构造了金融形势指数FCI是以用来反映未来产出与通货膨胀率的变化。常规的FCI指数包括真实短期利率、真实房地产价格指数、真实有效汇率指数和真实股权价格指数。实证研究表明，FCI指数包含了未来通货膨胀率的有用信息，对于G-7国家的CPI通胀率在样本内具有良好的预测效果。
金融形势指数的构造及估计：借鉴Goodhart和Hofmann，人们可以构造金融形势指数，计算资产在FCI中的权重，可以采用下列三种估计方法：一是大型宏观经济联立性模型；二是简化形式的总需求模型；三是VaR脉冲响应函数。
数据的选取各时间序列都取季度数据。在所有四种资产中，股票价格和利率数据最容易得到。其中股票价格数据可以取到 1991年股市成立以来的全部数据，季度短期利率数据可以选择谢平、罗雄使用的数据。关于真实有效汇率，按照Goodhart和Hofmann的解释是指购买力平价，由于难以得到季度数据，人们用官方汇率代替。真实房地产价格人们用国房景气指数减去消费物价指数得到。由于1995年以前房地产价格和官方汇率数据的难以获得，人们选择的样本期为1995年第一季度到2003第四季度。真实股票价格用上证指数经消费物价指数折算得到。
估计准备资产价格长期均衡值的模型化及缺口单位根检验
在进行估计之前，人们需要对各资产价格的长期均衡值模型化。关于真实短期利率，有大量文献认为其具有向均值回归的特点，故Goodhart和Hofmann认为应该以真实产出增长率的长期均衡值来代替真实短期利率的长期均衡值。这里需要指出的是因为中国经济处于转型之中，与Goodhart和Hofmann中研究的成熟市场经济国家的情形有很大不同，因而人们这里用样本期内真实短期利率的均值代替其长期均衡值。
国外的许多研究表明，真实汇率和房地产价格并不具有均值回复的特征。通常的假设是这两种资产价格满足随机游走，因此其长期均值难以识别。尽管如此，从国外的文献看，仍然有大量文献试图模型化均衡资产价格。文献一般认为资产价格偏离均衡值的期间在事后是可以识别的，因此，人们这里假设这两种资产价格遵循确定趋势而非随机游走。文献中有许多不同的计算均衡汇率的方法，但是，其中大多数都要求大的宏观经济模型，本文中显然难以采用这些方法。考虑到Balassa-Samuelson效应，人们认为真实汇率中可能包含长期趋势。中国在改革开放以来劳动生产率保持了长期快速增长，因此，人民币对美元的汇率存在长期升值趋势。基于这样的原因，人们在本文中可以通过将汇率实际值对常数和一次时间趋势项进行回归而得到其长期均衡值。同理人们可以对真实房地产价格实行同样的方法来模型化。
股票价格的均衡值的确定是一个令人棘手的问题，标准的股票定价模型认为，今天的股票价格是未来各期股利折现值的和。按照戈登模型股票价格可以表示如下：P=D/，其中D代表红利，r和s分别代表折现率和红利增长率。股利与实际经济活动有联系，因此，股票价格的均衡值似乎含有确定性的一次趋势。但是，当人们观察股票价格的实际运行状态时发现，在样本期间 股票价格遵循两种体制框架。在2001年中期以前，股票价格指数保持了持续快速上升态势，而这之后由于受到国有股流通的困扰，股票价格指数出现了大幅度的下跌和调整。因此，人们认为真实股票价格在样本期间遵循时变趋势，本文中人们用平滑参数为10000的霍德里克一普雷斯科特过滤器来处理真实股票价格，从而得到平滑的时变趋势。
