经济周期精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的经济周期主题范文，仅供参考，欢迎阅读并收藏。

第1篇：经济周期范文

关键词：存货；存货投资；经济周期

中图分类号：F83 文献标识码：A

收录日期：2013年9月5日

存货在一国经济中的地位非常重要。尽管存货占GDP的比重并不高，但是其波动程度很大，是产出波动的主要构成部分。鉴于存货投资对经济的重要性，本文从理论上介绍了存货投资的概念、统计方法、基本理论、最近的理论进展以及存货理论的应用，以期对关于我国存货投资与经济周期的研究起到抛砖引玉的作用。

一、存货的概念及其重要性

（一）存货与存货投资。存货的持有者主要是生产部门与销售部门。对生产部门而言，存货不仅包括产成品，而且包括在制品、半成品和原材料等；对于销售部门来说，存货则主要指未销售出去的商品。存货投资指一定时期内存货实物量变动的市场价值，即期末价值减初期价值的差额，再扣除当期由于价格变动而产生的持有收益。存货投资可以是正值，也可以是负值，正值表示存货上升，负值表示存货下降。此外，基于产出和收入的角度，存货投资作为当期总产出与总销售之差，是GDP的构成之一（许志伟等，2012）。

（二）存货投资的数据来源和统计方法。基于美国的实践，我们讨论统计存货投资的数据来源和估计方法。一般而言，用于估计存货投资的数据来源非常广泛，不同部门的数据来源也不尽相同。为了将各种来源不同的数据调整成国民收入账户（NIPA）中的对应概念，需要使用一定的估计方法。目前，主要的估计方法主要有四种：基年估计（benchmark-year estimates）、非基年估计（non-benchmark year estimates）、最近年份和本季度估计（most-recent-year and current-quarterly estimates）和数量和价格估计（quantity and price estimates）。更为具体的介绍参考国民收入账户手册第七章。

张涛等（2010）详细论述了代表性发达国家和中国存货指数的计算方法，具体为：美国的存货指数是由美国供应管理学会（ISM）编制，由采购经理人协会抽样调查和收集企业家对存货变动看法（存货增加、存货持平、存货减少）；存货指数的编制是分行业进行的，行业存货指数=（行业内存货增加的样本公司占比+0.5×预期下月原材料存货减少的比例）×100；综合存货指数是在行业指数基础上根据行业权重加权计算得到，每一个行业的权重是依据该行业在国民生产总值中所占比重来确定。

德国的存货景气指数由德国经济信息研究所（IFO）编制，在调查7，000个制造、建筑、批发和零售企业存货的基础上计算得出；具体分为现在的状况和未来6个月存货的预期变化，存货现状分为三个状态：满意、不满意和很满意。未来6个月存货预期变化也分为三种情况：不变化、上升和下降。用“预期上升”的企业占比减去“预期下降”的企业占比，或用“满意”的企业占比减去“不满意”的企业占比，再除以基期计算得到的百分比就是存货景气指数；目前德国存货景气指数选择的基期是2000年，调查得出的数据经过季节调整后，每月一次。

英国存货指数是自1992年开始，在调查制造业600家企业的基础上计算得出；其计算方法为：如果本期存货相对上期存货增加，赋予权重0.5，没有变化赋予权重0.5，下降赋予权重0，权重乘以相应的百分比相加即得到存货指数。英国在计算存货指数时，考虑了企业规模因素，大企业比小企业影响更大，因此大企业样本占比相对更高。

日本存货指数的编制方法与美国类似，覆盖日本制造业的近300家企业，包括小企业、中等规模企业和大型企业，其存货指数细分为产成品存货指数和商品采购存货指数。日本存货指数计算也采用按行业比重加权得到。

在我国，中国物流中心从2005年开始，根据其月度企业问卷调查数据，将制造业存货指数和非制造业存货指数作为其采购经理人指数（PMI）中的一个子项按月编制，并于每月9日公开上一个月的计算结果；其中，制造业存货编制共涉及730余家企业，分为原材存货指数和产成品存货指数，同时按行业不同，编制分行业原材料和产成品存货指数；非制业存货指数编制涉及1，000余家企业，不存在原材料存货指数和产成品存货指数的区分；其体编制方法（以制造业原材料存货指数为例，产成品存货指数编制方法与此类似）是：原材料存货指数=（受调查企业中预期下月原材料存货增加的比例-0.5×预期下月原材料存货减少的比例）×100。

此外，国内有一些学者依据国家统计局的季度企业问卷调查数据，按照国外通行的计算方法，进行过计算中国存货指数的相关研究。陈杰、刘妹威（2008）以国家统计局的“全国工业企业景气状况设计调查问卷”为基础，借鉴国外存货指数的计算方法并结合中国企业景气调查制度的特征，提出了中国存货指数的设计方案。王作春等（2005）则以国内上市公司公开的财务数据为基础，通过推算的方式获取个体存货景气指数，再以加权的方式对各行业存货景气指数进行汇总，进而获得总体存货景气指数。

（三）理解存货与存货投资的重要性。尽管存货投资占GDP的比重在不同国家、不同年份均有所不同，但是无论是从纵向还是横向角度看，这一比重都很低。例如，1956～1998年间，存货投资占美国GDP的平均比重为0.66%。1995年，存货投资占西方七国GDP的比重分别为：美国0.36%、英国0.31%、日本0.53%、德国0.47%、法国0.54%、加拿大0.32%以及意大利0.91%。中国的情况也不例外，1992～2010年间，每年存货投资占GDP的比重大约在3.5%左右。上述事实似乎意味着存货投资可能无法对经济产生重要影响，但是事实上，理解存货投资对研究一国的经济波动是非常重要的，主要表现在如下两个方面：第一，尽管存货投资占GDP的比重较低，但是存货投资的波动对一国经济波动的贡献较为明显。例如，美国战后经济的波动中，大约有1/3归结存货投资。中国经济中的存货投资波动也能够解释产出波动的20%。更为重要的是，存货持有量的变动大约可以占到季度GDP变动的60%左右（Fitzgerald，1997）。因此，理解存货投资变动的原因是理解经济波动的关键（Blinder，1990）；第二，企业的存货投资行为有可能会放大或缩小经济的波动幅度，进而成为技术和政策影响经济的重要的传导机制，并且可以用来识别不同的冲击来源或者说经济起伏的原因。

二、存货投资数据的统计特征

由于存货投资的波动在经济波动中扮演着重要角色，因此，我们需要对存货投资的数据特征进行分析和总结。

（一）存货投资占国民生产总值的比重。从国外的数据来看：Ramey and West（1999）通过分析G7（加拿大、法国、德国、意大利、日本、英国和美国）从1956～1995年的数据得到，存货投资只占GDP份额的0.5%，相比固定资产投资（占GDP比重15%）和消费比重（占GDP的2/3），存货投资的比重是非常小的。而根据G7国家1995年的横截面数据，得到各国占GDP的比重分别为美国0.36%、英国0.31%、日本0.53%、德国0.47%、法国0.54%、加拿大0.32%、意大利0.91%。此外Fitzgerald（1995）分析了美国二战后的存货投资数据，得出美国的存货投资只占国民生产总值的0.5%。因此，不论从时间序列上还是从横截面上，从国外的数据来看，存货投资所占国民生产总值的比重是十分微小的。

从国内的数据来看：相比较国外存货投资的特征，中国存货投资占国民生产总值的比重有自己的特点，仅就该比例的这种趋势变化也可以看出我国市场化的进展。对于当代存货投资的特征，许志伟等（2012）分析了1992～2010年的宏观年度数据，得出中国每年的存货投资仅占GDP的3.5%。因此，通过分析中国存货投资数据，我们得到的结论和国外的数据基本是一致的，即存货投资占国民生产总值的比重是比较小的，对于中国而言，随着市场化程度的发展，存货投资占GDP的比重正在不断地降低。

（二）存货投资的波动规模。相比较存货投资所占GDP的份额，存货投资的波动性是非常巨大的。早在1950年，Abramowitz就得出：第二次世界大战之前，美国的经济衰退往往伴随着存货投资的急剧下降。而根据Alan.Blinder（1991）的计算，这一情况在二战后的历次衰退中仍是如此，他通过分析1948～1982年的数据发现，美国真实的存货投资变化占真实国民生产总值变化的87%。Ramey and West（1999）分析了二战后G7国家存货投资变动和GDP的变动，发现存货投资变动占GDP变动的比例保持在12%～71%的范围内。许志伟等（2012）分析了1992～2010存货投资和GDP数据，相比较存货投资所占的份额，发现其存货波动解释了GDP总波动的20%之多。所以，存货投资的波动规模对于经济波动的影响是不容忽视的。

