非對稱效應視角下的中國通貨膨脹不確定性實證研究

○蘇梽芳

(華僑大學 經濟與金融學院，福建 泉州 362021)

一 引 言

貨幣經濟學中的一個重要問題是研究更高的通貨膨脹是否會導致更高的通貨膨脹不確定性(Friedman-Ball假說)。研究者一般認為，如果對此問題的回答是肯定的，那么，人們對通貨膨脹具有社會成本的觀點將持更加肯定的態度，而且也將更深刻地認識到這種成本的來源與本質：通貨膨脹之所以具有社會危害性，是因為當經濟社會發生通貨膨脹時，公眾通貨膨脹預期不確定性的增加，降低了市場價格作為協調經濟活動機制的效率，造成了整個經濟系統信號的紊亂，從而降低了資源配置的效率，同時也造成了經濟的波動。因此研究通貨膨脹與通貨膨脹不確定性之間的關系具有重要的理論意義與現實意義。

從已有的國內外相關文獻來看，Friedman-Ball假說得到了大多數文獻的支持，然而仍存在的一個分歧是：通貨膨脹正負沖擊對通貨膨脹波動性作用的非對稱性是否存在，即同等程度的通貨膨脹或者通貨緊縮沖擊是否導致同等程度的通貨膨脹不確定性。對此，目前的國內外研究文獻尚未給出比較明確和統一的推斷。相比國外較為豐富的研究，目前，國內學者對中國通貨膨脹不確定性研究文獻較少，而研究通貨膨脹沖擊非對稱效應的文獻則更少,在為數極少的文獻當中，如趙留彥等[1]60-72，胡日東等[2]29-38，許志宏[3]，Menelaos et al.[4]265-286，還存在如下的不足之處：第一，研究文獻往往只采用單一模型進行非對稱性檢驗，缺乏基于不同檢驗方法的結論的相互印證，致使實證結論的可靠性難以保證；第二，更為重要的是，目前國內相關研究文獻均未能把通貨膨脹不確定性區分為長期成分與短期成分，并從中分離出長期成分，而這可能會影響通貨膨脹沖擊非對稱性效應檢驗的結論。對于第一點不足，需要采用更長樣本區間的數據和多種形式的條件方差模型來檢驗通貨膨脹沖擊的非對稱性作用，以便增強所獲得的經驗結論的穩健性。對于第二點不足，國外的一些文獻所采用的方法值得借鑒。如Ball和Cecchetti[5]215-254應用一個簡單的不可觀測成分模型把美國通貨膨脹率分解為持久成分與短暫成分，他們發現，相對于暫時沖擊方差，持久沖擊方差與通貨膨脹水平存在更大的相關關系，由此得出更高的通貨膨脹水平將導致更大的長期通貨膨脹不確定性的結論。而Kim[6]341-349的研究在應用計量模型方面上更進一步，他把普通的不可觀測成分模型擴展為具有馬爾可夫機制轉換的不可觀測成分模型，發現了類似的結論。Kontonikas[7]525-543則應用成分GARCH模型以檢驗英國采用通貨膨脹目標制后是否顯著地降低了通貨膨脹持續性與長期通貨膨脹不確定性。Kevin和Ye[8]應用非對稱的隨機波動模型對美國的數據展開實證檢驗，貝葉斯MCMC的估計結果顯示，無論是長期還是短期，更高的通貨膨脹都不會導致更高的通貨膨脹波動。

在借鑒上述研究文獻的基礎上，本文應用非線性GARCH模型族側重研究通貨膨脹不確定性對通貨膨脹沖擊的非對稱反應。在檢驗存在通貨膨脹沖擊非對稱性基礎上，進一步應用非對稱成分ARCH模型把通貨膨脹不確定性分解為長期成分和短期成分，在長期成分方程中引入一個虛擬變量，從而對1996年中央銀行宣布以貨幣供應量作為貨幣政策中介目標以來通貨膨脹不確定性長期成分是否明顯降低進行檢驗。本文對國內已有研究通貨膨脹不確定性相關文獻構成兩點貢獻。第一，本文應用多種非對稱GARCH模型驗證了中國通貨膨脹沖擊的非對稱效應的存在，各種非對稱模型研究結果互相支持、佐證，增強了結論的穩健性。尤其是本文應用非對稱成分ARCH模型，克服了以往國內研究沒有區分通貨膨脹不確定性長期成分與短期成分的缺陷；而基于不同非對稱GARCH模型信息沖擊曲線的繪制更加直觀地呈現出通貨膨脹沖擊的非對稱性特點。第二，本文在非對稱成分ARCH模型引入了虛擬變量，驗證1996年中央銀行實行以貨幣供應量為中介目標的制度設計是否顯著地降低了通貨膨脹不確定性的長期成分，而之前國內相關文獻未從降低通貨膨脹不確定性長期成分的角度對以貨幣供應量為中介目標的制度的作用做出評價。

