吕政 刘丽萍
内容提要:金融数字化对货币政策有效性的影响如何?具体通过哪些渠道改变货币政策调控效果?理论和经验上的研究并不充分。为此,廓清了金融数字化影响货币政策有效性的作用机制,并结合金融数字化进一步探究货币政策对总需求的调节主要来源于居民消费还是企业投资。基于时间序列数据,应用局部投影方法实证检验金融数字化对中国货币政策传导效果的影响。研究发现:“高金融数字化”状态下数量型货币政策冲击对产出、消费和投资的传导效果远高于“低金融数字化”状态。金融数字化助力货币政策实现“稳增长”目标,主要体现在扩大投资需求方面,对于消费需求的刺激略低于投资。需要强调的是,在替换价格型货币政策冲击、改变金融数字化测度方式、引入更多控制变量之后,该研究结论仍然成立,可见发展金融数字化有利于提高货币政策有效性。建议加速推进数字金融建设,进一步释放金融数字化带来的红利。
2021年,中共中央政治局会议提出,宏观政策维持“稳中求进”总基调,推动经济更加均衡,在货币政策方面,会议着重强调“做好宏观政策跨周期调节”。2022年,中央经济工作会议提出,要保持流动性合理充裕,保持广义货币供应量和社会融资规模增速同名义经济增速基本匹配,会议明确要求“稳健的货币政策要精准有力”。与财政政策刺激依赖相比,货币政策操作更灵活适度、主动有为,因此在加大跨周期调节力度、与逆周期调节相结合方面,货币政策操作的有效性至关重要。随着利率市场化改革不断提速,中国货币政策传导效率明显提高,但货币政策框架仍有所欠缺,在一定程度上制约了经济可持续增长(Lü等,2023;吕政和刘丽萍,2023)。显然,经济增长离不开金融支持,金融发展有利于放松流动性约束,降低外部融资成本,在刺激消费、引导投资、促进就业等方面发挥重要作用。而当前金融数字化带来的变革,远不同于以往的金融发展。金融数字化是指在云计算、大数据等新兴数字科技支撑和引领下,以数据为关键要素,以价值释放为核心,以数据赋能为主线,通过数字化转型等手段重塑金融产业生态的过程。金融数字化实现了金融与信息技术的深度融合,逐渐成为中国金融体系不可或缺的维度,以前所未有的速度颠覆了传统金融业。
国外学者较早关注到金融发展对货币政策有效性的影响(Gurley和Shaw,1955;Bernanke和Gertler,1995;Kashyap和Stein,2000)。但是关于金融数字化与货币政策有效性之间关系的问题,学界尚未得到一致的定论,已有研究大体分为三类:第一类文献认为金融数字化有利于提高货币政策有效性。持此类观点的研究认为,金融数字化提高了货币流通速度,将对宏观调控产生永久性影响(Tule和Oduh,2017)。战明华等(2020)借助IVAR模型测算了中国数字金融的整体效果,发现数字金融有助于提高货币政策执行效果。第二类文献认为金融数字化不利于提高货币政策有效性。该类文献认为,金融数字化在监管套利的驱动下,容易挤出一部分商业银行贷款,在阻碍银行放贷、加剧银行竞争的综合作用下,削弱了货币政策实施效果(Ma和Lin,2016;Buchak等,2018)。因此,电子货币、数字银行和分布式账本技术的推广,引发了中央银行对货币政策调控效果的担忧。第三类文献认为金融数字化对货币政策有效性不存在因果效应。Mumtaz和Smith(2020)比较了30个经济体金融数字化前后的货币政策操作效果,得到的经验证据显示,这两个时期的货币乘数并未发生明显变化。
综上所述,已有研究对金融数字化与货币政策有效性关系的问题展开了丰富的讨论,主要聚焦于金融数字化对货币政策宏观调控、货币乘数等方面的影响,但是对金融数字化影响货币政策产出效应的研究还存在不足,尤其缺少金融数字化通过哪些渠道影响货币政策有效性的理论分析,也并未明晰金融数字化在货币政策引导消费、投资方面起到的作用。考虑到中国货币政策框架正在经历量价转型,厘清金融数字化作用于货币政策有效性的影响机制,识别数量型工具和价格型工具的调控效果,对于深入推进货币政策框架转型,渐进深化货币政策跨周期调节,稳步提升货币政策有效性具有重要价值。同时,鉴于中国是全球金融数字化的领跑者,探寻金融数字化对中国货币政策有效性的影响,在继续深化金融改革、大力发展数字金融的当下,具有重要现实意义。
①卜世仁冷笑道:“你小人儿家很不知好歹,也到底立个主见,赚几个钱,弄得穿是穿吃是吃的,我看着也喜欢。”(第二十四回)
企业盈利水平具有信号作用,盈利趋势是融资活动中的重点考察因素。本文采用了总资产净利润率 (ROA),即净利润与总资产平均余额之比,用于反映资产的利用效果。本文还采用了营业净利率 (Net Profit Ratio),即净利润与营业收入之比,用于反映企业销售的最终获利能力。
