宏观经济利率大全11篇

宏观经济利率篇（1）

中图分类号：F8315；F8220文献标志码：A文章编号：

10085831（2017）03002312

一、研究背景与问题

金融与经济的联系日益紧密，金融领域发生的危机可能造成世界性的经济冲击。近年来，美国金融危机和欧洲债务危机冲击，和与之伴随的全球股市价格的震荡，以及国际原油价格和重要原材料价格的剧烈波动，给中国经济稳定的发展造成巨大的冲击。此外，外部冲击导致的汇率变动也将影响货币政策的实施效果。在国内，股票市场价格暴涨暴跌现象屡见不鲜，房地产也呈现急剧震荡态势，直接危及金融市场和经济稳健发展[1]。资产价格波动会对货币供应产生结构性影响，改变货币政策的传导机制，尤其是金融资产价格泡沫破裂，对实体经济会产生严重冲击，从而影响货币政策最终目标的实现[2]。

金融助推经济发展的金融加速器作用机制可以解释很多经济现象，相关文献也十分丰富。金融加速器（Financial accelerator）是指金融市场中的各种状态如信息不对称、成本会放大经济冲击的一种现象，根本原因在于金融市场不完备、金融摩擦和外部融资溢价。它的提出可以追溯到Bernanke，Gertler，Gilchrist[3-4]，他们首次将动态均衡模型的分析方法引入金融加速器中，以便更好地分析市场摩擦对经济波动的影响。此后，学者对此深入研究，逐渐扩大应用范围。Claudia和Pierdzioch[5]指出，金融市场越发达，经济波动程度越小，造成经济波动加大的主因是金融摩擦。Gilchrist[6]建立两国一般均衡模型分析金融摩擦的国际传导机制，发现发展中国家金融市场信息不对称程度相对严重，金融摩擦导致经济波动的程度较发达国家也相对严重。Gertler，Gilchrist和Natalucci [7]研究了金融加速器机制和汇率制度之间的关系，发现固定汇率制较浮动汇率制而言，金融加速器的传导效应更大。其他相关研究还从不同行业角度分析金融加速器效应。如Aoki等[8]从金融加速器角度研究了英国房地产融资对实体经济的影响，发现英国房地产投资与房价具有周期性波动特征；郑忠华、邸俊鹏[9]在包含金融加速器机制的DSGE模型中模拟了房地产借贷对经济波动影响；刘兰凤、袁申国[10]以BGG模型为基础，研究了货币政策冲击对住房价格与住房投资及消费的影响，结果发现金融加速器机制下货币政策冲击放大了对三者的作用；刘兰凤、袁申国[11]通过构建三部门的DSGE模型，从微观角度证实了中国金融加速器效应的存在，并进一步验证了金融加速器机制能提高解释周期波动的能力。

金融市场冲击对经济波动影响显著，并在全球范围内传导。2008年以来，美国为应对次贷危机引发的流动性骤减，多次实施了“量化宽松”货币政策，造成全球经济的巨大流动性冲击。2013年以来，美联储的“量化宽松”退出，全球经济再次受到影响，导致中国资本外流、汇率贬值等一系列问题。面对经济下行压力，新一届政府进行了卓有成效的改革，其中去杠杆化、利率市场化等都牵涉到金融稳定的核心领域。在金融加速器机制作用下，经济、金融领域的微小变动可能形成“蝴蝶效应”，因此，χ泄金融加速器的传导机理、作用效果等的全面深入分析研究，不仅能够丰富中国金融加速器传导机制的理论研究，而且还有助于通过实证模拟为制定和实施宏观调控政策提供参考，具有重要的理论和现实意义。论文安排如下：第二部分较为详细地描述了基于金融加速器机制的DSGE模型；第三部分对DSGE模型进行贝叶斯估计和实证模拟，侧重分析了金融杠杆化、利率市场化对经济的影响；第四部分给出了结论并提出了四个政策建议，以稳增长、促改革、调结构、惠民生。

三、模型估计和实证分析

（一）参数校准和贝叶斯估计

上述DSGE模型参数之多，依靠有限的时间样本数据显然无法拟合得到各个参数，需通过校准（calibration）即根据现实得到一些参数的值，然后根据模型拟合，比较模型与现实的拟合程度[14]。

结合中国实际经济情况，表1给出模型各个参数的先验分布、均值和标准差。符合AR（1）以及MA（1）过程的参数均为05，独立扰动项标准差均为01。得到投资调整成本φ（4）、消费替代弹性σ（15）、消费偏好h（07）、工资的卡尔沃调整系数ξw（05）、劳动供给弹性σL（2）、价格的卡尔沃调整系数ξp（05）、工资指数Iw（05）、价格指数Ip（05）、稳态时的资本利用率zk（05）、生产固定成本φp（125）。基于中国货币政策实效，货币政策对通胀的系数小于1，名义利率对通货膨胀ρπ、产出（缺口）ρy以及产出增长率变化ρdy的系数分别为08、0125和0125。近10年，中国年均通胀率约3%、名义利率约4%、经济增长率约8%，所以有季度稳态通胀率π（075）、稳态名义利率r（1）、增长率trend（2）。资本份额在经济中获益很大，α为06，杠杆比lev为22014年4月博鳌论坛，央行行长周小川直言，中国的企业部门或者公司部门杠杆率偏高。在5月17日的新供给经济学50人论坛“新供给金融圆桌”首期会议上，中国人民银行调查统计司副司长徐诺金给出的测算结果是：2012年中国非金融类企业部门的杠杆率为106%，2013年进一步增至1096%，分别对应本文杠杆比206和2096。因此，杠杆比lev定为2是合理的。，金融费用弹性为005。

为防止先验分布带来的误差，在金融加速器存在与否两种情况下，结合贝叶斯方法的后验估计，结果如表1所示。总体而言，估计结果差别并不大，均围绕先验分布的均值波动，但是标准差存在较大差异，侧面表明使用贝叶斯方法的合理性，可以防止人为设定先验分布带来的误差。

（二）数据描述与处理

采用2001年第一季度至2013年第四季度数据，它们分别是实际产出GDP、通胀CPI、社会消费C、社会投资I、就业人口LAB、总人口N、工资W、利率R、融资利差S。利率以七天银行间同业拆借市场利率替代，因为央行关注同业拆借市场进行公开市场操作，同时它也是目前中国利率市场化程度最高的地方。融资利差S代表金融扩散冲击，如果经济运行总体平稳，融资利差应该不大且较为稳定，反之，经济受到较大冲击，融资利差就会剧烈波动。借鉴利率期限结构，采用银行间拆借市场利率的月度数据与年度数据之差替代。所有序列以2005年作为基准。为研究波动性，对数据进行差分处理。数据来源中国国家统计局数据库、中国人民银行数据库以及wind数据库，论文对数据进行了整理和季节调整。dy、dc、dinve、labobs、pinfobs、dw、robs、sobs分别表示季度GDP、人均消费额、投资、劳动供给、通货膨胀、工资的差分以及利率和融资利差。

（三）金融参与对经济的影响

通过比较金融加速器机制存在与否可以分别研究和分析对经济的影响。当金融加速器存在时，即金融费用弹性ω不为零，杠杆率lev不为1，以及金融扩散效应存在。图1- 4刻画了存在（右侧）和不存在（左侧）金融加速器情况下，各种冲击对产出、投资、消费和通胀的影响。显然，存在金融加速器时，外生扰动冲击放大了经济扰动效应。

由表2方差分解结果可知，一旦金融加速器进入一般均衡方程中，金融扩散冲击解释了内生量扰动的绝大部分信息，贡献度大多在90%以上，而其他冲击对内生变量扰动的影响则显得微乎其微。金融扩散冲击对经济影响显著的政策意义在于，央行必须密切关注市场融资利差所反映的信息，必要时采取宏观调控，引导预期，确保经济平稳运行。

从历史分解角度分析。以产出和投资为例，分析金融加速器存在与否两种情况下的历史分解，图5-6显示，货币政策冲击在存在金融加速器作用下效应显著提升。主要原因在于，金融杠杆对金融市场中的诸如信息不对称等摩擦具有放大效应，但央行的宗旨在于纠正这些市场非理。央行负有维持经济平稳发展的重任，当面临能威胁经济、金融稳定的外生冲击时，应迅速甄别冲击来源和原因，果断采取措施，利用其在金融市场中的特殊地位，综合运用各种政策指导和货币政策，力保经济、金融平稳健康发展。

（四）杠杆率对经济的影响

为研究不同杠杆率下不同外生冲击对经济的影响，分别以高中低三种杠杆率为研究对象，侧重分析不同冲击对产出、消费、投资和通胀的影响（图7-10）。

通过比较不同杠杆率下各种冲击对产出、消费、投资和通货膨胀的影响，发现当杠杆率为2时，外生冲击对经济的影响最大，而当杠杆率为15或是25时，各种冲击对经济的影响反而较小。主要原因在于，当杠杆率较低时，金融体制不完善导致冲击传导机制不通畅，客观上起到了抗风险的作用，如1997年亚洲经济危机，当时中国没有完全开放外汇市场，客观上阻碍了危机的传导；而当杠杆率较高时，完善的金融体制又具有一定的自我稳定能力，提高了抵御冲击的能力。就政策而言，为防止去杠杆化带来的风险，政府需有充足准备，避免造成经济过度波动。

表3是在杠杆率为15和25时的方差分解（杠杆率为2的方差分解见表2右侧）。一个最大的区别在于当杠杆率为2时，金融扩散冲击解释了诸多内生变量波动的主要部分，而当杠杆率为15和25时，金融扩散冲击对内生变量扰动的贡献力度十分有限。当杠杆率过高或过低时，货币政策对内生变量的贡献力度会提高。联系实际，当面对中国经济下行压力时，总理提出要去杠杆化（作为克强经济Likonomics的重要内容之一），降低金融风险，则在此过程中，央行的货币政策须十分谨慎，避免给经济带来过度干扰。

（五）利率市场化对经济的影响

与杠杆率直接进入动态随机一般均衡模型中不同，利率市场化并不直接进入模型，但这并不影响对利率市场化的分析。所谓的利率市场化就是把利率的决策权交由金融机构，由金融机构根据自己的资金状况和金融市场动态判断自主调节利率水平。如果央行全面放开利率政策，利率波动随着市场供求状况而加大。模型中，利率市场化主要带来两方面的间接影响：货币政策执行过程中的冲击（em）和用融资利率替代的金融扩散冲击（eb）加剧。

货币政策冲击给所有内生变量造成类似驼峰状的轨迹。其中，劳动供给和投资受到冲击最大，一个百分点的货币政策冲击导致劳动供给瞬间下降12个百分点，8个季度下降45个百分点后，起止回升。因为货币政策冲击影响人们预期行为，以至于就业压力在较长时期内存在。投资一直是中国经济增长的驱动力，它受到货币政策冲击有一个先下降23个百分点，后逐渐回归至稳态的动态路径，历时12个季度左右。因为正向货币政策冲击引起名义利率上升，投资成本随之升高，压缩净收益空间，导致部分经营效率不高的企业逐渐退出投资领域。因此，央行改革利率市场化过程中，需密切关注就业市场和投资领域的影响。

金融扩散冲击对产出、消费、投资和劳动供给影响较大。一个百分点的金融扩散冲击瞬间引起产出增加，然后逐渐回落，历时12个季度左右。对消费而言，金融扩散冲击的作用较为温和，经历3个百分点下降后逐渐回归稳态。投资的轨迹正好与消费相反，从3个百分点的正冲击逐渐回归稳态。而劳动供给的轨迹呈现发散状态。如果融资利差变大，在长期融资成本不变的情况下，市场对短期资本需求增加，提高短期融资成本，造成利率上升的替代效应大于收入效应，此时消费减少，劳动供给增加。因此，金融加速器效应得以体现。纵观世界发达国家，资本市场的任何风吹草动都可能引发一系列较为严重的经济问题。因而，处在改革开放进程中的中国，政府要对逐渐放开利率市场化引起的金融扩散冲击带来的经济冲击影响有清醒的认识，做好应对准备，防止经济出现“过山车式”的大起大落。

四、结论和政策建议

本文在金融加速器机制下，运用中国2001年第一季度至2013年第四季度的经济数据，使用贝叶斯技术，通过动态随机一般均衡模型估计，分析了金融杠杆、利率市场化对经济的影响，得到以下几个结论。

第一，与不存在金融加速器情形不同，存在金融加速器机制时，冲击扩大了对经济的影响。主要是存在金融加速器机制时，各种经济变量之间的关系更加密切，彼此受到的影响也会增加。从方差分解结果看，金融扩散冲击解释了大部分内生变量扰动信息。

第二，存在金融加速机制时，不同杠杆率水平下，外生冲击对经济的影响效应不同。实证结果证实，当杠杆率为2时，外生冲击对经济的影响最大，当杠杆率为15或是25时，各种冲击对经济的影响反而较小。方差分解进一步表明，当杠杆率为2时，金融扩散冲击解释了诸多内生变量波动的主要部分，而当杠杆率为15和25时，金融扩散冲击对内生变量扰动的贡献力度十分有限。

第三，利率市场化进程中，形成货币政策冲击和金融扩散冲击的间接影响。对货币政策冲击而言，所有内生变量都遵循类似驼峰状的动态轨迹，其中影响最大的是劳动供给和投资。对金融扩散冲击而言，对产出、消费、投资和劳动供给影响较大。

鉴于此，为保障经济、金融健康稳定发展，提出以下几点政策建议。

第一，去杠杆化过程要有一定的缓冲期，以稳增长、促改革、调结构、惠民生为主要目的。去杠杆化需要一个过程，需要给企业一个消化时间，提高金融资源配置效率。事实上，去杠杆化的目的是要防范高杠杆率带来的金融风险，而不是让去杠杆化成为影响稳增长、控通胀、调结构新的不稳定源。

第二，不断深化和稳步推进利率市场化改革。利率市场化改革的宗旨不是调节利率水平，而是改革利率的形成机制，使之成为反映宏观经济运行状态的准确价格信号。利率市场化也是各国经济持续发展的必由之路，稳步推行改革方式将是可操作的最佳做法。

第三，实行稳健的货币政策以应对各种外部冲击。综合运用多种货币政策工具，采取微{的操作模式，提高信息沟通，增强预期管理，维护经济增长处于稳定区间内，防止通货膨胀突破上限。

第四，实行适当积极的财政政策。适当扩大财政赤字和国债规模，进一步完善结构性减税政策和调整财政支出结构，着力保障和改善民生，进一步深化财税改革，促进经济转型升级，增强经济内生增长动力。参考文献：

[1]朱培金.扩展的泰勒规则及其在中国的适用性研究[D].长春：吉林大学，2013.

[2]赵进文，高辉.资产价格波动对中国货币政策的影响――基于1994-2006年季度数据的实证分析[J].中国社会科学，2009（2）：98-114.

[3]BERNANKE B，GERTLER M，GILCHRIST S.The financial accelerator and the flight to quality[J].The Review of Economics and Statistics，1996，78（1）：1-15.

[4]BERNANKE B，GERTLER M，GILCHRIST S.The financial accelerator in a quantitative business cycle framework[M]// Taylor J B，WOODFORD M.Handbook of Macroeconomics.Edition 1，Vol.1.North Holland：Elsevier，1999：1341-1393.

[5]BUCH C M，PIERDZIOCH C.The integration of imperfect financial markets： Implications for business cycle volatility [J].Journal of Policy Modeling，2005，27（7）：789-804.

[6]GILCHRIST S.Financial markets and financial leverage in a twocountry world economy[C]//AHUMADA L A，FUENTES J R.Series on Central Banking，Analysis and Economic Policies，Vol VII： Banking Market Structure and Monetary Policy.Central Bank of Chile，2004.

[7]GERTLER M，GILCHRIST S，NATALUCCI F M.External constraints on monetary policy and the financial accelerator[J].Journal of Money Credit and Banking，2007，39（2/3）：295-330.

[8]AOKI K，PROUDMAN J，VLIEGHE G.House prices，consumption，and monetary policy：A financial accelerator approach [J].Journal of Financial Intermediation，2004，13（4）：414-435.

[9]郑忠华，邸俊鹏.房地产借贷、金融加速器和经济波动――一个贝叶斯估计的DSGE模拟研究[J].经济评论，2012（6）：25-35.

[10]刘兰凤，袁申国.住房价格、住房投资、消费与货币政策――基于金融加速器效应的DSGE模型研究[J].广东金融学院学报，2011（3）：3-15.

[11]刘兰凤，袁申国.中国经济金融加速器效应的DSGE模型分析[J].南方经济，2012（8）：102-114.

宏观经济利率篇（2）

Abstract:The yield curve contains abundant information about future economic growth and future rate of inflation. Using the spread with different maturities as the independent variable, this paper established three models and found that the spread between the ten-year and the three-year Treasury bond was the most useful predictor of economic growth with a horizon of four months in the future,and the spread between the ten-year and the seven-year Treasury bond had the most significant predictive power for the inflation up to future three months,by comparing with the benchmark model. In addition,the increase of the term spread was associated with the raise of future economic grow and the inflation rate.

