货币政策、金融周期及其宏观经济效

奥鹏网院作业

货币政策、金融周期及其宏观经济效＊
崔建军 张冬阳
[提 要] 本文综合金融市场的多维信息，利用主成分分析法合成我国的金融周期指数。在此基础上，构建TVP-SV-VAR模型研究2003—2017年间我国货币政策、金融周期及宏观经济变量间的时变互动关系。研究发现：(1)我国货币政策、金融周期和宏观经济变量之间存在显著的时变互动关系。(2)金融传导渠道可能扭曲货币政策效力，通过金融传导渠道，货币政策不仅会抑制经济增长，还可能加剧通货膨胀。(3)金融周期对货币政策产出效应的影响滞后于对价格效应的影响。短期来看，货币政策产出效应的时变特征与金融传导渠道无太大关联，但随时间推移，金融繁荣对产出的负面影响可能最终使货币政策产出效应发生反转。货币当局应警惕金融繁荣对货币政策效力的扭曲，审慎操作，且不宜承担过多刺激产出的任务。
[关键词] 货币政策；金融周期；宏观经济效应；时变效应
一、引言
对2008年国际金融危机的反思促使国际社会更加关注金融周期的变化，也更加重视金融周期对宏观经济和货币政策调控框架的影响。由于金融创新和金融自由化使金融周期与经济周期逐渐分离，二者之间的相互作用碰撞出新的火花。一方面，金融周期与经济周期的同步会产生顺周期效应从而加大经济波动。另一方面，当二者不同步时，其作用方向的不同甚至相反可能导致宏观经济调控政策的冲突和失效。这一现象对货币政策调控也提出了巨大挑战。由于货币政策主要通过金融部门的传导影响实体经济，金融周期与实体经济周期的分化意味着货币政策效果的不确定性增加。金融发展虽然可能通过分散风险、优化资源配置等途径更好服务实体经济，但也可能通过“挤出效应”“财富效应”“赚钱效应”以及套利机制“吸收”货币政策的效果，加剧实体经济困境。为此，深入分析和了解货币政策、金融周期与宏观经济变量之间的互动关系对完善我国货币政策框架具有重要的现实意义和理论价值，也是提高我国金融调控的有效性、防范系统性金融风险、维护宏观经济稳定和国家金融安全的重要前提。
二、相关文献综述
由本次国际金融危机引发的经济深刻调整不仅给决策部门带来了巨大压力，也使经济理论的重心向金融转移。经济、金融与货币政策之间的关系成为关注的焦点。
(一)金融发展与经济增长的关系
金融发展与经济增长的关系大致可分为促进论和不确定论。促进论认为金融发展能够促进经济增长。Goldsmith(1969)认为金融机构可以降低交易成本，提升储蓄率，加快技术创新进而加速资本积累。Boot & Thakor(1997)发现金融服务能够补充和完善生产活动中的监督制度，降低信息不对称引发的副作用，提升投资质量。Levine & Zervos(1998)，Goetz et al.(2016)提出金融市场(包括全球化市场)可以分散风险、优化资源配置，进而提升资本回报。此外，Mckinnon(1973)和Shaw(1973)提出的“金融抑制”论和Hellmann et al.(1998)提出的“金融约束”论也从侧面为金融发展对经济增长的促进作用提供了理论支持。不确定论认为金融发展对经济增长的影响具有“双面性”。Bernanke et al.(1999)，Kiyotaki & Moore(1997)发现高昂的状态验证成本与客观存在的代理问题放大了实体经济波动。张思成和刘泽豪(2014)、Chari & Christiano(2017)指出金融市场有助于实体经济的价格发现，然而一旦商品成为投机标的时(经济的金融化过程)，价格体系将因为供需曲线的突变而面临崩溃，威胁实体经济发展。Caballero & Krishnamurthy(2006)发现金融市场不完全容易导致资产泡沫的产生。Farhi & Tirole(2012)，Martin & Ventura(2012)进一步证明资产泡沫既可能缓解经济扭曲，也可能加剧经济扭曲和波动。
