未预期货币政策、生产网络与股票市场

白楠楠

关键词：未预期货币政策；生产网络；溢出效应；SAR模型

DOI：10.19313/j.cnki.cn10-1223/f.20230530.001

一、引言

面临“需求收缩、供给冲击、预期转弱”这“三重压力”、世纪疫情以及复杂多变的国际环境，2022 年《政府工作报告》提出要坚持稳字当头、稳中求进，加大宏观政策实施力度，稳定宏观经济大盘。党的二十大报告指出，健全宏观经济治理体系，加强财政政策和货币政策协调配合，着力扩大内需，加快构建新发展格局，推动高质量发展。作为宏观调控的重要方式之一，货币政策要发挥总量兼具调结构的双重功能，对国民经濟的平稳运行和长期增长提供有力支撑。然而，以稳定宏观经济为目的的货币政策可能会引起那些对货币政策敏感的经济部门过度反应（Raddatz & Rigobon，2003）。此外，货币政策“精准滴灌”实体经济也可能受产业间客观存在的生产联系的影响。因此，政策目标与实施效果之间的偏差需要货币当局给予关注。

货币政策效果及其传导机制一直是宏观经济学研究的重要问题。相较于货币政策对实体经济的影响存在滞后性（王君斌等，2013），资本市场可以更为直接迅速地对货币政策工具作出反应。自20 世纪90 年代成立以来，中国股票市场成长迅速，对国民经济的影响力迅速上升，股票价格、实体经济和货币政策的联系日趋紧密。理解货币政策与资产价格之间的关系对于理解货币政策传导机制至关重要（Bernanke & Kuttner，2005）。国内学者针对货币政策和股票市场关系这一重要话题进行了大量研究。已有文献主要可分为两类：第一类是货币政策的工具选择对股票市场的非对称影响（董直庆和王林辉，2008；贺晓波和许晓帆，2009）；第二类是货币政策与股票市场的非线性关系（张小宇等，2013；孙俊，2013）。朱小能和周磊（2018）通过有效区分货币政策预期和冲击发现，未预期货币政策对沪深股市的负向影响主要通过预期未来超额收益率渠道实现。但在股票市场不同行业之间，货币政策冲击能否通过产业间投入产出联系渠道进行传播？这种渠道带来的溢出效应是否重要？不同行业受溢出效应的影响是否相同？针对这些问题进行检验，不仅有助于理解投入产出联系在货币政策传导中的作用，对货币政策发挥精准调控功能的潜在影响因素也提供了重要借鉴。但遗憾的是，鲜有文献对此进行探讨。本文尝试从生产网络视角对上述问题进行考察并提供经验证据。

在经济活动中，产业间由于投入产出联系而呈现出一种相互影响、相互制约的关系。具体而言，一个产业的生产、产值、技术等方面的变化会在这种关联机制下对其他产业部门产生直接或间接影响。近十几年来，国外大量文献从理论和实证方面表明经济冲击会通过投入产出联系进行传导并可能引发宏观经济波动（Acemoglu et al.，2012；Carvalho，2014；Acemoglu et al.，2016）。根据西方经济学理论，宽松的货币政策通常会刺激需求、增加产出，而紧缩的货币政策则会抑制需求、降低经济体的产出水平。理论上，货币政策冲击作为一种需求侧冲击也可能通过产业间投入产出联系这一重要渠道进行传导并在行业间溢出。

宏观货币政策研究的首要问题是识别外生的货币政策冲击。本文参考朱小能和周磊（2018）基于媒体数据分解货币政策的方法，识别出货币政策调整公告中未被市场预期到的部分并将事件窗口缩短为货币政策调整公告公布后的首个交易日，较好地解决了内生性问题。本文的另一个重要问题是如何度量货币政策冲击产生的溢出效应。空间计量经济学通常在假设地理单元之间存在给定关系的情况下识别地理区域间的溢出效应。在本文的研究背景下，投入产出联系刻画了不同行业之间的关联关系。因此，可以借助空间计量经济学的方法识别货币政策冲击的直接效应和经产业间投入产出联系传导形成的溢出效应。参考前人研究，本文采用空间自回归（SAR）模型实证检验发现：首先，产业间投入产出联系是货币政策冲击在股市不同行业之间传导的重要经济机制；其次，股市行业收益率对货币政策冲击的反应中溢出效应占比高达40%左右，这说明溢出效应显著放大了货币政策冲击对股市行业收益率的影响；最后，采用实务界研究方法将样本划分为上游行业和下游行业，结果表明溢出效应对上游行业的股票收益率影响更大。此外，本文进行了一系列稳健性检验，结果均表明溢出效应非常稳健。

