“多目标”下数量型与价格型 货币政策工具的有效性对比研究
——基于“多指标”的量化分析视角
刘金全, 张 龙
(吉林大学 商学院, 吉林 长春 130012)
摘 要: 新形势下,运用“多工具”调控“多目标”成为货币当局的现实选择。通过SV-TVP-FAVAR模型考察经济增长、物价稳定等多重目标下的货币政策调控工具选择问题。研究结果表明:数量型规则的调控效果整体优于价格型规则。不同阶段下,数量型和价格型规则的调控优势不同,二者均面临“多指标”下的“顾此失彼”困境,广义货币供给量为物价稳定和调控杠杆率目标下的最优政策工具,利率为经济增长和金融稳定目标下的最优政策工具。进一步研究表明,随着我国利率市场化改革的逐步推进,我国数量型和价格型规则的调控效果出现“此消彼长”现象。
关 键 词: 货币政策; 经济增长; 物价稳定; 杠杆率; 金融稳定
自20世纪70年代末“新共识”货币政策框架提出开始,不同国家不同时期有区别地采取了不同货币政策工具调控宏观经济,并于2008年世界金融危机前形成以“稳定物价”为目标的货币政策调控框架。金融危机以前,各国货币政策多以物价稳定和经济增长为目标,只有当金融风险影响到对物价水平和经济增长预期时才被决策层所考虑——“杰克逊霍尔共识”。
世界金融危机的爆发与蔓延令各界逐步意识到经济周期中的有些波动是引发金融风险及经济体系“灰犀牛”的重要冲击来源,各国越来越强烈地表现出对金融稳定问题的重视。世界金融危机之后,我国的债务负担迅速攀升,推动了我国宏观经济杠杆率的急速飙升,理论界和实务界开始重视杠杆率问题。不可否认的是,数量型货币政策和价格型货币政策工具对经济增长、物价稳定、金融稳定等单一目标均具有一定调控效果,但新形势下,我国经济政策的钉住目标错综复杂,更多地呈现“多目标”共存特征。在此背景下,我国的货币政策工具选择是否会陷入“多目标”困境(1) 经济增长、通货膨胀、金融波动等经济问题具有一定的阶段属性,不同经济发展阶段,政策调控目标、组合范式与工具选择不同。不同政策目标的提出时点也不同。举例来说,2007年12月的中央工作会议指出我国宏观调控目标由原来的“防止经济增长由偏快转为过热”的“单防”转到“防止经济增长由偏快转为过热、防止价格由结构性上涨演变为明显通货膨胀”的“双防”,而2013年12月和2015年12月的中央经济工作会议分别提出“稳增长”和“去杠杆”目标,2018年7月的中共中央政治局会议提出“稳金融”目标,由此可见,我国并不存在持续的经济增长、通货膨胀等问题,本文旨在基于量化手段,比较分析数量型与价格型货币政策工具在经济增长、物价水平等变量上的调控效应。不可否认的是,单纯依靠货币政策工具很难实现物价稳定、经济增长、金融稳定和调控杠杆率等“多目标”,需要与财政政策、宏观审慎政策等协调搭配。 ?多目标下,利率市场化改革的推进又会对货币政策的“量”“价”选择产生何种影响?上述问题直接关乎利率市场化背景下我国货币政策的调控方式选择,由此成为各界关注的重点议题。
随着1964年美国、加拿大两国开始实施签订的哥伦比亚河条约，大古力水电站上游的加拿大境内修建了麦卡、阿罗和邓肯3座水库，美国境内修建了利比水库，共取得有效库容315亿m3，连同大古力水库的有效库容64.5亿m3在内，有效库容共达380亿m3，再加上干支流上其它水库，总共有效库容达470.5亿m3，相当于大古力水电站坝址平均年径流量的49%，使大古力水电站成为被上游大量径流补偿的水电站，提高了其可靠出力。
一、 文献综述与研究进展
近年来,我国经济系统时变特征愈加明显。冲击极值、短期效应等评价指标下,运用广义货币供给量和利率等工具实现经济增长、物价稳定和金融稳定等目标成为货币当局的现实选择,大量学者对“多目标”下的货币政策工具选择问题展开了理论探讨与实证研究。
