我国央行沟通的跨周期调控效应

The Inter-Cycle Regulation Effect of China’s Central Bank Communication

摘要: 强化货币政策的跨周期调控能力是建设现代中央银行制度的重要内涵。本文依托央行沟通中内含的未来信息，在构建系统性理论分析框架的基础上，探讨纳入央行沟通的货币政策规则，为央行进行跨周期调控提出具体可实施思路。实证结果表明：第一，我国央行沟通中展示的未来宏观经济信息与政策走势具有较高可信性；第二，我国货币政策制定中会考虑未来经济状态，表现出跨周期调控特征；第三，基于反事实分析得出，我国央行沟通有效地平抑了产出缺口与通胀率的波动，并且央行对产出与通胀之间的偏好会因时而变。最后，本文为增强央行沟通的跨周期调控能力给出了建设性意见。

Abstract: Strengthening the cross-cycle control ability of monetary policy is an important connotation of building a modern central bank system. Relying on the future information contained in the central bank’s communication and based on the construction constructing a systematic theoretical analysis framework, this paper discusses the inclusion of central bank communication in monetary policy rules, and proposes specific and implementable ideas for the central bank to conduct cross-cycle regulation. The empirical results show that: first, the future macroeconomic information and policy trends displayed in the communication of China’s central bank are highly credible; second, China’s monetary policy formulation will consider future economic conditions, indicating the characteristics of cross-cycle regulation; third , based on the counterfactual analysis, it is concluded that China’s central bank communication has effectively stabilized the fluctuation of the output gap and inflation rate, and the central bank’s preference between output and inflation will change from time to time. Finally, this paper gives constructive suggestions for enhancing the cross-cycle regulation ability of central bank communication.

1. 引言

2020年7月底的中央政治局会议首次提出了“完善宏观调控跨周期设计和调节”，同时，党的十九届五中全会提出，“建设现代中央银行制度”。易纲(2020) [1]在《人民日报》进一步解释了现代中央银行制度，并强调，“在宏观层面搞好跨周期政策设计，以现代化的货币管理促进经济高质量发展”。要实现跨周期调控，内在要求央行需要对未来宏观经济进行预测，在政策制定时综合权衡当前经济与未来经济。另一方面，预期具有自我实现功能，未来经济预测的实现又高度依赖于公众对未来的预期。而央行沟通是央行未来预测的表征，并通过讲座、记者招待会、书面材料等多种方式告知公众，引导公众预期，影响公众行为决策，较好地契合跨周期调控的本质要求。因此，央行沟通具有跨周期调控的天然属性，可作为央行进行跨周期调控的重要抓手。

央行沟通可定义为中央银行向公众提供有关货币政策目标、货币政策战略、经济前景和未来政策决策前景等事项的信息(Blinder et al., 2008 [2])。从中国央行沟通的实践来看，央行沟通中不仅包含了丰富的历史与当期宏观经济信息，还会介绍央行的未来宏观经济预测与政策走向。在书面沟通方面，以最重要的文本沟通信息《中国货币政策执行报告》为例，央行每一季度公布的《中国货币政策执行报告》中设立了“货币政策趋势”部分，介绍了中国宏观经济展望与下一阶段主要政策思路。在口头沟通方面，以我国央行行长为代表的口头沟通经常性在公开场合向公众解释经济形势展望和货币政策走向(林建浩等，2019 [3])。

虽然央行在信息的时间结构上表现出明显的跨期特征，但是以麦克勒姆规则、泰勒规则等为代表的经典政策制定方式是对宏观经济信息进行后顾式处理，尚未将未来宏观经济信息纳入至当期的货币政策制定中。这些货币政策规则存在明显的信息损失，未能跨期平滑宏观经济波动。基于此，本文结合建设现代中央银行制度的要求以及央行沟通展现的央行信息在整个时间轴上的完整性，探讨央行沟通在跨周期调控中的有力作为。首先，本文构造了基本理论模型，内含了总供给、总需求、货币政策规则以及央行沟通，尝试在系统性分析框架下探讨央行沟通的跨周期调控；其次，在测度我国央行沟通指数的基础上，基于TVP-SV-VAR模型判断我国央行沟通中展示的未来宏观经济信息与政策走势的可信性，以及刻画我国央行是否将央行沟通中未来信息纳入当前的政策制定中；最后，通过反事实分析技术，分析我国央行沟通对产出与通胀的影响，并且判定央行政策偏好的演变。

本文的边际贡献在于：第一，依托央行沟通内含的未来信息，构建具有跨周期调控的货币政策规则，完善了现有的货币政策规则；第二，构建了包含总供给、总需求、货币政策规则以及央行沟通的系统性分析框架，考虑了宏观经济变量之间的联动关系，更全面地剖析了央行沟通的跨周期调控特征；第三，以央行沟通为突破口，为央行进行跨周期调控寻求具体操作手段，丰富了建设现代中央银行制度的具体内涵。

本文接下来的结构安排如下：第二部分为文献综述；第三部分为基本理论模型与估计方法；第四部分为实证结果与分析；最后为本文结论与政策建议。

2. 文献综述

2007年美国次贷危机引发的全球性金融危机导致全球经济陷入深度衰退，远远超过了传统货币政策的控制能力，并挑战了传统货币政策的有效性。各国央行推陈出新，普遍重构了货币政策框架，尤其是设立了量化宽松、前瞻性指引(央行沟通的重要内容)等新型货币政策工具。实务界的变革也带来了对新型货币政策工具研究的蓬勃发展。越来越多的文献表明，尽管世界上大量国家受限于零利率下限，但是新型货币政策工具依然被证明非常有效(Bernanke, 2020 [4])。有关央行沟通的影响方面，现有文献主要研究了央行沟通对金融市场、未来货币政策与宏观经济等方面的作用。

