宏觀經濟數據范文
時間：2023-03-14 04:59:24
導語：如何才能寫好一篇宏觀經濟數據，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
9月宏觀經濟數據令人期待。首先，9月CPI到底是向下、持平還是反彈，是判斷下一步政策會否放松、何時放松的重要信號。其次，9月工業增加值是延續下滑勢頭，還是在定向寬松政策刺激下企穩甚至回升，是考驗決策者對經濟增速下滑容忍闕值的重要依據。總體而言，我們認為9月CPI通脹率將與8月持平，增長仍會在緊縮政策調控下繼續溫和放緩。
CPI不會反彈，PPI明顯下行
從總體上看，今年8月CPI同比和PPI同比與7月相比均有小幅回落。就9月食品價格而言，估算各品種的環比價格，雖然仍是漲多跌少，漲幅最大的是蔬菜，平均漲幅達8-9%；其次是雞蛋，漲幅達到3%；最后是食用油，也有2%左右漲幅。而下跌品種主要為水產品和水果，但跌幅不大。就9月工業品出廠價格而言，煤炭價格有所上漲，而化工產品、水泥、有色金屬價格有所下跌，但漲跌幅均不大。因此，我們認為，9月食品價格周環比漲幅明顯高于8月，預計9月CPI不會回落，而會與8月持平于6.2%。
最近3月PPI同比之所以保持在7%之上，主要是因為去年同期PPI環比曾明顯通縮，留下了很低的基數。未來幾月，隨著基數效應的過去PPI將會明顯下行。我們預計9月PPI為5.8%。
投資總體穩健，經濟溫和放緩
預計9月社會消費品零售總額同比降至16.5%，這部分是因為高通脹之下居民消費意愿的持續走低。預計前9月固定資產投資增長保持穩健，增速微降至24.7%。原因是，短期內相應的項目審批沒有出現松動，整體基建增速還將持續回落。房地產銷售面積增速持續低迷，地產資金鏈繼續惡化，雖然保障房具有一定的對沖效果，但整體房地產投資可能出現快速回落。
由于商品房銷售增速保持低位，基本電器的農村普及性需求高峰已經過去，新增的家電家具等更新需求相對偏弱，我們預期社會零售總額的真實增速略有小幅回落，9月社會消費品零售總額同比增長16.5%。
制造業投資繼7月明顯下滑后再度回升。9月匯豐中國制造業PMI初值較8月小幅回落，已連續三月位于榮枯分界線之下，顯示緊縮政策對經濟增長的制約效應在逐漸顯現。因此我們預計9月規模以上工業增加值同比增速將下滑至13.3%。預計3季度GDP同比增速降至9.1%。
信貸投放回歸常態，貨幣增速繼續走低
最近數月央行信貸投放持續向2006-08年的“常態”節奏回歸，我們預計9月新增人民幣貸款5500億元。由于監管層對商業銀行資金的監管趨于嚴格，預計9月M2增速會繼續走低至13.0%。
政策變化的時間窗口或在11月中央經濟工作會議前后打開，如果經濟硬著陸，可能采用積極財政和適度寬松貨幣政策組合，政策將向戰略性新興產業、水利建設、民生和消費傾斜。如果經濟軟著陸，則積極財政、穩健貨幣政策將貫穿四季度，但在資金緊張的中小企業和政策支持的水利建設等方面或實行定向寬松。
進出口均將明顯回落
出口方面，歐元區經濟持續低迷，美國經濟復蘇依然疲弱，雖然新興市場國家增速相對較高，但難以抵消發達國家經濟下滑對國內出口的沖擊，預計9月出口將環比下行，同比增速降至22%。進口方面，國內整體需求仍處于下降通道，企業補庫存動力偏弱，即國內偏緊政策基調未變，預計8月進口也將環比下行，同比增速降至22%。估計9月貿易順差為206億美元。
篇2
重陽投資認為，11月中國經濟運行平穩，工業增加值同比增長10.0%，CPI同比增長3.0%，出口增速升至12.7%，1-11月投資增速小幅回落至19.9%。前瞻的看，當前房地產和基建投資增速仍然處于較高水平，將對后續的工業生產構成支撐，經濟有望保持平穩。具體來看，有以下四個方面的特點：
1、固定資產投資增速小幅回落。1-11月固定資產投資同比增長19.9%，11月單月增長17.6%。分行業來看，房地產和基建仍然是投資增長的主要引擎，11月房地產開發投資和基建投資分別同比增長22.0%和24.2%，增速較10月加快6.9和8.2個百分點。此前三個月增長較快的制造業投資增速在11月降至14.1%，表明在企業盈利能力較差、利率高企的情況下，制造業去產能的過程仍在延續。
2、出口增速略超預期。11月出口金額同比增長12.7%，出口金額首次突破2000億美元。11月中國對美國和歐元區出口分別同比增長17.7%和18.4%，圣誕假期臨近可能是歐美需求大增的主要原因。需要注意的是，當前出口的高速增長可能存在一定水分。11月統計局公布的出貨值同比增長5.8%，增速較10月回落0.3個百分點。此外，11月韓國及臺灣的出口增速分別只有0.2%和-4.7%，增速均較10月大幅回落。韓國和臺灣均是出口導向型經濟體，歷史上其出口增速與中國大陸具有較強的同步性。同時，近期人民幣升值壓力加大，國家外管局再次發文嚴查貿易融資，也表明套利資金可能再次通過虛假貿易的方式流入境內。
3、工業生產高位運行。11月工業增加值同比增長10.0%，盡管增速較10月回落0.3個百分點，但仍處于較高水平。從主要工業品產量來看，11月發電量和粗鋼產量增速出現回落，但水泥、汽車、有色金屬產量增速進一步上行。前瞻的看，當前房地產和基建投資增速仍然處于較高水平，將對后續的工業生產構成支撐，工業增速有望保持平穩。
4、通脹保持穩定。11月CPI同比增長3.0%，環比下降0.1%，增速略低于市場預期。11月食品價格環比下降0.2%，今年相對溫暖的天氣是蔬菜等食品價格下跌的主要原因。11月非食品價格環比持平，增幅略低于0.1%的歷史均值，居住價格增長較慢是主要原因。我們預計12月CPI同比增速可能位于3.0%附近，全年CPI平均增速2.7%。
程定華對市場趨于謹慎
程定華認為，根據首次公布的短期流動性調節工具（SLO）交易公告，央行曾在10月末進行了兩次SLO操作，期限為2天，交易量分別為410億和180億，中標利率均為4.5%，與當時的回購利率4.7%差不多。SLO主要是為了向市場投放短暫資金，平復突發性波動，定價也比較市場化。本周資金面略微寬松，票據回購、銀行間拆借等利率有所回落。但與上半年相比，不論是短期拆借，還是各個期限的國債收益率，利率中樞都已上了一個臺階。臨近年底，銀行面對存貸考核、資金備付、以及可能出臺的同業規管，攬儲的壓力增加（近期出現理財產品數量增加，收益率提高的現象）。預計年底前資金面都將延續比較緊的局面。
程定華認為，PMI等景氣指標顯示生產活動平穩，短期內關注指導新型城鎮化和地方國企改革的政策會否出臺。預計在這些政策公布期間，與其相關的地產、建材、建筑、工程機械、地方國企等板塊受到政策題材的刺激而上漲。但以地產銷量而言，在武漢等城市展開調控加碼之后，11月份整體商品房價格環比漲幅收窄、成交量下降。11月份二線城市的成交量比10月份下降了13.9%，同期的一線城市成交量也下降了6.8%。由于過去十二個月的住宅新開工面積環比上升了近5%，如果銷售量形成下滑趨勢，將會對房價（尤其是二三線城市）造成壓力，并且會影響開發商拿地和投資的進度。
程定華表示，IPO發行制度改革方案出臺后，市場總體表現平穩，但創業板跌幅比較大，符合各方對市場的一致預期。要徹底消化IPO改革方案，市場大約需要半年到一年的時間，因為新的發行方案是一次前所未有的革命，對市場短期多空的看法可能會低估這次改革的深遠影響。
篇3
【關鍵詞】資產價格；貨幣政策；貨幣供應量
一、引言
長期以來，關于貨幣政策對資產價格的影響始終是貨幣經濟學領域關注的焦點，其爭論也未曾停息過。目前，房地產價格，作為最主要的資產價格之一，其變動與金融、經濟活動密切相關，是用于理解經濟行為以及預測經濟和金融發展的中心。同樣地，股票市場是資本市場的重要組成部分，而中國的股票市場，自1990年上海證券交易所建立以來，正在迅速擴張。2008年國際金融危機以來，中國的股市極度低迷，嚴重打擊了居民的投資信心。
由于股票市場與房地產市場具有一定程度的相似性，因而有關這兩方面的研究方法也有其相通之處。瞿強（2001）認為貨幣政策操作要關注資產價格但不宜盯住資產價格。易綱（2002）從股市角度分析了貨幣政策與股價的關系，認為中央銀行在考慮貨幣政策制定的同時應考慮股價及商品與服務的價格。馮用富（2003）建立了中國特定約束條件下的資產選擇模型，說明用貨幣政策干預股市波動是無效的。呂江林（2005）實證考察了我國上證綜指與實際國內生產總值之間的動態關系，發現兩者之間存在著雙重協整關系和單向因果關系，并提出了我國貨幣政策應對股價變動做出適時反應。
本文在構建VAR模型的基礎上，利用中國宏觀經濟實際數據來研究資產價格與貨幣供應量（M2）關系，以此來回答我國貨幣政策是否應該關注資產價格的波動，并提出相應的政策建議。
二、研究與計量檢驗
（一）變量選取
為了研究房地產市場、股票市場與貨幣政策之間的關系，我們需要選取相應的變量來進行研究。根據我國大量學者的研究經驗，本研究把房地產綜合景氣指數作為我國房地產市場的代表變量，股票市場的代表變量選擇上海證券綜合指數收盤值。而對于貨幣政策，中國貨幣政策的操作目標是貨幣供應量。央行能夠控制基礎貨幣，并且通過基礎貨幣影響貨幣總量。因此，可以用廣義貨幣M2的月度同比增長表示貨幣政策的變動。
（二）數據收集與處理
考慮到我國房地產市場、股票市場的發展歷史，以及經濟數據的時效性與可得性，本文將用1998年6月到2013年3月的月度數據作樣本進行實證分析。房地產綜合景氣指數、M2月末同比增速及上證收盤綜合指數均來自中經網統計數據庫。其中，房地產綜合景氣指數中很多年份1月數據缺失，采取將相鄰兩月的數據取平均值代替的辦法補充。考慮到收集的數據具有較大的波動性，本文采用區對數的方法來減小波動。經處理后的三個變量分別用LN_FJ（房地產綜合景氣指數）、LN_MS（M2月末同比增速）和LN_SZ（上證收盤綜合指數）來表示。
（三）基本統計特征
表1給出了各時間序列的統計性描述。因為沒有將通貨膨脹的因素考慮在里面，所以從表格中的均值來看，并沒有得到有用的信息。從波動性角度考慮，房地產綜合景氣指數波動相對于上證收盤綜合指數、M2月度增速來說較小，這說明房地產價格水平相對于股票市場價格與貨幣供給的波動小，可以猜測房地產市場對貨幣政策的反應程度不及股票市場對貨幣政策的反應靈敏。
（四）變量平穩性檢驗
本研究利用EVIEWS軟件，對各變量進行單位根檢驗，以確定變量的平穩性。通過檢驗發現LN_FJ、LN_MS為平穩變量，而LN_SZ為非平穩性變量。本研究對平穩性變量采取差分法，結果見表2.。其中，D（LN_SZ）表示對LN_SZ取一階差分值。從表2可以看出，經過處理后所有數據序列在10%顯著水平下都是平穩的。
