我國最優(yōu)貨幣政策代理變量識別的研究
——基于貨幣政策響應和傳導的雙重視角分析

武鵬飛，戴國強

(上海財經大學 1.金融學院;2.商學院，上海 200433)

內容提要：選擇一個有效的代理變量來代表中央銀行的貨幣政策立場，是進行貨幣政策相關研究的前提和基礎。本文在SVAR模型的基礎上，從貨幣政策對實體經濟變動的響應模式和傳導效果兩個角度對6個政策性變量進行比較分析，以識別我國最優(yōu)的貨幣政策代理變量。結果表明：(1)數量型變量仍然是我國央行進行宏觀調控時盯住的主要目標，其中人民幣貸款規(guī)模滿足所有條件，是最優(yōu)的貨幣政策代理變量。(2)價格型變量能夠對通脹沖擊做出顯著的響應，但對產出沖擊的響應不顯著；而價格型變量的變動對通脹無顯著影響，但對產出具備顯著影響?？梢?，我國央行并不以利率指標作為調控經濟的主要手段，但利率的變動卻能夠影響實際產出；“十三五”提出的“推動貨幣政策由數量型為主向價格型為主轉變”存在著一定的現實基礎。

貨幣政策作為政府干預經濟的主要手段，對實體經濟與金融市場有著舉足輕重的影響。然而，在具體的學術研究中，由于難以從“寬松”“穩(wěn)健”和“緊縮”這類詞匯中得到可以量化的信息，因此需要利用某些數量型或價格型變量來代表中央銀行的貨幣政策立場或意圖。

我國正處在經濟金融改革和利率市場化的重要歷史時期，在貨幣政策的操作中存在著雙重的目標變量體系。一方面，價格型變量作為貨幣政策操作目標和中介目標的時機正慢慢地走向成熟，例如，上海銀行間同業(yè)拆放利率(SHIBOR)已經運行十年有余，銀行間市場的交易不斷活躍。另一方面，數量型變量仍然發(fā)揮著重要作用，貸款規(guī)模和M2這類傳統(tǒng)指標仍然受到研究者的重視。

面對著雙重的目標變量體系和多元的可選變量，不同的研究者往往會選擇不同的變量來代表人民銀行的貨幣政策立場。在具體的學術研究中，這種貨幣政策代理變量選取的多樣性主要表現為三種做法：第一種做法是以某個單一的數量型指標作為我國貨幣政策的代理變量。例如，以M1作為貨幣政策代理變量來研究我國貨幣政策的傳導及有效性問題，或以M2為代理變量來研究通貨膨脹及貨幣政策的有效性問題，或以信貸規(guī)模為代理變量來研究貨幣政策調控與經濟周期的關系。第二種做法是以某個單一的價格型變量來代理我國的貨幣政策。比如劉金全等(2015)的研究以單一的7天期中國銀行間同業(yè)拆借利率(CHIBOR)作為貨幣政策的代理變量。第三種做法是為了克服單一代理變量的不足，同時運用多個變量來代理我國的貨幣政策。比如周建等(2015)同時利用M2和CHIBOR來研究貨幣政策的動態(tài)傳導，馬草原等(2013)利用信貸規(guī)模及貸款基準利率來研究貨幣政策超調問題，王立勇等(2010)以M2、各項貸款及存款基準利率作為代理變量來研究貨幣政策的非對稱效應。

然而，在這些相關研究中，研究者只是先驗性地直接選擇某個或某些變量作為我國貨幣政策的代理變量，而沒有對其選擇依據和選擇標準做出充足的論證，這就很難排除主觀性的選擇偏差。如果一個變量不能有效地代表貨幣當局的政策立場，則利用該變量來研究其對實體經濟或金融市場的影響等問題，能說明的將僅僅是該變量的變動與經濟波動或金融運行的關系，而非“貨幣政策”本身對實體經濟或金融市場的影響。

可見，選擇一個有效的貨幣政策代理變量是進行貨幣政策相關研究的前提和基礎。而關于貨幣政策代理變量的選擇標準問題在國內尚缺乏深入的研究，對我國最優(yōu)貨幣政策代理變量的選取問題尚沒有取得一致的結論?；诖耍疚膹呢泿耪邔嶓w經濟變量的響應和傳導兩個角度來研究最優(yōu)貨幣政策代理變量的識別問題，并對我國6個主要政策變量進行實證分析，以期識別出我國最優(yōu)的貨幣政策代理變量。

一、文獻綜述

關于貨幣政策立場的衡量，Bernanke和Blinder(1992)最先利用SVAR模型從貨幣政策對實體經濟變動的響應和傳導這兩個角度來進行研究。該研究認為，一個能夠有效衡量貨幣政策立場的變量需要同時滿足兩個條件：首先，該變量能夠對實體經濟沖擊做出及時的響應，這說明該變量是貨幣當局調控經濟時盯住的目標變量；其次，該變量的變動能夠對實體經濟產生有效的影響，這說明利用該變量來調控經濟是有效的。在這一理論框架下，Bernanke等對比研究了M1、M2、聯邦基金利率、三個月期美國國債收益率以及十年期美國國債收益率等5個變量在衡量美國貨幣政策立場時的相對效力，結果表明聯邦基金利率包含了最多的貨幣政策信息。

