一、引言 Pigou(1927)[1]的理论将居民对宏观经济的预期作为经济波动的主要因素,随后发展起来的主流宏观经济学文献背弃了这一传统,并且将技术冲击作为引起经济波动的主要因素;尽管如此,居民对宏观经济的预期一直在经济周期文献中发挥重要作用。尤其是近些年来,居民对宏观经济的预期以及关于未来宏观经济状况的信息的冲击(newsshockaboutfuturemacroeconomy)在解释一些问题上发挥了重要作用。(BeaudryandPortier,2004;JaimovichandRebelo,2006;Christianoetal.,2008)[2][3][4]。但是,鲜有学者谈及关于未来宏观经济状况信息在经济波动中所扮演的角色。建立在已有研究的基础上,本文期望通过将相关方法和模型应用在经济中来填补这个空缺。 在BeaudryandPortier(2006)[5]中,信息以及信息在经济周期中的作用是在一个双变量结构向量误差修正模型(StructuralVectorErrorCorrectionModel,SVECM)中识别的。在这个识别策略中,结构模型被相继赋予短期限制条件(short-runrestriction)和长期限制条件(long-runrestriction)。在短期限制条件中,信息被识别为股价中与技术新息(innovation)不相关的新息;而在长期限制条件中,信息被识别为对技术进步具有长期影响的新息。按照BeaudryandPortier(2006)的推论,如果关于未来宏观经济波动的信息在经济周期中发挥了重要作用,那么模型中的变量-尤其是技术进步变量-对这两种信息的脉冲响应函数应当是相似的,而两种信息之间应当呈线性关系。这种方法在美国数据中的应用支撑了信息驱动型经济周期模型(news-drivenbusinesscycle)。BarskyandSims(2010)[6]则将信息识别为一些向前看(forward-looking)变量(包括股价,消费者信心指数和通货膨胀)中新息的线性加权。 证券市场虽然起步较晚,但已经在国民经济发展中发挥了重要的作用。随着证券市场在经济发展中作用的逐渐凸显,证券市场与宏观经济方面的联系也在逐渐加强。譬如说,利用1995-2004年的数据,方文全(2009)[7]验证了股市与通货膨胀之间的关系;王晓芳、高继祖(2007)[8]则利用ARDL边界检验的方法进一步验证了上述结论;靳云汇、于存高(1998)[9]则从更加广义的角度论证了股市与国民经济的关系。所有的研究都证实了股票市场与国民经济的关系与国外股票市场没有显著的差异。这意味着股票市场价格中包含了宏观经济的有关信息,我们完全能够利用BeaudryandPortier(2006)的方法验证关于未来宏观经济状况的信息在经济波动中的作用,同时利用其策略识别出该信息;这就是本文将要做的工作。 二、模型介绍 1.信息的定义及其识别中的问题 按照BarskyandSims(2010)中的定义,以全要素生产率代替的技术进步一般可以表达为两类冲击的随机过程:未预期到的技术冲击和以前预期到的对当前技术进步的冲击,其中,以前预期到的对当前技术进步的冲击就是本文中所要寻找的信息冲击(newsshock)。进一步来说,技术进步一般可以表达为: 这个表达式符合由信息冲击定义所导出的限制性条件,但是简单的模型估计只会将两类冲击混淆,研究者只能得到两类冲击的和而无法分别产生出两类冲击序列,因此简单的估计会产生出误差,从而影响研究结论。 从上面的分析中可以看出,信息冲击是无法在单方程的估计结果中获得的,我们只能利用向量自回归或者向量误差修正模型来估计信息冲击序列。 2.信息识别策略 本文的识别策略是遵照BeaudryandPortier(2006)中的模型和步骤。具体来说,假设一个由技术进步和股票价格构成的双变量向量误差修正模型(BivariateVectorCorrectionModel)的表达式为: 分别为短期和长期结构冲击,其方差-协方差矩阵均为单位矩阵。为了保持结构模型和原始模型的一致性,结构模型必须能够产生原始模型中的方差-协方差矩阵,这就意味着以下的关系式: |