《基于svar模型的中国核心通货膨胀度量及效果评价-阳玉香.pdf》由会员分享，可在线阅读，更多相关《基于svar模型的中国核心通货膨胀度量及效果评价-阳玉香.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、贵州财经大学学报2017年第4期总第189期宏观经济7基于SVAR模型的中国核心通货膨胀度量及效果评价阳玉香1,莫旋2,唐成千2(1.衡阳师范学院经济与管理学院,湖南衡阳 421008;2.上海财经大学经济学院,上海 200433)摘要:借鉴Quah和Vahey两变量SVAR模型,细化需求冲击,构建食品价格、通货膨胀和产出的三变量SVAR模型,基于宏观经济理论施加三个长期限制条件,度量中国核心通货膨胀,并从波动性、趋势追踪能力、相关性和预测能力四个维度评价核心通货膨胀的效果。研究表明SVAR方法是度量中国核心通货膨胀的优良方法,对货币当局的决策有一定参考价值。关键词:核心通货膨胀;SVAR模型
2、;度量;评价文章编号:2095 -5960(2017)04 -0007 -06;中图分类号:F820.5;文献标识码:A一、引言物价稳定是各国中央银行最主要的政策目标。价格波动扭曲了经济的价格信号,并可能导致资源配置低效率,因此,维持价格稳定就显得尤为重要。特别是在中国进入典型的需求拉上和成本推动共同作用的通货膨胀时代背景下1,如何判断通货膨胀走势,是中央银行制定货币政策的重要先决条件,因此需要一个好的衡量通货膨胀的指标。在实践中,盯住核心通货膨胀来制定货币政策,就成了稳定物价的一个可行的措施。核心通货膨胀作为正式术语由Eckstein于1981年首次提出,但由于它本身具有不可观察性,专家们对
3、其定义和度量方法没有一致的结论2。侯成琪(2013)根据度量方法将核心通货膨胀划分为两类,一类将其定义为“普遍的通货膨胀”,即度量通货膨胀的普遍性成分,度量方法包括截尾均值法、剔除法、波动性加权法和复合波动性加权法等;另一类将其定义为“持续的通货膨胀”,即反映通货膨胀的中长期变化趋势,度量方法有SVAR方法、指数移动平均法、共同趋势法、动态因子模型等3。国内不少学者借鉴上述研究方法对中国的核心通货膨胀进行了度量和效果评价。范跃进(2005)采用多种研究方法估计了中国的核心通胀率,并评析了核心通货膨胀的度量效果4。王少平(2009)运用正交分解技术度量了中国的核心通货膨胀5。侯成琪(2011)提
4、出了基于稳态权重的估计核心通货膨胀方法,并估计了中国的核心通货膨胀6。吕光明(2014)从多方法改进视角测算了中国的核心通货膨胀,并评价了其效果7。Quah和Vahey(1995)8利用SVAR方法,以垂直的菲利普斯曲线为基础,将核心通货膨胀的研究与货币中性理论相结合,具有明确的经济含义,因此受到国内学者们的重视。简泽(2005)认为需要在SVAR收稿日期:2017 -01 -19基金项目:国家社会科学基金资助项目(15BJY112);湖南省教育厅科学研究重点项目(17A033);上海财经大学研究生创新基金资助项目(CXJJ -2015 -363)。作者简介:阳玉香(1979 ),女,湖南衡阳
5、人,衡阳师范学院副教授,研究方向为计量经济学;莫旋(1985 ),男,湖南衡阳人,上海财经大学博士生,研究方向为核心通货膨胀(通讯作者);唐成千(1985 ),男,山东滕州人,上海财经大学博士生,研究方向为应用时间序列。万方数据8宏观经济贵州财经大学学报2017年第4期总第189期模型中考虑其他因素的影响,进一步还原出具体冲击,以使研究结论更符合实际9。吴锦顺(2013)发现基于SVAR模型的核心通货膨胀预测未来通货膨胀的能力较强,能够完全反映中国通货膨胀演化的历史进程10。基于此,我们借鉴Quah和Vahey的两变量SVAR模型,细化需求冲击,建立食品价格、通货膨胀与产出的三变量SVAR模型
6、,然后基于宏观经济理论,施加三个长期限制条件,估计中国的核心通货膨胀,并从波动性、追踪趋势能力、相关性和预测能力四个维度评价核心通货膨胀的效果。二、SVAR模型与核心通货膨胀的度量(一)改进的SVAR模型尽管VAR模型在实证研究中得到广泛应用,但由于VAR模型的信息可能存在较强的相关性,无法揭示经济结构,经常受到批评。 Blanchard和Quah(1988)对向量自回归(VAR)模型进行改进,提出了SVAR模型,即基于经济理论施加长期限制条件的一种结构化方法11。 Quah和Vahey(1995)8将SVAR模型用于核心通货膨胀的研究,建立了包括消费者物价指数与产出的两变量SVAR模型,施加
