金融状况指数（financial conditions index）, 最早由Goodhart和Hofmann提出, 目的是为了反映未来通货膨胀压力。具体而言,FCI 由货币状况指数（Monetary conditions index；MCI）发展而来, 在MCI的基础上加人包含了未来通货膨胀信息的资产价格。FIC的变量除MCI中的短期实际利率与有效实际汇率变量外, 还包含房价与股价等资产价格。

FIC与MCI的用途不同，MCI曾被用于若干国家的中央银行（如加拿大与新西兰）作为货币政策的操作目标，其理由是MCI是短期利率与汇率的加权平均，能更好地反映货币政策的传导机制。但由于MCI的种种缺陷，将其作为货币政策操作目标的做法受到学术界的批评，目前MCI主要作为衡量通货膨胀的辅助性指标。FCI未被作为作为货币政策操作目标的原因在于：FCI中包含了资产价格，而货币政策是否应该对资产价格作出反映未做定论；虽然在理论上资产价格在货币政策传导机制中的角色早有定论，但经验分析结果未对该理论提供有力的支持。

从中国的现状来看，资产价格在经济中的作用越来越重要，货币政策的制定也越来越多地考虑资产价格因素。构建可以反映未来通货膨胀压力的FCI，作为货币政策的参考指标，可在一定程度上弥补CPI或MCI的不足，并作为国内外投资者、政府有关部门判断中国金融状况的一个指标。

FCI中包含的变量：

短期利率：由于和货币政策工具“隔夜拆息”紧密相连，因此可以提供预测通货膨胀的信息；

汇率：包含货币政策的重要信息，提出了MCI概念，后来被加拿大中央银行采用微货币政策的操作目标；

长期利率：较少受到货币政策影响，但更能反映金融状况，尤其是与房价及股价的联系更为紧密；

另外，股价指数；股票市值/GDP 市盈率或家庭股票财富总额；

数据处理：

FCI中的变量均为时间序列，不可避免地带有时间趋势。如何去除趋势（detrending）将影响模型的设立与FCI的经济解释。根据变量的趋势是随机或是确定性趋势（deterministic）分别采用一阶差分或对线性趋势回归的方法，可去除趋势。

将各变量在长期趋势或均衡中的离差作为FCI的变量时一种普遍做法，但如何确定这些变量的长期趋势或均衡却是一个难题，HP滤波法常用语时变趋势。假定如下：短期利率的趋势为其样本均值，汇率与房价的趋势为线性趋势，股价趋势为平滑参数的10000的HP滤波算出，理由是股票价格的期望值具有较强的时变性。

各变量的权重

通过分析资产价格在货币政策传导机制中的作用来确定权重。具体分为：1、大型宏观经济计量模型的模拟；2、总需求方程缩减式；3、VAR模型的脉冲响应方程。

大型宏观模型一般用于计算各经济变量间关系，因此该方法估计出来的CFI变量的权重较其他方法更准确。但目前在各国与各机构使用的大型宏观模型中，股票与其他资产价格显得不重要，这是由于目前关于资产价格通过何种渠道影响总需求有待深入研究。缩减式包括了反映产出缺口与利率、汇率及其他资产价格关系的IS曲线以及反映通货膨胀与产出缺口关系的菲利普斯曲线，根据该变量在该方程中的系数大小及显著程度决定其在FCI中的权重。使用该模型需满足一个假设模型中各变量相互外生, 否则会引起估计误差。将模型的脉冲响应方法用于缩减式, 该缩减模型除了包含所有四个变量外还将油价作为外生变量, 然后计算各资产价格变量的单位冲击对通货膨胀的影响。文中用标准cholesky分解来确定变量间的相互影响关系, 这种做法带有一定的主观性, 并且对变量间的关系缺乏明确的经济解释。两种方法得出的权重差不多, 但使用模型时房价的权重相对高些。除此之外, 还有其他一些方法确定权重。与《最早提出根据各变量对通货膨胀的预测能力来确定权重, 但与指出, 该方法不适用于时变模型。

FCI的缺陷

虽然FCI是对MCI的改进, 但并不能完全克服MCI中存在的缺点, 这也是FCI遭受垢病的原因之一, 总的来说, FCI的缺点大致可以分为四类:

1.模型依赖性。FCI与MCI类似, 都是通过模型计算出各变量的权重, 选择不同的模型如用需求式或大型宏观经济计量模型会得到不同结果。此外,FCI 所能反映的金融变量对总需求影响必须由模型事先设定。Goodhart与Hofmann指出, 资产价格尤其是房价对总需求影响的渠道还不明确。

2、缺乏动态性。FCI中所包含的变量对产出和通货膨胀产生作用的速度不一致, 如利率下降和房价

上升对通货膨胀的影响速度就不相同。解决方法之一是在估计缩减式的IS曲线时考虑到滞后项, 然后

将统计显著的滞后项系数相加作为FCI中该变量的权重。

3、参数的不稳定性。FCI通常由一个跨度较大的时间序列估算得到, 因此未能体现样本期内经济的

结构性变化。一些由商业机构估算的FCI未考虑到该问题, 或者简单地用转折点进行处理。

4、变量的非外生性。在技术上, 模型中各变量须为外生变量, 但事实上变量会相互影响或同时受产

出或通货膨胀的影响而导致估计误差。如利率的变化往往会影响资产价格。一个简单的解决方法就是

估计缩减VAR, 但这也带来VAR本身的模型识别问题。而且, 股价和房价通常被视为前瞻性变量, 即受

对未来产出和通货膨胀预期的影响, 这使识别问题变得更为复杂。

构建FCI的理论依据

FCI的主要功能是用于衡量未来通货膨胀压力，因此构造FCI的理论依据在于FCI中变量以及它们的加权组合是否包含未来通货膨胀信息。另一方面，利率、汇率、股价与房价影响产出，进而对通货膨胀的传导机制产生不同影响，因此FCI中各变量的滞后期不尽相同。

利率与汇率影响通货膨胀的传导机制，在理论界已基本达成共识，而对股价与房价如何影响通货膨胀则是本文讨论重点。

与利率及汇率对通货膨胀的直接影响不同, 资产价格对通货膨胀的影响是间接的, 大致可分为两类

首先是资产价格影响消费的财富效应及影响投资的托宾q效应, 即资产价格的上升会使消费及投资增

加, 从而影响通货膨胀。其次是信贷渠道, 即作为抵押品的资产价格波动会影响企业的融资能力, 该渠道

更多地通过预期发挥作用, 这是由于资产的价格由预期的未来收益及生产能力决定。因此资产价格含有

未来通货膨胀的信息。

在众多的资产价格当中, 为何将股价与房价包括在FCI里?这是因为首先, 股市通常都被视为一国

经济的晴雨表, 股市指数由各行业的主要企业股价构成, 其信息功能不言而喻。其次, 虽然房价与利率有

显著关系, 但房价最主要的传导机制为信贷渠道, 包含了利率所不具备的信息。