1、预期、资产价格泡沫与中央银行沟通摘 要：预期在资产价格泡沫的形成、膨胀、破灭以及中央银行的危机救助中扮演相当重要的角色，而中央银行沟通在管理市场预期方面具有独特的优势。本文以 2006 年 10 月-2012 年 9 月中国人民银行的沟通实践为样本，采用 EGARCH 模型进一步检验金融市场对中央银行沟通的反应，并从中央银行有效沟通角度探讨中央银行应对资产价格泡沫的沟通策略。 关键词：预期；中央银行沟通；资产价格泡沫 中图分类号：F822.0 文献标识码：A 文章编号：1003-9031（2013）11-0061-06 DOI：10.3969/j.issn.1003-9031.2013.11.
2、14 一、引言 中央银行沟通是中央银行思想与实践的革命，谢杰斌（2009）认为它是中央银行向对外披露货币政策目标、货币政策策略、经济预测及未来货币政策意向等相关信息，并寻求传递的信息为市场所理解认同的过程1。实践中，中央银行沟通已是全球普遍现象，并已成为中央银行管理市场预期的有效工具。例如，在金融海啸期间，美联储采取将中央银行沟通作为应对危机的重要工具之一，其就金融危机的成因与影响、货币政策目标与政策决定、经济金融现状与前景、未来政策取向等方面进行针对性、前瞻性的沟通，有效地引导短期利率预期，降低金融市场短期波动，并对物价水平具有稳定效应2。于是，本文通过论证预期、中央银行沟通与资产价格泡沫的
3、关系，并基于 2006 年 10 月-2012 年 9 月中国人民银行的沟通实践，检验金融市场对中央银行沟通的反应，最后从中央银行有效沟通角度探讨中央银行应对资产价格泡沫的沟通策略。 二、预期、资产价格泡沫与中央银行沟通：理论分析 （一）信息、预期与资产价格泡沫 泡沫是投资者为了能在将来以更高的价格出售而买入资产，使得资产价格持续超过其基本价值的现象。目前，国内外学者对资产价格泡沫主要沿着三个方向。第一是理性泡沫，其以市场有效性为前提，认为在理性行为和理性预期的假定下，金融资产的实际价格偏离市场基础价值的成分便是泡沫。第二是非理性泡沫，认为泡沫产生的原因是某些交易者的非理性行为。近年来，非理性
4、泡沫理论主要从研究投资者心理决策过程出发，运用学习过程、投资者情绪等因素阐释泡沫问题，比较典型非理性泡沫理论模型有噪音交易者模型、过度交易泡沫模型、投资者情绪模型等。第三是市场环境理论，其将泡沫的产生原因归结为市场结构、制度、文化、市场流动性、宏观经济预期等因素，并认为信息不对称的市场结构是引致资产价格泡沫的重要原因。张维等（2009）总结了资产价格的形成逻辑（见图 1）3。因此，信息支撑下的预期在资产价格泡沫的形成、膨胀、破灭以及中央银行的危机救助中扮演相当重要的角色。本文进一步借鉴 Bask 和 Madeira（2011）的方法4，论证预期在资产价格泡沫演化进程中的作用。假定资产价格 qt
5、 是基础价格 qft 与预期的资产价格的加权平均。 qt=wqft+（1-w）qet+？着 q，t，0w1（1） qft=qt-1+vq（qt-1-qt-2）+vmmt-1+vddt-1+？着 fq，t（2） qet=q1Etpsqet-1+（1-q1）Etpsrkt+1-（Rnt-Etps？仔 t+1-kbt）+？着 fq，t（3） q1=？茁？酌-？滓 c（1-？啄） （4） 其中：vq、vm 和 vd 为资产价格对相应变量反应的强度系数；mt 为货币供给增长率；dt 为信贷增长率；rkt 为资本的实际租金率；Rnt 为中央银行决定的名义利率；？仔 t 是通货膨胀率；kbt 为风险溢价冲击