与以往的研究相比,本文创造性工作主要体现在以下三个方面:第一,在理论分析上。本文结合利率渠道、信贷渠道和资产价格渠道,从理论层面剖析金融数字化对货币政策“稳增长”的促进作用,并进一步讨论了“稳增长”效果主要来源于居民消费还是企业投资。第二,在研究方法上。应用局部投影方法(LP方法)实证检验金融数字化对货币政策有效性的影响。与以往通过VAR模型族的脉冲响应幅度,判断货币政策执行效果优劣的做法不同,LP方法并未严格要求数据生成机制满足VAR模型所设定低阶自回归过程。LP方法对模型设定形式的放松,以及灵活的半参数估计策略,使其成为理论上更可取的计量工具。第三,在经验证据上。应用LP方法得到了“高金融数字化”状态下,货币政策冲击对产出、消费和投资的传导效果远高于“低金融数字化”状态的新证据,并且金融数字化支持货币政策“稳增长”效果,主要源于引导投资需求。本文研究工作丰富了金融数字化经济效应领域的研究,为中国着力支持扩大内需、助推经济高质量发展提供了有益思考。
数字金融愈来愈成为金融市场的重要组成部分,已经渗透到现实经济的方方面面,极大地改变了货币政策传导的“中介”——金融结构。移动支付、互联网金融、P2P借贷等金融创新工具的迅猛发展,左右了家庭部门的储蓄决策、企业部门的融资决策和银行部门的放贷决策,无疑会影响货币政策的传导机制、操作效果。众所周知,货币政策传导渠道主要有利率渠道、信贷渠道、资产价格渠道和汇率渠道。虽然经过汇率市场化改革,中国的人民币汇率形成机制对市场变化的敏感度有所提高,但考虑到中国实施有管理的浮动汇率制度,金融数字化对汇率渠道的直接影响可能受到一定程度制约。因此,本文主要讨论金融数字化在利率渠道、信贷渠道和资产价格渠道方面,对货币政策有效性的影响。图1为本文关于金融数字化对货币政策稳增长效果的机制路线图。
图1 金融数字化对货币政策稳增长效果的机制路线图
为了更好地探究金融数字化对货币政策有效性的影响,本文应用Jordà(2005)提出的局部投影方法(Local Projection Method,LP)进行实证检验。与IVAR模型相比,LP方法有以下两点优势:第一,LP方法更稳健可靠。从经验观点看,对于IVAR模型和LP方法的选取需要在设定偏误和估计方差之间权衡。与LP方法相比,在模型正确设定的前提下,IVAR模型的参数估计更加有效,但是在实际应用中,假定数据生成机制严格满足低阶自回归过程显然是缺乏依据的,在估计中往往出现偏倚,而LP方法并未施加该线性约束,因此LP方法更稳健可靠。第二,LP方法更简单易行。如果使用IVAR模型,需要分别估计VAR基准模型和拓展模型,在两个估计结果的基础上对脉冲响应函数做差值进行比较,多方程估计容易带来估计误差,使得金融数字化对货币政策有效性影响的解释变得不可靠。相比之下,LP方法使用单个回归方程即可判别不同金融数字化状态下,货币政策调控效果的高低,因此LP方法更加简易可行。得益于上述优势,越来越多的研究使用LP方法评估经济政策冲击(Olea和Plagborg-Møller,2021;王立勇和吕政,2023)。
值得关注的是,金融数字化对发达国家和发展中国家金融结构的影响有较大区别。发达经济体的金融市场体系完善,各个金融子市场的关联程度高,受到的政策约束和市场扭曲少,为生产、消费提供了充裕的金融服务。因此,在发达国家发展金融数字化,所填补的金融服务缺口有限。与发达经济体相比,发展中经济体的金融市场还不成熟。以中国为例,中国的金融体系受到较多的政策性约束,商业银行更乐意对大型企业、国有企业提供金融服务,相对地,中小企业和民营企业容易受预算软约束制约。因此,与发达经济体相比,在中国发展金融数字化具有后发优势,有利于补齐中小企业和民营企业获取金融服务不足的短板。发展数字金融完善金融结构的同时,自然而然地提高了货币政策操作的实施效果。据此,本文提出以下研究假说:
假说2:金融数字化对中国货币政策有效性的提振,主要集中于投资方面,对消费的影响稍弱。
假说1:金融数字化有利于增强货币政策有效性。
西葫芦灰霉病一旦发病,就会造成较重损失。一般发病率6%-20%,严重时达35%以上。灰霉病主要为害花及果实,也可为害叶、茎。病菌多从凋萎的雌花开始侵染,使其腐烂,再侵染果实,染病的西葫芦起初顶尖褪绿,然后呈水渍状,逐渐软化,组织变黄,最后萎缩、软腐,产生灰色霉层,发病重者腐烂脱落。
(3) 被解释变量和控制变量的选取。经过理论分析可知,金融数字化可能会改变货币政策对居民消费和企业投资的传导路径,进而影响货币政策对总需求的传导效果。因此,本文将产出、消费以及投资的对数值设定为感兴趣的被解释变量。之所以使用对数值而不是使用增长率,是因为对数值在经济意义上代表需求总量,与本文理论分析保持一致,倘若使用增长率,将各变量做一阶差分处理,会与理论分析有所出入。需要说明,对于产出指标,一般用GDP衡量,但考虑到国家统计局仅公布GDP的季度数据,直接使用变频方法得到的GDP月度数据难以保证准确性。因此,本文使用的是Higgins等(2016)以国家统计局公布的宏观经济数据为基础,通过对季度频率的GDP数据进行季节调整,并结合其他月度频率的宏观经济变量做插值,借助多种现代宏观计量方法重构而得的月度GDP数据。该样本数据的质量较高,可与西方经济体宏观经济文献中常用的时间序列相比较,提高了中国GDP数据的透明度。为保证消费、投资数据与产出数据具有可比性,本文使用的消费、投资数据同样来自于Higgins等(2016)提供的宏观数据集。将产出、消费和投资分别记为LNY、LNC和LNI。
