貨幣政策工具組合的共同驅動效應和特質驅動效應

歐陽志剛 薛龍

內容提要：使用非線性動態因子模型研究新常態下貨幣政策工具組合操作對貨幣政策目標產生的共同驅動效應和特質驅動效應，結果發現：貨幣政策工具組合操作形成的不可觀測共同驅動力可以由價格型共同因子、傳統數量型共同因子和創新結構型共同因子刻畫。當前貨幣政策工具操作有利于保增長，但難以同時實現產業結構升級和化解金融風險的目標。這就意味著央行應該針對新常態下貨幣政策的多種目標，根據貨幣政策工具的共同驅動效應和特質驅動效應，靈活變換貨幣政策工具的組合方式，以此提高貨幣政策的針對性和有效性。當前央行在保持傳統數量型工具適度中性的同時應重點使用常備借貸便利、中期借貸便利和抵押補充貸款保持流動性，偏向寬松的價格型政策工具應側重于降低商業銀行的同業拆借利率。

關鍵詞：貨幣政策工具;共同驅動力;特質驅動力

中圖分類號：F822.0

文獻標識碼：A

文章編號：1003-7543（2019）09-0055-18

經濟新常態下貨幣政策的操作環境發生了明顯的變化，突出表現為經濟增長速度下滑、經濟結構失衡、多層次金融風險的累積和疊加。面對新常態下的新環境，央行貨幣政策的調控突出了針對性、有效性和防范化解金融風險。貨幣政策的操作方式也發生了顯著改變，在繼續使用傳統數量型和價格型貨幣政策工具的同時，創新性地推出了“定向降準”“定向降息”“央行再貸款”等新型結構性貨幣政策工具，形成了數量型貨幣政策工具、價格型貨幣政策工具和結構型貨幣政策工具組合調控的新局面。多種貨幣政策工具的組合操作使得不同性質的貨幣政策工具之間相互影響、相互疊加而形成不可觀測的共同驅動力推動經濟系統。政策制定者和市場參與者只能觀測到每種貨幣政策工具的變化，無法觀測到多種貨幣政策工具組合形成的共同驅動力，從而難以判斷貨幣政策的效果是來自貨幣政策工具組合操作的共同驅動力還是某些貨幣政策工具的特質驅動力，這就給新常態下貨幣政策操作帶來了新的難題。由此而提出的問題是：如何揭示新常態下多種貨幣政策工具組合操作的共同驅動效應？哪些貨幣政策工具對保增長、防通脹、調結構和化解金融風險具有針對性和有效性？這里針對新常態下多種貨幣政策工具組合操作的特征，擴展Bernanke et al.的模型，將貨幣政策分解為不可觀測的共同驅動力和特質驅動力，使用非線性動態因子模型揭示貨幣政策的共同驅動效應和特質驅動效應。

一、相關文獻綜述

貨幣經濟學對貨幣政策工具的傳導渠道展開了深入而系統的理論研究。Mishkin把貨幣政策的傳導渠道劃分為利率渠道、資產價格渠道、信貸渠道和匯率渠道。Boivin et al.對上述傳導渠道進行了歸納總結，并重新分類為新古典渠道和非新古典渠道。新古典渠道包括利率渠道、資產價格渠道和匯率渠道，非新古典渠道主要指信貸渠道。Nwosa&Saibu在上述傳導渠道的基礎上加入存貨成本渠道，其含義是貨幣政策通過改變存貨成本而影響實際經濟變量。通過對上述傳導渠道的系統梳理，可以發現貨幣政策傳導渠道涉及大多數宏觀經濟變量，這就意味著貨幣政策能夠對整個宏觀經濟產生影響。也正是這個原因，Bernanke et al.將貨幣政策看成宏觀經濟系統的可觀測驅動力。進一步地，每一種貨幣政策工具不是通過單一傳導渠道作用于宏觀經濟變量，而是通過多種傳導渠道作用于宏觀經濟變量。新常態下央行同時利用多種貨幣政策工具，這就使得同一傳導渠道匯集了多種貨幣政策工具的傳導效應，由此導致貨幣政策工具的信息重復和傳導渠道重疊。因此。新常態下貨幣政策效果的研究應該考慮這種貨幣政策組合操作特征。

