第 1 章 绪论
1.1 研究背景
在第五次全国金融工作会议上，习近平总书记将金融比喻为实体经济的血脉，金融体系对于国家经济发展的重要性显而易见，良好的金融系统能够有效地促进资金从储蓄者向投资者流动，并确保稀有资源的有效分配（Mishkin,1999），在十九大报告中，强调了维持金融稳定在我国推进金融相关举措中占据了主要基调的关键位置，而金融的波动会影响的资金与资源的流动，从而不利于投资等经济活动的进行。
结合看我国近几年的金融发展，2013 年金融业经历了最严重的“钱荒”，银行业流动性紧张，出现资金违约等状况，导致金融市场资金严重短缺发生震荡，2015 年的“股灾”，千股暴跌停牌，对众多股民的生活造成了打击影响，再到2018 年的“违约潮”，大批中小民企面临资本大退潮的困局，2020 年新冠疫情的突然爆发，各国经济受到打击，这类突发事件都影响着金融市场的稳定，金融市场面临着不可避免的波动。2017 年，为了更好地维持金融稳定，以防范风险为导向，我国成立了金融稳定发展委员会，更好发挥监管作用，2019 年央行强调持续推进金融稳定，稳中求进，是促进经济发展中的重中之重。
因此，对金融稳定指数进行测算，在一定程度上反映金融市场的状况，能够为金融市场的监管提供参考，从而保障我国金融市场的发展环境，促进经济和金融的良性循环。在国外，逐渐已经开始测算金融稳定指数，瑞士央行根据市场、资本、监管多方数据测算银行压力指数，欧洲央行提出了宏观审慎指标集，将银行指标体系和宏观因素、危机传导因素融合一体，捷克央行、土耳其银行分别测算了银行稳定指数和金融强度指数，涵盖了资本质量、流动心、风险多方领域。而我国，还未有统一的金融指标，目前金融稳定指数的测算大多基于 IMF 的标准选取指标进行合成，但普遍存在几点不足，一是有些选取指标时过度简化，例如选择单一指标或只从某一领域选取指标测度，二是为了数据维度的统一，将高频数据转化为低频数据造成了信息的缺失，三是往往止步于指数的测算或研究其对经济水平的预警方面，忽略了未来金融稳定指数的预测，未能对之后的金融市场形势做出预判。
...........................
1.2 研究目的和意义
1.2.1 研究目的
结合上文已提到的金融稳定指数测算的必要性以及政策不确定性对金融稳定的影响考虑，主要有如下几点研究目的：
（1）通过构建动态混频因子模型，减少数据的信息损失，从发展能力、抗压能力、稳健能力、外界环境四个角度选取指标，测算我国具有较高实时性和准确度的混频金融稳定指数。
（2）将政策不确定性按照财政、货币、贸易、汇率四个方面进行划分，并考察所测算指数的有效性，反映我国金融市场的变化状况。
（3）构建 TVP-VAR 模型，通过不同滞后期、关键时点的脉冲反应，探究四种政策不确定性对金融稳定的时变影响与异质性。
（4）构建有效的预测模型，从四种经济政策不确定性的角度对金融稳定状况进行预测，分析实证结果，有针对性地从政策不确定性的角度对我国维持金融市场稳定提出建议，为决策者预判、防范风险提供帮助。
1.2.2 理论意义
本文以金融稳定作为研究对象，进行金融稳定指数的测度，并尝试深入探究政策不确定性与金融稳定之间的作用机制，将政策不确定性划分为四个方面的不确定性，预测金融稳定指数。通过理论研究与实证分析并行，本文的主要理论意义如下：
第一，由于我国金融稳定指数还未有统一的标准，因此汇总了已有学者的研究，进一步基于多维度的指标选取，选取混频动态因子模型测算混频金融稳定指数，并进行历史性分析，考察了指数的有效性与稳健性。
第二，基于已有通过新闻文本分析测算不确定性的方法，进行优化处理，尝试提高指数的精确性，并进一步划分政策不确定性。丰富政策不确定性与金融稳定指数之间的理论框架，探究四种不确定性对金融稳定的多重作用路径，拓展二者之间的研究内容。
........................