金融市场作为货币政策作用于宏观经济的重要传导渠道，具有反应速度灵敏、扩散速度快、波及面广等的特征，也成为研究央行沟通影响的重要研究领域(Blinder et al., 2008 [2])。在债券市场方面，Hansen and McMahon (2016) [5]利用计算语言学工具，构建了央行沟通指数，发现央行沟通指数冲击较好地解释了债券收益率，尤其是长期债券收益率。Hansen et al. (2019) [6]认为，这主要源自于央行沟通中包含的未来经济不确定预期对长期债券收益率具有较强影响。对于股票市场，Rosa (2011) [7]通过采用高频事件分析方法得出，美联储的声明能解释90%标准普尔500的变化。Born et al. (2014) [8]基于过去14年37家央行发布的1000多个金融稳定报告和演讲的研究结果表明，乐观的金融稳定报告会导致显著且持久的高股票市场回报。Gertler et al. (2020) [9]通过构建的股票市场和政府债券收益率共同超越指标，进一步研究了央行沟通对金融市场联动的影响。

宏观经济稳定是货币政策的最终目标，相应地成为央行沟通的核心关注对象。Kiley and Roberts (2017) [10]、Bernanke (2020) [4]等研究表明，量化宽松、前瞻性指引等新型货币政策工具有效弥补了传统货币政策工具的缺陷，有效拯救了金融危机后的美国经济。Zlobins (2021) [11]应用VAR方法，通过符号约束、零下限约束等多种技术检验了欧洲央行的前瞻性指引对宏观经济的影响，发现央行沟通显著地影响了实际产出与通胀率。林建浩等(2017) [12]、郭豫媚和周璇(2018) [13]等基于中国的数据也支持央行沟通能够有效影响实际经济，甚至效果要好于实际货币政策干预。然而，Hansen and McMahon (2016) [5]基于FAVAR方法指出，不管有关未来货币政策信息的央行沟通还是宏观经济信息的沟通，美联储的央行沟通并不明显影响实际经济。此外，正如King et al. (2008) [14]所强调，现代货币政策的核心在于管理通胀预期。Neuenkirch (2012) [15]、卞志村和张义(2012) [16]等研究得出，预期是居民行为决策的重要研究因素，而央行沟通能够有效引导居民的通胀预期。

此外，央行沟通能否预测未来货币政策也备受关注。Lucca and Trebbi (2009) [17]研究表明，美联储关于未来货币政策意图的声明能够预测一年后的利率变化。Sturm and Haan (2011) [18]以欧洲央行沟通信息为基础构造了5个沟通指数，结果表明，这些指数都有利于提升未来货币政策的预测能力。陈良源等(2021) [19]研究也发现，“听其言”有助于“观其行”，我国央行沟通有助于预测政策利率。林建浩等(2021) [20]通过高维稀疏建模得出，央行沟通还能够提升宏观经济的预测能力。

由此可知，现有研究已经对央行沟通的影响做出了深入而广泛的分析。然而，在央行沟通的未来信息优势利用方面，现有文献主要关注了央行沟通对未来货币政策或宏观经济的预测能力，尚未关注央行沟通是否影响当期的货币政策制定，挖掘其跨周期调控能力。与本文相关的文献还有，Clarida et al. (2000) [21]、李琼和王志伟(2009) [22]等也提出了前瞻性的泰勒规则，将未来产出与通胀的预测纳入至当前货币政策制定中。但是，在处理未来宏观经济信息数据时，前瞻性的泰勒规则以未来实际宏观经济信息代替，不能真实刻画政策制定者决策时的信息约束。同时，传统泰勒规则并未考虑宏观经济变量之间的联动关系，将宏观经济变量纳入一个内生系统里面进行分析，因此存在明显的内生性问题，尤其体现在前瞻性泰勒规则中。

央行沟通中展示的未来经济预测与政策走向判断是央行政策制定时的有效信息集。鉴于各国央行沟通中普遍存在未来经济预测与政策走向判断，那么当期货币政策制定会不会考虑央行沟通中包含的未来信息？基于政策平滑性调整与平抑宏观经济波动的内在要求，政策制定者不仅应该考虑当期与历史宏观经济信息，还理应在当期货币政策中考虑未来宏观经济变化，实现政策的跨周期调控，以达到宏观经济波动最小化。而这就是本文的研究目的。

3. 理论模型与估计

3.1. 理论模型

3.1.1. 总供给曲线

参照Calvo (1983) [23]的设定，我们将总供给曲线设定为具有价格粘性的新凯恩斯菲利普斯曲线：

${\pi }_t={\alpha }_0+{\alpha }_1{\pi }_{t-1}+{\alpha }_2{y}_t+{\alpha }_3{E}_t{\pi }_{t+1}+{\epsilon }_t^{\pi }$ (1)

其中${\pi }_t$ 与$y_t$ 分别表示通胀率与产出缺口；$E_t{\pi }_{t+1}$ 为通胀预期；${\epsilon }_t^{\pi }$ 代表随机扰动项。由于实际利率$i_t=r_t-E_t{\pi }_{t+1}$ ，即$E_t{\pi }_{t+1}=r_t-i_t$ ，其中$r_t$ 为名义利率，那么式(1)可转变为：

