货币供应量作为货币政策中介目标的可行性分析——基于相关性视角的检验<br/>

货币供应量作为货币政策中介目标的可行性分析——基于相关性视角的检验

2014-07-12赵健

商丘师范学院学报 2014年8期

赵健

(黄淮学院经济管理系，河南驻马店463000)

货币政策中介目标的选择对货币政策的有效性具有重要影响，这既是保证货币政策实施预调和微调的基础，更是提高货币政策操作及时、正确的前提。2011年中国人民银行三次加息，六次上调、一次下调存准金率，种种手段背后，蕴含了央行怎样的货币政策选择思路?货币政策的实施重点应该继续以数量型的中介目标为主还是选择价格型的中介目标?

从中国货币政策的实践来看，货币供应量，特别是M2一直备受央行关注，其中介目标的地位得到了普遍认可。自夏斌、廖强［1］等学者首次提出“货币供应量已不宜作为当前我国货币政策的中介目标”的论断后，关于中介目标的选择问题，就成为众多学者关注的热点之一。现有研究大部分都集中在利率与货币供应量的比较上。部分学者认为货币供应量作为中介目标的有效性在下降，利率是未来的改革方向，如刘明志认为货币供应量作为中介目标当前仍有一定的适用性，但利率是未来的改革方向［2］;部分学者则认为，从中国当前的实践来看，虽然货币供应量作为中介目标存在一定的问题和不足，但与其他变量相比较，还是应该继续选择货币供应量作为中介目标，如陈延林、杜文光［3］，赵健［4］;还有部分学者认为应该选择其他经济变量作为我国货币政策的中介目标，如李建军、李波［5］，主张将包括利率、汇率、货币供应量、信贷量的复合中介变量——广义货币状况指数GMCI作为货币政策的中介目标。李春琦、王文龙［6］认为货币供应量作为中介目标的有效性在降低，可逐步向包括利率、汇率在内的变量转变。

文献显示，不同样本数据和不同研究方法会导致不同的结论。本文结合中国现实，综合选择基础货币、货币供应量、银行信贷规模、利率等经济变量，从货币政策中介目标的首要条件——相关性角度检验货币供应量作为货币政策中介目标的可行性。

一、变量选取与数据来源

从中国货币政策中介目标的选择实践来看，选取基础货币、货币供应量、银行信贷规模、利率作为工具变量，GDP和CPI作为目标变量。样本空间为1994年3月至2011年9月的季度数据。数据来源于中国人民银行网站、巨灵金融服务平台以及EPS全球统计数据/分析平台。

货币供应量指标同时考虑M1和M2两个层次，为消除季节性趋势，对原始数据进行了X－12的季节调整，为消除异方差，在调整的基础之上进行了对数处理。基础货币数据来自货币当局资产负债表中的储备货币;银行信贷规模(Loan)采取国内信贷的季度数据。因为同业拆借利率能够及时、灵敏、准确地反映货币市场乃至整个金融市场短期资金供求关系，我们用7天同业拆借利率作为市场利率，其中，1995年的数据用上海融资中心的同业拆借利率表示，这是因为其数据可以反映1996年联网以前全国同业拆借市场状况(谢平，2002);选取CPI衡量通货膨胀水平，这是因为CPI数据便于获取，而且比较全面地反映了一般物价水平的变化，且与GDP之间关系紧密。为消除通货膨胀的影响，GDP采用实际GDP。

二、实证思路与方法

对于中介目标与货币政策目标之间的相关性，我们可以从三个角度来分析，一是简单相关系数，考察变量间的相关关系;二是利用凯恩斯结构化模型来进一步刻画操作变量对目标变量的影响;三是采用非结构化模型，分析操作变量与目标变量的长期关系。

(一)相关系数

采用中介目标和产出、物价间的相关性来反映中介目标与最终目标的关联性。基础货币(B)、货币供应量(M1和M2)、银行信贷规模(LOAN)与货币政策目标GDP和CPI的相关系数，见表1所示。

