货币政策对制造业次级行业的动态传导效应-基于TVP-SV-FAVAR模型的实证论文

货币政策对制造业次级行业的动态传导效应
——基于TVP-SV-FAVAR模型的实证

陈文静¹刘权盼² 何 刚³¹（暨南大学经济学院，广州 510632） ²（建信金融科技有限责任公司，上海 200000）³（广东财经大学经济学院，广州 510000）

〔摘 要〕 去杠杆政策下，不同行业的信贷资金风险因生产要素、行业规模差异表现出异质性，研究货币政策的行业非对称性可以为分行业差异化去杠杆提供依据。本文构建TVP-SV-FAVAR模型研究货币政策工具对制造业不同要素密集型次级行业的动态传导效应和非对称效应，发现：（1）货币供给政策的行业非对称性较明显，扩张性货币供给政策对劳动密集型行业具有拉动效应，对其他要素密集型行业的调节效果不符合预期；（2）利率政策具有动态传导效应，紧缩性利率政策于2008年由正转负，扩张性利率政策具有周期非对称性。紧缩性货币供给政策对不同要素密集型行业的时变效应存在差异；（3）相比货币供给，利率政策的作用力度较小，体现出微调的特征；相比紧缩性政策，扩张性政策效应更加持久。

〔关键词〕 货币政策 制造业 动态传导效应 TVP-SV-FAVAR模型 次级行业 HP滤波法

引 言

2008年金融危机发生，为了有力地刺激经济，政府推出扩大内需、促进经济增长的多项措施，非金融企业经历了加杠杆调整的过程。根据国际清算银行的数据，非金融企业部门杠杆率由2008年的96.3%，上升至2015年底的162.70%，2016年第三季度达到166.90%，中国非金融企业部门的杠杆率已经超过最优负债规模，可能导致金融风险从而影响经济长期发展。为此，2016年10月国务院下发了 《关于积极稳妥降低企业杠杆率的意见》，提出积极稳妥降低企业杠杆率等措施，促进建立和完善现代企业制度。为了配合去杠杆，央行从2016年开始收紧货币政策，通过控制货币供给与利率等政策工具，降低市场流动性，促进企业降杠杆。制造业作为实体经济的主体，内部各子行业杠杆率差异明显，与传统工业相关的行业杠杆率偏高 （如煤炭开采和洗选业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业等），与消费服务相关的行业杠杆率偏低（如烟草制品业、酒、饮料和精制茶制造业、医药制造业等）（任泽平，2016）^［1］。 针对这种结构性问题，使用一刀切政策不利于解决问题，更加需要分行业差异化去杠杆，因而关注货币政策的行业非对称性效应尤为重要。鉴于此，本文所要研究的问题是：货币政策对制造业各二级行业的影响效应究竟如何？不同的货币政策工具对制造业次级行业的动态传导效应和作用机制如何？不同要素密集型行业对货币政策调整的响应程度和作用方向存在怎样的差异？

1 文献述评

货币政策调整的影响效应研究主要从以下几个方面展开：（1）不同产业的货币政策效应。吕光明 （2013）^［2］应用 SVAR模型测算货币政策冲击对三大产业的影响，发现不同货币政策对不同产业存在异质性效应； 张淑娟等 （2016）^［3］基于“金融加速器”效应研究货币政策产业效应，结果表明时间和空间角度的对称性效应明显； （2）不同产业内部各行业间的货币政策效应。Peersman和Smets（2005）^［4］分别研究货币政策冲击对各产业部门的影响，发现政策效应存在相当大的跨行业异质性； Sengupta （2014）^［5］使用 VAR 模型研究发现货币政策冲击在行业层面的影响是异质的；Moussir和Chatri（2017）^［6］研究发现采掘业、 建筑业、 金融和保险业等对货币政策冲击较为敏感。朱新蓉和李虹含 （2013）^［7］分别运用VAR模型和面板VAR模型研究A股上市公司各行业的投资活动与货币政策之间的关系，发现存在资产负债表传导效应的行业非对称性。欧阳志刚和薛龙 （2017）^［8］研究多种货币政策工具对14个行业的调节效应，为央行定向调控的政策模式提供依据； （3）单一产业内部各行业间的货币政策效应。Saygin等 （2010）^［9］基于VAR模型研究发现所有制造业部门都对紧缩性货币政策冲击作出产出减少的反应。Omini和Ogbeba （2017）^［10］使用限制 VAR 模型研究表明制造业子行业对货币政策冲击、商业银行对工业部门的信贷和汇率的冲击有正向反应，而固体矿产子行业在第一年之后对商业银行对工业部门的信贷和汇率的冲击作出积极反应。吉红云和干杏娣（2014）^［11］研究发现货币政策对第二产业内部不同要素密集的行业存在不同程度的影响，资本密集型行业受影响程度最大。 龙薇等 （2017）^［12］基于服务业13个次级行业研究发现货币政策对服务业的效应存在明显的非对称性。

