三 研究方法与主要内容

（一）研究方法

1.宏观数据的分析

（1）注重非参数统计（Nonparametric Statistics）的应用，进而降低在相关假设不满足下参数统计所得到的统计推断结果不可信甚至出现错误的判断等情况发生。

（2）注重从时间序列分析经常项目失衡、资本流动对金融脆弱性影响，为了较好地对纵向进行准确的把握，将采用工具变量（Instrumental Variables，IV）、多元连续增长模型、因果模型（Causal Models）、多元VAR以及系统估计等多种方法。

（3）注重运用现有面板数据（Panel Data）分析相关成熟的技术手段，将采用广义矩估计（Generalized Method of Moments，GMM）方法、固定效应估计（Fixed-Effects Estimator，FE）和随机效应估计（Random Effects，RE），以及特定的GMM估计方法（例如，FIVE、SUR等）。

2.事件分析法

注重用事件分析法（Event Analysis）来研究以往经常项目失衡以及跨境资本流动的基本经验和教训，同时注意事件分析法的事后分析在确定标准方面可能存在的不精确问题，采用计量经济学方法考察是否存在结构性变化的检验（Chow Test）予以技术上支撑。

3.微观数据的分析

注重运用微观经济计量经济学（Microeconometrics）的相关成熟技术，采用广义最小二乘法（Generalized Least-squares，GLS）与可行广义最小二乘法（Feasible GLS）、线性工具变量回归法（IV）以及最大似然估计（Maximum Likelihood Estimation，MLS）等方法。

4.数理经济模型构建以及模拟研究

（1）对经常项目失衡对金融脆弱性影响的DSGE模型构建，将综合实际商业周期（Real Business Cycles，RBC），在国际金融以及资产定价（Asset Pricing）等框架下研究，明确情境设定，着重借助递归宏观经济理论（Recursive Macroeconomic Theory，RMT）基本分析工具。

（2）积极对经常项目失衡对金融脆弱性影响的DSGE模型进行拓展研究，利用数值模拟（Numerical Simulation）将数理经济理论模型转变为可量化、可视性强的应用数量模型，并通过选取不同外生变量初始值来观察不同经济政策模拟结果。

5.比较研究

针对不同类型国家经常项目失衡状况、跨境资本流动以及金融脆弱性进行比较分析，进而归纳出国别经验。例如，处于相近经济发展阶段的亚洲新兴经济体和欧洲新兴经济体的经常项目收支迥异，我们将重点考察其经常项目收支对金融稳定的影响效应；同时，对经常项目失衡、跨境资本流动交互作用对金融稳定的影响针对不同类型的国家差异进行深入探讨。

（二）主要内容

1.全球经常项目失衡的发展态势以及影响因素

（1）全球经常项目失衡的发展态势

本书研究全球经济失衡的历史数据，重点考察近30年来的情况，分别为20世纪八九十年代以及2000年以来的全球经常项目失衡情况。同时，利用相关研究中较早期历史数据向前拓展考察至19世纪70年代，最后，根据不同阶段经常项目失衡的特征以及影响因素进行比较分析。

20世纪80年代的经常项目失衡，美国经常项目处于赤字状态，日本和德国的经常项目盈余总额约占美国赤字额的50%。

20世纪90年代的经常项目失衡，美国经常项目从1996年开始赤字额不断扩大，日本为经常项目盈余国。

2000年以来，经常项目失衡问题不仅包括美国和其他七国集团国家，而且一些欧洲国家、新兴市场经济体以及石油出口国等都牵扯进来，经常项目失衡转变为世界范围内的突出经济现象^[3]。

（2）全球经常项目失衡的影响因素

我们在分析和评论典型化事实时，先围绕金融发展的一些指标，例如金融中介（提供给私人部门的信贷占GDP的比率，用PCREDIT表示）、货币化比率（M2占GDP比率，用M2 GDP表示）以及金融一体化程度总体一体化程度，由对外净资产和负债占GDP的比率衡量，用FALGDP表示；金融开放程度，采用Chinn和Ito 2008年的指标（用CHINNITO表示）、外国居民所持有的金融资产占本国金融资产的比率（用FFR表示）来进行深入分析。在典型化事实研究中，深入探讨在控制金融开放情况下经常项目收支的决定因素，同时重点考察发达国家与新兴市场经济体以及新兴亚洲与新兴欧洲之间差别。

图2 主要国家经常项目占GDP的比率
说明：图中数据采用的是5年移动平均值。Gold Standard表示1870—1913年，Interwar Period表示1925—1939年，Bretton Woods表示1948—1972年，Current表示1973—2008年。资料来源：IMF’s World Economic Outlook；Taylor（2002）。