${\pi }_t={\alpha }_0+{\alpha }_1{\pi }_{t-1}+{\alpha }_2{y}_t+{\alpha }_3\left(r_t-i_t\right)+{\epsilon }_t^{\pi }$ (2)

根据现有研究普遍假定实际利率不变$\overline{i_0}$ 的做法，总供给曲线变为：

${\pi }_t={\alpha }_0+{\alpha }_1{\pi }_{t-1}+{\alpha }_2{y}_t+{\alpha }_3\left(r_t-\overline{i_0}\right)+{\epsilon }_t^{\pi }$ (3)

然而式(3)仅考虑了单一货币政策工具下情形，这与当今世界各国央行普遍设立央行沟通这一新货币政策工具、多种货币政策操作工具并存的实际情况不相符。当进一步考虑央行沟通的时候，总供给曲线变为：

${\pi }_t={\alpha }_0+{\alpha }_1{\pi }_{t-1}+{\alpha }_2{y}_t+{\alpha }_3\left(r_t-\overline{i_0}\right)+{\alpha }_{4}cb{c}_t+{\epsilon }_t^{\pi }$ (4)

其中$cb{c}_t$ 为央行沟通。

3.1.2. 总需求曲线

参考Fuhrer and Moore (1995) [24]，我们将总需求曲线设定为IS曲线形式：

$y_t={\beta }_0+{\beta }_1{y}_{t-1}+{\beta }_2\left(r_{t-1}-{\pi }_{t-1}\right)+{\epsilon }_t^y$ (5)

当考虑存在央行沟通时，总需求曲线为：

$y_t={\beta }_0+{\beta }_1{y}_{t-1}+{\beta }_2\left(r_{t-1}-{\pi }_{t-1}\right)+{\beta }_{3}cb{c}_t+{\epsilon }_t^y$ (6)

3.1.3. 央行沟通

虽然在经验分析中已有大量文献检验央行沟通的宏观经济效应，但是现有理论界并未提出相应的规则。现实中，央行沟通的内容繁杂，涉及到经济的各个方面。然而，央行沟通核心关切的内容还是产出、通胀率以及相伴随的货币政策制定。因此，结合我国央行沟通的实际情况，我们将央行沟通设定为产出缺口、通胀率、名义利率以及滞后一期央行沟通的函数：

$cb{c}_t={\gamma }_0+{\gamma }_1{\pi }_t+{\gamma }_2{y}_t+{\gamma }_3{r}_t+{\gamma }_{4}cb{c}_{t-1}+{\eta }_t^{cbc}$ (7)

其中${\eta }_t^{cbc}$ 表示随机扰动项。

3.1.4. 传统货币政策规则

在货币政策规则的设定方面，现有研究借鉴陈创练等(2016) [25]的普遍做法，将利率设定为产出缺口与通胀缺口的函数，即泰勒规则。当考虑利率调整的平滑性以及考虑央行沟通时，货币政策规则可表示为：

$r_t={\rho }_r{r}_{t-1}+\left(1-{\rho }_r\right)\left(r_0+{\delta }_r^{\pi }{\pi }_t+{\delta }_r^y{y}_t\right)+{\delta }_r^{cbc}cb{c}_t+{\eta }_t^r$ (8)

其中${\rho }_r$ 为利率平滑系数；$r_0$ 为均衡利率；${\eta }_t^r$ 为随机扰动项。

3.2. 实证模型设定

宏观经济中各个变量之间存在明显的相互因果关系，因此需要将各个经济变量纳入一个内生系统中，否则将存在明显的内生性问题。我们将由式(4)、(6)、(7)和(8)构成的SVAR系统表示如下：

$\begin{array}{l}{\pi }_t={\alpha }_0+{\alpha }_1{\pi }_{t-1}+{\alpha }_2{y}_t+{\alpha }_3\left(r_t-\overline{i_0}\right)+{\alpha }_{4}cb{c}_t+{\epsilon }_t^{\pi }\\ y_t={\beta }_0+{\beta }_1{y}_{t-1}+{\beta }_2\left(r_{t-1}-{\pi }_{t-1}\right)+{\beta }_{3}cb{c}_t+{\epsilon }_t^y\\ cb{c}_t={\gamma }_0+{\gamma }_1{\pi }_t+{\gamma }_2{y}_t+{\gamma }_3{r}_t+{\gamma }_{4}cb{c}_{t-1}+{\eta }_t^{cbc}\\ r_t={\rho }_r{r}_{t-1}+\left(1-{\rho }_r\right)\left(r_0+{\delta }_r^{\pi }{\pi }_t+{\delta }_r^y{y}_t\right)+{\delta }_r^{cbc}cb{c}_t+{\eta }_t^r\end{array}$ (9)

然而，由式(9)构成的SVAR系统在估计时并不能对各个参数进行识别，这是因为系统内参数存在同期互动关系较多。因此，为了满足模型识别的要求，需要对模型参数的同期关系进行限定。此外，大量文献研究发现，宏观经济之间作用关系存在明显的时变性(Primiceri, 2005 [26])。因此，考虑参数时变的情形下，我们将最终的时变SVAR模型设定为：

