基于實(shí)時(shí)混頻數(shù)據(jù)的“區(qū)域”—非對稱貨幣政策規(guī)則研究

張 旭，劉曉星

(1.南京信息工程大學(xué) 管理工程學(xué)院，江蘇 南京 210044；2.東南大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京 211189)

一、引 言

在現(xiàn)代經(jīng)濟(jì)發(fā)展的過程中，金融系統(tǒng)發(fā)揮著越來越重要的作用。金融系統(tǒng)運(yùn)行中產(chǎn)生的風(fēng)險(xiǎn)往往會(huì)通過金融市場傳導(dǎo)至實(shí)體經(jīng)濟(jì)，進(jìn)而引起經(jīng)濟(jì)衰退。因此，合理、高效的金融監(jiān)管和金融調(diào)節(jié)有助于降低金融系統(tǒng)風(fēng)險(xiǎn)發(fā)生的概率和影響程度。在這些金融調(diào)控機(jī)制中，貨幣政策傳導(dǎo)機(jī)制是連接金融系統(tǒng)和實(shí)體經(jīng)濟(jì)的主要渠道。因此，在過去的幾十年，貨幣政策相關(guān)的機(jī)制、規(guī)則及實(shí)踐研究一直是金融研究領(lǐng)域的焦點(diǎn)問題。

近年來，宏觀經(jīng)濟(jì)和微觀金融市場相關(guān)性研究成為經(jīng)濟(jì)學(xué)領(lǐng)域的熱點(diǎn)問題，其中處理數(shù)據(jù)頻率差異問題的混頻數(shù)據(jù)分析技術(shù)得到廣泛發(fā)展。隨著研究的深入，相關(guān)的混頻數(shù)據(jù)技術(shù)不斷涌現(xiàn)，其中，混頻抽樣數(shù)據(jù)模型(MIDAS)是應(yīng)用較為廣泛的一種方法。相關(guān)的研究表明混頻模型估計(jì)效果優(yōu)于傳統(tǒng)的同頻模型[1-2]。在這種背景下，不禁產(chǎn)生疑問：混頻和實(shí)時(shí)數(shù)據(jù)是否包含更多的貨幣政策信息，將混頻技術(shù)應(yīng)用到貨幣政策調(diào)控領(lǐng)域能否提升對貨幣政策調(diào)控的理解？然而，現(xiàn)有的相關(guān)研究鮮有涉及混頻技術(shù)與貨幣政策規(guī)則結(jié)合的研究。

在貨幣政策理論與實(shí)踐中，貨幣供應(yīng)量和利率是兩個(gè)最重要的中介變量。與這兩個(gè)中介變量有關(guān)的爭論一直存在，爭論主要集中于誰應(yīng)該成為最重要的中介變量。在20世紀(jì)90年代以前，由于貨幣層次清晰，貨幣統(tǒng)計(jì)較為容易，因此普遍將貨幣供應(yīng)量作為中央銀行的中介目標(biāo)，這一時(shí)期誕生了著名的數(shù)量型貨幣規(guī)則，即麥卡勒姆規(guī)則[3]。隨著電子貨幣的出現(xiàn)，貨幣的層次界限越來越不清晰，貨幣統(tǒng)計(jì)變得困難，因此，中央銀行將利率作為其中介變量，這一轉(zhuǎn)換時(shí)期出現(xiàn)了應(yīng)用十分廣泛的價(jià)格型貨幣政策規(guī)則，即泰勒規(guī)則[4]。之后的貨幣政策規(guī)則研究大都沿用泰勒規(guī)則的基本分析框架。早期的中央銀行偏好行為研究假設(shè)中央銀行具有對稱的風(fēng)險(xiǎn)損失偏好，在此基礎(chǔ)上從期望損失最小化視角得出泰勒規(guī)則的理論依據(jù)[5-6]。之后的一些研究開始注意到中央銀行的非對稱損失偏好特征，即中央銀行對經(jīng)濟(jì)擴(kuò)張和經(jīng)濟(jì)收縮的損失厭惡態(tài)度是不同的[7-8]。然而，實(shí)證研究表明非對稱偏好并不能很好地刻畫中央銀行的偏好行為，一些學(xué)者將“區(qū)域”損失函數(shù)引入中央銀行的偏好形態(tài)，進(jìn)而獲得考慮“區(qū)域”和非對稱偏好的貨幣政策反應(yīng)函數(shù)[9-10](1)在英文文獻(xiàn)中，“區(qū)域”偏好用“Zone”來表示，通常被譯為“惰性”偏好、“慣性”偏好等，但本文中將其譯為“區(qū)域”偏好。這種表達(dá)更貼近原始含義。“區(qū)域”偏好表示中央銀行對較小幅度的經(jīng)濟(jì)波動(dòng)不會(huì)采取措施，其主要關(guān)注較大幅度的經(jīng)濟(jì)波動(dòng)，這意味著中央銀行對經(jīng)濟(jì)波動(dòng)的反應(yīng)具有“區(qū)域”范圍。。綜合而言，貨幣政策規(guī)則的形式是中央銀行偏好行為的外在體現(xiàn)，關(guān)于中央銀行損失函數(shù)形態(tài)的研究正處于向真實(shí)損失函數(shù)逼近的過程之中。

