1.3 模型校准与分析

1.3.1 模型校准

样本区间为1996年Q1的数据至2017年Q2的数据，将年化季度通货膨胀率设定为1.0203%，用以匹配样本期消费价格指数（CPI）的季度增长率，名义利率取中国的银行间7天内的拆借加权利率的样本均值，投资和政府支出产出、占比来自样本均值。存款产出比取50%的季度值，准备金利率和超额准备金利率取0.72%和1.62%的季度值，该数据来自中国人民银行公报。耐心家庭的相对份额取值为0.8，不耐心家庭及企业家接待约束中的LTV稳态值取为0.7、0.35，这是同类研究中的通常取值（Gerali, Neri, Sessa & Signoretti, 2010; Angelini, Neri & Panetta, 2012）。耐心家庭、不耐心家庭和企业家主观贴现率Iacoviello（2015）的校准结果。资本回报率取3.5%，存款利率和贷款利率替代弹性取-222和389，贷款产出比取126%，资本收入份额取0.5份，来自Funke、Mihaylovski、Zhu（2015）的校准结果。其余的参数介绍、校准结果和来源如表1-2所示。

在本节的剩余部分，研究主要宏观经济变量面对生产率冲击、货币冲击、LTV冲击、窗口指导冲击和存款准备金率冲击的脉冲响应，同时展示银行部门及银行信贷在冲击传导中起到的作用。

1.3.2 脉冲响应分析

为判断模型引入的银行部门及其信贷行为是否为模型提供重要的冲击传导机制，本章将利用校准得到的基准模型进行反事实实验，即将基准模型与模型变体的脉冲响应函数进行对比分析。要考察的模型变体相对于基准模型的不同之处在于，前者“关闭”后者中的一些重要特性。首先，令成本参数cb、κ、cd和ce为零，同时令、、、与相等，此时模型被简化为利率设定黏性模型（Gerali, Neri&Sessa, 2010）。其次，令κd、κbE和κbH为零，此时模型被简化为抵押品约束金融摩擦模型（Iacoviello, 2005）。下文中简称模型变体为金融摩擦模型。

图1-1、图1-2报告了基准模型和金融模型中主要宏观经济变量对单位标准差的正向全要素生产率的脉冲响应，这些变量依次是名义利率、贷款利率、通货膨胀率、贷款-产出比、贷款、产出、消费、投资和法定存款准备金率。

通过对比发现，在基准模型中，生产率冲击对消费和产出的反应较之金融摩擦模型更大，而投资的反应更小。而且，基准模型中所有变量的持续性相对更强，绝大多数变量对冲击的反应也相对更大，这表明银行部门增强了内生传导动力。理解银行部门垄断加成是如何和金融摩擦一起改变模型的传导渠道，有助于解释上述结果。

首先，正向生产率冲击会降低名义利率，由于模型中包括不完全竞争的银行部门，政策利率的下降会引起贷款利率下降，因此投资在受正向生产率冲击影响而增加的同时，又因为贷款利率下降而被再次扩张。与此同时，企业家的资本需求增加，加之家庭住房需求增加，推动了资产价格的上升，由于抵押品约束渠道的存在，借入者的抵押品价值的上升使其能够借入更多。同时，应该注意到基准模型中的法定存款准备金率的反向变动更大，这进一步降低资金成本。这些扩张机制共同使得消费和产出得到明显的增加。

其次，基准模型中更高的产出波动使得货币政策作出更强的反应，这将与正向生产率冲击一同造成通货紧缩。债务通货紧缩渠道将使得借入者有更高的实际债务负担，这将和贷款利率加成一同造成借款者资源支出中用于债务的份额增多。总而言之，债务通货紧缩效应、贷款利率加成、法定存款准备金率对投资的抑制作用大于上文所述的扩张影响，总体上使得基准模型中的信贷量、信贷产出比及投资相对于银行部门的模型的反应更小。同时，这些渠道的共同作用增强了模型中实际变量的持续性。

