广义价格指数与中国货币之谜:指数编制和成因解释

彭 刚,刘曼赟,胡志九

(1.西南财经大学 统计学院,四川 成都 611130;2.中国邮政储蓄银行 博士后科研工作站,北京 100808)

一、引言

自二十世纪八十年代以来,中国广义货币M2规模急剧扩大,使得M2占GDP的比重相应迅速上升,部分学者认为中国已经形成货币超发现象[1]。传统货币数量论的观点认为,货币超发必定会导致一定程度的通货膨胀。然而,中国实际情况却与此大相径庭,以CPI衡量的高通货膨胀并未如期而至。由此,便形成了著名的“中国货币之谜”,即中国在庞大货币供给量的同时,总体社会物价水平却表现得较为稳定[2]。中国货币之谜现象很难根据主流经济学进行解释,在其他国家也难寻借鉴,但货币之谜的存在涉及到中国货币政策的有效性,探究其内在逻辑显得尤为重要。

对于中国货币之谜的成因,已有研究主要从高储蓄率、货币需求增加、货币流通速度变化以及货币漏损等方面进行了解释[3-6]。还有学者从测度货币总量指标的角度对货币超发进行分析,认为M2包含货币支付手段的媒介和保值增值的资产两类,M2-M1这部分属于流动性较差的资产,只能反映经济货币化程度,与GDP的相关度不高,因而利用M1占GDP的比重来衡量货币超发程度可能更为合适[7]。但上述研究忽略了另一种可能,即使用CPI指标来测度通货膨胀水平的合理性与科学性。事实上,以CPI来度量通胀水平,一直以来具有较大争议,原因是其仅表示居民消费品部分的价格水平变动,未将资产和生产要素价格包括在内,无法全面、准确反映通货膨胀的真实水平。

针对CPI衡量通货膨胀的局限性,已有广义价格指数构建研究主要是考虑将资产等价格纳入其中,但具体应纳入哪些价格则尚存分歧。CPI通常被用作衡量通货膨胀的程度,但其实际度量的仅是居民消费商品和服务的价格水平变动,且各类商品和服务的权重不甚透明[8]。随着房地产和金融市场的兴起,越来越多的资金流向住房和股市等资产市场,资产价格是社会物价水平的重要组成部分,未纳入资产价格的CPI在一定程度上可能低估了真实的通货膨胀水平[9]。现有研究普遍认为,住房价格在长期对通货膨胀具有显著的正向影响,应将其纳入到价格指数[10-11]。金融资产中股票价格的纳入具有一定争议:一方面,金融变量交易量远大于实体经济交易量,金融部门在整个经济体系中的重要性快速上升,相应资产价格的影响越来越不容忽视[12];另一方面,股票价格对通货膨胀的影响不显著,其波动常常独立于真实经济周期而呈现出泡沫[13],将其纳入会造成通货膨胀指数不稳定。此外,工业品出厂价格、大宗商品价格等是否应纳入广义价格指数构建的篮子里,也同样存有分歧[9,12]。

如果中国货币之谜的成因,确实是由使用CPI衡量通货膨胀而引起的,那么使用改进后的广义价格指数,货币供应量对通货膨胀的影响相应也将显著增强。从已有相关研究来看,中国货币供应量与CPI之间的关系,尚未形成一致性结论。杨溢研究发现中国的通胀问题并不能由货币供应量的增加进行有效的解释,而居民对物价的预期则能解释通胀现象[14]。邹玲和周陈曦利用中国2006年第1季度至2012年第4季度数据进行研究,发现货币发行并未引起CPI产生变动[15]。但是,也有学者研究发现中国货币供应量能够明显促进通货膨胀水平的上升。刘国亮和陈达飞采用季度数据分析了内生货币视角下货币供应量与通货膨胀的关系,结果显示M2对通货膨胀的影响力度在逐渐减弱,但确实存在显著的正向影响[16]。在更加全面的情况下考察发现,货币供应量对通货膨胀的作用会受到环境因素的影响,在同一国家或地区的不同时间段存有一定差异[17]。货币供应量究竟如何影响纳入资产等价格在内的广义价格指数,有待进一步验证。

