论文部分内容阅读
摘 要：采用贝叶斯推断下的VAR模型、SVAR模型、VECM模型和DSGE模型对我国货币政策冲击预期效应进行有效估计和评价的结论表明，货币政策冲击效应存在较大波动性和不稳定性。我国货币政策的货币供应量传导存在明显滞后效应，滞后期大约为6个月到15个月，而利率传导几乎没有滞后效应，对产出有明显滞后效应，而对于通货膨胀率几乎没有滞后效应。我国GDP增长率对货币政策冲击比货币供应量增长率反应强烈，货币供应量增长率为逆周期变量，GDP增长率为顺周期温和变量，我国货币供应量具有明显内生性特质。
关 键 词：货币政策冲击预期效应；贝叶斯推断；VAR模型；SVAR模型；VECM模型；DSGE模型
中图分类号：F830.31 文献标识码：A 文章编号：1006-3544（2014）03-0003-05
一、引言
自2008年美国金融危机以来，各国政府将加强宏观冲击预期效应估计及预测作为宏观调控的重要内容。过去10年中国人民银行在运用货币政策进行宏观调控时常处于矛盾的尴尬境地，其中有的矛盾来自于货币政策最终目标之间的相互制约，如促进经济增长、增加就业与稳定币值的矛盾；有的矛盾来自于社会舆论，如在由某些农产品短缺引致的物价上涨时，社会舆论较普遍地将其认定为通胀，要求采取紧缩的货币政策，此时人行不采取紧缩举措将面临“行政不作为”的责难，采取紧缩措施又很难准确把握对相关实体经济部门和经济运行走势的影响程度。 由此可见估计和评价货币政策冲击预期效应的重要性。
当前学者们大多采用单一计量经济模型或向量自回归模型（VAR）来研究货币政策冲击预期效应，估计方法采用经典最小二乘法、 广义矩估计和极大似然估计，缺乏微观经济理论基础，模型动态调整机制是根据统计检验得到，因而处理方法具有随意性。Kydland和Prescot（1982）与Long和Plosse（1983）构造的动态随机一般均衡（DSGE）模型具有显性建模框架、理论一致性、宏微观分析相结合、长短期分析有机整合等优点， 而DSGE模型的主要问题是由于模型设定参数太多， 大多采用校准及模拟方法进行估计， 而这种方法得到的参数估计解大多是角边解而不是最优解。
学者采用传统计量经济分析方法面临如下挑战：（1）模型识别。如何在模型中体现货币政策的预期变化及其冲击效应？ 由于传统计量经济模型如标准VAR模型的残差没有赋予经济含义，因此传统计量经济分析是无法识别政策预期冲击效应的。（2）交叉等式限制。目前大部分宏观经济模型是联立方程，而联立方程会出现交叉等式限制条件， 传统计量经济分析方法没有提供足够的信息识别交叉等式限制，因此得到的模型估计解是随意解而不是最优解。（3）高维模型解。宏观经济模型会包含大维度宏观变量和金融变量的面板数据，这会导致待估参数太多及如何识别这些高维度变量的联动效应。传统计量经济分析方法存在无法提供足够信息识别这种联动效应的问题，因而无法对大维度数据进行建模分析。
Christiano和Lars（1998）、Gupta等（2002）、刘斌、黄先开和潘红宇（2001）、郭庆旺、贾俊雪（2004）、黄赜琳（2005）和刘斌（2008）等考察了货币政策与宏观经济稳定之间的关系，普遍认为货币政策冲击影响宏观经济稳定。但上述文献中由于货币政策冲击预期估计方法缺乏微观基础、动态性和前瞻性特征，因此预期效应未得到准确度量；由于未使用贝叶斯计量经济方法，而采用传统计量经济方法，因此得到的模型估计解不是最优解，无法对冲击预期进行政策解析。
贝叶斯计量经济方法属于全信息估计方法，对于模型设定及交叉等式限制等问题可以通过提供密集化似然函数及将不同的先验函数转换为后验函数更新算法来解决。
鉴于此，本文采用贝叶斯推断的BVAR、BSVAR、BVECM和BDSGE模型对我国货币政策预期冲击进行建模，以有效识别我国货币政策冲击预期效应。
二、模型构建及解决估计策略
三、实证分析
（一）数据来源
本文采用中国经济数据库我国2002年1季度至2012年3季度数据。数据包括GDP增长率、通货膨胀率（通货膨胀率=（季度CPI-1）×100%）、短期利率（根据我国具体情况采用银行间7天同业拆借利率）和货币供给量M2增长率。符号表示为y、cpi、r、M2。四变量波动图见图1。
