金融危机后全球量化宽松政策效果研究

以上分析了美国量化宽松货币政策对失业率的影响以及制造业的影响，但相关走势分析还不足以说明其相互关系，因此，为了研究量化宽松对美国经济刺激的具体影响程度，将建立计量模型进行实证检验。

1.模型构建

国内外学者用向量自回归（VAR）方法来研究货币政策对经济系统的效应和执行效果已经相当普及。但针对同一个经济问题，选取不同时期或者不同跨度样本数据进行研究，其结论可能相差很大甚至是截然不同。这是因为经济变量之间的关系往往复杂多变，而VAR模型假定经济变量之间的关系是稳定且一成不变的。然而，这种假定在很大程度上不尽合理。因此，传统的VAR线性建模技术越来受到人们的质疑。李志辉、王连军（2010）[1]认为基于VAR模型的研究方法存在两方面的问题：一是VAR估计的系数为常数，这意味着假设前提是货币政策冲击的影响是一成不变的，但随着时间的推移，货币政策传导机制会随着经济体制、结构、金融工具和技术等方面的因素不断发生变化；二是传统VAR模型中假设政策冲击的方差是固定不变的常数，而当经济受到严重冲击时，其运行方式肯定会与常规方式不同，经济变量的方差波动性会随之发生变动。因此如果货币政策是跨时变动的，那么政策冲击自然会直接影响到信息的传导机制。

为解决传统VAR模型的不足，诸多学者开始探求非线性时间序列分析方法来解释经济现象。20世纪90年代以来，非线性时间序列分析工具开始得到广泛应用，其中平滑转换类方法，如门限VAR模型、马尔科夫转换VAR以及衍生方法应用较多，但此类方法较适合有扩张和收缩特性的经济变量，而不太适合分析经济变量的持续演变过程（陈宗义，2012）[2]。为了分析经济现象中存在突变点的现象，Gregory & Hansen（1996）[3]提出了内生结构突变方法，但是这并非是一种参数“时变性”分析工具。直到Primiceri（2005）[4]提出带有随机波动率的时变向量自回归，一种完全意义上的非线性时变分析方法才得以创立。此方法一出，立即引起了学者们的关注，广泛应用于宏观经济问题的研究中。TVP-VAR模型的系数、协方差矩阵都随时间变化，使我们能用一种灵活而稳健的方法捕捉内在经济结构的时变特征。

研究量化宽松货币政策经济刺激效应，在此采用时变向量自回归（timevarying parameter vector auto-regressive model，TVP-VAR）模型。对传统的结构VAR模型进行演化，在此基础上进行拓展，可以得到TVP-VAR模型。基本的结构VAR可定义为：

其中y t是k×1阶向量，A，F 1，…，F s是k×k阶系数矩阵。u t是k×1阶结构冲击（innovation）向量，假设这里，同时假定A为下三角矩阵，，重写（9-1）式推导VAR模型：

其中B t=A-1 F i，i=1，…，s。将B i中的行向量元素堆垛（stacking）纳入β（k 2s×1阶向量），并定义，⊗代表克罗内克内积（Kronecker product），模型进一步可写成：

现在假定（9-3）式中所有参数都是时变的，拓展到允许参数可以随着时间变化而变化且带有随机波动率的TVP-VAR模型：

可以看出，系数βt，参数A t和都已具有了时变性，有很多方式可以用来构建这些参数的变化过程。本书参考Primiceri（2005）的做法，设a t=（a 21，a 31，…，a k，k-1′）为下三角矩阵A t元素的堆叠向量（stacked vector），h t=（h 1h，…，h kt）且。为了使模型尽可能获得更多结构突变的信息，假定（9-4）式中的参数服从随机步游过程：

