中国金融与经济周期的测度与分析

奥鹏网院作业

中国金融与经济周期的测度与分析*
——兼论双重周期中的政策选择
王晋斌 卢丽阳 时文东
[提 要] 本文采用了更为匹配样本数量的中低频域分析和拐点分析方法来研究中国的金融周期。从单个变量的识别结果来看，信贷、信贷与GDP比例、M2和房地产价格均是识别中国金融周期的重要变量，而股价并非识别中国金融周期的代表性变量。综合的金融周期实证表明，金融周期的确是与传统经济周期所不同的一种内生的经济现象。金融周期普遍比用GDP识别出来的传统经济周期的持续期更长、振幅更大。中国的金融周期是先行于实体经济周期的。金融周期下行会对实体经济的复苏带来负面影响。宏观政策需要严格把握政策力度，确保双周期的平稳过渡。
[关键词] 金融周期；经济周期；频域分析
一、问题的提出
相对于次贷危机前1998—2007年这10年的水平，2015年发达经济体经济增速下降幅度达到31.9%，新兴经济体和发展中国家达到32%，新兴和发展中亚洲国家也下降了13.2%。[注]数据来自IMF和WEO数据库。为了应对经济的深度下滑，次贷危机后不少国家都展开了多次QE，然而宽松的货币政策并没有促进实体经济的复苏，反而带来股票、债券和房地产等金融资产价格的持续高涨和金融市场的动荡。[注]有趣的是，次贷危机发生后的几年，几乎所有新兴经济体和发展中国家的私人非金融机构存在信贷/GDP正缺口(信贷过量)，而大多数发达国家和地区存在信贷负缺口，实体经济吸纳信贷能力弱化(参见BIS网站上的信贷缺口统计)，但资产价格都呈现上扬态势。世界经济一方面处于经济低增长状态，另一方面是出现了资产价格“泡沫”。世界经济面临着经济周期与金融周期的双重冲击。双周期的非同步性给宏观经济政策的协调性提出了更大的考验。因此，探讨有关信用和资产价格的金融周期对于宏观政策的制定就变得至关重要。
Borio(2012)将金融周期定义为：投资者对风险、价值的认知和态度与融资约束之间具有顺周期自我强化的交互作用。这种交互作用使得金融繁荣和萧条周期交替性出现，同时会放大经济波动，引发不平衡以及破坏宏观经济的稳定性。这说明金融周期是金融活动在各种内外部冲击下形成的与宏观经济波动紧密联系的持续性、周期性的变化。金融周期是一个内生的、不同于传统经济周期的现象，且金融周期的持续时间会长于经济周期，波动幅度也会有所增强(Claessens et al.,2011a;Claessens et al.,2011b；Borio et al.,2012)。从历史的经验来看，由金融系统崩溃所带来的经济萧条，不论是发生危机当时的破坏性，还是危机之后萧条的持续性，往往都远远高于单纯的经济衰退周期所带来的影响。比如日本泡沫经济破灭后“失去的二十年”。中国经济也面临着这个问题。2011年以来中国经济增速持续下滑，而M2/GDP却在快速增长，反危机“4万亿刺激计划”使2009年M2/GDP比2007年增长了近26个百分点，2015年M2/GDP高达205.5%。[注]数据来自IMF数据库。其增速在新兴经济体和部分发达国家中来说是最快的。货币与信贷的快速增长、资产价格的高企(尤其是房地产价格)与艰辛复苏的实体经济周期形成了截然不同的对照。因此，探讨中国的金融周期及其与经济周期的关系以及相应的宏观政策变得及时而必要。
为此，本文首先需要对中国的金融周期进行一个良好的定义和特征刻画，实证说明本轮经济下行的周期性因素是经济周期下行还是金融周期下行，抑或是两者的叠加。鉴于我国对于经济周期的研究测度相对成熟，而金融周期相对来说是一个较为陌生的研究领域，本文在综述和实证部分更加侧重对金融周期的诠释、测度和分析，对于经济周期的测度只是为了更好地探讨其与金融周期的关系以及考虑双周期的政策选择问题。
本文分五个部分。第一部分是问题的提出；第二部分是国内外研究进展及金融周期研究方法的讨论；第三部分是中国金融周期的测度与分析；第四部分探讨中国金融周期与经济周期的关系；最后一个部分是简要结论和政策建议。
二、国内外研究进展及金融周期研究方法的讨论
(一)国内外现有的研究进展
相对于经济周期理论而言，金融周期理论的研究并不算多。因为传统的周期理论认为金融要素并不会对实体经济产生实质影响，数次金融危机的历史教训才使人们越来越注意到金融要素在实际经济运行过程中不容忽视的重要性。Bagehot(1873)最早将金融要素正式引入经济周期模型，认识到信贷资本和现代金融中介对于诱发经济结构的脆弱性具有重要作用。Fisher(1933)的债务—通缩理论可以算是金融周期理论发展的开端。经济繁荣时期的“过度负债”和经济萧条时期的“债务清算”和“抛售困境”是信贷周期形成的重要因素，并由此形成了信贷周期理论，成为金融周期理论体系的基础。Suarez(1997)和Berger & Udell(1998)等研究进一步提出金融市场上存在着逆向选择和道德风险，因此资产价格常与内在价值脱节并滋生资产泡沫，从而放大金融冲击，影响企业的融资条件和投资水平，引发实体经济的剧烈波动。而Bernanke et al.(1996；1999)的一系列论文修改了金融中性的前提假设，正视了经济周期运行过程中金融市场缺陷、信贷配给行为和资产价格波动之间的内在联系，认为资产价格与信贷约束之间存在着正向的关系。Kiyotaki & Moore(1997)也提出资产价格取决于信贷约束程度，两者相互影响导致了金融冲击的扩大、蔓延和持续性。这就是金融周期理论中的“金融加速器”理论。根据各个金融变量的变化和波动规律，金融周期可以被分为：复苏、高涨、衰退、萧条四个阶段。若衰退和萧条两个阶段之间没有平滑过渡，导致其转换速度和波动幅度加大，就会产生“金融危机”。至此，金融周期理论正式成型。
根据金融周期的定义和“金融加速器”理论，可以看到金融周期中核心的两个指标是信用和资产价格。信用代表着融资约束，而资产价格则反映了企业或投资者对于风险的认知和态度，两者相互影响，呈现顺周期自我强化的特征，而两者的急速扩张往往预示着金融衰退即将来临，甚至伴随着资产泡沫破灭和金融危机。
国外对于金融周期的实证研究开始得相对较早。在2008年金融危机以后，研究者意识到以前的主流危机分析范式存在缺陷。金融危机并非是传统宏观经济波动的一个伴生品。金融要素自身存在着规律性的周期波动，且对金融危机的产生、蔓延具有直接性的作用。随后，一部分研究开始将尽可能多的金融要素纳入到动态随机一般均衡模型(DSGE)中，意图修补之前危机分析范式的缺陷，考察金融要素在经济周期波动中的影响，如Meh & Moran(2008)，Angeloni & Faia(2009)，Christiano et al.(2011)，Cúrdia & Woodford(2009)，Gerali et al.(2010)和Gertler & Kiyotaki(2010)等文献。当然，这种方法的有效性在学术界备受争论，Borio(2011)和Romer(2016)分别对这种研究方法进行了批判。