综上所述,CPI具有无法客观真实反映整个社会价格变动水平的局限性,这可能是中国存在货币之谜的重要原因。因此,从通货膨胀水平测度指标入手,考虑纳入资产价格等重新构建广义价格指数,并从货币供应量增速对物价水平影响的角度进行检验和比较,既是对中国货币之谜现象问题的新探,也构成对现有研究的重要补充。

二、广义价格指数的构建及其检验方法

当前,构建广义价格指数主要包括三种方法,即支出比重法、动态均衡指数法和动态因子指数法[11,18-19]。支出比重法分别计算消费和投资占总支出的比重,以此确定广义价格指数的各部分权重。考虑到消费和投资在本质上存在一定差异,且如何确定投资支出规模的权重也难有定论,用其构建广义价格指数目前仍具有不少争议。动态均衡指数法是在个人跨期消费效用最大化的条件下,以当期消费、未来消费的占比分别代替商品服务、资产价格的权重。由于当期消费被赋予权重过低,所构建的广义价格指数虽能较为全面反映大部分资产价格变动,但过多强调资产价格,意味着商品和服务价格的核心地位被削弱,可能导致与实际情况不相吻合。近年来,动态因子指数法在广义价格指数构建中被广泛使用,其将价格变动分解为共同趋势波动和相对价格波动,避免了异质性对权重确定的影响,且克服了以资产而非价格为核心的不足。

(一)广义价格指数的构建

采用动态因子指数法构建广义价格指数,关键在于确定动态因子指数法中各价格序列的权重,目前主要有方差加权价格指数法和共同因子冲击响应法两种方法。

1.方差加权价格指数法

Mark提出利用方差加权价格指数法来构造广义价格指数[20],该方法的基本思想是若某个价格指数序列的波动剧烈,意味着它相对于其他价格指数序列而言受个体因素的影响更多,所包含的共同趋势较少,其在广义价格指数中的权重相对较低。方差加权价格指数法的表达式为:

(1)

2.共同因子冲击响应法

共同因子冲击响应法认为,指数序列的价格变动可以分解为共同趋势和相对价格变动,通过提取各个价格指数序列的共同波动因子,再根据共同因子对各价格序列的一个单位冲击响应,确定每个序列的对应权重。由于难以确定最适合的提取共同因子方法,这里考虑同时使用主成分方法和卡尔曼滤波法两种常用方法。构建的动态因子模型可表示为:

Xt=γ(L)ct+et

(2)

φ(L)ct=μt

(3)

ω(L)et=vt

(4)

其中,Xit表示第i类价格序列在时刻t的价格,由全部价格指数序列的共同因子ct和个别因子vt组成;ct为q×1维的动态共同因子向量;γ(L),φ(L),ω(L)分别代表p,q,r阶的滞后算子多项式;μt,vt为服从正态分布的相互独立的随机变量。

将上述方程改为线性状态空间形式:

Xt=HCt+et

(5)

A(L)Ct=εt

(6)

该形式为动态因子模型的静态表现,可以通过常用的时域方法来估计共同因子,同时采用主成分方法和卡尔曼滤波方法对共同因子进行估计,进而构造式(7)的VAR模型。利用脉冲响应函数计算共同因子对各个价格序列的平均响应程度,以此确定广义价格指数中各变量和序列的最终权重,具体的计算如式(8)所示。

(7)

(8)

