冷艳梅

（吉林财经大学 ，吉林长春 130117）

一、引言

自2013年以来，中国人民银行创设了一系列的流动性管理工具，但由于流动性管理工具创设时间较短，其对利率的影响机制仍有待考究，从已有的研究文献来看，国外文献对货币政策与利率期限结构的研究较多，如Estrella和Mishkin（1995）通过研究欧美国家中货币政策与利率期限结构的相互影响发现前者对后者的影响显著。Piazzesi（2010）发现央行一般通过货币政策工具中的公开市场操作来影响利率期限结构。国内也运用了多种方法研究货币政策工具对利率期限结构的影响，刘金全等（2007）通过构建VAR模型研究宏观变量对收益率曲线的冲击影响，发现对水平因子影响显著，对斜率、曲度因子的影响效果较差（袁野，2014）。于鑫（2009）通过构建SVAR模型发现货币政策对利率期限结构的影响并非单向，而且存在双向的交互效应影响（张旭和文忠桥，2013）。张强和胡荣尚（2014）通过构建EGAECH模型分析了货币政策工具与不同利率期限结构之间的关系。关禹等（2019）通过构建AGDTSM模型，分析了货币政策工具对国债利率期限结构的影响。

综上所述，国内学者对流动性管理工具和国债利率期限结构的研究都起步较晚，且研究多为传统货币政策工具与利率期限结构之间的关联影响，但很少有基于流动性视角来研究创新型货币政策中流动性调节工具对国债利率期限结构的影响作用机制，但流动性管理工具作为中国人民银行调节宏观经济的必要工具之一，也是影响利率期限结构的重要因素。所以本文本文试图在以前学者的基础上，通过构建Nelson-Siegel模型拟合国债的收益率曲线，进而通过曲线的三个因子来研究国债利率期限结构，接着构建VAR模型来探讨流动性调节工具对国债利率期限结构三个因子的影响，对其中的非线性影响机制做结构化研究。

文章的创新之处主要体现在通过流动性的视角来研究流动性调节工具对国债利率期限结构的非线性影机制，有着重要的理论意义和现实意义。一是可以检验流动性管理的工具的实施效果，有利于货币当局更好的运用流动性管理工具，保障整个宏观经济尤其实体经济的平稳运行；二是可以推进市场利率化，疏通货币政策的利率传导机制，而且对投资者进行资产定价及风险管理有重要的参考价值。此外本文实证研究使用较新的包括疫情期间的研究数据，时效性较强，样本区间也较大。

二、理论分析

（一）国债利率期限结构

利率期限结构的相关理论大致可以分为传统定性分析理论和现代定量模型两类。传统的利率期限结构理论主要包括市场预期、分割市场和流动性溢价理论。但传统定性分析理论对利率期限结构的解释有限，所以本文采用Nelson和Siegel（1987）提出了Nelson-Siegel模型（NS模型），具体模型形式如（1）式所示：

（二）流动性管理工具对国债利率期限结构影响机制

1.流动性效应

流动性效应也可以称为资产调整效应，中国人民银行通过流动性管理工具调节流动性供给来影响人们对金融资产也即有价证券的需求，进而影响金融资产的价格，最终影响利率水平。具体的效应作用过程是当通过流动性管理工具释放流动性时，货币供给量增加，对投资者来说，短期内货币持有量就相对增加，金融资产就相对减少，改变了人们持有资产的原有结构，为使货币和金融资产持有量恢复到原有的平衡，人们会用增加的货币购买金融市场上的有价证券，如国债，由此国债的价格上升，进而导致国债的利率水平下降。

2.收入与价格效应

收入与价格效应是指中国人民银行通过流动性管理工具来改变货币供给影响收入和物价水平，进而影响利率水平。具体的效应作用过程是当货币供给量增加，经济扩张，国民收入和持有财富增加，由此国民消费增加，带动物价水平上涨，进而导致金融市场中国债利率水平上涨。该效应与流动性效应得出了相反的结论，由此可以猜想中国人民银行操作流动性管理工具时，通过流动性效应在短期内引导国债利率水平下降后，又通过收入与价格效应导致国债利率水平上升。

3.通货膨胀预期效应

通货膨胀预期效应，也称为费雪效应，是指中国人民银行通过流动性管理工具来改变货币供给影响人们的通货膨胀预期，进而影响利率水平。具体的效应作用过程是当货币供给量增加时，会导致当期通货膨胀，由此人们会预期未来会持续出现通货膨胀，即对未来价格的预期水平会更高，此时人们会要求用更高的利率，如国债利率来补偿价格水平的上涨，即补偿通货膨胀带来的损失，因此最终导致国债利率水平的上升。