关于消费。经典的生命周期理论和永久收入理论认为,家庭户可以在生命周期的不同阶段通过储蓄和借贷的组合来实现他们的消费。然而,现实经济是复杂的,家庭户通常面临不利的流动性约束。例如,当家庭户面对有限的医疗、养老和教育福利时,流动性约束往往会增加家庭的预防性储蓄行为,迫使家庭做出次优的消费选择,而这种次优选择可能与缺乏金融服务有关。近年来突飞猛进的金融数字化对加强和完善金融服务至关重要。数字金融产品囊括了移动支付、网络贷款、互联网金融和互联网保险等可能影响家庭消费的数字工具。首先,移动支付的崛起,为消费者网络购物提供了小额、高频的支付服务,极大地便利了家庭消费。为突破移动支付的峰值处理量限制,云计算再次为移动支付赋能,有力地支撑了消费规模进一步攀升。其次,以蚂蚁花呗、京东白条等为代表的互联网消费信贷,在金融数字化的助力下,拓宽了家庭获得小额消费信贷的途径,通过降低消费人群准入门槛,改变了传统的线上消费模式。再次,以余额宝为代表的互联网金融产品,凭借其在安全性、流动性和回报率方面的优势,将理财与消费相结合,帮助消费者更好地配置了用于网上购物的“零用钱”,为扩大网上购物创造了条件。与信用卡、银行贷款等传统支付工具提供的大额、低频的金融服务相比,金融数字化衍生而来的创新支付工具所提供的金融服务更加灵活,可以借助方便支付交易、缓解信用压力等方式,实现消费跨期平滑,进一步促进家庭消费。此外,从零售商的角度看,金融数字化在线上销售中起到的作用同样不容小觑。一方面,金融数字化通过线上分销的方式扩大了零售商的销售市场;另一方面,在金融数字化驱动下,零售商线上定价的调整较传统线下的调整更灵活。传统线下销售的一个特点是菜单成本高,零售商线下调整价格需要考虑诸多因素。反之,线上销售在定价时受到的约束少。零售商在线上销售的过程中,还可以通过计算机观察模拟供求关系的实时变化,及时调整销售价格,利用促销活动机会刺激销售额增长。由此可见,金融数字化提高了消费者、零售商等经济主体金融活动的参与度,有益于提升金融市场活跃度。而货币政策恰恰是通过金融市场传导的,因此金融数字化的发展有助于放大消费关于货币政策冲击的响应。
关于投资。在中国,不同所有制的企业面临的融资约束具有较大差异。中国的金融体系由商业银行主导,部分银行更乐意为国有企业和大型企业发放贷款。相反,民营企业和中小企业因为财务信息不透明,缺乏抵押品担保,所以常常陷入融资难、融资贵的困境。在信息公开方面,对外公开的财务报表反映了企业的经营情况和财务状况,但财务报表向外界提供的信息较为有限,甚至不一定真实。例如,企业的财务报表不能反映其自主创新能力,以及产品的市场前景,自然而然地造成了企业和银行之间的信息不对称。当民营企业或中小企业不方便提供透明的财务信息,或缺乏足够的抵押物时,商业银行等金融机构无法准确评估其经营状况和违约风险,银行会对企业收取相对较高的贷款利率,甚至可能拒绝向企业发放贷款。即使央行执行宽松货币政策将大量信贷资金投放到金融市场,这些信贷资金大多只是在金融市场内部,或者在个别行业之间空转套利,大水漫灌式的货币政策操作很难精准滴灌至民营、中小企业。倘若央行执行紧缩性货币政策,商业银行出于政策偏好、违约风险等方面的考虑,更倾向于缩减对民营、中小企业放贷。简言之,民营、中小企业面临的融资约束,在宽松货币政策下不见得好转,在紧缩货币政策下甚至还可能恶化。因此,传统金融供给不足,极大地限制了民营、中小企业发展,掣肘经济增长活力。但随着金融数字化不断深化,大数据技术被广泛应用于信息处理,缓解信息不对称的同时,提高了传统金融机构和金融科技公司评估和管控风险的能力。从传统金融机构和金融科技公司方面看,金融数字化突出了金融机构和金融科技公司运用科技创新提供的数字金融服务。在金融机构和金融科技公司进行信贷审批和决策过程中,能够利用大数据、云计算和机器学习等工具,实时、智能地搜集分析企业经营和信用方面的信息,使隐性信息显性化,以便更全面、客观、准确地评估企业的违约风险。此外,金融科技公司还可以利用电子商务平台积累的海量数据,创建企业信用数据库,对企业进行信用风险评级。综上,金融数字化主要通过削弱信息不对称、缓解企业融资约束、扩大金融服务边界等途径,提高商业银行信贷资金配置效率,最终实现金融服务实体经济目标。
本文绘制了支出法下计算的居民消费支出以及固定资本形成总额占国内生产总值比重走势图(见图2)。从图2容易看出,在样本期内,消费占GDP比重、投资占GDP比重分别呈现波动递减、波动递增趋势,近年来投资占比略高于消费占比。需要说明的是,根据国家统计局统计,2020年中国实物商品网上零售额达到9.76万亿元,占社会消费品零售总额的比重为24.9%。众所周知,中小企业是中国经济增长的生力军,中小企业提供了50%以上的税收,创造了60%以上的国内生产总值,完成了70%以上的发明专利,提供了80%以上的城镇就业岗位,占企业总数的99%以上。(1)2018年8月20日,国务院副总理刘鹤在国务院促进中小企业发展工作领导小组第一次会议上的讲话。显然,中小企业在国家税收创造、社会产品生产、市场活力赋能、就业岗位供给等方面贡献巨大。因此,综合绝对数量和相对占比,在金融数字化影响货币政策操作效果方面,对投资需求的影响极可能高于消费需求。据此,本文提出以下假说:
