倪　民

(中國人民銀行 吳江支行，江蘇 蘇州 215200)

一、引　言

隨著金融體制的深化改革、金融市場的快速發(fā)展、金融產(chǎn)品和服務(wù)的不斷創(chuàng)新，我國社會(huì)融資格局發(fā)生了深刻的變化，一個(gè)突出的特征就是融資方式的多元化。雖然銀行貸款依然是我國企業(yè)外部融資的主要來源，但委托貸款、信托貸款、企業(yè)債券、股票融資等融資方式的出現(xiàn)及廣泛使用導(dǎo)致我國社會(huì)融資結(jié)構(gòu)處于不斷變化之中，這不可避免地對我國貨幣政策的傳導(dǎo)機(jī)制產(chǎn)生影響。對于一國貨幣當(dāng)局來說，貨幣政策傳導(dǎo)機(jī)制及其效果是非常重要的課題。因此，在社會(huì)融資結(jié)構(gòu)不斷變化的背景下，研究其對貨幣政策傳導(dǎo)機(jī)制的影響有著重要的理論和現(xiàn)實(shí)意義。

貨幣政策傳導(dǎo)機(jī)制是經(jīng)久不衰的熱點(diǎn)問題，它直接關(guān)系著一國貨幣政策的有效性，因此國內(nèi)外有關(guān)貨幣政策傳導(dǎo)機(jī)制的研究浩如煙海。經(jīng)典的教科書總結(jié)了貨幣政策傳導(dǎo)的主要渠道有貨幣政策數(shù)量傳導(dǎo)機(jī)制、貨幣政策信貸傳導(dǎo)機(jī)制、貨幣政策利率傳導(dǎo)機(jī)制和貨幣政策資產(chǎn)價(jià)格傳導(dǎo)機(jī)制。貨幣政策傳導(dǎo)機(jī)制是一個(gè)涉及較多因素的作用過程，微觀主體行為、金融市場環(huán)境和宏觀經(jīng)濟(jì)環(huán)境都會(huì)對貨幣政策最終效果產(chǎn)生影響，而在一國經(jīng)濟(jì)運(yùn)行中，其重要性又是不言而喻的。

社會(huì)融資規(guī)模是我國于2011年提出的一個(gè)新的統(tǒng)計(jì)指標(biāo)，用以衡量一定時(shí)間內(nèi)實(shí)體經(jīng)濟(jì)從金融體系獲得的資金總額。此后，社會(huì)融資規(guī)模的研究逐漸興起，研究焦點(diǎn)就是社會(huì)融資規(guī)模是否可以作為我國貨幣政策的中介目標(biāo)。研究表明，社會(huì)融資規(guī)模與貨幣供應(yīng)量M2有著較高的相關(guān)性，但比較而言，社會(huì)融資規(guī)模比貨幣供應(yīng)量指標(biāo)更適合作為金融宏觀調(diào)控的中介目標(biāo)。[1-2]但也有一些研究發(fā)現(xiàn)，不同時(shí)期兩者表現(xiàn)的優(yōu)劣性不同。因此，貨幣政策中介目標(biāo)應(yīng)選擇多種指標(biāo)綜合考慮，以促進(jìn)貨幣政策的科學(xué)研判和精準(zhǔn)調(diào)控。[3-4]

銀行表外業(yè)務(wù)、直接融資占社會(huì)融資總規(guī)模比例的不斷提高引起了學(xué)者們的關(guān)注。近年來，部分學(xué)者開始研究社會(huì)融資結(jié)構(gòu)對貨幣政策傳導(dǎo)及有效性的影響。宋旺、鐘正生研究發(fā)現(xiàn)，金融脫媒程度的加深導(dǎo)致我國貨幣政策利率渠道和資產(chǎn)負(fù)債表渠道作用力增加，銀行信貸渠道傳導(dǎo)效果則有所降低。[5]黃雋發(fā)現(xiàn)，社會(huì)融資結(jié)構(gòu)變化使得貨幣政策中介目標(biāo)發(fā)生改變，新興的融資方式加速了貨幣流通速度，使得貨幣政策影響力下降。[6]樊文輝以朔州市為例，利用統(tǒng)計(jì)數(shù)據(jù)檢驗(yàn)社會(huì)融資結(jié)構(gòu)變化對區(qū)域貨幣政策有效性的影響。[7]劉丁平對2002—2012年社會(huì)融資結(jié)構(gòu)的數(shù)據(jù)進(jìn)行實(shí)證分析發(fā)現(xiàn)，我國貨幣政策效力受到社會(huì)融資結(jié)構(gòu)的影響日益明顯，央行在制定貨幣政策時(shí)應(yīng)該將社會(huì)融資結(jié)構(gòu)的組成部分及其變化納入考慮。[8]