此外，金融发展与经济增长之间还存在难以判断的因果关系。Demetriades & Hussein(1996)的实证结果表明，金融发展与经济增长之间的关系不具备一致性。二者之间存在逆向甚至双向因果关系。Minsky(2008)指出金融过度扩张的一个重要原因是得到了经济增长的支持。Fostel & Geanakoplos(2008)发现经济基本面的冲击成为金融(杠杆率和资产价格)波动的关键触发点。Geanakoplos & Zame(2014)从内生抵押约束和内生杠杆率的角度讨论了金融发展的内生性。其中，金融市场发展的不完全性由内生的金融合约以及抵押品资产市场的相互作用而决定。王定祥等人(2009)、罗文波(2010)建立局部均衡模型，将金融资本的投资与积累引入生产过程后发现：“最优金融资本结构”内生于实体经济发展情况；金融资本投资对实体经济投资存在“挤出”效应。张成思和刘贯春(2015)进一步将“金融结构”(以监管服务区分的融资结构)引入一般均衡模型，从金融监管的角度证明了“最优金融结构”的内生性与动态性。
(二)货币政策与金融发展的关系
货币政策与金融发展之间的正负反馈机制也因本次金融危机而迅速受到学术界的关注和重视。二者之间存在密不可分的联系。货币政策取向作为制度背景会影响金融周期的运行。2008年全球金融危机爆发后，不少学者认为过度扩张的货币政策是美国次贷危机爆发的重要原因。Borio & Zhu(2008)指出，长期宽松的货币政策不仅会通过金融加速器刺激金融部门过度扩张，还会通过提升社会各界的风险容忍度、降低风险认知使金融部门承担过度风险。Antinolfi & Kawamura(2008)通过构建包含商业银行、资本市场以及中央银行的理论模型阐明了货币政策传导机制与金融市场结构特征密切相关。Adrian & Shin(2009)认为，至少从金融市场的杠杆功能对金融体系资金状况的影响来看，金融市场也必须成为货币政策传导应当考虑的重要因素。Claessens et al.(2012)认为考虑到金融周期与经济周期存在的多重关系，货币政策的制定不能忽视金融周期对宏观经济的影响，金融稳定应当被纳入中央银行的货币政策目标。Borio(2014)支持在货币政策框架内考虑金融周期运行情况，认为金融体系的发展对于货币政策的有效传导具有重要意义。但他同时指出，仅凭借货币政策难以负担起维护金融稳定的重任。尤其当金融周期处于高度繁荣阶段时，宽松的货币政策无法再刺激企业金融实物投资进而促进经济增长，因为债务已经足够多，风险已经足够大，资产价格已经足够高。张成思(2010)认为金融发展已经逐渐改变了传统货币政策传导渠道，对货币政策的有效性(实体经济角度)产生了重大影响。在此基础上，张成思和张步昙(2016)进一步梳理和归纳了广义金融市场、货币政策与宏观经济变量间的作用机制，提出金融过度发展、经济金融化不仅可能挤出对实体经济部门的投资，还会加剧商品价格的波动性，进而增加货币政策调控的难度和成本。
(三)货币政策、金融发展与经济增长之间的互动机制
除了理论上的阐述与证明，学者对我国货币政策、金融发展与经济增长之间关系的实证研究也不在少数。刘慧悦等人(2012)利用线性和非线性格兰杰因果检验发现金融危机后我国货币政策的信贷传导渠道和资产价格传导渠道明显增强。裘翔和周强龙(2014)基于DNK-DSGE模型研究了影子银行对货币政策传导的影响，发现紧缩的货币政策会激励影子银行的风险承担行为，从而削弱货币政策的执行效果。李媛和谢凤敏(2014)基于VAR模型、SSM模型也得到了类似结论。费磊(2016)基于状态空间模型检验了债券市场的货币政策传导效应，发现债券市场的传导机制总体偏弱，且货币政策经由债券市场传导至宏观经济时甚至出现一定程度的扭曲。余辉和余剑(2013)基于时变参数空间模型构建了我国的金融状况指数(FCI)，发现危机后货币政策对金融状况指数的影响进一步增强，而后者与通货膨胀之间存在显著的格兰杰因果关系。谢军和黄志忠(2014)利用动态面板模型研究了货币政策、金融发展对企业投资的融资约束的影响，发现扩张的货币政策会降低企业投资决策对内部资金的敏感性，这种缓解效应将随金融市场的发展进一步扩大。