（五）協整檢驗與格蘭杰檢驗
1.Johansen協整檢驗。協整關系是檢驗變量之間 是否存在長期的相關 關系。Johansen在1988年及1990 年與Juselius一起提出了一種以VAR模型為基礎的檢驗 回歸系數的方法，對多變量協整檢驗有較好的檢驗能力。主要的檢驗方法有特征根檢驗（Trace）和最大特征值檢驗（Max-Eigenvalue）。 由各變量的平穩性檢驗知道，LN_FJ、LN_MS、LN_SZ并不是同階平穩的，從而它們并不能進行協整分析。
2.Granger因果關系檢驗。首先明確格蘭杰因果檢驗是檢驗統計上的時間先后順序，并不表示這是真正的存在因果關系，是否呈因果關系需要根據理論、經驗和模型來判定。格蘭杰因果檢驗要求所有的變量應該是平穩的，這是格蘭杰檢驗能夠進行的前提條件，如果單位根檢驗發現兩個變量是不平穩的，那么不能直接進行格蘭杰因果檢驗，否則可能會出現虛假回歸問題。于是，由于LN_FJ、LN_MS、D（LN_SZ）是平穩的，所以可以對修正后的變量進行格蘭杰因果檢驗。下表的滯后期設為2。
根據表3的結果，可以看出在10%的顯著水平下，短期內，變量D（LN_SZ）能Granger引起變量LN_FJ，變量LN_MS能Granger引起變量LN_FJ，變量LN_FJ能Granger引起變量LN_MS，其他變量之間的Granger因果關系相對而言并不顯著。這說明股票市場的波動能引起房地產市場的波動，而同樣貨幣政策與房地產市場之間存在相互因果關系。這說明，相比而言，我國的股票市場與貨幣政策之間關系要比房地產市場與貨幣政策之間關系更緊密。
（六）脈沖響應函數分析
脈沖響應函數描述的是在隨機誤差項上施加一個標準差大小的沖擊后，對變量的當前值和未來值所帶來的影響。我們在VAR模型下使用廣義脈沖函數，對是否協整關系不要求。
此處的圖顯示了LN_FJ、LN_MS、LN_SZ三個變量對相對沖擊的動態反應。分析可知：房地產綜合景氣指數對其自身的一個標準差新信息立刻產生了較弱反應，立即增加了0.04%，而且隨后反應程度逐漸上升，知道從第4個月左右開始逐步下降，表現出強烈的自相關性，這可能源于購房者對于房價的”追漲殺跌”；貨幣供應量對來自于房地產綜合景氣指數的新信息沒有立刻產生較強的反應，而是隨著時間的推移逐漸增強，到第十個月時到了0.4%，而且從一開始就是負值，可能是因為房地產價格水平上漲后人們調節了資產結構，多持有房地產少持有貨幣；同樣上證收盤綜合指數對來自房地產價格的新信息沒有立刻作出較強的反應，三個月后有了0.1%的增加，而從第6個月開始反應是負值，這可以解釋為房地產價格的上漲導致人們將股票市場中的資產投入房地產市場中。
貨幣供應量對其自身的一個標準差的新信息立即產生較弱的反應，立即增加了0.6%，但隨著時間的推移，該新信息產生的反應慢慢的減弱，到第8個月時穩定在0.4%左右；房地產綜合景氣指數對來自于貨幣供應量的新信息沒有立刻產生較強的反應，但是從第2個月開始就慢慢增加，到第10個月時還有上漲的趨勢，說明貨幣供應量對房地產市場的價格水平可以產生影響，而且影響的持續性較強；上證收盤綜合指數對來自于貨幣供應量的新信息立即產生了較弱的反應，有0.1%的增加，而且到第5個月后基本穩定在0.2%的增長，同樣說明貨幣供應量對股票市場有著持續性的影響，并且與房地產市場比較而言，股票市場對貨幣供應量的反應更加敏感。
上證收盤綜合指數對其自身的一個標準差的新信息立即產生較強的反應，立即增加了0.8%，但從第4個月開始，該新信息產生的反應慢慢的減弱，到10個月后還有繼續減弱的趨勢；房地產綜合景氣指數對來自于上證收盤綜合指數的新信息沒有立刻產生較強的反應，但是在慢慢增加，到5個月后到達最大值，隨后又逐漸減小，10個月后仍有繼續減小的趨勢；貨幣供應量對來自于上證收盤綜合指數的新信息沒有立即產生強烈的反應，2個月后增加0.05%左右，為最大值，但到第6個月開始為負值，10個月后仍有下降的趨勢，這可能是因為股票市場前景好的情況下，也就是“牛市”時，人們會暫且觀望隨后在確定股票市場的前景后會將持有的貨幣投入到股票市場中，于是導致貨幣供應量減少。
三、結論與政策建議
文章采用向量自回歸模型，考察了貨幣政策與房地產市場、股票市場價格波動之間的聯系。經過實證分析認為：貨幣供給量的正沖擊會給房地產綜合景氣指數與上證收盤綜合指數帶來正面的影響，觀察可知房地產市場的反應比較滯后，第一期影響不明顯，第二期開始逐步上升，而股票市場反應則相對靈敏，第一期開始就有較強的反應，而且兩種市場下由貨幣供給量帶來的影響效應具有長期有效性。貨幣供應量對資產價格的影響隨著時間的增加，其影響程度越來越深，因此擴張性貨幣政策會導致房地產價格、股票價格上漲，
本研究認為在貨幣政策的實施過程中，需要納入資產價格，并將其作為調控的目標之一，以消除潛在的資產價格泡沫過度膨脹的隱患。。在對資產價格的波動密切關注的同時，也要對市場的變化要持續關注，如果市場已作出了反應，應及時變化政策，避免走上極端。另外，政策實施過程中，應避免直接的行政干預，力圖順應市場規律，從而維持金融體系的穩定和實體經濟的健康發展。
參考文獻：
[1]馮用富. 貨幣政策能對股價的過度波動做出反應嗎？[J]. 經濟研究， 2003， 1： 37-44.
[2]呂江林：《我國的貨幣政策是否應對股價變動做出反應》[J]，《經濟研究》，2005（3）
篇4
關鍵詞：宏觀經濟統計分析；相關內容；發展問題；提高方法
引言：
宏觀經濟統計分析在社會經濟領域應用的范圍在擴大，都促進眾多領域的發展和進步發揮出了重要的作用。其在發展過程中對基礎性的理論、方法等開展合理化運用有利于提高宏觀經濟統計分析研究、應用的水平。對于國家有關經濟主管部門來講，對宏觀經濟統計分析理論知識、模式等進行有效性應用可以把握好經濟發展的整體性趨勢，為從人力、物力、財力方面指導我國眾多中小企業的發展提供重要數據信息參考。因此，我們針對宏觀經濟統計分析相關內容、發展面臨的問題、提高方法進行分析和研究工作。
一、宏觀經濟統計分析相關內容
宏觀經濟統計分析學科由以往的經濟學、統計學融合而組成，通過對宏觀經濟理論的運用，進行眾多經濟運行資料、信息、數據的統計和分析，對宏觀經濟的運行形成基本的統計分析結果，加深對經濟發展趨勢、產業經濟結構認知的水平。在具體的應用中，宏觀經濟統計分析通過專題性的統計分析工作和制度化的統計分析工作形成對宏觀經濟運行發展趨勢的深刻判斷，漸漸形成完整性的報告內容[1]。
二、宏觀經濟統計分析發展面臨的問題
宏觀經濟統計分析發展中主要存在以下方面的問題。第一，宏觀經濟統計分析應用的方法存在滯后性的問題，無法有效性、客觀性的反映出宏觀經濟運行中深刻的問題。同時，有關方面的統計分析人員缺乏創新性思維，沒有順應經濟發展運行的客觀規律。第二，沒有充分的認識到大數據時代特征。比如：對大數據時代網絡信息技術的應用特點存在認知上的缺陷，使得大數據特征的宏觀經濟統計分析模型無法有效構架，無法科學、客觀、準確的分析、判斷宏觀經濟運行特點、未來發展的趨勢等等。第三，缺乏必要市場機制的內在推力，影響到了宏觀經濟統計分析發展。比如：眾多企業出口積極性受到削弱、供需矛盾的進一步加劇等等[2]。
三、提高宏觀經濟統計分析發展方法
（一）全面貫徹新型的理念
宏觀經濟統計分析發展需要以發展性、多樣性、靈活性、全面性理念為支撐，提高其發展的質量和水平。具體來講嗎，第一，需要有效性、靈活性的貫徹我國政府提出的經濟發展方針，充分結合我國經濟運行實際情況，采取有效性的方法規避經濟運行中的風險因素，促進我國經濟更加平穩、科學、健康的發展和進步。第二，需要應用多樣化的理念，充分的協調好經濟運行發展中的各種資源、各個領域，使得它們在多樣化發展的理念下更加協調，促進我國宏觀經濟整體性進步。第三，需要應用好宏觀經濟分析理論，有效性的解決其發展中存在的問題，把握好其未來運行規律，進一步的提高我國宏觀經濟發展運行質量和效率[3]。
（二）提升宏觀經濟調控能力
經濟的發展運行是促進宏觀經濟統計分析發展的基礎。因此，對于我國政府來講，需要應用有效性的手段促進我國經濟發展，使得宏觀經濟統計分析發展有可靠的動力。具體來講，第一，明確我國宏觀經濟運行發展目標，依照經濟發展的不同情況進行不同的模式、方法解決經濟運行中的問題，提高經濟運行的質量。第二，對于宏觀經濟調控的目標進行科學規劃，有效性的鞏固國家對經濟宏觀調控的結果，使得我國經濟的效能得到充分發揮，促進經濟平穩、安全、科學、健康發展。第三，進行投融資體制的創新。投融資體制的質量直接影響到社會中各個企業資本的質量和安全性。因此，我國需要加快革新投融資體制，建立起必要的風險投資基金。第四，我國政府需要促進出口退稅進程的加快，為眾多出口企業的信貸提供有效保障。第五，進行國家發展資金的統籌，對重點的經濟領域進行全面性扶持，為宏觀經濟統計分析發展提供有效保障和支持。
（三）構建大數據宏觀經濟統計分析模式
大數據理論和技術模式的應用有利于構建新型的宏觀經濟統計分析模型，提高宏觀經濟統計分析應用質量和水平。具體來講，我國需要以政府信息數據發展應用為重要切入點，全面促進政府信息數據共享平臺的建設，使得政府對我國經濟社會發展進行中長期的科學規劃，提高經濟分析的水平和效率，促進我國宏觀經濟統計分析發展[4]。
（四）保障社會供求基本平衡
保障社會供求基本平衡有利于為宏觀經濟統計分析提供重要指標數據支持。因此，對于我國的政府來講，需要從眾多的方面著手，保持我國社會總供給和總需求的平衡。具體來講，第一，需要應用多種方式提高我國的就業率，提高我國社會保障機制的應用能力。第二，適當性的增加政府支出，提高我國經濟運行中消費比例的提高、拉動內需，提高宏觀經濟發展質量和水平，為更好的開展宏觀經濟統計分析提供重要依據。第三，促進貨幣的流通，加大對基礎性經濟領域的投資。第四，降低城鄉之間差距，提高居民實際收入水平，開展合理化的資源分配，促進我國經濟的進一步發展[5]。
結論：
在大數據的背景下，本文以我國政府為主要的視角，通過對宏觀經濟統計分析發展問題為研究的重點，提出來其發展中存在的問題，通過政府在各個方面的舉措應用完善了宏觀經濟統計分析發展平臺的構建，對于經濟運行中社會各個方面的因素進行分析，對于眾多資源進行統籌，有效性解決了經濟發展問題，提高了我國經濟發展水平，也促進了宏觀經濟統計分析發展和進步。
參考文獻：
[1]李偉.探索宏觀經濟統計分析發展的基本問題[J].現代營銷（下旬刊），2016，01：8.
[2]袁天夫.宏觀經濟統計分析發展的基本問題研究[J].現代經濟信息，2016，06：20.
[3]丁宇昕.宏^經濟統計分析發展的基本問題探索[J].現代經濟信息，2016，06：31-32.
