但是另一方面,人们也看到了,随着政府调控操作的持续和深入,调控效率也出现了种种不如人意的情况。无论是政府基本取向的调控,例如积极提高内需的增长拉动;还是针对部门领域的调控,例如控制房地产价格过高增长;抑或是货币工具的调控,例如提高利率控制投资过热趋势、调整汇率水平,等等,调控效率的到位水平都存在种种问题,有些政策甚至迟迟未能奏效。这是为什么呢?我认为,一个非常重要的原因就是宏观调控效率遇到了既定增长结构的刚性制约。这种增长结构制约就像一个屏障,把调控政策的可能性效率限制在一个相当有限的范围内。以下仅从四方面进行分析。
数据分析表明,国民收入的增长结构明显向工业企业利润和政府财政收入倾斜,居民收入项目的增长相对缓慢,这是一个对调控政策效率具有基本性制约的重要因素。
国民收入的增长结构,是影响和制约政府宏观调控的一个基础性因素。由此,我们选择了国民收入中具有代表性的三组重要项目:工业企业利润、中央财政和地方财政收入、城市单位报酬和城乡居民收入,对它们1998年到2005年的平均增长水平进行了综合比较。
统计数据显示,从1998年到2005年,我国国民收入的增长在不同领域呈现出明显的差异。这8年的平均年增长水平,工业企业利润的年均增长为30.5%,高居榜首;中央财政和地方财政的年均增长分别为18.6%和16.6%,也具有相当高的增长水平;城镇单位劳动报酬的年均增长为9.9%,远低于前两项的水平;城市居民和农村居民的年均收入增长分别为8.7%和4.6%,居于同期最低位。GDP的同期平均年增长为8.9%。从积累角度考察国民收入增长结构,这也同时可以显示为是社会财富的增长结构。
另一项有关对劳动所得在国民经济分配中比重的研究数据,也为上述状况提供了一种印证。这个研究数据表明,劳动所得在国民经济分配中的比重是持续下降的。1978年到1983年,劳动所得比重从42.1%上升到56.5%,之后从1983年到2005年持续下降,其中只在1993年到1996年中略有上升,2005年的比重为37%,比1983年下降了19.5个百分点。这项研究数据还显示出,同期内资本收入在国民经济分配中比重是持续大幅上升的。1978年,以经营盈余和折旧资本所得及生产税净额为代表的资本收入,在GDP的比例为57.9%,2005年上升到63.3%,加上其他因素,资本比重实际上升了大约20个百分点。
这种国民收入增长结构和社会财富积累增长结构的状况,首先决定了政府管理当局最希望“提高内需拉动”,即较大幅度提高社会消费对国民经济的增长拉力,是很难真正奏效的。1990年到2005年的15年间,国内投资率的年均增长为20.8%,同期消费率的增长只有4.1%。1980年―1990年,最终消费占GDP的比例为62%,之后逐步下降,2005年仅为52.1%。1991年,居民消费率为48.8%,2005年下降为38.2%。这种情况,显然是上述国民收入增长结构状况的必然结果。因为,维持宏观经济高增长的主导力量,肯定只能是投资而不会是社会消费。经济分析的基本学理告诉我们,拉动消费增长的第一个充分必要条件就是居民收入水平的增长状态,而可供分配的国民收入在一定时期永远是一个定量,当资本收入和政府财政收入增长大幅持续提高时,就决定了国民收入用于居民收入的增长不可能太多。
资本收入持续增长,特别是工业企业年均利润增长30.5%的高位水平(尽管不同行业表现出差别),也足以解释为什么货币当局屡屡用提高利率来抑制投资过快增长而屡屡收效甚微。在如此高水平的企业利润增长激励下,降低25个或27个基本点的利率调节,或者再高一点也罢,对企业投资冲动不可能起到具有实际约束力的降温作用。再者,反过来说,有这种高水平的利润增长激励,企业又有什么理由要紧缩自己的投资活动呢?
居民家庭收入的等级结构差异越拉越大,中等和中高收入层的收入持续高速增长、中低收入层的增长明显迟缓,这就使当前一些涉及消费活动的宏观调控政策左右为难。
从2001年到2005年,按照国家统计局五等份分组的城镇居民家庭收入增长统计:高收入、中高收入、中收入、中低收入和低收入的城镇居民家庭年均收入增长,分别为15.23%、11%、9.31%、7.83%、5.35%。在这里,不但高收入层和低收入层之间的增长差距有3倍之多,而且高收入、中高收入和中等收入三个阶层,同低收入和中低收入层的平均差距也相当明显。据有关方面统计,2006年中等收入的居民家庭在2006年的年平均收入已经达到47000元,低收入家庭只有13000元,相差3.62倍。这种情况告诉我们,在经济高速增长中,中高收入阶层的收入持续高速增长、中等收入阶层的收入持续较快增长、中低收入阶层则明显增长迟缓。
这种社会收入阶层的明显分化,常常使我们目前看到一些涉及消费活动的宏观调控政策左右为难,甚至进退维谷。这里仅以政府有关部门对房地产的管理政策为例。近年来国内商品房的价格水平快速增长,引起普遍关注。这里的原因当然很复杂,确有房地产企业高额盈利问题、市场操作失范问题、政府财政资源过分依赖房地产开发问题、境外热钱炒作问题,等等,但我的分析说明,对这种商品房价格高位增长的基本性支撑,可能还是来自市场内部的需求增长力量。以2004年和2005年为例,国内高档住宅和普通住宅的销售价格指数上升最快,两年平均售价增长9.75%和9%,但同时高收入、中高收入和中等收入家庭在2001年-2005年的平均增长分别为15.23%、11%、9.31%,仍然高于前者。这就提供了一个支持高增长价格买房的高增长收入群体,应当不存在买房基础的需求缺失的问题。这里的矛盾仅仅在于,中低收入和低收入家庭的同期收入增长只有7.83%和5.35%,完全不能适应房价高速增长。由此,政府限制房价增长就很难奏效,因为存在市场需求的基本支撑;政府用控制售房面积来满足大多数人住房需求的办法也很难奏效,因为只要还是市场性房价就不可能满足大量中、低收入家庭的住房需求。
国内三次产业的结构变化相当缓慢,第二产业仍然是高速增长的最强大支持,其产值比重甚至出现了稳中微升的状况,这就使加快转变增长方式的各项调控政策执行难度很大。
中国经济的高速持续增长主要依赖第二产业的强大支撑,这种基本增长格局不但没有改变,而且还有进一步稳定和强化的趋势。数据分析显示,进入新世纪的2000年到2006年,第一产业的产值比重是下降的,从2000年的15%下降到2006年的12%;第三产业的产值比重变动极小,2000年为39%,之后在3个百分点上下变动,2006年又回位到39%。第二产业的产值比重在2000年为39%,2001年和2002年下降了一个百分点,2003年之后逐步微升,2006年上升到49%。结论是,中国三次产业的产值结构变化甚微,第二产业的产值比重稳中有升,对经济高速增长继续起着主导性支撑的作用。
这种三次产业结构增长格局的基本状况,就可以在更深层的经济原因上解释,为什么政府宏观调控关于加快转变增长方式的各项政策,在执行力方面的难度很大。例如关于降低能耗和减少污染排放的政府调控目标很不理想,当然可以在法律法规、资源价格、生态补偿等方面找到原因,但是,在目前第二产业如此强劲的增长势头背景下,在目前第二产业的增长还需要依赖我们最重要的比较优势――主要不是依赖技术进步而是依赖资源产品、初级产品和廉价劳动力大量投入的情况下,以高耗能和高污染为特征的增长活动可能发生根本性的改变吗?再以控制土地开发政策为例,在第二产业的主导性产值拉动如此强大的吸引下,对土地资源的扩张开发必然成为地方政府(无论是东部地区还是中西部地区)拉动经济增长最有效的手段之一。
进一步的深入研究还会告诉我们,中国的工业化进程可能仍然处在急剧扩张性发展时期,由此,目前三次产业的增长结构或许并非是不合理的,人为的改变结构恐怕很难,问题在于我们怎样把这个过程的阵痛减少到最低限度。
既然增长结构已经成为影响宏观调控效率的一个重要制约因素,改进的思路就应是:在调控政策实施中考虑增加结构性操作;积极改变目前增长结构中不合理的东西。
任何政府的宏观调控操作,实际上都是在既定增长结构条件下进行的。当调控方向和工具的使用可以基本达到调控目标时,几乎可以不考虑增长结构的问题,但如果这种调控工具的选择和使用总是较多偏离调控目标,对增长结构的重新认识和由此考虑对调控方向和工具的使用进行新的选择,或者进行部分新的选择,就是一个应当认真研究的问题了。我认为思考当前政府的宏观调控操作及其效率,就已到了这样一个时候。
我们应当首先在政策实施中考虑进一步增加结构性操作的内容。例如利率工具的调控,如前所述,在工业企业利润高达30%的条件下,投资持续高速增长很难避免,不断微调利率的办法值得商榷,如果有针对性的提高产能风险大的部门利率,其他部门利率水平不变,效果可能更好。又如政府的房地产管理政策,也需要考虑进行结构性调整,既然高速增长的商品房价格有中等收入以上家庭的市场需求支撑,那么政府除了努力做好规范市场交易的法律法规外,市场房价变化似应不再纳入管理范围之内,政府的着力点应转而放在解决中低收入家庭的住房问题上。
【关键词】金融加速器 宏观经济波动 货币冲击
我国金融政策积极地保障了我国宏观经济的快速发展,对实体经济的促进作用也不断增加。随着我国经济的开放程度逐步提高,国际市场对我国经济的冲击不容忽视。通过本文的我国的金融加速器效应实证研究,具体计算出各个金融变量对我国宏观经济波动的影响程度,全面分析我国金融加速器的特征与规律。以上研究结果为我国制定和实施准确合理的宏观经济政策,促进我国经济增长提供了依据,具有较强的现实意义。
一、文献综述
(一)国外研究现状
