屈軍 朱國(guó)華

摘要：本文基于金融變量和通貨膨脹之間的傳遞機(jī)理，選取了2001年1月至2014年12月期間利率、匯率和股票市場(chǎng)等金融變量指標(biāo)的非平衡面板數(shù)據(jù)，利用時(shí)變系數(shù)和隨機(jī)波動(dòng)率的因子擴(kuò)展向量自回歸（TVP-FAVAR）模型構(gòu)建了動(dòng)態(tài)權(quán)重的金融狀況指數(shù)（FCI），克服了傳統(tǒng)固定權(quán)重構(gòu)造方法中經(jīng)濟(jì)信息含量少、未考慮經(jīng)濟(jì)制度環(huán)境結(jié)構(gòu)性變化等缺點(diǎn)。在此基礎(chǔ)上，本文進(jìn)一步研究了金融狀況指數(shù)與通貨膨脹之間的動(dòng)態(tài)關(guān)系，結(jié)果表明金融狀況指數(shù)能較好預(yù)測(cè)和解釋未來通貨膨脹運(yùn)行趨勢(shì)，樣本期內(nèi)通貨膨脹對(duì)金融狀況指數(shù)沖擊響應(yīng)具有顯著時(shí)變動(dòng)態(tài)特征。

關(guān)鍵詞：金融狀況指數(shù)；通貨膨脹；TVP-FAVAR

中圖分類號(hào)：F8314 文獻(xiàn)標(biāo)識(shí)碼：A

一、問題的提出

根據(jù)傳統(tǒng)的貨幣數(shù)量理論，當(dāng)產(chǎn)出水平和貨幣流通速度給定時(shí)，物價(jià)變化僅取決于貨幣流通速度。然而在金融市場(chǎng)快速發(fā)展時(shí)期，該結(jié)論有可能并不成立。如果新增貨幣供應(yīng)量進(jìn)入虛擬經(jīng)濟(jì)而不是流入實(shí)體經(jīng)濟(jì)領(lǐng)域，短期內(nèi)將會(huì)出現(xiàn)低通脹和高金融資產(chǎn)價(jià)格并存的現(xiàn)象（封思賢等，2012）。正如當(dāng)前我國(guó)CPI指數(shù)從2014年初開始一直處于下降通道，而金融市場(chǎng)卻出現(xiàn)“股債雙?！钡木置妗?008年國(guó)際金融危機(jī)后，市場(chǎng)普遍認(rèn)識(shí)到全球金融市場(chǎng)已處于系統(tǒng)性風(fēng)險(xiǎn)頻發(fā)時(shí)期，各類型金融市場(chǎng)的波動(dòng)率溢出效應(yīng)越加顯著，這促使我們需要從全局視角考察金融市場(chǎng)與通貨膨脹之間的關(guān)系。特別是近10余年來，在我國(guó)經(jīng)濟(jì)制度環(huán)境已發(fā)生顯著變化的背景下，金融市場(chǎng)在不同時(shí)期對(duì)通貨膨脹的影響程度和特征是否發(fā)生動(dòng)態(tài)變化？

2008年國(guó)際金融危機(jī)引起了學(xué)術(shù)界關(guān)于金融沖擊對(duì)實(shí)體經(jīng)濟(jì)影響測(cè)度的廣泛興趣，眾多金融機(jī)構(gòu)（如高盛、德意志銀行、花旗和彭博）和相關(guān)政策制定者（如OECD、加拿大銀行和美國(guó)聯(lián)邦儲(chǔ)備銀行）開始密切監(jiān)控金融狀況指數(shù)（Financial Condition Index，簡(jiǎn)稱FCI）。強(qiáng)烈的需求引起眾多文獻(xiàn)使用不同的實(shí)證計(jì)量方法構(gòu)建FCI。FCI因具有將含有未來經(jīng)濟(jì)信息的多維金融變量囊括為單一綜合信息指標(biāo)的優(yōu)勢(shì)，為本文研究整體金融市場(chǎng)狀況對(duì)通貨膨脹水平影響機(jī)制提供了便利。然而，我國(guó)除了部分學(xué)者進(jìn)行討論外，目前并沒有官方公開發(fā)布的FCI。因此，如何構(gòu)建符合我國(guó)金融實(shí)際情況的FCI并考察其與通貨膨脹水平的動(dòng)態(tài)關(guān)系是本文所要解決的重點(diǎn)問題。

