第二节 金融经济周期研究进展

一 金融摩擦与金融加速器机制

金融经济周期理论的基本框架是在对金融加速器机制的研究中奠定的。该机制通过企业的外部融资需求将金融市场与实体经济联系起来。其核心在于由于借贷双方信息不对称的存在，信贷市场面临金融摩擦，从而企业的融资能力依赖于其市场净值。当经济遭受不利的外部冲击时，资产价格的下降会恶化企业的资产负债表、减损企业的市场净值，进而影响企业的借贷能力，导致企业投资减少，经济出现下滑。而经济形势的恶化会导致资产价格进一步下跌，从而使上述过程不断反馈加强，形成金融加速器。

对金融加速器机制的研究主要始于Bernanke 等（1981,1983,1989）的一系列工作，而“金融加速器”这一名词直到其1996年的论文才被正式引入宏观经济学研究。该论文旨在通过引入金融加速器机制解决长期困扰经济周期研究的难题，即现实经济中的大波动似乎是由小冲击导致的。该论文指出，经济受到的负向冲击会通过恶化信贷市场条件从而被放大。

在此基础上，Kiyotaki和Moore（1997），以及 Bernanke 等（1999）采用两种不同的方法引入金融摩擦，正式形成了金融加速器机制的标准框架。Kiyotaki和Moore（1997）指出，借贷双方的信息不对称导致企业在获得贷款之际面临一个抵押约束，即企业需以拥有的资产作为抵押品，信贷合约中贷款额度不能超过抵押品价值的一个比例（loan to value ratio,LTV）。Bernanke等（1999）指出，借贷双方的信息不对称导致企业在获得贷款之际面临一个外部融资溢价，反映着企业的融资成本，其与企业的资产负债表状况或净资产密切相关。可以看到，这两种金融摩擦均源于金融市场的信息不对称，并制约和影响着企业的融资能力，前者着眼于数量角度，后者着眼于价格角度。自此之后，金融经济周期理论的研究基本遵循了这两种方法引入金融摩擦，具体选取哪一种机制可能根据研究目的和研究者的偏好而有所不同。其中，抵押约束机制由于与房地产市场存在着天然的联系，被更多地用于与房地产市场相关问题的研究，推动了房地产经济学在宏观经济领域的兴起，我们将对其单独进行评述。

Bernanke等（1999）将外部融资溢价机制嵌入到一个标准的新凯恩斯DSGE模型中，揭示了其对经济波动的加速器效应。他们指出，企业在借贷时由于信息不对称会面临委托代理问题，信贷合同被设计为使代理成本（Carlstrom和Fuerst,1997）最小，而企业的净资产在其中扮演着关键的角色。当经济受到不利的外部冲击时，企业盈利能力下降，净资产遭受损失，这会导致企业的融资成本提高，贷款利率出现更高的风险溢价，而贷款的减少会进一步影响企业的投资产出活动，这一机制放大了冲击对经济波动的影响。

Christensen和Dib（2008）将外部融资溢价机制引入一个粘性价格的DSGE模型，通过对美国1979年以后的宏观数据进行拟合，考察金融加速器机制是否能改善模型的解释力。他们针对包含或不包含金融加速器的两种情形分别建模，并采用含卡尔曼滤波的极大似然方法对模型进行了估计，比较发现，包含金融加速器的模型在统计上显著改善了对现实数据的解释能力。他们认为，金融加速器机制更好地捕捉了现实数据中产出与投资的动态特征。

Queijo von Heideken（2009）在两方面扩展了上述结论，他在数据上同时对美国和欧元区进行了考察和比较，在方法上采用贝叶斯技术对模型进行了估计。研究结果表明，带有金融摩擦的模型在两个地区都得到了数据的支持。比较而言，金融摩擦在欧元区的作用要大于美国，这预示着金融市场结构在冲击的传导以及企业的决策过程中扮演着重要的角色。

国内学者对金融加速器在经济波动中的效应也进行了考察和检验。杜清源和龚六堂（2005）通过向传统的RBC模型中引入金融加速器，考察金融市场信息不对称的存在会对经济波动产生怎样的影响。模型的分析基于单一技术冲击下的数值模拟，通过比较发现，金融加速器的引入显著放大了技术冲击的作用效果，提升了模型对现实中较大经济波动的解释能力，从而也验证了金融加速器机制在传导和放大经济波动方面的重要作用。

赵振全等（2007）选取中国1990—2006年的宏观数据进行实证研究，为中国经济中金融加速器效应的存在提供了实证证据。他们基于门限向量自回归（TVAR）计量模型，重点检验了信贷市场分别处于“放松”和“紧缩”两种不同情形下宏观经济波动的非线性反应。具体而言，针对不同的外生冲击，经济波动在前一种情形下比在后一种情形下反应要弱。对中国经济增长率的历史分解表明，信贷市场在中国经济波动的产生和传导过程中扮演着重要的角色。从而，金融加速器机制对于理解中国经济波动的动态特征有着重要意义。

