金成曉，盧穎超

(1.吉林大學 數(shù)量經(jīng)濟研究中心，吉林 長春　130012；2.華夏銀行 博士后科研工作站，北京　100005)

?

中國經(jīng)濟波動分解及異質(zhì)性貨幣政策沖擊的動態(tài)響應機制

金成曉1，盧穎超2

(1.吉林大學 數(shù)量經(jīng)濟研究中心，吉林 長春130012；2.華夏銀行 博士后科研工作站，北京100005)

摘要：文章通過構(gòu)建隨機擾動變參數(shù)因子擴展的向量自回歸模型(SV-TVP-FAVAR模型)，對中國經(jīng)濟波動進行結(jié)構(gòu)性及周期性因素分解，在此基礎(chǔ)上給出異質(zhì)性貨幣供給沖擊對經(jīng)濟變量的動態(tài)影響特征。得出以下結(jié)論：結(jié)構(gòu)性因素解釋經(jīng)濟波動的34.12%，周期性因素解釋經(jīng)濟波動的65.88%，兩種因素的影響效果明顯不同；樣本期內(nèi)，貨幣政策變量具有3個轉(zhuǎn)折點，分別為1961年、1978年及1996年；不同經(jīng)濟波動成分對貨幣政策沖擊的響應存在較大差異；不同的經(jīng)濟狀態(tài)也會對貨幣政策的調(diào)控存在影響。

關(guān)鍵詞：動分解；貨幣政策沖擊；SV-TVP-FAVAR

一、問題與文獻回顧

近年來，中國經(jīng)濟增速不斷波動，并且每次波動都伴隨著不同程度的結(jié)構(gòu)性及周期性因素的影響。2012年以來，受國內(nèi)外復雜因素的影響，中國經(jīng)濟始終面臨較大的下行壓力，進口三度負增長。當前經(jīng)濟增長趨于穩(wěn)定，但穩(wěn)定基礎(chǔ)并不牢固。一些學者則認為中國此輪經(jīng)濟波動就是由結(jié)構(gòu)性及周期性因素疊加造成的，包括為了平衡前些年的貿(mào)易順差以及經(jīng)濟高增長所實施的平衡政策；同時全球金融危機后世界經(jīng)濟出現(xiàn)了整體減速的現(xiàn)象；再有國內(nèi)劉易斯拐點的到來，勞動力供給短缺等一系列因素重疊在一起，造成了當前經(jīng)濟面臨的困難。然而不同因素對經(jīng)濟造成的影響強度及響應時間存在顯著差異，要想有效地治理中國經(jīng)濟波動，分別研究結(jié)構(gòu)性及周期性成因具有重要的經(jīng)濟意義。如何度量中國結(jié)構(gòu)性及周期性因素是一個不可回避的問題。所謂結(jié)構(gòu)性因素主要指一種長期的經(jīng)濟結(jié)構(gòu)的轉(zhuǎn)變。經(jīng)濟結(jié)構(gòu)調(diào)整是指國家運用經(jīng)濟、法律等必要手段，改變現(xiàn)有的經(jīng)濟結(jié)構(gòu)狀況，使之合理化、完善化，進一步適應生產(chǎn)力發(fā)展的需要。而本文則把結(jié)構(gòu)性因素更多地解釋為影響經(jīng)濟波動的長期性因素。周期性因素代表引起經(jīng)濟短期波動的因素，其涵蓋經(jīng)濟中的很多方面，例如庫存、公眾對經(jīng)濟變動的預期、國內(nèi)外經(jīng)濟環(huán)境及政策變動、總需求的變化，等等。與此同時，當經(jīng)濟受到以上多種因素疊加影響時，貨幣政策沖擊的動態(tài)響應機制在不同時點會產(chǎn)生不同的影響效果。并且考慮到貨幣當局在制定切實可行的貨幣政策之前，需要進行貨幣政策影響分析，通常需要監(jiān)控上百個經(jīng)濟指標。當經(jīng)濟變量之間相互關(guān)聯(lián)且存在經(jīng)濟轉(zhuǎn)變時，僅使用幾個變量來代表大量經(jīng)濟信息以及使用不變參數(shù)模型來刻畫經(jīng)濟是不現(xiàn)實的，所以本文采用隨機擾動時變參數(shù)因子擴展向量自回歸模型(SV-TVP-FAVAR)從大量數(shù)據(jù)集中抽取出不可觀測因子，其可以解釋經(jīng)濟中的大量結(jié)構(gòu)性及周期性的經(jīng)濟信息，在此基礎(chǔ)上得到異質(zhì)性貨幣政策沖擊對經(jīng)濟變量的動態(tài)響應效果。

