论文部分内容阅读
临时性的加息或减税会对GDP和通胀产生什么影响?如果中央银行永久性改变通胀目标,或政府调整预算平衡目标,经济将发生什么变化?今年诺贝尔经济学奖得主——萨金特和西姆斯——创立的一系列方法对这些问题做出了回答,并对许多其他问题,如经济政策与GDP、通胀、就业、投资等宏观经济变量间的因果关系进行了解答。
经济时刻被不可预知的事件所影响。比如,油价的意外上涨,央行公布一个出乎借贷双方意料的利率,或是居民消费的突然下降。这些意外经济事件通常被称为冲击。除此之外,经济还会受到一些长期变化因素的影响,如为了抑制通胀,货币政策由宽松转向从紧,财政政策由扩张转向收缩。宏观经济研究的主要任务之一就是理解冲击和政策调整在短期及长期如何影响宏观经济变量。萨金特和西姆斯的获奖成果对这项工作的贡献是无可替代的。萨金特的研究成果有助于我们理解系统性政策变化对经济的影响,而西姆斯则主要研究冲击在经济体系中如何传导。
宏观经济研究困难:双向影响与主流预期
理解经济运行的困难之一在于经济变量和经济本身之间的影响经常是相互的。究竟是政策影响经济发展,还是经济影响政策的制订?造成这种分歧的原因是私人部门和公共部门都会对未来做出预期。私人部门对未来经济政策的预期决定了今天的工资、价格和投资水平,而对私人部门发展的预期则决定了政府经济政策的制订。
体现这种相互影响的典型例子是20世纪80年代初期的世界经济现象。当时,许多国家为了抑制通胀调整了经济政策,这种调整主要是为应对20世纪70年代经济中发生的一系列意外事件。当时,由于油价大幅上涨和产出增速放缓,通胀严重。结果是很难判断随后的经济变化是因为政策调整,还是因为一些潜在的不受经济政策影响的因素所导致。这些因素可能反过来影响政策的实施。研究经济政策效果的方法之一是进行控制实验。但在实际中,不同的政策不可能被随机地分配到不同国家,因此,宏观经济研究只能运用历史数据。两位获奖者的贡献在于证明了我们可以运用历史数据分析宏观经济中的因果关系,即使其中存在着相互影响的关系。
我们有充分的理由相信,意外的政策变化会有预期之外的影响。然而,区分预期政策变化带来的影响和非预期政策变化带来的影响非常困难。利率与税率的变化是不完全相同的冲击。在某种意义上,政策的变化至少部分是可预期的。长期以来,在股市中就有这种观点:一家报表显示收入增长、利润增加的公司,它的股价仍旧可能下跌,这仅仅是因为其业绩低于市场之前的预期。此外,未预期到的政策变化的效果,可能正是取决于政策的实施是独立于其他冲击还是对其他冲击的反应。
萨金特获奖的研究方法是运用历史数据来理解,随着时间的推移,经济政策的系统性调整如何影响经济运行。西姆斯的获奖研究没有集中在预期变化和非预期变化的差异方面,而是研究它们对重要的宏观经济变量的影响。两位获奖者研究的问题关系密切,虽然他们独立进行研究,但他们的成果在很多方面具有互补性。
萨金特:经济政策的系统性影响
当货币政策系统性地遵循泰勒法则——即在预先设计的模式中,利率对通胀变化和经济周期作出特定的反应,宏观经济会如何变化?如果中央银行把通胀目标定在2%的水平,经济又将如何变化?萨金特主要对这些系统性政策规则的影响和政策规划调整的后果进行研究,预期是他分析方法中不可或缺的一部分。
经济是否会随着经济政策的调整而变化,经济的变化是否会促使决策者采取新的经济政策?萨金特运用三步法对以上问题进行了检验。
萨金特研究方法的第一步是建立一个结构性宏观经济模型,即运用精确的数学方法对经济进行描述。在模型中引入一系列参数,来表示不同变量之间的关系。比如,如果已知消费者总需求受其对实际利率预期的影响,则两者的关系就应该被包含在模型之中。反映这种基本关系的参数(系数)应当不受经济政策的影响,这些参数包括偏好参数——描述了个体基于特定利率和收入水平如何在储蓄和消费间进行选择。
第二步是求解数学模型。萨金特的模型集中在对宏观经济现象变化的预期。例如,经济政策调整是否对未来通胀预期产生影响?解决这个模型的一个合理的先决条件是模型中个人的通胀预期与该模型推算的通胀预测一致。然而,附加这样一个前提条件,却是说起来容易而做起来难。在萨金特分析的第二步中展示了如何找到解决方案。
