孙 颋/辽宁大学
内容提要：全球金融危机之后，金融周期与财政状况的相关性成为财政政策理论研究的一个新的着力点。本文采用全球向量自回归模型（GVAR），分析货币政策冲击下我国区域金融周期分化对区域财政收入的影响。结果发现：（1）在稳健中性的货币政策冲击下，不同地区的金融周期出现分化现象。（2）各地区金融周期走势对各地区财政收入具有分化影响。东北地区财政收入增长率对本地区金融周期冲击的响应速度和幅度较小。因此，应当积极发挥财政政策对经济的拉动作用以对冲金融周期的影响。中央财政应当因地制宜，适当加大对东北等地区的转移支付，减少金融周期对于这些地区财政收入的负面效应。
关键词：货币政策冲击 区域金融周期分化 区域财政收入
一、引言
全球金融危机后，对于各国财政收入状况研究的重点已经从其与经济增速的关系转向其对金融周期的敏感性（Benetrix and Lane，2015）。例如，Eschenbach and Schuknet（2004）发现，资产价格等金融周期因素波动会影响财政收入状况。金融周期上行不仅可以直接提高资本税收收入，还能通过提高家庭财富水平促进产出，进而提高财政收入。Budina等（2015）认为，金融周期因素变动在一定程度上会提高财政收入，而房价等金融周期因素对政府财政收入状况的影响在规模上要比实际产出缺口变动对财政收入状况的影响更显著。
金融周期影响财政收入状况的主要机制包括以下四种：（1）顺周期效应。如果金融周期走势处于繁荣区间，则国内金融资产价格上涨迅速，企业净值随之上升，政府财政政策的“自动稳定器”作用得以发挥，将自动提高政府的税收收入（Price and Dang，2011）。（2）财富效应。如果金融周期走势处于繁荣区间，则国内金融资产价格上涨，金融市场交易活跃，政府的金融交易税收入增加。同时，企业和家庭的财富膨胀，政府的财政收入也会随之增加（Agnello等，2012）。（3）产业结构调整效应。如果金融周期走势处于繁荣区间，信贷投向的调整会改变宏观产业结构，有利于政府税收收入的增加。同时，国内资产价格上涨，针对国内基础设施的信贷会增加，国内部门获得更多投资；而针对出口贸易部门的信贷会减少，获得更少的投资。前者的产品或服务通常需要正常纳税，后者的产品通常是少纳税或者免税的，因而政府税收收入增加，财政状况改善（Budina等，2015）。（4）风险承担效应。如果金融周期走势处于繁荣区间，风险溢价会下降，金融中介风险感知度随之下降，风险容忍度上升，资本流入，企业和政府融资成本下降，财政收入增加（Bacha等，2015）。
而从中国的角度来看，在全球经济缓慢复苏的背景下，中国人民银行始终坚持实施稳健中性的货币政策，试图将经济体系内流动性保持在相对宽松状态（左伟、朱元倩和巴曙松，2018），平滑经济周期波动，减缓经济增速下行的压力。但是从政策效果来看，总体层面上经济增速下行的压力仍然存在（统计科学研究所宏观经济预测分析小组，2018），而在区域层面上则出现明显的分化趋势，主要表现在各地区经济增速和财政收入状况上，图1和图2清楚地显示了这一趋势。彭文生（2017）认为金融周期因素对各地方政府财政收入尤其是地方政府涉及土地的财政收入产生影响，进而影响宏观政策对经济产出的调控。金融周期因素加大了财政、货币政策逆周期调控的难度。因此，宏观政策需要考虑金融周期对财政收入的影响。但目前国内对金融周期和财政收入相关性的研究并不多见，更多是侧重于对金融周期的衡量，例如马勇等（2016）和范小云等（2016）对于金融周期指数的构建研究。或者大多从总体角度对金融与财政之间关系的变动进行研究，从区域角度考虑这一问题的研究较少。
图1 我国区域GDP同比增长率的变动趋势
数据来源：choice终端。
图2 我国区域财政收入同比增长率走势
数据来源：choice终端。
因此，本文以宏观经济稳定化过程中我国不同地区财政收入分化作为研究对象，以货币政策冲击下各地区金融周期变动趋势作为问题切入点，分析货币政策冲击下我国区域金融周期分化对区域财政收入的影响。货币政策冲击造成不同地区的金融周期分化，使地方政府财政行为不同程度地呈现出顺周期性特点，而且还导致了财政收入状况的差异化，从而在一定程度上削弱了财政政策“自动稳定器”效应。本文据此提出对冲金融周期不利影响的对策和建议，以促进我国宏观经济的整体复苏。本文和以往文献的区别是，第一，从金融周期分化视角研究地区财政收入状况问题，为研究这一问题提出了新的视角。第二，从区域角度考察财政收入的分化，因地制宜的对我国财政收入状况进行研究，力图研究结果更为贴合客观经济事实。
