前瞻性货币政策研究——利用GARCH 模型考察CPI 的波动性

文/刘晨（西北政法大学）

一、引言

消费者物价指数（CPI）这一指标用于考察居民家庭购买消费商品及服务的价格水平的变动情况，与人民群众的生活密切相关。它是进行经济分析和决策、价格总水平监测和调控以及国民经济核算的重要指标。其变动率一定程度上反映了通货膨胀或紧缩的程度。一般而言，当物价较为全面地、持续地上涨就被认为发生了通货膨胀。所以，CPI是政府调控宏观经济所需要重点考察的指标之一。

国内学者就货币政策进行了全面深度的研究。在货币政策体系整体层面上，潘敏（2016）认为，在经济发展新常态的背景下，我国货币政策体系存在架构上的不足，应及时完善我国货币政策体系。货币政策作为政府的重要调控手段，其政策的有效性是学者们重点关注的一个方向。余建干（2008）就中国货币政策的有效性做了全面的论述并进行了实证分析；朱芳、张文丽（2010）提出“核心CPI”对我国CPI 体系进行一定的补充，核心CPI的测度一定程度上增强了货币政策的有效性。完善的具体措施方面，刘明、谌亦雄（2016）经过实证分析发现，长短期利差对宏观经济的增长变动具有显著预测能力，认为货币当局应重视通胀预期管理，把利率期限结构作为货币政策预期管理的重要工具。提出预期管理的重要性，要转换中国被动应对的货币政策为主动调控的前瞻性货币政策。

由于金融时间序列有聚集现象和易波动的性质，且货币政策所参考的CPI 指标具有时滞性。挑选GARCH 模型是十分合适的。而对GARCH 模型的运用，大多数学者把其运用于股票收益率、股票价格等指标上的研究，比如李莉、姚远（2016）选取两种非正态分布的GARCH 类模型对我国沪深300 指数进行实证研究，证明消息对股票收益率存在杠杆效应；徐绪松、马莉莉、陈彦斌（2002）也运用GARCH模型对我国上海股票市场的收盘价的波动性进行研究。CPI 的波动性研究方面，肖强运用GARCH 模型进行了研究，但是较为模糊，而且与货币政策的宏观调控手段的关联性不强。

鉴于上述学者的研究，本文尝试用GARCH 模型研究CPI 的波动性并根据实证结果考察CPI 这一指标的预测性，将这一点与货币政策的发展转变结合。

二、理论机制

货币政策是指中央银行为实现其特定的经济目标而采用的各种控制和调节货币供应量和信用量的仿真、政策和措施的总称。而“特定的经济目标”有四个：稳定物价、充分就业、经济增长和国际收支平衡。稳定物价目标是中央银行货币政策大的首要目标，物价稳定即控制通货膨胀，使一般物价水平在短期内不发生急剧的波动。衡量物价的指标有国民生产总值（GNP）、居民消费物价指数（CPI）、批发物价指数等。

其中，CPI 是指具有代表性的消费商品以及服务项目价格水平随时间而变动的相对数，反映居民家庭购买的消费商品及服务项目价格的变动情况。它与通货膨胀紧密相关，一般而言，当CPI 大于3%经济处于通货膨胀状态、大于5%时对应的上严重的通货膨胀。CPI 的意义在于对宏观经济政策的制定、调整上具有重要的指标指向作用。另外，CPI 是一个滞后性的数据，前期的CPI 对后期的CPI 有时滞性影响。而GARCH 模型在条件方差的方程加上了滞后的项，能较好体现CPI 的变动。本文使用GARCH模型对CPI 同比增长率这一研究指标来考察我国CPI 的波动性。除了CPI 本身前期会对CPI 即期产生影响外，影响CPI 的因素还有货币供应量、利率、GDP 等。货币供应量越大，货币的价值越低，物价因此上升；利率越高，人们的储蓄倾向越大进而使流通中的实际货币量减少，导致物价下降；GDP 越高代表一国的经济状况发展的较好，GDP的增长一定程度上与国家的基础投资建设是一致的态势，而大量的基础建设极大地提高了对应原材料的需求，需求大于供给会提升物价。

经济发展具有不断重复的周期性特点，即从繁荣到衰退，衰退到萧条，萧条到复苏，从复苏到再次繁荣的往复循环的状态。政府的货币政策、财政政策等经济调节手段目的在于维持经济稳定发展、充分就业等目标，将经济保持在一个较为稳定的状态。这些调控手段可以看作是经济的“熨平器”，让经济不过度繁荣也不过度低迷。货币政策和财政政策的调节历史上经历了从被动调节向主动调节的发展过程。伍德福德提出通胀率和产出缺口由总供给曲线和跨期欧拉方程二者决定，认为最优货币政策需要结合历史特性，可以解决高通胀率的同时减少产出缺口和短期名义利率的波动。这一理论对前瞻性货币政策提出了挑战。前瞻性货币政策的核心是预期管理，但是往往因为复杂的各种因素未实现预想的政策效果。加强货币政策前瞻和后顾特性，比如加入历史依赖变量——滞后项等。故本文模型选取加入滞后项的GARCH 模型符合货币政策的演进变化。

