【论文】资金流动性与制造业产能利用率周期波动的关联性研究

1资金流动性与制造业产能利用率周期波动的关联性研究1——基于频谱分析的视角【摘要】本文利用时间序列谱分析、互谱分析对1999年至2006年资金流动性与制造业各行业产能利用率序列波动的基本特征进行描述，结果表明，周期波动现象不仅在资金流动性与制造业产能利用率中普遍存在，而且两者的波动具有紧密的联系。继而合成先行、一致与滞后指数与经济周期循环序列比较分析得出：资金流动性是伴随宏观经济波动的周期性现象，这种状态的发生是微观经济主体行为作用的综合结果。关键词流动性过剩产能利用率谱分析互谱分析PeriodicalFluctuationsofCapitalLiquidityandCapacityUtilizationofManufacturingIndustries:BasedonSpectralAnalysisAbstract：Weanalyzethefluctuationofcapitalliquidityandcapacityutilizationofmanufacturingindustriesusingtimeseriesfrom1999to2006infrequencydomain.Wefindthattheperiodicalfluctuationexistsnotonlyinthecapitalliquidity,butalsointhecapacityutilizationofmanufacturingindustriesandthereiscloserelationshipbetweenthesetwoseries.Andthen,weutilizedthecompositeindexmethodtodiscusstheruleofcapitalliquidityandbusinesscycle.Theresultshowsthatliquidityisacyclicalphenomenonalongwiththefluctuationofeconomywhichisacompositeresultofmicroeconomicbehaviors.Keywords：Capitalliquidity；Capacityutilization；Spectralanalysis；Cross-spectralanalysis引言处于高速增长中的中国经济，经常性发生的周期性波动给包括厂商在内的微观主体行为带来了巨大影响，投资过热后的“产能过剩”继而“流动性过剩”的发生不仅将可能打破现有的利益格局，并会严重侵害绝大多数人的利益。尤其是2007年以来，CPI持续高企，通胀压力继续加大，如果没2有适度的微观调控政策，产能过剩与资金流动性过剩的周期性发生在所难免。因此，定量揭示微观产能利用率与宏观资金流动性周期波动的基本特征及其演化机理，对于解决过剩现象的实际政策制定无疑具有鲜明的时效性、针对性等重要现实意义。伴随经济周期波动的资金流动性过剩是包括生产者在内的各类经济主体微观行为共同作用的结果，因而从产能利用率波动环境下主要微观经济主体行为分析的角度出发，揭示资金流动性过剩的微观成因，研究产业微观行为的差异及其对资金流动性过剩的影响，可以从根本上阐释资金流动性过剩的形成诱因和演化规律，从而为有效地降低甚至规避资金流动性过剩提供有针对性的微观调控政策。这一系列理论问题的研究与解决显然具有很大的学术价值和理论意义。国内已有的文献普遍认为以产能过剩和流动性过剩为标志的“双过剩”的出现是密切相关的（曹晨光，2005；刘西顺，2006；杨珂，2007；邢雁飞、王灿锋，2007；卢丹，2007）。资金流动性的变动是微观经济主体对经济周期波动和通货膨胀的行为反应。