金融危机论文(AER论文复制 | 货币政策、金融危机与信贷繁荣的破灭)

金融危机论文

Schularick, Moritz, and Alan M. Taylor. 2012. “Credit Booms Gone
1870-2008.” American Economic Review, 102 (2): 1029-61.
原文版权归原作和原发刊所有,本文旨在学术交流和知识传播。文章使用的数据和程序见文末。
1. 摘要
金融危机让人们开始重新关注货币和信贷的波动、金融危机以及政策回应。基于全新的涵盖了14个国家1870年-2008年的历史数据集,本文研究了货币、信贷和宏观经济指标的长期表现。二十世纪下半叶,信贷总量相对于产出和货币急速地增加;政府为应对金融危机采取的货币政策也更加激进,但危机所带来产出严重损失的状况却没有改变。另外,本文指出信贷增长是金融危机强有力的预测因素,而政策制定者忽视信贷则是冒险的行为。
2.研究背景
在宏观经济学短暂的历史中,有关金融系统在宏观经济中所扮演角色的争论持续发生。主要争论的点在于金融系统是否发挥了重要作用,还是只是充当了金融中介的作用?其观点大致可以分为三种。第一种“货币视角”(“money view”)起源于19世纪后期至20世纪早期,以Friedman和Schwartz为代表,该观点认为中央银行应当间接调控银行的总负债,而银行创造信贷的行为是无关紧要的。第二种“不相干视角”(“irrelevance view”)于20世纪后期开始流行,该观点认为真实经济活动与金融结构是互相独立的。起始于1980年代,第三种观点“信贷视角”(“credit view”)拥有了越来越多的支持者,他们强调信贷的作用,并认为金融危机可能是信贷繁荣出错导致的(“credit booms gone wrong”)。
2008年-2009年的金融危机重新点燃了人们的热情,也为填补理论空白提供了机遇。人们想要更好地理解货币和信贷波动在宏观经济中的作用,它们是否会在日常或是危机期间放大、蔓延和产生对经济的冲击?
以史为鉴,放眼全球或许才可出真知。金融危机的发生在暗示着人们理论也许存在缺陷,与其独自反省,不如回到宏观经济和金融的历史,使用严谨的实证研究来为我们提供更可靠的指导。同时,仅仅回顾几十年是不够的,长时期的数据可以为我们提供更多地信息,甚至是系统性的证据。另一方面,近期的金融危机研究集中于被货币不稳定和主权债务困扰的发展中国家,使用纯发达国家数据可以更好地减少制度脆弱和国家信用等问题的干扰。
超长时间跨度与聚焦发达国家这两点,也构成了本文对文献的两大贡献。本文的主要目的在于追溯历史,探索货币、信贷和宏观经济的结构和互动在长期是否发生了变化、如何变化以及这些变化会带来什么影响。
3. 研究内容
3.1 数据说明
全新的数据库是本文做出的一个关键努力,本文搜集了14个发达国家1870年-2008年的年度的货币、信贷和产出数据。
这14个国家分别是:美国、加拿大、澳大利亚、丹麦、法国、德国、意大利、日本,荷兰、挪威、西班牙、瑞士、瑞典和英国。两个核心变量为总银行贷款(aggregate bank loans,信贷)和银行部门的资产负债表总规模(total balance sheet size of the banking sector,银行资产)。在此基础上进行了狭义货币(M0或M1)和广义货币(M2或M3)的补充。为了研究危机、信贷和资产价格的内在联系,还搜集了长期的股票指数。
本文使用数据来源多样。既包括了公开数据,如U.S. Federal Reserve’s All Bank Statistics,也借用了一些经济学家个人搜集的数据。因为货币和信贷的定义随着国家和时间都发生这变化,建立一个一致的可比的数据库实则是很困难的。
3.2 主要解决了哪些问题?
本文的贡献在于专注于三个主要问题,开启了有关货币和信贷的广泛、系统、跨国家的计量史学研究。这三个问题分别是:①从长期的货币和信贷总量趋势中,我们可以得到什么典型事实?②货币政策对金融危机的回应是否随时间改变?③信贷和货币在金融危机的发生中扮演了什么角色?
对这三个问题的解答也就构成了本文的主要研究内容(及行文结构)。
3.3 方法与结论概述

