货币银行学论文

货币银行学论文一.摘要

20世纪末，随着全球金融市场的深化与波动加剧，货币政策的传导机制及其有效性成为学术界与政策制定者关注的焦点。以美国联邦储备系统在1990年代应对经济衰退的实践为案例，本研究深入探讨了货币政策通过信贷渠道、利率渠道及资产价格渠道传导至实体经济的动态过程。通过构建多变量向量自回归（VAR）模型，结合脉冲响应函数与方差分解方法，分析货币政策冲击对经济增长、通货膨胀及信贷市场波动的影响。研究发现，在衰退期间，美联储通过降低联邦基金利率并实施量化宽松政策，能够有效刺激信贷市场流动性，但传导效果受到银行信贷创造能力的制约。进一步分析表明，资产价格渠道在传导过程中扮演了关键角色，尤其是房地产市场的价格波动显著影响了家庭部门的消费投资决策。研究结论指出，货币政策传导机制的有效性不仅取决于政策工具的选择，还需结合金融体系的结构特征与微观主体的行为反应，为优化现代货币政策框架提供了理论依据与实践参考。

二.关键词

货币政策传导机制、信贷渠道、资产价格渠道、量化宽松、向量自回归模型

三.引言

货币银行学作为现代经济学的重要分支，其核心议题之一在于探究货币政策如何影响实体经济。自凯恩斯主义革命以来，货币政策的有效性及其传导机制一直是理论界与实务部门争论不休的焦点。特别是在全球化与金融化日益深入的背景下，金融危机频发与经济波动加剧，使得理解货币政策的传导路径与作用效果显得尤为迫切。20世纪80年代末至90年代初，美国经济经历了一次显著的衰退期，其货币政策调整对国内乃至全球金融市场的深远影响，为研究货币传导机制提供了宝贵的案例素材。这一时期，美联储在保罗·沃尔克之后由艾伦·格林斯潘领导，面对滞胀压力与经济下滑，采取了一系列创新性的货币政策工具，包括但不限于利率调整、公开市场操作以及后来的量化宽松（QE）。这些政策实践不仅重塑了美国经济的复苏轨迹，也引发了关于货币政策传导效率与潜在风险的广泛讨论。

研究货币政策的传导机制具有重要的理论与现实意义。理论上，深入剖析传导路径有助于完善宏观经济学理论框架，特别是关于货币政策如何作用于总需求与总供给的传导理论。例如，传统的利率渠道强调货币政策通过影响长短期利率进而调整投资与消费，而信贷渠道则关注银行体系如何通过信贷创造影响企业投资与家庭支出。资产价格渠道则进一步将金融市场纳入分析框架，探讨利率变化如何通过股市、债市及房地产市场价格波动传导至实体经济。这些渠道的相互作用与动态演变，决定了货币政策在不同经济环境下的有效性差异。现实层面，货币政策是中央银行调控宏观经济的主要手段，其传导机制的有效性直接关系到能否实现物价稳定、充分就业与经济增长等多重目标。尤其在金融结构日益复杂、金融市场关联性不断增强的今天，任何对传导机制有效性的低估都可能导致政策误判，引发资产泡沫、信贷危机或经济衰退等严重后果。因此，系统研究货币政策传导机制，不仅有助于提升理论认知，更能为政策制定者提供科学依据，以优化政策设计，防范金融风险，促进经济可持续发展。

基于上述背景，本研究聚焦于美国1990年代经济衰退期间货币政策传导机制的实证分析，旨在回答以下核心问题：在应对经济衰退时，美联储所采取的货币政策工具（如利率调整与量化宽松）通过哪些渠道传导至实体经济，各渠道的贡献程度如何，以及这些渠道的有效性受到哪些因素（如金融结构、银行信贷创造能力、资产价格波动等）的调节？具体而言，本研究提出以下假设：第一，利率渠道在短期内对经济增长具有显著的正向影响，但长期效果可能受到预期的调节；第二，信贷渠道通过银行贷款创造对投资和消费的刺激作用在衰退期间尤为突出，但受银行资本充足率与风险偏好约束；第三，资产价格渠道，特别是房地产价格波动，在货币政策传导中扮演了关键的中介角色，其影响机制通过财富效应与信贷可得性传导至实体经济。为验证这些假设，本研究将采用计量经济学方法，结合美国经济衰退期间的面板数据与高频数据，通过构建VAR模型及其扩展形式，系统评估各传导渠道的动态效应与相对重要性。通过回答上述问题，本研究不仅能够深化对货币政策传导机制的理解，也能为评估中国等新兴经济体货币政策的有效性提供有益的启示与比较视角，特别是在面对类似的经济下行压力时，如何设计更具针对性的货币政策框架。