對于貨幣政策效果的研究，Sims提出的向量自回歸（VAR）是被最廣泛應用的模型。Angeloni et al.的VAR模型發現，歐洲地區的投資渠道是貨幣政策的主要傳導渠道。Dore et al.對美國數據的VAR研究表明，私人非住宅固定投資依賴于經濟中的需求水平和企業利潤，而與貨幣政策無關。Atabaev&Ganiyev使用VAR模型檢驗了吉爾吉斯斯坦的利率渠道、匯率渠道和信貸渠道的貨幣政策效果。Phan研究了澳大利亞的貨幣政策傳導渠道，發現投資渠道的效應大于消費渠道的效應。一些理論發現，隨著經濟周期階段的不同和貨幣政策操作方向的不同，貨幣政策的效果可能存在顯著的非對稱性。為刻畫這種非對稱性，許多實證研究在VAR模型中引入了非線性。Weise使用機制轉移VAR模型發現貨幣供給沖擊對產出和通脹的效應依賴于經濟周期階段。Franta et al.的時變系數VAR發現全球金融危機時期貨幣政策對通貨膨脹的效應增強了。Galvao&Marcellino的時變系數VAR表明貨幣政策沖擊對價格的效應在近期發生變化。使用VAR模型的顯著優點是：該模型可以將系統中所有的變量作為內生變量，從而避免了因解釋變量內生性而帶來的有偏估計結果。該模型還可以方便地識別貨幣政策沖擊并使用脈沖響應函數和方差分解描述貨幣政策效果的動態特征。但使用VAR模型的經驗研究一般都發現：緊縮性貨幣政策會帶來通貨膨脹率的上升，這顯然不符合經濟理論，這一結果被稱為“價格之謎”。Bernanke et al.，將VAR模型的不足歸結為三個方面：首先，因為“維度詛咒”的原因，VAR模型包含的變量一般不會超過8個，這就在較大程度上將中央銀行和私人部門所掌握的大量信息忽略了，從而獲得有偏的估計結果。其次，經濟變量的度量偏差。例如，VAR模型中經濟行為的概念也許不能被GDP或者其他可觀測的變量完美地度量。最后，研究者觀測到的脈沖響應函數只是模型中少數幾個變量，這些變量僅僅是政策制定者關注的大量信息集中的少部分。針對上述不足，Bernanke et al.將因子分析引入VAR模型，提出因子擴展的VAR模型（ FAVAR），此后，FAVAR在貨幣政策的研究中得到廣泛使用。

國內相關文獻基本遵從了國際相關文獻的研究方法和研究思路。趙進文、閔捷的非線性VAR研究結果表明，中國貨幣政策操作呈現明顯的非對稱性效果，具有很強的非線性特征。張丁育使用時變VAR模型檢驗了貨幣政策對商業銀行貸款的沖擊和由此產生的銀行風險分布效應，以及存款準備金率對這種貨幣政策的風險分布效應的抑制作用。潘彬、金雯雯從機會成本渠道、資產替代渠道、資產負債表渠道及逆向選擇渠道解釋了貨幣政策影響民間借貸利率的作用機制，并實證檢驗了貨幣政策工具的效果。陳繼勇、王勝使用FAVAR研究了中美經濟關系、人民幣匯率制度改革對中國匯率政策傳導機制和效果的影響。王少林等使用FAVAR研究了中國貨幣政策與股票市場的互動關系。歐陽志剛和薛龍使用面板FAVAR研究了新常態下多種貨幣政策工具對特征企業的定向調節效應。

國內外文獻對于本文具有重要的參考價值，但對于新常態下貨幣政策的研究，直接借用現有國內外相關研究還有明顯不足。首先，新常態下貨幣政策的操作是多種政策工具的組合操作，而現有FAVAR文獻中僅包含一種貨幣政策工具，因而需要將Bernanke et al.，Bagzibagli，Ellis et al.的一種貨幣政策工具擴展為多種貨幣政策工具的組合操作。其次，使用一種或少數幾種貨幣政策工具不能體現新常態下多種貨幣政策工具本身的結構特征。最后，現有FAVAR的文獻雖然考慮了貨幣政策效果的時變特征，但貨幣政策效果的非對稱性本質上是源于不同經濟周期階段、不同通脹水平或不同貨幣政策操作方向時期居民行為和企業決策的顯著不同，時變模型難以刻畫這種非對稱性。因此，新常態下貨幣政策效果的研究，需要針對上述特征擴展現有的研究方法。

三、非線性因子模型的檢驗與估計

（一）變量的選擇與數據處理

新常態下央行往往同時使用多種貨幣政策工具進行組合操作，本文中的貨幣政策工具變量包括1年期存款基準利率（r1）、1-3年定期貸款利率（r3）、商業銀行7天同業拆借加權平均利率（r7）、人民銀行對金融機構1年期再貼現利率（rt）、1年期支農再貸款利率（rz）、大型金融機構存款準備金率（Rd）、中小型金融機構存款準備金率（Rx）、基礎貨幣m0、常備借貸便利余額（SLF）、中期借貸便利余額（MLF）、抵押補充貸款（PSL），共11個政策變量。SLF，MLF和PSL是2013年6月后才開始操作，沒有操作以前數據都為0。對m0，SLF，MLF和PSL分別取自然對數，并將全部11維貨幣政策工具變量處理成均值為0、標準差為1的標準序列。支農再貸款利率來自中國人民銀行，其余數據來自Wind數據庫、中國人民銀行網站和國家統計局網站。樣本期間選擇為2011年1月至2016年12月的月度數據。

新常態下，保持貨幣幣值的穩定，并以此促進經濟增長，是貨幣政策的主要調控目標。此外，面對宏觀經濟的多重失衡，新常態時期的貨幣政策還承擔著經濟結構調整和穩定金融風險的重任。因此，本文貨幣政策目標變量包括經濟增長、通貨膨脹、產業結構升級和金融系統風險。經濟增長（gy）用工業產出增加值同比增長率來表示，通貨膨脹率（p）使用同比CPI。新常態下產業結構的升級是向高級化方向發展，而第三產業產值與第二產業產值之比體現了產業結構高級化和服務化的傾向，因此本文使用第三產業產值與第二產業產值之比表示產業結構變化。銀行系統仍然在中國金融系統中占據主導地位，因此使用銀行系統風險代表金融系統風險，其度量使用Acharya et al.提出的商業銀行系統風險度量方法。在這些目標變量中，產業結構升級（cy）只有季度數據，本文使用季度數據代替月度數據。