Bagehot(1873)提出了银行信贷量是引发经济周期波动的一个重要的金融因素。Aftelion(1913)第一次提出了像这样经济冲击能够被加速和放大的状况。Haberler(1937)在对宏观经济波动周期的研究中,发现了金融市场中有可以放大冲击的效应存在。muelson(1939)提出了传统的金融加速器效应的观点,增加消费或投资对国民收入的提升有推动作用。Christiano等人(2004)估计了大萧条时期的美国的金融加速器效应。Jacobsen与Hammersland(2008)采用误差修正模型,对金融加速器效应进行了检验。Nadeau和Wasmer(2011)验证了在美国劳动力市场中存在金融加速器效应。Gatti和Gallegati(2012)建立了一个信贷网络,该网络包含了银行体系以及上、下游企业。
(二)国内研究现状
蒋冠(2004)在微观基础上,利用金融摩擦理论,分析了货币政策的传导机制。龚六堂和杜清源于震,刘森以及赵振全(2007)对我国金融加速器效应进行了验证。袁申国(2010)研究分析了我国不同省市的房地产信贷市场中的金融加速器效应的差异。崔光灿(2011)通过在BGG模型的基础上建立包含金融加速器的两部门动态宏观经济学模型研究了我国资产价格变动对我国宏观经济的金融加速器效应。汪川、周镇峰以及黎新(2012)在DSGE模型中引入金融加速器机制,分析了我国信贷因素对宏观经济波动的影响。
二、理论模型
非参数模型
设Y为被解释变量,X=(X1,X2,…,Xd)为解释变量,给定样本检测值,假定(Yi,Xi)独立同分布,建立非参数回归模型:
Yi=m(Xi)+σ(Xi)εi,i=1,2,…,n (1)
其中m(·)是未知的函数,m(Xi)=E(Yi|Xi),εi是均值为零,方差为1,且与Xi独立的序列,随机误差项μi=σ(Xi)εi,其条件方差为σ2(Xi)=E(μ2i|Xi)。
窗宽hn>0,核权函数K■(u)=h■■(uh■■),核函数K(u)?叟0。回归函数核估计的渐近方差随着窗宽减少而增大,渐近偏随着窗宽减少而减少。所以,非参数估计就是在估计的偏和方差中寻求平衡,使得渐近均方误最小,渐近均方积分误差,AIMSE=?蘩AMSE(x)dx,最小化渐近均方积分误差,得到最优的全局窗宽为:
h■=■n■ (2)
其中,A=?蘩■dx,B=?蘩2D■■(x)D■(x)f(x)■+trH■(x)■dx。
使得AMSE(x)最小的核函数为使式R■(K)μ■■(K)达到最小的核函数。
三、实证分析
金融加速器效应是一个复杂的系统,各个变量对宏观经济的影响既可能是线性的,也可能是非线性的。这时基于线性设定的回归分析模型可能存在较大误差。本文建立非参数模型来考察金融加速器机制中各金融变量对宏观经济波动的影响效应。
(一)变量选取与处理
本文中所采用的变量有:产出、消费、投资、价格水平、M1、M2以及金融机构贷款额。
(二)实证结果
1.货币市场冲击对宏观经济的影响。产出(GDP)分别对M1、M2的线性以及非参数回归结果如以下四图所示:
图1产出对M1的线性回归 图2产出对M1的非参数回归
图3产出对M2的线性回归 图4产出对M2的非参数回归
图1、3为产出对M1、M2的简单线性回归,图2、4为非参数回归。可以看出,非参数回归的拟合效果明显优于简单的线性回归,拟合值更接近于实际值,因此采用非参数回归方法能够得到更精确的回归结果。
非参数回归模型的斜率在不同的时点是变化的,因此以上非参数回归方程在每个时间节点都对应一个相应的斜率估计值。产出对各个金融变量的平均弹性系数的估计值。M1增长所导致的产出增加的弹性系数为0.4094,即在其他条件不变的情况下,M1增长一单位,能够导致产出增长0.4094个单位。而M2与金融机构贷款增长一单位,仅能分别带动产出增长0.0027和0.0050个单位。这说明在我国金融市场中,M1的变动对产出的影响最为明显,因此在制定宏观经济政策时应着重考虑M1因素,以更好的传导货币政策,保证产出的平稳增长。
2.信贷市场冲击对宏观经济的影响。产出、消费、投资以及价格水平分别金融机构贷款额的线性以及非参数回归结果如以下图:
图5产出对贷款的线性回归 图6产出对贷款的非参数回归
图7消费对贷款的线性回归 图8消费对贷款的非参数回归
以上图分别为产出、消费、投资以及价格水平对金融机构贷款额的简单线性回归,同样的,非参数回归的拟合效果更优于线性回归,其拟合值更接近于实际值,非参数回归方法能够估计出更为精确的回归系数。
以上四个非参数回归方程在不同的时间节点对应着不同的回归系数,我国信贷市场对宏观经济的影响较货币市场更低。信贷规模增加一亿,能够分别拉动产出、消费和投资增加0.0050、0.0021和0.1676个单位,而信贷规模增加一万亿,能够拉动价格水平增加0.0746个单位。因此,在促进我国宏观经济平稳快速发展的金融政策方面,应更多地考虑货币市场,特别是M1因素,而可以相对减少对信贷政策的依赖。
四、结论
第一,我国货币与信贷市场以及企业资产的变化能够通过金融加速器效应对宏观经济产生影响,其中,企业资产的影响作用较货币和信贷市场更为明显。政府部门在制定相关经济政策中应更多地考虑企业因素。
第二,在我国的货币和信贷市场变量中,其中M1对产出、消费以及投资的影响相对较大,金融机构贷款额对价格水平的影响相对较大。因此对M1的宏观调控应是我国货币政策中最先被考虑与重视的工具。
第三,我国货币、信贷市场以及企业因素对产出、消费、投资的影响相对较大,而对价格水平的影响很小。因此可主要通过对金融市场及企业资产的调控实现产出、消费以及投资的稳定增长,而不会使价格水平产生较大变化。
参考文献
[1]Bagehot Walter.Lombard Street:A Deseription of the Money Market[J].London:Henry S King Co,1873.
[2]Wicksell Knut.Interest and Prices.New York: Augustus M Kelley[M].1898:11-44.
[3]赵振全,于震,刘森.金融加速器效应在中国存在吗?[J].经济研究,2007,(6):27-37.
内容摘要:本文根据“十二五”规划纲要关于深化金融体制改革的要求,以保险业因素为切入点,探索宏观经济增长与保险业发展的动态关系,运用实际总保费收入和我国实际GDP数据对两者因果关系进行检验。结果表明,在我国两个宏观经济变量之间存在长期均衡关系,而保险业发展对经济增长有显著贡献,这与之前研究得出结论不一致。本文在此基础上总结了原因,提出了“十二五”期间相应政策建议。
关键词:保险 经济增长 协整 格兰杰因果
“十二五”规划纲要在有序拓展金融服务业与深化金融体制改革中,对保险业进一步发展提出具体要求,纲要强调“加强金融监管协调,建立健全系统性金融风险防范预警体系和处置机制,……强化保险机构的创新服务能力和风险内控能力,加强保险业偿付能力监管,深化保险资金运用管理体制改革,稳步提高资金运作水平”。
既有金融与经济增长间的研究主要集中在银行业方面,保险业与经济增长联系的研究相对较少,且多集中于理论探索,实证研究更少。在传统货币经济学理论中,银行作为流动性来源和货币政策传导机制的一环,对真实经济有深远影响。
然而保险作为特殊的金融中介,承担着风险转移分担功能,对于真实经济增长的影响同样不能忽略。本文研究结合当前中央工作重点,集中于我国的宏观实证数据,以期对我国保险业发展提供政策参考。
目前阐述保险业在经济增长中作用的主要研究成果认为,保险市场与宏观经济发展之间具有显著正相关关系,保险业是否能成为促进经济发展的因素与国别特征有关;现阶段我国保险市场功能的发挥受到约束条件的限制,保险业发展与经济增长之间具有长期均衡关系,但是在用名义值与实际值检验格兰杰因果关系的时候却发生了分歧:以名义值检验的结果表明经济增长是保险发展的格兰杰原因,但是反之不成立;而以实际值检验的结果说明两者之间互不为格兰杰原因。
考虑到保险业与经济的互动作用与监管环境、经济结构与文化形态有关,所以本文主要以我国为例,利用我国2000年第1季度-2010年第3季度之间的季度数据进行分析。
实证检验分析
(一)基本关系
1.保险业发展对经济的促进作用。保险的基本职能是转嫁风险和补偿损失,对于经济发展具有显著正外部性,能从投资主体和消费主体两个方面起到拉动内需的作用,保费提高还可降低逆向选择风险。
保险作为金融中介,通过影响资本积累提高金融市场的效率。Lemond(1994)认为,保险投资一方面提高储蓄向投资转化的规模,另一方面提高储蓄向投资转化的效率。Levine和Zervos(1996)则指出,保险通过资本积累使资金流动性提高,能够促进经济增长。
2.经济增长能够提高保费收入。消费方面,经济增长会带动消费增加。Outreville(1996)认为,GDP每增长1%,会带来超过1%的非寿险需求增长。根据马斯洛的需求理论,满足了基本生存需求后,保障性需求的增加会使人们更多的购买储蓄性保险产品。对生产方面来讲,GDP的增长会带动企业的新增投资,新增投资部分的保险需求会增加社会的保费收入。
3.我国保费收入同GDP的联系。饶晓辉、钟正生(2005)认为现阶段保险市场的发展并不是经济增长的原因,经济增长才是保险市场发展的原因。但从近年保险业市场迅速发展形势来看,我国保险市场正在逐渐发挥其转嫁风险和风险补偿功能,金融抑制现象也有所改进,社会主体在考虑消费和投资行为时会更多的考虑保险因素,因此,保险业发展对于GDP增长的正向冲击可能越来越明显。我国经济增长对于保险业发展的解释力可能依然较强。
(二)研究方法