通過文獻(xiàn)梳理，F(xiàn)CI研究主要沿兩個(gè)維度展開：（1）指數(shù)成份變量的選取。一般來說，基于不同的指數(shù)構(gòu)造理論基礎(chǔ)和目的造成了不同的選擇標(biāo)準(zhǔn)。如加拿大銀行在19世紀(jì)90年代首次提出貨幣狀況指數(shù)（MCI）時(shí)只包括再融資利率和匯率兩個(gè)指標(biāo)，但隨著該指數(shù)工具在諸多國(guó)家的廣泛應(yīng)用，指數(shù)覆蓋范圍也越來越廣，包括長(zhǎng)期利率、股票價(jià)格和房屋價(jià)格等，并取名為FCI以區(qū)別MCI；最早提出FCI的Goodhart和Hofmann（2001）使用短期利率、實(shí)際有效匯率、房地產(chǎn)價(jià)格和股票價(jià)格四個(gè)變量；Boivin等（2009）從貨幣傳遞機(jī)制角度將指數(shù)成份變量分為新古典和非新古典兩大類，前者包括利率、股票價(jià)格、收益率曲線和信用風(fēng)險(xiǎn)等指標(biāo)，后者包括更為廣泛的如測(cè)度市場(chǎng)流動(dòng)性、借貸者風(fēng)險(xiǎn)和金融中介平臺(tái)的貸款能力與意愿、抵押品價(jià)值等金融變量；Hatzius等（2010）選取了涵蓋利率、股票、商品價(jià)格指數(shù)和市場(chǎng)波動(dòng)率等共計(jì)45個(gè)金融變量。（2）指數(shù)構(gòu)建的計(jì)量方法。金融狀況指數(shù)構(gòu)建方法經(jīng)歷較長(zhǎng)歷史演變，早期對(duì)FCI研究主要集中在收益率曲線斜率、信用價(jià)差等（Stock和Watson，1989）。隨著計(jì)量技術(shù)的發(fā)展，諸多方法被用來構(gòu)建FCI，主要可以分為如下三大類：一是變量權(quán)重法。變量權(quán)重選取原則一般是基于每一變量變化對(duì)實(shí)際GDP的相對(duì)影響估計(jì)值。在此思想上，沿著權(quán)重的估計(jì)方法得到了諸多拓展，如基于大規(guī)模宏觀經(jīng)濟(jì)模型的模擬值、向量自回歸模型或簡(jiǎn)化式的需求方程。二是主成份分析法，主要從高維金融變量中提取共同因子，以捕捉變量的最大共同變化值。三是綜合法。將變量權(quán)重和主成份法結(jié)合起來，如因子增廣的向量回歸模型（FAVAR）、時(shí)變參數(shù)因子增廣的向量回歸模型（TVP-FAVAR）。

相比而言，國(guó)內(nèi)對(duì)FCI的研究較晚，但是發(fā)展十分迅速。指標(biāo)選取方面基本上都包括了利率、匯率、股票、房地產(chǎn)價(jià)格和貨幣供應(yīng)變量等，如王玉寶（2005）、封思賢等（2012）、許滌龍和歐陽勝銀（2014）、鄧創(chuàng)和徐曼（2014）、余輝和余劍（2013）等，而徐國(guó)祥和鄭雯（2013）則增加了社會(huì)融資規(guī)模指標(biāo)，刁節(jié)文和章虎（2012）增加了外匯儲(chǔ)備指標(biāo)。上述學(xué)者所采用的權(quán)重確定方法主要包括VAR模型、廣義脈沖響應(yīng)函數(shù)（GIRF）、SVAR模型、主成份分析法、TVP-VAR模型等。

