一、引言

现阶段中国经济发展面临的最主要问题即在经济内生动力不足的同时金融风险有所积聚，且出现了一批的金融可能风险点。由于目前中国金融与实体经济间尚未建立起有效的“防火墙制度”以及“断路器机制”，系统性金融风险的爆发很有可能造成全局性严重后果，引起实体经济的剧烈波动。因此，应当从期限角度来看待与把握“稳增长”与“防风险”的平衡，即更加注重短期的金融风险防控与长期的经济增长稳定。短期内实现对系统性金融风险有效防控的前提，是对中国金融安全与稳定状况能做出客观的认识与全面的评价，其中，中国金融状况指数(Financial Condition Index，简称FCI；Goodhart and Hofmann, 2001)被普遍采用。

现有围绕FCI的研究文献主要集中在三个方面：FCI是否包含了未来通货膨胀的预测信息(Feng and Wang, 2006)；FCI能否很好地反映货币政策的传导机制(余辉、余剑，2013)，是否可作为货币政策的参考指标或操作目标(Mayes and Viren, 2001)；以及FCI能否刻画金融波动对实体经济的冲击影响，是否包含了未来经济走势的预测信息(陈守东等，2016)。在上述问题的研究过程中，由于在合成方法选取与指标体系构成的不同，直接导致研究结论的不尽相同，但已普遍认为FCI能够很好的预测CPI的未来走势(陈守东等，2017)，因此本文将最终合成的FCI与CPI间是否具有领先滞后关系作为其是否合理的判断标准之一。

构建FCI的研究方法众多，主要集中于VAR类模型(Switson，2008)、缩减式总需求方程(Mayes and Viren, 2001)、降维类模型(梁永礼，2016；English et al., 2005)以及联立方程组模型(Beaton，2009)四大类，不同方法各有利弊。随着金融杠杆链条的不断延长、金融创新边界的不断外延、金融经济关联的日益复杂，金融状况的内涵被不断拓展，因此，在合成FCI的过程中，需要包含尽可能多的变量信息，因此，传统的仅能容纳少数变量的VAR类模型以及需要大量或严苛经济前提假设的缩减式总需求方程与联立方程组模型难以适应与满足当前大数据金融环境的需要，相较而言，基于降维思想的模型方法更为适用。本文最终选取的是主成分分析方法(Principal Component Analysis，简称PCA；梁永礼，2016)合成FCI，为后续研究提供一个基本参照。尽管合成FCI的指标体系构成存在很大差异，且变量个数在不断增长，但始终均包含Goodhart and Hofmann(2001)指标体系下的利率、汇率以及资产价格有关变量(Lack，2003；易晓溦等, 2014)。且综合梳理现有研究，认为基本可将众多指标归结为三类：包含利率信息的货币政策类变量、包含汇率信息的外部冲击类变量以及包含资产价格信息的内部冲击类变量，即本文在延续Goodhart and Hofmann(2001)的基础上，从影响金融安全与稳定的风险冲击源出发，设计符合中国金融实际的指标构成体系，对后续研究具有一定助益。注意到，传统的关于系统性风险的定义对危机爆发前风险生成演化的过程关注不足，对局部性与风险要素关注不足。2008年金融危机过后，系统性风险的内涵发生变化，并将其重新认知为“关键性风险因素的积聚扩散及其造成的全局性金融危机”。在这一观点的启发下，本文在指标体系内部冲击变量的选取过程中，除考虑变量的系统重要性之外，还将重点从现阶段的关键性风险领域选取代表性指标进入指标体系，使得本文最终合成的FCI既能全面评价中国金融运行状况，又因包含关键性风险因素信息而能更好的反映风险要素积聚扩散、并由局部风险演化触发的系统性风险积聚过程。

现有研究因受传统系统性风险定义的桎梏，对关键性风险领域关注不够，对关键性风险因素考虑不足，在合成FCI的过程中尚没有明确关键性风险领域与关键性风险因素有关指标，且现有研究鲜有从风险冲击源的角度将合成FCI的指标体系进行系统性分类。简言之，本文的创新重点体现在对关键性风险因素的分析以及合成FCI指标体系的设计方面，且借鉴宏观经济景气指数体系的构建思想，构建了金融景气指标体系。在对关键性风险因素的描述过程中，构建并编程实现了具有无限区制时变特征的IMS-AR模型。此外，本文利用KLD(K-L Distance)综合检验围绕FCI的主要研究问题：FCI与通货膨胀、货币政策以及产出间的关系，与现有研究形成有益补充。最后，运用滚动预测的方法对FCI进行向前12期的预测，为后续经济政策的制定与实施提供操作依据。

