论文部分内容阅读
中国作为全球最大的发展中国家,在全球金融一体化的新时代背景下,中国的经济发展面临着新的机遇与挑战。这表示中国需要有一系列更加完善的货币政策帮助其经济继续向前,这也对政策决策者有了更高的标准和要求。而随着经济市场产业结构转型,金融信息量增大,传统的单变量模型和一般线性模型已经越来越无法满足当局者充分了解当下经济状况的迫切需求。因此,构建一个能够覆盖更多信息量适应中国当前发展的计量模型,以编制一个能够更为客观且有效的反映当前金融状况的金融状况指数是金融学者们的共同目标。本文首先结合SFAVAR模型和NMR-TVAR模型,构建了结构因子增广多机制门限向量自回归模型(MR-SFA-TVAR)。再使用MF-DFM模型,构建了由GDP和CPI构成的中国混频损失函数(MLF),同时从货币供应量类、利率类、汇率类、股价类、房价类和信贷类等24个金融指标中分别抽取6个结构公因子。然后,基于构建的MR-SFA-TVAR模型,实证编制中国新型门限金融状况指数(NMR-TFCI),用以测度货币政策的效果,并将其与基于本文模型构建的线性金融状况指数(N1R-FCI)和2机制门限金融状况指数(N2R-FCI)的测度效果进行比较。最后对NMR-TFCI的部分应用进行了讨论。实证研究表明:(1)由GDP和CPI共同组成的中国混频损失函数(MLF)是货币政策最终目标的一个可靠指标;(2)基于MR-SFA-TVAR模型实证编制的中国新型多机制门限金融状况指数NMR-TFCI具有多机制、非线性特征,能够覆盖更多金融信息并更加有效且客观地反映当下金融状况;(3)与1机制线性金融状况指数(N1R-FCI)和2机制门限金融状况指数(N2R-FCI)相比,中国新型门限金融状况指数(NMR-TFCI)是产出和通胀更优的先行、相关性、因果性和预测指标;(4)货币政策调控产出和通胀的传导渠道及其效应具有门限效应;(5)中国货币政策调控MLF的方式类型是价格和数量结合型的,且资产价格发挥着重要作用。(6)NMR-TFCI可以作为分析我国货币政策不确定性的一个工具,同时也是一个有效的预测中国系统性金融分析的指标。