《我国信贷规模与货币供应量关系实证研究.doc》由会员分享，可在线阅读，更多相关《我国信贷规模与货币供应量关系实证研究.doc（10页珍藏版）》请在三一办公上搜索。
1、第4组金融、银行(正文字数：8050)我国信贷规模与货币供应量关系实证研究刘小铭1 沈利生1、2（1.华侨大学数量经济研究院；2. 中国社会科学院数量经济与技术经济研究所）【摘要】本文使用因果关系检验和非线性协整等经济计量方法分析信贷规模和货币供应量这两个与流动性过剩紧密相关的货币政策指标之间的相互关系。因果关系检验发现，信贷规模与货币供应量之间存在从货币供应量到信贷规模的单向Granger因单关系，同时又存在即期因果关系(instantaneous causality)。非线性协整检验结果支持信贷规模和货币供应量之间存在非线性协整关系，并发现在不同的状态中货币供应量的误差修正效应均比信贷规模
2、大，反映了在由信贷规模和货币供应量组成的系统中货币供应量的主导地位。关键词 货币供应量 信贷规模 因果关系 门限误差修正模型中图分类号 F830.5 文献标识码 AEmpirical Analysis of the Relationship between Credit Scale and Money Supply in ChinaAbstract：This paper analyzes the relationship between credit scale and money supply，which are important monetary policy indicators cl
3、osely related to excess liquidity. Causality test and cointegration-based approach are the main econometrics methods used in empirical analyses. Causality test showed that there exists one-way Granger-causal from money supply to credit scale and also instantaneous causality between them. Threshold c
4、ointegration procedure revealed the nonlinear cointegration relationship between credit scale and money supply. And in threshold VEC model，the error correction effectiveness of money supply is always bigger than that of credit scale，which indicating the leading position of money supply in the system
5、.Key words：Money Supply；Credit Scale；causality；Threshold Vector Error Correction Model(TVECM)引言流动性过剩是当前我国宏观经济运行中面临的一个突出问题。这种流动性过剩突出表现在五方面：一是以狭义货币占广义货币份额计算的货币流动性比率攀升，流动性更加活跃；二是非金融企业资金很宽松；三是贷款投放过多的势头较为明显；四是金融机构特别是商业银行流动性充足；五是市场利率水平总体较低(卜永祥，2007)。针对流动性过剩的事实，2006年以来央行持续采取紧缩措施，包括连续15次上调法定准备金率和7次上调人民币存款基准
6、利率等。但从克服流动性过剩的效果来看，央行的紧缩措施并没有达到预期的效果。传导机制与货币政策目标、规则等一起决定着货币政策的效果。银行法将我国货币政策的最终目标定义为“货币政策目标是保持币值稳定，并以此促进经济增长”，确立了抑制通货膨胀保持物价稳定的单一政策目标。然而，关于货币政策中介目标的选择却存在较大的争议，争议的焦点在于各种货币政策传导机制的相对有效性。例如，夏斌和廖强(2001)通过对我国调控货币供应量的实践进行考察，认为货币供应量作为中介目标在指标可控性、可测性，与国民经济的相关性等方面均出现了明显的问题，不适合继续作为我国货币政策的中介目标，建议采用通货膨胀定标制。范从来(2004
