Table_Title 策略专题 周期研究系列一： 重构 中国金融条件指数 2019 年 10 月 23 日 Table_Summary 【 策略观点 】 重构中国金融条件指数 （ FCI） 具 有 较强理论和实践 意义。 国内外不少学者以及专业金融机构和媒体都 曾对 FCI进 行过研究。本文从 政策、 金 融市场、调查和国际金融四个大类中选取了 46个变量，利用 阶段主成分分析法（ PCA）来重构中国的 FCI。 中国 FCI 具 有五个特点： 指数 上升意味着国内金融条件改善， 指数下降表明国内金融条件恶化 ， 指数 大小与金融条件好坏 成 正比 ； 指数对 2002 年至今国内标志性金融事件均有显著反映 ； 不同主成分的权重是时变的，第一主成分的权重变化最为明显； 指数 呈现明显的周期性； FCI 衡量的是国内整体金融条件，单个或少数资本市场的趋势变化影响有限。 目前，中国 FCI处于触底反弹初期，这表明国内金融条件已经较此前有所改善，但整体依然位于底部区域 。 对于 经济增长数据 ，中国 FCI是民间固定资产投资增速的前瞻性指标，领先时间约为 2-6个季度；是城镇固定资产投资完成额增速的同步指标；中国与工业增加值增速和新增房地产开发完成额增速的关系发生了变化 。 对于 经济景气程度 ，中国 FCI 在变化上领先于制造业 PMI和非制造业商务活动指数，但领先时间一般小于 2个季度。对于 库存数据 ，中国 FCI是原材料和产成品库存的前瞻性指标。对于 价格数据 ，中国 FCI是 CPI的前瞻指标，但近期扰动因素有所增强；与 PPI同比增速的关系从领先逐步转变为同步，再到目前的略微滞后。 中国 FCI具有一定的局限性，需谨慎适用。未来可以从变量扩充、变量的影响和 传导 机制 、 FCI的含义以及 FCI的构建方法四个方面展开后续研究。 【 风险提示 】 中国 FCI 是一个复杂的指标，构成它的基础变量之间如何相互作用，这些相互作用又会对 中国 FCI 产生哪些影响，至今尚未出现令人信服的答案。 无论货币政策的制定者还是不同市场的投资在做重要决策的时候都不能单独或者太过依赖 中国 FCI。明智的做法是将其当做一个指标，与其他指标放在一起共同观察和 交叉 验证 。 Table_Author 东方财富证券研究所 证券分析师：王好 证书编号： S1160519090001 联系人：马建华 电话： 021-23586480 Table_Reports 相关研究 9 月金融数据点评：社融需求旺盛，结构持续改善 2019.10.17 9 月价格指数点评： “ 生活 ” 通胀， “ 生产 ” 通缩 2019.10.16 9 月外贸数据点评：内外需求继续下滑 2019.10.15 2019 年 10 月投资策略：回归业绩主线 2019.09.27 需求疲弱导致增长数据表现不佳 2019.09.18 挖掘价值 投资成长 Table_Industry 策略研究 /股策略 / 证券研究报告 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 2 正文目录 1.为什么要重构中国的 FCI. 4 2.FCI的简单历史 . 6 3.数据和方法 . 11 3.1.数据 . 11 3.2.方法 . 13 4.重构中国的 FCI . 14 5.中国 FCI的作用 . 16 5.1.中国 FCI与不同增长数据的关系存在差异 . 16 5.2.中国 FCI略领先于制造业 PMI和非制造业商务活动指数 . 18 5.3.中国 FCI是原材料和产成品库存的前瞻性指标 . 19 5.4.中国 FCI是 CPI的前瞻性指标 . 20 6.中国 FCI的局限性和继续研究的方向 . 21 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 3 图表目录 图表 1： 中国金融业增加值占 GDP比重（ %） . 5 图表 2：境内上市公司总市值和债券总市值占 GDP比重 . 5 图表 3：期末开立信用证券账户的投资者数（万人） . 5 图表 4：关于金融条件指数（ FCI）的重要论文（不完全统计） . 7 图表 5：国内外定期发布的主要金融条件指数（ FCI） . 10 图表 6：构建中国 FCI的变量一览表 . 12 图表 7： FCI各阶段主成分数量和权重（方差贡献率， %） . 