综上所述，流动性管理工具对国债利率期限结构影响路径的三个效应中既有正向影响效应也有负向影响效应，具体的影响机制如图1所示。

图1 流动性管理工具对国债利率期限结构影响机制图

三、国债利率期限结构的实证分析

（一）变量选取及数据说明

本文从Wind数据库中选取到期期限为6个月、1-10年的国债到期收益率来研究国债利率期限结构。基于流动性管理工具的操作受诸多因素影响，诸如2019年末发生的新冠疫情这类会影响整个国民经济发展的大事件，中国人民银行在此期间需要通过频繁操作这类工具来调节流动性水平，因此本文选取包含疫情期间，即2018年1月-2021年10月期间的数据作为研究对象，数据为月度数据。

（二）国债收益率曲线的拟合

1.变量和参数具体取值说明

在式（1）中，变量T是指债券收益率的到期期限，到期期限为6个月的国债收益率T的取值为0.5，到期期限为1年的国债收益率T的取值为1，以此类推。参数λ为模型的衰减率，在模型估计的过程中，一般会根据研究的问题对λ取一个固定的值，如Diebold选择将其设定为0.0609，胡志强选择将其取1/3，本文就研究问题，参考明明将其设定为0.1[1]。

2. 模型参数估计

本文采用胡志强（2009）[2]提出的回归方法：最小化离差平方和的估计方法来估计三个参数β1t、β2t、β3t。分别对每个时间点的截面依次进行回归后并汇总，得到国债收益率曲线的三个特征因素时间序列，借助的统计软件为StataSE软件。

3. 异方差检验

由于对NS模型进行回归估计使用的是每个时间点的月度截面数据，很容易导致异方差的问题，使参数的显著性检验失效，进而导致回归结果失效。所以本文对46个截面数据的NS回归模型依次进行White检验，发现t都远大于0.05，即模型不存在异方差的问题。

四、实证分析

第三章通过构建NS模型拟合了国债收益率曲线来研究国债的利率期限结构，本章将进一步通过构建VAR模型来研究流动性管理工具对国债利率期限结构的影响效应。

（一）模型建立与数据选取

基于VAR模型，本文流动性管理工具选择实施频繁的常备借贷便利操作（SLF）和中期借贷便利操作（MLF），而其他新型货币政策工具等由于近年来操作次数较少，数据量不足以支撑理论模型研究，暂不予考虑，传统货币政策选取央行公开市场操作（OMO）为代表，采用货币投放量代表其释放的流动性来作为流动性管理工具的代理变量。国债利率期限结构的代理变量由上一章通过NS模型拟合的收益率曲线三个特征因素来充当（β1t、β2t、β3t）作为代理变量。选取的数据区间为2018年1月—2021年10月，数据频度为月度。为了让数据更加平稳，对SLF、MLF、OMO的时间序列数据进行对数处理，达到消除异方差的目的。个别缺失的数据采用回归的方法补足，且在研究时间区间内数值为零的数据，取对数后默认设置为0。

本文将构建3个VAR模型，研究流动性管理工具对国债利率期限结构水平因素β1t的影响构建内生变量Yt =(LNOMO， LNSLF， LNMLF，β1t)′向量的VAR(β1t)模型；对国债利率期限结构斜率因素β2t的影响构建内生变量Yt =(LNOMO，LNSLF， LNMLF，β2t)′向量的VARβ2t)模型；对国债利率期限结构水平因素β3t的影响构建内生变量Yt =(LNOMO， LNSLF， LNMLF，β3t)′向量的VARβ3t)模型。通过结构化的分析来分析不同的流动性管理工具对国债利率期限的三个因素β1t、β2t、β3t的作用效果，采用的统计软件为Eviews10。

（二）单位根检验与滞后期选择

在构建VAR模型之前，对所有变量采用ADF检验进行单位根检验，检验结果显示所有变量均为平稳序列。在构建VAR模型之前，还需要确定各个模型的滞后阶数。本文根据AIC和SC等信息准则选择的最优滞后阶数均为1阶。在此基础上，对各个模型的稳定性进行检验，检验结果显示各个模型的特征值均落在单位圆之内，说明上文所建立的三个滞后1阶的模型都是稳定的。

（三）实证检验结果

本文考察的是流动性管理工具对国债利率期限结构的的作用效果，工具不同，对不同的收益率曲线的特征因素影响也会有所差异，由格兰杰因果检验可初步得知：MLF的作用效果较SLF和OMO较好，在实际操作中的具体作用效果可通过下文的脉冲响应和方差分析进一步分析。在进行分析时，把持续期限定为10期。

1.脉冲响应分析

在VAR(β1t)模型中，给予LNOMO、LNSLF、LNMLF一个单位正向的冲击后，收益率曲线的水平因素β1t在各个期间的变化如图2所示。由图可知，LNOMO对β1t立刻产生负向影响，且在第三期达到最大值0.2后在响应期内逐渐趋于零；LNSLF对β1t立刻产生正向影响，且在第二期达到最大值0.4后在响应期内逐渐趋于零；LNMLF对β1t立刻产生正向影响，且在第二期达到最大值0.5后呈现负向冲击，之后在响应期内逐渐趋于零。由此可见，流动性管理工具对水平因素的引导作用是正向影响，说明流动性管理工具过程中流动性效应小于收入与价格效应和通货膨胀预期效应，最终导致国债的收益率水平上升。

