中国资本市场平稳发展研究

黄珊 李均超 蒋金荷

摘    要：保持我国资本市场的平稳发展对于推进资本要素市场化改革和加快构建新发展格局具有重大战略意义。通过构建连续小波变换（CWT）模型，系统考察了2003—2020年美联储货币政策与中国金融资产价格的时频关系。研究表明：第一，美联储影子利率与中国股票收益在短期内的相关关系易受突发事件影响，呈正负交替变化；二者在中长期内呈现显著的正相关关系，与中国债券收益在短期内主要表现为负相关关系，二者中长期相关特征不显著。第二，美联储货币政策对中国金融资产收益存在“先上升后下降”的周期影响，且对中国股票收益的影响程度显著高于债券收益。第三，国际大宗商品价格在美联储货币政策影响中国股市过程中起到“跷板”效应，在影响中国债市过程中起到“减震”效应。第四，房地产类股票、国债、企业债以及剩余期限长的债券更易受到冲击。

关键词：中国资本市场；金融资产价格；美联储货币政策；连续小波变换

中图分类号：F832 文章标志码：A 文章编号：1006-6152（2023）02-0032-13

DOI：10.16388/j.cnki.cn42-1843/c.2023.02.003

一、引  言

21世纪以来，随着中国加入世贸组织以及QFII制度的正式实施，中国资本市场正式融入了国际金融体系。实际利用外资额由2001年的468.78亿美元增长至2020年的1522.55亿美元，跨境资本流动稳步上升。资本市场国际化程度的不断提高在改善金融效率、优化金融配置、提高投资收益以及分散投资风险方面产生了重要作用［1-3］，但也使得中国金融市场更易受到国际流动资本和一些大国政策的影响，特别是美联储的货币政策［4-5］。在新冠疫情下，美联储的无限制量化宽松更是对中国金融市场的穩定提出了新的挑战。因此，全面分析美联储货币政策与中国金融资产价格的联系，有助于审慎应对金融风险，建立健全金融市场预警机制，保持中国资本市场平稳发展，加快构建新发展格局，具有迫切的现实意义。

2020年3月，国务院在《关于构建更加完善的要素市场化配置体制机制的意见》中指出，要深化要素市场化配置改革，提高要素配置效率。金融资产在引导要素流动、优化资源配置方面具有相当重要的作用。但是，中国作为一个转型国家，经济结构和政策取向不断变化，金融资产价格变动不稳定，对外部冲击的抵御能力较差，而美联储货币政策对中国金融资产价格具有重要的影响［6］，且这种影响随时间和频率的改变而改变。我们发现，美联储在2015年后的加息对中国股价具有明显的抑制作用［7］，但是，这种抑制作用较为短暂，长期内，转变为促进作用［8］，而且不同时点上，美联储加息对中国金融资产价格的影响程度也存在差异［9］。因此，在中国要素市场化改革的过程中，只有明确美联储货币政策对中国金融资产价格的时、频影响，才能因“时”因“频”制定相应的对冲政策，并及时调整政策导向和力度，进而在抵御金融市场外部风险的同时，发挥市场在资源配置中的决定性力量。基于此，我们将美联储货币政策对中国金融资产价格的影响从单一维度拓展到时间和频率两个维度进行冲击效应的分解，丰富和拓展了现有研究。

目前，对于美联储货币政策与中国金融资产价格关系时变特征分析的研究文献数见不鲜［10-11］，但关于“中国金融资产价格在不同频域上对于美联储货币政策变动的反应如何”的精准化分析有待进一步求证。短期内，学界普遍认为，美联储的加息政策一方面会通过改变中美利差，促使中国短期资本流出，在导致国内金融市场不景气的同时，也给人民币汇率以下行压力。央行很可能通过提高贴现率的方式来维持汇率和国内资本流量稳定，但若此调整被市场主体所预料到时，必然会进一步加剧金融资产价格的下跌［12］。另一方面，美联储利率的提高会导致中国信贷状况的恶化，加剧企业的融资约束，从而导致金融资产价格受到影响［13］，特别是那些依赖外部融资的企业［14］。然而，美联储加息和降息并非影响中国金融资产价格的根本因素，资本市场变动的最终解释还是要以宏观经济运行为基础［15-16］。这是因为长期内资本流动趋于均衡状态［17］，股票和债券市场更加依赖于经济体本身的内生动力［18］，对于中国来说，金融资产价格波动与本国宏观经济运行存在显著的正向关系［19-20］。而随着全球一体化的推进，美国、金砖国家、东南亚国家以及其他主要经济体之间的经济表现出协同性特征［21-22］，中国也不例外［23］，因此，当美联储根据本国经济过热（或低迷）而进行加息（或降息）时，长期内，由于各国经济形势的协同性，中国金融资产价格就会上升（或下跌）。根据以上初步分析，不同频域上，美联储货币政策与中国金融资产价格应呈现一种动态关系：短期内，中国资产价格受美联储调息影响显著，二者主要呈现逆向变化；长期内，国内宏观基本面占主导作用，二者呈现同向变化。