$\begin{array}{l}{\pi }_t={\alpha }_{0t}+{\alpha }_{1t}{\pi }_{t-1}+{\alpha }_{2t}{y}_{t-1}+{\alpha }_{3t}\left(r_{t-1}-\overline{i_{0t}}\right)+{\alpha }_{4t}cb{c}_{t-1}+{\epsilon }_t^{\pi }\\ y_t={\beta }_{0t}+{\beta }_{1t}{y}_{t-1}+{\beta }_{2t}\left(r_{t-1}-{\pi }_{t-1}\right)+{\beta }_{3t}cb{c}_{t-1}+{\epsilon }_t^y\\ cb{c}_t={\gamma }_{0t}+{\gamma }_{1t}{\pi }_t+{\gamma }_{2t}{y}_t+{\gamma }_{3t}{r}_{t-1}+{\gamma }_{4t}cb{c}_{t-1}+{\eta }_t^{cbc}\\ r_t={\rho }_{rt}{r}_{t-1}+\left(1-{\rho }_{rt}\right)\left(r_{0t}+{\delta }_{rt}^{\pi }{\pi }_t+{\delta }_{rt}^y{y}_t\right)+{\delta }_{rt}^{cbc}cb{c}_t+{\eta }_t^r\end{array}$ (10)

式(10)相对于式(9)而言，我们假定传统货币政策与央行沟通对产出与通胀具有滞后影响。由于大量研究都表明，货币政策存在明显的滞后效应，因此这个假定具有一定合理性。同时我们假定央行沟通函数中仅考虑了滞后的利率。根据利率规则，除了滞后的利率，当期的利率信息主要来源于当期的产出缺口和通胀率。因此，我们认为，在央行沟通函数中已经包括当期的产出缺口和通胀率的情形，假定央行沟通函数中仅考虑了滞后的利率也是合理的。

根据本文研究目的，我们主要关注${\delta }_{rt}^{cbc}$ 的数值及其变化。根据式(10)的货币政策规则可知，在控制了同期及滞后的宏观经济与货币政策信息后，如果央行沟通依然显著作用于同期利率，那表明央行沟通具有额外的信息，且货币政策将对央行沟通额外的信息做出反应。而根据我国央行日常沟通的特征，央行通常对当期与历史宏观经济信息进行沟通，而且还会分享其对未来宏观经济信息进行的预测以及货币政策可能的走向。${\delta }_{rt}^{cbc}$ 显著异于零表明，当前货币政策的制定不仅考虑当期与历史宏观经济状态，还将进一步考虑未来的宏观经济，具有明显的跨周期调控的特征。换而言之，央行沟通使得货币政策具有跨周期属性。

3.3. 模型估计

如果定义$Y_t={\left({\pi }_t,y_t,cb{c}_t,r_t\right)}^{\prime }$ ，我们可将式(10)简化为：

$A_t{Y}_t=C_t+B_t{Y}_{t-1}+{\upsilon }_t$ (11)

其中$C_t={\left({\alpha }_{0t}-{\alpha }_{0t}\overline{i_{0t}},{\beta }_{0t},{\gamma }_{0t},\left(1-{\rho }_{rt}\right)r_{0t}\right)}^{\prime }$ ，${\upsilon }_t={\left({\epsilon }_t^{\pi },{\epsilon }_t^y,{\eta }_t^{cbc},{\eta }_t^r\right)}^{\prime }$ 。$A_t$ 和$B_t$ 分别为：

$A_t=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ -{\gamma }_{1t}& -{\gamma }_{2t}& 1& 0\\ -\left(1-{\rho }_{rt}\right){\delta }_{rt}^{\pi }& -\left(1-{\rho }_{rt}\right){\delta }_{rt}^y& -{\delta }_{rt}^{cbc}& 1\end{array}\right]$ ，$B_t=\left[\begin{array}{cccc}{\alpha }_{1t}& {\alpha }_{2t}& {\alpha }_{4t}& {\alpha }_{3t}\\ -{\beta }_{2t}& {\beta }_{1t}& {\beta }_{3t}& {\beta }_{2t}\\ 0& 0& {\gamma }_{4t}& {\gamma }_{3t}\\ 0& 0& 0& {\rho }_{rt}\end{array}\right]$ 。

将式(11)左右乘以$A_t$ 的逆$A_t{}^{-1}$ ，可将式(11)转换为：

$Y_t=A_t^{-1}{C}_t+A_t^{-1}{B}_t{Y}_{t-1}+A_t^{-1}{\upsilon }_t$ (12)

当假定${\upsilon }_t~N\left(0,H_t\right)$ 且$H_t$ 为对角阵，式(12)变成标准的TVP-SV-VAR模型。对TVP-SV-VAR模型的估计可参考Primiceri (2005) [26]、Koop et al. (2009) [27]等，其主要思路是首先将待估参数归为三类：第一类是系数类参数，即$A_t^{-1}{C}_t$ 和$A_t^{-1}{B}_t$ ；第二类为扰动项同期关联参数，即$A_t^{-1}$ ；第三类为扰动项方差参数，即$H_t$ 。为了估计这类参数，一般将这类参数向量化处理，比如$A_t^{-1}{C}_t$ 和$A_t^{-1}{B}_t$ 里面的所有参数排放成向量$b_t$ 。同样，我们可以将$A_t^{-1}$ 和$H_t$ 向量化为$a_t$ 和$h_t$ 。如此处理的缘故在于，TVP-SV-VAR模型具有参数高维性。传统似然方法难以对各个参数进行估计。只能通过假定参数满足随机游走的方式来降低参数的维度，即：

