我國(guó)經(jīng)濟(jì)波動(dòng)預(yù)警:基于國(guó)際金融危機(jī)的研究

文章編號(hào)：1001-148X（2014）05-0015-06

摘要：本文通過(guò)計(jì)算滾動(dòng)相關(guān)系數(shù)考察我國(guó)不同機(jī)構(gòu)所使用的先行指標(biāo)的領(lǐng)先特征，計(jì)算結(jié)果表明隨著時(shí)間的推移，先行指標(biāo)的先行特征出現(xiàn)了顯著變化；從中選擇出近期領(lǐng)先性顯著且領(lǐng)先期穩(wěn)定的幾個(gè)先行指標(biāo)，利用動(dòng)態(tài)因子模型計(jì)算出先行景氣指數(shù)，發(fā)現(xiàn)所得到的先行景氣指數(shù)具有較強(qiáng)的經(jīng)濟(jì)預(yù)警功能；基于先行景氣指數(shù)構(gòu)建的模型的預(yù)測(cè)結(jié)果，表明先行指數(shù)對(duì)我國(guó)短期內(nèi)的經(jīng)濟(jì)景氣預(yù)測(cè)是比較可靠的。因此，應(yīng)該不斷改進(jìn)先行指標(biāo)的選擇方法，選擇出先行特征更優(yōu)的先行指標(biāo)，并合成先行指數(shù)，從而更好地發(fā)揮出先行指數(shù)的預(yù)警功能，保證我國(guó)經(jīng)濟(jì)平穩(wěn)健康地發(fā)展。

關(guān)鍵詞：先行指數(shù)；經(jīng)濟(jì)周期波動(dòng)；動(dòng)態(tài)因子模型

中圖分類(lèi)號(hào)：F224；C813文獻(xiàn)標(biāo)識(shí)碼：A

收稿日期：2013-12-05

作者簡(jiǎn)介：王金明（1975-），男，吉林遼源人，吉林大學(xué)數(shù)量經(jīng)濟(jì)研究中心副教授，經(jīng)濟(jì)學(xué)博士，研究方向：經(jīng)濟(jì)周期波動(dòng)監(jiān)測(cè)與預(yù)警。

基金項(xiàng)目：中國(guó)博士后科學(xué)基金特別資助項(xiàng)目，項(xiàng)目編號(hào)： 2013T60310；教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目，項(xiàng)目編號(hào)：12YJC790184；教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目，項(xiàng)目編號(hào)：13JJD790011。當(dāng)代景氣分析理論認(rèn)為經(jīng)濟(jì)波動(dòng)是通過(guò)一系列經(jīng)濟(jì)活動(dòng)的傳遞和擴(kuò)散，按照各個(gè)經(jīng)濟(jì)指標(biāo)與宏觀經(jīng)濟(jì)整體波動(dòng)的時(shí)差關(guān)系，可以將經(jīng)濟(jì)指標(biāo)分為先行、一致和滯后變量組，并通過(guò)合適的方法將多個(gè)變量合成景氣指數(shù)，以刻畫(huà)經(jīng)濟(jì)波動(dòng)的特征。美國(guó)全國(guó)經(jīng)濟(jì)研究局（NBER）在20世紀(jì)60年代末開(kāi)發(fā)了先行、一致和滯后合成指數(shù)，其中一致合成指數(shù)（Coincident Composite Index）由多個(gè)反映當(dāng)前經(jīng)濟(jì)運(yùn)行的一致指標(biāo)計(jì)算得到。我國(guó)于20世紀(jì)80年代開(kāi)始對(duì)經(jīng)濟(jì)景氣問(wèn)題進(jìn)行研究，中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)中心、國(guó)家信息中心等國(guó)家機(jī)構(gòu)已經(jīng)在逐月發(fā)布其計(jì)算的景氣指數(shù)結(jié)果。但是，在國(guó)際金融危機(jī)的沖擊下，很多經(jīng)濟(jì)變量之間的關(guān)聯(lián)已經(jīng)發(fā)生了改變，本文試圖在先行指標(biāo)的選取方法上進(jìn)行探討。

一、先行指標(biāo)的時(shí)變領(lǐng)先特征和指標(biāo)選取

先行指標(biāo)（Leading Indicator,以下簡(jiǎn)寫(xiě)為L(zhǎng)I）領(lǐng)先于經(jīng)濟(jì)景氣波動(dòng)，如果指標(biāo)選取得當(dāng)，通過(guò)觀察先行指標(biāo)的變動(dòng)可以提前判斷宏觀經(jīng)濟(jì)波動(dòng)的方向，從而提前采取相機(jī)抉擇的經(jīng)濟(jì)政策，預(yù)留出政策發(fā)揮效應(yīng)的時(shí)間，以便經(jīng)濟(jì)政策能夠起到熨平經(jīng)濟(jì)波動(dòng)的作用，保證國(guó)民經(jīng)濟(jì)平穩(wěn)運(yùn)行。

