中美大国货币政策效应对数字货币影响评测——基于两国模型下利差和汇率时变冲击检验

郭 栋

（国家开发银行，北京100031）

一、引言

最近，Facebook 发布加密货币Libra 的白皮书，引起各国的高度关注。回顾比特币近三年的发展进程，价格暴涨暴跌，各种突发事件频发，数字货币交易平台已成为风险偏好型投资者的“赌场”。中美作为最大的经济体，两国的政治经济差异是否会像影响其他金融资产一样对数字货币或通过数字货币流通产生新的政策溢出效应，成为本文研究的关注点。

二、文献研究

谢平（2015）[1]指出数字加密货币基于密码学和网络P2P技术，由计算机程序产生，并在互联网上发行和流通。中本聪（Satoshi Nakamoto，2008）[2]首次提出区块链的概念。巴曙松（2019）[3]认为区块链推动了金融变革路径，互联网技术与金融行业的结合，使得信息更加对称，提高了金融行业的支付结算效率，降低了货币融通的成本。

Velde（2013）[4], Lo 和Wang（2014）[5]及Yermack（2015）[6]对数字货币是否满足货币的经济定义进行分析。Glaser 等（2014）[7]发现大多数比特币投资者将其视为具有投机性的资产而非支付工具。Dyhrberg 等（2015）[8]进行非对称的GARCH 分析，认为比特币在支付媒介和价值储藏的方面具有比较优势，得出比特币是介于美元和黄金之间的工具。郭栋（2019）[9]通过比对比特币和主要货币（美元、人民币、欧元和日元）及其国债特征，得出比特币为代表的旧数字货币不是完全“去美元化”的，具有显著的“去人民币化”特征，表现为在汇率上的挤出替代和在利率上对人民币国债的负面压力。

Kristoufek（2015）[10]分析了基本面、投机、技术和中国市场四个方面的因素对比特币价格的影响，发现货币供给等基本面因素在长期发生作用，比特币受投机情绪的影响较大，不能作为安全资产投资，美元和人民币市场高度相关。英格兰银行Kumhof（2016）[11]通过DSGE 建模校准了危机前美国宏观数据，发现基于国债发行30%GDP 数量的央行法定数字货币可永久提升3%的GDP，此外采用逆周期的价格和数量规则作为次要的货币政策工具，能显著提升央行稳定商业周期的能力。

本文的贡献与创新有两方面。一是研究视角选择。将中美货币政策差异作为影响数字货币量价的因素进行分析，弥补数字货币经济分析的空白。选择中美利差和人民币汇率作为研究指标，具有现实的经济意义。二是方法论选择。通过数据趋势比对发现规律和潜在的关系，进行断点回归和数值区段的划分，围绕中美利差“舒适区”进行时变的量化分析比对。TVP-VAR 模型的应用弥补了国内文献在数字货币分析上的空白。

三、数字货币的两国模型构建

本文参照郭栋（2019）[12]在分析美债政策溢出问题研究时使用的开放经济下的两国模型，引入数字货币变量，构建新的两国模型，确定了货币政策、通胀、汇率和利率在两国模型下的函数关系。假设在开发经济条件下，A、B 两国中：A 国代表世界货币国家，A 国允许数字货币的流通，和主权货币一起担当经济的货币供给职能，假设数字货币规模有限，不对A 国经济产生任何影响；B 国代表国际货币国家，限制数字货币的流通，B国货币可以自由兑换。

