金融冲击和中国经济波动，本文主要内容关键词为：中国经济论文,金融论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
JEL Classification:E32,E44,G32 一、引言 从近年来美国爆发的次贷危机以及随后发生的欧债危机等重大经济事件中，我们可以看出金融部门在影响经济周期波动中扮演着非常重要的角色。而国内目前正发生的银行业“钱荒”事件也警示中国的金融系统可能存在着一定的风险。这也让学者清楚地意识到在对宏观经济建模时不能忽视金融市场上的摩擦。所谓金融摩擦(financial frictions)就是指金融市场上的摩擦，是由于金融市场的不完全所导致的，金融市场的作用是将资金剩余者手中的闲置资金转移到资金短缺者手中，当存在摩擦时，交易的难度也随之加大。虽然宏观经济学对金融摩擦进行建模有较长的传统，如金融加速器模型、银行垄断模型、抵押限制模型和信贷配给模型等，但这些研究主要对金融部门进行建模，只关注于金融部门对经济体其他部门中的冲击所产生的放大作用，例如，对生产率冲击和货币冲击等所起的放大作用。所以它们并未考虑对金融市场本身造成的冲击，如对金融部门产生的扰动。此外，已有的研究大部分都没有对实际经济总量和金融总量这两项数据同时予以考虑。本文将在这些方面做出一些有益的尝试。 虽然大量的微观实证研究表明，企业所面临的融资约束会对企业的经济活动造成非常显著的影响。但利用宏观数据对此进行论证的研究还较少。本文首先对固定资产投资资金来源数据进行分析，发现我国企业的固定资产投资资金来源中，国内贷款占比在趋势上呈现出逐渐下降的态势，在经济周期频率上呈上下波动，且波动十分剧烈。这说明我国企业所面临的融资约束压力越来越大，可获得的贷款越来越少，而且企业的借贷能力由一个强制约束所限制，该强制约束受到随机扰动的影响。由于这些扰动影响着企业的借贷能力，且直接源自于金融部门，故将其称之为金融冲击(financial shocks)。 另外，由于中国企业主要通过信贷市场进行融资，本文也对信贷数据进行了分析。虽然企业可以通过发行企业债券和股票进行融资，但直接融资的比重相对于间接融资来说还是太低。据统计，2011年我国各类金融机构的贷款占社会融资规模的比重高达75％左右，同期企业债券和股票融资占比只有14％，尽管以人民币贷款为主的间接融资规模在2012年有了大幅下降，但新增人民币贷款占社会融资总量的比重仍达52.03％。由此可见，信贷市场的规模对中国经济的发展至关重要。本文对金融机构贷款总量这项数据进行分析，发现实际贷款余额波动与实际产出波动之间存在较强的正相关性。 在利用金融数据得到关于中国经济周期的一些实证结论之后，本文接着考察金融冲击对中国宏观经济数量上的影响。我们建立一个标准的包含有多种冲击来源的动态随机一般均衡(DSGE)模型，然后对该结构模型进行贝叶斯最大似然估计以得到关键参数的估计值。该模型最关键的假设在于厂商贷款时面临一个强制约束，而且该强制约束受到外生的金融冲击的影响。此外，本文尝试在该经济模型中引入五种实际刚性：消费习惯、可变资本利用率、投资调整成本、劳动力市场上的不完全竞争和权益支出调整成本。冲击来源除金融冲击外，还包括中性技术冲击、投资专有技术冲击、政府支出冲击和工资加成冲击，加入这些冲击的原因在于这些冲击在已有的文献中被证明对经济周期波动的解释非常重要，而且将更多的冲击加入到模型中也可以更好地考察金融冲击的相对重要性。 本文模型中的金融摩擦与很多已有的研究文献之间存在着某些共同之处，如Bernanke & Gertler(1989)、Carlstrom & Fuerst(1997)、Kiyotaki & Moore(1997)、Aiyagari & Gertler(1999)、 Bernanke et a1.(1999)、Cooley et al.(2004)、Iacoviello(2005)、Meier & Muller(2006)、Mendoza & Smith(2006)、Christensen & Dib(2008)、Fernández-Villaverde(2010)以及Mendoza(2010)。