三、模型介绍

GARCH 模型是广义自回归条件异方差模型的简称，适用于事件序列波动性的解释和建模。异方差模型的方差具有时间易变性，即其方差随时间的变化而变化。它的基本思想是扰动项的条件方差依赖于其前期值的大小的同时引入了滞后项。在标准化的GARCH(1,1)模型中，均值方程为，方差方程为。

金融市场易受外界因素发生突然性波动地影响并具有一定的延续性，比如2020 年新冠疫情、石油战等因素使得美股迅速下跌，甚至触发了五次熔断。这种波动性现象会使股票收益率的分布不再满足正态分布，而是呈现高峰肥尾状态。GARCH 模型能较好解释这种波动聚集的现象，故一般GARCH 模型用于股票价格、股票收益率等指标地研究。而根据上述对GARCH 模型的基本思想和特点的分析介绍，不难发现具有时滞性且有波动现象的指标是GARCH 模型较好的适用时间序列数据。

四、实证分析

本文选取1998 年1 月至2018年12 月共252 个月我国CPI 同比增长率，消除了季节性影响，数据来自国家统计局网站。

实证分析首先对CPI 同比增长率序列进行描述性分析，总结其数据统计特征；其次对该序列进行单位根（ADF）检验测定平稳性和自相关性检验；再次设定均值方程进行ARCH-LM 检验；最后根据其检验结果，建立GARCH 模型以此研究CPI 波动情况。

（一）描述性分析

根据中国1998 年1 月至2018年12 月的CPI 月度数据做折线图，可以看出CPI 呈不断上下浮动的状态，除去少部分年份CPI 大致在100 至104 的范围内变动。这表明中国的生活成本的增幅率一致保持在一个稳定的状态，对应的通货膨胀也在理想的通货膨胀预期里，经济稳定增长（图1）。

图1 CPI（去年同期=100）的折线图

观 察1998 年1 月 至2008 年5月的CPI 走势，发现其呈不断上升的趋势。这与理论机制分析GDP 的走势会影响CPI 的走势分析是一致的，并且GDP 对CPI 的影响是需要经历一段时间的作用才能体现在CPI 的变动趋势上的。这一点恰好可以通过次贷危机来说明。次贷危机于2006 年上半年就已经逐步显示出来，在2007 年已经集卷了美国、欧盟、日本等世界主要金融市场，但是看CPI 的变动情况却在2008 年的5 月达到最高点后快速下降。这一现象是因为实体经济的运行一旦发生偏移市场再次处于新的均衡点这一阶段需要较长时间才能完成，次贷危机对居民消费造成影响需要时间作用。

1998 年 至2000 年 的CPI 指 数小于前一年同期，即物价上涨率为负。这一现象的背景是由于我国1990 年至1996 年货币供应量增幅接近30%，由此造成的过度泡沫经济和高通货膨胀。央行为降低高通胀给经济发展带来的不利方面，采取了紧缩的货币政策。面对经济不利环境所不得不作出的被动的货币货币政策比起具有主动调节意识的前瞻性货币政策会给经济带来更多的不稳定性，数据也侧面应证了这一点：1997 年后又陷入了几年的通货紧缩状态。

（二）数据统计特征检验

从图2 中可以看出，CPI 增长率的均值为0.0000631，最大值为 0.019437，最小值为-0.02608，标准差为0.005807，标准差较小，说明数据波动较小。偏度为-0.353271，偏度值小于0，说明数据呈左偏分布，峰度为4.868974，峰度大于0，说明数据是高峰分布。JB 统计量为41.75243，其P 值为0.0000 小于0.05，说明数据不服从正态分布。

图2 CPI增长率的直方图

（三）平稳性检验

建立GARCH 模型要求时间序列数据必须是平稳序列，否则可能会出现“伪回归”现象。下面对CPI 增长率的平稳性进行检验，检验结果如表1 所示。

由表1 可知，ADF 检验统计量的值为-6.555729，其对应P 值为0.0000 小于0.05，拒绝原假设，说明CPI 增长率是平稳序列。

表1 CPI增长率ADF检验

（四）自相关检验

对CPI 增长率序列进行自相关和偏自相关检验，检验结果，如图3 所示。

从图3 中可以看出，CPI 增长率自相关和偏自相关系数基本都在两倍标准差内，并且Q 统计量的P值都小于0.05，说明存在显著的序列相关。12 阶明显超出2 倍标准差，因此，GARCH 模型的均值方程可以设定为以下形式：