经济关系满足如下方程关系：

A国的经济关系方程组可以表示为：

总需求方程为：

总供给方程为：

货币供给函数：

货币需求函数：

B国的经济关系方程组可以表示为：

总需求方程为：

总供给方程为：

货币供给函数：

货币需求函数：

两国模型关系方程组：

购买力平价：

非抛补利率平价：

国际收支关系方程表达式：

理性预期下的费雪方程式：

A国货币供求平衡关系：

公式（3）两边取对数，引入时间因素t，得到新的货币需求函数：

A国线性货币需求函数：

同理，B国线性货币需求函数：

根据公式（3）（13）（14）得出数字货币流通量：

在此基础上求解均衡状态下数字货币流通量：假定ψ*和ψ*d为常数，公式（16）两边取对数，引入时间因素t，得到新的数字货币流通量函数：

求积分，我们得到在t时刻数字流通量的函数表达式（20）：

即，

由公式（20），发现在两国模型中数字货币的流通量存在两方面的决定因素：一是两国基本面因素，包括A国的产出、利率和法定货币供给与流通速度，B 国的价格也是影响因素；二是货币政策对比因素，包括汇率因素和利差因素。第一，汇率因素中前一期汇率、当期汇率和下一期汇率预期都对数字货币的流通量存在影响，因此汇率对数字货币的影响存在前瞻、后顾和同期效应。第二，两国利差因素中当期利率和下一期利差的预期产生影响，因此只具有同期和前瞻效应。

当前数字货币以世界货币计价，数字货币的流通量函数关系式简化的延伸为为世界货币计价的数字货币价格为数字货币参与货币流通个数。得到数字货币价格的函数表达式（21）：

其中，

由公式（21），我们发现数字货币交易量（A 国货币计价）分离出价格和数量变量得出价格函数关系后，影响因素变得复杂。分子的影响与交易量一致，主要为：一是数字货币对主权货币存在替代效应该替代效应不能理解为去世界货币趋势，如果数字货币以世界货币背书将成为世界货币的衍生形态；二是数字货币流通量和价格受开放经济下两国基本面因素和货币政策对比因素（利差和汇率）的影响。分母根据数字货币（以比特币为例）的实际交易情况，发现具有多重驱动因素：一是交易习惯，如当价格上涨时，比特币交易出现操控，实际成交个数下降；二是技术驱动，主要指科技革新和硬件规模扩张对数字货币“挖矿”成本和可获得性的影响；三是安全和兴趣驱动，主要指投资者对比特币的风险偏好，表现为两方面，一方面是当作安全资产进行风险规避性配置，另一方面是当作风险收益性资产进行投机性交易的参与；四是中国因素驱动，市场普遍认为中国投资者参与比特币市场对美元市场有显著影响，尤其当中国比特币或相关汇率政策变化时，会引发比特币交易的波动起伏。

四、效应评测方法论

（一）TVP-VAR模型

TVP-VAR 模型即时变参数结构向量自回归模型，近年被国内外研究广泛应用，其主要优势在于允许参数估计值随时间变化而变化，从而可以深入地分析经济变量之间关系的结构性转变，尤其适用于捕捉金融对各变量的影响。因此，在分析政策差异（中美利差和人民币汇率）对比特币成交价格和交易量的冲击传导机制时，本文选择时变模型进行研究。具体时变向量自回归（TVP-VAR）模型如下：

其中，yt为所研究的目标变量，是一个k×1向量；et表示k×1 的结构性冲击；Bi,t(i=1,…,p)是k×k 的系数矩阵；Ωt是方差矩阵（k×k）。参数Bi,t，Ωt不是固定不变的，而是随着时间t变动而变动。递推辨识的分解方程为其中，At是下三角矩阵，其对角线元素为1 且∑t=diag(σ1t,…,σkt)。βt是Bi,t(i=1,…,p)的行向量，at=(a1t,…,aqt)′是At下三角矩阵元素的行向量；ht=(h1t,…,hkt)，其中hit=logα2it。时变参数满足随机游走过程，如下：

