1、1中美金融周期的协动性及其传导途径分析 *邓 创 1,2，徐 曼 2（1. 吉林大学数量经济研究中心， 2.吉林大学商学院，中国 长春 130012）内容摘要：本文选取利率、 货币供给、信 贷、汇率、房价和股价六类金融指标，利用结构向量自回归模型合成了中美两国的金融形势指数，以考察两国金融周期的波 动特征和协动性，并进一步分析了不同 协动性水平下两国金融周期波 动的传导途径。 结果表明，中美两国金融形势均存在 3 年左右的短周期波动，并且表现出截然不同的非对称性特征；近年来中美两国金融周期的协动性发生了显著变化，其主要影响因素以及金融 风险的传递渠道也表现出明显的阶段性差异。 这些研究结果为进
2、一步理解中美两国金融周期的波动态势和联动机制、有效防御国 际金融波动对中国实体经济 的冲击提供了有益的经验参考和政策启示。关键词：金融周期；金融形势指数；结构 VAR 模型；中美中图分类号：F831 文献标识码：A引 言金融周期是金融活动在各种内外部冲击下形成的与宏观经济波动密切相关的持续性波动和周期性变化，不仅反映了货币市场、资本市场和外汇市场等金融市场的整体波动态势，而且可能是引致和放大宏观经济波动的重要源泉。近年来，在经济全球化和金融一体化的推动下，各国经济周期及其所依赖的金融环境之间的关联性显著增强。特别是 2008 年美国次贷危机爆发以后，金融风险在各国金融市场间迅速蔓延，最终导致实
3、体经济下滑并引发了全球性的经济衰退。因此，分析和检验金融周期的波动态势与运行特征，以及各国金融周期波动之间的协动规律，不仅有助于深入理解虚拟经济和实体经济之间的关联机制，同时也是探寻国际金融关系和宏观经济调控国际协作途径的新课题。近二十年来，作为经济增长速度最快的发展中国家和经济总量最大的发达国家，中美两国在全球经济和金融发展过程中一直发挥着至关重要的作用，两国金融形势和宏观经济之间的关系不仅关乎两国经济的平稳健康发展，而且对于其他经济体和金融市场的稳定和发展也起着不容忽视的引导和传递作用。中国世界经济学会副会长华民（2007）指出：“一旦中国和美国的内部经济或者对外经贸关系出现失衡，那么世界
4、经济的失衡就在所难免” 。因此，深入研究中美两国金融周期的波动特征及其协动机制，不仅可以在理解中美金融形势的基础上为中国金融体系的改革和发展提供有益的经验依据和政策启示，而且对于防范金融危机的爆发及传播、维护全球经济发展和金融稳定同样具有重要价值。本文接下来将首先对有关金融周期度量方法和国际金融市场联动关系的研究现状进行回顾和梳理，然后以中美两国为研究对象，在测度其金融形势指数的基础上，* 基金项目：本文得到国家社科青年基金项目（11CJL012 、12CJY109）和教育部人文社会科学重点研究基地重大项目（13JJD790011 ）的资助。作者简介：邓创，湖南益阳人，经济学博士，吉林大学数量
5、经济研究中心副教授、硕士生导师；徐曼，女，河北唐山人，吉林大学商学院硕士研究生。2考察两国金融周期的波动特征及协动性，并进一步分析两国金融周期波动的传导途径，为维护中国金融稳定、营造良好的经济发展环境提供政策建议。一、金融周期及其国际协动性的研究现状金融周期的概念，或者金融繁荣之后即跟随着金融崩溃的说法，实际上早于更常见和更有影响力的经济周期概念（Borio ，2014） 。但半个多世纪以来，大多数关于经济周期的理论和实证研究中，金融这层“面纱”几乎都被直接忽视。直到 Bernanke 等（1998）修改金融中性理论前提假设后，金融因素在经济周期中的重要作用才得以重新确立。随后的大量研究表明，
6、金融系统的波动不仅会延缓宏观经济向其稳定状态的自然回归，而且可能起到放大实体经济波动的加速器效应或顺周期效应（Bernanke 等，1998；Borio 等，2001； Kashyap 和 Stein，2004；Brunnermeier等，2009；Adrian 和 Shin.，2010） 。和传统的经济周期一样，金融周期波动中同样存在中长周期的低频波动成分和短周期的高频波动成分。对金融周期低频波动成分的描述往往集中于房地产价格或信贷周期等研究（Jorda 等，2011；DellArriccia 等，2012 ；Schularick 和 Taylor，2012；Aikman 等，2014） 。
