定量与基于价格的货币政策工具的多目标效应比较研究：来自相同频率和混合频率模型的双重证据

《Economic Analysis and Policy》：A Comparative Study of the Multi-Objective Effects of Quantitative and Price-Based Monetary Policy Tools: Dual Evidence from Same and Mixed-Frequency Models

本研究基于SV-TVP-FAVAR模型和混合频率数据，分析1996年Q1至2025年Q2期间中国量化与价格型货币政策工具对宏观经济、消费及金融市场的影响。结果表明量化工具促进增长通胀资产价格但抑制消费，价格型工具抑制过热但后劲增强消费和金融稳定，混合数据揭示政策滞后效应差异，建议根据经济环境选择工具。

　　

河南 高|吴书

吉林大学，长春，吉林，中国

摘要

本文利用1996年第一季度至2025年第二季度的数据，通过SV-TVP-FAVAR模型研究了中国的数量型和价格型货币政策工具对宏观经济、私人消费和金融市场的影响，并使用混合频率数据重新分析了结果。研究发现：（1）扩张性的数量型货币政策促进经济增长、通货膨胀和资产价格上涨，但最初会刺激私人消费，随后产生抑制作用；（2）紧缩性的价格型货币政策有助于防止经济过热，抑制产出和通货膨胀，最初会抑制私人消费和金融市场，之后再产生促进作用；（3）在混合频率数据下，货币政策冲击的滞后效应和响应幅度存在显著差异，这为短期政策行为提供了洞察，并支持及时调整政策。因此，货币当局应根据经济环境选择适当的政策工具，以实现监管目标并维持稳定的经济增长。

引言

随着全球经济进入后危机时代和结构性转型，全球央行在平衡多重政策目标方面面临着前所未有的挑战（Ballabriga和Davtyan，2025）。一方面，经济增长和价格稳定等传统目标仍享有政策优先权（Vale，2024；Nair等人，2025）。另一方面，解决消费者支出稳定性和资产价格波动等非传统目标的需求日益突出（Schischke和Rathgeber，2025；Jena等人，2026）。然而，这些目标往往存在内在冲突和政策权衡：旨在遏制资产泡沫的紧缩性政策可能阻碍经济复苏，而旨在刺激增长的扩张性流动性措施可能积累系统性金融风险。这一困境已成为影响长期宏观经济稳定的核心问题。为此，本文将在多目标框架内系统比较数量型与价格型货币政策工具的相对有效性，为复杂环境下的政策工具选择提供理论基础和实证参考。

在实施宏观经济调控时，央行主要依赖两种类型的货币政策工具：数量型和价格型工具。数量型货币政策通过货币供应量和基础货币等工具发挥作用，曾被认为对宏观经济表现有显著影响（Shi等人，2018）。然而，随着利率逐步自由化，货币需求的稳定性显著下降，传统数量指标与实际经济变量之间的相关性减弱（Zhang，2009；Li和Wang，2020；Kim和Chen，2022；Liu等人，2024）。在这种背景下，学术界越来越关注价格型工具。研究发现，价格型工具可以通过透明的政策信号有效锚定市场预期，并通过利率期限结构的传导机制更精确地影响资金成本和资产价格。这些机制反过来指导微观经济主体的投资和融资决策，使价格型工具在深化金融体系的背景下具有独特的监管优势。在这一过渡时期，混合政策策略也引起了学术界的兴趣（Liu和Zhang，2010）。Li和Liu（2017）发现，包含货币因素的扩展泰勒规则能产生更稳定的宏观经济结果。Sui等人（2022）观察到，紧缩性的数量型和扩张性的价格型货币政策都有助于金融稳定。

尽管之前的研究已经考察了不同货币政策工具的有效性，但仍存在一些局限性。首先，大多数研究仅从单一宏观经济目标（如产出或通货膨胀）的角度评估政策效果，而没有考虑同时需要考虑多个政策目标时的合适工具（Long等人，2023）。其次，现有分析很少考虑不同宏观经济时期效果的可能变化，从而限制了对政策表现随时间变化的理解。第三，大多数研究依赖于同频率数据，可能无法捕捉宏观经济和金融变量在不同时间尺度上的差异反应。

基于关于货币政策工具有效性的现有讨论，本文使用1996年第一季度至2025年第二季度的中国经济数据，构建了一个具有时变系数和随机波动性的因子增强向量自回归模型（SV-TVP-FAVAR），以分析数量型和价格型货币政策冲击对产出、通货膨胀、消费和股票价格的动态影响。为了更充分地利用原始数据的时间粒度信息，引入了混合频率模型，并将其结果与基于季度汇总数据的传统同频率模型的结果进行了系统比较。在此框架下，本文考察了数量型与价格型工具在多个宏观经济目标上的相对有效性，探讨了它们的比较优势是否在经济周期的不同阶段有所不同，并评估了使用混合频率数据时传统同频率分析得出的结论可能发生的变化程度。