图1显示我国GDP增长率呈波动趋势，进入2012年下降趋势明显， 前三季度GDP增速分别为8.1%，二季度增长7.6%，三季度增长7.4%。通货膨胀率和利率样本内有波动，通货膨胀率波动较大。随着“4万亿”财政投资的实施，我国经济增长缓慢复苏，但同时也伴随着通货膨胀势头重现。2011～2012年货币供给量波动较大，货币供应量波动较货币政策调整时期晚，具有明显的时滞效应，且货币供应量的大幅波动不利于经济平稳运行。
（二）单位根检验
对四个变量进行单位根检验如下：
表1变量平稳性检验结果显示，GDP增长率和货币供给量增长率水平值非平稳，一阶差分平稳，而通货膨胀率和利率为平稳序列。因此可对GDP增长率和和货币供给量增长率建立VECM模型。
（三）BAVR模型后验分布估计
图2为模型p（？椎，∑|Y）的后验分布函数和概率密度函数即CDF和PDF，图形显示，后验分布呈较好正态分布形式。因此可以采用此方法进行BSVAR、BVECM及BDSGE模型建模进行货币政策冲击预期分析。
（四）BSVAR模型估计
由于BSVAR模型对冲击赋予经济含义，因此对BSVAR模型进行脉冲响应分析。
图3描述了GDP增长率、通货膨胀率、短期利率和货币供应量增长率4个内生变量的后验均值对于1标准单位“扩张性”货币政策冲击的反应轨迹（实线）以及95%HPD置信集（虚线）。 国内很多学者对货币冲击脉冲响应进行分析，其中李春吉和孟晓宏（2006）基于新凯恩斯主义垄断竞争模型研究了中国经济波动问题，分析认为货币政策冲击同技术冲击和政府支出冲击等一样可以产生明显的经济波动；王晓芳和毛彦军（2012）研究表明货币供给冲击对通货膨胀波动有显著影响，但对产出波动的影响偏小；隋建利、刘金全和庞春阳（2011）将太阳黑子冲击与货币政策冲击进行比较研究，结论是对内生变量波动的贡献率而言，我国货币政策冲击和“太阳黑子冲击”的作用都较为微弱。以上分析仅有隋建利、刘金全和庞春阳（2011）给出冲击脉冲响应HPD置信集。
对比隋建利、刘金全和庞春阳（2011）的货币冲击脉冲响应HPD置信集，图3显示的本文冲击反应函数95%HPD置信集宽很多，这表明货币政策冲击效应存在较大波动性和不稳定性，这给央行评定政策有效性带来很大困难。
货币政策通过利率的传导机制使央行货币供应量上升，导致实际利率下降，利率变化进一步通过资本边际效率的影响使投资增加，最终导致总支出和总收入的增加，图3显示一个预期货币政策冲击导致产出增长率在随后一期上升0.15个百分点，利率提高40个基点，而通货膨胀率则下降0.4个百分点，货币供应增长率下降0.2个百分点，随后通货膨胀率在回复稳态水平之前迅速上升0.2个百分点，货币供应量增长率在回复稳态水平之前迅速下降0.3个百分点，利率则迅速下降50个基点。可见我国货币政策的货币供应量传导存在明显滞后效应，滞后期大约为6个月到15个月，而利率传导几乎没有时滞效应，对产出有明显滞后效应，而对于通货膨胀率几乎没有滞后效应。 这说明一方面货币供应量作为货币政策中介目标的可行性大大下降， 应大力推进利率市场化，将利率作为主要货币政策中介目标；另一方面社会对通货膨胀率包容性较差， 通货膨胀反应敏感，因此今后央行货币政策操作应多关注通货膨胀率效应，增强货币政策透明度。
从图5可以看出，GDP增长率与货币供应量增长率对于扩张性货币政策冲击的长期决定性趋势是增长趋势，GDP增长率的增长趋势高于货币供应量增长率的决定性趋势，这与前文分析结果一致，表明我国GDP增长率对货币政策冲击比货币供应量增长率反应强烈。
（六）BDSGE模型估计
估计模型（5），将DSGE模型参数的后验递归均值和后验边际概率密度函数作图6和图7。
四、结论与政策建议
本文构建了贝叶斯推断下的VAR模型、SVAR模型、VECM模型和DSGE模型，对货币政策冲击预期效应进行有效识别， 采用贝叶斯推断的后验分布函数和概率密度函数形式都接近现实情况， 采用贝叶斯推断可有效刻画货币政策冲击效应。 实证分析结果显示我国货币政策冲击效应存在较大波动性和不稳定性， 货币政策的货币供应量传导存在明显滞后效应，而利率传导几乎没有时滞效应，对产出有明显滞后效应， 而对于通货膨胀率几乎没有滞后效应，我国GDP增长率对货币政策冲击比货币供应量增长率反应强烈， 货币供应量增长率为逆周期变量，GDP增长率为顺周期温和变量， 我国货币供应量具有明显内生性特质。