國內尚缺乏關于貨幣政策代理變量識別的直接研究，相似的研究主要包括兩類，即僅從貨幣政策的“響應”角度來研究我國貨幣政策的反應函數，以及僅從貨幣政策的“傳導”角度來研究我國貨幣政策的傳導效果。

關于貨幣政策的“響應”問題，主要集中在對泰勒規(guī)則和麥卡勒姆規(guī)則的研究。前者如陳創(chuàng)練等(2016)利用泰勒規(guī)則來研究同業(yè)拆借利率對通脹及產出沖擊的響應；后者如吳吉林等(2015)利用麥卡勒姆規(guī)則來研究基礎貨幣和M2等對產出及通脹沖擊的響應；此外還有莊子罐等(2016)利用DSGE模型對比分析了兩類規(guī)則的選擇問題。這些研究的理論基礎是：如果某個政策性變量能夠隨著通脹或產出的變動而相應地變動，則該變量即是人民銀行盯住的目標變量。然而，僅從“響應”這一單一視角進行研究顯然具有一定的局限性：例如，以銀行間市場利率為代表的價格型變量對通脹沖擊的響應，可能是“費雪效應”的體現，從而是市場自發(fā)行為導致的結果，而非中央銀行政策操作的體現。

第二類單一視角的研究是關于貨幣政策的“傳導”問題，具體研究成果已如引言中所述。這類研究往往直接選取某個或某些變量來代理我國的貨幣政策，并用之進行實證或理論分析，而沒有對其選擇依據進行論證。

此外，還有同時從貨幣政策的傳導效果及變量可控性這兩個方面進行研究的文獻。盛松成、吳培新(2008)利用VAR模型研究了我國貨幣政策的中介目標及傳導機制。該文獻選用的政策變量較少，僅包括M2和信貸規(guī)模；并且其實證分析過于簡單，僅僅進行了格蘭杰因果檢驗，而沒有進行作為VAR模型核心的IRF分析①。盛松成和謝潔玉(2016)利用SVAR模型分析了M2、新增人民幣貸款及社會融資規(guī)模增量在貨幣政策傳導中的作用，該文獻在實證分析中使用的顯著性水平為0.317，這嚴重降低了其實證結果的可信性；并且其中的信貸量及社會融資規(guī)模均采用流量概念，這與貨幣數量方程存在明顯的矛盾；因此其研究結論尚待進一步的檢驗?？傊?，這類關于貨幣政策中介目標的研究，其假設前提是這些變量已經是中央銀行貨幣政策操作所盯住的目標變量，而沒有從“響應”角度來對這一前提假設進行驗證，這顯然也是不嚴謹的。

基于上述的研究成果及其存在的不足，本文在國內的研究中首次從貨幣政策的響應和傳導兩個方面來研究我國貨幣政策代理變量的識別問題。具體而言，本文在Bernanke等(1992)以及Bernanke and Mihov(1998)的理論模型的基礎上，結合我國的具體情況，利用2007年1月至2018年12月的月度數據，對6個數量型及價格型貨幣政策變量進行全面的實證分析，以期識別出我國最優(yōu)的貨幣政策代理變量。

二、理論模型

一個“有效”的貨幣政策代理變量需要同時滿足響應和傳導這兩個條件②。首先，當我們利用某個變量來代表貨幣當局的政策意圖時，其首要的假設前提是該變量即是中央銀行盯住的目標變量，即中央銀行會根據實體經濟的變動情況，隨時調節(jié)該目標變量進行應對，這關系到中央銀行的貨幣政策響應機制或反應規(guī)則。其次，這一目標變量的變動必須在某種程度上對實體經濟產生影響，中央銀行不會長期盯住一個無效的目標變量來調控經濟，這關系到貨幣政策傳導的有效性。

基于這一理論框架，本節(jié)構建包含實體經濟變量和貨幣政策代理變量的結構向量自回歸(SVAR)模型，用于衡量貨幣政策對實體經濟沖擊的響應模式與傳導效果。

(一)模型設定

為了衡量貨幣政策變動對實體經濟的結構性影響，以及實體經濟變動對中央銀行貨幣政策制定的影響，假設各經濟變量之間的關系可由如下模型表示：

(1)

(2)

其中標量p表示某個貨幣政策代理變量，可以是各個數量型或價格型政策變量。向量Y代表非政策性變量，主要包括各類產出變量、失業(yè)率和通貨膨脹率等。向量Bi、Di表示非政策性變量的滯后系數，標量ci、gi表示貨幣政策代理變量的滯后項系數。u與v是正交的擾動性因素，其中新息(innovation)u表示實體經濟沖擊，新息v表示貨幣政策沖擊。

