G4經濟體流動性對我國經濟波動的影響

王玨帥

(東北財經大學 國際經濟貿易學院，遼寧 大連 116025)

G4經濟體流動性對我國經濟波動的影響

王玨帥

(東北財經大學 國際經濟貿易學院，遼寧 大連 116025)

本文通過構建基于G4(美國、歐元區(qū)、日本和英國)經濟體的貨幣供給(又稱之為發(fā)達國家流動性)指標，運用FAVAR模型研究發(fā)達國家流動性對我國宏觀經濟波動產生的影響。研究結果表明，當經濟受到風險因素沖擊時，發(fā)達國家中央銀行為了緩解沖擊帶來的不利影響，增加流動性，此舉會對我國金融與實體經濟產生影響。短期收緊的利率和匯率政策，在一定程度上減弱了發(fā)達國家流動性增加對我國金融經濟波動的不利影響，但對我國實體經濟產生負面影響。長期中，發(fā)達國家流動性的沖擊幾乎不會對我國宏觀經濟波動產生顯著影響。

G4經濟體流動性；宏觀經濟波動；貨幣政策；FAVAR模型

一、問題的提出

在全球一體化的背景下，世界各國貨幣政策相互間的影響越來越大。從20世紀80年代左右開始，全球主要經濟體的貨幣供給(又稱之為全球流動性)問題已經成為經濟學家關注的熱點問題之一。金融危機后，全球流動性趨于緊縮；隨后各國中央銀行為恢復經濟，實行了量化寬松政策，此舉又釋放出大量流動性；在全球流動性和風險性因素的疊加沖擊下，我國的實體經濟和金融經濟均受到不同程度影響。為應對全球性危機和流動性波動，我國的貨幣政策和匯率政策也進行了相應調整。

發(fā)達國家流動性基本概念包含宏觀和微觀兩層含義，Baks和Kramer[1]分別使用廣義與狹義概念的貨幣供給量衡量發(fā)達國家流動性。由于本文主要研究發(fā)達國家流動性對我國宏觀經濟的影響，因此，本文選擇與宏觀經濟相關變量聯(lián)系更緊密的廣義貨幣供應量，將發(fā)達國家流動性定義為發(fā)達經濟體對國際貨幣供給形成的影響。

關于如何得到發(fā)達國家流動性指標的問題，方法是將選取的樣本各國貨幣供應量加總。目前已有文獻對發(fā)達國家流動性指標的加總，主要有兩種方法：第一種以IMF[2]方法為代表的絕對數加總方法。此種方法優(yōu)點是可以得到衡量發(fā)達國家流動性構成情況以及具體數值，缺點是由于各國統(tǒng)計貨幣供給總量口徑不同可能會對最終結果造成影響。第二種是采用貨幣總量增速加總方法。此種方法優(yōu)點是能夠有效地規(guī)避各國貨幣供應量統(tǒng)計口徑不一致的問題，缺點是不能得到衡量發(fā)達國家流動性的絕對數值。

除了發(fā)達國家流動性指標的選取，關于匯率準則的選擇也很重要。不論從各國經濟規(guī)模的比較還是計價貨幣的轉換原則，都有賴于匯率標準的選擇。目前，關于計算發(fā)達國家流動性采用的相關匯率準則文獻研究主要集中在兩個方面：第一個方面是以Sousa和Zaghini[3]為代表的使用購買力平價(PPP)準則；第二個方面是以Giese和Tuxen[4]為代表的使用實際市場匯率準則。在這兩種匯率標準中，由于較為頻繁的市場實際匯率波動，基于實際匯率的市場準則難以全面衡量各國的流動性。購買力平價準則能夠很好地反映實際中各國間經濟總量和貨幣供應量的對比，但是不能確定符合購買力平價準則的基準匯率。