其中,Ct为共同因子;Xt,m为第m类价格指数;zi为各变量的权重;ωi为由zi确定的各序列的最终权重。

(二)广义价格指数构建效果的检验方法

通过方差加权价格指数法和两种动态因子指数法(主成分方法和卡尔曼滤波法),可构建得到三个广义价格指数。但是,究竟基于哪种方法所构建的广义价格指数,最适合用于衡量通货膨胀,则需要进一步对其进行检验和评价。参照张磊和邹玲的文献[13],下面通过构建一个小型的动态模型,一方面引入货币政策约束机制对产出缺口进行模拟分析,另一方面结合央行福利损失函数判断重构的广义价格指数的有效性。

小型动态模型以Rudebusch和Svensson提出的包含资产价格的宏观经济模型为基础,考虑简化后的动态三部门情形,模型中主要包含总需求函数和菲利普斯函数[21],见式(9)和式(10);进一步在估计总需求和菲利普斯函数结果中加入货币政策约束进行产出缺口的模拟,货币政策约束采用简单标准“泰勒规则”形式,如式(11)所示。

(9)

πt+1=απ1πt+απ2πt-1+απ3πt-2+απ4πt-3+αygapt+εt+1

(10)

it=r*+πt+0.5(πt-π*)+0.5gapt

(11)

三、广义价格指数的测度与效果检验

(一)指标选取与数据来源

随着中国投资市场的不断改革和深化,资产所发挥的作用日益上升。因此,在衡量社会物价水平时,不应仅包括实体经济中主要消费品的价格,同时应当将相关资产的价格纳入到衡量范围之中。由于在资产的划分种类中,社会公众进行投资主要集中在金融资产投资(股票和债券等)和房地产投资两大类别,诸如黄金、古董等其他领域的贵重物品投资相对较少。基于此,将这两大类别纳入广义价格指数构建之中。金融资产主要考虑纳入股票市场,这是因为股票投资流动性强,公众参与度高,具有较强的代表性。因而将股票作为金融资产的代表,采用上证综合指数度量中国股票市场的价格变动情况。住房已经成为家庭的主要资产形式,房价变动构成影响通货膨胀水平的关键因素,这里选择纳入商品房平均销售价格指数来反映住房的价格波动状况。

除纳入金融市场和房地产市场等主要资产价格外,广义价格指数的构建还需考虑要素市场价格的变动。生产要素的流动是市场交易的重要组成部分,其价格变动同样可以形成通货膨胀。近10余年来,中国CPI与PPI出现持续分化背离特征,两者间具有非线性的传导影响,CPI对要素市场价格变动反应的灵敏度越来越差。因此,在构建广义价格指数时应当进一步纳入要素市场价格,考虑将PPI视为衡量通货膨胀水平的重要指标。

基于此,这里选用新建商品房住宅价格指数、上证综合指数、居民消费价格指数及工业生产者出厂价格指数,作为构建广义价格指数的基本指标。商品房平均销售价格指数、上证综合指数、CPI、PPI均使用1997年1月到2018年9月的月度同比数据,相关数据均来源于CEIC宏观经济数据库。

(二)广义价格指数的测度结果

通过方差加权法、主成分法和卡尔曼滤波法分别构建并测算出广义价格指数,三种方法测算得到的广义价格指数分别表示为GPI1、GPI2和GPI3,结果如图1所示。

图1 GPI1、GPI2、GPI3和CPI对比

从测算结果来看,三种方法所测度的广义价格指数与CPI的走势大体一致,但在大部分时间段其值处于CPI上方。GPI2的均值最大,为104.53%,高出CPI均值2.60个百分点;GPI1和GPI3分别为102.39%和103.28%,也均明显高出CPI的均值。从波动情况来看,GPI1的波动情况与CPI较为接近,GPI2和GPI3波动则更为剧烈,特别是在特定时期呈现峰度明显较高的波峰。波动范围和波动程度的统计指标值显示,CPI的波动范围最小,GPI2最大,GPI3和GPI1依次次之;三种方法所构建GPI的标准差和变异系数也明显大于CPI。这说明以CPI直接衡量的通货膨胀存在较大程度的低估,纳入资产和要素价格后所构建得到的GPI,在均值和波动上均有了显著改善。