通常先行指標(biāo)是根據(jù)經(jīng)濟(jì)指標(biāo)與基準(zhǔn)指標(biāo)（Reference Index, 以下簡(jiǎn)稱(chēng)為RI）的關(guān)聯(lián)性來(lái)選取，如通過(guò)計(jì)算樣本區(qū)間中備選指標(biāo)的各階滯后與基準(zhǔn)指標(biāo)的時(shí)差相關(guān)系數(shù)、Kullback-Leibler信息量等方法進(jìn)行選擇。但是，我國(guó)進(jìn)行景氣研究的各個(gè)部門(mén)和不同學(xué)者采用的經(jīng)濟(jì)指標(biāo)并不相同，表1中列出了中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)中心、國(guó)家信息中心和中科院預(yù)測(cè)科學(xué)研究中心選擇的先行指標(biāo)。表1 不同機(jī)構(gòu)所使用的先行指標(biāo)體系中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)中心國(guó)家信息中心中經(jīng)指數(shù)中國(guó)科學(xué)院預(yù)測(cè)科學(xué)研究中心1.貨幣供應(yīng)量(M2)1.貨幣供應(yīng)量(M2)1.工業(yè)產(chǎn)品銷(xiāo)售率2.工業(yè)產(chǎn)品產(chǎn)銷(xiāo)率2.商品房本年施工面積2.粗鋼產(chǎn)量3.新開(kāi)工項(xiàng)目3.固定資產(chǎn)投資本年施工項(xiàng)目計(jì)劃投資額3.國(guó)家財(cái)政支出（不含債務(wù)還本）4.消費(fèi)者預(yù)期指數(shù)4.美國(guó)ECRI領(lǐng)先指數(shù)同比增速4.生產(chǎn)資料價(jià)格總指數(shù)（逆轉(zhuǎn)）5.房地產(chǎn)開(kāi)發(fā)投資領(lǐng)先指數(shù)*5.上交所A股成交額5.沿海主要港口貨物吞吐量6.物流指數(shù)*6.長(zhǎng)短期債券平均到期收益率之差*7.利率差*8.恒生中國(guó)內(nèi)地流通指數(shù)*數(shù)據(jù)來(lái)源：《中國(guó)宏觀經(jīng)濟(jì)景氣監(jiān)測(cè)指數(shù)體系研究》；中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)中心網(wǎng)站：http://cemac.org.cn；國(guó)家信息中心中經(jīng)網(wǎng)網(wǎng)站：http://www.cei.gov.cn。表中標(biāo)注*的變量沒(méi)有公開(kāi)發(fā)布數(shù)據(jù)，本文不予考察。

總第445期王金明：我國(guó)經(jīng)濟(jì)波動(dòng)預(yù)警：基于國(guó)際金融危機(jī)的研究????商 業(yè) 研 究2014/05各個(gè)機(jī)構(gòu)所選指標(biāo)存在差異的原因之一是所考察的樣本區(qū)間不相同，而經(jīng)濟(jì)指標(biāo)之間的相關(guān)性隨著時(shí)間推移是不斷變化的，對(duì)于處在結(jié)構(gòu)調(diào)整時(shí)期的我國(guó)經(jīng)濟(jì)而言更是如此。本文將考察備選指標(biāo)隨時(shí)間的推移，在滾動(dòng)區(qū)間上與基準(zhǔn)指標(biāo)相關(guān)關(guān)系的動(dòng)態(tài)變化，備選指標(biāo)如果在滾動(dòng)區(qū)間中表現(xiàn)出顯著、持續(xù)、穩(wěn)定的領(lǐng)先性，則這樣的指標(biāo)作為先行指標(biāo)是最優(yōu)的，據(jù)此計(jì)算的先行指數(shù)對(duì)經(jīng)濟(jì)景氣動(dòng)向預(yù)先發(fā)出的警報(bào)就更加可信。

（一）滾動(dòng)時(shí)差相關(guān)系數(shù)

在樣本區(qū)間{1,…,T}上給定滾動(dòng)時(shí)窗長(zhǎng)度n，在t時(shí)刻（t從n到T變化）的滾動(dòng)相關(guān)系數(shù)定義為從t-n+1時(shí)刻到t時(shí)刻包含n個(gè)樣本的區(qū)間上的相關(guān)系數(shù)，即：

rt=∑ti=t－n+1(RIi－RIt)(LIi－LIt)∑ti=t－n+1(RIi－RIt)2?∑ti=t－n+1(LIi－LIt)2（1）

其中，RIt=1n∑ti=t－n+1RIi,LIt=1n∑ti=t－n+1LIi,t=n,n+1,…,T

式（1）計(jì)算的滾動(dòng)相關(guān)系數(shù)反映的是同期相關(guān)系數(shù)的時(shí)變性，由于先行指數(shù)是領(lǐng)先于經(jīng)濟(jì)景氣的，考慮到這一特點(diǎn)，將式（1）修改為：

rjt=∑ti=t－n+1(RIi－1n∑ti=t－n+1RIi)(LIi－j－1n∑ti=t－n+1LIi－j)∑ti=t－n+1(RIi－1n∑ti=t－n+1RIi)2?∑ti=t－n+1(LIi－j－1n∑ti=t－n+1LIi－j)2（2）

在式（2）中，rjt是每個(gè)樣本區(qū)間中基準(zhǔn)指標(biāo)與先行指標(biāo)滯后j期的時(shí)差相關(guān)系數(shù)，本文計(jì)算到滯后12期的時(shí)差相關(guān)系數(shù)，其中絕對(duì)值最大者記為rj*t，j*是對(duì)應(yīng)的最優(yōu)滯后階數(shù)。

（二）經(jīng)濟(jì)指標(biāo)先行特征的時(shí)變性

通過(guò)計(jì)算表1中部分先行指標(biāo)與工業(yè)增加值增速①之間的關(guān)聯(lián)，目的在于考察先行指標(biāo)的時(shí)變領(lǐng)先特征。本文采用數(shù)據(jù)的樣本區(qū)間為2000年1月至2013年10月，數(shù)據(jù)來(lái)自于中經(jīng)網(wǎng)月度統(tǒng)計(jì)數(shù)據(jù)庫(kù)。為了細(xì)致刻畫(huà)先行特征隨時(shí)間的變化，將滾動(dòng)時(shí)窗n設(shè)定為盡可能小的數(shù)值，根據(jù)經(jīng)濟(jì)周期理論對(duì)于周期長(zhǎng)度的認(rèn)識(shí)，基欽周期被視為最短的經(jīng)濟(jì)周期類(lèi)型，其平均長(zhǎng)度為40個(gè)月左右。因此，設(shè)定滾動(dòng)時(shí)窗n為40。例如，隨滾動(dòng)區(qū)間的推移，貨幣供應(yīng)量(M2)增速與工業(yè)增加值增速最大時(shí)差相關(guān)系數(shù)rj*t序列和相應(yīng)的最優(yōu)滯后階數(shù)j*t序列計(jì)算結(jié)果如圖1和圖2所示（時(shí)間軸的刻度代表滾動(dòng)區(qū)間的終止時(shí)點(diǎn)）。

