全球流動性動態及其對宏觀經濟的影響①

張天頂，龍　鑫

(1.武漢大學 經濟與管理學院，湖北　武漢　430072；2.武漢大學 美國加拿大經濟研究所，湖北　武漢　430072)

一、問題的提出

自從2017年美聯儲連續三次加息以來，全球流動性動態再度引起了政策制定者、金融市場參與者和研究者的廣泛關注。當前研究者對全球流動性動態尚存爭議。一方面，有時評人士強調美聯儲政策調整預示著量化寬松的時代已經結束，一場全球范圍內的緊縮貨幣政策已經到來，甚至認為全球流動性拐點已經不期而至。國際貨幣基金組織(IMF)前副總裁朱民2017年4月在公開場合強調指出，“特朗普新政下，美國短期利率已迎來拐點，自2015年利率開始上揚后，美聯儲已進入加息通道，且短期內不可能再重回減息通道，這意味著全球流動性拐點的到來，是歷史性變化”[1]。另一方面，也有研究者認為美聯儲加息行為短期內不會影響當前全球范圍內寬松貨幣政策的基本態勢，全球流動性仍然處于寬松境地。對此，鐘偉等[2]認為，“在各國財政政策的使用普遍受到約束的情況下，刺激經濟增長的壓力幾乎都落到了各國中央銀行。從目前來看，美國仍將是唯一實施貨幣緊縮的大國，歐元區、日本、中國等中央銀行將會進一步放松貨幣政策。……2017年上半年，全球流動性拐點都不會到來”。由此可見，學界對全球流動性的發展態勢尚存爭議。

在美國雷曼兄弟公司破產之前，全球流動性不斷擴張，全球金融脆弱性不斷累積，最終導致全球性金融危機爆發。同時，為應對全球性金融危機逆向沖擊，美國等西方發達國家需要能夠產生立竿見影效果的貨幣政策措施，維護金融的穩定性，于是最終采取了非常規化的貨幣政策，導致全球流動性進一步擴張，并帶來備受關注的跨國性溢出效應。Chen等[3]認為美國作為全球金融市場的主導國家，美聯儲的貨幣政策必然會給其他國家和地區帶來溢出效應，這種溢出效應特別在全球金融危機爆發之后逐漸增強，在非常規政策推出下處于零利率時表現更為明顯。申鉉松和蔣經飛[4]認為美元在全球貨幣體系中的主導地位決定了美國的貨幣政策會影響到全球金融環境，因而美元的幣值變動成為全球美元信貸市場的“晴雨表”，強勢美元會削弱美元資本的跨境流動，導致交叉貨幣基準利率擴大。

理解和把握全球流動性首先要對流動性的內涵進行合理界定。對此，不同機構和相關研究者的看法不甚相同甚至迥異，主要原因在于不同專業領域研究者的側重點有所不同。Caruana[5]認為全球流動性需要擴展至跨境信貸的范疇。歐洲中央銀行(ECB)將全球流動性劃分為貨幣流動性和金融市場流動性，并認為二者之間會相互影響，無法分隔開來[6]。全球金融體系委員會(CGFS)將全球流動性劃分為官方流動性和私人流動性，并認為私人流動性會主導官方流動性[7]。官方流動性是由中央銀行通過傳統性和非傳統性貨幣政策產生的。私人流動性是由銀行之間、銀行與非銀行金融機構之間通過信貸融資而產生，體現了金融機構跨境融資的意愿。盡管CGFS對流動性的劃分極具啟發性，但高海紅[8]認為私人流動性具有內生性，使得只有在交易雙方都有意愿參與市場的前提下才能獲得流動性，否則就會出現信貸收縮，加之官方流動性在規模上遠遠小于私人流動性，進而加大了對流動性觀測和預測的難度。何知仁和潘英麗[9]對全球流動性的概念進行了系統梳理，肯定了當前不同機構和研究者對全球流動性不同界定的合理性，但認為仍然存在較多模糊與爭議的地方需要進一步探討。

