央行沟通、市场预期与货币政策工具组合的效果研究

■史焕平，胡 滨，陈 琪

央行沟通、市场预期与货币政策工具组合的效果研究

■史焕平，胡 滨，陈 琪

近年来，随着预期管理逐渐成为货币政策调控的重要任务，各国央行开始逐渐摒弃以往的“隐秘性文化”，逐渐转向“开放化”与“透明化”，并且更乐于利用央行沟通的方式来实现货币政策目标，因此央行沟通已经成为一种新型的货币政策干预工具。本文在对相关文献进行全面梳理的基础上，通过构建两个VEC模型，分析了央行沟通对信贷市场与资本市场产生的影响。研究结果表明，央行沟通对信贷市场与资本市场会产生显著的影响，且书面沟通的影响效果更强，央行沟通同时也会对市场预期与传统货币政策干预工具产生较为显著的影响，这种影响的效果最终也会传导至信贷市场与资本市场。

央行沟通；市场预期；货币政策工具；VEC模型

国家社会科学

“央行沟通与实际干预工具的组合匹配及其转换时机”（13BJY173）。

史焕平（1963-），江苏宜兴人，经济学博士，华东交通大学经济管理学院教授；胡滨（1991-），华东交通大学金融学研究生；陈琪（1990-），华东交通大学金融学研究生。（江西南昌330013）

中央银行沟通（Central Bank Communication）是指一国央行向市场和经济主体传达货币政策的解读、实施以及相关的经济展望和预测信息的过程（Blinder et al.，2008）。近年来，随着预期管理逐渐成为货币政策调控的重要任务，各国央行开始逐渐摒弃以往的“隐秘性文化”，逐渐转向“开放化”与“透明化”，并且更乐于利用央行沟通的方式来实现货币政策目标，因此央行沟通已经成为一种新型的货币政策干预工具。虽然在实践方面取得较大进展，但由于其浓厚的“艺术”特性，中央银行沟通相关理论研究仍处于初步阶段。本文在借鉴前人研究的基础上，通过构建两个VEC模型，研究我国央行沟通对市场（信贷市场与资本市场）预期产生的影响，再进一步分析央行沟通与传统货币政策工具组合使用是否能达到更好的政策效果。

