经济不确定性条件下中国货币政策的宏观调控效应
金春雨1,2,张德园2
(1.吉林大学数量经济研究中心,吉林长春130012;2.吉林大学商学院,吉林长春130012)
[摘 要 ] 近年来,伴随着中国宏观经济不确定性的凸显,货币政策有效性势必受到宏观经济不确定性的影响。本文在提取大量宏观经济变量不确定性成分并合成宏观经济不确定性指标的基础上,充分捕捉货币政策冲击对宏观经济不确定性的反馈效应,基于Self-Exciting IVAR模型内生宏观经济不确定性建模,从内生性视角实证考察了中国宏观经济不确定性对货币政策效果的影响,并进一步探讨了宏观经济不确定性影响货币政策效果的渠道。研究结果表明:宏观经济不确定性弱化了扩张性货币政策的刺激效果;宏观经济不确定性与扩张性货币政策效果反向变动,即宏观经济不确定性越高,扩张性货币政策的刺激效果就越弱;扩张性货币政策内生地降低了宏观经济不确定性,并通过宏观经济“不确定性渠道”间接作用于投资、消费和产出,放大了扩张性货币政策对宏观经济的刺激效应,尽管这种正向影响效应不及宏观经济不确定性本身所带来的负向效应。
[关键词 ] 宏观经济;经济不确定性;货币政策;宏观调控;不确定性渠道;Self-Exciting IVAR模型
随着经济全球化和金融一体化的深入,世界各国经济发展之间的联系日益紧密的同时,全球经济不确定性因素也明显增加。2008年金融危机、欧洲债务危机、美元贬值、2015年中国股市暴跌、2016年英国脱欧以及特朗普实施的“美国优先主义”等因素的存在使得本已陷入金融危机泥潭而停滞不前的世界经济前景更加堪忧。在此背景下,经济不确定性逐渐引起了国内外广大学者以及各国政府管理部门的高度关注。
当前,中国经济正处于深化供给侧结构性改革的关键时期,经济不确定性因素依然明显。虽然随着我国供给侧结构性改革的扎实推进,结构性改革效果已开始显现,经济增速也止跌趋稳,但仍然面临着产能过剩、经济增长内生动力不足以及存在潜在金融风险等问题。同时,全球经济不确定性因素仍然突出。虽然世界经济回暖迹象日渐明显,但全球经济增长动力依旧匮乏,“逆全球化”思潮和贸易保护主义抬头,全球金融与汇率市场风险不断积聚,发达经济体政策不确定性增加等,这些不确定性因素在加大我国经济运行压力的同时,也必将加大我国货币政策的操作和执行难度,从而影响我国货币政策的宏观调控效果。与此同时,我国社会主要矛盾已发生转变,发展不平衡不充分问题已成为我国社会主义建设新的瓶颈,而着力解决发展不平衡不充分问题离不开资金的有力支持,这必将与央行的货币政策操作密不可分。因此,研究宏观经济不确定性对货币政策调控效果的影响关系,对于央行准确把握我国货币政策的调控力度,推动我国经济结构优化升级,以及解决发展不平衡不充分问题,具有重要的研究意义与研究价值。
从分析的角度来看，西方政治权力的形成与普遍民主自由的外溢，在一定程度上形成了具有西方范式的话语场域，该场域则是全球客观关系的一个网络，或一个构型。正是在这个场域和它强加于占据特定位置的行动者或机构之上的决定性因素之中，这个场域自身得到了客观的界定。在这一场域中，不同类型的权力(或资本)占有相应的权力，这就意味着它们获得了在这一场域中利害攸关的专门利润的得益权分配结构中实际的和潜在的处境以及它们与其他位置之间的支配关系或屈从关系。
一、文献评述
自布卢姆(Bloom)[1]开创性地研究经济不确定性冲击效应以来,不确定性对宏观经济波动的影响便引起了学者们的广泛关注。诸多实证研究结果表明,经济不确定性是影响企业行为和引发宏观经济波动的重要驱动因素,不确定性增加导致实际经济活动收缩[1-2]。在理论上,不确定性主要通过“实物期权效应”和“预防性储蓄效应”两种渠道分别作用于投资和消费对实际经济活动产生抑制作用。勒杜克(Leduc)等[3-4]进一步指出不确定性冲击类似于总需求冲击,引起产出、投资和消费的下降,而搜寻摩擦和名义价格粘性进一步增强了不确定性冲击的宏观经济效应。
准确量化经济不确定性,是分析经济不确定性相关问题的必要前提和关键环节。目前,对于经济不确定性,学者们大多采用股票市场波动率或者经济波动率、股市收益率或者公司利润的横截面分散度作为代理指标。例如,布卢姆(Bloom)等[1,5-6]分别采用恐慌指数(VIX)作为经济不确定性的代理指标,而巴克曼(Bachmann)等[7-8]利用横截面离散度来衡量经济不确定性。国内学者大多分别采用宏观经济景气指数、工业增加值增长率以及GDP增长率的波动率、股票波动率、经济政策不确定性指数(EPU)作为宏观经济不确定性的代理变量。然而,他们所选择的代理变量无论是股票市场波动率,还是宏观经济变量的波动率,或是EPU指数,均只能从某一方面来刻画经济不确定性,难以反映整个宏观经济的不确定性情况。同时,股市波动率包含投资者预期因素,且风险规避倾向、投资者情绪以及公司异质性等非宏观经济不确定性信息也可能引起股市波动率和公司收益横截面分散度发生变动。胡拉多(Jurado)等[9]指出,对于经济决策而言,重要的在于经济的可预测程度(或者不确定程度),而并非经济自身的变化程度或者离散程度。