15 图表 8：重构中国的 FCI（全有效主成分、前四主成分和第一主成分） . 15 图表 9：中国 FCI是民间固定资产投资增速的前瞻性指标 . 17 图表 10：中国 FCI是城镇固定资产投资完成额增速的同步指标 . 17 图表 11：中国 FCI与工业增加值增速 . 18 图表 12： 中国 FCI与新增房地产开发完成额增速 . 18 图表 13：中国 FCI略领先于制造业 PMI和非制造业商务活动指数 . 19 图表 14：中国 FCI是工业企业产成品库存的前瞻性指标 . 19 图表 15：中国 FCI是 PMI产成品库存和原材料库存的前瞻性指标 . 20 图表 16：中国 FCI与 CPI同比增速 . 21 图表 17：中国 FCI与 PPI同比增速 . 21 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 4 周期研究 的是 经济系统和金融体系 的扩张和收缩 在时间维度上 规律 性 变化 。 关于 经济周期 的文献和研究 已然 汗牛充栋、浩如烟海， 相比之下，金融周期 直到本世纪初才引起人们 的关注。金融周期主要是指金融经济活动在内外部冲击下，通过金融体系传导而形成的持续性波 动和周期性变化。它反映了包括资产价格、利率、汇率、货币供给量等 各类金融因子在不同阶段的变化趋势和特征，能够帮助人们理解金融体系的运行规律，并且揭示金融和实体经济的相互影响和作用，既能为宏观经济和金融调控政策的制定和效果评价提供重要参考 ，还有助于投资者制定投资策略，把握投资机会。 金融条件指数（ Financial Conditions Index， 下文简称 FCI）是观察和研究金融周期的一种重要 方法 ，目前已经被很多机构用于观察和预测不同国家和地区的金融状况、短期经济增长和价格变化情况 。本文将在借鉴国内外研究的基础上， 根据国内金融体系的实际情况和金融市场近期表现的新现象，围绕构建中国金融条件指数的目的、方法、数据和作用进行详细的分析。 1.为什么要 重构 中国的 FCI 理论上， 一些研究证实 ，作为 金融周期的一个有效 量化 指标， FCI 不仅能对货币、债券、汇率、股票以及房地产等金融市场的整体运行情况进行良好的概括，而且它还能为金融市场 预测金融数据表现和 货币政策 变化提供重要的参考。另外，还有研究表明， FCI 与宏观景气指数和价格指数具有强相关性，而且是它们的前瞻性指标（徐国祥和郑雯， 2013）。 因此， 构建中国的 FCI 具有较强 理论研究价值。 实践 中， 构建中国的 FCI 同样具有重要 意义。 首先 ，经过近三十年的快速发展，中国的金融体系不断完善，金融市场已经具备了相当庞大的规模，金融业增加值占 GDP 比重与美国、日本相当 ，均达到 8%附近 （见图表 1） 。 同时，中国境内上市公司总市值和债券总市值占 GDP比重都有明显提升（见图表 2）。因此， 构建中国的 FCI 有助于观测金融体系的整体运行情况。 其次，金融资产价格对国民经济和生活的影响 全面而深入 （见图表 3） 。随着房地产市场、股票市场的发展以及汇率制度改革、利率市场化深化，金融体系逐步健全，金融结构不断优化，居民家庭金融资产持有量不断增加，资产价格波动已经切实影响到企业、家庭和个人的决策和行为。 构建中国的 FCI 能够让上述微观主体更好地了解金融状况，进而做出更加理性的决策。 最后， 金融行业的发展、资产价格的波动 以及外部经济 环境的变化对国内宏观经济的影响日益显著，构建中国的 FCI 能够帮助政策决策者及时了解国家经济和金融的现状和风险，为政策的制定提供有效的信息来源和参考指标。 然而， 外部经济环境、国内经济政策以及金融市场的变化要求中国 FCI 的构建需要保持 与时俱进。首先，近 期外部经济环境变化无常对国内经济和资本市场都产生了显著影响。但在现 有研究中，中国 FCI 的构成变量鲜有直接反应外部冲击影响的因子 。因此，其对外部经济环境变化的反应较为滞后，指标的前瞻意义也有所降低 。其次， 2016 年底至今，国内的金融行业已经 进入 去杠杆阶段， 但 一些能够更加准确反应 这一政策变化 对金融条件影响 的变量未被已有研究纳入 到 FCI 中 。 再次， A 股已经加入 MSCI 指数和富时指数，境外资金已然成为 A 股的 重要投资 者，而且其重要性和影响力 还将 在未来 持续 提升 。 