二、关键性风险因素的动态演变过程及其转化条件识别

现有文献关于关键性风险领域或关键性风险因素的研究尚且不足，通过零散的文献梳理，本文将存在于关键性风险领域的风险因素称之为关键性风险因素，且认为关键性风险因素应当具备以下特征：(1)数据生成过程为近单位根、单位根或者爆炸性过程，即表现为快速膨胀而非消弱退化；(2)因可带来普遍性超额收益而具有系统重要性；(3)往往表现的较为集中，一般与资本市场相联系，但同时与全局的多个关键环节具有动态关联性，可对金融体系、经济结构形成广泛性、全局性冲击影响；(4)尚未发生足以使金融经济系统内部自发化解相应风险因素的技术进步。以上四点特征基本阐明关键性风险因素的生成演化过程，即该领域由于普遍超额收益的存在，在资本逐利性的驱使下，吸引了社会资本的广泛参与，风险因素随即滋生且不断膨胀，当超过一定阈值，金融发展重度失衡，经济结构被严重扭曲，局部危机爆发，由于其与全局的多个关键环节具有动态关联性，因此在“断路器机制”与“防火墙制度”尚未健全的情况下，很容易发展为系统性金融危机，最终波及整个经济系统的稳定运行。根据关键性风险因素特征，结合当前中国经济金融形势，最终认为中国现阶段的关键性风险领域因素主要为产能过剩行业的去产能风险、房地产市场的房价波动风险、商业银行业的不良贷款风险，以及地方政府债务融资平台的债务风险。由于关键性风险因素在经济的不同发展阶段会发生变化，2002年以来，“去产能”风险、房价波动风险以及商业银行不良贷款风险始终存在且较为重要^①，仅地方政府债务融资平台的债务风险在近年来才逐渐凸显，且数据缺失严重。鉴于此，本文最终选取工业企业产成品存货、国房景气指数和房地产投资开发完成额，以及商业银行不良贷款率作为三大关键性风险因素的代理指标(表 1)。

① 从库存周期的角度，将产能过剩问题广义化为产能问题，则可通过工业企业产成品库存来评判样本期的不同区间内产能表现为不足还是过剩，因此，以工业企业产成品存货指标刻画整个样本期内“去产能”的程度和速率具有合理性，可列入合成FCI的指标体系。

对关键性风险因素进行评价的关键在于如何准确识别关键性风险因素的动态演变过程及其转化条件，但这一问题的研究牵涉甚广，本文从其自稳定性(即惯性)的角度对这一问题展开分析。若某时间序列的自相关绝对水平足够高，则可认为其具有惯性特征，因此负相关时间序列同样可具有惯性特征。以AR过程描述时间序列的自相关程度，则AR系数和可作为时间序列惯性行为分析依据的合理表示。尽管自相关函数在理论上是惯性信息的最全面表示，但AR系数和以最简洁的方式给出了惯性信息的绝大部分表示，认为是实践操作过程中更可取的研究路径。但时间序列数据往往存在局部非平稳性、局部不稳定性与结构断点。通过梳理Fox et al.(2011)、Jochmann(2015)、陈守东、刘洋(2015)等研究的研究进展，认为以Sticky Infinite HMM分层Dirichlet过程为基础拓展的无限区制时变IMS-AR模型是对此类数据惯性行为进行准确描述的有效方法。IMS-AR模型如下：

$ \begin{array}{l}{x_{t}=\phi_{0, s_{t}}+\sum\limits_{i=1}^{p} \phi_{i, s_{t}} x_{t-i}+\varepsilon_{t}, t=1, \ldots, T} \\ {\varepsilon_{t} \sim N\left(0, \sigma_{s_{t}}^{2}\right), \sigma_{s_{t}}^{2} \sim {Inv}-{Gamma}\left(c_{0}, d_{0}\right)}\end{array} $