Sousa和 Zaghini[3]選取G5(美國、歐元區(qū)、英國、日本和加拿大)經濟體的季度數據，采用通過匯率換算過的按美元將貨幣供應總量加總的方法，衡量發(fā)達國家流動性指標。通過對比發(fā)現(xiàn)，采用購買力平價準則與實際匯率市場準則衡量的發(fā)達國家流動性指標，得到的結果差別不大。IMF[2]以GDP權重分別對G4經濟體的M2和儲備資產流動性進行加權后來度量其流動性。國內學者徐震宇[5]選取的流動性指標，主要以G5經濟體的貨幣流動性總量以及中國的流動性為代表。張會清和王劍[6]采用了G7經濟體的貨幣供應量數據，使用絕對數和增速兩種指標，分別按照基于購買力平價準則和匯率市場準則進行了匯率調整，得到發(fā)達國家流動性指標。李潔和張?zhí)祉擺7]也采用類似方法，研究了30個國家的貨幣供應量數據。

關于發(fā)達國家流動性對金融經濟的影響，Ruffer和Stracca[8]通過建立SVAR模型得出結論認為，相對于短期利率指標，超額貨幣供給更能反映發(fā)達國家貨幣政策的真實狀況。此外，作者對發(fā)達國家流動性泛濫造成的影響進行了解釋，認為發(fā)達國家流動性過剩帶來的沖擊對美國和歐元區(qū)經濟體內部經濟變量產生影響。

也有學者認為，發(fā)達國家流動性不僅會對金融經濟帶來影響，也會對實體經濟產生影響。Belke等[9]通過建立VAR模型研究發(fā)達國家流動性對資產價格的影響，結果顯示，發(fā)達國家流動性對房地產平均價格有顯著正向影響。Sousa和Zaghini[10]解釋了發(fā)達國家流動性給歐元區(qū)帶來的相關影響。他們認為，發(fā)達國家流動性對廣義的歐元區(qū)貨幣供給量以及歐元區(qū)內價格水平的持續(xù)增長具有正效應，其也會對實際有效匯率的短期升值以及歐元區(qū)短期暫時性的實際產出具有正效應。Darius[11]通過構建VAR模型分析全球流動性對資產價格的影響，指出全球流動性對大宗商品市場價格的影響要顯著小于對房地產平均價格的影響。

由于經濟波動受到多方面的共同影響，需要考察大量宏觀經濟指標，原有VAR模型能夠考慮的變量過少，此前的國內研究文獻都沒有從FAVAR這一研究貨幣政策的模型入手考慮，該模型可以考察大量宏觀經濟變量，避免原有VAR模型的缺陷，本文將在原有研究方法上進行創(chuàng)新。

二、研究假設與模型構建

(一)研究假設

Baks 和 Kramer[1]與Ruffer和Stracca[8]主要研究了全球流動性對美國及歐元區(qū)等發(fā)達經濟體金融經濟(包括利率與股票)的影響，得到結論：全球流動性對主要發(fā)達經濟體，諸如美國、歐元區(qū)、日本等金融經濟具有影響。此前的文獻主要研究發(fā)達經濟體流動性對其金融經濟波動的影響，很少從新興經濟體入手，研究外部流動性沖擊對該類經濟體產生的影響。本文擬研究發(fā)達國家流動性對中國這類新興經濟體的金融經濟波動造成的影響，由此提出假設1：

假設1：發(fā)達國家流動性對我國金融經濟波動產生影響。

Holman和Neumann[12]與Sousa和Zaghini[10]指出，發(fā)達國家流動性對美國、歐元區(qū)這類發(fā)達經濟體實際產出具有影響，但是影響力在不同經濟體之間是不同的。本文希望研究發(fā)達國家流動性對中國這類新興經濟體的實體經濟波動造成的影響，由此提出假設2：

