BIS国际清算银行-Which-credit-gap-is-better-at-predicting-financial-crises-A-comparison-of-univariate-filters_35页_599kb

总结：Which credit gap is better at predicting financial crises?

核心内容

本文探讨了不同信用缺口（credit gap）指标在预测金融危机方面的有效性。信用缺口通常定义为信用-国内生产总值（GDP）比率与趋势的偏差，是用于监测信用过度增长的重要工具。然而，由于其统计方法的局限性，尤其是使用Hodrick-Prescott (HP) 滤波器时可能引入虚假动态和端点问题，信用缺口的构建方法一直受到质疑。本文通过实证分析，比较了多种信用缺口指标在预测金融危机中的表现，并评估了不同方法的相对优劣。

主要观点

1. 信用缺口的定义：

   • 信用缺口通常基于信用- GDP 比率与趋势的偏差，其中趋势可以使用HP滤波器或线性投影方法估计。
   • 信用缺口的构建方法存在争议，尤其是HP滤波器的使用被认为有潜在的统计问题。

2. 对HP滤波器的批评：

   • Hamilton (2018) 指出HP滤波器会产生虚假动态、端点问题，并且其标准实现与统计基础不符。
   • 因此，他建议使用线性投影方法代替HP滤波器。

3. 信用缺口的标准化问题：

   • 一些学者批评使用GDP进行标准化可能导致信用缺口与GDP负相关，从而加剧宏观审慎政策的顺周期性。
   • 替代方案是使用人均信用，以避免这种相关性。

4. 实证分析结果：

   • 在比较不同信用缺口指标时，发现基于面板数据的线性投影方法比单个国家的估计方法表现更好。
   • 尽管线性投影方法在某些情况下优于HP滤波器，但其提升幅度有限，尤其在预测危机时，实际意义不大。
   • 信用缺口的预测性能在2000年后和新兴市场国家中有所改善。

5. 预测性能的衡量：

   • 使用“面积下曲线”（AUC）作为衡量预测性能的统计指标。
   • AUC值越接近1，表示预测能力越强；值为0.5则表示无预测能力。

6. 时间窗口的重要性：

   • 信用缺口的预测能力在危机前三年的窗口内表现最佳。
   • 信号的及时性和稳定性对政策制定至关重要。

关键信息

• 研究范围：41个国家，1970年至2017年的季度数据。
• 危机样本：共27次金融危机，使用欧洲系统性风险委员会（ESRB）和Drehmann等人的数据集。
• 方法对比：
  • HP滤波器（基于400,000的平滑参数）。
  • 线性投影方法（基于方程 $ y_{t+h} = \beta_0 + \sum_{j=1}^{J} \beta_j y_{t+j-1} + v_{t+h} $）。
  • 信用增长（20个季度变化）。
• 结果总结：
  • 基于GDP的标准化优于基于人口的标准化。
  • 面板估计方法比单个国家估计方法更优。
  • 线性投影方法在某些情况下略优于HP滤波器，但差异较小。
  • 信用缺口的预测能力有限，大约30%的信号是错误的。
  • 在实际政策制定中，信号的正确性比统计方法的选择更重要。

方法论

• 数据来源：BIS数据库中的总信用数据、各国名义GDP、CPI和人口数据。
• 预测性能评估：
  • 使用AUC衡量预测能力。
  • 递归地使用扩展样本，评估不同时间窗口下的预测效果。
  • 使用Bootstrap方法计算标准误和置信区间。
• 模型设定：
  • 比较了不同滞后长度（1-8个滞后）和不同 $ h $ 值（4-36个季度）。
  • 选择 $ h = 28 $ 和2个滞后作为最优线性投影模型。

实证发现

• 标准化影响：基于GDP的标准化优于基于人口的标准化。
• 面板估计优势：使用面板数据估计线性投影模型，显著提升了预测性能。
• 滞后长度影响：滞后长度和 $ h $ 值对预测性能影响较小，尤其当 $ h $ 在5-9年之间时。
• 端点问题：线性投影方法在小样本中存在端点问题，导致预测能力下降。
• 实际意义有限：尽管线性投影方法在统计上略优，但实际应用中其提升幅度有限，无法显著减少错误信号。

结论

• 尽管存在对HP滤波器的批评，但目前没有明确的理论基础支持其他方法。
• 信用缺口的预测能力有限，政策制定者应更加关注识别信用泡沫的不确定性。
• 基于面板数据的线性投影方法在某些情况下表现更优，但其实际政策价值仍需谨慎评估。

实践意义

• 政策制定者应关注信号的及时性和稳定性，而非单纯依赖预测方法。
• 信用缺口作为早期预警指标，其有效性仍受限于数据质量和模型设定。
• 尽管线性投影方法在统计上略有优势，但在实际操作中，其改进幅度有限，难以显著提升预测准确性。