新常態下中國貨幣政策的宏觀經濟效應研究

吳昊 姜思同

基金項目：教育部人文社會科學重點研究基地“十三五”重大項目（16JJD790013）

作者簡介：吳 昊（1969—），男，內蒙古赤峰人，吉林大學東北亞研究院教授，博士生導師，研究方向：區域理論與政策;姜思同（1991—），女，吉林長春人，吉林大學東北亞研究院博士研究生，研究方向：區域理論與政策。

摘 要：以中國2003-2020年的季度宏觀經濟數據為樣本，通過構建時變系數向量自回歸模型分析銀行間同業拆借利率、M2、信貸規模、社會融資規模四項貨幣政策中介目標對實際產出、通貨膨脹、房地產市場以及股票市場的動態影響效應。結果表明：同業拆借利率對產出的影響呈增強趨勢，M2、信貸以及社會融資規模等數量型貨幣政策對產出的影響效應更顯著;信貸與社會融資規模對通貨膨脹的影響效應較顯著;同業拆借利率對房地產市場的短期影響效應較大;M2、信貸與社會融資規模對房地產與股票市場的長期影響效應較大。

關鍵詞：貨幣政策;經濟增長;通貨膨脹;房地產價格;股票價格;動態計量模型

中圖分類號：F822.0 文獻標識碼：A 文章編號：1003-7217（2021）06-0027-10

一、引言及文獻綜述

貨幣政策的經濟增長與通貨膨脹效應作為貨幣經濟學的重點研究領域始終都是學術界與決策層的關注焦點。國內外學者以多種貨幣政策中介目標作為研究對象對貨幣政策的產出與通脹效應進行了大量研究。首先，部分學者考察了信貸政策的產出與通脹效應。Friedman和Woodford（2011）提出2008年爆發的國際金融危機對貨幣經濟學研究的影響之一是重新審視金融信貸對宏觀經濟穩定的重要性[1]。Perri（2011）認為信貸政策已經成為現代經濟周期重要驅動因素之一[2]。Elekdag等（2011）基于跨國數據的實證分析發現信貸擴張對經濟周期具有顯著且持續的影響，但信貸擴張的經濟效應因各國的經濟金融狀況不同而存在差異[3]。He和Leung等（2013）利用因子拓展向量自回歸模型研究亞洲金融危機后中國的貨幣政策傳導機制，發現中國央行通過調控貸款總額能夠有效調節實際產出和價格水平[4]。Narayan等（2013）基于65個發展中國家的數據實證分析，發現信貸增長對經濟增長產生了負向影響[5]。國內方面，盛松成和吳培新（2008）認為信貸規模對宏觀經濟有直接的調控作用，信貸規模是我國央行重要的貨幣政策傳導中介目標之一，并且其主要針對的調控對象是實體經濟[6]。金成曉和馬麗娟（2010）基于Markov模型分析發現信貸對實體經濟和通貨膨脹的影響機制隨著經濟周期的躍遷發生了結構性變化，經濟繁榮期的信貸緊縮效應大于經濟蕭條期的信貸擴張效應[7]。李連發和辛曉岱（2012）的研究表明信貸擴張發生后產出缺口與通脹缺口的擴大趨勢將分別持續大約4個季度及7個季度左右，信貸政策的適度逆周期調控能夠在一定程度上平抑經濟波動并降低福利損失[8]。孫俊（2013）通過構建邏輯平滑轉換VAR模型證實規模相等的緊縮性和擴張性貨幣政策效果具有非對稱性，同一類型貨幣政策工具的宏觀經濟效應還依賴于特殊的經濟區制[9]。鄧創等（2019）選取中國2002-2017年的信貸余額數據研究發現中國信貸周期特征表現為“強擴張弱收縮”的非對稱性特征，新常態以來信貸政策對經濟增長的影響效果有所弱化，信貸擴張沖擊對產出的拉動作用比信貸收縮沖擊對產出的抑制作用明顯，信貸投放的產出效應與經濟周期有關[10]。

