摘要：地緣政治風(fēng)險不僅加劇了全球和地區(qū)經(jīng)濟增長的不確定性，也對本國央行平衡國內(nèi)外經(jīng)濟環(huán)境，對沖他國貨幣政策溢出沖擊并最終實現(xiàn)本國貨幣政策目標帶來了較多挑戰(zhàn)，增加了跨周期貨幣政策決策的難度。本文基于地緣政治風(fēng)險視角，利用2000—2023年季度數(shù)據(jù)，首先使用TVP-SV-SVAR模型分析地緣政治風(fēng)險對主要經(jīng)濟體貨幣政策決策的影響，然后以地緣政治風(fēng)險指數(shù)為條件變量構(gòu)建PCHVARX模型，分析不同地緣政治風(fēng)險水平下主要經(jīng)濟體的價格型和數(shù)量型貨幣政策跨國溢出效應(yīng)特征。研究發(fā)現(xiàn)，各國中央銀行貨幣政策對地緣政治風(fēng)險的反應(yīng)近年來呈上升趨勢；相較于發(fā)達國家，新興市場國家的貨幣政策對地緣政治風(fēng)險具有更強的反應(yīng)力度；不同經(jīng)濟體中央銀行應(yīng)對地緣政治風(fēng)險所使用的貨幣政策工具存在差異，發(fā)達國家以價格型工具為主、數(shù)量型工具為輔，而新興市場國家則以數(shù)量型工具為主、價格型工具為輔；地緣政治風(fēng)險水平越高的經(jīng)濟體，他國貨幣政策對其溢出效應(yīng)越強，導(dǎo)致貨幣政策內(nèi)外平衡難度越大。

關(guān)鍵詞：地緣政治風(fēng)險；貨幣政策；溢出效應(yīng)；TVP-SV-SVAR模型；PCHVARX模型

中圖分類號：F823" " " " 文獻標識碼：A" " " " 文章編號：1007-0753（2024）11-0003-19

一、引言

（一）選題背景與意義

地緣政治風(fēng)險（Geopolitical Risk，GPR）指國家或非國家行為體對海外特定地理空間的開發(fā)、塑造、競爭或控制造成該地區(qū)既有地緣利益結(jié)構(gòu)發(fā)生變化而引發(fā)的國際政治風(fēng)險。地緣政治風(fēng)險往往會對國際秩序產(chǎn)生巨大沖擊，對全球?qū)嶓w經(jīng)濟及金融市場產(chǎn)生嚴重負面影響。例如2022年2月俄烏沖突升級以來，地緣政治風(fēng)險指數(shù)（GPR指數(shù)）達到“9·11”事件后的又一高峰（見圖1），加之全球主要經(jīng)濟體GDP增速普遍不及預(yù)期，全球大多數(shù)金融市場出現(xiàn)普遍下跌，恐慌指數(shù)（VIX）短期內(nèi)創(chuàng)新冠疫情后最大值，大量資本涌入能源、糧食期貨市場以求避險，全球通脹水平持續(xù)升高。地緣政治危機使得全球經(jīng)濟的疫后脆弱復(fù)蘇充滿了不確定性。

貨幣政策作為重要宏觀政策之一，在維護一國幣值穩(wěn)定和實現(xiàn)經(jīng)濟增長目標中發(fā)揮了重要作用，但地緣政治風(fēng)險可能給各國貨幣政策操作和政策目標的最終達成帶來嚴峻挑戰(zhàn)。以歐元區(qū)為例，2022年以來，在俄烏沖突、歐美對俄羅斯的全面制裁以及北溪天然氣管道遭遇破壞等一系列地緣政治事件的影響下，食品和能源價格居高不下，盡管歐洲央行采取了較為激進的加息政策，但歐元區(qū)國家的通脹水平仍顯著高于歐洲央行的通脹目標，通脹壓力沒有得到根本性的緩解，反而造成了經(jīng)濟增長放緩、失業(yè)率上升、金融市場波動以及債務(wù)負擔加重等負面影響。

與此同時，一國的貨幣政策不僅在本國內(nèi)部發(fā)生作用，也會影響其他經(jīng)濟體，甚至可能在不同經(jīng)濟體之間產(chǎn)生多輪傳導(dǎo)的溢出效應(yīng)。特別是經(jīng)濟體量、開放水平、國際聲望等處于優(yōu)勢地位的主要經(jīng)濟體，其貨幣政策可能通過貿(mào)易、金融、外匯等渠道對其他國家產(chǎn)生顯著的溢出效應(yīng)，這種溢出效應(yīng)在高地緣政治風(fēng)險時期被明顯放大。例如2022年俄烏沖突加劇，地緣政治風(fēng)險陡增，美聯(lián)儲、英格蘭銀行等主要發(fā)達經(jīng)濟體央行開啟了新一輪激進的加息周期，地緣政治風(fēng)險與國際貨幣政策緊縮造成的外溢效應(yīng)進一步持續(xù)加劇了新興經(jīng)濟體的外部經(jīng)濟壓力。

上述事實表明，地緣政治風(fēng)險已經(jīng)成為一國央行維護幣值穩(wěn)定和促進經(jīng)濟增長不可忽視的重要影響因素。隨著國際政治局勢的持續(xù)惡化，地緣政治風(fēng)險事件頻發(fā)，外部不確定性進一步加劇，加之國內(nèi)仍面臨著有效需求不足、供給側(cè)沖擊以及社會預(yù)期偏弱等諸多內(nèi)部挑戰(zhàn)，探究地緣政治風(fēng)險對主要經(jīng)濟體貨幣政策決策的影響，并分析不同地緣政治風(fēng)險水平下貨幣政策跨國溢出效應(yīng)特征，對于我國央行如何更好地平衡國內(nèi)外經(jīng)濟環(huán)境，助力央行前瞻性地監(jiān)測和從容應(yīng)對國際地緣政治沖擊，實現(xiàn)精準跨周期調(diào)控，最終達成貨幣政策目標，具有較強的理論和實踐意義。

（二）文獻綜述

隨著國際格局變化和全球化進程的加速，地緣政治風(fēng)險的影響愈發(fā)強烈，其產(chǎn)生的嚴重的負面沖擊迫使本國政府在宏觀政策上做出反應(yīng)，以維護本國社會經(jīng)濟穩(wěn)定，因而地緣政治沖擊對貨幣政策決策的影響逐漸被各國央行高度重視。Gourio（2012）最早提出了災(zāi)難沖擊的概念。災(zāi)難沖擊不僅包括自然災(zāi)害沖擊，也包括諸如金融危機、戰(zhàn)爭等人為災(zāi)難沖擊。趙向琴等（2017）通過構(gòu)建包含TFP（全要素生產(chǎn)率）災(zāi)難沖擊的DSGE模型，分析了我國最優(yōu)財政貨幣政策的選擇。Kara和Thakoor（2022）分析了在氣候變化風(fēng)險下，財政和貨幣政策應(yīng)如何做出選擇以適應(yīng)人口老齡化的變化等。目前國內(nèi)關(guān)于地緣政治沖擊的研究主要是從其對金融周期波動、經(jīng)濟不確定性等方面的影響展開（王愛儉等，2021；李青召和方毅，2019；卜林等，2020，2021），而對地緣政治沖擊下央行貨幣政策選擇影響的文獻相對較少。

地緣政治風(fēng)險會在不同程度上抑制經(jīng)濟活動，導(dǎo)致經(jīng)濟收縮（Cheng 和Chiu，2018）。朱民等（2021）認為地緣政治風(fēng)險使大宗商品價格有所波動，進而導(dǎo)致通貨膨脹。郭文偉和羅勝濤（2023）提出，能源類大宗商品對新興經(jīng)濟體的通貨膨脹效應(yīng)比發(fā)達國家更為明顯。李斌（2010）提到，發(fā)達國家的寬松貨幣政策導(dǎo)致了結(jié)構(gòu)性通貨膨脹。此外，地緣政治風(fēng)險會使投資者產(chǎn)生恐慌情緒。對風(fēng)險國而言，資本流入被中斷而資本流出增加，使得匯率貶值壓力上升（李青召和方毅，2019；劉浩杰和林楠，2021）。李艷麗等（2022）指出，在跨境資本頻繁流動的基礎(chǔ)上，貨幣政策的自主性會被削弱。蘇治等（2019）也提出外部不確定性風(fēng)險會在量上削弱貨幣政策效果。東道國的外部沖突會影響第三方國家的貿(mào)易（杜映昕，2015），美國量化寬松貨幣政策會對新興經(jīng)濟體的通貨膨脹產(chǎn)生嚴重的溢出效應(yīng)（陳磊和侯鵬，2011），朱民等（2021）則基于全球供應(yīng)鏈中斷解釋這種通貨膨脹效應(yīng)。