梳理相关文献可知，国内外学者多基于VAR族模型进行货币政策的分析［24-27］。但是，VAR族模型对数据平稳性的要求使参数限制十分严格，而经济数据的非平稳特征要求我们在建模前对数据原始信息进行一定程度的过滤，限制了对样本数据原始信息的充分利用。同时，VAR模型参数在长期分析中往往会发生结构性突变，估计值的准确性和经济意义受到质疑，均促使我们将寻找一种更为精细化的时频分析工具。连续小波变换（CWT）作为一种较为新颖的动态分析方法，近些年来被广泛应用于经济、金融领域［28-29］，它通过引入一个可伸缩平移的小波基函数（即母波函数），将时间和频率有效结合，解决了局部化、精细化分析信号的问题。就本文的研究内容而言，一方面，中国金融资产价格数据受微观市场结构影响，数据噪音较大，而连续小波变换能够通过对金融时间序列进行多分辨率分解来剔除数据中的噪音，降低无关因素干扰，使分析更加合理准确。另一方面，美联储货币政策的调整频率随着经济形势不断发生变化，具有低频信号和高频信号的典型特征。连续小波变换擅长于对时变非稳态信号的处理，通过设置时域分辨率和频域分辨率，能够较好地刻画美联储货币政策的调整轨迹。因此，本文选用连续小波变换进行美联储货币政策对中国金融资产价格影响的精准局部化分析，结论具有较高的精准度和合理性。

与上述文献相比，本文可能的边际贡献如下：其一，本文在对美联储货币政策和中国金融资产价格的波动特征从单一时间维度扩展到时间和频率双维度刻画的基础上，从全样本与疫情时期样本对比视角分别探究了美联储货币政策与中国金融资产价格之间的时频关系及其周期性差异和金融资产差异，拓展了疫情时期美联储超量化宽松货币政策对我国资本市场的影响认识。其二，进一步构建多因素小波模型，综合考察了国内、国外共同因素对美联储货币政策的影响的调节作用，为科学合理地运用国内、国外手段对冲国际风险提供了全面细致的经验证据。其三，本文的研究对于降低美联储货币政策对中国资本市场的系统性风险，构建国际资本市场的话语权，保持中国资本市场平稳发展具有直接的政策启示意义。

二、研究设计

（一）模型构建

考虑到本文数据既有高频特征又有低频特征、包含较高噪音以及美联储货币政策与中国金融资产价格时频关系的差异化特点，在母波函数的选取上，通过Morlet小波不仅可以得到平滑的小波振幅，更好地提取序列特征，而且作为一种复值小波，Morlet小波还包含了各变量的相位信息，能够有效反映变量间的先导滞后性。因此，本文利用基于Morlet小波的小波模型展开多维精细化分析。

其中，Morlet母波函数的具体形式为：

[φ（t）=π-14eiω0te-t22] （1）

[ω0]为母波函数的波数，为兼顾母波函数在时间和频率上的优良性质，[ω0]一般取值为6[30]。

本文将核心变量设定为中国金融资产价格（[FAP]）和美联储货币政策（[MP]）。连续小波变换过程如下：

[Wi（η，ξ）=1η-∞+∞i（t）φ?（t-ξη）dt，η>0] （2）

其中，[Wi]为核心变量[i]的小波信号，[i（t）]可以是平稳的，也可以是非平稳的。[η、][ξ]分别为尺度参数和平移参数。母波函数[φ（t）]是小波变换的时频窗口，“[?]”表示复共轭。此外，本文还在有限样本序列的两端填补0以满足小波周期性的假设条件，但这样处理会引起边缘效应①，因此进一步引入影响锥（COI）②进行修正。

根据小波理论，采用小波相干性来探究中国金融资产价格变化与美联储货币政策调整是否具有关联性。小波相干性的计算表达式如下：

[RFAP?MP（η，ξ）=SWFAP?MP（η，ξ）SWFAP（η，ξ）2SWMP（η，ξ）2]

（3）

其中，令

[ρFAP?MP（η，ξ）=SWFAP?MP（η，ξ）SWFAP（η，ξ）2SWMP（η，ξ）2]为复小波相干性，小波相干性[RFAP?MP]为[ρFAP?MP]的模。[WFAP?MP（η，ξ）=WFAP（η，ξ）W?MP（η，ξ）]，为交叉变换小波信号。[S]表示两个维度的平滑算子，为时间和尺度上的卷积，且[SW（η，ξ）=S尺度S时间W（η，ξ）]，[S尺度]表示在矩形窗口下进行的沿小波尺度轴的平滑，[S时间]表示通过高斯函数进行的时间轴上的平滑，更多的细节参考Torrence& Compo （1998）[31]。

小波相位差用于揭示美联储货币政策与中国金融资产价格的时频相关类型和先导滞后关系。小波相位差定义为：

[ψFAP?MP（η，ξ）=tan-1ΦSWFAP?MP（η，ξ）?SWFAP?MP（η，ξ）]  （4）

其中，[ΦSWFAP?MP（η，ξ）]和[?SWFAP?MP（η，ξ）]分别表示[SWFAP?MP（η，ξ）]的虚部和实部。对于给定的小波相位差，原时间序列[FAP（t）]与[MP（t）]对应的相关关系类型如图1所示。