經(jīng)國(guó)內(nèi)文獻(xiàn)梳理，本文認(rèn)為目前我國(guó)學(xué)者在構(gòu)建FCI研究中仍有如下兩點(diǎn)值得改進(jìn)：（1）充分發(fā)揮主成份分析方法在多維經(jīng)濟(jì)變量中提取信息的優(yōu)勢(shì)，避免指標(biāo)選取的主觀性；（2）考慮樣本期內(nèi)我國(guó)金融制度、沖擊及其他結(jié)構(gòu)性變化，以動(dòng)態(tài)權(quán)重代替?zhèn)鹘y(tǒng)固定權(quán)重構(gòu)建FCI。部分學(xué)者在此方面已取得一定成果，如鄧創(chuàng)和徐曼（2014）克服了前者但未考慮后者，余輝和余劍（2013）克服了后者但是未充分利用前者方法的優(yōu)勢(shì)。因此，本文的主要貢獻(xiàn)在于：（1）綜合汲取前述兩者構(gòu)建方法的優(yōu)點(diǎn)，通過時(shí)變系數(shù)FAVAR模型的方法，構(gòu)建動(dòng)態(tài)權(quán)重的金融狀況指數(shù)，充分考慮了指數(shù)成份變量權(quán)重隨時(shí)間變化而更新的特征。（2）基于FCI與通貨膨脹的傳遞機(jī)理選取了指數(shù)成份變量，考慮到期貨市場(chǎng)在發(fā)現(xiàn)未來價(jià)格方面的功能，首次納入了期貨市場(chǎng)價(jià)格指數(shù)。與已有文獻(xiàn)不同，本文在指數(shù)構(gòu)建過程中剔除了金融變量中含有的通貨膨脹信息。（3）基于構(gòu)建的動(dòng)態(tài)權(quán)重金融狀況指數(shù)，考察了金融狀況對(duì)通貨膨脹的預(yù)測(cè)效果和動(dòng)態(tài)脈沖響應(yīng)特征。

二、FCI理論模型構(gòu)建與估計(jì)

我國(guó)在近10余年的發(fā)展過程中，金融環(huán)境已發(fā)生了諸多變化，如2005年以來的人民幣匯率改革、商業(yè)銀行體制改革等。隨著金融市場(chǎng)發(fā)展和金融工具逐漸豐富，從多維度考察我國(guó)金融狀況成為現(xiàn)實(shí)需要，而TVP-FAVAR模型汲取了已有方法的諸多優(yōu)勢(shì)，如針對(duì)變量在不同時(shí)刻的不同權(quán)重取值的方法能有效解決結(jié)構(gòu)性突變問題，充分利用了高維度變量信息優(yōu)勢(shì)的FAVAR模型能有效解決標(biāo)準(zhǔn)VAR模型的“高維詛咒”困境和遺漏變量問題，能對(duì)我國(guó)金融狀況的實(shí)際情況進(jìn)行較好刻畫。具體構(gòu)建方法如下：

三、FCI構(gòu)建與說明

（一）指標(biāo)成份選擇與傳遞機(jī)理

金融狀況可以被定義為影響當(dāng)前經(jīng)濟(jì)行為和能預(yù)測(cè)未來經(jīng)濟(jì)發(fā)展的金融變量。從理論上說，金融狀況指數(shù)成份變量應(yīng)包括所有與經(jīng)濟(jì)活動(dòng)相關(guān)的刻畫金融工具供給與需求的金融變量，如一系列的資產(chǎn)價(jià)格和數(shù)量、潛在資產(chǎn)供給與需求的指標(biāo)，后者還可包括對(duì)金融中介機(jī)構(gòu)資本充足率的信貸可能性調(diào)查（Hatzius，2010）。本文以成份變量對(duì)通貨膨脹的傳遞機(jī)理為理論基礎(chǔ)，結(jié)合已有文獻(xiàn)變量選擇方法和我國(guó)數(shù)據(jù)可得性，選擇如下6大類共計(jì)52個(gè)變量指標(biāo)：