综上可见，已有文献对不同产业或产业内部行业间以及单一产业内部的行业间考察了货币政策的调整效应，主要基于VAR模型以及扩展模型进行研究。从研究方法来看，由于VAR模型的系数和参数不随时间变化且不能包含太多变量以防止自由度损失问题，为了考虑政策效应的时变特征， Negro等 （2005）^［13］对传统 VAR 进行改进，放松关于变量协方差矩阵时变性的限定而提出TVP-SV-VAR模型，该模型的待估参数、扰动项方差服从时变特性。考虑到宏观信息的遗漏问题，Bernanke等 （2005）^［14］在研究美国货币政策的调节效应时加入大量宏观经济数据构建FAVAR模型。为了同时考虑模型的时变特征与信息遗漏问题， Koop 和 Korobilis （2014）^［15］构建了 TVP-SVFAVAR模型，该模型将多个可观测的宏观指标组合成不可观测的因子用以衡量经济行为，避免了信息遗漏的问题；而且该模型的参数具有时变性，可以捕捉到样本期内经济系统的动态变化，因此本文将采用该模型进行定量研究。

本文基于制造业23个次级行业2000～2017年的季度数据，使用HP滤波将货币政策分解成扩张、紧缩性状态，构建TVP-SV-FAVAR模型定量考察货币政策对制造业各二级行业的影响效应，以及不同的货币政策工具对制造业次级行业的动态传导效应和作用机制，进一步探析劳动密集型、资本密集型、技术密集型制造业对货币政策调整的响应程度和作用方向存在的结构性差异。

2 TVP-SV-FAVAR模型介绍

VAR模型的主要缺陷之一是不能包含太多变量，这可能会由于忽略宏观经济信息使得估计结果出现偏误。 Bernanke等 （2005）^［14］将 VAR 模型与因子分析模型结合在一起，提出FAVAR模型（Factor-Augmented VAR）。

FAVAR模型的基本形式设定如下：

货币政策代理变量。选取货币供应量M 1作为数量型货币政策工具的代理变量，银行间同业拆借加权利率 （7天）r 作为价格型货币政策工具的代理变量，样本期间选择2000年第1季度至2017年第3季度^①。

其中，σ_i （i ＝1，…，k ） 是结构冲击 υ_t 的标准差。

假设A 是一个下三角形矩阵，且主对角线元素为1：

1.肥水产品。可选择全价可溶性高的肥料，也可选择腐熟后的猪粪、牛粪、鸡粪等生物肥（在生物肥中添加益生菌彻底腐熟后使用）。

式 （10）中，B_m 为帕尔森窗宽，设置B_m ＝500，ρ_s 是滞后阶时的样本自相关系数。无效因子是后验样本均值的数值方差与不相关序列样本均值的方差之比，无效因子的倒数也被称为相对数值效率。当无效因子为m 时，得到的不相关样本数目等于MCMC样本数目／m 。

其中，B_i ＝A ^-1P_i ，i ＝1，…，s 。

令β_i ＝A ^-1B_i ，X_t ＝I_s ⊗（Z_{t -1}，…，Z_{t -s} ） （⊗表示克罗内克积），则式 （4）可重写为：

此时，式 （5）中的各个参数都不随时间而改变。

Rosenberg自尊量表：Rosenberg编制，测量整体外显自尊，包含10个项目，仅具有单一维度，中文版由王孟成和戴晓阳修订，他们对289人进行三次重测，每次间隔二个月，重测相关系数为0.51～0.75，平均为0.72，具有较为良好的信度。 此外，熊承清、谢虹等的人研究表明该量表具有良好的实证效度。 本研究中自尊指的就是整体外显自尊。

Primiceri （2005）^［13］进一步提出待估参数、 扰动项方差均具有时变特征的TVP-SV-VAR模型，该模型能够以灵活和稳健的方式捕捉经济结构中的潜在时变性质，但可能存在变量遗漏和结果偏误等问题。 Koop 和 Korobilis （2014）^［15］综合 TVPSV-VAR与FAVAR模型的优势，构建TVP-SVFAVAR模型，这同时解决了基本模型变量过少、信息不足和无法刻画经济系统的动态特征等问题。

