我国创新型货币政策工具运用的效果分析

时间：2024-07-29

万光彩, 叶龙生

(安徽财经大学金融学院，安徽蚌埠 233030)

一、引言

金融危机以来，全球经济陷入低迷，量化宽松货币政策表现差强人意，效果低于预期，货币政策工具迫切要求进行结构优化和创新。美英两国相继推出定期贷款拍卖(TAF)和融资还贷款计划(FLS),成为创新型货币政策工具的首度尝试。进入2013年，中国经济转向新常态，经济增长的动力由投资驱动向创新驱动转变，货币政策也随之从数量型向价格型转变。传统的货币政策工具显然不足以应付日益复杂的经济形势，在这个过程中，央行开启了一系列创新的货币政策工具以适应经济形势和调节流动性。2017年初，央行更是推出临时流动性便利(TLF)来缓解短期的流动性紧张，拓展了创新型货币政策工具的运用。李克强总理在《政府工作报告》*详见2017年3月5日李克强《政府工作报告》。中指出，今年的货币政策要保持稳健中性，广义货币M2和社会融资规模余额预期增长均为12%左右。意味着货币政策由过去偏宽松的灵活适度走向趋紧的稳健中性。双12%的货币政策目标对我国的货币政策工具提出了挑战，在政策目标的实现过程中创新型货币政策工具的实际效果如何，是否实现了央行的预期？在过去几年，M2增速连续保持两位数的高速增长，部分年份甚至达到了20%以上，至今M2总量已经超过150万亿元，达到了GDP的2倍，货币严重超发，作为衡量金融同实体经济联系的经济指标，社会融资规模也由于银行信贷的过快增长呈现出了较大的体量和增长速度，创新型货币政策工具的使用能否有效的抑制M2和社会融资规模的过快增长，最终实现12%的货币政策目标？这是贯穿本文研究的一条主线，图1是M2和社会融资规模近期的表现情况。

二、文献综述

对于货币政策工具及其效果的研究，国外学者起步较早，最早追溯到Sims(1980)首次提出VAR模型并将其运用到美德两国货币政策实施效果的分析中，提出了货币政策实施效果分析的新思路。[1]随后，理论不断发展，趋于成熟。其中，比较有代表性的观点有： Fernando A. et al(2007)对数量型和价格型框架下的政策工具实施效果进行对比分析，从整体看，数量型货币政策工具实施效果更好，利率更是成为最优的数量型货币政策工具，而货币供应量的表现则差强人意[2]；Tuuli Koivu(2009)就各国央行应对金融危机后恢复经济增长展开论述，表明传统的货币政策工具已经捉襟见肘，必须对货币政策工具进行改进和创新[3]；Longzhen Fan(2011)对公开市场操作在宏观经济调控框架进行分析，发现其运用在不断拓展，效果也在持续优化[4]。这些具有参考价值的研究成果对我国创新型货币政策工具的运用提供了借鉴和启示。

图1 2014年4月-2017年2月M2和社会融资规模月度值(单位：亿元)(资料来源：Wind资讯，下同)

国内学者对于货币政策工具的研究主要集中在金融危机以后，随着货币政策框架的转变以及整体经济环境的变化，对于货币政策工具在理论上的认识以及实践上的运用也在不断加深和推进。整体来看，国内学者的研究主要集中在其货币政策工具的实施效果、数量型与价格型货币政策工具的比较以及货币政策工具优化创新三个方面。