對于經(jīng)濟波動的成因問題，國內(nèi)外有很多學者進行研究。金浩、李延軍及高素英[1]就使用了轉(zhuǎn)折點檢驗及回歸的方法判定中國經(jīng)濟周期的劃分以及造成這種經(jīng)濟波動的總需求方面的成因。廖曉燕[2]則使用總量數(shù)據(jù)從信息技術(shù)革命、制度以及外部因素等方面分析了美國經(jīng)濟周期的成因。然而大多數(shù)學者是從總量分析角度對經(jīng)濟波動成因進行探討，但總量分析方法也有其缺陷，不能對經(jīng)濟中多種因素的混合影響進行更加細致的分析，給出有針對性的建議。所以針對此不足，一些學者對相應的研究方法進行改進。對于經(jīng)濟變量的分解，Chen等[3]使用VAR方法對美國就業(yè)市場的失業(yè)率波動做了結(jié)構(gòu)性及周期性的分解，解釋了美國大蕭條時期造成長期高失業(yè)率的原因。而Fleischman和Roberts[4]，Morley、Nelson和Zivot[5]等使用卡爾曼濾波法對GDP進行分解，得到了GDP的趨勢以及周期性成分，進而對其長期和短期的波動進行了分析。但以上方法都是僅使用幾個經(jīng)濟變量進行研究，可能造成經(jīng)濟中重要信息缺失。所以Bernanke等[6]在Sims[7]的向量自回歸模型的基礎(chǔ)上首次提出了因子擴展的向量自回歸模型(FAVAR)，通過從大量的數(shù)據(jù)序列中提取主要的經(jīng)濟成分對經(jīng)濟波動及政策傳導進行研究。中國學者王少平等[8]也應用了FAVAR方法對中國的CPI進行宏觀成分及特質(zhì)沖擊的分解，判定二者在引起CPI波動方面所占比重以及其對經(jīng)濟所造成的影響。本文考慮到經(jīng)濟波動的成因復雜，使用簡單的幾個主要變量很難涵蓋較多的經(jīng)濟信息，解釋能力有限，而FAVAR方法則有效地解決了此問題，既掌握了因子分析的優(yōu)勢，起到降維的目的，又可以有效地抓住經(jīng)濟中較多的有用信息，所以使用FAVAR方法對經(jīng)濟波動進行分解，進而揭示各方面因素對經(jīng)濟波動的影響效果及差異，是本文的一個主要研究動機。

另外，貨幣政策沖擊對于經(jīng)濟的動態(tài)影響特征分析一直是宏觀經(jīng)濟學界的熱點問題，所以對于貨幣政策動態(tài)影響特征的研究，學者們也在不斷尋找新的突破。Boivin和Giannoni[9]，Cogley和Sargent[10-11]以及Clarida等[12]探討了美國20世紀80年代后的貨幣政策在穩(wěn)定價格及總的經(jīng)濟活動方面起到的更加積極的作用。中國學者王松濤、劉洪玉[13]以住房為載體研究了中國貨幣政策的傳導機制。然而上述文章都是使用線性計量模型進行研究，對于說明貨幣政策在不同發(fā)展階段出現(xiàn)的非連續(xù)性以及非一致性問題的可信度降低。為了彌補此缺陷，Primiceri[14]，Sims和Zha[15]，Koop和Korobilis[16]隨后使用擴展的VAR模型，即允許VAR模型的參數(shù)隨著時間而變動，探討了貨幣政策沖擊對經(jīng)濟波動特征的影響是否會隨著時間而發(fā)生明顯變化。像上文所述，在實際的經(jīng)濟決策過程中，經(jīng)濟決策者以及經(jīng)濟機構(gòu)會接觸到成百上千個變量信息[17]，在研究過程中若僅使用幾個變量，很難精確地涵蓋經(jīng)濟的結(jié)構(gòu)轉(zhuǎn)變特征。使用動態(tài)因子分析可以很好地解決此問題，也不會造成自由度的損失，因為動態(tài)因子模型還可以使用幾個主因子來涵蓋大量數(shù)據(jù)集中的重要信息。所以一些學者，如Boivin和Ng[18]，Giannone、Reichlin和Small[19]，Boivin和Giannoni[9]，Bernanke等[6]以及Korobilis[20]嘗試將FAVAR方法與動態(tài)參數(shù)及動態(tài)隨機波動方法進行結(jié)合，給出了SV-TVP-FAVAR模型，并對貨幣政策的傳導動態(tài)特征進行了研究。本文則參考Korobilis[20]，使用SV-TVP-FAVAR模型對中國的經(jīng)濟波動以及異質(zhì)性貨幣政策沖擊的動態(tài)影響效果進行深入探討。

綜上所述，本文存在以下幾點創(chuàng)新：(1)對經(jīng)濟波動的成因進行分解研究，從不同成因的角度進行刻畫；(2)在對經(jīng)濟波動變量進行分解的過程中，考慮大量的信息集，通過抽取信息集中的主成分對變量進行分解，而不是僅根據(jù)幾個總量變量進行刻畫；(3)在研究貨幣政策對經(jīng)濟的調(diào)控效果時，考慮了異質(zhì)性因素，即在不同時點、不同經(jīng)濟狀態(tài)下給定貨幣政策沖擊進行對比分析；(4)進行脈沖響應分析時所建模型為隨機擾動時變參數(shù)模型，而不是固定參數(shù)模型，這更能夠體現(xiàn)出經(jīng)濟的波動特點。

二、模型設定

本文使用的參數(shù)及擾動項隨時間可變的因子擴展向量自回歸模型(SV-TVP-FAVAR模型)是在Sim[7]所提出的向量自回歸模型(VAR)基礎(chǔ)上進行的動態(tài)因子擴展。較經(jīng)典的框架由Korobilis[20]建立，本文就是基于此框架進行研究。對于SV-TVP-FAVAR模型的簡化式表示如下：

(1)