实证分析结果的启示是，货币供应量作为货币政策中介目标的可控性、可操作性和相关性大大降低，而利率具备良好的可控性和相关性， 央行应大力促进利率市场化， 将利率作为主要货币政策中介目标； 另一方面实证分析显示我国社会对通货膨胀率包容性较差，反应敏感，如在由某些农产品短缺引致的物价上涨时， 社会舆论较普遍地将其认定为通胀，要求采取紧缩的货币政策，而央行则会担心紧缩货币政策对相关实体经济部门和经济运行走势的影响程度，归根到底实质是无法确定货币政策对实体经济部门的冲击预期效应， 因此本文给今后央行评价货币政策冲击效应提供了一个框架， 并且今后央行货币政策操作应多关注通货膨胀率效应，增强货币政策透明度，既可以做到有效控制通货膨胀，又能够预期到对产出的负面影响程度，这对于今后货币政策操作有重要的理论和实践意义。
参考文献：
[1]Banbura，M.，Giannone，D. and Reichlin，L. （2010）. .Large Bayesian VARs，Journal of Applied Econometrics，25，71-92.
[2]Belviso，F. and Milani，F.（2006）.. Structural factor augmented VARs （SFAVARs） and the effects of monetary policy，. Topics in Macroeconomics，6，2.
[3]Bernanke，B.，Boivin，J. and Eliasz，P. （2005）.. Measuring monetary pol-icy： A Factor augmented vector autoregressive（FAVAR） approach，Quarterly Journal of Economics，120，387-422.
[4]Canova，F. （1993）. Modeling and forecasting exchange rates using a Bayesian time varying coefficient model，. Journal of Economic Dynamics and Control，17，233-262.
[5]Canova，F. and Ciccarelli，M.（2009）.. Estimating multi-country VAR models，International Economic Review，50，929-959.
[6]Carlin，B. and Chib，S. （1995）.. Bayesian model choice via Markov chain Monte Carlo methods，. Journal of the Royal Statistical Society，Series B，57，473-84.
[7]Chib，S.，Nardari，F. and Shephard，N. （2002）.. Markov chain Monte Carlo methods for stochastic volatility models，Journal of Econometrics，108，281-316.
[8]Del Negro，M. and Otrok，C.（2008）.. Dynamic factor models with time varying parameters： Measuring changes in international business cycles，Federal Reserve Bank of New York Staff Report no. 326.
[9]Korobilis，D.（2009b）..VAR forecasting using Bayesian variable selection，manuscript.
[10]李春吉，孟晓宏. 中国经济波动——基于新凯恩斯主义垄断竞争模型的分析[J]. 经济研究，2006（10）.