关于货币政策工具实施效果的研究，卢庆杰(2007)认为在央行货币政策调控由直接向间接转变的过程中，央行的可控性直接决定了货币政策工具的有效性，目前货币政策工具的使用存在着局限性与不足，因此，应该通过综合考量，系统把握，才能发挥出货币政策工具的有效性[5]。郭保民(2011)基于金融危机后我国经济的宏观调控，对传统货币政策工具“三大法宝”深入阐述和分析，结合VAR模型对流动性管理工具进行实证探究，结果表明当前我国货币政策工具的调控效果整体不甚理想，提出发展货币市场，完善汇率形成机制等建议[6]。在数量型和价格型货币政策工具的比较方面，许多学者主张采用DSGE模型建模，针对通胀目标和产出目标等对二者的绩效进行对比探究，结果均表明价格型货币政策工具相较于数量型工具更加优越，在保持货币政策连续性和一致性的前提下，加大利率政策和汇率政策等价格型工具的使用力度，提升不同货币政策工具之间的协同配合，促进货币政策调控框架和范式的转变(马文涛，2011，曲琦、郭步超，2013)[7-8]。此外，也有学者采用VAR模型进行实证分析，但得出的结论不尽相同，王君斌等(2013)使用SVAR模型分析，结果表明，在实现通胀和调节产出目标面前，利率政策均呈现出了良好的效果，并且有效地熨平了经济的过度波动[9]；与之相反，高鸿(2012)从运行特点和现实选择出发，结合VAR模型论证，表明无论是央行的可控性，还是货币政策工具的反应时滞及影响力，数量型货币政策工具远优于价格型工具[10]。总体来说，价格型货币政策工具更优基本上成为学界的共识。对于货币政策的创新优化方面,冀志斌、周先平(2011)将政策工具创新的视角延伸到中央银行沟通上，发现其对短期利率和股价的日波动率的调节能力显著，发挥其与传统货币政策工具的协调配合，有助于提升货币政策有效性[11]；王剑(2011)提出基于资产的准备金制度以应对经济形势变化，缓解宏观调控和结构优化中的困境，为货币政策工具的创新提供思路[12]；马理、刘艺(2014)将关注的视角具体到借贷便利类货币政策工具，在相关文献述评的基础上，对其在相关国家的传导渠道和实施效果进行总结分析，验证了其降低经济波动的效果[13]；胡宏海(2015)、史艺琼(2016)也对常备借贷便利进行探究，结合当前国情，对货币政策工具箱进行丰富优化，并将其与我国货币政策工具转型联系起来[14-15]；张景智(2016)从结构效应和总量效应两个角度对稳健货币政策下的新型货币政策工具进行探究，表明其结构效应大于总量效应，精准发挥了定向微刺激的效果[16]；余振等(2016)以央行PSL的实际操作为例，详细阐述创新性货币政策工具的作用机理，并对其实施结果进行梳理，重点强调了央行的市场公信力和政策可信度。[17]

国内外学者对货币政策工具的选择组合、实施效果以及优化创新都做出了较为深入的研究，但是由于国内学者对货币政策工具研究的起步较晚，对创新型货币政策工具的研究不够深入，且大多数学者的研究停留于定性层面，对于经济新常态以来的创新型货币政策工具该如何实施以及实施效果并没有给出明确的回答，同时，对创新型货币政策工具的主次也没有明确的判断。本文通过对创新型货币政策工具的梳理，结合双12%的货币政策目标，对创新型货币政策工具的实施效果做出了解答，体现了文章的新颖性，同时对创新工具主次结构和协调使用也提出了新的看法。

三、创新型货币政策工具在我国的实践

2013年经济进入新常态以来，央行开始对创新型货币政策工具进行探索，相继推出了常备借贷便利(SLF)、短期流动性调节(SLO)、中期借贷便利(MLF)、抵押补充贷款(PSL)等，在2017年更是推出了临时流动性便利(TLF)；对市场流动性进行调节。这些创新型货币政策工具的频繁使用，一方面表明了央行货币政策工具运用的灵活性，另一方面也体现了央行对于货币政策实施的主动把控能力。从期限结构来看可以将创新型货币政策工具分为两类：一类为短端利率调节工具，其中包括常备借贷便利(SLF)、短期流动性调节(SLO)以及临时流动性便利(TLF)；一类为中长端利率调节工具，主要包括中期借贷便利(MLF)和抵押补充贷款(PSL)。

