基于 TVP-VAR 扩展模型的货币政策动态计量研究

The Dynamic Econometric Studies on Monetary Policy

Based on TVP-VAR Derived Model

作者姓名：易晓溦

专业名称：数量经济学
研究方向：金融计量分析
指导教师：陈守东 教授
学位类别：经济学博士
培养单位：商学院
论文答辩日期： 2015 年 06 月 06 日
授予学位日期： 2015 年 月 日

论文评阅人 答辩委员会组成

姓名 职称 工作单位 姓名 职称 工作单位
王维国 教授 东北财经大学 主席 朱平芳 研究员 上海社会科学院

朱平芳 研究员 上海社会科学院 委员 李雪松 研究员 中国社会科学院

赵国庆 教授 中国人民大学 刘金全 教授 吉林大学

唐绍祥 教授 宁波大学 庞晓波 教授 吉林大学

刘金全 教授 吉林大学 金成晓 教授 吉林大学

齐红倩 教授 吉林大学
 基于 TVP-VAR 扩展模型的货币政策动态计量研究

摘 要
货币政策作为政府宏观调控的重要组成部分，主要是通过调节法定存款准备金率、再
贴现率和公开市场操作三大常规货币政策工具，通过逆周期调控来维持一个国家或地区货
币市场的稳定，从而促进国民经济平稳、快速发展。2008 年由美国次贷危机所引发的金融
危机席卷全球，各国为了避免经济陷入衰退纷纷采取扩张性货币政策。由于受到零利率下
界约束，货币当局利用常规货币政策进行逆周期调控的边际效用递减，整个金融系统的信
用扩张功能 也逐渐丧失预期效果。出于不同动机货币当局普遍开始实施以“量化宽松”为
代表的非常规货币政策。为了消除该类货币政策溢出效应的影响，近年来我国货币当局也
开始主动频繁实施一系列非常规货币政策。常规货币政策和非常规货币政策实际经济效果
和搭配使用问题变得尤为重要。同时，本轮金融危机使得以往被奉为圭臬的“确保物价水
平稳定即可确保整个金融系统稳定的货币政策”理念已为各国政策监管部门所摈弃。资产
价格波动对货币市场和金融体系稳定性所产生的冲击使研究者们越来越关注资产价格波动
与货币政策的应对问题。随着中国资本市场的发展和金融结构的深化，资产价格与宏观经
济之间的关联耦合性增强，深入分析中国资产价格对宏观经济的影响和货币政策对资产价
格波动的应对策略无疑变得越来越迫切。此外，在新的金融环境下，物价水平的稳定仅仅
表现为金融稳定的必要非充分条件。货币当局需要从多角度、多层次来对金融状况进行宏
观审慎监管以达到维护整个货币市场和金融系统稳定的目的。这使得构建综合反映实际货
币市场运行状况的指标体系及识别金融状况稳定性变得迫在眉睫。本文正是基于以上现实
问题，在理论分析的基础上通过最新的计量方法进行了深入研究。
第一，第 2 章基于时变参数向量自回归（TVP-VAR）模型研究了货币供给冲击作用下
我国货币政策传导的动态响应机制。研究表明，货币供给冲击对我国货币政策传导机制的
影响表现出明显的非线性特征，TVP-VAR 模型能够很好刻画我国货币传导机制的时变特
征。伴随着时间的推移货币当局逐渐弱化货币政策调控的行政化干预，货币供给过程表现
为逐渐增强的产出缺口驱动特征。无论是基于时间维度还是基于时点维度考虑，随着金融
体制的逐步健全和完善，货币供给冲击作用下我国货币政策传导机制对政策工具的影响强
度逐渐增大而响应时间则逐渐缩短。增加货币供给量这种扩张性的货币政策在短期内具有
真实效应，能够显著的影响实际利率和产出水平，然而从长期来看对实际利率和产出水平
却缺乏永久性影响。
第二，第 3 章基于符号约束的时变参数向量自回归（S-TVP-VAR）模型研究了非常规
货币政策的有效性。研究结果表明，S-TVP-VAR 模型提高了模型的模拟估计效果。以总需
I
求冲击和总供给冲击为代表的整体宏观因子冲击是产出水平和物价水平波动的最主要冲击
源。总需求冲击对宏观经济的影响效果大于总供给冲击对宏观经济的影响效果。由脉冲响
应分析和方差分解过程可知，以利率冲击为代表的常规货币政策冲击对产出水平和物价水
平的冲击影响效果要大于以信号冲击和资产负债表冲击为代表的非常规货币政策冲击对产
出水平和物价水平的冲击影响效果，常规货币政策调控手段仍然是货币当局的优先选择。
比较分析非常规货币政策效果，资产负债表渠道相对于信号渠道而言对宏观经济的影响更
显著。2009 年以来，通过信号渠道和资产负债表渠道等非常规货币政策调节货币市场和宏
观经济走向的政策效果的影响力正随时间推移而逐渐增强。
第三，第 4 章基于含有潜在门限的时变参数向量自回归（LT-TVP-VAR）模型研究了
美国非常规货币政策冲击与中国货币市场和债券市场利率期限结构之间的动态关联。研究
结果表明，由于货币市场相对于债券市场而言具有更高的开放度和流动性，各利差对货币
市场利率期限结构的冲击影响要大于各利差对债券市场利率期限结构的冲击影响。对于货
币市场而言，无论是美国常规货币政策还是美国非常规货币政策，均使得我国货币市场的
短期利率水平下降、中期利率水平上升和长期利率水平下降；对于债券市场而言，无论是
美国常规货币政策还是美国非常规货币政策，均使得我国债券市场的短期利率水平上升、
中期利率水平下降和长期利率水平下降。无论是从有门限时各利差对货币市场利率期限结
构的脉冲响应结果考虑，还是从无门限时各利差对债券市场利率期限结构的脉冲响应结果
考虑，以潜在利差来衡量的美国非常规货币政策对我国金融市场利率期限结构变动的影响
要大于以名义利差来衡量的美国常规货币政策对我国金融市场利率期限结构变动的影响。
以名义利差来衡量的常规货币政策主要在金融危机前对中国的货币市场和债券市场的利率
期限结构的变动产生影响，而以潜在利差来衡量的非常规货币政策对中国的货币市场和债
券市场的利率期限结构的变动影响金融危机后才越发凸显出来。此外，中国货币市场和债
券市场的利率期限结构对该冲击的反应的敏感性还取决于美联储在各阶段所实施的前瞻指
引规则类型。
第四，第 5 章首先运用潜在门限因子（LTF）模型研究与我国有密切贸易和金融往来
国家的法定货币汇率波动的共同影响因素，然后借助由时变因子驱动的广义自回归计分
（GAS）模型研究了不同市场上人民币与关联货币汇率波动的时变相关性特征，最后利用
BEKK-MGARCH 模型对比研究了中国与关联国家货币政策联合干预情景下汇率协同波动
性和美国与关联国家货币政策联合干预情景下汇率协同波动效应。研究结果表明，虽然货
币汇率波动成因存在明显差异，但波动走势主要由全球性冲击因子、区域性冲击因子和异
质性冲击因子决定。从人民币与关联货币汇率波动的时变相关分析来看，2005 年以前人民
币与关联货币汇率波动的时变相关系数的波动幅度在要大于 2005 年以后人民币与关联货
币汇率波动的时变相关系数的波动幅度。2008 年金融危机的出现对该趋势产生了些许扰
II
动，2008-2009 年这段金融危机期间人民币与关联货币汇率波动的时变相关系数的波动幅
度和波动频率明显高于正常情景。无论相对于中国与关联国家货币政策联合干预情景，还
是美国与关联国家货币政策联合干预情景，货币政策的联合干预总体上均降低了人民币与
关联货币汇率波动的协同效应。美国货币政策冲击作为全球性冲击因子在维持汇率市场的
稳定方面发挥着基础性作用，而中国货币政策冲击更多的是作为区域性冲击因子在维持亚
洲市场上汇率稳定方面发挥着主导作用。
第五，第 6 章结合以上各章的细致分析所得到的结论，在综合考虑现实代表价值的基
础上选取一系列经济指标，基于时变参数因子增广向量自回归（TVP-FAVAR）模型构建了
中国金融状况指数。检验结果证实，该指数不仅能有效地反映我国货币市场运行状况，而
且它所表现出的较强预测能力值得将其纳入到制定货币政策的参考指标体系中。本文还从
货币市场稳定性的角度出发，利用分层狄利克雷混合过程的无限状态隐含马尔可夫区制
（MS-IHMM-HDPM）模型研究了金融状况指数的区制效应。实证结果表明,金融状况指数
在宏观经济运行的不同阶段均表现出明显的平稳性和稳定性特征，我国货币市场从总体上
来说并不存在很严重的系统性风险；然而金融状况在宏观经济运行的不同阶段期稳定性强
弱却存在显著差异，当经济运行环境处于金融危机中时我国货币市场面临的稳定性最弱。
本文进一步运用动态平均（DMA）模型研究了影响货币市场稳定性的冲击风险源。研究表
明，外汇储备、货币供给量、人民币汇率水平和房地产价格等资产价格因素越来越成为影
响货币市场稳定性的主要风险源。资产价格应该作为一个重要的参考指标纳入货币政策反
应函数。
通过以上前沿的宏观计量模型在时变情景下对我国货币政策执行效果的模拟和评估，
从封闭经济和开放经济角度深化了新的宏观经济环境下货币政策执行效果和操作规则的认
识。对于货币当局提高货币政策间协调配合能力、优化货币政策反应函数和执行逆周期操
作以抵消系统性金融风险具有明显的理论价值与现实意义。

关键词：
TVP-VAR 扩展模型，常规货币政策，非常规货币政策，货币市场稳定性

III
 The Dynamic Econometric Studies on Monetary Policy
Based on TVP-VAR Derived Model

Abstract
Monetary policy plays an important role in macroeconomic control through adjusting three
conventional monetary policy tools: the legal deposit reserve rate, rediscount rate and open
market operations. Monetary policy can maintain monetary market stability of a country or
region, through inverse cycle regulation, and then promote steady and rapid development of
national economy. The financial crisis triggered by subprime mortgage swept across the world in
2008. Consequently, expansionary monetary policies have been taken in all countries in order to
prevent from being mired in recession. Due to the limitation of zero lower bound, the marginal
utility of inverse cycle regulation by monetary authority was diminishing. So the credit
expansion function of the whole financial system also gradually lost the desired effect. For
various reasons, monetary authorities implemented unconventional monetary policy universally
represented by Quantitative Easing Monetary Policy. In order to eliminate the spillover effect of
conventional monetary policy, China’s monetary authority has also implement a series of
unconventional monetary policy frequently in recent years. The actual economic effect and tie-in
use of are becoming particularly important. In the meantime, the financial crisis made the
criterion “To ensure a stable price level can ensure the entire financial system stable” abandoned
by national regulators from all countries. Because asset price fluctuations have an impact on the
stability of money market and financial system, the researchers pay more attention to solving the
problems of asset price fluctuations and monetary policy. With the development of China's
capital market and the deepening of financial structure, the coupling relation between asset price
and macroeconomic are becoming stronger. In-depth analysis of the coping strategy to the
influence of Chinese asset prices on macro economy and monetary policy on asset prices
volatility will surely become more and more urgent. In addition, in the new financial
environment, the stability of price levels just the necessary instead of sufficient condition for
financial stability. In order to maintain the stability of money market and financial system, the
monetary authority should take a macro-prudential view of the financial sector from multiple
perspectives and multiple levels. This makes it imminent that building index system, which
reflects actual money market operation comprehensively, and identifying the financial stability.
Based on the above practical problems, this paper uses the latest econometric analytical methods

V
in the basis of theoretical analysis.
Chapter 2 uses a time-varying parameter vector autoregressive model (TVP-VAR) to
present an analysis of the dynamic transmission response mechanism under the impact of
monetary supply shocks for China’s monetary policy. It concludes that the effect of monetary
supply shocks on the monetary policy transmission mechanism in China shows an obvious
nonlinear feather. However, TVP-VAR model can describe the time-varying feather of the
monetary transmission mechanism in China. As time goes on, the monetary authority will
gradually weaken administrative interventions when regulating monetary policy, and monetary
supply will be driven by output gap instead. Along with China’s financial system improving and
perfecting, whether it is considered basing on a time-period dimension or a time-point dimension,
the influence of policy instruments on monetary policy transmission mechanism under monetary
supply impulse will gradually change, impact strength enhancing while response time decreasing.
The expansionary monetary policy of increasing money quantity has real effects in the short term,
which can significantly affect the real interest rate and the level of output. But in the long term, it
lacks a permanent impact on the real interest rate and the level of output.
Chapter 3 studies the effectiveness of unconventional monetary policy based on a
time-varying parameter vector autoregressive model with sign restriction (S-TVP-VAR). The
results show that the application of S-TVP-VAR improves the effect of simulation estimation. As
the representative of overall macro-factor shocks, aggregate supply and demand shocks are the
main impact source of the level of output and price. The impact of aggregate demand shock on
the macroeconomic is greater than that of aggregate supply shock. The analysis of impulse
response and variance decomposition shows that, the impact of interest rate shock as the
representative of conventional monetary policy shock on the level of output and price, is greater
than that of signal and balance sheet shock as the representative of unconventional monetary
policy shock. Conventional monetary policy continues to be the preferred means of the monetary
authority. Comparing the effects of unconventional monetary policies, balance sheet channel
relative to signal channel has more significant impact on macroeconomic. Since 2009, the
influence of unconventional monetary policies, like balance sheet channel and signal channel,
gradually increased on money market and macroeconomics trend over time.
Chapter 4 is based on LT-TVP-VAR（Time-Varying Parameter Vector Autoregressive Model
with Latent Threshold）. Such a model examines the dynamic linkage between the U.S.
unconventional monetary policy shock and the response of the term structure of interest rate
(TSIR) in China currency market and bond market. The result indicates spread exerts more
influence on TSIR on currency market than bond market，since currency market owns more
openness and liquidity than bond market. For Chinese currency market，no matter the U.S. shock
comes in a way as unconventional monetary policy or conventional monetary policy，they all
VI
bring similar impact on China’s currency market: short-term interest rates go down; middle-term
rates get up and long-term rates drop off. Furthermore, for Chinese bond market, whatever the
shock from U.S. come in terms as unconventional monetary policy or conventional monetary
policy，they all make short-term interest rates rise; middle-term and long-term rates fell in bond
market. TSIR’s impulse response can be examined in the light of latent threshold spread in
China’s Currency market or can be considered in the light of Single Spread on China’s bond
market. However, both markets show the unconventional monetary policy measured by latent
spread put more effects on the TSIR in China’s financial markets than those brought by
conventional monetary policy measured by nominal spread. Moreover, the reactive sensitivity of
China’s currency market and bond market also depends on which type of forward guidance
undertaken by Federal Reserve in each time period.The conventional monetary policy measured
by nominal spread affected TSIR in China’s currency market and bond market before the global
financial crisis, but, after financial crisis, the unconventional monetary policy measured by latent
spread put effects on the TSIR in China’s currency market and bond market are becoming
increasingly clear.
Chapter 5 uses the Latent Threshold Factor (LTF) model to study the common factors of the
national legal currency exchange rate fluctuations closed to China’s trade and finance. Then, by
using Generalized Autoregressive Score model (the GAS) driven by the time-varying factor, we
study the time-varying correlation characteristics of RMB and currency exchange rate
fluctuations associated with RMB in different markets. Finally, we use the BEKK-MGARCH
model to compare the volatility synergistic effect of currency exchange rate between China and
the United States respectively with the associated fluctuations of the national currency under the
policy coordination joint intervention. The results show that, there are significant differences on
the causes of fluctuations in currency exchange rates, but the main impacts are the global trend
volatility factor, regional impact factor and idiosyncratic shocks factor. From the time-varying
correlation analysis on the exchange rate fluctuations between RMB and the associated currency,
we see that the volatility of the correlation coefficient of the currency exchange rate
fluctuations of them before 2005 is greater than after 2005.The 2008 financial crisis had
disturbed the trend, the volatility and fluctuation frequency of the correlation coefficient of the
currency exchange rate fluctuations of them during the 2008-2009 financial crisis is significantly
higher than in normal situations.The joint intervention in monetary policy in general decreased
the synergies associated with the RMB currency exchange rate fluctuations. The US monetary
policy shocks as a global impact factor plays a fundamental role in maintaining stability in the
exchange rate market, while the impact of China's monetary policy more as a regional impact
factor of stability in the exchange rate on the Asian market plays a leading role in the
maintenance.
VII
 Chapter 6 is the combination of the above chapter’s conclusions. Under the consideration of
the representative value based on reality, we selected a range of economic indicators and
constructed the China Financial Conditions Index by the Time-Varying Parameter
Factor-Augmented Vector Autoregressive Model (TVP-FAVAR).Test results confirmed that the
index can not only effectively reflect the health of the currency market, but it has also
demonstrated a strong ability to predict deserve to be included in the formulation of monetary
policy reference index system. From the perspective of money market stability, we used the
infinite hidden Markov switch model combined with hierarchical Dirichlet process mixture
model（MS-IHMM-HDPM）to study the regime effects of Financial Conditions Index. The
empirical results show that the financial conditions index at different stages of macroeconomic
had showed obvious smoothness and stability characteristics, and China's money market on the
whole does not exist the very serious systemic risk. However, the strengths of the different stages
of financial stability in the macroeconomic situation are significantly different. China’s currency
market faced the weakest stability during the financial crisis. Furthermore, we use Dynamic
Model Averaging model to study the risk sources that determine the money market stability. The
Studies showed that foreign exchange reserves, money supply, RMB exchange rate and asset
prices (such as the real estate prices) increasingly become the main risk sources that influence
the stability of money market. Asset price should be included into the monetary policy reaction
function as an important variable.
Based on the perspective of closed economy and open economy, simulation and evaluation
in the time varying sence of advanced macroeconometric model deepen understanding of
monetary policy operation rules and monetary policy implementation effect under the new macro
economic environment. It has significance theoretical value and contemporary relevance for the
monetary authority to improve the coordination ability of monetary policy, optimize monetary
policy reaction function and implement counter-cyclical operation in order to offsetting systemic
financial risk.

Keywords:
TVP-VAR Derived Model; Conventional Monetary Policy; Unconventional Monetary
Policy; Money Market Stability

VIII
 目 录

第1章 绪论 ................................................................................................................ 1
1.1 选题背景及研究意义 .................................................................................... 1
1.1.1 选题背景 ................................................................................................ 1
1.1.2 研究意义 ................................................................................................ 6
1.2 国内外研究现状评述 .................................................................................... 8
1.2.1 理论框架研究现状 ................................................................................ 8
1.2.2 计量模型研究现状 .............................................................................. 17
1.3 研究框架与研究方法 .................................................................................. 22
1.3.1 研究框架 .............................................................................................. 22
1.3.2 研究方法 .............................................................................................. 23
1.4 论文的结构安排与创新点 .......................................................................... 25
1.4.1 论文的结构安排 .................................................................................. 25
1.4.2 论文的创新点 ...................................................................................... 26
第2章 中国货币政策传导的动态响应机制研究 .................................................. 29
2.1 理论分析与模型设定 .................................................................................. 31
2.1.1 理论分析 .............................................................................................. 31
2.1.2 时变参数向量自回归模型 .................................................................. 33
2.2 数据说明与实证结果 .................................................................................. 43
2.2.1 数据说明 .............................................................................................. 43
2.2.2 平稳性检验 .......................................................................................... 44
2.2.3 模型估计结果 ...................................................................................... 46
2.3 模型效度分析 .............................................................................................. 48
2.3.1 模型显著性分析 .................................................................................. 48
2.3.2 脉冲响应分析 ...................................................................................... 49
2.4 本章小结 ...................................................................................................... 52
第3章 中国非常规货币政策传导渠道有效性研究 .............................................. 55
3.1 非常规货币政策的理论基础 ...................................................................... 55
3.1.1 非常规货币政策的内涵与实践 .......................................................... 55
3.1.2 非常规货币政策的传导机制 .............................................................. 57
3.1.3 非常规货币政策的有效性 .................................................................. 57
3.2 符号约束的 TVP-VAR 模型 ....................................................................... 58
3.2.1 TVP-VAR 模型设定 ............................................................................ 58

IX
 3.2.2 符号约束的识别 .................................................................................. 59
3.3 数据选择与模型估计 .................................................................................. 60
3.3.1 数据说明 .............................................................................................. 60
3.3.2 符号约束规则 ...................................................................................... 62
3.3.3 模型估计结果 ...................................................................................... 63
3.4 模型稳健性检验 .......................................................................................... 65
3.5 货币政策传导渠道有效性检验 .................................................................. 67
3.5.1 脉冲响应分析 ...................................................................................... 67
3.5.2 方差分解分析 ...................................................................................... 71
3.6 本章小结 ...................................................................................................... 72
第4章 外部非常规货币政策冲击下利率期限结构动态响应研究 ...................... 75
4.1 文献综述 ...................................................................................................... 76
4.2 模型方法与变量选取 .................................................................................. 78
4.2.1 包含潜在门限的时变参数向量自回归模型 ...................................... 78
4.2.2 影子利率期限结构模型 ...................................................................... 83
4.2.3 变量选取及处理 .................................................................................. 86
4.3 实证分析 ...................................................................................................... 88
4.3.1 影子利率趋势分析 .............................................................................. 88
4.3.2 模型估计结果 ...................................................................................... 88
4.4 美国非常规货币政策冲击下的中国利率期限结构 .................................. 90
4.4.1 不同时期的非常规货币政策对中国金融市场的影响 ...................... 90
4.4.2 不同前瞻指引规则对中国金融市场的影响 ...................................... 94
4.5 本章小结 ...................................................................................................... 96
第5章 货币政策干预下汇率协同波动效应研究 .................................................. 99
5.1 人民币国际化下的汇率形成机制 .............................................................. 99
5.1.1 人民币国际化与汇率稳定 .................................................................. 99
5.1.2 汇率协同波动的文献回顾 ................................................................ 102
5.2 理论模型与数据处理 ................................................................................ 104
5.2.1 潜在门限因子（LTF）模型 ............................................................. 104
5.2.2 LTF 模型的 MCMC 估计 .................................................................. 106
5.2.3 广义自回归计分（GAS）模型 ........................................................ 109
5.2.3 数据描述与处理 .................................................................................113
5.3 汇率协同波动的实证检验 .........................................................................113
5.3.1 共同因素驱动下的汇率波动 .............................................................113
5.3.2 共同因素驱动下的时变相关性分析 .................................................115

X
 5.3.3 货币政策联合干预有效性检验 .........................................................117
5.4 本章小结 .................................................................................................... 121
第6章 货币政策与货币市场稳定性研究 ............................................................ 123
6.1 研究方法与数据处理 ................................................................................ 125
6.1.1 时变参数的因子增广向量自回归模型 ............................................ 125
6.1.2 MS-IHMM-HDPM 模型 .................................................................... 130
6.1.3 动态平均模型 .................................................................................... 131
6.1.4 数据选取与处理 ................................................................................ 136
6.2 金融状况指数的效用检验 ........................................................................ 138
6.2.1 金融状况指数的估计 ........................................................................ 138
6.2.2 金融状况指数与通货膨胀的相关性分析 ........................................ 140
6.2.3 非线性 Granger 因果分析 ................................................................. 141
6.2.4 预测能力分析 .................................................................................... 142
6.3 金融状况指数的区制特征 ........................................................................ 143
6.3.1 金融状况指数的区制识别 ................................................................ 143
6.3.2 金融状况指数的区制效应 ................................................................ 146
6.4 货币市场稳定性的冲击风险源分析 ........................................................ 147
6.5 本章小结 .................................................................................................... 149
第7章 总结与展望 ................................................................................................ 151
7.1 研究总结 .................................................................................................... 151
7.2 研究不足与展望 ........................................................................................ 156
参考文献 .................................................................................................................... 157
中文参考文献 ..................................................................................................... 157
英文参考文献 ..................................................................................................... 162
攻读学位期间发表的学术论文及取得的科研成果 ................................................ 173
致 谢 .................................................................................................................... 175

XI
 第1章 绪论

第1章 绪论

1.1 选题背景及研究意义

1.1.1 选题背景

货币政策作为政府宏观调控的重要方面，经常与财政政策一起配合使用来影响一个国
家和地区的宏观经济波动，借助逆周期调节维持经济的平稳、快速发展。货币政策在狭义
上是指货币当局或中央银行为了促进经济增长、维持物价稳定、达到充分就业和实现国际
收支平衡而采取的调节货币供应量和信贷指标的方针和政策的总称，按货币政策传导渠道
可以分为信贷政策、利率政策和汇率政策。而货币政策在广义上指货币当局、中央银行和
监管机构颁布地所有与货币有关的制度、规定和采取地影响宏观经济变量的一切政策措施。
为了保证货币政策能够发挥实际的政策效果，一般需借助相应的货币政策工具，货币政策
工具的选择基本上就决定了货币政策的执行程度和执行效果的好坏。一般而言，货币政策
当局一般通过调整法定存款准备金率、再贴现率和公开市场操作三大货币政策工具来改变
货币市场上的货币供应量，以此来影响宏观经济动态。中央银行通过强制要求的方式将商
业银行吸储资金按一定比例留存于中央银行的专门法定存款准备金账户上的做法来调节货
币乘数。法定存款准备金制度作为一个完整的政策体系，它规定了中央银行对商业银行所
缴存的法定存款准备金的付息模式、付息利率、征缴方式和计提方式，规定了符合缴纳法
定存款准备金的金融机构类别和违反相应规则的惩罚。法定存款准备金政策由于操作自主、
效果迅速而具有明显的优点，但是由于该政策刚性较强和影响较大，直接对商业银行资金
流动性进行挑战和影响公众预期，在发达经济体中该政策工具已经较少被使用。再贴现政
策通过影响商业银行未到期票据的变现成本来约束商业银行的放贷行为，从而影响到市场
上的货币投放规模。相对于法定存款准备金政策而言，再贴现政策进行调控时更多的借助
市场化手段。虽然中央银行和货币当局拥有再贴现率的定价权利，但商业银行也拥有申请
票据再贴现的自主权，这也使得中央银行因为调节货币供给主动性出现流失而处于被动地
位。此外，由于再贴现利率的调整只能改变利率水平而不能改变利率期限结构，且再贴现
政策缺乏弹性，再贴现政策也不是一种非常理想的货币政策工具。公开市场操作由于中央
银行直接在公开市场上向指定交易商买卖有价证券以此影响商业银行的存款准备金和基础
货币规模，它一方面保证了中央银行具有操作程序上的自主性而能轻易控制操作规模，另
一方面小规模调节和大规模操作相结合所表现的政策灵活性能够通过政策的逆周期调节而
有效降低了政策失误。同时，在公开市场上直接买卖有价证券使得政策时效性显著。加之

1
 吉林大学博士学位论文

公开市场操作也不存在窗口指导效应，不会显著改变公众的预期，不会直接影响公开市场
操作参与者的收益水平，成熟经济体中越来越多的央行开始更多的采用公开市场操作来替
代法定存款准备金政策和再贴现政策。
1983 年 9 月国务院颁布《关于中国人民银行专门行使中央银行职能的决定》
，中国人
民银行开始专门行使中央银行职能，而不再办理工商信贷和储蓄业务，这确定了人民银行
在我国货币市场上监督者和管理者的地位。
在此后的 30 多年时间里，伴随着经济体制转轨、
产业结构调整转型、市场开放度增加和社会主义市场经济体制的确立，中国人民银行的货
币政策调控方式逐渐由直接调控转变为间接调控。相对于确定人民银行只行使中央银行职
能以来，1978 年到 1983 年间，对于货币信贷规模的调控主要通过国务院发文来贯彻执行，
该时期的货币政策执行特征是中央掌控货币发行与信用调控权利，实现高度集中统一的计
划管理。而随着人民银行正式开始履行中央银行职能，货币政策调控虽然仍然以直接调控
方式为主，运用指令性计划手段进行货币信贷总量控制，但也开始尝试使用其他货币政策
工具辅助政策的实施。1992 年邓小平发表南巡讲话，随后在 1992 年 10 月召开的中共十四
大上确立了社会主义市场经济体制，货币政策开始由直接调控向间接调控转变。为了治理
通货膨胀和实现国民经济的“软着陆”
，人民银行开始逐渐放弃信贷规模的管理而逐步采用
新的间接调控工具。1998 年后，由于受亚洲金融危机的影响，国内需求和国外产品出口均
受到抑制，我国的货币政策开始由“适度从紧”向“稳健”过渡。央行先后多次下调存贷
款利率，并且开始恢复公开市场操作，同时强调货币政策与财政政策的配合使用。从 1998
年到 2002 年这段时间内，人民银行开始初步实现了调控方式由直接调控向间接调控转变，
利率市场化和公开市场操作逐渐成为货币政策调控的主要手段。2003 年后我国国民经济进
入新一轮上升周期，固定资产投资迅速增加、货币信贷投放加速股票市场价格指数屡创新
高和基本消费品价格上涨标志着经济开始出现过热迹象。流动性的泛滥迫使中国人民银行
根据新局面、新形势迅速调整宏观经济政策，将从 1998 年以来持续多年的稳健的货币政策
调整为适度从紧甚至是从紧的货币政策。在这一时期的宏观调控方式中，货币当局更着眼
于数量型货币政策工具与价格型货币政策工具的综合效果，并强化各货币政策工具之间的
搭配与本外币之间的协调，同时能够审时度势的选择合适的政策工具进行政策的协调和引
导。市场化的政策主体调节地位得到了进一步显现。2008 年以后，由美国次贷危机最终引
发的金融危机进一步蔓延至全球各大经济体。面对出口需求锐减、失业率上升和产能过剩
的困境，我国开始实行积极的财政政策和适度宽松的货币政策。中国人民银行取消了对商
业银行信贷规划的指导性约束，商业银行能够自主决定贷款规模与审批进度。在密切关注
国内外经济形势的基础上适度开展公开市场操作，通过与短期正回购期限结构上的互补提
高流动性管理的针对性和灵活性。此外，中国人民银行还频繁地依据客观经济现实相机抉
择地调整存贷款基准利率和存款准备金率，试图通过货币政策工具间的搭配使用来保持金
2
 第1章 绪论

融市场的稳定。总体上而言，伴随着中国市场化进程的加速发展和中央银行在货币市场操
作经验的熟练，人民银行在数量型货币政策工具和价格型货币政策工具的选择中越来越倾
向于后者。利用市场化调节而非行政干预的政策倾向越来越显著，诸如调整法定存款准备
金、变动再贴现利率和公开市场操作等常规货币政策在中国人民银行的货币政策调控框架
中的地位越发凸显。
2008 年 9 月以雷曼兄弟的破产倒闭为标志，肇始于美国次贷危机所引发的全球金融系
统的动荡最终导致了自大萧条时代以来最严重的经济危机。面对流动性短缺的难题，各国
央行的一致反应是实施扩张性的货币政策，在通货膨胀制的货币政策目标指引下依据泰勒
规则央行的常规调控手段倾向于降低短期利率水平。然而，由于本世纪以来伴随着经济一
体化进程的加快而导致了世界整体经济局势在新千年出现了整体性经济增长，资本市场的
持续繁荣导致资本融资成本下降，世界的整体利率水平都处于低位。美国、欧盟和日本等
国的短期实际利率水平基本上处于零利率下界。接近于零利率下界的利率水平使得货币当
局利用常规货币政策进行逆周期调控的边际效用递减，整个金融系统的信用扩张功能也渐
至失去预期效果。现实经济情况的制约迫使各国央行转而借助一系列新的、有别于以往常
规货币政策手段来平滑利率期限结构，从而实现降低社会融资成本而刺激投资需求的目的。
这一系列新的、有别于以往常规货币政策我们称之为非常规货币政策。所谓非常规货币政
策是指货币当局通过政策沟通、引导和承诺来调整金融市场的利率期限结构以及通过改变
自身资产负债表的规模、结构和内容而达到稳定价格水平、降低系统性金融风险和促进经
济增长的非常态货币政策。非常规货币政策的雏形起源于大萧条时期，罗斯福新政在货币
政策上的举措——大幅降息使得美国的短期名义利率 1934 年初期甚至达到零利率水平，进
而导致美国经济进入 “零利率陷阱”
。鉴于此情景，美联储开始大规模购进黄金来拉升黄
金价格，黄金价格的相对上升迫使美元大幅度贬值。高价购买来的黄金基本上都以超额准
备金的形式存放在商业银行在美联储开设的存款准备金账户中。通过此操作美联储向市场
投放了大量的基础货币，为市场大规模注入流动性。该政策调控过程突出表现了货币当局
的政府主导地位，一定程度上也削弱了市场调控的力量。随着战后经济自由化思潮的蔓延，
诸如货币学派、理性预期学派和实际经济周期学派的崛起，经济理论界和实务界在相当长
的时期内被市场化理念所主导，经济政策更多的体现了市场调控的力量，因而非常规货币
政策调控手段在货币当局的货币政策调控框架里总是一直处于支配地位，长期以来很难引
起研究者们的注意。直到 2001 年日本政府推行以定量宽松为特征的量化宽松政策才出现了
真正意义上的非常规货币政策作为实际的货币政策来调控宏观经济。面对“广岛协议”后
日本经济长期低迷不振的困境，2001 年到 2006 年间，日本中央银行（Bank of Japan）除了
将银行间隔夜拆借利率下调至 0.001%的低利率水平外，还将中央银行存款准备金作为货币
政策操作目标来替代原来所使用的同业拆借利率，对于零利率政策的持续期和定量宽松政
3
 吉林大学博士学位论文

策的持续性进行承诺以引导公众预期。此外日本中央银行还适当主动延长资金供给工具的
到期时间。这一系列组合措施的出台降低了日本的长期国债利率，扩大了银行信贷规模和
促进了金融系统的稳定。基于量化宽松政策的前期经验,日本银行在 2008 年国际金融危机
爆发后,调整了货币政策的重心和操作工具, 2013 年 4 月，日本央行宣布了“量质并举的量
化宽松”
（QQME）计划，通过购买政府债券和私人资产的方式向货币市场以每年 60 到 70
万亿日元的速度增加货币总量，这也构成了“安倍经济学”的政策基石。2008 年 11 月底
为了提供市场流动性、稀释美元债务、增加就业岗位和扭转经济不景气预期，美国开始实
施第一轮量化宽松货币政策，截止 2010 年 3 月份美联储共购买 1.725 万亿美元资产。为替
政府分忧解难，2010 年 11 月启动的第二轮量化宽松货币政策计划在 2011 年第二季度以前
进一步收购 6000 亿美元的较长期美国国债。2012 年 9 月第三轮量化宽松货币政策开启，
美联储公开市场委员会（FOMC）指令纽约联邦储备银行在公开市场上以每月 400 亿美元
的额度购买抵押支持证券，延长所持有证券的到期期限，并把到期回笼资金再投资。同时
美联储还承诺将 0-0.25%超低利率的维持期限将延长到 2015 年中。2012 年 12 月月，美联
储宣布推出第四轮量化宽松货币政策，计划每月采购 450 亿美元国债以替代扭曲操作。四
轮量化宽松货币政策主要是通过影响企业的资产规模和商业票据、对非银行金融机构进行
贴现救助扶持，在美联储的资产负债表结构中资产支持证券等有价证券的比重相较于危机
前有了大幅提升，这明显与日本的“定量宽松”存在差异，Bernake 称自己的这套救市方
案为“信贷宽松”
。由于美国金融市场远较日本发达和市场结构也更趋复杂化，美联储在日
本央行的货币政策经验上推陈出新，对货币政策操作方法进行了更进一步的改进。一方面
对再贴现和公开市场操作进行进一步延伸，通过创设 PDCF 和 TSLF 来为一级市场交易商
提供流动性。另一方面从货币市场投资者和发行者的角度借助 AMLF、CPFF 和 MMIFF 补
充货币市场信用，以延缓信贷萎缩局面。此外，借助 TALF 和中长期证券购买计划扩展中
长期信用。经过一系列非常规货币政策操作，美国货币市场上 LIBOR-OIS 息差逐渐下降，
市场流动性短缺压力得到明显缓解。至 2014 年 10 月非农业部门失业率降至 7.9%，这一定
程度上促使美国联邦储备委员会于当月 29 日宣布结束资产购买计划，长达 6 年之久的“量
化宽松”政策将画上句号。对于欧洲中央银行（European Central Bank）而言，由于欧元是
区域内唯一合法货币，对于货币政策的调整长期以来都是欧洲各国政治博弈的结果，相对
于其它经济体而言，欧洲中央银行的货币政策以分离定律为指导使得操作更为谨慎。欧洲
中央银行应对“欧猪五国”为代表的欧债危机的非常规货币政策主要包括两轮长期再融资
操作（LTROs）
、担保证券购买计划（CBPP）
、证券市场计划（SMP）和货币直接交换（OMTs）
。
非常规货币政策操作虽然缓解了银行系统流动性紧张局面和降低了金融系统的尾部性风
险，但欧债危机由于整体经济形势偏弱而长期得不到有效改善。2014 年 6 月，欧洲中央银
行同时下调主要再融资利率和隔夜贷款利率，甚至将存款利率下调至-0.1%而进入负利率状
4
 第1章 绪论

态。为应对欧元区内持续的通货紧缩压力并促进经济复苏，2015 年 1 月 22 日，欧洲央行
启动全面量化宽松，宣布推出每月 600 亿欧元大规模国债与其他债券购买计划，该计划将
至少持续至 2016 年 9 月。对于同属于欧盟的英国而言，英格兰银行则分别在 2009 年、2011
年和 2012 年实施三轮总规模达到 3250 亿英镑的量化宽松货币政策。从 2013 年 7 月到 2015
年 1 月期间长期将基准利率维持在 0.5%的历史低点和保持 3750 亿英镑的进入资产购买规
模。基于中国货币市场的操作经验，中国人民银行行长周小川 2014 博鳌亚洲论坛上表示，
目前仍处于改革转型期的中国由于没有达到实施传统货币政策所必须具备的所有经济条
件，因而实际上中国的货币政策相对于很多其他国家而言一直是非传统的。特别是本轮经
济危机后，为了抵消世界经济衰退趋势的冲击，我国货币当局也先后运用了短期流动性调
节工具（SLO）
、常备借贷便利操作（SLF）、中期借贷便利操作（MLF）、抵押补充贷款（PSL）
、
定向降低准备金率等非常规货币政策手段来对宏观经济进行局部调控，非常规货币政策在
我国货币市场越来越频繁的被货币当局所采纳这一趋势在今后的一段时期已经成为一种
“新常态”
。此外，加拿大、澳大利亚和新西兰等一些国家出于本国实际也均在进入危机后
推行过一定规模的以量化宽松为代表的非常规货币政策。
货币市场是货币政策的实际经济执行效果最直接的“试验场”。对于货币市场概念的界
定目前尚无一致意见，一般意义上而言货币市场是指能够提供短期（通常是一年以内）资
金借贷和融通的市场。Stigum（1983）认为货币市场是由银行间同业拆借市场、短期债券
市场、票据回购市场和大额可转存单市场组成。Ross（2008）则认为货币市场也应将银行
信贷部门包括其中，同时由于汇率作为不同国家的货币之间的相对资产价格，因而即期外
汇市场本质上也属于开放经济条件下的货币市场。为了顺应我国的市场化改革和市场经济
结构的变化，本文所指代的货币市场是 Ross 所定义的广义概念的货币市场。随着经济金融
化、金融全球化发展，货币市场现在作为一类开放型的复杂系统，其内部结构层次多、参
与要素多、性质复杂、变量关系多、内部因果关系多样性且具有时间上或空间上的分离性
（滞后降）、强耦合性等特性决定了该系统往往是以非线性方式对外界作用起反应的。我国
的国民经济各部门长期以来采取的是分业经营和分部门监管的原则，各个子市场之间存在
明显的隔离和障碍。无论是常规货币政策变动还是非常规货币政策的变动均会显著地影响
公众的市场预期和货币市场的资产价格。对于封闭经济而言，可能会改变银行同业拆借市
场的利率期限结构和短期债券市场的资产价格。随着权责清晰后人民银行货币政策独立性
的逐渐增强，货币政策的调控也逐渐由先前的数量型调控手段向价格型调控手段的转向，
利率期限结构和资产价格与货币政策之间的关联日趋紧密。对于开放经济而言，扩张性或
紧缩性的货币政策可能会引起货币之间相对价格的变动。本国或他国货币政策的变动均会
通过利率效应和收入效应借助国际贸易以影响经常项目和资本项目的方式作用于汇率，这
使得汇率也在一定程度上反映了两国货币政策的溢出效应和相互影响。利率和汇率作为从
5
 吉林大学博士学位论文

不同角度表征我国货币政策效果的指标也越来越引起人们的注意。
长期以来，监管当局从微观审慎监管的角度出发，普遍认为只要严格保持单个金融机
构的稳定就能保持整个金融系统的稳定。由于市场经济结构的进化和市场化程度的稳步推
进，大多数成熟的经济体越来越倾向于使用通货膨胀目标制。降低通货膨胀率而使得物价
水平的稳定作为货币政策的最终目标长期以来一直是中央银行货币政策的焦点。监管者的
惯性思维认为物价水平的稳定就意味着整个金融体系和经济系统的稳定。本次金融危机的
爆发导致原有的“确保单个金融机构的稳定即可确保整个金融系统的稳定，确保物价水平
稳定即可确保整个金融系统稳定”的货币政策指导原则遭遇现实的挑战。货币的稳定仅仅
是金融稳定的充分条件而非必要条件。在全球经济缓慢复苏、全球金融体系持续调整的宏
观大背景前提下，“三期叠加”的现实困境导致目前中国经济仍然面临着较大的下行压力。
无论是从整体上还是局部上考虑中国宏观金融风险将有可能长期存在。在新的经济形势下
考虑资产价格波动对货币市场稳定性的影响，有效将资产价格的波动纳入货币政策规则而
对货币市场稳定和金融稳定进行预警，进而为宏观审慎监管提供现实指导依据成为一个亟
待解决的问题。

1.1.2 研究意义

货币政策作为货币当局通过调整货币市场上货币存量、调节存贷款利率水平的方式借
助相应货币政策传导渠道促进宏观经济平稳、健康发展的策略和手段，长期以来一直是各
国央行和学者们研究的热点问题。由于货币政策的实际政策效果受经济体制、市场结构、
市场化程度和央行独立性等因素的直接制约，这导致了各国央行执行货币政策时表现出明
显的政策偏向。选择货币政策框架时，一部分国家出于政策效果的可控性倾向于单目标制
的单一规则，而有些国家出于政策平衡角度则更倾向于相机抉择。选择货币政策策略时，
一部分市场化程度较低的国家倾向于货币供应量目标制，而一些市场化程度高度发达的国
家则更倾向于通货膨胀目标制。可以说货币政策的选择倾向问题是长期困扰货币当局的一
个难题。本次金融危机后对于货币政策的选择倾向问题则更多的表现为常规货币政策和非
常规货币政策的搭配使用问题，相对于常规货币政策而言，非常规货币政策纳入货币当局
的货币政策框架的时间还较短，监管者对该政策的实际政策效果还缺乏客观认识。本文从
现实市场经济运行现状出发，借助 TVP-VAR 模型的时变特性研究常规情况下货币政策的
传导效果和对宏观经济的影响。同时，借助符号约束 TVP-VAR 模型对结构冲击进行分解
研究常规货币政策和非常规货币政策效果。通过以上分析将很好地为我国的货币当局制定
今后的货币政策进行政策模拟和为政策预期效果提供保证，有助于减少政策执行过程中的
不确定性风险。
货币政策推行实施后，必然会对货币市场乃至整个的金融市场产生冲击，继而引发相

6
 第1章 绪论

应的连锁反应。而市场的结构具有阶段性特征，这导致同样的货币政策在同一时期的不同
国家间和同一国家的不同经济发展阶段由于市场结构的差异化和交易主体的异质化等方面
的原因而使得货币政策的实际效果会产生显著差异，这就需要政策决策者在制定货币政策
时对作用对象的市场结构有一个深刻的认识和了解。此外，随着经济全球化和金融结构一
体化的发展，在开放经济条件下对于无论是选择浮动汇率制还是选择固定汇率制的经济体
而言，本国或他国货币政策的调整都会对相应国家的利率和汇率产生冲击。本文以货币市
场上的利率水平和汇率水平这两种基础资产价格为研究对象，借助 LT-TVP-VAR 模型将处
于中心国家的美国非常规货币政策变动看做外部货币政策冲击来研究美国非常规货币政策
变动对中国利率期限结构的冲击响应。同时，借助 LTF 模型研究货币政策干预下与我国存
在紧密资本流动的经济体间的汇率联动效应。通过开放经济视角下货币政策的变动对我国
货币市场的子市场研究货币政策变动对于货币市场的动态影响有利于从货币市场结构的角
度调整市场暂时性变动出现的局部失衡，通过子市场间的动态协调来维持货币市场乃至整
个金融系统的稳定性。
对于货币政策效果而言，新古典宏观经济学和新凯恩斯主义经济学之间存在明显分歧。
理性预期学派在货币学派的基础上将理性预期引入经济系统而证实了货币短期中性。而实
际经济周期理论则进一步证明了货币政策不仅短期中性，而且货币政策在长期也是中性的，
即所谓的货币超中性，货币政策对实际产出水平无影响。而新凯恩斯主义者则在非市场出
清的角度以价格粘性为假设来证明了货币非中性，政府的经济政策会对产出和物价水平产
生影响。金融危机后，各主要经济体在原常规货币政策执行效果差强人意的困境下纷纷开
始采用非常规货币政策。无论是对于常规货币政策而言，还是对于非常规货币政策来说，
货币政策的实际效果都是各货币监管当局的关注点。同时，多年以来世界各货币当局在金
融监管实践中发现，货币市场稳定与金融稳定是货币政策的双重目标。货币市场稳定与金
融稳定政策之间一方面存在一致性，金融系统稳定具有准公共物品特征，社会经济生活的
正常运转需以金融稳定为前提。金融系统稳定性的现实表现为价格平稳、利率稳定和金融
市场次序井然等一系列指标，而货币政策的中长期目标一般包括通货膨胀率处于低位和价
格水平维持稳定，这表明金融稳定政策目标包含了货币政策目标，两者是统一的，货币市
场稳定是金融稳定的充分条件。本文从宏观审慎监管的角度出发，借助 TVP-FAVAR 模型
构建金融状况指数。同时，利用 DMA 模型研究了各时期金融状况稳定性的风险源的构成。
通过以上分析不仅有助于我国货币当局对货币市场稳定性进行监控和预警，还有助于货币
当局借助相应货币政策工具进行逆周期调控而削弱货币市场不稳定性风险源。
本文结合当今仍处于变化中的宏观经济环境对货币政策进行理论研究和实证研究的根
本意义在于，有助于我国货币当局结合不断发展变化宏观经济环境有效搭配使用常规货币
政策和非常规货币政策，在封闭经济情况下提高货币政策的执行效果；能够正确认识货币
7
 吉林大学博士学位论文

政策对利率水平、汇率水平这类基础资产价格的影响，有助于货币市场的各子市场的均衡
协调发展，通过对货币市场各经济指标的动态观测，在局部层面和整体层面提高整个系统
的稳定性，优化我国货币政策执行规则，为我国市场经济的平稳健康发展提供保障。

1.2 国内外研究现状评述

1.2.1 理论框架研究现状

（1）常规货币政策效果研究

货币政策产出效应是指中央银行依据相应货币政策指导原则借助可以利用的货币政策
手段和货币政策工具通过改变厂商、家户、和商业银行等金融中介的个体行为最终影响到
真实经济产出（如国内生产总值、通货膨胀率等）的过程。对于货币政策是否能真正的影
响到产出水平在宏观经济各学派之间存在明显争议。以萨伊（Say）为代表的古典学派认为
工资和价格的弹性为市场出清所提供的弹性机制使市场在长期处于均衡状态，货币政策只
能影响到短期产出和物价水平，而对市场缺乏长期影响。大萧条时期，资本主义社会陷入
危机。以凯恩斯（Keynes）为代表凯恩斯学派认为市场自身缺陷导致的非有效性使得社会
的实际产出低于潜在产出水平之下，政府扩张性货币政策干预有利于经济早日得到恢复和
发展。20 世纪 60 年代末，随着通胀高企与失业率居高不下的“滞胀”问题日益严重化对
凯恩斯主义提出质疑，以弗里德曼（Friedman）为首的货币主义学派从货币数量论角度出
发，将货币的角色推到至关重要的位置，认为货币供给量的变动是引起经济活动和物价水
平产生变动的唯一原因。以卢卡斯（Lucas）为代表的理性预期学派则从信息论的角度将理
性预期附加入个体行为，认为符合个体预期的货币政策无效而只有未预期到的货币政策才
有效。在货币主义学派和理性预期学派基础上发展起来的以巴罗（Barro）为代表的新古典
宏观经济学派则更进一步的发现货币政策不仅在短期内是中性的，而且在长期内也表现为
中性的特征，即货币超中性。费尔普斯（Phelps）为代表的新凯恩斯主义学派在借鉴新古
典宏观经济学派理性预期的基础上引进粘性工资和粘性价格的假定，当经济中出现供给冲
击或需求冲击等结构性冲击时工资和价格的粘性使市场出清变得不可行，决定总供给的理
性预期虽然能够减弱货币政策效果，但仍然不能完全抵消货币政策效果。总的来说，西方
各经济学派对货币政策产出效应的研究主要分为两派，凯恩斯学派、货币主义学派和新凯
恩斯主义学派认为货币政策能够影响实际产出水平，而古典学派、理性预期学派和新古典
宏观经济学派则从各自前提假设下出发论证了货币政策的无效性。近年来关于货币政策产
出效应的研究也主要集中在这两个方面。
我国学者对于货币政策效果的研究也是伴随着中国人民银行的中央银行职能的确立而
8
 第1章 绪论

逐渐深入研究的。总体而言，我国学者对于货币政策的效果持货币政策无效论、货币政策
弱有效论和货币政策强有效论三种观点。黄达（1997）认为在市场化初期阶段如果经济发
展如货币主义学派建议的那样仅仅靠货币供给这一经济指标杠杆进行调节会因过高估计货
币政策效果而导致政策失效。刘宪法（1999）结合亚洲金融危机时中国宏观经济的表现认
为，当中国经济陷入“流动性陷阱”时，央行的货币政策会失效。谢平（2000）认为货币
政策的多目标性会由于目标之间的对立性而使得货币政策无效。万解秋和徐涛（2001）依
据货币供给内生理论检验货币政策效果，实证结果表明伴随经济结构转型和市场的深化货
币供给内生化趋势日益增强，货币政策虽然有效但效果不显著。王航等（2003）认为金融
创新对各国货币当局实施的货币政策挑战，金融创新使得货币政策的有效性明显呈现弱化
趋势。范跃进和冯维江（2005）认为观察到的 CPI 指标与实际 CPI 指标之间的不一致性所
导致的货币政策实施时机与力度错位使得货币政策完全不能影响到核心通货膨胀而使政策
失效。常海滨和徐成贤（2007）从区域金融理论出发研究我国货币政策传导的区域有效性，
结果显示区域金融资源外流及金融结构失衡会造成货币政策传导区域性失效。曾刚（2008）
从货币政策传导机制角度出发，认为金融市场结构不完善、利率市场化改革不彻底和人民
币汇率形成机制存在缺陷削弱了我国货币政策执行效果，降低了货币政策的有效性。胡莹
和仲伟周（2010）通过建立货币政策冲击下的贷款市场一般均衡模型发现，当银行不能满
足资本充足率或存贷比约束时，货币政策的信贷渠道会呈现出无效性。王世杰和刘义圣
（2013）通过近年的宏观经济数据验证金融危机后我国所实施的货币政策有效性，结果显
示货币政策在维持经济增长稳定方面作用不显著，经济结构失衡的背景更是使得货币政策
整体上是无效的。白仲林等（2014）基于 SVARMA 模型模拟中国宏观经济政策的动态效
应，结果显示货币供给冲击对对实际产出的影响不明显。与以上的货币政策无效论相对应，
货币政策有效论也得到了大量国内学者的支持。戴有根（2000）依据 1998-2000 年财政政
策操作经验认为货币政策与财政政策的搭配使用是所取得最终良好政策效果的保证，货币
政策是明显有效的。范从来（2000）认为只要经济不陷入流动性陷阱，即使经济状况处于
通货紧缩时期，货币当局的货币政策还是明显有效的。李斌（2001）认为市场失灵和信息
非对称现象的存在即使在极端情景下，货币政策工具的效果也能从最终目标能够完全反映
出来，货币政策是完全有效的。刘金全（2002）从货币政策产出效果的非对称性出发，研
究发现货币政策在经济运行的不同阶段对于经济的促进作用和抑制作用存在明显差异，无
论经济处于扩张期还是收缩期货币政策均有效。赵进文和闵捷（2005）基于 LSTR 模型进
行央行货币政策操作效果的实证检验发现货币政策操作效果有效性较弱。谭旭东（2008）
基于政策时间不一致的角度发现，中国货币政策的有效性依赖于政策的可信性，规则明确、
透明度高和连贯性强的货币政策能够明显提高货币政策有效性。张雪兰和杨丹（2010）认
为改善货币政策传导机制所依赖的微观与宏观基础，强化货币政策与其他经济政策的协调
9
 吉林大学博士学位论文

配合能够有效提高货币政策的有效性。彭方平等（2012）认为货币政策的有效性取决于通
货膨胀预期状态，相比于高通货膨胀预期状态，低通货膨胀预期状态的货币政策效果越好。
马勇和陈雨露（2014）利用构建的开放经济下的新凯恩斯主义宏观经济模型验证了经济开
放度和货币政策有效性之间的关联，结果发现虽然经济开放度的提高降低了货币政策效果，
但货币政策对宏观经济的影响仍然表现的非常明显。

（2）非常规货币政策效果研究

相对于非常规货币政策的定义、非常规货币政策目标、非常规货币政策的传导机制这
方面的研究而言，由于非常规货币政策的实践经验较少，因而对于非常规货币政策效果的
研究由于时间滞后性和政策叠加性等原因而较少被研究。对于非常规货币政策效果的研究，
目前学者们主要是基于非常规货币政策传导渠道展开。非常规货币政策的传导渠道分为信
号渠道和资产负债表渠道。同时，依据中央银行的资产负债表的规模和结构来区分又可以
分为资产负债表规模渠道和资产负债表结构渠道。对于非常规货币政策的承诺效应而言，
Krugman 等（1998）认为，当市场的短期利率水平处于零利率下限时，货币当局所做出的
利率水平承诺如果市场预期又能够被公众所信赖，则该承诺所产生的信号效应将降低长期
利率水平，提高资产价格和刺激总需求。Reifschneider 和 Williams （2000）利用 FRB/US
模型研究处于零利率下界时宏观经济的稳定性，结果发现经济严重衰退期货币当局仅仅通
过公开市场操作很难使经济回归原均衡状态，此次需在遵循泰勒规则和零通货膨胀目标制
的前提假定下借助非常规货币政策才能增加产出水平。Fujiki 和 Shiratsuka （2002），
Fujiwara 等（2005)， Braun 和 Waki （2006）也基于与上类似的方法证实该现象也存在于
日本市场。Eggertsson（2004）在新凯恩斯主义政策框架下基于严格的前提假定证明即使对
于陷入流动性陷阱的经济体而言，央行出于扩张经济所作出的利率承诺能够刺激有效需求
和缓解通胀压力。Okina 和 Shiratsuka（2004）基于 1998 年 3 月到 2002 年 2 月期间日本银
行的零利率承诺来研究货币政策在此时间段内的政策持续期（Policy-duration）效应，结果
发现政策持续期效应在维持短期利率路径的市场预期上效果显著，长期收益率明显下降而
通胀预期上升，实际利率水平的下降有利于产出的增长。Bernanke 等（2004）运用事件分
析法研究中央银行的低利率承诺，结果发现低利率承诺的政策效果存在明显的国别差距，
美联储的低利率承诺显著影响到了美国货币市场上的利率水平，而日本银行的低利率承诺
在日本市场上基本没有影响。Gürkaynak 等（2005）运用高频事件分析法研究货币政策对
资产价格的冲击，结果发现代表 FOMC 声明的未来政策路径因子对长期国债收益率的冲
击影响更大。Swiston (2007) 发现当货币当局加强与市场参与者的沟通频率可以有效降低
短期利率的波动幅度。Lucca 和 Trebbi（2009）基于新的计数方法来分析 FOMC 声明的政
策效果，结果短期利率主要受政策声明影响而长期利率主要受政策交流影响。Bauer 和

10
 第1章 绪论

Rudebusch（2013）利用动态利率期限结构模型研究美联储大额资产购买计划对利率期限结
构的影响，结果发现此行为的信号效应有效且显著，这与 Woodford（2012）
、Christensen 和
Rudebusch（2012）的结论是一致的。Altavilla 等（2014）基于日频数据研究了欧洲中央银
行的发表直接货币交易方案 （Outright Monetary Transaction）布告的政策效果，结果显示
意大利和西班牙的国债收益率下降 2 个百分点，而法国和德国市场上的债券收益率基本不
变，进一步利用多国向量自回归模型验证四个国家之间的宏观金融关联性，结果显示直接
货币交易方案 （Outright Monetary Transaction）布告所导致的西班牙和意大利债券收益率
的下降将导致这些国家实际经济产出的增加。而对于非常规货币政策的资产负债表效应则
缺乏一致认识。Clouse 等（2003）研究发现当短期利率趋于零利率下界时，中央银行通过
在公开市场上大规模购买长期债券来改变中央银行资产负债表中的长短期债券的占比结
构，该操作手法所产生的“资产组合再平衡效应”能够通过改变债券市场的利率期限结构
来对实体经济产生影响。Hetzel（2004）基于日本 1995 年来的经验数据证实日本银行资产
负债表规模的单纯扩张对产出和物价水平并不会产生显著影响。Andrés 等（2004）假定不
同金融资产间存在不完全替代性而建立动态优化模型来研究资产负债表结构改变渠道效
应，结果发现中央银行的非常规货币政策操作能够通过影响资产之间的相对价格而影响利
率期限结构和总需求。Reinhart （2004）认为即使在零利率下界的情景下扩张的货币政策
也能通过资产组合再平衡效应促进经济增长。Baba 等（2005）借助 VAR 模型研究货币供
给、产出、物价和代表金融加速器变量的杠杆率之间的关联，结果发现当市场处于零利率
下界时向市场投入过量的货币时产出不会出现显著增加。Kamada 和 Sugo（2006）基于符
号约束 VAR 模型在短期利率在零利率下界约束下中央银行资产负债表恶化所产生的放大
机制会减弱货币政策效果。Honda 等（2007）基于 2001 年至 2006 年日本推行第一次量化
宽松政策时产出、物价、股价指数和银行信贷余额等经济指标用 VAR 模型研究量化宽松货
币政策效果，结果发现量化宽松的货币政策在零利率情境下仍然有效，资产价格上升所带
来的财富效应会增加产出水平。Curdia 和 Woodford（2009）将消费机会的异质性和由非常
规货币政策所产生的信贷价差的两条来源渠道嵌入标准的新凯恩斯主义模型来检验中央银
行资产负债表的规模和结构变动特征，结果发现当金融系统受到严重冲击时，货币当局的
资产购买计划对恢复经济系统稳定性会发挥显著作用。Meier（2009）利用事件分析法对英
格兰银行的资产购买工具（Asset Project Facilitators）操作实施前后市场的反应作对比，结
果发现该非常规货币政策虽然确实缩小了信贷利差，但该政策更多的表现为短期效应，对
于宏观经济状况缺乏长期效应。Gagnon 等（2010）运用事件分析法研究了美联储对于中长
期资产的大规模购买行为。实证结果表明，大规模的资产购买期间即使对于不属于货币当
局资产购买范围内的证券而言，很多证券的长期利率都出现了在较长存续期内持续下降的
趋势。此外，Bernanke（2003）、Auerbach 和 Obstfeld (2005)还从财政支出的角度认为诸如
11
 吉林大学博士学位论文