篇5
關鍵詞：基本問題；統計分析；宏觀經濟
宏觀經濟分析是一項系統性的工作，有著十分鮮明復雜性特點與專業性特點，涉及工業、農業以及科研等多個社會經濟領域。做好宏觀經濟的統計與分析工作對于科學決策有著十分重要的意義。這就需要相關的研究人員綜合運用各種理論與技術對宏觀經濟統計分析的方法進行深層次的研究。
一、宏觀經濟統計分析概述
宏觀經濟統計分析是一項經濟學與統計學相結合而形成的獨立知識科目體系。由于統計學是經濟學十分重要的研究工具，二者之間存在著相互推動、共同發展的關系。將統計學知識與經濟學知識結合起來，能夠將各個領域的研究方面與研究方法統一起來，打破不同研究內容在領域上的界限，為經濟決策與經濟規律的探索創造良好的條件。由于我國在宏觀經濟統計分析領域的起步比較晚，在該研究領域中尚未形成一個高效的研究體系，在我國產業結構升級與經濟增長方式變化的過程中，宏觀經濟統計分析的重要意義才逐漸顯示出來。
二、宏觀經濟統計分析在發展過程中普遍存在的問題
在宏觀經濟統計分析發展初期，由于統計學的有關理論沿未得到完善，尤其是在計算機技尚未成熟時，統計學分析理論在應用方面的重要意義沒有充分顯示出來，對于宏觀經濟分析方面的支持十分有限，造成宏觀經濟統計分析在實際應用方面所直到的作用不夠突出。隨著我國社會生產部門的不斷分化，越來越多的小型企業尤其是民營企業，在管理與經營決策方面對于新的統計與分析技術表現出了巨大的需求，加上計算機技術的不斷發展。統計學理論在研究人員的不斷探索下開始進入到了快速發展的階段。在這一過程中，政府以及有關部門形成了比較明確的周期性經濟規劃目標，根據周期性經濟目標對我國農業、工業以及服務業等產業進行了有針對性的宏觀調控，大幅提高我國經濟建設的科學性與合理性，為我國經濟的調整增長奠定了良好的基礎。目前我國宏觀經濟統計分析在能力在已經進入宏觀統計與微觀統計并行發展的重要階段，宏觀統計與微觀統計在目的劃分上更加明確，在應用效率與應用水平上得到了大幅度的蚊帳，兩項學科之間存在著相互促進、共同發展的新局面，同時也將宏觀經濟統計分析的發展帶入了一個全新的階段。
當前我國已經全面進入信息化與數字化時代，選擇計算機技術與統計分析技術為宏觀經濟統計分析的發展奠定了良好的基礎。尤其是在我國電子商務領域不斷創新與發展的過程中，宏觀經濟統計分析的重要作用得到了最大程度的體現。在網絡環境下，消費群體在消費過程中會產生大量的消費需求數據，有關單位與企業可以以用戶的消費數據為資源，以統計學與經濟學的有關理論為基礎，以宏觀經濟統計分析為重要手段，對未來一段時間內的消費行為進行科學、有效的判斷，提高社會產品生產的合理性與有效性，為電子商務消費用戶提供更加具有針對性的商品，為我國經濟消費的不斷增長創造有利的條件。除了電子商務領域之外，銀行業與服務業也可以利用宏觀經濟統計分析的有關手段對用戶名的儲蓄行為與消費行為進行判斷，為用戶制定出更加科學的理財方案與出行方案。對于政府單位來說，則可以利用宏觀經濟統計分析結果，對社會公眾的物流狀態與交通狀態進行有針對性的分析，對社會公眾在日常的生產生活活動中的支行規律有一個全面且深入的了解，將宏觀經濟統計分析的重要作用充分發揮出來。
三、宏觀經濟統計分析的發展問題研究
當前我國宏觀經濟統計分析領域已經進入到了快速發展的新階段。成經濟發展過程中，宏觀經濟統計分析已經成為分析國民經濟發展情況與發展水平十分重要的一項工具。有關部門需要進一步加大該領域的研究力度，為領域的發展奠定良好的人才基礎與技術基礎，真正認識到宏觀經濟統計分析對于國民經濟發展的重要意義。同時，政府及有關單位還需要進一步加強城市數據信息的收集能力建設與處理能力建設，設置云計算中心，對各方面流動數據進行統計，了解經濟數據變化的有關規律，交各方面的統計與分析結果應用到市政管理與組織決策中，為區域內乃至于國家的經濟增長奠定良好的基礎。
四、宏觀經濟統計分析的自主發展
由于宏觀經濟統計分析無論對于政府機關還是在于中小企業來說有著十分重要的意義與價值，尤其是在計算機技術不斷發展的大背景下，宏觀經濟統計分析的應用范圍與應用空間得到了進一步的拓展，在社會各階段與各領域工作與研究人員的共同努力下，宏觀經濟統計分析中的有關理論將會得到不斷的發展與完善。同時也是統計學領域宏觀經濟分析得到快速獨立發展的重要機遇，由此可以現對人類經濟社會發展的重要進步性影響，宏觀經濟統計分析在自身的獨立發展前提下吸收了大量的信息數據，之后又利用統計學的思想和方法進行創新研究嘗試。
結束語
先進的科技和信息技術的發展是國家宏觀經濟統計分析發展的重要支持，與此同時還應該配合以功能強大的數據庫系統和計算機網絡系統，在先進技術和統計學專家的密切配合下可以進一步推動其發展，實現系統完善的宏觀經濟統計分析體系。
參考文獻：
[1]蔡真.宏觀經濟統計分析發展的基本問題[J].商，2015，47：266.
[2]袁天夫.宏觀經濟統計分析發展的基本問題研究[J].現代經濟信息，2016，06：20.
篇6
【關鍵詞】 商業銀行;信用風險;宏觀壓力測試
一、引言
隨著金融全球化進程加快、大型商業銀行跨國活動增加、信貸衍生產品迅猛發展,新形勢下商業銀行信用風險管理問題日益突出。特別是2007年底次貸危機的爆發,使得各國商業銀行的資產質量嚴重惡化,大量銀行紛紛破產,雖然我國的商業銀行因為種種政策性原因,在這次危機中損失較小,但隨著我國金融市場的進一步開放,我國商業銀行和國際金融市場的完全融合,將對我國商業銀行的信用風險管理水平提出挑戰。
目前,宏觀壓力測試由于能模擬潛在金融危機等極端事件對商業銀行體系穩定性的影響,已經引起了國際金融組織和各國政策當局廣泛的重視,并在實踐中得到迅速推廣。本文運用宏觀壓力測試法,結合我國商業銀行的特性,對商業銀行的信用風險水平及其影響因素進行分析,這對現階段我國商業銀行信用風險管理具有現實意義。
二、文獻綜述
宏觀壓力測試是用于評估一國金融體系在受到“異常但合理”宏觀經濟沖擊時的穩定程度,其通過情景設定或歷史事件,來衡量宏觀經濟沖擊對整個對整個金融體系的影響。自20世紀90年代末以來,國外對宏觀壓力測試的研究及其在實踐中的應用都已取得了豐碩的成果,其中最具代表性的是Wilson(1997a,1997b)用各工業部門違約概率與一系列宏觀經濟變量的敏感度直接建模,通過模擬將來違約概率分布的路徑,得到了資產組合的預期異常損失,進而模擬出在宏觀經濟波動沖擊下的違約概率值。Boss M(2002)和Virolainen (2004)利用Wilson提出的模型,根據加總的企業違約概率估計出宏觀經濟信貸模型來分析澳大利亞和芬蘭銀行部門的壓力情境。
而在國內對宏觀壓力測試的研究還尚在起步階段。在理論研究方面,徐明東、劉曉星(2008)通過對國際上流行的幾種宏觀壓力測試方法的比較,闡述了如何運用宏觀壓力測試方法去評估一國金融體系的穩定性。在模型研究和實證方面,任宇航、孫嘯坤等(2007)利用Logit回歸測試的方法,通過收集我國的宏觀經濟數據和金融機構的數據,對我國銀行業信用風險損失作出了合理估計。但國內的這些研究只是借鑒了壓力測試的思想,使用傳統的方法,通過模擬情境下宏觀經濟因素異動,由Logit模型最終得出穩定性指標期望值的點估計來評價銀行體系的穩定性。這種方法存在一定的缺陷:其不能有效地反映出宏觀變動沖擊對銀行體系的影響,不能具體看出壓力情境下哪些宏觀經濟變量對銀行信用風險的影響最大,這就有進一步研究的必要。
三、模型構建與實證研究
宏觀壓力測試是對微觀層面壓力測試的有益補充,它是將各宏觀經濟沖擊變量整合量化為一個宏觀因子,將宏觀波動因素整合到評估銀行信用風險的模型中,通過壓力情境的構建,預測在極端情形下宏觀經濟變動對銀行系統信用風險的影響。
(一)模型構建
本文在研究我國商業銀行信用風險水平與宏觀經濟變量的關系時借鑒了Wilson(1997a, 1997b),Boss(2002),and Virolainen(2004)所提出的模型。該模型主要包括:建立了一個信用風險水平和宏觀經濟變量間的聯立方程;用蒙特卡洛法模擬了違約損失的分布。
具體來說,假定商業銀行將貸款貸給了J個經濟部門,其中j部門在t時刻違約的概率為pj,t,在這里j=1,2,…,J,pj,t介于0和1之間,用它的Logit轉換值yj,t作為回歸值,即:
進而,設定yt=(y1,t,……,yj,t)*,yt為轉換指標。本文所采用的模型是基于M個宏觀經濟變量的現在值和滯后期的值所構成的一個線性方程:
yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt (2)
式(2)中明確表示了各宏觀經濟變量與違約轉換指標yt之間的關系。其中,xt=(x1,t,x2,t…xm,t)表示宏觀經濟變量,其為M×1階向量;m為截距項,其為J×1階向量;A1……A1+s和η1……ηk為系數,它們分別為J×M階和J×J階矩陣;vt為隨機誤差項,其為J×1階向量。
同時為了考慮各宏觀經濟變量之間的相關性,根據Wilson模型中關于宏觀經濟變量的等式系統,本文采用了下列的描述:
xt=n+δ1xt-1+…+δpxt-p+μ1yt-1+…+μqyt-q+ξt (3)
其中,n為M×1階列向量,系數δ1,…δp和μ1,…μq分別為M×M和M×J階矩陣向量,隨機誤差項ξt為M×1階向量。
本文所考慮的模型在Wilson(1997a,1997b),Boss (2002)和Virolainen(2004)基礎上,進行了兩點改進:一是考慮了宏觀經濟變量對商業銀行信用風險影響的時滯效應;二是模型的設定還考慮了商業銀行體系對宏觀經濟變量的回饋效應。考慮到我國商業銀行在國民經濟中所占有的重要地位,該模型更符合我國的實際情況,因而用其來研究我國商業銀行信用風險水平與宏觀經濟變量間的關系,具有很強的適用性。
(二)變量的選取與數據描述
為了建立商業銀行信用風險水平和宏觀經濟變量之間的實證關系,本文收集了2003年1季度到2009年2季度共26個季度的商業銀行不良貸款率和相關宏觀經濟數據,并通過參考國內外學者在研究宏觀壓力測試時的變量選擇,考慮我國商業銀行信用風險以及宏觀經濟發展的特點,對相關變量做了如下選擇。
1.被解釋變量
本文綜合考慮了我國商業銀行經營的特殊性和相關數據的可得性,選用了商業銀行體系的信用風險為被解釋變量,以不良貸款率為其衡量指標,即:商業銀行體系的不良貸款率越高,其信用風險水平就越高。我國商業銀行的不良貸款率的數據來源于中國銀監會網站和國研網的統計數據庫,其中,商業銀行的樣本包括了國有商業銀行、股份制商業銀行、城市商業銀行、農村商業銀行和外資銀行。根據《貸款質量評估指導原則》,中國的貸款按照五級分類法進行分類,不良貸款率=(次級+可疑+損失)/貸款總額。
2.解釋變量
在解釋變量方面,鑒于我國宏觀經濟的運行情況以及相關數據的獲取難度,選取了GDP增長率、CPI指數(用以表示通貨膨脹率)、廣義貨幣增長率M2、進口額同比增長率M、三至五年期貸款利率R、房地產價格指數RE、失業率U七個宏觀變量,數據來源于銳思數據庫和國泰安數據庫。
3.數據描述
從表1可以看出:(1)我國商業銀行的不良貸款率經過Logit模型轉換為yt后,其波動率仍然較大。(2)從選取的宏觀經濟變量來看,我國的宏觀經濟進入了高增長、低通脹、低失業、適度寬松貨幣政策的繁榮時期,但房價指數RE和進口額增長率M的波動較大。
(三)實證研究與結果分析
1.實證研究
根據上述的模型設定,首先對Pj,t運用Logit模型進行轉換,得到轉換指標yt,再將對商業銀行信用風險構成沖擊的各宏觀經濟變量及其yt的一階滯后變量(考慮到宏觀經濟沖擊的滯后性往往為一年)的數據代入,利用Eviews5.0與yt進行多元線性回歸,結果顯示:GDP增長率ZGDP、通貨膨脹率CPI、房價指數RE、貸款利率R、進口總額同比增長率M以及yt的一階滯后變量這六個變量顯著,而失業率U和廣義貨幣增長率M2不顯著,被剔除。然后再利用式(3)進行各宏觀經濟變量的自回歸。回歸結果如表2。
