我國(guó)貨幣政策的非對(duì)稱(chēng)性效應(yīng)分析
——基于金融狀況視角

肖 強(qiáng)

（蘭州商學(xué)院甘肅經(jīng)濟(jì)發(fā)展數(shù)量分析研究中心 蘭州 730020）

一、引言

貨幣政策操作效果的對(duì)稱(chēng)與非對(duì)稱(chēng)性研究，近年來(lái)在國(guó)內(nèi)外金融界引起關(guān)注。Cover（1992）①Cover J.P.Asymmetric Effects of Positive and Negative Money-supply Shocks［J］.The Quarterly Journal of Economics.1992，107（4）：1261-1282.指出貨幣政策的非對(duì)稱(chēng)效應(yīng)意味著不同的貨幣政策取向（擴(kuò)張或緊縮）在不同的經(jīng)濟(jì)狀態(tài)下 （低通脹或高通脹）對(duì)產(chǎn)出或價(jià)格具有不同程度的影響。線性泰勒規(guī)則不能解釋貨幣政策的這種非對(duì)稱(chēng)性特征。周小川（2011）②周小川.金融政策對(duì)金融危機(jī)的響應(yīng)——宏觀審慎政策框架的形成背景、內(nèi)在邏輯和主要內(nèi)容 ［J］.金融研究，2011（01）：1-14.指出，次貸危機(jī)、歐債危機(jī)等一系列事件再度凸顯了金融動(dòng)蕩對(duì)實(shí)體經(jīng)濟(jì)的嚴(yán)重沖擊，靈活審慎的貨幣政策作為 “宏觀審慎政策框架”的重要組成部分，對(duì)其相關(guān)問(wèn)題的研究顯得尤為重要。Bernanke和Gertler（2001）③Bernanke B.S.，Gertler M.Should Central Banks Respond to Movements in Asset Prices？［J］.The American Economic Review.2001，91（2）：253-257.指出，雖然是否應(yīng)該將資本市場(chǎng)的沖擊作為研究貨幣政策傳導(dǎo)機(jī)制的重要因素尚未達(dá)成一致，但是對(duì)未來(lái)物價(jià)和產(chǎn)出有重要影響的資產(chǎn)價(jià)格是值得貨幣當(dāng)局關(guān)注的。因此，為了測(cè)度金融市場(chǎng)所蘊(yùn)涵的未來(lái)經(jīng)濟(jì)趨勢(shì)的信息，為了更好地挖掘資產(chǎn)價(jià)格所蘊(yùn)涵的未來(lái)經(jīng)濟(jì)走勢(shì)信息，把握資產(chǎn)價(jià)格在貨幣政策傳導(dǎo)渠道中的順暢程度，Goodhart和Hofmann（2001）④Goodhart C.，Hofmann B.Asset Prices，F(xiàn)inancial Conditions，and the Transmission of Monetary Policy［C］.2001.最早編制了反映一國(guó)金融市場(chǎng)運(yùn)行狀況的金融狀況指數(shù) （FCI）。近年來(lái)，我國(guó)金融業(yè)和房地產(chǎn)業(yè)迅速發(fā)展，因此，以我國(guó)金融變量構(gòu)建的FCI，可以表征我國(guó)金融市場(chǎng)狀況，并為央行制定貨幣政策提供重要參考依據(jù)。

