角矩阵，然后进行计算[21]。即：

　　A=a11a22a33B=b11b22b33（3）

　　它能够保证矩阵的正定性，并且使得估计系数较少。

　　而一般的BEKK（p，q，K）-GARCH模型为：

　　Ht=C*C'+■■A'kiSt-iS't-iAki+■■B'kjHt-1Bkj（4）

　　其中，C是n×n的下三角矩阵，Aki、Bkj是n×n参数矩阵，p、q是滞后阶数。

　　对于三元对角BEKK-GARCH模型可表示为：

　　h11，th12，th13，th21，th22，th23，th31，th32，th33，t=c11c22c33c11c22c33+

　　a11a22a33？着211，t-1？着1，t-1？着2，t-1？着1，t-1？着3，t-1？着2，t-1？着1，t-1？着22，t-1？着2，t-1？着3，t-1？着3，t-1？着1，t-1？着3，t-1？着2，t-1？着23，t-1a11a22a33

　　？茁11？茁22？茁33h11，t-1h12，t-1h13，t-1h21，t-1h22，t-1h23，t-1h31，t-1h32，t-1h33，t-1？茁11？茁22？茁33（5）

　　条件方差和条件协方差矩阵的分开形式为：

　　h11，t=c211+a211？着21，t-1+？茁211h11，t-1（6）

　　h22，t=c221+c222+a222？着22，t-1+？茁222h22，t-1（7）

　　h33，t=c231+c232+c232+a233？着23，t-1+？茁233h33，t-1（8）

　　h12，t=c11c22+a11a22？着1，t-1？着2，t-1+？茁11？茁22h12，t-1（9）

　　h23，t=c22c33+c21c31+a33a22？着1，t-1？着2，t-1？着3，t-1+？茁33？茁22h23，t-1（10）

　　h13，t=c11c33+a11a33？着1，t-1？着3，t-1+？茁11？茁33h13，t-1（11）

　　其中，h12，t、h22，t、h33，t表示系统1、2、3的条件方差，h12，t、h13，t、h23，t表示两两系统之间的条件协方差。

　　由上面的公式可以得出两两系统之间的相关系数

　　？籽12，t=■（12）

　　？籽13，t=■（13）

　　？籽23，t=■（14）

　　由以上的三元BEKK-GARCH模型可以得到三个系统的时间序列相关性，并可用曲线直观表示出来。

　　（三）熵权法

　　对于宏观金融稳定指数指标权重的计算方法，本文将利用信息熵理论进行深入研究，信息熵理论已经广泛应用于工程、经济金融等，且形成了比较完整的一套思路。国内外的文献表明熵权法和主成分分析法的主要区别在于熵权法保证了变量的完整性，使得变量不会缺失。

　　熵权法，是指通过熵理论对项目的决策或者多个目标的决策进行赋权，是运用熵理论衍生出来的一种衡量研究对象重要性程度的方法。依据信息论的观点，衡量某一指标在指标体系中的作用是以指标相对于标准指标的变异程度作为基准，该指标的信息量就越大，其影响作用也就越大。从中得到的熵值可以测度信息量的大小，熵的减少代表信息量的增加，由此反应的金融稳定性指数包含了所有的指标，使得各系统确定了完整性，这也是本文采用熵权法对指标进行赋权的主要原因。

　　三、实证结果与分析

　　（一）样本数据的选取

　　本文选取表1中各指标2000年1月至2010年12月的数据，数据来源于中国经济金融数据库（CCER数据库）、中国经济信息网宏观月度库、中国统计数据应用支持系统、中国人民银行网站。由于几个指标的数据来源难以获得，本文用EVIEWS软件插值法进行补充得到完整的序列数据。各指标均采取增长率的形式，以保持数据的平稳性。

　　HymanPminsky从金融不稳定的角度阐释了收入-债务关系，而在这中间起关键作用的是银行，也同时反映了信贷增长率、不良贷款和短期资产负债比率对金融稳定的重要性[22]。CharlesGoodhart和BorisHofmann（2001）等研究表明，股票等金融资产的价格和房地产资产的价格变化能够通过资产负债效应和财富效应，在金融系统的运行、消费、投资乃至总需求中起着重要的作用[23-24]。因此，应把股价指数和房地产资产价格包涵在MFSI指数。同时，本文借鉴国际货币基金组织的金融稳健指标体系，选取M2/GDP比率作为反映流动性情况的主要指标之一，这一指标值的上升可以为金融机构和金融市场保持充裕流动性创造条件，但是该比重过大可能会引起通货膨胀，从而对金融稳定性造成不利影响。另外，本文借鉴国IMF（2004）[24]、Adam（2008）[25]、Miguel（2010）[26]等指标体系，选择金融企业流动负债/流动资产来表示金融机构的偿债能力（见表1）。其中，正指标表示该基础指标越大，对于金融稳定性起到促进作用，使得金融稳定性指数越高；反之，逆指标表示该基础指标越大，对于金融稳定性起到抑制作用，使得金融稳定性指数越低。