從表2可以看出:(1)在1%到10%的顯著性水平上,CPI指數、GDP增長率、進口額增長率M、貸款利率R以及房價指數RE均顯著影響到了我國商業銀行的信用風險水平,且信用風險的轉換指標受其滯后一期值的顯著影響;(2)各宏觀經濟變量均受到其滯后項的顯著影響,且除商品房銷售價格指數RE外其余宏觀經濟變量還受到了轉換指標滯后一期值的影響。
2.結果分析
從上述模型中,可以看出在宏觀經濟變量中貸款利率R對轉換指標的影響最大,R的上升代表企業的融資成本增加,為了按期還本付息,企業就必須拿出更多的利潤交給銀行,如果融資成本大于企業盈利能力,那企業就有違約的沖動,使得商業銀行的信用風險加大。而CPI對銀行信用風險的影響與R則恰恰相反,其上升預示著國家在實行寬松的貨幣政策,使得企業融資成本降低,企業的盈利大幅上升,減少銀行的信用風險。GDP增長預示著整個社會的宏觀經濟比較景氣,經濟處于上升繁榮期,企業平均盈利能力較好,不良貸款率也將隨之下降。進口總額增長率M上升,對我國的出口企業造成負面影響,致使其業績下降,進而會增加銀行的信用風險。房地產銷售價格指數的上升,會使得大量的資金涌入房地產市場,產生泡沫經濟,鑒于目前我國房屋貸款在銀行貸款中的比重,將會使銀行的不良貸款率顯著提高,進而增大銀行的信用風險。同時,也可以發現轉換指標的滯后一期對當期影響顯著。顯然,模型的回歸結果符合經濟學上的解釋。
四、宏觀壓力情景的設定及其風險分析
壓力測試主要是通過情境設定,根據情境假設下可能的風險因子變動情形,重新評估金融商品或投資組合的價值。通常重新評估的方式不會有太大的差異,但是情境設定的方式卻有很多種選擇。情境分析是目前應用的主流,即利用一組風險因子定義為某種情境,分析在個別情境下的壓力損失。情境分析的事件設計方法有兩種:歷史情境分析和假設情境分析。整個程序通常分為兩大步:一是情境設定;二是重新評估。
(一)情境設定
分析上述模型的回歸結果,可以發現貸款利率R對銀行信用風險的影響最大,而GDP增長率則是判定一國經濟發展最重要的指標,同時考慮到大多數危機的沖擊期會持續四個季度,因而假定2009年2季度為基期,模擬從2009年3季度到2010年2季度共4個時間點涵蓋了一年期的未來路徑。本文設定了兩個壓力情境:一是GDP指數突然大幅下降的情境。假定我國GDP季度增長率自2009年2季度起在未來的4個季度里每季度均會同比下降一個百分點。二是貸款利率R大幅上升的情境。設定我國的貸款利率自2009年2季度起在未來的4個季度里,每季度均會同比上升一個百分點。為了便于計算,假定這兩個沖擊是相互獨立的,即當一個宏觀解釋變量受到沖擊,其它解釋變量仍然保持不變。
(二)重新評估
設定情景下的沖擊結果如表3。
從表3中可以看出,在設定的兩種壓力情境下,我國商業銀行的信用風險水平明顯增加,其不良貸款率顯著提高。同時,還可以發現,貸款利率R的大幅升高比GDP增長率的降低對商業銀行體系信用風險的沖擊幅度更大,這也充分說明了貨幣政策在調控宏觀經濟中的重要性及其對商業銀行的顯著影響。
為了更清晰地表現兩種壓力情境下銀行體系信用風險的變化,將上述結果繪在圖1中。
圖1中P1代表了GDP增長率突然下降情境下的我國商業銀行體系的不良貸款率,P2代表了貸款利率R上升時我國商業銀行體系的不良貸款率。從圖1中可以清楚地看到P2一直在P1的上方,即貸款利率R的大幅上升比GDP增長率的大幅降低對商業銀行體系信用風險的沖擊幅度更大。
五、結論
本文采用我國2003年1季度到2009年2季度的宏觀經濟數據和商業銀行的不良貸款率數據,基于Wilson (1997a, 1997b),Boss(2002)及Virolainen(2004)所提出的模型,通過Eviews5.0軟件建立了商業銀行信用風險轉換指標 與各宏觀經濟變量及轉換指標滯后一階的回歸方程,結果表明GDP增長率、通貨膨脹率、房價指數、貸款利率、進口總額同比增長率對我國商業銀行的信用風險影響顯著。進而利用得出的回歸方程,依據假設情景對我國商業銀行的信用風險進行了壓力測驗,在宏觀壓力測試的情境分析中,得出了貸款利率R的大幅上升比GDP增長率的大幅降低對商業銀行體系信用風險的沖擊幅度更大的結論。
鑒于本文的研究結論,可以看出宏觀經濟變量和商業銀行信用風險之間有著密切的聯系,在本輪的次貸危機中我國的商業銀行雖沒有受到大的沖擊,但應該吸取歐美大銀行在這次危機中的教訓,防患于未然,提高自身的風險意識,繼續降低銀行的不良貸款率。另外,政府在遇到宏觀經濟問題時,貨幣政策起著至關重要的作用。一國貨幣當局在面對危機時,應該審時度勢,制定正確的貨幣政策,確保經濟的快速增長。
【參考文獻】
[1] Wilson T C. Portfolio credit risk I [ J ]. Risk, 1997, 9(10) : 111 - 170.
[2] Wilson T C. Portfolio credit risk II [ J ]. Risk, 1997, 10(10) : 56 - 61.
[3] BossM. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio [ J ]. Financial Stability Report, 2002(4): 64 - 82.
篇7
關鍵詞：商業銀行；信用風險；宏觀壓力測試
一、引 言
自20世紀70年代末到21世紀初，全球有93個國家先后爆發了112次系統性銀行危機。尤其90年代以來頻頻爆發的金融危機——如1987年美國股市崩盤、1994年美國利率風暴及中南美洲比索風暴、1997年亞洲金融危機、1998年俄羅斯政府違約事件，特別是2007年春季開始的次貸危機最終演變為2008年的全球金融風暴，波及范圍之廣，影響程度之大，史無前例。它們不僅使一國多年的經濟發展成果毀于一旦，還危機到一國的經濟穩定，對全球經濟也產生了強大的沖擊。［1］
收稿日期：2008-07-05
項目資助：本文受到西安交通大學“985工程”二期資助（項目編號：07200701），國家社會科學基金（08DJY156）資助。
作者簡介： 李江（1962-），湖南省湘潭市人，金融學博士，西安交通大學經濟與金融學院副教授，
碩士研究生導師，研究方向：金融風險管理；劉麗平（1982-），女，河北省承德市人，西安交通大學經濟與金融學院碩士研究生，研究方向：財務預警。
金融系統的宏觀壓力測試是一類前瞻性分析的工具，用于模擬“異常但合理” 宏觀經濟沖擊對金融體系穩定性的影響，可以幫助中央銀行識別金融體系的薄弱環節，有助于各方理解金融部門與宏觀經濟之間的聯系，同時提高中央銀行和金融機構的風險評估能力。因此，受到各國金融監管當局的重視，逐漸成為檢驗一國銀行體系的脆弱性，維護金融穩定的首選工具。在金融全球化的趨勢下，隨著我國金融市場的完全開放，我國金融業和國際金融市場的逐步融合，是否擁有一個穩定和富有競爭力的銀行體系對于中國而言顯得非常迫切。對銀行體系進行穩定性評估，尤其是對銀行體系面對的信用風險
進行宏觀層面的壓力測試，對防范和化解系統性金融風險，維護中國金融穩定和安全具有重要意義。
下面研究宏觀壓力測試在銀行信用風險評估中的應用，通過對國外已有的成熟模型理論成果分析比較的基礎上，根據我國的宏觀經濟及金融發展特點，經濟、金融數據統計及披露特點，模型的數據需求深度廣度要求，建立適用于我國的模型并以此進行實證分析。
二、文獻綜述
（一）宏觀經濟因素對銀行信貸違約風險的影響
McKinnon R［2］認為，宏觀經濟穩定時，銀行經營行為非常保守，不會出現不顧風險單方面追求效益的現象。但在實際匯率波動、通貨膨脹出現等宏觀經濟不穩定的情況下，政府或明或暗的存款擔保，導致銀行會產生以高利率對高風險項目貸款的風險行為。Donald van Deventer［3］通過線性回歸分析，確定了宏觀因素對銀行股價變動的解釋在統計上是顯著的。
對20 世紀80 年代以來各國銀行不穩定尤其是銀行危機現象， 國際組織和國內外學者進行了大量研究， 積累了十分豐富的實證資料。尤其是來自美國、英國、澳大利亞、芬蘭的許多國外學者， 在對20 世紀80、90 年代全球銀行不穩定事件的實證分析中發現， 宏觀經濟因素波動在各國銀行不穩定中扮演著重要角色。Tom Bernhardsen［4-5］建立起銀行破產與不良貸款和宏觀經濟因素的關系模型，并且利用歐洲國家的面板數據進行了實證檢驗。Erlenmaier U［6］和Gersbach H［7］利用挪威中央銀行的宏觀經濟模型RIMINI對總體審慎指標的趨勢與發展進行預測，并且建立了評估貸款違約率的宏觀信貸方程。Froyland E和Larsen K［8］利用RIMINI對銀行不良貸款在宏觀經濟波動情境下進行了壓力測試。Pesola J［9］分析了銀行系統危機對宏觀經濟因素波動的敏感性，并利用芬蘭的數據通過建立模型對兩者之間的關系進行定量分析。Virolainen K［10］對芬蘭金融風險的實證評估，建立了宏觀信貸模型并進行宏觀壓力測試，揭示了芬蘭銀行系統貸款違約風險與宏觀經濟波動的相關性。
國內對于銀行體系的穩定評估的實證研究，包括陳華，伍志文［11］運用1978～2000年間的數據對我國銀行體系脆弱性狀況進行了量化分析。結果發現，中國整個銀行體系在1978～2000年之間有11年是不穩定的，尤其是在1992年和1998年前后更為突出，銀行體系出現了不穩健的征兆，存在較大的金融風險。
（二）宏觀壓力測試理論和實踐
在執行宏觀壓力測試使用的宏觀信貸模型的研究領域，有兩個學者的模型框架占據舉足輕重的地位，并為日后的學者不斷的進行模型的拓展研究和實證應用奠定了良好的基礎。他們是Wilson T C［12-13］和 Merton R［14］。Wilson對各工業部門違約概率對一系列宏觀經濟變量的敏感度直接建模。模型的思想是對違約概率和宏觀因素的關系進行建模，模擬將來違約概率分布的路徑，就可以得到資產組合的預期異常損失，進而模擬出在宏觀經濟波動沖擊下的違約概率值。相比較而言，Merton模型則多加入了股價對宏觀要素的反映，將資產價格變動整合進違約概率評估模型。因此，前一種模型更直觀，計算量較小；而后一種方法對數據的廣度和深度的要求以及計算量要求都很高，其中有些市場數據也許是信貸風險的噪音指標。 世界各地的學者，運用上述模型框架進行了大量的實證研究。Vlieghe G［15］對英國銀行體系累加的企業違約概率進行建模估計，發現GDP、實際利率和真實工資水平具有較顯著的解釋能力。Bunn P，Cunningham A和Drehmann M［16］曾使用probit模型來測算英國企業部門的貸款違約風險。Boss M［17］針對加總的企業違約概率估計出宏觀經濟信貸模型來分析澳大利亞銀行部門的壓力情境，結論說明工業產值，通貨膨脹率，股票指數，名義短期利率和油價都是違約概率的決定因素。Marco M 、Sorge、KimmoVirolainen［18］利用Wilson模型框架對芬蘭銀行系統的信貸違約概率進行了宏觀壓力測試分析。結果證明在壓力情境下，違約概率（PD， portability of default）的蒙特卡羅模擬分布明顯異于常態分布，其Var值遠高于基期的測算值。Jim Wong，Ka-fai Choi和 Tom Fong［19］建立了香港零售銀行面對宏觀經濟波動的信貸風險宏觀壓力測試框架。模型框架中引入的宏觀經濟變量包括：國內生產總值（GDP），利率（HIBOR），房地產價格（RE）和大陸的GDP。同時用宏觀壓力測試評估了香港銀行體系的貸款資產和住房抵押貸款風險暴露。壓力情境的設定模擬了亞洲金融危機時發生的宏觀經濟波動，并分別引入了測試模型。結果表明在置信水平90%時，在所有壓力情境下有些銀行仍然能夠盈利。這意味著目前銀行系統的信用風險較穩和。當VaR取99%的置信水平這一極端情況時，一些銀行出現了巨額損失，但這類事件發生的概率極低。
Hoggarth G和Whitley J［20］與Drehmann M Hoggarth， G Logan A， Zecchino L［21］在他們的研究中引入了英國在FSAP框架指引下宏觀壓力測試的執行結果和方法，在壓力情境的設定方面采用在險價值框架下的蒙特卡羅模擬法。Jones M T， Hilbers P和Slack G［22-23］提供了宏觀壓力測試的更一般的非線性的方法。Worrell D［24-25］ 討論了一個將早期預警系統，金融健全性指標和宏觀壓力測試整合的方法。