1.利率指標(biāo)。根據(jù)永久收入理論和生命周期理論，私人消費(fèi)水平取決于三個(gè)因素：現(xiàn)期收入、預(yù)期收入和持有資產(chǎn)的價(jià)值。利率變動(dòng)將會(huì)導(dǎo)致預(yù)期收入的變化，并引致現(xiàn)期消費(fèi)需求的變動(dòng)。如利率水平的下降將導(dǎo)致借貸成本下降，通過跨期替代效應(yīng)影響現(xiàn)期消費(fèi)；利率影響股票和債務(wù)資本的市場(chǎng)價(jià)值（托賓Q效應(yīng)）進(jìn)而影響企業(yè)的投資決策行為；消費(fèi)需求和產(chǎn)品市場(chǎng)供給變化進(jìn)而影響通貨膨脹水平。本文主要選取了代表銀行間同業(yè)拆借與銀行間債券質(zhì)押回購(gòu)市場(chǎng)不同期限的月度加權(quán)平均利率，刪除含有大量缺失值變量后共計(jì)15類。

2.匯率指標(biāo)。匯率變動(dòng)通過影響進(jìn)口商品（中間品或終端產(chǎn)品）價(jià)格、貿(mào)易收支、境外資金流入與流出等渠道最終影響通脹水平（封思賢，2012）。本文主要選取了名義有效匯率指數(shù)、與各主要貿(mào)易國(guó)貨幣匯率（如日元、美元和歐元等），共計(jì)6類。

3.資產(chǎn)價(jià)格指標(biāo)。包括股票和房地產(chǎn)市場(chǎng)。資產(chǎn)價(jià)格渠道主要通過財(cái)富效應(yīng)、托賓Q效應(yīng)和資產(chǎn)負(fù)債表等效應(yīng)影響通脹水平。股票市場(chǎng)指標(biāo)主要選取了股票指數(shù)、股票發(fā)行股本和市價(jià)總值等共計(jì)8類；房地產(chǎn)市場(chǎng)指標(biāo)主要包括國(guó)房景氣指數(shù)、房地產(chǎn)開發(fā)企業(yè)商品房銷售面積等共計(jì)8類，其中商品房銷售面積原始數(shù)據(jù)為以年為單位按照月度頻率的累加數(shù)據(jù)，且缺失每年的一月份數(shù)據(jù)，本文將每年2月份的累加數(shù)據(jù)平均值替代1月份和2月份值，并將所有月份累加數(shù)據(jù)轉(zhuǎn)換為當(dāng)月流量數(shù)據(jù)。

4.貨幣供應(yīng)量指標(biāo)。貨幣供應(yīng)量是央行控制信貸規(guī)模供給以調(diào)節(jié)市場(chǎng)消費(fèi)需求和投資需求的重要工具，并最終影響物價(jià)水平，主要包括流通中現(xiàn)金M0、M1和M2，及社會(huì)融資規(guī)模數(shù)據(jù)等共計(jì)10類?？色@得相關(guān)社會(huì)融資規(guī)模數(shù)據(jù)最早年份為2002年，未獲得的數(shù)據(jù)將以缺省值表示。本文采用的卡爾曼濾波估計(jì)法能很好處理非平衡面板數(shù)據(jù)問題①。

