基于FAVAR模型通货膨胀的成因研究

通货膨胀作为国家宏观经济管理中的核心问题, 对其研究一直是国内外学者关注和研究的重点。改革开放以来我国经济快速增长。根据国家统计局发布的新闻消息, 我国在过去几十年里也大大小小地先后经历了七次通货膨胀。70年代至90年代, 由于我国经济体制改革, 农副产品的销售价格和收购价格被提高、就业等社会需求被扩大, 加之基本建设的投资大、周期长等多方面的因素导致了物价持续上涨, 并且随着改革的加深, 经济过热, 通货膨胀先后发生了四次。20世纪以来, 中国经济与全球经济日益密切, 国外经济危机包括亚洲金融危机和美国次贷危机等都会传递到我国, 影响我国经济, 最终引发通货膨胀。

从大量文献中可以发现, 货币、输入性、成本和需求是很多学者在研究通货膨胀比较侧重的方面[1], 但通货膨胀发生的原因很多, 而且纵横交错的, 并非单一因素引起, 而且在实证分析时选取的指标也不同, 最终的结论也会有所差异, 因此很容易引起分歧。而近年来我国股票市场日益走进人们生活, 但股票市场非常不稳定, 忽高忽低, 带动我国经济也上下波动。另一方面随着经济增长, 人们生活水平提升, 我国房地产市场也快速发展起来, 人们把房地产当作投资, 使得房价逐日攀升。除此之外我国的对外贸易发展迅速, 经过多年发展现已成为世界贸易大国, 将我国经济与国际经济密切联系起来。因此本文基于现有的研究成果以及现下的经济状况选择从经济活动水平、货币、国际需求、资本市场和房地产市场这些方面来深度探讨通货膨胀的形成原因, 与实际经济状况更吻合也更全面。

在研究通货膨胀成因的方法选用上, 从现有的通货膨胀研究文献中可发现大多数是采用计量经济模型中的向量自回归模型 (VAR模型) , 少数是使用结构向量自回归模型 (SVAR模型) , 从适用性来看, VAR或SVAR模型的变量有限, 一定程度上会造成信息损失, 且过度参数化, 使得结=果不稳定, 对于通货膨胀的非线性特征它们也无法捕捉。本文选择了FAVAR模型作为实证研究方法, 因为随着统计数据的不断丰富, 我们可以利用大量数据资源去研究解决问题, 而FAVAR模型可以容纳众多因素, 这样可以最大限度地避免信息损失, 也更全面有效地捕捉到通货膨胀的波动;其次, 它并不是直接让所有因素进入模型, 而是抽取主成分再进入模型, 这样可以避免过多的参数估计。

一、通货膨胀成因的实证分析

(一) 模型设定

FAVAR模型的概念最先由Bernanke, Boivin和Eliasz (2005) 正式提出, 该模型是结合动态因子分析和VAR模型建立的, 可以容纳大量数据, 为所有可能影响的因素提供提炼机制。在实际经济中, 能影响通货膨胀的因素很多, 它们或多或少, 或直接或间接地影响到通货膨胀, 因此本文选用FAVAR模型来研究通货膨胀的成因, 旨在尽可能全视角地分析通货膨胀的成因。该模型的建立如下:

其中, F1t表示通货膨胀成因的宏观变量集, 包括货币、经济活动水平、国际需求、房地产、以及资本市场等, N1×1阶矩阵;F2t为N2×1阶矩阵, 表示通货膨胀因子, ;Φ (L) 是滞后多项式, vt为随机误差项。

由于F1t和F2t包含的因素比较多, 所以最关键的是F1t和F2t的识别和估计, 根据Bernanke, Boivin等人的假定, 为了避免在估计和识别过程中可能发生的问题, 减少估计结果的偏差, FAVAR模型借助因子分析, 假设F1t在X1t张成的空间里, 包含了X1t的信息, 而F2t在X2t张成的空间里, 包含通货膨胀的信息, 因此引入了F与X的关系方程:

其中, Λij为因子载荷矩阵, εit为随机误差矩阵。从方程式 (2) 中可以提取出F的因子, 代到方程式 (1) 中, 就实现了因子分析和VAR模型结合的FAVAR模型。

