摘 要：本文运用门限向量自回归模型（TVAR），在宏观层面对甘肃省经济的金融加速器效应进行研究，并计算出信贷市场“紧缩”状态概率对于四类备选冲击的反应敏感度，得出信贷冲击的金融加速器效应最为显著。其次，建立预测函数的变化方程进一步检验甘肃省信贷市场影响经济波动的作用机理并提出相关政策启示。
关键词：金融加速器；TVAR模型；非线性传导
中图分类号：F832.2 文献标识码：B 文章编号：1674-0017-2018（2）-0031-06
一、引言
金融对经济的发展具有推动作用，金融市场放大外生冲击的作用机制引起了学者们的浓厚兴趣。“金融加速器”（financial accelerator）原理由Bernanke，Gertler 和Gilchrist（BGG）于1996年首次提出，与经济危机有着不解之缘，是解释“大危机”的权威理论，它将不完备的金融市场看作一个加速器装置，经济金融变量的微小变动经过这个加速器装置后放大了对经济的影响。简言之，就是金融市场在经济中所发挥的“小冲击、大波动”的作用，这种效应被称为“金融加速器”效应。
金融加速器产生的原因是金融摩擦与外部融资溢价，企业向外部融资的资金成本与使用自有资金机会成本之间的差额就是外部融资溢价，它代表净损失成本。金融加速器理论的核心在于外部融资溢价与经济主体的资产净值呈负相关关系，经济主体的资产净值越低时，越需要从外部融资。作用机制为：经济繁荣时，经济主体拥有较高的资产净值，外部融资溢价较低，外部融资能力增强，经济主体获得外源资金后用以投资扩大生产，促使经济更加繁荣；经济衰退时，如果初始冲击恶化了经济主体的资产负债表状况，使得经济主体资产价格和资产净值下降，减少了用于投资生产的自有资金数量，此时经济主体会主动增加借款，代理成本增加，外部融资溢价上升，降低了其外部融资能力，经济主体获得银行贷款变得困难，从而减少投资，压缩生产，社会总产出随之减少，加剧经济的进一步衰退，再次引起资产价格的下跌和企业财务状况的恶化，并一直循环下去产生持续的经济波动，这就是金融加速器效应的作用机制。
金融加速器理论开启了研究经济波动的新视角，国内学者于2003年逐渐开始对中国的金融加速器效应进行研究，大部分研究是在国家层面开展的，在省份区域层面的研究较少。本文主要从宏观角度研究甘肃省经济波动的金融加速器效应，借鉴Balke（2000）的研究方法，采用两区制门限向量自回归模型（TVAR）进行实证检验，从宏观层面上探讨金融加速器效应对甘肃省经济波动的解释能力，为熨平经济波动、维护经济稳定提供方向，为制订经济政策提供实证依据。
二、模型构建与变量选择
Tong（1978）提出的门限模型是非线性时间序列主流模型之一，门限向量自回归模型（Threshold Vector Autoregression，TVAR）具有区制转换特征，是在VAR模型基础上引入了非线性方程，并且允许模型内各个方程拥有不同的门限值，能有效刻画金融加速器机制中存在的非线性动态特征。它对非线性动态特征建模是基于“分段”线性逼近，在全局空间上对不同区制建立线性模型来描述变量的非线性特征，门限变量作为“分段”的控制变量。
（一）两区制TVAR模型简介
（二）变量选取及说明
本文以甘肃省作为研究对象，变量的选取借鉴学者赵振全、于震、刘淼（2007）及付留鹏（2011）的研究构想，设定经济增长率、通货膨胀率、货币供应量M2增长率、金融机构贷款总额增长率共四个指标。因变量定为经济增长率，阐释甘肃省整个经济的状态，代表实际冲击。通货膨胀率表示价格冲击，货币供应量增长率表示货币政策冲击。本文将金融机构贷款总额增长率作为门限变量，表示信贷市场状态的变化。当金融机构贷款总额增长率大于门限值时，对应信贷市场处于相对“放松”的区制，当金融机构贷款总额增长率小于门限值时，对应信贷市场处于相对“紧缩”的区制。本文的研究时间段为2004年1月至2016年12月的月度数据，共计156个样本点，共得到624组数据。由于GDP数据为季度数据，不宜采用，为了衡量甘肃省经济波动情况，本文采用甘肃省工业增加值增长率来代替GDP增长率，并使用居民消费价格指数CPI（以2003年为基期）将甘肃省名义工业增加值进行平减处理，以剔除价格因素的影响，得到实际工业增加值。接着本文对实际工业增加值Y、CPI（以2003年榛期进行调整后所得）、货币供应量M2、金融机构贷款总额FC等四个指标值分别作了X12季节调整，对季节调整后的各个指标值进行对数和一阶差分计算，进而转换为增长率形式，最终进入到门限向量自回归模型TVAR中的各个变量的迭代次序为实际工业增加值增长率LY、环比通货膨胀率INF、货币供应量M2增长率LM2、金融机构贷款总额增长率LFC。本文运用的原始数据来源于中国人民银行网站、甘肃省统计局官网、甘肃省县域经济金融数据库。
（三）平稳性检验及协整分析
运用WinRATS软件对△LY、INF、△LM2、△LFC四个变量进行平稳性检验，结果如表1所示。表1显示，环比通货膨胀率序列INF不平稳，但其一阶差分序列△INF平稳，属于一阶单整序列，即I（1）。而△LY、△LM2、△LFC均是平稳。
