劉金全，王國志，付衛(wèi)艷

經(jīng)濟(jì)政策不確定性下貨幣政策有效性研究

劉金全，王國志，付衛(wèi)艷

(吉林大學(xué)商學(xué)院，吉林長春， 130012)

通過MS-AR模型將經(jīng)濟(jì)政策不確定性指數(shù)劃分為三個(gè)區(qū)制，運(yùn)用LT-TVP-VAR模型來分析經(jīng)濟(jì)政策不確定性沖擊對數(shù)量型與價(jià)格型貨幣政策工具有效性的影響，運(yùn)用SV-TVP-VAR模型測度不同經(jīng)濟(jì)政策不確定性下，數(shù)量型與價(jià)格型貨幣政策工具對產(chǎn)出缺口和通脹缺口的時(shí)變反應(yīng)。研究結(jié)果表明：經(jīng)濟(jì)政策不確定性程度上升，能夠降低貨幣政策有效性，進(jìn)而促使中央銀行加大貨幣政策調(diào)控力度。在貨幣政策規(guī)則和工具選擇上，數(shù)量型貨幣政策工具對產(chǎn)出缺口的長期調(diào)控效應(yīng)明顯，短期效應(yīng)存在滯后性，且隨著經(jīng)濟(jì)政策不確定性的上升會出現(xiàn)政策效應(yīng)減弱現(xiàn)象；價(jià)格型貨幣政策工具在經(jīng)濟(jì)政策不確定性的不同水平下，都能夠?qū)Ξa(chǎn)出缺口進(jìn)行有效調(diào)控，但是當(dāng)經(jīng)濟(jì)政策不確定性較低時(shí)，對通脹缺口的調(diào)控能力不足。上述實(shí)證結(jié)論，對在不同經(jīng)濟(jì)政策不確定性下選擇貨幣政策規(guī)則和工具提供了經(jīng)驗(yàn)證據(jù)和支持。

經(jīng)濟(jì)政策不確定性；價(jià)格型貨幣政策；數(shù)量型貨幣政策；通脹缺口；產(chǎn)出缺口

一、引言及文獻(xiàn)綜述

近年來，隨著我國宏觀經(jīng)濟(jì)治理體系的日益完善，貨幣政策已經(jīng)成為調(diào)控國民經(jīng)濟(jì)健康發(fā)展的重要經(jīng)濟(jì)政策。國內(nèi)外復(fù)雜的經(jīng)濟(jì)形勢、中美貿(mào)易摩擦的不斷升級以及新冠疫情的沖擊，導(dǎo)致世界范圍內(nèi)的經(jīng)濟(jì)政策不確定性逐漸升高，給我國現(xiàn)階段貨幣政策的設(shè)計(jì)和實(shí)施帶來了新挑戰(zhàn)。為此，我們有必要在經(jīng)濟(jì)政策不確定性出現(xiàn)變化的背景下，深入探討貨幣政策在穩(wěn)增長、穩(wěn)通脹和防風(fēng)險(xiǎn)中的新機(jī)制和新途徑。

在穩(wěn)增長和穩(wěn)通脹的宏觀調(diào)控目標(biāo)下，一些理論和實(shí)證研究認(rèn)為，為了防范經(jīng)濟(jì)政策不確定性的影響，應(yīng)該適時(shí)采用數(shù)量型貨幣政策[1-4]。另有一些學(xué)者則認(rèn)為，在經(jīng)濟(jì)政策不確定性沖擊較大的情況下，貨幣政策具有一定程度的相機(jī)抉擇性，利用利率市場化的靈活性，可以降低經(jīng)濟(jì)政策不確定性沖擊的影響和風(fēng)險(xiǎn)，此時(shí)中央銀行宜傾向于選擇價(jià)格型貨幣政策[5-8]。

也有一些研究認(rèn)為，不應(yīng)該將經(jīng)濟(jì)政策不確定性水平的高低作為選擇數(shù)量型與價(jià)格型政策工具的依據(jù)，即不論經(jīng)濟(jì)政策不確定性水平是高還是低，數(shù)量型和價(jià)格型貨幣政策工具都對經(jīng)濟(jì)產(chǎn)出和價(jià)格水平具有較好的調(diào)控效果，只是在定量角度上，數(shù)量型貨幣政策工具對產(chǎn)出缺口反應(yīng)比較敏感，而價(jià)格型貨幣政策工具對通脹缺口反應(yīng)比較敏感，故此類研究支持貨幣政策的有效性和順周期性[9-10]。

由于經(jīng)濟(jì)政策不確定性本身就是影響經(jīng)濟(jì)周期波動的重要因素，因此，經(jīng)濟(jì)政策不確定性將直接對產(chǎn)出缺口和通脹缺口產(chǎn)生影響，而無須經(jīng)過貨幣政策及其工具的中間傳導(dǎo)。故一些研究發(fā)現(xiàn)，微弱的經(jīng)濟(jì)政策不確定性沖擊，一般不會改變貨幣政策的操作方向，但是將在短期內(nèi)降低實(shí)際產(chǎn)出水平，同時(shí)對通貨膨脹產(chǎn)生一定的提升作用[11-14]。這些研究是檢驗(yàn)和測度經(jīng)濟(jì)政策不確定性、貨幣政策規(guī)則和經(jīng)濟(jì)周期波動三者之間的作用關(guān)系，但并沒有考慮其內(nèi)生性。因此，本文擬從內(nèi)生性角度出發(fā)，在統(tǒng)一框架下研究上述三者之間的影響關(guān)系。

從現(xiàn)有文獻(xiàn)來看，Mukherjee和Bhattacharya認(rèn)為在經(jīng)濟(jì)增長與金融穩(wěn)定的雙重目標(biāo)下，短期內(nèi)通貨膨脹的主要驅(qū)動因素是名義有效匯率的變動，在2—10個(gè)季度的時(shí)間范圍內(nèi)，信貸增長對通脹具有顯著的積極影響，利率沖擊對經(jīng)濟(jì)增長和中短期信貸增長具有重大影響[15]。陳創(chuàng)練、戴明曉認(rèn)為將杠桿率作為貨幣政策調(diào)控目標(biāo)時(shí)，數(shù)量型與價(jià)格型政策工具在調(diào)控偏好上具有隨機(jī)波動特征，但從實(shí)證結(jié)果來看數(shù)量型政策工具對杠桿率的調(diào)控更加有效[16]。鄧創(chuàng)等基于平滑遷移自回歸模型對資本開放度和匯率穩(wěn)定是否能夠影響貨幣政策的獨(dú)立性展開研究，研究結(jié)果表明，當(dāng)經(jīng)濟(jì)增長速度處于高區(qū)制時(shí)，數(shù)量型與價(jià)格型政策工具逆風(fēng)向調(diào)控效果顯著，但從作用時(shí)間和實(shí)施力度來看價(jià)格型政策工具更優(yōu)[17]。

付一婷和劉金全等通過建立金融周期與經(jīng)濟(jì)周期的動態(tài)關(guān)聯(lián)機(jī)制，描述了貨幣政策效應(yīng)的周期性和階段性，從周期性角度測度了經(jīng)濟(jì)政策不確定性與貨幣政策效應(yīng)之間的影響關(guān)系[18]。段梅從信貸視角考察了經(jīng)濟(jì)政策不確定性沖擊對貨幣政策有效性的影響，認(rèn)為較高的經(jīng)濟(jì)政策不確定性沖擊會導(dǎo)致企業(yè)短期借款減少，進(jìn)而會導(dǎo)致貨幣政策對企業(yè)信貸融資的調(diào)節(jié)作用下降[19]。劉金全、張?bào)阃裾J(rèn)為，將社會融資總量作為貨幣政策中介目標(biāo)之一時(shí)，貨幣政策在關(guān)注產(chǎn)出缺口和控制通脹中適當(dāng)引入流動性管理會更有利于金融穩(wěn)定[20]。馬勇、付莉通過全面考察貨幣政策在不同經(jīng)濟(jì)政策不確定性和金融沖擊下與宏觀審慎政策組合間的金融穩(wěn)定效應(yīng)，進(jìn)一步說明貨幣政策在實(shí)施過程中對產(chǎn)出和通脹的調(diào)控形成了互補(bǔ)效應(yīng)，同時(shí)價(jià)格型與數(shù)量型貨幣政策工具都可以起到穩(wěn)定經(jīng)濟(jì)和金融的效果[21]。