由于经济变量时间序列通常会表现出某种系数漂移或随机波动的特征，如果仅仅采用VAR模型来估计，则得到的估计结果往往是有偏的。TVPVAR则更符合经济事实，是完全意义上的时变参数模型，但其估计的难度也是相当大的，在此采用贝叶斯推断（Bayesian inference）来估计各参数的后验均值。因为通常使用贝叶斯方法对TVP-VAR进行参数估计具有更小的方差或平方误差，能得到更精确的估计结果。同时在大多数情况下后验分布的表达式非常复杂，以致无法得出未知的边际分布或即使得到边际分布也无法计算未知参数的均值与方差等统计量。将贝叶斯推断与马尔科夫—蒙特卡洛（Markov Chain Monte Carlo）模拟算法中的吉布斯抽样（Gibbs sampler）结合，TVP-VAR模型参数估计的难题便迎刃而解。参照Nakajima（2011）[5]的做法，首先令，并设ω的后验密度函数为π（ω）。给定数据y，然后对后验分布π（β，a，h，ω|y）进行抽样。具体的蒙特卡洛模拟算法如下：第一步，初始化β，a，h和ω；第二步，对抽样；第三步，对抽样；第四步，对抽样；第五步，对|a抽样；第六步，对抽样；第七步，对抽样；第八步，返回第二步。

2.变量选取与数据处理

选取货币供应量作为美联储货币政策变量，代表量化宽松货币政策的执行力度。同时，选取产出变量（实际GDP）和物价水平（通货膨胀率）作为货币政策作用的最终变量，代表经济刺激效应。本书选取货币总供应量、实际GDP和通货膨胀指数的月度样本数据构建一个三变量TVP-VAR模型，时间跨度为2000年1月至2013年9月[6]。其中，货币供给用广义货币供给M2代理。考虑到实际GDP数据月度值不予公布，在此采用月度工业实际增加值（real production of industry）作为替代变量。通货膨胀指数用环比核心消费者物价指数（Core CPI）[7]代表。考虑到数据的季节性问题，在此对货币总供应量、实际GDP和通货膨胀指数样本数据进行X-12调整，同时分别取对数，最后做差分处理，以得到原序列的增长率序列，分别记为M2、RPI和CCPI。M2来源于美联储网站，RPI数据来源于OECD统计数据库，CCPI来源于美国商务部网站。

在此首先使用ADF单位检验方法对时间序列进行单位根检验，检验结果如表9-1所示，M2和CCPI在1％的显著性水平上是平稳的，RPI在10％的显著性水平上平稳。

表9-1　M2、RPI和CCPI序列ADF单位根结果(https://www.xing528.com)

3.实证结果与解释

考虑到结构VAR为递归型，本书将变量矩阵y设定为（CCPI，PPI，M2）′，[8]并按照边际似然函数最大化准则[9]，VAR滞后值确定为2。为了简化，在此假定是对角矩阵。实践证明，相对于非对角矩阵，这种假定对结果不敏感。进一步，本文同样假定和也为对角矩阵。βt，a t随机游走和h t几何随机游走的假定，说明时变β，a，h参数属于正态分布，可以进一步假设时变系数先验分布为。协方差矩阵第i根对角线的先验分布，假定为Gamma（4，10-4）；还可以对初始条件宽泛地设定为，并且。为了计算后验估计，在此采取10 000次随机抽样，为保证模型的收敛性，舍去前1 000次抽样。

参数的后验均值、标准差、95％的置信区间、收敛诊断概率（convergencediagnostics，CD）和低效因子（inefficiency factors，Inef）具体如表9-2所示，其中，收敛诊断概率由Geweke（1992）[10]提出，用来检验马尔科夫链的收敛性、衡量MCMC算法生成后验估计有效性的指标，其值越大，表示估计越有效。而低效因子是衡量模型拟合效果的指标，其值越小，表示模型估计越有效。从估计结果来看，估计参数的收敛诊断概率在10％以上，低效因子也较小，说明两阶滞后的TVP-VAR模型估计效果较为理想。样本自相关系数、抽样路径和参数后验密度分布具体如图9-3所示。

表9-2　滞后两阶的TVP-VAR模型估计结果

传统的VAR在整个样本区间内脉冲响应函数都是一样的，不具有时变性。TVP-VAR模型能将随时间变化的脉冲函数估计出来，更符合经济现实情况。如图9-4所示，各变量受到滞后4个月、8个月和12个月对其他变量冲击而做出的反馈，具体如下。