宏观经济不确定性对经济变量的冲击效应是研究宏观经济不确定性的核心内容。2008年国际金融危机之后,不确定性冲击的波动效应开始受到学术界的重视,随后大量研究围绕着宏观经济不确定性在实际经济活动中的作用这一主题而持续展开。其中,进行理论研究的主要有勒杜克(Leduc)等[3-4],进行实证研究的主要有巴克曼(Bachmann)等[7,10]。对于不确定性冲击的经济效应,学者们取得了一定的共识:微观层面上,不确定性冲击在短期内对企业投资、雇佣和产出具有抑制作用;宏观层面上,经济不确定性具有逆周期特征,且对宏观经济具有负面影响。随着研究的深入,诺达瑞(Nodari)等[11-12]发现,经济不确定性冲击对宏观经济变量的影响依赖于宏观经济所处的阶段或者状态。在国内,关于不确定性影响效应的研究,大多数学者都是基于贝克(Baker)等[13]构建的经济政策不确定性指数(EPU)分别从微观层面和宏观层面展开的;鲁晓东等[6,14]对宏观经济不确定性的经济影响展开了研究,综合国内外已有研究来看,目前关于经济不确定性的研究主要是围绕着经济不确定性对宏观经济变量或者微观经济变量的影响效应展开的,鲜有文献对宏观经济不确定性与货币政策有效性之间的关系展开深入研究。
货币政策的功能在于通过调整利率或者货币供应量以达到既定经济目标。然而,如果受某种条件限制而使货币政策调整力度不足,那么货币政策的有效性必将受损。迄今为止,仅有阿斯惕温(Aastveit)等[15-18]对经济不确定性与货币政策有效性之间的影响关系展开了研究。在研究中,阿斯惕温(Aastveit)等[15,18]将宏观经济不确定性视为外生冲击,然而宏观经济不确定性具有强烈的逆周期性特征,且经济衰退往往伴随着经济不确定性增加,因而将与经济衰退相伴的宏观经济不确定性完全视为外生变量是值得探讨的。同时,正如前文所述,佩莱格里诺(Pellegrino)[16-18]采用股市波动率等单一指标作为宏观经济不确定性的代理指标,难以反映宏观经济不确定性的整体情况。
综上所述,国内外学者对经济不确定性展开了广泛而深入的研究,但是仍然存在如下三个问题有待进一步解决:(1)现有研究大多使用股票收益率的波动率、宏观经济变量增长率的波动率、经济政策不确定性指数(EPU)等单一指标作为宏观经济不确定性的代理变量,难以反映宏观经济不确定性的整体情况,尤其是缺乏反映中国宏观经济不确定性整体情况的衡量指标。(2)已有的国内外研究主要集中于经济不确定性对宏观经济变量及其微观经济变量的影响效应,鲜有文献研究宏观经济不确定性对货币政策有效性的影响,特别是关于中国宏观经济不确定性与货币政策有效性关系的研究寥寥无几。(3)经济衰退往往会内生出经济不确定性,将与经济衰退相伴随的不确定性视为外生变量是值得商榷的。
针对以上不足,本文立足于宏观经济的不可预测性,借鉴胡拉多(Jurado)等[9]的研究方法,从大量宏观经济变量指标中提取宏观经济不确定性成分并合成中国宏观经济不确定性指标;然后,基于Self-Exciting IVAR模型和内生宏观经济不确定性建模,以充分考虑宏观经济不确定性与货币政策之间的反馈效应,并利用2003年第3季度至2017年第3季度数据,实证研究中国宏观经济不确定性对货币政策有效性的影响;最后,进一步探讨宏观经济不确定性影响货币政策效果的渠道。
本文的研究贡献主要体现在:(1)基于宏观经济不可预测性的视角,从大量宏观经济变量指标中提取宏观经济不确定性成分并合成宏观经济不确定性指标,剔除了经济运行中的投资者预期等因素,同时也克服了单一指标存在的不足。(2)基于Self-Exciting IVAR模型和内生宏观经济不确定性建模,不仅考虑了宏观经济不确定性对货币政策效果的影响,而且还充分考虑了货币政策冲击对宏观经济不确定性的反馈效应,进一步扩展并丰富了宏观经济不确定性对我国货币政策效果影响的研究。(3)通过实证分析发现,扩张性货币政策通过引致宏观经济不确定性下降,间接作用于投资、消费和产出,放大了扩张性货币政策对宏观经济的刺激效果。
根据图2的脉冲响应结果可知,在线性VAR模型中,价格、产出、投资和消费对扩张性货币政策冲击的响应曲线基本位于低不确定性与高不确定性时期的响应曲线之间,这表明线性VAR模型仅能捕捉扩张性货币政策对宏观经济变量的总体平均冲击效应,而无法捕捉扩张性货币政策对宏观经济变量的状态相依效应。具体来说,与本文构建的非线性Self-Exciting IVAR模型相比,线性VAR模型高估了宏观经济高不确定性时期价格、产出、投资和消费对扩张性货币政策冲击的响应,低估了宏观经济低不确定性时期价格、产出、投资和消费对扩张性货币政策冲击的响应。
二、宏观经济不确定性测度
量化中国宏观经济不确定性是分析中国宏观经济不确定性相关问题的必要前提。对于经济不确定性的衡量,已有相关研究大多采用股票市场收益率的隐含波动率或者已实现波动率,股市收益率、公司利润或者生产率的横截面离散度,以及基于调查预测数据的横截面分散度等来进行度量。然而,正如胡拉多(Jurado)等[9]所指出的那样,上述测度方法的合理性是有待商榷的。具体来看,即使宏观经济基本面的不确定性并未发生变化,风险规避、杠杆效应以及公司间异质性等因素也能引起股市收益率以及股市收益率、公司利润的横截面分散度发生改变,因而从这个意义上讲,某一原始序列的条件波动率并不等同于其不确定性。并且,根据不确定性商业周期理论,宏观经济不确定性被定义为一系列数据序列不确定性的共同变化,而并非与单个序列相关的不确定性。此外,对于经济决策而言,重要的在于经济的可预测程度(或者不确定程度),而并非经济自身的变化程度或者分散程度。基于此,本文遵循胡拉多(Jurado)等[9]的宏观经济不确定性定义及其研究方法来度量中国宏观经济不确定性。
(一)模型构建
定义变量y jt ∈Y t =(y 1t ,y 2t ,…,y Ny t )h 期向前的不确定性
为y jt 不可预测成分的条件波动率,其中j =1,2,…,N y ,E (·|I t )为经济变量在t 时刻可获得的信息集I t 下的条件期望。
(1)