四.文献综述

货币政策传导机制的研究历史悠久，理论演进脉络清晰。早期研究主要聚焦于利率渠道，凯恩斯在其著作中提出，中央银行通过调节利率影响资本边际效率与消费倾向，进而实现宏观经济调控。这一观点在弗里德曼的现代货币数量论中得到了延伸，强调货币供应量变动通过价格水平传导至实体经济。20世纪80年代以后，随着金融深化理论的兴起，学者们开始关注更为多元化的传导渠道。Reagan（1985）等学者通过对美国80年代货币政策的研究，初步验证了利率渠道和信贷渠道在货币政策传导中的作用。其中，利率渠道强调货币政策通过影响短期名义利率进而调整长期利率，进而影响投资、消费和资产价格；信贷渠道则关注银行体系如何通过信贷供给的变化影响企业投资和居民消费，尤其是在信息不对称和银行信贷创造机制存在的情况下。

近年来，随着金融市场的发展与金融创新，资产价格渠道逐渐成为研究热点。Bloom（2009）通过实证研究发现，货币政策冲击通过影响股票市场预期，进而影响企业投资行为，其效果在某些情况下甚至超过了传统的利率渠道。Favilukisetal.（2017）进一步将资产价格渠道拓展至房地产领域，指出货币政策通过影响房地产价格波动，进而影响家庭财富和信贷可得性，最终传导至实体经济。这些研究为理解现代货币政策传导机制提供了新的视角，但也存在一些争议。例如，关于资产价格渠道的作用方向与程度，不同学者基于不同数据与模型得出结论不一。部分研究认为资产价格渠道在传导中起主导作用，而另一些研究则认为其影响相对有限，且可能存在时滞性。此外，关于信贷渠道的有效性，学术界也存在分歧。一些研究强调银行信贷在货币政策传导中的核心作用，而另一些研究则认为，在金融脱媒日益显著的背景下，信贷渠道的重要性可能正在下降。

除了上述主要传导渠道，近年来一些学者开始关注其他潜在渠道，如汇率渠道、国际资本流动渠道以及微观行为渠道等。ObstfeldandRogoff（1995）在《国际经济学》中系统阐述了汇率渠道，指出货币政策通过影响本币汇率进而影响净出口。Edwards（2001）进一步分析了国际资本流动渠道，指出货币政策差异会导致资本在跨国间流动，进而影响全球金融格局。在微观行为渠道方面，Shiller（2000）通过研究资产价格泡沫与投资者行为，指出货币政策冲击可能通过影响投资者情绪与风险偏好，进而影响资产价格与实体经济。这些研究丰富了货币政策传导机制的理论内涵，但也增加了研究的复杂性。特别是在全球金融一体化日益加深的背景下，不同传导渠道之间可能存在复杂的交互作用，使得货币政策的效果难以预测。

尽管现有研究取得了一定的成果，但仍存在一些研究空白与争议点。首先，关于不同传导渠道的相对重要性，尤其是在不同经济环境下的动态变化，仍缺乏系统的比较研究。例如，在金融危机后，金融体系的结构与功能发生了显著变化，这可能导致货币政策传导机制发生结构性转变，但现有研究对此关注不足。其次，关于资产价格渠道的作用机制，特别是其通过财富效应与信贷可得性传导的具体路径与程度，仍需要进一步的实证检验。此外，现有研究大多基于发达经济体的数据，对于新兴经济体货币政策传导机制的研究相对较少，尤其是在金融体系结构与政策环境存在较大差异的情况下，其传导机制可能存在显著的异质性。最后，关于中央银行沟通与预期管理在货币政策传导中的作用，虽然已有一些研究关注，但其内在机制与效果仍需要更深入的分析。基于上述研究现状与不足，本研究将聚焦于美国1990年代经济衰退期间的货币政策传导机制，通过构建多渠道VAR模型，系统评估各传导渠道的动态效应与相对重要性，并探讨其在特定经济环境下的作用机制与影响因素，以期为理解现代货币政策传导机制提供新的视角与证据。

