美联储加息对中国金融资产价格的冲击效应研究
方先明，唐冠宸
（南京大学 经济学院，江苏 南京 210093）
［摘 要 ］在中国经济深度融入世界经济的进程中，美联储加息对我国金融资产价格的冲击效应值得高度关注。为此，将利率、汇率以及股票价格纳入统一的分析框架，构建TVP-FAVAR模型，基于1999年1月至2018年10月的月度数据，检验美联储加息对中国利率、人民币汇率和股票价格等金融资产价格的冲击效应。实证研究结果发现：中国利率在美联储加息的冲击下表现为正向反应，持续期接近一年，且存在一定程度的时滞；人民币实际汇率在美联储加息的冲击下表现为负向反应，持续期相对于中国利率反应的持续期稍短，但不存在时滞；样本期内，中国股票价格在美联储加息冲击下由前两轮加息周期的正向反应转变为新一轮加息周期的负向反应，持续期不长，且不存在时滞。总体来看，美联储加息对中国三种金融资产价格的冲击效应在不同时点表现出明显的时变特征，这种时变特征与美联储每轮加息周期所处的国际宏观环境和中国国内经济发展状况有关。
［关键词 ］美联储加息；金融资产价格；冲击效应；TVP-FAVAR
一、引言
作为外汇储备的主要币种，以及国际结算的关键货币，美元价值的波动牵动着世界各国的经济运势。纵观世界经济发展的历程，二战以来美联储常会根据美国自身的经济发展现状通过减息或者加息进行货币政策调整，以熨平经济发展过程中产生的波动，这相应地增加了发展中国家经济增长的不确定性。如，2007年美国爆发的次贷危机，2008年演化成全面的金融危机。为了刺激本国经济，美国实行了三轮量化宽松的货币政策（第三轮量化宽松货币政策甚至出现了强化版），美元在全球范围的流动性泛滥。流入发展中国家后带来资产价格上涨的同时也伴随着债务规模的上升，连年财政赤字的发展中国家进入了依靠借外债刺激经济、弥补赤字的甜蜜期。然而，随着2008年金融危机的影响逐渐消退，美国经济复苏迹象显现，通胀预期日渐抬升，货币政策逐渐转向中性，美联储开始退出量化宽松政策，并于2015年12月开启了新一轮的加息周期。截至2019年3月，美联储已累计加息8次，共200个基点。当美联储开始加息并进入紧缩货币周期的中后期时，发展中国家就会受资本回流美国的冲击出现各种各样的问题，并可能诱发债务危机与货币危机［1］。
当前，中国正致力于深化金融业对外开放，中国经济正深度融入世界经济。在美联储最新一轮加息过程中，中国虽然从总体上基本实现了人民币汇率的稳定，但也付出了巨大的代价。一方面为避免人民币过度贬值，中国人民银行消耗了大量的外汇储备，致使短期内外汇储备从近4万亿美元下降到2017年1月的2.98万亿美元。另一方面为了防止国际投资资本流出，中国不惜提高货币市场利率。变相“加息”的结果是流动性紧缩和绝大多数金融资产价格的下跌，而央行只能通过续做到期债务来维持市场所需的基本的流动性。以股票价格为例，2015年12月美联储第一次加息后，中国股市就出现了较大波动，上证综指一度从3684.57的高点跌至2638.30点，为此，中国甚至强化了资本管制。但从世界经济深度融合的发展规律来看，资本终究要实现在境内外的自由流动。美国利率周期的更替必然会影响到国际资本流动格局，进而影响到中国金融的稳定。无论发达国家还是发展中国家，如果没有足够的应对之策，内部宏观政策又存在失误，区域金融的动荡将不可避免［2］。面临“三元悖论”，厘清美联储加息对中国金融资产价格的冲击效应，可以为中国金融业对外开放提供经验证据，进而推动金融业由要素开放向制度开放的转变。
二、文献综述
鉴于美元在国际经贸中的重要作用，理论界与实务界对于美元霸权及美联储货币政策的溢出效应进行了深入的研究。自布雷顿森林体系确立了美元在国际货币体系中的核心地位后，美元日渐成为世界各国外汇储备的主要组成部分，并作为国际结算的重要工具，在国际贸易和经济金融领域中扮演着重要的角色［3］。尽管后来布雷顿森林体系的瓦解宣告了美元霸权地位形式上的“终结”，美国转而实行弱势美元政策，但布雷顿森林体系留给美国的美元霸权遗产仍在继续，甚至实质上有所强化［4］。由于国际大宗商品交易常以美元计价并结算，同时美元仍在世界绝大多数国家外汇储备中占据最重要的席位，因此美元在一国境内外的流动会对该国金融市场产生冲击。加息作为美联储重要的货币政策工具，表明美国经济复苏的迹象明显，美元有升值趋势，会引起国际资本回流美国，由此对其他国家的经济产生明显的溢出效应，突出表现在对其他国家金融资产价格，如利率、汇率以及股票价格等产生冲击［5］。