6、，是央行决定的名义利率与家庭持有资产收益的差额；？茁为家庭的贴现因子；？酌是经济的稳态增长率；？滓 c 为跨期替代弹性；？啄为资本的折旧率；Etps 为市场参与者对相关变量的预期。 若 w=1，资产价格完全取决于资产的基础价值；若 w=0，资产价格完全取决于预期因素，如式（5）所示： qt=q1Etpsqet+1+（1-q1）Etpsrkt+1-（Rnt-Etps？仔 t+1-kbt）+？着 eq，t（5） 但现实经济生活中，0w1 是最为可能出现的情形，则 qtqft，即资产价格与其基础价值发生偏离，存在泡沫成分（正泡沫或负泡沫） 。式（1）-（4）进一步证明了预期在资产价格泡沫的演化过程中
7、扮演重要角色。 （二）中央银行预期管理与资产价格泡沫 中央银行因在组织、网络、研究、监管等方面的优势，掌握更多关于经济运行及货币政策的相关信息，形成对未来资产价格、资本的实际租金率、通货膨胀率等变量形成自身的预期，分别为Etcbqet+1、Etcbrkt+1、Etcb？仔 t+1，并通过发布货币政策执行报告、新闻发布会、演讲、采访等形式向市场披露相关信息。受制于信息不完全和经济的动态变化，市场参与者更多地通过外部信息渠道（如中央银行信息披露、新闻媒体的信息传递）不断改善自身的信息集，及时更新预期。 假设市场参与者对未来资产价格、资本的实际租金率、通货膨胀率的预期调整为： Etpsqet+1=E
8、tpsqet+1+uq（6） Etpsrkt+1=Etcbrkt+1+ur（7） Etps？仔 kt+1=Etcb？仔 kt+1+u？仔（8） 其中，uq、ur 和 u？仔都是均值为 0，方差分别？滓 2q、？滓 2r 和？滓 2？仔的白噪音。将式（6）-（8）代入式（3） ，则可得： qet=q1Etcbqet+1+（1-q1）Etcbrkt+1-（Rnt-Etcb？仔 t+1-kbt）+？着 fq，t+uq+ur+u？仔 （9） 联合式（1）-（2）和式（9） ，则可进一步得到资产价格的表达式： qt=qt-1+vq（qt-1-qt-2）+vmmt-1+vddt-1+q1Etcbqet+1
9、+（1-q1）Etcbrkt+1 -（Rnt-Etcb？仔 t+1-kbt）+？着 fq，t+？着 eq，t+uq+ur+u？仔（10） 式（10）说明通过沟通，中央银行关于对未来资产价格、资本的实际租金率、通货膨胀率的预期进入资产价格的形成方程，即中央银行沟通通过引导金融市场形成合意的预期进而实现影响资产价格的目的。谢杰斌（2009）将中央银行运用沟通工具管理市场预期总结为以下四条渠道：将长、短期金融资产价格联系起来；加速市场参与者学习过程，减少经济运行的不确定性；使中央银行充当信息“聚点” ，协调市场参与者的预期；有助于实现“历史依存”特性的最优货币政策。在政策行动的配合下，中央银行沟通管
10、理市场预期具有独特的优势。在预期对经济行为影响具有不确定性的环境下，政策行动虽然可通过告示效应影响公众预期，但具有刚猛的特征，而中央银行沟通则具有灵活、方便的优势，能够以较小的成本管理市场参与者的预期5。以非理性泡沫为例，中央银行沟通通过管理市场预期，减少因锚定效应、过度交易、过度乐观引起的认知偏差，进而降低定价偏差，并削弱认知偏差与定价偏差的正反馈效应，最终减少资产价格的泡沫成分（见图 2）6。 正是中央银行沟通在管理预期中的特殊优势，近年来国外中央银行积极运用金融稳定报告、演讲、采访等工具引导金融市场的预期（见图3） ，以促进金融稳定。特别在亚洲金融危机和全球金融海峡海啸期间，中央银行沟通
11、的频率更高。实际上，欧美发达国家的中央银行沟通也往往较为有效，金融市场对中央银行沟通做出较为准确且到位的反应。例如，Haan 和 Janson（2009）总结了过去十年欧洲中央银行的沟通实践，发现总体上欧洲央行的沟通对货币政策效率有明显贡献，中央银行沟通能够影响金融资产的价格水平及其波动率，市场参与者亦对中央银行沟通做出积极反应6。Bernd 和 Matthias（2010）采用 GARCH 模型考察了19982006 年加拿大银行沟通和媒体关于中央银行信息沟通的报道如何影响加拿大的债券和股票市场收益。结果发现，官方沟通对债券市场的影响更大，而媒体关于信息沟通的集中报道对证券市场的影响更大7。