对工程有影响的基岩裂隙、溶隙水主要指分布于场区灰岩溶隙、裂隙、溶洞内的浅层水体,在场区内局部分布。受裂隙、溶隙或溶洞、岩性组合、高程等因素控制。地块地下水较贫瘠,久晴,无地下水;久雨,局部存在上层滞水,但由于拟建场地地势总体较平缓,雨季施工基坑底部将可能局部出现积水、涌水,建议在基坑等低洼处做好排水措施。
图2 支出法核算下消费、投资占国内生产总值比重走势图
赫文斯是美国儿童图书馆服务发展历史上一位丰碑式的人物,提出并亲自实践了许多儿童图书馆服务开创性举措,引领了美国儿童图书馆事业的发展。
政府作为该模式的主导者,由县财政整合财政扶贫资金和涉农资金构建“资金池”,作为农户贷款的“担保金”、还款的“缓冲金”和撬动金融机构的“激励金”,引导金融机构积极参与精准扶贫,增加扶贫资金的有效供给。银行等金融机构通过同业竞争方式,与政府部门合作并达成协议,政府将部分资金池内的资金存入合作金融机构增加其经营收入,金融机构根据存入资金额度,以1∶10的比例放大贷款金额,贷款利率在基准利率40%范围内浮动。政府以合作金融机构放贷情况为年终考核的重要依据,银行等金融部门积极向借贷主体降槛降息,创新信贷产品,增加扶贫贷款投放,主动参与金融扶贫。
1. 方法选取和模型构建
一般而言,判断货币政策有效性高低最直观的做法是,比较VAR模型族脉冲响应幅度的高低(Lü等,2023;吕政和刘丽萍,2023)。结合本文选题,为探究金融数字化对货币政策有效性的影响,其落脚点应该是货币政策冲击对产出、消费和投资等最终目标的影响是否会随金融数字化而发生变化。仅使用传统的VAR模型,将金融数字化、货币政策冲击和宏观经济变量囊括其中,这本质上讨论的是金融数字化对宏观经济变量的影响,或货币政策冲击对宏观经济变量的影响,而不是金融数字化对货币政策实施效果的影响。通过梳理文献可知,IVAR模型不失为分析金融数字化对货币政策有效性影响的可取办法(Ma和Lin,2016;战明华等,2020)。在IVAR模型的分析框架下,同样通过比较宏观经济变量对货币政策冲击的脉冲响应幅度来判断政策效果,与传统VAR模型的区别在于,IVAR模型在VAR模型的基础上增加了系统内生变量与机制变量的交互项,通过观察该模型设定下货币政策冲击的效应,来识别机制变量对货币政策执行效果的影响。具体而言,IVAR模型的估计分两个步骤进行:首先,分别估计传统VAR模型(基准模型)和加入交互项的拓展模型。其次,计算宏观经济变量对货币政策冲击的脉冲响应之差,两者之差即为机制变量对货币政策实施效果的影响。与传统VAR模型相比,IVAR模型优点在于能够识别机制变量对货币政策有效性的影响,但IVAR模型也存在不足。例如,利用IVAR模型建模时,倘若数据加工、滞后阶数选择等细节处理不规范,容易导致实证检验结果相去甚远,缺乏政策建议的参考性。
第一,利率渠道方面。早期的观点并不支持金融数字化能够提高利率渠道的传导效果。学者多认为,金融创新增加了货币需求的不确定性,提高了央行货币政策操作的难度,不利于市场利率定价(Ireland,1995)。随着对金融数字化认识的不断深入,金融数字化对利率传导渠道的影响出现了新变化(Misati等,2010)。当下金融数字化的推广,提高了金融市场传递资金价格信息的效率,为增强货币政策利率渠道的传导创造了条件。具体而言,金融数字化对货币政策操作效果的改善,集中体现在利率变动对引导投资的边际影响上。商业银行完成数字化转型后,政策利率(或代表性利率)的变动,将更有效地引导其他金融产品定价,改善从短期利率向中长期利率传导的利率期限结构,并最终作用于实体经济。由此可见,金融数字化的发展,有利于疏通价格型货币政策框架在政策利率向中长期利率传导、中长期利率向总需求传导两个环节的梗阻。第二,信贷渠道方面。对于商业银行而言,金融数字化将对商业银行运营产生重要影响。商业银行可以借助机器学习分析客户行为,以及利用人工智能优化信贷审批流程。具体来看,手机银行APP的普及,在方便客户线上交易、降低银行业务成本的同时,还为银行提供了丰富的数据信息,帮助银行了解客户的行为及其风险承担能力,以便更有针对性地对信誉良好的借款人扩大信贷。因此,金融数字化将加大商业银行信贷投放力度,放大货币政策对实体经济的影响。第三,资产价格渠道方面。一方面,金融数字化通过创新金融产品,丰富了家庭部门的投资组合。家庭户可以便捷地将资金投资于理财产品、基金、黄金和股票,以期获得更高的收益率,有利于改善家庭的财富总额,为放松家庭的预算约束带来了可能。另一方面,金融数字化特有的新型交易方式,提高了金融资产的流转速度。政策利率对金融资产价格的调节将更加有效,进而对居民消费和企业投资行为产生影响。
“你确实帮我买过东西。你忘记了吗?”老妇人微笑着说,“那次,我选中了苹果罐头,而你却向我推荐了黄桃罐头,因此我才买到了更加适合我的东西,那不就等于是你帮我买到了更适合的商品吗?”