通過對現(xiàn)有文獻(xiàn)進(jìn)行梳理發(fā)現(xiàn)，從經(jīng)濟(jì)政策不確定性角度進(jìn)行的研究，多數(shù)是以不確定性沖擊的效果來判斷數(shù)量型或者價(jià)格型貨幣政策工具的優(yōu)劣，鮮有文章對經(jīng)濟(jì)政策不確定性的區(qū)制狀態(tài)進(jìn)行劃分，并基于不同經(jīng)濟(jì)政策不確定性水平來檢驗(yàn)貨幣政策的實(shí)際效應(yīng)；從貨幣政策有效性角度進(jìn)行的研究，多數(shù)學(xué)者關(guān)注的是數(shù)量型和價(jià)格型貨幣政策工具自身調(diào)控效用的優(yōu)劣問題，鮮有研究將經(jīng)濟(jì)政策不確定性的間接效應(yīng)融合進(jìn)去。

鑒于此，本文從經(jīng)濟(jì)政策不確定性沖擊角度和水平角度出發(fā)，考慮經(jīng)濟(jì)系統(tǒng)變量之間交互影響的時(shí)變特征，并結(jié)合我國經(jīng)濟(jì)周期波動和貨幣政策調(diào)控取向，運(yùn)用LT-TVA-VAR模型和SV-TVA-VAR模型，對我國數(shù)量型和價(jià)格型貨幣政策工具的選擇和有效性進(jìn)行研究。

二、我國經(jīng)濟(jì)政策不確定性的區(qū)制劃分和動態(tài)特征

在本文中，我們借鑒Baker等通過大數(shù)據(jù)技術(shù)搜索主流媒體中有關(guān)經(jīng)濟(jì)政策不確定性描述而獲取的關(guān)鍵詞，來構(gòu)建中國經(jīng)濟(jì)政策不確定性指數(shù)[22]，相應(yīng)的計(jì)算結(jié)果見圖1。與此同時(shí)，本文進(jìn)一步通過H-P濾波得到了經(jīng)濟(jì)政策不確定性指數(shù)的趨勢項(xiàng)與波動項(xiàng)。可以看出，我國的經(jīng)濟(jì)政策不確定性的趨勢項(xiàng)呈逐年上升的態(tài)勢，尤其在2008年金融危機(jī)之后，上升趨勢尤其明顯，而經(jīng)濟(jì)政策不確定性的波動項(xiàng)同樣呈現(xiàn)出逐年擴(kuò)大的態(tài)勢，表現(xiàn)出明顯的時(shí)變特征，這意味著有必要對經(jīng)濟(jì)政策不確定性指數(shù)的不同狀態(tài)進(jìn)行分區(qū)。鑒于此，本文接下來將采用MS-AR模型對經(jīng)濟(jì)政策不確定性指數(shù)進(jìn)行區(qū)制劃分。

(一) MS-AR模型及估計(jì)

馬爾科夫區(qū)制轉(zhuǎn)移模型通過利用馬爾科夫轉(zhuǎn)移概率來識別經(jīng)濟(jì)政策不確定性指數(shù)的區(qū)制及轉(zhuǎn)折點(diǎn)的變化。單變量馬爾科夫區(qū)制轉(zhuǎn)移模型主要是參照Hamilton針對實(shí)際產(chǎn)出的時(shí)間序列建模[23]，而多變量馬爾科夫區(qū)制轉(zhuǎn)移模型主要利用宏觀經(jīng)濟(jì)協(xié)同波動的特性，通過估計(jì)潛在馬爾科夫轉(zhuǎn)移概率來識別經(jīng)濟(jì)政策不確定性指數(shù)的狀態(tài)。馬爾科夫區(qū)制轉(zhuǎn)移模型的優(yōu)點(diǎn)在于，可以利用區(qū)制狀態(tài)的轉(zhuǎn)移概率估計(jì)，來識別經(jīng)濟(jì)政策不確定性指數(shù)的轉(zhuǎn)變點(diǎn)，避免人為對時(shí)間序列波峰和波谷進(jìn)行劃分而產(chǎn)生偏誤。

圖1 中國經(jīng)濟(jì)政策不確定性指數(shù)的趨勢項(xiàng)和波動項(xiàng)時(shí)序圖

考慮一個(gè)K維時(shí)間序列向量，y=(1t,2t, …,y)′，=1, 2, …,，假定滯后階數(shù)為p，則VAR(p)模型可表示成如下形式：

y=+1y-1+…+Ay-+(1)

其中，y表示經(jīng)濟(jì)政策不確定性指數(shù)，表示時(shí)間，表示常數(shù)項(xiàng)，A表示變量系數(shù)，表示誤差項(xiàng)且獨(dú)立同分布。將上述公式進(jìn)行均值調(diào)整，公式兩邊同時(shí)減去，可以變形為：

y-=+1(y-1-)+…+A(y--)+(2)

進(jìn)一步，考慮上述模型存在結(jié)構(gòu)性變化，且可觀測向量y依賴于不可觀測區(qū)制變量s，上述公式可寫成如下形式：

y-(s)=1(s)(y-1-(s-1))+…+

A(s)(y--(s-p))+(3)

對于區(qū)制變量s，假設(shè)具有M個(gè)區(qū)制狀態(tài)的轉(zhuǎn)移概率，則使用馬爾科夫轉(zhuǎn)移矩陣表示為：

上式中，p表示區(qū)制轉(zhuǎn)移變量s從-1期的狀態(tài)轉(zhuǎn)移至期的狀態(tài)的轉(zhuǎn)移概率。

(二) 經(jīng)濟(jì)政策不確定性指數(shù)的階段性劃分

為進(jìn)一步識別我國經(jīng)濟(jì)政策不確定性指數(shù)的拐點(diǎn)以及所處的區(qū)制，參考張龍、劉金全的研究，我們將不確定區(qū)制劃分為三個(gè)區(qū)制，即“低不確定性區(qū)制”“中不確定性區(qū)制”和“高不確定性區(qū)制”[24](下文統(tǒng)一簡稱為“低區(qū)制”“中區(qū)制”“高區(qū)制”)。MS-AR模型估計(jì)結(jié)果如表1所示。

從表1中不同區(qū)制下常數(shù)項(xiàng)的結(jié)果來看，低區(qū)制常數(shù)項(xiàng)為4.254，中區(qū)制常數(shù)項(xiàng)為5.030 6，高區(qū)制常數(shù)項(xiàng)為6.146 9，三者大小方向合理，且參數(shù)估計(jì)均顯著，這說明模型估計(jì)效果較好。