考虑参数的时变性， 令 β_i ＝A ^-1B_i ，X_t ＝I_s ⊗（Z_{t -1}，…，Z_{t -s} ） （⊗表示克罗内克积）， 将式 （1）改写为TVP-SV-FAVAR模型：

荷里路德宫的一些建筑是三层的，一层是长长的连廊，二层和三层是房间。我惊奇地发现，宫殿的墙壁上居然有三种不同的装饰柱式，爸爸说，一层为多立克柱式，二层为爱奥尼柱式，三层则为科林斯柱式。在同一栋建筑上同时呈现出三种柱式，这也算是对古希腊建筑艺术风格的致敬吧！

式（6）中， 参数β_t 、A_t 和 Σ_t 都是时变的， 对于这些参数，有许多方法对其时变过程进行建模。定义a_t 为A_t 的下三角形元素构成的向量，h_t ＝（h _1t ，…，h_kt ）′ ， 且 h_jt ＝logσ ²_jt ，j ＝ 1，…，k ，t ＝s +1，…，n 。 参照 Primiceri （2005）^［13］的研究， 本文假定式（6）中的参数服从如下的随机游走过程：

对于t ＝s +1，…，n ， 假定 β_{s +1}～N （μ_{β 0}，Σ_{β 0}），a_{s +1}～N （μ_{a 0}，Σ_{a 0}），h_{s +1}～N （μ_{h 0}，Σ_{h 0}），时变参数的随机冲击ε_t 、u_βt ^、u_at ^、u_ht 之间互不相关， 进一步假设Σ_β 、Σ_a 、Σ_h 是对角矩阵。对漂移项系数和参数进行建模，可以充分捕捉到VAR结构随时间的可能变化。

TVP-SV-FAVAR模型包含许多参数，估计过程若运用似然函数方法将非常困难，一般通过马尔可夫链蒙特卡洛模拟 （MCMC）实现。MCMC中常用的抽样方法有Gibbs抽样、Metropolis抽样、Metropolos-Hasting抽样等，其中基于后验分布的Gibbs抽样被广泛应用，它只需知道参数的边缘分布，就可得到后验分布，从而实现循环抽样以进行TVP-SV-FAVAR模型的参数估计。

在估计过程中，定义z ＝（z_t ）ⁿ_{t -1}，ω ＝（Σ_β ，Σ_a ，Σ_h ）， 参考 Nakajima （2011）^［16］对参数初始值的设置， 令 μ_{β 0}＝μ_{α 0}＝μ_{h 0}＝0， Σ_{β 0}＝Σ_{α 0}＝Σ_{h 0}＝10×I_k ，（Σ_β ）^-2_i ～Gamma （40，0.02）， （Σ_α ）^-2_i ～Gamma （4，0.02）， （Σ_h ）^-2_i ～Gamma （4，0.02）。 此外， 设定抽样次数为20000，依照常规做法，前面2000次的结果不稳定，当为 “欲烧”阶段，将其舍弃。应用Gibbs抽样，TVP-SV-FAVAR模型的有效抽样方案的关键是利用（同样地，a ＝的联合抽样，依赖于其余的参数，这将优于依赖于一次采样的方法。具体的抽样步骤如下：（1）初始化β ，α ，h ，ω ； （2） 抽样（3） 抽样（4） 抽样（5） 抽样抽样抽样返回第 （2）步。其中，“｜”的右边为已知条件，即上一期抽样得到的数值，“｜”的左边为当期数值，即被抽样的数值。

计算要素含量的最大瓶颈在于数据，本研究做了大量的数据收集和编辑整理工作。要计算2007年单位产出的资本和劳动含量，需要各行业产出、劳动投入和资本投入(包括固定资产和流动资产)等相关的数据。

当前，我国项目造价全过程管控中还存在很多问题，探究相关文献可以发现，工程建设中，传统造价全过程管控中，方案设计与决策亟待完善，其对工程造价全过程管控质量造成了严重的影响。项目建设中，工程延期问题无法避免，项目造价成本增加，究其原因在于决策阶段，项目造价全过程管控约束力不足，缺乏准确依据基础上设计项目施工方案与决策，从而无法准确进行项目造价管控，对项目建设效率造成了不可估量的影响。传统造价工作由专家负责操作，其凭借以往经验操作具体工作，工作内容落实的规范与准确性差，此种情况下使得工程造价不断暴露出各种问题，对项目建设经济效益的提高造成了严重的影响。

施耐德电气在阿根廷的客户为了要建立无缝过程控制来驱动工厂及其子工厂的自动化系统，需要将专有IO信号转换为整个工厂使用的标准PROFINET协议。为此德国赫优讯提供了一个高效灵活的解决方案。