为诊断金融数字化对货币政策有效性的影响,本文应用Jordà(2005)的LP方法识别产出、消费和投资对外生货币政策冲击的脉冲响应,LP方法的线性模型为:
yt+h=αh+ψh(L)xt+βhshockt+εt+h(h=0,1,2,…)
(1)
在公式(1)中,yt+h是被解释变量,包含产出、消费和投资。xt是控制变量的向量,包含通货膨胀率、政府购买以及经济政策不确定性指数,ψh(L)是滞后算子多项式,滞后阶数由AIC准则和SC准则综合判定。shockt是预先识别的外生货币政策冲击。在基准回归中,参考Chen等(2018)的做法,预先识别得到数量型货币政策冲击,在数量型工具冲击的基础上开展实证分析。在稳健性检验中,将数量型货币政策冲击替换为多种估计方法下的价格型货币政策冲击,以保证实证检验结果的可靠性。βh是外生冲击所对应的估计系数,αh是截距项,εt+h是扰动项。
特别地,局部投影方法允许区分多个状态,对不同状态分别进行估计,区分状态的LP方法可表示为:
yt+h=It[αA,h+ψA,h(L)xt+βA,hshockt]+(1-It)[αB,h+ψB,h(L)xt+βB,hshockt]+εt+h
(2)
在公式(2)中,状态变量It用于表示金融数字化的状态。在基准回归中,本文将状态变量It设为一个虚拟变量,令It∈{0,1},It在“高金融数字化”状态下赋值为1,反之为0。βA,h和βB,h分别表示在“高金融数字化”状态和“低金融数字化”状态下,宏观经济变量对外生货币政策冲击的脉冲响应。此外,本文使用Newey-West方法校正标准误差,从而减缓因被解释变量前后关联带来的扰动项自相关问题(Newey和West,1987)。
2. 变量选取和数据说明
(1) 替换价格型货币政策冲击。数量型货币政策侧重于从信贷渠道影响总需求,价格型货币政策则强调了通过利率渠道调节总需求。尽管数量型货币政策在中国货币政策操作中具有重要地位,但是近年来随着中国不断完善利率走廊系统,逐步放开存贷款利率上下限,继续深化贷款市场报价利率改革,货币政策利率传导效率已有明显改善。为保证结论是可信的,本文计算了非预期变动、利率变动、叙事识别三种方法下的价格型货币政策冲击,以替换基准回归中使用的数量型货币政策冲击。
式中,N0为液化判别标贯击数基准值;d0为标贯点在地面下的深度(m);dw为工程正常运用时,地下水水位在当时地面以下的深度(m),当地面淹没于水面以下时,dw取 0;ρc代表土的黏粒含量百分率(%),当其小于3时,取3。核算陡河水库坝基砂层顶部标准贯入试验击数临界值,见表1。
(2) 外生货币政策冲击的识别。外生货币政策冲击指的是央行货币政策执行外生变动的部分。当前中国货币政策框架正经历从数量型向价格型过渡,货币政策操作存在双重指标(金春雨和董雪,2021),并且中国货币政策传导机制较为复杂,准确识别货币政策冲击至关重要(林木材和牛霖琳,2020;Sun,2020)。与采用调控短期利率为基础的价格型货币政策框架相比,调节货币供应量的数量型货币政策框架,仍然在极大程度上反映了中国货币政策变化(Chen等,2018)。因此,在基准回归中,本文使用数量型货币政策冲击展开分析。参考Chen等(2018)的做法,本文将数量型货币政策规则描述为,实际和目标通胀之间差距以及实际和目标GDP增长之间差距的函数,从而估计得到数量型货币政策冲击外生变动的部分,并将该外生冲击记为SHOCK1。关于中国数量型货币政策规则的描述可以表示为:
(3)
在公式(3)中,m是货币供应量M2的增长率,π是当月同比居民消费价格指数CPI衡量的通货膨胀率,y是GDP增长率,π*和y*分别是潜在的通货膨胀率和GDP增长率,利用HP滤波的趋势成分刻画。因为GDP增长率目标是货币政策安排的重点,所以对应的估计系数γy,t-1是时变的。在公式(3)的货币政策规则下,M2增速的估计值为内生的M2增速,外生货币政策冲击被计算为M2实际增速和M2内生增速之差,用残差项εt表示。
图4显示了使用非预期变动货币政策冲击的脉冲响应图像。总体而言,回归结果与基准回归较为相似,“低金融数字化”状态下的货币政策有效性远低于“高金融数字化”下的货币政策有效性。
案例教学法的主要目的是职业实践训练,即通过正确的职业导向引导学生掌握实用技能,起到事半功倍的教学效果,提高执业能力。医药职业岗位侧重实践能力,需要应用型人才,传统理论教学很难实现重应用、重素质的综合性人才的培养目标。借助真实案例所提供的问题,设立仿真的问题学习情境,让学生尽可能地处于真实的职业环境,体会和学习职业所需的临床思维和实用技能,从而激发学生的学习兴趣,培养自学能力、组织能力、表达能力、分析和解决问题能力、发散性思维能力和团队协作等多重能力。