第一，我國(guó)貨幣政策非對(duì)稱(chēng)性研究現(xiàn)狀。趙進(jìn)文等 （2005）⑤⑥趙進(jìn)文，閔捷.央行貨幣政策操作效果非對(duì)稱(chēng)性實(shí)證研究 ［J］.經(jīng)濟(jì)研究，2005（02）：26-34.得到我國(guó)貨幣政策操作在效果上表現(xiàn)出明顯的非對(duì)稱(chēng)性特征。劉金全等 （2009）⑦劉金全，隋建利，李楠.基于非線性VAR模型對(duì)我國(guó)貨幣政策非對(duì)稱(chēng)作用效應(yīng)的實(shí)證檢驗(yàn) ［J］.中國(guó)管理科學(xué)，2009（03）：47-55.利用logistic向量自回歸 （LSTVAR）模型得到我國(guó)實(shí)際產(chǎn)出序列和通貨膨脹率過(guò)程對(duì)貨幣沖擊的動(dòng)態(tài)反應(yīng)隨著沖擊方向、規(guī)模以及經(jīng)濟(jì)周期階段的變化而改變，貨幣政策對(duì)實(shí)際產(chǎn)出和價(jià)格水平的作用具有非對(duì)稱(chēng)性。肖強(qiáng)和司穎華 （2014）⑧肖強(qiáng)，司穎華.貨幣政策對(duì)房地產(chǎn)價(jià)格影響的非對(duì)稱(chēng)性分析——基于LSTVAR模型 ［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2014（10）：108-115.基于LSTVAR模型得到了貨幣政策對(duì)房地產(chǎn)價(jià)格影響的非對(duì)稱(chēng)性。肖強(qiáng) （2014）⑨肖強(qiáng).資產(chǎn)價(jià)格調(diào)控的貨幣政策工具選擇——基于MS-FAVAR模型 ［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（07）：23-30.基于馬爾科夫的因子擴(kuò)展的向量自回歸模型得到，不同的貨幣政策工具對(duì)資本價(jià)格的影響不同，而且隨著經(jīng)濟(jì)狀態(tài)不同也存在差異。王國(guó)靜和田國(guó)強(qiáng) （2014）○10王國(guó)靜，田國(guó)強(qiáng).金融沖擊和中國(guó)經(jīng)濟(jì)波動(dòng) ［J］.經(jīng)濟(jì)研究，2014，49（3）：20-34.將金融沖擊引入到動(dòng)態(tài)隨機(jī)一般均衡模型，來(lái)解釋金融沖擊對(duì)實(shí)體經(jīng)濟(jì)的影響。得到金融沖擊是導(dǎo)致中國(guó)經(jīng)濟(jì)波動(dòng)的最主要原因，它在解釋產(chǎn)出和投資增長(zhǎng)等波動(dòng)方面體現(xiàn)出非常重要的作用。

第二，F(xiàn)CI的國(guó)內(nèi)外研究現(xiàn)狀。國(guó)外關(guān)于FCI已有大量的相關(guān)文獻(xiàn)。比如，Hatzius等 （2010）?Hatzius J.，Hooper P.，Mishkin F.S.，et al.Financial Conditions Indexes：A fresh Look After the Financial Crisis［R］.National Bureau of Economic Research，2010.、Galvao和 Owyang（2013）?Galvao A.B.，Owyang M.T.MeasuringMacro-Financial Conditions Using a Factor-Augmented Smooth-Transition Vector Autoregression［R］.working paper，2013.基于動(dòng)態(tài)因子模型構(gòu)建了美國(guó)的FCI，并分析了FCI對(duì)宏觀經(jīng)濟(jì)的影響非對(duì)稱(chēng)性。而國(guó)內(nèi)對(duì)FCI的研究相關(guān)文獻(xiàn)相對(duì)較少。郭琨和成思危 （2011）?郭琨，成思危.金融狀況指數(shù)研究評(píng)述 ［J］.國(guó)際金融研究，2011（05）：67-73.對(duì)國(guó)內(nèi)外關(guān)于FCI的文獻(xiàn)進(jìn)行了比較分析，提出我國(guó)構(gòu)建FCI的建議。刁節(jié)文和章虎（2012）?刁節(jié)文，章虎.基于金融形勢(shì)指數(shù)對(duì)我國(guó)貨幣政策效果非線性的實(shí)證研究 ［J］.金融研究，2012（04）：32-44.、卞志村等 （2012）?卞志村，孫慧智，曹媛媛.金融形勢(shì)指數(shù)與貨幣政策反應(yīng)函數(shù)在中國(guó)的實(shí)證檢驗(yàn) ［J］.金融研究，2012（08）：44-55.分別基于總需求方程縮減式和狀態(tài)空間模型構(gòu)建了具有動(dòng)態(tài)權(quán)重的我國(guó)FCI，并將FCI作為整體金融形勢(shì)寬松程度指標(biāo)納入貨幣政策反應(yīng)函數(shù)進(jìn)行了研究。