本文接下来的安排如下，第二部分阐述货币政策冲击下我国金融周期和财政收入变动趋势的典型事实，第三部分阐述实证分析结果，第四部分阐述结论和建议。
二、稳健中性货币政策冲击下我国金融周期和财政收入变动趋势的典型事实
国内外文献通常采用三种衡量金融周期走势的指标：信贷规模与GDP之比的缺口（Borio，2014）、金融状况指数（Goodhart and Hoffmann，2001；Hatizius等，2010）和金融周期指数（马勇等，2017）。本文借鉴Borio（2014）、马勇等（2016、2017）、范小云等（2016）的研究，选取各省区信贷规模当期值与GDP之比的缺口值[1]、各省区房地产价格编制金融周期指数编制金融周期指标。从国家统计局70个大中城市新建住宅价格中选取各省会城市和直辖市数据作为各省区房地产价格的代理指标。对上述两个指标数据序列进行标准化处理，并且以变量的波动性占比作为权重对序列进行加权平均处理，得到金融周期指数作为金融周期的指标。选取上述地区财政收入增长率作为财政收入状况的指标。利用2006年1季度到2017年2季度稳健中性货币政策冲击下的样本数据考察不同区域金融周期走势和不同区域财政收入状况的变动趋势，图3和图24显示了这两个指标的走势呈现出分化特征。
图3 不同区域的金融周期走势
资料来源：根据choice终端数据自行处理。
如图3所示，从总体来看，在稳健中性货币政策冲击下，不同区域的金融周期走势有所分化。不同区域金融周期分别在2006年2-3季度、2009年3-4季度、2012年1-2季度达到低点，但均在2010年1季度达到高点。其中，东部地区的金融周期走势高于其它地区，主要是由于东部地区经济发展基础较好，信贷规模较高。中国主要的金融中心城市也多在东部地区，东部地区金融资产交易较为活跃，吸引大量资本流入。因此与同期的其他地区相比，东部地区金融周期走势往往更高。
中部、西部、东北地区的金融周期走势均以2010年1季度的高点为分界，出现相对走势的改变。中部、西部金融周期指标在2010年1季度前比东部、东北地区低，而在2010年1季度后逐步走高，尤其在2014年1季度以后，中部、西部金融周期走势已持续高于东北地区。而东北地区金融周期走势在2010年1季度前较高，而后逐步走低，尤其是2014年1季度以后，金融周期指标一直小于零，并且在2016年后与其它地区金融周期走势出现了明显的分化。究其原因，区域金融周期走势低点的不同主要源于地区经济金融发展差异，而高点的趋同则是由于全球金融危机后，为了配合“四万亿投资”计划，全国范围内实行了信贷极度宽松的货币政策。所有地区的金融周期均受到货币政策的显著冲击。
如图4所示，不同区域的财政收入同比增长率与金融周期走势在大部分时间呈同向变动，但是由于宏观政策的影响，在某些时间段走势有所背离。（1）2007年2-3季度到2008年3-4季度。在这一期间，不同区域的金融周期走势向下，但是达到波谷的时间有所差异，而财政收入同期增长较快。这是由于中国人民银行为了抑制经济过热，实行了紧缩货币政策，在2007年先后六次加息，再加上2008年美国金融危机对中国金融体系的影响逐渐凸显，资产价格快速下降，信贷规模明显收缩，导致金融周期走势下降。而财政收入增长率则受经济快速增长的影响，走势向上。2008年后，随着美国金融危机对我国的影响加深，金融周期走势转而向下，其中东部地区和东北地区经济结构中对外贸易比重更高，因此所受冲击更大。（2）2014年以后，不同区域的金融周期指标和财政收入增长率出现短期背离，但开始背离的时间有所差异。这一时期不同地区金融周期指标走势均比较平稳，但不同区域的财政收入增长率则有所下降。其中，东北地区财政收入增长率出现下降迹象较早，2014年1季度就已经开始下降，而中部、西部、东部财政收入增长率走势均在2016年3季度以后下降。这主要是由于这一时期经济增速放缓和利率市场化改革，中国人民银行推行稳健中性的货币政策，向金融体系内释放充足的流动性，防止金融体系风险，促成了这一时期金融周期的平稳走势，但东北地区金融周期走势出现一定向下趋势波动。而各地区财政收入增长率均受这一时期经济放缓影响逐渐下行。但东北地区房地产等金融周期因素出现下行趋势，财政增长率下行出现的时间也较早。
图4 不同区域财政收入同比增长率与金融周期的走势
资料来源：根据choice终端数据自行处理
根据上述典型事实可以看出，在稳健中性的货币政策冲击下，不同区域的金融周期出现分化，而各区域的财政收入受本地区金融周期影响，其增长率也出现了一定程度的分化。
三、实证分析
（一）实证方法和指标的选取