全文組織如下:第二部分應用多種非對稱GARCH模型與信息沖擊曲線檢驗與描述通貨膨脹沖擊非對稱性；第三部分，進一步在非對稱成分ARCH模型框架內檢驗貨幣供應量中介目標引入后是否顯著地降低了通貨膨脹不確定性的長期成分；最后一部分為結論與政策啟示。

二 通貨膨脹沖擊的非對稱特征

(一)平穩性檢驗與ARCH效應檢驗

本文使用的是同比通貨膨脹率月度數據，數據來源于中國經濟信息網數據庫，樣本區間為1983.1-2009.2，共314個樣本點。

在對模型進行估計之前,我們先對通貨膨脹率序列進行單位根檢驗。結果發現,無論是ADF或者是PP檢驗,在10%的顯著性水平下,均拒絕單位根假設。其中，ADF檢驗結果顯示，在由AIC準則確定的、最優滯后階數為15且不包含時間趨勢但包含截距項的條件下，ADF統計量為-2.607,小于10%的臨界值為-2.571,它犯第一類錯誤的最大概率是0.092，概率較小，因此在10%水平下拒絕通貨膨脹過程存在單位根的零假設。PP單位根檢驗則顯示，在只包含截距、最優滯后階數為2項的條件下，PP檢驗統計值為-2.754,10%的臨界值為-2.571,同樣在10%水平下拒絕通貨膨脹過程存在一個單位根的零假設。

國內外經驗研究結果普遍認為，自回歸模型可以較好地擬合通貨膨脹的動態過程。對于自回歸模型的滯后階數，本文通過AIC準則進行選擇，設定最大滯后階數為12，逐次進行回歸，最終回歸模型估計結果為：

πt=1.508πt-1-0.517πt-2

t=(30.603) (-10.493)

這個回歸方程的估計系數十分顯著，而且擬合的程度也很好(R2=0.985)。對該自回歸模型的殘差進行ARCH-LM檢驗，得到了在滯后階數5時的ARCH-LM檢驗結果。檢驗結果顯示,檢驗統計量的伴隨概率P值為0.0047，小于顯著性水平0.05，因此拒絕“殘差中不存在條件異方差”的零假設，說明通貨膨脹率自回歸模型估計后的殘差中不僅存在條件異方差，而且是較為高階ARCH效應,即存在GARCH效應。

(二)非對稱GARCH模型族的估計結果

TGARCH模型、EGARCH模型以及PARCH模型是三種非常重要的非對稱GARCH模型，應用這三種模型對通貨膨脹率進行建模，可以檢驗通貨膨脹沖擊是否存在非對稱效應。

這部分給出分別應用對稱的GARCH模型、GARCH-M模型、TGARCH模型、EGARCH模型以及PARCH模型對通貨膨脹率時間序列進行擬合的結果，結果見表1。

表1 非對稱GARCH模型族的估計結果

首先應用AR(2)-GARCH(1，1)模型對通貨膨脹時間序列進行擬合，結果見表1的第二列。而后對模型的殘差進行ARCH-LM檢驗，得到了滯后階數為8時的ARCH-LM檢驗統計量的P值為0.753，因此不能拒絕“殘差中不存在條件異方差”的零假設，表明GARCH(1,1)模型的殘差中不存在條件異方差。于是我們可以使用GARCH(1,1)模型殘差的條件方差或者條件標準差度量通貨膨脹不確定性。

圖1給出了通貨膨脹不確定性的動態路徑。1983.1-2009.2期間，通貨膨脹不確定性出現了四次峰值。第一次出現在1985-1986年期間，預期不確定性表現為突然性高漲，隨即便回落到較低水平；第二次是1988-1989年之間，預期不確定性逐漸增大并在1988年底達到峰值；第三次是1993-1994年之間，不確定性再一次達到較大的峰值；第四次是在2004年，公眾通貨膨脹預期高度不確定，預期值的離散程度較大，且這種現象持續了一段時間。