綜上所述，一方面，我國(guó)FCI的構(gòu)建存在采用的計(jì)量方法相對(duì)比較單一、包含金融變量較少等不足；另一方面，較少文獻(xiàn)利用FCI作為金融市場(chǎng)的代理變量來(lái)分析不同金融狀況下貨幣政策的非對(duì)稱(chēng)性效應(yīng)。以下結(jié)構(gòu)安排為：第二部分是基于動(dòng)態(tài)因子模型的我國(guó)FCI構(gòu)建，第三部分是基于LSTVAR模型的貨幣政策非對(duì)稱(chēng)性效應(yīng)分析，第四部分是結(jié)論及政策建議。

二、基于動(dòng)態(tài)因子模型的我國(guó)FCI構(gòu)建

（一）分析方法簡(jiǎn)介

在FCI權(quán)重確定方面，方法之一是基于VAR模型的脈沖響應(yīng)分析，首先基于金融變量和通貨膨脹率構(gòu)建VAR模型。然后，通過(guò)脈沖響應(yīng)中金融變量對(duì)通貨膨脹率沖擊程度的大小確定其權(quán)重。方法之二是總需求方程縮減式，反映通貨膨脹與產(chǎn)出缺口關(guān)系的菲利普斯曲線為：

其中，yt為t時(shí)刻的產(chǎn)出缺口，CPIt為通貨膨脹率，由金融變量對(duì)應(yīng)的系數(shù)確定其權(quán)重。近年來(lái)，通過(guò)動(dòng)態(tài)因子模型確定各變量權(quán)重的方法，使FCI對(duì)實(shí)體經(jīng)濟(jì)和物價(jià)的預(yù)測(cè)能力有所提高。

動(dòng)態(tài)因子模型。2011年諾貝爾經(jīng)濟(jì)學(xué)獲得者Sargent和Sims（1977）①Sargent T.J.，Sims C.A.Business Cycle Modeling without Pretending to Have Toomuch a Priori Economic Theory［J］.New Methods in Business Cycle Research.1977（1）：145-168.最早提出了動(dòng)態(tài)因子模型。本文首先利用Jscobs和Otter（2008）②Jacobs J.P.，Otter P.W.Determining the Number of Factors and Lag Order in Dynamic Factor Models：A Minimum Entropy Approach［J］.Econometric Reviews.2008，27（4-6）：385-397.的最小熵方法確定因子的個(gè)數(shù)。然后，采用了Chamberlain等（1984）③Chamberlain G.，Rothschild M.Arbitrage，F(xiàn)actor Structure，and Mean-variance Analysis on Large AssetMarkets［Z］.National Bureau of Economic Research Cambridge，Mass.，USA，1984.提出的時(shí)域主成分法對(duì)因子進(jìn)行估計(jì)。

（二）變量的選取和處理

借鑒已有文獻(xiàn)中關(guān)于FCI構(gòu)建的金融指標(biāo)選取標(biāo)準(zhǔn)，基于能包含更多金融變量的同時(shí)增加樣本量的原則，本文選取樣本區(qū)間為2001年1月至2012年12月的金融變量如下：7天銀行間同業(yè)拆借利率 （記作R1）、七天回購(gòu)移動(dòng)平均利率 （記作R2）、貨幣供給量 （同時(shí)選取M0、M1和M2）、實(shí)際有效匯率指數(shù)（記作REER1）、人民幣對(duì)美元的匯率 （采用圣路易斯聯(lián)邦儲(chǔ)備銀行公布的人民幣對(duì)美元的匯率的月度數(shù)據(jù)，記作REER2）、國(guó)房景氣指數(shù) （記作H1）、實(shí)際房地產(chǎn)價(jià)格 （記作H2）、上證綜合指數(shù) （記作SZZZ）和深圳成指 （記作SZCZ）。以及其他相關(guān)變量：實(shí)際通貨膨脹率 （2000年1月為基期的絕對(duì)CPI，記作CPI）、實(shí)際產(chǎn)出 （記作GDP）。數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站、國(guó)際清算銀行官方網(wǎng)站 （http：／／www.bis.org）等。