隨著全球一體化進程的加速，貨幣政策通過利率、匯率和資產(chǎn)價格等渠道產(chǎn)生溢出效應(yīng)（楊陽和干杏娣，2018），在政策出現(xiàn)方向性變化時最為明顯（劉堯成，2016），且數(shù)量型貨幣政策工具的溢出強度更大（黃憲和楊子榮，2016；楊子榮等，2018）。從溢出后果看，國際貨幣政策沖擊對國內(nèi)經(jīng)濟可能產(chǎn)生較大短期內(nèi)負面影響，而中長期趨于緩解（馬理和文程浩，2021）。相較于發(fā)達國家，新興市場國家受到的外溢沖擊總體更為劇烈，甚至要強于對溢出來源國自身的影響（邢天才和唐國華，2011；倪中新和王豐瑩，2014；楊子榮等，2018；崔百勝和葛凌清，2019），而各國不同的對外貿(mào)易依存度、金融發(fā)展指數(shù)以及工業(yè)生產(chǎn)指數(shù)條件也會導(dǎo)致貨幣政策的影響和通貨膨脹效應(yīng)出現(xiàn)不對稱和異質(zhì)性（崔百勝和高崧耀，2019）。已有文獻主要關(guān)注貨幣政策國際溢出渠道和溢出效應(yīng)強弱，或者不同社會經(jīng)濟條件下溢出效應(yīng)的異質(zhì)性，較少關(guān)注不同地緣政治風(fēng)險條件對貨幣政策跨國溢出效應(yīng)強弱的影響，而這對中央銀行防范由地緣政治風(fēng)險造成的他國貨幣政策超額外溢效應(yīng)對本國的風(fēng)險沖擊具有重要意義。

基于上述研究，本文分“兩步走”研究地緣政治沖擊下主要經(jīng)濟體貨幣政策決策及其外溢效應(yīng)：先基于TVP-SV-SVAR模型研究全球地緣政治風(fēng)險如何影響一國貨幣政策決策，再使用PCHVARX模型分析不同地區(qū)地緣政治風(fēng)險水平對貨幣政策跨國溢出效應(yīng)的影響。本文可能的邊際貢獻如下：第一，現(xiàn)有文獻缺乏明確將地緣政治風(fēng)險作為不確定性風(fēng)險之一來分析其對一國貨幣政策決策影響的研究。本文在梳理貨幣政策多渠道外溢機制的基礎(chǔ)上，借助TVP-SV-SVAR模型來分析地緣政治風(fēng)險變化時一國的數(shù)量型和價格型貨幣政策如何做出反應(yīng)。第二，現(xiàn)有文獻較少分析地緣政治風(fēng)險變化對貨幣政策外溢效應(yīng)強度的影響，且大多數(shù)研究在分析貨幣政策跨國溢出效應(yīng)時更側(cè)重一對一的外溢效應(yīng)，而將多國貨幣政策納入整體框架的研究較少。本文借鑒Georgiadis（2012）的思路，通過PCHVARX模型分析他國數(shù)量型和價格型貨幣政策沖擊對國內(nèi)經(jīng)濟變量的影響，以分析面臨不同地緣政治風(fēng)險條件時，貨幣政策跨國外溢效應(yīng)的異質(zhì)性。

二、地緣政治風(fēng)險視角下貨幣政策決策與外溢機制分析

地緣政治風(fēng)險可能對一個國家的經(jīng)濟金融等方面產(chǎn)生重大影響，進而影響該國貨幣政策決策。與此同時，不同地緣政治風(fēng)險水平下，貨幣政策的溢出效應(yīng)通過匯率、投資者信心、國際貿(mào)易和資本流動等渠道對其他國家宏觀經(jīng)濟變量產(chǎn)生差異性的外溢影響，如圖2所示。

從地緣政治風(fēng)險對貨幣政策決策的影響來看：第一，地緣政治風(fēng)險可能影響該國的經(jīng)濟增長和通貨膨脹水平。在地緣政治擾動下，大宗商品價格波動進一步推動通脹上升（朱民等，2021）。同時，地緣政治不確定性的加劇會導(dǎo)致消費者延遲消費，經(jīng)濟收縮（Cheng 和Chiu，2018）。然而，促進經(jīng)濟增長，兼顧通貨膨脹承受能力是貨幣政策的最終目標。如俄烏沖突爆發(fā)后，俄羅斯國內(nèi)通脹高企，俄羅斯央行一度將關(guān)鍵利率提升至近十年來最高的20%的水平，以穩(wěn)定盧布匯率并控制通脹。第二，地緣政治風(fēng)險上升加劇了市場恐慌和短期資本流出（劉強和陶士貴，2023），從眾跟風(fēng)行為甚至導(dǎo)致“羊群效應(yīng)”（許年行等，2013）。地緣政治風(fēng)險引發(fā)的投資者恐慌情緒上升，會導(dǎo)致跨境資本流動逆轉(zhuǎn)、資產(chǎn)價格下跌等（李青召和方毅，2019），從而加劇金融市場波動，危及金融穩(wěn)定，貨幣政策需要對此做出反應(yīng)。例如2022—2023年中美地緣政治摩擦加劇，加之國內(nèi)經(jīng)濟下行壓力較大，資本市場出現(xiàn)大幅回撤，中國人民銀行多次下調(diào)利率和存款準備金率，釋放流動性以維持金融穩(wěn)定。第三，地緣政治風(fēng)險上升將加劇短期資本流出，進一步導(dǎo)致本幣貶值壓力增大（劉浩杰和林楠，2021），從而促使央行調(diào)整貨幣政策以穩(wěn)定匯率水平。此外，隨著經(jīng)濟全球化和金融市場一體化的推進，地緣政治風(fēng)險的溢出效應(yīng)明顯增強，加之近年來中央銀行貨幣政策目標不僅關(guān)注幣值穩(wěn)定和經(jīng)濟增長，還擴展至金融穩(wěn)定和市場信心等，這就要求中央銀行進一步提高對地緣政治沖擊的反應(yīng)能力。因此，本文提出如下假設(shè)：

H1：各國貨幣政策對不同時期地緣政治沖擊做出差異化反應(yīng)，但同等沖擊強度下，近年來各國貨幣政策的反應(yīng)強度呈上升趨勢。

從國別異質(zhì)性來看：一方面，由于各國面臨的地緣政治風(fēng)險事件不同，貨幣政策反應(yīng)的強度和方向呈現(xiàn)出多樣性，其中，能源類大宗商品對能源依賴型國家和新興經(jīng)濟體的通脹影響更為明顯（郭文偉和羅勝濤，2023）。這是由于新興市場國家面臨著更為單一的經(jīng)濟結(jié)構(gòu)和有限的金融市場發(fā)展水平，金融脆弱性較高，且貨幣政策工具選擇相對受限。另外，外部不確定性沖擊和跨境資本的頻繁流動會削弱貨幣政策效果（蘇治等，2019；李艷麗等，2022），因此政策調(diào)控幅度相對較大。另一方面，價格型貨幣政策傳導(dǎo)渠道以利率和匯率為主，以利率作為傳導(dǎo)渠道更適合金融市場發(fā)展程度較高、融資方式多元化的西方發(fā)達經(jīng)濟體（鄧雄，2015）。發(fā)達國家廣泛采用通脹目標制的貨幣政策調(diào)控規(guī)則，且其具有相當規(guī)模的金融市場和較高的政策透明度，價格信息傳導(dǎo)相對通暢，便于開展價格型貨幣政策操作，數(shù)量型貨幣政策僅在接近零利率下限時，作為非常規(guī)貨幣政策的補充。新興市場國家普遍面臨金融工具多樣性不足、金融市場欠發(fā)達等問題，這些金融發(fā)展程度較低的國家，其貨幣政策更容易受到資本流動的負向影響（李程和韓明月，2024），加之國內(nèi)經(jīng)常面臨較高通脹壓力，相較于更為直接的貨幣數(shù)量控制，價格信號傳導(dǎo)并不穩(wěn)定。因而在面臨地緣政治沖擊時，新興市場國家主要采取數(shù)量型貨幣政策工具進行調(diào)控。因此，本文提出如下假設(shè)：

H2：同等強度地緣政治沖擊下，相對于發(fā)達國家，新興市場國家需要更大的貨幣政策調(diào)控力度以對沖地緣政治風(fēng)險的影響。

H3：面臨地緣政治沖擊時，發(fā)達國家的貨幣政策響應(yīng)以價格型為主、數(shù)量型為輔，而新興市場國家的貨幣政策響應(yīng)以數(shù)量型為主、價格型為輔。