多数研究结果表明，美国紧缩的货币政策强烈地影响了其他国家的利率，并导致利率迅速上升［6-9］。一是因为美联储加息导致美元在全球范围内的回流进而抬高了世界利率；二是因为各国央行为了维持汇率稳定进而跟随调整本国利率水平；三是在前两种原因的刺激强化下，利率的上升导致金融市场违约风险的增加，迫使利率进一步抬升以支付更高的风险溢价。不过在持续的时间上，这种影响是短暂的［10］，因此，在美联储加息冲击下短期利率与长期利率的反应也截然不同［11］。美联储加息导致的其他国家利率的变动主要与美元在国际间的流动相关，因此表现出短期效应，而从长期来看，其他国家的利率水平与自身经济的基本面情况以及全球经济周期的关系更为相关。以新兴市场国家为研究对象，Bowman等发现，在不同的国家之间，估计的美国货币政策冲击的影响程度存在巨大的异质性［1］。而这种异质性特征的存在与汇率制度的安排有关［10］，在汇率制度未完全自由浮动的国家，利率对美国货币政策冲击的反应更为明显［11-12］，说明在汇率限制浮动区间的国家，其货币政策的独立性更容易受制于美联储加息的影响而陷入无奈被动的局面。具体到美国紧缩性货币政策对中国利率的溢出影响，金春雨等发现中国7天拆借率对美联储货币政策的冲击并不敏感，市场化程度低的利率主要受央行的影响，因此美联储加息对其的冲击作用有限。但也有学者得出的结论是中国利率对美联储加息的冲击是敏感的。如孙焱林、张倩婷以银行间同业拆借7天加权平均利率作为中国利率的代理变量，发现美联储加息会导致中国利率的同向变化［8］；而肖卫国等以中美10年期国债收益率之差作为研究对象，得出中美利差总体在不断收窄的结论［9］。从货币市场相关性的角度也可以发现，中美货币市场短期预期的相关性较高，且美国货币市场居于主导地位，美国货币政策取向将对中国货币政策产生显著的溢出效应［14］。
在对其他国家汇率的冲击效应研究中，普遍认为美联储加息对汇率的影响是显著的，会导致其他国家货币的贬值［15-17］。但是对汇率反应的时滞长短的研究，并没有得出一致的结论。主要观点认为，汇率对美联储加息冲击的反应是即时的［6，8，18］，外汇市场的投资者会对美联储加息释放出的强势美元的信号迅速做出反应。但是，也有一些研究发现，名义汇率并未立即反映冲击的影响，而是表现出呈驼峰状的“延迟过度”［10，19］，这与其他国家应对美联储加息冲击而进行的扩张性货币政策有关，并且可以通过观察该国的外汇储备寻觅出“延迟过度”的蛛丝马迹。不出所料的是，汇率制度更加灵活的国家，汇率的反应也更大，同时也验证了汇率制度不灵活的新兴市场国家，其汇率的反应比发达市场国家要小得多［11］。但是，新兴市场国家维持币值稳定需要付出巨大的代价。从历史经验来看，当美联储加息的冲击来袭，新兴市场国家一旦阻止不了国际资本的大量外逃，其汇率的波动将远超发达市场国家，甚至引爆灾难性的货币危机。再放眼中国，美联储加息对人民币汇率产生的是负向冲击，而且冲击的方向和大小在时间维度上都保持稳定［8］。在冲击之后，美联储加息对人民币汇率的影响呈现震荡式减弱的特点，不具有长期影响［17］，说明与利率的反应相似，人民币汇率很大程度上受到美国紧缩性货币政策引起的国际资金流动的冲击，在短期内发生变动。
由于估计出即可得到标量脱靶量ρ和速度v0[5]。因此，通过对交汇过程中导弹与靶标相对距离的连续测量，根据式(11)可解算出导弹标量脱靶量的最小二乘解。
股票市场对于新信息高度敏感，且市场参与者主要是基于预期进行股票交易。几乎所有的研究均认为，美联储加息对其他国家股价会造成负面影响，并且股价对美国货币政策的冲击反应非常强烈［9，12，20］。就影响的程度而言，大多数其他国家的股票价格对美国货币政策冲击的反应幅度在10%到20%之间［7］。Ehrmann等以全球50个股票市场为研究对象，发现美国货币政策一直是世界股票市场的主要决定因素，在美联储加息100 bps的情况下，收益率平均下跌了3.8%，而且利率和汇率对美联储加息反应剧烈的国家，其股票市场对冲击的反应比一般的国家要大两到三倍［15］。具体到不同的国家，股票价格对于美联储加息的反应也存在着异质性［1，11］，这取决于特定国家的特征，与该国利率、汇率制度安排等有着千丝万缕的联系。因为这些因素制约和影响着金融要素在金融市场的流动，而美联储加息对股票市场的冲击正是通过国际投资资本的流动直接或间接地作用于股票价格。进一步的研究还发现，这种跨国差异除了与以上提到的因素有关，还与美国投资者持有的该国股票市值的百分比以及经济体的开放程度密切相关［11］。但究其本质，还是可以归因为影响国际投资资本的流动的因素，如前者反映了国际投资资本能流动的体量，后者反映了国际投资资本流动的“带宽”。再聚焦于中国股票市场，美国加息后，中国股票价格的相对波动性最大，其次才是人民币汇率和利率［17］。在加息的冲击下，中国股票价格呈现短暂上升而后下降的特征［9，13］，而且冲击只有短期效应，无长期影响［12-13］。
2.中国利率（CR）。7天期上海银行间同业拆借利率（Shibor）是目前利率市场化程度最高的利率，反映了银行间市场拆借资金的价格，但Shibor的数据最早只能追溯到2006年10月8日，故选用更早出现且也能反映短期货币市场资金的供需状况的7天期银行间同业拆借利率作为中国利率的指标。获取的数据为日度数据，通过加权平均转换为月度数据。