3 指标选取与数据处理

无效因子定义为：

3.1 指标选取

其中，Z′_t ＝ ［Y′_t ，F′_t ］，Y_t 是M ×1 维的可观测变量，F_t 是K ×1维的共同因子，由大量宏观经济变量x_t 经过因子分析得到，因此F_t 可用以捕捉经济系统内的大量信息。A ，P ₁，…，P_s 是（K +M ）×（K +M ）维的系数矩阵，υ_t 为结构冲击，υ_t ～N （0，ΣΣ）：

产出效应的代理变量。依据 《国民经济行业分类标准》，制造业可细分为31个次级行业，由于金属制品、机械和设备修理业等8个行业数据缺失，本文选取制造业23个次级行业作为研究对象。因各行业生产总值指标数据不完整，本文选取主营业务收入y_i （i ＝1，…，21） 作为产出效应的替代变量。 对主营业务收入 y_i （i ＝1，…，21）先取自然对数，再用X11季节调整方法去除季节趋势，然后检验变换后的数据是否平稳，若不平稳则进行差分变换。

将宏观景气因子和物价指数因子作为TVPSV-FAVAR模型中的潜在影响因子，使用MCMC算法对模型进行估计，并基于估计系数构造脉冲响应函数。由于TVP-SV-FAVAR模型可以给出不同时点的参数估计值，则能够在每个时点进行脉冲响应函数分析，从而对货币政策对制造业的动态传导机制和时变特征进行探析。下面按照要素分类，通过等间隔脉冲响应函数分析不同的货币政策工具对劳动密集型行业、技术密集型行业、资本密集型行业的动态传导效应。等间隔脉冲响应函数指的是提前2期 （即短期）、4期 （即中期）和8期 （即长期）的外生冲击下，内生变量的脉冲响应。由于篇幅即制，每个部分只选择一个代表性的行业展示在正文中，其余的图形和数据略。

宏观经济变量集合及公共因子的确定。对于宏观经济变量，本文有针对性地选取了14个经济指标，主要包括： （1）反映宏观经济景气的变量：国内生产总值、第一产业增加值、第二产业增加值、第三产业增加值、工业增加值及各产业的增加值。（2）反映物价水平的变量：居民消费价格指数、工业生产者出厂价格指数、工业生产者购进价格指数、农副产品类价格指数、有色金属材料和电线类价格指数。参考欧阳志刚等 （2017）^［8］的方法对数据进行处理。在估计TVP-SV-FAVAR模型时，需要对宏观经济变量集进行因子分析，提取2个公共因子时，方差累计贡献率达到了70% 以上，基本包含了全部宏观经济信息。第一个公共因子主要反映宏观经济状况，即为宏观景气因子。第二个公共因子中主要反映物价水平，即物价指数因子。将这两个公共因子加入模型中考虑大量宏观经济信息对模型的影响效应。

3.2 货币政策的分解

在不同的经济阶段，央行往往实施不同的货币政策，在经济通胀较为严重时，采取紧缩性货币政策可以为经济降温；在经济通缩时期，采取扩张性货币政策可以达到扩张经济的效果。因此在研究货币政策对制造业次级行业的传导效应时，有必要将货币政策分解为扩张性货币政策和紧缩性货币政策。本文采用HP滤波方法对货币供应量M 1、利率r 进行分解，得到周期性波动成分，代表货币政策冲击，分别用mcycle 和rcycle 表示货币供应量和利率的周期性变化。

其中，mkz 表示扩张性供给政策，定义为货币供给高于其长期趋势的部分，即正向的周期性波动成分，mjs 表示紧缩性供给政策，定义为货币供给低于其长期趋势的部分，即负向的周期性波动成分。类似地，rkz 表示扩张性利率政策，rjs 表示紧缩性利率政策。

4 TVP-SV-FAVAR模型的估计与分析

4.1 TVP-SV-FAVAR模型的估计结果

基于制造业23个次级行业数据，建立TVPFAVAR模型，使用OxMetrics软件，对模型进行参数估计，用MCMC算法模拟20000次，剔除预烧样本，得到后验均值、标准差、95% 置信区间、Geweke检验和无效因子。以农副食品加工业为例，TVP-FAVAR模型的估计结果如表1所示。