量化宽松为代表的非常规货币政策通过财政收入的增加放松政府的预算约束，最终会由于
政府购买支出的增加刺激总需求而增加产出。
国内对于非常规货币政策效果的研究多数基于量化宽松的视角进行理论分析而较少进
行实证检验，能够严格论证非常规货币政策效果的文献不多。杨浩（2009）通过研究日本
的量化宽松货币政策发现，即使日本经济在零利率下界情景下陷入“流动性陷阱”以准备
金活期账户余额为操作目标的扩张性货币政策仍然是有效的。周沁怡（2010）采用单因子
利率期限结构模型研究美联储的定期拍卖工具的政策执行效果,结果表明新货币政策工具
有利于降低市场的流动性风险。王维安和徐滢（2011）考察了以中长期证券购买计划和定
期资产支持证券信贷工具为代表主要作用于债券市场的第三类创新性货币政策工具的有效
性，结果发现该类工具不能使长期利率水平持续保持低位。冀志斌和周先平（2011）以 2006
年 10 月到 2010 年 9 月时间区间为参考样本研究中央银行的沟通对金融市场的影响，结果
表明人民银行的沟通行为所产生的信号效应对短期利率有显著影响而对长期利率的影响不
够显著，央行的沟通行为与常规货币政策工具的搭配使用能够有效提高货币政策效果。熊
海芳和王志强（2012）基于利率期限结构研究货币政策意外对通货膨胀预期的影响，结果
表明货币政策意外增加了市场的中短期通胀预期且能正向影响 1 年内的短期即期、远期利
率有显著的正影响，然而对长期通胀预期和 1～5 年的即期、远期利率均无影响。戴金平和
陈汉鹏（2013）在新凯恩斯框架下将市场化的利率调节和非市场化的信贷指导植入动态随
机一般均衡模型来分析不同货币政策工具的效果，结果显示人民银行通过窗口指导对商业
银行进行信贷控制与常规的公开市场业务一样也能够引导实体经济。易晓溦等（2015）利
用包含潜在门限的时变参数向量自回归模型研究了美国非常规货币政策冲击与中国金融市
场利率期限结构之间的动态关联。结果表明，美国非常规货币政策的实施对中国货币市场
和债券市场的利率期限结构的冲击存在显著差异。此外，研究结还发现中国货币市场和债
券市场的利率期限结构对该冲击反应的敏感性还取决于美联储在各阶段所实施的前瞻指引
规则类型。

（3）货币政策与资产价格研究

利率和汇率分别作为货币对内和对外的价格表现它从两个角度来衡量了货币的资产价
格水平。货币政策的实施效果所产生的溢出效应最终主要还是通过影响利率和汇率的波动
借助利率渠道和汇率渠道作用于货币市场和外汇市场的经营活动而影响产出和金融系统的
稳定性。在资本流动性日趋增强的背景下，利率的波动一般通过非抛补利率平价机制等方
式对汇率走向进行引导。对于货币政策与利率水平的研究由来已久，Meade（1951）所提
出的“米德冲突”支出独立执行一项货币政策会引起内外部冲突，这也表明兼顾利率和汇
率变动的困难性。Cooper（1968）在此基础上提出宏观经济政策溢出效应的存在性使得一

12
 第1章 绪论

国在制定本国货币政策时需要兼顾其它国家的社会福利水平。Hamada（1976，1979）基于
古诺模型和斯塔克伯格模型从博弈论角度论证了国家之间的相互依存性是货币政策具有溢
出效应的先决条件。Glick 和 Hutchison（1990）发现太平洋国家的利率水平随着区域间金
融自由化的深入而越来越受到美国货币政策的影响。Bernanke 和 Gertler（2000）认为仅仅
盯住资产价格的货币政策目标具有显著负面效应，只有当资产价格能够明显衡量通胀或通
缩压力时，资产价格因素才能够作为货币当局的重点关注指标。Kim（2001）利用 VAR 模
型研究了美国的货币政策对 G7 成员国的影响，结果表明由于美国经济在成员国中的重要
地位导致其扩张性货币政策产生引起世界利率水平的下降导致其他成员国利率水平下降和
经济繁荣。本次金融危机爆发以来，量化宽松等一系列非常规货币政策手段的应用使得研
究非常规货币政策对利率期间结构的影响变成了一个研究热点。Neely（2010）利用投资组
合选择模型研究了美国大规模资产购买计划对本国和外国债券收益率的影响发现，该非常
规货币政策不仅降低本国债券的长期收益率，而且也同时也降低了外国债券的长期收益率。
Morgan（2011）利用事件窗口分析法研究了美国量化宽松对日本等东亚国家的冲击发现，
美国非常规货币政策对东亚国家的长期利率确实存在一定影响。Fratzscher 等（2012）利
用回归分析法研究美国的量化宽松对美国及其他 65 个国家国债收益率的影响发现，该非常
规货币政策的实施确实显著降低了这些国家的国债收益率水平。Bauer 和 Neely (2014)利
用动态期限结构模型研究了美联储的非常规货币政策如何通过信号渠道和资产组合平衡渠
道影响加拿大、澳大利亚和日本等国的债券收益率。Berge 和 Cao（2014）则进一步利用
因子分析法将美国货币政策效果进行分解来研究美国非常规货币政策对成熟经济体和新兴
经济体的资产价格和利率水平的影响，他们发现美国非常规货币政策主要是通过资产组合
平衡渠道来影响外国金融市场的利率期限。Bowman 等（2014）基于不同性质货币政策冲
击具有异方差性的假定研究了美国非常规货币政策对 17 个新兴市场经济体国债收益率的
影响，结果发现大部分新兴市场经济体国债收益率都明显受到美国非常规货币政策冲击的
影响，一部分国家国债收益率受冲击程度甚至超过了美国市场。总之，金融危机以来美国
所采取的一系列非常规货币政策通过货币政策的国际传导会对存在较高依存度经济体的利
率期限结构产生冲击。国内近年来对于货币政策对利率水平的影响也做了大量的研究。伍
戈（2007）认为作为新兴市场的中国国内利率、汇率等基础资产价格的强波动性与实体经
济状况存在背离，货币当局的政策操作仍因着眼于货币供应量而非资产价格。王志强和熊
海芳（2011）应用向量自回归模型研究美国量化宽松政策对中国短期资本流动的影响，结
果发现美国期限利差对中国期限利差有持续的较低的正向冲击。陈磊和侯鹏（2011）运用
面板向量自回归模型检验证实了美国量化宽松政策产生的过剩流动性引起包括中国在内的
金砖国家的资产价格水平上升。陈晓莉和孙晓红（2012）运用结构向量自回归模型研究了
美国量化宽松货币政策通过金融市场渠道对中国宏观经济的影响，结果表明该扩张性的货
13
 吉林大学博士学位论文

币政策导致了短期内中国利率水平下降。肖卫国和赵阳（2013）运用带符号约束的向量自
回归模型分析了联邦基金利率处于零利率下界时美国非常规货币政策对中国经济的影响，
发现美国长短期国债利差的下降导致了中美利差增加。
汇率作为开放经济条件下货币之间的相对价格体现，代表的是货币之间的不同购买力
水平。相对于封闭经济而言，开放经济中货币政策的独立性降低，但货币政策对产出、价
格的调节力度反而加大。Mundell 和 Fleming（1962） 构建的 IS-LM-BP 分析框架成为研究
者们研究开放经济条件下货币政策效果或货币政策与货币市场资产价格关联性的基本模型
框架。而 Krugman(1999)在此模型基础上提出的稳定的汇率制度、资本的完全流动和独立
的货币政策这一“三元悖论”存在所表现出的政策不可协调性为货币市场的不稳定性奠定
了基石。Obstfeld 和 Rogoff （1995）的早期实证研究也证实“三元悖论”是基本符合客观
实际的。Zhou（1998）通过对亚太地区十个国家的主要货币汇率之间的关联性进行研究发
现，大部分国家货币的汇率受美元影响较大。Kim 和 Roubini（2000）利用 SVAR 模型对
货币政策进行识别，结果表明货币政策冲击对汇率变动会产生明显影响。Bergin（2006）
借助美国和 G7 国家的数据建立开放经济条件下两国宏观模型，政策模拟结果显示美国货
币政策对其他国家的汇率会产生持续性影响。Hwang（2012）基于 2005 年 6 月至 2011 年
10 月的日数据研究汇改后人民币对东亚货币的波动溢出效果，结果表明人民币对东亚国家
汇率变动的影响目前仅次于美元，我国的货币政策对东亚国家汇率市场的稳定有重要影响。
对于国内学者而言，徐艳和何泽荣（2005）认为汇率政策与利率政策之间不协调构成了中
国货币政策的内在矛盾。陈福中和陈诚（2012）基于非抛补利率平价理论研究日、美两国
间汇率的交互效应，研究发现日、美两国汇率之间存在长期均衡关系。杨娇辉和王曦（2013）
基于三货币框架研究人民币、台币，以人民币、韩币在存在市场分割情景下跨货币溢出效
应，结果表明三个市场间的波动溢出表现为单方向过程且条件相关关呈现明显时变性。郑
国忠（2013）基于即期汇率市场和远期汇率市场的经验证据研究人民币、港元和台币汇率
之间的信息溢出效应，结果表明即期汇率和远期汇率的信息导向趋同。房淑媛（2014）研
究了人民币在岸市场和香港、新加坡、伦敦三个离岸市场的汇率联动效应，结果发现无本
金交割远期市场对离岸市场的即期和远期市场具有引导效应。

（4）货币市场稳定性研究

20 世纪 80 年代以来，以美联储为代表的一部分成熟经济体基本上执行“单一规则”
，
实行货币供给量目标制。20 世纪 80 年代末平衡预算法案的通过削弱了财政政策对宏观经
济的调控，开始更多的借助价格型工具依据泰勒规则来对短期利率进行调节。Schwartz
（1995）所提出的“Schwartz 假设”货币政策的制定只要盯住物价水平的稳定就能实现货
币稳定和金融稳定。
“杰克逊霍尔共识”（Jackson Hole Consensus）更是直接提出盯住通货

14
 第1章 绪论

膨胀而不以资产价格为目标，以此提高政策透明度和增强公众预期。而以往操作规则较少
考虑增量货币在各产业部门（如证券市场、债券市场和房地产市场）流向强弱，货币相对
价格的强弱所产生的货币错配使得局部货币供给过剩所产生的资产价格泡沫与物价水平的
并存成为可能。从长期来看，扩张性的货币增发、资产价格泡沫与物价水平平稳会对经济
系统产生扭曲，增量货币在不同产业部门间流速的不可控使得一些部门未出现明显通胀问
题而在一些部门导致了资产价格的失衡。物价指标体系的“合成谬误”使得资产价格的泡
沫化导致物价水平的稳定并不能保证货币市场的稳定。在新的经济环境下，资产价格的稳
定仅能作为金融稳定的必要非充分条件（Goodhart，2004；Mishkin,2009; Blanchard 等,2010）
20 世纪 90 年代日本经济危机、本世纪初美国的互联网泡沫和次贷危机的爆发均与资产价
格的急剧膨胀有关联。Borio 和 Lowe（2002）认为信贷规模的迅速扩张的同时若伴随着资
产价格的迅速增长极易导致金融系统的不稳定性，若货币政策能够迅速对信贷规模和资产
价格反馈也能实现货币稳定和金融稳定。Ahearne 等（2005）认为资产价格的顺周期性使
得货币政策若能对资产价格进行先发之人的反应将有利于降低市场的不稳定性。Mishkin
等(2007)认为由于资产价格泡沫难以识别和货币政策对资产价格冲击难以确定,从货币政策
的审慎性角度出发只有在资产价格作用于通货膨胀、产出水平时，货币政策才应该对资产
价格的波动做出反应。Fatas（2009）认为货币稳定和金融稳定应该统一起来考虑。Trichet
（2009）在“杰克逊霍尔会议”提出以通货膨胀目标为主，资产价格目标为辅的中期“双
目标制”货币政策调控新思路。Curdia 和 Woodford（2011）在扩展了的新凯恩斯模型嵌入
中央银行资产负债表。结果发现量化宽松政策在严格意义上效果甚微，但中央银行目标资
产的购买能提高金融市场的稳定性。Farmer（2012）通过构建的一个包含各种金融市场的
核心货币模型证实，非常规货币政策能够有效稳定通膨预期和稳定市场上的资产价格。为
了将资产价格加入货币当局的政策反应函数，使得政策决策者能够做出正确决策，实际工
作中监管部门一般借助于加入了资产价格因素的金融状况指数（FCI）。金融状况指数最早
由 Goodhart 和 Hofmann（2000）提出，他们凭借短期利率、实际有效汇率、实际房屋销售
价格和实际股票价格四个经济变量利用总需求方程缩减式和 VAR 模型的脉冲响应分析来
确定相关变量权重的方法构建了 G7 国家的金融状况指数。Mayes 和 Virén（2001）则进一
步基于 IS 曲线的总需求方程缩减式结合房价和股价等资产价格的高频数据测算了金融状
况指数，研究发现改进后的金融状况指数能够为通货膨胀提供更准确的预期。English 等
（2005）利用 Stock 和 Watson（2002）的扩散指数方法得出各经济变量间的动态权重进行
加总构建了德、英、美三国的金融状况指数。Wang 等（2007）依据政府会计标准委员会
（GASB）所编制的财务报表从现金偿付能力、预算偿付能力、长期偿债能力、服务水平
偿付能力四个微观层面构建美国了各州的金融状况指数。Hatzius 等（2010）则从货币政
策传导机制的利率渠道和信贷渠道两个角度出发在以往常规指标体系中加入流动性指标借
15
 吉林大学博士学位论文

助动态因子模型构建了美国的金融状况指数。金融状况指数的实时性、直观性已成为货币
当局对货币市场和经济系统稳定性监测和预警的重要指标。
在借鉴国外学者研究的基础上结合中国实际经济环境学者对相应问题也做了大量研
究。易纲和王召（2002）资产价格的易变性和强流动性,通过证券市场的盲目投资行为会引
起金融系统的不稳定。崔光灿（2007）基于 BGG 模型以房地产价格为参考对象研究资产
价格波动对宏观经济系统的影响。结果发现金融加速器机制能有效解释资产价格波动所带
来的宏观经济扰动，以维护经济系统的稳定对不同部门采取差异化货币政策能够减小资产
价格的波动。李世美（2009）认为物价稳定和金融稳定之间不存在必然联系。货币政策的
制定只有具有前瞻性才能有效减少资产价格的波动，实现金融市场稳定和经济增长。而周
晖和王擎（2009）运用 BEKK 模型和 GARCH 均值回归方程模型研究房地产价格、货币供
给与产出增长的波动相关性，结果表明，以房地产价格变化为代表的资产价格的波动对产
出增长速度有显著影响。张亦春和胡晓（2010）认为“强化的灵活通胀目标制”的货币政策
策略是实现价格稳定与金融稳定相统一的最优货币政策框架。马勇（2013）将金融稳定纳
入货币政策反应函数，结果发现相比于常规政策反应函数所得到的更高利率规则值是经济
系统维持更大稳定性的保证。马勇和陈雨露（2013）在包含内生性金融体系框架下借助
DSGE 模型研究逆周期监管政策与信贷和货币政策的搭配效果，结果表明同时盯住资产价
格和社会融资总量的政策规则所损失的社会福利最小。在金融状况指数构建上，陆军和梁
静瑜（2007）根据中国的实际情况构建了中国的金融状况指数，证实了金融状况指数可作
为中国货币政策的一个重要参考指标，认为将资产价格纳入货币政策决策参考过程已刻不
容缓。李强（2009）采用一个简化结构模型构建纳入了资产价格纳的金融状况指数，结果
发现修正后的包含更强的预测信息。戴国强和张建华（2009）利用 VECM 模型构建的金融
状况指数，结果发现包含资产价格信息的金融状况指数能够对未来价格水平的变化做出更
加及时、有效的预测。封思贤等（2012）用货币供应量缺口、利率缺口、汇率缺口、股票
价格缺口和房地产价格缺口的 IS 方程来估计权重, 从而得出中国的金融状况指数。他发现
FCI 比采用单一的金融变量具有更强的预测效果。徐国祥和郑雯（2013）用包含通货膨胀
的 SVAR 模型构建了固定权重性质的金融状况指数。余辉和余剑（2013）则通过时变参数
状态空间模型估算不同经济因素的动态权重,并以此为基础构建了金融状况指数。陈雨露和
马勇（2013）基于系统性风险集聚过程在重点关注资产价格的基础上构建金融失衡指数，
该指数预测效果具有前瞻性，能作为系统性风险集聚状况的良好指示器。易晓溦等（2014）
从“大数据”视角基于高维贝叶斯动态因子构建包含金融状况指数，该指标可以作为衡量
我国货币市场运行状况的一个有用的先行指标。

16
 第1章 绪论

1.2.2 计量模型研究现状

一个典型的基础经济系统至少也包括个体、厂商、政府和金融中介机构，各基本单元

相互组合构成相应市场，市场之间相互交流沟通形成网络而构成经济系统。同时，又由于

参与主体的主观能动性导致一项经济决策经过多方博弈而处于均衡状态与非均衡状态。在

分析经济现象时经济变量间的相互联系、相互关联所产生的复杂逻辑性导致传统的单方程

模型对经济现象的模拟缺乏变量间的反馈机制而丧失解释系效力。以 Koopmans 和

Marschak（1950）的论文“动态经济模型的统计推断”与 Koopmans 和 Hood（1953）发表

的论文“线性联立经济关系的估计”为标志，计量经济学的理论研究进入联立方程时代，

Klein 于 1950 年建立的、用于分析美国在两次世界大战之间的小型宏观经济模型开创了联

立方程模型研究一国经济系统运行状况的先河。相比于 Leontief（1951）从简化的一般均

衡分析研究国民经济各部门之间生产和消费相互依存关系，联立方程模型更具实际性和可

操作性。至 20 世纪 70 年代联立方程模型进入最辉煌的时代，基本上绝大多数国家和经济

体都构建符合本国实际的大型联立方程模型。而联立方程模型日益扩容所导致的计算成本

高和内生变量、外生变量设定的主观性这一“阿喀琉斯之踵”使得研究者渐觉累感不爱。

Sims（1980）在认识到大型联立方程模型等结构化方法如上所述内在缺陷的基础上，

提出了 VAR 模型这种非结构化的多方程模型。VAR 模型更加关注时间序列的统计特征，

VAR 模型中的每一个被解释变量作为被解释变量自身滞后值和系统中其他变量滞后值的

函数来构造模型，从而形成了用向量形式表示由多元时间序列变量组成的“向量”自回归

模型。由于不再需要像联立方程模型那样需要根据经济理论意义区分内生变量和外生变量，

排除了人为主观因素的干扰使得模型估计更具稳健性。此外，模型参数估计方便且统计性

质良好，使该模型成为进行经济政策分析和预测的最简易工具。由于 VAR 模型并不能给出

变量之间的同期相关关系，这导致变量之间的同期相关关系被藏匿在误差修正项的相关结

构中。为了解决这个问题，人们将具有简化式特征的 VAR 模型进行拆解转化为具有结构特

征的 SVAR 模型。相对于 VAR 模型而言，从修正误差项的信息集中提炼出的结构式中的

参数进行脉冲响应分析需要借助“AB 型矩阵”施加结构约束以消减结构式中参数估计的

“自由度”。依据经济意义通过对 A 矩阵施加零约束能够构建结构冲击，相比于 VAR 模型

而言这是一个比较明显的优势。变量做脉冲响应分析时对 A 矩阵以下三角形式排列，这导

致个变量只受列矩阵排列位置在其之上变量的影响而不受到排列位置在其之下变量的影

响。Blanchard 和 Watson（1986）以此为基础来构建短期约束来研究财政政策冲击、货币

政策冲击、总需求冲击和总供给冲击对产出波动的贡献度。由于宏观经济变量由于政策或

17
 吉林大学博士学位论文

环境的结构性变化常会在单位根检验中发现是非平稳过程，这种单位根的累加过程通过依

据经济意义对 SVAR 施加长期约束就变得尤为适宜。Blanchard 和 Quah（1989）在研究产

出和失业率之间的关联时根据供给冲击具有持续性而对供给冲击施加长期影响从而最早将

长期约束引入 VAR 模型。

然而这种短期约束和长期约束由于经济理论的差异化所导致零约束这种等式约束不符

合客观实际。为了解决这一难题，用正负号所表示起促进作用和起抑制作用的符号约束方

法应运而生。符号约束方法最早由 Uhlig（2005）提出，主要用来研究货币政策对产出的

影响。他认为对于 VAR 族内的任意一个衍生模型，利用极大似然估计和广义矩估计均可进

行参数估计，再将参数代入模型即可求出残差，我们将其定义为诱导冲击。自 Uhlig（2005）

提出该方法以来该方法得到了广泛的应用，Vargas-Silva（2008）
、Rafiq 和 Mallick（2008）
、

Dungey 和 Fry（2009）从各自不同视角通过符号约束 VAR 模型研究货币政策效果 Fry 和

、Kilian 和 Murphy（2012）则从方法论视角对符号约束 VAR 模型进行改进。

Pagan（2007）

国内对于符号约束 VAR 模型的应用，李卓和张茜（2012）利用符号约束 VAR 模型构建出

国际石油市场上的基本面冲击与非基本面冲击,并检验其对国际石油价格影响的冲击。孙焱

林和闫彬彬（2013）基于符号约束 VAR 构建货币政策冲击、信贷供给冲击、总需求冲击和

总供给冲击，结果发现货币政策冲击和总需求冲击是我国产出波动的最重要两个因素。李

智等（2013）认为相比于 VAR 模型而言，符号约束 VAR 模型有效提升了和货币政策识别

效果。肖卫国和赵阳（2013）对 VAR 模型同时施加零约束和符号约束来构建结构冲击以研

究联邦基金利率处于零利率下界时美国非常规货币政策对中国宏观经济的冲击。刘金全等

（2014）运用符号约束构建财政政策冲击来研究积极财政政策对宏观经济的影响。李伯钧

和郭永济（2014）运用贝叶斯估计方法借助符号约束贝叶斯 VAR 模型研究通货膨胀、汇率

对产出波动的影响，结果发现实际利率受通货膨胀的影响比受汇率变动的影响更大。刘澜

飚等（2014）也运用符号约束贝叶斯 VAR 模型考察短期资本流动对中国产出的影响。

作为静态模型的常系数 VAR 模型假定模型待估参数和随机扰动项的方差-协方差矩阵

均恒定。该假定在降低计算复杂度的同时也降低了对不稳定的经济系统变量间的长期均衡

关系的解释效力，潜在认定经济系统处于均衡状态而较少发生结构性突变，显然在瞬息万

变的商业社会里该假定不具有合理性。为了减少结构突变对模型估计效果的影响，国内外

研究者开始了对 VAR 模型进行扩展的征程。对于扩展的方向而言总体变现为线性模型向非

线性模型进行扩展、低维数据模型向高维数据模型进行扩展。同时，在线性模型向非线性

模型进行扩展时主要分为用区制方法来衡量非线性和用时变方法来衡量非线性。通过转移

18
 第1章 绪论

概率矩阵来衡量方程组中单一方程在每一时点由一个状态转移到另一个状态的可能性大

小。相比于常系数 VAR 模型，马尔科夫区制转移向量自回归（MS-VAR）模型系统中的每

一个单方程均具有两个或两个以上的状态。Hamilton（1994）
、Kim 和 Nelson（1999）
、Sims

和 Zha（2006）对于 MS-VAR 均进行了进一步扩展与应用。Eo (2009)更是将马尔科夫区制

引入 DSGE 模型而构建 MS-DSGE 模型以研究经济非对称波动特性。区制转移模型虽然很

好的模拟的经济政策转向和经济环境动荡所产生的结构突变特征，但一方面以往的有限状

态马尔科夫区制转移模型的区制个数是人为给定具有主观性；另一方面随着区制数的增多，

模型的估计效果也逐渐减弱。此外，经济政策转向和经济环境动荡对宏观经济产生冲击的

政策效果由于公众理性预期和非理性预期的参与在现实经济条件下是渐变的而非瞬时性结

构性突变，这使得经济行为人对非预期冲击的反应趋于平缓，从某种意义上来说时变系数

模型可能更符合实际。

为了表现经济系统的变化是渐进和连续的过程，一般需要将经济行为方程用状态空间

模型来描述。一方面需要将常系数 VAR 的待估参数引入漂移项的同时将其表示成状态空间

模型的形式以体现线性结构的时变特征。另一方面将时变特性引入方差-协方差矩阵同时还

要体现出外生冲击的异方差性。Canova（1993）提出的带漂移系数的 VAR 模型和 Kim 等

（1998）提出的多元随机波动率模型分别从系数时变和协方差时变且有异常差性角度放宽

模型的限制条件。沿着该研究思路，Cogley 和 Sargent（2005）基于变量间同期相关关系不

变的假定下研究了具有漂移系数和时变方差的 VAR 模型。Primiceri（2005）进一步扩展为

系数、方差和协方差均随时间变动的完全意义上的非线性时变参数模型——TVP-VAR 模

型。D’Agostino 等（2011）利用美国的宏观经济数据证明得出 TVP-VAR 模型相对于其他

VAR 模型具有更强的预测效果。Nakajima（2011）利用 Kim 等（1998）混合抽样确定后验

分布的方式对 Primiceri（2005）所提出的 TVP-VAR 模型的待估参数极大似然估计过程进

行了改进。TVP-VAR 模型虽然总体而言相对已有常系数 VAR 有了明显改进，但仍具有一

定的自身缺陷，研究者们出于不同的目的对该模型进行进一步扩展。

Franta（2011）通过对 TVP-VAR 模型的广义脉冲响应函数添加符号约束的方法对零利

率下界进行约束来研究日本在过去的 30 年内的货币政策传导。Baumeister 和 Benati（2010）

利用符号约束 TVP-VAR 模型构建的价差冲击研究 2007 年到 2009 年压缩长短期国债收益

率价差的政策效果。Baumeister 和 Peersman（2012）通过符号约束 TVP-VAR 模型研究石

油价格波动的影响因素，结果发现石油需求冲击对石油价格的影响要大于石油供给冲击对

石油价格的影响。Baumeister 和 Peersman（2013）利用此方法进一步研究了石油的供给价

19
 吉林大学博士学位论文

格弹性和石油的需求价格弹性。Mumtaz 和 Sunder‐Plassmann（2013）运用符号约束

TVP-VAR 模型研究英国、欧元区和加拿大的实际汇率演化路径，结果表明 1985 年后名义

利率冲击和总需求冲击对汇率变动所发挥的作用越来越大。Gerba 和 Hauzenberger（2013）

也运用符号约束 TVP-VAR 模型研究美国不同时期财政政策与货币政策的相互关联性。

Matĕjů（2013）利用符号约束贝叶斯 TVP-VAR 模型从截面维度和时间维度基于短期名义

利率和价格水平研究了货币政策传导机制，结果显示无论是发达国家还是发展中国家货币

政策传导效果在过去的几十年内均呈现逐渐增强的趋势。

TVP-VAR 模型由于时变性所产生过多的待估参数所导致的模型估计结果无偏性下降

要求我们对待估参数个数进行约束。Nakajima（2011）将名义利率以 Tobit 截取数据类型嵌

入 TVP-VAR 模型框架构建了包含零利率下界的时变参数向量自回归（ZLB-TVP-VAR）模

型，利用该模型作者研究了零利率下界时日本的货币政策传导机制。Nakajima 和 West

（2013）结合 West 和 Harrison（1997）的潜在门限模型建立了包含潜在门限的时变参数向

量自回归（LT-TVP-VAR）模型。该模型不仅保留了 TVP -VAR 模型的时变特征，而且将

TVP–VAR 模型中待估非零参数的局部变化利用稀疏先验收缩的方法借助门限假定引入

模型，该改进极大的削弱了模型的过度拟合问题和提高了模型估计结果的稳健性。

Negro 和 Otrok（2008）基于 19 个国家的数据运用潜在时变因子载荷动态因子模型研

究了布雷顿森林体系国际经济周期的演进。Stevanovic（2010）运用时变参数因子模型研究

了宏观经济不稳定性的共同来源。Nakajima 和 West（2013）对动态因子模型进行改进，该

方法假定因子载荷矩阵中的零元素以时变形式存在，实证结果显示潜在门限的应用能够降

低模型估计的不确定和提高预测效果。

Koop 和 Korobilis（2013）为了克服大型系统极大似然估计过程的计算约束，利用遗忘

因子稀疏先验以时变形式进行动态模型的选择，这使得随后的 Kalman 滤波估计过程进行

优化，提出了大型时变参数向量自回归模型。通过与小型时变参数向量自回归模型和小型

时变参数向量自回归模型的对比，研究发现大型时变参数向量自回归模型具有更好的预测

效果。

Baumeister 等（2010）运用时变参数因子增广向量自回归（TVP-FAVAR）模型研究货

币政策传导机制的变动特征，结果发现宏观经济变量和提取出的因子成分具有明显的时变

特征。Eickmeier 等（2011）将金融状况指数作为美国的金融冲击借助 TVP-FAVAR 模型研

究 1971-2009 期间美国金融冲击的国际传导效应。Kazi 等（2013）基于 1981Q1–2010Q4

包括联邦基金利率在内的 266 和宏观经济变量研究运用 TVP-FAVAR 模型研究美国货币政

20
 第1章 绪论

策对 14 个 OECD 国家的冲击，结果显示美国负向货币政策冲击对除美国、加拿大、日本

和瑞士以外的其他成员国的产出增长率均具有促进作用。Korobilis（2013）基于 143 个二

战后美国宏观经济数据运用包含随机波动率 TVP-FAVAR 模型研究了货币政策传导机制的

稳定性，结果发现内生性冲击和外生性冲击共同导致了美国 1970s 和 1980s 的高通货膨胀

波动率。Ellis 等（2014）运用 TVP-FAVAR 模型研究了英国的货币政策传导机制，结果发

现 1990s 前需求冲击对宏观经济影响较大而 1992 年后货币政策冲击对宏观经济影响较大。

Liu 等（2014）运用开放经济条件下 TVP-FAVAR 模型研究了受它国货币供给冲击、总需求

冲击和总供给冲击情景下英国的宏观经济状况，
结果发现它国政策对英国的影响类似于“与

邻为壑”效应。

TVP-VAR 模型的理论研究与实际应用也引起了国内学者的广泛关注。对于该模型理论

上的进展，罗毅丹和樊琦（2010）基于基本的 TVP-VAR 模型提出一种新扩展的向量自回

归模型——MI-SV-TVP-VAR 模型。周河（2014）利用该扩展模型研究货币政策变动对消

费和投资需求的冲击。易晓溦等（2014）
将潜在门限嵌入 TVP-VAR 模型形成了 LT-TVP-VAR

模型。袁靖（2014）比较了 BVAR、FAVAR、TVP-VAR 和 TVP-FAVAR 模型的预测效果。

对于该模型的应用研究，孙焱林等（2011） 运用 TVP-VAR 模型验证徐高所提出的“斜率

之谜”时发现该现象不复存在，TVP-VAR 模型能更有效的模拟中国的宏观经济运行状态。

金雯雯和杜亚斌（2013）运用包含随机波动率的 TVP-VAR 模型研究了汇率变动的时变传

递效应。金雯雯等（2014）又利用 TVP-VAR 模型研究基于动态 Nelson Siegel 模型所构建

的利率期限结构与宏观经济之间的关联性。周先平等（2013a）运用 TVP-VAR 模型检验了

社会融资规模适合作为货币政策中间目标的可行性。周先平等（2013b）又用该模型研究汇

率变动传递效应的时变特征。陈守东等（2014）运用包含随机波动率的 TVP-VAR 研究了

货币供给冲击作用下我国货币政策传导的动态响应机制。实证结果表明我国的货币传导机

制具有明显的时变效应。刘金全等（2014）基于 TVP-VAR 模型研究了我国经济增长率的

动态波动特征。胡利琴等（2014）等运用 TVP-VAR 模型来汇率制度改革以来外汇市场压

力与货币政策之间的非线性动态关系。吴丽华和傅广敏（2014）运用 SV-TVP-VAR 模型研

究了人民币汇率、短期资本与股价的联动模型。邓创和席旭文（2013,2014a）运用 TVP-VAR

模型研究了开放经济条件下的中美货币政策外溢效应的时变特征和封闭经济条件下的货币

政策宏观调控效应的时变特征。邓创和徐曼（2014b）又进一步运用 TVP-VAR 模型研究了

中国的金融周期波动及其宏观经济效应的时变特征。冯宗宪等（2013）运用 TVP-FAVAR

模型对比分析了中国和美国的基准利率调整所引起的宏观风险、市场风险和信用风险的联

21
 吉林大学博士学位论文

动效应。冯宗宪和李祥发（2013）还进一步利用该模型研究利率调整与商业银行信用风险

之间的关联性。刘傲琼（2014）运用 TVP-FAVAR 模型来刻画中国货币政策变动随时间而

逐渐深化的路径。总体上而言，目前国内研究者主要还处在 TVP-VAR 模型的运用上，大

家主要借助 Koop 和 Korobilis 所提供的 TVP-VAR 模型的 MATLAB 程序和 Nakajima 提供

的 TVP-VAR 模型的 Oxmetrics 程序进行实证模拟。而对于 TVP-VAR 扩展模型的研究，国

内现在基本上没有丝毫进展。

1.3 研究框架与研究方法

1.3.1 研究框架

本文首先基于以往研究，在封闭经济条件下研究了我国货币政策传导机制的时变效应，

剖析了常规货币政策和非常规货币政策执行效果的有效性和对产出波动差异化冲击影响；

其次，在开放经济条件下研究了以汇率水平和利率水平为代表的基础性资产价格受他国或

世界整体货币政策变动的冲击影响，揭示货币政策变动与基础性资产价格波动之间的关联

性；最后，根据不同时期货币市场和金融市场系统性风险集聚特征，设计一套能够有效衡

量货币市场稳定状况、实时探测影响货币市场稳定性的冲击风险源的指标体系，实现对货

币市场风险压力状况的早期预警、中期监测和后期评估机制，为纳入资产价格因素的货币

政策规则的形成提供技术支撑。

本文各部分之间的逻辑关联如下：从货币政策的执行角度将货币政策分为常规货币政

策和非常规货币政策，在理论模型的基础上借助实证分析来论证常规货币政策和非常规货

币政策对利率、物价水平和产出水平的影响以检验货币政策效果的有效性，以此来证明欲

维持货币市场和金融系统的稳定性需要密切关注货币供给量这类能够有效表征货币政策的

变动的经济指标体系；由于近年来资产价格的变动越来越成为货币市场和金融系统不稳定

性的风险来源，股票价格、房地产价格这类资产价格的变动本质上是利率水平、汇率水平

这类基础性资产价格的波动传导到相应金融子市场上的结果，而利率水平、汇率水平的波

动本质上主要还是受货币政策制约，因此本文试图通过研究不同性质货币政策干扰对利率

水平和价格水平的冲击来分析货币政策与基础性资产价格的关联；为了能够对货币稳定和

金融稳定进行有效监控以减小系统性风险爆发对经济系统的破坏，这就需要利用相应的技

术手段建立金融状况指数，采用计量模型来评估金融状况指数对货币市场和金融市场稳定

性的预测效果。本论文的结构和各章节之间的关联详见图 1.1。

22
 第1章 绪论

图 1.1 本文的研究框架

1.3.2 研究方法

（1）规范分析与实证分析相结合

经济学等社会科学的研究相比于自然科学而言，由于研究对象是具有主观能动性的公
众个体，个体行为人会对外界环境的刺激做出适应性调节。这导致经济结论会因为时间、
时空的变动发生扭曲，研究者在研究相应问题时会根据自己的主观意愿和行为偏好对问题
的侧重点进行调整，这就使得研究具有很强的不确定性，需要研究者能够根据自己的经验
最大程度做出合乎逻辑的判定和解释。在本文第 3 章研究了不同结构冲击对产出波动的影
响后提出货币当局仍然应该优先选择使用常规货币政策调控手段就明显使用了规范分析。
从另外一个角度来看，由于规范分析依赖于人的道德标准和主观臆断，这就导致最终结论
缺乏客观性。为了增强结论的准确性和客观性，本文借助大量的宏观计量模型来研究货币
政策有效性、货币政策对基础资产价格的冲击、和红笔市场稳定性的监控与度量。这些研

23
 吉林大学博士学位论文

究成果的取得基本上都是利用的实证分析的办法。

（2）经济理论与实证检验相结合

在本文第 2 章中研究我国货币政策传导的动态响应机制时，首先是建立了一个包含混
合菲利普斯曲线和 IS 曲线的结构方程组模型，通过理论模型的推导以货币供给量为中介目
标的货币政策工具变量间呈现出随时间而变化的条件异方差性和非对称性，然后再借助
TVP-VAR 模型的脉冲响应函数图验证了货币政策传导具有时变性。在本文第 4 章研究外部
非常规货币政策冲击对中国货币市场期限结构的影响时，依据两国蒙代尔—弗莱明模型认
为在浮动汇率制度情景下美国实行诸如量化宽松之类的扩张性货币政策最终会导致中国货
币市场短期利率水平的下降，在随后的实证部分利用 LT-TVP-VAR 模型借助于脉冲响应分
析证实了该结论。

（3）定性分析与定量分析相结合

货币当局进行货币政策操作会对宏观经济环境产生冲击，本文在第 2 章中研究我国货
币政策传导的动态响应机制时主要依据利率渠道来进行逻辑推理，在第 3 章中研究非货币
政策对产出水平的冲击影响研究时主要依据信号渠道和资产负债表渠道来进行逻辑推理，
在第 5 章中研究货币政策干预下汇率的协同波动机制时主要以汇率波动的区域特征来研
究。通过以上各章节的研究逐渐对形成货币市场乃至金融市场不稳定的风险源有了全面的
认识。在此定性分析风险来源基础上借助相应宏观计量模型建模而构建金融状况指数，利
用形象化的指标体系来对货币市场乃至金融市场的运行状况进行实时预警、监测与评估。

（4）比较分析的研究方法

比较分析方法由于能够通过观察样本系和参照系间的共性和差异历来在学术研究中被
研究者所普遍采纳。在模型解释效果的有效性方面：本文第 3 章中通过比较了符号约束
TVP-VAR 模型和其他三种模型的 DIC 值证实符号约束 TVP-VAR 模型所具有的时变效应相
对于区制转移模型而言能够显著提高模型的稳定性，进一步通过比较符号约束 TVP-VAR
模型和常系数 VAR 模型在各预测期内的均方根误，发现基于符号约束 TVP-VAR 模型的预
测效果要好于基于常系数 VAR 模型的估计效果。本文第 6 章通过金融状况指数与通货膨胀
率的比较，证实金融状况指数具有的强预测能力能够有效反映货币市场运行状况。在经济
政策的差异化方面：本文第 3 章通过比较 5 个影响产出水平的结构冲击，证实总需求冲击
和总供给冲击为代表的整体宏观因子冲击是产出水平和物价波动的最主要冲击源。本文第
4 章基于不同市场结构比较分析了美国非常规货币政策对我国不同市场条件下的利率期限
结构的冲击。

24
 第1章 绪论

1.4 论文的结构安排与创新点

1.4.1 论文的结构安排

本文共分为 7 章，具体的结构安排如下：
第 1 章为绪论。本章开始部分主要提出论文的选题背景和研究意义，在归纳国内外学
者已有研究成果的基础上，提出论文的研究框架和使用的主要研究方法，最后部分给出论
文的结构安排与本论文的主要创新点。其中，文献综述主要沿理论框架研究现状和计量模
型研究现状两个角度展开，在理论框架研究现状方面主要是从常规货币政策产出效应研究、
非常规货币政策效果研究、货币政策与资产价格研究和货币市场稳定性研究四个角度对已
有文献进行归纳、整理和总结。
第 2 章是中国货币政策传导的动态响应机制研究。首先，回顾了以往学者关于货币政
策传导问题的研究和所采用的主要研究方法；其次，一方面建立了一个包含混合菲利普斯
曲线和 IS 曲线的结构方程组模型，另一方面给出了 TVP-VAR 模型结构和估计过程；再次，
在说明数据指标选取标准和数据来源的基础上对货币传导机制进行结构性断点检验和模型
中相关参数进行估计；再者，则从模型的显著性和脉冲响应函数两个层面对 TVP-VAR 模
型的信息效度进行研究；最后，在本章的结论部分给出了相关的结论和政策建议。
第 3 章是中国非常规货币政策传导渠道有效性研究。首先，阐释了非常规货币政策内
涵和实践经验、非常规货币政策的传导机制和非常规货币政策的有效性；其次，对符号约
束的 TVP-VAR 模型进行论述；再次，结合经济理论及以往研究成果对符号进行设定，进
行符号约束的 TVP-VAR 模型的估计，对符号约束的 TVP-VAR 模型进行稳健性检验；再者，
利用施加符号约束的 TVP-VAR 模型来研究不同冲击影响下的宏观经济；最后，在本章的
结论部分给出了相关的结论和政策建议。
第 4 章是外部非常规货币政策冲击下中国利率期限结构动态响应研究。首先，在分析
了美国非常规货币政策执行效果现状的基础上总结了以往学者关于非常规货币政策对其它
国家利率结构的冲击影响；其次，介绍了潜在门限 TVP-VAR 模型和非常规货币政策效果
的度量方法；再次，研究了不同时期和不同前瞻指引规则下美国非常规货币政策对中国金
融市场利率期限结构的影响；最后，在本章的结论部分对本章结论进行了总结。
第 5 章是货币政策干预下汇率协同波动效应研究。首先，概述了以往学者关于汇率协
同机制的研究；其次，详细说明了潜在门限因子（LTF）模型和广义自回归计分（GAS）
模型的结构和估计过程；再次，基于 LTF 模型研究了与中国有紧密经济联系的经济体法定
货币的汇率水平波动的影响因素，随后用 GAS 模型研究了人民币与这些经济体的货币之间
的时变相关性；在者，分别研究了中国单方面货币政策干预情景和中美两国货币政策联合

25
 吉林大学博士学位论文

干预情景对世界主要其他国际汇率的冲击影响；最后，在本章的结论部分给出了相关的结
论和政策建议。
第 6 章是货币政策与货币市场稳定性研究。首先，对以往金融状况指数估计过程中选
取的指标和使用的模型方法予以说明；其次，给出 TVP-FAVAR 模型、分层狄利克雷混合
过程的无限状态隐含马尔可夫区制模型和动态平均（DMA）模型的估计方法；再次，对构
建的金融状况指数的预测能力进行比较分析；再者，利用动态平均（DMA）模型分析了金
融状况稳定性的风险来源，随后又基于分层狄利克雷混合过程的无限状态隐含马尔可夫区
制（MS-IHMM-HDPM）模型对金融状况的区制进行了识别与检验；最后，在本章的结论
部分对本章结论进行了总结。

1.4.2 论文的创新点

货币政策效果、资产价格波动乃至与货币市场稳定性之间的关联长期以来都是宏观经
济研究的一个热门议题，对于该类问题的深入研究具有重要的理论价值和现实意义。然而，
这些问题通常涉及面较广且难以对该问题进行全面的分析研究。目前国内学者的研究也大
多是在一合理切入点的前提下对议题的某一方面进行探讨。本文在理论推导分析的基础上
通过多种计量方法和模型在封闭经济和开放经济视角下对货币政策、资产价格与宏观经济
之间的关联进行了全面细致的分析。本文的创新点主要表现在以下几个方面：
（1）在模型方法上，本文以 TVP-VAR 模型为基础来进行扩展，施加符号约束构建
S-TVP-VAR 模型，引入潜在门限构建 LT-TVP-VAR 模型，提炼共同因子构建潜在 LTF 模
型，将高维数据进行降维处理构建 TVP-FAVAR 模型。相比于常系数 VAR 族模型而言，本
文所使用的模型均为改进了的时变模型，而目前国内学者大多还停留在借助 Koop 和
Korobilis 所提供的 TVP-VAR 模型的 MATLAB 程序和 Nakajima 提供的 TVP-VAR 模型的
Oxmetrics 程序进行实证模拟，对于本文所使用的扩展模型国内学者罕有使用。此外，此类
模型能够克服经济系统经常性的结构突变导致的非线性问题，因而用该类模型模拟货币市
场的运行状况时相比于常系数 VAR 族模型具有更好的估计效果，这大大的提高了本文的实
证可信度。
（2）本文第 2 章建立了一个包含混合菲利普斯曲线和 IS 曲线的结构方程组模型，根
据方程组模型的简化式可知：通货膨胀率和产出缺口具有惯性特征，受其前期经济运行状
况影响。同时，两者还具有“前瞻性”效应和“后顾性”效应，它们都受到产出缺口和通
货膨胀的预期值和滞后值的紧密制约，这种动态紧耦合关联性在新息冲击下使得经济变量
之间的相互关联呈现出时变特征，从而论证货币政策传导具有明显的时变效应。
（3）以往研究者对于货币政策效果的分析较为笼统，本次金融危机后，以量化宽松货
币政策为代表的非常规货币政策变得越来越重要，相比于以往常规货币政策效果而言，非

26
 第1章 绪论

常规货币政策效果较少涉及。本文第 3 章中将货币政策区分为常规货币政策和非常规货币
政策，借助符号约束构建出代表常规货币政策的利率冲击和代表非常规货币政策的信号冲
击、资产负债表冲击，利用符号约束 TVP-VAR 模型来研究常规货币政策与非常规货币政
策效果之间的强度区别，这为中国货币当局搭配使用常规货币政策和非常规货币政策奠定
了良好基础。此外，由于政策执行规则非连续性、政策执行过程交错叠加性和政策执行效
果的滞后性等原因增加了非常规货币政策效果的研究难度。本文独树一帜通过两种不同的
方式来衡量货币政策效果：在本文第 3 章中借助符号约束构建出代表非常规货币政策的信
号冲击、资产负债表冲击；在本文的第 4 章中借助影子利率期限结构模型确定的影子利率
与联邦基金利率之差所得的潜在利差来代表非常规货币政策冲击。通过以上两种渠道，本
文最终实现了从定量分析视角研究非常规货币政策效果，这相比于国内对于非常规货币政
策的研究由于缺乏实证支撑而导致只能进行政策定性描述是一个明显进步。
（4）本文第 4 章和第 5 章在研究货币政策与资产价格的关系时，更多的是将作为货币
对内属性的利率水平和作为货币对外属性的汇率水平这两种基础资产价格为研究对象，而
不是如已有的大量研究一样直接考虑将股票价格、房地产价格这类资产价格作为研究对象。
此改进一方面使得研究对象更集中和有针对性，另一方面股票价格、房地产价格这类资产
价格的波动具有如制度在内的大量非市场化因素掺杂其中，直接以此为研究对象降低了研
究的可信度。
（5）本文第 6 章依靠现今蓬勃发展的大数据技术借助高维模型构建金融状况指数，同
时在指标合成元素的选取上也结合市场变动实际情况谨慎加入了一些有代表性的资产价
格，这使得最终所构建的金融状况指数具有很好的预测效果，对于我国货币市场稳定性的
监测、预警和评估提供了很好的借鉴。此外，金融状况本质上来说是衡量货币市场运行环
境的一个不可观测变量，主观感知不可观测因素常常容易产生很大误差。用分层狄利克雷
混合过程的无限状态隐含马尔可夫区制模型研究金融状况指数的不稳定性时各时段区制数
由模型估计确定，金融状况区制个数的确定更大程度上依赖于数据结构而非依赖于研究者
的主观偏好，这也使得研究者们能够通过观察各时段区制个数来确定货币市场的稳定性，
这也是一个明显的创新。

27
28
 第2章 中国货币政策传导的动态响应机制研究

第2章 中国货币政策传导的动态响应机制研究

后金融危机时代，各大经济体为了将本国或本地区从经济衰退中拯救出来，争相推出
各种“量化宽松”的货币政策，试图通过增加货币供给量来刺激经济。作为政府调控经济
的有效手段，宽松的货币政策对各国经济复苏确实起到了积极的促进作用（张学勇和宋雪
楠，2011）
。深入研究货币供给冲击下货币政策内生传导机理和具体传导路径，有利于货币
当局制定出具有前瞻性、一致性和持续性的货币政策，减少社会的福利损失和遏制经济运
行中的一些不稳定因素而熨平经济周期性波动。
自 Friedman 和 Schwartz（1963）提出将货币供给量作为唯一的货币政策工具的“单一
规则”以来，货币超中性问题就饱受各方争议。以 Lucas（1972）为代表的理性预期学派
认为, 由于公众预先充分掌握了一切可以利用的信息，使得货币供给冲击的效果仅仅通过
价格水平反映出来, 而对真实经济活动没有影响。而新凯恩斯主义者则认为，由于名义价
格和名义工资具有粘性，导致货币供给冲击对实际经济行为具有真实效应（Christiano 等，
。70 年代中后期伴随着货币主义思潮的流行和解决“滞胀”问题的现实需要，货币
1997）
供给冲击对产出水平影响的不确定性并没有影响以美国为代表的一些市场经济国家将货币
供给量确定为本国调节货币市场的中介目标。我国也自 1998 年 1 月 1 日开始取消对商业银
行贷款规模的限额控制、逐渐建立起了以基础货币为操作目标、货币供给量为效果目标的
中介目标体系。伴随着金融自由化的发展和层出不穷的金融产品创新, 各层次货币间界限
的日趋模糊、货币数量与经济目标之间稳固关系的瓦解以及货币数量的可控性较差, 迫使
许多国家开始放弃以货币供给量为中介目标的货币政策框架。对于我国是否依然需要采用
以货币供应量为中介目标这一议题相关学者展开了大量讨论，结果认为：虽然短期货币需
求和货币流通速度不稳定和货币供给的可测性较差, 但货币供给量与物价和 GDP 之间的相
关性较好，
现阶段继续使用货币供给量作为货币政策中介目标仍具有一定程度的合理性（刘
明志，2006；苏亮瑜，2008；盛松成和吴培新，2008）
。
货币当局在进行货币政策传导机制分析以制定切实可行的货币政策时通常需要监控上
百个经济指标，由于经济变量之间的相互关联性使得常规的单方程分析表现出明显的局限
性。自 Sims（1972）首开用向量自回归（VAR）模型研究货币供给存量与 GNP 因果关系
之先河以来，向量自回归方法就被逐渐开始用来研究我国货币供给对产出波动的影响。
Dickinson 等（2007）运用 VAR 模型研究几个特定时期内中国货币政策传导效应，结果显
示货币供给量对产出水平的影响表现显著且呈现出明显的阶段特征。Fan 等（2011）运用
VAR 模型研究我国货币政策效果，结果表明我国产出水平对货币供给冲击响应效应显著但
冲击响应强度低于其他市场化国家。金成晓和马丽娟（2011）运用 DSGE-VAR 模型研究货
29
 吉林大学博士学位论文

币政策冲击对我国经济系统的影响，结果表明货币政策冲击对产出增长率缺口缺乏长期影
响。He 等（2013）利用因子增广的向量自回归（Factor-Augmented Vector Autoregression，
FAVAR）模型研究亚洲金融危机后我国的货币政策传导机制，结果表明中国人民银行通过
调控贷款总额和货币供给增长率能够有效的调节实际经济和价格水平。
另一方面，由于我国的金融市场起步较晚、市场化进程缓慢和非市场行为干预频繁，
使得我国的货币政策在转轨过程中不同发展阶段间缺乏较强的连续性和一致性，呈现出明
显的非线性特征，使得基于描述线性关系的 VAR 族模型分析我国货币传导机制时可信度下
降。为了弥补此缺陷，学者大量采用非线性模型继续进行探索和研究。赵进文和闵捷（2005）
从 Logistic 平滑转移自回归 (logistic STR)模型从总量上研究了我国货币政策操作的非线性
机制，结果发现了我国货币政策操作效果表现出明显的非对称性和很强的非线性特征。彭
方平和王少平（2007）应用非线性平滑转换面板数据模型从微观层面对我国货币政策传导
的非线性效应进行了实证研究，结果表明我国货币政策在总体上呈现微观有效性。张屹山
和张代强 (2008) 使用门限自回归（STR）模型估计了我国货币政策反应函数 ,发现在货币
供给高增长时期的反应系数大于货币供给低增长时期的反应系数。欧阳志刚和史焕平
（2011）运用阈值协整误差修正（TVECM）模型研究后金融危机时期过剩的货币供给对通
货膨胀与经济增长的非线性调节效应，结果显示货币供给向长期均衡的调节对经济增长通
胀的调节效应具有非线性。张暾等（2013）以预期和非预期的货币冲击序列作为影响经济
增长的转移变量利用平滑转移自回归模型分析货币政策对经济增长的非对称性和非线性效
应，结果表明货币冲击对经济增长的非对称效应影响是滞后，并且该影响主要是通过正向
未预期到的货币冲击体现的。
上述这几类非线性的分析方法均从不同的视角证明了我国货币政策传导机制的非连续
性、非一致性和产出波动对货币供给冲击响应的非线性特征。但它们均不能刻画货币政策
工具变量间由于受到宏观共同因子的影响而产生的变量序列伴随时间而变化的条件异方差
性。本章试图通过时变参数向量自回归（TVP-VAR）模型研究不同时点上我国产出波动对
货币政策规则的动态响应。本章余下部分的结构安排为：首先是理论分析与模型设定，一
方面建立了一个包含混合菲利普斯曲线和 IS 曲线的结构方程组模型，另一方面介绍了
TVP-VAR 模型结构。其次是数据说明与实证结果，在介绍数据指标选取标准和数据来源的
基础上对货币传导机制进行结构性断点检验和模型中相关参数进行估计。再次则从模型的
显著性和脉冲响应函数两个层面对 TVP-VAR 模型的信息效度进行研究。最后一部分为本
章小结, 给出了相关的政策建议。

30
 第2章 中国货币政策传导的动态响应机制研究

2.1 理论分析与模型设定

2.1.1 理论分析

货币当局欲通过货币渠道对实体经济进行调控时必须事先确定金融市场上货币供给
量，我们假定决策者依据如下既定规则供给货币：

mtT   mt   mt 1  1      mtT1 (2.1)

T T
式(2.1)中，mt 、 mt 1 为第 t 期和第 t-1 期的货币增长趋势，mt 、 mt 1 为第 t 期和第 t-1

期的货币供给量，且 0      1 。

依据 Spahn(2007)的分析结论，我们假定实际货币需求函数为：

Mt
mt   yt   tm (2.2)
Pt

其中， mt 、 yt 为实际货币需求量和产出缺口，式(2.2)表示货币需求由产出缺口驱动，

所有的货币需求量的变动均来自具有累积效应的货币需求冲击  t ，该冲击为序列相关且
m

服从 AR（1）过程：

 tm   m tm1  tm (2.3)

其中， m 表示货币需求冲击是具有持续性强度，t 为白噪声过程，表示我国政府非

m

规则性“相机抉择”的需求冲击。相应的，我们继续假定所有的货币供给量的变动均来自

供给冲击  t ，该冲击为序列相关且服从 AR（1）过程：

s

 ts   s ts1  ts (2.4)

（1） 货币内生性的 Phillips 曲线

基于 Calvo（1983）的粘性价格假定将通货膨胀预期加入 Gerlach（2004）的两支柱
（two-pillar）Phillips 曲线可得标准的附加前瞻性预期的 Phillips 曲线：

 t    mtT  1    Et t 1    yt   ts (2.5)

式（2.5）中， t 为通货膨胀率， Et t 1 为基于 t 期信息对 t+1 期通货膨胀率的预期值，

yt 为产出缺口，  ts 为供给冲击。基于式（2.5）可得在第 t-1 期：

31
 吉林大学博士学位论文

 t -1    mtT-1  1    Et -1 t    yt -1   ts-1 (2.6)

将式（2.1）代入式（2.5）可得：

 
 t     mt   mt 1  1      mtT1   1    Et t 1   yt   ts (2.7)

联立式（2.2）、
（2.3）
、（2.4）、（2.6）、
（2.7）可得：

t  1      E   1      E    1       
t t 1 t 1 t t 1

      y      1       y 
t t 1
(2.8)
          1        
m m
t 1
s s
t 1

    
t
m
t
s

（2） IS 曲线

基于 Gerlach（2004）我们构建了具有微观经济基础的附加前瞻性产出缺口预期的消费
需求函数:

yt  Et yt 1   rt   mtT  1    Et t 1  (2.9)

其中， yt 、 rt 为实际产出缺口和实际利率， Et yt 1 、 Et t 1 为基于 t 期信息对 t+1 期

产出缺口和通货膨胀率的预期值， 0    1 。基于式（2.9）可得在第 t-1 期：

yt 1  Et 1 yt   rt 1   mtT1  1    Et 1 t  (2.10)

将式（2.1）代入式（2.9）可得：


yt  Et yt 1   rt    mt   mt 1  1      mtT1   1    Et t 1  (2.11)

联立式（2.2）、
（2.3）
、（2.10）、（2.11）可得：
1
yt   Et yt 1  1      Et 1 yt  1        yt 1 
1   

 rt  1      rt 1   1     Et t 1  1      Et 1 t 
1    (2.12)
 

1   
 m     tm1  tm 

联立式（2.8）和（2.12）模型可以表示为如下简化式：

 t   Et t 1   Et 1 t   t 1   ts1   ts 

y    E y    E y    y     m    m (2.13)
 t  t t 1   t 1 t   t 1   t 1  t 

32
 第2章 中国货币政策传导的动态响应机制研究

其中，  、  、  和  均为 22 矩阵，特别是  为 22 的上三角矩阵①。由该简化式

可知：通货膨胀率和产出缺口具有惯性特征，受其前期经济运行状况影响。同时，两者还
具有“前瞻性”效应和“后顾性”效应，它们都受到产出缺口和通货膨胀的预期值和滞后
值的紧密制约，这种动态紧耦合关联性在新息冲击下使得经济变量之间的相互关联呈现出
时变特征；  为 22 的上三角矩阵表明，在货币传导渠道中，由于“菜单成本”使得同期
供给冲击反应迟缓所产生的时滞效应使产出波动仅受同期需求冲击影响，而通货膨胀率却
受同期供给冲击和同期需求冲击双重影响。由于我国的货币供给量由人民银行根据实际经
济发展状况和宏观政策导向来确定，同期供给冲击强度和同期需求冲击强度最终都反映在
货币供给量上。这使得以货币供给量为中介目标的货币政策工具变量间呈现出随时间而变
化的条件异方差性和非对称性。基于以上两个原因，本章应用 TVP-VAR 模型，试图通过
该模型的时变参数特征描述我国货币政策在转轨过程中不同发展阶段传导过程中的一致性
和非连续性的时变特征。

