宏观经济利率精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇宏观经济利率范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

【关键词】利率期限结构 宏观经济信息 研究综述

一、研究的背景和意义

在我国，由于利率管制的限制和债券市场发展不成熟等多方面的原因，学者对利率期限结构与宏观经济运行的关系的研究还处于初级阶段。随着我国金融体制改革、金融自由化程度的提高、货币和资本市场的发展、以及微观主体参与度的提高和金融产品创新等一系列内源推动下，利率作为引导金融资源配置的重要杠杆，其作用日益凸显，因此对利率期限结构和宏观要素之间关系的研究具有越来越重要的意义。

二、文献综述

（一）利率期限结构与宏观经济的国外研究现状

Litterman和Scheinkman（1991）采用主成分分析法对美国政府债券收益率进行了实证研究，并将影响利率期限结构的三个潜在因子分别称为：水平因子、斜度因子和曲度因子，但是并没有给出这些因子的宏观经济含义。

Ang和Piazzesi（2003）将宏观变量加入到三因子的利率期限结构模型中，通过建立VAR模型对1952～2000年的美国国债利率期限结构与宏观经济因素的关系进行了实证研究，实证结果表明，宏观经济因子可以解释利率期限结构中短期和中期利率变动的85%，可以解释利率期限结构中期及长期利率变动的40%；通货膨胀对利率期限结构中的短期部分具有较强的冲击，且利率期限结构中的水平因子可以识别这种冲击；水平因子和斜率因子受宏观经济变量的影响较大；加入宏观经济变量的模型对利率的预测精度有明显的提升。

Hans（2006）在Ang和Piazzesi（2003）的基础上将宏观因子的长期预期值纳入模型中，采用卡尔曼滤波算法对无套利的VAR模型进行估计，并将估计出的三个潜在因子与宏观经济因子进行正交回归，结果表明：引入长期预期值后，模型的拟合优度与预测能力大幅度提升，且水平因子与通货膨胀有关，斜率因子与经济周期有关，而曲度因子则与货币政策有关。

Diebold和Li（2006）在Nelson和Siegle（1987）的NS静态曲线的基础上，提出了动态的Nelson-Siegel模型，构建动态利率期限结构模型，通过卡尔曼滤波方法来估计参数，从中提取出了利率期限结构的水平、斜率和曲率三个潜在因子，在此基础上利用VAR模型检验利率潜在因子与宏观经济变量之间的双向响应关系，将三因子向量扩展成包含宏观经济变量的六因子，从而探讨利率潜在因子与宏观经济之间的相互影响。

Rudebusch和Wu（2008）构造了利率期限结构的宏观金融模型，发现短期利率是利率期限结构与宏观经济变量之间相互影响的传导变量。

Van Binsbergen等（2012）将利率期限结构引入DSGE模型，对比了包含不同变量的估计结果，发现利率期限结构能替代通货膨胀指标得到相近的估计结果，并且包含了有关贴现因子、投资者风险厌恶程度等微观信息。

Kagraoka和Moussa（2013）发现利率期限结构对未来宏观经济的预测能力存在时变特性，他们根据经济状况对样本观察期进行分段，再利用传统模型对分段后的子样本进行估计，基于分段方法存在较大的主观性，这种做法并不能准确刻画变量之间的时变特性。

Frances Shaw，Finbarr Murphy和Fergal（2014）将动态Nelson-Siegel模型运用于信用违约互换（Credit default swaps）上，并且结果表明，该模型对信用违约互换曲线的拟合效果很好，并且预测能力也比较好。

Dara Sim和Masamitsu Ohnishi（2015）在无套利Nelson- Siegel（AFNS）模型的基础上，转换视角将AFNS模型中的服从高斯过程的水平因子替换成服从CIR过程的水平因子，实证表明替换后的新模型更适合美国短期国债利率，而对于到期期限较长的国债收益率预测效果较差。而对于日本的零息债券而言，新模型与AFNS模型没什么差别。

Jared Levant和Jun Ma（2016）在动态Nelson-Siegel模型的基础上，引入了三个宏观经济变量：货币政策利率、工业生产总值、通货膨胀预期，将模型扩展成MFA-DNS（Macro-Factor Augmented Dynamic Nelson-Siegel）模型，来研究英国的债券市场利率期限结构，结果表明，货币政策和经济活动对英国债券利率期限结构的影响显著，并且水平因子和斜率因子与通货膨胀预期和货币政策有关。

（二）利率期限结构与宏观经济的国内研究现状

国内对利率期限结构理论的研究始于上世纪九十年代中后期，起步较晚。此外我国存在一定程度的利率管制，中国债券市场发展仅30年，不管从市场规模、市场质量上看都还不成熟，因此对利率期限结构与宏观经济运行的关系的研究还比较有限。

傅曼丽、屠梅曾和董荣杰（2006）应用常用的四种静态利率期限结构模型对上海证券交易所国债稻萁行实证分析。通过多方面数据比较，得出Nelson-Siegel模型和Svensson模型更加适合我国金融市场的结论。

刘海东（2006）研究了2002年4月至2005年8月期间我国货币政策对利率期限结构的影响。该文章首先用指数样条法对我国国债利率期限结构进行估计，然后用7天期国债回购利率作为货币政策的变量，以此来检验货币政策对利率期限结构的影响。实证结果表明，货币政策对利率期限结构的影响显著，且短期利率受货币政策的影响较大。

郭涛，宋德勇（2008）用Nelson-Siegel模型对我国2004年1月至2006年12月期间我国国债利率期限结构，分析了央行货币政策以及通货膨胀对利率期限结构的影响。结果表明Nelson-Siegel模型可以较好的拟合我国国债利率期限结构，长短期利差可以反映出货币政策的状态，利率期限结构的水平因子与通货膨胀率之间协整。

季绍波，孙铁卿，于鑫和李延喜（2010）通过VAR模型，考察了2004年至2009年我国国债利率期限结构与宏观经济因素之间的动态关系。研究发现，宏观经济因素对利率期限结构水平因子的影响显著，水平因子、斜度因子和曲度因子三个因素可以解释90%以上利率曲线的变化，利用脉冲反应和方差分解，发现实际经济变化主要影响收益率曲线的斜度和曲度，其中货币政策是影响水平因子的主要原因，这一点与发达国家不同。

曾耿明，牛霖琳（2013）运用简约无套利宏观金融模型，首次将2005年1月至2012年4月期间的中国银行间国债收益率曲线分解成债券市场实际利率和通胀预期的期限结构，通过对名义收益率曲线的方差进行分解，得到通胀预期对一年期及三年期的名义收益率曲线波动影响最大，而实际利率对五年期及以上的收益率曲线波动的影响最大。

何晓群，王彦飞（2014）选用动态Nelson-Siegel模型估计出我国银行间债券市场的利率期限结构的三个潜在因子，同时，本文研究发现宏观经济在边际上影响着利率期限结构，其主要是实体经济（CPI和工业增加值）对斜率和曲度的影响，而对利率期限结构的水平移动没有明显影响。

金雯雯，陈亮（2014）利用动态Nelson-Siegel模型估计出国债利率期限结构，并构建时变参数向量自回归（TVP-VAR）模型研究利率期限结构与宏观经济之间的关系，从中探寻利率期限结构隐含的宏观经济信息。研究表明，我国利率期限结构的调整与经济运行相匹配，相比于经济周期和通货膨胀而言，我国利率期限结构没有明确体现出货币政策利率调控的信息，货币政策利率对利率期限结构变化的反应不够灵敏。

尚玉皇，郑挺国（2015）基于混频Nelson-Siegel模型来研究中国国债收益率及宏观经济变量之间的关系。研究表明混频模型可以改进同频模型拟合效果并能够较好的刻画出期限结构的水平、斜率和曲度因子；发现水平因子对通货膨胀有明显的作用，曲度因子受GDP正向影响；且通过方差分解发现通胀因子主要作用于水平因子及收益率曲线的长端，而GDP对曲度因子和中期利率的影响较大。

崔永涛（2016）通过Nelson-Siegel模型拟合我国利率期限结构参数，并将利率期限结构中的不同期限利率利用夹角余弦算法分为人们对未来的短期、中期和长期的利率预期来考察货币政策对人们各个时期利率预期的影响。结果发现，货币政策的变化对长期和短期利率预期有显著影响，而对中期利率预期影响不显著。

参考文献

[1]Diebold F X， Li C.Forecasting the term structure of government bond yields [J].Journal of econometrics， 2006， 130（2）： 337-364.

