实验一:货币政策中介指标选择实验
实验项目开发背景
近年来,伴随着我国金融总量呈现快速扩张的态势,金融结构开始多元地发展,金融产品和融资工具也在不断创新。在这样的一个过程中,融资的提供主体由传统的银行机构,扩大到证券、保险等其他非存款性金融公司。同时,对实际经济运行产生重大影响的金融变量也从传统意义上的货币和信贷,延伸到信托、理财、债券和股票等其他金融资产。因此,只有将商业银行表外业务、非银行金融机构提供的资金和直接融资都纳入统计范畴,才能全面监测和分析整个社会融资的实际状况。面对新的环境和要求,金融宏观调控迫切需要确定更为合适的统计监测指标和宏观调控中间目标。
我国于20世纪90年代后期提出以M2作为货币政策中介目标,但随着金融结构的多元化发展,其作为中介目标的有效性有所降低,社会融资规模这一指标开始进入我们的视野。2010年12月和2011年12月两次中央经济工作会议,2011年3月和2012年3月两份《政府工作报告》中均提出“保持合理的社会融资规模”,社会融资规模已成为我国宏观调控的新指标之一。2011年起,中国人民银行正式统计和公布社会融资规模数据。2012年9月13日,人民银行公布了自2002年以来我国社会融资规模月度、年度的总量和结构数据。2012年9月17日发布的《金融业发展和改革“十二五”规划》提出:合理调控货币信贷总量,保持合理的社会融资规模。在继续关注货币供应量、新增贷款等传统中间目标的同时,发挥社会融资规模在货币政策制定中的参考作用。社会融资规模概念的提出是我国货币政策理论和实践的重大创新,对提高金融宏观调控的有效性和推动金融市场健康发展具有重大影响。
本次实验是一个代表性实验项目,由金融学院李建军教授设计,邓理助教和韩珣同学参与开发。通过对货币政策中介指标选择的实验项目,能够加强学生对货币政策、宏观经济问题的理解。同时,通过数据搜集、建立模型、计量软件的使用能够提高学生利用计量软件进行实证分析的能力,为以后更加深入的研究奠定坚实的基础。
一、实验目的
(1)通过本实验检验评判社会融资规模是否可以作为货币政策中介指标,与M2相比,它具有怎样的优势。
(2)收集中国2001—2015年季度M2、CPI、GDP、社会融资规模等数据,掌握各指标数据来源,并对序列数据进行统计描述,探究货币政策中介指标与目标变量之间的关系。掌握各指标数据的收集与处理方法;M2、社会融资规模、GDP、CPI等时间序列数据的稳定性检验方法,以及使用EVIEWS建立多元回归模型的方法。
(3)理论联系实际,分析货币政策中介指标与产出和通胀等目标变量之间的关系,探究如何提高货币政策效果。
二、实验准备
(1)理论准备方面,要求回顾“金融学”中关于货币政策的理论分析框架,货币政策传导机制,影响货币政策效果的因素与检验方法;社会融资规模指标设计原理与内容。
(2)数据的搜集与预处理方面,需要准备如下数据内容。
①收集和处理有关社会融资规模数据,包括社会融资规模月度数据,社会融资规模地区数据,分析数据的变化趋势。
②收集和处理有关货币供应量的数据,主要是M2总量、名义增长率等数据。
③收集和处理有关经济增长、物价水平等指标及其数据,包括名义GDP总量,CPI、实际GDP增长率等数据;通过国家统计局网站下载国内生产总值季度数据,CPI月度环比数据,通过中经网下载国内生产总值实际增长率季度同比数据,广义货币总量季度数据。其中,由于社会融资规模数据由2002年第一季度开始,所以以2002年第一季度为基期。
对以上数据进行预处理,使各指标在数据属性上基本一致,进而建立实验数据集。
(3)实验技术与软件原理应用方面,需准备以下数据内容。
①熟悉EViews软件,掌握基本的操作技能。应用统计软件对GDP、CPI、M2、社会融资规模等序列数据进行描述性统计分析。
②对中介指标与目标变量之间进行格兰杰因果检验,评判构建相应计量模型的可行性。
