宏观审慎政策、货币政策与经济波动

使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

目录contents

摘要

我国宏观审慎管理与货币政策的双支柱体系能否有效实现价格、金融、经济的多重稳定有待检验。实证研究发现：（1）宏观审慎政策可以有效应对信用风险冲击，减缓波动，使经济、金融保持稳定；（2）宏观审慎政策与货币政策的协调搭配在应对不同外部冲击时的效果不同，面临技术性冲击时放松宏观审慎政策能更好地调节经济；（3）宏观审慎政策对经济波动、金融波动的影响存在U形效应。因此，考虑宏观审慎政策、货币政策的协调搭配，更为灵活地调控宏观审慎政策幅度将有助于减少我国经济、金融波动，顺利度过经济结构转型期。

关键词

宏观审慎政策; 货币政策; 金融摩擦; 政策协调; 经济波动

一引言

自2008年全球性金融危机发生后，传统货币政策面临无法有效保证金融稳定的指责。因此，较多国家开始采用宏观审慎政策工具，如逆周期资本充足率、杠杆率边界、存贷款价值比（LTV）等，以保证金融稳定，并且颇有成效。鉴于此，2017年党的十九大报告正式提出要健全“宏观审慎管理+货币政策”的双支柱（MPA）调控框架。在多年的实践与探索中，2019年中国正式建立宏观审慎管理局，独立于货币政策司，负责构建宏观审慎政策调控框架，开发政策工具。与此同时，党中央提出要大力发挥逆周期调节作用，坚持宏观审慎管理。

但随之而来的一个问题是：宏观审慎政策与货币政策如何协调？由于金融周期与经济周期存在差异，在某些情况下，物价稳定与金融稳定的目标之间可能发生冲突，无法保持其统一性。因此，研究宏观审慎政策与货币政策的组合调节是否能够同时实现物价稳定、金融稳定的双重政策目标，并且避免政策矛盾导致的资源错配，具有重要的理论与现实意义。

我们发现，目前国内相关研究在模型构建、研究角度和实证研究上尚存在不足，尤其是鲜有研究考虑宏观审慎政策的调控幅度对经济、金融稳定的影响问题。基于此，本文尝试在传统的DSGE模型中引入金融部门、宏观审慎政策调控工具，并将货币政策、宏观审慎政策分离，以更符合中国国情，从理论角度研究宏观审慎政策、货币政策与波动的关系。此外，本文通过实证分析探索宏观审慎政策调控幅度对波动的影响及其与货币政策的协调问题。我们希望可以在揭示货币政策与宏观审慎政策的关系、深化宏观审慎政策管理等研究领域做出边际贡献。

二文献综述

目前学术界对宏观审慎政策的研究不少，但关于宏观审慎政策调控幅度的研究仍在少数。首先，在如何引入宏观审慎政策方面，学术界存在着较大的分歧。一部分学者支持采取“审慎的货币政策”，认为应在传统的货币政策制定规则中引入信贷占比水平、资产价格（如房地产价格）等金融稳定相关的指标，以此调节市场利率^［

1-2］，即宏观审慎政策的管理职能由货币当局监管。Curdia和Woodford认为，货币政策忽略金融部门的变化会导致调控低效，他们在前瞻性的泰勒规则中引入了借贷利差后，利用DSGE模型研究发现，改进后的泰勒规则可以抚平金融市场的波动^{［参考文献 3

百度学术}3］。另一部分学者则认为考虑了金融稳定目标的“扩展型”货币政策无法抑制资产泡沫的生成，防范金融危机需要直接对资本进行宏观审慎管理^{［参考文献 4

百度学术}4］。王爱俭等、方意、Unsal以及Beatriz等在DSGE模型框架下对商业银行资本充足率管制、贷款价值比、存贷比限制等宏观审慎政策工具进行理论分析，研究发现宏观审慎管理可以平抑经济波动，维护金融稳定^{［参考文献 5-8}5-8］。宏观审慎的不同引入方式在应对各种冲击时作用不同。结合我国国情，本文将主要讨论宏观审慎管理政策对金融稳定的作用，而不是宏观审慎的货币政策。我们在模型设定中将分离货币政策与宏观审慎政策的政策制定规则，即在货币政策制定规则中不考虑金融稳定目标，在宏观审慎政策制定规则中不考虑泰勒规则目标。

在宏观审慎政策与货币政策的协调问题方面，国内外学者也进行了不少有价值的研究。Tavman在NK-DSGE模型中讨论了宏观审慎管理的有效性，并且发现宏观审慎政策工具与货币政策协调配合可以更为有效地维持金融稳定、减少经济波动^［

9］。Rubio等通过福利损失函数分析，发现宏观审慎政策与货币政策的搭配使用可以显著提高社会福利，减少系统的不确定性与波动^{［参考文献 10

百度学术}10］。国内学者也对此进行了相关研究，如李天宇等利用BGG-DSGE模型研究发现，联合使用货币政策与宏观审慎政策，可减少不必要的社会福利损失，同时也指出了两种政策的搭配强度难以精准调控^{［参考文献 11

百度学术}11］。程方楠等则在DSGE模型中引入了房地产部门，系统考察货币政策与宏观审慎政策的搭配，结果表明，两类政策的合理搭配使用可以实现物价稳定与金融稳定的双重目标^{［参考文献 12

百度学术}12］。

综合来看，目前国内外学者已经针对宏观审慎政策与货币政策做了许多有价值的研究，但是仍存在一些不足之处：（1）在模型构建上，没有明确区分宏观审慎政策管理部门与货币政策部门的管理目标，缺乏对两个政府部门政策的协调统一，容易造成政策混同与叠加；（2）缺乏经验证据支撑理论结果，现有研究主要集中在理论分析宏观审慎政策与货币政策的协调关系，鲜有学者利用经济体数据进行实证分析；（3）少有文献研究宏观审慎政策的调控幅度对经济、金融波动的影响。

据此，本文在现有文献基础上进行了以下改进：首先是模型设定上，我们以传统DSGE模型为基础，在商业银行与企业家部门中考虑金融摩擦的影响，引入以银行存贷比为代表的宏观审慎政策工具。参考中国国情，将宏观审慎政策与货币政策职能分离以更好地反映实体经济运行现状。其次是我们完善了宏观审慎政策、货币政策与波动这一问题从理论到实际、从微观到宏观的研究证据。我们从理论模型和经验证据两个角度共同证明了宏观审慎管理政策的有效性及其与货币政策的协调关系，完善相关领域研究的不足，为中国防范系统性金融风险提供现实支撑。最后是拓宽了宏观审慎管理的研究内容，本文通过理论分析与实证研究考察宏观审慎政策的调控幅度对经济、金融波动的可能影响，为了解中国经济、金融问题和政策制定提供帮助。

三理论模型

本文构建了一个包含五部门的DSGE模型（如图1），分别是家庭部门、厂商部门（中间产品厂商、最终产品厂商、资本品厂商）、企业家、金融机构以及政府部门，用于研究宏观审慎政策的作用及其与货币政策的协调效应。在传统模型基础上，我们在企业家、金融机构中以CSV假说的方式引入了金融摩擦的影响，并在政府部门中分别考虑宏观审慎政策与货币政策的制定规则，以更贴合中国金融市场的运行、监管现状。

图1 包含宏观审慎政策、货币政策与金融摩擦的模型

（一）家庭部门

家庭部门主要通过购买消费品、提供劳动、配置资产来实现自身的效用最大化，其目标函数及其面临的约束可以表示为：

E_{t} \sum_{0}^{\infty} β_{t} [l o g (c_{t} - ρ_{c} c_{t - 1}) - \frac{φ l_{t}^{1 + θ_{l}}}{1 + θ_{l}}]

（1）

c_{t} + \frac{a_{t}}{p_{t}} + \frac{d_{t}}{p_{t}} = w_{t} l_{t} + [1 + (1 - t_{r}) (R_{t - 1} - 1)] \times \frac{a_{t - 1}}{p_{t}} + \frac{R_{t - 1}^{d} d_{t - 1}}{p_{t}} + F_{t} + n e t_{t}

（2）

n e t_{t} = (1 - γ_{e}) n_{t} - ω_{e}

（3）

其中， $β_{t} \in (0,1),$ 表示贴现因子； $ρ_{c} \geq 0,$ 表示消费习惯系数； $φ > 0,$ 表示劳动对效用的影响系数； $θ_{l} > 0,$ 表示劳动供给弹性系数的倒数； $c_{t}$ 表示家庭部门的当期消费； $a_{t}$ 表示家庭部门的储蓄水平； $d_{t}$ 是家庭部门购买的政府债券； $F_{t}$ 表示企业分配给家庭部门的红利； $n e t_{t}$ 表示退出的企业家向家庭部门转移的净财富； $w_{t}$ 表示家庭部门提供的单位劳动力得到的报酬，即薪资水平； $R_{t - 1}$ 、 $R_{t - 1}^{d}$ 分别表示t－1期储蓄、政府债券的收益率； $t_{r}$ 表示储蓄税率； $p_{t}$ 表示价格水平； $γ_{e}$ 是指企业的存活率，即企业家能够顺利经营至下一期的比例； $n_{t}$ 表示企业家积累的净财富； $ω_{e}$ 表示退出企业家留给下一任企业家的资金。