目前國內研究者對全球流動性動態的研究主要集中于其變動趨勢及影響因素。金中夏[10]認為中央銀行在有效應對流動性短缺或過剩時可以通過中央銀行之間的貨幣合作起到更積極的作用，并認為貨幣政策與金融監管需要共同作用以調控流動性的變動。李潔和張天頂[11]基于對全球流動性的測量發現，全球流動性處于不斷擴張狀態，并提出全球流動性擴張對資產價格的長期走勢發揮了顯著作用。陳靜和李政[12]認為當前全球流動性處于不穩定的擴張狀態，各國寬松貨幣政策所帶來的官方流動性增長無法全面抵補私人流動性的收縮。鐘偉[13]認為在目前經濟增長疲軟的背景下，各國中央銀行收縮流動性的余地不大，全球長期流動性還沒有迎來拐點。國外相關研究強化了全球流動性對宏觀經濟方面的影響機制和效應的探討。IMF認為跨境資本流動是由一系列“推”“拉”因素共同作用導致的，而全球流動性作為“推”中的關鍵因素，很好地詮釋了跨境資本流動激增、驟降及其余波出現的原因[14]。Cerutti等[15]認為全球流動性由跨境信貸供給決定，全球流動性主要是由市場不確定性(VIX)、美國貨幣政策及主要發達國家和地區，如歐元區和英國銀行的狀況推動的。Belke和Keil[16]研究發現，全球流動性與商品價格和資金流量之間的傳播呈正相關，商品價格變化與資金流量之間的差距會隨著中央銀行注入流動性而逐漸消失。在借鑒現有研究對全球流動性測量研究成果的基礎上，本文側重于對全球流動性測量方法、全球流動性動態變化趨勢及其對宏觀經濟影響的分析。

二、全球流動性動態的測量方法

全球流動性動態的測量指標主要分為數量指標和價格指標。在以往研究中，貨幣供給總量被廣泛認為是全球流動性動態的數量指標。Baks和Kramer[17]根據貨幣供給總量構建了幾個不同工業國家的流動性指標。此后，學界對全球流動性的測量一度遵循該指標。事實上，價格指標通常更加通俗易懂，最早是由Matheson[18]在構建美國和歐元區金融狀況指數時提出的。Chen等[19]將價格指數法應用到全球流動性測量中，通過建立動態因子模型得到流動性指數。然而，價格指標存在一定的局限性，不能全面反映全球流動性。Kang等[20]通過數量指標和價格指標同時對全球流動性進行了測量，結果表明以價格指標測量的流動性指數能更好地解釋大宗商品價格的動態變化。此外，國際清算銀行(BIS)認為信貸總量是全球流動性的關鍵指標，并以此建立了三個流動性指標，分別是銀行國際債權、非金融機構的銀行總債權和信貸總額。基于信貸總額的研究視角，Eickmeier等[21]研究發現，單一因子無法解釋全球流動性的變動，他們認為全球流動性是由全球信貸供給、全球信貸需求和全球貨幣政策等三個因子共同推進的。

本文的測量側重于官方流動性，但也將價格因素納入到測量范圍，目前國內鮮有研究者考慮到這一點。此外，BIS也倡導在實際測量全球流動性的過程中，需要同時考慮數量指標和價格指標的影響，因而本文選取了數量指標和價格指標對全球流動性進行測量。

(一)數量指標

本文借鑒Belke和Keil[16]與Baks和Kramer[17]開創性研究中的測量思路與研究路徑，同時在數量指標的測量過程中不僅僅局限于G4或G7等國家，而是將西方發達經濟體納入研究范疇。盡管新興市場經濟體如中國、印度等國的產出占全球總產出的比重逐年上升，其貨幣供應量對全球流動性的影響也稍有上升，但西方發達經濟體仍然是全球流動性變動的驅動力量，由于考慮新興市場經濟體會導致在樣本國的選擇上難以確定客觀標準，因而本文在測量全球流動性的數量指標時沒有納入新興市場經濟體。借助于不同樣本國家的相關經濟統計數據，本文依次計算得到各個樣本國家的權重、匯總增長率并進一步將其指數化。在全球經濟疲軟的背景下，注重采用時變權重的方法，最終以美國、日本、英國和歐元區等西方發達經濟體為代表構建全球流動性指數，具體的計算過程如下：

首先，通過購買力平價(PPP)匯率將各樣本國家和地區的國內生產總值統一表示為以2005年美元物價水平計價的實際變量，并以此計算各個國家和地區的權重。

(1)

其中，w表示權重，GDP表示國內生產總值，i表示不同國家和地區，t表示時間。

(2)

其中，gagg表示經過加權平均后的M2增長率的匯總加權值，n表示樣本國家和地區的數量。

再次，將匯總數據進行定基，初始值設定為100，按照計算得出的加權增長率向后遞歸計算，最終得到測量全球流動性動態的指數序列。

(3)

其中，index表示定基后計算得到的指數，T表示樣本末期對應的項數。

最后，計算該指數的增長率。

(4)

其中，growth表示測算得到的全球流動性增長率。

(二)價格指標

在參考Kang等[20]的研究基礎上，本文選取了具有代表性的金融市場變量，運用動態因子模型，在給定不可觀測共同因子的情況下通過卡爾曼濾波確定系統狀態方程構建流動性指數如下：