另一部分学者开始构建金融状况指数(FCI)，将计算出的指数作为宏观警示系统的先行指标之一，意图通过金融市场波动预测宏观经济的运行规律，如Borio & Lowe(2002；2004)，English et al.(2005)，Borio & Drehmann(2009),Alessi & Detken(2011)，Ng(2011)，Schularick & Taylor(2012)等文献。Goodhart & Hoffman(2001)编制了七大工业国家的FCI指数，采用信贷、利率、汇率、资产价格等多个金融指标来构建本国的金融状况指数。采用FCI来刻画金融周期的技术方法主要分为两种：一种是金融指标加权法；另一种是主成分分析法。对于前者，常用的方法是利用大型宏观经济联立模型或简化的总需求方程去求解各个金融变量对GDP的系数估计值，或采用向量自回归模型(VAR)求解各金融指标对于通胀等目标变量的累计脉冲值作为FCI构建中各变量的权重依据，例如Dudley & Hatzius(2000),Montagnoli & Napolitano(2006)和Swiston(2008)对于英、美等发达国家和地区FCI的构建及其预测效果的研究。而主成分分析法，则是纳入尽可能多的金融变量，利用正交变换将其重新组合，得到一组相互独立的综合指标，进而以各成分的贡献率作为权重来计算FCI，例如Brave & Butters(2011)，Vonen(2011)和Angelopoulou et al.(2012)分别用主成分分析法构建了美国、挪威和欧元区的FCI。构建金融状况指数的方法，实际上侧重的是短期中的金融市场周期性波动。
还有学者尝试在长达数十年甚至更长的时间里去考察金融周期，认为金融变量的波动在长期中对整个宏观经济具有更深刻的影响力。已有不少采用这种思想间接刻画金融周期的文献，例如Borio et al.(1994)，Detken & Smets(2004)，Goodhart & Hoffman(2008)和Jorda et al.(2011)就通过实证性地记录信贷、资产价格和实体经济活动之间关系的行为路径来间接引导出金融周期的概念。在2008年金融危机以后，许多研究者开始正面关注金融周期的问题。Claessens et al.(2011a;2011b)利用传统的拐点分析法对21个发达国家进行了分析，识别了信贷、资产价格和股票价格三种序列波动的峰值和槽值，认为这三种序列与金融周期联系最为紧密，同时发现信贷和股票价格的周期行为路径高度同步，且金融周期与经济周期存在着很强的相关性。Jorda et al.(2011)也用拐点分析法去研究信贷在多个发达国家长达140年之间的经济周期中呈现的运动规律，发现信贷膨胀期通常紧随着经济萧条。Borio et al.(2012)结合了频域滤波和拐点分析两种方法去识别金融周期，首次将多种金融变量进行了序列结合，采用中低频域的滤波对长达50多年的多国金融数据进行了识别，认为信贷、信贷/GDP比率、房地产价格是刻画金融周期最合适的变量，并发现金融周期的峰值与金融危机的发生紧密联系。Stremmel(2015)采用相似的序列结合的方法，纳入了更多的金融及银行部门指标，对欧洲11国的金融周期进行了识别，提出了多种综合的金融周期测度方法，同时还强调了金融周期的测度指标在宏观审慎政策环境中的重要性。这些研究大都关注信贷、信贷/GDP、资产价格等金融变量，将这些序列或单个或综合性地进行考察，关注的都是低频、中期的金融周期。
国内对于金融周期的研究成果不多，这一方面归因于我国市场化的金融体制改革和发展相对较晚；另一方面鉴于国内统计数据的不完善，很多金融指标数据的统计年份较短，这对于测度相对较长的金融周期来说是最大的限制。尽管如此，也有很多学者意识到金融周期对于经济活动的重要性，尝试研究中国的金融周期。李成(2005)就对新中国成立50多年的金融数据进行了统计性整理和分析，发现我国计划经济和转轨经济体制中都存在比较规律的金融周期，且长度一般在8年～10年之间。近些年为了弥补数据获取上的缺陷，许多学者更加偏向于借鉴国外金融状况指数编制的方法，利用脉冲响应函数和VAR模型，或采用主成分分析法，尝试合成国内的FCI来刻画国内金融周期的行为路径。如陆军和梁静瑜(2007)将利率、汇率及资产价格指标作为基本数据，采用VAR模型计算各指标的权重，构建了一个FCI指数，认为其构建的FCI指数在样本期内与GDP增长率走势相吻合，且对CPI有较强的预测能力。赵会玉和苗文龙(2008)选取了1986—2006的年度数据，利用HP滤波和VAR模型分析了中国金融周期的特征，同时检验了中国金融周期中的货币政策效应。杨中尉和孙克任(2010)选取了广义货币M2、信贷总额、股票市值和保费金额作为代表性金融指标构建了中国金融周期指数，并利用HP滤波对构建出的指数序列进行了周期和趋势特征分解，分析了1952—2008年相当长的一段时间内中国金融周期的部分特征。唐可欣(2010)通过引入金融景气扩散指数(DI)来判别金融周期的拐点，其中运用了主成分分析法对货币供应量、股票价格指数、信贷、利率与汇率等多个金融变量进行成分分析，用以确定指数权重。邓创和徐曼(2014)同样利用主成分分析法计算了中国的金融状况指数，考察了中国金融周期的运行特征，并进一步运用时变参数向量自回归模型(TVP-VAR)分析了金融周期波动的非对称性特征及其对中国宏观经济的影响，并认为中国金融周期的长度大致为3年。