式（2）代表了消费者的预算约束，其当期的消费等于当期的收入水平。其收入主要来源于工资、储蓄报酬、债券收益、企业分红以及企业家转移。式（3）描述了这样一个场景：当企业家退出市场或选择退休时，其拥有的资产将会被转移到家庭部门。当期转移的净资产可以认为是退出企业家的总资产减去留待后用的资产的净值。

基于上述家庭部门的模型设定，可以得到其一阶条件（FOCS）

为：

\frac{1}{c_{t} - ρ_{c} c_{t - 1}} - \frac{β E_{t} ρ_{c}}{c_{t} - ρ_{c} c_{t - 1}} = λ_{t}

（4）

β E_{t} λ_{t + 1} [1 + (1 - t_{r}) (R_{t - 1} - 1)] \frac{p_{t}}{p_{t + 1}} = \frac{β E_{t} λ_{t + 1} [1 + (1 - t_{r}) (R_{t - 1} - 1)]}{π_{t + 1}} = λ_{t}

（5）

β E_{t} λ_{t + 1} R_{t}^{d} \frac{p_{t}}{p_{t + 1}} = \frac{β E_{t} λ_{t + 1} R_{t}^{d}}{π_{t + 1}} = λ_{t}

（6）

φ l_{t}^{θ_{l}} = λ_{t} w_{t}

（7）

（二）厂商部门

厂商部门有多种类型，参考Fernández-Villaverde的做法，我们考虑中间产品厂商、最终产品厂商、资本品厂商三类^［

13］。

1 中间产品厂商

中间产品厂商生产有差异化的产品，随后将其出售给最终产品厂商，以供其生产消费品出售给家庭部门。中间产品厂商通过雇佣劳动、消耗资本得到产品，假定其生产函数是规模报酬不变的C-D（Cobb-Douglas）形式：

y_{i, t} = e^{A_{t}} k_{i, t - 1}^{α} l_{i, t}^{α}

（8）

其中， $y_{i, t}$ 表示中间产品厂商的产出； $A_{t}$ 表示技术水平，我们认为它满足AR（1）过程，即 $A_{t} = ρ_{A} A_{t - 1} + σ_{A} ε_{A, t}, ε_{A, t} ~ N (0,1)$ ， $ρ_{A}$ 表示影响系数， $σ_{A}$ 是指技术冲击的波动， $α$ 表示资本生产贡献率。

中间产品厂商的定价符合Calvo定价机制，每期都会有1－ $θ$ 的厂商改变价格，剩余的 $θ$ 厂商维持价格。基于此，可以将中间产品厂商在t期时最优化问题表示如下：

M a x E_{t} \sum_{t = 0}^{\infty} {(β θ)}^{τ} \frac{λ_{t + τ}}{λ_{t}} [(\prod_{s = 1}^{τ} \frac{π_{t + s - 1}^{χ}}{π_{t + s}} \frac{p_{i t}}{p_{t}} - m c_{t + τ}) y_{i, t + τ}]

（9）

s . t . y_{i, t + τ} = ({\prod_{s = 1}^{τ} \frac{π_{t + s - 1}^{χ}}{π_{t + s}} \frac{p_{i t}}{p_{t}})}^{- ε} y_{t + τ}

（10）

其中， $\frac{λ_{t + τ}}{λ_{t}}$ 表示随机贴现因子； $m c_{t + τ}$ 表示中间产品厂商的边际成本； $p_{i t}$ 表示第i个厂商在t期的产品价格； $p_{t}$ 是产品的总价格水平； $χ \in [0,1]$ 表示价格指数化的程度； $ε \geq 1$ 表示各厂商间产品的替代弹性。

在市场出清条件下，所有的中间产品厂商i将会面临同样的价格水平，因此可以认为所有的生产者会选择同样的生产要素比例，故不难得到中间产品厂商的一阶条件为：

m c_{t} = {(\frac{1}{1 - α})}^{1 - α} {(\frac{1}{α})}^{α} \frac{w_{t}^{1 - α} r_{t}^{α}}{e^{A_{t}}}

（11）

借助于Calvo定价机制，便可得到中间产品厂商加总的价格水平：

1 = θ {(\frac{π_{t - 1}^{χ}}{π_{t}})}^{1 - ε} + (1 - θ) π_{t}^{* (1 - ε)}

（12）

此外，中间产品厂商雇佣单位劳动力的成本为 $w_{t}$ ；使用单位资本的代价为实际利率 $r_{t}$ 。根据式（8）易得满足中间产品厂商成本最小化的等式：

k_{i, t - 1} = \frac{α}{1 - α} \frac{w_{t}}{r_{t}} l_{i, t}

（13）

2 最终产品厂商

最终产品厂商从中间产品厂商处购买半成品或中间产品，通过组装、加工生产出同质化的最终产品。假定其生产函数满足以下形式：

y_{t} = {(\int_{0}^{1} y_{i, t}^{\frac{ε - 1}{ε}} d i)}^{\frac{ε}{ε - 1}}

（14）

最终产品出售给消费者，我们认为最终产品市场是一个完美的竞争市场，不存在垄断现象，故最终产品厂商的产品定价结果为：

p_{t} = {(\int_{0}^{1} p_{i, t}^{1 - ε} d i)}^{\frac{1}{1 - ε}}

（15）

3 资本品厂商

资本品厂商通过综合利用投资i_t和现有的资本x_t创造出新的资本x_t+₁

。参考Beatriz和María的研究，资本品的演化方程如下所示^{［参考文献 8

百度学术}8］：

k_{t} = (1 - δ) k_{t - 1} + (1 - S [\frac{i_{t}}{i_{t - 1}}]) i_{t}

（16）

其中， $δ$ 表示资本折旧率； $S [\frac{i_{t}}{i_{t - 1}}]$ 表示投资的调整成本，该函数满足S′>0，S″>0，S［1］=0以及S′［1］=0。

（三）企业家

企业家主要负责利用现有资本x_t创造产出。在每一期中，企业家都会向中间产品厂商以q_t的价格购买k_t用于后续的投资生产。企业家购买中间产品的资本主要通过内、外部资金，即企业家自身拥有的财富与向银行贷款得到的资金总和。企业家满足以下预算约束等式，其中b_t表示企业家从金融机构得到的贷款：

n_{t} + \frac{b_{t}}{p_{t}} = q_{t} k_{t}

（17）

企业家将其产品以每单位r_t₊₁的价格出租给中间产品厂商。我们可以定义企业家在t期和t+1期间每单位投资的平均回报R^k_t+₁为：

R_{t + 1}^{k} = π_{t + 1} \frac{(r_{t + 1} + q_{t + 1} (1 - δ))}{q_{t}}

（18）

其中， $q_{t + 1} (1 - δ)$ 表示资产产品生产商期末为回购剩余资本计提的成本，该成本将会在期末支付给企业家。

标准的借贷合约中会规定企业家支付给金融机构的非违约偿还款R^l_t₊₁。企业家承诺在投资成功的情况下将向银行支付该笔款项，即只要企业家的项目平均回报率不小于规定的偿还款，企业就须履行还款义务。否则视作企业发生违约。因此，当企业不发生违约情况时，偿还款项与投入成本之间应该满足以下关系：

R_{t + 1}^{l} b_{t} = {\bar{w}}_{t + 1} R_{t + 1}^{k} q_{t} k_{t} p_{t}

（19）

其中， $\bar{w}$ $_{t + 1}$ 表示企业不发生违约水平的门槛值，若低于该水平，则企业将会发生违约。式（19）的左边表示企业家需要向银行支付的全部借贷利息，右边表示企业家在不发生违约的情况下得到的收益水平。

此外，我们假设企业家会受到一个外生冲击 $ω_{t + 1}$ ，其累计分布函数 $F (ω, σ_{ω, t})$ 满足对数化标准正态分布，其参数分别为 $μ_{ω, t}, σ_{ω, t}$ 。对于所有的t均满足 $E_{t} ω_{t + 1} = 1$ ， $σ_{ω, t}$ 可以表示企业家遇到的信用风险冲击，假定其满足AR（1）过程：

