金融发展与脆弱性

授权公开披露 授权公开披露 政策研究工作文件10850 金融发展与脆弱性 聚类分析 IgorCustodioJoãoPietroCaliceAndreLucas JuliaSchaumburg 金融、竞争力和创新全球实践2024年7月 政策研究工作文件10850 Abstract 本文使用1998-2019年期间观察到的137个国家的样本，探讨了金融发展与国家脆弱性之间的潜在相关性。这些国家被分为几组，以捕捉金融发展和脆弱性的不同联合状态。本文介绍了一种新的转换方法，以进一步对国家的演变进行定性。 在控制和不控制其他变量的情况下，脆弱性得分。无论本文使用的精确方法和状态脆弱性度量如何，研究结果表明 ，在控制了几种形式的观察到的和未观察到的异质性之后 ，金融发展与状态脆弱性之间存在负相关。 本文是金融、竞争力和创新全球实践的产物。这是世界银行为开放其研究并为世界各地的发展政策讨论做出贡献的更大努力的一部分。政策研究工作文件也在http://www上发布。世界银行。org/prwp.作者可以通过pcalice@worldba联系。 政策研究工作文件系列传播了正在进行的工作结果，以鼓励就发展问题交换意见。该系列的目标是快速得出发现，即使演示文稿还不够完善。论文带有作者的姓名，应相应地引用。本文表达的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不代表世界银行执行董事或它们所代表的政府的观点。 由研究支持团队制作 金融发展与脆弱性：聚类分析∗ IgorCustodioJoa~oaPietroCaliceb 安德烈·卢卡斯aJuliaSchaumburga a阿姆斯特丹自由大学和丁伯根研究所b世界银行 ∗本文件由国家和建设和平2.0伞式信托基金(SPF2.0)资助。SPF2.0是一个由世界银行管理的全球多方捐助基金，与合作伙伴合作解决脆弱性、冲突和暴力（FCV）的驱动因素和影响，并加强国家和受影响的人口、社区和机构的复原力。SPF2.0受到以下国家的支持：丹麦、德国、荷兰、挪威、瑞典和瑞士。本文所表达的观点是作者的观点，不一定代表世界银行及其附属组织的观点，也不一定代表世界银行执行董事或他们所代表的政府的观点。 1Introduction 国家脆弱是我们这个时代最紧迫的发展挑战之一，估计有8亿人生活在脆弱的国家。从广义上讲，脆弱是指国家无法或不愿意满足其公民的基本需求的情况。定义集中在潜在的不利结果和缺乏基本结构，以确保连续性和稳定性 。脆弱性水平较高的国家往往难以为其公民提供基本服务，保持经济稳定或实施有效的政策（Stewart和Brow，2009）。脆弱国家的政治不稳定更可能与武装冲突，内乱和暴力有关（Chami等人。，2021年）。 在本文中，我们研究了国家脆弱性与金融发展之间的关系，以确定在其他条件相同的情况下，哪些国家更容易出现不稳定的延长期。金融发展是机构和市场的发展过程，以克服与执行金融系统关键功能相关的成本 ：动员储蓄，促进更多的信息共享，改善资源分配以及促进风险的多样化和管理（Levie，2005年）。金融发展，特别是从低水平开始的金融发展，在促进有效的资源分配和促进企业家精神方面发挥着关键作用，从而有助于经济稳定并有可能减少国家脆弱性。然而，与此同时，国家脆弱性会阻碍金融发展的进程。金融市场以及更广泛的金融活动严重依赖运作良好的机构。 保护产权并提供最低限度的确定性；经济主体之间的信任环境；以及政策制定者提供稳定宏观经济条件的能力。这些要素供不应求的脆弱国家可以预期有欠发达的金融机构和市场-尽管这方面的证据参差不齐（Barajas等，2021）。 许多研究已经从经验上调查了金融发展和经济增长之间的联系，经常发现正相关和显著相关（Levie，1997；Bec等人。，2000；Valicova等人。 ，2015)，因果关系从金融到增长。金融发展也被证明可以减少收入不平等，并且与减贫密切相关(贝克等人。