我国货币政策对于抑制流动性过剩的有效性分析.docx

我国货币政策对于抑制流动性过剩的有效性分析.docx

《我国货币政策对于抑制流动性过剩的有效性分析.docx》由会员分享，可在线阅读，更多相关《我国货币政策对于抑制流动性过剩的有效性分析.docx（21页珍藏版）》请在冰豆网上搜索。

我国货币政策对于抑制流动性过剩的有效性分析

我国货币政策对于抑制流动性过剩的有效性分析

——基于2003.4～2008.12月度数据实证分析的悖论

【摘要】随着中央政府为了应对金融危机出台一系列经济刺激方案，流动性过剩又重新抬头，为了抑制银行系统的流动性问题，首先本文创造性地使用人行的资产负债表作为货币政策操作工具，并根据本文理论深入分析了抑制我国流动性过剩若干具体措施；然后，对上述结论进行了实证检验；最后，本文提出了全新的观点来解释我国当前宏观货币政策操作失效的原因，认为外汇占款不是导致流动性过剩的主要原因，而频繁地动用存款准备金工具是造成过剩流动性的最重要的原因，并在此基础上建设性地提出两个意见抑制我国流动性过剩问题。

【关键词】金融危机;流动性过剩;基础货币；外汇占款;法定存款准备金；超额存款准备金；国债；央行票据；政府存款；季节性调整；相关性分析；协整分析；格兰杰因果检验.

一、引言

全球金融危机蔓延，我国从2008年下半年开始下调存款准备金、减息等一系列意图恢复中国市场的信心，特别地，2008年11月5日出台刺激内需的十项措施，并动用4万亿来扩大内需，在央行一连串动作的背后，都在告知投资者央行今后的宏观政策将出现转向，稳健的财政政策将转向积极，从紧的货币政策将转为适度宽松，这些都在引导人们对未来中国的经济做出正确的理性预期，本文受到卢卡斯和萨金特的理性预期理论的影响，肯定了理性预期在市场上的作用，本文以20世纪80年代在爱尔兰的例子来阐释，爱尔兰在80年代经历了两次赤字削减计划，第一次以提高税收为基础；第二次把重点放在政府作用的削弱和政府支出的减少上，而不是提高税收。

但令人以外的是，两次计划的结果大相径庭，前者是产出的低增长和失业率的上升，受到产出增长低的连累，税收比预期低，导致赤字削减不显著；后者却带来了强劲的产出增长，税收比预期高得多，赤字大幅减少。

为什么两次的操作会有截然不同的结果呢？

第一个计划着重提高税收，并没有改变人们眼中政府在经济中的作用。

而第二个计划把重点放在削减支出和税制改革的基础上，对预期产生了更多积极的影响，从而影响了产出【1】。

中国政府看到了预期在经济生活中收到的良好效果，不仅在一些重大场合承诺将付诸一切行动要保持经济平稳发展，恢复投资者和消费者的信心，而且具体到实际操作中，四万亿的经济刺激方案、多项减税措施（如今年1月把小规模纳税人的增值税征收率从6%下调到3%以及内资企业所得税从33%降至25%）、增值税转型改革（即增值税将逐渐替代营业税）、提高退休职工收入、加大对新批的开发区建设（如滨海新区、成渝开发区等）使其来拉动内需等等，中央政府希望仿效爱尔兰通过不断对外界喊话和落实自己的承诺，提振市场的信心，通过引导投资者和消费者的预期，达到使银行不惜贷、投资者不惜投、消费者不惜购买的效果【2】，事实上我国央行也确是这么做的，然而央行一面承担着振兴经济的担子，一面还要防止长期通货膨胀和流动性过剩的局面，那什么是流动性过剩呢？

