《从资本流动到全球金融周期~历史经验、作用机制、分析框架.docx》由会员分享，可在线阅读，更多相关《从资本流动到全球金融周期~历史经验、作用机制、分析框架.docx（49页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、目录1 .前言：变化的资本流动与国际金融环境2.建立框架：从资本流动到全球金融周期42 .理解资本流动：衡量方法/经济动机/历史开展62.1. 衡量资本流动：我们关注什么？ 62.2. 经济动机：资本流动为什么发生？ 72.3. 历史研究脉络：经历了哪些变化开展？ 7.驱动变量：全球利率、风险厌恶、内外收益风险比93 . 行为规律：联动与冲击103.1. 资本流动具有联动特性(Co-movement) 103.2. 然而，联动激化那么造成阶段性的冲击(Extreme Episodes) 12.从资本流动到全球金融周期143.3. 占GDP近20%的资本流动是全球联结的最好证据143.4. 推动
2、全球信用增长趋于同步153.5. 资产价格之中存在全球共同因素16.全球金融周期：联系机制与周期性的来源183.6. 要点一：G4货币政策主导全球金融条件203.7. 要点二：长趋势变量一金融一体化与创新、政策体系变动223.8. 要点三：流动性与风险的协同与共振243.9. 要点四：私人与官方部门的流动性的互动关系26.危机之下：冲击的共性与差异284 . 结语：不可低估的变化32. 附录33兴旺经济体货币政策与 全球风险是最为重要的 外部变量。有效的宏微观内部变量 均指向一国资产的收益 风险比。在Koepke对学术研究的显著性与结论一致性总结的基础上，结合其他 重要学术研究，我们认为下述结
3、论可供接纳：1）兴旺经济体（尤其美国）的利率水平是影响资本流动重要的外部变 量（系统性变量）：众多文献说明，兴旺经济体的利率水平提升对 全球资本流动（尤其对新兴市场的股、债）具有负向的显著影响。 机制上来看，Bruno等（2012）指出QE期的低利率水，促使资金 通过信用渠道（Credit Chanel）与提升风险偏好渠道（Risk-taking Chanel）流入新兴市场，并且存在自我加强循环机制（低融资本钱、 推升风险偏好、汇率升值、信用扩张，吸引资金进一步流入）。Miranda等 （2018）尤其指出美国货币政策与利率变动对全球形成外溢效应。Koepke （2018）将预期机制引入，实证
4、指出对联储利率政策收紧预 期对流入新兴市场股、债的资本形成负面冲击。2）全球风险态度是影响资本流动重要的外部变量（系统性变量）：最 为常用的衡量指标是VIXL风险态度与资本流动紧密相连，并且与 资产价格、信贷增长、金融机构杠杆率联动。风险态度恶化，对一 国（尤其对于新兴市场）境外资本的流入产生显著的负向影响（尤 其是对于股、债，与银行信贷）。在近期的研究之中，Eichengreen 等（2017）检验了厌恶风险对本国资本流出同样负向影响显著且在 近年加强。3）影响资本流动的内部变量（个体性变量），清晰地表达了一国资产 的收益/风险逻辑：从宏观变量层面表达为经济增长显著地正向影响 各个渠道的资本
5、流入（股、债、FDI、银行信贷），国家风险变量（常 用的如外债占GDP比重、主权信用评级、经常账户逆差、政府债 务赤字等，以及局部衡量制度特征中腐败程度、法律体系质量、信 息公开度等指标）具有显著的负向影响。从微观层面来看：资产的 回报率（正向）、回报的波动率（负向）、汇率的波动率（负向）影 响资本流入。5.行为规律：联动与冲击5.1. 资本流动具有联动特性（Co-movement ）Rey （ 2015 ）为我们提供了资本流动具有协同性的基本领实。按照不同 资产类别（FDI/股/债/信贷），不同的地域（北美/西欧/中东欧/拉美/亚洲 /亚洲新兴/非洲）考察资本流动1990-2012年以来国际
6、收支平衡表（Balance of Payment, BoP） 口径季度数据的相关性:其他衡量风险的指标还包括 VXO、US BBB-rated corporate bond spread over Treasury CSFB RAI 等。1) Gross-flow具有联动特征：下列图6中，BoP负债口径资本流动 (Gross-inflows)呈现普遍意义上的正相关(表格中绿色的局部)。少量的异常来自于亚洲的地区股权及信贷数据；资产口径 (Gross-outflow)结论相似(见附图1),少量异常来自亚/非数据。2) Net-flow联动特征不明显：而下列图7中，轧差后得到的Net-flows
7、并未表达出普遍的相关性。按照本文前述介绍(2节)，这种相关性 层面的差异一定程度上反响了资产交易(尤其金融资产)较之于贸 /易服务交易更具有协同性。图6 ：各国/各资产类别的资本流入(Gross-inflows )普遍地存在正相关liabilityEquity Equity Equity Equity Equity Equity Equity FDIFDIFDIFDI FDIFDIFDIDebt Debt Debt Debt DebtDebtDebt Credit Credit Credit Credil CreditCredit CredFlowsN. Am. LatAm CE. EU W.