表3 当前主要国家经常项目收支情况（占GDP的百分比）

我们采用简化式回归方程对经常项目收支的影响因素进行跨国经验研究：

其中，被解释变量是经常项目收支占GDP的比率，ε为随机误差项，解释变量的向量X_it中包括宏观经济变量，例如，相对人均收入（按PPP来折算）、人口的依赖比率等。同时，考察资本流入占GDP比率以及以FDI形式资本流入量占GDP比率等变量的显著性。对于应用（1）式的经验研究，我们注重金融市场发展对经常项目收支的影响，重点纳入代表金融市场发展程度的不同种类的金融变量进行变量显著性检验，主要包括PCREDIT、M2GDP、FALGDP、CHINNITO以及FFR等相关变量。

我们针对（1）式的实证研究可能会引致内生性问题，例如，一国的金融开放程度很高可能是该国强劲的融资需求引起的，而不是该国储蓄或投资的外生影响变量，进而反映到经常项目收支变化上。尽管现有研究文献对该问题并没有定论，但我们在实证研究中会在技术层面上考虑内生性问题及用合适的工具变量（IV）予以解决^[4]。

2.跨境资本流动的影响因素

根据IMF统计数据，境外资本流入最大的接受体是亚洲和拉丁美洲新兴市场经济体，2009年第三季度至2010年第一季度，全球净资本流入新兴市场经济体为4350亿美元，约占流入国GDP总和的3.5%。近几年来，新兴市场经济不断改善的宏观经济基本面、增长前景以及发达市场经济体宽松的货币政策是推动和促进资本流量从发达经济体向新兴市场经济体转向的重要原因（见表4）。基于结构性视角来看，全球金融危机以及欧洲主权债务危机促使机构投资者在资产组合配置方面转向较低负债以及不断改善评级的新兴市场经济体；基于周期性视角来看，全球经济复苏将会在较长一段时间内保持发达市场经济体和新兴市场经济体的利率存在差异。

表4 当前跨境资本流入新兴市场经济体的影响因素

（1）标准技术手段下的经验研究

我们利用经济数据，通过经验研究考察跨境资本流动的影响因素，为此我们利用170多个国家宏观经济、金融数据在横截面数据和面板数据两种技术下进行回归分析。特别地，我们主要估计如下回归方程：

其中，NCO表示净对外资本流动，GDP表示国内生产总值，GDPPC表示按照PPP计算的各国人均GDP相对于美国人均GDP的对数值；SIZE表示人口总量的对数值；σ表示不同国家样本期内名义汇率增长率的标准差；SR表示标准普尔的主权评级，x表示控制变量，例如体现金融开放、金融发展以及实际利率差异等变量；ε表示随机误差项；i表示不同国家；t表示时间。

在参数估计方法上，首先采用跨部门的OLS方法进行回归分析。然后，针对样本时间跨度内进行分时期回归分析，采用5年平均非重叠的面板数据回归。最后，通过动态面板采用广义矩（GMM）进行估计，将滞后两期的被解释变量纳入考察对外净资本流动的动态。

（2）利用非线性门限模型的经验研究

尽管在经济学和金融研究中，研究者们惯常倾向于采用线性的模型设定，但是，伴随着经济计量学理论和技术的快速发展，非线性技术手段在宏观经济与金融研究中发挥的作用不断得到强化。为此，本书重点考察门限回归的非线性模型在跨境资本流动的经验研究中的应用，对于门限变量的选择，我们可以考虑选择一个国家的贸易开放程度、金融市场发展程度以及经济发展水平等变量。

考察汉森（Hansen，1996）所给出的单一门限回归模型：

y_t=θ′₁x_t+e_1t if q_t≤γ（3）

y_t=θ′₂x_t+e_2t if q_t＞γ（4）

其中，q_t表示门限变量，它将所有观测值分为两类；y_t和x_t分别表示被解释变量和解释变量；e表示随机误差项。如果γ是已知的，那么，回归方程（3）和（4）可以由普通最小二乘法（OLS）来估计；但是，事实上γ是未知的，这样我们就需要借助其他参数对其进行估计。TAR模型表明，当门限变量小于等于门限参数γ时，回归方程（3）适用于经验研究；当门限变量大于门限参数γ时，回归方程（4）适用于经验研究。