從不同地緣政治風(fēng)險水平下貨幣政策外溢效應(yīng)和對他國的宏觀經(jīng)濟和貨幣政策的影響來看：第一，前景理論使得投資者置換避險資產(chǎn)以規(guī)避風(fēng)險，避險情緒會導(dǎo)致高地緣政治風(fēng)險地區(qū)的金融市場加劇波動，資本流出，這種信心不足和資本流出會減弱甚至逆轉(zhuǎn)原有貨幣政策的效應(yīng)，放大國內(nèi)經(jīng)濟變量的波動幅度，并迫使央行加大貨幣政策的調(diào)控力度。例如2016年英國脫歐導(dǎo)致金融市場震蕩和資本流出，歐洲央行不得不繼續(xù)維持低利率和量化寬松政策，并采取前瞻性指引措施以修復(fù)市場信心。第二，當一個國家面臨地緣政治風(fēng)險時，其本身可能采取較為寬松的貨幣政策以應(yīng)對不確定性，寬松的貨幣政策與地緣政治風(fēng)險疊加，造成相關(guān)國家貨幣超預(yù)期貶值和其他國家貨幣面臨升值壓力（李斌，2010；陳磊和侯鵬，2011）。例如2014年和2022年俄羅斯盧布、2018年土耳其里拉、2018—2019年阿根廷比索均受到地緣政治和國內(nèi)經(jīng)濟因素雙重影響而出現(xiàn)大幅貶值。第三，地緣政治風(fēng)險可能影響國際貿(mào)易路線和全球供應(yīng)鏈，供應(yīng)鏈中斷的持續(xù)加劇將使得商品供給長期無法滿足需求的上升，進而導(dǎo)致通貨膨脹更為嚴重（朱民等，2021）。地緣政治風(fēng)險對全球貿(mào)易流動具有顯著的負面影響（劉文革和黃玉，2020）。這將影響商品和服務(wù)的流動，特別是當波及主要貿(mào)易伙伴或者糧食與能源進口國時，將傳導(dǎo)至相關(guān)國家的物價水平，從而影響通脹預(yù)期并迫使其調(diào)整貨幣政策。例如2022年俄烏沖突爆發(fā)后，美國、歐盟等對俄羅斯實施了一系列制裁，導(dǎo)致全球能源價格飆升、通脹壓力增大。為應(yīng)對地緣政治風(fēng)險帶來的通脹壓力，美聯(lián)儲、歐洲央行等紛紛采取貨幣政策收緊措施，提高基準利率，以抑制通脹。因此，本文提出如下假設(shè)：

H4：較高的地緣政治風(fēng)險水平起到了貨幣政策外溢效應(yīng)“放大器”的作用。

三、實證研究模型與指標體系構(gòu)建

（一）TVP-SV-SVAR模型

向量自回歸（VAR）模型廣泛應(yīng)用于宏觀經(jīng)濟分析領(lǐng)域，通過引入時變系數(shù)和時變方差（Canova，1993；Cogley和Sargent，2002，2005），VAR模型具備了部分時變特征；而多元隨機波動率模型及其估計方法的發(fā)展（Harvey 等，1994；Kim 等，1998；Chib 等，2002），使得在VAR模型中引入隨機方差協(xié)方差矩陣成為可能；在總結(jié)前述研究的基礎(chǔ)上，Primiceri（2005）進一步提出了允許系數(shù)、截距項、方差協(xié)方差矩陣都隨時間變化而變化，且將當期變量納入結(jié)構(gòu)性約束的TVP-SV-SVAR模型。

本文使用TVP-SV-SVAR模型來刻畫不同國家面對地緣政治沖擊時的貨幣政策決策。根據(jù)前述理論框架，地緣政治風(fēng)險影響了貨幣政策目標變量水平，進而促使央行改變貨幣政策決策，以實現(xiàn)貨幣政策目標的重新達成。本文進一步將貨幣政策細分為數(shù)量型貨幣政策和價格型貨幣政策兩類，借鑒Primiceri（2005）和Nakajima（2011）的建模框架，分國別構(gòu)建三變量TVP-SV-SVAR模型，刻畫地緣政治風(fēng)險對本國貨幣政策決策的動態(tài)影響，如式（1）所示。

AtYt = B0，t + ∑pi=1Bi，t Yt-i + εt" ，" εt ～ N（0，∑t" "）

At =" " " " ∑t" "=" " " " " " " " （1）

其中3×1階列向量Yt代表地緣政治風(fēng)險、價格型貨幣政策工具和數(shù)量型貨幣政策工具。向量B0，t為時變截距項，矩陣Bi，t為時變滯后系數(shù)矩陣，時變矩陣At代表了變量間的同期約束關(guān)系。εt是正交的潛在不可觀測結(jié)構(gòu)性沖擊向量，并假設(shè)εt ～ N（0，∑t" ），∑t" 為對角矩陣。在實際估計參數(shù)時，由于矩陣A可逆，使用如下的簡化式模型進行估計：

Yt = A-1t" B0，t + ∑pi=1 A-1t" Bi，t Yt-i + A-1t" εt

= Bs0，t + ∑pi=1 Bsi，t Yt-i + ut" ，" ut ～ N（0， Ht）" " " " " " （2）

其中簡化式參數(shù)Bsi，t = A-1t" Bi，t" i = 1，2，…， p，可觀測混合沖擊為ut = A-1t" εt，其方差協(xié)方差矩陣為Ht = A-1t" ∑t" （A-1t" ）T，且Ht不再是對角矩陣，即實際觀測到的沖擊可以看作若干個潛在獨立沖擊的線性組合。

時變結(jié)構(gòu)約束矩陣At設(shè)置成對角線為1的下三角矩陣，在滿足SVAR模型識別條件①的同時，還可以方便地將式（2）簡化式參數(shù)估計結(jié)果通過喬列斯基分解還原到式（1）的結(jié)構(gòu)式參數(shù)。下三角約束矩陣A是一種遞歸識別結(jié)構(gòu)，意味著在式（1）的SVAR模型中，前序變量受到?jīng)_擊后能夠?qū)笮蜃兞慨a(chǎn)生即期影響，而后序變量卻無法對前序變量產(chǎn)生即期影響，只能產(chǎn)生滯后影響。

根據(jù)前述理論機制，地緣政治風(fēng)險是沖擊的源頭，GPR指數(shù)對央行的貨幣政策操作產(chǎn)生即期影響。其中，價格型貨幣政策（如政策利率）通過影響資金成本來調(diào)控經(jīng)濟的傳導(dǎo)機制較為直接，尤其在金融市場開放和金融體系發(fā)達的經(jīng)濟體中，可以較快地影響經(jīng)濟主體的行為，具備較快的反應(yīng)速度；而數(shù)量型貨幣政策（如貨幣供應(yīng)量或存款準備金率）通過直接控制市場上流通貨幣來實現(xiàn)政策目標，其效果受到金融結(jié)構(gòu)、貨幣乘數(shù)穩(wěn)定性等因素的影響，尤其是在金融市場不完善或金融創(chuàng)新欠活躍的情況下，其傳導(dǎo)到實體經(jīng)濟的速度相對較慢。在貨幣政策操作中，價格型貨幣政策工具在調(diào)節(jié)資金價格時，同時也會影響貨幣供應(yīng)量，即價格型貨幣政策工具對數(shù)量型貨幣政策工具產(chǎn)生即期影響，而反過來，數(shù)量型貨幣政策工具在調(diào)控貨幣供應(yīng)量后，需要較長時間才能影響政策利率的變化，可以認為僅能對價格型貨幣政策工具產(chǎn)生滯后影響。貨幣政策操作首先影響本國經(jīng)濟狀況，再間接改變本國面臨的地緣政治態(tài)勢，僅能對地緣政治風(fēng)險產(chǎn)生滯后影響。

若令Yt = （GPRi，Ri，M2t，），則式（1）中的矩陣At剛好在滿足上述經(jīng)濟意義的同時，也符合模型的遞歸識別條件，可以將簡化式參數(shù)轉(zhuǎn)換為結(jié)構(gòu)式參數(shù)。

對于時變參數(shù)的動態(tài)性，本文借鑒Primiceri（2005）和Nakajima（2011）的做法，將所有待估參數(shù)設(shè)定為隨機游走的形式，其隨機擾動項υt、ζt、ηt分別服從均值為0，方差協(xié)方差矩陣分別為Q、S、W的多元正態(tài)分布，如式（3）所示：