郎咸平认为流动性过剩简单来说就是人们手中的钱太多了，手上的钱多了以后，买楼房的就造成楼价虚高；买股票就造成股市虚假的繁荣；买产品就造成东西涨价，导致通货膨胀。

这时央行需要一边向实体经济注入资金来刺激经济，导致社会中有很多流动性，一边还要回笼货币防止流动性过剩。

本文从实证分析的角度对未来流动性过剩的成因进行了深入分析并对我国货币政策抑制流动性的问题提出了相应的对策。

二、实证分析

（一）数据来源及指标说明

1.本文选取的操作变量，考虑到样本数据的一致性，所涉及的数据均来自中国人民银行官方网站以及万方数据库，由于流动性过剩是从2003年下半年才开始显现的，央行从2003年4月开始不遗余力地采取灵活的操作—发行央行票据、上调法定存款准备金、发行央行债券等，所以本文使用从2003年4月至2008年12月的月度数据，因此样本数为69个。

统计数据来自货币当局资产负债表、银行概览、金融机构人民币信贷收支报表以及存款性公司概览等统计报表。

金融机构和银行概览统计范围一致，货币概览的统计范围则包括除国家开发银行、中国进出口银行这两家政策性银行、信托公司和租赁公司等特定存款性公司之外的所有金融机构，即包括货币当局，存款性公司，如国有商业银行，中国农业发展银行以及其他存款性金融公司。

就理论而言，将汇总的特定存款机构资产负债表与货币概览合并后，即为银行概览。

由于银行概览的统计范围与西方通用的存款性公司较为接近，而我国央行只有自2006年1月开始才有专门的“存款性公司概览统计报表”，“存款性公司概览”与原来的“银行概览”统计的口径基本一致；“货币概览”更名为“其他存款性公司概览”，2005年以前原“货币概览”和“银行概览”的数据，在2006年后调整为相应的“存款性公司概览”及“其他存款性公司概览的数据”，同时从2006年后央行不再披露银行概览与货币概览。

因此在数据整体可得性和统计口径的一致性，考虑到时间序列数据的一致性，本文优先选取银行概览的数据，而金融机构人民币信贷收支表因其统计范围包括除非银行金融机构，如证券公司、保险公司及资产管理公司等以外的所有金融机构，所以它只有在银行概览数据不可得时才采用。

2.本检验以基础货币为解释变量。

数据采用货币当局资产负债表中的“储备货币”项目下的数据。

在解释变量的选择方面，从中央银行资产负债表（见附录表1）可以看到，作为负债的基础货币与各项资产业务是相对应的，在自有资本一定的情况下，中央银行的资产总额增减，必然导致其基础货币总额（即负债总额）也随之相应等额增减。

在央行资产业务中，外汇业务占资产业务的比重逐年增大，从1993年底的10.47%增加到2008年末的72.25%，由此可见，外汇占款已经成为投放基础货币的主要渠道。

自从我国1994年进行外汇体制改革以来，实行强制结售汇制度，当存款性公司将外汇出售给中央银行时，中央银行的资产增加，同时会将等值的本国的基础货币计入金融性公司在中央银行的帐户，也就是商业银行所持有的中央银行负债即存款准备金增加，即基础货币的投放增加了。

因此将外汇占款作为主要的解释变量之一。

3.除此之外，从基础货币的定义可知，基础货币（B）由流通中的现金（C）和存款性公司和特定存款性公司的存款准备金（R）组成，R包括法定存款准备金（r）和超额存款准备金（e），即B=C+R,此方程即为基础货币的计算方程。

但此方程没有表明基础货币的来源（即影响基础货币变动的因素），根据资产负债平衡表的原理即“资产=负债”的会计恒等式，得出一等式：

B=流通中的现金（C）+存款准备金（R）=对国外的资产+对政府的债权+对金融性公司的债权（它包括对存款性公司和特定存款性公司的债权）+对非金融性公司的债权+其他资产-对国外的负债-对政府的存款-央行发行的债券-其他负债-自有资金=对国外的净资产+对政府的净债权+对金融性公司的债权+对非金融性公司的债权+央行对其他部门的贷款净额（其他资产-其他负债）-央行债券-自有资金，这里需要注意的是虽然在资产负债表中，虽然自有资金作为资金运用的来源之一，将其列入负债方。

