中国货币政策波动会影响宏观经济调控效果吗
邓 创
吉林大学 数量经济研究中心，吉林 长春 130012
付 蓉
山西师范大学 经济与管理学院,山西 临汾 041004
赵 珂
吉林大学 商学院，吉林 长春 130012
摘 要： 运用GARCH族模型和马尔科夫区制转移模型度量了中国“价格型”和“数量型”货币政策的波动性，并在利用Granger因果检验等方法检验政策波动对经济波动灵敏度的基础上，进一步构建TVAR模型实证考察了货币政策波动对调控效果影响的门限效应，结果表明，货币政策波动对宏观调控效果的影响存在显著的门限特征，只有当政策波动性低于门限值时，“价格型”和“数量型”货币政策的产出效应和价格效应才更为有效；同时，在门限值两侧，“价格型”调控模式均优于“数量型”调控模式。因此，为提高货币政策的有效性、前瞻性和灵活性，建议货币当局不仅要保持货币政策的稳定性并做好其与政策灵敏性之间的微妙权衡，更要加快推动货币政策由“数量型”为主导向“价格型”为主导的转型。
关键词： 货币政策；波动性；GARCH族模型；门限向量自回归模型
全球金融危机爆发以后，世界主要经济体纷纷进入了“大调整”时期，然而“大水漫灌式”的政策措施使得实体经济陷入通胀压力加剧与增长动力匮乏的反复纠葛之中，货币政策也在紧缩与宽松的频繁波动中陷入困境。这种局面引起了学术界对货币政策调控框架的深刻反思，大量学者表示，货币政策的频繁调整虽可被视作是对经济波动的灵敏反映，但也在一定程度上牺牲了政策的连贯性和稳定性，这不仅制约了货币政策的宏观调控效果，甚至还会产生放大经济波动的顺周期效应，继而掣肘宏观经济的协调发展和稳固复苏。
目前，中国经济发展已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。在此阶段，国内外经济形势的复杂性、严峻性和多变性对宏观经济调控提出了多目标和高要求，货币政策不仅要承担“保增长”和“稳物价”的传统责任，更肩负着新时期“防风险”与“促转型”的重要使命。在此背景下，如何合理刻画货币政策波动性及其宏观经济效应、深入探究货币政策的适度波动区间，充分发挥政策调控的前瞻性、灵活性和有效性，已然成为新时期中国宏观经济调控的重要问题和关键任务，同时也引起了理论界和实务界的广泛关注。
一、文献综述
货币政策是国家宏观调控的基础手段和重要支柱，实现货币政策对宏观经济的精准有效调控始终是学术界和政策制定者共同关注并致力研究的重要课题。早期研究大多都集中于考察政策的水平指标，而有关政策波动性的研究则在近些年才逐渐成为学术界关注的热点。然而，在探究政策波动性的宏观经济调控效果时，学者们需要解决两个关键问题：一是需要实现政策波动性的准确度量；二是需要合理识别政策波动对宏观经济的调控效果。只有在充分了解和掌握货币政策波动演变特征的基础上，密切关注货币政策波动对其调控效果的影响动态，才能及时、灵活地调整货币政策的运用策略、实现货币政策有效性、灵敏性和稳定性的协调并行。
正确度量货币政策波动性是本文实证研究的前提基础，但国内外学术界对政策波动性的度量方法仍没有达成共识或建立统一标准。就现有文献而言，衡量政策波动性的方法大致有6种：第一种是回归分析法，政策波动性的度量结果根据回归方程估计所得到的残差标准差得到。大量国外学者使用自回归方程的残差标准差度量财政政策波动性(Lensink et al.，1999[1]；Ali，2011[2])，但该方法的缺陷在于波动性指标很容易由于方程设定有误而导致选择性误差等问题；第二种是统计描述法，具体是以变量的标准差衡量波动性(Goyal and Sahay，2006[3]；Agnello and Sousa，2009[4])。虽然这种方法计算简单，但也存在放大波动性的不足之处；第三种是马尔科夫区制转移法，通过建立马尔科夫区制转移模型判别政策波动性的不同区制状态。部分学者采用这种方法来测度政策波动性(Bhar and Hamori，2003[5]；于佳和刘雪燕，2011[6]；朱锦月，2014[7])，虽然它能较好地描述政策波动性在不同区制状态下的转换过程，但无法准确度量政策的时点波动性；第四种是DSGE模型法，由于参数估计存在不确定性，直到最近几年才得到少许学者的运用，例如Mumtaz and Zanetti(2013)[8]、Nguyen(2015)[9]、金成晓和卢颖超(2013)[10]；第五种是经济政策不确定性指数[注]经济政策不确定性指数的度量以经济总量为主体，且并未区分货币、财政等不同政策措施的波动性差异，因而，即使该指数的构建体系较为健全，但对于本文的实证研究而言仍存在一定的局限性。 ，即从政策不确定性视角出发，利用词频筛选的思路基于新闻报道来编制政策不确定性指数以衡量政策的波动性(Baker et al.，2015[11]；蔡一飞，2016[12])；最后一种是GARCH族模型法。该方法不仅能有效衡量政策的时点波动性，而且能巧妙捕捉时间序列的有偏性及尖峰厚尾等特征，因而受到众多学者的广泛认同和采纳。例如王立勇和纪尧(2015)[13]基于GARCH族模型度量了财政政策波动性，并提出政策波动将对经济产生负面冲击。
