劉金全 申瑛琦

內(nèi)容提要：央行溝通作為央行主要預(yù)期管理方式，能通過(guò)貨幣政策傳導(dǎo)渠道影響金融市場(chǎng)發(fā)展。首先基于定量手段和混頻技術(shù)測(cè)度央行溝通指數(shù)和混頻時(shí)變金融狀況指數(shù)，并在央行溝通金融市場(chǎng)傳導(dǎo)機(jī)制理論刻畫基礎(chǔ)上，運(yùn)用SV-TVP-FAVAR模型“量化”分析央行溝通的金融穩(wěn)定效應(yīng)及金融市場(chǎng)的階段異質(zhì)性響應(yīng)特征。結(jié)果表明：樣本期內(nèi)，央行溝通指數(shù)能夠很好地?cái)M合經(jīng)濟(jì)運(yùn)行事實(shí)和貨幣政策調(diào)控“松緊”取向，混頻時(shí)變金融狀況指數(shù)能揭示金融市場(chǎng)的趨勢(shì)和波動(dòng)態(tài)勢(shì)，具有金融事件精準(zhǔn)反饋能力。進(jìn)一步分析發(fā)現(xiàn)，央行溝通具有較好的金融穩(wěn)定功效，能夠弱化金融市場(chǎng)波動(dòng)，不同階段的調(diào)控效果不同。

一、 引言與文獻(xiàn)綜述

近年來(lái)，中國(guó)經(jīng)濟(jì)增速有所放緩，但仍領(lǐng)先于世界平均水平，經(jīng)濟(jì)韌性較強(qiáng)，短期內(nèi)“逆周期”調(diào)控政策無(wú)需“大刀闊斧”。當(dāng)下，中國(guó)經(jīng)濟(jì)發(fā)展的預(yù)調(diào)微調(diào)需求明顯，而預(yù)調(diào)微調(diào)功效恰是貨幣政策的主要特征，貨幣政策成為平抑經(jīng)濟(jì)波動(dòng)的重要政策選擇(張龍，2020)。進(jìn)一步看，雖然新冠肺炎疫情沖擊對(duì)中國(guó)經(jīng)濟(jì)的負(fù)向沖擊效應(yīng)已經(jīng)呈現(xiàn)“邊際遞減”趨勢(shì)，但疫情沖擊的一個(gè)不利經(jīng)濟(jì)后果受到各界關(guān)注：新冠肺炎疫情反復(fù)可能引發(fā)市場(chǎng)和行為主體預(yù)期不穩(wěn)定，加大了經(jīng)濟(jì)不確定性，具有“反向”調(diào)控功效的預(yù)期管理問(wèn)題成為各界的熱點(diǎn)議題。

前瞻信息傳遞是貨幣政策預(yù)期管理的重要表現(xiàn)方式，會(huì)對(duì)一國(guó)金融市場(chǎng)穩(wěn)定產(chǎn)生重要影響。作為消息沖擊的重要方式，央行溝通被認(rèn)為是現(xiàn)代預(yù)期管理的核心工具和要素，央行溝通對(duì)于引導(dǎo)市場(chǎng)和行為主體預(yù)期具有重要意義。央行溝通分為書面和口頭溝通，前者以會(huì)議紀(jì)要等形式開(kāi)展，如《貨幣政策執(zhí)行報(bào)告》，后者一般通過(guò)央行發(fā)言人以采訪、講話等形式開(kāi)展。與書面溝通相比，口頭溝通的頻率更高、形式更加多樣、時(shí)效性更強(qiáng)。世界經(jīng)濟(jì)危機(jī)的爆發(fā)令各國(guó)政府充分意識(shí)到宏觀經(jīng)濟(jì)政策不應(yīng)該只關(guān)注經(jīng)濟(jì)增長(zhǎng)和通貨膨脹，“保增長(zhǎng)”和“控物價(jià)”外還應(yīng)兼顧“穩(wěn)金融”目標(biāo)。金融穩(wěn)定對(duì)防范系統(tǒng)性金融風(fēng)險(xiǎn)與潛在“灰犀?！笔录O為關(guān)鍵，是一國(guó)經(jīng)濟(jì)長(zhǎng)期穩(wěn)定發(fā)展的重要前提。近期，中國(guó)金融市場(chǎng)波動(dòng)性增加，外匯市場(chǎng)劇烈波動(dòng)，對(duì)貨幣政策調(diào)控提出了更高要求。當(dāng)下，中國(guó)金融市場(chǎng)運(yùn)行態(tài)勢(shì)究竟如何？央行溝通與金融市場(chǎng)發(fā)展之間是否存在關(guān)聯(lián)？央行溝通能否弱化金融市場(chǎng)波動(dòng)？央行溝通對(duì)金融市場(chǎng)的沖擊是否存在階段異質(zhì)性？