这些文献将金融市场上的不完美性纳入到主流宏观经济模型中，并分别从不同层面和机制出发，对金融摩擦和宏观经济波动的关联性展开讨论，以分析金融摩擦在经济周期中的重要性和作用机制。这些文献主要讨论了金融部门的引入会放大其他部门外生冲击对宏观经济的影响。最近，也有不少学者对直接影响金融部门的冲击进行研究。例如，Benk et al.(2005，2008)就考虑了类似的冲击，尽管冲击的类型和模型的结构与本文有所不同。Gilchrist & Leahy(2002)考虑了对资产净值的冲击，这些冲击将直接影响企业的借款能力和消费者的贷款能力。Nolan & Thoenissen(2009)、Christiano et a1.(2010)、Del Negro et a1.(2010)、Kiyotaki & Moore(2012)、Jermann & Quadrini(2012)也考虑了源自于金融部门的冲击，并发现这些冲击在引起经济周期波动的过程中扮演着非常重要的角色。与这方面相关的另一篇文献为Gertler & Karadi(2011)，他们对金融中介部门中的摩擦进行了详细的建模。 目前国内学者对金融市场与经济周期相关性的研究也不少，一部分是从流动性约束或借贷约束出发研究中国的经济波动，如胡永刚和刘方(2007)、陈晓光和张宇麟(2010)、王文甫(2010)以及吕朝凤和黄梅波(2011)，这些研究发现流动性约束或借贷约束是解释中国经济波动特征的一个重要传导机制，引入这些约束之后可以更好地解释中国的经济周期波动。另一部分则分别从理论和实证的角度分析了银行信贷对中国经济波动的影响，如刘涛(2005)、穆争社(2005)以及许伟和陈斌开(2009)。此外，还有相当一部分着重分析了经济周期波动中的金融加速器效应，如杜清源和龚六堂(2005)、崔光灿(2006)、赵振全等(2007)、袁申国等(2011)以及梅冬州和龚六堂(2011a，2011b)，他们分别从不同角度证实了中国信贷市场确实存在金融加速器(financial accelerator)效应。另外，许志伟等(2010)扩展了传统的货币先行约束，分析企业的内部融资问题，引入投资的融资约束冲击，并在动态一般均衡框架内探讨该冲击的动态特性。但与他们不同的是，本文考虑了企业的外部融资，突出企业所受外部环境的影响，即有可能会发生这种情况：企业即使愿意支付更高的利息，但由于金融摩擦、市场状况不好等原因也无法从外部获得所希望得到的融资资金。虽然鄢莉莉和王一鸣(2012)分析了金融市场冲击对中国经济波动的影响，但他们所定义的融资效率冲击与Fisher(2006)、Justiniano et a1.(2010，2011)以及本文所定义的投资专有技术冲击并无实质差异，该冲击反映的只不过是将投资品转化为物质资本品的效率，并非金融市场冲击，只代表企业内部使用投资的效率，且他们定义的其他两种金融市场冲击也并不能准确地刻画企业所面临的金融市场环境和所受到的金融冲击。罗时空和龚六堂(2014)的研究发现金融抑制和金融摩擦这两种机制对于解释中国企业负债的经济周期性具有关键作用。 与现有研究相比，本文的贡献和结论主要包括以下几点： 第一，本文结合中国的宏观金融数据，分析中国的实际经济问题，得到有关中国金融波动与中国经济波动的经验事实。 第二，通过建立符合中国经济特征的动态随机一般均衡模型，并对其结构参数进行贝叶斯估计，利用方差分解发现，金融冲击是驱动我国经济周期波动的最主要力量，它能够解释我国近80％的产出增长波动。目前国内还没有文献从数值上测度金融冲击对我国经济波动的重要性，本文弥补了这一空白。此外，国外学者对美国经济的研究发现，这一比重不到50％，这一重大差异也说明金融冲击对我国宏观经济的影响更大。 第三，通过脉冲响应分析发现，金融冲击会对我国实体经济造成非常严重的影响，当冲击大小为一单位负的标准差时，金融冲击会使产出、消费、投资和就业等出现大幅下降，经济陷入衰退，而且衰退持续的时间非常长久。 