为了量化美联储货币政策对中国金融资产价格的影响程度，本文引入小波增益。小波增益可以解釋为在不同时间和频率下一个变量对另一个变量回归系数的绝对值[32]，小波增益为正数，仅能得出影响大小。小波增益定义为：

[οFAP?MP（η，ξ）=ρFAP?MP（η，ξ）σFAP（η，ξ）σMP（η，ξ）]（5）

其中，[σFAP（η，ξ）=SWFAP（η，ξ）2]，[σMP（η，ξ）]

[=SWMP（η，ξ）2]。

考虑到美联储货币政策与中国金融资产收益的关系可能受到共同因素的影响，本文希望在考虑其他共同因素（CF）的基础上构建多因素小波模型，进一步探讨在排除其他因素干扰的情况下，美联储货币政策对中国金融资产收益的影响，借以分析这些共同因素的可能影响。

剔除单个共同因素影响后，偏小波增益记为：

[οFAP?MPCF（η，ξ）=ρFAP?MP（η，ξ）-ρFAP?CF（η，ξ）?ρ?MP?CF（η，ξ）1-R2MP?CF（η，ξ）σFAP（η，ξ）σMP（η，ξ）]  （6）

进一步，根据Aguiar-Conraria&Soares（2014）［32］的推理，计算变量[MP]、[FAP]、[CF1]、[CF2]两两之间的复小波相干性作为组成元素，建立矩阵

[?=1ρFAP?MPρFAP?CF1ρFAP?CF2ρMP?FAP1ρMP?CF1ρMP?CF2ρCF1?FAPρCF1?MP1ρCF1?CF2ρCF2?FAPρCF2?MPρCF2?CF11] （7）

其中，[ρij=ρ?ij]。则同时剔除两个共同因素影响后，复偏小波相干性可以表示为：

[ρFAP?MPCF1?CF2（η，ξ）=-det?21det?11det?22] （8）

其中，[?ij]表示去掉[?]矩阵的第[i]行和第[j]列后的矩阵，[det]表示对应矩阵行列式。则考虑剔除两个共同因素影响后的偏小波增益记为：

[oFAP?MPCF1?CF2（η，ξ）=]

[ρFAP?MPCF1?CF2（η，ξ）σFAP（η，ξ）σMP（η，ξ）]  （9）

考虑到共同因素的剔除导致序列间的小波增益发生改变（由小波增益变为偏小波增益），因此，本文将两种小波增益之差定义为共同因素的影响，即：

[οFAP?MPCF（η，ξ）-οFAP?MP（η，ξ）]  （10）

若[οFAP?MPCF（η，ξ）-οFAP?MP（η，ξ）>0]，说明共同因素能够有效降低美联储货币政策对中国金融资产收益的影响强度（小波增益），反之，[οFAP?MPCF（η，ξ）-οFAP?MP（η，ξ）<0]，说明共同因素会增加美联储货币政策对中国金融资产收益的影响强度（小波增益）。

（二）变量选择及数据处理

本文选取美联储影子利率的月度变化来测度美联储货币政策调整，该数据是由Krippner（2013）通过构建一个基于非负的远期利率ZLB（zero lower bound）模型计算得出［33］，揭示了真实利率的变动情况，被广泛应用。已有研究多采用联邦基金利率作为美联储货币政策的代表［4］［34］，具有一定的局限性，2008年金融危机已使联邦基金利率处于0附近，美联储不再采取降息的常规货币政策刺激经济，而是采取非常规货币政策，此时联邦基金利率无法有效衡量美联储货币政策的调整情况。根据影子利率与联邦基金利率的变化趋势，常规货币政策区间中，影子利率与联邦基金利率的变化趋于一致，但在非常规货币政策区间，联邦基金利率持续在0附近波动，此时影子利率能够有效展现实际利率的变动情况。因此，本文在整个样本区间内选择影子利率③作为美联储货币政策的代理变量具有很高的合理性。

根据美联储相关政策出台的代表性和频繁性，并结合目前学者所提出的观点，本文定义了样本期内的非常规货币政策区间和常规货币政策区间（包含两次加息和两次减息区间）。2004年6月至2006年7月为加息区间，基准利率从1%上调至5.25%；2007年9月至2008年12月为降息区间，基准利率调至0—0.25%区间，接近于零利率；2009年1月至2014年10月为非常规货币政策区间；2015年12月至2018年12月为加息区间，利率上升至2.25%—2.50%目标区间；2019年8月至2020年3月为降息区间，利率再次降至零利率区间；2020年3月至2020年12月实施不限量、开放式量化宽松政策，即非常规货币政策。

本文研究的中国典型金融资产包括股票和债券，分别选取上证综合指数、中债综合指数作为代理变量。在异质性分析方面，股票市场，采用上证五种行业股票分类指数：工业类指数、公用事业类指数、商业类指数、房地产类指数以及综合类指数，以研究不同行业股票的差异，这五种行业股票指数涵盖了上海证券交易所所有上市公司，可以全面反映各行业的股票走势；债券市场根据中证债券分类指数，利用剩余期限为1—3年、3—5年、5—7年、7—10年的中债指数研究不同期限债券的差异，选取中证国债指数、中证企业债指数以及中证金融债指数研究不同发行方债券的差异。以上数据均为月度数据，本文通过本月与上月收盘价的对数差计算收益率。