進(jìn)一步估計(jì)轉(zhuǎn)移矩陣的各個(gè)參數(shù)，結(jié)果表明，經(jīng)濟(jì)政策不確定性指數(shù)走勢如果當(dāng)期處于低區(qū)制狀態(tài)，那么它下一期依然處于低區(qū)制狀態(tài)的概率為97.17%，轉(zhuǎn)向中區(qū)制狀態(tài)的概率為 2.827 5%，轉(zhuǎn)向高區(qū)制狀態(tài)的概率為0.000 5%。如果當(dāng)期經(jīng)濟(jì)政策不確定性指數(shù)走勢處于中區(qū)制狀態(tài)，那么它下一期轉(zhuǎn)向低區(qū)制狀態(tài)的概率為3.047%，轉(zhuǎn)向高區(qū)制狀態(tài)的概率為0.996%，維持在中區(qū)制狀態(tài)的概率為95.957%。如果當(dāng)期經(jīng)濟(jì)政策不確定性指數(shù)走勢處于高區(qū)制狀態(tài)，那么它下一期轉(zhuǎn)向低區(qū)制狀態(tài)的概率為0%，轉(zhuǎn)向中區(qū)制中波動狀態(tài)的概率為0%，維持在高區(qū)制狀態(tài)的概率為100%。這些估計(jì)結(jié)果表明，經(jīng)濟(jì)政策不確定性指數(shù)走勢的狀態(tài)持續(xù)性較強(qiáng)，不同狀態(tài)之間的遷移概率較低。

表1 MS-AR模型估計(jì)結(jié)果

圖2給出了經(jīng)濟(jì)政策不確定性指數(shù)走勢與區(qū)制劃分圖，其中黑色線條為經(jīng)濟(jì)政策不確定性指數(shù)，白色區(qū)域?yàn)榈蛥^(qū)制，淺色區(qū)域?yàn)橹袇^(qū)制，深色區(qū)域?yàn)楦邊^(qū)制。通過觀察經(jīng)濟(jì)政策不確定性指數(shù)走勢不難發(fā)現(xiàn)，低區(qū)制波動平緩，中區(qū)制波動略高，會出現(xiàn)峰值，高區(qū)制波動性最高。由表2計(jì)算結(jié)果可知，經(jīng)濟(jì)政策不確定性指數(shù)處在低區(qū)制區(qū)間概率最大值為0.993，最小值為0.834，平均持續(xù)期為35.25個(gè)月；處在中區(qū)制區(qū)間概率最大值為0.969，最小值為0.953，平均持續(xù)期為25.25個(gè)月；處在高區(qū)制區(qū)間的概率為0.998，持續(xù)期為46個(gè)月。根據(jù)上述描述性統(tǒng)計(jì)分析，我們認(rèn)為我國經(jīng)濟(jì)政策不確定性指數(shù)的區(qū)制劃分具有一定的合理性和可行性。

圖2 經(jīng)濟(jì)政策不確定性指數(shù)走勢與區(qū)制劃分圖

由圖2以及表2可知，本文對于樣本期間經(jīng)濟(jì)政策不確定性指數(shù)的計(jì)算，基本符合我國經(jīng)濟(jì)發(fā)展主要階段的特征。具體來看，低區(qū)制區(qū)間為1996年1月—2001年3月、2003年8月—2007年11月、2009年9月—2011年1月以及2013年7月—2014年4月，這時(shí)期經(jīng)濟(jì)政策的不確定性較低是因?yàn)槲覈?jīng)濟(jì)增長處于快速或者平穩(wěn)增長時(shí)期，此時(shí)國內(nèi)外經(jīng)濟(jì)發(fā)展形勢較好，如第一區(qū)間為我國加入WTO之前，此時(shí)我國剛剛完成國有經(jīng)濟(jì)體制改革，并開始投資基礎(chǔ)設(shè)施建設(shè)等；第二區(qū)間為加入WTO之后與金融危機(jī)之前，此時(shí)正處于改革開放以來經(jīng)濟(jì)增長持續(xù)時(shí)間最長的繁榮期；第三區(qū)間為后金融危機(jī)時(shí)代，此時(shí)受國內(nèi)積極貨幣政策和財(cái)政政策影響，經(jīng)濟(jì)政策不確定性指數(shù)波動較弱；第四區(qū)間為經(jīng)濟(jì)進(jìn)入新常態(tài)時(shí)期，各項(xiàng)經(jīng)濟(jì)指標(biāo)有序平穩(wěn)增長，導(dǎo)致經(jīng)濟(jì)政策不確定性指數(shù)呈現(xiàn)弱波動。中區(qū)制區(qū)間分別為2001年4月—2003年7月、2007年12月—2009年8月、2011年2月—2013年6月和2014年4月—2016年2月。結(jié)合實(shí)際經(jīng)濟(jì)形勢，我們可以發(fā)現(xiàn)其典型成因。在第一區(qū)間，由于受到加入WTO、美國“9.11”事件、“非典”危機(jī)以及美伊戰(zhàn)爭等影響，經(jīng)濟(jì)政策不確定性指數(shù)有所上升，同時(shí)波動較為劇烈；第二區(qū)間受美國次貸危機(jī)引發(fā)全球性金融危機(jī)的影響，我國經(jīng)濟(jì)政策不確定性指數(shù)再度攀高，波動性再度增強(qiáng)；第三區(qū)間受歐洲債務(wù)危機(jī)、我國房地產(chǎn)“國五條”頒布以及“三期疊加”和“結(jié)構(gòu)調(diào)整”等因素影響，經(jīng)濟(jì)政策不確定性指數(shù)再度上升；第四區(qū)間受股災(zāi)、政府債務(wù)等因素影響，經(jīng)濟(jì)政策不確定性指數(shù)小幅攀升。進(jìn)入2016年后，經(jīng)濟(jì)政策不確定性指數(shù)迅速攀高，此時(shí)段為高區(qū)制時(shí)期，此間主要受美國退出TPP協(xié)定、中美貿(mào)易戰(zhàn)以及新冠肺炎疫情的影響，經(jīng)濟(jì)政策不確定性指數(shù)達(dá)到了歷史最高點(diǎn)。

表2 各區(qū)制持續(xù)時(shí)間和轉(zhuǎn)移概率

備注：括號內(nèi)數(shù)字表示月份

綜上所述，我國經(jīng)濟(jì)政策不確定性指數(shù)總體趨勢和波動高度吻合了內(nèi)部因素和外部因素對我國經(jīng)濟(jì)發(fā)展產(chǎn)生的不確定影響程度。通過進(jìn)一步觀察可以發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性指數(shù)的劃分與我國經(jīng)濟(jì)增長的運(yùn)行態(tài)勢基本一致，例如，經(jīng)濟(jì)平穩(wěn)或高速增長階段的經(jīng)濟(jì)政策不確定性指數(shù)走勢為低區(qū)制，而經(jīng)濟(jì)增速放緩或者下降階段經(jīng)濟(jì)政策不確定性指數(shù)走勢為中區(qū)制或高區(qū)制。

三、模型設(shè)計(jì)、變量選取及參數(shù)估計(jì)

本文將經(jīng)濟(jì)政策不確定性指數(shù)納入含潛在門限時(shí)變向量自回歸(LT-TVP-VAR)模型中，構(gòu)建包含經(jīng)濟(jì)政策不確定性指數(shù)、產(chǎn)出缺口、通脹缺口、貨幣供應(yīng)量、利率五個(gè)變量的計(jì)量模型，通過LT-TVP-VAR模型來檢驗(yàn)經(jīng)濟(jì)政策不確定性沖擊對貨幣政策有效性的影響。我們進(jìn)一步構(gòu)建包含產(chǎn)出缺口、通脹缺口、貨幣供應(yīng)量、利率四個(gè)變量的時(shí)變向量自回歸模型(SV-TVP- VAR)，利用SV-TVA-VAR模型時(shí)點(diǎn)脈沖響應(yīng)函數(shù)檢驗(yàn)在經(jīng)濟(jì)政策不確定性的不同區(qū)制下貨幣政策對產(chǎn)出缺口和通脹缺口的時(shí)變反應(yīng)。

(一) LT-TVP-VAR模型及估計(jì)

參考Nakajima等的研究[25]，將TVP-VAR模型基本形式設(shè)定為：

y=c+1ty-1+…+By-+，~(|0,∑) (7)

其中，y是×1維的觀測向量(=1, 2, 3…)，c表示×1維時(shí)變截距項(xiàng)，B表示滯后(=1, 2, 3…)階×維時(shí)變系數(shù)矩陣，為×1維結(jié)構(gòu)沖擊。