5.商品期貨價(jià)格指數(shù)。期貨市場(chǎng)基礎(chǔ)功能是發(fā)現(xiàn)未來價(jià)格，那么大宗商品期貨價(jià)格必然隱含著市場(chǎng)參與者對(duì)未來宏觀經(jīng)濟(jì)的預(yù)期信息。而我國(guó)近十年來大宗商品期貨市場(chǎng)價(jià)格也逐漸得到國(guó)內(nèi)外市場(chǎng)的認(rèn)可，因此有必要將期貨價(jià)格信息納入金融狀況指數(shù)成份范圍。主要包括Wind商品、谷物、有色金屬和化工價(jià)格指數(shù)等4類。

6.宏觀經(jīng)濟(jì)變量。主要作用是去除金融變量中所包含的通貨膨脹信息，以更全面反映未來的物價(jià)水平狀況。本文選取了居民消費(fèi)價(jià)格指數(shù)月度（同比）數(shù)據(jù)作為通脹水平的代理指標(biāo)。

（二）原數(shù)據(jù)預(yù)處理

為對(duì)比分析金融危機(jī)前后我國(guó)金融狀況，原始數(shù)據(jù)為2000年1月至2014年12月期間月度時(shí)間序列非平衡面板數(shù)據(jù)，主要來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫、中經(jīng)網(wǎng)產(chǎn)業(yè)數(shù)據(jù)庫、Wind金融終端等。首先使用X12-ARIMA季節(jié)性調(diào)整程序?qū)υ妓綌?shù)據(jù)進(jìn)行季調(diào)，而對(duì)于樣本內(nèi)的缺失值主要利用ARIMA過程進(jìn)行填充②；然后，對(duì)所有變量使用ADF和PP方法檢驗(yàn)變量的平穩(wěn)性，對(duì)非平穩(wěn)變量進(jìn)行差分或取對(duì)數(shù)等方法轉(zhuǎn)換為平穩(wěn)，檢驗(yàn)結(jié)果表明大部分利率和匯率原始水平數(shù)據(jù)是平穩(wěn)的，而其他變量在一次差分后在顯著性水平為5%條件下，皆拒絕了非平穩(wěn)性的原假設(shè)③；最后，借鑒Stock和Watson（2005）的方法，剔除原始數(shù)據(jù)中的離群值，離群值定義為每一列平穩(wěn)序列中變量的絕對(duì)中位數(shù)離差（absolute median deviation）大于6倍的四分位差（interquartile range）。 此外，與其他文獻(xiàn)對(duì)變量取缺口值的方法不同，本文借鑒了Koop 和Korobilis（2014）處理方法，直接對(duì)平穩(wěn)變量進(jìn)行標(biāo)準(zhǔn)化，以期統(tǒng)一量綱考察變量變化情況；而對(duì)模型（2）中因子滯后階數(shù)的選擇主要采用如下方法：利用主成份法對(duì)所有金融變量提取方差解釋最大的公因子，將公因子與居民消費(fèi)價(jià)格指數(shù)構(gòu)成標(biāo)準(zhǔn)的二變量VAR模型，利用AIC、BIC等信息準(zhǔn)則選擇最優(yōu)滯后階數(shù)?？紤]到有些學(xué)者并不認(rèn)同信息準(zhǔn)則的方法，本文分別取不同的階數(shù)進(jìn)行檢驗(yàn)，結(jié)果結(jié)論穩(wěn)健。

（三）金融狀況指數(shù)構(gòu)建

通過TVP-FAVAR模型，本文構(gòu)建了FCI。為方便直觀比較，本文還將FCI和居民消費(fèi)者價(jià)格指數(shù)（同比）走勢(shì)進(jìn)行了對(duì)比，如圖1所示。

從走勢(shì)圖來看，兩者有著較強(qiáng)的相關(guān)性。如在2008年1月份CPI指數(shù)達(dá)到了峰值1087，而FCI指數(shù)在2007年9月達(dá)了局部峰值04219；2009年7月份CPI指數(shù)達(dá)到最低點(diǎn)982，F(xiàn)CI指數(shù)則在2009年1月份已“逃離”峰谷-07419?？傮w可以看出，F(xiàn)CI指數(shù)對(duì)通貨膨脹具有較強(qiáng)的預(yù)測(cè)效果，但提前預(yù)測(cè)時(shí)間段并不一致。