σ_{ω, t} = ρ_{σ_{ω}} σ_{ω, t - 1} + v a r_{σ_{ω}} ε_{ω, t}, ε_{ω, t} ~ N (0,1)

（20）

其中， $ρ_{σ_{ω}}$ 表示信用风险的惯性系数。我们认为企业家内部信息是流动的，即其在进行t+1期的投资决策时了解t期的信用风险冲击情况。

在讨论企业家和金融机构的借贷关系前还需要引入金融摩擦的概念。我们考虑CSV（Costly State Verification）假说的存在：企业家与金融机构之间存在明显的信息不对称，即企业家能够完全了解他们自己的生产情况，但是金融机构需要通过支付一定的费用才能了解企业家生产的部分信息，而金融机构为了弥补这一费用将会适当提高贷款的利率以保证自身的利益。

通过引入这样一个外部冲击，我们可以较好地描述企业家在实际经营中可能遇到的两种主要场景：（1）当企业家投资成功时， $ω_{t + 1} > {\bar{w}}_{t + 1}$ ，即企业家向金融机构进行的借贷不会发生违约，企业家将可以得到 ${\bar{w}}_{t + 1} R_{t + 1}^{k} q_{t} k_{t} p_{t} - R_{t + 1}^{l} b_{t}$ 的利润；（2）当企业家投资失败时， $ω_{t + 1} < {\bar{w}}_{t + 1}$ ，企业家将会无法偿付贷款，即出现了违约情况，企业家将一无所获，此时，金融机构将会得到的收益是 $(1 - μ) {\bar{w}}_{t + 1} R_{t + 1}^{k} q_{t} k_{t} p_{t}$ ， $μ {\bar{w}}_{t + 1} R_{t + 1}^{k} q_{t} k_{t} p_{t}$ 是指金融机构获得信息的成本，也可以认为是金融机构管理贷款所付出的代价。

在引入了CSV假说后，可以发现企业家与金融机构之间存在一种“披露机制”^［

14］。企业家如果违约将会损失前期的投入成本，因此企业家会有足够的激励去更为妥善地管理自身的投资，并且如实地向外界披露信息。

基于上述分析，并参考Fernández-Villaverde的研究^［

13］，企业家的最优化问题就是企业家要选择最优的借贷比例以及最优的投资管理，以最大化自身的净资产，即：

m a x \frac{R_{t + 1}^{k}}{R_{t}} (1 + \frac{\frac{b_{t}}{p_{t}}}{n_{t}}) [1 - Γ ({\bar{w}}_{t + 1}, σ_{ω, t})]

（21）

s . t . \frac{R_{t} a_{t} / p_{t}}{n_{t}} = R_{t + 1}^{k} [Γ ({\bar{w}}_{t + 1}, σ_{ω, t}) - μ G ({\bar{w}}_{t + 1}, σ_{ω, t})] (1 + \frac{\frac{a_{t}}{p_{t}}}{n_{t}})

（22）

式（22）表示金融机构实现零利润时的情形，即放贷得到的收益等于发放给储户的利息，在这里的推导中我们令 $a_{t} = b_{t}$ 。其中， $Γ ({\bar{w}}_{t + 1}, σ_{ω, t})$ 表示企业家的收入中需要转移给金融中介的比例，具体的计算过程如（23）式所示， $F ({\bar{w}}_{t + 1}, σ_{ω, t})$ 表示企业家违约的概率。

\begin{array}{l} Γ ({\bar{w}}_{t + 1}, σ_{ω, t}) = {\bar{w}}_{t + 1} [1 - F ({\bar{w}}_{t + 1}, σ_{ω, t})] + G ({\bar{w}}_{t + 1}, σ_{ω, t}) \\ = {\bar{w}}_{t + 1} [1 - F ({\bar{w}}_{t + 1}, σ_{ω, t})] + \int_{0}^{{\bar{w}}_{t + 1}} ω d F (ω, σ_{ω, t}) \end{array}

（23）

通过拉格朗日方法求解，可以得到企业家最优化问题的一阶条件有：

\begin{matrix} E_{t} \frac{R_{t + 1}^{k}}{R_{t}} [1 - Γ ({\bar{w}}_{t + 1}, σ_{ω, t})] + ς_{t} \{\frac{R_{t + 1}^{k}}{R_{t}} [Γ ({\bar{w}}_{t + 1}, σ_{ω, t}) - μ G ({\bar{w}}_{t + 1}, σ_{ω, t})] - 1\} = 0 \end{matrix}

（24）

\begin{matrix} Γ_{ω} ({\bar{w}}_{t + 1}, σ_{ω, t}) = ς_{t} [Γ_{ω} ({\bar{w}}_{t + 1}, σ_{ω, t}) - μ G ({\bar{w}}_{t + 1} σ_{ω, t})] \end{matrix}

（25）

将一阶条件进行求解，可以得到：

\begin{matrix} q_{t} k_{t} = \frac{ς_{t}}{E_{t} \frac{R_{t + 1}^{k}}{R_{t}} [1 - Γ ({\bar{w}}_{t + 1}, σ_{ω, t})]} n_{t} \end{matrix}

（26）

其中， $ς_{t}$ 表示拉格朗日算子，根据式（24）可以发现，企业家的资本购买与贷款、存款间的利差及违约概率呈负相关关系。当存款利率不变，贷款利率上升，即贷存款利差上升时，企业家会选择减少贷款，进而会减少企业的中间产品购买。

正如我们之前讨论家庭部门预算约束时所提及的，企业家会出现消亡、破产等现象，故可得企业家的净财富n_t表达式为：

n_{t} = \frac{γ_{e}}{π_{t}} \{[1 - μ G ({\bar{w}}_{t + 1}, σ_{ω, t})] R_{t}^{k} q_{t - 1} k_{t - 1} - \frac{R_{t - 1} b_{t - 1}}{p_{t - 1}}\} + ω_{e}

（27）

（四）金融机构

金融机构主要向家庭部门吸收存款，向企业家发放贷款，通过利差、时间差盈利。其收益主要由放贷收益（包括违约款项实现的部分收益）以及放贷成本组成。其目标函数为：

m a x [1 - F ({\bar{w}}_{t + 1}, σ_{ω, t})] R_{t + 1}^{l} b_{t} + (1 - μ) \int_{0}^{{\bar{w}}_{t + 1}} ω d F (ω, σ_{ω, t}) R_{t + 1}^{k} p_{t} q_{t} k_{t} - R_{t} a_{t}

（28）

（五）政府部门

在我们的模型设定中，政府部门主要通过货币政策与宏观审慎政策来调节经济。我们分别考虑政府部门的货币政策调节准则以及宏观审慎政策调节规则。

1 货币政策

政府部门按照标准的泰勒规则制定货币政策，即货币政策主要盯住通货膨胀与经济波动两大目标进行调节：

\frac{R_{t}}{R} = {(\frac{R_{t - 1}}{R})}^{γ_{R}} {[{(\frac{π_{t}}{π})}^{γ_{π}} {(\frac{y_{t}}{y})}^{γ_{y}}]}^{1 - γ_{r}} e^{σ_{m} ε_{m t}}

（29）

其中， $γ_{R}$ 表示利率的平滑因子； $γ_{π}$ 、 $γ_{y}$ 分别表示利率对通货膨胀、经济波动的反应系数； $ε_{m t}$ 表示货币政策冲击； $σ_{m}$ 表示对应冲击的波动率。

2 宏观审慎政策

政府部门通过宏观审慎政策来控制私人信贷的增长速度与波动幅度。按照Quint和Rabanal的设定，我们认为宏观审慎政策主要会降低金融机构发放的贷款水平^［

15］，即在存在宏观审慎政策调控的情况下，金融机构会更少地将从家庭部门获得的存款全部用于发放信贷。在存在宏观审慎政策调控时，家庭部门的存款水平与金融机构的贷款水平应满足：

b_{t} = \frac{1}{ϕ_{t}} a_{t}

（30）

ϕ_{t} = {(\frac{Ψ_{t}}{Ψ})}^{γ_{ϕ}}

（31）

其中， $ϕ_{t} \geq 1$ ，表示宏观审慎政策对信贷市场的调控幅度， $ϕ_{t}$ 的数值越大，则表示宏观审慎政策越严格；反之，则宏观审慎政策越放松。此时，宏观审慎政策调控的作用类似于法定准备金率，同样会减少市场中的流动性。这样的设定允许我们较好地分析宏观审慎政策的影响，当 $ϕ_{t} = 1$ 时，政府部门不实施宏观审慎政策，仅通过货币政策调节经济，我们可以以此来对比分析宏观审慎政策的影响。