(二) 指标选取和数据处理

通货膨胀的经济影响因素很多, 但盲目地选取指标只会增加模型的重复信息, 因此根据现实现状以及数据的可获得性, 本文选取了39个宏观经济指标, 并划分为五组。

其中第一组是货币因素, 根据流动性选取了流动速度V0、V1、V2, 货币量M0、M1、M2和信贷规模的相关指标存款、贷款、利率、储备货币和发行货币。第二组是国际需求, 分别选取了能反映国际需求的进出口额、进口商品价格指数、外商直接投资、外汇储备、人民币对美元汇率、国际原油价格等指标, 以及工业生产者购进价格指数、燃料动力购进价格指数等国内需求指标。第三组是反映经济活动的指标, 选取了能反映政府经济活动的政府财政支出、政府财政收入和固定资产投资完成额;反映居民经济活动的指标:社会消费品零售总额、城市商品零售价格指数、农村商品零售价格指数;以及反映总需求的指标国内生产总值指数。近年来, 房地产市场和资本市场对通货膨胀的影响也越发明显, 因此第四组是能反映房地产市场的指标, 第五组主要是有关股票市场的指标。而在通货膨胀的代理指标选择上, 常用的有CPI、PPI、RPI、CGPI和GDP平减指数。以往的研究只选用其中一个, 但这5个代理指标各有优缺点, 侧重点也不同。且经前人验证, 这5个指标的相关性较高。因此本文基于全面考虑, 将这5个指标均作为通货膨胀的代理变量纳入模型中。

数据主要来源中国统计局、Resset金融研究数据库, 主要选取2000年1月至2018年9月的月度数据, 并根据需要对数据进行了预处理:一是消除了季节变动影响, 二是标准化, 三是进行了频率转换。

二、研究结论和政策建议

本文通过FAVAR模型, 从货币、国际需求、经济活动水平、房地产市场以及资本市场波动等层面探知通货膨胀的影响因素, 并选择了39个指标从2000年1月至2018年9月的月度数据进行动态分析, 并得出以下结论:

在实证过程中发现, 货币因素组的货币流动速度指标和货币量指标都自发分散到其他因素组, 而不是与信贷规模指标形成集中的货币力量, 这表明货币因素已经渗透到各个行业领域中, 因此对于不同的行业领域要实施与之相符的货币政策。

第二, 经济活动水平、信贷规模、国际需求、资本市场和房地产市场都是影响我国通货膨胀的主要因素, 其中经济活动水平对通货膨胀有抑制作用, 其余4个因素均对通货膨胀有正向拉动作用。

第三, 这5个因素与通货膨胀均有长期均衡关系, 且存在短期动态关系。

由此的建议是, 加强股市和房地产的监管, 采用积极的监管措施以及积极的舆论导向, 可以促进股票市场的稳定, 增强投资者的信心, 也可以防止房价居高不下, 进入白热化阶段。

在国际需求方面, 对外可以优化进出口产业结构, 鼓励企业走出去, 对内可以在可持续发展的前提下开发新能源, 以减少对国际原料产品的依赖, 并优化产业结构。此外, 为了让信贷规模发挥正向作用, 应该密切关注信贷的增长, 并在调整信贷结构基础上解决贷款猛增的趋势。

摘要：近年来, 如何抑制通货膨胀一直作为宏观经济管理的核心, 由此可见通货膨胀关系着宏观经济管理的健康发展。本文基于通货膨胀较为成熟的理论研究, 综合考虑诸多方面影响因素, 使用FAVAR模型, 实证检验和分析我国2000-2018年间通货膨胀形成的原因, 并基此提出对通货膨胀有抑制作用的宏观经济管理政策建议。

关键词：通货膨胀,FAVAR模型,成因分析

参考文献

[1] 谭艳娴.通货膨胀成因的文献综述[J].商场现代化, 2017 (11) :142-143.

[2] Streeten P.Henry J.Bruton, On the Search for Well Being, and Yujiro Hayami, Development Economics:From the Poverty to the Wealth of Nations[J].Economic Development and Cultural Change, 1999 (1) :209-214.

[3] 宋健.超额货币、经济增长与通货膨胀-基于1979-2007年中国宏观经济数据的实证研究[J].广东金融学院学报, 2010, 25:16.

[4] Bernanke B S, Boivin J. 2003) :“Monetary policy in a data-rich environment[J].Journal of Monetary Economics, 2003 (3) :56.

[5] 谭艳娴.基于FAVAR模型通货膨胀的成因研究[D].广州:广东工业大学, 2015.