整体上，大多数研究偏向于高频的、短期的金融变量刻画，因此识别出的金融周期与传统经济周期的行为路径非常吻合，持续时间也与经济周期大致相当，使得金融市场波动仍被视作短期商业周期波动的一个伴生品，没有直接地呈现金融周期可能是一种与传统意义上的经济周期所不同的现象，也缺乏实证性地探讨经济周期与金融周期之间的不同关系的研究。虽然曹永琴和李泽祥(2009)运用恒常条件相关(CCC)和动态条件相关(DCC)实证性地考察了中国金融经济周期与真实经济周期的动态关联，但其所用的变量是M1和M2，关注的是货币政策对于经济周期的影响，而非内生性地刻画金融与经济周期。此外，国内大部分研究偏好于构建FCI的技术方法都更多地关注于利率、汇率等金融变量，再加上对于货币总量的考量，研究中对M2分析的依赖性很高，忽视了金融周期中核心的两个变量：信用和资产价格。也正因为如此，国内现有的研究对于我国金融周期的行为特征描述并没有一个相对一致的结论，对金融周期各阶段的持续期测算也不尽相同，导致目前仍缺乏刻画出一个定义良好的内生的中国金融周期的研究。值得关注的是，范小云等(2017)采用了Borio et al.(2012)的研究指标和方法在理解和测度中国金融周期上做出了重要的尝试，但其采用了国外通用的32个～80个季度的频域来分析20年的短样本，得出了目前中国经济正处于金融周期和经济周期叠加下行的区间。这与信贷扩张和房价高涨的事实明显不符，因而其政策建议也存在偏差。[注]国外大多50年以上的数据才使用32个～80个季度频域的分析方法。如果样本时间不够长，采用这种频域做出来的金融周期明显偏长，结果导致了该文认为目前中国经济正处于金融周期和经济周期叠加下行区间，这一判断与当前的事实明显不符。同时该研究金融变量并没有纳入M2，毕竟M2是中国经济中最重要的货币金融变量之一。同时考虑到许多学者认为广义货币(M2)的供给具有内生性(赵会玉等，2008)。因此，在研究内生的金融周期时，就需要将其纳入分析框架中。
(二)金融周期研究方法的讨论
金融周期的研究可以帮助识别未来潜在的金融风险。尽管不少金融变量可以作为先行于产出变化的指标，但信用和资产价格是理解金融周期的关键。本文将从信用和资产价格这两个金融周期的核心要素出发，尽力挖掘在统计上相对完善的金融变量：信贷、信贷/GDP、房地产价格、M2、股价等，并将对于识别周期具有优势的两种技术方法——频域滤波分析法和拐点分析法相结合，去识别我国的金融周期，以期得到更为客观和稳健的结果。本文遵从Borio et al.(2012)的研究方法，运用BP滤波对中国的经济和金融周期加以识别，其中隔离出周期中短期成分和中期成分的方法来自Comin & Gertler(2006)的文献。近期的文献在识别周期的过程中对短期和中期的频域参数选择几乎与Borio et al.(2012)的参数选择一致，即短周期(经济周期)的频域选择5个～32个季度，中周期(金融周期)的频域选择32个～120个季度。但鉴于中国经济数据的实际情况(有效统计区间太短)，无法按照国外常用的中期频域对所有时间序列进行分析。考虑到国外文献的统计区间一般在50年以上，而中国的数据最多只能达到25年，本文将短期频域的上限缩短一半，选择为5个～16个季度，中期频域选择为16个～80个季度。另外本文采用BP滤波中经典的12期(k=12)的移动平均参数以消除随机扰动项的影响。
拐点分析法用以准确识别时间序列周期运动中峰值和槽值。本文采用Harding & Pagan(2002)应用到了季度数据中的方法，提出了短期的周期识别。这种算法包含了两步：(1)通过一个特殊窗口识别出序列局部的最大值和最小值；(2)运用审查规则从而保证最短周期(两个连续的峰值或槽值之间的距离)和最短阶段(峰值到槽值或槽值到峰值的距离)。此外，这种算法要求峰值和槽值是交替性的且一个槽值(峰值)必须比其前一个峰值(槽值)更低(高)。本文认为短期周期的识别难以识别金融周期较长期的特征；而长周期的识别又受制于样本(25年)的约束。因此，本文采用中期算法：决定局部峰值或槽值的窗口长度延长为9个季度(大约是短周期的1倍)，同时单个周期长度不低于3年。
为了更好地刻画内生性的金融周期，同时也因为本文更加关注那些能够导致较大产出冲击的金融冲击，用以解释中国现行状况下以及未来一段时间内可能继续的经济态势，因此本文更加注重对中低频域的金融周期的分析。
此外，本文将对我国的传统经济周期和金融周期进行一个联合识别，以期判定经济与金融周期的关系。确定当下的中国经济分别处在经济周期与金融周期的哪一个阶段，在对中国经济双周期进行一个良好的刻画的前提下来反思中国的宏观经济政策对于周期行为路径的影响，为制定合适的宏观政策提供参考。
三、中国金融周期的测度与分析
(一)变量选择、数据来源及处理
中国金融市场相应的、较为完善的金融数据的统计年份并不足够长。在刻画低频的金融周期时，这是最大的约束。因此，本文将短期频域的上限缩短了一半。基于变量之间的相关性和数据的可获得性，本文选取1991年第1季度至2016年第1季度间25年的季度数据(101个季度数据)进行金融周期频域分析。
1.变量的选择
在识别该周期的变量选择上，本文参考了Borio et al.(1994)，Minsky(1982)，Kindleberger(2001)，Borio et al.(2012)，Stremmel(2015)等文献的理论分析和实证结果，突出信用和资产价格这两个核心变量。在信用方面，本文选择信贷总额作为代表性指标。[注]这里采用社会融资规模作为代表性变量将更具有说服力，但由于我国社会融资规模的统计区间是从2002年开始的，统计年份过短，无法准确识别其行为路径。本文的信贷序列数据来自BIS的统计数据。原则上，信用应该包含银行信贷和影子银行的信用创造。对于中国经济这种长期以银行作为信用市场主要媒介的金融系统来说，银行信贷在信用创造中占比可达80%左右，采用银行信贷指标来识别金融周期不会对实证显著性产生实质性的影响。另外，为了将信贷增长与经济总量相联系，本文也纳入了信贷/GDP这一变量。这在国外宏观审慎政策的研究文献里被广泛应用(Detken et al.，2014)。
资产价格方面，本文主要选择房地产价格和股票价格这两个变量。之所以选择房地产价格作为资产价格指标的主要代表变量，是因为近20年来，房地产已经是投资的重要组成部分，目前已经成为中国居民最大的金融资产财富。同时房地产价格与信贷是具有顺周期相互影响、相互强化特征的两个变量，不论是单独识别房地产价格的周期路径，还是将其作为金融周期中一个重要的子序列，都是中国金融周期研究的重要因子。至于股票价格，虽然其行为路径倾向于短期波动，但鉴于股票市场在金融市场上的地位在上升，加之股价变化关系到企业的资本成本和投资行为，也可以通过“财富效应”影响到居民的财产价格。因此，在测度金融周期的过程中也把股价考虑在内，并采用上证综指作为股价的代表性变量。
根据金融深化理论，广义货币M2可以代表金融总资产规模，一定程度上可以反映货币金融松紧的总体情况，且具有内生性，故将M2及其增速纳入考察范围。其他一些变量，诸如不良贷款率、杠杆率、信贷质量等MPA考核体系中的指标可以有效衡量金融机构的表现，对于刻画金融周期会有一定的帮助，但鉴于统计数据的缺失和统计区间的限制，本文没有纳入银行体系内的这些考察指标。