我们假定宏观审慎政策的政策目标是信贷市场的稳定，即信贷发放较稳态水平发生较大的偏离时，政府部门会实施紧缩性的宏观审慎政策，即 $ϕ_{t}$ 会增加；反之则会实施放松的宏观审慎政策， $ϕ_{t}$ 会减少。 $ϕ_{t}$ 的具体形成过程如式（31），其中 $γ_{ϕ}$ 表示宏观审慎政策对信贷市场的反应系数。

在引入了宏观审慎政策后，可以得到金融机构借贷利率之间的关系，满足式（32）。不难发现，当政府进行紧缩性宏观审慎政策调控后（ $ϕ_{t}$ 增加且大于1），金融机构的放贷利率与存款利率将会出现偏离，并且政府对宏观审慎政策的调控越严格，其存贷款间的利差将越大。即宏观审慎政策会通过提高借贷利率来降低金融机构的放贷水平，进而实现对经济的紧缩性调节。

\frac{R_{t + 1}^{l}}{R_{t}} = \frac{ϕ_{t}}{[1 - F (ϖ_{t + 1}, σ_{ω, t})] + \frac{1 - μ}{ϖ_{t + 1}} \int_{0}^{ϖ_{t + 1}} ω d F (ω, σ_{ω, t})}

（32）

（六）市场出清与均衡

在均衡状态下，所有市场将会达到市场出清状态，整体市场均衡条件为：

y_{t} = c_{t} + i_{t} + u G ({\bar{w}}_{t}, σ_{ω, t}) (r_{t} + q_{t} (1 - δ)) k_{t - 1}

（33）

y_{t} = \frac{1}{ξ_{t}} e^{A_{t}} k_{t - 1}^{1 - α} l_{t}^{α}

（34）

其中， $ξ_{t}$ 表示价格分歧导致的低效因素。其计算如下：

ξ_{t} = θ {(\frac{π_{t - 1}^{χ}}{π_{t}})}^{1 - ε} ξ_{t 01} + (1 - θ) π_{t}^{* (1 - ε)}

（35）

四宏观审慎政策、货币政策与波动：数值模拟

（一）参数的校准与估计

在数值模拟分析前，需要对前文设定的参数进行赋值。参考Iacoviello等^［

16］、方意^{［参考文献 6

百度学术}6］的研究思路，我们将对内生变量相关参数以及货币政策相关参数进行校准。其中，贴现因子可由稳态等式校准得到，稳态下贴现因子与居民储蓄收益率有关。2000—2019年居民储蓄收益加权平均水平为2.52%，由此可得贴现因子为0.99。国内文献对资本生产贡献率（

α

）的校准主要处于0.35—0.5范围内，由于我国正逐步从劳动密集型生产向技术型生产转型，本文对资本生产贡献率的校准值为0.45。对于我国学者未进行校准的参数，我们将参照国外经典文献进行取值。其余参数的校准数值与来源具体见表1^{［参考文献 11-12}11-12，17-23］。

表1 参数校准汇总

参数	参数描述	数值	数据来源
$β$	贴现因子	0.99	由模型稳态水平校准得到
$ρ_{c}$	消费习惯系数	0.55	庄子罐等^{[参考文献 17 百度学术}17]
$θ_{l}$	劳动供给弹性系数的倒数	3.0	庄子罐等^{[参考文献 17 百度学术}17]
$t_{r}$	储蓄所得税税率	0.05	Fernández-Villaverde^{[参考文献 13 百度学术}13]
$γ_{e}$	企业的存活率	0.9	Fernández-Villaverde ^{[参考文献 13 百度学术}13]
$α$	资本生产贡献率	0.45	李天宇等^{[参考文献 11 百度学术}11]；庄子罐等^{[参考文献 18 百度学术}18]
$θ$	Calvo定价参数	0.8	Fernández-Villaverde ^{[参考文献 13 百度学术}13]
$ε$	厂商间产品的替代弹性	6	程方楠、孟卫东^{[参考文献 12 百度学术}12]
$χ$	定价指标化的自由度	0.3	程方楠、孟卫东^{[参考文献 12 百度学术}12]
$δ$	折旧率	0.024	陈昆亭、龚六堂^{[参考文献 19 百度学术}19]；Fernández-Villaverde^{[参考文献 13 百度学术}13]
$μ$	清算成本/破产成本	0.1	Bernanke等^{[参考文献 20 百度学术}20]
$S'' [1]$	调整成本	14.5	Fernández-Villaverde^{[参考文献 21 百度学术}21]
$q_{t}$	托宾q值	1.0	Fernández-Villaverde^{[参考文献 21 百度学术}21]；Badarau、Popescu^{[参考文献 22 百度学术}22]
$γ_{R}$	利率平滑因子	0.65	马勇、王芳^{[参考文献 23 百度学术}23]；庄子罐等^{[参考文献 18 百度学术}18]
$γ_{π}$	利率对通胀的反应系数	2.6	庄子罐等^{[参考文献 18 百度学术}18]
$γ_{y}$	利率对经济波动反应系数	0.55	程方楠、孟卫东^{[参考文献 12 百度学术}12]
$γ_{ϕ}$	宏观审慎政策反应系数	1.75	Beatriz、Malmierca^{[参考文献 8 百度学术}8]

某些冲击相关的结构性参数将以我国2000Q1—2019Q4实体经济数据做模拟，通过贝叶斯估计方法得到。我们选择了产出、通货膨胀、利率消费三个变量

进行估计，原始数据来源为WIND数据库。在进行贝叶斯估计前，我们对原始数据进行X-12季节调整，HP滤波处理后计算得到其相对于稳态的偏离水平。模型中其余参数的先验分布、先验均值、后验均值及其90%置信区间如表2所示，我们得到的参数估计结果均显著非零。本文模型中参数估计的先验分布类型主要参考马勇等^{［参考文献 23

百度学术}23］、庄子罐等^{［参考文献 18

百度学术}18］经典文献做法。

表2 参数估计结果

参数	定义	先验分布	先验均值	后验均值	90%置信区间上限	90%置信区间下限
$ρ_{A}$	技术冲击系数	beta	0.5	0.538 1	0.326 3	0.737 6
$ρ_{σ_{ω}}$	信用风险惯性系数	beta	0.3	0.466 3	0.230 7	0.689 2
$ε_{m}$	货币政策冲击系数	beta	0.7	0.467 4	0.404 6	0.526 8
$σ_{A}$	技术冲击波动	Inv-Gamma	0.05	0.031 2	0.024 9	0.037 1
$v a r_{σ_{ω}}$	信用风险冲击波动	Inv-Gamma	0.05	0.019 9	0.013 6	0.025 8
$σ_{m}$	货币政策冲击波动	Inv-Gamma	0.05	0.014 2	0.007 9	0.020 1

（二）数值模拟：脉冲响应分析

为研究宏观审慎政策、货币政策之间的协调作用及其对稳定的影响，我们可以主要考虑以下三个问题：（1）宏观审慎能否有效应对技术冲击、信贷风险冲击，维持稳定，即经济受到相同负向技术冲击、正向信贷风险冲击时，在 $ϕ_{t}$ 不同取值下宏观经济变量的脉冲响应结果；（2）宏观审慎政策与货币政策的协调作用，即经济受到一个货币政策冲击时另一政策工具的变动；（3）宏观审慎政策调控幅度对稳定的影响，即不同程度的宏观审慎政策会对经济波动、信贷稳定造成什么影响。

1 宏观审慎政策有效性及其与货币政策的协调作用

首先，观察宏观审慎能否有效应对技术冲击、信贷风险冲击，维持稳定。在经济受到1单位正向信贷风险冲击下，我们将通过分别观察政府是否实施宏观审慎政策对经济变量脉冲响应的影响来分析宏观审慎政策的作用。经济受1单位正向信用风险冲击的脉冲响应结果如图2所示。

图2 受1单位正向信用风险冲击的脉冲响应结果^①

图2的结果所示，在经济受到正向的信用风险冲击后，企业家的信贷风险上升，违约可能性增加。商业银行就会通过增加特殊的应对条约或是提高借贷利率来保障自身的利益。更为严格的合同条款会减少商业借贷的供给，进而导致私人部门的债务总额减少。私人部门无法获得足够的外部融资，债务违约率又高企，因此私人部门的投资、消费也会下降，最终影响社会总产出水平。

