在线客服

宏观经济因素实用13篇

引论:我们为您整理了13篇宏观经济因素范文,供您借鉴以丰富您的创作。它们是您写作时的宝贵资源,期望它们能够激发您的创作灵感,让您的文章更具深度。

宏观经济因素

篇1

为了测度各种内外因素对宏观经济波动的相对影响程度,本文对脉冲响应函数进行方差分解。方差分解通过分析每一个结构式冲击对内生变量变化(以方差度量)的贡献度,进一步评价不同结构式冲击的重要性。表3列示了宏观经济波动方差分解结果。我国产出波动的方差分解表明:⑴在预测期内,由投资波动引起的我国产出的波动并不大,但却有随着滞后期逐渐增加的趋势。一方面,中央政府投资冲击对产出波动的解释能力要大于地方政府投资冲击,这说明了中央政府的经济政策或投资决策代表了我国政府决策层对当前经济状况的态度和看法,会对以后的经济形势起到很大的指示和影响;另一方面,中央政府投资冲击引致产出波动的速度也要快于地方政府投资冲击。这说明中央投资政策的出台大多是针对当时经济形势的短期行为。⑵与投资波动一样,国外需求的波动对我国实际产出的波动影响并不大,其解释能力随滞后期的增加逐渐增大到稳定状态时的8.7%。这说明虽然我国的经济对外依存度较高,但国际经济状况对我国经济的影响并不大。这可以归因于我国国内较强的经济活力和稳健的经济增长。⑶国内消费需求波动在短期内解释了我国实体经济的绝大部分波动,虽随滞后期的延长而有所下降,但得稳态时仍然有66.5%的解释能力。这也再次验证了扩大内需对我国经济持续较快增长的极端重要性,同时也提示我们,通过扩大内需来推动经济增长,应该作为一项长期政策来实施。

3稳健性检验

本文的实证分析结果受到我们根据一般经济理论设定的约束条件和Cholesky分解强加给经济变量的次序的影响,为了说明以上实证结果的可靠性,需要对模型的设定和估计进行稳健性检验。具体做法是:我们首先调整SVAR模型中的经济变量顺序,但不改变约束条件,依次进行模型估计、脉冲响应分析和方差分解;其次,我们对原有的约束条件作适当修正,但不调整SVAR模型中的经济变量顺序,再依次进行脉冲响应分析和方差分解;最后,我们既调整SVAR模型中的经济变量顺序又对约束条件作出适当修正,依次进行模型估计、脉冲响应分析和方差分解。经过多次模型调整和实证分析后,我们发现,实证结果并没有大的变化(限于篇幅,具体检验过程省略)。这表明,本文所使用SVAR模型具有稳健性,得出的实证结果是比较稳定可靠的。

篇2

一、影响地区对外直接投资的内在机理及门槛条件的提出

 

(一)对外直接投资的宏观影响因素内在机理考察

 

20世纪90年代以前,基于对外直接投资主要发生在发达国家的事实,以海默的垄断优势理论、巴克莱的内部化理论、小岛清的边际产业转移理论、邓宁的国际生产折中理论为代表的对外直接投资理论都是以发达国家为研究对象;随着发展中国家对外直接投资的兴起,威尔士的小规模技术理论、拉奥的技术地方化理论和坎特威尔的技术创新产业升级理论也相继提出,在发展中国家开展对外直接投资实践中提供了理论指导。就中国而言,自从“走出去”战略开始实施,对外直接投资得到快速增长,但区域间发展不平衡,经济发达地区的对外直接投资规模远远超出经济欠发达地区。2011年,地方对外非金融类对外直接投资流量合计235.6亿美元,其中东部地区174.35亿美元,中部地区30.7亿美元,西部地区30.55亿美元,中西部地区的投资规模之和只占东部地区的1/3。由此可以看出,对外直接投资的演变历程与投资母国或地区的经济发展水平一致。Dunning提出的IDP理论阐述了对外投资的发展路径[1],并被后来的研究加以验证[2]。Andreff用一个包含176个发达国家和发展中国家在内的截面样本再次验证IDP理论,发现对外直接投资和母国经济发展水平之间存在函数关系[3]。

 

研究表明,投资国会通过对外直接投资获得东道国具有而母国不具有或者相对东道国处于劣势的资源,包括自然资源、人力资源、管理经验、营销水平、技术效率等。Dunning总结了对外投资的4种类型:一是市场寻求型,即需求导向型OFDI,是为产品寻找海外市场以弥补国内市场需求不足;二是资源寻求型,即供给导向型OFDI,是为了获得母国所需的矿产、农产品、非熟练劳动力等资源;三是效率寻求型,是为了提高国际分工的效率,促进跨国公司资产组合更加专业化,通常发生在市场寻求型或资源寻求型的投资阶段之后;四是战略资源寻求型,是以增强自身投资公司所有权优势为目的OFDI[4]。某些国家(如瑞士和荷兰)比其他国家(如俄罗斯)具有更强的动机进行对外直接投资,主要是因为其经济发展基础、国内企业的核心竞争力、市场规模、海外市场经验、不具有流动性资源的吸引力等方面存在明显差异。

 

(二)宏观影响因素及门槛条件的提出

 

在有关中国对外直接投资影响因素的实证研究方面,阎大颖等以2006-2007年中国对外直接投资的微观数据为样本,从制度方面发现政府政策扶植、海外关系资源及自身融资能力对企业对外直接投资的动机和能力有重要影响[5]。张为付运用内部张力、外部引力和环境支撑力范式对影响对外直接投资的各作用力进行了理论分析和实证检验,作用力包括经济规模、外贸依存度、与贸易伙伴国的摩擦、经济成分结构、政府对外直接投资的政策、人民币对美元的汇率[6]。田巍和余淼杰采用企业层面的微观数据考察了生产率与对外投资的关系[7]。借鉴已有研究,本文将从国内的经济发展水平、吸引外资水平、产业结构、经济成分组成4个方面论述和分析有关OFDI影响因素的门槛条件。

 

首先,从母国的经济发展水平看,Dunning以母国的人均GDP为指标,采用分组的方法把1971年67个国家分为4组[4]。第一组是人均GDP低于400美元的贫穷的发展中国家,外商投资极少,没有对外投资。第二组包含25个国家,其人均GDP在400~1 500美元之间,外商投资迅速增长,出现对外直接投资。第三组是人均GDP在2 000~4 750美元之间的国家,对外直接投资依然低于外商投资,这一阶段会出现两种情况:一是对外直接投资保持不变,外商投资开始下降;二是对外直接投资的增速超过了外商投资。第四组是人均GDP位于2 600~5 600美元之间的少数发达国家,对外直接投资规模开始超过外商投资,可能是因为对外直接投资的增速远远超过了外商投资的增速。

 

其次,从吸引外商投资的能力看,某地区吸引外商投资规模的大小在一定意义上反映了该地区的对外开放度。FDI的技术溢出效应对东道国企业的国际化经营和管理模式起到了良好的示范作用,是推动经济发展强有力的工具,有利于地区经济发展模式实现

 

从“引进来”到“走出去”的转变;而大量外资的引进无疑会在一定程度上解决地区的劳动力剩余问题,增加该地区的财政收入,这种现象极有可能导致地方政府把吸引外资作为地方发展的核心动力,而忽略了本地企业自身能力的培养,导致外商投资对地方OFDI产生挤出效应。

 

再次,从母国的产业结构看,Andreff研究发现:一方面,对于经济发展良好的发展中国家、资源丰富的国家、新兴工业化国家和发达国家而言,母国的产业结构是影响对外直接投资的重要因素;另一方面,对于经济发展落后的发展中国家和经济转型国家,母国的产业结构对OFDI的影响在5%和10%的显著性水平下均不显著[3]。说明母国产业结构的发展对OFDI的影响存在门槛特征。

 

最后,从经济成分组成结构看,张为付发现民营企业固定资产投资占全社会固定资产投资比重每变动1%,中国对外直接投资额将变动9.1689%,二者呈现明显的正效应关系,这是因为民营企业正在成为中国对外直接投资的新生主力[6];但是从投资金额占比上看,中国的对外直接投资存在“国升民降”现象,这是因为对外直接投资需要资金实力和信息优势作支撑[8]。这就意味只有实力雄厚的民营企业才能在国际竞争中占有一席之地。

 

二、对外直接投资宏观影响因素的模型设定及数据来源

 

对外直接投资规模在中国各地区存在明显差异是不争的事实,这种现象发生的根源来自于中国区域经济发展的不平衡性。由于地理位置不同,对外开放程度存在差异,经济基础迥异导致各地区的经济发展动力不同,国家政策倾斜导致不同地区的经济成分组成不同、产业结构调整方向不同,诸多因素影响了各地区企业“走出去”的积极性。部分越过经济发展门槛的地区,企业在自身经济实力和政策支持下,凭借企业特定优势或国家特定优势能够顺利进行国际化经营[9];而另一些低于经济发展门槛的地区,对企业国际化经营不但无法提供经济支持,还以吸引外商投资的方式加快自身经济发展,从而对本地区的OFDI产生了挤出效应。这就意味着影响对外直接投资规模的因素存在一定的门槛特征,即当一地区的综合经济实力达到一定的水平时,经济发展的提高会使对外直接投资规模迅速扩大。

 

(一)模型设定

 

近年来,解决这一非线性计量经济问题的方法从“分组检验”发展到“门限回归”。Hansen建立了关于技术外溢的面板门槛模型[10],Girma在Hansen的基础上利用面板数据验证了技术外溢中吸收能力的门槛效应[11]。国内学者延续了非线性面板数据计量经济模型的研究[12]。同样地,本文借鉴Hansen的面板数据门槛模型,将模型设定为如下形式:

 

Ofdiit=a0+a1qitI(qit<γ1)+a2qitI(qit≥γ1)+a3xit+eit(1)

 

在式(1)的基础上,我们将其扩展为双门槛模型甚至多门槛模型:

 

Ofdiit=a0+a1qitI(qit<γ1)+a2qitI(γ1≤qit<γ2)+a3qitI(qit≥γ2)+a4xit+eit

 

其中,i表示地区,t表示年份,γ1和γ2为待搜索的门槛值,且有γ1<γ2,I(·)为指标函数,eit为随机干扰项。Ofdiit表示各地区非金融类对外直接投资流量,年度OFDI流量不存在滞后,能更有效地刻画当期经济状况的发展和变化[13]。qit为本文研究的核心变量,设定为影响OFDI的主要因素,包括:第一,经济发展水平,采用国内生产总值(GDP)和人均国内生产总值(PGDP)来测度地区的经济发展的综合实力;第二,对外开放度,用吸引的外商投资企业投资总额(FDI)来表示该地区对外经贸往来的密切程度;第三,产业结构,用第二产业从业人数(seclab)和第三产业从业人数(thirlab)来衡;第四,经济成分,选取民营经济的固定资产投资(pinve)来测度,通过内资企业固定资产投资总额和国有经济固定资产投资总额相减得到。xit表示本文选取的控制变量,具体包括:第一,出口,以exp表示,用地区的出口总额代表;第二,政府支持,以fisc表示,用各地区政府的财政支出总额代表;第三,研发支出,以rd表示,用地方部门R&D经费内部支出代表。

 

(二)数据来源

 

本文所选取的数据为中国29个省区市2003-2011年的面板数据

 

由于西藏和贵州两省的非金融类对外直接投资流量数据缺失年份较多,故未被包含在检验样本中。,地区的非金融类对外直接投资数据来自历年的《中国对外直接投资统计公报》,其他指标数据来自历年的《中国统计年鉴》和《地区统计年鉴》。其中,以美元统计的出口和外资企业投资总额指标用人民币兑美元的年平均价换算;回归检验之前,用标准化公式:zi=(xi-minx)/(maxx-minx),对各指标数据进行标准化处理。表1为变量的基本统计量。

