金融周期视角下大类资产表现带来的启示

1、周期理论“太阳东升西落”，“月有阴晴圆缺”；四季交替下的春耕夏长秋收冬藏，人体内的 “生物钟”等等，小到个体大到宇宙，自然界中这些看似简单的重复，无一不蕴藏着周期神奇的力量。“日光之下无新事”，其实除了我们肉眼可见和亲身感受到的周期现象，在漫长的人类历史中，经济活动也一直在以某种周期的方式运行着。经济周期理论经济周期（Economic Cycle）也称商业周期（Business Cycle）、商业循环、景气循环，是指经济运行过程中周期性出现的扩张、收缩交替更迭，循环往复的一种现象。经济周期具体体现为由供给冲击、需求冲击或技术冲击等多种因素所造成的经济有规律性的波动。实践中通常将经济周期划分为复

2、苏（扩张）、繁荣（过热）、衰退（收缩）与萧条等四个阶段，这四个阶段的循环往复就是一个又一个周期的延续。对于经济是以周期的方式运行这一结论，得到了来自学术界和业界的一致认可，但对于这一现象背后的成因却没有统一的定论，这也是吸引一代又一代经济学家争 先恐后对此进行研究的重要原因。经济周期理论是后凯恩斯主义的主要代表性理 论，对该理论作出突出贡献的经济学家包括凯恩斯，萨缪尔森，希克斯，哈耶克， 熊彼特等。三周期嵌套理论就是由熊彼特提出，他认为经济活动中同时存在着三种不同长度的周期，分别是 50-60 年的康德拉季耶夫长周期（亦称技术创新周期）、9-10 年的朱格拉中周期（亦称投资周期）及 40 个月

3、的基钦短周期（亦称库存周期），一个长周期包括 6 个中周期和 18 个短周期，这就是熊彼特的三周期嵌套理论。金融周期理论完整的金融周期理论，始于美国经济学家费雪在 1933 年所著的大萧条的债务通缩理论。然而长期以来，在主流经济周期研究中，真正受到关注的是商业周期（Business Cycle），即实际投资、生产和消费活动扩张和收缩。及至 20 世纪七八十年代，盛极一时的实际经济周期理论（Real Business Cycle，RBC）更是将这一观点推向了顶峰。在这种背景下，金融周期理论一直未能获得真正发展的机会。直到 2008 年金融海啸导致世界经济陷入巨大危机之中，才使得金融周期思想重露峥

4、嵘。在此之后，一套完整的以金融变量为核心的周期分析框架被逐步提出，标志着当代金融周期理论的正式形成。金融周期识别金融周期状态识别是建立在金融周期度量的基础上，目前关于金融周期的度量方式主要借鉴了度量经济周期的思路。一部分采用比较简便的方法，选取单一指标度量金融周期，例如，Rey 等（2015）以波动率指数 VIX（Volatility Index）为指标度量了全球金融周期波动。然而更多的是采用构建金融状况指数（Financial Condition Index， FCI）综合多个指标信息的方式度量金融周期波动。FCI 的构建过程不但涉及指标的选取还涉及权重的确定。与指标选取类似，关于权重确定也

5、存在多种方法，其中主要的两种分别是，依据 VAR 模型的累计脉冲响应值和依据主成分分析法求得的各主成分的贡献率确定权重。在此基础上国内外采用拐点法、滤波法与马尔科夫区制转移模型等方法对金融周期进行状态识别，取得了包括金融周期较之经济周期波动持续时间更长（即频率较之经济周期低）等一系列基本共识。例如 Drehmann（2012）采用拐点与滤波分析法对信贷与资产价格指标分析发现，金融周期比传统经济周期更长，20 世纪 80 年代后金融周期波动的幅度有所增加等特点。构造金融周期指数考虑到传统经济周期和金融周期刻画方法所使用的数据更新频率多为季度（如 GDP），更新频率过低，对于观察大类资产价格甚至指

6、导大类资产配置而言时效性差，同时数据样本较少。基于此，本文从市场角度出发，而非以分析阐述宏观环境为目的，选取更新频率更高的具有代表性的金融指标，构造金融周期指数，从而考察大类资产在不同金融周期下的表现。选取金融变量金融周期涉及金融活动的各方面，为了能够准确选定描述金融周期的指标，理想状态是考虑到尽可能全面的金融变量。但实际操作中，并不是变量越多越好。首先，有很多相同类型的变量走势是几乎相同的，把这些同类型的变量都囊括进来会在统计学上 造成共线性问题，影响合成指标的效果；其次，考虑到数据可得性，我们主要选取 4 个具有代表性的金融变量。房地产价格。房地产价格是反映金融周期的一个核心指标。房地产与

7、银行信贷是通过相互促进来引起顺周期性的，由于房地产往往是银行信贷抵押品，当信用扩张时，私人部门的贷款很大部分会投资于房地产，从而引发房地产价格的上涨；而房地产定价的心理预期及羊群效应，又会加剧银行信贷的进一步扩张。我国房地产价格在过去十几年中一直保持着上行趋势，多次引起社会对“房价泡沫”的担忧，特别是一、二线城市房价在 2016 年前后快速上涨，同时伴随着信贷的大幅扩张和高杠杆，以至于“房住不炒”、“去库存”、“因城施策”成为我国重要的经济政策，房价稳定对于金融稳定的重要性可见一斑。我们用国家统计局公布的月度商品房销售额除以商品房销售面积计算出当月商品房平均销售价格，作为房地产价格的代理变量，