目前，学术界普遍认为，政策波动性不利于宏观经济调控，降低了宏观调控的有效性：一方面，政策的剧烈波动往往意味着政策不确定性较大(Boug and Fagereng，2010[14])，而不确定性是诱发宏观经济波动的重要因素(Bloom，2014)[15]；另一方面，政策波动性会给宏观调控带来长期的潜在成本，并使得政策调控效果大打折扣(Mara and Dezsi，2011)[16]，厘清政策波动的宏观经济效应，对合理降低和规避政策成本、实现政策的“逆周期”调控效果具有重要的参考价值和借鉴意义。鉴于此，国外大量学者使用变量标准差作为货币政策波动性的代替指标，并纷纷证实了政策波动不利于经济增长的一致结论(Brunetti，1998[17])。国内学者也对该问题做了一些有益的探讨和补充。例如朱锦月(2014)基于马尔科夫区制转移模型在探讨泰勒规则时，发现在货币政策的平稳区制下，前瞻性泰勒条件成立且货币当局调控有效，而在政策非平稳区制下，前瞻性泰勒条件不成立且货币当局调控受限。邓创、付蓉和徐曼(2015)[18]通过构建TVP-VAR模型实证研究了货币政策波动的宏观经济效应，认为货币政策波动不利于宏观经济调控目标的实现。蔡恬恬(2017)[19]通过构建货币政策不确定性指数，说明货币政策不确定性的提高会给宏观调控带来不利影响。
从图7来看，在实际利率波动性的不同区制内，“价格型”货币政策对经济增长的调控效应显著不同。当“价格型”货币政策波动性处于低区制状态时(实线)，即“价格型”货币政策的波动性水平小于门限值2.3894[注]基于TVAR模型对“价格型”货币政策波动性的高、低区制划分，与前文利用马尔科夫区制转模型划分的结果在时间上基本一致。TVAR模型的区制划分结果显示(图1实线为门限值)，同样在1997年、2008年、2011年和2014年为高波动区制，可见本文对“价格型”货币政策波动性的区制划分结果具有稳健性。 ，从一开始直到响应期结束，利率一个单位标准差的正向冲击对经济增长一直产生负向作用，并且这种逆风向调控效果逐渐从小到大最后直至收敛。当“价格型”货币政策波动性处于高区制状态时(虚线)，即“价格型”货币政策波动性水平大于门限值2.3894，在前几期内，利率一个标准差大小的冲击对经济增长一开始产生了正向调控效应，随后这种影响效应慢慢地由正向促进转为负向抑制，但负向影响幅度却相比于“价格型”货币政策波动性处于低区制状态下的幅度小很多，并且持续响应时间也相对较短。
二、中国货币政策波动性的度量及其与宏观经济目标变量的关联
(一)中国货币政策波动性的度量
综合文献综述中提及的6种度量方法的优缺点，本文拟尝试构建GARCH族模型分别度量“价格型”和“数量型”货币政策的时点波动性，考虑到马尔科夫区制转移模型只能定性检验一国货币政策的波动性水平，但它能巧妙地将货币政策波动性水平划分为不同的区制状态，故本文将马尔科夫区制转移模型作为对GARCH族模型度量结果的一种检验方法。这样将定性和定量两种方法相结合可以纠正使用单一方法的偏误和不一致等问题，从而提高度量结果的准确性和可靠性。
（四）稳步推进学校对外艺术交流活动。全区学校积极与国外学校和教育机构建立国际交流合作关系，借鉴国外先进的教育理念，使全区教育发展更具前瞻性、国际性。
在度量货币政策波动性时，本文截取了数据范围为1996年1月至2017年12月的7天期同业拆借加权平均利率和广义货币供给增长率数据，并对两个序列数据消除通货膨胀因素得到实际利率(r)和实际货币供给增长率(m)，以其分别作为“价格型”和“数量型”货币政策波动性的度量结果。接下来，首先检验实际利率和实际货币供给增长率的平稳性、正态性，结果表明两序列均是平稳的且不服从正态分布。其次，再依据AIC、SC判别准则并结合两序列的自相关和偏自相关函数，为实际利率和实际货币供给增长率序列分别选择不含常数项的自回归滞后三阶和滞后一阶作为各自的均值方程。最后，综合上述相关检验，本文选择构建TGARCH(1,1)模型和GARCH(2,1)模型分别作为实际利率和实际货币供给增长率序列的实证模型，参数估计结果如公式(1)和公式(2)所示(括号中是参数估计值相对应的标准差):