對(duì)以上11個(gè)金融變量的處理如下：為了消除實(shí)際股價(jià)序列中的異方差對(duì)其取對(duì)數(shù)，對(duì)存在季節(jié)因素的變量利用X12進(jìn)行季節(jié)調(diào)整。因?yàn)閯?dòng)態(tài)因子模型要求變量是平穩(wěn)的，所以對(duì)所有變量進(jìn)行ADF單位根檢驗(yàn)，對(duì)非平穩(wěn)變量進(jìn)行相應(yīng)的差分運(yùn)算。考慮到各變量的量綱不同，對(duì)各個(gè)變量均進(jìn)行標(biāo)準(zhǔn)化處理。金融變量的長(zhǎng)期趨勢(shì)值都使用HP濾波方法計(jì)算，鑒于我們采用的是月度數(shù)據(jù)將參數(shù)λ取為14 400。通過(guò)變量實(shí)際值減去變量趨勢(shì)值定義該變量的缺口值。為了表述方便，處理后的變量仍用原記號(hào)。

（三）基于動(dòng)態(tài)因子模型的FCI構(gòu)建

由Jscobs和Otter（2008）的最小熵方法確定因子個(gè)數(shù)為4，通過(guò)主成分法給出潛在金融因子所包含的信息如表1所示，選取4個(gè)金融因子能解釋總方差的66.42%。

表1 潛在金融因子所包含的信息

基于總需求方程縮減式的FCI生成。我們將以上4個(gè)潛在金融因子引入到菲利普斯方程 （1）中，考察對(duì)通貨膨脹率變動(dòng)的預(yù)測(cè)能力。根據(jù)FCI的計(jì)算公式和權(quán)重的選擇，我們可得出：

基于VAR模型的FCI構(gòu)建。為了基于VAR模型確定共同金融因子的權(quán)重，我們構(gòu)建包含通脹率和4個(gè)金融因子的VAR模型，由AIC準(zhǔn)則確定滯后階數(shù)為5。得到4個(gè)金融因子對(duì)通脹率脈沖響應(yīng)值。類(lèi)似已有文獻(xiàn)，根據(jù)每個(gè)金融因子對(duì)通脹率沖擊絕對(duì)值的平均值，計(jì)算各個(gè)金融因子的權(quán)重，可得FCI的計(jì)算公式如下：

圖1給出了基于以上兩類(lèi)模型得到的FCI。由圖1可知，雖然FCI1和FCI2的構(gòu)建中金融因子的各自權(quán)重不同，但是它們具有很高的相關(guān)性 （相關(guān)系數(shù)為0.84）。不失一般性，以下問(wèn)題的研究我們選擇基于VAR模型得到的FCI。

圖1 基于不同模型得到的FCI

三、基于LSTVAR模型的貨幣政策非對(duì)稱(chēng)性效應(yīng)分析

（一）模型的線性檢驗(yàn)及非線性模型設(shè)定

貨幣政策非對(duì)稱(chēng)性效應(yīng)分析中，類(lèi)似肖強(qiáng)等（2014）①肖強(qiáng)，張曉峒，司穎華.貨幣政策有效性及產(chǎn)業(yè)非對(duì)稱(chēng)性分析 ［J］.商業(yè)研究，2014（04）：25-30.對(duì)變量的選取和VAR模型的構(gòu)建，貨幣政策工具為廣義貨幣供應(yīng)量M2的同比增長(zhǎng)率 （記作M2），產(chǎn)出變量為工業(yè)增加值的同比增長(zhǎng)率 （記作IP），價(jià)格變量為消費(fèi)者價(jià)格指數(shù)的同比增長(zhǎng)率 （記作CPI），為了和FCI對(duì)應(yīng)，樣本區(qū)間確定為2001年1月至2012年12月。VAR模型的構(gòu)建中，變量的先后順序依次為M2、IP和CPI。

針對(duì)包含變量M2、IP和CPI的VAR模型，利用滯后階數(shù)確定的信息準(zhǔn)則，確定了線性VAR（1）模型：

其中，yt＝（M2t，IPt，CPIt）；A，B為系數(shù)矩陣；ut是擾動(dòng)向量。模型 （2）的備擇假設(shè)LSTVAR模型為：

為了模型的線性檢驗(yàn)，Granger等 （2011）②Granger C.W.，Terasvirta T.Modelling Non-linear Economic Relationships［M］.OUPCatalogue.2011.建議應(yīng)用一階Taylor序列來(lái)近似LSTVAR。即利用LM檢驗(yàn)對(duì) （3）中每個(gè)方程進(jìn)行檢驗(yàn)：

