【《日本量化宽松货币政策的宏观经济效应分析》4800字】

日本量化宽松货币政策的宏观经济效应分析目录TOC\o"1-3"\h\u29870日本量化宽松货币政策的宏观经济效应分析 1176211.1TVP-SV-VAR模型及估计方法 1304931.1.1模型的基本形式 1259831.1.2TVP-SV-VAR的估计方法 36011.2数据选取与估计结果 5196401.2.1研究设计 5163911.2.2模型估计结果 639071.3实证检验与结果分析 812221.3.1不同提前期的脉冲响应函数分析 878141.3.2不同时点上的脉冲响应函数分析 101.1TVP-SV-VAR模型及估计方法1.1.1模型的基本形式TVP-SV-VAR模型即具有随机波动的时变参数向量自回归模型，通过将时变参数融入经典的VAR模型，有效解决了VAR模型不能解释存在结构性突变时各变量之间的非线性关系，该模型假定待估计参数服从一阶随机游走过程，且波动率采用随机波动率的形式，以捕捉各变量之间的非线性结构变动关系，其相比SVAR等传统模型在设定上更加灵活，也更贴近当前复杂多变的国际金融市场。因此，本文使用Nakajima（2011）的方法研究日本量化宽松货币政策对国内宏观经济影响的结构性变动及各渠道冲击的时变特征NakajimaJ.Time-varyingParameterVARModelwithStochasticVolatility:AnOverviewofMethodologyandEmpiricalApplications[J].MonetaryandEconomicStudies,2011(29):107-142.。NakajimaJ.Time-varyingParameterVARModelwithStochasticVolatility:AnOverviewofMethodologyandEmpiricalApplications[J].MonetaryandEconomicStudies,2011(29):107-142.首先从SVAR模型引入时变参数构建TVP-SV-VAR模型，并介绍其参数设定和估计方法，一个基本的SVAR模型结构如下：（1.1）其中是维可观测变量，A为维待估计参数矩阵,为维系数矩阵，s为滞后期，扰动项为维结构性冲击，设。其中，则式1.1可以简化为：（1.2）其中，，将中的元素合并成维列向量，并定义，其中表示克罗内乘积，模型可以进一步简化为：（1.3）基于上述简化的SVAR模型，并假定式1.3中的参数、结构性冲击和方差都为随时间而变化的状态变量，将其带入，模型即可扩展为时变参数的TVP-SV-VAR模型：（1.4）其中，相关系数、参数和随机波动的协方差矩阵均具有时变性，即随时间变化而变化。为减少模型估计过程中的待估参数，按照Primiceri（2005）和Nakajima（2011）等的做法对时变参数进行处理Primiceri,GiorgioE.TimeVaryingStructuralVectorAutoregressionsandMonetaryPolicy[J].ReviewofEconomicStudies,2005,72(3):821-852.NakajimaJ,KasuyaM,WatanabeT.BayesianAnalysisofTime-varyingParameterVectorAutoregressiveModelfortheJapaneseEconomyandMonetaryPolicy[J].JournaloftheJapaneseandInternationalEconomies,2011,25(3):225-245.，对中非0和非1的元素进行合并处理：，其中。此外，进一步假定参数服从如下随机游走过程：Primiceri,GiorgioE.TimeVaryingStructuralVectorAutoregressionsandMonetaryPolicy[J].ReviewofEconomicStudies,2005,72(3):821-852.NakajimaJ,KasuyaM,WatanabeT.BayesianAnalysisofTime-varyingParameterVectorAutoregressiveModelfortheJapaneseEconomyandMonetaryPolicy[J].JournaloftheJapaneseandInternationalEconomies,2011,25(3):225-245.（1.5）（1.6）其中，。这里对模型的简化包括三点重要假设：一是假设矩阵是下三角矩阵，以保证模型的递归识别；二是假设参数服从随机游走，以减少估计过程中的参数数量，在不降低精确度的基础上大幅度降低算法复杂度；三是假设为对角矩阵以保证不同方程的同期关系之间相互独立。