隨著我國市場經濟體制發展與利率市場化進程，學界和業界開始對以“M2”和“銀行間同業拆借利率”為代表的數量型與價格型貨幣政策中介目標的產出與通脹效應進行比較研究。國內方面，易綱（2009）認為隨著利率市場化的推進，市場基準利率體系為中央銀行提供利率間接調控的操作目標和監測指標[11]。王君斌等（2011）首先基于中國1992-2009年季度分析發現貨幣供給增速沖擊導致產出先經歷駝峰型上升后經歷倒駝峰式的“超調”過程[12]。周小川（2013）認為價格型貨幣政策工具的調控功能逐漸凸顯，我國貨幣政策調控模式正在由偏重數量型工具向偏重價格型工具轉變[13]。陳守東等（2014）的經驗分析表明加大貨幣供應在短期內的確能夠顯著影響實際利率和實際GDP增速，但從長期來看對實際利率和實際GDP的影響不夠顯著[14]。張龍等（2020）通過構建時變DSGE模型分析發現貨幣政策效應存在時間“非線性”，價格型貨幣政策在經濟周期擴張期更為有效，數量型貨幣政策在經濟周期收縮時更為有效，并且價格型貨幣政策具有中長期經濟效應，數量型貨幣政策僅存在短期經濟效應[15]。國外方面，Bernanke和Blinder（1989）[16]、Friedman和Kuttner（1992）[17]通過格蘭杰因果分析和VAR方差分解證明了聯邦基金利率與通脹和產出的相關性顯著高于M2指標。Primiceri（2005）基于美國經濟數據研究發現在經濟緩和期內，利率對通貨膨脹的調控效果始終較為穩定，而貨幣供應量對實際經濟變量的影響則不斷弱化[18]。Zhang（2009）基于DSGE模型研究發現價格型貨幣政策比數量型貨幣政策更有效，并且央行也更傾向于頻繁采取價格型貨幣政策進行調控[19]。

2010年12月，我國中央經濟工作會議提出要“保持合理的社會融資規模”。“社會融資規模”指標被正式提出，針對社會融資規模的宏觀經濟效應及其作為貨幣政策調控中介目標適用性的探討由此展開。盛松成和謝潔玉（2016）的研究表明社會融資規模增量對通貨膨脹以及實體經濟有顯著正向拉動作用，并且該影響效應大于新增人民幣貸款，分階段研究表明2002-2008年，社會融資規模增量、新增貸款規模對貨幣政策調控目標的影響效應很接近，2009-2014年社會融資規模增量對最終目標的影響效應超過新增人民幣貸款，社會融資規模存量與M2對貨幣政策最終目標的影響效果高度一致[20]。郭麗虹等（2014）以中國31個省份的月度數據為樣本分析發現社會融資規模的經濟增長效應存在一定的門檻特征[21]。徐亞平和宋楊（2016）基于MSVAR模型的研究發現社會融資結構多元化的發展弱化了貨幣政策數量渠道和銀行信貸渠道的經濟效應，強化了貨幣政策價格渠道與資本市場傳導渠道的經濟效應[22]。元惠萍和劉颯（2013）采用2002-2012年季度數據研究發現M2不是一個理想的貨幣政策中介目標，社會融資規模有效性和相關性更好[23]。周先平等（2013）研究發現自2009年起，M1是調控物價的最優中介指標，自2010年起社會融資規模與實體經濟發展的相關性最強[24]。

2008年國際金融危機的爆發揭示了傳統的貨幣政策操作框架的局限性，激發起人們對金融穩定問題的關注，國內外學者開始聚焦于有關貨幣政策對房地產市場與股票市場等系統重要性資產價格的沖擊效應。在信貸政策對資產價格的影響方面，Voicu等（2015）認為信貸增速是導致房地產市場波動的重要因素[25]。Zhu等（2017）采用歐洲房地產市場作為研究樣本實證分析發現擴張性的信貸政策沖擊可以顯著地刺激房地產市場走向繁榮[26]。王曉明（2010）采用VAR模型研究證實了我國銀行信貸是導致房地產市場價格波動的重要因素[27]。張小宇和劉金全（2015）考察了中國房地產價格、實際產出與貨幣供給之間的非線性關系，結果發現在經濟發展新常態時期貨幣供給沖擊對房地產價格的影響效果有所減弱、持續時期有所縮短[28]。趙勝民等（2011）基于1999-2010年金融機構信貸、房地產價格與股價指數數據研究認為我國信貸總量與國房景氣指數之間不具有同期影響，而信貸總量與上證綜指之間具有同期影響[29]。在利率與M2對資產價格的影響方面，Kasai和Gupta（2010）等研究認為金融創新機制已經在很大程度上弱化了利率工具與房地產價格之間的負相關性，利率工具與房地產價格之間主要呈正向關系[30]。Chen等（2013）認為貨幣供給沖擊雖然可以在短期內成功地調控房價，然而政策效果卻難以持續到長期[31]。Amador等（2013）基于微觀與宏觀雙重視角的經驗分析指出了歐元區寬松型貨幣政策能夠促進股票市場繁榮[32]。Gegnon和Gimet（2013）指出貨幣政策可以引起北美股票市場波動率的臨時下降，并可以促進股票價格的提升[33]。國內方面，劉金全和鄭荻等（2019）認為以同業拆借利率對金融市場的調控更為有效[34]。盛松成和吳培新（2008）認為M2是我國重要的貨幣政策傳導中介目標之一，并且其主要針對的調控對象是金融市場[6]。顧海峰和張元姣（2014）研究證實銀行間同業拆借利率是房地產價格的格蘭杰原因，但是利率對房價的調控效應不顯著[35]。陳浪南和劉勁松（2018）研究發現利率變動對股價的影響具有時變性，當股票價格泡沫較大時，其價格可能會與市場利率呈正相關，提升利率的緊縮性貨幣政策未必能抑制股票價格泡沫[36]。陳創練和戴明曉（2018）實證分析發現數量型貨幣政策在管控房價上更為有效[37]。在社會融資規模對資產價格的影響方面，趙勝民等（2014）研究發現我國社會融資規模對房價具有同期影響，而貨幣供應量對房價不具有同期影響，社會融資規模和實際利率對房價的調控效果比較明顯，但實際對房價的沖擊持續期限較短，不宜作為房價的長效調控手段[38]。