Bst = Bst-1 + υt" ，" υt ～ N（0， Q）

αt = αt-1 + ζt" "，" ζt ～ N（0， S ）

ln σt = ln σt-1 + ηt" ， ηt ～ N（0， W ）" " " " " " " " " " " （3）

其中Bst = [vec（Bs0，t），vec（Bs1，t），…，vec （Bsp，t ）]代表簡化式模型（2）中所有常數(shù)項和滯后項系數(shù)矩陣拉直后的向量，αt代表結(jié)構(gòu)約束矩陣At中所有的自由參數(shù)（下三角部分），σt代表各結(jié)構(gòu)沖擊的標準差，將其取對數(shù)后再假定其服從于隨機游走過程是為了保證標準差的非負性。Q、S、W為三類待估參數(shù)內(nèi)部的方差協(xié)方差矩陣。為了參數(shù)估計的簡便，上述三類待估參數(shù)之間的交互作用僅限于各類參數(shù)內(nèi)部，即所有參數(shù)的方差協(xié)方差矩陣V為分塊對角矩陣，如式（4）所示：

V = Var" =" " " " " " " " " " " " " " " " （4）

（二）PCHVARX模型

帶外生變量的條件同質(zhì)性面板向量自回歸（Panel Conditionally Homogenous VAR with Exogenous Variables，PCHVARX）模型由Georgiadis（2012）首先提出。本文在考慮國別貨幣政策和宏觀經(jīng)濟代理變量，并納入各國面臨的共同外生變量的基礎(chǔ)上，以地緣政治指數(shù)為條件變量來分析在不同地緣政治風(fēng)險條件下貨幣政策溢出效應(yīng)的差異。PCHVARX模型一般形式如式（5）所示：

yit" "= ∑ p" j=1 Aj （zit）·yi，t-j + ∑qn=0 Bn·wt-n + uit

uit" N（0，∑u" ） ， i =1，…， N" " " " " " " " " " " " " " " （5）

其中，下標i代表截面的個數(shù)，k×1階列向量yit代表第i個截面的內(nèi)生變量向量；zit代表第i個截面的條件變量；wi則為共同外生變量向量，無截面異質(zhì)性，其取值為所有截面共享；p、q分別為內(nèi)生變量向量和共同外生變量向量的最大滯后階數(shù)；而k×k階可變系數(shù)矩陣Aj（zit）用來刻畫模型系統(tǒng)存在的時間動態(tài)變化和潛在結(jié)構(gòu)異質(zhì)性特征，且隨條件變量zit的變化而變化，包括貨幣政策溢出效應(yīng)的異質(zhì)性、時變特征和跨區(qū)域結(jié)構(gòu)性差異。

參照Georgiadis（2012）的簡化處理，對于可變系數(shù)矩陣Aj（zit）第s行m列位置的標量系數(shù)ajsm（zit）， j=1，…， p; s=1，…，k; m=1，…， k，將其近似為條件變量zit的τ階多項式，如式（6）所示：

ajsm（zit） ～_ φ（zit）·γjsm" " " " " " " " " " " " " " " " " " " " " " "（6）

其中，φ（zit）=[φ1（zit），…，φτ（zit）]為1×τ階多列式行向量，γjsm=[γjsm1，…，γjsmτ]T為τ×1階系數(shù)列向量。則Aj（zit）可以進一步簡化表示為式（7），其中?是矩陣的Kronecker積。

Aj（zit） =

=" ·[IK ? φ（zit）T]

= ΓJ·[IK ? φ（zit）T]" " " " " " " " " " " " " " " " " " "（7）

則式（5）可以簡寫成式（8），并可以使用廣義最小二乘法（GLS）估計參數(shù)。

yit = ∑pj=1 Γj ·[IK ? φ（zit）T]· yi，t-1 + ∑qn=0 Bn·wt-n + uit

= ∑pj=1 Γj · xi，t-1 + ∑qn=0 Bn·wt-n + uit" " " " " " " " " " " " " （8）

（三）變量選取與數(shù)據(jù)預(yù)處理

本文將11個主要經(jīng)濟體分為兩類：以G7為代表的發(fā)達國家（美國、英國、法國、德國、日本、意大利和加拿大）和以金磚國家②為代表的新興市場國家（巴西、俄羅斯、中國、南非）。使用Caldara和Iacoviello整理的GPR指數(shù)作為地緣政治風(fēng)險水平的代理變量，包括全球GPR（GPR-G）和地區(qū)GPR（GPR-L）。以各國政策利率（R）和廣義貨幣供應(yīng)量同比增長率（M2）分別作為價格型和數(shù)量型貨幣政策操作的代理變量。由于各國利率體系存在差異，本文的選取原則是：對于施行利率走廊體系（Interest Rate Corridor System，IRCS）的國家，如中國、俄羅斯、日本、加拿大和歐元區(qū)國家等，選擇其利率走廊中心利率，即以貨幣政策利率中樞作為代理變量；對于其他國家，根據(jù)其央行網(wǎng)站關(guān)于貨幣政策框架、公開市場操作、最新貨幣政策聲明以及中國人民銀行網(wǎng)站上對該國貨幣政策和利率體系介紹等相關(guān)信息③，選取該國貨幣政策操作中最重要的政策利率指標。最終選取的各國政策利率指標及選取說明如表1所示。

以各國實際產(chǎn)出缺口（Y）和CPI同比增長率（π）來衡量各經(jīng)濟體的經(jīng)濟增長和通貨膨脹水平，其中實際產(chǎn)出缺口（Y）使用HP濾波法，計算實際GDP增長率與其長期趨勢之間的差異得到，濾波參數(shù)λ使用1 600。此外，從供給側(cè)來看，能源成本也可能對貨幣政策決策以及宏觀經(jīng)濟產(chǎn)生重大影響，因此將原油價格作為外生變量納入其中，使用布倫特原油現(xiàn)價的對數(shù)形式（ln Oil）來衡量。所有指標均使用季度數(shù)據(jù)，數(shù)據(jù)區(qū)間為2000年1季度到2023年1季度，數(shù)據(jù)均來自CEIC全球經(jīng)濟數(shù)據(jù)庫和iFinD金融數(shù)據(jù)終端。

上述指標用于構(gòu)建和估計國別TVP-SV-SVAR模型和PCHVARX模型。其中國別TVP-SV-SVAR模型變量包括全球地緣政治風(fēng)險水平及各國的貨幣政策代理變量。PCHVARX模型除截面異質(zhì)性條件變量（地區(qū)GPR）和各國的貨幣政策代理變量外，還包括宏觀經(jīng)濟代理變量和作為共同外生變量的原油價格。模型變量選取如表2所示。

此外，對數(shù)據(jù)的預(yù)處理主要包括：對宏觀經(jīng)濟指標（產(chǎn)出缺口和通貨膨脹率）使用X11方法進行季節(jié)性調(diào)整，對月度指標（如CPI、M2增長率）和非規(guī)則頻率指標（如政策利率）通過樣本期內(nèi)加權(quán)平均統(tǒng)一調(diào)整成季度口徑。

四、實證檢驗與脈沖響應(yīng)分析

（一）實證檢驗

數(shù)據(jù)平穩(wěn)性檢驗結(jié)果如表3所示。結(jié)果顯示所有數(shù)據(jù)均拒絕存在單位根假設(shè)，即為平穩(wěn)時間序列，因此所選樣本數(shù)據(jù)集可以用來構(gòu)建TVP-SV-SVAR模型和PCHVARX模型。

表4報告了通過不同判別準則對TVP-SV-SVAR模型和PCHVARX模型定階的結(jié)果。對于國別TVP-SV-SVAR模型，本文考慮在AIC準則、SC準則、HQ準則最小以及預(yù)測精度（FPE）最高4類判別準則下的最優(yōu)滯后階數(shù)，其中英國、法國、德國、日本、加拿大和南非各類判別準則下的最優(yōu)滯后階數(shù)均為2，而不同判別準則結(jié)果存在差異的是美國、意大利、巴西、俄羅斯和中國。由于FPE準則主要關(guān)注預(yù)測而非結(jié)構(gòu)分析，而AIC準則和HQ準則傾向于選擇復(fù)雜模型，按照模型精簡性原則，選擇SC準則下的最優(yōu)滯后階數(shù)，美國、意大利和巴西為滯后2階，俄羅斯和中國為滯后1階。對于PCHVARX模型，確定最優(yōu)滯后期為2階。