國(guó)際金融危機(jī)以來(lái)相關(guān)系數(shù)有所下降，通過(guò)圖1發(fā)現(xiàn)M2增速與工業(yè)增加值增速的相關(guān)性在滾動(dòng)區(qū)間中持續(xù)為正。但近期逐漸增加至0.8以上，相關(guān)性很強(qiáng)。圖2表明貨幣供給的最優(yōu)領(lǐng)先時(shí)期經(jīng)歷了顯著的變化，主要體現(xiàn)為先行期逐漸拉長(zhǎng)。在景氣分析中，與基準(zhǔn)指標(biāo)波動(dòng)較為同步的指標(biāo)被看做一致指標(biāo)，貨幣供給以往先行期較短，故一直被視為一致指標(biāo)，但近些年貨幣供給表現(xiàn)出領(lǐng)先于工業(yè)增加值的先行特征。然而這種變化說(shuō)明國(guó)際金融危機(jī)前我國(guó)的經(jīng)濟(jì)波動(dòng)并非貨幣驅(qū)動(dòng)，房地產(chǎn)投資過(guò)熱、汽車(chē)消費(fèi)增加和出口擴(kuò)張等需求沖擊拉動(dòng)經(jīng)濟(jì)高速增長(zhǎng)；經(jīng)濟(jì)過(guò)熱也伴隨著虛擬經(jīng)濟(jì)膨脹，貨幣供給出現(xiàn)了與實(shí)體經(jīng)濟(jì)的同步波動(dòng)。國(guó)際金融危機(jī)以來(lái)，我國(guó)與其他國(guó)家都采取了擴(kuò)張性貨幣政策，拉動(dòng)實(shí)體經(jīng)濟(jì)復(fù)蘇。因此，這階段表現(xiàn)出貨幣供給的先行性特征。圖1滾動(dòng)最大交叉相關(guān)系數(shù) rj*t（n=40）圖2最優(yōu)滯后階數(shù)j*t序列（n=40）

表2 入選先行指標(biāo)的領(lǐng)先特征（樣本區(qū)間：2009年1月至2013年10月）指標(biāo)名稱(chēng)時(shí)差相關(guān)系數(shù)的均值

（標(biāo)準(zhǔn)差）先行期的均值

（標(biāo)準(zhǔn)差）先行期的眾數(shù)

及占比L1:貨幣供應(yīng)量(M2)0.70（0.16）6.12（1.88）6（20/58）L2:固定資產(chǎn)投資本年施工項(xiàng)目計(jì)劃投資額0.61（0.31）7.10（2.82）7（18/58）L3:新開(kāi)工項(xiàng)目0.37（0.18）7.07（2.47）6（18/58）

表3先行指標(biāo)的ADF檢驗(yàn)指標(biāo)檢驗(yàn)方程設(shè)定截距趨勢(shì)滯后階數(shù)ADF 檢驗(yàn)統(tǒng)計(jì)量臨界值（1% 水平） L1無(wú)無(wú)5-5.02-2.59ΔL2無(wú)無(wú)3-3.49-2.59ΔL3無(wú)無(wú)3-3.92-2.59注：滯后階數(shù)結(jié)合Schwarz信息準(zhǔn)則和檢驗(yàn)方程中滯后項(xiàng)的系數(shù)顯著性綜合確定。

（三）先行指標(biāo)的選取

相關(guān)系數(shù)反映的是一段時(shí)期中經(jīng)濟(jì)指標(biāo)與基準(zhǔn)指標(biāo)的相關(guān)程度，如果能找到隨著時(shí)間推移一直保持較好先行特征的指標(biāo)是最理想的。然而對(duì)于表1中的部分指標(biāo)逐一計(jì)算rj*t序列，并記錄下j*t，結(jié)果發(fā)現(xiàn)與貨幣供應(yīng)量(M2)增速類(lèi)似，這些指標(biāo)都沒(méi)有表現(xiàn)出持續(xù)、穩(wěn)定的先行性特征，幾乎所有的指標(biāo)都以國(guó)際金融危機(jī)為轉(zhuǎn)折點(diǎn)，相關(guān)性出現(xiàn)顯著變化。所以，國(guó)際金融危機(jī)前后我國(guó)經(jīng)濟(jì)變量之間的關(guān)聯(lián)性發(fā)生了顯著的變化，這樣的事實(shí)提醒人們基于較長(zhǎng)的樣本區(qū)間考察經(jīng)濟(jì)指標(biāo)的相關(guān)性，進(jìn)而選擇先行指標(biāo)的做法是不合適的。因?yàn)槿绻麡颖酒陂g較長(zhǎng)，有可能會(huì)出現(xiàn)這樣的情形：與基準(zhǔn)指標(biāo)的時(shí)差相關(guān)系數(shù)在整個(gè)樣本區(qū)間中較大的指標(biāo)入選指標(biāo)體系，但可能近期的相關(guān)性已經(jīng)很??；有些指標(biāo)在近期與基準(zhǔn)指標(biāo)相關(guān)性很高，但卻由于在較長(zhǎng)時(shí)期中沒(méi)有表現(xiàn)出與基準(zhǔn)指標(biāo)的高相關(guān)性而沒(méi)有入選，這樣選擇的先行指標(biāo)對(duì)于當(dāng)前經(jīng)濟(jì)波動(dòng)方向的判斷就很可能出現(xiàn)較大的偏差。因此，本文著重考察在近期中先行指標(biāo)與基準(zhǔn)指標(biāo)相關(guān)關(guān)系的動(dòng)態(tài)變化。

通過(guò)觀察備選指標(biāo)與基準(zhǔn)指標(biāo)的時(shí)變相關(guān)系數(shù)圖，發(fā)現(xiàn)在2009年以后多數(shù)的相關(guān)系數(shù)圖趨于穩(wěn)定。本文考察2009年1月至2013年10月的樣本區(qū)間，對(duì)于先行指標(biāo)的選擇主要考察以下幾個(gè)方面：(1)計(jì)算rj*t序列的平均值和標(biāo)準(zhǔn)差，剔除相關(guān)系數(shù)小或相關(guān)系數(shù)波動(dòng)過(guò)大的指標(biāo)；(2)考慮先行期序列j*t的平均值及其標(biāo)準(zhǔn)差，剔除先行期過(guò)短（應(yīng)大于3）或者先行期序列波動(dòng)過(guò)大者；(3)結(jié)合先行期序列j*t的眾數(shù)及其占比，并對(duì)比先行期均值與眾數(shù)的大小是否接近，進(jìn)一步考察領(lǐng)先特征的穩(wěn)定性，最終確定的先行指標(biāo)列在表2中。

