金融危机对我国经济影响测算

摘 要:文章在计量经济学理论和凯恩斯宏观经济理论框架下,以定量的方法对此次金融危机对我国经济产生的现实影响进行了一系列分析;通过引入行业景气指数在危机前后的不同变化趋势及其对经济总体的影响,总结各个经济变量与国民生产总值的关系的规律,并利用神经网络和灰色方法对我国的经济前景进行仿真计算,据此研究金融危机对我国宏观经济的影响。

关键词:企业景气指数 金融危机 时间序列分析 神经网络 灰色预测

中图分类号:F830文献标识码:A

文章编号:1004-4914(2010)06-036-04

一、研究背景

金融危机从萌芽状态的美国次贷危机,在经济全球化的背景下慢慢演变成了一场波及世界各个角落的金融危机。在这场危机中,无论是何种社会制度、金融体系是否发达、市场体系是否健全,几乎每个国家都受到了负面影响。我国的宏观经济以及各个实体经济行业无疑也受到了危机的冲击,文章就是基于上述背景对我国的受影响情况作出定量分析,并根据其发展趋势预测我国经济前景。

对于本次金融危机国内学者已经做了大量定性分析,在危机产生原因、形成和发展过程、传播途径、产生影响以及各国对此的积极反应和我们应该继续努力的方向等都有深入探索。相对而言,就该问题定量研究有更大空间发展空间。本文正是在这一背景下,通过行业景气指数这一关键性变量对金融危机快速灵活真实反应实体经济各行业的变化,在凯恩斯宏观经济理论框架中用定量方法测算此次金融危机对我国实体经济在结构上有怎样影响,并在目前的趋势下预测我国经济未来走势。

二、金融危机对我国宏观经济影响测算

(一)选择变量

在凯恩斯的宏观经济理论框架下有宏观经济核算体系:

Y=C+I+G+(EX-IN)(1)

Y是国民收入,C是居民消费,I是总投资,G是政府支出,(EX-IN)是净出口额。

根据上述理论,应选取消费、投资、净出口和财政支出作为自变量,建立相关模型分析经济发展状况。由于以上变量对经济环境的变化有一定时间的时滞,仅仅局限于这些变量无法准确体现金融危机对经济的影响。找到能够及时反映危机变化又能够符合经济理论的变量,就显得十分必要。

对于此次金融危机进行分析的众多研究已经相对比较深入,但是定量分析经济受其影响程度的研究还有很大研究空间。其中一个重要原因就是缺少能够迅速反应实体经济对危机敏感程度的变量。在对国内众多数据库的查询比较下,文章利用行业景气指数这一因变量来反映实体经济对危机的敏感度。

行业景气指数是根据《中华人民共和国统计法》的规定,由国家统计局制定企业景气调查制度下,为及时、准确地反映宏观经济运行和企业生产经营状况,利用企业家对所在行业运行状况和企业生产经营状况的判断和预期编制景气的指数。

行业企业景气调查是对行业经济发展的周期波动进行监测和预测的一个重要而又行之有效的统计调查方法。它以企业家为调查对象,采用问卷调查的方式,收集企业家对本行业景气状况和企业生产经营状况的判断及对未来发展的预期,并根据企业家对宏观经济状况及企业生产经营状况的判断和预期来编制景气指数,从而准确、及时地反映各行业经济运行和企业生产经营状况,预测行业经济发展的变动趋势。

景气调查方法起源于本世纪20年代的欧洲,最早由德国伊弗研究所(ifo)研究创立,于1949年正式开始企业景气调查。法国经济研究所(INSEE)对景气调查方法的发展有很大的贡献,日本在二战后学习ifo的经验也建立起景气调查制度。现在,世界上己有50多个国家开展了企业景气调查,并把它作为一项重要的统计调查制度,形成了很规范的景气调查体系。随着市场经济的深入发展,为满足各级政府进行宏观决策以及企业参与市场竞争的需要,我国有关部门从90年代初期开始借鉴国外的经验开展景气调查,并运用西方经济周期波动理论及方法,经过科学运算建立宏观经济“晴雨表”或“报警器’,客观、灵敏、形象地反映宏观经济及社会需求的景气态势及未来走势。