与前人研究相比，本文可能的边际贡献主要体现在以下四个方面。首先，本文采用SAR 模型实证检验发现，产业间投入产出联系是未预期货币政策在股市不同行业之间传导的重要渠道，股市行业收益率对未预期货币政策的反应中由投入产出联系带来的溢出效应占比高达40%左右。已有研究侧重于考察货币政策如何通过股票市场传导影响实体经济，鲜有文献涉及货币政策冲击在股市不同行业之间的传导机制及溢出效应。本文不仅弥补了相关文献的不足，同时也可以为货币政策制定提供参考。其次，本文发现溢出效应对上游行业的股票收益率影响更大，这启示相关部门制定需求侧调控政策时更需关注溢出效应对上游行业的影响。再次，通过绘制反映不同经济部门之间投入产出关系的热力图，本文发现我国投入产出矩阵是一个稀疏矩阵，部分行业作为重要供应商在国民经济体系中发挥举足轻重的作用。因此，保护关键行业免受外部冲击对维护产业链供应链的稳定至关重要。最后，鉴于未预期货币政策会对股票市场产生显著影响，央行在制定货币政策时要注重与市场主体沟通，减小市场未预期到的货币政策，进而避免股市不必要的波动。

本文对剩余部分的具体安排如下：第二部分回顾了相关文献并提出研究假设。第三部分为本文的研究设计。第四部分通过空间自回归（SAR）模型考察了未预期货币政策的行业溢出机制并进行了一系列稳健性检验。第五部分进一步考察了溢出效应在上下游行业中可能存在的异质性。第六部分为本文的研究结论与政策启示。

二、文献综述与研究假设

本文和两个方面的文献紧密相关。首先，货币政策传导机制及其对实体经济的影响是宏观经济学研究的重要问题。但货币政策操作只能间接地影响产出、就业和通货膨胀等宏观经济变量。相比而言，资本市场却可以更为直接迅速地对货币政策工具作出反应。随着我国股市快速发展，股票市场对国内经济的影响力迅速扩张。股票市场发展可以通过促进产业结构升级提升经济发展质量（孙湘湘等，2018），股票价格、实体经济和货币政策的联系日趋紧密，股票市场在货币政策中发挥的作用也愈加重要。针对货币政策和股票市场之间关系的研究，国外文献多数采用事件研究法。Bernanke & Kuttner（2005）发现未预期联邦基准利率下降25 个基点会引起股票市场指数上涨1%。Gurkaynak et al.（2005）关注日内事件窗口，指出标准普尔500 指数对货币政策冲击也有相似的反应。国内学者针对两者关系进行了大量研究并取得了丰硕成果。易纲和王召（2002）构建了货币政策的股市传导机制模型，通过理论分析表明在短期和中期，扩张性货币政策均会引起股票价格的上涨。早期经验研究表明货币政策对中国股市影响较弱，但与货币供应量相比，利率对股票市场的影响比较大。许均华和李启亚（2001）发现与货币供应量等连续性政策指标相比，股市运行受利率调整、取消涨跌停板等短期性的政策事件影响较大。孙华妤和马跃（2003）发现货币供应量对股票收益率没有显著影响，而利率对股票收益率的影响不稳定。随着研究不断深入，学者们开始考察货币政策工具对股票价格的非对称影响，以及货币政策的影响效力在股市不同阶段的差异。董直庆和王林辉（2008）发现货币政策中实际利率冲击对股市产生较强的负向影响，持续时间也最长。贺晓波和许晓帆（2009）指出在股市低迷时期和膨胀时期，股票市场对不同类型的货币政策冲击的响应存在非对称性。方舟等（2011）采用MS-VAR 模型研究发现，货币供给增加或者利率降低均能提高股市流动性，货币政策冲击对市场流动性的影响在股市处于膨胀期表现得更加明显。在货币政策对股票市场的非线性影响方面，国内学者发现与紧缩型货币政策相比，宽松型货币政策对股票市场的影响更大。张小宇等（2013）发现股票收益率、货币政策以及产出之间的动态调整过程存在明显的非线性关系，通过计算ST-VAR 模型的广义脉冲响应函数发现，扩张性货币政策对股票市场的拉动效果大于紧缩性货币政策对股市的抑制效果。同样地，孙俊（2013）也发现我国货币政策具有非对称效应，并指出相同货币政策工具的实施效果还依赖于宏观经济所处特定的经济区制。但值得注意的是，关于货币政策能否有效影响股票市场仍存争议。朱小能和周磊（2018）认为股票市场对货币政策提前反应、内生性以及同步性问题是相关研究未达成一致结论的主要原因，他们基于媒体数据将货币政策分解为预期和未预期部分并采用事件研究法，在较好处理内生性等问题后发现，未预期货币政策对沪深股市有显著的负向影响。通过梳理已有文献，本文发现大量文献集中考察了货币政策的股市传导机制，即货币政策如何通过股票市场传导影响实体经济，仅有少量文献考察了货币政策对股票市场的传导路径。但鲜有文献考察货币政策冲击能否通过某种渠道在股市不同行业之间进行传导、这种渠道带来的溢出效应是否重要，以及不同行业受溢出效应的影响是否存在异质性。