但事实上，自有资金不是真正的负债，其作用也不等同于负债，所谓自有资金是央行的资本金和信贷基金，他与资产和负债的关系是：

自有资金=资产-负债【3】。

从附录表1我们可知，在央行对金融性公司的债权和对金融性公司负债的对应关系以及对政府的债权和政府存款的对应关系不变时，若央行国外资产增加与其他存款及自有资金的增加相对应，不会影响基础货币的变化，反之，将导致基础货币的净增加。

目前，我国增加自有资金的途径主要有依靠铸币税的收入和用外汇储备来投资而获得的收益这两种。

更进一步，我门可以得知：

一：

银行的资产业务决定负债业务；二：

负债如果不变，自有资本增加，央行相应地扩大自己国外资产业务（即外汇、黄金储备等），可以保持基础货币不变。

所以，在外汇占款逐年增加的情况下，要保持基础货币的适度吐出，本文根据央行资产负债表得出的公式进行推导，认为可以通过以下途径：

在自有资金一定的条件下，央行可以减少对国外资产（净）；减少对政府债权（净）；减少对金融性公司的债权；减少对非金融性公司的债权；减少对其他部门的贷款额（净）；增加央行债券（即国债和央行票据）；增加央行自有资金。

综上所述，具体到操作层面，影响基础货币的的因素有以下几个：

第一，央行对政府的净债权（主要是央行以购买国债的形式向政府注资，满足政府融资需求）。

第二，对金融性公司的债权（即对存款性公司、特定存款性公司、其他金融性机构的的再贴现和再贷款。

）

第三，对非金融性公司的债权（如对汶川地区的灾后重建发放优惠贷款。

）

第四，央行对其他部门的贷款净额。

第五，央行通过公开市场业务，发行央行票据等操作回笼基础货币。

第六，央行增加自有资金。

最后，也是最重要的是不断攀高的外汇储备。

由于数据的可得性以及对本文实证分析研究的结果的影响并不是特别大，本文对于解释变量的选择只列出其主要部分，由此可见，本文选择的与影响基础货币因素相对应的能冲销央行被动吐出的基础货币的措施（即解释变量）有：

（1）政府发行的国债，这主要通过央行对资产负债表资产方中的对政府的债权变动体现出来，因此，本文选用的是央行资产负债表中的“对政府的债权（CG）”项目下的子项目“直接购买政府机构的债券”下的数据。

在全球金融危机的背景下，日前政府的四万亿投资计划借入大量的资金来刺激经济，这就需要发行国债，扩大赤字来筹资，央行购买国债在其资产负债表中资产方表现为外汇占款减少，央行持有的国债增加，理论上，这仅仅是资产方结构上的调整，负债方在量上保持不变，本文认为央行购买国债与发行央票之间算是一种“替代品”的关系。

（2）对于上文的第二点因素，本文经过审慎的选择，选用了2003年4月到2008年12月法定存款准备金（R）和超额存款准备金（E）的数据，由本文经过测算得出。

选取以上两解释变量，本文认为原因有三：

一是由基础货币的定义可知，B=C+R，流通在外的现金是外生变量，央行对它的量可以做到有控制力，不可能引起数倍于自身的货币供应量；而法定存款准备金和超额存款准备金是创造基础货币量的基础。