與貨幣政策規(guī)則相關(guān)的實(shí)證研究是貨幣經(jīng)濟(jì)學(xué)的重要研究領(lǐng)域。目前關(guān)于貨幣政策規(guī)則的實(shí)證研究可以歸納為兩個(gè)方向，即常參數(shù)貨幣政策規(guī)則和變參數(shù)貨幣政策規(guī)則研究。常參數(shù)貨幣政策規(guī)則實(shí)證研究主要采用OLS、GMM估計(jì)方法展開研究，這些研究均隱含著中央銀行貨幣政策反應(yīng)函數(shù)不具有時(shí)變特征[11-12]。在現(xiàn)代金融系統(tǒng)中，由于存在金融結(jié)構(gòu)變革、金融沖擊等因素，貨幣政策規(guī)則的參數(shù)往往表現(xiàn)出不穩(wěn)定性，鑒于此，一些學(xué)者開始采用變參數(shù)模型研究貨幣政策規(guī)則。其中，Kim和Nelson通過構(gòu)建兩階段極大似然方法估計(jì)了前瞻型貨幣政策規(guī)則，其研究發(fā)現(xiàn)，美聯(lián)儲(chǔ)貨幣政策規(guī)則具有顯著的時(shí)變性[13]。Bhar和Malliaris基于狀態(tài)空間模型估計(jì)了拓展型時(shí)變參數(shù)貨幣政策規(guī)則[14]。此外，還有一些學(xué)者使用區(qū)制轉(zhuǎn)換回歸等時(shí)變參數(shù)方法估計(jì)變參數(shù)貨幣政策規(guī)則[15-16]。

綜合來看，與貨幣政策相關(guān)的實(shí)證研究主要從貨幣政策的操作目標(biāo)、盯住變量、中央銀行的損失偏好形態(tài)以及貨幣規(guī)則的估計(jì)方法四方面展開。然而，這些研究主要利用同頻數(shù)據(jù)進(jìn)行實(shí)證分析，其中隱含著中央銀行對期間內(nèi)已公布的高頻變量(如通貨膨脹、資產(chǎn)價(jià)格等)不作反應(yīng)。從貨幣政策操作的角度來看，中央銀行在制定政策時(shí)往往將高頻變量考慮進(jìn)來，并做出提前反應(yīng)，這種逆周期操作在經(jīng)濟(jì)過熱或經(jīng)濟(jì)收縮時(shí)更加明顯。因此，忽視混頻數(shù)據(jù)帶來的信息優(yōu)勢可能會(huì)造成模型估計(jì)偏差。鑒于此，本文基于實(shí)時(shí)混頻數(shù)據(jù)研究中央銀行的“區(qū)域”—非對稱貨幣政策規(guī)則。本文的主要貢獻(xiàn)體現(xiàn)在以下三個(gè)方面：(1)在搜集整理宏觀歷史數(shù)據(jù)的基礎(chǔ)上估計(jì)實(shí)時(shí)宏觀經(jīng)濟(jì)數(shù)據(jù)，并構(gòu)建適用于估計(jì)“區(qū)域”—非對稱貨幣政策規(guī)則的實(shí)時(shí)混頻數(shù)據(jù)集；(2)在構(gòu)建包含中央銀行“區(qū)域”—非對稱偏好的貨幣政策反應(yīng)函數(shù)基礎(chǔ)上，運(yùn)用MIDAS方法估計(jì)實(shí)時(shí)混頻貨幣政策規(guī)則，并分析中央銀行對不同頻率宏觀變量的反應(yīng)大小和偏好特征；(3)比較分析同頻數(shù)據(jù)模型和混頻數(shù)據(jù)模型的估計(jì)效果，檢驗(yàn)中央銀行在政策制定時(shí)是否考慮到宏觀經(jīng)濟(jì)數(shù)據(jù)存在的頻率差異，并實(shí)證檢驗(yàn)實(shí)時(shí)混頻數(shù)據(jù)是否提供更多的貨幣政策信息。

二、“區(qū)域”—非對稱貨幣規(guī)則模型構(gòu)建

鑒于中央銀行可能存在的非對稱、非線性損失偏好，本文借鑒劉曉星和張旭研究構(gòu)建貨幣規(guī)則分析的一般框架，通過調(diào)整參數(shù)設(shè)定可以得到對稱偏好、非對稱偏好、“區(qū)域”—非對稱偏好等多種形式的貨幣政策規(guī)則模型[17]。

(一)模型假設(shè)

1.中央銀行損失偏好

中央銀行對損失的偏好形態(tài)決定了貨幣政策規(guī)則的具體形式。在早期，中央銀行損失偏好形態(tài)假設(shè)為線性—對稱形式，這種形式意味著中央銀行對同等程度經(jīng)濟(jì)擴(kuò)張和經(jīng)濟(jì)收縮的態(tài)度是一致的。然而，在貨幣政策實(shí)踐中，中央銀行的損失偏好形態(tài)表現(xiàn)出兩大特征：(1)非對稱特征，即相比于經(jīng)濟(jì)擴(kuò)張，中央銀行更加厭惡同等程度的經(jīng)濟(jì)收縮；(2)“區(qū)域”特征，即中央銀行對較小幅度的經(jīng)濟(jì)波動(dòng)不會(huì)采取措施，其主要關(guān)注較大幅度的經(jīng)濟(jì)波動(dòng)，呈現(xiàn)出“區(qū)域”效應(yīng)。