1.1.2TVP-SV-VAR的估计方法由于TVP-SV-VAR模型引入了随机波动的非线性因素，使得传统的似然函数估计方法难以有效估计参数，本文参考Nakajima（2011）提出的贝叶斯框架下的马尔可夫链蒙特卡洛模拟进行估计。首先需要为结构参数设定先验分布，令参数和h的先验分布服从正态分布，且和。与此同时，假定协方差矩阵的第i个对角线服从如下的先验分布：，，。其次在给定先验分布基础上，通过MCMC算法从后验分布中进行抽样，并对潜在变量进行估计，利用及，定义的先验概率密度为，在已有数据集y的基础上，从后验概率分布中抽取随机样本，基本步骤如下：1.初始化。2.取样。3.取样。1.取样。5.取样。6.取样。7.取样。8.返回第2步。具体的取样方法如下所示。第一，从条件后验分布中抽样，其状态空间表示形式为：（1.7）（1.8）其中，，而后从中进行抽样，而状态空间模型的滤波法可以表示为：（1.9）（1.10）其中，及，，而后利用卡尔曼滤波：（1.11）（1.12）在给出及，再次利用滤波算法：（1.13）（1.14）由，而后在样本中利用滤波算法计算的信息。第二，从中对进行取样，构建如下状态空间模型：（1.15）（1.16）其中，（1.17），剩余部分与抽样一致，依旧利用卡尔曼滤波计算，且有，。第三，h不像前两者，为非线性状态空间方程，由于已经设定及为对角阵，因此可在下对估计。令为的第i个元素，则：（1.18）（1.19）（1.20）其中，，分别代表与的第i个对角元素，为的第i个对角元素。而后从后验分布中对进行抽样，并通过移动抽样方式对其进行估计。第四，给定，可以算出的条件后验分布。同时由于为一个对角矩阵，所以当时能对独立抽样。在下，就能够算出的条件后验分布：（1.21）其中，表示的第i个元素，最后对于和均使用相同方法抽样与计算。至此，MCMC模拟完成，可以进行后续的时变脉冲响应分析。1.2数据选取与估计结果1.2.1研究设计由于本节旨在探讨日本量化宽松货币政策对国内经济的综合影响，因此在样本区间的确定上选取2003年4月至2019年12月间日本相关数据，利用TVP-SV-VAR模型就日本不同时期量化宽松货币政策对民众生活、工业经济及对外贸易等三方面的综合影响进行分析，以此探讨近二十年日本量化宽松货币政策的宏观经济效应及其制约因素。关于量化宽松货币政策对国内宏观经济的影响，本文选取日本货币供给量M2、日本工业生产指数、日本国内核心CPI指数及进出口总额建立模型，分别反映量化宽松货币政策对民众生活、工业经济及对外贸易的影响，其中各数据分别来自日本央行、日本统计局、中经网统计数据库及Wind数据库，并对数据进行平稳化及季节调整，具体如表4-1与表4-2所示。表4-1模型变量描述变量符号定义数据来源m2日本货币供给量日本央行gdp日本工业生产指数Wind资讯cpi消费者价格指数中经网统计数据库trade进出口总额Wind资讯表4-2ADF单位根检验结果原始序列一阶差分变量ADF值检验类型（c，t，k）结论ADF值检验类型（c，t，k）结论m2-1.5463（c，0，2）非平稳-22.8598（c，0，2）平稳gdp-3.1565（c，0，12）平稳-1.9919（c，0，12）平稳cpi-2.6644（c，0，1）非平稳-10.8953（c，0，0）平稳trade-2.6078（c，0，12）非平稳-1.5784（c，0，12）平稳注：c表示带常数项，t表示带趋势项，k表示滞后期数；*、**、***分别表示在10%、5%及1%的置信度下拒绝原假设。1.2.2模型估计结果根据AIC和SC准则及Nakajima（2011）的方法建立了滞后2阶的TVP-SV-VAR模型，运用MCMC算法进行10000次抽样，由于MCMC的初始抽样大部分偏离目标区间，因此舍弃前1000次的抽样，得到最终的估计结果。TVP-SV-VAR的统计量主要包括CD统计量和无效影响因子，CD统计量用于衡量得到的马尔可夫链的拟合效果，无效影响因子则可以测定模型模拟产生的不相关样本个数。这两个指标是判断MCMC模拟和估计效果的重要依据。Geweke（1992）GewekeJ.EvaluatingtheAccuracyofSampling-BasedApproachestotheCalculationofPosteriorMoments[J].BayesianStatistics,1992,4,169~193.GewekeJ.EvaluatingtheAccuracyofSampling-BasedApproachestotheCalculationofPosteriorMoments[J].BayesianStatistics,1992,4,169~193.（1.22）其中，表示第i个序列，为的标准误差，当时。