8、 EU Em.As Asia Africa N. AmLatAmCE. EUW. EU Em.AsAsiaAfricaN. Am LatAm CE. EU W. EU Em.AsAsiaAfrica N. Am LatAm CE. EUW. EU Em.AsAsia AfricaEquity N. Am1.00Equity LatAm0.391.00Equity CE. EU0.520.491.00Equity IV. EU0.630.350.501.00Equity Em. As0.370.240.280.471.00EquityAsia0.240.310.280.400.311.00Equ
9、ity Africa0.410.220.260.550.340.261.00FDIN. Am0.540.060.070.450.520.070.221.00FDILatAm0.410.100.080.290.324070.040.681.00FDICE. EU0.460.110.080.180.234120.090.610.65FDIW. EU0.570.210.190.380.350.010.160.610.59FDIEm. As0.470.240.160.340.36-0.040.040.650.77FDIAsia0.360.160.030.290300.170.050.600.70FDI
10、Africa0.330.010.100.180.030.16-0.190.310.36DebtN. Am0.420.170.320.510.290.210.310.400.39DebtLatAm0.200.400.330.160.130.00-0.050.160.35DebtCE. EU0.370.420.500.430.130.170.190.140.35DebtW. EU0.490.050.330.500.230.270.470.290.10DebtEm. As0.400.580.650.350.200.230.200.130.24DebtAsia0.160.180.240.220.16
11、-0.040.160.350.31DebtAfrica0.260.270.390.180.070.140.090.120.21Credit N. Am.0.29 -0.020.210.380.150010320.200.02Credit LatAm0.410.340.210.260.120.040.220.380.35Credit CE. EU0.420.250.270.280.320.150.210.540.38CreditW. EU0.19 -0.030.240.310.190.160.260.270.08Credit Em. As0.250.540.390.210.100.160.050
12、.220.160.08-0.03 0.02 -0.010.00-0.40-0.120.230.23也珈嘉四:o.妁ey).ok/o.i50.01-0.200.120.400.30Equity N. Am1.00Equity LatAm0.391.00Equity CE. EU0.520.491.00Equity IV. EU0.630.350.501.00Equity Em. As0.370.240.280.471.00EquityAsia0.240.310.280.400.311.00Equity Africa0.410.220.260.550.340.261.00FDIN. Am0.540
13、.060.070.450.520.070.221.00FDILatAm0.410.100.080.290.324070.040.681.00FDICE. EU0.460.110.080.180.234120.090.610.65FDIW. EU0.570.210.190.380.350.010.160.610.59FDIEm. As0.470.240.160.340.36-0.040.040.650.77FDIAsia0.360.160.030.290300.170.050.600.70FDIAfrica0.330.010.100.180.030.16-0.190.310.36DebtN. A
14、m0.420.170.320.510.290.210.310.400.39DebtLatAm0.200.400.330.160.130.00-0.050.160.35DebtCE. EU0.370.420.500.430.130.170.190.140.35DebtW. EU0.490.050.330.500.230.270.470.290.10DebtEm. As0.400.580.650.350.200.230.200.130.24DebtAsia0.160.180.240.220.16 -0.040.160.350.31DebtAfrica0.260.270.390.180.070.14
15、0.090.120.21Credit N. Am.0.29 -0.020.210.380.150010320.200.02Credit LatAm0.410.340.210.260.120.040.220.380.35Credit CE. EU0.420.250.270.280.320.150.210.540.38CreditW. EU0.19 -0.030.240.310.190.160.260.270.08Credit Em. As0.250.540.390.210.100.160.050.220.160.08-0.03 0.02 -0.010.00-0.40-0.120.230.23也珈
16、嘉四:o.妁ey).ok/o.i50.01-0.200.120.400.301.000.751.000.690.641.000.570.510.691.000.350.350.340.271.000.550.510.480.370.081.000.130.050.310.260.060.101.000.140.120.470.210.040.370.521.000.440.270.250.020.100.58-0.130.281.000.250.370.350.150.020.320.380.530.140.300.300.450.260.140.450.270.420.190.100.010
17、.410.210.070.210.460.610.150.190.200.120.090.040.370.140.230.250.420.270.480.350.240.350.250.410.300.720.550.470.360.280.540.140.130.560.200.300.190.130.1S0.450.200.250.330.300.290.380.24 0.000.400.310.330.150.320.240.310.230.250.320.180.17 -0.010.350.330.240.370.180.320.11，0.000.131.000.390.440.230