2.1.2 时变参数向量自回归模型

传统 VAR 模型作为一个静态模型，固定参数的假定降低了对不稳定的经济系统变量间
的长期均衡关系的解释效力。Canova
（1993）提出的带漂移系数的 VAR 模型和 Kim 等（1998）
提出的多元随机波动率模型分别从系数时变和协方差时变角度放宽模型的限制条件。沿着
该研究思路，Cogley 和 Sargent（2005）基于变量间同期相关关系不变的假定下研究了具有
漂移系数和时变方差的 VAR 模型。Primiceri（2005）进一步扩展为系数、方差和协方差均
随时间变动的完全意义上的非线性时变分析模型——TVP-VAR 模型。D’Agostino 等（2011）
利用美国的宏观经济数据证明得出 TVP-VAR 模型相对于其他 VAR 模型具有更强的预测效
果。Nakajima（2011）则利用 Kim 等（1998）混合抽样确定后验分布的方式对 Primiceri（2005）
所提出的 TVP-VAR 模型的待估参数极大似然估计进行改进，从而建立了新的 TVP-VAR 模
型。

（1）常参数 VAR 模型

我们以一个基本 VAR 模型开始，定义如下：

Ayt  F1 yt 1  ...  Fs yt s  ut , t  s  1,..., n, (2.14)

其中， yt 是一个 k 1 维的可观测向量， A, F1 ,..., Fs 是 k  k 维的系数矩阵， ut 是一个

k 1 维的结构化冲击向量。我们通过递推辨识指定结构冲击的同步关系，假定 A 是一个下

①
由于  、  、  、  和  矩阵的元素的表达式结构复杂，为了简化问题，本文用大写希腊字母
代替矩阵。
33
 吉林大学博士学位论文

三角矩阵，

 1 0 0
 
a21
A  (2.15)
 0
 
 ak1 ak ,k 1 1 
我们现将模型（2.14）改写为如下的简化式 VAR 模型，

yt  B1 yt 1  ...  Bs yt s  A-1   t ,  t ~N（0，Ik） (2.16)

其中， Bi =A Fi，i  1,..., s, 并且

-1

1 0 0
 
0
   (2.17)
 0
 
0 0 k 

这里  i (i  1,..., k ) 是结构化冲击的标准偏差。堆叠位于矩阵 Bi 的行当中的元素来形成

k 2 s 1 维的列向量  ，并定义 X t  Ik  ( yt 1 ,..., yt k ) ，则模型可再次改写为

' '

yt  X t   A-1   t (2.18)

式（2.18）中的所有参数都是非时变的。下一部分将通过允许参数时变来构造模型。

（2）TVP-VAR 模型

TVP-VAR 模型设定为如下形式，

yt  X t t  At -1  t  t , t  s  1,..., n, (2.19)

其中，系数  t 、参数 At 和  t 都是时变的。有多种方法可以模拟时变参数的过程。

令 at 表示下三角矩阵中元素的一个堆叠向量， ht  (h1t ,..., hkt ) 且 h jt  log  jt ，其中，

' 2

j  1,..., k , t  s  1,..., n 。参照 Primiceri（2005），我们假定式（2.19）中的参数服从一个

随机游走过程，具体形式如下：

t 1  t   , at 1  at  a , ht 1  ht  h
t t t
(2.20)

34
 第2章 中国货币政策传导的动态响应机制研究

 t   I 0 0 0 
    
  t   0  0 0 
  ~ N 0 0  (2.21)
 at   
0  a
0

 h
 t




0
 0 0  h



其 中 ， t  s  1, , n , s 1 
N   ,  0 0
 , as 1 
N a0 ,  a
0
 ,

hs 1 
N h ,h 0 0
 。我们假定对时变参数的冲击扰动在参数  、a 和 h 之间是不相 t t t

关的。进一步假定  、  a
和  h
都是对角对阵。通过模拟漂移系数与参数来充分

捕获 VAR 模型随时间的可能变化。我们的模型设定足以允许参数进行时变，即使在这一过
程中驱动参数时变的冲击是不相关的。

注意到结构化冲击方差（  t ）的对数是被假定服从随机游走过程的，这属于经典随
2

机波动（如 Shephard（2005））
。在金融文献中，对数波动率（ ht ）常常被假设服从一个平

稳过程，如一阶自回归过程。随机游走过程是非平稳的，并且在分析具有较长序列的市场
产品行为时是不理想的，如处理日度金融数据时表现并不理想。而本文研究的目的是对季
度宏观经济数据进行实证分析，样本量大约为 100。此外，正如 Primiceri（2005）讨论的
那样，随机游走假设可以捕获可能的渐进结构变化或者结构突变。

（3） 贝叶斯推断过程

TVP-VAR 模型包括若干参数，估计程序可以通过 MCMC 方法来实现。在贝叶斯推断

过程中，在一个确定的先验概率分布下，MCMC 算法可从可从参数的高维后验分布中抽取
样本，包括不可观测的潜变量（如 Chib（2001））
。在我们的模型中使用时变参数作为潜变
量，模型将生成一个状态空间。对 TVP-VAR 模型构造一个有效抽样程序的关键在于如何

依赖于其余参数对   {t }t  s 1 进行联合抽样（反过来可推出 a  {at }t  s 1 , h  {ht }t  s 1 ）

n n n
，

这比一次抽取一个的抽样过程要更好。为了实现这种策略，仿真平滑（de Jong 和

Shephard,1995; Durbin 和 Koopman, 2002）适合于抽取时变系数  和参数 a ，因为模型可被

改写为线性高斯状态空间模型。
考虑到随机波动率 h ，模型形成一个非线性非高斯状态空间模型；因此，我们需要更
多的技术性抽样方法。抽取随机波动率的一个方法是 Kim 等(1998)提出的过程，叫做混合
抽样。这个方法已经被广泛使用在金融和宏观经济文献中（Omori 等,2007; Primiceri,2005）
。
另一种方法是多步抽样（Shephard 和 Pitt, 1997; Watanabe 和 Omori, 2004）.第一种方法解决

35
 吉林大学博士学位论文

的是近似线性状态空间模型。正如 Kim 等（1998）和 Omori 等（2007）所研究的那样，它

的近似误差足够小可以实施原始模型，并且可被补偿步骤更正（具体细节可见 Kim 等
(1998)）。另一方面，第二种方法的算法通过从精确的条件后验密度中提取来处理模型。两
种方法在实现 TVP-VAR 模型中的时变部分时都是合适的，本章中我们使用第二种方法从
模型原始形式中进行直接抽样。

(a) MCMC 算法

设 y  { yt }t 1 ,   (
n
 ,  , 
a h
) 。令  ( ) 表示  的先验概率密度。给定数据

y ，我们通过 MCMC 方法从后验密度抽取样本  ( , a, h,  | y) 。抽取后验分布有多种方

法，我们使用如下的 MCMC 方法：

a.初始化  , a, h, 

b.抽取  | a, h,   ,y
c.抽取  |

d.抽取 a |  , h,  a
,y

e.抽取  a
|a

f.抽取 h |  , a,  h
,y

g.抽取  h
|h

h.回到步骤 b
正如上面提到的，步骤 b 和 d 可以在仿真平滑的帮助下实施，步骤 f 要求对随机波动

率进行多步移动抽样。对角矩阵  h
n
的假设使得 {h jt }t  s 1 的条件后验分布相互独立，并

且使得对 h 的抽样算法变得简单。步骤 c、e、g 是很简单的，直接从共轭分布下的 Wishart

和 Gamma 分布来抽取。程序的细节如下所述。

首先，对于抽取  ：

为了从条件后验分布 
（ | a, h,   ,y）中抽取  ，我们将模型写成状态空间的形式
yt  X t t  At -1  t  t , t  s  1,..., n (2.22)

t 1  t   , t  s,..., n-1
t
(2.23)
36
 第2章 中国货币政策传导的动态响应机制研究

其中，s  0 , s ~ N (0，  0

) 。从联合后验分布 （s+1 ,..., n | a, h,   ,y）中进

行抽样是可行的。依据 de Jong 和 Shephard（1995）的做法，我们给出状态空间模型的仿

真平滑算法

yt  Ztt  Gt t , t  s  1,..., n (2.24)

t 1  Ttt  Ht t , t  s,..., n-1 (2.25)

其中， t ~ N (0, I ),Gt Ht  0。模拟仿真抽取   (s ,...,n1 ) ~ 

（ | y,），其中
'

t  Ht t , t  s,..., n-1 ，  表示模型中的其他参数。我们利用卡尔曼滤波：

et  yt  Ztt , Dt  Zt PZ
t t  Gt Gt , Kt  Tt PZ
' ' '
t t Dt
1
(2.26)

Lt  Tt  Kt Zt , at 1  Tt at  Kt et , Pt 1  Tt PL
t t  Ht Ht
' '
(2.27)

其中， t  s  1,..., n, as 1  Ts as , Ps 1  H s H s 。接着令 t  H t H t ，我们实施仿真平

' '

滑：

Ct  t  tUt t ,t  t rt   t ,  t ~ N (0, Ct ),Vt  tUt Lt (2.28)

rt 1  Zt ' Dt 1et  Lt 'rt  Vt 'Ct 1 t ,Ut 1  Zt ' Dt 1Zt  Lt 'U t Lt  Vt 'Ct 1Vt (2.29)

其中，t  n, n  1,..., s  1, rn  U n  0 。最后，我们抽取s   s rs   s ,  s ~ N (0, Cs ) ，

并且 Cs   s   sU s Ls 。通过使用了真平滑抽取的 {t }t  s 的状态方程来构造 { t }t  s 1 的样

n 1 n

本。在抽取  的例子中，我们整合参数作为 Zt  X t ， Tt  I ， Gt  ( At
1
 , O) ，
t

H t  (O,   ) ， t  s  1,..., n, Ts as  0 。

1/2

其次，对于抽取 a ：

为了从条件后验分布    | a, h,   
, y 中抽取 a ，关于 a 的状态空间形式有助于了

解实现的过程，定义如下

yˆt  Xˆ t at   t  t , t  s  1,..., n,
(2.30)
at 1  at  at , t  s,..., n  1,

其中， as  a0 , as ~ N (0,  a0

), yˆt  yt  X t t ，并且

37
 吉林大学博士学位论文

 0 0 
 ˆ 
  y1t 0 0 
 0  yˆ1t  yˆ 2t 0 
Xˆ t    , t  s  1,..., n. (2.31)
 0 0 0  yˆ1t 
 0 0 
 
 0 0  yˆ1t  yˆ k 1,t 

与抽取  相似，我们使用模拟平滑，同时令 Zt  Xˆ t ， Tt  I ， Gt   t 
,O ，


H t  O,  a
1/2
 ， t  s 1,..., n ， T a   s s a0 ， H s  (O, 
1/2
a0
)。

再次，对于抽取 h ：

状态变量 h 的状态空间方程属于非线性状态空间的设定形式。因为我们假定

 、
h h0 是对角矩阵，我们分别对 {h jt }t  s 1 ( j  1,..., k ) 做出推断。令 y it 表示 At yˆt 的第
n *

i 个元素。然后可写作

y*it  exp(hit / 2) it , t  s  1,..., n,

hi ,t 1  hit  it , t  s,..., n  1,
(2.32)
  it   1 0 
  ~ N  0,  2 
it    0 i  

其中is ~ N (0,i 0 ) ，i 和 i 0 分别是

2 2 2
 、 h h0 的第 i 个对角元素，it 是  ht 的第 i 个

元素。对非线性高斯状态空间模型运用多步移动抽样的方法，从它的条件后验密度中抽取

(hi ,s 1 ,..., hi ,n ) ，该方法由 Shephard 和 Pitt(1997)和 Watanabe 和 Omori(2004)发展而来。

我们将 (hi , s 1 ,..., hi ,n ) 分为 K  1 个部分，并且以其他部分和参数为条件的联合后验密

度中抽取每一个部分。现在我们关注从联合后验密度中抽取一个典型部分 (hir ,..., hi ,r  d ) ，

（注意到 r  s  1, d  1, r  d  n ）。则条件后验分布由下式给出

r d
1 y*it 2 r  d 1
 (i ,r 1 ,...,i ,r  d 1 i )   hit /2
exp( hit
)  f ( it )  f (hi ,r d ) (2.33)
t r e 2e t  r 1

其中，

38
 第2章 中国货币政策传导的动态响应机制研究

is 2
exp(  )( t  s )
2i 02
f (it )  { 2
(2.34)
exp(  it 2 )( t  s 1)
2i

( hi ,r d+1 -hi ,r d )2
exp{ }( r  d  n )
2i 2 (2.35)
f (hi ,r d )  {1( r  d n )

并且 i  (hi ,r 1 , hi ,r  d 1 , y ir ,..., y i ,rd , i , i 0 ) 。在给定 hi ,r 1 的前提下，通过对状态空间

* *

方程抽取的 (i ,r 1 ,...,i ,r  d 1 ) ，可从 (hi , s 1 ,..., hi ,n ) 中抽取后验。

结合如下的建议分布运用 AR-MH 算法(Tierney,1994; Chib 和 Greenberg,1995)从式(2.33)

中抽取 (i ,r 1 ,...,i ,r  d 1 ) 。我们对建议分布的构造始于二阶泰勒展开

*2
hit y it
g (hit )    hit (2.36)
2 2e

稍后讨论 hˆt ，定义

1 '' ˆ
g (hit )  g (hˆit )  g ' (hˆit )(hit  hˆit )  g (hit )(hit  hˆit ) 2
2
(2.37)
1 g ' (hˆ )
 g '' (hˆit ){hit  (hˆit  '' it )}2
2 g (hˆit )
其中，
*2
1 y y* 2
g ' (hˆit )    ithit , g '' (hˆit )   ithit (2.38)
2 2e 2e
我们使用建议的密度函数形式如下
r d (hit* -hit )2 r  d 1
q(i ,r 1 ,...,i ,r  d 1 i )   exp{ }  f ( )
2 it* 2
it
t r t  r 1

其中，

1
 *2   , hit*  hˆit   it* 2 g ' (hˆit ) (2.39)
it ˆ
''
g (hit )

t  r,..., r  d  1, 且t  r  d (当r+d  n) 。 t  r  d (当r+d  n) 时

1
* 2
 , (2.40)
i ,r  d ˆ
 g (hi ,r  d )  1/ i 2
''

39
 吉林大学博士学位论文

hi*,rd   i*,rd 2{g ' (hˆi ,r d )  g '' (hˆi ,r d )hˆi ,r d  hi ,r d 1 / i 2 (2.41)

建议分布的选择可由状态空间模型的一致形式推导出

hit*  hit   it , t  r ,..., r  d ,

hi ,t 1  hit  it , t  r  1,..., r +d-1，
(2.42)
  it     it* 2 0  
  ~ N  0,   ，t  r ,..., r  d ,
2 
it  
  0 i  

其中，当 r  2,i ,t 1 ~ N (0,i ) ，并且is ~ N (0, i 0 ) 。给定  i ，通过对整个状态空

2 2

间表达式(2.21)进行模拟平滑，来抽取 AR-MH 算法需要的 (i ,r 1 ,...,i ,r  d 1 ) 的候选点。

为了进行有效抽样，我们现在去寻找接近后验密度形式的 (hˆir ,..., hˆi ,r  d ) 。通过多次循

环下述步骤来实现：

a.初始化 (hˆir ,..., hˆi ,r  d )

b.通过(6)和(8)式计算 (hir ,..., hi ,r d ) ， ( ir ,...,  i ,r d )

* * 2* 2*

c.通过(9)式，利用 (hir ,..., hi ,r d ) ，( ir ,...,  i ,r d ) 进行模拟平滑，并获得 hˆir  E (hit i ) ，

* * 2* 2* *

t  r ,..., r  d

d.用 (hˆir ,..., hˆi ,r d ) 来替代 (hˆir ,..., hˆi ,r  d )

* *

e.回到步骤 b

注意到 E (hit i ) 是利用  t  0 进行模拟平滑作为  t rt 时得到的。

最 后 ， 我 们 对 分 块 作 出 评 论 。 一 个 典 型 分 块 可 被 表 示 为

(hi ,k j1  1 , .hi.k j ., , j  ) ,K  1，, 且. .k0.=s, ， kK11  n 。 Shephard 和 Pitt(1997) 给 出 了

(k1 ,..., kK ) 的定义，称作随机结，

n( j  U j )
k j  int[ ], j  1,..., K (2.43)
K 2

这里 U j 来自均匀分布 U [0,1] 随机抽样。对 MCMC 抽样的每次迭代我们随机抽取

(k1 ,..., kK ) 来获得灵活抽取 (hi ,s 1 ,..., hin ) 。

40
 第2章 中国货币政策传导的动态响应机制研究

最后，对于抽取  ：

给定  ，我们导出  的条件后验分布。  i 表示  的第 i 个对角元素。因为我

们假定  是 对 角 矩 阵 ， 我 们 对 i  1,..., k 分 别 抽 取  i 。 如 果 我 们 指 定 先 验 为

 2 ~ Gamma(s / 2, S / 2) ，我们获得条件后验分布  2  ~ Gamma(sˆ / 2, Sˆ / 2) ，

i 0 0 i i
i

这里
n 1
sˆi  s0  n  s  1 ， Sˆi  S0   (
t  s 1
i ,t 1  it )2 (2.44)

并且  it 是  t 的第 i 个元素。在这个例子中 Gamma 先验是共轭的，后验抽取是明确直

接的。我们以这种方式抽取  a 和  h 的对角元素。
a h

(b) 先验

在选择先验的时候应当小心，因为在模型的设定上 TVP-VAR 含有众多状态变量，并

且这一过程是以非平稳的随机游走过程来模拟的。TVP-VAR 十分灵活，使得状态变量足以
捕捉到潜在经济结构的渐进变化和结构突变。在利用 VAR 模型处理有限期限的数据样本的
过程中，允许参数时变可能会导致过度识别。Primiceri(2005)指出，在随机游走过程中，协
方差矩阵紧的先验可以避免时变参数出现貌似不可信的表现。尽管 TVP-VAR 模型需要轻
微偏紧的先验来提供合理的识别结果，但在实证计量经济学领域中，有时需要避免给定一
个过紧的先验。
在本文中，在各参数时变的过程中与同期相关关系 a 以及扰动变化对应的结构化冲击

的波动率 h 相比，时变系数  需要的先验更紧一些。在模型中我们考虑的结构化冲击在冲

击经济系统时是不被预期到的，并且与由 VAR 模型设定的自回归系统的经济变量的可能变

化相比，其通过接下的一部分所描述的估计程序，我们对  施加一个轻微偏紧的先验，

对  a
和  h
施加一个扩散先验。在这种情况下，有必要对给定先验进行敏感性分析，

就先验紧的程度这一方面来检验实证结果的稳健性。下文将给出稳健性检验的结果。
对时变参数先验的初始状态我们需要施加一个额外条件。当用于估计的时间序列是以
平稳过程模拟时，我们通常假定初始状态服从平稳分布的过程。然而，我们的时变参数是
随机游走的；因此，我们对每一时变参数的初始状态指定一个正态分布的先验。依据
Primiceri(2005)的做法，我们使用样本之前时期的数据，以非时变的 VAR 模型进行估计来

41
 吉林大学博士学位论文

确定正态先验的均值。充分利用数据中的信息，就可能从在指定一个无信息先验的情况下
进行后验分布的样本抽取。我们认为使用主要样本之前到主要样本起始时间这一区间内的
数据是合理的。

(c) 边际似然

在贝叶斯框架下，我们可以比较模型，通过比较模型拟合给定数据的后验概率。每个
模型的后验概率与其先验概率是成比例的。两个后验概率之比被称为贝叶斯因子。如果假
定先验概率相等，则选择产生最大边际似然的模型。边际似然被定义为关于参数先验密度
可能性的积分。有多种方法去估计包含状态变量模型的边际似然；我们使用调和平均法（如

见 Geweke（1999））
。基于仿真的边际似然调和平均数估计量表示为 m̂(y) ，可由下式计算：

1 1 M g ( ( j ) )
  (2.45)
m̂(y) M j 1 f ( y  ( j ) , ( j ) ) ( ( j ) )

其中，   (  , a, h), f ( y  , ( j ) ) 和  ( ( j ) ) 分别表示似然函数和先验密度， M 是

( j)

g ( )
MCMC 迭代的次数。如果分数 是上有界的，那么近似值是仿真一致的，
f ( y  , ) ( )

并且收敛速度可能是实用的。而 g ( ) 可以是包含在模型参数空间中的任何概率密度函数。

Geweke（1999）建议选择改进的调和平均数估计值作为 g 来确保分数的有界性。考虑截尾
的正态密度，定义

1 1
g ( ( j ) )  1/2
exp{ ( ( j )  ˆ )'Vˆ 1 ( ( j )  ˆ )} I [( ( j )  ˆ )'Vˆ 1 ( ( j )  ˆ )  2 ( p)] (2.46)
 (2 ) p /2
Vˆ 2

其中 I [] 是示性函数，当  被满足时取值 1，否则取值 0。 p 是  中元素的个数，  ( p)

2

表示自由度为 p 的卡方分布的  百分位数。通过截尾，落在潜在问题区间的样本免于边际

似然的计算。本文中，我们设 ̂ 和 Vˆ 等于样本均值，协方差矩阵从抽取的后验 {
( j) M
} j 1 计

算而得，并且   0.99 。正如在 Schorfheide（2000）中提到的那样，有趣的是，估计的边

际似然并不连续依赖于  。我们也计算了   0.95,0.90 水平下 TVP-VAR 模型的边际似然，

并发现估计的边际似然对  取值的不同几乎不敏感。

42
 第2章 中国货币政策传导的动态响应机制研究

2.2 数据说明与实证结果

2.2.1 数据说明

依据理论分析，本文选择实际产出缺口（ yt ）、实际 M1 供给量（ mt ）、通货膨胀率( f t )

和实际利率( rt )为变量来研究货币供给冲击下货币政策传导机制。本文用消费者物价指数

（CPI）衡量通货膨胀率。本文的研究区间为 1992Q1-2013Q1，数据频率为季度数据。通
过 X11 和 HP 滤波的方法对原始数据进行季节调整和去势处理。
本文选择用 CPI 来衡量通货膨胀率。由于作为数据来源的《中国统计月报》所提供的
是月度数据，作者以 1992Q1 为基期，先用月度环比 CPI 计算得到月度定基 CPI，再由月
度定基 CPI 得到季度定基 CPI，最后由季度定基 CPI 得到季度环比 CPI 而得到季度通货膨

胀率（ f t ）。

由于狭义货币供给量 M1 相对更实时准确的反映我国实际货币供给量的变化趋势，故
而本文选取 M1 的变动来代表货币供给冲击。相关数据来源于 CSMAR 数据库。由于数据
库提供数据为月度数据，因而通过等权重加权平均方法来得到季度名义 M1 货币供给量。

最后用季度名义 M1 货币供给量除以同季度 CPI 就得到季度实际 M1 供给量（ mt ）

。

本文选取 7 天的上海银行间同业拆借利率（Shibor）作为我国金融市场的真实利率。
由于从 1996 年开始我国金融市场才有银行间同业拆借利率，故而 1992 年至 1995 年的季度
利率数据利用上海融资中心的同业拆借利率。1996Q1 至 2013Q1 选取到期日为 7 天的银行
同业拆借利率，我们根据《中国人民银行统计季报》公布的月度银行间同业拆借利率进行
季度平均后得到季度同业拆借利率。最后，我们用季度银行间同业拆借利率减去同季度 CPI

就得到市场的实际利率（ rt ）
。

本文选择产出缺口作为衡量我国产出波动的指标。我国最早从 1992 年第一季度开始公

布 GDP 季度数据，依据《中国人民银行统计季报》所公布的季度名义 GDP 除以 CPI 指数

得到实际 GDP 数据 Yt 。在获得实际 GDP 数据之后，利用 HP 滤波方法估算潜在 GDP 数


据 Yt 。最后依据 yt  100  ln Yt / Yt
* *
 计算出产出缺口。
为了避免伪回归和研究货币政策工具之间的长期均衡关系和动态关联程度，我们首先

需要对相关变量序列进行平稳性检验，序列的单位根检验结果表明， yt 为 I（0）序列， f t

43
 吉林大学博士学位论文

和 rt 均为 I（1）序列， mt 为 I（2）序列。本文中序列的单位根检验利用 Stata12 实现，系

数稳定性检验和协方差矩阵稳定性检验利用 Matlab2012 依据相对应文献所提出方法编程

实现，而 TVP-VAR 模型的估计结果则是利用 Nakajima（2011）所编写的程序借助 OxMetrics
6 实现①。

2.2.2 平稳性检验

(1) 系数稳定性检验

为了检验货币传导过程是否受宏观政策的影响而发生结构性变化特征，Bernanke 和
、Cogley 和 Sargent（2005）
Mihov（1998） 、Sims 和 Zha（2006）已进行了相关方面研究。
但由于所使用的断点检验方法的检验效力弱而使得检验结果不能显著证明存在结构性变化
特征。我们考虑利用如下五种新的检验方法：SupLM 检验、SupWald 检验、Nyblom 检验、

qLL 检验和 Bai 和 Perron(2003)的 UDmax 检验 。与确定时点的单一断点检验方法 Chow

检验不同，SupLM 检验和 SupWald 检验为未知时点的单一断点检验方法，后三种检验方

法均为未知时点的多重断点检验方法。所有检验方法均基于 VAR(1)方程组中每一单方程的
残差逐式（equation-by-equation）进行②。以上断点检验方法均基于相关变量序列的统计性
质确定断点时点，使得断点时点检验结果如表 2.1 所示（变量 Y 代表方程中变量族，X 代
表方程中的滞后变量变量族，且未包含在 X 中的滞后因变量假定在检验过程中为非时变系
数）。结果显示，SupLM 检验和 SupWald 检验的检验效力低于后三种检验方法；在后三种

均为未知时点的多重断点检验方法中 UDmax 的检验效力最强；综合来看， ln mt 关于 yt 、

ft 、 rt 的系数均拒绝系数平稳性假定，呈现明显的时变特征。

表 2.1 系数稳定性检验
^
Y X SupLM SupWald Nyblom qLL UDmax

yt yt 1 7.84 8.99 1.01 -18.97 18.94

f t 1 7.32 9.63 0.77 -14.92 20.96**

rt 1 7.96 12.56 0.63 -16.38 22.53***

 ln mt 1 14.23*** 24.36*** 1.38** -25.36** 24.89***

f t yt -1 8.16 11.34 0.56 -17.21 10.23

f t 1 11.33 11.77 0.93 -16.95 17.69

①
感谢 Jouchi Nakajima 在编程方面给予的帮助。
②
VAR 滞后阶数的选择是依据后文中 Geweke（1999）提出的调和平均数的边际似然值所确定的。
44
 第2章 中国货币政策传导的动态响应机制研究

rt -1 9.75 12.33 0.98** -36.19*** 19.79**

 ln mt -1 11.28** 21.46** 1.19** -18.01* 21.36***

rt yt -1 5.21 8.37 0.46 -13.25 18.21**

f t -1 7.52 10.96 0.67 -19.15* 23.25***

rt 1 8.63 9.81 0.57 -22.13 20.98

 ln mt -1 10.11 20.19** 0.86* -18.36* 21.97**

 ln mt yt -1 8.94 9.36 0.35 -16.52 14.86

rt -1 6.89 11.63 0.58 -14.36 19.83**

 ln ft -1 10.26 12.88* 0.51 -15.68 19.97**

 ln mt 1 9.36 13.77 0.46 -13.79 22.39

注：***、**、*分别表示统计检验在 1%、5%和 10%水平上显著。

由于相对于其他四种断点检验方法具有最强检验效力，进一步依据 Bai 和 Person

（2003）的 UDmax 检验所使用的残差平方和最小化的动态规划方法我们还可以得到我国
实际货币供给量结构性变化的时点（见表 2.2）①。结果表明，由于受到货币供给量的结构
性变化的影响，我国的货币政策传导机制表现出时变特征，可以划分为 1992Q1:2002Q2、
2002Q3:2008Q4、2009Q1:2013Q1 三个区间。

表 2.2 我国实际货币供给量结构性变化的时点

断点 1 断点 2

结构性变化的时点 2002Q3 2009Q1

置信区间 [2001Q1:2003Q2] [2008Q3:2009Q3]

（2） 协方差矩阵稳定性检验

我们根据 Aue 等（2009）用 VAR(1)的残差的协方差矩阵进行平稳性检验。由于系数

变化可能导致协方差的变动而发生过度识别的问题，我们利用全样本时间段和三个子样本
时间段的 VAR(1)残差的协方差矩阵分别进行平稳性检验（见表 2.3）
。结果显示 VAR（1）
方程组在整个样本区间内协方差表现出显著的非平稳性，三个子样本区间内协方差表现出
一定程度的非平稳性。对三个子样本区间而言，1992Q1-2002Q3 的非平稳性最强，这可能
是由于我国金融市场初创时未预期到的信息量大所导致的；2009Q2-2013Q1 的非平稳性次
之可见此次金融危机对我国宏观经济影响深远。
综上所述，两种平稳性检验结果相互印证可知，在货币供给冲击作用下我国的货币政

①
为了下文分析的便利，我们进行 UDmax 检验时选择的最大断点个数为 2。
45
 吉林大学博士学位论文

策传导机制表现出明显的时变特征。常规 VAR 模型由于系数和随机扰动项的非时变性导致

该模型不能很好的捕捉到该特征，故而引入时变系数和时变扰动项的 SV-TVP-VAR 模型是
必要的。

表 2.3 协方差平稳性检验

样本区间  n (CUSUM 类型)  n (Sup 类型)

[1992Q1:2013Q1] 7.38*** 4.26**

[1992Q1:2002Q2] 5.34*** 3.62*

[2002Q3:2008Q4] 4.12*** 3.26

[2009Q1:2013Q1] 4.98*** 3.83**

注：***、**、*分别表示统计检验在 1%、5%和 10%水平上显著。

2.2.3 模型估计结果

依据 Geweke（1999）提出的调和平均数，本文依次计算 SV-TVP-VAR 模型滞后 1 阶

至 5 阶的边际似然值（见表 2.4）
。边际似然估计值越大，说明模型对数据的拟合效果越好。
因而依据结果本文将采用滞后 1 阶模型进行实证分析。依据 Nakajima(2011)，进行 MCMC

时假定先验值为 0 = 0 =0 =0 、 Q0  S0  W0  10  I k ，且协方差矩阵 Q 、 S 、 W 的第

2
i 个对角元素的先验服从 Qi ~ (40,0.02) 、 Si ~ (4,0.02) 、Wi
2 2
~   4,0.02  。我们

共进行 20000 次迭代模拟，前 2000 次迭代结果是预烧（burn-in）样本，其相应的部分估计

结果如表 2.5 所示。由收敛诊断因子和低效因子量值可知，我们接受待估参数收敛于后验
分布的原假设，MCMC 有效的估计了参数分布状况。

表 2.4 SV-TVP-VAR 模型滞后阶数的边际似然估计值

滞后阶数 1 2 3 4 5

边际似然估计值 27.38 24.56 23.19 24.53 19.81

表 2.5 模拟估计结果
参数 均值 标准差 95%的置信区间 收敛诊断概率 低效因子量值
Q1 0.031 0.007 [0.0211 0.0489] 0.77 16.60
Q2 0.022 0.003 [0.0167 0.0294] 0.37 9.38
S1 0.087 0.042 [0.0428 0.2068] 0.03 67.05
S2 0.089 0.045 [0.0421 0.2126] 0.04 82.18
W1 0.233 0.165 [0.0628 0.6378] 0.10 168.29
W2 0.277 0.110 [0.1210 0.5534] 0.32 61.01

注：表中 Q 、 S 为乘以 100 后的值。

46
 第2章 中国货币政策传导的动态响应机制研究

图 2.1 为模型所估计的实际 m1 供给量、实际利率、通货膨胀率、产出缺口在各时点

上的随机波动特征。从图中我们可以发现，在同一时点上各变量的波动幅度差异较大。由
于究其原因是由于经济变量由于受到相关相机抉择的外生性金融政策效应和具有“时滞性”
的内生性货币政策传导的影响，使得各宏观经济变量波动呈现出非常明显的条件异方差效
应。对于实际货币供给量的波动而言：实际货币供给量的波动呈现出“U”型特征，由于
我国货币当局主要根据产出水平依计划确定将来名义货币供给量，因而我国名义货币供给
存量变动幅度不大，从而使得实际货币供给量的波动取决于价格水平；2000 年以前由于名
义货币供给量增长率慢于物价水平增长率使得实际货币供给量增速减缓而波动幅度逐渐减
小；2006 年以后由于名义货币供给量增长率快于物价水平增长率使得实际货币供给量增速
加快而波动幅度逐渐增大。对于实际利率波动而言：由于市场的实际利率取决于市场的名
义利率和通货膨胀率之差，我国由于利率市场化程度不高，政府为了经济的平稳运行在规
定市场的名义利率时一般是小幅度调节，这使得实际利率的波动幅度主要取决于通货膨胀
率的波动幅度；1996 年以前由于物价水平的显著上升而出现了持续性高通货膨胀，这使得
这段时间实际利率也持续性的频繁波动；随着 1996 年后利率市场化进程的逐步深化，存贷
款利差管制逐渐放开，使得利率对资源配置的效率逐渐增强而波动幅度逐渐趋于平稳。对
于通货膨胀率的波动而言：2000 年以前由于价格双轨制因素的影响使得价格扭曲效应明
显，通货膨胀持续在高位运行；2000 年后由于我国经济逐渐由封闭型向开放型转变，外汇
储备的迅速增加和与其它经济体经济关联程度增强使得经济运行平稳和通货膨胀变动温
和，实现了经济的“软着陆”；2009 年以后由于各经济体相继推行“量化宽松”的货币政
策和我国继续坚持积极的财政政策和稳健的货币政策，在输入型和需求拉动型通货膨胀压
力的共同作用下物价水平又开始显著波动。对于产出缺口波动而言：1992 年确定市场经济
体制改革目标以来，由于经济体制变迁使得产出缺口波动幅度较大，但波动幅度减小；2005
年以后，由于经济的高速强劲增长使得波动幅度又逐渐增大且在 2008 年达到顶峰，此后由
于次贷危机影响范围逐步扩大，使得严重依赖投资和出口的我国经济开始降温而导致产出
缺口波动再次逐渐减小。以上基于图 2.1 的随机波动特征的分析表明，TVP-VAR 模型中的
随机波动特征很好的表现了我国货币政策传导机制中相关变量的时间演化路径，货币政策
传导机制中的时变特征使得货币当局的短期政策效应的异质性冲击通过随机波动效应得到
实时体现，同时随机波动效应的敏感性变动也进一步验证了我国的货币政策传导是一个非
线性、动态过程，一个货币政策工具发生变动会迅速使得其他相关经济变量进行适度微调，
整个货币政策传导机制灵活而高效。

47
 吉林大学博士学位论文

图 2.1 实际 m1 供给量、实际利率、通货膨胀率、产出缺口的随机波动特征

2.3 模型效度分析

为了判定 TVP-VAR 模型是否真实的反映了我国货币政策传导机制冲击反应的完整信

息，本文分别从模型的显著性和脉冲响应函数两个层面对 TVP-VAR 模型的信息效度进行
研究。

2.3.1 模型显著性分析

货币当局在经济运行的同一阶段之内通过“微刺激”方式频繁调节实际货币存量借助
货币政策传导渠道来影响货币政策传导机制，因而货币政策效果表现出连续性和货币政策
冲击响应呈现出短期强相关性，我们将货币政策传导机制的这种特征称之为时变效应；货
币当局在经济运行的不同阶段之间主要通过“强冲击”方式规则性运用相应的货币政策工
具通过改变货币政策调控方向的方式来影响货币政策传导机制，因而货币政策效果表现出
区制性和货币政策冲击响应呈现出长期强相关性，我们将货币政策传导机制的这种特征称
之为惯性效应。对于时变效应和惯性效应的识别问题我们以 TVP-VAR 模型和 VAR 模型进
行回归估计所得的平均修正判定系数即模型的平均显著性（R2）为依据，我们将由于系数
时变导致 TVP-VAR 模型相比于 VAR 模型而言增大的平均 R2 之差定义为时变效应。本文
分别用滞后 1 阶的 TVP-VAR 模型和 VAR 模型进行回归，
其对应变量方程的显著性如表 2.6
所示。首先，从表 2.6 中对应变量方程的显著性水平来看，两个模型均能很好地刻画我国
的货币政策传导机制。其次，从模型对应显著性的均值来看，TVP-VAR 模型和 VAR 模型
的平均 R2 分别为 0.807 和 0.785，由此表明 TVP-VAR 模型模型至少在刻画货币政策工具变
动趋势的准确程度方面要显著优于 VAR 模型。

48
 第2章 中国货币政策传导的动态响应机制研究

表 2.6 不同模型下变量方程的显著性

变量方程 TVP-VAR_R2 VAR_R2

yt 0.826 0.792

f t 0.806 0.787

rt 0.798 0.782

 ln mt 0.798 0.779

均值 0.807 0.785

2.3.2 脉冲响应分析

与 VAR 这种非结构化的多方程模型类似，用 TVP-VAR 模型进行实证分析时我们一般

淡化变量之间的关联性而重点考虑模型误差项的变动对系统的动态冲击效应。为了全面分
析我国货币市场上货币供给冲击下货币传导渠道的政策效果，本文从时间维度和时点维度
对相关变量进行了脉冲响应分析研究。
图 2.2 描述了各经济变量第 4、8、12 期（一年、两年和三年）的脉冲响应结果随时间
的动态演化路径。从各变量的短期冲击（第 4 期）影响来看，对于货币供给冲击而言：正
向货币供给冲击短期内会导致产出缺口扩大，且伴随着时间的推移，该冲击的强度逐渐增
大，在次贷危机发生以后由于我国稳健的货币政策的影响而导致这种正向促进效应达到
0.0004 以上；而正向货币供给冲击短期内会导致通货膨胀率上升，但伴随着时间的推移，
该冲击的强度逐渐减弱；正向货币供给冲击短期内会导致实际利率的下降，且伴随着时间
的推移，该冲击强度逐渐减弱；正向货币供给冲击短期内对随后货币供给量的影响则表现
为明显的周期性特征，该现象表明我国货币当局制定政策规则时表现为明显的“相机抉择”
特征和“逆周期”操作效应。对于实际利率冲击而言：正向的实际利率冲击在短期内导致
产出缺口缩小，2002 年之后正向的实际利率冲击使得产出缺口缩小的更明显，特别是在
2012 年达到最大值-0.04 左右，这也在一定程度上解释了 2013 年我国经济下行在很大程度
上是由于社会融资成本的上升所导致的；正向的实际利率冲击在短期内对自身和通货膨胀
率的影响则呈现反向相关关系，在 2002 年前正向的利率冲击短期内引起通货膨胀下降和实
际利率上升，但 2002 年以后正向的利率冲击短期内引起通货膨胀上升和实际利率下降；正
向的实际利率冲击短期内会导致货币供给的周期性波动，且该波动强度随时间的推移而逐
渐减弱，但 2010 年之后波动强度又开始呈现增大趋势。对于通货膨胀冲击而言：正向的通
货膨胀冲击短期内引起产出缺口扩大，随着时间的推移，产出缺口对通货膨胀的响应表现
为波动强度逐渐减弱而波动频率逐渐扩大的特征；正向的通货膨胀冲击短期内对通货膨胀
率和实际利率的影响则呈现反向关系，在 2002 年前正向的通货膨胀冲击短期内引起通货膨
胀持续上升和实际利率下降，但 2002 年以后正向的通货膨胀冲击短期内引起通货膨胀下降
49
 吉林大学博士学位论文

和实际利率上升，随着时间的推移，通货膨胀率和实际利率对通货膨胀的响应表现为波动
强度逐渐减弱的特征；正向的通货膨胀冲击引起货币供给量的周期性波动且波动幅度随时
间推移而逐渐减小。对于产出缺口冲击而言：正向的产出缺口冲击引起随后产出缺口缩小，
这表明产出的持续性较弱；正向的产出缺口冲击引起通货膨胀下降和实际利率上升，这表
明我国货币政策目标的“反通货膨胀目标”效应显著，货币当局当经济过热时倾向于通过
调节利率或降低通货膨胀；货币供给对产出缺口的响应也表现明显的周期性特征，2006 年
后该周期性波动现象呈现增强趋势。

图 2.2 不同时间的脉冲响应结果

综合观察以上不同时间的脉冲响应结果我们可以得出以下结论：首先，从脉冲响应结
果的时滞性考虑。各经济变量的脉冲响应强度随着滞后期的延长而逐渐减小。第 4 期的脉
冲响应强度最大且对各变量的冲击反映灵敏，而第 12 期的脉冲响应强度基本上接近于零。
该现象表明我国的货币政策传导路径只具有短期效应而不具有很强的持续性。其次，从脉
冲响应结果的对称性来考虑。一方面货币供给对产出缺口冲击的响应强度与货币供给对其
随后的脉冲响应强度呈现对称互补关系，另一方面货币供给对产出缺口冲击的响应略微领
先于货币供给对其随后的脉冲响应。该现象表明产出水平的变动先于货币供给量的变动。
最后，从脉冲响应结果的强度来考虑。货币供给量、实际利率和通货膨胀率对产出缺口冲
击的响应强度大于相对应的产出缺口对货币供给量 、实际利率和通货膨胀的响应强度。结
合以上产出缺口的变动先于货币供给量的变动且同步相关性日益增强的趋势分析结论可知
我国的货币供给过程表现为逐渐增强的产出缺口驱动特征。产出缺口对通货膨胀率和实际
利率的响应强度大于产出缺口对货币供给量的响应强度表明，货币供给不具有水平效应，
不能直接影响产出水平，它必须借助于实际利率和通货膨胀率之类的中间政策变量。
50
 第2章 中国货币政策传导的动态响应机制研究

由表 2.3 可知，基于实际货币供给量运用 UDmax 检验我们判定我国货币传导路径的结

构性变化时点为 2002Q3 和 2009Q1，因而我们选择 1992Q1、2002Q3 和 2009Q1 三个时点
的脉冲响应结果来进行对比，以期研究基于异质性货币供给冲击作用下不同时点的货币政
策传导机制和效度（见图 2.3）。对于货币供给冲击而言：产出缺口对货币供给冲击的响应
呈现峰状特征，且该脉冲响应强度在第 4 期时达到峰值，随后其影响逐渐减弱；正向的货
币供给冲击使得通货膨胀上升，对应的脉冲响应强度在第 3 期达到峰值后迅速的出现衰减；
正向的货币供给使得实际利率先下降，且在接近第 9 期时进入正向调整路径；而货币供给
对自身的冲击响应的自我持续性则呈现较快的出现衰减，脉冲响应强度在第 4 期时基本上
就已经接近为零。对于实际利率冲击而言：正向的实际利率冲击使得通货膨胀下降、随后
的利率上升和货币供给量增加；而产出缺口对实际利率的响应则表现为明显的阶段性特征，
基于 1992Q1 的脉冲响应结果呈现峰状特征，这是由于 90 年代初期资本稀缺使得资本的边
际产量较大，利率上升使得进行储蓄的收入效应大于替代效应促使居民倾向于进行资本积
累，从而提高了社会生产能力。对于通货膨胀冲击而言：正向的通货膨胀冲击使得产出缺
口扩大和通货膨胀具有明显的惯性；而由于货币当局的“反通货膨胀”目标，正向的货币
政策冲击使得实际利率下降和缩减货币供给量。对于产出缺口冲击而言：产出缺口冲击的
自我持续性脉冲响应期数的延长而呈现逐渐衰减趋势；虽然实际利率和通货膨胀率对产出
缺口冲击的响应结果呈现峰状特征，但正向的产出缺口冲击使得通货膨胀下降和实际利率
上升；与基于 1992Q1 和 2002Q3 的前 4 期脉冲响应结果相反，正向产出缺口冲击使得货币
供给短期内（前 4 期）的脉冲响应为正向相关关系，该现象表明，随着时间推移货币当局
确定货币供给量时开始逐渐更多依赖于我国的宏观经济形势，我国货币政策传导机制在逐
渐走向成熟。

图 2.3 不同时点的脉冲响应结果

51
 吉林大学博士学位论文

综合观察以上基于不同时点的脉冲响应结果我们可以发现：总体而言，基于 1992Q1
时点的脉冲响应强度最小且衰减最为缓慢，而基于 2009Q1 的脉冲响应强度最大且衰减最
为迅速。究其原因，是由于我国金融市场发展迅速且日臻成熟，基于利率渠道的货币政策
传导机制日益灵活且越发高效率导致的。与基于不同时点的脉冲响应结果类似，基于不同
时点的各经济变量的脉冲响应强度在前 10 期内都较为显著，但 10 期之后就基本上对其他
相关变量丧失了影响。这表明我国的货币政策在短期内具有真实效应，而缺乏长期性的持
续性影响。

2.4 本章小结

我国作为一个由计划经济逐步向市场经济转型的新兴经济体，金融市场由初创逐渐走
向成熟。伴随着金融市场的市场化程度逐步增强，货币当局越来越倾向于借助利率渠道作
用于我国的货币政策传导机制来对我国经济进行宏观调控。然而，由于转轨时期不同发展
阶段间相关货币政策调节措施缺乏连续性和一致性，进而导致在货币供给冲击的影响下我
国的货币政策传导路径呈现非线性和时变特征。本文基于 TVP-VAR 模型来实时捕获货币
政策传导过程的动态效应。实证结果表明：
第一，通过系数稳定性检验和协方差稳定性检验可知，由于相关货币政策调控措施缺
乏连续性和一致性，货币供给冲击对我国的货币政策传导机制的影响表现出明显的非线性
特征，而 TVP-VAR 模型能够很好的刻画我国货币传导机制的时变特征。一方面，由于中
国“入世”使我国货币体系由封闭经济向开放经济转变使得独立的货币政策受到外部环境
的影响 ；另一方面，由于 2008 年金融危机以来各国争相推出的“量化宽松”也使得我国
货币供给量增长迅猛。两者相互作用而使得我国的货币政策传导机制在 2002Q3 和 2009Q1
时点发生明显的结构性突变。
第二，基于不同时间的脉冲响应结果表明，伴随着时间的推移货币当局逐渐弱化货币
政策调控的行政化干预，货币供给过程表现为逐渐增强的产出缺口驱动特征。现阶段我国
基于货币传导渠道的货币政策传导机制大致可以表述为依据经济的实际产出水平决定货币
供给量，进而作用于实际利率和物价水平以达到对随后产出水平的控制和调节。这种通过
利率传导渠道作用于实体经济的货币政策传导机制重要性正逐步加强。
第三，无论是基于时间维度还是基于时点维度考虑，随着金融体制的逐步健全和完善，
货币供给冲击作用下我国的货币政策传导机制对政策工具的影响强度逐渐增大而响应时间
则逐渐缩短。该现象表明我国的货币政策传导机制随时间的推移而愈发灵敏和高效。同时，
增加货币供给量这种扩张性的货币政策在短期内具有真实效应，能够明显的影响实际利率
和产出水平，但是对宏观经济却缺乏长期性的持续性影响。
52
 第2章 中国货币政策传导的动态响应机制研究

通过货币渠道来进行货币政策的调节是当今成熟的金融市场中货币当局所普遍采用的
手段。我国由于市场化起步较晚和经济运行缺乏协调性而使得通过利率渠道进行货币政策
调节的影响力受到一定程度的限制。继续进一步深化利率市场化改革，减小经济运行时的
摩擦，便于货币政策传导机制运行更加顺畅和高效，使得利率渠道在进行宏观调控方面发
挥更大的作用，使我国的货币政策调控方式更好的与国际接轨。
由于近几十年来我国的经济迅猛发展，使得决策部门调控宏观经济运行状况是更加注
重时效性、阶段性而倾向于采取“随机抉择”的货币政策，结果往往忽视了转轨过程中不
同发展阶段间系列政策执行过程的一致性、长效性。而通过调节货币供给量来影响实际利
率、通货膨胀率等中间政策变量最终作用于产出水平存在时滞效应。政策的不连贯性大大
降低了政策执行力度，使得货币政策在短期内具有真实效应而对长期缺乏现实影响。因此，
制定货币政策时在注重政策的时效性的基础上同时兼顾政策的长期效应是货币当局进行决
策时所应当关注的现实问题。

53
54
 第3章 中国非常规货币政策传导渠道有效性研究

第3章 中国非常规货币政策传导渠道有效性研究

与大部分成熟经济体的货币当局将维持货币币值稳定作为其单一货币政策目标不同，
我国货币当局还需要从当前现实经济发展战略出发为促进经济平稳较快增长保驾护航。周
小川在博鳌亚洲论坛 2014 年年会"央行的未来"分论坛上提出，由于处于改革转型期的中国
还并没有达到实施传统货币政策所必须具备的所有经济条件，这导致中国的货币政策一直
是非常规的。岳超云和牛霖琳（2014）认为中国货币当局实际上所采用的是一种综合运用
数量型工具和利率工具的策略，该策略所带来的货币政策的不稳定性使得非常规货币政策
的实施成为了常态。特别是本次金融危机以来，中国政府推出“四万亿”等刺激经济的一
揽子计划使得中国人民银行的资产负债表规模迅速扩张。当前的中国正处于经济增长速度
换档期、结构调整阵痛期、前期刺激政策消化期的“三期”叠加阶段，国民经济整体的系
统性风险呈现逐渐积累态势。在建立以市场供求为基础有管理的浮动汇率制度思潮指导下，
人民银行开始逐渐减少对外汇市场的直接干预，通过外汇占款增加来向市场投放基础货币
的渠道日渐萎缩；传统的降低法定存款准备金率操作做法由于会对商业银行的经营活动产
生极大的不确定性影响和对宏观经济产生强烈波动而导致不情愿用这一猛药而开始寻找新
的平稳的基础货币投放方式。面临经济周期下行且信贷规模过快增长局面，央行试图在不
对货币总量开闸放水条件下通过使用央行短期流动性调节工具（SLO）、常备借贷便利操作
（SLF）、中期借贷便利操作（MLF）、抵押补充贷款（PSL）、定向降低准备金率、再贷款
等非常规货币政策手段来对宏观经济进行局部调控，非常规货币政策在我国货币市场越来
越频繁的被货币当局所采纳这一趋势在今后的一段时期将成为一种“新常态”
。因此，研究
非常规货币政策在我国的实际执行效果就具有了特别重要的意义。

3.1 非常规货币政策的理论基础

3.1.1 非常规货币政策的内涵与实践

非常规货币政策是指货币当局通过政策沟通、引导和承诺来调整金融市场的利率期限
结构以及通过改变自身资产负债表的规模、结构和内容而达到稳定价格水平、降低系统性
金融风险和促进经济增长的非常态货币政策。而常规货币政策则主要是央行借助法定存款
准备金、再贴现和公开市场操作三大手段来调节利率期限结构，从而最终达到经济增长、
物价稳定、充分就业和国际收支平衡的目的。对于两种货币政策之间的区别和联系，仍然
还存在一定分歧。Borio 和 Disyatat（2010）认为非常规货币政策主要是围绕货币当局的资

55
 吉林大学博士学位论文

产负债表的规模和结构展开，而常规货币政策则主要是围绕短期名义利率的调整来进行操
作。而国内学者靳玉英和张志栋（2010）则进一步提出非常规货币政策除了调整中央银行
资产负债表的规模和结构外，还通过创造出新的货币政策工具的形式变更了资产负债表的
具体内容。同时对利率政策规则进行相应变更，以中央银行承诺的形式影响利率期限结构。
非常规货币政策思想最早起源于早期学者们对于“大萧条”的反思。经济危机所导致
的金融结构的扭曲使得常规货币政策传导渠道受阻，当经济周期处于衰退期，伴随着金融
压力的增大“流动性陷阱”效应得到凸显，特别是名义利率水平已经处于零利率下界时试
图单一的通过增加货币供给量来压低货币市场上的整体利率水平的措施明显开始失效。
Friedman 和 Schwartz（1963）在其名著《美国货币史》中则更进一步指出由于在 1930s 美
联储错误地使用进一步减少货币供应量这种紧缩性货币手段，最终才导致了局部、小规模
的金融动荡演变为全局性的经济危机，他们认为当时美联储的正确抉择是向市场投放大量
基础货币来提供稀缺的流动性。该思想可以作为非常规货币政策的萌芽。然而，非常规货
币政策真正直接运用到现实经济中来调控宏观经济则始于 2001 年日本政府推行以定量宽
松为特征的量化宽松货币政策。日本央行通过调整银行隔夜拆借利率至零利率下界，变更
货币政策操作目标，延长资金供给工具平均到期时间和公开进行中央银行承诺这四种主要
方式，这最终导致了长期利率水平的下降和金融系统的稳定。2008 年金融危机爆发后，为
了预防美国经济长期陷入衰退，美国先后进行了三次规模超前的量化宽松货币政策。对于
美联储而言，主要是通过前瞻指引、扭曲操作和量化宽松三种方式来执行非常规货币政策。
良好的政策效果使得量化宽松结束时间由 2015 年底提前到了 2014 年 10 月。为了克服美国
量化宽松对他国金融市场的“与邻为壑”效应，欧洲中央银行在大幅降低主导利率的同时，
提出了“强化的信贷支持政策”。而英格兰银行在将基准利率降低到历史最低水平的同时主
要通过资产购买便利（AFP）来为市场提供流动性。
近年来，由于地方债务结构日益复杂、规模日益庞大以及影子银行游离于监管体系之
外所积累的大量系统性金融风险所导致的 2013 年 6 月所发生的中国式“钱荒”为标志，我
国央行以“微刺激”思想为指导，对金融系统的流动性进行有针对性的定向补充。2013 年
10 月至 12 月央行共投放短期流动性调节工具（SLO）7220 亿元，该货币政策工具作为公
开市场上常规操作的有效补充，在银行系统的流动性出现短缺时进行相机投放。2013 年 6
月至 2014 年 2 月央行共投放常备借贷便利操作（SLF）2.61 万亿元，该货币政策工具对金
融机构提供流动性支持。2014 年 7 月央行向国开行投放抵押补充贷款（PSL）1 万亿元，
该货币政策工具既是数量型工具，又是价格型工具，它在一定程度上被认为是央行打造中
期政策利率的新工具。2014 年 9 月至 2014 年 10 月央行投放中期借贷便利操作（MLF）1.27
万亿元，为满足宏观审慎监管要求的金融机构提供中期基础货币。在利用外汇占款渠道主
动投放基础货币增速放缓的情况下频繁使用非常规货币政策成为最近我国央行货币政策操
56
 第3章 中国非常规货币政策传导渠道有效性研究

作转向的一个新特征。2015 年 3 月财政部已经批复了 1 万亿的存量债务置换，开启了中国

版的“旋转门计划”
。非常规宏观政策操作手段的范围还在进一步扩大。

3.1.2 非常规货币政策的传导机制

虽然金融危机以来非常规货币政策的理念已经被世界各大经济体所接受和采纳，但人
们对非常规货币政策的传导机制和作用机理的认识仍然处于探索阶段。非常规货币政策的
传导机制是指央行通过利用有别于以往主流货币政策工具调整市场达到物价稳定、信贷增
长和金融体系健康发展等目的，从而实现经济繁荣复苏的过程。总体而言，非常规货币政
策主要通过信号渠道和资产负债表渠道来影响宏观经济运行状况（Peersman，2013）。
信号渠道是指货币当局通过公众承诺的方式，确保短期利率在相当长的时期内保持在
一个较低的水平，通过信号渠道人们能够准确的判断货币当局在未来很长时间段内的货币
政策走向，强化了政策利率预期，减少了信息的非对称性，降低了交易成本，这可以看作
是货币当局的“政策指示器”。
资产负债表渠道是指基于金融加速器理论将资产负债表内生化，货币当局通过定量宽
松、信贷宽松和外汇宽松等手段改变中央银行的资产负债表的结构和规模，从而影响货币
政策传导的实际效果。进一步的资产负债表渠道可以细分为资产负债表结构渠道和资产负
债表规模渠道。资产负债表结构渠道是指中央银行宣布执行非常规货币政策时，相应货币
政策工具通过资产购买流动性差的资产最终改变了中央银行的资产负债表结构。而资产负
债表规模渠道是指通过量化宽松向市场迅速大规模注资，使得中央银行的资产负债表规模
迅速增加。资产负债表规模渠道主要基于资产数量角度进行考虑，而资产负债表结构渠道
主要基于资产质量角度进行考虑。

3.1.3 非常规货币政策的有效性

货币政策调节宏观经济活动主要还是依赖于货币政策传导渠道，对于常规货币政策而
言，政策手段影响宏观经济主要通过信贷渠道、货币渠道和风险承担渠道。而非常规货币
政策影响宏观经济则主要是通过信号渠道和资产负债表渠道。不同于以往的新的货币政策
工具是否能够通过信号渠道和资产负债表渠道真实地影响到宏观经济是研究者们普遍关注
的一个焦点。Reifschneider 和 Williams（2000）运用 FRB/US 模型证实在开放经济条件下
面临零 利率下界约束时信号渠 道能够有效的影响到长 短期利率水平。 Eggertsson 和
Woodford（2003）运用动态随机一般均衡模型研究了当名义利率处于零时所导致的流动性
陷阱情况下的最优货币规则。结果表明，在不存在摩擦的市场情况下，货币当局通过信号
效应能够影响引导利率水平。Okina 和 Shiratsuka (2004)通过研究日本银行的货币执行经
验得出结论，认为日本银行所做出的零利率承诺能够显著影响利率期限结构。Bernanke 等

57
 吉林大学博士学位论文

(2004)运用事件分析法研究中央银行低利率承诺的效果，结果发现信号渠道的作用在美国
货币市场上比较明显而在日本货币市场上却效果并不显著，究其原因是由于市场结构存在
差异。总的来说，信号渠道影响利率和产出得到了人们的一致认同，然而，资产负债表渠
道影响利率和产出则存在一定争议。Kuttner (2004) 从货币主义者的角度出发，以日本银行
的数据证实仅仅通过中央银行资产负债表的规模的扩张并不能使得产出和物价水平得到显
著增加。Gagnon 等（2010）运用事件分析法研究了美联储对于中长期资产的大规模购买行
为。实证结果表明，大规模的资产购买期间即使对于不属于货币当局资产购买范围内的证
券而言，很多证券的长期利率都出现了在较长存续期内持续下降的趋势，产生该现象的原
因主要是由于风险溢价的降低，而非短期利率预期的降低。D'Amico 和 King（2011）运用
面板数据模型研究了 2009 年期间美联储购买规模达 300 亿长期国库券的政策效应。该购买
操作通过现金流效应使收益率曲线下降 3.5 个基点，此外所伴随的存货效应使收益率曲线
下降 5 个基点。近年来，熊海芳和王志强（2012）基于利率期限结构理论研究通货膨胀预
期在面对人民银行货币政策意外和人民银行沟通的政策反应。结果表明，货币政策意外和
人民银行沟通行为对通胀预期的影响在 2008-2009 年呈现出结构性变化特征，危机后非常
规货币政策对通胀的影响效果明显增强。夏玉婕（2013）利用 VAR 模型对非常规货币政策
的效果进行检验，结果显示正向信号冲击和正向资产负债表冲击均导致了产出的增加。然
而由于传统 VAR 模型自身存在缺陷，即使是 SVAR 模型也仅能通过施加零约束而不能确
定正负向，这最终导致不能确定变量之间的相互关系到底是促进作用还是抑制作用。而本
章 3.2 节所介绍的符号约束的 TVP-VAR 模型则通过正负号约束能很好的解决这个问题。

3.2 符号约束的 TVP-VAR 模型

3.2.1 TVP-VAR 模型设定

与第 2 章类似，对应的 TVP-VAR(p)的简化式表示形式如下：

yt  X t t  At1t  t , t  p  1, ,n  t ~N  0, I k  (3.1)