一、文献综述

Kliesen和Schmid（2004）对美国中央银行的研究发现，美联储通过信息沟通可以有效地降低民众对未来通胀预期的不确定性，而令人吃惊的是，传统的货币政策调控反而增加了民众对未来通胀预期的异质性。Jansen和Haan（2007）的研究发现，欧洲中央银行的信息沟通应当与传统货币政策工具密切结合使用，这样其沟通效果才能显著，这一结论说明，中央银行信息沟通应当与传统政策工具匹配使用才能发挥更好的效果。Ullrich（2008）指出，欧洲央行的沟通对通胀预期有显著影响，但对通胀预期与实际通胀缺口的影响相对模糊。Musard-Gies（2006）在研究中指出，欧洲央行货币政策委员会官员发布官方言论会对长期收益率曲线产生冲击，且敏感度更高。但是该部门发布的关于对经济前景预期的言论对英国乃至整个欧元区的金融市场并无太大影响，其主要会对美国市场与中长期收益率曲线产生扰动。Haan和Janson（2009）总结研究了过去十年欧洲中央银行的沟通实践行为，他们发现欧洲中央银行信息沟通可以极大地提升货币政策的执行效力，这揭示了央行沟通可以显著地影响金融资产价格水平并缓解其波动情况，这说明私人部门也会对央行沟通做出必要的响应。Bernd和Matthias（2010）利用GARCH模型分析考察了1998～2006年加拿大央行沟通以及媒体对央行沟通的报道对加拿大债券市场和股票市场的影响，研究结果表明，加拿大央行沟通会对债券市场产生较大影响。相对应地，媒体报道则会对资本市场有着更加明显的冲击。李云峰（2012）利用2003～2009年间的月度数据，建立SVAR模型分析了我国央行沟通与传统货币政策干预工具在稳定通胀中的作用，正向的沟通冲击可以有效地降低市场通胀预期以及名义通胀水平，且此沟通方式的政策时滞较短，有利于及时调控。王雅烱（2012）通过建立协整模型以考察其对市场通胀预期的影响，得出了央行沟通的确能够对通胀预期产生影响但影响程度不及实际货币政策干预工具的结论。其在研究中还发现央行信息沟通释放的信号所产生的效果与预期水平不完全一致，认为这是由于当前市场对于沟通的效力保持警惕与怀疑，这样进一步增加了政策时滞。冀志斌与宋清华（2012）通过建立EGARCH模型，利用我国2006.10～2011.6的月度数据，考察了我国央行信息沟通对金融市场的短期影响，研究表明我国央行沟通对短期收益率曲线及人民币汇率会产生显著的以及符合政策意图的影响，但是这样的影响效果远不及传统货币政策干预工具。史焕平等（2015）利用我国2006.10～2014.12的月度数据，运用SVAR模型对中央银行沟通的货币市场效应进行考察研究。结果表明中央银行沟通对货币市场具有显著的影响，书面沟通的影响效应比口头沟通的影响效应更大。史焕平与谭天骄（2015）以美联储与美国经济数据为研究样本，构建两个滚动向量自回归模型（Rolling VAR）研究了央行沟通与货币政策干预工具匹配使用下对宏观经济与金融市场带来的影响。研究结果证明央行沟通与实际货币政策干预工具组合使用能够对经济市场带来更大的冲击，而且政策效果更好，但是政策传导会存在相当的时滞。马理等（2013）运用MVGARCH和Probit模型研究了央行沟通与我国银行间同业拆借利率SHIBOR之间的相互影响关系，结果表明央行沟通对SHIBOR利率影响非常显著。

本文对上述研究文献总结梳理后发现，国内外相关文献研究都已经证实央行沟通可以影响金融市场与资产价格，同时央行沟通还可以引导市场预期与通胀预期的改变，进而间接影响到货币政策调控国民经济的作用，因此中西方部分学者及央行官员认为，央行沟通可以单独作为一项货币政策调控工具使用。但是，在我国经济发展进入新常态时期，宏观调控与预期管理工作不能单单依靠传统的货币政策，也不能仅仅依赖央行沟通这一新兴的货币政策工具，若能将两者有效地结合起来使用，即央行能够及时向公众发布其货币政策意图导向和预期管理目标，并有公信力地推行其承诺的货币政策及调控目标，积极引导市场预期趋于一致，这样能够极大地减少政策时滞，确保货币政策实际干预工具能在较短的时间内发挥其更好的政策效果。因此，对此问题的研究颇具现实意义。

二、变量选取与模型构建

（一）变量选取

本文将从信贷市场与资本市场角度来分析央行沟通、市场预期与货币政策干预工具之间的相关关系与冲击响应。研究思路是央行沟通会直接影响市场预期，市场预期又会对央行实施的传统货币政策产生影响。同时，央行沟通也会间接影响货币政策实施的效果。因此，本文将选定四组指标变量，一组是效果指标变量，一组为央行沟通指标变量，一组为市场预期指标变量，还有一组为传统货币政策干预工具指标变量。四组指标变量共选10个具体指标，详见表1。

表1 模型变量的代表符号与含义

本文采用两个市场效果指标，分别是对数化的当月新增信贷量（LNCRE）和上证指数月度收益率（RSZZS）。当月新增信贷量指标是指商业银行向企业及家庭等经济主体发放贷款的额度，该指标能够较真实地反映我国信贷市场的活跃程度，一般认为，当经济整体处于高涨时，信贷量会扩大；反之，当国内经济处于萧条时，该指标也会出现下滑。本变量用对数化的当月新增信贷量（LNCRE）表示，作为央行沟通与货币政策实际干预后影响实体经济变化的效果指标之一。