（三）存货投资的顺经济周期性。在存货投资的研究中，存在一个众所周知的事实，是存货投资对经济周期波动有放大作用。所谓存货投资顺经济周期性是指存货投资的波动趋势与经济周期的波动趋势是一致的（Ramey and West，1999）。Fitzgerald（1995）计算了美国1948年到1991年历年存货投资周期与经济周期波峰与波谷之间的变化比较发现，存货投资的变化与经济周期的变化方向是完全一致的，而且存货投资周期性的波动规模与经济周期的波动规模基本相当。Blinder and Maccini（1991）发现二战后，在美国衰退的时期内，存货投资的下降和总产出的下降相伴随，并且存货投资的变化可以解释总产出变化的87%。Blinder（1990）在文章中认为：经济周期在很大程度上来说，就是存货投资周期。Ramey and West（1999）分别计算了G7国家1956～1995年存货投资和销售额之间相关系数发现：所有国家的相关系数均为正，系数均值在0.1～0.2之间，并且通过VAR模型检验了二者之间的相关性，结果发现结论是一致和稳健的。Yi Wen（2005）通过研究美国和OECD国家的总量数据，在经济周期的不同波动区域上详细讨论了存货投资与经济周期的相关性，得出：在经济周期高频波动的部分，存货投资是逆经济周期的；而在经济周期低频波动的部分，存货投资是顺经济周期的。此外，存货投资的波动方差在经济周期高频波动的部分比较大，而在经济周期低频波动的部分比较小。Kahn（2002）通过分析美国数据发现：美国自八十年代起，总产出的波动规模较二战结束时期缩小了将近一半。Kahn等人通过构建宏观经济模型得出：由于信息技术革命引起的存货投资的变化（尤其是耐用品存货投资）是导致美国经济波动平稳的一个至关重要的原因。从国内研究来看，易纲、吴任昊（2000）考察了中国1979～1989年存货周期和经济周期的相关性，得出：1979～1986年间，二者的相关系数为0.783869，即表现为明显的“顺周期”特点。而在1979～1989年间，二者的相关系数为-0.24599，却表现为“逆周期”特点。原因就在于1987～1989年间，二者的相关系数为惊人的-0.92289，即存货投资的波动在那三年几乎完全是反经济波动而行的，即“顺周期”这一特点在1987～1989年出现了一个明显的例外。其原因在于：在1987年、1988年，受多种因素影响，市场需求十分高涨。在进入八十年代之后，存货行为的“顺周期”特点日益明显。在1992～1995年经济高速增长之时，存货投资出现了更高速度的增长，GDP波动与存货投资波动的相关系数为0.664865。而当1996年经济开始进入调整期，经济增长开始减缓之时，存货投资则以更快速度下降，在1996～1998年间，二者的相关系数为惊人的0.998304。张涛（2010）通过构建5，000户企业的存货指数与经济周期的数据得出：5，000户企业存货指数与经济波动周期能够较好地拟合，但存在约1～3个季度的滞后。许志伟等（2012）根据采购经理人指数中的产成品库存和原材料库存指数作为两种存货投资的变量，得到了原材料存货投资顺周期、产成品存货投资逆周期的经验事实。

（四）存货投资与销售额的正相关性。Ramey and West，（1999）分析了G7国家1956～1995年的数据，通过VAR模型分析，得出了存货投资于最终销售之间的正相关性，并得出了存货投资与销售额比例平稳性的结果。Kahn（2002）通过分析美国1953～2000年的数据，得出了美国存货投资与销售额之间正相关的性质。

三、关于存货投资的理论

这部分介绍文献中关于存货投资的相关理论：首先，我们介绍关于存货最为基本的生产平滑模型；其次，针对生产平滑模型存在的不足，我们在局部均衡分析框架下依次介绍对生产平滑模型的三个拓展；最后，介绍在一般均衡分析框架下有关存货投资的理论。

（一）生产平滑模型。生产平滑模型是文献从微观角度研究企业存货行为的基准模型。其基本想法是，当面临可变的市场需求且调整产出存在一定的成本时，企业具有持有存货以平滑生产的动机。在这一模型中，与不持有存货的情形相比，企业持有存货能够减小产出的波动程度（用方差衡量）。但是，为了使企业有足够的激励持有存货，需要具备一定的条件：（1）持有存货的成本适中；（2）随着产量的增加，成本上升的幅度足够大；（3）企业有足够的耐性，否则其平滑生产的动机就会减弱。

尽管生产平滑模型为分析企业存货行为的基准，但是其理论预测与存货行为的特征事实并不一致。生产平滑模型产生的两个可供验证的结论为：（1）销售的波动要大于产出；（2）存货投资的变动方向与产出相反。事实上，这两个结论均与数据不相一致（Fitzgerald，1997）。为了克服这一缺点，一部分文献通过对生产平滑模型进行修订，使其产生与数据相一致的结论，还有一些文献则从新的角度考察存货的动态变化。早期的模型拓展都是在局部均衡的分析框架下展开的。

（二）局部均衡分析框架下的存货理论

1、基于生产平滑模型的拓展。基于生产平滑模型的拓展大致分为三类：成本冲击、目标存货水平和非凸性技术。下面，我们就其基本思想依次加以阐述：

第一，引入成本冲击。通过引入成本冲击，产出会随着成本的变化而变化。具体而言，当成本升高时，企业选择较低的产出水平，反之亦然。由于存货投资为销售与产出之差，所以在这种情形下，产出可能通过成本冲击这一途径产生比销售更大的波动。同时，存货投资也会表现出顺周期的特征。

第二，引入目标存货水平。与上述模型不同，一些文献引入持久性的销售冲击，并假定企业存在明确的存货/销量之比目标，且偏离这一目标会产生额外的成本。通过这些设定，能够使模型产生与数据相一致的特征。其中的逻辑是：设想t期销量意外增加并且企业的生产决策在冲击发生之前完成。企业会减少与冲击相当的存货数量。在t+1期，企业不仅需要使生产达到期望的销量（销售冲击是持久的），而且为了达到其存货/销量目标，其持有的存货数量也会相应增加。这样不仅会导致产出的增加大于意外销量的增加，而且还导致产出与存货呈同向变动关系。

第三，引入非凸性技术。即假定在一定的产出范围内，企业的边际成本是下降的。这样，在某一时期内，企业增加生产导致边际成本下降，进而导致其增加生产的动机增强；而在另外一些时段内，企业减少生产导致边际成本上升，从而进一步促使企业减少生产。这样就产生了产量“扎堆”而非平滑的特征。

2、（S，s）模型。生产平滑模型适用于描述最终产品制造业的存货行为。但是，一些研究表明这部分存货的比重较低，只占到制造和贸易行业存货总量的15%。不仅如此，这部分存货的波动是最小的，而零售和原材料加工和提供部门的存货波动程度最大。关于存货的研究应该主要聚焦于此。

（S，s）模型着重讨论运输过程而非生产的时间安排，故而更适用于讨论零售和原材料加工和提供部门。在这一模型中，企业的决策方式为：首先，选择最优的数量s，当存货水平低于s时，企业不允许存货水平继续下降。当存货水平达到这一水平时，企业会订购存货，使其达到另外一个最优选择的水平S。只有当存货水平达到s时，企业才会追加存货。S-s称为最优份额。

在该模型中，由于产出会在0与S-s之间跳跃变化，所以有可能使产出的波动大于销售。但是，在将这类同数据对比时，会产生模型难以加总的问题，因为模型中没有代表性企业，而是需要讨论企业持有存货的分布。

（三）一般均衡分析框架下的存货理论。在分析上述模型过程中，假定企业所面临的市场需求是外生的，因此均为局部均衡模型。最近的研究将分析拓展到一般均衡分析的框架中，并得到了一些新的结论。

首先，Pengfei Wang and Yi Wen（2011）将企业生产-成本平滑动机引入动态随机一般均衡模型中，刻画企业存货投资行为。具体而言，企业在面临成本不确定的情况下会对销量加以平滑。在成本较低时，企业扩大生产并增加存货，以防备当成本较高所导致的产出减少。这一模型不仅能拟合数据中顺周期存货投资与逆周期存货/销售比的特征，而且得出了存货能够放大和传导经济周期的结论。

其次，Yi Wen（2011）将无库存规避动机引入动态随机一般均衡模型中，讨论存货的动态特征。在拟合美国经济周期和存货相关特征事实的同时，模型的结论是存货管理技术的进步反而会加剧总产出的波动。这是因为无库存规避动机会产生顺周期的存货价格（影子价格），这一机制能够起到自动稳定器的作用，即在经济高涨时抑制销售，经济低迷时鼓励总需求，从而缓解了经济的波动。存货管理技术的进步弱化了这一机制。

最后，Khan and Thomas（2007）将（S，s）模型扩展到了动态随机一般均衡模型中。通过参数校准，模型能够拟合存货投资2/3的波动，并产生与特征事实相一致的特征，如顺周期的存货投资，较大的产出波动和反周期的存货/销售比等。但是，这一模型的分析认为产出的变动并没有因为存货的积累发生根本的改变，因为顺周期的存货投资会将经济资源移出最终产品的生产，从而弱化了销售的波动程度。

四、存货模型的应用

一些文献通过将存货引入模型讨论相关的宏观问题。目前这类文献为研究的前沿，方便起见，我们此处列举两个例子：

（一）存货模型在国际贸易中的应用。有研究使用存货模型解释金融危机之后国际贸易量大幅下降的现象，代表性的文献为Alessandria et al.（2010）。Alessandria et al.（2010）表明国际贸易中的两大摩擦——运输时滞（delivery lag）和交易成本的规模经济—所发挥的作用远大于其在国内贸易的情形。这两大摩擦都导致进口企业持有大量的存货，正因如此出口对冲击的反应要大于产出。

（二）新凯恩斯模型中的存货。通过将存货引入新凯恩斯模型，Lubik and Wing Keong Teo（2010）讨论了其对通货膨胀动态的影响。由于新凯恩斯菲利普斯曲线（NKPC）中实际边际成本是影响通货膨胀的主要因素却无法观测，所以利用存货/销量比与边际成本的关系能够克服这一困难。但是研究结果表明，在NKPC框架下，存货对解释通货膨胀没有帮助。YongSeung Jung and Tack Yun（2012）通过Calvo定价模型中引入产成品存货，将当期通货膨胀表示成边际销售成本的函数，利用产成品存货与边际销售成本的关系生成的通货膨胀序列表明，即使不使用单位劳动成本边际成本这种传统做法，也存在较好拟合经验NKPC的可能性。

主要参考文献：

[1]Alessandria，Kabosoki and Midrigan.Inventories，Lumpy Trade and Large Devaluations[J].American Economic Review，2010.

[2]Fitzgerald，T.Inventories and Business Cycles：An Overview[J].Economic Review，1997.

[3]Khan and Thmas.Inventories and Business Cycles：An Equilibrium Analysis of（S，s）Policies[J].American Economic Review，2007.

[4]Lubik and W.K.T.Inventories，Inflation Dynamics and the New Keyesian Philips Curve[J].Working paper，2011.

[5]Ramey，V.and K.West.Inventories[C].Handbook of Macroeconomic，1999.

[6]Wang and Wen.Inventory Accelerator in General Equilibrium[J].Working paper，2009.

[7]Wen.Input and Output Dynamics[J].American Economic Journal：Macroeconomics，2011.

[8]Jung，Y.S.and T.Yun.Inventory and the Empirical Philips Curve[J].Journal of Money，Bank and Credit，2013.