筆者采用貝葉斯向量自回歸模型分析社會(huì)融資結(jié)構(gòu)變遷對貨幣政策傳導(dǎo)的影響，克服了現(xiàn)有研究中利用VAR模型估計(jì)參數(shù)過多、樣本量少導(dǎo)致的精度降低等缺陷，增強(qiáng)了實(shí)證結(jié)果以及相應(yīng)政策建議的可靠性。不同來源的社會(huì)融資在貨幣政策傳導(dǎo)中的作用機(jī)制存在差異，央行在貨幣政策調(diào)控中，應(yīng)充分考慮這些差異性。本研究為提高貨幣政策有效性提供了參考依據(jù)，為研究社會(huì)融資結(jié)構(gòu)提供了新的思路。

二、我國社會(huì)融資結(jié)構(gòu)變遷分析

2011年，社會(huì)融資規(guī)模這一指標(biāo)概念首次被引入我國宏觀調(diào)控，主要原因是金融市場的發(fā)展和金融產(chǎn)品的創(chuàng)新，使得新增人民幣貸款這個(gè)監(jiān)測指標(biāo)難以全面反映金融和實(shí)體經(jīng)濟(jì)的關(guān)系。根據(jù)中國人民銀行公布的社會(huì)融資規(guī)模年度統(tǒng)計(jì)數(shù)據(jù)，2002—2016年我國社會(huì)融資規(guī)模呈快速上升趨勢，2016年為17.80萬億元，是2002年的8.85倍，年復(fù)合增長率16.85%。從融資來源的各個(gè)組成部分來看，我國社會(huì)融資結(jié)構(gòu)呈現(xiàn)以下幾個(gè)特征。

一是銀行信貸占比明顯下降。以人民幣貸款和外幣貸款兩者之和衡量的銀行信貸由2002年的1.92萬億元增長到2016年的11.87萬億元，規(guī)模持續(xù)擴(kuò)大，但其占社會(huì)融資規(guī)模的比例出現(xiàn)波動(dòng)(見圖1)，由2002年的95.50%下降到2013年的54.72%，近3年來略有上漲，2016年占比達(dá)66.69%。這表明我國實(shí)體經(jīng)濟(jì)的融資方式不再僅僅依靠銀行貸款，間接融資格局被打破，創(chuàng)新性的金融工具和市場發(fā)展為實(shí)體經(jīng)濟(jì)提供了更多的融資渠道和融資方式，從而引起我國融資結(jié)構(gòu)的轉(zhuǎn)換。

圖1　2002—2016年社會(huì)融資規(guī)模和銀行貸款情況數(shù)據(jù)來源：根據(jù)國家統(tǒng)計(jì)局和中國人民銀行數(shù)據(jù)整理

二是商業(yè)銀行表外規(guī)模發(fā)生顯著變化。委托貸款規(guī)模快速擴(kuò)張，從2002年的175億元到2016年的21 854億元，增長了123倍。未貼現(xiàn)銀行承兌匯票總量從2002年的-695億元增長到2010年的最高值23 346億元，但近兩年又出現(xiàn)較大的負(fù)值，波動(dòng)性較大。信托貸款屬于金融產(chǎn)品創(chuàng)新，從無到有，產(chǎn)品數(shù)量和規(guī)模都快速增長，從2006年的825億元到2013年的18 448億元，增長了22倍，2015年受監(jiān)管政策影響增幅較小，2016年回升到8592億元。三大表外業(yè)務(wù)占社會(huì)融資規(guī)模的比例由2002的負(fù)值增長到2013年的29.83%(見圖2)，近年來由于加強(qiáng)非標(biāo)融資的風(fēng)險(xiǎn)控制而有所回落。總體而言，實(shí)體經(jīng)濟(jì)通過金融機(jī)構(gòu)表外融資迅速增長，對銀行貸款具有較大的替代作用。