如果预测y jt+h 的平方误差的预期增加,那么变量的不确定性上升。进一步加总所有单个序列在每个时间点上的不确定性以得到宏观经济不确定性,其中,w j 为权重。
改进后的弹力绷带小手套和普通弹力绷带小手套应用方式基本相同,除了不同类型的绷带小手套有不同的拆除和固定方式外,改进后的弹力绷带小手套最大的特点是能够将着力点固定在患儿的大拇指部位,这样即使是患儿移动腕关节和手指关节,也不会轻易出现留置针移动、脱落、卷边等现象。此外,护理人员也加强了对患儿的巡视和检查,并观察患儿固定位置皮肤是否出现了异样情况。
(2)
2003年第3季度至2017年第3季度中国宏观经济不确定性的测度结果如图1所示,虚线为宏观经济不确定性的90%分位数分界线。从中可以看到,中国宏观经济不确定性的峰值主要出现在2008年第2季度至第4季度、2015年第3季度至2016年第1季度这两个区间段,这与2008年全球性金融危机、2015年“新常态”时期相吻合。2007年美国次贷危机爆发并迅速演变为全球性金融危机,造成全球经济大衰退的同时使得我国股市暴跌、外贸出口下降,对我国经济造成严重冲击。2015年,随着我国经济步入“新常态”,经济下行压力剧增,结构性矛盾突出,实体经济处于“三叠加”阵痛时期;与此同时,2015年下半年我国金融市场遭遇重大“股灾”,金融市场风险骤增,进一步对我国经济造成冲击。此外,进一步计算中国宏观经济不确定性与GDP增长率的相关性,其同期相关系数为0.443 4,这表明本文所构建的中国宏观经济不确定性具有明显的反周期性特征。
三次产业就业结构通常是指第一产业、第二产业和第三产业就业人数在就业总人口中的比重。就业结构的变化与产业结构的变化基本一致，可以直接反映各产业的规模，从而反映工业化的进程。基于产业从业人员由劳动生产率低的部门向劳动生产率高的部门转移这一经济规律，随着经济的发展，从业人员会由第一产业向第二产业转移，再由第二产业向第三产业转移。根据英国经济学家克拉克对不同收入水平下三次产业就业人口分布趋势的分析，得出三次产业就业结构指标衡量工业化发展水平的标准（见表3）。
(二)变量选取与数据处理
为更全面地衡量中国宏观经济的不确定性情况,在综合考虑前人研究[9,19]的基础上,本文最终选取包括产出与收入、就业、房地产、消费、货币、价格、进出口、债券与汇率、股票等在内的9大类71个宏观经济指标。基于数据可获取性以及样本数据缺失等问题,本文最终选取2002年第1季度到2017年第3季度的数据作为研究样本,样本共63个。对产出、消费等需要消除价格因素影响的变量均采用CPI平减指数进行平减处理,并采用X12方法对需要进行季节性调整的变量进行季节性调整。随后,对所有数据进行标准化处理,以消除量纲的影响。所有数据来源于中经网数据库、锐思金融数据库以及Wind数据库。在对原始数据进行平稳性处理和模型滞后阶数选择之后,本文构建的中国宏观经济不确定性区间为2003年第3季度至2017年第3季度。
(三)中国宏观经济不确定性的测度结果与分析
对于式(1)和式(2)的估计,分为三个步骤。首先,估计式(1)中的条件期望E [y jt+h |I t ]。考虑一个大样本数据预测因子集{X it },i =1,…,N ,运用因子模型
提取共同因子,然后根据提取的共同因子,进一步运用扩散指数预测思想来近似E [y jt+h |I t ]。其次,定义h 期向前预测误差为
并估计其条件波动率
运用参数随机波动模型计算y jt 和因子的一期向前预测误差,然后采用递归形式进一步计算h >1期的条件波动率最后,运用因子结构形式加总单个序列的不确定性
以获取总的宏观经济不确定性
图1 中国宏观经济不确定性
三、宏观经济不确定性影响货币政策效果的实证分析
本文的重点在于考察中国货币政策冲击对宏观经济主要变量的动态影响效应是否因宏观经济不确定性状态不同(高不确定性和低不确定性)而发生显著改变。虽然,现有文献中的MSVAR模型、TVAR模型和STVAR模型能够解决类似的问题,但是MSVAR模型是由外生的不可观测变量驱动的,无法解决内生性状态变量的情形;STVAR模型需要根据经济衰退数据进行事先校准或估计,而我国目前并无经济衰退数据可供利用,并且STVAR模型无法捕捉突然的、急剧的变化;TVAR模型虽然能够捕捉突然的、急剧的变化,但需要分别估计不同状态的样本,这有可能因某一状态样本数量太少而导致参数估计非有效。Self-Exciting IVAR不仅能够解决内生性状态变量问题,而且相较于STVAR和TVAR模型,它能够直接捕捉变量之间的非线性关系,而并非依赖于更繁重的参数估计,并且它并不需要识别门限参数和校准或者估计转移函数,因而更为精简且有效地避免了模型估计不稳定问题。同时,Self-Exciting IVAR模型估计是基于整个样本信息,能够有效地避免因不确定性分布中极端事件相关样本引起的参数估计自由度不足问题。
对于区制状态的划分,参照佩莱格里诺(Pellegrino)[16]的做法,选取不确定性变量Unc t 的10%分位数的数据为“低不确定性时期”,选取其90%分位数的数据为“高不确定性时期”,而对于不同状态时期下的广义脉冲响应函数的具体估计算法,详见佩莱格里诺(Pellegrino)[16]的研究。
(一)Self-Exciting IVAR模型构建
RC4是一个典型的基于非线性数组变换的序列密码，它具有了很多优点，比如实现方便、易于软件设计、具有较强的抵抗攻击的能力，目前来说，还没有什么方法能攻破长度超过128位的RC4算法。RC4具有极高的社会使用价值和发展空间，值得进一步深入研究。
(3)