Key Words:term structure of interest rates,inflation,economic growth

中图分类号:F830文献标识码:A文章编号:1674-2265(2009)09-0012-05

一、引言

利率期限结构包含着丰富的经济含义,从二十世纪90年代开始,已有大量学者开始从事利率期限结构对未来经济活动预测的研究。通常认为利率期限结构与货币政策联系相当紧密,并因此包含了未来利率变动趋势、经济增长的变化以及通货膨胀率变化等信息。随着我国利率市场化程度不断加深,国债市场的不断扩充,国债的发行量和交易量的不断增加,完整的利率期限结构正在形成。近期,次贷危机的爆发引发宏观经济的波动幅度加大,如何准确把握宏观经济的走向,是企业和经济政策制定者关心的课题,研究我国的利率期限结构是否能对未来宏观经济进行预测显得很有必要。

利率期限结构对宏观经济的预测较早地引起了大量学者的关注,对宏观经济的预测主要包括对经济增长和通货膨胀的预测。国外在这方面的研究较多。Stock和Watson (1989)将一系列指数组合形成经济先行指标,最后筛选挑出7个最重要的变量,其中一个就是10年期和1年期的美国国债利率差。Estrell和Hardouvelis(1991)选取了美国1955年到1988年期间10年期和3个月期国债收益率差,将其与国内生产总值以及其各组成部分做回归分析,结果发现该利率差可以预测未来4年累积经济增长,而边际经济增长的预测步长是7个季度。Plosser 和Rouwenhorst(1994)、Estrella和Mishkin(1997)、Bernard 和Gerlach (1998),以及Berk和VanBergeijk(2000)还对除美国之外的其他国家做了相关实证,尤其是欧洲国家,其检验结果也较显著,他们均得出如果利率曲线斜率为正,未来宏观经济是增长的;反之,未来经济将衰退。

也有一些研究结果与之不相一致。这些研究发现,利率期限结构从二十世纪80年代开始已经失去了这种预测能力。例如,Dotsey(1998)、Haubrich 和Dombrosky(1996)、Stock 和Watson(2003)发现利率差未能预测出美国在1990-1991年的经济衰退。Davis和Fagan (1997)在对欧洲国家进行研究时发现,尽管样本内预测效果比较显著,但仅三个国家(比利时、丹麦和英国)在样本外预测表现较好。因此,近几年学者们关注的不仅仅是利率期限结构对宏观经济活动是否有预测作用,他们还研究这种预测效果的稳定性问题。

此外,Estrella使用了一个动态的理性预期模型来研究收益率曲线对宏观经济有预测作用的条件,发现该预测力的有效程度部分取决于政策制定者是更偏重于达到防通胀目标还是更偏重于满足经济产出目标。如果货币当局更关心产出目标,那么利率差对未来经济增长的预测作用就更强。

收益率曲线预测未来通货膨胀的研究在国外已有较长历史,最早提出此问题的是Fama (1975)。Fama (1975)使用美国1年和5年期国债数据对通货膨胀做预测,发现不同期限利率差包含未来通胀变化的信息。Mishkin(1988)等证明了利率期限结构包含未来通货膨胀的信息。

然而,国内在利率期限结构的宏观经济含义方面的研究却相对较少,对利率期限结构的研究大多主要针对其相关理论、模型实证以及其与货币政策关系方面的研究。真正与利率期限结构对宏观经济增长预测比较相关的文献有王媛、管锡展、王勇(2004),他们检验了收益率曲线与宏观经济的预测关系,并得出了存在较显著的预测效力的结论;刘金全、王勇、张鹤(2007)使用向量自回归模型研究利率期限结构与宏观经济的关系。此外,于鑫(2008)对我国利率期限结构与未来经济变化之间的关联性也进行了实证研究,并得出长短期利差与宏观经济增长为负相关的结论。而朱世武(2005)分析了在我国利率期限结构对通货膨胀率的预测效用,结论为这种预测作用并不明显,用收益率曲线来帮助预测通胀的思路是行不通的。

本文试图选取几个关键期限的利率差,选取银行间国债市场上规定的做市商必须进行做市的3年期、7年期、10年期,以及其他短期利率1年期和半年期利率。使用三类模型进行实证研究,并使用样本外预测方法,比较与基准模型的预测能力。

二、利率期限结构对经济增长与通货膨胀的预测

(一)利率期限结构对经济增长的预测

为什么利率期限结构拥有预测经济波动(增长)的能力?

第一种解释是利率期限结构反映当前货币政策,从而在利率期限结构中反映未来经济形势。Estrella (1991)指出,一些学者认为利率期限结构的斜率反映了当前的货币政策的大量信息,当前短期的货币紧缩政策将会增加短期的实际和名义利率水平,由于价格存在刚性,长期利率水平在短期内不会发生太大变化,以致利率曲线的整体变化趋势变平,收益率曲线斜率变小。短期名义和实际利率水平的增加也会打击当前投资者的积极性,因为投资成本跟随上升,致使当前投资机会减少,将来的经济增长也会变缓,减少未来的产出水平。利率曲线的斜率和未来经济增长的这种相同方向的变化,就使得这两个变量之间呈正向相关关系。

但是,另外一种解释是,利率期限结构反映的是预期未来货币政策信息,而非当前货币政策信息的反馈,因此,收益率曲线是通过未来货币政策反馈的信息来预测将来产出的变化。短期内,价格存在刚性,而未来长期的价格是可变的。如果人们预期未来货币供应量扩张,那么未来实际利率会下降,并且未来的经济产出会增加。但同时如果人们预期通货膨胀升水增加的幅度超过将来实际利率下降的绝对值,那么长期名义利率仍然呈现出上升的趋势,利率期限结构曲线也会变陡,即长短期利差变大,而之前已经说明将来经济产出会增加,这样通过预期的未来货币政策作用的渠道,也可以解释利率期限结构和未来经济增长的正向关系了。

Estrella (1991)还提出了另外一种解释这种预测能力的IS-LM模型。其认为IS和LM两条曲线的相交点就代表着货币市场和商品市场达到的均衡点,如果人们预期未来宏观经济上的冲击主要来自于实体部门,IS曲线移动的幅度就会大于LM曲线移动的幅度,并导致宏观经济产出的变化与利率水平同向变化,而纵轴的利率水平正好体现的就是人们现在对将来长期利率水平的预期(所以它的变化趋势也体现了长短期利差的变化方向),因此,上述逻辑就可以简单概括成利率期限结构的长短期利率差和宏观经济增长的变动方向是一致的。

第四个可供解释这种预测作用的理论,涉及到研究投资者跨期的债券购买选择问题。该理论认为大多数投资者偏好稳定的收入,如果预期将来经济即将面临衰退,所得收入减少,那么他们将会购买长期债券并持有到期以增加未来收入,这样的做法加大了对长期债券的需求,价格上涨,进而使其收益率下降,收益率曲线变平坦。此外,一些投资者为平均各期收入,甚至出售手中短期债券来购买长期债券,从而进一步加大了收益率曲线变平的力度。

最后,解释理论中还有一种涉及到了真实经济周期理论模型,该理论中,预期未来经济高速增长就意味着未来实际利率的增加,也就是当前的长短期利率差变大,收益率曲线变陡;如果预期将来经济放缓,那么未来实际利率预期将会下降,收益率曲线变平。这也意味着长短期利率差是可以先行预测到非货币冲击因素引致的宏观经济变化。

(二)利率期限结构对通货膨胀的预测

对于利率期限结构对通货膨胀预测能力的解释,也有几种具有代表性的理论说明。其中最基本的解释就是Mishkin (1990a,1990b,1991)从Fisher方程的角度展开,通过实证检验方法来说明是否收益率曲线包含通胀的信息。该模型将m期的名义利率分为两个部分,一个为m期的实际利率 ,一个为接下来m期的预期通胀率 ,于是就得到

如果预期是理性的,那么现实的通胀率 可以写成预期的通胀率加上一个误差项 ,而且

将等式(1)中的代入到等式(2)后,

得

因此,接下来m年和n年(m>n)的预期通胀率之差可以写成:

其中,而

是误差项。现在要分析利率期限结构包含的信息,就要通过检验是否 。如果可以拒绝这个假设,那么利率差就显然可以预测通胀情况。可决系数R2越大,那么利率期限结构所包含的通胀信息就越多。

此外,站在预期的角度,我们也可以解释这种预测效力。当短期通胀异常低(当前短期利率也相对较低)的时候,人们就会预期长期通胀会增加,并要求长期债券具有更高的收益率;同样地,当短期通胀异常高的时候,市场参与者会预期通胀将会降低,便愿意以低于短期债券的收益率来持有长期债券。因此,通过这样的渠道,利率差也包含了人们对未来通胀的预期。但是这种关系从理论上来讲也不是完全没有缺陷,因为长期限的收益水平高或低,也可能是因为蕴含了未来实际利率(或回报)的信息,一个上扬的利率曲线亦有可能说明未来实际利率的增加,它并不一定代表未来通胀的增加。

菲利普斯曲线模型也被用于利率期限结构对通胀预测作用的解释。传统的菲利普斯曲线描述的是失业率和通胀之间的关系,也被称作“失业-物价”菲利普斯曲线。而且通胀率和失业率之间显现出来的曲线是斜率向下的曲线。在经济波动的上升期,失业率降低,通胀通常会随之增加;而经济下行时,失业率上升,经济收缩伴随通胀率随之下降。在菲利普斯理论的不断发展中,许多学者开始将经济增长率来替代失业率,并形成了另外一种衍生的“产出―物价”菲利普斯曲线。这个替换最早是由美国的经济学家奥肯提出,他认为经济增长率在长期的经济周期波动中与失业率之间表现出一种相反变动方向的关系,而失业率与通胀也是呈现出反向的关系,因此经济增长率与通货膨胀率便显现出同向的相关关系。

三、实证研究

为了研究我国利率期限结构,特别是长短期利差对我国经济增长和通货膨胀的预测能力,由于银行间国债市场交易量远远大于交易所市场的国债交易,所以我们选取银行间市场的利率期限结构来度量长短期利差,数据来源于中国货币网。使用月度的消费物价指数(CPI)作为通货膨胀指标,数据来源于国家统计局,一般使用GDP增长率代表经济增长,但是我国没有经济增长的月度数据,所以使用国家统计局公布的月度经济景气指数中的一致性指数,定义有关变量如下:

累计经济增长率:

通货膨胀率变化:

长短期利差:

其中: 表示t时期的一致指数, 表示月度环比消费指数, 表示t时刻的长期利率, 表示t时刻的短期利率,n表示预测时间的长度(月),l和s分别表示长、短期利率的期限长度。

(一)模型构建

建立回归模型如下:

模型1:

考虑经济增长和通货膨胀的持续性,在解释变量中加入被解释变量的一阶滞后项,于是有:

模型2:

作为衡量预测的基准,我们建立一个没有利差因子的预测模型,简单地使用滞后期变量来预测。

模型3:

考虑到货币政策对经济的影响会在一段时间之后出现,于是在原来简单模型的自变量中加入当前的货币政策,这里选择使用M1。

模型4:

(二)实证结果

实证中一个重要的变量选择就是预测时间长度(n)和长短利差的期限(l,s)选择,按照惯例,我们选择:

为了比较模型的预测能力,我们使用样本外预测的方法,将数据分为两部分,第一部分用于估计参数,第二部分用于样本外预测,使用均方误差(RMSE)来衡量样本外预测效果。为了保证数据的充分,我们以2007年7月作为分界点,这样样本内有60个观测值,样本外有20个观测值。

从图1中,我们可以看到,不同期限间的利率差变化不尽相同,但总体趋势基本一致,从2002年到2005年期间,多数利率差都呈现上升的趋势,到2007年又重新回到初始的水平。

首先对基准模型(即模型3)进行参数估计和宏观经济预测(见表1)。

从实证结果来看,随着预测步长的增加,拟合优度上升,对于经济增长来说,样本外预测误差总体下降,但是通货膨胀的样本外预测误差呈现上升趋势。

为了检验加入利率差后对宏观经济的预测效力,我们分别使用模型1和模型2进行估计①。

在模型1下,不同的长短期利差预测能力差别较大,10年利率与7年利率的差、10年与3年以及7年与3年的利率差在一定程度上具有预测能力。对经济增长的预测中,预测步长在1到4个月时,样本外预测误差小于基准预测模型的样本外预测误差,同样的情形也发生在4个月和3个月情形。而对通货膨胀率的预测普遍不佳,仅在12月步长时比基准模型预测效果稍好。其他期限的利率差并未表现出较好的预测能力。从变动方向上看,利率差增加意味着未来出现经济增长,这与经典理论相一致。

在加入预测变量的滞后项之后,10年期和3年期的利率差依然能较好地预测未来1到4个月的经济表现,且预测能力明显强于模型1。另外加入滞后项之后,10年期和7年期利率差在2、3、4及6个月的经济预测能力要强于基准模型。同时3、4个月的通货膨胀预测能力也突显出来。我们看到这些具有预测能力的情况下,利差与经济增长、利差与未来的通货膨胀都具有正向关系。

综合考虑各种因素,我们可以得出结论:10年期利率与3年期利率的利差在对4个月后的经济增长的预测能力最强,而通货膨胀则应该由10年期与7年期的利率差来预测,该利差对3个月后的通货膨胀的预测能力最强。

在加入政策变量之后的模型4中,10年期与3年期利率差对1到4个月的经济增长依然具有较强的预测能力,且预测能力进一步提高,7年期与3年期的利率差同样具有该预测能力。

四、结论

通过建立三类模型,简单的利率差单因子预测模型,加入预测变量的滞后项的预测模型和加入政策变量的预测模型,同时建立基准预测模型即仅使用预测变量的滞后项来预测经济增长,并使用样本外预测误差作为模型预测能力的判别标准,得出结论认为,利率差对经济增长以及通货膨胀有一定的预测能力,10年期与3年期利差对经济增长的预测能力最强,且预测步长为未来4个月、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。在加入预测变量的滞后项或者货币政策之后,预测能力有所提高,但并不影响预测的方向。利差的扩大意味着未来经济增长加速,也意味着未来通货膨胀加大。

通过对未来经济增长情况的预测,企业可以提前预计未来生产的产量,政府通过这样的预测也可以估计出未来预算盈余或者赤字规模;此外,央行根据此情况也可以更好地制定当前货币政策;最后,还可以为金融市场参与者提供对未来经济走势预期的依据。

注:

①为了节省篇幅,这里省略了估计结果。

参考文献:

[1]James H. Stock,Mark W. Watson. New Indexes of Coincident and Leading Economic Indicators[R],NBER Chapters,in: NBER Macroeconomics Annual 1989,Volume 4, pages 351-409 National Bureau of Economic Research.

[2]Arturo Estrella,Gikas A.Hardouvelis. The Term Structure as a Predictor of Real Economic Activity [J]. The Journal of Finance,1991. 46(2): 555-576.

[3]Plosser,Charles I.,Geert Rouwenhorst, K., International term structures and real economic growth[J],Journal of Monetary Economics,1994.33(1): 133-155.

[4]Estrella,A. ,Mishkin, F.S.,The predictive power of the term structure of interest rates in Europe and the United States: implications for the European Central Bank?[J],European Economic Review,1997(41):1375-1401.

[5]Henri Bernard,Stefan Gerlach. Does The Term Structure Predict Recessions? The International Evidence[R]. Bank for International Settlements Monetary and Economic Department,working paper.1996,9.

[6]王媛,管锡展,王勇. 利率的期限结构与经济增长预期[J].系统工程学报.2004,(2).

宏观经济利率篇（3）

中图分类号：F832 文献标志码：A 文章编号：1673-291X（2015）24-0007-06

引言

金融市场的发展与经济发展密切相关，稳定的金融环境是经济高速发展的前提和保证。随着我国改革开放程度的不断深入，金融改革逐步成为全面深化改革的牵引点和重点，利率市场化是金融市场改革的重要一环，根据央行总体布局和改革顺序，将逐步放开利率市场和债券市场，从而将推进金融市场改革的深化。利率市场化的最终目标是建立起由市场供求关系决定的金融机构利率形成机制，央行通过货币政策工具（数量工具向价格工具转变）调控和引导市场利率，使市场机制在金融资源配置中起决定性作用。利率市场化将提高金融资源的配置效率，促进经济结构转型，促进长期经济增长。

我国渐进的利率市场化进程已迈上了新的台阶，下一步是逐步放开存款利率上限，这意味着利率市场化已经进入了最后的攻坚时期。在这样的现实背景下，基于20世纪70年代麦金农和肖提出的“金融抑制”理论和20世纪90年代产生的“金融约束”理论（HMS模型）这两种看似矛盾的观点，探讨利率市场化对中国这样一个发展中国家到底效果怎么样，如何有效评价这一改革的效果和缺陷，就成为了一个有价值的课题。

一、文献综述

目前，国外对利率市场化的研究大量集中在论述金融自由化或放松金融管制的宏观经济影响方面，Fry（1980）计量分析发现，实际存款利率的提高给储蓄带来正的影响，并且能够增加实际信贷的供给，进而促进经济增长。Ueda（2006）从金融部门竞争程度证实了金融自由化对投资和储蓄的正向“数量效应”。Ang 和 McKibbin（2007）采用主成分分析方法构建了马来西亚金融抑制的指标，结果表明，金融抑制显著阻碍了马来西亚的经济发展。Abaid，Omes和Ueda（2008）以5个新兴市场国家公司层面数据为样本，利用Tobin’s Q不平等系数衡量资源配置效率，发现金融自由化提高了资源配置效率。Song.et al.（2011）在新古典经济学的分析框架下认为，中国1992年以来的经济增长，其基础就在于具有异质性生产力的企业间的金融不完善和金融再分配。定量分析中国利率市场化改革效果的文献还很少见。

国内学者对这一问题的相关研究则主要集中在以下两个方面：一是着眼于利率水平对经济增长的作用。如沈坤荣、汪建（2000）对实际利率水平、利率传导机制与经济增长进行了经济计量检验，分析了利率与经济增长的关系。张凤（2008）系统阐述了我国利率对经济增长的促进作用。二是关注利率调整政策的宏观经济效应。如方先明、熊鹏（2005）实证研究了中国利率政策的时滞效应，结果表明利率工具有着非常明显的时滞效应，利率政策的有效性并不充分，因此需要不断推进利率市场化。易纲（2009）综合梳理了改革开放三十年来我国利率市场化的进程，并探索了利率政策的有效性问题。刘雅然（2011）实证分析发现中国利率政策的效应正在逐步增强，但对于金融市场的影响还不成熟。