还有就是金融性公司把未到期票据送到央行申请再贴现，金融性公司在中央银行的存款准备金（央行负债）增加。

同理，对金融性公司的再贷款是中央银行执行“最后贷款人”的职责，在金融性公司在央行的帐户上计入相应的货币金额，为广大金融性公司扩大信用能力。

二是央行对金融性公司的放款或对其办理再贴现，间接地，金融性公司在中央银行的准备金存款就会相应增加，然后通过乘数作用，再加上基础货币，就会引起货币供应量成倍增加。

三是2008年下半年，为了防止经济陷入衰退，缓解银行流动性的不足，央行先后四次下调了人民币存款准备金率，大量的法定存款准备金划转到超额存款准备金的帐户下，金融性公司资产负债表资产方就有足够的资产来满足其贷款的冲动，他们因此不必向央行申请再贴现或放款，本文认为现阶段，我国再贴现和再贷款的作用有限，不再是央行考虑的理想的货币政策操作工具。

所以才把这两个因素也纳入到本文的计量模型中去。

法定存款准备金率来自央行官方网站的存款准备金公告栏。

在这里，超额存款准备金率（e）等于金融性公司存款准备金率减去法定存款准备金率（r）。

其中金融性公司的存款准备金率等于金融性公司在中央银行的准备金存款除以金融性机构存款总和。

金融性机构的准备金存款来源于央行资产负债表中的准备金存款。

公式如下：

超额存款准备金率=准备金存款/（活期存款+定期存款+储蓄存款）-法定存款准备金率【4】。

（3）央行票据（BNBs）。

从2003年4月22日起央行开始大规模发行票据，以期通过冲销操作吸收被动吐出的多余的基础货币量。

中国人民银行副行长吴晓灵就刊登在《中国金融》上在中央财经大学“第一届亚太经济与金融论坛”的演讲中指出在2002年后，为了控制商业银行流动性增长，央行的货币政策是对冲被动吐出的基础货币量，央行采取了若干措施来冲销银行间多余的流动性，以实现货币的可控性，她同时指出自从2003年4月央行开始正式发行央行票据以来，很好地对冲了银行系统多余的流动性。

最后，她认为在一定程度上，外汇占款大部分被冲销了，外汇占款对基础货币的影响也就小了【5】。

（4）政府存款（DG）。

在去年11月份出台的四万亿经济刺激方案，政府要在第四季度新增1000亿元投资，那么除了政府通过发行债券公开市场操作来募集资金外，还需要更多资金，这就要求政府动用自身在央行的存款（即国家税收等），政府存款减少也就预示着基础货币量的增加。

（5）外汇占款（PFP）。

外汇占款是指银行收购外汇资产而相应投放的本国货币。

在央行统计数据中“金融机构人民币信贷收支统计表”资金运用项目下的“外汇占款”，它反映的是整个银行体系（包括中央银行与商业银行）的购汇行为，而货币当局资产负债表中资产项目下的“外汇”是属于央行的购汇行为，因此，考虑到本文的实证研究的立意，本文所采用的数据是“金融机构人民币信贷收支表”。

本文检验均采用

6.0企业版进行测算。

（二）计量模型与实证检验

1.对原始数据进行季节性调整。

由于本文所选用的数据为时间序列数据，所以要对数据进行季节性调整，消除由于季节波动对数据带来的影响，季节调整的方法为Ratiotomovingaverage-Multiplicative（移动平均比率乘法）。

本文认为法定存款准备金率是央行强制存款性金融机构缴纳的，不存在季节性，因此本文对于法定存款准备金率不进行季节调整。

用移动平均比率乘法对以上数据进行季节性调整后，新的序列名称分别是：

ln（B1）、ln（PFP1）、ln（R）、ln（E1）、ln（CG1）、ln（BNBs1）、ln（DG1）.下图是解释变量之一的对政府存款经过季节调整前后的对比图，我们能很明显地看到调整后的新序列已不包含季节性。