其中， yt 为 k 1 维向量， X t  I k  yt1 ,  , yt p  ，  t 为 k 2 p 1维随机系数向量，

At 、  分别为 k  k 的下三角型矩阵和对角矩阵：

 1,t 0 0   1 0 0
 0   
t    At   
21,t
(3.2)
 0   0
   
 0 0  k ,t   k1,t  kk 1,t 1
58
 第3章 中国非常规货币政策传导渠道有效性研究

参照 Primiceri(2005)的做法，我们将矩阵  t 和 At 表示为形式  t   1,t ,  ,  k ,t  和

t   21,t , 31,t , 32,t , ,  k1,t , ,  kk 1,t  。同时，令 ，且  t 、 t 和 ht 的状态方程服从如

下形式的随机游走过程：

 t    I k 0 0 
0
t 1  t  t     0 
 t   0,  Q 0 0  
 t 1   t   t (3.3)
 t    0 0 S 0 
ht 1  ht  t     
t    0 0 0 W  

其中， t  p  1, , n ，且  p 1 ~N 0 , Q0  、  p 1 ~N  0 , S0  、 hp 1 ~N 0 ,W0  。

由于 TVP-VAR 模型中待估参数过多，这使得我们将 kalman 滤波的方法运用于非线性

高维度向量空间进行极大似然估计的方法变得不可取。因而我们利用能够从高维不可观测
潜在变量的后验分布进行抽样和贝叶斯推断的 Gibbs 抽样方法来进行 MCMC 估计。首先，
进行充分大的 n 次 Gibbs 迭代后丢掉前面 m 个随机数生成样本（ m  n ）而建立起一个
Gibbs 样本。然后，利用 Gibbs 样本统计推断性质得到相应的待估参数。本文所使用的 Gibbs
抽样方法的详细过程可参见 Nakajima(2011)。

令 ut  At t  t ，则 ut 的方差  可表示为：
1

t  At1t t At1 (3.4)

3.2.2 符号约束的识别

TVP-VAR 模型的时变性一方面极大的提高了模型的时效性，另一方面由于采用了贝叶
斯方法运算复杂度大大提高，这在一定程度上也导致了模型估计参数显著性出现下降。而
我们用该模型研究经济规律时，经济理论上的差异化会导致原来模型所采纳的等号约束并
不符合客观现实。为了解决这一难题，用正负号所表示起促进作用和起抑制作用的符号约
束方法应运而生。符号约束方法最早由 Uhlig（2005）提出，用来研究货币政策对产出的
影响。他认为对于 VAR 族内的任意一个衍生模型，利用极大似然估计和广义矩估计均可进
行参数估计，再将参数代入模型即可求出残差，我们将其定义为诱导冲击。依据式（3.4）
，

简化式（3.1）进行迭代可以得到 VMA    的表达式：


yt   h,t ut h (3.5)
h 0

其中， 0,t  I k ， h,t  J t J  ，  t 和 J 的矩阵形式如下：

59
 吉林大学博士学位论文

 t 
t   和 
J  I k : 0k k  p 1  (3.6)
 I k ( p 1) : 0k  p 1k 

符号约束的机理也就是根据式（3.5）的向量移动平均的形式得到冲击 ut  h ，使得参数

h ,t 满足我们所给定的符号约束条件。

因此，我们进一步又可将式（3.5）转化为如下的 MA 过程：

yt  h,t At1t  tt (3.7)

进一步通过构建正交阵 Qt Qt  I t ，从而实现通过变换 t ，构造新的相互存在正交关

系的诱导冲击，此时，式（3.7）可进一步转换成：

yt  h,t At1t  t Qtt (3.8)

对于 Qt 的构造，我们借鉴 Rubio 等（2010）的算法，通过 QR 分解得到正交矩阵 Qt 和

上三角矩阵 Rt 。该算法主要分为以下几步：

第一步,从 n * n 维相互独立的标准正态分布中生成矩阵 W ，并对 W 进行 QR 分解。使

得 w  Qt Rt ，其中 R 的主对角线上的元素均为 1。

第二步，假定 Qt  Qt ，从而构建出新的诱导冲击t  Qtt ，据此得到相应的脉冲

*

响应值。
第三步，如果前两步所得到的脉冲响应值不符合符号约束，则返回第一步继续循环，
直至满足预先约定为止。

3.3 数据选择与模型估计

3.3.1 数据说明

以量化宽松为特征的非常规货币政策作为近年来被世界上各央行所普遍采取的货币政
策手段吸引了研究者们的广泛关注。本文选择如下相关经济指标来研究货币政策的有效性。
相应的数据时间区间为 2002M1-2014M10。

工业增加值增长率（ Yt ）作为国民经济的最重要宏观经济指标，它直接代表了我国工

业部门的整体产出水平，是我国宏观经济运行状况的“指示器”
。高铁梅等（2009）认为有
效反映我国经济周期的一致合成指数与其基准指标工业增加值增长率具有高度的正相关
60
 第3章 中国非常规货币政策传导渠道有效性研究

性。故而本文综合考虑将工业增加值增长率作为我国当前宏观经济增长态势的代理变量，
相应数据来源于国家统计局。
诸如量化宽松货币政策的实施，会在短期内向市场供给大量货币。这在向货币市场提
供大量流动性的同时也必然会对整个社会的融资成本产生影响，相对于衡量物价成本的
PPI 而言，CPI 更能够从消费的角度来衡量整个社会当前的物价水平。故而本文选择 CPI
来衡量通货膨胀率，本文所使用的数据来源为《中国统计月报》所提供的月度数据，作者

以 2002M1 为基期，先通过月度环比 CPI 推算出月度定基 CPI（ Ft ），以此作为物价水平。

本文选择全国银行间同业拆借中心所公布的 7 天的全国银行间同业拆借市场利率作为
我国货币市场的真实利率水平。基于以往的大量实证成果，我们发现该利率期限由于其特
殊的期限水平，一方面不仅能有效的反映市场的短期利率水平的波动，另一方面还能有效
的预测未来的中期利率走势。我们根据《中国人民银行统计季报》公布的月度 7 天银行间

同业拆借利率减去月度定基 CPI 得到市场的实际利率水平（ Rt ）。

在利率市场化的情况下，央行通过调整法定存款准备金率、再贴现率和公开市场操作
等货币政策手段会引起货币市场的利率期限结构曲线发生平移或扭曲。由于货币政策的长
短存在时滞效应，当货币当局实行紧缩性货币政策时，长期利率上升幅度小于短期利率上
升幅度，这使得长短期利差变小；当货币当局实行扩张性货币政策时，长期利率下降幅度
小于短期利率下降幅度，这使得长短期利差变大。本文选择 10 年期的中债国债收益率作为
长期收益率，同时选择 3 年期的中债国债收益率作为短期利率，将 10 年期中债国债收益率

与 3 年期的中债国债收益率的差作为本文的长短期利差（ St ），以此来衡量信号冲击的效

果。该变量数据由中国债券信息网所公布的日度数据经过加权平均处理而成。
金融危机爆发后，各发达经济体普遍实施量化宽松为代表的扩张性货币政策来提振本
国经济，这导致了各国中央银行的资产负债表规模逐渐增大。我国同样为了克服美国的经
济衰退前景预期推出了以“四万亿”为代表的大规模经济刺激计划，这导致了自 2011 年以
来中国人民银行总资产规模超过美、英、日中央银行而稳居全球央行首位。截止 2014 年
11 月，人民银行的资产总规模已达 2.8 万亿元。我们以总资产额的变动来衡量资产负债表
冲击的效果，依据中国人民银行网站所公布的货币当局资产负债表月度总资产额除以月度
定基 CPI 就可得月度实际总资产额，最后，将当期总资产额相较于去年同期的差额除以去

年同期总资产额就可得总资产额增长率（ At ）。

为了避免出现伪回归问题，我们需要对相应变量序列进行单位根检验。综合考虑本文
所采用的单位根检验方法为 ADF 检验。相应的检验结果如表 3.1 所示。由各时间序列的单

61
 吉林大学博士学位论文

位根检验结果可知， Yt 、 Ft 、 Rt 、 St 和 At 的变量序列均服从 I（1）过程，经过一阶差分

化处理得到的 yt 、 f t 、 rt 、 st 和 at 的变量序列均服从 I（0）过程。

表 3.1 变量序列的 ADF 检验结果

变量 检验形式 t 统计量 显著性 P 差分后变量 检验形式 t 统计量 显著性 P

Yt (c, t, 2) -1.9358 0.0537 yt (c, nt, 0) -6.3845 0.0000***

Ft (c, t, 1) -1.8367 0.0628 ft (c, nt, 0) -8.4762 0.0000***

Rt (c, t, 1) -1.2346 0.6732 rt (c, nt, 0) -9.3164 0.0000***

St (c, t, 2) -1.2036 0.7035 st (c, nt, 0) -9.1125 0.0000***

At (c, t, 1) -1.4638 0.2535 at (c, nt, 0) -7.0146 0.0000***

注：ADF 检验滞后阶数由 Schwarz 准则决定，

（c，t，k）表示（有截距项，有趋势项，滞后阶数）的

检验形式，
（c，nt，k）表示（有截距项，无趋势项，滞后阶数）的检验形式。***表示在 1%的水平上显著。

3.3.2 符号约束规则

符号约束的主要作用是为了排除经济系统处于非均衡状态时经济变量所生成的冗余信
息对系统稳态的干扰。针对不同的关注点，我们可以同时构建多个冲击来生成互斥的识别
条件。本文从总体宏观经济冲击角度、常规货币政策冲击角度和非常规货币政策冲击角度
来研究下新的经济形势下我国宏观经济波动的主要来源。
从宏观经济冲击角度，我们将系统冲击分为总需求冲击和总供给冲击冲击。Peersman
（2005）认为，一个正向的总需求冲击所导致的总需求增加会引起 AD 曲线右移，产出增
加、物价水平和利率水平上升；由于技术革新所引起的劳动生产率的提高所导致的总供给
增加会引起 AS 曲线右移，产出增加和物价水平下降，由于技术进步所导致的社会融资成
本的降低进一步引起了实际利率水平的下降。本文据此施加的总需求冲击与总供给冲击的
符号约束路径如表 3.2 所示。
依据 IS-LM 模型，在常规货币政策作用下，央行通过“窗口指导”的方式降低短期利
率，从而缩减融资成本，进而引发生产性厂商追加投资额度，投资和消费的增加刺激总需
求，最终产出水平和居民收入水平的增加。这就是货币政策传导的利率渠道。Uhlig（2005）
在研究货币对产出的影响时认为，通过利率水平下调所形成的冲击会使得产出增加和物价
水平上升。由于该调节方式并没有出现大规模货币超发和引起外汇占款的明显波动，因而
总资产规模并不受影响。相对于常规的货币操作规则而言，非常规货币政策措施主要通过
信号渠道和资产负债表渠道来影响实际产出水平。在扩张性的货币政策影响下，央行的政
策措施所形成的信号冲击和资产负债表冲击均引起了产出水平上升、物件水平上升和实际

62
 第3章 中国非常规货币政策传导渠道有效性研究

利率水平的下降。Peersman（2011）认为相较于利率冲击而言，信号冲击主要是通过货币
当局引导社会公众的预期水平来进行前瞻指引。由于预期的时效性较强，实行扩张性的货
币政策使得短期利率水平下降速度快于长期利率水平下降速度，这最终导致了长短期价差
的增大。而对于货币当局所采用的 LASP 或 AFP 等计划的实施，显著的改变了资产负债表
的规模和结构，为了简化问题的分析，我们只关注资产负债表的规模，这就表现为正向的
资产负债表冲击引起总资产规模的增加。本文据此施加的利率冲击、信号冲击和资产负债
表冲击的具体符号约束路径仍然如表 3.2 所示。

表 3.2 结构冲击对各变量响应的符号约束

结构冲击
变量
总需求冲击 总供给冲击 利率冲击 信号冲击 资产负债表冲击
yt + + + + +
ft + - + + +
rt + - - - -
st ? ? 0 + 0
at ? ? 0 0 +

注：“+”表示符号方向为正，“-”表示符号方向为负，“0”表示变量在约束期内不变，“？”表示变

量没有施加符号约束。

符号约束的识别过程以广义脉冲响应函数为基础，不同时期数的脉冲响应函数的响应
结果会出现明显差异性，这就迫使我们在进行符号约束时需要选择合适的时期数。在本文
的实证分析中，我们采用了 Peersman（2011）所使用的四期约束，这一方面在保证了符号
约束的有效性的同时，也以减少模型估计的计算时间和计算规模。
通过该约束规则，我们最终将货币政策冲击细化为本文所要研究的五种冲击模式。相
比于未能施加符号约束的 TVP-VAR 模型而言，施加符号约束的 TVP-VAR 依据相应经济理
论和经济意义构建出不可观测的潜在冲击，极大的加深了我们的研究深度。

3.3.3 模型估计结果

依据 Geweke（1999）提出的调和平均数，本文依次计算 TVP-VAR 模型滞后 1 阶至 5

阶的边际似然值（见表 3.3）。边际似然估计值越大，说明模型对数据的拟合效果越好。因
而依据结果本文将采用滞后 2 阶模型进行实证估计。依据 Nakajima(2011)，进行 MCMC 时

假定先验值为 0 = 0 =0 =0 、 Q0  S0  W0  10  I k ，且协方差矩阵 Q 、 S 、 W 的第 i

2 2
个对角元素的先验服从 Qi ~ (40,0.02) 、 Si ~ (4,0.02) 、 Wi
2
~   4,0.02  。我们

共进行 10000 次迭代模拟，前 2000 次迭代结果是预烧（burn-in）样本，其相应的部分估计

结果如表 3.4 所示。结合图 3.1，作为后验均值的方差与不相关序列均值的比率的低效因子
63
 吉林大学博士学位论文

量值和收敛诊断概率均主要用来检验后验分布的收敛性，对于由收敛诊断因子和低效因子
量值可知，我们接受待估参数收敛于后验分布的原假设。另外，低效因子的量值均不大，
最大的值也仅为 67.76。这表明我们在模拟过程中至少可以得到 148 个不相关样本，这保证
了我们随后做后验推断时抽样样本容量的可靠性。MCMC 有效估计了参数分布状况，可以
对变量间的动态影响进行进行进一步研究。

表 3.3 模型滞后阶数的边际似然估计值

滞后阶数 1 2 3 4 5

边际似然估计值 24.58 33.26 30.13 27.83 22.89

图 3.1 马尔科夫链的收敛性：基于超参数和状态分布的遍历抽样所得的低效因子

表 3.4 模拟估计结果

收敛诊断
参数 均值 标准差 95%的置信区间 低效因子量值
概率
Q1 0.4322 0.2033 [0.0256 0.8388] 0.683 67.76
Q2 0.3169 0.0181 [0.0167 0.3531] 0.433 8.81
S1 0.2368 0.0134 [0.2101 0.2636] 0.389 21.89
S2 0.1376 0.0098 [0.1180 0.1572] 0.008 18.73
W1 0.1497 0.0113 [0.1271 0.1723] 0.0103 37.85
W2 0.1236 0.0101 [0.1034 0.1438] 0.0971 47.76

注：表中 Q 、 S 为乘以 100 后的值，矩阵 Q 、 S 和 W 分别为 50 阶、10 阶和 5 阶对角矩阵，为节

省篇幅该表只列出了各矩阵前 2 个对角元素上的后验分布估计值。

64
 第3章 中国非常规货币政策传导渠道有效性研究

3.4 模型稳健性检验

尽管模型的估计结果证实利用符号约束 TVP-VAR 模型确实能够反映出估计货币政策

对产出的影响，但在统计意义上是否仍然支持该结论呢？我们在该节将进一步通过比较符
号约束 TVP-VAR 模型、常系数 VAR 模型、两区制 MS-VAR 模型和三区制 MS-VAR 模型
来检验本文采用符号约束 TVP-VAR 模型的优越性。相比于符号约束 TVP-VAR 模型而言，
MS-VAR 模型的一般形式为：

yt  xt Bs  A0,s t (3.9)

其中， S  0,1, , M 表示存在固定区制转移概率的 M 个马尔科夫链的不可观测状

态，具有区制效应的 MS-VAR 模型和具有时变效应的符号约束 TVP-VAR 模型均为非线性

时间序列模型，相对于具有区制效应的 MS-VAR 模型而言，符号约束 TVP-VAR 模型所独
特的时变效应是否真如我们所想具有明显的优越性是一个本文作者比较关心的问题。
各模型的比较依据 Spiegelhalter 等（2002）提出的贝叶斯偏差信息准则（Deviance
Information Criterion，DIC），DIC 准则来源于 AIC 准则，DIC 的表达式定义为：

DIC  D  pD (3.10)


其中，第一部分 D  E 2ln L  i    1
M
  -2ln L    
i i ，L  i  为服从 MCMC

链参数抽样集合的似然函数，该部分主要用来刻画拟合优度。第二部分 pD 表示模型的复

    
杂度， pD  D  D   E 2 ln L i   2 ln L E i    ，相应的 pD 的表达式还

  1 
  2ln L       2ln L  M     。依据 p
1
可以近似的表示为 pD  i i i i D 的表达式
M
定义，我们可以将式（3.10）表示为：

DIC  D     2 pD (3.11)

模型中的先验分布表明参数的个数不代表模型的复杂度，通过 pD 对模型施加惩罚性

约束解决了这个问题。DIC 的值越小表明模型的估计效果越好。Spiegelhalter 等（2002）认

为观测值的数目 T 增加快于参数数目 P，因此似然函数优于先验分布参数。参数 ̂ 取极大

ˆ  p ，也就是说，渐进值 p 近似于参数真
似然估计值时的模型复杂度为 pD  D  D  D  
值，DIC 近似等价于 AIC。

65
 吉林大学博士学位论文

相对于 Bayes 因子而言，DIC 最大的优势在于复杂模型的边际似然值的计算。尽管使

用了调和平均数的蒙特卡洛方法，待估计值还是容易受 MCMC 抽样中的无关值得影响而
降低估计的准确性。
DIC 的估计要求每次 MCMC 迭代时评估似然函数。由于式（3.1）中的非线性迭代导
致计算 TVP-VAR 模型部分时非常复杂，我们用粒子滤波的方法来评价每一次 Gibbs 抽样。
表 3.5 比较了符号约束 TVP-VAR 模型和其他三种模型。从表中我们可以发现，常系数
VAR 模型的 DIC 值最大，相对于另外两类区制转移模型和时变参数模型而言，常系数 VAR
模型的适用效果并不明显。这也表明，由于我国的市场结构并不成熟和央行使用货币政策
工具调控宏观经济并不具有规则性和系统性，这导致了系统在由一均衡状态走向另一均衡
状态时会出现结构突变现象。我们依据常系数 VAR 模型来描述该过程时就表现的不合时
宜。同样符号约束 TVP-VAR 模型相对于两区制 MS-VAR 模型和三区制 MS-VAR 模型而言
具有更小的 DIC 值也表明，符号约束 TVP-VAR 模型所具有的时变效应相对于区制转移模
型而言能够显著提高模型的稳定性。

表 3.5 基于 DIC 准则的模型差异性比较

模型 符号约束 TVP-VAR 模型 常系数 VAR 模型 两区制 MS-VAR 模型 三区制 MS-VAR 模型

DIC 635.187 874.691 687.113 723.594

此外，从模型的预测效果来考虑，D’Agostino 等（2011）在对时变 VAR 模型和常系

数 VAR 模型进行样本内预测和样本外预测发现时变模型具有更强的预测效果。依据 D’

Agostino 等（2011）的方法，我们基于符号约束 TVP-VAR 模型对工业增加值增长率增速 yt

进行预测。我们选择的样本从 2007M1 开始先前递归，直至 2012M12。我们对该时间段内

的每一时点基于符号约束 TVP-VAR 模型进行 3 步、6 步、9 步和 12 步向前预测，并计算
出相应的均方根误差（由常系数 VAR 模型进行预测时所产生的均方根误是基于普通最小二
乘法在相同样本区间内的迭代产生）
。表 3.6 比较了基于符号约束 TVP-VAR 模型和常系数
VAR 模型对工业增加值增长率的预测效果。观察均方根误我们可知，两个模型的预测误差
均在可接受范围内，模型均表现出良好的预测效果。同时，比较均方根误的相对值可知，
基于符号约束 TVP-VAR 模型的预测效果要好于基于常系数 VAR 模型的估计效果，该现象
在向前 6 步预测时表现的更明显。

表 3.6 不同模型在各预测期内的均方根误（RMSE）

RMSE RMSE（相对值）

预测期 符号约束 TVP-VAR 模型 常系数 VAR 模型

66
 第3章 中国非常规货币政策传导渠道有效性研究

3 6.374 6.803 0.937

6 7.219 7.898 0.914

9 8.937 9.329 0.958

12 11.298 11.732 0.963

3.5 货币政策传导渠道有效性检验

宏观经济的波动是关系国计民生的大问题，经济的平稳有效运行有利于降低公众的不
确定性预期。然而由于影响宏观经济稳定性的因素来源多元化，这就需要我们能够同时甄
别出不同来源的政策冲击对宏观经济的影响。本部分首先基于常系数 VAR 模型研究无约束
时，宏观经济变量间的动态响应。然后利用施加符号约束的 TVP-VAR 模型来研究不同冲
击影响下的宏观经济。

3.5.1 脉冲响应分析

图 3.2 无约束情景下变量间脉冲响应结果

由图 3.2 可知，在不施加符号约束的情况下，基于常系数 VAR 模型本文研究了产出对

各经济指标单位正向冲击的响应表现出明显的差异特征。对于产出水平而言，单位正向物
价水平冲击、单位正向总资产规模冲击和单位正向长短期利差冲击均会引起产出的增加。
而单位正向利率水平冲击则会导致产出的减少。由于我国处于经济转轨时期，政策的频繁
变动所产生的宏观经济的波动使得产出水平的持续性较弱，产出对于自身单位正向冲击的

67
 吉林大学博士学位论文

响应表现出周期性波动的特征。而对于物价水平而言，单位正向产出水平冲击、单位正向
总资产规模冲击和单位正向长短期利差冲击均会引起物价水平的增加。这主要是因为产出
水平增加会提高居民的人均可支配收入状况，进而由带动消费所引起的需求增加来引起物
价水平的上涨；央行通过诸如扩大货币发行规模和降低短期利息等手段为标志的扩张性货
币政策而引起总资产规模的扩张和长短期利差的扩大化，这在为市场提供充足流动性的同
时，泛滥的流动性所产生的投机性生产动机必然也会进一步引起物价水平的上涨。而由于
实行提高短期利率水平等紧缩性货币政策时，利率水平的提高在增加商业银行吸储能力的
同时也增加了社会的融资成本，成本上升又进一步引起投资减少和市场不景气，这必将引
起价格水平的下降，这也表现为物价水平对单位正向利率水平冲击的响应为负向。同时，
由于通货膨胀率过程受其动态结构性变化的驱动，其中长期稳定性受益于通胀惯性的稳固。
人们对通货膨胀的担忧所导致的通货膨胀具有持续效应的预期，这导致通胀只要引起公众
关注则必将长期持续。这表现为物价水平对单位正向物价水平因子冲击的响应必然表现为
同向变动。
总体上而言，经济变量在受到经济系统内的单位正向冲击时，一般表现为前 6 期有显
著影响，并且产出水平、利率水平和利差水平受到经济系统内的单位正向冲击时衰减速度
较快，而物价水平受到经济系统内的单位正向冲击时衰减速度较慢，这也在一定程度上验
证本文作者所认为的通货膨胀率存在惯性的观点。而总资产规模的变动由于是货币当局在
一定时间段内货币政策调整的综合体现，这进一步导致总资产受到经济系统内的单位正向
冲击时衰减速度由于政策时滞影响而变缓。此外，由于常系数 VAR 模型变量间的动态相关
关系仅仅起源于统计经验而缺乏实际经济背景，这使得上图中有部分脉冲响应结果由于缺
乏约束而与事实不相符合。有鉴于此，本文在下文将通过符号约束 TVP-VAR 模型来研究
附加实际经济背景和经济意义情景下产出水平和物价水平的脉冲响应分析。

图 3.3 符号约束情景下产出水平对各结构冲击的脉冲响应结果

68
 第3章 中国非常规货币政策传导渠道有效性研究

图 3.3 描述了在基于符号约束 TVP-VAR 情景下产出水平对各单位正向结构冲击在不同

时期的脉冲响应图。如图在拉动我国宏观经济的三驾马车中，消费和投资属于国内需求，
净出口属于外国居民消费引起的国外需求。人均可支配收入的迅速增加所产生的消费和投
资需求的旺盛是最近十来年经济增长的原动力。因此相比于其他结构性，对于总需求冲击
冲击而言：总需求冲击对产出水平的影响最大。同时总需求冲击对产出水平的影响呈现阶
段化特征。2005 年以前，产出水平对于正向总需求冲击的响应随时间推移而逐渐减弱，2005
年后，由于国企改革的进一步深化和中国逐渐融入世界贸易体系，需求的进一步增加使得
产出水平对于正向总需求冲击的响应随时间推移而逐渐增强。2013 年后，由于产能过剩和
“三期”叠加导致经济运行进入一种“新常态”
，这也引起了产出水平对于正向总需求冲击
的响应相较于前两阶段波动也更加剧烈。对于总供给冲击冲击而言：总供给冲击对产出水
平的影响次之。这也表明相对于由货币政策变动引起的利率冲击、信号冲击和资产负债表
冲击而言，由总需求冲击和总供给冲击所构成的宏观经济结构冲击对产出水平的影响更大。
同时，产出水平对于正向总供给冲击的响应随时间推移而逐渐减弱，这标志着我国经济腾
飞主要由需求拉动而不是供给拉动。对于利率冲击冲击而言：作为常规货币政策操作手段，
利率冲击对产出水平的影响也呈现阶段化特征。2005 年以前，产出水平对于利率冲击的响
应较小。2005 年后，利率市场化的快速发展和市场化利率期限结构的逐步建立，货币当局
通过市场化方法调节利率水平时，货币政策的利率传导渠道更有效，这进一步使得产出水
平对于降息这类利率冲击的响应效果得到增强。2008 年以后，由于国际经济金融局势的转
向，利率传导渠道受到阻碍而减弱了利率冲击对产出水平的影响，货币政策对宏观经济的
调控逐渐让渡给非常规货币政策手段。相对于利率冲击这种常规货币政策效果而言，信号
冲击和资产负债表冲击这类非常规货币政策效果对产出的影响要更弱一些。在 2010 年以
前，信号冲击对产出水平影响非常微小。2010 年以后，由于市场的不确定性较大和投资者
对市场的前景缺乏信心，导致公众更多的关注央行的窗口指导和公开承诺，中央银行发出
的“信号”会显著影响未来宏观经济走向，这使得单位正向信号冲击会引起产出水平出现
更大的变动。而同样对于资产负债表冲击而言：由于危机后常规货币政策对宏观经济的影
响越发的表现出局限性，货币当局开始更多的借助量化宽松这类会引起中央银行的资产负
债表会出现迅速扩张的模式来进行货币政策调节，这也导致了金融危机后资产负债表的冲
击成为货币政策调控工具的主要依赖，产出水平对资产负债表冲击的响应也逐渐增强。此
外，我们进一步比较两种非常货币政策效果的脉冲响应图还可以发现，资产负债表冲击对
产出水平的影响要大于信号冲击对产出水平的影响。

69
 吉林大学博士学位论文

图 3.4 符号约束情景下物价水平对各结构冲击的脉冲响应结果

图 3.4 描述了在基于符号约束 TVP-VAR 情景下物价水平对各单位正向结构冲击在不同

时期的脉冲响应图。对于总需求冲击而言：2005 年前由于亚洲金融危机国际贸易环境变得
恶劣和我国政府所做出的人民币在一定程度上不贬值的承诺使我国出口减少，外汇收入水
平的下降和内需的低迷导致的需求乏力使得物价水平对总需求冲击的响应强度逐渐减弱。
2005 年以后由于良好的国际金融环境和国内以房地产行业为代表的强劲投资需求使得物
价水平对总需求冲击的响应强度逐渐增强且持续维持高位。对于总供给冲击而言：单位正
向总供给冲击使得物价水平下降，物价水平对单位正向总供给冲击的响应强度因经济环境
的变化而随时间推移逐渐减弱，但其对物价水平的影响要小于总需求冲击和利率冲击对物
价水平的影响。特别是金融危机以后，由于高居不下的美国家庭债务使得美国的举债能力
达到极限。美国经济实力的相对衰落导致包括中国在内的全球通缩压力升高。2015 年 1 月
WTI 原油价格跌破 50 美元/桶就是明证。可以说总需求乏力是物价水平对总需求冲击的响
应强度大于物价水平对总供给冲击的响应强度的最主要原因。对于利率冲击而言：与产出
水平对利率冲击的响应相类似，物价水平对利率冲击的响应强度在 2005 年后逐渐增强，而
2010 年后由于总需求下降导致响应强度又逐渐减弱。由于相对于总供给冲击而言，通过利
率传导渠道能够更直接便捷地影响物价水平，这导致利率冲击对物价水平的影响强度要明
显大于总供给冲击对物价水平的影响强度。对于信号冲击而言：由于政策指引只能通过作
用于公众未来预期来影响经济活动，公众心理因素在其中起了非常重要的作用，但缺乏任
何实质性政策干预。这导致物价水平对降息预期这类信号冲击的响应最小。而对于资产负
债表冲击而言：由于存在基础货币增发等一系列扩张性的货币政策和央行资产负债表的定
向调节手段，该非常规货币政策冲击能够真实地影响社会融资成本。因而对于同属于非常
70
 第3章 中国非常规货币政策传导渠道有效性研究

规货币政策的信号冲击而言，物价水平对资产负债表冲击的响应强度就相对而言表现的较
大一些。

3.5.2 方差分解分析

为了进一步分析不同结构变动对产出冲击影响研究，本文试图通过对产出水平和物价
水平进行预测误差进行方差分解分析。与脉冲响应分析主要用于描述 VAR 模型中一个经济
变量冲击或结构冲击对经济系统中其他相应变量的动态关联相反，方差分解分析主要是用
来描述经济变量单位变动过程中相应经济变量冲击或结构冲击在此行为中的贡献度水平。
在技术水平上主要是将 VAR（p）过程转化为无穷个不相关的随机扰动项 VMA（∞）的过
程。

表 3.7 预测误差的方差分解(%)

产出水平 物价水平

资产 各冲 资产 各冲
观 总需 总供 总需 总供
利率 信号 负债 击贡 利率 信号 负债 击贡
测 求冲 给冲 求冲 给冲
冲击 冲击 表冲 献总 冲击 冲击 表冲 献总
期 击 击 击 击
击 计 击 计

1 42.16 23.58 17.02 4.53 9.32 96.61 33.24 15.67 22.17 7.41 11.96 90.45

2 41.01 23.26 16.92 4.42 9.21 94.82 32.98 16.22 21.89 6.89 11.01 88.99

3 40.23 23.49 16.81 4.39 8.76 93.68 31.71 16.47 21.23 6.47 10.37 86.25

4 39.86 23.66 16.73 4.21 8.32 92.78 30.26 16.98 20.87 6.32 9.89 84.32

5 38.73 24.13 16.68 4.11 8.29 91.94 29.64 17.26 20.98 6.27 9.32 83.47

6 38.26 24.57 16.53 3.98 8.21 91.55 28.37 17.67 20.86 6.16 8.98 82.04

7 37.99 24.77 15.98 3.92 8.08 90.74 28.12 17.98 20.64 6.09 8.75 81.58

8 37.72 25.08 15.92 3.87 7.94 90.53 27.98 18.44 20.53 5.98 8.24 81.17

9 37.26 25.23 15.89 3.81 7.92 90.11 27.68 18.87 20.26 5.92 7.79 80.52

10 36.92 25.34 15.81 3.78 7.86 89.71 27.03 19.23 19.98 5.89 7.32 79.45

依据表 3.7 可知，本文所构建的 5 个结构冲击可以解释产出水平 90%以上的变动和物

价水平 80%以上的变动，这表明我们所构建的 5 个结构冲击有效地解释了货币政策作用下
的中国产出水平的变动。表 3.6 的左侧栏为各冲击对产出水平的贡献度，总需求冲击、利
率冲击、信号冲击和资产负债表冲击对产出水平的贡献度均随着观测期的延长而逐渐衰减，
而供给冲击对产出水平的贡献度却随着观测期的延长而逐渐增强。出现该现象的原因是因
为供给冲击影响产出水平主要依靠技术进步来提高劳动生产率，然而技术的革新需要大量

71
 吉林大学博士学位论文

的前期基础和时间的积累，这导致技术进步进展缓慢，因而总供给冲击对产出水平的影响
较为缓慢。此外，比较各结构冲击在不同观测时点对产出水平变动的贡献度我们发现：总
需求冲击对产出水平的影响最大，其次是总供给冲击，再次是利率冲击，再次是资产负债
表冲击，信号冲击的效果最弱。表 3.6 的右侧栏为各结构冲击对物价水平的贡献度，与各
结构冲击对产出水平的贡献度类似，总需求冲击、利率冲击、信号冲击和资产负债表冲击
对产出水平的贡献度均随着观测期的延长而逐渐衰减，而供给冲击对产出水平的贡献度却
随着观测期的延长而逐渐增强。此外，比较各结构冲击在不同观测时点对物价水平变动的
贡献度我们发现：总需求冲击对产出水平的影响最大，其次是利率冲击，再次是总供给冲
击，再次是资产负债表冲击，信号冲击的效果最弱。

3.6 本章小结

金融机构监管当局进行宏观调控时主要是借助于财政手段和货币手段。相对于财政手
段而言，货币手段由于涉及再次分配的问题较少而更倾向于市场的力量，这使得调控更具
有灵活性和效率性。研究货币政策冲击下的中国产出波动特征有利于政策制定者们制定长
远规划时有的放矢，提高货币政策执行效果，减少社会福利损失，然而，肇始于 2008 年由
“次贷”危机扩大化而导致的全球金融经济危机使得常规货币政策的效果逐渐减弱，货币
当局开始更多的借助于前瞻指引、扭曲操作和量化宽松等一系列非常规货币政策。面对货
币市场新形势，有效地评价非常规货币政策执行效果，正确认识常规货币政策与非常规货
币政策之间的相互关系，公正地评估产出和物件水平波动的主要风险因素成为当前研究中
一个亟待解决的问题。本文以此为出发点，一方面借助符号约束 TVP-VAR 模型的时变性
研究了经济系统处于非均衡状态时经济变量间的动态关联性。另一方面借助符号约束对脉
冲响应结果进行构造，试图研究经济结构中一些潜在结构冲击变量对诸如产出水平和物价
水平的影响。本文所得到的结论主要如下：
第一，无论是从模型差异性还是从预测效果来考虑，符号约束 TVP-VAR 模型的时变
效应由于能够实时动态刻画经济系统的随机性变动，导致其相对于常系数 VAR 模型而言能
够更好的模拟经济系统变量之间的动态传导关系。此外，在同样的非线性时间序列联立方
程模型中，相对于具有区制效应的 MS-VAR 模型而言，模型的区制效应虽然能够有效克服
常系数结构模型忽视经济结构调整变动这一弊端，但由于 MS-VAR 模型在估计转移概率矩
阵时存在数据依赖性导致模型信息量出现减损而导致从模型差异性考虑估计效果也要弱于
符号约束 TVP-VAR 模型。总之，用符号约束 TVP-VAR 模型提高了模型的模拟估计效果。
第二，在所构建的 5 个结构冲击中，以总需求冲击和总供给冲击为代表的整体宏观因
子冲击是产出水平和物价水平波动的最主要冲击源。该现象表明，我国现阶段产出的波动
72
 第3章 中国非常规货币政策传导渠道有效性研究

主要是由于经济结构的调整和转型所导致的。同时，总需求冲击对宏观经济的影响效果大
于总供给冲击对宏观经济的影响效果也表明，需求乏力是制约我国经济增长模式的重要环
节。通过增加居民收入刺激消费，加大政府财政性转移支付和加大地方政府基础设施投资
力度虽然存在效率低下，区域性和系统性金融风险积聚等现实问题，但从长期来看该政策
方针并不存在方向性错误。当前中国经济运行状况正面临着罕见的错综复杂现实局面,呈现
出前所未有的经济增长速度换挡期、经济结构调整阵痛期和前期刺激政策消化期“三期叠
加”的阶段性特征。有效地平衡供给和需求之间的矛盾使其两者能够有效共生是决策者的
明智之选。
第三，通过货币政策的政策导向影响宏观经济走势是货币当局的惯常手段，相比于金
融危机前通过调准、调息和公开市场操作等常规货币政策手段而言，危机后货币当局开始
越来越借助于新型货币政策工具来达到其货币政策目标。常规货币政策与非常规货币政策
两者之间是对立关系还是互补关系有利于货币当局分清政策调控的主次地位。基于符号约
束 TVP-VAR 模型的脉冲响应分析和方差分解过程可知，以利率冲击为代表的常规货币政
策冲击对产出水平和物价水平的冲击影响效果要大于以信号冲击和资产负债表冲击为代表
的非常规货币政策冲击对产出水平和物价水平的冲击影响效果，这表明常规货币政策调控
手段仍然是货币当局的优先选择。
第四，非常规货币政策作为新型的货币政策调控手段，一般而言主要通过利用中央银
行的承诺效应影响公众预期所形成的信号渠道和通过大额资产购买等改变中央银行资产负
债表的规模和结构的方式所形成的资产负债表渠道来发挥政策效果。由产出水平和物价水
平对信号冲击和资产负债表冲击在不同时期的脉冲响应和不同时点的方差分解可知，资产
负债表渠道相对于信号渠道而言对宏观经济的影响更显著。出现该现象的原因一方面是由
于我国的货币市场市场化程度不高，低效的市场环境导致政策传导具有明显的时滞效应；
另一方面也表明货币当局的公开承诺缺乏强有力的可信度，经济行为个体对货币当局发出
的信号持不信任的怀疑态度。尽管如此，从产出水平和物价水平对信号冲击和资产负债表
冲击在各时期的脉冲响应强度来看，2009 年以来，通过信号渠道和资产负债表渠道等非常
规货币政策调节货币市场和宏观经济走向的政策效果的影响力正随时间推移而逐渐加强。

73
74
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

第4章 外部非常规货币政策冲击下利率期限结构动态
响应研究

随着社会主义市场经济体制的确立，中国经济的市场化程度相较以往有了显著提高。
利率市场化、人民币国际化的进一步深化更使得中国经济与国际市场的关联性进一步加深。
逐渐加深的关联性导致外部货币政策的冲击对中国基础资产价格的溢出效应也越来越显
著。特别是本次金融危机后世界各主要经济体开始频繁进行以“量化宽松”为代表的非常
规货币政策操作所产生的流动性溢出泛滥成为市场关注的焦点。为了有效消除外部政策因
素的干扰以提高我国货币政策的独立性，研究外部非常规货币政策变动对利率等基础资产
价格的冲击影响就显得尤为必有。美国作为目前世界上最发达和最重要的成熟经济体，美
国货币政策变动通过利率渠道和汇率渠道同样也对中国的利率期限结构产生了明显的影
响。故而本章试图以美国的非常规货币政策执行效果为参照系来研究美国非常规货币政策
变动对中国金融市场利率期限结构的冲击影响。
持续多年的“大稳健”时期使得美联储这一全球最有影响力的货币当局深谙将联邦基
金利率长期保持在一个较低水平的重要性。然而长期维持低利率的预期在鼓励市场扩大投
资的同时也积累了巨大的系统性金融风险，这最终导致了自“大萧条”以来的最严重的一
场金融危机的爆发。接近于零利率下界的联邦基金利率使得货币当局利用常规货币政策进
行逆周期调控的边际效用递减，整个金融系统的信用扩张功能也渐至失去预期效果。现实
经济情况的制约迫使美联储转而借助一系列非常规货币政策手段来压低长期国债收益率、
平滑利率期限结构，以达到降低社会融资成本而刺激投资需求的目的。
非常规货币政策思想虽然起源于早期学者们对于“大萧条”的反思，但真正作为实际
的货币政策来调控宏观经济则始于 2001 年日本政府推行以定量宽松为特征的量化宽松政
策。虽然金融危机以来非常规货币政策的理念已经被世界各大经济体所接受和采纳，但人
们对非常规货币政策的传导机制和作用机理的认识仍然处于探索阶段。总体而言，非常规
货币政策主要通过流动性渠道、信号渠道和资产组合渠道来影响宏观经济运行状况。对于
美联储而言，在零利率下界约束下主要是通过前瞻指引、扭曲操作和量化宽松三种方式执
行非常规货币政策。前瞻指引依据承诺和规则将短期利率控制在较低水平；扭曲操作通过
卖出短期国债而买入长期国债的方式来扭转利率期限错配问题；量化宽松通过增加基础货
币供给来预防通货紧缩而提振经济活力。在这三大非常规货币政策作用下美国的利率期限
结构在金融危机后呈现“平坦化”趋势。这些非常规货币政策的实施导致了市场上融资成
本降低、美元相对贬值等连锁反应。

75
 吉林大学博士学位论文

基于两国蒙代尔—弗莱明模型，浮动汇率制情景下一国实行扩张性的货币政策随即会
引起本国国内利率水平暂时性下降。基于收入机制，利率水平下降会降低本国国内融资成
本而引起投资增加，进而导致国内产出水平和收入水平上升。收入上升所带来的本国边际
进口倾向的增加通过乘数效应也促进了他国国民收入和利率水平的上升。同时，在利率机
制的作用下，两国间逐步扩大的利差使资本从本国流入他国而导致本币贬值和外币升值。
汇率变动使得相对价格机制发生作用，本国产品相对于他国产品开始变得更具国际竞争力。
这最终促使本国产出增加和利率上升，他国产出减少和利率下降，系统处于新均衡状态时
两国利率水平大致相等和世界利率水平总体下降。金融危机以来，在美国所实施的非常规
货币政策的影响下中美两国利率变动也表现出了相应的特征。相对廉价的美元资产基于人
民币单边升值预期和强劲经济增长潜能的吸引迅速通过利率渠道、资产价格渠道和汇率渠
道向中国这个与美国经济高度关联的经济体进行转移，最终导致中国的外汇储备从 2008
年 9 月的 1.91 万亿美元增加到 2014 年 6 月的 3.99 万亿美元。巨额外汇储备不仅通过增加
中国货币市场上货币供给量而引起金融市场融资成本发生变动，而且不断积累的汇率风险
也对中国金融市场的稳定性构成了潜在威胁。因此，研究非常规货币政策冲击下中国金融
市场上利率期限结构对美国货币政策变动的动态响应，不仅有利于货币当局所制定的货币
政策能够更好地发挥逆周期调节功能，而且有助于人民币国际化进程中对货币流量和流向
进行更具针对性的宏观审慎监管，从而使中国经济充满活力与潜能。

4.1 文献综述

由于美国在世界经济和金融体系中的主导地位，美国货币政策的结构性调整必然会对
整个国际金融市场产生极大冲击。Neely（2010）利用投资组合选择模型研究了美国大规模
资产购买计划对本国和外国债券收益率的影响发现，该非常规货币政策不仅降低本国债券
的长期收益率，而且也同时也降低了外国债券的长期收益率。Morgan（2011）利用事件窗
口分析法研究了美国量化宽松对日本等东亚国家的冲击发现，美国非常规货币政策对东亚
国家的长期利率确实存在一定影响。Fratzscher 等（2012）利用回归分析法研究美国的量
化宽松对美国及其他 65 个国家国债收益率的影响发现，该非常规货币政策的实施确实显著
降低了这些国家的国债收益率水平。Bauer 和 Neely (2014)利用动态期限结构模型研究了
美联储的非常规货币政策如何通过信号渠道和资产组合平衡渠道影响加拿大、澳大利亚和
日本等国的债券收益率。Berge 和 Cao（2014）则进一步利用因子分析法将美国货币政策
效果进行分解来研究美国非常规货币政策对成熟经济体和新兴经济体的资产价格和利率水
平的影响，他们发现美国非常规货币政策主要是通过资产组合平衡渠道来影响外国金融市
场的利率期限。Bowman 等（2014）基于不同性质货币政策冲击具有异方差性的假定研究
76
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

了美国非常规货币政策对 17 个新兴市场经济体国债收益率的影响，结果发现大部分新兴市
场经济体国债收益率都明显受到美国非常规货币政策冲击的影响，一部分国家国债收益率
受冲击程度甚至超过了美国市场。总之，金融危机以来美国所采取的一系列非常规货币政
策通过货币政策的国际传导会对存在较高依存度经济体的利率期限结构产生冲击。
中美两国分别作为目前世界上增长最快的新兴经济体和最发达的成熟经济体，美国货
币政策变动通过利率渠道和汇率渠道同样也对中国的利率期限结构产生了明显的影响。李
成等（2010）运用 VAR—MVGARCH—ABEKK 模型研究了次贷危机前后中美两国利率的
联动机制，结果发现危机前后中美两国利率的协同变动性存在明显差异。王志强和熊海芳
（2011）应用向量自回归模型研究美国量化宽松政策对中国短期资本流动的影响，结果发
现美国期限利差对中国期限利差有持续的较低的正向冲击。陈磊和侯鹏（2011）运用面板
向量自回归模型检验证实了美国量化宽松政策产生的过剩流动性引起包括中国在内的金砖
国家的资产价格水平上升。陈晓莉和孙晓红（2012）运用结构向量自回归模型研究了美国
量化宽松货币政策通过金融市场渠道对中国宏观经济的影响，结果表明该扩张性的货币政
策导致了短期内中国利率水平下降和产出增加。肖卫国和赵阳（2013）运用带符号约束的
向量自回归模型分析了联邦基金利率处于零利率下界时美国非常规货币政策对中国经济的
影响，发现美国长短期国债利差的下降导致了中美利差增加。邓创和席旭文（2013）运用
时变参数向量自回归模型就美国利率冲击对价格调控的外溢效应来看，美国的货币政策对
中国资产价格水平在金融危机后表现出更强的“与邻为壑”效应。总的来说，目前国内关
于美国所采取的一系列非常规货币政策对中国金融市场影响的研究还处于初级探索阶段，
研究方法还主要以定性分析为主。虽然诚如上文所述，也有相应学者利用相应的 VAR 族模
型对美国非常规货币政策和仅能体现利率期限结构斜率因子特征的中国利差之间的关联性
进行研究。但一方面由于没有考虑水平因子和曲率因子使得美国的非常规货币政策对中国
利率期限结构的影响缺乏全面认识；另一方面又由于中美两国处于不同的社会发展阶段，
市场结构成熟度和货币政策调控手段效力存在差异必然导致中国利率期限结构受美国非常
规货币政策的冲击具有结构性变动特征，而以上研究所使用的常系数 VAR 族模型由于基本
没有考虑该问题而导致模型估计时可信度下降。此外，由于中国金融市场一体化程度不高
所导致的市场隔离效应还很明显，货币市场和债券市场的关联性还比较脆弱（罗瑜，2012）
，
货币市场和债券市场的利率期限结构面临美国非常规货币政策冲击时是否会产生差异也同
样没有引起以上学者的关注。
鉴于以上分析，本文运用包含潜在门限的时变参数向量自回归（LT-TVP-VAR）模型
更深入的基于不同市场结构研究了美联储所实施一系列非常规货币政策冲击对中国金融市
场各利率期限结构的动态影响。与传统的 VAR 族模型相比，不仅其所采用的稀疏估计算法
优势能很好地刻画联邦基金利率在 0~0.25%区间内的微小波动特征，而且参数的时变性也
77
 吉林大学博士学位论文

能很好的表现中国利率期限结构的动态响应所具有的结构性变动特征，从而使得分析结果
具有更强的稳健性。

4.2 模型方法与变量选取

4.2.1 包含潜在门限的时变参数向量自回归模型

（1） 动态回归模型

动态回归模型是动态线性模型的一个子类别，West 和 Harrison（1997）引入并最先发
展了这一模型，在以下的一元时间序列模型中:

yt  xt' bt   t ,  t ~ N ( t 0,  2 ), bt  (b1t ,...,bkt ),

(4.1)
bit  it sit , sit  I ( it  d i ), i  1,..., k ,

当 xt  ( x1t ,..., xkt ) 为 k 维的预测变量，d  (d1 ,..., d k ) 为潜在门限向量，其中 di  0 ，

I () 为指示性变量。 时变参数 bt 由潜在时变参数 t  (1t ,...,kt ) 和指标 sit 决定，第

i 个变量 xit 低于门限值时，它的时变参数为 0，代表收缩期和较小的参数，收缩期 (di ,di )

表示了时间变量的选择，仅当  it 足够大时， xit 对 yt 的预测值产生影响，变量之间的关系

是动态的， xit 的系数可能在一定时期是非零的而其他时间为 0。

模型的形式由  it 决定，最简单的、应用最广的应用为 VAR 模型，即：

t 1   +（t -）
+t , t ~ N (0,  ) (4.2)

其中，对角矩阵   diag (1 ,..., k ) 中的元素 i 为独立自回归参数，新信息 t 的方差

矩阵   diag ( 1 ,...,  k ) 。当  i <1 时，模型是平稳的，均值为   ( 1 ,..., k ) ，方差

2 2 '

it ~ N (i , i2 ),  i2   2i / (1   2 )

i
(4.3)

并定义 i  ( i , i ,  i ) 以及   (1 ,...,k ) 。

（2） 时变参数向量自回归（TVP-VAR）模型

由于传统的 VAR 族模型的常系数假定不能很好解释经济变量间的结构性变动特征而

78
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

使得估计结果具有较大的误差， Primiceri（2005）在已有研究文献的基础上提出了模型的
系数、方差和协方差均具有时变特征的时变参数向量自回归（TVP-VAR）模型，此后，学
者们的研究（Fox 等. 2008; George 等. 2008; Wang 2010）将不同的变量形式引入传统 VAR
模型，其中，门限方法在时变的协方差系数矩阵中引入 0 元素，能够导致非零参数的时变
性。D’Agostino 等（2011）则用美国的宏观经济数据进一步证实了 TVP-VAR 模型比其他
VAR 模型具有更强的预测效果。
对 m 维向量时间序列 yt，TVP-VAR（p）模型为：

yt  ct  B1t yt 1  ...  Bpt yt  p  ut , ut ~ N (ut 0, t ) (4.4)

其中，ct 为 m 维的时间序列截距向量，Bjt 为滞后 j 期的 M  M 维参数矩阵，  t 为

M  M 维的时变新信息方差矩阵，对时间 t，定义 m(1  pm) 1 维的矩阵 bt，将 ct 和 bt

时 间 序 列 按 行 堆 积 起 来 ， 并 按 j=1,…,p ， 定 义 m  m(1  pm) 维 的 响 应 矩 阵

X t  I  (1, yt' 1 ,..., yt'  p ) 。此时，模型可被重写为多元动态回归形式：

yt  X t bt  ut , ut ~ N (ut 0, t ) (4.5)

通常假定时变参数向量 bt 为最常见最简单的 VAR(1)过程，由此我们将门限模型推广到

LTM 模型，LTM 结构提供了由门限变量定义的完整的动态序列及能够转换为特殊参数或
参数序列的时变参数。在模型中使用时变方差矩阵，动态模型的观测方程残差矩阵和上式

中更新的方差矩阵  t ，是许多金融和宏观计量的关键，通过先验的贝叶斯方法对 TVP-VAR

的更新波动方程进行估计。

（3） LT-TVP-VAR 模型

尽管 TVP-VAR 模型比其他 VAR 模型具有更强的预测效果（D’Agostino et al. ,2011）

，
过多的待估参数所导致的模型估计结果无偏性下降要求我们对待估参数个数进行约束。
Nakajima 和 West（2013）结合 West 和 Harrison（1997）的潜在门限模型建立了包含潜
在门限的时变参数向量自回归（LT-TVP-VAR）模型。该模型不仅保留了 TVP –VAR 模型
的时变特征，而且将 TVP–VAR 模型中待估非零参数的局部变化利用稀疏先验收缩的方
法借助门限假定引入模型，该改进极大的削弱了模型的过度拟合问题和提高了模型估计结
果的稳健性。潜在门限变量在多元时间序列中的应用是通过时变向量自回归（TV-VAR）
模型完成的，传统 VAR 模型的参数是不变的 (Prado 和 West ，2010)，但 TVP-VAR 模型
在计量经济学中的应用越来越广泛（Cogley 和 Sargent 2005; Primiceri 2005）。对应的

79
 吉林大学博士学位论文

LT-TVP-VAR（p）的简化式表示如下：

yt = Xt bt + A-1t Σt ε t , t = p +1, ,n ε t ~N  0, Ik  (4.6)

考虑对角元素为 1 的下三角协方差矩阵 A t ，使 At t At  t ，其中  t 为对角矩阵，

' 2

即 t ( At ) 为矩阵  t 的乔列斯基分解形式，即：
' 1

 1 0 … 0   1t 0 … 0 
   
a 21,t  ， =  0
t  At' t2 ( At' )1 ，A t    (4.7)
 0 t
 0 
   
 a m1,t … a m,m 1,t 1   0 … 0  mt 

此时， ut  At t et ，其中 et ~ N (et 0, I ) 。

-1

联系降维模型的一些发展（West 2003; Carvalho 等， 2008），近年的研究对方差矩阵

应用了一些新的先验估计，如基于先前非降维模型（Pinheiro 和 Bates 1996; Pourahmadi

1999; Smith 和 Kohn 2002），在方差矩阵的乔列斯基分解 A t （George 等，2008）中允许

0 元素的出现等。在 VAR 的时变方差矩阵（Cogley 和 Sargent，2005; Primiceri 2005; Lopes

等，2010）中同样出现了类似的创新，这也是本文应用的重要环节，本文将以上的乔列斯

基结构应用于 LTM 结构，结合随机时变方法对下三角矩阵 A t 动态的、适应性的进行降维。

 t = +（
  t-1 -  ）
+  t
at =a +（
a at-1 - a）
+a t (4.8)
ht =h +（
h ht-1 - h）
+h t

参照 Primiceri(2005)的做法，我们将矩阵  t 和 A t 表示为形式 σ t = σ1,t ,  , σk,t  和

a t =  a 21,t , a 31,t , a 32,t , , a k1,t , , a kk-1,t  。 同 时 ， 令 h t   h1t , , h kt  ， 其 中 ，

hit  log  it2 , i  1, , k 。 bt 、 at 和 ht 服从如下表达式：

bt  t sbt
t 1       t      t ,  t ~ N  0,V  (4.9)
sbt  I | t | db 

at   t sat
 t 1      t      t ,  t ~ N  0,V  (4.10)
sat  I |  t | d a 

80
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

ht 1  h  h  ht  h    ht ,  ht ~ N  0,Vh  (4.11)

式（4.9）（4.10）中 I . 为指示变量，d b 、d a 分别为系数和协方差的门限值。当 db  da  0

、

时，LT-TVP-VAR 就转变为 TVP-VAR 模型。

其 中 ， (et , ,a ,h ) ~ N[0, diag ( I , V , Va , Vh )]

' ' ' '
并且其中每个分块矩阵

(  , a , h ,V ,Va ,Vh ) 都是对角阵，因此全部的单变量时变参数都服从平稳的 AR（1）

过程。对比潜在门限 VAR 模型的动态回归参数，一些特殊的对数方差 hit 定义的传统单变

量随机波动模型广泛应用了 MCMC 方法估计，或单独应用，或与其他复杂模型一起采用
MCMC 方法估计(Jacquier 等，1994; Kim 等，1998; Aguilar 和 West 2000; Omori 等，2007;
Prado 和 West，2010)。

时变方差矩阵的重要特征为结果动态模型  t 可作为潜在状态变量，被改写为 at 的条件

动态线性模型。令 yt  ( y1t ,..., ymt )  yt  X t t ，此时 m  m(m  1) / 2 维矩阵：

'

 0 0 
 
  y1t 0 0 
 0  y1t  y2 t 0 
Xt    (4.12)
 0 0 0  y1t 
 0 0 
 
 0 0  y1t  ym 1,t 

由模型的定义，yt  yt  X t t  At t et 并且由下三角矩阵 A t 可推导出对所有时间 t，

-1

yt  yt  X t t  t et 。与（8）式中变形的条件动态线性模型是一致的，将向前滤波向后

抽样方法加入 MCMC 方法来估计每次迭代后的 a1:T 序列，以完成条件动态线性模型。

将 LTM 时变方差矩阵改写状态变量 at 形式，即引入潜在的 VAR 过程  t 代替 at， t 中

的元素满足 aij ,t  ij ,t saij ,t , saij ,t  I (ij ,t  daij ) 。LTM 扩展模型为：

yt  yt  X t t  t et
at   t sat (4.13)
 t = +（
  t-1 -）
+ t , t ~ N ( t 0, V )

其中  a 和 V 为对角矩阵，将（4.8）式替换为 at   t sat 。基于 West 和 Harrison (1997)

81
 吉林大学博士学位论文

包 含 潜 在 门 限 结 构 的 动 态 回 归 模 型 所 使 用 的 MCMC 方 法 的 扩 展 ， 我 们 利 用
Metropolis-Hasting 算法来进行 MCMC 估计。同时，借鉴了 Nakajima 和 West (2013)所使
用的抽样估计过程。
LT-TVP-VAR 的后验估计通过抽样 VAR 参数、协方差和遵循 LT-AR(1)过程的乔列斯基
分解方差矩阵的。现有文献对 TVP-VAR 模型的 MCMC 算法已有详细描述(Primiceri，2005；
Koop 和 Korobilis，2010；Nakajima，2011)，为潜在门限模型的 MCMC 抽样提供了依据。

根据公式（4.6）
、（4.7）和（4.13），令   (  ,  ,V ) 其中   ( ,  , h) 。MCMC 抽样

为：

1. 1:T 的抽样。以 ( , d , 1:T , h1:T , y1:T ) 为条件，  t 通过 MH 滤波抽样，此时抽样的

结果是多变量的，分布中的成分为：

M t1  X t' X t  V-1 ( I   ')

(4.14)
mt  M t [ X t'X t  V-1{( t 1  t 1 )  ( I  2   ') }]
接受概率为：

 N ( yt X t bt , t ) N ( t mt , M t ) 
*

 ( t ,  )  min 1,
*
 (4.15)
N ( yt X t bt , t ) N ( t mt , M t ) 
t

 
2. 1:T 的抽样。以 ( , d , 1:T , h1:T , y1:T ) 为条件，其中 d  d ij 。依据式（4.13），1:T

的抽样与抽样 1:T 的 MH 抽样方法相同。

3. h1:T 的 抽 样 。 根 据 (h , 1:T , 1:T , y1:T ) ， 定 义 yt  （

At yt X）
*
t ，t 且

yt* （ 1y*,...,
t y）
*
m，形成单变量的随机波动：
t

yt*  exp(hit 2)eit

hit  hi  hi (hi ,t 1  hi )  hit (4.16)
(eit ,hit ) ~ N (0, diag (1, hi2 ))

其中， hi , hi , hi 分别为矩阵 h , h , h 的第 i 个对角元素，根据 Primiceri (2005) 和

2

Nakajima (2011)，此处可以应用 Kim 等(1998)及 Omori 等 (2007)提出的标准、有效的随机

波动算法。

1. ( ,  , h ) 的抽样。依据(1:T , d ) 和(1:T , d ) ，分别抽样   和  ，依据同样

的方法按 h1:T 抽样  h ，但  h 不需要门限的拒绝过程。

82
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

2. (d , d ) 的 抽 样 。 直 接 通 过 MH 算 法 抽 样 d i 的 条 件 后 验 分 布 ， 依 据

(,  , 1:T , di , y1:T ) ，其中 di  d1:k di 。通过 i 时刻条件先验的 di* ~ U (0, i  Ki i ) ，

接受概率为：


 T N ( yt xt bt ,  ) 
' * 2

 (di ,d )  min 1, 
*
2 
(4.17)
 t 1 N ( yt xt bt ,  ) 
i '
 
* *
其中， bt 为基于 (di , d i ) 的当前门限状态变量， bt 为基于 (di , d i ) 的候选参数。

令 ut  At t  t ，则 ut 的协方差矩阵  可表示为：
1

t  At1t t At1 (4.18)

相应的，对式（4.6）进行迭代可以得到 VMA    的表达式：


yt   h,t ut h (4.19)
h 0

其中， 0,t  I k ， h,t  J t J  ，  t 和 J 的矩阵形式如下：

 t 
t   
 和 J  I k : 0k k  p 1  (4.20)
 I k ( p 1) : 0k  p 1k 
则 LT-TVP-VAR 的结构化脉冲响应函数为：

t   0,t : : H ,t  At1t (4.21)

4.2.2 影子利率期限结构模型

联邦基金利率通常作为常规的政策利率用来衡量美联储的货币政策执行效果。2008 年
12 月以来，美联储将联邦基金利率长期维持在 0~0.25%。当联邦基金利率处于零利率下界
时，
“流动性陷阱”效应凸显而使得货币政策信息有效释放。如何衡量由于量化宽松等一系
列非常规货币政策所导致的零利率下界时的货币政策效果变得尤为重要。这就迫切需要我
们刻画出能够准确代表货币政策现实效果的真实利率水平。Wu 和 Xia （2014）提出利用
影子利率期限结构（SRTSM）模型来计算市场影子利率的方法来解决该问题。实证结果表
明，基于该模型所得的影子利率与美国债券市场利率期限结构一致，可以作为不存在零利
率下界约束时联邦基金利率的代理变量。
影子利率起源于 Black（1995）的思想，他将联邦基金利率这种短期利率看作一个期

83
 吉林大学博士学位论文

权，假定联邦基金利率 rt 是影子利率 s t 和利率下界 r 的最大值函数：

rt  max  r ,s t  (4.22)

如果影子利率 s t 大于利率下界 r ，执行期权合约而用影子利率 s t 代表联邦基金利率；

如果影子利率 s t 小于利率下界 r ，不执行期权合约而用利率下界 r 代表联邦基金利率。该

假定使得影子利率可以自由浮动而不再受到利率下界的约束，这使得影子利率相对于联邦
基金利率更能代表美国金融市场的实际短期利率水平。

我们进一步假定影子利率 s t 是一系列风险因子状态变量 X t 的仿射函数：

st  0  Xt (4.23)

其中，风险因子状态变量服从一阶向量自回归：

Xt 1    Xt  t 1 , t 1 ~ N  0, I  (4.24)

相应的对数随机贴现因子为：
 1 
M t 1  exp  rt  t  t  t  t 1  (4.25)
 2 

其中，风险价格  t 与风险因子状态变量 X t 存在  t  0  1Xt 线性关系。在此线性关系

下风险因子状态变量也服从一阶向量自回归：

Xt 1  Q  Q Xt  Qt 1 , Qt 1 ~ N  0, I  (4.26)

其中， Q，Q 与 ， 的关系为：

  Q    0 ,
(4.27)
  Q   1.

