數字金融發展與貨幣政策有效性

史依銘

(安徽大學 經濟學院,合肥 230601)

一、問題的提出

數字金融的快速發展不僅為我國經濟高質量增長帶來了新的動力,也深刻的影響了傳統金融機構的經營模式。數字金融作為信息技術與金融服務相結合的新興產物,其業務范圍涉及支付、貸款與保險等領域。這些新興金融服務一方面沖擊了傳統金融機構的表內業務與中間業務[1],另一方面也助推了現有金融體系的變革,同時也影響了貨幣政策的傳導機制以及實施效果[2]。

貨幣政策作為銜接宏觀政策與微觀運行的重要橋梁[3],能否有效傳導至實體經濟,對經濟平穩運行以及高質量發展有著舉足輕重的作用[4]。貨幣政策目標的實現,主要取決于貨幣政策傳導機制的實施效果[5],不同傳導機制通過不同的傳導渠道會引起不同的反應[6]。而數字金融的發展將會對貨幣政策的傳導機制,即對銀行等傳導中介造成巨大沖擊,由此進一步影響貨幣政策的實施效果。學術界尚未達成統一的數字金融與貨幣政策有效性的研究結論。一部分學者認為,數字金融的發展將會弱化貨幣政策的實施效果。這主要是因為數字金融對貨幣供給端和需求端的沖擊會降低貨幣控制的有效性,因此需要中央銀行發明新的政策工具來強化貨幣政策的有效性[7]。何劍等[3]研究發現數字金融會通過削弱銀行信貸這一傳導渠道來弱化貨幣政策的有效性。但另一部分學者認為,數字金融的發展會強化貨幣政策的實施效果。主要是因為數字金融與傳統金融相互競爭,將會推動金融結構變革和金融效率的提升[8]。隨著金融市場的不斷完善,貨幣政策有效性也會得到提升[9]。并且數字金融的快速發展也會給銀行等金融機構帶來服務質量提高和技術水平升級的機遇[10]。戰明華等[11]基于拓展的IS-LM-CC模型研究發現,整體上看數字金融提高了貨幣政策有效性,具體表現為放大了產出效應并減少了時滯。

上述問題的討論引發了關于我國在數字化背景下數字金融發展與貨幣政策有效性問題的思考,基于此引出了本文將要研究的問題:數字金融發展是否影響了我國貨幣政策的有效性?是強化還是弱化?哪種傳導路徑更有效?動態影響效果又如何?

貨幣政策作為金融宏觀調控的核心,對實現全社會總供求均衡以及促進經濟平穩發展具有重要作用,而貨幣政策有效性又是實現貨幣政策目標的主要判斷依據。當前我國數字金融發展迅猛,數字化技術與金融行業的結合不僅重塑了傳統金融機構的經營模式,而且還影響到了貨幣政策工具的實施效果。基于已有文獻的研究成果,學者們主要是從數字金融影響貨幣政策的銀行信貸渠道視角進行研究,鮮有學者關注數量型貨幣政策與價格型貨幣政策兩種方式的比較效果,以及數字金融對貨幣政策中介目標和最終目標的影響效果,并且缺少數字金融對貨幣政策有效性的動態效應觀察。因此,本文的貢獻之處在于:第一,實證檢驗了數字金融發展對貨幣政策最終目標經濟增長和物價穩定的影響效果,并比較了數量調控和價格調控在傳導過程中的有效性。第二,基于時變參數的向量自回歸模型,考察了數字金融發展對貨幣政策有效性的預期動態影響,分析了利率和貨幣供應量在數字金融對貨幣政策有效性的時變影響中所扮演的角色。探討數字化背景下數字金融發展對貨幣政策傳導機制的影響,并進一步分析貨幣政策有效性問題,不僅有利于我國抓住數字金融迅猛發展帶給宏觀政策調控的機遇,還有利于提升我國貨幣政策的實施效果。

二、理論分析

(一)數字金融與貨幣政策中介目標

貨幣政策有效性對我國宏觀政策調控和經濟平穩運行具有重要意義,而貨幣供應量和利率等傳導中介又是考量貨幣政策有效性的重要指標。因此,若要分析數字金融對貨幣政策有效性的影響,則需先分析數字金融對貨幣供應量和利率的作用效果。