假設2：發(fā)達國家流動性對我國實體經濟波動產生影響。

Fernald等[13]認為，2008年早期我國收緊的貨幣政策在2008年晚些時候對我國的實體經濟造成了不利影響，導致了經濟的下行。由此提出假設3：

假設3：我國逆經濟周期的利率、匯率等舉措，會在一定程度上減弱發(fā)達國家流動性對金融經濟波動的不利影響，但是對實體經濟造成負面影響。

(二)模型構建

本文運用FAVAR模型研究G4經濟體流動性對我國宏觀經濟波動的影響。雖然在此之前國內外學者利用FAVAR模型研究各國國內貨幣政策對經濟各方面的影響，但是沒有從流動性這一外部沖擊的角度利用FAVAR模型進行研究，本文試圖在這個方面給出了不同于既有文獻的探討。從文獻綜述中可以發(fā)現(xiàn)，在研究發(fā)達國家流動性的問題上，現(xiàn)有文獻主要是通過VAR模型或SVAR模型進行實證分析。Bernanke等[14]認為，現(xiàn)實中，貨幣政策決策者通常需要全面考察多個經濟指標的動態(tài)變化，但傳統(tǒng)VAR模型能夠處理的變量非常有限。由于傳統(tǒng)VAR模型存在以上問題，他們利用VAR模型分析貨幣政策影響時，引用大量時間序列數據構造共同因子，建立FAVAR模型。研究經濟處于快速發(fā)展和經濟轉型期的中國，由于缺乏大量平穩(wěn)可信的數據樣本，需要考察的經濟變量將比發(fā)達經濟體更多，因此，本文研究中采用FAVAR模型是適當的。在FAVAR模型中，可以從研究的大量經濟變量中提取出少數幾個重要的因子。例如，在研究中國宏觀經濟時，需要考察工業(yè)生產情況這個因子，就可以從工業(yè)生產總量、生產用電量、原材料投入、貸款總量等有代表性的指標中提取得到。因此，當考察我國宏觀經濟時，可以通過研究提取少數重要因子，最終將提取的少數重要因子放入VAR模型中。本文假設宏觀經濟變量Xt是由少數幾個重要因子Ft加上擾動項εt共同決定的，具體表示為：

Xt=ΛFt+εt

(1)

其中，t為觀測數量，向量Ft小于向量Xt，Λ為因子載荷。εt之間可以是弱相關的，只需相關性不強即可。

在動態(tài)因子模型中，因子F是相關的，因子X也是相關的，具體表達如下：

Ft=Φ(L)Ft-1+νt

(2)

其中，Φ(L)為p階滯后多項式，νt均值為0。

FAVAR模型與傳統(tǒng)VAR模型的設定總體一致，其差異主要是FAVAR模型在傳統(tǒng)的VAR中加入一些通過動態(tài)因子模型得到的因子，具體表示如下：

(3)

其中，Yt為可觀測變量，F(xiàn)t通過動態(tài)因子模型得到。FAVAR模型與動態(tài)因子模型主要區(qū)別有：第一，在FAVAR模型中有少數幾個變量被認為是可觀測的，但動態(tài)因子模型中不存在這樣的假設條件。第二，在FAVAR模型中，本文更關注FAVAR模型的識別，即FAVAR模型的脈沖響應及方差響應結果。

本文采用與Ang和Piazzesi[15]類似的分類方法，在研究我國宏觀經濟波動時，將數據分為金融經濟組和實體經濟組，并通過主成分分析的方法提取金融經濟和實體經濟的第一主成分，生成新的金融經濟因子和實體經濟因子，模型(3)中可觀測變量Yt為主要發(fā)達國家貨幣供給。此方法使得新生成的因子具有經濟意義。

三、數據選取

(一)發(fā)達國家流動性指標選取

由于我國面對的發(fā)達國家流動性沖擊主要來源于世界主要發(fā)達國家，包括中國在內的眾多發(fā)展中國家受到發(fā)達國家釋放的流動性沖擊。因此，本文在選取發(fā)達國家流動性指標時，主要考慮發(fā)達經濟體貨幣供給情況。此外，根據經濟合作與發(fā)展組織(OEDC)成員國與我國經濟貿易聯(lián)系的緊密程度與經濟規(guī)模，本文選用G4經濟體的貨幣供給量(美國：M2；歐元區(qū):M3；日本:M2；英國:M4)。如前所述，本文采用絕對數加總法或增速加總法衡量發(fā)達國家流動性指標，匯率規(guī)則采用購買力平價準則或者實際市場匯率準則。經過對比發(fā)現(xiàn)，通過絕對數加總法和增速加總法衡量的發(fā)達國家流動性指標變動方式非常相似，其最主要的差異來源于匯率規(guī)則的選取。從得到的數據中可以發(fā)現(xiàn)，通過購買力平價準則衡量的發(fā)達國家流動性指標不符合經濟學的基本理論，如數據顯示，2001—2003年主要發(fā)達國家的降息政策實施期間以及2009年左右遍及主要發(fā)達國家的量化寬松時期，運用購買力平價準則計算的發(fā)達國家流動性不論從絕對數加總還是增速加總來看，都呈現(xiàn)出收縮的情況，這明顯與實際情況不符。因此，本文采用實際市場匯率準則衡量發(fā)達國家流動性指標，分別采用絕對數加總法和增速加總法。