国家统计局企业调查队系统建立后,于1998年开始进行大范围、规范的企业景气调查,并正式形成国家统计调查制度。经过多年的努力,这项调查已产生广泛的积极影响,并被国内外专家评价为最具权威的中国行业企业景气调查。

企业景气度数据是依据对企业家的调查结果计算得出的,反映了企业经营者对行业以及企业现状的判断和前景的预期,能相对准确的反映行业及其相关企业的生产经营状况以及未来可能的变动趋势,企业经营者也会按照自己对当前状况的判断以及未来前景的预期来采取具体的经营措施,进而影响企业的经营业绩。另一方面,证券的市场价格从理论上是根据企业的经营状况即公司的内在价值的变化而波动的,企业经营状况改善,内在价值提高,则市场价格也应该上涨,反过来,企业经营状况恶化,内在价值降低,则市场价格会下跌。由此可以看出,行业景气度与由证券价格计算得出的行业指数应该是相关的,而且应该是正向相关。

从我国2000年至2010年一季度企业景气指数的变化趋势可以看出,这一期间有两次比较大幅度的下行过程,一次是2003年初,一次是2007年前后。

前者是由于1997年亚洲金融危机波及我国,出现了供大于求、需求不足的问题,经济增长明显受到需求不足的制约。当时实际上出现一定程度上的通货紧缩。治理通货紧缩,最关键的是扩大需求,因此我国实施了积极的财政政策,主要是通过发行长期建设国债、增加财政赤字、扩大政府支出,特别是增加投资性支出等来扩大需求,拉动经济增长。这一政策指导方向一直持续到2002年。从2003年开始我国经济走出了通货紧缩的阴影,经济增长进入新一轮周期的上升阶段并呈现出加速发展的态势。但另一方面,又存在经济结构不合理、经济增长方式粗放等问题,经济在一定程度上出现了波动。因此货币当局在继续实行稳健货币政策的同时开始调整财政政策取向,由扩张性的积极财政政策转向稳健财政政策。这一变化清楚地反映在企业景气指数变化趋势的转折上。

后者转折情况则是由于2007年美国爆发次贷危机,并在2008年升级为金融危机,在全球经济不景气的背景下,对我国经济的影响也表现为企业景气指数急剧下挫。2006年末期我国经济局部过热内外失衡的,发展速度高涨,企业景气指数也保持持续上扬趋势并达到前所未有的高度——接近150。此时随着美国房价的不断下滑次贷危机渐露端倪,我国几大银行所持次级债受危机影响开始缩水,人们对经济发展状况开始表示怀疑,于是企业景气指数在2007年初改变了保持4年之久的上升趋势急转直下。企业景气指数持续急剧下行,到2008年末已跌至2000年以来的最低点——接近100。在短短的两年时间企业景气指数将七年的积累化为乌有,可见此次金融危机对我国实体经济的影响程度。

所以,通过企业景气指数在金融危机前后运行趋势变化的角度,能够反映出我国实体经济在此次金融危机中受到的影响。在此基础上,在原模型中加入企业景气指数,由IDX表示,其经济理论意义可以解释为人们对经济的预期。因为储蓄与消费的负相关性,文章选择用储蓄代替消费作为模型变量。同时,财政支出与企业经济指数的关联性相对较小,综上所述文章选择GDP、企业景气指数、投资、储蓄、净出口作为模型的最终变量,(1)式变化为:

Y=f(IDX,I,S,EX)(2)

(二)模型构建

经反复试验得到以下结果最终确定以为因变量,为自变量建立多元计量经济学模型:

Lngdpi=β0+β1Ii+β2EXi+β3Lnee+μi(3)