一些學者研究將信用風險和市場風險整合測量，例如 Allen L 和 Saunders A［26］嘗試將宏觀經濟因素整合進信用風險的測量模型。而最近的一些文獻如Pain D、Vesala J［27］和Gropp等人［28-29］則是引用Wilson 的宏觀信用模型分析了宏觀要素對銀行的債務人的信用質量的影響。而Wilson 的模型的一個替代選擇則是Merton 的公司層面的結構模型. Gray D、Merton 和Bodie［30］將這一框架擴展至研究主權違約風險。Derviz A 和Kadlcakova N ［31］將商業周期的影響整合進一個具有結構模型和簡化模型特征的復合模型。Drehmann M、Manning M［32］和Pesaran M H等［33］在利用Merton模型框架的宏觀壓力測試中研究了違約概率和宏觀經濟變量的非線性關系。Benito A，Whitley J和Young G ［34］將基于衡量違約概率的Merton模型融入針對模擬個別企業違約的probit模型。他們發現Merton模型方法比僅僅依靠企業的財務數據的模型效果更優。
還有一些文獻使用不良貸款，貸款損失額或者復合指標與宏觀經濟因素整合成矩陣向量來測算金融體系的穩定性。Hanschel E和Monnin P［35］針對瑞士銀行系統構建了一個復合壓力指標，該指標綜合了金融不穩定的市場指標和銀行資產負債表上的衍生變形指標。Kalirai H 和 SchEicher M［36］針對對澳大利亞銀行體系累加的貸款損失，通過涉及廣泛的宏觀經濟變量的模型進行了時間序列的回歸估計。這些宏觀經濟變量包括國內生產總值、工業產值缺口、消費者價格指數、貨幣供給增速、利息率、股票市場指數、匯率、出口額和油價。
（三）國內外研究述評
目前國外開展的關于銀行穩定性評估的實證研究十分豐富，其中挪威和芬蘭中央銀行的研究對金融系統的評估最具綜合性。穩定性評估的目的在于，對銀行體系的健全狀況和抵御系統性金融危機的能力進行定量和定性的客觀評價。為此采用了金融穩健指標分析（Financial Sound Indi cators)和壓力測試的方法，對宏觀經濟環境中例外但有可能發生的沖擊（Shock）情境進行模擬，來量度和評估銀行體系在遇到沖擊甚至遇到金融危機時，保持穩定（即銀行保持基本運營不會發生突變）的能力。
而國內對于銀行體系的穩定評估的實證研究都偏重于評價銀行體系的穩定性，對在抵御不確定性風險的能力評估并未涉及。目前我國關于宏觀壓力測試的研究才剛剛涉及，孫連友［37］，高同裕、陳元富［38］等學者對宏觀壓力測試進行了理論上的探討，但多為國外文獻的整理或綜述，未能進一步的發展和深入。尤其在模型研究方面，僅僅停留在介紹早期國外學者的模型框架和較為成熟的各國宏觀壓力測試手冊指引中的操作流程。其內容多為宏觀壓力測試的必要性、目的作用、所用方法、國內外的具體實踐等，未能有很系統和深入的介紹，而對多種宏觀壓力測試模型的介紹和分析尚無涉及。
在實證方面，熊波［39］通過建立宏觀經濟因素的多元Logit回歸分析，并對結果進行假設情境的壓力測試分析。得出的結論是， 國內生產總值和通貨膨脹率這樣的宏觀經濟變量的確是影響中國銀行體系穩定性的重要因素。但是該文只是借鑒了壓力測試的思想，使用傳統的方法，通過模擬情境下宏觀經濟因素異動，由Logit模型最終得出穩定性指標期望值的點估計來評價銀行體系的穩定性。這種方法不能有效地反映出宏觀變動沖擊對銀行體系的影響，不能看出壓力情境下銀行面臨的最主要的信用風險的分布狀況，即貸款違約率的概率分布。
三、宏觀壓力測試方法流程及模型設定
（一）方法流程
宏觀壓力測試是模擬“危機事件”來估計極端卻可能的壓力情境下金融體系的波動。在宏觀壓力測試的框架中，其模型表示為：
Q(t+1｜t+1≥X=f(Xt，Zt)（1）
在（1）中 表示在模擬的壓力情境下評價金融體系的穩定性的指標的表現。在宏觀壓力測試模型中衡量金融部門波動性的最一般的方法是資本的潛在損失率。Q(·)表示衡量金融系統波動性的風險矩陣，衡量違約情況的指標例如貸款損失額主要通過模擬壓力情境下的點估計得到。在這種情況中，該條件概率值表示的風險矩陣較容易計算。而在險價值方法中，在任何給定的壓力情境下，資產組合的損失應產生概率分布，而不是前一種方法中的點估計值。框架中f(·)表示損失方程，該方程模擬了宏觀經濟沖擊對金融體系中加總的資產組合的影響關系。該方程可包含風險暴露，違約概率，相關性，回饋效應，以及宏觀經濟變量變動與系統層面金融穩定性表現的相互關系。
壓力測試的執行方式主要是通過情境設定，根據情境假設下可能的風險因子變動情形重新評估金融商品或投資組合的價值，整個程序通常分為兩大步：一是情境設定；二是重新評估。通常重新評估的方式不會有太大的差異，但是情境設定的方式卻有很多種選擇。情境分析（Scenario Analysis）是目前應用的主流。即利用一組風險因子定義為某種情境，分析在個別情境下的壓力損失，因此此類方法稱為情境分析，情境分析的事件設計方法有兩種：歷史情境分析（Historical Scenario）和假設性情境分析（Hypothetical Scenario）。其他方法還有敏感度分析（Sensitive Analysis）和極值理論法（Extreme Value Theory， EVT）。
本文根據信用風險壓力測試的相關文獻以及世界銀行和國際貨幣基金組織聯合開發的FSAP（financial Sector ass ess ment programme)的手冊，將壓力測試的執行程序見圖1所示。
圖1 壓力測試流程圖
（二）模型的設定
本文將在Wilson、Boss和Virolainen研究框架的基礎上建立適合我國銀行系統信用風險評估的宏觀壓力測試模型。首先借鑒國外研究成果中關于宏觀經濟因素和貸款違約率之間的非線性關系設定。在此基礎上使用Logit方程將貸款違約率轉化為宏觀綜合指標，以指標作為因變量與宏觀經濟因素進行多元線性回歸分析，使得這一指標能夠很好地利用各宏觀經濟指標所提供的信息。在模型中宏觀經濟因素的選擇方面，參考國內外學者實證研究中模型的自變量，結合我國數據統計和披露特點等制約因素選取適合的宏觀經濟變量來構建模型。
yt=ln1-PDt[]PDt（t=1， 2…， N）（2）
yt=α0+α1Xt+…α1+mX1-m+β1yt-1+…+βny1-n+μt（3）
Xt=0+1Xt-1+…+pX1-p+φ1yt-1+…+φqyt-q+εt（4）
PDt代表t年度的貸款的平均違約率，Y是一個反映宏觀經濟狀況的綜合性指標，也可以將它理解為是反映銀行體系違約概率和各宏觀經濟變量的關系的“中介指標”，X代表宏觀經濟變量。在利用歷史數據進行模型估計時，通過處理的違約概率值代入（2）就可以得到估計的綜合指標的估計值。將其帶入（3）就可以估計出宏觀方程的系數，并以此估計出的方程作為進行宏觀壓力測試的基礎。而在執行壓力測試的時候，通過壓力情境的設定，用不同方法得到的各相關宏觀經濟變量值代入估計出的（3）就可以得到壓力情境下的Y，再通過（2）就估計出了壓力情境下的銀行系統的違約概率。
公式（2）就是對貸款違約率進行Logit回歸分析，PDt表示t年度的貸款的平均違約率，yt表示一系列宏觀經濟變量的綜合指標。
公式（3）是反映各宏觀經濟變量與綜合性指標yt的關系的方程，本文采用多元線性回歸的方法來模擬變量之間的關系。其中Xt=(x1，t，x2，t…xl，t)′是L×1階列向量，代表L個宏觀經濟因素構成的列向量；μt是方程的隨機擾動項。截距α0是一個L×1階列向量；系數α1，α2…α1+m分別代表L×1階向量，系數β1…βn是L×n階矩陣向量。
公式（4）是關于各宏觀經濟變量的時間序列模型。考慮到宏觀經濟因素采取的時間序列數據，可能存在變量的滯后性，因此對各宏觀經濟變量進行P階自回歸分析，剔除模型中的序列相關性。在（4）中，0是L×1階的列向量， 1，…，p都是L×1階矩陣向量，φ1，…φq是L×q階矩陣向量，隨機誤差εt都是L×1階列向量。
在這個模型中，假設μt和εt是序列不相關的，并且分別服從方差協方差為矩陣∑μ和∑ε的正態分布。其中μt和εt相關的方差協方差矩陣為∑μ，ε。
在 Wilson（1997）和Virolainen（2004）提出的框架中，yt僅僅與Xt有關，而本文模型的設定更符合實際情況，yt不僅與Xt相關，考慮到宏觀沖擊的時滯效應，yt還與其滯后期的值yt-1，…，yt-n有關。
從（4）可以看出，模型不僅考慮到了宏觀經濟變量值之間的相互影響，模型的設定考慮到了金融體系對宏觀經濟波動的回饋效應。將銀行的表現對經濟的反饋影響通過在宏觀因素變量的自回歸方程中引入綜合變量來實現。通過各行業綜合指標Y的前期值對各宏觀經濟變量的影響設定來反映現實世界中的金融與經濟發展的相互影響關系。
（三）變量選取
1.解釋變量
根據各國的實證研究經驗和我國銀行體系業務發展特點，本文模型的變量選取1990～2006年的年度數據，主要考慮到數據的可得性、宏觀經濟統計的特征以及經濟沖擊發生的持續時間來決定的。鑒于研究的宏觀層面，從數據的可得性及計算量考慮，本文的宏觀模型是基于整個經濟體系的，因此各宏觀經濟變量將不采用各經濟部門的統計值，而是采用本國的整體水平的統計值。
本文選取八個宏觀經濟變量作為解釋變量：
NGDP—國內生產總值名義年增長率；
RGDP—國內生產總值實際年增長率；
NR—一年期存款的名義基準利率；
RR—一年期存款的實際基準利率；
NLR—一年期流動資金貸款的名義平均利率；
RLR—一年期流動資金貸款的實際平均利率；
CPI—居民消費價格指數；
RE—房地產價格指數；
2.被解釋變量
本文選取違約概率作為評估信用風險的指標，銀行系統的信用風險主要表現為貸款資產的違約風險。違約率水平是評估銀行貸款質量的最直接的指標，違約風險可以用借款人在規定期限內的違約概率度量。Virolainen K對芬蘭銀行系統的違約概率進行的宏觀壓力測試分析中，對違約概率指標采取如下方式賦值：在研究時段內，某行業的破產機構數量與總的機構數量的比率為銀行體系面對的違約率。Jim Wong、Ka-fai Choi和Tom Fong［19］建立的香港零售銀行面對宏觀經濟波動的信貸風險壓力測試框架中，違約概率是逾期3個月以上的貸款額與總貸款額的比率。本文選取四家國有商業銀行和交通銀行、招商銀行、光大銀行等十家股份制商業銀行的信貸數據作為樣本，以平均的逾期貸款率代表貸款違約率，即以年末樣本銀行的總逾期貸款額與總貸款余額的比率。其中，1990、1991、1992三年的各樣本銀行的詳細數據欠缺，因此本文根據各類媒體披露的總的逾期貸款的變動率和貸款額的變動率計算出了這三年的逾期貸款率，其他各年份的詳細數據均來自中國金融年鑒和各銀行的年報。
四、實證結果
（一）模型估計
代入1990～2006年的宏觀經濟數據對上述模型進行多元回歸分析和模型估計，先用宏觀經濟變量的名義指標值和實際值，與引入的綜合指標Y的兩期滯后變量分別對Y進行回歸。從兩個模型的t檢驗指標看出，模型中GDP、LR、R作為解釋變量的參數并不顯著，而引入的Y的二階滯后變量對因變量的解釋性也不顯著。因此模型的參數需要進一步調適剔除。根據經驗和宏觀經濟沖擊的滯后性往往為一年，因此模型中只引入Y的一階滯后變量。雖然兩個模型的擬合優度統計檢驗指標和D-W指標略微下降，但兩個指標值分別為0.987和2，仍是非常理想的檢驗指標值。在剔除掉一年期存款利率后，兩個模型各參數的t檢驗指標都非常顯著。但是以模型解釋變量的參數符號來看，通貨膨脹率CPI在以名義宏觀經濟變量值為自變量的模型中的系數符號為負，這表明隨著CPI的增加，Y值也會減小，經過Logit變換后的違約概率PD將會增大，顯然符合經濟學原理。而在關于實際變量的模型中系數為正號，這是違背經濟學原理的。所以本文確定以名義變量作為模型解釋變量的方程為最佳的宏觀經濟模型（見表1）。這說明我國銀行的信貸違約率對名義的宏觀經濟因素的波動更敏感。Marco Sorge、 Kimmo Virolainen（2004）利用wilson（1997）模型框架對芬蘭銀行系統的違約概率進行了宏觀壓力測試分析，宏觀經濟模型估計結果與我國上述情況類似，即名義的宏觀經濟變量對違約概率的解釋能力更顯著。