3.创新管理力度需要进一步加强。随着油田勘探开发节奏的加快和人的思维方式的变化，说教式、批评式等传统的班组管理方式已很难适应发展的需要，加强班组精细管理、创新方式方法在科研院所显得尤为重要。目前，班组建设重视实际工作，强调物质奖惩，欠缺学习教育；重视现场管理，欠缺素养管理；重视制度建设，欠缺文化管理。对如何利用文化影响同化员工的思维和行为方式，化员工被动为主动，如何进行科学性的推进策划、效果考核上，缺少系统性的思考和方法。新形势下的班组建设应该在继承传统做法的基础上，创新方式方法，丰富载体手段，化员工被动为主动，不断提高班组整体工作水平。

对比前n ₀个样本和后n ₁个样本，舍弃中间的样本，构造Geweke检验统计量，如下所示：

式 （9）中，x ^{（i ）}是第i 个抽样样本，是¯x_j 的标准误差。本文设置m ₀＝1，n ₀＝1000，m ₁＝5001，n ₁＝5000。

货币政策的传导机制即央行的货币政策工具通过金融市场及金融机构传导至企业，从而对企业的生产、投资等产生影响。一般而言，货币政策传导机制主要通过利率渠道、信贷渠道等对实体经济发挥作用。为了研究不同货币政策工具对制造业各次级行业的动态传导机制和非对称效应，使用HP滤波将货币政策分解成扩张和紧缩两种状态，建立TVP-SV-FAVAR模型，定量考察价格型、数量型货币政策工具对我国制造业23个次级行业的动态传导效应，并分析不同货币政策工具对制造业不同要素密集型行业是否存在非对称效应。

将式 （1）重写为简化的VAR形式：

在20世纪80年代初的一系列具有开创意义的观测中，借助能够“看透”银河系尘埃的红外辐射（或者说热辐射）探测器，汤斯博士、根策尔博士以及他们的同事发现，绕着银河系中心运动的气体云的速度实在是太快了，只有重达大约400万个太阳质量的天体所产生的引力才能让它们留在现有轨道上。然而，无论真正在那儿的天体究竟是什么，它都没有发出任何星光。即便是地球上最好的望远镜，从26 000光年远处观测银河系中心，所看到的也只不过是一团模糊。

基于MCMC算法对TVP-SV-FAVAR模型进行参数估计，通常通过Geweke检验和无效率影响因子判断估计效果。如果MCMC抽样是平稳的，Geweke检验统计量则收敛于正态分布，而无效率影响因子则用于判断MCMC抽取样本的有效性。

重理论，轻实践 机器人学课程教学为32学时，全部为理论教学，缺少实践教学环节和典型机器人应用案例。这就容易导致学生只注重理论知识，忽略了实践能力的培养和锻炼，只掌握了表层意思，而没有理解课程的精髓。

表1TVP -FAVAR 模型估计结果

由表1中的Geweke检验可知，在1%的显著性水平下，模型参数收敛于后验分布的零假设不被拒绝。此外，无效因子较小，最大的值接近107，这意味至少可以得到20000／107.06≈187个不相关样本，足以进行后验分布推断。综上，TVPFAVAR模型的MCMC模拟是有效的。通过各变量的后验波动率的走势变化分析判断与常系数模型相比，TVP-SV-FAVAR模型研究货币政策对制造业的动态传导机制和时变特征更为合适，由于篇幅限制，图形和详细说明在正文中省略。

4.2 制造业各次级行业的货币政策效应

The instructions of the Department of State were clear: first, no visas should be issued on Tibetan travel documents; second, the Tibetans should not be prevented from visiting the United States because of technical problems over passports and visas.

（1）资本密集型行业。图1展示了以有色金属冶炼工业为代表的资本密集型行业的脉冲响应函数， 图 （a）、 （b）、 （c）、 （d） 分别是资本密集型行业对扩张性货币供给政策、紧缩性货币供给政策、扩张性利率政策、紧缩性利率政策的等间隔脉冲响应函数。图形表明：①当货币供给发生扩张性变动时，资本密集型行业的产出效应为负，这意味着增加货币供给，这些行业的产出增长并未得到有效的调节；②当货币供给发生紧缩性变动时，资本密集型行业的短期效应显著为负且随时间变化不大。中长期效应不显著，在0水平线上小幅波动；③当利率发生紧缩性变动时，各个资本密集型行业的短期效应表现类似，2007年由之前的正向效应转为负，这意味着资本密集型行业的利率传导较为明显；④当利率发生扩张性变动时，各个资本密集型行业的中短期效应表现类似，2005年出现不同程度的下降，经过轻微波动之后，于2008年左右开始回升，2010年或快速或缓慢回落，2014年逐渐爬升。就我国现实经济背景来看，2005～2007年我国经历了局部过热和通货膨胀过程，此时扩张性利率政策对资本密集型行业发挥的作用有所减弱。2008～2010年面临着国际金融危机带来的经济通缩，此时利率下调将形成宽松的货币环境，进而促进投资和产出增长。2010～2013年由于国际资本涌入和国内成本上升等因素，经济运行出现混合型通货膨胀，货币当局倾向于上调利率以调控通胀；2014年左右我国进入经济新常态时期，面对过剩产能亟需消化、产出结构调整阵痛、经济增长乏力等问题，央行采取降息降准等积极措施，为实体经济保驾护航。这意味着，相比经济通胀，扩张性利率政策对经济通缩更加敏感，有利于提振经济、促进社会需求和产业发展。综上分析，对资本密集型行业来说，利率政策具有明显的时变特征，其中紧缩性利率政策效应于2007年由正转负，但作用力度较小，更多地体现出微调的功能，扩张性利率政策效应具有明显的周期非对称性，相较经济通胀时期，其在经济通缩时期发挥的作用更加显著。紧缩性货币供给政策的短期效应为负，且没有明显的时变特征。扩张性货币供给政策的产出效应为负，不符合政策预期。

