徐瀅 肖迪

摘? ?要：美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化在一定程度上影響世界各國(guó)貨幣政策的走向，本文利用2007年2月—2019年12月美國(guó)與中國(guó)相關(guān)月度金融數(shù)據(jù)，建立TVP-VAR模型來(lái)分析美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策的溢出效應(yīng)。研究發(fā)現(xiàn)，美聯(lián)儲(chǔ)擴(kuò)表與縮表時(shí)對(duì)我國(guó)貨幣政策的溢出效應(yīng)具有非對(duì)稱(chēng)性，并在不同時(shí)點(diǎn)具有不同的影響。具體來(lái)說(shuō)，美聯(lián)儲(chǔ)擴(kuò)表時(shí)對(duì)我國(guó)銀行間利率的影響要大于縮表時(shí)的影響，且不論縮表還是擴(kuò)表均會(huì)導(dǎo)致我國(guó)M2增加，對(duì)匯率和我國(guó)央行資產(chǎn)負(fù)債表規(guī)模存在顯著的長(zhǎng)期負(fù)向沖擊溢出效應(yīng)。

關(guān)鍵詞：美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表;溢出效應(yīng);TVP-VAR模型

DOI：10.3969/j.issn.1003-9031.2020.09.002

中圖分類(lèi)號(hào)：F831.6 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ?文章編號(hào)：1003-9031（2020）09-0011-11

一、引言

從2008年金融危機(jī)開(kāi)始，美聯(lián)儲(chǔ)充分發(fā)揮了最后貸款人的角色，以各種非常規(guī)貨幣政策工具穩(wěn)定市場(chǎng)流動(dòng)性，避免金融機(jī)構(gòu)由于風(fēng)險(xiǎn)厭惡導(dǎo)致的流動(dòng)性短缺。經(jīng)過(guò)4輪QE，美國(guó)經(jīng)濟(jì)及失業(yè)率已呈現(xiàn)復(fù)蘇的態(tài)勢(shì)，美聯(lián)儲(chǔ)有必要奉行先發(fā)制人的政策，阻止由LSAP（大規(guī)模資產(chǎn)規(guī)模購(gòu)買(mǎi)計(jì)劃）政策導(dǎo)致滯留在銀行的超額準(zhǔn)備金引起通貨膨脹。2014年，美聯(lián)儲(chǔ)進(jìn)行了先加息后縮表的政策組合，發(fā)揮前瞻性指引政策的作用，穩(wěn)定市場(chǎng)的情緒，避免經(jīng)濟(jì)不必要的波動(dòng)。2017年10月，美聯(lián)儲(chǔ)正式開(kāi)啟了縮減資產(chǎn)負(fù)債表的規(guī)模。一般來(lái)說(shuō)，一國(guó)的貨幣政策主要通過(guò)匯率傳導(dǎo)渠道、資產(chǎn)價(jià)格傳導(dǎo)渠道、利率傳導(dǎo)渠道、資產(chǎn)組合平衡渠道以及信號(hào)傳導(dǎo)渠道對(duì)其他國(guó)家產(chǎn)生溢出效應(yīng)。從對(duì)其他國(guó)家的溢出效應(yīng)影響程度來(lái)看，以匯率傳導(dǎo)渠道、資產(chǎn)價(jià)格傳導(dǎo)渠道、利率傳導(dǎo)渠道、信號(hào)渠道為主，這幾種傳導(dǎo)渠道主要是價(jià)格型貨幣政策，而資產(chǎn)組合平衡渠道則與其他渠道交叉作用對(duì)其他國(guó)家產(chǎn)生溢出效應(yīng)。中美是兩大世界經(jīng)濟(jì)大國(guó)，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表以及相關(guān)貨幣政策的調(diào)整極易通過(guò)各種渠道對(duì)中國(guó)的貨幣政策產(chǎn)生溢出效應(yīng)，因此分析美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策的溢出途徑以及影響程度，具有重要的現(xiàn)實(shí)意義。