Xt=λ(L)ft+et

(5)

ft=ψ(L)ft-1+ηt

(6)

其中，式(5)動態因子模型假定價格向量Xt是由共同成分λ(L)ft，以及零均值、同方差的異質性成分et共同組成。其中，L表示滯后算子，λ(L)表示由荷載因子構成的滯后多項式矩陣，et與所有的價格變量不相關。ft滿足式(6)的設定，ψ(L)也表示滯后多項式矩陣，ηt表示正態分布誤差項，其滯后階數p由SIC準則確定。

三、變量、數據來源及數據處理過程

在采用數量指標測量全球流動性的過程中，本文選取了美國、日本、歐元區和英國等29個發達國家和地區作為樣本，樣本期限為1993年第1季度到2016年第4季度。本文將樣本國家和地區的國內生產總值(GDP)和M2的增長率作為基礎變量。統計數據主要來自Bureau van Dijk開發的EIU數據庫，EIU數據庫中的少量缺失數據依據樣本國家中央銀行和IMF官方數據進行補充。在使用價格指標測量全球流動性的過程中，本文選取了美國、日本、歐元區和英國等發達國家和地區從2003年8月至2016年12月相關金融市場變量的月度數據，囊括了利率差、資產價格、投資者風險恐慌、銀行貸款利率和市場利率等變量。參照Kang等[20]的研究路徑，本文價格指標中與資產價格相關的經濟變量選取標準普爾500指數(S&P500)、歐洲斯托克50指數(Euro Stoxx 50)、日經225指數(Nikkei 225)、英國富時100指數(FTSE 100)和納斯達克綜合指數(IXIC)進行衡量，并以這些股票指數的月平均增長率代表資產價格波動對全球流動性的影響。

在跨國經濟數據分析過程中難以避免存在少量缺失數據的情況，對此本文采取了插值法對其進行插補。此外，在有關數量指標的數據中，極少數樣本國家如盧森堡，只記載了相關經濟變量的年度數據和月度數據，根據研究需要，本文分別將其年度數據和月度數據通過依時拆分(Temporal Disaggregation)技術手段進行了處理。同時，少部分樣本國家的季度數據沒有進行過季節性調整，本文通過X12-ARIMA方法對其進行季節性調整。

關于投資者風險恐慌，本文選取了波動率指數(VIX指數)進行衡量。起初，VIX指數是由芝加哥期權交易所(CBOE)在1993年根據8個S&P100指數期權的近月份與次月份最接近平價的看漲期權及看跌期權隱含波動率的加權平均值計算而得。本文對VIX指數的選取是從2003年8月開始，此時該指數已被修正至囊括S&P500最接近平價的看漲期權及看跌期權的所有序列，這意味著該時段的VIX指數以更廣泛的標的為基礎，可以提供更真實全面的市場風險指標，從而更加準確地測量全球流動性指數。與Kang等[20]的不同之處在于，本文在選取銀行貸款利率作為測量依據的同時，還加入了市場利率。事實上，以非金融機構貸款利率代表的銀行貸款利率僅僅反映了企業融資的難易程度，往往期限都比較長。相反，市場利率反映的是貨幣市場資金借貸的成本，短期市場利率的變化會導致債券類固定收益產品價格的變化，同時也會影響人們的投資與儲蓄行為，進而對流動性產生影響。因此，市場利率的加入可以更好地測量全球流動性。相關變量的原始數據主要來自于Bloombeg、EIU、歐洲中央銀行及雅虎網金融數據庫等。為了避免因變量之間取值差別過大而導致測量誤差，本文將所有變量都進行標準化處理，并用標準化處理后的數據對全球流動性進行測量。

四、全球流動性測量結果分析

本文測算得到以2005年物價水平為基礎、通過PPP匯率折算后并以GDP為權重的29個發達國家和地區M2的匯總增長率，指數化后求得其增長率，記為M_liquidity growth；同時，根據前文選定的經濟變量以動態因子模型為基礎構建出全球流動性的價格指標，記為P_liquidity index，如圖1所示。需要說明的是，由于數據可獲得性，本文只測算了2003年8月以后基于價格指標全球流動性的變化情況。由圖1可以看出，在20世紀90年代中期到達谷底后，全球流動性在波動中呈現出持續增長的趨勢，并在2008—2009年到達頂峰，隨后迅速收縮，于2010年前后到達新的谷底。在經歷谷底之后，流動性在全球范圍內逐漸回升，隨后于波動中增長。盡管基于價格指標測算的全球流動性年限較短，但其刻畫的流動性變化趨勢與數量指標測算的全球流動性在相同時段內的變化趨勢基本一致，這為本文對全球流動性趨勢的判斷提供了有力的依據。總的來說，全球流動性一直處于波動中，近三十年來更是經歷了十分劇烈的變化。Azis和Shin[22]將全球流動性分為三個階段，分別是危機前全球流動性擴張泛濫的階段、危機后中心國家采取量化寬松貨幣政策的階段，以及量化寬松貨幣政策逐漸退出的階段。結合測量結果，本文對Azis和Shin[22]的階段劃分進行了擴展，將發生于2008年全球性金融危機之前東南亞金融危機時期單獨作為一個階段予以考察。