鑒于此，本文通過構(gòu)建線性-指數(shù)-冪函數(shù)損失函數(shù)來刻畫中央銀行的損失偏好行為，其形式為：

Lt=λπ[(eα(πt-π*)-α(πt-π*)-1)/α2]mπ/nπ+λy[(eγyt-γyt-1)/γ2]my/ny+μ(it-i*)2/2

(1)

其中，π*表示通貨膨脹目標(biāo)值，it為中央銀行的利率工具變量，反映其貨幣政策松緊程度，i*為長期利率水平。系數(shù)α表示中央銀行對物價(jià)波動(dòng)的非對稱偏好程度，γ為對產(chǎn)出波動(dòng)的非對稱偏好程度(2)參數(shù)my、mπ、ny、nπ為滿足一定條件的正整數(shù)，其大小反映了中央銀行對目標(biāo)變量的“區(qū)域”偏好程度，通過小幅地調(diào)整m、n的相對大小，可以得到多種損失偏好形態(tài)，m/n越大，說明中央銀行“區(qū)域”偏好程度越大。。

2.經(jīng)濟(jì)系統(tǒng)結(jié)構(gòu)

根據(jù)貨幣規(guī)則研究的典型范式，推導(dǎo)最優(yōu)的貨幣政策反應(yīng)函數(shù)需構(gòu)建動(dòng)態(tài)總需求—總供給模型。動(dòng)態(tài)總需求和動(dòng)態(tài)總供給曲線有兩種形式，即前瞻型和后顧型。前瞻型模型假設(shè)當(dāng)期通貨膨脹和產(chǎn)出缺口受預(yù)期值影響，后顧型模型假設(shè)當(dāng)期通貨膨脹和產(chǎn)出缺口受歷史值影響。然而，宏觀經(jīng)濟(jì)變量往往同時(shí)受到歷史值和預(yù)期值影響，因此，本文根據(jù)貨幣規(guī)則研究的典型范式，設(shè)定一種兼具前瞻型和后顧型的動(dòng)態(tài)總供給和動(dòng)態(tài)總需求曲線，其形式如下：

(2)

(3)

πt=kyt+ft

yt=-φ(it-πt)+gt

(二)最優(yōu)“區(qū)域”—非對稱貨幣規(guī)則一般框架

中央銀行的逆周期調(diào)節(jié)是宏觀調(diào)控的重要組成部分。中央銀行根據(jù)宏觀經(jīng)濟(jì)運(yùn)行情況制定貨幣政策，其調(diào)控方式主要包含兩種，即規(guī)則調(diào)節(jié)和相機(jī)抉擇。近年來的研究表明規(guī)則調(diào)控及其相關(guān)的研究占據(jù)了主導(dǎo)地位。根據(jù)傳統(tǒng)的貨幣理論研究范式，中央銀行通過調(diào)控其政策變量(如利率、貨幣供應(yīng)量等)，最小化其期望的福利損失，即：

(4)

其中，ο為福利損失的貼現(xiàn)因子。準(zhǔn)確刻畫損失函數(shù)Lt是獲取有效貨幣政策反應(yīng)函數(shù)的關(guān)鍵。本文將式(1)～(3)帶入式(4)求解最優(yōu)貨幣政策規(guī)則。由于沒有內(nèi)生狀態(tài)變量進(jìn)入模型，此跨期最優(yōu)問題可以簡化為一個(gè)靜態(tài)最優(yōu)化問題，通過選擇每一期的利率來確定這個(gè)最優(yōu)化問題的解。求解一階條件得到：

μ(it-i*)=qπEt-1{[(eα(πt-π*)-α(πt-π*)-1)/α2]mπ/nπ-1[(eα(πt-π*)-1)/α]}+qyEt-1{[(eγyt-γyt-1)/γ2]my/ny-1[(eγyt-1)/γ]}

(5)

其中，qπ=λπkφmπ/nπ、qy=λyφmy/ny。由于模型(5)為非線性函數(shù)，為了進(jìn)行參數(shù)估計(jì)，需要對其進(jìn)行線性化，本文運(yùn)用泰勒級數(shù)展開方法進(jìn)行近似化處理。運(yùn)用二階泰勒展開方法對式(5)在α=γ=0處展開得到：

(6)

其中：

lπ=qπ21-mπ/nπ/μ，ly=qy21-my/ny/μ

然而，式(6)忽視了中央銀行在實(shí)際操作中對利率調(diào)控的平滑意愿，本文按照通常的做法在式(6)中引入平滑系數(shù)，得到貨幣政策反應(yīng)函數(shù)：

(7)