4. 实证及其程序说明
作者使用Stata来完成本文的实证研究,本小节将依据上文总结的三个问题依次展开。相比复杂的模型和计量,本文却更展现出简单巧妙和故事性。
4.1  金融资本主义的两个时代
为了所有国家的信贷和货币在长期内拥有的共有的时间趋势,本文利用双向固定效应模型来进行估计。
4.1.1 模型解析

Xit为因变量;bt为时间固定效应,即X在年度t的不同国家共同拥有的时间趋势;ai为国家固定效应;eit为扰动项。
4.1.2 程序实现
变量解释:loansgdp(信贷总量/GDP)、credgdp(银行资产/GDP)、moneygdpx moneygdp(广义货币/GDP);lloansm(log(信贷总量/广义货币)、lcredm(log(银行资产/广义货币))
注:因代码多数都重复,故不细致展开,后文也如是。
*— Figure 1. Aggregates Relative to GDP (Year Effects) —
*– 1. 估计得到loansgd的时间固定效应 —
tsset ccode year, yearly          // ccode为国家代码
// loansgdp=信贷总量/GDP
// 因变量的拟合值就是时间固定效应
= mean(loansgdpz) //依据年份生成loansgdpz的平均值,实际上可以省略这一步
*– 2. 将三个变量的散点图在同一张表中输出 —
scatter loansgdpx credgdpx moneygdpx year if year<2008, ///
.8)  ///
“Figure 1. Aggregates Relative to GDP (Year Effects)”) 命令解析:
qui xi: xtreg … ,fe :xtreg命令用来估计固定效应模型,前缀命令qui代表安静地跑程序,不显示结果;
predict loansgdpz代表依照回归模型对因变量的拟合,保存为loansgdpz变量,该变量可以直接代表时间固定效应;
bysort year: egen loansgdpx = mean(loansgdpz)语句利用bysort命令前缀,生成按照年份的loansgdpz平均值。实际上之后生成的loansgdpx = mean(loansgdpz)语句并非必要,因为即使不产生平均值,loansgdpz已经是年份固定效应了。
scatter代表画散点图, 选项scale(#)代表重新设置文字和标记的大小。
4.1.3 结果阐述
Figure 1与Fugire 2展现出变量间年份固定效应的变化是本文判断金融资本主义可以分为两个时期的主要依据,也是后文在回归与分析中分时期的主要依据。

从Figure 1和Figure 2可以看出,信贷、银行资产、广义货币相对GDP与货币而言在1930年之前展示出较为稳定的关系;但1930年代的大萧条与二战(1945年前后)期间这种稳定为打破;在布雷顿森林体系建立后这种关系发生了剧烈变化,信贷和银行资产相对GDP开始大幅增加,相对货币而言也是如此。这种关系细分了国家后也可成立,本推送中不再展开。
4.2  金融危机后货币、信贷和产出:一个事件分析
承接上文,这一部分将进一步研究金融危机,希望可以深入了解二战前后货币、信贷总量、经济和价格在金融危机期间的表现。
4.2.1 模型解析
本部分没有使用到复杂的模型,主要通过画图对比二战前后金融危机后信贷、货币变量和一些经济变量的增长情况(差分形式),通过表格分析危机带来的累积水平效应(cumulative level effects)来进行阐述。
其中,cumulative level effects原文的解释为relative to trend growth in non-crisis years five years after the event,文中没有给出相应的计量模型。比如文中变量lm(广义货币的对数)的累积对数水平效应为-0.139,给出的解释为危机发生五年后广义货币对数的增长会累积比正常的趋势下降14%(14 percent below trend)。
笔者依据do文件中的代码将自己推测的模型和解释整理到下图,欢迎读者交流和指正。