與傳統(tǒng)常數(shù)權(quán)重不同，TVP-FAVAR模型通過時(shí)變載荷因子系數(shù)考慮了FCI指數(shù)在不同時(shí)期與成份變量之間的相關(guān)關(guān)系，如圖2所示。

從單一變量動(dòng)態(tài)變化軌跡進(jìn)行分析，如人民幣有效匯率指數(shù)，其載荷系數(shù)從2002年中旬的最低點(diǎn)-032，經(jīng)過2005年7月匯率體制改革后，至2008年4月達(dá)到最大值-006，但在后續(xù)5年中，系數(shù)值逐步下降；M2發(fā)行量從2002年初開始，載荷系數(shù)從最高點(diǎn)051逐步下降至2014年底的028，說明貨幣供給量與整體金融狀況相關(guān)性下降，利用單一貨幣供給量指標(biāo)已不能全面衡量整體金融狀況，驗(yàn)證了監(jiān)控社會(huì)融資規(guī)模的重要性。而Wind商品指數(shù)、社會(huì)融資規(guī)模人民幣貸款和銀行間同業(yè)拆借加權(quán)平均利率的系數(shù)取值走勢(shì)大致相同，在2005年初左右達(dá)到峰值，后續(xù)年份逐步下降；股票市值變量的系數(shù)則在2004年達(dá)到頂點(diǎn)03，逐步下跌至2008年中旬的02，之后隨著股票市場(chǎng)復(fù)蘇，系數(shù)正逐月增加；國(guó)房景氣指數(shù)系數(shù)2000年1月的起始值為018，在 2010年1月份達(dá)到峰值027，其后緩慢下降，整體反映了此十年間房地產(chǎn)市場(chǎng)價(jià)格逐年攀升，雖然2008年全球金融危機(jī)導(dǎo)致了房地產(chǎn)市場(chǎng)前景堪憂，但四萬億刺激政策有效緩解了外部經(jīng)濟(jì)惡化對(duì)房地產(chǎn)市場(chǎng)的影響。從以上可以看出，變量系數(shù)變化很好地反映了我國(guó)經(jīng)濟(jì)政策對(duì)金融狀況成份在不同時(shí)期所產(chǎn)生影響程度的時(shí)變性④。

四、我國(guó)FCI與通貨膨脹的動(dòng)態(tài)關(guān)系檢驗(yàn)

（一）Granger因果檢驗(yàn)

FCI和通貨膨脹的Granger因果檢驗(yàn)結(jié)論如表1所示。在5%顯著性水平下，拒絕了FCI不是通貨膨脹的Granger原因的原假設(shè)，即FCI能作為通貨膨脹變化的解釋變量，可以用于預(yù)測(cè)未來通貨膨脹水平；然而通貨膨脹從統(tǒng)計(jì)角度來說并不能解釋FCI的變化。

（三）時(shí)變脈沖響應(yīng)分析

考察FCI單位負(fù)向沖擊對(duì)通貨膨脹水平影響，如圖3所示。從整個(gè)樣本期來看，通貨膨脹對(duì)FCI沖擊的響應(yīng)并不是固定不變的，而是呈現(xiàn)動(dòng)態(tài)變化特征。為觀察方便，本文對(duì)比考察了2006年1月和2014年1月的沖擊響應(yīng)特征，如圖4所示。在2014年1月份，對(duì)FCI一單位的負(fù)沖擊，通貨膨脹將在未來第5期時(shí)達(dá)到最低點(diǎn)-008，并在未來12期內(nèi)迅速回升至原來水平；相比較而言，在2006年1月，對(duì)FCI一單位的負(fù)沖擊，通脹指數(shù)在第5期時(shí)下降至底點(diǎn)-005，在未來17期內(nèi)恢復(fù)至初始狀態(tài)。即整體金融狀況緊縮將導(dǎo)致價(jià)格水平下降的低通脹現(xiàn)象，符合經(jīng)濟(jì)理論預(yù)期。以樣本期內(nèi)脈沖響應(yīng)中位值為基準(zhǔn)，2014年1月比2006年1月脈沖響應(yīng)的波動(dòng)性顯著加大。