綜上所述，貨幣政策對宏觀經濟體系的影響機制極為復雜，國內外學者的研究結論因所采取的考察樣本、研究方法、研究視角的不同而存在顯著差異。從現有研究來看，關于中國貨幣政策對宏觀經濟影響效應的實證研究仍存在一些問題值得深入探討。首先，貨幣政策的量價轉換非一日之功，現階段數量型與價格型貨幣政策工具尚不具備單獨調節宏觀經濟的能力，因而對利率、M2、信貸以及社會融資規模等不同類型貨幣政策中介目標的調控效應進行系統性對比分析顯得尤為重要。其次，現有文獻多集中于考慮我國貨幣政策對個別宏觀經濟變量的溢出效應，而本文嘗試探索貨幣政策對我國實體經濟、通貨膨脹、房地產市場和股票市場的多層次影響，可以為貨幣政策決策部門面臨經濟增長、價格穩定與金融系統穩定三重目標間的權衡取舍提供參考，有利于健全貨幣政策與宏觀審慎政策的雙支柱調控機制。此外，在對外貿易和金融開放程度不斷提高的背景下，我國貨幣政策調控效果也必然隨著經濟環境和政策工具的變化而表現出顯著差異。因此，在整個樣本期間內運用傳統的固定系數模型無法甄別貨幣政策的時變宏觀經濟效應，進而導致分析結果存在謬誤。而附加隨機波動率的時變系數向量自回歸（TVP-SV-VAR）模型可以有效捕捉經濟發展過程中的結構性變化，用于分析貨幣政策中介目標對宏觀經濟的動態沖擊效應具有明顯的優越性。有鑒于此，作為對現有研究的有益補充[39]，本文以中國2003年第1季度至2020年第4季度的銀行間同業拆借利率、M2、信貸規模、社會融資規模、經濟增長、居民消費價格指數、房地產價格、股票價格指數共8項時間序列數據作為基礎研究樣本，剖析包含利率、M2、信貸以及社會融資的四種價格型與數量型貨幣政策中介指標對我國宏觀經濟與金融市場的非線性影響機制，以期為健全和完善貨幣政策調控框架的系統性政策提供參考。

二、研究設計

（一）變量選取與數據處理

考慮到數據的有效性與可得性原則，選取2003-2020年的貨幣政策以及宏觀經濟金融數據作為研究樣本，共選取8項研究指標。其中各項樣本數據均來自中國人民銀行與國家統計局官網以及中經網統計數據庫。

利率（RATE）：參考陳創練和戴明曉（2018）[37]的研究選取銀行間7天期同業拆借市場利率作為價格型貨幣政策中介目標的替代變量。廣義貨幣供應規模（M2）：參考盛松成和謝潔玉（2016）[20]的研究選取月度新增M2數據作為當期廣義貨幣供應規模的代理指標。貸款規模（LOAN）：參考李連發和辛曉岱（2012）[8]的研究選取金融機構人民幣新增貸款作為信貸規模代理指標。社會融資規模（SF）：參考盛松成和謝潔玉（2016）[20]的研究。經濟增長（GDP）：參考元惠萍和劉颯（2013）[23]用季度實際GDP指數（上年同期=100）衡量實體經濟發展狀況;通貨膨脹（CPI）：選取居民消費價格指數作為通貨膨脹代理變量，同時為與實際GDP增長指數的數據特征保持一致，選用月度同比CPI數據。房地產價格（HP）：雖然國房景氣指數能夠基本反映房地產市場波動狀況，但考慮到房地產產權屬性差異，本文參考顧海峰和張元姣（2014）[35]的研究采用商品房銷售總額除以商品房銷售總面積來衡量全國整體平均房地產價格的變動情況。股票價格（SP）：參考劉金全和鄭荻（2019）[34]的研究選取上證綜指月度收盤價衡量股票市場波動。