本文设定，无效因子为，为样本之后s期的自相关系数，通常可以使用无效因子作为检验MCMC估计是否有效的工具，无效因子越小则表示模型估计越有效。表4-3日本量化宽松影响的模型参数估计结果参数均值标准差95%L95%UGeweke值无效因子0.02270.00260.01830.02880.5178.150.02250.00250.01820.02810.0329.510.12760.04980.06030.25030.20159.500.08960.03610.04480.18790.71385.700.47740.06860.35350.61970.01697.320.51980.09200.34720.71610.00087.86表4-3中各参数依次是参数估计均值、标准差、95%置信区间、收敛诊断CD统计量及无效因子的估计结果。结果显示，CD统计量均远低于5%显著性水平对应的临界值1.96，这说明模型不能拒绝参数收敛于后验分布的原假设，因此1000次预烧期足以保证MCMC的模拟路径能够快速并且稳定收敛到高概率区间。此外，无效因子均小于100，意味着在10000次抽样条件下，至少能够得到10000/100=100个不相关样本，对于后验推断足够多，这验证了模型估计结果的可靠性，得到了理想的抽样结果。此外，图4-1给出了参数的动态模拟路径，三行图形分别描述了样本自相关系数、样本模拟路径和后验密度分布图。从中可以看到，自相关系数均表现出拖尾状态，并迅速降至零值附近，说明设定的抽样次数可以很好地消除样本之间的自相关性；样本模拟路径基本在均值附近上下波动，异常值较少；后验分布和先验分布规律也基本一致，符合推断要求。综合分析上述估计结果和统计检验指标，均表明两个模型估计有效且稳健，可以在该参数模型下进一步动态分析。图4-1模型自相关系数、模拟路径和后验分布1.3实证检验与结果分析与VAR这种非结构化的多方程模型类似，用TVP-SV-VAR模型进行实证分析时我们一般淡化变量之间的关联性而重点考虑模型误差项的变动对系统的动态冲击效应。为了全面分析日本量化宽松货币政策的宏观政策效应，本文从时间维度和时点维度对相关变量进行了脉冲响应分析研究，综合分析日本量化宽松货币政策对民众生活、工业经济及对外贸易3个方面的具体影响。1.3.1不同提前期的脉冲响应函数分析TVP-SV-VAR模型提供了两种分析方法，即等间隔脉冲响应函数和时点脉冲响应函数，分别基于大跨度期间和不同政策阶段的分析视角。等间隔脉冲响应函数设置的时间段为4个月、8个月和12个月，以此来代表短、中、长期三种状态下的经济变量反应情况。图4-2日本量化宽松货币政策相关指标的等间隔脉冲响应从等间隔脉冲响应函数图像可以看出，当日本量化宽松货币政策增加1单位正向冲击时，对国内工业经济水平呈现微弱负响应，响应强度大约在-0.25~0.1之间，期限越短效应越加明显，说明日本量化宽松货币政策的随机扰动冲击对国内经济影响不具有长期效应，中长期冲击效果则会减弱。此外，通过脉冲响应函数也可以发现，小泉政府时期货币政策对工业经济的影响要更大些，而且中长期的扩张效应更为明显。对于物价指数而言，伴随着量化宽松货币政策的推行，日本国内CPI应平稳增长，但是我们可以发现，在2012年前后出现了明显的反向冲击，其原因在于那些年日本国内CPI过低，低CPI经济时期过于漫长，即使货币供应量快速增长，其国内的CPI也无法快速增长。具体可以看出，无论小泉政府时期还是安倍政府时期，量化宽松货币政策的效果并不乐观，但另一方面也可以看出安倍政府时期中长期效果还是优于小泉政府时期，会更加适合日本经济发展。关于日本对外贸易方面，脉冲响应函数可以看出，在整个样本区间，货币政策对进出口总额存在正向和反向冲击。其原因可能在于为满足国内工业生产以及人民生活的需求，日本需要进口大量原材料，而日元的贬值会对日本进出口贸易造成两种截然相反的影响。在提高了原材料成本的同时，也降低了劳动力成本，原材料成本的提高，降低了日本对外进口原材料的需求，而劳动力成本的降低又提高了日本对外出口的总额。原材料的进口量减少必然会导致生产不足，从而对长远的出口不利，最终使这种有利于改变日本进出口贸易的宽松货币政策在长期上反而会抑制日本进出口规模。1.3.2不同时点上的脉冲响应函数分析时点脉冲响应函数设置的时间点为2011年12月、2012年12月和2013年12月，以此来观察特定时点的影响，这3个时点分别用于代表安倍政府推出宽松货币政策实施之前、刚刚实施及实施之后的情况，随后基于这3个时间点的脉冲响应函数特征，选取冲击较为明显的滞后影响特征，通过TVP-SV-VAR特有的时变脉冲响应函数进行进一步分析。图4-3日本量化宽松货币政策相关指标的时点脉冲响应同上分析，我们重点关注日本量化宽松货币政策对国内主要经济指标的影响。首先，对于国内民众生活而言，量化宽松货币政策的实施对国内通货膨胀并未产生积极影响，但是也应注意到政策不同阶段冲