根據回歸方程的t檢驗（5%的顯著性水平），各宏觀因素指標的實際值對綜合指標的影響并不顯著，所以剔除不列入表內。從表1中可以看出，綜合經濟指標和各宏觀經濟變量指標的名義值關系顯著。且綜合指標的一期滯后值對各宏觀經濟指標影響均顯著。從關于綜合指標的多元線性回歸方程也可以看出，國內生產總值增長率、貸款利率水平、通貨膨脹率和房地產價格的確是影響到我國銀行體系違約概率的顯著因素，而且綜合指標明顯受其一期滯后值的顯著影響。
（二）宏觀壓力情境的設定及其結果
本文選擇情境分析作為執行壓力測試的方法。針對模型所選取的宏觀經濟變量，我們設定兩個壓力情境：一種是GDP增長突然放緩的情境；一種是CPI上升到較高的水平（5%以上）。對于各種壓力情境下，反映壓力的宏觀經濟變量的變動幅度，可以通過以往的歷史相似情境數據或歷史經驗直接進行人為的設定。而本文在對銀行體系遇到極端情境進行構建之前，利用時間序列模型對解釋變量NGDP、CPI進行了2008～2010年的簡單ARMA模型預測，作為我們構建的參考基準情境（baseline scenario）。
從表2可以看出，在設定的兩種壓力情境下，我國的銀行體系的信貸風險明顯增加，從模型預測估計出的貸款違約率都有不同幅度的增加。隨著國民生產總值增速的大幅降低，貸款違約概率增大，但幅度較緩。而隨著通貨膨脹率的驟增，違約概率出現大幅度的激增。這充分說明在壓力情境下，宏觀經濟變量對銀行系統信貸違約概率的沖擊效應非常顯著。從而判斷，通貨膨脹率的同等幅度波動對銀行體系信貸違約率值的影響更大。
五、結論及建議
本文在對比分析國外成熟模型的基礎上，構建了適合我國經濟環境的宏觀壓力測試模型。首先本文借鑒了國外研究成果中關于宏觀經濟因素和貸款違約率之間的非線性關系設定。在此基礎上使用Logit方程將貸款違約率轉化為宏觀綜合指標Y，以指標Y作為因變量與宏觀經濟因素進行多元線性回歸分析，使得這一指標能夠很好地利用各宏觀經濟指標所提供的信息。在模型中宏觀經濟因素的選擇方面，參考國內外學者實證研究中模型的自變量，結合我國數據統計和披露特點等制約因素選取適合的宏觀經濟變量來構建模型。借鑒已有研究成果中在選擇信貸風險的評估指標方面的做法，以逾期貸款率作為模型中反映銀行體系信貸風險的指標。
結果發現：宏觀經濟變量名義國內生產總值，消費者價格指數，房地產價格指數和名義流動貸款利率對銀行體系貸款違約率影響是顯著的。特別是名義國內生產總值和通貨膨脹率指標，沖擊力較強。在關于名義國內生產總值大幅下降和通貨膨脹率驟升的壓力情境設定下，銀行體系的貸款違約率都出現了不同程度的大幅度提高。尤其在關于通貨膨脹率的壓力情境下，貸款違約率的增長幅度高于名義國內生產總值下降情境下的增幅。
本文研究結果對中國國情有著一定的解釋力，讓我們有信心支持這樣的研究思路的繼續開展。通過分析我們可以看出，中國的銀行體系穩定性還有待進一步加強，在面臨假設的宏觀經濟沖擊時，化解風險的能力就顯得不足。當然我們構建的這些極端情形發生的概率都是極小的，畢竟中國經濟目前來看幾年內保持穩定增長的態勢是確定的。
參考文獻：
［1］ 中國人民銀行金融穩定分析小組.中國金融穩定報告（2005）［EB/OL］. pbc.gov.cn/detail.asp?col=100&ID=2257&keyword.
［2］ McKinnon R. Financial growth and macroeconomic dtability in China.1978-1992: implications for Russia and other transitional economies［J］. Journal of Comparative Economics， 1994， 17(2): 438-469.
［3］ Deventer D V， Kenji I. Credit risk models and the Basel Accords［M］. BEijing: RENMIN University of China Press， 2005: 14-56.
［4］ Bernhardsen T. Real-time data for Norway: Challenges for monetary policy［J］. The North American Journal of Economics and Finance， 2005， 19(3): 333-349.
［5］ Bernhardsen T. The relationship between interest rate differentials and macroeconomic variables: a panel data study for European countries［J］. Journal of International Money and Finance， 2000， 18(2): 289-308.
［6］ Erlenmaier U. Correlations models in Credit Risk Managem［D］. Norway: University of HEIdelberg， 2004.
［7］ Erlenmaier U. Gersbach H.Default probabilities and default correlations［D］. Norway: University of Heidelberg， 2005.
［8］ Froyland E， Larsen K. How vulnerable are financial institutions to macroeconomic changes? An analysis based on Stress Testing［J］. Economic Bulletin， 2002， 3(11): 127-169.
［9］ Pesola J. The role of macroeconomic shocks in banking crises［J］. Bank of Finland Discussion paper， 2000， 2: 457-504.
［10］ Virolainen K. Macro stress-testing with a macroeconomic credit risk model for Finland［J］. Bank of Finland， mimeo， 2004， 19(1): 1-66.
［11］ 陳華，伍志文．銀行體系脆弱性：理論及基于中國的實證分析［J］．數量經濟技術經濟研究，2004(9)：34-51．
［12］ Wilson T C. Portfolio credit risk I［J］. Risk， 1997， 9(10): 111-170.
［13］ Wilson T C. Portfolio credit risk II［J］. Risk， 1997， 10(10): 56-61.
［14］ Merton R. On the pricing of corporate debt: the risk structure of interest rates［J］. Inance， 1974， 29(7): 449-470.
［15］ Vlieghe G. Indicators of fragility in the UK corporate sector［J］. Bank of England Working Paper: on.146， 2001.
篇8
【關鍵詞】股市波動 宏觀經濟 格蘭杰檢驗
一、引言
證券市場股票價格波動和宏觀經濟波動之間的關系一直是國內外學者關心的問題，也是國際經濟學界的熱點問題之一。2008年以來由美國次貸危機發展而來的全球金融危機，給世界經濟帶來了嚴重的影響，我國經濟雖然一直保持平穩運行，國民生產總值增速也出現了明顯的放緩，由2007年的14.2%到2008年～2012年分別為9.6%、9.2%、10.4%、9.3%和7.8%，而期間我國股市，以上證綜指收盤價為例，也由2007年年末的5261.56下降到2013年8月末的2098.38。在此背景下，對我國股市波動與我國宏觀經濟波動之間關系的研究越來越受國內外眾多學者的關注，其宏觀經濟指標的選取也越來越成為研究的焦點問題。
二、文獻綜述
有關股市波動和宏觀經濟波動，國內外眾多研究者從不同角度對其進行了研究和分析，Fama的研究表明，股票價格與經濟增長之間存在著正相關關系。[1]Engsted主要研究丹麥股票市場的波動影響因素，總結了股票價格、利率、匯率、消費、儲蓄、國際收支、稅收平滑指數、通貨膨脹、勞動力需求、貨幣需求等因素相互之間的影響。[2]Dritsaki實證研究希臘的股票價格指數和希臘國內的宏觀經濟因素的長期關系，宏觀經濟因素主要是工業生產值、通貨膨脹率和利率。同時，這些變量都通過了Johansen檢驗和格蘭杰因果檢驗。[3]
我國學者對股市波動的分析主要是從基本面和政策面進行。比較具有代表性的是靳云匯、于存高（1998）對中國股票市場與國民經濟關系的實證研究。他們分別研究了股票市場規模與國民生產總值GDP、居民儲蓄、通貨膨脹等變量的關系，股票市場與經濟周期以及股票價格與宏觀經濟因素之間的關系，認為中國股票市場已經基本具備了經濟晴雨表的作用，在一定程度上提前反映中國經濟周期的變動。[4]
從前述文獻看來，已有研究普遍認為經濟增長、工業生產、通貨膨脹、利率以及匯率等宏觀經濟因素波動與股市波動有較強的聯系，是重要的有代表性的宏觀經濟變量指標，但在對我國股市波動與我國宏觀經濟波動之間關系的研究上，所選用的宏觀經濟變量指標普遍較少，也缺乏對全球金融危機后我國股市波動與宏觀經濟波動的研究。
三、指標選取與數據來源
首先，在指標選取上，通常用股價指數等指標來描述股票市場的波動，而在股價指數種類的選擇上，最具代表性的是上海綜合指數和深證成分股指數。本文選擇上海綜合指數進行研究，主要基于以下幾方面的考慮：一是綜合指數以在證券交易所掛牌上市的全部股票作為編制對象，能夠反映證券市場總體變動情況；二是中國證券市場歷來存在著滬強深弱的現象，上海證券市場相對而言更能代表中國證券市場的發展狀況。[5]因此，本文采用上證指數進行研究。
另一方面，根據相關經濟理論和我國經濟發展實際情況，我們從眾多宏觀因素中選取了有代表性的12個指標：反映國民經濟整體運行狀況的工業增加值增長速度（GY）和制造業采購經理人指數（PMI）；反映通貨膨脹的居民消費價格指數（CPI），工業生產者出廠價格指數（PPI）和商品零售價格指數（RPI）；反映貨幣政策的一年期存款基準利率（LL），狹義貨幣供應量（M1）和廣義貨幣供應量（M2）；反映財政政策的財政支出增長速度（LGV）；反映對外貿易的進出口差額（XM）；反映匯率水平的人民幣美元匯率（HL），外匯儲備（WH）。這些指標基本涵蓋了我國宏觀經濟情況。
其次，在上證綜指和有代表性的宏觀因素的樣本選取上，本文采用2008年1月～2013年8月的月度數據，相對于大多數研究采用季度或年度數據，擴展了樣本容量，使研究結果更可信。在實證研究中，所使用的上證綜指收盤價（SZ）、匯率收盤價來自大智慧，所使用的其他宏觀經濟數據來自于中華人民共和國國家統計局、中國人民銀行和東方財富網。
四、實證過程分析
（一）單位根檢驗
由于我們采用的是月度數據，因此首先通過eviews6.0軟件對部分缺失數據采用指數平滑法計算，然后用X11方法分離出季節影響，再對季節調整后的時間序列進行單位根檢驗，檢驗其平穩性，在10%的顯著性水平下，且根據SIC準則選擇滯后階數，運用ADF法進行單位根檢驗，根據ADF統計量和P值數據可知，SZ、GY、PMI、CPI、PPI、RPI、LGV、XM均表現平穩，而LL、M1、M2、HL、WL表現為一階單整。其中，通過對以上一階單整非平穩宏觀經濟變量進行一階差分所得DLL、DM1、DM2、DHL以及DWH均表現為平穩。