上证指数是我国资本市场的最重要指标之一，反映的是上海证券交易所内有关股票的加权平均值，上证指数直接反映了我国资本市场与资产价格的走势。因此，本文采用上证指数月度收益率（（本月收盘点位—上月收盘点位）/上月收盘点位）（RSZZS）表示，作为央行沟通与货币政策实际干预后影响资本市场变化的效果指标之一。

央行沟通分为书面沟通（CBCW）和口头沟通（CBCO）。书面沟通指中央银行以公告、决议、报告、会议纪要等正式书面文字形式通过其官方网站或其他权威平台发布的，且有关未来货币政策策略、宏观经济走势信息的公开沟通。口头沟通指中央银行官方发言人或相关行领导以新闻发布会、演讲、报告、接受采访等形式在公众场合发表关于货币政策走向信息的沟通行为。本文在量化书面沟通与口头沟通时参照马理等（2013）的方法对中央银行沟通事件进行赋值，即宽松型赋值+2、偏松赋值+1、中性赋值0、偏紧赋值-1、紧缩型赋值-2，具体方法详见表2。

表2 央行沟通变量赋值与央行沟通措辞

市场预期指标的选取，本文选择了国家统计局与中国证券业协会定期公布的企业家与投资者预期指数。该指数能够充分体现出市场中企业家与投资者对未来实体经济与资本市场运行的预期。因此，本文选择这两个指标作为代理信贷市场与资本市场预期的代理指标，分别用MIEXC和CIEXC表示。

传统货币政策干预工具采用上海银行间同业拆借利率、商业银行存款准备金率、商业银行存款基准利率以及广义货币增长速度这四个变量表示。Shibor利率是我国货币市场银行间同业拆借利率，该利率直接体现了我国货币市场的繁荣景气程度，一般当央行进行公开市场操作时，就会引起该利率出现明显波动。因此，本文选取该指标作为央行公开市场业务的代理变量，用ShiborM表示。

存款准备金率是一国中央银行货币政策工具中影响力最大的干预工具，一般认为，中央银行通过调整存款准备金率可以大大地影响金融机构的信贷扩张能力。因此，本文选取该指标作为传统货币政策干预工具的代理指标之一，用RR表示。

商业银行基准利率在利率没有完全市场化之前由中央银行决定，基准利率高，表示中央银行采取的是紧缩性的货币政策；反之，就是宽松型的货币政策；处在中间的则是中性的货币政策。因此，本文用一年期商业银行存款基准利率作为中央银行的干预政策指标之一，用BDR表示。

广义货币M2是反映一国货币流动性的重要指标。一般认为，中央银行通过控制货币供应量干预并影响货币政策中介指标，然后通过货币政策中介指标达到其政策目标。因此，本文选用M2同比增速的对数作为另一个传统货币政策干预工具的代理指标，用LNGM2表示。

本文利用这10个指标变量，建立VEC模型。选用的数据样本为2008年1月至2015年12月的月度数据，数据样本相对充足，满足建立模型的需要。

本文对上述指标变量的平稳性进行检验，平稳性检验采用ADF检验方式进行。根据Eviews7.0软件得出，以上10个指标变量的原始数据不全部是平稳序列，而经过一阶差分以后全部为平稳序列（在1%置信水平下显著），即以上序列为一阶单整序列。这就使得原序列满足建立VEC模型的要求。由于VEC模型克服了VAR模型的诸多不足，将误差项进行了二次提炼，以确保误差项中没有对结果或指标产生影响的数据。同时，VEC模型更多地应用于具有协整关系的非平稳时间序列建模，克服了VAR模型中每个序列必须都是平稳序列的不足。