五、結(jié)論與建議

本文結(jié)合傳統(tǒng)構(gòu)造FCI的主成份分析法和動(dòng)態(tài)權(quán)重法，利用時(shí)變系數(shù)和隨機(jī)波動(dòng)率的因子擴(kuò)展向量自回歸（TVP-FAVAR）模型，基于通貨膨脹和金融變量之間的傳遞機(jī)理，選取了2001年1月至2014年12月期間利率、匯率和股票市場(chǎng)等金融資產(chǎn)價(jià)格的52個(gè)金融變量指標(biāo)的非平衡面板時(shí)間序列數(shù)據(jù)，構(gòu)建了動(dòng)態(tài)權(quán)重的金融狀況指數(shù)（FCI），有效地從高維金融變量中提取經(jīng)濟(jì)信息，避免了傳統(tǒng)指標(biāo)成份變量選取的主觀性，且考慮了不同時(shí)期經(jīng)濟(jì)制度環(huán)境的結(jié)構(gòu)性變化對(duì)指數(shù)構(gòu)建的影響。

基于構(gòu)建的FCI，本文通過Granger因果和跨期相關(guān)性等方法檢驗(yàn)了FCI對(duì)通貨膨脹預(yù)測(cè)效果，結(jié)果表明FCI可以作為通貨膨脹變化的解釋變量且預(yù)測(cè)效果主要體現(xiàn)在中期，反之不成立；通過對(duì)時(shí)變脈沖響應(yīng)函數(shù)分析，不同時(shí)期通貨膨脹對(duì)FCI的一單位負(fù)向沖擊呈現(xiàn)出不同的時(shí)變特征。與已有研究文獻(xiàn)研究結(jié)論相同的是，我們建議中央銀行將FCI納入通貨膨脹的監(jiān)管指標(biāo)，通過觀察從金融變量隱含的未來通脹水平信息以提高調(diào)控宏觀經(jīng)濟(jì)的針對(duì)性，但是在治理過程中，需以動(dòng)態(tài)視角觀察兩者之間關(guān)系，因?yàn)橥浰皆诓煌瑫r(shí)期對(duì)金融狀況的沖擊表現(xiàn)出顯著時(shí)變特征。需要注意的是，由于FCI并沒有堅(jiān)實(shí)的理論微觀基礎(chǔ)，其穩(wěn)定性和預(yù)測(cè)能力受到來自“盧卡斯批判”觀點(diǎn)的質(zhì)疑，即政策變動(dòng)將會(huì)對(duì)人們預(yù)期產(chǎn)生影響。考慮到不同指數(shù)在不同時(shí)期包含的金融成份變量也可能發(fā)生變化，因此使用動(dòng)態(tài)模型平均（DMA）法將是未來研究方向。

注釋：

① 具體技術(shù)過程可參考Dimitris Korobilis（2014）。

② 此處使用了IRIS工具箱軟件包：http：//iristoolbox.codeplex.com/.

③ 考慮了滯后1到4階等不同情形。

④ 由于篇幅限制，單一變量系數(shù)動(dòng)態(tài)變化圖并未給出，感興趣的讀者可向作者索取。

參考文獻(xiàn)：

[1] Goodhart C.，Hofmann B. Asset Prices，F(xiàn)inancial Conditions and Transmisstion of Monetary Policy[C].paper prepared for the conference on“asset prices，exchanger rates and monetary policy”，Stanford university，March，2-3. 2001.