其中X t 为n ×1的内生变量向量,α 为n ×1的常数项向量,γ 为n ×1的时间趋势项斜率系数向量,A j 为n ×n 的系数矩阵,u t 为n ×1的误差项向量,且其方差协方差矩阵为Ω 。括号内为交互项,它包含一个n ×1的系数向量c j 、不确定性测度变量Unc t 以及政策利率R t 。e y 为向量Y 中内生变量y 的选择向量。
常规的生产组织过程中，制造活动的顺序关系包括独立、串行、并列等几种形式。根据不同的顺序逻辑关系，多个制造活动的基本制造能力计算模型可以表示为：
电流源的启动电路由MP1、MP7和Cst组成。节点电压Vz为VDD，电流源就无法启动。当存在启动电路时，VDD上电以后，假设基准电流为0，Vz为VDD，MP3管关闭。刚开始电源通过MP1开始给电容Cst充电，此时Vst由0逐渐升高，因为MP7的栅端电压为Vst，所以刚开始MP7是导通的，即Vz被MP7由VDD下拉向地，导致MP3管开启，电流源电路进入工作模式。当电容Cst被充满时，Vst=VDD，MP7关闭，启动电路停止工作。
Ribociclib是美国FDA批准临床应用的第2个CDK4/6抑制剂，其抑制CDK4和CDK6活性的IC50值分别为10 nmol/L和39 nmol/L[3]，批准的适应证为与芳香化酶抑制剂（aromatase inhibitor，AI）联合应用于一线治疗HR＋和HER2-的绝经后晚期乳腺癌女性患者。
(4)
1)首先加载至预计破坏荷载的40%，然后在5%～40%预期极限荷载范围内反复加载、卸载5次，每个加载循环时间不能少于5 min；
遵循佩莱格里诺(Pellegrino)[16]的研究,本文采用的Self-Exciting IVAR模型的基本形式为:
与通过不同特定状态的线性VAR组合实现非线性的STVAR和TVAR模型不同,Self-Exciting IVAR通过二阶项来达到非线性的目的,因而可利用OLS进行参数估计。进一步,基于非线性脉冲响应算法并正交化结构冲击可计算Self-Exciting IVAR模型的广义脉冲响应函数和置信区间。理论上,内生变量向量X t 的h 期向前的广义脉冲响应函数可表示为式(4),其中h =1,2,…,H ,E [·]为期望算子,
为初始条件,δ t 为t 时刻的结构冲击。
(二)变量选取与数据处理
本文构建的Self-Exciting IVAR模型中,X t 包含价格水平(P )、产出(Y )、私人投资(I )、私人消费(C )、利率(R )以及中国宏观经济不确定性(Unc )在内的6个变量,其中价格水平、产出和利率分别以居民消费者价格指数、国内生产总值、银行间7天同业拆借利率来表示。对于私人消费,本文参照项后军等[20]的研究,选取社会消费品零售总额代表私人消费;对于私人投资,杨子晖[21]认为私人投资近似于固定资产投资中的国内贷款、自筹资金、利用外资以及其他资金的总和,而王立勇等[22]认为利用外资在所有权上与我国私人投资的目的与方式不符,应予以扣除。本文借鉴王立勇等[22]的研究,以固定资产投资中的国内贷款、自筹资金以及其他资金之和作为我国私人投资I 的代理变量。除Unc 外,所有数据均来自于中经网数据库,样本选取区间为2003年第3季度至2017年第3季度,以与中国宏观经济不确定性的样本区间保持一致。同时,运用定基CPI指数对国内生产总值、私人消费和私人投资进行价格平减,并运用X12方法对价格水平、国内生产总值、私人消费和私人投资进行季节性调整。此外,除利率和宏观经济不确定性指标外,对其余变量数据进行取对数处理。
Ⅰ类海风锋的7个例合成地面要素1 000 hPa场如图5a所示。由图5a可见,海风沿气压梯度自海上垂直于海岸线吹向内陆,由于海陆热力差异作用,海风锋温度密集带基本与海岸线平行,苏南沿海和苏北海州湾沿岸的温度锋区更显著,流场与锋面相交,海风驱动锋区向内陆推进;此外苏南有一个明显的气旋式环流,有利于此处锋区的加强和气流的辐合。等风速线显示,沿海最大的风速中心在苏中沿岸,大约5 m·s-1,海风登陆,地形摩擦效应,风速自海上向岸减弱,形成沿岸低层风速辐合区。在与江苏交界的安徽中部,有一个鞍形场,显示了多系统环流。
(三)模型设定、识别与非线性检验
运用OLS方法对式(3)进行估计,根据AIC和HQC准则确定Self-Exciting IVAR模型的最优滞后阶数为1,并采用经典的乔列斯基分解方法识别货币政策冲击。本文构建的内生变量模型的基本形式为X =[P ,Y ,I ,C ,R ,Unc ],这意味着利率能够对价格、产出、投资和消费做出同期响应,而这些变量不能对利率的变化做出同期响应,但宏观经济不确定性能够对利率的变化做出同期响应。
在估计Self-Exciting IVAR模型之前,有必要对经济变量之间的非线性关系进行识别与判断。本文借助LR似然比检验对数据模型的非线性进行检验,计算的LR检验统计值为12.16,其对应的p 值为0.058 6,表明在10%的显著性水平下明显拒绝线性关系的原假设,这也进一步表明本文构建的非线性Self-Excting IVAR模型是合理的。
(四)广义脉冲响应分析
经过Self-Excting IVAR模型估计得到的脉冲响应曲线结果如图2所示。其中,不仅给出了非线性模型下(包括高不确定性时期和低不确定性时期)一单位利率负向冲击对价格、产出、投资和消费的脉冲响应曲线,同时为进一步突出本文所构建的非线性模型的优势,也给出了线性模型下一单位利率负向冲击对价格、产出、投资和消费的脉冲响应曲线。
图2 宏观经济变量对扩张性货币政策冲击的脉冲响应结果