 

(三)影响因素分布的地区差异

 

把样本划分为东、中、西3个地区,东部地区包括北京、天津、河北、上海、广东、浙江、辽宁、福建、山东、江苏、广西、海南12个省、自治区、直辖市;中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖南、湖北9个省、自治区;西部包括重庆、四川、云南、陕西、甘肃、宁夏、青海、新疆8个省、自治区、直辖市。

 

图1、图2中的纵轴表示各省市的对外直接投资流量和影响因素位于均值及其以上(均值以下)的比例。从图1和图2可以看出,各变量位于均值以上的省市主要集中在东部地区,西部地区占比在0.2以下,中部地区各变量规模处于均值以上的比例低于均值以下的比例。另外,我们发现,各地区对外直接投资规模与区域经济发展水平的变动趋势一致。对外直接投资规模和GDP水平、引进外资水平、产业结构、民营经济发展轨迹一样,在区域经济发展较好的东部地区处于全国平均水平之上的比例最高,在中部地区次之,在西部地区最低;相反,低于全国水平的各个变量比例在西部地区最高,中部地区次之,东部地区最低。对外直接投资规模及其影响因素从东部发达地区到中西部欠发达地区均呈现明显的递减趋势。

 

三、对外直接投资影响因素的门槛检验与实证结果

 

(一)弱外生性检验

 

目前,检验变量弱外生性的方法主要有两种:一是EHR方法,基于模型所有变量的联合分布函数定义了与模型中重要参数相关联的弱外生变量;二是Johansen方法,在协整框架内,构建无条件误差修正模型和条件误差修正模型,依据ECM模型修正参数的显著性来检验变量是否具有弱外生性。EHR方法不仅可以检验出变量的弱外生性、强外生性及超外生性,还可以进行政策评价,在金融研究领域得到了广泛应用。EHR检验步骤如下:先将待检验变量作为被解释变量,其他可以解释贷款余额的变量以及其本身的滞后一期变量作为解释变量进行最小二乘回归估计,然后把所生成的残差序列加入原等式作为新的解释变量,最后对估计残差进行Lagrange Multiplier检验,确定是否具有弱外生性。

 

依循惯例,采用上述EHR方法依次检验门槛变量的弱外生性,检验结果如表2所示。从P值可以看到,无法拒绝门槛变量具有弱外生性的零假设。意味着在5%的显著性水平上,市场规模、外商直接投资、产业结构和经济成分均具有弱外生性,把这些影响因素设定为门槛变量是有效的。

 

(二)门槛条件检验

 

为了选择恰当的门限个数和门限值,依次估计线性模型、单门限模型、双门限模型和三门限模型,Hansen提出了“格栅搜索法”(Grid Search),目的是减少在搜索门槛值中执行的回归次数。这种搜索方法把待搜索的门槛值限定在某特定的分位数或者整数值,并分别对搜索结果进行回归并计算相应模型的残差平方和,最小残差平方和所对应的门槛值就被认为是最接近门槛水平的真实门槛值[14]。因此可构造出门槛估计值在95%置信区间的图形,如图3所示。

 

为了检验门槛效应在统计上的显著性,Hansen提出采用自举法(Bootstrap)模拟似然比检验的渐进分布,得到相应的概率Bootstrap P值,据此判断门槛值的真实性。表3给出了单门槛模型各因素的自抽样检验结果和95%显著性水平下的置信区间。人均GDP和第二产业从业人员的门槛值在5%的水平上显著,其余变量的门槛值均在1%水平上显著。同时为了检验模型中是否有双门槛效应甚至多门槛效应,表4则给出了各影响因素双门槛效应的相关检验结果。由表4的检验结果可知,各个变量的统计量均未能通过显著水平的检验可知。由此可知,不存在双门槛效应甚至多门槛效应,整个模型只存在单门槛效应。(三)模型估计结果

 

针对各地区的经济发展特征,本文将影响该地区企业对外直接投资的因素归纳为经济发展水平、外商投资规模、市场结构及地区的经济成分结构4个方面,分别对其具体的影响进行门槛回归检验

 

为了保证门槛值选取及回归的有效性,在实际检验当中,排序后保留样本中最大的10%和最小的10%,只把样本中间80%个变量的值作为门槛值的候选来源。,检验结果(如表5所示)表明这些影响因素存在明显的单门限特征。

 

(1)经济发展水平。当GDP总量超过27 698.18亿元时,经济总量对OFDI具有显著的正向促进作用,而当GDP总量低于这一水平时,经济总量对OFDI的作用不明显。同样,当一个地区的人均GDP水平超过39 985.07元时,对OFDI的正向促进系数达到0.17,而当人均GDP低于这一水平时,对OFDI的负向影响系数达到了0.26。一国或地区的经济发展水平越高,该国或地区的企业越容易形成对外直接投资的所有权优势、内部化优势和区位优势,一切投资行为都离不开母国的经济发展。

 

(2)外商投资规模。当一个地区吸引的外商投资规模超过9 145.061亿元时,外商投资对OFDI具有显著的正向影响,系数达到0.66;而当一个地区吸引的外商投资规模低于这一水平时,外商投资对OFDI具有显著的负向影响,系数为0.81。FDI的技术溢出效应使东部地区内资部门的技术得以提升,中部地区得到有效发挥,西部地区的外溢效应为负。提高外商投资的技术溢出效应,增强本地企业的吸收能力,是有效促进本地企业实行国际化经营的有效途径之一。

 

(3)产业结构。当第二产业从业人数超过610.85万人时,第二产业从业人员会对OFDI具有显著的促进作用,其变量的估计系数在1%显著水平上达到了0.39;当第三产业从业人数超过905.81万人时,此时产业结构的估计系数为0.33,并且通过了1%显著水平的检验,这充分表明第三产业从业人员的增加会对OFDI产生明显的促进作用。相反,当,第二产业从业人员和第三产业从业人数分别低于各自的门槛水平时,会对地区的OFDI流量产生明显的抑制作用,双方的估计系数分别为-0.53和-0.34,并且均通过了5%显著水平的检验。第二产业从业人数和第三产业从业人数对OFDI具有基本相同的作用机理,这与对外直接投资行业分布广泛(中国对外直接投资统计公报,2011)的特点相符。这意味着中国企业在海外市场形成的产业集聚,更多是依靠外部的行业规模优势而不是企业自身具有的特定优势。

 

(4)民营经济发展。目前,国有或国有控股企业依然是中国进行对外直接投资的主体,但未来,随着民营企业实力不断趋向壮大,国有企业的OFDI占比在达到高峰点之后将逐渐回落。企业对外直接投资的内在经济动力和国家政策导向共同奠定了民营经济在中国对外直接投资中的重要地位。当民营经济固定资产投资规模超过7 414.01亿元时,对OFDI具有显著的正向影响,影响系数为0.36;当民营经济固定资产投资规模低于这一水平值时,对OFDI具有相同程度的反向影响效应。随着民营经济的发展,对OFDI的影响由抑制作用转变为促进作用,体现了民营经济在中国对外直接投资中的强劲后力。

 

从控制变量可以看出,出口规模对OFDI具有显著的正向影响,与张为付的研究结论一致,说明中国对外直接投资类型是以出口替代、市场寻求型为主。政策支持与企业对外直接投资规模成正相关关系,这与事实情况相符:一方面,国有企业担负着国家的战略发展、能源资源寻求的责任,更多地体现了国家的经济利益,多属于政府政策驱动型的对外直接投资;另一方面,国家积极执行“走出去”战略,大力支持民营企业发挥自身机动灵活的体制优势。研发投入对地区的OFDI规模具有明显的促进作用,说明中国对外直接投资企业研发投入不足、技术水平亟待提高。

 

(四)结果分析

 

实证结果显示,国内宏观经济影响因素达到或超过一定门槛值时,对OFDI具有积极的促进作用。以人均GDP为例,如图4所示,从地区看,除内蒙古外,跨越门槛值的省、区、直辖市主要集中在东部沿海发达地区;从时间看,跨越门槛值的省份主要集中在2006-2008年和2009-2011年,而2003-2005年人均GDP跨越门槛值省份很少,仅有上海。由此表明随着时间推移,更多省份的人均GDP对OFDI的促进作用明显在更大范围内显现出来。同样地,中国对外直接投资在近期才得到迅速发展,并且主要集中在东部沿海地区。这是因为经济基础薄弱的地区往往同时存在着对外开放度低、缺乏具有国际经营经验的专门人才、地理位置闭塞、技术水平低、产业结构不合理等内在问题,导致企业很难形成特定的所有权优势、区位优势、内部化优势;另外,经济欠发达地区一切以发展为目的,在现阶段促进对外直接投资带来的经济效益远不如引进外资带来的经济效益大,从而形成对OFDI的“挤出”效应。在政策优惠方面,对民营企业的鼓励政策缺乏针对性,民营企业融资难、规模小、难以形成集中优势等问题仍未得到解决。因此,要合理调整产业结构,积极参与西部大开发战略,结合中西部地区的特色资源努力促进经济发展,转变对外直接投资促进经济增长的思路,把促进对外直接投资和经济增长并重发展,以缩小东、中、西部地区之间的差距。

 

四、基本结论与政策建议

 

本文借鉴Hansen的门槛模型,选用中国2003-2011年间29个省区市的面板数据对中国OFDI的宏观影响因素进行估计,得到以下实证分析结论。

 

其一,中国不同地区的对外直接投资流量规模不同。由于各地区的地理位置、经济基础、国家政策导向不同导致影响中国对外直接投资的宏观因素存在差异,经济发达地区比经济欠发达地区的对外直接投资出现得更早、规模更大。在现有研究的基础上,归纳总结了这些因素影响OFDI的内在机制,并提出这些影响因素具有一定的门槛特征。

 

其二,本文分别选择了地区的经济发展水平、外商投资、产业结构、经济成分组成等4方面的6个因素,检验这些因素对中国对外直接投资规模所产生的影响,并测算了国内生产总值、人均国内生产总值、外商投资、产业结构及经济成分组成等影响因素的门槛值。只有当这些指标达到或超过门槛值时,对中国OFDI才具有显著的促进作用,反之,则不存在影响甚至对OFDI会产生挤出效应,即中国对外直接投资的宏观影响因素表现出了明显的门限特征。

 

篇3

一、人民币汇率与出口额的关系

从1989年~2006年我国的汇率变化(见图1)可以分为三个阶段:第一阶段从1989年~1994年,这段期间人民币对美元持续贬值,从初期100美元对377元人民币到期末100美元对862元人民币;第二阶段从1994年~2005年中期,人民币对美元保持在100美元对825元人民币左右;第三阶段从2005年中期~2006年底,人民币对美元升值,100美元在初期兑换820元人民币到期末兑换781元人民币。

图11989年~2006年100美元兑人民币数量的走势图

资料来源:国家外汇管理局

在第一阶段,人民币对美元贬值促进了我国出口额的增长。对1989年~1994年我国出口额和人民币汇率数据(见图2)进行简单相关性分析(Pearson)得知,在0.01显著性水下下,两者存在显著的相关性,其相关系数高达0.968。因此,这期间人民币的持续贬值是我国出口额增长的一项重要因素。但从1995年开始人民币对美元汇率保持稳定到2005年中期开始的人民币升值说明在第二、第三阶段我国出口额的不断增长不是靠货币贬值起作用的。

图21989年~2006年我国出口额和人民币汇率数据

资料来源:国家统计局

二、国内物价水平与出口额的关系

国内物价水平的高低会直接影响出口商品的价格,进而影响出口额。如果国内的物价水平较高,在汇率一定的情况下,用外币表示的出口商品价格较高,不利于出口;反之,则较低,有利于出口。从1989年~2006年期间,我国通货膨胀率的变化有以下一些特点:

1.20世纪90年代前中期是经济过热时期,我国经历了高通货膨胀率,1994年达到高峰,通货膨胀率将近25%左右。

2.从此之后通货膨胀率开始下降,到1997年宏观经济成功实现软着陆,该年通胀率降到5%以下,只有2.8%。

3.接下来的几年通胀率维持较低的水平,有些年份甚至出现通货紧缩的现象(见图3)。

图31989~2006年我国的通货膨胀变动情况

资料来源:国家统计局

因此,我们可以发现在1994年后至新世纪初,在人民币汇率保持稳定的情况下出口额仍然不断扩大,说明稳定、甚至下跌的国内物价水平对这段时期出口的增长起到了重要作用,经过简单相关性分析(Pearson)可知,在0.05显著性水下下,两者存在明显的负相关,其相关系数为-0.707。

三、全球经济增长与加入WTO对我国出口额的影响

从图2可以看出,从2002年开始我国出口额开始快速增长,2006年的年均增长率达到30%左右,这期间的出口额增长与全球经济复苏有着密切的关系。2001年的911事件使美国经济受到重创,世界经济出现不景气现象,但不久之后,美、日等国经济开始复苏,带动全球经济的增长。正是由于全球经济的大好形势,更重要的是我国成为了WTO的成员国后对出口的极大促进作用(有大量的文献对此作过研究),使我国在最近的5年左右时间里,出口额取得了前所未有的高增长。

表1世界及美、日等国在2001年~2005年间经济增长速度(%)

四、全球突发经济事件对我国出口额的影响及结论

篇4

一、文献综述

(一)国外研究现状

Bagehot(1873)提出了银行信贷量是引发经济周期波动的一个重要的金融因素。Aftelion(1913)第一次提出了像这样经济冲击能够被加速和放大的状况。Haberler(1937)在对宏观经济波动周期的研究中,发现了金融市场中有可以放大冲击的效应存在。muelson(1939)提出了传统的金融加速器效应的观点,增加消费或投资对国民收入的提升有推动作用。Christiano等人(2004)估计了大萧条时期的美国的金融加速器效应。Jacobsen与Hammersland(2008)采用误差修正模型,对金融加速器效应进行了检验。Nadeau和Wasmer(2011)验证了在美国劳动力市场中存在金融加速器效应。Gatti和Gallegati(2012)建立了一个信贷网络,该网络包含了银行体系以及上、下游企业。

(二)国内研究现状

蒋冠(2004)在微观基础上,利用金融摩擦理论,分析了货币政策的传导机制。龚六堂和杜清源于震,刘森以及赵振全(2007)对我国金融加速器效应进行了验证。袁申国(2010)研究分析了我国不同省市的房地产信贷市场中的金融加速器效应的差异。崔光灿(2011)通过在BGG模型的基础上建立包含金融加速器的两部门动态宏观经济学模型研究了我国资产价格变动对我国宏观经济的金融加速器效应。汪川、周镇峰以及黎新(2012)在DSGE模型中引入金融加速器机制,分析了我国信贷因素对宏观经济波动的影响。

二、理论模型

非参数模型

设Y为被解释变量,X=(X1,X2,…,Xd)为解释变量,给定样本检测值,假定(Yi,Xi)独立同分布,建立非参数回归模型:

Yi=m(Xi)+σ(Xi)εi,i=1,2,…,n (1)

其中m(·)是未知的函数,m(Xi)=E(Yi|Xi),εi是均值为零,方差为1,且与Xi独立的序列,随机误差项μi=σ(Xi)εi,其条件方差为σ2(Xi)=E(μ2i|Xi)。

窗宽hn>0,核权函数K■(u)=h■■(uh■■),核函数K(u)?叟0。回归函数核估计的渐近方差随着窗宽减少而增大,渐近偏随着窗宽减少而减少。所以,非参数估计就是在估计的偏和方差中寻求平衡,使得渐近均方误最小,渐近均方积分误差,AIMSE=?蘩AMSE(x)dx,最小化渐近均方积分误差,得到最优的全局窗宽为:

h■=■n■ (2)

其中,A=?蘩■dx,B=?蘩2D■■(x)D■(x)f(x)■+trH■(x)■dx。

使得AMSE(x)最小的核函数为使式R■(K)μ■■(K)达到最小的核函数。

三、实证分析

金融加速器效应是一个复杂的系统,各个变量对宏观经济的影响既可能是线性的,也可能是非线性的。这时基于线性设定的回归分析模型可能存在较大误差。本文建立非参数模型来考察金融加速器机制中各金融变量对宏观经济波动的影响效应。

(一)变量选取与处理

本文中所采用的变量有:产出、消费、投资、价格水平、M1、M2以及金融机构贷款额。

(二)实证结果

1.货币市场冲击对宏观经济的影响。产出(GDP)分别对M1、M2的线性以及非参数回归结果如以下四图所示:

图1产出对M1的线性回归 图2产出对M1的非参数回归

图3产出对M2的线性回归 图4产出对M2的非参数回归

图1、3为产出对M1、M2的简单线性回归,图2、4为非参数回归。可以看出,非参数回归的拟合效果明显优于简单的线性回归,拟合值更接近于实际值,因此采用非参数回归方法能够得到更精确的回归结果。

非参数回归模型的斜率在不同的时点是变化的,因此以上非参数回归方程在每个时间节点都对应一个相应的斜率估计值。产出对各个金融变量的平均弹性系数的估计值。M1增长所导致的产出增加的弹性系数为0.4094,即在其他条件不变的情况下,M1增长一单位,能够导致产出增长0.4094个单位。而M2与金融机构贷款增长一单位,仅能分别带动产出增长0.0027和0.0050个单位。这说明在我国金融市场中,M1的变动对产出的影响最为明显,因此在制定宏观经济政策时应着重考虑M1因素,以更好的传导货币政策,保证产出的平稳增长。

2.信贷市场冲击对宏观经济的影响。产出、消费、投资以及价格水平分别金融机构贷款额的线性以及非参数回归结果如以下图:

图5产出对贷款的线性回归 图6产出对贷款的非参数回归

图7消费对贷款的线性回归 图8消费对贷款的非参数回归

以上图分别为产出、消费、投资以及价格水平对金融机构贷款额的简单线性回归,同样的,非参数回归的拟合效果更优于线性回归,其拟合值更接近于实际值,非参数回归方法能够估计出更为精确的回归系数。

以上四个非参数回归方程在不同的时间节点对应着不同的回归系数,我国信贷市场对宏观经济的影响较货币市场更低。信贷规模增加一亿,能够分别拉动产出、消费和投资增加0.0050、0.0021和0.1676个单位,而信贷规模增加一万亿,能够拉动价格水平增加0.0746个单位。因此,在促进我国宏观经济平稳快速发展的金融政策方面,应更多地考虑货币市场,特别是M1因素,而可以相对减少对信贷政策的依赖。

四、结论

第一,我国货币与信贷市场以及企业资产的变化能够通过金融加速器效应对宏观经济产生影响,其中,企业资产的影响作用较货币和信贷市场更为明显。政府部门在制定相关经济政策中应更多地考虑企业因素。

第二,在我国的货币和信贷市场变量中,其中M1对产出、消费以及投资的影响相对较大,金融机构贷款额对价格水平的影响相对较大。因此对M1的宏观调控应是我国货币政策中最先被考虑与重视的工具。

第三,我国货币、信贷市场以及企业因素对产出、消费、投资的影响相对较大,而对价格水平的影响很小。因此可主要通过对金融市场及企业资产的调控实现产出、消费以及投资的稳定增长,而不会使价格水平产生较大变化。

参考文献

[1]Bagehot Walter.Lombard Street:A Deseription of the Money Market[J].London:Henry S King Co,1873.

[2]Wicksell Knut.Interest and Prices.New York: Augustus M Kelley[M].1898:11-44.

篇5

    国民收入的增长结构,是影响和制约政府宏观调控的一个基础性因素。由此,我们选择了国民收入中具有代表性的三组重要项目:工业企业利润、中央财政和地方财政收入、城市单位报酬和城乡居民收入,对它们1998年到2005年的平均增长水平进行了综合比较。

    统计数据显示,从1998年到2005年,我国国民收入的增长在不同领域呈现出明显的差异。这8年的平均年增长水平,工业企业利润的年均增长为30.5%,高居榜首;中央财政和地方财政的年均增长分别为18.6%和16.6%,也具有相当高的增长水平;城镇单位劳动报酬的年均增长为9.9%,远低于前两项的水平;城市居民和农村居民的年均收入增长分别为8.7%和4.6%,居于同期最低位。GDP的同期平均年增长为8.9%。从积累角度考察国民收入增长结构,这也同时可以显示为是社会财富的增长结构。

    另一项有关对劳动所得在国民经济分配中比重的研究数据,也为上述状况提供了一种印证。这个研究数据表明,劳动所得在国民经济分配中的比重是持续下降的。1978年到1983年,劳动所得比重从42.1%上升到56.5%,之后从1983年到2005年持续下降,其中只在1993年到1996年中略有上升,2005年的比重为37%,比1983年下降了19.5个百分点。这项研究数据还显示出,同期内资本收入在国民经济分配中比重是持续大幅上升的。1978年,以经营盈余和折旧资本所得及生产税净额为代表的资本收入,在GDP的比例为57.9%,2005年上升到63.3%,加上其他因素,资本比重实际上升了大约20个百分点。

    这种国民收入增长结构和社会财富积累增长结构的状况,首先决定了政府管理当局最希望“提高内需拉动”,即较大幅度提高社会消费对国民经济的增长拉力,是很难真正奏效的。1990年到2005年的15年间,国内投资率的年均增长为20.8%,同期消费率的增长只有4.1%。1980年―1990年,最终消费占GDP的比例为62%,之后逐步下降,2005年仅为52.1%。1991年,居民消费率为48.8%,2005年下降为38.2%。这种情况,显然是上述国民收入增长结构状况的必然结果。因为,维持宏观经济高增长的主导力量,肯定只能是投资而不会是社会消费。经济分析的基本学理告诉我们,拉动消费增长的第一个充分必要条件就是居民收入水平的增长状态,而可供分配的国民收入在一定时期永远是一个定量,当资本收入和政府财政收入增长大幅持续提高时,就决定了国民收入用于居民收入的增长不可能太多。

    资本收入持续增长,特别是工业企业年均利润增长30.5%的高位水平(尽管不同行业表现出差别),也足以解释为什么货币当局屡屡用提高利率来抑制投资过快增长而屡屡收效甚微。在如此高水平的企业利润增长激励下,降低25个或27个基本点的利率调节,或者再高一点也罢,对企业投资冲动不可能起到具有实际约束力的降温作用。再者,反过来说,有这种高水平的利润增长激励,企业又有什么理由要紧缩自己的投资活动呢?