例如貨幣供應(yīng)量（M2）的時(shí)差相關(guān)系數(shù)均值為07、標(biāo)準(zhǔn)差為016；先行期的均值是612，與眾數(shù)6相近，且在58個(gè)滾動(dòng)樣本區(qū)間中出現(xiàn)了20次，可以認(rèn)為貨幣供應(yīng)量M2顯著領(lǐng)先于基準(zhǔn)指標(biāo)6個(gè)月，且先行期比較穩(wěn)定。表1中的其他指標(biāo)沒(méi)有入選的原因不盡相同，如粗鋼產(chǎn)量、沿海主要港口貨物吞吐量、ECRI領(lǐng)先指數(shù)同比增速、國(guó)家財(cái)政支出等先行期都在3以?xún)?nèi)，并不能作為先行指標(biāo)；其他指標(biāo)由于相關(guān)系數(shù)小、相關(guān)系數(shù)或先行期波動(dòng)過(guò)大等原因而予以剔除。入選的三個(gè)指標(biāo)相關(guān)系數(shù)都顯著非0，且平均先行期與眾數(shù)相近，領(lǐng)先于基準(zhǔn)指標(biāo)的時(shí)期為6至7個(gè)月。

三、基于動(dòng)態(tài)因子模型構(gòu)建先行指數(shù)

（一）模型形式和數(shù)據(jù)處理

因子分析方法可以獲得一組經(jīng)濟(jì)指標(biāo)的共同波動(dòng)成份，Stock和Watson(1989)考慮了共同成分和剩余的特殊成分存在自相關(guān)性特征，通過(guò)動(dòng)態(tài)因子模型計(jì)算共同成分，動(dòng)態(tài)因子模型的形式為：

Δyit=γi(L)Δct+uiti=1,2,…,m（3）

φ(L)Δct=εt（4）

ψi(L)uit=υit（5）

其中m為經(jīng)濟(jì)指標(biāo)的個(gè)數(shù)，γi(L)、φ(L)、ψi(L)分別為pi,q,ri階滯后算子多項(xiàng)式。模型中式（3）是因子分析模型的形式，Δyit代表第i個(gè)先行經(jīng)濟(jì)指標(biāo)Yit的差分減去均值序列，它由共同成分的差分Δct的當(dāng)期和滯后期的線性組合與特殊成分uit構(gòu)成，這里的ct就是反映先行指標(biāo)共同成分的先行指數(shù)。式（4）和式（5）分別刻畫(huà)了共同成分和特殊成分的自相關(guān)特征，εt和υit彼此獨(dú)立且服從正態(tài)分布。式(3)-(5)構(gòu)成的模型經(jīng)過(guò)適當(dāng)?shù)囟x，可以表示成狀態(tài)空間形式，并利用Kalman濾波通過(guò)可觀測(cè)變量yit估計(jì)狀態(tài)變量ct。由于動(dòng)態(tài)因子模型要求指標(biāo)是平穩(wěn)的，對(duì)本文選擇的指標(biāo)進(jìn)行差分并標(biāo)準(zhǔn)化，ADF檢驗(yàn)表明各個(gè)序列都是平穩(wěn)的。

（二）模型估計(jì)結(jié)果

反復(fù)試驗(yàn)各個(gè)滯后階數(shù)，本文的動(dòng)態(tài)因子模型采用的滯后算子形式分別為：

φ(L)=1－φ1L－φ2L2，ψi(L)=1－ψi1L－ψi2L2，γ1(L)=γ11，γi(L)=γi2L, i=2,3。

參數(shù)估計(jì)值和對(duì)應(yīng)的標(biāo)準(zhǔn)誤列于表4，先行指標(biāo)的共同成分ct如圖3所示（數(shù)據(jù)經(jīng)過(guò)標(biāo)準(zhǔn)化處理，并調(diào)整均值使得2009年1月等于100）。估計(jì)結(jié)果說(shuō)明所選擇的三個(gè)先行指標(biāo)具有共同成份，合成了先行指數(shù)。

國(guó)際金融危機(jī)以來(lái)，人們擔(dān)心經(jīng)濟(jì)增速過(guò)度下滑、擔(dān)心出現(xiàn)通貨緊縮，國(guó)家出臺(tái)了擴(kuò)張性經(jīng)濟(jì)政策，貨幣供給增速增加，新開(kāi)工項(xiàng)目和施工計(jì)劃投資額上升等。圖3表明這些先行指標(biāo)的增加在其共同成分即先行指數(shù)的運(yùn)行軌跡中也表現(xiàn)出來(lái)，2009年先行指數(shù)一直表現(xiàn)為較高的數(shù)值，預(yù)示著經(jīng)濟(jì)景氣的擴(kuò)張。2010年我國(guó)經(jīng)濟(jì)高速增長(zhǎng)，GDP增長(zhǎng)超過(guò)10%。但是，隨之而來(lái)的是通貨膨脹預(yù)期的上升和資產(chǎn)市場(chǎng)泡沫的加劇，這表明如此快速的增長(zhǎng)，經(jīng)濟(jì)資源是難以支撐的。

表4模型參數(shù)估計(jì)結(jié)果參數(shù)估計(jì)值標(biāo)準(zhǔn)誤φ11.860.03φ2-0.960.03γ110.200.09ψ111.830.08ψ12-0.910.08γ220.320.04ψ211.500.04ψ22-0.970.04γ320.140.09ψ311.700.09ψ32-0.810.09對(duì)數(shù)似然值 105.94

從2009年末開(kāi)始，貨幣政策開(kāi)始轉(zhuǎn)向，央行密集出臺(tái)緊縮貨幣政策來(lái)抑制通脹。從2010年1月至2011年8月，央行共12次提高法定存款準(zhǔn)備金率，新開(kāi)工項(xiàng)目在2010年出現(xiàn)絕對(duì)水平的下降，先行指數(shù)反映出了這些先行指標(biāo)的迅速下降。由于通貨膨脹持續(xù)上升，各項(xiàng)經(jīng)濟(jì)政策一直偏緊，先行指數(shù)持續(xù)在低位徘徊，預(yù)示著我國(guó)經(jīng)濟(jì)景氣的大幅下滑，2012年GDP增速降至77%。隨著我國(guó)通貨膨脹下降，為了拉動(dòng)經(jīng)濟(jì)增長(zhǎng)，經(jīng)濟(jì)政策開(kāi)始逐漸寬松，各項(xiàng)先行指標(biāo)從而先行指數(shù)在近期都出現(xiàn)小幅回升，預(yù)示著經(jīng)濟(jì)景氣也很可能在未來(lái)保持平穩(wěn)中輕微上升的局面。

