2013年-BIS国际清算银行_Understanding_global_liquidity_36页_452kb

详细总结：Understanding Global Liquidity

核心内容

本文探讨了全球流动性（Global Liquidity）的概念，并通过因子模型分析了24个先进经济体和新兴市场国家的大量金融与宏观经济变量，以识别全球流动性的主要驱动因素。研究发现，全球流动性不能仅通过单一指标衡量，而是由三个共同的结构性因素驱动：全球货币政策、全球信贷供给和全球信贷需求。

主要观点

• 全球流动性条件通常指从全球视角看资金的可获得性，但目前尚无统一定义。
• 传统上，全球流动性通过广义货币（如M2）的全球汇总指标衡量，但近年来，信贷被提出作为替代指标，尤其是跨境信贷。
• 跨境信贷在许多经济体中占整体信贷的很大比例，并且是全球金融危机期间银行部门脆弱性的主要来源。
• 全球流动性因素与全球宏观经济因素（如GDP增长和通货膨胀）存在共同性，但并非完全由宏观经济因素驱动。
• 因子模型表明，金融变量的共同性在某些方面甚至高于宏观经济变量，尤其是利率和信贷增长。

关键信息

数据概况

• 数据涵盖1995年第一季度至2011年第二季度，来自24个经济体。
• 数据包括金融变量（如银行信贷、货币市场利率、股票市场波动率）和宏观经济变量（如实际GDP、消费、投资、CPI、PPI）。
• 金融数据包括42个美国金融系列，部分数据来源于Hatzius等人（2010）的数据集。
• 数据集包含268个金融数据系列和141个宏观经济数据系列。

因子模型分析

• 使用Stock和Watson（2002b）以及Bai和Ng（2002）的方法构建因子模型。
• 金融变量的共同性（即由共同因子解释的方差比例）高于宏观经济变量。
• 第一因子解释了金融变量约25%的方差，前三因子解释了约60%的方差。
• 宏观经济变量的共同性中，第一因子解释了约40%的GDP增长方差和30%的通货膨胀方差，前三因子解释了约70%和60%。

结构性因子识别

• 通过理论驱动的符号限制（sign restrictions）方法识别结构性因子。
• 该方法克服了传统因子分析中因子和因子载荷无法单独识别的局限。
• 三个结构性因子分别为：全球货币政策因子、全球信贷供给因子和全球信贷需求因子。
• 通过符号限制，这些因子的载荷具有明确的经济含义，如货币政策宽松时利率下降，信贷供给增加时信贷增长上升，信贷需求上升时利率上升。

结构性分解

• 金融变量的动态可以分解为全球宏观经济因素和全球流动性因素的贡献。
• 全球流动性因素进一步分解为三个结构性因子。
• 这种分解不仅具有学术意义，还对政策制定具有重要参考价值，因为政策反应取决于对流动性变化的结构性理解。

分析步骤

1. 全球共同性分析

   • 通过主成分分析（PCA）提取共同因子。
   • 金融变量的共同性高于宏观经济变量，尤其是在利率和信贷增长方面。

2. 分离全球宏观与流动性因素

   • 通过第一阶段回归，剔除金融变量中由全球宏观经济因素带来的影响。
   • 金融变量中约35%的方差由全球宏观经济因素解释，表明这些因素对全球金融动态有重要影响，但并非全部。

3. 结构性因子识别

   • 基于符号限制方法，识别三个结构性因子。
   • 方法借鉴了结构性向量自回归（SVAR）和因子增强向量自回归（FAVAR）模型中的思想。

结论

• 全球流动性由三个结构性因素驱动，而非单一指标。
• 这些因素在不同时期表现出不同的动态特征。
• 在2008年全球金融危机前，全球信贷供给宽松，推动了金融发展。
• 危机后，全球货币政策趋于宽松，但信贷供给和需求均趋紧。
• 研究表明，官方流动性宽松在一定程度上抵消了私人流动性紧缩对金融动态的负面影响。

关键术语

• 全球流动性（Global Liquidity）：指从全球视角看资金的可获得性。
• 因子模型（Factor Model）：用于识别变量之间的共同动态。
• 符号限制（Sign Restrictions）：用于结构化识别因子的理论依据。
• 结构性因子（Structural Factors）：包括非系统性冲击（如货币政策变化）和系统性成分（如信贷供给和需求变化）。

方法论

• 主成分分析（PCA）：用于提取共同因子。
• 第一阶段回归：用于剔除全球宏观经济因素的影响。
• 符号限制方法：用于识别结构性因子，与SVAR/FAVAR模型中的方法相似。

政策意义

• 理解全球流动性变化的结构性因素有助于制定更有效的货币政策和金融监管政策。
• 不同的流动性因素可能对金融体系产生不同的影响，政策制定者需据此做出相应反应。