盡管已有許多學(xué)者從不同的角度及方法研究美國(guó)的貨幣政策對(duì)其他國(guó)家的溢出效應(yīng)，但從研究的角度大都是傳統(tǒng)的溢出渠道，很少?gòu)拿缆?lián)儲(chǔ)資產(chǎn)負(fù)債表的變化來(lái)研究對(duì)其他國(guó)家貨幣政策的溢出效應(yīng)，研究的方法多采用VAR或SVAR模型來(lái)研究貨幣政策的溢出效應(yīng)。但傳統(tǒng)VAR模型推斷出的結(jié)果僅僅是數(shù)學(xué)統(tǒng)計(jì)上的意義，VAR與SVAR模型均假定服從同方差的約束條件。與這兩個(gè)模型不同的是TVP-VAR模型，即時(shí)變參數(shù)隨機(jī)波動(dòng)率向量自回歸模型，這種模型在現(xiàn)實(shí)生活中更能捕捉經(jīng)濟(jì)變量在不同時(shí)期的變化，且增加了隨機(jī)波動(dòng)率的考慮。因此，本文使用的TVP-VAR模型分析美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策的影響。

二、文獻(xiàn)綜述

對(duì)于研究貨幣政策的國(guó)際溢出效應(yīng)，20世紀(jì)60年代的蒙代爾-弗萊明（MF）模型是以在不同的匯率制下分析貨幣政策的國(guó)際溢出效應(yīng)，如果一國(guó)實(shí)行擴(kuò)張的貨幣性政策，在浮動(dòng)匯率制下會(huì)使貨幣擴(kuò)張國(guó)貨幣貶值，增加貨幣擴(kuò)張國(guó)出口同時(shí)減少其他國(guó)家的出口。隨著70年代理性預(yù)期的發(fā)展，開(kāi)發(fā)經(jīng)濟(jì)下的新宏觀經(jīng)濟(jì)學(xué)也將理性預(yù)期融入，發(fā)展出了蒙代爾-弗萊明-多恩布什（MFD）。MFD模型中一國(guó)實(shí)施緊縮貨幣政策，將使貨幣緊縮國(guó)貨幣升值從而增加進(jìn)口并減少出口，使與之貿(mào)易的國(guó)家貿(mào)易條件改善，即支出轉(zhuǎn)換效應(yīng);從另一個(gè)角度來(lái)說(shuō)，貨幣緊縮的收入效應(yīng)會(huì)減少對(duì)其他國(guó)家的進(jìn)口需求，從而對(duì)其他國(guó)家的出口和GDP的增加產(chǎn)生抑制作用。Obstleld & Rogoff（1995）在多恩布什匯率超調(diào)模型的基礎(chǔ)上采用動(dòng)態(tài)規(guī)劃和對(duì)數(shù)線(xiàn)性近似的方法，分析兩國(guó)經(jīng)濟(jì)模型貨中貨幣的作用及福利等國(guó)際問(wèn)題，這與發(fā)展出來(lái)的新開(kāi)放宏觀經(jīng)濟(jì)學(xué)（NEOM）模型得出的結(jié)論具有相似性。以上研究發(fā)展成果為本文研究美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的外溢性提供了基本的分析思路。