(一)短端利率调节工具

目前，借贷便利类的货币政策工具在全球大多数中央银行都付诸实施，尽管其名称各异，但操作目的不尽相同，都是为央行管理流动性提供供给渠道。借鉴国际经验，央行于2013年初创设了常备借贷便利(SLF)，以解决政策性银行以及全国性的商业银行较大额的流动性需求。自SLF推出以来，无论是从使用频率还是从使用规模来看，央行都表现出对SLF的青睐，当然，这与SLF覆盖面广，针对性强，主动把控能力突出的使用特点密切相关。随着SLF的不断推广，央行将SLF的服务范围拓宽到符合条件的中小型金融机构。在最新的《货币政策执行报告》*详见中国人民银行网站《2016年第四季度中国货币政策执行报告》。中，央行更是有意将其打造为未来利率走廊政策框架中的上限利率。

在推出SLF之前，央行就曾在2013年1月份试推出一项创新流动性管理工具，初定12家商业银行为参与机构，以7天以内的短期回购为主，这是央行构建SLO的雏形。出于对灵活性和主动性的考虑，对公开市场常规操作进行必要补充，央行于2014年1月18日正式启用公开市场短期流动性调节工具(SLO)，促进银行体系流动性和货币市场利率平稳运行。作为央行投放和回笼货币资金的一项政策手段，2014年12月下半月央行的SLO操作引发了广泛关注，在短短不过15天内，央行就进行了8次短期流动性操作，无论是在期限品种还是资金操作上，都达到了相当程度。SLO即时启用的特点，提升了正、逆回购工具的主流地位，使其在流动性调控上更趋精准，未来存款准备金率的使用频率也会因此减少甚至淡出。整个2016年，央行仅启用一次定向降准，这也从侧面对SLO的影响进行了验证。央行对SLO的应用主要在于资金投放，只进行了3次回笼操作，共计4500亿元。关于SLO的投放情况见图2。

为了更进一步缓解市场紧张形势，央行于2017年初推出的临时流动性便利(TLF)，这种不需要抵押物的流动性工具投放虽然只能起到临时缓解作用，但也是货币当局的一次有益尝试，由于其推出时间尚短，对其作用机制尚不明确，其实施效果也有待时间检验。

(二)中长端利率调节工具

受限于常规的降息降准货币政策，同时为支持三大政策性银行发放棚改、重大水利工程和人民币“走出去”项目贷款等，2014年4月，央行创设抵押补充贷款(PSL)，意欲通过扩大定向宽松来刺激经济复苏。作为一项新型储蓄型货币政策工具，PSL作为新渠道为基础货币投放提供长期稳定、成本适当的资金来源。从性质上来说，PSL身兼两重，一方面增加央行基础货币投放量表现数量型特征，另一方面引导市场中期利率水平体现价格型本质。由于PSL期限较长，一般在3年以上，使得其一经推出，就极大地满足了基建类和民生类等长期性项目的资金需求。

由于资本流动，财政支出等变化扰动以及资本市场IPO等多方面的因素，严重影响到银行体系的流动性，从完善价格型调控框架的角度出发，2014年9月，央行启用中期借贷便利(MLF)，与SLF相互呼应。MLF在市场上主要发挥中期利率的作用，在结构微调以及资金定向投放方面，MLF成为货币政策的指示灯，调节资金流向，引导市场利率，满足公众预期。自从推出以来，就得到迅猛发展和深入应用，有效地降低了社会的融资成本以及金融机构的贷款成本。

对于SLF,MLF和PSL的市场表现见图3，同时，对我国的创新型货币政策工具进行比较分析，结果见表1。

四、实证分析

(一)模型介绍和变量说明

由于目前对创新型货币政策工具与货币政策目标之间的传导机制尚不明确，不具有成熟的经济理论基础，为了避免出现经济理论假定与现实不符，本文主张采用非结构化VAR模型进行研究，直接通过数据模拟表明变量间的动态联系，更加贴切实际。