表1显示:(1)从整体上看，基础货币与货币政策目标的相关性更强一些。(2)M2作为操作变量与目标变量的相关性也比较高，但其相关程度却在下降，近几年甚至出现负相关。1995年第1季度到1998年第4季度，M2的增长率与货币政策目标的关系最密切，其相关系数分别为0.9836和0.9732;1999年第1季度到2007年第4季度，M2的相关系数下降到0.4061和0.0604;2008年之前M2与目标之间的变动趋势保持一致，2008年之后却出现背离现象，相关系数为负，这种负相关，除了经济自身积累的结构性问题外，货币流通速度的下降也是主要原因。(3)信贷规模与货币政策目标的相关性不强，特别是在1998年取消信贷限额前后，该相关性出现了很大的变化，由1998年之前的0.9368和0.8666下降至0.3512和0.0409，近几年也出现了与货币政策目标背离的趋势。(4)M1与货币政策目标的关联性一直都不是很高，这说明选择M2作为操作变量是优于M1的。

以上分析是基于变量的同期相关分析，而货币政策具有滞后效应，因此我们需要考虑滞后一定时期的相关程度。经验研究表明，货币政策的滞后期一般是一年左右，我们在这里就选择操作变量4个季度的滞后期，即操作变量先行，相关关系结果如表2所示。

表1 基础货币、信贷规模、货币供应量和目标变量之间的相关关系(同期)

表2 基础货币、信贷规模、货币供应量和目标变量之间的相关关系(滞后4期)

滞后4期后，由表1显示的结果在表2中更明显，1998年取消信贷限额前后，信贷规模与货币政策目标的相关性发生了显著变化，由之前的0.5397和0.7814 降至为0.1521 和0.5939;与M1 相比，M2更适合作为操作变量，其与货币政策目标的相关性一直都很显著，只是近几年这种相关程度有所降低，而且M2与货币政策目标的关系比较稳定，一直都是同方向变化趋势;M1与货币政策目标的关系就不是很稳定，既有同方向变化趋势还有背离趋势。

(二)简单单方程回归

仅仅依赖相关系数分析，不能深刻揭示各中介目标与政策目标之间的关系，即无法分析各变量对目标的实际影响，为此我们借助单方程滞后回归模型来进一步考察变量之间的关系。依据凯恩斯的结构化模型，我们引进单方程的滞后回归模型如下:对原始数据进行X—12滤波处理以消除季节趋势，之后再取对数，以消除异方差。LOAN－银行信贷，B－基础货币，r－利率，1995年用上海融资中心银行间同业拆借利率表示，1996年联网后采取同业拆借利率，季度数据的获取是根据中国人民银行季度报告中的月度数据，附以交易量为权重加权后得到的;Y(－1)表示因变量自身的滞后一期值;信贷规模LOAN，从1999年第四季度才获取其连续季度数据，因此我们从1999年第四季度开始，2004年十月份开始取消商业银行信贷规模上限，因此我们以2004年为界划分两阶段进行观察。在1999Q4－2004Q4阶段进行回归，回归结果如表3所示。

从表3的回归结果来看:(1)狭义货币供应量M1与GDP之间的关系整体上是不显著，没能通过检验，但1995年到2007年却是显著的;M1与利率的关系整体上也不显著，2008年之前，M1与利率的关系是不显著的，2008年之后才显著。(2)广义货币M2与GDP、利率之间的关系都是显著的，且与GDP呈正相关，与利率呈负相关。这说明M2可以反映与GDP和利率的实际关系特征，是一个刻画货币政策的很好指标。(3)信贷规模LOAN与GDP之间的关系明显，呈正相关，但与利率之间的关系总体上不显著，2005年之后才显著，呈负相关，这说明，在中国信贷对利率不敏感，货币政策难以通过利率杠杆来调节信贷规模，货币政策的信贷渠道受阻。不过，近几年，信贷规模对利率是敏感的，信贷渠道在逐渐向良性发展。(4)基础货币和GDP、利率之间的关系都是显著的，这说明基础货币是非中性的。

表3 币供应量、信贷规模、基础货币与总需求之间的回归结果

表4 信贷规模的二阶移动平均的回归结果

表5 货币供应量、银行信贷与实际产出的ADF检验

同时我们注意到，变量LOAN在一阶平均下对应的DW=1.127，依然存在自相关，这可能是原模型遗漏了解释变量。为了再度观察传导机制滞后期数，为此我们进行二阶平均移动回归处理，结果如表4所示。

