货币政策透明度的效果及VAR模型分析

本文主要研究货币政策透明度的政策效果问题，现就相关理论模型和计量模型介绍如下，同时对文中使用的指标和数据进行简要的介绍。

（一）理论模型

在构建框架模型前，本文设定如下的假设条件：

假设条件1：根据公共选择理论，央行也是具有理性行为的经济人，会最大化自身的目标函数。关于央行目标函数的设定，比较有代表性的是Barro和Gordon（1983）构建的一个包含通货膨胀和产出两个变量的央行政策目标函数［17］，公式表示如下：

其中U表示央行的目标效应函数，λ表示产出缺口占央行效用的权重，y表示实际产出，yn表示潜在产出，π表示通货膨胀。

还有一种目标函数的构建方法是将产出缺口和通胀水平加权求和相加，构造出了一种福利损失函数，央行的目标就是使社会福利损失函数最小，这也是目前研究货币政策透明度政策效果较为常见的方法。本文参照Woodford（2003）［18］、徐亚平（2006）［19］等人关于社会福利损失函数的定义，设定央行目标函数如下：

公式中V表示央行的政策目标（也即社会福利目标），E为期望因子，δ表示折算率，E（L）表示损失期望值，L表示福利损失，π表示实际通货膨胀率，π*表示最优通货膨胀率（或目标通货膨胀率），λ表示产出缺口占福利函数损失的权重，y表示实际产出，y*表示潜在产出，w表示由于政府干预导致的稳定产出高于潜在产出的部分^[3]，且w＞0（Rogoff，1985［20］）。由假设3可知，央行的政策目标函数由两部分组成：通货膨胀和产出，这也完全符合央行货币政策的惯例。

假设条件2：公众具有理性预期。理性预期下，公众可以依据获得的所有信息，做出在长期看来最为合理，同时又与理论模型最为一致的预期。以通货膨胀为例，理性预期可以表示如下：

其中表示t时刻的预期通货膨胀率，E为预期因子，It为当期获得的信息。

假设条件3：货币当局与公众之间存在着信息不对称，货币当局相较于公众在货币政策方面更具有信息优势。因此，央行在对产出扭曲w的信息上相对于公众非常具有优势，公众只能在预期基础上对w的值进行预测，必然存在一定的偏差，我们设偏差值为v，则公众获取的关于w值的预测和对产出的预测表示如下：

其中ye表示对于产出的预测，p表示公众对w的预测，v表示预测的偏差。因为公众具有理性预期，那么偏差v应该服从期望为0方差为的正态分布。在假设条件3下，很容易得出以下结论，透明度与预测的偏差是负相关的，也即透明度水平越高，预测偏差就会越小。这是很容易理解的，因为透明度水平越高，货币当局与公众之间的信息不对称程度就越小，当然预测的偏差肯定就越小。因此透明度与预测偏差之间的关系可以用公式表示如下：

其中，k表示比例系数，且k＞0，为预测偏差的方差，T表示货币政策透明度T＞0。

根据附加预期的卢卡斯供给曲线（Lucas，1975［21］），我们可以得到总供给的表达式，也即约束条件：

其中πe表示预期通货膨胀，b表示意外之外冲击造成的通胀对产出的影响程度，且b＞0，εt表示随机误差项。

根据公式（4）、公式（5）和公式（6），并结合w的定义，我们很容易能够得到公众对通货预期的表达式：

为了计算方便，我们对公式（2）的福利损失模型进行精简，忽略时间、跨期等因素。将公式（4）、公式（6）和公式（7）代入公式（2）中，求得福利损失最小化下通胀π和产出y的一阶条件：

其中，πf与yf表示均衡条件下的通货膨胀和产出水平。

将公式（8）代入期望的目标损失函数公式（2），并根据期望与方差之间的关系（盛骤，2001［22］）：

可得：

将公式（5）代入公式（10）

并对公式（11）求解关于透明度T的导数：

很显然公式（12）小于0，因此，货币政策透明度的提升有助于减少社会福利损失。下面我们求通货膨胀和产出的期望值。对公式（8）求期望，得到如下结果：

对公式（13）求解关于透明度T的偏导数可知，偏导数均为零，因此，货币政策透明度没有影响平均通货膨胀和平均产出。同时，根据公式（7）和公式（13），我们发现：

上式表明公众的预期是在长期平均来看是最为准确，同时又与使用模型最为一致的预期，符合理性预期的要求。然后，我们求均衡条件下通货膨胀与产出的波动，对公式（8）中的πf和yf求方差，得到如下公式：

