我国货币政策和财政政策对cpi的影响分析-基于结构动态因子模型

《我国货币政策和财政政策对cpi的影响分析-基于结构动态因子模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、我国货币政策和财政政策对CPI的影响分析—基于结构动态因子模型1、引言2008年下半年国际金融危机集中爆发，我国在宏观经济层面开始实施积极的财政政策和适度宽松的货币政策，并就应对危机的措施进行配套和完善。在货币政策和信贷政策方面，中央银行曾5次下调银行基准利率，3次下调存款准备金率。在财政政策方面，2008年11月我国迅速出台扩大内需，促进经济增长的十项措施，十大产业调整和振兴规划，实施结构性减税以及4万亿投资刺激计划等。这些措施不仅大幅降低了资金的成本，还向市场上释放了规模巨大的基础货币，充裕基础货币在经济紧缩期能够尚“潜伏”下来，当201

2、0年我国经济运行步入上升通道之后，市场上的货币供应量通胀预期显现。随着2010年下半年经济复苏态势进一步巩固，物价较快上涨逐渐成为经济运行中最突出的矛盾。从物价走势来看，通胀形势引起政府和民众的高度关注，2011年3月居民消费价格同比上涨5.4%，继去年11月份后再次突破5%，创31个月来新高。面对持续较大的物价上涨压力，央行将货币政策从适度宽松调整为稳健。其中，2011年1季度央行3次提高存款准备金率共1.5个百分点，两次上调贷款基准利率共0.5个百分点。财政政策、货币政策与通货膨胀之间存在究竟什么关系？这一问题的深入研究对把握好宏观经济政

3、策与通货膨胀的平衡点，加强和改善宏观调整，实现国民经济又好又快发展具有十分重要的意义。文献上，众多国内外学者对货币政策、财政政策与通货膨胀之间的关系进行了研究，形成了一些经典结论。弗里德曼(1968)考察了美国历史上1867—1960年期间货币供给与通货膨胀的关系，研究发现通货膨胀是一种货币现象，流通中货币供应量超过了实际需求量，货币量的增长是通货膨胀率的主要决定因素。Estrella和Mishkin(1997)研究表明，由于各种因素(经济的、政治的)的冲击，现实的经济运行中很难保证货币需求函数或货币流通速度的稳定性，仅仅依靠货币的增长率似乎

4、无法对通货膨胀水平给予充分的解释。Friedman和Kutter(1992)，Baba、Hendry和Starr(1992)以及Thoma(1994)的研究指出货币供给、产出与价格之间的均衡关系仅在20世纪80年代以前存在，之后三者之间的关系不再稳定，且长期通货膨胀与货币增长之间的相关程度非常高，几乎接近于1。中国人民大学经济学院课题组（2004）通过对通货膨胀和投资、产出、货币供给等宏观经济变量实证分析后认为，投资增长是产出增长的原因，却并不是通货膨胀率上升的原因，货币供给的扩大也不是通货膨胀的原因。关于财政赤字与通货膨胀之间的关系，余永定

5、（1999）认为，一般来说，当一个国家财政税源不足、投资者对政府债券缺乏信心或者国债规模居高不下，政府只能借助于发行货币(即征收铸币税)来弥补财政赤字的时候，除非公众增加对货币的持有，否则就会引起通货膨胀，而通货膨胀的发生就使得实际铸币税减少，政府为了不使实际铸币税减少，就必须进一步增加货币发行，从而使通货膨胀进一步恶化。总体来看，目前大多数研究只讨论通货膨胀和某一单一经济因素的相关关系，很少把财政政策和货币政策结合起来分析。然而，由于中国处于经济转轨和结构调整时期，影响经济增长和通货膨胀的诸多因素相互交织，使得通货膨胀问题显得相当复杂。其中

6、，影响我国物价水平的国际因素主要包括：（1）2010年以来国际大宗商品价格连续上涨；（2）新兴经济体通胀率继续高企，发达经济体通胀呈抬头之势；（3）主要经济体货币条件持续宽松，其中美联储维持联邦基金利率0-0.25%的目标区间，继续按原计划实施第二轮量化宽松政策。从国内来看，主要影响因素包括：（1）能源、资源、劳动力等成本推动压力上升；（2）投资需求拉动影响加大，为应对国际金融危机，过去两年我国投资规模持续扩大，今年是实施“十二五”规划的第一年，各地的发展热情普遍较高，投资动力较强；（3）短期季节性因素和长期结构性因素交织；（4）通胀预期仍然

7、较强。本报告采用目前国际上最新的结构动态因子模型（Forni,Giannone,LippiandReichlin;2009)，综合考虑国内的货币政策、财政政策和国内外宏观经济形势等诸多因素，研究我国货币政策、财政政策对CPI的影响。1、结构动态因子模型2.1模型简介Forni,Giannone,Lippi&Reichlin（2009）提出的结构因子模型（简称“FGLR”），是广义动态因子模型的特例（Forni,Hallin,Lippi&Reichlin:2000,2004,2005;Forni&Lippi,2001,2008）。FGLR将动态

8、因子模型（DFM）与结构向量自回归方法（SVAR）相结合。FGLR方法利用大量的样本数据信息（主要包括先行指标和一致指标）提取因子，它不但可以用于重要指标的多步预测