陳荊松,李映妮,羅 振,苑小娟（中南財(cái)經(jīng)政法大學(xué) 統(tǒng)計(jì)與數(shù)學(xué)學(xué)院，武漢 430073）

金融脫媒對(duì)貨幣政策傳導(dǎo)機(jī)制影響的實(shí)證

陳荊松,李映妮,羅 振,苑小娟
（中南財(cái)經(jīng)政法大學(xué) 統(tǒng)計(jì)與數(shù)學(xué)學(xué)院，武漢 430073）

文章運(yùn)用貝葉斯方法去估計(jì)向量自回歸VAR模型，即用BVAR模型去探究金融脫媒對(duì)不同貨幣政策傳導(dǎo)機(jī)制的影響。得到結(jié)論：金融脫媒在一定程度上抑制了利率渠道，并弱化了信貸渠道，卻強(qiáng)化了資產(chǎn)價(jià)格渠道的作用。

金融脫媒；貨幣政策傳導(dǎo)機(jī)制；貝葉斯向量自回歸（BVAR）

0 引言

金融脫媒（Financial Disintermediation），是指在經(jīng)濟(jì)金融化與金融市場(chǎng)化的進(jìn)程中，資金的需求與供給雙方繞開金融中介而直接進(jìn)行融資的現(xiàn)象。金融脫媒的出現(xiàn)，不僅給傳統(tǒng)商業(yè)銀行帶來了更多的挑戰(zhàn)，也極大地影響了貨幣政策的傳導(dǎo)機(jī)制。在貨幣政策利率傳導(dǎo)渠道方面，金融脫媒極大地改變了企業(yè)的融資方式，使得企業(yè)在資本市場(chǎng)的直接融資中對(duì)利率更為敏感，從而疏通了貨幣政策的利率傳導(dǎo)渠道。

當(dāng)前，國(guó)內(nèi)學(xué)者們?cè)诮鹑诿撁綄?duì)貨幣政策傳導(dǎo)機(jī)制的影響方面的研究相對(duì)集中在向量自回歸模型（VAR）或者結(jié)構(gòu)向量自回歸模型。然而在實(shí)際的經(jīng)濟(jì)系統(tǒng)中，傳統(tǒng)模型對(duì)數(shù)據(jù)與參數(shù)依賴性較強(qiáng)，并且貨幣政策在實(shí)際傳導(dǎo)過程中也可能存在諸多隨機(jī)不確定性因素，因此用貝葉斯VAR模型能較好地避免這些不利因素，有可能更好地解決貨幣政策傳導(dǎo)過程中存在的不確定性問題。

1 貝葉斯向量自回歸（BVAR）模型

1．1 向量自回歸（VAR）模型

向量自回歸VAR模型最初是由學(xué)者Sims（1980）所提出的，用以研究多變量的時(shí)間序列問題。

假設(shè)兩個(gè)時(shí)間序列變量{y1t，y2t}，分別為兩個(gè)回歸方程的被解釋變量；這兩個(gè)變量的p階滯后值作為回歸方程的解釋變量，以此構(gòu)成了一個(gè)簡(jiǎn)單的二元的VAR（p）模型：

其中，{ε1t}與{ε2t}是白噪聲過程，不存在自相關(guān)，但兩個(gè)回歸方程的擾動(dòng)項(xiàng)之間允許存在同期相關(guān)性：

兩個(gè)方程的解釋變量完全一樣，將兩個(gè)方程寫在一起：

將同期變量寫成列向量，并把相應(yīng)的系數(shù)合并為矩陣：

定義相應(yīng)的系數(shù)矩陣為Γ0，Γ1，...，Γp，可得：

由于與AR（p）相似，故并名為VAR（p）。

在宏觀經(jīng)濟(jì)和金融領(lǐng)域廣泛運(yùn)用的VAR模型隨著變量的增多、滯后階數(shù)的增大，會(huì)產(chǎn)生大量的待估參數(shù)，其數(shù)量將以平方的速度增加。大量的參數(shù)估計(jì)無疑將導(dǎo)致過度擬合問題。

1．2 貝葉斯向量自回歸（BVAR）模型

為克服VAR模型中參數(shù)過多的問題，Litterman（1986）提出了Minnesota先驗(yàn)分布，用貝葉斯的方法來估計(jì)VAR模型，即貝葉斯向量自回歸（BVAR）模型。BVAR利用包含信息的先驗(yàn)分布彌補(bǔ)樣本中的信息缺失，以減少估計(jì)的不確定性。