本文參考元惠萍和劉颯（2013）[23]的研究進行數據處理。鑒于社會融資規模（SF）為增量數據，考慮到保持各項貨幣政策中介指標的可比性，對人民幣貸款（LOAN）和廣義貨幣供應（M2）也采用增量數據。同時為了消除通貨膨脹因素對上述增量數據可比性的影響，將貨幣政策中的增量數據除以定基CPI（2002年1月=100），得到各項貨幣政策中介目標的實際月度增量。為保證貨幣政策指標與GDP指數在數據特點上保持一致，對實際月度增量進行季度累計得到實際季度增量，再除以上年同期值并乘以100%即得相應中介目標變量的同比指數。對于房地產價格與股票價格而言，同樣，利用季度算數平均值除以上年同期值并乘以100%即得到其同比指數。經數據處理后，樣本區間為2003年第1季度至2020年第4季度，所有變量的數據均為同比指數。出于敘述簡便，下文略去同比指數而直稱各項指標名稱。此外，盡管選用的是季度數據，但鑒于同比指數處理方法已經消除季節性因素，故不需要進一步對數據進行季節調整。

（二）計量模型設定

考慮到貨幣政策傳導效應的復雜性，應用線性模型無法充分捕捉經濟變量間的非線性關聯機制。故選用能夠甄別宏觀經濟系統結構性突變特征的具有隨機波動的時變系數向量自回歸（TVP-SV-VAR）模型進行建模。首先，引入基本的結構性VAR模型形式如下：

在完成所有結構化參數的估計過程后，可以據此計算TVP-SV-VAR模型的時變脈沖響應函數。

三、計量結果分析

（一）時間序列數據基本統計特征分析

表1展示了各項貨幣政策中介目標與各項宏觀經濟以及金融變量的基本描述性統計分析結果。從各變量的均值來看，信貸規模（LOAN）的均值最大，說明長期以來相較于其他類型的數量型貨幣政策中介目標人民幣信貸是我國尤為重要的一項貨幣政策操作中介指標。從宏觀經濟與金融變量來看，股票價格（SP）與房地產價格（HP）的均值均大于實際產出（GDP），反映出2003年以來我國虛擬經濟發展速度顯著超越了實體經濟。從各變量的標準差來看，在貨幣政策的四個中介指標當中，人民幣信貸規模（LOAN）、廣義貨幣供應規模（M2）和社會融資規模（SF）三項數量型貨幣政策中介目標的標準差較大，而銀行間同業拆借利率（RATE）這一價格型貨幣政策中介目標的標準差較小;在宏觀經濟與金融變量當中，房地產價格（HP）和股票價格（SP）的標準差較大，實際產出（GDP）和通貨膨脹（CPI）的標準差較小，這也證明了我國貨幣政策長期以來具有盯住產出與通脹缺口的偏好，而對資產價格缺口的調整偏好相對較弱，并且我國央行長期傾向于采用數量型貨幣政策對產出與通脹進行相機調控。

（二）時間序列數據平穩性檢驗結果分析

在構建自回歸模型進行計量分析前，需要采用平穩性檢驗，避免偽回歸現象。采用ADF單位根檢驗法對銀行間同業拆借利率等中介目標以及實際GDP等宏觀經濟變量進行平穩性檢驗，結果如表2所示。根據檢驗結果可知，各時間序列變量數據均在5%的顯著性水平下拒絕了存在單位根的原假設，即本文的樣本數據具有較好的平穩性。

（三）時間序列數據滯后階數判定

進一步對樣本時間序列數據進行最優滯后結構檢驗，結果如表3所示。根據似然比（LR）、最終預測誤差（FPE）、AIC、SC以及HQ信息準則等多種滯后長度判定準則可以確定本文自回歸模型系統的最優滯后階數為2階。

（四）基于馬爾科夫蒙特卡洛方法的參數估計結果分析

采用Ox6.0計量軟件實現TVP-SV-VAR模型的參數估計過程，馬爾科夫蒙特卡洛（MCMC）抽樣次數設定為2萬次，預燒抽樣舍去前2千次，參數估計結果見表4。由表4可知，Geweke檢驗在1%顯著性水平無法拒絕參數估計結果收斂于后驗分布的原假設。其中，CD統計量和無效因子分別從最終收斂效果和模擬過程中不相關樣本數量兩方面來反映模擬效果的優劣。CD統計量可以表示為：

假設，Bm=500，ρs 表示滯后s 階的自相關系數。在同等模擬次數中，無效因子取值與模擬結果負相關。模型估計中參數無效因子最大取值僅為121.60，整體取值水平較小。由于MCMC隨機抽取次數為2萬次，因此至少可獲得20000/121.6≈160個不相關樣本觀測量，樣本量相對于模型的后驗推斷絕對充足。同時也說明模型為各參數產生的樣本具有有效性，模擬結果具有合理性。