第一階段是20世紀90年代中后期至20世紀末的東南亞金融危機階段。從1994年開始，全球流動性逐漸收縮，在1995年第1季度到達谷底后迅速上升并在1999年第1季度達到該階段的頂峰。實際上，從1994年2月到1995年2月，美聯儲嚴格實行緊縮性貨幣政策，連續七次提高利率，將持續近一年半不變的利率從3.00%提高至6.00%，進而使得美國國內的貼現率和聯邦基金利率分別增至5.25%和6.00%。該政策的實施不僅使美國國內的貨幣供應量得到有效控制，而且影響了其他國家的貨幣政策，使得全球流動性迅速下降。隨后兩年內美聯儲開始降息，拉開了流動性擴張的帷幕。1997年7月，泰國爆發金融危機，并逐漸蔓延至馬來西亞、新加坡等東南亞國家，日本、中國和美國等大國也受到影響。金融危機的爆發導致短時間內全球流動性出現下滑，為了削弱其負面影響，全球范圍內都采取了寬松性貨幣政策。其中，美聯儲1997—1999年整體呈現下調利率的趨勢；日本中央銀行也將利率從1.00%下調至0.25%的超低利率。因此，全球流動性在20世紀末迅速增長。

第二階段是2000年初至2008年9月，全球流動性處于擴張泛濫的階段。2001年1月至2003年6月，美國、歐元區和日本等全球主要發達國家和地區先后降低利率，其中，美國降幅高達5.00%，寬松的貨幣政策導致流動性持續增長。隨后，盡管各國加總后的M2增長率有所下降，但其數值仍然較大，全球流動性相對之前處于較慢的擴張狀態。此后，在國際經濟形勢上行的背景下，國際投資環境良好，全球金融一體化進一步加快，跨境資本流動加劇，使得流動性在全球范圍內迅速擴張。直到2007年4月，美國第二大次級房貸公司新世紀金融公司破產，暴露了次級抵押債券的風險。2007年9月，美聯儲降低利率向市場注入流動性，全球流動性從2007年10月開始急劇擴張并于2008年末前后達到頂峰，流動性泛濫成災。但是，觀察圖1可以發現，基于數量指標測量出的全球流動性頂峰出現的時間相較價格指標測量出的全球流動性頂峰要晚，這體現了數量指標的滯后性，同時也說明了貨幣市場對即時經濟活動的影響存在滯后性。

第三階段是2008年9月至2013年初，部分發達國家中央銀行開始實行量化寬松貨幣政策的階段。金融危機爆發后，迅速席卷全球，伴隨著一大批企業破產、工人失業，資本市場劇烈震蕩，全球流動性在短期內迅速收縮。為了挽救國內經濟頹勢，美聯儲先后實施了四輪量化寬松的貨幣政策，通過市場公開操作購買長期國債等措施增加市場流動性。日本政府采取了緊急綜合對策、生活對策和緊急經濟對策等措施以刺激國內經濟復蘇，日本中央銀行還通過市場公開操作購入長期國債并維持0.10%的低利率以增加貨幣流動性。歐洲中央銀行開展證券市場計劃，通過二級市場大量購買危機國家國債，并實施了長期再融資操作，向市場輸送流動性。從2010年開始，全球流動性逐漸回升。

第四階段是2013年上半年至今，量化寬松政策逐漸退出。2013年5月美聯儲宣布將縮減購債規模并予以實施，最終在2014年10月結束購債計劃，全球流動性在此階段內持續下降。然而，2015年3月，歐洲中央銀行開始實行量化寬松政策，每月向市場投放600億歐元，同時歐洲中央銀行自2014年7月開始逐步降息，并于2016年3月正式實行零利率。日本中央銀行也在2016年1月將維持長達7年的利率由0.10%下調至-0.10%，正式實行負利率。寬松的貨幣政策再次推動了全球流動性的增長。如圖1所示，2015年以來數量指標與價格指標的測算趨勢略有背離，原因可能在于股票市場對于核心國家的貨幣政策反應更為靈敏，尤其是在量化寬松逐漸退出的階段，受到外部因素的嚴重影響，波動更為劇烈。