第2篇：经济周期范文

1980 年恢复保险业务以来，中国已经成为世界上保险市场发展最快的国家之一。在保险市场不断做大的同时，如何保持保险业，特别是相对更加脆弱的非寿险业发展做稳做强成为保险业界人士关注的一个重要问题。保险业被称为社会的“稳定器”，保险公司承保利润的稳定性直接影响到企业的风险管理、承保能力，甚至整个社会的财产的安全保障情况。近年来，“防风险、调结构、稳增长”的方针得到贯彻和落实，我国非寿险承保利润正处于由亏损状态向盈利状态转变的良好时期，但经营的不稳定性仍然较大。在这种情况下，认识并把握承保周期的变化规律，进而积极采取应对措施对我们有着极大的意义。所谓承保周期是指由保险市场外部或内部因素引起的承保利润率高低起伏的波动情况。具体而言，在保险宽松市场( Soft Market) 出现时，存在大量的保险产品可供选择，竞争加剧，价格下降，利润下降，承保能力减少，最终导致保险产品供给开始紧张; 继而，保险产品价格开始回升，保费、保险利润、承保能力随之上升，保险硬市场( Hard Market) 出现。换言之，承保利润的周期变动是一种现实。它类似于经济周期，我们只能想办法去尽可能的平抑这种周期变动，却不可能完全的消除它。由于业务性质的差异，一般将保险业分为寿险业和非寿险业进行研究。寿险业务属于长期性业务，主要包括承保业务和投资业务，当然也存在其他业务，比如咨询等。单单只考虑承保业务和投资业务的角度，投资业务对于寿险的重要性远远大于非寿险业务。因此，对于寿险，我们往往考察整个的保险周期。非寿险业务期间大约在 1 年期以内，这种短期业务对资本的流动性要求较高，投资业务处于相对次重要程度。因此，对于非寿险我们只考虑它的承保周期。本文研究我国经济周期对非寿险承保周期影响问题，主要讨论的目标在于经济周期对于承保周期是否有影响，这种影响的程度是多少。我们不仅在理论上考查了经济周期与承保周期的关系，也为保险公司减轻承保周期带来的利润波动，减少无谓损失; 为监管部门更好的实行逆周期监管提供有益尝试。非寿险承保周期影响因素的研究成果非常多，考察的侧重点和最终的结论也各有不同。从源头上可分为理性学派和非理性学派。非理性学派认为承保周期业务的周期性变化主要原因在于一些非理性的市场行为，如恶性竞争、不成熟的费率厘定以及资本的限制。理性学派则认为保险市场是具有足够理性的，造成周期变动的原因来自于保险业的外部因素，不在保险公司的控制范围内。从 20 世纪 70 年代开始，国外已经有很多学者都在探索利润周期存在的根源。Fries( 1997) ，Radach( 1998) 认为承保周期是由非寿险市场竞争引起的。Venezezian( 1985) 认为承保周期的产生是因为保险公司对保险产品定价方法存在非理性的因素。Cummins 和 Outreville( 1987) 认为承保周期现象源于保险业的一些制度性因素和冲击，如数据收集滞后、监管滞后、以及保单更新滞后等。Winter( 1989) 认为由于市场摩擦的存在，保险公司不能迅速调整资本的规模，其结果必然导致保险供给的变化。Webb( 1992) 率先提出经济周期能够解释承保周期的形成。Webb 指出保险需求的主要决定因素是可支配收入，这一经济变量和经济周期有着密切的关系。当经济处于高涨阶段，国民收入达到高点，对保费收入起到直接的刺激作用。相反当经济步入低谷，GDP 的降低会促使保险需求降低，承保周期也进入低谷阶段。Webb 还认为承保周期不仅与经济周期高度相关，而且表现得比经济周期还要规则。Chen，Wong 和 Lee( 1999) 选择新加坡、马来西亚、韩国、日本和中国台湾地区作为代表研究了亚洲国家( 地区) 的承保周期问题。Chen，Wong 和Lee 发现亚洲国家( 地区) 的整体或者某一险种的承保周期是明显存在的，并且主要是这些国家( 地区) 的经济增长率所引起的。Chen，Wong 和 Lee( 1999) 研究了亚洲国家的承保周期问题，却没有做关于中国的承保周期的研究，作者在文中给出的解释是中国的保险业还不是足够的发达和成熟。1999 年距离今天已有十四个年头，中国的保险业早已发生翻天覆地的变化。经过十四年，特别是入世后十年的发展，我国保险业取得了骄人的成就，保险产业从小到大; 公司从少到多; 产品从简到繁; 经营从粗到细。目前，在我国的经济总量已经达到世界第二。三十年来，我国保费收入年均增长率为 25%; 保费收入规模达到世界第六。2008 年以来，每年资产规模增长达 1 万亿以上。虽然，我们的保险市场还存在着各种不成熟的因素，但我们已经有足够的资本和理由去审视一下当前我国非寿险市场是否存在承保周期、承保周期是多少、经济周期对承保周期的是否存在影响以及影响程度大小的研究。到目前为此，国内有如下文献对以上的问题做出了某种程度的回答。由上文的分析，可以看出我国关于承保周期的研究呈现出一种逐步深入的态势。从简单的模仿美国运用二阶自回归的方法解决国内承保周期的长度问题到 CF 滤波的合理使用。从简单的考虑保费增长率、损失增长率、损失率、利率、GDP 增长率的变化情况到拆分变量分项研究投资、消费、贸易以及虚拟变量表示的政策因素。目前，国内学者对承保周期的研究已经更加符合中国的国情，并且更加全面和深入。从表 1 可以看出当前研究出现的一些问题。首先，从最终的结果来看，经济周期到底对承保周期有没有影响，学者们意见不统一，2 篇没有影响，3 篇有明显影响。其次，前面 5 篇文章全部采用 1980 年后开始的保险年度数据来讨论我国承保周期的问题。事实上，在 1991 年以前，我国保险市场处于高度垄断的地位，而完备市场理论认为竞争是产生周期的前提，因此 1991 年以前并不具备周期性分析的基础。因此，研究所得结果的可信度受到一定程度的质疑。

二、承保周期的 HP 滤波分析

( 一) 研究方法和数据选择

1． 研究方法

目前，国内对于承保周期的研究仍然沿用 Venezian( 1985) 对美国保险市场二阶自回归的分析。Smithand Gahin( 1985) 运用谱分析法进行检验，得出了与 Venezian( 1985) 同样的结论。可见，这种方法对于保险业已经发展到一定程度的西方国家是适用的。王波等( 2006) 首先将此方法运用于国内市场得到车险的承保周期长度为 6 年，而整个非寿险行业并不存在承保周期。然而，由于各国的经济政治发展的环境存在很大的区别，甚至于市场结构的政策改变都会对承保周期产生影响( 王丽珍( 2011) ) ，因此，笔者同样认为简单运用自回归模型对我国承保周期进行研究不够谨慎。我国处于经济高速发展，制度不断完善的时期，承保周期不一定满足固定的周期长度。基于此，我们选用 HP 滤波技术处理数据，将数据分为趋势成分和周期成分。这是由于 HP 滤波在研究季度数据选取平滑参数( λ) 时经济学家所达成的良好共识———沿用 1600 这一数值( Hodrick 和 Prescott( 1980，1997) ) 。由于 HP 滤波在提取 8 年以下的高频成分作为周期性成分方面获得的广泛认可，因此，我们选择 HP 滤波得出的结果将更具有可靠性。

2． 数据选择

1978 年我国开始经济的改革开放，1980 年重新恢复保险业。恢复的初期，经济仍然处于由计划经济向市场经济转型的阶段，经济周期对承保周期的影响与现在的状况可能完全不一致。另一方面，保险业在1998 年成立保监会之前的统计情况较为混乱，我们很难找到所需变量的季度数据。基于此，选择了从 1999年 ～2011 年的承保赔付率季度数据分别作为研究区间和研究指标。

( 二) 滤波结果

对季节数据进行 X11 季节调整之后，通过 HP 滤波我们得到我国非寿险承保赔付率( PFL_SA) 滤波结果。由图 1 可以明显的看出，我国非寿险市场存在周期性波动。从 1999 年 1 季度到 2011 年 3 季度，我国经历了接近3 个完整的周期，分别是1999 年1 季度到2003 年1 季度，2003 年1 季度到2008 年3 季度，2008 年3 季度到 2011 年。周期的长度在 3 ～ 5 年，但周期长度并不相同。这也充分证明，前文所说传统的二阶自回归模型并不适用于我国的研究。在承保周期深度非对称性方面，我国承保周期波峰振幅超过了波谷振幅，赔付率剧烈的上涨对于保险公司显然是非常不利的。在承保周期陡峭非对称性方面，我国赔付率略微呈现出陡升缓降的趋势。也就是说保险利润的坚挺期( 赔付率下降时间长度) 大于保险利润的疲软期( 赔付率上升时间长度) ，( 与李心愉( 2010) 结论相反) ，但差别不明显。

三、经济周期对承保周期影响的实证研究

我国非寿险业随国民经济增长呈现出快速增长的势头，然而承保利润却出现了波动，甚至出现了全行业亏损的被动局面。近年来，“防风险、调结构、稳增长”的方针得到贯彻和落实，我国非寿险承保利润正处于由亏损状态向盈利状态转变的良好时期，但经营的不稳定性仍然较大。基于非寿险业保障作用的特殊性和不确定性，研究经济周期对承保周期的影响，有助于非寿险业客观把握经济发展方向，积极采取应对措施。

( 一) 数据及变量选择

此部分主要考查经济周期以及外部经济环境对承保周期是否有影响。本文选择了 1999 年 1 季度到2011 年 3 季度一年期存款利率、上证综合指数、GDP、CPI、赔付额、一阶和二阶滞后赔付额以及赔付率、一阶滞后赔付率等指标。其中赔付额、赔付率及其相关指标数据来源于保险监督委员会网站，经过整理得到。GDP、CPI 指标数据来源于国家统计局。上证综合指数来源于搜狐网，经过整理得到。一年期存款利率来源于中国人民银行网站，经过加权平均得到每一季度的一年期存款利率。