除Minnesota先驗(yàn)分布之外，還有以Wishart先驗(yàn)分布為基礎(chǔ)發(fā)展起來的Normal-Wishart先驗(yàn)分布和Independent Normal-Wishart先驗(yàn)分布。George（2008）提出了SSVS先驗(yàn)分布，以及將SSVS與Wishart結(jié)合起來的先驗(yàn)分布。Koop（2013）考察了不同的先驗(yàn)分布，結(jié)果證明相比于VAR模型，基于貝葉斯方法的VAR模型，即BVAR更加具有穩(wěn)健性。本文采取SSVS與Wishart結(jié)合起來的先驗(yàn)分布進(jìn)行貝葉斯估計(jì)。

假設(shè)有一個(gè)模型A，模型的參數(shù)由θA表示，模型的參數(shù)的概率密度函數(shù)為p。那么該模型A參數(shù)的先驗(yàn)分布假設(shè)為p(θA|A)。在貝葉斯估計(jì)中一般采取試錯(cuò)的辦法來確定更優(yōu)的分布。再利用觀測(cè)數(shù)據(jù)得到給定模型及觀測(cè)值條件下的似然函數(shù)：

在已有先驗(yàn)概率密度函數(shù)與似然函數(shù)條件下，運(yùn)用貝葉斯定理得到事后分布。則事后分布的密度函數(shù)為：

p(YT|A)為邊緣密度函數(shù)，并且：

并計(jì)算出事后分布的核密度函數(shù)：

K(θA|YT，A)為核密度函數(shù)。運(yùn)用卡爾曼濾波和Metropolis-Hastings算法等可得到事后分布。

2 金融脫媒指數(shù)的測(cè)度與數(shù)據(jù)選取

2．1 金融脫媒指數(shù)的測(cè)度

對(duì)于金融脫媒指標(biāo)的測(cè)度，本文借鑒了Roldos（2006）和宋旺（2010）的方法，使用直接融資占社會(huì)融資總額的比重來衡量我國(guó)的金融脫媒現(xiàn)象。

其中，直接融資主要是指股票融資額和企業(yè)債券發(fā)行額，間接融資主要是指人民幣貸款額。指標(biāo)上升說明直接融資渠道占比增加，進(jìn)而表明金融脫媒程度正在加大，數(shù)值變化可以反應(yīng)我國(guó)金融脫媒發(fā)展趨勢(shì)。

圖1我國(guó)的金融脫媒指數(shù)FD

從圖1可以看出，我國(guó)的金融脫媒指數(shù)FD在2005年之前都在0.2左右的一個(gè)較低的位置浮動(dòng)，從2005年開始迅速攀升，到2007年第三季度到達(dá)頂峰0.8左右，在2008年迅速跌落，之后幾年里有所回升，基本維持在0.4的水平。這是由于2005年我國(guó)的債券市場(chǎng)擴(kuò)容，股票市場(chǎng)快速發(fā)展，并在2007年到達(dá)巔峰。在2008年全球金融危機(jī)的影響下，我國(guó)股市低迷，例如2010年IPO暫停等，但由于新三板和互聯(lián)網(wǎng)金融的刺激，我國(guó)的金融脫媒指數(shù)有所回升。

2．2 數(shù)據(jù)的選取

本文選擇Mt來表示貨幣供應(yīng)量M，產(chǎn)出Y用來表示國(guó)民生產(chǎn)總值，利率r為7天上海同業(yè)拆借率SHIBOR，固定投資完成額用投資I表示。資產(chǎn)價(jià)格選取股票價(jià)格為研究對(duì)象，選擇上證綜合指數(shù)作為股票價(jià)格INDEX，消費(fèi)C則選取社會(huì)消費(fèi)品零售總額作為變量。商業(yè)銀行的貸款量LOAN使用金融機(jī)構(gòu)人民幣境內(nèi)各項(xiàng)貸款余額來表示。本文的數(shù)據(jù)區(qū)間從2002年1月到2015年3月，表示產(chǎn)出Y的國(guó)民生產(chǎn)總值的數(shù)據(jù)為季度數(shù)據(jù)，除此之外的其他數(shù)據(jù)均是月度數(shù)據(jù)。數(shù)據(jù)來源于中經(jīng)網(wǎng)數(shù)據(jù)庫(kù)和中國(guó)人民銀行官網(wǎng)等。