关于影响美联储货币政策和中国金融资产价格的共同因素，从内部来看，中国央行货币政策会对金融资产价格的波动作出反应［35］，但其时滞性可能加剧相关资产价格的动荡［36］。从外部来看，国际大宗商品价格与全球主要金融资产价格的变化息息相关［37］，并与美联储货币政策之间存在显著的关系［38］。对于中国货币政策变动，考虑到央行采用价格型和数量型货币政策相结合的混合调整策略，本文分别选取银行间市场七天回购利率（CR）变化和广义货币供给量（M2）变化作为中国价格型和数量型货币政策变动的代理变量，用国际大宗商品价格指数（CRB）作为国际大宗商品价格的代理变量。全部的数据区间为2003年1月至2020年12月，除影子利率外，其余数据均来源于wind数据库。

三、实证分析

（一）时—频相关性分析

本文将频率窗口选为8年，定义0—2年为短周期，2—4年为中周期，4—8年为长周期，下文分析类同。图2左列部分显示，短周期内美联储货币政策与中国股票收益的小波相干性存在诸多显著的“岛型”区域，但显著区间较短，结合小波相位差可知，二者相關关系在诸多零散显著区间内时正时负，短期相关特征不明显。中周期内，小波相干性的显著区间主要体现在2006—2010年以及2014—2016年，对应的小波相位差处于[（-π/2，0）]，美联储货币政策与中国股票收益始终表现为正相关关系，且美联储货币政策先于中国股票收益变动。长周期内，2006—2011年内的区域通过了显著性检验，小波相位差同样处于[（-π/2，0）]，但偏于接近[-π/2]，这意味着美联储货币政策与中国股票收益呈弱正相关关系，美联储货币政策领先变化。这是因为中长期内跨境资本流动趋于稳定，股票收益取决于基本面情况，美联储货币政策影响减弱。例如，2007年次贷危机显现后，美联储紧急减息，同年10月上证指数在6124.04点见顶后也经历了长达一年的暴跌，在国际大环境的作用下，二者呈现同向变化。

图2右列部分显示，美联储货币政策与中国债券收益小波相干性的显著区域主要分布在短周期内的2006—2009年、2013—2015年以及2018—2019年。短周期内，在2006—2009年与2018—2019年间，美联储货币政策与中国债券收益呈负相关关系，且中国债券收益先于美联储货币政策变动。这可能因为前一时期主要处于金融危机的产生、蔓延和调控时期，美联储降息释放了大量的流动性，股市的崩盘又难以消化过剩的流动性，同时期内中国债券利率低位运行，企业寄希望于低成本的债券融资，国际游资大量涌入，中国债券市场火爆，据统计，2009年内非上市公司债券发行规模较上一年增长了近百分之八十，短期融资券、中期票据、集合票据等资产的发行规模均实现了不同程度的增长。后一时期先处于美联储的加息、缩表区间内，中国跨境资本呈流出态势，人民币大幅贬值，中国债市收益率下行严重，此后美国债收益率倒挂趋势显现，美联储步入减息区间，人民币汇率走稳，中国债市升温。2013—2015年内，小波相位差主要处于[（0，π/2）]，中国债券收益同样领先于美联储货币政策，但二者关系呈现正相关。这可能是因为2013—2015年初期美联储仍处于量化宽松阶段，但退出信号不断，美国投资环境利好，资金回流，造成中国债券融资成本的上升，2015年美联储实际利率仍处于零下低位运行，同时期中国股市受“股灾”影响严重，过剩资金流入债市，造成了债市价格的提高。

（二）时频影响分析

1. 特定时期或时点的政策影响

表1给出了不同时期和时点上美联储货币政策对中国股票、债券收益的小波增益值。可以看出：对于股票市场而言，各周期下，全样本期间的平均小波增益是显著的，这意味着美联储货币政策在各周期内对中国股票收益具有显著的影响效应。新冠疫情期间的平均小波增益和样本期末的小波增益在短周期和长周期内均通过了显著性检验，而且[οstock?MP，COVID-19]远远小于[οstock?MP，full]，这意味着新冠疫情发生后，美联储货币政策在短期和长期内仍会影响中国股票收益，但其影响程度低于疫情发生之前；对于债券市场而言，各周期内，无论是从整个样本期间还是从疫情期间来看，小波增益均是显著的，但各周期内，两种增益水平很相近。这意味着疫情发生前后，美联储货币政策对中国债券收益的影响差异较小，新冠疫情的发生并没有显著改变美联储货币政策对中国债券市场的影响程度。综合来看，在不同周期内，美联储货币政策对中国股票收益的影响程度整体高于对债券收益的影响程度。

2. 政策影响的差异对比

为进一步分析不同时期美联储货币政策对中国金融资产收益影响强度的资产差异和周期差异，表2给出了全样本期间美联储货币政策对中国股票、债券收益的平均小波增益。根据表2，一方面，全样本期间内，美联储货币政策对中国股票收益的平均小波增益大于债券收益，且这种资产差异性在各周期内均通过了显著性检验。其中，资产差异在中周期内最大（0.3405），短周期和长周期内差异相对较小（0.1058和0.1253）。另一方面，美联储货币政策对中国金融资产收益的影响在各周期上具有显著的差异，随周期增加呈现先上升后下降的趋势，这种周期差异在中国股票市场上表现更明显。