( 二) 波动的衡量方法

对经济波动的衡量，一种常用方法是利用 HP 滤波( Hordick and Prescott，1980) 将经济产出分为趋势成分和周期成分，趋势成分为潜在产出，周期成分则为产出缺口，并将产出缺口的绝对值序列作为波动大小的度量。然而这种分解模式实际上并未完全将经济的波动分离出来，而只是将波动分离成为趋势波动和周期波动，趋势波动存在于趋势成分之中，只是其波动可以预测，而周期成分的波动则不可预测( 干春晖，2011) ) 。Aghion et al． ( 2006) 建议将考察期分为若干个时间跨度相同的时间段，以每个时间跨度内经济增长率的标准差作为经济波动的衡量。卢二坡和曾五一( 2008) 认为不同地区经济增长率的标准差会由于经济增长均值的不同而不具有可比性，并建议用时期内经济平均增长率来消除均值的影响。采纳这一建议，将各变量波动的度量方式定义为:gt表示变量的增长率，volt表示变量的波动率，t 表示某一期，T 表示整个考查时间范围，分母( ΣTk=1gk) /T 表示增长率的均值，分子 std( lnYt + 1－ lnYt) 表示增长率的方差。

( 三) 回归结果

对所有的变量按照公式( 2) 的处理方法得到波动的数据，并进行单位根检验，检验结果全部波动数据均为平稳①。将所有季节数据( 除虚拟变量外) ，都进行 X11 季节调整。构造回归模型如下:DLRt= β1DSTOCKt+ β2DCPIt+ β3DGDPt+ β4DLOSSt － 1+ β5DLOSSt － 2+ β6DIt+ β7dt+ β8DLRt － 1+ c其中 βi，i =1，2，…，8 是回归系数，c 是随机扰动项; di是虚拟变量，dt= 0，2001 年第 4 季度之前，dt= 1，2002 年第 1 季度之后。模型中各变量定义如表 2 所示，回归结果如表 3 所示。在模型( 1) 中，加入了所有的对损失率有影响，并且和研究问题有关联的变量。研究发现解释变量 CPI和利率存在严重的多重共线性，因此在模型( 3) 中，我们剔除了 CPI。之所以保留利率有以下几个原因。其一，利率和 CPI 共同代表了宏观经济变量波动对承保周期的影响，CPI 不是主要研究的经济变量; 其二，利率对保险公司的影响具有多重性。首先，根据完备市场理论，在未来损失一定的情况下，随着实际利率水平的提高，未来损失率会随之提高，导致保费规模和利润率水平下降。其次，利率的变动影响保险费率的厘定。从精算的角度讲，保险费率和利率呈负向关系。同时，利率还影响到保险资产和负债持续期的变化，从而进一步影响到赔付率的变化。基于这些原因，在利率与 CPI 具有多重共线性的情况下，保留了利率，剔除了CPI 指标。经检验由于一阶滞后赔款额与一阶滞后损失率高度相关，模型( 4) 剔除了一阶滞后损失率。保留一阶滞后赔款额的主要原因在于一阶滞后损失率本身不显著性。模型( 2) 只包含了经济周期相关的因素，主要考查宏观经济因素对承保周期的影响。相对应的模型( 5) 只包含了非经济因素对非寿险承保周期的影响。

对上面计量结果的分析，我们可以很清楚的得到以下一些结论。

第一、GDP 的波动对承保周期有明显影响。在含有 GDP 的 4 个方程中，t 统计量都是显著的。从计量结果可以知道方程的系数全部都是正值，这说明随着 GDP 增长，损失率上升，利润率下降。这一结果与一些传统的研究结果不太一致，传统的观念认为在经济上升的扩张阶段，保险需求也会相应的增加，保险收入增加，从而影响到承保利润的波动( Chen，Wong，Lee( 1999) ) ，损失率会相应的下降( 李心愉( 2010) ) 。然而，基于我国目前保险业的发展情况，将保险周期的波动分为保险数量和保险质量的波动来解释这个问题是比较合理的。随着我国 GDP 的高速上涨，非寿险业数量周期顺 GDP 周期波动，质量周期和数量周期却是逆周期变动的( 吴洪，2011) 。换言之，保费数量的正向增长是以承保质量的下降为代价的。这也就很容易解释 GDP波动与损失率波动的正向关系。

第二、上证指数波动对承保周期有显著影响。含有上证指数的四个方程，均为显著的。从上证指数的系数考查，虽然上证指数有影响，但影响的程度应该没有 GDP 指标影响程度那么大。第五部分将通过方差分解和脉冲响应进一步研究影响程度问题。

第三、利率对承保周期有显著影响。更高的市场利率可以创造更高的投资收益，从而保险公司可以降低保费，获得市场的竞争优势。根据理性预期理论，保险费反映了其损失和费用的折现值，较高的折现利率就意味着较低的保费。由于赔付率的指标通过赔款额与保费收入的比值得到，因此理论上讲利率的上升，将导致赔付率的上升。但我们的计量结果与假设并不一致，可能有如下一些原因。其一、股市波动在一定程度上可以反映出经济波动和利率波动，因此同时包含两个变量可能对结果有一定的影响; 其二、利率因素对于长期寿险产品利润率的影响远大于对非寿险影响，虽然利率因素通过了显著性检验，但其系数的绝对值是最小的。这也可以说明利率因素对于短期非寿险市场作用并不明显。其三、我国的利率长期来看仍然处于计划的阶段，尚未完全的市场化。其四、利率指标影响到整个经济市场的方方面面，在利率对流动性要求较高的非寿险利润率直接影响较小的情况下，可能一些间接的影响占据了主要作用，导致正负影响符号发生改变。

第四、一阶滞后的赔款额对赔付率产生负向的影响。从符号上讲，一二阶滞后的赔款额都对赔付率产生负向的影响。但滞后二期的赔款额在 10% 的置信水平条件下并未通过显著性的检验。从系数的绝对值也能看出一阶滞后赔款额对承保周期的波动产生主要影响。这一结论很好的证明了 Cummins 和 Outreville( 1987) 提出的理性预期。也就说是承保周期并非由非理性的保险人造成，而是由于其他扰动因素的影响。这些扰动因素包括了数据收集迟滞、续保迟滞、监管迟滞，这与我国目前保险发展的现状也是吻合的。前文经济因素对承保周期影响的显著性也充分证明我国承保周期的出现很大程度上是由外在因素或保险人不能及的市场特征所造成的，而并非非理性理论提出的幼稚的费率制定过程所导致。

第五、本文还选择了 1999 年 1 季度到 2011 年 3 季度之间，中国加入世贸组织这个虚拟变量，我国加入世贸组织是在考查期内最大的经济事件，但检验结果证明这是不显著的。也就是说，某一重大经济事件对非寿险行业的承保利润率的波动影响还是相对有限的。

第六在可决系数方面，我们将变量分为经济变量和非经济变量进行说明。单独经济变量的可决系数达到 0． 797 812，单独非经济变量的可决系数达到 0． 831 563。这意味着承保周期的波动是由经济波动和其他扰动因素共同作用的结果。

四、经济周期对承保周期影响程度研究

( 一) 方差分解分析

国内研究主要集中在对承保周期影响因素分析，却忽略了具体影响程度研究。基于回归方程，对我国承保周期影响较大的变量主要有 GDP 波动、上证指数波动、利率波动、一阶滞后赔款额波动。由于股市波动在一定程度上可以反映出利率波动，同时股市波动系数的绝对值大于利率的波动，因此我们不选择利率波动作为 VAR 的一个变量。通过方差分解考查上证指数、GDP 以及一阶滞后赔款额方差对赔付率波动的解释力情况，也就是各自的贡献程度。首先我们需要确定 VAR 模型的滞后期数，根据数据样本的限制和 AIC 值，选定滞后期为2。由于 CHOLESKY DECOMPOSITION 分解方法默认将各变量所作的贡献归结为前面一个因素的影响，并且上证指数和 GDP 波动存在一定相关性。因此，在上证指数和 GDP 顺序变化的时候，结果有一些微小的变化。表 3 的结果是在排列顺序为损失率、上证指数、GDP、一阶滞后赔款额时得到的。从第 10 期来看，损失率自身可以解释的波动程度为 74． 67%，上证指数、GDP 分别可以解释 13． 21% 和8． 95% ，一阶滞后损失额只能解释 3． 17% 。由表 4 知，虽然，GDP 波动的影响并未超过 10% ，但整个经济变量波动共同的解释作用达到了 22%，已经远远超过了其他干扰项带来的影响，我国承保周期波动主要是由经济周期的波动引起的。当然，我们并不否认保险业内部因素和其他干扰因素冲击。这些干扰因素不仅在回归检验中是显著的，在 VAR 模型中也确实反映出一定程度的解释力度。