VAR系統(tǒng)內的所有變量都被視為內生變量，因此系統(tǒng)內各個方程是同時進行估計的。在對該系統(tǒng)進行估計之后，還可以分別探討其經濟意義。我們可以將方程(1)視作貨幣政策傳導函數(monetary-policy transmission function)，它描述了貨幣政策變量(p)的變動對實體經濟變量(Y)的影響，即貨幣政策的傳導過程。將方程(2)視作貨幣政策響應函數(monetary-policy reaction function)，它描述了實體經濟沖擊(Y的變動)對央行貨幣政策操作(p)的影響，或者說，央行根據不同的實體經濟沖擊而采取的貨幣政策操作反應。本文以此區(qū)分為基礎，分別探討貨幣政策的傳導過程以及央行貨幣政策的響應過程。

由方程(1)(2)組成的系統(tǒng)是一個非約束型的向量自回歸模型，由于允許Y與p可以存在同期的相互影響，因此是不可識別的。根據Bernanke等(1992) 以及Bernanke等 (1998) 的設定，通過對上述VAR系統(tǒng)施加兩種類型的限制，可以使其變得可識別。

第一種識別約束，是假設當期的經濟形勢不會對當期的貨幣政策變量產生影響。由于統(tǒng)計數據信息時滯的存在，如果利用月度數據進行回歸，則該假設是合理的?；诖耍罘匠?2)中的D0=0，并將之代入方程(1)，得到可識別的標準VAR系統(tǒng)：

(3)

(4)

第二種識別約束，是假設當期的貨幣政策沖擊不會影響當期的宏觀經濟變量。這一假設是考慮到貨幣政策傳導時滯的存在，在利用月度數據進行回歸時，這一假設在一定程度上也是合理的。令方程(1)中的c0=0，并將之代入方程(2)，VAR系統(tǒng)變?yōu)榭勺R別的模型：

(5)

(6)

在第一種識別約束下，貨幣政策的當期沖擊(新息vt)進入到實體經濟變量Y的方程中，而貨幣政策變量不受當期實體經濟沖擊(新息ut)的影響，因此貨幣政策變量(p)處于第一次序(first in ordering)。與此相反，在第二種約束條件下，實體經濟變量Y的當期沖擊(新息ut)進入到貨幣政策變量的方程中，而實體經濟變量不受當期貨幣政策沖擊(新息vt)的影響，因此貨幣政策變量(p)處于最后次序(last in ordering)。兩種約束條件都能對原VAR系統(tǒng)進行識別。在后文的實證分析中，我們會綜合利用這兩種約束條件，并對其進行假設檢驗。

(二)變量設定

《中國人民銀行法》明確規(guī)定，我國貨幣政策目標是“保持貨幣幣值穩(wěn)定，并以此促進經濟增長”。因此，在本文的研究中，非政策性變量(向量Y)由通貨膨脹率與實際經濟產出兩個變量組成。具體而言，我們用CPI來衡量通貨膨脹，利用實際工業(yè)增加值來衡量實際經濟產出。

貨幣政策代理變量(標量p)則主要包括兩類變量：數量型變量和價格型變量。本文全面考察了中國人民銀行可以控制或影響的各類數量型與價格型變量對實體經濟的傳導及響應情況。其中的數量型變量包括：剔除法定存款準備金率變動影響后的基礎貨幣，M2以及人民幣貸款規(guī)模。價格型變量包括：SHIBOR，央行票據收益率以及國債收益率③。此外還有兩點需要說明：第一，本文沒有包括社會融資規(guī)模這一變量，其原因是人民銀行僅公布了該指標在2016年之后的月度“存量”數據。由于時間序列過短，并且數據的發(fā)布為“初步統(tǒng)計數”，因此進行相關學術研究的時機尚不成熟，并且相關文獻中也很少使用該指標作為貨幣政策的代理變量。第二，實證分析中我們同時使用了全國銀行間同業(yè)拆借利率這一指標，由于其與SHIBOR的走勢基本一致，因此實證結果基本相同，所以文中沒有報告與其相關的實證結果。

Sims(1980)的研究表明，如果在上述SVAR系統(tǒng)中同時包括兩個或兩個以上的貨幣政策變量，則各政策變量會削弱彼此的解釋效力(predictive power)。例如，如果在一個包括通貨膨脹率、實際產出及基礎貨幣(B)的SVAR系統(tǒng)中，同時加入某名義利率變量(以SHIBOR為例)，則B與SHIBOR的解釋能力都會被削弱。這是因為，如果B的變動能夠導致SHIBOR的變動，而SHIBOR的變動又會導致通脹及產出的變動，則B對通脹及產出的解釋效力就會因SHIBOR的存在而被削弱；同理，此時SHIBOR的解釋效力也會因B的存在而被削弱。因此，在本文的SVAR系統(tǒng)中，每個模型中只包括一個貨幣政策代理變量。

在變量的具體設定上，對于數量型貨幣政策變量的回歸模型，本文按照馬勇等(2014)的做法，利用H-P濾波(Hodrick-Prescott filter)技術得到各變量對其“潛在”趨勢的偏離值，并以這些“缺口”值作為回歸變量。這一做法是根據相機抉擇的貨幣政策操作框架：貨幣政策的作用并非是為了使增長率達到某一水平，而是要對經濟進行適時的“微調”，以“熨平”經濟的周期性波動。在該框架下，貨幣政策試圖把經濟增長穩(wěn)定在潛在增長率附近，以達到穩(wěn)定物價的目的。最后，在利用各利率指標作為貨幣政策代理變量時，為了保持變量間的一致性，我們利用物價及產出的月度環(huán)比增長率來進行回歸分析。