圖3利用動(dòng)態(tài)因子模型計(jì)算出的先行指數(shù)ct

（三）先行指數(shù)預(yù)警功能分析

為了說(shuō)明先行指數(shù)預(yù)警功能，將先行指數(shù)轉(zhuǎn)化為季度數(shù)據(jù)，分析其與我國(guó)季度GDP增速序列的相關(guān)性。先行指數(shù)在本文考察的樣本區(qū)間中領(lǐng)先GDP四個(gè)季度時(shí)相關(guān)系數(shù)為063，如果按照基欽短周期的樣本長(zhǎng)度考察滾動(dòng)區(qū)間中的情形，發(fā)現(xiàn)先行指數(shù)最優(yōu)先行期為3個(gè)季度。我國(guó)GDP增速在2010年1季度達(dá)到周期峰值，然后持續(xù)下降，2012年開(kāi)始進(jìn)入平穩(wěn)波動(dòng)狀態(tài)；先行指數(shù)在2009年3季度提前達(dá)到峰值、2011年后停止下滑并平穩(wěn)運(yùn)行至今，均領(lǐng)先于GDP序列。因此，通過(guò)本文的指標(biāo)選擇方法計(jì)算出來(lái)的先行指數(shù)具有預(yù)警指示器的特性，而且具有較為穩(wěn)定的領(lǐng)先特征。

由于先行指標(biāo)對(duì)未來(lái)經(jīng)濟(jì)波動(dòng)走勢(shì)具有預(yù)報(bào)作用，Camba-Mendez等(2001)提出了自動(dòng)先行指標(biāo)(Automatic Leading Indicators, ALI)模型，從先行指標(biāo)組中提取共同因子對(duì)歐洲國(guó)家的GDP進(jìn)行預(yù)測(cè)，Banerjee和Marcellino（2006）選擇了最優(yōu)的先行指標(biāo)并用各個(gè)因素的組合預(yù)測(cè)美國(guó)的產(chǎn)出增長(zhǎng)。Qin等（2008）發(fā)現(xiàn)ALI模型在短期預(yù)測(cè)方面優(yōu)于其他模型，而在長(zhǎng)期預(yù)測(cè)方面沒(méi)有顯現(xiàn)出優(yōu)勢(shì)。借鑒ALI模型的思想，本文用先行指數(shù)作為解釋變量，構(gòu)建模型對(duì)GDP進(jìn)行短期預(yù)測(cè)（模型形式略去，備索）。經(jīng)檢驗(yàn)系數(shù)顯著非0，回歸模型的殘差序列無(wú)序列相關(guān)和異方差性且平穩(wěn)，基于模型預(yù)測(cè)GDP增速將穩(wěn)中有升（圖4陰影區(qū)域虛線）。

圖4GDP增速（實(shí)線）與基于先行指數(shù)

的預(yù)測(cè)值（虛線）四、結(jié)論

先行指數(shù)領(lǐng)先于經(jīng)濟(jì)景氣波動(dòng)，通過(guò)觀察先行指數(shù)的變動(dòng)可以提前判斷經(jīng)濟(jì)景氣未來(lái)走勢(shì)。但是，先行指數(shù)的預(yù)警功能取決于先行指標(biāo)的領(lǐng)先特征。由于我國(guó)經(jīng)濟(jì)結(jié)構(gòu)不斷變化，尤其是受?chē)?guó)際金融危機(jī)的沖擊，經(jīng)濟(jì)變量之間的關(guān)聯(lián)出現(xiàn)了動(dòng)態(tài)變化?；跐L動(dòng)時(shí)差相關(guān)系數(shù)方法，本文考察了不同機(jī)構(gòu)所選擇的先行指標(biāo)隨時(shí)間推移，在滾動(dòng)區(qū)間上與基準(zhǔn)指標(biāo)相關(guān)關(guān)系的動(dòng)態(tài)變化，基于對(duì)每個(gè)指標(biāo)特性的細(xì)致考察，結(jié)合滾動(dòng)相關(guān)系數(shù)數(shù)值及其穩(wěn)定性、最優(yōu)滯后階數(shù)及穩(wěn)定性等信息，選擇了貨幣供應(yīng)量(M2)、新開(kāi)工項(xiàng)目和固定資產(chǎn)投資本年施工項(xiàng)目計(jì)劃投資作為先行指標(biāo)，并利用動(dòng)態(tài)因子模型計(jì)算出其共同成分作為先行指數(shù)，通過(guò)與GDP增速的直觀比較和滾動(dòng)相關(guān)系數(shù)的計(jì)算，發(fā)現(xiàn)這些指標(biāo)所合成的指數(shù)具有穩(wěn)定的預(yù)警功能。但是，由于僅僅基于我國(guó)幾個(gè)發(fā)布先行指數(shù)的主要機(jī)構(gòu)采用的先行指標(biāo)進(jìn)行研究，本文最終只選擇了三個(gè)先行指標(biāo)。由于宏觀經(jīng)濟(jì)層面眾多，經(jīng)濟(jì)指標(biāo)數(shù)量龐大，通過(guò)本文的方法細(xì)致篩選先行性穩(wěn)定的指標(biāo)需要做大量工作。本文旨在提供一種改進(jìn)方法，供相關(guān)機(jī)構(gòu)參考，以增強(qiáng)經(jīng)濟(jì)政策的前瞻性，保證我國(guó)經(jīng)濟(jì)平穩(wěn)健康地發(fā)展。

注釋?zhuān)?/p>

①在我國(guó)景氣分析研究中通常使用工業(yè)增加值作為基準(zhǔn)指標(biāo)。由于我國(guó)大多數(shù)經(jīng)濟(jì)指標(biāo)在絕對(duì)量上是增長(zhǎng)的，只是增長(zhǎng)速度波動(dòng)較大。因此，我國(guó)大多數(shù)研究部門(mén)和政府機(jī)構(gòu)都研究增長(zhǎng)率周期波動(dòng)。本文中指標(biāo)均為同比增長(zhǎng)率序列，并且經(jīng)過(guò)X12程序剔除了季節(jié)性因素和不規(guī)則因素的影響。

參考文獻(xiàn)：

［1］畢大川，劉樹(shù)成．經(jīng)濟(jì)周期與預(yù)警系統(tǒng)（第1版）［M］．北京：科學(xué)出版社，1990．

［2］陳磊，李穎，邵明振．經(jīng)濟(jì)周期態(tài)勢(shì)與通貨膨脹成因分析［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011(8)：147－161.