第三步,也是最后一步,求出模型的参数值。运用历史数据来估计那些不受政策调整影响的基础参数。简单地说,这预示着所得到的参数值使模型可以对历史事件作出最好的模拟。通过这种方法,可以获得描述经济结构的参数值。整个模型可以作为研究不同假设经济政策变化效果的“实验室”,如货币政策的调整。
20世纪70年代,萨金特发表了一系列文章,阐述结构性宏观经济模型的构造、求解和估值。他的研究方法不仅在经济政策分析时得心应手,而且也被应用于宏观经济和经济研究的其他领域。
萨金特的部分贡献主要在方法论方面,不仅如此,他还将这种新方法在有影响的实证研究中加以应用。比如,他对欧洲国家历史上一系列的恶性通货膨胀事件进行了实证分析。他还对上文提到的20世纪70年代发生的一系列事件进行了检验。当时,许多经济体最初采取高通货膨胀政策,然后反转为低通货膨胀率目标。萨金特认为,普通大众和中央银行的预期都是基于对通货膨胀过程的逐渐理解形成的,这可以解释为什么降低通货膨胀是一个漫长的过程。
西姆斯:宏观经济冲击的识别与分析
西姆斯对萨金特的大型宏观经济模型研究表示赞同,这些模型已被学者、央行和财政部门广泛使用。在西姆斯的一篇名为《宏观经济学与现实》的文章中,他提出了一种分析宏观经济数据的新方法。他支持萨金特强调预期重要性的观点。西姆斯运用新方法,通過历史数据识别来解释经济冲击,并分析这些冲击如何逐步传播到不同的宏观变量。西姆斯的这一方法已在研究界产生了巨大影响,同时,此方法作为经济政策决策的基础被广泛使用。西姆斯的方法大致分为三步。
第一步,研究者用向量自回归模型(VAR模型)对宏观经济变量进行预测。在统计时间序列数据时,这是一个相对简单的模型。通过对过去利息变量的统计,得到最好的预测。预测值和实际值的不同——预测误差,作为一个特殊的变量,可以被视为一种冲击。但是,西姆斯表示这种预测误差没有明确的经济含义。例如,一个未预期到的利率变动既可能是对诸如失业率、通胀率等其他冲击的反应,也可能是独立于其他冲击的变动。这种独立的变动被称为基础性的冲击。
第二步是找出经济所面临的基础性冲击。这是研究独立的利率变动对经济影响的前提。确实,西姆斯的主要贡献之一就是阐明了在全面理解经济运行的基础上,如何识别基础性冲击。西姆斯和后来的学者已经研究出不同的方法来确定VAR模型中的基础性冲击。
一旦运用历史数据来识别基础性冲击,就可以进行西姆斯的方法中的第三步——脉冲响应分析。分析表明基础性冲击对宏观经济变量的影响是渐进的。
数据显示,央行加息作为一个冲击,导致宏观经济变量在之后一段时期内的变化并不相同。经济学家根据美国二战后的经济数据,运用VAR模型分析得出的图形显示,加息使GDP连续下滑六个季度,之后经济才开始增长。另一方面,加息对价格水平在前六个季度几乎没有影响,之后物价才开始下降,通胀率随之下降。
脉冲响应分析提升了我们对宏观经济动态属性的认识,进而影响货币政策的执行。通过调整利率实现既定的通胀目标,需要经过一到两年的时滞,这已被央行所认识。
历史数据表明,中央银行在制订紧缩的货币政策时,需要对一到两年后的低通胀(收益)和短期内的GDP下滑(成本)进行权衡。类似的财政政策VAR模型分析表明,增加公共开支在经济周期性调整时只能暂时减缓经济的下滑。时至今日,VAR模型已成为央行和财政部门分析不同冲击对经济影响和分析不同经济政策的效果不可或缺的工具。
对当前宏观经济实证研究的影响
萨金特对宏观经济历史数据的时间序列分析为宏观经济研究开拓了一片广阔的天地,并对经济政策的运行提出了许多真知灼见。西姆斯随后的研究对宏观经济及其他研究领域也产生了巨大的影响。现在的许多宏观经济研究都受到了萨金特和西姆斯研究成果的启发,这些研究有许多共同之处。在现代研究中,运用萨金特方法的模型开发方案,通常都是以VAR模型系统表示,并运用脉冲响应来评估。
萨金特和西姆斯提出的宏观经济实证研究方法相辅相成。在研究系统性宏观政策调整对经济的影响时,使用萨金特的方法,需要对经济结构做出特定假设——这些假设可能值得商榷。另一方面,VAR模型中的假设条件更为通用,这些假设涉及到更为广泛的经济模型。研究者可以根据实际需要选择经济模型。当关于经济结构的信息比较充分时,萨金特的方法更为合适,尤其是这种方法允许对经济政策系统性调整进行逆向分析时;当信息相对不充分时,西姆斯的方法则显得更为稳妥。