以2000年一季度到2010年一季度数据作为样本区间,利用Eviews5.1对模型参数进行分析。首先进行单位根检验,结果如下表所示:

检验结果表明,gdp、投资、储蓄、净出口、企业景气指数时间序列都在5%的显著水平上接受了非平稳的原假设,而其一阶差分序列均拒绝非平稳的原假设。因此,gdp、idx、i、s、ex都是一阶单整时间序列,可以进行协整分析。

对各变量的一阶差分序列进行协整Johansen检验,检验结果说明上述变量间存在至少两个协整关系。因此对用原变量的一阶差分序列对模型参数进行估计,修正异方差问题,选择加权最小二乘法对模型参数估计,结果如下:

D(gdp)=1022.66+162.52D(idx)+0.04D(i)+0.01D(s)+0.36D(ex)

(6.2656) (8.5365) (2.1915) (1.5836) (13.2835)

R2=0.9995D.W.=0.4699

很明显,D.W.统计量说明模型存在序列自相关问题,并且D(s)未通过t检验,因此剔除D(s)后重新对模型进行估计,结果如下:

D(gdp)=1173.5360+151.7797D(idx)+0.04516D(i)+0.3589D(ex)

(42.2345)(39.1044)(29.7094)(153.8378)

R2=0.9999 D.W.=1.3287

上述为我国经济在金融危机影响后,经济整体运行中各宏观变量之间存在的一个稳定的线性关系。在前面已经分析出2006底是企业景气指数的转折点,因此用相同的方法对2000-2006年的数据重新用OLS估计,得到以下结果:

D(gdp)=955.7736+184.3115D(idx)+0.0495D(i)+0.5787D(ex)

(20.9427) (23.4381) (4.7404) (19.5268)

R2=0.9999 D.W.=1.1894

通过两者的比较不难发现,各个自变量前参数都发生了变化,企业景气指数、投资和出口对经济的贡献度都在危机发生以后有所降低,降幅分别是:景气指数17.65%、投资8.77%、净出口37.98%。其中以净出口的贡献度降幅最为突出,降幅超过了1/3。无疑,这对严重依赖外需支撑我国经济飞速发展这一现实动力造成了严重打击。这也意味着,相同的信心、投资力度和出口规模下,经济发展没有危机发生前那样有效率。恶劣的经济环境已经对我国经济产生了明显的负面作用。

通过上面的定量分析,我们可以确定的是此次金融危机对我国经济的确产生了影响,在人们预期受到巨大冲击的情况下经济结构也发生了明显变化。这种变化的产生我们无法避免也无法抗拒,在过去的一段时间里,不论强弱每个国家都迅速采取了不同的措施应对危机的发生。对于我国,目前面对危机我们能做的就是重拾信心,在困境中寻找生机。

(三)神经网络及灰色预测

由于金融危机对经济结构和经济环境的影响,用传统的回归方法已经无法准确描述不同结构下的参数,要精确模拟这种非线性经济发展动态趋势需寻求更好的解决方法。

1.BP神经网络预测。神经网络是一个信息过程模型,用来识别与追踪不同内生变量的相互关系,神经网络有自训练机制,能够比较预测值与真实值,并且靠调整权值来减少预测值与真实值的差异,神经网络的这种能力使得他们能够更适合于未知的模型。

神经网络最显著的特征是可以通过对其连续的数据匹配而达到自学习。首次应用Hu(1964),使用Widrow’s自适应线性网络进行天气预报。当时多层神经网络学习算法的缺乏,这种研究非常有限,直到1986年,BP算法出现(Rumelhart,etal,1986),神经网络用于预测问题才得到了长足的进步。Werbos(1974,1988)首次公式化了后向传播网络并且发现用BP算法训练的网络超过了传统统计法像回归方法。