7、这些变量的变化由低频波动主导，其波长和振幅均明显大于传统的经济周期。另一方面，由于这些变量在中长期与宏观经济存在很强的相关性，由此测度的金融周期中，波峰之后一般都紧跟着金融危机。Drehmann 等（2012）研究表明，中长期的金融周期与金融危机紧密相联，而且实体经济在金融周期的收缩阶段也表现出极为严重的衰退。因此，对这类低频波动的监测更多地倾向于提前识别未来出现金融困境或金融危机的风险。对金融周期高频波动的研究则主要是加入了对股票价格、货币供给、利率和汇率等其他金融变量的考虑，利用统计方法对各类金融价格和数量变量进行组合或从中提取共同成分，构建金融形势指数（FCI ）以考察整体金融环境的周期
8、性变化（例如，English 等，2005；Hatzius 等，2010） 。这类研究不仅引入了高频金融变量，而且综合考虑了不同领域金融变量的波动情况，因而得到的金融周期长度与宏观经济周期大体一致甚至更短。由于金融周期的高频波动成分更多地体现了金融因素与宏观经济之间的交互影响，既揭示了各种内外部冲击下金融市场的波动态势，又反映了货币政策和其他金融政策对经济金融环境的响应动态，因而不仅有利于考察虚拟经济与实体经济之间的联动关系，而且对于监测宏观经济和金融形势、防止金融风险积聚并导致经济失调有着重要价值。近年来，使用多个金融指标合成金融形势指数对整体金融形势进行测度的方法得到了国内外学术界的广泛认
9、可。从现有文献来看， FCI 的测算方式主要分为从各类金融指标中提取共同成分的方式和对金融指标进行加权组合的方式两种。前者主要利用主成分分析方法，以各主成分的贡献率为权重进行加权计算得到 FCI。例如 Brave 和 Butters（2011）利用主成分分析方法从大量金融指标中提取出美国 FCI，且发现计算得到的 FCI 可以作为政策制定和金融市场评价的重要依据；邓创等（2014）选取 26 个金融指标同样利用主成分分析方法构建中国的 FCI，并以此考察了中国金融周期波动的特征及其宏观经济效应。这种方法的优点在于涵盖的金融指标较多且不受特定理论假设的限制，但缺点在于忽视了金融指标与宏观经济目标
10、变量之间的关联。因而相比之下，更多的学者倾向于根据各金融变量与宏观经济目标变量之间的影响关系确立权重，对多个金融指标进行加权组合来计算 FCI。这类计算方式中关于金融指标权重的确定大致有以下三类方法：3一是将大型宏观经济联立模型中系数的估计值作为确定金融指标权重的依据。例如 Dudley 和Hatzius（2000）根据美联储大型宏观经济模型估计各金融变量对 GDP 的影响，并以此为权重计算美国 FCI。二是根据简化的总需求方程中各金融变量系数的估计值计算权重。例如 Montagnoli等（2006）利用简化的总需求方程计算得到各金融因素的权重合成美国、英国、加拿大和欧盟的FCI；陆军等（20
11、07）和王雪峰（2009）用同样的方法计算中国的 FCI，并以此分析了 FCI 对通货膨胀的预测能力及其货币政策指示器作用。三是通过向量自回归（VAR）系统中各金融变量对通货膨胀等目标变量的累积脉冲响应值来计算权重，这种方法既保证了金融指标的覆盖范围，同时又具有计算简单、不依赖经济理论假设的优点，因而得到了最为广泛的应用。例如Swiston（2008）通过构建包含股价、汇率、贷款标准及公司债券收益变量的 VAR 模型，计算出美国 FCI 并发现其对经济增长的良好预测作用；中国学者李成等（2010） 、封思贤等（2012）和徐国祥等（2013）也基于这一方法进行了系列研究。尽管国内外学者基于金融
12、形势指数对各国金融形势进行了大量分析，但对于金融形势指数的测度方法却不尽相同，并且计算过程中所考虑的金融指标也存在很大差异，客观上阻碍了对不同国家金融形势及其联动关系的研究。而迄今为止，对国际金融关系特别是中美两国金融市场关联特征等问题的研究，也大多限于对特定金融市场或金融指标进行割裂分析。例如项卫星等（2011）从双边资本依存度、双边资本流动结构和双边资本循环三方面对中美两国的金融依赖程度进行考察发现，中美两国的金融相互依赖存在显著的非对称性；刘平等（2011）分别结合静态和动态 copula 函数方法，对近 20 年两次金融危机前后中美三个金融市场间的相关结构进行比较，结果发现 1997