式（4.22）将非线性引入了线性模型，前文描述的 SRTSM 的闭合形式定价策略不能使

用超过一个因子。因此，本文提出了 SRTSM 模型远期利率的解析近似，使复杂的非线性
非线性模型易于处理。此处提出的模型是简单且直觉的，并将在下文中提出高斯模型并对
二者进行比较，模拟方法表明，此处的解析近似方法误差仅为几个百分点。

定义 f n ,n 1,t 为始于 t+n 时刻结束于 t+n+1 时刻的贷款在 t 时刻的远期利率，

此时 SRTSM

的远期利率可近似为：

 a  bn X t  r 
SRTSM
f n,n+1,t  r  Qn g  n  (4.28)
 Qn 
84
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

其中， (Qn )2  VartQ (St  n ) ， g . 由 g  z   z  z     z  定义，其中   z  ,   z  分别为标

准正态分布的累积分布函数和概率密度函数。
（5.28）式中的时变因子为：

f n,n+1,t
SRTSM
 a  bn X t  r 
   n   bn (4.29)
X '
t  Qn 

SRTSM 模型远期利率的解析近似方法能够直接被应用于离散时间序列，如 Bauer 和

Rudebusch（2013）使用的模拟方法，Krippner（2013）提出的估计连续瞬时远期利率的近
似方法等。在向前一月远期利率数据中应用 Krippner（2013）的方法时，需要对当月的全
部瞬时远期利率数据进行积分，相反，我们的离散时间序列方法可以直接应用于向前一月
远期利率数据，不存在模拟误差，也不需要对数据进行积分。

当令 rt  st 时，SRTSM 模型变为利率期限结构的基准模型 GATSM 模型，GATSM 模

型的远期利率为各因子的线性函数：
SRTSM
f n,n+1,t  a n  bn Xt (4.30)

其中，an 和 bn 与前文中含义相同。GATSM 模型的线性高斯特征使之更易于处理，因

此当前文献中非常常见。但该特征也使接近零利率债券的经济条件下 GATSM 模型表现不
佳，因为它允许负利率的出现。当经济环境正常时，GATSM 模型能否进行准确估计，及
其优点和缺点哪个影响更大?

式(4.28)和式(4.30)的区别在于：式(4.28)在 g(.)中加入了非线性。当 z  2 时，g ( z )  z ，

因此可以将 GATSM 模型看做不存在零利率债券经济条件时 SRTSM 模型的简单近似，这

修正了人们对 GATSM 模型的直觉，即当即时短期利率足够高时，预期短期利率将很可能
为正，因为数据具有较强的持续性特征，GATSM 模型中的因子为常数：

f n,n+1,t
SRTSM

 bn (4.31)
X 't

式(4.27)和(4.29)表明了 GATSM 和 SRTSM 模型之间的区别，令人更能清楚的了解二者

的不同点。除了 GATSM 的 bn 之外，SRTSM 模型也具有其特殊之处，为处于 0-1 之间的预

期经济状况。当预期经济状况远离利率下限时，该因子可被视为 bn ，但当经济状况接近零

利率时该因子则变为完全不同的情形，当预期经济状况长期处于零利率时，该因子趋近于
零且远期利率不受任何新信息的影响。SRTSM 的非线性状态空间表示。状态变量的转换公
式如式(4.31)。
0
量测方程将(4.28)式的可观测的远期利率 f n ,n+1,t 写为如下形式：
85
 吉林大学博士学位论文

an  bn X t  r
f n0,n 1,t  r   nQ g ( )  nt (4.32)
 nQ

其中，量测误差  nt 为正态分布， nt ~ N (0,  ) ，观测方程是非线性的，本文通过扩

展的卡尔曼滤波进行估计，
应用了卡尔曼滤波对非线性结构 g（·）
进行了线性化。通过（4.28）
式的解析解，非常容易估计扩展的卡尔曼滤波。观测方程(4.32)不做任何数值近似而是直接
对数据进行估计，此时能够推导出连续时间的定价公式。由于非线性结构 g（·）是单调递
增的，此时的似然值与 GASTM 非常相近。以上的特征令本文的方法非常有吸引力。

我们令 f n,n 1,t 为以 t+n 时点为起息日，以 t+n+1 时点为到期日的远期利率，在联立式

(4.28)、(4.29)、(4.31)、(4.32)的基础上利用泰勒展开式可近似得到：

Q  a n  bn X t  r   a n  bn X t  r 
+n,t+n+1  r   n g 
f tSRTSM       a n  an 
 n Q
  Qn 

 a  bn X t  r 
g  n 
 
a  bn X t  r   Qn  a a (4.33)
 r  Qn g  n    Q
 n n
 
Q n
 n  a n

 a  bn X t  r 
 r  Qn g  n 
 Qn 


        
n 1
1  n 1 j  n 1 j
j
其中， a n  an  1    Q      Q   1 ， bn  1  Q  ， n 
n Q Q j Q
1 1 。
2  j 0   j 0  j 0

根据所得到得到的远期利率序列 f t +n,t+n+1 利用式(4.31)的贴现因子进行贴现，我们就可得到

SRTSM

相对应的影子利率。

4.2.3 变量选取及处理

长短期利差作为美国经济景气指数体系中 10 个领先指标之一，它不仅能够预测美国未
来的经济走势，同时由于长短期利差与货币市场的强相关性使得该指标还能用来表示美联
储的货币政策总体执行效果。以往研究通常用 10 年期国债收益率与 3 个月国债收益率之差
来表示长短期利差。本文为了形象直观地了解美国所实施的非常规货币政策相对于的以往
常规货币政策之间实际差异和效果，我们定义 3 年期国债收益率与联邦基金利率之差为名
义利差（ND），而用联邦基金利率与影子利率之差为潜在利差（SD）①。名义利差作为美

①
本文采用 3 年期国债收益率而不是采用 10 年期国债收益率，主要是考虑到美联储所采取的扭曲操
作等一系列非常规货币政策压低了 10 年期国债收益率，如果继续采用 10 年期国债收益率与 3 个月国债收
益率之差来表示的长短期利差来代表的货币政策效果中必然包含了非常规货币政策效果因素。而相应研究
（Mönch，2012）证实美国中期国债收益率在金融危机以来受非常规政策的冲击影响较小。
86
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

国常规货币政策冲击的代理变量，同时用潜在利差作为美国非常规货币政策冲击的代理变
量。
由于中国金融市场发展时间较短，市场间的隔离导致一体化程度欠缺。因此，我们从
货币市场和债券市场两个角度来研究中国金融市场的利率期限结构。我们选取期限为 1 天、
7 天、14 天、1 个月、3 个月、6 个月、9 个月、12 个月的银行间同业拆借利率作为货币市
场期限结构的变量；同时，我们选取 1 天、6 个月、12 个月、24 个月、36 个月、48 个月、
60 个月、72 个月、84 个月、108 个月、120 个月的银行间固定利率到期国债收益率作为债
券市场期限结构的变量。由于利用如此多维的收益率序列变量既不简便又不能抓住期限结
构的本质特征。因此，我们用主成分法来分析影响货币市场和债券市场期限结构整体变动
的风险因素。对于货币市场而言，前 3 个主成分对银行间同业拆借利率变动的累计贡献为
98.25%。对于债券市场而言，前 3 个主成分对银行间同业拆借利率变动的累计贡献为
99.34%。与 Ang 和 Piazzesi（2003）定义类似，我们用 1 个月、6 个月、12 个月的银行间

同业拆借利率序列合成出货币市场中水平因子（ l1t ）、斜率因子（ s1t ）和曲率因子（ c1t ）

的代理变量来验证主成分法提取期限结构因子的有效性①。相关性检验证实，基于主成分
法提取的三个主成分因子与水平因子、斜率因子和曲率因子的代理变量的相关性分别为
0.81、0.87、0.48。同样我们用 6 个月、48 个月、120 个月的银行间固定利率到期国债收益
率序列合成出债券市场中水平因子、斜率因子和曲率因子的代理变量。相关性检验证实，

主成分方法提取的三个主成分因子与水平因子（ l2t ）、斜率因子（ s2t ）和曲率因子（ c2t ）

的代理变量的相关性分别为 0.77、0.84、0.57。综上所述，两个市场基于主成分法提取出的
三个主成分因子确实可以作为水平因子、斜率因子和曲率因子来代表各自市场的期限结构。
此外，本文的数据来源于 Wind 数据库，由于我国金融市场上尚未完全市场化的基准
利率长期以来受到管制而缺乏灵活主动的调节机制，利率期限的名义变动对外生性货币政
策冲击的反应不灵敏。相对而言，2006 年 10 月以来所建立的上海银行间同业拆借利率
（SHIBOR）是目前我国市场化程度最高的基准利率，能够及时反映我国货币市场利率期
限结构的变动。出于数据可得性、真实性和有效性综合考虑，我们选用利率市场化实现快
速放开的 2006 年 10 月至 2014 年 4 月的月度数据作为研究对象。数据处理和模型的估计主
要通过 Stata12 和 OxMetrics6 实现。

①
Ang 和 Piazzesi（2003）认为，短期利率（SR）
、中期利率（MR）和长期利率（LR）的组合（SR-LR）、
（2*MR-SR-LR）
、（SR+MR+LR）/3 可以分别近似作为期限结构中斜率因子、曲率因子和水平因子的代理
变量。总体上而言，斜率因子代表短期利率，曲率因子代表中期利率，水平因子代表长期利率。
87
 吉林大学博士学位论文

4.3 实证分析

4.3.1 影子利率趋势分析

我们根据美国经济的实际情况假定利率下界为 0.25%，同时利用 3 个月、6 个月、12

个月、24 个月、60 个月、84 个月、120 个月的美国国债收益率序列通过影子利率期限结构
模型估计出相应的影子利率（见图 4.1）。由图中可见，由于受到第一轮量化宽松政策的影
响，2008 年底联邦基金利率开始触及利率下界。虽然名义利率始终保持在零利率以上，但
实际上影子利率从 2009 年 6 月开始降到零利率以下，并且总体上呈现继续下降趋势。相应
地，名义利差在 2008 年后长期处于 0~1.55%之间，而实际利差与名义利差的偏离伴随着数
轮量化宽松货币政策的冲击呈现出逐渐增大的趋势。

图 4.1 各利率、利差时间趋势图

4.3.2 模型估计结果

为了避免“伪回归”和确保估计结果的有效性，我们首先需要对相应变量的时间序列
进行平稳性检验。相应序列的单位根检验结果表明，名义利差和潜在利差均为 I（1）不平
稳序列，而分别 1 阶差分后的名义利差（nd）
、潜在利差（sd）及两个市场中的水平因子、
斜率因子和曲率因子均为 I（0）平稳序列。以 Geweke (1999) 所提出的调和平均数所得到
的边际似然值为依据，本文中 LT-TVP-VAR 模型的滞后阶数选择为 1 阶。依据 Nakajima

（ 2013 ）， 进 行 MCMC 时 假 定 V ~   2, 0. 01
 、 V2 ~   2,0.01 、 Vh2 ~   2,0.01 和
2

exp  h  ~   3,0.03 。我们共进行了 20000 次模拟抽样，其中前 2000 次抽样为预烧样本。

其相应的估计结果如表 4.1 所示。

88
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

表 4.1 金融市场中不同情景下 LT-TVP-VAR 模型参数估计结果

货币市场 债券市场
名义利差冲击 潜在利差冲击 名义利差冲击 潜在利差冲击
0.2137 -0.0906 -0.0481 -0.0603

（1.6721） （-2.1368） （-1.2365） （-1.0186）
0.9708 0.8290 0.8232 0.8472

（46.4498） （7.5023） （7.6577） （8.1540）
0.0259 0.0293 0.0234 0.0271
V
（8.3548） （17.2353） （9.3600） （11.7826）
0.0866 0.3688 -0.0258 0.2024

（0.3055） （0.6852） （-0.3945） （0.5885）
0.9318 0.9466 0.7721 0.9003

（19.2134） （18.0305） （8.3022） （12.0522）
0.1454 0.2236 0.0886 0.0984
V
（3.3272） （2.0570） （6.6617） （2.6459）
0.2116 0.3956 0.1105 0.0665
h
（1.5909） （2.6639） （0.8539） （0.9433）
0.9604 0.8906 0.9647 0.9579
h
（15.1722） （10.1089） （18.6957） （29.0773）
0.2316 0.0887 0.2731 0.1332
Vh
（3.9321） （2.007） （1.6931） （0.6298）
0.1364 0.1848 0.0949 0.1285
db
（1.9912） （2.5939） （1.2536） （1.5298）
0.3146 2.3969 0.3023 0.8286
da
（1.6532） （1.9642） （1.7576） （1.6503）
db 可接受率 0.5723 0.7771 0.328 0.3991
da 可接受率 0.6031 0.7783 0.305 0.4281

注：*、**、***分别表示在 10%、5%和 1%的置信水平下显著。括号内为 t 检验值。

观察表 1 相应估计参数大小和显著性水平我们发现，名义利差对中国货币市场利率期
限结构的影响大于名义利差对中国债券市场利率期限结构的影响，潜在利差对中国货币市
场利率期限结构的影响大于潜在利差对中国债券市场利率期限结构的影响。这主要是由于
中国的货币市场相对于债券市场而言具有更高的开放度和更强的流动性，美国货币政策的
变动所带来的国际资本的流动通过利率渠道和汇率渠道更容易影响到中国的货币市场。由
门限值 db、da 的显著性程度和可接受率的概率大小综合可知，利差对货币市场利率期限结
构冲击存在显著的门限效应，用有门限约束的 LT-TVP-VAR 模型研究美国常规货币政策和
美国非常规货币政策对中国货币市场利率期限结构的影响更具合理性。而利差对债券市场
利率期限结构的冲击并不存在显著的门限效应，用无门限约束的 LT-TVP-VAR 模型研究美
国常规货币政策和美国非常规货币政策对中国债券市场利率期限结构的影响更适宜。我国

89
 吉林大学博士学位论文

的货币市场虽然还处于发展的初期阶段，但近年来伴随着货币市场上交易品种的不断推陈
出新，交易规模的加速扩张和市场参与者范围的扩大，货币市场相应取得了长足发展。货
币市场在不断扩展其结构框架的深度和广度的同时也使自身更容易遭受外源性风险因子的
冲击。特别是在面对如美国这一超级经济体的货币政策规则发生明显变动进而影响整个世
界市场利率水平的情景下，中国货币市场利率期限结构因子受到美国货币政策溢出效应的
影响反应强烈而呈现出显著的非线性门限效应。与之相反，债券市场上由于在参与主体的
受政策法规约束下天然具有较强的封闭性，市场隔离缓解了外生冲击对债券市场的冲击，
而使得中国债券市场利率期限结构因子受到美国货币政策溢出效应的影响反应平淡而没有
呈现显著的非线性门限效应。

4.4 美国非常规货币政策冲击下的中国利率期限结构

美国作为当今世界第一大经济体和国际金融体系的主导者，在经济全球化和金融一体
化的推动下，其货币政策的调整对于中国这类与美国经济紧密相连的经济体的经济活动必
然会产生深远影响。自美国本次金融危机后开始执行一系列非常规货币政策以来，美国货
币政策变动对中国宏观经济环境的冲击逐渐成为国内的关注焦点。相对于常规货币政策而
言，非常规货币政策因货币当局所采纳并付诸实践的次数少而使得人们对其在现实经济环
境中的影响效果难以把握。研究美国非常规货币政策对中国金融市场上基础金融资产价格
水平的影响，有助于我国货币当局进行“逆周期”操作而抵减外生性货币政策冲击的影响，
保持货币市场的稳定性和熨平经济的周期性波动。本部分我们首先基于上文中有门限约束
的 LT-TVP-VAR 模型和无门限约束的 LT-TVP-VAR 模型的脉冲响应，分析了不同时期美国
非常规货币政策对中国金融市场利率期限结构的影响。同时，我们进一步研究了不同前瞻
指引规则下美国非常规货币政策对中国金融市场利率期限结构的影响。

4.4.1 不同时期的非常规货币政策对中国金融市场的影响

图 4.2 描述了有门限和无门限两种情景下，名义利差和潜在利差对中国货币市场利率
期限结构因子的第 3、6、9 期（一季度、两季度、三季度）脉冲响应随时间的动态演变路
径。比较图 4.2（a）和图 4.2（c）我们可以发现，用 LT-TVP-VAR 模型来刻画名义利差对
货币市场利率期限结构因子的影响时有无门限的假定会对脉冲响应的效果和强度产生明显
差异。虽然无论是有门限情景还是无门限情景，斜率因子、曲率因子和水平因子对于名义
利差单位正向冲击的响应总体上分别表现为负向、正向和负向。然而，各期限结构因子在
有无门限约束这两种不同情景下同一时期的脉冲响应强度却有明显的区别。比较图 4.2（b）
和图 4.2（d）中斜率因子、曲率因子和水平因子对于潜在利差单位正向冲击的响应我们同
90
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

样可以得到相似结论。总之，有无门限约束的假定会明显地影响到中国货币市场利率期限
结构对代表美国常规货币政策的名义利差冲击和代表美国非常规货币政策的潜在利差冲击
的脉冲响应效果。这不仅进一步验证了上文实证检验所得出的用有门限约束的
LT-TVP-VAR 模型研究美国非常规货币政策对中国货币市场利率期限结构的影响更具合理
性的结论，而且也符合我国货币市场的发展历程和现实表现。

图 4.2 不同情景下美国货币政策对中国货币市场利率期限结构的脉冲

在有门限的情景下我们进一步比较图 4.2（a）和图 4.2（b）的异同。从脉冲响应结果

的效果来看，斜率因子和水平因子对于名义利差单位正向冲击的响应和对于潜在利差单位
正向冲击的响应总体上均呈现为负向。而曲率因子对于名义利差单位正向冲击的响应和对
于潜在利差单位正向冲击的响应总体上呈现为正向。这是因为斜率因子和水平因子主要描
述了利率期限结构基于宏观经济变动的预期成分的外生冲击，而曲率因子则反映了利率期
限结构自身变化的内生性逻辑。基于两国蒙代尔—弗莱明模型，在浮动汇率制度情景下，
美国实行诸如量化宽松之类的扩张性货币政策迅速导致美国国内短期利率水平下降。在收
入机制和利率机制的共同作用下，通过相对价格水平的调节最终导致美国产出增加和利率
水平上升；中国产出减少和利率下降。该过程一直持续至两国利率水平大致相等和世界利
率水平总体下降的新均衡状态。世界利率水平的下降最终使得以水平因子为代表的长期利
率水平的下降。而曲率因子由于反应利率期限结构的周期性成分，中国货币市场由于对美

91
 吉林大学博士学位论文

国货币政策的响应缺乏经验而表现为“相机抉择”，通货膨胀预期不确定性的增加使得曲率
因子对于美国货币政策单位正向冲击的响应由于时滞呈现“逆周期”性的正向而表现为中
期利率的上升。从脉冲响应结果的强度来看，在有门限情景下，潜在利差对货币市场各利
率期限结构因子的脉冲要大于名义利差对货币市场各利率期限结构因子的脉冲。这表明由
于信息非对称和货币政策不确定性的增加，美国“相机抉择”的非常规货币政策对我国货
币市场利率期限结构的冲击要大于“单一规则”的美国常规货币政策对我国货币市场利率
期限结构的冲击。此外，名义利差对货币市场各利率期限结构因子的脉冲在 2007 年至 2009
年间有较显著高位波动而在 2009 年后则长期保持低位稳定状态，这说明美国常规的货币政
策在金融危机前对我国货币市场的期限结构有显著影响，然而金融危机后由于常规货币政
策在降低美国短期利率水平以提振美国宏观经济上的乏力，使得通过货币政策的溢出效应
影响中国货币市场利率期限结构的能力大大削弱了。而潜在利差对货币市场斜率因子的脉
冲在金融危机后持续稳定处于高位则说明美国非常规的货币政策在金融危机后对我国货币
市场利率期限结构的变动开始发挥越来越显著的影响。此外，从脉冲响应结果的时滞性来
看，货币市场各利率期限结构因子的脉冲响应强度在短期内随着滞后期的延长而逐渐增大，
这同样说明了美国的货币政策对于我国货币市场具有短期持续性影响。

图 4.3 不同情景下美国货币政策对中国债券市场利率期限结构的脉冲

图 4.3 描述了有门限和无门限两种情景下，名义利差和潜在利差对中国债券市场各利

92
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

率期限结构因子的第 3、6、9 期（一季度、两季度、三季度）脉冲响应随时间的动态演变

路径。比较图 4.3（a）和图 4.3（c）我们可以发现，用 LT-TVP-VAR 模型来刻画名义利差
对债券市场利率期限结构因子的影响时有无门限的假定对脉冲响应的效果基本没有显著影
响。从脉冲响应结果的效果来看，无论是有门限情景还是无门限情景，斜率因子、曲率因
子和水平因子对于名义利差单位正向冲击的响应总体上均分别呈现为正向、负向和负向。
比较图 4.3（b）和图 4.3（d）中斜率因子、曲率因子和水平因子对于潜在利差单位正向冲
击的响应我们同样可以得到相似结论。从脉冲响应结果的强度来看，除了斜率因子、曲率
因子和水平因子对于名义利差单位正向冲击的响应大小在在 2009 年后存在细微差别以外，
无论是有门限情景还是无门限情景名义利差和潜在利差对曲率因子和水平因子脉冲大小在
各时期均大致相等。总之，有无门限约束的假定不会明显地影响到中国债券市场利率期限
结构对代表美国常规货币政策的名义利差冲击和代表美国非常规货币政策的潜在利差冲击
的响应效果。这同样也进一步验证了上文实证检验所得出的用无门限约束的 LT-TVP-VAR
模型研究美国非常规货币政策对中国货币市场利率期限结构的影响更具合理性的结论。
在无门限的情景下我们进一步比较图 4.3（c）和图 4.3（d）的异同。从脉冲响应结果
的效果来看，斜率因子对于名义利差单位正向冲击的响应和对于潜在利差单位正向冲击的
响应总体上呈现为正向，而曲率因子和水平因子对于名义利差单位正向冲击的响应和对于
潜在利差单位正向冲击的响应总体上均呈现为负向。由于美国扩张性的货币政策而流入中
国市场的“热钱”资本带来了流动性泛滥，这迫使央行出于提高金融稳定性的目的采取紧
缩性政策提高利率水平，由于债券市场参与主体单一、央行的主导地位和壁垒效应显著，
由于强制结售汇制度约束“热钱”虽冲击了货币市场但却由于壁垒而无法进入债券市场。
我国相应“逆向操作”手段由于具有明显的政策刚性而直接导致了债券市场短期利率水平
的上升，这表现为斜率因子对于名义利差单位正向冲击的响应和对于潜在利差单位正向冲
击的响应总体上均呈现为正向。然而，由于中美之间货币政策的国际传导机制凭借市场的
力量产生的效果相对于央行的行政指导手段所产生的效果更持久，整个世界市场利率水平
的下降最终还是迫使债券市场的长期利率水平也下降，这表现为水平因子对于名义利差的
单位正向冲击的响应和对于潜在利差的单位正向冲击的响应总体上均呈现为负向。从脉冲
响应结果的强度来看，在无门限情景下，潜在利差对债券市场各利率期限结构因子的脉冲
要大于名义利差对债券市场各利率期限结构因子的脉冲。这也表明美国非常规货币政策对
我国债券市场利率期限结构的冲击要大于美国常规货币政策对我国债券市场利率期限结构
的冲击。此外，名义利差冲击对债券市场各利率期限结构因子的脉冲在 2007 年至 2009 年
间有较显著波动而在 2009 年后则长期保持低位稳定状态，这说明美国常规货币政策在金融
危机前对我国债券市场的期限结构有显著影响，然而金融危机后潜在利差对债券市场各利
率期限结构因子的脉冲在金融危机后持续稳定增加，这也进一步说明了美国非常规的货币
93
 吉林大学博士学位论文

政策在金融危机后对我国债券市场的期限结构的变动开始地发挥越来越显著的影响。此外，
从脉冲响应结果的时滞性来看，债券市场各利率期限结构因子的脉冲响应强度在短期内随
着滞后期的延长而逐渐增大，这也说明了美国的货币政策对于我国债券市场具有短期持续
性影响。
综合观察以上不同情景下不同时间的脉冲响应结果，我们可以得到以下结论：首先，
从脉冲响应结果的效果来看，对于货币市场而言，无论是美国常规货币政策还是美国非常
规货币政策，均使得我国货币市场的短期利率水平下降、中期利率水平上升和长期利率水
平下降；对于债券市场而言，无论是美国常规货币政策还是美国非常规货币政策，均使得
我国债券市场的短期利率水平上升、中期利率水平下降和长期利率水平下降。其次，从脉
冲响应结果的强度来看，无论是对于货币市场还是对于债券市场而言，潜在利差对于相应
市场各利率期限结构因子的脉冲要大于名义利差对于各市场各利率期限结构因子的脉冲。
这表明美国非常规货币政策对我国金融市场利率期限结构变动的影响要大于美国常规货币
政策对我国金融市场利率期限结构变动的影响。同时，以名义利差大小来衡量的美国常规
货币政策对我国金融市场利率期限结构的影响主要表现在金融危机前，而金融危机后以潜
在利差大小来衡量的美国非常规货币政策对我国金融市场利率期限结构的影响则显得越来
越重要。最后，从脉冲响应的时滞性来看，货币市场和债券市场各利率期限结构因子的脉
冲响应强度在短期内随着滞后期的延长而逐渐增大。然而由于我们选择的滞后期较短，为
了弥补此缺憾，我们接下来从不同前瞻指引规则下基于不同时点的脉冲响应结果来深入研
究美国非常规货币政策对中国金融市场期限结构的影响。

4.4.2 不同前瞻指引规则对中国金融市场的影响

在后金融危机时代利率工具丧失弹性的情况下，美联储主要通过前瞻指引、扭曲操作
和量化宽松三种方式执行非常规货币政策。其中，前瞻指引主要是通过影响公众对未来货
币政策前景的预期和通货膨胀水平的预期来影响实际经济活动。而扭曲操作和量化宽松则
通过改变金融机构和私人部门的资产负债表的资产规模和资产结构来影响资产价格和通货
膨胀水平，进而兑现先前影响公众预期的前瞻指引目标。可以说前瞻指引是非常规货币政
策的“锚”，在非常规货币政策中处于基础地位。金融危机以来，零利率下界约束增加了货
币当局采用前瞻指引的必要性，美国先后执行过三类前瞻指引（Carney，2013）。延续 2003
年 8 月以来美联储所执行的“开放式指引”操作，2008 年 12 月 FOMC 宣称“经济疲弱可
能需要联邦基金利率在一段时间内维持较低水平”。紧接着在 2011 年 8 月转而执行“日历
指引”，FOMC 宣称“预期低利率将至少持续到 2013 年中期”。2012 年 12 月进一步转而执
行盯住失业率和通货膨胀率水平的“门槛指引”，FOMC 宣称“在失业率将至 6.5%、通胀
预期低于 2.5%的情况下，美联储才会考虑调高短期利率”
。总的来说，在美联储利率决策

94
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

规则由传统的泰勒规则向埃文斯规则进行转变的过程中，采用经济指标取代以往相对模糊
的目标提高了美联储决策透明度，这也使得货币当局采取货币政策干预经济运行的条件性
日益明确。不同的利率决策规则指导下所形成的货币政策冲击对中国金融市场各利率期限
结构是否会产生差异性影响便成了一个亟待解决的问题。

图 4.4 不同情景下各时点的美国货币政策对中国金融市场利率期限结构的脉冲

基于 Carney（2013）对美国前瞻指引时间段的划分和本文样本区间长度，我们选择 2006
年 10 月、2011 年 8 月和 2012 年 12 月三个时点的脉冲响应结果来对比在三种不同的前瞻
指引利率决策规则的作用下美国货币政策对中国金融市场的利率期限结构的影响（见图
4.4）。从脉冲响应结果的效果来看，对于货币市场而言，斜率因子、曲率因子和水平因子
对于名义利差单位正向冲击和潜在利差单位正向冲击的响应总体上分别表现为负向、正向
和负向，这与图 4.2 中不同情景下美国货币政策对中国货币市场利率期限结构的脉冲响应
结果相吻合。对于债券市场而言，斜率因子、曲率因子和水平因子对于名义利差单位正向
冲击和潜在利差单位正向冲击的响应总体上分别表现为正向、负向和负向，这与图 4.3 中
不同情景下美国货币政策对中国债券市场利率期限结构的脉冲响应结果相吻合，其次，从
脉冲响应结果的强度来看，通过比较图 4.4（a）和图 4.4（c）我们发现，名义利差对货币
市场各利率期限结构因子的脉冲大于名义利差对债券市场各利率期限结构因子的脉冲。同
样比较图 4.4（b）和图 4.4（d）我们发现，潜在利差对货币市场各利率期限结构因子的脉

95
 吉林大学博士学位论文

冲大于潜在利差对债券市场各利率期限结构因子的脉冲。这表明中国的货币市场由于比债
券市场具有更强的流动性而导致其与美国经济联系更紧密，美国货币政策冲击必然会引起
货币市场产生更大的波动。这也进一步证实了上文中所得出的各利差对货币市场利率期限
结构的冲击影响要大于各利差对债券市场利率期限结构的冲击影响的结论。同时，对于货
币市场而言，货币市场各利率期限结构因子对名义利差和潜在利差的响应在日历指引下最
大，其次是门槛指引，而开放式指引情景下最小；对于债券市场而言，债券市场各利率期
限结构因子对名义利差和潜在利差的响应在开放式指引下最大，其次是门槛指引，而日历
指引下最小。与此类似，从脉冲响应结果的敏感性来看，美国货币政策冲击对中国货币市
场利率期限结构的影响在日历指引和门槛指引下要比在开放式指引下更灵敏快捷，这主要
是因为货币市场结构的变动更依赖于货币政策规则的清晰、明确和有效。日历指引和门槛
指引相对于开放式指引具有更强的预期而使得该货币政策对中国货币市场利率期限结构具
有更直接的冲击，这直接表现为中国货币市场利率期限结构在日历指引和门槛指引下对美
国货币政策冲击的响应更加反应强烈且灵敏快捷。而美国货币政策冲击对中国债券市场利
率期限结构的影响在开放式指引下要比在日历指引和门槛指引下更敏捷。这主要是因为我
国的债券市场相对于货币市场具有更大的封闭性，债券市场资产价格的波动更多地依赖于
财政部的市场干预等外部冲击的反馈。由于前瞻指引并非货币政策的常态，我国政府面对
美国货币政策的调整对中国债券市场的冲击缺乏合理预期而进行了政策上的过度调节。这
直接表现为中国债券市场利率期限结构对美国货币政策冲击的响应效果在美联储在金融危
机后初次执行开放式指引时反应更加强烈且灵敏快捷，此后随着我国政府对该政策调整逐
渐适应而形成合理预期，中国债券市场利率期限结构对美国货币政策冲击的响应效果在日
历指引和门槛指引下才逐渐减弱。

4.5 本章小结

美国作为当今世界第一大经济体，相对中国这个新兴经济体而言具有更成熟的市场体
系。近年来由于世界经济一体化的加速发展和中国主动融入“美元”为中心的国际货币金
融体系，中美两国的经济依存度得到显著提高。金融危机后在不断降低联邦基金利率而最
终导致常规货币政策丧失弹性的困境下，美联储转而借助一系列非常规货币政策来扭转美
国经济颓势。本文以美国非常规货币政策为参照系，基于 LT-TVP-VAR 模型研究了外部非
常规货币政策冲击对中国金融市场各利率期限结构的动态影响。实证结果表明：
第一，由于货币市场相对于债券市场而言具有更高的开放度和流动性，各利差对货币
市场利率期限结构的冲击影响要大于各利差对债券市场利率期限结构的冲击影响。用有门
限约束的 LT-TVP-VAR 模型研究美国常规货币政策和美国非常规货币政策对中国货币市场
96
 第4章 外部非常规货币政策冲击下利率期限结构动态响应研究

利率期限结构的影响更具合理性。而用无门限约束的 LT-TVP-VAR 模型研究美国常规货币

政策和美国非常规货币政策对中国债券市场利率期限结构的影响更适宜。中国货币市场利
率期限结构受到美国货币政策溢出效应的影响所呈现出的显著非线性门限效应表明，我国
货币当局迫切需要将短期流动性调节工具(SLO)、常备借贷便利(SLF)与超额存款准备金利
率等其它常规货币政策工具相配合，以进一步增强央行流动性管理的灵活性和主动性，逐
步构建起“利率走廊”机制来完善短期利率调控方式。同时，利用抵押补充贷款（PSL）
的利率水平引导中期政策利率，以实现央行对中长期利率水平的引导。通过“利率走廊”
与中期政策利率相结合的新型货币政策框架使货币政策调控由数量型向价格型转变。在新
货币政策框架下利用完善的市场利率体系借助市场的力量进行“逆周期”操作来抵减外生
性货币政策冲击的影响，以达到维持货币市场稳定性和熨平经济周期性波动的目的。
第二，对于货币市场而言，无论是美国常规货币政策还是美国非常规货币政策，均使
得我国货币市场的短期利率水平下降、中期利率水平上升和长期利率水平下降；对于债券
市场而言，无论是美国常规货币政策还是美国非常规货币政策，均使得我国债券市场的短
期利率水平上升、中期利率水平下降和长期利率水平下降。该现象符合浮动汇率制情景下
两国蒙代尔—弗莱明模型所得结论。金融市场上长期利率水平的下降所带来的利率期限结
构错配会使诸如地方政府这类长期资金需求者的投资项目缺乏成本约束而对基础设施建设
进行盲目扩张。这不仅降低了资金的使用效率，还进一步引起了系统性与区域性金融风险
的集聚。在经济增速长期性趋缓的新常态下，随着经济结构调整的持续进行，经济系统中
所潜在的系统性风险将会逐渐显现。防范同业业务风险，弱化影子银行风险，减少资金运
用过程中期限过度错配所可能诱发的流动性风险，通过去杠杆化来优化金融资源配置，以
消除金融资源供需的结构性失衡。宏观审慎政策框架下建立起完整的系统性与区域性金融
风险防范预警体系应当成为当前我国监管部门监管工作中的应有之义。
第三，无论是从有门限时各利差对货币市场利率期限结构的脉冲响应结果考虑，还是
从无门限时各利差对债券市场利率期限结构的脉冲响应结果考虑，以潜在利差来衡量的美
国非常规货币政策对我国金融市场利率期限结构变动的影响要大于以名义利差来衡量的美
国常规货币政策对我国金融市场利率期限结构变动的影响。以名义利差来衡量的常规货币
政策主要在金融危机前对中国的货币市场和债券市场的利率期限结构的变动产生影响，而
以潜在利差来衡量的非常规货币政策对中国的货币市场和债券市场的利率期限结构的变动
影响金融危机后才越发凸显出来。金融危机以来美联储频繁执行非常规货币政策主要是由
于零利率下界约束导致常规货币政策传导机制失灵。与公众所熟知的常规货币政策工具不
同，非常规货币政策由于所使用次数少和缺乏政策执行预期而能够对金融市场产生更显著
影响，这直接导致了在非常时期非常规货币政策的执行效果明显优于常规货币政策的执行
效果。金融危机后我国金融市场利率期限结构更明显地受到美国非常规货币政策的影响就
97
 吉林大学博士学位论文

是该现象的真实表现。这也表明对美国非常规货币政策执行效果缺乏合理预期会削弱我国
货币政策的执行效果和弱化人民银行货币政策制定的独立性。由于美国非常规货币政策主
要是通过商品贸易和外商直接投资利用中美利差和汇率波动来中国经济，监管机构要进一
步加强监测跨境资金流动，在宏观审慎政策框架下引入资本管理措施，提高资本管理在宏
观调控政策组合中的地位，通过增强资本流动稳定性的方式来强化我国货币政策的独立性。
第四，通过比较不同前瞻指引规则下美国非常规货币政策对中国金融市场利率期限结
构的影响我们发现，对于货币市场而言，货币市场各利率期限结构因子对代表美国常规货
币政策的名义利差和代表美国非常规货币政策的潜在利差的响应在日历指引下最大；对于
债券市场而言，债券市场各利率期限结构因子对代表美国常规货币政策的名义利差和代表
美国非常规货币政策的潜在利差的响应在开放式指引下最大。美国非常规货币政策冲击对
中国货币市场利率期限结构的影响在日历指引和门槛指引下要比在开放式指引下更灵敏快
捷，而美国非常规货币政策冲击对中国债券市场利率期限结构的影响在开放式指引下要比
在日历指引和门槛指引下更灵敏快捷。各金融市场利率期限结构对美国货币政策的响应存
在差别主要是由于我国货币市场和债券市场的市场结构存在明显区别。我国银行间债券市
场由于投资者范围受到限制使得债券市场与其他金融市场存在一定程度分割状态，这减弱
了债券市场利率期限结构与其它金融市场资产价格之间的关联，使得货币市场相对于债券
市场而言具有更高的市场化程度。不同时期在前瞻指引利率决策规则下美国货币政策对市
场化程度不同的中国货币市场和利率市场利率期限结构产生的冲击强弱存在差异，导致两
个市场之间的利率期限结构经常处于动态非均衡状态而加剧了我国金融市场的波动态势。
将货币市场与债券市场统一起来以促进资本在市场之间的自由流动，不仅有利于减少美国
货币政策变动带来的市场间套利机会变动所产生的流动性风险，而且还便于在跨市场的基
础上建立起能够反映风险定价和实体经济需求的市场化基准利率体系，为我国的利率市场
化进程奠定一个坚实的基础。
我国作为一个社会主义市场经济体制才刚刚初步建立的新兴市场，各金融市场由于以
往长期分业经营管理而 使得各市场的基础资产价格水平之间存在着一定差异，在面临诸如
美国货币政策调整这种不确定性的外生冲击时各市场所受到的影响会存在显著区别。加强
各金融市场之间信息的顺畅流通，提高整个金融市场的一体化程度，不仅有助于提高我国
货币政策执行效果，而且还有助于降低我国金融系统由于发展不平衡所积累的系统性金融
风险。

98
 第5章 货币政策干预下汇率协同波动效应研究

第5章 货币政策干预下汇率协同波动效应研究

汇率作为以一种货币来衡量的另一种货币的相对价格更多的表现为开放经济条件下货
币的资产价格。随着经济一体化、金融全球化的进程的快速发展和国际产业链分工格局的
深度调整，一国收支平衡表中由贸易渠道所决定的经常项目和投资渠道所决定的资本项目
不匹配会导致国际收支出现临时性或结构性失衡，这将直接引起货币间相对价格调整和汇
率的变动。以美元与黄金挂钩、各国货币与美元挂钩这种“双挂钩”布雷顿森林体系崩溃
后，牙买加体系虽然在一定程度上解决了“特里芬难题”
，然而黄金非货币化、储备货币多
元化和汇率制度多样化也同样为货币市场和外汇市场的不稳定性埋下了隐患。黄金非货币
化导致法定货币的发行更多的依赖于政府的信用，这极易由于货币超发引起恶性通货膨胀；
储备货币多元化缺乏统一协调机制而使得大部分国家只能盯住一篮子货币的汇率制度；汇
率制度的多样化并不能改变处于中心地位的美元、欧元和日元等锚货币自身的不稳定性，
这造成整个汇率体系缺乏稳定基础而加剧了整个国际汇率市场的频繁振荡。这种尚处于过
度性质的、不健全的国际货币体系使得各国的法定货币的波动呈现同质化趋势。同时，日
益增强的区域货币合作而形成的区域货币同盟使得成员国货币的汇率波动还具有区域性特
征。在开放经济的条件下深刻认识汇率之间的协同波动效应，了解汇率市场不稳定性的风
险来源，知晓一国或多国货币政策操作可能会对整个汇率市场的冲击，有助于货币当局有
效进行货币政策的搭配协调而降低整个汇率市场的系统性风险。

5.1 人民币国际化下的汇率形成机制

5.1.1 人民币国际化与汇率稳定

改革开放以来伴随着经济结构的调整和社会主义市场经济体制的确立，我国社会的劳
动生产率水平得到了迅速的提高，国内生产总值增长迅猛。1979-2009 年，我国经济年平
均增长率达 9.9％。特别是 2001 年 12 月中国进入 WTO 后，由于中国经济进一步融入国际
分工体系，低廉的劳动力价格和人口红利优势使得中国迎来黄金十年，2001-2009 年我国
经济更是以 10.7％年平均增长率快速扩张。虽然本次金融危机以来，在净出口减少和产能
过剩双重因素的影响下 GDP 增速逐渐趋缓，然而我国国际收支出现持续多年的经常项目和
资本项目“双顺差”积累了大量的外汇储备（见图 5.1）。总体而言，本世纪以来我国外汇
储备的变化可以分为三个阶段：外汇储备缓慢增长阶段（2005 年 7 月以前）
，2002 年 1 月
时我国的外汇储备仅为 2174 亿元，由于加入 WTO 后中国逐渐融入国际贸易市场到来了出

99
 吉林大学博士学位论文

口的迅速增加，2002 年 1 月到 2005 年 7 月我国月均外汇储备增量达到 188.89 亿元；外汇

储备快速增长阶段（2005 年 7 月-2011 年 4 月）
，2005 年 7 月以后我国开始对人民币汇率
形成机制进行改革，在更具市场化的汇率水平作用下此时间段内的月均外汇储备增量达
347.84 亿元；外汇储备增速减缓阶段（2011 年 4 月以后）
，由于受金融危机的影响我国外
贸出口大幅下降，在此期间我国月均外汇储备增量为 158.44 亿元，即使受此不利因素的影
响，至 2014 年 12 月底我国外汇储备规模仍达到 3.84 万亿元。

图 5.1 2002 年以来我国外汇储备规模走势

外汇储备规模的快速增加本质上代表的是该国国际贸易规模和范围的扩大。天量外汇
储备不仅能为对外支付提供担保和维持币值的稳定，也同样为人民币国际化道路奠定了坚
实的物质基础。人民币国际化的真正兴起得益于此次由美国次贷危机引起的全球金融危机，
一方面危机初期欧美银行业出现的大规模信贷冻结产生的亚洲经济体贸易持续走低的压力
迫使亚洲国家间考虑用本国货币进行双边贸易结算，另一方面美债和欧债危机持续发酵迫
使约 80%的热钱源源不断流入不断升值的中国货币市场而导致人民币需求量大增。自 2009
年中国官方首次提出人民币国际化以来，跨境人民币业务得到飞速发展，到 2014 年前 3
季度我国已经与 174 个国家或地区发生跨境人民币业务，至 2014 年 9 月跨境人民币结算
金额总计已超过 4.8 万亿元。伴随着跨境人民币业务的迅速扩张，从 2009 年到 2014 年底
间中国人民银行先后与同 26 个境外央行或货币当局签署双边本币互换协议。人民币持续
单边升值预期、跨境人民币业务的迅速扩张以及货币作为投资组合渠道的吸引力越来越大
都推动其使用量激增。据环球银行金融电信协会(SWIFT)发布数据显示(见图 5.2)，2013 年
1 月人民币以 0.63%市场份额排第 13 名，而 2014 年 8 月就以 1.64%的市场份额排第 7 名①。

①
2015 年 1 月 28 日 SWIFT 发布的数据显示，人民币在 2014 年 11 月份以 2.17%市场份额上升为全球
第五大常用支付货币。
100
 第5章 货币政策干预下汇率协同波动效应研究

图 5.2 近年全球常用支付货币市场份额排名

人民币国际化的发展战略大致可以表述为在人民币广泛用于国际支付结算业务时放开
资本项目的可兑换，通过推进人民币汇率形成机制的改革最终使人民币成为各国中央银行
的储备货币。人民币汇率形成机制改革是实现人民币国际化的关键一步。2005 年 7 月 21
日，中国人民银行宣布完善人民币汇率形成机制改革（简称“一次汇改”）
，在主动性、可
控性、渐进性原则指导下中国开始实行以市场供求为基础、参考一篮子货币进行调节、有
管理的浮动汇率制度。2010 年 6 月 19 日中国人民银行宣布重新启动人民币汇率形成机制
改革（简称“二次汇改”）
，在以市场供求为前提条件下参考一篮子货币进行调节，在增强
人民币汇率弹性的同时还要保持人民币汇率的基本稳定。由图 5.3 的人民币名义有效汇率
指数和实际有效汇率指数可知，自人民币汇率形成机制改革以来，人民币开始单边升值趋
势，2005 年 7 月至 2010 年 5 月，人民币实际有效汇率上涨 19.36%。虽然金融危机期间出
现回调，但上涨趋势未变，2010 年 6 月至 2014 年 12 月，人民币实际有效汇率上涨 23.83%。
人民币在升值的同时，波动幅度也在逐渐加大。自 2014 年 3 月 17 日起银行间即期外汇市
场人民币兑美元交易价浮动幅度由 1%扩大至 2%。

图 5.3 近年人民币有效汇率走势
101
 吉林大学博士学位论文

人民银行在努力促进人民币稳步升值的同时，也在有意识放大汇率的波动幅度。自
2005 年 7 月人民币汇率形成机制改革以来，人民币兑美元汇率浮动幅度进行了三次调整。
2007 年 5 月 21 日即期外汇市场人民币兑美元交易价浮动幅度由 0.3％扩大至 0.5％，2012
年 4 月 14 日又由 0.5％扩大至 1％，2014 年 3 月 17 日又由 1%扩大至 2%。

图 5.4 常用支付货币实际有效汇率走势

不仅人民币由于汇率政策的调整而使得近年来波动幅度逐渐增大，各主要支付货币的
汇率波动也表现为同样特征。由见图 5.4 可知，2008 年前各主要支付货币实际有效汇率水
平差别较大，金融危机爆发后各货币实际有效汇率水平开始出现收敛，从 2008 年 9 月到
2012 年 9 月该趋势较为明显（见图中阴影部分）。总体上而言金融危机期间实际有效汇率
指数收敛度最高，其次是金融危机后，金融危机前实际有效汇率指数收敛度最弱且波动幅
度最大。一方面，人民币国际化所带来的人民币有效汇率长期单边升值压力吸引大量外资
出于套利动机流入中国市场而引起了外汇储备的增加，出于巨额外汇储备保值增值的需要，
需要货币当局在考虑货币汇率水平相对升降的基础上实现储备资产的合理配比；另一方面，
目前所实行的汇率制度形成机制改革中实行的是参考一篮子货币，通过主要支付货币权重
的动态调整来确定人民币汇率，这也迫切需要货币当局考虑货币汇率水平相对升降。在此
背景下充分认识汇率间的协同波动效应的趋势和变化规律，探讨国际间货币政策的协调配
合以实现社会福利损失最小化就显得尤为必要。

5.1.2 汇率协同波动的文献回顾

汇率之间的协同波动效应是指多种货币汇率的波动通过协同作用传递到另一种汇率的
强度。若各种汇率间存在协同波动，则汇率波动时必然受到共同因子的驱动。Baillie 和
Bollerslev（1989）基于七种即期和远期汇率的协整关系认为汇率之间存在共同随机因子成
分。Lin（1989）基于因子 GARCH 模型研究了汇率市场的日间波动效应。Diebold 和 Nerlove
（1989）运用多元潜在因子 ARCH 模型描述美元的七种名义即期汇率的波动趋势，结果显

102
 第5章 货币政策干预下汇率协同波动效应研究

示其中的因子结构能够很好的刻画汇率波动的共同趋势。Roll（1992）以证券市场为为例
说明不同的市场间波动特性虽然存在差异，但仍然受到诸如技术进步、产业结构和汇率因
子等共同因子的驱动。Alexander（1995）基于英镑、日元和美元之间的日度和周度数据运
用协同 GARCH 因子分析三种货币汇率之间的相关性，结果发现三种货币的波动受共同因
子的影响。Dufrénot 和 Yehoue（2005）运用面板协整模型研究了 64 个发展中国家的汇率
水平波动态势，结果发现低收入国家的汇率水平普遍受到生产率水平、贸易条件、开放度
等共同因子制约。Ruiz（2011）基于拉美 13 个国家的高频汇率数据利用二元共同因子模型
研究汇率的波动率协同效应，结果显示虽然各汇率呈现明显时变相关性，但共同波动趋势
仅 仅 出 现 在 少 数 南 部 拉 美 国 家 的 外 汇 市 场 上 。 Tamakoshia 和 Hamori （ 2014 ） 运 用
ADCC-MGARCH 模型研究了美元与欧元、英镑和瑞士法郎之间的动态相关性，结果显示
货币之间的相关性强弱受经济周期影响较大，欧债危机降低了 CHF/EUR 和 GBP/CHF 之
间的动态相关性。
国内学者关于汇率之间的协同波动之间相关性的研究则主要是基于中日韩这三个亚洲
区域化货币之间的相关性展开。方福前和吴江（2009）运用汇率超调模型研究人民币、日
元和韩元汇率波动的共同影响因素，结果显示三种货币均受到货币冲击、需求冲击和供给
冲击的影响。王昭伟（2011）利用 BEKK-MGARCH 模型来分析中日韩这三个东亚国家间
在央行联合政策干预下的汇率协同波动效应，结果显示在货币政策干预下人民币与日元汇
率的协同波动性上升，而日元与韩元汇率的协同波动性下降。杜子平和张雪峰（2013）构
建嵌套阿基米德 Copula 联合分布函数研究美元、港币、欧元的波动相关性。研究结果表明
嵌套阿基米德 Copula 所描述的下尾相关性能有效刻画三个市场间的协同波动效应。谷家奎
（2014）运用 MGARCH 模型研究亚洲区域经济体央行单独利率政策干预情景和联合利率
政策干预情景下人民币、日元和韩元之间的协同波动性，结果显示，中韩和中日货币当局
的联合利率政策干预对两国外汇市场协同波动性有影响，而韩日货币当局的联合利率政策
干预对两国外汇市场协同波动性无影响。
本文试图在吸收以往研究成果的基础上，首先利用潜在门限因子模型来研究与我国有
密切贸易和金融往来国家的法定货币汇率波动的共同影响因素，然后借助由时变因子驱动
的广义自回归计分（GAS）模型研究了不同市场上人民币与关联货币汇率波动的时变相关
性特征，最后利用 BEKK-MGARCH 模型对比研究了中国与关联国家货币政策联合干预情
景下汇率协同波动性和美国与关联国家货币政策联合干预情景下汇率协同波动性。

103
 吉林大学博士学位论文

5.2 理论模型与数据处理

5.2.1 潜在门限因子（LTF）模型

对于多元时间序列的分析，尤其是多元随机波动方面，动态因子模型已经成为标准的
分析工具（Aguilar 等，1999；Pitt 和 Shephard，1999；Aguilar 和 West，2000）
。本节使用
这些先前研究的总体框架，将其扩展至时变因子载荷矩阵（Lopes 和 Carvalho，2007；
Carvalho 等，2011），同时将短期关联结构整合到潜在因子过程中。之所以用潜在门限模型
（LTM）替代通常的动态因子模型，是因为其机制能够使时变因子载荷动态地缩减到零，
即对因子载荷或其它模型成分（包括动态回归系数）而言模型的动态因素更少。

m 1 阶响应时间序列 y t 的模型如下：

y t = Bt f t + c t + Z t x t + v t , v t N  0, Λt  （5.1）

ft = G tft-1 + εt , εt N  0, Wt  （5.2）

上两式中， f t 为 q 1 阶 t 时期潜在因子，其中 G t 是其按照 VAR(1)模型展开得到的时

变 AR 系数矩阵， Wt 是时变波动系数矩阵，这两个矩阵都是 q  q 阶； B t 是 m  q 阶动态

潜在因子部分的时变载荷矩阵；c t 是局部趋势项；x t 是 l 1 阶 t 时期得到的协变量，Z t 是

m  l 阶与之关联的时变系数矩阵；vt   1t , , mt  是残差项，其时变波动性对角矩阵为

Λ t ； v t 和 εt  1t , ,  qt  相互独立的。根据之前的研究，因子模型识别约束了 B t ，使

其右上三角部分为零并且上对角元素是相同的
（Aguilar 和 West，
2000；Lopes 和 West， 。
2004）
在金融时间序列分析中有关金融价格与收益等一些方面，该模型代表了标准因子模型
的一般化形式。因子载荷矩阵（以及回归系数矩阵）中的各元素是可以随时间变动的（Lopes
和 Carvalho，2007）
，当数据表明这些元素不相关时就依照 LTM 结构将其缩减为零。此外，
潜在因子遵循自回归过程，因此可以在多元时间序列中为一些时变波动的短期预测提供改
进思路。例如下文所讨论的，可以为滞后部分加入波动性以作为实际值的扩充。

这个模型最主要的特点是，对 B t 中每一个无约束的元素以及 Z t 中所有元素改进为

AR(1)过程，并借鉴了 Lopes 和 Carvalho（2007）采用动态因子载荷的过程模型。这个想法

采用下面的 LTM 机制来实现。

104
 第5章 货币政策干预下汇率协同波动效应研究

（1） 动态因子载荷过程

本文对 B t 中无约束参数过程采用 LTM 结构，即 m  q 阶（ m  q ）矩阵 B t 上对角下

面 的 元 素 。 用 b t 将 这 些 无 约 束 元 素 排 成 一 列 ， 则 b t 是 一 个 k 1 阶 矩 阵 ， 这 里

k  mq  q(q  1) / 2 ，其中每个变量表述为 bit , i  1: k 。该模型假设 bit 相互独立地遵循基

于 LTM 的 AR(1)过程。

bt = βt sβt （5.3）

βt = μβ + Φβ  βt-1 - μβ  + ηβt , ηβt N  0, Vβ  （5.4）

其中 sit  I  it  di  , i  1, , k ；“ ”为元素间相乘符号。

（2） 动态回归系数过程

用 z t 表示矩阵 Z t 中全部元素按列累积的形式，即 ml 1 矩阵。其 LTM 结构使用了相

应的潜在过程 ς t   1t , ,  ml ,t  ，以及门限指示变量 szt   sz1t , , sz ,ml ,t  ：

z t  ς t szt （5.5）

ςt = μς + Φς  ςt-1 - μς  + ηςt , ηςt N  0, Vς  （5.6）

其中 szit  I  it  d zi  , i  1, , ml

潜在门限结构的关键想法是，当某个动态回归参数或时变载荷参数与模型不相关时，
其值缩减为零。在因子方面，响应因子之间的相关性是时变的，而且只有当某个因子的系

数  it “足够大”才会在预测响应上起作用。对于每一个时间序列响应变量，其因子可能在

一些时间段内具有非零的载荷，而在其它时间段内是零载荷，这取决于其数据及应用环境。
因为就因子载荷矩阵缩减了时变因素并减少了参数，这个机制将引起动态模型的不确定性。