邓创和徐曼(2014)利用时变参数向量自回归模型检验了金融短周期波动的宏观经济效应，发现金融冲击的“价格效应”强于“产出效应”，金融形势好转时的负面效应强于金融形势恶化时期。钱宗鑫和刚健华(2015)在本次金融危机的背景下，构建SVAR模型、TVP-SVAR模型检验了我国系统性金融风险、货币政策与宏观经济表现之间的互动关系。他们发现扩张性货币政策冲击显著加大了中国系统性金融风险，但对实体经济影响有限。刘玚(2016)构建时变向量自回归模型对我国金融稳定、货币政策和实体经济之间的传导关系进行了实证检验，发现货币供给冲击在短期内将通过改变金融稳定因素对实体经济产生先正后负的影响，但长期来看这种传导并不成立。
通过对文献的梳理不难发现，首先，金融发展、货币政策与经济增长之间的关系仍属于开放性话题，其动态反馈机制有待理论与实证的进一步检验。其次，虽然理论上任意两组变量的互动关系均受到第三组变量的影响。但将三者作为系统整体研究的文献并不多见。即使存在，现有文献也多从金融发展的局部视角(某些子市场的发展、金融稳定情况或系统性金融风险的角度)展开，缺乏对金融发展的整体考察。最后，对三者之间互动关系的实证研究鲜少考虑我国内外部环境、宏观经济结构以及各项政策不断变化的动态影响，而后者对于我国发展至关重要。鉴于此，本文依托金融周期理论的进展，在承认金融周期客观存在的前提下，综合货币市场、信贷市场、资本市场以及房地产市场的多维信息构建我国的金融周期指数，捕捉我国金融发展情况。在此基础上，构建包含金融周期、货币政策变量、实际产出以及通货膨胀的带有随机波动的时变参数向量自回归(TVP-SV-VAR)模型，进一步探讨我国金融发展、货币政策以及宏观经济变量之间的传导、响应机制，为我国货币政策的宏观调控提供有益的参考。
三、模型构建与变量说明
带随机波动率的时变参数向量自回归(TVP-SV-VAR)模型由Nakajima(2011)提出，是对TVP-VAR模型的进一步改良。相对于传统SVAR模型，TVP-SV-VAR最大的优点在于克服“常参数”的限制，允许系数和方差—协方差随时间变化以捕捉各变量之间的非线性结构变动。相对于TVP-VAR模型，TVP-SV-VAR模型通过引入随机波动和假定参数服从随机游走过程，能够更加充分地反映结构突变带来参数的持久变动，并减少了波动差异带来的估计偏误问题。事实上，随着时间的推移，变量间的关系(模型的参数)必然随着经济体制、经济结构、政策偏好、技术发展和世界经济格局等因素的变动而不断变化，作为正处于结构转型的新兴市场国之一，这种影响在我国更加强烈。因此，选择TVP-SV-VAR模型可以更好地刻画中国金融发展、货币政策与宏观经济变量之间的互动关系，捕捉该系统的时变特征。
(一)TVP-SV-VAR模型构建
TVP-VAR模型的基本形式如式(1)所示：
Y t= c t+ B 1t Y t-1+…+ B st Y t-s
+ e t， e t～ N(0， Ω t)， t= s+1，…， n
(1)
式中，B1t，…，Bs t和Ωt分别代表时变系数矩阵和时变方差—协方差矩阵。假设结构冲击的联立关系为递归识别关系，即是对角线元素为1的下三角阵，Σt=Diag(δ1t，…，δkt)。研究对象Yt=(yt，pt，mt，fct)′，其中，yt为实际产出增长率的缺口值，pt代表通货膨胀的缺口值，mt为基础货币变动的缺口值，fct为金融周期运行指数。变量顺序的选择基于菲利普斯曲线以及货币政策反应函数。此外，由于货币政策近期内才将金融周期运行情况纳入系统考量(2017年11月17日央行公布的货币政策执行报告首次提及金融周期及其影响)，而货币政策传导绝大部分由金融部门实现，故将fct排于货币政策变量之后具有理论和现实的合理性。
将ct和Bt中每个元素依次写成列向量的形式，记为βt；定义Xt=I⊗(Yt-1，…，Yt-s)，其中⊗为克罗内克积，则式(1)可重写为简化形式：