二、数据来源及说明

本文是基于我国1980―2013农村经济数据进行研究，共34个样本，若无特别说明，本文数据都来自《中国统计年鉴》（1999―2014年）《新中国五十年统计资料汇编（1949―1999年）》和《中国金融年鉴》（2014），基于数据的可得性，选取了以下变量（见下表表1）。

关于利率市场化水平（Liberal）的度量，本文采用了六个月至一年的贷款基准利率，主要是因为：（1）存款利率的放开遵循“先长期大额，后短期小额”“存款利率向下浮动，管住上限”思路进行，利率水平是由借贷双方协商确定，难以统计和量化;（2）调整央行基准利率是央行影响社会资金供求状况、实现货币政策既定目标的有效利率工具之一，因此银行存贷款基准利率本身包含了利率市场化的信息;（3）目前在农村贷款中，短期贷款占有较大比例。

三、实证分析

（一）构建向量自回归模型（VAR）

向量自回归（VAR）把系统中的每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。VAR模型常用来预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。根据研究需要建立VAR（p）模型：

yt=β1yt-1+β2yt-2+…+βpyt-p+εt （1）

其中，yt表示t时期k个相关内生经济变量的列向量，在本文中为相关宏观经济变量的自然对数（LNPROD、LNINVEST、LNINCOME、LNCONSUME和LNSAVING）以及Liberal的列向量，p为内生变量的滞后阶数，βp表示p阶滞后内生变量的系数矩阵。

（二）数据平稳性的单位根检验

为了避免伪回归，要检验相关数据的平稳性。随着协整理论的发展，对于非平稳时间序列，也可建立VAR模型，但各变量之间必须存在协整关系。这里采用非平稳时间序列的平稳性检验方法――ADF单位根检验。经过对原序列的趋势图的观察，确定所有变量的检验方程均包含常数项和线性时间趋势项。

从表2中的检验结果来看，在5%显著性水平下，变量LIBERAL 变量LNPROD、变量LNINVEST和变量LNCONSUME是一阶单整序列，变量LNINCOME和变量LNSAVING是在二阶差分后才变得平稳，是二阶单整I（2）。

（三）基于回归系数的Johansen协整检验

协整检验的目的是决定一组非平稳序列的线性组合是否具有协整关系。假定是线性趋势，包含常数项和趋势项，变量滞后区间取[1，1]。检验结果（见下页表3）。

从下页表3中可以看到，迹统计量和最大特征值统计量都拒绝了不存在协整关系的假设，说明变量间一定存在协整关系，即利率市场化水平和各宏观经济变量之间具有长期均衡关系。同时迹检验和最大特征值检验都显示拒绝最多有3个协整向量的假设，这表明至少存在4个协整向量。

（四）基于VAR模型的Granger因果检验

传统的VAR模型理论要求模型的每一个变量都是平稳的，对于非平稳时间序列需要经过差分，得到平稳序列在建立VAR模型，这样通常会损失水平序列所包含的信息。而随着协整理论的发展，对于非平稳时间序列，只要各变量之间存在协整关系也可以建立VAR模型。因此，采用VAR（2）模型，利用协整向量LNPROD、LNINVEST、LNINCOME、LNSAVING、LNCONSUME和LIBRAL进行估计，模型结果表达式为：

= +

对其进行了模型的AR单位根检验。被估计的VAR模型的所有的单位根模的倒数都落于单位圆内，说明所建立的VAR（2）模型是稳定的。从估计得出的系数矩阵中第一列（除第一个数值）来看，利率市场化存在一定程度的滞后效应。

Granger因果检验实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中。一个变量如果受到其他变量的滞后影响，则称它们具有在Granger意义上的因果关系。Granger因果检验用于分析时间序列经济变量之间的因果关系。本文对VAR（2）模型进行检验，结果（见表4）。

从表4的结果可以看到，在LIBERAL方程的检验中，在5%的显著性水平下，LNPROD、LNINVEST和LNSAVING变量都接受了不是LIBRAL的Granger原因的假设，这与本文的利率市场化是外生的假设是一致的。在5%显著性水平下，LIBERA拒绝了不能Granger引起LNINVEST的原假设，说明利率市场化中包含了预测投资变动的有效信息。

其中，不能拒绝LIBERAL不是LNPROD的Granger原因，一方面，可能是因为利率市场化水平并没有满足农村地区的信贷需求，因而对经济增长的贡献有限;另一方面，农村生产力的发展可能更多的是取决于经济体制改革和政府公共投资等其他因素;LIBERAL不是LNSAVING的Granger 原因不能拒绝则反映出由于农村地区较高的消费倾向，农村金融市场的存款利率弹性较低，也说明了利率市场化对储蓄的作用可能是间接的。

（五）SVAR模型的建立、估计

在公式（1）中可以看到，变量间的当期关系没有直接给出，而是隐藏在误差项的相关关系结构中难以解释。Blanchard和Quah（1989）等提出的SVAR模型则能够利用经济理论对结构式残差之间进行约束，从而使外生冲击具有了明确而合理的经济含义，受到广泛应用，特别是应用于货币政策和财政政策对宏观经济的动态冲击方面。本文采用了此模型，考虑k个变量情形的p阶SVAR（p）基本方程如下：

Cyt=Γ1yt-1+Γ2yt-2+…+Γpyt-p+μt t=1，2，…T （2）

式中C和Γ都是k×k阶矩阵，C的对角线元素为1。如果C可逆，那么式（2）中的SVAR模型就可以转化为无约束的VAR模型，即：

yt=C-1Γ1yt-1+C-1Γ2yt-2+…+C-1Γpyt-p+C-1μt

=B1yt-1+B2yt-2+…+Bpyt-p+εt t=1，2，…T （3）

其中，εt=C-1μt，因此，可以利用前面VAR模型估计到的残差对结构矩阵C中的元素进行估计，根据经济学理论和逻辑关系，利率市场化首先影响投资，然后促进产出增长，最后拉动收入、消费和储蓄的增长。

yt= C= μt=

对于k元p阶SVAR模型，需要对结构式施加k（k-1）/2个限制条件才可以识别结构冲击。因此，根据现实经济理论的约束，本文提出如下粗略假设：

1.投资、产出、收入、消费和储蓄的变动不影响利率市场化水平，c12=c13=c14=c15=c16=0。

2.产出水平对当期收入、消费和储蓄有影响，而反过来当期收入、消费和储蓄不会影响产出，c34=c35=c36=0。

3.收入对储蓄有影响， 而当期储蓄又不影响其收入即c46=0。

4.其他宏观经济变量之间既相互影响又相互作用。同时，采用对变量间建立线性回归模型，对SVAR约束矩阵的一些未知参数进行估算，得到如下估计结果，c32=0.9812，c43=0.8654，c53=0.8826，c63=0.3808，c64=0.4639，c54=0.9516（见表5）。

根据上述对约束矩阵的参数的假定和估算，在满足模型识别条件的情况下，根据滞后准则，选取滞后阶数2，对C矩阵进行估计，然后进行脉冲响应分析。基于SVAR的脉冲响应函数（IRF）用于衡量来自随机扰动项的一个标准差结构冲击对内生变量当前和未来取值的影响，能够直观地刻画出变量之间的动态交互作用及其效应。基于已建立的 SVAR（2）模型得到如下（非累积）脉冲响应图（见下页图）。

从下页图可以看出，不考虑利率市场化受自身冲击影响，在利率市场化水平的一个正向结构新息的随机冲击下，相关宏观经济变量会先达到一个峰值，然后经过小幅波动后，趋于收敛，这表明本文建立的SVAR（2）模型是稳定的。

在相关宏观经济变量中，利率市场化水平的一个正向随机冲击对投资和储蓄的冲击效果最大，分别在第2期和第9期达到最高点（其自然对数值分别达到0.031和0.0218），随后受影响程度逐渐减弱。而产出和收入则是在利率市场化水平的一个正向随机冲击下，先减少，在第4期以后才开始增长，并分别在第9期和第10期达到最大值（分别为0.0162和0.0157）。这些结果表明，在长期中利率市场化对产出和收入都存在正向和滞后的影响，并且其影响有较强的持续效应。从影响的绝对值来看，利率市场化对投资和储蓄的影响比较大，对产出、消费和收入的影响较为薄弱。

上述结果与理论并不一致，这主要是由于我国农村信贷市场存在信息不对称所造成的。理论上认为，在利率市场化进程中，由于存贷款利率浮动空间的扩大，存贷利差增大了，银行发放贷款的积极性增加，在乘数作用下，投资会增长，进而拉动经济增长。但实际情况是，尽管在2006年底放宽了农村金融机构的准入限制，允许村镇银行的设立。但是在短期内，农村金融机构中农村信用合作社一定程度上的垄断主体地位仍然不会发生太大变化，在缺乏竞争的情况下其业务开展和创新的动力就不是很充足。而且，由于地方金融机构普遍受到行政干预的原因，使得农村金融机构的行为受到了制约，从而阻碍了利率政策效应的传导，限制了利率市场化作用的充分发挥。

关于利率对消费的影响较为薄弱，可能是由于农村地区利率变动对消费影响的不确定性，使得利率变动对消费的效应即使有，也会比较低。关于利率变动对收入的相对较弱的正向影响，是因为利率管制的放松改善了农村的资金的供求关系，提高了资金的配置效率，最终导致了人均收入水平的提高和社会福利的改善。

结论

综合上述实证分析的结果，结合我国现有的利率政策和利率市场化改革的实际情况，本文提出以下三条建议：

第一，坚定利率市场化改革方向。改革开放三十多年来，我国的利率改革取得重要的阶段性成果，并直接对储蓄和投资产生了影响，对居民消费和收入产生了刺激作用。存款利率的逐步放开是下一步改革的关键，政府应该根据宏观经济效果，冷静观察，恰当选择改革的时机，从而为提高资金配置效率，让市场在资源配置中真正发挥决定性作用创造有利条件。

第二，完善市场经济体制，促进货币政策传导渠道更加顺畅。从实证分析结果来看，利率市场化吸引投资的显著增长，表明现阶段我国农村地区的金融抑制情况依然存在。过强的金融约束，往往会阻碍金融资源配置效率的提升，现阶段农村金融的发展情况更加符合金融抑制理论。因此，在当前的金融改革中，政府应逐步减少金融机构基于特许权价值的租金，放松管制，弱化金融约束，优化金融资源配置机制，为资本市场服务实体经济发展创造有利条件。

第三，继续培育多层次的金融体系，加强金融监管和风险防范。从农村地区情形来看，金融机构竞争的缺乏和地方行政干预一定程度上阻碍了利率市场化作用的发挥。面对这一情况，政府虽然放宽了市场准入，为多种所有制金融机构提供了更多的发展空间。然而，可能是因为利率市场化的滞后效应等因素，实证结果显示，利率市场化功能还要进一步加强，还要坚持改革方向。关键时期，政府应继续完善金融微观基础设施建设，继续培育多层次、多方位地金融市场，把握好金融服务实体经济发展的大方向。同时政府还应逐渐以法律法规取代对利率和金融的直接干预，加强有效的金融监管和风险防范，竭力避免系统性和区域性金融危机的产生，维护金融稳定，从而保证利率市场化的顺利进行。

参考文献：

[1] Blanchard Olivier，Danny Quah.The Dynamic Effects of Aggregate Demand and Supply Disturbances[J].American Economic Review，

1989，（79）：655-673.

[2] McKinnon R.Money and Capital in Economic Development [M].Washington DC：The Brooking s Institution，1973.

[3] Shaw E.FinancialDeepening in Economic Development [M].New York：Oxford University Press，1973.

[4] Fry M.J.，1980，Saving，Investment，Growth and the Cost of Financial Repression[R].World Development，1980，（8）：317-327.

[5] Abiad A.，Oomes N.Ueda K.The Quality Effect：Does Financial Liberalization Improve the Allocation of Capital[J].Journal of Development

Economics，2008，（87）：270-282.

[6] Ang J.B.and McKibbin W.J.Financial Liberalization，Financial Sector Development and Growth：Evidence from Malaysia.Journal

of Development Economics，2007，（84）：215-233.

[7] 高铁梅.计量经济分析方法与建模：第2版[M].北京：清华大学出版社，2009.

[8] 张孝岩，梁琪.中国利率市场化的效果研究――基于我国农村经济数据的实证分析[J].量经济技术经济研究，2010，（6）.

[9] 沈坤荣，汪建.实际利率水平与中国经济增长[J].金融研究，2000，（8）.

[10] 张凤.我国利率与经济增长关系的实证研究[D].北京：首都经济贸易大学硕士学位论文，2008.

宏观经济利率篇（4）

经济管制是指具有经济管制权的政府管制部门依照政府制定的法规对被管制者进行的（主要是）行政管理与监督行为。宏观经济调控则是指政府宏观经济管理部门在相关法规的约束下根据宏观经济运行的需要对宏观经济进行的调节。这里需要说明的是，宏观经济调控一词带有较浓厚的计划经济或者管制经济的色彩，“宏观经济调控”一词所表达的意思是政府对宏观经济的调节和控制。准确地说，这里探讨的是经济管制与宏观经济调节的关系。因为在市场经济中，政府对宏观经济只能是进行调节，目标是实现宏观经济的平衡，并不是对经济进行控制，对宏观经济进行控制的结果是管制经济。但根据习惯或传统，这里笔者仍称宏观经济调控。经济管制与宏观经济调控是存在着多方面的不同之处的，以下将分别予以说明。

1.经济管制与宏观经济调控产生的具体原因不同

虽然经济管制与宏观经济调控产生的根本原因都在于市场缺陷，都是由市场经济所内生出来的（注：参见曾国安：《政府经济学》，武汉，湖北人民出版社，2002。），但两者产生的具体原因是存在差别的。经济管制主要是由经济的外部性、垄断、信息的不对称、经济人的非理以及收入分配不平等问题、非市场品、有害物品的生产与消费问题、产权保护问题、市场不完善问题等所引起的，宏观经济调控则是由宏观经济失衡（包括总供给与总需求的失衡，总投资、总消费的波动，总就业的波动，一般物价水平的波动，国际收支失衡，经济增长的波动等）所引起的。两者产生原因的差别导致了政府干预部门、干预目标、干预手段等等的不同。

2.经济管制与宏观经济调控所要达到的目标不同

虽然总的来说，经济管制与宏观经济调控都是要通过政府对经济的干预，弥补市场的缺陷，充分发挥市场的优长（包括促进资源配置效率的提高，促进生产效率的提高，促进技术创新，促进积累的增长等），提高经济效率，增进社会福利，但两者的具体目标是存在着差别的。经济管制所要达到的具体目标主要是：（1）通过政府的干预解决外部经济效应问题，即限制、减少具有负的外部经济效应的产品的生产和消费，鼓励具有正的外部经济效应的产品的生产和消费；（2）通过政府的干预解决垄断问题，即政府在避减垄断的总原则下，通过对不同类型的垄断分别采取禁止、限制以及数量管制、价格管制和促进竞争的政策，以维持或者促进形成有效竞争的行业市场结构，促进企业和产业经济效率的提高；（3）通过政府的干预增加市场信息的供应量，减轻由信息不对称对经济效率带来的危害；（4）通过政府的干预约束经济人的非理，如禁止非市场品的生产、交易和消费等；（5）通过政府的干预减少交易成本，促进市场交易，增进生产性活动；（6）通过政府的干预进行收入再分配，缩小居民收入差距，提高社会福利水平。宏观经济调控则旨在通过对经济总量的调节，实现经济总量的平衡。具体来说，宏观经济调控的主要目标是：（1）通过对总供求的调节，实现国民经济的总量平衡；（2）通过对投资的调节，避免或减轻总投资的波动；（3）通过对消费的调节，避免或减轻总消费的波动；（4）通过刺激经济实现充分就业；（5）通过调节宏观经济实现物价水平的稳定；（6）通过调节国内经济和汇率实现国际收支的平衡；（7）通过逆向的经济调节实现国民经济长期稳定的增长。

3.经济管制与宏观经济调控出现的时间不同

基于经济管制与宏观经济调控产生的原因的不同，决定了两者出现时间的不同。虽然经济管制处在不断发展和完善的过程中，但由于经济管制主要导源于市场的不完善，由于市场的不完善始终存在，伴随着市场经济产生、发展的全过程，因此经济管制伴随着市场经济产生、发展的全过程。而宏观经济调控导源于宏观经济失衡，在市场经济足够成熟，宏观经济失衡对社会大众的经济利益产生了负面影响，损害了经济的正常运行，并危及社会稳定，而且社会充分认识到宏观经济调控的必要性，并且已经建立起了宏观经济调控的“基础设施”以后，才会出现宏观经济调控。从经济管制和宏观经济调控的演变历史来看，经济管制出现的时间要远远早于宏观经济调控出现的时间，市场经济出现之时，经济管制也随之出现了，在不成熟的市场经济阶段有经济管制，在成熟的市场经济阶段自然也有经济管制（注：实际上，如果不限于市场经济，经济管制在国家或政府出现之后，市场经济出现以前就已经存在。可以说，经济管制是随国家或政府的出现而出现的。市场解决不了的问题，如外部经济效应问题、垄断问题、信息不对称问题、居民的非理等等，在市场经济产生以前就存在，只不过其规模、影响等小一些而已。），而宏观经济调控是在市场经济进入到成熟阶段以后才出现的，在市场经济进入到成熟阶段以前不存在宏观经济调控，在市场经济出现以前也不存在宏观经济调控。在西方国家，只是在20世纪30年代之后才出现宏观经济调控，如果从16世纪算起，在市场经济阶段，宏观经济调控出现的时间要比经济管制出现的时间晚了400多年。