從2008年金融危機(jī)到2019年底，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表經(jīng)歷了擴(kuò)表到縮表再到擴(kuò)表的變化歷程，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化會(huì)通過(guò)各種渠道對(duì)本國(guó)和其他國(guó)家產(chǎn)生溢出效應(yīng)。關(guān)于美聯(lián)儲(chǔ)擴(kuò)表和縮表溢出效應(yīng)的影響，有許多學(xué)者進(jìn)行了相關(guān)研究。Manmohan Singh & Haobin Wang（2017）認(rèn)為當(dāng)發(fā)達(dá)國(guó)家調(diào)整利率與資產(chǎn)負(fù)債表規(guī)模的時(shí)候，新興經(jīng)濟(jì)體需要加強(qiáng)資本管制以應(yīng)對(duì)發(fā)達(dá)國(guó)家貨幣政策調(diào)整的溢出效應(yīng)。馬理等（2016）利用PVAR模型，研究美聯(lián)儲(chǔ)基礎(chǔ)貨幣的投放以及購(gòu)債量對(duì)其他10個(gè)發(fā)達(dá)國(guó)家的溢出效應(yīng)，發(fā)現(xiàn)美國(guó)的寬松政策對(duì)其他國(guó)家有溢出效應(yīng)。劉金全等（2020）對(duì)比了美聯(lián)儲(chǔ)與其他發(fā)達(dá)國(guó)家退出量化寬松政策對(duì)新興經(jīng)濟(jì)體的溢出效應(yīng)，發(fā)現(xiàn)前者的溢出效應(yīng)強(qiáng)度與持久度均比后者強(qiáng)。姜富偉等（2017）利用事件法研究了美聯(lián)儲(chǔ)貨幣政策對(duì)我國(guó)金融市場(chǎng)的影響，研究發(fā)現(xiàn)未預(yù)期到的美聯(lián)儲(chǔ)貨幣政策調(diào)整和前瞻性指引會(huì)加劇我國(guó)金融市場(chǎng)的波動(dòng)。白玥明（2015）認(rèn)為國(guó)外貨幣政策的調(diào)整所產(chǎn)生的信號(hào)會(huì)引起其他國(guó)家?guī)胖档淖儎?dòng)，得出非常規(guī)貨幣政策通過(guò)信號(hào)渠道對(duì)中國(guó)產(chǎn)出有顯著的沖擊。張啟迪等（2018）研究發(fā)現(xiàn)美聯(lián)儲(chǔ)持續(xù)縮表將加劇中國(guó)資本流出和人民幣貶值壓力，金融市場(chǎng)風(fēng)險(xiǎn)也會(huì)加大。顧淳（2017）利用TVP-VAR-SV模型研究美國(guó)退出量化寬松前后對(duì)中國(guó)貨幣政策變量的溢出效應(yīng)，結(jié)果發(fā)現(xiàn)美國(guó)貨幣政策對(duì)中國(guó)貨幣政策的溢出效應(yīng)主要在于方向和程度，短期的影響主要是美國(guó)貨幣供應(yīng)量。徐瀅（2018）認(rèn)為資產(chǎn)負(fù)債表的常態(tài)化主要是通過(guò)期限利差作用于長(zhǎng)端利率。李自磊等（2013）使用SVAR模型證實(shí)了美國(guó)的貨幣政策通過(guò)匯率渠道影響我國(guó)經(jīng)濟(jì)。徐瀅（2020）比較了美聯(lián)儲(chǔ)縮表與擴(kuò)表對(duì)匯率的影響，發(fā)現(xiàn)擴(kuò)表的溢出效應(yīng)要大于縮表的影響。倪亞芬（2015）將QE引入價(jià)格彈性模型，發(fā)現(xiàn)人民幣匯率在美國(guó)量化寬松期間不斷升值。劉堯成（2016）研究了美日等國(guó)貨幣政策調(diào)整對(duì)中國(guó)的溢出效應(yīng)，研究發(fā)現(xiàn)溢出效應(yīng)具有顯著的時(shí)變特征。徐瀅等（2019）利用TVP-VAR模型對(duì)比分析美聯(lián)儲(chǔ)運(yùn)用資產(chǎn)負(fù)債表等“數(shù)量型”貨幣政策與價(jià)格型貨幣政策對(duì)中國(guó)貨幣政策外溢性，發(fā)現(xiàn)前者的外溢效應(yīng)要強(qiáng)于后者。

從上述文獻(xiàn)來(lái)看，許多學(xué)者從不同角度研究了美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)其他國(guó)家經(jīng)濟(jì)金融的溢出效應(yīng)，本文參考已有的學(xué)者文獻(xiàn)的基礎(chǔ)上，以TVP-VAR模型來(lái)分析美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策的影響，就相關(guān)溢出效應(yīng)進(jìn)行分析并給出相關(guān)建議。

三、美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模與結(jié)構(gòu)的變化

因美國(guó)“次貸”危機(jī)導(dǎo)致投資者擔(dān)心市場(chǎng)上流動(dòng)性緊缺情緒的蔓延，美聯(lián)儲(chǔ)在金融市場(chǎng)上進(jìn)行了大膽的貨幣政策工具創(chuàng)新，進(jìn)行了一系列非常規(guī)操作，實(shí)現(xiàn)經(jīng)濟(jì)復(fù)蘇。第一輪量化寬松政策主要針對(duì)是有政府信用擔(dān)保的資產(chǎn)，目的是恢復(fù)投資者之間的信用。美聯(lián)儲(chǔ)的這次行動(dòng)共購(gòu)買(mǎi)達(dá)3000億的長(zhǎng)期國(guó)債、1750億的機(jī)構(gòu)債及1.25萬(wàn)億的抵押支持債券（MBS）。這次美聯(lián)儲(chǔ)操作厲害之處在于，維持了世界范圍商品總量、貨幣總量和美元的動(dòng)態(tài)平衡。第二輪量化寬松政策美聯(lián)儲(chǔ)只購(gòu)買(mǎi)了美國(guó)國(guó)債，是貨幣化財(cái)政赤字解決美國(guó)政府的經(jīng)濟(jì)困境，但這次美聯(lián)儲(chǔ)又將買(mǎi)來(lái)的國(guó)債轉(zhuǎn)手賣(mài)給中國(guó)政府充實(shí)準(zhǔn)備金。在2012年第四季度進(jìn)行了兩輪期限扭曲操作，在保持資產(chǎn)負(fù)債表規(guī)模不變的情況下，改變了資產(chǎn)之間的期限結(jié)構(gòu)，壓低了長(zhǎng)期利率。2012年9月進(jìn)行了每月400億MBS的購(gòu)買(mǎi)，在2013年1月份又進(jìn)行了每月450億美元的長(zhǎng)期國(guó)債購(gòu)買(mǎi)，一直持續(xù)到2014年的10月，這幾輪美聯(lián)儲(chǔ)的資產(chǎn)購(gòu)買(mǎi)行為大大提高和改變了美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的規(guī)模與資產(chǎn)結(jié)構(gòu)。