（二）協整檢驗
由上述單位根檢驗，我們可以知道SZ、GY、PMI、CPI、PPI、RPI、LGV、XM以及經過一階差分處理后的LL、M1、M2、HL、WH在10%的顯著性水平下均表現出平穩性。接下來我們通過協整檢驗考察其是否存在長期均衡關系，方法有兩種：一種是基于回歸殘差的EG兩步法協整檢驗。主要適用于檢驗兩變量的協整關系，另一種是基于回歸系數Johanson協整檢驗，適用于多變量之間協整關系的檢驗。[6]在這里，我們采用第一種方法EG兩步法進行協整檢驗，檢驗結果如下：
由以上協整方程可以得出，在5%的顯著性水平下，所有宏觀經濟變量均與上證綜指呈現比較顯著的協整關系，即長期均衡關系。且與進出口差額（XM）、工業增加值增長速度（GY）、制造業采購經理人指數（PMI）、居民消費價格指數（CPI）、工業生產者出廠價格指數（PPI）、商品零售價格指數（RPI）、財政支出增長速度（LGV）、外匯儲備（WH）、一年期存款基準利率變動率（DLL）以及狹義貨幣供應量變動率（DM1）正相關，與廣義貨幣供應量變動率（DM2）、人民幣美元匯率變動率（DHL）負相關，這些檢驗結果與相關經濟理論的結論基本相符。
（三）格蘭杰因果檢驗
我們采用以上12個平穩宏觀指標對上證綜指（SZ）進行雙變量格蘭杰因果檢驗它們是否是彼此的格蘭杰原因，并且采用AIC準則來確定滯后期數，相伴概率P值越小，表明解釋變量對被解釋變量的統計上的因果關系及預測能力越強。
由檢驗結果我們可得出如下結論：在10%的顯著性水平下，上證綜指（SZ）是狹義貨幣供應量變動率（DM1）、廣義貨幣供應量變動率（DM2）、制造業采購經理人指數（PMI）、工業增加值增長速度（GY）、工業生產者出廠價格指數（PPI）、商品零售價格指數（RPI）變動的顯著原因，而居民消費價格指數（CPI）、工業生產者出廠價格指數（PPI）、商品零售價格指數（RPI）又是上證綜指（SZ）變動的顯著原因。而國際收支、匯率、外匯儲備、政府支出則與股市波動相關性很低。
五、結論與政策建議
本文采用2008年1月～2013年8月的月度數據，對其進行格蘭杰因果檢驗，由以上實證分析可以得出，全球金融危機以來，我國股市波動性對我國宏觀經濟變量的解釋能力較好，在某種程度上能反映我國經濟發展的趨勢水平，發揮經濟周期變化的“晴雨表”的作用，但是從檢驗結果中我們可以發現兩個問題，一是宏觀經濟變量對我國股市波動性解釋能力較弱，二是某些傳統意義上對股市波動有影響的宏觀經濟因素卻與我國股市相關性較弱，如國際收支、匯率、外匯儲備等。這可能是我國股市發展不夠完善、不夠開放的原因造成的。
針對我國股市的現實情況，為使我國股市與宏觀經濟健康協調發展，本文提出如下幾點政策建議：
第一，應完善證券市場監管體系，加強股票市場的立法和規范化管理，建立一個公平的市場競爭環境，保護投資者利益。當前，我國的監管主要是以政府為導向的監管，政府監管是市場經濟和股市正常運行的保證，但是不能過度替代市場功能，否則將會降低股市效率，阻礙股市的良好發展，因此，市場機制與政策導向要合理結合，增加行業自律的比重，這樣，我國股票市場才會越來越成熟與完善。
第二，應提高上市公司的質量，統一入市準則，完善退市機制，降低信息不對稱性，提高股市透明度。正是因為我國上市公司質量普遍不高，不具備投資價值，因此我國許多投資者尋求短期投機獲利，因此，完善我國上市公司的信息披露制度，保護投資者利益時尤為重要的。
第三，要堅持對外開放，促進股票市場的產業創新，努力創建統一的、多層次的市場體系，促進股市的可持續發展，積極推動我國股票市場的國際化進程。由市政分析結論也可看出，相對于發達國家股票市場，我國股市還不夠完善與開放，這也就造成了宏觀經濟波動對我國股市波動的解釋能力較弱，因此，堅持對外開放，與國際接軌，對我國股市與宏觀經濟健康協調發展是十分重要的。
參考文獻
[1]Fama，E，F.Stock returns， expected returns and real activity[J].Journal of Finance，1990，45：1089-1108.
[2]Engsted， T.1. Measures of Fit for Rational Expectations Models[J].Journal of Economic Surveys；2002，Vol.16 Issue3：301-355
[3]Dickson，David G.Stock market integration and macroeconomic fundamentals：an empirical analysis[J].Applied Financial Economics；2000，l0：261、276
[4]靳云匯，于存高.中國股票市場于國民經濟的實證研究（上）.金融研究，1998（3）：40-45.
[5]林毓鵬.中國股市波動的宏觀經濟因素分析，2009.4.1
篇9
關鍵詞：獨立學院 宏觀經濟學 教學改革
20世紀經濟學的一個主要突破是宏觀經濟學的發展，它促使人們更好地理解如何應對周期性經濟危機和刺激長期經濟增長等問題（薩繆爾森，2008）。《宏觀經濟學》是國家教育部根據高等教育面向21世紀教學內容和課程體系改革計劃規定的專業核心課程——《西方經濟學》的一個分支。《宏觀經濟學》的教學使學生掌握宏觀經濟基本理論、研究方法和實證分析技巧，在對基本理論和方法充分理解的基礎上，培養學生運用經濟學基本理論和思維分析、研究和解決現實經濟問題的能力，為學生進一步學習國際貿易、貨幣銀行學、國際金融等其他課程打下堅實的基礎。
一、教學內容堅持適用性和系統性原則
相比微觀經濟學，《宏觀經濟學》公式、圖表數量大大減少，理論難度相對較低。所以，《宏觀經濟學》授課相對容易。獨立學院宏觀經濟學教學應該堅持“理論知識夠用，強調技能，提高素質”原則，讓學生入門即可。
國民收入決定理論是教學重點。《宏觀經濟學》課程教學按照由淺入深的邏輯順序，先后幾章分別闡述NI-AE模型、IS-LM模型、AS-AD模型，以此構成國民收入決定理論。最簡單的模型：NI-AE模型，I=S，一個方程，一個未知數國民收入Y；IS-LM模型，兩個方程，兩個未知數Y、r[在NI-AE模型基礎之上，引入利率r可以得到IS曲線；再給出貨幣供給和貨幣需求（貨幣需求和利率r有關），得到貨幣市場均衡的LM曲線]；AS-AD模型：兩個方程，兩個未知數Y、P（AD曲線可由IS曲線和LM曲線推導得到，在前面模型基礎之上，引入一般物價水平P，通過總量生產函數得到AS曲線）。
二、教學案例堅持實用性原則
《宏觀經濟學》是研究政府行為如何對經濟產生影響的學科，是一門應用性很強的學科。主要通過兩方面工作體現應用性原則：一是數據，二是案例。數據方面，在介紹國民收入核算時，加入2012年中國GDP數據，并和同時期外國GDP數據進行比較，讓學生了解中國在國際上的經濟地位；PPT中加入國內各地區的GDP數據，了解浙江省在全國的經濟地位；PPT羅列中國經濟增長四架馬車（消費、投資、政府購買和凈出口）的數據，讓學生認識我國經濟增長主要靠政府投資和出口的現狀，掌握用支出法核算我國GDP的方法；在PPT中羅列中國近20年的CPI數據、中國失業率、中國大學生就業率、科藝學院就業率和就業單位等數據，更加深刻掌握中國物價波動的原因、就業市場現狀等相關內容；通過人民幣匯率波動等數據，讓學生更好學習開放條件下的宏觀經濟等。西方經濟學理論性強的學科特性決定了案例教學的必要性，應用性強的學科特性決定了案例教學的可能性，而案例教學的特點又為其在西方經濟學教學中的應用提供了廣闊空間。教學中以蘇州工業區中合資企業芭比娃娃和羅技鼠標（羅技鼠標美國售價40美元，中國只能賺3美元）、肯德基漢堡和翠苑電影票的利潤分成為例，讓學生了解GDP/GNP的區別，延伸到中國在全球產業價值鏈上的地位以及微笑曲線相關理論，引導學生更加深刻認識所處的世界；在勞動力工資和原材料價格上漲、人民幣升值的背景下，結合數學公式講述中國出口企業為什么會面臨匯率風險、訂單減少，深刻體會中國經濟增長模式面臨的瓶頸和弊端；通過2012年中國國際收支平衡表分析、資本外逃和熱錢流入對國際收支平衡的影響、索羅斯的賣空操作賺取12億美元、美元國際霸權、以汽車產業為例反思中國利用外資的利弊等案例學習開放經濟下的宏觀經濟。
三、強調課堂練習的重要性
《宏觀經濟學》課程教學特別強調案例和習題的作用，多進行課堂練習，可以起到事半功倍的教學效果。比如在介紹完“NI-AE模型”后，布置課堂練習，然學生通過“I=S”方法，計算均衡國民收入；然后再增加投資的金額，再計算均衡國民收入后會發現投資增加，國民收入成倍增加。通過該計算過程，可以切身體會乘數理論。
四、鼓勵學生參與，加強師生互動
圍繞中國案例展開討論，讓學生做等PPT（內容包括中國通貨膨脹的原因、經濟增長的源泉等）在課堂上講授。將學生獨立思考能力、分析問題能力和實際動手能力的培養融合到課堂與實踐教學環節中。
五、通過試題庫抽題進行考試
考試試卷由教師自主命題而不是試題庫抽題。自主命題時，試卷的標準化程度、難易程度、題量大小等各方面難以控制。利用計算機進行試卷的自動生成，通過試題庫抽題能夠真正實現考、教分離，規范同門課程所有教師的教學活動，克服個人命題中容易出現的片面性、隨意性。而且保證了命題的客觀性和科學性，對試題和試卷的保密管理將變得高效而便捷。
參考文獻
篇10
關鍵詞：壓力測試 商業銀行 Logit模型
?一、引言
從我國國情來看，商業銀行是我國國民經濟的重要組成部分，但是從我國經濟的宏觀發展情況來看，持續攀升的房價，以及起伏不定的物價指數都不利于我國整體經濟的長遠發展，而這對整個金融行業的影響尤為明顯，通過對商業銀行的各項風險指標的監控分析，尤其是對于商業銀行的信用風險的分析，將會提高銀行業信用風險管理水平，加強應對未知風險的免疫力，減少風險成本，降低風險發生時的財務成本，從而有利于我國銀行業的健康發展。
二、壓力測試的方法
（一）選擇風險因素
在選擇風險因素的時候我們需要先確定承壓對象，所謂的承壓對象一般指的是模擬進行壓力測試的對象，如業務/資產組合的風險屬性。通過承壓對象的選擇，進一步將其具體化就是承壓指標，承壓指標是一種可量化可計算的承壓對象，通過對承壓指標的量化分析能使得壓力測試結果更加具有可預測性。
風險因素也是壓力因素，一般指引發承壓對象極端波動的原因。例如對于商業銀行信用風險壓力測試，不良貸款率就是一個壓力因素，不良貸款率的上升可能會給銀行的信用風險帶來巨大影響。壓力指標是壓力因素的具體化表現形式，是可計算可量化的具體指標，一般在選擇壓力因素的時候，通常是選擇在常態情景下也具有現實意義的變量。
在選擇承壓對象和風險因素時一般需要同時滿足這兩個條件：一是能夠很好的解釋測試者所關心的問題，并且具有現實意義；二是承壓對象應該與壓力因素有可信的關聯關系，也就是說，選擇的壓力測試應該是有效的，在壓力情景測試時確實會有極端情景出現。
（二）建立壓力測試模型
根據國家統計局的分類將商業銀行分為國有商業銀行，股份制商業銀行，城市商業銀行、農村商業銀行和外資銀行，本文主要是對前四類商業銀行的信用風險進行壓力測試。在選定壓力測試對象、方法和風險因素以后，根據風險因素之間的相關性以及數據的可得性，選擇適當的壓力測試方法和模型，將反映商業銀行信用的穩健與可靠的承壓指標與所選擇的風險因素結合起來，建立Y=αx1+βx2+γx3 +…+ε代表宏觀經濟指標（風險因子）對于承壓指標的影響。
三、壓力測試的過程
（一）建立模型
衡量商業銀行的信用穩定性的宏觀經濟因素有很多，而對商業銀行的信用風險測試的模型也有很多，本文以商業銀行的不良貸款率作為考察商業銀行信用風險的承壓指標，用Logit模型將不良貸款利率通過離散模型轉換為代表宏觀經濟的綜合指標Y，然后將得到的各類商業銀行的綜合指標作為因變量與宏觀經濟變量建立自回歸模型。