三种方法所测度的GPI中各组成部分的权重如表1所示。结果显示,各方法中权重大小依次为:居民消费价格指数、工业生产者出厂价格指数、商品房平均销售价格指数和上证综合指数。CPI在重构的GPI中仍然处于核心地位,而上证综合指数的比重最低,这与张磊和邹玲、罗忠洲和屈小粲等测算研究结论相一致[9,13]。方差法所构建的GPI1中,居民消费价格指数所占权重高达75.12%,而上证综合指数的权重仅为0.14%,这一权重明显过低,与当前股票投资支出的实际状况不相符合。主成分法GPI2和卡尔曼滤波法GPI3中,居民消费价格指数的权重有了显著降低,其余三者权重均有了明显提高。值得注意的是,主成分法GPI2中上证综合指数的权重高达10.76%,与已有研究相比似乎过高。因此,卡尔曼滤波法测度的GPI3,相关构成的权重可能较为合适。但是,利用上述三种方法所测算的GPI来衡量通货膨胀是否优于传统的CPI,以及使用卡尔曼滤波法测度得到的GPI3是否为最佳选择,则需要借助相关统计评价方法进行检验。

表1 不同方法下的各广义价格指数的构成权重(%)

(三)广义价格指数测度效果评价

用于实证的样本区间为1997年第一季度到2018年第三季度,产出缺口由经过X-12季节性调整的GDP进行HP滤波得到。名义利率选用银行间同业拆借利率(7天)代替;通货膨胀率分别由CPI、GPI1、GPI2和GPI3表征;参考中国政府历年通胀控制目标,将合乎通胀率的取值确定为2%。对上述模型进行估计,并用估计结果对1997年第一季度到2018年第三季度的产出缺口进行模拟,不同通货膨胀率对产出缺口的模拟结果如图2所示。由于仅从图2难以直接观测到不同价格指数模拟产出缺口的差异,进一步结合模型的可决系数和残差平方和情况发现,四个模型调整后的拟合优度均达到80%以上,整体上拟合效果较好。特别是卡尔曼滤波法测定的GPI3拟合优度相对最高,达到81.06%,同时残差平方和(0.010 1)也是四个模型中最小的,说明四种价格指数中GPI3对产出缺口的预测效果是最好的。

图2 不同价格指数下对产出缺口的模拟结果

中央银行通过货币政策目标函数来制定相应的货币政策,而货币政策目标函数取决于央行、政府之间的制度安排,假设货币目标函数考察通货膨胀和经济增长这两个变量,并且通过使用货币政策调节工具使得福利损失函数值达到最小。央行的货币福利损失函数可表示为:

(12)

根据货币需求函数和菲利普斯曲线的模拟结果,分别选取央行货币政策偏好系数δ=0.3、0.5和0.7,将不同的广义价格指数及CPI代入,可计算得到对应的货币福利损失函数值,结果如表2所示。结果显示,无论在哪种政策偏好系数条件下,所构建的三种广义价格指数对应的损失函数值均低于传统价格指数CPI,说明广义价格指数在一定程度上降低了货币政策损失函数值。另外,应用卡尔曼滤波法所测定的GPI3在三种偏好系数的设定下,对应的损失函数值均最小。

表2 不同方法价格指数的货币政策执行效果

从上述基于产出缺口模拟和货币福利损失函数值的结果来看:一方面,利用三种方法构建的GPI,基于动态模型的产出缺口模拟检验,其拟合优度和残差平方和的表现均优于传统CPI;另一方面,较方差加权法和主成分法所得到的GPI1和GPI2,应用卡尔曼滤波法所测定的GPI3来衡量通胀,使得货币政策的实施更加有效。因此,纳入资产和要素价格构建广义价格指数,选择共同因子冲击响应法并使用卡尔曼滤波来提取共同因子,相较其他方法而言更为合适。