圖1 通貨膨脹不確定性時間路徑(1983.1-2009.02)

在對稱GARCH模型的條件方差方程中加入通貨膨脹率的滯后一期，得到AR(2)-GARCH(1,1) -M(1)模型，用以檢驗是否較高的通貨膨脹伴隨著較高的通貨膨脹不確定性(結果見表1的第三列)。從GARCH-M模型的估計結果看，條件方差方程中系數φ的估計值在1%水平下顯著為正，這意味著，更高的通貨膨脹水平將導致更高的通貨膨脹不確定性，支持了Friedman-Ball假說。

以上的檢驗結果表明較高的通貨膨脹率引起較強的通貨膨脹不確定性，但上述模型中條件方差對于外部正負沖擊的變化是對稱的，而實際上存在一些經濟變量對同樣程度的正負沖擊表現出不一致的反應。比如，較高的通貨緊縮率也將引起較強的不確定性，那么相同強度的通貨膨脹沖擊與通貨緊縮沖擊對通貨膨脹不確定性的影響程度是否相同？對此我們采用了由Glosten et al.[9]1779-1801首先提出的非對稱門限GARCH(TGARCH)模型，該模型是比較通貨膨脹沖擊與通貨緊縮沖擊對通貨膨脹不確定性影響的有效工具。

根據TGARCH模型，“壞消息”(εt<0)與“好消息”(εt>0)對條件方差有不同的影響，其中“壞消息”的影響為α+γ，“好消息”的影響是α。對于通貨膨脹率的TGARCH模型來說，“壞消息”意味著通貨緊縮沖擊，“好消息”意味著通貨膨脹沖擊。如果γ顯著小于零，則α+γ<α，說明通貨緊縮沖擊引起的不確定性小于通貨膨脹沖擊引起的不確定性；如果γ顯著大于零，則α+γ>α，說明通貨緊縮沖擊引起的不確定性大于通貨膨脹沖擊引起的不確定性；如果γ等于零，則α+γ=α，說明通貨緊縮沖擊引起的不確定性等于通貨膨脹沖擊引起的不確定性。

TGARCH模型估計結果參見表1中的第四列。對模型估計后的殘差進行ARCH-LM檢驗，得到了滯后階數為6時的ARCH-LM檢驗統計量在5%水平下顯著，因此不能拒絕“殘差中不存在條件異方差”的零假設，表明TGARCH(1,1)模型的殘差中已經不存在條件異方差。TGARCH(1,1)模型估計結果顯示，參數γ=-0.203在1%水平下顯著小于零，因此可以得出結論：通貨緊縮沖擊引起的不確定性小于通貨膨脹沖擊引起的不確定性。

在EGARCH模型估計結果中，系數α的估計值為0.115，非對稱項r的估計值為0.103。當εt-1>0時，該信息沖擊對條件方差的對數有一個0.115+0.103=0.218倍的沖擊；當εt-1<0時，它給條件方差的對數帶來的沖擊大小為0.115×(-0.103)=0.012倍。在TGARCH模型中，通貨緊縮沖擊引起的不確定性小于通貨膨脹沖擊引起的不確定性的結論在EGARCH模型中得到了進一步的印證。而Ding、Granger和Engle[10]83-106對標準GARCH模型的進一步拓展提出的PARCH模型同樣可以檢驗沖擊的非對稱效應，在該模型估計結果中(表1的第6列)，我們發現用于捕捉非對稱效應的參數γ=0.929在1%水平下顯著不為零，進一步證實了相同強度的通貨膨脹沖擊與通貨緊縮沖擊對不確定性的影響程度是不相同的。

(三)非對稱GARCH模型的信息沖擊曲線

信息沖擊曲線是由Engle和Ng[11]1749-1778所提出的,該曲線的繪制可以使得信息沖擊的非對稱影響表示得更加直觀。以EGARCH(1,1)模型為例,將EGARCH(1,1)模型的條件方差方程改寫為如下形式:

(1)

記f(ut-1/σt-1)=α|ut-1/σt-1|+γ(ut-1/σt-1)

(2)

上式簡化為：f(Zt)=α|zt|+γzt-1zt=ut+σt

(3)

