1. 引言
市场经济体制建立以来，各国央行需要不断投放信用货币，以满足经济资源商品化与经济关系货币化的客观需求。日益增长的货币激发了经济活力，刺激了经济增长。与此相伴随的是，金融市场也得以迅速膨胀。金融市场与实体经济之间相辅相成的作用关系已是现代经济体制的重要特征。然而，货币强流动性和金融杠杆的存在使得金融市场短期内能够迅速膨胀与萎缩。金融这一剧烈波动的隐患以及其真实发生给实体经济造成了巨大影响，历史上多次的金融危机已经让人们得以深刻体会。2008年全球性金融危机的爆发更是对现代宏观经济理论造成了前所未有的冲击，也迫使我们反思现有宏观经济政策(Blanchard et al., 2010) [1]。在后危机时代，如何避免金融剧烈波动则是各国央行的共同愿景与政策思考。许多国家在增强已有微观审慎监管的基础上相继推出了宏观审慎监管制度，以弥补微观审慎监管和传统货币政策在防范金融风险方面的有限性。经过多年的实践，宏观审慎政策的有效性则成为社会各界关心的重要议题。对大多数央行而言，其可获得的宏观审慎政策工具都是新颖的，尚未得到检验(Bahaj and Foulis, 2016) [2]。这一问题的回答对于日后如何完善宏观审慎政策、平抑经济波动和维持金融稳定，具有重要的理论价值和实践意义。
基于金融危机造成的巨大破坏力，我国央行在借鉴各国经验基础上于2009年第3季度《中国货币政策执行报告》中首次指出了“将宏观审慎管理制度纳入宏观调控政策框架”；在2011年正式引入了差别准备金动态调整机制；2016年又将差别准备金动态调整机制升级为宏观审慎评估体系(MPA)。我国央行还在2016年第4季度《中国货币政策执行报告》中创新性地提出了“货币政策 + 宏观审慎政策”双支柱调控框架，并于2017年召开的中国共产党第十九次全国代表大会报告中得以强调。宏观审慎政策不断完善与定位逐步提高，凸显了我国防范重大金融风险的决心。
与此同时，我国经济在2008年金融危机后延续了自从上个世纪90年代中期以来的低波动状态，并且金融周期的波动也开始出现了微波化趋势(见后文分析)。那么经济周期与金融周期双周期的低波动趋势是否与“货币政策 + 宏观审慎政策”双支柱调控框架的建立有关？换而言之，双支柱调控框架是否有效地降低了经济波动与金融波动，促使经济周期与金融周期的微波化？
基于这一问题，本文首先将检验我国经济周期与金融周期微波化的存在性；其次，基于政策的视角，研究双支柱调控框架对经济周期与金融周期的时变调节作用；最后，结合政策本身的波动特性和政策对双周期的调节作用，判断“货币政策 + 宏观审慎政策”双支柱调控政策框架对经济周期与金融周期微波化的作用，并评判各时期政策的有效性和思考双支柱调控政策框架未来的发展。
本文的边际贡献在于：第一，基于宏观经济与金融之间的内在互动关系，在统一的理论框架下分析了货币政策、宏观审慎政策、金融周期和经济周期四者之间的内生性关系，更精确地刻画经济变量之间的作用关系；第二，刻画了金融周期微波化的存在性，并检验了宏观审慎政策在实现金融微波化中的作用。
2. 文献综述
自二战以来，美国经济周期发生了明显变化：扩张期得以延伸，而衰退期变得更短，并且表现比较温和(Weber, 1997) [3]。在上个世纪80年代中期后，美国经济波动进一步下降，呈现微波化(Waves to Ripples)的特征。Stock and Watson (2002) [4]也指出美国经济进入了低波动或静止的时代，并将这一状态称为“大稳定(Great Moderation)”。
美国经济周期的微波化也引发了国内学者思考中国经济是否同样存在这一现象。刘树成(2000) [5]较早地指出，在经历亚洲金融危机和国际金融动荡后，中国经济将从以往的“大起大落”增长方式转变为“缓起缓落”与“长起短落”的新态势，呈现微波化的特征。然而，对于我国经济进入微波化的时刻点，各学者存在一定的分歧。郭庆旺等(2007) [6]、徐高(2008) [7]等认为邓小平1992年南巡后市场化改革进程明显加快、力度明显加大，宏观经济波动明显趋缓。贾俊雪和郭庆旺(2008) [8]则认为，改革开放以来我国逐步完善的经济体制，推进了宏观经济稳定政策的制度基础、作用机制和作用工具不断完善，使得20世纪90年代中期以来我国经济波动明显趋缓。林建浩和王美今(2013) [9]基于条件马尔可夫状态转移模型精确地指出，1995年第4季度开始进入以微波化为主要特征的“大稳健”阶段。