2.数据来源及处理
本文选用的所有时间序列，若无特别标注，均来源于BIS统计数据库、CEIC统计数据库、WIND金融资讯终端、中国历年统计年鉴、历年金融年鉴和笔者的计算。
为了剔除物价变动所带来的影响，所有名义序列均利用CPI平减转换成了实际值。同时遵从Comin & Gertler(2006)的处理方式，采用年度增长率指标——即各序列四季度的对数差异值来筛选数据。信贷/GDP采用百分比形式。为了保证序列单位可比，所有序列都进行了标准化，数据处理均在Matlab2013中完成。
(二)单个序列的周期分析
首先笔者分别对以下6个指标进行频域滤波分析来刻画各个序列波动的周期行为特征：GDP实际增速、信贷增长率、信贷/GDP、房价增长率、M2增长率、股价增长率。其中GDP实际增速衡量的是经济周期，其中期的成分波动与短期的成分波动的标准差非常接近。因为本文关注的是较低频域的周期波动，因此笔者仍然选择中期滤波筛选出的经济周期进行分析。其余几个金融序列也均采用中期频域进行识别。在频域滤波分析的基础上，笔者运用拐点分析法去识别各变量中期成分的峰值和槽值，以得到较为准确的周期拐点时间。由于对序列的移动平均处理，过滤出的成分观测值在样本前后各缺失了3年，但这并不影响对周期行为路径的判断，笔者通过测度出的周期平均长度进行估算。
图1展示了6个变量经过滤波分析后的周期波动图以及由拐点分析法得出的峰值和槽值。实线表示识别出的周期线，单点虚线表示峰值拐点，破折虚线表示槽值拐点。表1则根据BP滤波与拐点分析法共同识别出的各序列的周期拐点，列出了各个变量在样本期内的波动振幅和平均周期长度。
通过比对发现，本文识别出的传统经济周期基本与中国过去的经济现实相符合。本文对于周期的识别，采用“谷—谷”判别法，可以看到样本期内中国的中期经济周期一共经历了四轮完整的周期以及分别位于首尾样本的下行期和上行期的一部分。大致的区间划分为：1995—1998年底为样本初期的一轮周期的下行期；1999—2002年初为第二轮周期；2002—2004年底为第三轮周期；2005—2009年初为第四轮周期，这轮周期出现了惊人的高速增长但同时也面临了2007年峰值以后的快速下跌。随着“4万亿刺激政策”开始的新一轮周期，也在2011年初达到峰值，然后开始下行。
再看信贷总量和信贷/GDP比率两个变量的识别结果。在样本期内，两个序列均经历了三个完整的周期。图2是将两个序列的频域结果图叠加后的结果。整体来讲，两个周期的行为路径基本一致。但信贷/GDP的周期振幅明显要小于信贷周期振幅，这可能与信贷/GDP为比例指标有关。比较特别的一个区间是2005年第2季度至2008年第1季度。这个区间内信贷总额在2005年第2季度就开始步入上升周期，但信贷/GDP却一直下行到2008年第1季度才开始上行。可能的原因是这个时间段内信贷虽然已经开始回升，但同时GDP也出现了快速增长，因而信贷/GDP比率才呈现出较长的下行态势。同时，信贷序列的峰值与金融危机紧密联系，样本期内两次重要的金融危机——1997年亚洲金融危机与2008年全球金融危机，都发生在信贷序列峰值前后不超过4个季度内。



图1 单个序列的周期测度
说明：(1)所有周期线均为经频域滤波识别的中低频域周期，且数值经过了标准化。(2)序列数据来自BIS统计数据库、CEIC数据库、中国金融统计年鉴和笔者的计算。3.由于采用了移动平均(k=12)计算，图左右端各缺失11个季度的数据，所以是一条水平线(下图同)。
表1 单个变量的周期分布

说明：(1)周期长度为槽值—槽值间的距离。(2)周期振幅为峰值到槽值之间或槽值到峰值之间对应序列的百分比变化。

图2 信贷周期与信贷/GDP周期分布
房地产价格在样本期内完成了4轮完整的周期以及样本初始的一个周期的一部分。1994年达到峰值，随后国家重点调控房地产行业，1997年上半年达到这轮周期的谷底。1997年下半年各项指标开始回暖，1998年我国实行了住房商品化改革，自此开始了新一轮的上行，这一轮周期的持续年份为1997年至2002年第3季度。2002—2005年是样本期内第二轮周期。自1998年开始的这两轮周期波动与20世纪90年代后期到2004年间中国城市化率的加速增长和居民可支配收入的显著提高有着不可分割的联系。紧接着就是2005—2008年底的新一轮周期，这轮周期末端历经全球金融危机，峰值同样发生在危机前两个季度。样本期内最后一轮完整的周期是2008年底至2012年初。有趣的是，房地产周期与中国经济的中期经济周期联系极为紧密。每一轮周期的峰值几乎都发生在经济周期峰值的前后1个季度至2个季度以内。这表明房地产的繁荣和衰退直接影响着GDP的行为路径，一定程度上也表明了20世纪90年代中后期以来中国经济发展存在依赖房地产市场发展的事实。当然，通过识别出的周期分布也可以发现中国房地产周期与信贷周期是紧密联系的，尤其是与信贷/GDP的行为路径极其相似，唯一的区别是房价周期在2002—2005年多出现了一个小周期。
资产价格部分还有一个比较重要的指标是股票价格。股价增长率在两种方法下所识别出的行为路径也基本与过去的牛市和熊市周期相吻合。样本期内股价经历了3轮半周期，分别是1997年初至1999年的下行期、1999—2004年的第一轮周期、2004—2009年的第二轮周期和2009—2012年的第三轮周期。可以发现中国股市基本上呈现出“快牛慢熊”的特征，前两轮周期的持续时间较长，而金融危机之后的那一轮周期只持续了3年。但是，股价周期与信贷、信贷/GDP比率等周期的联系甚微。同时，频域滤波在该周期中识别出的短期成分和中期成分标准差比值为1.54，表明在股价周期中短期成分的波动性比中期成分具有更大的解释力。这在一定程度上表明我国的股市行为趋向于短期的波动，并不是中低频域下的金融周期的代表性解释变量。
最后一个变量是代表金融业总体资产规模的广义货币M2。M2在样本期内也经历了3轮完整的周期。样本初始期从1994—1997年初经历了一轮下行期。当时由1992年房地产快速发展带来的经济过热引发了高通胀，1994年开始国家实行紧缩政策，M2增长率下行。1997年初至2001年初是第一轮完整的周期，以1999年为峰值。2001—2007年是第二轮周期。这其中2005—2007年其实还有一轮小周期，但由于该周期长度只有9个季度不符合拐点分析法最初的设定，因此本文将其忽略。紧接着就是2008—2011年这一轮与金融危机后的“4万亿刺激政策”紧密相关的第三轮周期。
