(二)价格型调控模式
在价格型调控模式下,货币当局直接调节利率水平i来影响最终政策目标(产出x和通胀π),⑥而货币供应量m随货币需求自由变动,不再参与决定产出和通胀。②由于动态随机一般均衡模型中影响总需求的关键变量是利率而非货币供应量(如(2)所示),因此价格型调控模式下政策执行效果将不再受货币需求稳定性v的影响。但这并不意味着所有扰动项可以自然地被“假设掉”。事实上,与数量型调控类似,价格型调控自身也面临不确定性:货币当局能直接控制的只是作为政策工具的基准利率(通常是货币市场短期利率),并非作为中间目标的全社会利率水平或融资成本(如贷款利率、债券利率),而基准利率向金融体系其他利率的传导过程仍不可避免地受到诸多干扰。因此,价格型调控模式下利率传导过程可假设为:it=ibt+θt,其中ibt为基准利率,it为全社会利率水平,θ则代表了货币当局实现全社会利率水平这一中间目标所面临的各种扰动项,主要有:(1)货币当局对政策工具本身的控制和驾驭能力,如能否通过公开市场操作迅速准确地实现合意的基准利率水平,是否会进行不必要或适得其反的政策干预;(2)基准利率向整个金融市场利率体系的传导是否顺畅,主要取决于金融体系和金融市场的成熟度。与其他随机扰动项类似,假设θ也服从一阶自回归过程AR(1):θt=ρθθt-1+ξt,ξt服从白噪声过程:均值为0,方差为σξ2,且与et、φt和ψt相互独立。
由最优时一阶条件、(1)式、(2)式可得:
货币当局的最优选择是实现利率水平it以使πt=π*+Δ*始终成立。所以最优利率水平为:
(13)
其中ibt*为最优基准利率。由于在设定政策目标时货币当局只拥有t-1期信息,因此只能基于t-1期信息对zt、ut、vt和θt取期望值,所以货币当局实际使用的基准利率为:
(14)
代入(12)式可得在该利率水平下的实际通胀率为:
(15)
因此在价格型调控机制下,货币当局目标函数值为:
(16)
同样地,货币当局可以利用新信息改进其对于真实冲击的期望值,从而进一步缩小中间目标与其最优值之间的偏差。由(13)、(14)式可知,最优基准利率水平。而由(15)式可知,实际通胀率与目标通胀率之间的差距可以进一步揭示关于et、φt和ξt的信息,基准利率可以据此改进、更接近最优水平ibt*,中间目标全社会利率水平也可以更接近最优利率水平it*⑧:。其中:γt(i)=φt-E[φt/Δπ(i)],εt(i)=et-E[et/Δπ(i)],ξt(i)=ξt-E[ξt/Δπ(i)]。相比于充分利用了Δπ(i)所提供的信息。由(12)可知,当基准利率取ib(Δπt)时通胀率为:πt[ib(Δπt)]=π*+Δ*+kγt(i)+εt(i)-。相比于更接近于最优利率水平π*+Δ*。而由于,因此在ib(Δπt)的价格型调控机制下,货币当局的目标函数值也更优:
(17)
以上对价格型调控模式的分析表明,货币当局对目标ib(Δπt)的设定及其目标函数值同样由经济金融体系中的基本参数、各种冲击的波动程度及其对不同政策目标赋予的权重w决定。
(三)两类货币政策操作模式的取舍
在求解过程不做进一步优化的前提下,对比(10)和(16)式可知,价格型调控机制优于数量型,即当且仅当:
(18)
对求解过程均进一步优化后,对比(11)和(17)式可知,价格型调控机制优于数量型,即V(ib(Δπt))≤V(m(Δπt))当且仅当:
(19)⑨
可以证明以上不等式的左侧为σξ2的增函数,而右侧为σψ2的增函数。
可见,无论(18)还是(19)式均不包含货币当局目标权重w。所以货币当局对政策目标的权衡虽然会影响中间目标设定及其目标函数值,但并不会影响其对不同调控机制的选择。更重要的是,不论货币当局是否根据新信息对中间目标设定做进一步优化,货币需求函数波动性始终是对两种货币政策调控机制进行取舍的关键因素:当货币需求函数波动性超过利率调节波动性、总需求波动性和总供给波动性到一定程度时,价格型调控机制将优于数量型调控机制。这一对比关系也会受到经济金融体系中的各基本参数,即经济金融体系发展阶段和成熟度的影响。
三、实证分析
理论分析结果(18)和(19)式为考察货币政策调控模式提供了实证检验标准。我们可以通过实证估计出经济体系各主要参数,由此求解当期经济环境下我国货币政策的最优调控模式。
(一)计量模型设定和估计方法