本文的主要工作包括：定量測(cè)度能夠反映中國(guó)貨幣政策調(diào)控取向和實(shí)施力度的央行溝通指數(shù)、基于高頻數(shù)據(jù)測(cè)算實(shí)時(shí)監(jiān)測(cè)功效顯著的混頻時(shí)變金融狀況指數(shù)、“量化”檢驗(yàn)央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)。具有實(shí)時(shí)監(jiān)測(cè)功效的金融狀況指數(shù)對(duì)于把握一國(guó)金融市場(chǎng)發(fā)展態(tài)勢(shì)至關(guān)重要，一些研究者嘗試基于房?jī)r(jià)、利率、股價(jià)、貨幣等指標(biāo)定量測(cè)算金融狀況(形勢(shì))指數(shù)，如周德才等(2018)。一些學(xué)者運(yùn)用MS-MF-VAR、MF-MS-DFM等具有混頻數(shù)據(jù)處理能力的動(dòng)態(tài)模型測(cè)算時(shí)變金融狀況指數(shù)，并重點(diǎn)論證時(shí)變金融狀況指數(shù)的預(yù)測(cè)優(yōu)勢(shì)，如劉超等(2019)。世界經(jīng)濟(jì)危機(jī)后，一些學(xué)者開(kāi)始關(guān)注貨幣政策的“多目標(biāo)”調(diào)控效果，對(duì)金融穩(wěn)定目標(biāo)下的貨幣政策問(wèn)題展開(kāi)探究，如馬勇、付莉(2020)。

有效精準(zhǔn)的前瞻預(yù)期能夠弱化外部沖擊對(duì)經(jīng)濟(jì)的不利干擾。Gomes等(2017)的研究表明：可預(yù)期貨幣政策的調(diào)控效果更佳。張成思、孫宇辰(2018)發(fā)現(xiàn)：市場(chǎng)預(yù)期是否穩(wěn)定的關(guān)鍵在于信心，企業(yè)家信心在貨幣政策宏觀經(jīng)濟(jì)調(diào)控中起到必備橋梁作用。張龍(2021)采用定性描述方法論證了中國(guó)貨幣政策的調(diào)控取向及微觀變遷過(guò)程，并實(shí)證分析了貨幣政策有效性。張龍、劉金全(2021)在預(yù)期管理能夠提升貨幣政策有效性基礎(chǔ)上，論證了不同預(yù)期沖擊之間的交互效應(yīng)。耿中元等(2021)探討了央行前瞻指引對(duì)企業(yè)投資的影響。更為具體地，一些學(xué)者對(duì)央行溝通的定量測(cè)算及經(jīng)濟(jì)效應(yīng)展開(kāi)研究。林建浩、趙文慶(2015)以《貨幣政策執(zhí)行報(bào)告》為文本基礎(chǔ)，對(duì)央行溝通指數(shù)進(jìn)行了定量測(cè)度。王琳等(2021)探討了不同類型央行溝通方式的市場(chǎng)信號(hào)效應(yīng)及福利損失情況。趙靜、許海萍(2021)分析了央行宏觀審慎監(jiān)管口頭溝通對(duì)金融系統(tǒng)風(fēng)險(xiǎn)的影響。

梳理發(fā)現(xiàn)，關(guān)于金融狀況指數(shù)的測(cè)度方法多為同頻模型，缺乏對(duì)金融市場(chǎng)的時(shí)變反應(yīng)，關(guān)于央行溝通和金融穩(wěn)定的關(guān)聯(lián)研究較少。為此，本文首先基于定量手段和混頻模型測(cè)度央行溝通指數(shù)和混頻時(shí)變金融狀況指數(shù)，進(jìn)一步基于SV-TVP-FAVAR模型“量化”檢驗(yàn)央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)。主要貢獻(xiàn)體現(xiàn)在：將統(tǒng)計(jì)口徑延伸至公開(kāi)講話和新聞發(fā)布會(huì)，通過(guò)定量手段測(cè)算央行溝通指數(shù)反向擬合宏觀經(jīng)濟(jì)運(yùn)行事實(shí)和貨幣政策調(diào)控“松緊”取向變動(dòng)趨勢(shì)，本文定量測(cè)度的央行溝通指數(shù)對(duì)行為主體決策具有重要指引功效；基于混頻模型定量測(cè)算時(shí)變動(dòng)態(tài)金融狀況指數(shù)，混頻模型充分利用了經(jīng)濟(jì)系統(tǒng)中的高低頻數(shù)據(jù)，本文定量測(cè)算的混頻時(shí)變金融狀況指數(shù)能夠更為準(zhǔn)確揭示中國(guó)金融市場(chǎng)的時(shí)變趨勢(shì)和波動(dòng)態(tài)勢(shì)；通過(guò)央行溝通指數(shù)和中國(guó)混頻時(shí)變金融狀況指數(shù)，嘗試對(duì)央行溝通與金融市場(chǎng)穩(wěn)定之間關(guān)聯(lián)關(guān)系進(jìn)行“量化”研究。

二、 理論機(jī)制與計(jì)量模型

本文的主要目的是：在刻畫央行溝通金融穩(wěn)定效應(yīng)傳導(dǎo)路徑和渠道的基礎(chǔ)上，“量化”檢驗(yàn)央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)，加深各界對(duì)央行溝通金融穩(wěn)定效應(yīng)的理解。

