国际清算银行-金融状况与宏观经济_双因素视角（英）-2025.6_40页_1mb

金融条件与宏观经济：两因子视角

Marco Lombardi、Cristina Manea、Andreas Schrimpf 的BIS工作论文，2025年6月

摘要

本文基于包含广泛金融价格和收益率的动态因子模型构建了新的美国金融状况指数。该模型提取出两个主要的隐含因子：安全利率因子（反映无风险利率水平）和风险因子（反映整体风险认知）。研究发现：(1) 两个因子均受货币政策显著影响；(2) 两个因子均正向冲击经济活动；(3) 风险因子相较于安全利率因子具有更强的宏观经济预测能力。结果表明货币政策的需求渠道和信贷渠道均发挥作用，强调将安全利率变动与风险认知变化分开对准确评估金融条件对宏观经济的影响至关重要。

主要内容与发现

1. 金融状况指数的创新方法

• 提出使用动态因子模型 (DFM) 作为测算金融状况指数的新方法
• 数据集包含6大类变量：短期融资成本、政府债券收益率、 risky债券收益率、息差、股票市场指标和银行利率
• 因子结构清晰直观：安全利率因子（factor 1）主要反映所有利率类指标；风险因子（factor 2）主要反映风险资产和息差指标

2. 关键发现

(1) 因子特性

• 安全利率因子：主要反映利率水平（包括政府债券长期收益率和通胀保值债券等）
• 风险因子：主要反映信用风险、股票市场波动和风险承担行为

(2) 经济预测能力

• 风险因子对信贷增长、投资增长、GDP增长和通胀均具有显著预测力
• 风险因子预测力优于安全利率因子，特别是在短期（如1季度预测）
• 与Goldman Sachs的金融条件指数相比，风险因子在预测功能上具有优势

(3) 货币政策传导机制

• 货币政策通过**利率渠道（安全利率因子）和风险渠道（风险因子）**双重作用
• 风险感知变化会引发金融市场动荡，并通过信贷加速器机制持久影响经济
• 扩张性货币政策导致两个因子同步下降，缩紧政策则两者同步上升

(4) 因子构建优势

• 测算过程透明，方法可复现
• 自然提取的数据结构避免了人为设定（如正交性假设）
• 能够清晰区分影响经济活动的不同金融条件维度

3. 方法贡献

• 模型创新：首次明确区分了安全利率水平与金融风险态势两种不同性质的金融条件影响因素
• 实证丰富：涵盖了从2001年至今的关键经济周期，包括2008年金融危机和COVID-19疫情等极端时期
• 方法普适：该框架可以扩展应用于其他主要经济体如欧元区

4. 政策启示

• 中央银行评估金融条件时，应同时关注安全利率水平与风险态势变化
• 金融条件指数的构建应采用加权方法，以最大化其宏观预测能力
• 金融状况波动可能是独立于常规货币政策外的冲击源

5. 稳健性

• 在欧元区国家的数据应用中也证实了类似的两因子结构
• 包含汇率相关变量后，可提取出第三因子，解释部分剩余方差