三是直接融資規(guī)模和占比上升。隨著社會(huì)融資體系的不斷完善，企業(yè)債券和非金融企業(yè)股票融資為主的直接融資規(guī)模不斷擴(kuò)大。以債券融資和股票融資兩者之和來看，2016年達(dá)到4.24萬億元，是2002年的42.62倍。兩者合計(jì)的融資規(guī)模占同期社會(huì)融資規(guī)模的比例也由2002年的4.94%上升到2016年的23.82%(見圖3)。對比債券市場和股票市場各自占社會(huì)融資規(guī)模的比例(見圖4)，債券市場保持比較大的漲幅，于2015年達(dá)到最高點(diǎn)，占社會(huì)融資規(guī)模的19.07%，2016年在債券市場去杠桿政策的影響下回落到16.84%；而非金融企業(yè)境內(nèi)股票融資相對平穩(wěn)，除2007年和2016年接近7%以外，其余都保持在5%以下，股票市場資金直接流向?qū)嶓w經(jīng)濟(jì)的規(guī)模不大。

圖2　2002—2016年社會(huì)融資規(guī)模和銀行表外貸款情況

圖3　2002—2016年社會(huì)融資規(guī)模和直接融資規(guī)模情況

圖4　2002—2016年債券融資和股票融資占比數(shù)據(jù)來源：根據(jù)國家統(tǒng)計(jì)局和中國人民銀行數(shù)據(jù)整理

三、社會(huì)融資結(jié)構(gòu)變遷對貨幣政策傳導(dǎo)的實(shí)證分析

(一) 實(shí)證模型

標(biāo)準(zhǔn)的VAR模型需要估計(jì)大量的參數(shù)，當(dāng)樣本序列長度不足，模型估計(jì)時(shí)往往人為假設(shè)某些參數(shù)為零以減少參數(shù)估計(jì)量，但這可能導(dǎo)致模型估計(jì)結(jié)果的不可信。因此，羅伯特·李特曼(Robert Litterman)提出貝葉斯法向量自回歸建模方法(BVAR)以解決這一問題。[9]隨后，該模型被廣泛應(yīng)用于建模和預(yù)測之中。

從一個(gè)標(biāo)準(zhǔn)的不含外生變量的VAR(p)模型出發(fā)，其一般矩陣形式可以記為：

Yt=A1Yt-1+A2Yt-2+…+ApYt-p+εt，

ε～N(0,∑)

其中Yt是一個(gè)n維內(nèi)生變量，A為n×n的系數(shù)矩陣，隨機(jī)誤差項(xiàng)εt滿足標(biāo)準(zhǔn)正態(tài)分布，即均值為零，協(xié)方差矩陣為∑。

在估計(jì)時(shí)引入貝葉斯估計(jì)方法，先假設(shè)系數(shù)矩陣中的元素滿足某一特定先驗(yàn)分布，將先驗(yàn)分布與似然函數(shù)聯(lián)合起來，獲得參數(shù)的后驗(yàn)分布，即p(A,∑|Y)∝p(A,∑)l(Y|A,∑)，其中l(wèi)(Y|A,∑)為數(shù)據(jù)的最大似然函數(shù)。先驗(yàn)分布的引入縮小了系數(shù)的取值范圍，有助于避免無約束VAR的自由度損失問題。

貝葉斯先驗(yàn)分布可以采取很多種不同的形式，最著名的是李特曼等使用的Minnesota共軛先驗(yàn)分布，假設(shè)每個(gè)參數(shù)為正態(tài)分布，在方程i中，解釋變量j的第k階滯后值的先驗(yàn)期望由下式給出：

先驗(yàn)分布的標(biāo)準(zhǔn)差根據(jù)方程中自變量、方程結(jié)構(gòu)及滯后階數(shù)的變化而取不同的值。先驗(yàn)分布的標(biāo)準(zhǔn)差可以由下式確定：

f(i,j)=g(1)=1

其中，γ是總體緊縮度，測量對先驗(yàn)信息的把握程度，其值越小，說明對先驗(yàn)信息越有把握。si是變量i自回歸殘差標(biāo)準(zhǔn)差，因子si/sj表示不同變量i和j自回歸殘差標(biāo)準(zhǔn)差的比值。g(k)=k-1為調(diào)和滯后延遲函數(shù)，反映過去信息比當(dāng)前信息有用程度減少的可能性。函數(shù)f(i,j)表示對方程中變量i的影響而言，其他滯后變量相對i自身滯后量的權(quán)重。該權(quán)重隨方程和變量的變化而變化，它包含了各個(gè)方程中不同變量可能出現(xiàn)的不同影響。

(二)數(shù)據(jù)選取和平穩(wěn)性檢驗(yàn)