理论上,货币政策主要通过影响居民消费和企业投资,进而调控经济增长。那么,有必要进一步探究金融数字化对货币政策有效性的影响究竟体现在哪一方面?即需要明晰金融数字化如何影响货币政策对消费和投资的传导效果。
参考相关研究的做法,本文在控制变量中纳入了通货膨胀率(CPI)、政府购买(LNG)和经济政策不确定性指数(LNEPU)。治理通胀是货币政策调控的目标之一,因此控制了通货膨胀率。之所以控制政府购买,是因为产出、消费和投资不仅受货币政策影响,还会受财政政策影响,控制政府购买带来的“挤出效应”,才能更准确地评估货币政策实施的有效性。值得关注的是,经济政策不确定性同样会对货币政策执行产生影响(刘金全和王国志,2021)。当经济主体面对较高的不确定性时,容易为等待更好的机会而推迟决策,而这种谨慎可能会延迟经济主体对当前货币市场利率变化的反应。因此,本文使用Huang和Luk(2020)测度的经济政策不确定性指数,对经济政策不确定性加以代理。
本文使用的数据主要来源于Wind数据库和Higgins等(2016)公开发布的数据集合,样本区间为2008年8月至2020年8月,共计145个观察值。为减轻序列存在的异方差问题,同时为了对变量的量纲进行统一,本文对产出、消费、投资、政府购买和经济政策不确定性指数取自然对数,所有以货币单位计价的数据,均以2008年8月为基期进行价格平减。为避免LP方法的估计结果出现伪回归,本文对各变量进行单位根检验。(2)限于篇幅,单位根检验结果不再列示,备索。在2008年8月至2020年8月的样本区间上,利用LP方法估计得到的结果在统计学上是可信的。
1. 基准回归
本文的基准回归结果见图3,图3第一列的三幅图囊括了线性条件、“高金融数字化”、“低金融数字化”状态下,一单位数量型货币政策冲击对产出、消费和投资传导效果的信息。具体地,第二列是线性条件下,产出、消费和投资对数量型货币政策冲击的当期效应,当期效应是指第t+h期产出、消费和投资对第t期外生货币政策冲击的脉冲响应。第三列则区分了“高金融数字化”、“低金融数字化”状态下,数量型货币政策冲击对产出、消费和投资的当期效应,揭示了不同金融数字化水平下货币政策有效性的差异。通过比较脉冲响应幅度的高低,来判断货币政策有效性是否随金融数字化水平的提高而提高。需要说明,本文假设宽松或紧缩货币政策冲击对需求侧的传导是对称的,这意味着图3中的一单位货币政策冲击既可以看作一单位宽松货币政策冲击对需求侧的传导,也可看作一单位紧缩货币政策冲击对需求侧的传导。
我国土地面积幅员辽阔,拥有非常丰富的土地资源。随着我国经济发展,对于土地需求也越来越大。如何更好的实现对国土资源的有效利用,已然成为当下各地政府以及中央国土资源部门的考虑重点。信息化时代的发展,对于传统的国土开发管理有了新的要求,基于信息化技术推动国土资源科学化管理已然成为未来发展趋势。目前。信息化测绘技术应用主要由以下几个方面:
首先,分析金融数字化是否提高了货币政策冲击对产出的传导效果。线性条件以及两种金融数字化状态下,产出对一单位货币政策冲击的当期响应见图3(a),从图3(a)容易看出,在“高金融数字化”状态下,产出对一单位货币政策冲击的响应远高于线性状态,在“低金融数字化”状态下,产出对一单位货币政策冲击的响应略低于线性状态,说明在“高金融数字化”状态下,货币政策传导更有效。线性条件下产出对货币政策冲击的当期响应见图3(b)。由图3(b)可知,产出对货币政策冲击的响应始终为正。由于标准线性LP并不区分金融数字化水平,由此得到的脉冲响应具有一般性,可作为判断金融数字化是否提高了货币政策有效性的参考标准。图3(b)显示,产出对一单位数量型货币政策冲击形成正向的响应,且该响应具有一定时变特征,在第1期达到最大值,随后向0震荡收敛。图3(c)为不同金融数字化状态下,产出对货币政策冲击的响应。从图3(c)的检验结果可以看出,在“高金融数字化”状态下,产出对一单位货币政策冲击的脉冲响应置信区间始终位于0上方,说明“高金融数字化”下货币政策冲击对产出的影响在统计意义上是显著的。另外,从脉冲响应的变化趋势看,“高金融数字化”状态对应的脉冲响应与线性状态下的脉冲响应较为接近。相比之下,在“低金融数字化”状态下,一单位货币政策冲击对产出的影响处于相对较低的水平,而且脉冲响应的置信区间接近于0,可见在“低金融数字化”状态下,货币政策冲击对产出的影响较小。之所以“低金融数字化”下货币政策的调控效果不理想,是因为当金融数字化水平较低时,经济主体的金融活动参与度低,不完善的金融市场阻滞了货币政策实施效果。