图1-3报告了基准模型中主要宏观经济变量对紧缩性货币政策冲击的脉冲响应。基准模型的响应在性质上非常标准。产出和通货膨胀率下降，均衡实际利率上升，但贷款利率因贷款利率黏性的存在，在10个时期后才缓慢上升。尽管贷款利率并未立即下降，但贷款量即刻下降了，原因在于抵押品价值（资本价格和住房价格）下降。信贷成本增加伴随着资产价值下降，使得固定资本投资和住房资本投资下降，再加上实际利率上升对支出的负向影响，产出出现持续性的负向反应。综上所述，由于银行垄断竞争性和利率设定行为的存在，货币政策对贷款利率的传递较为缓慢；相对于货币政策的价格效应，抵押品价值变化导致的数量效应更为明显地作用在贷款数量上。这表明，如果政策利率存在不完全传导，那么抵押品渠道在将货币政策传导至消费者和投资者行为的过程中会发挥重要作用。

图1-4报告了金融摩擦模型中主要宏观经济变量对紧缩性货币政策冲击的脉冲响应。在关闭银行部门及银行信贷的模型设定后，政策利率的持续性降低，这归因于通货膨胀和产出较低的持续性。通货膨胀和产出的低持续性再次表明银行部门在经济中发挥了重要的冲击传播作用。应注意到，金融摩擦模型展现出完美的利率传递机制，需要指出的是，如果忽略批发分行特征，而保留零售分行的黏性利率定价机制，模型也会表现出近乎完美的利率传递机制，这说明，对政策利率传递起作用的并非是银行部门的不完全竞争和交错利率设定，而是银行在改变包括存款、准备金、超额准备金在内的资产负债表项目时面对的成本。这说明对银行监管的加强会对政策利率的传递起到负面影响。

图1-5、图1-6展示了主要宏观经济变量对家庭面对的LTV冲击的脉冲响应。在图1-5中，LTV的正向冲击放松了对抵押品的约束，其作用类似于抵押品价值上升，使家庭贷款利率下降，家庭贷款量增加。此时，企业家面对的利率和贷款，主要受政策利率变化的影响，而积累住房相对于积累资本有更高的回报也使得企业贷款倾向于降低，这导致投资降低以及产出降低，但家庭贷款量上升仍然使总信贷量上升。图1-6展示了类似结论，除全部变量的持续性更低之外，一个重要区别在于此处的投资和产出是增加的。这表明，当家庭面对更宽松的信贷约束（或者更高的住房价格）时，如果银行部门缺少监管或者更接近完全性竞争，就会增加社会信贷，同时将信贷更多地配置到家庭。如果加强对银行的监管，总体信贷规模的增加量会减少，但此时对投资和产出可能会有负面影响。

图1-7展示了主要宏观经济变量对法定准备金率冲击的脉冲响应，图1-8展示了对窗口指导的脉冲响应。总体上而言，首先，准备金率冲击对变量的影响较小，对窗口指导冲击的影响较大。这首先表明法定准备金对经济的影响并非是实质性的，而可能更多地要利用到本章模型设定之外的因素。其次，窗口指导冲击对信贷量的影响远较信贷利率的影响明显。最后，虽然政策利率提高，但消费和投资因为家庭和企业家信贷约束的放松而得以增加，最终产出显著增加。这表明如果考虑银行部门的垄断竞争和银行监管的存在，在实施货币政策时，窗口指导这种数量性的非传统货币政策工具有一定的潜在价值，可以作为传统货币政策工具的有益补充。相对而言，法定准备金率工具的作用更为复杂，在本章模型设定下并不显著。