其中Yt=[Ft,Rt]′為總因子，其包含維數(shù)為(ν×1)的可觀測因子Rt，可以是貨幣政策沖擊或一些主要經(jīng)濟變量，((K+ν)×1)維的誤差項υt的均值為0，協(xié)方差矩陣Ωt的維數(shù)為((K+ν)×(K+ν))。然而方程(1)不能直接估計，因為變量中包含不可直接觀測的因子。所以首先需要在大量的數(shù)據(jù)集中提取不可觀測的共同因子。假設Xt是一個包含大量經(jīng)濟時間序列的經(jīng)濟信息集，其中N較大且一般比FAVAR模型中估計出的因子個數(shù)更大(即K+v≤N)。信息集Xt與不可觀測因子Ft以及可觀測變量Rt具有相關(guān)性，其聯(lián)系方程表示為：

Xt=ΛfFt+ΛrRt+et

(2)

其中Λf是N×K維的因子載荷矩陣，Λr是N×ν維的因子載荷矩陣，et代表N×1維的誤差項，其均值為0，方差協(xié)方差矩陣為Ψ=diag(exp(ψ1,t),…,exp(ψn,t))。方程(2)表明Ft與Rt共同推動經(jīng)濟變量Xt的波動。方程(1)與方程(2)共同構(gòu)成了SV-TVP-FAVAR模型。

(3)

對于參數(shù)的設定參考Primiceri[14]以及Koop和Korobilis[16]，假定所有的參數(shù)都服從隨機游走過程，并且隨機游走參數(shù)的沖擊設定參考Giordini和Kohn[21]的混合設定形式：

(4)

其中，φ=[αt,βt,p]，并且沖擊之間相互獨立且服從于式(5)中的正態(tài)分布：

(5)

在式(5)中的誤差項之間允許存在相關(guān)關(guān)系。本文則通過方程(2)從信息集Xt中提取代表大部分經(jīng)濟信息的不可觀測因子，并用來解釋經(jīng)濟結(jié)構(gòu)性及周期性波動的成因。使用因子載荷矩陣Λf、Λr對國內(nèi)生產(chǎn)總值波動序列進行結(jié)構(gòu)性及周期性因素分解，并在此基礎(chǔ)上分析中國的異質(zhì)性貨幣政策沖擊對經(jīng)濟的動態(tài)響應時變特征。其中可觀測變量集Rt包括通貨膨脹率、經(jīng)濟增長率以及中央銀行的貨幣供給量。本文選擇貨幣供給量增長(M2增長率)作為央行的貨幣政策工具，是考慮到金融危機后，各大經(jīng)濟體爭相采用量化寬松的貨幣政策，希望通過擴大貨幣供給量來穩(wěn)定價格、平抑經(jīng)濟波動，所以深入研究貨幣供給沖擊下的貨幣政策內(nèi)生傳導機制有利于貨幣當局制定出具有前瞻性、異質(zhì)性和持續(xù)性的貨幣政策。雖然當前貨幣供給量作為中國貨幣政策的中介目標受到了一些學者的質(zhì)疑，認為其可控性較差，但大多數(shù)學者仍認為貨幣供給量與GDP及通貨膨脹之間仍有較大的相關(guān)性，所以當前使用其作為貨幣政策的中介目標仍然合理[22-23]。

確定因子個數(shù)的方法不盡相同，有Bai和Ng[24]提出的因子個數(shù)信息準則以及Bernanke、Boivin和Eliase[6]提出的敏感性分析等。本文采用敏感性分析方法進行確定。具體估計方法為：從不可觀測的因子個數(shù)為1開始，與可觀測變量共同組成共同因子，基于此估計模型(2)，依次增加不可觀測因子Ft的個數(shù)并基于對應的模型(2)計算因子所解釋的經(jīng)濟變量信息，直至Ft的增加至K，繼續(xù)增加Ft的個數(shù)對經(jīng)濟序列的解釋能力不能產(chǎn)生實質(zhì)性的不同，至此確定Ft的個數(shù)。而本文在抽取主因子的時候首先將總的經(jīng)濟變量集分成兩部分，說明結(jié)構(gòu)性問題的變量與周期性問題的變量分別歸組，并在兩組變量中抽取主成分，來代表經(jīng)濟的主要信息。對于參數(shù)估計本文參考Korobilis[20]，使用Gibbs抽樣方法進行MCMC估計。首先從10 000次Gibbs迭代后去掉前面的2 000次隨機生成樣本，建立一個Gibbs樣本，然后利用抽樣樣本的統(tǒng)計推斷性質(zhì)來估計相應的后驗參數(shù)。