基于上述理论模型，本文基于OxMetrics6.01 软件，使用Nakajima(2011)[13]的程序包进行模型的构建和分析。

（二）断点回归模型

就政策差异指标和数字货币量价指标构建单变量的AR 模型（auto regression model）进行预测，公式如下：

在上述公式中，εt为序列不相关随机误差项，μ为模型的截距，p 为滞后项。在本文研究中我们根据模型参数或新息方差（独立的随机冲击变量）未知时点的结构断点预测。对断点进行检测的经典方法基于Bai(1997)、Bai 和Perron（1998）、Hansen（2000）以及Qu 和Perron（2007）等文献研究。本文基于Eviews8.0 软件，使用最小二乘法平差（least squares method）方法对期限利差模型进行结构断点检测。

五、中美政策效应的定性判别

（一）中美政策差异指标与数字货币变化趋势比较

将中美政策差异变量与数字货币的成交价和交易量进行图形趋势比较，由于比特币交易量呈现高频震荡的特点，使用Eview8.0，利用HP 滤波方法，剔除比特币交易量循环要素，得到交易量的趋势序列（HPBITCOINV）。

图1 中美利差与比特币成交价趋势比较

图2 人民币汇率与比特币成交价趋势比较

图3 中美利差与比特币交易量趋势比较

图4 人民币汇率与比特币交易量价趋势比较

1.中美利差与比特币成交价和交易量具有同向趋势

如图1，中美利差2017 年1 月以后与比特币成交价表现出明显的同向趋势，领先性和滞后性都不显著，但是2019 年1 月中美利差明显表现出对比特币成交价的领先特征。如图3，相对成交价，成交量与中美利差的联动关系显著性提前2 个月左右，中美利差2016年11月就已经显现较明显的同向趋势，起先领先性和滞后性都不显著，但是2017年11月中美利率已经成为领先性指标曲线。

2.人民币汇率与比特币成交价和交易量同期趋势背离或存在长间隔领先特性

如图2，人民币汇率与比特币成交价在2016 年以后出现联动特征，汇率的趋势变化显现出一定的时变特征，即出现同向和背离的交替，其中背离为大概率事件。2016 年全年呈现不显著的同向趋势，2017 年为同期趋势背离，2018 年1 月至5 月出现了短期的同向趋势，2018 年5 月至11 月趋势背离，2018 年11 月至今表现为同向趋势。对于同期的背离，存在两种推测：一是数据指标的方向存在背离关系；二是人民币汇率是比特币成交价格的领先指标，滞后及其走势出现类似形态。如果为第二种推测，通过变量峰值间距作为领先期估算，两个研究变量的曲线峰顶的间距在12 个月，认为滞后期较长无法获得较好实际经济意义解释。

如图4，人民币汇率与比特币交易量2016 年12月 到2018 年11 月 同 期 趋 势 背 离，2018 年12 月 到2019 年6 月同向趋势，2019 年6 月至今人民币汇率小幅震荡，比特币交易量增加趋势再次背离。如同期的背离解释为人民币汇率是比特币成交量的领先指标，相近变量峰值间距判断的领先期为10个月。

（二）中美政策差异指标与数字货币因果关系判别

表1 Granger因果检验的结果

选择中美政策差异指标（利差与汇率）和数字货币量价指标数据进行Granger因果检验，滞后阶数为2。在5%的显著水平下的检验结果如下：一是中美利差对比特币的成交价并不存在单向的因果关系（见表1序号1），但是中美利差对比特币交易量存在显著的单向因果关系，这说明美联储货币政策与央行差异产生的中美利差是引起比特币交易量发生变化的原因，中美利差对交易量趋势比较中的同向和领先关系得到支撑；二是人民币汇率对比特币的成交价并不存在单向的因果关系（见表1序号1），但是人民币汇率对比特币交易量存在显著的单向因果关系，这说明美联储货币政策与央行差异产生的人民币汇率波动是引起比特币交易量发生变化的原因，将滞后期推迟到4 期仍然显著，否定了人民币汇率对比特币交易量同期背离的预判，人民币汇率是比特币交易量的同向领先指标。