13、年危机前后中美金融市场并不存在显著的相关性，而 2007 年危机前后关联度大大增加；谢志超等（2012）在关于美国金融危机对中国金融市场的传染渠道进行理论分析的基础上，检验了两国金融市场的关联强度和传染效应，发现美国金融危机对中国金融市场产生的传染效应，主要分为来自货币市场渠道的直接传染效应以及来自资本市场和外汇市场渠道的交叉传染效应；于震等（2014）采用 SVAR 模型对中美两国的货币市场、股票市场和外汇市场间的联动性进行分析，研究表明“次贷危机”前后中美金融市场的联动性发生了显著变化，中美实体经济联系更为密切、中国金融市场更为开放、投资者投资理念更加成熟及信息传递的便捷是两国金融市场联动
14、性增强的主要原因。作为一项有益尝试和对现有研究的补充，本文拟从整体金融形势的角度，借鉴国内外学者的研究思路，选取中美两国房地产价格、信贷、股票价格、货币供给、利率和汇率六类金融指标，根据结构向量自回归模型中得到的各金融变量对通货膨胀率的累积影响，对中美金融形势指数进行统一测度，在此基础上考察两国金融周期的高频波动特征及其协动性，并进一步探究不同协动性水平下国际金融风险的传导途径，以期为理解国际金融风险传导机制以及实体经济和虚拟经济之间的联动机制、维护中国实体经济和虚拟经济的双重稳定提供有用的经验依据和政策启示。二、中美金融形势指数（FCI）的测算金融周期的正确度量，是决定金融周期协动性研究结果
15、可靠性的关键，也是探究不同协动性水平下金融风险传导途径的重要前提。如前文所述，本文拟采用统一的方法和金融指标测度中美两国的金融形势指数，以此考察两国金融形势的周期波动。本节将依次对指标选取、权重计算以及中美两国 FCI 的合成结果进行描述。4（一）金融指标的选取及权重计算借鉴国内外学者的研究思路，本文选择用于合成 FCI 的金融指标为利率、信贷、货币供给、房价、股价和汇率。其中，利率、信贷及货币供给作为重要的货币政策工具变量，不仅会通过政策传导渠道对金融体系产生影响，也是反映金融形势及宏观经济波动的重要指示器；房地产投资作为居民投资组合的重要组成部分，其在推动经济发展的同时也加剧了金融风险，是
16、衡量金融状况不得不考虑的因素；股票市场的日益完善，使得其在金融体系中的地位日益突出，股价指数的变化不仅通过影响公司的资本成本对企业投资支出产生影响，也通过财富效应等多种渠道影响家庭的财务状况进而影响消费，是最重要的金融指标之一；有效汇率是以对外贸易比重为权重的加权平均汇率，其变动必然会引起国际收支及产出的变化，并通过汇率传递效应对国内物价水平产生影响，对于研究金融市场运行状况具有重要意义。本文研究的数据样本范围为 1996 年 1 月到 2014 年 11 月。其中用于描述中国金融市场的指标依次为银行间 7 天期同业拆借加权平均利率、金融机构人民币各项贷款、广义货币供给量、国房景气指数、上证综
17、合收盘指数和人民币实际有效汇率；用于描述美国金融市场的指标分别为联邦基金实际利率、消费信贷总量、广义货币供给量、房屋价格指数、标准普尔 500 指数和实际有效汇率。为反映中美两国同业拆借市场、信贷市场、货币市场、房地产市场、证券市场和外汇市场等金融市场的波动态势，本文对上述指标去除价格因素并经 X12 法季节调整后，利用 HP 滤波得到各序列的循环成分（即偏离于各自长期趋势的缺口值） ，并进一步对各缺口序列进行了标准化处理以消除量纲差异 1。为得到各金融变量的权重值，我们首先分别构建中美两国 6 个金融变量缺口序列与通货膨胀率的结构 VAR 模型，并根据 SC 准则将模型滞后阶数选择为 4 阶
18、。其次基于结构 VAR 模型的估计结果，运用脉冲响应函数模拟出两国通货膨胀率对各金融变量冲击的累积响应动态。最后，根据下式计算出第 i 个金融指标在 FCI 中所占的权重 ：iw（1）niiz1/其中， 为通货膨胀对金融变量 i 缺口值冲击的累积 30 期广义脉冲响应值。为节约篇幅，iz本文省略了对结构 VAR 模型估计结果的描述，直接给出根据（ 1）式所计算出的各金融指标权重结果，如表 1 所示。表 1 各金融指标权重信贷缺口 房价缺口 货币供给缺口 利率缺口 汇率缺口 股价缺口中国 0.12938 0.25027 0.24316 0.03016 0.18995 0.15708美国 0.00