4.经济管制与宏观经济调控的实施机构不同

经济管制涉及的具体领域很多，政府部门中实施经济管制的机构既包括司法机构，也包括行政机构，既包括中央政府司法机构和行政机构，也包括各级地方政府司法机构和行政机构，在行政机构中既包括纯粹的宏观经济管理机构（如中央银行、财政部等），也包括其他专门的经济管理机构（如证券监管机构、保险监管机构等）、非经济管理机构（如文化管理机构、环境保护机构、药品管理机构等）以及综合性管理机构。这些机构依照颁行的法规在各自管理的领域对被管制者依法进行管制。经济管制具有很强的行业性，即依照行业性质，由设立的政府主管机构对被管制者进行管理和监督（如商业银行一般主要由中央银行进行管理和监督，投资银行主要由证券监管机构进行管理和监督，保险公司主要由保险监管机构进行管理和监督），但经济管制的行业性并不排斥政府其他管理机构依法对被管制者进行管理和监督，同时也有许多行业同时受多个管理机构的管理和监督，这些管理机构拥有非重复的，但对被管制对象的活动的影响几乎具有同等的制约力和管制权。宏观经济调控的实施机构则主要是中央政府的行政机构，并且主要是中央政府行政机构中的宏观经济管理机构，在宏观经济管理机构中主要是中央银行和财政部。宏观经济调控的实施机构的数量远远少于实施经济管制的机构。

5.经济管制与宏观经济调控的实施手段不同

虽然经济管制与宏观经济调控的具体实施手段都随着市场经济的变化、管制或者调控对象的特征与行为的变化、经济管制与宏观经济调控制度的演进等不断地发生着变化，但两者的区别还是相当大的。经济管制的实施手段主要是行政、司法手段，因此具有强制性，虽然经济管制肯定会影响微观经济主体的经济利益，但政府主要并不是通过对市场的调节，改变市场信号来达到管制的目的，而主要是通过对微观经济主体的直接管制而达到管制目的的。政府对经济当事人的经济处罚直接减少经济当事人的经济利益，但经济当事人由此造成的损失并不是来自于市场，对经济当事人的经济奖励会直接增加经济当事人的经济利益，但经济当事人由此获得的利益同样不是来自于市场，而是来自于政府，来自于政府的行政机构或者司法机构，这种直接来自于政府的经济处罚或者经济奖励在这里仍应归于行政或司法手段，因为它们是行政管理和监督、司法管理和监督的工具。在经济管制中，政府的角色定位主要是“裁判”。需要说明的是，经济管制本身并不排斥经济手段的运用，有的领域也需要政府当“运动员”，最近一二十年来，无论在经济发达国家，还是在发展中国家，在许多领域，政府运用经济手段取得了过去运用行政手段和司法手段进行管制所没有取得的效果，经济手段的运用范围也有扩大的趋势，但基于经济管制的基本性质，经济管制的实施手段以行政手段和司法手段为主的格局并不会发生变化。

宏观经济调控的实施手段则主要是经济手段，因此具有非强制性。宏观经济调控是通过政府参与市场（充当“运动员”的角色），通过对市场的调节，改变市场信号，从而使微观经济主体的行为发生变化，从而使经济总量发生变化，来矫正宏观经济失衡，维持宏观经济平衡的。经济手段包括货币政策、财政政策等，这些政策的运用，会对商品市场、劳动力市场、资本市场、货币市场、外汇市场等市场的供求产生影响，继而会对市场价格产生影响，从而使微观经济主体的经济利益发生变化，从而促使其调整其行为，最终重新恢复市场平衡。在市场经济中，除非是在战争时期，政府是没有理由普遍采用行政手段和司法手段来进行宏观经济调控的，因为政府采用行政手段和司法手段来进行宏观经济调控从根本上是与市场机制相排斥的，这样做的结果是政府对市场的替代，从而也就必然导致市场优长的丧失，造成社会福利的根本性下降。同样需要说明的是，撇开特殊的战争背景，宏观经济调控目标的实现有的时候也是可以采取行政和司法手段的，例如在严重的通货膨胀条件下，政府可以采取直接控制收入增长的收入政策来抑制通货膨胀，但这类政策的采用除非迫不得已，应该禁止政府使用，并且政府要使用这类手段，也必须获得政府立法机构的授权。

从上面的分析来看，由于经济管制主要采用行政手段和司法手段，管制者与被管制者多发生直接的联系，它是管制者直接对被管制者进行管理与监督，而且管制具有强制性，因此应该说经济管制主要是直接干预；而宏观经济调控主要运用经济手段，宏观经济调控机构并不与调控对象发生直接的联系，它是政府调节市场，市场影响或者引导微观经济单位的调节方式，不存在宏观经济调控机构对调控对象的行政管理和监督（注：否则，就属于经济管制范畴，因为如果宏观经济调控主要依靠行政手段和司法手段，即主要采取直接干预的手段，那么市场经济的基础就会受到破坏，这样的经济也就不再是市场经济了，而是计划经济或者管制经济了。因此，市场经济下政府的宏观经济调控与直接干预是相冲突的，换句话说，市场经济下政府的宏观经济调控只能主要采取间接干预手段。近20年来，中国国内经济学文献中大量提到的市场经济中政府对经济的干预应该以间接干预为主（或者市场经济中政府对经济的调控应该以间接调控为主）的理论应该说针对宏观经济调控是正确的，而且只是针对宏观经济调控才是准确的。），而且宏观经济调控不具有强制性，因此应该说宏观经济调控主要是间接干预。（注：在中国经济体制改革过程中，曾经有过还要不要经济管制的疑义。应该说，经济体制改革要解决的问题并不是要不要经济管制的问题，而是要什么样的经济管制的问题。1950年代初开始形成的中国传统的经济管制制度与市场经济是相背的，必须对这种经济管制制度进行根本的改革，这是建立市场经济的前提条件。中国市场经济的建立比较缓慢，根本原因就在于对传统的经济管制制度的改革过慢，市场化改革过程从实质上来说也就是废弃传统的经济管制制度的过程，废弃传统的经济管制制度的进程越快，市场化改革的进程越快，市场化改革每向前推进一步，也意味着废弃传统的经济管制制度的进程向前推进了一步，市场经济的完全建立要以传统的经济管制制度的根本改革为前提。但是市场经济与传统的经济管制制度势不两立，并不表明市场经济与经济管制制度势不两立，市场缺陷要求建立经济管制制度，政府的经济管制是市场经济所内生出来的要求，是实现经济的高效率和社会公正的必要条件，但是这必须是与市场经济相适应的、弥补市场缺陷的、有着明确的管制边界的经济管制制度。从市场经济国家来看，宏观经济调控制度方面的差异远较在经济管制制度方面的差异小，借鉴各国在宏观经济调控和经济管制的经验时，选择更困难的是在经济管制方面的经验。各国的经济管制制度相当复杂，而且合理性差异也很大，因此在研究市场经济国家政府调控经济的经验教训时，虽然研究宏观经济调控方面的经验教训是必要的，而研究各国经济管制方面的经验教训更为迫切，应该避免（也是在实践中最容易出现错误）的是将别国特殊的经济管制制度，并且是不合理的经济管制制度当作市场经济的具有共性的一般经济管制制度。对各国经济管制制度进行比较、甄别、判断、改造对改革传统的经济管制制度和建立与市场经济相适应的经济管制制度是十分重要的。）

6.经济管制与宏观经济调控的实施方法不同

这里所谓的实施方法是就政府干预的力度而言的。宏观经济调控的力度依宏观经济失衡程度的不同而会有所不同，宏观经济失衡越严重，宏观经济调控的力度应该越大，失衡程度越轻，宏观经济调控的力度应该越小。市场经济中的宏观经济失衡具有周期性，因此国民经济无法避免短期性的周期性的波动，这样宏观经济调控的力度的选择直接与经济的短期性的周期性的波动有关。在市场经济中，宏观经济会经常性处于失衡状态中，为了防止宏观经济出现严重失衡，一般来说，政府应该逆对经济风向采取经常性的调节政策，这种调节属于微调。相对于有可能出现的宏观经济的严重失衡，这种调节属于预防性质的调节。微调是经常性的，大调则不是经常性的，而是周期性的（有时间周期，宏观经济严重失衡才应该进行大调）。相对于宏观经济调控的方法的选择性，针对于微观经济主体，经济管制一般来说并不存在微调与大调问题，因为经济管制是依律行事，按照法规应该受到什么处罚就给予什么处罚，应该受到什么奖励就给予什么奖励，同业者间的区别会相当大。当然对于一些经济活动，政府是加大管制力度，还是减轻管制力度，也需要政府做出选择，但这种选择与宏观经济调控力度的选择不同，它与宏观经济失衡的程度无关，与经济周期性运动无关，而是取决于公众的认识、技术水平的变化、产业结构的变化、外部经济环境的变化等方面的因素，力度加大或减轻一般会表现为长期趋势，而不是短期性的周期性的变化。

因此，我们就能发现宏观经济调控政策的运用具有典型的逆经济运行的特点，而经济管制则不具有这一特点，无论是在经济萧条时期，还是在经济繁荣时期，只要经济管制制度未变，管制政策就不会有变。

7.经济管制、宏观经济调控与产业政策的关系不同

宏观经济调控可能会对产业发展产生影响，因为宏观经济调控可能会改变相对价格，如果宏观经济调控改变了相对价格，那就会改变产业的比较利益，从而会引起经济资源在产业间的重新配置。就其性质而言，可能产生有利于产业政策的效果，也有可能产生出不利于产业政策的效果。不过就宏观经济调控本身而言，其性质、目的等等都与产业政策无关，宏观经济调控并不是为了产业政策的目标而制定和实施的。

经济管制则不同，经济管制虽然并不是只服务于产业政策，但是它是产业政策的必备工具，要实施产业政策，就必须有与之相适应的经济管制，否则，产业政策就是无效的。例如政府要支持幼稚产业的发展，政府就要对外实施进入管制政策和其他相关管制政策；政府要促进一个行业的竞争，政府就要实行反垄断、鼓励进入和促进公平竞争的管制政策；政府要压缩有较大污染的行业生产规模，扶持污染小的新兴行业的快速发展，就要采取抑制前者、鼓励后者的进入管制政策、污染排放管制标准与排放数量的管制政策、污染排放税政策等。

8.经济管制与宏观经济调控的对象不同

宏观经济调控的对象是无选择性的，它是通过对市场的调节而影响微观经济主体，宏观经济调控对国民经济的影响具有系统性、整体性和全局性，虽然市场的影响程度对不同的微观经济主体会有所差别，但由于宏观经济调控所要改变的是宏观经济变量，因此任何微观经济单位都难以避免地要受宏观经济调控政策的影响，因此宏观经济调控的对象实际上是针对所有的经济主体。就宏观经济调控的影响的性质来看，可能使所有的经济主体受益，也可能使所有的经济主体受损，也可能使一部分经济主体受益，而同时使另一部分经济主体受损。从社会整体而言，一项正确的宏观经济调控政策能够得到有效的实施，将会增进社会福利。

经济管制的对象则是有选择性的，它所管制的是具体的微观经济单位。例如基于保护环境而实施的污染排放管制的管制对象只是污染排放单位，其他单位则不在管制之列。微观经济单位如果违规，将会受到管制机构的处罚。任何经济单位所从事的经济活动如果不在经济管制的范围之列，它就不会受到经济管制机构的约束。虽然经济管制造成的影响可能是全局性的，不过一般来说，其影响的局部性更强。

9.经济管制与宏观经济调控对经济效率的影响存在着差别

无论是经济管制，还是宏观经济调控，都对经济资源的利用率、生产效率和资源配置效率具有影响。不过两者对经济资源的利用率、生产效率和资源配置效率的影响是存在着差别的。这种差别主要反映在以下方面：

（1）影响的时间长短不同。宏观经济调控对经济效率的影响具有非持续性的特点。原因在于：第一，微调对经济资源的利用率、生产效率和资源配置效率的影响较小，大调才会明显地影响经济资源的利用率、生产效率和资源配置效率，而大调所具有的周期性的特点，使得宏观经济调控对经济资源的利用率、生产效率和资源配置效率的影响具有非持续性的特点；第二，宏观经济调控并不会改变经济制度，即不会改变经济活动的游戏规则，这样一旦宏观经济调控政策发生变化，其对经济效率的影响就会消失。经济管制对经济效率的影响则具有持续性的特点。因为：第一，经济管制总是表现为一种长期的趋势，一项管制制度确定以后，往往会在很长的时期内运行，有的持续几十年，有的持续上百年，有的经济管制制度一经确定，几乎就成为永恒性的了，这样就使得经济管制对经济效率的影响具有长期性；第二，经济管制制度的变化改变的是经济活动的游戏规则，这样一旦经济管制制度发生变化，新的制度会在长时期内影响微观经济单位的行为，从而对经济效率产生持续的影响。

（2）影响的途径不同。宏观经济调控对经济效率的影响主要是通过改变市场环境，或者说宏观市场结构，从而改变微观经济单位的外部环境（压力），来影响经济效率。经济管制既通过改变微观经济单位的外部环境（压力），也通过影响微观经济单位的动力机制和能力，还通过对相对价格或者成本、利润率的影响而影响经济效率。简而言之，宏观经济调控对经济效率的影响途径具有单方位性，而经济管制对经济效率的影响途径具有全方位性。经济管制对经济效率的影响途径的全方位性预示着经济管制会通过渗入到经济机体的内部而在深层次上影响着经济效率，这就意味着一个社会的经济效率的高低主要取决于经济管制制度，低效率社会要提高经济效率就应该主要从经济管制制度的改革入手。

（3）影响的结构不同。虽然宏观经济调控对经济资源的利用率、生产效率和资源配置效率都具有影响，但宏观经济调控对经济资源的利用率影响最大，而对生产效率和资源配置效率的影响则比较小。在经济不景气时，政府采取扩张性的经济政策会使经济资源的利用率得到提高，这是宏观经济调控对经济效率的最主要的积极影响。在经济繁荣时，政府采取紧缩性的经济政策会使经济资源的利用率下降，也会增加微观经济单位面临的市场竞争压力，这有利于提高生产效率，但由于宏观经济调控并不会增强微观经济单位提高生产效率的动力和能力，因此并不一定能够使微观经济单位努力提高生产效率。虽然宏观经济调控可能会改变要素或者产品的相对价格，从而具有提高资源配置效率的可能性，但一方面相对价格的变化可能会出现不利的变化，从而出现恶化资源配置的可能性，另一方面要素的流动性等影响资源配置效率的条件并不是宏观经济调控所能改变的，因此即使要素或者产品的相对价格有利于资源配置效率的提高，也会因为其他条件不具备而不能改变资源配置，从而不能使资源配置效率得到提高。而要具备这些条件恰恰需要经济管制制度的改革。

与宏观经济调控一样，经济管制对经济资源的利用率、生产效率和资源配置效率都具有影响，但与宏观经济调控不同的是，经济管制不只是主要对经济资源的利用率产生影响，而是对经济资源的利用率、生产效率和资源配置效率都具有至关重要的影响。首先，经济管制对经济资源利用率的高低具有至关重要的影响。进入管制、过程管制等都会影响经济资源的利用率。例如，中国实行了几十年的排斥农村劳动力进入城市非农产业部门的劳动力进入管制政策就造成了中国农村劳动力资源的大量闲置，实行了几十年的排斥非国有经济进入金融、汽车等现代产业部门的产业进入管制政策也造成了金融发展能力、汽车发展能力的闲置。一般来说，进入管制的领域越广，管制越严厉，经济资源的利用率越低。其次，经济管制对生产效率的高低具有至关重要的影响。生产效率的高低主要取决于企业有无提高生产效率的内在动力、能力和外部压力，经济管制对这几个方面都有着极为重要的影响。经济管制可以削弱企业提高生产效率的内在动力和能力，减轻企业提高生产效率的外部压力，也可以增强企业提高生产效率的内在动力和能力，增强企业提高生产效率的外部压力，好的经济管制制度应该是能够增强企业提高生产效率的内在动力、能力和外部压力的制度。其三，经济管制对资源配置效率的高低具有至关重要的影响。经济管制既会影响生产要素和产品的相对价格，也会影响产品生产的成本，影响不同产品生产的利润率，还会影响资源的流动性，因此就会影响经济资源的配置。经济管制可以促进经济资源的配置效率的提高，也可以导致资源配置效率的下降。好的经济管制制度应该是能够促进经济资源配置效率提高的制度。

简而言之，宏观经济调控对经济效率的影响结构具有局部性的特点，而经济管制对经济效率的影响结构则具有全面性的特点。

（4）影响的程度不同。由于经济管制与宏观经济调控对经济资源的利用率、生产效率和资源配置效率的影响在时间长短、途径、结构方面存在着差别，因此两者对经济效率的影响程度也存在着差别。由于经济管制对经济资源的利用率、生产效率和资源配置效率的影响时间所具有的持续性、影响途径所具有的全方位性、影响结构的全面性，而这些是宏观经济调控所不具有的，因此经济管制对经济效率的影响程度自然要超过宏观经济调控对经济效率的影响程度。