為考察社會(huì)融資規(guī)模對貨幣政策傳導(dǎo)渠道的影響，筆者選取貨幣供應(yīng)量、利率、銀行信貸量和股票價(jià)格指數(shù)分別代表貨幣政策數(shù)量傳導(dǎo)渠道、利率渠道、信貸渠道和資產(chǎn)價(jià)格渠道的中介變量。目前，在我國社會(huì)融資規(guī)模統(tǒng)計(jì)中，明顯的結(jié)構(gòu)性變化是銀行貸款的減少。因此，筆者以銀行貸款占社會(huì)融資規(guī)模的比例來衡量社會(huì)融資結(jié)構(gòu)的變化，取數(shù)據(jù)的同比增長率，記為SFS；取廣義貨幣供應(yīng)量為貨幣數(shù)量指標(biāo)，其月度同比增長率記為M2；選擇銀行間1個(gè)月期同業(yè)拆借利率RATE作為利率變量，金融機(jī)構(gòu)貸款余額LOAN作為信貸變量，上證綜合指數(shù)INDEX作為資產(chǎn)價(jià)格變量。物價(jià)取居民消費(fèi)價(jià)格指數(shù)作為觀測指標(biāo)，取月度同比增長率記為CPI，經(jīng)濟(jì)增長以國內(nèi)生產(chǎn)總值為觀測指標(biāo)，但目前公布的GDP數(shù)據(jù)為季度數(shù)據(jù)，依據(jù)現(xiàn)有文獻(xiàn)的處理方法，取工業(yè)增加值為代理變量，取工業(yè)增加值的月度同比數(shù)據(jù)，記為GDP。對所有的數(shù)據(jù)利用X12方法進(jìn)行季節(jié)處理。

本研究數(shù)據(jù)主要來源于WIND數(shù)據(jù)庫，分析的統(tǒng)計(jì)軟件為EVIEWS 9.0。在用貝葉斯向量自回歸模型進(jìn)行估計(jì)之前，先對數(shù)據(jù)進(jìn)行平穩(wěn)性分析，根據(jù)SIC信息準(zhǔn)則，經(jīng)季節(jié)調(diào)整的同比增長率均為平穩(wěn)序列。

(三)實(shí)證過程

1.貨幣政策數(shù)量傳導(dǎo)渠道

長期以來，貨幣供應(yīng)量是我國貨幣政策調(diào)控的中介目標(biāo)。在研究社會(huì)融資結(jié)構(gòu)變遷對貨幣政策數(shù)量傳導(dǎo)渠道的影響時(shí)，首先建立不考慮社會(huì)融資結(jié)構(gòu)變動(dòng)因素的貝葉斯向量自回歸模型。由于VAR模型中變量進(jìn)入順序?qū)Y(jié)果有影響，借鑒前人相關(guān)的研究，確定變量進(jìn)入BVAR模型的順序?yàn)镸2、GDP、CPI。接著建立包含社會(huì)融資結(jié)構(gòu)變動(dòng)因素的貝葉斯向量自回歸模型，變量進(jìn)入BVAR模型的順序?yàn)镾FS、M2、GDP、CPI。

本研究的主題是考察社會(huì)融資結(jié)構(gòu)變動(dòng)對貨幣政策傳導(dǎo)的沖擊影響，脈沖響應(yīng)函數(shù)可以用來描述某內(nèi)生變量的沖擊對其他變量帶來的影響。因此，筆者主要觀測在不同的社會(huì)融資結(jié)構(gòu)狀態(tài)下，貨幣政策最終目標(biāo)產(chǎn)出對貨幣政策中介變量的沖擊反應(yīng)。

當(dāng)前水資源監(jiān)控終端的研制廠家眾多，產(chǎn)品質(zhì)量參差不齊，缺乏統(tǒng)一的管理和認(rèn)證，帶來的問題已經(jīng)在目前的水資源管理中顯現(xiàn)。因此，需要制定“水資源監(jiān)控終端認(rèn)證技術(shù)規(guī)范”，進(jìn)一步加強(qiáng)水資源管理系統(tǒng)監(jiān)控終端設(shè)備產(chǎn)品認(rèn)證，規(guī)范水資源監(jiān)控終端設(shè)備的產(chǎn)品質(zhì)量。該規(guī)范將對水資源監(jiān)控終端的基本技術(shù)要求、試驗(yàn)項(xiàng)目、試驗(yàn)條件、試驗(yàn)方法等進(jìn)行規(guī)定，其中包括產(chǎn)品的功能要求、性能要求，電氣安全要求及防雷、抗干擾、抗電源波動(dòng)等特性要求，并依據(jù)上述要求給出明確的檢測方法以及判定規(guī)則。只有認(rèn)證合格的監(jiān)控終端方能在國家水資源監(jiān)控能力建設(shè)中應(yīng)用推廣，以確保國家水資源監(jiān)控能力建設(shè)的工程質(zhì)量。