本文所采用的數據是2006-2012年我國四類商業銀行以及宏觀經濟指標的季度數據，由于Logit模型是離散模型，其因變量的取值只能是0或者1，因此本文通過建立模型公式Y=ln（（1-NPLR）/NPLR）將不良貸款率轉換為0或者1，通過在excel中操作，得到新的Y值，將Y3.5賦值為1，Y=1表示發生不良貸款，Y=0表示未發生不良貸款，從而將不良貸款率轉換為宏觀經濟綜合指標。在Logit模型中解釋變量為消費價格指數CPI、國房景氣指數RECI以及固定支出投資價格指數PII，而四類商業銀行分別以其中文字母，guoyou，gufen，chengshi，nongcun 表示。
Yj，t=ln（1-BLj，t）/ BLj，t t=1、2、3……， j=1， 2，3 （1）
Yguoyou =C+α1*X1+α2*X2+α3*X3+..+ε1，t （2-1）
Ygufen=C+β1*X1+β2*X2β3*X3+..+ε2，t （2-2）
Ychengshi =C+γ1*X1+γ2*X2+γ3γ*X3+…+ε3，t （2-3）
Ynongcun=C+δ1*X1+δ2*X2+δ3*X3+…+ε4，t （2-4）
（1）式中BL為銀行t期的不良貸款率，通過Y將不良貸款率轉換為宏觀綜合指標，其中j=1、2、3分別代表了國有商業銀行、股份制商業銀行、城市商業銀行以及農村商業銀行四類商業銀行。由于四類商業銀行的經營規模、經營效率、經營模式、以及盈利能力的不同，這也使其在面對信用風險是其的表現有所不同，因此通過分別建立壓力測試方程。然后對宏觀經濟變量的自回歸形態變化進行模型分析。
表1 轉換后的不良貸款率
四類銀行通過logit模型轉換結果
國有商業銀行 股份制商業銀行 城市商業銀行 農村商業銀行
C 22.99774 -2.38651 7.03962 -15.703962
RECI -0.14371 -0.14371 -0.238247 -0.07322
CPI 0.250633 -0.011639 0.148606 0.485255
PII -0.234922 0.192213 -0.024524 -0.261547
R2（Mcfadden） 0.286187 0.165859 0.26185 0.14418
LR statistic 10.73786 2.390007 8.772796 5.575916
prob（LR） 0.013231 0.495497 0.032469 0.134168
四類銀行通過logit模型轉換后得到新的宏觀經濟指標Y分別用等式表示為：
Yguoyou=22.99774-0.14371RECI+0.250633CPI-0.234922PII
Ygufen=-2.38651-0.14371RECI-0.011639CPI+0.192213PII
Ychengshi=7.03962-0.238247RECI+0.148606CPI-0.024524PII
Ynongcun=-15.703962-0.07322RECI+0.485255CPI-0.261547PII
a）指標的選擇
在參考眾多實證研究文獻的指標選取以及對指標有效性的分析之后，本文以不良貸款率作為測試商業銀行信用風險的承壓指標，主要指的是貸款五級分類中的次級、可疑、損失類所占貸款總額的比例。不良貸款率是銀行各種風險的綜合體現，是評估商業銀行風險管理水平以及風險管理能力的最直接有效的指標。而對于宏觀經濟指標的選取主要選擇了與銀行信用關系密切，并且對銀行影響較大的幾項指標：消費者價格指數（CPI）、固定資產投資價格指數（PII）以及國房景氣指數（RECI）。固定資產投資價格指數反映了固定資產投資中的各類商品和取費項目價格變動趨勢和變動幅度。因此，隨著我國近年來房地產行業的欣欣向榮，以及居高不下的房價，考慮到繁榮背后的危機，防范于未然對于整個銀行體系是很有必要的。
綜合考慮了指標選取的可靠性與易取性以及統一性，本文統一選取了季度數據作為樣本數據，并對月度消費者價格指數進行了季度調整。本文將樣本的數據區間定為2006-2012年的季度數據，數據主要來源與中國人民銀行網、國家統計局網站以及和訊網。
四類銀行與宏觀經濟指標相關性分析
CHENGSHI GUOYOU NONGCUN GUFEN CPI PII RECI
CHENGSHI 1.000000 0.786245 0.588784 0.438529 0.317221 0.070428 -0.403245
DASHANG 0.786245 1.000000 0.748855 0.344791 0.206894 -0.344332 -0.490452
NONGCUN 0.588784 0.748855 1.000000 0.258199 0.198220 -0.001169 -0.169312
GUFEN 0.438529 0.344791 0.258199 1.000000 -0.026035 0.189303 -0.087125
CPI 0.317221 0.206894 0.198220 -0.026035 1.000000 -0.010510 -0.245442
PII 0.070428 -0.344332 -0.001169 0.189303 -0.010510 1.000000 0.375994
RECI -0.403245 -0.490452 -0.169312 -0.087125 -0.245442 0.375994 1.000000
表2 變量之間相關系數矩陣圖
從圖中看出，四類銀行之間都呈現正相關，各類銀行與CPI、PII指數的正相關性也較強，同時各宏觀經濟指標之間也存在著相關性，而從圖中可以看出RECI指數與各類指標之間都呈現出負相關性。這表明四類銀行與宏觀經濟指標之間存在線性相關性，可以通過回歸模型來估計四類銀行與宏觀經濟指標的相關性。
宏觀經濟變量自回歸結果
解釋變量 CPI RECI PII
constant -655.8552 -5.17E-11 -6.977242
CPI（-1） -0.19629 -4.99E-15 -0.018103
CPI（-2） -0.101446 1.20E-14 -0.026147
RECI（-1） -4.82837 1 0.259409
RECI（-2） 1.955765 -4.76E-13 -0.00499
PII（-1） 2.340554 1.28E-12 1.111714
PII（-2） -4.636237 -1.08E-12 -0.384949
R2 0.231812 1 0.90345
DW 2.08646 1.546426 2.094915
表3 宏觀經濟變量分布滯后模型估計與檢驗結果
由于R2的取值在0-1之間，由宏觀經濟變量的自回歸結果可以看出，回歸擬合效果不是很好，而從DW檢驗中也可以看出，在K=3，N=28時，DL=1.18，DU=1.65，由于DU
四類銀行與宏觀經濟變量回歸模型估計結果
國有控股銀行 股份制商業銀行 城市商業銀行 農村商業銀行
constant 8.39755 0.62426 2.874097 1.387797
CPI 0.002793 -0.000992 0.005004 0.004224
RECI -0.053417 -0.014821 -0.055913 -0.021163
PII -0.025816 0.018388 0.028956 0.007692
R 0.281438 0.070066 0.261713 0.057587
DW 0.208419 0.590254 0.149773 0.237366
F 3.133354 0.602757 2.835892 0.488846
prob（F） 0.044188 0.619543 0.059452 0.69328
由表中R2可以看出，四類商業銀行與宏觀經濟指標的回歸擬合優度效果不是很好，但從DW檢驗可以看出，在K=3，N=28時，DL=1.18，DU=1.65，由于DU
為了進一步分析各個宏觀經濟指標的變動對于四類商業銀行Y值的影響是否存在差異，本文就四類商業銀行與宏觀經濟的回歸模型進行Wald檢驗，以便進一步說明，具體原假設如下：
（1）消費者價格指數CPI：α1=β1=γ1=δ1
（2）國房景氣指數RECI：α2=β2=γ2=δ2
（3）固定資產投資價格指數PII：α3=β3=γ3=δ3
模型解釋變量的Wald檢驗結果
F值 概率
CPI：α1=β1=γ1=δ1 10.73062 0.0001
RECI：α2=β2=γ2=δ2 515.2517 0.0000
PII：α3=β3=γ3=δ3 698.4055 0.0000
從表中wald檢驗系數可以看出，宏觀經濟變量對四類銀行的影響都具有顯著性，但其表現卻不盡一樣，顯然RECI和PII相對于CPI對于商業銀行的影響更大一些。由于不同的銀行對于房地產市場的進入程度不同以及房貸的風險管理控制水平的不同，因而房價變動對于各類銀行的影響程度也不盡相同，但這也從側面反映房價的變動是可以調控的，信用風險也是可以降低的。根據所選擇的宏觀經濟指標對于商業銀行的影響程度不同，本文的壓力測試時采用RECI以及PII這兩個宏觀經濟因素，來構成壓力測試的情景因素。
（二）設定壓力情景
本文采用了情景分析方法對商業銀行信用風險進行壓力測試，本文預測的重點在于，通過在預測的時間段內設定壓力測試源，然后對宏觀經濟指標進行估值以及這些指標在壓力情景下Y和違約率的估值。在壓力測試來源確定以后，通過運用蒙特卡羅模擬其他宏觀經濟指標相應的估值，模擬出商業銀行的不良貸款分布率，再與基準情景進行對比，從而分析出宏觀經濟對于商業銀行穩健性的影響。
1、情景設置
縱觀我國目前的經濟形勢與國家宏觀政策調控方向，以及宏觀經濟對于商業銀行的影響顯著性的不同，本文選取了國房景氣指數RECI以及固定資產投資價格指數PII作為情景指數，2013年-2014年兩年共八個季度的指標來設置較壞情景和嚴重情景。以下兩幅圖表示的是在基準情景下，各宏觀經濟變量的走勢。
2006-2014RECI、PII季度預測結果
2006-2012年我國PII、RECI走勢圖
（1）較壞情景：以2006-2012年的數據為基準預測，得出到2014年第四季RECI指數下跌了2%，固定資產價格指數下降了5%。
（2）危機情景：以2006-2012年的數據為基準預測，得出到2014年第四季RECI指數下跌了5%，固定資產價格指數下降了11%。
2、執行壓力測試
通過前文運用區間預測得到了RECI以及PII的值，再以2012年第四季度的各指標值為基準情況，與危機情景，以及嚴重情景進行對比，得出結果如下表：
宏觀壓力測試結果
危機情景 嚴重情景 基準情景
RECI 132.283 135.802 95.59
RECI 139.403 142.34 100.3
從上表中可以看出，與基準情況相比較，在嚴重情景和危機情景下，各宏觀經濟指標都有大幅度的上升，說明宏觀經濟對我國商業銀行信用風險有很大的影響。
四、小結
從我國四類商業銀行與宏觀經濟指標的壓力測試中可以看出，宏觀經濟指標的變化對于我國商業銀行的信用風險有很大的影響，隨著宏觀經濟指標的不斷上升，商業銀行的信用風險也就增大，因此，對于商業銀行來說，應該在宏觀經濟指標不斷變化的同時降低銀行的不良貸款率，這樣就能夠減少商業銀行的信用風險。通過實證研究可以發現，商業銀行的信用穩定性有待加強，面對宏觀經濟變化的復雜性與多樣性，商業銀行抗風險沖擊與抵御風險的能力有待加強。
參考文獻：
[1]譚曉紅，樊綱治.我國商業銀行宏觀壓力測試研究-基于四類銀行的SUR模型[J].投資研究2011（12）.3-16
[2]巴曙松，金玲玲，朱元倩.巴塞爾Ⅲ下市場風險資本框架的改革及中國商業銀行的應用[J].金融發展研究.2012（1）.3-8
[3]王雯，陳，葉宇.我國銀行業信用風險宏觀壓力測試的實證分析-基于SUR方法[J].金融與經濟.2012（11）.27-30
[4]巴曙松，朱元倩.壓力測試在銀行風險管理中的應用[J].經濟學家.2010（2）.70-79
[5]李關政.基于MF-Logistic模型的銀行信用縫隙那壓力測試[J].金融理論與實踐.2012（1）.11-15