（五）貨幣政策中介目標對宏觀經濟的影響效應分析

基于TVP-SV-VAR模型的參數估計結果計算獲取的等間隔時變脈沖響應函數能夠直觀地刻畫出擾動項一個標準差的正向沖擊在樣本區間內各時點對模型系統中各內生變量的影響效應，進而系統全面地把握不同經濟政策對宏觀經濟變量的動態影響效果。鑒于此，在對TVP-SV-VAR模型進行參數估計的基礎上，應用脈沖響應函數曲線描述并刻畫同業拆借利率（RATE）、廣義貨幣供應規模（M2）、信貸規模（LOAN）以及社會融資規模（SF）四項貨幣政策中介目標沖擊對實體經濟（GDP）、通貨膨脹（CPI）、房地產價格（HP）以及股票價格（SP）的動態影響效應。選擇沖擊持續期限分別為滯后2期（半年）、滯后4期（1年）、滯后8期（2年）的時變脈沖響應函數曲線作為分析對象，分別刻畫一個標準差的貨幣政策變量沖擊對相關核心宏觀經濟變量的短期影響效應（圖1～圖4中短虛線）、兩個標準差的中期影響效應（圖1～圖4中長虛線）以及四個標準差的長期影響效應（圖1～圖4中實線）。

1.貨幣政策中介目標對實際產出的動態影響效應。

圖1～4分別刻畫了2003-2020年，我國同業拆借利率、廣義貨幣供應規模（M2）、信貸規模（LOAN）與社會融資規模（SF）的一單位正向沖擊對實際產出增速的短期、中期與長期影響效應。根據四幅圖形中的脈沖響應函數曲線走勢可知，我國貨幣政策對實際產出的影響效應具有典型的非線性時變特征。從縱向分析可知，新常態以來銀行間同業拆借利率對實體經濟的影響效應呈現增強趨勢;M2對實體經濟的長期影響效應在2011年左右由正轉負，短期與中期影響效應則在2014年后有所加強;信貸規模在新常態前對產出的影響效應比較平穩，而在進入2012年后便急劇下降到零線附近，但在2016年后信貸對產出的支撐作用再次穩步提升;社會融資規模對產出的促進作用自2005年以來始終在穩步提升。從橫向對比來看，在經濟發展舊常態時期M2對產出的影響效應最強，其次是信貸規模，而社會融資規模對產出的影響效應最弱;在經濟發展新常態時期，以M2、信貸規模以及社會融資規模為代表的數量型貨幣政策中介目標對實體經濟的沖擊效應仍然大于以銀行間同業拆借利率為代表的價格型貨幣政策中介目標，并且社會融資規模對實體經濟的刺激效應在長期內表現出較高的穩健性，依然能夠對產出發揮較強的刺激作用。值得注意的是，2020年期間M2、信貸、社會融資規模對產出的刺激作用達到了新常態以來的新高，一個合理的解釋是：中國人民銀行果斷地站在了抗擊疫情影響的最前線，借助一系列結構性貨幣政策諸如再融資和再貼現全力支持在疫情中受到重創的中小微企業，將信貸資源直接傳導到實體經濟。社會資金成本在2020年也由于中期借貸利率的下調而大幅降低。央行通過調整貨幣政策的強度、目標和節奏有效地應對了疫情對經濟造成的負面沖擊，我國實體經濟不但率先復蘇而且取得了全年正增長的良好成績。這間接表明在經濟衰退期貨幣政策對實體經濟的促進作用大于在經濟平穩期和擴張期貨幣政策對產出的影響。

2.貨幣政策中介目標對通貨膨脹的動態影響效應。

由于篇幅限制，本文并未附上所有脈沖響應圖。根據2003-2020年我國四項主要貨幣政策中介目標一單位正向沖擊對通貨膨脹水平的短期、中期與長期影響效應的脈沖響應情況可知，我國貨幣政策所引發的通貨膨脹效應具有典型的時變特征。從縱向分析可知，銀行間同業拆借利率在2016年以前對通貨膨脹的短期和中期影響效應為正，此后其中期通脹效應由正轉負，這表明長期以來我國價格型貨幣政策對通貨膨脹水平的調控作用不夠有效;在2015年以前，M2對通貨膨脹的影響效應具有較大的波動性，而在2015后對通貨膨脹的影響效果逐漸收斂至零線附近，這表明新常態后M2與通貨膨脹的相關性已經減弱;信貸規模對通貨膨脹的影響效應在2013年前后發生了結構性突變，此后信貸規模對通貨膨脹的中期和長期影響效應增強，這表明從中長期來看信貸規模與通貨膨脹的相關性有上升趨勢;社會融資規模對通貨膨脹的短期影響效應為負，而中長期影響效應為正，并且中長期影響效應在2010年后也呈現出逐步增強的趨勢。從橫向對比來看，新常態以來M2對通貨膨脹的沖擊效應最弱，其次是銀行間同業拆借利率和信貸規模，而社會融資規模對通貨膨脹的沖擊效應最強。