[2] Boivin， J.， M. Kiley.and F. Mishkin.How Has the Monetary Transmission Mechanism Evolved Over Time？[C].prepared for the third Handbook of Monetary Economics，October 9， 2009.

[3] Hatzius， J.， Hooper， P.， Mishkin， F.， Schoenholtz， K.， Watson， M. Financial conditions indexes： a fresh look after the financial crisis[C].NBER Working Papers， National Bureau of Economic Research，2010，16150.

[4] Stock， J.H. and M.W. Watson .New Indexes of Coincident and Leading Economic Indicators[C].NBER Macroeconomic Annual， 1989：94-351.

[5] 王玉寶.金融形勢(shì)指數(shù)（FCI）的中國(guó)實(shí)證[J].上海金融，2005（8）：29-32.

[6] 封思賢，蔣伏心，謝啟超，等.金融狀況指數(shù)預(yù)測(cè)通脹趨勢(shì)的機(jī)理與實(shí)證——基于中國(guó)1999-2011 年月度數(shù)據(jù)的分析[J].中國(guó)工業(yè)經(jīng)濟(jì)，2012（5）：18-30.

[7] 許滌龍，歐陽勝銀.金融狀況指數(shù)理論設(shè)計(jì)及應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014（12）：55-71.

[8] 鄧創(chuàng)，徐曼.中國(guó)的金融周期波動(dòng)及其宏觀效應(yīng)的時(shí)變特征研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014（9）：75-91.

[9] 余輝，余劍.我國(guó)金融狀況指數(shù)構(gòu)建及其對(duì)貨幣政策傳導(dǎo)效應(yīng)的啟示——基于時(shí)變參數(shù)狀態(tài)空間模型的研究 [J].金融研究，2013（4）：86-98.

[10]徐國(guó)祥，鄭雯.中國(guó)金融狀況指數(shù)構(gòu)建及預(yù)測(cè)能力研究[J].統(tǒng)計(jì)研究，2013（8）：17-24.

[11]刁節(jié)文，章虎.基于金融形勢(shì)指數(shù)對(duì)我國(guó)貨幣政策效果非線性的實(shí)證研究[J].金融研究，2012（4）：32-44.

[12]Gary Koop.， Dimitris Korobilis. A new index of financial conditions[J]. European Economic Review，2014，71：101-116.

[13]Stock，J.H.，Watson，M.W.， Forecasting in Dynamic Factor Models subject to structural instability.In：Castle，Jennifer，Shephard，Nel（Eds.），The Methodology and Practice of econometrics，Oxford University Press.Oxford，2009.

[14]Bates， B.J.， Plagborg-Mller， M.， Stock， J.H.， Watson， M.W. Consistent factor estimation in dynamic factor models with structural instability[J]. Journal of Econometrics，2013，117：289-304.

[15]James H. Stock， Mark W. Watson. Implications of Dynamic Factor Models for VAR Analysis[C].NBER Working Paper No. 11467， 2005（6）.

[16]Belmonte M.， Koop. G. and Korobilis D. Hierarchical Shrinkage in Time-Varying Coefficients Models[J].Journal of Forecasting， 2014，33：80-94.

Abstract：Based on the transmission mechanism between financial variables and inflation， this paper selects unbalanced panel data used in this model comes from the interest rate， currency， stock and other financial markets from January 2001 to December 2014 and constructs the dynamic weight financial conditions index by using time-varying coefficients and stochastic volatility factor-augmented vector autoregression （TVP-FAVAR） model， which overcomes the shortcomings of traditional fixed weight methods， such as limited amount of economic information and without considering the structural changes of the economic institutional environment. Then it further studies the dynamic relationships between the new FCI and inflation. Results show that FCI can better predict and explain future inflation trend，and the inflation has a significant time-varying dynamic features impacted by the impulse of FCI during the sample period.

Key words：financial conditions index； inflation； TVP-FAVAR

（責(zé)任編輯：張曦）