7、)则指出现阶段货币供给量作为货币政策中间目标存在一定的局限性，但这种局限性的克服不应该是简单放弃货币供应量目标，而应该根据我国经济市场化和货币化的程度调整货币供应量的统计内涵，通过汇率制度和利率市场化的改革，创造一种有利于货币供应量发挥中间目标功能的货币调控机制，提高我国货币政策的有效性。莫万贵和王立元(2008)分析了货币供应量和通货膨胀、经济增长的相关性，贷款与投资、经济增长的关系，发现货币供应量和贷款均与货币政策目标密切相关，认为货币供应量和贷款仍是当前合适的货币政策控制目标。从已掌握的的文献资料来看 关于货币政策中介目标的研究综述可参见夏新斌(2007)。，对货政策中介目标的讨论主要集
8、中在货币供应量、利率和信贷规模等中介目标的可控性以及它们与最终目标的关联性两方面，而较少涉及到不同中介目标之间的相互关系。货币供应量和信贷规模是刻画流动性过剩的两个重要指标，而且作为货币政策工具在我国多次成功地制止经济过热的实践中，被不同程度地使用过，本文拟进一步分析两者之间的相互关系，以期深化对我国货币政策相关问题的认识。一、信贷规模与货币供应量关系的简要理论说明1.货币供应量对信贷规模的影响从货币供求的角度来看，信贷属于货币需求方面，而货币供应量则属于货币供给方面。货币需求和货币供给总是处于不断调整变化的过程中，从长期来看，两者的变化趋势是一致的。于是，可以从货币供求变化的角度来考察货币供
9、应量变化对信贷的影响。作为货币需求一部分的信贷的变化受到变动和其他货币需求变动的双重影响，当其它货币需求保持不变时，的增加或减少则会使信贷规模作同方向的变化，这也就是货币政策信贷传导机制理论所强调的货币政策可以通过对可贷资金的影响，进而使信贷规模发生变化，并最终影响投资和产出。当然，货币供应量的变化也可能由其它货币需求的变化所抵消，从而没对信贷规模产生影响；同时，信贷规模的变化也可能由货币供应量以外的其它因素所决定，例如，企业盈利状况和银行不良贷款水平。 关于信贷供给决定因素的分析可以参见国务院发展研究中心金融研究所货币政策传导机制研究组(2003)。2.信贷规模对货币供应量的影响广义货币供应
10、量则主要由基础货币和广义货币乘数决定，其中，基础货币是中央银行提供给商业银行可以进行多倍派生的高能货币，广义货币乘数表征商业银行在持有基础货币后，通过信用创造形成货币供应量的扩张能力。也就是说，中央银行并不直接向社会提供货币供应量，而主是通过影响商业银行的信用创造能力来响货币供应量。商业银行的信用创造主要包括两方面，一是信用工具的创造，如存款货币、各种票据等；二是信用的创造，即扩大信贷规模，进而扩大货币供应量。于是，中央银行可以通过利率、法定存款准备金率、公开市场操作等措施影响商业银行的信用创造能力，进而达到改变货币供应量的目的。当然，信贷规模也只是影响货币供应量的渠道之一，货币供应量的变化并
11、不一定是由信贷规模变化引起的。3. 本文试图验证的基本假说从上述信贷规模和货币供应量相互关系的理论分析中，可以发现两者各自的变化均可能引起对方发生变化，于是建立本文将验证的第一个假说：信贷规模与货币供应量之间存在双向的Granger因果关系。本文的第二个假说则是信贷规模与货币供应量之间存在长期稳定关系，即协整关系。建立该假说的原因主要在于：近几年我国货币供应量的实际变化值与央行的预期值有较大差别，表明我国的货币供给具有较强的内生性，也就是说货币供给主要由市场决定。通过金融市场的作用，货币需求和货币供给处于不断变化和调整过程中，并趋于平衡，即两者之间具有长期的稳定关系。而作为货币需求的一部分的信
12、贷也可能与货币供应量之间具有协整关系。如果第二假说成立，将继续对本文的第三个假说信贷规模与货币供应量的短期调整过程存在非线性特征进行检验。建立该假说主要考虑到信贷本身具有顺经济周期的特征，即在经济扩张时，商业银行发放贷款的意愿更强，信贷的货币派生能力较强；在经济衰退时期，商业银行贷款的意愿会相应减弱，信贷的货币派生能力也相应变弱。也就是说，在不同经济周期中，货币供应量与信贷规模对系统短期的偏离具有不同程度的响应，即存在非线性的调整过程。二、经济计量方法根据我们试图验证的基本假说的内容，本文主要使用因果关系检验、Johansen协整检验和Hansen和Seo(2002)提出的门限误差修正模型(T