4.2.2 程序实现
变量解释:
sample2:金融危机时间窗口(除去战争),sample2s为sample2的字符串格式。sample2取值范围为-1~5的整数,-1代表正常年份(对应sample2s为”Normal”),0代表当年发生了金融危机(对应sample2s为0),1代表金融危机发生后的第1年,取值为2、3、4、5时同理。
dldlcred:d.log(银行资产);dlloans:d.log(银行信贷);dlm:d.log(广义货币)
post45:1945之前取0,1945年及之后取1
lm:log(广义货币);lnm:log(狭义货币);lrgdp:log(实际GDP);linvr:log(实际投资);lpc:log(价格水平)
d.为差分算子
*— 画图命令: Figure 4a. Aggregates —
graph bar dlcred dlloans dlm  ///
if sample2~=. , over(sample2s) over(era,sort(post45))  ///
4a. Aggregates) saving(FinalFigure04,replace) scale(.8) ///
1 “D log(Bank Assets)”) lab(2 “D log(Bank Loans)”) lab(3 “D log(Broad Money)”))
*—- Table 2 – cumulative effects years 0-5 (exclude wars)
.1 1945年前 & 除去了一战二战时期
foreach var of varlist d.lm d.lnm d.lloans d.lcred d.lrgdp d.linvr d.lpc {
var’ i.sample2 if pre45==1 & war==0, fe
}
*–do文件中未给出表格生成的命令–命令解析:
graph的命令选项over(var)代表分类,over中的子选项sort(var)代表将柱状图按照次序排列
lincom用于参数的线性相加,该行代码运行结果如下,代表把虚拟变量(_Isample2_*)前的系数相加。

因没有指定虚拟变量如何设定时,xi会自动将变量的最小值舍弃,故变成了与正常年份的对比(sample2取值最小为-1)。

4.2.3 结果阐述
注:正常年份指当年及前五年没有发生金融危机

Figure 4a表明了二战前后,总量变量(银行资产、信贷、广义货币)的对数增长相对于正常年份的变化。二战前,危机发生后两年变量都会发生急剧的下降,而二战后这种趋势却被打破了,这暗示了二战后中央银行为防止货币的崩溃,支持其增长,并且保持了银行借贷的相对高位。

Figure 4b表明二战后金融危机对实际GDP对数增加从变化的绝对幅度上更加温和,但是边际变化却是相似的,且下降幅度依然很大。而实际投资增加的下降也很严重,但是反弹没有那么明显。
Figure 4c暗示了相比于二战前债务紧缩政策、金融部门不规律地去杠杠,二战后的货币政策更加积极,与二战前截然不同。

进一步地,我们可以从上方的表格中来看两个时代(二战前后)的截然不同的累积水平趋势。二十世纪下半叶,高的通货膨胀、高狭义货币增长、更缓和的去杠杆(信贷端)。因为大萧条时期银行业的恐慌,许多国家做出了制度变化。
而对于实际经济活动,我们可以惊喜地发现即使有了更积极的货币政策回应和存款保险制度,累积的真实影响(负向)却更有冲击性。二战后,实际产出相比正常趋势减少了7.9%,实际投资减少幅度接近25%。而相比二战前,不管是否除去1930年代,这些累积效应都是很大程度的恶化。
4.3  信贷繁荣和金融危机
战前的新凯恩斯主义认为货币和信贷在货币政策中不会表现出实质性的作用,故货币政策主要以调控利率的方法来应对通胀和产出缺口。而这部分就是要质疑这种货币政策,信贷中包含着有价值的信息。与一些观点类似,金融危机可能是信贷繁荣出现问题。
具体的,本部分建立了一个基础的预测框架探究信贷增长是否可以帮助预测金融危机,以及这个观点是否在不同情况、样本和控制变量中依然成立。
4.3.1 模型解析
本部分使用了OLS线性概率模型和Logit模型,并使用ROC曲线证明模型的预测能力。