图1 资本密集行业对货币政策工具的脉冲响应

（2）劳动密集型行业。图2展示以农副食品加工业为代表性劳动密集型行业的脉冲响应图形，图 （a）、 （b）、 （c）、 （d） 分别是劳动密集型行业对扩张性货币供给政策、紧缩性货币供给政策、扩张性利率政策、紧缩性利率政策的等间隔脉冲响应函数。由图2的脉冲响应函数可看出：①当货币供给发生扩张性变动时，劳动密集型行业的中短期效应基本为正，且表现为先升后降的 “单驼峰状”；②当货币供给发生紧缩性变动时，劳动密集型行业的短期效应为负向，在2006～2010年期间表现为U形，变动幅度处于1%～2%之间，且中长期效应不明显；③当利率发生紧缩性变动时，劳动密集型行业的产出效应在2008年发生方向性转折，这反映了2008年之后，央行可以通过提高利率对劳动密集型行业实施有效的逆风向调控。与紧缩性货币供给相比，紧缩性利率政策的调节效应较小，2008年之后在-0.6%～0%范围内振荡；④当利率发生扩张性变动时，劳动密集型行业的中短期效应具有明显的时变特征，最大的变动幅度约为0.8%。在2002～2005年、2008～2010年、2014年至今表现为上升的态势，2006～2007年、2011～2013年表现为不同程度的下降趋势。这符合我国经济运行背景，2003年的 “非典”事件与2004年的紧缩型财政政策，使经济增速有所下降；2008年次贷危机席卷全球，我国经济也遭受了一定程度的冲击；从2014年起，我国经济处于下行阶段，开始进入新常态时期。这表明，扩张性利率政策具有经济周期非对称性，相比经济通胀期，其在经济通缩期的拉动效应更加明显。综上，对劳动密集型行业来说，货币供给政策效应的时变特征较为明显，其中扩张性货币供给政策在货币增长过快时正向拉动效应大幅增强，近年政策效果有所减弱，紧缩型货币供给政策的短期效应为负且表现为U形。在不同的经济阶段，利率政策效应也存在差异，其中，紧缩性利率政策在2008年由正转负，可对劳动密集型行业进行有效的逆风向调控，扩张性利率政策具有周期非对称性，相比经济通胀期，其在经济通缩期的政策效果更好。

（3）技术密集型行业。图3反映了以化学原料和化学制品业为代表的技术密集型行业的脉冲响应函数， 图 （a）、 （b）、 （c）、 （d） 分别是技术密集型行业对扩张性货币供给政策、紧缩性货币供给政策、扩张性利率政策、紧缩性利率政策的等间隔脉冲响应函数。由图3的脉冲响应函数可看出：①当货币供给发生扩张性变动时，技术密集型行业的产出效应在2006～2010年为正，其余时期皆表现为负；②当货币供给发生紧缩性变动时，技术密集型行业的产出效应为负；③当利率发生紧缩性变动时，技术密集型行业的产出效应在2008年之前表现为正，之后由正转负，在-0.6%～0%范围内变动；④当利率发生扩张性变动时，技术密集型行业的产出效应在2003～2005年呈小幅上升，2006～2007年呈小幅下降，2008～2010年大幅上升，2011～2013年有所回落，2014年又温和回升，这表明扩张性利率政策对技术密集型行业的产出效应具有周期非对称性。综上，对技术密集型行业来说，利率政策效应随着时间推移有所变化，其中紧缩性利率政策效应于2008年由正转负，扩张性利率政策的产出效应具有周期非对称性。大多数时期扩张性货币供给政策对刺激技术密集型行业增长的效果甚微。紧缩性货币供给政策具有负向效应，且随着时间推移呈U型变化。