(2)
进一步，定义参数at为At中不为零元素堆叠而成的列向量，定义ht=(h1t，…，hkt)′，其中，i=1，…，k。根据Nakajima(2011)构建的TVP-SV-VAR模型，所有参数(βt，at，ht)的动态过程假定服从以下随机游走过程：


t= s+1，…， n
(3)
式中，βs+1～N(μβ0，∑β0)，as+1～N(μa0，∑a0)，hs+1～N(μh0，∑h0)。
(二)变量说明
本文构建包含经济增长、通货膨胀、货币政策变量和金融周期指数的四变量TVP-SV-VAR模型，变量说明如下：
1.金融周期指数。
(1)金融周期的测度指标。基于现有理论对金融周期内在结构与形成机理的研究，本文分别从货币市场、信贷市场、资本市场和房地产市场选取15个金融指标测度我国的金融周期，如表1所示。指标可进一步分为数量型、价格型和结构型指标。其中，数量型指标用于刻画金融部门的发展规模，包括广义货币、信贷、上证综指、中债综指以及国房景气指数的变动情况。价格型指标旨在识别金融部门的发展质量和对风险的认知，包括质押回购利率、流动性风险溢价、市盈率、无风险收益率和房地产价格实际增长率。结构性指标主要测度金融周期内在结构的变化，包括货币乘数、杠杆率和房地产开发中的信贷支持。因此，本文构建的指标体系能更立体地刻画我国的金融周期，并较好地跟踪其形成与发展过程。此外，现有文献对金融周期的讨论常有“总量周期”和“增长率周期”之分。考虑到“增长率”对宏观经济、政策的重要性，本文的研究视角为后者。
(2)数据来源和处理。由于我国金融市场发展的时间较短，各指标时间跨度不一，尤其是房地产价格、社会融资规模和同业拆借利率等，数据的起始时间较晚。综合考虑可得性后，选取2003—2017年的季度数据测度我国的金融周期。原始数据分别来源于《Wind宏观数据库》以及《Wind行业数据库》。
对原始数据的处理根据指标性质而异。对数量型指标，先以定基消费者物价指数(以1997年1月为基期)剔除价格因素，再计算各个指标的同比变动率，得到实际增长率指标；对价格型指标，剔除物价因素即可；对结构型指标，不做任何处理。此外，对于流量数据，采用几何平均法将其转化为季度数据；对于存量数据，直接选用季末数据即可。
(3)我国金融周期指标的合成。金融周期的测度方法较多，有学者通过算数平均法、加权平均法、熵值法等指标合成法测度我国的金融周期，也有学者构建SVAR、状态空间模型等估计我国的金融运行指数。考虑到本文的测度指标较多，而主成分分析法可通过正交变换将多维相关数据转换为少数不相关变量，在尽可能保存数据信息的同时达到“降维”之目的。故本文选择主成分分析法合成我国金融周期指数。具体做法如下：首先利用HP滤波法剔除原始数据中杂乱的短期扰动信息。在此基础上对15个指标展开主成分分析，合成我国的金融周期运行指数，记为fct。从主成分分析的结果来看，所选指标的KMO检验与Bartlett球度检验结果均符合要求。因此，选择累计贡献率达78.389%的前四个主成分，并以各自方差贡献率为权数合成我国的金融周期指数，具体公式如下：
表1 金融周期的度量指标

fc t=0.351 7× F 1+0.217 35× F 2+0.127 37
× F 3+0.087 4× F 4
(4)
2.其他变量说明。在主模型中，以实际GDP增长率的缺口值测度经济增长情况，记为yt；以季度CPI的缺口值作为通货膨胀的代理变量，记为pt；以实际M0增长率的缺口值作为货币政策的代理变量，记为mt。所有数据来源于《Wind宏观数据库》，具体样本期间同金融周期指数一致，为2003Q1—2017Q1。
四、实证结果分析
参考Nakajima(2011)对日本宏观经济的研究，建立我国包含金融周期变量的TVP-SV-VAR模型，模型的滞后阶数依据HQIC信息准则、SBIC信息准则和残差项的检验结果综合判定为2阶。[注]根据Lutkepohl(2005)的研究，SBIC和HQIC提供了对真实滞后阶数的一致估计，而FPE和AIC可能高估之后阶数。在本文的模型中，HQIC和SBIC报告的最优滞后期分别为滞后1阶和2阶，因此，综合VAR模型系统的残差项检验结果，将TVP-SV-VAR模型的滞后期设定为滞后2阶。此外，假设∑β为对角阵，前文方差矩阵中第i个对角元素服从先验分布：

设定时变参数的初始值为μβ0=μα0=μh0=0，Σβ0=Σα0=Σh0=10I；MCMC算法模拟迭代10 000次。模拟抽样和模型估计基于OX-metrics6.3完成，实证结果如表2。
(一)平稳性检验
运用TVP-SV-VAR模型探讨货币政策、金融周期与宏观经济变量之间的关系之前，对各变量进行平稳性检验，排除“伪回归”的可能。表2为各变量ADF单位根检验结果，数据显示，各变量均为平稳序列，对TVP-SV-VAR模型的稳定性、结果的可靠性提供了有力保障。
表2 各变量的ADF检验结果

注：***，**和*分别表示在1%，5%和10%水平上的显著性，下表同。
(二)样本参数模拟结果
表3为样本参数模拟结果。可以看出，各参数的CD统计量均小于1.96(5%显著性水平对应的临界值)，说明模型在95%的显著性水平下可以接受参数收敛于后验分布的假设。同时，无效因子小于60，说明模拟取样是对TVP-SV-VAR模型的有效取样方法。此外，从各参数的动态模拟路径(见图1)来看，参数的波动聚类现象明显，且在模拟结束之时，取样数据均聚类于样本收敛均值。这表明使用TVP-SV-VAR模型进行参数估计适宜且有效，可进一步展开脉冲响应分析。
表3 样本参数模拟结果