本文余下的结构安排如下：第二部分进行实证研究，结合中国的金融数据分析企业的融资波动；第三部分建立一个带有金融摩擦、包含金融冲击以及其他摩擦和冲击的动态随机一般均衡模型；第四部分利用中国宏观数据采用贝叶斯方法对该模型进行估计；第五部分分析金融冲击驱动经济波动的传导机制及其动态特征，并通过方差分解分析其重要性；最后第六部分总结全文。 二、经验事实 (一)基于固定资产投资数据的经验事实 首先，本文利用固定资产投资资金来源的分类数据①来分析企业所面临的融资约束。按照固定资产投资的资金来源不同，可以分为国家预算内资金、国内贷款、利用外资、自筹资金和其他资金来源五项。本文着重考虑“国内贷款”。②“国内贷款”是指报告期内企、事业单位向银行及非银行金融机构借入的用于固定资产投资的各种国内借款。从上述定义中可以看到，“国内贷款”表示企业能够从金融机构获得的融资额度。我们考察国内贷款与总资金之比这个时间序列，数据的时间区间为1996年第一季度到2011年第二季度。图1画出了经过季节调整③的该时间序列。 从图1中可以看出，从1996年到2011年，国内贷款占总资金的比重呈逐渐下降的趋势。通过计算该序列的均值，我们发现其为0.2左右，这说明企业的投资资金大约只有20％能从金融机构处获得。这一低比重也反映了企业的贷款难问题。而逐渐下降的趋势也说明企业面临的融资约束(来自金融机构)压力越来越大。
图1 国内贷款占总资金比重 接着，我们利用HP滤波器，提取出国内贷款占总资金比重的周期部分，见图2。该序列表示的是国内贷款占总资金比重偏离长期趋势的短期波动，如图所示，该周期项的波动非常剧烈，通过计算发现其波动的标准差达0.91％。
图2 国内贷款占总资金比重的周期部分 (二)基于金融机构贷款数据的经验事实 信贷管理一直都是政府稳定经济的重要措施之一，很多宏观调控政策在某种程度上可以通过银行来影响信贷的供给总量。此外，由于中国资本市场发展相对滞后，导致中国金融市场上的主体实际上是银行。而中国企业的大部分外部融资都通过银行获得，这使得信贷市场对中国宏观经济的稳定和发展非常重要。 下面，我们利用金融机构贷款总量数据来说明信贷规模对中国宏观经济的重要性。对实际贷款余额和实际产出分别利用HP滤波器提取出它们的波动部分，如图3所示。 从中国1978年至2011年的数据来看，实际贷款余额波动与实际产出波动之间存在较强的正相关性。这说明信贷供给可能是中国经济周期波动的重要影响因素。 金融机构调整自身的信贷供给可能出于货币政策或其他原因，而这会影响经济中企业的正常生产活动，从而影响到总产出和总投资等。当出现信贷配给④时，一部分企业可能即使愿意支付更高的利息也根本无法获得贷款，还有一部分企业虽然能够获得贷款，但获得的贷款数额低于它所希望获得的数额，即使它愿意支付更高的利率也不能满足全部资金需求。这样，来自金融部门的扰动会对实体经济产生重大的影响。而中国的金融改革进入史无前例的深化期和加速期，因此，研究金融冲击对我国经济波动的重要性和传导机制显得格外具有现实意义。
图3 实际贷款余额和实际产出波动 三、模型 本文将金融摩擦和金融冲击引入到标准的实际经济周期模型中。首先，我们描述单个厂商所处的环境，而这也是本文模型有别于标准模型之处。然后我们再介绍家庭部门、劳动力市场和政府部门，最后定义一般均衡。 (一)厂商
企业使用债务和权益进行融资。债务由
表示，在融资时债务优于权益是因为其具有税收优势。给定利率
，厂商面临的实际总利率为
除了跨期债务
外，企业还需通过期内贷款
来筹资，以对营运资金进行融资。营运资金用来支付期初的应付款项与实现的收入之间的现金流差额。期内贷款将在本期末进行偿还，故没有利息。
一方面，更高的负债，如期内贷款或跨期债务，会使上面的强制约束更加严格。而另一方面，更高的资本存量则会放松该强制约束。这些与文献中出现的大多数强制或抵押品约束所具有的性质一样。概率
是随机的并依赖于市场状况。下面，我们探讨如何来解释