三、估計(jì)方法與數(shù)據(jù)說明

現(xiàn)有的貨幣政策規(guī)則估計(jì)方法大都假設(shè)數(shù)據(jù)具有同頻特征，因而忽視了混頻數(shù)據(jù)可能帶來的信息優(yōu)勢，為此，本部分基于以上理論分析，構(gòu)建拓展型貨幣政策反應(yīng)函數(shù)的混頻形式，并介紹本文使用的實(shí)時(shí)數(shù)據(jù)。

(一)混頻抽樣估計(jì)

混頻數(shù)據(jù)抽樣模型是一種混頻數(shù)據(jù)建模方法，主要由Ghysels等人提出。MIDAS的估計(jì)思想源于分布滯后模型，其將高頻變量納入到分布滯后項(xiàng)之中。具體來說，一個(gè)簡單的分布滯后模型可以表示為：

yt=α+B(L)xt+εt

(8)

其中，B(L)為滯后算子，εt為隨機(jī)擾動(dòng)項(xiàng)。該模型假定變量yt和xt的采樣頻率相同。

雖然分布滯后模型不能處理混頻結(jié)構(gòu)數(shù)據(jù)，但卻提供了處理該問題的思路。因此，MIDAS模型可以表示為：

(9)

對于MIDAS模型，如何確定權(quán)重函數(shù)B(L1/m；θ)是估計(jì)模型的關(guān)鍵。常用的權(quán)重函數(shù)設(shè)定形式主要有四種。

第一種是均勻分布U-MIDAS，這種權(quán)重函數(shù)假定高頻變量的權(quán)重相同，即服從均勻分布。

第二種權(quán)重函數(shù)形式為Almon多項(xiàng)式函數(shù)，其形式可以表示為：

(10)

第三種權(quán)重函數(shù)設(shè)定形式為指數(shù)Almon多項(xiàng)式函數(shù)，其形式可以表示為：

(11)

第四種權(quán)重函數(shù)設(shè)定形式為Beta權(quán)重函數(shù)。Beta權(quán)重函數(shù)包含3個(gè)參數(shù)，可以刻畫多種形態(tài)的權(quán)重函數(shù)，其基本形式可以表示為：

(12)

Beta權(quán)重函數(shù)非常靈活，通過設(shè)定不同的θ值，便可以得到不同形式的權(quán)重形態(tài)(3)在實(shí)際的操作中，通常將θ3設(shè)定為0。。

(二)混頻貨幣規(guī)則估計(jì)

由于模型(7)中包含非線性成分，直接對其估計(jì)比較困難，因此，本文參考陳創(chuàng)練等對模型進(jìn)行參數(shù)估計(jì)[18]，該模型即為：

(13)

其中，β0=(1-ρ)?0，β1=(1-ρ)?1，β2=(1-ρ)?2，β3=(1-ρ)?3，β4=(1-ρ)?4，β5=ρ。

根據(jù)式(9)，最終估計(jì)的混頻模型形式為：

(14)

其中，由于季度數(shù)據(jù)和月度數(shù)據(jù)的抽樣頻率倍數(shù)為3，因此這里設(shè)定m=3。

(三)變量與數(shù)據(jù)說明

1.實(shí)時(shí)產(chǎn)出缺口

由于估計(jì)實(shí)時(shí)貨幣政策規(guī)則需要用到的貨幣政策利率、通貨膨脹率數(shù)據(jù)均為實(shí)時(shí)發(fā)布的形式，因此實(shí)時(shí)數(shù)據(jù)的搜集工作主要集中于實(shí)時(shí)GDP數(shù)據(jù)(4)貨幣政策利率為全國銀行間同業(yè)拆借利率，其數(shù)值大小并未進(jìn)行過修正，因此目前中國人民銀行公布的數(shù)據(jù)均可稱為實(shí)時(shí)數(shù)據(jù)。對于通貨膨脹率而言，雖然國家統(tǒng)計(jì)局會(huì)對統(tǒng)計(jì)數(shù)據(jù)的物價(jià)籃子和權(quán)重進(jìn)行調(diào)整，但并未對數(shù)據(jù)進(jìn)行過修正，因此國家統(tǒng)計(jì)局公布的數(shù)據(jù)也為實(shí)時(shí)數(shù)據(jù)。。在宏觀經(jīng)濟(jì)統(tǒng)計(jì)領(lǐng)域，GDP核算與其他指標(biāo)核算具有顯著差異，其一直處于不斷修正的過程中。在這種背景下，經(jīng)濟(jì)學(xué)者提出了實(shí)時(shí)GDP核算的概念并將其應(yīng)用到宏觀經(jīng)濟(jì)研究之中。實(shí)時(shí)GDP數(shù)據(jù)和最終GDP數(shù)據(jù)是兩種不同的核算體系，最終GDP核算是對目前已有信息的體現(xiàn)，而實(shí)時(shí)GDP核算體現(xiàn)的是在當(dāng)時(shí)所能掌握的最大信息，因此它們之間存在著一定的差異，差異的程度取決于當(dāng)時(shí)核算信息的準(zhǔn)確性和及時(shí)性。