13、hreshold VECM)分析货币供应量与信贷规模之间的关系。1.因果关系目前比较常用的因果关系定义是由Granger(1969)提出的。Granger因果关系主要用于考察两变量之间在时间上领先-滞后关系，而无法检验变量之间的即期的相互影响。与Granger因果关系相对应的一个概念则是即期因果关系(instantaneous causality)，它主要用于反映变量之间即期是否存在相互影响。下面在双变量VAR系统中描述这两种因果关系检验。考虑如下的VAR系统：(1)其中，为常数项，为残差项。在模型(1)中，当且仅当()时，不是变化的Granger原因。该原假设对应的备择假设是中至少有一个不是
14、0。Toda和Phillips(2003)指出当和的单整阶数不同或两者均为不平稳序列但不存在协整关系时，由于存在冗余参数(nuisance parameter)，Granger因果关系的Wald检验统计并不服从标准的极限分布。针对该缺点，Toda和Yamamoto(1995)提出了“基于扩展(Lag-Augmented)VAR模型的因果关系检验”方法，建议在拟合变量关系最佳的水平VAR(L)模型中加入额外的滞后阶数d (d为所分析变量的最大单整阶数)，运用OLS 方法估计VAR(L+d)模型后进行模型系数的Wald检验以判断变量之间是否存在Granger因果关系，并证明在各种情况下该修正的Wa
15、ld统计量服从标准分布。即期因果关系则通过检验模型(1)中和是否存在相关性来实现的，如果和是相关的，则和之间存在即期因果关系，反之，两者之间不存在即期因关系；也就是说，即期因果关系无法分出因果关系的方向。Ltkepohl(1991)建议在拟合变量最佳的VAR模型中检验和的相关性，并证明检验原假设的Wald统计量服从标准分布。2.门限误差修正模型目前，研究两个或两个以上变量之间的动态关系主要基于误差修正模型(VECM)。误差修正模型是由Davidson等(1987)提出来的，但其主要概念直到Granger(1983)提出协整理论及Engle和Granger(1987)提出Granger表示定理后
16、才得到正式发展。由于只有当变量之间存在协整关系时才存在误差修正模型，在使用Granger表示定理获得误差修正模型之前需检验变量之间是否存在协整关系。两种最常用的协整检验方法是Engle和Granger(EG)两步法以及Johansen 和Juselius (JJ) 基于VAR的极大似然法，EG两步法适应于单方程的协整检验，而JJ法则适用于多变量之间的协整检验。在大样本条件下，对于只包含两个变量的系统的协整关系检验，两种方法得到的结论是一致的。使用EG两步法或JJ法检验出两个变量之间存在协整关系后，就可以根Granger表示定理得到误差修正模型。基于Granger表示定理的误差修正模型可以较好将
17、变量之间的长期关系和短期关系结合在一起，在短期内如果协整变量相对于长期均衡存在偏离，则至少有一些变量会对非均衡(误差修正项)作出响应，从而使系统回归到长期均衡。但是，这种传统模型还存在不足之处：假设系统变量在由短期偏离向长期均衡的调整过程中，调整系数是固定不变的，即协整变量对误差修正项的调整是连续的。然而，由于受交易成本、不同的经济周期转变和不完全信息等因素的影响，现实经济行为的调整往往是不连续的，存在非线性特征。Balke和Fomby(1997) 指出协整变量对误差修正项的调整可能存在不连续性，并提出了能很好把非线性和协整关系结合在一起的门限协整(threshold cointegraion
18、)模型。Hansen和Seo(2002)在Balke和Fomby(1997)的基础上，提出了一种以误差修正项为门限变量的两状态门限协整(two-regime threshold cointegration)模型(或称为非线性误差修正模型)，并介绍了基于门限值未知情况下模型参数估计和门限效应存在性检验的方法。假设是维一阶单整时间序列，并且存在维的协整向量。记为平稳的误差修正项，则滞后阶数为的线性误差修正模型为：(2)滞后阶数为的两状态门限误差修正模型可以表示为：(3)其中，和和为动态系数矩阵，为门限值。在模型(3)，依据误差修正项值的不同将误差修正模型分为两个状态。在不同状态中，项具有不同的系数