本文的高維宏觀數據包含國內信息集和國際信息集，其中國內數據信息集主要包括：（1）實際產出類：各種重要工業產品產量以及各類農產品的產出;（2）價格指數類：原材料、燃料、動力價格指數，消費者價格指數，工業品出廠價格指數，農副產品類價格指數，有色金屬材料類價格指數;（3）房地產開工竣工類：包含房地產開工和竣工面積;（4）投資類：固定資產投資總額，各產業固定資產投資完成額;（5）財政政策類：公共財政收入、公共財政支出、稅收收入等：（6）股票價格類：上證和深證股票價格指數;（7）實際消費和零售類：消費者信心指數、社會消費品零售總額、各類商品零售額等。國際因素信息集包括：（1）匯率類：人民幣實際有效匯率、美元匯率、日元匯率和歐元匯率;（2）與中國經濟聯系緊密國家的經濟增長速度：美國、歐盟、日本、巴西、俄羅斯、南非等國的GDP同比增長率;（3）國際主要經濟體的貨幣政策：歐盟M3、印度M4、美國和日本的M2的同比增長率;（4）進出口類：進口額、出口額等;（5）國際價格指數：國際工業價格指數、國際食品價格指數、國際能源價格指數，國際農業價格指數等，總共75維數據。對于這些高維數據，本文數據處理方法如下：如果有增長率數據，都使用同比數據，如CPI、PPI等：對諸如房地產開發投資和銷售指數、消費者預期和信心指數等，由于其本身就是平穩數據而無須處理：對于名義總量數據，如進口和投資，首先使用以2001年為基期的消費者價格指數換算成實際數據，取自然對數后再檢驗是否平穩：如果是非平穩的數據，則進行差分的變換：對于非平穩而又非名義數據，如股票市場指數，則取自然對數后差分處理：對上述處理后的數據最終處理成均值為0、標準差為1的標準序列。宏觀數據來自Wind數據庫。

（二）共同因子的估計與處理

為實現前述非線性FAVAR模型的估計與檢驗，必須獲得模型中共同因子F和Y的估計結果。Bernanke et al.的兩步法對共同因子的估計是首先從高維數據集X中確定因子個數并用主成分方法估計，貨幣政策作為一個已知的獨立共同因子。然后在估計的共同因子中去除貨幣政策共同因子的相關信息，剩余的就是潛在驅動力的估計。本文借鑒Bernanke et al.的兩步法思想，但與之不同的是，本文將貨幣政策區分為潛在共同驅動力和可觀測驅動力，共同驅動力是因貨幣政策工具信息重疊而形成，因而是潛在因子，可觀測驅動力是每種貨幣政策工具去除共同信息后的剩余成分。為實現共同驅動力的估計，本文將全部數據信息集分成兩部分：貨幣政策信息集和高維宏觀信息集，分別使用Eviews8.0中的Kaiser-Guttan、最小特征值以及Bai&Ng等多種方法對高維宏觀數據信息集和貨幣政策工具信息集進行估計，以確定共同因子的數量。考慮到新常態時期的多種類型貨幣政策工具組合操作的實踐背景。本文選擇共同因子數量為3個。因使用不同方法對高維宏觀數據信息集確定的共同因子數量差異較大，綜合權衡考慮，本文選擇總方差比例方法確定的共同因子數量為5個。

貨幣政策數據集的估計結果表明貨幣政策的共同驅動力可用3個不可觀測共同因子揭示。對3個共同因子的載荷矩陣經過旋轉后，載荷矩陣系數的大小體現了各個貨幣政策工具變量在形成共同因子過程中的重要程度。本文發現，第1個共同因子（Y1）對應1年期存款利率、1-3年貸款利率、7天同業拆借利率、再貼現利率和1年期支農再貸款利率的系數相對較大，分別為0.88、0.99、0.48、0.50、0.72，其余的系數都很小。由此表明在Y1的形成過程中，各種利率是它的主要來源，它主要揭示了價格型貨幣政策工具的共同信息形成的驅動力。本文稱Y1為價格型政策工具組合（簡稱價格型組合）。第2個共同因子（Y2）對應的大型金融機構存款準備金率、中小型金融機構存款準備金率和m0的系數相對較大，分別為0.96、0.94和0.96.其余的系數都很小。由此可見，Y2主要揭示了數量型貨幣政策工具的共同驅動力。本文稱Y2為傳統數量型貨幣政策工具組合（數量型組合）。Y3對應的MLF和PSL余額的系數相對較大，分別為0.87、0.88.其余系數很小，本文稱Y3為創新結構型貨幣政策工具組合（創新型組合）。Y1，Y2和Y3的估計結果如圖1所示。