國內(nèi)生產(chǎn)總值受貨幣供應(yīng)量沖擊的脈沖響應(yīng)如圖5所示，橫軸代表了沖擊的滯后階數(shù)，縱軸代表沖擊單位，圖形中的曲線代表脈沖響應(yīng)后驗(yàn)分布的均值。

(a)

(b)圖5　產(chǎn)出對貨幣供應(yīng)量的沖擊響應(yīng)

從圖5(a)可以看出，在未考慮融資結(jié)構(gòu)變化的情形下，貨幣供應(yīng)量一單位的沖擊對產(chǎn)出的影響在第1期為0.002 58，在第7期達(dá)到最大值0.004 94，第8期開始下降，在18個(gè)月后這種正向的影響接近0.002 46個(gè)單位水平。

圖5(b)顯示，在考慮了社會(huì)融資結(jié)構(gòu)變遷的情況下，貨幣供應(yīng)量一單位的正向沖擊對產(chǎn)出產(chǎn)生正向影響，第1期為0.000 32，影響幅度明顯小于不考慮社會(huì)融資結(jié)構(gòu)變化的情形。產(chǎn)出對貨幣供應(yīng)量的沖擊反饋在第7期達(dá)到最大值0.003 20，同樣低于圖5(a)中第7期的最高點(diǎn)0.004 94。從第8期開始出現(xiàn)下降，第18期的影響力在0.001 29的水平上。兩種情形對比發(fā)現(xiàn)，在加入社會(huì)融資結(jié)構(gòu)變化的因素后，貨幣供應(yīng)量對產(chǎn)出的影響力減弱。這與一些研究得出的在社會(huì)融資多元化趨勢下貨幣供應(yīng)量作為貨幣政策中介目標(biāo)效力下降的結(jié)論一致。[1，4]究其原因主要在于，隨著我國社會(huì)融資結(jié)構(gòu)的變遷，央行難以完全控制和調(diào)節(jié)貨幣供應(yīng)量，微觀經(jīng)濟(jì)主體行為內(nèi)生性增加，貨幣乘數(shù)和貨幣需求不確定性提高，貨幣政策數(shù)量傳導(dǎo)中介目標(biāo)可測性下降，傳導(dǎo)機(jī)制變得復(fù)雜，傳導(dǎo)效果減弱。另一方面，銀行表外融資體系的出現(xiàn)，形成了新的信用創(chuàng)造機(jī)制，對貨幣政策的數(shù)量調(diào)控效果減弱。當(dāng)央行提高法定存款準(zhǔn)備金以減少貨幣供應(yīng)量時(shí)，商業(yè)銀行表內(nèi)信用擴(kuò)張受到影響，但表外信用創(chuàng)造機(jī)制的快速發(fā)展，有融資需求的微觀經(jīng)濟(jì)主體轉(zhuǎn)向以委托貸款、信托貸款或其他融資方式獲取資金，遞減了緊縮性貨幣政策的效果。

2.貨幣政策信貸傳導(dǎo)渠道

在間接融資為主體的金融體系下，銀行貸款是企業(yè)外部融資的主要來源，因此貨幣政策信貸渠道是我國貨幣政策傳導(dǎo)的主要渠道。筆者分別建立了不考慮社會(huì)融資結(jié)構(gòu)因素和考慮社會(huì)融資結(jié)構(gòu)因素的銀行信貸、產(chǎn)出與通貨膨脹的貝葉斯向量自回歸模型，檢驗(yàn)在社會(huì)融資方式趨于多元化、銀行貸款在社會(huì)融資規(guī)模中占比降低的情況下，貨幣政策信貸傳導(dǎo)渠道的有效性。兩個(gè)貝葉斯向量自回歸模型分別為BVAR(LOAN、GDP、CPI)和BVAR(SFS、LOAN、GDP、CPI)，脈沖響應(yīng)如圖6所示。

(a)

(b)圖6　產(chǎn)出對信貸的沖擊響應(yīng)