［3］董文泉．經(jīng)濟(jì)周期波動(dòng)的分析與預(yù)測(cè)方法（第1版）［M］．長(zhǎng)春：吉林大學(xué)出版社，1998．

［4］董文泉．我國(guó)經(jīng)濟(jì)循環(huán)的測(cè)定、分析和預(yù)測(cè)——經(jīng)濟(jì)循環(huán)的存在和測(cè)定［J］．吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，1987(3):1-8.

［5］郭國(guó)峰，鄭召鋒．中國(guó)宏觀經(jīng)濟(jì)先行指數(shù)和一致指數(shù)應(yīng)用效果檢驗(yàn)與改進(jìn)［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010(10)：131-144.

［6］鄭京平．中國(guó)宏觀經(jīng)濟(jì)景氣監(jiān)測(cè)指數(shù)體系研究（第1版）［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2013．

［7］朱軍，王長(zhǎng)勝．經(jīng)濟(jì)景氣分析預(yù)警系統(tǒng)的理論方法（第1版）［M］．北京：中國(guó)計(jì)劃出版社，1993．

［8］Banerjee A., Marcellino M., Are There Any Reliable Leading Indicators for US Inflation and GDP Growth?［J］．International Journal of Forecasting, 2006(1):137-151.

［9］Burns, A. F. and W. C. Mitchell. Measuring Business Cycles［M］．New York:NBER, 1946.

［10］Camba-Mendez, G., Kapetanios, G., Smith, R.J. and Weale, M.R. An Automatic Leading Indicator of Economic Activity:Forecasting GDP Growth for European Countries［J］．Econometrics Journal, 2001(1):S56-S90.

［11］Diebold, F. X., G. D. Rudebusch., Measuring Business Cycles:A Modern Perspective［J］．Review of Economics and Statistics, 1996(1):67-77.

［12］Jinming Wang, Tiemei Gao, Robert McNown., Measuring Chinese Business Cycles with Dynamic Factor Models［J］．Journal of Asian Economics, 2009(2):89-97.

［13］Qin, D., Cagas, M. A., Ducanes G., Magtibay-Ramos, N. and Quising, P. Automatic Leading Indicators Versus Macroeconometric Structural Models:A Comparison of Inflation and GDP Growth Forecasting［J］．International Journal of Forecasting, 2008(3):399-413.

［14］Stock, J. H., M. W. Watson., New Indexes of Coincident and Leading Economic Indicators［A］, In:NBER Macroeconomics Annual［M］．ed. Blanchard, O. and S. Fischer. Cambridge:MIT Press, 1989：351-394.

Early Warning of the Business Cycles based on the International Financial Crisis

WANG Jin-ming

(Center for Quantitative Economics of Jilin University, Changchun 130012, China)

Abstract：This paper tries to study the leading property of the leading indicators chosen by different departments based on rolling correlation coefficient,finding that the leading property of the leading indicators changes significantly as time goes by. By choosing the leading indicators which have significant leading property and stable leading time, and based on dynamic factor model,it finds the leading index has great precautionary ability,and the forecasting outcome based on leading index is good at forecasting economic cycle in short time. Thus, the method of choosing leading indicators should be revised to choose the better leading indicators and compose the leading index, in order to play the early warning function of leading index, ensuring the steady and healthy development of China′s economy.

Key words：leading index; business cycles fluctuation; dynamic factor model

（責(zé)任編輯：關(guān)立新）

圖4GDP增速（實(shí)線）與基于先行指數(shù)

的預(yù)測(cè)值（虛線）四、結(jié)論

先行指數(shù)領(lǐng)先于經(jīng)濟(jì)景氣波動(dòng)，通過(guò)觀察先行指數(shù)的變動(dòng)可以提前判斷經(jīng)濟(jì)景氣未來(lái)走勢(shì)。但是，先行指數(shù)的預(yù)警功能取決于先行指標(biāo)的領(lǐng)先特征。由于我國(guó)經(jīng)濟(jì)結(jié)構(gòu)不斷變化，尤其是受?chē)?guó)際金融危機(jī)的沖擊，經(jīng)濟(jì)變量之間的關(guān)聯(lián)出現(xiàn)了動(dòng)態(tài)變化。基于滾動(dòng)時(shí)差相關(guān)系數(shù)方法，本文考察了不同機(jī)構(gòu)所選擇的先行指標(biāo)隨時(shí)間推移，在滾動(dòng)區(qū)間上與基準(zhǔn)指標(biāo)相關(guān)關(guān)系的動(dòng)態(tài)變化，基于對(duì)每個(gè)指標(biāo)特性的細(xì)致考察，結(jié)合滾動(dòng)相關(guān)系數(shù)數(shù)值及其穩(wěn)定性、最優(yōu)滯后階數(shù)及穩(wěn)定性等信息，選擇了貨幣供應(yīng)量(M2)、新開(kāi)工項(xiàng)目和固定資產(chǎn)投資本年施工項(xiàng)目計(jì)劃投資作為先行指標(biāo)，并利用動(dòng)態(tài)因子模型計(jì)算出其共同成分作為先行指數(shù)，通過(guò)與GDP增速的直觀比較和滾動(dòng)相關(guān)系數(shù)的計(jì)算，發(fā)現(xiàn)這些指標(biāo)所合成的指數(shù)具有穩(wěn)定的預(yù)警功能。但是，由于僅僅基于我國(guó)幾個(gè)發(fā)布先行指數(shù)的主要機(jī)構(gòu)采用的先行指標(biāo)進(jìn)行研究，本文最終只選擇了三個(gè)先行指標(biāo)。由于宏觀經(jīng)濟(jì)層面眾多，經(jīng)濟(jì)指標(biāo)數(shù)量龐大，通過(guò)本文的方法細(xì)致篩選先行性穩(wěn)定的指標(biāo)需要做大量工作。本文旨在提供一種改進(jìn)方法，供相關(guān)機(jī)構(gòu)參考，以增強(qiáng)經(jīng)濟(jì)政策的前瞻性，保證我國(guó)經(jīng)濟(jì)平穩(wěn)健康地發(fā)展。