圖1　全球流動性測量結果

五、全球流動性動態對宏觀經濟的影響

流動性發生變動會在宏觀經濟的不同層面產生影響。具體來說，在全球流動性擴張的背景下，跨境資本流動加劇，投資者對資產需求的增加會促使全球資產價格上升。同時，在流動性泛濫的環境中，貨幣供應量的增加會導致居民消費水平的升高，從而引起通貨膨脹加劇，這也是德國中央銀行一再要求歐洲中央銀行提高銀行基準利率、退出超寬松貨幣政策的主要原因。為研究全球流動性對宏觀經濟的影響作用，本文引入總產出主要是為了考察流動性對實體經濟的影響，而關注物價是基于貨幣主義學派的基本判斷。Darius[23]研究表明，全球流動性會對商品物價指數產生影響。Belke等[24]支持并通過研究證實了在控制利率變化和貨幣政策的情況下，全球流動性仍然是決定長期中物價水平的重要因素，同時他們認為全球流動性可以傳遞宏觀經濟中諸如總需求和通貨膨脹等指標的相關信息。此外，Belke等[25]進一步研究確認了全球流動性與商品物價水平在長期中存在正向關聯，發現食品的價格會隨著流動性在國際層面上趨同調整，反之則不成立。

在新開放宏觀經濟的理論分析框架下，Obstfeld和Rogoff[26]認為一個國家采取擴張性貨幣政策會影響另外一個國家的產出。一般而言，一國出現流動性正向沖擊會促使匯率進行貶值，會帶來本國對外國產品或服務的需求轉換。在新開放宏觀經濟理論探討中，理論分析被施加了名義粘性和跨期替代等假定，于是較強的通貨膨脹預期不斷得以增加，實際利率就會下降，受其影響會出現跨期消費平滑。因此，一國貨幣增長就與另外一國的產出之間建立了關聯。 本文選取了相關經濟變量并結合流動性指數進行Panel-VAR模型(簡記為PVAR模型)估計，通過脈沖響應和方差分解進一步探究全球流動性的宏觀經濟影響。

(一)模型設定

Love和Zicchino[27]將面板數據運用到PVAR模型中研究企業財務狀況與投資之間的關系，這使得PVAR模型應用逐漸受到關注。此后，國內外眾多研究者都沿用這一思路進行PVAR模型研究。金春雨等[28]基于PVAR模型的估計發現，金融業發展與經濟增長之間存在相互促進的關系。Canova和Ciccarelli[29]對PVAR模型做出了進一步闡釋與分析，他們認為PVAR模型不僅可以捕捉動靜態的相互依存，將時間變化納入系數中，而且同時考慮了截面動態異質性，適用于研究當前日益復雜的國際經濟問題。Shen等[30]認為PVAR在面板模型的框架下不僅能夠提高分析的效率，而且更好地解決了固定效應修正下不可察的異質性問題。Baltagi[31]指出面板數據在動態調整研究中的優勢更加突出，由于面板數據提供了更多的數據，增加了自由度和效率，大大降低了變量之間的共線性關系。Horvath和Voslarova[32]基于PVAR模型研究發現，歐洲中央銀行非傳統擴張貨幣政策的沖擊會促使產出和通貨膨脹出現短暫的上升，并認為產出受到的沖擊更大。滯后p階的PVAR模型設定如下：

(7)

其中，y表示由內生變量組成的向量，i表示不同國家和地區，t表示時間。μ表示常數，αj表示模型待估參數，ei,t表示模型誤差項。

(二)變量選取和數據來源

本文選取了51個不同國家和地區從2003年第三季度到2016年第四季度的四個經濟變量，分別是狹義貨幣量(M1)、國內生產總值(GDP)、居民消費價格指數(CPI)和股票市場指數(STOCK)，以便有效考察全球流動性動態對宏觀經濟影響。某些樣本國家和地區數據存在少量的缺失，本文同樣采用數據內插法對缺失數據進行填補。以上統計數據均來自EIU數據庫。

為了避免不同變量數值幅度差距過大而對模型估計造成干擾，本文對以上4個變量進行對數化變換。由于本文不需要討論固定效應的影響，因此，本文對對數化后得到的變量進行一階差分處理，分別得到ΔM1、ΔGDP、ΔCPI和ΔSTOCK。需要注意的是，由數量指標測量得到的M_liquidity growth在測量過程中已經進行過差分，故在此不再進行重復差分，記為ΔGLM。接下來，本文對以上5個變量進行面板單位根檢驗，其結果如表1所示。由表1可以看出，無論包含時間趨勢與否，IPS檢驗結果都顯示所有變量是平穩序列；而ADF-Fisher檢驗中只有序列ΔGLM在含時間趨勢項的檢驗中不平穩，ΔGLM另外三項檢驗結果均表明是平穩序列，可以認為該序列是平穩序列。這表明ΔM1、ΔGDP、ΔCPI、ΔSTOCK和ΔGLM序列都是同階單整序列，可以建立PVAR模型。