BP结构的提出为神经网络的发展起了关键作用,它的基本原理以及梯度下降算法被广泛应用。在输入输出呈高度非线性相关的情形下,以及输入变量之间高阶相关的情形下,一个神经网络能得出很好的结果。

网络除输入输出节点外,还有一层或多层的隐层节点。输入信号从输入层节点依次传过各隐层节点,然后传到输出节点,每一层节点的输出只影响下一层节点的输出。其节点单元传递函数通常为型Sigmid型(f(x)=1/(1+EXP(-BX))(B<0)。在输出层中,节点的传递函数有时为线性。BP网络可看作是一个从输入到输出的高度非线性映射,即F∶Rn→RM,f(X)=Y.BP。它具有R个输入,每个输入都通过一个适当的权值w,与神经元相连,神经元的输出可表示成:a=f(w*p,b)。

神经网络由输入样本与连到第一隐层的初始权值进行内积运算得到第一隐层神经元的总输入,经非线性激励函数的作用后得到输出,此输出再作为下一层的输入,依次计算直至输出层得到网络的输出。但是如果神经元的总输入与阈值相距太远,由于各神经元的激励函数具有饱和非线性特性,会使得神经元的输出落在饱和区域,这样网络的实际输出要么为激励函数的最大值,要么为激励函数的最小值,使得输出的导数值将很小(趋于零)。从而将导致权值的修改量很小,不但学习速度缓慢,而且网络很难收敛。同时,小数值信息有可能被大数值信息所淹没。因此,在进行神经网络预测之前,为避免原始数据过大造成网络麻痹,要对原始数据进行归一化处理,对于预测值,由于变化幅度较大,也不宜直接作为神经网络的输出。

对于单极型Sigmoid函数来说,其输出在0-1之间变化,并且只有当输入为(-∞,+∞)时,输出才达到(0,1),一般提法是将输入量归一至(0,1)。本文对样本数据进行如下归一化处理公式为:

Y=(x-min)/(max-min)

其中,max和min分别为样本数据中的最大值和最小值,x为原始样本数据,Y为变换后的数值。这样不但避免了输入数据落入饱和区域,也保持了数据的原有特征。当神经网络处理结束后,再做反归一化运算。对网络输出,对输出数据采用如下公式使输出数据与原始数据在同一个区域之内,反归一化的公式为:

Y=x·(max-min)+min

显然,这是原始数据进行归一化的逆过程。

首先,分别用函数traingdx和trainlm对网络进行训练明显发现trainlm函数的收敛速度更快,因此选用该函数为训练函数。与此同时试算输出神经元的个数在[8,13]之间时的收敛速度以及网络误差,并对此加以比较,如表格2所示。

显然,在经过2000次训练后,隐层神经元为11的BP网络对函数的逼近效果最好,因为其误差最小而且网络经过12次训练就达到了目标误差。隐含层为12、13的网络误差也比较小,但是它们所需要的训练时间相对较长。考虑到网络性能的训练速度,这里将网络隐含层的神经元数目设定为11。

训练结果为:

TRAINLM,Epoch0/2000,MSE0.356946/1e-005,Gradient7.64795/1e-010

TRAINLM,Epoch20/2000,MSE9.50275e-006/1e-005,

Gradient0.00330869/1e-010 TRAINLM,Performance goal met. y=0.1123

以危机影响前2000-2007年数据对2008和2009年国民生产总值进行预测,并利用前述反归一化公式得到2008年、2009年国内生产总值的模拟仿真值分别为275213.2404亿元、335112.6097亿人民币。

