中國的自然利率有多高——基于DSGE模型的再估算

蔡群起 龔 敏

(廈門大學 宏觀經濟研究中心，福建 廈門 361005)

中國的自然利率有多高
——基于DSGE模型的再估算

蔡群起 龔 敏

(廈門大學 宏觀經濟研究中心，福建 廈門 361005)

利用中等規模DSGE模型和貝葉斯估計技術，估算20世紀90年代以來中國的自然產出和自然利率水平。結果表明，2008年全球金融危機以后，中國的自然利率呈現明顯的下降趨勢。這確認了中國實際利率和企業融資成本過高的判斷，在中國貨幣政策操作框架快速向利率調控過渡的背景下，可以為中央銀行確定政策利率基準水平提供一定的參考。

自然利率；自然產出；貨幣政策利率

近年來，中國各種口徑的實際利率和融資成本的攀升是不爭的事實。然而，判斷實際利率和融資成本是否“過高”，還需要首先弄清其“正常”水平。此外，中國人民銀行決定，自2015年10月24日起，對商業銀行和農村合作金融機構等不再設置存款利率浮動上限，并抓緊完善利率的市場化及其調控機制，加強對利率體系的調控和監督指導，提高貨幣政策傳導效率。因此，從估算中國的自然利率出發，不僅能為金融危機后中國利率水平是否過高提供判斷標準，還能為中國貨幣政策的利率調控提供基準。

一、文獻綜述

已有文獻估算自然利率的方法主要有三類：第一類是SVAR模型，如Brzoza-Brzezina(2003)等。第二類是狀態空間(State-Space)模型,以Laubach et al.(2003)為代表，其構建了一個聯系自然利率、潛在產出等不可觀測變量與實際產出、通脹和政策利率等可觀測變量的線性動態模型，用數據估計后再用卡爾曼濾波技術倒推出自然利率。第三類是DSGE模型，其優勢在于嚴密的微觀基礎，自然利率在模型中有著嚴格的定義，較早的研究包括Neiss et al. (2003)、Amisano et al. (2008)、Edge et al. (2008)，以及Justiniano et al. (2010)等，最近特別要提及的有Barsky et al.(2014)。

隨著中國貨幣政策框架逐漸向利率調控模式轉變，國內對自然利率的關注度不斷提高。例如：He et al.(2014)通過校準自然利率方程的參數、測算資本回報率以及估計面板計量模型等方法，發現中國的自然利率處于4%～4.5%。總體而言，國內利用SVAR模型和狀態空間模型研究中國自然利率的起步較早(石柱鮮 等，2006；田建強，2010)，但利用DSGE模型估算的文獻較少，以金中夏等(2013)、賀聰等(2013)為代表。金中夏等(2013)在Gali et al. (2005)的小國開放經濟DSGE模型基礎上，將經濟增長和名義匯率變動引入中國的貨幣政策反應方程，估算了2001年1月至2011年12月貨幣市場利率對自然利率的偏離，認為向下偏離的根源是發達國家的低利率政策以及中國缺乏彈性的匯率制度。賀聰等(2013)認為，利率雙軌制是估算中國自然利率的最大障礙，中央銀行的政策利率是存貸款基準利率，而非短期貨幣市場利率，因此，其通過假定中央銀行按泰勒規則調控存款基準利率，用基本新凱恩斯(BNK)DSGE模型估算1998年2季度至2012年3季度中國實現潛在產出和通脹穩定的存款利率。

