基于VAR模型的资产市场规模与通货膨胀的关联性研究

时间：2024-08-31

荚超强

（安徽大学经济学院，安徽合肥 230601）

1 引言

近二十年来，中国的货币供应量经历了高速的增长，但是没有经历严重的通货膨胀。易纲（1995）较早地提出了这一问题，并被著名经济学家麦金龙称为“中国之谜”（徐振宇，2014）。伴随着货币供应量的高速增长，大量的资金流入股市、房地产以及地方融平台的项目建设，这可能是“中国之谜”一方面的答案。房地产、股市资本等非货币资产市场的资金投入可能会使得货币的流通速度减慢，达到一定程度会增加资产泡沫。从另一个角度来说，房地产、股市或许能够吸收过度增发的货币，成为通货膨胀的“缓冲器”。本文采用了VAR模型，通过Johanson协整检验、Granger因果检验、脉冲响应分析，对我国股票市场融资规模、通货膨胀情况以及货币供应量之间的关系进行实证分析。从而从股票市场与房地产市场这两个方面来研究其“蓄水池效应“是否显著地影响通货膨胀情况。

资产通常是指单位或个人所拥有的预计能带来收益的资源，资产市场主要是资产进行交易所形成的市场，主要包括房地产市场、股票市场、债券市场等。而在资产市场中，房地产市场和股票市场具有举足轻重的地位。这是因为房地产的投资规模较大，而股票市场的市值较大，成交量较为活跃。房地产市场与股票市场吸收了大量的流动性，同时通过财富效应、托宾Q效应、信用渠道以及预期等影响供需，从而影响价格水平。因此，本文在资产市场中选取了房地产市场和股票市场作为研究对象，分析其与通货膨胀的关联性。

图1 M2与CPI同比增幅

2 相关文献综述

关于资产市场与通货膨胀的有不少学者进行研究。 Tom Engsted&Carsten Tanggard（2000）利用VAR模型对美国和丹麦的股票和证券市场进行分析，发现丹麦的股票收益在长期与预期通货膨胀率关系紧密，但是短期关联不明显，而美国股票市场收益与通货膨胀有正的相关关系，但是比较微弱。Frederic S.Mishkin（2001）通过分析股票市场与房地产市场价格在货币政策传导机制中的作用，指出货币政策实施并不一定通过直接影响利率水平实现，通过影响资产价格也可以达到目的。 Ben Bernanke&Mark Gertler（2001）基于通货膨胀目标制的货币政策框架，认为将资产价格纳入到货币政策分析框架中影响较小。郭田勇（2006）通过理论与实证分析阐释了资产价格膨胀与通货膨胀之间关联的内在机理。戴国强（2009）基于ADRL技术对资产价格与通货膨胀的关系进行了分析，发现房地产对于通货膨胀的影响显著，股票市场则较为为微弱。杨宝臣（2010）通过误差修正模型研究了资产价格、通货膨胀及货币政策这三者之间的互动关系。郑鸣（2010）运用VAR方法分析了股价、产出、通胀率和货币政策的关系，发现股价波动显著地反映通货膨胀的情况，利率是调控股价的有效手段。金雯雯（2013）从资产替代的角度，研究存款利率与房地产价格的关系。王宏涛（2013）基于理性预期的假设研究了资产价格变化与通货膨胀的动态影响。张成思（2013）基于Meltzer的新货币主义分析框架分析了资产市场均衡与商品市场均衡的联动机制，发现房地产上涨是总体通货膨胀的驱动因素。