第二，货币政策冲击在股市不同行业间的传导渠道涉及生产网络领域的相关文献。投入产出联系可能是传导冲击的重要渠道，这一想法至少可以追溯至Leontief（1936）或Hirschman（1958）。然而，Lucas（1977）关于经济周期的著名文章淡化了微观经济冲击（仅影响部分企业或行业的冲击）可能通过投入产出联系在经济体内传播这一潜在传导机制。该文指出，如果企业或行业受到的冲击具有特殊性，那么基于大数定律异质性冲击会在高度专业化的经济体中被分散掉，微观冲击不会引发经济的总体波动。尽管存在强有力的反驳，近十几年来，这种潜在传导机制引起了学术界的广泛关注。Gabaix（2011）的一篇重要文章表明，当企业规模分布具有厚尾特征时，规模较大的企业遭受的冲击无法被规模较小的企业抵消，中心极限定理不再适用，从而为企业层面异质性冲击引发大规模宏观经济波动开辟了道路。在Long & Plosser（1983）构建的多部门一般均衡模型的基础上，Acemoglu et al.（2012）研究发现，存在部门间投入产出联系的情况下，微观经济冲击可能会引发宏观经济波动。特别地，随着产业分工细化，总波动率的衰减速度取决于捕捉投入产出联系的网络结构。Carvalho（2014）认为经济体的生产网络结构是决定微观经济冲击是否以及如何在整个经济体内传导并形成总波动的关键。Acemoglu et al.（2016）发现宏观经济冲击可沿投入产出网络进行大规模传播并存在特定的传导模式，即需求侧冲击向上游传导，而供给侧冲击向下游传导。Ozdagli & Weber（2017）借助股票市场对货币政策的反应研究了生产网络传导宏观经济冲击的重要作用。借助2011 年东日本大地震的外生性和区域性， Barrot& Sauvagnat（2016）发现受灾企业会对下游企业的产出造成负面冲击，当受灾企业提供的中间投入品具有特殊性时，其对下游企业造成的不利冲击会更加严重。Boehm et al.（2019）基于跨国企业微观数据考察了进口中间投入品将外生冲击传递给美国经济的作用。Carvalho et al.（2021）进一步量化了投入产出联系作为冲击传播和放大机制的作用。此外，他们借助模型测算出东日本大地震及其后果导致日本灾后一年的GDP 增长率下降了0.47 个百分点。综上，既有文献表明经济冲击会通过投入产出联系进行傳导并可能导致宏观经济波动，即产业间投入产出联系是传导冲击的重要渠道。但国外学者侧重于研究生产网络传导微观供给侧冲击的重要作用。理论上，作为一种需求侧冲击，货币政策冲击也能通过产业间投入产出联系渠道传导并产生溢出效应。

