赵宇 方华

摘 要：基于2010—2018年各项宏观经济指标，采用VAR模型，在虚拟经济不断扩张的条件下，实证分析传统货币政策对于通货膨胀的影响机制。研究发现，虚拟经济中的不同部门对于货币政策会产生不同的影响，要充分考虑它们各自的结构特征，不能单纯地一概而论;在虚拟经济逐渐扩张的条件下，虚拟经济对货币的分流作用使传统的货币政策有效性降低，长期来看难以对通货膨胀进行有效调控。上述发现为更完善地认识虚拟经济的影响，并在此基础上提出相关的政策建议提供了新的思路。

关键词：虚拟经济;VAR模型;货币政策;通货膨胀

中图分类号：F820.5        文献标志码：A      文章编号：1673-291X（2020）12-0080-05

引言

传统货币主义认为，“通货膨胀随时都是一種货币现象，……只有货币数量比产量增长更快时才会发生。”[1]从此各国学者在研究通货膨胀时，更多地考虑其与货币供应量之间的关系。随着虚拟经济规模的不断膨胀，传统经济学关于货币政策对通货膨胀的影响机制受到了理论与实证的挑战。Walsh（2003）认为，尽管货币供应量与通货膨胀在理论上具有对应关系，但根据货币自身原因进行解释过于简单，还需要结合具体的经济环境[2]。

自改革开放以来，我国生产力水平不断提高，股票市场不断发展壮大，货币供给已经不能解释价格水平的变动[3]。越来越多的学者在研究通货膨胀时，倾向于探究虚拟经济对其的影响。马方方和田野（2010）认为，中国经济运行中正显现出“虚实背离”的现象，这与虚拟经济的快速发展以及我国经济体制转型中特殊的金融结构密切相关[4]。本文拟在回顾评析相关文献的基础上，运用VAR模型，探讨货币政策对通货膨胀的影响机制。

一、变量设计与模型介绍

（一）变量设计

1.虚拟经济总量。由于虚拟经济的特性，很难找到适当的方法对其进行统计，我国官方并未公布有关虚拟经济总量的数据，不同学者对于虚拟经济的测量方法也不尽相同。其中，GSJYE为股市交易额的增长率，可以很好地反映出虚拟经济的发展对货币需求的影响，可作为衡量虚拟经济的指标[1]。还有学者使用虚拟资产的交易总量乘虚拟资产的交易价格，来表示虚拟经济的经济规模[5]。本文根据虚拟经济的特性，以及数据的可获得性，选择金融业与房地产业作为主要研究对象。由于股票市场在金融业具有举足轻重的地位，本文以A股股票交易额（STV）代表金融业的货币虚拟化水平;对于房地产业，采用商品房销售额（HP）代表房地产业虚拟经济规模。

2.货币政策。本文选取了货币供给量和利率作为考察货币政策的基本变量。广义货币供给量M2不仅可以反映社会现实购买力，还反映潜在购买力，本文选择广义货币供给量M2作为衡量货币供给量的指标。在各种利率变量中，银行间同业拆借利率市场化程度最高，具有代表性，本文使用SHIBOR银行同业隔夜拆借利率的加权平均数作为利率（I）的变量。

3.通货膨胀率。通货膨胀率的衡量指标主要有居民消费价格指数、生产者价格指数、国内生产总值价格折算指数。居民消费价格指数（CPI）是我国政府制定政策，进行宏观调控的重要依据，是度量通货膨胀的重要指标。因此，本文选择CPI的增长率来衡量我国通货膨胀。

本文研究数据均来源于国家统计局《中国统计年鉴》《中国金融统计年鉴》与EMIS数据库。时间跨度为2010年1月至2018年12月，对月度数据进行统计研究。并对具有季节性特征的数据进行季节性调整，为消除异方差因素，对所有变量取对数。

（二）向量自回归模型（VAR）的构建

1980年，向量自回归模型由Christopher Sims提出，是用模型中所有当期变量对所有变量的若干滞后变量进行回归，从而将单变量自回归模型推广到多元时间序列变量组成的“向量”自回归模型，VAR模型常被用来估计联合内生变量的动态关系。一般的VAR（p）模型形式是：

yt=A1yt-1+…+Apyt-P+Bxt+？着t

式中，yt是内生变量;yt-1，…，yt-P表示yt的滞后期;xt是外生变量;A1，…，AP表示yt的待沽系数;B是xt的待估系数;？着t是随机扰动项。VAR模型转化为矩阵为：