流程1：构造EID1是节点X的源地址，EID2的LISP数据包是目的地址，并将其发送到入口隧道路由器上；
在公式(1)中，
可以体现冲击的非对称效应，dt-1是虚拟变量，当εt-1>0时，dt-1=0，反之则dt-1=1。该项的参数估计值显著为正，说明负向冲击比同等程度的正向冲击带来的波动响应更大。公式(2)中，
的系数估计值为0.0585，代表滞后一期的冲击增加了m的波动性。根据公式(1)和(2)的条件方差序列，计算得到的“价格型”和“数量型”货币政策波动性如图1和图2所示。
观察图1可以发现“价格型”货币政策波动性总体水平较高，尤其是在1997年、2008年、2011年和2014年“价格型”货币政策波动性水平更高。结合央行对“价格型”货币政策的操作实践来看，受1997年亚洲金融危机爆发的影响，央行采取连续三次下调利率的措施以刺激经济复苏。2008年，同样为了减少国际金融危机对中国经济的冲击，央行从2008年9月开始实施频繁调整利率的适度宽松货币政策，期间存款基准利率经过连续4次的下调累计降低了1.89个百分点，贷款基准利率降低了2.31个百分点。随着经济的逐渐复苏和回暖，通货膨胀愈发严重、流动性过剩等严峻的经济形势日益凸显，2011年央行实施了连续3次上调贷款基准利率，7次上调存款准备金率的应对措施。由此可见，宏观经济形势变化很大程度上决定了央行频繁调整货币政策的速度和方向。
用I2标准溶液制作工作曲线：配成3.20×10-2mol/L的贮备液，用时稀释10倍为标准溶液3.20×10-3mol/L。先在一系列50 mL比色管加入2.5 mL氯仿-冰乙酸（40∶60，V∶V），再分别加入I2标准溶液 0，0.10，0.15，0.20，0.25，0.30，0.40，0.50 mL，摇匀，然后各加入质量浓度为10 g/L的淀粉指示剂0.5 mL，加水稀释至刻度，塞进瓶塞，轻轻摇匀，静置5 min，待分层后取上层清液于波长535 nm处测定吸光度。根据其对应的浓度，绘制工作曲线。
图2对“数量型”货币政策波动性的度量结果显示，波动性水平相对平稳，但在1998～1999年、2005年和2010年出现了高波动。同样结合国内宏观经济形势走势和货币政策实践历程来看，1997年的金融危机使得中国消费、投资和出口需求均大幅迅速下降，央行除了采取连续下调利率的宽松政策以扩大内需，还实施了增加货币供应量、取消信贷规模控制、分次发行国债4800多亿元等措施。2005年，虽然经济运行相对平稳，货币信贷的紧缩趋势没有发生实质性转变，央行大幅增加货币供应量，直至年底同比增速为17.57%。2009～2010年间，为了继续减缓国际金融危机对国内经济的冲击，中国实施了包括“4万亿计划”在内的一系列扩张性货币调控政策。虽然这些政策的出台带了较为明显的效果，使得国内经济增长率经历了由2009年1月最低值一路攀升至2010年2月峰值的提高过程，但一定程度上增加了“数量型”货币政策的波动性。
7.胃肠神经紊乱。初产母猪，分娩时由于疼痛和疲劳使交感神经兴奋，副交感神经高度抑制，造成胃肠蠕动和分泌功能下降，食欲随之降低。
图3和图4表明，不论是“价格型”还是“数量型”货币政策波动均存在显著的区制转换特征，依据区制归属划分标准(平滑概率是否大于0.5)，“价格型”货币政策波动性处于高区制的年份有1997年、2008年、2011年及2014年，而“数量型”货币政策波动性处于高区制的年份有1998～1999年、2005年及2010年。因此两模型对“价格型”和“数量型”货币政策波动性的状态描述在时间上基本吻合。由此可见，GARCH族模型对货币政策波动性的度量结果可以作为下文实证研究的基础指标和重要依据。
(二)中国货币政策波动与宏观经济目标变量变动的关联
理论上普遍认为，货币政策的频繁调整被看作是对宏观经济环境做出灵敏响应的最典型、最直接的依据。但在现实经济运行过程中，中国货币政策波动与宏观经济目标变量变动到底存在怎样的关联性？这一问题的解决不仅可以为货币政策波动对宏观经济调控效果的影响动态提供足够充分且正当的理由和解释，更重要的是可以得到如何有效权衡货币政策稳定和政策灵敏之间微妙关系的有效举措和重要手段。