本文涉及两个宏观经济变量,即代表保险业发展的总保费收入和代表经济增长的GDP,选取实证研究常用的VAR模型。下面是两变量的VAR模型简化形式:
y1t=α(L)y1t+β(L)y2t+ε1t
y2t=γ(L)y1t+θ(L)y2t+ε2t
本文涉及的两个宏观经济变量具有典型的非平稳序列的特征,需要先进行协整分析,VECM表达形式如下:
φ(L)Yt=C+AB`Yt-1+εt
协整关系分析要求样本量较大,因此本文利用2000年1季度-2010年3季度的实际总保费收入(PI)季度数据作为保险业发展水平的度量指标,利用同时段实际GDP季度数据(RGDP)来衡量经济增长的水平,共43个样本。
(三)模型检验
1.单位根检验。本文所有计量分析均使用Eviews6.0完成。由于是季度数据,设定最大滞后阶数为8,采用AIC信息准则确定最优滞后阶数。通过检验发现,两个序列都为非平稳序列,因此可以确定PI和RGDP都为I(1)序列。ADF检验结果如表1所示。
2.Johansen协整检验。通过单位根检验,确定PI和RGDP两个序列都为一阶单整序列,因此两者可能存在长期协整关系。获得协整向量的估计结果(即矩阵B`),得到均衡误差B`Yt-1,进一步得到VECM系统的估计结果。利用“Lag Order Criteria”来进行滞后期数的选择,结果显示所有信息准则和似然比率检验法均指向6,按照“多数原则”,协整分析应该建立在VAR(6)的基础上。在EViews6.0 VAR模型滞后期数的判断结果基础上,得出协整检验结果如表2和表3所示。
一般来说,迹统计量的结果更加可靠,因为迹统计量实际上是一个联合显著性检验。在10%的显著性水平下,迹统计量关于协整向量个数为零的原假设p-值相当接近10%,因此本文依然认为我国保险业实际总保费收入与GDP之间可能存在一种长期均衡关系。Johansen协整分析还得出了标准化的协整向量为B`=(1.000000,-1.139381),则两个变量之间的协整关系方程为:
PI-1.13938RGDP=0
(0.14272)
3.格兰杰因果关系检验。表4显示在10%显著性水平下,实际总保费收入是实际GDP的格兰杰原因,而实际GDP却不显著为实际总保费收入的格兰杰原因。利用2000年第1季度-2010年第3季度之间的样本数据得出的结论与以往的部分研究结果出现明显的不一致。
但RGDP对于PI的Granger casualty接近10%,同时RGDP对于PI的理论解释力较强,可以认为RGDP对于保费收入有一定的解释作用。而PI对于RGDP的Granger casualty在5%的水平下依然显著,可以认为PI对于RGDP有明显的正向促进作用。
4.向量误差修正模型。由于前面进行了Johansen协整检验并且得出了一个协整向量,因此可以建立误差修正模型来观察当PI与RGDP之间的这种长期均衡关系发生偏离时,两个变量如何对其进行反应。下面是根据Johansen协整分析所得出的结果:
PIt=-0.290967zt-1+ε1t
(0.12117)
RGDPt=0.227861zt-1+ε2t
(0.12885)
这表明,在RGDP的t期不变情况下,PI在t期变化消除前一期29%的非均衡影响;在PI的t期不变情况下,RGDP在t期变化增加前一期22.8%的非均衡值。
结论
GDP和保费收入两个经济变量都是一阶单整过程,即保险业的发展和国内生产总值都具有持久上升发展趋势。协整关系分析说明PI和RGDP之间存在明显协整关系,长期均衡关系大致为实际GDP每变动一个单位,实际总保费变动1.14个单位。随后进行的格兰杰因果关系分析表明PI对于RGDP的解释作用明显,而RGDP对于PI也有一定的解释力。
保险业的健康发展对于宏观经济的持续增长有着重要的意义。结合保险业发展历程以及新一轮五年规划期间(“十二五”规划)对保险业的具体要求,总结出以下政策建议。
第一,加大整体政策上对保险业的关注与支持,建立健全保险体系。由于保险业的发展和国内生产总值都具有持久的上升发展趋势,国家对保险行业的政策支持,有利于社会资本和财富面临的风险得到释放,投资和消费将得到更强的信心支撑,也利于充分发挥保险业的金融中介功能,发挥经济增长对于保费收入增加的显著积极作用,与宏观经济的增长形成良性循环。
第二,积极拓宽保险服务领域,鼓励发展适合投保人需求的多样化险种,满足市场需求。既然格兰杰因果关系分析表明实际总保费对于实际GDP的解释作用明显,那么宏观经济增长与保险服务领域拓宽带来的保险业务量增长具有重要的因果关系。
“十二五”规划强调,要发展责任保险、信用保险,开拓巨灾保险,借鉴成熟保险市场的经验,探索新的发展形式。同时理性处理政府与市场定位,充分发动政府普及保险知识的作用,利用财税优惠政策鼓励投保;在市场方面,可以通过联合基金等形式,将商业保险机构与政府资金通过资本市场结合起来,增强抵御风险的能力。
第三,促进保险体制创新,推动保险业务改革。目前保险体制更新较慢,保险业务形式不够新颖,阻碍保险业务的拓展,对宏观经济产生了不利作用。
我国目前五大传统社会保险正在不断完善,但存在社会保险资源分配不均等困难。保险体制优化与创新,一方面应该依靠政府自上而下同一管理,改变政策统筹不够全面的局面;另一方面也应该加强商业保险思想在社会保险制度中的作用,灵活运用社会保险执行方式,加大保险制度建设的激励。
第四,强化保险业风险控制能力,从保险机构自身风险内控和外部监管体制优化这两方面入手,提高保险机构的资金运作水平。协整关系分析说明RGDP与PI的长期均衡及其逆向解释同时成立,那么保险机构资金运作水平的提高对于保险业整体风险的控制,以及整个宏观经济的稳定也具有关键作用。
保险机构自身风险内控可以从保险风险证券化入手,提高保险风险的量化能力与精算水平,合理厘定费率、建立准备金。
《国务院关于保险业改革发展的若干意见》(2006)为我国保险业的发展提供了重要理论基础,随着保险业的金融深化,政府应该通过总结这一进程中新的问题,进一步强化银监会等职能部门的本职功能,覆盖更为广泛的保险监管体系。
综上所述,过去十年间保险业的发展已经为我国宏观经济增长产生了一定促进作用。根据以上分析和我国宏观经济持续向好的形势,保险业也将得到进一步的规范与发展。“十二五”规划期间,将是我国宏观经济面临重大挑战的五年,保险作为重要的金融因素,其健康发展对宏观经济有着重要的作用,本文通过计量分析与政策解读,提出政策建议作为参考,不足之处还望指正。
参考文献:
1.饶小辉,钟正生.保险能否促进经济增长―基于中国的实证分析.上海经济研究,2005(12)
2.Goldsmith Lemond,1994,Financial Structure and Development,Yale:Yale University Press
3.Levine, R.,S. Zervos,1996,“Stock Market Development and Long-Run Growth”,World Bank Economic Review 10
4.Outreville,J.F.,1996,“Life Insurance Markets in Developing Countries”,The Journal of Risk and Insurance
5.Patrick,H.,1996,“Financial Development and Economic Growth in Underdeveloped Countries”,Economic Development and Culture Change
关键词:利率期限结构 宏观经济因素 货币政策
一、引言
利率期限结构是指在某一时点上,不同期限资金的收益率与到期期限之间的关系,它反映了不同期限的资金供求关系,揭示了市场利率的总体水平和变化方向。随着我国金融市场化改革的推进,金融市场对外开放程度的不断加深等原因,利率作为金融市场上最重要的价格变量及货币当局制定和执行货币政策的主要观测变量,其在金融市场上所起的杠杆功能显得日趋重要。
对于利率期限结构的理解长久以来都是金融家和宏观经济学家研究的主题,但是,二者的研究存在一定的区别。一方面,金融家主要集中在有价证券利率的预测和定价上,并没有指明利率期限结构与其他经济变量之间的关系。另一方面,宏观经济学家专注于理解利率、货币政策和宏观经济基本面的关系,为了了解它们之间的关系,他们往往信赖“预期假说”,而不管其贫乏的实证记录。结合这两条线的研究似乎是富有成效的,因为两种方式都有潜在收益(Hordahl等,2006)。
因此,本文的目的是通过借鉴国内外学者将利率期限结构与宏观经济进行联合研究的成果,从金融学和宏观经济学的角度审视利率期限结构,以此加强对利率期限结构的理解。本文主要包括加入宏观因素的利率期限结构模型,利率期限结构与单一宏观经济变量的关系,以及利率期限结构与宏观经济关联性的研究。
二、加入宏观经济因素的利率期限结构模型
传统的利率期限结构模型主要是针对期限结构本身的研究,没有考虑宏观经济因素对利率期限结构的影响。随着利率在宏观经济中的重要性日益突显,人们开始重视利率期限结构中包含的宏观经济信息,并尝试将宏观经济变量引入利率期限结构模型,发现在模型中加入宏观经济变量后,对利率变动的解释度显著增强(Kozicki和Tinsley,2001;陈哲,2008)。
1.国外研究现状