從圖1可以看出，樣本期內中國貨幣政策工具組合操作的結構特征大致可以劃分為兩個階段：第一階段為2011年至2015年初期;第二階段為2015年第一季度后。在第一階段，由于前期數量型貨幣政策過度寬松，宏觀經濟出現流動性過剩，因而盡管由于經濟轉型進入經濟新常態，經濟增速下行，但央行并沒有實施大規模的以增加貨幣供給為手段的刺激政策。從圖1中可以看出，價格型工具組合在波動中緩慢地趨于下降，數量型工具組合在波動中基本穩定。進入2015年后的第二階段，因經濟增速下滑至7.0%以下，為阻止這種下滑趨勢，貨幣政策的操作力度明顯發生變化：1年期存款利率、1～3年貸款利率和商業銀行同業拆借利率自2015年3月后相繼下調，導致價格型工具組合顯著下降。但由于金融危機時期及隨后的貨幣數量超發，央行仍然不敢過度依賴傳統數量型貨幣政策工具，以防過度“漫灌”，轉而將數量型操作重點轉向結構性貨幣政策工具，注重貨幣政策的定向操作和“滴灌”效應。因此，2015年第一季度后，傳統數量型貨幣政策工具組合仍然處于相對較緩的下降通道中，但創新結構型貨幣政策工具組合顯著向上攀升。由此，可以看出當前穩健貨幣政策操作的特征：價格型工具偏向寬松：傳統數量型工具穩健適中：創新結構型貨幣政策工具偏向寬松。圖1的結果還表明，由于進入2015年后經濟增速持續下滑，央行貨幣政策的操作力度顯著改變。這一事實正好吻合了Morgan，Ball&Mankiw的理論分析，這意味著2015年后貨幣政策效果可能發生顯著的非對稱性變化。

在對模型進行非線性檢驗之前，應預先確定模型中的滯后階數。根據Granger&Terasvirta的建議，滯后階q的確定是基于線性VAR（p）的AIC和SC信息準則。綜合兩個準則得到滯后項的最優滯后階數q為2，共同因子的滯后階數為2。非線性檢驗結果如表1所示。

可以看出，當閾值變量分別為經濟增長率和通貨膨脹率時，兩種情形下的FF和LR檢驗統計量值都大于對應的5%臨界值，可以拒絕原假設。這說明，貨幣政策工具的組合效應與特質效應都隨著經濟周期階段或通脹水平的變化而呈非線性特征，且非線性特征由邏輯函數刻畫。但通過比較，我們發現閾值變量為經濟增長率時的檢驗統計量值要明顯大于閾值變量為通貨膨脹率的統計量值，因此，選擇閾值變量為經濟增長率犯一類錯誤的概率更低。另一方面，雖然《中國人民銀行法》規定貨幣政策的目標是保持幣值穩定并以此促進經濟增長，但在新常態下，通脹率持續穩定在1.0%～3.0%的穩定區間，經濟增長速度持續下滑且沒有出現明顯穩定的趨勢，因此相對于通貨膨脹，保增長成為更為重要的調控目標。典型事實是，2015年第一季度后，中國面對持續下滑的經濟增長率，不得不改變以往不刺激或微刺激的政策承諾，連續放松貨幣政策。從這些經濟事實看，選擇經濟增長率為閾值變量應該更合理些，基于此，本文隨后的分析選擇經濟增長率為閾值變量。

四、貨幣政策工具組合效應與特質效應的動態估計

（一）組合效應和特質效應的動態估計方法

脈沖響應函數是當前研究上述組合沖擊和特質沖擊動態反饋的標準方法，但由于模型（8）含有非線性機制轉移函數，現有文獻還沒有從非線性模型中直接獲得脈沖響應函數的解析方法，因而可以對Koop et al.的廣義脈沖響應函數進行擴展，以實現對模型（8）的脈沖響應函數估計。為此，本文根據估計的模型（1）和模型（8），設定非線性廣義脈沖響應函數（GIRF）。使用廣義脈沖響應函數還有如下目的：本文不僅需要識別各種貨幣政策組合形成共同驅動力的沖擊。而且需要識別各種貨幣政策工具的特質驅動力沖擊。現有文獻提供的識別方法都不能在非線性模型中同時識別共同沖擊和特質沖擊。廣義脈沖響應函數可以通過設計仿真實驗，在非線性模型中同時識別共同沖擊和特質沖擊。

（二）共同驅動效應和特質驅動效應的估計結果

可以看出，不同時期閾值參數的取值不同，導致轉移函數以及模型（1）和（8）中的系數不同，從而使得根據本文所設定的廣義脈沖響應函數的計算結果不同。從當前和未來一定時期的實踐看，2016年的實際經濟增長率同比數據為6.7%，2017年中央政府工作報告中明確指出經濟增長率目標在6.5%左右。基于中國新常態時期經濟增長率“L”型特征和當前已經基本觸底的判斷，本文的閾值參數選擇為6.5%。