基于对上述文献的梳理，本文提出如下研究假设：H1：产业间投入产出联系是未预期货币政策在股市不同行业间传导的重要渠道。

三、研究设计

（一）数据来源

个股日收益率数据以及财务数据来源于CSMAR 数据库。上海证券综合指数、深圳证券交易所成份股价指数以及沪深300 指数来源于WIND 数据库。货币政策实际变动数据来自中国人民银行发布的公告。货币政策预期为货币政策变动公告前7 天主流财经媒体上发表的对于货币政策变动的量化预测，通过手工搜集获得，准备金率调整预期截止时间为2021 年末①。空间权重矩阵由国家统计局发布的42 部门投入产出表整理获得。本文对原始数据进行了如下筛选处理：（1）考虑新股上市收益率的特殊性，剔除上市日期与货币政策公告日之间不满3 个月的新股；（2）剔除ST、*ST 类股票；（3）为确保行业收益率的多元化并降低异常值的影响，剔除每个事件日上市公司不满3 家的行业。

（二）变量说明

行业收益率。本文选取货币政策公告日之后的首个交易日作为衡量行业反应的事件窗口，对属于相同行业的上市公司按照其股票市值加权平均获得行业收益率②。借鉴范子英和彭飞（2017）的思路判断企业所属行业，具体步骤如下。首先，以上市公司所属的《上市公司行业分类指引》（2012年修订）证监会行业标准作为企业的基础归属行业。其次，以企业所属证监会行业为基础，匹配所属2007 年及2012 年中国投入产出表中的行业分类。以国民经济行业分类（GBT4754-2011）两分位行业代码为标准，对企业所属证监会行业分类代码与我国42 部门投入产出表行业进行匹配并汇总，获取上市公司所属42 部门的行业代码。

未预期货币政策。在过去相当长的一段时间里，存款基准利率和法定存款准备金率是中央银行常用的调控工具。因此，本文采用一年期存款基准利率调整与法定存款准备金率调整两类事件综合考察央行的货币政策调整行为。由于市场会对预期到的货币政策提前作出反应，那么未预期政策信息对股票市场的影响显然有别于预期到的货币政策。因此，有效区分货币政策预期与冲击对研究获得正确结论至关重要。参考前人研究，基于媒体数据对货币政策进行分解并提取未预期货币政策。具体而言，未预期货币政策是货币政策实际变化与货币政策预期的差值。未预期货币政策取值为正表示未预期“紧缩”货币政策，取值为负则表示未预期“宽松”货币政策。本文样本区间始于1998年初止于2021 年末，央行对一年期存款基准利率和法定存款准备金率的调整在1998 年、2007 年、2008 年、2010 年、2011 年以及2015 年比较频繁。①样本期间，中国人民银行调整一年期存款基准利率32 次、法定存款准备金率54 次，其中，2007 年5 月18 日、2008 年9 月15 日、2008 年10月8 日、2008 年11 月26 日、2008 年12 月22 日、2015 年8 月25 日、2015 年10 月23 日央行的政策公告中同时调整了存款基准利率和法定准备金率，去除重复最终得到79 个事件日。

空间权重矩阵，即投入产出矩阵。本文空间权重矩阵的一个天然选择对象是国家统计局发布的投入产出表，该表在生产网络文献中被广泛使用。里昂惕夫于20 世纪30 年代创立的投入产出法是研究国民经济中各产业部门之间投入与产出的相互依存关系的数量分析方法（何东伟和胡晓鹏，2015）。Acemoglu et al.（2012）借助一个带有中间投入品的生产模型，从理论上证明了投入产出矩阵作为空间权重矩阵的合理性。我国的国家投入产出表逢2 逢7 年份编制，投入产出表的垂直方向和水平方向纵横交错，可划分为四个象限，从总量和结构上全面、系统地反映国民经济各部门从生产到最终使用这一完整的实物运动过程中的联系（王岳平和葛岳静，2007）。投入产出表中第一象限为中间使用矩阵，描述了国民经济各部门之间客观存在的投入产出关系，依中间使用矩阵计算得到的直接消耗系数矩阵是投入产出分析模型的基础。本文使用的空间权重矩阵为标准化后的直接消耗系数矩阵。具体的变量符号及定义如表1 所示。