1. 理論機(jī)制

眾所周知，各界關(guān)于央行溝通金融穩(wěn)定效應(yīng)的傳導(dǎo)機(jī)制刻畫較為成熟，傳導(dǎo)路徑大致為央行溝通(書面形式或口頭形式)→公眾預(yù)期形成→公眾行為變化→房?jī)r(jià)變動(dòng)、股價(jià)變動(dòng)等→金融穩(wěn)定。大量學(xué)者基于能夠反映金融市場(chǎng)穩(wěn)定某一方面的指標(biāo)，對(duì)央行溝通的金融穩(wěn)定效應(yīng)傳導(dǎo)路徑進(jìn)行刻畫，如鄒文理等(2020)對(duì)央行溝通的股票市場(chǎng)效應(yīng)進(jìn)行了路徑刻畫，房地產(chǎn)等視角的渠道刻畫大致類似，限于研究篇幅和本文分析重點(diǎn)，僅對(duì)央行溝通的金融穩(wěn)定效應(yīng)進(jìn)行簡(jiǎn)要機(jī)制和路徑刻畫，如圖1所示。

由圖1可知，央行溝通的金融市場(chǎng)效應(yīng)傳導(dǎo)可以通過(guò)貨幣政策中介渠道影響金融市場(chǎng)，如匯率市場(chǎng)渠道、股票市場(chǎng)渠道、房地產(chǎn)市場(chǎng)渠道和債券市場(chǎng)渠道等，央行溝通到金融市場(chǎng)具有相對(duì)通暢的傳遞路徑和影響渠道。當(dāng)然，央行溝通到金融市場(chǎng)存在多種傳遞路徑和渠道，不同子市場(chǎng)之間也存在交叉?zhèn)鬟f渠道。

2. 計(jì)量模型

本文將通過(guò)SV-TVP-FAVAR模型“量化”分析央行溝通的金融穩(wěn)定效應(yīng)，并對(duì)央行溝通指數(shù)不同階段下的金融穩(wěn)定效應(yīng)進(jìn)行對(duì)比分析。

(1) 混頻動(dòng)態(tài)因子模型。為了構(gòu)建和理解本文定量測(cè)算混頻時(shí)變金融狀況指數(shù)將使用到的混頻動(dòng)態(tài)因子模型，首先構(gòu)建同頻動(dòng)態(tài)因子模型，同頻動(dòng)態(tài)因子模型方程組具體表達(dá)式如下：

(1)

φ(L)ft=μ+v1,t

(2)

φ(L)ut=v2,t

(3)

(4)

方程組式(1)～(4)要求數(shù)據(jù)同頻，如果存在高低頻率數(shù)據(jù)差異，傳統(tǒng)文獻(xiàn)經(jīng)常采用平均化的辦法進(jìn)行不同頻率數(shù)據(jù)的技術(shù)轉(zhuǎn)換，實(shí)現(xiàn)同頻模型匹配及后續(xù)實(shí)證分析。

為了實(shí)現(xiàn)混頻模型測(cè)算時(shí)變金融狀況指數(shù)，將高低頻率數(shù)據(jù)關(guān)系設(shè)定如下：

(5)

進(jìn)一步，高低頻指標(biāo)關(guān)聯(lián)關(guān)系設(shè)定如下：

(6)

同時(shí)，通過(guò)不可觀測(cè)高頻與其他高頻指標(biāo)得到如下方程組：

(7)

φ(L)ft=μ+ν1,t

(8)

(9)

(10)

結(jié)合式(6)～(10)，將混頻時(shí)變金融狀況指數(shù)測(cè)算模型寫成狀態(tài)空間表達(dá)形式，具體方程組如式(11)～(14)：

(11)

φ(L)ft=μ+ν1,t

(12)

(13)

(14)

(2) SV-TVP-FAVAR模型。本文通過(guò)SV-TVP-FAVAR模型“量化”分析央行溝通的金融穩(wěn)定效應(yīng)及不同貨幣政策取向“松緊”趨勢(shì)下金融波動(dòng)的階段特征。

標(biāo)準(zhǔn)的VAR模型方程如下：

yt=c1yt-1+c2yt-2+…+cpyt-p+vt

(15)

其中，y′t=[z′t,cbct],zt為(M×1)向量，cbct為央行溝通指數(shù)，ci(i=1,2,…,p)為方程系數(shù)，vt～N(0,Ω)。

為了構(gòu)建TVP-FAVAR模型，借鑒Primicer(2005)的做法進(jìn)行模型拓展：

yt=c1tyt-1+c2tyt-2+…+cptyt-p+vt

(16)

其中，y′t=[f′t,z′t,cbct],ft為共同因子，cit(i=1,2,…,p)為滯后項(xiàng)系數(shù)。

進(jìn)一步看，xit可以由ft、zt和cbct回歸分析得到，形式如下：

(17)

xt=λfft+λzzt+λc bccbct+F(L)xt+εt

(18)

同時(shí)，將因子誤差的協(xié)方差矩陣進(jìn)行技術(shù)處理：

(19)

其中，∑t=diag(σ1t,…,σk+1t),At表示下三角矩陣：

(20)