從圖6(a)可以看出，在不考慮社會(huì)融資結(jié)構(gòu)變化的情形下，產(chǎn)出對信貸的沖擊存在著正反饋機(jī)制，信貸一單位的沖擊在第1期就達(dá)到最大值0.003 68，經(jīng)過第2期的調(diào)整后，第3期至第7期保持在0.002 75左右的水平，隨后開始下降，18個(gè)月后信貸一單位的正向沖擊對產(chǎn)出的影響約為0.001 24。

與圖6(a)相比，考慮了社會(huì)融資結(jié)構(gòu)變化的圖6(b)的中間段明顯不同，但信貸一單位的正向沖擊同樣對產(chǎn)出存在正向的影響。從數(shù)值上看，沖擊在第1期達(dá)到最大值0.001 87，經(jīng)第2期大幅下調(diào)后從第3期開始逐漸回復(fù)，至第10期達(dá)到次高點(diǎn)0.001 46，隨后開始下降，至第18期正向沖擊的影響力為0.000 80，明顯低于不考慮社會(huì)融資結(jié)構(gòu)變化的情形。隨著銀行貸款占比的降低，信貸在貨幣政策傳導(dǎo)過程中的作用力下降。銀行表外融資、債券和股票融資等直接融資形式為企業(yè)融資提供了更多的渠道，降低了企業(yè)對銀行貸款的依賴性，削弱了貨幣政策信貸渠道的傳導(dǎo)效力。同時(shí)，利潤最大化和規(guī)避監(jiān)管的目標(biāo)驅(qū)使銀行表外業(yè)務(wù)快速發(fā)展，形成銀行貸款的替代效應(yīng)。

3.貨幣政策利率傳導(dǎo)渠道

貨幣政策利率傳導(dǎo)渠道是由于貨幣供應(yīng)量的增加導(dǎo)致利率降低，進(jìn)而使得投資增加，最終引起產(chǎn)出增加。因此，在研究社會(huì)融資結(jié)構(gòu)變遷對貨幣政策利率傳導(dǎo)渠道時(shí)，首先不考慮社會(huì)融資結(jié)構(gòu)變動(dòng)的因素，建立貝葉斯向量自回歸模型，變量進(jìn)入BVAR模型的順序?yàn)镽ATE、GDP、CPI；然后加入社會(huì)融資結(jié)構(gòu)變化因素建立模型，結(jié)果如圖7所示。

從圖7(a)可以看出，在未考慮融資結(jié)構(gòu)變化情形下，利率一單位的正向沖擊導(dǎo)致產(chǎn)出負(fù)向反應(yīng)，總體而言，呈負(fù)的波動(dòng)特征。第1期為-0.0038，第3期達(dá)到最低點(diǎn)-0.005 01，隨后開始逐漸回復(fù)，到第18期利率的沖擊對產(chǎn)出的影響僅為-0.0003。

從圖7(b)可以看出，在考慮融資結(jié)構(gòu)變化的因素下，利率一單位正向沖擊也會(huì)導(dǎo)致產(chǎn)出的負(fù)向反饋。第1期為-0.002 51，第4期達(dá)到最低值-0.005 09，隨后負(fù)向沖擊效應(yīng)開始減小，第18期時(shí)沖擊效應(yīng)為-0.001 64?？梢姡坏┛紤]了融資結(jié)構(gòu)變化的因素，利率的正向沖擊對產(chǎn)出的作用時(shí)間延長，波動(dòng)也加大。這表明融資主體融資方式的多元化發(fā)展，不僅為金融需求者提供更多的融資渠道，增加資金可得性，而且提高了經(jīng)濟(jì)主體對利率的敏感性，經(jīng)濟(jì)主體能夠根據(jù)市場價(jià)格的變化結(jié)合自身融資需求迅速作出判斷，強(qiáng)化了不同市場利率間的聯(lián)動(dòng)，有利于貨幣政策的利率傳導(dǎo)。

(a)

(b)圖7　產(chǎn)出對利率的沖擊響應(yīng)

4.貨幣政策的資產(chǎn)價(jià)格渠道

貨幣政策的資產(chǎn)價(jià)格傳導(dǎo)途徑是指貨幣增發(fā)引致股票價(jià)格上升，通過資產(chǎn)負(fù)債表效應(yīng)和財(cái)富效應(yīng)等，使得經(jīng)濟(jì)主體消費(fèi)和投資增加，進(jìn)而產(chǎn)出增加。因此，采用上證綜指、產(chǎn)出和通貨膨脹等數(shù)據(jù)，分別建立不考慮社會(huì)融資結(jié)構(gòu)變遷因素的貝葉斯向量自回歸模型(INDEX、GDP、CPI)和考慮社會(huì)融資結(jié)構(gòu)變遷因素的貝葉斯向量自回歸模型(SFS、INDEX、GDP、CPI)，結(jié)果如圖8所示。