(四)对中国货币之谜问题的一个讨论

CPI由于未包括金融资产和要素价格,将其用于衡量通货膨胀具有一定局限性。通过纳入商品房、股票等资产价格并利用动态因子指数法重新构建广义价格指数,进一步检验发现卡尔曼滤波法所测定的GPI3,相较其他价格指数,用于衡量通货膨胀效果更佳。将新构建所得到的GPI3应用于中国货币之谜问题的解释,可以得出以下两点结论:

第一,传统CPI用于衡量通货膨胀时存在明显低估,使用GPI3所反映的通胀水平明显提高。从图1来看,GPI3的值明显高于CPI,在多数时间段其值处于CPI的上方。从两指数的均值来看,GPI3和CPI的均值分别为103.28%和101.92%,前者平均高出后者1.36个百分点。具体来看,价格指数值提高的主要原因在于商品房价格和工业生产者出厂价格的拉升作用;上证综合指数所占比重仅为3.10%,对整个价格指数的提升效果并不明显。此外,GPI3序列的波动相较CPI更为剧烈,GPI3的标准差为5.53个百分点,而CPI仅为2.16个百分点。

第二,通货膨胀衡量指标选择的不恰当,构成中国货币之谜问题的重要原因。通过纳入资产和生产要素等价格构建的广义价格指数GPI3,其均值和波动性水平得到明显提升。这意味着中国社会整体价格指数已处于较高水平(GPI3的均值为103.28%),而并非仅是CPI所表现出的那样长期处于低位运行态势。事实上,中国房价复合增长率处于较高水平受到全社会的广泛关注,以房地产为代表的资产价格与消费品价格并未呈现趋同性走势,在一些大城市两者甚至出现了明显的“倒挂”现象;PPI的涨跌幅度远大于CPI的涨跌幅度,二者近年来也出现持续分化背离现象。因此,中国货币之谜现象在一定程度上可以归因为价格变动指标选择的偏颇,如果将资产和生产要素的价格变动都考虑进来,中国的通货膨胀水平被低估,高货币供应量增速下的低通货膨胀水平论断值得商榷。

四、中国货币之谜:基于广义价格指数的实证检验

中国货币之谜现象论述中,高货币供应量增速下仍然保持价格稳定,意味着货币供应量的变化对通货膨胀的影响并不显著。既然新构建的GPI3较CPI在衡量通胀水平时更为科学合理,那么货币供应量对GPI3的影响是否会因此变得显著呢?相应影响作用是否也会明显大于CPI呢?因此,通过检验并比较货币供应量对两种价格指数的影响,能够在一定程度上说明衡量通胀水平指标选择是造成中国货币之谜现象的重要原因。

(一)模型介绍、变量选择和数据来源

1.TVP-VAR模型介绍

传统的VAR模型假定系数为常量,来揭示不同宏观经济变量之间的关系,其在解决结构突变时变量间的非线性关系存在较大的局限性。Del和Primiceri引入时变参数,并证明了TVP-VAR模型相比VAR模型,能够更好地捕捉到不同时点政策传导机制的信息变化[22]。

首先,定义一般的结构性VAR模型:

Ayt=F1yt-1+…+Fsyt-s+μt,t=s+1,s+2,…,n

(13)

yt=C1yt-1+…+Csyt-s+A-1Σμt,μt～N(0,Ik)

(14)

其中,yt为k×1维的观测向量,A,F1,F2,…,Fs为k×k维的参数矩阵,yt-i为yt的滞后项,μt为k×1维结构冲击,且μt～N(0,ΣΣ′)。

yt=Xtβ+A-1Σμt

(15)

再者,若令β、A、Σ等参数矩阵转化为随时间变化而变化的时变参数阵βt、At、Σt,即进行动态拓展便可以得到TVP-VAR模型[23],公式可表达为:

yt=Xtβt+At-1Σt,t=s+1,s+2,…,n

(16)