将公式（5）代入公式（15），并对其求解关于透明度T的导数，可得：

从公式（16）可知，两个偏导数的值均小于0，这表明，随着透明度水平的提升，通货膨胀波动和产出波动均会降低，货币政策透明度有助于提升政策效果。

（二）计量模型

下面将介绍本文使用的计量模型。我们知道传统的计量回归方法是以经济理论为基础，需要经济数据满足很多的前提假设条件，但是在现实条件下，很多经济变量往往不能完全满足这些要求；同时一般的计量回归模型只是考察变量之间的静态关系，无法分析变量关系之间的动态变化；再加上很多的变量参数在回归中既可以作为内生变量也可以作为外生变量，传统计量方法也无法有效解决这个问题。基于传统计量方法存在的以上问题，Christopher Sims（1980）提出了一种向量自回归模型（简称VAR模型），该模型不以金融经济理论为基础，因而可以在很大程度上去添加其他的解释变量，并进行大规模的运算分析。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一，目前被广泛地运用于宏观经济变量的分析中。

VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归，在一个含有n个方程（被解释变量）的VAR模型中，每个被解释变量都对自身以及其他被解释变量的若干期滞后值回归。若令滞后阶数为k，变量个数为n，则VAR模型的一般形式可用下式表示：

其中，Zt表示由第t期观测值构成的n维列向量，Π为n*n系数矩阵，μ是由随机误差项构成的n维列向量，并且随机误差项μt（t＝1，2，…，n）为白噪音过程。

随机误差项满足：

虽然VAR模型在宏观经济分析中应用广泛，但是也存在很多缺陷。例如VAR模型一般假定估计系数在一定的区间内是固定不变的，但是经济结构、经济制度等的变化都会导致经济变量之间的相关关系出现变动。由于VAR模型固定系数的假定使得其无法反映这一变动，造成参数估计的偏差。为了克服这一问题，Cogley和Sargent（2001）将回归参数随时间变动的概念引入VAR模型中，提出了一种具有反映时变特征的VAR模型，也称为时变VAR模型（TVP－VAR）［24］，之后Cogley和Sargent（2005）［25］和Primiceri（2005）［26］又将协方差矩阵的变动加入TVP－VAR，构建了一种包含系数及协方差矩阵均具有时变特征的TVP－SV－VAR模型（TVP－SV－VAR，time-varying parameters vector autoregressive with stochastic volatility）。之后，Nakajima（2011）提出了该模型参数回归和脉冲分析的计算方法［27］，本文对TVP－SV－VAR模型及其参数回归等进行简要的介绍。

步骤1：构建时变参数模型。首先将可变系数逐步引入模型中：

其中C为可逆矩阵，表示如下：

步骤2：对公式方程进行平移和正交化处理，以进行各参数后验分布的估计。将公式（19）两边同时乘以C的逆矩阵C－1，将C矩阵调整至方程右侧。

其中：Ai＝C－1Πi，i＝1，…，s，上式是线性的，扰动项是已知方差的高斯分布，因而可以写成标准的线性高斯状态空间形式。参照Carter和Kohn（1994）的方法抽取斜率系数Xt，对向量A和Z进行向量正交化处理［28］，令α表示为A矩阵的行向量，同时令

Xt＝Ek⊗（zt－1，…，zt－s），其中⊗表示克罗内克积。则公式（20）重新表示为(www.xing528.com)

步骤3：赋予回归系数和参数时变特征，将静态VAR模型转变为包含时变性质的TVP－SV－VAR模型^[4]：

参照Primiceri（2005）的研究，设定

同时假定他们均服从如下的随机游走过程^[5]：

步骤4：对模型进行参数估计。由于时变参数VAR模型有大量待估参数需要估计，如果采用传统的估计方法进行估计计算量将会非常巨大，估计结果也不够准确和稳健。为了避免这一状况，在对TVP－SV－VAR模型进行估计时，我们采用基于贝叶斯估计的蒙特卡洛模拟方法（MCMC）。参照Omori等（2007）的研究［30］，本文采用MCMC方法的估计如下。首先给定观察数据y，设定α，c，p和w的初始值：