(1)

$ \begin{array}{l}{\phi_{i, s_{t}} \sim N(\mu, \Sigma), \mu \sim N\left(b_{0}, B_{0}\right), \Sigma \sim {Inv}- { Wishart }\left(Z_{0}, m_{0}\right)} \\ {s_{t} | \phi_{0, j}, \phi_{i, j}, \sigma_{j}^{2} \sim {Sticky \; Infinite }\; H M M, t=1, \cdots, T, s_{t}=j=, \ldots, \infty} \\ {s_{t} \sim {Multinomial}\left(\omega_{s_{t-1}}\right)}\end{array} $

(2)

$\omega_{j} | \alpha, \gamma, \kappa \sim D P\left(\alpha+\kappa, \frac{\alpha \gamma+\kappa \delta_{j}}{\alpha+\kappa}\right)$, 若j′=j, 则δ_j=1, 否则为0，γ~Stick-Breaking(η)

其中，p为滞后阶数，s_t表示区制状态，服从如式(2)所示的无限隐性马尔科夫模型，并赋予其多项式结构，向量ω_st-1表示状态s_t-1与s_t间的转移概率，超参数c₀、d₀、b₀、B₀、Z₀、m₀、α、γ、κ需先验给定。

令AR系数和SC(Sum of coefficients)=$\sum\limits_{i=1}^{p} \phi_{i, s_{t}}$，综合比较现有文献最终选定1作为惯性行为比较分析与强度判断的基准。扰动项ε_t作为其他影响因素的代理。

根据SC的性质，SC < 1时，SC越小表示指标变化频率越高，受自身以外的其他因素影响更为强烈，意味着更需要相应政策调控以维持其稳定，SC越接近于1表示其越稳定，惯性越强；SC>1时，指标服从爆炸性的数据生成过程，极其不稳定，即存在泡沫破裂、危机爆发的风险。根据各指标AR系数和的动态变化情况，认为：样本区间内，房地产市场始终是社会资本普遍追逐的重点领域，依然十分景气，房地产投资有着类似表现，但惯性程度相对较弱，即还受其他因素影响，应当予以关注，综合分析认为，房地产市场稳定性依然较高，现阶段风险爆发的可能性相对较低，但注意到国房景气指数惯性近期有所增强，持续的景气积累有可能导致房地产市场过热现象的出现，存在风险进一步生成演化的可能；工业企业产成品存货自身惯性特征整体而言不强烈，金融危机前后SC在0.5均线附近波动，在步入经济新常态后惯性特征的振幅与频率均飙升，表明其他因素对产能过剩行业的影响强烈，产能过剩治理面临的不确定性因素较多，导致产能过剩行业对经济风险防范具有重要现实意义，因此在去产能的推进过程中，需注意风险监控与政策支持，以对冲其他因素的冲击影响，维护产能过剩行业的稳定；中国银行业是否会发生危机是国内外普遍关注的重点问题，从商业银行不良贷款率的惯性特征出发，尽管在2008年金融危机后其自稳定性有所减弱，但仍相对稳定的处于较高的惯性区间内，表明商业银行不良贷款率较高的现象在短期内难以改善，在其他因素影响相对较弱的情况下，倘若商业银行不能从自身层面实现对不良资产的合理有序处置，弱化不良贷款率的惯性特征，将有可能诱发违约风险，并演化为银行业危机。

三、中国金融状况整体评价及前景预测

本文从影响金融安全与稳定的冲击来源角度构建FCI的指标合成体系(表 1)，且在内部冲击来源的指标选择过程中囊括了关键性风险因素的代理指标，使得本文构建的指标体系更具逻辑性、合理性与全面性，且兼顾了风险的要素特性，这保证了最终合成的FCI既能全面评价中国金融当前的整体运行状况，同时包含了关键性风险因素信息，对短期的风险监控与防范具有指导意义。