1.數字金融與貨幣供應量

基于以往學者們的研究來看,數字金融的快速發展會促進傳統金融機構創新金融產品并提高服務水平[12]。一方面是從替代效應的角度來看,Franklin et al.[13]研究發現電子金融可以利用自身的信息技術等優勢,通過對傳統金融服務的替代來實現去中介化,從而提高金融供給水平。另一方面是從互補效應的角度來看,傳統金融供給和數字金融發展互相補充,兩者是相互依賴、相互促進的關系,不僅傳統金融供給會促進數字金融的發展,數字金融的發展也會提高傳統金融的供給[14]。賈麗平等[15]基于VAR模型分析發現電子貨幣的增加可以提高貨幣供應量,兩者呈正相關關系。劉瀾飚等[2]研究發現互聯網金融顯著提高了廣義貨幣供應量的增長效應。并且劉生福[16]也發現第三方支付會提高貨幣供給量。

數字金融提高貨幣供應量不僅可以從上述學者們的研究可知,還可以通過對貨幣創造過程即貨幣乘數公式的分析而發現。根據貨幣乘數的定義:

(1)

式(1)中,M2是廣義貨幣供應量,k是現金漏損率,t是定期存款占活期存款的比例(以下簡稱定活比),rd是活期的法定存款準備金率,re是超額準備金,rt定期的法定存款準備金率。具體來看,數字金融主要是通過現金漏損率和定活比兩個渠道來影響貨幣乘數進而影響貨幣供應量。

第一,數字金融對現金漏損率的影響。數字金融的快速發展給居民生活的方方面面帶來了深刻的影響,小到日常生活購物等小額支出,大到外出旅游等大額消費。因為線上支付具有速度快、成本低等便利性優點,所以居民在支付方式上均傾向選擇線上支付。根據Wind數據庫的第三方支付數據顯示,我國第三方支付的市場規模已從2009年0.54萬億元增長到2017年154.9萬億元,年均增幅高達87.53%。由于居民手中所持有的現金在逐漸減少,所以現金的漏損率也在逐漸降低。并且根據式(2)可知,當我們使用貨幣乘數公式對現金漏損率求偏導時可以發現:

(2)

分母是平方的形式,所以我們只需判斷分子的符號即可。因為我國的貨幣乘數長期以來一直保持在3以上的水平。根據圖1可知,我國貨幣乘數在樣本期間2008—2020年一直大于1,故我們基于式(1)可以判斷出,分子大于分母,而式(2)的分子可以看作式(1)分母對分子的減法,故式(2)的分子應為負數,即式(2)整體為負數。這說明現金漏損率與貨幣乘數呈負相關關系,數字金融的發展使得現金漏損率變小,由此導致貨幣乘數變大和貨幣供應量增加。

圖1 2008—2020年貨幣乘數

第二,數字金融對定活比的影響。數字金融發展不僅影響到居民消費領域,而且也遍布在居民的投資領域中。其中互聯網平臺的理財產品便是層出不窮,這些理財產品不僅投資門檻低,而且普遍具有較高的收益率和流動性。一方面增加了居民存款的機會成本,另一方面也對銀行的存款業務產生了較大沖擊,相對于定期存款來看,活期存款資金下降的更多,進而提高了定活比。由此,我們使用貨幣乘數公式對定活比進行求偏導:

(3)

從式(3)中不難看出,該式的分子為正數,即式(3)整體大于0。由此說明數字金融通過提高定活比來擴大貨幣乘數,進而增加貨幣供應量。

2.數字金融與利率

一方面,參考陳創練等[17]研究的真實貨幣供給函數可知,貨幣供給量受到產出和利率的影響。

(4)

式(4)中的m表示貨幣實際供給,M表示貨幣名義供給,P表示物價水平,y表示產出,l表示貨幣供給對產出的敏感系數,i表示利率,h表示貨幣供給對利率的敏感系數,經式(4)變換可得式(5)。

(5)

從式(5)中不難看出,在其他條件不變的情況下,貨幣供給與利率呈負相關關系,即貨幣供給量越大,利率越低。在本文中,當數字金融快速發展時,通過貨幣乘數這一作用增加了貨幣供應量,由此降低了利率,即基于“數字金融-貨幣供應量-利率”的分析視角發現數字金融發展會降低利率水平。