(1) 关于物价稳定和经济增长目标下货币政策工具选择的相关研究。有的学者认为我国的货币政策调控方式应向“预调微调”“区间调控”和“定向调控”转变,利率工具更利于实现货币政策经济增长和物价稳定的政策目标[1-2]。有的学者认为我国利率市场化尚未完成,利率工具很难成为货币政策的主要手段,应主要借助信贷、货币量等数量型工具实现既定政策目标[3-4]。还有的学者认为数量型和价格型货币政策工具各有优势,单一型政策工具可能陷入经济增长和物价稳定调控两难,混合型政策工具优于单一型政策工具[5-6]。
稳定性测试：工作电极(WE)为自制Φ2 mm石墨，对电极(CE)为自制Φ2 mm石墨；参比电极(RE)为自制Ag/AgCl电极，在NaCl-KCl(1∶1)熔盐中采用电流阶跃法进行测试。原理：在摩尔比为1∶1NaCl-KCl熔盐体系中，当施加足够的电流时，工作电极上产生Cl2；一段时间后将电流突然降至0 A，电解反应停止；Cl2气泡吸附在工作电极上，电极Cl2|Cl-处于平衡状态，此时指示的电位就是Cl2|Cl-相对于参比电极的电位，如图2所示。本实验测试温度为714 ℃，试验分别在100 mA、200 mA、300 mA下进行，测得Cl2的析出电位(Vs RE)见表1。
(2) 关于调控杠杆率目标下货币政策工具选择的相关研究。Bernanke & Gertle(2001)[7]和马勇(2013)[8]等通过将资产价格和银行杠杆率变量纳入货币政策的反应函数分析货币政策的政策目标调控效果,研究表明,直接钉住资产价格和杠杆率的货币政策规则不利于经济稳定,货币政策只应“关注”而非“钉住”资产价格和杠杆率。进一步看,刘晓光和张杰平(2016)[9]关于货币增长率和杠杆率的研究表明:货币政策并不会陷入经济增长和调控杠杆率两难。然而,胡志鹏(2014)[10]基于DSGE模型针对经济增长与调控杠杆率双重目标下货币当局最优政策设定的研究则表明,单纯使用货币政策工具降低杠杆率的效果不理想,结构性改革势在必行。从最新研究成果看,陈创练和戴明晓(2018)[11]基于时变参数结构模型检验货币政策是否应兼顾调控杠杆率目标,得出价格型和数量型货币政策钉住杠杆目标的政策偏好具有时变和随机波动特征,数量型货币政策工具调控杠杆率更有效。
(3) 关于金融稳定目标下货币政策工具选择的相关研究。世界金融危机爆发后,越来越多的学者开始承认新形势下价格稳定是金融稳定的必要而非充分条件,物价稳定与金融稳定可能存在“背离”,传统定位于价格稳定的货币政策可能陷入物价稳定和金融稳定调控两难[12]。鉴于此,马勇(2013)[13]通过将金融稳定因素纳入前瞻性货币政策框架对货币政策的政策目标调控效果进行理论分析和实证检验,研究表明,金融稳定和物价稳定有时并不一致,货币政策框架需兼顾金融稳定。从数量型和价格型货币政策工具选择看,朱波和卢露(2016)[14]基于仿真模拟分析了不同货币政策工具对系统性金融风险的影响,得出利率工具比存款准备金率更利于金融稳定。葛奇(2016)[15]将金融稳定纳入到货币政策目标函数,对衡量金融稳定的变量指标进行了总结性描述,并重点解释了货币政策如何权衡物价稳定与金融稳定。
梳理已有文献发现,关于货币政策与调控目标的关联研究存在以下不足:①从经济运行规律看,多数文献在货币政策常规目标基础上,讨论了货币政策与宏观审慎政策“双支柱”框架的必要性,极少有学者关注数量型和价格型货币政策工具本身的调控效果优劣问题。②从政策目标上看,多数文献基于经济增长或物价稳定等“单目标”选择最优货币政策调控工具,较少有学者基于经济增长和物价稳定等“多目标”选择最优货币政策调控工具。鉴于此,本文在充分考虑外部环境“不确定性”、经济系统“随机时变波动”、时点脉冲“领先滞后”等关键性现实问题的基础上,结合当下我国的利率市场化改革背景,运用SV-TVP-FAVAR模型对数量型与价格型工具的调控效应进行对比分析。