袁申国等（2011）以及王立勇等（2012）分别在开放经济和不同粘性条件下对金融加速器效应及其作用机制展开了研究，结果均证实了中国经济中存在着显著的金融加速器效应。梅冬州和龚六堂（2011a,2011b）将Bernanke等（1999）的模型推广到小国开放经济中，研究了新兴市场经济国家汇率制度选择、货币错配与汇率升值等问题。

此外，侯成琪和刘颖（2015）还在DSGE 模型的分析框架下，对抵押约束和外部融资溢价两种形式的金融摩擦展开了比较研究。他们选取中国2002—2014年的宏观数据，运用贝叶斯方法对两种情形下的模型分别进行了估计。结果表明，由于存在明显的信贷配给与规模控制等特点，中国的信贷市场更适宜由抵押约束机制进行刻画，而非外部融资溢价机制，表现为前者可以有效提升模型对现实数据的解释力。

二 房地产市场与宏观经济波动

在相当长的时期内，房地产市场都未曾进入主流宏观经济学家的视野，对其的研究大多被归在称为“房地产经济学”的经济学分支里（Iacoviello,2010）。在主流的宏观经济学研究中，房地产或者仅仅被当作众多消费品中的一种，或者干脆被忽视（Leung,2004）。然而，这一情况随着金融经济周期理论的出现和发展有了根本性的改变。宏观经济学家注意到，房地产市场不仅受到整体宏观经济运行的影响，其本身更可能成为造成宏观经济波动的重要推动力。一个显著的例子是，房地产以及房地产金融在美国次贷危机中扮演了核心角色（Bernanke,2008）。

Kiyotaki和Moore（1997）率先将房地产价值作为抵押品引入抵押约束机制，说明经济受到的较小冲击会通过信贷约束被放大，引起大的产出波动。他们指出，由于信贷市场的信息不对称问题，借贷只有在有抵押时才会发生。也就是说，由于无法被强制还贷，借款者必须拥有一定数量的资产作为抵押品才可能获得贷款，以防止其无法还贷。这种对抵押品的要求会通过以下机制放大经济波动：经济衰退时，资产价格下降，从而资产作为抵押品的价值下降，导致信贷约束收紧，企业不得不减少借贷，这使得投资减少，经济衰退被进一步加剧。

Aoki等（2004）在家庭部门中引入金融摩擦，假设房地产既可以作为消费品满足家庭的住房消费需求，同时又可以作为抵押品降低家庭的借贷成本。研究表明房地产的这一性质会显著地传导和放大货币政策冲击对房地产投资、房地产价格以及消费等经济变量的影响。

Iacoviello（2005）在新凯恩斯框架下引入名义债务合约和以房地产价值为抵押的信贷约束，解释房地产价格与宏观经济的波动特征。抵押约束机制在其中的表现为：在一个正向的需求冲击下，需求的增加导致房地产价格的上升，而房地产价格的上升放松了借款者的信贷约束，增加了其借贷能力，导致总需求的进一步上升。通过对模型进行估计并与现实数据进行匹配，抵押约束机制被证明较好地解释了房地产市场与宏观经济变量间的互动特征。

Iacoviello和Neri（2010）进一步选取美国1965—2006年的季度数据，运用贝叶斯方法对包含上述机制的DSGE 模型进行了估计。他们尝试对两个重要的问题进行回答。第一，驱动房地产市场波动的主要冲击是什么?方差分解结果表明，房地产需求冲击和房地产技术冲击各能解释房地产投资和房地产价格波动的1/4；货币政策冲击的解释力稍弱，但却在21世纪以来扮演着越来越重要的角色。第二，房地产市场的波动是否会传导至实体经济，产生“溢出效应”?研究表明，该溢出效应是显著的，且集中于消费而非投资。

Liu等（2013）基于2008年美国金融危机的特征事实，认为房地产价格与投资之间的互动关系是解释美国经济波动特征的主要渠道。他们将研究的重点放在对企业（而非家庭）信贷约束的关注上，强调企业融资面临以房地产价值作为抵押的信贷约束，从而导致房地产价格变动的冲击会通过影响企业的借贷能力传导并放大投资和产出波动。为了从数量上检验模型的传导机制，他们运用美国的时间序列数据对模型进行了贝叶斯估计。结果表明，通过企业的抵押约束机制，房地产需求冲击可以解释大约90%的房地产价格波动，30%—50%的投资波动以及20%—40%的产出波动。