图1对政府的债权季节性调整前后的对比图

2.由于对数形式的模型可以消除可能产生的异方差，而且本文根据经验判断，对数形式的模型对主要变量的显著性和样本数据的拟合优度更高，并能反映各自解释变量对被解释变量的弹性影响，能有效避免数据的剧烈波动，同时，本文也鉴于对弗里德曼关于半对数模型估计的结果要比对数模型好的理论，本文对法定存款准备金率、超额存款准备金率这两个存款准备金率变量采用原始值而非对数值，但模型输出的结果显示拟合优度略有提高，除了对政府的债权和法定存款准备金率这两解释变量在5%的显著性水平下不显著而没有通过

检验之外，其他各参数的

统计量都有了明显的改进，但本文认为使用全对数的模型，模型整体的拟合结果比较好，所以本文首先对变量取全对数，得到了新的变量ln（B1）、ln（PFP1）、ln（R）、ln（E1）、ln（CG1）、ln（BNBs1）、ln（DG1）。

3.相关性分析。

为了考察解释变量与被解释变量之间的关系，本文通过对它们进行相关性分析以更加直观地反映它们之间的相关关系。

从图中可以看出，基础货币与外汇占款、法定存款准备金率、对政府的债权和政府存款它们之间的相关系数的绝对值还是比较高的，而与超额存款准备金率、发行央票则相关性稍弱，说明它们之间存在相关性。

因此可以使用线性模型来建立合适的回归方程。

表1变量之间的相关系数矩阵

B

PFP

R

E

CG

BNBS

DG

B

 1.000000

 0.973447

 0.976505

-0.450604

 0.903387

 0.325767

 0.917474

PFP

 0.973447

 1.000000

 0.940681

-0.493741

 0.814942

 0.402106

 0.944328

R

 0.976505

 0.940681

 1.000000

-0.503097

 0.933656

 0.297713

 0.942791

E

-0.450604

-0.493741

-0.503097

 1.000000

-0.448662

-0.208601

-0.567539

CG

 0.903387

 0.814942

 0.933656

-0.448662

 1.000000

 0.228431

 0.822960

BNBS

 0.325767

 0.402106

 0.297713

-0.208601

 0.228431

 1.000000

 0.305631

DG

 0.917474

 0.944328

 0.942791

-0.567539

 0.822960

 0.305631

 1.000000

3.变量的单位根检验。

由于很多时间序列数据往往存在非平稳性问题，直接进行回归时容易出现“伪回归问题”，本文决定对七个变量进行ADF检验来检验变量的平稳性，对新序列（季节性调整取对数后）做单位根检验，然后由于新序列有上升或下降的趋势（见图2），所以检验式中包含常数和趋势项，最后确定滞后期数,协整模型的滞后期数是根据AIC（赤池信息准则）和SC（施瓦茨信息准则）为依据来选择最优滞后阶数，在本文中最优滞后项的选择以SC准则为主。