由上可以得出结论，一个社会的经济效率的高低主要取决于其经济管制制度，如果要提高经济效率，就必须要改革经济管制制度。

10.经济管制与宏观经济调控失效的原因存在着差别

经济管制与宏观经济调控的失效存在着共同的原因，但是也存在着差别。最主要的差别在于两者在被调控对象俘虏的可能性上存在着差别。宏观经济调控的失效不是因为被调控对象俘虏了调控机构，因为在宏观经济调控中，政府机构并不与微观经济单位发生直接的联系，而且宏观经济调控的影响是系统性的、整体性的、全面性的，具有非排他性，因此不存在政府机构设租和被调控对象向政府机构寻租的条件。宏观经济调控的失效主要在于政府能力不足，而一般主要不在于政府权力的滥用。而管制者被被管制者俘虏却是经济管制失效的主要原因之一。因为在经济管制中，政府管制机构要与微观经济单位发生直接的联系，管制的利益是可以排他的，而且管制机构是一个庞大的体系，每一级管制机构、管制机构的每一个职能机构都有其独享的管制权，并且这些管制权又是被分配给一个一个的作为管制者的自然人手中，管制权都是人格化了的，管制者与被管制者之间的直接联系使得管制具有了一对一的“交易”的性质，这样就存在着管制者设租和被管制者寻租的条件，从而也就出现了管制者被俘虏的可能性，一旦管制者被俘虏，就会出现管制失效。在经济管制中，不仅管制的执行者存在着被被管制者俘虏的可能性，而且管制规则的制定者也存在着被被管制者俘虏的可能性，在管制规则的制定中，所谓政治上的“看不见的手”（特殊的利益集团等等）发挥的作用往往相当大，这样就使得管制规则本身与管制应该实现的目标相背，即管制规则背离效率和公正而出现的管制规则的扭曲。由于管制规则的制定者被被管制者俘虏而导致的管制规则的扭曲对经济效率和社会公正的损害比由管制者被俘虏对经济效率和社会公正的损害更大。

11.经济管制、宏观经济调控对经济自由的影响存在着差别

经济自由是指微观经济主体从自身利益出发、按照自己的意志独立地做出经济决策的自由。经济自由是市场经济最基本、最重要的性质和特征，是市场经济存在的前提，没有经济自由，就没有市场经济。经济自由使得市场经济具有多方面的计划经济体制所不可能具有的优越性，但同时无约束的经济自由也会使市场经济难以避免地产生多方面的缺陷。经济管制与宏观经济调控都是市场经济中政府对经济的干预，它们都会对经济自由产生影响。无论是经济管制，还是宏观经济调控，实质上都是市场以外的力量——政府对经济自由施加的约束，但是两者对经济自由的影响方式、影响程度是存在着差别的。宏观经济调控对经济自由的影响是间接的，它并不直接对微观经济主体的经济决策进行干预或限制，它是通过改变宏观市场环境而对经济自由产生影响的，其对经济自由的影响具有整体性、系统性的特点，除非宏观经济调控采取直接的经济管制的手段，否则宏观经济调控并不会直接剥夺或限制经济自由。因此以间接干预为主的宏观经济调控对经济自由的影响程度也要小一些。经济管制则不同，它对经济自由的影响主要是直接的，因为它要直接对微观经济主体的经济决策进行干预或限制，因此经济管制会直接剥夺或限制经济自由，经济管制对经济自由的影响主要是差别性的。例如进入管制直接剥夺或限制了投资者的投资决策自由，价格管制直接剥夺或限制了卖方和买方的价格决策自由，出口管制直接剥夺或限制了出口商的出口决策自由。不过管制也会对经济自由产生间接影响，因为管制会影响产业环境。由此，经济管制对经济自由的影响要比宏观经济调控的影响大。因此，在市场经济中，尤其要对经济管制的边界给予明确的界定，对政府的经济管制权予以明确的规定，否则就会导致经济管制的无限延伸，就会不正当地侵害经济自由，从而损害经济效率。

由上可见，经济管制与宏观经济调控是两个不同的概念，虽然两者都是政府的重要经济职能，但是两者的差异是明显的、多方面的。

二、经济管制与宏观经济调控的相互联系

经济管制与宏观经济调控存在着明显的、多方面的差异，但是两者也存在着多方面的联系。两者的联系并没有为将两者混同提供依据，但是明确两者的相互联系也是经济理论研究应该关注的，并且两者的联系也是两者关系的不可忽视的重要方面。两者的联系主要反映在以下几个方面。

1.经济管制与宏观经济调控的必要性和范围都是由市场缺陷所规定的

市场经济条件下的经济管制与宏观经济调控的必要性都是由市场缺陷所产生的，虽然与经济管制和宏观经济调控相联系的市场缺陷存在着差别，但都导源于市场缺陷。如果不存在市场缺陷，那就不需要经济管制和宏观经济调控。市场缺陷是市场经济内生的，市场经济内生的缺陷使得市场机制充分发挥作用的条件遭到破坏，或者市场经济本身不能保证满足市场机制发挥作用所需要的条件，或者市场机制发挥作用的结果导致经济效率的下降或者低下，从而使得仅仅有市场力量并不能使社会的生产能力得到充分的有效的利用，不能实现社会在已经拥有的可资利用的经济资源的条件下社会福利的最大化。某些市场缺陷可以由第三种力量的作用得到或多或少的弥补，但第三种力量的作用存在着根本的缺陷，并不能作为弥补市场缺陷的依靠力量，（注：参见曾国安：《政府经济学》，武汉，湖北人民出版社，2002。）因此只能由政府充当弥补市场缺陷的依靠力量，政府弥补市场缺陷需要根据市场缺陷的不同领域分别通过实行经济管制与宏观经济调控来实现。虽然政府实行经济管制与宏观经济调控并不一定能够弥补全部的市场缺陷，但它却是一个社会弥补市场缺陷的最终依靠力量，而且只要经济管制与宏观经济调控的有效性能够得到不断的提高，就可以与市场力量这只看不见的手一道不断增进社会福利。（注：无论是市场缺陷，还是第三种力量的缺陷，抑或政府缺陷，从根本上来说，都是由人类的生产能力的有限性所决定的，因为市场经济、第三种力量以及政府都是人类社会的事情，没有人，便无所谓市场经济、第三种力量和政府。虽然人类的生产能力随着人类科学技术的发展、社会生产实践的发展、社会制度的不断改进（简而言之是随着人类知识的增长）而不断增长，但相对于人类的需要，相对于社会福利最大化的要求，仍然存在着巨大的缺口。即便是进入到所谓的知识经济社会，人类所掌握的知识仍然是极其有限的。因此，如何使经济资源得到充分的有效的利用，实现社会福利的最大化，是人类社会面临的永恒挑战。）

市场缺陷导致了经济管制与宏观经济调控的必要性，也同时规定了市场经济条件下经济管制与宏观经济调控的范围。经济管制与宏观经济调控都在于弥补市场缺陷，因此，无论是经济管制，还是宏观经济调控，都不能渗入到市场机制能够有效地发挥作用的领域，而只能进入市场机制不能有效地发挥作用的领域，这从根本上规定了经济管制与宏观经济调控的边界。虽然两者在市场机制不能有效地发挥作用的领域起作用的“领地”有不同，但从它们都只能在市场机制不能有效地发挥作用的领域发挥作用这一点来看是相同的，经济管制与宏观经济调控的范围都是由市场缺陷所规定的。

2.经济管制与宏观经济调控的实施主体都是政府，都是政府的基本经济职能，最终目标都在于提高经济效率

经济管制与宏观经济调控都是由市场缺陷所引起的，都在于弥补市场缺陷。尽管实施经济管制与宏观经济调控的具体的政府职能机构有不同，但都是政府机构。实施经济管制与宏观经济调控的主体既不是企业、居民，也不是第三种力量，而是政府。

在市场经济中，政府要履行多方面的具体的经济职能，主要包括：维护产权；抑制、限制或消除垄断，促进市场竞争；解决外部经济效应问题；提供和鼓励提供公共物品；提供信息和促进市场信息供应量的增加；补充市场的不完善，提供或鼓励提供市场供应不足的私人物品；进行收入再分配，缩小居民收入差距，促进收入分配的公平；限制非市场品的生产和消费，禁止有害物品的生产和消费；矫正宏观经济失衡，维护宏观经济平衡，促进宏观经济稳定；调节经济结构，促进结构平衡等。任何实行市场经济制度的国家的政府都应该履行上述经济职能。而这些经济职能可以归结为两个大的方面，即经济管制和宏观经济调控。由此可见，在市场经济中，政府要充分弥补市场缺陷，使社会的经济效率达至最优，既需要实行经济管制，也需要进行宏观经济调控，政府只有有效地实行经济管制和进行宏观经济调控，才能有效地解决市场解决不了的问题。由于市场缺陷内生于市场经济本身，因而具有长期性，政府对经济的干预，离开了两者中的任何一个方面，社会的经济效率都会无法达到最优水平，所以经济管制和宏观经济调控是政府的基本经济职能。

虽然经济管制与宏观经济调控的具体目标不同，两者的干预对象、方式、方法等等都存在着差别，影响经济效率的时间长短、途径、结构、程度也存在着差别，但是不管是经济管制，还是宏观经济调控，从它们的最终目标来看，都是要通过政府对经济的干预促进经济效率的提高，增进社会福利。

3.经济管制与宏观经济调控是相互补充的

经济管制与宏观经济调控都是政府的基本经济职能，由于两者导源于市场缺陷的不同方面，由两者的性质决定了两者功能上的差别，决定了各自适于弥补不同类型的市场缺陷，也就是说，应该实行经济管制的就不适于采取宏观经济调控，归属于宏观经济调控的就不应该采取经济管制，经济管制不能代替宏观经济调控，宏观经济调控也不能代替经济管制，两者的关系不是相互替代，而是相互补充。两者这种相互补充的关系决定了只有既能有效地实行经济管制，又能有效地实施宏观经济调控，政府才能实现有效地履行政府应该履行的经济职能的目标，市场缺陷才能得到有效地解决。

4.经济管制与宏观经济调控制度都需要不断地发展

市场机制不能有效地发挥作用的领域是经济管制与宏观经济调控能够进入的领域，但这并不意味着在这些领域政府就一定要无条件地实行经济管制与宏观经济调控。这里涉及到政府的能力。如果政府进入这些领域不仅不能起到弥补市场缺陷的作用，使社会的经济资源完全浪费，反而因为政府在这些领域实行经济管制与宏观经济调控而损害了市场机制在其能够有效地发挥作用的领域的作用的充分发挥，那么政府就不应该在这些领域实行经济管制与宏观经济调控，因为政府实行经济管制与宏观经济调控的结果不是增进社会福利，而是减少了社会福利。政府能力是人类生产能力的组成部分，人类生产能力的增长包含着政府能力的增长。政府能力的增长使得政府可以进入市场机制不能有效地发挥作用的领域中的更多的领域，经济管制制度和宏观经济调控制度也因此要相应地发展。

市场力量作为人类生产能力的一部分，也是随着人类知识的增长而不断增长的，这就使得市场机制能够有效地发挥作用的领域与不能有效地发挥作用的领域的结构会发生一些变化，基于经济管制与宏观经济调控的必要性和范围都是由市场缺陷所规定的，经济管制与宏观经济调控的对象、手段等都应该做一些相应的调整。

随着经济管制与宏观经济调控实践的发展，人类会发现和掌握实行经济管制与宏观经济调控的更有效的方法，更有效的具体的手段，更恰当的干预力度和时机，更好的决策制度，更好的机构设置，更好的机构协调机制等等，人类自然就应该利用这些新的知识来改进经济管制制度与宏观经济调控制度。

经济管制制度与宏观经济调控制度的不断发展是经济管制与宏观经济调控有效的必要条件，也只有经济管制制度与宏观经济调控制度能够得到不断发展，经济管制与宏观经济调控才能成为增进社会福利的手段。

5.经济管制的有效性与以间接干预为主的宏观经济调控的有效性存在着相互制约的关系

（1）经济管制的有效性会影响以间接干预为主的宏观经济调控的有效性。如果经济管制的范围、程度等超越了其应该有的边界，宏观经济调控不可能有效地发挥作用。例如如果存在着普遍的市场进入管制、普遍的价格管制、普遍的投资管制、普遍的分配管制，那么无论政府如何努力，以间接干预为主的宏观经济调控都不可能有效。（注：中国自实行改革开放政策以来，政府在宏观经济调控方面一直在努力从改革开放前的直接干预过渡到间接干预，在出现宏观经济失衡时，力图依靠间接干预矫正宏观经济失衡，政府的这种意愿是好的，是正确的，但每次都不能达到预期的目标，以致于每次都要通过直接干预来最终矫正宏观经济失衡。出现这一现象并不奇怪。原因就在于中国传统的经济管制制度没有根本性的变化，在这种传统的经济管制制度下，市场信号是扭曲的，资源不能自由地流动，微观经济单位应该享有的经济决策权和经济利益都被经济管制所侵蚀或者说被剥夺，应该承担的经济风险也因为经济管制而无法通过新的经济安排而转移或者被经济管制自动地转移到其他的经济主体，这就使微观经济单位对于政府宏观经济调控政策所传达的信号缺乏反映，因此使得间接干预失效。在传统的经济管制制度下，宏观经济调控只有采取直接干预才能达到预期目标，间接干预的宏观经济调控与传统的经济管制制度是相背的，因此只有根本改革传统的经济管制制度，以间接干预为主的宏观经济调控才能有效地发挥作用。以间接干预为主的宏观经济调控的有效性也可以作为判断传统的经济管制制度改革进程的一项指标。）经济管制制度所影响的是宏观经济调控的微观基础。以间接干预为主的宏观经济调控要有效地发挥作用，需要微观经济单位享有独立的经济决策权，有自己独立的经济利益，自己承担经济风险，需要有灵活的价格机制，经济资源能够自由地流动，需要有发达的高度竞争性的市场，这些条件在存在普遍的严格的经济管制的经济中是不可能得到满足的。经济管制既可以为以间接干预为主的宏观经济调控有效地发挥作用提供有利的条件，也可以成为以间接干预为主的宏观经济调控有效地发挥作用的障碍。

（2）宏观经济调控的有效性也会影响经济管制的有效性。例如如果国民经济处于总需求严重超过总供给，通货膨胀高居不下，政府的反垄断管制政策就难以奏效。有效的宏观经济调控能够为经济管制的有效性提供有利的条件，宏观经济调控的失效则会使失衡的宏观经济成为经济管制有效性的不利因素。如果宏观经济调控本身导致了宏观经济失衡或者加剧了宏观经济失衡，这样的宏观经济调控就成了经济管制有效发挥作用的障碍。

6.某些经济管制在特殊条件下也可作为宏观经济调控的手段

与实现宏观经济调控调控目标相关的经济管制可以作为宏观经济调控的手段。例如为实现国际收支平衡而对汇率进行管制，为解决通货膨胀而对利率、银行的贷款规模、企业的投资规模和薪酬进行管制，为提高就业率而对雇主辞退在业者进行限制等。不过这里需要说明的是，这里所说的某些经济管制在特殊条件下也可作为宏观经济调控的手段，实际上是说为了达到宏观经济调控的目标政府可以采取管制手段，而不是说这些管制是正常的经济管制的现成的组成部分，因为这些管制本身是不应该存在的。因此经济管制作为宏观经济调控的手段是应该受到严格的限制的，只有在间接干预无法矫正业已出现的宏观经济失衡，而宏观经济失衡对于国民经济发展造成了严重的损失，对社会稳定构成了严重的威胁，也就是说出现了严重的经济和社会危机时，政府才可采取管制手段矫正宏观经济失衡，因此经济管制只能作为市场经济殊条件下宏观经济调控的临时性手段，而不能作为宏观经济调控的常用手段。经济管制手段的运用应该有严格的法律程序，有严格的范围限制和时限，一俟危机缓和，政府就应该撤消管制，而完全采用常规性的间接干预手段。

三、关于经济管制与宏观经济调控政策的几点思考

基于上述对经济管制与宏观经济调控的关系的讨论，考虑到经济管制与宏观经济调控政策存在的种种问题，笔者认为在经济管制与宏观经济调控政策方面，需要关注以下问题。

1.不能混同经济管制政策与宏观经济调控政策

经济管制政策与宏观经济调控有相互联系的地方，但两者的差别也是明显的。政府在制定经济调控政策时，应该考虑两者的差别，在政策工具的选择、职能部门的分工等方面都应该有相应的差别。如果将经济管制政策与宏观经济调控政策混同起来，在政策工具的选择、职能部门的分工等方面就会出现错误的选择，导致的结果要么是经济管制的目标和宏观经济调控的目标无法实现，要么是使政府对经济的干预不仅不能弥补市场的缺陷，反而会强化市场缺陷，而且会使政府对经济的干预成为导致效率下降的因素，总的来说会导致政府失效。如果政府失效由此引起，这样的政府失效比市场失效更糟。

2.政府应该不断完善经济管制政策与宏观经济调控政策

宏观经济利率篇（5）

一、引 言

自20世纪70年代末到21世纪初，全球有93个国家先后爆发了112次系统性银行危机。尤其90年代以来频频爆发的金融危机——如1987年美国股市崩盘、1994年美国利率风暴及中南美洲比索风暴、1997年亚洲金融危机、1998年俄罗斯政府违约事件，特别是2007年春季开始的次贷危机最终演变为2008年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。［1］

收稿日期：2008-07-05

项目资助：本文受到西安交通大学“985工程”二期资助（项目编号：07200701），国家社会科学基金（08djy156）资助。

作者简介： 李江（1962-），湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授，

硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生，研究方向：财务预警。

金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于

世界各地的学者，运用上述模型框架进行了大量的实证研究。vlieghe g［15］对英国银行体系累加的企业违约概率进行建模估计，发现gdp、实际利率和真实工资水平具有较显著的解释能力。bunn p,cunningham a和drehmann m［16］曾使用probit模型来测算英国企业部门的贷款违约风险。boss m［17］针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。marco m 、sorge、kimmovirolainen［18］利用wilson模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（pd, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其var值远高于基期的测算值。jim wong,ka-fai choi和 tom fong［19］建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试框架。模型框架中引入的宏观经济变量包括：国内生产总值（gdp），利率（hibor），房地产价格（re）和大陆的gdp。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当var取99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。

hoggarth g和whitley j［20］与drehmann m hoggarth， g logan a， zecchino l［21］在他们的研究中引入了英国在fsap框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。jones m t, hilbers p和slack g［22-23］提供了宏观压力测试的更一般的非线性的方法。worrell d［24-25］ 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。