（二）模型构建

假定一些经济指标被某经济系统联系在一起，那么从长远来看这些变量应当具有均衡关系。但是在短期，由于季节影响或随机扰动，这些变量有可能偏离均值。若这种偏离是暂时的，那么随着时间推移将会回归均衡状态，这就是协整理论。根据之前学者的研究结论，央行沟通变量与宏观金融市场变量之间基本存在着长期稳定的协整关系，且央行沟通变量与市场预期变量之间也存在着明显的协整关系。因此，本文采用的变量指标也适用于VEC模型。

一般来说，VEC模型的基本形式为：

上式中的每一个方程都是一个误差修正模型。ecmt-1=β′yt-1是误差修正向量项，反映变量之间的长期均衡关系，系数矩阵α反映了变量之间偏离长期均衡状态时，将其调整到均衡状态的调整速度。所有作为解释变量的差分项的系数反映各变量的短期波动对作为被解释变量的短期变化的影响，可以剔除其中统计不显著的滞后差分项。

根据以上的理论依据，本文设定基本模型为：

以上两个模型方程式表示的是信贷市场、资本市场与央行书面沟通、口头沟通、传统货币政策干预工具与市场预期之间的关系式，其中ecm1t-1项与ecm2t-1项为误差修正项，ε1t项与ε2t为不包含对结果或指标产生影响的误差项。Γi项与Γj为对应的各项自变量的系数矩阵，反映的是自变量各项与因变量之间存在的线性关系。

在VEC模型中的一个重要问题就是滞后阶数的确定，本文在选择滞后阶数时，既做到了有足够的滞后项，又确保了足够的自由度，从而确保了结果是可靠的。在实际研究中，比较常用的方法有AIC信息准则与SC信息准则。一般认为AIC与SC信息准则要求的值越小越好，我们利用计量软件测度分析，得出以下的结果：AIC与SC的值在滞后阶数为1时最小，因此采用的滞后阶数均为p=1。

三、实证分析与检验

（一）信贷市场模型的估计与检验

1.信贷市场模型的估计结果

根据误差修正模型的相关定义以及要求，本文建立信贷市场模型。根据Eviews软件的输出结果，本文将给出估计结果如下：

△LNCRE=-0.349△LNCREt-1-0.039△CBCWt-1+0.058△CBCOt-1-0.045△ShiborMt-1-0.098△RRt-1-0.009△MIEXCt-1-0.262ecm1t-1+0.197ecm2t-1-0.002ecm3t-1+

镜头: 尼康 AF-S 24-70mm f/2.8G ED www.benedictbrain.com

其中，ecm1t-1=LNCREt+1.447ShiborMt-0.603RRt-0.010MIEXCt

ecm2t-1=CBCWt+1.921ShiborMt-0.569RRt+0.501MIEXCt

ecm3t-1=CBCOt+2.026ShiborMt-0.595RRt+0.056MIEXCt

上面方程所显示的是信贷市场VEC模型的估计结果，结果显示，误差修正项的所有参数估计的t统计量都是显著的，而VEC模型的每个方程中有大部分的参数估计值都是显著的，同时，该模型中拟合优度为59%，说明该模型整体拟合程度相对适中。

上文中的ecmt-1就是该方程的误差修正向量，反映的是各变量之间的长期均衡关系，而变量前的系数反映了变量之间偏离长期均衡状态时，将其调整到均衡状态的调整速度。而作为解释变量差分项的系数反映的是各变量短期波动对作为解释变量短期变化的影响。

2.信贷市场模型的相关检验与分析

本文先对模型的稳定性进行检验，根据Eviews软件结果得出，该模型的AR特征根共有6个，全部为实数根，且没有根位于单位圆外，说明该模型满足稳定性要求。

接下来本文将对模型中的各变量进行广义脉冲响应函数进行检验，以分析央行沟通、市场预期、传统货币政策工具与信贷额度之间的影响关系。脉冲响应函数用于衡量来自某个内生变量的随机扰动项的一个标准差冲击（称之为“脉冲”）对模型中所有内生变量当前值和未来取值的影响。