國內研究的不足主要表現在：第一，無論是Gali et al. (2005)的小國開放經濟DSGE模型，還是基本新凱恩斯(BNK)DSGE模型都是極為簡化的短期模型，投資、資本積累以及消費習慣形成、投資調整成本等一系列摩擦性因素都被忽視了，因此，基于這些“不太現實”的模型所做的自然利率估計難免失真，對中國這樣一個高度依賴投資和資本形成的經濟體而言尤其嚴重。第二，模型中關于中國貨幣政策規則的設定仍有待改進。中國央行并未形成以短期貨幣市場利率為操作目標的貨幣政策框架，更多地是依靠貸款額度的窗口指導、法定存款準備金率調整等數量型工具。因此，不能用現實中的貨幣市場利率數據來估計傳統的泰勒規則。而且，即便估計出了自然利率，也不能通過直接和現實中的市場利率進行比較來估算偏離程度。賀聰等(2013)通過估計存款利率的均衡水平回避了這個問題。然而，存款利率并非利率走廊框架下的操作目標，其均衡水平與自然利率是否存在穩定的、可預測的關系也有待探索。

本文利用DSGE模型和貝葉斯估計對1992年1季度至2015年3季度中國的自然利率水平進行估算，對現有文獻的改進主要體現在：第一，本文采用的是Smets et al. (2007)的中等規模DSGE模型，它包含投資、資本積累、多種摩擦性因素及多種沖擊源，因而可以更好地擬合復雜的現實經濟。第二，參考國家統計局季度支出法中國GDP核算方法試行方案，本文自行估算了產出、消費、投資等宏觀變量的季度數據。*參見張冬佑：《中國季度支出法GDP核算方法》， https://www.oecd.org/std/na/37601246.doc。眾所周知，中國GDP的核算一直以來主要依據生產法和收入法，除了年度的支出法數據，國家統計局尚未公布季度的支出法數據。中國DSGE建模的一大難點正在于數據的缺失。這也是現有估算自然利率的DSGE模型過度簡化的根本原因。第三，本文用反事實估算的方法解決中國貨幣政策規則與金融市場的特殊性問題。由于中國長期存在利率管制和金融抑制，加之中國的貨幣政策操作框架并非泰勒規則，現實中被扭曲的貨幣市場利率與模型中的利率不能等同視之。在模型估算中，本文不用貨幣市場利率數據，而是假定若中國貨幣政策僅依賴短期市場利率調節，根據現實中觀察到的其它宏觀經濟變量序列，推算出泰勒規則的市場利率水平和相應的自然利率水平。由于現實中不存在自然利率，很難將它同某一利率進行絕對大小的數值比較，但是，若自然利率的走勢與經濟中主要利率指標保持大體的一致性，則可以通過對比二者的變化趨勢推斷二者變化方向的偏離程度。

二、模型構建及求解

模型中經濟主體包括家庭、中間品廠商、最終品廠商，以及政府部門(見圖1)。由于壟斷競爭的市場結構，經濟無法實現完全競爭的最優資源配置。除了工資和價格粘性外，還引入消費習慣形成、投資調整成本、資本利用成本等摩擦性因素。模型的七項沖擊分別為：技術沖擊、風險溢價沖擊、投資技術沖擊、外生支出沖擊、貨幣政策沖擊，以及工資和價格加成率沖擊。

注：實線箭頭代表物流，虛線箭頭表示資金流。

(一)最終品廠商

最終品廠商之間是完全競爭關系，通過購入中間品來組裝生產出最終品，并可直接轉化為家庭的消費品、投資品、政府的消費品，以及在資本品使用過程中所需的消耗品。代表性最終品廠商，是最終品價格和中間品價格的接受者，選擇最優的中間品組合以謀求利潤最大化。其利潤最大化問題的數學表達式為：

其中，1+λp,t是中間品廠商為其產品定價時所用的加成率。由一階條件可得最終品廠商對第i 種中間品的需求函數：

(1)

(2)

假定中間品廠商的凈加成率λp,t服從如下的自回歸移動平均過程：

(3)

(二)中間品廠商和價格粘性

壟斷競爭的中間品廠商，標記為i∈[0,1]，使用如下生產函數生產差異化的中間產品：

(4)

(5)

(6)

由一階條件可得要素最優使用比例及邊際成本函數：*由于所有中間品廠商的資本-勞動比率和邊際成本均相同，代表性廠商的下標i省略。

(7)