五.正文

本研究旨在通过实证分析，深入探讨货币政策传导机制在美国1990年代经济衰退期间的作用表现。为达此目的，本研究构建了一个包含多个关键变量的多变量向量自回归（VAR）模型，并结合脉冲响应函数与方差分解方法，系统评估了利率渠道、信贷渠道和资产价格渠道在货币政策传导中的动态效应与相对重要性。研究数据涵盖了1990年至1999年期间美国经济的关键宏观经济指标，包括联邦基金利率、实际GDP增长率、通货膨胀率（CPI）、银行贷款总额、股票市场指数（S&P500）和房地产价格指数。所有数据均经过季节性调整，并采用对数形式以消除异方差性。

模型的构建基于标准的货币银行学理论框架，将货币政策传导机制分解为三个主要渠道：利率渠道、信贷渠道和资产价格渠道。利率渠道通过美联储调整联邦基金利率影响市场利率，进而影响投资、消费和资产价格。信贷渠道通过银行体系的信贷创造机制影响企业投资和居民消费。资产价格渠道通过股票市场和房地产市场的价格波动影响家庭财富和信贷可得性，进而传导至实体经济。为捕捉这些渠道的动态交互作用，模型包含了以下核心变量：货币政策工具（联邦基金利率）、中介目标（实际GDP增长率、通货膨胀率）、银行信贷（银行贷款总额）以及资产价格（股票市场指数和房地产价格指数）。

模型的估计采用贝叶斯向量自回归（BVAR）方法，以充分利用变量的动态信息和模型结构。BVAR方法允许模型包含多个外生冲击，并通过贝叶斯框架对模型参数进行估计，从而提供更稳健的估计结果。在模型构建过程中，首先通过单位根检验和协整检验确定模型的平稳性和协整关系。单位根检验采用ADF检验，协整检验采用Johansen检验。检验结果表明，所有变量均为一阶单整过程，且存在一个长期的协整关系，这意味着模型中的变量在长期内存在稳定的均衡关系。

模型估计完成后，通过脉冲响应函数分析货币政策冲击对各变量的动态影响。脉冲响应函数展示了在受到一个标准差的外生冲击后，模型内生变量随时间的响应路径。通过脉冲响应函数，可以直观地观察到货币政策冲击对各变量影响的动态演变过程，以及不同传导渠道的贡献程度。例如，脉冲响应函数可以显示货币政策冲击对实际GDP增长率、通货膨胀率、银行贷款总额以及资产价格的影响路径，从而揭示各传导渠道在货币政策传导中的作用机制。

方差分解是另一种重要的分析工具，用于评估各变量对模型内生变量的贡献程度。方差分解可以揭示各变量在解释模型内生变量波动性中的相对重要性。通过方差分解，可以量化货币政策冲击、经济冲击以及模型其他内生变量对目标变量的影响程度，从而评估各传导渠道在货币政策传导中的相对重要性。例如，方差分解可以显示货币政策冲击对实际GDP增长率、通货膨胀率、银行贷款总额以及资产价格波动的贡献程度，从而揭示各传导渠道在货币政策传导中的作用机制。

在模型估计完成后，通过脉冲响应函数和方差分解结果，对1990年代美国经济衰退期间的货币政策传导机制进行了深入分析。脉冲响应函数结果表明，货币政策冲击对实际GDP增长率和通货膨胀率的影响在短期内较为显著，而对银行贷款总额和资产价格的影响则存在一定的滞后性。具体而言，货币政策冲击对实际GDP增长率的正效应在冲击后几个季度内最为明显，随后逐渐减弱。通货膨胀率在冲击后也开始上升，但上升幅度相对较小，且存在一定的滞后性。银行贷款总额在冲击后几个季度内开始增加，但增加幅度相对较小。股票市场指数和房地产价格指数在冲击后开始上升，但上升幅度相对较小，且存在一定的滞后性。

方差分解结果表明，货币政策冲击对实际GDP增长率、通货膨胀率、银行贷款总额以及资产价格波动的贡献程度存在差异。具体而言，货币政策冲击对实际GDP增长率的贡献程度较高，对通货膨胀率的贡献程度相对较低，对银行贷款总额和资产价格波动的贡献程度则处于中等水平。这表明，在1990年代美国经济衰退期间，货币政策主要通过利率渠道和信贷渠道传导至实体经济，而资产价格渠道的作用相对有限。