首先，對(duì)式 （2）進(jìn)行逐方程回歸，得到每個(gè)回歸方程的殘差擬合值eit，i＝M2，IP，CPI和殘差平方和然后，對(duì)eit關(guān)于yit-1和styit-1進(jìn)行回歸獲得殘差平方和最后，對(duì)每個(gè)i計(jì)算LM統(tǒng)計(jì)量

其中T是樣本觀測(cè)值個(gè)數(shù)。在原假設(shè)下，LMi服從 χ2（3）。

在原假設(shè)下，LR漸近服從χ2（9）。

以FCIt及其滯后變量作為可能的轉(zhuǎn)移變量，表2報(bào)告了模型的非線性檢驗(yàn)結(jié)果。

表2 非線性檢驗(yàn)的P值

表2表明，當(dāng)選取FCIt-4作為轉(zhuǎn)移變量時(shí)，在5%的顯著性水平下，不僅由LM檢驗(yàn)可知，各個(gè)方程都拒絕線性假設(shè)，而且通過(guò)LR檢驗(yàn)可以拒絕VAR模型的線性假設(shè)，支持LSTVAR模型設(shè)定。

（二）LSTVAR模型的估計(jì)

基于R軟件，運(yùn)用非線性最小二乘方法對(duì)LSTVAR模型進(jìn)行估計(jì)，得到調(diào)整平滑程度參數(shù)γ和門(mén)限參數(shù)c的估計(jì)值分別為7.50和0.00。

類(lèi)似地，利用上述LM線性檢驗(yàn)方法對(duì)式 （3）估計(jì)的各個(gè)殘差序列進(jìn)行線性檢驗(yàn)，在任何方程中都無(wú)非線性特征。因此，可以看出以FCIt-4作為轉(zhuǎn)移變量，平滑參數(shù)γ和門(mén)限參數(shù)c的值分別為7.50和0.00時(shí)，LSTVAR模型充分捕捉了原始數(shù)據(jù)的非線性特征。

（三）不同金融狀況下貨幣政策的沖擊分析

根據(jù)門(mén)限估計(jì)值c＝0.00，本文將樣本分為金融狀況較好的子樣本 （FCIt-4≥0）和金融狀況惡化的子樣本 （FCIt-4＜0）。在兩個(gè)狀態(tài)下，通過(guò)計(jì)算M2對(duì)產(chǎn)出和價(jià)格的一個(gè)單位正標(biāo)準(zhǔn)差沖擊的廣義脈沖響應(yīng)函數(shù)，來(lái)考察貨幣政策對(duì)產(chǎn)出和價(jià)格沖擊的非對(duì)稱(chēng)效應(yīng)。

在不同的金融狀況下，得到M2對(duì)價(jià)格的廣義脈沖響應(yīng)函數(shù)，如圖2所示。

圖2 （a）金融狀況較好下M 2沖擊的價(jià)格效應(yīng)

圖2 （b）金融狀況惡化下M 2沖擊的價(jià)格效應(yīng)

由圖2可知，M2對(duì)價(jià)格的一個(gè)標(biāo)準(zhǔn)差的沖擊，在金融環(huán)境良好狀態(tài)下，價(jià)格在短期內(nèi)有上升的效應(yīng)，第3個(gè)月達(dá)到最大為0.33，9個(gè)月后轉(zhuǎn)換為負(fù)的效應(yīng)，在第18個(gè)月時(shí)達(dá)到負(fù)的最大，為-0.12，隨后逐步向0.00回落。而在金融狀況惡化即金融環(huán)境差的狀態(tài)下，價(jià)格在前4個(gè)月存在短暫且顯著的波動(dòng)效應(yīng)，其中前3個(gè)月為負(fù)，在第2個(gè)月達(dá)到最小，為-0.14，然后突然轉(zhuǎn)換為正效應(yīng)，在第3個(gè)月幅度達(dá)到最大，為0.03。第4個(gè)月后均為負(fù)效應(yīng)，其中最大幅度為第5個(gè)月的-0.02，從此逐步減小到0.00，第22個(gè)月后效應(yīng)基本消失。