首先，由于產(chǎn)出Y為季度數(shù)據(jù)，為保證樣本的統(tǒng)一性，故將其他所有變量的月度數(shù)據(jù)通過算數(shù)平均轉(zhuǎn)化為季度數(shù)據(jù)。其次，由CPI數(shù)據(jù)換算出通貨膨脹率，進(jìn)而得出實(shí)際利率r、實(shí)際產(chǎn)出Y和實(shí)際貨幣供應(yīng)量M等。再次，為消除季度數(shù)據(jù)的季節(jié)性周期影響，采用Census X-12方法對(duì)數(shù)據(jù)進(jìn)行調(diào)整以避免季節(jié)性的干擾。最后，為減小異方差性對(duì)時(shí)間序列數(shù)據(jù)的影響和去量綱化，考慮到利率r和金融脫媒指數(shù)FD已經(jīng)是百分比表示變化率的變量，因此對(duì)除利率r和金融脫媒指數(shù)FD之外的其他變量取對(duì)數(shù)。

3 金融脫媒對(duì)貨幣政策傳導(dǎo)渠道影響的實(shí)證

3．1 利率傳導(dǎo)渠道

貨幣政策利率傳導(dǎo)渠道是由于貨幣增發(fā)導(dǎo)致利率降低，進(jìn)而使得投資增加，最后引致產(chǎn)出的增加。首先建立如下不含有金融脫媒因素FD的貝葉斯向量自回歸BVAR-1模型：

以及加入金融脫媒因素而建立的BVAR-2模型：

在BVAR模型中，包含有大量的參數(shù)，而這些參數(shù)的經(jīng)濟(jì)意義又非常難以單獨(dú)解釋，故將注意力集中于脈沖響應(yīng)函數(shù)的分析。脈沖響應(yīng)函數(shù)則是描述了某內(nèi)生變量的沖擊對(duì)其他變量帶來的影響，即某個(gè)變量對(duì)另一個(gè)變量的一個(gè)標(biāo)準(zhǔn)信息單位正向沖擊。

首先在沒有加入金融脫媒因素的BVAR-1模型中，分別得出投資對(duì)貨幣供應(yīng)量和利率的脈沖響應(yīng)函數(shù)。其脈沖響應(yīng)結(jié)果如圖2和圖3所示，其中橫坐標(biāo)代表了沖擊的滯后階數(shù)，縱坐標(biāo)代表了沖擊單位，中間的曲線代表了脈沖響應(yīng)后驗(yàn)分布的均值，兩側(cè)曲線分別表示脈沖響應(yīng)函數(shù)后驗(yàn)分布16%和84%的均值。

圖2 BVAR-1中投資對(duì)貨幣供應(yīng)量的脈沖響應(yīng)

圖3 BVAR-1中投資對(duì) 利率的脈沖響應(yīng)

其次，在加入了金融脫媒因素的BVAR-2模型中，再次分別得出投資對(duì)貨幣供應(yīng)量和利率的脈沖響應(yīng)函數(shù)。其脈沖響應(yīng)結(jié)果如圖4和圖5所示。

圖4 BVAR-2中投資對(duì)貨幣供應(yīng)量的脈沖響應(yīng)

圖5 BVAR-2中投資對(duì) 利率的脈沖響應(yīng)

由圖3和圖5可知，在BVAR-1中投資對(duì)于利率的一個(gè)正向沖擊，在第二期達(dá)到最小值，隨后兩期雖有波動(dòng)，但最終穩(wěn)定于-0.01的單位水平。而在金融脫媒影響下的BVAR-2中，投資對(duì)于利率的一個(gè)正向沖擊，趨勢(shì)與BVAR-1大致相同，但波動(dòng)幅度更小。這與理論分析的結(jié)果金融脫媒強(qiáng)化了貨幣政策的利率政策有所出入，可能的原因是：雖然金融脫媒現(xiàn)象能夠使企業(yè)獲得更多的利率型的資產(chǎn)，使企業(yè)更容易受到利率變動(dòng)的影響，但是隨著金融脫媒的不斷深化，企業(yè)繞過銀行媒介的間接融資，能夠在資本市場(chǎng)取得更多的融資渠道，從而降低了資本市場(chǎng)à易的金融摩擦。而金融摩擦的降低可能會(huì)減小產(chǎn)出缺口變換的持續(xù)性，進(jìn)而減弱產(chǎn)出對(duì)于利率的反應(yīng)。因此，金融脫媒在一定程度上減弱了貨幣政策的利率途徑，使其對(duì)于投資和產(chǎn)出的促進(jìn)效果大打折扣。另外，我國(guó)的利率政策并不完善，利率市場(chǎng)化也不完善，存款利率和定價(jià)機(jī)制不能隨行就市。金融脫媒使得資金供求雙方繞開銀行，更少受到當(dāng)局監(jiān)管，無意之中增加了資本市場(chǎng)的風(fēng)險(xiǎn)性與不確定性。因此，金融脫媒對(duì)貨幣政策的利率傳導(dǎo)渠道總的來說還是增加了風(fēng)險(xiǎn)波動(dòng)性、減弱了最終效果。