圖2與圖3分別是根據表1中EGARCH(1,1)模型與TGARCH(1,1)模型估計結果所繪制的信息沖擊曲線。從圖2、3中我們可以看到信息沖擊對預期不確定性造成的非對稱影響：這條曲線在信息沖擊小于0時，也就是出現負向沖擊時，比較平緩，而在正沖擊時則比較陡峭。這就說明了通貨膨脹正沖擊使得通貨膨脹不確定性的變化更大一些。這一結論與胡日東等[2]、蘇梽芳等[12]39-44應用隨機場回歸模型與分位數回歸模型所得到的結論相類似。

圖2 EGARCH模型的信息沖擊曲線 圖3 TGARCH模型的信息沖擊曲線

三 檢驗貨幣供應量為中介目標是否降低通貨膨脹不確定性長期成分

在較長時間內，我國貨幣政策的中介目標和操作目標的劃分界限一直含糊不清。一開始是把現金和貸款規模作為貨幣政策中介目標的操作目標。然而，隨著金融市場的不斷發展和金融資產的多元化，現金計劃與信貸計劃逐步變得“不可計劃”和“不可控制”，中央銀行很難實現預定信貸計劃目標。“現金計劃”和“信貸規模”與通貨膨脹率以及實際經濟增長目標之間的相關性也被削弱，通過信貸計劃來實現物價穩定已經不適宜。1996年,貨幣供應量被正式確定為我國貨幣政策中介目標。雖然作為中介目標的貨幣供應量在可測性、可控性方面存在嚴重缺陷,并且從實踐情況來看,貨幣供應量的實際值與目標值之間存在很大的離差,在穩定價格并以此促進經濟增長方面也不能令人滿意。但是1998年后，各經濟變量波動較為平緩，反映出我國貨幣政策調控方式更注意宏觀調控的前瞻性、科學性，注重調控的“時”與“度”，較好地把握了“預調”、“微調”，使宏觀經濟較為平穩增長,價格水平同時也保持較為平穩的走勢。

通貨膨脹動態過程在1996年前后呈現出不一致的特點，是否與中央銀行實行貨幣供應量為中介目標的貨幣政策有關？為檢驗這個假設，我們首先設計了非對稱的成分ARCH模型進行非對稱效應的檢驗，繼而在長期波動成分方程中加入虛擬變量dummy以檢驗1996年中央銀行實行貨幣供應量為貨幣政策中介目標后是否顯著地降低了通貨膨脹不確定性的長期成分。虛擬變量dummy的具體取值設置為：1996年之前，dummy取值為0，1996年之后取值為1。模型設計如下：

模型A為非對稱成分ARCH模型，模型B為在長期成分方程中引入虛擬變量dummy的非對稱成分ARCH模型。其中，ω是無條件方差，模型中的第一個方程與第二個方程分別是長期成分方程與短期成分方程。在成分ARCH模型的條件方差方程中，可以包含外生變量。這個外生變量可以放在長期成分方程中，也可以出現在短期成分方程中。短期成分方程中的外生變量將對變化率的短期移動產生影響，而長期成分方程中的變量將影響變動率的長期水平。兩個模型最終估計結果見表2。

表2 非對稱成分ARCH模型估計結果

由上面模型A、B的估計結果可知,模型A中的非對稱項的系數λ=-0.333在1%水平下顯著不為零，因此支持了通貨膨脹沖擊非對稱性效應的結論。模型B中的非對稱項的系數λ=-0.195在1%水平下顯著,支持了模型A的實證結論。由于虛擬變量dt表示負的沖擊,所以這種效應就可以解釋為正的沖擊效應要比負的沖擊效應大。但是,這種非對稱效應只出現在短期成分方程中，可以說出現這種非對稱效應只是暫時的。而它對長期波動率qt的影響是：它使長期方程中的ρ減小為0.270,這將導致長期波動率qt以較快的速度收斂于穩定的狀態值。