在刻画经济周期这一典型事实的基础上，微波化形成的经济背景则成为了关注焦点。不同的文献主要从以下视角探讨了经济周期微波化的源泉：第一，好时期假说。这一观点认为，经济周期微波化主要源自于内外经济冲击明显减弱。当经济处于供给冲击和需求冲击较弱时期，经济发展呈现稳定增长状态。Blanchard and Simon (2001) [10]、Stock and Watson (2002) [4]等都应用冲击识别方法证实了这一假说，经济周期微波化时期与冲击减弱相对应。第二，好政策假说。货币政策的前瞻性与恰当力度能有效地逆向调控经济，平抑经济波动。因此，Clarida et al. (2000) [11]、Boivin and Giannoni (2006) [12]等将美国经济微波化归结于Volcker-Greenspan时期美联储有效的货币政策操作。林建浩和王美今(2013) [9]也指出，货币政策是我国经济“大稳健”的重要潜在根源。第三，产业优化假说。产业内部优化以及产业之间结构优化可提高经济内部稳定性与抵御外部冲击的能力。Blanchard and Simon (2001) [10]与Eggers and Ioannides (2006) [13]分别从各产业内部与产业之间的结构优化分析了经济周期微波化的原因。除此之外，还有诸多研究从比较优势、金融创新等角度寻求经济周期微波化的根源。
由此可知，对于经济周期微波化的刻画与原因，现有研究已作出了较全面与深入的研究。然而，各国的实践经历表明，金融市场的剧烈波动对实体经济具有巨大影响，1997年亚洲金融危机、2008年全球性金融危机等无不证实这一点。金融波动的减弱无疑将降低实体经济的波动，促使经济微波化。相应地，经济周期微波化存在的同时，金融周期是否也存在微波化事实？而金融周期的微波化在文献中并未得以重视。文献中主要分析了经济周期与金融周期之间的联动关系。Claessens et al. (2012) [14]利用44个国家数据得出，在不同历史阶段金融周期与经济周期都存在较强关系。马勇等(2016) [15]通过构建综合性的金融周期指数，分析了中国金融周期与经济周期之间的关系，结果表明，我国金融周期与经济周期存在密切关系，并且金融周期对经济周期具有预测能力。
鉴于金融波动对实体经济的巨大影响，各国在2008年金融危机之后逐步构建与完善宏观审慎政策，防止金融市场剧烈波动。与此同时，也有越来越多的文献分析了宏观审慎政策的有效性问题。Unsal (2011) [16]基于存在名义与实际摩擦的开放经济DSGE模型研究了货币政策与宏观审慎政策之间的关系，并得出，宏观审慎政策是货币政策的有益补充和提高社会福利。Tayler and Zilberman (2016) [17]、方意(2016) [18]等研究也得出了类似结论。梁琪等(2015) [19]以差别存款准备金和LTV上限代理宏观审慎政策，检验了中国宏观审慎政策的有效性，并指出宏观审慎政策对银行信贷扩张和杠杆率放大起到良好的逆向调控作用。
宏观审慎政策的引入，“货币政策 + 宏观审慎政策”双支柱调控框架的建立，丰富了原有的政策工具，为更有效地平抑经济与金融波动提供更多的政策组合。那么，双支柱调控框架能否提高经济与金融稳定性则是急需检验的问题。换而言之，双支柱调控框架是否有力地促使经济周期与金融周期的微波化？这一问题尚未得到直接回答。
纵观现有文献，虽然关于金融周期、经济周期和货币政策三者之间关系的研究已经大量存在，但在统一的模型框架下分析货币政策、宏观审慎政策、金融周期和经济周期四者之间内生性关系的研究暂付阙如。基于此，本文将基于Bai and Wang (2011) [20]的条件马尔可夫状态转移模型刻画经济周期与金融周期以及各政策的波动特性，判断经济周期与金融周期微波化的存在性，并初步从“量”上判断经济周期与金融周期微波化是否源自于政策本身的微波化；其次，基于TVP-SV-VAR模型，研究双支柱调控框架对经济周期与金融周期的时变调节作用，分析政策对双周期的作用机制是否发生改变；最后，从“量”和“质”两个方面分析双支柱调控政策框架对经济周期与金融周期微波化的作用。
3. 经济周期与金融周期的微波化
3.1. 模型设定与估计方法
为刻画经济周期与金融周期的波动形态特征，我们主要借鉴Bai and Wang (2011) [20]的条件马尔可夫状态转移模型。这一模型通过对单一经济变量每一期的数值同步识别成高均值或低均值和高波动或低波动的两种状态，由各期的均值状态与波动率状态构成的曲线分别为均值变化曲线和波动率变化曲线，进而对这一经济变量的波动形态进行描述。具体来讲，Bai and Wang (2011) [20]的条件马尔可夫状态转移模型可表述为：
(1)
其中
和
对应于均值状态和波动状态；
存在高波动和低波动两种形态，同时
存在高均值和低均值两种形态；
。1
3.2. 估计结果
3.2.1. 数据来源与处理
在本部分涉及的数据主要是经济周期与金融周期的代理变量。本文选取GDP增长率作为经济周期的代理变量。由于国家统计局网站只公布1992年第1季度之后GDP增长率的季度数据，1992年之前的GDP增长率的季度数据则借鉴Abeysinghe and Gulasekaran (2004) [21]、林建浩和王美今(2013) [9]等的方法，将年度GDP增长率数据进行分解得到。