（三）实证模型

货币政策与股票市场可能互为因果，即货币政策会影响股票市场，股票市场的波动也会影响央行的货币政策制定。此外，货币政策与股票市场可能会同时对其他经济变量作出反应。内生性问题增加了估计资产价格对货币政策反应的难度。朱小能和周磊（2018）指出有效地区分货币政策预期和冲击，并辅以事件窗口期的选择，能较好地解决市场提前反应以及内生性等问题。同样地，许志伟等（2020）指出只有基于外生冲击下的政策实验，才能准确地分析货币政策效应而不会产生内生性问题。借鉴前人研究，本文选取货币政策调整公告发布后的首个交易日作为事件窗口期，估计股市行业收益率对货币政策冲击的反应。前文理论分析表明，投入产出联系是货币政策冲击在不同行业之间传导的重要的经济机制。识别货币政策冲击的溢出效应是本文面临的另一个重要问题。空间计量经济学通常采用简化的方法研究存在特定关系的地理区域之间的溢出效应。随着学科发展，空间计量经济学方法在房地产经济学、劳动经济学等众多领域得到了广泛应用。因此，本文借助SAR模型将股市行业收益率对货币政策冲击的整体反应分解为直接效应和间接溢出效应。Carvalho（2014）和Acemoglu et al.（2016）在多部门生产模型中阐明了产业间投入产出联系的重要作用。Ozdagli &Weber（2017）进一步将货币供给纳入多部门生产模型并推导出企业利润变动、货币供给变动以及企业客户利润变动之间的关系具有SAR 模型的形式。货币政策冲击引发的货币供给变动对企业利润产生影响通常需要较长时间，在此期间企业利潤变动可能会受其他因素干扰，而股票价格可以迅速反映货币政策冲击引发的企业未来利润变动。因此，包含众多企业的行业收益率、货币政策冲击以及客户行业收益率三者之间的关系理应符合SAR 模型。本文借鉴前人研究建立了实证模型（1）。

（四）描述性统计

本文主要变量描述性统计结果如表2 所示。样本期间加息、加准事件共发生45 次，降息、降准事件共发生41 次，由于存款基准利率和准备金率存在同时调整的情况，去重后共计79 个事件日。表2 中股市行业收益率IndRtn 最小值-8.92%，最大值6.41%，标准差2.71%，这说明各行业受到货币政策冲击时，收益率变动存在较大差异①。未预期货币政策Shock 的均值为-0.16%，整体上呈现未预期“宽松”货币政策。

四、实证结果分析

（一）基准回归分析

本文首先运用OLS 模型检验了股票市场对未预期货币政策的反应。表3 中列（1）、列（2）以及列（3）分别报告了1998 年至2021 年期间，事件窗口中上海证券综合指数、深圳证券交易所成份股价指数以及沪深300 指数对货币政策冲击的回归结果。本文发现货币政策冲击的回归系数均显著为负。1%未预期到的降息或降准会引起上述股票价格指数分别上涨1.264 2%、1.491 0%和1.720 4%，其中，沪深300 指数对货币政策冲击的反应最为敏感。股票市场对未预期货币政策的反应与朱小能和周磊（2018）的研究结果一致。表3 第（4）和第（5）列结果显示，从行业层面看，基于2007 年及2012 年投入产出表分类的股市行业收益率对未预期货币政策的回归系数均显著为负，并且大小与市场指数一致。表3 第（6）和（7）列汇报了对模型（1）回归的结果，Shock 的回归系数β 仍显著为负，但与OLS 回归所得系数的绝对值相比显著减小，同时空间滞后系数ρ 在1%置信水平上显著为正。从经济意义上讲，β 的估计值为负表明未预期“紧缩”货币政策会降低股市行业收益率，而ρ 的估计值为正，表明超预期紧缩会通过产业间投入产出联系进一步降低股市行业收益率。SAR 模型将未预期货币政策对股市行业收益率的影响分解为直接效应和空间溢出效应。本文溢出效应的具体含義可理解为，货币政策冲击对其他行业收益率的直接影响经投入产出联系渠道传导进而对某个行业股票收益率造成的影响。基于回归结果计算可得，溢出效应占股市行业收益率对货币政策冲击反应的40%左右。这表明由产业间投入产出联系带来的溢出效应放大了货币政策冲击对股票市场的影响。本文假设H1 得到了实证支持。