7、需求冲击长期产出效应为零的限制条件,以识别SVAR模型,并分离出结构化需求冲击和供给冲击,进而利用供给冲击部分得到核心通货膨胀率。当前,中国通货膨胀的形成机制较为复杂,既有短期成分又有长期成分,既有供给因素又有需求因素12。食品支出在我国城乡居民支出中比重较高,在消费者物价指数中权重也较大,核心通货膨胀需要剔除食品等季节性强、暂时性波动大的商品,以反映价格变动的中长期变化趋势;同时,需要对需求冲击进行细化1314。因此,本文在Quah和Vahey两变量模型的基础上,引入食品价格变量,在细化需求冲击的同时,保留需求因素的影响,以消除价格短期波动,以此估计出来的核心通货膨胀可反映价格的中长期变化趋
8、势。假设经济中存在三种互不相关的冲击:暂时性冲击( vTt )、需求冲击( vDt )和供给冲击( vSt ),其中暂时性冲击反映了经济中的暂时性因素,如自然灾害等造成的影响;需求冲击反映了消费、投资、政府购买等因素带来的需求变化;供给冲击反映了供给侧结构性改革引起全要素生产率的提高。我们进一步假设食品价格增长率( ft )、通货膨胀率( t )与产出增长率( yt )同时受到三种冲击的影响。 ft 、 t与yt可分别由当前与过去各期的暂时性冲击、需求冲击和供给冲击来线性表出,具体表达式如下:fttyt=S11(L) S12(L) S13(L)S21(L) S22(L) S23(L)S31(L
9、) S32(L) S33(L)vTtvDtvSt上式为三变量SVAR模型。其中, Sij L( )为滞后算子多项式,即Sij L( ) = k =0SkijLk , Skij反映t - k期的第i个变量受到第j种冲击影响的程度。为分析简便,令Xt = (ft,t,yt) , vt = (vTt ,vDt ,vSt ) ,上式可以写成Xt = S(L)vt 。进一步假设vTt 、 vDt和vSt是标准化白噪音,所以E(vtvt) = I3 。为了估计S(L)和vt ,我们需要估计简化式VAR模型Xt = A(L)Xt-1 + t ,然后转化为无穷阶的VMA()形式Xt = B(L)t ,再由结构
10、式可得S(L)vt = B(L)t 。因为B(0) = I3 ,所以S(0)vt = t ,并且有E(tt) = S(0)E(vtvt)S(0) = S(0)S(0) 。由上式可以得到关于Sij(0)(i = 1,2,3;j = 1,2,3)的6个方程,还需要另外3个方程才可以求解Sij(0) 。首先假定食品价格所反映出来的暂时冲击在长期对通货膨胀率没有影响;然后基于自然率假说,我们可以得到两个长期限制条件,即除供给冲击以外的其他冲击对产出的长期累积影响为零。因而有:S21(L) = 0 , S31(L) = 0 , S32(L) = 0 。再根据S(L)vt = B(L)t和S(0)vt =
11、 t ,可得S(L) = B(L)S(0),这样就得到关于Sij(0)(i = 1,2,3;j = 1,2,3)的3个方程。排除了暂时冲击的影响,我们可以将基于SVAR模型的核心通货膨胀表示为: coret = S22(L)vDt + S23(L)vSt 。(二)变量的选取与处理本文选用食品CPI、通货膨胀CPI和产出GDP三个变量构建SVAR模型。由于我国GDP是季度数万方数据贵州财经大学学报2017年第4期总第189期宏观经济9据,所以我们选择规模以上工业企业增加值月度同比增长率作为代理变量,消费者价格指数和食品价格指数也选用月度同比数据,以消除季节因素影响,所有数据均来自中经网数据库。因
12、中国的农历新年一般在1、2月份,这两个月份规模以上工业企业增加值同比增长率可能会出现异常的波动,我们便采用这两个月的算术平均值替代波动异常值。由于应用SVAR模型时需要施加长期限制条件,而经济意义上的长期一般要求不少于15年,因此,本文采用2000年1月到2015年6月的月度数据,该数据达到了建模要求。(三)模型的估计与核心通货膨胀的度量第一步,平稳性检验。通常来说,若VAR模型中的变量存在单位根且有协整关系,那么VAR模型将不平稳,其估计结果也不稳定,所以我们需要进行单位根检验和协整关系检验。本文采用ADF方法进行单位根检验,具体结果见表1。表1 ADF单位根检验变量检验形式ADF检验统计值
13、临界值(1%)结论ft (C,0,12) -2.529 -3.486非平稳t (C,0,12) -2.492 -3.486非平稳yt (C,0,3) -2.375 -3.483非平稳cpi_svar (C,0,12) -1.576 -3.486非平稳D(ft) (C,0,11) -5.850 -3.486平稳D(t) (C,0,11) -6.049 -3.486平稳D(yt) (C,0,2) -6.910 -3.483平稳注:检验形式(c,t,k)中c表示含有常数项, t = 0表示不含趋势项, k为滞后阶数。从表1的结果可知,在1%的显著水平上,无法拒绝ft 、 t和yt三个序列有单位根的原