其中參數(shù)堆棧在向量Ct=(c′1t,…,c′pt)′、logσt=(logσ′1t,…,logσ′pt)′和at=[a′j1t,…,a′j(j-1)t]′中，j=1,…,k+1,并滿足如下條件：

(21)

為了得到SV-TVP-FAVAR模型，需要進(jìn)行滯后算子處理：

(22)

(23)

由式(22)和(23)，可以得到本文脈沖響應(yīng)分析所用的模型VEM形式：

(24)

三、 央行溝通指數(shù)與金融狀況指數(shù)的定量測(cè)度與經(jīng)濟(jì)解析

本文的主要分析思路為，通過(guò)定量手段和混頻模型測(cè)度央行溝通指數(shù)和混頻時(shí)變金融狀況指數(shù)，并基于SV-TVP-FAVAR模型“量化”檢驗(yàn)央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)。

1. 央行溝通指數(shù)的定量測(cè)算與擬合效果分析

毫無(wú)疑問(wèn)，以公開(kāi)講話、《貨幣政策執(zhí)行報(bào)告》等形式開(kāi)展的央行溝通是一種有效的貨幣政策預(yù)期管理手段，但定性描繪貨幣政策意圖的做法更多傳遞的是一種模糊概念(劉金全、張龍，2019)。為此，本文參考并拓展Heinemann和Ullrich(2007)的研究成果，定量測(cè)算實(shí)時(shí)功效明顯的央行溝通指數(shù)。其中，央行溝通指數(shù)越大，表明央行正在釋放寬松的貨幣信號(hào)需求；反之，表明央行正在釋放從緊的貨幣信號(hào)需求。央行溝通指數(shù)為正表示央行看好未來(lái)的經(jīng)濟(jì)形勢(shì)、貨幣政策趨向于收緊，央行溝通指數(shù)為負(fù)表示央行對(duì)未來(lái)經(jīng)濟(jì)走勢(shì)持負(fù)面態(tài)度、貨幣政策趨向于寬松。

央行溝通指數(shù)的定量測(cè)算過(guò)程如下：首先，收集2003年1月至2019年9月時(shí)任中國(guó)人民銀行行長(zhǎng)的口頭溝通內(nèi)容，搜索關(guān)鍵詞包括：周小川、貨幣政策、貨幣政策調(diào)控取向、經(jīng)濟(jì)形勢(shì)、易綱、劉鶴等，樣本關(guān)鍵詞來(lái)源于公開(kāi)講話、電視和媒體采訪、新聞發(fā)布會(huì)等。通過(guò)關(guān)鍵詞范圍和樣本來(lái)源范疇篩選行長(zhǎng)有效溝通場(chǎng)景和溝通次數(shù)，研究區(qū)間內(nèi)共篩選獲取到368次有效央行溝通(1)本文并非使用“貨幣政策”“周小川”等關(guān)鍵詞直接進(jìn)行央行溝通指數(shù)的定量測(cè)度，而是通過(guò)這些關(guān)鍵詞定位到“文字信息提取源”位置，進(jìn)而根據(jù)不同方向不同措辭的央行信息測(cè)算央行溝通指數(shù)。。需要說(shuō)明的是，本文將央行溝通指數(shù)測(cè)算中的文本統(tǒng)計(jì)口徑延伸至公開(kāi)講話和新聞發(fā)布會(huì)，并根據(jù)溝通語(yǔ)調(diào)和文本相似度進(jìn)行了有效篩選和保留。2003年1季度以來(lái)，央行溝通指數(shù)趨勢(shì)性走勢(shì)和波動(dòng)特征如圖2所示。

由圖2可知，2003年1季度至2019年3季度，央行溝通指數(shù)較好地?cái)M合了中國(guó)經(jīng)濟(jì)運(yùn)行事實(shí)和貨幣政策調(diào)控取向微觀變遷態(tài)勢(shì)。① 2003年1季度至2008年1季度，央行溝通指數(shù)不斷下降，并在2008年上半年下降至樣本區(qū)間最低值，央行主要傳遞出的是“緊縮”信號(hào)。② 2008年2季度開(kāi)始，受世界經(jīng)濟(jì)危機(jī)負(fù)向沖擊，央行溝通指數(shù)陡然拉升，央行釋放“寬松”信號(hào)，以此維護(hù)經(jīng)濟(jì)平穩(wěn)增長(zhǎng)。在經(jīng)濟(jì)稍微平穩(wěn)后，為了避免過(guò)于寬松政策帶來(lái)嚴(yán)重通貨膨脹，央行開(kāi)始釋放“適度從緊”的政策信號(hào)，央行溝通指數(shù)于2010年1季度降至階段性低點(diǎn)。③ 2011年以來(lái)，中國(guó)貨幣政策取向維持“穩(wěn)健”，央行溝通指數(shù)總體運(yùn)行平穩(wěn)，然而同樣存在一定波動(dòng)性，如伴隨2012年歐洲債務(wù)危機(jī)的日益嚴(yán)重，中國(guó)宏觀經(jīng)濟(jì)增長(zhǎng)壓力有所增加，央行再次釋放“寬松”政策信號(hào)，央行溝通指數(shù)于2015年末達(dá)到階段高點(diǎn)。2013年之后，央行溝通指數(shù)的波動(dòng)程度有所減弱，主要原因可能在于：中國(guó)經(jīng)濟(jì)逐步進(jìn)入新常態(tài)，經(jīng)濟(jì)形勢(shì)較之前的高增長(zhǎng)階段更加趨穩(wěn)，溝通措辭日益謹(jǐn)慎，更加關(guān)注微調(diào)功效。④ 2015 年至2017年，中國(guó)經(jīng)濟(jì)發(fā)展暴露出一定“高杠桿”問(wèn)題，為了適度降低各類杠桿率，央行溝通指數(shù)有下降趨勢(shì)。⑤ 2018年以來(lái)，中國(guó)經(jīng)濟(jì)發(fā)展面臨的形勢(shì)更為復(fù)雜，央行溝通的預(yù)調(diào)微調(diào)功效再次突出。總結(jié)來(lái)看，本文定量測(cè)度的央行溝通指數(shù)對(duì)同期中國(guó)貨幣政策市場(chǎng)運(yùn)行狀況解釋能力較強(qiáng)，一定程度上說(shuō)明本文測(cè)度的央行溝通指數(shù)比較準(zhǔn)確，能夠成為相關(guān)分析數(shù)值指標(biāo)。