三、变量选择与TVP-FAVAR模型构建
（一）研究变量选择
根据图2，对比三个加息时点，1999年6月与2004年6月的脉冲响应值的变动路径差不多，即在第0期为负，在第2期由负转正，达到峰值后保持正向响应逐渐衰减至0，但可以看出，2004年6月在第0期负的脉冲响应值的绝对值0.002比1999年6月在第0期负的脉冲响应值的绝对值0.005小，在第2期正的脉冲响应值0.006比1999年6月在第2期正的脉冲响应值0.0025大。而2015年12月基本表现为正向响应，第0期的脉冲响应值达到了0.015，第1期短暂下跌至0.003后迅速反弹上升，由负转正达到第2期的峰值0.011，之后逐渐衰减至0，且波动幅度比前两次加息时点的波动幅度要大。综合以上可以发现，美联储加息对CR的冲击效应表现出时变特征。从脉冲响应图可以看出，在美联储加息的正向冲击下，CR的脉冲响应值在响应期上表现出逐渐递减的趋势，冲击效应在第2期达到最大，第10期左右冲击的影响消失，说明美联储加息对CR的影响随时间不断减弱，冲击效应对CR具有短期和中期影响，长期影响不显著。
对美联储加息冲击的脉冲响应进行分析前，需要对变量方程中误差项的标准差的后验均值进行阐述。图1描绘了TVP-FAVAR模型中的7个关键方程（因子1、因子2、因子3、CR、CREER、SP、FFR）中误差项的时变波动率。可以看出，所有方程中误差项的标准差的后验均值几乎都在0附近波动，表明模型估计的结果是可靠的，除此之外波动率还存在明显的时变特征，尤其是2008年爆发金融危机后的一段时期代表宏观经济变量的3个因子的波动率急剧增加。从CREER方程来看，由于“811”汇改进一步加大了人民币中间价的波动幅度，CREER的波动率在2015年后随之上升。CR与FFR波动率在不同时期上的背离也反映出了两国货币政策不同步的存在，虽然有一部分原因可以归结于中美经济周期的不同步，但也不可忽视中国利率未完全市场化以及货币市场和信贷市场的政策利率并存导致的传导机制不畅。从图1中三个因子的时变波动还可以进一步看出，误差项的波动与历史经济事件的发生基本吻合，第一个波动反映了2001年中国加入WTO后的经济的波动，第二个波动反映了2005年中国经济强劲增长带来的波动，第三个波动反映了2008年金融危机的冲击，第四个波动反映了2012年世界经济复苏放缓，中国经济下行压力加大带来的波动，第五个波动反映了2015年中国经济进入新常态下的经济波动，第六个波动反映了2017年底中国经济面临转型时期的波动。这说明提取出来的因子能够很好地代表中国宏观经济情况。
综上所述，尽管已有文献关注到美联储加息对中国金融资产价格的影响，但在研究过程中多数学者只关注利率、汇率或者股票价格三者中的某一方面，即将三者割裂开来研究，难以保证研究结果的客观性。因为，利率、汇率以及股票价格这三者都受到一个共同因素的影响，即资金在国际间的流动。在变量选择方面，多数研究试图通过控制变量的选择以提升结果的可信度，但现有的相关文献几乎没有考虑过货币供应量。实际上，当中国经济变量受加息冲击发生变动时，中国央行货币政策也会随机而变，进而影响到货币供应量。鉴于货币供应量对市场流动性的显著影响，遗漏货币供应量变化对资产价格影响得出的结论是缺乏科学性的。在模型构建方面，现有文献缺乏对冲击效应结构时变特征的刻画。为此，本文拟通过美联储加息对中国金融资产价格影响机制的分析，将利率、汇率和股票价格指数纳入统一的分析框架，构建TVP-FAVAR模型。进而，基于1999年1月至2018年10月的月度数据，分析美联储加息对中国金融资产价格冲击的时变影响。以期在中国金融市场对外开放、经济深度融入国际社会的背景下，为相关政策选择与制度安排提供经验证据。
3.人民币实际汇率（CREER）。美联储加息通过外汇市场对人民币汇率造成冲击，为了避免汇率调整带来的误差以及两国物价变动带来的干扰，选用人民币实际有效汇率指数作为衡量人民币汇率水平的指标，获取的数据为月度数据。
4.中国股票价格（SP）。考虑到选取样本的时间区间从1999年1月开始，而沪深300指数的数据最早只能追溯到2002年1月4日，故选用上证综指作为中国股票价格的代表指标。获取的数据是日度收盘价数据，提取月末最后一个交易日的收盘价转换成月度数据。
因此，当分配因子λ1、λ2、λ3满足上述条件时，相比分散决策下各决策主体的利润，集体决策下经过协调后的制造商、零售商、物流服务集成商以及物流服务提供商的利润均实现了帕累托改进，同时产品供应链的利润与物流服务供应链的利润也实现了帕累托改进。