β的引入是为了弥补假设所造成的影响，因为可能在有些情况下错误的匹配并不是一个随机分布，当β为1的时候，即表示正好满足错误的匹配是服从一个随机分布的。pt表示的是已知ab区域表示的是同一位置的时，区域a中的一个点匹配从a到b的可能性，也就是当点的匹配是对的话，那么旁边的点支持它的概率大小。
从实体经济变量产出和投资的脉冲响应曲线来看,扩张性货币政策引起产出和投资的增加,但产出和投资增加的幅度显著依赖于宏观经济不确定性的状态。具体而言,在宏观经济的低不确定性阶段,产出和投资对扩张性货币政策冲击的最大响应值分别为0.021 9和0.054 2,而在宏观经济的高不确定性阶段,产出和投资对扩张性货币政策的最大响应值仅分别为0.009 5和0.023 6,分别下降了56.62%和56.46%,这表明宏观经济不确定性是影响扩张性货币政策刺激产出和投资的重要因素,并且宏观经济不确定性越高,扩张性货币政策对产出和投资的刺激效果就越差。
从消费的脉冲响应曲线同样可以看到,宏观经济不确定性也是影响扩张性货币政策刺激消费的重要因素,且宏观经济不确定性越高,扩张性货币政策对消费的刺激效果越差。然而,与之不同的是产出和投资对货币政策冲击的反应曲线仅仅在数量上发生了变化,其曲线趋势并未随着宏观经济不确定性而发生改变;而消费对货币政策冲击的反应曲线,不仅在数量上随宏观经济不确定性发生改变,而且其曲线趋势也随之发生了变化。具体而言,消费的脉冲响应曲线在宏观经济的低不确定性阶段一开始急剧上升,在第5期后开始小幅下降并在第11期时继续上升,最终在第25期时达到最大值;而在宏观经济的高不确定性阶段并未呈现出如此的变化趋势。
进一步就价格的脉冲响应曲线而言,无论是宏观经济处于低不确定性阶段还是高不确定性阶段,价格响应曲线一开始就呈现出下降的趋势,这一情形与经济学理论中扩张性货币政策促使价格水平上升的观点相悖。具体来看,价格响应曲线在初始阶段显著下降,随后分别在第5期(低不确定性时期)和第2期(高不确定性时期)后才开始上升。对于这一现象(“价格之谜”)的解释,西姆斯(Sims)[23]认为在设定政策利率时,货币当局拥有比VAR计量模型中所能捕捉的更多未来通货膨胀信息。这种潜在变量的遗漏致使预期未来通货膨胀收紧或者宽松的政策被错误地解读为政策冲击,并进一步导致VAR模型中出现“价格之谜”。他同时认为包含商品价格指数的VAR模型如果能够获得足够的关于未来通货膨胀的额外信息,那么“价格之谜”难题有可能被解决。卡斯德尔诺(Castelnuovo)等[24]的实证研究同样认为,“价格之谜”实际上是由于VAR模型中遗漏掉了捕捉预期通胀持续性的变量而引起的虚假相关性,遗漏变量问题可以定量地解释货币政策冲击引起价格或者通胀出现的令人费解的反应。此外,佩莱格里诺(Pellegrino)[16]研究发现,将通胀预期变量和M2纳入VAR模型中能够显著地缓解“价格之谜”现象。基于此,本文选取中国人民银行2003年第3季度至2017年第3季度的“未来物价预期指数”作为居民通胀预期的代理指标纳入基准模型中并放置在模型变量首位,然后重新进行模型估计与脉冲响应函数计算,结果如图3所示。从其中的价格反应曲线可以看到:无论是高不确定性时期还是低不确定性时期,“价格之谜”现象仍然存在。但是,对比图3和图2中的价格脉冲响应曲线,可以发现纳入“未来物价预期指数”变量后,价格响应曲线的负向最大响应值从8.37×10-3减小为6.17×10-3,且负向响应值的期限从15期缩减为10期。这表明,纳入通胀预期变量“未来物价预期指数”虽然仍然无法有效消除“价格之谜”,但是将通胀预期因素纳到基准模型中在一定程度上能够缓解“价格之谜”现象。
图3 宏观经济变量对扩张性货币政策冲击的脉冲响应结果(纳入通胀预期变量)
综合以上分析,宏观经济不确定性是影响货币政策效应的一个重要因素,它弱化了扩张性货币政策对产出、投资和消费的刺激效果,且宏观经济不确定性水平越高,扩张性货币政策的刺激效果就越差。对于产出和投资而言,宏观经济不确定性仅从数量上影响了扩张性货币政策的冲击效应;而对于消费而言,宏观经济不确定性不仅从数量上影响了货币政策的冲击效应,而且从变动趋势上影响了货币政策的冲击效应。
图5 投资、消费和产出对宏观经济不确定性的脉冲响应结果
四、宏观经济不确定性对货币政策效果的作用机制分析
上文的实证研究结果显示宏观经济不确定性对扩张性货币政策的宏观经济调控效果产生了重要影响,这种影响主要体现在宏观经济不确定性弱化了扩张性货币政策对投资、消费和产出的刺激效果,接下来将进一步探讨宏观经济不确定性影响货币政策效果的路径与作用机制。图4清晰地展示了宏观经济不确定性影响扩张性货币政策刺激效果的渠道与机制,尤其显示了扩张性货币政策内生引致宏观经济不确定性下降,进而作用于投资、消费和产出的路径。从中也可以看出,宏观经济不确定性通过正向和负向两种作用机制与路径对扩张性货币政策的刺激效果产生影响。
大到修桥筑路、投资建厂，小到开超市、卖手机，越来越多的中国商人淘金非洲。但与这些走传统路径的商人不同，湖南小伙杨涛在非洲竟然把电商做得风生水起。他所创办的B2C电商平台Kilimall，经过4年的发展，已成为东非地区的电商领先者。
图4 宏观经济不确定性对扩张性货币政策效果的影响路径
(一)负向作用机制分析