( 二) 脉冲响应分析

方差分解确定了上证指数、GDP、一阶滞后的赔款额对损失率波动的解释程度，但是无法确定这些因素的变动如何量化影响赔付率波动。这种量化分析对于全行业考察赔付率影响具有实际的意义。脉冲响应函数正是考察这一问题的有效工具。我们通过脉冲响应函数考查一标准差单位上证指数、GDP 以及一阶滞后赔款额会引起损失率的变动情况。图2 结果仍然是在排列顺序为损失率、上证指数、GDP、一阶滞后赔款额时得到的。由图 2 可知: 对于上证指数的波动而言，在 3 期以前会给赔付率波动带来正向的影响，在 3 期以后转为负向的影响，在第 4 期和第 8 期经历一些波动，之后影响逐渐消失。对于 GDP 波动而言，GDP 对赔付率波动的正面效应仍然非常明显。这种正向的影响在滞后 2 期以后达到最大值，随后开始衰减，经过第 4 到第 7 期的正负微小变动之后趋于平稳。对于一阶滞后赔付额，它对赔付率波动在第 2 期和第 5 期内是正向的，而在第 3 和第 4 期则为负向的影响，6 期以后的影响可以忽略不计。由此，可以清楚的看到一阶滞后赔付额正负不断波动也是承保周期产生原因。我们将三张图像的冲击归纳到同一张图上便于横向比较研究。由图 3 可知上证指数、GDP、一阶滞后赔款额每一个标准差对赔付率波动的冲击在同一时间不一定是同方向的。具体而言，在第 2 期，上证指数和 GDP 的脉冲图像方向相反，影响呈现相互抵消态势，由于赔付率波动对上证指数的冲击反应更为强烈，因此，总体上呈现负向波动; 在第 3 期，上证指数、GDP、一阶滞后的赔款额三者对损失率波动的影响均为正向，出现相互加强的趋势; 在第 4 期，三者对赔付率波动的影响出现相互加强的趋势，只不过变为负向的影响; 在第 5 期，三者的影响是相互加强的; 第 6、7 期相互抵消，之后趋于平稳。由此可见，赔付率波动的变化并非是由一个变量导致，而是由众多影响因素的合力所致。当然脉冲响应影响最大变量波动趋势决定了赔付率波动的最终形式。而这种最大的冲击显然是来自 GDP 的波动和与GDP 波动相关联的上证指数的波动。

五、结 论

基于 1999 年 ～2011 年的季度数据研究我国承保周期波动情况以及考查经济周期对承保周期是否有影响，量化分析影响程度。在研究中，运用了 HP 滤波技术、方程组构建模型和 VAR 模型的方差分解和脉冲响应的方法，不仅证明了经济周期对承保周期存在影响，还做出了经济周期对承保周期波动的具体贡献率。通过研究，我们提出以下结论和政策建议。

第一、大多数的研究表明 1999 年我国开始了一个新的承保周期，我们的研究也证明了这一点。周期长度在 3 ～5 年，但周期长度并不相同。在承保周期的陡峭非对称性方面，我国赔付率略微呈现出陡升缓降的趋势。承保周期的深度非对称性方面，我国承保周期波峰的振幅超过了波谷振幅，赔付率剧烈的上涨对于保险公司显然是非常不利的。这种赔付率剧烈上涨可以反映出我国保险市场仍然存在为了占领市场而恶性降价的情况，承保质量差，导致赔付率的剧烈上涨。保监会应该进一步加强对偿付能力的控制，这样非寿险业才能真正起到社会经济“稳定器”的作用。第二、经济周期波动( GDP 波动) 以及其他的经济变量( 包括利率、上证指数) 对于承保周期波动有明显的作用。但经济变量波动不是引起承保周期的唯一原因，本文证实了数据收集、监管，保单续保、会计延迟等制度冲击因素也是引起承保周期的原因。从总体上看，研究结果充分支持承保周期理性假说学派。

第3篇：经济周期范文

关键词：经济周期理论，发展，特点

我国长期以来，人们对社会主义经济周期问题一直讳莫如深。直到改革开放后这一课题才得以展开，我国经济周期的讨论才热烈地开展起来。改革开放，尤其是1985年以来，我国学者对经济周期理论的研究兴趣大增，取得了很多成果。

1984年和1985年，我国经济超高速增长之后，开始出现滑坡，乌家培和刘树成等人最早把社会主义经济增长有没有周期波动作为一个重要课题提了出来。刘树成首先论证了中国的经济周期。同时，杜辉也发表了论证前苏联社会经济增长的长波运动和短波运动的论文。宫著铭第一个运用经济计量方法，为我国建立了一个供给模型，测算了波动指数，较为系统地论证了我国的经济波动。这场始于1985年的理论大突破，为我国经济周期理论的研究打开了一扇大门。

我国经济周期的划分

研究经济周期，首先要明确我国从建国到现在经历了几个经济周期。在这个问题上，学者们的划分基本上是相同的。

施发启(2000)用转折点检验和自相关系数检验的方法对经过平滑的数据进行统计检验，得出的结果证明了我国经济增长率确实存在周期性波动，而且周期长度主要为四到五年。根据从波谷到波谷可以将我国GDP增长率划分为九个周期：1953—1957年，1958—1961年，1962—1968年，1969—1972年，1973—1976年，1977—1981年，1982—1986年，1987—1990年，1991—1999年。

刘树成(2000)的划分除了最后一个周期是1991—1998年外，其余的与施发启完全相同。

刘恒和陈述云(2003)完全采纳了上述对我国经济周期的划分。

有一些学者对我国改革开放之后的经济周期进行了划分。惠琦娜(1998)认为，改革开放后我国经历了四个经济周期：1976—1981年，1981—1986年，1986—1990年，1990—1996年。黄桂田(1999)认为，改革开放以来我国经历了4次经济周期：1977—1981年，1982—1986年，1987—1990年和1991—1999年。

由此可见，学者们对建国后经济周期的划分问题已经达成了共识。

我国经济周期波动的特点

周期长度极不规则，但是有逐渐变长的趋势；周期发生频率高。我国经济周期的长度长短不一，长的达9年(1991—1998年)，短的只有4年(1958—1961年，1973—1976年)，平均长度5.2年，离差为1.7年。改革开放前，我国1955—1976年按照“谷—谷”法划分的5轮经济周期的平均波长为4.2年，改革开放后，我国4轮经济周期的平均波长约为6年。

波动幅度较大，经济周期呈现收敛趋势。振幅最大的达到48.6%，最小的也有6.4%，平均振幅15.0%，离差为13.7%。

刘恒、陈述云(2003)认为，我国1953—1976年的5轮周期波动中，有3轮为古典型周期，即在周期的谷底，国民经济的主要指标为负增长。从1977年到现在的4轮周期波动中，年度GDP增长率都没有出现绝对下降，而仅仅表现为增长率的下降。这说明，在改革开放以前，我国的经济周期是在相当显著的波动过程中展开的，1978年前的波动标准差达到10.48个百分点；改革开放以后，我国经济周期的波动性开始变得平缓起来，1978年后的波动标准差为3.01个百分点。我国经济周期已经由改革开放前的古典型转变为改革开放后的增长型，经济增长的稳定性增强，其原因可以归结为以国有企业预算约束硬化和稀缺资源在国有与非国有部门之间的优化配置为主要内容的微观经济主体的市场化进程，在市场化的过程中，我国经济波动的微观基础已经发生了重大的变化，这在削弱转轨型波动的同时使成熟的市场经济波动逐步表现出来。

从经济周期波动的波形看，我国经济周期实现了由非对称性周期向对称性周期转变。1996年之前，我国已经实现的经济周期大都是非对称性的，即经济周期中呈现出经济增长率的缓升陡降或者陡升缓降的非对称过程。这些非对称性表明经济增长速度没有接近或者没有稳定在自然增长率水平附近，经济增长率变化的突发性较多，即出现过经济增长的“”和“急刹车”等奇异行为。我国经济实现“软着陆”以后，在1996年至2002年的经济周期当中，经济增长率基本保持水平的态势，这意味着经济周期的对称性正在逐步恢复，预示着未来经济周期将以稳定的增长速度进行对称性波动。

我国经济越来越受国际经济的影响。实行改革开放后，特别是20世纪90年代以来，我国经济波动与世界经济波动的相关性日益显现。张兵(2006)以我国经济周期的划分为标准，通过计算皮尔逊相关系数和斯皮尔曼相关系数的方法，说明了中美两国1981—1986年、1986—1990年、1990—1995年以及2001—2005年的经济周期波动具有较强的同步性。中美经济出现同步性的原因是中国日益融入世界经济。格兰杰因果关系检验表明，两国之间日益紧密的贸易和直接投资联系是同步性的基本传导机制。秦宛顺、靳云汇和卜永祥(2002)采用HP滤波的方法对不变价格水平的美国、日本和我国季度GDP进行处理，计算了中美和中日周期波动之间的相关系数，得出的结果表明，中美经济周期的联系为弱相关关系，中日经济周期的关系为负相关。但是任志祥和宋玉华(2004)认为，由于我国经济的开放度较低、汇率机制实质上是固定汇率、资本帐户实行管制再加上中国经济发展主要依靠内需拉动、在世界经济中所占的份额相对较小等因素，中国经济周期与一些发达国家(如日本、美国)经济周期的相关性仍然较弱。中美经济并不存在周期性的衰退和复苏的同步性。

我国经济周期波动的原因

(一)投资波动

梁军(2000)认为，从宏观经济学的角度看，一国的经济增长速度受到投资、消费和出口的影响。在这三个因素中，投资又是最直接的因素。在我国，投资是国家控制社会的经济资源、指挥经济活动的最重要手段。比如，1977年，投资增速开始回升，达到4.65%，1978年达到21.96%，有力地拉动了当年的经济增长，形成了一个经济周期的起点。随后，投资增速下降，1979年和1980年只有4.58%和6.65%，到了1981年跌入谷底，投资出现负增长。1982年的固定资产投资增速高达26.64%，经济增长加快，投资增速其后逐年回落，1983年是12.62%，直到1985年出现投资高峰，经济回升，投资增速高达39.39%。

刘金全(2003)利用我国1992年第一季度到2001年第四季度数据，研究了我国投资波动性与经济周期之间的关联性，得到三个基本结论：在水平值和波动成分上，经济增长率与投资率和投资增长率之间没有显著的格兰杰影响关系，但是它们的趋势成分之间存在显著的双向格兰杰影响关系，这意味着投资和产出之间仍然存在长期的均衡联系，投资波动是诱导经济周期的重要原因；投资率和投资增长率与经济增长率之间的关系存在方向上的差别，存量水平上的投资率增加并未显著地促进经济增长，现阶段实际产出中的投资品成分也未明显膨胀；流量成分的投资需求增加作为GDP的统计成分形成了对经济增长的促进作用，投资需求仍然是扩张总需求的主要对象；投资波动具有一定程度的增长率“减损效应”和“溢出效应”，最优投资路径应该具有一定的光滑性。如果频繁地扩张投资或者抑制投资，都会具有一定的社会成本。