總體來(lái)看，不同的金融狀況下，貨幣政策工具對(duì)價(jià)格的沖擊效應(yīng)具有非對(duì)稱(chēng)性。金融狀況良好情形下，擴(kuò)張的貨幣政策對(duì)價(jià)格的沖擊具有短期顯著的正效應(yīng)。而金融狀況惡化情形下，擴(kuò)張的貨幣政策對(duì)價(jià)格的沖擊具有短期負(fù)效應(yīng)。經(jīng)濟(jì)含義解釋為，當(dāng)金融市場(chǎng)繁榮時(shí)，金融市場(chǎng)中包括房地產(chǎn)價(jià)格、股票價(jià)格等資產(chǎn)價(jià)格普遍上漲，可能存在一定的資產(chǎn)價(jià)格泡沫，表現(xiàn)出通過(guò)增加貨幣供給量的擴(kuò)張貨幣政策導(dǎo)致價(jià)格的顯著上升。但是，當(dāng)金融市場(chǎng)衰退時(shí)，金融市場(chǎng)中包括房地產(chǎn)價(jià)格和股票價(jià)格在內(nèi)的資產(chǎn)價(jià)格普遍下降，從而通過(guò)增加貨幣供給量的擴(kuò)張貨幣政策不會(huì)引起價(jià)格的顯著上漲。

在不同金融狀況下，得到M2對(duì)產(chǎn)出的廣義脈沖響應(yīng)函數(shù)。如圖3所示。

由圖3可知，M2對(duì)產(chǎn)出的一個(gè)標(biāo)準(zhǔn)差的沖擊，在金融狀況較好情形下，產(chǎn)出具有短期的正向效應(yīng)，在第2個(gè)月達(dá)到最大為0.03，到第4個(gè)月減小到0.00。隨后均為負(fù)的效應(yīng)，在第10個(gè)月達(dá)到負(fù)的最大，為-0.10，然后緩慢地趨向于0.00。而在金融狀況惡化情形下，產(chǎn)出均為負(fù)效應(yīng)，在第3個(gè)月達(dá)到最大幅度，為-0.03，隨后逐步衰減到0.00。

總體來(lái)看，不同的金融狀況下，貨幣政策工具對(duì)產(chǎn)出的沖擊效應(yīng)具有非對(duì)稱(chēng)性。金融狀況良好情形下，以貨幣供給量為工具的擴(kuò)張貨幣政策對(duì)產(chǎn)出的沖擊效應(yīng)具有短期正效應(yīng)和長(zhǎng)期負(fù)效應(yīng)。而金融狀況惡化情形下，以貨幣供給量為工具的擴(kuò)張貨幣政策對(duì)產(chǎn)出的沖擊效應(yīng)具有負(fù)效應(yīng)。經(jīng)濟(jì)含義解釋為：一方面，在金融市場(chǎng)繁榮時(shí)期，貨幣當(dāng)局通過(guò)增加貨幣供給量的擴(kuò)張貨幣政策來(lái)增加產(chǎn)出時(shí)，只能在短期內(nèi)使產(chǎn)出增加，而長(zhǎng)期是無(wú)效的甚至使產(chǎn)出下降?？赡艿脑蚴?，因?yàn)榻鹑谑袌?chǎng)和實(shí)體經(jīng)濟(jì)之間存在著較強(qiáng)的聯(lián)系，正向金融沖擊對(duì)產(chǎn)出增長(zhǎng)等起到了非常重要的作用。因此，在金融市場(chǎng)繁榮時(shí)期，資產(chǎn)價(jià)格普遍上漲的同時(shí)產(chǎn)出等實(shí)體經(jīng)濟(jì)變量也在增長(zhǎng)，從而表現(xiàn)為：通過(guò)增加貨幣供給量的擴(kuò)張貨幣政策短期內(nèi)使得產(chǎn)出增加，同時(shí)使價(jià)格大幅上漲。但是價(jià)格的大幅上漲會(huì)導(dǎo)致金融市場(chǎng)的不穩(wěn)定，政府又會(huì)采取緊縮的貨幣政策等來(lái)控制通貨膨脹，最終使得產(chǎn)出下降。另一方面，在金融市場(chǎng)衰退時(shí)期，比如2008年的全球金融危機(jī)導(dǎo)致我國(guó)產(chǎn)能大幅下降，即使貨幣當(dāng)局實(shí)施增加貨幣供給量的擴(kuò)張貨幣政策也阻擋不了產(chǎn)出的下滑。此時(shí)期貨幣政策是無(wú)效的。