VAR(P)模型的具体数学表达式为：

yt=φ1yt-1+…+φpyt-p+HXt+εt

其中yt是K维内生变量列向量;Xt为外生变量向量，滞后阶数为p; εt为误差向量，可以同期相关，不与自身滞后值和其他变量相关；t的取值为1,2,…，T；其他项均为待估系数矩阵。

图2 SLO投放利率与数量(单位：亿元)

图3 SLF,MLF和PSL的期末余额(单位：亿元)

表1 创新型货币政策工具的对比分析

注：由于TLF推出时间尚短，本文未对其进行总结。

由于本文主要对进入新常态以来的创新型货币政策工具的实施效果进行探究。所以，对于变量的选取方面，本文主要集中在政策工具变量和政策目标变量上。

1.政策工具变量

本文选取的创新型货币政策工具变量依次是SLF,SLO,PSL,MLF。由于央行没有对SLO的数据完全公布，同时SLO主要是以7天以内的短期回购为主，本文拟采用根据1天期和7天期的全国银行间质押式回购交易量之和对其进行替代，为了保持数据的一致性，所有指标均采用其月度期末余额数据，同时进行对数处理，消除可能存在的异方差性。经过对数处理后的变量分别命名lnslf,lnslo,lnpsl,lnmlf。

2.政策目标变量

考虑到货币政策最终指标具有较长的时滞，不宜作为政策目标变量，结合李克强总理在《政府工作报告》中提到的双12%的货币政策目标，本文选取M2和社会融资规模(SFS)两个中介指标作为衡量创新型货币政策工具实施效果的政策目标变量,为了消除M2和SFS的季节性趋势，对原始数据进行处理，均采用同比发展速度进行测定。处理后的数据命名为m2和sfs。

考虑到样本数据的可得性，样本初始期为2014年4月(PSL的推出日期)，结束期为2017年2月(双12%货币政策目标提出的前一个月)。所有数据均来自Wind资讯。

(二)实证检验

1.平稳性检验

在对处理过后的变量建模之前，首先对所有的变量序列及其一阶差分进行ADF检验，检验结果见表2。

检验结果表明所有变量的原序列在1%的显著性水平下均不平稳，经过一阶差分后，变量序列平稳，所有变量均是一阶单整序列。

2.VAR模型稳定性检验和滞后阶数选择

由于一阶差分后序列平稳，符合初步构建VAR模型的基本条件，对政策工具变量同m2和sfs分别构建VAR模型，命名为VAR(m2)和VAR(sfs)，通过不断尝试，确定VAR模型的最大滞后阶数为4，对其最优滞后阶数的检验见表3。

表2 单位根检验(ADF)结果

注：(1)“检验类型”中的C，T分别表示含常数项和含趋势项，n表示滞后阶数；(2)滞后阶数的选择以SIC的值为准则；(3) d表示一阶差分，选取的显著性水平为1%。

表3 VAR模型最优滞后阶数确定

对5个检验统计量的指示情况进行综合考虑，确定两个VAR系统的最优滞后阶数都为1，重新构建VAR系统，仍以原命名表示。VAR模型的稳定性检验见图4。

VAR(m2)和VAR(sfs)的AR根检验图中的所有单位根均小于1，落在单位圆内，两个VAR模型都是稳定的。

由于VAR是无约束的，而协整是有约束的，协整检验的最优滞后一般为VAR的最优滞后减去1，对于两个VAR模型来说协整检验的滞后阶数均为0，无法进行johansen协整检验，变量间不存在协整关系，但这并不影响对VAR模型进行脉冲响应和方差分解。