表1　面板單位根的IPS檢驗和ADF-Fisher檢驗

注：作者計算所得。下同。

(三)PVAR模型估計結果

本文對以上5個核心變量進行PVAR模型估計，從表2的結果可以看出，模型的顯著性較高。但對于PVAR模型來說，單變量參數估計值不能很好地解釋其對被解釋變量的影響，尤其是有多階滯后項情況下，因而需要進一步觀察模型的脈沖響應函數。脈沖響應函數描述了誤差變化的沖擊對內生變量產生的影響，考察保持其他變量沖擊為0時，對擾動項加上一個標準差沖擊，內生變量當期和未來的變化趨勢。

表2　PVAR模型估計結果

注：括號內為t值，*、**和***分別表示10%、5%和1%置信水平下顯著。

本文采用Cholesky殘差的方差—協方差矩陣分解，使得模型的誤差項正交，然后通過GMM估計和蒙特卡羅模擬給出脈沖響應函數兩倍標準差的置信區間。圖2給出了PVAR模型中全球流動性對其他各變量的脈沖響應函數分析結果。首先，資產價格對全球流動性沖擊的反應。從圖2(a)可以看出，全球流動性的正向沖擊會促使股票市場指數在短期內迅速上漲，并在第2期到達頂峰，隨后該影響迅速減弱并在第4期后開始逐漸收斂。股票市場指數反映了資產價格的變化，這意味著全球流動性的正向沖擊會通過影響股票指數在短期內推動資產價格的上漲，也在一定程度上反映了寬松的貨幣政策對市場上資產價格的影響。其次，經濟增長對全球流動性沖擊的反應。圖2(b)顯示，GDP在受到全球流動性沖擊后，會先出現短暫的下滑，在經歷一期下滑后逐漸表現出上升趨勢，在第2期末達到頂峰后慢慢下降并趨于平穩。但是，第4期后GDP又會出現一次相較第2期幅度更小的波動，這說明全球流動性沖擊對經濟增長的影響具有周期性的特征，但影響力度越來越弱。值得探討的是，GDP在第1期出現了下降，其原因可能在于，本文是以M2測量出的全球流動性進行驗證，貨幣政策的時滯性導致全球流動性的沖擊效應出現了延遲。再次，通貨膨脹對全球流動性沖擊的反應。從圖2(c)可以看出，居民消費價格指數受全球流動性的正向沖擊，在前5期內會出現相對穩定的增長，隨后這種影響下降并開始逐漸收斂。居民消費價格指數在一定程度上反映了通貨膨脹，這說明全球流動性的沖擊會在相對較長的一段時間內通過推動居民消費水平的提高對通貨膨脹造成正向影響。傳統宏觀經濟學規律與此一致，同時也驗證了Horvath和Voslarova[32]的結論：中央銀行非傳統性貨幣政策的沖擊會促使短期內產出上升、通貨膨脹加劇。最后，狹義貨幣量對全球流動性沖擊的反應。從圖2(d)很明顯可以看出，狹義貨幣量在受到全球流動性沖擊后在第1期內出現上升趨勢，隨后下降并開始逐漸收斂。由此可見，全球流動性的正向沖擊會在短期內導致樣本國家狹義貨幣出現迅速增發。

圖2　ΔGLM對各變量的脈沖響應函數

方差分解反映的是不同隨機擾動項對模型中變量產生影響的相對重要性。為了進一步分析全球流動性對宏觀經濟不同層面的貢獻程度，本文對模型中的變量進行了方差分解，表3給出了第1期到第10期ΔGLM方差分解的結果。全球流動性對狹義貨幣量的貢獻率從第1期開始逐漸增加，在第4期到達0.59%后趨于穩定；全球流動性對通貨膨脹的貢獻率從第1期開始逐漸增加，在第8期到達3.12%后趨于穩定；全球流動性對資產價格的貢獻率從第1期開始逐漸增加，在第3期到達11.10%后趨于穩定。可見，全球流動性對以上3個變量的貢獻率隨著時間的流逝逐漸增加直至穩定。相反，全球流動性對經濟增長的貢獻率從第1期開始逐漸增加，在第3期達到峰值2.41%后開始波動減小，這意味著全球流動性對前期經濟增長的影響更大。此外，本文發現，無論在任何時期，全球流動性對資產價格的貢獻率都比對其他經濟指標更高，這說明全球流動性對資產價格的影響更大。