（四）非线性检验与门限值估计
使用TVAR模型进行非线性检验的关键是解决“戴维斯问题（Davies problem）”，根据AIC及SC准则，本文确定模型的滞后阶数L=2，然后运用RATS程序对TVAR模型进行非线性检验，检验结果如表2所示。
表2显示，在1%的显著性水平上，sup-Wald、avg-Wald、exp-Wald三个统计量的值分别为74.661、57.053、28.837，均大于P值，表明模型的非线性特征显著。本文所求门限值为3.521，当门限变量金融机构贷款总额增长率大于3.521时，对应信贷市场处于“放松”状态，当门限变量小于3.521时，对应信贷市场处于“紧缩”状态。 三、三个问题的实证检验
（一）检验一：甘肃省金融加速器效应的存在性
由于金融加速器的本质特征是非对称性，以模型的非线性为基础，通过非线性脉冲响应函数对甘肃省经济金融加速器效应的存在性进行检验。作为计算非线性脉冲响应的有效工具，本文采用广义脉冲响应函数（generalized impulse response function，简称GIRF）进行分析。通过非线性脉冲响应迭代过程，就可以得出“放松”和“紧缩”两种信J市场状态下，经济波动对于四类备选冲击（实际冲击、价格冲击、货币冲击、信贷冲击）的反应情况，从得到的非线性脉冲响应图1-1至图1-8中能够明显看到甘肃省经济波动对四类备选冲击反应的非对称性。
图像显示，“紧缩”信贷状态下，甘肃省经济波动对于1单位标准差的正向和负向的实际冲击、价格冲击、货币冲击、信贷冲击的反应都明显要比“放松”信贷状态下的反应更加强烈，且呈现出明显的非对称性。因此，可以肯定2004年1月至2016年12月期间甘肃省经济存在显著的金融加速器效应。同时，从两种信贷状态下四类冲击的方向和持续性来看，“放松”信贷状态下经济波动对四类备选冲击的反应比“紧缩”信贷状态下的反应持续性更强。
（二）检验二：哪种外生冲击的金融加速器效应最显著
在计算GIRF的基础上，只需计算出信贷市场处于“紧缩”状态的概率对于四类备选冲击的反应敏感度。
图9至图12显示的是信贷市场由初始的“放松”状态迁移到“紧缩”状态的概率变动情况，并给出了无冲击状态下的概率值。四类冲击中，信贷市场紧缩状态概率对于信贷冲击的反应最为敏感，其次是货币冲击和价格冲击，最后才是实际冲击。结果显示，针对信贷规模调整的政策措施能够迅速的收到预期效果，而调整货币供应量的措施对信贷市场状态迁移的作用没有那么明显。可以看出，信贷变量在各种政策传导机制中的重要性，当以经济增长为终极目标时，调控货币供应量（M2）产生的实施效果是相对稳定的，不易产生剧烈波动的现象。而信贷规模调控在金融加速器的作用机制下，如果运用不当会引起经济“硬着陆”，甚至引发经济持续衰退。
（三）检验三：信贷市场怎样影响甘肃经济波动
图13显示，信贷市场自身作为波动源对甘肃经济波动的影响很明显。特别是2007年5月至2010年9月期间，信贷冲击对甘肃省经济波动的平均贡献度较高，变动期与央行利率政策的调整期极为吻合。2002-2007年央行连续多次上调贷款基准利率，给甘肃省信贷市场造成了负向冲击，负面冲击一旦产生，市场上的“反身性”作用会被削弱，紧缩状态信贷市场加剧了甘肃省经济景气指数在2007-2008年的下滑趋势，加速经济的衰退。2008年，央行连续5次下调贷款基准利率，且连续4次降低存款准备金率，这两项信贷政策给甘肃省信贷市场形成了正向冲击，为2009年甘肃省经济从开始走出谷底提供了推动力。
从信贷冲击的R函数值来看，信贷市场对于冲击的非线性传导作用得到了充分体现，2008年3月至2009年11月期间，信贷冲击的R函数值较大，且剧烈波动，这正应证了金融加速器效应“小冲击、大波动”的特征，以及在经济萧条期会进一步加剧经济的衰退。因此金融加速器效应可以合理解释部分甘肃省经济波动的轨迹特征。
四、结论及政策启示
（一）结论
本文运用非线性计量模型从宏观角度研究甘肃省经济的金融加速器效应，得出如下主要结论：
1.在“紧缩”信贷市场状态下，甘肃省经济波动对于1单位标准差的正向或负向的四类备选冲击的反应都明显要比“放松”信贷市场状态下的反应更加强烈，且呈现出明显的非对称性，从而肯定了甘肃省经济存在显著的金融加速器效应。
2.信贷冲击的金融加速器效应最显著，其次是货币冲击和价格冲击，最后才是实际冲击，而货币冲击的影响是最持久的。在金融加速器机制的作用下，信贷规模调控会产生一定的风险。经济繁荣时，经济主体具有较高的资产净值，较低的外部融资溢价，致使金融加速器作用减弱；经济下行期，经济主体的资产净值下降，外部融资溢价上升，金融加速器作用进一步增强。
3.通过对甘肃省经济增长率进行历史分解，得出甘肃省信贷市场不仅是当地经济波动中重要的波动源，也是非线性传导中介，揭示出甘肃省信贷市场作用于经济波动的本质特征：非线性和非对称性。因此，运用金融加速器理论可以合理解释部分甘肃省经济波动的轨迹特征和经济波动的成因。