（1）央行沟通对信贷市场预期的影响

如图1所示，图中横轴表示冲击作用的滞后期数，纵轴表示市场预期指数的响应值。图中两条实线代表了MIEXC对于CBCW与CBCO的冲击的反应。从图中可以明显看出，市场预期指数对于书面沟通与口头沟通扰动所做出的响应函数走势几乎完全相同，这说明央行沟通确实能够对市场预期产生一定的影响。

图1 MIEXC对CBCW与CBCO扰动的脉冲响应示意图

从图1中可以看出，市场预期指数对于来自央行书面沟通与口头沟通变量的冲击做出了相似的反应，但是在短期对于书面沟通扰动做出的响应明显大于口头沟通，如第2期内市场预期指数对书面沟通扰动的响应值是口头沟通的大约2.5倍，这说明书面沟通更适合用于在短期改变市场预期，但是从政策平稳性与长期冲击角度分析，央行口头沟通的效果要好于书面沟通，即口头沟通可以温和地改变市场预期并且长期内持续较好地影响市场预期指标。通过前文的分析结论，市场预期能够长期持续地影响信贷市场，因此通过央行沟通手段改变市场预期进而影响整个信贷市场规模是行之有效的。

从经济理论来看，当央行向市场传递一个宽松的信息时，市场预期应当也做出一个正向的响应，但是实证结果在短期内却做出了负向的响应，出现这种情况是因为我国货币政策沟通的透明度仍不高，央行经常会“出尔反尔”，这就造成公众“不信任”央行的言论，进而呈现出反向的状态。

（2）信贷市场中的央行沟通对传统货币政策干预工具的影响

从图2中可以明显看出传统货币政策干预工具对于来自央行沟通的扰动做出了几乎相同的反应，随着预测期的增加，响应值逐渐下降，随后保持稳定。央行沟通理论认为，当中央银行向市场释放出一个宽松的信号时，存款准备金率会下降，即央行沟通变量与市场利率成反比关系，图2中所得到的脉冲响应图也是符合理论预期的。

图2 传统货币干预工具对央行沟通的脉冲响应示意图

（3）市场预期对信贷市场规模变量的影响

图3是信贷市场模型中因变量对各自变量扰动的响应图。

图3 LNCRE对自变量扰动的脉冲响应示意图

图3中，横轴表示冲击作用的滞后时期数（单位：月度），纵轴表示信贷额度的响应，各条实线表示脉冲响应函数，代表了LNCRE对于CBCW、CBCO、ShiborM、RR与MIEXC的冲击的反应。在图中明显可以看出曲线分为三类，第一类代表的是市场预期做出的冲击，第二类代表的是央行信息沟通的冲击，最后一类是中央银行传统的货币政策干预工具的冲击。

从图3中可以看出，LNCRE对于市场预期指数扰动的响应，在当期EXC给出一个正冲击后，LNCRE对于来自市场预期指数的扰动迅速做出了正向的响应，冲击值在第5个月达到最大值（0.10左右）。随后冲击响应的数值一直稳定在最大值附近并持续做出正向的响应。预期理论认为，当公众普遍认为未来经济走势向好时，投资者会加大投资，消费者会增加消费，这也与本文得出的实证结果一致。

（4）信贷市场规模变量对央行沟通、传统货币政策干预工具的影响

央行沟通理论认为，央行发布的书面报告与发表的相关言论会对金融市场产生显著的影响，同时央行也会通过传统的货币政策工具干预经济运行，进而实现其调控经济的目的，那么这些工具对信贷市场的影响又是什么样呢？从图3可以看出两点：第一，央行书面沟通在短期内的效果要明显强于口头沟通；第二，对于央行采用传统的货币政策干预工具干预经济的手段而言，央行通过公开市场业务来调整市场利率的方式更加有效。近年来，国家宏观经济调控的方式从“强刺激”逐渐过渡到了“微刺激”，因此央行调控的方式需要更加多元化，不能仅限于调整存款准备金率，更多的则是应该通过公开市场业务来干预利率，进而影响宏观经济的运行。一般经济理论认为，融资规模与市场利率成反比，而且之前学者的研究显示，央行沟通对市场利率也有显著的影响，因此本文的实证结果也是符合理论预期的。结合上文的图1，央行沟通可以有效地引导市场预期，而市场预期对于信贷市场的冲击也非常明显，同时，从图3中也可以看出，央行沟通对传统货币政策干预工具也产生了明显的影响，进而通过传统工具影响信贷市场，因此，本文认为央行通过结合使用沟通工具与传统的货币政策工具干预实体经济运行的效果更佳。