三、实验数据/案例
数据来源:RESSET数据库、中经数据库、CEIC数据库、中国人民银行网站等。数据为时间序列数据,详见本实验附录。
四、实验过程
1 社会融资规模数据的初步分析
社会融资规模,总的来说是指实体经济在一定时期之内从金融体系获得的资金总额,它能全面反映金融与经济的关系,以及金融对实体经济资金支持。其中,社会融资总量就是金融业对实体经济的年度新增融资总量,这既包括银行体系的间接融资,又包括资本市场的债券、股票等市场的直接融资。
该指标的内涵主要体现在三个方面:一是金融机构通过资金运用对实体经济提供的全部资金支持,即金融机构资产的综合运用,主要包括人民币各项贷款、外币各项贷款、信托贷款、委托贷款、金融机构持有的企业债券、非金融企业股票、保险公司的赔偿和投资性房地产等。二是实体经济利用规范的金融工具、在正规金融市场、通过金融机构服务所获得的直接融资,主要包括银行承兑汇票、非金融企业股票筹资及企业债的净发行等。三是其他融资,主要包括小额贷款公司贷款、贷款公司贷款、产业基金投资等。从机构看,包括银行、证券、保险等金融机构;从市场看,包括信贷市场、债券市场、股票市场、保险市场以及中间业务市场等。具体来看,社会融资规模主要包括人民币贷款、外币贷款、委托贷款、信托贷款、未贴现的银行承兑汇票、企业债券、非金融企业境内股票融资、保险公司赔偿、投资性房地产和其他金融工具融资十项指标。
近年来,伴随着我国金融总量呈现快速扩张的态势,金融结构开始多元地发展,金融产品和融资工具也在不断创新。在这样的一个过程中,融资的提供主体由传统的银行机构,扩大到证券、保险等其他非存款性金融公司。同时,对实际经济运行产生重大影响的金融变量也不仅包括传统意义上的货币和信贷,还包括信托、理财、债券和股票等其他金融资产,只有将商业银行表外业务、非银行金融机构提供的资金和直接融资都纳入统计范畴,才能全面监测和分析整个社会融资的状况。面临着新的环境和要求,金融宏观调控迫切需要确定更为合适的统计监测指标和宏观调控中间目标,对于这样的要求,社会融资规模这一指标开始受到考虑。所以2010年年底中央经济工作会议首次提出“保持合理的社会融资规模”,时任国务院总理温家宝在部署一季度工作时也强调“保持合理的社会融资规模和节奏”。
同时,社会融资规模概念的提出是我国货币政策理论和实践的重大创新,对提高金融宏观调控的有效性和推动金融市场健康发展具有重大影响,这主要表现在以下几个方面:一是有利于促进直接融资发展,改善企业融资结构;二是有利于促进金融宏观调控更具有针对性和有效性;三是有利于促进金融宏观调控机制的市场化改革;四是有利于加强金融对实体经济的支持。
本实验的第一步是收集和处理有关社会融资规模数据,了解其编制和提出背景、经济含义、构成、变化趋势,同时对序列进行观察描述。图1-1为2002—2015年社会融资规模的季度时间序列数据,从整体上可以看出我国的社会融资规模处于上升趋势,但是波动较大。从增速本身看,社会融资规模存量的增速最高为2010年1月的34.4%,最低为2005年9月的11.8%,2008年第四季度有一个明显的突破上升,这与当时国家的“四万亿”计划有密切关系。近年来金融环境几度动荡,冲击了我国的经济环境,而金融创新的快速发展导致传统银行体系外的融资工具增长加快,推动社会融资规模快速上升。
图1-1 2002—2015年中国社会融资规模变化
2 货币供应量、经济增长与价格水平指标数据的初步分析
2.1 M2数据变化分析
货币供应量M2变化趋势如图1-2所示。M2数据为季度数据,为方便与GDP进行对比,利用该数据计算得到M2季度同比增长率,记为M2r。图1-2为M2与M2r的时间序列。2002年以来,我国M2总量呈稳步快速增长态势,2008—2012年激增50万亿元,几乎翻倍,2008年金融危机对我国经济产生了一定的冲击。为应对外部需求萎缩导致的经济增长乏力问题,中央政府推出4万亿元刺激计划,采取财政信贷双松政策,流动性投放较多,广义货币M2大幅上涨。