对于金融周期，我们根据Levine et al. (2002) [22]、陈雨露等(2016) [23]等的一般做法，以银行对非金融私人部门信贷增长率(以下简称“信贷增长率”)代理金融周期。数据来源于国际清算银行，并将非金融私人部门信贷的水平数据对数差分得到增长率数据。为了便于与经济周期进行对比分析，经济周期代理变量与金融周期代理变量的样本期间都为1986年第1季度至2017年第2季度。
3.2.2. 经济周期的估计结果
正如前文所述，Bai and Wang (2011) [20]的方式是以概率的形式判断均值状态与波动状态是否发生改变，并采取了两种判定概率，即滤波概率和平滑概率。前者是基于当前及之前的信息得到，而后者是基于整体样本信息得到。从图1可知，两者差别并不大，故此我们对平滑概率估计结果进行说明。
Figure 1. Filtering probability and smoothing probability of GDP growth rate
图1. GDP增长率的滤波概率与平滑概率
图1展示了低均值和高方差的概率。以0.5作为判断分界线，高于这一分界线则接受原假设，反之则拒绝。以图1(c)为例，当概率低于0.5时，表示经济此时并非为低均值而是高均值；当概率高于0.5时，表示经济处于低均值增长状态。为了便于阅读，我们采用灰色背景表示经济处于低均值状态。由图1(c)可知，我国经济自1986年以来处于低均值增长状态有：1986年第1季度至第4季度；1989年第1季度至1991年第2季度；1998年第1季度至2002年第4季度；2009年第1季度至2009年第4季度；2012年第1季度至2017年第2季度。其余期间经济为高增长状态。这与林建浩和王美今(2013) [9]、王少林(2017) [24]估计结果一致。经济相间地存在于高增长与低增长两种方式。两种增长方式所占的比率都近一半，并不存在明显占优。
图1(d)则显示的是经济处于高波动的概率。与高均值与低均值几乎均等分布不同，高方差(即高波动)存在明显的“聚集效应”：高波动主要存在于1995年第1季度之前。整个样本期间，经济存在两个时间较长低波动、平稳时期，第一次出现于1995年第2季度至2005年第4季度期间，短暂间断后于2008年第1季度至2017年第2季度期间再次出现。两个时期都长达近10年，而后者还有持续之势。换而言之，我国经济周期自从1995年之后存在明显的微波化特征，或处于“大稳健”时代。高波动时的方差为1.3095，而低波动时方差为0.6184。前者为后者的2倍左右。
3.2.3. 金融周期的估计结果
金融周期估计结果见图2。由图2可知，相比于经济周期，金融周期的状态转变较为频繁，尤其是波动状态。从均值方面来看，金融周期与经济周期具有一定的同步性，这可从图2(c)的低均值概率大于0.5的时段基本上与灰色背景一致。但也存在一定的区别，差别主要在于：2004年第1季度至2005年第4季度期间，金融周期存于低均值，而经济周期并非如此。除此之外，两者还存在些许差别：第一，1989年第1季度至1991年第2季度与1998年第1季度至2002年第4季度期间，经济周期存于低均值状态，但是金融周期进入低均值状态时刻提前一个季度左右，同时结束低均值状态的时刻也早；第二，2012年第1季度至2017年第2季度期间，金融周期则较晚进入低均值状态。
Figure 2. Filtering probability and smoothing probability of credit growth rate
图2. 信贷增长率的滤波概率与平滑概率
从波动方面来看，金融周期的估计结果见图2(d)。由图2(d)可知，金融周期也出现明显的微波化特征，这主要体现在：第一，高波动概率的次数逐步减少；第二，2009年第3季度至2017年第2季度也出现了一次持久性的低波动时期。这些特征与经济周期的特征具有一致性，尤其是近期金融周期和经济周期都同步、长期处于微波化状态。正如邓创和徐曼(2014) [25]指出，金融周期处于松紧适度的良性发展区间，并将其归结于金融危机影响的衰退、利率市场化改革、人民币国际化等因素。高波动时的方差为14.6298，而低波动时方差为1.8874。前者为后者的8倍左右。金融周期的波动高于经济周期的波动(伊楠和张斌，2016) [26]。
然而，相比于均值方面，金融周期与经济周期在波动方面存在明显差别：金融周期处于低波动时期的持久性较差，但处于高波动时期的持久性更短。这也造成了金融周期只存在一次较长时期的平稳期。金融周期低波动时期都是被极短的高波动打断。因此，金融周期主要处于低波动时期，并明显占优于经济周期中低波动时期的比率。
综上所述，经济周期与金融周期都存在明显的微波化特征。同时，虽然两者微波化趋势存在一定差异，但是两者同步性更为明显，这也初步印证了国内外大量研究中论证的经济周期与金融周期之间息息相关的逻辑关系。
4. 货币政策与宏观审慎政策的微波化