国内学者也对房地产市场与宏观经济波动的互动关系有所关注。崔光灿（2006）在新凯恩斯模型框架下以一个简单的形式引入房地产部门，并以房地产价格为代表考察资产价格波动是如何通过金融加速器机制影响宏观经济的。研究认为，中国的房地产价格变化存在着显著的金融加速器效应，其构成中国现实经济中资产价格影响宏观经济的一个重要的渠道。房地产价格的金融加速器效应有助于解释中国投资和通胀等宏观经济变量的现实特征。

武康平和胡谍（2011）构建了一个研究房地产市场加速效应的DSGE理论模型，并根据中国的实际情况对模型参数进行了校准。他们选择单一的技术冲击考察模型的动态反应，数值模拟结果表明，房地产在中国宏观经济波动中确实会发挥加速器的作用，其对宏观经济变量的影响无论从变化幅度还是持续时间上都产生了显著的放大效果。

王云清等（2013）、侯成琪和龚六堂（2014）通过在模型中引入更多的外生冲击进一步扩展了相关研究。他们分别选取1999—2011年、2001—2010年的中国宏观数据对模型进行了贝叶斯估计，结果均显示，货币政策冲击对中国房地产市场的波动有着显著的影响。从而在政策含义上，其认为央行的货币政策应该对房地产价格进行系统性的反应。

三 金融中介与金融冲击

在美国次贷危机爆发之前，金融经济周期理论所涉及的经济主体主要包括企业、家庭和政府，而银行等金融中介往往只是隐性地存在。然而，此次危机的一个重要特征是金融部门本身就是导致经济波动的重要来源，这促使次贷危机后，金融中介开始被作为独立的经济部门引入金融经济周期理论的分析框架（周炎和陈昆亭，2014）。在DSGE模型中显性地引入金融中介主要从两个方面扩展了金融经济周期理论的研究内容：一方面，之前的研究关注借款方参与金融市场时由于金融摩擦而产生的对经济波动的放大效应，而金融中介的引入为刻画和分析来自于贷款方的金融摩擦及其对经济波动的影响提供了可能；另一方面，金融中介的引入便利了对来自金融部门的冲击的研究，使金融冲击成为解释经济波动的可能因素。

Goodfriend和McCallum（2007）在模型中引入银行部门，考察了其对货币政策的影响。他们运用美国的数据对模型进行校准，并在此基础上进行了政策模拟分析。研究表明，银行部门的引入使得模型中产生了一系列利率指标，如果中央银行不能够很好地识别不同利率间的区别，则货币政策的制定会出现偏差。模型还考察了两类金融冲击——银行技术冲击和抵押有效性冲击对货币政策有效性的影响。

Van den Heuvel（2008）在模型中对银行施加了资本充足率约束，考察银行监管造成的福利损失。他们指出，出于防范道德风险的目的，银行在现实中受到资本监管。但由于资本监管限制了银行创造流动性的能力，从而会造成福利损失。运用模型对美国数据的测算显示，现行资本充足率监管会导致相当于总消费0.1%—1%的福利损失。

Christiano等（2010）将银行部门引入到一个标准的DSGE模型中，并分别对欧元区和美国的数据进行了拟合。研究表明，金融因素是导致经济波动的决定性因素，其中来自银行部门的金融冲击可以显著地提高模型的解释力，这也为最近这次金融危机的产生和传导提供了注解。

Gertler和Kiyotaki（2010）针对2008年美国金融危机构建了一个包含金融中介和信贷市场摩擦的模型框架，并重点研究了以下两个问题：首先，从危机的传导机制看，金融中介的崩溃是如何导致实体经济出现危机的；其次，从危机的治理政策看，中央银行和财政部的一系列政策措施如何能够化解这次危机。

Gerali等（2010）在DSGE模型中引入垄断竞争的银行部门考察信贷供给因素对经济周期波动的影响。银行吸收存款，并同时向家庭和企业提供贷款，留存的收益用于资本积累，而银行的资产负债表约束将银行部门与实体经济联系起来。他们采用欧元区的数据对模型进行贝叶斯估计，结果表明，第一，银行部门会削弱货币政策冲击的效果，增强供给冲击的效果。第二，源自银行部门的金融冲击可以解释2008年经济衰退的绝大部分，而宏观冲击的解释力则十分有限。第三，未能预期到的银行资本的损失会对经济产生巨大的影响。

Meh和Moran（2010）在DSGE模型中描述了银行资本对银行所面临的代理问题的缓解作用，从而，银行的资产状况影响着其吸收资金发放贷款的能力，并通过银行资本渠道的传导影响经济周期。研究表明，银行资本渠道显著地放大和传导了技术冲击对产出、投资和通胀的影响。此外，银行资本冲击导致了产出和投资的大幅降低。