二、 模型构建
首先构建VAR模型:
y t =c 1y t-1 +c 2y t-2 +…+c p y t-p +v t
(1)
式(1)中,
表示(M ×1)维向量,mp t 表示货币政策工具,c i (i =1,2,…,p )表示滞后项系数矩阵,v t ～N (0,Ω ),Ω 表示协方差矩阵。
为了克服冲击极值可能存在的正负交替,本文通过对全样本区间进行脉冲加总平均的办法分析货币政策的调控效应,全样本区间货币政策对政策目标的平均冲击效应如图1所示。
参照Primiceri(2005)[16]的研究,将模型拓展为TVP-FAVAR形式:
y t =c 1t y t-1 +c 2t y t-2 +…+c pt y t-p +v t
(2)
式(2)中,
表示共同因子向量,c it (i =1,2,…,p )表示滞后项系数矩阵。
此外,利用三角矩阵将因子误差的协方差矩阵分解处理:
进一步,x it 可以由f t 、z t 和mp t 回归分析得到,形式如下:
(3)
式(3)中:
和
表示(N ×K )和(N ×M )维矩阵;
表示(N ×1)维矩阵;假定E (ε it ,f t )=0和E (ε it ,ε jt′ )=0对∀i ,j =1,2,…,N ,t ,t ′=1,2,…,T ,i ≠j ,t ≠t ′成立,式(3)写成:
x t =λ f f t +λ z z t +λ mp mp t +F (L )x t +ε t
(4)
①经济增长的响应特征(图1a)。从冲击极值看,数量型工具和价格型工具对经济增长的冲击极大值为0.059和0.025;从响应周期看,数量型工具和价格型工具的响应周期为11个季度和17个季度,响应收敛性较好。② 通货膨胀率的响应特征(图1b)。从冲击极值看,数量型工具和价格型工具对通货膨胀率的冲击极大值为0.057和0.010;从响应周期看,数量型工具和价格型工具的响应周期为18个季度和10个季度,响应收敛性较好。③ 金融状况指数的响应特征(图1c)。从冲击极值看,数量型工具和价格型工具对金融状况指数的冲击极大值为0.038和0.013;从响应周期看,二者的响应周期均为15个季度,收敛性较好。④ 杠杆率的响应特征(图1d)。从冲击极值看,数量型工具和价格型工具对产出的冲击极大值为0.052和0.063;从响应周期看,数量型工具和价格型工具的响应周期为12个季度和14个季度,响应收敛性较好。
勒菲弗尔在《翻译、改写以及对文学名声的控制》一书中首次引入了“改写”这一概念，认为翻译就是一种对原文的改写，而改写就是操作。他认为“所有的改写，不管其目的如何，都反映了某种意识形态和诗学，从而操作文学在特定的社会里以特定的方式其作用”。而在电影字幕翻译中，出于迎合目的语观众的口味以及娱乐化的价值取向，可以对原文内容进行适当的改写。翻译是戴着脚镣跳舞，改写必须把握好适度原则，不可以脱离原文，随意改写。
这是电流可以通过的金属线。有电流通过的时候，手碰上它就糟了。所以要在金属线外面包一层橡胶皮。因为橡胶不导电。”
相对本科的通识教育，大部分高职院校的通识教育并没有得到普遍重视，无论是理论建设还是实践落实都存在不少问题。
(5)
式(5)中Σ t =diag(σ 1t ,…,σ k+1t ),A t 表示主对角线元素为1的下三角矩阵:
(6)
(1) 全样本脉冲分析
(7)
表示与参数C t ,a t 和logσ t 有关的协方差矩阵;ϖ=C ,a ,logσ 表示新息向量;
表示0/1型随机变量。进一步,利用滞后算子拓展为SV-TVP-FAVAR形式:
式(8)中,
扰动项
服从正态分布。