    居民家庭收入的等级结构差异越拉越大,中等和中高收入层的收入持续高速增长、中低收入层的增长明显迟缓,这就使当前一些涉及消费活动的宏观调控政策左右为难。

    从2001年到2005年,按照国家统计局五等份分组的城镇居民家庭收入增长统计:高收入、中高收入、中收入、中低收入和低收入的城镇居民家庭年均收入增长,分别为15.23%、11%、9.31%、7.83%、5.35%。在这里,不但高收入层和低收入层之间的增长差距有3倍之多,而且高收入、中高收入和中等收入三个阶层,同低收入和中低收入层的平均差距也相当明显。据有关方面统计,2006年中等收入的居民家庭在2006年的年平均收入已经达到47000元,低收入家庭只有13000元,相差3.62倍。这种情况告诉我们,在经济高速增长中,中高收入阶层的收入持续高速增长、中等收入阶层的收入持续较快增长、中低收入阶层则明显增长迟缓。

    这种社会收入阶层的明显分化,常常使我们目前看到一些涉及消费活动的宏观调控政策左右为难,甚至进退维谷。这里仅以政府有关部门对房地产的管理政策为例。近年来国内商品房的价格水平快速增长,引起普遍关注。这里的原因当然很复杂,确有房地产企业高额盈利问题、市场操作失范问题、政府财政资源过分依赖房地产开发问题、境外热钱炒作问题,等等,但我的分析说明,对这种商品房价格高位增长的基本性支撑,可能还是来自市场内部的需求增长力量。以2004年和2005年为例,国内高档住宅和普通住宅的销售价格指数上升最快,两年平均售价增长9.75%和9%,但同时高收入、中高收入和中等收入家庭在2001年-2005年的平均增长分别为15.23%、11%、9.31%,仍然高于前者。这就提供了一个支持高增长价格买房的高增长收入群体,应当不存在买房基础的需求缺失的问题。这里的矛盾仅仅在于,中低收入和低收入家庭的同期收入增长只有7.83%和5.35%,完全不能适应房价高速增长。由此,政府限制房价增长就很难奏效,因为存在市场需求的基本支撑;政府用控制售房面积来满足大多数人住房需求的办法也很难奏效,因为只要还是市场性房价就不可能满足大量中、低收入家庭的住房需求。

    国内三次产业的结构变化相当缓慢,第二产业仍然是高速增长的最强大支持,其产值比重甚至出现了稳中微升的状况,这就使加快转变增长方式的各项调控政策执行难度很大。

    中国经济的高速持续增长主要依赖第二产业的强大支撑,这种基本增长格局不但没有改变,而且还有进一步稳定和强化的趋势。数据分析显示,进入新世纪的2000年到2006年,第一产业的产值比重是下降的,从2000年的15%下降到2006年的12%;第三产业的产值比重变动极小,2000年为39%,之后在3个百分点上下变动,2006年又回位到39%。第二产业的产值比重在2000年为39%,2001年和2002年下降了一个百分点,2003年之后逐步微升,2006年上升到49%。结论是,中国三次产业的产值结构变化甚微,第二产业的产值比重稳中有升,对经济高速增长继续起着主导性支撑的作用。

    这种三次产业结构增长格局的基本状况,就可以在更深层的经济原因上解释,为什么政府宏观调控关于加快转变增长方式的各项政策,在执行力方面的难度很大。例如关于降低能耗和减少污染排放的政府调控目标很不理想,当然可以在法律法规、资源价格、生态补偿等方面找到原因,但是,在目前第二产业如此强劲的增长势头背景下,在目前第二产业的增长还需要依赖我们最重要的比较优势――主要不是依赖技术进步而是依赖资源产品、初级产品和廉价劳动力大量投入的情况下,以高耗能和高污染为特征的增长活动可能发生根本性的改变吗?再以控制土地开发政策为例,在第二产业的主导性产值拉动如此强大的吸引下,对土地资源的扩张开发必然成为地方政府(无论是东部地区还是中西部地区)拉动经济增长最有效的手段之一。

    进一步的深入研究还会告诉我们,中国的工业化进程可能仍然处在急剧扩张性发展时期,由此,目前三次产业的增长结构或许并非是不合理的,人为的改变结构恐怕很难,问题在于我们怎样把这个过程的阵痛减少到最低限度。

    既然增长结构已经成为影响宏观调控效率的一个重要制约因素,改进的思路就应是:在调控政策实施中考虑增加结构性操作;积极改变目前增长结构中不合理的东西。

    任何政府的宏观调控操作,实际上都是在既定增长结构条件下进行的。当调控方向和工具的使用可以基本达到调控目标时,几乎可以不考虑增长结构的问题,但如果这种调控工具的选择和使用总是较多偏离调控目标,对增长结构的重新认识和由此考虑对调控方向和工具的使用进行新的选择,或者进行部分新的选择,就是一个应当认真研究的问题了。我认为思考当前政府的宏观调控操作及其效率,就已到了这样一个时候。

篇6

国民收入的增长结构,是影响和制约政府宏观调控的一个基础性因素。由此,我们选择了国民收入中具有代表性的三组重要项目:工业企业利润、中央财政和地方财政收入、城市单位报酬和城乡居民收入,对它们1998年到2005年的平均增长水平进行了综合比较。

统计数据显示,从1998年到2005年,我国国民收入的增长在不同领域呈现出明显的差异。这8年的平均年增长水平,工业企业利润的年均增长为30.5%,高居榜首;中央财政和地方财政的年均增长分别为18.6%和16.6%,也具有相当高的增长水平;城镇单位劳动报酬的年均增长为9.9%,远低于前两项的水平;城市居民和农村居民的年均收入增长分别为8.7%和4.6%,居于同期最低位。GDP的同期平均年增长为8.9%。从积累角度考察国民收入增长结构,这也同时可以显示为是社会财富的增长结构。

另一项有关对劳动所得在国民经济分配中比重的研究数据,也为上述状况提供了一种印证。这个研究数据表明,劳动所得在国民经济分配中的比重是持续下降的。1978年到1983年,劳动所得比重从42.1%上升到56.5%,之后从1983年到2005年持续下降,其中只在1993年到1996年中略有上升,2005年的比重为37%,比1983年下降了19.5个百分点。这项研究数据还显示出,同期内资本收入在国民经济分配中比重是持续大幅上升的。1978年,以经营盈余和折旧资本所得及生产税净额为代表的资本收入,在GDP的比例为57.9%,2005年上升到63.3%,加上其他因素,资本比重实际上升了大约20个百分点。

这种国民收入增长结构和社会财富积累增长结构的状况,首先决定了政府管理当局最希望“提高内需拉动”,即较大幅度提高社会消费对国民经济的增长拉力,是很难真正奏效的。1990年到2005年的15年间,国内投资率的年均增长为20.8%,同期消费率的增长只有4.1%。1980年1990年,最终消费占GDP的比例为62%,之后逐步下降,2005年仅为52.1%。1991年,居民消费率为48.8%,2005年下降为38.2%。这种情况,显然是上述国民收入增长结构状况的必然结果。因为,维持宏观经济高增长的主导力量,肯定只能是投资而不会是社会消费。经济分析的基本学理告诉我们,拉动消费增长的第一个充分必要条件就是居民收入水平的增长状态,而可供分配的国民收入在一定时期永远是一个定量,当资本收入和政府财政收入增长大幅持续提高时,就决定了国民收入用于居民收入的增长不可能太多。

资本收入持续增长,特别是工业企业年均利润增长30.5%的高位水平(尽管不同行业表现出差别),也足以解释为什么货币当局屡屡用提高利率来抑制投资过快增长而屡屡收效甚微。在如此高水平的企业利润增长激励下,降低25个或27个基本点的利率调节,或者再高一点也罢,对企业投资冲动不可能起到具有实际约束力的降温作用。再者,反过来说,有这种高水平的利润增长激励,企业又有什么理由要紧缩自己的投资活动呢?

居民家庭收入的等级结构差异越拉越大,中等和中高收入层的收入持续高速增长、中低收入层的增长明显迟缓,这就使当前一些涉及消费活动的宏观调控政策左右为难。

从2001年到2005年,按照国家统计局五等份分组的城镇居民家庭收入增长统计:高收入、中高收入、中收入、中低收入和低收入的城镇居民家庭年均收入增长,分别为15.23%、11%、9.31%、7.83%、5.35%。在这里,不但高收入层和低收入层之间的增长差距有3倍之多,而且高收入、中高收入和中等收入三个阶层,同低收入和中低收入层的平均差距也相当明显。据有关方面统计,2006年中等收入的居民家庭在2006年的年平均收入已经达到47000元,低收入家庭只有13000元,相差3.62倍。这种情况告诉我们,在经济高速增长中,中高收入阶层的收入持续高速增长、中等收入阶层的收入持续较快增长、中低收入阶层则明显增长迟缓。

这种社会收入阶层的明显分化,常常使我们目前看到一些涉及消费活动的宏观调控政策左右为难,甚至进退维谷。这里仅以政府有关部门对房地产的管理政策为例。近年来国内商品房的价格水平快速增长,引起普遍关注。这里的原因当然很复杂,确有房地产企业高额盈利问题、市场操作失范问题、政府财政资源过分依赖房地产开发问题、境外热钱炒作问题,等等,但我的分析说明,对这种商品房价格高位增长的基本性支撑,可能还是来自市场内部的需求增长力量。以2004年和2005年为例,国内高档住宅和普通住宅的销售价格指数上升最快,两年平均售价增长9.75%和9%,但同时高收入、中高收入和中等收入家庭在2001年-2005年的平均增长分别为15.23%、11%、9.31%,仍然高于前者。这就提供了一个支持高增长价格买房的高增长收入群体,应当不存在买房基础的需求缺失的问题。这里的矛盾仅仅在于,中低收入和低收入家庭的同期收入增长只有7.83%和5.35%,完全不能适应房价高速增长。由此,政府限制房价增长就很难奏效,因为存在市场需求的基本支撑;政府用控制售房面积来满足大多数人住房需求的办法也很难奏效,因为只要还是市场性房价就不可能满足大量中、低收入家庭的住房需求。

国内三次产业的结构变化相当缓慢,第二产业仍然是高速增长的最强大支持,其产值比重甚至出现了稳中微升的状况,这就使加快转变增长方式的各项调控政策执行难度很大。

中国经济的高速持续增长主要依赖第二产业的强大支撑,这种基本增长格局不但没有改变,而且还有进一步稳定和强化的趋势。数据分析显示,进入新世纪的2000年到2006年,第一产业的产值比重是下降的,从2000年的15%下降到2006年的12%;第三产业的产值比重变动极小,2000年为39%,之后在3个百分点上下变动,2006年又回位到39%。第二产业的产值比重在2000年为39%,2001年和2002年下降了一个百分点,2003年之后逐步微升,2006年上升到49%。结论是,中国三次产业的产值结构变化甚微,第二产业的产值比重稳中有升,对经济高速增长继续起着主导性支撑的作用。

这种三次产业结构增长格局的基本状况,就可以在更深层的经济原因上解释,为什么政府宏观调控关于加快转变增长方式的各项政策,在执行力方面的难度很大。例如关于降低能耗和减少污染排放的政府调控目标很不理想,当然可以在法律法规、资源价格、生态补偿等方面找到原因,但是,在目前第二产业如此强劲的增长势头背景下,在目前第二产业的增长还需要依赖我们最重要的比较优势主要不是依赖技术进步而是依赖资源产品、初级产品和廉价劳动力大量投入的情况下,以高耗能和高污染为特征的增长活动可能发生根本性的改变吗?再以控制土地开发政策为例,在第二产业的主导性产值拉动如此强大的吸引下,对土地资源的扩张开发必然成为地方政府(无论是东部地区还是中西部地区)拉动经济增长最有效的手段之一。

进一步的深入研究还会告诉我们,中国的工业化进程可能仍然处在急剧扩张性发展时期,由此,目前三次产业的增长结构或许并非是不合理的,人为的改变结构恐怕很难,问题在于我们怎样把这个过程的阵痛减少到最低限度。

既然增长结构已经成为影响宏观调控效率的一个重要制约因素,改进的思路就应是:在调控政策实施中考虑增加结构性操作;积极改变目前增长结构中不合理的东西。

任何政府的宏观调控操作,实际上都是在既定增长结构条件下进行的。当调控方向和工具的使用可以基本达到调控目标时,几乎可以不考虑增长结构的问题,但如果这种调控工具的选择和使用总是较多偏离调控目标,对增长结构的重新认识和由此考虑对调控方向和工具的使用进行新的选择,或者进行部分新的选择,就是一个应当认真研究的问题了。我认为思考当前政府的宏观调控操作及其效率,就已到了这样一个时候。