本文的创新和边际贡献如下：首先，它扩展了货币政策的评估维度。与以往主要局限于产出-通货膨胀双重目标框架的研究不同，本研究构建了一个包含经济增长、通货膨胀、家庭消费和金融市场的多维目标系统，从而能够更系统地评估数量型和价格型货币政策工具在接近现实世界复杂性的条件下的整体表现和相对有效性。

其次，它引入了混合频率数据建模以提高信息利用效率。与以往主要使用季度或月度同频率数据且经常需要对高频金融数据进行人工聚合（Ghysels等人，2007）的研究不同，本研究采用了混合频率模型。这种方法有效整合了不同频率的宏观经济和金融市场信息（Yang和Yang，2021；Wang等人，2025）。通过将其估计结果与同频率模型的结果进行比较，可以更准确地揭示货币政策与经济指标之间的动态关系。

第三，本文构建的SV-TVP-FAVAR模型通过纳入大量宏观经济变量并提取共同因子（Boivin等人，2009），解决了模型识别限制导致的遗漏变量问题（Korobilis，2013）。此外，该模型具有时变参数和随机波动性（Cogley和Sargent，2005；Primiceri，2005），从而更全面地捕捉了政策冲击的动态效应，显著增强了其解释能力（Wang等人，2026）。

本文的其余结构如下：第2节介绍中国货币政策监管的背景，第3节介绍数据和变量的选择，第4节描述模型构建，第5节在相同频率数据集下进行脉冲响应分析，第6节在混合频率数据集下进行脉冲响应分析，第7节提供结论和相关政策建议。

部分摘录

中国货币政策监管的背景

1998年，中国人民银行（PBC）将货币供应量作为货币政策的中介目标。此后，中国的货币政策框架主要以数量型政策规则为特征，通过调整存款准备金率（RRR）等工具实施。这一框架与中国早期经济转型的制度环境相契合，在稳定价格和产出方面发挥了积极作用。

数据和变量选择

基于对中国经济周期和数据可用性的考虑，本文选择1996年第一季度至2025年第二季度作为样本区间。所有数据均来自Wind数据库。

本研究考察的变量分为三类。第一类是货币政策变量。对于数量型货币政策，选择M2作为代理变量，因为与其他货币指标相比，它更直接

SV-TVP-FAVAR模型

SV-TVP-FAVAR模型结合了将时变性和随机波动性纳入模型的思想（Mumtaz，2010；Koop和Korobilis，2014）。具体来说，经典的VAR模型形式如下：$y_t={\beta }_1{y}_{t?1}+..+{\beta }_p{y}_{t?p}+u_t$$y_{t?1}$, $y_{t?2}$, ……, $y_{t?2}$, $u_t～N(0,{\Omega }_t$. 为了使模型能够将大量宏观经济和货币政策数据序列中的信息分解为几个共同因子，还需要一个因子模型

在相同频率数据集下的脉冲响应分析

为了研究整个样本期间货币政策效应的结构性特征和动态演变，本研究根据中国的货币政策框架及其实际演变，将样本（从1996年第一季度到2025年第二季度）分为五个不同阶段：1996Q1–2001Q4、2002Q1–2007Q4、2008Q1–2013Q4、2014Q1–2019Q4和2020Q1–2025Q2。据此，对数量型

在混合频率数据集下的脉冲响应分析

表4展示了混合频率模型中货币政策冲击对政策目标的数值特征。与同频率模型的实证结果类似，在混合频率数据条件下，数量型和价格型货币政策对宏观经济、私人消费或金融市场均没有长期影响。冲击的方向与同频率模型一致，证实了实证结果的稳健性

结论

近年来，地缘政治冲突的加剧以及许多发达国家采取宽松货币政策，增加了新兴经济体货币政策调控的难度。传统的货币政策传导渠道受到阻碍，进一步放大了政策调整在各个经济部门引起的波动。因此，探索数量型和价格型工具的适用性和有效性，以及理解

CRediT作者贡献

河南 高：概念化；形式分析；调查；方法论；软件；撰写原始草稿

吴书：数据整理；资源获取；验证；可视化；写作-审阅与编辑；资金筹集；项目管理；监督

资金支持

本工作得到了吉林省教育厅社会科学优秀青年项目的支持，项目编号为JJKH20250008SK。

CRediT作者贡献声明

河南 高：撰写——原始草稿，软件，方法论，调查，形式分析，概念化。吴书：写作——审阅与编辑，可视化，验证，监督，资源获取，项目管理，资金筹集，数据整理。