19、507 0.12122 0.37662 0.31086 0.08046 0.10576从表 1 中的权重计算结果来看，中国金融形势受到房价缺口和货币供给缺口的影响最大，受利率缺口的影响程度最小。而美国金融形势则受到货币供给缺口和利率缺口的影响最大，受到信贷缺口的影响程度最小。权重越大，意味着该金融变量对宏观经济目标变量的影响越大，对金融形势乃至宏观经济环境的主导作用越显著。对比中美两国金融指标的权重可以发现，货币供给在两国金融形势中所1 本文所有数据处理、检验和计算工作均在 Eviews6.0 中完成。原始数据来源于中经网（http:/） 、美联储网站（http:/www.federalres
20、erve.gov ） 、BIS 网站（http:/www.bis.org）和 FHFA 网站（http:/www.fhfa.gov） 。5-3-2-101219619820202042062082012012014图 1 金融状况指数（实线:中国;虚线：美国）占的权重都比较大，说明流动性对于两国金融形势而言都是极为重要的。除此之外，我们可以看到，利率、信贷以及房价对中美两国金融形势的影响程度表现出显著差异。近年来随着中国城镇化进程的加快，房地产已成为中国国民经济的支柱产业之一，房价的波动不仅关系到中国经济的平稳健康发展，而且也是积聚金融风险的重要因素。特别是是在目前中国投资渠道较为狭窄的情况下
21、，房地产市场作为传统资本市场的重要补充，吸纳了极大一部分社会资金，对中国金融市场的影响程度不言而喻。因此房价在中国金融形势中所占的权重最高并不意外。至于中美两国利率和信贷的权重之所以相差甚远，一个可能的原因是目前中国利率市场化程度较低，货币政策的传导仍然在很大程度上依赖于信贷渠道，而相比之下美国的利率市场更为成熟，并且美国联邦基金利率一直是美国货币政策操作意图的直接反映，其变动对美国金融体系和宏观经济有着极为重要的指向和调节作用。由此可见，基于结构 VAR 模型确立的各金融变量权重合乎中美两国宏观经济和金融体系的运行实际，可以据此测算两国的金融形势指数，对中美金融形势的波动态势进行考察。（二）
22、FCI 的测算根据表 1 中中美两国金融指标的权重计算结果，我们即可按照下式得到两国金融形势指数的测算结果：（2）itnitGAPwFCI1上式中， 表示一国 t 时刻的金融形势指数； 表示该国第 i 个金融指标的缺口序列。其tFCI it中，由于利率缺口为正（负）意味着货币政策紧缩（扩张） ，在其他条件不变的情况下必将导致经济金融形势的收缩（扩张） ，因此上式中利率缺口序列进行了取相反数的特殊处理。由于我们在中美 FCI 的测算过程中使用的金融指标均经过了退势和标准化处理，因此计算得到的 FCI 直接反映了两国金融活动对均衡状态的偏离情况（如图 1 所示） 。当 FCI 接近于 0 时，表明
23、金融环境处于松紧适度的状态；FCI 为正（负）时，意味着金融形势处于繁荣（紧缩）状态；FCI 上升（下降）则表示金融形势趋于好转（恶化） 。从图 1 中可以看到，1996 年年底至 1997 年下半年，受国内有效需求不足和亚洲金融风暴的影响，中国金融形势持续恶化。为刺激需求和缓解通货紧缩压力，中国实施了一系列金融扩张性调控政策和金融改革措施，FCI 在 1997 年下半年开始逐步回升。但随着积极财政政策和货币政策的淡出，1999 年下半年开始，FCI 整体开始回落并在零线附近波动。从 2001 年下半年一直到2003 年股权分置之前，股票市场持续低迷，企业融资困难，金融状况趋紧。2003 年开
24、始由于银行信贷过度投放，中国出现了经济局部过热、物价上升的趋势，导致金融环境异常宽松。为杜绝金融系统出现严重隐患，中国采取了以控制投资过热为主要目标的各项宏观调控措施，并且随着 2004 年调控力度的加大，中国金融形势趋紧并一直持续到 2005 年末。2006 年至 2007 年，受股市繁荣的影响（我国股市于 2007 年 10 月 16日达到历史高点） ，中国 FCI 迅速上升直至达到顶峰。2007 至 2008 年，美国次贷危机爆发并很6快波及全球，中国 FCI 自 2007 年下半年起迅速下降，2008 末达到最低点，下降速度和幅度空前。为了应对此次金融危机，中国对宏观经济进行了重大调整