注釋?zhuān)?/p>

①在我國(guó)景氣分析研究中通常使用工業(yè)增加值作為基準(zhǔn)指標(biāo)。由于我國(guó)大多數(shù)經(jīng)濟(jì)指標(biāo)在絕對(duì)量上是增長(zhǎng)的，只是增長(zhǎng)速度波動(dòng)較大。因此，我國(guó)大多數(shù)研究部門(mén)和政府機(jī)構(gòu)都研究增長(zhǎng)率周期波動(dòng)。本文中指標(biāo)均為同比增長(zhǎng)率序列，并且經(jīng)過(guò)X12程序剔除了季節(jié)性因素和不規(guī)則因素的影響。

參考文獻(xiàn)：

［1］畢大川，劉樹(shù)成．經(jīng)濟(jì)周期與預(yù)警系統(tǒng)（第1版）［M］．北京：科學(xué)出版社，1990．

［2］陳磊，李穎，邵明振．經(jīng)濟(jì)周期態(tài)勢(shì)與通貨膨脹成因分析［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011(8)：147－161.

［3］董文泉．經(jīng)濟(jì)周期波動(dòng)的分析與預(yù)測(cè)方法（第1版）［M］．長(zhǎng)春：吉林大學(xué)出版社，1998．

［4］董文泉．我國(guó)經(jīng)濟(jì)循環(huán)的測(cè)定、分析和預(yù)測(cè)——經(jīng)濟(jì)循環(huán)的存在和測(cè)定［J］．吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，1987(3):1-8.

［5］郭國(guó)峰，鄭召鋒．中國(guó)宏觀經(jīng)濟(jì)先行指數(shù)和一致指數(shù)應(yīng)用效果檢驗(yàn)與改進(jìn)［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010(10)：131-144.

［6］鄭京平．中國(guó)宏觀經(jīng)濟(jì)景氣監(jiān)測(cè)指數(shù)體系研究（第1版）［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2013．

［7］朱軍，王長(zhǎng)勝．經(jīng)濟(jì)景氣分析預(yù)警系統(tǒng)的理論方法（第1版）［M］．北京：中國(guó)計(jì)劃出版社，1993．

［8］Banerjee A., Marcellino M., Are There Any Reliable Leading Indicators for US Inflation and GDP Growth?［J］．International Journal of Forecasting, 2006(1):137-151.

［9］Burns, A. F. and W. C. Mitchell. Measuring Business Cycles［M］．New York:NBER, 1946.

［10］Camba-Mendez, G., Kapetanios, G., Smith, R.J. and Weale, M.R. An Automatic Leading Indicator of Economic Activity:Forecasting GDP Growth for European Countries［J］．Econometrics Journal, 2001(1):S56-S90.

［11］Diebold, F. X., G. D. Rudebusch., Measuring Business Cycles:A Modern Perspective［J］．Review of Economics and Statistics, 1996(1):67-77.

［12］Jinming Wang, Tiemei Gao, Robert McNown., Measuring Chinese Business Cycles with Dynamic Factor Models［J］．Journal of Asian Economics, 2009(2):89-97.

［13］Qin, D., Cagas, M. A., Ducanes G., Magtibay-Ramos, N. and Quising, P. Automatic Leading Indicators Versus Macroeconometric Structural Models:A Comparison of Inflation and GDP Growth Forecasting［J］．International Journal of Forecasting, 2008(3):399-413.

［14］Stock, J. H., M. W. Watson., New Indexes of Coincident and Leading Economic Indicators［A］, In:NBER Macroeconomics Annual［M］．ed. Blanchard, O. and S. Fischer. Cambridge:MIT Press, 1989：351-394.

Early Warning of the Business Cycles based on the International Financial Crisis

WANG Jin-ming

(Center for Quantitative Economics of Jilin University, Changchun 130012, China)

Abstract：This paper tries to study the leading property of the leading indicators chosen by different departments based on rolling correlation coefficient,finding that the leading property of the leading indicators changes significantly as time goes by. By choosing the leading indicators which have significant leading property and stable leading time, and based on dynamic factor model,it finds the leading index has great precautionary ability,and the forecasting outcome based on leading index is good at forecasting economic cycle in short time. Thus, the method of choosing leading indicators should be revised to choose the better leading indicators and compose the leading index, in order to play the early warning function of leading index, ensuring the steady and healthy development of China′s economy.

Key words：leading index; business cycles fluctuation; dynamic factor model

（責(zé)任編輯：關(guān)立新）

圖4GDP增速（實(shí)線）與基于先行指數(shù)