在引入了宏观审慎政策后，各项主要经济变量（如总产出、投资、私人部门债务占比等）的变动趋势没有发生变化。但宏观审慎管理的实施显著缩小了经济的波动幅度，加快了趋于稳态的速度，使得经济受到外部冲击后更快地回归均衡状态，减少波动。具体来看，在未引入宏观审慎管理时，受正向信用冲击后，投资水平出现了锐减趋势，并且持续了10期左右才开始逐渐回归稳态；而引入宏观审慎政策后，面对相同的冲击时，投资受影响的幅度大大减小，并且在第5期便结束了下滑趋势，开始逐渐趋于稳态。同样，宏观审慎政策的实施使得总产出水平、私人部门贷款波动减少。这一现象主要是由于以下两方面的综合作用：一是宏观审慎管理政策可以进行逆周期调节，可以提供额外的借贷资金；二是宏观审慎管理政策提高了商业银行的贷款质量，降低贷款信用风险敏感度，一定程度上降低了企业受到信用风险冲击时违约的可能性。

其次，从企业生产技术角度研究宏观审慎政策的影响。经济受1单位负向技术风险冲击的脉冲响应结果图3如下所示。在生产技术受到负向冲击后，中间产品厂商的生产效率下降，最终产品厂商、企业家等产品产量减少，收益锐减，进而导致投资减少，融资需求下降。最终市场供给减少、总需求随之下降，总产出呈现衰退趋势。

图3 受1单位负向技术风险冲击的脉冲响应结果

引入宏观审慎政策后，虽然各经济变量的脉冲响应结果趋势基本保持不变，但都出现了较大幅度的波动。即在受到负向技术风险冲击时，政府采取严格的宏观审慎政策是不合时宜的，无法起到稳定经济、平抑波动的作用，反而会加剧经济波动的程度。这一现象体现了宏观审慎政策调控的局限性，当经济受到技术性冲击时，宏观审慎政策将无法有效地实现经济、金融稳定。我们尝试从以下角度去解释这一现象：宏观审慎政策主要是通过对金融机构加强监管实现政策目标，当经济受到技术性冲击时，需要金融机构提供流动性帮助企业度过危机，而宏观审慎政策的存在限制了资金流动的规模与效率。即当经济受到技术性冲击时，过于严格的宏观审慎政策会抑制金融机构向市场提供流动性，导致经济恶化。

总的来看，宏观审慎政策与货币政策组合使用可以应对信用风险冲击，减少信用风险带来的负面影响，实现保持稳定、平抑波动的政策目标。但在面对技术性的外部冲击时，宏观审慎政策与货币政策搭配使用并不是最优的政策组合。此外，单独实施宏观审慎政策会加剧经济、信贷波动。

在前文的数值模拟中，我们已经初步发现了在面对不同的外部冲击时，宏观审慎政策与货币政策之间的搭配关系不同。例如，在信用风险下，货币政策与宏观审慎政策协调作用可以更好地实现稳定目标，而在技术风险下，货币政策单独使用能更好地调节经济，但是单独实施宏观审慎政策将不利于经济调节。

以下进一步探索宏观审慎政策与货币政策之间的关系，即货币政策是否会影响宏观审慎政策的实施。我们将主要通过给经济1单位货币政策冲击，观察宏观审慎政策工具的脉冲响应情况。经济受1单位正向货币政策冲击后的脉冲响应结果如图4所示。

图4 受1单位货币政策冲击的脉冲响应结果

从图4中我们可以发现，当经济受到1单位正向货币政策的冲击后，即央行实施了扩张性货币政策，宏观审慎政策工具在当期出现了正向反应，随后正值持续5—6期后趋于稳态。这意味着央行实施扩张性货币政策后，政府部门会相应加强宏观审慎管理，体现了宏观审慎政策逆周期调节的政策目的，反之亦然。通过货币政策与宏观审慎政策的这一交互机制，我们可以认为宏观审慎政策与货币政策搭配使用可以减轻经济波动是由于宏观审慎政策的逆周期调节起到了作用。

2 宏观审慎政策调控幅度对波动的影响

在前文的分析中，我们了解到宏观审慎政策与货币政策的政策组合可以解决信用风险冲击，但宏观审慎政策的调控将如何影响经济、金融的波动？为了回答这一问题，我们通过不同的情境来考察宏观审慎政策调控幅度对稳定的影响。以下将主要研究宏观审慎政策对经济波动与金融波动

的影响。在给定

ϕ_{t} \geq 1

，其他条件不变时，若

ϕ_{t}

越大，经济波动（或金融波动）越小，则说明宏观审慎管理越为严格，表明经济（金融）波动会随着宏观审慎调控程度上升而减少，反之亦然。根据DSGE模型，可以得到在不同的宏观审慎政策调控幅度下经济波动、金融波动的情况，具体见图5。考虑到实际经济中宏观审慎管理政策监管的幅度，我们主要考虑了

ϕ_{t} = 1 、 ϕ_{t} = 1.25 、 ϕ_{t} = 1.5 、 ϕ_{t} = 1.75 、 ϕ_{t} = 2

这五种具有代表性的情况^脚注。从结果中不难发现：随着

ϕ_{t}

的增加，经济波动与金融波动的变化幅度都呈现出U形关系，即在

ϕ_{t}

较小的情况下，

ϕ_{t}

增加会减少经济波动、金融波动，而当

ϕ_{t}

增加到一定阈值时，其继续扩大会大幅加剧经济、金融波动。并且根据对比可以看出，宏观审慎政策的变动对金融波动的影响大于对经济波动的影响。综上，根据不同程度宏观审慎政策的场景分析，可以认为宏观审慎政策的实施对经济波动、金融波动的影响并非线性，而是呈现U形趋势，且对金融波动的影响更大，即宏观审慎政策对平抑波动、保持稳定存在一个最优水平，当宏观审慎政策水平超过“最优值”后会加剧经济、金融波动。宏观审慎政策对波动存在U形效应主要是由于：当经济中不存在宏观审慎监管时，金融机构、企业的坏账、烂账不受控制，违约频发，破坏经济运行；当政府实施宏观审慎监管后，可以有效约束企业的违规操作，减少经济受信用风险等冲击的影响，减少经济、金融波动；而当政府进一步加大宏观审慎政策操作力度时，过于严格的宏观审慎管理政策会抑制金融机构、企业的政策运作，破坏市场运行机制，加剧经济、金融波动。

图5 不同程度的宏观审慎政策对稳定的影响

五宏观审慎政策、货币政策与波动：实证检验

在前文中，我们借助DSGE模型的数值模拟结果发现：第一，单独实施宏观审慎政策无法有效调控经济；第二，宏观审慎政策与货币政策的组合在面对信用风险时可以形成协调效应，平抑经济波动；第三，宏观审慎政策对经济、金融稳定的影响存在明显的U形关系。但以上研究结论在现实中是否成立仍有待检验，若该结论得以证实，则宏观审慎政策、货币政策与稳定这一问题将从理论到实际，从微观到宏观都得到一个较为一致的验证。因此，这一部分将实证检验前文理论分析的结论是否成立，研究数据为中国2000—2019年季度数据。

（一）模型设定^脚注

首先是证明宏观审慎政策的有效性及其与货币政策的协调作用。式（36）主要用于检验宏观审慎政策的有效性，式（37）用于检验宏观审慎政策与货币政策的协调作用，式（38）用于考察宏观审慎政策对稳定的U形效应。

Y_{t} = c_{0} + α_{1} y_{t - 1} + β_{1} m a c r o_{t} + γ_{1} V_{π, t} + ε_{t}

（36）

Y_{t} = c_{1} + α_{2} V_{y, t - 1} + β_{2} m a c r o_{t} + τ_{2} M P_{t} + ρ_{1} m a c r o_{t} \times M P_{t} + γ_{2} V_{π, t} + ε_{t}

（37）

Y_{t} = c_{1} + α_{2} V_{y, t - 1} + β_{2} m a c r o_{t} + β_{3} m a c r o_{t}^{2} + τ_{3} M P_{t} + ρ_{2} m a c r o_{t} \times M P_{t} + γ_{3} V_{π, t} + ε_{t}

（38）

其中， $Y_{t}$ 表示被解释变量，主要指经济波动情况（ $V_{y, t}$ ）与金融波动（ $V_{f, t}$ ）情况。 $y_{t}$ 表示经济产出变量，为实际GDP数据，先剔除价格因素影响，随后进行季节化调整与取对数处理。 $V_{y, t}$ 表示经济波动变量，指实际GDP缺口值的绝对值。 $V_{f, t}$ 表示金融波动变量，为私人部门信贷缺口绝对值。经济变量缺口=HP滤波后变量数值－季节调整后数值。 $m a c r o_{t}$ 表示宏观审慎政策工具，分别为存贷比（dtl）、资本充足率（car）以及替代变量流动性要求（liq）