上式可簡化為多變量動態(tài)回歸模型，形式如下：

參考Primiceri對基準(zhǔn)時(shí)變模型中Cholesky參數(shù)的設(shè)置[26]，模型中時(shí)變系數(shù)、方差和協(xié)方差均服從隨機(jī)游走過程，公式如下：

其中，模型的時(shí)變系數(shù)b和a分別由示性函數(shù)(·)、潛在時(shí)變系數(shù)和共同決定。d和d分別代表時(shí)變系數(shù)和聯(lián)立系數(shù)的門限水平值。當(dāng)時(shí)變系數(shù)和超過d和d時(shí)，(·)=1，說明模型中變量存在相互影響關(guān)系，反之說明不存在相互影響關(guān)系。當(dāng)且僅當(dāng)d=d=0時(shí)，模型不具有門限效應(yīng)，此時(shí)LT-TVP-VAR模型轉(zhuǎn)化為TVP-VAR模型。

(二) SV-TVP-VAR模型介紹

參考Primiceri和Nakajima的研究[26-27]，定義一個(gè)標(biāo)準(zhǔn)的S-VAR模型，表現(xiàn)形式如下：

Ay=1y-1+2y-2+…+ Fy-+，=+1, …,(11)

上式中，y表示×1維可觀測向量，表示×維參數(shù)矩陣，1，…，F表示×維滯后算子矩陣，表示×1維白噪聲的隨機(jī)結(jié)構(gòu)性沖擊。假定(0, ∑)，其中，∑滿足：

同時(shí)，將同期關(guān)系系數(shù)矩陣定義為下三角矩陣，表示如下：

因此，S-VAR模型可以簡寫為：

y=By-1+…+By-+-1∑，~(0,I) (14)

從上述矩陣不難看出，引入隨機(jī)波動項(xiàng)后的模型在運(yùn)算過程中變得復(fù)雜，因此，在參數(shù)運(yùn)算上使用馬爾可夫鏈蒙特卡洛方法對模型進(jìn)行估算。

(三) 數(shù)據(jù)選取與處理

(四) 模型參數(shù)估計(jì)與檢驗(yàn)

1.變量的單位根檢驗(yàn)

根據(jù)VAR計(jì)算原理，變量在計(jì)算過程中，如果數(shù)據(jù)不平穩(wěn)將會出現(xiàn)偽回歸現(xiàn)象。因此，數(shù)據(jù)在導(dǎo)入模型前需要對數(shù)據(jù)做ADF單位根檢驗(yàn)(結(jié)果如表3所示)，檢驗(yàn)結(jié)果中除EPU不平穩(wěn)外(一階差分后平穩(wěn))，其余序列均為平穩(wěn)序列。因此，本文進(jìn)一步對序列進(jìn)行Johansen協(xié)整性檢驗(yàn)(結(jié)果如表4所示)，從檢驗(yàn)結(jié)果來看，模型存在協(xié)整關(guān)系，由此，模型可以直接用原始數(shù)據(jù)進(jìn)行運(yùn)算，不需要進(jìn)行差分處理。

2. LT-TVP-VAR模型參數(shù)估計(jì)結(jié)果

根據(jù)AIC判定準(zhǔn)則，本文將LT-TVP-VAR模型的滯后階數(shù)設(shè)定為2階。模型在貝葉斯框架下通過MCMC方法對參數(shù)進(jìn)行估計(jì)，進(jìn)行20 000次模擬，其中前1 000次為預(yù)模擬。診斷值代表了MCMC的收斂性，從表5中可以看出，診斷值大部分顯著性較高，說明貝葉斯MCMC方法模擬收斂性效果較好。無效影響因子數(shù)值越小，表明估計(jì)結(jié)果越有效。其中，和參數(shù)無效影響因子高于200以上，其余參數(shù)均小于200，說明模型最多可以產(chǎn)生91個(gè)不相關(guān)樣本(20 000/219.06)，再次表明模型估計(jì)是有效的，能夠支持有效的后驗(yàn)推斷。

表3 各變量ADF單位根檢驗(yàn)結(jié)果

表4 Johansen協(xié)整性檢驗(yàn)結(jié)果

表5 模型參數(shù)估計(jì)結(jié)果

表6為潛在門限可接受率的值，聯(lián)立參數(shù)變量()1和()2分別為74.6%和61.5%，說明模型最高接受率達(dá)到74.6%。這表明模型在模擬過程中平滑掉了波動較為劇烈的參數(shù)，經(jīng)濟(jì)政策不確定性與貨幣政策工具之間存在顯著的“門限 效應(yīng)”。

3. SV-TVP-VAR模型參數(shù)估計(jì)結(jié)果

根據(jù)AIC判定準(zhǔn)則，本文將SV-TVP-VAR模型的滯后階數(shù)設(shè)定為2階。模型在貝葉斯框架下通過MCMC方法對參數(shù)進(jìn)行估計(jì)，進(jìn)行20 000次模擬，為避免模型迭代在初始啟動時(shí)產(chǎn)生不平穩(wěn)現(xiàn)象，模型在進(jìn)行有效抽樣前舍棄前2 000次抽樣樣本。模型估計(jì)結(jié)果如表7所示，診斷值均小于1.96，表明模型在5%水平下所有參數(shù)均沒有拒絕收斂于后驗(yàn)分布的原假設(shè)，同時(shí)也說明在20 000次模擬過程中可以產(chǎn)生足夠有效的樣本。無效因子最大值為122.95，表明此次抽樣可以得到162個(gè)不相關(guān)樣本(20 000/122.95)，遠(yuǎn)小于模擬次數(shù)，再一次說明模型估計(jì)是有 效的。

表6 模型潛在門限值可接受率(%)

表7 模型參數(shù)估計(jì)結(jié)果

四、模型估計(jì)結(jié)果的實(shí)證分析

(一) 貨幣政策有效性的脈沖響應(yīng)分析

基于LT-TVP-VAR模型的時(shí)變等間隔脈沖響應(yīng)函數(shù)，可以描述和判斷經(jīng)濟(jì)政策不確定性沖擊對我國貨幣政策有效性的影響。根據(jù)模型和數(shù)據(jù)結(jié)構(gòu)，我們將時(shí)間間隔設(shè)定為滯后4期、8期和12期，分別代表短期效應(yīng)、中期效應(yīng)和長期效應(yīng)。從圖3和圖4中可以看出，代表短期、中期和長期的三條曲線走勢基本重合，說明LT-TVP-VAR模型在對參數(shù)估計(jì)時(shí)，估計(jì)結(jié)果具有一定的穩(wěn)健性。

從圖3來看，經(jīng)濟(jì)政策不確定性指數(shù)對數(shù)量型政策工具等間隔脈沖響應(yīng)函數(shù)在2008年之前，長期效應(yīng)要大于中期效應(yīng)和短期效應(yīng)；在2008年之后，短期、中期和長期三條曲線幾乎重合，在極少情況下出現(xiàn)短期效應(yīng)大于中期效應(yīng)和長期效應(yīng)的現(xiàn)象。這說明在2008年之前，在出現(xiàn)經(jīng)濟(jì)政策不確定性沖擊時(shí)，我國數(shù)量型貨幣政策工具僅僅注重了短期效應(yīng)的調(diào)節(jié)，忽視了中期效應(yīng)和長期效應(yīng)。換言之，經(jīng)濟(jì)政策不確定性對數(shù)量型貨幣政策工具的沖擊影響時(shí)間較長；2008年之后，這三條曲線幾乎重合，表明數(shù)量型貨幣政策工具在近年來通過不斷完善，在注重短期效應(yīng)調(diào)節(jié)的同時(shí)，很好地兼顧了中、長期效應(yīng)。