，2007)。然而，金融发展与国家脆弱性（或其相反的，弹性）之间的关系，这可能是不同的国家集团和金融发展的措施，并没有在现有的文献中得到广泛的解决（巴拉哈斯等人。，2021年） 。这留下了本文旨在填补的空白。 目前的研究至少有两个主要的局限性，我们想提前提及。首先，衡量状态脆弱性并非无可争议；例如，参见Grimm等人。(2014)。同样，鉴于金融发展的多面性，代理金融发展是一项困难的工作；例如，见Svirydzea(2016)。在本文中，我们分别使用世界银行和国际货币基金组织来衡量国家脆弱性和金融发展。对于国家脆弱性，我们使用国家政策机构评估（CPIA）评分，这是一种广泛用于对脆弱国家进行分类的指标。这涉及到与一个国家的机构能力水平和政策环境有关的方面。对于金融发展，我们使用Sahay等人提出的金融发展(FD)指数。(2015)，这是各国在金融机构和金融市场的深度、准入和效率方面的相对排名。 第二，目前的分析存在一个明显的内生性问题。金融发展和国家脆弱性之间的关系可能双向工作。目前的数据集不允许我们解决这种内生性 问题。尽管我们考虑了观察到的和未观察到的静态和动态异质性，但我们不能排除可能影响结果的进一步异质性。考虑到经验数据中的模式，进一步的校正似乎并不可能。特别是脆弱性代理的动态非常陈旧，仅导致分析的时间序列维度的有限增值，并阻碍了认真解决潜在内生性偏差的希望。为了解决这个问题，我们报告了基线分析的许多不同的稳健性检查。 我们使用各种方法在1998年至2019年的108个国家的样本中探索了金融发展与国家脆弱性程度的潜在联系。我们的主要研究问题是，我们是否可以区分数据中显示CPIA和CPIA-FD相关性随时间变化的不同动态的不同组。特别是，我们询问各国是否在其CPIA-FD组中保持相当稳定更长的时间，或者它们是否可以从高脆弱性组过渡到低脆弱性组（另见Safra和Sgiyarto ，2014）。为此，我们首先根据CPIA和FD的总得分对国家进行分组，使用聚类方法来解释可能的异质性。基于此初步分析，我们在数据中发现了两个或三个稳定的簇。接下来，我们使用Bohomme和Maresa（2015）的方法来研究CPIA和FD之间的相关性，同时控制集群特定的时变异质性以及一组观察到的脆弱性决定因素，例如增长，通货膨胀，军事支出和自然资源租金。最后，我们扩展了Bohomme和Maresa（2015）的方法，以考虑群体随时间的变化。我们在比Lmsdaie等人更通用的设置中这样做。(2023)，他将Bohomme和Maresa(2015)推广到具有结构性断裂的环境。在我们的方法中 ，我们不事先强制规定随时间的变化应该是前后结构性的突破，而是允许更灵活的变化，在不同时间的观察片段可能属于同一制度，在其他时间由不同制度交替。这在我们当前的环境中很重要，各国可能会这样做。 从高脆弱性过渡到低脆弱性，然后在更长的时间内多次返回。 我们发现作为左侧变量的状态脆弱性与金融发展之间存在负相关关系。在控制了可以确定国家脆弱性的其他变量之后，这两个变量之间的这种关联仍然存在，例如增长，军事支出和通货膨胀。如果我们控制有或没有集群，以及有或没有集群交换机的未观察到的异构性，它也仍然存在。最后，如果我们将和平基金的脆弱国家指数（FSI）得分交换为国家脆弱性的代表，效果仍然存在。 本文的其余部分设置如下。在第2节中，我们介绍了以静态和动态方式将不同国家分为不同组的方法。第3节描述了使用的数据和变量。第4节介绍了结果，第5节总结。附录收集了未在主要论文中显示的其他实证结果和稳健性检查。 2聚类方法 2.1Themodel 让yi,t∈RG×1fori=1,...,我andt=1,...,T是多元面板数据观测值的向量。面板可以是不平衡的。在我们的上下文中,向量yi,t例如，可能包含不同的金融发展代理，例如FD指数，国家脆弱性代理，例如CPIA评分，以及可能的其他经济指标，并非所有这些指标都可以在任何时候或所有国家都可用。