本文根據(jù)已公開的歷史GDP核算資料，搜集并整理出季度GDP實(shí)時(shí)數(shù)據(jù)集，時(shí)間范圍為1992年1季度至2019年3季度。參閱《中國統(tǒng)計(jì)年鑒》《中國經(jīng)濟(jì)景氣月報(bào)》《中國人民銀行統(tǒng)計(jì)季報(bào)》《中國季度國內(nèi)生產(chǎn)總值核算歷史資料1992—2001》《中國季度國內(nèi)生產(chǎn)總值核算歷史資料1992—2005》《中國季度國內(nèi)生產(chǎn)總值核算歷史資料1992—2011》構(gòu)建實(shí)時(shí)數(shù)據(jù)集(5)為處理1992年1季度至1995年4季度GDP實(shí)時(shí)數(shù)據(jù)的缺失問題，本文通過檢索重要學(xué)術(shù)期刊(如《統(tǒng)計(jì)研究》《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》等雜志)獲取實(shí)時(shí)報(bào)道數(shù)據(jù)。。本文以每個(gè)季度所能獲取的最新和最權(quán)威的發(fā)布資料為標(biāo)準(zhǔn)構(gòu)建實(shí)時(shí)數(shù)據(jù)集合，共包含實(shí)時(shí)數(shù)據(jù)111組。估計(jì)實(shí)時(shí)產(chǎn)出缺口的過程如下：第一步，根據(jù)搜集數(shù)據(jù)發(fā)布的時(shí)間順序構(gòu)建季度實(shí)時(shí)累計(jì)GDP增長率數(shù)據(jù)集，時(shí)間范圍為1992年1季度至2019年3季度；第二步，根據(jù)累計(jì)GDP增長率計(jì)算季度GDP數(shù)值，基期為1992年1季度；第三步，在季節(jié)調(diào)整的基礎(chǔ)上，使用H-P濾波方法測算每一組序列的GDP缺口值，選取每一組最后一個(gè)GDP缺口值組成序列，即得到實(shí)時(shí)產(chǎn)出缺口數(shù)據(jù)。

圖1給出了本文估計(jì)的實(shí)時(shí)產(chǎn)出缺口和最終產(chǎn)出缺口(6)在得到實(shí)時(shí)GDP缺口后發(fā)現(xiàn)該序列仍存在顯著的季節(jié)因素，因此采用X-11方法剔除季節(jié)效應(yīng)，圖1為剔除季節(jié)效應(yīng)后的數(shù)據(jù)。。從圖1中可以看出，兩種不同的GDP缺口測算方法得到的序列在數(shù)值大小和趨勢上大體保持一致，但也存在顯著差異的時(shí)間階段，這兩個(gè)時(shí)期為1992—1994年、2005—2007年。導(dǎo)致這一現(xiàn)象的原因在于當(dāng)時(shí)統(tǒng)計(jì)信息的準(zhǔn)確性較低。此外，中央銀行在2005—2007年采取緊縮性的貨幣政策也間接說明使用實(shí)時(shí)數(shù)據(jù)更為合理。

圖1 低頻實(shí)時(shí)產(chǎn)出缺口和最終產(chǎn)出缺口估計(jì)值圖

2.名義利率

圖2 低頻名義利率圖

3.通貨膨脹缺口

為測算通貨膨脹缺口，首先需要確定通貨膨脹目標(biāo)值。本文根據(jù)每年兩會(huì)期間制定的《關(guān)于××××年國民經(jīng)濟(jì)和社會(huì)發(fā)展計(jì)劃執(zhí)行情況與下一年國民經(jīng)濟(jì)和社會(huì)發(fā)展計(jì)劃草案的報(bào)告》來確定通貨膨脹目標(biāo)。月度通貨膨脹缺口由月度通貨膨脹率減去通貨膨脹目標(biāo)值計(jì)算得到。圖3給出了月度頻率測算的通貨膨脹缺口時(shí)間序列。

圖3 高頻通貨膨脹缺口圖

四、實(shí)證分析

(一)最優(yōu)模型選擇

根據(jù)理論分析，參數(shù)mπ、nπ、my、ny均為預(yù)先設(shè)定的數(shù)值，其相對大小決定了中央銀行對通貨膨脹和實(shí)時(shí)產(chǎn)出缺口的“區(qū)域”偏好程度。為了選擇最優(yōu)的“區(qū)域”偏好參數(shù)，本文通過計(jì)算并比較估計(jì)標(biāo)準(zhǔn)差、殘差平方和、AIC、SC、HQ信息準(zhǔn)則五種統(tǒng)計(jì)量來確定。具體來說，對于模型(14)，我們需要對“區(qū)域”偏好參數(shù)mπ、nπ、my、ny進(jìn)行組合來確定待估計(jì)的模型集合。由于參數(shù)nπ和ny只能取奇整數(shù)，其取值越大意味著本文可供選擇的模型越多，精確性也越高。本文設(shè)定nπ=5和ny=5(8)這是因?yàn)橹挥挟?dāng)n取奇整數(shù)時(shí)，估計(jì)參數(shù)使用的轉(zhuǎn)化數(shù)據(jù)在實(shí)數(shù)域內(nèi)有意義。。mπ、my的取值范圍變?yōu)?～10，當(dāng)mπ=5、my=5時(shí)，中央銀行對通貨膨脹和產(chǎn)出缺口均沒有“區(qū)域”偏好。