(8)

中間品廠商每期無法自主調整價格的概率為ξp，其價格設定遵循卡爾沃規則(Calvo,1983)。當廠商無法自主調整價格時，其價格按增長與穩態時的通脹率π及前期通脹率πt-1的加權平均值掛鉤。其最優價格設定問題為：

(三)家庭

代表性家庭無限存活，標記為j∈[0,1]。家庭j選擇消費Cj,t，提供同質的勞動服務Lj,t，決定投資Ij,t和資本利用率Zj,t，并通過無風險的政府債券Bj,t進行儲蓄。其終身效用最大化問題為：

(9)

家庭的資本積累方程為：

(10)

(11)

家庭關于消費、勞動、債券、投資、資本存量和資本利用率的一階條件分別為：*均衡時所有家庭的選擇無差異，因此，一階條件省略家庭下標j。

(12)

(13)

(14)

(15)

(16)

(17)

(四)勞動部門和工資粘性

勞動中介的最優化問題為：

其中，1+λw,t為工會設定工資的加成率。由一階條件可得勞動中介對Ll,t的需求函數：

(18)

(19)

假定工會的凈加成率λw,t服從如下的自回歸移動平均過程：

(20)

(五)政府部門

中央銀行的名義利率設定遵循泰勒規則。名義毛利率的錨定變量除通脹缺口和產出缺口外，還有產出變動與自然產出變動的缺口：

(21)

(22)

財政部門通過發債和征稅來維持政府消費：

(23)

(24)

(六)總體資源約束

產出等于居民消費、投資、外生支出以及資本利用成本之和：*投資的調整成本是以投資的資本形成轉化率體現的，不構成對產出的額外消耗。

(25)

三、 自然利率的估算

(一) 模型的對數線性化方程系統

對模型一階條件和資源約束條件進行對數線性化后，可得如下方程(其中，加“^”號變量代表其原始變量對穩態值的對數偏離)：

生產函數：

(26)

實際邊際成本：

(27)

最優要素使用比例：

(28)

資本服務：

(29)

資本利用率：

(30)

資本存量的運動方程：

(31)

最優投資決策：

(32)

最優資本存量決策(托賓q方程)：

(33)

最優消費決策的歐拉方程：

(34)

菲利普斯曲線：

(35)

實際工資方程：

(36)

泰勒規則：

(37)

總體資源約束：

(38)

(二)觀測方程和數據說明

貝葉斯估計要求模型的觀測變量數不超過沖擊數。根據數據質量和可得性，本文選擇的4個觀測變量分別為1992年1季度至2015年3季度的勞均實際產出、勞均私人消費、勞均投資和通脹率。需要指出的是，之所以放棄使用貨幣市場利率數據，是因為：它雖是貨幣市場供求均衡的結果，但其平均水平受到利率管制、金融抑制等因素的極大扭曲，還不是一般均衡意義上的市場利率；另外，中央銀行也并非以其作為貨幣政策的操作目標和工具，而是混合使用多種數量型和價格型工具。因此，若將貨幣市場利率數據代入模型中的泰勒規則，必將使估計結果產生重大的偏差。總之，考慮到中國的利率雙軌制特征以及貨幣政策并非遵循泰勒規則，本文模型中的市場利率在現實中并不存在，因而將其作為不可觀測變量處理。

模型的觀測方程如下：

(39)

(40)

(41)

(42)

其中，yt、ct、it及Pt分別為季度勞均產出、勞均私人消費、勞均投資及定基CPI指數，γ、π分別為技術進步率和穩態毛通脹率。*這里，觀測變量以對數差分的形式進入觀測方程，是為了遵循Dynare軟件的要求。關于如何在Dynare中設定貝葉斯估計的觀測方程，可見Johannes Pfeifer, “A Guide to Specifying Observation Equations for the Estimation of DSGE Models”，https://sites.google.com/site/pfeiferecon/dynare。圖2展示了經過季節調整的中國季度實際固定資本形成(I_SA)、定基CPI(P_SA)、實際私人消費(PC_SA)、勞動人口(POP)及實際產出(Y_SA)。