表3给出了疫情期间美联储货币政策对中国股票、债券收益的平均小波增益。与表2对比可知，美联储货币政策对中国金融资产收益影响的周期差异发生变化：疫情期间，美联储货币政策对中国股票收益的影响呈现先下降后上升的显著趋势，对债券收益影响的短中周期差异不再显著，但长周期内下降趋势显著。此外，在短周期和长周期内，美联储货币政策对中国金融资产收益仍存在资产类型上的显著差异，但相对于整个样本期间来说，这种资产差异性降低。

3. 政策影响的时频变化

图3展示了美联储货币政策调整对中国股票、债券收益影响的时频小波增益。其一，2018年后，美联储货币政策调整对中国金融资产收益的影响在短、中周期内呈现出整体下降的趋势，二者关系存在蜕变现象。这主要是因为：一方面，该时期内美联储的降息操作、新一轮量化宽松计划的推出以及世界经济发展的低迷，均促使货币政策导向集中于国内经济，而且新冠疫情降低了各国人口流动，贸易进出口减少，信息互通不畅，在一定程度上限制了国际游资的流动性；另一方面，中国在稳步推进金融供给侧结构性改革的基础上不断提高金融市场开放度，境外投资主体限额、外资券商持股限制的取消体现了中国金融市场对外开放深度和广度的不断提升，金融资产对资源的配置能力不断提高，市场韧性增强，外部因素对中国金融资产的影响减弱。其二，各周期内，美联储货币政策调整对股票收益的影响强度整体上高于债券，从现实情况来看，相对于债券市场的发展緩慢，中国股票市场的产品种类更多，开放程度更高，吸引外资的能力更强，受外部因素影响也就更大。但是，近年来中国股票市场和债券市场在中、长期内所受影响的差异大幅减小，中期内二者差异逐步趋近于0，这归因于中国债券市场开放程度的不断提高，“债券通”源源不断地吸引境外资金“活水”的注入，熊猫债的发行更是打通了国际投资者对中国债券投资的新渠道，债券市场对外资的吸引力越来越强。因此，美联储货币政策调整对中国股票市场和债券市场的影响差异减小。其三，中国金融资产收益受美联储货币政策的影响随周期扩张呈现出先上升后下降的趋势，中周期内达到最大。短周期内，政策影响整体上处于高波动状态，特别是2016—2018年，其潜在原因为美联储货币的政策持续收紧导致了美元指数和国际市场的流动性变化，加之中国金融市场所具有的内生性问题，促使这期间中国金融资产收益剧烈动荡。中周期内，美联储货币政策调整对中国股票、债券收益的影响呈缓慢震荡型变化趋势，长周期内，美联储货币政策调整对股票收益的影响在经历整体下滑后开始“抬头”，对债券收益影响趋于平稳。

（三）共同因素的影响

1. 中国央行货币政策

表4给出了中国货币政策影响剔除前后的平均偏小波增益对比。对于股票市场，无论是从全样本还是仅从疫情期间来看，剔除中国货币政策共同影响后，偏小波增益在各周期内均是显著增加的，意味着中国央行实行混合货币政策调控，会显著降低美联储货币政策对中国股票收益的影响程度，货币政策在维护股市稳定方面是有效的。对于债券市场，偏小波增益在长周期内仍是显著增加的，但在疫情期间的短周期内反而降低了小波增益水平，即中国货币政策的调控会在短期内加剧美联储货币政策对中国债市的影响程度。这可能是因为，2020年3月美联储连续两次紧急降息将利率降低至零左右，同时开启了“无限量QE”政策，同时欧洲央行、日本等发达国家不断扩大宽松强度，为市场提供了充分的流动性，而中国为了推动复工复产，连续数月降准、定向降准，放宽再贷款、再贴现额度，在国外市场利率下行降低债券收益率的同时，进一步加剧了债券收益的下滑。

2. 国际大宗商品市场

表5给出了国际大宗商品价格影响剔除前后的平均偏小波增益对比。国际大宗商品价格一方面反映了企业的生产成本，进而影响生产决策，另一方面，国际大宗商品价格具有信息传递的功能，代表了国际经济发展的主要趋势和主要经济体的政策变化信号，能够引导投资者投资决策，改变投资者情绪［40］。对于股票市场，从全样本期间来看，剔除国际大宗商品价格影响后，中周期和长周期偏小波增益均显著减小，意味着国际大宗商品价格能够加剧美联储货币政策对中国股票收益的影响强度，从理论上来说，国际大宗商品价格的增加意味着物价水平的上涨，为抑制经济过热，美联储货币政策一般趋于紧缩，流动性的收紧降低了股票收益，而作为一种替代资产，国际大宗商品的看涨更是加剧了股市的下行，因此对股票市场起到了“跷板”效应。反观新冠疫情期间，偏小波增益差异均显著为正，表明国际大宗商品价格反而降低了美联储对中国股市的政策影响。这可能归因于中国抗疫取得良好进展，与国外疫情失控、美联储不断改变货币政策形成鲜明对比，国内外基本面出现罕见的分化现象，国际大宗商品市场的震荡，丝毫没有改变国内外投资者对中国股市的看好，反而降低了美联储货币政策的影响。