。

M P_{t}

表示货币政策工具，主要是价格型工具市场名义利率（shibor）。

π_{t}

表示通货膨胀率，

V_{π, t}

表示通胀波动情况。本文数据来源为WIND数据库、国家统计局。

其次，需要考虑宏观审慎政策的调控幅度对稳定的影响。我们将采用门槛效应模型进行研究，模型构建基于Hansen的模型^［

24］，门槛效应模型的基本设定如式（39），具体基准模型设定如前文等式（36）—（37）。

Y_{t} = u_{t} + θ_{1} x_{t} I (q_{t} \leq φ) + θ_{2} x_{t} I (q_{t} > φ) + e_{t}

（39）

其中， $Y_{t}$ 表示被解释变量； $u_{t}$ 为常数； $θ_{i}$ 表示影响系数； $x_{t}$ 为解释变量； $I (\cdot)$ 表示目标函数； $q_{t}$ 表示门槛变量； $φ$ 表示未知的门槛变量阈值； $e_{t}$ 为残差，满足白噪声假设。门槛效应模型本质上类似于一个分段函数，将目标门槛变量进行分段回归，在不同的取值范围内，变量的估计系数结果不同。因此，在分析门槛效应模型结果时，我们主要观察门槛效应是否存在，门槛存在情况下 $θ_{1}$ 与 $θ_{2}$ 是否均表示出显著性以及是否存在差异。

在进行回归前，我们对上述变量均进行了平稳性检验，上述变量均表现出显著的平稳性，可以进行后续的回归分析。我们的数据为时间序列，为保证估计结果有效，不受内生性影响，参考标准做法，选用广义矩估计（GMM）方法进行回归。

（二）实证结果与分析

1 宏观审慎政策的有效性及其与货币政策的协调作用

首先通过实证分析来观察单独实施宏观审慎政策工具对经济波动、金融波动变量的影响系数是否显著，且符号是否合意。其回归结果如表3所示。回归（1）至回归（6）分别检查了不同的宏观审慎政策工具对经济波动、金融波动的影响，其中回归（3）与回归（6）为替换了审慎工具的稳健性检验结果。根据回归中被解释变量的滞后项系数估计结果可以发现，经济波动具有较强的持续性（累计系数超过80%），而金融波动则较为随机，不存在明显的持续性（累计系数约为40%，且未表示出显著性）。

表3 单独实施宏观审慎政策对经济波动、金融波动的实证结果

变量	回归(1)	回归(2)	回归(3)	回归(4)	回归(5)	回归(6)
	dtl	car	liq	dtl	car	liq
	经济波动方程			金融波动方程
macro	0.146^***	0.166^***	0.117^***	－0.046	－0.122	－0.023
macro	(3.25)	(4.27)	(3.48)	(－1.13)	(－1.06)	(－0.96)
滞后项	yes	yes	yes	yes	yes	yes
控制变量	yes	yes	yes	yes	yes	yes
_cons	7.530^***	8.869^***	11.488^***	7.037^**	5.291^***	4.624^***
_cons	(3.36)	(6.02)	(7.81)	(2.18)	(2.77)	(3.01)
chi²	21.952	36.528	21.255	20.865	24.854	26.428
r²	0.411	0.471	0.380	0.462	0.404	0.458
Hansen统计量	13.841	14.074	19.054	12.538	13.358	13.124
Hansen统计量	(0.321)	(0.420)	(0.398)	(0.280)	(0.344)	(0.297)

注：括号内数值为t统计量，^***、^**、^*分别表示1%、5%与10%置信度下显著； Hansen数值表示对应的统计量，括号内为p值，下同。

从表3可以看出，单独实施宏观审慎政策工具对经济波动的影响系数均为正，并且在1%置信度下显著，其中，存贷比工具的影响系数估计为0.146，资本充足率的估计系数为0.166。这一结果表明，宏观审慎政策的单独实施无法有效抑制经济波动，反而会加剧波动情况。在金融波动方程中，不难发现，单独宏观审慎政策工具会对金融波动产生微弱的抑制效应，存贷比工具的影响估计系数为－0.046，资本充足率的估计系数为－0.122，但均无法表现出显著性。上述实证结果表明，经济体单独实施宏观审慎政策可以微弱地减少金融市场波动，但无法有效调节经济，反而会加剧经济波动。这一回归结果与前文的结论基本保持一致，即单独实施宏观审慎政策无法有效平抑经济波动，反而会加剧波动情况。由于我国金融市场以商业银行为主体，政府单独缩紧宏观审慎政策将抑制商业银行的风险承担意愿，大幅度减少从商业银行流向市场的资金，不利于实体经济的发展，导致经济、金融波动加剧。

其次，我们将考虑宏观审慎政策与货币政策进行政策组合对经济波动、金融波动的影响，即在回归模型中引入货币政策代理变量与交叉项，其回归结果如表4所示。同样，其中回归（9）与回归（12）为替换了审慎工具的稳健性检验结果。

表4 宏观审慎政策、货币政策与经济波动、金融波动

变量	回归(7)	回归(8)	回归(9)	回归(10)	回归(11)	回归(12)
	dtl	car	liq	dtl	car	liq
	经济波动方程			金融波动方程
macro	－0.171^***	－0.175^**	－0.199^*	－0.343^**	－0.588^***	－0.410^**
macro	(－2.85)	(－2.49)	(－1.82)	(－2.35)	(－2.62)	(－2.13)
r7	－2.748^*	－1.221^**	－2.639^*	－2.159^*	－1.886^**	0.534
r7	(－1.99)	(－2.56)	(－1.92)	(－1.91)	(－2.48)	(0.25)
交叉项	－0.346	－0.950^***	－0.388^**	－0.095^**	－0.169^*	－0.107^**
交叉项	(－0.99)	(－2.59)	(－1.99)	(－2.32)	(－1.91)	(－2.21)
滞后项	yes	yes	yes	yes	yes	yes
控制变量	yes	yes	yes	yes	yes	yes
_cons	81.198	40.595^***	19.609^***	25.339	9.364	3.322
_cons	(1.06)	(3.20)	(4.71)	(0.39)	(0.82)	(1.02)
chi²	25.846	47.069	48.573	30.704	36.861	30.368
r²	0.517	0.547	0.510	0.530	0.500	0.522
Hansen统计量	17.756	20.397	20.660	18.145	17.358	22.548
Hansen统计量	(0.288)	(0.423)	(0.315)	(0.299)	(0.343)	(0.408)

从表4可以发现，在考虑了货币政策与宏观审慎政策同时调控经济后，各回归的拟合优度均有所增加。在经济波动方程中，宏观审慎政策与货币政策协调搭配后，对经济波动产生了负向的影响，具体来看，存贷比工具的影响估计系数为－0.171，资本充足率的估计系数为－0.175。宏观审慎政策工具与货币政策代理变量的交叉项系数均为负，基本可以显示出一定的显著性。这一现象意味着货币政策与宏观审慎政策的协调搭配使用可以有效地减少经济波动，平抑经济。在金融波动方程中，宏观审慎政策与货币政策协调搭配后，对金融波动产生了负向的影响，均在5%置信度下表现出显著性。其中，存贷比工具的影响估计系数为－0.343，资本充足率的估计系数为－0.588。同样，宏观审慎政策工具与货币政策代理变量的交叉项系数均为负。这表明宏观审慎政策与货币政策的组合可以减缓金融市场的异常波动，并且对金融波动的抑制作用强于对经济波动的调节作用（金融波动方程中的估计系数大于经济波动方程中的估计系数）。

从表4中得到的实证分析结果与前文的结论基本吻合，即宏观审慎政策与货币政策的组合可以形成协调效应，更有效地保持经济稳定、平抑波动。结合实际来看，我国宏观审慎政策走势基本与货币政策相反，相互协调：在货币政策宽松期，加强宏观审慎政策管理可以消除宽松政策下金融机构风险偏好普遍过高的隐患，减少系统性金融风险的积聚；在货币政策紧缩期，适当放宽宏观审慎政策可以缓解总量收缩导致的信贷不足问题。宏观审慎政策与货币政策协调搭配使用较好地起到了逆周期调节的作用，降低了经济、金融波动。

2 宏观审慎政策的调控幅度对波动的影响

以下将主要通过门槛效应模型研究宏观审慎政策的调控幅度对波动的影响是否存在U形效应。首先需要验证宏观审慎政策调控对波动的影响是否存在显著的门槛效应，其检验结果如表5所示。从表5可以发现，宏观审慎政策对波动的影响确实存在明显的门槛效应，即初步证明宏观审慎政策对波动的影响可能存在U形效应。从门槛效应检验结果中可以发现，不论是存贷比工具还是资本充足率工具，宏观审慎政策对金融波动影响的拐点都将更早出现，即宏观审慎政策工具对金融波动的影响会更为剧烈。