3.貨幣政策中介目標對房地產價格的動態影響效應。

根據2003-2020年我國四項主要貨幣政策中介目標一單位正向沖擊對房地產價格水平的短期、中期與長期影響效應的脈沖響應情況可知，我國貨幣政策對房地產市場的沖擊效應具有典型的時變特征。從縱向比較可知，銀行間同業拆借利率對房地產價格的沖擊效應在2011年左右發生了重大改變，2011年之前銀行間同業拆借利率對房地產價格的短期和中期影響效應為負，而長期影響效應為正，此后其對房地產價格的長期影響效應由正轉負，并且短期和中期的負向抑制作用也有所增強;M2對房地產價格的影響效應在2008年左右發生了結構性改變，2008年之前M2對房地產價格不具有正向刺激作用，而2008年后M2對房地產價格的影響效應由負轉正，并且該正向助推作用呈現出穩步增強的趨勢;信貸規模對房地產價格的影響效應在2006年左右發生了結構性改變，2006年之前信貸規模對房地產價格不具有正向刺激作用，而2006年后信貸規模對房地產價格的影響效應由負轉正，并且該正向助推作用呈現出穩步增強的趨勢;社會融資規模對房地產價格的短期影響效應在2007年左右由負轉正，長期影響效應始終為負向抑制作用，中期影響效應始終為正向促進作用，并且其短期與中期的正向促進效應以及長期的抑制效應均呈現出逐漸增強的趨勢。從橫向比較可知，短期來看銀行間同業拆借利率對房地產價格的沖擊效應較大，具有較為顯著的靈敏性特征;而長期來看，擴張性信貸政策沖擊對房地產價格的影響效應較大并且具有穩健性特征，M2和信貸規模對房地產價格的促進效應要大于銀行間同業拆借利率對房地產價格的抑制效應，這表明數量型貨幣政策更適宜作為房地產市場的長期調控手段，而價格型貨幣政策適合在短期內控制房地產市場的過熱現象。

4.貨幣政策中介目標對股票價格的動態沖擊效應。

根據2003-2020年我國四項主要貨幣政策中介目標一單位正向沖擊對股票價格水平的短期、中期與長期影響效應的脈沖響應情況可知，我國貨幣政策對股票市場的沖擊效應具有典型的時變特征。通過縱向分析可知：銀行間同業拆借利率對股票價格的影響效應在整個樣本期間始終為負，并且中期影響效應最強，短期與長期影響效應較弱，這表明我國價格型貨幣政策對股票市場的調控效應依然存在較大的時滯性，股票市場對政策利率的反應并不十分靈敏;M2對股票價格的短期與中期影響效應始終為正，并且進入新常態以來呈現出逐漸減弱的趨勢，而M2對股票市場的長期影響不如短期與中期影響效應強烈;貸款規模對股票價格的短期與中期影響效應遠大于長期影響效應，并且國際金融危機后信貸規模沖擊對股票市場的影響效應有所增強，中期影響效應具有較大波動性;社會融資規模對股票市場的短期影響效應呈現減弱趨勢，對股票市場的長期影響呈現出增強趨勢并且其長期影響效應遠大于短期與中期影響效應。從橫向對比可知：以M2、社會融資規模和信貸規模為代表的數量型貨幣政策對股票市場的長期影響效應大于銀行間同業拆借利率。

四、研究結論與政策建議

在貨幣政策轉型和調控工具多元化的背景下，科學準確地識別貨幣政策的宏觀經濟效應對于理解貨幣政策傳導機制的動態演變至關重要。本文在對貨幣政策的宏觀經濟效應進行文獻梳理的基礎上，選取我國2003年第1季度至2020年第4季度的宏觀經濟數據作為研究樣本，通過構建帶有隨機波動率的時變系數向量自回歸模型系統分析了銀行間同業拆借利率、M2、信貸規模、社會融資規模四項代表性貨幣政策中介目標對實際產出、通貨膨脹、房地產價格以及股票價格的動態影響效應。研究結果表明：其一，就貨幣政策對產出的影響效應而言，新常態以來銀行間同業拆借利率對實際產出的影響效應呈增強趨勢，但比較而言M2、信貸以及社會融資規模對產出的影響效應顯然更大，其中社會融資規模對實體經濟的提振作用最為顯著，并且在經濟衰退期貨幣政策對產出的影響大于在經濟平穩期和擴張期貨幣政策對產出的影響。其二，就貨幣政策對通貨膨脹的影響效應而言，信貸規模與社會融資規模對通貨膨脹的影響效應更強，是現階段央行控制通貨膨脹缺口的理想政策工具。其三，就貨幣政策對房地產價格的影響效應而言，自2012年以來，銀行間同業拆借利率對房地產價格的抑制作用增強，其對房地產價格的短期沖擊效應較強，具有靈敏性特征，適合作為房地產市場的短期調控工具;而M2、信貸規模與社會融資規模對房地產市場與股票市場的長期影響效應較強，具有穩健性特征，適合作為房地產市場與股票市場的長效調控工具。