格兰杰因果检验验证了各变量之间的短期关系，对于不存在因果关系的变量间可能仍然存在长期的均衡关系，我们利用Eviews8.0 对研究变量进行Johansen协整检验，检验结果表明4个变量之间均存在协整关系，迹检验（Trace特征根检验）和最大特征根检验（Maximum Eigenvalue 检验）表明均存在2 个协整向量。因此我们因果检验的结论只能确认因果关系的存在，不能因为滞后2 期的检验结果不支持因果关系，而误判变量间的影响关系。

（三）中美利差“舒适区”内研究数据断点回归特征

图5 中美利差结构断点示意图

基于最小二乘法（least squares method）方法分别对中美利差、人民币汇率和比特币量价进行结构断点检测（见图5 至图8）。根据格兰杰因果检验的结果，中美利差对人民币汇率存在单向的因果关系，而反向无因果关系，该检验结果符合汇率和利率的利率平价理论，在中美贸易战初，易纲（2018）根据中美利率走势，提出中美利差仍处在舒适区的判断，对稳定债券市场和货币政策调控的有效性起到了重要作用。在进行断点区域比对时，我们可以将中美利差作为趋势比较的统一参照，尤其在“舒适区”内的断点数据跳跃特征。

图6 人民币汇率结构断点示意图

图7 比特币成交价格结构断点示意图

图8 比特币交易量结构断点示意图

六、中美政策效应的时变分析

本文利用OxMetrics6.0 建立时变向量自回归（TVP-VAR）模型，进行两组实证分析：第一组是中美利差和人民币汇率对比特币成交价格的动态传导效应分析；第二组是中美利差和人民币汇率对比特币交易量的动态传导效应分析。

（一）数据整理和参数估计

1.数据整理

在本部分构建TVP-VAR 模型进行分析时，选择冲击与反应变量包括：一是冲击变量为中美利差（10 年期中国国债与美国国债到期收益率的差值）和人民币汇率；二是反应变量为比特币以美元计价的成交价格和交易量。上述四项指标数据均为高频日度数据，运用EVIEWS8.0 进行月度数据的降频处理并进行一阶差分（见表2）。

表2 TVP-VAR模型的单位根检验结果

图9 单位根监测

表3 滞后期确定检验

为了避免出现潜在的伪回归问题，本文采用ADF检验分别对模型分析中使用的经济变量的平稳性进行单位根检验，表3(选择有截距)检验结果显示，各指标检验值均小于临界值，各变量的水平值在1%的显著性水平下表现为无单位根的平稳序列（注：对趋势+截距、无趋势和截距同时进行检验，均满足平稳性检验的要求）。根据VAR 模型单位根监测标准（见图9），特征方程的特征根倒数均位于单位圆内，满足VAR 模型稳定性要求。为了确定模型最佳的滞后阶数，选择LR、AIC 等多个检验原则，确定最优的滞后项数值为2（如表4，判断原则为当期带*号多的为选择期）。

2.参数估计

参照Nakajima（2011）的赋值方法，设定μα0=μβ0为了计算参数后验分布，本文将应用MCMC 法迭代20000 次，并舍弃初始的2000 次抽样。参数估计结果如表4所示。

表4 TVP-VAR 模型的MCMC 模拟估计结果及诊断

图10 第一组数据MCMC预测结果图

表4 结果显示：（1）所有参数的CD 统计值均不拒绝MCMC 抽样结果（即参数的后验分布）的原假设，表明MCMC 的抽样结果趋于收敛；（2）最大无效影响因子数超过220，意味着我们的研究将获得不少于M/100=90个不相关的样本数据，我们分析目的在于数据时变特征的判断（方向性和趋势性），不用于精确量化预测，因此后验推断已相对充分。