[2]Dara Sim， Masamitsu Ohnishi.A Modified Arbitrage-Free Nelson-Siegel Model： An Alternative Affine Term Structure Model of Interest Rates [J].Asia-Pacific Finan Markets， 2015，22：53-74.

[3]Jared Levant，Jun Ma.Investigating United Kingdom’s monetary policy with Macro-Factor Augmented Dynamic Nelson-Siegel models [J].Journal of Empirical Finance，2016，117-127.

[4]何匀海王彦飞.中国利率期限结构与宏观经济运行的关系――基于动态Nelson-Siegel模型的研究[J].经济理论与经济管理，2014年第8期.

[5]金雯雯，陈亮，毛德勇，叶茜茜.利率期限结构内含的宏观经济信息――基于TVP-VAR模型的时变参数研究[J].经济评论，2014年第5期.

[6] 尚玉皇，郑挺国，夏凯，宏观因子与利率期限结构：基于混频Nelson-Siegel模型[J].金融研究，2015年第6期.

篇(2)

关键词：宏观经济因素 企业 财务困境风险 影响

企业的经营管理过程中，不可避免地会遇到财务困境风险，要想将风险系数降到最低，确保企业的安全、可持续发展，就需要就风险影响因素作深入而具体的研究。传统研究主要关注的是企业的财务信息，随着研究的不断深入，宏观经济因素这一非财务变量成为企业和相关学者重点研究的对象。在充分的理论分析基础上，结合实证分析，才能进一步明确宏观经济因素的影响作用，为企业的风险防范工作和安全经营提供重要保障。

一、宏观经济因素对企业财务困境风险影响的理论分析

企业的生产经营和财务运作均是在大的经济背景当中，必然受到宏观经济因素的影响。而其财务健康程度和财务困境风险是否受到宏观经济因素的影响，就需要首先通过理论层面的假设论证和分析。

对于整体经济环境而言，如宏观经济环境恶化，则居民收入下降，购买力降低，企业的业绩也就相应下滑，且银行放贷难度加大，企业出现财务困境风险的概率也就越大。由此可假设整体经济环境与企业财务困境风险为负相关的关系。具体来看，以宏观经济因素中贷款利率和实际GDP增长率两个主要因素进行针对性分析。

首先，就贷款利率来看，如贷款利率越高，企业在相当的市场基础和条件下，其借贷成本也就同步上升，债务负担也就更加厚重。在出现经营不善情况时，无法进行及时的资金偿还，财务困境也就同步来临。基于此推断，可假设出贷款利率和企业财务困境风险之间存在关联性，且应为正相关；其次，如GDP增长越快，则市场经济繁荣，人们的购买力上升，企业的生产和销售均保持较高水平，收益较大，资金的流动性也就更强，财务困境风险发生率越低。由此可假设，GDP增长率与企业财务困境风险呈负相关。基于此理论分析和研究可得出，实际GDP增长率和贷款利率两个主要的宏观经济因素均对企业财务困境风险产生巨大影响。

二、宏观经济因素对企业财务困境风险影响的实证分析

为确保相关研究的科学性和准确性，应在完成理论研究的基础上，通过实证分析，综合判断宏观经济因素对企业财务困境风险的影响。

选取我国非ST制造业上市公司作为实证研究样本，将该公司前一年的年报数据作为数据分析对象，并选取该公司的财务变量和非财务变量作为预警指标。财务变量包括盈利能力、营运能力和现金流量、成长能力等方面的财务比率，非财务变量则为消费者物价指数、GDP增长率和M1年度增长率、加权平均一年其贷款利率。综合面板数据，以面板Logit模型作为分析和计算模型。经过模型估计结算，最终得出了非财务变量中的实际GDP增长率和一年期贷款利率。

就非财务变量中实际GDP增长率和一年期贷款利率而言，二者是宏观经济因素中的两个重要因素。一年期贷款利率在研究中的参数估计值为正，置信水平为5%时十分明显，由此得出一年期贷款利率和企业财务困境风险存在相关性，且相互关系为正相关。在研究当中，实际GDP增长率参数估计值结果显示为负，同时其置信水平在1%时十分明显，则其与企业财务困境风险为负相关的关系。综合可知，宏观经济因素中贷款利率和实际GDP增长率对于企业的财务困境风险有着显著的影响。

综合理论分析和实证分析的结果，可总结出，宏观经济因素对于企业财务困境风险的影响显著，且贷款利率和实际GDP增长率与企业财务困境风险分别呈正相关和负相关。

三、企业在经营过程中应对宏观经济环境的有效策略

（一）时刻关注宏观经济环境

关注贷款利率变化情况，当利率提高，则相关贷款业务应进行适当延缓，从其它途径实现资金的筹措。关注GDP增长率，如增长率较高，则在应在分析市场状况的基础上，适当扩大生产和销售。同时，将宏观经济环境作为财务管理的重要参考指标。

（二）建立财务危机预警机制

基于以上研究，为确保经营的安全性，防范财务困境带来的巨大风险，就需要在注重自身财务状况的有效管理的同时，时刻关注宏观经济环境。最为关键的一点，即建立起企业的财务危机预警机制。基于市场调研和企业财务管理分析结果，及时发现财务状况，并针对危机因素制定及时的处理措施，尽可能避免财务困境。

（三）重点关注关键性指标

重点关注企业经营管理中的关键性指标，使得企业在进行财务风险预防工作上能够把握重点，最大限度地避免关键指标造成的财务困境风险。如企业的总资产周转率、资产负债率和成本费用利润率等。在此基础上，做好企业信用管理和资金回收利用，实现经营效率的提高。

四、结束语

在综合理论分析和实证分析之后，可知宏观经济环境对企业财务困境风险有着巨大影响，且主要体现在贷款利率和GDP增长率上。为了避免企业陷入严重的财务困境，除做好自身的财务管理工作外，还应当时刻关注宏观经济环境的变化情况，建立财务危机预警机制，抓住关键性指标，才能将宏观经济环境的负面影响降到最低，使企业走上安全、健康、可持续的发展道路。

参考文献：

[1]卢永艳.宏观经济因素对企业财务困境风险影响的实证分析[J].宏观经济研究，2013，05：53-58

[2]过新伟，胡晓.公司治理、宏观经济环境与财务失败预警研究――离散时间风险模型的应用[J].上海经济研究，2012，05：85-97

篇(3)

【关键词】 商业银行;信用风险;宏观压力测试

一、引言

随着金融全球化进程加快、大型商业银行跨国活动增加、信贷衍生产品迅猛发展,新形势下商业银行信用风险管理问题日益突出。特别是2007年底次贷危机的爆发,使得各国商业银行的资产质量严重恶化,大量银行纷纷破产,虽然我国的商业银行因为种种政策性原因,在这次危机中损失较小,但随着我国金融市场的进一步开放,我国商业银行和国际金融市场的完全融合,将对我国商业银行的信用风险管理水平提出挑战。

目前,宏观压力测试由于能模拟潜在金融危机等极端事件对商业银行体系稳定性的影响,已经引起了国际金融组织和各国政策当局广泛的重视,并在实践中得到迅速推广。本文运用宏观压力测试法,结合我国商业银行的特性,对商业银行的信用风险水平及其影响因素进行分析,这对现阶段我国商业银行信用风险管理具有现实意义。

二、文献综述

宏观压力测试是用于评估一国金融体系在受到“异常但合理”宏观经济冲击时的稳定程度,其通过情景设定或历史事件,来衡量宏观经济冲击对整个对整个金融体系的影响。自20世纪90年代末以来,国外对宏观压力测试的研究及其在实践中的应用都已取得了丰硕的成果,其中最具代表性的是Wilson(1997a,1997b)用各工业部门违约概率与一系列宏观经济变量的敏感度直接建模,通过模拟将来违约概率分布的路径,得到了资产组合的预期异常损失,进而模拟出在宏观经济波动冲击下的违约概率值。Boss M(2002)和Virolainen (2004)利用Wilson提出的模型,根据加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚和芬兰银行部门的压力情境。

而在国内对宏观压力测试的研究还尚在起步阶段。在理论研究方面,徐明东、刘晓星(2008)通过对国际上流行的几种宏观压力测试方法的比较,阐述了如何运用宏观压力测试方法去评估一国金融体系的稳定性。在模型研究和实证方面,任宇航、孙啸坤等(2007)利用Logit回归测试的方法,通过收集我国的宏观经济数据和金融机构的数据,对我国银行业信用风险损失作出了合理估计。但国内的这些研究只是借鉴了压力测试的思想,使用传统的方法,通过模拟情境下宏观经济因素异动,由Logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法存在一定的缺陷:其不能有效地反映出宏观变动冲击对银行体系的影响,不能具体看出压力情境下哪些宏观经济变量对银行信用风险的影响最大,这就有进一步研究的必要。