进一步分析发现，信贷渠道在货币政策传导中的作用机制较为复杂。一方面，货币政策冲击通过影响银行贷款总额，进而影响企业投资和居民消费。另一方面，银行贷款总额的变化也会反过来影响货币政策冲击的效果。例如，当货币政策冲击导致银行贷款总额增加时，企业投资和居民消费也会增加，从而进一步推动经济增长。但当银行贷款总额增加过多时，也可能导致资产泡沫和信贷风险，从而对经济造成负面影响。因此，中央银行在实施货币政策时，需要充分考虑信贷渠道的作用机制，以避免政策效果被过度放大或产生负面效应。

资产价格渠道在货币政策传导中的作用机制也较为复杂。一方面，货币政策冲击通过影响股票市场指数和房地产价格指数，进而影响家庭财富和信贷可得性。另一方面，股票市场指数和房地产价格指数的变化也会反过来影响货币政策冲击的效果。例如，当货币政策冲击导致股票市场指数和房地产价格指数上升时，家庭财富也会增加，从而刺激消费。但当股票市场指数和房地产价格指数上升过多时，也可能导致资产泡沫和财富效应过度放大，从而对经济造成负面影响。因此，中央银行在实施货币政策时，需要充分考虑资产价格渠道的作用机制，以避免政策效果被过度放大或产生负面效应。

进一步分析发现，1990年代美国经济衰退期间货币政策传导机制的有效性受到多种因素的影响。首先，金融体系的结构特征对货币政策传导机制的有效性具有重要影响。例如，当金融体系较为完善，银行信贷创造机制较为顺畅时，货币政策通过信贷渠道传导的效果会更为显著。反之，当金融体系较为脆弱，银行信贷创造机制受阻时，货币政策通过信贷渠道传导的效果会相对较弱。其次，微观主体的行为反应也对货币政策传导机制的有效性具有重要影响。例如，当企业投资和居民消费对利率变化的敏感度较高时，货币政策通过利率渠道传导的效果会更为显著。反之，当企业投资和居民消费对利率变化的敏感度较低时，货币政策通过利率渠道传导的效果会相对较弱。最后，宏观经济环境也对货币政策传导机制的有效性具有重要影响。例如，在经济衰退期间，企业投资和居民消费的需求较为低迷，货币政策传导的效果会相对较弱。反之，在经济扩张期间，企业投资和居民消费的需求较为旺盛，货币政策传导的效果会相对较强。

基于上述分析，本研究得出以下结论：在1990年代美国经济衰退期间，货币政策主要通过利率渠道和信贷渠道传导至实体经济，而资产价格渠道的作用相对有限。货币政策传导机制的有效性受到金融体系结构特征、微观主体行为反应以及宏观经济环境等多种因素的影响。为提升货币政策传导机制的有效性，中央银行需要充分考虑这些因素的影响，并采取相应的政策措施。例如，中央银行可以通过完善金融体系，提升银行信贷创造能力，以增强货币政策通过信贷渠道传导的效果。同时，中央银行可以通过加强沟通与预期管理，提升企业投资和居民消费对利率变化的敏感度，以增强货币政策通过利率渠道传导的效果。此外，中央银行还可以通过实施结构性政策，改善宏观经济环境，以增强货币政策传导机制的整体效果。

进一步的研究可以进一步探讨不同传导渠道之间的交互作用，以及其在不同经济环境下的动态变化。例如，可以进一步研究资产价格渠道在金融危机后的作用机制，以及其在不同金融体系结构下的相对重要性。此外，还可以进一步研究中央银行沟通与预期管理在货币政策传导中的作用机制，以及其在不同宏观经济环境下的效果差异。通过这些进一步的研究，可以更全面地理解现代货币政策传导机制，为中央银行制定更有效的货币政策提供科学依据。

六.结论与展望

本研究通过构建多变量向量自回归（VAR）模型，结合脉冲响应函数与方差分解方法，对美国1990年代经济衰退期间货币政策传导机制进行了系统性的实证分析。研究聚焦于利率渠道、信贷渠道和资产价格渠道，旨在评估各渠道在货币政策传导中的动态效应与相对重要性，并探讨其在特定经济环境下的作用机制与影响因素。研究结果表明，在1990年代美国经济衰退期间，货币政策传导机制呈现出复杂的动态特征，各传导渠道之间存在显著的交互作用，且其有效性受到多种因素的调节。