当经济增长速度加快、通货膨胀率升高，微观主体对货币资金的需求，必然会引起相应的资金流动性的降低；相反，在收入增长迟缓，通货膨胀预期较低的时期，企业产品销售不畅、库存大量上升、产成品资金占用不断加大的生产能力过剩情况下，企业生产性投资意愿下降，从而造成银行系统里沉淀了大量的资金而找不到投资出路，即出现流动性过剩。但是，目前这方面的研究都处于定性阶段，缺乏对“双过剩”现象演化规律的实证性分析与检验。因此，本文旨在定量分析资金流动性与产能利用率周期性波动的关联性，进而探索经济循环的客观规律。如果资金流动性与产能利用率之间存在协同性周期运动，其相互的协同关系是怎样的，这仅凭观察和经验是难以做到的。时间序列分析理论和大量实证研究结果表明，如果在时域内分析资金流动性和产能利用率，会将其序列的波动作为一个整体来研究，这样就混淆了不同周期分量的作用效果，从而对他们波动的本质产生错误的认识，而谱分析方法可以从频域角度反映时间序列周期波动特征的全部信息，为确定经济指标周期的典型事实提供了有效的分析工具（Hillinger，1992；Reiter，1995）。无论问题本身是否具有周期性或不确定性，谱分析都可以采用类似的方法在频域上加以描述，在经济变量周期的测量方面，它具有其它方法所无法替代的优势。因此，谱分析方法在经济学领域得到了广泛的应用（Joseph，1970；Benjamin和Larry，1973；Harvey，1975）。另外，虽然在时间域内，多元回归分析等方法可以明确不同时期资金流动性和制造业产能利用率之间的消长关系，但是无法说明他们之间响应的周期特征及其内在规律，而多变量之间的互谱分析可以用来考察多个序列中相应频率分量之间的相互关系，如相关程度、相位（超前滞后）关系，为深入研究资金流动性与制造业产能利用率周期波动之间的相互关系提供了有效工具。制造业中不同产业产能利用率对资金流动性循环所表现出来的作用特征是不同的，合成指数3（compositeindex）方法可以根据互谱分析得到的制造业各产业产能利用率与资金流动性在时间上的先行、一致与滞后关系合成先行指数、一致指数与滞后指数。目前学者们利用合成指数主要进行经济景气分析（高铁梅，2003；孔宪丽等，2007），本文则利用合成指数得到的各指标的变化率来把握资金流动性的变动趋势和幅度，以便研究资金流动性与宏观经济指标的相互关系，这有助于了解资金流动性发展的轨迹，把握它们之间的内在联系，为有关部门较为合理准确地掌握未来发展动向，为有效地降低甚至规避流动性过剩提供有针对性的微观调控依据。本文的思路是，首先利用单变量谱分析估计资金流动性与制造业28个行业产能利用率序列的周期波动特征，通过衡量序列中各周期分量的相对重要性，找出序列中隐藏的各主要周期分量，为说明产能利用率与资金流动性波动的原因和内在机制提供依据。然后利用互谱密度函数的相干谱与相位谱计算结果分析产能利用率与资金流动性波动在时间上的相互关系。最后利用国际上通用的合成指数方法构建先行、一致与滞后指数与经济周期序列相比较，进一步说明宏观经济周期、资金流动性与产能利用率之间的关系，从而揭示流动性过剩的形成诱因和演化规律。一、资金流动性与制造业产能利用率周期波动的谱分析1.谱分析的基本原理及估计方法谱分析方法的基本思想是将时间序列看作互不相关的无穷多个正弦函数的叠加，每一个函数具有固定的频率和随机的振幅。因此利用谱分析就是把代表资金流动性和制造业产能利用率的时间序列对其序列均值的偏离归结为不同频率的偏离。利用傅立叶变换分解这些序列中存在的不同频率和振幅的偏离并利用功率谱密度函数来衡量各频率偏离分量的相对重要性，以便找出序列中存在的主要频率分量，从而把握序列的周期波动特征。