三、模型构建与实证研究

宏观压力测试是对微观层面压力测试的有益补充,它是将各宏观经济冲击变量整合量化为一个宏观因子,将宏观波动因素整合到评估银行信用风险的模型中,通过压力情境的构建,预测在极端情形下宏观经济变动对银行系统信用风险的影响。

(一)模型构建

本文在研究我国商业银行信用风险水平与宏观经济变量的关系时借鉴了Wilson(1997a, 1997b),Boss(2002),and Virolainen(2004)所提出的模型。该模型主要包括:建立了一个信用风险水平和宏观经济变量间的联立方程;用蒙特卡洛法模拟了违约损失的分布。

具体来说,假定商业银行将贷款贷给了J个经济部门,其中j部门在t时刻违约的概率为pj,t,在这里j=1,2,…,J,pj,t介于0和1之间,用它的Logit转换值yj,t作为回归值,即:

进而,设定yt=(y1,t,……,yj,t)*,yt为转换指标。本文所采用的模型是基于M个宏观经济变量的现在值和滞后期的值所构成的一个线性方程:

yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt (2)

式(2)中明确表示了各宏观经济变量与违约转换指标yt之间的关系。其中,xt=(x1,t,x2,t…xm,t)表示宏观经济变量,其为M×1阶向量;m为截距项,其为J×1阶向量;A1……A1+s和η1……ηk为系数,它们分别为J×M阶和J×J阶矩阵;vt为随机误差项,其为J×1阶向量。

同时为了考虑各宏观经济变量之间的相关性,根据Wilson模型中关于宏观经济变量的等式系统,本文采用了下列的描述:

xt=n+δ1xt-1+…+δpxt-p+μ1yt-1+…+μqyt-q+ξt (3)

其中,n为M×1阶列向量,系数δ1,…δp和μ1,…μq分别为M×M和M×J阶矩阵向量,随机误差项ξt为M×1阶向量。

本文所考虑的模型在Wilson(1997a,1997b),Boss (2002)和Virolainen(2004)基础上,进行了两点改进:一是考虑了宏观经济变量对商业银行信用风险影响的时滞效应;二是模型的设定还考虑了商业银行体系对宏观经济变量的回馈效应。考虑到我国商业银行在国民经济中所占有的重要地位,该模型更符合我国的实际情况,因而用其来研究我国商业银行信用风险水平与宏观经济变量间的关系,具有很强的适用性。

(二)变量的选取与数据描述

为了建立商业银行信用风险水平和宏观经济变量之间的实证关系,本文收集了2003年1季度到2009年2季度共26个季度的商业银行不良贷款率和相关宏观经济数据,并通过参考国内外学者在研究宏观压力测试时的变量选择,考虑我国商业银行信用风险以及宏观经济发展的特点,对相关变量做了如下选择。

1.被解释变量

本文综合考虑了我国商业银行经营的特殊性和相关数据的可得性,选用了商业银行体系的信用风险为被解释变量,以不良贷款率为其衡量指标,即:商业银行体系的不良贷款率越高,其信用风险水平就越高。我国商业银行的不良贷款率的数据来源于中国银监会网站和国研网的统计数据库,其中,商业银行的样本包括了国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行。根据《贷款质量评估指导原则》,中国的贷款按照五级分类法进行分类,不良贷款率=(次级+可疑+损失)/贷款总额。

2.解释变量

在解释变量方面,鉴于我国宏观经济的运行情况以及相关数据的获取难度,选取了GDP增长率、CPI指数(用以表示通货膨胀率)、广义货币增长率M2、进口额同比增长率M、三至五年期贷款利率R、房地产价格指数RE、失业率U七个宏观变量,数据来源于锐思数据库和国泰安数据库。

3.数据描述

从表1可以看出:(1)我国商业银行的不良贷款率经过Logit模型转换为yt后,其波动率仍然较大。(2)从选取的宏观经济变量来看,我国的宏观经济进入了高增长、低通胀、低失业、适度宽松货币政策的繁荣时期,但房价指数RE和进口额增长率M的波动较大。

(三)实证研究与结果分析

1.实证研究

根据上述的模型设定,首先对Pj,t运用Logit模型进行转换,得到转换指标yt,再将对商业银行信用风险构成冲击的各宏观经济变量及其yt的一阶滞后变量(考虑到宏观经济冲击的滞后性往往为一年)的数据代入,利用Eviews5.0与yt进行多元线性回归,结果显示:GDP增长率ZGDP、通货膨胀率CPI、房价指数RE、贷款利率R、进口总额同比增长率M以及yt的一阶滞后变量这六个变量显著,而失业率U和广义货币增长率M2不显著,被剔除。然后再利用式(3)进行各宏观经济变量的自回归。回归结果如表2。

从表2可以看出:(1)在1%到10%的显著性水平上,CPI指数、GDP增长率、进口额增长率M、贷款利率R以及房价指数RE均显著影响到了我国商业银行的信用风险水平,且信用风险的转换指标受其滞后一期值的显著影响;(2)各宏观经济变量均受到其滞后项的显著影响,且除商品房销售价格指数RE外其余宏观经济变量还受到了转换指标滞后一期值的影响。

2.结果分析

从上述模型中,可以看出在宏观经济变量中贷款利率R对转换指标的影响最大,R的上升代表企业的融资成本增加,为了按期还本付息,企业就必须拿出更多的利润交给银行,如果融资成本大于企业盈利能力,那企业就有违约的冲动,使得商业银行的信用风险加大。而CPI对银行信用风险的影响与R则恰恰相反,其上升预示着国家在实行宽松的货币政策,使得企业融资成本降低,企业的盈利大幅上升,减少银行的信用风险。GDP增长预示着整个社会的宏观经济比较景气,经济处于上升繁荣期,企业平均盈利能力较好,不良贷款率也将随之下降。进口总额增长率M上升,对我国的出口企业造成负面影响,致使其业绩下降,进而会增加银行的信用风险。房地产销售价格指数的上升,会使得大量的资金涌入房地产市场,产生泡沫经济,鉴于目前我国房屋贷款在银行贷款中的比重,将会使银行的不良贷款率显著提高,进而增大银行的信用风险。同时,也可以发现转换指标的滞后一期对当期影响显著。显然,模型的回归结果符合经济学上的解释。

四、宏观压力情景的设定及其风险分析

压力测试主要是通过情境设定,根据情境假设下可能的风险因子变动情形,重新评估金融商品或投资组合的价值。通常重新评估的方式不会有太大的差异,但是情境设定的方式却有很多种选择。情境分析是目前应用的主流,即利用一组风险因子定义为某种情境,分析在个别情境下的压力损失。情境分析的事件设计方法有两种:历史情境分析和假设情境分析。整个程序通常分为两大步:一是情境设定;二是重新评估。

(一)情境设定

分析上述模型的回归结果,可以发现贷款利率R对银行信用风险的影响最大,而GDP增长率则是判定一国经济发展最重要的指标,同时考虑到大多数危机的冲击期会持续四个季度,因而假定2009年2季度为基期,模拟从2009年3季度到2010年2季度共4个时间点涵盖了一年期的未来路径。本文设定了两个压力情境:一是GDP指数突然大幅下降的情境。假定我国GDP季度增长率自2009年2季度起在未来的4个季度里每季度均会同比下降一个百分点。二是贷款利率R大幅上升的情境。设定我国的贷款利率自2009年2季度起在未来的4个季度里,每季度均会同比上升一个百分点。为了便于计算,假定这两个冲击是相互独立的,即当一个宏观解释变量受到冲击,其它解释变量仍然保持不变。

(二)重新评估

设定情景下的冲击结果如表3。

从表3中可以看出,在设定的两种压力情境下,我国商业银行的信用风险水平明显增加,其不良贷款率显著提高。同时,还可以发现,贷款利率R的大幅升高比GDP增长率的降低对商业银行体系信用风险的冲击幅度更大,这也充分说明了货币政策在调控宏观经济中的重要性及其对商业银行的显著影响。

为了更清晰地表现两种压力情境下银行体系信用风险的变化,将上述结果绘在图1中。

图1中P1代表了GDP增长率突然下降情境下的我国商业银行体系的不良贷款率,P2代表了贷款利率R上升时我国商业银行体系的不良贷款率。从图1中可以清楚地看到P2一直在P1的上方,即贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大。