对于债券市场，全样本下，剔除国际大宗商品价格后，偏小波增益在各周期内均是显著增加的，或者说，国际大宗商品价格能够显著降低美联储货币政策对中国债券收益的冲击强度。这可能是因为债券作为一种固定收益类资产，面对经济形势变化，投资者最初并不会大幅变更该类资产持有，结合之前结论，美联储货币政策对其影响程度本就远小于股票，若国际大宗商品价格上涨，造成股价疲软，很多撤出资本并不会立即大量购买债券，而是保持观望，甚至有些游资为了保险起见会购买黄金等贵金属或者购买钾肥等农业肥料类的大宗商品，“平滑”了债券市场的大起大落，因此，国际大宗商品作为一种避险资产，发挥“减震”效应。反观新冠疫情期间，小波增益差异在短、长周期内显著为负，国际大宗商品价格加剧了中国债券市场的波动，这是由于全球疫情形势的严峻以及原油价格的暴跌使得投资者的避险情绪不断累积，增大了对固定收益债券的需求，加之中国疫情形势使得中国债券对外国投资者更具吸引力，进一步拉低了债券收益率。

（四）稳健性检验

本部分通过两种方式对上述结果稳健性进行检验，一种是替换核心变量，用月末美联储影子利率替换月平均美联储影子利率，小波模拟结果（限于篇幅，留存备索）表明，替换前后小波相干图的显著区域、小波相位差和小波增益趋势、大小基本一致，总体模拟结果变化不大。另外一种是基于广义Morse波的小波再检验，以排除偶发性因素所带来的虚假结论，为满足母波函数的要求，令广义Morse波的[γ=3]，[β=10]进行小波再分析，小波模拟结果（限于篇幅，留存备索）表明基于广义Morse波的分析与前文分析极为相似。因此基于Morlet波的结论是稳健的。

四、异质性分析

（一）股票资产异质性

表6显示，全样本期内，各行业股票指数的小波增益均是显著的，表明美联储货币政策调整对中国各行业股票收益具有显著的影响。各周期内，房地产类股票收益受政策影响最甚，这可能因为一方面，近十年来的楼市火爆，造成大量资金被“套”在房地产市场，国际流动性紧缩和美元走强导致大量资金流出，而“京八条”“信贷紧缩”“四限”等房地产政策的频繁多变更是降低了该市场的抗压能力，进一步加剧了美联储对房企类股票的政策影响；另一方面，房产作为企业抵押贷款的重要凭据，房价波动、融资约束收紧以及人民币贬值引起的偿债压力增加，导致房地产业发展面临着诸多挑战，美联储货币政策调整对该类企业的影响格外明显。从疫情期间来看，除房地产类、综合类的中周期不显著外，美联储货币政策对中国各行业股票收益均具有显著影响，但各行业股票所受影响程度均小于全样本期，这与之前结论一致，美联储货币政策对中国股票收益的影响存在蜕变趋势。

（二）债券资产异质性

对于国债、企业债和金融债，表7显示，无论是全样本期间还是疫情期间，美联储货币政策对上述三种债券收益均具有显著的影响且影响时变特征明显。从全样本期间来看，美联储货币政策对企业债的影响程度最大，受影响时间也较长，可能是因为企业债的发行主体对于政策变动较为敏感，发行后“管生、不管养”的管制程序更是使该类市场“鱼龙混杂”，抗压能力较差，加之中国近些年来企业发债规模急剧扩张，美联储政策對其冲击的深度和广度增强。但是，疫情期间国债和金融债受影响程度超过企业债，结合实际情况，2020年，中国出于缓解金融机构资本金紧张以及援助中小企业考虑，扩大国债发行规模，净融资金额不断创21世纪以来新高，加之中国政府有效控制疫情，使得外国投资者更倾向于中国国债，造成国债收益率大幅下行。同时，为进一步缓解经济下行压力、满足中小企业融资需求，中国金融机构不断加速发行金融债，甚至通过永续债或者二级资本债拓宽补充资本渠道，金融债的受冲击面增大。

对中国不同剩余期限债券，根据表7，不论在全样本期还是疫情期间，小波增益均显著不为0，表明美联储货币政策调整对中国各剩余期限的债券收益存在显著的影响。除疫情期间的短周期内3—5年债券收益的小波增益最大外，其他时期内，债券剩余期限越长，小波增益越大，这主要是因为债券到期日越长，它所面临的不确定性和各类风险就越大，美联储货币政策调整时，基于风险规避考虑，这类债券的反应更加敏感。