在这些研究中，大多数是研究资产价格与通货膨胀的关系。资产价格与通货膨胀之间主要是通过财富效应、托宾Q值效应，信用渠道以及人们的预期来联接的。货币供应量的高速增长是多种原因造成的，包括宽松的货币政策、外汇占款的膨胀等。不考虑货币供应量增长的原因，从图1可以看出，在货币供应量高速增长的情况下，通货膨胀情况却没有十分严重。对于这种现象一些学者进行研究给出了自己的解释。伍志文（2003）从非货币金融资产囤积的角度通过回归分析对其进行解释。李斌（2004）从中国经济“两部门”的特点以及新兴资产市场对“中国之谜”进行解释。杨俊生（2010）从存贷差转换的角度进行理论分析，认为存贷差的高速增长导致了M2的迅速增长，而增发的货币供应量没有充分流入实体经济导致通货膨胀较为稳定。余振宇等（2014）认为出现此种现象是经典货币数量理论的一些前提假设并不成立，如货币流通速度不变与货币供应外生性等，并且非货币资产市场的“蓄水池”效应也对通货膨胀进行了缓冲。从货币供应的流向角度来看，以房地产、股票市场为代表的非货币资产市场吸收了大量的增发货币。本文对于通货膨胀与M1、房地产市场开发投资规模、股票市场融资规模之间的关系进行分析，来探究对房地产的开发投资和股票市场的融资是否能显著地影响通货膨胀。

3 实证分析

3.1 变量选取与计量模型

本文选取的变量有居民消费价格指数CPI、房地产开发投资规模、股票市场融资规模以及狭义货币供应量M1的月度数据。使用CPI来代表通货膨胀率，选取非货币资产市场中房地产开发投资规模和股票市场规模。由于房地产开发投资规模数据在每年一月份的缺失，因此，一月份的数据参考下一期。考虑到季节因素对于变量的影响，使用censusX12季节调整法对于数据进行处理，消除季节因素的影响。为使数据更平稳，在censusX12季节调整处理的基础上对各变量取对数。后面文中提到的原始数据均是经过这种处理后的数据。而变量的时间跨度为2003年1月到2013年12月。本文数据均来自与中经网统计数据库。

本文使用VAR模型对于变量之间的关系进行分析。VAR模型主要用于分析相互关联的序列以及随机扰动项对于整个系统地动态影响。VAR（p）模型的表达式为

yt是k维内生变量，xt是d维外生变量，p是滞后阶数。A1……Ap是 k×k维待估矩阵，B是k×d维待估矩阵，ε是k维扰动列向量。

3.2 实证结果

3.2.1 平稳性检验

利用ADF单位根检验对变量的平稳性进行检验。其中 LNSTOCK、LNCPI、LNEST、LNM2 分别是股票市场融资规模、居民消费物价指数、房地产开发投资、广义货币供应量经过censusX12方法处理后的对数。D表示的一阶差分形式。表1所示，LNEST的ADF检验值大于在5%置信水平下的临界值，表示LNEST的原序列不平稳，对其进行一阶差分处理。DLNEST是其一阶差分形式，ADF检验值小于5%置信水平下的临界值，表示一阶差分的序列平稳。而其他序列的一阶差分形式也平稳，四个序列一阶单整。其中滞后期是根据AIC与SC准则确定的。

表1 ADF单位根检验

3.2.2 协整检验

四个序列都是同阶单整的，对于数据进行Johanson协整检验。在5%的置信水平下，对照迹检验统计量和临界值，在没有协整关系一栏迹统计量大于5%置信水平下的临界值，表明拒绝关于协整关系个数的原假设，其余皆不能拒绝原假设。通过Johanson协整检验的结果，发现四个变量存在一个协整关系，说明四个变量存在长期稳定关系。

表2 Johanson协整检验

图2 VAR模型的稳定性检验

3.2.3 格兰杰因果检验

为了分析M2、房地产市场开发投资规模以及股票市场融资规模与通货膨胀的动态关系，构建了包含4个变量的VAR模型。通过比较不同滞后阶数AIC与SC值，在AIC和SC最小值不相符的情况下，参考LR值，确定VAR模型的滞后期为2。模型的AR特征多项式的根的倒数都在单位圆内，证明VAR（2）模型是稳定的