圖3 經(jīng)濟(jì)政策不確定性對數(shù)量型貨幣政策的沖擊

圖4 經(jīng)濟(jì)政策不確定性對價(jià)格型貨幣政策的沖擊

從圖4來看，經(jīng)濟(jì)政策不確定性對價(jià)格型貨幣政策工具等間隔脈沖響應(yīng)函數(shù)，在2004年之前短期效應(yīng)較為顯著，中期效應(yīng)次之，長期效應(yīng)最??；2004年至2008年間，長期效應(yīng)最為顯著，中期效應(yīng)次之，短期效應(yīng)最?。?008年以后，短、中、長期三條曲線幾乎重合。這說明，貨幣政策的實(shí)施可以化解經(jīng)濟(jì)政策不確定性的沖擊，同時(shí)也能降低經(jīng)濟(jì)政策不確定性沖擊的中期和長期影響。2004年第1季度至2008年第3季度是我國經(jīng)濟(jì)快速增長期，這一時(shí)期受國際原油價(jià)格持續(xù)高位運(yùn)行、貿(mào)易保護(hù)主義抬頭、國際收支不平衡矛盾凸顯和房地產(chǎn)價(jià)格上漲過快等因素影響，價(jià)格型貨幣政策工具在宏觀經(jīng)濟(jì)調(diào)控上顯得有些乏力。從三條曲線走勢上可以看出，我國經(jīng)濟(jì)進(jìn)入新常態(tài)以來，尤其是利率市場化改革以來，價(jià)格型貨幣政策工具開始注重短期、中期和長期效應(yīng)的綜合調(diào)節(jié)。

從圖3和圖4可以看出，經(jīng)濟(jì)政策不確定性與數(shù)量型和價(jià)格型貨幣政策工具短、中、長期效應(yīng)均呈正相關(guān)關(guān)系。同時(shí)，在經(jīng)濟(jì)政策不確定性指數(shù)處于低區(qū)制時(shí)，數(shù)量型和價(jià)格型貨幣政策工具波動幅度較大，但經(jīng)濟(jì)政策不確定性指數(shù)處在中、高區(qū)制時(shí)，數(shù)量型和價(jià)格型貨幣政策工具波動幅度明顯減弱。這說明經(jīng)濟(jì)政策不確定性的沖擊能夠降低貨幣政策有效性。一般而言，為了實(shí)現(xiàn)“穩(wěn)增長”和“防通脹”的雙重政策目標(biāo)，中央銀行往往會通過提高基準(zhǔn)利率和存款準(zhǔn)備金的方式來調(diào)節(jié)信貸需求和供給。在經(jīng)濟(jì)政策不確定性指數(shù)處于低區(qū)制時(shí)，適當(dāng)調(diào)整貨幣政策就可以達(dá)到預(yù)期效果；當(dāng)經(jīng)濟(jì)政策不確定性指數(shù)處于中區(qū)制時(shí)，貨幣政策的調(diào)控效果需要在一段時(shí)期內(nèi)多次發(fā)力才能達(dá)到；當(dāng)經(jīng)濟(jì)政策不確定性指數(shù)處于高區(qū)制時(shí)，則應(yīng)協(xié)調(diào)和搭配使用多種經(jīng)濟(jì)政策，同時(shí)應(yīng)長時(shí)間加大政策力度調(diào)控，才有可能達(dá)到預(yù)期效果。

(二) 貨幣政策對產(chǎn)出缺口和通脹缺口的反饋效應(yīng)

基于SV-TVP-VAR模型的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)，我們可以測度在經(jīng)濟(jì)政策不確定性的不同區(qū)制下，我國貨幣政策類型對產(chǎn)出缺口和通脹缺口的動態(tài)調(diào)控路徑。為此，我們在樣本中選擇1997年第3季度、2008年第4季度、2018年第4季度等三個(gè)重要時(shí)點(diǎn)。這樣選擇的依據(jù)在于，首先從圖2來看，三個(gè)時(shí)點(diǎn)分別處于經(jīng)濟(jì)政策不確定性的三個(gè)不同階段，1997年第3季度屬于低區(qū)制階段，2008年第4季度屬于中區(qū)制階段，2018年第4季度屬于高區(qū)制階段。這樣的選擇有助于考察貨幣政策在三個(gè)不同區(qū)制下對產(chǎn)出缺口和通脹缺口的調(diào)控機(jī)制。其次，三個(gè)時(shí)點(diǎn)分別對應(yīng)著經(jīng)濟(jì)軟著陸和亞洲金融危機(jī)時(shí)期、國際金融危機(jī)時(shí)期和中美貿(mào)易摩擦?xí)r期。本文通過分析不同時(shí)點(diǎn)下脈沖響應(yīng)函數(shù)間的差異，分析近年來經(jīng)濟(jì)政策不確定性下貨幣政策對產(chǎn)出缺口和通脹缺口的調(diào)控模式和時(shí)變特征。

1. 數(shù)量型貨幣政策工具的沖擊反應(yīng)模式

數(shù)量型貨幣政策工具是指控制貨幣供應(yīng)數(shù)量的調(diào)控工具。根據(jù)模型設(shè)定，貨幣供應(yīng)數(shù)量M2出現(xiàn)一單位標(biāo)準(zhǔn)差的正向沖擊，我們估計(jì)出不同時(shí)點(diǎn)下產(chǎn)出缺口和通脹缺口的沖擊反應(yīng)函數(shù)，圖5給出了具體的沖擊反應(yīng)過程。從圖5來看，三條曲線基本相似，即短期內(nèi)對產(chǎn)出缺口影響為負(fù)項(xiàng)，隨后在3—4期為正，在大約15期后函數(shù)趨近于零；有所區(qū)別的是，1997年第3季度沖擊反應(yīng)最小(約0.03個(gè)百分點(diǎn))，2008年第4季度和2018年第4季度沖擊反應(yīng)強(qiáng)度最高(約0.04個(gè)百分點(diǎn))。這表明，數(shù)量型貨幣政策工具對產(chǎn)出缺口的調(diào)控會有3—4期的滯后，且滯后時(shí)間隨著經(jīng)濟(jì)政策不確定性的升高而變長。但從長期來看，數(shù)量型貨幣政策工具在對產(chǎn)出缺口進(jìn)行調(diào)控時(shí)，其效應(yīng)會隨著經(jīng)濟(jì)政策不確定性的走高而加強(qiáng)。例如，在國際金融危機(jī)時(shí)期，先后4次下調(diào)存款準(zhǔn)備金率和擴(kuò)大信貸總量，其效應(yīng)就比較明顯。

圖5 數(shù)量型貨幣政策工具對產(chǎn)出缺口的沖擊反應(yīng)函數(shù)

類似地，考察數(shù)量型貨幣政策工具對通脹缺口的動態(tài)影響(如圖6所示)，我們發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性發(fā)揮了重要影響。在1997年第3季度和2018年第4季度，數(shù)量型政策工具對通脹缺口的影響為正，此時(shí)增加貨幣供應(yīng)量，會導(dǎo)致價(jià)格水平上升；2008年第4季度呈先負(fù)后正的脈沖響應(yīng)曲線，產(chǎn)生這一現(xiàn)象的原因可能是在2007年我國經(jīng)濟(jì)增長出現(xiàn)了過熱苗頭，為此從2007年第3季度開始，央行實(shí)施從緊的貨幣政策，在全年中10次上調(diào)存款準(zhǔn)備金率；2008年受“汶川地震”等自然災(zāi)害影響以及第3季度美國次貸危機(jī)引起的國際金融危機(jī)影響，導(dǎo)致2008年第3季度貨幣政策的實(shí)施既要防止經(jīng)濟(jì)增長由偏快轉(zhuǎn)為過熱，又要防止價(jià)格由結(jié)構(gòu)性上漲演變?yōu)槊黠@通貨膨脹，第4季度貨幣政策再由“雙防”轉(zhuǎn)為“一保一控”再到“靈活審慎”。因此，脈沖曲線前期走勢為負(fù)。另外，沖擊反應(yīng)于第5期呈現(xiàn)最大值(高于1997年第3季度和2018年第4季度)，這可能是受到“四萬億”投資計(jì)劃的刺激及影響，導(dǎo)致沖擊曲線在這個(gè)時(shí)段出現(xiàn)走高。2018年第4季度的沖擊反應(yīng)曲線相比前兩期出現(xiàn)了平穩(wěn)趨勢，這說明近年來我國數(shù)量型貨幣政策工具在調(diào)控通脹方面的能力逐步提升。因此，從三條曲線的總體走勢來看，數(shù)量型貨幣政策對通脹缺口的調(diào)控力度會隨著經(jīng)濟(jì)政策不確定性的上升而加大。這對當(dāng)前應(yīng)對新冠肺炎疫情沖擊的貨幣政策操作具有重要啟示。