(三)时变反应函数分析
不同于传统的SVAR模型，TVP-SV-VAR模型报告了两种脉冲响应函数，分别是时点脉冲响应函数和等间隔脉冲响应函数。前者类似于传统意义上的脉冲响应函数，报告在指定时点上给自变量一个正向冲击后，因变量随时间不断变化的情况；后者报告在每一个时点上，给自变量一个正向冲击并经过相同时段后，因变量的反应。在本文实证过程中，将等间隔脉冲响应函数的滞后期设定为滞后2期(半年)、滞后4期(一年)与滞后8期(两年)，并在时点脉冲响应函数中，重点关注2008年第1季度、 2011年第4季度和2015年第1季度3个时点(分别对应金融危机，后金融危机以及我国的新常态时期)，研究我国货币政策、金融周期与宏观经济变量的内在关系。实证结果如下：
1.宏观经济变量对金融冲击的时变反应函数。图2为产出对金融冲击的时变脉冲响应函数。可以看到，样本期内，来自金融周期的冲击对产出存在负面影响，影响程度随时滞延长加剧。其中，滞后8期的正向的金融冲击对产出的抑制作用在2007年达到顶峰，并随着金融危机的爆发，抑制作用逐渐削弱。这说明，金融周期扩张对实际产出存在“挤出效应”，来自金融周期的正向冲击会在刺激金融投资需求的同时侵蚀实体经济投资，抑制实际产出的增长，且这一抑制作用在金融周期繁荣阶段更加显著。

图1 各参数动态模拟路径

图2 产出对金融冲击的时变反应函数
图3为物价对金融冲击的时变脉冲响应函数。由图3可知，金融周期冲击对物价的影响表现为短期稳定的刺激作用和长期抑制作用。这是因为，一方面，金融繁荣带来的“财富效应”会刺激居民消费，进而短期内推升物价，形成“需求拉动型”通货膨胀。另一方面，金融投资过热也将在短期提升实体经济投资的融资成本，从而推升物价，形成“成本驱动型”通货膨胀。然而，随着时间的推移，金融部门内部竞争逐渐加剧，风险承担、风险容忍度逐渐增加，金融创新，尤其是融资工具的创新将放松实体经济的融资约束，并最终形成对通货膨胀的抑制作用。

图3 物价对金融冲击的时变反应函数
此外，由图2和图3中的时点脉冲响应函数可以看出，金融周期对实际产出缺口的作用将在3个季度后逐步显现，并于第6个季度、第7个季度到达顶峰(-0.02)；金融周期对通胀缺口的影响则主要集中在短期，于第3个季度前后到达峰值(0.014)后，逐步衰减。
2.金融周期对货币政策的时变反应函数。正如前文所述，金融周期与货币政策之间存在紧密的联系，本文的实证结果为此提供了经验支持。从图4等间隔脉冲响应函数可以看出，短期内，货币政策的正向冲击对金融周期的形成与发展产生了显著的正向激励作用，这一作用在滞后4期的货币政策冲击下更稳定。虽然金融危机期间(2008年金融危机及随后的欧洲主权债务危机)我国货币政策对金融周期的刺激作用得到有效抑制，但随着全球的经济、金融的复苏，这一刺激作用自2015年起迅速增大，并达到近年来的历史高点。这为“宽松的货币政策可能加剧了金融周期的繁荣”提供了来自中国的经验证明，也在一定程度上表明了金融全球化对我国金融周期的影响。长期来看，我国货币政策对金融周期的影响呈现一定的抑制作用。这与金融发展对实体经济的依赖性及与实体经济间的相互影响有关。金融发展长期来看仍然依托于实体经济发展，若金融过热，挤出了实体经济投资，则不仅会抑制未来的实际产出，最终也会导致自身的衰退。
此外，由图4中时点脉冲响应函数可知，与2008年、2011年相比，2015年货币政策对金融周期的刺激作用显著增加，这一点从影响幅度和影响的持续时间上均可看出。

