非货币资产市场对通货膨胀的缓冲效应探析

开篇：润墨网以专业的文秘视角，为您筛选了一篇非货币资产市场对通货膨胀的缓冲效应探析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】观察近二十年来的货币供应量与反映通货膨胀的指标，发现在货币供应量高速增长的情况下，通货膨胀并没有十分严重。而伴随着货币供应量高度增长，资产市场也得到蓬勃发展，尤其是房地产市场和股票市场。本文试图分析非货币资产市场对通货膨胀的缓冲效应，选取了2003―2013年广义货币供应量（M2）、房地产开发投资以及股票市场融资规模的月度数据，运用HP滤波法、ADF平稳性检验、Johanson协整检验、格兰杰因果检验以及VEC模型进行实证分析。发现非货币资产市场对通货膨胀的影响较小，对于通货膨胀具有缓冲效应。

In the recent 20 years with the rapid money supply growth， there isn’t a serious inflation problem. And with the inflate of money supply， the asset market are booming during the period of time especially the real estate market and the stock market. This article attempts to analyze the buffer effect of non-monetary market on inflation. This article choose the monthly date of M2， real estate investment and the stock market financing scale between 2003 and 2013. These monthly date is analyzed with the method of HP-filter， ADF stationarity test， Johanson cointegration test，Granger causality test and VEC model for empirical analysis.

【关键词】非货币资产市场；通货膨胀；缓冲效应；VEC模型

on-Monetary Asset Market； Inflation； The Buffer Effect； VEC Model

一、引言

近二十年来，中国的货币供应量经历了高速的增长，但是没有经历严重的通货膨胀。易纲（1995）较早地提出了这一问题，并被著名经济学家麦金龙称为“中国之谜”（徐振宇，2014）。伴随着货币供应量的高速增长，大量的资金流入股市、房地产以及地方融平台的项目建设，这可能是“中国之谜”一方面的答案。房地产、股市资本等非货币资产市场的投入使得货币的流通速度减慢，增加了资产泡沫。从另一个角度来说，房地产、股市能够吸收过度增发的货币，成为通货膨胀的“缓冲器”。本文采用了VEC模型，通过Johanson协整检验、Granger因果检验、脉冲响应分析，对我国股票市场融资规模、通货膨胀情况以及货币供应量之间的关系进行实证分析。从而从非货币资产市场这一角度观察其“蓄水池效应”在货币供应量高速增长的背景下是否显著地缓解通货膨胀情况。

二、相关文献综述

关于中国资产市场与通货膨胀的关系有不少学者进行研究。郭田勇（2006）通过理论与实证分析阐释了资产价格膨胀与通货膨胀之间关联的内在机理。戴国强（2009）基于ADRL技术对资产价格与通货膨胀的关系进行了分析，发现房地产对于通货膨胀的影响显著，股票市场则较为为微弱。杨宝臣（2010）通过误差修正模型研究了资产价格、通货膨胀及货币政策这三者之间的互动关系。郑鸣（2010）运用VAR方法分析了股价、产出、通胀率和货币政策的关系，发现股价波动显著地反映通货膨胀的情况，利率是调控股价的有效手段。金雯雯（2013）从资产替代的角度，研究存款利率与房地产价格的关系。王宏涛（2013）基于理性预期的假设研究了资产价格变化与通货膨胀的动态影响。张成思（2013）基于Meltzer的新货币主义分析框架分析了资产市场均衡与商品市场均衡的联动机制，发现房地产上涨是总体通货膨胀的驱动因素。

三、实证分析

（一）变量选取与计量模型

本文选取的变量有居民消费价格指数CPI、房地产开发投资规模、股票市场融资规模以及广义货币供应量M2的月度数据。使用CPI来代表通货膨胀率，选取房地产开发投资规模和股票市场规模这两个具有代表性的指标来反映非货币资产市场的情况。为使数据更平稳，对各变量取对数。考虑季节性因素的影响，对于CPI和M2的对数利用HP滤波法进行处理，以下所指CPI和M2皆为经过HP滤波法处理后的数据。而变量的时间跨度为2003年1月到2013年12月。本文数据均来自与中经网统计数据库。

本文使用VEC模型对对通货膨胀指标与其他变量间的关系进行分析。VEC模型是包含了协整约束的VAR模型。VEC模型多用于具有协整关系的非平稳时间序列。Engle、Granger（1987）将协整与误差修正模型结合起来，建立了向量误差修正模型。VAR（p）模型的表达式为

yt=A1yt-1+…+Apyt-p+Bxt+εt（1）

yt是k维内生变量，xt是d维外生变量，p是滞后阶数。A1……Ap是k×k维待估矩阵，B是k×d维待估矩阵，εt是k维扰动列向量。

VEC模型的表达式为

Δyt=αβ′yt-1+∑p-11i=1ΓiΔyt-i+εt=αecmt-1+∑p-11i=1ΓiΔyt-i+εt（2）

其中ecmt-1是误差修正项，反映变量之间长期均衡关系，系数矩阵α反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度。

（二）实证结果

1.平稳性检验

利用ADF单位根检验对变量的平稳性进行检验。其中LNSTOCK、LNCPI、LNEST、LNM2分别是股票市场融资规模、居民消费物价指数、房地产开发投资、广义货币供应量的对数。D表示的一阶差分形式。表1所示，LNEST的ADF检验值大于在5%置信水平下的临界值，表示LNEST的原序列不平稳，对其进行一阶差分处理。DLNEST是其一阶差分形式，ADF检验值小于5%置信水平下的临界值，表示一阶差分的序列平稳。而其他序列的一阶差分形式也平稳，四个序列一阶单整。其中滞后期是根据AIC与SC准则确定的。

2.协整检验

四个序列都是同阶单整的，对于数据进行Johanson协整检验。在5%的置信水平下，对照迹检验统计量和临界值，迹统计量都大于5%置信水平下的临界值，表明拒绝关于协整关系个数的原假设，四个变量间存在长期稳定的关系。

由EVIEWS6.0得到协整方程：

LNCPI=0.005739LNM2+0.000384LNSTOCK+0.000851LNEST-0.078941+ε（3）

（5.49723）（4.82172）（13.3696）

从括号内t值可知，协整方程的三个系数均显著。（3）式表明LNM2、LNSTOCK、LNEST均与LNCPI呈正的相关关系。其中，LNM2的影响最大，LNSTOCK与LNEST都较小，这与之前的假设是相符的，即非货币的资产市场对于通货膨胀来说是有一定的缓冲作用的。

3.格兰杰因果检验

运用格兰杰因果检验分析两两变量之间的因果关系，这个因果关系是统计意义上的因果关系。根据表3反映的数据，观察P值大小。表中数据表明LNSTOCK、LNM2、LNEST均是LNCPI的格兰杰原因。

4.向量误差修正模型（VEC）

VEC模型是带有误差修正项的VAR模型，其前提条件是变量存在协整关系。通过Johanson协整检验确定存在协整关系。格兰杰因果检验结果表明LNSTOCK、LNEST、LNM2与LNCPI都存在相关性。根据本文的数据，根据AIC准则确定滞后阶数为2。利用EVIEWS6.0处理，得到VEC的结果如