βt+1=βt+μβt

(17)

αt+1=αt+μαt

(18)

ht+1=ht+μht

(19)

(20)

其中,βs+1～N(μβ0,Σβ0),αs+1～N(μα0,Σα0),hs+1～N(μh0,Σh0)。

2.变量选择和数据来源

选取货币供应量M2的增速来表征货币供给情况,卡尔曼滤波法得到的广义价格指数GPI3测度通胀水平,GDP增速代表经济增长。由于官方未公布月度GDP数据,部分文献中运用工业增加值数据代替月度GDP,但工业增加值仅衡量第二产业的产值,第一产业与第三产业产值未被包括,相互间具有较大偏差。因此,选择季度GDP增速来衡量经济增长,并使用几何平均法将GPI3月度同比数据转化为季度同比数据。所选取的样本数据区间为1997年第一季度至2018年第三季度,以上所用数据均来源于CEIC宏观经济数据库。

(二)实证检验与分析

1.模型适用性检验

以M2和GDP的季度增速,分别与CPI和GPI3建立三变量TVP-VAR模型,以比较货币供应量冲击对不同通胀指标的响应情况。首先,对上述各指标进行ADF检验,结果如表3所示。在5%的显著性水平下,四个指标均为平稳序列,适用于通过TVP-VAR模型进行实证分析。

表3 各指标的单位根检验结果

再者,通过SC和AIC准则判断建立的两个VAR模型最优滞后阶数均为2阶,因而选择构建二阶TVP-VAR模型。同时,借鉴Nakajima对于各参数的设定[24],采用MCMC算法进行估计,迭代次数为10 000次,舍弃已迭代的1 000次抽样,估计结果如表4所示。其中,sb1、sb2、sa1、sa2、sh1和sh2表示M2季度增速、GDP季度增速和GPI3所构建模型的估计参数;sb1*、sb2*、sa1*、sa1*、sh1*和sh2*表示M2季度增速、GDP季度增速和CPI所构建模型的估计参数。两个模型中Geweke诊断值均大于显著性水平5%,无效因子均小于60,说明此次估计有效且稳健。

表4 基于MCMC算法的估计结果

2.时变脉冲响应分析

选用时变脉冲响应函数作为主要工具,重点分析中国货币政策对于产出及通货膨胀的动态影响机制,包括等间隔和时点脉冲响应函数。等间隔脉冲响应函数刻画的是某变量面对一单位其他变量冲击时,在固定时间间隔后产生的响应,时间间隔一般分别设定为4个季度、8个季度和12个季度(1)实证中使用的是季度数据,4个季度、8个季度和12个季度分别代表间隔时间为1年、2年和3年。。而时点脉冲响应函数描述的是在特定时点中,某变量对于一单位其他变量冲击的响应。对于特定时间的选择,主要选取了三个利率不同时点来分析货币政策的传导效果,分别是代表利率下调时期的1998年第一季度、代表利率平稳时期的2003年第三季度和代表利率上升时期的2011年第一季度。(2)以不同利率水平来确定模型的具体特定时点,主要是因为利率水平能够较好揭示市场和政策环境状况。1998年,中国在一年内连续三次下调银行存贷款基准利率,故认定年初利率已位于下调时期;2003年,全年银行贷款基准利率未进行调整,且此后年份利率水平一直处于较平稳态势;2011年,一年内连续三次下调银行存贷款基准利率,利率水平处于较快上升通道。三时间节点分别对应t=5、t=25和t=57。