图10和图11显示了抽样得到的自相关系数、收敛轨迹和后验分布函数。其中：（1）上部表示样本的自相关系数，经过迭代抽样后均呈现迅速衰减，说明本文研究设定的迭代次数能够消除抽样的自相关性；（2）中部表示样本收敛轨迹，参数序列后验均值呈现“白噪声”波动轨迹，说明抽样得到的估计参数相互独立；（3）下部表示样本的后验密度，从完整样本的核密度图形判断，马尔科夫链（简称链形）的前半部分和后半部分相似度极高，链形的对称性分布反映前后两部分密度的等同程度极高。

图11 第二组数据MCMC预测结果图

（二）变量波动率的时变特征

图12 各变量随机波动率的时变特征

第一，冲击变量（如图12）。（1）10 年中美利差进入2017 年以来波动率逐步加大，主要的原因：一是美国因素，美国量化宽松进入尾声，美联储进入加息通道，随后中美贸易战，经济复苏迹象减弱大概率转入降息，各种因素造成了美债利率自身的波动加大；二是中国因素，我国货币政策独立性增强，跟随美联储进行政策调控已成为历史，国内债市牛熊交替周期缩短，去杠杆、中美贸易战等加大国债利率的波动频率。（2）人民币汇率自2015 年“8·11”汇改后波动率逐步递增，一方面反映人民币国际化进程中，汇率不作为货币政策目标，市场调控能力增强，央行干预减少；另一方面内外部因素交织，人民币在承受贬值压力的同时，双边出现较大的波动。

第二，反应变量。2017 年和2018 年比特币交易异常活跃，比特币在2016年7月以来价格平稳，随后不断走高，在2017 年9 月达到小高峰4689.61 美元，随后的一个月下跌，继而大幅度反弹，在2017 年年底达到最高点19891.99 美元。2018 年是比特币诞生的第十年，值此之际，比特币迎来了大崩盘。2019年比特币在大跌之后逐渐反弹，在6 月突破万元大关。对应比特币的走势，比特币成交价格与交易量的波动率也遵循上述特征，在2017 下半年出现波动的提升，2018 年经过高频波动后出现大幅下跌，2019 年波动率逐渐回升，当前仍低于高涨期的波动水平。

针对冲击变量对反应变量的影响分析，本文采用基于TVP-VAR 模型提供的两种类型的脉冲响应函数：等间隔脉冲响应函数和时点脉冲响应函数。其中，等间隔脉冲响应函数对应时变的脉冲响应分析，时点脉冲响应函数用于分析不同时间点的脉冲效应。

（三）时变脉冲响应分析

图13 和图14 分别呈现了比特币成交价格和交易量等间隔脉冲响应图，分别设定滞后1、3、5 期的脉冲响应曲线。

1.比特币成交价格（第一组）脉冲分析

图13 比特币成交价格等间隔脉冲响应函数图

如图13，主要的特征如下。

第一，比特币成交价格自身的冲击效应。在样本期内前一期变量与后一期变量存在正向关系，即一个标准差的正冲击，会推升比特币成交价格。这种冲击效应存在衰减的时滞特征，滞后3期和5期后的衰减强度具有时变特征，2017 年以前5 期后具有明显收敛到0的趋势，2017年后滞后影响延长，目前5期后的效应强度相当于1期的40%。

第二，中美利差变量的冲击效应。中美利差对比特币成交价存在正向的冲击效应，即1 单位的中美利差走阔，将引起比特币成交价格的正向增长，正向的脉冲响应关系解释了比特币成交价格与中美利差出现的同向变化趋势。这种冲击效应存在衰减的时滞特征，滞后3期和5期后的衰减强度时变特征不显著，第1期冲击效应具有时变特征。

第三，人民币汇率变量的冲击效应。人民币汇率对比特币成交价存在负向的冲击效应，即1 单位的人民币汇率负向变化（人民币升值），将引起比特币成交价格的上涨。经济推测：从汇率关系上，比特币资产价格与人民币币值具有同向的属性，大概率与比特币当前担负的人民币外流的结算和支付功能有关，人民币升值会增加未来预期贬值或加大境外资产持有的动机，增加通过比特币交易资产出境，推升需求拉升了比特币的成交价格。