泰勒规则和新凯恩斯理论的提出,引发并促进了加入宏观因素的利率期限结构模型,即宏观-金融模型(Macro-finance Model)的研究。Kozicki和Tinsley(2001),Ang和Piazzesi(2003)首次在期限结构模型中加入宏观经济变量并证明这样做是合适的。Ang和Piazzesi认为宏观经济变量对收益率起到重要的解释作用,这些变量在期限结构模型中能改善其预测效果,在这一开创之作后,宏观-金融模型得到了更多学者的关注并不断被修正和发展。
Hordahl等(2006),Rudebusch和Wu(2008)将期限结构模型追加到新凯恩斯宏观模型中。Hordahl等构造了一项完全基于宏观经济因素的动态期限结构模型,模型包括通货膨胀率、产出缺口和短期利率三个关键的宏观经济变量,考虑了短期利率到宏观经济产出的明确反馈。Rudebusch和Wu的建模与前者类似,他们均在建模过程中将定价核心看做是外生决定的,但二者都在供给和需求方程中添加了带有几分任意性的滞后结构。
由于大多数的宏观模型中的关键变量是通货膨胀、产出缺口和短期利率,但是由于这类模型的过度简化揭示了非常有限的有关货币权威性和私下部分(private sector)的信息量。众所周知,货币政策的运行环境是需要大量的数据的,所以,通货膨胀、产出缺口和短期利率难以充分地预测货币政策未来的表现。因此,Bekaert等(2010)完善了带有无套利仿射期限结构模型的结构化新凯恩斯宏观经济框架,与前面所提研究不同,除了通货膨胀、去趋势化的产出和短期利率以外,他们在潜在的宏观模型中引进了两个不可观测的变量——随时间变化的通胀目标和输出的自然增长率,构建了一个五因素的清晰的结构化模型,促成了期限结构动力的一个有意义的经济解释。
此外,学者通过不断修正和完善,将宏观—金融模型进行拓展。例如,achter和Iania(2011)通过引入额外的流动性相关和回归预测因素,扩展了仅包含标准宏观经济因素的基准宏观-金融模型,模型在使用横截面数据修正收益率曲线上,显著优于Dew大多数的结构性和非结构性宏观-金融收益率曲线模型。Benchimol和Fourcans(2012)遵循新凯恩斯主义动态随机一般均衡框架,提出并测试欧元区的模型,特别强调了风险规避和货币的作用。Dewachter等(2012)开发了空间向量自回归模型,在模型中同时考虑了经济冲击的时间和空间维度,通过这一框架来分析欧洲地区通过宏观经济冲击(通货膨胀,产出缺口和利率)的空间和时间进行的传播。
2.国内研究现状
与国外相比,国内对于利率期限结构的研究起步较晚,因而有关宏观-金融模型这一领域的理论及建模方面的研究还较缺乏,新起的研究都是基于国外学者的理论及模型框架上进行的。
朱波,文兴易(2010)根据宏观经济结构和微观金融模型的结合方式,对国外新近的宏观-金融模型进行区分,主要分为仅在仿射期限结构模型的基础上增加宏观经济变量的简约型宏观金融模型,以及对利率期限结构和宏观经济变量之间的相互影响进行了考虑的结构化宏观金融模型两种类型。沈根祥,闫海峰(2011)也是在国外文献的基础上,按照利率期限结构模型的因子来源将其分为内基模型和外基模型。其中内基模型的因子不可观测,其经济含义往往难以解释,而外基模型中的因子为宏观经济变量,模型具有明确的经济含义。
孙皓,石柱鲜(2011a,2011b)首次使用宏观-金融模型进行实证研究,但他们并没有构建新的模型,而是基于Oda和Suzuki(2007)的模型框架,先是对我国利率期限结构动态过程中的时变宏观经济风险价格进行定量估计,随后探讨了我国货币政策对利率期限结构的影响。
三、利率期限结构与宏观经济因素的关系
利率期限结构中包含了宏观经济的信息,同时,宏观经济因素会对利率期限结构产生一定的影响。学者们主要从以下两个方面来探讨利率期限结构与宏观经济因素的关系。
1.利率期限结构与单一宏观经济变量的关系
目前,研究宏观经济所涉及的范围已经相当广泛,主要包括生产、消费、投资、经济增长、通货膨胀、货币供给等。本文通过对相关文献进行梳理,选取了最具有代表性的三个宏观经济因素,分析了近年来国内外学者对利率期限结构与它们之间关系的研究情况。
(1)利率期限结构与通货膨胀的关系。利率期限结构包含通货膨胀的信息(Mishkin,1990a,1990b;Fama,1990),对通货膨胀具有一定的预测功能(Ang等,2006),李宏瑾,钟正生,李晓嘉(2010)通过对中国银行间市场国债利率期限结构进行研究,发现中国短期利率期限结构(特别是中短端)包含了未来通货膨胀变动的信息,可以作为预测变量用来判断未来通货膨胀走势。
但是,不同学者关于利率对通货膨胀的预测功能的研究结果并不一致。Ribba(2011)通过将预期通胀对利率冲击的瞬间响应限制到零,发现短期名义利率不能作为通货膨胀的预测器来解释,至少不是长期预测器。陈鹏,徐炜(2009)则认为10年期与7年期利率差对未来3个月的通货膨胀预测能力最强,利差增大预示着未来的通货膨胀率增大,而陈红霞等(2011)表明市场利差与未来通胀存在长期协整关系,对未来通胀具有持续显著的负效应。
除了能够对通货膨胀进行预测功能外,利率与通货膨胀之间还存在相互作用和影响。Yuksel和Akdi(2009)就探讨了不同通货膨胀对美国利率不确定性测度的影响,脉冲的不确定性对短期和长期利率有负面影响,而结构的不确定性对短期和长期利率有正面影响。Tillmann(2011)在新凯恩斯主义菲利普斯曲线框架内,根据货币传导成本渠道,评估了利率对通货膨胀动态的影响,研究表明,更高的利率转换成更高的边际生产成本,并最终成为更高的通货膨胀。Hagedorn(2011)根据理性预期和全可信度下的标准新凯恩斯主义货币模型预测,名义利率应该下降以实现低通货膨胀目标,而实际利率大致维持不变。Ehrmann等(2011)使用高频率债券收益率数据来研究欧元区的通胀预期,发现更低的长期利率,更高的稳定性,以及更好的锚定反应,能够大幅增加长期通胀预期的锚定。Wright(2011)提供了期限溢价,通胀不确定性和二者关系的跨国实证证据,这些证据表明长期通胀率在很大程度上可以对收益率曲线斜率向上进行解释。
(2)利率期限结构与实际经济增长的关系。关于利率期限结构与宏观经济的联系,早在Estrella和Hardouvelis(1991)就通过美国季度数据,证明10年期和3个月期的国债收益率之差能够很好地预测未来的消费、投资和产出情况。Haubrieh和Dombrosk(1996)通过研究说明利差对GDP增长也有很好的预测作用。国内对这方面的研究起步较晚,学者通过实证研究结果表明,我国利率期限结构对宏观经济走势具有一定的预测能力(孙皓,石柱鲜,2011),利率期限结构是宏观经济波动态势的“指示器”(孙皓等,2012)。
于鑫(2008)认为长短期利差对我国未来经济变化具有一定的可预测性,但利差的边际预测效果较差。况山(2009)研究发现银行间市场不同长短期利差结构对宏观经济景气一致指数的预测能力不同。其中,2年期国债利率与同业拆借1天的利差对一致指数解释力度较强,且一致指数与利差呈负相关关系系,利差越大,未来10个月的一致指数越小。陈鹏,徐炜(2009)则认为10年期与3年期利差对经济增长的预测能力最强,利差增大预示着未来经济的增长。此外,利率期限结构对还能对经济周期波动进行预测,孙皓,石柱鲜(2011)研究表明,我国利率期限结构变动能够较为稳定地指示未来3个月的经济周期波动状态。
最新的研究由Favero等(2012)等做出,他们提供了一个统一的状态空间模型框架,用来分析无套利和大型信息集的预测功能,发现非套利模型在较短的期限较短的范围内更有用,大型信息集则在较长的范围和较长的期限内更有用;收益率曲线模型可以利用宏观经济变量来预测宏观经济。
(3)利率期限结构与货币政策的关系。大量文献都表明利率期限结构与货币政策之间存在密不可分的联系。利率期限结构中蕴含着货币政策信息(徐小华,何佳,2007;郭涛,宋德勇,2008),通过利率期限结构的变化,中央银行可以获得金融市场对未来通货膨胀以及利率变化的预期信息,从而制定合理的货币政策。同时,货币政策可以通过它的具体操作和传导机制对利率期限结构产生一定的影响(Dai和Philippon,2006)。另外,贾德奎(2010)还从货币政策透明度角度上进行研究,发现提高货币政策透明度更有利于引导市场预期和形成稳定合理的利率期限结构。
不同期限利率受货币政策的影响不同,货币政策对我国短期利率的影响要远大于对中长期利率的影响(刘海东,2006)。货币政策对期限结构不同因子的影响效果也具有显著差异,孙皓,石柱鲜(2011)表明货币政策作用下,利率期限结构水平和曲率因子减小,而斜率因子增大。在货币政策的宽松期和紧缩期,面临货币政策从紧的冲击,水平因子的响应分别为正向和负向,而斜率的响应均为负向;当货币政策由宽松期转向紧缩期时,水平因子变大,斜度变小(潘敏等,2012)。但是沈根祥(2011)的研究指出,货币政策和利率期限结构之间的短期动态影响表现出非对称性,即债券市场对货币政策变化的反应较为迟缓,但货币政策对市场利率的变化反应敏锐。而长期均衡关系则表明,货币政策对银行间债券市场利率期限结构有显著影响,但银行间债券市场对央行的利率调控目标不敏感,不能形成明确预期。
2.利率期限结构与宏观经济关联性的研究
除了分别研究利率期限结构与通货膨胀、宏观经济或货币政策等宏观经济因素的关系外,国内外学者也尝试着探索利率期限结构与多种宏观经济因素间的动态关系,从整体上分析它们之间的关联性。胡雪琴,陈勇(2010)采用主成分分析法构建我国国债市场的三因子动态模型,分析利率期限结构、货币政策和宏观经济三者的关系。Reschreiter(2011)研究货币政策制度的转变对英国实际利率、通货膨胀目标的影响,结果表明随着货币政策改变为通货膨胀目标制,实际利率的均值回归水平下降,实际利率的波动性也降低了,实际利率偏离均值的持久性则增加了。Orphanides和Wei(2012)则探索了宏观经济结构对利率期限结构的影响,表明实际GDP增长、通货膨胀和名义短期利率的递归估计的VAR产生与调查预测更为一致的预测。