加入宏观经济变量作为控制变量，以保证研究结果的真实与可靠。这些变量来自于经济的三个方面：一是实际经济活动方面，包括产出、进出口、消费、财政；二是价格指数方面，包括CPI、PPI、出口价格指数、进口价格指数等；三是货币及金融方面，包括M0、M1、M2、金融机构各项存贷款额、股票成交金额等，共计37个变量。
对FFR施加一个单位标准差的正向冲击，CREER的脉冲响应如图3所示，美联储加息对CREER的冲击同样存在着时变性特征和结构性变化。
这样共选取了41个变量。变量说明见表1和表2，所有数据来源于WIND数据库。研究的样本区间为1999年1月至2018年10月，之所以选取这样的样本区间，主要的考虑是：虽然美联储加息已经经历了六轮大的周期，但是考虑到历史早期形势对当前的借鉴意义有限，故本文研究的范围只包括美联储最近三轮加息周期（1999年6月至2000年5月、2004年6月至2006年7月、2015年12月开始至今）；2018年10月是研究时能获取到的最新数据。样本数据为月度数据，其与年度数据、季度数据相比，样本容量更大，数据更高频，TVP-FAVAR模型估计的精度也会更高，从而能更加准确地反映出新一轮美联储加息对中国资产价格的冲击效应① 金融资产价格对新信息冲击的反应是迅速的，所以对金融资产价格波动的研究多采用日度数据甚至更高频的数据，但由于选取的宏观经济变量（如CPI）并不能获取到日度数据，因此本文依据月度数据进行研究。 。
表1 观测变量
（二）TVP-FAVAR模型构建
由于VAR模型严重消耗自由度，因此只能选择数量较少的目标变量进行分析而无法对大规模数据进行处理，容易导致经济预测中重要信息的遗漏而得出反直觉的脉冲响应函数。Bernanke［21］、Stock和Watson［22］的研究将因子模型与VAR模型结合起来，促使了FAVAR模型的发展。FAVAR模型是VAR模型的理论观点与因子分析方法从高维数据中提取信息能力的结合，而TVP-FAVAR模型是在FAVAR模型的基础上考虑了系数和误差项的协方差矩阵，都能随着时间改变拓展而来的模型。由于宏观经济变量经常表现出结构不稳定和参数改变的特征，所以，TVP-FAVAR模型与FAVAR模型相比，摆脱了VAR模型依赖参数保持不变这一过强的假设，更能反映模型参数的时变性特征。同时，TVP-FAVAR模型与TVP-VAR模型相比，又能够从大量宏观经济变量中提取出保留原始信息的少量因子构建模型，避免纳入模型变量较少带来的信息遗漏问题，估计结果更加准确可靠。TVPFAVAR的基本形式如下：
式（1）中，yt′=(ft′ zt′ rt)，ft是通过主成分分析从宏观经济变量提取出来的3×1维的共同因子变量，包含了本文选取的宏观和金融变量的信息① 在比较提取3个因子和4个因子的结果后，发现因子方程的残差的标准差后验分布无差别，故选择提取因子的个数为3。 。zt是由CR、CREER、SP这3个观测变量组成的3×1的向量，rt是1 × 1维的美联储加息的冲击向量。φit(i=1，…，p；t=1，…，T)为7 × 7阶(7=3+3+1)的时变系数矩阵，服从随机游走过程，vt～N(0，Ωt)，Ωt(t=1，…，T)为7 × 7阶的协方差矩阵，且遵循Primiceri［23］所设定的多元随机波动率过程。
在我们学校，人人都喜欢董爷爷！他可不是个普通的园丁，在我们的心里，他不仅是一位充满了奇幻色彩的园艺大师，还是一个具有书香气的环保达人。
表2 提取因子的宏观及金融变量
图4中，对比三个加息时点，1999年6月与2004年6月的脉冲响应值的变动路径并没有很大的差异，始终表现为正向反应，脉冲响应值在第0期分别为0.05和0.04，且维持到第1期几乎不变，第2期开始下降并逐渐衰减至0；而2015年12月的脉冲响应在第0期就表现为负向反应，值为-0.075，第1期由负转正上升至0.035后又迅速下跌至第2期的-0.02，之后脉冲响应值基本维持为负逐渐衰减至0，说明了美联储加息对SP的冲击效应存在时变特征。从脉冲响应图可以看出，面对美联储加息的正向冲击，SP的脉冲响应值在响应期上表现出逐渐递减的趋势，冲击效应在第0期达到最大，第4期左右冲击的影响消失，说明美联储加息对SP的影响在时间维度上呈现递减的现象，冲击效应对SP只具有短期影响，长期影响不明显。加息会提升美元资产的吸引力，导致投资于中国股票市场的外国投资者将资金回撤至美国，在短期内股票的大量卖出会引起股价下跌的异常波动，但股价不仅受到股票市场总供求关系的影响，还受到国内宏观经济环境、行业景气度、公司基本面、投资者预期等多种因素的影响，因此从长期来看，美联储加息的冲击效应并不具有持续性。
式中，Bi为多时相近红外最小值合成图像上第i个像元的灰度值；Bmax和Bmin分别表示在多时相全色图像上提取的积雪范围内，通过近红外波段多时相最小值合成后图像上的最大像元值和最小像元值.当上式成立时，像元值赋为1，表示为积雪，否则为0，表示为非积雪区.