篇7

自20世纪70年代末,英、美等发达国家开始放松金融监管,也由此加剧了银行危机。尤其是90年代以来,金融危机更是频频爆发,1992年的英镑危机、1994年的美国利率风暴及中南美洲比索风暴、1997年的亚洲金融危机,特别是2007年始于美国的次贷危机最终演变成全球性的金融危机。这些危机的产生,很大一部分都是由银行的信用风险直接导致的。巴塞尔银行监督委员会秘书处成员Svoronos(2002)指出,银行面临的风险中以信用风险的比例最高,约占60%。信用风险已成为银行风险监管的最主要方面。

从宏观的角度来看,一个国家的宏观经济条件、宏观经济政策以及金融监管等在很大程度上决定该国商业银行风险的大小。宏观经济中的通货膨胀和经济周期等是影响商业银行信用风险的主要因素。下面本文就宏观经济因素与我国商业银行信用风险的关系进行研究。

二、相关文献回顾

近年来,已有国内学者研究了宏观经济因素与商业银行风险之间的关系。蒋鑫(2008年)对我国商业银行信用风险与宏观经济因素之间的关系进行了研究,表明我国商业银行信用风险具有亲周期性的特征。谭燕芝、张运东(2009)基于中国、美国、日本部分银行的基础数据对影响银行信用风险的宏观经济因素进行了研究,表明我国银行信用风险与失业率呈显著负相关关系。李红梅、李剑(2010)研究了宏观经济变量对国有商业银行和股份制商业银行信用风险的影响。本文利用2005-2009年的季度基础数据研究我国商业银行不良贷款率与宏观经济因素之间的关系。

三、模型建立与实证分析

本文利用宏观经济因素来分析我国商业银行(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)的信用风险,宏观经济因素包括:物价(用CPI来表示)、M2增长率(M2R)、国内生产总值增长率(GDPR)、失业率(UN)。商业银行的信用风险用不良贷款率(NPLR)来衡量。宏观经济变量的数据来自《中国统计年鉴》和国研网宏观经济数据库,不良贷款率的数据来自中国人民银行和中国银行业监督管理委员会网站,经整理而成。在此基础上,建立多元线性回归模型,模型如下:

NPLR=β0+β1CPI+β2M2R+β3GDPR+β4UR+u

通过EVIEWS5.0对模型进行回归,结果如下:

NPLR=52.31-0.76CPI+0.28M2R-

(9.62)(-8.24) (3.62)

0.59GDPR+0.07UN+u

(-2.81)(1.34)

由上式可以发现模型中CPI、M2R和GDPR均通过置信度为5%的t检验,说明它们对被解释变量NPLR有显著影响;而UN没有通过t检验,说明它对NPLR没有显著影响。CPI、GDPR均与NPLR呈负相关关系,它们越大,NPLR越小;M2R与NPLR呈正相关性,它越大,NPLR也越大。消费者价格指数较高时,信用风险较小,此时,政府会进行有效调控,来降低消费者价格指数,经济增速放缓,违约概率开始上升。GDP增长率较高时,信用风险小,但随着信贷的不断增加,至经济增长放缓时,原来累积的风险将释放出来,信用风险增大;当经济增长较慢,政府将采取较为积极的货币政策来刺激经济,M2供给迅速增加,同时违约风险也增大。

四、结论和建议

通过上面的研究可以发现,总体上宏观经济因素对商业银行的信用风险有显著影响,当宏观经济处于繁荣期时,信贷质量良好,违约概率低;而当经济处于衰退期时,信贷质量较差,违约概率较高,即商业银行的信用风险表示出一种亲周期性。

针对以上研究结论,现提出以下几点建议供我国商业银行参考:一是加大对宏观经济形势及国家相关政策的研究。我国商业银行的不良贷款率受宏观经济波动的影响比较大,因此商业银行应密切关注反映宏观经济变动的指标,特别是那些能够提前反映宏观经济变化趋势的指标。二是改进不良贷款的分类方法,现行的五级分类法已不能够有效区分正常贷款与不良贷款,应制定更加精细、有效的分类方法。目前,中国银行、中国工商银行等银行正在尝试在现在五级分类法的基础上,将贷款细化为十二级分类,这是一个发展的方向。三是进一步量化风险管理,商业银行在构建信用风险度量模型时,应该把宏观经济因素考虑进去,提高模型的准确度。

参考文献:

1、蒋鑫.影响商业银行信用风险的宏观经济因素分析[J].财经研究,2008.

篇8

银行是聚集和经营风险的企业,控制好风险是商业银行存在和发展的基本前提,因此建立健全风险管理体系是商业银行重要的职责之一。尽管各国的银行监管部门都相当重视银行业的风险管理,但是美国投资银行――雷曼兄弟公司的破产,还是引起了全球各国对商业银行的防范和抵抗金融风险能力的担忧。2010年9月,由27个国家银行业监管部门和中央银行高级代表组成的巴塞尔银行监管委员会,制定并通过了《巴塞尔协议Ⅲ》,对银行风险进行更为严格的管理。由此可见,防范和抵抗商业银行信贷风险是全球金融行业关注的核心课题。本文正基于此建立起其微宏观经济因素与商业银行信贷风险的实证模型,以确定各经济因素对商业银行信贷风险的相关关系,以助于我国商业银行建立科学、有效的风险控制体系,以增强商业银行在经营中抵御风险的能力。

二、影响银行信贷风险的因素

(一)微观变量对银行信贷的影响因素

1.贷款比例(LOAN)。在微观方面,贷款比例对银行不良贷款率的变化有着重要的代表意义。一般认为,过快的信贷扩张是比较容易产生信贷风险,但信贷量的增加相当于加大了不良贷款率的分母。因而,对于贷款比例,本文假设H1:贷款比例与银行信贷风险呈负相关关系。

2.资产规模(SIZE)。一般而言,资产规模越大的银行拥有更多的分支机构和网点数量,这样在发挥各网点的地理优势时,可以起到因地制宜、取长补短的作用,以实现风险的分散化,有效降低信贷风险。因而,本文假设H2:资产规模与银行信贷风险呈负相关关系。

3.管理费用支出比例(OR)。银行管理费用的大小直接体现出银行运行效率水平的高低。如果管理费用的支出水平较高,说明企业未能有效利用企业资源,低下的管理效率水平将会增加银行的风险。因而,本文假设H3:管理费用支出比例与银行信贷风险呈正相关关系。

4.资本充足率(CAR)。资本充足率是指资本总额与加权风险资产总额的比例。如果资本充足率越高,说明商业银行抵抗风险水平越强,商业银行风险就越低。因此,本文假设H4:资本充足率与银行信贷风险呈负相关关系。

5.净利息收入占总资产的比例(NIC)。银行的存贷差历来是我国商业银行生存和发展的基础。一般认为,净利息收入比重越大,风险越高。因此,本文假设H5:净利息收入占总资产的比例与银行信贷风险呈正相关关系。

6.不良贷款率(NPL)。当前较为常见的衡量商业银行信贷资产安全的有两个指标:一是违约率,二是不良贷款率。本文将采用不良贷款率作为衡量商业银行资产状况的指标。

(二)宏观变量对银行信贷的影响因素

1.GDP增长率(GDPG)。一般而言,宏观经济越好,社会的消费水平就越高,企业就更渴望扩大投资,以提高产出水平。同时,银行也会在预期良好的宏观经济条件下,扩大企业的信贷规模,增加信贷供应量。因而,本文假设H6:GDP增长率与银行信贷风险呈负相关关系。

2.贷款利率(INR)。贷款利率是衡量资本市场信贷资金的供需状况。一般而言,贷款利率越高,资金的供应量就会越多,而资金的需求量就会越少。本文是选取六个月至一年贷款利率水平作为衡量贷款利率的高低水平,并假设H7:贷款利率与银行信贷风险呈负相关关系。

3.广义货币供应量增长率(M2G)。广义货币供应量是反应货币当局投放到货币市场的货币数量。如果广义货币供应量增长率越大,说明市场资金投放量就越多,相对的信贷基数就越大,不良贷款率就越低。由于货币供应量对市场作用有一个时滞过程,因此本文作了滞后一期的处理,用M2G(-1)表示,并假设H8:广义货币供应量增长率与银行信贷风险呈负相关关系。

三、计量模型与数据选取

(一)计量模型设定

结合微宏观经济因素对商业银行信贷资产风险的影响,建立如下模型:

NPLit=α+β1LOANit+β2SIZEit+β3ORit+β4CARit+β5NICit+ γ1GDPGt+γ2M2G(-1)t+γ3INRt+εit;(i=1,2,…,N;t=2005,2006, …,2011)

(二)样本选取与数据来源

本文选取2005~2011年7年期间在沪深两市上市的国有商业银行、股份制商业银行、城市商业银行以及农村商业银行作为研究样本。样本数据来源于RESSET金融研究数据库、中经网统计数据库。其中中国农业银行在05~07年的资本充足率数据缺失,因此该数据为非平衡面板数据。

(三)实证检验

篇9

在企业行为中,履行企业的社会责任是一种独特的行为方式,并且该行为的决策以及制定都是从企业的实际发展情况出发。因此当外部的宏观环境产生变动时,企业就会根据环境变化,通过改变自身的一系列行为来应对外部环境变化带来的潜在风险。具体来说就是企业会通过缩减开支等方式,应对宏观环境变化带来的风险,以此来减少企业的社会责任。

二、企业社会责任概述

企业社会责任指的就是企业在创造了利润,以及对股东承担相应法律责任的同时,还要承担对企业员工、消费者以及社区的一系列责任。因此,企业的社会责任要求企业必须要改变传统的管理理念,不再将经济效益作为企业经营的唯一目标,在生产过程中应该重视企业员工的价值,并且关注企业对消费者、对社会的贡献。因此企业在履行社会责任时就应该遵循以下原则:第一,企业应该在其所能影响的范围内,尊重并支持对国际社会做出维护人权的宣言。第二,在生产过程中,不包庇、不隐藏侵犯人权的行为。第三,禁止任何形式的强制劳动行为。第四,切实有效的废除童工。第五,杜绝在用工或者是职业方面的歧视行为。

三、我国宏观经济因素对企业社会责任的影响

1.宏观经济对企业资本结构的影响

在宏观经济背景下,企业的一系列行为必定会受到宏观经济因素的影响,并且我国的研究人员对此也进行不少研究。从企业自身的发展角度出发,通过分析企业资本结构与宏观经济两者的关系我们可以知道,我国企业的资本结构与宏观经济因素之间具有极强的关联性,并且上市企业的资本结构调整行为存在一定的反周期现象。此外,通过进一步分析,我们还可以发现包括实际贷款利率、通货膨胀率在内的一系列宏观经济因素与我国上市企业的资本结构也具有一定关联。

2.宏观经济对信贷风险的影响

根据具体事例可知,在发生金融危机的时候,企业以及广大人民群众关注的重点就是信贷风险。经过一系列的研究可以发现,在宏观经济因素的影响下,商业银行的贷款质量呈现出了顺周期性的现象。同时,还发现股份制商业银行的不良贷款率与社会商品零售总额的增长率之间存在正相关关系。由此我们可以看出,在宏观经济因素的持续影响下,企业通常都会更加重视自身的经济效率,并以增加自身权益为主要内容,从而忽略了通过改善外部环境应对经济风险的方式,就像商业银行在面临宏观经济影响时,为了保证自身的贷款额度,而放宽对贷款质量的要求。

3.宏观经济与企业进出口行为

在企业的进出口贸易中,影响其增长率的宏观经济因素有许多,比如:第一,国民经济的收入情况,以及外汇收入的情况等等。通常来说,从国外进口商品在一定程度上会增加企业的经济收入,而外汇收入的增加会使国内的出口商增加。第二,国内商品价格的变化以及国外商品。假如国内商品的价格相对便宜,那么价格优势就会在国际市场得以凸显,出口量就会增加。反之,如果外国商品的价格相对较低,则国内的进口量就会增加。由此可见,宏观经济因素可以直接影响我国企业的进出口行为。