由于萨金特和西姆斯对经济学的贡献,宏观经济研究和经济政策实证分析获得了巨大进步。他们的工作为现代宏观经济研究奠定了坚实的基础。没有他们的研究成果,今天的宏观经济研究工作将难以想象。
(作者单位:中国民生银行对外经济贸易大学)
经济时刻被不可预知的事件所影响。比如,油价的意外上涨,央行公布一个出乎借贷双方意料的利率,或是居民消费的突然下降。这些意外经济事件通常被称为冲击。除此之外,经济还会受到一些长期变化因素的影响,如为了抑制通胀,货币政策由宽松转向从紧,财政政策由扩张转向收缩。宏观经济研究的主要任务之一就是理解冲击和政策调整在短期及长期如何影响宏观经济变量。萨金特和西姆斯的获奖成果对这项工作的贡献是无可替代的。萨金特的研究成果有助于我们理解系统性政策变化对经济的影响,而西姆斯则主要研究冲击在经济体系中如何传导。
宏观经济研究困难:双向影响与主流预期
理解经济运行的困难之一在于经济变量和经济本身之间的影响经常是相互的。究竟是政策影响经济发展,还是经济影响政策的制订?造成这种分歧的原因是私人部门和公共部门都会对未来做出预期。私人部门对未来经济政策的预期决定了今天的工资、价格和投资水平,而对私人部门发展的预期则决定了政府经济政策的制订。
体现这种相互影响的典型例子是20世纪80年代初期的世界经济现象。当时,许多国家为了抑制通胀调整了经济政策,这种调整主要是为应对20世纪70年代经济中发生的一系列意外事件。当时,由于油价大幅上涨和产出增速放缓,通胀严重。结果是很难判断随后的经济变化是因为政策调整,还是因为一些潜在的不受经济政策影响的因素所导致。这些因素可能反过来影响政策的实施。研究经济政策效果的方法之一是进行控制实验。但在实际中,不同的政策不可能被随机地分配到不同国家,因此,宏观经济研究只能运用历史数据。两位获奖者的贡献在于证明了我们可以运用历史数据分析宏观经济中的因果关系,即使其中存在着相互影响的关系。
我们有充分的理由相信,意外的政策变化会有预期之外的影响。然而,区分预期政策变化带来的影响和非预期政策变化带来的影响非常困难。利率与税率的变化是不完全相同的冲击。在某种意义上,政策的变化至少部分是可预期的。长期以来,在股市中就有这种观点:一家报表显示收入增长、利润增加的公司,它的股价仍旧可能下跌,这仅仅是因为其业绩低于市场之前的预期。此外,未预期到的政策变化的效果,可能正是取决于政策的实施是独立于其他冲击还是对其他冲击的反应。
萨金特获奖的研究方法是运用历史数据来理解,随着时间的推移,经济政策的系统性调整如何影响经济运行。西姆斯的获奖研究没有集中在预期变化和非预期变化的差异方面,而是研究它们对重要的宏观经济变量的影响。两位获奖者研究的问题关系密切,虽然他们独立进行研究,但他们的成果在很多方面具有互补性。
萨金特:经济政策的系统性影响
当货币政策系统性地遵循泰勒法则——即在预先设计的模式中,利率对通胀变化和经济周期作出特定的反应,宏观经济会如何变化?如果中央银行把通胀目标定在2%的水平,经济又将如何变化?萨金特主要对这些系统性政策规则的影响和政策规划调整的后果进行研究,预期是他分析方法中不可或缺的一部分。
经济是否会随着经济政策的调整而变化,经济的变化是否会促使决策者采取新的经济政策?萨金特运用三步法对以上问题进行了检验。
萨金特研究方法的第一步是建立一个结构性宏观经济模型,即运用精确的数学方法对经济进行描述。在模型中引入一系列参数,来表示不同变量之间的关系。比如,如果已知消费者总需求受其对实际利率预期的影响,则两者的关系就应该被包含在模型之中。反映这种基本关系的参数(系数)应当不受经济政策的影响,这些参数包括偏好参数——描述了个体基于特定利率和收入水平如何在储蓄和消费间进行选择。
第二步是求解数学模型。萨金特的模型集中在对宏观经济现象变化的预期。例如,经济政策调整是否对未来通胀预期产生影响?解决这个模型的一个合理的先决条件是模型中个人的通胀预期与该模型推算的通胀预测一致。然而,附加这样一个前提条件,却是说起来容易而做起来难。在萨金特分析的第二步中展示了如何找到解决方案。
第三步,也是最后一步,求出模型的参数值。运用历史数据来估计那些不受政策调整影响的基础参数。简单地说,这预示着所得到的参数值使模型可以对历史事件作出最好的模拟。通过这种方法,可以获得描述经济结构的参数值。整个模型可以作为研究不同假设经济政策变化效果的“实验室”,如货币政策的调整。