1.共同驅動效應的脈沖響應函數估計結果

圖2至圖5分別是貨幣政策工具組合的共同因子對各貨幣政策目標變量的脈沖響應函數圖，它直觀地刻畫了共同因子的動態沖擊效應。圖2中的y1g，y2g和y3g分別表示價格型組合、傳統數量型組合和創新結構型組合對產出的沖擊效應。圖3中y1p，y2p和y3p分別是價格型組合、傳統數量型組合和創新結構型組合對通貨膨脹的沖擊效應。從圖2和圖3的結果可以看出，1單位正向價格型組合和傳統數量型組合的共同沖擊對產出和通貨膨脹的沖擊效應持續為負值，1單位正向的創新結構型組合對產出和通脹的沖擊效應持續為正值。由貨幣經濟學理論可知，價格型貨幣政策工具對產出與通脹的效應為負向，貨幣數量增加對產出與通脹的效應為正向。傳統數量型組合中既包括存款準備金率工具，又包括基礎貨幣工具。存款準備金率增加對產出和通脹形成負向效應，基礎貨幣增加對產出和通脹形成正向效應。從傳統數量型組合Y2的構成看，Rx，Rd和m0的載荷系數都較大，但由于Rx和Rd對貨幣供給創造的乘數相對較大，因而傳統數量型組合工具的傳導效應更主要體現Rx和Rd的效果，傳統數量型組合工具的共同沖擊對產出和通貨膨脹的效應為負值。上述結果表明，在新常態下，各種類型的貨幣政策工具的組合操作都能對產出與通脹形成符合理論預期的效果。

圖4中y1cy，y2cy和y3cy分別表示價格型組合、傳統數量型組合和創新結構型組合對產業結構升級的沖擊效應。可以看出，正向價格型組合沖擊和傳統數量型組合沖擊對產業結構升級的效應持續為正值，經過一定時期后逐步向零線收斂。由于本文的產業結構升級是第三產業增加值與第二產業增加值之比，因而新常態下價格型政策工具組合和傳統數量型工具的適度寬松對第二產業產值的促進效應大于第三產業，這不利于產業結構的高級化和服務化方向的發展。正向的創新結構型組合對產業結構升級的傳導效應為顯著的負向，這意味著創新結構型組合也不利于產業結構升級。根據圖1的結果，新常態下的多種貨幣政策組合操作的模式是價格型和結構型工具寬松、傳統數量型工具穩健適中。圖4結果表明，這種組合操作方式不利于產業結構升級。

圖5中的y1fx，y2fx和y3fx分別表示價格型組合、傳統數量型組合和創新結構型組合對銀行系統風險的沖擊效應。可以發現，正向的價格型組合沖擊和傳統數量型組合沖擊對銀行系統風險的影響在前兩期為正向，隨后轉為負向再收斂至零線。從整體來看，呈現負向效應。這就意味著，降低利率和降低存款準備金率在初期會帶來銀行系統風險的下降，但長期來看會帶來銀行系統風險的上升。創新性結構組合對銀行系統風險的影響在第2期至第6期為負向，然后上升為正向再收斂至零線。由此說明，近年來央行通過創新性結構貨幣政策工具釋放的流動性在短期內有利于維護銀行體系流動性的基本穩定，同時也帶來了商業銀行系統風險的一定程度下降，但長期來看。這些結構性工具的操作對銀行體系的系統風險的負向影響難以持續維持，因此，通過現有創新性結構貨幣政策工具的操作還難以實現化解銀行系統風險的目標。

2.各種貨幣政策工具特質沖擊的脈沖響應函數估計結果

共同沖擊對貨幣政策目標變量產生的動態效應，是貨幣政策工具組合操作形成的共同驅動力的動態結果。在剔除共同驅動力的影響后，貨幣政策工具剩余的影響就是各種政策工具特質驅動力對目標變量形成的特質傳導效應。這種“獨特”的特質傳導效應由特質沖擊效應刻畫。

圖6至圖9是價格型貨幣政策工具r1，r3和r7對貨幣政策目標變量的特質沖擊效應。從圖6可以看出，r1，r3和r7的特質沖擊脈沖響應曲線圍繞在零線上下循環波動，表明這三種政策工具對經濟增長沒有在一個方向形成持續效應，因而對經濟增長沒有明顯的特質沖擊效應。圖7的結果表明，r1，r3和r7對通脹的特質沖擊曲線都在零線下方，由此說明新常態下r1，r3和r7這三種主要的價格工具對通脹具有顯著的負向特質調節效應。圖8是r1，r3和r7對產業的特質沖擊效應，可以發現這三種貨幣政策工具對產業結構升級沒有顯著的特質效應。圖9顯示，r1和r3對銀行系統風險的特質沖擊曲線整體在零線下方波動，因而形成較小幅度的負向效應。r7對銀行系統風險的特質沖擊效應在初始期為較大的正值，然后逐步下降并向零線收斂，這表明r7對銀行系統風險的特質效應為負向。

圖10至圖13是再貼現利率rt和支農再貸款利率rz的特質效應。圖10和圖11表明，Tt和招對經濟增長和通貨膨脹的特質效應基本相同。它們都是在前4-6期為一定幅度負值，隨后收斂至零線。例如，圖10中的rt對增長的特質沖擊曲線在前4期為負值，隨后在零線上下小幅波動后收斂。因此，rz和rt對經濟增長和通貨膨脹的特質效應整體表現出一定程度的負向。圖12報告的是再貼現利率rt和支農再貸款利率rz對產業結構升級的特質效應，可以發現，rt和rz對產業結構升級的特質效應為一定程度的正向，但不明顯。類似地，圖13的結果表明，rt和rz對銀行系統風險都沒有明顯的特質效應。