(一) 中国金融景气指标体系建立

通过PCA方法合成FCI ^①，如图 4所示。观察FCI的历史走势发现，中国的金融状况与其周期成分的运行趋势保持较高的一致性，说明中国金融波动主要表现为短期的周期性波动^②。现阶段，中国的金融体系及金融风险均具有显著的顺周期性，在微观基础层面即在金融体系内部存在过多的风险正反馈机制，相应负反馈机制的缺乏直接导致风险内部化解的低效率。在周期性波动过程中，如何抑制金融顺周期性，避免金融风险以泡沫破灭的形式，而是以泡沫化解的形式回归于稳定状态是避免中国金融状况出现大幅波动的关键所在。因此，迫切需要在金融微观基础层面创建与疏通多个负反馈环，并对“正-负”可相互转化的反馈环建立断路器机制。在确保金融短周期波动可控的前提下，根据金融状况与其周期成分高度一致的运行特征，中国金融状况整体也将处于可控层面。注意到，2015年的股市异常波动带来了中国金融状况的一波下行，但并未从根本上改变中国金融向好的趋势性特征，且从2016年初开始短期周期波动成分也开始震荡回暖，综合表现为中国金融状况的整体向好发展，这一态势一直持续到样本期末。

① 由于本文从三个层面构建金融状况指数的指标合成体系，因此先验给定主成分个数为3，事后检验认为这一先验假设合理。

② FCI经ADF检验(p值=0.0004)为I(0)过程，其趋势成分与周期成分经HP滤波分解得到。

通过因子载荷(表 2)分析认为，中国FCI主要受价格型货币政策工具、大宗商品价格、国债到期收益率以及房地产市场景气状况的影响。这表明：价格型货币政策工具在金融风险调控方面具有有效性，能够显著影响中国金融状况的稳定；大宗商品价格波动对我国金融稳定冲击较大，是国外金融市场风险溢出的主要途径；房地产市场的景气度是影响中国金融状况最为重要的关键性风险因素，在防止房地产市场过热的调控过程中，应注意避免因调控措施过于严苛造成房地产市场的突发式降温，有可能引起中国金融的大幅波动。

主成分间的关联程度有限，表明信息的交叉重叠度有限，意味着金融景气指标体系据此建立的可能。借鉴经济景气指标体系的构建思想，将FCI视为中国金融运行状况的同步指标，定义为金融一致指数，通过KLD ^①(图 5)判断，认为FCI先行于第二主成分7期，滞后于第三主成分5期，故将第二、三主成分分别定义为金融滞后指数与金融先行指数。且这一定义的合理性也体现在：金融先行指数主要与股票市场有关，作为社会资本参与度最高、发展最为成熟的资本市场，股指不仅是宏观经济的晴雨表，在金融体系内部也具有先行性；金融滞后指数与其余变量均存在显著相关性，且有关变量以具有金融系统重要性的宏观经济变量为主。现有研究在金融景气指标体系的构建方面还存在很大不足，本文对这一问题展开研究，以期为后续研究工作提供操作指引与思路借鉴。简言之，通过PCA方法，提取金融一致指数(即FCI)、金融先行指数与金融滞后指数，作为中国金融景气指标体系的基本框架，具有一定合理性。

① 给定某一偶然带有随机性质的样本，其可被视为服从某一概率分布的随机变量(或事件)的确定值，模型是否适用于该样本可通过比较该模型下的概率分布与真实概率分布相近似的程度来判别，KLD衡量的便是两种概率分布的近似程度。

(二) 中国金融状况未来走势预测

预测显示(图 6)，预测区间内(2017年6月-2018年6月)，中国金融状况始终处于下行区间，主要由于在实体经济已难以持续回暖的情形下，金融监管力度将进一步加强，去杠杆的推进又减弱了各个经济部门的信贷需求，且在某种程度上扩大了商业银行的敞口风险，房地产市场需求在高强度的调控压力下也将处于观望状态，同时，产能过剩行业的形势仍然不尽乐观，有关企业的偿债能力还有待改善与加强。简言之，2018年上半年，中国的房地产市场、商业银行业以及产能过剩行业的风险很有可能处于加快释放阶段，由于上述关键性风险领域的整体抗风险能力不强，因此需重点监控，避免监管措施与调控政策过于严苛而对金融市场产生冲击，一旦诱发流动性风险，很有可能引致全局性危机的发生。注意到，尽管中国金融状况在短期内周期性波动下行，但在长期视角下，其向好的基本趋势没有改变，说明中国金融供给侧结构性改革的改革红利正在逐步释放，金融结构将持续优化。简言之，2018年上半年，中国存在短期的周期性波动下行风险，需注重运用短期经济政策来维护金融稳定，但中国长期向好的金融形势并没有因为短期金融波动而改变。