[11]王晓芳，毛彦军. 预期到的与未预期到的货币供给冲击及其宏观影响[J]. 经济科学，2012（2）.
[12]隋建利，刘金全，庞春阳. 基于太阳黑子冲击视角的中国货币政策有效性测度[J]. 管理世界，2011（9）.
（责任编辑：郄彦平；校对：卢艳茹）
关 键 词：货币政策冲击预期效应；贝叶斯推断；VAR模型；SVAR模型；VECM模型；DSGE模型
中图分类号：F830.31 文献标识码：A 文章编号：1006-3544（2014）03-0003-05
一、引言
自2008年美国金融危机以来，各国政府将加强宏观冲击预期效应估计及预测作为宏观调控的重要内容。过去10年中国人民银行在运用货币政策进行宏观调控时常处于矛盾的尴尬境地，其中有的矛盾来自于货币政策最终目标之间的相互制约，如促进经济增长、增加就业与稳定币值的矛盾；有的矛盾来自于社会舆论，如在由某些农产品短缺引致的物价上涨时，社会舆论较普遍地将其认定为通胀，要求采取紧缩的货币政策，此时人行不采取紧缩举措将面临“行政不作为”的责难，采取紧缩措施又很难准确把握对相关实体经济部门和经济运行走势的影响程度。 由此可见估计和评价货币政策冲击预期效应的重要性。
当前学者们大多采用单一计量经济模型或向量自回归模型（VAR）来研究货币政策冲击预期效应，估计方法采用经典最小二乘法、 广义矩估计和极大似然估计，缺乏微观经济理论基础，模型动态调整机制是根据统计检验得到，因而处理方法具有随意性。Kydland和Prescot（1982）与Long和Plosse（1983）构造的动态随机一般均衡（DSGE）模型具有显性建模框架、理论一致性、宏微观分析相结合、长短期分析有机整合等优点， 而DSGE模型的主要问题是由于模型设定参数太多， 大多采用校准及模拟方法进行估计， 而这种方法得到的参数估计解大多是角边解而不是最优解。
学者采用传统计量经济分析方法面临如下挑战：（1）模型识别。如何在模型中体现货币政策的预期变化及其冲击效应？ 由于传统计量经济模型如标准VAR模型的残差没有赋予经济含义，因此传统计量经济分析是无法识别政策预期冲击效应的。（2）交叉等式限制。目前大部分宏观经济模型是联立方程，而联立方程会出现交叉等式限制条件， 传统计量经济分析方法没有提供足够的信息识别交叉等式限制，因此得到的模型估计解是随意解而不是最优解。（3）高维模型解。宏观经济模型会包含大维度宏观变量和金融变量的面板数据，这会导致待估参数太多及如何识别这些高维度变量的联动效应。传统计量经济分析方法存在无法提供足够信息识别这种联动效应的问题，因而无法对大维度数据进行建模分析。
Christiano和Lars（1998）、Gupta等（2002）、刘斌、黄先开和潘红宇（2001）、郭庆旺、贾俊雪（2004）、黄赜琳（2005）和刘斌（2008）等考察了货币政策与宏观经济稳定之间的关系，普遍认为货币政策冲击影响宏观经济稳定。但上述文献中由于货币政策冲击预期估计方法缺乏微观基础、动态性和前瞻性特征，因此预期效应未得到准确度量；由于未使用贝叶斯计量经济方法，而采用传统计量经济方法，因此得到的模型估计解不是最优解，无法对冲击预期进行政策解析。
贝叶斯计量经济方法属于全信息估计方法，对于模型设定及交叉等式限制等问题可以通过提供密集化似然函数及将不同的先验函数转换为后验函数更新算法来解决。
鉴于此，本文采用贝叶斯推断的BVAR、BSVAR、BVECM和BDSGE模型对我国货币政策预期冲击进行建模，以有效识别我国货币政策冲击预期效应。
二、模型构建及解决估计策略
三、实证分析
（一）数据来源
本文采用中国经济数据库我国2002年1季度至2012年3季度数据。数据包括GDP增长率、通货膨胀率（通货膨胀率=（季度CPI-1）×100%）、短期利率（根据我国具体情况采用银行间7天同业拆借利率）和货币供给量M2增长率。符号表示为y、cpi、r、M2。四变量波动图见图1。
图1显示我国GDP增长率呈波动趋势，进入2012年下降趋势明显， 前三季度GDP增速分别为8.1%，二季度增长7.6%，三季度增长7.4%。通货膨胀率和利率样本内有波动，通货膨胀率波动较大。随着“4万亿”财政投资的实施，我国经济增长缓慢复苏，但同时也伴随着通货膨胀势头重现。2011～2012年货币供给量波动较大，货币供应量波动较货币政策调整时期晚，具有明显的时滞效应，且货币供应量的大幅波动不利于经济平稳运行。