（二）稳健性检验

1. 空间权重矩阵调整。由图1 可知投入产出矩阵主对角线元素取值非零并且数值较大，这意味着一个部门购买大量本部门产品作为中间投入产品，而这些源自部门内部的需求效应可能在一定程度上影响了溢出效应的大小。因此，在表4 中本文将空间权重矩阵主对角线元素设置为零并进行标准化处理以排除部门内部需求效应对研究结果的影响。表4 显示无论使用2007 年还是2012 年投入产出数据构建空间权重矩阵对模型（1）进行回归，溢出效应均非常显著。根据表4 结果计算可得，股市行业收益率对货币政策冲击的反应中溢出效应占比在42%～57%范围内，与基准回归结果基本相同，但溢出效应却略大于基准回归结果。可能原因主要如下：其一，本文采用的分解方式中直接效应包含了从某个行业出发经投入产出联系渠道传导最终反馈给自身的部分，因此，将空间权重矩阵主对角线元素置零不仅会降低溢出效应同时也会减小直接效应，当直接效应降低幅度更大时，溢出效应占总效应的比值就会提高；其二，列（2）和列（4）采用年流通市值作为权重计算股市行业收益率，由于数据缺失导致样本容量与基准回归略有差异，这也可能会对回归结果产生影响。综上所述，即使将空间权重矩阵主对角线元素设置为零，货币政策冲击经产业间投入产出联系传导产生的溢出效应依然非常稳健。

2. 行业收益率调整。不同行业面临的需求周期以及产出持续性存在一定差异（DAcunto et al.，2017）。为控制季节性因素对本文研究结果可能造成的干扰，本文采用均值调整后的行业收益率对模型（1）进行回归。表5 显示，经均值调整后的行业收益率与未预期货币政策显著负相关，并且空间溢出效应占比仍在40%左右。再次证明了本文结果非常稳健。

3. 样本调整。本节研究放宽了对行业中上市公司数量的要求。分析在保留更多行业的情形下，未预期货币政策对股市行业收益率的影响及其溢出效应。更新样本后对模型（1）进行回归发现，使用2007 年空间权重矩阵时所得溢出效应占比约42.28%，而使用2012 年空间权重矩阵时，溢出效应占比增大至66.14%。与表3 第（7）列相比，表6 第（4）列增加了8 个行业，共包含34 个行业。这说明生产网络包含的行业数量以及各行业之间的关联程度与溢出效益的大小密切相关。上述结果再次表明本文的研究结果非常稳健。

4. 外部融资约束。前文研究结果表明，货币政策冲击可能会直接或间接增加消费者对商品和服务的需求，而需求增加会传递给供应商进而传递至生产网络的上游。尽管如此，货币政策也可以通过影响企业的外部融资约束或融资成本进而对企业财务绩效产生影响并反映至股票市场。定量测度企业融资约束的思想始于Kaplan & Zingales（1997），他们首先根据样本内企业的财务状况，定性划分企业面临的融资约束程度，进一步刻画融资约束程度与反映企业特征的变量之间的数量关系，即融资约束指数。此后，KZ 指数在融资约束研究领域中得到了广泛应用（Almeida et al.，2004）。为排除不同行业外部融资约束差异对研究结果可能造成的干扰，本文借鉴前人思想，参考谭跃和夏芳（2011）与魏志华等（2014）的方法，利用本文样本构造了个股KZ 指数，基于个股KZ指数计算行业KZ 指数，KZ 指数越大融资约束程度越高，并将样本依融资约束程度高低划分成两个子样本。同时，借鉴Hadlock & Pierce（2010）的方法，本文计算个股SA 指数进而获得行业SA指数。同样地，行业SA 指数越大，行业面临的融资约束程度越高。表7 展示了使用2012 年空间权重矩阵在各子样本中对模型（1）进行回归的结果①。无论采用KZ 指数还是SA 指数衡量行业外部融资约束程度，空间滞后系数ρ均在1% 的水平上显著为正。空间溢出效应占比在融资约束程度较高与较低的样本组差异不大。这表明货币政策冲击主要通过产业间投入产出联系渠道产生溢出，本文研究结论依然非常稳健。