圖14至圖17是傳統數量型工具Rx，Rd和m0的特質沖擊效應。圖14是它們對經濟增長的特質沖擊效應。從圖中結果看，僅有Rd對經濟增長有較為明顯的負向特質效應。而Rx和m0對經濟增長的特質沖擊曲線基本在零線上下均勻波動。圖15的結果則顯然不同，Rd對通貨膨脹的特質效應有明顯的負向，m0的增加對通貨膨脹形成正向的特質沖擊效應，而Rx對通脹的特質效應不顯著。上述結果表明，僅從特質效應看。新常態下傳統數量型貨幣寬松政策對通脹的刺激效應明顯大于對經濟增長的推動作用。圖16是Rx，Rd和m0對產業結構升級的特質沖擊效應。這三種政策工具的特質沖擊曲線都圍繞零線循環波動，因而對產業結構都沒有明顯的特質效應。從圖17中Rx，Rd和m0對銀行系統風險的特質效應看，Rx和Rd的特質沖擊曲線都在零線上下波動，m0的特質沖擊曲線除第5期至第7期外都在零線下方波動，這表明Rx和Rd對銀行系統風險都沒有明顯的特質效應，而基礎貨幣增加對銀行系統風險有一定的負向特質效應。

圖18至圖21是各種創新結構型貨幣政策工具的特質效應。可以發現，各種創新結構型貨幣政策工具對經濟增長的特質沖擊效應曲線都圍繞在零線上下反復波動，沒有表現出明顯的特質效應。圖19的MLF，PSL和SLF對通脹的特質沖擊效應略有不同，其中MLF對通脹的特質沖擊效應在前11期為正值，隨后衰減并收斂至零線，PSL對通脹的特質沖擊效應在前15期為正值，隨后下降并向零線收斂，因此，MLF和PSL對通脹的特質沖擊效應有較為明顯的正向效應，而SLF對通脹沒有表現出明顯的單方向效應。圖20表明三種創新結構型貨幣政策工具對產業結構升級的特質效應有所不同：MLF的特質沖擊曲線在第二期以后都在零線下方波動，因而表現出較明顯的負向效應，PSL的特質沖擊曲線基本在零線上方波動，因而表現出較明顯的正向效應，但SLF的特質沖擊曲線圍繞在零線上波動，因而對產業結構沒有明顯特質效應。在圖21中，SLF的特質沖擊曲線圍繞零線波動，對銀行系統風險沒有明顯的單向效應。MLF對銀行系統風險的特質效應在前5期為正值，隨后收斂至零線，與之相反，PSL對銀行系統風險的特質效應在前5期為負值，隨后收斂至零線。因此，央行通過中期借貸便利（MLF）投放流動性，從特質效應看將使商業銀行系統風險小幅度上升，而PSL能夠降低銀行系統風險。

共同驅動效應和特質驅動效應的估計結果表明，新常態下多種貨幣政策工具的組合操作對不同貨幣政策目標的調節效應存在顯著差異，這種顯著差異意味著，央行在使用貨幣政策工具箱中的多種政策工具時，應該針對新常態下不同時期貨幣政策的目標靈活變換，根據各種貨幣政策工具的共同驅動效應和特質驅動效應，有重點、有選擇性地操作，以此提高貨幣政策的針對性和有效性。由前述貨幣政策工具共同因子的結果看，Y1中的1年期存款利率和1～3年貸款利率的系數相對較大，因此，這兩個貨幣政策工具的調節效果主要體現在共同因子Y1中，其余價格型貨幣政策工具（r7，rt，rz）在Y1中的載荷系數相對較小，因此r7，rt，rz的效果需要綜合Y1的組合效應以及其各自的特質效應。類似地，大型金融機構存款準備金率、中小型金融機構存款準備金率和m0在Y2的載荷系數分別為0.96、0.94和0.96.因而這幾個工具的政策效果基本由Y2的組合效應來刻畫。MLF和PSL在Y3中的載荷系數分別為0.87和0.88.而SLF的載荷系數很小（0.21），因此MLF和PSL的政策效果主要由Y3的組合效應刻畫，而SLF的政策效果則主要由其特質效應揭示。

具體而言，r1和r3的政策效應主要由Y1體現。Y1對產出、通脹和銀行系統風險的效應為負向，對產業結構升級的效應為正向。從特質效應看，r1和r3對經濟增長沒有明顯的特質沖擊效應，對通脹和銀行系統風險具有顯著的負向特質調節效應，而對產業結構升級的特質效應不明顯。由此可見，下調r1和r3將有益于產出增加。但不利于產業結構升級，并且會刺激物價上漲，長期來看還會在一定程度上帶來銀行系統風險的上升。r7的特質效應與r1效應基本相同，但r7對銀行系統風險有正向效應。綜合r7和Y1的動態效應，可以判斷，r7與，1和r3對經濟增長、通脹或產業結構調整的調節效果相似，但當前下調r7在一定程度上能夠抑制銀行系統風險。因此，在當前主要的價格型工具中，r7的效果相對更好，這也為中國基準利率由1年期存款利率逐步轉為商業銀行同業拆借利率提供了證據支持。rt和rz對經濟增長和通貨膨脹的特質效應整體表現出一定程度的負向，對銀行系統風險都沒有明顯的特質效應。rt和rz對產業結構升級的特質效應與Y1對產業結構升級的效應一致。結合Y1的組合效應，可以說明降低再貼現利率有利于產出的增加和通貨膨脹率的上升，不利于產業結構的升級，并在一定程度上帶來銀行系統風險的上升，但對銀行系統風險的影響相對有限。支農再貸款利率rz對產出、通脹、產業結構升級和銀行系統風險的影響與rt相似。