一些学者研究将信用风险和市场风险整合测量，例如 allen l 和 saunders a［26］尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如pain d、vesala j［27］和gropp等人［28-29］则是引用wilson 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而wilson 的模型的一个替代选择则是merton 的公司层面的结构模型. gray d、merton 和bodie［30］将这一框架扩展至研究主权违约风险。derviz a 和kadlcakova n ［31］将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。drehmann m、manning m［32］和pesaran m h等［33］在利用merton模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。benito a,whitley j和young g ［34］将基于衡量违约概率的merton模型融入针对模拟个别企业违约的probit模型。他们发现merton模型方法比仅仅依靠企业的财务数据的模型效果更优。

还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。hanschel e和monnin p［35］针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。kalirai h 和 scheicher m［36］针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给增速、利息率、股票市场指数、汇率、出口额和油价。

（三）国内外研究述评

目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（financial sound indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。

而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友［37］，高同裕、陈元富［38］等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。

在实证方面，熊波［39］通过建立宏观经济因素的多元logit回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产总值和通货膨胀率这样的宏观经济变量的确是影响

图1 压力测试流程图

（二）模型的设定

本文将在wilson、boss和virolainen研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果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。在此基础上使用logit方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。

yt=ln1-pdt[]pdt（t=1, 2…, n）（2）

yt=α0+α1xt+…α1+mx1-m+β1yt-1+…+βny1-n+μt（3）

xt=0+1xt-1+…+px1-p+φ1yt-1+…+φqyt-q+εt（4）

pdt代表t年度的贷款的平均违约率，y是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标”，x代表宏观经济变量。在利用历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的y，再通过（2）就估计出了压力情境下的银行系统的违约概率。

公式（2）就是对贷款违约率进行logit回归分析，pdt表示t年度的贷款的平均违约率，yt表示一系列宏观经济变量的综合指标。

公式（3）是反映各宏观经济变量与综合性指标yt的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中xt=(x1,t,x2,t…xl,t)′是l×1阶列向量，代表l个宏观经济因素构成的列向量；μt是方程的随机扰动项。截距α0是一个l×1阶列向量；系数α1,α2…α1+m分别代表l×1阶向量，系数β1…βn是l×n阶矩阵向量。

公式（4）是关于各宏观经济变量的时间序列模型。考虑到宏观经济因素采取的时间序列数据，可能存在变量的滞后性，因此对各宏观经济变量进行p阶自回归分析，剔除模型中的序列相关性。在（4）中，0是l×1阶的列向量, 1,…,p都是l×1阶矩阵向量，φ1,…φq是l×q阶矩阵向量，随机误差εt都是l×1阶列向量。

在这个模型中，假设μt和εt是序列不相关的，并且分别服从方差协方差为矩阵∑μ和∑ε的正态分布。其中μt和εt相关的方差协方差矩阵为∑μ,ε。

在 wilson（1997）和virolainen（2004）提出的框架中，yt仅仅与xt有关，而本文模型的设定更符合实际情况，yt不仅与xt相关，考虑到宏观冲击的时滞效应，yt还与其滞后期的值yt-1,…,yt-n有关。

从（4）可以看出，模型不仅考虑到了宏观经济变量值之间的相互影响，模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素变量的自回归方程中引入综合变量来实现。通过各行业综合指标y的前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。

（三）变量选取

1.解释变量

根据各国的实证研究经验和我国银行体系业务发展特点，本文模型的变量选取1990～2006年的年度数据，主要考虑到数据的可得性、宏观经济统计的特征以及经济冲击发生的持续时间来决定的。鉴于研究的宏观层面，从数据的可得性及计算量考虑，本文的宏观模型是基于整个经济体系的，因此各宏观经济变量将不采用各经济部门的统计值，而是采用本国的整体水平的统计值。

本文选取八个宏观经济变量作为解释变量：

ngdp—国内生产总值名义年增长率；

rgdp—国内生产总值实际年增长率；

nr—一年期存款的名义基准利率；

rr—一年期存款的实际基准利率；

nlr—一年期流动资金贷款的名义平均利率；

rlr—一年期流动资金贷款的实际平均利率；

cpi—居民消费价格指数；

re—房地产价格指数；

2.被解释变量

本文选取违约概率作为评估信用风险的指标，银行系统的信用风险主要表现为贷款资产的违约风险。违约率水平是评估银行贷款质量的最直接的指标，违约风险可以用借款人在规定期限内的违约概率度量。virolainen k对芬兰银行系统的违约概率进行的宏观压力测试分析中，对违约概率指标采取如下方式赋值：在研究时段内，某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约率。jim wong、ka-fai choi和tom fong［19］建立的香港零售银行面对宏观经济波动的信贷风险压力测试框架中，违约概率是逾期3个月以上的贷款额与总贷款额的比率。本文选取四家国有商业银行和交通银行、招商银行、光大银行等十家股份制商业银行的信贷数据作为样本，以平均的逾期贷款率代表贷款违约率，即以年末样本银行的总逾期贷款额与总贷款余额的比率。其中，1990、1991、1992三年的各样本银行的详细数据欠缺，因此本文根据各类媒体披露的总的逾期贷款的变动率和贷款额的变动率计算出了这三年的逾期贷款率，其他各年份的详细数据均来自

（二）宏观压力情境的设定及其结果

本文选择情境分析作为执行压力测试的方法。针对模型所选取的宏观经济变量，我们设定两个压力情境：一种是gdp增长突然放缓的情境；一种是cpi上升到较高的水平（5%以上）。对于各种压力情境下，反映压力的宏观经济变量的变动幅度，可以通过以往的历史相似情境数据或历史经验直接进行人为的设定。而本文在对银行体系遇到极端情境进行构建之前，利用时间序列模型对解释变量ngdp、cpi进行了2008～2010年的简单arma模型预测，作为我们构建的参考基准情境（baseline scenario）。

从表2可以看出，在设定的两种压力情境下，我国的银行体系的信贷风险明显增加，从模型预测估计出的贷款违约率都有不同幅度的增加。随着国民生产总值增速的大幅降低，贷款违约概率增大，但幅度较缓。而随着通货膨胀率的骤增，违约概率出现大幅度的激增。这充分说明在压力情境下，宏观经济变量对银行系统信贷违约概率的冲击效应非常显著。从而判断，通货膨胀率的同等幅度波动对银行体系信贷违约率值的影响更大。

五、结论及建议

宏观经济利率篇（6）

一、引 言

自20世纪70年代末到21世纪初，全球有93个国家先后爆发了112次系统性银行危机。尤其90年代以来频频爆发的金融危机——如1987年美国股市崩盘、1994年美国利率风暴及中南美洲比索风暴、1997年亚洲金融危机、1998年俄罗斯政府违约事件，特别是2007年春季开始的次贷危机最终演变为2008年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。［1］

收稿日期：2008-07-05

项目资助：本文受到西安交通大学“985工程”二期资助（项目编号：07200701），国家社会科学基金（08djy156）资助。

作者简介： 李江（1962-），湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授，

硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生，研究方向：财务预警。

金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于

世界各地的学者，运用上述模型框架进行了大量的实证研究。vlieghe g［15］对英国银行体系累加的企业违约概率进行建模估计，发现gdp、实际利率和真实工资水平具有较显著的解释能力。bunn p,cunningham a和drehmann m［16］曾使用probit模型来测算英国企业部门的贷款违约风险。boss m［17］针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。marco m 、sorge、kimmovirolainen［18］利用wilson模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（pd, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其var值远高于基期的测算值。jim wong,ka-fai choi和 tom fong［19］建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试框架。模型框架中引入的宏观经济变量包括：国内生产总值（gdp），利率（hibor），房地产价格（re）和大陆的gdp。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当var取99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。

hoggarth g和whitley j［20］与drehmann m hoggarth， g logan a， zecchino l［21］在他们的研究中引入了英国在fsap框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。jones m t, hilbers p和slack g［22-23］提供了宏观压力测试的更一般的非线性的方法。worrell d［24-25］ 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。

一些学者研究将信用风险和市场风险整合测量，例如 allen l 和 saunders a［26］尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如pain d、vesala j［27］和gropp等人［28-29］则是引用wilson 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而wilson 的模型的一个替代选择则是merton 的公司层面的结构模型. gray d、merton 和bodie［30］将这一框架扩展至研究违约风险。derviz a 和kadlcakova n ［31］将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。drehmann m、manning m［32］和pesaran m h等［33］在利用merton模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。benito a,whitley j和young g ［34］将基于衡量违约概率的merton模型融入针对模拟个别企业违约的probit模型。他们发现merton模型方法比仅仅依靠企业的财务数据的模型效果更优。

还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。hanschel e和monnin p［35］针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。kalirai h 和 scheicher m［36］针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给增速、利息率、股票市场指数、汇率、出口额和油价。

（三）国内外研究述评

目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（financial sound indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。

而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友［37］，高同裕、陈元富［38］等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。

在实证方面，熊波［39］通过建立宏观经济因素的多元logit回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产总值和通货膨胀率这样的宏观经济变量的确是影响

图1 压力测试流程图

（二）模型的设定

本文将在wilson、boss和virolainen研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果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。在此基础上使用logit方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。

yt=?ln?1-pdt[]pdt（t=1, 2…, n）（2）

yt=α0+α1xt+…α1+m?x1-m?+β1yt-1?+…+βny?1-n?+μt（3）

xt=?0+?1xt-1?+…+?px1-p?+φ1yt-1?+…+φqyt-q?+εt（4）

pdt代表t年度的贷款的平均违约率，y是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标”，x代表宏观经济变量。在利用历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的y，再通过（2）就估计出了压力情境下的银行系统的违约概率。

公式（2）就是对贷款违约率进行?logit?回归分析，pdt表示t年度的贷款的平均违约率，yt表示一系列宏观经济变量的综合指标。

公式（3）是反映各宏观经济变量与综合性指标yt的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中xt=(x1,t?,x2,t?…xl,t?)′是l×1阶列向量，代表l个宏观经济因素构成的列向量；μt是方程的随机扰动项。截距α0是一个l×1阶列向量；系数α1,α2…α1+m?分别代表l×1阶向量，系数β1…βn是l×n阶矩阵向量。

公式（4）是关于各宏观经济变量的时间序列模型。考虑到宏观经济因素采取的时间序列数据，可能存在变量的滞后性，因此对各宏观经济变量进行p阶自回归分析，剔除模型中的序列相关性。在（4）中，?0是l×1阶的列向量, ?1,…,?p都是l×1阶矩阵向量，φ1,…φq是l×q阶矩阵向量，随机误差εt都是l×1阶列向量。

在这个模型中，假设μt和εt是序列不相关的，并且分别服从方差协方差为矩阵∑μ和∑ε的正态分布。其中μt和εt相关的方差协方差矩阵为∑μ,ε?。

在? wilson（1997）和virolainen（2004）?提出的框架中，yt仅仅与xt有关，而本文模型的设定更符合实际情况，yt不仅与xt相关，考虑到宏观冲击的时滞效应，yt还与其滞后期的值yt-1?,…,yt-n?有关。

从（4）可以看出，模型不仅考虑到了宏观经济变量值之间的相互影响，模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素变量的自回归方程中引入综合变量来实现。通过各行业综合指标y的前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。

（三）变量选取

1.解释变量

根据各国的实证研究经验和我国银行体系业务发展特点，本文模型的变量选取1990～2006年的年度数据，主要考虑到数据的可得性、宏观经济统计的特征以及经济冲击发生的持续时间来决定的。鉴于研究的宏观层面，从数据的可得性及计算量考虑，本文的宏观模型是基于整个经济体系的，因此各宏观经济变量将不采用各经济部门的统计值，而是采用本国的整体水平的统计值。

本文选取八个宏观经济变量作为解释变量：

ngdp—国内生产总值名义年增长率；

rgdp—国内生产总值实际年增长率；

nr—一年期存款的名义基准利率；

rr—一年期存款的实际基准利率；

nlr—一年期流动资金贷款的名义平均利率；

rlr—一年期流动资金贷款的实际平均利率；

cpi—居民消费价格指数；

re—房地产价格指数；

2.被解释变量

本文选取违约概率作为评估信用风险的指标，银行系统的信用风险主要表现为贷款资产的违约风险。违约率水平是评估银行贷款质量的最直接的指标，违约风险可以用借款人在规定期限内的违约概率度量。virolainen k对芬兰银行系统的违约概率进行的宏观压力测试分析中，对违约概率指标采取如下方式赋值：在研究时段内，某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约率。jim wong、ka-fai choi和tom fong［19］建立的香港零售银行面对宏观经济波动的信贷风险压力测试框架中，违约概率是逾期3个月以上的贷款额与总贷款额的比率。本文选取四家国有商业银行和交通银行、招商银行、光大银行等十家股份制商业银行的信贷数据作为样本，以平均的逾期贷款率代表贷款违约率，即以年末样本银行的总逾期贷款额与总贷款余额的比率。其中，1990、1991、1992三年的各样本银行的详细数据欠缺，因此本文根据各类媒体披露的总的逾期贷款的变动率和贷款额的变动率计算出了这三年的逾期贷款率，其他各年份的详细数据均来自

（二）宏观压力情境的设定及其结果

本文选择情境分析作为执行压力测试的方法。针对模型所选取的宏观经济变量，我们设定两个压力情境：一种是gdp增长突然放缓的情境；一种是cpi上升到较高的水平（5%以上）。对于各种压力情境下，反映压力的宏观经济变量的变动幅度，可以通过以往的历史相似情境数据或历史经验直接进行人为的设定。而本文在对银行体系遇到极端情境进行构建之前，利用时间序列模型对解释变量ngdp、cpi进行了2008～2010年的简单arma模型预测，作为我们构建的参考基准情境（baseline scenario）。

从表2可以看出，在设定的两种压力情境下，我国的银行体系的信贷风险明显增加，从模型预测估计出的贷款违约率都有不同幅度的增加。随着国民生产总值增速的大幅降低，贷款违约概率增大，但幅度较缓。而随着通货膨胀率的骤增，违约概率出现大幅度的激增。这充分说明在压力情境下，宏观经济变量对银行系统信贷违约概率的冲击效应非常显著。从而判断，通货膨胀率的同等幅度波动对银行体系信贷违约率值的影响更大。

五、结论及建议

宏观经济利率篇（7）

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

(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

宏观经济利率篇（8）

一、引言

随着金融全球化进程加快、大型商业银行跨国活动增加、信贷衍生产品迅猛发展,新形势下商业银行信用风险管理问题日益突出。特别是2007年底次贷危机的爆发,使得各国商业银行的资产质量严重恶化,大量银行纷纷破产,虽然我国的商业银行因为种种政策性原因,在这次危机中损失较小,但随着我国金融市场的进一步开放,我国商业银行和国际金融市场的完全融合,将对我国商业银行的信用风险管理水平提出挑战。

目前,宏观压力测试由于能模拟潜在金融危机等极端事件对商业银行体系稳定性的影响,已经引起了国际金融组织和各国政策当局广泛的重视,并在实践中得到迅速推广。本文运用宏观压力测试法,结合我国商业银行的特性,对商业银行的信用风险水平及其影响因素进行分析,这对现阶段我国商业银行信用风险管理具有现实意义。

二、文献综述

宏观压力测试是用于评估一国金融体系在受到“异常但合理”宏观经济冲击时的稳定程度,其通过情景设定或历史事件,来衡量宏观经济冲击对整个对整个金融体系的影响。自20世纪90年代末以来,国外对宏观压力测试的研究及其在实践中的应用都已取得了丰硕的成果,其中最具代表性的是Wilson(1997a,1997b)用各工业部门违约概率与一系列宏观经济变量的敏感度直接建模,通过模拟将来违约概率分布的路径,得到了资产组合的预期异常损失,进而模拟出在宏观经济波动冲击下的违约概率值。Boss M(2002)和Virolainen (2004)利用Wilson提出的模型,根据加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚和芬兰银行部门的压力情境。

而在国内对宏观压力测试的研究还尚在起步阶段。在理论研究方面,徐明东、刘晓星(2008)通过对国际上流行的几种宏观压力测试方法的比较,阐述了如何运用宏观压力测试方法去评估一国金融体系的稳定性。在模型研究和实证方面,任宇航、孙啸坤等(2007)利用Logit回归测试的方法,通过收集我国的宏观经济数据和金融机构的数据,对我国银行业信用风险损失作出了合理估计。但国内的这些研究只是借鉴了压力测试的思想,使用传统的方法,通过模拟情境下宏观经济因素异动,由Logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法存在一定的缺陷:其不能有效地反映出宏观变动冲击对银行体系的影响,不能具体看出压力情境下哪些宏观经济变量对银行信用风险的影响最大,这就有进一步研究的必要。

三、模型构建与实证研究

宏观压力测试是对微观层面压力测试的有益补充,它是将各宏观经济冲击变量整合量化为一个宏观因子,将宏观波动因素整合到评估银行信用风险的模型中,通过压力情境的构建,预测在极端情形下宏观经济变动对银行系统信用风险的影响。