19、，体现了系统在向长期均衡状态调整过程中的非线性特征。对于模型是否存在显著的门限效应，Hansen和Seo(2002)提出LM检验，该检验的原假设为应使用线性误差修正模型即模型(2)拟合变量之间动态关系，对应的备择假设为应用非线性误差修正模型即模型（3）拟合变量之间动态关系。Hansen和Seo(2002)分别针对协整已知和未知提出两个不同的LM检验统计量，并建议采用Bootstrap法获得LM检验的临界值和P值。当协整向量未知时LM检验统计量为：(4)其中，为模型(1)中的估计值，为设定的值的搜索区间，和分别为的和百分位点；Andrews(1993)建议的设置在0.05和0.15之间。三、实证
20、结果1.数据的简单描述及单位根检验本文选用我国货币政策实践中主要关注的作为货币供应量指标。另选择银行概览中的国内信贷作为信贷规模指标。银行概览中的国内信贷不是中央银行信贷计划确定的“信贷规模”，它实际上是银行对非银行部门的债权，包括银行贷款以及银行持有的非银行金融部门发行的债券，可以较全面反映信贷规模指标。为了减少经济结构变化和制度变迁等因素对实证分析的影响，本文在对信贷规模和货币供应量的关系进行实证分析时，选用的是2000年1月至2008年2月的月度数据，相关原始数据来自Wind资讯。获得各原始数据后，使用常用的方法对相关数据进行季节调整，并取自然对数。在进行具体分析之前，首先分别使用ADF
21、检验和PP检验对信贷规模（）和货币供应量（）进行单位根检验，检验结果见表1。从表1可以发现，ADF检验和PP检验两种方法均显示和均为非平稳序列，但其一阶差分序列皆在5%显著水平下拒绝存在单位根的原假设，即两个变量皆为一阶单整。表1 变量平稳性检验变量 ADF检验 PP检验 检验统计量P值结论检验统计量P值结论0.71550.9920非平稳0.80050.9936非平稳0.11770.9974非平稳1.34000.9987非平稳-6.071*0.0000平稳-6.1826*0.0000平稳-11.7804*0.0001平稳-11.7249*0.0001平稳注：(1)ADF检验和PP检验的检验方程
22、均只含有常数项而不包括趋势项。(2)“*”表示在5%显著水平下，拒绝原假设。2.因果关系检验进行基于扩展VAR模型的Granger因果关系检验和即期因果关系检验，均需首先确定拟合系统变量的VAR模型的最佳滞后阶数。此处，根据准则进行选择，发现拟合和的无约束VAR模型的最佳滞后阶数为2。因此，应在VAR(3)中进行基于扩展VAR模型的Granger因果关系检验，而在VAR(2)中进行即期因果关系检验，检验结果见表2。由表2可知，对于不是变化的Granger原因的假设，拒绝它犯第一类错误的概率是0.3339，表明在10%显著水平下无法拒绝原假设。而后两个原假设所对应的P值均小于0.1，表明在10%
23、显著水下后两个原假设均被拒绝，也就是说，是变化的Granger原因并且两者之间存在即期因果关系，而不是简单从货币供应量到信贷规模的单向Granger因果关系。表2 因果关系检验原假设检验统计量P值不是变化的Granger原因1.14130.3308不是变化的Granger原因2.25660.0796和之间不存即期因果关系19.39170.00003.Johansen协整检验虽然信贷规模和货币供应量都是非平稳的一阶单整序列，但其某种线性组合可能是平稳，这样的组合反应了变量之间长期稳定的比例关系，即协整关系。这里采用Johansen协整方法检验信贷规模和货币供应量之间是否存在协整关系。由于Joha
24、nsen协整检验结果对滞后阶数比较敏感，应取拟合变量关系最佳的VAR模型的滞后阶数。根据前面的分析，最佳滞后阶数为2，表3为滞后阶数为2时的Johansen协整检验结果。由表3可知，在5%显著水平下，不论是特征根迹检验还是最大特征值检验，“0个协整向量”的原假设被拒绝，而无法拒绝“至少有1个协整向量”的假设，说明信贷规模和货币供应量之间存在协整关系。表3 Johansen协整检验原假设特征根特征根迹检验最大特征值检验检验统计量P值检验统计量5%临界值0个协整向量0.392954.1904*0.000047.4045*0.0000至少1个协整向量0.06896.78590.13829.16450