$b_t=b_{t-1}+K_1{\nu }_t$ (13)

$a_t=a_{t-1}+K_2{\upsilon }_t$ (14)

$\log h_t^{1/2}=\log h_{t-1}^{1/2}+K_3{\zeta }_t$ (15)

Primiceri (2005) [26]与Koop et al. (2009) [27]的区别在于，Primiceri (2005) [26]将$K_1$ 、$K_2$ 和$K_3$ 都设为1，即认为这些参数每一期都发生改变。而Koop et al. (2009) [27]则认为参数并非时刻改变，而是更多表现为阶段性、间接性变化。因此Koop et al. (2009) [27]假定$K_1$ 、$K_2$ 和$K_3$ 满足特定概率函数，使得参数依概率时变。由式(13)~式(14)可知，$K_1$ 、$K_2$ 和$K_3$ 越接近于零，表示参数不具有时变性，而越接近于1表示参数具有较强的时变性。同时，为了解释结构冲击，一般只允许${\nu }_t$ 、${\upsilon }_t$ 与${\zeta }_t$ 三者内部存在相关性，但是各模块参数之间不存在相关性(Primiceri, 2005 [26])。

虽然通过以上设定极大降低了待估参数维度，但是传统极大似然估计方法依然不可行。现有研究主要采用马尔科夫链蒙特卡罗方法(MCMC)进行估计：首先给定各参数的先验值；其次假定其他模块参数不变的情况(比如假定$a_t$ 和$h_t$ 不变)，对某一模块参数(比如$b_t$ )进行抽样；再次，经过一定的循环抽样，即预烧(burn-in)，得到各类参数的值；最后，再根据各类参数的值进行抽样并进行统计分析。

根据此方法，我们可以得到各类参数及其分布。对于本文核心关注参数${\delta }_{rt}^{cbc}$ ，我们可以首先通过以上方法得到$\overline{A_t^{-1}}$ 及其抽样分布，然后$\overline{{\delta }_{rt}^{cbc}}=-1\times {\overline{A_t^{-1}}}^{-1}{}_{\left(4,3\right)}$ ，即$\overline{A_t^{-1}}$ 的逆矩阵中第4行第3列元素的负值。同时，鉴于$A_t$ 是下三角矩阵且对角元素都为1，$\overline{{\delta }_{rt}^{cbc}}=-1\times {\overline{A_t^{-1}}}^{-1}{}_{\left(4,3\right)}={\overline{A_t^{-1}}}_{\left(4,3\right)}$ 。根据每一个$\overline{A_t^{-1}}$ ，我们都可以求取$\overline{{\delta }_{rt}^{cbc}}$ ，进而得到$\overline{{\delta }_{rt}^{cbc}}$ 的分布。

4. 实证估计与分析

4.1. 数据来源与处理

本文的主要变量是通胀率、产出缺口、央行沟通和利率。通胀率以CPI作为代理变量。根据陈创练等(2016) [25]等普遍做法，选取7天的银行间同业拆借利率(以下简称“银行拆借利率”)作为利率的代理变量。对于产出缺口，借鉴现有研究的普遍做法：首先将GDP当期数据除以环比CPI指数得到实际GDP；其次，对实际GDP进行季节性处理，并应用卡尔曼滤波技术得到潜在GDP；最后，我们估计得到产出缺口 = (季节性处理后的GDP − 潜在GDP)/潜在GDP。

然而，央行沟通并没有直接的量化指标。现有文献基于不同方法测度了我国央行沟通的指数。早期的有李云峰(2012) [28]等分级赋值法；卞志村和张义(2012) [16]等则基于央行的文本信息，采用措辞方法测度了央行书面沟通指数；林建浩等(2019) [3]通过生成央行沟通词典并短语加权得到了央行行长的口头沟通指数。结合本文的研究目的，我们主要分析央行沟通的跨周期调控特征。因此在央行沟通的度量中，我们更多关注央行沟通中未来的信息，尤其是未来宏观经济判断与货币政策走势。因此，我们参考林建浩和赵文庆(2015) [29]的方法，以我国央行定期公布的《中国货币政策执行报告》为文本资料，通过措辞提取方法测度我国央行沟通指数¹。该指数越高表明央行未来采取的货币政策越宽松。图1为央行沟通指数测算结果。

Figure 1. China’s central bank communication index

图1. 我国央行沟通指数

除了央行沟通，其余数据都来源于WIND数据库。基于数据的可得性，我们的样本期间为2001年第1季度至2020年第4季度²。同时，为了综合判断数据的平稳性，我们采用ADF、KPSS和DFGLS三种平稳性检验方法。检验结果表明，除了银行拆借利率在ADF检验下不拒绝存在单位根，其余变量都在10%显著性水平下拒绝存在单位根或不拒绝满足平稳性条件³。因此综合来讲，本文涉及的变量都满足平稳性条件。

4.2. 模型具体设定

对TVP-SV-VAR模型的估计，需要事先说明模型的具体设定：第一，滞后项选择。由于传统VAR滞后项选择准则并不能延伸至TVP-SV-VAR模型下，因此我们借鉴Primiceri (2005) [26]、Koop et al. (2009) [27]等的做法，选择滞后2个季度⁴。第二，变量的排序。与传统VAR一致的是，为了对结构性冲击进行识别，TVP-SV-VAR模型也需要对扰动项的同期关系进行约束。现有研究普遍采用Cholesky分解，将各扰动项的同期关系约束为下三角或上三角的形式。根据式(10)及其说明，本文的内生变量排序为CPI、GDP缺口、央行沟通和银行拆借利率。第三，抽样次数。TVP-SV-VAR模型需要应用MCMC进行抽样，这需要事先设定抽样的次数。本文选择抽样次数为12,000次(其中2000为预烧次数)。第四，结果展示的问题。为结果展示的美观，我们只展示每年第1季度的脉冲响应图。