李延军、金浩、王竞和高素英(2003)定性和定量地分析了经济波动的成因，认为从总体经济的构成来看，第二产业主要是工业波动是造成经济波动的主导力量，从社会需求来看，最终需求的增长以投资拉动为主，因此投资波动是引起经济波动的最重要因素。

(二)制度冲击

胡鞍钢(1994)利用二阶自回归动态方程模拟政治动员的冲击影响，其结论认为，党代会具有很强的政治动员作用，经济的扩张与历次党代会具有一一对应的关系，与人代会也具有一定的对应关系。

杜婷、庞龙和杨灿(2006)运用经济计量方法对制度冲击改变我国经济周期特征进行了检验，并通过市场化程度、非国有化水平和开放度三个制度冲击变量检验了其与我国经济周期波动的相关性，其结论证明在我国受政治背景的影响而出台的重大的经济制度改革对经济的发展影响巨大而深远，制度变动冲击对经济的周期变动的方向及程度起到了较大的决定作用。

(三)总需求冲击

施发启(2000)认为，在改革开放前后我国经济波动的原因相同。改革开放前，由于物质产品短缺，我国经济增长波动主要取决于总需求的波动。总需求由投资需求和消费需求构成。计划经济体制下我国一直实行高积累低消费的政策，因此总需求的波动主要取决于投资需求的波动。改革开放后，虽然我国经济运行机制发生了重大变化，但是经济周期波动的主要原因仍然是总需求波动，即总需求扩张导致经济增长加速，但是瓶颈产业和高通货膨胀的约束又使得经济被迫调整，经济增长回落。引起需求扩张的主要原因是经济发展水平低和工业化阶段还未完成，并且需求扩张呈现明显的阶段特征。

(四)我国经济周期的特征事实

简泽(2006)考察了1952—1999年我国经济周期性波动的统计规律性，概括出我国经济的周期性波动的特征事实：我国经济波动具有持续性，只是到了2—3年后才表现出回归趋势的倾向；所有的变量都呈现出显著的周期性波动，但波动程度存在差异，消费、资本存量、就业和一般物价水平的波动小于产出波动，而投资、政府收入、政府支出、进口、出口和货币供应量的波动远远高于产出波动；总需求的组成部分、就业和全要素生产率与产出共变，并表现出强烈的顺周期性，资本存量领先于产出的变动，而是工资则滞后于产出的波动；货币供应量和一般价格水平是反周期的。与西方发达国家相比，我国经济周期波动的特征事实与其基本相似，只是我国周期波动的幅度大大高于西方发达国家。

吕光明和齐鹰飞(2006)采集了23个主要宏观经济变量数据，运用CF滤波，分解得到他们的周期性成分，得出了中国经济周期波动的特征事实。资本形成、财政支出、进口、出口、价格水平和M0的波动性大于总产出的波动性；从业人数、全要数生产率、消费、国内贸易、通货膨胀率和名义工资总额等的波动性小于总产出的波动性；劳动生产率的波动性与总产出的波动性大致相同。从业人数、全要素生产率、劳动生产率、消费、资本形成、财政支出、进口、出口、国内贸易、名义工资总额、价格水平、通货膨胀率M1是顺周期的；M0和价格水平是逆周期的。

第4篇：经济周期范文

工业和金融数据悖论

今年初以来剔除价格因素，中国实际出口增速平均比去年下半年降低了大约七个百分点，根据一些学术研究的结果，中国出口中真正由本地生产的内容大约占到GDP15%左右或者工业产出的接近35%。这意味着上半年出口下降对工业的压力可能在2.5个百分点。出口部门盈利下降等因素使得工业的增长受到的影响可能会更大。

另外一方面相当多的微观证据显示大量中小企业、甚至国有企业由于资金来源的紧张而被迫收缩经济活动。调控导致经济减速，这是很自然和正常的事情。然而令人好奇的是，目前的调控迄今已经持续了大约3个季度，期间还出现了实际出口相当显著的减速，但同期工业和经济增长的水平大体维持不变。

出现这种悖论的原因是经济领域出现了一些新生的增长因素，其作用抵消了出口下降、消费减速和资金紧缩的影响。从粗略的投资细项数据看，我们认为企业自主基建和设备投资出现了扩大的苗头。即新一轮设备投资上升周期也许正在展开。

这同时解开了近期金融数据领域的一个重要悖论：从社会融资总量和信贷增速等情况看，目前金融部门总体的资金供应数量并不算少，其增速大约也处在历史平均水平附近，但社会资金成本之高、企业资金状况之紧为过去十年来所少见。虽然经济名义上增速的上升与此无关，但这可能无法解释资金紧张的全部。

企业设备投资意愿的扩张会带来其信贷需求的上升和增杠杆的倾向，正是这种因素部分地导致了目前金融领域资金的异常紧张。

变化的原因

我们认为最重要的是贸易盈余的相对规模开始明显下降；同时尽管信贷投放数量仍然庞大，但资金紧张的迹象开始出现。这显示经济可能正在出现一些系统性的、对市场颇为不利的变化，从过去七个多月的数据看，在承认外需下降和消费温和减速不利影响的情况下，金融和产出领域迄今为止的数据可能倾向于支持新周期启动的猜想。

新周期与老周期不同

以美国和日本自“二战”结束以来的历史数据来看，设备投资周期的上升过程平均持续11-12个季度，最短为5个季度。中国过去20年产能周期的分析也支持类似的看法，即基建和设备投资驱动的产能周期上升过程平均持续2-3年。中国本轮设备投资周期迄今持续了大约3个季度，我们推测其目前正在结束的可能性似乎不大。

新周期并非老周期的简单重复，正如1990 年代的经济周期见证了家电、纺织、服装等产业的兴起、过去十年的周期见证了汽车、钢铁、水泥等产业的兴起一样，新周期可能也需要新的、具有长期成长性的行业来引领，目前这也许是设备制造业（以及消费服务行业）。

此外，每一轮经济周期的起伏都伴随着电力、煤炭等周期性行业的间歇性紧张和投资的相应扩大，未来的新周期看起来也会是这样。

第5篇：经济周期范文

一、贸易品类别与国际经济周期协动性模型框架

关于贸易品类别与国际经济周期协动性模型框架的研究，本文主要涉及了经济环境、模型框架两方面内容。

（一）经济环境经济环境是影响模型框架构建的重要影响因素，本文以A和B两个国家为例。其中，A、B国家的经济主体主要为家庭、企业、零售商。这三个主要经济要素当中，家庭的收入主要是劳动所得；企业的收入主要是产生的经济效益；零售商的经济环境设置，以BGG模型为例，赚取商品销售的差价，获取经济效益。在这样的经济环境下，假设A、B两个国家的经济环境处于完全对称的情况，并且政府在财政预算过程中，处于约束平衡状态，可以进行货币支付转移[1]。

（二）模型框架构建基于“经济环境”下的经济周期协动性模型框架构建，需要从居民、企业、零售商三个方面进行分析。居民在经济环境中出于基础性地位，假设A国的消费商品主要为A国自身生产的产品，那么B过商品对A国的影响性较小，B国商品的替代弹性将较小。基于假设的前提，A国和B国是自由贸易模式，B国对A国的经济影响将会较小，那么反过来，B国若是在A国的消费额度较大，A国将会对B国的经济周期协动性产生较大的影响；企业在经济环境中起到的作用较大，在进行国外商品进出口贸易时，将主要考虑到技术进步率问题。在A国当中，若是国内生产函数较大，A国对B国的进口商品量较大，B国商品的价格以及产量将在很大程度上影响到A国的生产。

反之，则B国对A国的影响较小，双方的经济协动性较低。若是生产函数为大于等于零，A国对于B国产品的替代弹性较高；若是生产函数小于零，则说明二者之间的替代弹性较低；若是生产函数为零时，说明二者之间并不存在替代关系[2]。零售商在经济环境下，关于经济周期协动性模型的构建，将以BGG模型设定为主。零售商的销售利润主要以获取产品的价格成本为主，价格成本较低，所获得利润空间较大，反之，利润空间将逐渐变小。利润空间较大的情况下，双方之间的协动性较大，反之，则较小。

二、贸易品类别对经济周期协动性的影响

本文关于贸易品类对经济周期协动性影响的研究，截取的时间点为2012——2014年两年的数据。就以中日双边贸易类别来看，涉及的主要行业有有机化学品、钢铁、特种工业专用机械、通用工业机械设备及零件、陆路车辆、服装及衣着附件、摄影器材及光学物品、钟表等，其中，双边贸易过程中，比重较大的行业是钢铁、有机化学品以及通用工业机械设备及零件。钢铁、有机化学品以及通用工业机械设备及零件的贸易比重分别在99.95%、33.82%、79.53%。通过这个数据，我们不难看出，这三种行业在两国间贸易与经济周期协动性关系的影响较大。其次，在摄影器材及光学物品、钟表、特种工业机械贸易方面，占据两国贸易出口的比重也较大，上述三种行业的贸易水平对中日两国间的经济周期协动性的关系也有着较大的影响。除了中日贸易之外，我国与东南亚国家的经济贸易往来，以泰国为例，时间点依旧为2012——2014年两年的数据。这两年期间内，两国双边贸易类型主要为钢铁、有色金属、服装、水果、专业科技控制用仪器及设备。其中，我国对泰国贸易中，比重较大的行业主要有钢铁、有色金属、专业科技控制用仪器及设备，而泰国对我国出口的行业主要以水果为主。这种贸易形势下，我国与泰国的经济贸易往来过程中，经济周期协动性较大，商品出口对于提升和促进我国经济发展来说，具有重要意义。

三、结束语

第6篇：经济周期范文

而笔者认为，以上因素固然是导致改革后中国经济稳定性提高的重要原因，但是由于中国的对外开放和经济全球化导致的与世界经济接轨，使得中国宏观经济的持续稳定增长，这也是使得中国经济周期平滑化的重要因素。因此，本文从世界经济周期的角度来论述这个问题。首先以改革前为参照，定量分析中国改革后经济周期的特征，在此基础上再分析中国经济周期与世界经济周期的相关性，最后运用TARCH模型来对世界经济周期对中国经济周期的缓冲作用进行实证检验。

