货币政策不确定性、违约风险与宏观经济波动_王博.pdf
( 4.5 )《货币政策不确定性、违约风险与宏观经济波动_王博.pdf》由会员分享，可在线阅读，更多相关《货币政策不确定性、违约风险与宏观经济波动_王博.pdf（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、货币政策不确定性、违约风险与宏观经济波动*王博李力郝大鹏内容提要: 本文首先测度了中国货币政策的不确定性， 并从宏观总量层面检验了货币政策不确定性对于违约风险和实体经济活动的影响。进一步通过构建包含货币政策不确定性和风险冲击的非线性 DSGE 模型， 使用带有随机波动率的货币政策规则刻画中国货币政策的不确定性， 从理论上分析了货币政策不确定性冲击对违约风险和实体经济的影响。研究发现: ( 1) 货币政策不确定性的增加会带来违约风险的上升和产出的下降。( 2) 当违约风险较高时， 货币政策不确定性对于产出的负向冲击明显更强。本文的研究对于理解中国货币政策不确定性的经济效应， 防范和化解金融风险，
2、 以更好地促进金融与实体经济的良性循环具有重要的政策含义。关键词: 货币政策不确定性违约风险随机波动率非线性 DSGE 模型*王博， 南开大学金融学院， 邮政编码: 300350， 电子信箱: nkwangbo nankai edu cn; 李力( 通讯作者) ， 北京大学光华管理学院， 邮政编码: 100871， 电子信箱: nklili0903c163 com; 郝大鹏， 中国人民大学汉青经济与金融高级研究院， 邮政编码: 100872，电子信箱: haodp ruc edu cn。本文系 “首届中国金融学者论坛” 参会论文。作者感谢国家社会科学基金重大项目( 17ZDA074) 、国家社
3、会科学基金重大专项( 18VFH007) 、 国家自然科学基金( 71873070) 和南开大学百青团队项目的资助， 感谢论坛点评人方颖、黄志刚以及匿名审稿专家给予的宝贵意见， 文责自负。一、引言近年来全球经济增长放缓， 增长不平衡的加剧以及国际政治舞台频频上演的“黑天鹅” 事件，使得全球经济不确定性程度明显增加。2017 年 10 月， 周小川提出中国要重点防止“明斯基时刻” ，守住不发生系统性金融风险的底线。党的十九大以后， 中国也进一步明确提出将防范和化解金融风险， 促进金融与实体经济的良性循环作为未来经济工作的重点。2019 年中央更是强调着力防范化解重大风险， 落实 “六稳” 助推经
4、济行稳致远。因此分析经济政策不确定性冲击对中国宏观经济波动的影响对于新时期打好三大攻坚战， 保持经济持续健康发展具有重要意义。2008 年金融危机后已有学者开始关注不确定性冲击的宏观经济效应， 并将其引入到宏观经济模型中进行求解( Andreasen， 2012) 。Bloom( 2009) 认为不确定性冲击是宏观经济波动的重要来源之一。同时， 不少学者的研究表明政府的经济政策也存在一定程度的不确定性， 并且可能会成为新的经济波动源( Born Pfeifer， 2014; Bianchi Melosi， 2017) 。已有研究表明， 该波动源可能通过违约风险累计渠道叠加不确定性冲击的影响，
5、从而造成更大的宏观经济波动。关于不确定性冲击与实体经济的关系， Fernndez- Villaverde et al ( 2011) 通过在新兴市场国家的小型开放经济模型中引入实际利率的不确定性冲击， 发现利率不确定性的增加会带来本国产出、投资以及消费的下降。Fernndez- Villaverde et al ( 2015) 通过估计包含财政政策不确定性冲击的VA 模型并构建 DSGE 模型， 发现财政政策波动率的上升会带来实体经济活动的显著衰退， 并指出垄断竞争带来的价格加成是主要传导机制。事实上， 不确定性冲击会通过多种渠道引起宏观经济波动。Bloom( 2009) 认为由于投资的不可逆
6、成本带来的实物期权价值， 不确定性冲击会使企业9112019 年第 3 期未来面临的不确定性增加， 进而推迟投资。Gourio( 2012) 的研究表明， 不确定性冲击还可能使得风险厌恶的家庭增加预防性储蓄， 从而降低消费。此外， 粘性价格、 粘性工资以及劳动力市场摩擦的存在也会放大不确定性冲击对经济活动的冲击( Born Pfeifer， 2014) 。事实上， 本轮金融危机使得不确定性冲击、 金融摩擦和违约风险的关联成为各界热议的话题。Alessandri Mumtaz( 2019) 基于门限 VA 模型发现金融市场是不确定性冲击传导的重要渠道之一。在金融市场和信贷市场的不同状态下， 不确