五、结论

本文采用我国2003年1季度到2009年2季度的宏观经济数据和商业银行的不良贷款率数据,基于Wilson (1997a, 1997b),Boss(2002)及Virolainen(2004)所提出的模型,通过Eviews5.0软件建立了商业银行信用风险转换指标 与各宏观经济变量及转换指标滞后一阶的回归方程,结果表明GDP增长率、通货膨胀率、房价指数、贷款利率、进口总额同比增长率对我国商业银行的信用风险影响显著。进而利用得出的回归方程,依据假设情景对我国商业银行的信用风险进行了压力测验,在宏观压力测试的情境分析中,得出了贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大的结论。

鉴于本文的研究结论,可以看出宏观经济变量和商业银行信用风险之间有着密切的联系,在本轮的次贷危机中我国的商业银行虽没有受到大的冲击,但应该吸取欧美大银行在这次危机中的教训,防患于未然,提高自身的风险意识,继续降低银行的不良贷款率。另外,政府在遇到宏观经济问题时,货币政策起着至关重要的作用。一国货币当局在面对危机时,应该审时度势,制定正确的货币政策,确保经济的快速增长。

【参考文献】

[1] Wilson T C. Portfolio credit risk I [ J ]. Risk, 1997, 9(10) : 111 - 170.

[2] Wilson T C. Portfolio credit risk II [ J ]. Risk, 1997, 10(10) : 56 - 61.

[3] BossM. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio [ J ]. Financial Stability Report, 2002(4): 64 - 82.

篇(4)

关键词：上证综指；宏观经济变量；协整检验；误差修正模型股票市场是宏观经济的晴雨表，随着我国股市的快速发展，股市与宏观经济之间的密切关系也逐步展现出来。2003-2006年，宽松的宏观调控政策助涨A股出现了一轮大的“牛市”现象。2007年宏观调控政策转向“从紧”，“打压泡沫”直接作用于股市，另外加上国外的金融危机，导致股市各指数在2008年上半年持续下跌。2008年底，政府投出4万亿扩大内需，股市明显回温。到2009年8月IPO发行重新启动，及在欧洲债务危机的影响下，股指达到反弹高点后又回调震荡。2010年7月，在市场大宗商品价格持续走高的背景之下，中央采取“适度宽松”的货币政策，A股快速大幅拉升。2011年由于国内通胀压力过大，政府开始实行“宽松的财政政策，从紧的货币政策”，加上美国信用评级下降及欧洲债务危机的扩散，指数一路下行。进入2012年，国家放缓宏观经济增长目标，持续调控房地产，上半年宏观经济数据显示经济增长缓慢，股市也处于低迷状态。

由上可见宏观经济与股市之间的联动反应，中国股市正处发展阶段，在一定程度还需要国家的宏观调控，这就必须明白我国股指与国内主要宏观经济指标的关系。因此要研究主要宏观经济变量影响股票市场的途径与作用机制，进而进行有效的预测，这对于促进股票市场稳定健康发展和提高国家宏观调控能力有着十分现实的意义。

1、数据来源与处理

（1）由于我国股票市场的特殊性以及长期来备受争议，国家对其的干预较为严重，因此股市本身并不是有效的独立。本文在考虑到宏观经济数据的易获得性，选取了2008年1月一2012年5月年的月度数据。数据主要来源于中华人民共和国统计局网站、中国人民银行网站、东方财富网。

（2）在研究分析中使用的数据为月度数据。这是因为，根据过去学者的研究结论，月度数据比日数据更具有不敏感与稳定特征。首先采用了上证综合指数从2008年1月到2012年5月的月度收盘数据以及对应期间的宏观经济变量指标（包括工业总增加值增速、居民消费物价指数同比增长率、利率水平、货币供应量以及社会消费品零售总额5个具体宏观变量指标）的月度数据。

（3）为了消除所选变量的季节性因素影响，本文采用X-12方法对除利率外的所有数据消除季节因素，并加SA表示，然后取对数以消除时间序列存在的异方差，加L表示。

2、实证分析

2.1相关分析

首先将上述可能影响股市的5个宏观经济变量与上证指数放在一起做出它们的相关系数矩阵，结果发现除利率水平与上证指数较低的相关程度外，其它的相关程度还是比较高，表明这些经济变量与上证指数之间有较强的线性相关关系。利率与股指相关程度较低，说明利率在这一段时间内的变动对股市的影响不是很明显，这与目前实行的利率制度有很大的关系。利率没有市场化，并且中央银行在相当长的时间才会有所调整，这样大大降低了利率与股市变化的联动性。

2.2回归分析

由于以上所选定的宏观经济变量之间普遍存在着较高的相关系数，比较明显的是LSE与LM2，LRATE与LSE、LCPI、LM2。这将出现严重的多重共线性的问题。为了消除变量之间的多重共线性，在此采取逐步回归法。

2.2.1判定系数检验法

做LSE对LM2的回归，发现R2=0.975789；做LM2对LSE的回归，R2=0.975789，但是AIC与SC的值较高，所以我们选用LSE。

2.2.2修正的Frish方法

首先依次做LSH对LSE、LRATE、LGY、LCPI的回归分析，得到R2最大的是LSH对LGY回归，因此选取LGY作为模型的出发点进行估计。继而在LSH和LGY中加入解释变量LSE进行估计，结果R2=0.607245，R2明显提高，并且对LGY的系数值和t检验值都没有较大的影响，因此可以加入解释变量LSE。同理依次加入解释变量LRATE、LCPI，发现R2显著提高入，并且对其它解释变量的系数与t值也没有多大影响，最终得出上证综指与工业增加速度、社会消费零售总额、居民消费价格指数、利率水平之间的函数关系式：

LSH=0.526276*LGY+0.276255*LSE+0.0709678*LCPI-0.17579091LRATE+11.30623

（777）（347）（273）（-291）（1616）

DW值接近2，表明不存在自相关，其它各项值也显示回归方程的性状良好。

2.3ADF检验和协整检验

首先对各变量依次做ADF检验，其检验结果汇总如表一所示。

表1单位根检验表水平检验值是否平稳一阶差分值是否平稳变量ADF值1%水平值ADF值1%水平值LSH-0.48822-2.61203否-3.26754-2.61301是LSE6.039941-2.61203否-3.08677-2.61301是LRATE0.28784-2.61109否-3.22826-2.61203是LGY0.326733-2.61203否-4.50147-2.61301是LCPI1.294107-2.62724否-2.63076-2.39429是从单位根检验表可以看出它们的一次差分序列不存在单位根，是平稳的。即各变量均是一阶单整I（1）序列，因此可以做协整检验，接着得出残差序列为0阶单整序列。说明上述宏观经济变量与我国股票市场的指数变量在样本区间内存在长期均衡关系。

2.4建立误差修正模型（ECM）

误差修正模型是一个短期模型，其中误差修正项反映了长期均衡对短期波动的影响，等式右侧的差分项反映变量短期波动的影响。由上述检验结果可知，在1%显著水平下，LSH序列与LGY、LSE、LRATE和LCPI序列存在协整关系。所以可以建立误差修正模型（ECM）。由此进一步得到误差修正模型为：D（LSH）=0.236996032656*D（LSE）+0.0643539330744*D（LCPI）+0.343416929634*D（LGY）-0.194980771541*D（LRATE）-0.387782334232*ECMt-1

由上可以看出误差修正项ECMt-1对D（LSH）构成显著的影响。即LSH与LSE，LCPI，LGY，LRATE长期均衡关系影响到D（LSH）的变比；另一方面，D（LSH）的变化也受到LSH与LSE，LCPI，LGY，LRATE的短期变化的影响。其中，LSE，LCPI，LGY的短期变化对D（LSH）变化的影响是正的，而LRATE的短期变化对D（LSH）变化的影响是负的。另外得出的误差修正系数为-0.38778，表示当期波动偏离长期均衡时，误差修正项将以0.38778的力度反向调整LSH，将非平衡拉回到均衡状态，符合反向修正机制。

3、结论实证分析表明，上证综指与部分宏观经济变量之间存在协整关系，说明中国股票市场与宏观经济的发展是基本一致的，股票价格指数可在一定程度上反映实体经济发展趋势及状况。虽然上证股指与部分宏观经济变量之间存在长期均衡关系，当然在短期中也偶尔会出现偏离，这可能是市场不理性的缘故，在长期最终要回归到理性。（作者单位：云南民族大学经济学院）