圖2 中國主要宏觀經濟變量的季度變化(1992Q1—2015Q3)

數據來源：中國國家統計局、US Census及作者估算。

關于以上季度數據來源及估算方法，需要做如下說明：

第一，國家統計局并未公布國民經濟核算的季度支出法相關數據，本文的季度GDP、私人消費及投資為估算數據。國家統計局2011年1季度開始發布當季度的季度GDP數據，之前為累計數據，本文根據這些信息以及實際GDP累計增長率，推算出1992年至今的季度GDP。例如：由2011年第1季度的GDP和同比數據，可以倒推出2010年第1季度的實際GDP。再由2011年第1至2季度的累積實際GDP增速，可以倒推出2010年第1和2季度實際GDP之和。最后，從中減去先前估算的2010年第1季度GDP，即可得到2010年第2季度的實際GDP。依此類推。圖3報告了所估算的季度實際GDP同比增速和國家統計局公布的年度實際GDP同比增速。可以發現，估算的季度實際GDP增速與年度增速在趨勢上高度一致，但波動性更大。

圖3 中國實際GDP同比變化

數據來源：中國國家統計局、作者估算。

圖4 中國季度居民消費的插值

數據來源：中國國家統計局、作者估算。

第二，本文分別根據私人消費與全社會零售消費總額，以及固定資本形成與全社會固定資產投資年度數據的比例關系，插值得到私人消費和投資的季度數據。私人消費指居民消費，包括城鎮居民消費和農村居民消費。國家統計局只公布居民消費的年度數據，季度數據需要估算。國家統計局公布的一個與居民消費口徑類似的季度指標是全社會零售消費總額。但是，全社會零售消費總額既包含不屬于居民消費的企事業、行政單位的零售額，又遺漏了屬于居民消費的其它成分，如農民自產自用的農產品、居民自有住房服務及教育、醫療、文化等收費服務。因此，直接使用全社會零售消費總額代替居民消費是錯誤的。本文采用的方法是：首先，利用年度數據計算居民消費與全社會零售消費總額的比值；其次，利用這一比值去乘同一年份內各季度的全社會消費零售總額，插值得到該年份各季度的居民消費。圖4報告了季度居民消費的插值結果。可以發現，年度數據的比值大體穩定在0.8～1.2，居民消費與全社會零售消費總額在數量上較為接近。在估算的季度居民消費方面，以2008年為分界點，居民消費由高于演變為低于。同時可以發現，季度居民消費的波動與全社會零售消費總額高度一致。實際上，這正是本文所使用的插值法的目的所在：在保留年度居民消費數據趨勢的同時，又獲得盡可能準確的年內季度波動信息。同理，本文在估算季度固定資本形成時利用的相似指標是全社會固定資產投資完成額。后者在口徑上與前者最大的不同是包含土地購置費、舊設備和舊建筑物購置費。正是由于這一差異以及過去10多年房地產的快速發展，導致2004年以后固定資本形成大大低于固定資產投資(圖5)。本文使用的季度全社會零售消費總額和固定資產投資數據，是國家統計局公布的最接近居民消費和固定資本形成的指標。實際上，社會各界在分析短期宏觀經濟形勢時，也都密切關注這兩個指標的變化。在插值得到名義數據后，本文分別利用消費者物價指數的季度平均值和固定資產投資價格指數的季度平均值平減得到季度實際居民消費和投資。