本文所有實證操作均通過R4.3.2和Matlab R2020b軟件實現(xiàn)。估計11個國別TVP-SV-SVAR模型時，先驗分布及超參數(shù)均使用Primiceri（2005）和Nakajima（2011）的推薦值，采用馬爾可夫鏈蒙特卡洛（MCMC）抽樣方法進行22 000次抽樣，其中前2 000次抽樣作為預(yù)燒值被舍棄，后20 000次抽樣用于估計參數(shù)的后驗分布。表5報告了國別TVP-SV-SVAR模型中部分超參數(shù)MCMC抽樣過程的Geweke檢驗結(jié)果，伴隨概率表明絕大部分超參數(shù)無法拒絕Geweke檢驗統(tǒng)計量服從標準正態(tài)分布的原假設(shè)，即抽樣分布已經(jīng)收斂到真實后驗分布，因此國別TVP-SV-SVAR模型參數(shù)的貝葉斯后驗估計結(jié)果整體上是可信的。

（二）地緣政治風(fēng)險對貨幣政策決策的影響

對于TVP-SV-SVAR 模型，當以地緣政治風(fēng)險指數(shù)為沖擊變量，貨幣政策變量為響應(yīng)變量時，其脈沖響應(yīng)函數(shù)代表了地緣政治風(fēng)險對貨幣政策決策的影響。由于地緣政治風(fēng)險水平在不同時間差異巨大（見圖1），顯示出較強的異方差性，若直接以“1個標準差”作為地緣政治沖擊的強度標準，則脈沖響應(yīng)函數(shù)的變化混合了響應(yīng)機制變化和沖擊強度變化這兩種來源，無法區(qū)分不同國別和時間下地緣政治風(fēng)險對其他變量的沖擊結(jié)果的變化，究竟是來自地緣政治沖擊大小的差異，還是貨幣政策響應(yīng)機制的差異。因此本文在計算脈沖響應(yīng)函數(shù)時，按照Nakajima（2011）、Primiceri（2015）等的建議，使用樣本期內(nèi)地緣政治風(fēng)險的“平均標準差”作為外生沖擊的強度。

不同國家價格型和數(shù)量型貨幣政策的脈沖響應(yīng)結(jié)果分為兩個部分：一是以時間為橫軸，響應(yīng)強度為縱軸，繪制不同滯后期（2、4和6個季度）時變脈沖響應(yīng)圖（見圖3和圖4）；二是以滯后期為橫軸，響應(yīng)強度為縱軸，繪制三個具有代表性的地緣政治風(fēng)險較高的固定時點（ “9·11”事件、伊拉克戰(zhàn)爭和俄烏沖突）脈沖響應(yīng)圖（見圖8和圖9）。

1.時變脈沖響應(yīng)分析

從圖3可以看出，當?shù)鼐壵物L(fēng)險增強時，除日本由于政策利率長期接近或低于0利率下限（Zero Lower Bound，ZLB），且?guī)缀豕潭ú蛔?，?dǎo)致其對地緣政治風(fēng)險的響應(yīng)水平極低（-0.5 bp到1 bp）之外，其他各國價格型貨幣政策均做出了差異化的響應(yīng)：部分新興市場國家（巴西、南非以及2008年后的俄羅斯）傾向于加息來穩(wěn)定本幣價值和抬升國內(nèi)資產(chǎn)回報率，防止國際投資者撤資造成資本外流；部分發(fā)達國家（美國、2015年后的英國）為抑制資源價格上漲和供應(yīng)鏈中斷造成的輸入性通脹壓力選擇加息；還有部分國家（意大利、中國）選擇降息以應(yīng)對地緣政治風(fēng)險可能造成的經(jīng)濟增長不及預(yù)期。

圖4是各國廣義貨幣供應(yīng)量增速M2對地緣政治沖擊的響應(yīng)結(jié)果。從響應(yīng)強度上看，發(fā)達國家數(shù)量型貨幣政策對地緣政治風(fēng)險的響應(yīng)總體要弱于新興市場國家；新興市場國家中，沖擊強度按巴西、俄羅斯、南非、中國的順序依次遞減。

從響應(yīng)方向上看，絕大部分國家數(shù)量型與價格型貨幣政策對地緣政治風(fēng)險的響應(yīng)方向相同，即加息同時降低M2增速（美國、英國、2011年后的德國、加拿大），或者降息同時提高M2增速（意大利、中國）。除中國外的新興市場國家數(shù)量型與價格型貨幣政策對地緣政治風(fēng)險的響應(yīng)方向相反，即出現(xiàn)了提升政策利率的同時提高貨幣供應(yīng)量增速的政策組合。這種政策組合表明，其他新興市場國家在受到地緣政治沖擊時也面臨資本外流、匯率波動和經(jīng)濟增長放緩等多重挑戰(zhàn)，中央銀行需要在加息控制通脹、穩(wěn)定匯率水平以維持金融穩(wěn)定和增加貨幣供應(yīng)以促進經(jīng)濟增長之間尋求平衡。

我國總體上采取降息與提高M2增速的政策組合來應(yīng)對地緣政治風(fēng)險，與其他國家比，響應(yīng)水平總體較低，表明我國經(jīng)濟具有較強韌性，在人民幣匯率和資本外流相對可控的背景下，地緣政治風(fēng)險引起的匯率波動和輸入性通脹相對有限，使得我國的貨幣政策可以更加關(guān)注國內(nèi)經(jīng)濟增長目標的達成，無需對地緣政治風(fēng)險做出太多響應(yīng)。

基于圖3和圖4可以發(fā)現(xiàn)，樣本期間GPR對數(shù)量型和價格型貨幣政策具有明顯的時變影響，不同國家在面臨GPR沖擊時的貨幣政策選擇也各不相同。為了定量刻畫這種響應(yīng)強度，且消除貨幣政策反應(yīng)方向造成的不一致性，本文使用地緣政治沖擊發(fā)生后12個季度內(nèi)的時變脈沖響應(yīng)函數(shù)（IRFi，t，h）與橫軸圍成圖形面積的絕對值占其外接矩形面積的比例，作為各國面臨地緣政治風(fēng)險時貨幣政策的累計反應(yīng)強度指標，如式（9）所示。其中下標i，t，h分別代表國別、時間和滯后期。

GIRFi，t =

≈" " " " （9）

基于式（9）計算出各國貨幣政策對同等大小地緣政治沖擊的累計響應(yīng)強度，并計算不同時期的國別平均值，其中貨幣政策對地緣政治沖擊的平均反應(yīng)強度由各國數(shù)量型和價格型貨幣政策對地緣政治沖擊的平均響應(yīng)強度相加得到。由圖5可以看出，在控制地緣政治沖擊強度不變時（即面臨平均標準差大小的地緣政治沖擊），2011年后，中央銀行傾向于做出更大的貨幣政策響應(yīng)強度以對沖地緣政治風(fēng)險。尤其是2018年以來，地緣政治風(fēng)險已日益威脅相關(guān)國家金融穩(wěn)定，中央銀行對地緣政治風(fēng)險的關(guān)注程度加深，貨幣政策對地緣政治風(fēng)險的響應(yīng)強度呈快速上升趨勢，因此H1得證。

為了分析地緣政治風(fēng)險對貨幣政策決策的國別異質(zhì)性，本文基于國別分組計算出貨幣政策對地緣政治沖擊的平均響應(yīng)強度。由圖6可以看出，發(fā)達國家（G7國家為代表）貨幣政策對地緣政治沖擊的平均響應(yīng)強度基本保持穩(wěn)定；新興市場國家（金磚國家為代表）隨著自身經(jīng)濟社會發(fā)展和金融體系穩(wěn)健性的提升，貨幣政策對地緣政治風(fēng)險的響應(yīng)強度有所下降。與發(fā)達國家相比，在樣本期內(nèi)新興市場國家的中央銀行依然需要對地緣政治風(fēng)險做出更強的貨幣政策響應(yīng)以應(yīng)對可能的沖擊。配對t檢驗結(jié)果表明，發(fā)達國家和新興市場國家在面臨地緣政治風(fēng)險時貨幣政策響應(yīng)強度的平均差異在5%水平下顯著（t=73.61，df=91，p-value=0.000），因此H2得證。

繼續(xù)分析不同類型國家在面臨地緣政治風(fēng)險時貨幣政策工具選擇上的差異。如圖7所示，發(fā)達國家（G7國家為代表）和新興市場國家（金磚國家為代表）數(shù)量型和價格型貨幣政策工具對地緣政治風(fēng)險的平均響應(yīng)強度也存在較大差異。其中發(fā)達國家價格型貨幣政策對地緣政治風(fēng)險的響應(yīng)水平要明顯高于數(shù)量型貨幣政策，且響應(yīng)水平呈逐年上升態(tài)勢[圖7（a）]，而新興市場國家數(shù)量型貨幣政策對地緣政治風(fēng)險的響應(yīng)水平要高于價格型貨幣政策，二者的響應(yīng)水平均呈逐年下降態(tài)勢[圖7（b）]。