14、假设,这意味着它们均为I(1)过程,都非平稳,且相互之间不存在协整关系。但它们的一阶差分序列D(ft) 、 D(t)和D(yt)是平稳的。因此,我们在构建SVAR模型时应该使用这三个序列的差分形式D(ft) 、 D(t)和D(yt) 。第二步,SVAR模型估计。基于AIC准则,我们首先确定模型的最优滞后阶数为2阶,然后估计带常数项的VAR(2)模型: Xt = A1Xt-1 + A2Xt-2 + C 。估计结果如表2所示:表2简化式VAR(2)的估计结果Xt A1 A2 CD(ft) -0.7170 0.3103 0.2872 0.5762 0.0655 -0.1218 0.0351D(t)
15、-0.0933 0.1469 0.0466 0.3553 0.0397 -0.0821 0.0129D(yt) -0.4627 0.0115 0.1823 0.0568 -0.0913 0.0770 -0.0336由表2可知,所有的特征根均在单位圆内,因此估计出来的VAR模型是平稳的,我们可将VAR模型转化为VMA形式。基于宏观经济理论,施加三个长期限制条件,以便在VAR模型估计结果的基础上进一步估计SVAR模型。由于模型在做差分时损失了一阶,而且VAR建模时损失了两阶,因此,我们从2000年4月开始估计中国的核心通货膨胀率,其计算公式为: coret = k =0Sk22LkDt + k =
16、0Sk23LkSt 。第三步,核心通货膨胀的度量。由于SVAR模型计算得到的结果是核心通货膨胀的变化量,而不是它的水平值,因此,我们需要进一步计算核心通货膨胀的水平值,并设定一个合适的初始值。本文计算的依据是,核心通货膨胀应该是实际通货膨胀的无偏估计,因此,它们应该具有相同的算术平均值。具体操作为:先将核心通货膨胀率的变化量逐月累加,再加上其与实际通货膨胀的平均值的差101.07即可。万方数据10宏观经济贵州财经大学学报2017年第4期总第189期图1 2000年4月至2015年6月核心通货膨胀与实际通货膨胀图1比较了实际通货膨胀和基于SVAR模型的核心通货膨胀两个时间序列。从图1可以看出,二
17、者的走势大致相同,但基于SVAR模型的核心通货膨胀起到了明显的削峰平谷作用。三、核心通货膨胀的效果评价(一)波动性核心通货膨胀剔除了实际通货膨胀中因暂时性冲击导致的价格波动,因此其与实际通货膨胀应该具有相同的平均值,且具有更小的方差。从表3可知,实际通货膨胀的标准差为2. 226,而基于SVAR模型的核心通货膨胀标准差仅为0. 644。从图1中也可以看出,基于SVAR模型的核心通货膨胀起到了较好的削峰平谷作用,其消减波动性的能力较强。表3核心通货膨胀和实际通货膨胀的描述性统计变量样本平均值标准差最小值最大值核心通货膨胀183 102.30 0.644 101.1 103.4实际通货膨胀183
18、102.31 2.226 98.2 108.7(二)趋势追踪能力我们首先采用ADF检验,对基于SVAR模型的核心通货膨胀和实际通货膨胀的平稳性进行检验,由表1可知,在1%的显著上水平上,无法拒绝序列有单位根的原假设,即基于SVAR模型的核心通货膨胀和实际通货膨胀均为I(1)序列。然后,通过表4的Johansen协整关系检验可知,基于SVAR模型的核心通货膨胀与实际通货膨胀之间存在协整关系。从表3的描述性统计结果,发现它们的平均值相等。这些表明基于SVAR模型的核心通货膨胀和实际通货膨胀,长期而言是无差异的。采用基于SVAR模型的核心通货膨胀,既可为中央银行制定货币政策提供决策依据,又可为人们普
19、遍关心的物价水平提供信息。所以,我们认为基于SVAR模型的核心通货膨胀趋势追踪能力较强。表4 Johansen协整关系检验原假设特征值统计量5%临界值0个协整0.17476 35.4009 18.171个协整0.01131 1.9783 3.74注:协整检验用到的滞后阶数为12。(三)相关性理想的核心通货膨胀应该和实际通货膨胀高度相关,这能够通过检验二者之间的同期相关系数来实现,基于SVAR模型的核心通货膨胀与实际通货膨胀的相关系数为0. 778。因为中央银行货币供给量的变动对物价指数的影响具有滞后性,因此,我们采用货币供给M2同比增长率的当期和滞后期,来分别计算货币供应量的变动与核心通货膨胀
