资产价格协同波动对通货膨胀的前导效应研究

李雅静

（陕西国际商贸学院 管理学院，陕西 咸阳 712000）

一、引言

控制通货膨胀是货币政策的重要目标，温和的通货膨胀有利于宏观经济平稳运行。但是，资产价格的频繁、巨幅波动会致使货币政策调控目标难于达到预期。因此，货币政策的资产价格传导渠道，特别是资产价格波动对货币政策最终目标的前导效应便成为各国中央银行和经济学家关注的焦点问题，也是其力图深入研究的重点问题。

近几年，我国股票市场波动异常剧烈，房地产市场在持续的严控政策下依然保持上涨趋势，债券市场在余额宝等金融产品的冲击下发生显著变化，外汇市场在国际经济及政治重压下也不得不扩大涨跌幅空间，致使我国币值稳定的货币政策目标的控制难度日益加大[1]。那么，各种资产价格波动对通货膨胀的前导效应程度如何？持续时间长短怎样？更为重要的是，在各种资产价格的联动性日益加强、相互作用机制愈加复杂的背景下，各种资产价格的协同波动是否更有益于预测通货膨胀，这些问题都有待我们深入分析、研究。本文重点是从资产价格波动对通货膨胀的前导效应的视角，研究资产价格波动对通货膨胀的预测效果，不仅研究单一资产价格对通货膨胀的前导效应，更重要的是试图分析资产价格协同波动对通货膨胀的前导效应，期望通过分析资产价格协同波动对通货膨胀的前导效应来回答中央银行在制定货币政策时应如何考虑资产价格波动对通货膨胀的影响这一问题，以便为货币政策的完善提供依据。

从对已有相关研究文献的梳理发现，国内外学者认为资产价格波动对通货膨胀有显著影响[2]，货币管理当局能够通过资产价格波动来预测通货膨胀走势，为中央银行制定货币政策（将资产价格波动考虑在内）提供了理论支持及实证依据[3]。然而，已有研究主要聚焦于单一资产（如股票、房地产、外汇等）价格波动对通货膨胀的影响及对影响效果的考量[4]，忽视了多种资产价格之间复杂的相互作用机制，使得通过资产价格走势预测通货膨胀的效果大打折扣。鉴于上述原因，本文重点从单一资产价格波动以及资产价格协同波动两个视角来分析其对通货膨胀的前导效应，分别采用ARDL模型[5]与PCA法，研究两个角度下资产价格波动对通货膨胀的预测效果，从而为中央政府完善货币政策提供依据。

二、理论模型设计

（一）单一资产价格波动对通货膨胀前导效应检测模型

1.单一资产价格波动序列的计算

采用Pagan等[6]（1990）提出的公式计算资产价格波动序列：

其中，Xt为第t期的资产价格；E(Xt)为资产价格Xt的期望值。

2.单一资产价格波动对通货膨胀前导效应检测模型设定

本文以通货膨胀（用消费价格指数的环比数据CPI来衡量）为被解释变量，选取股价、房价、债券价格和外汇价格波动的当期及前期值为解释变量[7]，需求（用GDP表示）的当期及前期值、通货膨胀的前期值为控制变量。检测单一资产价格波动对通货膨胀前导效应的理论模型可设定为ARDL模型，如式（2）。

（二）多种资产价格协同波动对通货膨胀前导效应检测模型

在实际中，各资产价格之间能够相互传递信息，一种资产价格的波动往往会引起其他资产价格发生变化，若直接将各资产价格波动作为解释变量引入模型，会产生多重共线性问题。因此，本文用主成分分析法来剔除变量间的相关性。

1.主成分分析法

假设有P个指标，用向量表示为V=(V1,V2,V3,…,Vp)，其Vi=(ν1i,ν2i,…,νni,)。那么，第i个主成分就可以表示为：

PCi=a1iV1+a2iV2+…+apiVp，其中PCi与PCj(i≠j,i,j=1,2,…,p)不相关，第i个主成分PCi是

V1,V2,V3,…,Vp的一切线性组合中方差递减排列位于第i个位置的组合得到的变量，而对应的系数向量(a1i,a2i,…,api)则恰好是V的协方差矩阵的第i个最大的特征值所对应的特征向量，aki表示VK在PCi中的贡献。