以方程(1)—(3)为基础建立如下系统方程组。经济体系基本参数可由该模型参数估计。扰动项方差可由各成分方程(包括利率调控方程)的残差平方和估计。实证分析主要目的是估计上述参数、检验(18)和(19)式是否成立。
上述系统方程组既存在外生变量也存在内生变量,因此是联立方程组模型。对此类模型,自变量往往和随机扰动项相关,因此普通最小二乘法(OLS)和似非相关回归法(SUR)(即多元回归法或Zellner法)有偏且不一致,而间接最小二乘法(ILS)在很多情况下无法给出参数的唯一估计且无法满足有效性;完全信息极大似然估计法(FIML)在扰动项正态分布的假设下为最有效的无偏估计,但若该假设不满足,其性质无法保证;两阶段和三阶段最小二乘法(2SLS和3SLS)是联立方程组传统估计方法,满足一致性且可视为广义矩法(GMM)的特例。如果扰动项满足条件同方差,3SLS是最优的GMM估计量,而2SLS只在一些特殊情形下才等价于3SLS,因此3SLS要优于2SLS;相比之下GMM适用范围最广,可以在扰动项具体分布未知、不对扰动项方差做严格假设的情况下得到稳健估计值,满足一致性和渐进正态性。本文选择3SLS作为估计方法,一方面是因为当扰动项条件同方差时3SLS等价于最优GMM估计量,另一方面是相比于GMM,3SLS更充分地利用了扰动项方差的信息,因此其有限样本性质好于GMM。本文选用外生变量Eπ、Ex和i为工具变量。
(二)样本选择、指标选取和数据初步处理
综合考虑数据的时效性和可得性,选取2001年至2011年的月度数据,该样本涵盖了过去十多年的完整经济周期⑩,可以避免周期性因素的干扰。此外,样本实际容量为2001年10月至2011年12月的123个观察值,较大的样本规模可以确保大样本性质,获得较准确的、稳健的参数估计值。
与理论模型一致,本文计量模型在选择相关变量后,使用HP滤波估算其趋势值作为稳态值的近似,进而计算其偏离稳态的比率。(11)具体地,(1)π取CPI,Eπ取基于央行城镇储户调查中未来价格预期对CPI变化率的预测值;(2)考虑到工业在我国经济中居核心地位,x用工业增加值计算,Ex取基于OECD中国领先指数的预测值;(3)m-p取M2/CPI比率;(4)i取根据上浮比例调整后的贷款基准利率,以反映实体经济“真实”利率水平;(5)ib选7天回购利率作为替代,因为后者直接受央行公开市场操作的影响,可很好地反映央行调节银行间市场流动性的政策意图。
以上所有数据均经过了基于X12-ARIMA法的季节调整,因此环比变化率不会受季节性因素的干扰。由于所有变量均由绝对水平转化为变化率,因此均通过了ADF单位根检验,为平稳序列。
(三)估计结果和检验
模型的主要估计结果如下表所示。其中*表示在10%的水平下显著,**表示在5%的水平下显著。
表1 模型主要估计结果
系数 |
估计值 |
t统计量 |
系数 |
估计值 |
t统计量 | |||
a(1) |
-0.05077 |
-0.22920 |
a(5) |
-1621.23100 |
-4.34089*** | |||
a(2) |
0.68081 |
2.76087*** |
a(6) |
-62.62812 |
-1.756214* | |||
a(3) |
0.00012 |
0.26444 |
a(7) |
21.17952 |
3.80E-01 | |||
a(4) |
449.67360 |
1.10693 |
|
|
| |||
Wald参数假设检验(a(2)=a(3)=a(5)=a(7)=0): | ||||||||
χ2 |
24.57720 |
P值 |
0.0001 |
| ||||
经济体系基本参数: | ||||||||
|
0.68081 |
ψ2 |
0.63 |
| ||||
|
0.00012 |
e2 |
21129032.26 |
| ||||
|
0.00062 |
φ2 |
105203.23 |
| ||||
|
0.04722 |
σψ2 |
0.45 |
| ||||
验证理论模型结论: | ||||||||
|
左式 |
右式 | ||||||
(18)式:未对中间目标作进一步优化 |
0.0031 |
0.0272 | ||||||
(19)式:对中间目标作进一步优化 |
62,535,582 |
161,226,199 | ||||||