三、實證分析

(一)數(shù)據(jù)選取及預處理

本文考慮到經(jīng)濟波動為長期性問題，所以本文選取年度數(shù)據(jù)進行說明。樣本區(qū)間選取了1953-2011年的59個觀測值，構(gòu)建了31維的宏觀信息集Xt，主要包括：(1)實際產(chǎn)出類，包括國民生產(chǎn)總值、國內(nèi)生產(chǎn)總值以及三大產(chǎn)業(yè)的國內(nèi)生產(chǎn)總值等；(2)實際消費及零售類，包括全國居民消費價格水平絕對值、居民消費價格指數(shù)、全國商品零售總額等；(3)黃金及外匯儲備類；(4)人口類，包括出生率、死亡率以及就業(yè)人口數(shù)等；(5)進出口類，包括進口貿(mào)易總額、出口貿(mào)易總額等5大類變量。本文應用上述變量集，是因為考慮到影響經(jīng)濟波動的主要成因以及中國數(shù)據(jù)的可獲得性。對于可觀測變量集中的3個變量來說，通貨膨脹率根據(jù)年度居民消費價格指數(shù)(CPI)計算得出，具體的計算公式為通貨膨脹率=CPI-100；經(jīng)濟增長率根據(jù)國內(nèi)生產(chǎn)總值數(shù)據(jù)計算得出，其計算公式為經(jīng)濟增長率=(當年國內(nèi)生產(chǎn)總值-前一年國內(nèi)生產(chǎn)總值)/前一年國內(nèi)生產(chǎn)總值；而貨幣政策工具變量考慮到貨幣供應量M2更能夠代表經(jīng)濟中的流動性變動，所以選擇它的增長率序列來進行研究，由于樣本區(qū)間的時間跨度較長，M2數(shù)據(jù)序列在中國的數(shù)據(jù)有限，所以本文使用的M2序列在1953年到2001年的數(shù)據(jù)是參考章澤武[25]所給出的值，其設定公式為貨幣供應量M2=貨幣(M1)+準貨幣=流通中的貨幣(M0)+單位存款+儲蓄存款，而2001年以后的貨幣供給量的數(shù)據(jù)則來自于《中國宏觀經(jīng)濟政策報告》，繼而根據(jù)此計算其增長率序列。雖然由于中國數(shù)據(jù)資源的限制，Xt的維數(shù)和樣本長度仍然較小，但涵蓋了中國實際經(jīng)濟活動等重要的宏觀經(jīng)濟信息。本文中其他數(shù)據(jù)均來自于國家統(tǒng)計局網(wǎng)站以及《新中國60年統(tǒng)計資料匯編》。

本文中只有59個觀察值，而變量又有31維的宏觀信息集，但并不對模型的估計精度造成影響，原因為：(1)文章首先在31維的變量集中抽取主成分，在主成分的抽取過程中59個觀測值足夠觀測數(shù)據(jù)的趨勢變化特征；(2)在估計時變參數(shù)模型的過程中，也就是對異質(zhì)性貨幣政策沖擊研究的過程中僅使用3個變量，即貨幣供給量以及文章中對經(jīng)濟波動分解出的2個成分變量，所以3個變量的模型使用59個觀測值也具有可行性。

由于數(shù)據(jù)的量綱存在很大差異，為防止較大的估計誤差，所以在建立SV-TVP-FAVAR之前要對數(shù)據(jù)進行標準化處理，即將Xt中的每一個分量變換為均值為0，標準差為1的序列。單位根檢驗證明大量數(shù)據(jù)為非平穩(wěn)數(shù)據(jù)，所以首先對數(shù)據(jù)進行平穩(wěn)化處理。對于實際數(shù)量序列則使用取對數(shù)差分的變換進行處理，變換為環(huán)比增長率序列，例如實際國內(nèi)生產(chǎn)總值等變量。而對于一些指數(shù)及增長率變量則直接進行差分處理，例如出生率等變量。對于本身為平穩(wěn)的序列則無需處理。最后使Xt中所有分量為平穩(wěn)序列。數(shù)據(jù)的預處理使用Eviews軟件進行操作，實證部分則全部使用matlab軟件完成。

(二)中國經(jīng)濟波動的結(jié)構(gòu)性及周期性因素分解

本文根據(jù)Bernanke、Boivin和Eliase[6]的敏感性分析方法，選擇不可觀測因子的個數(shù)為2。分別從結(jié)構(gòu)性變量集以及周期性變量集中各抽取一個不可觀測因子。這兩個因子基本涵蓋了不可觀測信息集的大部分信息。其中結(jié)構(gòu)性變量集包含的主要變量為：總?cè)丝?、出生率、死亡率、自然增長率、總就業(yè)人數(shù)、第一至第三產(chǎn)業(yè)的就業(yè)人數(shù)、第一至第三產(chǎn)業(yè)的國內(nèi)生產(chǎn)總值、農(nóng)林牧副漁總產(chǎn)值、全國工業(yè)總產(chǎn)值、全國能源總產(chǎn)值、貨運總量以及黃金儲備(盎司)和外匯儲備。而周期性變量集包含的主要變量為：平均貨幣工資、國民總收入、全國居民消費水平絕對值、財政收入、財政支出、財政收入占國內(nèi)生產(chǎn)總值比重、全國各項稅收收入、商品零售價格指數(shù)、全國消費品零售總額以及進口貿(mào)易總額和出口貿(mào)易總額。圖1為本文從數(shù)據(jù)集中抽取的主因子。

圖1　結(jié)構(gòu)性以及周期性因子與代表性變量的對比

圖1中左圖為結(jié)構(gòu)因子與結(jié)構(gòu)變量集中的人口自然增長率序列的對比圖，右圖為周期因子與周期性變量集中的財政收入占國內(nèi)生產(chǎn)總值的比重序列的對比圖。我們知道若想更清晰地理解因子之間的差異，最重要的是指出其代表的經(jīng)濟意義。所以圖1中選擇了與不可觀測因子最為接近的一個代表性變量進行對比說明。從圖中可以看出，兩個因子對于代表性變量都有較好的擬合，可以反映各自數(shù)據(jù)集的波動特征。然而我們在接下來的自回歸分析中，之所以不直接選擇這些代表性變量而選擇抽取的主因子，原因主要是各個主因子的測量誤差相對于變量來說具有更好的穩(wěn)定性，其更能夠代表一個經(jīng)濟序列集的共同的趨勢特征，這一特點在圖1中也可以直觀地觀測到，因子的波動相對來說都比較小。