五、结论及政策含义

本文通过构建基于Morlet波的双因素小波模型，系统分析了美联储货币政策调整与中国金融资产价格的时频关系、影响程度及差异，所得结论及政策含义如下：

其一，美联储货币政策与中国金融资产价格间的相关关系在不同时间、频率维度上具有显著突变性，并非简单意义上的负相关。通过小波模拟结果，美联储货币政策与中国股票收益在短期内的相关关系易受突发事件影响，呈正负交替变化，二者在中长期内呈现显著的正相关关系，美联储货币政策超前引导中国股票收益变动。美联储货币政策与中国债券收益的相关关系主要集中于短期内，二者主要呈现负相关关系，中国债券收益一般超前于美联储货币政策变动，二者中长期相关特征不显著。另外，美联储的货币政策冲击对中国金融资产收益的影响强度在整个样本期内存在显著的“先上升后下降”的周期趋势，且对中国股票收益的影响程度显著高于债券收益。这意味着中国在扩大金融市场的同时，应警惕美联储货币政策的非对称性影响，将其对不同金融市场的价格冲击纳入考虑范畴，降低监管差异，完善金融价格预警机制，降低由于美联储政策调整而带来的各类金融价格波动风险，严格“热钱”审查程序，防范资本过度“炒作”，提高金融资产定价效率，吸引境外成熟的投资人，增强中国资本市场的韧性。

其二，从国内因素来看，中国央行货币政策对中国股票收益波动具有显著的负向解释能力，能够有效削弱美联储的货币政策影响，但对于债券收益，仅能削弱美联储货币政策的长期影响。基于此，中国央行一方面要在继续保证自身独立性的同时，提高货币政策的“斟酌性”，密切关注美联储常规和非常规货币政策调整，完善对“黑天鹅”与“灰犀牛”危机的辨识度。另一方面，在持续深化利率市场化改革过程中，适时利用前瞻性指引影响市场主体预期，加快货币政策目标实现，降低货币政策时滞性。从国际因素来看，国际大宗商品价格波动在美联储货币政策影响中国股市过程中起到了加剧冲击的“跷跷板”效应，在美联储货币政策影响中国债市过程中起到了降低冲击的“减震”效应。因此，要重点关注国际大宗商品价格波动，顺势调整国际大宗商品储备，不断降低国外大宗商品冲击风险，逐步构建具有全球影响力的中国大宗商品贸易中心，并通过有效疏导国际大宗商品价格来分散国内金融市场风险。

其三，就不同类型金融资产而言，房地产类股票、国债、金融债以及剩余期限越长的债券对于美联储货币政策的冲击更加敏感。因此，应打造“租售并举”的政策框架，并辅以规范的房地产租赁市场，以刚性需求消除房市过剩存量，增强房地产市场的韧性。从宏观调控角度来看，一方面要完善处置不良债券的市场监管机制，健全债券违约的处理制度，形成监管与发展的强大合力，另一方面要强化信贷保障，鼓励偿债路径多元化，提高偿债主体便利性，降低违约风险。

注释：

① 由于序列两端填补0，因此导致信号的失真，在时频图中表现为频率变宽，信号的强度降低，甚至可能出现低频的部分全部失真。

② 影响锥（COI）是离散的小波功率在有限时间序列两端下降到[e-2]的区域，其结果往往是不能提供有效信息，因此我们不考虑这部分区域。

③ 影子利率数据来源于http：//www.ljkmfa.com/test-test/united-states-shadow-short-rate-estimates/。

参考文献：

［1］ Henry P B. Stock Market Liberalization， Economic Reform， and Emerging Market Equity Prices［J］.The Journal of Finance， 2000（2）：529-564.

［2］ Henry P B. Do Stock Market Liberalizations Cause Investment Booms［J］.Journal of Financial Economics， 2000（1-2）：301-334.

［3］ 杨继梅，马洁，吕婕.金融开放背景下金融发展对跨境资本流动的影响研究［J］.国际金融研究，2020（4）：33-42.

［4］ 肖卫国，兰晓梅.美联储货币政策正常化对中国经济的溢出效应［J］.世界经济研究，2017（12）：38-49，133.

［5］ 金春雨，张龙.美联储货币政策对中国经济的冲击［J］.中国工业经济，2017（1）：25-42.

［6］ Hausman J， Wongswan J. Global Asset Prices and FOMC Announcements［J］.Journal of International Money and Finance， 2011（3）：547-571.

［7］ 洪朝伟.新一轮美联储加息对中国资产价格的溢出效应：基于SVAR模型的研究［J］.现代管理科学，2017（12）：66-69.

［8］ 陈虹，马永健.美国量化宽松货币政策与退出效应及其对中国的影响研究［J］.世界经济研究，2016（6）：22-31，134.

［9］ 刘传哲，陈慧莹.美联储加息对资本市场的影响研究：基于时变视角下的分析［J］.价格理论与实践，2018（5）：107-110.

［10］  陈晓莉，刘春紫.美国货币政策对中国债券市场的信息溢出效应研究［J］.山东大学学报（哲学社会科学版），2019（6）：114-125.

［11］  方先明，唐冠宸.美联储加息对中国金融资产价格的冲击效应研究［J］.东南大学学报（哲学社会科学版），2019（3）：32-43，146.

［12］  姜富伟，郭鹏，郭豫媚.美联储货币政策对我国资产价格的影响［J］.金融研究，2019（5）：37-55.

［13］  John A， Clara V， Jon W. International Transmission of U.S. Monetary Policy Shocks：Evidence from Stock Prices［J］.Journal of Money， Credit and Banking， 2010（s1）：179-198.

［14］  Laeven L， Tong H. US Monetary Shocks and Global Stock Prices［J］.Journal of Financial Intermediation， 2012（3）：530-547.