圖6 數(shù)量型貨幣政策工具對通脹缺口的沖擊反應(yīng)函數(shù)

2.價(jià)格型貨幣政策工具的沖擊反應(yīng)模式

價(jià)格型貨幣政策工具主要是調(diào)節(jié)名義利率。根據(jù)模型設(shè)定，我們假設(shè)名義利率R出現(xiàn)一單位標(biāo)準(zhǔn)差的正向沖擊，并且估計(jì)出不同時(shí)點(diǎn)下產(chǎn)出缺口和通脹缺口對這個(gè)沖擊的動態(tài)反應(yīng)過程(如圖7所示)。從圖形走勢來看，在經(jīng)濟(jì)政策不確定性的不同區(qū)制下，三條沖擊反應(yīng)曲線基本相似，表明價(jià)格型貨幣政策工具對產(chǎn)出缺口具有正向效應(yīng)，即提升利率水平，會導(dǎo)致產(chǎn)出缺口上升，實(shí)際產(chǎn)出水平與潛在產(chǎn)出水平之差變大。從三條沖擊反應(yīng)曲線的數(shù)值分布上看，2018年第4季度極值最高(約0.075)，2008年第4季度極值次之(約0.06)，1997年第3季度最低(約0.05)。這說明隨著經(jīng)濟(jì)政策不確定性的上升，價(jià)格型政策工具對產(chǎn)出缺口的影響變大。換言之，當(dāng)經(jīng)濟(jì)政策不確定性升高時(shí)，采用降低利率等價(jià)格型政策工具可以縮小產(chǎn)出缺口，達(dá)到維護(hù)經(jīng)濟(jì)平穩(wěn)增長的調(diào)控目的。

類似地，給定名義利率R一單位標(biāo)準(zhǔn)差的正向沖擊，我們也可以估計(jì)出不同時(shí)點(diǎn)下價(jià)格型貨幣政策工具對通脹缺口的動態(tài)影響(如圖8所示)。從圖形走勢來看，三條沖擊反應(yīng)曲線的總體趨勢相同，但也存在一些細(xì)微的差異。通脹缺口的沖擊反應(yīng)大部分為正向效應(yīng)，其中1997年呈M型上下波動，產(chǎn)生這一現(xiàn)象的原因可能是1996年我國剛剛開放銀行間同業(yè)拆借利率，利率市場化處于積極探索階段。1997年經(jīng)濟(jì)發(fā)展實(shí)現(xiàn)了第一次軟著陸，各項(xiàng)指標(biāo)向好，但亞洲金融危機(jī)的爆發(fā)導(dǎo)致國內(nèi)經(jīng)濟(jì)形勢再一次嚴(yán)峻起來。2008年第4季度，沖擊反應(yīng)曲線呈現(xiàn)出先正后負(fù)的波動態(tài)勢，主要原因在于，為化解國際金融危機(jī)對國內(nèi)的影響，此次調(diào)控力度加大(5次下調(diào)存貸款基準(zhǔn)利率)且時(shí)間短(大約2—3年)，同時(shí)，我國利率市場化仍在試點(diǎn)階段，顯示出對通脹調(diào)控能力的不足。2018年第4季度，沖擊反應(yīng)曲線呈現(xiàn)出陡升緩降態(tài)勢，這說明我國價(jià)格型貨幣政策工具在治理通脹方面的能力有了大幅提升。為了應(yīng)對中美貿(mào)易摩擦產(chǎn)生的沖擊，中央銀行前瞻性地采取了一系列逆周期調(diào)節(jié)措施，例如，通過定向降準(zhǔn)、中期借貸便利(MLF)、下調(diào)支小再貸款利率、定向中期借貸便利(TMLF)、完善LPR形成機(jī)制等措施，刺激消費(fèi)帶動經(jīng)濟(jì)增長，進(jìn)而使物價(jià)在合理區(qū)間波動。沖擊反應(yīng)曲線在第14期后出現(xiàn)微弱負(fù)向影響，這說明仍需要不斷完善價(jià)格型貨幣政策工具，加強(qiáng)政策調(diào)控的長期效應(yīng)?？傮w來看，隨著經(jīng)濟(jì)政策不確定性的不斷上升，價(jià)格型貨幣政策工具對通脹缺口的影響也愈發(fā)顯著，即利率政策對通脹缺口的調(diào)控效果愈發(fā)顯著。

圖7 價(jià)格型貨幣政策工具對產(chǎn)出缺口的沖擊反應(yīng)函數(shù)

圖8 價(jià)格型貨幣政策工具對通脹缺口的沖擊反應(yīng)函數(shù)

五、主要結(jié)論與政策啟示

本文首先運(yùn)用MS-AR模型對經(jīng)濟(jì)政策不確定性指數(shù)進(jìn)行三區(qū)制劃分，并估計(jì)了各種區(qū)制之間的轉(zhuǎn)移概率矩陣。在此基礎(chǔ)上，我們通過構(gòu)建LT-TVP-VAR模型，利用模型估計(jì)的沖擊反應(yīng)函數(shù)，刻畫了不同經(jīng)濟(jì)政策不確定性水平下，我國數(shù)量型和價(jià)格型貨幣政策工具的時(shí)變反應(yīng)，測度了我國貨幣政策的有效性。進(jìn)一步，我們構(gòu)建SV-TVP-VAR模型，根據(jù)模型時(shí)點(diǎn)脈沖響應(yīng)函數(shù)，檢驗(yàn)不同經(jīng)濟(jì)政策不確定性水平下，數(shù)量型和價(jià)格型貨幣政策工具對產(chǎn)出缺口和通脹缺口的調(diào)控效應(yīng)。獲得的主要結(jié)論和貨幣政策啟示如下。

第一，從估計(jì)的等間隔脈沖響應(yīng)函數(shù)來看，經(jīng)濟(jì)政策不確定性與數(shù)量型和價(jià)格型貨幣政策工具的短、中、長期效應(yīng)均呈正相關(guān)關(guān)系。同時(shí)，在經(jīng)濟(jì)政策不確定性指數(shù)處于低區(qū)制時(shí)，數(shù)量型和價(jià)格型貨幣政策工具所產(chǎn)生效應(yīng)的波動幅度較大，但經(jīng)濟(jì)政策不確定性指數(shù)處在中、高區(qū)制時(shí)，數(shù)量型和價(jià)格型貨幣政策工具所產(chǎn)生效應(yīng)的波動幅度明顯減弱，這說明經(jīng)濟(jì)政策不確定性的沖擊，能夠明顯降低貨幣政策的有效性。為此，在當(dāng)前經(jīng)濟(jì)政策不確定性比較顯著的時(shí)期，一定要適當(dāng)保持貨幣政策操作力度，繼續(xù)實(shí)施穩(wěn)健中性的貨幣調(diào)控政策。