20、和实际通货膨胀的相关关系。在滞后24期以前,实际通货膨胀与货币供给M2增长率的相关系数,大于核心通货膨胀与货币供给M2增长率的相关系数,且随着滞后期的增加,相关程度上升,在滞后18期,实际通货膨胀与货币供给M2增长率的相关系数达到最大值0. 52;核心通货膨胀与货币供给M2增长率的相关系数在滞后21期达到最大值0.48,在滞后24期以后,核心通货万方数据贵州财经大学学报2017年第4期总第189期宏观经济11膨胀与货币供给M2增长率的相关系数,大于实际通货膨胀与货币供给M2增长率的相关系数,且随着滞后期的增加,相关程度下降。总体而言,基于SVAR模型的核心通货膨胀与货币供给M2增长率的相关性较
21、高且稳定。(四)预测能力核心通货膨胀剔除了物价的短期变动,反映了物价水平的中长期变化趋势,所以,基于SVAR模型估计出来的核心通货膨胀的效果需要通过它对未来通货膨胀的预测能力来体现。我们以某一特定时期与后续几期的实际通货膨胀变动幅度为因变量,以该时期实际通货膨胀与核心通货膨胀的偏离为自变量,来评估核心通货膨胀的预测能力,具体的评估方程如下:t+h - t = + h(t - coret ) + t+h其中, t+h表示未来h期的实际通货膨胀。由于coret = E t+h | It ( It为t期的信息集),即核心通货膨胀是对未来实际通货膨胀的预期,所以应该有 =0和h = -1。对常数项的限
22、制并不重要, =0仅说明某一特定时期实际通货膨胀和核心通货膨胀的偏离程度,与后续几期实际通货膨胀变动幅度的均值相同。 h的估计系数反映了核心通货膨胀是否充分剔除了短期波动因素的影响,更值得关注。如果h = -1,意味着被核心通货膨胀消除的成分不包含任何预测未来通货膨胀的信息,核心通货膨胀已充分捕捉了实际通货膨胀中的长期趋势成分,能够完全预测未来的通货膨胀;如果h的值在0与-1之间,表明某一特定时期实际通货膨胀和核心通货膨胀的偏离程度会高估实际通货膨胀的后续变化;如果h的值小于-1,表明某一特定时期实际通货膨胀和核心通货膨胀的偏离程度会低估实际通货膨胀的后续变化。所以,h的取值越接近于-1,核心
23、通货膨胀的预测能力就越强。回归结果见表5。表5核心通货膨胀的预测能力比较系数1 2 3 4 5 6全样本-0.055 -0.114 -0.190 -0.278 -0.382 -0.495样本1 -0.114 -0.235 -0.325 -0.381 -0.442 -0.521样本2 -0.040 -0.098 -0.184 -0.309 -0.449 -0.595系数7 8 9 10 11 12全样本-0.620 -0.755 -0.902 -1.045 -1.188 -1.347样本1 -0.608 -0.693 -0.798 -0.896 -1.040 -1.230样本2 -0.754 -
24、0.925 -1.112 -1.287 -1.439 -1.603正如模型预期,所有h估计值的系数都为负数,所以某一特定时期实际通货膨胀率与核心通货膨胀率的偏离同实际通货膨胀的后续变化负相关。从表5可知,当预测期数为10个月时,h的值最接近于-1,预测效果最佳。预测期数过短或者过长,预测的效果都会降低。我们根据中国实际通货膨胀的历史走势,从全样本中分出两个子样本区间分别进行分析。样本1为2000年4月到2006年12月,共81个月,实际通货膨胀的平均值为101. 279,标准差为1. 56,该时期的特点是通货膨胀率较低,且波动幅度小;样本2为2007年1月到2011年12月,共60个月,实际通
25、货膨胀的平均值为103.745,标准差为2.84,该时期的特点是通货膨胀率较高,且波动幅度大。从表5可以看到,在样本1下,预测期数为11个月时,h的值最接近于-1,预测效果最佳;在样本2下,预测期数为8个月时,h的值最接近于-1,预测效果最佳;预测期数过短或者过长,预测的效果都会降低。当预测的期数小于5期或者大于9期,在样本1下的预测精度要高于样本2;当预测的期数在5期到9期之间,在样本2下的预测精度要高于样本1。这表明在通货膨胀率高且波动幅度大的时期,核心通货膨胀率的短期(3个月左右)预测效果较差,同时说明在通货膨胀率高且波动幅度大的时期,通货膨胀的短期走势很难预测,但中长期(6到9个月)预
26、测效果反而更好。总体而言,基于SVAR模型的核心通货膨胀对实际通货膨胀有一定的预测能力。万方数据12宏观经济贵州财经大学学报2017年第4期总第189期四、结论本文借鉴Quah和Vahey的两变量SVAR模型,进一步细化需求冲击,构建食品价格、通货膨胀和产出的三变量的SVAR模型,基于宏观经济理论对模型施加了三个长期限制条件,然后估计了从2000年4月到2015年6月中国的核心通货膨胀率,从波动性、趋势追踪能力、相关性和预测能力四个维度,对中国核心通货膨胀的效果进行了评价。结果表明,基于SVAR模型的核心通货膨胀起到了较好的削峰平谷作用,且追踪趋势能力较强,与实际通货膨胀和货币供给M2增长率的