宏观冲击对利率期限结构的影响也引起学者的关注,但宏观冲击对不同期限利率产生的影响存在差异,货币冲击、供给冲击和价格冲击对短期利率具有持续显著的影响,而对长期利率则没有显著作用(刘金全等,2007)。同时,不同类型宏观冲击对利率期限结构的影响也不一致,于鑫(2009)认为利率的水平因子受价格水平的影响最大,货币政策变化主要引起倾斜和曲度因子的变化,但季绍波等(2010)则认为货币政策主导水平因子变化,实际经济变化才是倾斜和曲度因子变化的主要原因。孙皓,石柱鲜(2011)模拟了宏观经济对利率期限结构的冲击效应,认为宏观冲击长期对利率期限结构的整体水平具有明显影响,而对坡度的影响仅在短期内有效。
四、研究评述和未来研究展望
论文摘要:各方面的经济运行数据和宏观调控政策的结果都显示当前我国经济总体上增长势头出现了放缓和下行现象,目前宏观经济运行中的通货膨胀压力依然很大。本文首先通过相关数据总结和分析了我国宏观经济运行的总体状况,接着对当前经济增长趋势放缓下行的驱动因素进行了分析,并同时分析了通货膨胀和未来的物价走势,最后分析预测了未来宏观经济的基本走势及其相应的宏观调控政策的任务。
一、我国宏观经济的总体状况
目前我国宏观经济的总体状况呈现出增长势头放缓、经济下行的压力比较突出。2010年我国gdp的增长速度为11.7%,2011年为10.4%,2012年上半年为8.2%,2012年1至5月份的外贸出口同比增长为8.7%,离全年增长10%的既定目标还有相当长的距离,固定资产投资增长幅度为20.1%,和2011年最后4个月相比有较大幅度的回落,房地产市场的成交总量有了一定的上升幅度,但总体上看在建房屋开工量和土地交易总量还没有走出低迷状态,股票证券市场出现大幅度下挫,上证指数在2200点持续徘徊,市场信心不强,社会商品零售总额较去年同期相比增长幅度有限,显示出居民消费的无力和内需的乏力。
二、当前经济增长趋势放缓下行的主要驱动因素分析
当前宏观经济总体呈现增长势头放缓和下行的主要因素有下面几个方面:
(一)投资增长速度下降
中国经济的波动主要取决于投资。前几年经济过热的时候也是因为投资过热。现在经济趋于放缓,经济增长速度进入下行趋势,主要原因也是投资处于下行趋势。投资下行带动工业产出的增长速度相对也比较慢,也在放缓。现在一般为15%、16%,过去都是18%、19%这个幅度。
目前名义的投资增长速度26%,扣除10%左右的投资品价格指数,现在全国的投资增长速度只有16%左右。15%左右的投资增长速度是比较正常的,如果投资增长速度能保持在15%到20%之间,那么在中国目前阶段来讲这是比较正常的增长速度。但是问题是投资增长速度正在持续下降。现在沿海地区投资的增长速度确实比较低,上海的名义投资增长速度1%,如果扣除了价格指数就是负的。
(二)出口乏力对外贸易增长放缓
我国的外贸顺差从2005、2006年以来一直攀升,2010年达到最高,其中经常项目的顺差占gdp的比重是11%,这对于一个像中国这样的大国来讲是一个非常高的比重,美国的逆差通常是5%、6%,我们的顺差是11%。在这么高的水平上现在开始下降,今年上半年比去年同期下降了12%。如果按照全年平均下降12%来算,去年我们是2,700亿的外贸顺差,那么今年仍有2,300亿左右的外贸顺差。仍然是一个很高的水平。外贸顺差减少,主要是因为出口增长速度放缓,进口增长速度提高。
(三)当今经济增长放缓是宏观调控作用的预料之中的结果
中国2009-2012年上半年以来的一切政策、一切调整就是为了使经济增长速度放缓一点。近几年gdp的增长速度一度接近12%,这样的增长速度是不可持续的。如果不把这个过热的趋势抑制住,将来可能会出大问题。所以这两年一直采取了各种措施控制投资、出口,就想把这个增长速度放缓一点。因此现在的增长速度放缓是我们希望看到的事情,是宏观政策调控的目标。因此目前经济增长放缓很正常,否则就意味着过去采取的措施都是无用的。
以外贸为例,目前外贸出口确实在下降,但是这些年的所有外贸出口政策的调整就是想让外贸出口减少一点。从汇率变化情况来看,人民币现在累计升值21%,再加上我们的通货膨胀率比美国高一点,加在一起人民币兑美元实际升值将近30%,我们采取这样的升值措施使很多出口企业都感觉到很大的压力,使得外贸出口放缓。从货币政策的调整来看,采取了一系列紧缩货币政策,同时还采取了各种办法减少外贸顺差的做法,降低出口退税、采取一些产业政策,限制“三高一资”,也是为了把外贸生产降下来,特别是降低对美国的贸易顺差。这些年这么大的外贸顺差,导致了外汇储备的大幅增长。外汇储备现在是18,000亿美元,按照这个速度今年年底将达到2万亿美元。外汇储备不断增多,国内央行需要不断发人民币,导致国内流动性过剩,还容易引起资产泡沫,容易引起通货膨胀,因此又采取各种措施回笼资金,这一系列问题都是因为外贸顺差增速过快。所以采取那么多的措施贸易顺差的增速才减少到12%,应该说也是正常的。
三、未来宏观经济走势及相应的宏观调控政策分析
我国宏观经济在面临放缓和下行压力的同时,其总体走向还是向好的因素多,总的经济面应该是向好的。和那些出现问题的经济体相比,中国经济的基本面确实还不错。比如说越南,越南是连续7年财政赤字,去年财政赤字达到了gdp10%左右。而中国是财政顺差,财政增长速度今年上半年30%以上。中国货币供给的增长速度,保持在相对稳定的水平上,17%左右,没有像过去的出现的40、50%的情况。我国的贸易仍然是顺差,顺差仍然是太多,外汇储备仍然是大幅度的增长。给定这些基本面的数据,而且该调整的东西调整,因此笔者认为中国经济不会出大事儿。
宏观调控政策制定中要充分考虑到政策的滞后性注重具体操作细节的技巧性。这个滞后性可能导致最终各种政策的叠加和累计效果过大。因为政策效果具有滞后性,政府出台一个政策没有马上的反应,再出台一个政策。这个部门出台政策了,没什么效果,那个部门又出台一个政策,每个部门又追加了一个政策。所有政策加在一块最后起作用了,可能发现作用是不是过大了。所谓的叠加累计效应,有没有可能发生呢?有可能发生。至少对于某些部门和行业有可能发生。
参考文献:
[关键词] 高速公路 经济因素 交通量增长 预测模型 蒙特卡罗
交通量是决定高速公路项目经济效益的核心内容。国内外很多学者都做过相关研究,国内学者对交通量的预测大多数采用了神经网络预测方法。这种方法是在分析影响某条高速公路所在地的国道、县道等历史数据的基础上进行的。一些学者也利用影响交通量的其他因素直接对交通量的大小进行估计。分析过程中很多不确定因素只能依靠预测者的主观猜测,因此,找到影响交通流量的宏观经济因素是十分必要的,而得出一种基于宏观数据的准确预测模型更是迫在眉睫。
一、影响交通量增长的经济因素
目前,国内外学者普遍认为影响高速公路交通量增长有两个方面的因素:一是收费公路本身的一些物理参数(比如:隧道和桥梁的数量,这一地区受洪水、山崩等的倾向);二是国家的经济指标或者地区的经济指标。
Matas(2001)的研究模型是建立在1981年~1998年的72条公路的数据的基础上回归而得出的。Matas利用GDP作为国家经济指标进行研究。他的研究显示交通量变化的百分比直接受国家经济指标变化的百分比影响。与他的研究相符和的是,一些学者利用地区经济指标的变化量作为影响交通量的变量。影响交通量的地区经济指标包括:失业人口,就业人口,失业率,工资,零售量,税收收入,CDP和人口数。
Ash and Bazile 在2004年做过的相关研究显示:在发展中国家,长期的交通量增长近似等于经济增长的水平。而Matas的研究结果显示影响交通量变化的最显著因素是地区经济变量中的失业人口。因而,本文的选取地区生产总值,地区人口总数,地区失业人口作为影响交通流量变化的经济因素。
二、交通量增长预测模型
1.回归预测模型预测模型
本文利用的回归方程模型为:
Yit=β0+β1iEIt+μit
其中Yit表示在第t年,高速公路的第i段交通量增长的百分比。
EIt表示第t年,经济指标的增长百分比。
μit表示误差项。
回归选定的经济指标因子包括:GDP,地区人口总数,地区失业人口数,分别用这些经济指标的年变化百分比进行计算。
2.数据的选取与回归结果
交通量的数据是建立在1996年~1999年西安―宝鸡高速公路的10条支线,1997年~2000年杭州―宁波(杭甬)高速公路的5条支线,2002年~2005年京津塘高速公路的38条支线的基础上。各个经济指标的数据是在分析各条支线所属市的基础上。利用的统计年鉴包括河北经济年鉴2003、河北经济年鉴2004、河北经济年鉴2005、河北经济年鉴2006、中国分县市人口统计资料2003、中国分县市人口统计资料2004、中国分县市人口统计资料2005、中国分县市人口统计资料2006、河北经济年鉴2003、河北经济年鉴2004、河北经济年鉴2005、河北经济年鉴2006、河北省2003年各市生产总值及指数统计。
回归结果:
a.Predictors:(constant),X2,X1
b.Dependent Variable:Y1
a.Predictors:(Constant),X2,X1
b.Dependent Variable:Y1
a.Dependent Variable:Y1