我们假设yi,t对于一个特定的单元，要么是观察到的，要么是缺失的i在时间t。我们还定义了观察到的协变量矩阵Xi,t∈RG×M. 在每个时间t,uniti属于一个K组或集群。core- 响应组表示为ki,tεK=[1,...,K]。对于每个小组，我们 指定的模型yi,tas y=α iid i,t+kXi,βt,ti,tki,+tεi,,ti,tεi,tεki,∼tq(ε;Σ ki,t ,ψ),(1) 对于一些密度qε(·;Σk,¥k)均值为零，协方差矩阵Σk，以及向量中的形状参数 ¥k.参数αk=αk,1,...,αk,T)𝖳,βk,k,and¥k,forkεK，被收集到参数向量中ϑ需要根据数据和集群分配进行估计ki,t. Theset-upinEq.(1)isquitegeneralandnestsanumberofspecificationsfromtheliterature.ThisincludingspecificationsforK-means具有时变聚类均值的聚类(通过设置ki,t≡kiandβki,t≡0)或时间不变聚类意味着(通过附加设置αki,t,t≡αki)。此外，规范涵盖了基于特定于组的时变异构性的聚类方法(通过设置ki,t≡ki并采取yi,t作为标量，所以G=1）如在Bonhomme和Manresa（2015）中。但是，此外，公式（1）还允许特定于组的时变异构规范 ，其中允许单位随时间切换集群。 2.2静态聚类成员资格 Groupmembershipisdefinedbasedonminimizingamembershiplossfunction-tion.Fortime-involvantorstaticgroupmembership(ki,t≡ki)在邦霍姆和曼雷萨(2015)中，我们定义 ΣT ki,t(ϑ)≡ki(ϑ)=argminL(yi,t;ϑki,t,Si,t).(2) kεKt=1 whereL(·;ϑki,t,Si,t)是一个损失函数，并且ϑk,t包含参数αk,t,βk,¥k，和Σkforgroupk在时间t例如,L(·;ϑki,t,Si,t)可以是基于预测误差的平方损失或绝对损失(yi,t−αk−Xi,tβk)。或者，损失可能基于负对数似然，例如高斯似然 —日志qε(εi,t;Σk,¥k）。损失函数中的不对称性很容易被允许。 与Bonhomme和Manresa(2015)一样，ϑ和组成员向量k=k1,.,kI)通过以下 两种方式交替工作 步骤。从初始（随机）起始值ˆ(r)forr=0，参数ϑ估计为1 ˆˆ (r)(r)Σ ϑ()=argmin ϑ∈Θ IT L(y i,;ˆ t ˆ(r),t i ,Si,t).(3) i=1t=1 这些优化可以分别针对每个元组（α,,Σ)。接下来，组成员向量ˆ(r)是向上的- 日期为ˆ(r+1)ˆ(r)ˆ(r) k,1k，T通kk过公k式(2)使用该值ϑ().这个程序是 重复直到收敛，这通常只使用几次迭代。为了健壮性，大量的起始值ˆ(0)被使用 ，并且估计 和ˆ保留了公式(3)中给出的最佳总体标准值。 2.3群集切换 如果单位被允许在样本期间切换组成员资格,则不同的策略是可用的。就像 Lmsdaie等人一样。（2023），我们可以扩展Bohomme和Maresa（2015 ）的方法，以允许结构性断裂。然而，在我们目前的情况下，这可能是不可取的。如果国家由于战争，政治动荡，经济困境或其他原因而进入压力时期 ，那些从高脆弱性过渡到低脆弱性的国家可能会发现自己又回到了前者。因此，我们扩展了Bohomme和Maresa(2015)和Lmsdaie等人。(2023)以以下方式，同时保持估计的容易性。 时变组成员关系的确定如下：首先，我们对不同的时间点进行分组tε T=[1,...,T]intoH不相交群Thfor h=,...,H,s