1.3.3 最优货币政策与宏观审慎政策

近年来，基于DSGE模型的货币政策评价与设计框架展示了它在研究宏观审慎政策方面的优越性。Gertler、Karadi（2009）利用引入金融摩擦模型、行为人异质性模型、欧洲区和美国的DSGE模型，分析货币政策和宏观审慎政策之间的相互作用。Kannan、Pau、Alasdair（2009）通过研究发现，宏观审慎政策有助于利用货币政策稳定价格水平。Angelini、Neri、Panetta（2011）对银行的DSGE模型进行研究，发现宏观审慎政策能够作为货币政策的有益补充。Glocker、Towbin（2012）构建一个小型开放经济模型，考察将存款准备金作为价格稳定和金融稳定工具的情况。Quint、Rabanal（2013）建立了一个开放经济DSGE模型用于分析欧洲区域，考察货币政策和宏观审慎政策之间的相互影响，发现引入宏观审慎政策可能会有助于减少宏观经济波动，提高福利，能够作为传统货币政策工具的补充。这些研究表明，将宏观审慎政策工具与传统的货币政策相结合，对于稳定经济和提高社会福利有相当重要的潜在意义。鉴于此，除上文中基于估计的货币政策规则进行反事实实验外，本节还将使用社会损失函数对不同政策规则的福利绩效及其对应的最优单一规则进行评价和对比。

对宏观审慎政策目标建模是较为复杂的问题，因为系统性风险的表现形式各异，其衡量方式和产生环境也是多样的，这就导致很难在模型中设置特定的代理变量来刻画系统性风险。因此，本章根据Angelini、Neri、Panetta（2012）的设定，假定宏观审慎当局对信贷的不正常表现作出反应，即假定贷款-产出比的方差是宏观审慎当局损失函数中的一个关键成分，这意味经济的杠杆越高，社会福利损失越大。

为考察宏观审慎政策在社会福利方面的潜在意义，本节对比三种不同的最优政策规则情形下的宏观经济变量波动和社会福利。假定中央银行稳定通货膨胀和产出的传统目标作为参照，损失函数如式（1-42）所示：

其中，σ2是通货膨胀、产出增长率和政策利率的方差，κ表示各自的相对权重，本章跟随Angelini、Neri、Panetta（2012）的设定，将κcb, y和κr分别取为0.5和0.1。考察宏观审慎政策，假定政策当局关心政策工具的变化性，则宏观审慎政策对应的损失函数如式（1-43）所示：

根据Angelini、Neri、Panetta（2012）的设定，κy, mp和κΔη取0.5和0.1。在考虑宏观审慎政策后，中央银行的损失函数如式（1-44）所示：

首先，假定在传统的货币政策规则下，中央银行实施泰勒规则，如式（1-35）所示，即中央银行选择式（1-35）中的反应系数以最小化损失函数（1-44），这种情形在下文中被简称为“最优货币政策规则”。其次，假定中央银行实行如式（1-45）所示的扩展的泰勒规则以最小化损失函数（1-44）的损失：

最后，假定政策当局面对损失函数（1-44），在政策工具方面，根据Glocker和Towbin（2012）的建议，设定贷款价值比和法定准备金率为两个宏观审慎政策工具。除实行形式如（1-45）的扩展的泰勒规则外，还假定贷款价值比对贷款目标和资产价格作出反应，如式（1-46）、式（1-47）所示：

法定准备金率的反应形式如式（1-37）。政策当局选择式（1-45）至（1-47）以及式（1-37）中的系数以最小化损失函数（1-44），这种情形被简称为“宏观审慎政策”。计算结果整理于表1-3。

表1-3中，福利损失的大小可作为判断特定政策规则下经济稳定性的准则，通过计算不同政策规则中能够产生最高稳定性（最小损失）的反应系数值，了解到主要变量波动和福利损失的情况。从表1-3可发现，对比最优货币政策规则，对信贷总量进行反应的扩展的货币政策规则能对社会福利有一定改善，而同时使用货币政策和宏观审慎政策工具，将使得福利损失最小。本章对损失函数的设定表明，如果政策当局将贷款产出比、准备金率变化等金融变量的稳定性纳入政策设计和评价的视角，则只针对通货膨胀和产出变动作出反应的传统货币政策规则难以得到令人满意的结果。从福利分析的角度来看，如果将金融稳定纳入政策目标，将信贷总量作为政策的反应变量有一定价值，而将宏观审慎政策工具作为经扩展的货币政策的补充，会更有利于平稳通货膨胀、产出、利率和金融变量的波动，进而增进社会福利。