8、用 HOUSE 表示。货币供应量。货币供应量的状况反映了货币政策的取向宽松或紧缩，是金融活动的重要变量，能从金融机构负债的角度反映市场的整体流动状况，是央行货币账册调整的重要中间变量。广义货币供应量 M2 主要由银行信贷、外汇占款以及政府债权等创造，其与金融体系、实体经济的相关性都很强，是反映货币供应量的重要指标。目前， 信贷已成为我国 M2 增长的主要动力。我们选择广义货币供应量 M2 作为货币供应量代理变量，用 M2 表示。资本市场。资本市场与银行信贷是两个并行的融资渠道。股票市场在资本市场中占据重要地位，股票价格波动是金融指标变动的重要组成部分。有必要将资本市场的波动纳入金融周期的测算。

9、基于以上考虑，我们以股票价格作为资本市场的代表，选择上证综合指数月末值作为股票价格指标，用 SZ 表示。外汇市场。外汇市场上资金的变动，体现在汇率变动方面。在一个开放国家的资本账户中，汇率也是一种资产价格。除了贸易差额之外，资本流动对汇率的短期波动也存在着重要影响。相比人民币对美元的汇率，有效汇率能够更全面地反映我国在对外贸易中的竞争力。我们选取人民币名义有效汇率（其他变量均为名义值，因此汇率也对选取名义有效汇率，且我国的实际与名义有效汇率变动趋势基本一致）作为外汇市场方面的代表纳入金融周期的测算，用 NEER 表示。构建动态因子模型动态因子模型目前已成为宏观计量经济学研究中一个重要的工具。相

10、比经典的因子模型，动态因子模型更适用于宏观经济分析中的时间序列数据，其最初的应用就是对经济周期的测度。动态因子模型的前提假设是：经济周期的波动是一系列经济活动共同作用的结果，其中的任何一个经济变量都不能够直接代表整个系统的变动，而是由这些变量背后的一些不可观测的共同因子在驱动着，这些潜在的共同因子能够用以解释经济周期，动态因子模型就是为了找出共同因子。动态因子模型的基本含义可以描述为：一个高维的时间序列数据集的变动是由两个部分组成的，第一部分是由少数几个动态因子所表示的共同变动，第二部分是均值为零的扰动项表示的各个变量的差异化变动。其中，动态因子通常被假定服从某一随机过程，例如自回归过程。一个

11、动态因子模型可以被写作状态空间的形式：y = + (1) = 1 + (2)其中， y是包含N个金融变量的向量；是包含p个动态因子的向量；是N p维系数矩阵。式（2）表示动态因子与其滞后一期是自相关的，为相关系数矩阵。. . (0, )(3). . (0, )(4)0(0, 0)(5)利用卡尔曼滤波法可以对模型中的参数向量 = , , , , 0, 0进行极大似然估计。基于我国金融体系的实际情况以及数据的可得性，本文选取的数据样本时期为2000 年 1 月至 2021 年 12 月。为了消除量纲影响，使变量具有可比性，我们将采用上述 4 个金融变量的月度同比增长率进行后续分析。图 1：4 个金

12、融变量月度同比增长序列（单位：%）资料来源：iFinD合成金融周期指数第一步，对上述 4 个变量月度同比增长率数据进行进一步处理。对所有同比增长率序列消除季节性和趋势性，最终得到构建动态因子模型所需的各个变量的循环要素序列。图 2：商品房价格循环要素序列图 3：M2 循环要素序列资料来源：iFinD，资料来源：iFinD，图 4：上证指数循环要素序列图 5：人民币名义有效汇率循环要素序列资料来源：iFinD资料来源：iFinD第二步，对以上 4 个循环要素序列进行KMO 及Bartlett 检验。结果显示，KMO 检验值为 0.607(大于 0.5)，同时，Bartlett 检验统计量对应的

13、P 值为 0.000，说明在5%的显著性水平下，所使用的数据适合进行因子分析。表 1：循环要素序列 KMO 及 Bartlett 检验结果KMO 和 Bartlett 的 检 验取样足够度的 Kaiser-Meyer-Olkin 度量0.607Bartlett 的球形度检验近似卡方103.298df6.000Sig.0.000资料来源：iFinD第三步，利用得到的 4 个变量的循环要素序列构建包含 1 个共同因子的动态因子模型。表 2：动态因子模型估计结果变量系数标准差Z统计值P值95%置信区间L1.0.8850.02831.530.0000.8300.941D.HOUSE_TC_CYCLE0