使用Huber-White算法估計(jì)模型參數(shù)，選取的權(quán)重函數(shù)為Beta函數(shù)，同時(shí)設(shè)定參數(shù)θ3等于0。表1給出了最優(yōu)模型選擇的結(jié)果。由于設(shè)定mπ、my取值范圍為5～10，所以可供選擇的模型集合數(shù)量為36，即本文將從36個(gè)模型中選擇一個(gè)最優(yōu)的估計(jì)模型。表1 中列出了AIC、SC、HQ、S.E.(標(biāo)準(zhǔn)差)和SSE(殘差平方和)五個(gè)統(tǒng)計(jì)量，五種統(tǒng)計(jì)量均表明模型“區(qū)域”偏好參數(shù)mπ=8、nπ=5、my=5、ny=5時(shí)可獲得最優(yōu)估計(jì)模型。最優(yōu)模型表明，在中國，中央銀行對低頻實(shí)時(shí)產(chǎn)出缺口不具有“區(qū)域”偏好，暗示出中央銀行對不同幅度的實(shí)時(shí)產(chǎn)出缺口變化具有相同的偏好態(tài)度，但對高頻通貨膨脹缺口表現(xiàn)出顯著的“區(qū)域”偏好特征，這意味著中央銀行對通貨膨脹大幅的變化更加在意，而小幅的物價(jià)波動(dòng)對其福利損失的貢獻(xiàn)相對較少，這也從側(cè)面表明了中央銀行對于穩(wěn)定物價(jià)這一最終目標(biāo)的重視程度(9)《中國人民銀行法》規(guī)定中國貨幣政策的最終目標(biāo)是“保持貨幣幣值穩(wěn)定，并以此促進(jìn)經(jīng)濟(jì)增長”。參閱網(wǎng)址：http：∥hefei.pbc.gov.cn/hefei/2927537/122429/2605580/index.html。。

表1 最優(yōu)模型選擇的估計(jì)結(jié)果

(二)模型估計(jì)結(jié)果分析

為進(jìn)一步說明模型設(shè)置的合理性，對中央銀行偏好的非對稱性進(jìn)行檢驗(yàn)。基于模型(14)進(jìn)行非對稱性檢驗(yàn)。由于模型中的混頻部分增加了非對稱檢驗(yàn)的難度，為此這里僅對低頻項(xiàng)進(jìn)行檢驗(yàn)，即對參數(shù)β4進(jìn)行約束檢驗(yàn)。本文基于估計(jì)的最優(yōu)模型使用Wald約束檢驗(yàn)方法進(jìn)行檢驗(yàn)(10)這里同時(shí)考察了兩種情況：1.不包含“區(qū)域”偏好的情況，即mπ=5、nπ=5、my=5、ny=5；2.包含“區(qū)域”偏好的情況，即mπ=8、nπ=5、my=5、ny=5。。

表2給出了中央銀行偏好非對稱檢驗(yàn)結(jié)果。可以看出，考慮“區(qū)域”偏好和不考慮“區(qū)域”偏好的檢驗(yàn)結(jié)果基本一致，說明中央銀行對其關(guān)注的目標(biāo)變量具有顯著的非對稱偏好。這暗示出如果在貨幣政策規(guī)則中忽視中央銀行偏好的非對稱性會(huì)導(dǎo)致估計(jì)結(jié)果產(chǎn)生偏差，從而使得估計(jì)的結(jié)果不可靠。

表2 中央銀行偏好非對稱性的檢驗(yàn)結(jié)果

使用Eviews10.0軟件對模型進(jìn)行參數(shù)估計(jì)，選擇的最優(yōu)滯后階數(shù)為12。表3給出了最優(yōu)模型的估計(jì)結(jié)果(mπ=8、nπ=5、my=5、ny=5)?？梢钥闯?，常數(shù)項(xiàng)β0并沒有通過顯著性檢驗(yàn)，而實(shí)時(shí)產(chǎn)出缺口y2my/ny-1及y2my/ny的系數(shù)也沒有通過顯著性檢驗(yàn)，這暗示出比起產(chǎn)出波動(dòng)，中央銀行更加重視物價(jià)波動(dòng)，這一點(diǎn)從高頻變量(πt-π*)2mπ/nπ-1、(πt-π*)2mπ/nπ的系數(shù)顯著性可以佐證。

整體來看，y2my/ny-1、y2my/ny、(πt-π*)2mπ/nπ-1(πt-π*)2mπ/nπ-1、(πt-π*)2mπ/nπ的系數(shù)均為正，說明中央銀行的貨幣政策調(diào)控是逆周期的，即在經(jīng)濟(jì)衰退時(shí)實(shí)施寬松的貨幣政策，而在經(jīng)濟(jì)過熱時(shí)實(shí)施緊縮的貨幣政策。從利率平滑參數(shù)的估計(jì)結(jié)果可以看出，在考慮了混頻數(shù)據(jù)結(jié)構(gòu)因素之后，貨幣政策的利率平滑參數(shù)依然很高，達(dá)到0.968，并且通過了1%的顯著性檢驗(yàn)。