。假定厂商卖掉其资本需要找到合适买家。在这种情况下，变量
可以解释为找到买家的概率。或者如果假定售价形式为要么接受要么放弃，那么
可以解释为贷款人(卖家)开价的概率。当市场状况改善时找到合适的买家或卖家开价的概率会增加。Eisfeldt & Rampini(2006)提供了一些关于
周期性质的证据。他们将资本的流动性加入到经济周期模型中，并发现为匹配资本重置的数量，该流动性一定是顺周期的。许志伟等(2010)也证实了他们所定义的投资融资约束冲击(与本文
的定义类似，但解释正好相反)与产出之间存在着负相关性。 因为该变量影响着强制约束的松紧程度，也即厂商的借贷能力，所以我们将其随机更新称为金融冲击，并注意到
对所有的厂商都是一样的。由于不存在异质性冲击，故我们将注意力集中在厂商都一样时(代表性厂商)的对称均衡。
(三)劳动力市场
(六)均衡系统 整个经济系统的均衡定义如下：各经济主体在给定初始状态和预算约束的条件下实现自身的最优化。代表性家庭实现其预期加总效用最大化，劳动加总生产者实现其成本最小化，厂商实现总价值最大化，各个市场均出清。即在给定外生随机过程
和初始条件的情况下，系统均衡由家庭最优化问题的一阶条件及其预算约束，厂商最优化问题的一阶条件及其需满足的预算约束和强制约束，以及政府部门的约束预算组成。 四、模型的估计 本文对模型中的部分参数利用标准的校准技术并基于稳态时的目标进行校准。其余的结构参数利用贝叶斯方法进行估计。模型中的时间单位为一个季度。对部分结构参数的校准结果详见表1。以下依次说明。
关于代表性家庭的贴现率β，根据Zhang(2009)的计算方法，从1992年到2011年的年平均名义利率约为0.08，则稳态时的季度利率可折算为0.02，由β=1/(1+r)，计算可得β=0.98，这也与国内大多数传统文献的设定保持一致。稳态时的工资加成取为
=1。稳态时的劳动供给按通常做法取值为1/3，根据此值并利用均衡系统的稳态条件可将参数ψ进行校准。 接着，对厂商技术的相关参数进行校准。关于中国经济的资本份额α，已有大量文献进行了研究。例如王小鲁和樊纲(2000)估计的资本份额为0.5；Chow & Li(2002)利用中国1952—1998年的数据对总量生产函数进行估计，发现规模报酬不变的Cobb-Douglas函数完全适用于中国，他们估计的资本份额为0.55；张军(2002)估计的资本份额为0.499；He et a1.(2007)估计的结果为0.6。本文取资本份额α=0.5。稳态时，我们取资本利用率u=1。对于稳态时资本的季度折旧率
，学者的估计各不相同，Chow & Li(2002)估计的资本折旧率为0.04～0.056，王小鲁和樊纲(2000)以及胡永刚和刘方(2007)均设定为0.05，陈昆亭等(2004)、陈昆亭和龚六堂(2006)以及王文甫(2010)均设定为0.1，本文选取的年折旧率为0.1，取其季度平均值，表示季度折旧率
=0.025。折旧率参数
的校准根据稳态时的均衡条件得到。关于税率
，根据中国企业所得税法规定的税率，⑥本文取值为0.25。 稳态时债务与产出之比B/Y、政府支出与产出之比G/Y分别根据其平均值计算为1.0299和0.1654。 具体的，通过计算经济系统稳态时的表达式，得到经济系统稳态时的均衡解，再对整个经济系统在稳态附近做一阶对数线性化，将上述的方程组转化为线性系统。根据Blanchard & Kahn(1980)，可以把均衡系统的状态空间表示成如下形式：
表示模型中的内生和外生状态变量所组成的列向量，
表示模型中观测变量所组成的列向量，
表示扰动项组成的列向量；另外，系数矩阵Г、Ψ和Φ为模型中结构参数的函数，且其函数形式已知。 本文选取的观测数据包括实际产出、消费、投资和债务的增长率，时间范围为1992年第一季度到2011年第四季度。对这四组数据取对数后发现，数据具有明显的季节性特征，利用Eviews对数据进行季节性调整，调整的方法为Census X12。另外，通过ADF方法和PP方法对调整后的数据进行平稳性检验之后发现，以上序列均为一阶单整序列，具有长期趋势项而非平稳，但是一阶差分的序列，即各变量的增长率是平稳的。故本文采用差分法去掉实际数据中的时间趋势，使其与模型中去势后的变量相吻合，并对一阶差分数据去掉均值以对应于模型中的变量。最终，使用到的观测变量为：