FCI权重估计简化形式的模型假设，资产价格的真实经济效应的传递机制是，资产价格影响产量缺口，而产量缺口又影响通货膨胀。事实上，资产价格的效应还有其他的传递途径。如汇率通过对进口产品的价格、房地产价格通过对房地产成本影响通货膨胀。简化形式模型其实是来自具有排除约束的特殊VAR模型中的产出缺口和通货膨胀方程。人们可以通过VAR中通货膨胀对资产价格的脉冲响应来估计FCI指数的权重。为此，人们估计这样的VAR模型，它所包含的变量与简化形式方程中相同，即：产出缺口、通货膨胀、短期利率、真实汇率缺口、真实房地产价格缺口和真实股票价格缺口。人们选择标准的Cholesky因素分解的方法来识别冲击，变量排序为：产量缺口、CPI通货膨胀、真实房地产价格、真实汇率、真实利率和真实股票价格。为了比较，人们还对上述排序中的真实汇率和真实利率位置互换后的情形进行了分解。
关于以上的变量排序人们需要作一些说明。在货币传导机制的文献中，上述排序中的前两个变量的顺序非常普遍。因为产量缺口能够影响同期的通货膨胀，同时这两个变量对其余变量的冲击并不做出立即反应。房地产价格之所以排在第三位，是因为它较其余的变量更具有粘性。股票价格由于灵活多变，人们可以假设它会对其余变量的冲击做出同期反应。因此，将股票价格变量排在最后一位是没有问题的。现在的困难是真实利率和真实汇率的排名先后问题，Bagliano，Favero与Franco的综述表明，在许多VAR文献中利率和汇率之间的联立性问题没有得到令人信服的解决，甚至连它们之间的经验上的相关性也值得怀疑。人们把汇率排在利率之前，是因为尽管中国表面上实行的是有管理的浮动汇率制，但管制成分似乎超过浮动成分，因此，可以认为中国实行的是固定汇率制度。由此人们可以更合适的假设汇率以同期的方式进入货币政策反应函数，并且对利率冲击有一个滞后反应。人们也对利率和汇率交换排序后的情况作了估计，幸运的是，这一位置变化没有显著影响到对不同冲击的脉冲响应。
VAR的滞后阶数的选择，人们采取的是从一般到特殊的策略，最大滞后期数是4期。人们的估计表明，当将利率排在汇率之前时，最优的之后阶数是2期，将利率排在后面时，最优的滞后阶数没有变化，仍然是2阶。在估计过程中，人们允许模型中包含常数项，此外不包含其他的外生变量。
脉冲响应表明，利率冲击对产量缺口和通货膨胀的影响总是显著的。从这些脉冲响应图，确认了这样的理论观点：货币政策冲击首先影响产量缺口，这里最大影响滞后2期达到；接下来货币政策影响通货膨胀，这里最大影响在滞后6期达到。因此，这里的估计结果与货币政策传导的理论非常吻合。不过需要注意的是，利率冲击对产出缺口的影响是先负后正，这似乎有点难以解释。不过正项大多数都不是显著的。产出缺口和通货膨胀对房地产价格冲击的响应很明显，其中通货膨胀的脉冲响应比产量缺口的脉冲响应更加显著。因此，这可能说明房地产价格对通货膨胀有直接的影响，而不是通过产出缺口的间接影响。这个结果应该没有什么出乎意料的，因为房地产价格影响住宅的价格，而住宅的价格本身就是通货膨胀指数的构成要素。汇率对产出缺口的冲击也是很明显，但是对通货膨胀方面的冲击表现的并不显著。股票价格的冲击结论多少有些令人困惑。它对产出缺口的影响开始并不明显，但是之后开始增加，在第三期达到最大值。总体而言，股票价格冲击对通货膨胀的冲击也很明显。不同的是，股票价格冲击对产出缺口的影响几乎总是正的，而对通货膨胀的影响则是持续为负。
各资产价格对利率冲击的反应，结论表面上是模糊不清的。房地产和股票价格的脉冲响应会逐渐衰减，很好地体现了模型的平稳性，但是汇率的脉冲响应则略微有点震荡发散。不过人们从t统计量的值看，系数均不显著。
现在人们可以求基于VAR模型的FCI指数的权重。人们把一单位的资产冲击对通货膨胀在10期内的平均影响作为每一种资产价格的权重，为了进行比较人们还使用简化模型估计的FCI权重列在一起。有趣的是，两种估计方法得到的FCI指数权重差别很大，在简化模型中权重较小的，在VAR模型中权重变大。例如，股票价格权重在简化模型中为0.066，而在VAR估计中则为0.22；房地产价格在简化模型中的权重为0.07，而在VAR模型中的权重上升到0.36；利率的权重则由前者较大的0.36减小到0.10。汇率的权重也由前者最大的0.50下降到后者的0.16。更有意思的是，在利率和汇率之间、房地产价格与股票价格之间权重的相对大小并没有因为估计方法的改变而发生变化。
