金融杠杆、流动性与经济周期
【摘要】十九大召开后，降低金融杠杆率，健全金融监管体系，防范金融风险逐渐成为重中之重。本文建立“金融杠杆——流动性——经济周期”的传导途径，并定量研究相关关系。本文使用VAR方法定量研究金融杠杆至流动性的传导效应以及流动性至经济周期的传导效应，用私人部门信贷与GDP的比值以及M1与GDP的比值进行数据分析，得出金融杠杆与流动性指标之间存在正相关关系，金融杠杆是流动性变化的Granger原因，用M1和GDP进行分析得出流动性和经济周期变化之间存在正相关关系。
【关键词】金融杠杆 流动性 经济周期
0引言
2015年以来，中国经济呈现出新的发展状态，主要经济指标联动背离，经济增长率不断下降但CPI保持低位运行，居民收入增长但企业收益率下降，消费增加但投资减少等等。同时，我国货币政策不断加大力度但效果并不明显，依靠投资驱动的模式上急下徐，互联网经济发展迅速，给实体经济和传统金融业带来冲击。我国经济的结构性分化越来越显著，供需关系也出现了不可置否的结构性失衡。习近平总书记多次在会议中强调供给侧结构性改革的具体内容与最终目标，但我国去杠杆任务繁重且艰难，一直到2017年才真正显现出成效，实现了总体稳杠杆、局部去杠杆的目标。金融杠杆与宏观经济运行密不可分，而杠杆对流动性的引导效应以及杠杆的顺周期性会对我国的经济周期产生重要影响。
1文献综述
中国人民银行杠杆率研究课题组（2014）利用负债/GDP的相关数据表明我国总杠杆率低于日本、美国。朱培金（2017）认为金融加速器机制会放大现实冲击对宏观经济波动的影响，我国去杠杆政策要有一定的缓冲期，并配合稳健的财政政策与货币政策。而关于流动性，Keynes（1936）最早在《就业、利息和货币通论》中提出流动性偏好的概念，并指出流动性偏好代表了在不同利率水平下，人们对于货币的需求量。余文建、黎桂林（2010）提出两类衡量宏观流动性状况的指标：数量型指标以及价格型指标。数量型指标主要指货币供应量、银行超额存款准备金等反映经济体系中具有最高流动性等级的资产存量的指标。Burns&Mitchell（1946）具体阐述了经济周期的阶段性划分，一个经济周期的两个重要组成部分即衰退和扩张，其具体表现为宏观经济中经济指标的共同变动。GDP能够综合反映一个国家和地区的宏观经济状况，是刻划经济周期最基础的指标。刘达禹等人（2017）也利用GDP实际增长率划分改革开放以来的经济周期。
国内外学者对于三个因素之间的相关关系也有一些研究。首先是金融杠杆对流动性的影响。夏德仁（1986）提出银行等金融机构是社会资金的主要供给来源，而金融杠杆制约银行信贷规模，改变货币资金供给，达到间接控制的目的。Adrian T和Fleming M.（2005）将利率作为宏观流动性的价格型衡量指标，发现金融杠杆与利率波动相关，主要表现为融资减少会先于利率及其波动性的增长。然后是金融杠杆对宏观经济的影响。马勇、田拓等人（2016）使用GMM估计方法验证了去杠杆会对经济增长之间存在显著的负相关关系。Devlin和Mckay（2008）研究表明，金融部门去杠杆行为会导致经济下滑，妨碍宏观经济正常发展。最后是流动性对宏观经济的影响。早在上世纪60年代，Friedman和Schwartz（1963）基于1929-1933年美国经济危机中，市场恐慌，银行受到挤兑发生流动性危机从而影响宏观经济的现实，研究发现这几年中美国的实际产出有明显下降。易行健和谢识予（2003）把我国流动性趋势变动分为1978-1995年以及1996-2002年两个阶段，分别验证了流动性和经济周期之间具有很强的关联性。万志宏和曾刚（2012）认为流动性的变化是促成宏观经济周期性变动的重要因素。
已有文献大多关于金融杠杆、流动性与经济周期两两相关的关系，因此本文可能的创新点在于建立“金融杠杆——流动性——经济周期”的传导途径，研究金融杠杆对流动性的传导效应以及流动性对经济周期的传导效应。