然后MCMC模拟将采用以下顺序进行抽样估计待估参数的系数：①从α｜c，p，Σα，z中抽取α；②从Σα｜α中抽取Σα；③从c｜α，p，Σc，z中抽取c；④从Σc｜c中抽取Σc；⑤从p｜α，c，Σp，z中抽取p；⑥从Σp｜p中抽取Σp。最后重复以上过程。通过一定次数的预烧（burn－in），逐步消除初始值设定的影响，并最终求得待估参数π（α，c，p，ω｜z）的后验分布和统计推断情况^[6]。

步骤5：分析结构化脉冲响应情况。

令，则φt的方差

对公式（20）进行迭代处理，可以得到无穷阶的移动向量平均值VMA（∞）表达式：

据此可得TVP－SV－VAR模型（22）的结构化脉冲响应函数为：

有鉴于时变系数向量自回归模型（TVP－SV－VAR）假定估计系数可变，能够反映时间序列的渐进变化趋势；同时还能够平滑模型系数，反映实证计量分析对建模的要求。本文即采用TVP－SV－VAR的建模方法考察货币政策透明度对于宏观经济波动影响和冲击的时变特征。

（三）指标选取

1.宏观波动指标

货币政策是否实现了预期的主要目标和任务是判断货币政策效果好坏最重要的标准。从各国的货币政策实践来看，货币政策最重要的目标包括物价稳定和经济增长。以我国为例，1995年颁布的《中国人民银行法》规定我国货币政策的首要目标是维持物价稳定，并在此基础之上实现经济增长。因此，分析我国货币政策的效果主要是考察物价变动和经济增长变动情况。Okun（1970）首先提出将通货膨胀率和失业率相加得到所谓的“痛苦指数”［31］，用以衡量宏观经济所处的状态，也可以衡量宏观政策的有效性。但是由于痛苦指数的计算过程过于简单，没有考虑到央行对通货膨胀率和经济增长率的权重，因此使用这个指标作为衡量货币政策的宏观效果是有问题的。另外虽然我国于1978年就开始公布年度的失业率数据，并于2003年第1季度开始公布季度的失业率数据，但是相比较目前国际上通用的调查统计失业率指标，我国公布的一般为城镇登记失业率，不包含农村失业情况^[7]，因此，在我国考察政策效果使用失业率数据是存在问题的。

据此，本文将参照公式（2）构建的福利损失函数，建立政策效果指数。该模型是目前测算央行社会福利最为常用的函数，本文即采用这个函数。但是不论是类似于公式（1）的政策效应函数，还是类似于公式（2）的福利损失函数，关键的问题是需要确定产出缺口波动占福利损失的比重即λ的取值。

关于权重的设置，Favero和Rovelli（2003）通过对美国1961—1998年宏观经济稳定性与美联储操作的分析，将1961—1979年产出缺口波动占福利损失的比重λ设为0.00153，1980—1998年的比重设为0.00125［32］。Ozlale（2003）通过构造损失函数，运用两步法分析了威廉·米勒、保罗·沃克尔和艾伦·格林斯潘担任美联储主席期间对于产出波动的权重赋值问题，认为权重赋值在0.0021～0.0037之间［33］。Dennis（2006）也考察了美联储在格林斯潘时期对于产出波动权重的设定问题，并将这一权重设为0.00294［34］。王美今和王少林（2013）通过对我国1998—2011年产出和通胀波动的实证分析，将权重设为0.0011［35］。Söderström等（2002）认为目前实证数据显示通货膨胀率的波动水平较低，而产出波动的水平较高，因此应该尽量对产出波动赋予更小的权重［36］。综合以上研究，同时考虑到中国的实际，我们采用王美今和王少林的研究，将产出波动的权重设为0.0011，最终构建了如下的宏观经济波动综合指数（Macroeconomic Volatility Composite Index，简写为MVC）：

mvc表示宏观经济波动综合指数。产出和通胀波动越小，货币政策效果越好，mvc的取值越小。我们选用居民消费价格指数CPI表征通货膨胀π，国内生产总值GDP表征产出。对于最优通货膨胀水平（或目标通胀水平），1995年我国开始在每年的政府工作报告中提出了具体的物价变动目标，并且一直持续至今，因此1995—2014年的通货膨胀目标数据我们选用政府工作报告中的数据。关于产出缺口的计算方法，我们参照了Stasavage（2003）［37］的定义：