Gertler和Karadi（2011）在DSGE模型中引入面临内生资产负债表约束的金融中介，并用该模型分析了中央银行的非传统货币政策。中央银行在发放贷款上不如私人金融中介有效率，但中央银行的优势在于可以通过发行无风险的政府债券筹集资金，且不受资产负债表约束的限制。当经济陷入危机时，私人金融中介的资产负债表约束收紧，政府可以通过信贷政策向市场注入额外的流动性，从而平抑经济波动，提高社会福利水平。

Angeloni和Faia（2013）将带有风险性的银行引入宏观模型，考察货币政策的传导及其与银行资本监管间的互动关系。研究发现，扩张的货币政策和正向的技术冲击会增加银行的杠杆率和风险，而基于风险的资本监管会放大经济波动，进而造成福利损失。研究还支持了货币政策规则对资产价格或银行杠杆率进行反应。

Iacoviello（2015）在一个估计的DSGE模型中强调了银行部门和金融冲击在经济危机的产生和传导中扮演的核心角色。当银行受到违约冲击而遭受损失后，为满足资本监管，银行被迫执行去杠杆，这使得初始的违约冲击变为信贷冲击，传导至实体经济并放大经济波动。研究表明，2008年美国经济危机中产出波动的2/3可由金融冲击所解释。

Gertler和Kiyotaki（2015）在一个包含银行部门的无限期宏观模型中引入了流动性错配和银行挤兑。研究表明，虽然在正常时期银行挤兑的均衡是不存在的，但如果经济处于衰退期则这一可能是存在的。银行挤兑的出现会对金融中介和经济活动造成显著的不利影响。不仅如此，单是对银行可能出现挤兑的预期便会对经济造成伤害，哪怕挤兑并未实际发生。

其他关于金融中介和金融冲击的研究还包括 Kiley和Sim（2011）,Kollmann 等（2011）,Jermann和Quadrini（2012）,Andreasen等（2013）,Brunnermeier和Sannikov（2014）等。

国内研究方面，许伟和陈斌开（2009）通过构建一个包含银行部门的DSGE模型，刻画和考察银行信贷渠道对中国经济波动的影响。利用中国1993—2005年的数据，他们从定量的角度在多个冲击下对模型进行了数值模拟，结果与实际数据实现了较好的匹配。研究表明，信贷冲击和货币政策冲击对中国经济波动有着重要影响。

刘鹏和鄢莉莉（2012）将银行体系纳入到一个新凯恩斯的DSGE模型中，考察了在单一技术冲击下银行体系对宏观经济波动的影响。研究显示，作为金融中介的银行体系效率越高，则技术冲击对宏观经济波动的影响越小。从而，金融发展有助于平滑外部冲击对宏观经济造成的波动，进而减少社会福利损失。

鄢莉莉和王一鸣（2012）在一个包含金融中介的DSGE模型中考察了金融市场冲击对中国经济波动的影响。他们选取1992—2011年的数据对模型进行了贝叶斯估计，结果证明了金融市场冲击是中国经济波动的重要来源，并且其影响会随着金融市场的发展而增强。福利分析同样证明了金融发展对社会福利的正面作用。

周炎和陈昆亭（2012）通过构建一个包含金融中介的DSGE模型，对银行部门的优化行为进行了刻画。他们选取中国1992—2011年的数据对模型进行校准，然后利用其进行模拟实验。结果表明，该模型对实际数据有着较好的拟合效果。在对现实数据的拟合上，张伟进和方振瑞（2013）则强调了金融冲击的作用。他们选取中国1997—2012年的数据对一个包含金融冲击的DSGE模型进行贝叶斯估计，结果表明，模型能够很好地与实际数据进行匹配。

康立等（2013）建立了一个两部门的DSGE模型，并同时在模型中引入了银行部门。他们将两个部门分别设定为房地产部门和制造业部门，并利用中国四大商业银行的分行业贷款数据对模型参数进行了校准。数值模拟表明，由于商业银行同时向两个部门发放贷款，其结果导致经济波动会经由银行从一个部门传导至另一个部门。具体而言，房地产部门受到的冲击对制造业部门也会产生显著的影响。

康立和龚六堂（2014）将银行部门的上述作用进一步推广到一个小国开放经济的DSGE模型中，用于解释经济危机在国家间的传导。在这里，他们将模型中的两个部门分别设定为贸易部门和非贸易部门，并以新兴市场经济为对象校准了模型参数。数值模拟结果表明，出口冲击导致的贸易部门波动会经由银行加速传导至非贸易部门。

王国静和田国强（2014）构建了一个包括多个冲击的DSGE模型，用以量化评估金融冲击对中国经济波动的影响大小。他们选取1992—2011年的数据对模型进行贝叶斯估计，方差分解结果表明，金融冲击是中国经济波动背后最主要的驱动力。脉冲反应进一步显示，金融冲击对实体经济变量的影响不仅幅度大，而且持续性强。