27、相关性较高且稳定,对实际通货膨胀有一定的预测能力。因此,SVAR模型是一种度量中国核心通货膨胀的优良方法,基于SVAR的核心通货膨胀比实际通货膨胀对货币当局的决策更有政策参考价值,可应用于中国的经济实践。参考文献:1刘伟.新常态下中国宏观经济形势分析J.北京工商大学学报(社会科学版),2016(3):1 -8.2谭本艳.我国核心通货膨胀问题研究D.武汉:华中科技大学,2009:10.3侯成琪,龚六堂.核心通货膨胀理论综述J.经济学(季刊),2013,12(2):549 -576.4范跃进,冯维江.核心通货膨胀测量及宏观调控的有效性:对中国1995 2004的实证分析J.管理世界,2005(5)
28、:6 -13.5王少平.中国的核心通货膨胀率及其动态调整行为J.世界经济,2009(11):13 -22.6侯成琪,龚六堂,张维迎.核心通货膨胀:理论模型与经验分析J.经济研究,2011(2):4 -10.7吕光明,徐曼.多方法改进视角下的中国核心通货膨胀测算和效果评价J.统计研究,2014,31(5):41 -47.8Quah D,Vahey S. Measuring core inflationJ. Economic Journal,1995,105(432):1140 -1144.9简泽.中国核心通货膨胀的估计J.数量经济技术经济研究,2005,22(11):3 -13.10吴锦顺.利用
29、结构VAR模型估计中国的核心通货膨胀率J.南方经济,2013,31(2):41 -55.11Blanchard J,QuahD. The Dynamic Effects of Aggregate Demand and Supply DisturbancesJ. American EconomicRe-view,1988,79(4):644 -652.12陈梦根,尹德才.消费者价格指数偏差:理论与测度方法J.首都经济贸易大学学报,2016,18(6):3 -15.13田新民,武晓婷.中国核心通货膨胀的SVAR模型估计与政策应用J.中国工业经济,2012(12):5 -17.14李新运,王圆圆,徐
30、瑶玉.基于混沌时间序列的CPI短期预测分析J.经济与管理评论,2015(2):33 -38.Measurement and effectiveness evaluation of core inflation in China based on SVAR modelYANG Yu-xiang,MO Xuan,TANG Cheng-qian(1. School of economics and management, Hengyang Normal University, Hengyang Hunan 421008, China;2. School of economics, Shanghai
31、University of Finance and Economics, Shanghai 200433)Abstract:Based on the Quah and Vahey two variable SVAR model, refined demand shock, construct three variable SVAR modelfood prices, inflation and output, applying the three term limit conditions based on the theory of macro economy, Chinameasure o
32、f core inflation and the volatility, trend tracking ability, correlation and prediction ability of the four dimensionsof the evaluation of core inflation the effect of. The research shows that the SVAR method is a good way to measure Chinas core inflation, and has some reference value to the monetary authorities decision - making.Key words:core inflation; SVAR model; measurement; evaluation责任编辑:张士斌万方数据