三、數據處理

本文的樣本區(qū)間為2007年1月至2018年12月④，數據頻率為月度，共包括144個月的數據。所有數據均來自CEIC中國經濟數據庫。

(一)對基礎貨幣進行調整，以剔除法定存款準備金率變動的影響

本文使用的原始基礎貨幣數據由人民銀行資產負債表中的“貨幣發(fā)行”及“其他存款性公司存款”構成⑤。本文樣本區(qū)間內我國的法定存款準備金率變動頻繁，在基礎貨幣總量不變的情況下，當法定存款準備金率提高時，因此而凍結的基礎貨幣將不能發(fā)揮存款創(chuàng)造的功能，當法定存款準備金率降低時實際上釋放出了更多的準備金用于存款創(chuàng)造。因此有必要對基礎貨幣進行調整，以消除法定存款準備金率變動對其的影響。

根據黃燕芬(2006)的做法，并考慮到我國實行的滯后時點準備金計提制度，我們運用H-J. Jarchow(1990)的調整公式對基礎貨幣進行調整：

(7)

圖1 基礎貨幣及其調整(資料來源：中國人民銀行、CEIC)

(二)實際工業(yè)增加值的計算

就數據的可得性而言，國家統(tǒng)計局公布了2006年11月份之前的月度名義工業(yè)增加值數據，以及2006年至2012年期間2月份當月同比增長率以及1-2月累計同比增長率，2013年后不再公布2月份當月同比增長率，而只公布1-2月累計同比增長率。其中，所有的增長率數據都是扣除價格因素后的實際增長率。

根據趙永亮和余道先(2015)的研究成果，以2005年各月名義工業(yè)增加值數據為基礎，利用按2005年工業(yè)生產者出廠價格指數(PPI)計算的定基指數對之進行縮減而得到實際值⑧，再根據工業(yè)增加值同比增速得出以后各期的實際值。其中，對于2013年之前的數據，首先根據工業(yè)增加值累計增長率計算1-2月份的累計實際工業(yè)增加值，再根據2月份當月同比增長率與1-2月份累計同比增長率的關系而計算出1月份和2月份的實際值。對于2013年之后的數據，由于2013年后官方不再公布2月份當月同比增速，則依據定基PPI縮減后的1、2 月份工業(yè)銷售產值的比例確定1、2 月份的實際工業(yè)增加值。圖2報告了計算而得的實際工業(yè)增加值序列及相應的季節(jié)調整后序列。

圖2 實際工業(yè)增加值月度序列(資料來源：CEIC)

(三)其他的數據處理

其他數據中，消費價格指數(CPI)是以2007年1月份為基期的定基指數，各種期限的月度SHIBOR數據是對日度數據按月求簡單算術平均值計算得來，銀行間市場國債收益率以及央行票據收益率數據的起始時間為2008年7月。

本文對除了利率數據外的全部數量型貨幣政策變量數據(基礎貨幣、M2等)、實際工業(yè)增加值數據、定基CPI數據等進行季節(jié)調整。具體季節(jié)調整方法為X-12-ARIMA技術，并考慮春節(jié)因素。春節(jié)模型及春節(jié)虛擬變量的具體賦值采用中國人民銀行統(tǒng)計調查司(2006)的模型設置。然后對季節(jié)調整后的數據取對數。對于以數量型指標為貨幣政策代理變量的SVAR模型，分別在各變量的對數值的基礎上直接進行H-P濾波處理(平滑參數λ=14400)，得到各變量對其潛在趨勢的偏離百分比。對于以利率指標作為貨幣政策變量的SVAR模型，則對實際工業(yè)增加值及價格指數的對數值取差分，得到月度環(huán)比增長率數據。

在進行SVAR回歸分析之前，對以上各變量的數據處理結果進行單位根檢驗，無論是利率數據、H-P濾波數據還是月度環(huán)比增長率數據都不存在單位根。

四、實證分析

(一)貨幣政策響應函數的實證分析

1．數量型貨幣政策代理變量的響應分析。以數量型指標作為貨幣政策代理變量的SVAR模型，可以表示為如下的緊縮形式：

A0Yt=A(L)Yt-1+ut

(8)

其中：

Yt是由數量型貨幣政策變量(p)、實際產出(y)及通貨膨脹(π)構成的向量。其中貨幣政策變量為以下變量中的一種：剔除法定存款準備金率變動影響的基礎貨幣(B，本文直接簡稱為“基礎貨幣”)，廣義貨幣(M2)，人民幣貸款規(guī)模(Loan)。產出以實際工業(yè)增加值衡量，通貨膨脹以CPI衡量。A0為各變量同期相關系數矩陣，A(L)為滯后算子矩陣，ut為結構化新息向量。