另一方面,數字金融發展對利率的影響還可以通過弱化金融摩擦以及完善金融市場等途徑,其中戰明華等[11]基于理論模型分析發現,數字金融發展會顯著降低金融市場的信息不對稱程度,通過競爭效應來弱化金融摩擦并完善利率在金融市場中的傳導機制,進而增強了價格型貨幣政策的有效性。劉瀾飚等[18]根據微觀銀行學理論分析發現,數字金融發展通過規模替代效應及網絡外部效應顯著提高了利率與市場之間的相關性和敏感性,增強了利率等價格型貨幣政策傳導渠道的有效性。

(二)數字金融與貨幣政策有效性

有關數字金融與貨幣政策有效性的研究主要是從以下兩個角度進行探討。一是基于金融發展理論的角度,King &Levine[19]運用內生增長模型發現金融發展可以促進經濟增長。數字金融作為金融的一種,當然也具備金融的特性,王永倉和溫濤[20]認為不僅要從金融發展深度來探討對經濟增長的影響,也要關注金融發展廣度對經濟增長的作用。比如數字金融,以其低成本、廣范圍、普惠性等特點為我國經濟增長注入了新的活力。荊文君和孫寶文[21]研究發現數字金融可以通過微觀和宏觀兩個層面促進經濟高質量增長,微觀上是構建規模經濟、范圍經濟與長尾效應的經濟環境,宏觀上是通過三條路徑,即新的要素投入、資源配置效率和全要素生產率。丁志帆[22]則是進一步基于“微觀-中觀-宏觀”框架研究發現數字金融有利于促進經濟高質量增長。二是基于弱化金融摩擦的角度,代表性的研究便是戰明華等[11]運用IS-LM-CC模型分析發現數字金融可以通過“金融摩擦弱化效應”來擴大經濟產出,同時弱化貨幣政策的“價格之謎”。特別是在發展中國家,數字金融的快速發展可以不斷完善金融市場,提高利率渠道傳導效率,從而強化貨幣政策有效性[9]。戰明華和李歡[6]研究發現利率市場化的發展不僅弱化了金融摩擦而且還提高了利率的傳導效率,進而強化了貨幣政策有效性。

總體來看,無論是基于金融發展理論還是弱化金融摩擦的角度,數字金融均會提高貨幣政策有效性,進而促進經濟增長。雖然數字金融的發展會對貨幣政策的傳導機制產生影響,甚至影響貨幣政策的實施效果,但只要中央銀行根據現狀適時應對,仍然是可以保持貨幣政策的有效性[2]。并且根據IS模型可知,經濟產出受到消費、投資、政府購買等因素的影響。其中利率與產出呈負相關關系,當利率下降時會促進產出的增加。具體到本文的數字金融與貨幣政策有效性來看,一方面,因為數字金融發展會增加貨幣供給量,從而促使居民增加消費,并且由于利率的降低,投資也會隨之增加,由此說明數字金融的發展會放大貨幣政策的產出效應。但另一方面,因為數字金融的發展增加了貨幣供給量,也在一定程度上提高了通貨膨脹水平。

三、數字金融對貨幣政策有效性的實證分析

(一)模型設定與變量選取

1.模型設定

關于模型的選擇問題,一方面是由于宏觀數據主要以時間序列數據居多,面板數據較少,并且相對于VAR模型和SVAR模型,TVP-SV-VAR模型在非線性關系和時變特征分析方面具有顯著優勢;另一方面是為了考察數字金融發展對貨幣政策的非對稱性和動態變化的影響效果,故本文選擇帶有隨機波動的TVP-SV-VAR模型進行分析。

其中TVP-SV-VAR模型最早是由Primiceri[23]引入時變參數形成時變VAR模型,然后由Nakajima et al.[24]在此基礎上引入隨機波動,最終形成帶有隨機波動的TVP-SV-VAR模型。相對于VAR模型,TVP-SV-VAR模型能更好的識別變量間的時變特征和非線性變化。

首先,基本的結構性VAR模型如下:

Ayt=F1yt-1+…+Fsyt-s+μt,t=s+1,…,n.