通过对这6个经济与金融序列单独的分析，大致可以看到几个变量各自的周期行为路径以及相互之间是否存在一定的相关性。可以发现金融序列的周期长度和振幅普遍比GDP所代表的经济周期的长度更长、振幅更大；而股价序列与其他几个金融变量的联系相对来说并不紧密。
(三)综合的金融周期分析
在单独序列周期研究的基础上，本文整合多个金融序列以期得到一个综合的用以识别中国金融周期的方法。鉴于经频域滤波分析得出的各个序列成分是连续的，可以通过观察不同序列之间的相关系数来选择用以结合的序列。表2显示了各个变量之间相关系数。其中信贷总额、信贷/GDP、房地产价格、M2四个变量之间的相关系数较高，而股价与上述几个变量的相关系数的表现均较低，表明股价变动并非是识别金融周期的好变量。
表2 各金融序列相关系数

除了观察各个序列之间的相关系数，Harding & Pagan(2002)还提出了一种“一致性指数”用以反映不同变量的周期之间是否具有相关性。简单来说，“一致性指数”就是用来测算两个时间序列之中，同处于上行阶段或同处于下行阶段的时间在总时间长度中所占的比例，若指数接近1，则表明两个序列基本为同周期；若接近0，则表明两个序列基本是逆周期；若指数接近于0.5，则表明这两个序列相互独立。在时间t=1，2，3，4，…,T内，序列X与序列Y之间的一致性指数定义为：

式中，当序列处于上升阶段时，当序列处于下降阶段时，表3陈列了各序列之间的一致性指数。从一致性指数可以看到，信贷总额、信贷/GDP、房地产价格和M2之间具有高度协同性，而股价与这几个序列的一致性指数都接近于0.5，因而几乎属于相对独立的序列。
综上所述，本文选择信贷、信贷/GDP、房地产价格、M2作为综合性金融周期的识别变量。由于频域滤波分析法识别出的成分都是连续可比的，与Borio et al.(2012)和Stremmel(2015)等研究类似，本文同样对筛选出这几个金融变量的成分进行平均化处理，得到一个加总的刻画金融周期的综合变量。
表3 各金融序列间的一致性指数

图3展示了由BP滤波和拐点分析识别出的综合的金融周期频域结果和拐点图。实线代表由频域滤波识别出的金融周期线，而垂直的线显示的是由拐点分析法得出的周期峰值(单点虚线)和槽值(破折虚线)。两种方法都呈现出较为一致的结果。其中拐点分析法在2007年第1季度识别出一个弱拐点(与前一槽值的距离只有6个季度)，在研究结果中被剔除。表4则给出了这个综合金融周期的波峰波谷和平均振幅。

图3 综合的中国金融周期线
表4 中低频域下的中国金融周期分布

由于移动平均导致样本前后数据的缺失，识别结果只能显示出由两种方法共同甄别到的综合的金融序列所经历的3轮完整的周期。总的来看，样本期内金融周期的长度在4年～7年之间，平均长度为5年，平均扩张振幅为172.65%，平均收缩振幅为-155.09%。前面已经提到，中国由于经济和金融发展的起步相对较晚，一方面统计区间有限，另一方面发展中经济体的周期行为路径也的确会有所差异，因此测度出的周期长度相对于海外成熟的经济体来说肯定会更短，尤其是金融周期，无法达到美国、欧盟等发达经济体15年～20年的周期长度(Borio et al.,2012;Stremmel,2015)。首先频域滤波法单独识别到了一个样本初期的峰值，即1994年第2季度，因此1994年中期至1997年初为样本期内第一轮周期的下行期。这一轮周期下行与房地产首轮下行期重合，主要就是1992年开始的经济过热引发了高通胀之后，政策开始紧缩，对房价和信贷都实行了一定的控制。第二轮周期是从1997年初至2001年第1季度，以1999年第3季度为峰值，经历了亚洲金融危机和1998年房改。第三轮周期从2001年初至2005年底，以2003年第二季度为峰值。这一轮周期内出现了房地产的第二次热潮和信贷、M2的快速增长。这一轮周期相对于前一轮来说持续时间和振幅都有所增加，与这段时间中国经济的高速增长紧密关联。房地产、基础设施建设、城镇化等多方面因素的重叠，与金融系统相互作用对周期行为路径产生了影响。第四轮周期则是从2005年底至2012年第2季度，以2009年第4季度为峰值。这轮跨越了2008年金融危机的周期，长达7年，是样本期内最长的一轮周期，同时振幅也继续有所扩大。Borio et al.(2012)通过实证也表明金融自由化、金融改革会显著增加金融周期的长度和振幅。可见，随着中国经济中的金融不断深化，中国金融周期的长度和振幅也在不断增加，金融加速器的影响也在不断扩大。
实证分析结果还表明我国金融周期的繁荣期基本都长于衰退期，周期行为路径呈现出不对称特征。根据识别出的周期行为特征，同时加上对样本后期信贷总额、信贷/GDP、房地产价格等变量的同比增长率的观测，本文对当前的金融周期运行阶段进行估算：从数据来看，信贷实际增速、房价实际增速在2013年以来基本都保持在较高水平，信贷/GDP则更是呈现不断上涨趋势，那么笔者合理假设这一轮金融周期仍然不少于7年，且上行期大于衰退期，那么这轮周期的峰值应该在2016年年底左右。也就是说，目前中国经济处在新一轮金融周期的峰值拐点前后。这一判断对于中国近期的宏观政策选择具有明显的参考价值。
四、中国金融周期与经济周期之关系
以上分析显示金融周期是一种与传统意义上的经济周期所不同的现象。本节将用频域滤波分析法对我国传统经济周期和金融周期进行一个联合的识别，以说明经济周期与金融周期之间的区别与联系，对当前我国宏观经济的双周期各自的运行阶段做一个大致的判断。
从一些研究来看，金融周期与经济周期之间存在密切的联系。Burns(1969)就指出如果经济的衰退从一开始就伴随着金融危机，或金融危机紧随着经济衰退出现，那么几乎可以确定，经济活动总量将出现大规模的下滑，且经济衰退和萧条的持续期也可能超乎一般的长。这表明如果金融要素价格的巨幅波动与经济周期的下行叠加在一起，将会引发超乎寻常的经济下滑。
图4将前文采用频域滤波识别出的中国传统的经济周期和金融周期的周期线呈现在一起，可以更为直观地观察两者之间的关系。从中国的经验来看，金融周期的长度和振幅也是显著长于传统的经济周期的，即使本文用的中低频域测度的产出周期，该结论仍然成立。中国经济周期的长度一般为4年～5年，而金融周期的长度通常为4年～7年。如果笔者用多数文献里通用的短期频域来识别经济周期，那么这种差异性将会更加明显(见图5)。这就充分说明并非所有的经济衰退期都会与金融周期的下行期同时出现，在样本期内就有两次比较明显的这种情况：一次是千禧年初的短暂的经济下滑，但仍处在金融周期上升区；另一次就是2007年峰值后到2009年初的这一段经济快速下行也仍然还在金融周期的上行期，这与反危机的信贷刺激密切相关。当然也要注意到，2007—2008年这一段时间的金融周期刚徘徊过槽值底部逐步开始上行，因此严格说来这轮经济下行是处于金融周期底部回暖的过程中。与此同时，另一个更显而易见的事实就是经济周期的衰退期会短于金融周期的衰退期。样本期内我国经济周期的下行期一般持续5个～8个季度，而金融周期的下行期则在9个～10个季度。此外，金融周期的振幅也比经济周期的振幅更大。依据样本期内根据频域滤波识别出的成分标准差来判断，金融周期的标准差相对于传统经济周期的标准差的比值为1.3。这表明金融周期的波动幅度大于经济周期的波动幅度。