回归的结果显示,影响中国高速公路交通量增长的经济指标包括:地区失业人口和地区GDP,地区人口总数为不显著因素,回归方程为:
Y1=-0.023X1+0.867X2+0.086
其中Y1表示支线交通量的增长百分比,X1代表地区失业人口变化百分比,X2表示地区GDP变化百分比。
本文的研究结果是对Ash and Bazile在2004年做过的相关研究的一种验证,与其得出同样的结论:在我国(发展中国家),长期的交通量增长近似等于经济增长的水平。
3.蒙特卡罗模拟
蒙特卡罗(Monte Carlo)方法,是一种基于“随机数”的计算方法。它实质上是利用服从某种分布的随机变量来模拟现实系统中可能出现的随机现象。通常使用专门的风险分析工具来进行Monte Carlo模拟分析。利用蒙特卡洛进行交通量预测的步骤如下:
(1)确定影响交通量增长的表达式,在上节中已经回归出Y1=-0.023X1+0.867X2+0.086这一方程。
(2)分析确定方程中各个风险因子的概率分布模型。
(3)应用计算机软件产生各个风险变量的随机数并带入风险模型中计算出预测年度交通量增长的幅度。
(4)重复模拟100000次,求得100000个值。
(5)对这100000个值作概率统计计算出其概率分布曲线。
三、案例分析
1.预测参数
以福建省某条高速公路项目为例,对该项目某年的交通量增长进行预测。利用福建省1995年~2006年的失业人口数据(来源于《福建统计年鉴1998》、《福建经济与社会统计年鉴2006(劳动就业篇)》)进行分析,确定失业人口增长百分比近似服从正态分布,分布函数为:N(0.0764,0.141)。利用福建省1952年~2006年的地区生产总值数据进行分析,结果显示福建省地区GDP增长百分比服从正态分布,分布函数为N(12.9,4.6)。
2.分析结果
根据影响因素的概率分布,利用分析软件,得到福建省某条高速公路交通量增长曲线,见下图:
可见该条公路年交通量增长最大可能在6.22%~16.98%之间,在这个增长幅度内的概率为82%,而且这条高速公路交通流量增长近似服从正态分布。
本文通过回归首先指出了影响中国高速公路交通流量增长的经济因素,最主要的是地区生产总值和地区失业人口,长期的交通量增长近似等于经济增长的水平,进而得出中国高速公路交通量增长的预测模型,并给出了蒙特卡罗方法在交通量增长预测中的案例。试图从客观的角度和量化的角度出发,得出中国高速公路交通量增长的一般预测方法。
参考文献:
[1]Matas,Anna,2001,The demand elasticity on tolled motorways, University of Barcelona, Department of Economics,1~25
[2]陕西省高速公路建设集团.西安至宝鸡高速公路后评价总报告,2002
【关键词】中部地区 招商引资 宏观经济
中国实施中部崛起战略,中部地区通过扩大招商引资来促进经济增长是必然选择。国内外宏观经济的变化影响中部地区招商引资,简单来说,中国持续向好的宏观经济形势能够激励投资者的投资冲动,有助于招商引资。但是现实中,宏观经济的变化是复杂的,对于不同地区的影响需要具体分析。
一、国际金融环境方面
1、美国次级债导致的金融危机
美国次级债导致的金融危机爆发,直接或间接投资于“资产证券化”了的次级抵押贷款的金融机构,都被卷进了这场危机。这场危机造成全球性的发达国家经济增速放缓。从这点上来看,短期将造成中国吸引外资的下降。但是长远来看发达国家为应对危机而采取的降息等措施以及美元的持续贬值,推动人民币对美元加速升值,由于中美利率倒挂,投机资本涌入中国。就是说,如果不发生全球范围的经济衰退,从发达国家到中国的资本转移趋势不会改变。
2、美元贬值和人民币升值
根据毕马威日前的2008年全球主要工业国家企业经营成本竞争力排名,受美元持续贬值影响,美国企业成本竞争力大幅提升,从前一次的第七位跃升至第三位。美国企业成本竞争力提升,一方面可以吸引资金流入美国。另一方面,美国企业也可以争回一部分市场,改善美国长期以来的贸易逆差。去年,美国对中国贸易逆差达到了创纪录的2560亿美元。相对应的,人民币升值后,中国的竞争优势亦减弱,部分出口企业已经承受很大压力,这是中国决心改善与美国等西方国家贸易失衡、经济失衡的代价。幸好人民币升值也能有助解决中国经济过热问题,包括抑制输入性通胀,减低国际游资对人民币升的预期,减少游资涌入中国带来资产价格上升、流动性过剩等压力。目前中国经济增长出现增速降低,防止经济过热的宏观经济目标已经调整为保证发展的目标;美元小幅反弹,相对人民币小幅升值,但是长期来看,人民币还是升值趋势明显。由于人民币对美元存在稳定的升值预期,这对外资引进将产生正面影响。
二、中国区域协调发展政策
近年来中央政府相继实施了西部大开发、东北振兴和中部崛起发展战略,一个重要的目标就是缩小省际间差距,促进区域协调发展。对于中国中部地区来说,现在和东部沿海地区有区域差别性税收优惠政策有以下两条:《中西部地区外商投资优势产业目录》中的外商投资优势产业可享受减免进口设备关税和进口环节增值税、购买国产设备全额退还增值税等有关优惠政策;2007年5月11日财政部联合国家税务总局实施《关于印发的通知》,在中部地区26个工业基地城市的相关产业购买固定资产等相关支出进项税额可抵扣企业新增增值税。尤其是后者,意味着对相关产业新设立企业来说,项目投产几年内增值税都得到抵免,大大降低项目前期的投资风险。这个政策含金量足,将对中部地区针对相关产业工业项目的招商引资产生强有力的推动作用。
三、宏观经济调控政策
2008年年初中央政府提出要把防过热、防通胀当做宏观调控的首要任务,即所谓“双防”目标。2003年下半年以来的中央政府宏观调控政策进一步趋严。国务院8月27日向十一届全国人大常委会第四次会议提交的报告《关于今年以来国民经济和社会发展计划执行情况的报告》中指出,下半年将把保持经济平稳较快发展、控制物价过快上涨作为宏观调控首要任务,把抑制通胀放在突出位置。在这样的宏观调控目标背景下,宏观调控政策整体对于中部的投资来说是不利的。但是由于宏观调控进一步促使沿海地区产业税收、人力资源、土地、能源等综合成本上涨,外资西进、内资西移的产业转移趋势进一步加快,对中部地区招商引资呈现有利的一面。
1、宏观调控的财税政策
长期以来,为了增强对外商投资的吸引力,我国将优惠政策作为吸引外资和鼓励出口的重要手段。现在财税政策调控的主要结果是减少了吸引外资的政策。
(1)企业所得税“内外资两税合一”。
2007年3月份,第十届人大五次会议审议并通过了《中华人民共和国企业所得税法》,该法案将统一内外资企业所得税待遇,实行25%的所得税税率,虽然外商投资企业名义税率由33%降低到25%,但考虑到在实际操作中大多数外资企业享受24%和15%两档优惠税率,以及“两免三减半”(从赢利年度起,第一年到第二年免征企业所得税,第三年到第五年减半征收企业所得税)的待遇,统一所得税后外资企业的实际税赋会略有提高,而内资企业税赋降低。外资新批生产型企业的“两免三减半”的盛宴结束了。
(2)出口退税调整。
2007年6月18日,财政部和国家税务总局联合发文《关于调低部分商品出口退税率的通知》取消了553项高能耗、高物耗和资源性产品的出口退税,降低了2268项容易引起贸易摩擦的出口商品的出口退税率,其中有10种由出口退税改为免税。这降低了出口企业的收益,影响出口导向型的新增投资,尤其是加工贸易产业。
2、宏观调控的要素供给政策
(1)紧缩货币政策。
2007年央行五次调高利率,十次提高存款准备金率,同时发行特别国债回收流动性,堪称紧缩创纪录。2008年截至6月又六次提高存款准备金率,达到17.5%。在2007年12月份的中央经济工作会议上,政府将对货币政策的态度由谨慎转为从紧。根据国务院总理在2008年3月两会上所作的政府报告,中国政府将继续实施从紧的货币政策,并有可能进一步加大紧缩。同时外汇流入管制力度空前,任何外汇进来都要严格检查是否“热钱”,包括外商直接投资。紧缩货币政策明显降低新增投资增速。在宏观调控目标调整的背景下,2008年8月初,货币政策微调,央行允许全国性和地方性商业银行分别调增信贷额度5%和10%,并明确将新增贷款用于支持中小企业发展。2008年9月,存款准备金率、一年期人民币贷款基准利率下调。
(2)土地调控政策。
2004年,国家对省以下土地实行垂直管理,将省以下的土地审批权限、国土部门的人事权限统一集中到省级国土部门;2006年7月13日出台《国务院办公厅关于建立国家土地督察制度有关问题的通知》,国务院授权国土资源部对各地政府土地利用和管理情况进行监督检查,这标志着中央土地垂直管理体系正式建立。2006年9月5日,《国务院关于加强土地调控有关问题的通知》出台,着重针对地方政府在违规用地方面缺位、土地出让补偿不到位等问题,并要求建立工业用地出让最低价标准统一公布制度。国家将根据土地等级、区域土地利用政策等,统一制定并公布各地工业用地出让最低价标准。工业用地必须采用招标、拍卖、挂牌方式出让,其出让价格不得低于公布的最低价标准,不得以各种形式给予补贴或返还。该通知还规定,农用地转为建设用地,必须符合土地利用总体规划、城市总体规划、村庄和集镇规划,纳入年度土地利用计划,并依法办理农用地转用审批手续。土地利用年度计划指标逐年由中央政府下达到省政府,省政府再下达到市政府,市政府下达到县区。2006年12月27日,《全国工业用地出让最低价标准》实施,对全国工业用地实行分级管理,确定最低出让价。2006年12月31日,《国务院关于修改的决定》实施,外资企业不再减免城镇土地使用税。以上政策都增加了建设项目的土地成本和行政审批时间,外资企业增加了土地税收负担。