（三）模型参数估计
依据Stock［22］的两步估计法进行模型的估计：第一步，在对原始宏观经济时间序列提取共同因子时选用的是主成分分析法。第二步，采用贝叶斯方法对模型中的参数进行估计。同时采用Koop［25］的Gibbs抽样法对每个时变参数进行顺序抽样，其中，每个时变参数均通过状态空间模型的方法，从条件分布中取样所得。由于先验分布的合适选择可以简化高位结尾项的处理，故Gibbs抽样法还应考虑先验分布的选择。由于模型参数的随机游走方程都是条件高斯方程的结构，故所有时变参数t=0时刻的初始状态均采用标准正态密度分布，假设θ0～N(0，4I)。参数
服从正态分布，hi0～N(0，4)，Γi(L)～N(01×q，10Iq)，σh服从逆Wishart分布，Jθt服从伯努利分布。在选择模型VAR部分和因子方程部分的滞后阶数时，根据Primiceri［23］、Canova［26］对于模型设定方式，本文在模型估计过程中将VAR方程的滞后阶数（p）和因子变量运动方程的滞后阶数（q）都设置为2。为了识别出美联储加息造成的结构性冲击，按照Primiceri［23］所使用的标准识别假设，在估计的过程中施加一个下三角矩阵识别的约束条件，以保证作为yt最后一个变量的美联储加息的代理变量，其方程中的误差项对于其他变量没有影响，从而实现对美联储加息冲击的识别。
四、实证分析
（一）数据处理
为了避免数据不平稳造成实证结果的伪回归问题以及消除时间序列的异方差现象，对所有数据进行平稳处理，特别地，zi，t是原始未转换数据，数据处理方式Tcode中的1表示未转换（水平），xi，t=zi，t；2 表示一阶差分，xi，t=zi，t-zi，t-1；4 表示取对数：xi，t=log(zi，t)；5 表示一阶对数差分，xi，t=log(zi，t)-log(zi，t-1)。转换方式及代码见表1和表2。对处理后的数据进行单位根检验后发现所有数据均已转化为平稳数据。同时，根据Bernanke等［21］的设定，为了纠正估计因子对加息冲击的依赖，将原始变量分为速动变量和慢动变量：速动变量是假设与加息冲击同时做出反应的变量，一般为利率、汇率和股票收益率；而慢动变量是假设不与加息冲击同时做出反应的变量，包含除以上三个变量以外的其他变量，如产出、投资等（变量设定见表2）。
（二）误差项标准差的后验均值
1.联邦基金利率（FFR）。美联储加息即调高美国联邦基金利率（Federal funds rate），美国联邦基金利率是美国同业拆借市场的利率。美联储通过对同业拆借市场利率的调节实现加息或降息，故选择联邦基金利率作为美国利率的指标。获取的数据为日度数据，通过加权平均转换为月度数据。
（三）时点脉冲响应分析
得到TVP-FAVAR模型的估计结果后，进一步分析模型的脉冲响应函数。分析脉冲响应函数能全面地了解整个系统受到外部冲击后变量的变动路径以及变量之间的动态影响关系。与传统的VAR模型不同，TVP-FAVAR模型的时点脉冲响应函数可以观测到在不同的指定时点对自变量进行一个单位标准差的正向冲击后因变量随时间变化的过程，本文比较分析不同时点的变量的脉冲响应进而判别是否存在时变特征。为了研究美联储加息对中国资产价格的冲击是否存在时变效应，选取1999年6月、2004年6月、2015年12月三个时点观测脉冲响应的方向和大小。原因在于：这三个时点都是前三轮加息周期首次启动时点，相较于加息周期随后的其他时点，首次加息对金融资产价格的影响更难预测，因此更容易超出市场预期，对金融市场预期的冲击更大。而且，研究加息首次启动时点可以预测美国货币政策“风向”一变中国金融资产价格的反应程度，为我国货币政策及时地相机调整、制定应对之策提供实证支持。同时，为研究冲击效应的持续时间，将脉冲响应函数的区间设定为12期。
对FFR施加一个单位标准差的正向冲击，CR的脉冲响应如图2所示，从中可以看出美联储加息对CR的冲击存在着时变性特征和结构性变化。
图1 TVP-FAVAR模型中的7个关键方程中误差项的时变波动率
本文研究过程中以联邦基金利率作为美联储加息的代理变量，同时选定中国利率、人民币实际汇率、中国股票价格作为中国金融资产价格的代理变量，具体说明如下：
二是通过应用服务器对数据库服务器中存储的各传感器数据从多个维度进行分析,将数据进行处理分析并展现到互联网上、微信等手机APP。
第二，“全面”落实。全面从严治党突出强调了新时期任务的艰巨性、复杂性，凸显出十八大以来以习近平为核心的党中央以广阔的理论视野来认识从严治党，同时也体现了中国共产党对于推进从严治党的决心和毅力。全面从严治党包括对思想、组织、作风、制度、反腐倡廉等方面进行治理，因此，在实施过程中，需要将思想、组织、作风、制度、反腐倡廉视为一体，不能厚此薄彼。实施全面从严治党就要同时部署、发力，这样才能形成全方位格局，加强党的建设。
近期，在“中国蔬菜之乡”寿光发生的水灾引发了广泛关注。作为本地农资经销商，邹磊介绍了受灾情况及水灾对农业种植、农资市场的影响。他表示，寿光、昌乐等地区是受灾集中区，大量农田和大棚被破坏，目前还有部分受灾农田处在排水阶段。据介绍，部分受灾严重农田及茄子、辣椒、番茄等秋季作物在今年无法恢复生产，后期受灾农田需要经过深挖、杀菌、施底肥等处理，以恢复土壤种植能力。邹磊表示，目前灾区需要薄膜、竹竿等大棚建设材料，后续需求种苗及肥药产品，农资厂商正在积极参与救灾助农事宜。
图2 CR对美联储首次加息冲击的脉冲响应图