7、定性冲击表现出明显的非对称性。Alfaro et al( 2016) 发现， 实际摩擦和金融摩擦能显著放大不确定性冲击对于企业投资和雇佣劳动力数目的紧缩效应。Angeloni et al ( 2015) 构建了带有内生脆弱和挤兑风险银行部门的宏观经济模型， 并在此基础上分析了货币政策和金融机构的风险承担问题。Christiano et al ( 2014) 通过在 DSGE 模型中引入风险冲击， 发现风险冲击在经济波动中具有显著的驱动作用。与以往研究不同的是， 本文将货币政策不确定性和金融机构的风险冲击同时纳入一般均衡模型中， 从金融机构的违约风险视角讨论货币政策不确定性对于实体经济的影响。本
8、文的创新之处在于: 第一， 基于中国 2006 年 3 月至 2017 年 12 月期间的 45 个宏观和金融变量， 采用 Jurado et al( 2015) 提出的大数据环境下的高维因子模型， 首次估计了中国货币政策的不确定性， 并从宏观总量层面实证检验了货币政策不确定性对违约风险和实体经济的冲击。第二， 将实证检验和理论分析相结合， 将 Christiano et al ( 2014) 的风险冲击纳入 BGG 模型中， 并引入货币政策的随机波动率，构建了带有金融摩擦， 不确定性冲击和风险冲击的非线性 DSGE 模型， 从理论上验证了实证方面的经验事实， 分析了货币政策不确定性冲击对于违
9、约风险和实体经济的影响。二、关于货币政策不确定性和违约风险的经验事实( 一) 货币政策不确定性的测度参考 Jurado et al ( 2015) 测度经济不确定性的方法， 本文使用中国货币政策和宏观经济方面的变量来测度中国货币政策不确定性， 具体的不确定性理论模型如下:变量 yjtYt的未来 h 期的不确定性 yjt( h) 可以表示为基于 t 期信息 It预测的期望值 E yjt + h|It 与未来 h 期的真实值 yjt + h之间的条件偏离程度， 即可以表示为:yjt( h)=E ( yjt+h E yjt+h| It )2| It槡( 1)其中， E |It 表示基于 t 期信息
10、It得到的条件期望值。如果将与货币政策相关的总变量集合 Yt中所有变量使用一定的权重 wt进行加总， 即可以得到货币政策的不确定性， 其可以表示为:yt( h)= plimNyNyj =1wjyjt( h) Ew yjt( h) ( 2)本文通过加权平均和主成分分析法对所有的条件波动率提取公共因子得到两种货币政策的不确定性指数。选取的货币政策有关的变量有 14 个， 其他宏观方面的变量有 31 个， 一共有 45 个变量， 具体情况如表 1。所用数据均为月度数据， 时间区间为 2006M032017M12， 所有的数据均来自 CEIC 数据库和中经网统计数据库。参考 Jurado et al
11、( 2015) ， 本文得到提前 1 期( 1 个月 h1) 、 3 期( 3 个月 h3) 和 12 期( 12 个月h12) 的中国货币政策不确定性指数， 具体如图 1。其中 csa 和 pca 分别代表加权平均和利用主成分分析法对所有变量的不确定性指数提取公共因子得到的两种货币政策不确定性指数。从图 1 可以看出， csa 和 pca 所得到的中国货币政策的不确定性指数比较接近， 且提前1 期、 3 期和12 期的不确定性指数依次增加， 这是因为预测时间越长所积累的不确定性越大。021王博等: 货币政策不确定性、 违约风险与宏观经济波动具体估计步骤详见 Jurado et al ( 20
12、15) 。表 1构建中国货币政策不确定性指数所用变量的情况说明名称变量名称计算方法及说明简称货币政策货币供应量 M0当期同比增速M0货币供应量 M1当期同比增速M1货币供应量 M2当期同比增速M2存款准备金率水平值D再贴现利率水平值DI贷款利率: 1 年以内( 含 1 年)水平值L1贷款利率: 15 年水平值L1 5贷款利率: 5 年以上水平值L5存款利率: 储蓄存款 1 年期水平值D1存款利率: 储蓄存款 2 年期水平值D2存款利率: 储蓄存款 3 年期水平值D3银行间同业拆借利率: 7 天加权平均水平值IL7银行间同业拆借利率: 1 个月加权平均水平值IL1银行间同业拆借利率: 3 个月加
13、权平均水平值IL3债券市场1 年期国债期限利差1 年期国债收益率与 3 月期国债收益率之差1y3mTS3 年期国债期限利差3 年期国债收益率与 3 月期国债收益率之差3y3mTS5 年期国债期限利差5 年期国债收益率与 3 月期国债收益率之差5y3mTS10 年期国债期限利差10 年期国债收益率与3 月期国债收益率之差10y3mTS1 年期 3A 企业债期限利差1 年期 3A 企业债收益率与 3 月期国债收益率之差1y3mCS3 年期 3A 企业债期限利差3 年期 3A 企业债收益率与 3 月期国债收益率之差3y3mCS5 年期 3A 企业债期限利差5 年期 3A 企业债收益率与 3 月期国债