4.3. 估计结果与分析

4.3.1. 央行沟通对产出缺口与CPI的影响

央行沟通指数越高表示未来采取宽松型货币政策倾向越强。这也意味着，央行沟通指数越高表示未来经济形势不容乐观。因此，我们可以通过分析央行沟通冲击后产出缺口与CPI的变化来判断央行沟通的准确性或可信度。

图2展示了央行沟通1个正向冲击后CPI的脉冲响应图：底面的横轴为央行沟通1个正向冲击后CPI的脉冲响应图，图中列出了CPI当期至20个季度滞后反应；底面的时间轴为每一年第1季度的结果，主要判断脉冲响应图是否随着时间而改变；纵轴为央行沟通1个正向冲击后CPI的响应强弱(以下三维图含义相同)。由图2可知，央行沟通1个正向冲击后，未来CPI表现出下降，并且在滞后3个季度达到最大−0.85%左右，然后开始缓慢上升，呈现勺子型反应。从时间轴来看，脉冲响应图并未随着时间而发生明显改变。

图3展示了央行沟通1个正向冲击后GDP缺口的脉冲响应图，其表现与CPI的脉冲响应图相似。由图3可知，央行沟通1个正向冲击后，未来GDP缺口也表现出下降，并且在滞后3个季度达到最大−0.6%左右，然后开始逐步回升至原有水平。并且，脉冲响应图也并未随着时间而改变。

由图2和图3可知，央行沟通提升后，CPI和GDP缺口未来都表现出下降，与未来货币政策倾向相吻合。由此可知，我国央行沟通具有较强的预测能力与可信度。

Figure 2. Central bank communicates CPI response after 1 positive shock

图2. 央行沟通1个正向冲击后CPI反应

Figure 3. Central bank communicates GDP gap response after a positive shock

图3. 央行沟通1个正向冲击后GDP缺口反应

4.3.2. 央行沟通后当期与未来货币政策的反应

在央行沟通具有较高可信度的情况下，央行是否会将未来的经济形势纳入当期政策制定中？如果是，那表明央行政策制定并非依照传统泰勒规则，以当期经济表现来制定政策，而是进一步考虑未来的经济形势，表现出跨期调控的特征。

图4是央行沟通1个正向冲击后银行拆借利率的反应。由图4可知，央行沟通1个正向冲击后同期将带来银行拆借利率下降−0.18%左右，随后进一步下降到滞后5季度时达到最大的−0.35%，再后逐步回升至原有水平。从时间轴来看，这一作用关系也并未随着时间而发生明显改变。

Figure 4. The central bank communicates a positive impact on the response of bank lending rates

图4. 央行沟通1个正向冲击后银行拆借利率反应

此外，根据前面表述$\overline{{\delta }_{rt}^{cbc}}=-1\times {\overline{A_t^{-1}}}^{-1}{}_{\left(4,3\right)}={\overline{A_t^{-1}}}_{\left(4,3\right)}$ ，央行沟通对银行拆借利率的同期影响等价于图4中央行沟通1个正向冲击后银行拆借利率的同期反应。为了便于更直观观察央行沟通对银行拆借利率的同期影响，我们将央行沟通对银行拆借利率的同期影响单独展示，结果见图5。由图5中实线可知，央行沟通对银行拆借利率的同期反应$\overline{{\delta }_{rt}^{cbc}}$ 随着时间变化并不大。同时我们参考Cross and Nguyen (2018) [30]等研究，以[0.16, 0.84]的分位点判断系数的显著性，见图5中的两条虚线。显著性检验表明，央行沟通对同期银行拆借利率具有显著性影响。

根据式(10)以及我们实际选择的滞后项是2，在货币政策规则中已经控制了当期与滞后期的产出信息与通胀信息。央行沟通对同期银行拆借利率具有显著性影响表明，央行沟通除了当期与过去的宏观经济之外具有额外的信息，且这些信息将对本期的银行拆借利率发生影响。而根据央行沟通实际情况与我们编制的央行沟通指数，央行沟通还额外包含了未来的宏观经济信息，并且会影响现在的货币政策制定。央行沟通表现出跨期调控特征。

然而，对比图2~4可知，虽然央行沟通信息较为准确，能够较好地预测未来宏观经济走势，但是央行沟通对利率的同期影响(−0.18%)仅为最大滞后影响(−0.35%)的一半。这表明，央行并非一步式大幅调整利率来实现目标利率，其可能原因是：第一，利率大幅调整可能造成金融市场和宏观经济大幅震荡，因此现实中央行主要采取渐进式操作实现目标利率(李琼和王志伟，2009 [22])。第二，央行由于拥有更多的物力财力，在预测宏观经济方面更为准确(Svensson, 2006 [31])，但是在引导其它经济机构行为的“公有知识(common knowledge)”与经济基本状态不相符合时，那么中央银行更多的信息公布会由于被经济机构给予过度的关注而造成社会福利损失，进而过度央行沟通可能会带来不利影响(Morris and Shin, 2002 [32])。基于此，央行在政策调整时也表现出谨慎的态度。