对比图3中三个加息时点，1999年6月与2004年6月的脉冲响应值的变动路径几乎一致，在美联储加息的影响下几乎都表现为负向反应，但与2015年12月的脉冲响应值的变动路径有所不同。1999年6月在第0期负的脉冲响应值为-0.036，第1期后脉冲响应值的绝对值迅速下降并在第3期降至接近于0，之后在0的附近上下波动并逐渐衰减至0；2004年6月在第0期的脉冲响应值为-0.04，脉冲响应值的绝对值也是在第1期后迅速下降，但是直到第4期才降至0的附近并上下波动逐渐衰减至0；而2015年12月在第0期的脉冲响应值为-0.038，第2期短暂上升至0.005后在第3期又迅速下跌至-0.02，上升至第4期后又逐渐衰减至0。与前两次加息不同，这一次加息CREER的脉冲响应除了波动幅度更大以外，在某些期数上出现正的脉冲响应值也比前两次加息要多。从时间上来看，1999年6月加息冲击对CREER影响的持续时间是最短的。这说明美联储加息对CREER的冲击效应存在时变特征。从脉冲响应图可以看出，面对美联储加息的正向冲击，CREER的脉冲响应值在响应期上表现出逐渐递减的趋势，冲击效应在第0期达到最大，第9期左右冲击的影响消失，说明美联储加息对CREER的影响随时间不断减弱，冲击效应对CREER只具有短期影响，长期影响不明显。
对FFR施加一个单位标准差的正向冲击，SP的脉冲响应如图4所示，美联储加息对SP的冲击也存在着时变性特征和结构性变化。
图3 CREER对美联储首次加息冲击的脉冲响应图
图4 SP对美联储首次加息冲击的脉冲响应图
原始的宏观经济时间序列可以由共同因子、观测变量以及美联储加息的冲击向量来表示：
再生水是指废污水经适当处理后，达到一定的水质标准，满足某种使用要求，可以进行有益使用的水。本文主要梳理了美国、以色列、新加坡等国（以美国为主）及相关国际组织在再生水利用方面的诸多经验，以期对我国再生水利用提供借鉴。
（四）金融资产价格响应时变特征解释
回顾最近三轮美联储加息，1999年中国仅开放了经常项目账户，中国资本与金融账户的开放程度较低，美联储加息对中国资本市场的影响和资本外流的作用十分有限，这在应对美联储加息冲击时起到了很好的防御作用，因此CR、CREER、SP在这一轮加息周期的波动幅度很小。由于当时中国在实行固定汇率制的同时又进行严格的资本管制，根据蒙代尔的“不可能三角”理论，中国可以保持本国货币政策的独立性，维持低利率水平以稳定促进国内实体经济发展，故CR的脉冲响应初期表现为负向。再观察CREER的脉冲响应，美联储加息导致美元升值，人民币在固定汇率制度下盯住美元，故在短期内贬值。汇率的下跌促使央行在外汇市场上进行反向操作，卖出美元以维持汇率稳定，央行通过这种外汇干预的手段能够快速释放汇率的贬值压力，所以美联储加息冲击对CREER的影响的持续时间在这一轮加息周期是最短的。通过对FER展开进一步的脉冲响应分析（如图5左所示）也能得以验证，可以看出，在美联储加息的冲击下，FER表现出负向的脉冲响应，与央行维持固定汇率导致外汇储备下降是一致的。当时中国股票市场刚刚起步，各项制度措施都不够规范和完善，美联储加息对SP的传导机制并不通畅，因此并没有造成市场恐慌，引起股票抛售。此外，中国资本市场是在政府主导下的制度改革下发展起来的，除了受国内外市场信息冲击外，更主要的还是受国家政策改革和以货币政策为代表的一系列宏观经济调控的影响。在当时政策改革、宏观调控的刺激以及严格的资本管控下，中国股票价格与国际经济大环境的关联并不紧密，这可能是导致这一次加息周期SP的脉冲响应在初期表现出正向反应的原因。
图5 美联储加息对FER和M2的冲击
中国金融自由化的进程虽然从2002年开始明显加快，但仍处于较低水平，因此中国经济面临国外经济冲击的潜在金融风险虽然可控，但已明显加大，所以CR、CREER、SP在这一轮加息周期的波动幅度也随之变大。中国在这一轮加息初期实行的仍是固定汇率制① 直到2005年7月21日，人民币汇率才不再单一钉住美元，而是实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。 ，所以还是可以继续保持货币政策的独立性，故CR的脉冲响应在初期仍表现为负向。再观察CREER的脉冲响应，随着中国资本市场的不断完善以及利率市场化和汇率市场化进程的加快，利率汇率传导的渠道也更为通畅，外汇干预力度也在汇率制度改革的摸索中渐进式地下降，因此与上一轮美联储加息周期相比，美联储加息对CREER冲击的持续时间在这一轮加息周期延长了1期。中国股票市场的各项制度措施都已经进一步规范化和完善化，专业化机构投资者数量大幅增加，但“政策市”的特点并没有改变，国家宏观调控以及央行的货币政策调整仍然是影响SP的主要因素，美联储加息对SP冲击的传导机制并没有完全通畅，所以这一轮加息周期SP的脉冲响应与上一轮加息周期的几乎一致。
德国足球长期居于世界领先地位，不仅与德国足球的技战术水平有关，也与德国长期注重青少年校园足球运动的开展相关。德国足协采用了学校、俱乐部、地方足协三方合作的模式来开展青少年足球运动。德国足协一共建立了 380 多个校园足球基地。为了提高实际成效，德国足协并非采取均等资助的方式，而是对德国东北部地区的部分学校给予重点资助。足协与学校密切协作，制定特别的选拔制度，对青少年的运动技术水平和竞赛潜能进行科学、动态的测量评定。同时，对不同年龄、学段的青少年学习均有相应的标准要求。完善的政策制度保证了青少年足球人才培养的科学与合理。这些政策经验对我国校园足球政策的完善有积极的启示价值。