时变脉冲响应结果如图3所示。图3(a)表示GPI3受M2冲击的响应,在前4个季度、8个季度、12个季度的动态变化趋势。从图4中能够观测到,三条曲线的变动趋势大致相同,说明模型拟合稳健且有效。对于M2的正向冲击,不论是在超前4期、超前8期、还是超前12期,GPI3都产生较强烈的正向响应,其中短期响应值较大,这说明货币供应量的增加会导致通货膨胀且短期影响较剧烈,长期来说这种影响会逐渐减弱。而在2008年(45期)附近,GPI的短期响应值较高,表明在此期间,美国次贷危机引发国内需求不足,物价下跌而实行的扩张性货币政策取得良好效果。图3(b)描述CPI受M2冲击的响应在前4个季度、8个季度、12个季度的动态变化趋势。总体上来说,无论是短期还是长期,其正向响应值均低于GPI3,表示GPI3更能体现在不同货币政策下物价的波动情况。在第60期后,长期的响应值由正转为负值,冲击作用不断减弱,并在0附近波动,说明最终的冲击效果基本趋近于零。

图3 M2、CPI和GPI3相同间隔下的脉冲响应

图4 M2、CPI和GPI不同时点下的脉冲响应

为了进一步分析在特定的宏观环境下,各变量受到其他变量冲击的动态响应,分别对1998年第一季度(t=5)、2003年第三季度(t=25)及2011年第一季度(t=57)这三个特定时点进行脉冲响应,结果如图4所示。图4(a)和图4(b)显示,在不同政策环境下,受M2单位正向冲击的价格指数响应值在走势上大致相同,即在第1期达到负的峰值后减弱再迅速上升,第5期达到正的峰值,而后呈衰减趋势,在0值附近波动。同时,在第5期之前利率上调时期的响应幅度明显大于利率下调及利率稳定时期,说明紧缩性货币政策抑制通胀的时效性更为明显。从图4(a)可以看到,在货币政策实施的初期,GPI3的响应值为正,但出现逐渐下降的趋势,表明运用M2工具调控通胀不能迅速达到预期效果,货币政策的效果具有一定时滞性。图4(b)显示,在三个不同时期,单位M2正向冲击CPI的响应值要明显低于GPI3,并且在货币政策实施初期为负向响应,即货币供应量与通货膨胀呈反向变动,这与理论上货币供应量增加会引致通货膨胀的结论并不一致。

综上,货币供应量对以CPI衡量的通货膨胀,在初期表现出负向影响,且持续影响要明显小于以GPI3衡量的通货膨胀。这间接说明中国货币之谜出现的一个重要原因,即传统上仅使用CPI衡量通货膨胀,而忽略资产和要素市场价格变动,会弱化货币供应量对通货膨胀影响的显著性和持续性。

(三)稳健性检验

为了检验上述建立的模型是否具有稳健性,选择使用M1替代M2来衡量货币供应量,以此构建三变量的TVP-VAR模型,并选择相同的特定时点。CPI和GPI3在受到M1单位正向冲击后,相同间隔脉冲响应以及不同时点的脉冲响应的检验结果如图5和图6所示。对比图3和图4可以发现,将货币供应量改为M1后,所得影响图形总体的变动趋势基本与前述情况保持一致;货币供应量对GPI3的冲击相比CPI更为显著,且综合来看M1对通货膨胀所带来的冲击效果较M2更为强烈。由于冲击变量的不同,虽然模型参数在取值方面出现了一定差异,但是基本形态与原模型保持一致,这充分表明所构建模型和检验结果具有良好的稳健性。