综上所述，基于GARCH族模型对“价格型”和“数量型”货币政策波动性的度量结果与现实经济运行状况在时点上基本契合。接下来，本文采用马尔科夫区制转移模型定性检验上述度量结果的合理性和可靠性。其中，根据AIC、HQ、SC判别准则在马尔科夫区制转移模型中为实际利率和实际货币供给增长率分别引入MSH(2)～AR(4)和MSMH(2)～AR(5)的自回归结构，依次划分“价格型”和“数量型”货币政策波动性的高、低两种不同区制。模型估计得到的实际利率和实际货币供给增长率分别处于高、低波动区制状态的平滑概率图如下(图3和图4的上下半部分分别表示处于低波动性区制和高波动性区制的概率)。
无论生活怎么奔波辗转，我始终没有忘记少年时期记忆中的原野、河流、青草、花朵、农田，还有长着一双美丽大眼睛的小满。
综上所述，Granger因果检验和趋势比较这两种方法都反映了货币政策操作对宏观经济目标变量变化的灵敏程度较高，即目标变量的变动在一定程度上提高了货币政策的波动性。尤其是“数量型”货币政策更为灵敏。这也说明在面对宏观经济环境出现的波动时，中国货币政策操作更加倚重“数量型”调控模式，这一调控现状的出现是由于中国现行的经济金融体制所决定，国有部门的主导地位使得商业银行做出的放贷决策对利率价格信号不敏感，而像信贷额度等具有行政色彩的“数量型”调控工具更为有效，加上中国对冲外汇流入的现实需要、银行资产质量的隐忧浮现以及银行体系的健康程度都或多或少地限制了央行对利率工具的调整(胡志鹏，2012[20])。然而，在新的宏观经济环境下现行的货币政策调控模式是否仍然有效？不同货币政策工具在不同波动性区制下对宏观调控效果又有怎样的差异？因此接下来，本文将基于TVAR模型进一步考察中国货币政策波动对宏观调控效果影响的门限效应，以期为维持中国货币政策稳定性的合理性和宏观经济调控的有效性提供有益的经验参考。
表1的Granger因果检验结果显示，除了“经济增长率变动不是实际利率波动性变化的Granger原因”这组检验，其他组的检验在显著性水平为10%的Granger因果检验下几乎全部拒绝原假设。即检验结果表明经济增长和通货膨胀等宏观经济目标变量的频繁变动在很大程度上决定了货币政策波动，特别是宏观目标变量对“数量型”货币政策波动性的影响更为明显。观察宏观目标变量变动与政策波动性变化之间的趋势比较(图5和图6)，很容易看出从1996～2017年，不论是“价格型”货币政策波动的变化趋势还是“数量型”货币政策波动的变化趋势，总体上都与经济增长和通货膨胀等宏观经济目标变量的变化趋势基本保持了一致。比如“价格型”货币政策波动的变动幅度在1997～1999年、2003～2006年以及2014年以后和经济增长、通货膨胀的变动幅度高度同步同增或同减，其余年份其与宏观经济目标变量变动中的某一个也保持了高度一致的趋势变化。再如“数量型”货币政策波动的变动幅度在2003年以前，其与宏观目标变量变动中的某一个保持相同的趋势，而在2003年以后，其与经济增长、通货膨胀的变动幅度几乎均保持了一致的变动趋势。
表 1 Granger因果检验结果
注：***、**、*分别表示在1%、5%和10%水平上显著相关，每组检验结果从滞后1～12期横向排列
结合上述对货币政策波动性度量结果的分析(图1和图2)，可以看出宏观经济环境尤其是经济增长和通货膨胀等宏观经济目标变量的变动可能是导致政策波动频繁的关键因素。因此，本文选取两种方法验证上述猜想的合理性和准确性。其一，Granger因果检验法，本文依次对经济增长率变动、通货膨胀率变动与实际利率波动性变化、实际货币供给增长率波动性变动的关系进行Granger因果检验[注] 通货膨胀率由月度居民消费价格指数(CPI)计算得到，而经济增长率依据同比增速的季度数据并进行插值得到，原始数据来源于中经网统计数据库。 。其二，趋势比较法，具体做法是计算以上四个序列在1996～2017年的平均年变动幅度并进行趋势比较，以进一步为货币政策波动的可能影响因素提供证据和解释。Granger因果检验结果和趋势比较结果如表1、图5和图6所示。
图7和图8分别描述的是在“价格型”货币政策波动性的高、低两种不同区制状态下，经济增长和通货膨胀对利率冲击一个单位标准差大小冲击的响应动态。
三、中国货币政策波动对调控效果影响的门限效应分析
图9和图10分别描述的是在“数量型”货币政策波动性的高、低两种不同区制状态下，经济增长和通货膨胀对货币供给一个单位标准差大小冲击的响应动态。
(一)“价格型”货币政策波动对调控效果影响的门限效应分析
生：第一幅图旋转后得到图形是一个底面半径为6cm、高为12cm的圆柱挖去了一个底面半径6cm、高4cm的圆锥。