定义二元变量I_t（γ）={q_t≤γ}，其中，{·}表示指标函数。当q_t≤γ时，I=1；否则I=0。我们设定x_t（γ）=x_tI_t（γ），那么，方程（3）和（4）可以写成一个单一的方程，即：

y_t=θ′x_t+ρ′x_t（γ）+e_t（5）

其中，θ=θ₂，ρ=θ₁-θ₂，θ、ρ、γ是回归参数。

回归方程（5）的残差平方和为：

S₁（γ）=e_t（γ）′e_t（γ）（6）

汉森（2000）提出用最小二乘（LS）技术估计γ，最简单易行的方法就是利用方程（5）达到最小值的情况下来确定最优门限值，因此最优门限值可以由以下公式给出：

γ=argminS₁（γ）（7）

如果确定了最优门限值γ，那么，回归方程（5）是线性的，就可以利用条件普通最小二乘法估计θ（γ）和ρ（γ）。最优门限值是将残差平方和达到最小时予以确定。

针对回归方程（5）进行实证研究的主要挑战在于门限效应是否存在，为此，需要在线性回归模型与单一门限回归模型之间进行检验。传统的假设检验方法不能适用，主要原因在于零假设情况下门限参数γ是未知的，在这样的情况下，大样本分布并不服从卡方分布，传统的检验统计量不再是有效的。汉森（1996）提出了基于异方差一致的拉格朗日乘数自举样本（Lagrange Multiplier Bootstrap）法来获取其渐进分布，进而构造p值。汉森（1996）证明自举样本实现了一阶渐进分布，因此通过自举样本法来构造的p值是渐进有效的。为了完成该检验，针对回归方程（5）而言，不存在门限效应的零假设为：

H₀：α_1i=α_2i，i=0，…，4（8）

检验零假设的F统计量为：

其中，S₀和S₁分别表示在（9）式零假设以及备择假设条件下的残差平方和，而σ²表示残差方差，即。

在通过估计得出门限效应后，接下来就是决定该估计值是否在统计意义上显著。汉森（2000）指出可以采用样本自举法模拟经验分布，并且满足如下的似然比率检验：

其中，S₁（γ）和S₁（γ）分别表示在零假设H₀：γ=γ以及备择假设H₁：γ≠γ下的残差平方和；而σ²表示残差方差，即。汉森（2000）证明LR₁（γ₀）是渐进分布并服从正态分布，并且通过非拒绝区间c（α）能够给出计算门限效应估计值有效的渐进置信区间，其中，c，α表示给定的渐进水平。如果LR₁（γ₀）≤c（α），那么零假设H₀：γ=γ^不能被拒绝。

汉森（1996，2000）所给出的研究结果主要是应用于时间序列数据，对于基于时间序列数据探讨国别经验研究具有重要的应用。此外，本书希望借助于面板数据相关经验研究。为此，汉森（1999）所给出的面板门限模型是一个重要基础。我们对于Hansen（1999）起初设定进行拓展，考虑机制依赖截距项的影响效应。一般而言，忽略截距项的影响将会带来有偏估计（Biase Estimates），尤其是在我们的样本数据涵盖了经济类型不同的经济体情况下，即发达经济体和发展中经济体^[5]。

3.金融脆弱性的测量及应用

（1）金融脆弱性的测量

现有研究关于金融脆弱性概念内涵存在多种不同的理解，出色的综述可参见阿斯帕克斯等（Aspachs et al.，2007）。在经验研究中，金融脆弱性难以进行精确量化。我们采用银行不良贷款存量占总资产份额（用NPL表示）来测量银行体系的脆弱性，该指标被Demirguc-Kunt和Detragiache（1998）针对金融自由化与金融脆弱性联系的跨国分析中使用。另外，考察商业银行向私人部门贷款占GDP的比重（用CBL表示），该指标被萨克斯等（Sachs et al.，1996）作为金融脆弱性的代理变量。

我们采用如下指标来测量国内金融脆弱性（用DFF表示），即：

（2）跨境资本流动、经常项目失衡以及金融脆弱性：跨国经验研究

利用来自170余个国家或地区宏观经济数据来考察跨境资本流动、经常项目失衡对金融脆弱性的影响效应。对于此处的回归分析，我们没有通过按国别数据进行平均来剔除趋势效应，而是通过使用面板误差纠正模型（Panel Error-correction Model）来估计跨境资本流动和经常项目失衡对金融脆弱性的短期和长期影响效应。我们采用面板误差纠正模型替代传统方法主要有如下考虑：一是通过平均处理会引致信息损失；二是此处如果通过平均处理数据后采用传统方法回归会隐藏我们关注的动态关系。