表3　PVAR 方差分解結果　單位：%

(四)穩健性檢驗

為了進一步考察以上結論的有效性，本文將基于價格指標法測量出的全球流動性指數作為衡量全球流動性的指標，與ΔM1、ΔGDP、ΔCPI和ΔSTOCK四個變量結合起來估計PVAR模型。

P_liquidity index是月度數據，但GDP、CPI等變量不存在月度數據，因而本文將P_liquidity index中每年3月、6月、9月、12月的數據提取出來表示當年的季度數據，構建成新的以季度為單位衡量的流動性指數。然后按照計算M_liquidity growth最后一步的方法對新構建的流動性指數進行相同處理，得到ΔGLP。在進行PVAR模型估計之前，本文對ΔGLP序列進行單位根檢驗，結果顯示該序列是平穩序列，于是采用與前文相同的方法進行PVAR模型估計并得出全球流動性對其他四個經濟變量的脈沖響應函數。結果顯示，全球流動性的正向沖擊會在短期內對資產價格、經濟增長和狹義貨幣量產生促進作用，對通貨膨脹的影響相對較長，這與之前的結論一致。值得一提的是，GDP在第1期沒有出現下降，而是出現微小上升，這是因為基于價格指標測量的全球流動性能夠即時反映流動性的變化，時滯很短。此外，盡管周期更短，全球流動性對經濟增長的影響具有周期性的特點。

六、結　論

本文基于數量指標和價格指標分別對全球流動性進行了測量，同時結合實際對全球流動性動態趨勢進行分析，最后通過PVAR模型對全球流動性的宏觀經濟影響進行探討。從動態變化的角度來看，全球流動性在近三十年來一直處于波動之中，而且在金融危機爆發期間波動尤其劇烈，往往伴隨著大幅度的流動性收縮。同時，對比兩種不同指標的測量結果發現，貨幣市場在反映全球流動性變化趨勢的過程中存在明顯時滯，相反，資產價格能夠即時地反映流動性的變化。從宏觀經濟影響的層面來看，全球流動性的正向沖擊在短期內推動經濟增長的同時也會促進資產價格迅速上漲。但是，嚴重向上偏離實體經濟真實情況的資產價格上漲往往會導致市場價格的迅速回調，使經濟增長陷入困境，因而各國中央銀行在制定貨幣政策時應當考慮實體經濟的運行情況，避免出現資產價格泡沫。此外，全球流動性的正向沖擊會導致貨幣供應量短期內迅速增發，在提高居民消費水平的同時引發通貨膨脹。

當前，美國實施多年的超寬松貨幣政策已經走向終點，目前已經進入升息通道。美聯儲于2017年3月將利率上調25個基點至1.00%，在6月14日，美聯儲宣布上調利率25個基點，12月14日在符合市場普遍預期下美聯儲進行了第三次加息。顯然，美聯儲一系列的行為都預示著美國將逐步退出超寬松貨幣政策。6月16日，日本中央銀行貨幣政策會議將政策利率維持在-0.10%不變，十年期長期國債收益率維持在0.00%，資產購買計劃也會繼續實施，可見日本中央銀行依舊推行大規模的寬松政策。此外，同期舉行的英國中央銀行政策會議也決定將基準利率維持在0.25%不變。然而，到了2017年下半年，全球范圍內多個中央銀行逐漸收緊貨幣政策。美國、英國、加拿大、韓國和墨西哥等國家紛紛開啟加息步伐。截至目前，只有日本、瑞典和瑞士的政策利率處于負利率狀態。

總而言之，美聯儲雖然已經進入加息周期，但按照市場預期，加息會循序漸進，美聯儲縮減資產負債表也會體現為在過程中進行動態調節。除美聯儲以外，其他中心國家中央銀行逐步收縮貨幣政策，在推行寬松道路上只剩下日本中央銀行在孤軍前行。盡管將來世界各國中央銀行可能會受到美聯儲緊縮政策的進一步影響，但是，目前尚處于相對寬松的大環境中，全球流動性在近期內不會出現大幅度收縮。然而，全球流動性動態所帶來的潛在宏觀經濟影響需要政策制定者及研究者們予以關注。

參考文獻：

[1]李光磊,朱民.全球金融市場波動或將加大[N].金融時報,2017-04-14.

[2]鐘偉,張明,謝亞軒.全球資產價格和流動性臨近拐點了嗎[J].中國外匯，2016,(19):22-23.