在传统货币政策方面，本文选取一年期贷款基准利率作为价格型货币政策的代理变量和M2增长率作为数量型货币政策的代理变量。对于宏观审慎政策，参考梁琪等(2015) [19]的建议，首套房更多具有居住属性，针对首套房的住房抵押贷款LTV上限调整可能较难反映国家稳定金融市场的意图，所以我们选择二套房的LTV上限作为宏观审慎政策的代理变量。数据都来源于Wind数据库；样本期间为1996年第1季度至2017年第2季度。2
4.1. 一年期贷款基准利率的波动形态
应用Bai and Wang (2011) [20]的方法，估计结果见图3。由图3可知，贷款利率总体上呈现微波化的趋势。分阶段来看，贷款利率呈现两个较长时期的低波动时期，分别是1999年第1季度至2007年第2季度和2009年第1季度至2017年第2季度。其余时期为高波动时期。这与贷款利率调整的实际操作也是相吻合的。在1999年之前，我国利率调整幅度比较大，并且毫无规则。而2007年第3季度到2008年第4季度，为了应对金融危机，在此期间央行调节利率也是幅度较大和频率较高。但是在低波动时期，贷款利率调整存在一定的规则性，在1999年第1季度至2007年第2季度期间利率调整幅度以0.27或其倍数居多，而2009年第1季度至2017年第2季度利率调整幅度则以0.25居多。利率调整逐步呈现规律性。
Figure 3. Smooth high variance probability of one-year loan benchmark interest rate
图3. 一年期贷款基准利率平滑高方差概率
由此可知，贷款利率也存在微波化的趋势，并且与经济周期和金融周期的微波化趋势相吻合，尤其是贷款利率在2009年之后的平稳期。
4.2. M2增长率的波动形态
M2增长率的波动形态见图4。由图4可知，不管相对于经济周期与金融周期的波动形态，还是与贷款利率的波动形态相比较，M2增长率的高波动时期较多，占据了整个样本期一半左右。图4中出现的三个高波动时期是：1996年第1季度至1999年第3季度；2002年第3季度至2004年第2季度；2005年第3季度至2011年第2季度。从历史背景来看，第一个高波动时期正好是我国宏观调控从直接管制转向于间接调控的过度时期以及席卷亚洲的金融危机时期；第二个短暂的高波动时期对应于我国“非典”时期；第三个较长的高波动时期则依次经历了固定资产投资过快、全球金融危机、欧债危机等多重内外部冲击。M2作为我国货币政策中间变量，央行都在相应时期提高了货币供应量，进而造成了M2增长率的高波动。
Figure 4. M2 growth rate smooth high variance probability
图4. M2增长率平滑高方差概率
虽然M2增长率存在较多高波动时期，但是其低波动时期还是与经济周期和金融周期的波动形态存在一定的契合，这主要体现在两个方面：第一，M2增长率的低波动时期都处在经济周期和金融周期的低波动时期；第二，M2增长率总体上也呈现微波化趋势，尤其是2011年之后较长时期的稳定期。
4.3. 住房抵押贷款LTV上限
住房抵押贷款LTV上限主要是通过影响购房的首付比率，调节银行对私人部门的信贷规模，进而影响信贷增长率与金融周期。由图5可知，LTV上限波动比较大，整个样本期间大多数处于高波动时期。这与我国政府频繁出台房地产政策的政策背景具有一致性。然而，以2008年为节点，LTV上限波动也出现了微波化的趋势，这一状态持续至2014年。2015年之后LTV上限又恢复高波动状态。近年来，以“北上广深”四大一线城市为代表的房价快速上升造成了购房者哀声载道。在此社会舆论压力下，政府逐步制定更为严格的房地产调控政策，以平抑房价的快速增长。2017年甚至被称之为“政策调控年”。
Figure 5. Smooth high variance probability of LTV upper limit for housing mortgage loans
图5. 住房抵押贷款LTV上限平滑高方差概率
从以上三个政策的波动形态来看，虽然三者波动方式各异，但是总体上都具有明显的微波化趋势，尤其是作为传统货币政策的贷款利率和M2增长率。由此可知，政策本身的微波化与经济周期和金融周期的微波化存在一定的同步性。孙稳存(2007) [27]也指出，1997年之后货币政策更为稳健是宏观经济波动明显缓和化的重要原因。
5. 双支柱调控的宏观调控效应
本部分，我们将直接分析双支柱政策对经济周期和金融周期双周期的调控作用。
5.1. 数据来源与处理
本文包含的数据可归结为政策类和宏观经济表现类两大类。政策类又分为传统货币政策和宏观审慎政策。宏观经济表现类数据包含GDP增长率、信贷增长率以及CPI同比增长率。由于本部分主要分析双支柱调控体系平滑经济周期和金融周期的作用，因此我们将宏观经济表现类数据都经过HP滤波处理，并以HP滤波处理的残差分别作为经济周期成分与金融周期成分。