絕對數加總的方法是將各國的貨幣供給量按照GDP權重進行加權，按照月度平均市場匯率，將歐元、日元和英鎊的貨幣供給量數據轉換為美元單位后，得到了發(fā)達國家流動性波動(絕對數)狀況，如圖1所示。圖2給出了G4經濟體貨幣供給(按照美元核算)的數據。*圖1和圖2縱軸單位均為十億美元，下同。

從圖1可以看出，從2005—2007年美國次貸危機爆發(fā)前期，發(fā)達國家流動性(絕對數)增長了50%左右；在美國次貸危機和歐債危機爆發(fā)期間，發(fā)達國家流動性(絕對數)短期內有所收緊，之后又開始回升。G4經濟體的貨幣供給也不盡相同，表現(xiàn)為歐元區(qū)流動性波動受危機的影響最大，日本次之，英國再次，受影響最小的是美國，其貨幣供給增速最為平穩(wěn)，這可能與美元在世界貨幣體系中的地位密切相關。

增速加總的具體方法是將各國貨幣供給量增速按照GDP權重進行加權，并且按照月度平均市場匯率，將歐元區(qū)、日元和英鎊的貨幣供給量數據轉換為美元單位后，得到發(fā)達國家流動性波動(增速)狀況，如圖3所示。圖4給出了G4經濟體貨幣供給增速(按照美元核算)的數據。

從圖3可以看出，次貸危機和歐債危機都造成了發(fā)達國家流動性增速的下滑，只是程度有所不同。歐債危機對發(fā)達國家流動性增速下滑程度的影響遠遠大于次貸危機，這是由于處理協(xié)調歐債危機的難度要遠大于次貸危機。圖4比圖2更清晰地顯示了發(fā)達國家貨幣供給量的變動趨勢。貨幣供給波動率的狀況顯示，在應對經濟危機方面，美國也快于歐元區(qū)國家，導致了美元與歐元的貨幣供給波動率在危機中的表現(xiàn)截然不同，其中的原因可能是，美國與歐盟處理經濟危機采取了較為不同的方法。在應對次貸危機時，英國采取了與美國一樣釋放流動性的方式，以此來刺激經濟快速回升。英國在歐債危機中貨幣供應量增速為負，這也反映了其雖然是歐盟的重要成員國之一，但一直在歐盟內扮演著一個與歐洲大陸國家不同的角色。日元的貨幣供給增速不論是在次貸危機還是歐債危機期間都較為平穩(wěn)，這可能與其區(qū)位因素有關，遠離此次危機主要的爆發(fā)地歐美地區(qū)。

圖1 2005—2014年發(fā)達國家流動性(絕對數)波動示意圖

圖3 2005—2014年發(fā)達國家流動性(增速)波動示意圖

圖2 2005—2014年G4經濟體貨幣供給(絕對數)波動示意圖

圖4 2005—2014年G4經濟體貨幣供給(增速)波動示意圖

(二)其他數據選取

本文選用2005年1月至2014年12月我國月度宏觀經濟數據。需要指出的是，由于我國經濟處于快速發(fā)展和經濟增長結構轉型時期，早期的很多宏觀數據難以很好地反映現(xiàn)實情況。此外，本文選用的部分數據近年來才開始統(tǒng)計，例如PMI指標，在研究中本文只能從數據開始統(tǒng)計年份選取數據。重要的是，選取的數據覆蓋了次貸危機、歐債危機以及危機過后經濟回暖時期。Ang和Piazzesi[15]認為，通過FAVAR模型得到的經濟活動與通貨膨脹指標，要比單獨的時間序列數據更好地包含多方面信息供政策制定者與經濟部門作決策參考。部分學者也同樣指出，很多指標組合在一起會有更好的表現(xiàn)。本文參考Ang和Piazzesi[15]的分類方法，在研究我國宏觀經濟波動時，通過FAVAR模型研究69個變量，將數據分為金融經濟組以及實體經濟組，其中金融經濟組共包括31個變量，實體經濟組共包括38個變量。第一組是反映金融市場波動特征的數據，包括銀行間同業(yè)拆借利率，銀行間債券質押式回購利率，存款、貸款利率，我國貨幣供給量，上證、深證股票市場市盈率、指數、成交額等變量；第二組是反映實體經濟波動特征的數據，包括固定資產投資，房地產開發(fā)投資，通貨膨脹率，工業(yè)增加值，人民幣有效實際匯率，發(fā)電量，進出口、鐵路、水路及航空貨物運輸量等變量。