(一)模型构建

本文在研究我国商业银行信用风险水平与宏观经济变量的关系时借鉴了Wilson(1997a, 1997b),Boss(2002),and Virolainen(2004)所提出的模型。该模型主要包括:建立了一个信用风险水平和宏观经济变量间的联立方程;用蒙特卡洛法模拟了违约损失的分布。

具体来说,假定商业银行将贷款贷给了J个经济部门,其中j部门在t时刻违约的概率为pj,t,在这里j=1,2,…,J,pj,t介于0和1之间,用它的Logit转换值yj,t作为回归值,即:

进而,设定yt=(y1,t,……,yj,t)*,yt为转换指标。本文所采用的模型是基于M个宏观经济变量的现在值和滞后期的值所构成的一个线性方程:

yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt (2)

式(2)中明确表示了各宏观经济变量与违约转换指标yt之间的关系。其中,xt=(x1,t,x2,t…xm,t)表示宏观经济变量,其为M×1阶向量;m为截距项,其为J×1阶向量;A1……A1+s和η1……ηk为系数,它们分别为J×M阶和J×J阶矩阵;vt为随机误差项,其为J×1阶向量。

同时为了考虑各宏观经济变量之间的相关性,根据Wilson模型中关于宏观经济变量的等式系统,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为M×1阶列向量,系数δ1,…δp和μ1,…μq分别为M×M和M×J阶矩阵向量,随机误差项ξt为M×1阶向量。

本文所考虑的模型在Wilson(1997a,1997b),Boss (2002)和Virolainen(2004)基础上,进行了两点改进:一是考虑了宏观经济变量对商业银行信用风险影响的时滞效应;二是模型的设定还考虑了商业银行体系对宏观经济变量的回馈效应。考虑到我国商业银行在国民经济中所占有的重要地位,该模型更符合我国的实际情况,因而用其来研究我国商业银行信用风险水平与宏观经济变量间的关系,具有很强的适用性。

(二)变量的选取与数据描述

为了建立商业银行信用风险水平和宏观经济变量之间的实证关系,本文收集了2003年1季度到2009年2季度共26个季度的商业银行不良贷款率和相关宏观经济数据,并通过参考国内外学者在研究宏观压力测试时的变量选择,考虑我国商业银行信用风险以及宏观经济发展的特点,对相关变量做了如下选择。

1.被解释变量

本文综合考虑了我国商业银行经营的特殊性和相关数据的可得性,选用了商业银行体系的信用风险为被解释变量,以不良贷款率为其衡量指标,即:商业银行体系的不良贷款率越高,其信用风险水平就越高。我国商业银行的不良贷款率的数据来源于中国银监会网站和国研网的统计数据库,其中,商业银行的样本包括了国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行。根据《贷款质量评估指导原则》,中国的贷款按照五级分类法进行分类,不良贷款率=(次级+可疑+损失)/贷款总额。

2.解释变量

在解释变量方面,鉴于我国宏观经济的运行情况以及相关数据的获取难度,选取了GDP增长率、CPI指数(用以表示通货膨胀率)、广义货币增长率M2、进口额同比增长率M、三至五年期贷款利率R、房地产价格指数RE、失业率U七个宏观变量,数据来源于锐思数据库和国泰安数据库。

3.数据描述

从表1可以看出:(1)我国商业银行的不良贷款率经过Logit模型转换为yt后,其波动率仍然较大。(2)从选取的宏观经济变量来看,我国的宏观经济进入了高增长、低通胀、低失业、适度宽松货币政策的繁荣时期,但房价指数RE和进口额增长率M的波动较大。

(三)实证研究与结果分析

1.实证研究

根据上述的模型设定,首先对Pj,t运用Logit模型进行转换,得到转换指标yt,再将对商业银行信用风险构成冲击的各宏观经济变量及其yt的一阶滞后变量(考虑到宏观经济冲击的滞后性往往为一年)的数据代入,利用Eviews5.0与yt进行多元线性回归,结果显示:GDP增长率ZGDP、通货膨胀率CPI、房价指数RE、贷款利率R、进口总额同比增长率M以及yt的一阶滞后变量这六个变量显著,而失业率U和广义货币增长率M2不显著,被剔除。然后再利用式(3)进行各宏观经济变量的自回归。回归结果如表2。

从表2可以看出:(1)在1%到10%的显著性水平上,CPI指数、GDP增长率、进口额增长率M、贷款利率R以及房价指数RE均显著影响到了我国商业银行的信用风险水平,且信用风险的转换指标受其滞后一期值的显著影响;(2)各宏观经济变量均受到其滞后项的显著影响,且除商品房销售价格指数RE外其余宏观经济变量还受到了转换指标滞后一期值的影响。

2.结果分析

从上述模型中,可以看出在宏观经济变量中贷款利率R对转换指标的影响最大,R的上升代表企业的融资成本增加,为了按期还本付息,企业就必须拿出更多的利润交给银行,如果融资成本大于企业盈利能力,那企业就有违约的冲动,使得商业银行的信用风险加大。而CPI对银行信用风险的影响与R则恰恰相反,其上升预示着国家在实行宽松的货币政策,使得企业融资成本降低,企业的盈利大幅上升,减少银行的信用风险。GDP增长预示着整个社会的宏观经济比较景气,经济处于上升繁荣期,企业平均盈利能力较好,不良贷款率也将随之下降。进口总额增长率M上升,对我国的出口企业造成负面影响,致使其业绩下降,进而会增加银行的信用风险。房地产销售价格指数的上升,会使得大量的资金涌入房地产市场,产生泡沫经济,鉴于目前我国房屋贷款在银行贷款中的比重,将会使银行的不良贷款率显著提高,进而增大银行的信用风险。同时,也可以发现转换指标的滞后一期对当期影响显著。显然,模型的回归结果符合经济学上的解释。

四、宏观压力情景的设定及其风险分析

压力测试主要是通过情境设定,根据情境假设下可能的风险因子变动情形,重新评估金融商品或投资组合的价值。通常重新评估的方式不会有太大的差异,但是情境设定的方式却有很多种选择。情境分析是目前应用的主流,即利用一组风险因子定义为某种情境,分析在个别情境下的压力损失。情境分析的事件设计方法有两种:历史情境分析和假设情境分析。整个程序通常分为两大步:一是情境设定;二是重新评估。

(一)情境设定

分析上述模型的回归结果,可以发现贷款利率R对银行信用风险的影响最大,而GDP增长率则是判定一国经济发展最重要的指标,同时考虑到大多数危机的冲击期会持续四个季度,因而假定2009年2季度为基期,模拟从2009年3季度到2010年2季度共4个时间点涵盖了一年期的未来路径。本文设定了两个压力情境:一是GDP指数突然大幅下降的情境。假定我国GDP季度增长率自2009年2季度起在未来的4个季度里每季度均会同比下降一个百分点。二是贷款利率R大幅上升的情境。设定我国的贷款利率自2009年2季度起在未来的4个季度里,每季度均会同比上升一个百分点。为了便于计算,假定这两个冲击是相互独立的,即当一个宏观解释变量受到冲击,其它解释变量仍然保持不变。

(二)重新评估

设定情景下的冲击结果如表3。

从表3中可以看出,在设定的两种压力情境下,我国商业银行的信用风险水平明显增加,其不良贷款率显著提高。同时,还可以发现,贷款利率R的大幅升高比GDP增长率的降低对商业银行体系信用风险的冲击幅度更大,这也充分说明了货币政策在调控宏观经济中的重要性及其对商业银行的显著影响。

为了更清晰地表现两种压力情境下银行体系信用风险的变化,将上述结果绘在图1中。

图1中P1代表了GDP增长率突然下降情境下的我国商业银行体系的不良贷款率,P2代表了贷款利率R上升时我国商业银行体系的不良贷款率。从图1中可以清楚地看到P2一直在P1的上方,即贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大。

五、结论

本文采用我国2003年1季度到2009年2季度的宏观经济数据和商业银行的不良贷款率数据,基于Wilson (1997a, 1997b),Boss(2002)及Virolainen(2004)所提出的模型,通过Eviews5.0软件建立了商业银行信用风险转换指标 与各宏观经济变量及转换指标滞后一阶的回归方程,结果表明GDP增长率、通货膨胀率、房价指数、贷款利率、进口总额同比增长率对我国商业银行的信用风险影响显著。进而利用得出的回归方程,依据假设情景对我国商业银行的信用风险进行了压力测验,在宏观压力测试的情境分析中,得出了贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大的结论。

鉴于本文的研究结论,可以看出宏观经济变量和商业银行信用风险之间有着密切的联系,在本轮的次贷危机中我国的商业银行虽没有受到大的冲击,但应该吸取欧美大银行在这次危机中的教训,防患于未然,提高自身的风险意识,继续降低银行的不良贷款率。另外,政府在遇到宏观经济问题时,货币政策起着至关重要的作用。一国货币当局在面对危机时,应该审时度势,制定正确的货币政策,确保经济的快速增长。

【参考文献】

[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.

宏观经济利率篇（9）

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。

宏观经济利率篇（10）

一、引 言

自20世纪70年代末到21世纪初，全球有93个国家先后爆发了112次系统性银行危机。尤其90年代以来频频爆发的金融危机——如1987年美国股市崩盘、1994年美国利率风暴及中南美洲比索风暴、1997年亚洲金融危机、1998年俄罗斯政府违约事件，特别是2007年春季开始的次贷危机最终演变为2008年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。［1］

收稿日期：2008-07-05

项目资助：本文受到西安交通大学“985工程”二期资助（项目编号：07200701），国家社会科学基金（08djy156）资助。

作者简介： 李江（1962-），湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授，

硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生，研究方向：财务预警。

金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于中国而言显得非常迫切。对银行体系进行稳定性评估，尤其是对银行体系面对的信用风险

进行宏观层面的压力测试，对防范和化解系统性金融风险，维护中国金融稳定和安全具有重要意义。

下面研究宏观压力测试在银行信用风险评估中的应用，通过对国外已有的成熟模型理论成果分析比较的基础上，根据我国的宏观经济及金融发展特点，经济、金融数据统计及披露特点，模型的数据需求深度广度要求，建立适用于我国的模型并以此进行实证分析。

二、文献综述

（一）宏观经济因素对银行信贷违约风险的影响

mckinnon r［2］认为，宏观经济稳定时，银行经营行为非常保守，不会出现不顾风险单方面追求效益的现象。但在实际汇率波动、通货膨胀出现等宏观经济不稳定的情况下，政府或明或暗的存款担保，导致银行会产生以高利率对高风险项目贷款的风险行为。donald van deventer［3］通过线性回归分析，确定了宏观因素对银行股价变动的解释在统计上是显着的。

对20 世纪80 年代以来各国银行不稳定尤其是银行危机现象, 国际组织和国内外学者进行了大量研究, 积累了十分丰富的实证资料。尤其是来自美国、英国、澳大利亚、芬兰的许多国外学者, 在对20 世纪80、90 年代全球银行不稳定事件的实证分析中发现, 宏观经济因素波动在各国银行不稳定中扮演着重要角色。tom bernhardsen［4-5］建立起银行破产与不良贷款和宏观经济因素的关系模型，并且利用欧洲国家的面板数据进行了实证检验。erlenmaier u［6］和gersbach h［7］利用挪威中央银行的宏观经济模型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 e和larsen k［8］利用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。pesola j［9］分析了银行系统危机对宏观经济因素波动的敏感性，并

利用芬兰的数据通过建立模型对两者之间的关系进行定量分析。virolainen k［10］对芬兰金融风险的实证评估，建立了宏观信贷模型并进行宏观压力测试，揭示了芬兰银行系统贷款违约风险与宏观经济波动的相关性。

国内对于银行体系的稳定评估的实证研究，包括陈华，伍志文［11］运用1978～2000年间的数据对我国银行体系脆弱性状况进行了量化分析。结果发现,中国整个银行体系在1978～2000年之间有11年是不稳定的,尤其是在1992年和1998年前后更为突出,银行体系出现了不稳健的征兆,存在较大的金融风险。

（二）宏观压力测试理论和实践

在执行宏观压力测试使用的宏观信贷模型的研究领域，有两个学者的模型框架占据举足轻重的地位，并为日后的学者不断的进行模型的拓展研究和实证应用奠定了良好的基础。他们是wilson t c［12-13］和 merton r［14］。wilson对各工业部门违约概率对一系列宏观经济变量的敏感度直接建模。模型的思想是对违约概率和宏观因素的关系进行建模，模拟将来违约概率分布的路径，就可以得到资产组合的预期异常损失，进而模拟出在宏观经济波动冲击下的违约概率值。相比较而言，merton模型则多加入了股价对宏观要素的反映，将资产价格变动整合进违约概率评估模型。因此，前一种模型更直观，计算量较小；而后一种方法对数据的广度和深度的要求以及计算量要求都很高，其中有些市场数据也许是信贷风险的噪音指标。

世界各地的学者，运用上述模型框架进行了大量的实证研究。vlieghe g［15］对英国银行体系累加的企业违约概率进行建模估计，发现gdp、实际利率和真实工资水平具有较显着的解释能力。bunn p,cunningham a和drehmann m［16］曾使用probit模型来测算英国企业部门的贷款违约风险。boss m［17］针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。marco m 、sorge、kimmovirolainen［18］利用wilson模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（pd, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其var值远高于基期的测算值。jim wong,ka-fai choi和 tom fong［19］建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试框架。模型框架中引入的宏观经济变量包括：国内生产总值（gdp），利率（hibor），房地产价格（re）和大陆的gdp。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当var取99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。

hoggarth g和whitley j［20］与drehmann m hoggarth， g logan a， zecchino l［21］在他们的研究中引入了英国在fsap框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。jones m t, hilbers p和slack g［22-23］提供了宏观压力测试的更一般的非线性的方法。worrell d［24-25］ 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。

一些学者研究将信用风险和市场风险整合测量，例如 allen l 和 saunders a［26］尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如pain d、vesala j［27］和gropp等人［28-29］则是引用wilson 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而wilson 的模型的一个替代选择则是merton 的公司层面的结构模型. gray d、merton 和bodie［30］将这一框架扩展至研究主权违约风险。derviz a 和kadlcakova n ［31］将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。drehmann m、manning m［32］和pesaran m h等［33］在利用merton模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。benito a,whitley j和young g ［34］将基于衡量违约概率的merton模型融入针对模拟

个别企业违约的probit模型。他们发现merton模型方法比仅仅依靠企业的财务数据的模型效果更优。

还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。hanschel e和monnin p［35］针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。kalirai h 和 scheicher m［36］针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给增速、利息率、股票市场指数、汇率、出口额和油价。

（三）国内外研究述评

目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（financial sound indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。

而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友［37］，高同裕、陈元富［38］等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。

在实证方面，熊波［39］通过建立宏观经济因素的多元logit回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产总值和通货膨胀率这样的宏观经济变量的确是影响中国银行体系稳定性的重要因素。但是该文只是借鉴了压力测试的思想，使用传统的方法，通过模拟情境下宏观经济因素异动，由logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法不能有效地反映出宏观变动冲击对银行体系的影响，不能看出压力情境下银行面临的最主要的信用风险的分布状况，即贷款违约率的概率分布。

三、宏观压力测试方法流程及模型设定

（一）方法流程

宏观压力测试是模拟“危机事件”来估计极端却可能的压力情境下金融体系的波动。在宏观压力测试的框架中，其模型表示为：

q(t+1｜t+1≥x=f(xt,zt)（1）

在（1）中 表示在模拟的压力情境下评价金融体系的稳定性的指标的表现。在宏观压力测试模型中衡量金融部门波动性的最一般的方法是资本的潜在损失率。q(·)表示衡量金融系统波动性的风险矩阵，衡量违约情况的指标例如贷款损失额主要通过模拟压力情境下的点估计得到。在这种情况中，该条件概率值表示的风险矩阵较容易计算。而在险价值方法中，在任何给定的压力情境下，资产组合的损失应产生概率分布，而不是前一种方法中的点估计值。框架中f(·)表示损失方程，该方程模拟了宏观经济冲击对金融体系中加总的资产组合的影响关系。该方程可包含风险暴露，违约概率，相关性，回馈效应，以及宏观经济变量变动与系统层面金融稳定性表现的相互关系。

压力测试的执行方式主要是通过情境设定，根据情境假设下可能的风险因子变动情形重新评估金融商品或投资组合的价值，整个程序通常分为两大步：一是情境设定；二是重新评估。通常重新评估的方式不会有太大的差异，但是情境设定的方式却有很多种选择。情境分析（scenario analysis）是目前应用的主流。即利用一组风险因子定义为某种情境，分析在个别情境下的压力损失，因此此类方法称为情境分析，情境分析的事件设计方法有两种：历史情境分析（historical scenario）和假设性情境分析（hypothetical scenario）。其他方法还有敏感度分析（sensitive analysis）和极值理论法（extreme value theory, evt）。

本文根据信用风险压力测试的相关文献以及世界银行和国际货币基金组织联合开发的fsap（financial sector ass ess ment programme)的手册，将压力测试的执行程序见图1所示。

  图

1 压力测试流程图

（二）模型的设定

本文将在wilson、boss和virolainen研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果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。在此基础上使用logit方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。

yt=ln1-pdt[]pdt（t=1, 2…, n）（2）

yt=α0+α1xt+…α1+mx1-m+β1yt-1+…+βny1-n+μt（3）

xt=0+1xt-1+…+px1-p+φ1yt-1+…+φqyt-q+εt（4）

pdt代表t年度的贷款的平均违约率，y是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标”，x代表宏观经济变量。在利用历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的y，再通过（2）就估计出了压力情境下的银行系统的违约概率。