为了满足变量的平稳性要求，我们应用ADF方法对以上的政策类变量以及经过HP滤波处理后的宏观经济表现类数据进行单位根检验。检验结果显示所有的变量都满足平稳性要求。
5.2. 模型设定与估计
5.2.1. TVP-SV-VAR模型
TVP-SV-VAR模型允许参数与方差具有时变性，又兼具传统VAR模型中变量之间的互动特征，使其在宏观经济研究中备受青睐。同时，TVP-SV-VAR模型参数具有时变性，能较好地刻画转型经济体或超长样本情景下宏观经济变量之间作用机制的变化，这契合了诸如我国一样经济体的宏观经济研究需求。正因如此，应用此模型研究中国宏观经济问题日益增加，如陈创练等(2016) [28]、王少林和林建浩(2017) [29]等。
5.2.2. 估计结果的事先设定
类似于传统VAR模型，TVP-SV-VAR模型对模型内变量的排序、滞后项等问题需要事先设定，同时由于时变性设定和贝叶斯估计方法，TVP-SV-VAR模型的估计还需要事先选择抽样次数、构造置信区间等。总结起来，估计结果的事先设定包括：第一，变量排序问题。TVP-SV-VAR模型一般采用Cholesky方法识别结构冲击，排序在前的变量能同期影响排序在后的变量，而排序在后的变量只能滞后影响排序在前的变量。鉴于政策对宏观经济的反馈存在识别、决策等时滞，我们将政策类变量放置前面，而宏观经济类变量放置在后。各类变量内部的排序则根据其变化的及时性进行安排。因此，变量安排顺序为一年期贷款基准利率、LTV上限、M2增长率、CPI、GDP增长率和信贷增长率。第二，滞后项的选择。时变性设定和贝叶斯估计使得TVP-SV-VAR模型滞后项选择并不能照搬VAR模型中标准的滞后项选择准则。参照现有研究的一般做法，本文选择滞后2期。第三，抽样次数。本文的预烧抽样为2000，总抽样次数为20000次。第四，估计结果展示。为了图形美观，本文仅展示每年第1季度的脉冲响应图。
5.3. 估计结果与说明
5.3.1. 贷款利率的调控效应
当经济受到贷款利率上升1%冲击时，GDP增长率和信贷增长率的响应见图6和图7。由图6可知，GDP增长率首先上升1%左右，然后迅速下降，直至滞后2个季度达到最大降幅−1%左右，并这一降低作用将持续2个季度左右，最终恢复到原有水平。3由此可知，利率对GDP的调控存在一定的滞后效应，需要在滞后2个季度才能起到逆向调控作用。在利率调控当期不仅没有逆向降低GDP增长率，反而进一步提高了GDP增长率。
这也与实际经济背景相符。在2004年10月至2007年12月和2010年10月至2011年7月两段时期，我国处于加息周期，但是随后的经济增长不仅没有下降，反而表现更高。究其原因，政策调控本身存在的滞后性是这一现象发生的重要原因之一，但是我国货币政策制度设定也是导致其发生的重要原因。虽然我国央行在实际操作中会调节利率，但是我国目前依然以货币供应量作为货币政策中间变量。通过调节利率来调控经济似乎有些名不正言不顺，尤其在央行独立性有限的情况下，利率调节速度相对于欧美缓慢许多。利率调节表现出不及时与不充分的特征。大量以泰勒规则研究中国货币政策操作的文献也证实了这一观点(如陈创练等，2016) [28]。除此之外，财政政策、国内外经济形势等因素也是影响产出的重要因素(陈创练等，2016) [28]。这些因素共同造成了利率对同期GDP增长率的正向影响。
Figure 6. Response of GDP growth rate after loan interest rate shock
图6. 贷款利率冲击后GDP增长率的响应
从时间维度来看，各年的脉冲响应图总体差别并不大，但GDP增长率在每一年脉冲响应图中滞后2个季度的最大降幅呈现缓慢提高的趋势。这表明利率对经济增长的调控效应在逐步增强。
由图7可知，面对贷款利率上升1%冲击，信贷增长率同期将下降3%左右，然后回复到原有水平。4各年的脉冲响应图差别不大，并没有呈现明显的变化趋势。由此可知，贷款利率提高对信贷的调控存在立竿见影的效果，并且调控效应在整个样本期间表现较稳健。此外，鉴于样本期间信贷平均增长率仅为3.99%，3%的下降幅度表明，贷款利率对信贷的调控力度非常强。
Figure 7. Response of credit growth rate after loan interest rate shock
图7. 贷款利率冲击后信贷增长率的响应
5.3.2. M2增长率的调控效应