采用活性样本高交互蜜罐养殖和模拟监听的方法对黑客C&C服务器进行监控。从木马或僵尸网络的C&C监控中获取升级的脚本、传播的payload、URL。该数据情报具有第一时间性，是一个僵尸网络第一时间发起的，比蜜罐采集到的数据更加提前。

5 结论与政策建议

图2 劳动密集行业对货币政策工具的脉冲响应

本文基于制造业23个次级行业2000Q1～2017Q3的数据，采用HP滤波法把货币政策分解为扩张性和紧缩性，进而构建TVP-SV-FAVAR模型定量考察这两种情形下价格型和数量型货币政策工具对我国制造业不同要素密集型次级行业的动态传导效应和非对称效应。由于TVP-SV-FAVAR模型将多个可观察的宏观指标组合成不可观察的因子用以刻画经济行为，解决了传统VAR模型中变量信息遗漏的问题，并且该模型的估计参数具有时变性，这能较好地捕捉到样本期间制造业企业对货币政策调整的动态响应机制，使研究结果更加符合经济实际。本文研究得出的主要结论为：

图3 技术密集行业对货币政策工具的脉冲响应

（1）从货币政策的非对称效应来看：相较利率政策，货币供给政策的行业非对称性更加明显。其中，扩张性货币供给政策对资本密集型行业和技术密集型行业的产出效应大多数时期为负，对劳动密集型行业产出具有正向拉动效应，反映了相较资本密集型行业和技术密集型行业，劳动密集型行业对货币供给政策的反应更加敏感。这是因为货币供给政策是一项短期调控工具，而资本总量与技术环境在短期内变动不大，劳动力要素流动对货币供给政策的敏感性更强。

（2）从货币政策的动态传导效应来看：①紧缩性货币供给政策对制造业不同要素密集型次级行业的动态传导效应存在差异，其对资本密集型行业的影响效应没有明显的时变特征，但对劳动密集型行业和技术密集型行业则表现出较为明显的时变效应，随着时间推移呈U型变化；②利率政策效应随着时间推移有所变化，其中紧缩型利率政策的产出效应于2008年由正转负，反映了利率市场化的有效推进。扩张性利率政策的产出效应具有明显的周期非对称性，相较经济通胀时期，其在经济通缩时期的政策效果更加显著。

（3）从响应程度来看，相比货币供给政策，利率政策的作用力度较小，表明现阶段央行倾向于采用微调的方式改变基准利率，从而对经济波动进行调控。从货币政策持续效应来看，相比紧缩性货币政策，扩张性货币政策效果的持续时间较长，因此实施扩张性货币政策时需要考虑恰当的退出时机，以避免通货膨胀隐患。

综上，不同货币政策工具对我国制造业不同要素密集型次级行业的动态传导机制和影响效应在方向和力度上存在着不同程度的差异。因此，新常态时期央行为了促进制造业转型升级，应该关注不同货币政策工具对制造业次级行业在不同经济阶段的调节效应，在适当的时机选择适当的货币政策工具，实现行业定向调节。本文探讨了传统货币政策工具对制造业的传导机制，还可以进一步研究新型货币政策如定向调控货币政策工具和结构性货币政策工具的行业效应，有助于央行实现定向调控的目标。

注释：

①货币政策代理变量来源于国家统计局，其余变量来源于国泰安数据库。

参考文献

［1］任泽平，冯赟.供给侧改革去杠杆的现状、应对、风险与投资机会 ［J］. 发展研究， 2016， 3 （3）： 8～13.

［2］吕光明.中国货币政策产业非均衡效应实证研究 ［J］.统计研究， 2013， 30 （4）： 30～36.

［3］张淑娟，王晓天.货币政策产业效应的双重非对称性研究——基于STVEC模型的非线性分析 ［J］.金融研究，2016，3（7）：17～32.

［4］Peersman G， Smets F.The Industry Effects of Monetary Policy in the Euro Area ［J］.Economic Journal， 2005， 115（503）： 319～342.

［5］Sengupta N.Sectoral Effects of Monetary Policy in India ［J］.South Asian Journal of Macroeconomics＆ Public Finance， 2014，3 （1）： 127～154.

［6］Moussir C E， Chatri A.Sectoral Effects of Monetary Policy： Evidence From Morocco ［J］.Asian Economic Journal， 2017， 19（1）： 83～102.