参考文献

篇(5)

信用价差(creditspreads)是指为了补偿违约风险，投资者要求公司债发行人提供的高于到期日相同的国债收益率的收益。从理论上来讲，信用价差是由债券发行人可能发生违约而出现的，它反映了公司债的风险状况，因此信用价差常常对应着公司债券的预期违约损失。总体来说，公司债券预期违约损失与经济周期密切相关:在经济繁荣时期，企业的生存环境好，违约的概率低，信用风险小;而在经济萧条时期，企业的生存环境恶化，违约概率高，信用风险随之加大。因而，信用价差实际上体现为宏观经济预期的显示器，即信用价差小时，意味着预期宏观经济向上，反之当预期信用价差大时，即意味着宏观经济向下。由于宏观经济预期必然对宏观的实际波动产生重要的影响，为此利用信用价差中所包含的信息预测宏观经济的波动状况，具备相当的可行性。实际上，国内外诸多学者对利用债券市场的信息把握宏观经济的波动状况做出了许多探索性的工作。比如，Harvey(1988)，Estrell和Hardouvel(1991)，StockandWatson(1989)等认为，长短期利率差不但包含了未来通货膨胀的信息，还包含了货币政策的信息，因此能有效预测宏观经济的波动。其实证结果表明长短期利率差对宏观经济波动的确有一定的预测能力。BernankeandBlinder(1992)等用商业票据的溢价来解释未来的产出波动，其实证结果表明商业票据的溢价对未来产出波动的预测能力较弱。事实上，商业票据溢价为信用价差的一种，其为商业票据相对国库券的溢价。商业票据溢价对未来的产出波动预测能力较弱是因为其仅包含了短期的信用风险信息，无法反映长期的经济周期变化预期。国内学者利用债券市场信息预测未来产出波动也依循利率期限结构与信用价差两条线索而展开。如，于鑫(2008)利用5年期与1年期的国债利率差额解释中国未来的宏观经济波动，其实证结果表明5年期与1年期的国债利率差对未来的产出波动具有一定的预测能力，特别是对中长期的产出波动预测效果较好;然而其对短期产出的预测效果较弱，回归方程的拟合优度不高。徐爽(2010)用国债收益率曲线的主成分作为因子，预测中国的消费、投资和出口等经济变量，其实证结果表明主成分模型相对简单利差模型有着更好的预测效果。张燃(2010)利用10年期信用价差数据对宏观经济变量进行了预测研究，其实证结果表明利用信用价差对未来宏观经济变量中的消费、出口、投资、工业增加值与通货膨胀的预测效果要优于利用利率期限结构中的长短期利率差的预测效果。然而其对信用价差的度量是直接基于企业债收益率曲线与国债收益率曲线而得出的，这种度量方法忽略了各企业债券的个体波动信息，将对真实的信用价差产生较大的测度误差。通过上述文献回顾发现，尽管债券市场上的信用差价包含着丰富的宏观经济预期信息，其对宏观经济的波动有着较强的解释能力，但国内外大部分学者都是基于债券市场上的利率期限结构对宏观经济波动进行预测。仅有少数学者利用信用价差来解释宏观经济的波动状况，但其对信用价差的测度存在较大的偏误。为此本文将对信用价差的测度方法进行优化，并在此基础上进一步检验其对我国宏观经济波动状况的预测能力，其结构安排如下:在第2部分，本文基于Gilchrist(2009)提出的“自下向上”方法，构建了中国债券市场的信用价差指数GZ指数。在第3部分，本文构造实证模型对信用价差对宏观经济变量的预测能力进行检验，并将其与忽略信用价差变量的模型的解释能力进行对比。第4部分是结论。

二、测度信用价差的GZ指数的构建方法

Gilchrist(2009)提出了测度信用价差的自下向上的方法，并用该方法构建了测度信用价差的GZ指数。其具体的构建方法如下所述:假设在时期t由企业i发行的公司债券k所承诺的现金流序列为(C(s):s=1，2，…，S)，这里的现金流包括了按期付息与到期时的本金偿付。那么该债券价格可描述为:Pit［k］=ΣSs=1C(s)D(ts)(1)此处的D(t)=e－rtt为在时刻t的折现函数。为了计算与之相对应的无风险债券价格Pft［k］，我们利用时刻t连续复利的国债收益率曲线对现金流序列(C(s):s=1，2，…，S)进行贴现。按此方法所得的无风险债券价格Pft［k］将被用来计算假定国债的收益率yft［k］，该国债产生的现金流序列同样被假定为(C(s):s=1，2，…，S)。用yit［k］表示企业债券k的收益率，那么信用价差则可表示为Sit［k］=yit［k］－yft［k］。通常使用的计算信用价差的方法为将企业债券收益率减去与该企业债券到期日相同的国债收益率曲线上的收益率而得到的，而本文所采用的度量信用价差的方法与通常的方法相比将大大减少信用价差的计算偏误。按上述方法，我们将得到微观层面各个时期各种债券的信用价差。将微观层面的信用价差进行简单的综合，就可得到各个时期的信用价差指数。具体计算方法可表示为:此处的Nt指时期t的样本观测数，式(2)即为各时期度量信用价差的GZ指数。从式(2)可以看出GZ信用价差指数实际上是各微观个体债券的信用价差的简单算术平均值。

三、数据描述与实证分析

(一)数据描述

在计算信用价差指数的时候，我们利用了中央国债登记结算中心的企业债收益率数据、国债收益率数据以及国债的收益率曲线数据。由于中央国债登记结算中心的利率期限结构数据最早开始于2006年3月，因此本文所选取的样本区间为2006年3月至2011年10月，数据频率为月。在利用上述原始数据计算GZ信用价差指数的时候，为了保证计算结果不受极端观测值的影响，我们将个体信用价差低于5个基点以及高于3000个基点的观测值进行了删除处理。在本文的实证分析中所涉及到的宏观经济变量则主要包括产出、出口、投资、消费与通货膨胀。其中的产出用工业增加值当月同比增速来代表，数据来源于国家统计局网站;出口用出口总额的当月同比增速来表示，数据来源于中国海关总署网站;投资则用固定资产投资完成额的当月同比增速来表示，数据来源于国家统计局网站;消费则用社会消费品零售总额当月同比增速来表示，数据来源于国家统计局网站;通货膨胀则用居民消费价格指数(CPI)当月同比增速来表示，数据来源于国家统计局网站。为与上述信用价差指数相对应，本文对宏观经济变量所选取的样本区间也为2006年3月至2011年10月。

(二)实证分析

为检验信用价差对宏观经济变量的预测能力，本文所建立的实证模型如下:Yt+h=α+Σpi=0βiYt－i+γ1TSt+γ2RFFt+γ3CSt+εt+h(3)此处的Yt+h指在时期t+h的宏观经济变量的取值;h指预测期数，其为大于0的整数;TSt指利率期限价差，具体为从国债的收益率曲线中得出的5年期国债收益率与1年期国债收益率之差;RFFt指无风险的货币收益率，用1年期定期存款利率来表示;CSt则表示信用价差;εt+h指预测期的随机扰动项。需要注意的是式(3)中的滞后期数p，我们用AIC信息准则来确定。在模型(3)中，我们首先令Yt代表工业增加值的同比增速，则相关实证结果简要描述如表1所示。需要注意的是为简化起见，我们忽略了对常数项与Yt滞后价值的回归系数的报告。由表1可见信用价差对宏观产出有着较好的预测效果。更具体的在表1内，我们发现随着预测期数的提升，预测模型的拟合优度也在增长，这表明信用价差对工业增加值同比增速的长期预测能力要优于短期预测。为了对比反映信用价差对宏观经济变量的预测能力，我们将在模型中不考虑信用价差只考虑利率的期限结构与无风险利率，那么此时的实证结果将如表2所示。将表1与表2进行对比可以发现，考虑信用价差的预测模型的拟合优度在各种预测期内都显著高于不考虑信用价差的预测模型。令模型(3)中的Yt代表出口总额的同比增速，则相关实证结果如表3所示。由表3发现，考虑信用价差的预测模型对出口总额同比增速的预测能力整体上比较差，在各个预测期的拟合优度都比较低，这显示出出口变量是外生变量，利用国内债券市场的信息无法对其进行准确的预测。令模型(3)中的Yt代表固定资产投资完成额的同比增速，则相关实证结果如表4所示。由表4发现，考虑信用价差的预测模型对固定资产投资完成额同比增速的预测能力整体上也比较差，在各个预测期的拟合优度都比较低，这是由于固定资产投资是政府人为控制的变量，政府通过控制投资增速来对宏观经济进行调控，因此利用债券市场的信息对投资变量进行预测的效果并不理想。令模型(3)中的Yt代表社会消费品零售总额的同比增速，则相关实证结果如表5所示。由表5可见信用价差对消费有着较好的预测效果。更具体的在表5内，我们发现随着预测期数的提升，预测模型的拟合优度先上升后下降，当预测期数为6时，拟合优度达到最高。这表明信用价差对未来消费的中期预测能力最强，短期预测能力次之，而长期预测能力最弱，这与对宏观产出的预测效果恰好相反。此外，为了对比反映信用价差对消费的预测能力，我们同样在模型中不考虑信用价差只考虑利率的期限结构与无风险利率，那么此时的实证结果将如表6所示。将表5与表6进行对比可以发现，考虑信用价差的预测模型的拟合优度在各种预测期内都显著高于不考虑信用价差的预测模型，这也充分显示出信用价差变量的重要性。最后令模型(3)中的Yt代表通货膨胀变量，即居民消费价格指数，则相关实证结果如表7所示。由表7可见信用价差对通货膨胀有着较好的预测效果。更具体的在表7内，我们也发现随着预测期数的提升，预测模型的拟合优度先上升后下降，当预测期数为6时，拟合优度达到最高。这表明信用价差对未来通货膨胀的中期预测能力最强，短期预测能力次之，而长期预测能力最弱，这与对消费的预测效果高度相似。