CYP2C19酶是细胞色素CYP450家族中的重要成员之一，主要参与药物在体内的羟化反应，许多外源性药物都经过该酶代谢 [2]。CYP2C19酶活性存在显著的个体差异和种族差异，从而造成药物疗效方面的差异 [9]。CYP2C19基因座位于染色体区10q 24.1～24.3，由9个外显子和5个内含子构成。目前已发现CYP2C19*1-CYP2C19*25至少有25个等位基因，其中编码正常酶活性的基因位点是CYP2C19*1，CYP2C19*2-CYP2C19*8 为功能缺失或降低的等位基因，可导致CYP2C19酶活性减低，CYP2C19*17 为功能增强的等位基因[10，11]。
根据式(9)最终得到脉冲响应分析所需的模型VEM形式:
参考Kim & Nelson(1999)[17]与Stock & Watson(1989)[18]的研究,参数先验分布设定为:
(11)
(12)
式(12)中,dim(C )=m ×m ×p ,dim(a )=m ×(m -1)/2,dim(σ )=m ,变量首期滞后系数
其他滞后系数
滞后项系数
变量系数
三、 我国货币政策的动态 调控效应数值模拟
1.变量选取与数据说明
本文将研究区间定为2002年1季度—2017年4季度,SV-TVP-FAVAR模型所需来源于中经网统计数据库。为了克服可能存在的信息遗漏问题,本文基于68个经济变量提取共同因子,主要包括产业增加值、经济政策不确定性指数①、金融状况指数②、7天银行间同业拆借利率等变量。需要说明的是,在进行脉冲分析前,宏观经济变量需在季节调整、平减后进行标准化处理,从而剔除量纲影响,进一步提取共同因子。共同因子变量的趋势性走势和波动转折点与我国宏观经济运行走势基本吻合,经济波动的转折点也与世界经济危机、经济新常态等“典型”事件基本对应,说明本文提取的共同因子较为合理,模型的分析结论相对可靠。
（4）约氏艾美耳球虫。卵囊呈罐状，平均大小23μm×18μm，形状指数为1.27。卵囊囊壁为2层，光滑，颜色为黄色，外深内淡，极帽顶端稍平，卵膜孔较宽，孢子囊为卵圆形，内残体常聚集成小团，无外残体，斯氏体明显，有1个或多个极粒[2]。
2.我国货币政策的政策目标效应分析
将式(2)中参数堆栈在
和
中,j =1,…,k +1,并假定参数矩阵服从创新型随机游走:
1.4 统计学分析 采用SPSS 13.0统计软件包进行数据分析。计量资料采用均数±标准差表示，采用t检验，率的比较采用χ2检验，P<0.05为差异有统计学意义。
2.2.2 “互联网＋”与中药流通的融合 “互联网＋中药”能够创新业态和商业模式。运用移动互联技术，借助移动终端开展中医药文化传播和中药产品科普活动，激发中药产品需求。其次，构建“互联网＋”的中药电商平台，打造线上线下营销体系，从而促进中药产品销售。还可以通过云计算、大数据等技术将患者和用户的需求传递到中药研发与生产环节，形成中药产业链的“闭环”，构建智能产业生态系统[17]。
图 1全样本区间货币政策对政策目标的平均冲击效应
(a)—经济增长; (b)—通货膨胀率; (c)—金融状况指数; (d)—杠杆率
式(4)中,
残差服从随机游走,
为了实现数量型货币政策和价格性货币政策的政策目标调控效果多维度分析,本文在冲击极值和响应周期(2) 参考baker等(2016)构建的中国经济政策不确定指数,详见http:∥www.policyuncertainty.com/。 指标上,引入短期效应和长期效应等指标,实现“多指标”评价货币政策的政策目标调控效应(3) 参考刘金全、张龙(2018)测算的混频金融状况指数 (MF-FCI)。 。货币政策对政策目标冲击的数字特征如表1所示。
① 分析显示:数量型货币政策和价格型货币政策响应周期均较长,数量型货币政策和价格型货币政策的预调微调效果区别不大,考虑到我国经济系统时变特征和预期冲击等现实问题,本文认为长响应周期为优势指标。