2.灰色序列预测。1982年,北荷兰出版公司出版的《SystemS&ControlLetterS》(系统与控制通讯)杂志刊载了我国学者邓聚龙教授的第一篇灰色系统论文《TheeontrolProblemSOfGreysystems》(灰色系统的控制问题),标志着灰色系统理论这一新兴横断学科的问世。所谓灰色系统(Grey System)理论,就是研究灰色系统分析、建模、控模、预测、决策、控制、优化等问题的理论,它把一般系统论、信息论及控制论的观点和方法延伸到社会、经济和生态等抽象系统,并结合数学方法,发展出一套解决信息不完全系统(灰色系统)的理论和方法。灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测,就是对在一定方位内变化的、与时间有关的灰色过程的预测。尽管过程中所显示的现象是随机的、杂乱无章的,但毕竟是有序的、有界的,因此这一数据集合具备潜在的规律,灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理,来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势状况。灰色预测法用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型,预测未来某一时刻的特征量,或达到某一特征量的时间。

文章采用单序列一阶线性动态模型,即GM(1,1)模型对国民身产总值进行预测。与神经网络方法类似,仍以2000到2007年度数据位样本对2008和2009年国内生产总值进行预测。首先对序列进行级比检验,得到级比值如表格3。

n=7时,可溶覆盖域为[0.7788,1.2840],因此可以直接用原数据进行GM(1,1)建模分析。以生成序列残差为残差序列并进行5次建模。两年国内生产总值预测值分别为294398.9982亿元、341006.0067亿元。

(四)金融危机影响分析

将预测结果与实际值进行比较,可以发现:

1.两种方法对2008年预测的结果都小于实际发生值,说明金融危机发生一年的时间内,对我国宏观经济发展的负面影响并不显著,甚至可以说发展状况相对较好。一方面说明危机影响需要一定时滞,另一方面说明我国宏观经济状况健康平稳,未受危机影响太深。

2.与2008年相反,两种方法对2009年预测的结果都大于实际发生值,虽然误差绝对量比2008年都有所收窄,但是宏观经济并没有预期的那样好。这样的结果意味着,我国2009年经济受危机负面影响较为明显。现实也是这样的,我国2009年外贸行业受到严重冲击,许多外贸企业亏损甚至倒闭,失业情况较为严重。2009年外贸净出口增长为负,为改革开放以来形式最为严峻的一年。这也再次应证了模型部分结果:出口贡献度降幅高达37.98%,出口对经济的拉动作用在金融危机影响下严重削弱,经济结构因此发生改变。

3.两种预测方法都属于非线性预测,对计量模型的线性假设有很好的弥补作用,相比较而言较为准确把握了变化莫测的经济发展规律。从二者的预测误差来看,灰色预测在本研究中更为精确。

三、建议对策

通过对近代世界上大范围经济危机的深入研究,我们可以总结一些规律性的经验,值得在美国次贷危机的背景下作为参考。以史为鉴,我们会更加从容而面对危机更加理智的应对危机。

1.繁荣总是和危机相伴相随。对近百年来发生的世界范围经济危机产生的背景作进一步的思考,我们会发现,在经济危机发生之前基本都是经济的高度繁荣。在这种人们经济预期十分乐观,资本市场越加膨胀的情况下,我们对于风险的敏感程度会迟钝很多。危机就往往暗藏在一片繁荣的假象之中。从1907年的危机,1929年开始的大萧条,第一次石油危机引发的经济危机以及第二次石油危机引发的主要工业国家的滞胀,无一不是在危机之前经历了一段持续发展高度繁荣的阶段。这一规律提醒我们,在繁荣景象的欢心鼓舞中保持头脑的清醒时刻留意无处不在的风险,只要稍不留意就有可能酿成祸及别国的危机。

本次由此贷引发的全球金融危机就是金融创新过度,分散风险的同时也加大了利益连带的范围,一旦这个长长的链条有一节出现问题就会连累链条上的每一环。在鼓励金融创新并享受着金融创新给人们带来巨额财富的同时,人们恰恰忘记了金融创新的虚拟性,在经济繁荣的环境中没有料想到风险一旦显现便会出现这样不可收拾的局面。