3．2 資產(chǎn)價(jià)格傳導(dǎo)渠道

貨幣政策利率傳導(dǎo)渠道是由于貨幣增發(fā)導(dǎo)致股票價(jià)格的上升，進(jìn)而使得消費(fèi)支出增加，最后增加產(chǎn)出。運(yùn)用金融脫媒指數(shù)（FD）、貨幣供應(yīng)量（M）、上證綜合指數(shù)INDEX）、社會(huì)消費(fèi)品零售總額（C）、總產(chǎn)出（GDP）建立資產(chǎn)價(jià)格傳導(dǎo)渠道下的不含金融脫媒因素FD的貝葉斯向量自回歸BVAR-3模型和加入金融脫媒因素FD后的BVAR-4模型，這里模型結(jié)構(gòu)同BVAR-1和BVAR-2。

對(duì)于脈沖響應(yīng)函數(shù)，首先在沒有加入金融脫媒因素的BVAR-3模型中，分別得出資產(chǎn)價(jià)格對(duì)貨幣供應(yīng)量、消費(fèi)對(duì)資產(chǎn)價(jià)格的脈沖響應(yīng)函數(shù)。其脈沖響應(yīng)結(jié)果如圖6和圖7所示。

圖6 BVAR-3中資產(chǎn)價(jià)格對(duì)貨幣供應(yīng)量的脈沖響應(yīng)

圖7 BVAR-3中消費(fèi)對(duì) 資產(chǎn)價(jià)格的脈沖響應(yīng)

其次，在加入了金融脫媒因素的BVAR-2模型中，再次分別得出資產(chǎn)價(jià)格對(duì)貨幣供應(yīng)量、消費(fèi)對(duì)資產(chǎn)價(jià)格的脈沖響應(yīng)函數(shù)。其脈沖響應(yīng)結(jié)果如圖8和圖9所示。

圖8 BVAR-4中資產(chǎn)價(jià)格對(duì)貨幣供應(yīng)量的脈沖響應(yīng)

圖9 BVAR-4中消費(fèi)對(duì) 資產(chǎn)價(jià)格的脈沖響應(yīng)

由圖7和圖9可知，在沒有金融脫媒影響的BVAR-3中，消費(fèi)對(duì)于資產(chǎn)價(jià)格的一個(gè)正向沖擊在第3期開始上漲，并在第8期穩(wěn)定于0.02的單位水平。而在加入金融脫媒的影響因素后，消費(fèi)對(duì)于資產(chǎn)價(jià)格的一個(gè)正向沖擊在第2期就開始上漲，并在第5期穩(wěn)定于0.03個(gè)單位水平。這與預(yù)期的效果是吻合的，金融脫媒加速了資產(chǎn)價(jià)格傳導(dǎo)渠道的效應(yīng)。其主要原因在于金融脫媒現(xiàn)象的出現(xiàn)極大地促進(jìn)了證券市場(chǎng)的發(fā)展，從而加速了貨幣政策的資產(chǎn)價(jià)格傳導(dǎo)渠道。同時(shí)，互聯(lián)網(wǎng)快速的信息à流溝通進(jìn)一步增強(qiáng)了我國(guó)資產(chǎn)價(jià)格渠道的作用，避免了貨幣政策傳遞過程中的信息衰減。

3．3 信貸傳導(dǎo)渠道

貨幣政策的信貸傳導(dǎo)渠道是由于貨幣增發(fā)引致銀行發(fā)放的貸款增加，進(jìn)而使得投資增加，從而導(dǎo)致產(chǎn)出的增加。使用金融脫媒（FD）、貨幣供應(yīng)量（M）、貸款（LOAN）、投資（I）、總產(chǎn)出（GDP）建立信貸傳導(dǎo)渠道下的不含金融脫媒因素FD的貝葉斯向量自回歸BVAR-5模型和加入金融脫媒因素FD后的BVAR-6模型，其中模型結(jié)構(gòu)同BVAR-1和BVAR-2。

對(duì)于脈沖響應(yīng)函數(shù)，首先在沒有加入金融脫媒因素的BVAR-5模型中，分別得出信貸對(duì)貨幣供應(yīng)量、投資對(duì)信貸的脈沖響應(yīng)函數(shù)。其脈沖響應(yīng)結(jié)果如圖10和圖11所示。