如果数据是非平稳性的，并且满足是同阶单整，才能进行协整分析。

各变量的ADF检验结果如下表：

图2新序列趋势图

表2对各变量单位根的ADF检验结果

变量

ADF-

t统计量

检验类型

（C、T、N）

SC值

1%临界值

5%临界值

10%临界值

结论

LOG（B1）

-0.705077

（C、T、1）

-4.483740

-4.100935

-3.478305

-3.166788

不平稳

LOG（PFP1）

-0.809934

（C、T、0）

-5.445090

-4.098741

-3.477275

-3.166190

不平稳

LOG（R）

-4.316996

（C、T、7）

-4.426812

-4.115684

-3.485218

-3.170793

平稳

LOG（E1）

-1.693845

（C、T、9）

-1.440305

-4.121303

-3.487845

-3.172314

不平稳

LOG（CG1）

-1.357489

（C、T、0）

-0.902415

-4.098741

-3.477275

-3.166190

不平稳

LOG（BNBs1）

-6.105600

（C、T、0）

1.830728

-4.098741

-3.477275

-3.166190

不平稳

LOG（DG1）

-2.167734

（C、T、0）

-3.278437

-4.098741

-3.477275

-3.166190

不平稳

注：

C、T、N分别表示常数项、时间趋势项、最优滞后阶数。

表3对各变量一阶差分检验结果

变量

ADF-

t统计量

检验类型

（C、T、N）

SC值

1%临界值

5%临界值

10%临界值

结论

D（LOG（B1））

-11.75261

（C、T、0）

-4.538637

-4.100935

-3.478305

-3.166788

平稳

D（LOG（PFP1））

-7.284847

（C、T、0）

-5.428437

-4.100935

-3.478305

-3.166788

平稳

D（LOG（E1））

-8.841783

（C、T、0）

-1.310098

-4.100935

-3.478305

-3.166788

平稳

D（LOG（CG1））

-8.242074

（C、T、0）

-0.860625

-4.100935

-3.478305

-3.166788

平稳

D（LOG（BNBs1））

-10.11388

（C、T、1）

2.000096

-4.103198

-3.479367

-3.167404

平稳

D（LOG（DG1））

-3.893566

（C、T、2）

-3.238505

-4.105534

-3.480463

-3.168039

平稳

从以上的检验结果表明（见表2），原序列ln（R）已经平稳，原序列ln（B1）、ln（PFP1）、ln（E1）、ln（CG1）、ln（BNBs1）以及ln（DG1）均是非平稳的序列，即不能拒绝单位根假设。

然后对各变量的一阶差分序列进行单位根检验，ln（B1）、ln（PFP1）、ln（E1）、ln（CG1）、ln（BNBs1）一阶差分序列的ADF值明显小于显著性水平为1%、5%和10%的临界值；ln（DG1）小于显著性水平为5%和10%的临界值，即拒绝存在单位根的假设。

综上所述，ln（B1）、ln（PFP1）、ln（E1）、ln（CG1）、ln（BNBs1）、ln（DG1）它们都是非平稳序列，但它们的一阶差分序列却是平稳的，即I

（1）序列。

在满足单整的基础上本文就可以进行协整检验。

4.多变量的协整检验。

本文使用恩格尔-格兰杰的两步检验法对各变量进行协整分析，以分析各变量间是否存在长期均衡关系。

第一步，设置ln（B1）被解释变量，ln（PFP1）、ln（R）、ln（E1）、ln（CG1）、ln（BNBs1）以及ln（DG1）为解释变量，并用OLS估计，本文因行文方便只列出变量的主要统计特征（下文同），见简表4，详细的统计检验结果见附录表三。

表4模型回归结果简表

变量

系数

标准差

统计量

检验的相伴概率

LOG（PFP1）

0.380119

0.034692

10.956980

0.000000

LOG（R）

0.474452

0.048292

9.824649

0.000000

LOG（E1）

-0.013563

0.011357

-1.194239

0.236900

LOG（CG1）

0.057982

0.011807

4.910656

0.000000

LOG（BNBs1）

-0.014767

0.005034

-2.933276

0.004700

LOG（DG1）

-0.172366

0.051211

-3.365813

0.001300

C

7.083044

0.167842

42.200540

0.000000

回归方程的可决系数

和回归方程的显著性水平

=0.994546，调整后的

=0.994018，

=1884.342

检验结果表明回归方程中，模型的拟合程度非常的好，然而超额存款准备金率这一解释变量没有通过t检验，因此把它从模型中剔除出去，然后本文将其余5个解释变量纳入模型中去再进行OLS法估计，经过本文整理简化得到的估计结果如下表5：

表5回归结果简表

解释变量

系数

统计量

P值

LOG（PFP1）

0.369633

10.97624

0.000000

LOG（R）

0.477081

9.856066

0.000000

LOG（CG1）

0.058322

4.924264

0.000000

LOG（BNBs1）

-0.014523

-2.877429

0.005500

LOG（DG1）

-0.159130

-3.172073

0.002300

C

7.044309

42.632090

0.000000

0.994421

值

2245.733000

调整后的R2

0.993978

值

1.082143

第二步，对相应的残差序列进行单位根检