第一，短期內應當繼續注重并進一步優化以數量型為主的貨幣政策調控框架，堅持提高貨幣政策的科學性、適度性與前瞻性。盡管價格型貨幣政策調控是未來的發展趨勢，但考慮到中國作為處于轉型階段的新興經濟體，短期內仍需注重運用數量型貨幣政策工具，通過數量型貨幣政策調控維持適度的流動性環境，兼顧總量與結構調控，實現對流動性調控的精細化管理。中央銀行可以發揮政策工具的定向調控

優勢，通過影響商業銀行信貸投放，達到提升貨幣政策傳導效果的作用。鑒于社會融資規模指標的結構性優勢，應持續推進結構性貨幣政策，通過一系列定向舉措，對中小企業和實體經濟的薄弱環節提供支持，最大程度發揮其在我國經濟結構調整和供給側結構性改革中的作用。完善貨幣政策決策機制，增加貨幣政策透明度和有效指引是穩定市場預期、提高利率傳導效率的有效途徑[40]。

第二，長期來看應通過逐步改革的方式，漸進化構建“價主量輔”的混合型貨幣政策調控框架，充分體現新時代中國特色社會主義經濟體制的優勢。利用市場化手段構建更加合理的利率期限結構以及收益率曲線，推進我國金融市場定價機制的合理化與規范化，將短期利率、中長期利率、債券市場利率以及信貸市場利率緊密結合在一起，提升短期貨幣市場利率報價機制的主導作用。因此，價格型貨幣政策的實施離不開有效的金融市場基準利率體系，把握好利率體系中政策利率的基準特征、政策利率與其他輔助性政策工具之間的關系，持續推進高度認可、高度統一的基準利率體系，對金融市場資源的合理優化配置至關重要。

第三，以供給側結構性改革為契機破解各種體制機制障礙，著力疏通貨幣政策傳導渠道，提升貨幣政策傳導效率。統籌協調金融體制改革和其他結構性改革，通過弱化體制機制壁壘，促使以價格型貨幣政策為主導的調控體系發展與完善。適度降低金融市場準入標準、推動民營銀行等金融機構發展壯大，夯實貨幣政策傳導渠道的微觀基礎的同時，也有利于激發金融市場活力，更好地縱向深度發展。通過證券市場、信貸市場、交易所市場以及銀行間市場的相互融合與競爭，提高市場利率定價的敏感度，最終達到提升利率傳導渠道效率的目的。規范治理地方政府債務融資平臺和房地產企業等結構性扭曲部門，弱化其對其他市場經濟主體的“擠出效應”。堅定不移地推進國有企業和財稅體制改革，打破預算軟約束體制和規范融資雙管齊下，使利率能夠真實反映資金的供求關系。培養對市場利率敏感性較強的市場化企業，努力實現真正的市場化競爭。

參考文獻：

[1] Friedman B M， Woodford M. Handbook of monetary economics [M].North Holland：Elsevier，2011.

[2] Perri Fabrizio，Vincenzo Quadrini. International recessions[M].Social Science Electronic Publishing， 2011.

[3] Elekdag S，Wu Y. Rapid credit growth：Boon or boom-bust[R].IMF Working Paper，2011（11）.

[4] He Q，H.Leung P，Chong T L. Factor-augmented VAR analysis of the monetary policy in China[J].China Economic Review，2013（25）：88-104.

[5] Narayan P K，Narayan S. The short-run relationship between the financial system and economic growth：New evidence from regional panels[J].International Review of Financial Analysis，2013，29（5）：70-78.

[6] 盛松成，吳培新.中國貨幣政策的二元傳導機制——“兩中介目標，兩調控對象”模式研究[J].經濟研究，2008（10）：37-51.

[7] 金成曉，馬麗娟.信貸政策效應的非對稱性、信貸擴張與經濟增長[J].統計研究，2010（9）：9-15.

[8] 李連發， 辛曉岱.銀行信貸、經濟周期與貨幣政策調控：1984—2011[J].經濟研究，2012（3）：102-114.

[9] 孫俊.貨幣政策轉向與非對稱效應研究[J].金融研究，2013（6）：60-73.

[10]鄧創，趙珂，邱曉勇.中國信貸周期波動的新特征及其經濟增長效應分析[J].江蘇社會科學，2019（1）：9-18.

[11]易綱.中國改革開放三十年的利率市場化進程[J].金融研究，2009（1）：1-14.