从表4可以看到，经过二阶平均移动处理后，自相关现象消除，这表明在对信贷规模存在上限限制时，利率传导机制受阻，反应滞后;而上限规模被取消后，从2008年之后的结果来看，信贷对利率的反应趋于敏感，逐步趋于市场化机制，反映了中国人民银行在2004年取消信贷上限的政策效果。

(三)货币供应量、信贷规模与 GDP之间的VAR模型

前面我们虽然利用简单的单变量回归方程对结构式模型进行了初步检验，但处于经济转轨期的中国，由于利率非市场化等原因，会导致结构式模型的解释能力存在一定的缺陷，因此，接下来我们采用非结构式模型来进一步考察操作变量和目标变量之间的相互影响。

同样选取实际GDP表示产出，M1，M2和B表示不同层次的货币供应量，国内信贷LOAN表示银行信贷变量，样本空间为1994第一季度至2010年第三季度的季度数据，并利用X－12对上述数据进行了季节性调整，之后取对数，处理后的变量我们分别记为lnM1、lnM2、lnB、lnLOAN 和lnGDP，其差分后的数据在相应变量前加D表示。

1.单位根检验

为避免伪回归，我们需要对相关变量进行单位根检验，检验结果如表5所示。从结果来看，所有变量都是不平稳的。为此，对变量进行一阶差分，结果都变平稳，这说明这些变量都是一阶单整的，我们可以进行协整检验，进一步来考察变量间是否存在长期稳定关系。

2.协整检验

采用Johansen检验，结果如表6所示。

两种检验方法的结果是一样的，广义货币量M2同银行信贷LOAN与实际GDP存在长期均衡关系，其协整关系如下(括号内为标准差):

3.Granger因果检验

lnM2、lnLOAN与lnGDP之间因果检验的结果如表7所示。

从表7可以看出:(1)货币供应量(M2)和信贷规模(LOAN)都是实际产出(GDP)的原因，这说明货币政策可以通过货币渠道和信贷渠道来影响实际产出。(2)实际产出是M2的格兰杰原因，这说明货币供应量的内生性比较大，M2可控性比较强。(3)M2是LOAN的原因，但LOAN却不是M2的原因看，这说明央行银根松动是信贷规模扩张的前提，即货币供应量的增加导致了信贷规模的扩大。(4)实际GDP不是银行信贷的原因，这说明信贷规模的内生性比较大。

4.脉冲响应函数分析——基于VECM模型

由于变量lnM2、lnLOAN与lnGDP之间存在协整关系，所以可以采用误差修正模型来研究各变量之间的长期稳定关系和短期动态调整关系。VAR模型的结果如表8所示，误差修正模型(VECM)的结果如表9所示。

在表9中，误差项(△ECM)的系数反映了所考察变量在长期存在收敛的可能性，M2的该系数是负的，说明从长期看，M2具有向长期稳定关系收敛的趋势，但LOAN与GDP却没有这种趋势。

表6 各个层次货币供应量与银行信贷以及GDP变量之间协整关系

表7 lnM2、lnLOAN与lnGDP之间Granger因果检验

表8 lnM2、lnLOAN、lnGDP的 VAR 模型

表9 误差修正模型(VECM)的估计结果

我们可以通过脉冲响应函数来分析各个变量对于冲击的反应。图1绘制了三个变量的脉冲响应函数。从图1来看:(1)各个变量对其自身的冲击反应都比较强烈。(2)对M2而言，来自LOAN一个标准差的冲击在4期之后达到平稳，保持在0.06的水平，即LOAN改变1%，导致M2改变6%;来自GDP的冲击在第3期达到最大，达到0.04，3期之后响应力度下降，在6－7期之后，出现负响应;显然M2对GDP的冲击响应比对LOAN的冲击响应更敏感。(3)对信贷规模而言，对M2的冲击响应在3期达到最大，其后开始下降;在8期之后基本趋于稳定，维持在0.06左右;对GDP冲击的响应在3期达到最大，之后一直处于下降趋势，变化很不稳定。(4)对GDP而言，其对M2的响应在4－5期之前是负响应，之后是正响应，6期之后趋于稳定，维持在0.005左右;对LOAN的冲击在4期之后基本稳定，维持在0.05左右;4期之后，GDP对M2和LOAN的响应力度基本持平。