本文选用GVAR模型展开分析[2]，该模型是由传统的向量自回归模型（VAR）或者向量误差修正模型（VECM）发展而来，其建模思路为：首先，建立各国或各地区的VAR或VECM模型。其次，通过模型内生变量和权重矩阵对各国家或地区的国外变量进行计算。权重矩阵是通过各国家或地区的贸易额、资本流量等能反映国家或地区之间经济联系的指标建立起来。最后，本文通过权重矩阵将所有的VAR模型联系起来构成总体的分析模型。
模型中的变量可分为国内变量、国外变量和全球变量。国内变量通常是单个国家或地区的VAR模型中的内生变量，国外变量则是通过国家或地区的内生变量及权重矩阵计算而成，国外变量的计算公式为：
其中xit表示国内变量向量，x*it表示国外变量，kij为变量权重，所有k的总和为1。全球变量则是指对所有国家经济均有影响的变量，如国际大宗商品价格等，用符号g表示。将计算出的国外变量与全球变量引入各国的VAR模型，得到VARX*模型，以单个国家的VARX*模型为例，设定如下：
通过变量协整关系检验，在VARX*模型基础上建立VECMX*模型，并通过权重矩阵将所有的单一国家或地区的模型连接起来，建立GVAR模型。
本文选取货币政策作为全局性变量，即以全国广义货币供应量增长率和一年期实际贷款利率作为货币政策冲击指标。选取北京、上海金融周期变量指标作为省外变量，主要理由是我国银行的管理体系是总行-分行模式的，位于北京的各大银行总行对于各分行信贷投放规模较大的项目具有审核权，因此北京可以影响其他省区的信贷规模及金融周期；而上海作为我国的金融中心，其金融周期走势往往对于其他省区的融资成本和风险溢价具有借鉴作用。权重矩阵则根据各省区省会和直辖市的距离编制而成，理由是金融周期指标中，各省区省会城市之间的距离与该省区房地产价格对其他省区溢出影响有一定关联，信贷规模占该省区信贷规模比重也较大，城市距离对人口、资本等要素的流入也有一定影响。选取各省区的金融周期指数、财政收入增长率、价格缺口和产出缺口作为省内变量，并根据模型设计要求，将相应省份的数据合并到相应地区，借以考察不同区域金融周期分化对于各自区域财政收入增长率的影响。利用X-12方法对国内生产总值、消费者价格指数、财政收入增长率、信贷供应量增长率等指标进行了季节调整，并以名义值除以消费者价格指数或减去同期通货膨胀率的方式求得各指标的实际值。对各省区消费者价格指数序列取季度平均数后，取对数并且进行HP滤波法处理，得到均衡值，而后以原序列减去均衡值序列得到缺口值。对于各省区国内生产总值（GDP）、信贷规模与GDP之比等指标也采取类似方式进行处理得到缺口值。选取的数据样本区间是2005年1季度到2017年2季度，但由于西藏自治区财政收入某些月份数据缺失，剔除其相关数据，因此研究共涉及30个省区的数据。另外，本部分使用的数据均来源于东方财富Choice 数据终端。采用Smith and Galesi（2014）公布的GVAR ToolBox2.0程序对模型进行估计、检验和广义脉冲响应函数分析。
（二）模型检验和估计
首先，对各省区的变量序列进行平稳性检验，以防止伪回归现象发生，本文利用GVAR ToolBox2.0程序对所涉及的序列数据进行了ADF检验和WS检验。结果显示，在5%的显著性水平下，省内变量中所有数据的水平值序列均平稳，因此本文以数据水平值建立GVAR模型。
为了确定各省区的经济变量之间是否存在溢出影响，需要对省外变量进行弱外生性检验。结果显示，在5%的显著性水平下，本文选取的省外变量均满足弱外生性检验假设，这说明省外变量会对模型中其他变量产生长期影响，而模型中其他变量并不能对省外变量产生类似的影响。
本文利用GVAR Tool2.0程序对于GVAR模型进行估计，并利用广义脉冲函数研究货币政策冲击下，区域金融周期分化对区域财政收入状况的影响。GVAR Tool可以将所有省份划分成若干区域，研究区域层面的变量冲击对于本区域和其他区域的溢出影响。因此，将我国各省区按照经济区域划分为东部、中部、西部和东北四大区域进行广义脉冲响应函数分析[3]。
（三）脉冲响应函数分析
1．货币政策冲击对区域金融周期的影响