图4 金融周期对货币政策的时变反应函数
3.宏观经济变量对货币政策的反应函数。货币政策冲击对宏观经济变量的影响反映了货币政策的有效性。首先看货币政策的产出效应。由图5可知，短期内，来自货币政策的正向冲击对实际产出缺口存在显著的刺激作用。实际产出缺口对货币政策滞后2期的脉冲响应随时间更加积极和稳定，对货币政策滞后4期的脉冲响应则表现出明显的时变特征。具体来看，自2008年起，滞后2期与滞后4期的货币政策产出效应逐渐分离，且自2015年开始，后者出现较大幅度的下降。长期来看，货币政策冲击对实际产出缺口的表现为抑制作用，时变特征与滞后4期的货币政策产出效应相近。

图5 产出对货币政策冲击的时变反应函数
其次看货币政策的价格效应。如图6所示，通货膨胀缺口对货币政策正向冲击的反应基本为正，均具有明显的时变特征。其中，滞后2期和滞后4期的反应函数的时变特征相近，二者与长期反应函数的时变特征相比，近乎相反。货币政策对通货膨胀的长期影响在方向上也呈现一定的不确定性。

图6 物价对货币政策冲击的时变反应函数
(四)对结果的进一步讨论——货币政策的金融传导渠道
系统观察货币政策、金融周期与宏观经济变量间的脉冲响应关系，不难发现以下事实：首先，从等间隔脉冲响应函数看，滞后4期、滞后8期的货币政策产出效应与滞后2期的货币政策对金融周期的影响几乎刚好相反(见图5和图4)，而滞后2期、滞后4期的金融冲击对产出缺口的影响表现为稳定的抑制作用(见图2)。滞后2期、滞后4期的货币政策价格效应与滞后2期的货币政策对金融周期的影响几乎一致(见图6和图4)。而滞后2期、滞后4期的金融冲击对物价缺口的影响表现为稳定的刺激作用(见图3)。其次，从时点脉冲响应函数看，货币政策的产出效应自第4季度达到顶峰后，迅速下降，尤其是2015年的货币政策产出效应，在经历了3个季度的迅速下跌后，最终到达最小值-0.4。 这一结果与货币政策对金融周期的作用、金融周期对实际产出缺口的作用相契合。而货币政策的价格效应也存在类似的表现。
以上事实说明我国货币政策、金融周期与宏观经济变量不仅两两之间相互影响，且该影响具有稳定的系统性和传递性。鉴于此，本文基于前文的实证结果，将三者放入同一框架，对我国货币政策的金融传导渠道展开进一步分析和讨论，本文认为：
(1)我国货币政策的金融传导渠道确实存在。其中，对货币政策产出效应的影响主要在中长期，而对价格的影响则为短期和中期效应。这与二者对金融周期冲击的反应时滞有关。
(2)金融周期对滞后2期货币政策冲击的反应是货币政策金融传导渠道的核心。货币政策产出效应、价格效应的时变特征均与此密切相关。
(3)金融传导渠道在货币政策价格效应的形成过程中发挥着主导作用，表现为货币政策价格效应的时变特征几乎完全可被其对金融周期的影响解释。
(4)短期来看，货币政策产出效应的时变特征与金融传导渠道并无太大关联。即，短期内，货币政策的产出效应可能由其他传导渠道(如货币渠道、资产价格渠道、汇率渠道等)主导，从而表现为稳定的、正向的激励作用。
(5)金融传导渠道对货币政策产出效应的影响随时间的推移可能会发生质的飞跃。期初，金融周期对实际产出的抑制作用并不会影响货币政策对产出的激励，只会影响其有效程度。这表现为，随着金融周期的上升，货币政策的产出效应下降，反之则反是。但随着时间的推移，金融繁荣对产出的负面影响可能最终扭曲货币政策的产出效应，使宽松的货币政策对实际产出形成负向激励。
综上分析，货币政策的金融传导渠道对货币政策有效性具有重要影响，其可能的传导机制如图7、图8所示。可以看到，无论是产出效应还是价格效应，货币政策的最终效果均因金融传导渠道而变得更加不确定。