對于以基礎貨幣為貨幣政策代理變量的SVAR模型，其識別約束為：(1)如前文所述，由于信息時滯的存在，當期的經濟形勢不影響當期的貨幣政策操作，因此有a12=a13=0。(2)由于基礎貨幣的變動對實體經濟的傳導需要經歷存款創(chuàng)造及貸款利率變動等過程，所以當期的基礎貨幣變動也不影響當期的非政策變量，因此有a21=a31=0。(3)我們假定當期的通貨膨脹不影響當期的產出，即a23=0。做出這一假設的直觀原因是以生活資料價格(CPI)衡量的通脹應該難以影響到當期的工業(yè)產出；而且，我們在實證分析中也發(fā)現，短期內CPI對工業(yè)產出的影響是不顯著的。于是有約束矩陣：

(9)

對于以M2和Loan為貨幣政策代理變量的SVAR模型，上述的第二條約束條件可能不成立。其原因在于，基礎貨幣需要經過一段時間的存款擴張之后才能對實體經濟產生影響，而M2和Loan本身已經是貨幣擴張后的結果，能夠形成直接的購買力，因此有可能會對當期的經濟產生影響⑨。此時有約束矩陣：

(10)

矩陣(9)屬于過度識別約束，因此需要運用似然比過度識別檢驗(LR test)來檢驗其合理性。實證結果顯示，LR統(tǒng)計量取值為0.90，p值為0.64，不能拒絕識別約束有效的原假設。矩陣(10)屬于剛好識別約束，可以直接進行估計。

本文綜合考慮了5種信息準則(LR，FPE，AIC，SC，HQ)來確定SVAR模型的最佳滯后長度，然后觀察其脈沖響應函數(IRF)曲線⑩。本節(jié)研究貨幣政策的響應函數，因此單獨分析各政策變量對通脹及產出沖擊的脈沖響應函數；下一節(jié)研究貨幣政策的傳導函數，因此關于通貨膨脹與產出對貨幣政策沖擊的脈沖響應函數留待后文分析。

圖3 各數量型政策變量對產出和通脹沖擊的響應曲線

圖3列示了各數量型貨幣政策變量對產出沖擊及通貨膨脹沖擊的響應情況。由圖中所示的脈沖響應曲線可知，各數量型政策變量對產出或通脹沖擊的響應都是顯著的。從響應的方向來看，面對一單位標準差的產出沖擊或通貨膨脹沖擊，各數量型貨幣政策變量都會發(fā)生反方向變動；即產出或通脹的上升會導致貨幣政策的緊縮，產出或通脹的下降將導致貨幣政策的寬松。以各政策變量對產出沖擊的響應為例，基礎貨幣的響應速度最快，在第2期就開始對實體經濟的變動做出顯著的響應；而人民幣貸款余額和M2的響應速度稍慢，分別要滯后5期和7期后才開始變得顯著。

這些政策變量響應的滯后期長度與經濟理論基本一致：中央銀行可以直接控制基礎貨幣的投放，因此面對實體經濟的沖擊，人民銀行可以迅速變動基礎貨幣量；而人民幣貸款余額和M2的變動則需要經過一段時間的貨幣擴張之后才會發(fā)生。以滯后長度而言，與M2相比，人民幣貸款余額更快地變得顯著，這可能是因為在以間接融資主導的市場環(huán)境下，我國貨幣政策的傳導主要還是通過商業(yè)銀行的信貸供給發(fā)生作用。

一個值得注意的現象是，基礎貨幣對通脹沖擊的響應要稍微弱于其對產出沖擊的響應，而人民幣貸款余額和M2對通脹沖擊的響應卻明顯強于其對產出的響應。如圖3所示，面對一單位的產出沖擊及通脹沖擊，無論從響應的滯后時間、響應的力度還是顯著性等方面來看，基礎貨幣對產出沖擊的響應都要稍強于其對通脹沖擊的響應。然而，與對產出沖擊的響應相比，人民幣貸款余額和M2對通脹沖擊的響應的滯后期更短，響應力度更強，且表現出更高的顯著性。我們認為這是商業(yè)銀行的行為在起作用：在貸款利率存在行政管制的情況下，通貨膨脹的上升直接表現為實際利率的下降，此時商業(yè)銀行傾向于減少貸款的發(fā)放。這就導致了面對同樣力度的基礎貨幣變動，人民幣貸款余額和M2對通貨膨脹沖擊的響應更加迅速且強烈。這一發(fā)現也為本文結論中認為貨幣市場利率受商業(yè)銀行主導提供了一個間接的證據。

2．價格型貨幣政策代理變量的響應分析。以價格型指標作為貨幣政策代理變量的SVAR模型與式(8)形式相同，只不過將貨幣政策代理變量(p)換作以下的利率指標之一：SHIBOR，央行票據收益率或銀行間市場國債收益率。

價格型變量的SVAR模型的識別約束與人民幣貸款余額和M2的SVAR模型相同。原因是利率作為資金價格信號，其變動可能會影響到當期的通貨膨脹預期以及當期的銀行信貸投放。于是，其識別約束如上文中矩陣(10)所示。