2实证分析
本文定量研究金融杠杆对流动性的传导效应，则将两时间序列构建模型为：
本文利用1978-2017年中国宏观经济衡量指标年度数据，研究金融杠杆对流动性的引导效应。由于资金最活跃的部分是私人部门信贷，因此在本文的模型中，我国金融杠杆水平用私人部门信贷/GDP表示。考虑到不同时期中国的市场化程度不同，经济体量也有差别以及不同产业对货币形态的要求不同，所以不同经济周期使用的货币形态会有所不同，因此本文统一使用M1来对流动性进行衡量。又根据Shunsuke Bando（1998）分析，M1/GDP是分析一国金融深化的基础，反映出金融机构提供流动性的能力，因此宏观流动性用M1/GDP表示。数据来源于国家统计局、世界银行数据库和Wind数据库，数据处理和计量分析用stata软件完成。
在建立金融杠杆与宏观流动性指标之间的VAR模型之前，需要对模型中所用的变量序列进行平稳性检验。结果如表l所示。
ADF检验结果显示，宏观流动性指标和金融指标的p值都小于1%。
下面用stata建立两个变量的VAR回归模型，采用单位圆检验法验证模型的稳定性。
由图1看出，VAR模型的单位根都在单位圆中，因此可以认为已建立的VAR模型是平稳有效的。
接着确定滞后阶数，如表3所示，通过AIC、BIC准则，确定该模型阶数为一阶滞后。
方程下方标出各参数估计的t统计值，在10%的显著性水平下各系数均显著。从模型结果可以看出，金融杠杆水平与宏观流动性指标之间存在正相关关系。说明金融杠杆确实会对未来流动性产生影响。利用Granger因果检验进一步分析变量之间的关系，结果如表4所示，说明金融杠杆是流动性变动的Granger原因。
在已建立的VAR模型基础上，利用脈冲响应函数进一步分析金融杠杆与宏观流动性的关系。本文选取滞后阶数为10阶，考察金融杠杆发生变化时，宏观流动性后面10期的变化，从图2可以看出，金融杠杆对流动性有正向溢出效应，正向影响在第2阶达到最大，随后影响逐渐减小。
本文利用1978-2017年中国宏观经济衡量指标，研究流动性对我国宏观经济周期的影响。数据来源于国家统计局和Wind数据库，数据处理和计量分析用stata软件完成。由于本文所选数据较大，因此先将两个变量取对数以缩小数据。在建立流动性与宏观经济的VAR模型之前，需要对两个变量序列进行平稳性检验。结果如表5所示。
由于初始序列并不平稳，因此对变量进行一阶差分。再次进行AI）F检验结果如表6所示。
根据ADF检验结果可知，两个变量的p值均小于10%。下面用stata建立两个变量的VAR模型，采用单位圆检验法验证模型稳定性。
由图3看出，VAR模型的单位根都在单位圆中，因此可以认为已建立的VAR模型是平稳有效的。接着确定滞后阶数，由表7所示，通过AIC、BIC准则，确定该模型阶数为一阶滞后。
方程下方标出各参数估计的t统计值，在10%的显著性水平下各系数均显著。从模型结果可以看出，流动性水平与宏观经济之间存在正相关关系。说明流动性确实会对宏观经济产生影响。利用Granger因果检验进一步分析变量之间的关系，结果如表8所示，说明流动性是宏观经济周期性改变的Granger原因。
在已建立的VAR模型基础上，利用脉冲响应函数进一步分析流动性与宏观经济周期的关系。本文选取滞后阶数为20阶，考察流动性发生变化时，宏观经济后面20期的变化，从图4中可以看出，流动性对宏观经济运行有正向溢出效应，流动性扩张会引起国民总产值先增大后减小，正向影响在第2阶达到最大，随后影响逐渐减小。
3结束语
实证结果表明，金融杠杆和流动性之间存在显著正效应，而流动性和宏观经济运行状态也存在显著正效应。当我国金融杠杆率下降时，会引导未来流动性由充裕转向紧缩，进而引起宏观经济运行的衰退。反之，金融杠杆率上升，金融系统内信贷扩张，流动性充足，会带来投资、消费的增长，进而拉动经济增长。