我國貨幣規(guī)則的波動性研究

劉振亞，鄧 磊

(1.中國人民大學財政金融學院，北京 100872;2.英國伯明翰大學經濟學院，伯明翰B152TT)

一、引 言

(一)研究問題和背景

有關貨幣規(guī)則(Monetary Rule)的討論由來已久，焦點在于不同貨幣規(guī)則在不同歷史時期和經濟階段的適用性及其對社會經濟變量和福利水平的影響。關于我國貨幣規(guī)則的研究主要集中于數量控制型規(guī)則與價格控制型規(guī)則的比較。我國現階段貨幣規(guī)則受到了比較大的挑戰(zhàn)和質疑，在利率市場化機制尚不健全的情況下，數量型調控手段受制于國際資本流動、貨幣流通速度、企業(yè)異質性等因素，調控目標與實際效果之間的關聯性減弱，貨幣政策的不確定性問題越來越突出。

一般的結構模型研究大都使用線性近似而并非高階逼近的非線性近似方法。在線性模型中，貨幣政策變量通過改變經濟變量水平而產生作用。但眾所周知，線性近似方法無法捕捉到不確定性本身及其變化對經濟變量的真實影響，只能說明隨機沖擊對變量水平的實際作用。線性近似意味著任何具有相同穩(wěn)定狀態(tài)的政策都具有相同的社會福利水平，并且經濟主體行為決策過程不受不確定性的影響。這顯然與實際情況不符，政策的穩(wěn)定性關系著預期和效用的形成，經濟主體的決策過程也在不同程度上會考慮不確定性因素，并最終帶來經濟變量的改變。也就是說，政策變量的波動性及其變化會產生真實作用，因此有必要對其波動性變化進行模擬和估計。本文將圍繞貨幣規(guī)則問題展開研究，對兩種不同的貨幣規(guī)則進行非線性估計，以此為基礎對比兩者在我國宏觀經濟下所體現出來的特征和適用性。

(二)文獻綜述

數量控制型貨幣規(guī)則又稱為泰勒規(guī)則(Taylor Rule);價格控制型規(guī)則又稱為麥克勒姆規(guī)則(McCallum Rule)。國內關于貨幣規(guī)則類型的研究大致持有以下幾種觀點。有學者綜合使用兩種貨幣規(guī)則并進行對比，比如Zhang［1］同時使用兩種規(guī)則，并認為泰勒規(guī)則更為有效;張杰平［2］利用DSGE模型①即動態(tài)隨機一般均衡模型(Dynamic Stochastic General Equilibrium)。對中國宏觀經濟中泰勒貨幣規(guī)則和麥克勒姆貨幣規(guī)則政策進行了對比，發(fā)現我國更適合采用泰勒規(guī)則;馮濤等［3］認為我國貨幣政策實行的是同時控制貨幣總量和利率的“雙重調控”。Burdekin和Silklos［4］認為中國貨幣政策更符合麥克勒姆規(guī)則;劉斌［5］從社會福利損失角度驗證了泰勒規(guī)則的優(yōu)越性;夏斌和廖強［6］從貨幣流通速度變化、基礎貨幣可控性和貨幣乘數不穩(wěn)定性等角度進行分析，認為應該改變數量控制型貨幣政策中介目標;奚君羊和賀云松［7］利用線性近似方法在DSGE模型框架內分析了前瞻、后顧、同期三種不同預期形成模型下泰勒規(guī)則的福利損失比較;謝平和羅雄［8］認為泰勒規(guī)則可以很好地衡量中國貨幣政策。也有觀點對泰勒規(guī)則提出了質疑，比如徐高［9］認為我國利率市場化并未形成，不宜采用利率調控型貨幣政策;李春吉和孟曉宏［10］指出，中國貨幣政策主要依靠信貸調控，利率政策對產出和通貨膨脹影響較小，數量控制型貨幣政策更能代表中國經濟實際情況。Huang等［11］的研究表明，普遍采用的前瞻性泰勒規(guī)則會增加主要經濟變量的不確定性，無論經濟是否具有價格粘性、工資粘性、特定資本等特征，這種不確定性在貨幣規(guī)則加入產出因素之后都沒有得到改善。