图1-2 2002—2015年中国M2变化
2.2 GDP数据变化分析
国内生产总值(GDP)变化如图1-3所示。从图中可以看出,近年来不论是名义GDP还是实际GDP都在以较快速度增长。2002年突破了10万亿元,2002—2007年,我国GDP增长率处于较高水平,2008年由于金融危机等因素的冲击,增速放缓,2009年出现反弹,2010年以后增速再次放缓。在观测期内,中国GDP平均增长率达到了10.5%,而同期全球GDP增速仅为3.9%左右。
对于实际GDP,采用2002年季度不变价GDP为初始值,利用季度同比实际增长率计算实际GDP,例如,计算2003年第一季度,则利用2002年第一季度GDP总量乘(1+实际增长率),以此类推得到2002—2015年的实际GDP数据,再利用下一季度减去上一季度得到季度实际GDP值。
2011年,收入差距的扩大与产业结构的不完善,以及环境带来的压力对我国GDP的影响开始显现,同时应当注意到那些影响中国经济健康平稳发展的负面因素:高投入、高消耗的发展模式仍未摆脱;技术创新与科技进步不足将拖累经济增长的活力;人口红利逐步消失,劳动力成本上升将考验经济景气程度;房地产、地方债务、影子银行、国企垄断等问题仍对经济发展存在巨大的系统性风险,等等。2014年,中国GDP总量突破10万亿美元,居全球第二位,已经是名副其实的经济大国,在这一体量下再追求高速度是很难持续的。随着增速回调、结构调整加快,经济运行中出现许多新现象、新特征,将是中国经济发展体制转型的新常态。2002—2015年中国GDP总量与增长率如图1-3所示。
图1-3 2002—2015年中国GDP总量与增长率
2.3 CPI数据的初步分析
消费者物价指数(CPI)定基指数与季度环比变化趋势如图1-4、图1-5所示。对于CPI定基比,将2002年1月定为基数100,利用公式:本季度CPI定基比=(本季度CPI环比值×上季度CPI定基比)/100,可以得到以2002年1月为100的CPI定基比数据,再进行季度筛选,利用所得数据计算实际CPI增长率。在观测期内,CPI最高103.1,最低97.9。物价水平总体呈现较低水平,低于100的有15个观测时点,而大于103的时点仅有1次。表明国内通货膨胀水平总体处于温和态势。
图1-4 2002—2015年中国的定基CPI指数变化
图1-5 2002—2015年中国的季度环比CPI变化
中国的CPI由食品、烟酒及用品、衣着、家庭设备、医疗保健、交通通信、娱乐教育文化、居住等八大类产品价格构成,其中食品所占权重约为34%,娱乐教育文化所占权重约为14%,居住所占13%,交通通信所占权重为10%,医疗保健个人用品所占权重约为10%,衣着所占权重为9%,家庭设备及维修服务所占权重为6%,烟酒及用品所占权重为4%。如图1-5所示,我国的CPI水平总体上在正常范围波动,2008年以前曾达到较高的水平,由于金融危机的冲击,经济增速放缓,出现通货紧缩压力,CPI应声下降。对于CPI定基比,其反映了2002年以来物价变动的实际走势,由于经济的高速发展与劳务成本的上升等因素,我国物价保持着一定速度的增长态势,根据CPI增速可以看到,这样的低水平增速处于合理波动范围,我国目前处于深化改革的原因是可以理解的。
对于我国CPI的走势变动,不宜简单地归结于货币总量增加,但资金在不同行业之间的流动,确实造成了一些行业商品价格的上涨。而作为重要权重,食品类商品价格的上涨主要归因于居民对农产品供给风险加剧的担忧。对于这样的情况,我国要做到:首先,要稳定发展粮食生产,加强耕地保护和农田水利建设,积极推进农业结构战略性调整;其次,对M2、M2/GDP、CPI等相应指标走势仍应当保持跟踪观察,由于我国目前经济复苏的基础尚不牢固,过早地实施紧缩性货币政策对经济复苏的过程可能造成一系列的负面影响,因此应当保持货币政策的连续性与稳定性;最后,努力消除行政障碍,进一步拓展和完善投资渠道和平台建设,引导民间资本流向,避免资金在不同行业的大幅流动而导致的价格波动。