2.比特币交易量（第二组）脉冲分析

图14 比特币交易量等间隔脉冲响应函数图

第一，比特币交易量自身的冲击效应。滞后1期比特币交易量自身的冲击脉冲响应为负向关系，即一个标准差的正冲击，会引起比特币交易量的减少。由于比特币的成交价自身冲击效应为正向，所以比特币的交易个数冲击效应为反向。

第二，中美利差变量的冲击效应。中美利差对比特币交易量存在正向的冲击效应，即1 单位的中美利差走阔，将引起比特币交易量的正向增长，5 期后迅速收敛到0。与比特币成交价格不同，正向冲击效应在2015 年“8·11”汇改前后不存在显著的时变差异。

第三，人民币汇率变量的冲击效应。滞后1 期，人民币汇率对比特币交易量存在正向的冲击效应，即1 单位的人民币汇率正向变化（人民币贬值），将引起比特币交易量的上升。由于比特币成交价格存在负向关系，比特币交易个数存在正向关系。

（四）不同时点的脉冲响应分析

根据断点回归的分析结论，本文采用时点脉冲响应函数对研究变量的关联性进行动态识别，图15和图16 分别呈现了比特币成交价格和交易量不同时点的脉冲响应图。围绕中美利差“舒适区”和比特币交易周期性，选择的3 个具有典型事件的时点期，包括：一是时点1（2013年12月，中美利差高区，比特币量价低区），次贷危机合并欧债危机，量化宽松推升中美利差进入高点，该阶段对应比特币交易的低迷期；二是时点2（2018 年2 月，中美利差“舒适区”，比特币量价高区），美联储缩表进入加息渠道，中美贸易战前夕，中美利差收窄进入次高区，该阶段为比特币火爆期，量价处于高位；三是时点3（2019 年5月，中美利差“舒适区”，比特币量高区，比特币价次高区），中美贸易叠加美联储政策转向进入降息通道前夕，中美利差在收窄后逐步修复之前对“舒适区”的偏离，比特币在保底后进入反弹，量仍处于高区，比特币价格进入次高区未恢复到之前的高涨水平。

1.比特币成交价格（第一组）脉冲分析

图15 比特币成交价格不同时点脉冲响应函数图

如图15，主要特征如下。一是比特币成交价格自身的冲击效应。冲击效应为正向，具有明显的快速收敛特征，从3 个时点的比较看，该趋势特征相同。但是进入中美利差“舒适区”后，时点2和3的整体冲击幅度明显大于时点1。二是中美利差变量的冲击效应。中美利差的冲击效用正向，具有短期的时滞特征，当前无冲击效应，在第1 期达到峰值然后在10 期以内收敛到0。时点2 和3 整体冲击幅度小于时点1，这说明中美利差“舒适区”对应时期,中美利差的冲击效应减弱，即货币政策差异效应减弱。经济解释：在高利差时期，政策差异的冲击效应更强，体现了利差的边际效应，在舒适区两国货币政策存在较大的调整空间，造成冲击效用的减弱。三是人民币汇率变量的冲击效应。负向的冲击效应在各时点类似，与中美利差的短期时滞存在共性，说明中美货币政策差异的冲击影响在利率和汇率通道都在滞后1期达到峰值，并在10期内迅速收敛到0附近。