2. 金融狀況指數(shù)的混頻測(cè)度與特征分析

定量測(cè)度能夠揭示金融市場(chǎng)運(yùn)行狀態(tài)的金融狀況指數(shù)關(guān)乎中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量。本文參照Goodhart和Hofmann(2002)、劉超等(2019)的研究成果，基于股價(jià)、房?jī)r(jià)、匯率等能夠反映金融市場(chǎng)運(yùn)行態(tài)勢(shì)的經(jīng)濟(jì)變量，運(yùn)用混頻動(dòng)態(tài)因子模型定量測(cè)算中國(guó)混頻時(shí)變金融狀況指數(shù)(2)本文基于股價(jià)、房?jī)r(jià)、匯率、利率、信貸和貨幣等指標(biāo)測(cè)算金融狀況指數(shù)，主要原因在于上述指標(biāo)是反映中國(guó)金融市場(chǎng)運(yùn)行狀況的最重要指標(biāo)，從測(cè)算出的混頻金融市場(chǎng)狀況指數(shù)與同期中國(guó)金融市場(chǎng)運(yùn)行態(tài)勢(shì)情況看，該指數(shù)比較合理，現(xiàn)實(shí)反映能力較強(qiáng)，能夠揭示中國(guó)金融市場(chǎng)的趨勢(shì)和波動(dòng)態(tài)勢(shì)。，研究區(qū)間為2003年1月至2019年9月，數(shù)據(jù)來(lái)源于中經(jīng)網(wǎng)。2003年以來(lái)中國(guó)混頻時(shí)變金融狀況指數(shù)如圖3所示。

由圖3可知，混頻動(dòng)態(tài)因子模型測(cè)算的混頻時(shí)變金融狀況指數(shù)能夠準(zhǔn)確揭示中國(guó)金融市場(chǎng)的趨勢(shì)走勢(shì)和波動(dòng)特征，具有較好的金融事件反饋能力。2003年1季度開(kāi)始，人民幣升值正向溢出效應(yīng)帶來(lái)金融市場(chǎng)繁榮，中國(guó)混頻時(shí)變金融狀況指數(shù)急劇上升，發(fā)生“負(fù)→正”的轉(zhuǎn)變。2004年至2006年上半年由于“有保有壓”政策，金融市場(chǎng)出現(xiàn)一定緊縮局面。2006年下半年“牛市”帶動(dòng)下中國(guó)金融市場(chǎng)迅速進(jìn)入繁榮，并于2008年經(jīng)濟(jì)危機(jī)后“迫降”，開(kāi)始出現(xiàn)負(fù)值。隨后“四萬(wàn)億”刺激政策下中國(guó)金融市場(chǎng)有所回暖，新常態(tài)以來(lái)金融市場(chǎng)有所波動(dòng)，但整體運(yùn)行較為平穩(wěn)?？偨Y(jié)來(lái)看，本文定量測(cè)度的混頻時(shí)變金融狀況指數(shù)對(duì)世界經(jīng)濟(jì)危機(jī)前的房?jī)r(jià)高企、2008年經(jīng)濟(jì)危機(jī)中的金融市場(chǎng)劇烈波動(dòng)、2010年歐洲債務(wù)危機(jī)中的金融市場(chǎng)短期震蕩、2015年下半年股市暴跌等事件匹配和解釋充分，有效契合了中國(guó)金融市場(chǎng)的發(fā)展態(tài)勢(shì)，一定程度上說(shuō)明本文測(cè)算的中國(guó)混頻時(shí)變金融狀況指數(shù)指標(biāo)選擇較為合理，具有較好的金融市場(chǎng)導(dǎo)向性和指引功效。