五、异质性分析

传统经济理论认为货币政策通过调节社会总需求达到政策目标。理论上，将货币政策冲击视为一种需求侧冲击，其经投入产出联系传导形成的空间溢出效应在不同部门之间的差异应取决于该部门与终端消费者之间的距离。将大部分产品直接出售给终端消费者的部门，其对货币政策冲击的反应较少地来源于溢出机制。相反，那些提供较多中间投入品的部门对货币政策冲击的反应中溢出效应占比相对会大一些。国外已有学者构建了度量不同行业与终端消费者距离远近的代理指标（Carvalho et al.，2021）。然而，我国大多数上市公司在披露财务报表时，对公司客戶及供应商的信息披露不够详细。这对本文使用微观企业间的供应商、客户数据划分企业所处产业链上下游位置，并进一步判断行业与终端消费者之间的距离形成制约。因此，本文采用实务界的研究方法，识别不同行业在产业链中的位置。基于国家统计局公布的投入产出数据计算各行业上游度系数、影响力系数、产业影响力系数、感应度系数、产业感应度系数等，本文将国民经济42 部门划分为距离终端消费者较近的下游行业与远离终端消费者的上游行业。表8 第（1）列显示了在上游行业样本中使用2007 年空间权重矩阵对模型（1）进行回归的结果。基于列（1）结果计算可得上游行业中的溢出效应占比为37.98%。表8 第（3）列结果显示，使用2012 年空间权重矩阵时上游行业中溢出效应占总效应的比值为41.46%。表8 第（2）列和第（4）列结果显示，使用2007 年与2012 年空间权重矩阵时下游行业中溢出效应占比分别为27.16%、21.70%。基于上述分析可知，无论使用2007年还是2012 年空间权重矩阵，上游行业受溢出效应的影响均大于下游行业。这与理论预期一致，即需求侧冲击会更多溢出到上游行业。此外，采用2012 年空间权重矩阵时上游行业中溢出效应占比大于采用2007 年空间权重矩阵时的结果，这表明随着产业分工细化，各行业间的联系更趋紧密，投入产出联系传导需求侧冲击至上游行业的作用也在逐渐增强。

六、研究结论与政策启示

本文使用空间面板数据，基于SAR 模型检验了未预期货币政策在股票市场不同行业之间的传导机制及溢出效应。研究结果显示：未预期货币政策对股市行业收益率存在显著负向影响，且其可以通过产业间投入产出联系在不同行业之间溢出；股市行业收益率对未预期货币政策的反应中溢出效应占比高达40% 左右，这表明由投入产出联系渠道带来的溢出效应放大了货币政策冲击对股票市场的影响。采用实务界研究方法将样本划分为上游行业和下游行业，发现上游行业收益率受溢出效应的影响更大。此外，一系列稳健性检验结果均表明货币政策冲击的溢出效应非常稳健。

本文的政策启示如下。首先，本文运用SAR 模型实证检验发现，产业间投入产出联系是我国未预期货币政策行业间传导的重要渠道。溢出效应放大了未预期货币政策对股票市场的影响，忽略产业间投入产出联系会低估未预期货币政策的作用效果。理论上，结构性货币政策操作也会通过投入产出联系渠道传导进而产生非预期政策效果。本文的研究发现为中央银行的政策制定提供了重要参考，特别是在货币政策调控力度以及发挥调结构功能方面。此外，本文将未预期货币政策视为一种需求侧冲击研究发现，未预期货币政策的溢出效应对上游行业股票收益率的影响更大。这启示相关部门制定需求侧调控政策时需要关注溢出效应对上游行业的影响。

其次，当前中国经济发展面临各种风险挑战和不确定因素，复杂严峻的经济形势无疑加大了通过宏观政策手段保障经济平稳运行的难度。稳定的产业链供应链是宏观经济大盘稳定的中观基础。产业链供应链不畅和断裂会造成供给短缺并助推通货膨胀，加剧经济波动。本文使用国家统计局公布的投入产出数据研究发现，化学产品，金属冶炼和压延加工品，金融，电力、热力的生产和供应，交通运输、仓储和邮政以及食品和烟草等部门向国民经济其他部门提供重要原材料或中间投入品，在国民经济体系中发挥举足轻重的作用。因此，应保护关键产业尽量免受外部不利冲击的影响、提升产业链供应链韧性和安全水平，维护宏观经济平稳运行。

最后，鉴于未预期到的货币政策会对股票市场产生显著影响，为避免股市不必要的波动，货币当局在制定货币政策时要注重与市场主体沟通，增强货币政策的透明度，减小未预期货币政策冲击，防止股票市场过度波动，防范金融风险。