② 根据经济系统时变特征和脉冲响应特征,将短期效应时期设定为6个季度,根据经典文献关于预期期限的设定,将阶段效应时期设定为12个季度,根据经济周期和脉冲收敛性特征,将长期效应时期设定为20个季度。
表 1全样本区间货币政策对政策目标冲击的数字特征
注: ① *、+、×、÷和△分别表示基于冲击极值、响应周期、短期效应、阶段效应和长期效应的最优政策选择,下同;
② 响应周期相等情况下,数量型货币政策和价格型货币政策均为最优政策选择,表2和表3相应表达与表1一致,后文不再赘述
由表1可知,从冲击极值、响应周期、短期效应、阶段效应和长期效应等指标上看,数量型工具在多数评价指标上政策目标调控效果更佳,价格型工具仅在个别评价指标上(杠杆率调控上,价格型工具在冲击极值、响应周期和短期效应指标上优于数量型工具)表现较好,这与M2目标的淡化和我国利率市场化改革背景不符。分析其原因主要在于本文的时间跨度定位2002年1季度—2017年4季度,而在金融危机爆发前,数量型货币政策调控效果极为显著,整体带动了全样本区间内数量型货币政策的平均调控优于价格型货币政策。
综上所述，妊娠期高血压疾病患者出现早期肾功能损伤情况下，其血清Cys-C、Hcy及尿mALB表达水平升高，并与病情严重程度呈正相关关系，提示检测血清Cys-C、Hcy及尿mALB能帮助临床医师判定病情严重程度，利于及早制定防治措施；血清Cys-C、Hcy与尿mALB对临床诊断妊娠期高血压疾病患者早期肾功能损伤具有较高的临床价值，值得推广应用。
(2) 分阶段脉冲分析
为了理解和校验全样本区间内货币政策的调控优势及其变动趋势,本文将2002年1季度—2017年4季度的样本区间划分为“2002年1季度至2007年4季度”“2008年1季度至2012年4季度”“2013年1季度至2017年4季度”三个阶段,并在此基础上分析各个阶段货币政策量价工具的调控效果。货币政策对政策目标的冲击效应如图2和图3所示。
图 2经济增长和物价稳定目标下货币政策的冲击函数
(a)—经济增长; (b)—物价稳定
① 经济增长目标下货币政策的脉冲分析(图2a)。2002年1季度至2007年4季度的冲击特征:从冲击极值看,数量型工具和价格型工具对经济增长的冲击极大值为0.079和0.006;从响应周期看,数量型工具和价格型工具的响应周期为13个季度和10个季度,响应收敛性较好。2008年1季度至2012年4季度的冲击特征:从冲击极值看,数量型工具和价格型工具对经济增长的冲击极大值为0.038和0.057;从响应周期看,二者的响应周期为15个季度和12个季度,收敛性较好。2013年1季度至2017年4季度的冲击特征:从冲击极值上看,数量型工具和价格型工具对经济增长的冲击极大值为0.037和0.041;从响应周期看,二者的响应周期为9个季度和18个季度,收敛性较好。② 物价稳定目标下货币政策的脉冲分析(图2b)。2002年1季度至2007年4季度的冲击特征:从冲击极值看,数量型工具和价格型工具对通货膨胀率的冲击极大值为0.074和0.012;从响应周期看,数量型工具和价格型工具的响应周期均为11个季度,响应收敛性较好。2008年1季度至2012年4季度的冲击特征:从冲击极值看,数量型工具和价格型工具对通货膨胀率的冲击极大值为0.054和0.011;从响应周期看,数量型工具和价格型工具的响应周期为16个季度和9个季度,响应收敛性较好。2013年1季度至2017年4季度的冲击特征:从冲击极值上看,数量型工具和价格型工具对通货膨胀率的冲击极大值为0.041和0.008;从响应周期看,数量型工具和价格型工具的响应周期为18个季度和14个季度,响应收敛性较好。③ 金融稳定目标下货币政策的脉冲分析(图3a)。