美聯(lián)儲(chǔ)2007年的資產(chǎn)負(fù)債表規(guī)模為0.88萬(wàn)億美元，經(jīng)過(guò)近10年的變化，到2017年10月已擴(kuò)充到4.45萬(wàn)億美元。2007年美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表占比最大的是資產(chǎn)項(xiàng)是國(guó)債，占比達(dá)89%，擴(kuò)表之后占比最大兩項(xiàng)資產(chǎn)是國(guó)債、MBS，分別占比達(dá)到55%、40%。

從美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的負(fù)債端來(lái)看，從2007—2017年，準(zhǔn)備金及聯(lián)邦票據(jù)大規(guī)模增加。2007年美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表中的聯(lián)邦票據(jù)為0.78萬(wàn)億美元，在負(fù)債中占比92%;準(zhǔn)備金的規(guī)模為0.03萬(wàn)億，在負(fù)債中占比3%;逆回購(gòu)協(xié)議的規(guī)模大約為0.026萬(wàn)億，在負(fù)債中占比4%。到2017年10月，聯(lián)邦票據(jù)規(guī)模為1.54萬(wàn)億、準(zhǔn)備金規(guī)模2.5萬(wàn)億、逆回購(gòu)協(xié)議規(guī)模0.35萬(wàn)億，在負(fù)債中的占比分別為35%、57%、8%。從擴(kuò)表前后可知，聯(lián)邦票據(jù)、逆回購(gòu)協(xié)議、準(zhǔn)備金的絕對(duì)量大幅增加，其中聯(lián)邦票據(jù)的增幅達(dá)到98.3%、逆回購(gòu)協(xié)議的增幅達(dá)到大約10倍、準(zhǔn)備金的增幅達(dá)到93倍之多。從各負(fù)債項(xiàng)在負(fù)債中占比的變化來(lái)說(shuō)，聯(lián)邦票據(jù)的占比下降、逆回購(gòu)協(xié)議和準(zhǔn)備金的占比上升。

從美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的資產(chǎn)期限來(lái)看，2007年主要是1年以?xún)?nèi)和1-5年的短期國(guó)債，長(zhǎng)期國(guó)債占比很小。到2017年10月縮減資產(chǎn)負(fù)債表前夕，1年以?xún)?nèi)的國(guó)債規(guī)模增幅103倍，1-5年國(guó)債資產(chǎn)規(guī)模的增幅達(dá)到490倍、5-10年的國(guó)債規(guī)模增幅達(dá)到397倍、10年以上的長(zhǎng)期國(guó)債的增長(zhǎng)規(guī)模達(dá)到大約713倍。在幾輪量化寬松中，增加了MBS和聯(lián)邦機(jī)構(gòu)債，主要是1年以?xún)?nèi)的短期機(jī)構(gòu)債和10年以上期限較長(zhǎng)的機(jī)構(gòu)債，而MBS主要集中在期限較長(zhǎng)的，即10年以上的。美聯(lián)儲(chǔ)縮表從縮減資產(chǎn)類(lèi)別的期限來(lái)看，主要縮減期限較長(zhǎng)的資產(chǎn)，到2019年8月，10年以上的國(guó)債、MBS縮減規(guī)模相對(duì)于2017年10月分別達(dá)到2.29%、19.35%;5-10年的國(guó)債縮減規(guī)模達(dá)到10.36%;1-5年的國(guó)債縮減規(guī)模達(dá)到27.4%，機(jī)構(gòu)債縮減為0，MBS進(jìn)行了小幅增長(zhǎng)。

四、美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)我國(guó)貨幣政策溢出效應(yīng)的實(shí)證分析