第 2 章 文献综述与相关理论
2.1 文献综述
2.1.1 相关模型的文献综述
随着数据领域的发展，数据的精度越来越高、领域范围越来越广，而不同的经济变量往往具有不同的监测频率，从而使得在研究过程中会遇到从年度、季度甚至到日度的不同频数据，低频数据的缺失难以拟合，而若直接舍弃高频数据又会造成大量的信息损失，因此依据不同频的数据进行经济方面的测度、分析显得更为重要，也成为了学者们研究的重点领域，逐渐提出了针对混频数据，能够同时提取保留高低频数据，分析原始信息的混频模型。目前应用较为广泛的主要有三类，MF-VAR、MIDAS 以及混频动态因子模型。V
AR 模型作为基础模型，面对不同频的数据处理，早在 1989 年，Harvey便针对季度和月度的混频数据，提出了 VAR-MA 模型，核心思想为将季度数据看作有缺失值的月度数据，而 Mariano 和 Murasawa 在此基础上融入了状态空间，完善了季度+月度的研究框架。虽然 MF-VAR 在预测精度上有所提升，但是它存在一定的局限，一是要求低频与高频之间存在明确的倍数关系，使其更适用于月度和季度、季度与年度等频率之间，而无法研究月度与周度等问题；二是指标地位上，固定于以高频数据解释低频数据（郭建伟，2018）[5]。
2004 年 Ghyesels 提出 MIDAS 模型后，保留原始的混频数据，回避了处理数据时信息完整度的问题，并且由于其保留了高频数据的所有信息，提高了其在样本内、样本外预测的精度，但由于在构建时滞后系数等较为繁复，在分析频度差别多、指标数量大的数据时具有较高的分析难度。
..........................
2.2 相关理论
2.2.1 融资溢价理论
经济政策的变动会决策者的行为产生影响，变动频繁时，不确定性提高，可能导致道德风险存在。而企业决策者会因此在信息披露方面采取保守策略，减少融资成本。另一方面，不确定性的提升增加了违约风险，也可能改变企业分配现金流的方式，由于外部融资更受违约风险的影响，尤其是对于存在一些信用风险的企业来说，显得更为重要，甚至会杜绝其外部融资的可能。而银行处于自身利益的考虑，会通过提升担保金、加紧放贷条件等限制企业借贷，保护资金安全，企业的融资成本再次提升，从而影响到企业的投资行为与决策，对金融市场的稳定产生威胁。
因此，基于融资溢价理论，经济政策的不确定性会导致融资市场的波动，既提高了融资成本，又带来了违约风险，从而影响金融稳定。
2.2.2 金融脆弱性理论
基于金融脆弱性和货币之间的联系，弗里德曼指出货币量变动会造成经济环境和物价稳定的波动，金融作为依据物价的体系，易受其影响，如果波动明显时，金融波动的概率也会变大，从而破坏金融的稳定性，因此货币主义者提出当货币增长率同步于国民收入增长率时，物价水平恒稳，有利于金融市场保持自身的稳定状态。在金融的稳定运行中，离不开较低的通货膨胀率与稳定的货币政策，也正是因为其与货币的紧密联系，使得金融具有脆弱性的特征。
因此，基于金融脆弱性理论，货币政策的不确定性与金融市场的运行息息相关，频繁的物价与政策变动会导致金融的脆弱性。
图 4.1 混频金融稳定指数走势图
第 3 章 理论分析与假设提出..............................17
3.1 财政政策不确定性与金融稳定.............................17
3.2 货币政策不确定性与金融稳定.........................................18
第 4 章 指数测度与动态相关性分析............................21
4.1 混频金融稳定指数测度.................................21
4.1.1 混频动态因子模型构建..........................21