2002年1季度至2007年4季度的冲击特征:从冲击极值看,数量型工具和价格型工具对金融状况指数的冲击极大值为0.048和0.009;从响应周期看,数量型工具和价格型工具的响应周期均为12个季度,响应收敛性较好。2008年1季度至2012年4季度的冲击特征:从冲击极值看,数量型工具和价格型工具对金融状况指数的冲击极大值为0.022和0.055;从响应周期看,数量型工具和价格型工具的响应周期为11个季度和14个季度,响应收敛性较好。2013年1季度至2017年4季度的冲击特征:从冲击极值上看,数量型工具和价格型工具对金融状况指数的冲击极大值为0.027和0.056;从响应周期看,数量型工具和价格型工具的响应周期为14个季度和17个季度,响应收敛性较好。④ 调控杠杆率目标下货币政策的脉冲分析(图3b)。2002年1季度至2007年4季度的冲击特征:从冲击极值上看,数量型工具和价格型工具对杠杆率的冲击极大值为0.048和0.065;从响应周期看,数量型工具和价格型工具的响应周期为13个季度和13个季度,响应收敛性较好。2008年1季度至2012年4季度的冲击特征:从冲击极值上看,数量型工具和价格型工具对杠杆率的冲击极大值为0.054和0.056;从响应周期看,二者的响应周期均为15个季度,收敛性较好。2013年1季度至2017年4季度的冲击特征:从冲击极值上看,数量型工具和价格型工具对杠杆率的冲击极大值为0.068和0.056;从响应周期看,数量型工具和价格型工具的响应周期为18个季度和12个季度,响应收敛性较好。
图 3金融稳定和调控杠杆率目标下货币政策的冲击函数
(a)—金融稳定; (b)—调控杠杆率
1.1 一般资料 收集我院2014年7月-2018年6月顺序进行彩色多普勒超声及超声引导下穿刺活检病例60例，女性60例，年龄30-86岁。所有患者穿刺前：出、凝血时间、血小板计数正常，穿刺部位无感染。穿刺前签署知情同意书。
为了直观比较数量型工具和价格型工具的政策目标调控效果,本文基于冲击极值、响应周期、调控幅度、短期效应、阶段效应和长期效应等指标对数量型工具和价格型工具的政策目标调控效果优势进行统计学分析。不同阶段下货币政策量价工具的冲击特征如表2所示。
由表2可知,基于不同指标,不同货币政策的调控效果存在较大差异。横向对比发现,数量型和价格型工具的政策目标调控优势不同。其中,数量型工具在物价稳定和调控杠杆率方面调控效果较好,这与卞志村、胡恒强(2015)[19]的研究结论一致。价格型工具在经济增长和金融稳定方面调控表现较好,这与刘达禹等(2016)[20]的研究结论基本一致。纵向对比后发现,随着利率市场化改革的逐步推进,针对经济增长、物价稳定、金融稳定和调控杠杆率任何一个政策目标,数量型工具的调控优势地位有逐步弱化趋势,而价格型工具的政策目标调控优势逐步凸显,这与胡志鹏(2012)[21]的研究结论基本一致。与以往文献不同的是,本文在经济增长和物价稳定常规货币政策目标基础上,引入了金融稳定和调控杠杆率的政策目标,分析结论对经济系统多目标特征和新形势下的高质量发展要求具有更高的指导和借鉴意义。
表 2货币政策对政策目标冲击的数字特征
3.稳健性检验
本文采用典型区间选取连续时间段的方法对分析结论的稳健性进行检验。具体来说,选取2007年、2012年和2017年代表危机前、危机爆发及蔓延期和新常态时期(4) 作者也进行了样本区间替代,研究结论基本一致,读者如有兴趣可自行验证,或找作者索要。 。样本区间替代后数量型和价格型货币政策对政策目标的冲击效应如图4所示。
图 4样本区间替代后货币政策对不同政策目标的冲击函数
(a)—经济增长; (b)—物价稳定; (c)—金融稳定; (d)—调控杠杆率