2.多种资产价格协同波动对通货膨胀前导效应检测模型设定

记主成分分析法得到的新变量为PCi，则以PCi替换式（2）中的σi，从而作为新的资产价格协同波动变量，通过检验βi显著性判断资产价格协同波动是否对通货膨胀产生前导效应。衡量资产价格协同波动对通货膨胀的前导效应的检测模型见（3）：

由于PCi是根据主成分分析得到的，任一变量都包含了资产价格波动的信息，均可认为是不同程度的资产价格协同波动结果。在给定的显著性水平下，若任何一个参数βi的t统计量显著不为零，则表明资产价格协同波动对通货膨胀产生前导效应，若全部参数βi联合为零的假设被接受，则表明资产价格协同波动对通货膨胀不产生前导效应。

三、资产价格波动对通货膨胀的前导效应实证分析

（一）数据来源与处理

本文选取上证综合指数、房地产价格指数、上证国债指数、汇率分别代表股票价格（gp）、房地产价格（gf）、债券价格（gz）和外汇价格（h），其中汇率为美元兑人民币的比率，由于GDO没有月度数据，采用工业增加值的月度数据近似代替。考虑到数据的可获得性，本文选取2003年1月—2018年5月的月度数据（数据来源于新浪财经网、中经网产业数据库、国家统计局、中国人民银行）。为消除异方差，对各解释变量取自然对数，分别记为lngp、lngz、lngf、lnh及lnGDP。为防止时间序列的伪回归，对数据序列进行单位根检验，检验结果显示lnGDP、lngf平稳，CPI、lngp、lngz、lnh的一阶差分平稳。

（二）单一资产价格波动对通货膨胀前导效应实证分析

将股票价格波动（lngpt）、债券价格波动（lngzt）、房地产价格波动（lngft）、外汇价格波动（dlnh）分别带入通货膨胀的ARDL模型（2）中进行参数估计及t统计量检验。在构建ARDL模型时，采用由一般到简单的建模方式，在进行一般模型设计时，由于采用数据为月度数据，故将模型的滞后变量选为最大值12，对模型进行估计，通过对模型中不显著的变量加以剔除，得到简洁模型，最终得到的简洁模型具体结果见表1：

方程（4）—（7）表明：在10%的显著性水平下，股票价格、债券价格、房地产价格，以及外汇价格波动均对通货膨胀产生前导效应，但滞后期数不同。具体来看，滞后2个月的股票价格波动系数显著，表明股票市场波动在短期内就能够引起物价水平变化，由于股票价格变化直接导致其持有者财富的变化，股票价格波动频率较高，收益与亏损在短期内即可显现，进而通过财富效应等引起物价水平发生变化。在债券市场上，滞后1个月的债券价格波动系数显著，债券价格波动影响物价水平的途径与股票价格相似，并且也是在短期内影响物价水平。在房地产市场上，房价波动的滞后4个月系数显著，随着城镇化进程加快，居民住房需求量增大，房价上涨，物价水平随之上涨。与股票相比，债券价格波动和房地产价格波动的影响系数较大，原因可能是：对于债券市场，本文采用的是上证国债指数代表债券市场，由于货币管理当局的干预，国债市场对通货膨胀的影响大于股票市场。房地产价格的滞后4个月系数远大于股票价格的系数，由于中国的传统文化，房产成为每家甚至个人偏好的财产，需求量较大，而股民只占总人口的12%。另外，房地产是银行提供贷款的主要抵押品，房价的涨跌直接影响贷款，进而影响贷款者的投资或消费。因此，房地产市场变化的影响作用大于股票市场。在外汇市场方面，外汇价格波动的滞后3个月系数显著，外汇价格变化1个百分点，物价同向变化0.7个百分点。总体来看，股票、债券、房地产、外汇对通货膨胀的影响均为正效应，表明资产价格上涨将加剧通货膨胀。