(3)劳动力政策。
2007年6月12日,劳动和社会保障部《关于进一步健全最低工资制度的通知》,进一步健全了最低工资制度,推动和落实了最低工资的指导制度。2007年6月29日,全国人大常委会第二十八次会议通过《中华人民共和国劳动合同法》,于2008年1月1日起施行,进一步规范了企业的用工行为。这些法律和政策从某种程度上提高了企业用工的门槛,提高了劳动力这一要素的成本。
3、宏观调控的行政手段
(1)项目行政审批趋严。
凡是涉及到需要到国家部委审批的大项目,有越来越严格的趋势。新修订的《公司法》《公司登记管理条例》于2006年1月1日起正式施行,4月,商务部等4部委又联合下发了《关于外商投资的公司审批登记管理法律适用问题的执行意见》,对外资登记文件和程序、监督管理等方面进行了规范,客观上给外资企业的设立、审批、登记造成了一定的困难和障碍,项目推进被大大延时。不仅如此,为了限制外资热钱进入房地产业,单独对外商直接投资房地产作了特殊规定。2006年7月11日,建设部等国家六部门联合下发《关于规范房地产市场外资准入和管理的意见》(建住房[2006]171号),对外资房地产企业的设立和管理提出资本金比例、结汇、土地取得等作了严格规定。2007年5月23日,商务部和外汇管理局又出台了《关于进一步加强、规范外商直接投资房地产业审批和监管的通知》,让新批外资房地产公司基本失去可操作性。同时,所有由地方部门审批的外资房地产公司必须上报商务部备案。2007年11月7日,国家发改委、商务部联合颁布《外商投资产业指导目录(2007年修订)》指出,我国将继续限制外商投资于高档宾馆、别墅、写字楼和国际会展中心的建设、经营,外商投资土地成片开发则必须与内资企业合资、合作。《目录》还指出,新增对外商投资房地产二级市场交易及房地产中介或经纪公司的限制,同时,将“普通住宅用地开发建设”鼓励投资类别中删除。
(2)环保审批趋严。
建设项目的环评审批制度早已有之。
2006年7月31日国家环保总局组建华东、华南、西北、西南、东北5个环境保护督察中心和上海、广东、四川、北方、东北、西北6个核与辐射安全监督站共11个地方派出执法监督机构,直接由国家环保部门垂直管理。2007年7月12日,国家环保总局、中国人民银行、中国银监会联合出台《关于落实环境保护政策法规防范信贷风险的意见》,对不符合产业政策和环境违法的企业和项目进行信贷控制,以绿色信贷机制遏制高耗能高污染产业的盲目扩张。把信贷手段与环保行政手段组合使用,也说明宏观调控的一个方向就是组合政策。2008年两会上形成决议为国家环保总局升格为环境保护部。环境保护行政部门前所未有地呈现出强势。
(3)行政检查。
垂直管理的土地部门和环境保护执法监督部门,近期经常性启动自上而下的土地和环保大检查活动,也可以看作是宏观调控的行政手段。
四、中部地区招商引资对策简议
关键词:后金融危机 宏观压力测试 向量误差修正模型
中图分类号:F830.2文献标识码:A 文章编号:1006-1770(2010)011-022-05
引言
根据国际货币基金组织(2004)的定义,压力测试是指评估金融体系承受“罕见但是仍然可能”的宏观经济或金融市场波动冲击能力的一系列方法与过程。根据关注范围的不同,压力测试可以划分为宏观和微观两类。宏观压力测试由于能模拟潜在金融危机等极端事件对银行系统稳定性的影响,在实践中得到迅速推广。国际货币基金组织和世界银行(2006)于亚洲金融危机后联合推出银行部门评估规划(FSAP),首次将宏观压力测试方法作为衡量银行系统稳定性分析工具的重要组成部分。
Erlenmaier(2004)和Gersbach(2005)利用宏观经济模型RIMINI对总体审慎指标的趋势与发展进行预测,并且建立了评估贷款违约率的宏观信贷方程。Froyland和Larsen(2002)利用宏观经济模型RIMINI对银行不良贷款在宏观经济波动情境下进行了压力测试。
虽然国际上宏观压力测试已成为政策当局分析银行稳定性而广泛使用的工具,但国内宏观压力测试尚处在推广初期。陈华、伍志文(2004)运用1978年-2000年间的数据对中国银行体系脆弱性状况进行了量化分析,结果发现宏观经济变量是宏观经济政策影响银行稳定的传导路径。徐光林(2008)利用线性压力测试模型,分析GDP增长速度和CPI同时发生不同程度恶化对我国银行业资产规模增长速度的影响。华晓龙(2009)通过假设情境法进行宏观压力测试,定量分析宏观经济因素波动对中国银行体系不良贷款率的影响。
目前,全球由美国次贷危机引发的金融危机进入到实体经济受到巨大冲击的后金融危机时代,世界经济存在着很多的不确定性和不稳定性,全球经济下我国宏观经济亦不可避免的受到多方面的冲击。因此,如何识别潜在的宏观系统性风险对银行系统稳定性的影响受到越来越多的重视。我国宏观经济运行有许多不同于发达市场经济的特点,能否寻求一种不严格依赖经济理论、从数据变化中寻找规律、把握动向的宏观压力测试方法,是具有现实紧迫性的课题。本文在借鉴国际经验的基础上,结合中国国情,提出基于向量误差修正模型(VECM)的宏观压力测试模型,定量评估分析宏观经济因素波动对我国银行系统稳定性的影响,对防范和化解银行体系系统性风险具有重要的现实意义。
一、 宏观压力测试原理
宏观压力测试通过宏观压力情境的构建,预测极端但可能发生的宏观经济变动对银行系统稳定性的影响。如图1所示,宏观压力测试过程主要包括三个步骤:首先,定义压力情景及强度,选择能够体现宏观经济风险的主要因子;其次,构建宏观经济因素的关联关系,确定压力情景下各宏观经济变量取值;最后,建立风险因子与内部因素的冲击路径。
(一)定义压力情景
压力情景的定义方法有历史情景法和假设情景法两种。近二十年来中国的经济环境主体上还是呈良好的上升趋势,缺乏较严重的经济衰退或压力事件。因此,本文采用基于假设情景法进行情景设定。
1.定义压力情景因素
基于国内外实证研究及数据可得性,本文选取中国国内生产总值(GDP)增长率、消费者价格指数(CPI)、1年期银行机构人民币贷款基准利率(IR)等三个宏观经济变量作为外部宏观经济因素,选取商业银行贷款不良率作为内部因素,即衡量银行系统稳定性的指标。本文选取上述四个指标1996年-2009年季度历史数据进行分析,并采用PBC版X-12-ARIMA1年季节调整软件剔除时间序列数据的季节因素影响。
2.设置压力测试强度
选择实际GDP增长率作为主因素,根据实际GDP增长率历史数据拟合Beta分布,确定它在三种不同宏观经济衰退情景的取值,代入压力测试情景设置模型,确定其他宏观经济因素取值。
参照FSA压力情景设置标准,以所拟合的Beta分布上1/10分位数数值(6.69%)、1/25分位数数值(5.87%)、1/100分位数数值(4.89%)表示实际GDP增长率在温和、严重、极端宏观经济衰退情景下的取值,其发生概率分别是10年一遇、25年一遇、100年一遇。沈利生(2000)认为现阶段我国 GDP 潜在增长率为 8.6%,2009年四季度我国 GDP 增长率为10.7%。因此,设定GDP在温和、严重和极端压力情景下取值为7%、6%和5%。
(二)宏观压力测试情景设置模型
Sims(1980) 提出了使用模型中的所有当期变量对所有变量的若干滞后变量进行回归,用于相关时间序列系统的预测和分析随机扰动对变量系统的动态影响,构建非结构化的多方程模型(VAR)。它不带有任何事先约束条件,将每个变量均视为内生变量,避开了结构建模方法中需要对系统中每个内生变量关于所有变量滞后值函数的建模问题,它突出的一个核心问题是“让数据自己说话”。
大多数情况下,经济变量各自均为随机游走时间序列。而长期来看,两个或两个以上经济变量之间的线性组合可能是平稳的,即它们之间存在某种确定的变化比例关系,这时称两个或两个以上经济变量之间存在长期均衡关系。经济变量之间的长期均衡关系由于其他因素的影响在短期内可能出现失衡状态,如果能从动态角度将它们之间的短期变动行为和它们之间的长期关系联系起来考虑,分析结论会更具针对性。Johannes(1991)提出向量误差修正模型(VECM)引入了协整关系方程的误差项反映这种短期波动向长期均衡稳定关系修正的机制。因此,本文在向量自回归模型(VAR)的基础上,构建宏观经济变量VECM模型(1)确定各变量之间的联动关系。
计算自回归模型残差协方差矩阵S,对协方差矩阵进行柴可夫斯基分解。选择主因素y1,t,如,实际情况下选择GDP作为主因素,给定某宏观风险因素的压力值,代人基于向量自回归模型第一个方程反解出残差项m*1t,产生由伪随机残差m*1t以及蒙特卡洛模拟产生的其他两个标准正态分布随机数m*2t,m*3t组成的向量r=(m*1t,m*2t,m*3t),将m=r*A代入向量自回归模型,计算出压力情景下其他变量值。重复此过程,计算足够次(大于100万次)蒙特卡洛模拟下的变量值,然后求平均值作为压力情景下宏观因素取值。
(三)压力测试传导机制
本文借鉴Wilson(1997)研究框架中关于宏观经济因素和贷款违约率之间的非线性关系设定,使用Logit模型将贷款违约率转化为宏观综合指标Y,以指标Y作为因变量与宏观经济因素进行多元线性回归分析,以更好地利用各宏观经济指标所提供的信息。
t= 1, 2 ……N (2)
NPL代表主要商业银行贷款不良率,Y为反映银行体系违约概率和各宏观经济变量关系的“中介指标”,利用历史数据进行模型估计,通过处理的贷款不良率值代人式(2)就可以得到估计的综合指标Y的估计值。
1, 2 ……N(3)