图7 货币政策的金融传导渠道与产出效应

图8 货币政策的金融传导渠道与价格效应
(五)稳健性检验
为增加研究结论的稳健性，构建包含实际产出缺口、通胀缺口、货币政策缺口以及金融周期运行指数的传统SVAR模型，对各变量之间的互动机制进行稳健性分析。[注] 限于篇幅，未将相关结果列出，如感兴趣，可直接联系笔者索取。模型特征根的倒数均在单位圆之内，且SVAR模型的实证结果与TVP-SV-VAR模型并无本质差别，基本结论也可由TVP-SV-VAR模型推导得出。这表明本文构建TVP-SV-VAR模型是稳健的。
五、结论和对策建议
本文分别选取来自货币市场、信贷市场、资本市场以及房地产市场的15个金融指标，利用主成分分析法合成我国金融周期运行指数。在此基础上，本文构建TVP-SV-VAR模型研究2003—2017年我国货币政策、金融周期及宏观经济变量间的内在联系，得到以下结论：
1.我国货币政策、金融周期及宏观经济变量之间的互动机制具有系统性和传递性。宽松的货币政策在刺激产出和物价的同时，更促进了金融周期的扩张，而后者不仅可能挤出实体经济投资，对经济增长产生负面压力，还将加剧通货膨胀。
2.货币政策的金融传导渠道确实存在。金融周期对滞后2期货币政策冲击的反应是货币政策金融传导渠道的核心，货币政策产出效应、价格效应的时变特征均与此密切相关。此外，从脉冲响应函数来看，金融周期对货币政策产出效应的影响滞后于对价格效应的影响，且无论是货币政策产出效应或是价格效应，金融繁荣时期的负面影响均强于金融衰退时期。
3.短期来看，货币政策产出效应的时变特征与金融传导渠道并无太大关联。但随时间的推移，金融传导渠道对货币政策产出效应的影响可能发生质的变化。随着时间的推移，金融繁荣对产出的负面影响可能最终扭曲货币政策的产出效应，甚至产生负面的宏观经济效果。
针对上述结论，本文提出以下对策建议：首先，在传统的货币政策框架内加强对我国金融周期的关注。一方面要注意金融周期对传统货币政策有效性的影响，另一方面，要加强政策创新，运用结构性货币政策规避金融部门的政策套利。其次，当金融部门过度繁荣时，应当谨慎使用货币政策调控宏观经济，取而代之，更多依赖财政政策、税收政策、产业政策等实现经济复苏。最后，加强宏观审慎管理，提高金融周期运行的安全边际，防止金融部门盲目扩张。
参考文献
邓创、徐曼，2014：《中国的金融周期波动及其宏观经济效应的时变特征研究》，《数量经济技术经济研究》第9期。
费磊，2016：《债券市场发展对货币政策传导的结构性效应研究——基于状态空间模型的实证分析》，《金融监管研究》第9期。
李媛、谢凤敏，2014：《影子银行体系下货币政策传导“渗漏”与“扭曲”效应研究》，《财经问题研究》第1期。
刘玚，2016：《基于金融稳定因素的中国货币政策传导效应研究》，《金融经济学研究》第1期。
刘慧悦、刘金全、张小宇，2012：《金融危机前后我国货币政策传导机制的检验与识别》，《上海经济研究》第11期。
罗文波，2010：《金融结构深化、适度市场规模与最优经济增长——基于资本形成动态博弈路径的理论分析与经验证据》，《南开经济研究》第2期。
钱宗鑫、刚健华，2015：《中国货币政策对金融稳定和主权债务风险的影响》，《经济理论与经济管理》第6期。
裘翔、周强龙，2014：《影子银行与货币政策传导》，《经济研究》第5期。
王定祥、李伶俐、冉光和，2009：《金融资本形成与经济增长》，《经济研究》第9期。
谢军、黄志忠，2014：《宏观货币政策和区域金融发展程度对企业投资及其融资约束的影响》，《金融研究》第11期。
余辉、余剑，2013：《我国金融状况指数构建及其对货币政策传导效应的启示——基于时变参数状态空间模型的研究》，《金融研究》第4期。
张成思，2010：《货币政策传导机制研究新前沿——全球新型金融危机视角下的理论述评》，《国际经济评论》第5期。
张成思、刘贯春，2015：《经济增长进程中金融结构的边际效应演化分析》，《经济研究》第12期。
张成思、刘泽豪，2014：《金融意识觉醒与普通商品金融化》，《新金融评论》第1期。
张成思、张步昙，2016：《中国实业投资率下降之谜:经济金融化视角》，《经济研究》第12期。
Adrian，T.，and H.S.Shin，2009，“Money，Liquidity，and Monetary Policy”，American Economic Review，99(2):600-605.
Antinolfi，G.，and E.Kawamura，2008，“Banks and Markets in a Monetary Economy”，Journal of Monetary Economics，55(2): 321-334.
Bernanke,B.S.，M.Gertler，and S.Gilchrist，1999，“The Financial Accelerator in a Quantitative Business Cycle Framework”，Handbook of Macroeconomics，1: 1341-1393.
Borio,C.，and H.Zhu，2008，“Capital regulation，Risk-taking and Monetary Policy: A Missing Link in the Transmission Mechanism?”，Journal of Financial Stability，8(4):236-251.
Borio,C.，2014，“Monetary Policy and Financial Stability: What Role in Prevention and Recovery?”，Bis Working Papers No.440.
Boot，A.W.A.，and A.V.Thakor，1997，“Financial System Architecture”，Review of Financial Studies，10(3):693-733.
Caballero,R J，and A.Krishnamurthy，2006，“Bubbles and Capital Flow Volatility: Causes and Risk Management”，Journal of Monetary Economics，53(1):35-53.
Chari,V.V.，and L.J.Christiano，2017，“Financialization in Commodity Markets”，NBER Working Paper No.2376
Claessens,S.，M.A.Kose，and M.E.Terrones，2012，“How Do Business and Financial Cycles Interact?”，Journal of International Economics，87(1):178-190.
Demetriades,P.O.，and K.A.Hussein，1996，“Does Financial Development Cause Economic Growth? Time-series Evidence from 16 Countries”， Journal of Development Economics，1996，51(2):387-411.
Farhi,E.，and J.Tirole，2012，“Bubbly Liquidity”，Review of Economic Studies，79(2):678-706.
Fostel,A.，and J.Geanakoplos，2008，“Leverage Cycles and the Anxious Economy”，American Economic Review，98(4):1211-1244.