(6)

式(6)中,yt是k*1維向量,A和F1…Fs均為k*k維參數矩陣,擾動t項μ為k*1維的結構性沖擊,并且μt-N(0,∑∑)。

其次,將式(6)兩邊同時乘以A-1,此時定義B=A-1Fi,然后把B堆疊寫成k2s*1維向量β,并且令Xt=Is?(yt-1,…yt-s),其中?表示克羅內克乘積,那么此時模型可以寫作:

yt=Xtβ+A-1∑εt.

(7)

最后,假定式(7)中所有參數都是時變的,那么式(7)可以動態擴展寫成:

(8)

βt+1=βt+μβt.

(9)

αt+1=αt+μαt.

(10)

ht+1=ht+μht.

(11)

(12)

其中t=s+1,…,n。βs+1～N(μβ0,∑β0),αs+1～N(μα0∑α0),hs+1～N(μh0,∑h0)。接下來本文將使用MCMC方法進行估計。

2.變量選取

為研究數字金融發展對我國貨幣政策有效性的影響,需要構建一個包含數字金融、貨幣政策中介目標和貨幣政策最終目標的TVP-SV-VAR模型,故本文的變量選取如下:

首先是數字金融變量,目前學者們對于數字金融指標的選取主要是基于北京大學數字普惠金融指數,雖然該指標應用廣泛并具有較高的可靠性,但該指數的時間跨度較短且為年度數據,與時變參數隨機波動率向量自回歸模型要求的樣本頻率有較大差異。故本文參考戰明華等[11]和許月麗等[25]的做法,選擇第三方支付(季度)作為數字金融(inf)的代理變量,其中我們選取數據年份跨度更長的第三方互聯網支付數據,因為該數據的起始年份為2007年,并對該數據計算季度同比增長率。為驗證第三方支付數據是否可以代表數字金融變量,故對2011年至2020年的北京大學數字普惠金融指數和第三方互聯網支付數據作了相關性統計,結果顯示相關性系數為0.954 9,可見兩者具有高度的相關性。

其次是貨幣政策中介目標,數量調控方面選取廣義貨幣M2的季度同比增長率作為貨幣供應量的代理變量(m2),價格調控方面選取7日的銀行間同業拆借利率月度同比增長率并轉換為季度同比增長率作為利率的代理變量(shibor)。

最后是貨幣政策最終目標,產出水平方面選取國內生產總值的季度同比增長率作為經濟增長的代理變量(gdp),物價水平方面選取居民消費指數的季度同比增長率作為通貨膨脹率的代理變量(cpi)。本文的數據樣本期間為2008年1季度到2020年4季度,所有變量均做了Census X-12季節調整,數據來源為中國人民銀行網站、Wind數據庫和國泰安數據庫。

(二)模型的初步估計

1.平穩性檢驗與滯后期數選擇

由于進行VAR模型實證檢驗之前需要驗證各變量是否平穩,所以本文使用了ADF單位根進行平穩性檢驗。根據表1的平穩性檢驗結果可知,各變量均是顯著平穩的。

表1 國有企業相關變量定義

為確定TVP-SV-VAR模型的最優滯后期數,所以本文計算了多個信息準則,具體結果詳見表2。根據表2的結果不難看出,選擇最優滯后期數為1有三種信息準則,選擇最優滯后期數為3和4的分別只有一種信息準則,因此本文最終選取的最優滯后期數為1。

表2 滯后期數的選擇

2.參數估計檢驗

根據表3的參數估計結果可知,主要關注Geweke和無效因子兩項。首先是表3中的Geweke值均小于1.96,說明在5%水平上顯著。其次是表3中的無效因子大部分均小于100,只有一個超過100,為205.09。但經過10 000次重復抽樣后也可以得到約49個無關樣本,已足夠進行后驗判斷。

表3 參數估計結果

(三)實證結果分析

本文使用TVP-SV-VAR模型中等間隔的脈沖響應函數,其中將不同提前期分別設定為4個季度(短期)、6個季度(中期)和8個季度(長期)。

1.不同提前期數字金融通過貨幣供應量影響產出與物價水平

根據圖2可知,不同提前期的脈沖響應函數的趨勢基本一致,這說明本文的估計結果具有穩健性。具體來看,圖2第一排顯示的是貨幣供應量對數字金融沖擊的脈沖響應,面對數字金融的正向沖擊,貨幣供應量的響應在短、中以及長期均相似為正,并且在2015年左右達到最高點。這與前文的理論分析基本一致,數字金融的發展會通過貨幣乘數效應來增加貨幣供應量。并且由于業界普遍認為數字金融的元年為2013年,所以數字金融的迅速發展應該是在2013年之后,正好與本文的實證結果2015年左右達到最高點相符合。