25、并推出了一系列扩张性调控政策，2009年 FCI 快速回升。随着经济的逐渐复苏，中国宏观调控从“积极”回归“稳健” ，并开始启动新一轮的金融改革，2011 年以后 FCI 明显回落至适度从紧的波动区间。可见，本文测算的中国金融形势指数很好地描述了中国金融环境的变化，可以作为分析中国宏观经济和金融波动态势的有用依据。对比美国 FCI 和金融形势的变动情况来看，1996 年上半年，美国银行业遇到消费者信用卡拖欠达历史最高水平、个人破产创历史最高等问题，整个银行业陷入严重危机。对此，银行业迅速反应，推出了提高信用卡发放标准等系列举措，信贷质量有所提高，FCI 在 1997 年初开始回升；1997 年
26、亚洲金融危机爆发并迅速蔓延，导致全球金融市场混乱，加上 2000 年美国 IT 泡沫的破灭以及“911”事件的影响，使得美国金融秩序无法迅速从危机中恢复。FCI 表现为自 1998年年底开始下降，并在 2001 年下半年之间一直维持在紧缩状态。随着恐怖事件和战争的停歇，政治和经济环境逐渐稳定，为金融形势的好转提供了客观条件，FCI 维持平稳并轻微上扬。为减轻股市泡沫破裂、恐怖袭击事件及华尔街会计造假丑闻的影响，美联储于 2001 年 1 月至 2003年 6 月之间 13 次降息并实现了 1958 年以来的最低利率水平，使得美国金融空前活跃并导致大量资金涌入房地产市场。但是在相当长的时间内却没
27、有回调利率，为金融危机埋下了隐患，2007年初，美国次贷危机正式爆发，伴随着次贷抵押资产的进一步恶化，次贷信用危机逐步发展为华尔街金融危机，引发全球主要股票市场的剧烈震荡，美国 FCI 降至历史最低点。为应对此次金融危机，美国相继通过了减税总额达 1680 亿美元的一揽子经济刺激法案 、推出 7000 亿美元“不良资产救助计划”的2008 年紧急经济稳定法案和增加财政刺激金额达 7870 亿美元的美国恢复与再投资法案 ，将救助资金用于注入资本金和购买不良资产的同时，接连下调联邦基金利率、运用再贴现政策工具增加流动性、启动存款准备金付息手段、创新非常规货币政策以及出台金融改革法案，金融形势于 2
28、011 年开始复苏至适度宽松区间波动。可见，美国 FCI 的变动情况与美国整体金融形势的波动现实相吻合，因而本文测算的美国 FCI 同样可以用于考察美国金融形势的波动态势。三、中美金融周期的波动特征及其协动性（一）中美两国金融周期的阶段划分对比中美两国金融形势指数发现，两者拐点和升降过程相继出现，具有较为相似的变动规律。为进一步考察两者的波动特征，本节将首先基于中美 FCI 对两国的金融周期波动进行阶段划分。由于美国 FCI 序列不够光滑且波动幅度较小，很难从其曲线图上直观观察到转折点，因此，本文统一采用 B-B 法 1对两国金融周期的峰谷日期进行判定，结果见表 2。表 2 中美金融周期波动的
29、阶段划分转折点谷 峰 谷扩张长度 收缩长度 周期长度1 B-B 方法的具体计算步骤详见董文权、高铁梅等编著的经济周期波动的分析与预测方法 ，吉林大学出版社，1998 年。7美国 中国 美国 中国 美国 中国 美国 中国 美国 中国 美国 中国1997.2 1997.8 1998.12 1998.8 2001.5 2000.7 22 12 29 23 51 352001.5 2000.7 2001.12 2002.2 2003.3 2002.7 7 19 15 5 22 242003.3 2002.7 2003.8 2003.8 2004.6 2005.4 5 13 10 20 15 33200