综上所述，本文发现：首先，在度量方法上，国内关于货币政策波动性方面的研究仍相对较少，且普遍使用单一方法对政策波动性进行度量，此时随着样本划分或模型选用等方面的差异，研究结果的准确性和可信度难以得到合理保证；其次，在研究内容上，部分学者在考察货币政策波动性的宏观经济效应时，忽略了货币政策波动的状态依赖效应，没有区分货币政策在不同波动状态下的宏观调控效果差异。因此，作为对现有文献研究领域的一种有益补充和积极探索，本文在度量方法以及研究内容方面做了以下工作。第一，在度量方法上，综合上述关于货币政策波动性度量方法的优缺点，本文尝试使用GARCH族模型度量中国“价格型”和“数量型”货币政策的时点波动性，同时使用马尔科夫区制转移模型验证GARCH族模型度量结果的可靠性。第二，在研究内容上，考虑到货币政策波动对其调控效果的影响动态可能会随着政策的不同波动区制而发生非线性转换，因此本文在技术上运用门限向量自回归(TVAR)模型，并分别选择由GARCH族模型度量的“价格型”和“数量型”货币政策波动性作为门限变量，以进一步深入探讨和检验货币政策波动对宏观经济调控效果影响的门限效应，以期为提高中国货币政策宏观经济调控的有效性、前瞻性和灵活性、为货币政策稳定和政策灵敏之间的适度权衡提供有用的经验参考和政策启示。
图8显示，在“价格型”货币政策波动性的高、低两种不同区制下，“价格型”货币政策的价格效应也存在显著差异。具体地，当“价格型”货币政策波动性处于低区制状态时(实线)，即“价格型”货币政策波动性水平小于门限值2.3894，在响应一开始利率的正向冲击就对通货膨胀产生了正向的调控效应，经过多期之后这种正向影响才转为负向调控效果。而当“价格型”货币政策波动性处于高区制状态时(虚线)，即“价格型”货币政策波动性水平大于门限值2.3894，在响应刚开始的前几期内，利率对通货膨胀产生极其了微弱的促进效应，但没过几期这种正向促进效应就消失随即转为逆风向调控效果，但利率提高对通货膨胀产生抑制效应的时滞相对更长。
(二)“数量型”货币政策波动对调控效果影响的门限效应分析
考虑到货币政策的宏观经济调控效果可能会随着货币政策的不同波动区制状态而发生非线性转换，因此本文选用门限向量自回归(TVAR)模型以尝试检验货币政策波动对调控效果影响的门限效应。该模型融合了VAR模型和非线性模型的优势，允许模型系统内有不同的门限值，以反映变量间的复杂非线性关系，特别适合刻画货币政策波动性与货币政策有效性之间在理论上可能存在的非对称性、区制转换和多重均衡。具体做法是：分别以上文度量的“价格型”和“数量型”货币政策波动性作为门限变量，并将上述实际利率与实际利率波动性、实际货币供给增长率与实际货币供给增长率波动性依次与通货膨胀率、经济增长率组建两组包含四变量的TVAR模型。根据AIC和SC信息判别准则确定模型的滞后阶数为2阶，运用R软件tsDyn程序包中的TVAR函数计算得到模型的估计结果。由于篇幅所限，本文省略以上相关检验和参数估计结果，直接采用由Koop et al.(1996)[21]提出的广义脉冲响应函数，依次考察“价格型”和“数量型”货币政策波动对调控效果影响在不同波动性区制下的门限效应。
从图9来看，在“数量型”货币政策波动性的不同区制状态下，“数量型”货币政策的产出效应存在显著差异。当“数量型”货币政策波动性处于低区制状态时(实线)，即“数量型”货币政策波动性水平小于门限值1.4895[注]TVAR模型对“数量型”货币政策波动性的高、低区制划分结果显示(图2实线为相应门限值)，1998～1999年、2005年和2010年出现了政策高波性，同样与前文利用马尔科夫区制转模型划分的结果在时间上高度契合，这再次证实了本文对“数量型”货币政策波动性的区制划分结果也具有稳健性。 ，在响应的前几期内，货币供给的正向冲击负向抑制经济增长，但随后迅速转为较为明显的正向调控效应，最后这种正向影响逐渐减小并收敛。当“数量型”货币政策波动性处于高区制状态时(虚线)，即“数量型”货币政策波动性水平大于门限值1.4895，可以看出在响应期内，货币供给的调控效果极为不理想，调控方向正负交替，并且响应早早就开始趋于收敛。
从图10不难看出，“数量型”货币政策对通货膨胀的调控效果同样随着“数量型”货币政策波动性水平的不同区制而表现不同。当“数量型”货币政策波动性水平处于低区制状态时(实线)，即“数量型”货币政策波动性水平小于门限值1.4895，前几期内，货币供给对通货膨胀的调控方向具有不确定性，在正负调控响应之间迅速转换，但没过几期，货币供给对通货膨胀的“逆周期”调控效果就开始显现，这种正向调控相对较为平稳。当“数量型”货币政策波动性水平处于高区制状态时(虚线)，即“数量型”货币政策波动性水平大于门限值1.4895。同样在前几期内，货币供给对通货膨胀的调控方向为正负交加，但随后迅速转为不理想的负向调控效果直至收敛。