根据图4可知,样本区间替代后,数量型货币政策和价格型货币政策的政策目标调控效应均发生了绝对数值上的改变。为了检验样本区间替代后,研究结论是否一致,本文通过冲击极值、响应周期、短期效应、阶段效应和长期效应等指标衡量样本区间替代后货币政策的政策目标调控效应,样本区间替代后政策目标的响应数值如表3所示。
表 3样本区间替代后货币政策对政策目标冲击的数字特征
由表3可知,基于不同指标,不同工具的调控效果存在差异。其中,数量型货币政策在物价稳定和调控杠杆率方面调控效果较好,价格型货币政策在经济增长和金融稳定上面表现较好。进一步看,随着利率市场化改革的逐步深入,价格型货币政策逐步凸显。总之,样本区间替代后,虽然数量型工具和价格型工具对经济增长、物价稳定等政策目标的冲击效应发生了绝对数上的改变,但并未带来方向性和相对优势的改变,研究结论与前文分析基本一致。
四、 主要结论与政策建议
本文运用SV-TVP-FAVAR模型分析货币政策对不同目标的调控效应。得出以下主要结论。首先,不同政策目标下,数量型和价格型工具的政策目标调控效果存在较大差异。2002年1季度至2017年4季度的全样本区间内,数量型工具的政策目标调控效果更佳,优势程度与政策目标和评价指标有关。其次,在金融危机前、金融危机爆发和蔓延及其经济新常态等不同阶段,数量型和价格型工具的政策目标调控优势不同,数量型和价格型工具均面临“多指标”下的“顾此失彼”困境。其中,广义货币供给量(M2)为物价稳定和调控杠杆率目标下的最优货币政策工具,利率为经济增长和金融稳定目标下的最优货币政策工具。最后,随着利率市场化改革的逐步推进,我国数量型和价格型工具的目标调控出现“此消彼长”现象。
针对上述结论,结合我国利率市场化和高质量发展背景,提出以下政策建议。第一,不同政策目标下,数量型货币政策和价格型货币政策的调控效果存在差异,中央银行应根据短期政策目标,合理选用货币政策工具。第二,随着价格型工具目标调控优势的逐步凸显,中央银行应充分利用政策利率为主的价格型工具对经济增长、物价稳定等政策目标的调控效应,加快形成利率“形得成”和“调得了”格局,推进货币政策由数量型规则向价格型规则转型,并适时构建“价主量辅”的“混合型”货币政策规则,引导我国经济迈向高质量发展。
参考文献:
[1]王君斌,郭新强,王宇. 中国货币政策的工具选取、宏观效应与规则设计[J]. 金融研究, 2013(8):1-15.
[2]汪川. “新常态”下我国货币政策转型的理论及政策分析[J]. 经济学家, 2015(5):35-42.
[3]王立勇,张良贵. 开放条件下我国货币政策有效性的经验分析——基于目标实现与工具选择角度的评价[J]. 数量经济技术经济研究, 2011(8):77-90.
[4]Best G,Kapinos P. Monetary Policy and News Shocks: Are Taylor Rules Forward-looking?[J]. The BE Journal of Macroeconomics, 2016,16(2):335-360.
[5]Cúrdia V,Ferrero A,Ng G C,et al. Has U.S. Monetary Policy Tracked the Efficient Interest Rate?[J]. Journal of Monetary Economics, 2015,70(3):72-83.
[6]刘金全,张龙. 新常态下我国货币政策框架体系选择:单一型规则抑或混合型规则[J]. 改革, 2018(9):27-41.
[7]Bernanke B S,Gertler M. Should Central Banks Respond to Movements in Asset Prices?[J]. American Economic Review, 2001,92(2):253-257.