（二）单位根检验
对四个变量进行单位根检验如下：
表1变量平稳性检验结果显示，GDP增长率和货币供给量增长率水平值非平稳，一阶差分平稳，而通货膨胀率和利率为平稳序列。因此可对GDP增长率和和货币供给量增长率建立VECM模型。
（三）BAVR模型后验分布估计
图2为模型p（？椎，∑|Y）的后验分布函数和概率密度函数即CDF和PDF，图形显示，后验分布呈较好正态分布形式。因此可以采用此方法进行BSVAR、BVECM及BDSGE模型建模进行货币政策冲击预期分析。
（四）BSVAR模型估计
由于BSVAR模型对冲击赋予经济含义，因此对BSVAR模型进行脉冲响应分析。
图3描述了GDP增长率、通货膨胀率、短期利率和货币供应量增长率4个内生变量的后验均值对于1标准单位“扩张性”货币政策冲击的反应轨迹（实线）以及95%HPD置信集（虚线）。 国内很多学者对货币冲击脉冲响应进行分析，其中李春吉和孟晓宏（2006）基于新凯恩斯主义垄断竞争模型研究了中国经济波动问题，分析认为货币政策冲击同技术冲击和政府支出冲击等一样可以产生明显的经济波动；王晓芳和毛彦军（2012）研究表明货币供给冲击对通货膨胀波动有显著影响，但对产出波动的影响偏小；隋建利、刘金全和庞春阳（2011）将太阳黑子冲击与货币政策冲击进行比较研究，结论是对内生变量波动的贡献率而言，我国货币政策冲击和“太阳黑子冲击”的作用都较为微弱。以上分析仅有隋建利、刘金全和庞春阳（2011）给出冲击脉冲响应HPD置信集。
对比隋建利、刘金全和庞春阳（2011）的货币冲击脉冲响应HPD置信集，图3显示的本文冲击反应函数95%HPD置信集宽很多，这表明货币政策冲击效应存在较大波动性和不稳定性，这给央行评定政策有效性带来很大困难。
货币政策通过利率的传导机制使央行货币供应量上升，导致实际利率下降，利率变化进一步通过资本边际效率的影响使投资增加，最终导致总支出和总收入的增加，图3显示一个预期货币政策冲击导致产出增长率在随后一期上升0.15个百分点，利率提高40个基点，而通货膨胀率则下降0.4个百分点，货币供应增长率下降0.2个百分点，随后通货膨胀率在回复稳态水平之前迅速上升0.2个百分点，货币供应量增长率在回复稳态水平之前迅速下降0.3个百分点，利率则迅速下降50个基点。可见我国货币政策的货币供应量传导存在明显滞后效应，滞后期大约为6个月到15个月，而利率传导几乎没有时滞效应，对产出有明显滞后效应，而对于通货膨胀率几乎没有滞后效应。 这说明一方面货币供应量作为货币政策中介目标的可行性大大下降， 应大力推进利率市场化，将利率作为主要货币政策中介目标；另一方面社会对通货膨胀率包容性较差， 通货膨胀反应敏感，因此今后央行货币政策操作应多关注通货膨胀率效应，增强货币政策透明度。
从图5可以看出，GDP增长率与货币供应量增长率对于扩张性货币政策冲击的长期决定性趋势是增长趋势，GDP增长率的增长趋势高于货币供应量增长率的决定性趋势，这与前文分析结果一致，表明我国GDP增长率对货币政策冲击比货币供应量增长率反应强烈。
（六）BDSGE模型估计
估计模型（5），将DSGE模型参数的后验递归均值和后验边际概率密度函数作图6和图7。
四、结论与政策建议
本文构建了贝叶斯推断下的VAR模型、SVAR模型、VECM模型和DSGE模型，对货币政策冲击预期效应进行有效识别， 采用贝叶斯推断的后验分布函数和概率密度函数形式都接近现实情况， 采用贝叶斯推断可有效刻画货币政策冲击效应。 实证分析结果显示我国货币政策冲击效应存在较大波动性和不稳定性， 货币政策的货币供应量传导存在明显滞后效应，而利率传导几乎没有时滞效应，对产出有明显滞后效应， 而对于通货膨胀率几乎没有滞后效应，我国GDP增长率对货币政策冲击比货币供应量增长率反应强烈， 货币供应量增长率为逆周期变量，GDP增长率为顺周期温和变量， 我国货币供应量具有明显内生性特质。