關于利率期限的選擇，我們以3個月期的利率為基礎。根據李良松、柳永明(2009)的研究，期限大于3個月的SHIBOR的收益率波動性很小，交易很不活躍，其報價主觀性較強，所以本文從期限小于等于3個月的SHIBOR中選擇回歸變量。同時，期限小于等于1個月的SHIBOR多用于商業(yè)銀行的短期流動性管理，主導其變動的因素是商業(yè)銀行短期資金的余缺情況，對實體經濟的傳導效果可能較弱，所以本文選擇以3個月期的SHIBOR作為回歸變量?？紤]到可比性，央票收益率也以3個月期為基礎，而國債收益率則選擇期限最短的1年期收益率數據。

在對價格型政策變量的SVAR模型進行分析時，我們采取Bernanke等(1992)的做法，對各模型設置相同的滯后長度。這是由于金融市場能夠迅速出清，各類型利率的波動可以做到迅速同步，統(tǒng)一滯后長度有助于各變量回歸結果的比較分析。綜合考慮各模型的實際情況，本文將滯后長度統(tǒng)一設定為3。

如圖4所示，三個利率變量對產出沖擊及通貨膨脹沖擊的響應路徑大同小異。就脈沖響應曲線的方向而言，面對實際工業(yè)增加值或通貨膨脹率的變動，三個利率變量都出現同向變動，即產出或通脹的上升將導致利率的上升。不過，就顯著性而言，三個利率變量對產出沖擊的響應都不顯著；這意味著面對產出的沖擊，人民銀行并沒有系統(tǒng)性地影響利率以對之做出響應。而利率對通貨膨脹沖擊的響應是顯著的：在滯后大約3期之后，三個利率指標對通貨膨脹沖擊的響應開始變得顯著起來?？梢姡瑑r格型變量不能完全滿足貨幣政策代理變量的“響應”條件。

圖5 產出及通脹對各數量型政策變量沖擊的響應曲線

(二)貨幣政策傳導函數的實證分析

1．數量型貨幣政策代理變量的傳導分析。由于貨幣政策的傳導是一個漸進的過程，類似于“從量變到質變”的逐漸累積，因此本節(jié)研究相應的累積脈沖響應曲線。需要注意的是，對人民幣貸款余額和M2而言，圖中顯示的滯后長度并非指從貨幣政策執(zhí)行到實體經濟變動所經歷的時間，而是指從這兩個指標的變動到實體經濟變動所需要的時間。二者的差別在于，在人民幣貸款余額和M2變動之前，需要經歷從基礎貨幣的變動到這些寬口徑政策變量變動的貨幣擴張過程。

首先，分析數量型變量對產出變動的傳導過程。從圖5可知，產出對數量型政策變量沖擊的響應方向為正，即貨幣增速的上升將導致實際工業(yè)增加值增速的上升。就顯著性而言，除了基礎貨幣對產出的傳導效應不顯著之外，其余兩個政策變量對產出的傳導效果都在滯后若干期之后開始變得顯著。而基礎貨幣對產出的傳導效果不顯著，可能是因為SVAR模型的最優(yōu)滯后長度過短所致(基礎貨幣SVAR模型的最優(yōu)滯后長度為2)。從滯后期角度來看，M2在滯后一期之后就開始對產出形成顯著影響，而貸款余額則要在4期之后才會對產出造成顯著影響。

其次，觀察數量型變量對通貨膨脹變動的傳導過程。雖然通貨膨脹對各政策變量沖擊的響應方向都是合理的，即貨幣增速的上升將使通貨膨脹上升，但是只有人民幣貸款規(guī)模對通脹的影響是顯著的，而且要滯后12個月之后才開始變得顯著。綜合上述的實證結果，貨幣供給量在短期內主要影響產出，而只有長期里才會對通脹產生顯著影響。

圖6 產出及通脹對各價格型政策變量沖擊的響應曲線

2．價格型政策代理變量的傳導分析。圖6報告了各利率指標對產出及通脹的傳導效應。容易看出，利率變量的一個正的沖擊，將導致產出及通貨膨脹反方向變動，即利率上升將導致產出增長率與通貨膨脹率的下降。不過，只有產出對利率沖擊的響應是顯著的，通貨膨脹對利率的響應并不顯著?？梢?，價格型變量同樣不能完全滿足貨幣政策代理變量的“傳導”條件。

圖6中還顯示，在滯后大約7期之后，產出對利率沖擊的響應開始變得顯著。紀敏和張翔(2016)的研究表明，我國的短期市場利率能夠在一定程度上傳導至貸款利率。而貸款利率的變動又會影響信貸的供給和需求，最終對產出產生影響。可見，在產出調控方面，我國貨幣政策的利率傳導渠道是有效的。

(三)實證結果匯總及主要結論

1．結果匯總及主要結論。綜上，可將上述實證結果匯總如表1。

表1 各政策變量的實證結果總結

根據上述結果，可以得出如下重要結論：

第一，從貨幣政策響應函數的實證結果可知，數量型政策變量能夠同時對產出和通脹沖擊做出響應，而價格型變量僅對通脹沖擊做出響應，對產出沖擊的響應不顯著。可見，人民銀行主要盯住數量型變量進行貨幣政策操作，價格型變量處于次要地位。