從高頻變量的系數(shù)估計(jì)結(jié)果來看，大部分估計(jì)值通過了顯著性檢驗(yàn)。β1的系數(shù)估計(jì)結(jié)果通過1%的顯著性檢驗(yàn)，其值相對較小，這主要是由于變量的轉(zhuǎn)換所致，表明中央銀行對通貨膨脹的響應(yīng)具有高頻效應(yīng)，即中央銀行在制定貨幣政策時(shí)并非完全參

考季度通貨膨脹情況，其政策的制定充分考慮了月度通貨膨脹的變化特征。此外，從權(quán)重函數(shù)參數(shù)θ1，1、θ1，2的估計(jì)結(jié)果來看，θ1，2的估計(jì)結(jié)果顯著大于θ1，1，說明權(quán)重函數(shù)的滯后模式主要依賴于參數(shù)θ1，2。從θ2，1、θ2，2的估計(jì)結(jié)果來看，θ2，1接近于1，而θ2，2顯著大于1，達(dá)到19.998，說明權(quán)重函數(shù)的滯后模式主要依賴于參數(shù)θ2，2，并且呈現(xiàn)出顯著的遞減趨勢?？傮w來看，中央銀行在制定貨幣政策時(shí)充分考慮了通貨膨脹的高頻數(shù)據(jù)信息，這也是本模型優(yōu)于同頻回歸模型之處。

表3 最優(yōu)混頻模型的參數(shù)估計(jì)結(jié)果

圖4和圖5給出了權(quán)重函數(shù)的分布特征。從中可以看出，對于(πt-π*)2mπ/nπ-1項(xiàng)，Beta權(quán)重函數(shù)的分布呈現(xiàn)出迅速遞減的趨勢，這與參數(shù)θ1，1、θ1，2的估計(jì)結(jié)果是一致的。對于(πt-π*)2mπ/nπ項(xiàng)，Beta權(quán)重函數(shù)的分布呈現(xiàn)出先增加后迅速遞減的趨勢。這些分布特征表明期限越近的通貨膨脹會(huì)對貨幣政策利率制定產(chǎn)生更大的影響，中央銀行在制定貨幣政策時(shí)會(huì)更加關(guān)注最近的物價(jià)水平，這也意味著通貨膨脹對貨幣政策利率的影響不具有長期性，這與經(jīng)濟(jì)理論和事實(shí)是一致的，此外，這也表明歷史通貨膨脹信息在某種程度上也是中央銀行制定貨幣政策時(shí)的決策依據(jù)。

為了進(jìn)一步驗(yàn)證使用混頻數(shù)據(jù)進(jìn)行貨幣政策規(guī)則估計(jì)的優(yōu)勢，使用同頻數(shù)據(jù)進(jìn)行模型參數(shù)估計(jì)，估計(jì)模型的“區(qū)域”參數(shù)仍為：mπ=8、nπ=5、my=5、ny=5。表4給出了同頻數(shù)據(jù)模型的估計(jì)結(jié)果。通過比較R2、調(diào)整R2、S.E.、SSE等統(tǒng)計(jì)量發(fā)現(xiàn)，使用混頻數(shù)據(jù)估計(jì)的結(jié)果優(yōu)于使用同頻數(shù)據(jù)估計(jì)的結(jié)果，這表明使用混頻數(shù)據(jù)模型估計(jì)的結(jié)果更精確，混頻數(shù)據(jù)包含更多的貨幣政策調(diào)控信息。此外，從低頻變量系數(shù)估計(jì)的數(shù)值大小和顯著性可以看出，其與混頻模型基本一致，但高頻變量的估計(jì)結(jié)果與混頻模型中的結(jié)果相比有一定的差異，這主要是模型中存在的分布滯后函數(shù)所致。

圖4 Beta權(quán)重函數(shù)的分布特征(β1)圖

圖5 Beta權(quán)重函數(shù)的分布特征(β2)圖

表4 同頻數(shù)據(jù)模型的參數(shù)估計(jì)結(jié)果

本文進(jìn)一步檢驗(yàn)實(shí)時(shí)數(shù)據(jù)在貨幣政策規(guī)則估計(jì)過程中的效果?；谀Ｐ?14)，使用MIDAS模型對最終數(shù)據(jù)估計(jì)的GDP缺口等變量進(jìn)行參數(shù)估計(jì)，得到的參數(shù)估計(jì)結(jié)果如表5所示。從表5中可以看出，使用最終GDP缺口估計(jì)的參數(shù)結(jié)果與實(shí)時(shí)GDP缺口估計(jì)的參數(shù)結(jié)果較為接近。通過對比表3中的實(shí)時(shí)數(shù)據(jù)估計(jì)結(jié)果發(fā)現(xiàn)，統(tǒng)計(jì)量R2、調(diào)整R2、S.E.、SSE、對數(shù)似然值、AIC準(zhǔn)則、SC準(zhǔn)則均表明，使用實(shí)時(shí)GDP缺口數(shù)據(jù)估計(jì)的混頻模型要優(yōu)于使用最終GDP缺口數(shù)據(jù)估計(jì)的結(jié)果，這說明中央銀行在制定貨幣政策時(shí)更加關(guān)注實(shí)時(shí)GDP信息。因而，實(shí)時(shí)數(shù)據(jù)包含更為豐富的宏觀信息，在貨幣政策規(guī)則實(shí)證研究方面更具有優(yōu)勢。