2.在危机出现后政府采取政策正确与否直接决定危机对国家经济负面的影响程度。在对两次石油危机引发的经济危机和1929年经济大萧条的对比中,我们已经分析出美国在这三次危机中货币政策的执行水平现实上对危机的影响程度确实有决定性作用。除此之外,英国、日本的不同政策也直接导致了在同一场危机发生过程中其受危机影响程度也是截然不同的。因此,在对当前金融危机的应对中,谁的反应快、谁的政策符合现实谁就能越早抽身危机的困扰。这也就解释了为什么在雷曼倒闭后,美国、英国以及欧盟——这些资本主义坚定护卫者——迅速将各自面临倒闭的银行不同程度的收为国有,并且纷纷出巨资救市。这对于稳定人们的情绪,帮助人们恢复信心都起到十分重要的作用。当然,对于我们国家这一条规律运用也是十分必要的。目前我国的房地产市场以及股票市场都面临着巨大挑战,在我国资本市场发展不无完善的情况下能否成功应对这些挑战,也是我国能否尽量减少金融危机给我们带来的损失的关键环节。

3.危机的发生中往往也蕴藏着时机。波及世界范围的经济危机一定是由有巨大经济规模和水平的国家在经济的运行中出现这样或者那样问题引起的,这就说明这样的导火索国家一定是经济中存在着不可弥补的缺陷。在大国经历危机的过程中其经济实力一定会受到削弱,当然这也就蕴藏着许许多多的机会,让原来的相对落后的国家改变一些原来对自己不利的国际经济规则,为未来奠定更好的基础甚至改变世界经济格局。如德国的工业实力就在1907年的积极危机中超过了英国,而1929年开始的大萧条大大削弱了英、美、法的经济实力加之绥靖政策纵容了德国的法西斯并促成了欧亚两大战争策源地。第一次石油危机的爆发即让日本陷入到严重的经济危机中,但是也促使日本改变原来受制于能源的发展模式,降低对能源的依赖程度,换以节能型的汽车、家电等利用国际贸易占领国际市场,短短五年时间就从手石油危机影响最为严重的国家摇身变为在第二次石油危机中受影响最小持续时间最短的国家,并借之其他国家受到削弱的有利条件,在1985年成为世界上第一大债权国。较之于现在的金融危机,我们是不是能发现蕴藏在暴风骤雨中的机会并抓住机会在这一历史变革时刻为我们今后的发展争取到更大的空间。如,在危机中各西方强国的资产价值都不同程度的贬值,如果我们能够认清货真价实的资产并且借助人民币升值的有利条件,在海外投资就是个不错的选择。当然这需要谨慎选择,挑选风险已经基本完全释放的优质资产,如何实现值得仔细研究。

4.西方资本主义国家往往在本国经济危机相当严重的情况下,为转移国内矛盾把危机转嫁于战争。对于这一点,笔者认为并没有太大的借鉴价值。我们不可能利用这样的方式解决我们面临的危机,但是确实应该提防危机的重灾国会故伎重演,我们应该作好充分的心理准备。

参考文献:

1.韩文蕾.中国股票市场的非线性分析与预测[D].西北工业大学博士学位论文,2005

2.刘开华.基于BP神经网络方法的上市公司财务预警研究[D].重庆大学硕士学位论文,2006

3.葛哲学,孙志强.神经网络理论与MATLAB R2007实现[M].北京:电子工业出版社,2008

4.刘国宏.基于人工神经网络的经济预测研究[D].天津大学硕士学位论文,2005

5.许松荣.基于线性神经网络的协整分析[J].厦门理工学院学报,2005

6.邓聚龙.灰色控制系统(第二版)[M].武汉:华中理工大学出版社,1993

7.刘思峰,郭天榜,党耀国.灰色系统理论及其应用(第二版)[M].北京:科学出版社,1999

8.唐启义,冯明光.DPS数据处理系统-试验设计、统计分析及数据挖掘[M].北京:科学出版社,2007

(作者单位:中国海洋大学经济学院 山东青岛 266000)

(责编:贾伟)

推荐访问:测算 我国经济 金融危机 影响