進一步的配對t檢驗表明，無論是發(fā)達國家還是新興市場國家，兩類貨幣政策的響應(yīng)水平均在5%水平下存在顯著差異（發(fā)達國家：t=82.92，df=91，p-value=0.000。新興市場國家：t=53.06，df=91，p-value=0.000）。因此可以認為，發(fā)達國家的貨幣政策響應(yīng)以價格型為主、數(shù)量型為輔，而新興市場國家的貨幣政策響應(yīng)以數(shù)量型為主、價格型為輔，H3得證。

2.典型時點脈沖響應(yīng)分析

為了分析GPR對主要經(jīng)濟體貨幣政策在不同時點的影響差異，本文選取三個代表高地緣政治風(fēng)險時間段，2001年3季度“9·11”事件、2003年1季度伊拉克戰(zhàn)爭和2022年1季度俄烏沖突。上述三個時點價格型和數(shù)量型貨幣政策對地緣政治風(fēng)險的脈沖響應(yīng)函數(shù)如圖8、圖9所示。

從圖8、圖9可以看出，當面臨上述三個典型時點的地緣政治風(fēng)險時，各國的政策利率和貨幣供應(yīng)量響應(yīng)曲線存在一定的差異。

其中“9·11”事件和伊拉克戰(zhàn)爭二者時間間隔較短，面臨的國內(nèi)外形勢相似，導(dǎo)致貨幣政策對兩起地緣政治風(fēng)險事件的響應(yīng)曲線較為接近，甚至重合。從響應(yīng)強度上看，“9·11”事件與伊拉克戰(zhàn)爭作為局部地緣政治事件，雖然短期內(nèi)重創(chuàng)了國際股市和石油價格，但隨著2000年以來科技紅利、全球化紅利的釋放以及新興市場國家的崛起，加之2008年金融危機前全球貨幣政策的相對寬松，全球經(jīng)濟經(jīng)歷了一段相對強勁的增長期，這種短期不穩(wěn)定因素難以對貨幣政策造成長時間和高強度的影響。

但俄烏沖突及隨后美歐相關(guān)國家對俄羅斯的制裁不僅對全球能源和糧食等大宗商品供應(yīng)造成重大沖擊，且沖突之前全球經(jīng)濟仍處于新冠疫情恢復(fù)期，全球化紅利減弱，面臨較高債務(wù)和通脹水平，增長相對乏力。雖然此次地緣政治風(fēng)險水平尚不及伊拉克戰(zhàn)爭，但對大部分國家而言，其貨幣政策決策的影響程度遠遠超過了“9·11”事件和伊拉克戰(zhàn)爭。定量分析的結(jié)果也支持了上述觀點（見表7），進一步證實了H1。

從沖擊持續(xù)期來看，地緣政治事件的直接或間接參與方的貨幣政策總體表現(xiàn)出更長的沖擊持續(xù)期。以伊拉克戰(zhàn)爭為例，其參與方m的價格型貨幣政策沖擊持續(xù)期延長（如美國、英國的響應(yīng)曲線分別在滯后8期和12期達到最大值，日本的沖擊曲線在滯后12期仍處于上升態(tài)勢），或者沖擊強度加大（如意大利和日本在伊拉克戰(zhàn)爭下的響應(yīng)曲線偏離程度要明顯大于在俄烏沖突下的偏離程度）。作為對比，未參與伊拉克戰(zhàn)爭且同處北美地區(qū)的加拿大，其響應(yīng)曲線在第6期就達到最大值。但總體而言，在上述典型風(fēng)險事件中，經(jīng)濟發(fā)展較為穩(wěn)定、在全球價值鏈分工上處于優(yōu)勢地位的發(fā)達國家的貨幣政策響應(yīng)強度總體上依然要弱于新興市場國家，如表6中的第四、第五列所示，從而進一步證實了H2。

進一步比較圖8、圖9不同貨幣政策類型的反應(yīng)，發(fā)現(xiàn)在上述三個典型地緣政治風(fēng)險事件中，巴西、俄羅斯、南非、中國等新興市場國家的價格型貨幣政策響應(yīng)水平要低于數(shù)量型貨幣政策響應(yīng)水平；而發(fā)達國家則恰好相反，絕大部分國家價格型貨幣政策的響應(yīng)水平相對較高。進一步定量分析結(jié)果也支持上述結(jié)論，如表7所示，也驗證了H3成立。

（三）地緣政治風(fēng)險對貨幣政策溢出效應(yīng)的影響

首先通過構(gòu)建以區(qū)域地緣政治風(fēng)險指數(shù)（GPR-L）為條件變量，以原油價格為共同外生變量的PCHVARX模型來分析上述11個國家貨幣政策跨國溢出的異質(zhì)性，然后計算在不同的地緣政治風(fēng)險條件下，受各國貨幣政策變量1單位標準差正向偏離沖擊時，模型內(nèi)各內(nèi)生變量的正交脈沖響應(yīng)函數(shù)，作為貨幣政策整體溢出效應(yīng)的度量。以地緣政治風(fēng)險水平、滯后期分別為X、Y軸，不同類型貨幣政策響應(yīng)水平為Z軸繪制條件脈沖響應(yīng)函數(shù)，如圖10和圖11所示。

從圖10的（a）和（b）子圖可以看出，當面臨1單位國外貨幣供應(yīng)量正向沖擊時，國內(nèi)實際產(chǎn)出水平和通脹水平都做出了正向反應(yīng)，且地緣政治風(fēng)險越高，則外溢效應(yīng)越強。在地緣政治風(fēng)險較高的地區(qū)，他國量化寬松政策對國內(nèi)物價水平的推動要遠大于對產(chǎn)出水平的推動，造成了國內(nèi)通脹水平的上升；而地緣政治風(fēng)險水平較低的地區(qū)，由于實際產(chǎn)出水平的響應(yīng)大于物價水平的響應(yīng)，輸入性通脹效應(yīng)并不明顯。從（c）和（d）子圖可知，他國量化寬松政策的正向外溢效應(yīng)促進了本國貨幣供應(yīng)量的增加，但帶來的輸入性通脹壓力則需要通過加息來緩解，且地緣政治風(fēng)險越高的地區(qū)，央行必須選擇更大的加息幅度來平抑較高的輸入性通脹水平。

類似地，圖11的（a）和（b）子圖表明，當面臨1單位國外加息沖擊時，高地緣政治風(fēng)險地區(qū)的實際產(chǎn)出水平出現(xiàn)大幅度下降，但這種下降在低地緣政治風(fēng)險地區(qū)并不明顯。同時這種外溢效應(yīng)引起的資本回流和國際借貸成本上升還造成了國內(nèi)物價水平的提高。從（c）和（d）子圖發(fā)現(xiàn)，國外加息沖擊下本國同樣需要采取加息操作來抑制國內(nèi)通脹，但同時需要提高貨幣供應(yīng)量水平以穩(wěn)定經(jīng)濟增長，且地緣政治風(fēng)險水平越高，穩(wěn)增長壓力越大，國內(nèi)數(shù)量型貨幣政策的正向響應(yīng)水平越高。綜上所述，高地緣政治風(fēng)險放大了貨幣政策的外溢效應(yīng)，H4得證。

五、主要結(jié)論與政策建議

（一）主要結(jié)論

本文基于地緣政治風(fēng)險視角，使用TVP-SV-SVAR模型和PCHVARX模型探討了地緣政治風(fēng)險可能對各主要經(jīng)濟體貨幣政策的影響，以及不同的地緣政治風(fēng)險條件下，主要經(jīng)濟體貨幣政策的跨國溢出效應(yīng)，得出如下結(jié)論：

第一，樣本期間地緣政治沖擊對價格型和數(shù)量型貨幣政策的影響具有明顯的時變效應(yīng)。不同國家在面臨地緣政治沖擊時，由于各自政策最終目標、政策框架和國內(nèi)經(jīng)濟穩(wěn)定性的差異，貨幣政策反應(yīng)方向和強度各不相同，但在同等沖擊強度下，近年來貨幣政策的反應(yīng)強度隨時間呈上升趨勢。