(三)两种类型货币政策波动对调控效果影响的门限效应的对比分析
前文已通过构建TVAR模型实证考察了“价格型”和“数量型”货币政策波动对调控效果影响的门限效应。结合货币政策波动性在高、低两种区制下，“价格型”和“数量型”货币政策对经济增长和通货膨胀的调控效果存在的显著差异，本文得到3点结论。
首先，无论是“价格型”还是“数量型”货币政策波动对其自身的政策调控效果均存在显著的门限效应。整体而言，货币政策的产出效应和价格效应在政策低波动性区制下更为有效，并且结合图1和图2对货币政策波动性的度量结果，可以发现多数时期的“价格型”政策工具调控优于“数量型”政策工具调控，这是由于在样本期间内，“数量型”货币政策处于高波动态势的样本数显著多于“价格型”货币政策的样本数。但自2014年以来，不论是“价格型”还是“数量型”货币政策波动性都低于其各自的门限值，即“价格型”和“数量型”货币政策均处于低波动态势，因此货币政策对宏观经济的调控效果保持了一定的有效性和稳定性。鉴于此，新时期央行应着重把握政策调控的力度、重点和节奏，继续保持货币政策的稳定性和连贯性，避免货币政策的剧烈波动对其宏观经济调控效果造成负面冲击，从而为新时期经济结构的优化调整、转型升级创造一个相对稳定的政策环境。
查尔森合并症指数是一种简单、快捷评价患者基础疾病严重程度的评分系统，由查尔森于1987年提出，包含19种常见基础疾病，每种疾病的危险程度以分数的形式进行量化，使用方便，可在患者入院询问病史后快速得出，也可直接从病历资料中计算得出[11]。目前许多研究已表明，合并症对癌症患者生存率及预后有明显影响，尽管国外已有多篇文献报道应用CCI对前列腺癌手术预后进行预测[14-15]，但国内应用CCI预测前列腺癌根治术后患者预后的研究还较少。
其次，当“价格型”和“数量型”货币政策波动性均处于高区制状态时，相比于“数量型”政策工具的调控效果，“价格型”货币政策工具的调控效果相对较好。具体而言，当货币政策波动处于高区制状态时，“数量型”货币政策不论是对经济增长还是通货膨胀的调控方向都是正负交替、具有不确定性，而“价格型”货币政策对宏观经济目标变量主要以逆风向调控效果为主。结合中国经济发展和政策调控的历史进程可以发现，一方面，近年来金融产品的不断创新在一定程度上削弱了央行对货币供给量的控制能力；另一方面，“数量型”货币政策的频繁波动，将导致其调控成本随着冲销干预成本的上升而日益提高，转而倒逼央行通过调节存款准备金率来平抑经济波动，但过度依赖存款准备金率的调控模式又会进一步压缩“数量型”货币政策的调控空间，从而再次削弱“数量型”货币政策的调控效果。此外，随着中国利率市场化进程的不断推进，利率传导渠道日益畅通、“价格型”调控模式逐步完善，为充分发挥“价格型”货币政策的宏观调控效果提供了理论基础和客观条件。由此可见，新时期央行应在加快推进货币政策由“数量型”向“价格型”调控转型的基础上，继续深化利率市场化改革进程，着力维护利率传导渠道的畅通，进一步健全和完善“价格型”货币政策的调控模式和传导机制，以确立并巩固“价格型”货币政策在宏观调控中的主导地位。
最后，当“价格型”和“数量型”货币政策波动性均处于低区制状态时,相比于“数量型”政策工具调控，“价格型”政策工具调控效果具有力度温和、影响长久等特点。具体表现为：“价格型”货币政策对宏观经济目标变量的调控效应经历了一个从小到大、逐步增大再到缓慢收敛的过程，而“数量型”货币政策的调控效应则恰恰相反，即迅速呈现出一个从无到有、从小到大再到提早收敛的过程。由此可见，“价格型”政策工具的调控效果更符合央行使用货币政策工具调控宏观经济的初衷和预期，即可以有效避免政策工具对经济体系造成大起大落的负面冲击；而“数量型”调控模式的政策边界和回旋余地则变得非常狭窄，其与行政性手段的结合使用还可能对宏观经济带来“一刀切”和“急刹车”等弊端。因此，在复杂的经济形势和多元的政策组合下，货币政策的实施及操作不应只遵循简单的排列组合，而应充分发挥相机抉择、灵活调控的特点。这就要求央行在审慎观察、合理预判经济形势的基础上，做出准确及时的政策选择，既要保持政策的连贯性和稳定性，又要增强政策的前瞻性与灵活性，充分发挥货币政策在“保增长”和“稳价格”等方面的重要作用，以实现宏观经济的平稳、健康、可持续发展。
从已有的文献看，工作室制教学模式在艺术设计类课程、信息技术类课程方面已经获得了很好的成效，已经形成了比较完善的实践策略，为企业培养了大量优秀人才，但具体到电视制作类课程，其在师资形成、工作室文化建设及科学评价方面仍有待提高[7-9]。
四、结论及政策启示