由于方程(2)中的每一個方程都可以寫為下面的形式：

(6)

所以為了更加直觀地分析兩種因素對經(jīng)濟波動的解釋能力，本文參考王少平等[8]，使用下面的R2統(tǒng)計量來衡量：

(7)

其中的var表示方差，λi′Ct分別代表結(jié)構(gòu)因子、周期因子以及可觀測因子的波動對主要宏觀經(jīng)濟變量波動的解釋能力，而本文只關(guān)注對國內(nèi)生產(chǎn)總值GDP增長率的波動的解釋能力，其中使用的都是標準化后的變量。經(jīng)計算得出結(jié)果見表1。

表1 各因子解釋經(jīng)濟波動的比例

由于本文中設定的可觀測因子包含貨幣供給增長率(M2增長率)、通貨膨脹率以及產(chǎn)出增長率，這3個變量一般都是反映經(jīng)濟的短期波動，所以其解釋經(jīng)濟波動的百分比應該被包含在周期性因素部分。從表1所給出的結(jié)果看，數(shù)據(jù)中提取的結(jié)構(gòu)性因素解釋了經(jīng)濟波動的34.12%，而周期性因素卻解釋了經(jīng)濟波動的65.88%，兩者相差較大，這充分說明了兩種因素對中國經(jīng)濟波動的解釋能力。由于經(jīng)濟的結(jié)構(gòu)因素變動比較緩慢，并且其調(diào)整過程較長，所以影響經(jīng)濟波動的作用時間較長且不容易在短期內(nèi)解決，同時也不容易在某個時點上對經(jīng)濟波動產(chǎn)生急劇的影響。而根據(jù)本文所使用的結(jié)構(gòu)性變量集以及中國經(jīng)濟的實際情況，所指的結(jié)構(gòu)性因素主要包括：人口結(jié)構(gòu)問題，目前中國老齡化問題不斷加重，造成勞動力成本的上升，人口紅利不斷減弱；產(chǎn)業(yè)結(jié)構(gòu)不合理問題，農(nóng)業(yè)生產(chǎn)技術(shù)創(chuàng)新緩慢，工業(yè)出現(xiàn)“大”而不“強”的局面，處于全球價值鏈的底端，高技術(shù)含量的產(chǎn)品較少，而第三產(chǎn)業(yè)仍然以傳統(tǒng)的服務業(yè)為主。這些問題一直在較大程度上影響著中國經(jīng)濟的波動以及長遠發(fā)展。而對于周期性成分來說，它代表著短期的波動，經(jīng)濟中很多方面的波動都會造成經(jīng)濟暫時性偏離其均衡軌跡，發(fā)生波動。例如固定資產(chǎn)投資的周期波動、農(nóng)業(yè)波動、人為因素的波動(公眾的預期等)、經(jīng)濟政策的波動，等等，這些都會隨著經(jīng)濟的內(nèi)因或外因而發(fā)生周期性變化，從而對經(jīng)濟造成周期性影響。一般周期性因素可以在短期內(nèi)被調(diào)控且回到穩(wěn)態(tài)，但會造成經(jīng)濟的短期頻繁波動。所以相對而言，造成經(jīng)濟發(fā)生較大波動的主要原因是周期性因素，但在控制周期性因素影響的基礎(chǔ)上為經(jīng)濟提供一個較合理的結(jié)構(gòu)環(huán)境也至關(guān)重要。中國政策當局在治理當前的經(jīng)濟增長動力不足的問題時除了找到新的動力因素外，調(diào)整中國經(jīng)濟的不合理結(jié)構(gòu)，如城鄉(xiāng)結(jié)構(gòu)問題、人口老齡化問題以及收入分配不合理問題等，為經(jīng)濟增長提供一個較合理的發(fā)展空間也不可或缺。

(三)異質(zhì)性貨幣政策沖擊的動態(tài)特征分析

本文接下來基于從大量數(shù)據(jù)集中抽取的不可觀測因子與貨幣供給變量構(gòu)成的變量集來研究經(jīng)濟波動的結(jié)構(gòu)性成分與周期性成分對異質(zhì)性貨幣政策沖擊的動態(tài)響應機制(即在不同時點上給定不同變換特征的1單位正的貨幣政策沖擊的動態(tài)響應機制)。下面首先使用序列圖及間斷點檢驗判斷中國貨幣供給政策是否存在結(jié)構(gòu)性轉(zhuǎn)折，以及轉(zhuǎn)變時間點的確定。對于轉(zhuǎn)折點的檢驗，有很多學者進行方法上的研究，例如檢驗單個時間序列的Chow檢驗等，但以往方法只能根據(jù)所指定的時間點來給出檢驗結(jié)果。而本文則參考Jushan Bap和Pierre Perron[26]所介紹的斷點檢驗方法SUPFT(k)檢驗、UDmax檢驗以及WDmax檢驗對貨幣政策數(shù)據(jù)進行驗證，選擇這幾種檢驗方法主要基于其不僅可以判定經(jīng)濟序列是否存在轉(zhuǎn)折點、轉(zhuǎn)折點的個數(shù)，還可以估計出具體轉(zhuǎn)換時間以及轉(zhuǎn)折點的明確置信區(qū)間，而不需人為的先驗指定。