本文假定数量型货币政策变量为广义货币供应量增长率、价格型货币政策变量为实际利率。给定广义货币供应量增长率一标准单位正向冲击，观察各区域金融周期指标变动（见图5）。结果发现，东部、中部、西部、东北等地区金融周期指标均出现正向响应，但是响应程度上有所差异。东部、中部、西部地区响应速度较快，最高响应值均出现在第二期，分别为0.0734、0.0802、0.0633。而东北地区对广义货币增长率的响应速度和幅度都则较小，在第二期开始有负向响应，而后转向正向响应，最高响应值出现在第四期，为0.0064。本文认为这是由于东部、中部、西部等地区经济增长速度较快，企业投资需求旺盛，银行风险承担意愿强烈。中国人民银行实施稳健的数量型货币政策能很快带动这些地区信贷规模扩张，金融周期走势向上。而东北地区受制于近期经济不景气，企业投资需求萎缩，银行风险承担意愿下降，稳健的数量型货币政策对于信贷规模的拉动作用不足，有效性下降，并且由于其他地区信贷需求旺盛，金融周期走势上行，东北地区的部分资金可能通过银行体系向其他地区流动。
图5 区域金融周期对广义货币供应量冲击的响应
给定实际利率一标准单位负向冲击，观察各区域金融周期指标变动（见图6）。结果发现，区域金融周期指标呈现不同的响应效果。短期内，东部、中部、西部、东北对于实际利率负向冲击的响应均为正向的，响应最大值均出现在第一期；东部和中部地区同西部和东北地区相比，响应值更高。长期内，金融周期指标对实际利率的响应有所分化，东部、中部地区的脉冲响应走势收敛为正，而西部和东北地区的脉冲响应为负。这说明，稳健的价格型货币政策冲击下，各地区金融周期指标均在短期内受利率降低影响，走势向上；但长期内，各地区金融周期受地区经济增长状况等因素影响，在低利率冲击下出现分化。东部、中部等地区经济发展预期较强，房地产、信贷等金融周期因素在低利率冲击下走强，金融周期指标处于上升周期，而西部、东北地区的金融周期指标则受限于房价等金融周期因素预期，在长期内走势由正转负。
图6 区域金融周期对实际利率冲击的响应
2.各地区金融周期冲击对相应地区财政收入增长率的影响
分别给定各地区金融周期一标准单位的正向冲击，观察相应地区财政收入增长率的响应状况。如图7，结果发现，总体来看，东部、中部、西部、东北均出现正向响应。东部、中部、西部财政收入增长率对本地区金融周期冲击的响应较快，东北地区财政收入增长率对本地区金融周期冲击的响应较慢，而后快速收缩在0水平线附近。东部、西部的最高响应值出现在第三期，分别为0.46，0.44；中部的最高响应值出现在第二期，为0.43；而东北地区的最高响应值出现在第五期，为0.07，而后回落到0附近。这说明，由于各地区房地产价格、信贷等金融周期因素特征的不同，各地区金融周期的冲击对财政收入增长率的效应存在差异化。其中，东北地区财政收入对金融周期冲击的响应较其他地区幅度小。
图7 各地区财政收入增长率对相应地区金融周期冲击的响应
因而，宽松货币政策冲击对各地区房地产、信贷等金融周期因素具有短期的正向影响，进而改善地区财政收入增长状况。但由于金融周期的分化及地区财政收入增长对金融周期的响应幅度不同，这种财政改善效应存在区域差异。
四、结论
本文通过建立GVAR模型进行实证分析，证明了货币政策冲击会造成区域金融周期分化，进而对区域财政收入状况产生差异化影响。具体来说，（1）稳健中性的货币政策冲击下，无论是数量型货币政策还是价格型货币政策在短期内都会对不同区域的金融周期产生正向影响，但各地区的响应出现一定程度上的分化。数量型货币政策冲击下，东北地区金融周期的响应速度和幅度都较其他地区小。价格型货币政策冲击下西部、东北地区金融周期的响应速度和幅度较其他地区小，长期内其幅度有负向趋势。（2）各地区金融周期冲击对相应地区财政收入的影响速度不同。总体来看，各地区财政收入均对金融周期的冲击出现了正向响应。其中，东部、中部、西部财政收入增长率对本地区金融周期冲击的响应幅度较大，东北地区财政收入增长率对本地区金融周期冲击的响应较小，这说明，金融周期冲击对东北地区的财政收入增长速度影响较其他地区小。因而在宽松货币政策冲击下，金融周期因素对不同地区的财政收入有一定带动作用，但对东北地区财政收入带动作用较小。
因此，应当建立考虑金融周期的宏观政策协调框架。在经济下行压力加大背景下，除了宽松的货币政策外，还要积极发挥财政政策的拉动作用，以对冲金融周期的影响。中央财政应当因地制宜，适当加大对东北等地区的转移支付，并有针对性的通过政府引导基金等方式降低这些地区高新技术产业和小微企业融资成本，减少金融周期冲击对于这些地区财政收入状况的不利影响，拓宽地方财政拉动经济增长的空间。
参考文献
〔1〕Agnello L, Castro V, Sousa R M. How does fiscal policy react to wealth composition and asset prices?[J]. Journal of Macroeconomics, 2012, 34(3): 874-890.