（3） 局部均值

或称时变截距项， ct   c1t , , cmt  ，可按 VAR(1)的形式展开：

ct = μc + Φc  ct-1 - μc  + ηct , ηct N  0, Vc  （5.7）

105
 吉林大学博士学位论文

（4） 残差波动性

根据 Primiceri（2005）最初对时变 VAR 模型的论述，将波动项的协方差矩阵通过

Cholesky 分解，即 Σt = At Λt  At  ，可得到对角矩阵 Λt  diag

-1 -1
 2
1t , ,  mt
2
 。定义对
数波动 hit  log  it ，可得到如下平稳的 VAR(1)模型：
2

ht = μh + Φh  ht-1 - μh  + ηht , ηht N  0, Vh  （5.8）

（5） 因子演变

在式（5.2）因子演变模型中，本文假定任意时间 t 的系数矩阵 G t 都恒等于一个常矩

阵，即 G t  G  diag g1 ,  , gq  ；同时假定因子创新项的协方差矩阵 Wt 是对角结构，

其各元素也具有类似于 Λ t 的波动过程。对于不考虑对角假设的更普遍情形，我们也可以

定义一般的时变协方差矩阵，对 Wt 进行 Cholesky 分解，得到对角矩阵 Ψ t ：

Wt = At-1Ψt  At 
-1
（5.9）

如果我们假设任意时间 t 的 At = I ，那么该模型就化简为标准的因子独立波动过程。

令 a t 为矩阵 A t 中所有无约束元素组成的向量（按行堆积）
，并定义如下过程：

at = μa + Φa  at-1 - μa  + ηat , ηat N  0, Va  （5.10）

对前面的波动过程，对角阵 Ψt  diag  2
1t , , qt2  ，另 it  log  it2, i 1, , q ，使

其具有该随机波动：

λ t = μλ + Φλ  λ t-1 - μλ  + ηλt , ηλt N  0, Vλ  （5.11）

对于全部的潜在过程，下面的分析将作如下假设：对 * β,ς,c,h,a, λ ， Φ* , V*  都

是对角阵，且所有 Φ* 主对角线上的元素均有 *  1 。

5.2.2 LTF 模型的 MCMC 估计

本小节将参考 Aguilar 和 West（2000），Lopes 和 West（2004）的研究，给出式（5.1）

-（5.11）所定义 LTF 模型的 MCMC 算法。定义各潜在过程的参数 Θ* =  μ* ,Φ* , V*  ，其

106
 第5章 货币政策干预下汇率协同波动效应研究

中 * β,ς,c,h,a, λ ，以及潜在门限向量 dz  d z1 ,  , d z ,ml  。用贝叶斯方法所要研究的

是如下完整的后验分布：

p  Θo ,β1:T ,ς1:T ,c1:T ,h1:T ,a1:T , λ1:T ,f1:T ,g,d,dz | y1:T  （5.12）

其中 Θ o 表示所有的 Θ* ，且 g  g1 ,  , g q  。该 MCMC 算法是由下文所述的抽样顺

序构成的。

（1） β1 : T,ς 1 的抽样

:T

i i i i i i

定义 B t 和 Z t 分别为矩阵 B t 和 Z t 的第 i 行向量， β t 和 ς t 分别为 B t 和 Z t 中无

约束元素构成的相应向量。以其它参数和数据为条件，对角矩阵 Λ t 可以基于下面的单行

i i
LTM 回归同步地生成 β t 和 ς t （ i  1, , m ）：

yit  Bti ft  cit  Zti  xt  it ,  it N  0,  it2  （5.13）

βti  和 ς ti  使用如下的抽样方法生成（以 βti  为例）：以 Θβi ,σi ,d, y1:T 为条件，抽样  
 i  i 

出条件后验分布 p βt | β t ，然后对 t  2 : T 依次使用 MH 算法。MH 算法相当于动态线

性模型的无门限形式，即固定 st = 1 ，其得到的分布形式为 N βt | mt , Mt  i  i  i 
 ，其中对
t  2 : T 1：

Mti     it2 xt xt  Vβ-1  I + ΦβΦβ 

-1
（5.14）
 

  
mti  = Mti   it2 xt yit  Vβ-1i Φβi βt-1i  + βt+1
i
 
 I - 2Φβi + Φβi Φβi μβ  （5.15）
  
对 t  T 则作如下小幅修正：

MTi     it2 xT xT  V -1i

-1
（5.16）
  β

mTi  = MTi   it2 xT yiT  Vβ-1i Φβi βT-1


i

+ I - Φβi μβ 
    （5.17）

i 1
因为矩阵 B t 的第一行中没有无约束参数，故省略了 β t 。

i  *
MH 算法用上述分布生成替代参数  t  ，最后用如下概率检验并接受该替代参数：
 

107
 吉林大学博士学位论文

 i
 β , β  i *
 
 min 1,
it 
 N y | x bi  * ,  2
t  t  it  N β | m , M  
i
t
i
t
i
t

 β  | m , M  
（5.18）
 
t t
 N yit | xt bti  ,  it2 N i i i
*


t t t

i  i
sti  为当期的 LTM 状态， bti    βti   sti   为替代参数。
* * *
其中， bt  βt
 

（2） f1 : T, c 1 : T, a 的抽样
1:T

式（5.1）和（5.2）以其它参数和数据为条件构建了关于潜在过程 f t 的动态线性模型

（DLM），这样就可以使用向前滤波、向后抽样的 FFBS 算法（例：de Jong 和 Shephard，

1995；Durbin 和 Koopman，2002；Prado 和 West，2010）

。 cT:1 的抽样可以在式（5.1）和

（5.7）的基础上采用相同的方法。基于式（5.1）-（5.9） a1:T 的 FFBS 算法服从如下关系：

f t = H t a t + Ψ t et , e t N  0,Iq  （5.19）

其中，ft = f1t ,  , f qt   f - G f
t t t-1 ， H t 是按如下形式用 f it 填充而成的 q  q  q  1 / 2 阶
矩阵：

 0 0 
 
  f1t 0 0 
 0  f1t  f 2t 0 
Ht    （5.20）
 0 0 0  f1t 
 
 0 0 
 0 0  f1t  f m 1,t 


这样就建立了一个关于 a t 的 DLM 模型，可以对其使用 FFBS 算法了。

（3） h1 : T, λ 1 的抽样
:T

h1:T , λ1:T 的生成都基于以其它参数和数据为条件的单变量随机波动模型。对于 h1:T ，

* 
*

定义 y t  y1t ,
*
, ymt   yt - Btft - ct - Zt xt ，其服从如下的单变量随机波动形式：
yit*  exp  hit / 2  eit （5.21）

hit  hi  hi  hi ,t 1  hi   hit (5.22)

108
 第5章 货币政策干预下汇率协同波动效应研究

 eit   1 0 
  N  0,  2 
（5.23）
hit    0  hi  

其中 hi , hi , hi 分别是 μh ,Φh , Vh 的第 i 个对角元素。对于因子波动项 λ 1:T ，其计算方

2

法 可 使 用 相 同 的 抽 样 策 略 ， 仅 需 定 义 y*t  y1*t ,  , yqt*   At  ft - G t ft-1  。 对 角 结 构

 Φ* , V*  , * h, λ 和独立的条件先验分布使得每个单变量随机波动可以同时生成。

（4） Θo ,  d,d z  的抽样

Θβ ,Θς 是以分别  β1:T ,d  和  ς1:T ,d z  为条件作抽样的，抽样方法采用应用 Kim 等

(1998)及 Omori 等(2007)提出的标准、有效的随机波动算法。 Φ* , * = c,h,a, λ 的抽样分别

以 c1:T ,h1:T ,a1:T , λ1:T 为条件，抽样方法遵循 AR 模型的策略。而潜在门限 d,d z 的生成则以

其它所有参数和数据为条件，抽样过程也采用上述相同算法。

（5） g 的抽样

因子 AR 系数 g i 的独立先验分布采用变换的 beta 分布，并限制 gi  1, i  1, , q ，然

后用 MH 算法抽样得到条件后验分布。

5.2.3 广义自回归计分（GAS）模型

广义自回归计分（GAS）模型是一种观测值驱动的模型，它允许参数（如协方差矩阵）
使用观测密度导数的信息随时间变化而变化。尽管本文关注时变差异性和时变相关性，
Creal 等（2013）指出 GAS 框架可与很多成功的计量经济模型嵌套在一起，例如指数分布
的条件自回归久期模型（Engle 和 Russell，1998）以及伽马分布的乘积误差模型（Engle

和 Gallo，2006）。对于乘积 t 分布，这里用向量 f t 表示时变参数的模型密度，并定义如下

的自回归更新函数：
p q
ft 1     Ai st i 1   B j ft  j 1 （5.24）
i 1 j 1

其中  是常数向量，系数矩阵 Ai 和 B j 分别具有相应的维度 i  1, , p 和 j  1, ,q ，

st 是针对当前数据和过去数据的衡量函数。式（5.24）中未知的系数是参数向量  的函数，

109
 吉林大学博士学位论文

即      , Ai  Ai   , Bi  Bi   。系数矩阵 B1 , , Bq 决定了向量 f t 时间上的稳定

性，如在 GAS(1,1)中的矩阵 B1 包含了其自回归系数。

GAS 框架是由 Creal 等（2013）发展起来的，其观点是用时间 t 下密度函数对参数向

量 f t 的导数 GAS 作为驱动机制 st ，即：

 log p  yt | ft , Ft 1; 
st  St t , t  （5.25）
ft

其中 p  yt | ft , Ft 1;  是观测密度函数， Ft 是时间 t 下所搜集到的全部相关信息（包

括协变量 yt , f j , j  1, , t ）， St 是相应维度的衡量矩阵。对于一个既定的密度函数，式

（5.24）和式（5.25）组成了 GAS(p, q)模型。

可以选择不同的衡量矩阵 St ，而这也会使 GAS 模型发生变化。一种选择思路是衡量

时间 t 下对数观测密度的曲率，例如可以让 St 等于费雪信息矩阵的逆，即：

St  Lt|t11 , Lt|t11  Et 1 t t  （5.26）

这意味着 Var  st   Lt|t 1 ，式（5.24）的递归结果就可以看作估计 f t 的 Gauss–Newton

1

算法。
定义

vech  t 
 t    ft   , t    f t  （5.27）
ft

根据 Creal 等（2011）的论述，对于式（5.24）中的时变因子 f t 和 t 分布，有

 log pt  yt | t ;  1
t   t Dk t1  wt yt   vec  t  （5.28）
ft 2

t Dk J t  gG  vec  I  vec  I   J t Dk  t

1
Lt|t11  Et 1 t t   （5.29）
4  

其中 D k 是复制矩阵，标量 wt    k  /   2  y y  ，矩阵 J 由 

t
1
t t t
1
t  J tJ t 得到，

标量 g    k  /   2  k  。接下来考虑将时变协方差矩阵分解为如下的形式：

t  Dt Rt Dt （5.30）
110
 第5章 货币政策干预下汇率协同波动效应研究

其中 Dt 是对角标准差矩阵， Rt 是时变相关系数矩阵。然后对这两个矩阵考虑多元 t

分布，通过求逆操作来分解时变相关系数矩阵 Rt ：

Rt  t1Qt t1 （5.31）

其中 Qt 是对称正定矩阵，  t 是非零元素等于 Qt 对角元素平方根的对角矩阵。这个转

换确保了相关矩阵 Rt 是正定且对称的，同时非对角元素在(-1, 1)的范围内。式（5.31）的形

式与 Engle（2002）以及 Engle 和 Sheppard（2001）的 DCC 模型时相同的。DCC 模型相关

性的更新方程是直接用 Qt 描述的：

Qt 1  dcc  I  Adcc  Bdcc   Adcc ˆtˆt  Bdcc Qt （5.32）

其中 ˆt 是各元素 ˆit  yit /  it 的 k 1 阶矩阵， 是 Hadamard 积（元素和元素相乘），

其它的 k  k 阶矩阵 Q0 , dcc , Adcc, B dcc都是固定且未知的。定义 aij 和 bij 分别是 Adcc 和

Bdcc 的 第 (i ， j) 个 元 素 ， 当 dcc 和 Q0 都 是 正 定 的 ， 同 时 满 足

aij  0, bij  0, aij  bij  1  i, j  1, , k  ，那么协方差矩阵 Qt 对全部时间 t 都是正定的。

（关于 DCC 模型正定条件的更一般讨论可参考 Engle 和 Sheppard，2001）通常减小参数空

间 的方法 是，用 标准化残 差 yi ,t /  i ,t 的相 关矩阵 代替  dcc ，并 约束 Adcc  adcc   ，

Bdcc  bdcc  （ adcc 和 bdcc 是标量， 是由 1 组成的向量）。Aielli（2008）认为这种预估 dcc

方法的结果不具有一致性，同时给出了一个替代方法以解决这个问题，即 cDCC 模型。在

 
cDCC 模型中，向量 ˆt 的各参数被定义为 ˆt  yit qit /  it ，其中 qit 是 Qt 的第 i 个对角

元素，这样参数的估计结果就具有一致性和渐近正态性。本文的比较包含了 cDCC 模型的

方法，但并不进行预估计，而是用最大似然的方法联合估计模型中的所有静态参数。

根据式（5.30）和式（5.31）对  t 的分解定义如下的因子：

 diag  Dt2  
ft    （5.33）
 vech  Q  
 t 

结合式（5.27）-（5.30），更新函数（5.24）可转化为

111
 吉林大学博士学位论文

vech  t  vec  t  vec  Dt Rt Dt 

t   k  k
ft  ft  ft 
vec  Dt  vec   t Rt  t
1 1

 k  I  Dt Rt    k Dt 
ft  ft 
（5.34）
vec  Dt 
 k  I  Dt Rt    k Dt   t1
ft 
 vech  Qt  vec   t  
  Dk    t  Qt   t1 
 ft  ft  

下面定义 Wt , WDt , S , S D , SQ 这几个矩阵。矩阵 Wt 先由一个 k 2  k 2 阶的对角矩阵构

成，其对角元素为 0.5vec t   ，然后去掉只有 0 元素的列。矩阵 W

1
Dt 与 Wt 相似，也是

先由 k  k 阶的对角矩阵构成，其对角元素是 0.5vec Dt
2 2
 1
 ，然后去掉只有 0 元素的列。
 Qht  ，
矩 阵 S , S D , SQ 都 是 只 包 含 1 和 0 的 选 择 矩 阵 ， 如 d i a gt  S v e c  
2

diag  Dt2   S D ft ， vech  Qt   SQ ft 。这样就可以得到：

t  k  I  Dt Rt  WDt SD  k Dt t1 Dk   t  Qt  t1Wt S  SQ （5.35）

时变残差阵  t 的更新可通过式（5.24）、（5.28）、（5.32）、（5.35）得到。只要 Rt 中的

相关性是时变的，那么 S D  0 ，式（5.35）的第一项就可以去掉了。同样，只要波动性是

时变的，而且相关性是常数，那么 SQ  0 ，式（5.35）的第二项也可以去掉。

目前这种时变因子向量 f t 包含 vech  Qt  的方法有明显的缺点，因为这个方法在 DCC

模型中也使用了。驱动相关性的时变因子的个数比 Rt 中无约束相关性的个数要多，例如向

量 vech  Qt  有 k  k  1 / 2 个参数，而 Rt 有 k  k  1 / 2 个无约束参数。因此信息矩阵是奇

异的，可以用 Moore–Penrose 伪逆法来计算式（5.24）中的求导步骤。此外，当使用式（5.34）

相关矩阵的分解，通过约束 GAS 模型中  的 k 个元素，或者约束 DCC 模型中  dcc 的 k

个元素，来识别上述模型。特别的，在不改变分解方式的情况下，与 Qt 中对角元素相关 

（或  dcc ） 的元素可以乘以任何正数。实际应用中，可以设定与 Qt 中对角元素相关  的

元素为 1 来解决这个问题。

112
 第5章 货币政策干预下汇率协同波动效应研究

5.2.4 数据描述与处理

为了更具代表性的研究汇率的协同波动特征，本文基于全球常用支付货币、中国主要
贸易伙伴国和区域货币一体化进程三方面考虑选择美洲市场（美元、加元、墨西哥比索）
、
欧洲市场（欧元、英镑、瑞士法郎）和亚洲市场（日元、人民币、港币、新加坡元）共十
种货币的实际有效汇率指数作为各货币的汇率水平。本文之所以选择实际有效汇率指数作
为汇率水平的代表，是因为实际有效汇率指数是通过与一国有密切贸易往来的相关国家的
货币汇率基于多边贸易加权而成，此外指数体系还剔除了通货膨胀因素的影响，这使得用
实际有效汇率指数代表货币的汇率水平更符合实际。在不改数据相对走势的情况下，为避
免数据的剧烈波动和减小舍入误差，本文对以上时间序列进行对数化处理处理。本文用 7
天的银行同业拆借利率作为为中国的货币政策干预变量，用 Wu 和 Xia（2014）基于第 4
章中的影子利率期限结构模型所得的影子利率作为美国的货币政策干预变量。为了保持序
列平稳性本文对 7 天的银行同业拆借利率和影子利率做差分化处理。本部分所采用的月度
数据样本区间为 2002m01-2014m12,所有序列均进行 X11 季节调整。相关数据来源于国际
清算银行网站数据库、中国人民银行统计季报、IMF 国际金融统计(IFS) 数据库、相应各
国中央银行网站和 http://faculty.chicagobooth.edu/jing.wu/research/data/WX.html。

5.3 汇率协同波动的实证检验

5.3.1 共同因素驱动下的汇率波动

为了更好的进行比较分析，本文首先借助 AR（1）-GARCH（1,1）模型估计本文所涉
及的十种货币的实际汇率水平的波动性。相应实际汇率的波动性如图 5.5 所示。观察不同
地区的货币汇率波动幅度我们可以发现明显的差异。对于美洲市场而言，美元和加元的波
动走势一致性较高，而墨西哥比索的波动幅度较大。出现该现象的原因是因为《北美自由
贸易协议》虽然包括美国、加拿大和墨西哥，但美国和加拿大在历史渊源、社会结构和贸
易往来方面具有的更紧密联系使得两者的波动更具一致性。对于欧洲市场而言，欧元、英
镑和瑞士法郎的波动走势一致性较高，英国与欧元区国家汇率高度相关原因不言自明，而
瑞士央行瑞士法郎在 2011 年宣布设定欧元/瑞郎 1.20 的下限以盯住欧元汇率，这使得瑞士
法郎与欧元之间的波动性呈现滞后性。对于亚洲国家而言，日元的波动性最大而新加坡元
的波动性最小。由于香港的人民币离岸交易中心的地位导致了人民币和港元汇率波动的高
度相关性。总体而言，由于市场的融合程度存在差异，亚洲市场上货币的汇率波动幅度最
大，美洲市场上货币的汇率波动幅度次之，欧洲市场上货币的汇率波动幅度最小。

113
 吉林大学博士学位论文

图 5.5 实际汇率波动走势

基于 LTF 模型，本文对于分布在不同市场上货币的汇率波动性的共性和异质性特征进
行分析研究。图 5.6 为 LTF 的估计结果，其中，虽然货币汇率波动成因存在明显差异，但
波动走势主要受全球性冲击因子（图 5.6 第一列）
、区域性冲击因子（图 5.6 第二列）和异
质性冲击因子（图 5.6 第三列）决定。全球性冲击因子对各市场中货币汇率的冲击影响没
有明显差异，持续多年的“大稳健”时代有效地带来了全球性经济的繁荣稳定局面。全球
性冲击因子对各市场上货币汇率的冲击强度均大致为 0.5 左右，2008-2010 年间全球性冲击
因子对货币汇率的显著波动有直接影响。区域性冲击因子对各市场上货币汇率的冲击影响
则呈现明显差异。区域性冲击因子对美洲市场上货币汇率的冲击强度大致为 0.2 左右，由
于本次金融危机起源于美国，这导致 2007-2010 年间区域性冲击因子对美洲市场上货币汇
率的显著波动有直接影响；区域性冲击因子对欧洲市场上货币汇率的冲击强度大致为 0.3
左右，这主要是由于欧元区经济一体化程度远高于另外两个市场而使得区域性冲击因子作
用突出，同样原因也导致了 2010 后区域性冲击因子对欧洲市场上货币汇率的显著波动有直
接影响；区域性冲击因子对亚洲洲市场上货币汇率的冲击强度大致为 0.1 左右，这主要是
由于欧元区经济一体化程度远低于另外两个市场而使得区域性冲击因子作用相对不显著，
区域性冲击因子对欧洲市场上货币汇率的显著波动有直接影响主要表现在亚洲金融危机后
的 2002-2006 年区域经济逐渐恢复阶段。异质性冲击因子对各市场上货币汇率的冲击影响
也呈现明显差异。异质性冲击因子对美洲市场、欧洲市场和亚洲市场上货币汇率的冲击强
度大致分别为 0.3、0.2 和 0.4 左右。出现该现象的原因主要还是由于区域货币间的合作存
在差异。对于欧洲市场而言，在经济、贸易一体化上出现的欧元总体上就是整个欧洲地区
的“锚货币”
，以欧元为中心建立的区域货币联盟不仅有利于降低欧元汇率波动的幅度，还
能有效保证关联货币汇率的稳定。而美洲市场上的货币虽然有美元这一国际最常用的支付
114
 第5章 货币政策干预下汇率协同波动效应研究

货币，但美元、加元和墨西哥比索由于经济发展程度导致的货币币值的差异化则强化了货
币汇率的波动性。至于亚洲国家而言，由于政治、经济、文化差异显著，在未来的一段时
间内也很难会出现“亚元”这类的区域化货币。发展阶段的显著差异使得异质性因子成为
该地区货币汇率波动的一个强有力驱动因素。

图 5.6 实际汇率波动冲击因子动态趋势

5.3.2 共同因素驱动下的时变相关性分析

本文接着以所得到的全球性冲击因子、区域性冲击因子和异质性冲击因子作为 GAS

模型中的时变因子 f t ，依据式（5.31）的具体解析式来估计共同因素所驱动时人民币与关

联货币汇率波动的时变相关性。具体的估计结果如图 5.7 所示。由图中可知，总体上而言，

人民币与不同的关联货币汇率波动的时变相关系数在本文的样本时间区间内变化幅度不
大，但总体趋势特征明显。具体表现为无论基于哪个市场考虑，2005 年以前人民币与关联
货币汇率波动的时变相关系数的波动幅度在要大于 2005 年以后人民币与关联货币汇率波
动的时变相关系数的波动幅度。出现该现象的原因主要是因为在 2005 年以前，我国实行的
是人民币对美元一直维持在 8.27 水平线以上的刚性盯住美元的固定汇率制度，这导致加入
WTO 后的中国与关联国家虽然贸易往来日渐频繁，然而人民币与关联国家货币汇兑并不
通畅。信息流通非对称和不完全导致汇率市场总处于动态非均衡状态，因而导致 2005 年以

115
 吉林大学博士学位论文

前人民币与关联货币汇率波动的时变相关系数的波动幅度较大。而 2005 年 7 月的第四次汇

改标志我国开始实行有管理的浮动汇率制，汇率水平的调整更多开始依据市场供求状况，
灵活的价格机制减小市场摩擦而最终导致了 2005 年以后人民币与关联货币汇率波动的时
变相关系数的波动幅度逐渐减小。2008 年金融危机的出现对该趋势产生了些许扰动，
2008-2009 年这段金融危机期间人民币与关联货币汇率波动的时变相关系数的波动幅度和
波动频率明显高于正常情景。出现该现象的原因主要是由于美国在全球贸易和金融领域的
龙头地位赋予美国“次贷危机”引发的全球金融危机全球性冲击因子的效应，该效应最终
引起人民币与关联货币汇率波动的时变相关系数的波动幅度和波动频率明显高于正常情
景。

图 5.7 人民币与关联货币汇率波动的时变相关系数

此外，在不同市场上人民币与相关联货币汇率间的时变相关系数的波动区间也存在显
著性差异。在美洲市场上人民币与美元、加元和墨西哥比索的汇率波动时变相关系数在均
衡状态大致分别为 0.29、0.13 和-0.08。新兴经济体墨西哥相比于美国和加拿大而言，与中
国经济的贸易关联度和资本流通都较少，虽然墨西哥实行通货膨胀目标制，但改革后仍然
缺乏弹性的汇率制度使得墨西哥中央银行的货币政策独立性依旧较弱，这最终导致人民币
与墨西哥比索汇率波动呈现负相关性。而在欧洲市场上人民币与欧元、瑞士法郎、英镑的
汇率波动时变相关系数在均衡状态大致分别为-0.24、-0.21 和-0.20。欧元、英镑、瑞士法郎

116
 第5章 货币政策干预下汇率协同波动效应研究

和人民币均为常用支付货币，在国际货币结算上和国际贸易往来中人民币与其他货币之间
存在频繁的汇兑结算，这加强了人民币与相应货币之间的关联。且由于欧元区存在稳定的
汇率制度和资本的完全流通进一步减小了欧元市场上货币汇率的波动，这最终导致上人民
币与欧元、瑞士法郎、英镑的汇率波动时变相关系数差异化较小。与此形成截然对比的是
亚洲市场上人民币与港元、新加坡元、日元的汇率波动。亚洲市场上人民币与港元、新加
坡元、日元的汇率波动时变相关系数在均衡状态大致分别为 0.38、0.16 和-0.13。汇率波动
相关性差异显著主要是由于中国的人民币离岸交易市场发展程度和贸易竞争关系导致的。
SWIFT 在 2014 年 4 月的报告显示，在 2013 年 3 月到 2014 年 3 月，香港以处理人民币支
付量占全球支付总量的 72.8%保持目前全球最大的人民币离岸结算中心。新加坡以处理人
民币支付量占全球支付总量的 6.8%成为全球第二大人民币离岸结算中心。货币自由兑换程
度的提高必然提高了货币汇率波动的联动效应。而日本在国际贸易领域与我国存在的竞争
关系导致两国的货币汇率政策常常表现为“与邻为壑”效应，这必然导致两国货币汇率波
动性上存在负向关系。

5.3.3 货币政策联合干预有效性检验

本文以上部分主要证实了人民币和与其存在紧密关联的其他货币汇率波动受共同因素
驱动，且该共同因素还决定了两种货币间实际汇率指数的相关性强弱，这直接决定着两种
货币汇兑比例的升降。然而，以上分析中汇率波动受市场调节而不考虑货币当局和监管部
门的调控。属于宏观调控范畴的货币政策调整和变动本质上会对经济生活产生全面深远影
响，例如，中国货币政策调整会发挥区域性冲击因子作用直接冲击亚洲区域货币市场，美
国实施“量化宽松”货币政策更是会发挥全球性冲击因子作用对全球货币市场产生冲击。本
文在该部分试图通过比较汇率协同波动在中国与相关联国家货币政策联合干预情景和美国
与相关联国家货币政策联合干预情景的对比，使得货币政策当局结合实际经济环境通过货
币政策有效搭配降低汇率市场波动而维持货币市场和外汇市场的稳定。
利率和汇率水平之间存在显著的联动效应以往学者已经进行了大量的论证（陈守东和
高艳，2012；潘锡泉，2013）。基于无抛补利率平价理论，货币当局通过调整国家的利率水
平会影响汇率的升水和贴水，利率水平的变动也本质上代表了货币当局的货币政策干预。
因此，在以往研究汇率市场相关联的 BEKK-MGARCH 模型进行改进，试图通过嵌入货币
政策联合干预行为的二元 BEKK-MGARCH 的波动率方程来研究关联国家货币政策干预效
果。该方程的具体表达式如下：

hij ,t  cij  ij i ,t 1j ,t 1  ij hij ,t  i Ri ,t 1  mi   j R j ,t 1  mj 

2 2
i  a,c （5.36）

其中，i,j 代表国家组合，i 取 a 时为美国，i 取 c 时为中国。 hij ,t 为汇率的协同波动，

117
 吉林大学博士学位论文

ij 为短期交叉冲击系数，ij  0 表示若前一期新息的受到一个冲击则会产生正向协同

波动性， ij  ij 为持续协同波动系数， ij  ij 值越大则表示两国的协同波动持续

性越高，当受到正向冲击时两国同向变动的时间会更持久。a 、c 分别表示中国的货币政

策干预系数和美国的货币政策干预系数，而  j 表示样本中其它国家的货币政策干预系数，

货币政策干预系数值为负数是表示货币政策干预外汇市场能够降低汇率的协同波动性。

R a ,t 1 为差分化的影子利率， R c ,t 1 为差分化的 7 天银行同业拆借利率， R j ,t 1 为差分化的

其他国家货币市场基准利率。而 m i 和 m j 为各市场利率收益率序列的样本均值。

表 5.1 为基于式（5.36）所得出的中国与关联国家货币政策联合干预情景下汇率协同波
动性估计结果。观察表中的短期交叉冲击系数可以发现，中国与关联国家货币政策联合干
预对于美洲市场和欧洲市场上的汇率之间总体会分别呈现正向协同波动性和负向协同波动
性，而在亚洲市场上协同波动性呈现明显分化趋势，中国与香港、中国与新加坡之间货币
政策联合干预对于人民币与港元、人民币与新加坡元的汇率之间总体呈现正向协同趋势，
而中国与日本之间货币政策联合干预对于人民币与日元的汇率之间整体呈现负向协同趋
势。观察持续协同波动系数可以发现，亚洲市场汇率协同波动的持续性最大，出现该现象
的原因是由于香港、新加坡和日本与中国的经济在贸易往来和资本流通方面存在更强的紧
耦合性。同时，欧洲市场汇率协同波动的持续性差异化程度最小，这主要是由于在欧洲市
场上存在欧元区，欧元在欧洲市场上的主导地位导致人民币与欧洲市场货币汇率间波动差
异化特征不显著。最后，观察表中货币政策干预系数可知，总体上中国与关联国家货币政
策的联合干预降低了人民币在不同市场上与相关货币汇率的协同波动性，这表明通过利率

政策的变动确实能够显著影响货币间的汇率波动。以 c 来表示中国货币政策干预系数可

知，中国货币政策变动对于降低亚洲市场货币汇率的协同波动最明显，其次是欧洲市场，
而对美洲市场的效果最弱。这主要是由于各经济体与中国经济的关联度强弱存在差异导致
的。对于亚洲市场而言，香港、新加坡均存在规模较大的人民币离岸交易市场，货币之间
的汇兑更便捷和有效率，而日本由于地理区位优势与中国贸易往来密切。由于欧盟是目前
中国的第一大贸易伙伴国，欧元的崛起也使得我国央行在盯住一篮子货币进程中逐渐加大
欧元的比重，这也增强了中国货币政策调整与人民币关联的欧洲市场上的货币的协同波动
的相关性。对于美洲市场而言，由于美国为世界上最大的成熟经济体，而中国为世界上最
大的新兴经济体，两国货币政策的调整对于全球经济走势会产生深远影响。因而中国货币
政策调整对人民币与美元汇率的协同波动的影响要远远大于人民币与加元、人民币与墨西

118
 第5章 货币政策干预下汇率协同波动效应研究

哥比索的影响。

表 5.1 中国与关联国家货币政策联合干预情景下汇率协同波动性估计结果

地区 国家组合 汇率协同波动性 货币政策干预系数

（c,j）
cj cj  cj c j

美 中美 0.3713 0.8398 -5.1316 -14.9260

洲
市 中加 0.1624 0.6837 -2.3489 -12.1314
场
中墨 -0.0817 0.5324 0.8617 19.1827

欧 中欧 -0.2846 0.7678 -4.2211 -13.1716

洲
市 中瑞 -0.2617 0.7011 -2.1678 -6.3042
场
中英 -0.2501 0.6932 -4.1217 -10.1824

中港 0.4637 0.8973 -7.3676 -7.5987

亚
洲
市 中新 0.3299 0.7897 -4.6373 -5.3433
场
中日 -0.2185 0.6486 -6.1507 -14.7360

注：*、**、***分别表示在 10%、5%和 1%的置信水平下显著。

中国在最近 30 多年的时间里虽然增长迅速，然而作为新兴市场经济国家，中国在国际
金融体系中的话语权却没有发生根本性改变。近年来随着中国国际地位的提高，人民币已
经成为全球第 5 大常用支付货币，但人民币的影响力还主要集中在亚洲地区。总体而言中
国货币政策的调整只能作为区域性冲击因子。二战以后以美元为主导的国际货币金融体系
奠定了美元的强势垄断地位，2014 年 8 月在 SWIFT 的报告中现实全球常用支付货币市场
份额中美元占比 43.82%，仍然是在迅速崛起的欧元占比的 1.5 倍左右。美联储货币政策的
调整会对全球货币市场产生整体性冲击，因此美国货币政策干预可以认为是影响汇率波动
的全球性冲击因子。表 5.2 为美国与关联国家货币政策联合干预情景下汇率协同波动性估
计结果。观察短期交叉冲击系数可知，美国与关联国家货币政策联合干预对于美洲市场和
欧洲市场上的汇率之间总体会分别呈现正向协同波动性和负向协同波动性，而在亚洲市场
上协同波动性呈现明显分化趋势。观察持续协同波动系数可知，亚洲市场汇率协同波动的

持续性最大，而欧洲市场汇率协同波动的持续性差异化程度最小。观察以 a 来表示美国货

币政策干预系数可知，美国货币政策变动能够有效降低中国与关联国家汇率的协同波动性。
其中，美国货币政策变动对于降低美洲市场货币汇率的协同波动最明显，其次是欧洲市场，
而对亚洲市场的效果最弱。

119
 吉林大学博士学位论文

表 5.2 美国与关联国家货币政策联合干预情景下汇率协同波动性估计结果

地区 国家组合 汇率协同波动性 货币政策干预系数

（a,j）
aj aj  aj a j

中美 0.3713 0.8398 -14.9260 -5.1316

美
洲
市 中加 0.1732 0.7280 -6.3408 -11.9322
场
中墨 -0.0973 0.5441 -2.9307 16.4552

中欧 -0.3023 0.7823 -4.8740 -12.9885

欧
洲
市 中瑞 -0.2780 0.7122 -3.7536 -5.4841
场
中英 -0.2618 0.7388 -5.0230 -9.3732

中港 0.4205 0.9091 -4.9389 -6.9878

亚
洲
市 中新 0.3101 0.8152 -3.2987 -4.8368
场
中日 -0.2086 0.7673 -4.8379 -14.8378

注：*、**、***分别表示在 10%、5%和 1%的置信水平下显著。

对比表 5.1 和表 5.2 这两种不同情景下汇率协同波动性，相对于中国与关联国家货币政

策联合干预情景，在美国与关联国家货币政策联合干预情景下美洲市场和欧洲市场上短期
交叉冲击系数均上升，而在亚洲市场上短期交叉冲击系数均下降。与此类似，两种不同情
景下对于美洲市场和欧洲市场而言美国货币政策干预系数也大于中国货币政策干预系数，
而对于亚洲市场而言中国货币政策干预系数大于美国货币政策干预系数。这主要是因为美
国经济与这三个区域性市场的市场依存度存在差异。美国、加拿大和墨西哥之间的《北美
自由贸易协定》加强了三国之间经济的关联度。而欧洲市场则由于市场成熟化程度与美国
近似而导致美国货币政策干预对于降低欧洲市场货币汇率的协同波动也较为明显。亚洲市
场则由于亚洲金融危机后各国货币当局开始减弱对美元的依赖而导致近年来美元对亚洲市
场货币汇率的影响逐渐减弱。以上现象也说明伴随着中国经济的崛起和人民币国际化进程
的加快，人民币在亚洲货币市场上的“轴货币”特征地位越来越明显，中国货币政策的调
整会形成区域性冲击因子而对与亚洲市场上人民币存在高度关联的其他货币产生影响。再
者，美国与关联国家货币政策联合干预情景下持续协同波动系数在三个市场上均大于中国
与关联国家货币政策联合干预情景下持续协同波动系数。这表明美国货币政策干预会增加
人民币与关联货币汇率同向变动的持续时间，这也暗示了美国货币政策冲击作为全球性冲
击因子在维持汇率市场的稳定方面发挥着基础性作用。相比于中国与关联国家货币政策联
合干预情景，美国与关联国家货币政策联合干预情景下除日本以外的其他国家面临美国货
币政策的强势干预均表现为本国货币政策干预效果在减弱，这也从另一侧面印证了美国货

120
 第5章 货币政策干预下汇率协同波动效应研究

币政策在决定人民币与相关联货币汇率协同波动中的基础性作用。

5.4 本章小结

基于投资组合管理思想，若外汇市场上货币汇率间存在明显的协同波动效应，则由相
应货币所构成的外汇储备面临外汇市场上的结构性冲击时保值增值功能效果降低。反之，
若外汇市场上货币汇率间不存在明显的协同波动效应，则由相应货币所构成的外汇储备面
临外汇市场上的结构性冲击时保值增值功能效果增加。本章主要是从我国宏观经济客观实
际出发，试图通过研究货币政策干预下人民币与关联货币汇率协同波动效应，认识和理解
货币政策与关联汇率波动性的关联性。这为我国货币当局通过完善本国或他国货币政策的
协调配合来深化人民币汇率形成机制改革、加快人民币国际化的发展战略步伐、降低外汇
储备贬值所引发货币市场爆发系统性金融风险概率均具有重要的现实意义。本章首先利用
潜在因子模型来研究与我国有密切贸易和金融往来国家的法定货币汇率波动的共同影响因
素。然后，借助由时变因子驱动的广义自回归计分（GAS）模型研究了不同市场上人民币
与关联货币汇率波动的时变相关性特征。最后，利用 BEKK-MGARCH 模型对比研究了中
国与关联国家货币政策联合干预情景下汇率协同波动性和美国与关联国家货币政策联合干
预情景下汇率协同波动性。本章得到的主要结论有：
第一，从关联货币实际汇率指数的波动性看，亚洲市场上关联货币汇率的波动幅度最
大，美洲市场上关联货币汇率的波动幅度次之，欧洲市场上货币汇率的波动幅度最小。进
一步基于 LTF 模型将关联货币汇率波动性进行分解发现，虽然货币汇率波动成因存在明显
差异，但波动走势主要由全球性冲击因子、区域性冲击因子和异质性冲击因子决定。全球
性冲击因子对各市场中货币汇率的冲击影响没有明显差异，而区域性冲击因子和异质性冲
击因子对各市场中货币汇率的冲击影响差异明显。相比于其他两种冲击因子，全球性冲击
因子作用更显著。
第二，从人民币与关联货币汇率波动的时变相关分析来看，总体上而言，人民币与不
同的关联货币汇率波动的时变相关系数在本文的样本时间区间内变化幅度不大，但总体趋
势特征明显。无论基于哪个市场考虑，2005 年以前人民币与关联货币汇率波动的时变相关
系数的波动幅度在要大于 2005 年以后人民币与关联货币汇率波动的时变相关系数的波动
幅度。2008 年金融危机的出现对该趋势产生了些许扰动，2008-2009 年这段金融危机期间
人民币与关联货币汇率波动的时变相关系数的波动幅度和波动频率明显高于正常情景。此
外，在不同市场上人民币与相关联货币汇率间的时变相关系数的波动区间也存在显著性差
异。人民币与欧洲市场上关联货币汇率波动的时变相关系数差异化较小，而人民币与美洲
市场、亚洲市场关联货币汇率波动的时变相关系数差异化较大。
121
 吉林大学博士学位论文

第三，无论相对于中国与关联国家货币政策联合干预情景，还是美国与关联国家货币
政策联合干预情景，货币政策的联合干预总体上均降低了人民币与关联货币汇率波动的协
同效应。其中，在欧洲市场上货币政策的联合干预对人民币与关联货币汇率协同波动效应
冲击差异化程度最小，而在美洲市场和亚洲市场上货币政策的联合干预对人民币与关联货
币汇率协同波动效应冲击差异化程度则较为显著。
第四，美国与关联国家货币政策联合干预情景下持续协同波动系数在三个市场上均大
于中国与关联国家货币政策联合干预情景下持续协同波动系数。这表明了美国货币政策冲
击作为全球性冲击因子在维持汇率市场的稳定方面发挥着基础性作用。与此相对应，两种
不同情景下对于美洲市场和欧洲市场而言美国货币政策干预系数大于中国货币政策干预系
数，而对于亚洲市场而言中国货币政策干预系数大于美国货币政策干预系数。这表明了中
国货币政策冲击更多的是作为区域性冲击因子在维持亚洲市场上汇率稳定方面发挥着主导
作用。

122
 第6章 货币政策与货币市场稳定性研究

第6章 货币政策与货币市场稳定性研究

肇始于美国而最终席卷全球的金融危机使得以往被奉为圭臬的“确保物价水平稳定即
可确保整个金融系统稳定的货币政策”理念已为各国政策监管部门所摈弃。经济学家们逐渐
意识到，在新的金融环境下，物价水平的稳定仅仅表现为金融稳定的必要条件，而非充分
条件（Mishkin，2009）。伴随着经济金融运行环境的变迁，传统的货币政策规则开始面临
挑战：诸如“量化宽松”之类扩张性货币政策产生的大量资金流向资本市场时，会出现“低通
胀”和“高资产价格”并存局面，这使得以往盯住通货膨胀或盯住价格水平的单一货币政策目
标框架体系变得越来越不合时宜。货币当局开始尝试从多角度、多层次来对金融状况进行
宏观审慎监管以达到维护整个金融系统稳定性的需要。这使得构建综合反映实际货币市场
运行状况的指标体系及识别金融状况稳定性变得迫在眉睫。
金融状况指数（FCI）由货币状况指数发展而来，它不仅能够反映货币当局调控货币
政策的松紧程度，而且对通货膨胀率等宏观经济指标具有极强的预测能力，是宏观经济运
行的“风向标”。金融状况指数最早由 Goodhart 和 Hofmann（2000）提出，他们凭借短期利
率、实际有效汇率、实际房屋销售价格和实际股票价格四个经济变量利用总需求方程缩减
式和 VAR 模型的脉冲响应分析来确定相关变量权重的方法构建了 G7 国家的金融状况指
数。Mayes 和 Virén（2001）则进一步基于 IS 曲线的总需求方程缩减式结合房价和股价等
资产价格的高频数据测算了金融状况指数，研究发现改进后的金融状况指数能够为通货膨
胀提供更准确的预期。English 等（2005）利用 Stock 和 Watson（2002）的扩散指数方法
得出各经济变量间的动态权重进行加总构建了德、英、美三国的金融状况指数。Wang 等
（2007）依据政府会计标准委员会（GASB）所编制的财务报表从现金偿付能力、预算偿
付能力、长期偿债能力、服务水平偿付能力四个微观层面构建美国了各州的金融状况指数。
Hatzius 等（2010）则从货币政策传导机制的利率渠道和信贷渠道两个角度出发在以往常
规指标体系中加入流动性指标借助动态因子模型构建了美国的金融状况指数。
为厘清资产价格传导渠道的顺畅程度和掌控由资产价格波动导致金融系统不稳定性而
产生的系统性金融风险，包含房地产价格和股票价格指标的金融状况指数引起国内学者的
广泛关注。陆军和梁静瑜（2007）根据中国的实际情况构建了中国的金融状况指数，证实
了金融状况指数可作为中国货币政策的一个重要参考指标，认为将资产价格纳入货币政策
决策参考过程已刻不容缓。戴国强和张建华（2009）利用 VECM 模型构建的金融状况指数，
结果发现包含资产价格信息的金融状况指数能够对未来价格水平的变化做出更加及时、有
效的预测。封思贤等（2012）用货币供应量缺口、利率缺口、汇率缺口、股票价格缺口和
房地产价格缺口的 IS 方程来估计权重, 从而得出中国的金融状况指数。他发现 FCI 比采用
123
 吉林大学博士学位论文

单一的金融变量更合理预测通胀趋势。徐国祥和郑雯（2013）用包含通货膨胀的 SVAR 模
型构建了固定权重性质的金融状况指数，引入的谱分析方法显示利用此模型构建的金融状
况指数与通货膨胀具有强相关性。但由于金融状况指数间存在复杂的相互制约和相互影响
机制，固定系数权重的金融状况指数解释效力明显不强。虽然存在指数构建成本高、指数
前后可比性差等缺陷，出于可操作性考虑，人们开始运用时变参数模型构建金融状况指数。
余辉和余剑（2013）通过时变参数状态空间模型估算不同经济因素的动态权重,并以此为基
础构建了金融状况指数，结果发现包含货币供应量的金融状况指数对通货膨胀的影响更为
显著。
总体上而言，国内外除利用主成分方法萃取金融状况指数外，其他方法出于模型估计
便利而大多使用货币供给量、短期利率、实际有效汇率、实际房屋销售价格和实际股票价
格等六、七个经济变量来构建金融状况指数。而在当今信息爆炸时代所生成的海量数据借
助“大数据”的技术优势凭借尽可能多的相关经济统计数据来动态实时监测宏观经济运行状
况引起了监管部门和学术界的广泛关注，通过高维数据构建金融状况指数变得越来越具有
吸引力。
伴随着城镇住房制度市场化改革引致的房地产市场的持续繁荣，股票市场的蓬勃发展，
人民币汇率形成机制改革逐步推进，利率市场化改革进一步深化，人均可支配收入的稳步
提高，未来经济走向的趋势效应变得愈发不显著。这使得依据上述变量构建的金融状况指
数具有明显的区制特征。Borio 和 White（2004）认为经济全球化和金融自由化的发展使得
各国的金融状况环境变得愈发脆弱而更具波动性，这相应导致监管当局的金融政策和货币
政策呈现区制效应。Davig 和 Hakkio（2005）利用马尔科夫转移的向量自回归模型研究了
堪萨斯金融状况指数在“高压力区制”与“低压力区制”情况下与宏观经济的相互关联性。高
国华（2013）利用马尔科夫区制转移模型研究我国宏观系统性金融综合指数的区制特征，
发现我国宏观系统性风险指数存在明显的“低度风险”、“中度风险”和“高度风险”三个区制。
陈守东等（2013）通过马尔科夫区制转移的多元动态因子模型研究了中国的金融状况特征，
实证结果发现中国金融系统所具有的内在周期不稳定性特征可以将中国金融状况分为“金
融不稳定区制”和“金融稳定区制”。大致上来说，目前关于金融状况指数区制特征的研究基
本上采取利用人为主观因素来确定区制个数。该方法虽然简便但由于研究者根本没有进行
区制存在性检验而做出了先验假定，使得对于金融状况指数区制效应的研究缺少有力的实
际理论依据。
由于我国尚处于经济结构转轨时期，货币政策操作缺乏连贯性而使得我国货币市场的
不稳定性相对于成熟经济体而言具有更大的不稳定性。研究特定历史时期货币市场上不稳
定的主要风险来源同样也是一个很有价值的关注点。
本章首先在以往相关研究进行了进一步拓展，利用时变参数的因子增广向量自回归
124
 第6章 货币政策与货币市场稳定性研究

（TVP-FAVAR）模型构建中国金融状况指数，该方法借助模型的高维数据估计优势提高所
构建的金融状况指数的精确度。为了更好的研究金融状况指数的区制效应，本章利用基于
分层狄利克雷混合过程的无限状态隐含马尔可夫区制（MS-IHMM-HDPM）模型对金融状
况的区制进行了识别与检验。最后，借助动态平均模型研究了构成货币市场不稳定性的主
要风险源。

6.1 研究方法与数据处理

6.1.1 时变参数的因子增广向量自回归模型

（1） 常参数 FAVAR 模型

从 N 维向量 X 中分离出主成分，其中变量 X 包含被观测国家的许多经济和金融变量，

向量 X 用一个时间不变的动态因子模型表示（Bai 和 Ng，2002；Stock 和 Watson，2002）
：

X t  Ft  et
（6.1）

方程（6.1）中， Ft   f1t , , f rt  和 et   e1t , , e Nt  分别被定义为共同因子和异质

成分。共同因子个数一般少于数据集中的变量个数，即 r N 。另外， Ft 包含动态因子

和他们的滞后项，方程（6.1）是非约束的。共同和异质成分是正交的。Chamberlain 和
Rothschild（1983）认为共同因子之间相互正交的，而异质成分之间相互具有微弱的相关性，

异质成分之间可以序列相关。对于因子载荷矩阵    1 , , N  ，i 是一个 r 维度量变量

i 因子效应的向量， i  1, ,N 。

可以运用 VAR  p  模型度量因子的动态性：

Ft  B1Ft 1   Bp Ft  p  wt , E  wt   0, E  wt wt   W （6.2）

假设 X t 服从零均值过程（每个变量都经过中心化处理），方程（6.1）和（6.2）不包

含截距项。

Bernanke 等（2005）把 r 维因子 Ft 向量分解为 M 维可观测因子 Gt 和 r  M 维不可观

测因子 H t ，例如 Ft   Gt, H t  。我们通过四步估计模型。

第一步是确定公共因子 Ft 的维度，例如驱动大数据集共同因子的个数 r 。通过 Bai 和

125
 吉林大学博士学位论文

Ng（2002）的 PC p 2 准则，我们设定共同因子个数。

第二步中，我们从 r 维因子的因子空间中去除已观测共同因子，得到不可观测共同因

子 H t 。我们从 X t 中提取前 r 个主成分，并将它们归纳在 Ft 中。下一步，我们估计回归方

程 Gt   Ft  vt 。 H t 由 H t    Ft 估计出来，其中 r   r  M  矩阵   被定义为一个垂直

元素，    0 。通过 X t 对  Gt, H t  的 OLS 回归来估计时间不变的因子载荷  矩阵。这

个方法简单而快速地从可观测因子中减少因子空间，但这个方法并未考虑潜在因子（潜在
因子之间是相互正交的，潜在因子和可观测因子也是正交的）
。

第三步，我们通过（6.2）的 VAR（p）模型定义 Ft   Gt, H t  的动态性。

第四步，我们通过估计 VAR 模型简化式获得残差，并对残差的协方差矩阵进行乔利斯

基分解来识别相应冲击。

（2） TVP-FAVAR 模型形式

为了使得构建的 FCI 能够反映对于在特定变量影响的动态变化途径，我们改变方程

（6.1）和（6.2）中的方程系数，使其变为时变的系数。为了介绍这个途径，我们首先定义
VAR 方程（6.2）为

PFt  1Ft 1    p Ft  p  ut , E  ut   0, E  ut ut   S （6.3）

此处 P 是主对角线为 1 的下三角矩阵，而 S 是对角矩阵。

（6.3）中的参数和（6..2）中

的参数的关系是 Bi  P  i 和 W  P 1SP 1 。

1

我们放松参数固定不变的假设条件，从四个角度允许参数时变：
（i）因子  ,
1 , p 

具有自回归动态性，
（ii）矩阵 P 刻画同期关联性，
（iii）新息因子的方差，例如方程（6.3）
中 S 的元素和（iv）方程（6.1）中因子载荷。因此，我们考虑下面（6.1）方程的时变形式，

xi ,t  i ,t Ft  ei ,t , i  1, ,N （6.4）

和（6.3）式中的 VAR 方程，

t t  1,t Ft 1 
PF   p,t Ft  p  ut , E  ut   0, E  ut ut   St （6.5）

Pt 仍然是主对角线元素全为 1 的下三角矩阵，St 是对角矩阵。我们并没有对 P 或 Pt 矩

阵的矩给出任何结构化的解释，所以我们应用残差协方差矩阵的分解来解释（6.3）或（6.5）
。

向量  t 定义为 Pt , 1,t ,  , p , t , 1,t , , N,t ，即时变参数向量。向量  t 的维度是

126
 第6章 货币政策与货币市场稳定性研究

r   r  1  0.5  p  r 2  N  r ，维度是个很大的数。时变系数回归模型中维度高是很常见的，

例如 Nyblom（1989），我们假设参数随着时间变化的很慢，可以用独立随机游走模拟

t  t 1   t ,  t ~N (0, Q) （6.6）

其中， Q 是对角矩阵。

实践中， Q 是非对角的，刻画了参数变动的共性。我们的估计具有一致性但不是有效

的。还有其他的一些做法，例如给 Q 一个特别的结构（来减少自由参数的个数），或用一

个不同的模型进行参数估计，例如因子模型。然而，虽然这些方法对参数变动的共性给出
了精确估计，但由于我们对问题先验信息的缺失，所以并不能应用这些方法。常参数 FAVAR

是 TVP-FAVAR 的一个特例，因为当 Q 矩阵中所有元素都为 0 时，TVP-FAVAR 就会简化为

常参数 FAVAR 模型。

最后，考虑（6.4）方程中异质成分，假设它们包含一个一阶自回归过程：

 
ei ,t  i ei ,t 1  i ,t , E i ,t   0, E  i2,t   i2 , i  1, ,N （6.7）

t  1,t , ,  N ,t  的元素之间是同期不相关的，自身和滞后之间也是不相关的，它们

同 ut 和  t 之间是完全不相关的。

（3） TVP-FAVAR 模型的估计

（a） 因子提取

常参数 FAVAR 模型中提取因子需要将模型中经济变量区分为快行变量和慢行变量，

这具有明显的主观性容易使模型中可观测因子与不可观测因子出现共线性问题。Boivin
（2009）提出的迭代算法则很好的解决了这个问题，其相应具体步骤如下：
(0)
第一步：从 X t 中提取前 K 个主成分（本章中 K=3）
，将其假定为初始值，记为 H t 。

第二步： X t 关于 H t 和 Gt 回归，相应回归系数记为 ̂ (0) 。

(0)

第三步：计算回归残差 X t
(0)
 X t  ˆ (0)Yt 。

第四步：从残差向量 X t 中提取前 K 个主成分 H t

(0) (1) (1)
，比较是否 H t  H t(0) 。否则，

重复第二步~第四步直至收敛。

127
 吉林大学博士学位论文

（b） 横截面关系

我们把（6.4）中的 N 个方程放入状态空间模型中。因为（6.4）的异质成分遵循 AR(1)

过程而不是白噪声，所以它是状态向量的一部分，而不属于时变载荷参数。状态向量的第

i 个方程是  t(i )   it , eit  ，转移方程是

ti   iti 1   ti  （6.9）

这里 i  diag 1r , i  ，  i  
t    ,   ，   是方程（6.6）里  的单独元素。因此，
t
i
it t
i
t

E      0 ， E    ,      diag  q  ,   。这里， q   包含了时变参数的新息（方差的

i i i i 2 i
t t t i

随机游走（例如，方程（6.6）中 Q 的每个成分）， i 是异质成分过程的方差。量测方程是

2

xi ,t  Ztt 
i
（6.10）

其中， Zt   Ft,1 。我们应用最大似然方法估计第 i 个载荷方程的 r  2 个超参数

  , q  ,  。然后，我们应用卡尔曼滤波给出时变载荷参数的路径。
i
i
i

（c） 因子的 VAR 模型

我们假设（6.5）方程中 VAR 的 r 个方程之间是相互独立的，我们同样地估计包含 Pt 和

 i ,t 矩阵的方程 的时变参数。在状态空 间中的第 g 个方程，状态 向量包含时变参 数

tg     Pg ,1,t , ,  Pg ,g 1,t ,  g ,1,1,t , ,  g ,r,1,t ,  g ,1,2,t , ,  g ,1,2,t , ,  g ,r,2,t , ,  g ,1,p,t ,  g ,r,p,t 

其中 g  1 ，P 参数没有出现。因为上三角 P 矩阵有不同数量的元素，状态变量的维度和 r

个方程中的任何一个方程都不同。

状态方程是  t 的随机游走，
g

tg  tg1   tg ,  tg ~N  0, Qg  , Qg  diag  qg  （6.11）

量测方程是

f g ,t  ft g tg  ug ,t , ug ,t ~N  0, S gg ,t 
(6.12)

其中， ft
g
  f1,t , , f g 1,t , f1,t 1 , , f r,t 1 , f1,t 2 , , f r,t 2 , , f1,t  p , , f r,t  p  ，S gg ,t 由

方程（6.8）给出。

128
 第6章 货币政策与货币市场稳定性研究

第一步，我们应用最大似然方法对每个方程的‘超参数’ qg , cg , bg 进行估计。在第二  
步，我们应用卡尔曼滤波对每个方程的时变参数进行估计。
我们确保每个时点 t 的局部 VAR
模型的动态性并没有太大的改变。不管怎样，卡尔曼平滑机制被最常应用。我们设定 VAR
模型的滞后长度 p=1。这个设定可以减少参数的个数，同时，由于参数是时变的所以不需
要过长的滞后。

（d） 脉冲响应函数和预测误差方差分解

给定 TVP-FAVAR 模型，由每个时点上的（平滑）参数得到脉冲响应函数和预测误差
方差分解。TVP -FAVAR 模型是常参数 FAVAR 模型的标准算法计算的，但是在每个时点加
入了新的参数结构。脉冲响应函数的置信区间是建立在抽样的基础上，Eickmeier 等（2011）
给出了详细的解答。

(4) 时变脉冲响应的计算

脉冲响应的假设条件是 t 时刻系统受到的冲击对 t 时刻以后的影响。这是常见的做法，

和我们认为参数变化服从随机游走的假设是一致的。
在 t 时刻，我们通过估计 VAR 得到脉冲响应
1 1
Ft  Pt|T 1,t|T Ft 1   Pt|T  p ,t|T Ft  p  wt ,

 
(6.13)
E wt wt  Pt|T St Pt|T  ,
1 1

和载荷方程

xi ,t  i ,t|T Ft  ei ,t (6.14)

时刻 t 脉冲响应函数的置信区间计算方法如下，首先通过卡尔曼平滑算法获得每个

VAR 方程的状态估计  tg|T （包含 P 和  行的元素），和相关联的方差协方差矩阵 tg|T ，其

中 g  1, , G  1。然后，我们得到载荷方程的方差协方差矩阵 Vi ,t|T 的平滑估计  i ,t|T 。并

从N  g
t |T , tg|T  中得到  g ， g  1, , G  1 。一般条件时，如果我们得到的值满足 VAR

矩阵，那么我们保留此值，否则我们删除它，然后重复前面的步骤。我们一直进行抽取直

到我们收集了 K  1000 次成功的值。然后，我们从 N i ,t|T ,Vi ,t|T 中抽取 K 次  i 。对于  

给定时刻 t、变量 i 和范围 h，脉冲响应函数理想的分位数可以从 K 次抽取中得到。这个方
法不足之处是我们忽略了超参数估计的不确定性。

129
 吉林大学博士学位论文

6.1.2 MS-IHMM-HDPM 模型

分层狄利克雷混合过程模型与无限状态隐含马尔可夫模型分别由 Teh 等（2006）

、Beal
等（2002）提出。为了清晰地体现无限状态隐含马尔可夫模型具有分层狄利克雷混合过程，
我们首先需要引入有限状态隐含马尔可夫模型。有限状态隐含马尔可夫模型是潜在状态由

一个离散随机变量所决定的概率模型。我们假定存在一个不可观测状态序列 s   s1 , , sT 

和一个观测值序列 y   y1 , , yT  ，每一个状态变量 st 都具有 1, , k 个明显的可能状态，并

且状态之间的转移服从马尔可夫过程。该过程转移概率  ij  Pr  st  j | st 1  i  的转移矩阵

用  表示，转移矩阵  中每一个行元素由同一混合集合   1 , ,k  生成。基于 t-1 期状

态 st 1 下 yt 的概率密度表示为：

 
K K
p  yt | st 1  k    p  st | st 1  k  p  yt | st    k , st p yt | st （6.15）
st 1

 
K
从而我们可以在状态 st 1  k 下以  k   k , st st 1
为混合权重的混合密度下生成 yt 。
为了利用非参数方法推导无限状态隐含马尔可夫区制模型，我们用狄利克雷混合过程

来替代式（6.15）中的有限混合分布，将狄利克雷混合过程与任何可能的先前状态 st 1 进行

连接，最终得到了基于分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型：

 ~Stick   （6.16）

 k ~DP  ,   , k  1, ,  （6.17）


st ~Multinomial  st1 , t  1,  , T , s0  1 （6.18）

k ~H , k  1, ,  （6.19）

 
yt ~F st , t  1, ,T （6.20）

式（6.17）表明转移矩阵的每一行元素的抽样都服从同一狄利克雷过程，且这一狄利
克雷过程的特征参数  还服从式（6.16）的断棍（Stick）过程，这使得无限状态隐含马尔
可夫区制模型在状态自转移过程和不同状态转移过程之间无区别。为了克服变量序列可能

出现的无限维状态这一不合情理假定，也为了增加状态自转移的先验概率 E  kk  ，从而使

模型合理化和降低估计过程复杂度，我们将参数  引入式（6.17）得到：

130
 第6章 货币政策与货币市场稳定性研究

      k 
 k |  ,    ,  ~DP   +， , k  1, , （6.21）
   


出于模型估计便利性考虑，通过估计  + 和  = 而替代直接  和  ，对应超参数
 +
分别服从如下分布：

 + ~Gamma  e0 , f0  （6.22）

 ~ Beta  g0 , h0  （6.23）

 ~ Gamma  r0 , s0  （6.24）

图 6.1 给出了基于分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型的图示，
其对应的具体估计算法见 Jochmann(2010)。

图 6.1 基于分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型

6.1.3 动态平均模型

对于多元模型一般我们会应用模型选择或是平均模型的技术。但是，在本章中，我们
希望我们刻画时变性。在模型选择中我们希望移动平均模型中变量的权重会随着时间变化
来衡量经济指标的重要性，这样就涉及到动态平均模型（DMA）
。本章中我们应用 Raftery
等（2010）提出的方法来实现 DMA。Raftery 等（2010）对于 DMA 有完整的推导和演绎。
我们这里进行一个大致的描述。