（一）模型構(gòu)建和數(shù)據(jù)選擇

1.模型構(gòu)建

TVP-VAR模型設(shè)定為如下形式：

2.數(shù)據(jù)選取與數(shù)據(jù)來(lái)源

本文選取2007年2月—2019年12月的美國(guó)與中國(guó)的相關(guān)金融月度數(shù)據(jù)，并進(jìn)行對(duì)數(shù)差分使數(shù)據(jù)平穩(wěn)。中國(guó)金融變量主要包括利率、匯率、中國(guó)央行資產(chǎn)負(fù)債表規(guī)模、M2存量，其中，匯率采用美元兌人民幣加權(quán)平均匯率，利率選擇的主要是一天加權(quán)平均利率，美國(guó)的經(jīng)濟(jì)變量主要考慮的是美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的規(guī)模。

3.平穩(wěn)性檢驗(yàn)

各變量數(shù)據(jù)經(jīng)過(guò)取對(duì)數(shù)差分后，經(jīng)ADF檢驗(yàn)和PP檢驗(yàn)，各變量數(shù)據(jù)是平穩(wěn)的（見(jiàn)表5）。

（二）實(shí)證結(jié)果分析

1.模型結(jié)果與診斷

表6顯示了TVP-VAR模型的估計(jì)結(jié)果，包括后驗(yàn)均值、后驗(yàn)標(biāo)準(zhǔn)差、95%置信區(qū)間、Geweke的CD收斂診斷值和無(wú)效影響因子。其中，Geweke的CD收斂診斷值和無(wú)效影響因子均符合條件，說(shuō)明參數(shù)和狀態(tài)變量的抽樣是有效的。

2.美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模的等間隔時(shí)變脈沖響應(yīng)函數(shù)分析

TVP-VAR模型可以運(yùn)用變參數(shù)計(jì)算所有時(shí)點(diǎn)上個(gè)變量在不同滯后期的脈沖響應(yīng)。圖2顯示了美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模對(duì)自身、中國(guó)貨幣量M2、美元兌人民幣匯率、一天加權(quán)平均利率分別滯后4、8、12期的影響。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)自身沖擊，不論是短期、還是長(zhǎng)期，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模具有逐漸自我擴(kuò)大的趨勢(shì)，這是因?yàn)槊缆?lián)儲(chǔ)在金融系統(tǒng)中擔(dān)任“最后貸款人”角色，在經(jīng)濟(jì)危機(jī)及經(jīng)濟(jì)不景氣的背景下，美聯(lián)儲(chǔ)主動(dòng)或被動(dòng)幫助政府與企業(yè)加杠桿，即促使企業(yè)的資產(chǎn)負(fù)債表修復(fù)，防止企業(yè)“資產(chǎn)負(fù)債表”衰退。同時(shí)，企業(yè)及投資者預(yù)期美聯(lián)儲(chǔ)會(huì)充當(dāng)經(jīng)濟(jì)的“有形之手”調(diào)控經(jīng)濟(jì)，逼迫美聯(lián)儲(chǔ)開(kāi)啟類(lèi)似“直升機(jī)式撒錢(qián)”的寬松模式，即擴(kuò)表容易縮表難。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模對(duì)中國(guó)貨幣量M2的沖擊。從滯后4期來(lái)看，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的沖擊對(duì)M2是正向的，即美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表沖擊會(huì)導(dǎo)致M2增加，這是因?yàn)閯偘l(fā)生金融危機(jī)時(shí)，中國(guó)處于高速增長(zhǎng)時(shí)間段，由“雙順差”導(dǎo)致的外匯占款上升，中國(guó)央行被動(dòng)向市場(chǎng)投放基礎(chǔ)貨幣。在金融危機(jī)后期，中國(guó)由外匯占款投放的基礎(chǔ)貨幣減少，央行創(chuàng)新了許多非常規(guī)貨幣政策進(jìn)行基礎(chǔ)貨幣的投放，如PSL、SLF、MLF。從圖2中滯后4、8、12期，美聯(lián)儲(chǔ)擴(kuò)表與縮表期間對(duì)M2都是正相關(guān)的。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)中國(guó)央行資產(chǎn)負(fù)債表沖擊不論是滯后4、8、12期，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)中國(guó)央行資產(chǎn)負(fù)債表沖擊在2010年以后是顯著正向的，在2017年達(dá)到頂點(diǎn)，隨后開(kāi)始降低。這是因?yàn)榻鹑谖C(jī)后，美聯(lián)儲(chǔ)實(shí)行幾輪QE導(dǎo)致全球大放水，中國(guó)央行的資產(chǎn)負(fù)債表規(guī)模與美聯(lián)儲(chǔ)的資產(chǎn)負(fù)債表規(guī)模同方向變動(dòng)，但在2017年，隨著美聯(lián)儲(chǔ)經(jīng)濟(jì)的復(fù)蘇以及就業(yè)的改善，美聯(lián)儲(chǔ)開(kāi)啟了縮表等貨幣政策正常化操作，美國(guó)利率的升高導(dǎo)致美元等資本流出中國(guó)市場(chǎng)，從而使中國(guó)央行資產(chǎn)負(fù)債表的外匯資產(chǎn)減少，其規(guī)模也相應(yīng)減少。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)人民幣匯率沖擊在2016年達(dá)到最低點(diǎn)。短、中、長(zhǎng)期在2010—2016以后存在顯著的負(fù)相關(guān)，即美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表沖擊在2010—2016年間導(dǎo)致人民幣升值。在金融危機(jī)期間，美國(guó)國(guó)內(nèi)金融機(jī)構(gòu)賣(mài)出風(fēng)險(xiǎn)資產(chǎn)進(jìn)行去杠桿，修復(fù)資產(chǎn)負(fù)債表，導(dǎo)致大量短期國(guó)際資本從新興市場(chǎng)流出。對(duì)于2010—2016期間美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模沖擊導(dǎo)致人民幣升值，雖然與事實(shí)不符，但與理論相符，從理論上來(lái)說(shuō)，美聯(lián)儲(chǔ)擴(kuò)表導(dǎo)致美元會(huì)貶值，相應(yīng)的人民幣會(huì)升值，原因是中國(guó)的匯率實(shí)行的是有管理的浮動(dòng)匯率制，中國(guó)央行在外匯市場(chǎng)上進(jìn)行了干預(yù)。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)中國(guó)一天加權(quán)平均利率的沖擊當(dāng)期就負(fù)相關(guān)，從2007—2015年都是不斷下降的，在2015年達(dá)到最低值，隨后開(kāi)始上升。這主要是因?yàn)槊缆?lián)儲(chǔ)的大規(guī)模資產(chǎn)購(gòu)買(mǎi)導(dǎo)致全球流動(dòng)性泛濫，相應(yīng)的中國(guó)銀行間的利率開(kāi)始走低，在2015年之后，隨著美聯(lián)儲(chǔ)的加息以及縮表導(dǎo)致流動(dòng)性減少，中國(guó)銀行間利率升高。對(duì)于滯后4、8期美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)利率沖擊的走勢(shì)基本是一致的。