第二，在各數量型政策變量中，人民幣貸款規(guī)模既能夠對產出沖擊和通脹沖擊做出顯著的響應，其變動又能夠對產出和通脹產生顯著的影響，因此同時滿足響應和傳導兩個條件，是我國最優(yōu)的貨幣政策代理變量。M2是次優(yōu)的代理變量，因為與貸款規(guī)模相比，其對通脹無顯著的影響。

第三，我們認為，剔除法定存款準備金率變動影響后的基礎貨幣也是一個較優(yōu)的貨幣政策代理變量。如前文所述，實證結果中基礎貨幣對產出及通脹的傳導效果不顯著，是因為模型最優(yōu)滯后長度過短所致。由于從基礎貨幣的變動到人民幣貸款規(guī)模的變動之間存在著一定的時滯，因此在衡量人民銀行當期的貨幣政策立場時，基礎貨幣是一個更優(yōu)的貨幣政策代理變量；當研究貨幣政策對實體經濟的影響時，人民幣貸款規(guī)模更優(yōu)。

2．關于價格型變量的討論。此外，還有幾個需要討論的問題。

首先，貨幣政策對實體經濟的響應和傳導是兩個相互聯系卻又需要嚴格區(qū)分的過程。前者研究的是貨幣當局面對實體經濟沖擊而采取的具體行動，因此關注的是中央銀行的行為策略；后者研究的是貨幣政策變量的變動能否對實體經濟產生顯著的影響，屬于貨幣政策的有效性問題。實證結果表明：一方面，價格型變量能夠對通脹沖擊做出響應，然而其對通脹沒有顯著的影響；這說明利率指標滿足響應性條件，卻不滿足傳導性條件。另一方面，價格型變量對產出沖擊無顯著的響應，但其變動卻能顯著影響產出的變動。這說明面對產出的沖擊，人民銀行沒有系統(tǒng)性地調控利率以做應對；但是無論何種因素主導了利率的變動，資金價格的這一變動最終確實影響到了產出的變動，即貨幣政策的利率傳導渠道是有效的。但是，只有同時滿足響應和傳導這兩個條件，才是一個有效的貨幣政策代理變量。

其次，我們認為利率對通貨膨脹沖擊的響應是由商業(yè)銀行的行為所主導的，而非人民銀行貨幣政策意圖的體現。第一，理論上，對中央銀行而言，“價”與“量”只能控制一個，尤其是不存在利率管制的貨幣市場，其利率水平是由商業(yè)銀行的交易行為自發(fā)決定的。央行一旦控制住貨幣供給量，資金價格便隨之決定，二者難以同時兼顧。第二，貨幣市場利率是在銀行間市場的交易中決定的，反映的是各金融機構短期資金的余缺情況。根據費雪定理，在實際利率不變的前提下，名義利率與通貨膨脹率會發(fā)生一比一的變動。因此，當發(fā)生通貨膨脹沖擊時，商業(yè)銀行會根據通脹率的變動來調整其出借資金的成本。在實證結果上，這就表現為利率對通脹沖擊的響應。第三，由實證結果可知，利率的變動對通貨膨脹無顯著的影響，人民銀行顯然不會長期盯住這個無效變量來調控經濟。最后，如果這一邏輯成立，那么這同時也能夠解釋為何利率沒有對產出沖擊做出系統(tǒng)性的響應：畢竟，產出的變動是中央銀行關注的目標，而商業(yè)銀行一般不會通過貨幣市場利率對之做出響應。

綜合以上兩點，我們認為，貨幣市場利率指標在目前尚不是一個合意的貨幣政策代理變量。

五、主要結論與政策啟示

本文在SVAR模型的基礎上，從貨幣政策對實體經濟沖擊的響應模式，以及貨幣政策對實體經濟的傳導效果兩個角度探討了最優(yōu)貨幣政策代理變量的識別問題，并利用2007年1月-2018年12月的月度數據，對我國6個數量型和價格型貨幣政策變量進行了實證分析。結果表明：(1)從貨幣政策對實體經濟沖擊的“響應”角度來看，數量型變量能夠對產出和通脹沖擊做出顯著的響應，因此仍然是人民銀行盯住的目標變量；而價格型變量對產出沖擊無顯著的響應。(2)從貨幣政策對實體經濟的“傳導”角度來看，數量型和價格型變量對產出均具有顯著影響，但在通脹治理方面，只有人民幣貸款規(guī)模對通脹的影響是顯著的，價格型變量對通脹不具有確定性的影響?？梢?，人民幣貸款規(guī)模同時滿足了“響應”和“傳導”這兩個識別條件，因此是我國最優(yōu)的貨幣政策代理變量。

長期以來，我國貨幣政策操作中盯住的目標變量主要是各個數量型指標。由于金融創(chuàng)新的不斷發(fā)展，傳統(tǒng)數量型變量的有效性逐漸受到質疑，貨幣政策操作從數量型向價格型的轉型勢在必行。因此，我國《“十三五”規(guī)劃綱要》明確提出，要“完善貨幣政策操作目標、調控框架和傳導機制，構建目標利率和利率走廊機制，推動貨幣政策由數量型為主向價格型為主轉變”。