3.脉冲响应与方差分解

在满足VAR系统稳定性的前提下，将政策工具变量分别对m2和sfs进行脉冲响应，研究模型受到某种冲击时对系统的动态影响，脉冲响应函数见图5。

图4 VAR(m2)和VAR(sfs)的AR根图

图5 VAR(m2)和VAR(sfs)的相关脉冲响应函数图

对VAR(m2)的脉冲响应进行分析，在给定一个lnslf标准差的冲击后，对m2的正向冲击迅速转为负向冲击，并于第三期达到负向冲击的峰值，约在-0.03到-0.04之间，此后一直维持负向冲击，但效果越来越弱，直至趋向于0。lnmlf对m2的脉冲响应与lnslf大同小异，只不过一直维持负向冲击，冲击先强后弱，峰值仅在-0.02左右。说明整体来看,SLF和MLF都发挥了抑制和削弱M2过度增长的作用，尽管两者作用期限相当，但SLF作用力度更大。反观SLO和PSL,整体来看对M2增长都具有正向促进作用，只不过lnslo对m2的系统冲击很快由负转正，负向冲击仅维持3期，而lnpsl则一直维持正向冲击，从峰值和波动范围看，两者对于M2的增长作用有限。

对VAR(sfs)的脉冲响应进行分析，lnslf对sfs的脉冲响应与其对m2的脉冲响应均表现出先正后负的趋势，但其负向冲击峰值出现更早，在第2期，且峰值更大，约为-0.08，同时作用期限较短，差不多于第6期后就趋向于0，整体表现为对社会融资规模增长的反向抑制作用。lnslo的表现则恰恰相反，先负后正，峰值分别为-0.08和0.04，分别于第2和第3期达到，作用迅速，随后渐渐趋向于0。正负作用参半。Lnpsl和lnmlf的脉冲响应函数图形类似，呈现正“V”型，均在第2期实现峰值，第3期就趋向收敛，略有不同的是，lnmlf的冲击先负后正，不同于lnpsl的冲击，几乎完全为正，且其峰值不到0.04，远远低于lnpsl将近0.12的水平，整体均表现为对社会融资规模增长的正向促进作用。横向对比来看，创新型货币政策工具对社会融资规模的冲击相较于M2来说，作用更为迅猛，到达峰值期数更短，峰值更大，但同时作用期限远远低于M2。

脉冲响应考察了给定冲击对于系统的动态影响，但不同结构冲击对内生变量变化的贡献度则依赖方差分解来反映，表4、表5展现了两个VAR系统方差分解的情况。

表4 VAR(m2)的方差分解

表5 VAR(sfs)的方差分解

在给定一个标准差的结构冲击后，经过10期的方差分解，对于VAR(m2)系统来说，SLF和MLF在第10期分别达到了近30%和16%的方差贡献度。相对于SLO的7%和PSL的5%来说，对M2的增减变化显得更加重要，对于VAR(sfs)系统来说，SFS自身在第10期的方差贡献度仍然达到83%左右，远远超过M2在第10期的43%,创新型货币政策工具对于M2的影响远远超过对社会融资规模的影响，这点与脉冲响应的结论不谋而合。说明创新型货币政策工具对于M2的调控能力还有待增强。

五、结论和展望

总体来说，无论是传统货币政策工具还是创新型货币政策工具，本质上讲都是央行为实现一定的货币政策目标而采取的手段。评判货币政策工具的唯一标准就是其实施效果。通过本文的分析我们能够得出结论：SLF和MLF对抑制M2的快速增长起到了重要的作用，创新型货币政策工具对M2展现了良好的调控能力但对社会融资规模没有发挥应有的作用，各个创新型货币政策工具的贡献度都很小。为此，本文提出以下建议：

第一，在央行多元化目标中盯住核心目标，确保流动性稳定。对于M2来说，SLF和MLF展现出了良好的把控能力，要坚定地将SLF和MLF分别打造成短端和中长端利率调控体系的核心工具，确定其主导地位，同时加强政府与市场的沟通，使央行的操作能够准确传递政策信号，避免由于市场与央行之间理解偏差造成政策含混。完善货币政策的预期引导，实现货币政策的宏观调控目标。