3.美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)分析

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)自身的時(shí)點(diǎn)脈沖響應(yīng)在2008年11月、2017年10月，2019年8月的當(dāng)期產(chǎn)生很強(qiáng)的正向影響。其中，2007年10月美聯(lián)儲(chǔ)擴(kuò)大資產(chǎn)負(fù)債表對(duì)自身的沖擊效應(yīng)是正向的，當(dāng)期達(dá)到最大值，但下降速度比較緩慢，在隨后的4期之后趨于平穩(wěn)，在一定程度上說(shuō)明縮減資產(chǎn)負(fù)債表對(duì)自身具有較長(zhǎng)持續(xù)時(shí)間的影響。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)M2的沖擊影響在4期達(dá)到最大值，具有顯著的正向沖擊效應(yīng)，在4期之后沖擊影響緩慢減少，這說(shuō)明了美聯(lián)儲(chǔ)擴(kuò)表與縮表均導(dǎo)致了中國(guó)貨幣量M2的增加。

2008年11月美聯(lián)儲(chǔ)的資產(chǎn)負(fù)債表對(duì)中國(guó)央行的資產(chǎn)負(fù)債表在當(dāng)期是正向沖擊，在5期之后開(kāi)始轉(zhuǎn)為負(fù)向沖擊，即美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的沖擊會(huì)導(dǎo)致中國(guó)央行資產(chǎn)負(fù)債表規(guī)模降低。事實(shí)上，在金融危機(jī)后期，隨著美國(guó)經(jīng)濟(jì)好轉(zhuǎn)，美元開(kāi)始回流，中國(guó)央行資產(chǎn)負(fù)債表的規(guī)模減少與事實(shí)相符。從長(zhǎng)期來(lái)看，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)中國(guó)央行資產(chǎn)負(fù)債表規(guī)模具有正向沖擊，在3期達(dá)到正向沖擊效應(yīng)的最大值，隨后緩慢衰減。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)中國(guó)匯率的短期影響很小，從長(zhǎng)期有顯著的負(fù)沖擊，即人民幣是不斷升值的，在3期達(dá)到最低值，隨后開(kāi)始上升，但沖擊效應(yīng)還是負(fù)值。從長(zhǎng)期來(lái)說(shuō)，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表規(guī)模一直處于不斷擴(kuò)大的趨勢(shì)，導(dǎo)致美元的流動(dòng)性水平處于過(guò)度充裕的狀態(tài)，美元在理論上是不斷貶值的趨勢(shì)，人民幣是不斷升值的趨勢(shì)。