（1） 动态平均模型

通过 zt 不同的子集作为预测指标定义 K 个方程。 z  k  定义模型，模型可以被写作

131
 吉林大学博士学位论文

yt  zt t    t
k k k

（6.25）
tk1  t k   t k 

 
 t k  服从 N 0, H t ，t k  服从 N 0, Qt 。令 Lt 1, 2,
k  k 
  , K  表示在每个时间段

1
应用的模型， t  t  ,  
,t K  和 y t   y1 , , yt  。每个时点有不同模型，平均模型

代表了“动态平均模型”。更精确地，运用 t-1 时刻信息预测 t 时刻变量，DMA 包含对

k  1, , K 时刻不同的计算概率 Pr  Lt  k | y t 1  ，并运用这些概率做模型的平均预测。


对于 Pr Lt  k | y
t 1
 具体计算细节在下面给出。
方程（6.25）所代表的规范式在宏观经济实证方面应用地较为广泛，它们允许预测变
量的边际效应随时间而改变。这种讨论框架的问题是，许多模型可能含有大量参数（因此
模型有过度参数化的风险）
，并当 K 变大时计算负担会上升，这意味着估计可能需要较长
的时间（预测时可能会带来严重的缺点）
。
为了了解这些问题的原因和性质，实际中，预测指标如何进入/离开模型是规范的。解

答这个问题一个简单的方法是利用转移矩阵 P ， P 的元素为 pij  Pr  L t  i | Lt 1  j  ，

i, j  1, , K 。从 Hamilton（1989）开始，马尔科夫转移过程就常被应用在宏观经济中。

由于 P 是一个很大的模型，所以即使模型中的贝叶斯推断是很直接地，但是也不可行。考
虑一种情况，我们含有 m 个潜在预测指标，我们根据每个预测指标是否被包含在其中定义
模型。那么我们可以知道 K  2m ， P 是一个 K  K 维矩阵。除非 m 非常小，否则 P 将含
有很多参数使得推断不精确，计算变得非常慢。因此，标准 DMA 的一个完整的贝叶斯实
现过程很难实现。本文中，我们应用 Raftery（2010）的方法近似计算。这个近似有一个巨
大的优势是可以应用标准状态空间方法（包含卡尔曼滤波），允许快速实时预测。
Fruhwirth-Schnatter（2006）提到的转移线性高斯状态空间模型在方程（6.25）中给出，
这篇文章给出了很多工程方面应用状态空间模型文献的引用。但是，因为需要进行 K T 次
诸如卡尔曼滤波的递归算法，除非 T 和 K 很小，否则计算很难做到精确（Schervish 和 Tsay，
1988）。在很多情况下，近似的方法会被应用。在计量经济学中，由 Kim（1994）提出的
近似方法最具影响力，其中卡尔曼滤波需要运行 K 2 次。Kim（1994）将他的近似方法和精
确的方法在计算速度和准确性上做了研究。他的近似方法相对于精确似然方法只有精确度
上有一点确实，但是在速度上有很大的优势。这个方法的优势建立在 P 上，而 P 现在来看
维度过高。给出了一个近似办法，尽管 Raftery 等（2010）的近似方法没有明显的指定一个
转移矩阵 P ，但是他们的方法拥有一些有效性质，例如计算起来方便，实际应用中更有效。

132
 第6章 货币政策与货币市场稳定性研究

（6.15）中的结构表明整个状态向量 t 被分成互相独立
对于转移线性高斯状态空间模型，

k 
（以 L t  k 为条件的预测密度依赖于 t ）的小块（每个模型有一个小块）。这个性质对

于 Raftery 等（2010）的派生算法很重要，因为有了这个性质，卡尔曼滤波只需要运行 K 次
即能得到一个精确的近似。
Raftery 等（2010）的近似方法包含两个参数，  和  ，这两个参数代表遗忘因子
（forgetting factors），并且他们将数值调整到 1 以下。为了解释这些遗忘因子，首先考虑

（6.15）中的标准状态空间模型，忽略模型不确定性。对于给定的 H t 和 Qt ，可以应用标

准滤波和光滑结果进行递归估计或预测。卡尔曼滤波初值为

t 1 | yt 1 ~N t 1 , t 1|t 1  (6.26)

这里  t 1 和 t 1|t 1 都是标准的形式。  t 1 和 t 1|t 1 依赖于 H t 和 Qt 的值。那么，卡尔曼

滤波的过程为

t 1 | y t 1 ~N t 1 , t|t 1 
n!
r ! n  r !
(6.27)

这里， t|t 1  t 1|t 1  Qt 。Raftery 等（2010）认为如果 t|t 1 方程可以被简化，这样

有助于模型计算，所以他把 t|t 1 方程简化为：

1
t|t 1  t 1|t 1 (6.28)

或者等价地， Qt  1    1
 t 1|t 1 ，这里 0    1 。这种近似方法常被用在状态空间

中，例如 Fagin（1964）和 Jazwinsky（1970）

。Doan,Litterman 和 Sims（1984）应用 1980
年代有限的计算机能力计算了 VAR 模型，时变参数 VAR 模型中应用遗忘因子。“遗忘因子”
1
代表过去观测变量 j 有  j 的权重。另一个  有效的解释是  代表了有效窗口尺寸为 。
1 
 一般会取一个近于 1 的数，代表着系数的渐进演变。Raftery 等（2010）设置   0.99 。
对于宏观经济季节数据，这意味着五年前的观测变量占上一期观测 80%的比重。这说明模
型相当稳定，系数的变化是平缓的。当   0.95 时，五年前的观测值只占过去观测值的
35%。这表明许多参数是不稳定的，系数的变化很快。此时，模型排除了  值的合理范围，

所以我们定义    0.95, 0.99 。   0.99 是我们的基准选择，我们大量的实证结果是建

立在这上的（我们对   0.99 的敏感性也进行了分析）

。

133
 吉林大学博士学位论文

通过这样的简化，我们不再需要估计或模拟 Qt 。相反，我们只需估计或模拟 H t 即可。

模型中的估计可以由下面的更新方程完成：

t | yt ~N t , t|t  (6.29)

其中，

 
1
t  t 1  t|t 1 zt Ht  zt t|t 1 zt y  z 
t t t 1
(6.30)

 
1
t|t  t|t 1  t|t 1 zt H t  zt t|t 1 zt zt t|t 1 (6.31)

运用预测分布进行递归预测


yt | y t 1 ~N ztt 1 , H t  zt t|t 1 zt  (6.32)

以 H t 为条件，这些结果都是可以分析的，不需要 MCMC 算法，这样减少了计算负担。

许多模型应用了这个情况，例如（6.25）
，运用前面的近似和一个额外的近似。为了解

释这个，我们现在转到（6.25）中对多元模型的注释，定义 t 为所有系数的向量。在一个

标准的模型中，卡尔曼滤波建立在（6.26）（6.27）
（6.28）上。在一个多元模型的情况中，
对于模型 k，这三个模型变为：


t 1 | Lt 1  k , yt 1 ~N tk1 , tk1| t 1  （6.33）


t | Lt  k , yt 1 ~N tk1 , t|kt  1  （6.34）


t | Lt  k , yt ~N tk1 , t|kt   （6.35）
k  k  k 
其中，t ， t |t ， t |t 1 是通过方程（6.30），
（6.31）和（6.32）式一般的卡尔曼滤波

得到的,除了上标  k  代表定义的不同模型 k 外，其他和标准的卡尔曼滤波得到的值相同。

k 
为了使这些方程中的定义更明确，以 Lt  k 为条件，预测和更新方程只对 t 提供信息，

k 
而不对整个向量 t 提供信息。因此，我们只需把（6.33）（6.34）（6.35）式关于 t 的分

布写出来即可。

前面的结论都是以 Lt  k 为条件的，我们现在需要一个非条件预测的方法（例如，并

不是以某个特定模型为条件）。理论上，非条件预测的一个好的方式是通过指定一个转移矩
阵 P ，运用 MCMC 方法得到非条件结论。但是，正如前面的讨论，由于参数产生的扩散
（resulting proliferation），
这种方法在计算上是不可行的。
本文中，我们遵循 Raftery 等（2010）
134
 第6章 货币政策与货币市场稳定性研究

方法，采用模型状态方程遗忘因子  和参数状态方程遗忘因子  。卡尔曼滤波的变化从方

程（6.26）开始。当计算 DMA 模型的时候，相似的结果为


p  t 1 | y t 1    p t1 | Lt 1  k , y t 1 Pr  Lt  l | y s  
K
k
（6.36）
k 1

这里 p    | L
k
t 1 t 1 
 k , y t 1 由 方 程 （ 6.33 ） 给 出 。 为 了 简 化 定 义 ， 令

 t|s ,l  Pr  Lt  l | y s  ，因此，（6.36）右边最终项是  t 1|t 1,k 。

如果我们应用含元素 pkl 的 P 转移概率非约束矩阵，那么模型的预测方程是：

K
 t 1|t 1,k    t 1|t 1,l pkl
k 1

Raftery 等（2010）通过（6.27）式代替了上述方程：

 t1|t 1,k
 t|t 1,k  （6.37）
 tK1 t1|t 1,l
这里  被设定为一个固定小于 1 的值，它和  由着相同的表示形式。Raftery 等（2010）
认为这是一个很棒的简化形式，特别地，这种稳定的多参数幂模型在其他文献中也被经常
应用。
模型预测中运用遗忘因子  的好处是我们并不需要应用 MCMC 算法计算模型之间的
变化，也不需要模拟算法估测模型的空间。卡尔曼滤波中的更新方程即可完成估算。特别
地，更新方程如下：

 t|t 1,k pk  yt | y t 1 
 t|t ,k 
 t|t 1,l pl  yt | y t 1 
(6.38)
 K
t 1

这里 pl yt | y  t 1
 是对 y 估计的模型 l 的预测密度。通过运用每个模型中 
t t |t 1, k 平均预

测结果进行递归预测。因此，DMA 点预测可以写成：

E  yt | y t 1     t|t 1,k zt( k )t (k1)

K
(6.39)
k 1

进一步理解遗忘因子  ，这个因子暗含着 t 时点 k 模型的 DMA 中各经济变量进入模

型的概率权重：

 t |t 1, k   t 1|t  2,k pk  yt 1 | y t  2  



t 1 i (6.40)
 
 pk  yt i | y t i 1 
i 1

135
 吉林大学博士学位论文

因此，如果模型 k 在最近的过去有很好的预测表现，那么 t 时刻模型 k 中相应经济变

量会有更多的权重（预测效果是通过预测密度进行度量的，预测密度为 pk yt i | y  t i 1
 ），
这也表示该因变量的变动将更大概率的受相应经济变量的影响。“最近的过去”是由遗忘因

子控制的，同时观测变量 i 以  i 的指数速度衰减，就如  一样。

6.1.4 数据选取与处理

本文从宏观经济环境角度、货币政策调控角度和资产价格水平波动角度选取 30 个经济
指标来构建金融状况指数。本文中样本选择区间为 2004 年 1 月至 2014 年 12 月。数据来源
于中国国家统计局、万德（Wind）数据库、锐思金融研究（RESSET）数据库、国际货币
基金组织提供的国际金融统计（IFS）、http://www.policyuncertainty.com/china_monthly.html
和 https://www.frbatlanta.org/cqer/researchcq/shadow_rate.aspx。所选择的数据均进行频率转
换为月度数据后再进行相应标准化处理以使其满足模型的平稳性假定（见表 6.1）。文中的
数据处理和模型估计过程均借助 Matlab2012 完成。

表 6.1 指标变量选取及相关处理

变量 变量名称 变量说明 指标属性 数据频率 数据处理

TSF 社会融资总量 正向 季度 1

LDR 存贷款比率 负向 月度 1

BLR 不良贷款率 负向 季度 1

FER 外汇储备 正向 月度 1

宏观经济变量 GRL 黄金储备 正向 月度 1

EUI 经济政策不确定性指数 负向 月度 1

CPI 消费者价格指数 负向 月度 1

ECI 企业景气指数 正向 季度 1

ICO 国际原油价格指数 正向 月度 1

M0 流通中现金 负向 月度 1

M1 狭义货币供给量 负向 月度 2

M2 广义货币供给量 负向 月度 2

FDD M2/GDP 负向 季度 2

MME 货币乘数 负向 季度 2
货币政策变量
CBC 中央银行沟通指数 正向 月度 1

EMS 过量货币供给 负向 月度 2

136
 第6章 货币政策与货币市场稳定性研究

TSD 潜在利差（美国） 正向 月度 1

NRW 7 天银行同业拆借利率 正向 天 0

NRM 1 个月银行同业拆借利率 正向 天 1

NRH 6 个月银行同业拆借利率 正向 天 1

USD 美元实际有效汇率指数 正向 月度 1

EUR 欧元实际有效汇率指数 正向 月度 1

GBP 英镑实际有效汇率指数 正向 月度 1

资产价格变量 JPY 日元实际有效汇率指数 正向 月度 1

CNY 人民币实际有效汇率指数 负向 月度 1

CML 货币错配水平 负向 月度 1

SCI 上证综合指数 负向 天 1

ZCI 深证成分指数 负向 天 1

PER 沪深 300 市盈率 负向 天 1

HPI 国房景气指数 正向 月度 1

注：（1）对于只存在季度数据的指标，采用插值法将其转为月度数据; 对于只存在日数据的指标，

采用当月最后一个交易日的数据为月度数据;（2）基于模型估计的平稳性假定，本文对原始数据进行了相

应的处理，其中“0”代表原始数据，“1”为经过一阶差分处理的数据，“2”为经过对数一阶差分处理的数据。

如表 6.1 中所示，本章所选取的经济指标主要包括宏观经济变量、货币政策变量与资
产价格变量。相对以往学者指标选取规则，本文更强调基于以往各章的研究成果，重点加
强了指标体系中货币政策变动和资产价格波动的影响。在货币政策变量中，M0、M1 和 M2
的代表了货币的流动性差异；M2/GDP 代表经济货币化程度；货币乘数代表货币扩张强度，
在一定程度上反映了如“量化宽松”为特征的非常规货币供给；中央银行沟通指数代表了
我国货币当局通过信号渠道进行非常规货币政策操作的政策效果①；过量货币供给代表了
我国货币当局通过资产负债表规模渠道进行非常规货币政策操作的政策效果 ②；潜在利差
（美国）则是基于第 5 章的他国货币政策干预角度研究货币政策效果。在资产价格变量中，
7 天银行同业拆借利率、1 个月银行同业拆借利率、6 个月银行同业拆借利率分别代表第 4
章的利率水平；美元实际有效汇率指数、欧元实际有效汇率指数、英镑实际有效汇率指数、
日元实际有效汇率指数、人民币实际有效汇率指数这 5 种最常用支付货币的汇率代表了第
5 章中的汇率水平，货币错配水平由净外币资产除以总资产表示，它在一定程度上反映了

①
该指数是基于王雅炯（2012）所使用的方法将口头沟通与书面沟通加总而得。
②
过量货币供给规模的测算主要是基于傅强等（2011）的计算方法。
137
 吉林大学博士学位论文

汇率变动风险①；上证综合指数、深证成分指数、沪深 300 市盈率证券市场上的资产价格；

国房景气指数代表了房地产市场上的资产价格。本章中对相应变量采用“正指标”取相反
数的方式将指标体系的属性进行逆转，经过“同向化”处理后会使得基础指标体系与合成
指数方向一致，当合成指数上升，则表示货币市场越不稳定；反之，表示货币市场越稳定。

6.2 金融状况指数的效用检验

6.2.1 金融状况指数的估计

金融状况指数合成过程的标准形式为：
K  H i ,t  H i ,t 
FCIt   i  H i ,t
 （6.41）
i 1  

其中，FCIt 为在 t 时刻的金融状况指数；i 为权重；H i ,t 为 t 时刻相应经济指标；H i ,t

为在 t 时刻 H i ,t 的均衡值 。

金融状况指数构建分为两部分，一方面是经济指标的选取。基于 TVP-FAVAR 模型，

我们依据 Boivin（2009）方法假定 H t 是三维不可观测因子萃取出三个因子成分，即用此

代表宏观经济因子、货币政策因子和资产价格因子。另一方面为权重的确定。本文依据改
进的总需求方程简化式模式进行推导。该方法首先获得 FCI 指数方程中各因子的回归系数，
然后按变量将系数加总。每个变量的加总系数占所有变量加总系数绝对值之和的比例，就
是该因子变量在 FCI 中的权重。用公式表示为：

i 
 coefficient  X  i ,t
（6.42）
 |  coefficient  X  i ,t

H i ,t  H i ,t
其中， X i ,t 
H i ,t
 
， coefficient X i ,t 为因子变量的回归系数。与以往通过经

济变量对通货膨胀率（CPI）的响应所得的绝对平均冲击值来确定各变量 FCI 合成中的权

 
重相似， coefficient X i ,t 主要根据 TVP-FAVAR 模型中三个因子和以 CPI 为代表的通货

膨胀率构成的状态方程中的时变系数矩阵来确定。运用卡尔曼滤波估计出时变的参数向量，
在将其代入式（6.42），根据总需求方程简化式就能得到最终的 FCI 指数。

①
净外币资产的统计口径参见刘少波和贺庆春（2007）的处理方法，关于衡量货币错配的方法很多，
本章选择了相对简单的净外币资产除以总资产来衡量货币当局的货币错配水平。
138
 第6章 货币政策与货币市场稳定性研究

基于该方法本文得到相应金融状况指数（如图 6.2 所示）。一般来说，指数值越大表示

该时点金融压力越大和货币市场环境越恶劣。观察金融状况指数的变动趋势我们可以看到：
从 2004 年 1 月至 2006 年 10 月，由于亚洲周边各国和中国的主要贸易伙伴国的经济规模逐
渐从“东南亚金融危机”恢复过来，我国经济进入新一轮快速增长时期。经常账户与资本账
户的“双顺差”导致外汇储备迅速增加，四大国有银行的大部分坏账剥离提高间接融资渠道
的融资效率而降低了融资成本，国有企业的股权分置改革稳步推进增强了国有企业的盈利
能力而导致了上市公司市盈利的下降。总之, 这一时期我国宏观经济呈现出快速平稳增长
的良好趋势，这使得我国金融系统所积累的风险得到了释放, 金融稳定性得到不断增强。
2006 年 11 月至 2009 年 2 月，伴随着我国为完善人民币汇率形成机制而实行以市场供求为
基础、参考一篮子货币进行调节、有管理的浮动汇率制扩大了人民币汇率波动幅度人民币
兑美元和其他渐渐进入持续升值通道，在此期间人民币累计升值 21.93%。同时，由于股权
分置改革和伴随人民币汇率升值而来的“热钱”涌入导致了中国股票市场的繁荣。流动性过
剩导致的整个金融系统的系统性风险迅速积累并于 2008 年初达到顶峰。随后由“次贷危机”
引发且最终席卷全球的金融危机导致经济中的泡沫成分开始破灭，金融压力迅速开始下降。
2008 年底我国政府为了提振经济推出了“4 万亿”等一系列经济政策激刺计划，这一揽子经
济刺激计划在随后几年里对我国的宏观经济金融环境产生了深远的影响。一方面大规模基
础设施建设的低投资回报率和长回收期加重了地方政府的财政负担使得地方政府债务风险
日益累积，另一方面货币超发催生的房地产泡沫已经成为当前中国经济最不可预测因素。
多重因素的共同作用导致了 2009 年以后我国的金融状况指数持续处于高位且面临着极大
的不确定性。总体而言，我国的金融状况运行较平稳，在此时段没有发生较为严重的金融
危机。2007 年以前金融状况指数运行具有很强的周期性且波动幅度较小，而 2007 年以后
金融状况指数运行的周期特征逐渐减弱且波动幅度也越来越剧烈，该现象在全球金融危机
爆发后表现的尤为显著。

图 6.2 2004 年 1 月~ 2014 年 12 月期间中国金融状况指数变化趋势图

139
 吉林大学博士学位论文

《中国人民银行法》明确规定人民银行货币政策的最终目标是保持货币币值的稳定。
而在实践操作中，一个国家货币币值稳定与否在狭义测度上主要以通货膨胀率为依据。随
着我国资本市场的蓬勃发展和资本存量的逐渐积累，股票市场、房地产市场的波动对整个
金融系统的影响也越来越显著，货币政策的制定也越来越多地考虑资产价格因素。以往单
一的盯住通货膨胀目标制的货币政策规则虽然简单、明晰但缺乏了实效性和代表性。经济
运行和公众预期对资产价格变动所具有的敏感性使得将资产价格变动纳入统计口径的金融
状况指数有效提高了宏观政策的前瞻性。出于证实我们利用高维贝叶斯动态因子模型所构
建的金融状况指数（FCI）确实对通货膨胀率（CPI）具有很强的预测效果，货币当局值得
将其纳入到制定货币政策的参考指标体系以补充盯住通货膨胀货币政策操作的不足，我们
首先研究了金融状况指数和通货膨胀率相关性，然后运用谱分析方法研究了两者之间的领
先——滞后关系，进而利用非线性格兰杰因果检验判断了两者之间的相互影响关系，最后
我们利用简化式方程对我们所构建的指数进行了预测能力分析。

6.2.2 金融状况指数与通货膨胀的相关性分析

图 6.3 为金融状况指数与通货膨胀率的线性比较图。由图可知金融状况指数和通货膨
胀率的运行趋势方向基本一致。从图形趋势来看，金额状况指数明显领先通货膨胀率约 4-6
个月，该现象在 2007 年 9 月以后表现的尤为突出。比如金融状况指数在 2004 年 4 月达到
波峰而通货膨胀率在 2004 年 10 月达到波峰；金融状况指数在 2007 年 9 月达到波峰而通货
膨胀率在 2008 年 2 月达到波峰；
金融状况指数在 2009 年 2 月处于波谷而通货膨胀率在 2009
年 7 月处于波谷；金融状况指数在 2011 年 3 月达到波峰而通货膨胀率在 2011 年 7 月达到
波峰。我们可以初步认为金融状况指数与通货膨胀率具有较强的相关性。

图 6.3 金融状况指数与通货膨胀率的线性比较图

140
 第6章 货币政策与货币市场稳定性研究

表 6.2 描述了不同领先期金融状况指数与通货膨胀率的跨期相关关系。可见领先 6 个
月内的金融状况指数与通货膨胀率之间存在显著正向相关关系，跨期相关系数随滞后领先
期的增加呈现先增后减趋势。金融状况指数领先通货膨胀率 3-4 期时两变量间相关程度最
大。

表 6.2 不同领先期金融状况指数与通货膨胀率的跨期相关系数

领先期 0 1 2 3 4 5 6

跨期相关系数 0.4036 0.4216 0.4786 0.5152 0.5407 0.4933 0.4622

交叉谱分析通过将两时间序列分别分解为两个代表固定长度周期的频域族以用来研究
变量之间的领先与滞后关系。振幅表示两变量波动强弱，是衡量两变量一致性程度指标。
相干谱表示表示频域中两变量相关性强弱。相位谱和时差值表示两时间序列处于领先、一
致和滞后状况的具体时间段。交叉谱分析的估计结果如表 3 所示，当耦合振荡周期为 9 个
月时，金融状况指数与通货膨胀率的振幅达到最大值 1.083，此时对应的相干谱为 0.892，
这表明在耦合振荡周期中金融状况指数与通货膨胀率有极强的相关关系。从时差统计量的
值来看金融状况指数大约领先通货膨胀率 4.136 个月，是反映货币市场运行状况的一个敏
感的先行指标。

表 6.3 交叉谱分析结果

耦合振荡周期 位相
指标 振幅 相干谱
长度/月 相位谱 时差

统计量 9 1.083 0.892 0.911 4.136

6.2.3 非线性 Granger 因果分析

基于 ADF 检验我们发现金融状况指数（FCI）与通货膨胀率（CPI）均为 I（1）过程。

我们对两序列进行一阶差分后建立 VAR 模型，对 VAR 模型估计结果的残差服从关系式

 C1 m  Lx, Ly, e, n  C 3  m  Lx, e, n  

a

n    ~ N  0,   m  Lx, Ly, e   (6.43)

 C 2  Lx, Ly, e, n  C 4  Lx, e, n  

进行非线性 Granger 因果关系检验，其中

C1.  Pr || X tmLxLx  X smLxLx || e,|| X tLy Ly  X sLy Ly || e  C3 .  Pr || X tmLxLx  X smLxLx || e 
(6.44)
C 2 .  Pr || X tLx Lx  X sLx Lx || e,|| X tLy Ly  X sLy Ly || e  C 4 .  Pr || X tLx Lx  X sLx Lx || e 

其中 Pr . 表示概率值，|| . || 表示向量的范数， X tm 表示领先 X t 序列 m 期的向量， X tLx Lx

和 Yt LxLx 分别表示滞后 X t 和 Yt 序列 Lx 、Ly 期的向量，参数 e  0 ，且 m、Lx 和 Ly 为给定（均

141
 吉林大学博士学位论文

大于或等于 1）
。
两变量的非线性 Granger 因果关系检验结果如表 6.4 所示。非线性 Granger 因果关系检
验结果表明，在 5%的显著性水平下，金融状况指数对滞后 2、3、4 阶的通货膨胀率具有
显著的非线性 Granger 因果关系，而通货膨胀率对金融状况指数不具有显著的非线性因果
关系。在 10%的显著性水平下，金融状况指数对通货膨胀率的非线性 Granger 因果关系变
得越不显著。总体而言，金融状况指数是通货膨胀率的非线性 Granger 因果关系，而通货
膨胀率不是金融状况指数的非线性 Granger 因果关系。虽然金融状况指数的构建指标体系
中包含了 CPI，但两变量却呈现单向因果关系表明，我国的金融运行状况随着市场经济结
构调整而逐渐向广度和深度扩展后，以往主要受利率因素影响的金融状况开始更多地受汇
率风险和资产价格风险影响，这削弱了两者间的依存度。

表 6.4 金融状况指数与通货膨胀率非线性 Granger 因果关系检验

金融状况指数不是通货膨胀率非线性 Granger 通货膨胀率不是金融状况指数非线性 Granger

滞后阶
原因 原因
数
CS TVAL P CS TVAL P

1 0.0967 1.5369 0.0694 0.0213 1.1432 0.1437

2 0.1436 2.3877 0.0286** 0.0857 1.4127 0.0793

3 0.1249 2.1456 0.0374** 0.0166 1.1332 0.0866

4 0.2168 3.7635 0.0001*** 0.1836 1.9434 0.0534

5 0.0882 1.4338 0.0716 0.0813 1.3996 0.1037

6 0.0744 1.2934 0.1248 0.0721 1.2201 0.1286

注：**、***分别表示在 5%和 1%的置信水平下显著。其中，CS 代表 C1 m  Lx, Ly, e, n   C 3  m  Lx, e, n 

C 2  Lx, Ly, e, n  C 4  Lx, e, n 

的差，TVAL 代表式（6.43）的分布的标准差，P 代表显著性水平。

6.2.4 预测能力分析

借鉴 Gauthier 等（2004）的做法，我们将利用高维贝叶斯动态因子模型所建立的金融
状况指数的整个样本分为内样本（2004 年 1 月~2011 年 12 月）和外样本（2012 年 1 月~2014
年 12 月）两部分，其中内样本依据 OLS 对如下简化式方程进行回归：

CPIt     FCIt k + t k  0,1, ,6 (6.45)

其中， FCIt  k 表示领先 k 个月的金融状况指数，  t 为随机扰动项。相应的外样本为参

照样本，通过比较实际值与预测值的来评价我们依据 TVP-FAVAR 模型所建立的金融状况

指数的预测效果。依次取 k  0,1, ,6 得到表 6.5。

142
 第6章 货币政策与货币市场稳定性研究

从表 6.5 可知，当金融状况指数领先通货膨胀率 4 个月时，均方根误差（RMSE）最小，

且此时修正的判定系数值为最大，此时用金融状况指数来预测未来通货膨胀率的可信度最
大，这与上文中的相关性分析结论也相吻合。另外，与封思贤等（2012）基于结构式和 VAR
模型的脉冲响应分析来确定相关变量权重的方法构建的金融状况指数相比，基于高维贝叶
斯动态因子模型所建立的金融状况指数的预测效果更好，其均方根误差值更小。

表 6.5 不同领先期金融状况指数对通货膨胀率的预测能力

领先期  R2 AIC RMSE

0 0.4457 0.2458 4.4502 2.5833

1 0.4263 0.3706 4.1138 2.0218

2 0.4389 0.2934 4.2837 2.3146

3 0.5018 0.4480 3.9027 1.8793

4 0.5347 0.4682 3.8962 1.7364

5 0.4706 0.4020 4.0126 1.9532

6 0.4481 0.2593 4.4412 2.5309

注：*、**、***分别表示在 10%、5%和 1%的置信水平下显著。

综上所述，由于 TVP-FAVAR 模型自有的优势，我们利用该模型所建立的金融状况指

数能够有效的预测未来 3-4 个月物价水平的波动趋势和识别金融系统的潜在风险，可以作
为衡量我国货币市场运行状况的一个有用的先行指标。

6.3 金融状况指数的区制特征

6.3.1 金融状况指数的区制识别

中国作为一个新兴的经济体，产业结构不断面临着调整改造和优化升级。产业结构不
合理与经济增长不均衡使得整个社会的系统性金融风险的主要来源和波动幅度总处于不稳
定状态，这导致我国的金融状况指数呈现出非线性区制特征。基于偏自相关检验我们设定
金融状况指数服从 AR（4）过程，则式（6.20）可以表述为：

 t ~ N  0, s2  , t  1, , T
4
FCI t  0, st   i FCI t i   t , t
(6.46)
i 1

c d 
其中， k |  k2 ~ N  b0 , k2 B0  ，  k2 ~ Inv  Gamma  0 , 0  。
2 2

结合式（6.16）~式（6.24），我们先验假定 b0  0 ，B0 为以 5 为元素的对角矩阵，

143
 吉林大学博士学位论文

c0  5 , d0  3 , e0  125 , f0  5 , g0  10 , h0  1 , r0  5 , s0  1 。我们利用 Gibbs 抽样方法共进行

20000 次迭代模拟，其中前 2000 次迭代结果是预烧（burn-in）样本。

图 6.4 金融状况指数的后验突变概率

图 6.4 是基于分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型中区制转移概
率矩阵得出的金融状况指数不同区制之间发生状态转移的突变概率。从图形趋势来看，金
融危机前（~2006 年 10 月）发生状态转移的突变概率基本维持在 0.1~0.2 之间，金融危机
中（2006 年 11 月~2009 年 2 月）发生状态转移的突变概率基本维持在 0.4~0.5 之间，金融
危机后（2009 年 3 月~2014 年 12 月）发生状态转移的突变概率基本维持在 0.3~0.4 之间。
究其原因，是因为金融危机前我国的金融状况指数呈现为一区制状态，金融危机中我国的
金融状况指数呈现为三区制状态, 金融危机后我国的金融状况指数呈现为两区制状态。在
不同的时点情景下，区制越多其状态的不稳定性就越强，从而导致发生状态转移的概率就
越大。

图 6.5 不同阶段金融状况指数区制数量的后验概率分布

144
 第6章 货币政策与货币市场稳定性研究

图 6.5 为不同阶段我国的金融状况指数区制数量的后验概率分布估计结果。从图中我
们可以发现，虽然存在异常情况，但总体而言，在金融危机前（~2006 年 10 月）呈现一个
区制状态，金融危机中（2006 年 11 月~2009 年 2 月）呈现三个区制状态，金融危机后（2009
年 3 月~2014 年 12 月）呈现两个区制状态。这一方面表明我国金融状况受宏观经济环境波
动的影响总是呈现出明显的多状态周期扰动特征；另一方面若不考虑外生风险传染效应影
响，在我国经济运行不同时段区制状态个数变动也在一定程度上反映了我国货币市场运行
环境日趋复杂、风险来源渠道日趋多样化而导致我国的金融状况指数呈现不稳定性。
总体而言，图 6.4 和图 6.5 分别从突变可能性和突变状态这两个不同角度证实我国的金
融状况指数由于受到复杂多变的经济环境影响而呈现出明显的区制效应。2000 年以后我国
国民经济进入平稳、稳健发展的快车道，总体经济开始摆脱“东南亚金融危机”的影响而开
始进入新中国成立以来从未有过的最长上升期。随着中国“入世”利用劳动密集型比较优势
产业而逐渐融入世界贸易分工体系，外贸条件逐渐改善带来的外汇储备迅速增加减少了经
济系统发生资本外逃而对汇率制度稳定性的冲击。同时，自“互联网泡沫”破灭以后，美联
储为了防止经济衰退和恢复经济增长活力长期将联邦基准利率控制在较低的水平而使美国
这一世界经济的“发动机”继续处于“大稳健”时代。宽松的国内经济环境和国际局势下货币
政策主要通过信贷渠道对宏观经济产生调控使得我国货币市场在金融危机前运行平稳而只
表现为一个区制状态。2005 年后由于股权分置改革带来的我国证券市场上市公司的基本面
状况改善和“大小非”解禁使得市场进全流通时代为证券市场带来了一轮持续两年波澜壮阔
的“大牛市”；市场投机、炒作盛行使得 2007 年底证券市场转向而迅速开始下跌。证券市场
行情大幅涨跌引起的金融资本大规模流入和流出导致货币政策更多的受资产价格渠道作
用。另一方面，自 2005 年自人民银行宣布人民币汇率形成机制改革后，汇率持续升值预期
和资本市场的繁荣引起寻找更高收益的跨境资金迅速通过经常账户和资本账户涌入我国，
外汇储备接连攀至新高。外汇储备的激增带来了市场货币供给量的增加和物价水平的上升，
未预期到的货币供给的增加为市场的波动埋下了风险隐患。证券市场和外汇市场中上述这
些短暂、不规则冲击使得金融危机中金融状况变成了愈加复杂的三个区制状态。金融危机
爆发后系统性金融风险在全球蔓延扩散开来，世界经济陷入自“大萧条”时代以来最严重的
一次经济衰退。各国出于进一步降低长期实际利率从而刺激私人部门消费和增加固定资产
投资考虑纷纷推出不同版本的“量化宽松”政策。全球流动性泛滥使得我国经济承受很强的
输入型通货膨胀风险。而我国也为了保增长、调结构和对抗输入型通货膨胀风险影响，实
行积极的财政政策和适度宽松的货币政策。在进行大规模财政刺激政策的同时，广义货币
供给量和社会融资总量在短期出现较大幅度增长。这导致货币政策主要受信贷渠道和利率
渠道作用。此外，过量的货币供给引起国内物价水平高涨使得居民个体出于资产保值的诉
求而进入房地产市场，这使得受资产价格波动作用的资产价格渠道也成为货币当局制定调
145
 吉林大学博士学位论文

控政策必须予以考虑的一个关键因素。货币政策传导渠道主要作用途径的变动使得我国的
货币市场运行环境相较于前期发生了重大转变而呈现出两个区制状态。

6.3.2 金融状况指数的区制效应

基于分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型中所确定的不同时间区
间区制状态个数的不同我们依据式（6.46）进行参数估计，相关参数估计结果如表 6.6 所示。
由表 6.6 似然比(LR)检验可知，实证结果显著的拒绝了线性模型的原假设，金融状况指数

在金融危机中和金融危机后存在区制变动特征。无论金融状况指数处于何种情景 1 均为正

数且小于 1 表明，金融状况具有很强的“记忆性”和稳定性，它主要是受滞后一期的金融

状况指数的正向影响。而  2 为负数表明金融状况指数具有明显的“反馈机制”，金融状况

指数具有显著“逆周期”特征。这也表现出我国货币当局制定货币政策具有明显“相机抉

择”倾向。  i (i  1,2,3,4) 在三种情景下均明显接近于 1 表示金融状况指数在各情景下具有

明显的平稳性和稳定性，这同时也表明我国的金融状况总体而言并不存在很严重的系统性

风险。状态自转移概率的均值  i1n
n
p ( i|i )
在三区制状态和二区制状态分别为 0.7639 和 0.8574

表明，区制增加表现出金融系统性风险来源的多样化引起了金融状态不稳定。这也意味着
当经济处于金融危机中时我国货币市场面临的稳定性最弱，在危机来临前通过“逆周期”
调控手段来释放金融系统所累积的风险能够有效的提高系统的稳定性。

表 6.6 模型估计结果

金融危机前（一个区制） 金融危机中（三个区制） 金融危机后（两个区制）

 0,1 0.3437 0.7931 0.6585

 0,2 — 1.3423 1.1142

 0,3 — 1.4856 —

1 0.9182 0.8347 0.8969

2 -0.3163 -0.2583 -0.2338

3 0.1126 0.0115 -0.0217

4 0.1987 0.2436 0.1784

 i i 1,2,3,4 0.9132 0.8315 0.8198

1
n
in1 p(i | i) 1 0.7639 0.8574

LR 检验 — 11.2833 13.3876

注：*、**、***分别表示在 10%、5%和 1%的置信水平下显著。

146
 第6章 货币政策与货币市场稳定性研究

6.4 货币市场稳定性的冲击风险源分析

基于式（6.25）本文令 FCI 为 yt ，构建金融状况指数的 30 个经济指标为 zt ，利用 yt 对

zt 的回归来分析以金融状况指数为代表的货币市场稳定性的潜在冲击风险源。借助 DMA

模型总共能形成 230 种模型，式（6.38）则直接给出了一部分重要宏观变量包含于金融状况

指数构建过程的后验概率。基于各经济指标在各时点包含于金融状况指数构建过程的后验
概率，我们就可以断定该变量在特定时点对货币市场稳定性所产生的相对影响。后验概率
值越大，表示该变量在特定时点对货币市场稳定性构成的冲击也越大，反之亦然。

图 6.6 重要宏观变量包含于金融状况指数构建过程的后验概率

从图 6.6 各图表可知，宏观经济各部门和各市场在经济运行不同阶段对于货币市场的
稳定性产生的冲击具有明显差异。金融状况指数构建有效的反映了生成货币市场不稳定性
的主要风险源。
对于宏观经济变量而言，存贷款比率由中国人民银行所确立，出于《巴塞尔协议》对
核心资本充足率的要求和银行稳健经营考虑，中国人民银行通过行政性政策引导将各商业
银行存贷款比率一直保持在 0.63~0.76 左右。在我国这种银行主导型的金融体系下存贷款

147
 吉林大学博士学位论文

比率的变动对货币市场稳定性的影响就较为稳定，具体表现就是存贷款比率包含于金融状
况指数构建过程的后验概率为 0.2~0.3。新千年以来中国外汇储备增速开始，加快 2006 年
2 月中国外汇储备超过日本一跃全球第一外汇储备国。外汇储备的增加能提高一国抵御外
部风险的水平和增强其国际清偿能力，但天量外汇储备则会加大通货膨胀压力，推动人民
币汇率升值，为宏观经济带来不稳定性诱因。2010 年人民币汇率改革的重新启动更是使得
外汇储备迅猛增加，这也导致了 2010 年以后外汇储备包含于金融状况指数构建过程的后验
概率明显加大。消费者价格指数在 2004 年、2007 年~2008 年和 2010 年~2012 年进入金融
状况指数构建过程的后验概率较大，而其他时间段进入金融状况指数构建过程的后验概率
则较小。该结果验证了“物价水平的稳定并不必然代表金融系统稳定”
，后金融危机时代物
价水平对货币市场稳定性所产生的影响正在逐渐减弱。
对于货币政策变量而言，基础货币 M0 的供给近年来的增幅恒定且具有明显周期性，
这使得 M0 包含于金融状况指数构建过程的后验概率稳定在 0.3 左右。与此形成鲜明对比的
是 M2 的供给在 2009 年后保持年均 17.8%的高速增长，快速增加的广义货币供给在金融危
机后越来越成为影响货币市场稳定性的重要因素。代表货币扩张效应的货币乘数自身也决
定着货币创造过程，随着货币乘数的逐渐减小其对货币市场稳定性产生的冲击也在逐渐减
小。总体而言，在可行域内通过适度调节货币供给等常规货币政策手段对货币市场稳定性
的影响主要表现在金融危机前。中央银行沟通指数反映了非常规货币政策借助信号渠道产
生的信号效应，从图中可知，相比于金融危机前，以银行沟通指数为代表的信号效应在金
融危机后逐渐成为了维持货币市场稳定性的重要因素。超额货币供给更多的表现为非常规
货币政策的资产负债表渠道所产生的资产负债表效应，超额货币供给对货币市场稳定性的
影响表现为明显的阶段性特征，2008 年以前，经济的高速增长所产生的经济货币化需求吸
收了同期的超额货币供给而使得超额货币供给对货币市场稳定性的影响较小；2008 年以
后，经济增速的逐渐放缓所产生的超额货币供给迅速增加导致其成为构成货币市场不稳定
性的一个重要因素。作为全球经济的“发动机”
，美国货币政策的变动对其它外围国家会产
生明显的溢出效应，正如本文第 4 章所述，以潜在价差来衡量的美国非常规货币政策对中
国货币市场的利率期限结构的影响在金融危机后越发凸显。与此类同，潜在利差（美国）
包含于金融状况指数构建过程的后验概率在金融危机后逐渐上升并稳定在 0.4 左右。总体
而言，非常规货币政策对货币市场稳定性的影响主要表现在金融危机后。
对于资产价格变量而言，以 7 天银行同业拆借利率为代表的短期利率和以 6 个月银行
同业拆借利率为代表的中长期利率对于货币市场稳定性的影响都较为恒定。而与此相对应
的是美元实际汇率指数对货币市场的影响较为恒定，而人民币实际有效汇率指数伴随着人
民币单边升值所产生的套利压力使得人民币实际有效汇率指数包含于金融状况指数构建过
程的后验概率逐渐增大。货币错配水平代表了积累的巨额净外币头寸所产生的潜在汇率风
148
 第6章 货币政策与货币市场稳定性研究

险，从图中各时点的后验概率走势可知，近年来货币错配所产生的汇率风险也成为了我国
货币市场不稳定性重要来源。虽然代表货币对内价格的利率水平和代表货币对外价格的汇
率水平在金融危机后均明显地影响着货币市场的稳定性，但汇率因素对货币市场稳定性产
生的冲击更大。沪深 300 市盈率代表了证券市场上的资产价格水平，市盈率越高表示单位
风险的投资回报率也越高。从图中可知，市盈率对货币市场稳定性有显著影响的时期是
2006 年~2008 年。
国家住房制度改革所释放的巨大市场需求带来了房地产市场的持续繁荣，
是中国经济的重要支柱产业之一，房地产市场的景气状况越来越成为我国宏观经济的“晴
雨表”。从图中可知，国房景气指数从 2004 年左右的 0.5 左右逐渐上升到 2014 年左右的 0.9
左右，房地产价格成为了决定我国货币市场稳定性的最重要几个关键因素。总之，随着经
济货币化程度的加深，资产价格因素越来越成为影响货币市场稳定性的重要来源。

6.5 本章小结

货币市场的稳定是维持金融市场乃至整个经济系统稳定的基石。出于对货币市场的运
行状况进行有效监督、预警的需要金融状况指数的构建就显得尤为必要。自金融状况指数
作为一个衡量货币市场松紧程度、价格水平压力状况和间接表征金融系统稳定性的指标提
出以来，学术界和监管机构的就开始花费大量心血来研究指数构造方法和检验指数预测能
力。根据 VAR 模型的 Cholesky 脉冲响应函数来确定变量权重的方法严重依赖变量的秩序,
这削弱了指数的客观性。主成分分析法基于信息贡献影响度利用降维技术从高维经济变量
数据中萃取金融状况指数，该方法很难充分数据的全部有效信息。动态因子模型虽然能克
服主成分分析法的缺陷，并且反映出因经济结构和金融结构调整所导致的指数权重构成的
变动，然而却面临极大似然函数估计模型参数时计算量过大、耗时过多的问题。为了解决
这个难题，本章首先结合现实具体经济环境构建了金融状况指数，并且对所建立的金融状
况指数进行有效性检验。基于所建立的金融状况指数对金融状况的区制进行了识别与检验。
此外，进一步对构成货币市场不稳定性的主要风险源进行了分析。本章得到的主要结论有：
第一，我们从模型估计精度和有效利用数据信息角度出发，利用 TVP-FAVAR 模型建
立金融状况指数。我们对金融状况指数与通货膨胀率的关联关系进行相关性分析和因果分
析，结果发现两变量间存在很强的关联性，我们所建立的金融状况指数能够很好的监控中
国金融形势的动态，可以作为货币政策中介目标的辅助指标。通过预测能力分析，我们发
现我们所建立的指标与封思贤等（2012）基于结构式和 VAR 模型的脉冲响应分析来确定相
关变量权重的方法构建的金融状况指数相比具有更好的预测效果，该指标能够有效的预测
未来 3-4 个月内物价水平的波动趋势和识别金融系统的潜在风险，可以作为衡量我国货币
市场运行状况的一个有用的先行指标。
149
 吉林大学博士学位论文

第二，我国作为一个新兴的经济体，政府监管部门在经济活动中居于主导和中心地位，
这种政府主导型宏观调控模式使得货币政策执行过程中对经济活动产生显著外生冲击效
应。此外市场还面临货币政策传导机制不顺畅、传导渠道有限等缺陷和经济自由化、金融
全球化将各经济体紧密联系在一起而导致风险共生效应等问题。在这些内生因素、外生因
素的共同作用下我国的金融状况呈现出明显的不稳定状态。以往我们在研究金融状况的区
制特征时对于各时点区制个数的设定往往借助于研究者的主观经验判断，而金融状况本质
上来说是一个衡量货币市场运行环境的一个不可观测变量，主观感知不可观测因素常常容
易产生很大误差。而分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型通过模型无
限状态这一不直接对状态个数进行约束的假定很好地克服了上述缺陷，我们可以根据模型
直接估计出各个时点状态个数。根据该模型估计结果我们得出我国的金融状况在金融危机
前（~2006 年 10 月）、金融危机中（2006 年 11 月~2009 年 2 月）、金融危机后（2009 年 3
月~2014 年 12 月）分别呈现为一个区制状态、三个区制状态和两个区制状态。
第三，通过研究金融状况指数的区制特征我们发现，金融状况指数在宏观经济运行的
不同阶段均表现出明显的平稳性和稳定性特征，这表明我国货币市场从总体上来说并不存
在很严重的系统性风险。但金融状况在宏观经济运行的不同阶段期稳定性强弱却存在明显
差异。当经济处于金融危机前时我国货币市场面临的稳定性最强，而处于金融危机中时我
国货币市场面临的稳定性最弱。因此如何在有效的在危机来临前提前通过“逆周期”调控等
宏观政策调控手段释放系统累积的风险成为了有效提高金融系统稳定性的关键。
第四，通过分析货币市场稳定性的冲击风险源我们发现，宏观经济各部门和各市场在
经济运行不同阶段对于货币市场的稳定性产生的冲击具有明显差异。金融状况指数构建有
效的反映了生成货币市场不稳定性的主要风险源。总体而言，在可行域内通过适度调节货
币供给等常规货币政策手段对货币市场稳定性的影响主要表现在金融危机前，非常规货币
政策对货币市场稳定性的影响主要表现在金融危机后。虽然代表货币对内价格的利率水平
和代表货币对外价格的汇率水平在金融危机后均明显地影响着货币市场的稳定性，但汇率
因素对货币市场稳定性产生的冲击更大。外汇储备、货币供给量、人民币汇率水平和房地
产价格等资产价格因素越来越成为影响货币市场稳定性的主要风险源。资产价格因素应作
为重要的参考指标纳入货币政策反应函数。

150
 第7章 总结与展望

第7章 总结与展望

7.1 研究总结

这次始于美国并最终席卷全球的金融危机由于波及范围广泛和影响深远成为自“大萧
条”以来最严重的一次经济危机，鉴于严峻的现实形势各国货币当局纷纷加大了本国经济
陷入严重衰退的预期。为了早日摆脱困境和恢复国民经济活力，面对常规货币政策效果式
微的局面货币当局和监管机构开始执行有别于以往常规货币政策的非常规货币政策。为了
抵消世界经济衰退趋势的冲击，我国货币当局也先后运用了短期流动性调节工具（SLO）、
常备借贷便利操作（SLF）、中期借贷便利操作（MLF）、抵押补充贷款（PSL）、定向降低
准备金率、等非常规货币政策手段来对宏观经济进行局部调控，非常规货币政策在我国货
币市场越来越频繁的被货币当局所采纳这一趋势在今后的一段时期已经成为一种“新常
态”。相比于常规货币政策，这些非常规货币政策使用时间短、操作频率低。目前对于中国
市场上非常规货币政策效果及常规货币政策与非常规货币政策之间相对地位问题的认识尚
属于空白状态。本文在理论分析的基础上结合本轮金融危机爆发的深层根源，对我国货币
政策进行深入的动态计量研究。本文的研究主要包括以下三个方面:首先，在封闭经济条件
下系统分析了中国常规货币政策利率传导机制，通过符号约束分解宏观经济冲击来研究常
规货币政策与非常规货币政策的关联性。其次，鉴于近年来资产证券化、金融脱媒化、经
济全球化所导致资产价格波动在维持货币市场稳定性中越来越重要的地位，本文在开放经
济条件下从资产价格国内属性、资产价格国外属性两方面研究货币政策与利率、汇率这两
种基础资产价格之间的联动性。最后，构建能够综合体现货币政策变动、资产价格波动等
因素在内广义金融状况指数，实现对货币市场运行状况实时监测预警，探测构成货币市场
不稳定性的主要风险源。从而为货币市场稳定和国民宏观经济平稳、健康发展提供保障。
本文研究得到的主要结论有：
结论一：建立的一个包含混合菲利普斯曲线和 IS 曲线的结构方程组模型理论证实货币
供给冲击下货币政策传导过程具有时变性和非对称性，基于时变参数向量自回归
（TVP-VAR）模型能够很好的刻画我国货币传导机制的时变特征。
首先，通过系数稳定性检验和协方差稳定性检验可知，由于相关货币政策调控措施缺
乏连续性和一致性，货币供给冲击对我国的货币政策传导机制的影响表现出明显的非线性
特征，而 TVP-VAR 模型能够很好的刻画我国货币传导机制的时变特征。一方面，由于中
国“入世”使我国货币体系由封闭经济向开放经济转变使得独立的货币政策受到外部环境
的影响 ；另一方面，由于 2008 年金融危机以来各国争相推出的“量化宽松”也使得我国

151
 吉林大学博士学位论文

货币供给量增长迅猛。两者相互作用而使得我国的货币政策传导机制在 2002Q3 和 2009Q1

时点发生明显的结构性突变。
其次，基于不同时间的脉冲响应结果表明，伴随着时间的推移货币当局逐渐弱化货币
政策调控的行政化干预，货币供给过程表现为逐渐增强的产出缺口驱动特征。现阶段我国
基于货币传导渠道的货币政策传导机制大致可以表述为依据经济的实际产出水平决定货币
供给量，进而作用于实际利率和物价水平以达到对随后产出水平的控制和调节。这种通过
利率传导渠道作用于实体经济的货币政策传导机制重要性正逐步加强。
最后，无论是基于时间维度还是基于时点维度考虑，随着金融体制的逐步健全和完善，
货币供给冲击作用下我国的货币政策传导机制对政策工具的影响强度逐渐增大而响应时间
则逐渐缩短。该现象表明我国的货币政策传导机制随时间的推移而愈发灵敏和高效。同时，
增加货币供给量这种扩张性的货币政策在短期内具有真实效应，能够明显的影响实际利率
和产出水平，但是对宏观经济却缺乏长期性的持续性影响。
结论二：借助符号约束 TVP-VAR 模型的符号约束在动态情景下分解宏观经济冲击来
研究常规货币政策与非常规货币政策的关联性。研究结果显示常规货币政策调控手段仍然
是我国货币当局的优先选择，非常规货币政策可以作为常规货币政策的有效补充。
首先，无论是从模型差异性还是从预测效果来考虑，符号约束 TVP-VAR 模型的时变
效应由于能够实时动态刻画经济系统的随机性变动，导致其相对于常系数 VAR 模型而言能
够更好的模拟经济系统变量之间的动态传导关系。此外，在同样的非线性时间序列联立方
程模型中，相对于具有区制效应的 MS-VAR 模型而言，模型的区制效应虽然能够有效克服
常系数结构模型忽视经济结构调整变动这一弊端，但由于 MS-VAR 模型在估计转移概率矩
阵时存在数据依赖性导致模型信息量出现减损而导致从模型差异性考虑估计效果也要弱于
符号约束 TVP-VAR 模型。总之，用符号约束 TVP-VAR 模型提高了模型的模拟估计效果。
其次，在所构建的 5 个结构冲击中，以总需求冲击和总供给冲击为代表的整体宏观因
子冲击是产出水平和物价水平波动的最主要冲击源。该现象表明，我国现阶段产出的波动
主要是由于经济结构的调整和转型所导致的。同时，总需求冲击对宏观经济的影响效果大
于总供给冲击对宏观经济的影响效果也表明，需求乏力是制约我国经济增长模式的重要环
节。通过增加居民收入刺激消费，加大政府财政性转移支付和加大地方政府基础设施投资
力度虽然存在效率低下，区域性和系统性金融风险积聚等现实问题，但从长期来看该政策
方针并不存在方向性错误。当前中国经济运行状况正面临着罕见的错综复杂现实局面,呈现
出前所未有的经济增长速度换挡期、经济结构调整阵痛期和前期刺激政策消化期“三期叠
加”的阶段性特征。有效地平衡供给和需求之间的矛盾是决策者的明智之选。
再次，通过货币政策的政策导向影响宏观经济走势是货币当局的惯常手段，相比于金
融危机前通过调准、调息和公开市场操作等常规货币政策手段而言，危机后货币当局开始

152
 第7章 总结与展望

越来越借助于新型货币政策工具来达到其货币政策目标。常规货币政策与非常规货币政策
两者之间是对立关系还是互补关系有利于货币当局分清政策调控的主次地位。基于符号约
束 TVP-VAR 模型的脉冲响应分析和方差分解过程可知，虽然以利率冲击为代表的常规货
币政策冲击对产出水平和物价水平的冲击影响效果要大于以信号冲击和资产负债表冲击为
代表的非常规货币政策冲击对产出水平和物价水平的冲击影响效果，这表明常规货币政策
调控手段仍然是货币当局的优先选择。
最后，非常规货币政策作为新型的货币政策调控手段，一般而言主要通过利用中央银
行的承诺效应影响公众预期所形成的信号渠道和通过大额资产购买等改变中央银行资产负
债表的规模和结构的方式所形成的资产负债表渠道来发挥政策效果。由产出水平和物价水
平对信号冲击和资产负债表冲击在不同时期的脉冲响应和不同时点的方差分解可知，资产
负债表渠道相对于信号渠道而言对宏观经济的影响更显著。出现该现象的原因一方面是由
于我国的货币市场市场化程度不高，低效的市场环境导致政策传导具有明显的时滞效应；
另一方面也表明货币当局的公开承诺缺乏强有力的可信度，经济行为个体对货币当局发出
的信号持不信任的怀疑态度。尽管如此，从产出水平和物价水平对信号冲击和资产负债表
冲击在各时期的脉冲响应强度来看，2009 年以来，通过信号渠道和资产负债表渠道等非常
规货币政策调节货币市场和宏观经济走向的政策效果的影响力正随时间推移而逐渐加强。
结论三：基于 LT-TVP-VAR 模型研究了美国的非常规货币政策冲击对中国货币市场和
债券市场利率期限结构的动态影响。结果表明在面临诸如美国货币政策调整这种不确定性
的外生冲击时各货币市场和债券市场所受到影响差异明显。
首先，由于货币市场相对于债券市场而言具有更高的开放度和流动性，各利差对货币
市场利率期限结构的冲击影响要大于各利差对债券市场利率期限结构的冲击影响。用有门
限约束的 LT-TVP-VAR 模型研究美国常规货币政策和美国非常规货币政策对中国货币市场
利率期限结构的影响更具合理性。而用无门限约束的 LT-TVP-VAR 模型研究美国常规货币
政策和美国非常规货币政策对中国债券市场利率期限结构的影响更适宜。中国货币市场利
率期限结构受到美国货币政策溢出效应的影响呈现出显著非线性门限效应。
其次，对于货币市场而言，无论是美国常规货币政策还是美国非常规货币政策，均使
得我国货币市场的短期利率水平下降、中期利率水平上升和长期利率水平下降；对于债券
市场而言，无论是美国常规货币政策还是美国非常规货币政策，均使得我国债券市场的短
期利率水平上升、中期利率水平下降和长期利率水平下降。该现象符合浮动汇率制情景下
两国蒙代尔—弗莱明模型所得结论。
再次，无论是从有门限时各利差对货币市场利率期限结构的脉冲响应结果考虑，还是
从无门限时各利差对债券市场利率期限结构的脉冲响应结果考虑，以潜在利差来衡量的美
国非常规货币政策对我国金融市场利率期限结构变动的影响要大于以名义利差来衡量的美

153
 吉林大学博士学位论文

国常规货币政策对我国金融市场利率期限结构变动的影响。以名义利差来衡量的常规货币
政策主要在金融危机前对中国的货币市场和债券市场的利率期限结构的变动产生影响，而
以潜在利差来衡量的非常规货币政策对中国的货币市场和债券市场的利率期限结构的变动
影响金融危机后才越发凸显出来。
最后，通过比较不同前瞻指引规则下美国非常规货币政策对中国金融市场利率期限结
构的影响我们发现，对于货币市场而言，货币市场各利率期限结构因子对代表美国常规货
币政策的名义利差和代表美国非常规货币政策的潜在利差的响应在日历指引下最大；对于
债券市场而言，债券市场各利率期限结构因子对代表美国常规货币政策的名义利差和代表
美国非常规货币政策的潜在利差的响应在开放式指引下最大。美国非常规货币政策冲击对
中国货币市场利率期限结构的影响在日历指引和门槛指引下要比在开放式指引下更灵敏快
捷，而美国非常规货币政策冲击对中国债券市场利率期限结构的影响在开放式指引下要比
在日历指引和门槛指引下更灵敏快捷。
结论四：基于 LTF 模型研究人民币与关联货币汇率波动的协同效应，结果表明，货币
汇率波动走势主要由全球性冲击因子、区域性冲击因子和异质性冲击因子决定。进一步考
虑货币政策干预对人民币与关联货币汇率波动的协同效应的影响发现，货币政策的联合干
预总体上均降低了人民币与关联货币汇率波动的协同效应。美国货币政策冲击作为全球性
冲击因子在维持汇率市场的稳定方面发挥着基础性作用，而中国货币政策冲击更多的是作
为区域性冲击因子在维持亚洲市场上汇率稳定方面发挥着主导作用。货币政策的协调配合
有利于人民币币值的稳定。
首先，从关联货币实际汇率指数的波动性来看，亚洲市场上关联货币汇率的波动幅度
最大，美洲市场上关联货币汇率的波动幅度次之，欧洲市场上货币汇率的波动幅度最小。
本章进一步基于 LTF 模型将关联货币汇率波动性进行分解发现，虽然货币汇率波动成因存
在明显差异，但波动走势主要由全球性冲击因子、区域性冲击因子和异质性冲击因子决定。
全球性冲击因子对各市场中货币汇率的冲击影响没有明显差异，而区域性冲击因子和异质
性冲击因子对各市场中货币汇率的冲击影响却存在明显差异。相比于其他两种冲击因子，
全球性冲击因子的作用更显著。
其次，从人民币与关联货币汇率波动的时变相关分析来看，总体上而言，人民币与不
同的关联货币汇率波动的时变相关系数在本文的样本时间区间内变化幅度不大，但总体趋
势特征明显。无论基于哪个市场考虑，2005 年以前人民币与关联货币汇率波动的时变相关
系数的波动幅度在要大于 2005 年以后人民币与关联货币汇率波动的时变相关系数的波动
幅度。2008 年金融危机的出现对该趋势产生了些许扰动，2008-2009 年这段金融危机期间
人民币与关联货币汇率波动的时变相关系数的波动幅度和波动频率明显高于正常情景。此
外，在不同市场上人民币与相关联货币汇率间的时变相关系数的波动区间也存在显著性差