第二，從時(shí)點(diǎn)脈沖響應(yīng)函數(shù)的動態(tài)軌跡來看，數(shù)量型和價(jià)格型貨幣政策工具對產(chǎn)出缺口和通脹缺口的調(diào)控力度，會隨著經(jīng)濟(jì)政策不確定性水平的升高而加大。但這兩種貨幣政策工具在調(diào)控效應(yīng)和針對性上各有不同。其中，數(shù)量型貨幣政策工具對產(chǎn)出缺口調(diào)控的長期效應(yīng)較優(yōu)，短期效應(yīng)存在滯后性，且滯后時(shí)間會隨著經(jīng)濟(jì)政策不確定性的升高而變長；價(jià)格型貨幣政策工具在經(jīng)濟(jì)政策不確定性的各種水平下，均能夠?qū)Ξa(chǎn)出缺口產(chǎn)生較好的調(diào)控效應(yīng)，但在對通脹缺口的調(diào)控上，如果經(jīng)濟(jì)政策不確定性指數(shù)處于中、低區(qū)制時(shí)，調(diào)控效果略顯不足。由此可見，如果當(dāng)前需要進(jìn)行穩(wěn)增長和穩(wěn)通脹的雙重調(diào)控，并且經(jīng)濟(jì)政策不確定性處于較高水平上，我們則需要同時(shí)采用數(shù)量型和價(jià)格型貨幣政策工具，實(shí)現(xiàn)對產(chǎn)出缺口和通脹缺口的雙重調(diào)控。

綜上所述，雖然隨著經(jīng)濟(jì)政策不確定性水平的上升，貨幣政策有效性出現(xiàn)降低，但是中央銀行會加大貨幣政策的調(diào)控力度，通過盯住確定性目標(biāo)，來應(yīng)對不確定性的經(jīng)濟(jì)沖擊。因此，當(dāng)前貨幣政策的設(shè)計(jì)、操作和監(jiān)控，應(yīng)根據(jù)現(xiàn)實(shí)經(jīng)濟(jì)波動態(tài)勢和經(jīng)濟(jì)政策不確定性水平，靈活把握貨幣政策的調(diào)控力度、調(diào)控節(jié)奏和調(diào)控重點(diǎn)，創(chuàng)新性地進(jìn)行跨周期設(shè)計(jì)和逆周期調(diào)節(jié)。根據(jù)短期目標(biāo)和長期目標(biāo)的不同，我們應(yīng)合理選用不同的貨幣政策工具，提高貨幣政策調(diào)控的效率和質(zhì)量；同時(shí)，中央政府在制定各類經(jīng)濟(jì)政策時(shí)，應(yīng)加強(qiáng)預(yù)期引導(dǎo)并注重政策的連續(xù)性和穩(wěn)定性。就貨幣政策有效性而言，應(yīng)繼續(xù)深化利率市場化改革，強(qiáng)化結(jié)構(gòu)性政策工具的精準(zhǔn)滴灌作用以及重視貨幣政策的預(yù)期管理，充分發(fā)揮貨幣政策對宏觀經(jīng)濟(jì)調(diào)控的前瞻性、主動性、精準(zhǔn)性和有效性作用，促進(jìn)國民經(jīng)濟(jì)平穩(wěn)健康發(fā)展和“十四五”規(guī)劃的如期實(shí)現(xiàn)。

[1] 王立勇, 張良貴. 開放條件下我國貨幣政策有效性的經(jīng)驗(yàn)分析——基于目標(biāo)實(shí)現(xiàn)與工具選擇角度的評價(jià)[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2011, 28(8): 77?90. WANG Liyong, ZHANG Lianggui. Empirical researches on the effectiveness of China’s monetary policy in the open economy[J]. The Journal of Quantitative & Technical Economics, 2011, 28(8): 77?90.

[2] 劉喜和, 李良健, 高明寬.不確定條件下我國貨幣政策工具規(guī)則穩(wěn)健性比較研究[J]. 國際金融研究, 2014(7): 7?17. LIU Xihe, LI Liangjian, GAO Mingkuan. Comparative study on the robustness of monetary policy rules under the uncertain conditions[J]. Studies of International Finance, 2014(7): 7?17.

[3] TENREYRO S, THWAITES G. Pushing on a string: US monetary policy is less powerful in recessions[J]. American Economic Journal: Macroeconomics, 2016, 8(4): 43?74.

[4] 梁豐. 經(jīng)濟(jì)政策不確定性與我國貨幣政策有效性——基于門檻向量自回歸模型的實(shí)證研究[J]. 華東經(jīng)濟(jì)管理, 2019, 33(6): 84?90. LIANG Feng. Uncertainty of economic policy and effectiveness of China’s monetary policy——An empirical study based on threshold vector autoregression model[J]. East China Economic Management, 2019, 33(6): 84?90.

[5] 王君斌, 郭新強(qiáng), 王宇. 中國貨幣政策的工具選取、宏觀效應(yīng)與規(guī)則設(shè)計(jì)[J]. 金融研究, 2013(8): 1?15. WANG Junbin, GUO Xinqiang, WANG Yu. Tool selection, macro effect and rule design of China’s monetary policy[J]. Journal of Financial Research, 2013(8): 1?15.

[6] 汪川. “新常態(tài)”下我國貨幣政策轉(zhuǎn)型的理論及政策分析[J]. 經(jīng)濟(jì)學(xué)家, 2015(5): 35?42. WANG Chuan. Theoretical and policy analysis of China’s monetary policy transformation under the “New Normal” [J]. Economist, 2015(5): 35?42.

[7] 徐寧, 丁一兵, 張男.經(jīng)濟(jì)不確定性沖擊與貨幣政策的時(shí)變反饋——基于《人民日報(bào)》《光明日報(bào)》大數(shù)據(jù)的研究[J]. 財(cái)經(jīng)科學(xué), 2020(1): 1?12. XU Ning, DING Yibing, ZHANG Nan. The time-varying feedback mechanism of the economic uncertainty and monetary policy——Empirical evidence based on keyword capture with big data crawler[J]. Finance & Economics, 2020(1): 1?12.

[8] 張龍, 姜龍. 中國貨幣政策調(diào)控的取向變遷與量價(jià)轉(zhuǎn)型——兼論調(diào)控取向定量測度的擬合效果[J]. 當(dāng)代財(cái)經(jīng), 2020(9): 52?65. ZHANG Long, JIANG Long. Orientation evolution and quantity-price transformation of China’s monetary policy regulation: Also on the imitative effect of the quantitative measurement of regulation orientation[J]. Contemporary Finance & Economics, 2020(9): 52?65.

[9] MAYER E, SCHARLER J. Noisy information, interest rate shocks and the great moderation[J]. Journal of Macroeconomics, 2011, 33(4): 568?581.

[10] 田磊, 林建浩.經(jīng)濟(jì)政策不確定性兼具產(chǎn)出效應(yīng)和通脹效應(yīng)嗎?來自中國的經(jīng)驗(yàn)證據(jù)[J]. 南開經(jīng)濟(jì)研究, 2016(2): 3?24. TIAN Lei, LIN Jianhao. Does the economic policy uncertainty have both output effect and inflation effect? Evidence from China[J]. Nankai Economic Studies, 2016(2): 3?24.

[11] 劉金全, 解瑤姝. “新常態(tài)”時(shí)期貨幣政策時(shí)變反應(yīng)特征與調(diào)控模式選擇[J]. 金融研究, 2016(9): 1?17. LIU Jinquan, XIE Yaoshu. The characteristic of monetary policy changes and the choice of control modes in the period of “New Normal”[J]. Journal of Financial Research, 2016(9): 1?17.

[12] 蘇治, 劉程程, 位雪麗.經(jīng)濟(jì)不確定性是否會弱化中國貨幣政策有效性[J]. 世界經(jīng)濟(jì), 2019, 42(10): 49?72. SU Zhi, LIU Chengcheng, WEI Xueying. Will economic uncertainty weaken the effectiveness of China’s monetary policy[J]. The Journal of World Economy, 2019, 42(10): 49?72.