为了保持与传统估计和推断一致，我们在ARDL（p，q）模型中嵌入长期回归方程，以误差纠正形式，可以将方程表示如下：

其中，y表示被解释变量金融脆弱性，x表示解释变量以及一些控制变量，我们重点考察经常项目失衡以及跨境资本流动的影响作用。

4.动态随机总体均衡（DSGE）模型以及数值模拟分析

现有研究中存在较多地用于监管和评估金融脆弱性的宏观经济模型，而涉及金融脆弱性理论模型构建主要作用是用于预测和政策分析。一个模型的预测属性不仅在于该模型能够拟合数据，还在于回归结果是否稳健。这样，在构建金融脆弱性理论模型时不能回避短期属性和长期属性之间的抉择。动态随机总体均衡（Dynamic Stochastic General Equilibrium，DSGE）模型能够在代理人动态最大化其目标函数的经济中描述总体均衡配置，因而动态随机总体均衡（DSGE）模型参数能够体现消费者和生产者偏好和技术的不变参数，同时，数值模拟软件的更新以及参数估计方法的改进使DSGE模型应用变得更加方便。因此，DSGE模型能够基于较好的理论基础给出经验研究的模型。

本轮国际金融危机过后，在经济政策分析中采用宏观经济模型面临着来自实际部门研究者的批评，他们抨击学术界以及相关政策研究机构的研究者过多地依赖某些特定类型的理论模型，他们甚至指责基于动态随机总体均衡（DSGE）模型的研究结果误导了他们的注意力。一些重量级经济学家对此也有评论，2010年7月，经济学家克鲁格曼指出：“在过去三十年里，大多数宏观经济学工作在好的情况下是无用的，在坏的情况下是有害的。”当然，并不是所有经济学家都赞同上述看法。2011年诺贝尔经济学奖授予宏观经济学家萨金特和西姆斯，以表彰他们对“宏观经济因果关系的实证研究”所作出的卓越贡献。于是，在一些研究者和经济学家反思宏观经济模型时，本书在应用和拓展动态随机总体均衡（DSGE）模型时尤其注重如何在现有的技术手段和情境设定下对基准模型进行扩展和引申。

标准的实际商业周期模型或者IS—LM模型一直都遵循传统的宏观经济学分析范式，即隐含地忽略了非对称信息以及代理人问题，进而得到结论，认为金融结构是非确定的并且与实体经济不相关。但是，特征化事实以及先前研究表明，忽略金融部门对实体经济的影响是不应该的。为此，伯南克等（1999）建立了新凯恩斯模型，将金融变量与企业投资纳入总体均衡框架下进行分析，在该模型中，货币政策通过金融加速机制放大冲击对实体经济产生影响。该模型能够较容易进行赋值计算，具有较强的可扩展性。该理论模型一个重要不足在于模型中的银行部门是多余的，没有分散的证券组合管理和信用扩张等。此外，在技术层面，伯南克等（1999）模型存在以下几个不足之处：（1）对数线性化取消了二阶效应；（2）模型中监督成本是常量；（3）企业家具有风险中性；（4）零售商以零成本使得中间产品产出差异化；（5）中央银行所发挥的作用是被动的；（6）生存概率为常量。

我们通过对伯南克等（1999）模型放松相关限制条件，将其作为我们深入研究的主力模型（Workhorse），注重对该理论模型的修正和拓展，同时考虑新兴市场经济体金融市场的实际情况，进行情境设定的构建应用到经常项目失衡对银行脆弱性发挥作用的理论研究。我们的理论模型主要包含三个部门，分别为代表性居民户、金融中介机构以及实体经济部门。居民户部门由连续的风险规避的劳动者组成，他们通过提供其劳动要素禀赋给实体经济部门获得要素收益，并将他们的储蓄提供给金融中介机构；金融中介机构将服从于来自居民户储蓄以及向实体部门贷款的特定冲击；而实体经济部门将从金融中介机构借款，雇用劳动者以及获取收益。所有三个部门都面临着净资产损失的外生风险。我们的模型的主要创新之处体现在金融中介机构与实体经济部门企业之间存在金融摩擦，借鉴伯南克等（1999）的研究，我们通过代理人问题进而引入金融摩擦。但是，在伯南克等（1999）模型中金融中介结构则没有面临金融摩擦，这会带来金融部门资本化不会产生显著作用的结果。值得强调的是，我们将模型中监督成本作为外部投资者贷款的函数，同时会考虑比较金融中介机构和实体经济部门对冲击所作出的反应以及评估财富在两部门转移所带来的影响。