12、Benjamin 等（2011）研究了 19962009 年金融市场对 37 家中央银行超过 1000 次的金融稳定报告和演讲的反应。研究表明，金融稳定报告对证券市场收益产生重要且持久的影响，且倾向于降低市场波动。相反，演讲对市场收益几乎没有影响，在正常时间也不会降低市场波动，但在20072010 年的金融危机中却有实质性影响8。 三、金融市场对中央银行沟通的反应来自我国的证据 （一）数据与模型 1.数据来源与处理 本文搜集了 2006 年 10 月2012 年 9 月中国人民银行、货币政策委员会及其成员发布的关于货币政策目标、货币政策策略、经济预测及未来货币政策意向等方面的所有报告、声明、演
13、讲、采访等。具体包括货币政策执行报告、货币政策委员会会议决议、中国人民银行有关货币政策新闻发布会、货币政策委员会成员就未来货币政策取向发表的演讲、采访等，以及未进入货币政策委员会的其他中国人民银行行领导所发表的与货币政策相关的言论。其中，货币政策执行报告、货币政策委员会会议决议等书面沟通通过中国人民银行的官方网站获得。对于新闻发布会、演讲、采访等口头沟通事件的搜集，我们在确定了货币政策委员会各成员、中国人民银行行领导及其任期后，利用百度搜索在互联网上进行检索。具体方法是使用姓名、时间（具体年月）和“货币政策” 、 “利率” 或“通货膨胀”等关键词，在样本区间及其任职期间内进行检索。为避免重复选
14、用沟通事件，排除了相同沟通事件的后续解读性报道和分析。为考察中央银行沟通对金融市场是否有影响，而且研究是否按照中央银行的意图影响了资产价格。本文采用 Ehrmann 和Fratzscher（2007）的方法对所有的沟通事件根据其内容或可能的意图进行分类9，并在数量范围内编码赋值，具体地，对紧缩政策取向、宽松政策取向、中性政策取向的沟通事件分别标记为+1、-1、0。 本文进一步选择上证综合指数的日收益率和深圳成分指数的日收益率代表资产价格场变化，分别表示为 Stock_sh 和 Stock_sz，以反映金融市场对中央银行沟通的反应。上述数据均来自 WIND 数据库，样本时间区间均为 2006 年
15、 10 月-2012 年 9 月。 2.模型构建 数据的平稳性市建立金融市场时间序列的基本要求。我们首先采用ADF 单位根检验法对资产价格变量进行平稳性检验，结果发现沪深股市日收益率在 1%的显著性水平下拒绝了含有单位根的原假设，即为水平序列。我们进一步对沪深股市日收益率进行统计分析，发现上海证券综合指数日收益率和深圳成分指数的日收益率的偏度分别为-0.6773 和-0.7033，峰度分别为 4.4693 和 4.0289，即两个变量的分布呈现出有偏、尖峰、厚尾的特征，这表明相关变量不服从正态分布，且回归误差项可能存在异方差。考虑到 EGARCH 模型不仅可修正偏态、尖峰态和资产价格随时间变动
16、的波动性，且在方差方程中无需对右端系数施加非负限制。所以，本文选择最常用的 EGARCH（1，1）模型。为全面反映中央银行沟通对资产价格水平及其波动程度的影响，本文将沟通变量纳入到均值方程和方差方程中，前者反映沟通对资产价格收益的效应，后者反映沟通对资产价格波动性的效应，相应如式（11）和式（12）所示： rt=？琢+？茁 rt-1+kCt+？啄 Vt+？着 t（11） ln（ht）=？棕+？渍 1ln（ht-1）+？渍 2（|-）+？渍 3+ ？子 CVt+？准 Vt（12） 其中：rt 表示 t 时刻的资产收益率；？琢为常数项；Ct 表示中央银行沟通；Vt 为控制变量向量，包括货币政策和各