30、4.6 2005.4 2007.1 2007.8 2008.7 2008.8 31 28 18 12 49 402008.7 2008.8 2009.5 2010.3 2011.5 2011.7 10 19 24 16 34 352011.5 2011.7 2012.12 2013.6 2014.6 2014.6 19 23 18 12 37 35平均 15.7 19 19 14.7 34.7 33.7表 2 显示，1997 年以来，中美两国均经历了 6 轮完整的金融周期，每轮周期长度从 15 个月到 51 个月不等，中美两国金融周期的平均长度均为 3 年左右。相比之下，美国金融周期长度稍长于
31、中国，并且美国金融周期的峰和谷出现的时间大体上也都领先于中国。而两国 FCI 的时差相关分析结果也进一步表明，先行 3 期的美国 FCI 与中国 FCI 相关性最大（相关系数达到0.612） ，可见，美国金融周期波动整体上先行于中国金融周期波动 3 个月左右。更加值得注意的是，这种领先作用在金融危机期间尤为明显。这在一定程度上表明美国金融波动可能是引起中国金融波动的原因之一，因此中国密切监视美国及自身金融周期的波动态势，及时或前瞻性地采取防御措施，对于减缓金融周期波动、为经济发展营造平稳健康的金融环境是极为必要的。进一步地，比较中美两国金融周期不同阶段的持续时间可以发现，中美两国金融周期波动均
32、存在显著的非对称性特征。一方面，美国金融周期的平均扩张长度和收缩长度分别为 15.7 个月和 19 个月，具有“长收缩短扩张” 的非对称性特征；而中国金融周期的平均扩张长度和收缩长度分别为 19 个月和 14.7 个月相比，具有“长扩张短收缩”的非对称性特征。另一方面，中美两国金融周期的波动阶段同样存在非对称性，平均而言，美国金融周期的扩张阶段比中国金融周期的扩张阶段要短 3.3 个月；而美国金融周期的收缩阶段比中国金融周期的收缩阶段长 4.3 个月。由此可见，无论是对自身的扩张、收缩阶段进行比较还是对两国金融周期的扩张收缩过程进行横向对比，美国金融周期都表现出“长收缩短扩张” 的非对称性特征
33、，而中国金融周期则表现出 “长扩张短收缩”的非对称性特征。这种非对称性特征一方面可能是宏观经济调控政策和金融改革措施具有非对称性效力的结果，即美国扩张性政策对经济金融环境的调控效应比紧缩性政策更为显著，中国紧缩性政策对经济金融环境的调控效应比扩张性政策更为显著、时滞更短。另一方面也意味着，美国金融形势的波动具有缓慢收缩和快速扩张的特点，美国采取相应措施应对金融形势恶化时，比应对金融形势“过热”所具备的“提前期”更长；相反，中国金融形势的波动表现为快速收缩和缓慢扩张，中国防止金融形势恶化要比防止金融形势“过热”的任务难度更大、时间更为紧迫。因此对于中国的宏观调控和金融改革而言，一方面应注重提高扩
34、张性政策的实施力度和调控效果，增强对金融形势恶化的应对能力；另一方面应充分考虑政策调控的时滞，密切关注中美金融周期波动态势，在美国金融形势出现衰退特征时，提前采取防范措施，防止国际金融风险的冲击进一步加剧本国金融形势的恶化。（二）中美两国金融周期的协动性为考察中美两国金融周期的联动关系，本节进一步利用固定时窗的滚动相关系数对两国金融周期的协动性进行测算。具体地，在样本区间1, 2, T内给定时窗长度 m，将 t（m t T）时刻的中美两国金融周期协动性定义为 t-m+1 时刻到 t 时刻之间两国 FCI 的滚动相关系数，公式如下：8-0.20.0.20.40.60.81.01961982020
35、2042062082012012014图 2 中美金融周期的协动性（3） tmti tmti titi titiit IFCFCIIFCIR1122)()(_其中， ， ， 和 分别表示 i 时刻中国和ttiit II1ttiit I1iiI美国的金融形势指数。为防止金融周期波动的不同阶段干扰协动性的计算结果，本文结合前文中两国金融周期长度大致为 3 年的结论，将时窗长度 m 选择为 36 个月，利用（3）式得到中美两国金融周期的协动性计算结果，如图 2 所示 1。图 2 显示，中美两国金融周期的协动性自上个世纪末以来发生了显著变化。自上个世纪 90 年代中期以来，中美经济持续发展的同时，两国