根據(jù)表2的檢驗結(jié)果，判定中國的貨幣政策變量即貨幣供給量增長率(M2增長率)在樣本區(qū)間內(nèi)存在轉(zhuǎn)折點，并且Sequential及BIC檢驗接受轉(zhuǎn)折點個數(shù)為3的原假設，而LWZ檢驗的結(jié)果為存在1個轉(zhuǎn)折點，本文根據(jù)從眾原則，選擇轉(zhuǎn)折點個數(shù)為3的結(jié)論。而WDmax檢驗結(jié)果給出中國政策變量(M2增長率)的時間序列的轉(zhuǎn)折時間點分別為1961年、1978年以及1996年。經(jīng)濟時間段對比可知，在1978年之前，即改革開放前的一段時間，中國經(jīng)濟屬于計劃經(jīng)濟，在嚴格的計劃經(jīng)濟體制下商品經(jīng)濟處于窒息狀態(tài)，經(jīng)濟的市場化和貨幣化程度較低。同時，中國沒有建立起根本意義上的銀行體制，人民銀行既是貨幣的發(fā)行銀行，又是商業(yè)信貸銀行，貨幣的發(fā)行與流通完全控制在政府的手中。在此期間，貨幣政策與財政政策雖然表面看是兩個系統(tǒng)分別執(zhí)行，但是在計劃經(jīng)濟體制下兩者的相互依賴性較大，所以貨幣供給量在較大程度上依賴于財政的預算，而在此時期經(jīng)濟增長緩慢，在一定程度上減少了財政收入與支出，形成了惡性循環(huán)。另一方面，由于經(jīng)濟體制以及政治因素的影響，經(jīng)濟增長非常緩慢，正像章澤武[25]所述，中國的貨幣供給量與經(jīng)濟增長呈現(xiàn)明顯的順周期性特征，所以在此期間的貨幣供給量的增長也相應地處于較低水平。1978年至1996年間中國經(jīng)歷了改革開放的巨變，經(jīng)濟迅速發(fā)展，相應的經(jīng)濟體制也從計劃經(jīng)濟逐步向商品經(jīng)濟和市場經(jīng)濟轉(zhuǎn)變；在此期間市場逐漸開放，貨幣化程度逐步加深，極大地增加了貨幣的需求量，所以此期間貨幣供給增長率持續(xù)處于較高的水平。1996年后中國處于社會主義市場經(jīng)濟的深化與鞏固時期，所以此階段經(jīng)濟穩(wěn)步增長，并且1996年中國放開了同業(yè)拆借利率，向市場利率邁出了堅實的第一步，此后利率市場化、經(jīng)濟全球化進程逐漸加大，所以此時期的貨幣增長率相對于前一時期更加平緩，增速有所下降。使用折線圖通過直觀判斷也對上述結(jié)論加以了驗證(圖2)。接下來根據(jù)不同時間段的經(jīng)濟特征對比兩種經(jīng)濟波動成分的脈沖響應差異。

表2 轉(zhuǎn)折點檢驗

注：*代表在5%的顯著性水平下顯著。

圖2　貨幣增長率分段圖

在中國，作為貨幣政策中介目標的貨幣供給量一直是政府調(diào)控經(jīng)濟較常用的手段，尤其是金融危機過后，擴張性貨幣政策更是頻繁地被貨幣當局用來促進經(jīng)濟增長、增加就業(yè)。但是，只有識別不同經(jīng)濟條件下調(diào)控貨幣供給增長率的不同影響效果，對貨幣政策的效力進行較好的評估才可以為政策制定者提供較好的參考。接下來我們根據(jù)上述斷點檢驗結(jié)果以及間斷點的確定給出在不同經(jīng)濟時期以及不同經(jīng)濟情況下，兩種經(jīng)濟波動成分對政策沖擊的脈沖響應對比圖，據(jù)此分析中國的貨幣政策沖擊對經(jīng)濟影響的時變特征。圖3給出了1961年、1978年以及1996年的經(jīng)濟時點脈沖響應圖，以期基于異質(zhì)性貨幣供給沖擊觀測經(jīng)濟波動不同成分的時變特征。脈沖響應圖顯示了在各個時點上1單位正向貨幣供給增長率沖擊下相關(guān)經(jīng)濟變量的響應：(1)對于不同時點的正向貨幣政策沖擊，也就是采取寬松的貨幣政策，那么經(jīng)濟中的兩種經(jīng)濟成分在初期都呈現(xiàn)出上升的趨勢。(2)對于結(jié)構(gòu)性成分來說，在初期逐漸上升，而后在滯后3期時達到最大，后出現(xiàn)了小幅下降，最后回歸一個新的穩(wěn)態(tài)水平。(3)對于周期性因素來說，在脈沖響應初期經(jīng)濟周期性波動上升，在滯后2期達到最大，并開始逐漸下降，到滯后4期左右轉(zhuǎn)向了負值的水平，負值運行一段時間后逐漸向穩(wěn)態(tài)水平靠近。(4)在不同的時間點，也就是不同的經(jīng)濟狀態(tài)下，給定貨幣政策沖擊，變量的相應幅度也存在差異。通過以上的對比可知，經(jīng)濟波動的結(jié)構(gòu)性及周期性因素在受到貨幣政策沖擊時，其響應效果存在較大差異。對于結(jié)構(gòu)性成因構(gòu)成的通貨膨脹來說，采取逆向調(diào)控的措施可以起到較好的效果。而對于周期性因素來說，短期內(nèi)受貨幣政策的影響較好，但是從長期看，其影響效果及影響方向出現(xiàn)了與預期相反的變動。所以，針對以上的分析，本文建議，在經(jīng)濟出現(xiàn)較強烈的波動時，為了平抑經(jīng)濟波動，選擇貨幣政策措施應該充分考慮造成經(jīng)濟波動的成因及經(jīng)濟波動的特點。針對不同成因，采取有針對性的政策調(diào)控會得到更好的效果。