根据谱分析理论，可分别将资金流动性以及制造业各行业产能利用率的单序列ttY的值看作)cos(t和)sin(t形式的周期函数的加权和，其中，代表一个特定的频率，为序列均值，则：dtdtYt)sin()()cos()(00（1）如果资金流动性以及制造业各行业产能利用率的时间序列均为协方差平稳过程，则他们各自的自协方差函数可以表示为：jjjYzzg)(（2）其中，z代表一个复数，并且iez=，则时间序列的总体谱可表示为：jjjYeS21)(（3）4如果序列的自协方差满足jj，则其谱密度函数)(S必存在且与j有如下傅立叶变换关系：10)cos(221)(jjjS（4）谱是关于的周期性函数，如果知道了位于0和π之间时)(YS的值，则可以推知)(YS关于任意的值（Hamilton，1994）。如何从资金流动性和制造业产能利用率的时间序列中估计出各自的谱密度函数是谱分析要解决的主要问题。对于有限的数据ntYt,...,2,1,，谱的估计为：1100)cos()(2)(21)(njjjjCCS（5）其中，))((11tjnttjYYjnC（6）)(j称为权函数，是谱分析中进行平滑处理的平滑函数，经过平滑处理的谱估计量可以认为是无偏的和有效的估计量。对权函数的选择是谱估计的关键，由此产生了很多有特色的谱估计方法，主要有：平滑周期图法、滞后窗谱估计、数据窗谱估计和极大熵谱估计等方法（陈磊，2005）。本文采用的谱估计方法是较为普遍的Tukey-Hanning窗谱估计法，利用Tukey-Hanning窗的傅立叶变换得到序列谱密度函数的估计值为：jmjCSmjjcos)cos1(21)(1（7）其中，m是随机组合因子，建议其取值为：3nm（Granger，1964）。2.数据分析结果严格来说，只有平稳序列才能做谱分析，而对于非平稳序列则会产生谱的虚假成分。为满足谱分析方法的要求，首先对资金流动性1以及制造业28个行业产能利用率2指标进行了季节调整去掉不规则因素，又利用HP滤波技术去除了序列中可能残存的线性趋势，进而得到平稳的序列（平稳性检验的结果略）。季节调整会损失一些信息，估计季节调整效应的非平稳序列的谱分析更具有意义（MarcNerlove，1964；Zurbenko，1991），但是方法较为复杂，并且本文旨在找出影响序列的主要1资金流动性序列用贷款与存款的比率代表。2制造业各行业产能利用率的序列是利用峰值法测算得到，具体计算过程略。5周期频率，去掉季节因素对结果的影响不大。既然平稳序列功率谱密度函数表示过程的功率依频率分配，那就意味谱分析方法把序列看作无数具有随机振幅和随机相位的频率在[-，+]的周期振荡的叠加，某一频率处周期振荡的振幅也即振荡强度的均值则由序列在该频率处的功率谱密度值反映出来。因此，在功率谱密度函数的曲线中，如果某频率处有明显的峰点，则可以判断原序列中该频率分量的强度较大。以资金流动性的谱密度图为例，估计结果见图1。谱图在频率为0.127处出现了一个十分突出的谱峰，谱峰值为5.69697，对应的周期为48个月。此外，在频率为图1资金流动性谱密度图0.722处还出现了一个次谱峰，对应的谱峰值为1.04356，这表明序列中还存在一个16个月左右的次周期波动。制造业28个行业产能利用率的谱图与资金流动性的谱图类似，只是谱峰有所偏移，根据谱密度图中的峰值情况，可以得到各行业产能利用率序列中包含的主要周期和可能存在的次周期，其结果见表1。由表1所列结果可以得到下面一些主要结论：（1）所考察的各行业产能利用率序列无一例外地都呈现出周期性的波动。（2）制造业各行业产能利用率的波动比较频繁，周期大致都在20-30个月左右，通用设备制造业、印刷业、仪器制造业以及有色金属制造业和专用设备制造业的产能利用率大约要经历32个月的周期波动；石油、通信、烟草和医药制造业相对较短，一般在23个月，两年左右的生产能力利用率周期；食品、塑料和饮料业最短，一般是19个月，即一年半左右的产能利用率周期。有些产业还会出现次周期，例如通信设备制造业、橡胶、印刷和造纸，都有半年以上的次周期。这一结果反映了制造业各行业受产品特点、市场需求等影响的不同所产生的产能波动的差异。表1制造业各行业产能利用率（cu）的谱分析结果指标名主周期主谱峰次周