18、.290.250.260.560.130.030.321.000.250.031.000.460.280.221.000.480.120.170.551.000.450.160.630.300.341.000.510.270.240.450.480.280.370.080.430.3S0.230.520.34 ,-0.020.240.300.400.361.001.000.37 1.000.30 0.31 1.00图7 ：而Net/ow并不存在普遍的相关性，反映了资产交易与贸易/服务交易引致资本流动的差异Net Equity Equity Equity Equity Equity Equity
19、 Equity FDI FDIFDIFDI FDI FDI FDIDebt Debt Debt Debt Debt DebtDebt Credit Credit Credit Credil Credit Credit CrediFlows N. Am. LatAm CE. EU W. EU Em.As Asia Africa N. Am LatAm CE. EU W. EU Em.As Asia Africa N. Am LatAm CE. EU W. EU Em.As Asia Africa N. Am LatAm CE. EU W. EU Em.As Asia AfricaEquity N
20、. Am1.00Equity LatAm-0.07 1.00Equity CE. EU0.190.051.00Equity W. EU-0.060.04-0.09 1.00Equity Em. As-0.03-0.170.00 0.07 1.00Equity Asia-0.100.110.19 -0.20 0.30Equity Africa0.02-0.11-0.17 0.01 0.36FDI N. Am -0.28 0.00 -0.20 0.00 -0.18 0.13 -0.05 1.00FDILatAm0.260.01-0.140.290.01 -0.07 -0.13-0.13 -0.37
21、 0.10-0.181.00FDICE. EU0.260.03-0.350.12-0.110.371.00FDIW. EU-0.050.210.17 -0.190.19 0.280.03-0.09-0.30-0.401.00FDIEm. As-0.03-0.05-0.230.110.13 0.090.07-0.110.320.21-0.311.00FDIAsia-0.23-0.270.08 -0.240.22 0.080.270.08-0.36-0.230.16 -0.031.00FDIAfrica0.070.000160.17| -0.16 -0.13-0.520.040.310.19-0.
22、120.14-0.241.00DebtN. Am0.040.04-0.140.110.18 -0.02-0.02-0.160.400.53-0.330.31-0.350.08DebtLatAm0.060.140.040.11 j -0.04 0.02-0.23-0.120.14。9-0.140.09-0.23-0.06Debt CE.EU-0.06-0.04-0.12-0.020.470.070.07-0.280.140120.010.320.15-0.12-0.040.301.00Debt W. EU0.110.03-0.04-0.05-0.55-0.13-0.080.020.040.16-
23、0.440.05-0.170.03|o.oo-0.04-0.281.00Debt Em. As0.230.01-0.040.340.44-0.040.09-0.270.21-0.10-0.020.20-0.070.060.060.200.48-0.271.00Debt Asia-0.150.33-0.140.160.010.020.15-0.03 -0.010.21-0.060.20-0.04-0.050.130.100.070.00-0.021.00Debt Africa0.15-0.020.12 -0.090.220.150.01-0.370.10|-0.22-0.080.190.06-0
24、.130.060.400.39-0.030.330.12 1.00Credit N. Am.-0.14-0.03-0.180.150.02-0.150.07-0.220.130.020.11 -0.100.00-0.01-0.320.080.350.000.060.05 0.01Credit LatAm0.20 -0.010.120.020.180.040.16-0.16-0.070.15c haUUb0.060.03-0.020.01-0.300.22-0.060.050.20 0.11Credit CE. EU0.110.160.090.150.030.1S0.40-0.060.060.2
25、2-0.280.13-0.04-0.060.29-0.06-0.190.24 -0.010.50 0.18Credit W. EU-0.01-0.10-0.09-0.250.05-0.19-0.080.21-0.110.02-0.15-0.070.070.14-0.040.03-0.01-0.510.08-0.18 -0.07Credit Em. As0.020.280.22|-0.18-0.14-0.03-0.17-0.11-0.20-0.170.25-0.230.00 -0.09-0.110.250.130.010.060.040.04Credit Asia13 -0260.020.06-
26、0.02-0.36-0.19-0.090.200.00-0.01-0.24-0.180.150.00-0.03-0.090.030.04-0.73 -0.142 Credit Africa0.140.040.070.16-0.26-0.39-0.25-0.080.180.44-0.340.04-0.32-0.130.250.170.090.080.050.03 -0.181.000.12 1.00-0.27 -0.07 -0.251.00-0.10 0.05 -0.040.001.000.04 -0.23 -0.510.17 0.08 -0.080.13 -0.030.090.111.000.