［15］  French M W， Sichel D E. Cyclical Patterns in the Variance of Economic Activity［J］.Journal of Business & Economic Statistics， 1993（1）：113-119.

［16］  Hamilton J D， Gang L. Stock Market Volatility and the Business Cycle［J］.Journal of Applied Econometrics， 1996（5）：573-593.

［17］  路妍，方草.美國量化宽松货币政策调整对中国短期资本流动的影响研究［J］.宏观经济研究， 2015（2）：134-147.

［18］  Mukherjee T K， Naka A. Dynamic Relations Between Macroeconomic Variables and the Japanese Stock Market：An Application of a Vector Error Correction Model［J］.Journal of Financial Research， 1995（2）：223-237.

［19］  白雪梅，吴德燚.中国股市与经济增长的非线性依从关系研究［J］.统计研究， 2010（6）：40-45.

［20］  郑挺国，尚玉皇.基于宏观基本面的股市波动度量与预测［J］.世界经济， 2014（12）：118-139.

［21］  Chudik A， Fratzscher M. Identifying the Global Transmission of the 2007-2009 Financial Crisis in a GVAR Model［J］.European Economic Review， 2011（3）：325-339.

［22］  ?akir M Y， Kabundi A K. Business Cycle Co-movements Between South Africa and the BRIC Countries［J］.Applied Economics， 2013（33）：4698-4718.

［23］  Dong H， Wei L. Asian Business Cycle Synchronization［J］.Pacific Economic Review， 2012（1）：106-135.

［24］  Kim S， Roubini N. Exchange Rate Anomalies in the Industrial Countries：A Solution with a Structural VAR Approach［J］.Journal of Monetary Economics， 2000（3）：561-586.

［25］  Garratt A， Lee K， Pesaran M H， et al. Global and National Macroeconometric Modelling：A Long-Run Structural Approach［M］.New York：Oxford University Press， 2012.

［26］  张斐燕.美联储量化宽松政策对全球资产价格的非平衡溢出效应［J］.经济理论与经济管理，2019（10）：4-19.

［27］  蒋帝文.中美欧央行货币政策溢出效应的对比研究：基于GVAR模型的实证分析［J］.亚太经济，2019（3）：59-67，150-151.

［28］  Jammazi R. Cross Dynamics of Oil-stock Interactions：A Redundant Wavelet Analysis［J］.Energy， 2012（1）：750-777.

［29］  Reboredo J C， Rivera-castro M A. Gold and Exchange Rates：Downside Risk and Hedging at Different Investment Horizons［J］.International Review of Economics & Finance， 2014（11）：267-279.

［30］  彭红枫，肖祖沔.供给侧改革背景下需要将PPI纳入通货膨胀目标吗［J］.统计研究， 2017（9）：3-15.

［31］  Torrence C， Compo G P. A Practical Guide to Wavelet Analysis［J］.Bulletin of the American Meteorological Society， 1998（1）：61-78.

［32］  Aguiar-conraria L， Soares M J， Sousa R. Californias Carbon Market and Energy Prices：A Wavelet Analysis［R］.Nipe Working Papers， 2017.

［33］  Krippner L. Measuring the Stance of Monetary Policy in Zero Lower Bound Environments［J］.Economics Letters， 2013（1）：135-138.

［34］  赵艳平，秦力宸，黄友星.中国企业去杠杆需考虑美联储货币政策变化吗：加息和缩表的比较分析［J］.国际金融研究，2020（3）：23-34.

［35］  陈继勇，袁威，肖卫国.流动性、资产价格波动的隐含信息和货币政策选择：基于中国股票市场与房地产市场的实证分析［J］.经济研究，2013（11）：43-55.

［36］  袁越，胡文杰.紧缩性货币政策能否抑制股市泡沫［J］.经济研究，2017（10）：82-97.

［37］  Creti A， Jo?ts M， Mignon V. On the Links Between Stock and Commodity Markets Volatility［J］.Energy Economics， 2013（37）：16-28.

［38］  Alessio A， Marco J L， Patrizio P. The Impact of Monetary Policy Shocks on Commodity Prices［Z］.Bank of Italy， Economic Research and International Relations Area， 2012.

［39］  Christopher T， Webster P J. Interdecadal Changes in the ENSO-Monsoon System［J］.Journal of Climate， 1999（12）：2678-2690.

［40］  刘璐， 张帮正.国际大宗商品金融化如何影响中国实体经濟：以工业产出为例［J］.当代经济科学， 2020（4）：39-53.

责任编辑：夏    莹

（E-mail：silvermania@ qq. com）

收稿日期：2022 - 09 - 01 本刊网址·在线期刊：http：//qks. jhun. edu. cn/jhxs

基金项目：中国社会科学院创新工程项目“绿色发展战略与政策模拟”（IQTE202104）

作者简介：黄    珊，女，山东聊城人，中国社会科学院大学应用经济学院博士生，E-mail：huangshan201411@163.com；李均超，男，山东莱州人，中国社会科学院大学应用经济学院博士生，E-mail：junchaoli199533 @163.com；蒋金荷，女，浙江台州人，中国社会科学院数量经济与技术经济研究所研究员，中国社会科学院大学应用经济学院教授，博士生导师，E-mail：jiangjh@cass.org.cn。