17、种宏观经济消息的冲击，本文采用虚拟变量形式，选择货币政策变动的公布来衡量货币政策冲击，用 GDP、CPI、PPI 、PMI、进出口贸易等经济数据的发布衡量宏观经济消息冲击，公布货币政策决定或发布宏观经济数据时取值为 1，否则取值为0；？着 t 为误差项，并假定其为服从均值为 0、方差为 ht 的正态分布；CVt 为信息沟通的虚拟变量，有沟通发生时取值为 1，否则取值为 0。需要说明的是，沟通事件及其他信息冲击进入均值方程和方差方程时，若在交易时间公布的，则考察其对当日收益率、波动率的影响，否则考察公布后首个交易日收益率、波动率的变化情况。 （二）计量分析 将沟通作为整个变量纳入 EGARCH（
18、1，1）模型进行估计。由于我们只关注中央银行沟通是否对资产收益率及其波动性产生影响，所以，仅选取沟通变量系数的估计结果，如表 1 所示。从均值方程看，股票收益率方程中的系数为负，这说明紧缩取向的沟通使股票日收益率下降，宽松取向的信息沟通则使股票日收益率上升，这意味着中央银行沟通使资产价格收益率发生合意变化。从显著性看，沪深股市收益率方程中沟通的系数显著不为零，即沟通对收益率有影响，但影响程度不大，均为 6-8个基点。从方差方程看，系数为正表明沟通加大市场波动，系数为负则降低波动，这说明中央银行沟通加大了沪深股市日收益率的波动率，即使在统计上并不显著。因此，我国中央银行沟通向金融市场传递了有效信
19、号，即使影响并不是很显著，但是却未能减少金融市场的不确定性，降低波动率，也就是说，中央银行沟通未能实现有效沟通。笔者认为，原因可能包括：我国证券市场体系不健全；中央银行的沟通策略（沟通时机、沟通内容以及沟通方式）不尽合理；金融市场对中央银行沟通存在系统性误解和非系统性误解；中央银行可能因为自身对经济金融形势的认知极限向金融市场传递噪音信号。 本文进一步将书面沟通和口头沟通分别作为虚拟变量代入各个EGARCH（1，1）模型进行系数估计（见表 2） 。从均值方程看，两种沟通方式在沪深股市日收益率方程中的系数为负，这进一步证明了资产价格的收益率变化方向与中央银行的意图一致。但从显著性看，口头沟通在沪
20、深股市日收益率方程中系数均显著，且影响程度都在 6-8 个基点，但书面沟通对其虽有影响但影响程度微弱。这说明口头沟通比书面沟通对沪深股市日收益率水平的影响更为明显。从方差方程看，书面沟通和口头沟通对沪深股市日收益率的波动性有正向影响，但从影响程度来看，口头沟通的影响程度大于书面沟通。金融市场对口头沟通的反应大于对书面沟通的反应，笔者认为原因是：在我国，货币政策委员会并非货币政策的决策机构，仅对政策决策提供建议或咨询，导致其所做的决议往往被市场忽视，而且相关的书面报告多数用原则性语言，未能传递明确的信息；口头沟通针对性强，经新闻媒体报道和解读后更能反映货币政策的取向和明确意图10；书面沟通往往有
21、既定的时间表，而口头沟通则更具灵活性，这意味着口头沟通包含更多关于货币政策的意外成分，对金融市场的影响将更明显。 本文又进一步将行长沟通和他人沟通两个变量同时纳入EGARCH（1，1）模型，参数估计结果如表 3 所示。央行行长的沟通对沪深股市收益率水平的影响在 5%的水平下是显著的，影响方向也是合意的。从影响程度看，基本在 2-4 个基点之间。他人沟通除沪深股市收益率水平的影响则不显著。从方差方程看，行长沟通对沪深股市日收益率的波动率有显著影响，而他人沟通则对波动率的影响不显著，并且行长沟通的影响系数更大。金融市场对行长沟通的反应明显大于他人沟通，笔者认为原因是：央行行长担任与市场参与者沟通货币政策的主要任务，沟通频率较他人更高；央行行长特有的地位和权力，使市场参与者普遍认为其在政策决策过程中发挥主导作用。 四、中央银行应对资产价格泡沫的沟通策略思考 通过实证研究，本文发现中央银行沟通确实能向金融市场的传递有效信号，使其做出与中央银行的政策意图一致的反应，但未能减少不确定性，降低资产价格的波动率，即尚未实现有效沟通；与此同时，口头沟通的效果优于书面沟通，行长沟通的影响比他人沟通更明显。因此，中央银行应提高沟通的有效性，充分发挥其作为货币政策操作特定工具的功能，促进金融市场的稳定发展。