美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表對(duì)中國(guó)銀行間加權(quán)平均利率有顯著的負(fù)沖擊效應(yīng)，在4期達(dá)到最低點(diǎn)，隨后負(fù)向沖擊效應(yīng)慢慢減少。即美聯(lián)儲(chǔ)擴(kuò)表會(huì)導(dǎo)致中國(guó)銀行間利率降低，縮表導(dǎo)致中國(guó)銀行間利率開(kāi)始上升。

五、結(jié)論與政策建議

（一）結(jié)論

本文采用TVP-VAR模型分析了美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策的溢出效應(yīng)，綜合貨幣政策的國(guó)際傳導(dǎo)渠道，考慮了美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣量M2、銀行間加權(quán)平均利率、美元兌人民幣匯率、中國(guó)央行資產(chǎn)負(fù)債表規(guī)模的動(dòng)態(tài)沖擊影響。結(jié)果表明，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)匯率及M2的影響央行短期內(nèi)可進(jìn)行調(diào)控，減少影響，但會(huì)長(zhǎng)期顯著影響M2、銀行間加權(quán)平均利率、美元兌人民幣匯率、中國(guó)央行資產(chǎn)負(fù)債表規(guī)模。美聯(lián)儲(chǔ)擴(kuò)表與縮表對(duì)我國(guó)貨幣政策的溢出效應(yīng)具有非對(duì)稱(chēng)性、及在不同時(shí)點(diǎn)具有不同的影響，擴(kuò)表時(shí)對(duì)我銀行間利率的沖擊力度與持久度要大于縮表時(shí)的溢出效應(yīng);不論美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表是縮表還是擴(kuò)表均會(huì)導(dǎo)致M2增加;美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表短期對(duì)匯率與中國(guó)央行資產(chǎn)負(fù)債表規(guī)模溢出效應(yīng)不顯著，但對(duì)匯率和中國(guó)央行資產(chǎn)負(fù)債表規(guī)模有顯著的、長(zhǎng)期的負(fù)向沖擊溢出效應(yīng)。

（二）政策建議

從短期來(lái)看，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策影響較小，在美聯(lián)儲(chǔ)縮表與擴(kuò)表應(yīng)進(jìn)行逆周期調(diào)節(jié)，即在美聯(lián)儲(chǔ)擴(kuò)表時(shí)，應(yīng)阻止國(guó)際資本由于國(guó)家間存在套利空間而流入;加大流入保證金比例及在必要時(shí)設(shè)立“托賓稅”，抑制國(guó)際投機(jī)資本的流入;在縮表時(shí)反之。此外，加強(qiáng)預(yù)期的管理，通過(guò)公開(kāi)市場(chǎng)以及多種非常規(guī)貨幣政策工具的搭配使用，穩(wěn)定市場(chǎng)的預(yù)期，避免由國(guó)際資本沖擊國(guó)內(nèi)流動(dòng)性。

從長(zhǎng)期來(lái)看，美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表的變化對(duì)中國(guó)貨幣政策的溢出效應(yīng)根本在于美元的國(guó)際地位，中國(guó)應(yīng)該加強(qiáng)與美國(guó)及其他發(fā)達(dá)國(guó)家的貨幣政策溝通，盡量減少美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表變化的外溢性;中央推動(dòng)人民幣國(guó)際化，如與其他國(guó)家簽訂貨幣互換協(xié)議，創(chuàng)新各種以人民幣計(jì)價(jià)的金融產(chǎn)品，加強(qiáng)在跨境結(jié)算與貿(mào)易中使用人民幣;加強(qiáng)匯率的浮動(dòng)性，避免形成單邊升值或貶值的趨勢(shì);加快建立人民幣利率走廊機(jī)制，使貨幣政策的調(diào)控目標(biāo)有一個(gè)清晰的貨幣錨，這樣更能形成市場(chǎng)的穩(wěn)定性預(yù)期，對(duì)于防范化解金融風(fēng)險(xiǎn)具有重要的現(xiàn)實(shí)意義。

（責(zé)任編輯：夏凡）

參考文獻(xiàn)：

[1]白玥明，王自峰，陳玨.美國(guó)非常規(guī)貨幣政策退出與中國(guó)實(shí)際產(chǎn)出——基于信號(hào)渠道的國(guó)際分析[J].國(guó)際金融研究，2015（8）：21-30.