[3]Chen, J., Mancini-Griffoli，G. T., Sahay, R. Spillovers From United States Monetary Policy on Emerging Markets：Different This Time?[R]. International Monetary Fund, 2014.

[4]申鉉松,蔣經飛.強勢美元、全球流動性和順周期性[J].金融市場研究,2016,(8):45-53.

[5]Caruana, J. Global Liquidity: A View From Basel[R]. International Capital Markets Association Annual General Meeting and Annual Conference, 2011.

[6]European Central Bank. Global Liquidity: Concepts, Measurements and Implications From a Monetary Policy Perspective[R].European Lentral Bank Monthly Bulletin, 2012.

[7]Ad-hoc Group. Global Liquidity-Concepts, Measurement and Policy Implications [R]. Committce on the Global Financial System Papers, 2011.

[8]高海紅.全球流動性風險和對策[J].國際經濟評論,2012,(2):28-41.

[9]何知仁,潘英麗.全球流動性的概念、驅動與溢出效應:一個文獻評述[J].上海金融,2016,(2):48-57.

[10]金中夏.全球流動性管理與中央銀行的作用[J].國際經濟評論,2011,(6):38-48.

[11]李潔,張天頂.全球流動性擴張及其對資本市場的影響[J].金融研究,2010,(10):25-35.

[12]陳靜,李政.全球流動性的變動趨勢及治理政策[J].國際金融,2015,(8):41-47.

[13]鐘偉.全球資產泡沫和流動性拐點之爭[N].21世紀經濟報道,2016-11-01.

[14]International Monetary Fund. Capital Flows and Global Liquidity[R]. IMF Note for G20 IFA WG, 2016.

[15]Cerutti, E., Claessens, S.， Ratnovski, L. Global Liquidity and Drivers of Cross-Border Bank Flows[R]. International Monetary Fund, 2014.

[16]Belke, A., Keil, J. Financial Integration, Global Liquidity and Global Macroeconomic Linkages [J]. Journal of Economic Studies, 2016, 43(1):16-26.

[17]Baks, K., Kramer, C. Global Liquidity and Asset Prices: Measurement, Implications, and Spillovers[R].International Monetary Fund Research Department, 1999.

[18]Matheson, T. D. Financial Conditions Indexes for the United States and Euro Area[J]. Economics Letters, 2012, 115(3):441-446.

[19]Chen, S. F., Liu, P., Maechler, A. M., et al. Exploring the Dynamics of Global Liquidity[R]. International Monetary Fund, 2012.

[20]Kang, H., Yu, B. K., Yu, J. Global Liquidity and Commodity Prices [J]. Review of International Economics, 2016,24(1):20-36.

[21]Eickmeier, S., Gambacorta, L., Hofmann, B. Understanding Global Liquidity[J]. European Economic Review, 2013, 68(3):1-18.

[22]Azis, I. J., Shin, H. S. Managing Elevated Risk: Global Liquidity, Capital Flows, and Macroprudential Policy：An Asian Perspective [M].Singapore: Springer, 2015.7-44.

[23]Darius, R. Can Global Liquidity Forecast Asset Prices? [R]. IMF Working Paper, 2010.

[24]Belke, A., Bordon, I. G., Hendricks, T. W. Monetary Policy, Global Liquidity and Commodity Price Dynamics[R]. Ruhr Econormic Paper No.167,2010.

[25]Belke, A., Bordon, I. G., Volz, U. Effects of Global Liquidity on Commodity and Food Prices[J]. World Development, 2013, 44(3):31-43.

[26]Obstfeld, M., Rogoff, K. Exchange Rate Dynamics Redux[J]. Journal of Political Economy, 1995,103(3):624-660.

[27]Love, I., Zicchino, L. Financial Development and Dynamic Investment Behavior: Evidence From Panel VAR [J]. Quarterly Review of Economics and Finance, 2006, 46(2):190-210.

[28]金春雨,韓哲,張浩博.基于Panel-VAR模型的我國金融業發展與經濟增長關聯性的計量檢驗[J].管理評論,2013,(1):16-23.

[29]Canova, F., Ciccarelli, M. Panel Vector Autoregressive Models: A Survey[R]. ECB Working Paper, 2013.

[30]Shen, X., Holmes, M. J., Lim, S. Wealth Effects and Consumption: A Panel VAR Approach[J]. International Review of Applied Economics, 2015, 29(2):221-237.

[31]Baltagi, B. H. Econometric Analysis of Panel Data(5th Edition)[M].New Jersey：Wiley, 2013.

[32]Horvath, R., Voslarova, K. International Spillovers of ECB’s Unconventional Monetary Policy: The Effect on Central Europe [J]. Applied Economics, 2017, 49(24): 2352-2364.