到2015年，中国利率市场化的进程不断加快，已逐步扩大各项政策利率的浮动区间。汇率市场化方面，虽然“721”汇改给汇率波动提供了一定的空间，但央行干预外汇的权力仍然很大，外汇中间价与交易价格之间仍存在过度偏离。同时，在岸汇率与离岸汇率长期以来的差异也让“热钱”有可乘之机。随后“811”汇改进一步扩大了汇率波动区间，报价市场化机制的完善也使得人民币汇率形成机制更为灵活，央行还提出增强汇率双向浮动弹性，进一步降低了“热钱”对中国金融体系和资本市场的冲击。在金融改革不断推进的同时，央行的政策工具、外汇储备也日渐丰富，调控手段也愈发成熟。所以CR、CREER的波动幅度进一步扩大。CR的脉冲响应在第0期表现为正，也间接反映了利率汇率传导渠道更通畅之后，利率应对加息冲击的减震能力得到增强。但CR的脉冲响应值在第1期有一个剧烈下跌后又迅速上升的过程。究其原因，本文进一步对货币供应量（M2）展开脉冲响应分析，得到的结果如图5右所示。与前两轮加息周期不同，M2的脉冲响应值在第1期为正且达到了最大值，M2增加导致资本市场流动性的增加，从而暂时性地缓解了市场化利率上升的压力。而CREER的脉冲响应值在第2期出现短暂的上升趋势，可能与汇率浮动弹性增大后人民币的剧烈贬值、超短期投机资本进场套利导致人民币汇率短暂性回升有关。但在美联储加息的持续影响下，人民币贬值压力仍然存在，加之中国经济进入发展放缓的“新常态”，市场已普遍形成人民币贬值预期。央行为了维护金融稳定，不得不进行外汇干预，甚至加强了外汇管制，所以这一轮加息周期CREER在某些期数上出现正脉冲响应值的次数要比前两轮多。再观察SP的脉冲响应，随着全球经济化的不断深入以及中国金融市场的逐步开放，中美货币政策的联动更加紧密，且绝大多数QFII投资者来自美国、欧洲，其对美联储加息的高敏感性也使得SP受美联储加息的冲击效应加大。加之，中国股市相关制度逐渐完善，美联储加息对SP的传导机制更加通畅，2015年12月这一加息时点SP已转变为负向反应，且在第0期就达到了负向的最大值，说明随着传导渠道梗阻的进一步疏通，美联储加息对SP的负向冲击效应日渐明显。
一是调查制度。从类别上，调查可分为基础性调查、专项调查和应急调查三类。在制度下，调查工作的计划性和实效性，与需求对接的精准性及资金的保障程度均会极大地提高。
结合这三轮加息周期的现实背景可以发现，美联储每轮加息周期所处的国际宏观环境与中国国内经济发展情况都发生了巨大的变化，这也正是冲击效应呈现出时变特征的根本原因。除了利率、汇率市场化以及资本市场改革疏通了美联储加息的传导机制，加大了金融资产价格波动的幅度以外，央行以货币政策为代表的一系列宏观调控和干预手段也是导致金融资产价格波动区间变大的原因。
五、结论与建议
在中国金融逐步开放条件下，为明晰美联储加息对中国金融资产价格的冲击效应，本文构建了TVP-FAVAR模型，基于1999年1月至2018年10月的月度数开展实证检验。结果表明：中国利率在美联储加息的冲击下表现为正向反应，且冲击效应在第2期达到最大，第10期左右冲击的影响消失。人民币实际汇率在美联储加息的冲击下表现为负向反应，且冲击效应在第0期达到最大，第9期左右冲击的影响消失。在美联储最近三轮的加息周期中，前两次加息周期中国股票价格在美联储加息的冲击下表现为正向反应，而新一轮加息周期中国股票价格表现为负向反应，且冲击效应都是在第0期达到最大，第4期左右冲击的影响消失。总体来看，美联储加息对中国金融资产价格的冲击效应在不同时点存在明显的时变特征。基于以上结论，本文提出如下的建议：
（1）美联储加息会导致中国利率的同向变化，资金成本上升使得中国实体经济和金融资产价格承压。不仅如此，美联储加息对中国利率的冲击效应还存在着时变特征。通过对时变特征原因的分析，可以看出利率市场化的改革使得资产价格的“信号作用”不断强化的同时，抵御美联储加息冲击的减震能力也在不断增强。所以央行在利用货币政策应对美联储加息的冲击时，不应被动地随外部环境的变化而盲动。受制于美联储加息而进行频繁的操作，不仅需要付出巨大的成本，而且稍有不慎反而会给市场增加新的不确定性。因此，应进一步推进并完善利率的市场化改革，实现从数量型调控框架向价格型调控框架的转变，建立畅通的利率传导机制，通过市场化的方式调控与引导利率，维持中美利差的稳定。
（2）美联储加息会导致人民币实际汇率的上升，且汇率对加息冲击的反应是即时的，因此央行要警惕国际投机空头借加息的“东风”伺机做空人民币而增大汇率波动的风险，应维持人民币汇率的相对稳定。通过时变特征原因的分析可以看出，汇率市场化的改革增大了人民币汇率的弹性空间，也给央行货币政策在一定程度上维持相对的独立性争取了空间。随着资本与金融项目开放程度的提高，汇率浮动的空间越小，货币政策操作就越容易受到美联储加息等外部冲击的掣肘。因此，进一步推进并完善汇率的市场化改革，逐渐加大人民币汇率弹性空间，推进国际货币互换，减轻人民币对美元的依赖，才是解决这一困境的根本途径。
（3）传导机制的不顺畅使得中国股票价格在前两次加息周期中产生的是正向反应，而通过时变特征原因的分析，可以看到随着资本与金融账户的不断开放，传导渠道的“堰塞”逐渐被疏通后，新一轮加息周期对中国股票价格产生了一个即期的负向冲击。因此，中国央行需要警惕金融自由化伴随的潜在金融风险的增加，考虑将金融稳定纳入货币政策目标，及时关注和监测跨境资本的流动，进一步完善跨境资本流动的宏观审慎政策框架，警惕美国货币政策的调整导致的跨境资本流动风险加剧。同时，中国央行还应实行对称的货币政策的干预，必要时进行逆周期调节，为跨境资本流动风险对资产价格造成的不利影响减震。
从总体来看，美联储加息只在短期对中国金融资产价格产生冲击效应，从长期来看持续影响并不显著。这说明中国金融资产价格尽管受到了加息的干扰，但还是走出了自己相对独立的行情，这与中国之前于高速发展阶段夯实的经济基础不无关系。金融资产由实体经济决定其内在价值，实体经济的良性发展才能为金融资产价格提供强有力的支持。因此，中国在应对美联储加息时，一方面需要高度的警惕加息对金融资产价格的不利冲击，另一方面也要以保障国内长远的经济增长为主。应加快转变经济增长模式，促进经济结构调整升级，通过经济增长来缓解金融资产价格下跌的压力。
［参考文献 ］
［1］BOWMAN D，LONDONO J M，SAPRIZA H.Unconventional Monetary Policy and Transmission to Emerging Market Economies［J］.Journal of International Money and Finance，2015，55：27-59.