36、的贸易关系和金融经济往来也开始进入快速发展时期。1997 年 10 月，中美两国发表中美联合声明宣布中美两国将加强合作，致力于建立面向 21 世纪的建设性战略伙伴关系，两国金融周期的协动性开始显著上升，特别是在亚洲金融风暴期间，两国金融周期表现出极高的协动性。随着中美经济关系日益密切，两国经济关系的失衡也逐渐加剧，不仅出现了美国巨额对华贸易逆差和中国巨额对美贸易顺差之间的贸易关系失衡，同时还表现出美国以股票投资为主的对华投资和中国以债券投资为主的对美投资之间的投资关系失衡。2001 至 2006 年之间两国金融周期协动性一直在较低的水平波动。随着中国经济逐步融入全球经济，并依靠出口导向型发展模
37、式实现经济腾飞。基于资源优势以及经济战略互补，中美两国商品市场和金融市场的依赖关系不断加深。全球金融危机时期，两国金融周期的协动性急剧上升并达到最大值点。危机爆发后，中国对美国出口规模大幅度下降，并且金融危机使得“美元陷阱”的严重性凸显，促使中国政府推进外汇储备多元化，有助于逐渐摆脱对美国金融市场的依赖。2010 年以来，中美经济“脱钩”特征显著，两国贸易联系和金融依赖性逐渐弱化，金融周期的协动性明显下降至相对较低的水平上下波动。可见，基于中美 FCI 之间的滚动相关系数，对两国金融周期协动性进行考察，不仅可以从整体上把握两国金融形势之间的联动关系，而且有助于深入分析国际金融风险的传导途径、进
38、一步提高对金融危机的预警和防控能力。1 需要注意的是，由于本文是基于过去 36 个月的 FCI 计算得到的滚动相关系数，因此每个时点上计算得到的协动性实际上描述的是最近 3 年来中美两国金融形势的联动关系。9四、中美金融周期波动的传导途径分析前文中分析表明，近年来中美两国金融周期的协动性发生了显著变化，特别是在两次金融危机期间，两国金融周期的协动性明显高于其它时期。这说明不同时期中美两国金融周期协动性的影响因素可能存在差异，金融风险在两国间进行传播的途径和驱动力也可能发生了重要变化。因此，实证分析不同时期不同协动性水平下中美两国金融周期协动性的主要影响因素存在何种差异，有助于进一步理解两国金融
39、周期波动的传导途径，为防范金融风险的传递冲击提出针对性的政策建议。理论上，金融基本面联系、双边贸易、宏观经济联系以及宏观经济政策的溢出效应都可能引起金融周期协动性的变化。为识别这些因素对中美两国金融周期协动性的影响，我们对各影响因素（解释变量）的选取和处理方式如下：首先，由于本文计算中美两国 FCI 时使用的 6 类金融指标中已经涵盖了对金融基本面和货币政策的描述，因此我们采用和上一部分中相同的做法，计算出中美 6 类金融指标之间的滚动相关系数（时窗同样选择为 36 个月） ，以衡量两国房地产市场、股票市场、外汇市场之间的协动性，以及中美货币政策的协调性。其次，对于中美宏观经济联系方面，我们选
40、择用两国产出缺口之间的滚动相关系数衡量两国经济周期的同步性，其中，产出缺口利用 HP 滤波方法从中美两国实际产出中分离得到。最后，我们选取中美两国双边贸易的滑动平均增长率（同样选择 36 个月作为计算时窗）作为描述贸易联系的代理指标。考虑到不同金融周期协动性水平下，中美两国金融风险传导途径和传导效果可能存在差异，本文选择建立包含两个门限的多元回归模型，以检验和分析高、中、低协动性水平下中美两国金融协动性与各影响因素之间的阶段相依性。由于中美两国金融周期协动性以及上述 8 个解释变量均反映的是过去 36 个月以来的“平均”水平，因而可以忽略变量间的滞后影响关系，直接建立如下形式的非线性多元回归模
41、型： （4）tiittiittiittt XDXDXFCIR 81281281 )()(_VFCIRDtt ,_,011 VFCIRtt 22_,0其中， 为前文中计算得到的中美两国金融周期协动性， 分别表示中美tIR_ ttX81,两国产出缺口、房价缺口、货币供给缺口、利率缺口、信贷缺口、汇率缺口、股价缺口的协动性（滚动相关系数）以及中美两国双边贸易平均增长率。虚拟变量 和 根据门限值 和 进tDt212行设定，其中 。因此，上述模型中的系数 、 和 分别表示中美金融周期协动性处21Viii于低、中、高水平时第 i 个因素的影响大小。由于模型中包含两个未知的门限值 和 ，本文根据中美两国金融