接下来,进一步探究总需求对数量型货币政策冲击的响应,主要体现在消费需求方面还是投资需求方面。通过对比关于消费需求脉冲响应的图3(d)至图3(f)和关于总需求脉冲响应的图3(a)至图3(c)可知,就当期效应而言,无论是在线性条件下还是区分金融数字化的不同状态,消费需求对货币政策冲击的脉冲响应曲线与总需求对货币政策冲击的脉冲响应曲线较为相似。研究结果表明,金融数字化有利于提高货币政策冲击对消费需求的传导。相比之下,观察关于投资需求脉冲响应的图3(g)至图3(i)可知,投资需求对货币政策冲击的脉冲响应与总需求、消费需求对应的脉冲响应有以下两点差异。第一,投资需求对货币政策冲击的脉冲响应峰值远远高于消费需求,意味着需求侧对于货币政策冲击的响应主要体现在投资需求方面。这与理论分析中,企业投资与居民消费相比,企业投资在经济增长中的相对重要性更高相一致。第二,代表“高金融数字化”的脉冲响应曲线在前3期远高于“低金融数字化”状态和线性条件,从第4期开始,三种状态下的脉冲响应曲线大体保持一致的走势。总体而言,与“低金融数字化”状态相比,在“高金融数字化”状态下,产出、消费和投资对货币政策冲击都具有更大幅度的脉冲响应。由此可见,金融数字化有力地提高了中国货币政策有效性,从而验证了本文提出的研究假说。
2. 稳健性检验
(1) 金融数字化状态的界定。金融数字化是近年来中国金融结构转型的重大特征。关于金融数字化的衡量,国内相关研究大多采用北京大学数字金融研究中心发布的“北京大学数字普惠金融指数”进行测度。考虑到“北京大学数字普惠金融指数”的样本频率为年度,频率较低且时间跨度短,而央行货币政策操作的调整往往是中频或高频的,显然该指数可能并不适合本文的研究,需要选取其他指标代理中国的金融数字化程度。鉴于第三方支付是衡量金融数字化的重要表征,本文采用月度频率的第三方互联网支付和移动支付之和占支付系统业务金额的比重作为金融数字化的代理变量,记为INF1。第三方支付占比越高,意味着金融数字化发展程度越高。为了区分“高金融数字化”和“低金融数字化”两种状态,本文在基准回归中选取第三方支付占比的中位数作为划分金融数字化状态的界限,并将金融数字化的状态变量记为DINF1。在稳健性检验部分,本文对金融数字化状态做了替代。参考战明华等(2020)的做法,选取第三方支付规模的对数值(INF2)度量金融数字化水平,建模时同样用其中位数区分金融数字化状态,并将此状态变量记为DINF2。
非预期变动。非预期变动根据理性预期假说,将未预期到的货币政策变化识别为外生冲击,新古典学派认为在理性预期和市场出清的假设条件下,被预期到的货币政策冲击并不会对宏观经济变量造成影响。该方法计算得到的货币政策冲击,不仅具有浓厚的经济学含义,而且在实证检验中往往具有较强的解释能力,因此受到广泛应用。本文采用自适应预期的形式,识别非预期变动的外生货币政策冲击,具体识别策略见公式(4):
it=α+β0it-1+β1Xt+εt
(4)
在公式(4)中,i表示利率水平,X表示引起利率变动的控制变量。在此,选取产出和通胀加以控制。α、β分别为估计系数,ε为扰动项。将回归得到的i的估计值视为预期到的利率水平,对应的残差为未预期到的货币政策冲击。
由于中国利率市场化步伐不断加快,推进货币政策框架从数量型向价格型转型,已成为“十四五”时期金融领域改革的一项重要内容(王立勇和吕政,2022;Lü等,2023;吕政和刘丽萍,2023)。因此,在稳健性检验部分,本文利用金融机构人民币贷款加权平均利率,测算了非预期变动、利率变动和叙事识别三种识别方法下的价格型货币政策冲击,用于替换基准回归中的数量型货币政策冲击,并将上述三种货币政策冲击分别记为SHOCK2、SHOCK3、SHOCK4。
图4 替换非预期变动货币政策冲击的稳健性检验
利率变动。本文采用贷款利率的一阶差分识别利率变动冲击,该方法侧重于反映货币政策变化趋势。对贷款利率做一阶差分有两方面好处,一方面,从经济意义来看,现实经济中的消费、投资行为通常受利率水平影响,这使得利率水平内生化,取其一阶差分衡量利率变化,较为直观地反映了货币政策外生冲击;另一方面,从统计意义来看,一阶差分有利于克服时间序列的非平稳问题。
利率变动下的检验结果见图5。图5显示,将利率变动作为外生货币政策冲击时,实证检验结果依然支持本文的研究结论。比较货币政策冲击对产出、消费和投资的传导可知,一方面,“高金融数字化”状态下始终居于“低金融数字化”之上;另一方面,“高金融数字化”状态和线性条件下的脉冲响应置信区间较基准回归更窄,在统计意义上更为显著。可见,积极推进金融数字化有利于提高货币政策有效性。
图5 替换利率变动货币政策冲击的稳健性检验
叙事识别。叙事识别通过对现在、未来的产出、通胀做实时预测,将回归得到的残差作为外生冲击(Romer和Romer,2004)。该方法识别得到的货币政策冲击相对于预期变动更自由,还缓解了货币政策利率与宏观经济变量之间的内在交互影响。具体识别策略见公式(5):