圖2 不同提前期inf通過m2影響gdp、cpi的變量圖

圖2第二排顯示的是經濟增長和通貨膨脹對貨幣供應量沖擊的脈沖響應。面對貨幣供應量的正向沖擊,經濟增長的響應趨勢和強度在不同提前的表現比較相似,響應均為正值。這表明貨幣供應量的增加會促進經濟增長,但在2017至2018年響應強度有所減弱,直至2019年后才逐漸增強,這與貨幣供應量對數字金融的響應趨勢不相符,說明可能存在一定的時滯。而通貨膨脹的響應強度整體為正,并且不同提前期的響應強度有所不同,對提前4個季度的響應強度最大,提前8個季度的響應強度最小,說明在短期內貨幣供應量增加所帶來的通貨膨脹更加明顯。

圖2第三排顯示的是經濟增長和通貨膨脹對數字金融沖擊的脈沖響應,經濟增長和通貨膨脹對數字金融的正向沖擊所表現的響應強度均為正值,并且響應趨勢與圖2第二排基本一致,這雖然表明數字金融的發展會促進經濟增長,但也帶來了一定程度的通貨膨脹。并且圖2第三排和第二排的響應趨勢均與第一排的響應趨勢有較大差異,這說明貨幣供應量的傳導效果不佳,可能是由于數字金融的發展加強了貨幣供給的內生性,放大了貨幣乘數的作用,減弱了貨幣供給的可測性和可控性,進而弱化了數量型貨幣政策的傳導效果[26]。

2.不同提前期數字金融通過利率影響產出與物價水平

圖3第一排顯示的是利率對數字金融沖擊的脈沖響應,面對數字金融的正向沖擊,不同提前期的利率均是先呈下降趨勢,響應為負,在2013至2014年達到最低點,直至2015年后才逐步上升并轉為正向響應。這表明數字金融的發展會降低利率,這與上文的理論分析:“數字金融通過增加貨幣供應量從而達到降低利率的效果”基本一致。但在2015年后,利率對數字金融沖擊的響應逐漸轉正,并持續增強。

圖3 不同提前期inf通過shibor影響gdp、cpi的變量圖

圖3第二排顯示的是經濟增長和通貨膨脹對利率沖擊的脈沖響應。面對利率的正向沖擊,經濟增長的響應情況在短、中、長期均為先正后負,但響應強度有所不同,其中短期的正向響應強度最大,長期的正向響應強度最小。這表明在短期內正向的利率沖擊對經濟增長促進效果更加明顯。而對于利率的沖擊,通貨膨脹的響應頻率波動性較大,其中短期的波動程度較小,長期的波動程度較大,整體上來看利率與通貨膨脹呈負相關關系較多,這說明利率對通貨膨脹的影響穩定性較差。

圖3第三排顯示的是經濟增長和通貨膨脹對數字金融沖擊的脈沖響應,不同提前期下經濟增長和通貨膨脹對數字金融的正向沖擊所表現的響應強度均為正值,不過由于數字金融對利率的影響不夠穩定,并且利率作為價格型貨幣政策對經濟增長與通貨膨脹的影響也存在較大的波動性,由此使得利率的傳到效果穩定性較差,這可能是因為數字金融的快速發展使得貨幣需求對利率更加敏感,導致整體穩定性下降[26]。

3.穩健性檢驗

為了進一步驗證本文研究結果的可靠性,本文進行了如下兩種穩健性檢驗:一是參考徐國祥和周昀[27]的研究,通過更換模型,即使用VAR模型對數字金融與貨幣政策中介目標和最終目標進行實證檢驗。二是參考劉強和陶士貴[28]的研究,通過改變模型中變量的順序,即將數字金融發展變量分別與數量型貨幣政策以及價格型貨幣政策交換順序然后再次進行實證分析。兩種方法的實證結果均與上述研究結論基本一致,這表明本文的研究結論是可靠的。