其中,p为是否发生了金融危机,是取1,否取0;logit(p)=ln(p/(1-p));L是滞后算子,D是差分算子,CREDIT是用CPI平减后的银行贷款。滞后多项式b1(L)只包含大于或等于1的滞后阶数,这是主要的研究对象,主要用银行贷款增长的滞后项来看是否模型的预算能力。向量X包含了另外的变量,b2(L)也是滞后多项式,用于控制其他可能引发危机的因素。
ROC曲线(Receiver Operating Characteristic Curve)全称为受试者工作特征曲线,最初用于评价雷达性能,现在学习领域中广泛运用。ROC曲线以“真正例率(灵敏度)”为纵坐标,“假正例率(1-特异度)”为横坐标绘制的曲线。“真正例率(灵敏度)”指所有真实类别为1的样本中,预测类别为1的比例,在本文中表示在金融危机真实发生的样本中,预测正确的比例。“假正例率(1-特异度)”指所有真实类别为0的样本中,预测类别为1的比率;在本文中表示所有金融危机没有发生的样本中,预测错误为发生了金融危机的比例。
通过横纵轴的定义,我们就可以发现,当ROC曲线越接近左上角,模型的准确性就越高。在ROC曲线中,对角线代表了“随机猜测”模型(随机猜对概率为0.5);点(0,1)代表所有正例和所有反例都被监测正确,即利用模型,金融危机是否发生都被正确预测。
有了ROC曲线,就可以计算AUROC(Area Under ROC curve)指标,用于衡量模型的优劣。肉眼根据ROC曲线是否接近左上角来判断模型的好坏并不是好方法,当两条曲线相交时就无法判断,运用AUROC指标可以进行合理判断。
注:推荐有兴趣的读者可以在Stata中运行help roc后查看用户手册,或者查看【ROC曲线和AUC的理解】进行深入的了解。
4.3.2 程序实现
*–因命令大多重复,选取最具代表的命令进行分析–
*–============= 1. OLS线性概率模型 =============–
 xi: xtreg crisisST l(1/5).dlloansr i.year, fe 

    local F = r(F)
local pF = r(p)
 roctab crisisST temp
local area1 = r(area)
local seroc = r(se)
    local lagsum = r(estimate)
local lagsumse = r(se)
     outreg2 l(1/5).dlloansr ///
     addstat(Floans, `F’, pF, `pF’, AUROC, `area1′, ///
, lagsum, `lagsum’, lagsumse, `lagsumse’)  
  *–笔者在此部分运行时报错“invalid ‘Credit’ ”,如果事先运行命令“ssc install outreg2,replace”即可正常运行~
*–============= 2. Logit模型 =============–
logit crisisST l(1/5).dlloansr ccode* , vce(robust)
*–============= 3. 画ROC曲线 =============–
     title(“Figure 5. Receiver Operating Characteristic Curve, Baseline Model”)变量lloansr为log(CPI平减后的信贷总额),ccode*为代表国家的虚拟变量。
testparm可用于对变量序列进行Wald检验,在本文中是对llonsr的多个滞后项和年度虚拟变量进行检验;local命令用来生成暂元储存命令的结果,便于后文的结果输出;roctab用于执行对等级和具体分类数据的ROC分析;lincom上文已经讲解过;ksmirnov是Kolmogorov-Smirnov检验(K-S test),基于检验样本是否来自某一特定分布,该部分没有汇报该检验结果;
outreg2用于结果的输出在do文件中使用地非常精妙,命令的撰写和细节都值得反复学习。另,outreg2命令行的最后可以添加replace/append以便增加程序运行的可重复性。
4.3.3 结果阐述