［7］朱新蓉，李虹含.货币政策传导的企业资产负债表渠道有效吗——基于2007～2013中国数据的实证检验 ［J］.金融研究， 2013， 3 （10）： 15～27.

［8］欧阳志刚，薛龙.新常态下多种货币政策工具对特征企业的定向调节效应 ［J］.管理世界，2017，33 （2）：53～66.

［9］Saygin Sahinöz， Cosar E E.Understanding Sectoral Growth Cycles and the Impact of Monetary Policy in Turkish Manufacturing［J］.Oecd Journal Journal of Business Cycle Measurement＆ A-nalysis， 2010， 20 （1）： 4～4.

［10］Omini E， Ogbeba E， Okoi O.Monetary Policy Shocks and Industrial Output in Nigeria ［J］.Management＆ Trade， 2017， 16（2）： 1～13.

［11］吉红云，干杏娣.我国货币政策的产业结构调整效应——基于上市公司的面板数据分析 ［J］.上海经济研究，2014，3 （2）： 3～10.

［12］龙薇，颜铭佳.我国货币政策行业效应的非对称性研究——来自服务业的实证 ［J］.价格理论与实践，2017，37（4）：104～107.

［13］Negro M D， Primiceri G E.Time-Varying Structural Vector Autoregressions and Monetary Policy： A Corrigendum ［J］.Review of Economic Studies， 2005， 72 （3）： 821～852.

［14］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.

［15］Koop G， Korobilis D.Large Time-varying Parameter VARs［J］.Journal of Econometrics， 2013， 177 （2）： 185～198.

［16］Nakajima J.Time-varying Parameter VAR Model with Stochastic Volatility：An Overview of Methodology and Empirical Applications ［J］.Jouchi Nakajima， 2011， 29 （11）： 107～142.

The Dynamic Conduction Effect of Monetary Policy on Manufacturing Sub-sectors

Chen Wenjing¹ Liu Quanpan² He Gang³
（1.School of Economics， Jinan University， Guangzhou 510632， China；
2.Jianxin Financial Technology Co.， Ltd， Shanghai 200000， China；3.School of Economics， Guangdong University of Finance ＆ Economics， Guangzhou 510000， China）

〔Abstract〕 Under the deleveraging policy， the credit risk of different industries shows heterogeneity due to differences in production factors and industry scales.Therefore，studying the industry asymmetry of monetary policy can provide a powerful basis for differentiated deleveraging in different industries.This paper constructs a TVP-SV-FAVAR model，and studies the dynamic conduction mechanisms and asymmetric effects of different monetary policy tools for different factor-intensive sub-sectors of manufacturing.The study finds that： （1） the expansionary monetary supply policy has asymmetric effects.Its regulatory effects on capitalintensive and technology-intensive industries do not meet policy expectations and have a pulling effect on labor-intensive industries；（2） interest rate policy has a dynamic conduction effect.The tightening interest rate policy turns negative in 2008， and the expansionary interest rate policy has a cyclical asymmetry.The tightening money supply policy has different time-varying effects on different factor-intensive industries； （3） compared with money supply， interest rate policy has less effect and reflects the characteristics of fine-tuning.Compared with the tightening policy，the expansionary policy effect is more durable.

〔Key words〕 monetary policy； manufacturing； dynamic conduction effect； TVP-SV-FAVAR model； secondary industry；the HP filter method

DOI： 10.3969/j.issn.1004-910X.2019.12.007

〔中图分类号〕 F822.0；F224

〔文献标识码〕 A

收稿日期： 2019-06-18

基金项目： 国家自然科学基金面上项目 “过度负债、金融压力与实体经济下滑：理论、证据与对策研究”（项目编号：71673312）；国家社会科学基金项目 “环境经济均衡条件下宏观调控的作用机制及政策效应研究” （项目编号：17BJY066）；广东省教育厅省部级项目 “PMCMC在市道轮换框架下带Levy跳的多因素利率结构模型的应用”（项目编号：2016WCXTD004）。

作者简介： 陈文静，暨南大学经济学院讲师，博士。研究方向：计量经济理论方法及其在社会经济金融等领域的应用。刘权盼，建信金融科技有限责任公司数据分析师。研究方向：数据建模与分析。何刚，广东财经大学经济学院讲师，博士。研究方向：宏观经济、区域经济理论和行为经济学理论及应用。

（责任编辑：王 平）

标签：货币政策论文;  制造业论文;  动态传导效应论文;  TVP-SV-FAVAR模型论文;  次级行业论文;  HP滤波法论文;  暨南大学经济学院论文;  建信金融科技有限责任公司论文;  广东财经大学经济学院论文;