，其中△表示一阶差分算子。 由于不同的模型结构及不同的参数设定会对消费习惯h和劳动供给弹性η的校准产生较大的影响，而且已有文献对这两个参数的校准值差别较大，故本文对这两个参数也进行贝叶斯估计。假定消费习惯h服从均值为0.5、标准差为0.2的Beta分布，劳动供给弹性η服从均值为2、标准差为0.75的正态分布。
关于资本的折旧率参数
、投资调整成本参数
和权益支出调整成本参数
由于其取值均大于零，故本文假设它们都服从inverse gamma分布，且前两个的均值为0.2，后一个的均值为0.4。 最后还需估计出五个外生冲击过程的AR(1)系数
和标准差
。此外，政府支出的平滑参数
也有待估计。由于四个外生冲击过程的AR(1)系数和政府支出的平滑参数
一般在[0，1)区间上，故我们假定它们均服从均值为0.5、标准差为0.2的Beta分布。对于标准差参数
，假设其服从均值为0.01的inverse gamma分布。表2列出了参数的先验分布和后验估计结果，其中中间三列分别为预先设定的先验分布、先验均值和标准差，最后两列是估计得到的后验均值及其90％的置信区间。 从表2中的估计结果可以看出，大部分参数的后验均值明显不同于参数的先验均值，且其90％的后验置信区间也明显不同于其相应的先验置信区间，这说明我们的估计结果在先验分布这个维度上是稳健的，也说明我们所使用的数据包含有关于待估参数真实值的信息。 下面，我们重点讨论参数
。权益支出调整成本参数
的估计值为0.4304，其90％的置信区间为[0.2838，0.5735]，显著不等于零，这意味着本文引入的金融冲击
能够对宏观经济产生实际影响，这是因为权益支出的调整存在成本，当企业面对金融冲击且强制约束变紧时，企业不仅仅需要调整权益支出，同时也需要对劳动投入进行调整，进而对总产出产生影响。金融冲击
其随机过程的AR(1)系数
估计值为0.9601，90％的置信区间为[0.9361，0.9857]，显著不等于零，这说明该冲击过程具有非常强和非常明显的持续性。 五、结果分析 本文根据上节贝叶斯估计的结果，将从方差分解和脉冲反应两个方面来分析金融冲击对我国宏观经济波动的动态影响。 (一)金融冲击的重要性：方差分解 本文所引入的金融冲击在解释我国经济周期波动中所起到的作用到底有多大?为了回答这一问题，我们根据贝叶斯估计的结果，通过数值模拟对DSGE模型中的关键宏观经济变量进行方差分解，以便定量地考察每一种冲击对各宏观经济变量的影响。表3给出了各种冲击解释产出增长、消费增长、投资增长、债务增长、工资增长和劳动的无条件方差的比例，这些冲击既包括金融冲击
，也包括其他四种冲击，即中性技术冲击
、投资专有技术冲击
、政府支出冲击
和工资加成冲击
。
从表3中可以得出本文最重要的一个结论：金融冲击
是驱动我国经济周期波动的最主要力量，它在解释产出增长、投资增长、债务增长、工资增长和就业波动方面体现出非常重要的作用。即使存在其他多个冲击，金融冲击
仍然能够解释近80％的产出增长波动。这一结论与现有文献的结论形成鲜明的对比，传统文献在解释经济波动时，大多数只考虑企业生产过程中的中性技术冲击
和投资专有技术冲击
，而并没有考虑到企业生产时可能面临着严重的融资约束，从而忽略了金融冲击及其重要性，而将讨论集中在中性技术冲击和投资专有技术冲击两者对经济周期的解释能力孰轻孰重这一问题上。⑦从表3中可以发现，相比金融冲击
，单个的中性技术冲击
或投资专有技术冲击
对产出增长波动的解释能力明显不足，两者对产出增长波动的解释能力之和也只有20％左右，约为金融冲击解释能力的五分之一。这说明在研究我国经济周期波动的来源时，并不能忽视我国金融市场上的金融冲击和企业所面临的融资约束等因素。尽管中性技术冲击