（二）政策启示
1.强化宏观审慎监管和逆周期调节机制。第一，要进一步强化并完善宏观审慎监管框架，制定实行动态调整的监管规则，适时金融监管创新，构建起新的现代金融监管体制。第二，充分发挥逆周期调节作用，“逆经济风向行事”，缓解系统风险对金融体系和实体经济的溢出效应。
2.重视政策时滞所产生的金融加速器效应。政府在制定和实施调控政策时，要考虑到政策时滞兼金融加速器效应的存在性，准确把握时机，敏锐捕捉各种信息，选择科学合理的经济调控手段，避免经济大幅震荡。
3.根据企业规模制定有区别的调控措施。政府相关部门应根据企业规模制定有区别的调控措施，尤其要注重经济下行期中小企业金融加速器效应的风险防范。鉴于此，应充分发挥市场机制作用和政府因势利导相结合，积极引导中小企业转方式、调结构，加大财税金融政策支持力度，降低中小企业融资难度。
参考文献
[1]Balke.Credit and Economic Activity：Credit Regimes and Nonlinear Propagation of Shocks[J].The Review of Economics and
Statistics.2000，82（2）：344-349。
[2]赵振全，于震，刘淼.金融加速器效应在中国存在吗？[J].经济研究，2007，（6）：27-38。 [3]周p，刘鹏.我国金融加速器的非对称效应研究――基于动态面板数据的实证分析[J].中国物价，2013， （5）：53-56。
[4]骆祚炎，王轶.企业信贷依赖程度对金融加速器效应的非对称影响――基于信息非对称的视角和TVAR模型的检验[J].
中央财经大学学报，2015，（11）：35-44。
[5]刘一楠.信贷约束、房地产抵押与金融加速器――基于DSGE分析框架[J].财经科学，2017，（2）：12-24。
[6]尹希果，杨倩.房地产去库存化对中国宏观经济的影响――基于金融加速器的数值模拟分析[J].经济问题，2016，（8）：3-8。
The Research on the Financial Accelerator Effect of Economic Fluctuation in
Gansu Province an Empirical Test based on TVAR model
BAI Weidong
（Baiyin Municipal Sub-branch PBC，Baiyin Gansu 730900）
Abstract： the "financial accelerator" was first proposed by Bernanke， Gertler and Gilchrist （BGG） in 1996. It is an authoritative theory to explain the "great crisis" and explains the role of "small shocks and great fluctuations" of financial markets in economic fluctuations. In this paper， the threshold vector autoregressive model （TVAR） is used to study the financial accelerator effect of Gansu economy on the macro level. Then， it calculates the reaction sensitivity of "tightening" state probability of credit market to four kinds of alternative shocks， drawing the conclusion that the financial accelerator effect of the credit shock is the most significant. Secondly， the changeable equation of the predictive function is established to further examine the mechanism of the impact of the credit market on the economic fluctuation in Gansu Province. Finally， the relevant policy implications are put forward.
Key words： financial accelerator； small impact， large fluctuation； TVAR model； nonlinear conduction