表5 使用最終GDP缺口數(shù)據(jù)估計(jì)的參數(shù)結(jié)果

(三)穩(wěn)健性檢驗(yàn)

為了對估計(jì)結(jié)果的穩(wěn)健性進(jìn)行檢驗(yàn)，本文主要從如下兩個(gè)方面進(jìn)行：

第一，使用不同的測度指標(biāo)進(jìn)行穩(wěn)健性檢驗(yàn)。本文進(jìn)一步使用最終GDP缺口數(shù)據(jù)替代實(shí)時(shí)GDP缺口數(shù)據(jù)重新估計(jì)模型，模型估計(jì)結(jié)果如表5所示。從表中可以看出，使用不同的GDP缺口數(shù)據(jù)得到的估計(jì)結(jié)果在數(shù)值大小、符號方面基本保持一致。

第二，設(shè)定不同的“區(qū)域”參數(shù)，并使用混頻抽樣方法進(jìn)行參數(shù)估計(jì)。這里分別選取與最優(yōu)模型(mπ=8、nπ=5、my=5、ny=5)參數(shù)較為接近的模型組合進(jìn)行估計(jì)來檢驗(yàn)最優(yōu)模型是否穩(wěn)健。穩(wěn)健性檢驗(yàn)選擇的“區(qū)域”偏好參數(shù)為：(1)mπ=9、my=5、nπ=ny=5；(2)mπ=7、my=5、nπ=ny=5；(3)mπ=8、my=6、nπ=ny=5。重新估計(jì)的結(jié)果表明，在不同“區(qū)域”偏好組合下，低頻變量和高頻變量參數(shù)的符號、大小并沒有發(fā)生明顯變化，這意味著本文選擇的最優(yōu)模型估計(jì)結(jié)果具有較好的穩(wěn)健性。

五、主要結(jié)論及政策含義

本文在構(gòu)建包含中央銀行“區(qū)域”、非對稱偏好貨幣政策反應(yīng)函數(shù)的基礎(chǔ)上，運(yùn)用實(shí)時(shí)混頻數(shù)據(jù)和混頻抽樣技術(shù)實(shí)證研究拓展型的貨幣政策反應(yīng)函數(shù)。研究結(jié)果主要包含以下三個(gè)方面：首先，貨幣政策利率對高頻通貨膨脹缺口的響應(yīng)不具有持續(xù)性，基于實(shí)時(shí)混頻數(shù)據(jù)抽樣方法得到的參數(shù)估計(jì)結(jié)果顯著優(yōu)于同頻數(shù)據(jù)模型和非實(shí)時(shí)數(shù)據(jù)模型的估計(jì)結(jié)果，意味著實(shí)時(shí)混頻數(shù)據(jù)包含了更多的宏觀經(jīng)濟(jì)信息；其次，中央銀行對通貨膨脹和實(shí)時(shí)產(chǎn)出缺口表現(xiàn)出非對稱偏好特征；再次，中央銀行對高頻通貨膨脹呈現(xiàn)出“區(qū)域”偏好特征，而對低頻實(shí)時(shí)產(chǎn)出缺口則不具有“區(qū)域”偏好特征。

本文研究結(jié)論對理解中國人民銀行的貨幣政策調(diào)控模式、提升貨幣政策規(guī)則制定的精確性具有重要的指導(dǎo)意義。第一，本文的研究表明，中央銀行對通貨膨脹和實(shí)時(shí)產(chǎn)出缺口具有不同程度的非對稱“區(qū)域”偏好特征，因此，在貨幣政策研究和實(shí)踐的過程中需要充分考慮央行偏好的非對稱性和“區(qū)域”特征。第二，MIDAS在實(shí)時(shí)貨幣政策規(guī)則中的應(yīng)用是有效的，能夠顯著地提高貨幣政策估計(jì)的效果，這意味著貨幣政策相關(guān)的政策制定、實(shí)施和反饋管理應(yīng)該考慮實(shí)時(shí)混頻數(shù)據(jù)提供的額外信息，這有助于更好地服務(wù)于宏觀經(jīng)濟(jì)調(diào)控。第三，本文是一個(gè)初步研究，相關(guān)的后續(xù)研究可以考慮引入其他高頻變量。比如，股票價(jià)格、房地產(chǎn)市場價(jià)格、匯率、金融狀況指數(shù)等，檢驗(yàn)中央銀行對這些高頻變量的關(guān)注程度。第四，在大數(shù)據(jù)背景下，如何將海量宏觀數(shù)據(jù)引入貨幣政策調(diào)控研究是未來該領(lǐng)域的發(fā)展方向之一，本文對混頻數(shù)據(jù)模型的應(yīng)用是一個(gè)嘗試，而降維技術(shù)和混頻技術(shù)的結(jié)合可能是未來貨幣政策相關(guān)研究的重要分析工具。