当经济受到M2增长率上升1%冲击时，GDP增长率和信贷增长率的脉冲响应图见图8和图9。由图8可知，M2增长率正向作用于GDP增长率，在滞后1季度开始显著提高GDP增长率，在滞后2个季度达到最大0.2%左右，然后迅速下降至原有水平。5纵向比较来看，M2增长率对GDP增长率的正向影响表现出逐年减弱的特征，这主要体现在：第一，M2增长率对GDP增长率在各年脉冲响应图中的最大影响有所下滑；第二，2009年后，M2增长率对GDP增长率正向影响达到最大后的衰退速度明显加快。这表明以M2为代表的数量型货币政策对经济增长的调控效应在减弱。现实经济中央行的实际操作和现有文献都印证了这一现象。由于金融创新的发展，各层次货币供应界线日益模糊，中央银行控制货币越来越困难，货币总量与产出和价格的关系越来越不稳定(项卫星和李宏瑾，2012) [30]。大量研究从货币供给的内生性方面分析了数量型货币政策的有效性问题(黄武俊和陈漓高，2010；于泽，2008；于泽和罗瑜，2013) [31]-[33]。于泽(2008) [32]、王少林等(2015) [34]等还分析了我国货币内生性供给机制的客观条件。
图9显示，M2增长率对信贷具有很强的调控效应，M2增长率1%冲击后将显著地对滞后1个季度的信贷增长率产生0.6%左右的正向冲击。央行的货币扩张性行为首先将影响以银行为主的金融机构。信贷作为商业银行的主要收益来源，在扩张性货币政策下将顺理表现明显的增长。然而，这一路径在2009年后有所减弱：在2008年前，M2增长率1%冲击后最大的信贷增长率平均为0.69%，而在2009年后相应为0.59%，前者比后者高出0.1%。结合经济背景，我们认为这与商业银行大幅扩张表外业务有关。在本文大部分样本时期，我国商业银行受到存贷比、存贷款利率等监管，收益受到限制，各商业银行不同程度地扩张表外业务以寻求高收益。而传统的信贷业务并不包含表外业务。因此，表外业务的增长将挤占传统信贷业务，造成M2增长率对信贷的正向作用有所减弱。由于表外业务许多都处于监管范围之外，表外业务不断扩张暗藏巨大的金融风险，央行从2017年开始加强控制商业银行表外业务扩张，并从2017年第1季度开始把表外理财纳入信贷范围。这使得各商业银行逐步将表外业务回归至表内业务。图9也印证了这一点：最后一年(即2017年第1季度)脉冲响应图的最大值0.69%，明显要高于前几年，回至2008年前的平均水平。
Figure 8. Response of GDP growth rate after M2 growth rate shock
图8. M2增长率冲击后GDP增长率的响应
Figure 9. Response of credit growth rate after M2 growth rate shock
图9. M2增长率冲击后信贷增长率的响应
5.3.3. LTV上限的调控效应
LTV上限指的是业主以房子作为抵押，最多能从商业银行申请到的贷款额度占房子估值的比率。换而言之，对于二套房的LTV上限越高，购买二套房需要的首付比率越低。因此，降低LTV上限意味着，人们购买第二套房时需要支付更多的首付比率，抑制人们“炒房”和过度信贷的趋势，以降低金融系统性风险。由于宏观审慎监管主要针对的是金融风险，因此本文只关注LTV上限对信贷增长率的影响。6由图10可知，LTV上限的提高对信贷增长率具有明显的正向激励作用。LTV上限10%正向冲击后，即二套房首付降低一成，信贷增长率将同期提高1%左右，然后迅速下降。
Figure 10. Response of credit growth rate to LTV cap impact
图10. LTV上限冲击后信贷增长率的响应
国务院于1998年7月3日发布了《关于进一步深化住房制度改革加快住房建设的通知》，开始取消住房分配，实行住房分配货币化。此后，我国的房价基本上呈现一路高歌的增长趋势。在此趋势下，人们逐步建立“房价永不跌”的信念，投资于房地产也相应成为了投资首选。更有甚者，2016年7月商业银行的新增贷款几乎全部来自住房贷款。然而，商品房具有高价值、门槛高的特点，LTV上限变化随之成为了人们房地产投资决策的重要影响因素。图10的估计结果表明，LTV上限的调节较强地影响了信贷增长率。
由此可知，以LTV上限为代表的宏观审慎政策对金融周期具有很强的调控作用。但另一方面，由图10可知，LTV上限对信贷增长率的正向作用出现了逐年下降的趋势。这可能源自于，随着金融业发展，人们购房资金来源多元化，而不再单纯依赖于商业银行的信贷。在房价高增长的预期下，甚至出现组团买房、首付贷等现象，进而降低了LTV上限对信贷增长率的调控作用。根据孙国峰和贾君怡(2015) [35]的测算，中国影子银行规模在2008年11月后增长速度明显加快，尤其是2011年后。中国影子银行规模的发展趋势与图10中宏观审慎政策对金融周期影响的变化趋势高度一致，这一定程度上印证了我们的观点。
5.4. 估计结果分析
对于宏观经济而言，政策是一把“双刃剑”：一方面恰当的政策能降低宏观经济波动，确保经济平稳运行，另一方面在对经济误判的情况下政策本身却成为了宏观经济波动的源泉。
从图6~10来看，虽然货币政策与宏观审慎政策的代理变量对经济周期与金融周期的代理变量的作用存在一定的时变性，但是都并未出现系统性变化。换而言之，政策对经济周期和金融周期双周期的作用机制并没有发生根本改变。在此背景下，对比政策与双周期的波动差异成为判断政策恰当与否的重要依据，也是分析经济周期与金融周期微波化的原因所在。