值得注意的是，虽然从图2~4来看，脉冲响应图随着时间而并未发生明显改变，然而我们对K₁、K₂和K₃的估计结果分别是0.6932、0.6648和0.8364。这表明参数还是具有一定的时变性，因而有必要在时变模型设定下进行估计。尤其是K₃更接近1，这与客观性现实相符合的。在样本期间，我国经济经历了2008年金融危机、2015年股票市场的剧烈波动以及2020年后的疫情，都对宏观经济造成了较大的冲击，进而使得式(11)各方程的扰动项方差具有较强的时变性。而K₁和K₂具有相对低的时变性以及图2~4中展示的脉冲响应图随着时间而并未发生明显改变，意味着较大的时变性冲击并未明显影响政策与宏观经济之间的互动关系。⁵

Figure 5. The central bank’s communication on the same period’s response to bank lending rates

图5. 央行沟通对银行拆借利率的同期反应

4.4. 反事实分析

上文中分析了央行沟通表现出了明显的跨期调控的特征，那随之而来的问题是，央行沟通是否有效降低了宏观经济波动？为此，我们借鉴Rossi and Zubairy (2011) [33]的反事实分析技术，研究央行沟通的作用。反事实分析主要是通过假定没有某一变量冲击下，其他经济变量将会发生什么改变，从而分析这一变量的作用。

4.4.1. 央行沟通对银行拆借利率的影响

图6中实线为有央行沟通时的利率(即实际利率)，虚线为没有央行沟通时的利率(即反事实数据)⁶。由图6可知，从整体角度来看，有央行沟通时的利率与反事实数据基本一致。这表明，央行沟通中蕴含的未来预测信息只是利率决定的部分因素。当期与以往的真实宏观经济信息才是利率决定的主要原因。然而，图6也展现出在某些阶段央行沟通对利率具有较大影响，这不仅体现在影响强弱，还体现在政策滞后性方面：第一，2007年至2008年期间以及2014年时，反事实利率数据远低于有央行沟通时的利率；第二，2015年至2018年期间，反事实利率数据明显滞后于有央行沟通时的利率，即央行沟通使得利率制定表现出前瞻性跨周期的特征。

Figure 6. The difference in bank lending rates when communicating with or without the central bank

图6. 有无央行沟通时银行拆借利率的区别

需要强调的是，在反事实分析中央行沟通对利率的影响具有阶段性差异，并不是等同于央行沟通对利率的影响具有明显的时变性。在反事实分析中央行沟通对利率的影响具有阶段性差异可能来自于两个方面：第一，央行沟通对利率的影响具有明显的时变性；第二，央行政策操作的频率与强度。政策操作在某一阶段越频繁越强烈，那么反事实分析时实际结果与反事实的结果差距也越大。根据图4可知，央行沟通对利率的影响并未随时间发生明显的改变，因而在反事实分析中央行沟通对利率的影响具有阶段性差异主要来自于央行政策操作的频率与强度存在明显的阶段性差异。

从我国现实来看，虽然银行间同业拆借利率具有较高的市场化水平，能够反映市场中资金的紧缺性，但是并非是央行直接调控的利率，而是金融机构报价形成。基于我国货币政策长期以来主要以信贷渠道为主，同时贷款利率和货币市场利率之间的传导关系日益增强，因此我们通过分析央行调节贷款基准利率的阶段性来间接佐证央行政策操作的频率与强度存在明显的阶段性差异。由图6可知，有央行沟通时的利率与反事实分析时的利率差异最主要体现在2007年至2008年以及2014年至2018年。而央行调节一年期贷款基准利率最频繁的年份主要是2007、2008和2015年，分别为6、5和5次，远高于其他年份⁷。换而言之，有央行沟通时的利率与反事实分析时的利率差异跟央行调节贷款基准利率的差异高度吻合。

4.4.2. 央行沟通对产出缺口与通胀率的影响

图7和图8展示了有无央行沟通时产出缺口与通胀率的表现⁸。对比图6~8可知，央行沟通明显影响了产出缺口与通胀率，起到平抑宏观经济波动的功效。与对银行拆借利率的影响一致，不管是对产出缺口的影响还是对通胀率的影响，有无央行沟通的差异主要体现在2007年至2008年、2014年、2015年至2018年。同时根据图2与图3，央行沟通对产出缺口与通胀率的影响并未随着时间发生明显改变。与对银行拆借利率的影响一致，有无央行沟通时产出缺口与通胀率的差异主要来自于央行政策操作频率因时而异。

首先，从对产出缺口的角度来讲，由图7可知，相对于不存在央行沟通的情形下，央行沟通在多个时期有效避免了产出缺口为负，这主要体现在2007、2008、2014与2017年。同时当经济明显正向偏离潜在产出的时候，央行沟通也有利于平抑经济的发展，这主要体现在2018年。然而，央行沟通有时也会加紧产出缺口的波动，比如2015年。

Figure 7. The difference in output gap between communication with and without the central bank

图7. 有无央行沟通时产出缺口的区别

Figure 8. The difference in inflation rate when communicating with or without the central bank

