2019年-IMF国际货币组织全球_Growth_at_Risk_Concept_and_Application_in_IMF_Country_Surveillance_39页_2mb

总结：Growth at Risk 概念与IMF国家监测中的应用

核心内容

Growth at Risk (GaR) 是一种评估未来经济增长风险的框架，它通过分析当前宏观金融条件与未来GDP增长分布之间的关系，帮助政策制定者理解潜在的经济增长风险。与传统的点预测不同，GaR关注的是整个增长分布，包括上行和下行风险，为政策制定者提供更全面的决策依据。

主要观点

1. GaR框架的优势：

   • 提供未来GDP增长的完整概率分布，而不仅仅是单一预测值。
   • 量化宏观金融风险对经济增长的影响。
   • 监测经济活动风险随时间的变化。
   • 有助于政策制定者识别和应对极端风险情景，如严重经济衰退。

2. GaR的应用：

   • 国家监测：IMF在双边宏观金融监测中引入了GaR框架，用于评估经济增长风险。
   • 全球监测：在多边监测中，GFSR（全球金融稳定报告）使用GaR来评估全球经济增长的尾部风险。
   • 政策制定：GaR有助于政策制定者在制定政策时考虑风险，而非仅优化中心情景。

3. GaR的关键要素：

   • 宏观金融变量：包括风险价格、杠杆率、外部条件等。
   • 分组方法：将宏观金融变量分为三类：金融条件、宏观金融脆弱性、其他因素。
   • 分位数回归：用于估计不同增长分位数下的经济变量影响。
   • 情景分析：通过GaR模型评估不同情景下经济增长的可能性。

关键信息

一、GaR框架的定义

GaR定义为：
$$
\text{Probability}(growth_{c,h} \leq GaR_{c,h}(\alpha | \Omega_t)) = \alpha
$$
其中，$GaR_{c,h}(\alpha |\Omega_t)$ 表示在给定信息集 $\Omega_t$ 下，国家 $c$ 在 $h$ 个季度后，GDP增长低于某个阈值的概率为 $\alpha$。

二、宏观金融条件与经济增长的关系

• 金融条件：包括风险价格、融资成本、资产价格波动等，是影响经济增长的重要因素。
• 杠杆率：信用增长和信用与GDP比率反映了经济主体的债务水平。
• 外部条件：如商品价格、汇率波动、主要贸易伙伴经济增长等，对经济增长有显著影响。

三、GaR分析的步骤

1. 变量选择与分组：根据宏观金融条件、脆弱性和其他因素对变量进行分类。
2. 分位数回归估计：分析不同增长分位数下的变量影响。
3. 条件未来增长分布推导：基于估计结果构建未来GDP增长的概率分布。
4. 情景评估：验证基准情景是否过于乐观或悲观，并评估风险情景的可能性。
5. 风险影响分析：探索风险实现对经济增长的影响。

四、GaR工具

IMF开发了一个基于Excel的GaR工具，用于支持双边宏观金融监测工作，提高分析的效率和准确性。

国家案例研究

1. 秘鲁（2018年FSAP）

• 金融条件：主要由国内风险价格（如利率、资产价格波动）构成。
• 宏观金融脆弱性：包括杠杆率、信用增长和债券市场资本化。
• 外部条件：如中国增长和商品价格波动。
• 风险识别：外部条件对尾部风险的影响比风险价格和杠杆率更大。
• 情景分析：通过GaR模型评估了秘鲁在不利情景下的GDP增长路径，估计第二年GDP下降1.2%的概率为4.2%。

2. 葡萄牙（2018年Article IV）

• 金融条件：风险价格、信用增长和外部条件是主要变量。
• 风险信号：风险价格对短期下行风险有较强信号，而信用增长对中长期下行风险更有效。
• 政策启示：尽管当前下行风险可控，但中长期杠杆率仍存在潜在风险。

3. 新加坡（2018年Article IV）

• 风险信号：风险价格对短期下行风险有较强信号。
• 政策应用：GaR模型被用于评估经济增长路径，并作为政策预警指标。

结论

GaR分析为政策制定者提供了一种更全面、更灵活的工具，用于评估未来经济增长的风险。它不仅有助于识别关键驱动因素，还能支持宏观审慎政策的实施。通过实际案例可以看出，GaR在国家层面的宏观金融监测中具有重要应用价值，能够提高政策制定的前瞻性与针对性。