运用IMS-AR模型对样本期及预测期的FCI进行区制状态分析，根据区制数量的分布密度(图 8)，认为中国FCI服从两区制的马尔科夫区制转移过程。鉴于中国尚未发生系统性金融风险的特殊性，从金融风险的生成演化机制角度，将区制1定义为金融风险的释放扩散阶段，将区制2定义为金融风险的积聚阶段，则中国在绝大多数时间区间均较稳定的处于金融风险的积聚阶段，主要原因在于，中国长期以来高速的经济增长足以覆盖金融体系的金融风险敞口，在充足的内生经济动力与不断的技术进步的支撑下，金融风险得以逐步化解。注意到，2008年全球金融危机期间，中国的金融风险并没有集中释放，在一揽子救市计划的刺激下，金融风险的释放仅仅是被推迟，并未被化解，因此在2010年下半年中国金融状况才出现了一定的波动，最早反映在当时的房地产市场，在始于2009年底的调控序幕下，2010年的房地产市场经历了“过热-低迷-回暖”，被称为房地产调控年。类似的，2003年初，在非金融企业部门加杠杆速率突然加快、人民币升值压力巨大、票据业务迅速扩张等多重金融因素的叠加下，中国金融结构与金融监管一时难以适应也导致了一轮金融风险的集中释放与扩散。因此，FCI在相应时点出现了断点概率，且惯性特征出现了波动(图 9)。SC结果同样表明，中国金融状况的惯性特征十分稳定，但绝对值在0.7-0.9之间，表明还存在其他因素能够影响中国金融状况的稳定。因此，尽管在预测区间FCI仍较稳定的处于风险积聚区制，还需要注意防范与应对其他非预期冲击引起FCI的区制状态转换问题。

(三) FCI的经济预测能力分析

FCI衍生自MCI(Monetary Condition Index)，目的在于通过在MCI指标构成的基础上新增包含未来通胀信息的资产价格指标，使得得到的FCI能反映未来通胀的变化态势，因此，FCI与CPI间是否具有确切的领先滞后关系是评价合成的FCI是否合理的重要评判标准。通过KLD方法发现本文FCI先行于CPI 7期，与现有研究差异性较小，因此本文合成的FCI具备合理性。且大量研究表明，金融是国民经济的“晴雨表”，因此FCI也应当与经济增长间具有确切的领先滞后关系，以工业增加值(IP)为代表，通过KLD方法发现FCI先行于IP 7期，进一步佐证了本文合成的FCI的合理性。简言之，本文合成的FCI包含了中国经济未来走势变化的信息，具有一定预测能力。结合图 6的预测结果，在7期滞后的条件下，2018年中国应当加强对通胀下行的关注与经济减速的治理。预测显示，2018年上半年中国金融状况呈下行趋势，意味着2018年中国经济减速治理将面临较大不确定性，因此在把握“稳增长”与“防风险”平衡点的过程中，在强调金融风险防控的同时，不能忽视对经济波动的关注。

四、稳健性检验

理论上，指标体系容纳的变量数越多，最终合成的FCI所包含的有效信息也越多，因此，首先可从指标体系拓展的角度进行相应的稳健性检验。考虑到存贷款基准利率的枢纽作用以及利率期限结构的信息传递作用等，在原有指标体系的基础上，纳入金融机构1年期贷款基准利率与存款准备金率，以及3年期与5年期国债到期收益率，以合成新的金融状况指数(FCI-RT)，如图 12所示。