运用格兰杰因果检验分析两两变量之间的因果关系，这个因果关系是统计意义上的因果关系。根据VAR模型的滞后阶数判断，选择滞后期为2的格兰杰检验。根据表3反映的数据，观察P值大小。表中数据表明LNSTOCK、LNM2、LNEST均是LNCPI的格兰杰原因。

表3 VAR模型滞后期判断

表4 格兰杰因果检验

3.2.4 脉冲响应函数分析

利用脉冲响应函数，分析M1、房地产市场开发投资规模、股票市场投资规模对于通货膨胀的冲击。图3为M1、房地产市场开发投资规模以及股票市场投资规模对于通货膨胀冲击的脉冲响应函数曲线。图3是LNCPI自身以及LNM1、LNSTOCK、LNESTATE的以单位冲击 LNCPI的反应程度。虚线表示的是置信区间，实线是在一单位冲击下的反应程度。从脉冲响应函数曲来看，LNCPI对于 LNM1、LNSTOCK、LNESTATE 冲击在短期有较大的反应，其中在短期反应较大的是LNSTOCK和LNM1，而LNESTATE的波动幅度较小。从方向来看，LNCPI对 LNSTOCK和LNESTATE都是正向的反应，LNSTOCK在大约第五期达到顶峰，LNM1在第十期达到顶峰。而后逐渐收敛于0，即LNSTOCK与LNM1给予LNCPI的冲击反应在此后逐渐减弱。而LNCPI对于LNESTATE的反应短期波动幅度较小，且下降成负值。这说明在短期内LNCPI对于LNESTATE的反应较小，且是相反方向。在大约15期达到顶峰之后，逐渐收敛于0。

图3 变量的脉冲响应函数

3.2.5 方差分解

VAR模型的方差分解是分析每一个结构冲击对内生变量变化的贡献度。表5是期间内方差分解的具体百分比。其中期数的选取是根据各个变量贡献率的变化情况选取。LNM1从1期开始贡献比率不断增加，在24期达到高峰，为26.07455%，此后贡献率保持平稳，在末期为25.70547。LNSTOCK在从1期开始贡献率保持增加，在末期贡献率达到31.36066%。LNESTATE的贡献率从1期开始增加，在37期达到一个高峰，贡献率为5.943590%，此后保持平稳，期末贡献率为5.927194。从总体上看，LNCPI自身的贡献最大，其次是 LNSTOCK，LNM1贡献小于 LNSTOCK，而LNESTATE的贡献最小。

4 结论与建议

本文运用censusX12季节调整法以及VAR模型对于 LNCPI、LNM2、LNSTOCK、LNEST 这几种变量的联系进行分析，根据实证结果。得出如下结论：

（1）股票市场的融资规模对于通货膨胀来说有正向的冲击，而房地产开发投资规模则有负向的冲击。股票市场一方面吸收了资金，另一方面也通过财富效应、托宾Q效应、信用渠道、预期等来影响通货膨胀。而房地产开发投资的资金规模较大，占用了大量的资金，并且具有一定的建设周期。房地产的扩张到达一定程度会形成楼市泡沫，但其扩张确实拉低了通货膨胀。

（2）单位股票市场的融资规模对于通货膨胀有十分显著地影响，贡献率较高。而单位房地产市场融资规模对于通货膨胀的影响较小。股票市场的融资更多是一种投资。观察近年来股票市场的交易量发现股票市场的交易量较大，这说明股票市场的流通较为便利。因此，股票市场虽然吸收大量资金，但是由于其流通便利，因此影响有限。并且股价的波动对于投资、消费等有着重要影响。考虑到房地产的开发投资规模，其对通货膨胀的影响不容忽视。

表5 VAR模型的方差分解

（3）通货膨胀情况与M2的供应量在同期趋势并不相符。一方面是由于宏观调控的滞后性，另一方面也是央行根据通货膨胀水平对货币供应量进行把控。因此，才会出现这种趋势背离的现象。这样，对于通货膨胀的预期需要充分考虑滞后因素并且及时关注央行动向。