圖3　不同時點脈沖響應結(jié)果

四、結(jié)論及政策建議

中國作為一個新興經(jīng)濟體，經(jīng)濟體制逐漸由計劃經(jīng)濟向市場經(jīng)濟轉(zhuǎn)變，金融市場不斷開放，對外開放水平顯著提高，在此條件下經(jīng)濟體因受到越來越多的外生變量的影響而顯著波動。不同影響因素對經(jīng)濟的影響效果存在顯著差異，且經(jīng)濟的非線性特征凸顯。所以本文基于SV-TVP-FAVAR模型對中國的經(jīng)濟波動進行周期性及結(jié)構(gòu)性因素分解，基于此給出不同時點的異質(zhì)性貨幣政策沖擊對主要經(jīng)濟變量的動態(tài)響應效果，得出以下結(jié)論。

第一，本文分別從結(jié)構(gòu)性變量集及周期性變量集中抽取一個主因子來代表經(jīng)濟信息集的大部分信息，降低缺失信息對模型分析準確度的影響，同時給出兩種因素對經(jīng)濟波動的解釋能力。結(jié)構(gòu)性因素解釋了經(jīng)濟波動的34.12%，而周期性因素卻解釋了經(jīng)濟波動的65.88%。相對來說周期性因素對經(jīng)濟波動的影響效果更加顯著。但當前中國處于經(jīng)濟轉(zhuǎn)軌時期，在控制周期性因素影響的基礎(chǔ)上為經(jīng)濟提供一個較合理的結(jié)構(gòu)環(huán)境也至關(guān)重要，例如中國政策當局在治理當前的經(jīng)濟增長動力不足的問題時除了找到新的動力因素外，調(diào)整中國經(jīng)濟的不合理結(jié)構(gòu)，如城鄉(xiāng)結(jié)構(gòu)問題、人口老齡化問題以及收入分配不合理問題等，為經(jīng)濟增長提供一個較合理的發(fā)展空間尤為重要。

第二，通過SUPFT(k)、UDmax以及WDmax等斷點檢驗方法，給出貨幣政策發(fā)生結(jié)構(gòu)性轉(zhuǎn)變的時點分別為1961年、1978年及1996年。在這四個不同時期，經(jīng)濟體制及經(jīng)濟環(huán)境都發(fā)生了較明顯的轉(zhuǎn)變，影響著貨幣政策的調(diào)控效果。隨著時間的發(fā)展，中國的貨幣化進程、利率市場化改革、經(jīng)濟全球化的程度都在不斷加深，這些都促使貨幣政策具有了更好的調(diào)控效果。所以中國應從制度、體制等各方面加快經(jīng)濟市場化進程。

第三，在3個不同時點給定異質(zhì)性的貨幣供給沖擊，兩種經(jīng)濟波動成分具有不同的響應特征。從脈沖響應結(jié)果可知兩種成分受到貨幣政策沖擊時的脈沖響應存在著較明顯的差異；結(jié)構(gòu)性因素的逆向調(diào)控可以起到較好的效果；而周期性因素在短期內(nèi)受貨幣政策調(diào)控的效果較為理想，但長期出現(xiàn)了反向變動。所以針對以上問題，建議政策當局在調(diào)控貨幣政策平抑經(jīng)濟波動時，應具體考慮經(jīng)濟波動的主要成因及波動特征，以制定更加高效的政策措施。

參考文獻：

[1]金浩,李延軍,高素英.關(guān)于經(jīng)濟波動周期性及成因的實證研究[J].數(shù)理統(tǒng)計與管理,2005,24(1):52-57.

[2]廖曉燕.美國經(jīng)濟波動特點與成因解析[J].求索,2006(1):49-52.

[3]CHEN J Z,KANNAN P,LOUNGANI P,et al.New evidence on cyclical and structural sources of unemployment[R].IMF working paper,2011.

[4]FLEISCHMAN CA,ROBERTS J M.From many series, one cycle: Improved estimates of the business cycle from a multivariate unobserved components model[R]. Federal Reserve Board Finance and Economics Discussion Series Working paper ,2011.

[5]MORLEY J C,NELSON C R,ZIVOT E.Why are Beveridge-Nelson and unobserved-component decompositions of GDP so different?[J].The Review of Economics and Statistics,2003,85(2):235-243.