图4 中频识别的中国金融与经济周期
注：图中的周期线均由16个～80个季度的中低频域识别。

图5 中频金融周期与高频经济周期
说明：图中的金融周期线由16个～80个季度的中低频域识别，而经济周期线由5个～16个季度的高频域识别。
在已经明确经济周期与金融周期的基本特征差异之后，我们再来看两者的联系。主要是关注当经济周期与金融周期同时处于衰退期时，对于经济衰退的幅度和持续时间是否存在影响，检验Burns(1969)提出的逻辑是否成立。表5详细列出了样本期内经济与金融周期所有的衰退期，并计算了经济周期在不同金融周期阶段下的下行长度和振幅。
表5 不同金融周期阶段下的经济衰退

说明：(1)长度为峰值到槽值之间的季度距离；(2)振幅为对应序列的峰值到槽值的百分比变化。
从表5可以看出，样本期内最为明显的经济下行期遇到金融周期下行期的有两次：一次是1995年第1季度至1998年第1季度的经济下行周期。此轮下行期持续了14个季度，比样本期内任意一次衰退期都要长，甚至相当于一轮普通经济周期的长度，同时振幅为68.22个百分点，相较于之后紧接着的两轮下行期都大得多。当然这与1997年亚洲金融危机的影响也有较大的关系。第二次是2011年第1季度至2013年第1季度的这轮下行周期，长度为8个季度，相对来说也较长，振幅达到92.84个百分点。这里要特别说明的是2007年第3季度至2009年第1季度的这轮经济下行，其振幅在整个样本里显得相当突出，约189.94个百分点，但此时的金融周期处于上行阶段。对于这轮特殊的下行期，前面在单独识别GDP周期的时候也提到了，它的特殊性体现在一方面21世纪以来我国不断叠加的人口红利、出口红利、外资红利以及城镇化、基础设施建设等政策导向将我国的GDP增速在2007年推到了顶峰，而紧接着美国次贷危机爆发波及全球，对中国经济也形成了强烈的负面冲击，导致这一轮经济周期下行的振幅尤其巨大，即便金融周期的上行对缓和经济周期的下行态势也并未起到太大的作用。另外，虽然金融周期此时处于上行期，但也刚从槽值底部回暖，对于实体经济的刺激作用还存在一定的时滞。整体来看，仍然可以确信当经济周期与金融周期叠加下行时，造成的经济衰退将比正常的经济下行期的持续时间更长，且影响程度更大。同时，若经济下行期正好遇上金融危机，则会产生更具破坏性的结果，经济可能陷入更长的衰退期。
为了更加直观地分析近年来双周期之间的关系，笔者将对2008年次贷危机前后的周期运行情况做更细致的分析。从2005年开始，中国的经济和金融周期基本都步入了新一轮的运行轨迹，经济周期因为叠加的多重红利快速上行，同时金融周期也开始缓慢复苏。回顾当时的货币政策，2005年央行降低了超额存款准备金率，货币信贷总量增长总体适度。然而到2006—2007年，为了控制经济的过快过热上升势头，央行两年内13次上调存准率，8次上调存贷基准利率，试图控制并回收银行流动性，也就体现为在图4中我们可以看到的金融周期线在底部徘徊期中极短的一个小波动(在识别结果中被忽略)。[注]本节所有关于央行货币政策的数据均摘自《中国货币政策执行报告》。2007年第3季度，经济周期迈过峰值，同时受美国已经开始出现的次贷危机影响开始急剧下行。在2009年第1季度达到周期底部，而此时的金融周期却逐步迈过了底部徘徊期。2008年下半年央行5次下调存贷款基准利率，4次下调存准率。2009年彻底开始实施宽松的货币政策，加上“4万亿政策”的刺激，金融周期快速上行，并在2009年第4季度达到峰值，在2012年第2季度触底。经济周期在2009年第1季度触底后，在上升的金融周期带动下开始有回暖势头，而后在2011年第1季度达到峰值，紧接着跟金融周期同处于下行周期，并在2013年第1季度经济周期开始触底。
从次贷危机前后的双周期情形看，中国的金融周期应该是先行于实体经济周期的，这印证了经济与金融周期是相互联系的：在危机后的经济下行年份，多重政策刺激金融周期持续上升以带动实体经济，而经济周期在2009年第1季度后才在各种刺激下缓慢回升。同样2012年第2季度金融周期也是先行于经济周期开始回暖，而经济周期在2013年第1季度后才出现小幅回暖。另外，我们可以明显注意到宏观政策对于周期运行的影响，尤其是金融周期消化政策刺激非常快——几乎货币政策放松与收紧的年份都很快地反映在金融周期的上升或下行中；而相对来讲，经济周期对政策刺激的反应则存在一定的时滞。
至此，笔者对中国近期所处的经济和金融周期阶段进行一个大致的判断。经济周期的持续时间相对来说较为稳定，按照频域滤波和拐点分析结果，样本期内最后一轮经济周期小峰值应该出现在2014年第1季度前后，随后直到2016年底都应该处在经济周期的下行阶段。这轮周期的振幅较前两轮周期小得多，所以才会造成从2011年到现在中国GDP增速整体呈现下行趋势的情况。[注]这可以从短期频域的GDP周期线中观察出来，危机附近的两轮周期以后，曲线又恢复了小幅波动趋势。而对于金融周期来说，金融周期在样本期内的下一轮周期峰值应该出现在2016年底左右。也就是说从2011年以后，我国的金融周期一直处于上行期，而当前中国正处于最新一轮金融周期峰值的附近，表现为信贷增速和资产价格(房地产价格)都达到峰值附近。这说明2016年底左右中国的经济周期和金融周期处于背离最大的区间：经济周期在谷底，而金融周期在峰值附近。这并不符合范小云等(2017)所判断的目前中国经济正处于金融周期和经济周期叠加下行的区间。因此，金融周期在2016年底的峰值后，实体经济的复苏将会受到金融周期下行的负面影响。
五、简要结论和政策建议