大量研究表明,经济不确定性主要通过增加实物期权效应和预防性储蓄效应抑制投资和消费对宏观经济产生抑制作用。实物期权理论认为,由于投资的不可逆性以及企业沉没成本的存在,企业通常根据当前投资与投资的未来盈利之间的差异来选择投资的时机。不确定性的上升增加了企业的期权价值(企业未来的投资机会可以视为看涨期权),企业通常会观望并等待投资时机以期获得更大的未来回报,因而企业会采取谨慎的态度,选择延迟或者减少当前投资。同时,经济不确定性通常是宏观层面的,不确定性的增加致使经济主体很难对其资本进行多元化操作,从而增加了资本的成本。预防性储蓄效应认为,当面临不确定性冲击时,家庭会选择延迟消费,尤其是对汽车、主要家用电器等耐用消费品的消费;不确定性冲击促使消费者减少支出,建立流动资产缓冲储备。图5展示了增加一单位宏观经济不确定性冲击对投资、消费和产出的脉冲响应结果。从中可以清晰地看到,宏观经济不确定性增加在短期内引起了投资、消费和产出的下降,且宏观经济不确定性对投资的影响明显大于对消费的影响。
(二)正向作用机制分析
从图2中宏观经济不确定性的响应曲线可以看出,无论宏观经济处于高不确定性时期还是低不确定性时期,扩张性货币政策均降低了宏观经济的不确定性,这不仅证实了本文将宏观经济不确定性内生化建模的合理性和必要性,同时也揭示了宏观经济不确定性影响扩张性货币政策调控效果的另一个作用机制与路径:宏观经济不确定性下降—刺激投资和消费增长—拉动总需求和总产出。
一方面,扩张性货币政策通过利率渠道直接作用于投资和消费,引起产出的增加,本文将其称之为货币政策的直接效应;另一方面,在其他条件不变的情况下,扩张性货币政策引起宏观经济不确定性内生性下降,而宏观经济不确定性的减少通过降低预防性储蓄动机和收缩经济行为主体不作为范围引起消费和投资的增加,从而引起产出的增加,本文将其称之为货币政策的“不确定性渠道”。扩张性货币政策通过宏观经济“不确定性渠道”间接作用于投资、消费和产出,放大了扩张性货币政策对宏观经济的刺激效应。图2还显示出扩张性货币政策的“不确定性渠道”效应强弱也依赖于宏观经济不确定性的程度。宏观经济不确定性程度越高,扩张性货币政策引起的宏观经济不确定性降低的程度就越小,从而使得扩张性货币政策的“不确定性渠道”对扩张性货币政策刺激效果所起的作用也就越小。
总之,宏观经济不确定性通过两个路径,两种作用机制对扩张性货币政策效果产生了完全不同的影响效果。一方面,宏观经济不确定性通过增加实物期权效应和预防性储蓄效应抑制了投资和消费,从而对产出产生负向影响;另一方面,扩张性货币政策引致宏观经济不确定性的内生性下降,并通过降低预防性储蓄动机和收缩经济行为主体不作为范围引起消费和投资的增加,从而对产出产生正向的影响。虽然扩张性货币政策内生引致的宏观经济不确定性下降所带来的正向影响远不及宏观经济不确定性本身所带来的负向影响,但其重要性在于扩张性货币政策通过“不确定性渠道”间接作用于投资、消费和产出,缓解了宏观经济不确定性对扩张性货币政策刺激效果的负面效应。
五、稳健性分析
在实证模型设定中,内生变量排序、代理指标选取等有可能影响到基准模型结果的稳健性,因而有必要对基准模型的结果进行稳健性检验。
(一)基于调整内生变量顺序的稳健性检验
在前文的基准模型中,中国宏观经济不确定性被置于内生模型向量的末尾,以最大化宏观经济变量对中国宏观经济不确定性的影响,尤其是考虑了货币政策变量对宏观经济不确定性的影响。虽然基准模型中最大化了宏观经济变量对宏观经济不确定性的影响,但是未考虑宏观经济不确定性对宏观经济变量尤其是货币政策变量的影响。因此,此处参照通常做法,将中国宏观经济不确定性变量放置在内生变量向量之首,以充分考虑宏观经济不确定性对宏观经济变量尤其是货币政策的影响。图6展示了中国宏观经济不确定性置于内生变量之首时,货币政策冲击对宏观经济变量的脉冲响应函数。对比图6和图2中价格、产出、投资和消费对货币政策冲击的反应曲线,不难发现二者几乎相同,仅在冲击反应的强度上存在细微的差别。
图6 稳健性检验:调整变量排序
(二)基于股票市场波动率的稳健性分析
图7 稳健性检验:股票市场波动率
在基准模型中,本文借鉴胡拉多(Jurado)等[9]的研究方法构建了中国宏观经济不确定性指标,并将其作为经济不确定性的代理变量。为了进一步检验基准模型的稳健性,此处采用学者们通常采用的股票市场波动率[注] 股票市场波动率根据上证综指对数收益率的GJR(1,1)计算得到。 作为经济不确定性的代理变量。图7展示了以股票市场波动率作为经济不确定性的代理变量时,货币政策冲击对宏观经济变量的脉冲响应函数。从中可以看到,价格、产出、投资和消费对扩张性货币政策冲击的反应曲线依赖于股票市场波动率的状态,即股票市场波动程度越高,扩张性货币政策对价格、产出、投资和消费的影响程度就越小,这与图2的结论是一致的,表明本文所构建的Self-Exciting IVAR基准模型是可靠的。
六、结论与政策建议
宏观经济不确定性是否影响扩张性货币政策的刺激效果?针对这一问题,本文首先从大量宏观经济变量指标中提取宏观经济不确定性成分并合成中国宏观经济不确定性指标。然后,为充分捕捉货币政策对宏观经济不确定性的反馈效应,内生性建模宏观经济不确定性,构建Self-Exciting IVAR模型,实证研究了宏观经济不确定性对扩张性货币政策刺激效果的影响,并进一步探讨了宏观经济不确定性影响扩张性货币政策刺激效果的路径与渠道。实证研究结论如下:
第一,宏观经济不确定性弱化了扩张性货币政策对投资、消费和产出的刺激效果,且宏观经济不确定性越高,扩张性货币政策的刺激效果就越弱。对投资和产出而言,宏观经济不确定性仅从数量上改变了扩张性货币政策的刺激效果;对于消费而言,宏观经济不确定性不仅从数量上而且从变动趋势上改变了扩张性货币政策的刺激效果。
第二,扩张性货币政策在一定程度上内生地降低了宏观经济的不确定性,并通过宏观经济“不确定性渠道”间接作用于投资、消费和产出,放大了扩张性货币政策对宏观经济的刺激效应。并且,宏观经济不确定性程度越高,扩张性货币政策引致的宏观经济不确定性降低的程度就越低,因而扩张性货币政策通过“不确定性渠道”对扩张性货币政策效果所起的作用也就越小。
