随着中国经济体制改革的不断深化，经济结构不断发生改变，20世纪90年代出现的经济周期波动具有了不同于以往的新特征。国内很多经济学家对新阶段中国经济周期波动的特征和成因进行了深刻的剖析，如刘树成（2004）概括了中国新阶段出现的经济周期波动的背景特点，樊纲（2003）分析了中国通货紧缩阶段的冲击因素等。本章利用动态马尔可夫转移因子模型，构造中国经济景气合成指数，考察中国经济周期波动中经济变量协同变化的共变性（Co-movement）以及扩张期与收缩期的非对称性（Asymmetry）特征。

一 引言

宏观经济周期波动问题一直是经济学界研究的焦点，经济学家们不仅提出了大量的阐释经济周期波动出现原因和本质的经典理论，同时也努力地定量测量经济周期波动，以探寻其特征和规律。Burns和Mitchell（1946）认为，经济周期包括几乎同时发生在许多经济行为的扩张和跟随其后的衰退、萧条和复苏，然后进入再一次扩张阶段，变化的过程周而复始但并不是定期地出现。Burns和Mitchell阐明了宏观变量和经济周期具有共变性和非对称性的两个属性，并且通过经济指数来刻画经济周期的动态特征。

由于经济的繁荣和衰退可以通过不同部门的经济变量的时间序列来观测，因此可以选取一组与经济周期波动一致的重要经济指标，捕捉经济周期的共同波动成分。美国国家经济研究局（National Bureau of Economic Research，NBER）在20世纪60年代末开发了经济周期的先行、一致和滞后合成指数（Composite Index），用来刻画经济状态和描述未来发展动向，对衰退和复苏做出预测。这种方法一直使用至今，近年由美国会议委员会（Conference Board）定期公布，很多国家也都利用这种方法开发了景气指数。然而也有人批评他们所采用的是凭主观判断的经验方法，缺乏统计基础支撑，因此，经济学家们开始建立更严密的数学模型来研究经济时间序列问题，识别经济周期的共同特征。自回归移动平均（Autoregressive Moving Average，ARMA）模型、协整（Co-integration）理论、向量自回归（Vector Autoregressive，VAR）框架等广泛地用来分析时间序列和经济周期问题。最近的发展是动态因子模型（Dynamic Factor Model，DF）的使用。DF模型的基本思想包含很多时间序列数据集可以分解成一个共同成分和各自的特殊成分。在动态因子模型的应用中，很有影响的是Stock和Watson（1989，1991，2003），他们利用动态因子模型，构造了捕捉经济变量之间协同变化的合成指数，认为宏观经济变量的共同变化存在一个共同的成分，共同成分体现了经济系统的景气状态，刻画了经济系统的协同变化。Stock和Watson的模型在理论界引起了广泛的关注和发展，各国政府利用这种模型方法开发出了新的合成指数^[1]。

现代经济周期理论和实证分析在关注宏观经济时间序列协同变化的同时，越来越注重经济周期非对称性的分析。如果假定存在两种状态，一种代表扩张，另一种代表收缩，在描述产出的随机生成过程时，可以认为其在不同状态下具有不同的生成机制，即产出增长的随机过程在这两种状态之间转换。这种思想历史悠久，Keynes（1936）就曾经指出了经济周期的扩张和衰退是不同的，前者持续时间较长，而后者更加剧烈。近代学者的实证研究也表明非对称性的确存在（Neftci 1984；Sichel 1989）。因此，统计模型的建立应该能够反映出经济周期的这种非对称性。Hamilton（1989）用状态转移模型（Regime-Switching，RS）模拟了经济状态的变化。其方法是将自回归模型中的系数看做依两个不同状态离散取值的马尔可夫过程，用这个模型分析了美国1951年至1984年的季度GDP行为，刻画了产出的非对称性，而且得到了与NBER测算的美国经济周期非常接近的转折点。从此，马尔可夫转移模型（Markov Switching Model，MS）在分析经济周期和金融时间序列的非对称特性方面得到了广泛的应用，并在应用中不断根据实际问题进行扩展，取得了大量的成果。MS模型的一个扩展是从分析单个经济时间序列到包含多个时间序列的多元非对称模型。

而Diebold和Rudebusch（1996）提出了具有状态转移特征的动态因子模型，同时体现了经济周期的共变性和非对称性两种属性，打破了现代实证分析对经济周期协同变化和非对称特征分析独立进行的历史。很多经济学家成功地运用了这种方法，如Chauvet（1998）、Kim和Nelson（1998）用美国数据，Kaufmann（2000）用几个欧洲国家