中国2018年货币政策_SVAR模型在货币政策研究领域的运用

　　摘要：SVAR模型（结构向量自回归模型）由Sims（1986）提出。在此基础上， Bernanke（1986） 、Blanchard和Quah（1989）先后提出了各自的分解法并运用于宏观经济学领域的研究中。近年来，这一研究方法逐渐被广泛地运用于包括货币政策研究在内的宏观经济研究中。文章通过对宏观计量经济学的演变的阐述，分析SVAR模型的产生、发展的背景及其不同的分解法的优劣及其适用，详细研究该模型在货币政策研究领域中的运用及不足，并提出未来的研究方向。
　　关键词：SVAR模型；货币政策冲击；货币政策传导机制
　　宏观经济学作为应对“大萧条”的产物，于20世纪40年代成为一门独立的学科。宏观经济学的发展与计量经济学的发展密不可分。宏观经济学理论的演进依赖于计量经济学的发展，同时又充实了后者的理论框架。从某种意义上概括来讲，宏观计量经济学研究方法的演进过程，是从简约式到结构式的演变过程。与之大致相对应的发展阶段则为传统计量经济学和现代计量经济学，前者概率结构已知、参数未知且具有稳定性，后者则概率结构和参数未知、不稳定。
　　在货币政策研究领域中，早期西方学者采用传统的Cowles Commission模型以及伦敦学派模型（LSE模型）。这些模型在运用中存在诸多缺陷，如缺乏经济理论基础、无法用于政策评估和预测等等。针对传统的宏观计量模型的缺陷，学者们提出了优化的模型予以弥补。Sims（1980，1986）先后提出了向量自回归模型（VAR模型）和结构向量自回归模型（SVAR模型），并率先将SVAR模型运用于宏观经济学领域。随后Bernanke（1986）、Blanchard和Quah（1989）提出了各自的研究方法并运用于宏观经济学（尤其是货币政策）领域的研究中。
　　一、 计量模型的演变
　　1. 传统的Cowles Commission 模型。作为传统的用以研究货币政策有效性和货币政策传导机制的计量方法， Cowles Commission模型旨在量化分析经济体系中外生变量对内生变量的影响。如在研究货币政策传导机制中，货币政策制定者所能控制的变量，即各类货币政策工具，被看作是外生变量；各类宏观经济变量，即货币政策最终目标，被看作是内生变量。
　　模型表达式：Cowles Commission 模型的动态模型表示为：
　　AYt-1Mt-1=C1（L）Yt-1Mt-1+C2（L）（Mt）+?着Yt?着Mt
　　其中，Y代表宏观经济指标向量，为内生变量；M代表货币政策指标，由货币政策制定者和经济体系的交互关系决定，为外生变量；M代表货币政策变量的子矩阵，为货币政策制定者直接并完全控制的变量。一般而言，模型设定条件为rankRi（D1|D2...|Dn）=n-1。
　　模型的缺陷：20世纪70年代，学者们发现采用Cowles Commission 模型进行宏观经济模型设定，无法很好的解释经济指标数据，无法体现经济学理论，也不关注模型的统计结构，对于政策评估和预测的实际意义也不大。
　　为了弥补Cowles Commission 模型的这些缺陷，计量学理论界相继出现了多种计量方法，包括LSE模型（London School of Economics approach），VAR模型，SVAR模型以及跨期最优真实经济周期模型（Interemporal Optimization-Real Business Cycle Model）。
　　2. 伦敦学派模型（ LSE模型）。LSE模型采用简化式，对数据进行一般化推导。来自Lucas and Sims的批评，认为LSE模型的数据拟合度较差，与经济理论相脱节，且仍未能涉及到经济政策评估。以货币政策传导机制研究为例，在LSE模型中，考虑到将货币供给作为外生变量以研究货币政策传导。基于跨期最优理论，理性的经济主体会作出最优化的选择，这也使得没有经济变量是完全的外生变量（Sims，1980）。在货币当局将货币供给作为达到宏观经济目标的操作工具时，货币供给不仅反映了产出和通胀，同时也是原因之一。因此，由于假设货币供给是外生变量，LSE模型忽略了变量之间的交互关系。
　　3. 真实经济周期模型（RBC模型）。与标准的货币均衡模型不同，Farmer（1997）模拟了一个具有真实经济周期的经济体，用以分析时间序列的一些特性，尤其是货币、价格、产出和利率之间的相互关系。真实经济周期模型也叫跨期最优模型，是应对Lucas 批评的直接产物。该模型的参数估计独立于外界政策边界，并被独立识别。通过引用效用函数的特定特性，Farmer（1997）设定了货币在融资交易中相对重要的地位。一般均衡理论认为稳定状态的均衡是不确定的，从而导致动态随机均衡的两个特性：一是根据代理模型理论，则能够比较容易的例举出由冲击所带来的经济周期的例子；更为重要的是，模型中的动态随机均衡很好地体现了美国各宏观数据时间序列中存在的动态特性，以及相互之间的交互机制，并运用不确定性来解释货币动态变动。运用RBC模型能够在少量假设前提下很好的解释真实数据反应函数中长期渐凸的形状。
　　但RBC模型存在较为严格的假设，即假设微观经济主体能够采取跨期最优行为，微观经济行为形成的微观经济数据通过简单加总形成宏观经济数据，并用于参数校准 ①。在个体行为存在差异的情况下，假设微观经济行为不会对宏观经济行为产生影响，值得怀疑（李广众、陈平，2002；何新华，2007）。RBC模型另一个缺陷在于，借助于复杂的计算机编程，模型可以容纳尽可能多的经济变量，并由此可以促进模型的精确度，但参数空间会变得极为庞大，且变量之间的关系也变得难以解释。An和Schorfheide（2007）提出了在贝叶斯框架下进行RBC模型的参数校准，但会带来更多的数学计算。
　　4. 向量自回归（VAR模型）。Sims（1980）提出的向量自回归模型（VAR模型），采用联立方程组的形式。模型的设立可以与经济理论相脱离，将内生变量与模型中的全部内生变量的滞后项进行线性回归，从而估计出各变量间的动态关系。