42、周期协动性的取值范围，1V2在考虑样本缺失的情况下，在 的范围内以 0.001 的步长循环进行最小二乘估7.0.0计，以模型的 R2 值最大为标准寻求出最优门限值 和 。模型各系数估计结31.586.02V果见表 3 中上半部分（模型一） 。表 3 模型估计结果10变量说明 产出 房价 货币供给 利率 信贷 汇率 股价 贸易123456780.113 -0.058 -0.287 0.068 -0.044 0.223 -0.195 0.517(0.096) (0.045) (0.146) (0.038) (0.045) (0.065) (0.079) (0.209)123456780.107 0
43、.218 -0.159 -0.155 0.327 0.626 0.212 -0.217(0.036) (0.05) (0.083) (0.066) (0.058) (0.084) (0.055) (0.187)123456780.042 0.256 0.337 0.21 0.441 0.002 0.634 0.021(0.062) (0.053) (0.046) (0.045) (0.05) (0.055) (0.046) (0.08)模型一R2=0.9088 Log L=218.5543123456780.114 0.116 -0.093 0.457 (0.022) (0.029) (0.0
44、43) (0.149)123456780.108 0.247 -0.142 -0.167 0.343 0.573 0.247(0.036) (0.043) (0.081) (0.065) (0.057) (0.07) (0.046) 123456780.262 0.347 0.226 0.423 0.651(0.04) (0.041) (0.038) (0.028) (0.028) 模型二R2=0.9053 Log L=214.9486注：变量说明是为了分析方便，对各系数对应的影响因素做出的简单描述；括号中标注的为系数估计结果的标准差；模型二是在模型一的基础上去除不显著变量后的调整结果。根据两
45、个最优阀值 0.310 和 0.586，可以将中美金融周期协动性划分为高、中、低三个区间，其中 1998 年 12 月-1999 年 7 月和 2001 年 6 月-2006 年 12 月属于低协动性区间，2000 年 2 月-2001 年 1 月和 2007 年 4 月-2012 年 8 月属于高协动性区间（如图 2 所示） 。我们发现，这三个区间所处的宏观经济和金融形势存在明显不同：低协动性主要集中于 2001 年至 2006 年期间，在经历亚洲金融风暴后，各国纷纷建立起各种风险隔离机制，以防范国际金融风险的传导影响；高协动性则主要处在亚洲金融风暴和全球金融危机时期，受到局部国家和地区金融
46、市场崩溃的影响，全球金融和经济形势均陷入低迷和混乱；协动性的“适中”区间则除了高低区间之间的过渡期以外，主要集中在后金融危机时期，全球金融危机的爆发，使美国政府意识到了全球经济失衡状态是不可持续的，并力求在全球范围内推动世界经济的平衡增长；而中国也开始更加注重多元化、均衡化的对外经济战略，中美双边战略的共识不仅在共同维护全球经济平衡上取得了初步成效，同时也在很大程度上改善了中美经济相互依赖的模式。从表 3 中列示的模型系数估计结果也可以看到，不同协动性水平下，各变量对中美两国金融周期协动性的影响存在很大差异。大体而言，协动性水平越高，两国贸易增长率和宏观经济周期同步性（产出缺口的相关性）所产生
47、的影响越小，而房价、股价、信贷和货币供给联动性增加对提高金融周期协动性的作用越大。考虑到模型中部分系数的估计结果显著性较低，我们进一步移除模型中不显著的变量后（在 10%的显著性水平未能拒绝系数非零的原假设） ，得到一组新的系数估计结果，如表 3 中模型二所示。从表 3 中模型二的估计结果来看，尽管在模型一的基础上移除了部分系数不显著的变量，但剩余变量的系数估计结果仍然与模型一的估计结果大体一致，并且模型的拟合优度也仍然保持在0.9 以上的较高水平。根据模型二的估计结果，我们可以对不同情况下中美两国金融周期协动性的主要影响因素做出直观的判断和比较。当协动性处于较低水平时（ ） ，双边310._tFCIR