■=A1■+A2■+…+Bxt+■

式中，y1t，…，ykt作为内生变量;y1t-1，…，ykt-p作为滞后变量;？着kt是k维扰动项列向量。

二、实证分析

（一）平稳性检验

为避免伪回归现象，在进行VAR模型构建前，需要对时间序列数据进行平稳性检验，本文使用ADF检验，检验结果显示，各变量原始序列均不平稳，一阶差分后均具有平稳性（如表1所示）。

（二）协整检验

1.滞后阶数确定。建立5个变量的VAR模型，5个变量分别为LNSTV（A股股票交易额）、LNHP（商品房销售额）、LNM2（广义货币供应量）、LNI（利率）以及LNCPI（通过膨胀率）。首先确定其滞后阶数，根据FPE、AIC、SC等信息准则确定模型最优滞后阶数，结果（如表2所示）。LR、FPE、AIC、SC、HQ的值显示最优滞后阶数为1期，本文根据“多数原则”，选择模型的最优滞后阶数为1期。

2.VAR模型平稳性检验。建立VAR模型进行稳定性检验，得到AR根图（如下页图1所示）。VAR模型所有根的倒数均小于1，落在单位圆内，表明所构建的VAR模型是平稳的，即5个变量之间存在长期稳定的关系。

3.Johanson检验。由于5个变量均在一阶差分后平稳，可通过Johanson检验法，考察变量之间是否具有协整关系。检验结果显示，5个变量间具有协整关系，可以构建VAR模型。

包含全部五个变量的协整关系如下：

LNCPIt=0.8821LNSTVt+4.5635LNHPt-6.5272LNM2t+1.1439LNIt+ecmt

4.建立VEC模型。由于VAR模型中的各个变量之间存在协整关系，可以在此基础上建立VEC模型。模型得到的关系式如下：

LNCPIt=40.8176+0.8821LNSTVt+4.5635LNHPt-6.5272LNM2t +1.1439LNIt+ecmt

（三）Granger因果检验

本文采用Granger因果检验以确定虚拟经济规模变动、货币供应量变动、利率变动等因素与通货膨胀率变动间是否存在Granger因果原因，检验结果（如表4所示）。根据结果所示，LNHP的变动不是LNCPI变动的Granger原因，在至少为95%的置信水平下，LNCPI的变动是LNHP变动的Granger原因;在至少为90%的置信水平下，LNCPI的变动是LNI变动的Granger原因;在至少为99%的置信水平下，LNM2的变动是LNCPI变动的Granger原因;而LNCPI的变动与LNSTV的变动之间并不存在Granger原因。

（四）脉冲响应函数分析

为了验证几个变量的变化对LNCPI变动的影响，本文采用脉冲响应函数进行分析，结果（如图2所示）。可以看出，给予LNHP一个单位标准差的正冲击，LNCPI迅速做出反应，并且在第三期到达峰值，之后随时间推移影响开始减弱，从长期来看仍然保持着正向冲击，说明商品房销售额增长率的上升，会迅速对CPI造成影响，并在较长期保持正向冲击。这表明当商品房销售额快速增长时，更多的资金流入房地产领域，使得银行对外贷款增加，进而刺激投资和总产出，从而导致通货膨胀不断上升。

给予LNI一个单位标准差的正冲击，LNCPI会在第二期达到最低值，之后随时间推移LNI的影响逐渐趋于0。这表明利率政策在短期内对通货膨胀具有很好的调节作用，利率上升使银行吸收更多的存款，有利于对通货膨胀起到抑制作用。

给予LNSTV一个单位标准差的正冲击，LNCPI在第三期开始做出反应，并在中长期内影响缓慢降低，但仍会保持正向冲击。这表明当大量资金流入股市的情况下，导致市场上流通的货币量降低，引起物价水平的下降，对通货膨胀起到一定的抑制作用。

给予LNM2一个单位标准差的正冲击，LNCPI会出现微弱的下降，之后影响逐渐趋于0，说明在虚拟经济不断扩张的情况下，货币供应量作为传统的市场调节工具，其调节功能开始下降，只能在短期内造成微弱的影响。