154
 第7章 总结与展望

异。人民币与欧洲市场上关联货币汇率波动的时变相关系数差异化较小，而人民币与美洲
市场、亚洲市场关联货币汇率波动的时变相关系数差异化较大。
再次，无论相对于中国与关联国家货币政策联合干预情景，还是美国与关联国家货币
政策联合干预情景，货币政策的联合干预总体上均降低了人民币与关联货币汇率波动的协
同效应。其中，在欧洲市场上货币政策的联合干预对人民币与关联货币汇率协同波动效应
冲击差异化程度最小，而在美洲市场和亚洲市场上货币政策的联合干预对人民币与关联货
币汇率协同波动效应冲击差异化程度则较为显著。
最后，美国与关联国家货币政策联合干预情景下持续协同波动系数在三个市场上均大
于中国与关联国家货币政策联合干预情景下持续协同波动系数。这表明了美国货币政策冲
击作为全球性冲击因子在维持汇率市场的稳定方面发挥着基础性作用。与此相对应，两种
不同情景下对于美洲市场和欧洲市场而言美国货币政策干预系数大于中国货币政策干预系
数，而对于亚洲市场而言中国货币政策干预系数大于美国货币政策干预系数。这表明了中
国货币政策冲击更多的是作为区域性冲击因子在维持亚洲市场上汇率稳定方面发挥着主导
作用。
结论五：在综合考虑现实代表价值的基础上选取一系列经济指标，基于时变参数增广
因子向量自回归（TVP-FAVAR）模型构建了中国金融状况指数。结果显示本文所建立的金
融状况指数具有良好的预测效果。进一步分析还发现，货币供给量、房地产价格等资产价
格因素的变动是近年来加剧货币市场不稳定性的主要风险源。
首先，本文对所建立的金融状况指数与通货膨胀率的关联关系进行相关性分析和因果
分析，结果发现两变量间存在很强的关联性，该金融状况指数能够很好的监控中国金融形
势的动态，可以作为货币政策中介目标的辅助指标。通过预测能力分析发现，本文所建立
的指标能够有效的预测未来 3-4 个月内物价水平的波动趋势和识别金融系统的潜在风险，
可以作为衡量我国货币市场运行状况的一个有用的先行指标。
其次，根据分层狄利克雷混合过程的无限状态隐含马尔可夫区制模型估计出各个时点
状态个数来研究我国金融状况稳定性。根据该模型估计结果可知我国的金融状况在金融危
机前（~2006 年 8 月）、金融危机中（2006 年 9 月~2008 年 11 月）
、金融危机后（2008 年
12 月~）分别呈现为一个区制状态、三个区制状态和两个区制状态。
再次，进一步研究金融状况指数的区制特征可知，金融状况指数在宏观经济运行的不
同阶段均表现出明显的平稳性和稳定性特征，我国货币市场从总体上来说并不存在很严重
的系统性风险。但金融状况在宏观经济运行的不同阶段期稳定性强弱却存在明显差异。当
经济处于金融危机前时我国货币市场面临的稳定性最强，而处于金融危机中时我国货币市
场面临的稳定性最弱。
最后，基于 DMA 模型分析货币市场稳定性的冲击风险源我们发现，宏观经济各部门

155
 吉林大学博士学位论文

和各市场在经济运行不同阶段对于货币市场的稳定性产生的冲击具有明显差异。金融状况
指数构建有效的反映了生成货币市场不稳定性的主要风险源。总体而言，在可行域内通过
适度调节货币供给等常规货币政策手段对货币市场稳定性的影响主要表现在金融危机前，
非常规货币政策对货币市场稳定性的影响主要表现在金融危机后。虽然代表货币对内价格
的利率水平和代表货币对外价格的汇率水平在金融危机后均明显地影响着货币市场的稳定
性，但汇率因素对货币市场稳定性产生的冲击更大。外汇储备、货币供给量、人民币汇率
水平和房地产价格等资产价格因素越来越成为影响货币市场稳定性的主要风险源。资产价
格因素应作为重要的参考指标纳入货币政策反应函数。

7.2 研究不足与展望

货币政策操作效果、货币政策对资产价格的冲击、资产价格波动对货币市场稳定性的
和货币政策规则影响的三方面问题涉及内容较广，本文虽然试图建立起一个严密的逻辑分
析框架，但由于时间限制和认识不深入，在有些方面难免存在一些漏洞和不足，需要在以
后的研究中进行进一步深入改进和完善：
第一，虽然本文对 TVP-VAR 扩展模型的应用相比于国内多数学者而言具有明显的进
步，但由于个人能力有限，大部分模型还仅仅是处于借鉴国际最新的计量研究模型阶段，
缺乏对模型根本性地改进和创新。这需要进一步深入研究。
第二，为了度量非常规货币政策效果，本文一方面在第 3 章采用符号约束来区分出信
号冲击和资产负债表冲击来代表非常规货币政策效果，另一方面在第 4 章采用基准利率与
影子利率之差来代表非常规货币政策效果。虽然两种方法各有优势且具有明显创新，但这
两种处理方法降低了非常规货币政策对相关宏观经济变量的动态关联性。对于非常规货币
政策效果以后的建模方向应更多的参考 Gertler 和 Karadi（2011）等学者所使用 DSGE 来
实现。
第三，虽然在开放经济条件下量化研究了货币政策干预对利率水平和汇率水平这两种
基础资产价格水平的冲击影响。但对于资产价格水平波动与货币政策应对策略的定性规范
研究却较浅。例如，在第 5 章中得出美国货币政策冲击作为全球性冲击因子在维持汇率市
场的稳定方面发挥着基础性作用，中国货币政策冲击更多的是作为区域性冲击因子在维持
亚洲市场上汇率稳定方面发挥着主导作用。但是却缺乏关于美国货币政策与中国货币政策
搭配使用规则以降低外汇储备风险和促进人民币汇率水平稳定。因此，关于货币政策的搭
配使用规则是本文一个可以进一步深入的地方。
第四，在本文第 6 章虽然用最新的宏观计量模型构建了金融状况指数，但现实经济环
境错综复杂，需要在多目标、多规则的条件下来对货币市场和金融市场稳定性提供监测预
警。在现实情境这需要一整套完整指标体系才能达到目标，单一指标的解释能力还是偏低，
这也需要我们在已有成果基础上进行进一步扩展。

156
 参考文献

参考文献

中文参考文献

[1] 白仲林, 林桐, 张珺. SVARMA 模型的设定, 方差分解分析和应用[J]. 统计研究,

2014 (5): 85-94.
[2] 常海滨, 徐成贤. 我国货币政策传导机制区域差异的实证分析[J]. 经济科学, 2007
(5): 66-76.
[3] 陈福中，陈诚．发达经济体利率与汇率交互效应的动态机制——基于美国和日本月
度数据的实证考察[J]．国际经贸探索，2012 (11)：55-67．
[4] 陈磊，侯鹏．量化宽松，流动性溢出与新兴市场通货膨胀[J]．财经科学，2011 (10)：
48-56．
[5] 陈守东，高艳．二元 GED-GARCH 模型的利率与汇率波动溢出效应研究[J]．管理
学报，2012 (7)：1020-1024．
[6] 陈守东，王妍，唐亚晖．我国金融不稳定性及其对宏观经济非对称影响分析[J]．国
际金融研究，2013 (6)：56- 66．
[7] 陈守东，易晓溦，刘洋．货币供给，通货膨胀与产出波动的动态效应研究：1992—
2013[J]．南方经济，2014 (2)：24-41．
[8] 陈晓莉，孙晓红．美国数量宽松货币政策对中国宏观经济的影响分析[J]．经济科学，
2012 (1)：12-26．
[9] 陈雨露，马勇．构建中国的“金融失衡指数”：方法及在宏观审慎中的应用[J]．中
国人民大学学报，2013 (1)：59-71．
[10] 崔光灿．资产价格，金融加速器与经济稳定[J]．世界经济，2007 (11)：59-69．
[11] 戴根有．关于我国货币政策的理论与实践问题[J]．金融研究，2000 (9)：1-12．
[12] 戴国强，张建华．中国金融状况指数对货币政策传导作用研究[J]．财经研究，2009
(7)：52-62．
[13] 戴金平, 陈汉鹏. 中国的利率调节, 信贷指导与经济波动——基于动态随机一般均
衡模型的分析[J]. 金融研究, 2013 (11): 1-14.
[14] 邓创，席旭文．我国货币政策宏观调控效应的时变特征[J]．吉林大学社会科学学报，
2014a，54 (4)：75-83．
[15] 邓创，席旭文．中美货币政策外溢效应的时变特征研究[J]．国际金融研究，2013 (9)：
10-20．
[16] 邓创，徐曼．中国的金融周期波动及其宏观经济效应的时变特征研究[J]．数量经济
技术经济研究，2014b (9)：75-91．

157
 吉林大学博士学位论文

[17] 杜子平，张雪峰．基于嵌套 Archimedean Copula 的金融资产相关性研究[J]．海南

金融，2013 (8)：9-12．
[18] 范从来．论通货紧缩时期货币政策的有效性[J]．经济研究，2000 (7)：24-31．
[19] 范跃进, 冯维江. 核心通货膨胀测量及宏观调控的有效性: 对中国 1995-2004 的实
证分析[J]. 管理世界, 2005(5): 6-13.
[20] 方福前，吴江．三类冲击与人民币实际汇率波动——与日元，韩元比较[J]．财贸经
济，2009 (12)：38-44．
[21] 房淑媛．人民币离岸市场与在岸市场的汇率变动关系研究[D]．华东师范大学，2014．
[22] 封思贤，蒋伏心，谢启超．金融状况指数预测通胀趋势的机理与实证——基于中国
1999~2011 年月度数据的分析[J]．中国工业经济，2012 (4)：18-30．
[23] 冯宗宪，李祥发，李悦．风险联动视角下的中美货币政策考察[J]．国际金融研究，
2013 (6)：24-35．
[24] 冯宗宪，李祥发．风险联动视角下的利率与商业银行信用风险考察[J]．现代财经 (天
津财经大学学报)，2013 (7)：42-50．
[25] 傅强，朱映凤，袁晨．中国通货膨胀主要影响因素的判定与阐释[J]．中国工业经济，
2011 (5)：5-15．
[26] 高国华．逆周期资本监管框架下的宏观系统性风险度量与风险识别研究[J]．国际金
融研究，2013 (3)：30-40．
[27] 高铁梅，李颖，梁云芳．2009 年中国经济增长率周期波动呈 U 型走势——利用景
气指数和 Probit 模型的分析和预测[J]．数量经济技术经济研究，2009 (6)：3-14．
[28] 谷家奎．汇率变动与政策干预，货币错配的计量研究[D]．吉林大学，2014．
[29] 胡利琴，彭红枫，李艳丽．中国外汇市场压力与货币政策——基于 TVP-VAR 模型
的实证研究[J]．国际金融研究，2014 (7)：87-96．
[30] 胡莹, 仲伟周. 银行业市场结构与货币政策冲击——基于异质性银行的模型分析[J].
经济评论, 2010 (2): 136-143.
[31] 黄达．宏观调控与货币供给[M]．中国人民大学出版社，1997．
[32] 冀志斌，周先平．中央银行沟通可以作为货币政策工具吗[J]．国际金融研究，2011
(2)：25-34．
[33] 金成晓，马丽娟．最优货币政策规则，通货膨胀与经济增长[J]．吉林大学社会科学
学报，2012 (6)：110-117．
[34] 金雯雯，陈亮，毛德勇，等．利率期限结构内含的宏观经济信息——基于 TVP-VAR
模型的时变参数研究[J]．经济评论，2014 (5)：123-135．
[35] 金雯雯，杜亚斌．我国信贷是持续顺周期的吗——基于期限结构视角的时变参数研
究[J]．当代经济科学，2013 (5)：12-19．
[36] 靳玉英，张志栋．非传统货币政策解析[J]．国际金融研究，2010 (10)：11-20．
[37] 李斌．中国货币政策有效性的实证研究[J]．金融研究，2001 (7)：10-17．

158
 参考文献

[38] 李伯钧，郭永济．通货膨胀，汇率波动与货币政策——基于符号约束的贝叶斯 VAR

模型实证研究[J]．产经评论，2014 (1)：150-160．
[39] 李成，王彬，黎克俊．次贷危机前后中美利率联动机制的实证研究[J]．国际金融研
究，2010 (9)：4-11．
[40] 李强．资产价格波动的政策涵义：经验检验与指数构建[J]．世界经济，2009 (10)：
25-33．
[41] 李世美．金融稳定与物价稳定的货币政策目标选择[J]．现代经济探讨，2009 (5)：
30-34．
[42] 李智，李伟军，高波．紧缩性货币政策与房地产市场的价格之谜——基于 VAR 模
型和符号约束 VAR 模型的比较[J]．当代经济科学，2013 (6)：005．
[43] 刘傲琼．基于时变参数因子 VAR 模型的中国货币政策有效性研究[D]．南京财经大
学，2013．
[44] 刘金全，付卫艳，刘达禹．我国经济增长率动态波动机制——基于 TVP-VAR 模型
的实证研究[J]．上海经济研究，2014 (5)：3-11．
[45] 刘金全，印重，庞春阳．中国积极财政政策有效性及政策期限结构研究[J]．中国工
业经济，2014 (6)：31-43．
[46] 刘金全．货币政策作用的有效性和非对称性研究[J]．管理世界，2002 (3)：43-51．
[47] 刘澜飚，文艺，王博．短期资本流动对中国经济产出的影响[J]．经济学动态，2014
(4)：77-86．
[48] 刘少波．贺庆春. 中国货币错配程度及其影响因素——1986～2005 年中国货币错配
的演变态势分析[J]．管理世界，2007 (3)：32-41．
[49] 刘宪法．“日本陷阱”与当前中国宏观经济现实[J]．经济研究，1999 (8)：40-47．
[50] 陆军，梁静瑜．中国金融状况指数的构建[J]．世界经济，2007 (4)：13-24．
[51] 罗毅丹，樊琦．一种新扩展的向量自回归模型及应用[J]．统计研究，2010 (7)：95-100．
[52] 罗瑜．我国货币市场与债券市场的传导性分析——商业银行资产配置视角[J]．管理
世界，2012 (2)：169-170．
[53] 马勇，陈雨露．宏观审慎政策的协调与搭配：基于中国的模拟分析[J]．金融研究，
2013 (8)：57-69．
[54] 马勇，陈雨露．经济开放度与货币政策有效性：微观基础与实证分析[J]．经济研究，
2014 (3)：35-46．
[55] 马勇．基于金融稳定的货币政策框架：理论与实证分析[J]．国际金融研究，2013 (11)：
4-15．
[56] 欧阳志刚，史焕平．后金融危机的货币供给过剩及其效应[J]．经济研究，2011(7)：
102-115．
[57] 潘锡泉．中美利率和汇率动态效应研究：理论与实证——基于拓展的非抛补利率平
价模型的研究[J]．国际贸易问题，2013 (6)：76-87．

159
 吉林大学博士学位论文

[58] 彭方平, 胡新明, 展凯. 通胀预期与央行货币政策有效性[J]. 中国管理科学, 2012(1):

1-7.
[59] 彭方平，王少平．我国货币政策的微观效应——基于非线性光滑转换面板模型的实
证研究[J]．金融研究，2007 (09A)：31-41．
[60] 盛松成，吴培新．中国货币政策的二元传导机制[J]．经济研究，2008 (10)：37-51．
[61] 苏亮瑜．我国货币政策传导机制及盯住目标选择[J]．金融研究，2008 (5)：25-34．
[62] 孙焱林，陈普，熊义明．贝叶斯视角下时变参数 VAR 建模——兼论 “斜率之谜”
[J]．数量经济技术经济研究，2011 (10)：123-133．
[63] 孙焱林，闫彬彬．中国信贷供给冲击与经济波动——基于符号约束 VAR 模型分析
[J]．学术论坛，2013 (7)：113-118．
[64] 谭旭东. 中国货币政策的有效性问题[J]. 经济研究, 2008(9):46-57.
[65] 万解秋，徐涛．货币供给的内生性与货币政策的效率[J]．经济研究，2001 (3)：40-47．
[66] 王航, 汪洋溢, 马亮. 金融创新与货币政策有效性研究[J]. 上海金融, 2003 (8):
18-21.
[67] 王世杰, 刘义圣.金融危机后我国货币政策的有效性考量[J].江汉论坛, 2013 (3):
37-41.
[68] 王维安，徐滢．次贷危机中美联储非常规货币政策应对，影响和效果[J]．国际金融
研究，2011 (1)：53-60．
[69] 王雅炯．通胀预期管理下中央银行沟通的有效性研究-基于中国 2003-2010 年数据的
实证分析[J]．上海经济研究，2012 (4)：24-35．
[70] 王昭伟．外汇市场的协同波动与联合干预[J]．国际金融研究，2011 (6)：50-58．
[71] 王志强，熊海芳．美国量化宽松政策效果及其对中国的影响[J]．社会科学辑刊，2012
(6)：123-129．
[72] 吴丽华，傅广敏．人民币汇率，短期资本与股价互动[J]．经济研究，2014 (11)：72-86．
[73] 伍戈．货币政策与资产价格：经典理论，美联储实践及现实思考[J]．南开经济研究，
2007 (4)：90-105．
[74] 夏斌，廖强．货币供应量已不宜作为当前我国货币政策的中介目标[J]．经济研究，
2001 (8)：33-43．
[75] 夏玉婕．非常规货币政策的理论与实践经验[D]．西南财经大学，2013．
[76] 肖卫国，赵阳．美国非常规货币政策对中国经济的影响——基于零利率下限和符号
约束的 VAR 分析[J]．经济管理，2013 (6)：005．
[77] 谢平．新世纪中国货币政策的挑战[J]．金融研究，2000 (1)：1-10．
[78] 熊海芳，王志强．货币政策意外，利率期限结构与通货膨胀预期管理[J]．世界经济，
2012 (6)：30-55．
[79] 徐国祥，郑雯．中国金融状况指数的构建及预测能力研究[J]．统计研究，2013 (8)：
17-24．

160
 参考文献

[80] 徐艳，何泽荣．开放经济条件下中国货币政策的内在矛盾[J]．中央财经大学学报，
2005 (1)：24-27．
[81] 杨浩．日本 “流动性陷阱” 的实证分析及货币政策有效性研究[D]．中国政法大学，
2009．
[82] 杨娇辉，王曦．市场分割下东北亚货币的跨货币溢出效应与汇率预测[J]．国际金融研
究，2013 (5)：32-48．
[83] 易纲，王召．货币政策与金融资产价格[J]．经济研究，2002，3(1)：13-20．
[84] 易晓溦, 陈守东, 刘洋. 中国金融状况指数构建及货币市场稳定性研究[J]. 上海经济
研究, 2014 (8): 3-15.
[85] 易晓溦，陈守东，刘洋．美国非常规货币政策冲击下中国利率期限结构动态响应研究
[J]．国际金融研究，2015 (1)：25-36．
[86] 余辉，余剑．我国金融状况指数构建及其对货币政策传导效应的启示—基于时变参数
状态空间模型的研究[J]．金融研究，2013 (4)：85-98．
[87] 袁靖．中国宏观经济变量的预测方法与实证[J]．统计与决策，2014 (7)：129-132．
[88] 约翰，梅纳德，凯恩斯．就业，利息和货币通论[M]．北京：商务印书馆，1999．
[89] 岳超云，牛霖琳．中国货币政策规则的估计与比较[J]．数量经济技术经济研究，2014(3)：
119-133．
[90] 曾刚．货币政策有效性：理论与实践[J]．中国金融，2008 (9)：51-53．
[91] 张傲，赵志君，卢爱珍．非对称货币冲击及其对我国经济增长效应的研究[J]．2013．
[92] 张婧．亚洲国家汇率决定：基于汇率联动可行性的分析[J]．上海金融，2012 (2)：9-17．
[93] 张雪兰, 杨丹. 我国货币政策的有效性问题: 基于 1996-2009 年季度数据的分析[J].
财贸经济, 2010 (6): 27-32.
[94] 张学勇，宋雪楠．金融危机下货币政策及其效果：基于国际比较的视角[J]．国际金融
研究，2011 (9)：9-17．
[95] 张屹山，张代强．包含货币因素的利率规则及其在我国的实证检验[J]．经济研究，2008
(12)：65-74．
[96] 张亦春，胡晓．宏观审慎视角下的最优货币政策框架[J]．金融研究，2010 (5)：30-40．
[97] 赵进文，闵捷．央行货币政策操作效果非对称性实证研究[J]．经济研究，2005 (2)：
26-34．
[98] 郑国忠．人民币成为区域主导货币的可能性论证——基于两岸三地汇市信息溢出与协
调联动的证据[J]．上海金融，2013 (7)：3-9．
[99] 周河．货币政策对消费与投资需求的影响效应研究[J]．统计与决策，2014 (15)：163-166．
[100] 周晖，王擎．货币政策与资产价格波动：理论模型与中国的经验分析[J]．经济研究，
2009 (10)：61-74．
[101] 周沁怡．美联储应对次贷危机的货币政策操作研究[D]．上海交通大学，2010．
[102] 周先平，冀志斌，李标．社会融资规模适合作为货币政策中间目标吗?[J]．数量经济
技术经济研究，2013a(10)：79-93．
[103] 周先平，李标，冀志斌．人民币计价结算背景下汇率制度选择研究[J]．国际金融研究，
2013b (3)：79-87．

161
 吉林大学博士学位论文

英文参考文献

[1] Aguilar O, Huerta G, Prado R. Bayesian inference on latent structure in time series[J].
Bayesian Statistics, 1998, 6(1): 1-16.
[2] Aguilar O, West M. Bayesian dynamic factor models and portfolio allocation[J]. Journal of
Business & Economic Statistics, 2000, 18(3): 338-357.
[3] Ahearne A G, Ammer J, Doyle B M, et al. House prices and monetary policy: A
cross-country study[R]. International finance discussion papers No. 841, 2005.
[4] Aielli G P. Consistent estimation of large scale dynamic conditional correlations[R].
Unpublished paper: Department of Statistics, University of Florence, 2006.
[5] Alexander C O. Common volatility in the foreign exchange market[J]. Applied Financial
Economics, 1995, 5(1): 1-10.
[6] Altavilla C, Giannone D. M. Lenza, 2014. The financial and the macroeconomic effects of
the OMT announcements[R]. CSEF Working Paper.
[7] Andrés J, López-Salido J D, Nelson E. Tobin's imperfect asset substitution in optimizing
general equilibrium[J]. Journal of Money, Credit and Banking, 2004: 665-690.
[8] Ang A, Piazzesi M. A no-arbitrage vector autoregression of term structure dynamics with
macroeconomic and latent variables[J]. Journal of Monetary economics, 2003, 50(4):
745-787.
[9] Aue A, Hörmann S, Horváth L, et al. Break detection in the covariance structure of
multivariate time series models[J]. The Annals of Statistics, 2009, 37(6B): 4046-4087.
[10] Auerbach A J, Obstfeld M. The case for open-market purchases in a liquidity trap[J].
American Economic Review, 2005: 110-137.
[11] Baba N, Nishioka S, Oda N, et al. Japan's deflation, problems in the financial system, and
monetary policy[J]. Monetary and Economic Studies, 2005, 23(1): 47-111.
[12] Bai J, Ng S. Determining the number of factors in approximate factor models[J].
Econometrica, 2002, 70(1): 191-221.
[13] Bai J, Perron P. Computation and analysis of multiple structural change models[J]. Journal
of applied econometrics, 2003, 18(1): 1-22.
[14] Baillie R T, Bollerslev T. Common stochastic trends in a system of exchange rates[J].
Journal of Finance, 1989, 44(1): 167-181.
[15] Barro R. Macroeconomics: a modern approach[M]. Cengage Learning, 2007.
[16] Bauer M D, Neely C J. International channels of the Fed's unconventional monetary
policy[J]. Journal of International Money and Finance, 2014(44): 24-46.
[17] Bauer M D, Rudebusch G D. The signaling channel for Federal Reserve bond purchases[R].
Federal Reserve bank of San Francisco Working Paper Series 2011-21.
[18] Baumeister C, Benati L. Unconventional monetary policy and the great
recession-Estimating the impact of a compression in the yield spread at the zero lower
bound[R]. European Central Bank, 2010.

162
 参考文献

[19] Baumeister C, Benati L. Unconventional monetary policy and the great recession:
estimating the macroeconomic effects of a spread compression at the zero lower bound[R].
Bank of Canada Working Paper, 2012.
[20] Baumeister C, Liu P, Mumtaz H. Changes in the transmission of monetary policy: evidence
from a time-varying factor-augmented VAR[R].Bank of England Working Paper No.
401.2010.
[21] Baumeister C, Peersman G. The role of time‐varying price elasticities in accounting for
volatility changes in the crude oil market[J]. Journal of Applied Econometrics, 2013, 28(7):
1087-1109.
[22] Baumeister C, Peersman G. Time-varying effects of oil supply shocks on the US
economy[R]. Bank of Canada Working Paper, 2012.
[23] Beal M J, Ghahramani Z, Rasmussen C E. The infinite hidden Markov model [J]. Advances
in neural information processing systems, 2002(1): 577-584.
[24] Bean C, Paustian M, Penalver A, et al. Monetary policy after the fall[J]. Macroeconomic
Challenges: The Decade Ahead, 2010: 26-28.
[25] Berge T J, Cao G. Global effects of US monetary policy: is unconventional policy
different?[J]. Economic Review, 2014 (QI): 1-10.
[26] Bergin P R. How well can the new open economy macroeconomics explain the exchange
rate and current account?[J]. Journal of International Money and Finance, 2006, 25(5):
675-701.
[27] Bernanke B S, Boivin J, Eliasz P. Measuring the effects of monetary policy: A
factor-augmented vector autoregressive (FAVAR) approach[J]. The Quarterly Journal of
Economics, 2005, 120(1): 387-422.
[28] Bernanke B S, Mihov I. Measuring monetary policy[R]. National Bureau of Economic
Research, 1995.
[29] Bernanke B S, Reinhart V R. Conducting monetary policy at very low short-term interest
rates[J]. American Economic Review, 2004: 85-90.
[30] Bernanke B, Gertler M. Monetary policy and asset price volatility[R]. National bureau of
economic research, 2000.
[31] Bernanke B, Reinhart V, Sack B. Monetary policy alternatives at the zero bound: An
empirical assessment[J]. Brookings papers on economic activity, 2004(2): 1-100.
[32] Bernanke B. Some thoughts on monetary policy in Japan[M]. Board of Governors of the
Federal Reserve System, 2003.
[33] Bernardo J M, Bayarri M J, Berger J O, et al. Bayesian factor regression models in the
“large p, small n” paradigm[J]. Bayesian statistics, 2003(7): 733-742.
[34] Black F. Interest rates as options[J]. the Journal of Finance, 1995, 50(5): 1371-1376.
[35] Blanchard O J, Quah D. The dynamic effects of aggregate demand and supply
disturbances[J]. The American Economic Review, 1989, 79(4): 655-673.
[36] Blanchard O J, Watson M W. Are business cycles all alike?[R]. NBER Working
Paper(w1392), 1986.

163
 吉林大学博士学位论文

[37] Blanchard O, Dell’Ariccia G, Mauro P. Rethinking macroeconomic policy[J]. Journal of

Money, Credit and Banking, 2010, 42(s1): 199-215.
[38] Boivin J, Giannoni M P, Mihov I. Sticky prices and monetary policy: evidence from
disaggregated US data[J]. American Economic Review, 2009, 99(1): 350-384.
[39] Borio C E V, Lowe P W. Asset prices, financial and monetary stability: exploring the
nexus[R]. BIS Working Paper No. 114, 2002.
[40] Borio C E V, White W. Whither monetary and financial stability?: the implications of
evolving policy regimes[M]. Bank for International Settlements, 2004.
[41] Borio C, Disyatat P. Unconventional monetary policies: an appraisal[J]. The Manchester
School, 2010, 78(s1): 53-89.
[42] Bowman D, Londono J M, Sapriza H. US unconventional monetary policy and transmission
to emerging market economies[R]. FRB International Finance Discussion Paper, 2014
(1109).
[43] Braun R A, Waki Y. Monetary policy during Japan’s lost decade[J]. Japanese Economic
Review, 2006, 57(2): 324-344.
[44] Calvo G A. Staggered prices in a utility-maximizing framework[J]. Journal of monetary
Economics, 1983, 12(3): 383-398.
[45] Canova F. Modelling and forecasting exchange rates with a Bayesian time-varying
coefficient model[J]. Journal of Economic Dynamics and Control, 1993, 17(1): 233-261.
[46] Carvalho C M, Chang J, Lucas J E, et al. High-dimensional sparse factor modeling:
applications in gene expression genomics[J]. Journal of the American Statistical Association,
2008, 103(484): 1438-1456.
[47] Carvalho C M, Lopes H F, Aguilar O. Dynamic stock selection strategies: A structured
factor model framework[J]. Bayesian Statistics, 2011(9): 1-21.
[48] Cavaliere G. Stochastic Volatility: Selected Readings[J]. The Economic Journal, 2006,
116(512): 326-327.
[49] Chamberlain G. Funds, factors, and diversification in arbitrage pricing models[J].
Econometrica: Journal of the Econometric Society, 1983,51(5): 1305-1323.
[50] Chib S, Greenberg E. Understanding the metropolis-hastings algorithm[J]. The American
Statistician, 1995, 49(4): 327-335.
[51] Chib S. Markov chain Monte Carlo methods: computation and inference[J]. Handbook of
econometrics, 2001(5): 3569-3649.
[52] Christensen J H E, Rudebusch G D. The response of interest rates to US and UK
quantitative easing[J]. The Economic Journal, 2012, 122(564): F385-F414.
[53] Christiano L J, Eichenbaum M, Evans C L. Sticky price and limited participation models of
money: A comparison[J]. European Economic Review, 1997, 41(6): 1201-1249.
[54] Cogley T, Sargent T J. Drifts and volatilities: monetary policies and outcomes in the post
WWII US[J]. Review of Economic dynamics, 2005, 8(2): 262-302.
[55] Cooper R N. The economics of interdependence[J]. The International Executive, 1968,
10(4): 3-5.

164
 参考文献

[56] Creal D, Koopman S J, Lucas A. A dynamic multivariate heavy-tailed model for

time-varying volatilities and correlations[J]. Journal of Business & Economic Statistics,
2011, 29(4):552-563.
[57] Creal D, Koopman S J, Lucas A. Generalized autoregressive score models with
applications[J]. Journal of Applied Econometrics, 2013, 28(5): 777-795.
[58] Curdia V, Woodford M. Conventional and unconventional monetary policy[J]. CEPR
Discussion Paper No. DP7514, 2009.
[59] Curdia V, Woodford M. The central-bank balance sheet as an instrument of monetary
policy[J]. Journal of Monetary Economics, 2011, 58(1): 54-79.
[60] D'Agostino A, Gambetti L, Giannone D. Macroeconomic forecasting and structural
change[J]. Journal of Applied Econometrics, 2013, 28(1): 82-101.
[61] D'Amico S. Flow and stock effects of large-scale Treasury purchases[M]. DIANE
Publishing, 2011.
[62] Davig T, Hakkio C. What is the effect of financial stress on economic activity?[J]. Federal
Reserve Bank of Kansas City, Economic Review, 2010, 95(2): 35-62.
[63] De Jong P, Shephard N. The simulation smoother for time series models[J]. Biometrika,
1995, 82(2): 339-350.
[64] Del Negro M, Otrok C. Dynamic factor models with time-varying parameters: measuring
changes in international business cycles[R]. Federal Reserve Bank of New York Staff
Report No. 326, 2008.
[65] Dickinson D, Liu J. The real effects of monetary policy in China: An empirical analysis[J].
China Economic Review, 2007, 18(1): 87-111.
[66] Diebold F X, Nerlove M. The dynamics of exchange rate volatility: a multivariate latent
factor ARCH model[J]. Journal of Applied econometrics, 1989, 4(1): 1-21.
[67] Doan T, Litterman R, Sims C. Forecasting and conditional projection using realistic prior
distributions[J]. Econometric reviews, 1984, 3(1): 1-100.
[68] Doornik J A. Ox: object oriented matrix programming, 3.0[M]. 2001.
[69] Dufrénot G, Yehoue E B. Real exchange rate misalignment: A panel co-integration and
common factor analysis[R]. IMF Working Paper No. 05/164,2005.
[70] Dungey M, Fry R. The identification of fiscal and monetary policy in a structural VAR[J].
Economic Modelling, 2009, 26(6): 1147-1160.
[71] Durbin J, Koopman S J. A simple and efficient simulation smoother for state space time
series analysis[J]. Biometrika, 2002, 89(3): 603-616.
[72] Eggertsson G B, Woodford M. Optimal monetary policy in a liquidity trap[R]. National
bureau of economic research, 2003.
[73] Eggertsson G B, Woodford M. Policy options in a liquidity trap[J]. American Economic
Review, 2004: 76-79.
[74] Eickmeier S, Lemke W, Marcellino M. Classical time-varying FAVAR models-Estimation,
forecasting and structural analysis[M]. Discussion Paper Series 1: Economic Studies, 2011.
[75] Eickmeier S, Lemke W, Marcellino M. The changing international transmission of financial

165
 吉林大学博士学位论文

shocks: evidence from a classical time-varying FAVAR[R]. CEPR Discussion Papers, 2011.
[76] Ellis C, Mumtaz H, Zabczyk P. What lies beneath? A time-varying FAVAR model for the
UK transmission mechanism[J]. The Economic Journal, 2014, 124(576): 668-699.
[77] Engle R F, Gallo G M. A multiple indicators model for volatility using intra-daily data[J].
Journal of Econometrics, 2006, 131(1): 3-27.
[78] Engle R F, Russell J R. Autoregressive conditional duration: a new model for irregularly
spaced transaction data[J]. Econometrica, 1998: 1127-1162.
[79] Engle R F, Sheppard K. Theoretical and empirical properties of dynamic conditional
correlation multivariate GARCH[R]. National Bureau of Economic Research, 2001.
[80] Engle R. Dynamic conditional correlation: A simple class of multivariate generalized
autoregressive conditional heteroskedasticity models[J]. Journal of Business & Economic
Statistics, 2002, 20(3): 339-350.
[81] English W, Tsatsaronis K, Zoli E. Assessing the predictive power of measures of financial
conditions for macroeconomic variables[J]. BIS Papers, 2005, 22: 228—252.
[82] Eo Y. Bayesian analysis of DSGE models with regime switching[J]. Available at SSRN
1304623, 2009.
[83] Fagin S L. Recursive linear regression theory, optimal filter theory, and error analysis of
optimal systems[C]//IEEE International Convention Record. 1964, 12(Part 1): 216-245.
[84] Fan L, Yu Y, Zhang C. An empirical evaluation of China’s monetary policies[J]. Journal of
Macroeconomics, 2011, 33(2): 358-371.
[85] Farmer R E A. The effect of conventional and unconventional monetary policy rules on
inflation expectations: theory and evidence[J]. Oxford Review of Economic Policy, 2012,
28(4): 622-639.
[86] Fatas A, Kannan P, Rabanal P, Scott A. Lessons for monetary policy from asset price
fluctuations[R] World Economic Outlook, 2009. International Monetary Fund, Washington,
DC.
[87] Fleming J M. Domestic financial policies under fixed and under floating exchange rates[J].
Staff Papers-International Monetary Fund, 1962: 369-380.
[88] Franta M. Identification of monetary policy shocks in Japan using sign restrictions within
the TVP-VAR framework[R]. Institute for Monetary and Economic Studies, Bank of Japan,
2011.
[89] Fratzscher M, Lo Duca M, Straub R. A global monetary tsunami? On the spillovers of US
Quantitative Easing[J]. On the Spillovers of US Quantitative Easing (October 19, 2012),
2012.
[90] Friedman M, Schwartz A J. A monetary history of the United States, 1867-1960[M].
Princeton University Press, 1963.
[91] Frühwirth-Schnatter S. Finite mixture and Markov switching models: modeling and
applications to random processes[M]. Springer, 2006.
[92] Fry R, Pagan A. Some issues in using sign restrictions for identifying structural VARs[J].
National Centre for Econometric Research Working Paper, 2007 (14): 2007.

166
 参考文献

[93] Fujiki H, Shiratsuka S. Policy duration effect under the zero interest rate policy in
1999-2000: evidence from Japan’s money market data[J]. Monetary and Economic Studies,
2002, 20(1): 1-31.
[94] Fujiwara I. Evaluating monetary policy when nominal interest rates are almost zero[J].
Journal of the Japanese and International Economies, 2006, 20(3): 434-453.
[95] Gauthier C, Graham C, Liu Y. Financial conditions indices for Canada[R]. Bank of Canada
Working Paper No.2004-22, 2004.
[96] George E I, Sun D, Ni S. Bayesian stochastic search for VAR model restrictions[J]. Journal
of Econometrics, 2008, 142(1): 553-580.
[97] Gerba E, Hauzenberger K. Estimating US fiscal and monetary interactions in a time varying
VAR[R]. Department of Economics, University of Kent, 2013.
[98] Gerlach S. The two pillars of the European Central Bank[J]. Economic Policy, 2004, 19(40):
389-439.
[99] Gertler M, Karadi P. A model of unconventional monetary policy[J]. Journal of monetary
Economics, 2011, 58(1): 17-34.
[100] Geweke J. Using simulation methods for Bayesian econometric models: Inference,
development, and communication[J]. Econometric Reviews, 1999, 18(1): 1-73.
[101] Glick R, Hutchison M. Financial liberalization in the Pacific Basin: Implications for real
interest rate linkages[J]. Journal of the Japanese and International Economies, 1990, 4(1):
36-48.
[102] Goodhart C A E. Some new directions for financial stability?[M]. Bank for International
Settlements, 2004.
[103] Goodhart C, Hofmann B. Financial variables and the conduct of monetary policy[R].
Sveriges Riksbank Working Paper No.112, 2000.
[104] Gürkaynak R S, Sack B, Swansonc E T. Do actions speak louder than words? The response
of asset prices to monetary policy actions and statements[J]. International Journal of Central
Banking, 2005,1(1):55-93.
[105] Hamada K. A strategic analysis of monetary interdependence[J]. The Journal of Political
Economy, 1976: 677-700.
[106] Hamada K. Macroeconomic strategy and coordination under alternative exchange rates[J].
International Economic Policy, Johns Hopkins University Press, Baltimore, 1979: 292-324.
[107] Hamilton J D. Specification testing in Markov-switching time-series models[J]. Journal of
Econometrics, 1996, 70(1): 127-157.
[108] Hamilton J D. Time series analysis[M]. Princeton: Princeton university press, 1994.
[109] Hatzius J, Hooper P, Mishkin F S, et al. Financial conditions indexes: A fresh look after the
financial crisis[R]. NBER Working Paper No. 16150, 2010.
[110] He Q, Leung P H, Chong T T L. Factor-augmented VAR analysis of the monetary policy in
China[J]. China Economic Review, 2013(25): 88-104.
[111] Hetzel R L. Price stability and Japanese monetary policy [R]. FRB Richmond Working
Paper No. 04-01.

167
 吉林大学博士学位论文

[112] Honda Y, Kuroki Y, Tachibana M. An injection of base money at zero interest rates:
empirical evidence from the Japanese experience 2001-2006[R]. No. 07-08. Osaka
University, Graduate School of Economics and Osaka School of International Public Policy
(OSIPP), 2007.
[113] Hwang J D. Renminbi as number two in east asia[C]//in Proceedings of Asia-Pacific
Business Research Conference Kuala Lumpur. 2012.
[114] Jacquier E, Polson N G, Rossi P E. Bayesian analysis of stochastic volatility models[J].
Journal of Business & Economic Statistics, 2002, 20(1): 69-87.
[115] Jochmann M. Modeling US inflation dynamics: A Bayesian nonparametric approach
[R].The Rimini Center for Economic Analysis Working paper No.03-10, 2010.
[116] Kamada K, Sugo T. Evaluating Japanese monetary policy under the non-negativity
constraint on nominal short-term interest rates[J]. The bank of japan working paper series,
2006.
[117] Kazi I A, Wagan H, Akbar F. The changing international transmission of US monetary
policy shocks: Is there evidence of contagion effect on OECD countries[J]. Economic
Modelling, 2013, 30(4): 90-116.
[118] Kilian L, Murphy D P. Why agnostic sign restrictions are not enough: understanding the
dynamics of oil market VAR models[J]. Journal of the European Economic Association,
2012, 10(5): 1166-1188.
[119] Kim C J, Nelson C R. Business cycle turning points, a new coincident index, and tests of
duration dependence based on a dynamic factor model with regime switching[J]. Review of
Economics and Statistics, 1998, 80(2): 188-201.
[120] Kim C J, Nelson C R. State-space models with regime switching: classical and
Gibbs-sampling approaches with applications[J]. MIT Press Books, 1999.
[121] Kim C J. Dynamic linear models with Markov-switching[J]. Journal of Econometrics, 1994,
60(1): 1-22.
[122] Kim S, Roubini N. Exchange rate anomalies in the industrial countries: A solution with a
structural VAR approach[J]. Journal of Monetary Economics, 2000, 45(3): 561-586.
[123] Kim S, Shephard N, Chib S. Stochastic volatility: likelihood inference and comparison with
ARCH models[J]. The Review of Economic Studies, 1998, 65(3): 361-393.
[124] Kim S. International transmission of US monetary policy shocks: Evidence from VAR's[J].
Journal of Monetary Economics, 2001, 48(2): 339-372.
[125] Koop G, Korobilis D. Bayesian multivariate time series methods for empirical
macroeconomics[M]. Now Publishers Inc, 2010.
[126] Koop G, Korobilis D. Large time-varying parameter VARs[J]. Journal of Econometrics,
2013, 177(2): 185-198.
[127] Koopmans T C, Hood W C. The estimation of simultaneous linear economic
relationships[J]. Studies in Econometric Method, Cowles Commission Monograph,
1953(14): 112-199.
[128] Koopmans T C, Marschak J. Statistical inference in dynamic economic models[M]. New

168
 参考文献

York: Wiley, 1950.

[129] Korobilis D. Assessing the transmission of monetary policy using time-varying parameter
dynamic factor models*[J]. Oxford Bulletin of Economics and Statistics, 2013, 75(2):
157-179.
[130] Krippner L. A tractable framework for zero-lower-bound Gaussian term structure models[J].
2013.
[131] Krugman P R, Dominquez K M, Rogoff K. It's back: Japan's slump and the return of the
liquidity trap[J]. Brookings Papers on Economic Activity, 1998: 137-205.
[132] Krugman P R. What happened to Asia[M]. Springer US, 1999.
[133] Kuttner K N. Comments on ‘Price stability and Japanese monetary policy’(2)[J]. Monetary
and Economic Studies, 2004, 22(3): 37-46.
[134] Leontief W W. The structure of the U.S. economy[M]. Oxford University Press, New
York.1951.
[135] Lin W L. The sources of intra daily volatility in the foreign exchange market: A multivariate
factor GARCH approach[J]. Unpublished manuscript (Department of Economics,
University of Wisconsin, Madison, WI), 1989.
[136] Liu P, Mumtaz H, Theophilopoulou A. The transmission of international shocks to the UK.
Estimates based on a time-varying factor augmented VAR[J]. Journal of International
Money and Finance, 2014, 46(C): 1-15.
[137] Lopes H F, Carvalho C M. Factor stochastic volatility with time varying loadings and
Markov switching regimes[J]. Journal of Statistical Planning and Inference, 2007, 137(10):
3082-3091.
[138] Lopes H F, McCulloch R E, Tsay R S. Cholesky stochastic volatility[R]. August 2 2011,
discussion paper, 2011.
[139] Lopes H F, West M. Bayesian model assessment in factor analysis[J]. Statistica Sinica, 2004,
14(1): 41-68.
[140] Lucas Jr R E. Expectations and the Neutrality of Money[J]. Journal of economic theory,
1972, 4(2): 103-124.
[141] Lucca D O, Trebbi F. Measuring central bank communication: an automated approach with
application to FOMC statements[R]. NBER Working Paper No. 15367, 2009.
[142] Matĕjů J. Explaining the strength and the efficiency of monetary policy transmission: A
panel of impulse responses from a time-varying parameter model[R]. IES Working Paper,
2013.
[143] Mayes D G, Virén M. Financial conditions indexes[R].University of Otago Department of
Finance Seminar Series. 2002.
[144] Meade J E. The Theory of International Economic Policy. Vol. 1: The Balance of Payments
Mathematical Supplement[M]. Oxford University Press, 1951.
[145] Meier A. Panacea, curse, or nonevent? Unconventional monetary policy in the United
Kingdom[M]. International Monetary Fund, 2009.
[146] Mishkin F S. Housing and the monetary transmission mechanism[R]. NBER Working Paper

169
 吉林大学博士学位论文

No. 13518, 2007.

[147] Mishkin F S. Globalization, macroeconomic performance, and monetary policy[J]. Journal
of Money, Credit and Banking, 2009, 41(s1): 187-196.
[148] Mönch E. Term structure surprises: the predictive content of curvature, level, and slope[J].
Journal of Applied Econometrics, 2012, 27(4): 574-602.
[149] Morgan P. Impact of US quantitative easing policy on emerging Asia[J]. 2011.
[150] Mumtaz H, Sunder‐Plassmann L. Time-varying dynamics of the real exchange rate: an
empirical analysis[J]. Journal of Applied Econometrics, 2013, 28(3): 498-525.
[151] Nakajima J, West M. Bayesian analysis of latent threshold dynamic models[J]. Journal of
Business & Economic Statistics, 2013, 31(2): 151-164.
[152] Nakajima J, West M. Dynamic factor volatility modeling: A Bayesian latent threshold
approach[J]. Journal of Financial Econometrics, 2012, 11(1): 116-153.
[153] Nakajima J. Bayesian Analysis of Latent Threshold Models[D]. Duke University, 2012.
[154] Nakajima J. Monetary policy transmission under zero interest rates: An extended
time-varying parameter vector autoregression approach[J]. The BE Journal of
Macroeconomics, 2011, 11(1):1-24.
[155] Nakajima J. Time-varying parameter VAR model with stochastic volatility: An overview of
methodology and empirical applications[R]. Institute for Monetary and Economic Studies,
Bank of Japan, 2011.
[156] Neely C J. The large scale asset purchases had large international effects[M]. Federal
Reserve Bank of St. Louis, Research Division, 2010.
[157] Obstfeld M, Rogoff K. The mirage of fixed exchange rates[R]. National bureau of economic
research, 1995.
[158] Okina K, Shiratsuka S. Policy commitment and expectation formation: Japan’s experience
under zero interest rates[J]. The North American Journal of Economics and Finance, 2004,
15(1): 75-100.
[159] Peersman G. Macroeconomic effects of unconventional monetary policy in the Euro area.
CEPR Discussion Paper No. DP8348, 2011.
[160] Peersman G. What caused the early millennium slowdown? Evidence based on vector
autoregressions[J]. Journal of Applied Econometrics, 2005, 20(2): 185-207.
[161] Phelps E S, Taylor J B. Stabilizing powers of monetary policy under rational expectations[J].
The Journal of Political Economy, 1977: 163-190.
[162] Pinheiro J C, Bates D M. Unconstrained parametrizations for variance-covariance
matrices[J]. Statistics and Computing, 1996, 6(3): 289-296.
[163] Pitt M K, Shephard N. Filtering via simulation: Auxiliary particle filters[J]. Journal of the
American statistical association, 1999, 94(446): 590-599.
[164] Pourahmadi M. Joint mean-covariance models with applications to longitudinal data:
Unconstrained parameterisation[J]. Biometrika, 1999, 86(3): 677-690.
[165] Prado R, West M. Time series: modeling, computation, and inference[M]. CRC Press, 2010.
[166] Primiceri G E. Time varying structural vector autoregressions and monetary policy[J]. The

170
 参考文献

Review of Economic Studies, 2005, 72(3): 821-852.

[167] Rafiq M S, Mallick S K. The effect of monetary policy on output in EMU3: a sign
restriction approach[J]. Journal of Macroeconomics, 2008, 30(4): 1756-1791.
[168] Raftery A E, Kárný M, Ettler P. Online prediction under model uncertainty via dynamic
model averaging: Application to a cold rolling mill[J]. Technometrics, 2010, 52(1): 52-66.
[169] Reifschneider D, Williams J C. Three lessons for monetary policy in a low-inflation era[J].
Journal of Money, Credit and Banking, 2000,32(4): 936-966.
[170] Reinhart V R. Securing the peace after a truce in the war on inflation[M]. Institute for
Monetary and Economic Studies, Bank of Japan, 2004.
[171] Roll R. Industrial structure and the comparative behavior of international stock market
indices[J]. The Journal of Finance, 1992, 47(1): 3-41.
[172] Rose P S, Marquis M H, Lu J. Money and capital markets[M]. McGraw-Hill/Irwin, 2008.
[173] Ruiz I. Common volatility across Latin American foreign exchange markets[J]. Applied
Financial Economics, 2009, 19(15): 1197-1211.
[174] Say J B. Traitéd'économie politique: ou simple exposition de la manière dont se forment, se
distribuent et se consomment les richesses[M]. O. Zeller, 1846.
[175] Schervish M J, Tsay R S. Bayesian modeling and forecasting in autoregressive models[J].
Bayesian Analysis of Time Series and Dynamic Models, 1988: 23-52.
[176] Schorfheide F. Loss function-based evaluation of DSGE models[J]. Journal of Applied
Econometrics, 2000, 15(6): 645-670.
[177] Schwartz A. Why financial stability depends on price stability[J]. Economic Affairs, 1995,
15(4): 21-25.
[178] Shephard N, Omori Y. Stochastic volatility with leverage: fast likelihood inference[R].
2004.
[179] Sims C A, Zha T. Were there regime switches in US monetary policy?[J]. American
Economic Review, 2006, 96(1): 54-81.
[180] Sims C A. Macroeconomics and reality[J]. Econometrica: Journal of the Econometric
Society, 1980: 1-48.
[181] Sims C A. Money, income, and causality[J]. The American Economic Review, 1972:
540-552.
[182] Smith M, Kohn R. Parsimonious covariance matrix estimation for longitudinal data[J].
Journal of the American Statistical Association, 2002, 97(460).
[183] Smith R L, Miller J E. A non-Gaussian state space model and application to prediction of
records[J]. Journal of the Royal Statistical Society. Series B (Methodological), 1986: 79-88.
[184] Spahn, H. P., 2007, Two-Pillar monetary policy and bootstrap expectations[R]. Hohenheim
Discussion Paper, No. 282.
[185] Spiegelhalter D J, Best N G, Carlin B P, et al. Bayesian measures of model complexity and
fit[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 2002,
64(4): 583-639.
[186] Stevanovic D. Common sources of parameter instability in macroeconomic models: A

171
 吉林大学博士学位论文

factor-TVP approach[R]. unpublished manuscript, University of Pennsylvania.2010.

[187] Stigum M. The money market[M]. Homewood, IL: Dow Jones-Irwin, 1983.
[188] Stock J H, Watson M W . Macroeconomic forecasting using diffusion indexes [J]. Journal
of Business & Economic Statistics,2002,20(2):147-162.
[189] Stock J H, Watson M W. Dynamic factor models[J]. Oxford Handbook of Economic
Forecasting. Oxford University Press, USA, 2011: 35-59.
[190] Stock J H, Watson M W. Forecasting using principal components from a large number of
predictors[J]. Journal of the American statistical association, 2002, 97(460): 1167-1179.
[191] Swiston A J. Where have the monetary surprises gone? The effects of FOMC statements[R].
IMF Working Papers No. 07/185, 2007: 1-24.
[192] Teh Y W, Jordan M I, Beal M J, Blei D M. Hierarchical Dirichlet processes [J]. Journal of
the American Statistical Association 2006,101(476): 1566-1581.
[193] Tierney L. Markov chains for exploring posterior distributions[J]. the Annals of Statistics,
1994: 1701-1728.
[194] Trichet J. Credible alertness revisited [R].Speech at the symposium on financial stability
and macroeconomic policy,2009.
[195] Uhlig H. What are the effects of monetary policy on output? Results from an agnostic
identification procedure[J]. Journal of Monetary Economics, 2005, 52(2): 381-419.
[196] Vargas-Silva C. Monetary policy and the US housing market: A VAR analysis imposing
sign restrictions[J]. Journal of Macroeconomics, 2008, 30(3): 977-990.
[197] Wang H. Sparse seemingly unrelated regression modelling: Applications in finance and
econometrics[J]. Computational Statistics & Data Analysis, 2010, 54(11): 2866-2877.
[198] Wang X, Dennis L, Tu Y S J. Measuring financial condition: A study of US states [J]. Public
Budgeting & Finance, 2007, 27(2): 1-21.
[199] Watanabe T, Omori Y. A multi-move sampler for estimating non-Gaussian time series
models: Comments on Shephard & Pitt (1997)[J]. Biometrika, 2004: 246-248.
[200] West M, Harrison J. Bayesian forecasting and dynamic models[M]. New York: Springer,
1997.
[201] Willsky A S, Sudderth E B, Jordan M I, et al. Nonparametric Bayesian learning of switching
linear dynamical systems[C]//Advances in Neural Information Processing Systems. 2009:
457-464.
[202] Woodford M. Methods of policy accommodation at the interest-rate lower bound[C]//The
Changing Policy Landscape: 2012 Jackson Hole Symposium. Federal Reserve Bank of
Kansas City, 2012.
[203] Wu J C, Xia F D. Measuring the macroeconomic impact of monetary policy at the zero
lower bound[R]. National Bureau of Economic Research, 2014.
[204] Zhou S. Exchange rate systems and linkages in the Pacific Basin[J]. Atlantic Economic
Journal, 1998, 26(1): 66-84.

172
 攻读学位期间发表的学术论文及取得的科研成果

攻读学位期间发表的学术论文及取得的科研成果

1. 已发表与博士论文相关的学术论文

[1] 美国非常规货币政策冲击下中国利率期限结构动态响应研究，
《国际金融研究》，2015
年第 1 期，第一作者;
[2] 中国金融状况指数构建及货币市场稳定性研究，
《上海经济研究》，2014 年第 8 期，第
一作者;
[3] 货币供给、通货膨胀与产出波动的动态效应研究: 1992-2013，
《南方经济》
，2014 年第
2 期，除导师外第一作者;
[4] 政策不确定下中国股市与宏观经济相关性的非对称效应研究，
《当代财经》，2014 年第
1 期，除导师外第一作者;
[5] 2014 年中国金融状况分析与展望，《经济蓝皮书春季号：2014 年中国经济前景分析》
，
社会科学文献出版社，2014，除导师外第一作者;
[6] 不同协方差矩阵下多周期 M—V 投资策略，
《金融管理研究》，2013 年第 2 期，除导
师外第一作者;
[7] 分行业公允价值相关性实证研究——基于 A 股市场面板数据，
《南京审计学院学报》
，
2013 年第 1 期，第三作者;
[8] 当前中国金融压力运行态势分析与展望，
《经济蓝皮书：2013 年中国经济形势分析与
预测》
，社会科学文献出版社，2012，除导师外第一作者;
[9] 我国金融压力运行态势分析与展望，
《科技促进发展》，2012 年第 9 期，除导师外第一
作者；

2. 参与的科研项目

[1] 项目名称：中国系统性金融风险防范与金融稳定性计量研究
项目来源：教育部人文社会科学重点研究基地重大项目
项目编号：14JJD790043
[2] 项目名称：系统性金融风险与宏观审慎监管研究
项目来源：国家社科基金项目
项目编号：12BJY158
[3] 项目名称：
“十二五”期间我国金融风险监测预警研究
项目来源：国家社科基金重大项目

173
 吉林大学博士学位论文

项目编号：10ZD&010
[4] 项目名称：金融危机对我国经济金融冲击的动态计量与国家金融安全预警研究
项目来源：教育部人文社会科学重点研究基地重大项目
项目编号：2009JJD790015

3. 撰写的研究报告

[1] 吉林省社会融资总量统计分析报告，吉林省金融办决策咨询报告；
[2] 远通矿业、惠达投资管理有限公司财务顾问报告，国家开发银行吉林省分行项目；

174
 致 谢

致 谢

醉墨轩寒来暑往，苦耕耘春华秋实，不经意间今年已是我在长春求学的第十个年头。
看着案头一本厚厚的约 14 万字的成稿，欣慰和幸福的感觉盈满心头。“幸福是什么”是一
个老生常谈的问题，古往今来对这个问题的解答也是千奇百怪。2004 年在《读者》十月刊
的一篇短文中发现经济学别出心裁地将幸福指数定义为效用与期望的比值，自此懵懂少年
满揣经世济国的梦想踏入了经济学的大门。海阔凭鱼跃，天高任鸟飞，在知识的海洋里快
乐地吮吸着先哲和当代学术大腕们的精华，内心从来都能感觉到充实。做自己喜欢做且做
得好的事，夫复何求！
在吉林大学硕博期间的这五年也是我人生中的一段幸福时光。首先，我要感谢我的恩
师陈守东教授，是您的言传身教的为人处世作风和孜孜不倦的求知精神鼓舞着我，是您和
师母如慈父、慈母般的关爱温暖着我，让离家两千多公里的游子从未感觉到孤独。
我还要感谢培养我的吉林大学商学院和吉林大学数量经济研究中心的各位老师，感谢
刘金全教授、张屹山教授、赵振全教授、张世伟教授、庞晓波教授、孙巍教授、董直庆教
授、邓创副教授、冯永琦副教授、于震副教授，感谢你们传授给我知识和对我论文的指导。
同时，我还要感谢 Bank of Japan 的 Jouchi Nakajima 博士、Česká Národní Banka 的
Jakub Mateju 博士、Charles University 的 Jaromir Baxa 博士、Duke University 的 Gary Koop
教授、Universitat Autonoma de Barcelona 的 Luca Gambetti 助教授，频繁的电子邮件互动
交流不仅加深了我对本文相关章节理论层面的思考，还为后续模型参数估计和算法优化打
开了思路。
此外，我还要感谢硕博期间同窗室友和师门同仁。感谢胡铮洋师兄、唐亮师兄、马辉
师兄、杨东亮师兄、张凤元师兄、谷家奎师兄、陶治会师兄、王寅师兄、刘洋师兄、刘琳
琳师姐、王淼师姐、高艳师姐、王妍师姐、章秀师妹、张丁育师妹、杜慧卿师妹、吴颖师
妹、汪达师弟、毛志方师弟和孙彦林师弟，怀念在青春激昂的日子里大家共同走过的岁月。
最后，还要感谢王聪、吉宗祥、程玺和王丝雨，你们是我的榜样和最好的朋友。感谢
我最爱的父母，谢谢你们始终如一的支持和理解，你们的爱我永远牢记在心！
附诗一首，以叙情怀：
毕业感怀
柳曳英纷奏春弦，一荣一枯逝华年。
告别荆楚赴东北，不恋天池爱校园。
净月立志览群书，吉大殚力读硕博。
自惭腹中学识浅，实现理想衣锦还。

乙未年于匡亚明楼

175