最后，已有研究对国内金融市场设定的变量难以准确解释近期出现了一些现象，如流动性分层，而这些现象背后的原因未来一段时间依然会对金融市场，甚至实体经济产生显著 而深远 影响。综上所述，我们认为重新构建中国 FCI 具有明显 的必要性和现实意义。 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 5 图表 1： 中国金融业增加值占 GDP 比重（ %） 资料来源： Choice，东方财富证券研究所 图表 2：境内上市公司总市值和债券总市值占 GDP 比重 （ %） 资料来源： Choice，东方财富证券研究所 图表 3： 期末开立信用证券账户的投资者数（万人） 资料来源： Choice，东方财富证券研究所 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 6 2.FCI 的简单历史 金融条件指数这一概念是由货币条件 指数 （ Monetary Condition Index， MCI） 衍生而来的，加拿大 银行（ Bank of Canada， BOC） 于上世纪 90 年代初就开始致力于 MCI 的构建。 1994 年， Freedman 正式提出这一概念，他认为表征货币状况的一些变量对于货币政策的制定具有非常重要的意义，因此要重视这类变量的异常变化。 Goodhart 和 Hofmann（ 2000， 2001） 认为资产价格在货币政策的传导过程中起着关键作用（货币政策的传导机制之一），并在 MCI的基础上进一步提出了金融条件 指数（ FCI）。随后，大量学者对其进行了广泛而深入的研究，使得 FCI 逐渐成为观测一个国家或地区金融条件的主要指标（见图表 4） 。 除学者外，一些金融机构和财经媒体也开始构建自己的 FCI，它们借助自身在业界的 知名度和 影响力，定期向全球 发布某些国家和地区的FCI（见图表 5）。 在国际上 ， 影响力较大的 是 Bloomberg 发布的美国 FCI（ BFCI）和德意志银行发布的美国和欧元区 FCI。 对中国而言，德意志银行和第一财经先后于 2018 年发布了关于中国的 FCI。 从研究对象上看，有着较为完善金融体系和相对发达 资本市场的欧 美发 达国家依然是研究 的焦点； 关于中国 FCI 的研究 数量呈显著增 加趋势，尽管作者绝大部分来自国内，但这也表明，随着金融市场对外开放的不断 深入 ， 中国的金融条件 越来越受到各方重视；受限于国家的影响力和金融市场相对于全球资本市场的重要性，针对其余国家和地区金融条件的研究数量十分有限。根据我们的不完全统计，美国（ 9 篇）、中国（ 9 篇）、德国（ 7 篇）、英国（ 4 篇）和加拿大（ 3 篇） 是受学界关注最多的国家。 从研究方法上看， 在我们统计的文献中， FCI 的计算方 法主要可以分为两个大类别：金融变量加权法和主成分分析法。金融变量 加权法是文献中最为常见的 FCI 计算方法，确定各金融变量 权重的依据可以是大型宏观经济联立模型或简化的总需求方程中各金融变量的系数估计值，也可以是向量自回归（ VAR）模型和向量误差修正（ VEC）模型系统中各金融变量对通货膨胀等目标变量的累积脉冲值，或者上述两种方法的改进版本。第二类计算 FCI 的方法并非直接对各金融变量进行加权组合，而是利用主成分分析方法中的正交变换将各金融变量重新组合为一组新的相互无关的综合指标，并以各主成分的贡献率为权重进行加权计 算得到金融周期的度量结果。从关于中国的研究来看（刁节文等，2013；罗瑞， 2013），通过主成分分析方法构建的 FCI 对通货膨胀的预测效果更佳 。 从 构成因子 上看 ， 用于 拟合 FCI 的变量愈发丰富，数量不断增加，种类涵盖货币、债券、外汇、股票和房地产等重要金融市场指标，作为货币政策重要指针的银行系统相关变量也被纳入考虑。 最初， MCI 的构建只使用 了 短期利率和汇率两个变量， Goodhart 和 Hoffman（ 2001）提出 FCI 时使用了 短期利率、实际有效汇率、实际房屋销售价格 和 实际股票价格 共计 5 个变量。 但随后研究人员在构建 FCI 时纳入的随机变量在类别和数量上均远胜最初。一方面，来自货币市场、债券市场、 股票市场和外汇市场的数据被大规模扩充，进一步包含了原先遗漏的 信息，以及分解了过去 过于笼统的数据。另一方面，与银行部门相关的数据和市场调查数据被纳入进来，这在很大程度上扩大了 FCI 的内在含义和功能范围。