图5 M1、CPI和GPI3相同间隔下的脉冲响应

图6 M1、CPI和GPI3不同时点下的脉冲响应

五、结论与政策建议

中国货币之谜问题由来已久,关乎经济社会的价格稳定和财政政策的决策实施。本文从通货膨胀衡量的统计指标这一新的视角,重新对这一问题开展了较为深入的探究。传统CPI未将资产和要素的价格包括在内,无法科学全面反映社会真实的价格变动水平。本文以此入手,重新构建了纳入资产和要素价格的广义价格指数。基于动态因子指数方法同时使用三种赋权方法,通过检验发现选用卡尔曼滤波方法所构建得到广义价格指数,在衡量中国通货膨胀水平时表现更为合适。新构建得到的广义价格指数,无论是均值水平还是波动程度,都较CPI有了明显提升,反映出在中国资产价格快速上涨过程中,传统CPI低估通货膨胀水平。这有力解释了中国货币之谜现象存在的一个主要原因,在于所观测物价指标的选择偏误。进入21世纪以来,中国以房地产为代表的资产价格,总体上处于快速上升的通道之中,在此背景下未纳入资产价格变化的CPI,其对物价变动的反映存在明显低估。进一步,利用TVP-VAR模型对货币发行与价格之间的关系进行检验,发现在不同经济时期货币供应量的冲击对价格指数的影响具有时变特征,且新构建的广义价格指数对货币供应量的反应要明显大于传统CPI。这充分反映出“货币数量论”在中国仍然成立,增加货币供应量相应会引起社会整体价格水平的上升,所谓中国长期保持高货币增速下的低价格水平论断有待进一步商榷。

本文研究不仅从新的角度探索性地解释了中国存在货币之谜现象的原因,同时在货币政策实施和通货膨胀治理等方面也具有一定的启示意义。对此,未来统计工作和政府政策制定需要在以下几个方面引起重视:

第一,进一步完善中国资产价格统计和通货膨胀水平监测。一直以来,CPI都是中国价格指数体系的核心指标,常被用于衡量通货膨胀水平。但是,中国资产价格目前正处于快速上升通道当中,若不进一步将房地产和金融资产等资产价格纳入到通货膨胀反映之中,可能有失偏颇。房产已经构成中国居民家庭的主要财产形式,截至2016年,房产净值在家庭财富中的占比高达65.99%(3)数据来源于经济日报社中国经济趋势研究院编制的《中国家庭财富调查报告(2017)》。。为此,周小川撰文呼吁将住房等资产纳入通货膨胀衡量指标,引起了较大影响。此外,珠宝首饰、古董等贵重物品价格也未进行分类统计。因此,中国未来的价格统计需要进一步拓宽统计范围,并以更具操作性的方法在现有CPI中融入资产和要素价格变动,以更加全面科学的广义价格指数来监测通货膨胀水平。

第二,“货币数量论”在中国仍然成立,应逐步控制货币供应量的整体增速。一直以来,中国人民银行紧盯CPI这一具体靶向目标,确定投放的货币供应量。然而,CPI并不能较好地用于衡量整个社会的通胀水平,控制CPI并不等于稳定物价。因此,中国人民银行需要将当前货币流动性投放的目标,转向更加科学的广义价格指数。本文研究结论表明,货币供应量的增长对广义价格指数具有显著性作用,长期以来中国货币供应量的高增长驱动社会整体的价格水平上升,特别是导致了以房地产为代表的资产价格大幅上涨。可见,“货币数量论”在中国并未失效,货币之谜现象可归因于通胀观测指标选择的偏误,中国平均通胀水平一直处于3%以上。因此,中国未来应继续保持现有稳健中性的货币政策,避免大水漫灌式的投放流动性,且引导资金流向实体经济领域。

第三,货币供应量的投放应审时度势,稳健中性的货币政策应更为灵活。货币供应量的增长对广义价格指数的驱动具有一定的时滞性,且在不同的环境下其影响随时间呈现分化态势。在利率处于上升通道时,货币供应量的增加对通货膨胀的拉动作用,要显著大于利率平稳期和利率下降期,且持续作用的时间更长。因此,在利率面临较大上升压力时期即经济过热时期,增加货币供应量投放的政策选择应更为审慎,可借助存款准备金、公开市场业务等手段来进行调控,避免引发价格过快上升;而当经济面临较大下行压力时,则可择时开启货币供应量向市场投放的通道,但需保持货币供应量的适度可控,使其与广义价格指数在总体上保持基本稳定。