14、收益率之差5y3mCS10 年期 3A 企业债期限利差10 年期 3A 企业债收益率与 3 月期国债收益率之差10y3mCS证券市场上证综指收益率利用月度上证综合指数得到收益率_SH深证综指收益率利用月度深证综合指数得到收益率_SZ上证综指波动率由 GACH( 1， 1) 得到综指收益率的条件标准差SVOL_SH深证综指波动率由 GACH( 1， 1) 得到综指收益率的条件标准差SVOL_SZ上证综指换手率日度换手率平均得到月度换手率TO_SH深证综指换手率日度换手率平均得到月度换手率TO_SZ宏观经济规模以上工业增加值当期同比实际增速VAI宏观经济景气指数: 先行指数当期同比增速MI1宏观经
15、济景气指数: 一致指数当期同比增速MI2宏观经济景气指数: 滞后指数当期同比增速MI3宏观经济景气指数: 预警指数当期同比增速MI4采购经理指数: 制造业当期同比增速PMI社会消费品零售总额当期同比增速SC固定资产投资: 累计当期同比增速FI1212019 年第 3 期续表 1名称变量名称计算方法及说明简称价格水平居民消费价格当期同比增速CPI商品零售价格指数当期同比增速PI企业商品价格指数当期同比增速FPI工业生产者出厂价格当期同比增速IPI农业生产资料价格指数当期同比增速API汇率市场人民币兑美元水平值PBC实际有效汇率: BIS当期同比增速BIS政府支出全国一般公共预算收入当期同比增速G
16、I全国一般公共预算支出当期同比增速GS图 1中国货币政策的不确定性指数( 二) 来自宏观总量层面的经验证据1 宏观层面违约风险因子构建本文运用 Koop Korobilis( 2014) 提出的 TVP- FAVA 模型的估计方法构建违约风险因子， 主要数据来源于与违约风险密切相关的 17 个变量， 主要包含信贷市场的信贷/GDP 缺口指标以及信用利差等， 同时在回归中控制了宏观经济层面的变量季度 GDP 实际增速， 具体情况如表 2。根据Gilchrist et al ( 2009) ， 信用利差的上升是信贷市场违约风险加大和经济衰退的重要预警指标。同时， 大量文献指出信贷/GDP 缺口指标
17、， 即总信贷与 GDP 比值偏离其长期均值的部分， 往往是债务违约以及银行危机的早期预警指标。信贷/GDP 缺口越大， 表明信贷扩张引发债务违约和银行危机的可能性越大。本文用来测度违约风险的变量全部与违约风险正向相关。表 2构建违约风险因子数据列表变量名称计算方法及说明简称TED 利差银行间同业拆借利率减去无风险利率， 本文采用 3 个月期限利差， 使用同期定期存款利率代表无风险利率TED短期个人住房贷款/GDP 缺口5 年内( 含 5 年) 个人住房贷款/GDP， 再去均值1 5yHate长期个人住房贷款/GDP 缺口5 年以上个人住房贷款/GDP， 再去均值O5yHate短期消费贷款/GD
18、P 缺口短期个人消费贷款( 本外币) /GDP， 再去均值CLoan_s长期消费贷款/GDP 缺口长期个人消费贷款( 本外币) /GDP， 再去均值CLoan_l短期信贷/GDP 缺口短期金融机构人民币信贷( 境内) /GDP， 再去均值Loan_s221王博等: 货币政策不确定性、 违约风险与宏观经济波动续表 2变量名称计算方法及说明简称中长期信贷/GDP 缺口中长期金融机构人民币信贷( 境内) /GDP， 再去均值Loan_l银行股 Beta 值上海股票市场中银行股 CAMP Beta 值B_beta1 年期国债期限利差1 年期国债收益率与 3 月期国债收益率之差1y3mTS3 年期国债期
19、限利差3 年期国债收益率与 3 月期国债收益率之差3y3mTS5 年期国债期限利差5 年期国债收益率与 3 月期国债收益率之差5y3mTS7 年期国债期限利差7 年期国债收益率与 3 月期国债收益率之差7y3mTS10 年期国债期限利差10 年期国债收益率与 3 月期国债收益率之差10y3mTS1 年期 3A 企业债期限利差1 年期 3A 企业债收益率与 3 月期国债收益率之差1y3mCS3 年期 3A 企业债期限利差3 年期 3A 企业债收益率与 3 月期国债收益率之差3y3mCS5 年期 3A 企业债期限利差5 年期 3A 企业债收益率与 3 月期国债收益率之差5y3mCS7 年期 3A