4.宏观经济因素与市场价格

在金融发展中,股票市场价格作为金融指标之一,宏观经济因素对其具有重要影响。在研究过程中,我们可以将宏观经济因素进行细分,从而分为固定资产投资、外商直接投资、生产者价格指数、工业增加值货币供应量以及制造业采购

指数,然后对以上几点进行透彻分析就可发现上述指标都与股票市场价格有着十分紧密的联系。同时,商品的零售价格指数、居民消费的价格指数、进出口贸易的顺差值等相关变量对股票市场的收益都具有不利影响。而国民生产总值、企业景气指数以及城镇居民经济收入等变量对于股票市场的收益具有积极影响。此外,不仅是股票价格,对于产品市场价格而言,宏观经济因素对其也有着一定的影响。

5.宏观经济对其他因素的影响

在企业行为的具体实施过程中,宏观经济因素不仅对上述行为具有一定的影响,对于企业的“股权债务”也有影响。在宏观经济上行时,企业的融资偏向于“股权-债务”;而在宏观经济下行时,企业的融资便会偏向于“债务-股权”。由此可见,宏观经济因素对企业的一系列行为具有非常重要的作用,并且在不同的宏观经济因素影响下会产生截然不同的后果,且影响程度并不一致。

四、结论

综上所述,在宏观经济因素的影响下企业更好的履行社会责任可以使整个产业进一步提升,甚至还有可能促进国家的经济发展。但是从我国的企业行为来看,大多数企业更愿意通过以缩减成本的方式来面对危机。这是因为我国企业对履行社会责任仍处在发展阶段,并且对此并没有详细的了解,因此从发展角度来看,我国企业应该对履行社会责任进行全面的了解,从而促进企业健康发展。

参考文献:

篇10

金融危机对我国宏观经济波动带来较大冲击,客观上要求我国商业银行更加重视宏观经济波动可能造成的不利影响。另外,我国商业银行不良贷款资产规模巨大,在一定程度上也影响了我国金融体系的安全与稳定。随着世界金融全球化进程的加快、商业银行风险管理问题日益突显。商业银行作为我国国民经济活动的重要组成部分,其稳健性关乎着国民经济发展的命脉,一旦商业银行出现信用危机,将会对我国金融体系的稳定性造成致命打击,而不良贷款是商业银行信用风险主要的衡量指标之一。当前,我国商业银行的不良贷款规模正在加速扩大,同时也面临着巨额资金消耗的风险,这不仅严重影响到了我国商业银行的健康发展,同时还对我国的经济建设带来巨大的负面效应。因此,巨额不良贷款己成为我国经济发展和金融改革过程中必须面对的严峻问题。

二、相关文献研究

随着社会经济的不断发展,金融业在经济生活中所占比重不断增加,而银行作为金融业的主要组成部分,对保证金融业健康、稳定发展起着至关重要的作用。国内外诸多学者、政府机构和银行家都对银行不良贷款的影响因素进行研究,并对不良贷款的成因、解决对策进行论证。

(一)国外文献综述

Olaniyan(2000)[1]研究发现:通货膨胀是衡量宏观经济波动的重要指标,政府应采取有效措施抑制通货膨胀。Christopher和Bamidele(2009)[2]的运用五个指标对宏观经济波动加以反映,商业银行可以通过这些宏观指标的波动来调整其信贷政策。Bnrros C.P.,Managi S.[3]

等(2012)把不良贷款作为商业银行效率考察的因素之一,测算了银行业技术效率和生产率的变动情况。

(二)国内文献综述

在我国,间接融资处于核心地位。银行信贷之所以特殊性,体现在银行不仅影响宏观经济的运行,另一方面还是宏观经济运行的结果。近些年,随着我国商业银行信贷市场化程度的逐渐提高,越来越多的学者对宏观经济与商业银行不良贷款率之间的关系做了一系列探索性的研究。

王光伟、童元松[4]通过选取2005~2013年季度数据,通过统计描述分析、多元回归法等计量方法,对影响我国商业银行不良贷款率的具体因素进行了深入研究。谢冰(2009)[5]通过收集2004年1季度~2009年1季度的数据,运用相关分析、主成分回归分析等方法分析了宏观经济因素对商业银行不良贷款的影响。李思慧,颜向农(2007)[6]从宏观角度来分析银行不良贷款率的影响因素,对不良贷款与宏观经济指标的关系进行了统计分析。岳蓓蓓、郑循刚(2011)[7]通过对商业银行不良贷款率进行实证分析的基础上。建立了经济增长与不良贷款率波动的VAR模型,得出经济增长与商业银行不良贷款率波动之间的相关性结论。

三、商业银行不良贷款的相关理论

(一)信用论

“金融活动本质上是一种信用过程,而经济中存在着多种不确定性因素,如汇率、利率、价格等经济变量,当其实际值与人们的预期水平不一致时,借款人就会遭受不同程度的损失,当这种损失累计到一定程度,借款人就可能出现违约,从而导致银行不良贷款的出现。由于银行内部期限错配原因的存在,不良贷款成为了银行经营过程中的必然产物。信用使得借贷双方有了资金的融通与往来,然而信用并不是单一存在的,其往往是作为国民经济中各部分相互依存、共谋发展的网络中连接的形式,因此无论信用状况如何,企业或者银行都会受到影响而陷入信用混乱的局面之中。所以,由于信用具有的依存性,如果出现银行内部贷款资金使用和偿还时间上的分离,就可能引起不良贷款的发生。与此同时,信用的依存性和广泛连锁性引发的连锁违约也会导致银行业出现不良贷款的规模不断扩大[8]。

(二)不良资产证券化

不良资产证券化(NPAS)包括不良贷款(NPL)、准履约贷款(SPL)、重组贷款、不良债券和抵债资产的证券。就其含义而言,不良资产证券化就是资产拥有者将一部分流动性较差的资产经过一定的组合,使这组资产具有比较稳定的现金流,再经过提高信用,从而转换为在金融市场上流动的证券的一项技术和过程。不良资产证券化是处理我国商业银行不良贷款的较好方法。商业银行将不良贷款剥离给资产管理公司,由资产管理公司将不良资产证券化,这种做法有利于降低商业银行的不良贷款率水平,减少了相应的成本。不良贷款证券化是商业银行降低自身不良贷款率水平的显著方式,商业银行应提高不良贷款证券化进程。

四、我国不良贷款现状及其产生因素分析

不良贷款率是我国监管商业银行信用风险的重要指标,不良贷款是非正常贷款或还款环节存在问题的贷款,主要是指借款人未能按原定的贷款协议按时偿还商业银行的贷款。自2002年我国全面实行贷款五级分类制度,将银行信贷资产分为五大类:正常类贷款、关注类贷款、次级类贷款、可疑类贷款、损失类贷款。其中商业银行的不良贷款主要指次级类贷款、可疑类贷款和损失类贷款。不良贷款之所以恶性循环,一个重要原因就在于银行自身的经营存在很大问题。对贷款项目不负责、对企业偿还能力、贷款运行质量没有仔细探究,贷款管理制度不完善等都是产生不良贷款的重要因素,所以我国商业银行存在不良贷款的潜在危机。信用风险是银行系统性风险的重要组成部分,不良贷款率的上升在一定程度上反映了银行业信用风险的积累,通过分析不良贷款率对银行业的影响,引导商业银行采取有效的手段应对不良贷款率对商业银行带来的影响,从而控制银行业的信用风险和系统性风险。

商业银行在运作过程中,不良贷款的出现是不可避免的,而且企业经营决策失误、经济周期下的资源错配都会一定程度上产生不良贷款。但不良贷款的大小应控制在一定范围内,国际警戒线一般定为10%左右,中国的监管标准要求其不超过15%。银行产生不良贷款原因是多种多样的

首先,在早期,我国银行形成不良贷款的主要原因是各级政府行政干预和向国有企业提供大规模的政策性贷款,而随着经济发展,我们认为现阶段和未来的一段时间内我国银行业不良贷款产生的主要原因是经济结构转型和社会信用体系的完善,同时受经济下行周期的影响,我们认为我国商业银行不良贷款仍将保持快速增长。

其次,在商业银行贷款中,商业银行需要对贷款人和担保人的贷款资金和偿还能力进行审查,并对贷款人的贷款去向进行跟踪,但在实际的贷款过程中,个人或企业为获得贷款,可能会存在一定程度的虚报,而银行并不能对个人或企业的实际情况进行完全的了解,从而导致商业银行和贷款人之间的信息不对称。

最后,当前我国社会信用体系不够完善,各个信用体系之间还没有建立良好的信息体系,这就导致商业银行在对个人或企业进行信用评估时,不能充分评估其可依赖程度,在一定程度上也可能导致不良贷款的产生。

五、政策建议

银行业作为经营货币特殊的金融行业,其稳定性至关重要,而不良贷款作为衡量信用风险的重要指标一直受到人们的高度关注,我国银行业不良贷款率的影响因素较多,容易受经济政策,利率变化,贷款集中度等因素的影响。因此,分析宏观经济因素对不良贷款率的影响显得尤为重要。

中国银行业不良贷款率的防范建议:

第一、加强宏观经济波动的风险控制,建立全面的风险管理体系。同时应加强管制各商业银行的贷款五级分类,特别是不良贷款的情况,及时合理地处理存量不良资产的进程,关注国家及监管机构的经济政策。减少宏观经济波动对银行业不良贷款造成的系统性风险,督促商业银行风险内控制度改善,增强抵御各种风险的能力,为国民经济的长期平稳较快发展创造良好的金融服务环境。

第二、深入推动我国国有商业银行改革,建立有前瞻性的风险监管体制,积极推进国有商业银行产权制度,加强风险预测。完善银行内部激励和竞争制度。通过建立完善的风险准备制度,提供银行自身的抗风险能力。通过建立足够的风险准备金制度,以防止不良贷款的发生给商业银行带来的持续性影响。另外,还需要加强信贷资金的审批力度,不能为了保持持续增长的信贷量,一味地扩大贷款量而不注重信贷项目的当前风险和潜在风险。商业银行应完善不良贷款的经营模式,优化内部控制,针对不良贷款建立管理体系以对其进行适度的管控。

第三、加强对社会信用体系和银行业的监管,完善我国的信用环境,为商业银行不良贷款的监管奠定基础,此外还需建立信用信息管理系统,完善失信的处罚机制,加强政府对信用体系的监督与管理,打造信用环境。监管部门应该加强监管力度,完善监管措施,全面完善商业银行的监管制度和体系。创造法律环境,进行强制性的约束。企业的信用等级、投融资能力、经营管理能力、盈利能力、资产负债率等问题都将是商业银行着重考虑的问题,所以银行在选择发放企业之前,均要对企业进行充分的风险评估,谨慎防范风险。这样不仅能从本质上改善银行的不良贷款状况,还会减少新增贷款中不良贷款量,进一步增加了银行经营的稳定性和安全性。

第四、保持经济稳定发展,加强对宏观经济的研究。保持健康稳定、平稳发展的宏观经济环境有助于银行系统的稳定,可以减少不良贷款的产生。政策制定部门应关注资产价格波动

情况,防止泡沫的形成与破裂。因此准确把握宏观经济走势。密切关注反映宏观经济波动的指标,特别是那些能够提前反映宏观经济走势的指标,将会对商业银行下一步的信贷政策提供指引。另外还需要加大对宏观经济形势以及国家政策的研究,要建立能够针对宏观经济波动提前反应的机制,加强宏观经济运行和国家政策分析。

第五、城市商业银行要扩大自身的规模,提高总资产,通过银行相对规模的增加来加强抵御风险的能力。随着利率市场化的深入,按照市场规律合理配置自己的资金,提高自身总资产收益。深化财税体制改革,加强地方政府融资的市场约束,避免地方政府融资平台贷款风险,从而避免银行不良贷款的产生。在利率市场化情况下要加强监管,因为银行可能会由于利润空间的下降寻求更大的风险投资,增加了不良贷款率。在利率市场化进程中,需要把握好改革的节奏和力度,保持金融体系的稳定性,避免对银行的盈利能力产生冲击,导致银行不良贷款风险的增加。所以,在新的金融环境与监管环境下探讨商业银行不良贷款的成因及影响因素,不仅给不良贷款的控制以及存量的处置提供了解决思路,而且也对商业银行信用风险的控制具有重要意义。

第六、加快金融创新,我国商业银行受经济波动的影响较大,因此需要增强适应宏观经济周期变化的竞争能力,要不断进行金融创新探索出适应我国情况的新产品、新工具,从而更好的适应经济的波动。商业银行的不良贷款率取决于商业银行的不良资产总额和贷款余额的总额。当同一家银行随着时间的推移,不良资产率降低并不一定是该银行不良贷款减少,也有可能是该家商业银行增加贷款的发放量,虽然不良贷款总额没有变化甚至增加,但表现出来的不良贷款率却是降低的。所以商业银行应该真正实现自身不良贷款率的降低。要降低不良贷款的总额,争取发放优质贷款,使商业银行在盈利的水平上保持最小的信贷风险,提高自身的风险管理能力。

参考文献

[1]Olaniyan,O.The Effects of Instability on A ggregate Investment in Nigerria [J]The Nigerian Journal of Social and Economic Studies,2000,42(1):23-26.