2.比特币交易量（第二组）脉冲分析

如图16，主要特征如下。一是比特币交易量自身的冲击效应。冲击效应与成交价相同，但是整体的收敛速度更快。剔除成交价格自身的冲击效应，比特币的交易个数在遇到正向冲击的情况下是萎缩的，体现了比特币供给端的控制力集中和存在人为操作风险。二是中美利差变量的冲击效应。中美利差对交易量的冲击效用明显强于比特币成交价格，这说明在中美利差“舒适区”内，虽然价格对货币政策差异的反应减弱或者“钝化”，但是比特币交易个数的影响是增大的，反映了投资者面对政策差异变化进行资产配置时比特币价格的不敏感。滞后期的冲击效用的正负交替和滞后期缩短，反映了比特币风险资产特征，投资者情绪易波动，容易出现情绪放大效应产生的暴涨或暴跌。三是人民币汇率变量的冲击效应。负向的冲击效应与比特币成交价格方向一致，且选择的3 个时点没有出现明显的时变特征。但是明显缩短的滞后效应，与上述利差分析相同，主要基于投资者情绪的扩大效应和比特币资产的风险属性。

图16 比特币成交价格不同时点脉冲响应函数图

七、结论与建议

本文基于开放经济下的两国模型，通过在货币供求函数中增加数字货币的流通作用，推导发现两国货币政策差异对数字货币交易量和价格的函数关系。通过定性和定量的方法，对模型体现的变量关系进行实证，发现联动变化规律和量化冲击影响效果。得出如下主要结论。

第一，中美利差是中美货币政策差异在利率上的体现，2015 年“8·11”汇改后中美利差进入舒适区，比特币在此期间交易量和频度大增，经历暴涨暴跌的周期变化。定性分析发现：舒适区内的中美利差和比特币量价具有很强的同向联动趋势，其中比特币的交易量通过格兰杰因果检验，证明中美货币政策差异引起利差变化是比特币交易量波动的原因。定量分析发现：等间隔的冲击效应检验下，中美利差对比特币的量价均存在正向冲击关系，但是冲击效应存在时变的差异变化。汇改后，利差对比特币冲击效应出现明显的减弱趋势，当时交易量冲击效应的变化没有消减，说明比特币投资者在中美货币政策出现差异变化时，对比特币价格敏感性不强，主要体现在交易数量的增减。从转移支付角度看，中美货币政策产生差异会引起人民币资产通过比特币向境外美元资产的流动强度的变化。不同时点的冲击效应检验，中美利差舒适区（低）和高利差（高）的检验结果进一步验证了对比特币交易价格冲击效应时变特征，在舒适区内我国央行货币政策调控空间充足，投资者面对利差变化体现的政策差异相对钝化，在人为操作下比特币价格易产生市场扭曲。

第二，在中美利差舒适区，人民币兑美元汇率的中枢值出现了连续两次跳跃，汇率始终处于上升区。汇率已不是我国货币政策的调控目标，利差与汇率的利率平价关系在中美间并不完全成立。在定性分析上，人民币兑美元汇率和比特币量价走势出现了同期背离，这与中美利差的定性规律产生了分歧，但是汇率兑比特币的交易量通过格兰杰因果检验，证明利率平价理论下汇率体现的中美货币政策差异仍然对比特币交易量波动产生影响。在定量分析中等间隔的冲击效应检验下，汇率对比特币的量价的冲击方向发生了分歧：一是比特币价格的冲击效应在舒适区明显减弱，负向的冲击关系不能支持比特币与人民币资产的替代关系，但解释了人民币升值情境下，由于人民币预期贬值或加大境外持有资产动机下造成对比特币价格推升的交易模式；二是与比特币交易存在相对稳定的正向冲击关系，一旦出现人民币贬值，比特币的交易量增加，这与当前市场现象保持一致。不同时点的冲击效应检验，汇率在舒适区内的冲击效应与其他利差区域的冲击效应不存在显著的时变特征。

周小川（2019）指出，IT 技术发展迅猛，大数据、云计算、网络基础设施、移动互联网都在快速发展，特别是近来热度很高的区块链技术。在该背景下，本文研究了金融政策对数字货币的影响，未来数字货币发展将反作用于金融政策，甚至扩展到更广的公共政策范畴。基于研究结论和未雨绸缪思考，提出我国数字货币的发展建议。具体如下。