虛擬變量dummy的估計系數為η=-0.0001在1%水平下顯著，這表明1996年中央銀行以貨幣供應量作為貨幣政策中介目標一定程度上降低了通貨膨脹不確定性的長期成分。究其原因，1996年以前正是我國貨幣政策及其調控機制和宏觀經濟發生相對劇烈頻繁變化時期，這種激烈的變化同時也導致公眾通貨膨脹預期更加不穩定，通貨膨脹預期處于高不確定性狀態。1996年以來，中央銀行逐步建立起以基礎貨幣為操作目標、貨幣供應量為中介目標的貨幣政策調控機制，貨幣政策總體上也保持一種相對穩健態勢，且宏觀經濟的內在穩定性得到明顯增強，公眾的通貨膨脹預期不確定性的長期成分相對于過去已大為降低。圖4給出的通貨膨脹不確定性長期成分的自1996年以來表現出持續下降變化的趨勢支持了上述的論述。

圖4 通貨膨脹不確定性(淺黑線)與通貨膨脹不確定性長期成分(深黑線)

四 主要結論

本文基于中國1983.01-2009.02期間的月度CPI數據，運用多種非對稱的GARCH模型，對通貨膨脹沖擊的非對稱特征以及1996年貨幣供應量為貨幣政策中介目標的引入是否顯著降低了通貨膨脹不確定性長期成分展開實證研究，由此產生的結論與政策含義有：

第一，實證分析的結論支持Friedman-Ball假說成立，這個結論意味著通貨膨脹成本很大程度上和通貨膨脹不確定性的成本聯系在一起，因此穩定價格和維持低通貨膨脹環境可能成為中央銀行減少通貨膨脹不確定性、繼而降低通貨膨脹所帶來社會危害的重要手段。

第二，各類非對稱GARCH模型的實證結果與信息沖擊曲線顯示，相等程度的通貨膨脹沖擊與通貨緊縮沖擊對通貨膨脹不確定的影響程度并不相同:通貨膨脹沖擊引發的通貨膨脹不確定性高于由于通貨緊縮沖擊引發的通貨膨脹不確定性。這個結論無疑具有重要的政策含義，即中央銀行在經濟處于通貨膨脹時期應比面對通貨緊縮時期應更加注重引導公眾的預期，更加重視預期管理。

第三，雖然從可測性、可控性與國民經濟的相關性以及抗干擾性等幾個標準來看，1996年開始實行的以貨幣供應量作為貨幣政策中介目標的政策設計都受到了不斷的質疑，但客觀上一定程度降低了通貨膨脹不確定性的長期成分。這個結論對于我國中央銀行將來進行貨幣政策操作框架的設計，比如考慮引進當前國際流行的通貨膨脹目標制具有重要的政策啟示。

參考文獻：

[1] 趙留彥,等.中國通脹水平與通脹不確定性：馬爾柯夫域變分析[J].經濟研究，2005,(8).

[2] 胡日東,蘇梽芳.中國通貨膨脹與通貨膨脹不確定性的非線性關系[J].數量經濟技術經濟研究,2008,(2).

[3] 許志宏.中國通貨膨脹的動態特征與預測研究[D].長春：吉林大學商學院，2008.

[4] Menelaos K,Stefanie S.Is the Relationship between Inflation and Its Uncertainty Linear?[J].German Economic Review,2008,(3).

[5] Ball L,Cecchetti S.Inflation and Uncertainty at Long and Short Horizons[J].Brookings Papers on Economic Activity,1990,(21).

[6] Kim C J.Unobserved Component Time Series Models with Markov-Switching Heteroskedasticity:Changes in Regime and the Link between Inflation Rates and Inflation Uncertainty[J].Journal of Business and Economic Statistics,1993, (75).

[7] Kontonikas A.Inflation and Inflation Uncertainty in the United Kingdom:Evidence from GARCH Modelling[J].Economic Modelling,2004,(21).

[8] Kevin G,Ye H.Does High Inflation Predict Greater Inflation Uncertainty?:Evidence from Asymmetric Stochastic Volatility Models[Z].Working paper, April 2007.

[9] Glosten L,Jaganathan R,Runkle D.On the Relation between the Expected Value and the Volatility of the Normal Excess Return on Stocks[J].Journal of Finance,1993,(48).

[10] Ding Z, Granger C W J,Engle R F.A long Memory Property of Stock Market Returns and a New Model[J].Journal of Empirical Finance,1993,(1).

[11] Engle R F,Victor K Ng .Measuring and testing the impact of news on volatility[J].Journal of Finance,1993,(48).

[12] 蘇梽芳,胡日東.中國通貨膨脹水平與通貨膨脹不確定關系：分位數回歸[J].宏觀經濟研究,2009,(5).