傳統數量型組合Y2對產出、通脹和銀行系統風險的效應為負向，對產業結構升級的效應為正向。Rd對經濟增長和通脹有較為明顯的負向特質效應，對產業結構和銀行系統風險沒有明顯特質效應，及。對增長、通脹、產業結構升級和銀行系統風險沒有明顯的特質沖擊效應。這表明，Rd對經濟增長和通脹的調節效應大于Rx，兩者對產業結構升級和銀行系統風險的調節沒有明顯差異。基礎貨幣m0的特質沖擊對經濟增長和產業結構升級沒有顯著效應，對通貨膨脹具有正向特質效應，對銀行系統風險有一定的負向特質效應。因此，基礎貨幣的獨特驅動力有利于降低銀行系統風險。

創新結構型政策工具的組合操作Y3對產出和通脹的沖擊效應持續為正值，對產業結構升級的組合效應為顯著的負向，對商業銀行系統風險有一定程度的負向效應。從特質效應看，各種創新結構型貨幣政策工具對經濟增長都沒有表現出明顯的效應。SLF對通脹、產業結構升級和銀行系統風險的特質效應都不明顯。由于SLF在共同因子Y3中的載荷系數較小，因而SLF的貨幣政策效果主要由特質效應體現。但SLF的特質效應都不明顯，這就表明中國人民銀行為滿足金融機構期限較長的大額流動性的需求，創設了常備借貸便利工具，但由于該政策工具屬于正常的流動性供給渠道，并不是對傳統流動性供給渠道在某方面的顯著改善，因而政策效果并不顯著。PSL對銀行系統風險的特質沖擊效應為負值，對產業結構升級和通脹表現出正向特質效應。MLF對通脹和銀行系統風險的特質沖擊效應有較為明顯的正向效應，對產業結構表現出較為明顯的負向效應。由于MLF和PSL的大部分信息在創新結構型組合Y3.因而其政策傳導效應主要由Y3體現，特質效應成為組合效應的補充。綜合來看，PSL在保增長過程中，對化解銀行系統風險的效果相對更好，MLF在保增長過程中對于化解風險的效果相對差一些，但這兩種創新結構型工具都不利于防通脹。盡管MLF和PSL對調結構都沒有產生有利的影響，但相對而言，PSL對產業結構升級的不利影響相對小一些。央行目的是通過MLF放水推動貸款數量回升，并對“三農”貸款和小微貸款有所傾斜。因此，這種定向操作特征明顯的貨幣政策工具有利于第一產業和第二產業的發展，但不利于產業結構的升級。抵押補充貸款PSL的目的是引導中期政策利率水平，直接為商業銀行提供一部分低成本資金，引導商業銀行將資金投入基礎設施建設、民生支出類，也包括“三農”、小微企業和“棚改”等國民經濟重點領域或薄弱環節，因而總體上也不利于產業結構的升級，但相對而言，MLF對“三農”貸款和小微貸款的定向傾斜特征更為明顯。

五、結論與政策建議

經濟新常態下，中國貨幣政策環境發生了顯著改變，由此也給貨幣政策調控帶來了新的挑戰。本文基于中國經濟新常態和貨幣政策操作特征，擴展Bernanke，et al.的研究構架，使用非線性動態因子模型研究新常態下多種貨幣政策工具的共同驅動效應與特質驅動效應，以此揭示新常態下多種貨幣政策工具對多重貨幣政策目標的調節效果。這些結論對于新常態下貨幣政策的選擇性操作具有重要的意義。

第一，經濟新常態下央行同時使用多種貨幣政策工具調節多重貨幣政策目標，多種貨幣政策工具的組合操作形成不可觀測的共同驅動力和可觀測的特質驅動力，由此對貨幣政策目標產生共同驅動效應（組合效應）和特質驅動效應（特質效應）。不可觀測的共同驅動力可以由三個不可觀測的共同因子刻畫，分別是價格型政策工具共同因子（Y1）、傳統數量型貨幣政策工具共同因子（Y2）和創新結構型貨幣政策工具共同因子（Y3）。Y1主要揭示價格型貨幣政策工具的組合操作形成的不可觀測共同驅動力，Y2主要揭示數量型貨幣政策工具形成的共同驅動力，Y3刻畫創新結構型貨幣政策工具組合操作形成的不可觀測共同驅動力。