从上表可以看出,△log(loans/P)的多个滞后项联合检验(sum of lag co.行)和Wald检验(test for all lags=0行)均在1%的水平上显著为正,说明了前五年的信贷增长情况可以预示金融危机发生可能性的提高。第2列在简单的OLS上加入国家固定效应后,国家固定效应不显著。第3列继续加入年份固定效应后,年份固定效应却显著,说明了金融危机的发生可能是由一个全球化的共同因素导致的,虽然这有利于我们预测但时间因素我们不可以事前得知所以也没有什么实际意义。第4、5列为Logit模型,也可以说明信贷增长的预测效果。
关于结果解释,OLS模型的所有滞后项的系数和为0.4,五年间的总实际信贷增长的标准差是0.07,其一个标准差的波动会让发生金融危机的发生概率提高0.028/2.8%。对比于样本中发生金融危机的概率为4%,表明其敏感性之高。Logit模型估计出的系数之和在10左右,转化为边际效应,所有滞后项在所有变量平均值的边际效应之和为0.301,比OLS得到的结果0.4稍小。

本部分继续使用ROC曲线分析的方法来衡量模型的预测能力,AUROC比率为0.7174标准差只有0.0349,ROC曲线远离对角线,说明模型的预测能力较好。如果只使用二战后的350个样本,AUROC将提高为0.763。

Table 4在主线模型(Logit Country Baseline)中,将信贷分别替换为广义货币、狭义货币、信贷/GDP、信贷/广义货币,发现以上变量与使用信贷预测而言无很大的区别。

Table 5作者再进一步分为二战前后分别来进行讨论,画出ROC曲线图对比,做K-S检验,发现二战后使用广义货币的预测能力下降了许多,信贷比货币更加重要。这也说明了我们在研究背景中提到的Friedman“货币视角”的失败。
在进一步的稳健性检验中,通过加入GDP和通胀率的滞后项等可能遗漏的变量、测试信贷增长和真实投资的交互作用、考虑资产价格和金融发展水平等方式,金融不稳定是信贷激增出错的结论依然没有改变。
5. 结论
在当今的信贷时代,金融创新和监管的放松打破了信贷和货币原有的稳定联系,信贷将在宏观经济运行中发挥前所未有的重要性。如果不从历史角度探究,这些重大的变化就不会被发现,本文就记录了该变化及其衍生的讨论。
经济大萧条和二战后,货币和信贷的稳定关系被打破。19世纪30年代后,金本位的废除和最终贷款人(Lenders of Last Resort)等政策的出台、金融创新和监管放松、宏观环境和金融政策的变化直接推动了信贷的增加。这个重要的结构性变化让信贷更加重要,而即使明晓信贷比货币更重要,政府的教条依然在告诉我们信贷在货币政策中毫无紧要。
对于政策制定者和研究者而言,历史证明了忽视信贷是一种冒险的行为,因为信贷总量包含了预测未来金融危机发生概率的有价值信息。希望本文提供的证据为如何研究信贷在宏观经济中发挥的作用提供了新方法。
百度云盘链接:
https://pan.baidu.com/s/1JR6oHYW1g6y125H4S62K_A
以下为广告区:

我们现在文章里放了广告,这是我们目前可以带来收入的来源。请各位读者,每一次读到这里,帮我们点一下广告,支持一下我们的内容创作。广告收入可以帮助我们获得更优质的内容,从而实现公众号的良性循环。欢迎感兴趣的朋友加入我们,目前我们按照公众号阅读量*10%向作者支付酬劳。
如果你还想加入我们,请参考上一篇文章:和我们一起,复制论文,replicate papers
我们受大家欢迎的文章还包括:
如何找到顶尖期刊论文可供复制的数据和程序
使用Jupyter Notebook提高实证研究的可复制性
如果想从Stata转到Python,也许你可以这样做
Stata应用 | 中金的研究报告一定就可信吗?
周末特辑 | 更适合金融背景学生的Stata学习案例
Econometrica论文复制 | 历史位置、集体行为和经济发展:越南的经验

金融危机论文相关文章

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注