本研究表明，我國貨幣政策的利率傳導渠道是有效的，說明貨幣政策向價格型調控的轉變存在一定的現實基礎。但應該看到，利率對產出的傳導存在較長的時滯，短期利率向長期利率的傳導仍存在較多的阻礙。因此，強化短期利率與貸款利率之間的聯動機制應該作為貨幣政策轉型的一個重要著力點。本研究還發(fā)現，貨幣政策對通貨膨脹的治理存在相當長的時滯，這凸顯出了管理通貨膨脹預期在通脹治理中的重要性。在價格型貨幣政策操作的框架下，貨幣當局能夠通過引導目標利率的變動，向市場迅速傳遞關于通脹治理的政策信息，進而有效影響公眾的通脹預期。可見，在通脹治理的有效性方面，貨幣政策向價格型調控的轉型同樣具有重要的實踐意義。

注釋：

① SVAR模型的核心在于脈沖響應函數(IRF)分析，格蘭杰因果檢驗只用來檢驗某一變量的滯后項是否應該放入另一變量的方程中。至于兩組變量之間的關系是否具有經濟意義，以及變量之間在時間向量上的相互響應路徑，都需要通過分析IRF來說明。

② 貨幣政策的代理變量與貨幣政策的中介目標是兩個不同的概念。首先，貨幣政策的代理變量用于代表貨幣政策立場，而中介目標只是貨幣政策傳導中的中間變量；其次，貨幣政策代理變量需要滿足響應和傳導兩個條件，而中介目標需要滿足可測性、可控性及相關性；最后，貨幣政策的中介目標可以作為貨幣政策代理變量，但后者并不局限于中介目標變量。例如Bernanke等(1998)的研究表明，聯邦基金利率是美國貨幣政策的有效代理變量，而這一變量不屬于貨幣政策的中介目標。

③ 本文沒有對存貸款利率變量進行回歸分析，原因有三：首先，在本文的樣本區(qū)間內，存貸款基準利率長期處于利率管制之中，變動頻率非常低，難以作為合格的VAR模型回歸變量；貸款基礎利率也存在類似情況。其次，我國從2008年12月開始公布的貸款加權平均利率屬于季度數據，也不能用作月度數據的回歸。最后，有些研究者利用商業(yè)銀行貸款對基準利率的上下浮占比來計算月度貸款加權平均利率，并用該指標進行回歸分析；但是這一指標的準確性較差，并帶有很強的主觀性，而且市場參與者觀察不到這一利率指標，無從據此進行經濟決策。

④ 2008年底我國開始實施極度寬松的貨幣政策(即所謂的“四萬億計劃”)，致使貨幣增速快速上升。有研究者在實證分析中選擇跳過這段時期或者分危機前后兩段時間來進行回歸分析。本文的樣本區(qū)間仍然覆蓋了這段時期，原因有二：首先，當時決策部門仍然是以產出和通脹的波動趨勢為依據來進行政策操作的，實體經濟發(fā)生劇烈波動，當然需要較大力度的政策刺激，因此貨幣政策操作框架并沒有發(fā)生變化，無須回避這段時期。其次，本文利用環(huán)比指標進行實證分析；雖然在同比意義上，貨幣增速經歷了12個月左右的高位徘徊，但是在環(huán)比意義上，高速增長只經歷了4個月，而且沒有表現出極端值的情形。

⑤ 由于2008年及2011年兩次變更統(tǒng)計口徑，為了保持與2011年以后口徑的統(tǒng)一，我們在計算基礎貨幣時不計入早期的“非金融性公司存款”及“其他金融性公司存款”。不過二者占比極低，不高于0.3%。

⑥ 從2008年9月起，人民銀行開始施行差別存款準備金率政策。本文用到的商業(yè)銀行整體的準備金率數據直接來自CEIC數據庫，該指標是對差別準備金率的加權平均。

⑦ 根據黃燕芬(2006)的做法，我們用M2減去人民銀行資產負債表中的“流通總現金”及“其他準備金存款”作為需交納準備金的存款類金融機構存款余額。

⑧ 選用2005年為計算基礎是因為在可獲得名義工業(yè)增加值數據的年份中(2006年之前)，2005年的PPI變動最小，而且國家統(tǒng)計局在2004 年以后才開始采用價格指數縮減法來計算工業(yè)增加值的可比增速。

⑨ 這也意味著，當期的M2和Loan不是當期貨幣政策意圖的反映，而是往期的基礎貨幣變動的滯后表現。所以，如果以這類寬口徑指標為貨幣政策代理變量，即使不存在信息時滯，當期的經濟形勢也不會影響當期的貨幣政策。

⑩ 篇幅限制，我們沒有列示出格蘭杰因果檢驗結果。格蘭杰因果檢驗用于確定某一變量的滯后項是否應該包括在另一變量的方程中，如果某變量不是引起另一變量的格蘭杰原因，則其滯后項的系數就會都不顯著，那么被解釋變量對其沖擊的響應也就都不顯著。因此，觀察脈沖響應曲線是否顯著就能判斷格蘭杰因果關系。