由上表可见,a(2)(即)、σ(5)(即)和a(6)显著,而a(1)、a(3)(即)、a(4)和a(7)(即)则相对不显著。(12)大样本条件下可用Wald检验来进行参数假设检验。上表给出了针对a(2)=a(3)=a(5)=a(7)=0的假设检验,结果在1%的显著性水平下拒绝原假设,表明系统参数不全为0。单个系数Wald检验的结果与t检验相同。模型残差的自相关检验显示Box-Pierce/Ljung-BoxQ-统计量各阶均不显著,即残差已为白噪声。因此模型的设定已较为完整,不存在缺失的解释变量。
最后,由参数估计值可以对(18)和(19)式左右两端进行估算,结果显示右侧始终大于左侧,从而得到本文实证分析的基本结论,即(18)和(19)式在2001-2011年的样本期内均成立。
(四)计量模型估计结果的稳健性
1.估计方法的影响:不同计量方法各有其适用性、拥有不同的大样本或有限样本性质。为考察计量方法的选择是否会影响到实证分析的基本结论,我们使用其他方法进行估计。如表2所示,除极大似然法由于参数估计值符号不符合理论假设(13)外,其他估计方法虽然得到不同的参数估计值,但“(18)和(19)式在2001—2011年的样本期内均满足”的基本结论始终成立。
表2 不同估计方法下的实证分析结论
|
(18)式:未对中间目标作进一步优化 |
(19)式:对中间目标作进一步优化 | ||
|
左式 |
右式 |
左式 |
右式 |
3SLS |
0.0031 |
0.0272 |
62,535,582 |
161,226,199 |
GMM |
0.1164 |
1.2194 |
52,503,866 |
135,043,107 |
SUR |
0.0605 |
50.6331 |
81,288,814 |
9,929,778,414 |
WLS |
0.0858 |
77.0272 |
81,207,170 |
7,472,074,660 |
FIML |
参数估计值不符合理论假设,无法推断 |
2.数据频率的影响:数据频率不同也会给估计结果带来潜在的影响。相比于月度数据,季度数据的优点在于可以使用GDP平减指数来计算π、实际GDP来计算x,从而能够比CPI和工业增加值更全面地反映经济的通胀和产出水平。但是季度数据不可避免地面临样本容量小的问题:2001年至2011年一共只有42个样本点,因此依赖于大样本的估计量一致性会受到影响。使用季度数据重新估算以上联立方程组,结果显示虽然参数估计值有所不同,但(18)和(19)式仍然成立。
(五)脉冲响应函数模拟分析
作为更直观地比较两种调控模式的方法,我们可以将π、x、m-p和i设定为一个向量自回归模型(VAR),通过脉冲响应函数来模拟考察来自m-p和i的冲击会给π和x分别带来怎样的变化。如下图所示,使用Cholesky分解的脉冲响应函数结果表明:相比于来自于利率i的冲击,货币供应量m-p冲击所造成的π和x的波动幅度更大,从而更加偏离货币当局稳定通胀和产出的目标。这佐证了在当前的经济环境下,价格型调控模式相比数量型调控更有助于货币当局实现其目标。
图1 产出和通胀的脉冲响应模拟分析
(六)实证分析结论
1.我国经济金融运行环境正面临着变化和新情况。首先,两种调控模式的效力此消彼长。参数估计σ显著而b不显著表明:利率对于产出(总需求)的影响已较为重要(见(2)式),反映了价格型调控模式下货币政策向实体经济传导的基础已较为牢固;而货币需求函数中货币对于产出和利率的变动并不十分敏感(见(3)式),这可能体现了我国数量型调控模式下货币供应量偏离了货币真实需求,即存在政策偏误,也可能由于金融创新使得M2越来越难以准确衡量真实的货币供应量。其次,β显著而k不显著则表明通胀预期相对于产出缺口而言,对当期通胀的影响更加明显(见(1)式)。这意味着实体经济供求关系以外的其他因素如通胀预期,对我国通胀的作用已变得较为重要。事实上,后者已成为欧美发达经济体货币政策的重要中间目标。因此,人民银行在调控通胀时,除了关注传统的实体经济总供求和货币因素,还需更加重视对公众通胀预期的引导和控制。
2.在当前的经济金融背景环境下,无论货币当局在“控通胀”和“保增长”两大目标间做何取舍,无论是否基于新信息对中间目标做进一步优化,价格型调控模式相比数量型调控都更有助于货币当局达成目标。由参数估计的显著性可见,经济各部门对于利率已较为敏感,利率对实体经济的传导机制已较为顺畅,而货币供应量则随着金融体系日趋复杂而越来越难以控制——中国由数量型货币政策调控模式向价格型调控模式转变的条件在过去十年间已经成熟。
(未完待续)
责任编辑:夏雨