第二，經濟新常態下貨幣政策組合操作的顯著變化發生于2015年初期。變化之前的貨幣政策組合操作是微刺激，變化之后的穩健貨幣政策組合操作是價格型工具偏向寬松，傳統數量型工具穩健適中，創新結構型貨幣政策工具傾向于寬松。經濟增速的持續下滑導致央行貨幣政策組合操作的顯著改變，引致貨幣政策組合操作的效果發生非對稱變化。非對稱顯著變化發生在經濟增長率為7.0%以下，非對稱變化特征由邏輯函數刻畫，并且呈現異質性。經濟新常態時期，當經濟增長速度為6.5%左右時，價格型工具組合（Y1）對經濟增長、通脹和銀行系統風險的效應為負向，對產業結構升級的效應為正向。傳統數量型工具組合（Y2）對產出、通脹和銀行系統風險的效應為負向，對產業結構升級的效應為正向。創新結構型政策工具的組合操作（Y3）對產出和通脹的沖擊效應持續為正值，對產業結構升級的組合效應為顯著的負向，對商業銀行系統風險有一定程度的短期負向效應。

第三，各種貨幣政策工具的特質驅動效應由特質沖擊刻畫。數量型工具r1和r3對經濟增長沒有明顯的特質沖擊效應，對通脹和銀行系統風險具有顯著的負向特質調節效應，對產業結構升級的特質效應不明顯。r7的特質效應與r1效應基本相同，但r7對銀行系統風險有正向效應。rz和rt對經濟增長和通貨膨脹的特質效應整體表現出一定程度的負向，對銀行系統風險都沒有明顯的特質效應，對產業結構升級的效應為正向。Rd對經濟增長和通脹有較為明顯的負向特質效應，對產業結構和銀行系統風險沒有明顯特質效應，及。對增長、通脹、產業結構升級和銀行系統風險沒有明顯的特質沖擊效應。基礎貨幣m0的特質沖擊對經濟增長和產業結構升級沒有顯著效應，對通貨膨脹具有正向特質效應，對銀行系統風險有一定的負向特質效應。SLF對通脹、產業結構升級和銀行系統風險的特質效應都不明顯。PSL和MLF對經濟增長沒有明顯的特質效應，對通脹都表現出正向特質效應，對產業結構都表現出較為明顯的負向效應，但PSL對銀行系統風險的特質沖擊效應為負向，而MLF則相反。

經濟新常態下。中國的貨幣政策目標是保增長、防通脹、調結構和防金融風險，多種貨幣政策工具組合操作對多目標的效果是其組合效應與特質效應的疊加。綜合各種貨幣政策的組合效應和特質效應，可以發現，經濟新常態下央行的多種貨幣政策組合操作難以同時實現多個目標。這就意味著，央行應有針對性、有選擇性地使用多種貨幣政策工具調節重要目標，并同時組合其余貨幣政策工具兼顧次要目標。當經濟增長速度和通脹繼續下滑時，央行對主要的數量型工具和價格型工具的寬松都能夠推動經濟增長和通脹上升，其中的r7不僅能夠實現對經濟增長與通脹的調節，而且對化解銀行系統風險有一定的效果。在這種情形下，貨幣政策難以兼顧產業結構高級化，但MLF、PSL和rz有利于緩解“三農”、小微企業的貸款難問題。當經濟增速下滑而通脹水平較高時，央行應以價格型工具調節為主、數量型工具為輔。在價格型工具中，r1和r7在顯著推動經濟增長的同時，對通脹的刺激作用相對較小，因而是相對理想的工具。數量型工具中除了保持適當的流動性外，SLF等結構型數量工具是較好的補充。當經濟增長和通貨膨脹率位于合理目標區間時，央行的貨幣政策目標以產業結構升級或化解金融風險為主要目標，此時收緊主要的價格型和數量型貨幣政策目標有助于這兩個目標實現，但容易傷害經濟增長速度。在這種情形下，在適當收緊主要貨幣政策工具的同時，PSL的寬松以及降低r7有助于化解銀行風險，MLF、PSL和rz的寬松有利于緩解“三農”、小微企業的貸款難和促進第一產業的發展。從當前來看，2016年四個季度的經濟增長速度均位于6.7%至6.8%之間，通脹率在1.3%至2.3%之間，這兩個主要貨幣政策目標位于合理區間范圍內，2017年也沒有明顯變化。2016年產業結構升級呈現基本停滯不前的狀態，銀行系統風險在2010年后就一直處于持續攀升的通道中。這意味著，如果經濟增長和通貨膨脹率繼續位于合理區間，調結構和化解金融風險將成為貨幣政策的主要目標。央行當前的貨幣政策操作是價格型工具偏向寬松、傳統數量型工具穩健適中、創新結構型貨幣政策工具傾向于寬松。這種貨幣政策組合操作有助于保增長并防止通貨膨脹率的繼續下滑，但不利于產業結構升級和化解銀行系統風險。因此，當前貨幣政策工具組合的進一步優化策略是：價格型工具應側重于降低商業銀行的同業拆借利率，數量型工具保持適度中性并使用SLF、MLF和PSL保持流動性，特別是PSL有助于化解金融風險和緩解“三農”、小微企業的貸款難問題。此外，央行的現有貨幣政策工具的組合操作不能對產業結構的高級化和服務化傾向產生顯著的效果。這一方面說明在當前的金融結構狀態下，貨幣政策傳導的渠道還主要集中于第一產業和第二產業，另一方面也表明，央行需要進一步創新政策工具或擴大定向操作，對服務業進行信貸傾斜和利率引導。

（責任編輯：羅重譜）