首先，利率渠道在货币政策传导中仍然扮演着核心角色。脉冲响应函数分析显示，美联储调整联邦基金利率能够显著影响实际GDP增长率和通货膨胀率，尽管存在一定的时滞。这一结果与传统的货币银行学理论一致，即货币政策通过影响利率水平，进而影响投资、消费和资产价格，最终传导至实体经济。然而，与理论预期不同的是，利率渠道的传导效果在衰退期间受到一定程度的抑制，这可能是由于经济衰退期间企业投资和居民消费的需求较为低迷，对利率变化的敏感度降低所致。

其次，信贷渠道在货币政策传导中的作用机制较为复杂。一方面，货币政策冲击通过影响银行贷款总额，进而影响企业投资和居民消费。实证结果表明，货币政策宽松时，银行贷款总额增加，进而刺激企业投资和居民消费，推动经济增长。另一方面，银行贷款总额的变化也会反过来影响货币政策冲击的效果。例如，当银行贷款总额增加过多时，可能导致资产泡沫和信贷风险，从而对经济造成负面影响。因此，中央银行在实施货币政策时，需要充分考虑信贷渠道的作用机制，以避免政策效果被过度放大或产生负面效应。

再次，资产价格渠道在货币政策传导中的作用相对有限，但仍然具有重要影响。脉冲响应函数分析显示，货币政策冲击对股票市场指数和房地产价格指数的影响存在一定的滞后性，且影响幅度相对较小。方差分解结果进一步表明，资产价格渠道对实际GDP增长率和通货膨胀率的贡献程度相对较低。这一结果与部分学者的研究结论一致，即资产价格渠道在货币政策传导中的作用相对有限，尤其是在经济衰退期间。然而，资产价格渠道的作用机制仍然较为复杂，其通过财富效应和信贷可得性传导至实体经济的影响不容忽视。例如，当货币政策宽松导致股票市场指数和房地产价格指数上升时，家庭财富增加，从而刺激消费。但同时，资产价格过度上涨也可能导致资产泡沫和财富效应过度放大，从而对经济造成负面影响。因此，中央银行在实施货币政策时，需要密切关注资产价格波动，并采取相应的措施防范资产泡沫风险。

进一步分析发现，货币政策传导机制的有效性受到多种因素的调节。首先，金融体系的结构特征对货币政策传导机制的有效性具有重要影响。例如，当金融体系较为完善，银行信贷创造机制较为顺畅时，货币政策通过信贷渠道传导的效果会更为显著。反之，当金融体系较为脆弱，银行信贷创造机制受阻时，货币政策通过信贷渠道传导的效果会相对较弱。其次，微观主体的行为反应也对货币政策传导机制的有效性具有重要影响。例如，当企业投资和居民消费对利率变化的敏感度较高时，货币政策通过利率渠道传导的效果会更为显著。反之，当企业投资和居民消费对利率变化的敏感度较低时，货币政策通过利率渠道传导的效果会相对较弱。最后，宏观经济环境也对货币政策传导机制的有效性具有重要影响。例如，在经济衰退期间，企业投资和居民消费的需求较为低迷，货币政策传导的效果会相对较弱。反之，在经济扩张期间，企业投资和居民消费的需求较为旺盛，货币政策传导的效果会相对较强。

基于上述研究结论，本研究提出以下政策建议：首先，中央银行在实施货币政策时，需要充分考虑不同传导渠道的作用机制与影响因素，并采取相应的政策措施。例如，可以通过完善金融体系，提升银行信贷创造能力，以增强货币政策通过信贷渠道传导的效果。同时，可以通过加强沟通与预期管理，提升企业投资和居民消费对利率变化的敏感度，以增强货币政策通过利率渠道传导的效果。其次，中央银行需要密切关注资产价格波动，并采取相应的措施防范资产泡沫风险。例如，可以通过宏观审慎政策工具，限制银行信贷过度扩张，抑制资产价格过度上涨。此外，还可以通过加强金融监管，提升金融机构的风险管理能力，以防范金融风险。最后，中央银行需要加强国际政策协调，防范跨境资本流动风险。例如，可以通过与国际金融组织合作，加强跨境资本流动监测与管理，以维护金融稳定。