受制于样本长度，本文采用了更为匹配样本数量的中低频域分析方法来研究中国的金融周期。从单个变量的识别结果来看，金融变量所识别出来的周期普遍比用GDP识别出来的传统经济周期的持续期更长、振幅更大。信贷、信贷/GDP、M2和房地产价格均是识别中国金融周期的重要变量，而股价并非识别中国金融周期的代表性变量。综合的金融周期实证表明，金融周期的确是与传统经济周期所不同的一种内生的经济现象。金融周期持续期在4年～7年左右，长于中期周期水平下的经济周期。中国的经验符合国外现有的对于经济与金融周期研究的基本特征。首先，金融周期的长度和振幅都明显大于传统经济周期，这就导致了宏观经济会经常面临双重周期波动不一致的情形。其次，在经济与金融周期经常非同步波动的情况下，一旦双周期同步波动，尤其是同处于下行阶段时，金融系统对于宏观经济的放大作用会异常显著，两者叠加下行时，经济衰退的持续时间和下行幅度都会超过正常的经济下行。另外，中国的金融周期还表现出繁荣期明显大于衰退期的不对称特征，这与中国经济的金融深化发展态势相符合。
根据周期行为路径的估算，在2016年年底前，中国的金融周期大约处于峰值拐点的附近，而经济周期基本处在槽值拐点附近，这与世界经济中大部分经济体所面临的经济与金融双重周期的冲击基本一致。[注]从现有的数据来看，全球信贷增速基本在2016年中达到最高，随后出现回落。但由于金融周期先行于经济周期，金融周期在2016年底左右的峰值后，实体经济的复苏将会受到金融周期下行的负面影响。
这对宏观政策的制定与执行提出了非常高的要求，需要严格把握政策力度，确保双周期的平稳过渡。一方面，宏观政策尤其是货币政策不可过于宽松，最好能维持中性的货币政策，以保证金融周期峰值拐点的平稳过渡。由于政策对金融系统见效快，而对实体经济的刺激存在一定时滞，货币政策的首要目标应该是保证流动性和金融系统的稳定性。另一方面，鉴于经济周期基本处在槽值拐点附近，因此，需要货币与财政政策的相互配合，利用诸如减税等方法来缓解企业的压力。同时，供给侧改革和新兴产业刺激要持续推进，在确保在金融周期平稳过渡的前提下，提升经济周期复苏的动力。
参考文献
曹永琴、李泽祥，2009：《中国金融经济周期与真实经济周期的动态关联研究》，《统计研究》第5期。
邓创、徐曼，2014：《中国的金融周期波动及其宏观经济效应的时变特征研究》，《数量经济技术经济研究》第9期。
范小云、袁梦怡、肖立晟，2017：《理解中国的金融周期:理论、测算与分析》，《国际金融研究》第1期。
李成，2005：《中国金融周期的基本特征与分析结论》，《金融论坛》第10期。
陆军、梁静瑜，2007：《中国金融状况指数的构建》，《世界经济》第4期。
唐可欣，2010：《一种基于景气扩散指数的金融周期转折点判别方法》，《上海金融》第9期。
杨中尉、孙克任，2010：《我国金融周期计量及其波动特征的实证分析》，《上海金融》第5期。
赵会玉、苗文龙，2008：《中国金融周期特征与货币政策效应探讨》，《统计与决策》第4期。
Alessi,L.,and C.Detken,2011,“Quasi Real Time Early Warning Indicators for Costly Asset Price Boom/Bust Cycles:A Role for Global Liquidity”, European Journal of Political Economy,27(3):520-533.
Angeloni,I.,and E.Faia,2009,“A Tale of Two Policies:Prudential Regulation and Monetary Policy with Fragile Banks”,Kiel Working Papers,No.1569.
Angelopoulou,E.,H.Balfoussia,and H.D.Gibson,2012,“Building a Financial Conditions Index for the Euro Area and Selected Euro Area Countries:What Does It Tell Us about the Crisis?”,Economic Modelling,38(38):392-403.
Bagehot,W.,1873,Lombard Street:A Description of the Money Market,London:Henry,S.King and Co.
Berger,A.N.,and G.F.Udell,1998,“The Economics of Small Business Finance:The Roles of Private Equity and Debt Markets in the Financial Growth Cycle”,Journal of Banking & Finance,22(6-8):613-673.
Bernanke,B.,M.Gertler,and S.Gilchrist,1996,“The Financial Accelerator and the Flight to Quality”,Review of Economics & Statistics,78(1):1-15.
Bernanke,B.,M.Gertler,and S.Gilchrist,1999,“The Financial Accelerator in a Quantitative Business Cycle Framework”,Handbook of Macroeconomics,1:1342-1393.
Borio,C.,N.Kennedy,and S.D.Prowse,1994,“Exploring Aggregate Asset Price Fluctuations across Countries:Measurement,Determinants and Monetary Policy Implications”,BIS Economics Paper,No.40.
Borio,C.,and P.W.Lowe,2002,“Assessing the Risk of Banking Crises”,BIS Working Paper.
Borio,C.,and P.W.Lowe,2004,“Securing Sustainable Price Stability:Should Credit Come Back from the Wilderness?”,Ssrn Electronic Journal,68(157):1-18.
Borio,C.,and M.Drehmann,2009,“Assessing the Risk of Banking Crises-Revisited”,BIS Quarterly Review,29(4):29-46.