圖5 中國季度固定資本形成的插值

注：所有參數均按季度頻率賦值。

第三，由于GDP、私人消費和投資都有明顯的季節性，本文用X12方法對數據做了季節調整。由于國家統計局公布的15～64歲勞動人口數據在人口普查的2000年及2010年存在明顯跳躍，本文使用的是美國人口普查局公布的更為平滑的數據。*數據可在其網站免費下載：http://www.census.gov/population/international/data/idb/informationGateway.php?cssp=SERP。相關變量的勞均數據由勞動人口數據調整得到。

(三)參數的貝葉斯估計

給定先驗分布和狀態空間模型系統，就可以利用非線性求解方法獲得參數后驗分布的眾數(Mode)。然而，后驗分布通常沒有解析解。因此，基于所得到的后驗分布的眾數信息，可以利用馬爾科夫鏈-蒙特卡洛(MCMC)方法以一定的接受概率對參數進行抽樣。設定抽樣跳躍參數為0.2，相應的樣本接受率為0.251，接近理論上的最優接受率0.234。為了檢驗MCMC抽樣過程的穩健性，這里分別進行2次抽樣，每次抽取樣本25萬個，總共50萬個樣本。MCMC趨同檢驗表明所抽取的樣本是穩定的。參數的先驗及后驗分布圖表明，參數的估計結果較好。以上估計步驟均基于Matlab R2015b平臺并由Dynare 4.4.3實現。

四、估算結果

在得到參數的貝葉斯估計結果后，可以利用卡爾曼濾波技術從狀態空間模型系統中估計出不可觀測變量的時間序列。由于很難通過自然利率序列本身對其可靠性進行評估，而自然產出序列通常可以根據宏觀經濟運行歷史進行評判。因此，為了進一步檢驗所估計的自然利率序列的穩健性，先檢查所估計的自然產出增速序列的可靠性。

圖6 模型估算的自然產出與實際產出增速

圖6的實線展示了DSGE模型估算的季度自然產出增速。為了便于與真實經濟運行狀況進行比較，這里一同展示了季度實際經濟增速及其HP濾波值。可以發現，HP濾波值本質上只是對實際增速的平滑處理，與模型估算的自然產出增速相差較大。估算結果表明，1990年代至2008年全球金融危機前，中國經濟的自然產出大體維持在9%～10%水平。然而，2008年金融危機以后，自然產出增速出現了臺階式下降，基本處于7%～8%水平。自然產出增速的這一下降趨勢，與已有文獻關于中國經濟減速原因的討論是相符的。例如：白重恩等(2014)指出，趕超效應減弱和投資結構惡化帶來TFP的減速；陸旸等(2014)從人口紅利逆轉的直接和間接效應解釋潛在增速的下降。還有文獻從產業結構服務化拉低總和勞動生產率的角度進行論證(袁富華，2012；中國經濟增長前沿課題組，2014)。從自然產出增速與實際產出增速的HP濾波的比較看，2012年后中國宏觀經濟運行明顯低于自然產出水平，有通縮壓力。這與近年來中國經濟持續下行、PPI連續數十個月負增長、CPI低位徘徊的局面非常一致。

圖7 模型估算的自然利率

圖8 貸款加權平均利率(PPI平減)

數據來源：Wind數據庫。

注：中國人民銀行的“金融機構人民幣貸款加權平均利率”數據從2008年第3季度開始公布，而之前的數據分別用口徑相近的“金融機構人民幣1年期固定利率貸款加權平均利率”(2002Q3—2006Q4)及“金融機構人民幣貸款6個月至1年期平均利率”(2007Q1—2008Q2)來代替。