5.4.1. 对货币政策的判断
基于对金融危机的反思和各国应对金融危机的经验借鉴，央行于2009年第三季度《中国货币政策执行报告》中首次提出“将宏观审慎管理制度纳入宏观调控政策框架”，并在此后不断建立与完善宏观审慎监管框架。在此之前，除了各部门对金融机构进行微观审慎监管外，传统的货币政策不仅承担了平抑经济周期的任务，对金融系统的稳定也起到至关重要的作用。因此，在2009年之前，对货币政策恰当与否的判断不仅要考虑其对经济周期的影响，还需要看其对金融周期的影响。
首先，1995年第2季度至2005年第4季度期间是经济增长第一段较长的稳定时期，但是以贷款利率与M2增长率为代表的传统货币政策并没有与其同步处于稳定期，主要体现在：1996年至1999年左右时期，贷款利率与M2增长率都处于高波动，而经济增长在此时期表现为低波动；2002年第3季度至2004年第2季度期间，M2增长率处于高波动，而经济增长并未出现高波动。结合我国经济内外环境，这两段时期基本上与亚洲金融危机和“非典”时期相对应。货币政策的恰当调整，减缓了宏观经济遭受这些负面冲击，确保宏观经济平稳运行。尤其是1996年至1999年时期，货币政策的调整还没有引发信贷的剧烈变化，维持了金融稳定。而2002年第3季度至2004年第2季度期间，货币政策的调整虽然维持了宏观经济的稳定，但是却牺牲了个别季度信贷的高波动，造成了金融周期的高波动。但是总体而言，在这一较长稳定时期，货币政策起到了良好的宏观经济稳定作用，表现为“好政策”。
其次，2006年第1季度至2007年第4季度期间是两段较长稳定期的中断时期，经济增长处于高波动状态。从M2增长率来看，2005年第3季度开始处于高波动，领先于经济增长的高波动两个季度，同时根据图8，M2增长率对GDP增长率刚好存在1到2个季度的滞后影响。在宏观经济并未出现重大内外负面冲击的情况下，两者前后发生关系，以及两者发生的起点间隔与M2增长率对GDP增长率影响的滞后期的契合性，表明货币的不恰当投放是此段时期的经济波动的重要原因。而在此时期，货币的过度投放主要是为了满足固定资产投资增长过快的需求。正如Rawski (2002) [36]等研究所强调，我国产出的季节性波动主要源自于投资的巨大波动。
然而，虽然M2增长率在2008年第1季度至2011年第2季度和贷款利率在2007年第3季度至2008年第4季度都保持了高波动，但是在此期间经济保持平稳增长。由此可见，货币政策的迅速反馈有效地减缓了金融危机、欧债危机等外部冲击对我国经济带来的负面影响，与此同时除了个别季度，还并未造成金融的不稳定。货币政策展现出良好表现。
最后，2011年第3季度之后，政策与双周期都表现为微波化趋势。货币政策调节较好地满足了宏观经济运行需求。结合宏观经济背景，在此期间，我国宏观经济并未受到重大内外部冲击。因此，这段时间双周期的良好表现应是“好时期”与“好政策”的共同结果。
5.4.2. 对宏观审慎政策的判断
在2009年第3季度建立宏观审慎管理制度之前，LTV上限已处于低波动的状态，并在宏观审慎管理制度实施之后持续保持了一段时期的低波动状态。与此同时，由图2可知，金融周期从2009年第3季度开始长久处于低波动。
从2014年第4季度开始，LTV上限回至高波动。利率市场化、金融创新等金融环境进一步深化背景下，2014年商业银行存款增速出现明显放缓，造成了当年M2增长率并未达到目标值。同时，美元升值、国内经济增速放缓等多种因素存在，央行外汇占款下降，资金外流明显，央行被迫回流大量货币。在房地产方面，2014年房地产表现较为疲软，主要城市房价出现了下降趋势。在这些经济背景综合效果下，提高LTV上限，刺激房地产市场，稳定信贷增长率和确保金融系统的稳定起到重要作用。图2也显示，金融周期在此期间持续保持着低波动。由此可知，宏观审慎政策自从实施以来及时、有效地应对了金融系统的冲击，实现了金融周期微波化。当然，基于经济周期与金融周期之间的存在较强联动关系，经济周期的微波化也是金融周期微波化的重要宏观经济背景。7
5.5. 对目前双支柱调控框架的思考
根据前文的分析，除了个别年份，双支柱宏观调控政策对于经济周期和金融周期的微波化起到了至关重要的作用。双支柱调控框架无疑是有效的。然而，从图6~10来看，双支柱宏观调控政策的作用效力出现了些许变化。这些变化也相应地成为未来完善双支柱调控框架的方向判断。
在货币政策方面，利率和货币供给一直以来是央行调节经济的重要手段，并持续发挥着宏观调控的关键作用。价格型货币政策与数量型货币政策同时存在于央行货币政策工具中，并呈现出双货币政策中间变量的货币政策体系。这在2007年后表现的更为明显。鉴于价格型货币政策与数量型货币政策两者本身存在的联动关系，实现两个目标变得顾此失彼。