表5 宏观审慎政策对波动的门槛效应检验（Bootstrap次数为300次）

模型	门槛变量	门槛值	统计量
经济波动方程（政策组合）	dtl	32.986%	78.543 2^***
金融波动方程（政策组合）	dtl	31.792%	83.175 2^***
经济波动方程（政策组合）	car	12.754%	86.492 0^***
金融波动方程（政策组合）	car	12.087%	79.023 1^***

注： ^***表示在1%置信度下显著；门槛效应原假设不存在门槛值，故拒绝原假设表明存在一个门槛值。

在确定宏观审慎政策对波动的影响存在显著的门槛值后，我们在模型中引入宏观审慎政策工具的平方项以实证研究U形效应的情况，相应的回归结果如表6所示，其中结果（3）与结果（6）为替换了解释变量的稳健性检验结果。从表6可以发现，宏观审慎政策工具的一次项均能表现出显著性，并且符号与前文保持一致，对经济波动、金融波动的影响也没有发现明显变化。即宏观审慎政策的引入会适当减缓经济波动，更为显著地减少金融市场波动。各宏观审慎政策工具的二次项估计系数均为正（经济波动方程中，dtl²系数为0.106，car²系数为0.084；金融波动方程中dtl²系数为0.307，car²系数为0.488），且均在一定置信度下表现出显著性。这一现象与前文的结论基本一致，即在与货币政策组合使用时，宏观审慎政策工具与经济波动、金融波动间存在显著的U形关系：在与货币政策组合下，宏观审慎政策存在一个最优水平，当政府实施的审慎政策过于严格时会加剧经济、金融市场的波动。这一现象不难理解：当宏观审慎政策过于严格时，金融机构无法继续承担金融中介职能，顺利引导资金流入实体经济，进而导致经济、金融波动加剧；而完全放宽宏观审慎管理将会导致系统性金融风险的集聚与生成。因此，宏观审慎政策的调控幅度对经济、金融波动的影响存在U形效应。目前，我国宏观审慎管理仍处于探索、发展阶段，调控幅度较为温和，政策空间仍有余量，可以在一定程度上平抑经济、金融波动，实现调控经济的目标。2020年以来，受中美贸易摩擦、新冠肺炎疫情等外部冲击的多重影响，我国货币政策环境较为宽松，未来政府需要坚持宏观审慎管理，适当进行逆周期调节，防范、化解系统性金融风险，度过结构转型期。

表6 宏观审慎政策调控程度对波动的影响

变量	结果(1)	结果(2)	结果(3)	结果(4)	结果(5)	结果(6)
	dtl	car	liq	dtl	car	liq
	经济波动方程			金融波动方程
macro	－0.190^**	－0.176^**	－0.237^*	－0.438^***	－0.449^**	－0.560^*
macro	(－2.50)	(－2.58)	(－1.97)	(－2.73)	(2.43)	(－1.92)
macro²	0.106^**	0.084^**	0.104^*	0.307^**	0.488^***	0.605^*
macro²	(2.39)	(2.57)	(1.88)	(2.50)	(3.49)	(2.01)
r7	－1.996^*	－1.941^***	－2.036^**	－1.948^*	－1.209	1.102
r7	(－1.85)	(－2.80)	(－2.57)	(－1.93)	(－0.48)	(0.06)
交叉项	－0.138^***	－0.174^*	－0.341^***	－0.152^*	－0.102	0.001
交叉项	(－2.86)	(－1.89)	(－2.75)	(－1.93)	(－0.50)	(0.03)
滞后项	yes	yes	yes	yes	yes	yes
控制变量	yes	yes	yes	yes	yes	yes
_cons	67.799	28.028	27.444^**	69.317	－6.649	－8.015
_cons	(0.76)	(1.38)	(2.42)	(0.90)	(－0.26)	(－0.69)
chi²	47.184	54.113	56.486	51.983	47.057	51.425
r²	0.414	0.512	0.523	0.432	0.452	0.435
Hansen统计量	13.558	10.944	21.299	22.396	21.571	23.558
Hansen统计量	(0.313)	(0.276)	(0.354)	(0.398)	(0.421)	(0.397)

（三）稳健性检验

为保证上述回归结果的可靠性、稳健性，我们将通过以下方面进行稳健性检验：一是替换本文核心变量；二是在回归中添加新的控制变量。上述稳健性检验的具体结果与说明如下。

首先是替换核心变量，我们分别对金融波动变量、宏观审慎政策工具进行替代。金融波动方面，以深圳综指缺口绝对值为替代变量；宏观审慎政策工具方面，取流动性要求为替代变量进行上述模型的检验。替换核心变量后的主要回归结果如表7所示

。从表7的回归中可以发现，单独实施的宏观审慎政策仅能对金融波动产生微弱的抑制作用，均不能表现出显著性。而货币政策与宏观审慎政策组合后，可以较好地平抑金融波动，使其更快恢复稳定状态。即在将核心变量进行替换后，研究结论与前文保持基本一致，没有发生显著的变化。

表7 稳健性检验：替换被解释变量（金融波动）

变量	回归(13)	回归(14)	回归(15)	回归(16)	回归(17)	回归(18)
	dtl	car	liq	dtl	car	liq
	金融波动：单独实施宏观审慎政策			金融波动：货币政策与宏观审慎政策组合
macro	－0.038	－0.104	－0.018	－0.945^**	－0.932^**	－0.737^***
macro	(－1.24)	(－1.18)	(－1.13)	(－2.09)	(－2.22)	(－2.54)
r7				－1.475^**	－1.427^*	－1.434^**
r7				(－1.96)	(－1.80)	(－2.23)
交叉项				－0.282^*	－0.296^**	－0.008
交叉项				(1.87)	(2.14)	(0.27)
滞后项	yes	yes	yes	yes	yes	yes
控制变量	yes	yes	yes	yes	yes	yes
_cons	6.000^**	4.744^***	3.936^***	64.550	13.223	3.991
_cons	(2.29)	(2.95)	(3.11)	(1.13)	(1.40)	(1.39)
chi²	47.953	51.065	54.662	39.851	47.401	38.307
r²	0.521	0.462	0.504	0.459	0.425	0.489
Hansen统计量	12.137	16.420	18.971	17.025	19.022	22.382
Hansen统计量	(0.209)	(0.320)	(0.332)	(0.299)	(0.298)	(0.324)

其次是添加控制变量，为更好地刻画全球经济波动情况，我们在模型中引入恐慌情绪作为控制变量（VIX）。加入控制变量后，对上述式（36）—（38）进行重新回归，结果如表8、表9所示。从中不难发现，在加入控制变量后，VIX变量在回归中均表现出一定的显著性，且核心变量的影响系数没有显著变化，回归模型的拟合优度上升。这表明恐慌情绪可以在一定程度上解释中国经济波动与金融波动，并且不影响前文研究结论。

表8 稳健性检验：经济波动方程中添加控制变量

变量	回归(19)	回归(20)	回归(21)	回归(22)	回归(23)	回归(24)
	dtl	car	liq	dtl	car	liq
	单独实施宏观审慎政策			货币政策与宏观审慎政策组合
macro	0.146^***	0.134^***	0.112^***	－0.463^**	－0.655^*	－0.482^***
macro	(3.49)	(4.11)	(3.47)	(－2.18)	(－1.94)	(－2.70)
r7				－2.610	－1.859^**	－4.484^*
r7				(－0.97)	(－2.57)	(－1.90)
交叉项				－0.344^*	－1.001^***	－0.380^**
交叉项				(1.98)	(－2.59)	(－2.00)
VIX	0.547^*	0.567^*	0.654^*	0.170^**	－0.252	0.425^**
VIX	(1.91)	(1.97)	(1.74)	(2.31)	(－0.57)	(2.30)
滞后项	yes	yes	yes	yes	yes	yes
控制变量	yes	yes	yes	yes	yes	yes
_cons	6.980^***	8.806^***	11.197^***	80.152	43.691^***	17.381^***
_cons	(3.16)	(5.88)	(8.12)	(1.04)	(3.10)	(4.32)
chi²	26.375	41.400	24.319	28.140	45.258	57.473
r²	0.479	0.485	0.487	0.519	0.519	0.525
Hansen统计量	12.424	13.103	18.152	13.876	17.387	19.570
Hansen统计量	(0.202)	(0.218)	(0.306)	(0.287)	(0.318)	(0.332)