本文將金融經濟變量組31個變量通過主成分分析的方法，提取第一主成分，生成新的變量F1。將實體經濟變量組38個變量通過主成分分析的方法，提取第一主成分，生成新的變量F1broad。Fernald等[13]指出，可以通過主成分分析的方法提取發(fā)電量、出口額、原材料消耗的第一主成分，作為反映中國實體經濟的指標。本文采用的是月度數據，而我國只公布原材料消耗的季度數據。因此，為了驗證F1broad得到的結果，本文對發(fā)電量及出口總額采用主成分分析的方法提取第一主成分生成新的變量F1narrow，在穩(wěn)健性檢驗中使用變量F1narrow檢驗變量F1broad得到的結果。

以上所有原始數據均采自于中國經濟信息中心(CEIC)數據庫。本文對數據利用X-12程序做了季節(jié)性調整，對各個序列進行了標準化以及一階差分的處理。

四、實證分析

(一)結果分析

本文首先對各變量采用單位根檢驗方法，驗證變量平穩(wěn)性。表1列出了發(fā)達國家流動性指標GL、金融經濟主成分F1、實體經濟主成分F1broad、實體經濟主成分(驗證組)F1narrow用ADF、PP進行單位根檢驗得出的結果。結果表明，所有變量的一階差分在1%的顯著性水平下是平穩(wěn)的。

表1 變量的平穩(wěn)性檢驗結果

注：***表示在1%的顯著性水平下拒絕序列含有單位根的原假設。

本文引入三變量VAR(GL,F1,F1broad)模型研究發(fā)達國家流動性對我國金融經濟與實體經濟的影響。在估計三變量VAR(GL,F1,F1broad)模型之前，根據信息準則判定最優(yōu)的滯后階數，最優(yōu)的滯后階數為3階。圖5描述了基于該VAR(GL,F1,F1broad)模型的脈沖響應結果，可以以此來分析發(fā)達國家流動性變量GL對變量F1和F1broad的影響程度。

從圖5脈沖響應曲線的運行軌跡來看，在一年的模擬區(qū)間里，金融經濟變量F1在兩個月左右的時間范圍內存在負響應，3—4個月間存在顯著正響應，5—6個月正響應出現(xiàn)下降，之后長期平穩(wěn)，影響趨近于0。金融經濟變量組主要包括利率與股市兩部分，在第一主成分F1中利率因素占主導地位。當危機爆發(fā)初期，在各國中央銀行開始普遍釋放發(fā)達國家流動性的時候，我國中央銀行一開始也會隨之降低利率釋放流動性。為了應對國內高企的通貨膨脹率，中央銀行隨后會提高利率以緩解本國的通脹壓力。當國內外利率形成套利空間時，這種利率差成為了吸引國際資本流入的主要驅動力，大量的國際資本直接或者間接流入我國金融市場，使我國股票市盈率、綜合指數以及成交額上升。為了緩解國內利率高企帶來的大量國際資本的涌入，我國的利率水平也會隨之降低。發(fā)達國家流動性對我國金融經濟的影響主要在半年左右，在長期中沒有顯著影響。實體經濟變量F1broad在前五個月存在顯著正響應，隨后5—6個月左右正響應減少，6個月后趨于平穩(wěn)。實體經濟變量組主要包括衡量工業(yè)生產、通貨膨脹、房地產投資以及固定資產投資等指標，這些指標總體變動方向一致，即指標增加，表示實體經濟向好。脈沖響應結果顯示，當危機爆發(fā)時，各國中央銀行增加貨幣供給，釋放流動性，在半年左右的時間對我國實體經濟產生了顯著的正向沖擊，半年后發(fā)達國家流動性對我國實體經濟的影響不明顯。