［2］钟伟.美国加息对中国经济和金融的影响［J］.国际金融研究，2004（9）：66-70.
［3］DOOLEY M，FOLKERTS-LANDAU D，GARBER P.An Essay on the Revived Bretton Woods System［R］.National Bureau of Economic Research，2003.DOI：10.3386/w9971.
［4］李向阳.布雷顿森林体系的演变与美元霸权［J］.世界经济与政治，2005（10）：14-19.
［5］HAMADA K.A Strategic Analysis of Monetary Interdependence［J］.Journal of Political Economy，1976，84（4）：677-700.
［6］NERI S，NOBILI A.The Transmission of US Monetary Policy to the Euro Area［J］.International Finance，2010，13（1）：55-78.
［7］KAZI I A，WAGAN H，AKBAR F.The Changing International Transmission of US Monetary Policy Shocks：Is there Evidence of Contagion Effect on OECD Countries［J］.Economic Modelling，2013，30：90-116.
［8］孙焱林，张倩婷.时变、美联储加息与中国产出——基于TVP-VAR模型的实证分析［J］.国际金融研究，2016（4）：26-36.
［9］肖卫国，兰晓梅.美联储货币政策正常化对中国经济的溢出效应［J］.世界经济研究，2017（12）：38-49.
［10］CANOVA F.The Transmission of US Shocks to Latin America［J］.Journal of Applied econometrics，2005，20（2）：229-251.
［11］HAUSMAN J，WONGSWAN J.Global Asset Prices and FOMC Announcements［J］.Journal of International Money and Finance，2011，30（3）：547-571.
［12］陈虹，马永健.美国量化宽松货币政策与退出效应及其对中国的影响研究［J］.世界经济研究，2016（6）：22-31.
［13］金春雨，张龙.美联储货币政策对中国经济的冲击［J］.中国工业经济，2017（1）：25-42.
［14］方先明，裴平，蒋彧.中美货币市场预期具有协动性吗？——基于利率互换合约价格的检验［J］.金融研究，2014（7）：32-46.
［15］EHRMANN M，FRATZSCHER M.Global Financial Transmission of Monetary Policy Shocks［J］.Oxford Bulletin of Economics and Statistics，2009，71（6）：739-759.
［16］BOUAKEZ H，NORMANDIN M.Fluctuations in the Foreign Exchange Market：How Important are Monetary Policy Shocks？［J］.Journal of International Economics，2010，81（1）：139-153.
［17］傅广敏.美联储加息、人民币汇率与价格波动［J］.国际贸易问题，2017（3）：131-142.
［18］KALYVITIS S，MICHAELIDES A.New Evidence on the Effects of US Monetary Policy on Exchange Rates［J］.Economics Letters，2001，71（2）：255-263.
［19］EICHENBAUM M，EVANS C L.Some Empirical Evidence on the Effects of Shocks to Monetary Policy on Exchange Rates［J］.The Quarterly Journal of Economics，1995，110（4）：975-1009.
［20］EHRMANN M，FRATZSCHER M，RIGOBON R.Stocks，Bonds，Money Markets and Exchange Rates：Measuring International Financial Transmission［R］.National Bureau of Economic Research，2005.DOI：10.3386/w11166.
［21］BERNANKE B S，BOIVIN J，ELIASZ P.Measuring the Effects of Monetary Policy：a Factor-augmented Vector Autoregressive（FAVAR）approach［J］.The Quarterly journal of economics，2005，120（1）：387-422.
［22］STOCK J，WATSON M.Implications of Dynamic Factor Models for VAR Analysis［R］.National Bureau of Economic Research，2005.DOI：10.3386/w11467.
［23］PRIMICERI G E.Time Varying Structural Vector Autoregressions and Monetary Policy［J］.The Review of Economic Studies，2005，72（3）：821-852.
［24］KOOP G，POTTER S M.Time varying VARs with inequality restrictions［J］.Journal of Economic Dynamics and Control，2011，35（7）：1126-1138
［25］KOOP G M.Bayesian econometrics［M］.New Jersey：John Wiley&Sons Inc.，2003.
［26］CANOVA F，GAMBETTI L.Structural Changes in the US Economy：Is there a Role for Monetary Policy？［J］.Journal of Economic dynamics and control，2009，33（2）：477-490.
［中图分类号 ］F827.12
［文献标识码］ A
［文章编号］ 1671-511X（2019）03-0032-12
［基金项目 ］国家社会科学基金项目“‘影子银行’交叉传染风险度量及控制机制研究”（14BGL031）；江苏2011计划“区域经济转型与管理变革协同创新中心”重大招标课题——防止发生区域性、系统性金融风险研究”（2015-11）阶段性成果，并受到中国特色社会主义经济建设协同创新中心资助。
［作者简介 ］方先明（1969—），男，江苏高邮人，管理学博士（理论经济学博士后），南京大学金融与保险学系教授，博士研究生导师，研究方向：金融市场与金融投资。
（责任编辑 余 敏）
标签：美联储加息论文; 金融资产价格论文; 冲击效应论文; TVP-FAVAR论文; 南京大学经济学院论文;