篇(6)

关键词:宏观经济;周期性变化;银行

中图分类号:F123.16F832文献标识码:A文章编号:1003-9031(2006)11-0023-05

一､我国宏观经济周期性波动概述

经济周期波动是现代经济社会具有的一种普遍现象｡马克思在《资本论》中指出:经济周期是“现代工业特有的生活过程”｡这种过程实质上反映了宏观经济在运行过程中反复出现的对其均衡状态的偏离与调整过程｡按照西方经济学的理论,经济周期是指经济活动沿着经济发展的总体趋势所经历的有规律的扩张和收缩｡经济周期大体经历周期性的四个阶段:繁荣､衰退､箫条和复苏｡

我国国民经济发展历程表明,经济增长始终与经济波动相伴而行｡特别是改革开放以来,因受世界经济格局､经济体制基础､经济运行机制､经济结构和宏观调控政策等内外部因素变化的影响,我国的经济周期性波动特征更加明显｡

综合分析我国GDP增长率(见图1),20世纪80年代以来,我国大致经历了五次周期性波动(以波谷至波谷为一周期)｡第一个周期是从1981年到1986年,第二个周期是从1986年到1990年,第三个周期是从1990年到1999年,第四个周期是1999年至2001年,自2001年至今,处于第五个周期之中｡

1978年以来,我国的经济发展表现出“扩张―收缩”交替周期波动格局,在1993年前,波动明显,幅度较大;自1993年起,经济增长出现新的变化,波动趋缓,幅度较小｡从总体趋势看,波谷的不断上升表明我国经济发展增强了抗衰退能力;波峰的不断下降表明我国的经济在一定程度上减少了扩张的盲目性,增强了发展的稳定性;平均位势的提高表明我国经济克服了“大起大落”,总体水平有了显著提高;周期的扩张表明我国经济发展有了更强的持续性｡总的来说,我国经济的周期性波动在体制变革与经济增长的相互作用中,波动振幅趋于平缓,经济增长形态有了较大的改善｡

二､我国经济周期性波动与银行业的关系

经济决定金融,金融反作用于经济｡随着我国社会主义市场经济体制的建设和完善,宏观经济与银行业之间的关系愈加密切,相互作用愈加明显｡一方面,经济波动直接影响着银行业的发展;另一方面,金融体系的良好运行对经济增长产生积极的推动作用,同时,金融体系的脆弱性和不稳定性也会导致或加剧经济波动,甚至引发金融和经济危机,延缓经济增长｡

(一)指标波动曲线对比分析

结合货币供给量､信贷及不良贷款率三项金融指标(1982-2005年数据),我们对我国经济周期性波动与银行业的关系进行对比和分析｡

从M0､M1､M2的增长率曲线与GDP增长率曲线对比(如图2)及信贷增长率曲线与GDP增长率曲线对比(如图3)可以看出,1994年前,我国的货币供应量､信贷增长波动略先于经济周期性波动,货币供应量､信贷对经济增长波动影响较强｡进入1994年后,货币供应量､信贷增长与经济运行的关系发生了变化,波动相对于经济周期性波动从略有超前转变为同步甚至略有滞后,货币供应量､信贷对经济周期性波动的影响由强转弱,经济周期波动对货币供应量､信贷的影响开始显现｡

从历史数据来看,我国商业银行不良贷款率的变化相对于经济周期性波动明显滞后,经济周期性波动对不良贷款的影响不断增强｡我国不良贷款增长主要集中在三个时期｡一是20世纪80年代至90年代初｡二是90年代初经济过热时期｡四家国有商业银行的不良贷款率从1990年的10%上升到1993年的20%左右｡三是90年代中后期,主要是在1997年东南亚金融危机后,三次不良贷款大幅增加均受到了经济波动的影响,与经济周期性波动的轨迹十分吻合｡改革开放20多年来,我国经济共经历了五次通货膨胀和一次通货紧缩态势,其传导模式十分相似,都是经济的大幅波动引起的,其过程是固定资产投资盲目扩大,带动货币信贷的快速增长,货币供应量不断增加,继而带动上､中､下游价格上涨｡投资形成的生产能力大大超过实际需求,产品销不出去,企业资金链断裂,银行贷款形成不良贷款｡

通过对比和分析,可以将经济周期性波动与银行业的关系概括为两个方面:一是当经济运行呈上升态势时,企业的投资需求增强,社会资金需求加大,货币供应量增加,银行相对放松信贷准入条件,信贷投放速度加快｡持续的信贷增长会导致信贷膨胀,从而引发通货膨胀,产生经济泡沫｡二是当经济运行开始转向下降趋势时,银行的信贷投放速度也开始放缓,此时,企业对外负债水平较高､经营收益减少,向银行再融资出现困难,按期偿债能力减弱,不良贷款开始逐步暴露,进而产生通货紧缩趋势,加剧不良贷款恶化的预期,进一步导致经济发展步入低迷｡

(二)宏观经济政策变化对银行业产生重大影响

经济发展呈现周期性波动是客观存在的｡只有认识规律､掌握规律､合理利用规律,才能有效促进银行业持续､良性发展｡这其中,国家根据经济运行状况实施的宏观经济调控,对银行业影响最深刻｡国家宏观经济调控按性质来划分包括放松银根和紧缩银根两种｡宏观调控放松银根对银行的影响是积极的,而宏观调控紧缩银根给银行带来的更多是冲击与考验,其对银行的影响主要体现在以下几方面:

1.银行信贷供求矛盾突出｡国家实行宏观经济调控后,受国家宏观调控和产业政策调整的影响,银行在减缓发放贷款特别是流动资金贷款的同时,也加快了清收力度,银行的信贷供给受到压缩,但是市场上的信贷需求由于是刚性的并没有立即相应地缩减,这种供求矛盾必将影响企业的经营,影响银行的效益,银行的信贷风险加大｡宏观调控对于泡沫经济的影响给银行带来的冲击更是剧烈的｡

2.信贷结构不合理现象加剧｡一是大户贷款风险集中问题突出｡宏观调控实施后,出于控制风险考虑,银行将贷款营销对象进一步锁定在少数规模相对较大､当期效益较好的大型骨干企业｡当效益较好的企业随着行业景气度下降或新一轮宏观调控影响而出现问题,会给银行带来集中风险｡并且,银行“扎堆”竞争营销大企业贷款,可能还会带来贷前调查的放松､贷款条件及流程的简化等违规行为｡二是贷款行业结构趋同现象突出｡目前,不少银行机构在贷款投向上,偏好电力､电信､教育､交通等行业和建设项目,各家商业银行贷款结构趋同现象加剧｡由于这些授信对象大都具有项目工期较长､自有资本较少､资金需求量大､受政策影响较大等特点,存在着严重的风险隐患｡三是贷款结构长期化和存贷款期限不匹配问题突出｡“重营销､轻风险”､“重余额､轻结构”等状况给信贷资产带来隐患｡