第二，重新建立金融监管框架，加强货币政策同信贷政策之间的协调配合。创新型货币政策工具对于社会融资规模的调控不尽如人意，还是由于其未能控制住信贷规模的快速增长，很多资金未能流入到实体经济中，高负债和高杠杆加剧了金融体系的风险。因此，央行一方面可以考虑实施差别信贷政策，合理分配信贷资金，另一方面，在稳健中性的货币政策目标面前适当对法定存款准备金进行灵活调整，但一定要注意调整的幅度，避免给市场带来信息误判。

第三，加强传统与创新型货币政策工具的协调使用，不断探究更优的货币政策工具组合。央行现有的货币政策工具已经表现的相当丰富，尽管创新型货币政策工具在一定程度上维护了宏观经济的平稳运行，但是对创新工具过于频繁的运用，不仅有眼花缭乱之感，也呈现出一定的反作用，相对来说，与审慎且严肃的稳健中性目标的定位显得有点出入。货币政策工具运用的关键不在于其数量的多寡，而在于工具之间的优化组合，既要把握住其与传统型货币政策工具的共性与差异，取长补短，又要注重其自身间的协同配合，根据经济形势的变化，不断做出相应的调整，发挥组合功能的最大化。

毫无疑问，创新型货币政策工具的推出丰富和完善了我国的货币政策工具箱，也为货币政策由数量型向价格型框架转变，构建利率走廊做出了贡献。以传统货币政策工具为主，创新型货币政策工具为辅的工具框架已经基本构建起来，但是，创新型货币政策工具在市场上的运用也呈现出诸如市场波动加剧、预期紊乱、抵押品紧张等弊端，在央行多元目标制的框架下，如何在确保流动性稳定的大前提下，最大限度地发挥创新型货币政策工具的调控效力，最终实现双12%的货币政策目标，成为我们下一步探究的方向。

[1] Sims C A.Macroeconomics and Reality[J].Econometrics,1980,48(1):1-48.

[2] Fernando A, Andrew A, Patrick J K. If Exchange Rates are Random Walks, Then Almost Everything We Say About Monetary Policy is Wrong[J]. American Economic Review, 2007,97(2):339-345．

[3] Tuuli Koivu.Has the Chinese Economy Become More Sensitive to Interest Rates Studying Credit Demand in China[J].China Economic Review,2009,20(3):455-470．

[4] Longzhen Fan,Yihong Yu,Chu Zhang.An Empirical Evaluation of China Monetary Policies[J].Macroeconomics,2011,33:358-371．

[5] 卢庆杰.中国货币政策工具有效性分析[J].复旦学报(社会科版),2007(1):47-56.

[6] 郭保民.当前金融宏观调控中货币政策工具的效应研究[J].经济问题,2011(4):73-77.

[7] 马文涛.货币政策的数量型工具与价格型工具的调控绩效比较——来自动态随机一般均衡模型的证据[J]. 数量经济技术经济研究,2011(10):92-110.

[8] 曲琦,郭步超.价格型与数量型货币政策工具比较——基于包含时变通胀目标的DSGE模型[J].技术经济,2013(12):96-103.

[9] 王君斌,郭新强,王宇. 中国货币政策的工具选取、宏观效应与规则设计[J]. 金融研究,2013(8):1-15.

[10] 高鸿.当前我国货币政策工具调控的效果与改进方向[J].经济问题,2012(12):79-82.

[11] 冀志斌,周先平.中央银行沟通可以作为货币政策工具吗——基于中国数据的分析[J].国际金融研究,2011(2):25-34.

[12] 王剑.基于资产准备金制度的货币政策工具创新——兼论资产准备金制度的局限性及面临的难题[J].现代财经(天津财经大学学报),2011(7):50-58.

[13] 马理,刘艺.借贷便利类货币政策工具的传导机制与文献述评[J].世界经济研究,2014(09):23-27.

[14] 胡宏海.金融创新背景下中国最优货币政策工具选择[J].经济与管理研究,2015(10):40-44.

[15] 史艺琼.常备借贷便利与我国货币政策工具转型[J].知识经济,2016(2):37.