关于潜在产出yf的计算，我们使用了Hodrick和Prescott（1980）提出的H－P滤波方法^[8]剔除实际GDP季节和周期性因素后获得［38］。经过测算我国2000年第1季度至2014年第4季度宏观经济波动综合指数状况如下所示：

图1　宏观经济波动（MVC）情况图

从第176页图1可以看出，我国的宏观经济在2003年第1季度至2005年第1季度、2007年第1季度至2009年第1季度、2010年第1季度至2012年第3季度出现三次明显的波动，其他时间波动幅度均较小。

2.政策透明度指标

目前关于货币政策透明度的评价大概分为以下四种：一是以Fry等（1998）为代表的调查问卷方法；二是以Eijffinger和Geraats（2002）为代表的指标体系方法［39］；三是以Haldane和Read（2000）为代表的市场反应方法［40］；四是以Kia A.和H.Patron（2004）为代表的动态指数方法［41］。其中前两种方法主要强调货币当局的信息披露，后两种方法主要强调公众对于信息的理解和反映。Blinder（2004）认为根据货币政策透明度的定义，应该将两者结合起来考察货币政策透明度状况［42］。本文以目前广泛使用的E－G指标体系方法和A－H动态指数法为基础，分别评价了我国货币政策透明度信息披露透明度和公众对信息理解透明度状况，并将两个评价结果进行加权，从而构建了货币政策透明度综合指数（Monetary Policy Transparency Composite Index，简写为MPT）。通过建立的评价方法，本文对我国2000年第1季度至2014年第4季度的我国货币政策透明度状况进行了评价，评价结果如下所示：

图2　我国货币政策透明度综合评价指数

从图2可以发现我国的货币政策透明度指数近年来不断上升，尤其是2002年加入国际货币基金组织数据公布通用系统GDDS和2015年加入数据披露特殊标准SDDS前后，货币政策透明度提升状况较为明显。同时由于受2007年美国次贷危机的影响，货币政策透明度出现了较为明显的波动。

3.政策操作指数

在研究货币政策对宏观经济波动的影响过程中，除了货币政策透明度外还有一个非常重要的变量——货币政策操作变量。为了体现货币政策操作对宏观经济波动的影响，我们选取货币供应量数据表征货币政策操作情况，以M2的同比增长率表示货币政策操作指数（MS）。

（四）数据说明

1.数据来源

为了计算货币政策透明度状况，我们使用了银行间7天同业拆借利率、银行间7天回购债券利率等数据。这些利率数据与货币供应量数据均来自CCER中国经济金融数据库，GDP（经济增长）、CPI（物价水平）、MS（货币供应）、通货膨胀目标制数据来源于Wind数据库。

我们对所有的季节性数据如CPI、GDP、MS等进行了季节调整，调整方法是采用了目前国际上通用的X－11调整方法。由于目前国家统计局只公布了月度CPI、MS数据，我们通过对月度CPI、MS数据进行季节调整后，进行加权平均得到了季度的CPI、MS数据。

2.数据描述

首先对样本数据进行统计性的描述，以观察各变量的数据特征，具体情况如表1所示：

表1　变量统计描述表

注：［］内为p值；变异系数＝标准差／均值；JB统计量在5%和1%显著水平下的临界值分别为5.99和9.21。

从第178页表1我们可以发现：一是MPT的变异系数最小，稳定性最高，而CMV的变异系数最大，稳定性也最差；二是三个变量均不属于对称分布，其中CMV和MS的偏度值大于0是右偏倚，MPT的偏度值小于0，属于左偏倚；三是从峰度值来看，CMV、MS和MPT的峰度值均大于3，较标准的正态分布更为陡峭；四是在5%的显著性水平下，各变量相伴概率值均大于设定的显著性水平，则接受原假设，样本服从正态分布。图3中给出了各变量的核密度图，清晰地表述了各变量的分布情况。

图3　各变量核密度分布图