前文分析表明，数量型货币政策有效性与可控性表现出减弱趋势。而金融创新、影子银行等的不断发展，将使得这一趋势变得不可逆。另一方面，上文分析显示，利率对平抑经济周期的作用日益凸显，而对金融周期的调节也表现稳健。同时，利率在操作中的平滑性、规律性，减少了政策本身的波动性，进而减少了政策本身造成的宏观经济波动。弱化数量型货币政策在宏观调控体系中的作用与操作频率，构建以利率作为货币政策中间变量的货币政策体系顺理应成为我国未来发展目标。近年来，利率市场化明显加快，培育利率作为货币政策中间变量的环境基础，这些体现了我国也正在朝着这个目标方向发展。2012年9月17日，由中国人民银行等多部委共同编制的《金融业发展和改革“十二五”规划》中也强调，我国货币政策工具将从数量工具为主向利率等价格工具为主转型，并明确提出增强公开市场操作引导货币市场利率的能力。然而，央行目前尚不具备市场化调控利率的能力，问题在于基准利率并未确立、调控利率的工具尚不健全等问题尚未解决，而这也是实现以利率为主要或唯一货币政策中间变量过程中急需完善之处。
在宏观审慎政策方面，以LTV上限作为代理变量的宏观审慎政策对调节金融周期起到了较强作用，有效地降低了金融周期波动幅度，促使金融周期波动呈现微波化。但由图10可知，LTV上限对信贷增长率的调节效力出现了下降趋势。在此背景下，如何完善LTV上限这一政策工具，或寻找其他兼具可测性和稳健性的宏观审慎政策工具以替代LTV上限或与之共存，是双支柱调控框架急需解决的问题。
6. 结论与政策建议
本文目的在于分析“货币政策 + 宏观审慎政策”双支柱调控政策框架在经济周期与金融周期微波化过程中发挥的作用。基于此，本文首先应用Bai and Wang (2011) [20]条件马尔可夫状态转移模型刻画了经济周期与金融周期的波动形态变化趋势，发现微波化的存在性，并应用具有时变参数的TVP-SV-VAR模型，分析政策对双周期微波化的效力。
测算结果显示，在经济周期与金融周期微波化的存在性方面，经济周期自从1995年以来出现了明显的微波化趋势，存在两个较长的低波动时期，即1995年第2季度至2005年第4季度和2008年第1季度至2017年第2季度；金融周期也呈现微波化趋势，高波动的频率明显下降，并且2009年第3季度至2017年第2季度时段也较长时期保持了低波动状态。在货币政策与宏观审慎政策本身的微波化方面，以贷款利率与M2增长率为货币政策代理变量和以LTV上限为宏观审慎政策代理变量都同样出现了微波化趋势，尤其是贷款利率不仅在样本期间绝大多数时期保持低波动状态，并且其调节力度也出现了明显的规律性与平滑性。在政策对双周期的调节作用方面，贷款利率、M2增长率与LTV上限持续对经济周期与金融周期起到有效调控，并没有发生系统性变化。
概而言之，“货币政策 + 宏观审慎政策”双支柱调控政策框架在经济周期与金融周期的微波化趋势中总体上起到了至关重要的作用。而如何进一步完善双支柱调控政策框架以确保经济周期与金融周期保持微波化状态是中央政府核心关切的。我们认为：第一，央行应该加快将货币政策中间变量从M2转向利率，培育与选择在可控性、可测性与相关性都表现良好的基准利率，建立以利率为主或单一货币政策中间目标的货币政策框架，增强货币政策对宏观经济的调控效应。为此，我国需要改革我国的国债管理制度，不能仅将国债发行视作弥补财政赤字与公共投资之用，应该重视短期国债在金融市场中的作用，并增加短期国债的发行规模，提高央行对利率调控能力。第二，提高利率调节的前瞻性，同时在兼顾平滑性和规律性的前提下加快利率调节的速度，增强利率作用于宏观经济的及时性和逆向调控能力。第三，由于LTV上限对金融周期调节效力逐渐减弱，为此需要完善LTV上限的政策环境的同时更应该重视差别准备金率、债务收入比(DTI)、逆周期资本要求等其他宏观审慎政策工具的作用，这内在要求这些宏观审慎政策工具需要对金融系统稳定性的变化作出及时响应而不是长期保持不变，以对潜在的金融风险起到防微杜渐作用。同时，需要提高这些数据的可获得性，为评估各政策工具的调控效果提供前提条件。当然，本文主要考虑了货币政策与宏观审慎政策双支柱政策，而现实中宏观经济最终目标还有受到财政政策、产业政策等诸多因素影响。未来可以引入更多因素或者拓展因子的方式，进一步控制其他因素的影响，以更精确地度量货币政策与宏观审慎政策双支柱政策对双稳定目标的作用。
基金项目
广东省基础与应用基础研究基金(2020A1515010863)。
NOTES
1限于篇幅，估计过程备索。
2下文中的数据来源与样本期间也是如此。
3贷款利率上次冲击后GDP增长率表现先上升后下降的作用途径在统计上也是显著的。对于显著性的判断，我们参考贝叶斯抽样研究中的通常做法，以[0.16, 0.84]作为置信区间。
4虽然信贷增长率在滞后2期存在上升，但是并不显著。同时，2009年第1季度的脉冲响应尾部存在明显的翘尾，但是统计上也是不显著。
5M2增长率对GDP增长率同期影响最大，但是统计上并不显著。
6LTV上限冲击对GDP增长率也具有显著影响，并且在各年中表现较为稳健。
7经测算，GDP增长率与信贷增长率之间存在显著的互动关系，结果备索。