和投资专有技术冲击
对我国产出增长波动的解释力度有限，但它们对其他宏观经济变量的重要性却不容忽视，这一结论与传统文献保持一致。 值得一提的是，Jermann & Quadrini(2012)在利用美国数据对金融冲击和经济周期波动相关性进行研究时发现，虽然相对于其他冲击而言，金融冲击同样是驱动美国经济周期波动的最重要引擎，但其对美国产出增长波动的解释能力只有46％，⑧不及金融冲击对我国产出增长波动的影响(78％)。这也从侧面反映了我国由于金融市场不够发达，经济发展受金融冲击的影响较大。由于金融市场上的信息不对称，中小企业融资难的问题已是一个世界性的难题，而发展中国家受到的影响尤甚。如何解决这一问题已成为世界各国政府工作的重中之重。 从表3中还可以发现，金融冲击
对消费的波动鲜有贡献，这与中国居民的消费习惯有关，面对金融市场上的波动，中国居民的高储蓄足以应对这种冲击，从而使消费较为平滑，波动较小。此外，中国居民的消费水平本来就很低，较少地依赖于借贷，故金融冲击
难以解释消费的波动。另外，政府支出冲击
对我国经济周期波动的贡献则微乎其微，这一结论与已有文献有所差别(黄赜琳，2005；王文甫，2010；王文甫和王子成，2012)，因为本文并未考虑政府支出对私人消费的外部性。最后，工资加成冲击
，对消费增长、投资增长和工资增长具有一定的解释能力。 (二)脉冲响应分析 当发生金融危机或经济危机时，往往是金融部门最先受到影响，而后蔓延到实体经济。而金融部门受到扰动后的直接表现就是
发生改变，市场状况变差时，概率
的水平会降低。为了方便分析金融冲击
对宏观经济的影响，解释金融冲击下模型的传导机制和动态特征，本文根据贝叶斯估计的结果，模拟模型在金融冲击
下各主要经济变量的脉冲反应，结果如图4所示。图4画出了主要经济变量对负的金融冲击(更低的
)的脉冲反应，冲击大小为一单位负的标准差。 我们结合图4来说明金融冲击
驱动我国宏观经济周期波动的传导机制。从图中可以看到，金融冲击
具有非常强的持续性。由方差分解可知，金融冲击
对就业波动的贡献(35％)尤为重要，故我们从劳动市场上厂商的边际收益和边际成本及其均衡条件入手进行分析。由厂商最优化问题的一阶条件(关于D和L)可得：
，其中，变量∧为强制约束的拉格朗日乘子，
这一项决定了厂商劳动投入的边际收益和支付的工资即边际成本两者之间的差距，称之为劳动楔子。负的金融冲击使得厂商面临的强制约束更加严格，这会使
这一项有所增加，因此，劳动楔子也会上升。为平衡此时劳动的边际收益和边际成本，厂商选择较低的劳动投入量。
图4 主要经济变量对金融冲击
的脉冲反应 注：图中y、c、inv、l、b、d、w和xi分别对应于模型中对数线性化后的Y、C、I、L、B、D、W和ξ。 六、结论 近年来的金融危机及其引发的经济危机突出了金融部门和实体经济之间存在着某种联系。而这也让学者清楚地意识到在对宏观经济建模时不能忽视源自于金融市场上的冲击和摩擦。如何从数量上测度影响企业借贷能力的金融摩擦及金融冲击对我国宏观经济波动的重要性，这是本文尝试回答的问题。本文研究的主要目的不是解释或预测金融部门中出现的问题，本文所做的主要工作是提供一个分析框架来帮助我们理解这些问题对宏观经济的影响。 首先，本文利用固定资产投资资金来源数据进行分析，发现我国企业的固定资产投资资金来源中国内贷款占比在趋势上呈现出逐渐下降的态势，在经济周期频率上呈上下波动，且波动十分剧烈。这说明我国企业所面临的融资约束压力越来越大，可获得的贷款越来越少，而且企业的借贷能力由一个强制约束所限制，该强制约束受到随机扰动的影响。另外，对金融机构贷款总量的分析发现，实际贷款余额波动与实际产出波动之间存在较强的正相关性。这说明信贷供给可能是中国经济周期波动的重要影响因素。而金融市场上的信息不对称和各种摩擦会影响企业真正获得的贷款。 在利用金融数据得到关于中国经济周期的一些实证结论之后，本文接着考察金融冲击对中国宏观经济的影响。