另外，通过方差分解得出：书面沟通变量对于信贷市场规模变量影响的贡献度为11%左右，而口头沟通对于信贷市场规模影响的贡献程度为10%多，两者合计的贡献值超过20%。相对于央行沟通，传统的货币政策干预工具对于信贷市场规模变量影响的贡献度合计只有不到1%，可见近年来传统的货币政策干预工具对于市场的影响比重远远小于央行沟通这种新型的货币政策干预工具。相比于货币政策干预工具的影响，市场预期对于信贷市场规模的贡献要大得多，占比大约稳定在35%左右，这也说明了市场预期对于实体经济产生的冲击作用非常明显。

（二）资本市场模型的估计与检验

1.资本市场模型的估计结果

类似地，本文给出资本市场模型的误差修正的估计结果：

△RSZZS=0.226△RSZZSt-1-0.019△CBCWt-1-0.027△CBCOt-1+15.19△BDRt-1+0.169△LNGM2t-1+ 0.048△CIEXCt-1-1.408ecm1t-1+0.046ecm2t-1+0.028ec m3t-1+3.715ecm4t-1+

其中，

ecm1t-1=RSZZSt+0.003LNGM2t-0.003CIEXCt

ecm2t-1=CBCWt-0.947LNGM2t+0.672CIEXCt

ecm3t-1=CBCOt-0.552LNGM2t+0.428CIEXCt

ecm4t-1=BDRt+0.004LNGM2t-0.013CIEXCt

结果显示，误差修正项的所有参数估计的t统计量都是显著的，而VEC模型的方程中有绝大部分的参数估计值都是显著的，同时，该模型中拟合优度为49%。

2.资本市场模型的相关检验与分析

与信贷市场模型相同，资本市场模型的滞后长度为1且有6个内生变量，因此所估计的模型的根有6个。根据计量软件输出结果得出6个根全部为实数根，且没有根位于单位圆外，说明模型是稳定的。

（1）央行沟通对资本市场投资者预期变量的影响

央行沟通理论认为，央行通过向金融市场传递信息，会使得投资者改变对当前金融市场前景的判断，进而使得投资者在资本市场投资与否做出选择，若央行发布偏紧的信息沟通，投资者会看淡资本市场投资前景，减少投资。

图4 CIEXC对CBCW与CBCO扰动的脉冲响应示意图

从图4中可以看出，资本市场投资者预期指数对于来自央行书面沟通与口头沟通变量的冲击做出了相似的反应，但是在短期内对于书面沟通扰动做出的响应明显大于口头沟通，对比两者的响应极值可以发现，市场预期指数对书面沟通扰动的响应值是口头沟通的约2.7倍，这说明书面沟通更适合用于在短期改变市场预期，并且从长期响应值分析，书面沟通的效果更好。当然，从维持资本市场稳定的角度看，央行通过口头沟通的方式更加温和，影响更小。通过前面的叙述，市场预期对于资本市场存在着较为明显的冲击效应，因此可以认为通过央行沟通改变资本市场投资者预期进而影响资本市场收益的货币政策工具干预资本市场的渠道是可行的。