Goetz,M.R.，L.Laeven，and R.Levine，2016，“Does the Geographic Expansion of Banks Reduce Risk?”，Journal of Financial Economics，120(2):346-362.
Goldsmith,R.W.，1969，“Financial Structure and Development”，Studies in Comparative Economics， 70(4):31-45.
Geanakoplos，J.，and W.R.Zame，2014，“Collateral Equilibrium，I: A Basic Framework”，Economic Theory，56 (3):443-492.
Hellmann,T.，K.Murdock，and J.Stiglitz，1998，Financial Restraint and the Market Enhancing View，London: Palgrave Macmillan.
Kiyotaki，N.，and J.Moore，1997，“Credit Cycles”， Journal of Political Economy，105(2):211-248.
Levine，R.，and S.Zervos，1998，“Stock Markets，Banks，and Economic Growth”，American Economic Review，88(3):537-558.
Lutkepohl，H.，2005，New Introduction to Multiple Time Series Analysis，Berlin: Springer-Verlag.
Martin，A.，and J.Ventura，2012，“Economic Growth with Bubbles”，American Economic Review，102(6):3033-3058.
Mckinnon，R.I.，1973.“Money and Capital in Economic Development”，American Political Science Review，68(4)，1822-1824.
Minsky,H.P.，2008，Stabilizing an Unstable Economy，New York:McGraw-Hill Education.
Nakajima,J.，2011，“Time-Varying Parameter VAR Model with Stochastic Volatility: An Overview of Methodology and Empirical Applications”，Jouchi Nakajima，29:107-142.
Robert,G.King，and R.Levine.，1993，“Finance，Entrepreneurship and Growth”，Journal of Monetary Economics，32(3):513-542.
Shaw,E.S.，1973，Financial Deepening in Economic Development，London:Oxford University Press.
MONETARY POLICY, FINANCIAL CYCLES ANDMACROECONOMIC EFFECTS
CUI Jian-jun ZHANG Dong-yang
(School of Economics and Finance, Xi’an Jiaotong University of China)
Abstract:Integrating multi-dimensional information of financial markets, this paper uses the principal component analysis to synthesize China’s financial cycle index. On this basis, the TVP-SV-VAR model is constructed to study the time-varying interaction between China’s monetary policy, financial cycle and macroeconomic variables during 2003—2017. The study found as follows: (1) There is a significant time-varying interaction between China’s monetary policy, financial cycle and macroeconomic variables. (2) Financial transmission channels may distort the effectiveness of monetary policy. Through financial transmission channels, monetary policy will not only restrain economic growth, but may also increase inflation. (3) The effect of financial cycle on the output effect of monetary policy lags behind the effect on its price effect. In the short run, the time-varying characteristics of the output effect of monetary policy are not much different from the financial transmission channels. However, over time, the negative impact of financial prosperity on output may eventually distort the output effect of monetary policy and may even have negative macroeconomic effects. Based on this, we believe that the monetary authorities should be wary of the distortion of the effectiveness of the financial prosperity on monetary policy, prudent operation, and should not undertake too many tasks to stimulate output.
Key words:monetary policy; financial cycle; macroeconomic effect; time-varying effect
＊崔建军、张冬阳(通讯作者)，西安交通大学经济与金融学院，邮政编码：710061，电子信箱：cuijianjun@xjtu.edu.cn。本文得到国家社会科学基金项目(18AZD009)、国家自然科学基金项目(71173165)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑：刘舫舸)