表1 简洁模型回归结果

表2 主成分分析结果

（三）多种资产价格协同波动对通货膨胀前导效应实证分析

1.资产价格波动序列的主成分分析

对资产价格波动序列（lngp，lngz，lngf，lnh）做主成分分析。

根据主成分分析累计贡献率达到85%的准则，选取前三个主成分，记为PC1，PC2，PC3（见表2）。各变量对主成分的贡献用该变量的载荷绝对值衡量，因此，第一主成分（PC1）中各资产价格的贡献基本均等，第一主成分代表四种资产价格的协同波动；第二主成分（PC2）中股票价格波动与汇率波动的贡献较大，分别为67%和63%，第二主成分主要代表股票价格与汇率的协同波动，也印证了在实际中，股市与汇市相互之间存在联系；第三主成分（PC3）中房地产价格的贡献最大，汇率的贡献也较大，达到0.51，第三主成分主要代表房地产价格与汇率的协同波动，这也说明房地产市场与汇率能够相互影响[8]。

2.多种资产价格协同波动对通货膨胀的前导效应分析

通过单位根检验知PC1，PC2，不平稳，一阶差分后均平稳，PC3平稳。将dPC1，dPC2，PC3加入到通货膨胀方程中，对模型进行估计，估计结果见方程（8）。

在95%的置信水平下，dPC1,t-1，dPC2,t-2，dPC3,t-1，的t统计量均显著，表明股票价格、债券价格、房价及外汇价格对通货膨胀产生协同波动前导效应，也进一步说明股票价格、债券价格、房价及外汇价格之间联系紧密，能够通过协同作用影响通货膨胀。具体来说，第一主成分滞后一期显著，表明通货膨胀对资产价格协同波动影响的反应迅速，滞后期短于单一资产价格，并且，当资产价格整体波动剧烈时，会导致通货膨胀加剧；第二主成分滞后2个月的系数显著，第三主成分滞后1个月的系数显著，第一、二、三主成分的系数符号均为正，与方程（4）—（7）中单一资产价格波动变量的系数符号也一致，这说明不仅单一资产价格波动，股票价格与汇率的联合波动、房地产价格与汇率的联合波动以及四种资产价格联合波动都会导致通货膨胀的加剧。

3.多种资产价格协同波动对通货膨胀前导效应的格兰杰因果检验

本文尝试对主成分变量进行加权平均编制资产价格综合指数来简单清楚地表明资产价格的协同波动。将资产价格综合指数记为API（Asset Price Index），其计算方法见式（9）：

其中，权重ω1，ω2，ω3，分别为PC1，PC2，PC3在主成分分析中的贡献率。根据主成分分析结果得出：

为了考察该资产价格综合指数对通货膨胀的影响效果，我们采用格兰杰因果检验法，检验结果见表3。

表3 资产价格综合指数对通货膨胀的格兰杰因果检验结果（p值）

表3表明，资产价格指数是通货膨胀的格兰杰原因，在短期内统计量显著，P值均不大于0.1。此外，这一结果也表明资产价格是通货膨胀的先行指标，蕴含了预测通货膨胀的信息。

四、结论及建议

我国货币政策的目标是稳定物价，并以此促进经济增长。稳定物价的前提是能够及时准确判断其走势，以采取相应的措施，资产价格作为影响通货膨胀的因素之一，分析资产价格与通货膨胀的关系十分必要[9-10]。通过分析股票价格、债券价格、房地产价格及外汇价格波动对通货膨胀的前导效应发现：第一，股票价格、债券价格、房地产价格及外汇价格波动对通货膨胀均有显著的正向前导效应，但强度不同。其中，债券市场最强、股票市场最弱，房地产市场和外汇市场居中，且通货膨胀对这四种资产价格的响应速度不同，债券市场最快，其次是股票市场和外汇市场，房地产市场最慢。建议中央银行在参考资产价格制定货币政策时考虑这种差异性。第二，多种资产价格协同波动对通货膨胀具有显著的正向滞后前导效应，资产价格综合指数是通货膨胀的格兰杰原因，说明资产价格协同波动对通货膨胀具有预警作用，中央银行在制定货币政策时应考虑资产价格的协同波动，并可尝试通过编制资产价格综合指数对通货膨胀进行提前预报。