[2]Christoper,S.and Bamidele,I.The Impact of Macroeconomic Instability on the Banking Sector Lending Behavior in Nigeria,Journal of Money [J]. Investment and Banking,2009(7):88-100.

[3]Bnrros C.P.,Managi S,Matousek R.The technical efficiencyof the Japanese banks:Non―radial directional performance meas-with undesirable

[4]王光伟.童元松.WANG Guang-wei.TONG Yuan-song 我国商业银行不良贷款率的影响因素研究――基于2005~2013年宏观季度数据的实证分析[期刊论文]-湖北工业职业技术学院学报 2014(3).

[5]谢冰.商业银行不良贷款的宏观经济影响因素分析[J].财经理论与实践,2009(6):22-25.

篇11

据国家统计局相关数据显示,从 2003年至2010年全国房价累计上涨了200.3% 。房价持续大幅度上涨,已超出普通老百姓的承受能力,引发了一系列的社会问题。本文通过定量分析影响我国房价的宏观经济因素,为政府宏观调控部门进行合理决策提供一定参考,以实现房地产行业的健康、稳定和可持续发展。

二、影响商品房价格的理论模型

房地产资产投资额(INVEST)是以货币形式表现的在一定时期内建造和购置固定资产的工作量以及与此有关的费用的总称。它综合反映了房地产资产投资规模、结构和发展速度。从理论上看,房地产投资增加,将导致房地产市场供给的增加,在需求不变,房价将下降。

土地供给价格(LAND)是房地产成本的重要组成部分,土地价格的波动直接影响着房价的走势。据统计,土地价格占房价的35%~45%,主要原因在于政府垄断性卖地,多家土地需求方竞争,抬高土地出让价格。

考虑到我国商品房销售主要集中在城镇地区,用城镇居民人均可支配收入(INCOME)来反映其实际购买能力,进而反映了居民住房消费能力。城镇居民可支配收入的增加将使得居民用来购房的资金增加,同时也使居民有了改善居住水平的愿望,这样就刺激了对房地产的需求,推动了房价的上涨。

房地产开发商的资产中大部分是通过债务融资获得的,因此贷款余额(LAND)的多少势必会影响商品房的供给。同时,自国家鼓励发展个人住房消费信贷后,个人住房信贷消费逐渐发展成为住房消费最主要的形式,对商品房的需求有直接影响。

现实生活中经济学的理性假设往往是不成立的,房地产行业的景气程度(FUTURE)会影响消费者的预期。在房地产行业景气时期,消费者会预期房价会进一步上涨,为了不愿在将来支付更多的货币来购买同样的商品房,那么会有更多的消费者选择现期购买,这样会刺激房地产需求。

三、实证分析及结论

本文选取2003年2月至2010年6月的月度数据为样本,研究影响我国商品房价格的宏观经济因素。被解释变量选取商品房价格(PRICE)(当期商品房销售额/当期商品房销售面积)。解释变量从商品房供给、需求,政府政策和消费预期四个方面选取代表变量。根据经济学理论及相关分析,本文构建如下模型:

从回归结果看,各解释变量系数符合理论分析,同时通过相关统计检验。即收入的增加提高了商品房的需求,房地产投资额的增加提高了商品房的供给,房地产贷款增多促进了商品房投机动机的增强,土地价格的上升提高了商品房的成本,房地产景气指数的变动影响着消费者的预期。利用上述回归结果,根据2010年第三季度的相关数据,对2010年7月至9月的房价进行预测:

由以上回归分析可知,土地供给价格的变动对房价的影响最大。据其原因在于土地供给价格是房地产成本的重要组成部分,土地价格的波动直接影响着房价的走势。几年来我国房价持续上涨,很大的原因在于人们对房价的预期是不断上升的,使得越来越多的人把购买商品房作为一种资产保值增值的重要手段,同时银行宽松的贷款环境,加剧了贷款购房炒房的现象,从而不断地抬升房价。

尽管通过广义最小平方方法能够有效地分析我国房价变化的影响因素及其重要度,但各影响因素对房价变化的作用是否具有滞后效应以及滞后效应的作用大小未能考虑到我们的研究框架中,因此有待进一步的研究。

篇12

一、宏观经济因素对企业财务困境风险影响的理论分析

企业的生产经营和财务运作均是在大的经济背景当中,必然受到宏观经济因素的影响。而其财务健康程度和财务困境风险是否受到宏观经济因素的影响,就需要首先通过理论层面的假设论证和分析。

对于整体经济环境而言,如宏观经济环境恶化,则居民收入下降,购买力降低,企业的业绩也就相应下滑,且银行放贷难度加大,企业出现财务困境风险的概率也就越大。由此可假设整体经济环境与企业财务困境风险为负相关的关系。具体来看,以宏观经济因素中贷款利率和实际GDP增长率两个主要因素进行针对性分析。

首先,就贷款利率来看,如贷款利率越高,企业在相当的市场基础和条件下,其借贷成本也就同步上升,债务负担也就更加厚重。在出现经营不善情况时,无法进行及时的资金偿还,财务困境也就同步来临。基于此推断,可假设出贷款利率和企业财务困境风险之间存在关联性,且应为正相关;其次,如GDP增长越快,则市场经济繁荣,人们的购买力上升,企业的生产和销售均保持较高水平,收益较大,资金的流动性也就更强,财务困境风险发生率越低。由此可假设,GDP增长率与企业财务困境风险呈负相关。基于此理论分析和研究可得出,实际GDP增长率和贷款利率两个主要的宏观经济因素均对企业财务困境风险产生巨大影响。

二、宏观经济因素对企业财务困境风险影响的实证分析

为确保相关研究的科学性和准确性,应在完成理论研究的基础上,通过实证分析,综合判断宏观经济因素对企业财务困境风险的影响。

选取我国非ST制造业上市公司作为实证研究样本,将该公司前一年的年报数据作为数据分析对象,并选取该公司的财务变量和非财务变量作为预警指标。财务变量包括盈利能力、营运能力和现金流量、成长能力等方面的财务比率,非财务变量则为消费者物价指数、GDP增长率和M1年度增长率、加权平均一年其贷款利率。综合面板数据,以面板Logit模型作为分析和计算模型。经过模型估计结算,最终得出了非财务变量中的实际GDP增长率和一年期贷款利率。

就非财务变量中实际GDP增长率和一年期贷款利率而言,二者是宏观经济因素中的两个重要因素。一年期贷款利率在研究中的参数估计值为正,置信水平为5%时十分明显,由此得出一年期贷款利率和企业财务困境风险存在相关性,且相互关系为正相关。在研究当中,实际GDP增长率参数估计值结果显示为负,同时其置信水平在1%时十分明显,则其与企业财务困境风险为负相关的关系。综合可知,宏观经济因素中贷款利率和实际GDP增长率对于企业的财务困境风险有着显著的影响。

综合理论分析和实证分析的结果,可总结出,宏观经济因素对于企业财务困境风险的影响显著,且贷款利率和实际GDP增长率与企业财务困境风险分别呈正相关和负相关。

三、企业在经营过程中应对宏观经济环境的有效策略

(一)时刻关注宏观经济环境

关注贷款利率变化情况,当利率提高,则相关贷款业务应进行适当延缓,从其它途径实现资金的筹措。关注GDP增长率,如增长率较高,则在应在分析市场状况的基础上,适当扩大生产和销售。同时,将宏观经济环境作为财务管理的重要参考指标。

(二)建立财务危机预警机制

基于以上研究,为确保经营的安全性,防范财务困境带来的巨大风险,就需要在注重自身财务状况的有效管理的同时,时刻关注宏观经济环境。最为关键的一点,即建立起企业的财务危机预警机制。基于市场调研和企业财务管理分析结果,及时发现财务状况,并针对危机因素制定及时的处理措施,尽可能避免财务困境。

(三)重点关注关键性指标

重点关注企业经营管理中的关键性指标,使得企业在进行财务风险预防工作上能够把握重点,最大限度地避免关键指标造成的财务困境风险。如企业的总资产周转率、资产负债率和成本费用利润率等。在此基础上,做好企业信用管理和资金回收利用,实现经营效率的提高。

四、结束语

在综合理论分析和实证分析之后,可知宏观经济环境对企业财务困境风险有着巨大影响,且主要体现在贷款利率和GDP增长率上。为了避免企业陷入严重的财务困境,除做好自身的财务管理工作外,还应当时刻关注宏观经济环境的变化情况,建立财务危机预警机制,抓住关键性指标,才能将宏观经济环境的负面影响降到最低,使企业走上安全、健康、可持续的发展道路。

参考文献:

[1]卢永艳.宏观经济因素对企业财务困境风险影响的实证分析[J].宏观经济研究,2013,05:53-58

篇13

利率期限结构是指在某一时点上,不同期限资金的收益率与到期期限之间的关系,它反映了不同期限的资金供求关系,揭示了市场利率的总体水平和变化方向。随着我国金融市场化改革的推进,金融市场对外开放程度的不断加深等原因,利率作为金融市场上最重要的价格变量及货币当局制定和执行货币政策的主要观测变量,其在金融市场上所起的杠杆功能显得日趋重要。

对于利率期限结构的理解长久以来都是金融家和宏观经济学家研究的主题,但是,二者的研究存在一定的区别。一方面,金融家主要集中在有价证券利率的预测和定价上,并没有指明利率期限结构与其他经济变量之间的关系。另一方面,宏观经济学家专注于理解利率、货币政策和宏观经济基本面的关系,为了了解它们之间的关系,他们往往信赖“预期假说”,而不管其贫乏的实证记录。结合这两条线的研究似乎是富有成效的,因为两种方式都有潜在收益(Hordahl等,2006)。

因此,本文的目的是通过借鉴国内外学者将利率期限结构与宏观经济进行联合研究的成果,从金融学和宏观经济学的角度审视利率期限结构,以此加强对利率期限结构的理解。本文主要包括加入宏观因素的利率期限结构模型,利率期限结构与单一宏观经济变量的关系,以及利率期限结构与宏观经济关联性的研究。