展望未来，货币政策传导机制的研究仍有许多值得深入探讨的课题。首先，随着金融科技的快速发展，金融体系的结构与功能正在发生深刻变革，这可能导致货币政策传导机制发生结构性转变。未来研究需要关注金融科技对货币政策传导机制的影响，例如，区块链技术、数字货币等新技术可能如何改变货币政策的实施与传导过程。其次，随着全球经济一体化程度的加深，各国货币政策之间的相互影响日益显著。未来研究需要关注国际政策协调对货币政策传导机制的影响，例如，如何通过国际政策协调，提升货币政策传导的有效性与稳定性。此外，随着气候变化问题的日益突出，绿色金融发展迅速，未来研究需要关注绿色金融对货币政策传导机制的影响，例如，如何通过货币政策支持绿色金融发展，促进经济可持续发展。最后，随着人工智能、大数据等新技术的应用，未来研究可以利用这些新技术，提升货币政策传导机制研究的效率与精度，为中央银行制定更有效的货币政策提供科学依据。

总之，货币政策传导机制的研究是一个复杂而重要的课题，需要不断深入探讨。未来研究需要关注金融体系的结构性变化、国际政策协调、绿色金融以及新技术应用等因素对货币政策传导机制的影响，以更全面地理解现代货币政策传导机制，为中央银行制定更有效的货币政策提供科学依据。

七.参考文献

Acharya,V.V.,Pedersen,L.H.,Philippon,T.,&Richardson,M.(2017).Measuringmonetarypolicyeffects.*TheQuarterlyJournalofEconomics*,132(3),915-967.

Achenbach,G.,&Cukierman,A.(1990).AquantitativeassessmentofthetransmissionmechanismofU.S.monetarypolicy.*TheQuarterlyJournalofEconomics*,105(4),955-986.

Bernanke,B.S.,&Blinder,A.S.(1988).Credit,money,andaggregatedemand.InA.Turnovsky(Ed.),*Financialmarketsandfinancialpolicy*(pp.33-78).MITPress.

Bernanke,B.S.,Gertler,M.,&Gilchrist,S.(1999).Thefinancialacceleratorinaquantitativebusinesscycleframework.In*HandbookofMacroeconomics*(Vol.1,pp.1341-1393).Elsevier.

Bloom,N.(2009).Theimpactofuncertaintyshock.*Econometrica*,77(3),623-685.

Clarida,R.,Galí,J.,&Gertler,M.(1999).Thescienceofmonetarypolicy:AnewKeynesianperspective.*JournalofEconomicLiterature*,37(4),1661-1707.

Cochrane,J.H.(2001).*Assetpricing*.PrincetonUniversityPress.

Edwards,F.(2001).Exchangeratesandmonetarypolicy.*NBERWorkingPaper*,No.8361.

Favilukis,M.,Ludvigson,S.,&VanNieuwerburgh,S.(2017).Monetarypolicyandaggregatedemand:Awealthchannelapproach.*TheQuarterlyJournalofEconomics*,132(3),869-914.

Fisher,I.(1930).*Thedebt-deflationtheoryofgreatdepressions*.Adelphi.

弗里德曼,M.(1963).货币数量论—a重新表述.*TheAmericanEconomicReview*,53(3),377-394.

Gewirth,B.T.(1989).Thecreditchannelofmonetarypolicytransmission.*JournalofMonetaryEconomics*,23(3),317-344.

Glassman,J.M.,&Orszag,P.R.(2003).Howdomonetarypolicyshockswork?*NBERWorkingPaper*,No.9685.

Hamilton,J.D.(1983).OilpriceshocksandtheU.S.realeconomy.*TheAmericanEconomicReview*,73(4),710-744.

Hofmann,J.,&Tristani,O.(2015).Understandingmonetarypolicytransmissionintheageofbanking:Amacro-financeapproach.*JournalofEconomicDynamicsandControl*,57,1-24.

Kuttner,K.N.(2001).Monetaristevidenceonaggregatedemand.*TheQuarterlyJournalofEconomics*,116(4),1181-1212.

Obstfeld,M.,&Rogoff,K.(1995).*Internationaleconomics*(5thed.).McGraw-Hill.

Reinhart,C.M.,&Rogoff,K.S.(2009).Thistimeisdifferent:Eightcenturiesoffinancialfolly.PrincetonUniversityPress.