式(3)反映了Y与宏观经济因素之间的传导关系。考虑经济变量之间与商业银行不良率之间可能存在协整关系,若对非平稳序列进行差分,用差分后的序列建模,但差分往往使数据中包含的长期调整信息丢失,忽略了变量水平之中包含的信息。本文对具有协整关系的序列算出误差修正项,并将误差修正项的滞后一期看作一个解释变量,连同其他反映短期波动关系的变量一起,从而能够反映这种短期波动向长期均衡稳定关系修正的机制,构建宏观经济因素X1、X2……Xm与银行贷款不良率Y的传导关系(3),在执行压力测试的时候,将压力情景下宏观经济变量值代入估计出的式(3)就可以得到压力情境下的Y,代入式(2)就估计出了压力情境下银行系统不良率。
二、 构建宏观压力测试情景设置模型
(一)变量平稳性检验
由于虚假回归问题的存在,所以在进行动态回归模型拟合时,必须先检验各序列的平稳性。本文用扩展的单位根检验法(ADF)对数据进行平稳性检验,检验结果如表1所示,GDP、CPI、IR的ADF序列在95%的置信水平下都是非平稳的。进一步检验显示,上述三个序列的一阶差分序列,即DGDP、DCPI、DIR至少在95%的置信水平下都是平稳
的。
(二)建立VAR模型
由于三个变量都是一阶单整序列,可以建立VAR模型。首先,需要确定VAR模型的滞后阶数。参考赤池信息准则AIC、施瓦茨准则SC,以及极大似然估计量,可以从统计意义上,确定模型的最优滞后阶数,结果如表2所示,从统计意义上,最优的滞后阶数为1阶。从经济意义上考虑,压力测试需要考虑银行在经济衰退情景下一年内每个季度的表现,因此将VAR模型的滞后阶数设置为4阶。
滞后期数为4阶的VAR模型估计结果如下:
(三)建立VECM模型
在VAR模型的基础上进行Johansen的多元协整检验,判断多元变量间是否存在协整关系。表3列出Johansen多元协整检验的临界值和似然比率。
由表3可知,在5%的显著水平下存在一个协整方程。协整方程为:
令误差修正项为:
VECM模型估计结果为:
(四)Grange因果关系检验
为了确定变量之间的相互关系,对变量进行Granger因果检验。如表4所示,在5%的显著水平下,滞后阶数为1和2时,GDP是CPI、IR的Granger成因,CPI是IR的Granger成因;滞后阶数为3时,GDP是IR的Granger成因。
(五)压力情景设置
将GDP在三种不同程度(温和、严重,以及极端)的宏观经济衰退情景的取值,代入VEMC压力情景设置模型,即可确定CPI和利率在相应宏观经济衰退情景下的取值。由于模型所基于的宏观因素数据为季度数据,因此,需要确定实际GDP增长率在每个季度的施压路径。徐光林(2008)假设宏观因素指标呈指数增长或下降,具体形式如下:
其中,K表示施压路径的总季度数,i 的取值从1到K,b为总冲击量。a 为待定参数,其计算公式为:。计算出压力情景下各季度GDP取值,代入VECM模型,获得压力情景下各季度其他宏观经济变量取值。
三、 构建宏观压力情景与银行不良率的传导机制
(一)模型变量的单位根检验
在建立长期均衡模型之前,必须对各序列进行单位根检验,以判断各序列的平稳性,ADF检验结果如下表所示,模型相关变量都是I(1)过程,即一阶单整的。
* 对于Y而言,其0.01和0.05相应的临界值分别为-3.83和-3.03。
(二)协整检验
金融危机发生后,国家出台对应政策促进经济增长,减少
金融危机对我国实体经济的影响,2008年第4季度我国商业银行不良率相比于2008年第3季度有较为大幅度的下降。这段时
期不良率与宏观因素之间的关系不反映它们长期均衡关系,另外我国利率还没有完全市场化。因此,选取2005年第1季度和2008年第3季度数据构建商业银行贷款不良率与GDP,CPI之间的协整关系:
对残差项进行单位根检验,T统计量p值为0.02说明残差项在95%置信度是平稳的,说明上述协整关系成立。
(三) ECM误差修正模型
上述分析已证明,不良率与GDP和CPI之间存在(1,1)阶协整关系,将回归方程的残差作为误差修正项,可建立的误差修正模型。在建立误差修正模型之前,加入了哑变量,以反映金融危机期间外部政策的作用,误差修正模型形式如下:
四、 结论与建议
理论上,在经济衰退时期,银行不良率会升高。但是,在经济衰退时期,也可能出现其他因素,缓和银行不良率的上升。缓和不良率上升的因素包括以下货币政策和财政政策两方面。货币政策方面表现为在经济衰退期,国家往往会调低贷款利率,加大货币供给量,这些政策使得银行不良率倾向于下降。如2008年金融危机的影响显现后,央行自2008年9月以来9次调整利率水平;财政政策方面表现为经济衰退期,国家加大财政支出来促进经济增长,减少金融危机对我国实体经济的影响。如这次金融危机背景下我国政府出台4万亿投资拉动内需、十大产业调整振兴规划等政策。
因此,本文不仅分析理论压力情景下商业银行不良贷款率的变化,也分析实际上国家采取应对政策进行调控下商业银行不良率的变化,我们设计了三个压力情景:压力情景下国家保持货币政策和财政政策不变;压力情景下国家保持货币政策不变,但不采取应对的财政政策进行调控;压力情景下,政府应对的采取货币政策和财政政策进行调控。
情景一:假定在经济衰退期,利率水平保持不变,政府不采取类似于次债危机期间的管控手段(即将哑变量设置为0),结果显示随着经济衰退程度的加强,银行不良贷款率升高的幅度增大。
情形二:假定在经济衰退期,利率水平保持不变,政府采取2008年-2009年金融危机时期的管控措施(即将哑变量设置为1),结果显示随着经济衰退程度的加强,银行不良贷款率的水平值不断上升。由于政府的管控措施,在经济衰退情景下,不良率水平相比当前时点,出现下降。
论文关键词:宏观经济环境;资本结构;调整速度;非平衡面板数据
在调整速度的众多影响因素中,宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas0.Cook(2009)分别采用两阶段和综合两种动态部分调整模型,考察宏观经济环境对调整速度的影响,发现在宏观经济繁荣时调整速度较快。原毅军,孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关,与通货膨胀率,实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究,结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进,基于部分调整模型,用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。
一、研究模型与变量设计
1.研究模型
接受Nerlove的部分调整模型(partialadjustmentmode1)的构建思路,构建下面的资本结构部分调整模型(1)
其中,和分别表示公司i在第t年末的最优资本结构和实际资本结构。为调整系数,表示在一个年度内公司的资本结构向目标水平调整的快慢,并间接反映调整成本的大小。
根据屈耀辉(2006)等人的研究,目标资本结构可表示为公司特征向量与行业特征向量的线性函数
其中是影响公司目标资本结构的一组相关变量,和分别为行业和时间虚拟变量。
将(2)式带入到(1)式整理得到本文的回归模型(3)式
2.变量设计
(1)资本结构变量。本文分别使用账面资产负债率和市场资产负债率两种资本结构进行研究。
表示账面资本结构,市场资本结构。表示长期负债,表示短期负债,表示账面总资产,表示流通股账面价值,表示流通股市场价值。
(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究,本文选用的公司特征变量包括:公司规模(SIZE),用主营业务的自然对数表示,目前公司规模与资本结构的经验研究没有得到一致结论;资产有形性(TANG),用固定资产除以总资产表示,经验研究表明有形资产的比率与资产负债率正相关;非债务税盾(NDTS),用固定资产折旧除以总资产表示,经验研究研究发现非债务税盾与资本结构负相关;公司成长性(GROW),用托宾Q值表示,公司成长性对资本结构的影响目前还没有定论;公司盈利能力(PROF),用息税前利润除以总资产表示,公司盈利能力对资本结构的经验研究也没有得到一致的结论;税收因素(TAX),用所得税除以利润总额表示。考虑行业特征因素,用行业资产负债率平均值(HAB,HAM)表示。
(3)宏观经济变量。仿照Douglas0.Cook(2009),本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是,l3年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分,每个部分分别按照GDP增长率的二分位数再进行划分,将样本分成四个部分。取GDP增长率最小的三年1998~2000定义为为宏观经济环境衰退;取GDP增长率最大的三年2005~2007定义为宏观经济环境繁荣。
二、样本选取与估计方法
选择沪深两市1996~2008一般上市公司的数据,不包括金融上市公司,剔除PT,ST公司。经过数据整理,获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中,模型右边包含因变量一阶滞后变量,采用动态面板数据的G删估计方法,把模型(3)右边所有变量的二阶滞后变量作为工具变量。
三、实证结果分析
模型(3)的回归结果如表1
注:括号里的数据是T检验值,表中***、**、*分别代表在1%,5%以及10%的显著性水平下显著