本文运用GARCH族模型分别度量了中国“价格型”和“数量型”货币政策的波动性，并选用马尔科夫区制转移模型检验了政策波动性度量结果的合理性和稳健性，进一步利用Granger因果检验和趋势比较两种方法考察了货币政策波动性与经济目标变量变动的关联，最后基于TVAR模型将货币政策波动对调控效果影响的门限效应进行了深入探讨。实证分析的结论如下。第一，自2014年以来，“价格型”和“数量型”货币政策波动性均维持在较低水平；第二，宏观经济环境尤其是经济增长和通货膨胀等宏观经济目标变量的变动是导致货币政策频繁波动的关键因素，且货币政策对经济波动的灵敏响应呈现出显著的非对称特征，具体表现为“数量型”货币政策对经济波动的灵敏度明显高于“价格型”货币政策；第三，货币政策波动对调控效果的影响存在显著的门限效应，具体而言，总体上当两种类型的政策波动性均处于低区制状态时，货币政策的产出效应和价格效应才是最为有效的，即货币政策才更容易发挥出良好的逆风向调控效果；同时，相比于“数量型”政策工具调控，“价格型”政策工具调控效果具有力度温和、影响长久的特点；第四，当货币政策波动性处于高区制状态时，“价格型”货币政策工具的调控效果明显优于“数量型”政策工具。
本文的研究结论对于完善中国货币政策调控框架、实现宏观经济协调发展具有以下两方面的政策启示。一是要加快推进货币政策从“数量型”导向转为“价格型”导向。首先，继续深化利率市场化改革进程，进一步建立和完善“价格型”货币政策调控传导渠道和机制，重点把握政策调控的力度、重点和节奏；其次，考虑到中国利率市场化进程尚属于基本完成的初期，利率调控机制仍不健全，因此央行更应关注增强预期管理，比如可以采取提高货币政策透明度、加强与市场的信息沟通以及及时公告央行实施货币政策的操作及意图等应对措施，以期进一步提高中国货币政策决策和执行过程中的科学性、有效性和前瞻性。二是要实现货币政策有效性、灵敏性和稳定性的微妙平衡。这就需要央行在密切关注经济形势和市场演变的基础上，一方面，需要谨慎决定货币政策调控的力度和节奏，针对重点领域和薄弱环节进行适时适度的预调微调，实现货币政策的定向调控和相机抉择；另一方面，应重视宏观经济形势出现的较大波动，在畅通货币政策传导机制、提高政策调控有效性的同时，要进一步加强对宏观经济运行态势的监管、建立对国内外经济冲击的预警机制，前瞻性、科学性地科学制定货币政策，以实现宏观经济的平稳增长和可持续发展。
参考文献：
[1] Lensink R.,Bo H.,and Sterken E.,1999.Does Uncertainty Affect Economic Growth?An Empirical Analysis.Weltwirtschaftliches Archiv,Vol.135,No.3:379-396.
[2] Ali A.M,2011.Fiscal Policy And Economic Growth:The Effect of Fiscal Volatility.Journal of Business & Economics Research,Vol.3,No.5:17-26.
[3] Goyal R.,and Sahay R.,2006.Volatility and Growth in Latin America:An Episodic Approach.IMF Working Papers,No.287.
[4] Agnello L.,and Sousa R.,2009.The Determinants of Public Deficit Volatility.NIPE Working Papers,No.11.
[5] Bhar R.,and Hamori S.,2003.Alternative Characterization of the Volatility in the Growth Rate of Real GDP.Japan & the World Economy,Vol.15,No.2:223-231.
[6] 于佳，刘雪燕.中国通胀水平、通胀不确定性及货币政策波动[J].当代经济研究，2011(5).
[7] 朱锦月.我国货币政策非平稳性与货币政策联动性的内在机制研究[J].21世纪数量经济学，2014(7).
[8] Mumtaz H.,and Zanetti F.,2013.The Impact of the Volatility of Monetary Policy Shocks.Journal of Money Credit & Banking,Vol.45,No.4:535-558.