3 货币政策中介指标与目标变量的格兰杰因果检验
两件事情相关并不说明其之间具有因果关系,对于两个变量之间是否具有因果关系,格兰杰因果检验是一种有效的检验方法。对CPI利用2002年1月为100的定基比采取季度环比计算处理,得到CPI季度环比,对其进行对数处理得到LnCPI;季度实际GDP(EViews季节处理后)、M2增长量、社会融资规模分别进行对数处理。利用EViews对各变量进行格兰杰因果检验,结果如表1-1所示。
表1-1 货币政策中介指标与目标变量之间的格兰杰因果检验
如表1-1所示,社会融资规模与M2都与CPI、GDP之间存在显著的格兰杰因果关系,其中GDP与M2和社会融资规模间存在双向格兰杰因果关系,所以社会融资规模与M2都是引起CPI、GDP变化的格兰杰因,社会融资规模与M2都具有货币政策中介指标属性。
4 货币政策中介指标与目标变量之间的关系模型
传统的计量方法建立模型时往往要满足外生变量对内生变量有影响而内生变量对外生变量没有影响的假设,这要求内外生变量无论在作用方向还是因果关系上都需要是单向关系。
根据格兰杰因果检验的结果,可以看到M2、社会融资规模与GDP之间存在着双向的关系,这就不能使用传统的统计模型。对于这种情况,Sims在1980年提出了向量自回归模型(VAR),它利用模型中所有当期变量对所有变量的若干滞后变量进行回归,用数据刻画模型的动态结构,可以不需要对模型中内生性和外生性做出假定。所以对于中介指标与目标变量之间的关系,采取VAR模型是较为适当的方法。
4.1 时间序列平稳性检验
首先需要对变量进行平稳性检验,这其中单位根检验是较为标准的检验方式,所以在此采用ADF法对四个变量进行单位根检验,结果如表1-2所示。
表1-2 Ln社会融资规模、LnGDP、LnM2、LnCPI序列单位根检验结果
从ADF检验的结果可以看出各变量原始序列是不平稳的,在一阶差分之后达到了平稳,所以四个序列都是一阶单整的。
4.2 Johansen协整检验
进入VAR模型的序列要求是平稳或者是协整的,ADF单位根检验已经证明四个序列为一阶单整序列,所以需要分析其是否存在协整关系,利用EViews的Johansen协整检验方法分别对以社会融资规模和M2作为中介指标时进行检验,结果如表1-3、表1-4所示。
表1-3 以社会融资规模为中介指标时各序列Johansen协整检验结果
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
** MacKinnon-Haug-Michelis (1999) p-values
表1-4 以M2为中介指标时各序列Johansen协整检验结果
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
** MacKinnon-Haug-Michelis (1999) p-values
Trace test与Max-eigenvalue test结果均显示存在着两个协整关系,这说明了序列之间存在着长期均衡。随后可以构建VAR模型,若模型稳定,还可继续进行脉冲响应分析与方差分解。
4.3 VAR模型构建
记Ln社会融资规模为LnSC,基于以上的检验结果构建VAR模型如下:
其中,ε为各自误差,i为待确定滞后项。估计VAR的第一步就是确定最优滞后阶数,利用EViews滞后阶数标准检验Lag Length Criteria得出模型的最优滞后阶数为2。估计出VAR模型后先采用AR单位根检验评估模型稳定性,结果如图1-6所示。
图1-6 单位根分布检验