it=φ0+φπ0πt+φπ1E(πt+1)+φy0yt+φy1E(yt+1)+ut
(5)
在公式(5)中,i、π、y分别表示利率、通胀和产出。公式(5)意味着,中央银行基于当期通胀、产出的观测值,以及对未来通胀、产出的预判,决定当期的名义利率。
图6为叙事识别下的实证检验结果。与基准回归相似,相较于“低金融数字化”状态,“高金融数字化”状态下产出、消费和投资对货币政策冲击的响应更大。综合上述分析,即使将数量型货币政策冲击替换为不同类型的价格型货币政策冲击,金融数字化对货币政策有效性的影响依然是积极的,“高金融数字化”状态下的货币政策有效性均高于“低金融数字化”状态,这为中国发展金融数字化提供了有力的经验证据。
1.临床基本检查。包括视、触、叩、听、嗅、问诊。直肠触诊有疼痛感,同时也会出现靠近尾部的腹痛、腰痛以及下肢僵硬。由于前列腺的肿大会压迫到膀胱,使得犬的排尿出现异常,可能会出现尿淋漓。
图6 替换叙事识别货币政策冲击的稳健性检验
(2) 改变金融数字化测度方式。在基准回归中,选择第三方支付占比(INF1)衡量金融数字化水平。在此,本文使用第三方在线支付规模的对数值(INF2)代理金融数字化水平,同样使用中位数划分“高金融数字化”状态和“低金融数字化”状态,以检验基准回归的结果是否可靠。图7显示了第三方在线支付规模对数值作为状态变量的脉冲响应。从图7可知,替换状态变量后的脉冲响应与基准回归相似,再次论证了本文的研究结论。
图7 替换第三方在线支付规模对数值的稳健性检验
(3) 加入其他控制变量。本文在基准回归中控制了通货膨胀、政府购买和经济政策不确定性。因为可能还有其他因素影响货币政策传导效果,所以本文将产出、消费和投资的滞后项加以控制。加入被解释变量滞后一期的估计结果见图8。从图8可以看出,进一步控制被解释变量滞后一期之后,标准线性LP条件与“低金融数字化”状态下的脉冲响应的大小、幅度、变化趋势和基准回归相似。不同之处在于,“高金融数字化”状态下的脉冲响应略低于基准回归。从检验结果看,“高金融数字化”状态下产出、消费和投资对货币政策冲击的响应,仍然高于“低金融数字化”状态,可见加入其他控制变量后,金融数字化有助于提高货币政策有效性的结论依然是稳健可靠的。
基层警务工作要坚持个别化原则。基层警务工作中对于群众要保持个别化的态度,以最大努力满足人民诉求,这要才能保证基层警务工作满意度的提升和社会治理水平的提高。个人因素对于基层警务工作满意度有着很大的影响。解决个人因素影响应该从改变基层警务工作者的理念出发,要做到以人为本。只有先做到以人为本,才能进一步解决因为个人因素对于满意度的影响。
金融业数字化转型已成为全球金融科技发展的新形式、新业态、新趋势。现阶段,金融数字化已成为实现经济高质量发展的重要抓手,未来将极大地改变中国金融体系。由于金融体系是货币政策向实体经济传递的纽带,那么金融数字化自然会对货币政策有效性产生影响。在此背景下,有必要深入探讨金融数字化的底层逻辑、发展路径。
通过理论分析发现,金融数字化借助利率渠道、信贷渠道和资产价格渠道,提高货币政策传导效果,继而实现“稳增长”目标。特别地,金融数字化对货币政策向总需求传导效果的提振,主要集中于引导企业投资需求方面,对家庭消费需求的刺激效果相对较弱。为检验理论分析中的作用机制,本文应用局部投影方法充分识别了金融数字化对货币政策有效性的影响。研究发现,在“高金融数字化”状态下,货币政策冲击对产出、消费和投资的传导效果远高于“低金融数字化”状态。为保证实证结果的可靠性,通过替换不同类型的货币政策冲击、改变金融数字化的测度方式、引入更多的控制变量等手段,从多个角度进行稳健性检验。对比数量型工具和价格型工具的估计结果可知,在中国货币政策框架量价转型的过程中,数量型工具依旧是重要调控手段,金融数字化对两类货币政策工具调控效果的影响是“齐头并进”的。该发现为中央银行推进货币政策框架转型,强化货币政策逆周期调节能力,保持货币政策稳定性,增强前瞻性、有效性,提供了决策参考。
本文的研究成果对货币政策和金融监管具有重要意义。金融数字化已成为全球金融业转型升级的共同方向,未来金融生态体系数字化的趋势有增无减。本文发现,现阶段的金融数字化显著增强了中国货币政策的“稳增长”效果,那么中央银行在评估货币政策执行效果时,有必要将金融数字化的影响考虑在内。基于数字经济成为经济增长新动力的现实,建议进一步探索大数据、云计算、区块链、人工智能等新技术在金融领域应用,助力金融业数字化转型升级。具体而言,政府部门应采取措施,扩大覆盖广度和使用深度,挖掘数字金融功能,以信息技术为载体,推进数字金融建设,进一步释放金融数字化带来的红利。此外,金融数字化在提高货币政策有效性的同时,也不可避免地对金融稳定、社会公平带来了挑战,相关部门需要重视因监管不足而出现的套利问题。