從圖8(a)可以看出，在不考慮融資結(jié)構(gòu)變化的情況下，資產(chǎn)價(jià)格一單位的正向沖擊在第1期給產(chǎn)出帶來-0.000 65的影響，從第2期開始轉(zhuǎn)為正向的影響，資產(chǎn)價(jià)格上漲，產(chǎn)出增加，響應(yīng)值達(dá)0.002 88，小幅波動(dòng)后從第7期開始正向影響減弱，第18期響應(yīng)值為0.000 36?？梢?，資產(chǎn)價(jià)格對產(chǎn)出存在著正向的影響。

從圖8(b)可以看出，在考慮融資結(jié)構(gòu)變化的影響下，資產(chǎn)價(jià)格一單位的正向沖擊對產(chǎn)出帶來正向的影響，在第2期達(dá)到最大響應(yīng)值為0.003 71，第3期至第6期雖有小幅波動(dòng)，但響應(yīng)均值為0.003 06，第7期開始正向影響減弱，衰減速度較快，到第18期響應(yīng)值為0.000 18。兩種情形相比較發(fā)現(xiàn)，在考慮融資結(jié)構(gòu)變化的情形下，資產(chǎn)價(jià)格對產(chǎn)出的沖擊影響較大，這符合預(yù)期，說明隨著經(jīng)濟(jì)主體融資方式的增加，貨幣政策資產(chǎn)價(jià)格渠道的有效性提高。究其原因可能在于，債券和資本市場的發(fā)展拓寬了經(jīng)濟(jì)主體的融資渠道，提供了多樣化融資方式，貨幣政策通過利率和貨幣供應(yīng)量的調(diào)整影響了經(jīng)濟(jì)主體的資產(chǎn)價(jià)格和融資成本，發(fā)揮了金融市場信息傳播優(yōu)勢，從而減少貨幣政策傳導(dǎo)過程中的損耗，增強(qiáng)了貨幣政策的傳導(dǎo)效力。

(a)

(b)圖8　產(chǎn)出對資產(chǎn)價(jià)格的沖擊響應(yīng)

四、結(jié)論與建議

社會(huì)融資結(jié)構(gòu)的多元化是我國金融體制改革、金融市場發(fā)展的必然趨勢，它增加了央行貨幣政策調(diào)控難度，對我國貨幣政策傳導(dǎo)機(jī)制產(chǎn)生顯著的影響。筆者通過構(gòu)建貝葉斯向量自回歸模型進(jìn)行脈沖響應(yīng)分析發(fā)現(xiàn)，社會(huì)融資結(jié)構(gòu)變遷弱化了貨幣政策數(shù)量傳導(dǎo)和信貸傳導(dǎo)的有效性，提高了經(jīng)濟(jì)主體對利率與資產(chǎn)價(jià)格的敏感性，增強(qiáng)了貨幣政策利率傳導(dǎo)和資產(chǎn)價(jià)格傳導(dǎo)的效力。這個(gè)結(jié)論對我國貨幣政策的調(diào)控方式提出新的要求。

第一，完善社會(huì)融資規(guī)模統(tǒng)計(jì)制度。社會(huì)融資結(jié)構(gòu)日趨多元化，新的融資渠道和方式在互聯(lián)網(wǎng)快速發(fā)展的背景下不斷涌現(xiàn)，社會(huì)融資規(guī)模統(tǒng)計(jì)中應(yīng)及時(shí)關(guān)注和納入這些新的融資方式，豐富統(tǒng)計(jì)內(nèi)涵，完善統(tǒng)計(jì)口徑，增強(qiáng)可控性，為全面衡量金融和實(shí)體經(jīng)濟(jì)的關(guān)系、把控貨幣政策調(diào)控方向提供較為準(zhǔn)確的數(shù)據(jù)信息。

第二，健全貨幣政策中介目標(biāo)體系。融資方式的多元化發(fā)展導(dǎo)致貨幣供應(yīng)量這一中介指標(biāo)與貨幣政策最終目標(biāo)的相關(guān)性減弱，央行若僅依靠貨幣供應(yīng)量來調(diào)控經(jīng)濟(jì)體系的流動(dòng)性，可能難以達(dá)到預(yù)期的效果。因此，央行應(yīng)豐富貨幣政策目標(biāo)體系，選取適應(yīng)貨幣金融環(huán)境的中介目標(biāo)和監(jiān)測指標(biāo)，而不是在貨幣供應(yīng)量、新增人民幣貸款或社會(huì)融資規(guī)模指標(biāo)中取舍。