四、 央行溝通的金融穩(wěn)定效應(yīng)檢驗(yàn)：總量分析與階段對(duì)比

本文擬通過(guò)時(shí)變動(dòng)態(tài)SV-TVP-FAVAR模型“量化”分析央行溝通對(duì)金融市場(chǎng)的動(dòng)態(tài)沖擊影響，并對(duì)不同階段央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)進(jìn)行量化分析與對(duì)比檢驗(yàn)。

1. 脈沖響應(yīng)總量分析

本文基于63組宏觀變量作為共同因子提取變量，經(jīng)濟(jì)變量包括消費(fèi)價(jià)格指數(shù)、產(chǎn)業(yè)增加值等。不同類型變量數(shù)據(jù)處理方式可能不同，詳細(xì)處理方式可以參照金春雨、張龍(2017)的研究。SV-TVP-FAVAR模型提取的共同因子與中國(guó)經(jīng)濟(jì)基本面變量后驗(yàn)均值之間不存在明顯“偏離”現(xiàn)象，說(shuō)明本文中的共同因子數(shù)量設(shè)定和提取較為合理。共同因子提取基礎(chǔ)上，基于SV-TVP-FAVAR模型對(duì)央行溝通的金融穩(wěn)定效應(yīng)進(jìn)行“量化”分析與對(duì)比，2003年以來(lái)，央行溝通對(duì)金融市場(chǎng)的動(dòng)態(tài)沖擊效應(yīng)如圖4所示。

由圖4可知，1單位正向央行溝通(預(yù)期管理)沖擊發(fā)生后，金融市場(chǎng)呈現(xiàn)出明顯負(fù)向響應(yīng)特征，金融市場(chǎng)波動(dòng)的響應(yīng)周期通常較短，調(diào)控效應(yīng)在11個(gè)季度內(nèi)基本消失殆盡，央行溝通對(duì)金融波動(dòng)的沖擊極值在-0.4附近。央行溝通對(duì)金融波動(dòng)的沖擊特征表明：央行溝通能夠“弱化”金融波動(dòng)，維護(hù)金融市場(chǎng)穩(wěn)定。這一分析結(jié)論符合汪莉、王先爽(2015)的研究結(jié)論。與之不同的是，本文通過(guò)三維圖形展示脈沖響應(yīng)情況，更為直觀呈現(xiàn)央行溝通對(duì)金融波動(dòng)的階段異質(zhì)沖擊特征。同時(shí)，三維脈沖橫向時(shí)點(diǎn)脈沖對(duì)比發(fā)現(xiàn)：貨幣政策當(dāng)局開(kāi)始傳遞“緊縮”或“寬松”信號(hào)時(shí)，央行溝通的金融穩(wěn)定效應(yīng)較為顯著，隨后政策當(dāng)局的信號(hào)傳遞效應(yīng)逐步減弱，尤其是“寬松”信號(hào)的連續(xù)釋放效果可能并不明顯。主要原因在于：連續(xù)的信號(hào)釋放，產(chǎn)生了邊際效應(yīng)遞減作用，同時(shí)行為主體可能產(chǎn)生“逆向選擇”。此外，本文的三維脈沖響應(yīng)在沖擊極值上的橫向?qū)Ρ劝l(fā)現(xiàn)：央行溝通對(duì)金融市場(chǎng)的作用效果在2008年經(jīng)濟(jì)危機(jī)和2010年歐洲債務(wù)危機(jī)等突發(fā)沖擊時(shí)表現(xiàn)更為突出。分析原因可能在于：面對(duì)宏觀經(jīng)濟(jì)負(fù)向沖擊或金融市場(chǎng)“灰犀牛”事件影響，政策當(dāng)局通常會(huì)加大溝通頻率，甚至在措辭強(qiáng)度上有所改變，加之行為主體自身的極端預(yù)期，此時(shí)央行溝通的金融市場(chǎng)效應(yīng)理應(yīng)顯著。

2. 脈沖響應(yīng)階段對(duì)比分析

央行溝通指數(shù)的上升和下降意味著貨幣政策調(diào)控“松緊”趨勢(shì)變動(dòng)的方向不同，為了進(jìn)一步“量化”分析央行溝通指數(shù)不同階段下央行溝通對(duì)金融市場(chǎng)的動(dòng)態(tài)沖擊效應(yīng)和特征，首先參考劉金全(2018)的指數(shù)階段劃分做法，對(duì)2003年1季度至2019年3季度全樣本區(qū)間內(nèi)，央行溝通指數(shù)進(jìn)行下降期、上升期和平穩(wěn)期的階段劃分，進(jìn)而對(duì)央行溝通指數(shù)不同階段下央行溝通對(duì)金融市場(chǎng)穩(wěn)定的沖擊效應(yīng)進(jìn)行“量化”分析與檢驗(yàn)。2003年1季度至2019年3季度全樣本內(nèi)，央行溝通指數(shù)的階段劃分情況如圖2所示，圖2中深灰色陰影區(qū)域?yàn)檠胄袦贤ㄖ笖?shù)下降區(qū)域，白色陰影區(qū)域?yàn)檠胄袦贤ㄖ笖?shù)上升區(qū)域，淺灰色陰影區(qū)域?yàn)檠胄袦贤ㄖ笖?shù)平穩(wěn)區(qū)域。在貨幣政策“松緊”趨勢(shì)劃分的基礎(chǔ)上，通過(guò)不同階段錯(cuò)位加總的辦法進(jìn)行脈沖響應(yīng)數(shù)據(jù)整合，形成央行溝通的階段性脈沖響應(yīng)分析函數(shù)，不同貨幣政策“松緊”趨勢(shì)下央行溝通的金融穩(wěn)定效應(yīng)如圖5所示。