[13] 王偉強(qiáng).經(jīng)濟(jì)政策不確定性對貨幣政策調(diào)控有效性的影響[J]. 鄭州大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版), 2019, 52(3): 27?34, 126. WANG Weiqiang. The influence of economic policy uncertainty on the effectiveness of monetary policy regulation[J]. Journal of Zhengzhou University (Philosophy and Social Sciences Edition), 2019, 52(3): 27?34, 126.

[14] 劉金全, 張龍. “多目標(biāo)”下數(shù)量型與價(jià)格型貨幣政策工具的有效性對比研究——基于“多指標(biāo)”的量化分析視角[J]. 東北大學(xué)學(xué)報(bào)(社會科學(xué)版), 2019, 21(6): 583?590, 650. LIU Jinquan, ZHANG Long. A comparative study on the effectiveness of quantitative and price-based monetary policy tools under “multi-targets” ——From the perspective of quantitative analysis based on “multi- indicators”[J]. Journal of Northeastern University (Social Science), 2019, 21(6): 583?590, 650.

[15] MUKHERJEE S, BHATTACHARYA R. Do the Keynesian monetary transmission mechanisms work in the MENA region[J]. Empirical Economics, 2015, 48(3): 969?982.

[16] 陳創(chuàng)練, 戴明曉.貨幣政策、杠桿周期與房地產(chǎn)市場價(jià)格波動[J]. 經(jīng)濟(jì)研究, 2018, 53(9): 52?67. CHEN Chuanglian, DAI Mingxiao. Monetary policy, leverage cycle and house price fluctuation[J]. Economic Research Journal, 2018, 53(9): 52?67.

[17] 鄧創(chuàng), 付蓉, 徐曼. 中國貨幣政策的獨(dú)立性會影響調(diào)控效果嗎——基于門限向量自回歸模型的實(shí)證研究[J]. 經(jīng)濟(jì)學(xué)家, 2018(12): 29?37. DENG Chuang, FU Rong, XU Man. Would the independence of China’s monetary policy affect its regulatory effect?——An empirical study based on the threshold vector autoregression model[J]. Economist, 2018(12): 29?37.

[18] 付一婷, 劉金全, 劉子玉. 金融周期與經(jīng)濟(jì)周期的時(shí)變關(guān)聯(lián)機(jī)制與非對稱傳導(dǎo)效應(yīng)[J]. 金融經(jīng)濟(jì)學(xué)研究, 2020(1): 20?31. FU Yiting, LIU Jinquan, LIU Ziyu. Time-varying correlation mechanism and asymmetric transmission effects between financial and business cycles[J]. Financial Economics Research, 2020(1): 20?31.

[19] 段梅. 經(jīng)濟(jì)政策不確定性會影響貨幣政策有效性嗎 ——基于信貸渠道的視角[J]. 當(dāng)代財(cái)經(jīng), 2017(6): 18?27. DUAN Mei. Can economic policy uncertainty influence the effectiveness of monetary policy? From the perspective of credit channel[J]. Contemporary Finance & Economics, 2017(6): 18?27.

[20] 劉金全, 張?bào)阃? 方毅. 基于不同沖擊和不同政策搭配的最優(yōu)貨幣政策規(guī)則[J]. 上海經(jīng)濟(jì)研究, 2020(11): 69?79. LIU Jinquan, ZHANG Xiaowan, FANG Yi. Optimal monetary policy rule based on various impacts and distinct policy collocations[J]. Shanghai Journal of Economics, 2020(11): 69?79.

[21] 馬勇, 付莉. “雙支柱”調(diào)控、政策協(xié)調(diào)搭配與宏觀穩(wěn)定效應(yīng)[J]. 金融研究, 2020(8): 1?17. MA Yong, FU Li. The “two-pillar” framework, policy coordination and macroeconomic stability[J]. Journal of Financial Research, 2020(8): 1?17.

[22] BAKER S R, BLOOM N, DAVIS S J. Measuring economic policy uncertainty[J]. Quarterly Journal of Economics, 2016, 131(4): 1593?1636.

[23] HAMILTON J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica, 1989, 57(2): 357?384.

[24] 張龍, 劉金全. 我國經(jīng)濟(jì)政策不確定性的階段性特征及其動態(tài)消費(fèi)效應(yīng)[J]. 暨南學(xué)報(bào)(哲學(xué)社會科學(xué)版), 2019, 41(7): 46?56. ZHANG Long, LIU Jinquan. The stage characteristics of China’s economic policy uncertainty and its dynamic consumption effects[J]. Jinan Journal (Philosophy & Social Science Edition), 2019, 41(7): 46?56.

[25] NAKAJIMA J, WEST M. Bayesian analysis of latent threshold dynamic models[J]. Journal of Business & Economic Statistics, 2013, 31(2): 151?164.

[26] PRIMICERI G E. Time varying structural vector autoregressions and monetary policy[J]. Review of Economic Studies, 2005(3): 821?852.

[27] NAKAJIMA J, KASUYA M, WATANABE T. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy[J]. Journal of The Japanese and International Economies, 2011, 25(3): 225?245.

[28] ORPHANIDES A. Monetary policy evaluation with noisy information[J]. Journal of Monetary Economics, 2003, 50(3): 605?631.

Research on the effectiveness of monetary policy under the uncertainty of economic policy

LIU Jinquan, WANG Guozhi, FU Weiyan

(School of Business, Jilin University, Changchun 130012, China)

This paper exploits first MS-AR model to divide index of economic policy uncertainty into three regimes, then LT-TVP-VAR model to analyze the impact of economic policy uncertainty shocks on the effectiveness of quantitative and price-based policy tools, and finally the SV-TVP-VAR model to measure the time-varying effects of quantitative and price-based monetary policy tools on the output gap and inflation gap under different economic policy uncertainties. The results show that the increase of economic policy uncertainty can reduce the effectiveness of monetary policy and urge the central bank to increase the intensity of monetary policy. In terms of the selection of monetary policy rules and tools, quantitative monetary policy tools have obvious long-term regulation effect on the output gap, while the short-term effect is lagging behind, and with the increase of economic policy uncertainty, the policy effect weakens. Price-based monetary policy tools can effectively control the output gap under different levels of economic policy uncertainty, but when the economic policy uncertainty is low, the ability to regulate the inflation gap is insufficient. The above empirical conclusions provide empirical evidence and support for us to choose monetary policy rules and tools under different economic policy uncertainties.

economic policy uncertainty; effectiveness of monetary policy; price-based monetary policy; inflation gap; output gap

2020?04?12；

2021?03?11

國家社會科學(xué)基金重點(diǎn)項(xiàng)目“經(jīng)濟(jì)周期形態(tài)變異、子類經(jīng)濟(jì)周期劃分、子類經(jīng)濟(jì)周期與經(jīng)濟(jì)周期關(guān)聯(lián)機(jī)制研究”(19AJY005)

劉金全，黑龍江密山人，經(jīng)濟(jì)學(xué)博士，吉林大學(xué)商學(xué)院、吉林大學(xué)數(shù)量經(jīng)濟(jì)研究中心教授、博士生導(dǎo)師、教育部長江學(xué)者特聘教授，主要研究方向：宏觀經(jīng)濟(jì)計(jì)量分析；王國志，吉林白山人，吉林大學(xué)商學(xué)院博士研究生, 主要研究方向：宏觀經(jīng)濟(jì)計(jì)量分析；付衛(wèi)艷，吉林長春人，經(jīng)濟(jì)學(xué)博士，吉林大學(xué)商學(xué)院助理研究員，主要研究方向：宏觀經(jīng)濟(jì)計(jì)量分析

10.11817/j.issn. 1672-3104. 2021.02.012

F822.0

A

1672-3104(2021)02?0126?14

[編輯: 何彩章]