公式（2）就是对贷款违约率进行logit回归分析，pdt表示t年度的贷款的平均违约率，yt表示一系列宏观经济变量的综合指标。

公式（3）是反映各宏观经济变量与综合性指标yt的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中xt=(x1,t,x2,t…xl,t)′是l×1阶列向量，代表l个宏观经济因素构成的列向量；μt是方程的随机扰动项。截距α0是一个l×1阶列向量；系数α1,α2…α1+m分别代表l×1阶向量，系数β1…βn是l×n阶矩阵向量。

公式（4）是关于各宏观经济变量的时间序列模型。考虑到宏观经济因素采取的时间序列数据，可能存在变量的滞后性，因此对各宏观经济变量进行p阶自回归分析，剔除模型中的序列相关性。在（4）中，0是l×1阶的列向量, 1,…,p都是l×1阶矩阵向量，φ1,…φq是l×q阶矩阵向量，随机误差εt都是l×1阶列向量。

在这个模型中，假设μt和εt是序列不相关的，并且分别服从方差协方差为矩阵∑μ和∑ε的正态分布。其中μt和εt相关的方差协方差矩阵为∑μ,ε。

在 wilson（1997）和virolainen（2004）提出的框架中，yt仅仅与xt有关，而本文模型的设定更符合实际情况，yt不仅与xt相关，考虑到宏观冲击的时滞效应，yt还与其滞后期的值yt-1,…,yt-n有关。

从（4）可以看出，模型不仅考虑到了宏观经济变量值之间的相互影响，模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素变量的自回归方程中引入综合变量来实现。通过各行业综合指标y的前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。

（三）变量选取

1.解释变量

根据各国的实证研究经验和我国银行体系业务发展特点，本文模型的变量选取1990～2006年的年度数据，主要考虑到数据的可得性、宏观经济统计的特征以及经济冲击发生的持续时间来决定的。鉴于研究的宏观层面，从数据的可得性及计算量考虑，本文的宏观模型是基于整个经济体系的，因此各宏观经济变量将不采用各经济部门的统计值，而是采用本国的整体水平的统计值。

本文选取八个宏观经济变量作为解释变量：

ngdp—国内生产总值名义年增长率；

rgdp—国内生产总值实际年增长率；

nr—一年期存款的名义基准利率；

rr—一年期存款的实际基准利率；

nlr—一年期流动资金贷款的名义平均利率；

rlr—一年期流动资金贷款的实际平均利率；

cpi—居民消费价格指数；

re—房地产价格指数；

2.被解释变量

本文选取违约概率作为评估信用风险的指标，银行系统的信用风险主要表现为贷款资产的违约风险。违约率水平是评估银行贷款质量的最直接的指标，违约风险可以用借款人在规定期限内的违约概率度量。vir

olainen k对芬兰银行系统的违约概率进行的宏观压力测试分析中，对违约概率指标采取如下方式赋值：在研究时段内，某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约率。jim wong、ka-fai choi和tom fong［19］建立的香港零售银行面对宏观经济波动的信贷风险压力测试框架中，违约概率是逾期3个月以上的贷款额与总贷款额的比率。本文选取四家国有商业银行和交通银行、招商银行、光大银行等十家股份制商业银行的信贷数据作为样本，以平均的逾期贷款率代表贷款违约率，即以年末样本银行的总逾期贷款额与总贷款余额的比率。其中，1990、1991、1992三年的各样本银行的详细数据欠缺，因此本文根据各类媒体披露的总的逾期贷款的变动率和贷款额的变动率计算出了这三年的逾期贷款率，其他各年份的详细数据均来自中国金融年鉴和各银行的年报。

四、实证结果

（一）模型估计

代入1990～2006年的宏观经济数据对上述模型进行多元回归分析和模型估计，先用宏观经济变量的名义指标值和实际值，与引入的综合指标y的两期滞后变量分别对y进行回归。从两个模型的t检验指标看出，模型中gdp、lr、r作为解释变量的参数并不显着，而引入的y的二阶滞后变量对因变量的解释性也不显着。因此模型的参数需要进一步调适剔除。根据经验和宏观经济冲击的滞后性往往为一年，因此模型中只引入y的一阶滞后变量。虽然两个模型的拟合优度统计检验指标和d-w指标略微下降，但两个指标值分别为0.987和2，仍是非常理想的检验指标值。在剔除掉一年期存款利率后，两个模型各参数的t检验指标都非常显着。但是以模型解释变量的参数符号来看，通货膨胀率cpi在以名义宏观经济变量值为自变量的模型中的系数符号为负，这表明随着cpi的增加，y值也会减小，经过logit变换后的违约概率pd将会增大，显然符合经济学原理。而在关于实际变量的模型中系数为正号，这是违背经济学原理的。所以本文确定以名义变量作为模型解释变量的方程为最佳的宏观经济模型（见表1）。这说明我国银行的信贷违约率对名义的宏观经济因素的波动更敏感。marco sorge、 kimmo virolainen（2004）利用wilson（1997）模型框架对芬兰银行系统的违约概率进行了宏观压力测试分析，宏观经济模型估计结果与我国上述情况类似，即名义的宏观经济变量对违约概率的解释能力更显着。

根据回归方程的t检验（5%的显着性水平），各宏观因素指标的实际值对综合指标的影响并不显着，所以剔除不列入表内。从表1中可以看出，综合经济指标和各宏观经济变量指标的名义值关系显着。且综合指标的一期滞后值对各宏观经济指标影响均显着。从关于综合指标的多元线性回归方程也可以看出，国内生产总值增长率、贷款利率水平、通货膨胀率和房地产价格的确是影响到我国银行体系违约概率的显着因素，而且综合指标明显受其一期滞后值的显着影响。

（二）宏观压力情境的设定及其结果

本文选择情境分析作为执行压力测试的方法。针对模型所选取的宏观经济变量，我们设定两个压力情境：一种是gdp增长突然放缓的情境；一种是cpi上升到较高的水平（5%以上）。对于各种压力情境下，反映压力的宏观经济变量的变动幅度，可以通过以往的历史相似情境数据或历史经验直接进行人为的设定。而本文在对银行体系遇到极端情境进行构建之前，利用时间序列模型对解释变量ngdp、cpi进行了2008～2010年的简单arma模型预测，作为我们构建的参考基准情境（baseline scenario）。

从表2可以看出，在设定的两种压力情境下，我国的银行体系的信贷风险明显增加，从模型预测估计出的贷款违约率都有不同幅度的增加。随着国民生产总值增速的大幅降低，贷款违约概率增大，但幅度较缓。而随着通货膨胀率的骤增，违约概率出现大幅度的激增。这充分说明在压力情境下，宏观经济变量对银行系统信贷违约概率的冲击效应非常显着。从而判断，通货膨胀率的同等幅度波动对银行体系信贷违约率值的影响更大。

五、结论及建议

本文在对比分析国外成熟模型的基础上，构建了适合我国经济环境的宏观压力测试模型。首先本文借鉴了国外研究成果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。在此基础上使用logit方程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，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。借鉴已有研究成果中在选择信贷风险的评估指标方面的做法，以逾期贷款率作为模型中反映银行体系信贷风险的指标。

结果发现：宏观经济变量名义国内生产总值，消费者价格指数，房地产价格指数和名义流动贷款利率对银行体系贷款违约率影响是显着的。特别是名义国内生产总值和通货膨胀率指标，冲击力较强。在关于名义国内生产总值大幅下降和通货膨胀率骤升的压力情境设定下，银行体系的贷款违约率都出现了不同程度的大幅度提高。尤其在关于通货膨胀率的压力情境下，贷款违约率的增长幅度高于名义国内生产总值下降情境下的增幅。

本文研究结果对中国国情有着一定的解释力，让我们有信心支持这样的研究思路的继续开展。通过分析我们可以看出，中国的银行体系稳定性还有待进一步加强，在面临假设的宏观经济冲击时，化解风险的能力就显得不足。当然我们构建的这些极端情形发生的概率都是极小的，毕竟中国经济目前来看几年内保持稳定增长的态势是确定的。

参考文献：

［1］ 中国人民银行金融稳定分析小组.中国金融稳定报告（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］ 陈华，伍志文．银行体系脆弱性：理论及基于中国的实证分析［j］．数量经济技术经济研究，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.

宏观经济利率篇（11）

同时要认识到，宏观税负既是税制的收入筹措功能大小的综合反映，也是经济运行的税收效应的集中体现，还是公共产品供给制度派生出的资金需求的总体表现。所以，评价宏观税负合理化程度，必须进行多角度的深入分析才能得出相对科学的结论。本文循此思维方式解析宏观税负提出几点看法。 当前宏观税负水平不到44%

宏观税负是指一国或一区域政府收入总和。由于绝对数不能说明社会的税收承载度，政府和学界普遍采用宏观税负率来表示宏观税负水平，即政府收入总额/国内生产总值（GDP）。其中政府收入包括税收和非税收入两大部分。窄口径宏观税负率是税收总额/GDP。各国普遍存在的政府非税收入包括行政性收费、罚没收入、社会保障缴款、国有资产和国有资源收入、捐赠收入等。

可见，所谓宏观税负，并不仅是统计税收，还要统计非税收入。为什么这样做呢？关键原因是政府收入本质上是政府提供公共产品需要公众交纳的补偿费用，不同类别的公共产品采用不同形式的收费。一般而言，普惠型公共产品如国防、外交、教育，采用税收形式收取成本补偿费用，专项型公共产品如社会保险会采用非税收入形式补偿成本以体现按人头对应特征。

从政府角度看，宏观税负数据是确定制度安排的重要依据。比如我国1994年用分税制财政体制取代包干制财政体制，主要依据就是财政收入占GDP比重从1980年的25.7%降至1992年的13.1%。从纳税人角度看，宏观税负数据是衡量自身纳税承受力的重要依据。在评定宏观税负合理度时，政府和纳税人的共识是税收负担额要能够保证基本公共服务供给，分歧则在于纳税人总希望税收最小化、公共福利最大化，政府总希望税收适度化、公共福利适度化。因此，公众总是会呼吁降低宏观税负。2014年上半年的宏观数据后，人们随即计算宏观税负率并指责税收负担过重反映的就是这种分歧。

然而要指出的是，出于减税动机关注宏观税负完全可以理解，但具体计算宏观税负要客观、公正，否则，所提制度调整建议依据的合理程度就难以令人信服。2014年上半年宏观数据出台后，有学者据此算出中国宏观税负率高达44%。从计算内容看，这一数据是宽口径宏观税负率，采用的数据是国家统计局、财政部等部门的半年度数据。由此可说信息源权威性很强。

宏观税负率44%在国际上确属高水平。目前全球只有比利时、丹麦、法国、瑞典等国家税负率达到44%。因此，这一判断引起一片哗然不足为奇。但需要探讨的是，中国的宏观税负率果真这么高吗？如果大家认可国内外宏观税负率计算的期限选择惯例的话，那么，认定中国的宏观税负率高达44%的判断应说不合适。

目前国际组织和各国政府的宏观税负数据都是年度数据，而且一般都是滞后两年的数据。比如，经济合作与发展组织2013年12月的税收收入统计报告，反映的是该组织成员国2011年以前的税收情况。我国政府部门按月税收初步统计数据，年初上年度税收预算执行数据，6月份前上年度决算数据，但其中没有窄口径和宽口径的宏观税负数据。我国学术界讨论宏观税负率也都是以一年为周期进行计算。政府部门虽然不正式宏观税负数据，但部门负责人公开发表的文献中提及的宏观税负数据也以一年为计算周期。可见，国内外都不以半年数据为依据计算宏观税负率。

事实上，不仅宏观税负数据，国内外其他经济数据也都以年度数据为可对比数据。为什么呢？原因主要有两点：

一是半年数据都是初步统计数据。具体到计算宏观税负的相关数据，GDP是初步汇总，年度最终数据要经过两次调整得出，而且GDP的最终数据与初步汇总数据有时相差近8%。此外，政府收入的半年数据也是初步统计，而且我国是有收入预算的国家，政府各类预算收入都是一年期。所以，计算半年期宏观税负与现实统计方法和预算制度有矛盾；

二是政府各类收入年度内月度间很不均衡。比如税收，实际入库数月度间非均衡性较高。土地出让收入也有类似情况，造成这种情况的主要原因是征管制度允许实际经济活动产生的各类政府收入与收入入库存有时差。具体到2014年上半年宏观税负率44%的结论，疑点主要在于上半年GDP数只是初步汇总数（被低估的数），而政府收入数也是初步核算数，而且政府投入上下半年非均衡性较高，政府性基金收入更为突出。因此，计算结果就会是一个分母低估、分子高估的数据。 今后宏观税负率抬升缓慢

人们真正关心的，并非以半年还是一年为期来计算宏观税负率，而是宏观税负率是否过高。假如以一年为期计算宏观税负率真的达到了44%，那么就要承认宏观税负过重了。因此，现在有必要分析中国的宏观税负率会不会真的到44%。我认为今后中国的年度宏观税负率不可能达到44%，为什么呢？

剔除四本预算之间的调入调出和各个预算的上年结转收入，2013年我国宽口径宏观税负率（公共预算收入+政府性基金预算收入+社会保险基金预算收入+国有资本经营预算收入的总和除以GDP）为36.9%。2014年为35.5%，其中政府收入为预算数，GDP按增长率7.5%计算。如果按国际组织的核算方法把国有土地使用权出让收入再剔出去，那么，2013年和2014年两年的宽口径宏观税负率就应是29.7%和29.6%。这说明中国当期的宽口径宏观税负率距离44%还有14个百分点。

从国际经验看，宏观税负率提升14个百分点需要几十年的时间。比如欧洲，1965年―2011年46年间区域内很多国家宽口径宏观税负率提高了10个百分点，其中丹麦提高了17个百分点，法国提高了10个百分点，意大利提高了17个百分点，瑞典提高了11个百分点。但也有一些国家提高了不到10个百分点，如英国低于10个百分点。这段时间里，欧洲之外的国家宏观税负率提升速度不快，如加拿大提高5个百分点，韩国提升8个百分点，新西兰提升8个百分点，日本提升约10个百分点。欧洲国家提高的快，主要原因是上世纪60年代后着力构建福利国家，社会保障缴款规模急剧扩张。

可见，宏观税负率抬升是一个漫长过程，一年提高0.3个百分点就算超高速了。以此推算我国提升14个百分点需要40多年，即便按不剔除土地出让收入口径算，也需要20多年时间。从国内情况看，宏观税负抬升也是一个缓慢爬坡的过程。1994年-2014年（20年时间），公共预算收入占GDP比重提升11个百分点。2014年宽口径宏观税负达到近30%，主要得力于社会保险基金收入在1994年-2014年增长了36.8倍。

从制度变革趋势看，今后我国宏观税负率上升步伐会放慢。因为税收负担取向是稳定、非税收入取向是减少、社会保障缴费率取向是适度降低。总之，综合分析结果是宏观税负率达到44%，今后很长一段时间条件不具备。 关注宏观税负与公共福利的关系

宏观税负实际上反映的是一个国家一定期间内把多少资源用在提供公共福利上。进一步说，宏观税负率高低是公共福利水平高低的综合体现，公共福利水平与宏观税负率水平呈正比关系。因此，与其说花力气探讨宏观税负率多少为宜，莫不如全面分析选择什么样的公共福利制度更务实。

在宏观税负问题上当前中国陷入了极端矛盾的境地：主流意识认为应该同时降低宏观税负提升公共福利水平。这和宏观税负的本质属性高度不对称，根本无法操作。然而人们又在反复问税费都用在什么地方了？怎么我的税费在增加却没感到公共福利享用水平在提升？税收和非税收入规模的扩张说明每个人缴的税费确实在增加（含间接税）。这真的需要我们认真思考到底应该如何平衡宏观税负水平与公共福利水平之间的关系，而不是简单计算宏观税负是多少。

上世纪60年代以后，发达经济体普遍走上了福利国家道路，实际上是抛弃了古典经济学的小政府大市场的主流观念，变相地吸取了社会主义再分配理念，以此来协调经济效率与社会稳定之间关系，用财富再分配来缓解市场经济固有的收入集中率不断上升带来的问题。

具体表现就是，这些国家建立了高税负、高福利制度框架。1965年-2011年，欧洲国家宽口径宏观税负率普遍提升了10个百分点，此间提升的加速期是1965年-2000年，有的国家提高了10多个百分点，如比利时、芬兰。欧洲区外的加拿大、日本、新西兰等在1965年-2011年宏观税负率也上升了10个百分点，加速期也在1965年-2000年，特别是加拿大上升了19个百分点。1965年-2000年发达经济体宏观税负率加速提升，主要原因是此时这些国家的经济增长总体处于稳步增长期，特别是1970年后发达经济体的经济规模普遍突破了1万亿美元、1990年后人均GDP突破了2万美元，这使得政府再分配加大力度不至于破坏市场配置资源的基础。

目前我国的主流意识是加快提升公共福利水平，很多人甚至认为中国的公共福利水平要与发达经济体看齐。应该承认，提升公共福利水平是皆大欢喜的事，政府也在竭尽全力做这件事。

然而要看到，今后再提升公共福利水平时不可避免的瓶颈就是宏观税负率能否提升。现在宽口径宏观税负已达到30%。从发达经济体经验看，这是一个临界值，1965年很多欧洲国家就是在这个数值起点上构建高福利国家，及至40%左右时建成高福利国家，这个模板中国能复制吗？客观分析，结论是几乎不可能。

首先，人口大国公共福利水平和宏观税负两者提升难度大。统观全球，可以发现这样一个规律：人口大国的宏观税负率普遍低于人口小国。发达经济体圈中的人口大国是美、日、德，美、日两国宏观税负率不到30%，德国是37%。人口6000万以内的国家宏观税负率可达到40%左右，如法国、奥地利、瑞典等。