以上研究都是以線性模型為基礎，隨著國內外研究對非線性結構模型研究的不斷推進，貨幣政策的不確定性得到了更多的關注。Fernandez－Villaverde和Rubio－Ramirez［12］最早將隨機波動模型和高階近似方法引入DSGE模型，利用粒子濾波和隨機波動模型分析了宏觀經濟變量波動性的結構性影響，研究表明非線性模型在經濟波動和政策研究中具有顯著的解釋力，是隨機宏觀模型所不可或缺的;Justiniano和Primiceri［13］將投資沖擊、偏好沖擊、技術沖擊等因素的隨機波動因素加入DSGE模型中，作者發(fā)現投資沖擊在過去二十年間成為美國經濟波動的主要來源;Andreasen［14］針對不同的非線性DSGE模型研究了二階和三階擾動近似方法情況下波動性的動態(tài)效應，并指出三階近似在時變波動性研究中的必要性。

本文的重點在于研究時變波動性貨幣規(guī)則的估計問題。在模型設計、求解和估計上，采用非線性的粒子濾波和MCMC(Markov Chain Monte Carlo)方法估計狀態(tài)空間模型和結構參數，從而從波動性上分析貨幣規(guī)則及其與經濟運行之間的密切關系。

二、研究方法與結果

(一)隨機波動模型及粒子濾波

隨著對上個世紀80年代以來以美國為代表的宏觀波動性下降的關注，近些年來國內外宏觀經濟研究從不同角度和方法力圖對宏觀經濟變量方差的時變性給予解釋，包括機制轉換方法［15］和隨機波動方法［16，17］得到較多使用，前者認為是政策或目標變化帶來了方差的下降，而后者認為是客觀的隨機因素使得變量變化更加平穩(wěn)。Fernandez－Villaverde和Rubio－Ramirez［12］把隨機波動模型引入宏觀經濟模型，并嘗試非線性狀態(tài)空間模型的非線性模擬解法;Justiniano和Primiceri［13］研究了帶隨機波動的DSGE模型，該模型對美國經濟問題具有很強的解釋力。隨機波動模型在宏觀經濟研究領域得到較多的應用，并受到越來越多的重視。

隨機波動模型最早應用于金融時間序列研究，用來刻畫收益率序列方差隨著新增信息的變動情況。一般地，隨機波動模型的設計如下:

其中εt，vt～N(0，1)為對均值和波動過程的隨機沖擊。隨機波動模型要解決的問題是如何對非線性、非高斯狀態(tài)空間模型進行求解和估計。目前，在解決這一問題時通常采用粒子濾波方法(Particle Filter)。粒子濾波突破了卡爾曼濾波(Kalman Filter)在處理非線性、非高斯模型方面之不足，在上世紀90年代得到廣泛的發(fā)展和應用。自Gordon等［18］之后，粒子濾波方法在理論上取得快速發(fā)展［19］，并在實際研究中被廣泛應用［20，21］等。

借鑒重要性抽樣(IS)的思路，粒子濾波的基本機制如下:

表1 APF算法

(二)隨機波動貨幣規(guī)則估計

表2 隨機波動模型參數先驗分布

隨機波動泰勒貨幣規(guī)則設定如下:

隨機波動McCallum貨幣規(guī)則設定如下:

選擇1995－2011年相關季度數據①數據來源于中經網數據庫。，貨幣量采用M2指標，利率采用一年期貸款利率。在MCMC方法中對參數的抽樣次數M=13000，粒子濾波個數N取5000，前3000次抽樣作為廢棄樣本，得到表3所列參數估計。根據參數估計并利用粒子濾波方法，得到貨幣規(guī)則參數抽樣如圖1和圖2所示:

表3 貨幣規(guī)則參數估計

(三)貨幣規(guī)則波動性估計

在得到貨幣規(guī)則的參數估計之后，經過粒子濾波分別得到關于貨幣量和利率的貨幣規(guī)則波動性估計，如圖3所示。兩種貨幣規(guī)則波動性過程均顯示出一定的規(guī)律性:波動性在1998年和2009年前后達到峰值。而兩個時間段分別對應著亞洲金融危機和世界經濟危機，也就是說，經濟困難時期貨幣規(guī)則的波動性會有突然上升的過程。這種波動性與經濟反向變化的關系在已有的研究中也受到了普遍的關注［25］。由波動性隨機沖擊的持久性來看，兩個規(guī)則的波動性系數都非常接近單位值，這說明波動沖擊具有較強的持久性。另外，在泰勒規(guī)則中，波動性總體取值相對較小，而在麥克勒姆規(guī)則中，波動性取值較大。這說明數量控制型貨幣政策在過去近二十年時間里被較為經常地采用以應對物價壓力和經濟困境，價格控制型貨幣政策更加遵循規(guī)則的規(guī)律，只是在經濟困難時期被用來平滑經濟波動。單純從波動性的角度出發(fā)，泰勒規(guī)則相對麥克勒姆規(guī)則會暗含較小的波動性，更加具有穩(wěn)定性。

三、結 論

本文借助隨機波動模型和粒子濾波方法研究了泰勒規(guī)則和麥克勒姆規(guī)則下我國貨幣規(guī)則的波動性問題。粒子濾波對規(guī)則中狀態(tài)變量(波動性)和參數給出了較為準確的估計。從估計結果可以得到以下結論:

首先，由波動性的動態(tài)過程可知，波動性的上升和經濟困難有著密切的聯系。貨幣政策變量在絕大多數時間里保持著較低的波動性，但經濟困難時期往往伴隨著波動性的突然增大。這意味著，一般情況下，貨幣政策變量運動具有自身的規(guī)律性;然而當經濟向下趨勢明顯時，貨幣政策會做出較之以往更為強烈的反應，此時政策的不確定性增加，在對貨幣政策變量進行預測時需結合考慮宏觀經濟狀況。

其次，從總體上看，泰勒規(guī)則的波動性相對較小，從穩(wěn)定性和可預見性上看，泰勒規(guī)則具有一定的優(yōu)勢。泰勒規(guī)則伴有較小的波動性，也說明該規(guī)則對利率變量的解釋力強于麥克勒姆規(guī)則對貨幣量的解釋力。該結論為中國宏觀經濟研究中使用泰勒規(guī)則的合理性提供了一定的證據。

最后，雖然目前兩種貨幣規(guī)則均顯示貨幣政策變量的波動性已經大體恢復到危機前水平，但仍有一定差距。說明宏觀經濟中不穩(wěn)定因素仍未完全排除，世界經濟復蘇尚待時日，我國經濟自身問題仍很突出。為了不斷應付經濟增長放緩和通脹壓力，不排除貨幣政策變量波動性仍有轉而上升的可能性。

本文研究的貨幣規(guī)則波動性問題也可以放在更廣泛的視角下來理解，進一步審視該波動性的福利效應和真實效應，從而更準確地捕捉減少波動性和增加政策穩(wěn)定性的重要價值。本文的研究為一般均衡模型提供了基礎，這也是該方向研究需要繼續(xù)完善之處。

圖3 政策變量隨機波動方差變化情況說明:上、下圖分別為泰勒規(guī)則和麥克勒姆規(guī)則下平滑后的貨幣波動沖擊(exp(σt))。

［1］ZHANG WENLANG.China’s Monetary Policy:Quantity Versus Price Rules［J］.Journal of Macroeconomics，2009，31(3):473 －484.

［2］張杰平.DSGE模型框架下我國貨幣政策規(guī)則的比較分析［J］.上海經濟研究，2012(3):93－102.

［3］馮濤，喬笙，苑為.雙重調控下的貨幣政策績效研究［J］.金融研究，2006(2):44－51.

［4］BURDEKIN R C K，SIKLOS P L.What Has Driven Chinese Monetary Policy Since 1990?Investigating the People’s Bank’s Policy Rule［R］.East－ West Center Working Paper，2005，No.85.