[2]顧淳，王霞.美國(guó)貨幣政策變化對(duì)中國(guó)貨幣政策的動(dòng)態(tài)溢出效應(yīng)——基于TVP-VAR-SV模型的分析[J].金融發(fā)展研究，2017（3）：23-31.

[3]劉金全，吳克強(qiáng)，劉悅.美聯(lián)儲(chǔ)退出量化寬松政策的溢出效應(yīng)研究——基于新興經(jīng)濟(jì)體與發(fā)達(dá)經(jīng)濟(jì)體雙重視角[J].數(shù)量經(jīng)濟(jì)研究，2020（2）：1-17.

[4]姜富偉，郭鵬，郭豫媚.美聯(lián)儲(chǔ)貨幣政策對(duì)我國(guó)資產(chǎn)價(jià)格的影響[J].金融研究，2019（5）：37-55.

[5]李自磊，張?jiān)?美國(guó)量化寬松政策是否影響了中國(guó)的通貨膨脹？——基于SVAR模型的時(shí)證研究[J].國(guó)際金融研究，2013（8）：13-21.

[6]倪亞芬，李子聯(lián).美國(guó)貨幣政策與人民幣匯率-基于彈性?xún)r(jià)格貨幣模型的脈沖分析[J].經(jīng)濟(jì)研究，2015（6）：28-34.

[7]劉堯成.國(guó)際貨幣政策溢出效應(yīng)、人民幣匯率與中國(guó)貿(mào)易差額——基于TVP-VAR-SV模型的動(dòng)態(tài)影響關(guān)系[J].世界經(jīng)濟(jì)研究，2016（6）：69-135.

[8]馬理，婁田田.基于零利率下限約束的宏觀政策傳導(dǎo)機(jī)制研究[J].經(jīng)濟(jì)研究，2015（11）：94-105.

[9]徐瀅，孫宇豪.美國(guó)貨幣政策對(duì)中國(guó)貨幣政策的溢出效應(yīng)研究——基于央行資產(chǎn)負(fù)債表的視角[J].金融理論與實(shí)踐，2019（12）：17-24.

[10]徐瀅.美聯(lián)儲(chǔ)量化寬松貨幣政策正?；c人民幣匯率變動(dòng)——基于時(shí)變參數(shù)向量自相關(guān)模型的研究[J].商業(yè)經(jīng)濟(jì)與管理，2020（5）：88-100.

[11]徐瀅.美聯(lián)儲(chǔ)資產(chǎn)負(fù)債表常態(tài)化的理論、路徑和影響[J].世界經(jīng)濟(jì)與論壇，2018（2）：68-90.

[12]P Artus，S Avouyi，E Bleuze，F(xiàn) Lecointe.Transmission of US.Monetary Policy to Europe and Asymmetry in the European Monetary System[J].European Economic Review，1991（7）：1369-1384.

[13]Manmohan Singh，Hanbin Wang.Central Bank Balance Sheet Policies and Spillovers to Emerging Markets[D].International Monetary Fund Working Paper No.172，2017.

[14]J Holman，R Neumann.Evidence on the Cross-Country Transmission of Monetary Shocks[J].Applied Economics，2016（5）：1837-1857.

[15]Fabio Canova.The Transmission of US Shocks to Latin America[J].Journal of Applied Econometrics，2005（2）：229-251.

[16]Obstfeld M，Rogoff K.Exchange Rate Dynamics Redux[J].Journal of Political Economy，1995（103）：624-660.

[17]溫彬，霍天翔，馮柏.全球重啟貨幣寬松政策背景下我國(guó)貨幣政策選擇[J].金融經(jīng)濟(jì)，2020（4）.

[18]鐘輝.我國(guó)信貸資產(chǎn)質(zhì)押再貸款的特點(diǎn)、作用及政策建議——與美國(guó)量化寬松貨幣政策的比較[J].區(qū)域金融研究，2016（2）.

[19]鄧文碩.疫情沖擊下我國(guó)貨幣政策的空間、挑戰(zhàn)和方向——基于央行資產(chǎn)負(fù)債表的分析[J].北方金融，2020（7）.