第一，深入研发尝试发行锚定人民币的数字稳定货币，推进人民币国际化进程。以比特币为代表的私人数字货币由于存在难以构建自身的价值支撑体系的先天缺陷，很难在国际货币支付体系中发挥货币应有的职能。法定数字货币成为当前的一种各国央行主推的发展趋势，“点对点+电子支付系统+央行信用”的模式是对虚拟货币的“去虚拟化”的改进，更符合人类社会长期形成的货币本质内涵的共识。人民币国际化水到渠成，尤其是在2008 年金融危机之后，人民币加入SDR，中国在逐步增强经济大国的国际金融担当，数字货币应纳入人民币国际化统筹设计。数字货币“无国界”具有超主权特征，当前在规模上对法定货币影响有限，更无法取代法定货币，但是美元等主要货币国都在研发以本国货币为锚的数字稳定货币，如果将锚定货币纳入世界货币或国际货币范畴，将产生巨大的影响力，我国有必要发行以人民币为锚的数字稳定货币。以谁为锚体现了锚货币国的公共政策影响力，由于当前数字货币“网络效应”的特殊性，“赢者通吃”竞争模式的存在会导致非锚定货币在国际货币体系中的地位受到巨大负面冲击，从而引发金融安全隐患。中国人民银行数字稳定货币的发行已经进入轨道，穆长春（2019）在第三届中国金融四十人论坛上表示，央行数字货币即将推出，将采用双层运营体系，即上层是中国人民银行，第二层是商业银行。

第二，积极应对数字货币发展对金融市场和监管格局的挑战，完善监管体系，维护金融安全。我国货币政策更好地发挥对国内宏观经济的调控和国际经济发展的政策协同，需要深入研究未来数字货币与金融政策的相互作用，数字货币发展超出监控范围可能严重威胁政策的执行效果和金融安全。数字货币监控涉及的内容很多，包括网络安全、隐私保护、反洗钱、反恐融资等各个方面，是长期的系统工程。当前已有的数字货币短期已经对我国金融形成潜在威胁，加强数字货币的金融安全防范，已不局限于资产价格的波动和跨境支付等风险应对。未来数字货币向央行稳定币发展的趋势，将形成各国央行的新的货币竞争和博弈，国内已有的“灰犀牛”风险未消，新的主权或超主权数字货币风险隐患更具威慑力。我国对数字货币一直保持高度严格监管，未来数字货币试点和发行势必对现有的监管体系形成严峻挑战，缺乏监管将带来金融系统的脆弱性甚或引发新的金融危机。在具体实施中，我们对待新科技的发展要保持敏锐、支持和宽容，抓住产生风险的根本缺陷点，如对待现有数字货币缺乏价值或信用支撑问题，考虑数字货币参照香港发行货币的经验，实行百分百现金备份，并配套完善的数量监控、托管规则及正确的激励机制，保障真正落到实处。

第三，长远布局，发挥以人民币为锚的数字稳定币在“一带一路”沿线国家的国际公共品金融服务功能。人民币国际化在“一带一路”倡议下具有超主权的区域性特征，体现在“一带一路”沿线国家以人民币计价进行贸易与投资，境外人民币沉淀回流开放的金融市场增持人民币资产，实现人民币流动的循环。数字货币锚定人民币，将具备人民币国际化的区域特征，因此在境内发行央行稳定币的同时，应布局未来数字货币在“一带一路”沿线国家的应用。“一带一路”倡议下，央行稳定币发挥数字货币优势，提升区域内贸易和投资，是人民币国际化积极参与国际货币体系治理的具体表现。在此前提下，积极在区域内建立多边的国际监管协调机制，共同规范市场，形成监管共识，遏制市场操纵，解决冲突，将有助于发挥数字货币在国际货币体系中的优势。