一、中国经济周期的特征分析

为了从总体上分析中国经济周期的特征，我们分别通过横向与纵向的比较来刻画中国经济周期的状态特征。首先，从纵向比较来看，我们观察1953年以来中国经济增长率变动趋势可知，中国经济波动的周期性特征还是比较明显的，总的趋势是从剧烈走向平缓。改革前多次大起大落，而且多次出现古典型波动;改革后经济稳定性大幅提高，更重要的是再也没有出现古典型波动，都是增长型波动。为了更加具体地总结出改革以来中国经济周期出现的新特征，我们把1978年前后我国经济周期波动的有关指标列于表1。由表1我们可以进一步得出以下结论:改革前中国经济波动幅度大，峰位高，谷位深，平均谷值是负数，平均位势低，确实印证了“大起大落”;改革后中国经济波幅大幅度下降，仅仅是改革前的30%，峰位下降，谷位上升，平均位势也大幅度提高。这表明中国经济稳定性与改革前完全不可同日而语。其次，我们以世界经济增长率为例，对中国经济周期与世界经济周期进行横向比较。与前面一样，我们观察1978年以来中国经济增长率与世界经济增长率变动趋势可知，虽然改革后中国经济增长的稳定性有了极大的提高，但与世界经济周期相比，还是差距较大，比较结果如表2所示。由表2可知，与世界经济周期相比，不论是用谷—谷法还是用HP滤波法计算，中国的波幅都要远大于世界经济周期［1］。因此，通过以上分析可知，与改革前相比，中国经济稳定性确实提高了很多，但与国际经济周期相比，稳定性还远远不够［2］。再者，笔者认为，改革后中国经济稳定性的提高是与国际经济的接轨分不开的，本文将分别从协同性与不对称性来讨论这个问题。

二、中国经济周期与世界经济周期的协同性分析

我们选取中国与世界的GDP增长率来作为分析数据，对中国经济周期(Z)与世界经济周期(W)的相关性、因果关系进行分析。1.中国经济周期与世界经济周期的相关性分析我们通过分析二者的相关系数得知，两变量的相关系数是随着中国改革开放的进程而逐渐增加的，改革前的相关程度较低，只有0.15，改革后相关程度大幅度增加，尤其是加入WTO之后，相关系数达到了0.86，属于高度相关。我们再对两变量进行Granger因果检验，Granger因果检验要求变量是平稳变量，因此我们首先对两个变量进行单位根检，其结果表明中国与世界GDP增长率都在5%的临界值下平稳。符合因果检验的条件。最后我们以1992年为界，把两变量分成两段进行因果检验，检验结果(如表3所示)表明，无论是在1992年之前还是之后，都是世界经济周期单向作用于中国经济周期，说明世界经济周期对中国经济周期的带动作用都是非常强的［3］。2.中国经济波动与世界经济波动的回归分析为了进一步度量二者的协同性，我们对中国与世界的经济增长率进行回归分析，建立回归方程如下:Zt=8.8(13)+0.3(2)Wt+(MA(1)=－0.1)(－38)(1)R2=0.4，DW=1.4由(1)式可知，回归结果较理想，t统计值都较显著，拟合度也较高，R2达0.4。另外，中国经济波动与世界经济波动的系数的t统计值十分显著，说明二者之间的同步影响十分显著。

三、世界经济周期对中国经济周期缓冲作用的实证检验———基于不对称效应的角度

由于改革前中国没有实行对外开放政策，因此受世界经济周期的影响较低，改革后与世界经济周期的相关程度直线上升，所以不可避免地受到世界经济周期的缓冲作用。我们把二者的每一轮周期的波幅(用谷—谷法计算)列于表4。由表4可知，中国经济周期与世界经济周期起止年份基本一致，前后相差不超过两年。再者，除了第4轮周期世界经济周期波幅大于中国外，其余每一轮周期的波幅都是中国经济周期偏大。笔者认为这个规律不是偶然的，我们将运用TARCH模型对此进行实证检验。

TARCH模型或者门限ARCH模型由Zakoian和Glostern等提出。这个模型的基本思想如下:首先建立ARCH模型的均值方程:yt=γ0+γ1x1t+γ2x2t+…+γkxkt+ut(2)其次设定均值方程中的条件方差:σ2t=ω+αε2t－1+γε2t－1dt－1+βσ2t－1(3)其中，dt－1是一个虚拟变量，当ut－1＜0时，dt－1=1;ut－1＞0时，dt－1=0，式(3)中的非对称项不存在，因此，ut－1＞0只有一个α倍的冲击;而ut－1＜0则有一个α+γ倍的冲击，式(2)中的非对称效应出现，因此如果γ＞0，说明存在杠杆效应，非对称效应的主要效果是使得波动加大;如果＜0，则非对称效应的作用是使得波动减小［4］。

我们知道，改革后中国经济周期与世界经济周期相关程度之所以日益上升，是因为中国开放度日益扩大，故这里再引入一个变量即对外贸易开放度(K)，用当年的进出口商品总值与GDP总值的比率表示，图1是历年的对外贸易开放度与用HP滤波法计算的波幅指标(G)。由图1可知，随着对外贸易开放度的日益增加，波幅的总趋势是日益减小。由Granger因果检验也可得出对外贸易开放度的日益增加是波动幅度日益减小的原因(如表5所示)。

最后对中国经济波动与世界经济波动构造均值方程和条件方差方程如式(4)和式(5)所示:Zt=@SQRT(GARCH)+c+λK2tWt+ut(4)σ2t=ω+αε2t－1+γε2t－1dt－1+βσ2t－1(5)再利用Eviews6.0软件，以1978—2009年上述两变量的数据作样本，可求得相应的计量经济模型如式(6)和式(7)所示:Zt=2.4(2.9)σt+1.8(0.8)+0.0002(1.6)K2tWt(6)σ2t=2.4(1.6)+0.31.5ε2t－1－0.441.8ε2t－1dt－1+0.3(1.5)σ2t－1(7)R2=0.4，DW=1.9在(6)式中，拟合度较高，DW值接近于2，各系数的t统计值大部分也都较显著，尤其是(7)式中TARCH项γ的系数显著不为零，说明世界经济波动对中国经济具有非对称效应，而且方差方程中非对称项的系数γ是小于零的。这说明世界经济对于中国经济的非对称性影响是越来越小的［5］，故世界经济对中国经济波动确实有着稳定与缓冲的效应。

综合前面的分析，我们可以认为改革后中国经济波动幅度大幅下降，宏观经济稳定性大幅增强的原因，在很大程度上是由于改革开放使得中国经济与世界经济接轨，从而导致中国经济受到了世界经济周期的缓冲，最终又使得中国的宏观经济与世界经济形成了良性循环。

四、结语

第7篇：经济周期范文

一、逆经济周期下企业面临严峻挑战

在逆经济周期下，企业经营面临着前所未有的严峻挑战。纵观当今企业发展现状，企业面临的压力主要来自以下方面：第一，全球范围的金融危机迅速蔓延，国际市场不断收缩，企业的经营环境持续恶化，这严重制约着出口型企业的业务发展；第二，由国际宏观环境带来的汇率风险逐渐趋于显著，因汇率变动而给企业带来的交易风险和折算风险也显著增加，尤其是近年来迫于国际压力而不断升值的人民币汇率使得出口型企业的生产成本上升，资金购买能力降低；第三，在逆经济周期中，由于通货膨胀导致的能源、原材料等生产要素价格上涨，而不断上涨的劳动力价格又进一步加重了企业的负担，这不仅压缩了企业的利润空间，而且还削弱了出口产品在国际市场上的价格竞争优势。

为了确保宏观经济的稳定运行，中央政府强有力地推行稳健的财政政策和紧缩的货币政策。根据经济运行的一般规律，宏观环境的变化给企业带来巨大的系统风险，这种风险是所有经济体都面临的风险。对于微观层面的企业来讲，宏观环境的变化在短期内给企业带来了无法控制的经营风险，企业无法将由此产生的系统风险分散掉。但是，从另一个角度来讲，面对经营环境恶化、成本上升、业绩下滑等等不利的经营状况，企业必须从自身出发，充分挖掘内部潜力，采取多样化的举措来应对宏观环境变化带来的挑战。从财务角度来讲，企业必须站在战略高度，谋略性、前瞻性地调整财务战略，积极应对经济周期的波动性带来的挑战。

二、逆经济周期下企业财务战略分析

（一）逆经济周期下企业财务战略理论——逆周期政策选择

所谓“逆周期政策选择”（或“逆向政策选择”），即经济发展阶段处于逆境或困境之中，“非常时期自有非常手段”，在这一处境中企业的财务战略应该有别于经济正常发展阶段所采用的政策。追溯其经济思想发展史可以得知，凯恩斯理论是较为典型的逆周期理论，它在二战后西方各国的经济复苏中的作用便是很好的佐证。凯恩斯的追随者们丰富的经济思想体系也不断地推动了逆周期理论和实践的发展，例如西方经济学界和西方各届政府所采用的供应学派、货币主义等主张等。随着经济全球化和一体化程度不断加深，各国的经济联系更加紧密，企业经营的环境也日益复杂，经济活动的不确定性增强，一般的常规政策选择已经难以满足这些不确定性对经济发展的要求。因而，为了减少不确定性，降低风险，以便最大程度地降低经济波动对企业和国家经济的影响，许多学者纷纷从不同的角度提出了应对新环境和新情况的政策主张，“逆周期政策选择理论”就是其中较为典型和有效的理论工具。