25、.1382协整方程： 注：*表示在5%显著水平下拒绝原假设。协整检验有截距项，无趋势项。4.误差修正模型非线性特征显著性检验和分析表3 的Johansen协整检验表明信贷规模和货币供应量之间存在线性协整关系，但如果直接使用Granger表示定理获得系统的误差修正模型，可能忽略系统调整过程的非线性行为。因此，有必要使用Hansen和Seo(2002)的方法对是否存在门限效应进行检验。此处值取0.15，考虑的最大滞后阶数为5，不同滞后阶数的门限协整模型结果见表4。表4说明以AIC值与SC值为最佳滞后阶数的选择准则，门限协整模型的滞后阶数应取1，所估计的门限值为0.777，对应的非线性误差修正模型如
26、下：(5)表4 门限误差修正模型估计结果滞后阶数12345门限值()0.7770.8440.8891.0471.453协整向量()0.9070.9020.8990.8870.855AIC值-1006.94-986.05-965.5-947.80-935.98SC值-1007.23-986.58-966.51-949.06-937.72状态一比重(%)54.1755.7965.9673.1278.26状态二比重(%)45.8344.2134.0426.8821.74使用Bootstrap法对估计出来的方程(5)中的门限效应进行检验，Bootstrap次数取3000次，检验的结果为LM统计量(16
27、.755)大于Bootstrap法所获得的5%临界值(11.739)，对应的P值为0.004。这说明使用非线性误差修正模型而不是线性误差修正模型来按拟合信贷规模与货币供应量之间的动态关系。在门限协误差修正模型中，协整向量为0.907，也就是说，在长期货币供应量每发生1单位的变化，将引起信贷规模0.907单位的变化。通过比较，在线性误差模型中，该弹性系数只有0.789，低估了货币供应量变化对信贷规模的影响。在非线性误差修正模型中，门限值0.744将系统分为两个状态(见图1)，54.17%的样本落在状态一()，这个状态主要分布在2000年7月-2002年7月和2005年7月-2007年6月两个期间
28、，其它期间绝大部分对应的是占全部样本45.83%的状态二()。观察误差修正项的变化趋势又可发现，误差修正项的变化显现周期变化趋势。误差修正项的这种周期性变化，可能与货币政策等宏观经济因素的变化有某种对应关系。图1 误差修正项变化趋势观察误差修正项的系数(调整系数)则可以发现，两个状态中，不论是信贷规模方程还是货币供应量方程中的调整系数均为负数，符合反向的误差修正机制，即在短期非均衡状态中信贷规模和货币供应量对误差修正项响应均会使系统趋于其长期均衡状态。图2显示的是当其它变量保持不变时，估计出来的和对误差修正项的响应，反应了两个状态中不同的误差修正效应。从图2，可以看出在两个状态中，货币供应量对
29、误差修正的响应程度均大于信贷规模；另外，信贷规模和货币供应量在两个不同状态中均具有不同程度的误差修正效应，这充分体现了系统调整的非连续性。图2 误差修正项变化趋势四、结论本文使用因果关系检验、Johansen协整检验和门限误差修正模型等经济计量方法对2000年1月至2008年2月我国信贷规模与货币供应量之间的相互关系进行探析。实证分析主要得到以下结论：首先，从因果关系方面来看，货币供应量是信贷规模是变化的Granger原因，而信贷规模则不是货币供应量变化的Ganger原因，即两者之间只存在从货币供应量到信贷规模的单向Granger因果关系，本文的第一假说不成立。这表明货币供应量的变化有助于对未
30、来信贷规模的预测，而信贷规模的变化则无助于对未来货币供应量的预测，即从信贷到货币供应量的派生机制较弱。虽然信贷规模与货币供应量之间只存在单向的Granger因果关系，但是两者还存在即期因果关系，即两者之间的当期变化存在相互影响关系，这与信贷规模和货币供应量的决定理论是相符合的。其次，我国信贷规模与货币供应量之间存在协整关系，而且是非线性关系，即本文的第二个和第三个假说均成立。在长期，货币供应量每1单位的变化将引起信贷规模0.907单位的变化；在短期过程中，门限值0.777将误差修正模型分为两个状态，在状态一中信贷规模与货币供应量偏离其长期均衡状态的幅度较小，而在状态二中对系统均衡的偏则较大。在