14、.0950.0175.460.0000.0610.123D.M2_TC_CYCLE0.0880.00422.930.0000.0800.096D.NEER_TC_CYCLE-0.0550.018-3.010.003-0.091-0.019D.SZ_TC_CYCLE0.3750.1093.460.0010.1620.588资料来源：iFinD，表 2 中，L1.表示所合成的共同因子的滞后一期，对应的系数即为式（2）中的一阶自相关系数，D.HOUSE_TC_CYCLE、D.M2_TC_CYCLE、D.NEER_TC_CYCLE和 D.SZ_TC_CYCLE 分别表示房地产价格、货币供应量、名义有效

15、汇率及股票市场价格各变量的循环要素序列，对应的系数即为式（1）中的系数向量中的各个元素。根据表 2 显示的动态因子模型的估计结果，共同因子的一阶自相关系数达到0.885，说明共同因子具有很强的持续性，一定程度上反映出其具有较强的预测能力；同时，共同因子与各个变量之间的相关关系均十分显著，说明这个潜在的共同因子对每一个变量都有显著的解释与预测能力，符合我们对金融周期指数合成的要求，可用以测度金融周期。最终得到动态因子模型提取出的共同因子序列，即金融周期序列，起始时间为 2000年 2 月。由于我们所使用的是原始变量的循环要素成分，得到的金融周期已经消除了季节性和趋势性，因此，得到的序列始终在零轴

16、上下波动，反映的正是金融系统偏离均衡状态的情况，我们称之为金融周期指数。图 6：金融周期指数资料来源：iFinD在此基础上，我们利用转折点法对金融周期进行分析，研究其长度、波动幅度等特征，进而考察在金融扩张期与金融收缩期大类资产的表现。图 7：转折点法划分金融周期指数（标暗部分表示金融收缩期）资料来源：iFinD从图 6 和表 3 可以发现，中国金融呈现明显的周期性特征，从 2000 年 1 月至 2021 年 12 月，国内共经历 18 轮完整的金融“扩张-收缩”周期。其中扩张期持续时间最短为 4 个月，最长为 12个月，平均为 6.2 个月；收缩期持续时间最短为 4 个月，最长为 13 个

17、月，平均为 7.4 个月。表 3：金融扩张和收缩期大类资产表现（括号内的数字表示负值）时间段（月末）持续月数南华综合指数涨幅(%)沪深 300 指数涨幅(%)COMEX 黄金涨幅(%)10 年期国债收益率变化(BP)金融扩张期2000.10-2001.1012NaNa4.92%Na2002.04-2002.106Na-9.48%2.95%502003.02-2003.064Na0.06%-1.20%(4)2003.11-2004.034Na21.17%7.69%(2)2004.08-2004.124-0.52%-5.30%6.60%(43)2005.04-2005.0843.64%-0.48%

18、-0.28%(48)2006.09-2007.014-1.78%69.98%8.92%72007.05-2007.1057.99%44.82%19.82%432008.10-2009.04615.68%57.66%24.55%32010.03-2010.1077.34%1.03%22.30%202011.03-2012.0211-8.68%-18.28%19.17%(38)2012.10-2013.035-2.66%10.66%-7.07%(3)2013.07-2014.0510-6.42%-1.67%-5.57%352015.02-2015.086-11.80%-5.77%-6.56%(3)

19、2016.05-2016.11638.55%11.62%-3.52%(3)2017.05-2017.1059.05%14.71%0.02%282018.10-2019.035-1.26%22.78%6.14%(44)2019.09-2020.047-10.27%2.57%14.67%(60)2021.03-2021.12Na14.10%-2.14%7.10%(41)金融收缩期-2000.10NaNaNaNaNa2001.10-2002.046NaNa10.52%Na2002.10-2003.024Na-0.94%10.13%122003.06-2003.115Na-5.89%14.68%852

20、004.03-2004.085Na-23.75%-3.96%1252004.12-2005.0448.36%-6.76%-0.57%(69)2005.08-2006.091313.13%51.23%37.99%(56)2007.01-2007.0544.04%64.67%1.38%992007.10-2008.1012-30.46%-70.75%-9.49%(142)2009.04-2010.031125.20%27.55%24.54%372010.10-2011.0355.49%-4.64%5.21%232012.02-2012.108-6.57%-14.40%0.73%42013.03-2

21、013.074-7.74%-12.11%-17.03%182014.05-2015.029-9.95%65.68%-2.95%(71)2015.08-2016.0597.64%-5.85%7.13%(34)2016.11-2017.056-7.51%-1.28%8.18%662017.10-2018.10127.41%-21.29%-4.11%(38)2019.03-2019.0963.91%-1.49%14.05%72020.04-2021.031132.16%29.03%1.10%65资料来源：Wind大类资产在金融周期下的表现大类资产价格走势与经济周期和金融周期所处状态紧密相关，我们通过回顾梳理几种大类资产的价格变化，试图从历史中窥探资产价格与金融周期的关系。股债在金融周期下的表现股票而言，金融扩张期涨多跌少，金融收缩期涨少跌多。我们以沪深 300 指数为例，分别统计其在金融扩张期和收缩期的表现，发现在金融扩张期上涨时间段占比超过六成，累计上涨幅度达到213.95；在金融收缩期下跌时间段占比超过七成，累计上涨幅度为 69.01。由此可见，股票无论是在上涨时间，还是