第三,扩张性货币政策内生引致的宏观经济不确定性下降所带来的正向影响虽不及宏观经济不确定性本身所带来的负向影响,但更为重要的是扩张性货币政策通过“不确定性渠道”间接作用于投资、消费和产出,能够缓解宏观经济不确定性对扩张性货币政策刺激效果的负面效应。
针对宏观经济不确定性对货币政策效果产生的消极影响,政府及金融监管部门应重视宏观经济不确定性,并采取行之有效的措施,尽量降低经济不确定性带来的负面影响。(1)准确把握宏观经济形势,积极发布宏观经济前景预测信息,充分利用货币政策、财政政策等多种宏观调控工具,多方位地、灵活地对宏观经济进行调控,尽可能削减经济波动带来的宏观经济不确定性。(2)积极主动地释放与政策相关的有效信息,增强政策制定的公开性、透明性和可预测性;强化与市场的有效信息沟通,加强前瞻性指引,积极管理和协调公众与市场预期,提高政府部门决策与公众预期的匹配度,尽可能地降低经济政策频繁变动产生的不确定性。(3)统筹宏观经济调控工具,建立协调性强、层次清晰的宏观经济政策调控体系,有效避免不同政策和监管措施之间产生的冲突和缺位;建立前瞻性预警机制和反应机制,强化经济不确定性的监测、跟踪与研究分析,增强政府部门处理不确定性的能力和效率。
参考文献
[1] BLOOM N. The Impact of Uncertainty Shocks [J]. Econometrica, 2009, 77(3): 623-685.
[2] MEINEN P, ROEHE O. On Measuring Uncertainty and Its Impact on Investment: Cross-country Evidence from the Euro Area [J]. European Economic Review, 2017, 92: 161-179.
[3] LEDUC S, LIU Z. Uncertainty Shocks Are Aggregate Demand Shocks [J]. Journal of Monetary Economics, 2016, 82: 20-35.
[4] BASU S, BUNDICK B. Uncertainty Shocks in a Model of Effective Demand [J]. Econometrica, 2017, 85(3): 937-958.
[5] BONCIANI D, ROYE B V. Uncertainty Shocks, Banking Frictions and Economic Activity [J]. Journal of Economic Dynamics & Control, 2016, 73: 200-219.
[6] 鲁晓东, 刘京军. 不确定性与中国出口增长 [J]. 经济研究, 2017(9): 39-54.
[7] BACHMANN R, ELSTNER S, SIMS E R. Uncertainty and Economic Activity: Evidence from Business Survey Data [J]. American Economic Journal, 2013, 5(2): 217-249.
[8] CARRIERO A, CLARK T E, MARCELLINO M. Common Drifting Volatility in Large Bayesian VARs [J]. Journal of Business & Economic Statistics, 2012, 34(3): 375-390.
[9] JURADO K, LUDVIGSON S C, NG S. Measuring Uncertainty [J]. American Economic Review, 2015, 105(3): 1177-1216.
[10] FERNANDEZ-VILLAVERDE J, GUERRON-QUINTANA P, RUBIO-RAMIREZ J F, et al. Risk Matters: The Real Effects of Volatility Shocks [J]. American Economic Review, 2011, 101(6): 2530-2561.
[11] NODARI G. Financial Regulation Policy Uncertainty and Credit Spreads in the US [J]. Journal of Macroeconomics, 2014, 41: 122-132.
[12] CAGGIANO G, CASTELNUOVO E, FIGUERES J M. Economic Policy Uncertainty and Unemployment in the United States: A Nonlinear Approach [J]. Economics Letters, 2017, 151: 31-34.
[13] BAKER S R, BLOOM N, DAVIS S J. Measuring Economic Policy Uncertainty [J]. Quarterly Journal of Economics, 2016, 131(4): 1593-1636.