3.不良贷款攀升,经营难度加大｡一是银行新增贷款对不良贷款率的稀释作用明显减弱｡二是企业资金紧张的心理预期,可能加剧信贷整体风险｡在银根总体抽紧､流动资金供应相对减少的情况下,一些企业担心得不到银行稳定的资金支持,在有还贷能力的情况下“惜还”或“拒还”贷款,增加银行贷款风险｡一些企业在银行收回贷款､原材料涨价和应收账款增加的夹击下,可能会产生资金链条断裂的危险,影响到企业的正常经营,进而影响到上下游企业和关联企业的经营,最终可能引起整个银行业金融机构不良贷款的上升｡此外,银行受资本约束限制,正在或准备对部分授信客户实施压缩或退出,如果方式不当或力度过大,也可能产生连锁反应｡三是考虑到宏观调控措施对一些行业和企业影响的时滞因素,潜在风险将会在更长一段时间内逐步显现,不良贷款在一定范围内可能有所反弹｡

通过分析,我们可以得出这样的结论:作为经营货币特殊的金融企业,银行是典型的宏观经济周期行业,不管是利率､汇率变动,或是全球经济波动,银行都会首当其冲,暴露在风险之下｡在我国间接融资占主体的融资框架下,商业银行信贷资产在不同的经济周期,风险大相径庭,在经济繁荣时期,因为企业盈利情况良好,贷款质量往往不会发生问题;但在经济衰退时期,除直接影响银行经营收入外,还可能因为企业经营与效益受较大影响,给银行带来新一轮的不良资产｡此外,商业银行贷款规模的扩大成为我国固定资产投资高速增长的重要推动力量,但在经济过热随之而来的宏观调控,又让银行成为了风险的重要承担者,银行信贷规模增长速度和投向受到“压制”,必将给银行的经营带来较大的风险｡

三､银行业应对经济周期变化的对策建议

(一)加大对经济形势和国家宏观政策的研究,建立宏观经济周期变化的提前反应机制

建立服务于决策层的专门机构负责研究国家的财政政策､货币政策､产业政策等宏观政策｡加强宏观经济运行情况分析,把握金融监管当局的政策取向,了解全国各地区的经济发展情况,提出商业银行业务发展的重点区域､行业｡密切关注国家产业政策的变化,加强行业及其信贷投放的跟踪分析,准确把握贷款投放行业的发展前景､市场空间及市场容量,强化行业信贷授信的总量研究与控制,并以此为基础建立提前宏观经济变动的反应机制,化解宏观经济周期波动造成的系统风险,避免因与国家或监管当局的政策抵触而导致的政策风险,从战略高度确定银行业务发展的重点方向｡

(二)调整优化信贷资产结构,建立适应宏观经济周期变化的“最优”资产组合

要减少宏观经济周期变化的冲击,关键要转换存量,优化增量,增加宏观政策支持或处景气上升期行业的信贷资产,减少受宏观调控影响大或处景气下降期的行业的信贷资产,建立一个多元化的有利于风险分散与效益最大化的资产组合｡

1.结构性调整新增资产｡从总量入手,着力解决结构性的问题,一方面控制部分行业的过度投资和盲目发展,另一方面大力支持和鼓励一些薄弱行业的发展｡即使对于过热行业,在政策上也不搞“一刀切”,该控制的坚决控制,该支持的大力支持｡结构调整主要从以下三个方面着手:行业结构调整;客户结构调整;资产结构调整｡

2.针对性优化存量资产｡对于经济周期转向萧条或者宏观调控而使得风险程度增加的贷款要执行信贷退出政策,将风险性贷款转换为现金或者较为安全的贷款｡对已经转化为不良资产的贷款要转入不良资产的处置程序｡[1]对风险程度较高､出现一定支付危机的企业,应果断对其停止贷款,并通过采取多种措施积极回收贷款,无法回收贷款的要采取资产保全措施｡对出现风险因素但还有正常的现金流量和支付能力的企业,要本着以收回贷款为导向采取以进促退､逐渐退出的策略,通过增加贷款､增加抵押物和担保来保证贷款的安全｡在信贷退出的时候,可以借鉴国外经验,采取贷款交易的形式,通过将贷款出售来实现｡

(三)加强利率风险管理,构建顺应宏观经济形势的资产负债管理体系

经济周期与利率的关系非常密切｡一般来说,在周期的萧条阶段,利率水平最低;当经济走向复苏时,利率开始缓慢回升,到繁荣阶段达到最高｡随着我国金融体制改革的进一步深入,利率市场化成为了我国金融市场的改革方向,利率管理必将对商业银行经营与发展产生深远的影响｡商业银行应审时度势,强化利率风险管理,及时调整自身的经营战略,实现高质量的持续健康发展｡

1.建立科学高效的利率定价机制｡强化利率管理分析,科学准确地预测利率变动方向､水平､结构和周期特点等,形成对金融市场的快速反应能力,尽量减少因利率变化而引起的负面影响｡不断改进利率定价方式,根据金融市场总体利率水平,以及资本成本､贷款费用､贷款收益､风险差异､同业竞争情况等因素,确定全行的基准利率,并根据不同的市场及客户信用状况授权一定的浮动幅度,提高利率管理的效力｡

2.建立完善利率风险控制体系｡强化管理,建立严格的利率管理规章制度,规范操作行为｡加大对利率执行情况的调查､检查和监督力度,防范利率风险｡

3.构建以利率风险管理为核心的资产负债管理体系｡强化利率风险管理意识,逐步确立利率风险管理在资产负债管理中的核心地位,确保资产与负债总量平衡与结构对称｡明确有关部门在利率风险管理规划､识别､计量､监控､评价等方面的权利和职责,引入利率敏感性分析和缺口管理技术,建立利率风险限额管理体系,确保利率风险头寸控制在可以接受的范围之内,把利率变动造成的负面影响降到最低,确保商业银行经济效益的稳步提高｡

(四)建立全方位的风险监管体系,加强宏观经济周期变化的风险控制

建立完善的风险管理体系,切实防范和化解金融风险,既是银行风险管理的重中之重,也是应对经济周期变动､实现可持续发展的一种现实选择｡

1.建立前瞻性的风险监管体制,加强风险预测｡以周期为基础来评估信贷资产的当前风险和未来风险,预测信贷项目的违约概率和未来可能发生的消极影响,并按照理性支持业务发展的要求,根据宏观经济形势､竞争态势,及时调险管理政策､程序和方法,全面提高风险管理政策的前瞻性与适应性,提高风险管理的效率和有效性｡

2.建立立体化的风险监控体系,加强风险管理｡进一步完善公司法人治理结构,明确董事会与经营层之间的权利和责任｡董事会通过风险管理委员会实现对风险管理进行整体战略决策的管理;通过独立而权威的风险管理部门实现对银行内各机构风险的有机统一管理;通过科学完整的风险识别､衡量､监测､控制和转移实现对风险的全过程监理;通过合理明确的职能划分实现风险管理职责在各业务部门之间､上下级之间的有效协调､联动管理｡

3.建立完善的风险准备制度,提高抗风险能力｡国际上的大银行都把风险准备制度作为防范风险损失的最后堤防和生存的保障｡当前,我国商业银行的风险管理体系并不完整,风险管理水平也不高,风险准备制度对于银行的持续经营就更为重要｡因此,商业银行应当利用宏观经济繁荣的有利时期,建立足够的风险准备金,抓住盈利空间扩大的机遇,提高拨备覆盖率和资本充足率,防止未来的风险损失给银行持续经营带来影响｡

4.利用经济周期变化,提高不良资产的处置回报率｡经济衰退期,往往是不良资产大量暴露的时期,也是商业银行急于处置不良资产的时期｡但是,有一个事实是客观存在的,一些行业或项目在这个经济周期是不良资产,到下一个经济周期可能又转化了优良资产,这有一个不良资产处置的时机问题｡以海南房地产业为例,20世纪90年代泡沫经济发生后,房地产行业不良资产大量产生,各家银行急于回收资金,对一些项目不计成本盲目处置,有此项目的处置回收率不到10%｡但到90年代末,随着海南经济的好转,很多房地产商低价买入的房地产项目,短短几年,由不良资产很快又变成了优质资产,房地产商从中获取了巨额利益｡因此,金融业必须要把握好经济周期变化的规律和特点,善于利用经济周期变化处置不良资产｡要建立一种评估和盘活机制,对一些看准的行业或项目,宁可牺牲资金的时间价值,也不可盲目处置｡