4.4 单位根检验
如图1-6所示,所有单位根的模的倒数均分布在单位圆内,说明模型是稳定的。
估计所得VAR模型结果中中介指标与经济指标之间系数与 t 检验值结果在表1-5中,可以看到,M2对CPI的一阶影响与对GDP的二阶影响并不显著,然而M2对GDP存在一阶滞后的正向影响,说明货币量的提升促进了经济的发展。而在二阶滞后对CPI存在负向的影响,出现该结果可能的原因是货币政策有可能会受到经济运行周期的影响,人们对经济运行的预期不会因货币政策冲击而马上改变。
表1-5 VAR模型系数结果及t检验值
注:*代表显著性水平 α 为0.1水平显著,**代表显著性水平 α 为0.05水平显著,***代表显著性水平 α为0.01水平显著。
对于社会融资规模,可以看到其一阶影响均不显著,与实验预期并不相符合,这可能是由于VAR模型各个滞后期的敏感程度不同所造成。而其对CPI的二阶影响高度显著,说明了社会融资规模不仅对CPI的影响存在一定的滞后性,而且会产生较为明显的正向影响。
4.5 脉冲响应分析
脉冲响应函数表达的是在一个VAR模型中,其中的一个内生变量的冲击对其他的内生变量所带来的影响和冲击,也就是某个变量以前的值影响着系统中其他变量值的输出,可以更明晰地反映各个指标之间的影响方向和幅度。上文结果显示VAR模型满足稳定性的条件,并且所包含的变量间具有格兰杰因果关系,则可以进行脉冲响应分析,利用EViews相关功能,得出反应图象如图1-7所示,其中横轴表示冲击作用的滞后期数,纵轴表示相应变量的变化量。
图1-7 脉冲响应结果
图1-7中上半部分的两图分别表示CPI受到M2与社会融资规模的冲击后的反应变化,可以看出,在初始阶段CPI会有一个小幅度的下降,随后攀升再回落,程度上CPI对社会融资规模冲击的反应会更加剧烈,这说明了一单位的社会融资规模对居民消费物价指数的冲击大于一单位的M2;图中下半部分两图则分别表示GDP受到M2与社会融资规模冲击后的反应变化,从中可以看出M2对GDP的冲击效果最初表现为反向冲击,这与上文所分析的经济运行惯性表现一致,而图中所显示的GDP对社会融资规模冲击的反应却不同,起初它表现为同向的冲击,这是因为社会融资规模反映了公众的融资需求,传导过程较为简单,可以看出反应程度明显大于M2,说明GDP对社会融资规模的冲击反应更为敏感。
根据脉冲反应结果来看,两种待选中介指标均会对经济变量产生一定的影响,这进一步印证了M2与社会融资规模是可以选取作为中介指标的。比较而言,一单位社会融资规模的变化带来的影响均大于一单位货币供应量变动带来的影响,这说明了在中介指标中采取社会融资规模可以提升货币政策的有效性。
4.6 方差分解
方差分解能给出每个扰动因素影响VAR模型中各个变量的相对程度,同时能预测残差的标准差由不同冲击影响的比例,即对应内生变量对标准差的贡献比例,进一步评价不同结构冲击的重要性。对估计出的VAR模型采用方差分解,截取GDP与CPI的部分,结果如表1-6所示。
表1-6 方差分解
由表1-6可知,各个经济指标对自身的贡献率最大,CPI对自身的贡献随着时间的推移而递减,GDP对自身的贡献则随时间递增。
对于CPI, M2的贡献率在前6期有着明显的递增趋势,随后稳定在6.4%左右;社会融资规模的贡献率则由第二期的2.42%猛增至第三期的17.6%,并在缓慢回落后稳步上升至18%。比较来看,社会融资规模对CPI的解释程度较高,而M2则一直低于7%,从这个角度上来看,社会融资规模与CPI的相关性要高于M2。
对于GDP, M2的贡献率一路缓慢增长,在第九期达到高点2.83%之后,回落至2.67%;社会融资规模的贡献率在第二期就突破了3%,在接下来的两期突破4%之后缓慢回落,在第九期触碰到低位2.62%之后回升至2.99%。从反应时间的层面来看,GDP对社会融资规模较为敏感。