表9 稳健性检验：金融波动方程中添加控制变量

变量	回归(25)	回归(26)	回归(27)	回归(28)	回归(29)	回归(30)
	dtl	car	liq	dtl	car	liq
	单独实施宏观审慎政策			货币政策与宏观审慎政策组合
macro	－0.044	－0.223	－0.028	－1.045^**	－1.525^***	－1.059^***
macro	(－1.08)	(－1.59)	(－1.00)	(－2.27)	(－2.59)	(－2.87)
r7				－2.403^**	－1.554^*	－0.879^**
r7				(－2.22)	(－1.93)	(－2.41)
交叉项				－0.312^*	－0.470^*	－0.015
交叉项				(－1.93)	(－1.86)	(－0.50)
VIX	0.189^**	0.033^*	0.169	0.364^*	0.718^**	0.425^*
VIX	(2.09)	(1.73)	(1.53)	(1.91)	(2.23)	(1.89)
滞后项	yes	yes	yes	yes	yes	yes
控制变量	yes	yes	yes	yes	yes	yes
_cons	6.884^**	6.631^***	5.131^***	71.863	22.050^*	5.785^*
_cons	(2.11)	(3.19)	(2.64)	(1.33)	(1.83)	(1.81)
chi²	22.051	28.431	27.486	55.411	59.916	49.205
r²	0.464	0.423	0.463	0.461	0.490	0.506
Hansen统计量	22.980	19.011	22.762	20.921	24.542	20.072
Hansen统计量	(0.340)	(0.338)	(0.367)	(0.325)	(0.382)	(0.311)

六结论与建议

本文借助DSGE模型研究宏观审慎政策、货币政策与波动间的关系，并以中国经济数据实证研究了三者间的关系。本文模拟了信用风险、生产技术冲击与货币政策冲击三种不同的情境下，宏观审慎政策工具的效果及其与货币政策的协调关系。我们主要有以下发现：一是宏观审慎政策与货币政策的组合可以在一定程度上减缓经济波动、金融波动，并且宏观审慎政策工具对金融稳定的影响更为明显。二是宏观审慎政策的单独实施不利于金融稳定、经济稳定，反而会加剧经济波动。三是宏观审慎政策对经济波动、金融波动的影响存在明显的U形关系。即宏观审慎政策会是一把双刃剑，当政府调控超出最优水平时，将会加剧经济波动、导致金融不稳定。与现有研究相比，本文主要在以下方面做出了边际贡献：一是提供了一个分析“宏观审慎+货币”双支柱政策的理论分析模型，为继续深入探索宏观审慎政策、货币政策提供分析框架；二是为了解货币政策、宏观审慎政策与波动的关系提供了经验证据，分析了宏观审慎政策的变化对波动、稳定的可能影响，本文结论对深入了解中国经济、政府政策有一定帮助。

基于此，我们为政府制定政策，调控经济，保持金融稳定，守住坚决不发生系统性金融风险这一底线提出以下政策建议：

首先，识别经济外部冲击类型，合理搭配宏观审慎政策、货币政策与财政政策，实现逆周期调控。我们通过DSGE模型的数值模拟发现，宏观审慎政策与货币政策的组合无法有效应对生产技术冲击。因此，当政府面临不同的外部冲击时应调整政策组合，在充分识别外部冲击类型的前提下，选择合理的政策搭配。此外，政府在制定经济政策时，需要将宏观审慎政策可能造成的影响纳入考虑范围，充分发挥宏观审慎政策的逆周期调节功能。

其次，主动、灵活调整宏观审慎管理策略，激发宏观审慎政策的对减缓波动的正向活力，保证金融稳定，避免一刀切。本文通过理论研究与实证分析发现，过于严格的宏观审慎管理反而会加剧经济波动，因此政府在实施宏观审慎政策时需要考虑差异化，“因材施教”，不能盲目统一。目前，我国金融体系仍以间接金融为主，主要由商业银行承担金融机构的大部分职能。政府实施宏观审慎管理政策时需要考虑到商业银行间、基层金融机构间的业务差异，针对金融机构重要性分层级调控，更为主动、灵活地调整存贷比、资本充足率等，避免一刀切导致宏观审慎管理政策过于严格，反而抑制中小银行的正常业务开展，最终导致中小企业资金链断裂，经济波动加剧。

参考文献

Woodford M.， “Inflation targeting and financial stability，” https：//www.nber.org/papers/w17967， 2020-07-17. [百度学术]

马勇、陈雨露：《宏观审慎政策的协调与搭配：基于中国的模拟分析》，《金融研究》2013年第8期，第57-69页。 [百度学术]

Curdia V. & Woodford M.， “Credit frictions and optimal monetary policy，” https：//www.nber.org/papers/w21820， 2020-07-17. [百度学术]

Svensson L. E. O.， “Comment on Michael Woodford， inflation targeting and financial stability，” Sveriges Risk Bank Economic Review， Vol. 1 （2012）， pp. 33-39. [百度学术]

王爱俭、王璟怡：《宏观审慎政策效应及其与货币政策关系研究》，《经济研究》2014年第4期，第17-31页。 [百度学术]

方意：《宏观审慎政策有效性研究》，《世界经济》2016年第8期，第25-49页。 [百度学术]

Unsal D. F.，“Capital flows and financial stability： monetary policy and macroprudential responses，” International Journal of Central Banking， Vol. 9， No. 1 （2013）， pp. 233-285. [百度学术]

Beatriz D.B. & María M.， “Financial frictions and stabilization policies，” Economic Modelling， Vol. 88， No. 7 （2020）， pp. 166-188. [百度学术]

Tavman Y.， “A comparative analysis of macroprudential policies，” Oxford Economic Papers， Vol. 67， No. 2 （2015）， pp. 334-355. [百度学术]

Rubio M. & Carrasco-Gallego J. A.， “Macroprudential and monetary policy： implications for financial stability and welfare，” Journal of Banking and Finance， Vol. 49 （2014）， pp. 326-336. [百度学术]

李天宇、冯叶、张屹山：《宏观审慎政策的信号识别、规则确立与传导路径分析》，《经济评论》2017年第5期，第123-138页。 [百度学术]

程方楠、孟卫东：《宏观审慎政策与货币政策的协调搭配——基于贝叶斯估计的DSGE模型》，《中国管理科学》2017年第1期，第11-20页。 [百度学术]

Fernández-Villaverde J.， “Measuring the effects of fiscal policy in a model with frictions，” 2010-04-26， http：//economics.sas.upenn.edu/jesusfv/.pdf， 2020-07-17. [百度学术]

Freixas X. & Rochet J. C.， Microeconomics of Banking （Second Edition）， Boston： The MIT Press， 2015. [百度学术]

Quint D. & Rabanal P.， “Monetary and macroprudential policy in an estimated DSGE model of the Euro area，” International Journal of Central Banking， Vol. 10， No. 2 （2013）， pp. 169-236. [百度学术]

Iacoviello M. & Neri S.， “Housing market spillovers： evidence from an estimated DSGE model，” American Economic Journal： Macroeconomics， Vol. 2， No. 2 （2010）， pp. 125-164. [百度学术]

庄子罐、崔小勇、赵晓军：《不确定性、宏观经济波动与中国货币政策规则选择——基于贝叶斯DSGE模型的数量分析》，《管理世界》2016年第11期，第20-31页。 [百度学术]

庄子罐、崔小勇、龚六堂等：《预期与经济波动——预期冲击是驱动中国经济波动的主要力量吗？》，《经济研究》2012年第6期，第46-59页。 [百度学术]

陈昆亭、龚六堂：《粘滞价格模型以及对中国经济的数值模拟——对基本RBC模型的改进》，《数量经济技术经济研究》2006年第8期，第106-117页。 [百度学术]

Bernanke B. S.， Gertler M. & Gilchrist S.， “Chapter 21 the financial accelerator in a quantitative business cycle framework，” Handbook of Macroeconomics， Vol. 1 （1999）， pp. 1341-1393. [百度学术]

Fernández-Villaverde J.， “Fiscal policy in a model with financial frictions，” America Economic Review， Vol. 100， No. 2 （2010）， pp. 35-40. [百度学术]

Badarau C. & Popescu A.， “Monetary policy and credit cycles： a DSGE analysis，” Economic Modelling， Vol. 42 （2014）， pp. 301-312. [百度学术]

马勇、王芳：《金融开放、经济波动与金融波动》，《世界经济》2018年第2期，第20-44页。 [百度学术]

Hansen B. E.， “Threshold effects in non-dynamic panels： estimation， testing， and inference，” Journal of Econometrics， Vol. 93， No. 2 （1999）， pp. 345-368. [百度学术]

宏观审慎政策、货币政策与经济波动

摘要

关键词

一 引 言

二 文献综述

三 理论模型

（一） 家庭部门

（二） 厂商部门

（三） 企业家

（四） 金融机构

（五） 政府部门

（六） 市场出清与均衡

四 宏观审慎政策、货币政策与波动：数值模拟

（一） 参数的校准与估计

（二） 数值模拟：脉冲响应分析

五 宏观审慎政策、货币政策与波动：实证检验

（一） 模型设定脚注

（二） 实证结果与分析

（三） 稳健性检验

六 结论与建议