27、09 1.00-0.19 0.25 1.005.2. 然而，联动激化那么造成阶段性的冲击（Extreme Episodes ）Forbes和Warnock （2012）的研究对资本流动的冲击问题提供了较多的 启示与经验。其采用1980-2009年的58个国家资本流动的季度数据，将 资本流动冲击的阶段（Extreme Flow Episodes?）进行了划分，包括： Surge ：境外资流入急剧上升，即Gross-inflows激增；Stop ：境外资本流入急剧下降，即Gross-inflows骤减； Flight ：境内资本向外流出急剧上升，即Gross-outflows激增；Retrench
28、ment :境内资本流 出急剧减少（回流），即Gross-outflows 骤减。图8 ：从全球与地域层面来看，资本流动冲击周期性发生，不同地域、状态之间 往往协同发生Share of countries experiencing a surge episodeShare of countries experiencing a stop episodeShare of countries experiencing a surge episodeShare of countries experiencing a stop episode1980q11990q12000q12010q11980q1
29、1990q12000q12010q1Share of countries experiencing a flight episodeShare of countries experiencing a retrench episode数据来源:Forbes 和 Warnock (2012),上图8展示了处于特定冲击状态下的国家数量占比，其中可以发现：1）周期性：冲击的发生具有周期性规律，历史上周期长度在3-5年不 等；与通常的经济周期具有相似性。2）状都处&同性：Surge与Flight状态往往同时发生，而Stop与Retrench 同时发生。3）地域协同性：冲击阶段在地域之间具有一定的协同性，
30、表现为占比 数量正相关。4）危机影响：危机发生，处于Stop与Retrench状态的国家数量占比快 速攀升（另一方面，Surge与Flight占比下降），国际资本outflow 与inflow双向收缩（在后文局部会做更详细分析）。2对不同冲击阶段的定义，Forbes与Warnock所采取的思路大致为，取得grossflow四个季度滚动的同比变化时间序列数据, 入或退出特定阶段。依据其对滚动的历史均值偏差幅度来衡量是否进9 ：对于高/中/低收入水平的国家，资本流动的冲击同样倾向于协同发生Share of countries experiencing a stop episode1980q1199
31、0q12000q12010q1Share of countries experiencing a surge episodeLower Income1980q11990q12000q12010q1I 1 Middle IncomeHigh IncomeShare of countries experiencing a flight episodeShare of countries experiencing a retrench episode数据来源:Forbes 和 Warnock （2012）,注：按照 WorldBank的国家收入标准分类。上图9将上图中的区域分类换为了收入水平分类（高
32、/中/低），类似地， 不同收入水平的国家经历资本流动冲击的数量有正相关关系。下表4中列示了由Forbes和Warnock所提供的统计，（依据作者定义划 分的）不同冲击阶段的时间持续特征：5）冲击平均持续4季度：其中Surge状态持续时间略长（约为4.5个 季度），Retrench略短（约为3.9个季度）。表4：平均每个冲击阶段持续约4个季度数据来源：Forbes 和 Warnock (2012),SurgeStopFlightRetrenchment% of sample with Full sample15%18%17%17%Average length of time for each (
33、in quarter Full sample4.04.13.9By income group High income4.54.14.24.2Middle income4.63.84.43.3Lower income4.33.73.83.6By regionNorth America3.84.03.83.9Western Europe4.54.24.24.2Asia4.53.84.34.0Eastern Europe4.83.84.23.5Latin America4.43.93.83.2OtheF-7-A46.从资本流动到全球金融周期巨量的跨境资本流动是全球联结的有力证据。直接地，推动全球信用