四、進一步分析

鑒于上文已經檢驗了數字金融發展對貨幣政策有效性的時變特征及其傳導機制,但在數字金融發展對貨幣政策有效性的貢獻程度以及變化強度還有待考察,故本部分將使用方差分解方法來分析變量間變動時的相互影響程度,該方法有利于分析數字金融發展對貨幣政策有效性的重要程度以及具體的貢獻率,其中我們選擇將滯后期設置為20期,這樣有助于我們了解數字金融對經濟增長和通貨膨脹的長期影響變化情況,具體的方差分解結果見表4。

表4 方差分解結果

根據表4的方差分解結果可知,首先在經濟增長方面,對經濟增長變量貢獻最大的因素是其自身,到第10期和第20期分別有77.34%和66.75%,這表明我國的經濟增長將會在沒有其他外界沖擊下會長期持續平穩的增長。然后數字金融發展和數量型貨幣政策對經濟增長變量的貢獻度是持續上升的,從具體數值方面來看,數字金融發展和數量型貨幣政策對經濟增長的貢獻度在第10期和第20期分別為12.10%、10.56%以及19.81%、13.44%,由此看出數字金融發展的貢獻率上升幅度較大且比較穩定,這說明數字金融發展對我國經濟增長的影響存在持續增強的效果。其次,在通貨膨脹方面,對通貨膨脹變量貢獻最大的因素是其自身,并且在第20期依然保持了78.40%的貢獻率,這表明通貨膨脹變量是遵循自身規律發展,且變化情況較為穩定。數字金融發展對通貨膨脹的貢獻度在第10期已達到20%以上,且在第10期以后數值保持穩定,這說明數字金融發展也帶來了一定程度上的通貨膨脹,但在第10期以后的貢獻率較為平穩。總體上看,數字金融發展對我國貨幣政策有效性的影響依然是持續增強的。

五、結論與政策建議

本文基于2008年1季度到2020年4季度的季度數據分析了數字金融發展對我國貨幣政策有效性的影響效果,并使用TVP-SV-VAR模型檢驗了兩者之間的時變特征。研究結論如下:第一,數字金融增強了貨幣政策有效性,并且對貨幣政策的中介目標和最終目標均具有明顯的時變效應。第二,數字金融通過貨幣乘數效應增加了貨幣供應量,但降低了數量型貨幣政策的傳導效率;并且利率對數字金融沖擊的響應呈現先負后正的趨勢,產出對利率沖擊的響應呈現先正后負的變化,增加了價格型貨幣政策傳導的不穩定性。第三,數字金融發展對貨幣政策有效性的影響效果是持續增強的。基于上述結論,提出如下政策建議:

第一,優化貨幣政策傳導渠道,提高貨幣政策傳導效率。央行在制定和實施數量型貨幣政策時應著重考慮數字金融發展對貨幣乘數、貨幣供應量的影響,針對數字金融影響貨幣乘數和貨幣供應量的途徑提出相應的解決方案,提高數量型貨幣政策的傳導效率。在價格型貨幣政策方面,要充分考慮利率對數字金融發展的敏感程度,完善利率調控機制,強化利率傳導渠道的穩定性。綜合來看,不僅要提高中介目標的傳導效率,也要加強中介目標的可控性和可測性,最終達到金融服務實體經濟高質量發展的目標。

第二,保持貨幣政策穩定性,提高貨幣政策有效性。雖然數字金融總體上促進了經濟增長,強化了貨幣政策有效性,但也存在不同提前期影響效果和持續時間的差異性,所以保持貨幣政策制定和實施的穩定性是極為必要的。新時代我們應繼續推行和完善穩健的貨幣政策,保證貨幣政策實施的穩定性、持續性和有效性。實踐證明,我國的特色穩健貨幣政策調控體系,取得了顯著成就[29]。

第三,完善數字金融監管體系,防范數字金融風險。基于數字金融發展的速度和趨勢,以及數字金融對貨幣政策中介目標、最終目標的影響情況,完善數字金融監管體系顯得尤為重要。在注意到數字金融發展帶來優勢的同時,也不能忽視數字金融發展所帶來的金融風險。我們要借助監管科技,重點關注數字金融的數字化、多元化以及智能化等特點,盡快推出針對數字金融的相關監管框架,完善防范數字金融風險的法律法規,建立健全數據化、全方位的數字金融風險預警機制。