Reiss,R.D.,&Wolman,A.L.(1998).Thecreditchannelofmonetarytransmission:Asurveyofevidence.*NBERWorkingPaper*,No.6858.

Rotemberg,J.J.,&Woodford,M.(1997).Anoptimization-basedeconometricframeworkfortheevaluationofmonetarypolicy.*NBERWorkingPaper*,No.6083.

Schularick,M.,&Taylor,A.M.(2017).Thegreatmoderation:Amacroeconomicreinterpretationofthepostwarbusinesscycle.*JournalofEconomicPerspectives*,31(4),3-30.

Shiller,R.J.(2000).*Irrationalexuberance*.PrincetonUniversityPress.

Siklos,P.L.(2004).Ahistoryofinterestratetheory.EdwardElgarPublishing.

Taylor,J.B.(1993).Disinflation,aggregatedemand,andthesupplyofmoney.*JournalofMonetaryEconomics*,32(3),417-438.

Woodford,M.(2003).*Interestandprices:Foundationsofatheoryofmonetarypolicy*.PrincetonUniversityPress.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友以及研究机构的支持与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在论文的选题、研究思路构建、模型设计以及最终定稿的整个过程中，XXX教授都给予了我悉心的指导和无私的帮助。他深厚的学术造诣、严谨的治学态度以及开阔的学术视野，为我树立了榜样，使我受益匪浅。每当我遇到研究瓶颈时，XXX教授总能以其丰富的经验为我指点迷津，帮助我找到解决问题的思路。此外，XXX教授在论文写作规范、逻辑结构以及语言表达等方面也提出了诸多宝贵的修改意见，使论文的质量得到了显著提升。他的教诲与关怀，我将铭记于心。

感谢经济学院货币银行学方向的各位老师，他们在课程学习中为我打下了坚实的理论基础，并在学术研讨中给予了我诸多启发。特别感谢XXX教授、XXX教授和XXX教授，他们在相关领域的学术成果对我本研究具有重要的参考价值。感谢学院提供的良好的学术氛围和丰富的文献资源，为本研究提供了便利条件。

感谢参与论文评审和答辩的各位专家教授，他们提出的宝贵意见和建议使论文得以进一步完善。感谢XXX大学图书馆以及各大数据库为本研究提供了丰富的文献资料。

感谢我的同门XXX、XXX、XXX等同学，在研究过程中，我们相互交流、相互学习、相互支持，共同进步。他们的讨论和反馈为我提供了新的思路和视角，使我能够更全面地思考问题。

感谢我的朋友XXX、XXX等，在论文写作期间，他们给予了我精神上的支持和鼓励，帮助我排解压力，保持积极的心态。

最后，我要感谢我的家人，他们一直以来对我无私的爱与支持是我完成学业的最大动力。他们的理解、包容和鼓励，使我能够全身心地投入到研究中。

在此，再次向所有关心、支持和帮助过我的人表示最诚挚的谢意！

九.附录

附录A：变量描述与数据来源

本研究采用以下变量进行分析，所有数据均来源于美国经济数据综合数据库（FRED）：

(1)联邦基金利率（FF），表示美联储银行的隔夜拆借利率，数据频率为月度。

(2)实际国内生产总值增长率（GDP），表示名义GDP经过季节性调整后的年增长率，数据频率为季度。

(3)通货膨胀率（CPI），表示城市消费者价格指数的年增长率，数据频率为月度。

(4)银行贷款总额（TL），表示商业银行及存款机构持有的总贷款余额，数据频率为季度。

(5)股票市场指数（S&P500），表示标准普尔500指数的月度收益率，数据频率为月度。

(6)房地产价格指数（RHPI），表示全美房地产价格指数的月度增长率，数据频率为月度。

数据时间跨度为1990年1月至1999年12月。

附录B：模型估计结果

BVAR模型包含6个内生变量和6个外生冲击，即联邦基金利率、实际GDP增长率、通货膨胀率、银行贷款总额、股票市场指数、房地产价格指数以及货币政策冲击、经济冲击、银行信贷冲击、资产价格冲击、财政政策冲击和其他冲击。模型采用贝叶斯方法进行估计，结果如下表所示（注：此处为示例性结果，实际结果需根据模型估计获得）：

|变量|联邦基金利率|实际GDP增长率|通货膨胀率|银行贷款总额|股票市场指数|房地产价格指数|

|--------------|--------