这些改进使得 FCI 不断完善，对金融周期的度量更加准确。另外，还有少量研究在构建 FCI 时使用了经济增长数据和企业财务数据 。由于这些数量较少，影响也较为有限，我们不作参考。根据不完全统计， 构建 FCI 用到变量最多的是 Paries、 Maurin 和 Moccero（ 2014）， 共计 62 个 ； 而关于中国FCI 的研究中，用到变量最多的是德意志银行发布的中国 FCI，共计 34 个。 其2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 7 中，来自金融市场的变量数量所占比例较高。 这表明 ，金融市场的价格和规模是一个国家和地区金融条件最为重要的指征。 从功能 上 看， FCI 在预测通胀和产出 方面表现不错，而且还是货币政策 、资产组合收益、金融市场运行状况和系统性风险的有效短期指标。一方面 ， FCI的预测能力一直被研究人员所重视。 对通胀而言， FCI 的 预测能力得 到了广泛肯定。 不论是欧美等发达国家和地区（ Mayes 和 Viren， 2001； Lack， 2003） ，还是中国（王维国等， 2011；徐国祥和郑雯， 2013； 邓创和徐曼， 2014； 栾惠德和侯晓霞， 2015； Wang 等 ， 2018） ， FCI 都可以作为通胀的有效前瞻性指标。对宏观经济 而言， FCI 的预测效果依然表现优异。不论是欧美等发达国家和地区（ English 等 ， 2005； Hatzius 等 ， 2010； Kapetanios 等 ， 2014）和发展中国家（ Gumata 等 ， 2012），还是中国（徐国祥和郑雯， 2013） ， FCI 都可以作为宏观经济景气指数、 GDP 增长率和产出的先导指标。另一方面 ， 由于构成因子中包含了大量和金融市场相关的变量， FCI 也可以作为货币政策、资产组合收益、金融市场运行状况和系统性风险的有效短期指标。 Mayes 和 Viren（ 2001）认为，FCI 有助于市场参与者对可能的央行反应做出判断，并帮助中央银行评估预测之间政策的立场。 Montagnoli 和 Napolitano（ 2005）认为， FCI 在美联储，英格兰银行和加拿大央行的利率设定中具有正向和统计显着性。 Brave 和 Butters（ 2011）表明， FCI 既可以 捕捉传统金融市场和新金融市场的系统重要性，也可以捕捉整体金融市场的动态演变。 Opschoor 等（ 2014）发现，在波动率和相关性建模中包括 FCI 可以提高风险价值的估计值，特别是在短期内。同样， FCI也可用于衡量中国金融体系的不稳定性（ Sun 和 Huang， 2016）。 图表 4： 关于金融条件指数（ FCI）的 重要 论文 （不完全统计） 编号 作者发表年份 编制方法 指标 研究对象 1 Goodhart 和Hoffman 2001 需求方程缩减式和基于VAR的脉冲响应分析 短期利率、实际有效汇率、实际房屋销售价格、实际股票价格 美国、日本、英国、法国、德国、意大利、 加拿大 2 Mayes 和 Viren 2001 基于 IS 曲线的需求方程缩减式 短期利率、实际有效汇率、实际房屋销售价格、实际股票价格 欧洲 11 国 3 Lack 2003 基于瑞士央行（ SNB）宏观经济模 型的脉冲响应分析 利率、汇率、房屋销售价格 瑞士 4 Gauthier、Graham 和 Liu 2003 基于 IS 曲线的模型，广义脉冲响应函数和因子分析 房价、股票价格、债券收益率风险溢价、短期和长期利率、汇率 加拿大 5 English、Tsatsaronis 和Zoli 2005 SW 方法（ Stock 和Watson，2002） 利率、汇率、风险利差、资产价格、家庭和企业财务实力的度量、信贷总量、银行业健康和绩效的标准度量等七个大类 德国、英国、 美国 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 8 6 Montagnoli 和Napolitano 2005 总需求方程 实际有效汇率、实际股票价格、 实际房屋销售价格 美国、加拿大、欧元区、英国 7 Wang、 Dennis和 Tu 2007 现金比率、速动比率、营业比率、人均盈余 (赤字 )、净资产比率、长期负债比率、长期人均负债比率、人均缴税、人均收入、人均支出 