[9] Nguyen A.,2015.Financial Frictions and the Volatility of Monetary Policy in a DSGE Model.Lancaster University Management School,Economics Working Paper Series,No.6.
[10] 金成晓，卢颖超.对外开放进程中我国经济波动的特征:基于新凯恩斯DSGE模型的计量分析[J].数量经济研究，2013(2).
[11] Baker S.R.,Bloom N.,and Davis S.J.,2015.Measuring Economic Policy Uncertainty.CEP Discussion Paper,No.1379.
[12] 蔡一飞.短期资本流动、经济政策不确定性与恐慌指数——基于时变分析框架下的研究[J].数量经济研究，2016(2).
[13] 王立勇，纪尧.财政政策波动性研究的国际动态[J].经济学动态，2015(10).
[14] Boug P.,and Fagereng A.,2010.Exchange Rate Volatility and Export Performance:A Cointegrated VAR Approach.Applied Economics,Vol.42,No.7:851-864.
[15] Bloom N.,2014.Fluctuations in Uncertainty.Journal of Economic Perspectives,Vol.28,No.2:153-175.
[16] Mara E.R.,and Dezsi E.,2011.Fiscal Policy Impact on Inflation Volatility in Romania in The Economic Crisis Context.Finance Challenges of the Future,Vol.1,No.13:181-187.
[17] Brunetti A.,1998.Policy Volatility and Economic Growth:A Comparative,Empirical Analysis.European Journal of Political Economy,Vol.14,No.1:35-52.
[18] 邓创，付蓉，徐曼.中国货币政策波动性的评估及其宏观经济效应分析[J].商业研究，2015(11).
[19] 蔡恬恬.货币—财政政策的不确定性与通货膨胀预期[J].山西财税，2017(10).
[20] 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).
[21] Koop G.,Pesaran M.H.,and Potter S.M.,1996.Impulse Response Analysis in Nonlinear Multivariate Models.Journal of Econometrics,Vol.74,No.1:119-147.
Will Fluctuations in China ′s Monetary Policy Influence the Effectiveness of Macroeconomic Regulation ?
Deng Chuang1,Fu Rong2,Zhao Ke3
(1. Quantitative Economics Research Center,Jilin University,Changchun,Jilin 130012,China；2. School of Economics and Management,Shanxi Normal University,Linfen,Shanxi 041004,China;3. Business School of Jilin University,Changchun,Jilin 130012,China)
Abstract ：Using a GARCH model and a Markov regime switching model,we measured the fluctuations in China′s price-oriented and quantity-oriented monetary policies.Through the Granger causality test,we tested the sensitivity of policy fluctuations to economic fluctuations and built a TVAR model to empirically investigate the threshold effect of monetary policy fluctuations on the results of macroeconomic regulation.The results of empirical investigation showed that monetary policy fluctuations had a dynamic and significant threshold effect on the results of macroeconomic regulation.Specifically,the output effect and price effect of price-oriented and quantity-oriented monetary policies were more significant only when monetary policy fluctuations were below the specified thresholds.On both sides of the specified thresholds,price-oriented regulation was superior to quantity-oriented regulation.To improve the effectiveness,foresight,and flexibility of monetary policies,we recommend that the monetary authorities not only ensure the stability of monetary policies and the delicate balance between policy stability and policy sensitivity,but also accelerate the transformation from quantity-oriented monetary policies to price-oriented monetary policies.
Keywords ：monetary policy,fluctuation,GARCH model,threshold vector autoregression model
中图分类号： F822.0
文献标识码： A
文章编号： 1674-1625( 2019) 03-0013-12
收稿日期： 2019-03-13
基金项目： 国家自然科学基金面上项目(71873056)、教育部哲学社会科学研究重大课题攻关项目(17JZD016)、教育部人文社会科学重点研究基地重大项目(16JJD790014)。
作者简介： 邓创(1979— )，男，吉林大学数量经济研究中心、吉林大学商学院教授、博士生导师，理论经济学博士后，研究方向为宏观经济计量分析；付蓉(1995— )，女，山西师范大学经济与管理学院助教，硕士研究生，研究方向为宏观经济计量分析；赵珂(1997— )，女，吉林大学商学院博士研究生，研究方向为宏观经济计量分析。
引文格式： 邓创，付蓉，赵珂.中国货币政策波动会影响宏观经济调控效果吗[J].金融经济学研究，2019(3).
Deng Chuang,Fu Rong,Zhao Ke，2019.Will Fluctuations in China′s Monetary Policy Influence the Effectiveness of Macroeconomic Regulation?Financial Economics Research,Vol.34,No.3:13-24.
(责任编辑 李长春)
标签：货币政策论文; 波动性论文; GARCH族模型论文; 门限向量自回归模型论文; 吉林大学数量经济研究中心论文; 山西师范大学经济与管理学院论文; 吉林大学商学院论文;