圖9 利率上浮貸款占比

數據來源：Wind數據庫。

圖7報告的是模型估算的自然利率水平。顯然，由于外生沖擊的波動性較大，自然利率的變動幅度也較大。為了更好地把握其變化趨勢，這里一同報告了自然利率的6季移動平均曲線。對比圖6和圖7可知，自然產出增速與自然利率具有較高的同步性。自然利率除2009年前后有所回升之外，2005年之后是總體下降的。其中，2010年后一度快速下降，到2012年時僅僅略高于0。此后，隨著自然產出的回升，自然利率也略有回升，但很快又轉而下降。截至2015年3季度，自然利率大體處于2.5%上下的水平。自然利率的下降趨勢反映的是中國經濟基本面的深層次變化，尤其是實際資本回報率的下降。一方面，經濟潛在增速隨著“后發優勢”的逐步喪失、要素成本的普遍上升而趨向遞減；另一方面，2008年金融危機以后投資率不降反升，基建、地產投資占比大幅提高，導致投資效率不斷降低。

另外，2008年金融危機以來中國經濟的利率水平和企業融資成本的持續攀升，與自然利率的長期下降趨勢形成明顯背離。圖8報告了以PPI平減的金融機構加權貸款平均利率的變動情況。可以發現，實際貸款利率與圖7的自然利率在波峰、波谷形態上高度一致。然而，2012年后實際貸款利率經歷了大幅度的上升。這主要是因為，2012年以來，可貿易部門尤其是采礦業和制造業部門的價格指數急速下滑，并帶動PPI的大幅下降。實際貸款利率攀升的重要原因是PPI的大幅下降，但從執行浮動利率貸款占總貸款的比重的提升來看，名義貸款利率的上升也有影響(圖9)。從企業經營的角度看，PPI是工業企業的出產價格，與企業利潤正相關。企業在進行投資決策時，考慮的是實際利率。在PPI大幅回落的情況下，維持基本不變甚至略有提高的名義貸款利率，必然影響企業的實際債務負擔，從而在根本上抑制企業的投資活動。

五、結論和建議

利用DSGE模型的貝葉斯估計和卡爾曼濾波技術，本文通過自行構造的季度支出法數據估算了中國20世紀90年代以來的自然產出和自然利率水平。結果發現，所估計的自然產出增速的變化趨勢能夠較好地描述中國宏觀經濟的運行軌跡。估計的自然利率的變化趨勢，在2008年金融危機前與實際貸款加權平均利率走勢基本一致。然而，2008年金融危機以來，自然利率呈現明顯的下降趨勢，與現實中企業融資成本的持續攀高形成明顯背離。自然利率的下降反映了近年來中國實際資本回報率的下降和投資效率的惡化。在名義融資成本持續高企的情況下，PPI的急速下降進一步推高了實際融資成本。本文的研究確認了中國實際利率和融資成本水平“過高”的判斷。

此外，中國的貨幣政策調控正快速地向政策利率調控過渡，研究自然利率水平有助于中央銀行確定政策利率的基準水平。研究表明當前的自然利率已下降至很低的水平，可以為中央銀行確定政策利率基準水平提供一定的參考。

最后，必須承認，本文的模型設定與結構問題突出的中國經濟現實仍有差距。隨著學界對中國經濟建模的不斷深入，未來還可對中國自然利率的估計做出更大的改進。

白重恩，張瓊. 2014. 中國的資本回報率及其影響因素分析[J]. 世界經濟(10)：3-30.

賀聰，項燕彪，陳一稀. 2013. 我國均衡利率的估算[J]. 經濟研究(8)：107-119.

金中夏，洪浩. 2013. 開放經濟條件下均衡利率形成機制：基于動態隨機一般均衡模型(DSGE)對中國利率變動規律的解釋[J]. 金融研究(7)：46-60.

李稻葵，徐欣，江紅平. 2012. 中國經濟國民投資率的福利經濟學分析[J]. 經濟研究(9)：46-56.

陸旸，蔡昉. 2014 . 人口結構變化對潛在增長率的影響:中國和日本的比較[J]. 世界經濟(1)：3-29.

牛慕鴻，張黎娜，張翔，等. 2005. 利率走廊、利率穩定性和調控成本[R]. 中國人民銀行工作論文.

石柱鮮，鄧創，劉俊生，等. 2006. 中國的自然利率與經濟增長、通貨膨脹的關系[J]. 世界經濟(4)：12-21.