我们建立一个标准的包含有多种冲击来源的动态随机一般均衡(DSGE)模型，然后对该结构模型进行贝叶斯最大似然估计以得到关键参数的估计值。该模型最关键的假设在于厂商贷款时面临一个强制约束，而且该强制约束受到外生的金融冲击的影响。此外，本文尝试在该经济模型中引入五种实际刚性：消费习惯、可变资本利用率、投资调整成本、劳动力市场上的不完全竞争和权益支出调整成本。冲击来源除金融冲击外，还包括中性技术冲击、投资专有技术冲击、政府支出冲击和工资加成冲击，加入这些冲击的原因在于这些冲击在已有的文献中被证明对经济周期波动的解释非常重要，而且将更多的冲击加入到模型中也可以更好地考察金融冲击的相对重要性。 最终，通过方差分解得到：金融冲击是驱动我国经济周期波动的最主要力量，它在解释产出增长、投资增长、债务增长、工资增长和就业的波动方面体现出非常重要的作用。即使存在其他多个冲击，金融冲击仍然能够解释我国近80％的产出增长波动。进行脉冲反应分析时发现，金融冲击能对我国实体经济产生非常严重的影响，会使产出、消费、投资和就业等出现大幅下降，经济陷入到旷日持久的衰退期。 当然，理解造成冲击的原因同样重要。但是本文的目的在于更好地理解这些冲击所造成的后果。一旦清楚地认识了这些后果，我们也就可以开始着手制定相应的政策了。将金融冲击与我国的货币政策、财政政策等实际情况相结合还需要进一步的研究。将宏观经济数据和金融数据的波动性同时结合起来考察还存在很多问题需要解决(目前已有不少文献开始将金融变量加入到标准的宏观经济VAR模型中以对其进行扩展)，如何从大量的金融数据中实际识别和直接提取金融冲击的序列面临诸多困难。此外，大量的实证研究表明金融数据中存在明显的时变性⑨和非线性，未来的研究还应将这些时变性和非线性融入到带金融摩擦的DSGE模型中，并采用非线性方法对模型求解，以分析经济中的非线性放大效应、非对称性和不稳定性等。而且中国经济不仅仅受到金融摩擦的影响，金融市场亦相当的不完备，其中一个重要的表现就是普遍存在于发展中国家的金融抑制问题。综合考虑金融摩擦与金融抑制等因素将是未来进一步的研究方向。需要说明的是，本文从本质上讲考虑的是一个封闭的经济模型，为分析的方便，该DSGE框架模型不含货币且没有考虑改革开放对中国经济的影响，故无法讨论诸如全球性因素引起的各种外生冲击对中国宏观经济波动的影响，这些都需要另加研究。 感谢匿名审稿人的建设性意见，文责自负。 注释： ①数据来源为中经网统计数据库。文中数据如未做特别说明，均来自中经网统计数据库。国家统计局对固定资产投资额有详细的解释，请参见网址：http：//www.stats.gov.cn/tjzd/tjzbjs/t20020327_14286.htm。 ②许志伟等(2010)通过分析“自筹资金”来考察企业的内部融资问题。 ③由于该数据具有明显的季节性特征，本文利用Eviews对数据进行季节性调整，调整的方法为Census X12。 ④信贷配给是指在确定的利率条件下，信贷市场上的贷款需求大于供给。 ⑤这里，我们并不限定权益支出必须为正，而是允许企业有负的权益支出，即不是进行权益分红派息，而是发行新股票。 ⑥新企业所得税法及其实施条例已于2008年1月1日正式生效，新税法将企业所得税率统一为25％。尽管原税法对内外资企业分别规定不同的税率：内资企业税率一般为33％，另有27％、18％的两档照顾税率；外资企业税率为30％，并有3％的地方所得税率，同时对一些特殊区域的外资企业实行24％、15％的优惠税率，综合考虑，企业平均实际税负为25％左右，故本文将税率取值为0.25。 ⑦例如Hubrich et al.(2013)指出不包含金融摩擦的DSGE模型可能会高估其他波动来源的重要性。 ⑧详见Jermann & Quadrini(2012)表4。 ⑨时变性包括参数随时间变化和方差随时间变化。
标签：金融论文; 经济周期论文; 经济模型论文; 经济论文; 企业贷款论文; 投资资本论文; 能力模型论文; 经济资本论文; 宏观经济论文; 经济学论文; 融资论文; 投资论文;