（2）资本市场中的央行沟通对传统货币政策干预工具的影响

图5 BDR与LNGM2对CBCO于CBCW扰动的脉冲响应示意图

从图5中可以看出，存款基准利率与M2增速对于来自央行口头沟通与书面沟通的扰动做出了非常相似的响应。首先，当央行沟通的一个标准差产生一个正向的冲击后，BDR指标迅速做出了反向的响应，并在较短时间内达到负向极值，随后开始上升，而两条曲线最终在15期左右达到正向极值并保持稳定。央行沟通理论认为，央行向市场释放一个宽松信号时，市场中流动性增强，进而促使利率与准备金率下降，本文得到的结论在初期是符合理论预期的。同时，当央行传递宽松信号时，会使得市场流动性增强，进而使得M2规模也出现正向的响应，这也与央行沟通理论相吻合。

（3）投资者预期变量对资本市场收益率变量的影响

图6 RSZZS对自变量扰动的脉冲响应示意图

图6中可以看出，在当期CIEXC的标准差给出一个正冲击后，资本市场对于来自市场预期的扰动迅速做出了响应，冲击值在第2个月达到最大值。随后冲击响应的数值逐渐减小并于第6期回归至初始状态，因此投资者预期在短期内可以对资本市场产生重大影响，但是从长期看，不会对资本市场产生太大影响。按照预期理论，当投资者预测未来资本市场会出现上涨，则将会增加购买资产，进而推动资本市场的上涨，而本文的实证结果也是符合理论预期的。

（4）资本市场收益率对央行沟通、传统货币政策干预工具的影响

理论上看，融资成本的提高将会使得资产价格下降，货币发行规模的扩张将会推动资本市场的收益率上升，而根据央行沟通理论，央行沟通力度与资产价格成正比。结合图4，央行沟通可以显著地影响到市场预期，而市场预期在短期内对资本市场的冲击也十分显著，同时通过图6可以看出，央行沟通影响传统政策工具进而通过传统干预工具影响资产价格的传导渠道也是非常显著的，因此在干预资本市场运行时，央行应当把两者组合使用。

另外，通过方差分解可以得出：在各变量指标的贡献率大致稳定后，书面沟通对于资本市场收益率的贡献度为10%左右，而口头沟通对于RSZZS的贡献程度大至为6.5%，两者合计的贡献值超过16%。相对于央行沟通，传统的典型货币政策干预工具——存款基准利率与公开市场业务对于收益率的贡献度合计只有大约3%，可见近年来传统的货币政策干预工具对于资本市场的影响比重远远小于央行沟通这种新型的货币政策干预工具。相比于货币政策干预工具的影响，市场预期对于资本市场的贡献要大得多，占比大约稳定在4.6%左右，这也说明了市场预期对资本市场产生的冲击作用非常明显。综上所述，央行沟通对于资本市场的运行影响较大，随着我国资本市场的逐渐成熟，市场更容易受到央行沟通的新型货币政策工具的影响。相较于传统的政策工具，沟通更加有利于稳定市场与调节市场预期，这样的结论也与之前学者们的研究结论吻合。

四、主要结论及政策建议

（一）主要结论

第一，中央银行通过发布宽松的书面或口头公示时，信贷规模与资本市场均出现明显的上升；相反，若央行发布紧缩性的书面或口头公告，信贷指标与资本市场收益率则会出现一定程度的下滑。这说明中央银行沟通可以作为调整与干预实体经济运行的一种较为有效的货币政策工具，从沟通效果分析，书面沟通对市场的影响更强。

第二，传统的货币政策干预工具对于经济的干预程度较央行沟通差距明显。这说明随着我国各市场的逐渐成熟，经济各个领域对于来自传统的货币政策工具的干预产生了较为明显的“免疫力”，因此，未来央行在使用传统货币政策工具时必须与央行沟通结合起来使用才能产生预期的效果。

第三，央行要合理地引导市场预期，当公众对未来经济看好时，信贷市场规模与资本市场收益率都会明显上升。因此，为了保证货币政策的有效性，就必须要及时有效地改变公众对未来经济的预期，这样才可以尽可能地减少政策时滞。

