2018年中国通货膨胀率【通货膨胀水平与其不确定性的动态关系探讨】

发布时间:2019-05-20 01:41:13 来源: 案例分析 点击:

  内容摘要:本文建立了SV- MT模型,运用MCMC方法,对我国通货膨胀水平和不确定性的动态关系进行分析,研究表明SV- MT模型能很好的刻画我国通胀不确定性动态特征,我国通货膨胀不确定性具有明显的持续性特征,通货膨胀不确定性对通胀水平具有正向影响作用,这反映了我国目前的宏观经济政策含有相机抉择的成分因素。
  关键词:SV-MT模型 通货膨胀 不确定性
  通货膨胀是宏观经济学中一个非常重要的问题,它关系到一个国家的经济稳定、社会稳定以及人民生活福利水平。严重的通货膨胀不仅仅会阻碍经济的发展,而其还有可能引起社会政治危机。中国经济体制改革以来,平均年通货膨胀率不到10%,较之其他发展中国家、独联体诸国和东欧国家,通货膨胀率不算高。但中国改革开放以来的通货膨胀率变化很大,既经历过年通货膨胀率达到20%以上的严重通货膨胀,也经历过轻微的通货紧缩,通货膨胀动态路径转换频繁,不确定性程度很强,对经济的危害并不低。较低的平均通货膨胀率和较高的通货膨胀变动相结合,是当前中国通货膨胀的一大特征,因此加强对不确定性的研究,不仅仅只是实践的需要,也是通货膨胀理论和其他经济理论发展的要求。
  国内外学者已经对通货膨胀水平与不确定性的关系进行了大量的研究。Okun(1971)首先提出了高通货膨胀导致高通货膨胀不确定性。Friedman(1976)的研究指出通货膨胀不确定性的发生常常产生于公众通货膨胀预期上的错误,当公众预期的通货膨胀与实际的通货膨胀相差很多时,通货膨胀不确定性就产生了,且通货膨胀与通货膨胀不确定性存在正向的联系。Foster E(1978)采用样本方差或均方通胀率代表波动性指标,研究结果均表明通胀均值和波动性之间存在较强的正相关性。
  随着经济计量技术的发展,Engle利用条件异方差模型(ARCH)对英国和美国通货膨胀的易变性进行了实证研究,估计出非预期通胀的方差序列。Kontonikas、Wilson(2006)、Guglielmo和Alex Andros等利用GARCH类模型对通货膨胀水平与不确定性的相关关系进行了研究。在GARCH 模型的框架下,一步向前的条件方差代表不可预测的通胀新息的波动性,它是事先的方差而不是像移动平均标准差那样的事后方差,因此,能够更好地反映通货膨胀不确定性。然而,在GARCH 类模型中令波动的条件方差服从一个确定的自回归过程,因此,波动的改变即是一个已知过程,这与不确定性的概念不符。与GARCH 类模型不同,随机波动(SV)模型令条件方差包含某些随机过程的不可见成分,因此,波动的改变是随机变化的,这种随机冲击的性质与程度也是影响通胀调整的重要因素。相对于GARCH 模型,Danielsson等的研究认为SV类模型在实证检验中优于GARCH 类模型,SV类模型能更好的刻画通货膨胀水平与不确定性的时变特征。
  理论模型及参数估计
  (一)理论模型
  在时间序列波动研究文献中,SV模型是一类随机微分方程的离散化表示,其波动性不仅与以往的波动情况相关,还依赖于当前的信息项,通过对未观测随机过程建模显示其灵活性。与基本的SV模型相比,SV-t模型是一种厚尾SV模型,具有捕捉实际时间序列的尖峰后尾的能力,其对时间序列波动的描述能力更强。
  设时间序列通货膨胀水平rt,根据通货膨胀水平的波动性,假定rt服从分布:rt~N(0,σt2),其中σt2是rt基于t-1时刻已有信息的条件方差,由此可以得到SV-t模型:
  (1)
  其中:残差项εt和ηt互不相关;为持续性参数,反映了当前波动对未来波动的影响,0,表示波动和预期观测变量具有正向相关关系,d值的大小表示波动变动一个单位时对预期观测变量的影响程度。
  (二)参数估计
  根据式(2)可得ht的条件分布为:ht |μ,φ,ht-1~NID(μ+φ(ht-1-μ),1/τ);对于给定的ht和d值有:rt |ht,d~t(d exp(ht),exp(ht),υ),t=1,2,…,n。由此可得到rt的条件概率分布函数:
  由以上可得到SV-MT模型的似然函数:
  (2)
  SV-MT的参数估计采用基于MCMC(Markov Chain Monte Carlo)的贝叶斯估计方法。MCMC方法将随机过程中的马尔可夫过程引入到Monte Carlo模拟中,建立马尔可夫链,实现动态模拟,构造平稳分布的样本,并使它的平稳分布和后验分布相同,当马尔可夫链收敛时,模拟值可以看作是从后验分布中抽取的样本。定义SV-MT模型中的待估参数为h=(μ,φ,τ,d,υ)′,通货膨胀水平R=(r1,r2,…rn)′,不可观测的潜在对数波动率记为:Q=(q1,q2,…qn)′,则模型的条件似然函数可以写成 :
  待估参数h和不可观测量的联合先验概率可以表示为:
  根据贝叶斯定理,h和q的联合后验概率密度正比于其先验概率和条件似然函数的乘积:
  由先验分布及似然函数,便可得到参数的后验条件分布。μ的后验条件分布如下:
  (3)
  类似地可以得到参数φ、τ、υ、d的后验条件分布如下:
  (4)
  (5)   (6)
  (7)
  根据MCMC参数估计的基本原理可知,平稳分布与初始分布无关,Markov链在经过足够多的次数迭代后,若各个时刻状态的边际分布都是平稳分布,则认为该Markov链为收敛的,因此,参数的后验分布不会随着参数的先验分布发生显著变化,由此我们参照Kim等的经验选取以下分布作为先验分布:
  实证研究
  (一)数据来源及统计特征分析
  数据来源。下面的检验中本文使用的通货膨胀率水平(r) 是采用我国消费物价指数(CPI)的对数一阶差分形式表示。本文使用1990年1月至2011年9月间的月度数据,差分后的样本共 260个。样本自1990年始是因为我们无法获得更早年份的月度统计资料,而且从20世纪80年代商品价格才开始逐步放开,此前严格受国家计划控制。数据来源是国家统计局网站以及《中国统计月报》。
  数据的统计特征分析。从图1可以发现,上世纪90年代以来,我国的价格水平波动十分明显,经济经历数次通胀、紧缩以及两者的相互转换,通货膨胀过程在不同阶段的行为特征差别明显,其动态经历了高涨-温和膨胀-紧缩-再度温和膨胀-紧缩-再度温和膨胀的过程。即有0.277的高通货膨胀时期,也有了-0.0181的低通货紧缩时期。同时,从图1中,我们也可以看到,从1992 年下半年至1995年初是高通胀阶段,其中1994年的年度通胀率超过25 %,为建国以来最高水平。这次物价上涨同样源于货币的过度供给,粮价改革以及能源价格的提高也是物价上涨的直接诱导因素。价格改革和调整尽管导致了高通胀,然而从这一阶段开始价格的市场形成机制得以确立(易纲,1996)。1998-2002年中国出现了长达5年的通货紧缩,价格水平一直处于0附近,这一阶段同1995年前通胀水平较高且波动剧烈的特点形成鲜明对比。又从2002年底到2008年基本保持在温和的通货膨胀水平,并在2008年达到了高峰。到了2009年出现了短暂的通货紧缩,我国新一轮的通货膨胀自2010年初启动,到我们的观察期结束CPI还一路攀升,后期CPI的变化还有待观察。最后,我们可以观察到,整体上的通货膨胀率变化体现出异方差性,通货膨胀阶段价格变化的波动程度较大而通货紧缩阶段价格的波动程度已经明显降低。
  建立分析模型之前,我们先简要考察要检验的数据序列的基本统计特征。用EVIEWS6.0软件对通胀率r进行统计分析,表1给出了通胀率r序列的描述性统计量。结合数据的偏度和峰度值容易看出,通胀率r具有左偏厚尾特征,并且它的J- B检验统计量也都在1%的显著性水平下拒绝了数据服从正态分布的原假设,说明通胀率在少数月份中出现了异常值。为了检验通胀率r的异方差特征,针对样本均值的偏差序列以及其平方序列分别计算了Ljung-Box统计量Q(k),容易看出,均值偏差序列和偏差平方序列均具有高阶自相关性,并且LM统计量说明偏差序列显著存在ARCH效应即具有异方差特征。ADF检验用来判别序列的平稳性,检验结果表明,通胀率r不存在单位根,即序列是平稳的,因此,保证只含有时变的随机扰动项。
  (二)模型参数估计及收敛性检验
  模型的参数估计。考虑到通货膨胀水平与不确定性的相关关系具有时变性特征,将基础SV模型拓展为SV- MT模型。为了估计SV- MT模型的参数,我们采用贝叶斯估计,MCMC的Gibbs抽样次数为50000次,由于Markov链收敛前的一段时间的迭代中,各状态的边际分布还不能认为是平稳的,因而选择“燃烧”舍去前25000个抽样值,在此基础上在进行25000次迭代作为各参数的稳定分布抽样,记录下的样本结果作为参数估计的Monte Carlo试验数据。根据Markov链在平稳状态下的Monte Carlo抽样数据,图2是模型参数的后验分布核密度估计图,表2是各参数的估计值。
  由图2可以看出,模型参数φ和υ的后验分布具有偏态特征,其他参数的后验分布都具有对称性。这主要是由于参数φ和υ的Monte Carlo抽样数据中,一侧的极端值出现的概率较大,使后验分布呈现出偏态特征。综合各个参数的后验分布核密度图,对利用MCMC方法抽样得到的Monte Carlo 样本进行进一步的分析,可以得到模型参数的贝叶斯估计值以及相应的分位区间估计。由表2可以看出,波动方程的自回归参数φ的贝叶斯后验均值为0. 982, 表示通货膨胀的不确定具有较强的持续性特征,类似于金融收益率波动的持续性过程,风险溢出系数d的贝叶斯后验均值为5.978,由于d可以用来度量波动对预期观测变量的影响,值为正则说明通胀不确定性对通胀水平具有正向影响。
  模型的收敛性检验。采用MCMC 估计,参数估计值序列的收敛性诊断异常重要,如果一个参数估计值序列不收敛,那就意味着它不会围绕一个值来波动,方差将会很大,也就是等价于一个回归模型中的回归参数的t值非常小,从而无法通过统计检验。基于此,我们要对模型进行收敛性诊断。