图3 CPI增长率自相关和偏自相关图

通过Eviews 软件可以将方程估计出来，则估计方程为：

（五）ARCH 效应检验

对均值方程的残差进行LM 检验，检验结果如表2 所示。

表2 ARCH效应检验

由表2 可知，ARCH 效应检验的F 统计量为19.8587，对应P 值为0.0000，说明存在ARCH 效应。

（六）GARCH 模型估计

通过前面对CPI 增长率一系列相关检验，可知CPI 增长率存在ARCH 效应，可以建立GARCH 模型。利用AIC 来确定最优滞后阶数，通过多次测试可知，GARCH（1,1）满足条件，下面分别建立这种模型。估计结果如表3 所示。

由 表3 可 知，GARCH(1,1)模型的系数在10% 显著性水平下，通过了显著性检验。并 且RESID(-1)^2=0.073945＞0,GARCH(-1)=0.834451＞0，满足条件方差非负要求，并且二者之和小于1，满足平稳性要求。

表3 GARCH(1,1)估计值

五、结论

本文应用GARCH 模型对我国CPI 同比增长率从1998 年1 月至2018 年12 月的时间序列进行了实证研究。结论如下：

（1）ADF 检验结果表明，所选样本CPI 同比增长率序列是平稳的；

（2）样本数据的统计分析表明，我国CPI 同比增长率具有非正态性和高峰肥尾特特征；

（3）CPI 当月波动性受前两个月的影响；

（4）CPI 同比增长率具有显著的异方差性，并可以采取GARCH(1,1)模型对时间序列的波动性进行解释和预测。

由上述分析结果可看出，条件方差等式中的RESID(-1)^2 和GARCH(-1)这两项之和趋近于1 并且小于1，说明该模型是协方差平稳的，即模型是可预测的，并且过去的波动对将来的影响是逐渐减小的。这一结果与前瞻性货币政策的改进需纳入后顾性因素，比如历史依赖变量（滞后项）是一致的。实证分析证明对社会最优的货币调节政策必然不是纯粹的前瞻性货币政策，而需兼顾后顾性，考虑货币政策调节工具或指标本身存在的历史特性。

六、政策建议

消费者物价指数调查的是社会产品和服务价格的最终价格，与居民的日常生活密切相关，CPI 的高低直接影响着国家的宏观经济调控措施的制定，故要综合运用货币政策等宏观调控手段以抑制CPI 指数的剧烈波动，使国家经济保持在健康平稳运行的状态。

（一）把握CPI 和货币政策二者的时滞

由于CPI 具有时滞性，根据本文的实证分析可知CPI 的波动一定程度上可通过模型根据CPI 历史数据可预测未来CPI 大致数值，可以根据该预测值对货币政策进行调整改变，即可以采取较为主动的前瞻性货币政策。值得注意的一点是，货币政策也具有一定的时滞性，故在调整过程中要把货币政策的时滞性考虑在内。目前中国的货币政策效果因方向的不同效果也不同，采取扩张性的货币政策时其时滞性较大，即扩张性货币政策的效果会减弱；相反地，采取紧缩性货币政策时其时滞性较小，即紧缩性货币政策的效果更加明显。

（二）提高中央银行的独立性不可能三角

为“熨平”经济周期给经济带来的影响，稳定经济、抑制物价剧烈波动等央行采取的货币政策是其中较为重要的调控举措。为了更好地达到预期的效果，应保证在货币政策实施过程中其独立性，从而保证货币政策的灵活性以适应货币流通速度的变化和不断更新换代的金融工具等。赋予央行足够多的独立自主决策权，当央行的决策方向与政府政策产生冲突时，更多的自主决策权会更大程度保证居民消费价格指数的平稳。

（三）从统计范围根本上保证CPI 稳定性

消费者物价指数在计算时选取的统计范围涵盖了全国城乡居民你生活消费的食品烟酒、衣着、居住、生活用品及服务、交通和通信、教育文化和娱乐、医疗保健、其他用品和服务等8 大类、262 个基本分类的商品与服务价格。我们的目的在于使CPI 保持稳定，那么政府在调控时除了采取货币政策、财政政策等宏观调控手段，还可以从微观层面入手，即制定CPI 统计范围的所有商品和服务相关行业的制度、建立对应的组织予以保护等，从根本上提高稳定性，消除潜在不稳定风险。实际上这些措施最终会促进经济，提升国民幸福度。相应地，加快社会保障体系，比如医疗、养老等保障制度和救济体系，以此降低人们对未来预期地不确定性，这会在一定程度上改变人们的消费习惯，即储蓄倾向性降低、即期消费倾向增高，刺激居民消费。