(五)加快金融创新,增强适应宏观经济周期变化的竞争能力

创新是企业生存与发展的动力｡当今世界,在金融创新的实践过程中产生了前所未有的新工具､新技术和新市场,很大程度地革新了金融业传统的业务活动和经营方式,改变了金融总量和结构,促进了金融和经济的快速发展｡在传统的银行经营理念下,银行经营更多体现在存､贷款业务上,由于业务单一､产品匮乏,造成银行业受经济周期变化的影响极大,如果排除国家信誉这一保障因素,在经济剧烈波动的情况下,银行经营都将难以为续｡因此,银行业必须加大业务创新的研究力度,不断探索出趋利避害的产品和措施,以更好地适应经济周期的变化｡

1.经营模式创新｡简言之,就是要加快发展投资银行业务,实行“混业经营”｡所谓“混业经营”是指商业银行经营保险､证券等金融业务;广义上是指银行除经营保险､证券等金融业务外,还持有非金融公司的股份｡按照当前我国金融发展的实际,银行可以采用金融控股公司模式进行混业经营,满足多元化的经营需求｡当务之急要大力发展投资银行业务,利用我国资本市场发展的有利时机,把证券筹资者､投资者､券商､基金及其他中介机构作为重点,为证券发行､证券交易､融资融券､委托等方面提供服务,同时要注意为今后进一步的混业经营积累经验｡[2]时机成熟以后,有选择地通过控股子公司,经营保险､证券等金融业务｡

2.业务方式创新｡随着外资银行的进入,国内银行垄断竞争的态势进一步被打破,传统资产负债业务的利润空间将进一步被压缩,银行不可避免要进入微利时代｡因此,必须加大业务创新力度,以创新应对经济周期的变化和市场竞争的变化｡业务方式的创新包括资产业务创新､负债业务创新､表外业务创新等方面｡[3]

3.品牌管理创新｡现代金融市场竞争是品牌竞争｡一般来说,品牌不随着经济周期的变化而变化,是银行刚性的竞争力,也是银行应对经济周期变化甚至是经济危机冲击的最稳定的基础｡要想让品牌具有长久旺盛的生命力,要制定推广品牌战略,通过持续不断的创新,促进产品更新､换代升级,培育新的品牌增长点,不断提高银行的竞争力和品牌价值｡

参考文献:

[1] 林德明.金融宏观调控与商业银行经营行为关系浅析[J].南方金融,2005,(3).

篇(7)

简述财政政策对股票市场的影响

一，纯粹的市场经济，这种模式下，一切商业活动，一切商品和服务的价格由市场的供求关系来决定。但如果存在市场不灵，比如垄断、倾销、金融危机等情况，市场的灵活性就会失去效益。

二，计划经济。这种模式一个国家所有的需求和供给都由政府来决定，并按份额分配。缺陷是指令太多，经济难以创造效率。

三，混合经济模式。就以市场经济为主，当市场出现不灵的情况下，政府通过改变政策来调控经济的变化。

财政政策对股市有哪些影响?

1、财政政策，主要就是政府的收入和支出。收入上，大部分来源于税收，加上少量的自营项目。支出，主要是对各行业的投资，对有潜力项目的开发，公共设施的建设(修路、建学校等)，社会保障的转移支付等。

当价格水平上涨过快，增加税收可以从某种程度上降低一定的CPI。这对股市而言就是利空，税收增多，人们的可支配性收入就减少了，从而投资于股市的资金就减少。反之减税，则是利好。

而政府的支出上，支出越大，代表某个项目、行业获的资金越多，这是促进经济发展最重要的因素。对股市而言，大资金主力也就有了方向，对股市是利好。反之，支出减少是利空。

政府支出和收入之间如果出现差额，会对国债产声影响。当出现赤字，也就是支出大于收入，政府就发国债来平衡资产负债表。这时候国债就会上升。反之，有盈余，会下降。

2、货币政策。货币政策影响利率、货币供应量、汇率。

当经济出现相对衰退时，或物价大幅下跌时，利润降低，企业生产较少的产品，从而投资减少，国内产出降低。这时降低利率，可以使企业贷款后的还贷压力减小;人们买房积极;利率降低，汇率也降低，净出口也会增多。国内投资增多，从而使刺激经济高速发展，对股市是较大的利好。

如利率上升，汇率也上升，是政府觉得经济过热，短期的紧缩措施，对股市是利空。但在国际市场上，本国 利率上升，那其他国家的货币相对贬值，就会有很多国际热钱投入中国，往往金融地产受益，但这样就会不断产生较大的泡沫，泡沫越大，引发的风险就越大。

宏观政策对股市的影响

一、宏观经济分析

宏观经济运行分析

证券市场历来被看作“国民经济的晴雨表”，是宏观经济的先行指标;宏观经济的走向决定了证券市场的长期趋势。只有把握好宏观经济发展的大方向，才能较为准确的把握证券市场的总体变动趋势、判断整个证券市场的投资价值。宏观经济状况良好，大部分的上市公司经营业绩表现会比较优良，股价也相应有上涨的动力。

为了把握国内宏观经济的发展趋势，投资者有必要对一些重要的宏观经济运行变量给予关注。

A.国内生产总值GDP

国内生产总值是一国(或地区)经济总体状况的综合反映，是衡量宏观经济发展状况的主要指标。通常而言，持续、稳定、快速的GDP增长表明经济总体发展良好，上市公司也有更多的机会获得优良的经营业绩;如果GDP增长缓慢甚至负增长，宏观经济处于低迷状态，大多数上市公司的盈利状况也难以有好的表现。我国经济稳定快速增长，2006年GDP同比增长10.7%;07年一季度GDP同比增长率达到了11.1%。近一两年来，上市公司业绩的快速增长正是处于宏观经济持续向好、工业企业效益整体提升大背景下的增长，中国经济的快速增长为上市公司创造了良好的外部环境。

B.通货膨胀

通货膨胀是指商品和劳务的货币价格持续普遍上涨。通常，CPI(即居民消费价格指数)被用作衡量通货膨胀水平的重要指标。温和的、稳定的通货膨胀对上市公司的股价影响较小;如果通货膨胀在一定的可容忍范围内持续，且经济处于景气阶段，产量和就业都持续增长，那么股价也将持续上升;严重的通货膨胀则很危险，经济将被严重扭曲，货币加速贬值，企业经营将受到严重打击。除了经济影响，通货膨胀还可能影响投资者的心理和预期，对证券市场产生影响。CPI也往往作为政府动用货币政策工具的重要观测指标，今年以来我国CPI高位运行，因此在每月CPI数据公布前后，市场也普遍预期政府将会采取加息等措施来抑制通货膨胀，引发了股市波动。

C.利率

利率对于上市公司的影响主要表现在两个方面：第一，利率是资金借贷成本的反映，利率变动会影响到整个社会的投资水平和消费水平，间接地也影响到上市公司的经营业绩。利率上升，公司的借贷成本增加，对经营业绩通常会有负面影响。第二，在评估上市公司价值时，经常使用的一种方法是采用利率作为折现因子对其未来现金流进行折现，利率发生变动，未来现金流的现值会受到比较大的影响。利率上升，未来现金流现值下降，股票价格也会发生下跌。

D.汇率

通常，汇率变动会影响一国进出口产品的价格。当本币贬值时，出口商品和服务在国际市场上以外币表示的价格就会降低，有利于促进本国商品和服务的出口，因此本币贬值时出口导向型的公司经营趋势向好;进口商品以本币表示的价格将会上升，本国进口趋于减少，成本对汇率敏感的企业将会受到负面影响。当本币升值，出口商品和服务以外币表示的价格上升，国际竞争力相应降低，一国的出口会受到负面影响;进口商品相对便宜，较多采用进口原材料进行生产的企业成本降低，盈利水平提升。

目前，人民币正处于渐进的升值进程中，出口导向型公司特别是议价能力弱的公司盈利前景趋于黯淡，亟待产业升级，提高利润率和产品的国际竞争力;需要进口原材料或者部分生产部件的企业，因其生产成本会有一定程度的下降而受益;国内的投资品行业能够享受升值收益也会受到资金的追捧。人民币小幅升值，房地产、金融、航空等行业将直接受益，而对纺织服装、家电、化工等传统出口导向型行业而言则带来负面影响。

看了“简述财政政策对股票市场的影响”的人还看了：

1.财政政策对股票市场的影响

2.2016年财政政策对股市的影响

3.2016年财政政策对股市有哪些影响

4.财政政策对股市的影响

5.财政政策对证券市场的影响