20、企业债期限利差7 年期 3A 企业债收益率与 3 月期国债收益率之差7y3mCS10 年期 3A 企业债期限利差10 年期 3A 企业债收益率与 3 月期国债收益率之差10y3mCSVIX用 日度 CBOE Volatility Index 加权平均得到月度 VIX 数据VIXGDP 增速GDP 当期同比实际增速GDP本文首先使用 ADF 检验进行数据平稳性检验， 绝大部分数据平稳， 不平稳数据经一阶差分后都变平稳。与此同时， 将数据进行归一化处理， 以使变量的量纲相同。这里数据区间为 2006Q12018Q3， 数据来源于 CEIC 和中经网统计数据库。然后， 运用构建的违约风险因子 fac
21、tort、 货币政策不确定性 mput以及实际 GDP 增长率 gdpt构建 VA 模型。从图 2、 图 3 的 VA 模型中给予货币政策不确定性 1 单位标准差冲击后的脉冲响应中可以看出， 货币政策不确定性的正向冲击下， 产出出现了持续的负向反应， 而违约风险则出现了上升， 这说明货币政策不确定性上升会带来产出的下降和违约风险的上升。基于此， 本文提出第一个经验事实:经验事实 1: 货币政策不确定性的上升会增加违约风险， 同时带来产出下降。图 2产出对货币政策不确定性图 3违约风险对货币政策不确定性冲击的脉冲响应冲击的脉冲响应3212019 年第 3 期由于其他变量是季度数据， 这里 mpu
22、t采用上节构造的3 个月的货币政策不确定性指数， 但其他期限的货币政策不确定性指数并不影响估计结果。2 门限 VA 模型不少文献表明， 银行面临的违约风险很可能是放大宏观经济外生冲击的重要机制。如果事实果真如此， 那么就应该观测到这一事实: 样本区间内那些违约风险较高的样本时间段内， 产出对于货币政策不确定冲击的负向响应应该更加剧烈。基于此， 本文参考 Balke( 2000) 采用门限 VA 模型进行检验:Yt=c1+pj =11Ytj+ 1tif Std Y*c2+pj =12Ytj+ 2tif Std Y*( 3)其中， Yt是 TVA 模型的内生变量， 这里 Yt= mput， fac
23、tort， gdpt， mput代表货币经济政策不确定性， factort代表违约风险因子， gdpt代表实际 GDP 增长率。St d是 TVA 模型的门限变量， d 是门限变量的滞后期数， Y*是门限变量的门限值， 当门限变量 St d小于或者大于 Y*时， 模型分别处于不同的区制。c1和 c2是不同区制内的截距项， 而 1和 2则是不同区制内的系数， p 是模型的滞后阶数。1t和 2t分别是区制依赖的误差项， 假定服从均值为 0 且独立同分布的正态分布即 1= E( 1t1t) 且 2= E( 2t2t) 。本文选择违约风险因子 factort作为门限变量， 并根据 L 统计量选择其滞后
24、阶数 d = 2。图 4给出了处于高违约风险和低违约风险两个区制的概率图， 在 2007 年次贷危机期间、 2009 年“四万亿” 刺激政策后以及2015 年以后， 中国的违约风险均高于门限值， 表明当时其处于较高违约风险区制内。图 5 给出了区制依赖的产出对一个标准差货币政策不确定性冲击的脉冲响应结果。本文发现， 在高风险区制 2 内， 产出在第 5 期负向响应为 6. 2%， 而在低风险区制 1 第 5 期为 5% 左右。同时， 在区制 2， 负向响应在第 30 期后才逐渐收敛， 而在区制 1 内负向响应在 22 期后便接近为 0。这说明高违约风险的情形下， 货币政策不确定性冲击对于产出的
25、负向影响效果更大， 持续时间更长。基于此， 本文提出第二个经验事实:经验事实 2: 货币政策不确定性对经济活动的冲击具有明显的非线性， 当违约风险上升时， 货币政策不确定性对实体经济的紧缩效应会进一步增强。421王博等: 货币政策不确定性、 违约风险与宏观经济波动图 4区制概率图 5区制依赖的脉冲响应三、理论模型为了解释上述经验事实， 本文试图将 Christiano et al ( 2014) 的风险冲击纳入 Bernanke et al( 1999) 的 BGG 模型中， 并引入货币政策的随机波动率， 构建了一个包含不确定性冲击、 金融摩擦以及风险冲击的新凯恩斯 DSGE 模型。( 一)
- 配套讲稿：
如PPT文件的首页显示word图标，表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制：
部分文档作品中含有的国旗、国徽等图片，仅作为作品整体效果示例展示，禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词：
- 货币政策 不确定性 违约 风险 宏观经济 波动 王博
淘文阁 - 分享文档赚钱的网站所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
限制150内