[8]马勇. 植入金融因素的DSGE模型与宏观审慎货币政策规则[J]. 世界经济, 2013(7):68-92.
[9]刘晓光,张杰平. 中国杠杆率悖论——兼论货币政策“稳增长”和“降杠杆”真的两难吗[J]. 财贸经济, 2016(8):5-19.
[10]胡志鹏. “稳增长”与“控杠杆”双重目标下的货币当局最优政策设定[J]. 经济研究, 2014(12):60-71.
[11]陈创练,戴明晓. 货币政策、杠杆周期与房地产市场价格波动[J]. 经济研究, 2018(9):52-67.
[12]Goodfriend M,McCallum B T. Banking and Interest Rates in Monetary Policy Analysis: A Quantitative Exploration[J]. Journal of Monetary Economics, 2007,54(5):1480-1507.
[13]马勇. 基于金融稳定的货币政策框架: 理论与实证分析[J]. 国际金融研究, 2013(11):4-15.
[14]朱波,卢露. 不同货币政策工具对系统性金融风险的影响研究[J]. 数量经济技术经济研究, 2016(1):58-74.
[15]葛奇. 金融稳定与央行货币政策目标——对“杰克逊霍尔共识”的再认识[J]. 国际金融研究, 2016(6):3-12.
[16]Primiceri G E. Time Varying Structural Vector Autoregressions and Monetary Policy[J]. Review of Economic Studies, 2005,72(3):821-852.
[17]Kim C,Nelson C R. Has the U.S. Economy Become More Stable? A Bayesian Approach Based on a Markov-switching Model of the Business Cycle[J]. Review of Economics and Statistics, 1999,84(4):608-616.
[18]Stock J H,Watson M W. Interpreting Evidence on Money-income Causality[J]. Journal of Econometrics, 1989,40(1):161-181.
[19]卞志村,胡恒强. 中国货币政策工具的选择:数量型还是价格型?——基于DSGE模型的分析[J]. 国际金融研究, 2015(6):12-20.
[20]刘达禹,赵婷婷,刘金全. 我国价格型与数量型货币政策工具有效性的实时对比及其政策残余信息估计[J]. 经济学动态, 2016(10):63-75.
[21]胡志鹏. 中国货币政策的价格型调控条件是否成熟?——基于动态随机一般均衡模型的理论与实证分析[J]. 经济研究, 2012(6):60-72.
A Comparative Study on Effectiveness of Quantitative and Price-based Monetary Policy Tools Under “Multi-targets”——From the Perspective of Quantitative Analysis Based on “Multi-indicators”
LIU Jin -quan ,ZHANG Long
(School of Business, Jilin University, Changchun 130012, China)
Abstract : Under the new situation, the use of “multi-tools” to regulate “multi-targets” has become a realistic choice for monetary authorities. This paper examines the choice of monetary policy regulation tools under the multi-targets of economic growth and price stability through the SV-TVP-FAVAR model. The results show that the effects of quantitative rules are better than those of the price-based rules. At different stages, the quantitative and price-based rules have different regulation advantages, and both quantitative and price-based rules face the dilemma of “attending to one thing and losing another” under “multi-indicators”. M2 is the optimal policy tool under the goal of price stability and leverage rate regulation, and R is the optimal policy tool under the goal of economic growth and financial stability. Further research shows that with the gradual advancement of the interest rate marketization reform there is a tradeoff effect between the quantitative and the price-based regulations.
Key words : monetary policy; economic growth; price stability; leverage rate; financial stability
doi : 10.15936/ j.cnki.1008-3758.2019.06.005
收稿日期: 2019-04-17
基金项目: 国家社会科学基金重点资助项目(19AJY005)。
作者简介: 刘金全(1964- ),男,黑龙江密山人,吉林大学教授,博士生导师,主要从事经济周期和货币政策研究。
中图分类号: F 820
文献标志码: A
文章编号: 1008-3758(2019)06-0583-09
(责任编辑: 王 薇)