第二，國別對比研究發(fā)現(xiàn)，地緣政治風(fēng)險對參與國或相關(guān)國的貨幣政策產(chǎn)生較大的影響，體現(xiàn)為貨幣政策變量對地緣政治指數(shù)的較大響應(yīng)強度和較長的響應(yīng)持續(xù)期，且新興市場國家對地緣政治沖擊更為敏感，響應(yīng)強度和響應(yīng)持續(xù)期總體上高于發(fā)達國家水平。

第三，受各國金融結(jié)構(gòu)、金融創(chuàng)新能力和金融市場健全程度不同的影響，各國在應(yīng)對地緣政治風(fēng)險時，貨幣政策工具使用存在差異，發(fā)達國家以價格型工具為主、數(shù)量型工具為輔，而新興市場國家則以數(shù)量型工具為主、價格型工具為輔。

第四，地緣政治風(fēng)險對貨幣政策外溢效應(yīng)起到了“放大器”作用，一國的地緣政治風(fēng)險水平越高，國外貨幣政策對本國經(jīng)濟變量的影響越大，則國內(nèi)貨幣政策需要更強的響應(yīng)和相機抉擇水平以平衡國內(nèi)外經(jīng)濟金融風(fēng)險，一定程度上干擾了既定國內(nèi)貨幣政策目標的達成。

第五，相對于其他國家，我國的經(jīng)濟韌性和金融穩(wěn)定盡可能減少了地緣政治風(fēng)險對我國貨幣政策決策的干擾，使得我國的貨幣政策可以主要關(guān)注國內(nèi)調(diào)控目標的達成，對地緣政治風(fēng)險的響應(yīng)水平總體較低。

（二）政策建議

上述結(jié)論表明，地緣政治風(fēng)險造成的潛在經(jīng)濟衰退和輸入性通脹增加了貨幣政策相機決策的難度，且高地緣政治風(fēng)險對貨幣政策跨國溢出的放大效應(yīng)也在一定程度上干擾了既定國內(nèi)貨幣政策目標的達成。隨著近年來國際形勢的日漸緊張，我國面臨的地緣政治風(fēng)險持續(xù)上升。為此，本文提出以下建議：

第一，加強政策合力。首先，積極發(fā)揮財政政策逆周期調(diào)節(jié)作用。通過擴大政府投資、減稅降費等措施，增加有效需求，穩(wěn)定經(jīng)濟增長。其次，進一步優(yōu)化信貸政策，疏通傳導(dǎo)渠道。降低企業(yè)融資成本，增強企業(yè)投融資意愿，支持中小企業(yè)發(fā)展，確保貨幣政策有效傳導(dǎo)至實體經(jīng)濟。最后，強化產(chǎn)業(yè)政策的針對性。支持發(fā)展高新技術(shù)產(chǎn)業(yè)、綠色產(chǎn)業(yè)、現(xiàn)代服務(wù)業(yè)，提升產(chǎn)業(yè)鏈的自主可控水平，同時補貼受地緣政治風(fēng)險影響較大的行業(yè)和企業(yè)，增強經(jīng)濟韌性。

第二，完善地緣政治風(fēng)險監(jiān)測體系。利用大數(shù)據(jù)實時監(jiān)測國際政治動態(tài)，如外交關(guān)系變化、軍事沖突熱點等，建立一個包含宏觀預(yù)警、行業(yè)預(yù)警和企業(yè)預(yù)警的多層次預(yù)警體系，及時發(fā)出地緣政治風(fēng)險預(yù)警并制定應(yīng)對策略。

第三，創(chuàng)新貨幣政策工具，提高政策操作靈活性。例如，實施針對特定行業(yè)定向降準和針對特定領(lǐng)域定向再貸款等結(jié)構(gòu)性貨幣政策工具。此外，建立動態(tài)調(diào)節(jié)機制，根據(jù)溢出效應(yīng)及國內(nèi)宏觀經(jīng)濟形勢變化及時靈活地調(diào)整貨幣政策工具和操作目標。

第四，改善投資者避險情緒。引導(dǎo)投資者理性投資，避免過度投機，從而穩(wěn)定市場預(yù)期。鼓勵企業(yè)多元化采購，開拓新的進口來源，降低對單一進口來源的依賴。政府需加強對大宗商品市場的信息披露，提高市場透明度，降低由于市場信息不對稱帶來的風(fēng)險。

第五，強化國際溝通協(xié)調(diào)。加強各國之間的合作應(yīng)對，可以通過建立大宗商品儲備機制，各國定期進行溝通協(xié)調(diào)，及時交流信息和協(xié)調(diào)政策，共同應(yīng)對地緣政治風(fēng)險。

注釋：

a SVAR模型需要首先轉(zhuǎn)換成簡化式的VAR模型進行估計。對于n變量的SVAR模型，其識別條件是對參數(shù)施加至少n（n+1）/2個約束，否則無法從估計的簡化式參數(shù)還原成結(jié)構(gòu)式參數(shù)。

b其中印度部分數(shù)據(jù)缺失，無法滿足在樣本時間上的一致性，故剔除。

c 這部分內(nèi)容來源于中國人民銀行國際司網(wǎng)站中的國別信息欄目（http：//www.pbc.gov.cn/goujisi/144449/

144490/144525/index.html）。

d美國的政策利率體系詳見美聯(lián)儲網(wǎng)站貨幣政策工具中對公開市場操作的簡介（https：//www.federalreserve.gov/monetarypolicy/openmarket.htm），聯(lián)邦公開市場委員會聲明中對聯(lián)邦基金利率目標區(qū)間的調(diào)控，例如2024年9月的聲明見https：//www.federalreserve.gov/newsevents/pressreleases/monetary20240918a.htm。

e見英格蘭銀行網(wǎng)站對英國貨幣政策工具（https：//www.bankofengland.co.uk/monetary-policy）以及對英格蘭銀行基準利率的介紹（https：//www.bankofengland.co.uk/monetary-policy/the-interest-rate-bank-rate）。

f見歐洲央行網(wǎng)站對其關(guān)鍵利率的介紹（https：//www.ecb.europa.eu/stats/policy_and_exchange_rates/key_ecb_interest_rates/html/index.en.html）。

g詳見日本銀行對無擔保隔夜拆借利率的解釋：https：//www.boj.or.jp/en/about/education/oshiete/seisaku/b32.htm。此外，日本央行的貨幣政策聲明中也提到將無抵押隔夜拆借利率作為貨幣政策操作目標（例如2024年的日本貨幣政策聲明見https：//www.boj.or.jp/en/mopo/mpmdeci/mpr_2024/k240920a.pdf）。

h關(guān)于加拿大的政策利率，詳見加拿大央行對其貨幣政策工具的介紹（https：//www.bankofcanada.ca/core-functions/monetary-policy），以及中國人民銀行網(wǎng)站對加拿大政策利率的介紹（http：//www.pbc.gov.cn/goujisi/144449/144490/144525/144797/2834698/index.html），其利率走廊體系詳見加拿大央行的工作論文《加拿大銀行的市場操作與流動性提供》（https：//www.bankofcanada.ca/wp-content/uploads/2016/11/boc-review-autumn16-guzman.pdf）。

i詳見巴西央行對SELIC利率的介紹（https：//www.bcb.gov.br/en/monetarypolicy/selicrate），以及中國人民銀行網(wǎng)站對巴西貨幣政策體系的介紹（http：//www.pbc.gov.cn/goujisi/144449/144490/144525/144770/2834468/index.html）。

j俄羅斯央行關(guān)鍵利率及其利率走廊體系詳見俄羅斯央行貨幣政策操作框架（https：//www.cbr.ru/eng/oper_br/o_dkp/mp_framework）。

k對我國利率走廊機制、政策利率中樞的表述詳見2024年第二季度中國貨幣政策執(zhí)行報告中的專欄文章《進一步健全市場化的利率調(diào)控機制》（http：//www.pbc.gov.cn/goutongjiaoliu/113456/113469/5427706/

2024080916563291755.pdf）。

l詳見南非儲備銀行對其貨幣政策體系的介紹（https：//www.resbank.co.za/en/home/what-we-do/monetary-policy）。

m美國、英國和意大利直接參與了伊拉克戰(zhàn)爭，而日本提供了非戰(zhàn)斗支持。

參考文獻：

[1] Gourio F. Disaster risk and business cycles[J]. American Economic Review， 2012， 102（06）： 2734-2766.

[2] 趙向琴，袁靖，陳國進.災(zāi)難沖擊與我國最優(yōu)財政貨幣政策選擇[J].經(jīng)濟研究，2017，52（04）：34-47.

[3] Kara E， Thakoor V. Macroeconomic effects of climate change in an aging world[R]. IMF Working Papers， 2022， 258： 51.