图2 VAR（β1t）模型中水平因素对OMO、SLF、MLF冲击的脉冲响应函数图

在VAR(β2t)模型中，由脉冲响应结果可知，流动性管理工具可以通过流动性效应在短期内引导国债利率水平下降后，又通过收入与价格效应和通货膨胀预期效应导致长期国债利率水平上升，进而使得短期国债利率水平和长期国债利率水平的利差加大，导致国债收益率曲线更加陡峭。

在VAR(β3t)模型中，由脉冲响应结果可知，流动性管理工具对曲率因素有引导作用，尤其是MLF工具，相较于对水平因素和斜率因素，对的曲率因素的流动性效果更显著，因为MLF工具释放的流动性多位1年期的中期流动性，通过流动性效应引导国债利率期限结构中的中期利率下降，而对短期利率和长期利率的引导并不显著，进而导致收益率曲线的曲度的绝对值增加。

2.方差分析

在VAR(β1t)模型中，由表1可知，SLF和MLF在第十期的方差贡献几乎都接近10%，而OMO的方差贡献率不到2%，说明流动性管理工具SLF和MLF对国债利率期限的水平因素比传统货币政策工具引导效果好。

表1 VAR（β1t）方差分解

在VAR(β2t)模型中，SLF在第十期的方差贡献约为12%，而MLF、OMO的方差贡献率不到10%，说明流动性管理工具中SLF对国债利率期限结构中的斜率因素引导效果较好。在VAR(β3t)模型中，OMO、SLF、MLF在第十期的方差贡献均不超过10%，贡献率较小，说明货币政策从工具对国债利率期限结构的曲率因素引导效果都不明显，但流动性管理工具MLF、SLF的贡献率大于OMO的方差贡献率，相对来说比传统货币政策工具的作用效果好。

五、结论与启示

本文介绍了流动性管理工具和利率期限结构理论，以及流动性管理工具对国债利率期限结构影响路径的三个效应，之后构建Nelson-Siegel模型和VAR模型来探讨流动性调节工具对国债利率期限结构三个因子的影响，基于以上理论和实证分析，得出以下结论：一是流动性管理工具的流动性效应小于收入与价格效应和通货膨胀预期效应，最终会导致国债利率水平整体长期水平上升。二是流动性管理工具可以通过流动性效应在短期内引导国债利率水平下降后，之后又通过收入与价格效应和通货膨胀预期效应引导长期国债利率水平上升，进而使得短期国债利率水平和长期国债利率水平的利差加大，最终导致国债收益率曲线更加陡峭。三是流动性管理工具中MLF工具可以通过流动性效应引导国债利率期限结构中的中期利率下降，而对短期利率和长期利率的引导并不显著，使得收益率曲线的曲度因素的绝对值增加，最终使得国债利率期限结构的收益率曲线更加弯曲。此外，通过方差分析可知，相对于传统货币政策工具，流动性管理工具对国债利率期限结构的作用效果更显著。基于以上的分析和得出的主要结论，对中国人民银行完善货币政策体系、使用流动性管理工具提出以下政策建议。

第一，加强流动性管理工具的的流动性效应。由上文实证分析可知，收入与价格效应和通货膨胀预期效应最终会导致国债利率水平整体长期水平上升，但中国人民银行操作流动性管理工具的最终目的是引导市场利率水平下降，所以应该多发挥工具的流动性效应，减弱收入与价格效应和通货膨胀预期效应的影响。

第二，加强流动性管理工具和其他工具结合使用的能力。相对于传统货币政策工具，流动性管理工具对国债利率期限结构的作用效果更显著。但中国目前采用的是多目标的货币政策规则，也不能单单只操作某一种流动性管理工具，应该根据货币政策目标有针对性地选择合适的工具。

第三，改善创新型货币政策工具的实施环境。一方面，要完善金融监督管理体系，中国人民银行可以将流动性管理工具的实施情况纳入MPA，加强对借贷类便利工具操作的宏观审慎管理，严格规范参与各类工具的商业银行或相关金融机构的行为。另一方面，由上文实证分析可知，目前许多工具的实施效果都存在时滞性，一定程度上影响了工具流动性效应的作用效果，所以要提高金融市场信息传达的效率，加强市场预期的引导，提高市场对货币政策信息的敏感度，进而才能更好地发挥流动性管理工具对国债利率期限结构的影响效应，最大程度发挥流动性工具的影响效用。

此外本文还存在一定的局限性，一是由于有些流动性管理工具的操作次数较少，所以本文只选择了操作次数频繁的SLF和MLF工具作为流动性管理工具的代理变量，变量选取方面不够全面。二是在一些特殊的情况下，国债利率期限结构甚至可以反过来作用流动性管理工具，两者产生交互作用的影响，本文并未对其做深入的讨论，但可以作为后续研究的方向。