由圖5可知，在不同貨幣政策“松緊”取向趨勢(shì)變動(dòng)下，央行溝通對(duì)金融市場(chǎng)的沖擊效果存在較大差異。當(dāng)央行溝通指數(shù)處于下降期時(shí)，央行溝通(預(yù)期引導(dǎo))沖擊下金融市場(chǎng)波動(dòng)的響應(yīng)極小值為-0.23，響應(yīng)周期為13個(gè)季度左右。當(dāng)央行溝通指數(shù)處于上升期時(shí)，央行溝通沖擊下金融市場(chǎng)波動(dòng)的響應(yīng)極小值為-0.34，響應(yīng)周期為12個(gè)季度左右。當(dāng)央行溝通指數(shù)處于平穩(wěn)期時(shí)，央行溝通沖擊下金融市場(chǎng)波動(dòng)的響應(yīng)極小值為-0.30，響應(yīng)周期大約為14個(gè)季度左右。為了更好地理解央行溝通沖擊下金融市場(chǎng)的響應(yīng)情況，本文借鑒張龍、劉金全(2021)的研究成果，基于“多重指標(biāo)”對(duì)央行溝通的金融市場(chǎng)效應(yīng)進(jìn)行統(tǒng)計(jì)分析。不同階段下的脈沖響應(yīng)數(shù)據(jù)獲取過(guò)程如下：對(duì)央行溝通指數(shù)進(jìn)行階段劃分的基礎(chǔ)上，按照央行溝通指數(shù)的升降階段進(jìn)行時(shí)點(diǎn)劃分和脈沖數(shù)據(jù)整合(時(shí)點(diǎn)脈沖數(shù)據(jù)來(lái)源于SV-TVP-FAVAR模型的全樣本脈沖數(shù)值)，最后基于不同評(píng)價(jià)指標(biāo)的測(cè)度原則和方式計(jì)算不同評(píng)價(jià)指標(biāo)下金融市場(chǎng)的脈沖響應(yīng)態(tài)勢(shì)。不同階段和多重指標(biāo)下，央行溝通金融市場(chǎng)穩(wěn)定效應(yīng)的統(tǒng)計(jì)數(shù)值如表1所示。

表1 央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)統(tǒng)計(jì)數(shù)值

由表1可知，基于極值、長(zhǎng)期效應(yīng)、中期效應(yīng)、短期效應(yīng)不同脈沖響應(yīng)指標(biāo)，央行溝通不同階段(貨幣政策松緊取向變動(dòng)趨勢(shì)不同)下央行溝通的金融市場(chǎng)穩(wěn)定效應(yīng)不同。在央行溝通指數(shù)平穩(wěn)期內(nèi)，央行溝通沖擊下金融市場(chǎng)波動(dòng)的脈沖響應(yīng)短期效應(yīng)、中期效應(yīng)和長(zhǎng)期效應(yīng)分別為-0.89、-1.34和-1.17。在央行溝通指數(shù)上升期內(nèi)，央行溝通沖擊下金融市場(chǎng)波動(dòng)的脈沖響應(yīng)短期效應(yīng)、中期效應(yīng)和長(zhǎng)期效應(yīng)分別為-1.23、-2.10 和-1.56。在央行溝通指數(shù)下降期內(nèi)，央行溝通沖擊下金融市場(chǎng)波動(dòng)的脈沖響應(yīng)短期效應(yīng)、中期效應(yīng)和長(zhǎng)期效應(yīng)分別為-1.26、-2.16 和-1.63?？傊?，央行溝通對(duì)金融市場(chǎng)波動(dòng)均起到弱化作用，央行溝通不同階段，央行溝通對(duì)金融市場(chǎng)波動(dòng)的弱化程度不同，央行溝通指數(shù)下降期到平穩(wěn)期再到上升期，央行溝通對(duì)金融市場(chǎng)波動(dòng)的弱化程度逐步增強(qiáng)。本文復(fù)驗(yàn)了王博、高青青(2020)的研究結(jié)論。與之不同的是，本文央行溝通金融市場(chǎng)穩(wěn)定效應(yīng)“量化”分析為“多指標(biāo)”評(píng)價(jià)分析，脈沖響應(yīng)分析更為全面，并在央行溝通金融市場(chǎng)波動(dòng)弱化效應(yīng)分析的基礎(chǔ)上，延伸分析了央行溝通金融市場(chǎng)穩(wěn)定效應(yīng)的階段特征，為既有文獻(xiàn)的有效拓展。此外，本文的計(jì)量研究檢驗(yàn)了鄒文理等(2020)關(guān)于央行溝通股票市場(chǎng)效應(yīng)分析，反向探尋了方芳等(2021)提出的金融不確定性背景下國(guó)際資本流動(dòng)負(fù)向沖擊的解決方案。