Borio,C.,2011,“Rediscovering the Macroeconomic Roots of Financial Stability Policy:Journey,Challenges,and a Way Forward”,Annual Review of Financial Economics,3(3):87-117.
Borio,C.,2012,“The Financial Cycle and Macroeconomics:What Have We Learnt?”,BIS Working Paper,No.395.
Borio,C.,M.Drehmann,and K.Tsatsaronis,2012,“Characterising the Financial Cycle:Don’t Lose Sight of the Medium Term”,BIS Working Papers,No.683.
Brave,S.A.,and R.A.Butters,2011,“Monitoring Financial Stability:A Financial Conditions Index Approach”,Economic Perspectives,35(1):22-43.
Burns,A.F.,1969,“Front Matter,the Business Cycle in a Changing World”,NBER Working Paper,No.12462.
Christiano,L.J.,R.Motto,and M.Rostagno,2011,“Financial Factors in Economic Fluctuations”,ECB Working Paper,No.1192.
Claessens,S.,M.A.Kose,and M.E.Terrones,2011a,“Financial Cycles:What?How?When?”,NBER International Seminar on Macroeconomics,7(1):303-344.
Claessens,S., M.A.Kose,and M.E.Terrones,2011b,“How Do Business and Financial Cycles Interact?”,Journal of International Economics,11(88):178-190.
Comin,D.A.,and M.Gertler,2006,“Medium Term Business Cycles”,American Economic Review,96(3):523-551.
Cúrdia,V., and M.Woodford.,2009,“Credit Frictions and Optimal Monetary Policy”,Journal of Money,Credit and Banking,42(1):3-35.
Detken,C.,and F.Smets,2004,“Asset Price Booms and Monetary Policy”,ECB Working Paper,No.364.
Detken,C.,O.Weeken,L.Alessi,et al.,2014,“Operationalising the Countercyclical Buffer:Indicator Selection,Threshold Identification and Calibration Options”,ESRB Occasional Paper,No.5.
Dudley,W.,and J.Hatzius,2000,“The Goldman Sachs Financial Conditions Index:The Right Tool for a New Monetary Policy Regime”, Goldman Sachs Global Economics Paper,No.44.
English,W.,K.Tsatsaronis,and E.Zoli,2005,“Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables”,BIS Papers,No.22.
Fisher,I.,1933,“The Debt-deflation Theory of Great Depressions”,Econometrica,1(4):337-357.
Gerali,A.,S.Neri,L.Sessa,et al.,2010,“Credit and Banking in a DSGE Model of the Euro Area”,Journal of Money,Credit and Banking,42:107-141.
Gertler,M.,and N.Kiyotaki.,2010,“Financial Intermediation and Credit Policy in Business Cycle Analysis”,Handbook of Monetary Economics,1:547-599.
Goodhart,C.,and B.Hofmann,2001,“Asset Prices,Financial Conditions,and the Transmission of Monetary Policy”,https://www.researchgate.net/pub ... of_Monetary_Policy.
Goodhart,C.,and B.Hofmann,2008,“House Prices,Money,Credit,and the Macroeconomy”,Oxford Review of Economic Policy,24(1):180-205.
Harding,D.,and A.Pagan,2002,“Dissecting the Cycle:A Methodological Investigation”,Journal of Monetary Economics,49(2):365-381.
Jorda,O.,M.Schularick,and A.M.Taylor,2011,“When Credit Bites Back:Leverage,Business Cycles,and Crises”,CEPR Discussion Papers No.8678.
Kindleberger,C.,2001,Manias,Panics and Crashes,NY:Palgrave Macmillan.
Kiyotaki,N.,and J.Moore,1997,“Credit Cycles”,Journal of Political Economy,105(2):211-248.
Meh,C.,and K.Moran,2008,“The Role of Bank Capital in the Propagation of Shocks”,Journal of Economic Dynamics & Control,34(3):555-576.
Minsky, H.P.,1982,Can “It” Happen Again?:Essays on Instability and Finance,M.E.Sharpe Inc.
Montagnoli, A., and O.Napolitano,2006,“Financial Condition Index and Interest Rate Settings:A Comparative Analysis”,University of Naples Discussion Papers,No.2.
Ng,T.,2011,“The Predictive Content of Financial Cycle Measures for Output Fluctuations”,BIS Quarterly Review,6:53-65.
Romer, P.,2016,“The Trouble with Macroeconomics”,https://paulromer.net/the-trouble-with-macro/WP-Trouble.pdf.
Schularick, M., and A.M.Taylor,2012,“Credit Booms Gone Bust:Monetary Policy,Leverage Cycles and Financial Crises,1870-2008”,American Economic Review,102:1029-1061.
Stremmel, H.,2015,“Capturing the Financial Cycle in Europe”,ECB Working Paper,No.1811.
Suarez,J.,and O.Sussman,1997,“Endogenous Cycles in a Stiglitz-Weiss Economy”,Journal of Economic Theory,76(1):47-71.
Swiston, A.J.,2008,“U.S.Financial Conditions Index:Putting Credit Where Credit Is Due”,IMF Working Paper,No.161.
Vonen, N.H.,2011,“A Financial Conditions Index for Norway”,Norges Bank Working Paper,No.32205.
EMPIRICAL STUDIES ON THE CHINA’S FINANCIAL AND ECONOMIC CYCLES——Policy Options on the Double Cycles
WANG Jin-bin1 LU Li-yang2 SHI Wen-dong1
(1. Renmin university of China; 2. Shanghai Haitong Securities Asset Management Co., Ltd.)
Abstract:This paper applies more matched sample and low frequency domain analysis method to study China’s financial cycle. We find credit, credit/GDP, M2 and real estate prices, not the stock prices, are important variables to identify China’s financial cycle, and the financial cycle is indeed an endogenous economic phenomenon that differs from the traditional economic cycle. The financial cycle is generally longer and larger than the traditional economic cycles identified by GDP. Financial cycle downturn may bring harm to the recovery of real economy. Macro-policies need to ensure the smooth transition of the double cycle. The primary objective of monetary policy should be to ensure the stability of the financial system, maintains a neutral relative tight state to ensure the smooth transition of the peak inflection point of the financial cycle.
Key words:financial cycle; economic cycle; domain analysis
*王晋斌，中国人民大学经济学院，邮政编码：100872，电子信箱：wjinbin@ruc.edu.cn;卢丽阳，上海海通证券资产管理有限公司；时文东，中国人民大学经济学院。本文得到2017年中国人民大学科学研究品牌计划基础研究项目(17XNI009)的资助。感谢匿名评审人提出的修改意见，本文文责自负。
(责任编辑:刘舫舸)