[4] 王愛儉，王韓，劉浩杰.地緣政治風(fēng)險對金融周期波動的溢出效應(yīng)研究[J].亞太經(jīng)濟，2021（03）：35-46.

[5] 李青召，方毅.地緣政治風(fēng)險、政策不確定性與短期國際資本流動[J].商業(yè)研究，2019（10）：78-85.

[6] 卜林，孫麗玲，李政.地緣政治風(fēng)險、經(jīng)濟政策不確定性與股票市場波動[J].南開經(jīng)濟研究，2020（05）：185-205.

[7] 卜林，趙航，凡慧敏.地緣政治風(fēng)險、經(jīng)濟政策不確定性與匯率波動[J].國際金融研究，2021（11）：55-65.

[8] Cheng C H J， Chiu C W J. How important are global geopolitical risks to emerging countries？[J]. International Economics， 2018， 156： 305-325.

[9] 朱民，徐鐘祥，鞏冰，等.2022年全球經(jīng)濟金融：結(jié)構(gòu)性通貨膨脹之劍和央行的挑戰(zhàn)[J].國際金融研究，

2021（12）：3-13.

[10] 郭文偉，羅勝濤.地緣政治風(fēng)險、能源價格波動與全球通貨膨脹[J].金融與經(jīng)濟，2023（04）：40-52.

[11] 李斌.從流動性過剩（不足）到結(jié)構(gòu)性通脹（通縮）[J].金融研究，2010（04）：50-63.

[12] 劉浩杰，林楠.地緣政治風(fēng)險、短期資本流動與外匯市場壓力[J].亞太經(jīng)濟，2021（06）：31-41.

[13] 李艷麗，魏心欣，楊光亮.資本管制能增加發(fā)展中經(jīng)濟體貨幣政策獨立性嗎？——區(qū)分居民和非居民管制的研究[J].國際金融研究，2022（07）：37-46.

[14] 蘇治，劉程程，位雪麗.經(jīng)濟不確定性是否會弱化中國貨幣政策有效性[J].世界經(jīng)濟，2019，42（10）：49-72.

[15] 杜映昕.國家間政治沖突對貿(mào)易的影響——文獻綜述及基于中國與大國關(guān)系的實證研究[J].經(jīng)濟學(xué)報，2015，2（01）：124-144.

[16] 陳磊，侯鵬.量化寬松、流動性溢出與新興市場通貨膨脹[J].財經(jīng)科學(xué)，2011（10）：48-56.

[17] 楊陽，干杏娣.美國非常規(guī)貨幣政策對中國產(chǎn)出的溢出效應(yīng)——基于TVP-VAR模型的實證研究[J].亞太經(jīng)濟，2018（03）：30-40+149.

[18] 劉堯成.國際貨幣政策溢出效應(yīng)、人民幣匯率與中國貿(mào)易差額——基于TVP-VAR-SV模型的動態(tài)影響關(guān)系分析[J].世界經(jīng)濟研究，2016（06）：69-81+135.

[19] 黃憲，楊子榮.中國貨幣政策會沖擊到美國貨幣政策嗎——基于效應(yīng)外溢的視角[J].國際金融研究，

2016（01）：15-27.

[20] 楊子榮，徐奇淵，王書朦.中美大國貨幣政策雙向溢出效應(yīng)比較研究——基于兩國DSGE模型[J].國際金融研究，2018（11）：14-24.

[21] 馬理，文程浩.美國利率調(diào)整和稅率調(diào)整的影響與我國應(yīng)對措施研究[J].經(jīng)濟研究，2021，56（01）：172-190.

[22] 邢天才，唐國華.美國貨幣政策對中國貨幣政策的溢出效應(yīng)研究[J].財經(jīng)問題研究，2011（11）：50-55.

[23] 倪中新，王豐瑩.美國貨幣政策對金磚國家的溢出效應(yīng)研究——基于VAR模型的比較分析[J].南方金融，2014（04）：20-25.

[24] 崔百勝，葛凌清.中國貨幣政策對世界主要經(jīng)濟體溢出效應(yīng)的異質(zhì)性分析——基于GVAR模型的實證研究[J].華東經(jīng)濟管理，2019，33（08）：83-94.

[25] 崔百勝，高崧耀.二十國集團貨幣政策溢出效應(yīng)的非對稱性與異質(zhì)性研究——基于PCHVAR模型[J].國際金融研究，2019（12）：33-42.

[26] Georgiadis G. The panel conditionally homogenous vector autoregressive model[R]. University Library of Munich， Germany， 2012.

[27] 劉強，陶士貴.地緣政治風(fēng)險對人民幣匯率穩(wěn)定的影響研究——市場恐慌和短期資本流動的視角[J].當代經(jīng)濟管理，2023，45（01）：77-85.

[28] 許年行，于上堯，伊志宏.機構(gòu)投資者羊群行為與股價崩盤風(fēng)險[J].管理世界，2013（07）：31-43.

[29] 鄧雄. 從信貸到利率： 利率市場化條件下的貨幣政策傳導(dǎo)渠道轉(zhuǎn)變[J]. 上海金融， 2015（10）：19-24.

[30] 李程，韓明月.國債利率期限結(jié)構(gòu)與貨幣政策傳導(dǎo)機制研究——基于利率市場化與貨幣政策轉(zhuǎn)型的雙重視角[J]. 當代金融研究， 2024， 7（06）： 47-64.

[31] 劉文革，黃玉.地緣政治風(fēng)險與貿(mào)易流動：理論機理與實證研究[J].國際經(jīng)貿(mào)探索，2020，36（03）：46-59.

[32] Canova F. Modelling and forecasting exchange rates with a Bayesian time-varying coefficient model[J]. Journal of Economic Dynamics and Control， 1993， 17（12）： 233-261.

[33] Cogley T， Sargent T J. Evolving Post-World War II US inflation dynamics[J]. National Bureau of Economic Research， 2002， 16： 331-388.

[34] COGLEY T， SARGENT T J. Drift and volatilities： Monetary policies and outcomes in the post WWII U S[J]. Review of Economic Dynamics， 2005， 8（02）： 262-302.

[35] Harvey A， Ruiz E， Shephard N. Multivariate stochastic variance models[J]. The Review of Economic Studies， 1994， 61（02）： 247-264.

[36] Kim S， Shephard N， Chib S. Stochastic volatility： Likelihood inference and comparison with ARCH models[J]. The Review of Economic Studies， 1998， 65（03）： 361-393.

[37] Chib S， Nardari F， Shephard N. Markov chain Monte Carlo methods for stochastic volatility models[J]. Journal of Econometrics， 2002， 108（02）： 281-316.

[38] Primiceri G. Time varying structural vector autoregressions and monetary policy[J]. The Review of Economic Studies， 2005， 72（03）： 821-852.

[39] Nakajima J. Time-varying parameter var model with stochastic volatility： An overview of methodology and empirical applications[J]. Monetary and Economic Studies， 2011， 29：107-142.

（責任編輯：張艷妮）

Monetary Policy Choices and Spillover Effects of Major Economies：

A Geopolitical Risk Perspective

GAO Yiming， XIANG Bingxuan

（ School of Business， Xiangtan University ）

Abstract： Geopolitical risks not only heighten the uncertainty of global and regional economic growth but also pose significant challenges for central banks in balancing domestic and international economic conditions，

mitigating the spillover effects of other countries' monetary policies， and ultimately achieving their own monetary policy objectives. This increases the complexity of cross-cycle monetary policy decision-making. From the perspective of geopolitical risk， this paper utilizes quarterly data from 2000 to 2023 to first analyze the impact of geopolitical risk on the monetary policy decisions of major economies using the Time-Varying Parameter Stochastic Volatility Structural Vector Autoregression （TVP-SV-SVAR） model. Subsequently， it constructs a Panel Conditional Heterogeneous Vector Autoregression with Exogenous Variables （PCHVARX） model with the geopolitical risk index as a conditional variable to examine the cross-border spillover effects of price-based and quantity-based monetary policies under different levels of geopolitical risk. The study finds that， central banks' responses to geopolitical risks have shown an upward trend in recent years. Compared to developed countries， emerging economies exhibit a stronger monetary policy response to geopolitical risks. The choice of monetary policy tools varies across economies， developed countries primarily rely on price-based tools with quantity-based tools as supplementary measures， while emerging economies prioritize quantity-based tools with price-based tools as secondary options. Economies with higher levels of geopolitical risk experience stronger spillover effects from other countries' monetary policies， making it more challenging to maintain internal and external monetary policy balance.

Keywords： Geopolitical risk; Monetary policy; Spillover effects; TVP-SV-SVAR model; PCHVARX model