[6]BERNANKE B S,BOIVIN J,ELIASZ P.Measuring the effects of monetary policy:A factor-augmented vector autoregressive (FAVAR) approach[J].Quarterly journal of economics,2005,120(1):387-422.

[7]SIMS C A.Macroeconomics and reality[J].Econometrica Society,1980,48(1):1-48.

[8]王少平,朱滿洲,胡朔商.中國CPI的宏觀成分與宏觀沖擊[J].經(jīng)濟研究,2012(12):29-42.

[9]BOIVIN J,GIANNONI M.Has monetary policy become more effective?[J].Review of Economics and Statistics,2006,88:445-462.

[10]COGLEY T,SARGENT T.Evolving post-World War II inflation dynamics[R].NBER Macroeconomic Annual,2001,16:331-373.

[11]COGLEY T,SARGENT T.Drifts and volatilities: monetary policies and outcomes in the post WWII U.S[J].Review of Economic Dynamics,2005,8:262-302.

[12]CLARIDA R,GALI J,GERTLER M.Monetary policy rule and macroeconomic stability:Evidence and some theory[J].Quarterly Journal of Economics,2000,115:147-180.

[13]王松濤,劉洪玉.以住房市場為載體的貨幣政策傳導機制研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2009(10):61-73.

[14]PRIMICERI G.Time varying structural vector autoregressions and monetary policy[J].Review of Economic Studies,2005,72:821-852.

[15]SIMS C,ZHA T.Were there regime switches in macroeconomic policy?[J].American Economic Review,2006,96: 54-81.

[16]KOOP G,KOROBILIS D.Bayesian multivariate time series methods for empirical macroeconomics[J].Foundations and Trends in Econometrics,2010(3):267-358.

[17]BERNANKE B S,BOIVIN J.Monetary policy in a data-rich environment[J].Journal of Monetary Economics,2003,50:525-546.

[18]BOIVIN J,NG S.Understanding and comparing factor-based forecasts[J].International Journal of Central Banking,2005(3):111-151.

[19]GIANNONE D,REICHLIN L,SMALL D.Nowcasting:The real-time informational content of macroeconomic data[J].Journal of Monetary Economics,2008,55:665-676.

[20] KOROBILIS D.Assessing the transmission of monetary policy shocks using dynamic factor models[R]. mimeo, 2009.

[21]GIORDANI P,KOHN R.Efficient Bayesian inference for multiple change point and mixture innovation models[J].Journal of Business and Economic Statistics,2008,26:66-77.

[22]劉明志.貨幣供應量和利率作為貨幣政策中介目標的適應性[J].金融研究,2006(1):51-63.

[23]蘇亮瑜.我國貨幣政策傳導機制及盯住目標選擇[J].金融研究,2008(5):25-34.

[24]BAI J S,NG S.Determining the number of factors in approximate factor models[J].Econometrica,Econometric Society,2002, 70(1):191-221.

[25]章澤武.中國貨幣供應與經(jīng)濟增長關(guān)系研究[D].武漢:武漢理工大學,2002.

[26]BAI J S,PERRON P.Computation and analysis of multiple structural change models[J].Journal of Applied Econometrics,2003,18(1):1-22.

(責任編輯傅旭東)

The decomposition of Chinese economic fluctuation and the dynamic response of monetary policy shocks

JIN Chengxiao1, LU Yingchao2

(1.CenterforQuantitativeEconomics,JilinUniversity,Changchun130012,P.R.China;2.Post-doctorateResearchStation,HuaxiaBank,Beijing100005,P.R.China)

Abstract：In this paper, we construct a factor-augmented vector auto-regressive model with time-varying coefficients and stochastic volatility, and use it to decompose the economic fluctuation. Based on this, we give the dynamic response of the mainly economic variables to the monetary policy shock. The results show that: 1) Structural factors explained 34.12% of economic fluctuation, cyclical factors explained 65.88%, the two factors have significant influence on the economy; 2) During the sample period, there are three break points. They are 1961, 1987 and 1996; 3)Different variables have different response to the shock of monetary policy; 4) In different period, the response of the economic variables to the monetary policy shock has significant difference.

Key words：economic fluctuations decomposition; monetary policy shocks; SV-TVP-FAVAR

中圖分類號：F224.0，F(xiàn)820.1

文獻標志碼：A

文章編號：1008-5831(2016)01-0050-08

作者簡介：金成曉(1966-)，男，吉林大學商學院數(shù)量經(jīng)濟研究中心教授，博士研究生導師，經(jīng)濟學博士，主要從事宏觀經(jīng)濟學研究；盧穎超(1987-)，女，華夏銀行博士后科研工作站博士后，主要從事宏觀經(jīng)濟學研究。

基金項目：教育部人文社會科學重點研究基地重大項目“開放經(jīng)濟條件下貨幣政策規(guī)則動態(tài)計量方法及應用研究”(12JJD790015)

doi:10.11835/j.issn.1008-5831.2016.01.006

歡迎按以下格式引用：金成曉，盧穎超.中國經(jīng)濟波動分解及異質(zhì)性貨幣政策沖擊的動態(tài)響應機制[J].重慶大學學報(社會科學版),2016(1):50-57.

Citation Format: JIN Chengxiao,LU Yingchao.The decomposition of Chinese economic fluctuation and the dynamic response of monetary policy shocks[J].Journal of Chongqing University(Social Science Edition),2016(1):50-57.

修回日期：2015-09-25