第三，優(yōu)化貨幣政策數(shù)量型調(diào)控工具。目前，數(shù)量型調(diào)控工具傳導(dǎo)效應(yīng)減弱，但考慮到利率市場化進(jìn)程和經(jīng)濟(jì)主體對利率的敏感程度，優(yōu)化數(shù)量型調(diào)控工具仍是當(dāng)下提高貨幣政策傳導(dǎo)效力的有效途徑。為適應(yīng)流動(dòng)性創(chuàng)造機(jī)制的顯著變化，央行不僅應(yīng)提高宏觀經(jīng)濟(jì)變量趨勢研判的準(zhǔn)確性，還應(yīng)加強(qiáng)對市場參與主體微觀行為的觀測，優(yōu)化數(shù)量型政策工具組合，實(shí)現(xiàn)精準(zhǔn)調(diào)控。

第四，提高貨幣政策價(jià)格型工具的作用能力。金融市場借貸雙方對利率的敏感度提高，央行增加貨幣政策價(jià)格調(diào)控是必然結(jié)果，因而要充分發(fā)揮價(jià)格型工具傳遞市場信息和引導(dǎo)公眾預(yù)期的優(yōu)勢。利率市場化是實(shí)現(xiàn)這一目標(biāo)的前提條件。因此，應(yīng)當(dāng)加快發(fā)展銀行同業(yè)拆借利率市場，構(gòu)建市場基準(zhǔn)利率體系，完善市場化利率形成機(jī)制，從而提升我國的利率市場化水平，為價(jià)格型貨幣政策調(diào)控和傳導(dǎo)創(chuàng)造良好的宏微觀經(jīng)濟(jì)環(huán)境。

第五，創(chuàng)設(shè)豐富的貨幣政策工具組合。多元化金融體系發(fā)展導(dǎo)致貨幣政策調(diào)控的難度增

加，對于不同的融資渠道和融資方式，單一的調(diào)控模式可能難以實(shí)現(xiàn)調(diào)控的最終目標(biāo)。對于票據(jù)、債券和股票融資等方式，價(jià)格型工具可能更為有效；對于市場化程度較低的貸款，數(shù)量型調(diào)控工具依然有較大的影響力。因此，貨幣當(dāng)局應(yīng)綜合運(yùn)用數(shù)量型工具和價(jià)格型工具，優(yōu)化和創(chuàng)新政策組合，提升貨幣政策宏觀調(diào)控的科學(xué)性、前瞻性和有效性。

參考文獻(xiàn)：

[1]元惠萍，劉颯.社會(huì)融資規(guī)模作為金融宏觀調(diào)控中介目標(biāo)的適用性分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2013(10):94-108.

[2]秦化清.社會(huì)融資總量能否作為制定貨幣政策規(guī)則的依據(jù)?[J].財(cái)經(jīng)問題研究,2013(12):46-50.

[3]張春生,蔣海.社會(huì)融資規(guī)模適合作為貨幣政策中介目標(biāo)嗎:與M2、信貸規(guī)模的比較[J].經(jīng)濟(jì)科學(xué),2013(6):30-43.

[4]盛松成,謝潔玉.社會(huì)融資規(guī)模與貨幣政策傳導(dǎo)：基于信用渠道的中介目標(biāo)選擇[J].中國社會(huì)科學(xué),2016(12):60-82.

[5]宋旺,鐘正生.我國金融脫媒對貨幣政策傳導(dǎo)機(jī)制的影響:1978—2007[J].經(jīng)濟(jì)學(xué)家,2010(2):80-89.

[6]黃雋.社會(huì)融資結(jié)構(gòu)變化對貨幣政策的影響[J].經(jīng)濟(jì)縱橫,2011(10):68-72.

[7]樊文輝.社會(huì)融資結(jié)構(gòu)變化對區(qū)域貨幣政策有效性影響研究：以朔州市為例[J].華北金融,2014(11):30-33.

[8]劉丁平.社會(huì)融資結(jié)構(gòu)對貨幣政策效力影響的實(shí)證分析[J].天中學(xué)刊,2016(1):73-77.

[9]LITTERMAN R. Forecasting with Bayesian vector autoregressions：five years of experience[J]. Journal of business and economic statistics,1986(4):25-38.