圖5 F1broad和F1對GL的脈沖響應圖

綜上所述，危機爆發(fā)后，短期內發(fā)達國家流動性對我國實體經濟產生顯著正向沖擊，1—2個月內，我國的利率水平也偏向寬松，但是為了應對國內高企的通貨膨脹壓力，我國中央銀行將會提高利率水平，采用“逆經濟風向而動”策略，以減弱發(fā)達國家流動性對我國金融經濟的沖擊。值得注意的是，我國的利率政策對實體經濟的影響會有2—3個月的滯后效應，即當利率升高后，2—3個月后對我國實體經濟產生負面影響，造成實體經濟下滑，抵消了發(fā)達國家流動性為我國實體經濟帶來的正向影響。

與脈沖響應函數(VAR)相比，方差分解的方法為本文給出了另一種描述系統(tǒng)動態(tài)的方法。脈沖響應函數(VAR)觀察的是系統(tǒng)對每個變量的沖擊結果，方差分解的方法是通過計算發(fā)達國家流動性的沖擊對各個變量變化的貢獻度，進而分析不同沖擊的重要性。如表2所示。

表2 F1和F1broad波動可由發(fā)達國家流動性GL解釋的部分 單位：%

表2說明了反映我國金融經濟主成分F1變量與實體經濟主成分F1broad變量可由發(fā)達國家流動性(GL)解釋的方差分解。結果顯示，發(fā)達國家流動性對金融經濟F1和實體經濟F1broad的波動累積效應在6個月內逐步提高，6個月之后的影響較為穩(wěn)定。發(fā)達國家流動性對我國實體經濟的影響大于對金融經濟的影響。

(二)穩(wěn)健性檢驗

用變量F1narrow代替變量F1broad，通過三變量VAR(GL，F(xiàn)1，F(xiàn)1narrow)模型進行穩(wěn)健性檢驗，檢驗前文得到的關于發(fā)達國家流動性對我國金融經濟與實體經濟波動影響的結論。用F1narrow變量替代F1broad變量進行穩(wěn)健性檢驗，雖然在具體影響程度上與F1broad作為反映中國實體經濟指標有一定不同，但是得到的脈沖響應結果趨勢與前文也是基本一致。當使用F1narrow變量作為反映我國實體經濟指標時，得到的波動累積效應更大，但是趨勢與前文得到的結論一致，發(fā)達國家流動性對我國實體經濟的影響大于對金融經濟的影響。

五、結論與政策建議

(一)結論

本文通過構建基于G4經濟體的流動性指標研究了發(fā)達國家流動性在利率、匯率驅動力下對我國經濟影響的沖擊。本文使用FAVAR模型研究發(fā)達國家流動性對我國宏觀經濟波動的影響。FAVAR模型在包含諸多金融經濟和實體經濟變量的同時，也保證了VAR模型的簡潔，能夠準確衡量發(fā)達國家流動性對我國金融經濟與實體經濟波動的影響。

發(fā)達國家流動性對我國金融經濟短期內產生的具體影響是：發(fā)達國家流動性的流入，導致了我國利率的短期下降，隨后我國采取了“相機決策”[16]，通過收緊貨幣政策，提高利率，調控國內金融經濟和實體經濟。但是在貨幣政策收緊3個月左右，我國又會進一步放松貨幣政策，使利率有所降低。總體來看，發(fā)達國家流動性的沖擊對我國金融經濟短期產生影響，但是長期幾乎不存在影響。

發(fā)達國家流動性對我國實體經濟短期內產生的具體影響是：發(fā)達國家流動性的釋放，給我國實體經濟帶來顯著正向沖擊。由于3—4個月周期內利率政策短期內傾向于收緊，使得我國實體經濟在隨后的5—6個月周期內出現(xiàn)下滑。長期中，發(fā)達國家流動性對我國實體經濟波動的影響同樣不大。