美国 8 Swiston 2008 基于 VAR 的脉冲响应分析 贷款基准利率 、伦敦同业拆借利率、实际有效汇率、投资收益率、高收益债券利差、实际股票收益率 美国 9 Hatzius、Hooper、Mishkin、Schoenholtz 和Watson 2010 非平衡面板估计 价格指标（ 23 个）、数量指标（ 15 个）、调查指标（ 7 个）、流动性指标 （ 3 个）、信用指标（ 9 个） 美国 10 Brave 和 Butters 2011 主成分分析 债券、股票、货币市场等 62个标量 美国 11 Matheson 2011 动态因子模型 债券、股票、货币市场以及信用等指标：美国（ 30 个）、欧元区（ 17 个） 美国和欧元区 12 Gumata、 Klein和 Ndou 2012 主成分分析 4 个全球变量 和 7 个国内变量 南非 13 Angelopoulou、Balfoussia 和Gibson 2013 主成分分析 债券、调查和信贷等 24 个变量 欧元区部分国家 14 Koop 和Korobilisy 2014 TVP-FAVAR 同 Hatzius 等（ 2010） 美国 15 Paries、 Maurin和 Moccero 2014 因子分析和非平衡面板估计 股票、债券、货币、信用等 62个变量 德国、法国、意大利、西班牙 16 Yildirim 2016 SVAR 国内变量（债券、 CDS、股票、汇率）和国外变量（全球利率和金融风险）共 8 个变量 巴西、印度、印度尼西亚、南非、土耳其 17 Sun 和 Huang 2016 VAR 银行业、股票、汇率、债券 中国 18 Wang、 Xu 和Chen 2018 TVP-FAVAR 利率，汇率，资产价格，货币供应量， CRB 中国 19 陆军和梁静瑜 2007 总需求缩减方程 利率、汇率、股指、房产价格4 个变量 中国 20 戴国强和张建华 2009 VEC 模型 利率、汇率、股指、房产价格4 个变量 中国 21 王维国、王霄凌 和关大宇 2011 总需求方程和 VAR GDP 缺口、房地产价格缺口、股票价格缺口、信贷缺口、实际有效汇率缺口、通货膨胀率、利率缺口、货币供给缺口、国中国 2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 9 际油价缺口和名义 GDP 增长率 22 余辉和余剑 2013 时变参数的状态空间模型 实际产出缺口、实际利率缺口、实际汇率缺口、实际房价缺口、实际股价缺口、实际货币供应量缺口 中国 23 徐国祥和郑雯 2013 SVAR 利率、汇率、股票价格、社会融资规模 中国 24 邓创和徐曼 2014 主成分分析 股票市场、债券市场、外汇市场、房地产市场、货币市场和银行体系共 26 个变量 中国 25 栾惠德和侯晓霞 2015 动态因子模型 利率、汇率、股价、房价、货币供应量、社会融资规模 中国 资料来源： 百度学术 和 CNKI， 作者整理 ，东方财富证券研究所 相对于学界的研究，金融机构和财经媒体对 FCI 的构建方法和 功能方面强调不多，但对数据的筛选更加贴近金融市场。下面，我们就简要介绍几个由金融机构和财经媒体发布的 FCI。 彭博 金融条件指数（ Bloomberg FCI） 。彭博 FCI 数据始于 1991 年， 随时提供金融市场用户访问，且每日更新，使其成为观测金融条件的便捷途径。该指数由三类市场指标以相同权重加权构成 ：货币市场指标（三分之一权重），债券市场指标（三分之一权重）和股票市场指标（三分之一权重）（ Rosenberg， 2009）。 每 类市场指表由一系列经过标准化处理的基础变量以相同权重加权构成。 该指数 一 共包含 10 个 基础变量 。 花旗金融条件指数（ Citi Financial Conditions Index， Citi FCI） 。花旗FCI 始于 1983 年，由 六个金融 市场 变量的加权 求 和 得出，权重是根据世界大企业 联合会的同步指标指数 简化形式 的 预测方程确定的（同步指数的六个月变化百分比）（ D'Antonio， 2008）。指数中的变量包括公司债利差、货币供应量、股权价值、抵押贷款利率、 贸易加权美元和能源价格 ；所有名义变量都经过去通胀处理 。 根据预测一致指数在约半年的水平方向的变动，花旗 FCI 使用这些变量不同的 变换和滞后 项。 