〔2〕Bacha O I, Mirakhor A, Askari H. Risk Sharing in Corporate and Public Finance: The Contribution of Islamic Finance[J]. PSL Quarterly Review, 2015, 68(274).
〔3〕Bernanke B, Gertler M, Gilchrist S. The Financial Accelerator in a Quantitative Business Cycle Framework[R]. National Bureau of Economic Research, 1998.
〔4〕Bénétrix A S, Lane P R. International Differences in Fiscal Outcomes during the Global Crisis[J]. Fiscal Studies, 2015, 36(1):1–27.
〔5〕Borio C E V, Lombardi M J, Zampolli F. Fiscal Sustainability and the Financial Cycle[J]. Social Science Electronic Publishing, 2016.
〔6〕Borio C. The financial cycle and macroeconomics: What have we learnt?[J]. Journal of Banking & Finance, 2014, 45(8):182-198.
〔7〕Budina N, Gracia B, Hu X, et al. Recognizing the Bias: Financial Cycles and Fiscal Policy[J]. Social Science Electronic Publishing, 2014, 15(246):1.
〔8〕Eschenbach F. Finance and Growth: A Survey of the Theoretical and Empirical Literature[J]. Ssrn Electronic Journal, 2004.
〔9〕Goodhart C A E, Hofmann B. FCIs and Economic Activity :Some International Evidence[J]. Fmg Special Papers, 2003, volume 31(11):1489-1501(13).
〔10〕Hatzius J, Hooper P, Mishkin F S, et al. Financial Conditions Indexes: A Fresh Look after the Financial Crisis[J]. Nber Working Papers, 2010.
〔11〕Kiyotaki N, Moore J. Credit Cycles[J]. Journal of Political Economy, 1997, 105(2):211-248.
〔12〕Price R, Dang T T. Adjusting Fiscal Balances for Asset Price Cycles[J]. OECD Economic Department Working Papers, 2011 (868): 1-2.
〔13〕Reinhart C M, Rogoff K S. This Time is Different: A Panoramic View of Eight Centuries of Financial Crises[J]. Annals of Economics & Finance, 2009, 15(2):1065-1188.
〔14〕Smith, L., and A. Galesi. GVAR Toolbox 2.0[CP/OL].University of Cambridge: Judge Business School.2014.
〔15〕范小云, 袁梦怡, 肖立晟. 理解中国的金融周期:理论、测算与分析[J]. 国际金融研究, 2017, 357(1):28-38.
〔16〕马勇, 冯心悦, 田拓. 金融周期与经济周期——基于中国的实证研究[J]. 国际金融研究, 2016, 354(10):3-14.
〔17〕马勇, 张靖岚, 陈雨露. 金融周期与货币政策[J]. 金融研究, 2017(3):33-53.
〔18〕彭文生. 渐行渐远的金融周期[M]. 中信出版社, 2017.
〔19〕统计科学研究所宏观经济预测分析小组. 2018年我国经济向好势头不减 下行压力犹存[J].调研世界，2018(4)：3-9.
〔20〕左伟, 朱元倩, 巴曙松. 金融监管, 流动性约束与货币政策效果——基于 DSGE 模型的实证研究[J]. 金融论坛, 2018, 23(4): 12-26.