總的來看，當發(fā)達國家經濟受到諸如次貸危機和歐債危機等風險事件沖擊時，各國中央銀行為了緩解沖擊帶來的影響，短期內會釋放流動性，引起發(fā)達國家流動性的增加，此時會同時對我國的金融市場與實體經濟產生影響。短期收緊利率政策和匯率政策，逆經濟風向而動，確實在一定程度上減弱了發(fā)達國家流動性對我國金融經濟波動的影響，但是對我國實體經濟產生負面影響，長期中，發(fā)達國家流動性的沖擊幾乎不會對我國宏觀經濟波動產生顯著影響。

(二)政策建議

第一，我國在制定貨幣政策時，需要考慮與美國、歐盟等發(fā)達經濟體貨幣政策的協(xié)調搭配問題，以減少發(fā)達國家流動性這種外生性沖擊的負面影響。第二，在全球經濟一體化、我國融入世界經濟程度不斷加深的背景下，適當放松資本管制，通過利率市場化和匯率形成機制改革，能降低發(fā)達國家流動性對資本市場和實體經濟產生的深層次沖擊，更好地實現(xiàn)內外均衡。第三，匯率形成機制改革和利率市場化改革應采取漸進式的改革，需要配合全球風險事件發(fā)生的時機。

[1] Baks, K.,Kramer,C. Global Liquidity and Asset Prices: Measurement,Implications,and Spillovers[R].IMF Working Papers,2006.

[2] IMF.Global Liquidity Expansion：Effects on“Receiving”Economies and Policy Response Options [R]. Global Financial Stability Report: Meeting New Challenges to Stability and Building a Safer System,2010. 119-151.

[3] Sousa,J.M.,Zaghini,A. Global Monetary Policy Shocks in the G5: A SVAR Approach[J]. Journal of International Financial Markets Institutions & Money,2007,17(5):403-419.

[4] Giese,J.V.,Tuxen,C.K. Global liquidity and Asset Prices in a Cointegrated VAR[R].Nuffield College Working Paper,2007.

[5] 徐震宇. 全球流動性輸入對中國經濟的影響——基于SVAR模型的實證研究[J]. 審計與經濟研究,2010,(5):90-95.

[6] 張會清,王劍.全球流動性沖擊對中國經濟影響的實證研究[J].金融研究,2011,(3):27-41.

[7] 李潔,張?zhí)祉?全球流動性擴張及其對資本市場的影響[J].金融研究,2010,(10):25-35.

[8] Ruffer,R.,Stracca,L. What is Global Excess Liquidity,and Does It Matter?[R].EBC Working PaperNo.196,2006.

[9] Belke,A.,Orth,W.,Jr,R.S. Sowing the Seeds for the Subprime Crisis: Does Global Liquidity Matter for Housing and Other Asset Prices?[J]. International Economics and Economic Policy,2008,5(4):403-424.

[10] Sousa,J.,Zaghini,A. Monetary Policy Shocks in the Euro Area and Global Liquidity Spillovers[J]. International Journal of Finance & Economics,2008,13(3):205-218.

[11] Darius,R. Can Global Liquidity Forecast Asset Prices?[J]. Social Science Electronic Publishing,2010,10(96):1-23.

[12] Holman,J.A.,Neumann,R.M. Evidence on the Cross-Country Transmission of Monetary Shocks[J]. Applied Economics,2002,34(15):1837-1857.

[13] Fernald,J.G.,Spiegel,M.M.,Swanson,E.T. Monetary Policy Effectiveness in China: Evidence From a FAVAR Model[J].Journal of International Money & Finance,2014,49(PA):83-103.

[14] Bernanke,B.S.,Boivin,J.,Eliasz,P. Measuring the Effects of Monetary Policy: A Factor-Augmented Vector Autoregressive (FAVAR) Approach[J]. Quarterly Journal of Economics,2005,120(1):387-422.

[15] Ang,A.,Piazzesi,M. A No-Arbitrage Vector Autoregression of Term Structure Dynamics With Macroeconomic and Latent Variables[J]. Journal of Monetary Economics,2003,50(4):745-787.

[16] Bernanke，B.S.,Mishkin,F.S. Inflation Targeting: a New Framework for Monetary Policy?[J]. Journal of Economic Perspectives,1997,11(2):97-116.

2017-08-19

王玨帥(1990-)，男，北京人，博士研究生，主要從事國際投資和國際金融研究。E-mail：wangjueshuai1029@sina.com

F831

A

1000-176X(2017)12-0061-07

楊全山)