实证分析结果的启示是，货币供应量作为货币政策中介目标的可控性、可操作性和相关性大大降低，而利率具备良好的可控性和相关性， 央行应大力促进利率市场化， 将利率作为主要货币政策中介目标； 另一方面实证分析显示我国社会对通货膨胀率包容性较差，反应敏感，如在由某些农产品短缺引致的物价上涨时， 社会舆论较普遍地将其认定为通胀，要求采取紧缩的货币政策，而央行则会担心紧缩货币政策对相关实体经济部门和经济运行走势的影响程度，归根到底实质是无法确定货币政策对实体经济部门的冲击预期效应， 因此本文给今后央行评价货币政策冲击效应提供了一个框架， 并且今后央行货币政策操作应多关注通货膨胀率效应，增强货币政策透明度，既可以做到有效控制通货膨胀，又能够预期到对产出的负面影响程度，这对于今后货币政策操作有重要的理论和实践意义。
参考文献：
[1]Banbura，M.，Giannone，D. and Reichlin，L. （2010）. .Large Bayesian VARs，Journal of Applied Econometrics，25，71-92.
[2]Belviso，F. and Milani，F.（2006）.. Structural factor augmented VARs （SFAVARs） and the effects of monetary policy，. Topics in Macroeconomics，6，2.
[3]Bernanke，B.，Boivin，J. and Eliasz，P. （2005）.. Measuring monetary pol-icy： A Factor augmented vector autoregressive（FAVAR） approach，Quarterly Journal of Economics，120，387-422.
[4]Canova，F. （1993）. Modeling and forecasting exchange rates using a Bayesian time varying coefficient model，. Journal of Economic Dynamics and Control，17，233-262.
[5]Canova，F. and Ciccarelli，M.（2009）.. Estimating multi-country VAR models，International Economic Review，50，929-959.
[6]Carlin，B. and Chib，S. （1995）.. Bayesian model choice via Markov chain Monte Carlo methods，. Journal of the Royal Statistical Society，Series B，57，473-84.
[7]Chib，S.，Nardari，F. and Shephard，N. （2002）.. Markov chain Monte Carlo methods for stochastic volatility models，Journal of Econometrics，108，281-316.
[8]Del Negro，M. and Otrok，C.（2008）.. Dynamic factor models with time varying parameters： Measuring changes in international business cycles，Federal Reserve Bank of New York Staff Report no. 326.
[9]Korobilis，D.（2009b）..VAR forecasting using Bayesian variable selection，manuscript.
[10]李春吉，孟晓宏. 中国经济波动——基于新凯恩斯主义垄断竞争模型的分析[J]. 经济研究，2006（10）.
[11]王晓芳，毛彦军. 预期到的与未预期到的货币供给冲击及其宏观影响[J]. 经济科学，2012（2）.
[12]隋建利，刘金全，庞春阳. 基于太阳黑子冲击视角的中国货币政策有效性测度[J]. 管理世界，2011（9）.
（责任编辑：郄彦平；校对：卢艳茹）