图8. 有无央行沟通时通胀率的区别

由图8可知，相对于对产出缺口的影响，央行沟通对通胀率的作用表现出不一样的特征，呈现出明显的阶段性特征：在2012年前，央行沟通在某些时期反而加紧了通胀率的波动，而此后则明显地降低了通胀率。此外，相对于对产出缺口的影响，央行沟通对通胀率的作用表现则更为突出：有无央行沟通对产出缺口的作用差异最大在1%左右，但是对通胀率的作用差异可能高达3%。

央行沟通对产出缺口与通胀率的作用差异也表明，央行对产出与通胀的偏好在2012年后发生了明显改变：在2012年之前，为了追求经济高增长，我国会部分牺牲物价。比如，2007年至2008年，由美国次贷危机引发的全球性金融危机，而央行沟通使得我国产出缺口避免了出现负缺口的状态，并将产出缺口提升至正向1.5%左右。但是这也使得通胀率从无央行沟通时的3%上升至5.5%左右。然而，在2012年后，央行在产出与通胀之间的抉择时更多偏好于控制物价⁹。比如，在2015年时，央行为了控制物价，促使潜在的物价2%回调至0左右，但是这部分牺牲了实际产出。

从实际情况来看，央行的偏好转变也契合我国经济状态的转变。人口红利下降带来的劳动力成本上升、资本积累速度下降、技术进步方式变化等多种因素叠加使得中国经济潜力在2012年后呈现长期下降趋势。

总结起来，通过反事实分析可知，央行沟通使得实际政策表现出明显的跨周期调控特征，并且有效地平抑了产出与通胀波动。此外，结合经济的状态变化，央行对产出与通胀的偏好也会与时俱进。

5. 本文结论与政策建议

本文主要分析央行沟通的跨周期属性。我国的央行沟通实践表明，央行沟通中不仅包含了当期与历史信息，还包含了大量与未来政策和宏观经济相关的预测信息。央行沟通的跨周期属性也使得实际货币政策具备跨周期调控的先决条件。基于此，本文在构建基本理论模型的基础上，首先检验了我国央行沟通的可信性，然后证实实际货币政策操作中内化央行沟通的信息，最后通过反事实分析技术研究央行沟通的宏观经济效应。

研究结果表明：第一，不管从对产出与通胀的预测，还是对未来实际货币政策操作的判断来看，我国央行沟通都具有较高的可信性；第二，当期央行沟通中包含的未来信息显著影响了当期的实际货币政策操作，央行沟通使得实际货币政策操作具有跨周期特征；第三，央行沟通有效地平抑产出缺口与通胀率的波动；第四，对比央行沟通对产出缺口与通胀率的影响差异，我们还发现，央行对产出与通胀的偏好具有明显的时代性，伴随着经济发展状态的变化而改变。

近年来，随着传统货币政策有效性日渐式微，央行沟通等非传统货币政策的作用愈发重要。而本文的研究还凸显了央行沟通的跨周期调控属性。这使得央行沟通的作用与中央强调的宏观政策跨周期调节不谋而合。因此，如何加强与完善央行沟通兹事体大。结合本文研究结论，我们建议：第一，基于央行沟通中未来信息是同期实际货币政策操作的重要基础，这内在要求央行加强人力物力的投入，提升央行沟通信息的准确度。现有央行沟通的规范性文本信息主要是央行每一季度公布的《中国货币政策执行报告》。然而，《中国货币政策执行报告》只是定性透露未来的预测信息，尚未包含对未来宏观经济与实际货币政策操作的定量预测。这可能导致央行难以锚定公众的预期。另一方面，基于央行的地位与被关注度，错误的定量预测信息将带来较大的社会损失。因此，央行可以区间方式发布未来的宏观经济与货币政策信息。第二，在提升央行沟通信息准确度的基础上，可适当强化央行沟通的跨周期调控机制。根据我们的研究结论，央行沟通对同期实际货币政策的影响仅为最大滞后实际货币政策影响的一半。实际货币政策的反应依然存在明显的滞后性。强化央行沟通的跨周期调控机制并不是否认实际货币政策操作的平滑性调整，而是适当增强央行沟通对同期实际货币政策的影响，以平衡宏观经济波动与金融市场波动，实现社会福利最大化。

基金项目

广东省基础与应用基础研究基金(2020A1515010863)。

NOTES

¹具体测度方法详见林建浩和赵文庆(2015) [29]。

²为了使各变量的数据频率一致，我们通过算术平均将CPI和7天银行间同业拆借利率两者从月度频率转变为季度频率。

³ADF和DFGLS的原假设为待检验变量存在单位根，而KPSS的原假设是待检验变量是平稳的。

⁴从理论模型设定来讲，滞后项应该选择滞后1阶。但是理论模型设定都是对现实的简化，与现实可能存在一定差距。因此，我们实证中参考现有研究的普遍做法，选择了滞后2阶。我们也选择了滞后1阶，其结果与滞后2阶的结果差异并不大，结果各异。

⁵K₁对应的b_t表示宏观经济与经济政策之间的影响强弱，K₂对应的a_t表示式(11)中某一冲击后其他冲击的同期响应。

⁶由于数据都被去除时间趋势，所以与真实数据存在一定差异。

⁷2015年后，我国放开了存贷款基准利率的直接调控，因此我们主要对比分析2001年至2015年期间的差异。

⁸产出缺口数据与通胀率数据也被去趋势化处理。

⁹当产出与通胀表现出同方向变化时，比如在2014年和2017年，物价面临通缩压力与产出缺口出现下降，此时央行沟通能够同时平抑两个目标的波动，并不存在抉择的问题。