  首先,由表2可以看到,各个参数的MC误差远小于标准差,我们可以得到一个初步的结论,参数的估计趋于收敛。为了进一步证实我们的判断,我们这里采用更为精确的方法G-R(Gelman-Rubin)收敛性诊断方法。Gelman-Rubin诊断方法以正态理论逼近为基础,最终得到一个判断收敛性的诊断统计量R,一般来说,>1,当Markov 链趋于收敛时,应趋近于1。表2已经给出了G- R检验统计量,可以看出各个变量的G- R检验统计量均在1.0-1.1之间,因此,可以认为模型各个参数的样本分布已经收敛到其后验分布,即采用MCMC稳态模拟估计模型参数是有效的。
  (三)通货膨胀及其不确定水平的动态分析
  为了进一步研究通货膨胀水平与不确定的动态关系,接下来我们将绘制出通货膨胀率与不确定相互作用的脉冲响应函数图。
  从图3可以看出,给通货膨胀不确定性一个正的冲击,通胀水平在第2期达到最大值,即r对h的相应值为0.0076,然而这种冲击作用不具有可持续性,在第8期之后几乎为0;反过来,通胀水平的变化对其不确定的影响基本接近于0,说明h对r冲击影响不显著。这与我们前面有SV-MT模型得出的结论相一致,这些经验结论表明:剧烈的通货膨胀不确定性会推动通货膨胀上升,反之则没有相应的证据支撑。   结论
  本文针对我国通货膨胀水平与不确定性的相关关系具有时变性特征,建立SV- MT模型来刻画我国的通胀不确定性动态特征,运用MCMC方法对我国1990年1月至2011年9月的通胀水平和不确定性的动态关系进行实证分析。结果表明:SV- MT模型能很好的刻画我国的通胀不确定性动态特征,我国通货膨胀不确定性具有明显的持续性特征,通货膨胀不确定性对通胀水平具有正向影响作用,同时也说明了我国目前的宏观经济政策框架中含有相机抉择的成分因素。由于在存在通货膨胀粘性的条件下,有约束的相机抉择货币政策下通货膨胀波动低于完全相机抉择下的波动,因此从长期来看,货币政策应给予通货膨胀目标更大的权重,从而在通货膨胀粘性的条件下,减少社会福利损失。
  另外,在SV-MT模型中,我们均假定均值方程和波动方程的扰动项εt与ηt是相互独立的,没有考虑两个扰动项之间的相关关系,在接下来的研究中,我们可以把这种假定放开到更一般的情况,用两个扰动项之间相关关系来说明利空(观测值为负)或利好(观测值为正)消息对波动影响的非对称性,即在SV-MT模型的基础上考虑这种波动对正向冲击和反向冲击的影响,这样才能更好的描述通货膨胀不确定性的动态特征。
  参考文献:
  1.Okun, A.The Mirage of Steady Inflation[C].Brookings Papers on Economic Activity, 1971(2)
  2.Friedman, M..Nobel Lecture:Inflation and Unemployment[J].Journal of Political Economy,1977, 85
  3.Fost er E. The variability of inflation [J]. Reviews of Economics and Statistics, 1978,60
  4.Kontonikas.Inflation and Inflation Uncertainty in the United Kingdom: Evidence from GARCH Modelling[J].Economic Modelling, 2004 (21)
  5.Wilson, B..The Links between Inflation,Inflation Uncertainty and Output Growth:New Time Series Evidence from Japan[J]. Journal of Macroeconomics, 2006(28)
  6.Guglielmo M. C., Alex Andros K. The euro and inflation uncertainty in the european monetary union [J]. Journal of International Money and Finance, 2009(28)
  7.王少平,王津港.中国通货膨胀的惯性变化及其货币政策含义[J].统计研究,2009(5)
  8.Danielsson J. Stochastic volatility in asset prices, estimation with simulated maximum likelihood[J]. Journal of Econometrics, 1994(64)

相关热词搜索:通货膨胀 不确定性 探讨 水平

版权所有 律师资料网 www.rhlawyer.com