Page 123 - 《北京工商大学学报(社会科学版)》2020年第4期
P. 123

北京工商大学学报(社会科学版)摇 摇 摇 摇 2020 年摇 第 4 期

   投资当月同比均值为 17郾 016% ,沪深 300 指数当                  我们得到了一个可以扩展的 TVP鄄VAR鄄SV 模型。
   月同比均值为 5郾 510% ,基础设施建设固定资产                          现在,假设式(2) 中的 茁、A 和移不是固定不

   投资当月同比的均值为 16郾 820% 。                           变的参数,而是会随着时间的变动而变动的;再假
                                                   设 茁、A 和移中的参数在变动的时候是带有随机
             表 1摇 主要变量的描述性统计
                                                   波动项, 那么就可得 TVP鄄VAR鄄SV 模型。 根据
       变量      观测值 均值      标准差 最小值 最大值
                                                   Primiceri  [36] ,具体假设如下:对于 茁 中的参数,假
      货币政策       78  13郾 177 1郾 640  9郾 400  17郾 200
                                                   设茁    = 茁 + u ,茁   ~ N(滋 ,移 );对于 A 中的
                                                      t + 1  t  茁t  t + 1   茁 0  茁 0
      房价波动       78   9郾 822 10郾 393 -4郾 000  31郾 500  参数,假设 琢   = 琢 + 滋 ,琢    ~ N(滋 ,移 );对
                                                              t + 1  t  琢t  t + 1   琢 0  琢 0
     制造业投资       78  17郾 016 13郾 259 -0郾 402  56郾 557  于移中的参数,定义 h = log滓 ,再假定 h
                                                                             2
                                                                                             t
                                                                      jt     it        t + 1  = h +
      股票市场       78   5郾 510 31郾 962 -34郾 524 124郾 480  滋 ,h  ~ N(滋 ,移 )。
                                                    ht  t + 1   h 0  h 0
    基础建设投资       78  16郾 820  6郾 527 -2郾 360  25郾 595  因此,模型中所有的随机项及其满足的分布
                                                   如下:
   摇 摇 (二)实证模型设定                                           着
                                                          é  t ù  é   1 é  0   0    0 ùù
       本文构建的实证分析模型为 TVP鄄VAR鄄SV 模                          ê   ú   ê  ê                 úú
                                                          ê  u ú  ê   0 ê  移 茁  0   左 úú
                                                            茁 t
   型。 首先,引入一个基本的结构性向量自回归模                                 ê   ú ~ N 0, ê               úú   (5)
                                                                  ê
                                                          ê  滋 琢t ú  ê  ê 0  0  移 琢  0  úú
   型(SVAR):
                                                          ê  滋 û ú  ê  ê ë 0  0  0  移 h  úú
                                                                                       ûû
          A y = F + F y t - 1  + … + F y t - p  + 滋 t     ë  ht   ë
                                p
             t
                0
                     1
                   t = p + 1,…,n           (1)         本文定义向量:y = [MP HP MI SM II ],
                                                                                 t
                                                                             t
                                                                      t
                                                                                     t
                                                                                            t
                                                                                         t
                                                   其中 MP 表示货币政策,HP 表示房价波动,MI
       其中,p 为模型的滞后期,y 为 k 伊 1 的 向                          t                 t                 t
                                 t
                                                   表示制造业投资,SM 表示股票市场,II 表示基础
   量矩阵,F 为 k 伊 1 的 参 数 矩 阵, A 和 F , F ,                               t               t
            0                            1   2     设施建设投资。 本文用货币政策来刻画整个市场
   …,F 均为 k 伊 k 的系数矩阵,滋 则为 k 伊 1 的
                                 t
        p
   结构性冲击。 假定,滋 ~ N(0,移移) ,其中移为                     资金供给的宽松程度;选择加入股票市场是因为
                       t
                                                   传统经济中股票市场应该为制造业投资的融资起
   主对角阵,满足:
                                                   到服务作用,而近年来“脱实向虚冶 的表现说明,
                   é  滓  1  0  …  0  ù
                   ê               ú               企业通过股票市场获得的融资反而可能流入了房
                   ê  0  埙  埙   左 ú
              移 =                          (2)     地产市场;选择加入基建投资是因为基建投资作
                   ê  左  埙  埙    0  ú
                   ê               ú               为政府政策主导的一大类投资往往能够反应国民
                   ê               ú
                   ë  0  …   0  滓 û
                                  k
                                                   经济大背景下政府对投资资金的影响。 具体的数
       同时,设定 A 为主对角线值为 1 的下三角矩
                                                   据处理在后文给出。
   阵,矩阵如下:
                                                       相 对 于 参 数 固 定 的 传 统 VAR 模 型 而 言,
                 é  1  0    …     0  ù             TVP鄄VAR鄄SV 不仅估计了每个时点时变的参数,
                 ê                  ú
                 ê 琢 21  埙  埙    左  ú              而且加入了随机项让参数能够更灵活地去逼近
             A =                           (3)
                 ê  左  埙    埙     0  ú
                 ê                  ú              真实的情况,因此能更加有效、准确地刻画出货
                 ê                  ú
                 ë 琢 k1  …  琢  kk - 1  1  û        币政策、房价波动、制造业投资、股票市场和基
       而式 (1) 可 以 进 一 步 改 写 成 简 化 式 VAR            建投资等变量之间相互变动的动态关系。 但是
   模型:                                             复杂随机波动的引入也让模型的估计变得更加
           y = B + B y   + … + B y   =                                [37 - 38]  ,可以使用马尔科夫
            t   0    1  t - 1   p  t - p           困难。 借鉴 Nakajima
                   - 1
             X 茁 + A 移着 ,着 ~ N(0,I )               链蒙特卡洛( MCMC) 的方法对 TVP鄄VAR鄄SV 模
              t         t  1       k
                   t = p + 1,…,n           (4)     型进行估计。
                  - 1
       式中,B = A F (i = 0,1,…,p);X = I 茚(1,             四、实证结果及分析
              i      i               t   k
   y  ,…,y    ),茚表示克罗内克积;茁 为 B 矩阵中                     (一)模型参数检验
    t - 1  t - p                        i
                    2
   的元素所组成的(k p + k) 伊 1 向量矩阵。 由此,                      在进行 TVP鄄VAR鄄SV 模型估计前,本文首先
    · 1 1 8 ·
   118   119   120   121   122   123   124   125   126   127   128