金融状况指数的绝对值水平并不具有显著经济含义，但其相对值与趋势变化则可以很好地揭示金融状况与金融稳定的历史演进过程与未来可能变化。结果显示，基于容纳更多变量数的指标体系所合成的FCI-RT与FCI在振幅与值域方面存在显著性差异，但在趋势变化方面保持了较高的一致性，尤其是在波动的转折节点。IMS-AR模型结果显示，FCI-RT也存在两区制特征，且区制转移概率在大部分样本区间出现重合。上述结果表明，尽管纳入更多金融经济变量能得到更加精确的FCI，但本文合成的FCI已足够识别中国金融状况的历史趋势变化，这对于全面认识中国金融状况的演进过程与特征变化具有重要意义。不同样本区间也可能对模型结果产生显著影响。通过将样本区间(2002.01~2017.06)与预测区间(2017.07~2018.06)分别拓展为(2002.01~2017.12)与(2018.01~2018.06)进行稳健性检验，结果(图 14)表明，2017年7月以来，新得到的金融状况指数(FCI-RTF)与既有FCI整体均呈现下行趋势，但FCI-RTF为波动下行，FCI则相对平滑，且预测区间比历史区间平滑。考虑到，在区间(2017.07~2017.12)与(2018.01~2018.06)内FCI-RTF与FCI在整体趋势层面均具有一致性，说明基于既有FCI在预测中国金融状况未来趋势变化方面具有有效性与稳健性。

五、结论

随着投资增速的放缓，2018年上半年中国经济增速将有所放缓。经济减速背景下，显性风险将被放大，隐性风险将逐渐显性化，新的风险点也在滋生，因此，对系统性风险的防控成为现阶段中国金融经济稳定运行面临的重大现实问题，其中，对金融状况的全面评价是进行风险防控的前提条件与基础。本文从影响金融安全与稳定的冲击来源出发，结合关键性风险因素，系统的拓展了原有合成FCI的指标体系构成，经KLD验证，本文合成的FCI具有对金融状况的识别功能与经济增长的预测能力，并据此构建了金融景气指标体系，同时给出预测分析，与现有研究形成有益补充的同时，为宏观调控与政策实施提供操作依据与指引。稳健性检验结果表明，合成的FCI在识别中国金融状况历史演进过程与预测未来趋势变化方面具有有效性与稳健性。主要研究结论如下：

(1) 本文认为现阶段的关键性风险因素主要为房价波动风险、去产能风险、银行业不良贷款风险，其中：房地产市场景气度的惯性特征显著存在，但房地产开发投资受自身以外的其他因素影响较多，需注意景气度的持续积累导致过热现象的出现；工业企业产成品存货的惯性特征不明显，受其他因素的影响显著，需通过产业政策与信贷政策等维持去产能过程中产能过剩行业的稳定；2008年全球金融危机后，商业银行不良贷款率的惯性程度有所下降，其他因素的影响逐渐显现，经济减速背景下，需更多关注银行外部经济环境的变化。

(2) 本文从影响金融安全与稳定的冲击来源出发，从货币政策冲击、外部冲击与内部冲击三个层面选取具有金融系统重要性的指标变量构建FCI的合成体系，且在内部冲击变量的选取过程中，重点突出了关键性风险因素指标。结果显示，2017年上半年中国金融周期波动成分与趋势成分均向好发展，表明中国金融业供给侧结构性改革取得初步成效，金融结构得到优化。

(3) 借鉴经济景气指标体系的构建思想，将FCI等同为金融一致指数，并通过KLD方法识别领先滞后关系的存在，以确定金融先行指数与金融滞后指数，据此建立金融景气指标体系，通过因子载荷分析发现，股票市场是金融状况运行的“晴雨表”，与金融先行指数关联性最为密切。

(4) 预测显示，2017年上半年FCI处于上升区间，但在预测区间内(2017年6月-2018年6月)，中国金融状况始终处于下行区间，鉴于FCI对通胀与经济增长的先行性，认为2018年中国经济增长面临较大不确定性，因此2018年应当积极进行经济减速治理，尤其在2018年上半年需对通胀与经济下行风险予以关注。但这一风险是短期的、局部的，因FCI长期向好的趋势没有改变，表明中国金融结构优化的可持续性。

(5) 样本期内，FCI服从两区制的马尔科夫转移过程，其中，仅2003年上半年与2010年下半年出现了结构断点，当前以及未来一段时间内中国均以较高的转移概率处于风险积聚区制，但存在其他因素影响着中国金融状况的惯性特征，应注意防范与应对非预期冲击下FCI由风险积聚区制向风险释放扩散区制转换的可能。