（二）政策建议

第一，正确预判经济走势，及时发布沟通内容。本文认为，对经济运行基本状况的预判是进行央行沟通的首要前提，而沟通内容的选择是央行沟通策略制定的最重要环节。当前，国际经济形势错综复杂，国内经济增速面临持续下滑压力，因此，正确判断未来经济走势是央行的首要任务，同时要求央行必须根据判断的结果及时地确定沟通的内容。

第二，合理选择沟通方式，组合使用传统工具。本文认为，选择何种沟通方式至关重要，因为不同的央行沟通方式对市场的冲击效果是大相径庭的，从前文的实证结果看，书面沟通冲击作用远大于口头沟通，因此，央行必须做出决断。同时在央行确定某种沟通方式后，还必须考虑是否将之与传统的货币政策干预工具进行组合使用以达到更好的效果，央行应当审时度势、果断决策，在综合各方面信息之后确定选择匹配哪种货币政策传统干预工具。

第三，合理引导市场预期，有效缩短政策时滞。近年来，加强预期管理在提高货币政策有效性的作用中所占比重越来越大。市场预期在货币政策传导机制中扮演的角色越发重要，因此央行必须加强预期管理，合理引导市场预期，只有市场预期与货币政策目标保持一致才能有效提高政策效率。这就要求中央银行必须合理地把握沟通时机，如何选定运用这种新型的、非传统的货币政策工具的时机，则是央行沟通过程中一个不容忽视的要素。

参考文献

[1]Blinder A.S,M.Ehrmann,M.Fratzscher,J.D. Haan,D.J.Jansen.Central Bank Communication and Monetary Policy:A Survey of Theory and Evidence[J]. Journalof Economic Literature,2008,46(6):910～945.

[2]Kliesen,K.L,Schmid,F.A.“Monetary Policy Actions,Macroeconomic Data Releases,and Inflation Expectations”,Federal Reserve Bank of St Louis Review[R].2004,(86):9～21.

[3]Jansen，David-Jan，andHaan，JakobDe，“The Importance of Being Vigilant:Has ECB Communication Influenced EURO Area Inflation Expectations?”, CESifo Working Paper[C].2007:No.2134.

[4]Ullrich,K.“Inflation Expectations of Experts and ECB Communication”[J].North American Journal ofEconomics and Finance,2008(19):93～108.

[5]Musard-Gies M.Do ECB’s Statements Steer Short-Term and Long-Term Interest Rates in the Euro-Zone?[R].The Manchester School,2006,74:116～139.

[6]J Haan and D Janson.The Communication Policy of European Central Bank：An Overview of the First Decade[R].DNB Working Paper,2009,No.212.

[7]Bernd H and Matthias N.Bank of Canada Communication,MediaCoverage,and Financial Market Reactions[R].Working Paper,2010，No.20.

[8]李云峰.中央银行沟通、实际干预与通货膨胀稳定[J].国际金融研究,2012,(4),15～23.

[9]王雅烱.通胀预期管理下中央银行沟通的有效性研究——基于中国2003～2010年数据的实证分析[J].上海经济研究,2012,(4):24～35.

[10]冀志斌,宋清华.中央银行沟通的金融市场效应——基于中国数据的实证分析[J].宏观经济研究,2012,(09):45～53.

[11]史焕平,陈琪,胡滨.中央银行沟通对货币市场影响的有效性研究——基于中国2006～2014年数据的实证分析[J].经济问题,2015,(11):30～34.

[12]史焕平,谭天骄.央行沟通与实际干预工具的组合匹配：来自美联储的证据[J].当代财经,2015, (9):41～50.

[13]马理,黄帆帆,孙芳芳.央行沟通行为与市场利率波动的相关性研究——基于中国银行业同业拆放利率Shibor的数据研究[J].华中科技大学学报, 2013,(6):88～97.

F820.1

A

1006-169X（2016）12-0032-08