［5］劉斌.最優(yōu)貨幣政策規(guī)則的選擇及在我國的應用［J］.經濟研究，2003(9):3－13.

［6］夏斌，廖強.貨幣供應量已不宜作為當前我國貨幣政策的中介目標［J］.經濟研究，2001(8):33－43.

［7］奚君羊，賀云松.中國貨幣政策的福利損失及中介目標的選擇——基于新凱恩斯DSGE模型的分析［J］.財經研究，2010(2):89－98.

［8］謝平，羅雄.泰勒規(guī)則及其在中國貨幣政策中的檢驗［J］.經濟研究，2002(3):3－12.

［9］徐高.基于動態(tài)隨機一般均衡模型的中國經濟波動數量分析［D］.北京:北京大學，2008.

［10］李春吉，孟曉宏.中國經濟波動——基于新凱恩斯主義壟斷競爭模型的分析［J］.經濟研究，2006(10):72－82.

［11］HUANG KEVIN X D，MENG QINGLAI，XUE JIANPO.Is Forward－Looking Inflation Targeting Destabilizing?The Role of Policy’s Response to Current Output Under Endogenous Investment［J］.Journal of Economic Dynamics and Control，2009，33(2):409－430.

［12］JESUS FERNANDEZ－VILLAVERDE，JUAN F RUBIO－RAMIREZ.Estimating Macroeconomic Models:A Likelihood Approach［R］.Nber Technical Working Papers，2006，No.0321.

［13］ALEJANDRO JUSTINIANO，GIORGIO E PRIMICERI.The Time－Varying Volatility of Macroeconomic Fluctuations［J］.Ameri-can Economic Review，2008，98(3):604 －41.

［14］MARTIN M ANDREASEN.How Non－Gaussian Shocks Affect Risk Premia in Non－Linear DSGE Models［R］.Creates Research Papers，2010，No.2010 －63.

［15］SIMS C，ZHA T.Were There Regime Switches in Macroeconomic Policy? ［J］.American Economic Review，2006，96:54－81.

［16］PRIMICERI GIORGIO E.Time Varying Structural Vector Autoregressions and Monetary Policy［J］.The Review of Economic Studies，2005，72:821 －52.

［17］CANOVA FABIO，LUCA GAMBETTI.Structural Changes in the U.S.Economy:Bad Luck or Bad Policy? ［M］//Mimeo.Universitat Pompeu Fabra and IGIER，2005.

［18］GORDON N J，SALMOND D J，SMITH A F M.Novel Approach to Nonlinear/Non－Gaussian Bayesian State Estimation［J］.IEEE Proceedings－F，Radar and Signal Processing，1993，140(2):107－113.

［19］DEL MORAL P.Nonlinear Filtering:Interacting Particle Resolution［J］.Markov Processes and Related Fields，1996，2(4):555－580.

［20］CREAL D.A Survey of Sequential Monte Carlo Methods for Economics and Finance［J］.Econometric Reviews，2012，31(3):245－296.

［21］HEDIBERT F LOPES，RUEY S TSAY.Particle Filters and Bayesian Inference in Financial Econometrics［J］.Journal of Forecasting，2011，30(1):168－209.

［22］MICHAEL K PITT，NEIL SHEPHARD.Filtering Via Simulation:Auxiliary Particle Filters［R］.Economics Group，Nuffield College，University of Oxford，1997 － W13.

［23］ARNAUD DOUCET，NANDO DE FREITAS，NEIL GORDON，et al.Sequential Monte Carlo Methods in Practice［M］.Springer，2001.

［24］CHIB SIDDHARTHA，NARDARI FEDERICO，SHEPHARD NEIL.Markov Chain Monte Carlo Methods for Stochastic Volatility Models［J］.Journal of Econometrics，2002，108(2):281 －316.

［25］JESUS FERNANDEZ－VILLAVERDE，PABLO GUERRON－QUINTANA，KEITH KUESTER，et al.Fiscal Volatility Shocks and Economic Activity［R］.PIER Working Paper Archive，2012，No.11:022.