五、 結(jié)論與政策建議

市場(chǎng)預(yù)期的理性提高有助于提高貨幣政策有效性。作為影響經(jīng)濟(jì)波動(dòng)的主要預(yù)期方式，央行溝通會(huì)對(duì)金融市場(chǎng)產(chǎn)生重要影響。

1. 研究結(jié)論

本文首先測(cè)度央行溝通指數(shù)和混頻時(shí)變金融狀況指數(shù)，并在央行溝通金融市場(chǎng)傳導(dǎo)機(jī)制理論刻畫基礎(chǔ)上，運(yùn)用SV-TVP-FAVAR模型“量化”分析央行溝通的金融穩(wěn)定效應(yīng)及金融市場(chǎng)的階段異質(zhì)性響應(yīng)特征。主要結(jié)論如下：第一，央行溝通指數(shù)能很好地?cái)M合中國(guó)宏觀經(jīng)濟(jì)運(yùn)行態(tài)勢(shì)，央行溝通指數(shù)的階段性走勢(shì)符合中國(guó)貨幣政策調(diào)控的“松緊”環(huán)境與“逆向”調(diào)控思路。第二，混頻動(dòng)態(tài)因子模型測(cè)算出的中國(guó)金融狀況動(dòng)態(tài)指數(shù)能夠揭示中國(guó)金融市場(chǎng)的發(fā)展態(tài)勢(shì)，具有重要經(jīng)濟(jì)和金融事件反饋能力。第三，基于SV-TVP-FAVAR模型的“量化”分析顯示，央行溝通具有較好金融市場(chǎng)穩(wěn)定效應(yīng)，不同階段下央行溝通的金融市場(chǎng)調(diào)控效果不同?？偨Y(jié)來(lái)看，央行溝通對(duì)金融波動(dòng)具有負(fù)向沖擊效應(yīng)，呈現(xiàn)一定金融穩(wěn)定效應(yīng)。同時(shí)，央行溝通不同階段下(貨幣政策環(huán)境變動(dòng)方向不同)，央行溝通的金融穩(wěn)定效應(yīng)不同，央行溝通指數(shù)下降期到平穩(wěn)期再到上升期(貨幣政策調(diào)控取向逐步從緊)，央行溝通對(duì)金融市場(chǎng)波動(dòng)的弱化程度逐步增強(qiáng)，貨幣政策當(dāng)局應(yīng)強(qiáng)化央行溝通，嘗試基于長(zhǎng)短期目標(biāo)進(jìn)行貨幣政策調(diào)控的“跨周期”設(shè)計(jì)與調(diào)節(jié)。

2. 政策建議

有效的預(yù)期管理是解決不確定性問(wèn)題的關(guān)鍵所在，央行溝通應(yīng)發(fā)揮其經(jīng)濟(jì)金融正向驅(qū)動(dòng)功效，弱化市場(chǎng)不利消息“噪音”，充分發(fā)揮“央行聲音”的“行動(dòng)”效應(yīng)和“指引”功效。本文關(guān)于混頻時(shí)變金融狀況指數(shù)、央行溝通指數(shù)定量測(cè)度及動(dòng)態(tài)關(guān)系的“量化”分析具有重要政策啟示。第一，貨幣當(dāng)局可使用央行溝通作為市場(chǎng)預(yù)期的有效工具。2008年國(guó)際經(jīng)濟(jì)危機(jī)爆發(fā)后，各國(guó)貨幣政策當(dāng)局均在完善央行溝通方式和語(yǔ)調(diào)措辭，定期披露目標(biāo)和經(jīng)濟(jì)形勢(shì)，加強(qiáng)前瞻性和主動(dòng)性，弱化金融市場(chǎng)波動(dòng)。第二，良好的央行溝通有助于緩和金融市場(chǎng)波動(dòng)。隨著中國(guó)市場(chǎng)經(jīng)濟(jì)與金融市場(chǎng)的逐步發(fā)展和完善，透明及時(shí)的政策溝通需求不斷增加，央行在強(qiáng)化政策解讀和公開(kāi)的基礎(chǔ)上，應(yīng)注重提高溝通有效性，保持一致清晰的措辭習(xí)慣與溝通方式，減少市場(chǎng)意見(jiàn)分歧與額外的市場(chǎng)波動(dòng)。第三，新冠肺炎疫情沖擊下，貨幣政策的量?jī)r(jià)工具與創(chuàng)新工具頻繁變動(dòng)和操作，貨幣政策當(dāng)局應(yīng)強(qiáng)化預(yù)期管理，合理進(jìn)行宏觀政策的“跨周期”設(shè)計(jì)與調(diào)節(jié)工作。當(dāng)然，政策當(dāng)局還應(yīng)發(fā)揮混頻時(shí)變金融狀況指數(shù)的“預(yù)防”“預(yù)警”與“警示”作用，央行溝通的跨國(guó)及其跨區(qū)域溢出效應(yīng)同樣應(yīng)該成為理論界和學(xué)術(shù)界的關(guān)注重點(diǎn)。