根据经过实证分析得出的结论，股票市场融资对于通货膨胀有显著地推动作用，而房地产市场则有一定的缓冲作用，通货膨胀的预期存在一定的困难。本文提出以下几条建议：

（1）合理引导通货膨胀预期，将多种因素纳入关于通货膨胀的分析框架。考虑到居民对于物价变动的敏感性，政府应当合理地引导公众对于通货膨胀的预期。通货膨胀偏差冲击对一定时间内的宏观经济有显著负效应（李成，2009）。马尧（2012）指出资产市场对货币政策影响越来越显著，制定货币政策需要考虑资产市场的波动。为了不使公众产生严重的通货膨胀预期偏差，应当将多种因素纳入分析框架，如考量资产市场的规模、资产价格波动以及金融创新等。

（2）保持股市的良性发展，规避股市泡沫。股票市场对通货膨胀的冲击较大，保持股市的健康与稳定发展，无论是出于发挥其融资功能还是其对货币政策的影响的考虑。股票的价格是由股票的供给与需求决定的。实体经济的发展会导致股市的走势的走强，投机行为也会影响股市，甚至产生较大幅度的波动，影响资金的正常流动，对通货膨胀的连续性产生影响。股市的监管机构应当对股市的运行进行监控，避免不合理的波动。同时央行应当借助一定的市场工具以及政策导向引导资金流向实体经济，规避泡沫，从而将股市规模控制在合理的区间内。

（3）通过宏观调控，调节房地产市场的供需失衡，减少通货膨胀的不确定性。向市场投入流动性往往存在一定的不确定性，对于投放的多与少往往没有一个可靠的标准。房地产市场的投资规模对于通货膨胀有一定的缓冲效应，对于货币政策的运行来说增加了不确定性。因此，保持房地产市场的供需平衡有利于形成合理的通货膨胀预期。目前，利率、存款准备金率以及限购政策等均是调节房地产供需的有效政策，利率、存款准备金存在“一刀切”的问题，而限购政策往往能发挥定向调控的作用。

[1]Tom Engsted，Carsten Tanggaard.The Relation Between Asset Returns and Inflation at Short and Long Horizons[J].Journal of International Financial Markets，2002，（12）：101-118.

[2]Ben Bernanke and Mark Gertler.“Should Central Bank Respond to Movements in Asset Price”?[J].American Economic Review，2001，（2）：253-257.

[3]Frederic S.Mishkin.The Transmission Mechanism And The Role of Asset Price in Monetary Policy[R].NBER Working Paper，2001，December.

[4]徐振宇，李若焱，王跃.麦金龙“中国之谜”的思考[J].投资北京，2014，（1）：94-95.

[5]张成思，佟冠良，王麟锴.中国通货膨胀驱动机制的货币主义新范式[J].经济理论与实践，2013，（4）：5-12.

[6]谢家智，张明.中国的物价上涨是货币超发引起的吗[J].经济管理，2012，（2）：1-10.

[7]郭田勇.资产价格、通货膨胀与中国货币政策体系的完善[J].金融研究，2006，（10）：23-35.

[8]李成，马文涛，王彬.通货膨胀预期与宏观经济稳定：1995—2008——基于动态随机模型一般均衡模型的分析[J].南开经济研究，2009，（6）：30-53.

[9]何慧刚.中国外汇冲销干预和货币政策独立性研究[J].财经研究，2007，（11）：18-30.

[10]徐亚平.通货膨胀预期形成的模型刻画及其与货币政策的关联性[J].金融研究，2010，（9）：19-33.

[11]伍志文.“中国之谜”：理论及基于中国的经验分析[J].财经研究，2003，（1）：27-34.

[12]李斌.经济发展、结构变化与“货币消失”——兼论对“中国之谜”的再解释[J].经济研究，2004，（6）：24-32.

[13]杨俊生.“中国之谜”：基于货币存贷差转换视角的解释[J].经济问题探索，2010，（1）：117-123.