的預(yù)測(cè)值（虛線）四、結(jié)論

先行指數(shù)領(lǐng)先于經(jīng)濟(jì)景氣波動(dòng)，通過(guò)觀察先行指數(shù)的變動(dòng)可以提前判斷經(jīng)濟(jì)景氣未來(lái)走勢(shì)。但是，先行指數(shù)的預(yù)警功能取決于先行指標(biāo)的領(lǐng)先特征。由于我國(guó)經(jīng)濟(jì)結(jié)構(gòu)不斷變化，尤其是受?chē)?guó)際金融危機(jī)的沖擊，經(jīng)濟(jì)變量之間的關(guān)聯(lián)出現(xiàn)了動(dòng)態(tài)變化?；跐L動(dòng)時(shí)差相關(guān)系數(shù)方法，本文考察了不同機(jī)構(gòu)所選擇的先行指標(biāo)隨時(shí)間推移，在滾動(dòng)區(qū)間上與基準(zhǔn)指標(biāo)相關(guān)關(guān)系的動(dòng)態(tài)變化，基于對(duì)每個(gè)指標(biāo)特性的細(xì)致考察，結(jié)合滾動(dòng)相關(guān)系數(shù)數(shù)值及其穩(wěn)定性、最優(yōu)滯后階數(shù)及穩(wěn)定性等信息，選擇了貨幣供應(yīng)量(M2)、新開(kāi)工項(xiàng)目和固定資產(chǎn)投資本年施工項(xiàng)目計(jì)劃投資作為先行指標(biāo)，并利用動(dòng)態(tài)因子模型計(jì)算出其共同成分作為先行指數(shù)，通過(guò)與GDP增速的直觀比較和滾動(dòng)相關(guān)系數(shù)的計(jì)算，發(fā)現(xiàn)這些指標(biāo)所合成的指數(shù)具有穩(wěn)定的預(yù)警功能。但是，由于僅僅基于我國(guó)幾個(gè)發(fā)布先行指數(shù)的主要機(jī)構(gòu)采用的先行指標(biāo)進(jìn)行研究，本文最終只選擇了三個(gè)先行指標(biāo)。由于宏觀經(jīng)濟(jì)層面眾多，經(jīng)濟(jì)指標(biāo)數(shù)量龐大，通過(guò)本文的方法細(xì)致篩選先行性穩(wěn)定的指標(biāo)需要做大量工作。本文旨在提供一種改進(jìn)方法，供相關(guān)機(jī)構(gòu)參考，以增強(qiáng)經(jīng)濟(jì)政策的前瞻性，保證我國(guó)經(jīng)濟(jì)平穩(wěn)健康地發(fā)展。

注釋?zhuān)?/p>

①在我國(guó)景氣分析研究中通常使用工業(yè)增加值作為基準(zhǔn)指標(biāo)。由于我國(guó)大多數(shù)經(jīng)濟(jì)指標(biāo)在絕對(duì)量上是增長(zhǎng)的，只是增長(zhǎng)速度波動(dòng)較大。因此，我國(guó)大多數(shù)研究部門(mén)和政府機(jī)構(gòu)都研究增長(zhǎng)率周期波動(dòng)。本文中指標(biāo)均為同比增長(zhǎng)率序列，并且經(jīng)過(guò)X12程序剔除了季節(jié)性因素和不規(guī)則因素的影響。

參考文獻(xiàn)：

［1］畢大川，劉樹(shù)成．經(jīng)濟(jì)周期與預(yù)警系統(tǒng)（第1版）［M］．北京：科學(xué)出版社，1990．

［2］陳磊，李穎，邵明振．經(jīng)濟(jì)周期態(tài)勢(shì)與通貨膨脹成因分析［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011(8)：147－161.

［3］董文泉．經(jīng)濟(jì)周期波動(dòng)的分析與預(yù)測(cè)方法（第1版）［M］．長(zhǎng)春：吉林大學(xué)出版社，1998．

［4］董文泉．我國(guó)經(jīng)濟(jì)循環(huán)的測(cè)定、分析和預(yù)測(cè)——經(jīng)濟(jì)循環(huán)的存在和測(cè)定［J］．吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，1987(3):1-8.

［5］郭國(guó)峰，鄭召鋒．中國(guó)宏觀經(jīng)濟(jì)先行指數(shù)和一致指數(shù)應(yīng)用效果檢驗(yàn)與改進(jìn)［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010(10)：131-144.

［6］鄭京平．中國(guó)宏觀經(jīng)濟(jì)景氣監(jiān)測(cè)指數(shù)體系研究（第1版）［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2013．

［7］朱軍，王長(zhǎng)勝．經(jīng)濟(jì)景氣分析預(yù)警系統(tǒng)的理論方法（第1版）［M］．北京：中國(guó)計(jì)劃出版社，1993．

［8］Banerjee A., Marcellino M., Are There Any Reliable Leading Indicators for US Inflation and GDP Growth?［J］．International Journal of Forecasting, 2006(1):137-151.

［9］Burns, A. F. and W. C. Mitchell. Measuring Business Cycles［M］．New York:NBER, 1946.

［10］Camba-Mendez, G., Kapetanios, G., Smith, R.J. and Weale, M.R. An Automatic Leading Indicator of Economic Activity:Forecasting GDP Growth for European Countries［J］．Econometrics Journal, 2001(1):S56-S90.

［11］Diebold, F. X., G. D. Rudebusch., Measuring Business Cycles:A Modern Perspective［J］．Review of Economics and Statistics, 1996(1):67-77.

［12］Jinming Wang, Tiemei Gao, Robert McNown., Measuring Chinese Business Cycles with Dynamic Factor Models［J］．Journal of Asian Economics, 2009(2):89-97.

［13］Qin, D., Cagas, M. A., Ducanes G., Magtibay-Ramos, N. and Quising, P. Automatic Leading Indicators Versus Macroeconometric Structural Models:A Comparison of Inflation and GDP Growth Forecasting［J］．International Journal of Forecasting, 2008(3):399-413.

［14］Stock, J. H., M. W. Watson., New Indexes of Coincident and Leading Economic Indicators［A］, In:NBER Macroeconomics Annual［M］．ed. Blanchard, O. and S. Fischer. Cambridge:MIT Press, 1989：351-394.

Early Warning of the Business Cycles based on the International Financial Crisis

WANG Jin-ming

(Center for Quantitative Economics of Jilin University, Changchun 130012, China)

Abstract：This paper tries to study the leading property of the leading indicators chosen by different departments based on rolling correlation coefficient,finding that the leading property of the leading indicators changes significantly as time goes by. By choosing the leading indicators which have significant leading property and stable leading time, and based on dynamic factor model,it finds the leading index has great precautionary ability,and the forecasting outcome based on leading index is good at forecasting economic cycle in short time. Thus, the method of choosing leading indicators should be revised to choose the better leading indicators and compose the leading index, in order to play the early warning function of leading index, ensuring the steady and healthy development of China′s economy.

Key words：leading index; business cycles fluctuation; dynamic factor model

（責(zé)任編輯：關(guān)立新）