图9-3　TVP-VAR模型参数估计结果

注：图中图形标题，其中，上面部分表示样本自相关系数，中间部分表示抽样路径，下面部分表示后验密度分布。

图9-4　TVP-VAR模型脉冲响应

首先，不管是2009年3月量化宽松货币政策实施前，还是实施后，广义货币供给M2对RPI（实际产出）冲击效应始终为负，冲击系数走势较平稳，振幅较小，4个月的冲击系数在0.028左右，8个月的冲击系数在-0.013左右，12个月的冲击系数在-0.002左右。量化宽松货币政策实施之后，冲击系数有一个明显的突变，有向正方向转变的趋势，但变化幅度很小，未能从实质上促使产出从负效应向正效应转变。这些证据表明，像美国这样市场经济相对发达的经济体，实施以货币供给为操作目标的货币政策，不仅无法收到实质性效果，而且会在一定程度上扰乱市场经济秩序而“毒害”经济。这也是美国经济学家弗里德曼（Milton Friedman）一直强调的“货币政策无效”观点，而应该实行“单一规则”的货币政策。同时，金融危机后，美联储实施非常规的量化宽松货币政策，虽然在一定程度上挽救了金融体系，但最终未能对实体经济复苏产生实质性提振。实体经济处于衰退边缘，美国的失业率自然高企不下。QE3、QE4的推出，也表明之前美联储量化宽松货币对经济的刺激效果有限。

其次，量化宽松货币政策实施时期，货币供给扩张对物价有比较显著的正影响。但在金融危机之前，货币供给增加对物价的正向冲击效应一路下降，直至金融危机全面爆发时下探为负。按照数量货币论的观点，货币供给增加必定推高物价甚至导致通货膨胀。关于这种现象的出现，其原因可能是金融危机之前，全球金融市场处于牛市，大量的虚拟资产和金融资产存量急剧增加，货币日益远离实物商品交易，而更多参与股票等金融商品的交易和作为一种财富储存手段。换言之，资本市场对货币有明显的分流作用。因此，货币虚拟化过程为M2与CCPI之间这种冲击递减现象提供了理论解释的可能性。次级房贷泡沫破灭之后，货币供给与物价的传导机制遭到破坏，由于货币供给不能及时传递到物价，使得货币供给和物价之间的传递存在短暂的负效应。金融危机后，美联储出台量化宽松货币政策，直接向市场输入流动性，修复了货币供给与物价之间堵塞的传导机制，货币供给对物价的冲击由负转正，在QE1结束时达到金融危机前的高点。但随着美联储输出流动性的减缓，这种冲击的强度又开始滑落，最后回落到一个较为稳定的水平。

再次，物价对货币供给时变性不明显，方向为正，与传统理论相符。物价对产出的冲击时变性同样不明显，但方向为负，与传统理论有较大出入。传统的菲利普斯曲线揭示了失业率与通胀率（价格变动率）之间存在负相关关系。换言之，物价上涨能促进就业，增加产出。考虑到美国是一个巨型消费经济体，很多消费品来自进口，物价上涨使得本币对内购买力下降，导致本币购买力较大部分向进口产品转移，从而降低了对国内产品的需求，引起产出下降。金融危机后，美国逐渐加速的“再工业化”以及美国政府对“制造业回归”的强力推动正在改变着全球制造业格局。美国制造业复兴，力争在保证国内就业的同时，在一定程度上也能通过扩大对国内消费品供给，消除物价对国内经济的影响程度。

最后，产出对货币供给的冲击系数在样本期内逐步变弱，方向为负，且在量化宽松货币政策前后稍微地“颤动”。可能的原因是，美国是一个负债率很高的国家，美国政府2012财年净负债水平高达16.1万亿美元。产出的增加势必会增加政府收入，回收经济体内过多的流动性，造成货币供应量有轻微的下降。而产出对物价的冲击却表现出非常强的时变性，从2000年开始，这种冲击一直变弱，由负转正，并在金融危机爆发前达到最高点。此后急剧下降至负值，但随着量化宽松货币政策的推出和经济环境逐渐复苏，冲击系数再次从负转为正。这说明产出对物价的冲击带有明显的顺周期性的特征，经济情况向好的时候，产出对物价有正的拉动作用，与传统理论基本相符。