4.1.2 指标选取与来源..................................22
第 5 章 经济政策不确定性与金融稳定实证研究............................38
5.1 经济政策不确定性对金融稳定的时变影响分析...............................38
5.1.1 TVP-VAR 模型的构建与检验...........................38
5.1.2 不同经济政策不确定性冲击对金融稳定的脉冲影响分析.................................39
第 5 章 经济政策不确定性与金融稳定实证研究
5.1 经济政策不确定性对金融稳定的时变影响分析
5.1.1 TVP-VAR 模型的构建与检验
为了进一步考察经济政策不确定性对金融稳定的影响，借助含有时变参数的TVP-VAR 模型分析观测样本内不同不确定性对金融稳定的脉冲影响，由于该方法既可以观测不同期的冲击影响，亦可研究特地时期的影响，便于对比不同类型的政策不确定在不同时期的异质性影响。
为了使得后续的递归识别正常进行，并尽可能减少待估参数数量，假定tA 和t 分别为时变的下三角矩阵和对角矩阵，也就是变量的冲击影响是随时间而变化的（Nakajima et al.,2011)。同时，采用贝叶斯推断下的 MCMC 估计法进行参数估计。
根据本文的研究内容以及检验，本文构建的一阶 TVP-VAR 模型，在经过10000 次 MCMC 算法抽样后，估计结果如下：
表 5-1 TVP-VAR 模型估计结果
第 6 章 结论与建议
6.1 研究结论
本文根据金融稳定的普遍界定原则，选取具有全面性及代表性的相关指标，构建了涵盖金融发展能力、金融稳健能力、金融抗压能力、外界环境在内的混频金融稳定指数。同时，将政策不确定性划分为财政、货币、汇率、贸易四大方面的政策不确定性，通过文本分析的方法，测得不确定性指数，探究其与金融稳定指数之间的相关关系，最后，基于政策不确定性的角度对金融稳定指数进行预测分析，研究主要可以得出以下几点结论：
第一，从金融发展能力、金融稳健能力、金融抗压能力、外界环境四个角度选取指标，建立混频动态因子模型测算了我国 2000 年至 2019 年间的混频金融稳定指数，通过历史性分析，所测得的指数能够反应出我国金融市场经历的几次主要波动阶段，一是 2000 年第一季度至 2001 年第四季度，911 恐怖袭击对美国造成冲击带来的外界影响，以及我国正式加入 WTO 组织的机遇与挑战对金融体系造成的不同程度的冲击。二是 2004 年第一季度至 2006 年。非典爆发后的经济市场恢复，以及“熊市”的冲击等，打破原有金融体系的平稳运作，造成动荡；三是 2007 年第四季度至 2009 年第三季度，包括证券、房地产等在内的主要金融市场不正常的价格上浮；四是 2015 年第一季度至第三季度，证券市场的剧烈波动；五是，2018 年新一轮金融危机对我国金融体系的冲击。综上，可看出本文所测算的金融稳定指数能够反映出我国金融市场的几次波动，具有一定的可靠性与实时性。
第二，基于文本分析，选取关键词对时间范围内的新闻进行分类，并剔除相关性较低的不良样本。在不确定性指数计算方面，在已有文献的计算基础上，进行“主体+谓语”搭配的识别标准，有效弥补了原方法中无法衡量是否对应实际变动等细节上的不足，测算了包括货币、财政、汇率、贸易在内的四种政策不确定性。随后，通过动态相关性分析以及 Granger 因果检验可知，四者在波动趋势上与金融稳定指数具有一定的相似性，并且在波动时间上略优先于金融稳定指数，四种政策不确定性是金融稳定的 Granger 原因，对于本文所构建的金融稳定指数存在一定的预测能力。
参考文献（略）