第8篇：经济周期范文

要想深入了解我国的房地产经济运行，必须要立足于房地产经济系统这个整体，牢牢把握其与宏观经济周期的关系。从此研究中，不难发现，房地产经济周期已经体现出其先导产业的特征，是宏观经济周期的“晴雨表”。从本质上来看，影响房地产经纪周期波动的因素，主要涉及到土地、资金、市场三方面。具体来讲，土地一级市场对房地经济周期波动有着重要影响，特别是土地政策的变动，极大地影响了土地的供给量，从而制约了房地产需求；房地产投资能够极大地带动房地产经济，刺激人们住房需求不断增加。虽然我国不断进行住房改革，但是住房需求已经发展成为人们的大额刚性需求，这就造成了消费者的需求变化并不能给房地产经纪带来显著影响。同时，要想搞房地产开发，必须要有大量资金投入，因而向银行融资成了广大房地产企业解决资金问题的重要途径。一定程度上，金融政策的变化对房地产经纪周期波动有着重要影响；房地产价格在房地产经济波动中起着关键作用，其主要涉及土地、建安、税费、利润等。总起来说，中国房地产经济运行的主要特征，离不开土地政策的变化、金融政策的调整、住房制度改革等，这些因素都在影响着房地产投资、需求，并且在房地产价格的形成中发挥着至关重要的作用。

二、影响我国房地产经济周期波动的因素

1.土地因素

在影响我国房地产经济周期波动的诸多因素中，土地是最为关键的一环。在土地一级市场中，不论是土地的使用权使用，还是土地的使用权出让，政府都扮演着重要角色。在现实中，鉴于预算约束和追求政绩的双重压力，不少地方政府对土地开发收益的依赖度越来越高，以此来满足政府不断增长的各项开支需求。这就造成了新区的盲目设立、房地产的过热、大量耕地被占等问题日渐突出，使得我国的金融风险更加凸显。总起来说，政府通过对土地一级市场的直接影响，打破了房地产市场的供需状况，这也是催生房地产泡沫的关键原因。同时，当前我国正处于社会转型和经济转轨的“双轨期”，政府在房地产经济发展中扮演着引导者和调控者的角色，因而，政府制定政策的走向，直接影响着房地产经济的波动。特别是土地政策的变动，决定了土地的投入量多少，对房地产供给数量、结构产生影响，从而影响着房地产需求。

2.资金因素

资金因素，是制约房地产经济周期波动的重要因素之一，主要涉及房地产开发投资、资金来源。一方面，相关数据显示，房地产增加值、投资规模的相关系数达到0.974，这足以说明投资在房地产中占据着重要地位，其变动对房地产经济有着明显影响。也就是说，我国的房地产，在一定意义上取决于投资。这种投资具备以下特点，如投资具有盲目性和冲动性；投资具有时间上的集中性；房地产竞争日渐同质化，有效需求得不到真正满足。另一方面，据统计，房地产企业资金来源，将近40%都是来源于银行贷款。此外，自筹资金是指售房收益，但是购房者大约70%的购房款来自银行贷款，因而，从本质上看，这部分资金的主要来源也是银行贷款。可以说，一直以来，银行贷款业务的快速发展，支撑了房地产经济的高速发展。但是，由于房地产资金来源对银行的依赖程度愈来愈高，银行为了竞争而降低房贷条件，造成了银行信贷风险日渐凸显，从而加剧了房地产经济周期波动。

3.市场因素

市场因素在影响房地产经济周期波动的诸多因素中占据着重要位置，主要涉及商品房空置率、价格。一方面，通过对商品房空置率、投资波动的分析，可以得出：投资波动会影响商品房空置率，空置率同样也会刺激新的房地产投资。但是鉴于我国目前的多种复杂因素，这种效果没有很好地体现出来；在面对商品房空置率的情形下，投资扩张的反应要远远低于投资收缩的反应。另一方面，房地产价格是房地产周期波动的最显著指标，两者表现出同向性、同步性、同幅性。具体来讲，一是与土地因素的关系。现实中，一级市场的影响力要远远大于二级市场，政府的土地调控政策极大地影响着房地产市场，近年来的土地政策变动，如土地有偿出让、住房福利分配制度的叫停、土地出让“招拍挂”制度的建立等，恰好说明了这一点；二是与房地产市场需要的关系。在价格杠杆的作用下，房地产市场需求高低，极大地影响着房地产价格变动。其中，商品房价格、销售面积的变化，有着一致性。

三、结语

第9篇：经济周期范文

关键词：房地产；周期波动；影响因素

中图分类号：F293.3 文献标识码：A 文章编号：1001-828X（2014）04-0-01

目前研究周期波动的理论成果有很多，评价运行机制也具备了丰富的经验，但是在研究房地产业经济周期波动的影响方面还存在一定的欠缺，其中研究房地产业的经济周期波动成果更是极少。其实，我国国民经济的重要组成部分之一房地产业具有短暂的历史，虽然我国已经进入了经济转轨时期，房地产业也逐渐体现出一定的周期波动，但是要想在短期内就证明我国房地产经济产生了周期波动这一现象，研究工作上还是存在着分歧。因此，本文通过产业经济周期波动理论，一定程度上研究我国房地产经济周期波动，不但为今后房地产运行产生了指导意义，还推动了我国房地产业的健康发展。

一、我国房地产周期波动特点

我国房地产发展速度体现出了高低不断交替的周期性波动，我国房地产业发展迅速，房地产业的各项指标绝对值体现出了上升现象，但是指标的增长率出现了上升和下降彼此交互的波动现象，因此，我国房地产体现为循环的增长率。

我国从1998年开始实行住房制度改革，而之前房地产业市场化程度很低，发展也极为不成熟，因此，虽然1998年之后的市场是在1998年之前的基础上逐步发展的，可是二者之间存在着较大区别，整个市场机制也出现了重大变化，比较1998年前后的房地产业的销售变化情况就显得比较牵强。因此，我们对房地产业的周期波动情况的考察并不需要较长的时间。但是从长远考虑，1998年将福利房取消之后，我国一下子释放了积存的住房量，再加之人们逐步改变的住房观念，造成近些年住房需求出现了井喷增长，房地产业发展也很快；当满足房地产业最初的需求之后，房地产发展脚步必定会缓慢，需求日益变得稳定。因此，高速度增长之后，一定会随着房地产业发展速度日趋平稳，这样就体现出房地产业发展速度高低交替的周期性波动。

二、影响房地产经济周期波动的因素

房地产体现出的固定资产特性表明了这一行业具备一定的垄断性，从竞争形势上分析仅体现为一定的区位竞争性，分析其根本，稀缺的土地资源是导致目前房地产业特性的根本原因。

土地供应量决定了房地产业的具体规模，这也表示房地产缺乏弹性供给。同时，房产的高价值决定了影响房地产经济周期波动的因素分别是房地产投资、房价等。从需求上分析，房地产消费体现出的双重性造成消费者对房地产价值的高估，产生了投机行为。此外，由于房地产投资开发和销售之间存在的差异、房地产与物价适应产生的滞后性，日益凸显了短期内房地产需求和房地产供给之间的矛盾。综合分析，我们能够看出，对房地产周期波动造成影响的具体因素包括：

1.投资量。社会经济的增长受到了资源带来的约束，尤其是房子产业更是受到了土地资源的约束，受到了宏观经济周期波动造成的影响，因此，对房地产业经济波动来说投资量的影响尤其显著。

2.供给货币量。是否成熟的金融市场和运行机制将会对货币供给量造成直接影响。由于房地产业属于高投入的个人行业，对资金产生了极高要求，在房地产供给端货币供给量指标对行业信贷规模造成了影响，同时，在需求消费端也影响了消费者的购买能力。所以，对房地产业周期波动造成影响的关键因素是供给货币量。

3.政策导向。在房地产业发展过程中国家政策发挥了关键的导向作用。由于土地供应量属于房地产的上游资源，政府手中集中了大部分土地资源，国家是否支持发展房地产业，将会对其发展造成直接影响。同时，对房地产业和消费者的信贷成本造成直接影响的是银行利率政策。综合分析，与其他行业的周期波动存在显著不同的是房地产业具备了一定的政策周期性。

三、房地产业健康发展的策略

（一）积极改革住房税费政策

利用税收杠杆对建设与消费低价位房积极促进。近些年来，国家颁布了很多对住房消费进行鼓励的税收政策，针对一些在建设与消费环节中出现的不合理收费进行了清理，进一步减轻了居民购买或者换购住宅的压力。

（二）利用保障房政策抑制价格

国家需要对不合理上涨的房价进行抑制，避免产生房地产泡沫，具体办法是大规模推动保障房。贯彻落实保障房大规模建设政策，可有效抑制房价迅速上涨的空间。

（三）加强管理土地资源

对商品房价格不合理上涨进行控制，需要按照住房市场产生的需求，确保合理供应土地以及各种供应用地的比例，对一些地价过高的城市有效控制。在土地市场上进一步形成地价看跌的预期。

（四）央行科学调控，有效抑制迅速产生的房地产泡沫

央行应将全国总体经济运行以及社会稳定作为重要出发点，利用各种金融工具对M2进行收紧。我国开发房地产行业的资金超过60%都来自于银行贷款。通过分析我国当前的情况，每一个开发房地产阶段都不能脱离商业银行的支持，也就是开发房产贷款、流动资金贷款、住房贷款等。可是我们同时应当看出房产企业过度依赖银行，大幅度下跌房价势必把房地产企业风险转化为银行的金融风险。

国民经济的重要产业便是房地产经济，一旦泡沫出现破裂，会出现人们没有房子居住、有房买不起或者承受沉重的房屋贷款压力，与此同时也会产生空置大量房屋的现象，进一步对人们的幸福指数造成严重影响。对房地产业周期波动的科学控制，极有可能发现潜在的房地产行业的规律，对房地产行业的有效调控，尽量平复波动，制定对应的措施，避免产生房地产危机。

四、结束语

在迅速增长的宏观经济的大环境下，通常房地产业存在着不合理的投资结构，投机需求已经超过了刚性需求等问题，它们也是对房地产健康过渡周期波动造成制约的重要因素。房地产业具有一定的特殊性，国家政策对其造成了深远的影响，经济周期波动受到了国家主导性政策的较强影响。通过2004年的高位运作，政府积极进行政策引导之后，全国范围内房地产开发投资速度稳定下降，有效控制了购置土地和开发规模，房价增长幅度有所降低，表明我国房地产周期已经进入了调整期。

参考文献：

[1]于斌.浅析房地产经济周期与宏观经济政策的关联牲[J].现代经济信息，2013（3）.