综合以上考虑,M2对GDP与CPI的解释程度都不高,而社会融资规模则在时间敏感度与解释程度上都占据优势,在不能直接替代M2成为中介目标的情况下,加入社会融资规模对于货币政策的有效性会有所提升。
5 M2与社会融资规模之间的长期、短期关系
5.1 长期关系
M2、社会融资规模增量之间是否存在长期稳定关系?经整理后的时间序列如图1-8所示。
图1-8 M2与社会融资规模时间序列
如图1-8所示,近年来M2与社会融资规模走势呈现高度的一致,经计算,其相关系数为0.85,那么有理由认为M2与社会融资规模之间存在着长期的稳定关系。
协整检验是检验长期关系的有力方法,如果变量间存在协整关系,那么季节影响与随机干扰只会使变量暂时偏离,长期还是能达到均衡。由于此处变量仅为两个,所以采用EG两步法检验协整关系。第一步,先用单位根方法求出两变量单整的阶。利用ADF单位根检验得到M2与社会融资规模均为一阶单整,所以进入第二步。利用OLS法估计长期均衡方程,如表1-7所示。对残差进行单位根检验(结果如表1-8所示),得出两者具有长期均衡关系。
表1-7 OLS回归
表1-8 残差的ADF单位根检验结果
5.2 短期关系
两个协整的变量在短期内可能是不均衡的,要想描述这种不均衡关系的动态结构就需要用到误差修正模型(ECM)。虽然协整关系会使得变量在长期如一个整体一般同向变动,但是在短期这些变量常常受到某种干扰的冲击就会产生不协调的情况,ECM在这种情况就能根据上期偏差的情况调整本期,使其靠近长期均衡关系。
根据估计出的协整关系,在记录其误差序列后利用EViews对社会融资规模(SC)与M2进行一阶差分处理,得到D(SC)、D(M2),利用OLS法估计D(SC)、D(M2)与resid(-1),即误差的一阶滞后。结果如表1-9所示。
表1-9 ECM模型结果
估计的误差修正模型结果如下:
ΔSCt=5.166945×ΔM2t-0.517467×resid(-1)
t: [9.218383] [-4.947227]
R2=0.641560 DW=2.008267
结果表明M2对社会融资规模存在正向的影响,由于短期调整系数是显著的,说明每季度社会融资规模与其长期均衡值的偏差被修正。
五、实验结果分析
本实验通过构建货币政策中介指标与政策目标变量之间的关系模型,并通过实验数据与实验过程检验,对比分析了社会融资规模与货币供应量作为货币政策中介指标的功效。实验结果显示,社会融资规模与M2存在着紧密的联系,长期与短期内的均衡关系确立。就货币政策中介指标属性而言,社会融资规模和货币供应量均可以承担中介指标职能,二者是一个硬币的两个面,能从不同的角度为金融宏观调控提供信息支持。不过就金融创新与发展角度看,社会融资规模更能够反映金融发展的实际。2010年以前,社会融资规模与M2的变动趋势极为吻合,之后社会融资规模则一直高于M2。金融创新的发展带来的传统银行体系外的融资工具增长加快,社会融资规模指标的应用价值显著提升,社会融资规模较M2承载了更多的金融经济信息,能更全面地反映金融与经济之间存在的关系。所以,作为货币政策中介指标更具有合理性,能够对货币政策操作提供准确的信号,有助于提高货币政策的有效性。
本实验结果对我国经济政策的启示主要有:(1)继续深化全方位的改革,完善要素市场体系,特别是建设好多元化、多层次的金融市场体系,规范有序地推动金融创新,提高金融服务实体经济的效率,增强经济内生增长的能力;(2)将社会融资规模纳入货币政策体系,加强社会融资规模的结构与总量统计,提高金融数据的统计核算频率,为经济运行与政策运行提供基础性、时效性强的监测指标。同时,加强财政政策与货币政策的协调配合,提高宏观经济政策的调控效果。(3)大力推进供给侧结构改革,围绕“一带一路”、京津冀一体化、长江经济带等重大国家发展战略规划,以项目开发建设为纽带,开展多层次金融合作,提升社会融资效率,促进国民经济持续稳定发展。