人们把FCI表达式中的各种资产按这样的顺序排序：实际利率、真实汇率、实际房地产价格、实际股票价格。至此，可以得到FCI的表达式：
FCIt=0.10rrgap+0.16egap+0.36rhpgap+0.22rspgap其中，rrgap、egap、rhpgap、rspgap分别是真实利率缺口、真实有效汇率缺口、真实房地产价格缺口、真实股票价格缺口。
若干说明估计结果的若干说明：从上述权重看，基于VaR模型与基于简化模型的FCl指数中的资产权重有很大差别。VaR模型估计得到的FCI指数房地产价格和股票价格的重要性上升，汇率的重要性下降。而在简化模型估计的FCI中，则正好相反。这应该更符合实际情况，因为就中国而言，汇率制度基本上可以看成是固定汇率制。因此其与通货膨胀的关系应该不如房地产和股票价格重要。需要说明的是，基于VaR的FCI指数中，利率的重要性比基于简化形式模型的FCI要小，这多少有点出人意料。不过考虑到中国的利率还没有市场化，利率在FCI中的权重较小似乎也是可以说得过去的。
在MCI文献中有这样三个问题：参数非常数；权重对模型的依赖性：同归元的非外生性。人们估计的FCI指数也面临这三个问题。这里人们需要稍加说明，首先中国经济改革开放以来一直处于转型之中，资本市场也毫无例外，因此，在样本期间人们将FCI中的权重设定成常数可能要冒一定风险。其次，任何经验分析都会面临的一项指责是估计参数对模型设定过分依赖。由于不能使用大型宏观经济模型，同时也难以将影响通货膨胀和总需求的所有因素都考虑进来，因此，这里估计的FCI指数也存在着对模型设定过分依赖的问题。最后，由于本文中资产价格都是经济分析中的前瞻性变量，将这些变量作为回归元可能引起某种程度的联立性偏误 。当然，联立性问题在传统的包含利率和汇率的模型中可能已经存在，因此，联立性问题并不是包含地产价格和股票价格后新增加的。
关系分析金融形势指数与通货膨胀的关系分析
为了检验FCI的实际效果，人们来看FCI是否可以用于对未来通货膨胀的预测。首先，计算FCI和样本期内的未来通货膨胀之间的相关系数，数据显示，基于VAR的FCI指数和未来通货膨胀之间的相关性随领先期数增加而增加，相关性在领先6季度时达到最大值。不仅比基于简化模型的指数到达最大值提前了一期，而且与未来通货膨胀的相关性也更高。同时也可以看到，FCI和下个季度的通货膨胀负相关。这表明FCI和远期通货膨胀的相关性高于近期。因此，FCI指数更有利于预测远期的通货膨胀水平。
其次，对FCI和CPI进行Granger因果关系检验，判断FCI的滞后值对预测当期通货膨胀的效果。从结果可知，FCI不是通货膨胀率CPI的原因的概率非常小，而CPI不是FCI的原因的概率却很大。由此，人们可以推断FCI是引致通货膨胀CPI的原因。也就是说，FCI的滞后值对于预测通货膨胀CPI是有用信息，或者说将FCI的滞后值加入到CPI的预测中会使预测精度提高。
以上是在样本期内的结论，当把检验范围外推至样本期以外，结论又如何呢?Cecehetti指出，经济文献中有一个常见的现象：在样本期内表现很好的通货膨胀指示器一旦超出样本期，其表现就不尽如人意。Goodhart and Hofmann对FCI所进行的样本期外的通货膨胀预测也证实了这一点。人们这里尽管外推数据较少，但是也得到类似的结论，FCI在样本期外表现不够理想。