[14] 刘慧, 綦建红. 宏观经济不确定性与出口: 贸易中介是缓冲器还是推动器 [J]. 世界经济研究, 2018(4): 60-74.
[15] AASTVEIT K A, NATVIK G J, SOLA S. Economic Uncertainty and the Influence of Monetary Policy [J]. Journal of International Money and Finance, 2017, 76: 50-67.
[16] PELLEGRINO G. Uncertainty and Monetary Policy in the US: A Journey into Non-Linear Territory [R]. Melbourne Institute Working Paper, 2017, No.6/17.
[17] PELLEGRINO G. Uncertainty and the Real Effects of Monetary Policy Shocks in the Euro Area [J]. Economics Letters, 2018, 162: 177-181.
[18] 苏治, 刘程程, 位雪丽. 经济不确定性会弱化货币政策有效性吗?——来自中国的经验证据 [R]. 经济研究编辑部, 2018, WP1258.
[19] CARRIERO A, CLARK T E, MARCELLINO M G. Measuring Uncertainty and Its Impact on the Economy [R]. Federal Reserve Bank of Cleveland Working Paper, 2017, 16-22R.
[20] 项后军, 周宇. 财政政策对私人消费非线性效应的存在性及触发条件研究 [J]. 财经研究, 2011(9): 16-27.
[21] 杨子晖. 财政政策与货币政策对私人投资的影响研究 ——基于有向无环图的应用分析 [J]. 经济研究, 2008(5): 81-93.
[22] 王立勇, 毕然. 财政政策对私人投资的非线性效应及其解释 [J]. 统计研究, 2014(11): 58-65.
[23] SIMS C A. Interpreting the Macroeconomic Time Series Facts: The Effects of Monetary Policy [J]. European Economic Review, 1992, 36(5): 975-1000.
[24] CASTELNUOVO E, SURICO P. Monetary Policy, Inflation Expectations and The Price Puzzle [J]. Economic Journal, 2010, 120(549): 1262-1283.
[本刊相关文献链接 ]
[1] 李俊江, 黄潇雨. 中国货币政策中介目标的量价选择 ——现实困境与混频数据模型预测效果分析 [J]. 西安交通大学学报(社会科学版), 2019(1): 9-17.
[2] 李玉蓉, 徐宁. 我国货币中介指标有效性的实时对比 ——兼论社会融资规模的适用性 [J]. 西安交通大学学报(社会科学版), 2018(4): 23-30.
[3] 陈守东, 林思涵. 资产价格泡沫的货币政策效应 [J]. 西安交通大学学报(社会科学版), 2018(5): 1-10.
[4] 金春雨, 吴安兵. 中国金融市场波动的周期性特征及其宏观经济效应研究 [J]. 西安交通大学学报(社会科学版), 2017(5): 1-11.
[5] 徐妍, 赵丰. 新常态下最优货币政策规则的设计与检验 ——基于实体经济与资产价格背离视角 [J]. 西安交通大学学报(社会科学版), 2017(5): 21-30.
[6] 刘金全, 陈德凯. 理解中国货币政策调控模式: “稳杠杆”还是“降杠杆”?——基于TVP-VAR模型的实证研究 [J]. 西安交通大学学报(社会科学版), 2017(6): 1-8.
[7] 冯雷, 马谌宸. 我国货币政策对房地产价格调控的省际差异化效应分析 [J]. 西安交通大学学报(社会科学版), 2016(4): 30-36.
[8] 陈守东, 章秀, 刘洋. 货币市场利率和资本市场利率的多元时变因果关系研究 [J]. 西安交通大学学报(社会科学版), 2015(4): 17-22.
The Macro -Adjustment and Control Effect of Monetary Policy under the Condition of Economic Uncertainty in China
JIN Chunyu1,2, ZHANG Deyuan2
(1. Center for Quantitative Economics, Jilin University, Changchun 130012, China; 2. Business College, Jilin University, Changchun 130012, China)
Abstract In recent years, with the highlight of macroeconomic uncertainty, the effectiveness of monetary policy will inevitably be affected by macroeconomic uncertainty. This paper investigates the effects of macroeconomic uncertainty on monetary policy effective from the endogenous perspective, based on the extraction of uncertainty components on macroeconomic variables and composition of macroeconomic uncertainty index. To fully capture the feedback effect of monetary policy shocks to macroeconomic uncertainty, macroeconomic uncertainty is modeled endogenously in the Self-Exciting IVAR. And then it further discusses the influence channels of macroeconomic uncertainty on monetary policy effective. Results show that expansionary monetary policy effective is weakened by macroeconomic uncertainty, and they change in reverse, namely, the higher the macroeconomic uncertainty, the weaker the expansionary monetary policy effective. The macroeconomic uncertainty decreases after expansionary monetary policy shocks and this reduction in uncertainty amplify the direct effects of expansionary monetary policy through the “uncertainty channel”, which acts on investment, consumption and output, although this positive impact is not as large as the negative impact of macroeconomic uncertainty itself.
Key words macroeconomy; economic uncertainty; monetary policy; macro-adjustment and control; uncertainty channel; Self-Exciting IVAR model
[中图分类号 ]F821.0
[文献标识码] A
[文章编号] 1008-245X(2019)02-0001-11
DOI: 10.15896/j.xjtuskxb.201902001
[收稿日期 ]2018-06-19
[基金项目 ]国家社会科学基金重大专项(18VSJ018)
[作者简介 ] 金春雨(1965- ),女,吉林大学商学院教授,博士生导师。
(责任编辑 :高原 )
标签：宏观经济论文; 经济不确定性论文; 货币政策论文; 宏观调控论文; 不确定性渠道论文; Self-Exciting论文; IVAR模型论文; 吉林大学数量经济研究中心论文; 吉林大学商学院论文;