[12]王君斌，郭新強，蔡建波.擴張性貨幣政策下的產出超調、消費抑制和通貨膨脹慣性[J].管理世界，2011（3）：7-21.

[13]周小川.新世紀以來中國貨幣政策的主要特點[J].中國金融，2013（2）：4-10.

[14]陳守東，易曉溦，劉洋.貨幣供給、通貨膨脹與產出波動的動態效應研究：1992-2013[J].南方經濟，2014（2）：24-41.

[15]張龍，殷紅，王擎.數量型還是價格型——來自貨幣政策“非線性”有效性的經驗證據[J].中國工業經濟，2020（7）：61-79.

[16]Bernanke B S，Blinder A S. The federal funds rate and the channels of monetary transmission[J].American Economic Review 1989，82（4）：901-921.

[17]Friedman B M，Kuttner K N. Money，income，prices，and interest rates[J].American Economic Review，1992，82（3）：472-492.

[18]Primiceri G E. Time-varying structural vector auto-regressions and monetary policy[J].Review of Economic Studies，2005，72（3）：821-852.

[19]Zhang W.Chinas monetary policy：Quantity versus price rules[J].Journal of Macroeconomics，2009，31（3）：473-484.

[20]盛松成，謝潔玉.社會融資規模與貨幣政策傳導 ——基于信用渠道的中介目標選擇[J].中國社會科學，2016（12）：60-82.

[21]郭麗虹，張祥建，徐龍炳.社會融資規模和融資結構對實體經濟的影響研究[J].國際金融研究，2014（6）：66-74.

[22]徐亞平，宋楊.社會融資結構變化對我國貨幣政策傳導模式的影響[J].財經科學，2016（8）：1-13.

[23]元惠萍，劉颯. 社會融資規模作為金融宏觀調控中介目標的適用性分析[J].數量經濟技術經濟研究，2013（10）：94-108.

[24]周先平，冀志斌，李標. 社會融資規模適合作為貨幣政策中間目標嗎？[J].數量經濟技術經濟研究，2013（10）：79-93.

[25]Voicu I， Paley I，Lopez A E，et al. Information externalities，neighborhood characteristics and home mortgage pricing and underwriting[J].Real Estate Economics，2015，43（3）：719-749.

[26]Zhu B， Betzinger M，Sebastian S. Housing market stability，mortgage market structure，and monetary policy：Evidence from the Euro area[J].Journal of Housing Economics，2017，37（C）：1—21.

[27]王曉明.銀行信貸與資產價格的順周期關系研究[J].金融研究，2010（3）：45-55.

[28]張小宇，劉金全.貨幣政策、產出沖擊對房地產市場影響機制——基于經濟發展新常態時期的分析[J].中國工業經濟，2015（12）：20-35.

[29]趙勝民，方意，王道平.金融信貸是否中國房地產、股票價格泡沫和波動的原因——基于有向無環圖的分析[J].金融研究，2011（12）：62-76.

[30]Kasai， Gupta. Financial liberalization and the effectiveness of monetary policy on house price in South Africa[J]. The IUP Journal of Monetary Economics， 2010， 8（4）：59-74.

[31]Chen N K，Chou Y H，Wu J L. Credit constraint and the asymmetric monetary policy effect on house prices[J].Pacific Economic Review，2013，18（4），431-455.

[32]Amador O F，Gachter M，Larch M.Monetary policy and its impact on stock market liquidity：Evidence from the Eurozone[J].Journal of Empirical Finance，2013，21（3）：54-68.

[33]Gagnon M H，Gimet C.The impacts of standard monetary and budgetary policies on liquidity and financial markets：International evidence from the credit freeze crisis[J].Journal of Banking&Finance，2013，37（11）：4599-4614.

[34]劉金全，鄭荻，丁婭楠.社會融資規模是一種有效的貨幣指標嗎？——基于SVAR模型的實證研究[J].改革，2019（12）：41-49.

[35]顧海峰，張元姣.貨幣政策與房地產價格調控：理論與中國經驗[J].經濟研究，2014（1）：29-43.

[36]陳浪南，劉勁松.貨幣政策沖擊對股票市場價格泡沫影響的時變分析[J].統計研究，2018（8）：39-47.

[37]陳創練，戴明曉.貨幣政策、杠桿周期與房地產市場價格波動[J].世界經濟，2018（9）：52-67.

[38]趙勝民，羅琦，李政.社會融資規模適合作為調控房價的政策工具嗎[J].統計研究，2014（10）：29-36.

[39]Nakajima J. Time-varying parameter VAR model with stochastic volatility：An overview of methodology and empirical applications[R]. Monetary and Economic Studies， 2011， 29：107-142.

[40]孫少巖，劉芮嘉.我國結構性貨幣政策執行效果的檢驗[J].商業研究，2019（10）：43-54.

（責任編輯：王鐵軍）