二、加入宏观经济因素的利率期限结构模型

传统的利率期限结构模型主要是针对期限结构本身的研究,没有考虑宏观经济因素对利率期限结构的影响。随着利率在宏观经济中的重要性日益突显,人们开始重视利率期限结构中包含的宏观经济信息,并尝试将宏观经济变量引入利率期限结构模型,发现在模型中加入宏观经济变量后,对利率变动的解释度显著增强(Kozicki和Tinsley,2001;陈哲,2008)。

1.国外研究现状

泰勒规则和新凯恩斯理论的提出,引发并促进了加入宏观因素的利率期限结构模型,即宏观-金融模型(Macro-finance Model)的研究。Kozicki和Tinsley(2001),Ang和Piazzesi(2003)首次在期限结构模型中加入宏观经济变量并证明这样做是合适的。Ang和Piazzesi认为宏观经济变量对收益率起到重要的解释作用,这些变量在期限结构模型中能改善其预测效果,在这一开创之作后,宏观-金融模型得到了更多学者的关注并不断被修正和发展。

Hordahl等(2006),Rudebusch和Wu(2008)将期限结构模型追加到新凯恩斯宏观模型中。Hordahl等构造了一项完全基于宏观经济因素的动态期限结构模型,模型包括通货膨胀率、产出缺口和短期利率三个关键的宏观经济变量,考虑了短期利率到宏观经济产出的明确反馈。Rudebusch和Wu的建模与前者类似,他们均在建模过程中将定价核心看做是外生决定的,但二者都在供给和需求方程中添加了带有几分任意性的滞后结构。

由于大多数的宏观模型中的关键变量是通货膨胀、产出缺口和短期利率,但是由于这类模型的过度简化揭示了非常有限的有关货币权威性和私下部分(private sector)的信息量。众所周知,货币政策的运行环境是需要大量的数据的,所以,通货膨胀、产出缺口和短期利率难以充分地预测货币政策未来的表现。因此,Bekaert等(2010)完善了带有无套利仿射期限结构模型的结构化新凯恩斯宏观经济框架,与前面所提研究不同,除了通货膨胀、去趋势化的产出和短期利率以外,他们在潜在的宏观模型中引进了两个不可观测的变量——随时间变化的通胀目标和输出的自然增长率,构建了一个五因素的清晰的结构化模型,促成了期限结构动力的一个有意义的经济解释。

此外,学者通过不断修正和完善,将宏观—金融模型进行拓展。例如,achter和Iania(2011)通过引入额外的流动性相关和回归预测因素,扩展了仅包含标准宏观经济因素的基准宏观-金融模型,模型在使用横截面数据修正收益率曲线上,显著优于Dew大多数的结构性和非结构性宏观-金融收益率曲线模型。Benchimol和Fourcans(2012)遵循新凯恩斯主义动态随机一般均衡框架,提出并测试欧元区的模型,特别强调了风险规避和货币的作用。Dewachter等(2012)开发了空间向量自回归模型,在模型中同时考虑了经济冲击的时间和空间维度,通过这一框架来分析欧洲地区通过宏观经济冲击(通货膨胀,产出缺口和利率)的空间和时间进行的传播。

2.国内研究现状

与国外相比,国内对于利率期限结构的研究起步较晚,因而有关宏观-金融模型这一领域的理论及建模方面的研究还较缺乏,新起的研究都是基于国外学者的理论及模型框架上进行的。

朱波,文兴易(2010)根据宏观经济结构和微观金融模型的结合方式,对国外新近的宏观-金融模型进行区分,主要分为仅在仿射期限结构模型的基础上增加宏观经济变量的简约型宏观金融模型,以及对利率期限结构和宏观经济变量之间的相互影响进行了考虑的结构化宏观金融模型两种类型。沈根祥,闫海峰(2011)也是在国外文献的基础上,按照利率期限结构模型的因子来源将其分为内基模型和外基模型。其中内基模型的因子不可观测,其经济含义往往难以解释,而外基模型中的因子为宏观经济变量,模型具有明确的经济含义。

孙皓,石柱鲜(2011a,2011b)首次使用宏观-金融模型进行实证研究,但他们并没有构建新的模型,而是基于Oda和Suzuki(2007)的模型框架,先是对我国利率期限结构动态过程中的时变宏观经济风险价格进行定量估计,随后探讨了我国货币政策对利率期限结构的影响。

三、利率期限结构与宏观经济因素的关系

利率期限结构中包含了宏观经济的信息,同时,宏观经济因素会对利率期限结构产生一定的影响。学者们主要从以下两个方面来探讨利率期限结构与宏观经济因素的关系。

1.利率期限结构与单一宏观经济变量的关系

目前,研究宏观经济所涉及的范围已经相当广泛,主要包括生产、消费、投资、经济增长、通货膨胀、货币供给等。本文通过对相关文献进行梳理,选取了最具有代表性的三个宏观经济因素,分析了近年来国内外学者对利率期限结构与它们之间关系的研究情况。

(1)利率期限结构与通货膨胀的关系。利率期限结构包含通货膨胀的信息(Mishkin,1990a,1990b;Fama,1990),对通货膨胀具有一定的预测功能(Ang等,2006),李宏瑾,钟正生,李晓嘉(2010)通过对中国银行间市场国债利率期限结构进行研究,发现中国短期利率期限结构(特别是中短端)包含了未来通货膨胀变动的信息,可以作为预测变量用来判断未来通货膨胀走势。

但是,不同学者关于利率对通货膨胀的预测功能的研究结果并不一致。Ribba(2011)通过将预期通胀对利率冲击的瞬间响应限制到零,发现短期名义利率不能作为通货膨胀的预测器来解释,至少不是长期预测器。陈鹏,徐炜(2009)则认为10年期与7年期利率差对未来3个月的通货膨胀预测能力最强,利差增大预示着未来的通货膨胀率增大,而陈红霞等(2011)表明市场利差与未来通胀存在长期协整关系,对未来通胀具有持续显著的负效应。

除了能够对通货膨胀进行预测功能外,利率与通货膨胀之间还存在相互作用和影响。Yuksel和Akdi(2009)就探讨了不同通货膨胀对美国利率不确定性测度的影响,脉冲的不确定性对短期和长期利率有负面影响,而结构的不确定性对短期和长期利率有正面影响。Tillmann(2011)在新凯恩斯主义菲利普斯曲线框架内,根据货币传导成本渠道,评估了利率对通货膨胀动态的影响,研究表明,更高的利率转换成更高的边际生产成本,并最终成为更高的通货膨胀。Hagedorn(2011)根据理性预期和全可信度下的标准新凯恩斯主义货币模型预测,名义利率应该下降以实现低通货膨胀目标,而实际利率大致维持不变。Ehrmann等(2011)使用高频率债券收益率数据来研究欧元区的通胀预期,发现更低的长期利率,更高的稳定性,以及更好的锚定反应,能够大幅增加长期通胀预期的锚定。Wright(2011)提供了期限溢价,通胀不确定性和二者关系的跨国实证证据,这些证据表明长期通胀率在很大程度上可以对收益率曲线斜率向上进行解释。

(2)利率期限结构与实际经济增长的关系。关于利率期限结构与宏观经济的联系,早在Estrella和Hardouvelis(1991)就通过美国季度数据,证明10年期和3个月期的国债收益率之差能够很好地预测未来的消费、投资和产出情况。Haubrieh和Dombrosk(1996)通过研究说明利差对GDP增长也有很好的预测作用。国内对这方面的研究起步较晚,学者通过实证研究结果表明,我国利率期限结构对宏观经济走势具有一定的预测能力(孙皓,石柱鲜,2011),利率期限结构是宏观经济波动态势的“指示器”(孙皓等,2012)。

于鑫(2008)认为长短期利差对我国未来经济变化具有一定的可预测性,但利差的边际预测效果较差。况山(2009)研究发现银行间市场不同长短期利差结构对宏观经济景气一致指数的预测能力不同。其中,2年期国债利率与同业拆借1天的利差对一致指数解释力度较强,且一致指数与利差呈负相关关系系,利差越大,未来10个月的一致指数越小。陈鹏,徐炜(2009)则认为10年期与3年期利差对经济增长的预测能力最强,利差增大预示着未来经济的增长。此外,利率期限结构对还能对经济周期波动进行预测,孙皓,石柱鲜(2011)研究表明,我国利率期限结构变动能够较为稳定地指示未来3个月的经济周期波动状态。

最新的研究由Favero等(2012)等做出,他们提供了一个统一的状态空间模型框架,用来分析无套利和大型信息集的预测功能,发现非套利模型在较短的期限较短的范围内更有用,大型信息集则在较长的范围和较长的期限内更有用;收益率曲线模型可以利用宏观经济变量来预测宏观经济。

(3)利率期限结构与货币政策的关系。大量文献都表明利率期限结构与货币政策之间存在密不可分的联系。利率期限结构中蕴含着货币政策信息(徐小华,何佳,2007;郭涛,宋德勇,2008),通过利率期限结构的变化,中央银行可以获得金融市场对未来通货膨胀以及利率变化的预期信息,从而制定合理的货币政策。同时,货币政策可以通过它的具体操作和传导机制对利率期限结构产生一定的影响(Dai和Philippon,2006)。另外,贾德奎(2010)还从货币政策透明度角度上进行研究,发现提高货币政策透明度更有利于引导市场预期和形成稳定合理的利率期限结构。

不同期限利率受货币政策的影响不同,货币政策对我国短期利率的影响要远大于对中长期利率的影响(刘海东,2006)。货币政策对期限结构不同因子的影响效果也具有显著差异,孙皓,石柱鲜(2011)表明货币政策作用下,利率期限结构水平和曲率因子减小,而斜率因子增大。在货币政策的宽松期和紧缩期,面临货币政策从紧的冲击,水平因子的响应分别为正向和负向,而斜率的响应均为负向;当货币政策由宽松期转向紧缩期时,水平因子变大,斜度变小(潘敏等,2012)。但是沈根祥(2011)的研究指出,货币政策和利率期限结构之间的短期动态影响表现出非对称性,即债券市场对货币政策变化的反应较为迟缓,但货币政策对市场利率的变化反应敏锐。而长期均衡关系则表明,货币政策对银行间债券市场利率期限结构有显著影响,但银行间债券市场对央行的利率调控目标不敏感,不能形成明确预期。

2.利率期限结构与宏观经济关联性的研究

除了分别研究利率期限结构与通货膨胀、宏观经济或货币政策等宏观经济因素的关系外,国内外学者也尝试着探索利率期限结构与多种宏观经济因素间的动态关系,从整体上分析它们之间的关联性。胡雪琴,陈勇(2010)采用主成分分析法构建我国国债市场的三因子动态模型,分析利率期限结构、货币政策和宏观经济三者的关系。Reschreiter(2011)研究货币政策制度的转变对英国实际利率、通货膨胀目标的影响,结果表明随着货币政策改变为通货膨胀目标制,实际利率的均值回归水平下降,实际利率的波动性也降低了,实际利率偏离均值的持久性则增加了。Orphanides和Wei(2012)则探索了宏观经济结构对利率期限结构的影响,表明实际GDP增长、通货膨胀和名义短期利率的递归估计的VAR产生与调查预测更为一致的预测。

宏观冲击对利率期限结构的影响也引起学者的关注,但宏观冲击对不同期限利率产生的影响存在差异,货币冲击、供给冲击和价格冲击对短期利率具有持续显著的影响,而对长期利率则没有显著作用(刘金全等,2007)。同时,不同类型宏观冲击对利率期限结构的影响也不一致,于鑫(2009)认为利率的水平因子受价格水平的影响最大,货币政策变化主要引起倾斜和曲度因子的变化,但季绍波等(2010)则认为货币政策主导水平因子变化,实际经济变化才是倾斜和曲度因子变化的主要原因。孙皓,石柱鲜(2011)模拟了宏观经济对利率期限结构的冲击效应,认为宏观冲击长期对利率期限结构的整体水平具有明显影响,而对坡度的影响仅在短期内有效。