20世纪70年代,萨金特发表了一系列文章,阐述结构性宏观经济模型的构造、求解和估值。他的研究方法不仅在经济政策分析时得心应手,而且也被应用于宏观经济和经济研究的其他领域。
萨金特的部分贡献主要在方法论方面,不仅如此,他还将这种新方法在有影响的实证研究中加以应用。比如,他对欧洲国家历史上一系列的恶性通货膨胀事件进行了实证分析。他还对上文提到的20世纪70年代发生的一系列事件进行了检验。当时,许多经济体最初采取高通货膨胀政策,然后反转为低通货膨胀率目标。萨金特认为,普通大众和中央银行的预期都是基于对通货膨胀过程的逐渐理解形成的,这可以解释为什么降低通货膨胀是一个漫长的过程。
西姆斯:宏观经济冲击的识别与分析
西姆斯对萨金特的大型宏观经济模型研究表示赞同,这些模型已被学者、央行和财政部门广泛使用。在西姆斯的一篇名为《宏观经济学与现实》的文章中,他提出了一种分析宏观经济数据的新方法。他支持萨金特强调预期重要性的观点。西姆斯运用新方法,通過历史数据识别来解释经济冲击,并分析这些冲击如何逐步传播到不同的宏观变量。西姆斯的这一方法已在研究界产生了巨大影响,同时,此方法作为经济政策决策的基础被广泛使用。西姆斯的方法大致分为三步。
第一步,研究者用向量自回归模型(VAR模型)对宏观经济变量进行预测。在统计时间序列数据时,这是一个相对简单的模型。通过对过去利息变量的统计,得到最好的预测。预测值和实际值的不同——预测误差,作为一个特殊的变量,可以被视为一种冲击。但是,西姆斯表示这种预测误差没有明确的经济含义。例如,一个未预期到的利率变动既可能是对诸如失业率、通胀率等其他冲击的反应,也可能是独立于其他冲击的变动。这种独立的变动被称为基础性的冲击。
第二步是找出经济所面临的基础性冲击。这是研究独立的利率变动对经济影响的前提。确实,西姆斯的主要贡献之一就是阐明了在全面理解经济运行的基础上,如何识别基础性冲击。西姆斯和后来的学者已经研究出不同的方法来确定VAR模型中的基础性冲击。
一旦运用历史数据来识别基础性冲击,就可以进行西姆斯的方法中的第三步——脉冲响应分析。分析表明基础性冲击对宏观经济变量的影响是渐进的。
数据显示,央行加息作为一个冲击,导致宏观经济变量在之后一段时期内的变化并不相同。经济学家根据美国二战后的经济数据,运用VAR模型分析得出的图形显示,加息使GDP连续下滑六个季度,之后经济才开始增长。另一方面,加息对价格水平在前六个季度几乎没有影响,之后物价才开始下降,通胀率随之下降。
脉冲响应分析提升了我们对宏观经济动态属性的认识,进而影响货币政策的执行。通过调整利率实现既定的通胀目标,需要经过一到两年的时滞,这已被央行所认识。
历史数据表明,中央银行在制订紧缩的货币政策时,需要对一到两年后的低通胀(收益)和短期内的GDP下滑(成本)进行权衡。类似的财政政策VAR模型分析表明,增加公共开支在经济周期性调整时只能暂时减缓经济的下滑。时至今日,VAR模型已成为央行和财政部门分析不同冲击对经济影响和分析不同经济政策的效果不可或缺的工具。
对当前宏观经济实证研究的影响
萨金特对宏观经济历史数据的时间序列分析为宏观经济研究开拓了一片广阔的天地,并对经济政策的运行提出了许多真知灼见。西姆斯随后的研究对宏观经济及其他研究领域也产生了巨大的影响。现在的许多宏观经济研究都受到了萨金特和西姆斯研究成果的启发,这些研究有许多共同之处。在现代研究中,运用萨金特方法的模型开发方案,通常都是以VAR模型系统表示,并运用脉冲响应来评估。
萨金特和西姆斯提出的宏观经济实证研究方法相辅相成。在研究系统性宏观政策调整对经济的影响时,使用萨金特的方法,需要对经济结构做出特定假设——这些假设可能值得商榷。另一方面,VAR模型中的假设条件更为通用,这些假设涉及到更为广泛的经济模型。研究者可以根据实际需要选择经济模型。当关于经济结构的信息比较充分时,萨金特的方法更为合适,尤其是这种方法允许对经济政策系统性调整进行逆向分析时;当信息相对不充分时,西姆斯的方法则显得更为稳妥。
由于萨金特和西姆斯对经济学的贡献,宏观经济研究和经济政策实证分析获得了巨大进步。他们的工作为现代宏观经济研究奠定了坚实的基础。没有他们的研究成果,今天的宏观经济研究工作将难以想象。
(作者单位:中国民生银行对外经济贸易大学)