31、这两个不同状态中，信贷规模和货币供应量的误差修正效应均有较大的区别，反应了系统在向长期均衡调整过程中的非线性特征。最后，在两个状态中，不论是信贷规模方程还是货币供应量方程中的调整系数均为负数，符合反向的误差修正机制，说明在短期非均衡状态中系统变量对误差修正项响应均会使系统趋于其长期均衡状态，而不是加剧系统的非均衡。但是，比较而言，在两个状态中货币供应量的误差修正效应均比信贷规模大，反映了在由信贷规模和货币供应量组成的系统中货币供应量的主导地位。综上所述，我国货币供应量对信贷规模有显著的影响，货币供应量的变化几乎引起信贷规模相同幅度的变化，这表明从货币供应量到信贷规模的传导是有效的。因此，制定有
32、关解决流动性过剩的货币政策时，应重视货币供应量变化对信贷规模的影响。控制住了货币供应量也就意味着抓住了解决流动性过剩问题的关键。参考文献1卜永祥：流动性过剩的特征、成因及调控J，经济学动态2007年第3期。2夏斌、廖强：货币供应量已不宜作为当前我国货币政策的中介目标J，经济研究2001年第8期。3范从来：论货币政策中间目标的选择J，金融研究2004年第6期。4莫万贵、王立元：货币供应量和贷款仍是当前合适的货币政策调控目标J，经济学动态2008年第2期。5夏新斌：我国货币政策中介目标研究一个文献综述J，财经科学2007年7期。6国务院发展研究中心金融研究所货币政策传导机制研究组：中国银行体系贷款
33、供给的决定及其对经济波动的影响金融研究J，金融研究2003年第8期。7Granger, C.W.J.,Investigating Causal Relations by Econometric Models and Cross-spectral methodsJ. Econometric,1969 (37): 424-438.8Toda H, and Phillips P C B, Vector autoregressions and causalityJ. Econometrica, 1993, 61(6): 1367-1393.9Toda, H. Y. and Yamamoto, T. S
34、tatistical Inference in Vector Autoregressions with Possibly Integrated ProcessesJ. Journal of Econometrics, 1995(66),225-250.10Ltkepohl,H., Introduction to Multiple Time Series AnalysisM,Spinger Verlag,Berlin,1991.11Engle, R. F. and Granger, C. W. J.Co-integration and error-correction: Representati
35、on, estimation and testingJ. Econometrica,1987(55),251-276.12Johansen, S.Statistical analysis of cointegration vectorsJ.Journal of Economic Dynamics and Control,1988(12),231-254.13 Balke, Nathan S. and Fomby Thomas B, Threshold cointegrationJ. International Economic Review.1997(38),627-645.14Hansen Bruce and Byeongseon Seo.Testing for Two-regime Threshold Cointegration in Vector Error correction ModelsJ.Journal of Econometrics,2002(110),293-318.15Andrews, D. K.,Tests for Parameter Instability and Structural Change with Unknown Change PointJ. Econometrica,1993,(61), 821-856.