德意志银行金融条件指数（ Deutsch Bank Financial Conditions Index） 。德意志银行 FCI 数据始于 1983 年，它使用主成分方法（ Hooper、 Mayer和 Slok， 2007； Hooper、 Slok 和 Dobridge， 2010），第一个主成分从包含汇率和债券的七个标准化金融变量中提取，然后将 FCI 设置为该主成分和目标联邦基金利率的加权之和，权重通过 金融变量和 GDP 增长率滞后项对 实际 GDP 增长 率进行回归来确定。指数可以解释为某个时间点金融条件对 GDP 的百分比拖累（指数为负）或提升（指数为正） 。 高盛 金融条件 指数 （ Golden Sachs Financial Conditions Index， GS FCI） 。高盛 FCI 是短期债券收益率、 长期公司 债收益率、 汇率和股票市场变量的加权 之 和（ Dudley 和 Hatzius， 2000； Dudley、 Hatzius 和 McKelvey， 2005），联邦储备委员会的宏观经济模型（ FRB / US 模型）与高盛自建的模型 一起用于确定权重。自 2005 年以来，长 期 公司 债 收益率 用 10 年 掉期利率和2017 敬请阅读本报告正文后各项声明 Table_yemei 策略专题 10 10 年期信用违约掉期利差（ CDX）之 和 度量； 在 2005 年之前，使用的是流动性较低的穆迪 A 级企业债券指数。由于 CDX 仅在 2003 年开始交易，因此从 1980 年开始的更长期的 FCI 是通过拼接新旧指数创建的。高盛 FCI上涨表明金融 条件趋紧，下 跌则表明金融条件缓和 。该指数设定为 2003年 10 月 20 日 =100。与其他指数不同，高盛 FCI 呈现明显 下降趋势，因为它使用的是金融变量的 绝对水平，而非利差或 变量 的变化。 第一财经研究院中国金融条件指数 。 第一财经研究院推出的中国金融条件指数系列 覆盖了货币市场利率、国债收益率曲线斜率、信用债利差、资产价格指数等 20 个市场数据和指标，通过尽可能多地参考各类主体的融资条件，可以更好地衡量社会整体宏观金融环境。 图表 5： 国内外定期发布的主要金融条件指数（ FCI） 编号 名称机构或作者 方法 指标 频率 1 Bloomberg U.S. Financial Conditions Index （ BFCI） Rosenberg （ 2009） 加权平均 货币、债券和权益 市场数据 日 2 Morgan Stanley Financial Conditions Index U.S. （ MS FCI） 加权平均 货币、外汇和股票市场数据 日 3 National Financial Conditions Index（ NFCI） Brave and Butters （ 2011） 主成分 分析 包括利差、收益率在内的三十多个变量 周 4 Citi Financial Conditions Index（ Citi FCI） D'Antonio （ 2008） 加权平均 公司利差，货币供应量，股权价值，抵押贷款利率，贸易加权美元和能源价格 月 5 I.M.F. U.S. Financial Conditions Index （ IMF FCI） Matheson （ 2011） 动态因子分析 美国（ 30 个）、欧元区（ 17 个） 月 6 Deutsch Bank Financial Conditions Index Hooper 等（ 2007、2010） 主成分加权平均 汇率、债券、股票、住房市场指标（其中中国 FCI 由 13 个变量计算得出） 季 7 Golden Sachs Financial Conditions Index（ GS FCI） Dudley and Hatzius（ 2000） ; Dudley 等（ 2010） 加权平均 CDX、 穆迪的 A 级企业债券指数 季 8 OECD Financial Conditions Index Guichard 等（ 2009） 加权平均 信贷条件、公司债券利差、实际短期利率、实际长利率、实际汇率、家庭财富 季 9 NBER Financial Conditions Index Hatzius 等（ 2010） 主成分分析 价格指标（ 23 个）、数量指标（ 15 个）、调查指标（ 7 个）、季