Page 123 - 《北京工商大学学报（社会科学版）》2020年第4期

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 ·