圖3 （a）金融狀況較好下M 2沖擊的產(chǎn)出效應(yīng)

圖3 （b）金融狀況惡化下M 2沖擊的產(chǎn)出效應(yīng)

四、結(jié)論及政策建議

本文首先選取代表利率、匯率、股票價(jià)格和房地產(chǎn)價(jià)格等的金融變量，利用動(dòng)態(tài)因子模型提取其共同金融因子，并利用這些因子基于VAR模型和總需求方程縮減式構(gòu)建了量化我國(guó)金融狀況整體松緊程度的FCI。接著，以滯后4期的FCI作為轉(zhuǎn)移變量，檢驗(yàn)了包含M2、產(chǎn)出和價(jià)格的VAR模型非線性特征，進(jìn)而基于LSTVAR分析了貨幣政策沖擊的非對(duì)稱(chēng)性效應(yīng)。實(shí)證結(jié)果表明：

第一，不同的金融狀況下，貨幣政策對(duì)價(jià)格的沖擊效應(yīng)具有非對(duì)稱(chēng)性。金融狀況良好情形下，以貨幣供給量為工具的擴(kuò)張貨幣政策對(duì)價(jià)格的沖擊具有短期顯著的正效應(yīng)和長(zhǎng)期不顯著的負(fù)效應(yīng)。而金融狀況惡化情形下，擴(kuò)張貨幣政策對(duì)價(jià)格的沖擊具有短期負(fù)效應(yīng)。

第二，不同的金融狀況下，貨幣政策對(duì)產(chǎn)出的沖擊效應(yīng)也具有非對(duì)稱(chēng)性。金融狀況良好情形下，以貨幣供給量為工具的擴(kuò)張貨幣政策對(duì)產(chǎn)出的沖擊效應(yīng)具有短期正效應(yīng)和長(zhǎng)期負(fù)效應(yīng)。而金融狀況惡化情形下，擴(kuò)張貨幣政策對(duì)產(chǎn)出的沖擊具有負(fù)效應(yīng)。

綜上所述，通過(guò)控制貨幣供給量的貨幣政策的產(chǎn)出效應(yīng)和價(jià)格效應(yīng)較強(qiáng)地依賴(lài)于金融市場(chǎng)狀況的優(yōu)劣。本文對(duì)政府在進(jìn)行宏觀調(diào)控時(shí)給出如下政策建議：

第一，鑒于世界上很多國(guó)家都已經(jīng)構(gòu)建了適合本國(guó)國(guó)情的金融狀況指數(shù)，并通過(guò)金融狀況指數(shù)去預(yù)測(cè)宏觀經(jīng)濟(jì)形勢(shì)，同時(shí)作為貨幣政策的重要參考指標(biāo)。因此，我國(guó)也需要盡快構(gòu)建并公布真實(shí)反映我國(guó)國(guó)情的金融狀況指數(shù)，為理性消費(fèi)者提供一個(gè)可預(yù)期的宏觀經(jīng)濟(jì)走勢(shì)和貨幣政策實(shí)施方向。

第二，利用對(duì)金融狀況指數(shù)的觀測(cè)，政府應(yīng)盡早地、準(zhǔn)確地把握當(dāng)前金融市場(chǎng)是處在繁榮還是衰退時(shí)期，以便及時(shí)應(yīng)對(duì)類(lèi)似2008年金融危機(jī)對(duì)我國(guó)實(shí)體經(jīng)濟(jì)帶來(lái)的嚴(yán)重打擊。應(yīng)及時(shí)制定有效的貨幣政策和財(cái)政政策等來(lái)調(diào)控金融市場(chǎng)。

總之，金融市場(chǎng)在我國(guó)經(jīng)濟(jì)發(fā)展中起到越來(lái)越重要的作用，貨幣當(dāng)局要密切關(guān)注金融市場(chǎng)及其重要資產(chǎn)價(jià)格的變動(dòng)，尤其針對(duì)異常變動(dòng)要及時(shí)準(zhǔn)確地采取相應(yīng)的政策反應(yīng)，從而避免或降低金融市場(chǎng)的劇烈波動(dòng)給宏觀經(jīng)濟(jì)造成不利影響的可能性，進(jìn)而維護(hù)金融秩序和穩(wěn)定物價(jià)。