田建強. 2010. 中國自然利率的測算：基于SVAR 方法[J]. 管理評論(2)：39-42.

袁富華. 2012. 長期增長過程的“結構性加速”與“結構性減速”: 一種解釋[J]. 經濟研究(3)：127-140.

周炎，陳昆亭. 2012. 金融經濟周期模型擬合中國經濟的效果檢驗[J]. 管理世界(6)：17-29.

中國經濟增長前沿課題組. 2014. 中國經濟增長的低效率沖擊與減速治理[J]. 經濟研究(12)：4-17.

AMISANO G, TRISTANI O. 2008. Perceived productivity and the natural rate of interest [Z]. Mimeo, European Central Bank.

BARSKY R, JUSTINIANO A, MELOSI L. 2014. The natural rate of interest and its usefulness for monetary policy [J]. American Economic Review, 104(5):37-43.

BLINDER A S. 1998. Central banking in theory and practice [M]. Cambridge, Massachusetts: The MIT Press.

BRZOZA-BRZEZINA M. 2003. Estimating the natural rate of interest: A SVAR approach [R]. National Bank of Poland Working Paper No.27.

EDGE R M, KILEY M T, LAFORTE J-P. 2008. Natural rate measures in an estimated DSGE model of the U.S. economy [J]. Journal of Economic Dynamics and Control, 32(8):2512-2535.

GALI J. 2008. Monetary policy, inflation, and the business cycle: An introduction to the new Keynesian framework [M]. Princeton: Princeton University Press.

GALI J, MONACELLI T. 2005. Monetary policy and exchange rate volatility in a small open economy [J]. Review of Economic Studies, 72(3):707-734.

HE D, WANG H L, YU X R. 2014. Interest rate determination in China: Past, present, and future [R]. HKIMR Working Paper No.04/2014.

JUSTINIANO A, PRIMICERI G E. 2010. Measuring the equilibrium real interest rate [J]. Economic Perspectives, 34(1):14-27.

LAUBACH T, WILLIAMS J C. 2003. Measuring the natural rate of interest [J]. Review of Economics and Statistics, 85(4):1063-1070.

NEISS K S, NELSON E. 2003. The real-interest-rate gap as an inflation indicator [J]. Macroeconomic Dynamics, 7(2):239-262.

SMETS F, WOUTERS R. 2007. Shocks and frictions in US business cycles: A Bayesian DSGE approach [J]. American Economic Review, 97(3):586-606.

WICKSELL K. 1936. Interest and prices [M]. New York: Sentry Press.

WOODFORD M. 2003. Interest and prices: Foundations of a theory of monetary policy [M]. Princeton: Princeton University Press.

(責任編輯 劉志煒)

Estimating the Natural Interest Rate in China: Based on DSGE Model

CAI QunQi GONG Min

(Centre for Macroeconomic Research, Xiamen University, Xiamen 361005)

This paper uses a medium-scale DSGE model of Smets and Wouters to estimate natural interest rate and natural output since 1990s′ in China. The result shows that natural interest rate in China has been steadily declined since the 2008 global financial crisis. The research confirms the argument that the actual interest rate and the financing cost are too high for enterprises. Besides, the estimation provides the central bank the benchmark level of policy rate, as China′s monetary policy regime is moving actively to interest rate manipulation.

natural interest rate; natural output; monetary policy rate

2016-04-20

蔡群起(1988--)，男，福建寧德人，廈門大學宏觀經濟研究中心博士生。 龔 敏(1965--)，女，云南個舊人，廈門大學宏觀經濟研究中心教授，博士生導師。

國家社科基金重大項目“經濟持續健康發展與收入倍增計劃的實現路徑研究”(13&ZD029)；教育部哲學社會科學重大課題攻關項目“中國經濟潛在增速的測算與展望研究”(15JZD016)。

F822.0

A

1001-6260(2016)06-0029-12