圖10 BVAR-5中信貸對(duì)貨幣供應(yīng)量的脈沖響應(yīng)

圖11 BVAR-5中投資對(duì) 信貸的脈沖響應(yīng)

然后，在加入了金融脫媒因素的BVAR-6模型中，再次分別得出信貸對(duì)貨幣供應(yīng)量、投資對(duì)信貸的脈沖響應(yīng)函數(shù)。其脈沖響應(yīng)結(jié)果如圖12和圖13所示。

圖12 BVAR-6中信貸對(duì)貨幣供應(yīng)量的脈沖響應(yīng)

圖13 BVAR-6中投資對(duì) 信貸的脈沖響應(yīng)

由圖11和圖13可知，在沒有金融脫媒影響下的BVAR-5中，投資對(duì)于信貸的一個(gè)正向沖擊穩(wěn)步上升并在第4期趨向于0.02個(gè)單位水平的穩(wěn)定值。而在加入了金融脫媒的影響因素后，投資對(duì)于信貸的一個(gè)正向沖擊在第2期才開始逐步增長(zhǎng)，并在第4期穩(wěn)定于0.01個(gè)單位水平附近。這與理論分析的結(jié)果是一致的，即金融脫媒弱化了貨幣政策信貸傳導(dǎo)渠道的作用。其主要原因可能是金融脫媒的不斷深化、金融市場(chǎng)的不斷發(fā)展完善、金融產(chǎn)品的不斷創(chuàng)新，資金需求者有著更多樣化的融資渠道，相較于向商業(yè)銀行貸款的間接融資渠道，資金需求者們更傾向于股票和債券等當(dāng)時(shí)融資，從而引致銀行信貸萎靡。對(duì)于貨幣政策信貸渠道來說，銀行到企業(yè)的傳導(dǎo)環(huán)節(jié)效果大打折扣。

4 結(jié)論

在我國(guó)金融體系和資本市場(chǎng)不斷完善，政府大力支持的背景下，金融脫媒有非常明顯的表現(xiàn)。本文通過BVAR模型，研究了金融脫媒對(duì)貨幣政策利率、資產(chǎn)價(jià)格、信貸傳導(dǎo)途徑的影響。我國(guó)金融脫媒的發(fā)展對(duì)加快貨幣政策的利率傳導(dǎo)渠道并未有預(yù)期的效果。對(duì)于貨幣政策信貸渠道來說，金融脫媒弱化了貨幣政策信貸傳導(dǎo)渠道的作用。從價(jià)格傳導(dǎo)渠道來看，金融脫媒的發(fā)展可以促進(jìn)資產(chǎn)的有效配置，在一定程度上強(qiáng)化了貨幣政策資產(chǎn)價(jià)格渠道的作用。從整體來看，金融脫媒一方面加快了貨幣政策的傳導(dǎo)，另一方面，金融脫媒加劇了資產(chǎn)價(jià)格的波動(dòng)，融資雙方面臨更大的資本市場(chǎng)風(fēng)險(xiǎn)。

[1]蔣瑛琨，劉艷武，趙振全.貨幣渠道與信貸渠道傳導(dǎo)機(jī)制有效性的實(shí)證分析——兼論貨幣政策中介目標(biāo)的選擇[J].金融研究，2005，(5).

[2]宋旺，鐘正生.理論金融脫媒：基于金融中介理論的詮釋[J].上海金融，2010,(6).

[3]宋旺，鐘正生.中國(guó)金融脫媒度量及國(guó)際比較[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2010,(2).

[4]伍戈，劉琨.金融脫媒與貨幣政策傳導(dǎo)：基于中國(guó)的實(shí)證分析[J].金融監(jiān)管研究，2013,(12).

[5]王飛.評(píng)價(jià)貝葉斯向量自回歸模型在區(qū)域經(jīng)濟(jì)預(yù)測(cè)中的表現(xiàn)[J].中國(guó)科技論壇，2014,(10).

[6]楊婉茜，成立為.基于貝葉斯向量自回歸的中國(guó)國(guó)債收益率預(yù)測(cè)[J].統(tǒng)計(jì)研究，2015,(8).

（責(zé)任編輯/劉柳青）

F830.9

A

1002-6487（2016）24-0166-04

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（2012094）

陳荊松（1979—），男，湖北荊州人，博士，副教授，研究方向：金融計(jì)量模型。李映妮（1991—），女，四川廣安人，碩士，研究方向：數(shù)量經(jīng)濟(jì)學(xué)。