综上，本文认为虚拟经济的扩张对通货膨胀造成严重的影响，其中以商品房销售额的影响尤为严重。银行贷款主要是以商品房为抵押品，房价与信贷之间存在互动反馈机制，两者相互推动会导致通货膨胀的不断恶化，而通货膨胀不断上升，人们为了追求货币保值，会导致更多的资金流向房地产行业，从而推动房价上升。在虚拟经济不断扩大的条件下，虚拟经济对于货币供应量起到了一定的分流作用，使得货币供应量对于控制通货膨胀的作用逐渐减弱，从长期来看并不能实现预期目标。而利率政策在短期内影响效果显著，因为利率的调节可以影响房地产的价格，提高货币政策的的调控效率，有利于保持宏观经济的稳定。

（五）方差分解

本文使用方差分解进一步评价各内生变量对预测方差的贡献度，对CPI进行方差分解的结果（如下页表5所示）。结果显示，前期LNHP与LNI对LNCPI的推动作用比较大，LNHP对于LNCPI的贡献率随时间推移持续增加，而LNI的贡献率则逐渐降低，表明短期内实行利率政策对通货膨胀调控作用显著，但从长期来看难以实现既定目标;LNM2的贡献率在第三期有显著增加，之后基本保持稳定，表明对货币供应量进行调控仍有利于抑制通货膨胀，不过由于虚拟经济的快速扩张，对货币政策的效果起到了一定的削弱作用。

综上可知，商品房销售额的快速增长对通货膨胀的冲击较大，且随时间推移逐渐增强。在虚拟经济不断扩张的情况下，一部分货币流入虚拟经济领域，传统货币政策的有效性被削弱，而利率政策也只能在短期发挥作用。

三、结论与建议

目前我国正处于经济体制转轨的特殊时期，虚拟经济总量已经超过实体经济。由于虚拟经济具有高流动性、不稳定性、高风险性和高投机性等特点，虚拟经济的波动会对整体经济环境造成严重的影响。

根据上述实证分析，在虚拟经济日益膨胀条件下，虚拟经济领域对货币供应量起到了一定的分流作用，使控制货币供应量来调节通货膨胀的方法有效性降低。研究结果显示，通过调整利率来抑制通货膨胀只能在短期内发挥效果，从长期来看不能实现预期目标。由于房地产行业与银行信贷联系密切，流动性较差，与股票市场具有较大的差异，导致它们在货币政策对通货膨胀的影响机制中发挥着不同的作用。

基于以上结论，本文给出以下建议：第一，应当加强控制货币的“脱实向虚”现象，不应只从整体的货币供应总量进行考虑，把虚拟经济和实体经济分开研究，充分考虑二者对货币的需求情况，积极引导货币流向，调整经济结构。第二，政府制定货币政策时，应充分考虑虚拟经济的结构特征，透过表象制定出切实有效的调控措施，在实施过程中加强监管，增强金融服务实体经济的能力。第三，由于虚拟经济包括多个行业，除了讨论较多的房地产行业以及股票市场外，还有债券市场、期货市场等多种形式，应根据不同行业的特征制定差别化的货币政策，实现资金在各个行业间的合理分布。这样才能有效抑制通货膨胀，实现经济的平稳运行。

参考文献：

[1]  Friedman M.The counter-revolution in monetary theory：first Wincott memorial lecture，delivered at the Senate House，University of London，16 September，1970[M].London：Published for the Wincott Foundation by the Institute of Economic Affairs，1970：28.

[2]  Walsh C.E.Monetary theory and policy[M].2nd.Cambridge，Mass：MIT Press，2003，（7）：612.

[3]  何問陶，王成进.货币供给、虚拟经济与通货膨胀——对通胀决定因素中货币供给与虚拟经济影响的再认识[J].财贸经济，2008，（9）：16-21.

[4]  马方方，田野.虚拟经济下货币供给对通货膨胀的影响——结合中国经济的实证分析[J].首都经济贸易大学学报，2010，（6）：30-37.

[5]  李世美，沈丽.虚拟经济与货币供给的交互影响——基于货币“脱实向虚”与经济“虚实背离”的视角[J].金融经济学研究，2018，（6）：10-21.