34、增长趋于同步。全球风险资产价格之中 存在共同影响因素反映 了全球金融周期存在的 可能。而二者周期性特征高度吻 合，预示着内在联系。本节从三方面的事实证据出发，说明资本流动正在促使全球金融周期成 为可能：其一，资本流动近几十年的开展变化；其二，全球信用增长相 关性加强；其三，资产价格之中存全球性的共同因素。在后文第七节之 中，我们将进一步地讨论形成全球金融周期的重要机制。6.1.占GDP近20 %的资本流动是全球联结的最好证据从近几十年的开展来看，国际资本流动的体量持续增大，协同性增强， 同时波动性也在持续放大。下列图10的椭圆，展示了 Broner等（2013） 计算的103个国家资本流入与流
35、出在不同历史时段的联合分布情况，我 们认为其中揭示了如下几点重要信息：1）规模持续扩大，占GDP的比重已提升近20%）表现为图10之中 用椭圆中心衡量的均值（占GDP趋势项的比重）持续提升， Gross-flow较之于上世纪80年代（约占GDP5%）、90年代（约占 GDP8%）, 2000年以来可谓历经激增（约占GDP近20%）。Net-flow 的增长那么相对有限，表现为45%线到椭圆边界的距增大有限。2）协同性，以及冲击性在增强。图10之中椭圆的形状变得更加狭长, 反映了流入与流出的协同性（相关性）增大；冲击性加强那么表现为 落入椭圆两端的概率增大即右上端为扩张冲击（Surge+Flig
36、ht）, 左下端为收缩冲击（Stop+Retrench）o并且可推论：较之上世纪， 本世纪在同一时间横截面上，处于资本流动冲击状态下的经济体数 量与时间占比也会明显提升。图10 ：近几十年中 ,Gross-How规模快速增长、协同增强、冲击性加大Joint Distribution of Capital FlowsJoint Distribution of Capital FlowsCapital Outflows by Domestic Agents (COD) over Trend GDP：卜之.40 o o O-1.2ddOPUOJHJ33 (05 UVOJOLUAq SMOLC二2d6
37、数据来源：Broner等（2013）,3 另，如采用BIS banking statistic 缄，Cross-bord er bank-to-bank liability 在 2007 年峰值时约占总私人信贷的 20%, GDP 的 30%。3）从时间序列来看，用滚动标准差衡量的资本流动波动率不断提升。见下列图11, IMF Working Paper （2013）中展示了兴旺、新兴与其他 开展中国家资本流动以滚动标准差计量的波动率情况。明显可见，Gross-flow较之于Net-flow波动放大明显；结构上看，兴旺（Advanced）波动放大最为明显，新兴（Emerging）次之。图11
38、：以滚动标准差计，Gross-flow的波动率持续增长，兴旺市场尤甚Advanced Emerging market -Other developingNet FlowsRolling Standard DeviationInflows数据来源：IMF （2013）,注：取各组中位数构成时间序列，向前十年滚动。62推动全球信用增长趋于同步资本流动本身对应着权利义务关系的增减变化，是跨国融资实现的事实 呈现，推动了全球信用增长的相关性不断提升（见下列图12,用G4国家 与非G4国家信用增长率5年滚动相关性表示），并且较之于贸易，跨国 信用（Cross-border Credit）的体量明显更高（
39、用GDP占比衡量），且周 期性强（见下列图13）o图12 ：全球信用增长1990s中段愈发趋于同步图13 ：较之贸易，跨国信用的体量更大/周期性更强s-Correlation of Credit Growth between G4 and non-G4 countries数据来源:BIS, Cerutti (2014),Global Trade and Cross-border CreditCross-border Credit/Global GDP Global Trade/Global GDP (RHS) 数据来源：BIS, IMF, Cerutti (2014),G30dCOL ZL 二
40、 0L _ _ _ _63资产价格之中存在全球共同因素存在影响总体风险资产价格全球性因素(Global Factor ),为全球金融 周期观点提供了支持。在Rey/Passari/Miranda/ Bonciani等的研究之中发 现，全球众多风险资产价格变动之中存在共同的全球性因素；依据不同 的方法及测算样本，其对全球资产价格波动的解释力在20%-60%： Miranda和Rey (2015)采用1990-2012,全球主要交易市场的资产 价格、所有主要商品价格、局部企业债券指数，涵盖北美/拉美/欧 洲/亚太/澳大利亚，共计858个时间序列数据。通过Dynamic Factor Model提取出唯一的全球因素，解释了上述全部风险资产回报率波 动的20% o采用更长的时间样本(1975至2012年)，Rey (2015)按照数据可得性将范围缩减至美国/欧洲/日本市场主要资产价格与全部商品价 格供给303个时间序列数据；得到的全球因素解释了高达60%的资 产回报率波动。 其他研究结论类似。最近