　　（二）MFSI的三个子系统的确定

　　运用matlab软件，利用熵权法可得到三个子系统的权重（见表2）。

　　（三）依据计量经济学的对角BEKK-GARCH模型可以得到时间序列相关性估计的结果（见图1）

　　从图1可以看出，CMS和FMOS两者之间一直在0与-0.01之间变动，说明两者之间的相关性随着时间的变化，没有出现大的变动。FMOS和MES之间在97点之前在0周围上下小幅波动，在97点之后就出现了较大幅度的变动。CMS和MES之间则从一开始就表现了比较大的波动，而且是在0.02的周围较大幅度的波动。

　　（四）中国宏观金融稳定性指数的度量结果

　　由动态组合证券理论可得到中国宏观金融稳定性指数（见图2）。

　　从整体来看，2000—2010年MFSI指数呈现稳步增长，中国的宏观金融稳定性呈现良好态势。

　　分时期来看，2000—2006年中期，宏观金融稳定指数MFSI呈波动上升趋势，我国的金融稳定性逐渐提高。究其原因，发现该时期金融市场、宏观经济子系统都是呈上升趋势，唯有资本流动性市场出现了波动性，并在2002年中期到2003年末出现了一定幅度的下降，这也就导致了MFSI在这段时间的波动性。但从整体来说，在这段时间，无论宏观经济系统还是金融市场系统整体都是上升的，这也使得拉动上升力超过了资本流动性的下降力，从而使得宏观金融稳定性指数提高。

　　2006年末到2007年中期，宏观金融稳定性指数MFSI是下降的。这段时期资本流动性下降，宏观经济系统也呈现下降趋势，而金融市场操作系统呈现上升趋势。在2006年初，中国的GDP达到了9%，且CPI也在2%以上，人们开始大量投资金融市场，这也就导致了金融市场的上升。但此时宏观经济下降的势头超过了金融市场操作上升的势头，因此宏观金融稳定性指数还是下降的。

　　2007年末到2008年末，宏观金融稳定性指数呈现下降趋势。宏观经济下降的趋势主要是2007年宏观经济政策的调控力度较大，10次上调存款准备金率，6次上调金融机构人民币存贷款基准利率，造成金融稳健性下降。

　　2009年初到2010年初，宏观金融稳定性指数先是呈现上升趋势然后又回落。由此表明，我国此时金融稳定性出现了反弹，然后又下降了。总体来看，2009年是我国金融稳定性较好的时期，主要是在政府积极的财政政策和适度宽松的货币政策的救助下，宏观经济系统和金融市场操作系统都出现了上升的趋势，同时拉动MFSI指数上升。但在后期，随着政府救助的减弱，三个子系统又同时出现了下降趋势，MFSI指数也下降。

　　2010年，MFSI基本呈现下降趋势。2010年以来，由于4万亿经济刺激计划，大量信贷的投放使得我国金融体系的稳定性水平呈下降趋势；同时美欧日相继出台新一轮量化宽松货币政策，全球货币条件总体相当宽松，大量资金流入经济增长较快的新兴经济体，因此，2010年我国物价指数持续上升，通货膨胀压力加大，从而导致宏观经济和资本流动性稳健性下降，同时金融市场操作稳健性还没有完全恢复，又受到了一定程度的影响，也使得稳健性降低，由此导致MFSI指数下降。

　　四、结论

　　本文运用熵权法和对角BEKK模型相结合的动态组合证券理论构建的MFSI指数，在一定程度上度量了中国的宏观金融稳定状况，并对我国的金融稳定性进行了分析，说明了三个系统对于宏观金融稳定性指数的影响，克服了传统对指标赋权的静态化，并且说明动态组合证券理论不仅适用于外国的金融压力指数而且适用于中国的金融稳健性状况，同时证明了宏观经济对金融稳定性的影响。

　　但是在实际运用过程中也存在一些需要进一步深入与改进的地方，在应用GARCH模型进行动态时间序列相关估计时，是使用的要求估计量最小的对角BEKK-GARCH模型，并且残差假定服从正态分布，这样使得方法不能满足一般性，因此还需要其他的GARCH模型来更精确的描述。■

　　（责任编辑：张恩娟）

　　参考文献：

　　[1]Illing，andLiu.MeasuringFinancialStressinaDevelopedCountry：anApplicationtoCanada[R].JournalofFinancialStability，Vol.2，No.4，pp.2006：243-265.

　　[2]Nelson，W.R.，Perli，R..Selectedindicatorsoffinancialstability[R].IrvingFisherCommittee'sBulletinonCentralBankStatistics23，2007：92-105.

　　[3]欧洲中央银行，2009a.Theconceptofsystemicrisk.ECBFinancialStabilityReview[R].December2009.

　　[4]BlixGrimaldi.Detectingandinterpretingfinancial

---

转载请注明来自：http://www.yueqikan.com/jingjixuelw/33425.html