将资产负债表政策纳入货币政策条件

将资产负债表政策融入货币政策条件 由 Benoit Mojon、Phurichai Rungcharoenkitkul 和 Dora Xia著 2025年7月 JEL分类：E51，E52，E58 关键词：货币政策，货币政策状况，金融状况，非常规货币政策，央行资产负债表，充裕储备体系 BIS工作论文由国际清算银行货币经济部门的成员撰写，有时也由其他经济学家撰写，并由该银行出版。这些论文涉及当前感兴趣的主题，具有技术性。论文中表达的观点是它们作者的观点，不一定代表BIS的观点。 本出版物可在BIS网站（www.bis.org）上获取。 将资产负债表政策融入货币政策条件 †‡§2025年7月16日贝诺特·莫雄普里查·荣查洛恩基特库尔多拉夏 摘要 本文介绍了一种新的货币政策状况指数（MCI），该指数将常规和非常规货币政策工具整合为一个统一指标。MCI是短期利率和央行资产负债表规模的加权平均值，通过捕捉资产负债表政策在有效下限附近的效果来改进影子利率。我们采用贝叶斯向量自回归（BVAR）框架估计MCI的权重及其与产出、通胀和金融状况的动态关系。结果表明，大规模资产负债表政策对货币政策状况产生了显著的宽松影响，包括在有效下限附近。通过历史分解和反事实分析，MCI为非常规政策的有效性和非预期后果提供了新的见解。该框架可以灵活地容纳多种扩展，包括在充裕储备体系下可能更高的中性资产负债表。 1 简介 20世纪90年代通胀目标制度的兴起，带来了央行目标选择和工具使用的广泛趋同。政策利率，通常是隔夜或非常短期的利率，成为了主要政策工具。尽管美联储直到2012年才正式采用通胀目标，但它自1970年代起，就已经将其货币政策框架的一部分，设定了针对联邦基金利率（银行和其他金融机构在美联储账户中持有的隔夜资金利率）的明确目标。 大萧条（GFC）给这一范式带来了新的挑战。为了刺激经济活动，许多中央银行将政策利率削减至有效下限（ELB），并部署了广泛非常规措施，包括前瞻指引、流动性供应和大规模资产购买。在当时看来非同寻常的这些措施，使得政策利率不再足以作为衡量货币政策设定的指标。诸如影子利率有助于填补这一空白，通过推算如果ELB不是制约因素，政策利率本会是什么情况（图1, 蓝色阴影). 例如,吴和夏(2016) 使用非线性期限结构模型，根据收益率曲线的信息来推断该影子利率，从而通过其对长期利率的影响，间接捕捉前瞻指引和扩张性央行资产负债表政策的效果。 2010年代后期政策利率正常化时期以及后疫情时期的紧缩标志着又一重大变化（图1, 灰色阴影)。随着政策利率上升，大多数司法管辖区的中央银行资产负债表仍保持高位。因此，短期利率和中央银行资产负债表都已成为同时活跃的政策工具。这种配置使影子利率概念过时。根据定义，当利率走廊非约束性时，影子利率等于政策利率，并且不再考虑中央银行利率走廊之外的资产负债表政策。1 这给依赖一致货币政策的时序数据进行实证研究带来了挑战。此外，仍然缺乏一个能够概括多种政策工具对政策制定者所针对的整体货币政策状况所意味着什么的涵盖性指标。 在本文中，我们通过引入一个新的综合货币政策条件指数（MCI），该指数整合了传统和非传统的货币政策，来解决这些问题。MCI旨在持续地捕捉货币政策对不同体制下经济的影响，包括传统或非传统政策共同作用时的情况。通过总结货币政策工具的宏观运行，MCI在零利率边界（ELB）附近和远离零利率边界时都具有相关性。 我们的主要简化假设是，MCI等于两种政策工具的加权平均值。具体来说，给定短期利率m和央行1t 资产负债表规模m（按名义GDP等缩放后），MCI为：2t 带有未观察到的权重 0< b <1 待估计。负号前的m来自更高政策利率和更大余额的相反影响的结果2t 纸张尺寸。带翻转符号m, MCI水平越高，货币越紧2t策略设置。鉴于其简单性，MCI 可以重新正规化以辅助解释。特别是，˜m=m+(1-b)(m −m), 其中m是前gfc常数t1 t 2 t 2,2007 2,2007 b银行资产负债表规模，缩减为前期非金融危机（GFC）期间的短期利率，有助于跨时期的比较。这一简单的公式精简地概括了资产负债表和利率政策对金融状况和经济的首要影响。 固定b因此，MCI，我们首先构建一个包含MCI、金融状况、产出缺口和通胀的VAR系统，然后估计b与VAR的其他参数共同进行。在VAR系统中估计MCI有一个主要优势。 它能够在一个标准实证框架内评估MCI与其他宏观金融变量之间的动态相互作用，在该框架中，脉冲响应函数和历史分解等工具 readily apply。2 同样重要的是，该框架在不同的时期内始终如一地捕捉动态关系，无论ELB是否具有约束力，甚至当政策利率和非传统货币政策（UMP）同时活跃时也是如此。从这个意义上说，MCI作为货币政策设定的综合统计量，超越了影子利率。 我们采用贝叶斯估计程序，迭代采样b以及其他参数，遵循通常的BVAR估计程序。采用贝叶斯方法，使我们能够通过使用先验分布，将文献中关于非常规货币政策的相对影响的前期研究结果纳入分析。b在这种情况下，由于时间序列样本有限，这特别有用。 我们使用估计的MCI重新审视了关于UMP有效性的经典问题，并回应了最近的政策辩论。首先，我们发现当ELB处于有效区间时，UMP对GFC后经济活动的支撑做出了实质性贡献。其次，对疫情衰退的货币政策反应比平时更为激进，帮助保持了比预期更宽松的金融条件。同时，这些政策行动持续的刺激效应也助长了疫情后通胀的飙升。第三，相关地，疫情后货币政策冲击部分解释了金融条件的大幅波动——从2021年中到2023年初的急剧收紧以及随后的逆转。在央行资产负债表政策可能在推动这些政策冲击中发挥作用的前提下，其影响可能不像“看油漆变干”那样无聊。 MCI框架灵活，可容纳若干扩展。我们通过采用扩大样本估计来允许资产负债表政策的时变影响，并探索作为中央银行工具替代方案的其他资产负债表政策指标。其中一种方法关注中央银行持有的投资组合的期限结构。另一种则考虑了财政部向市场提供的证券的演变。基准结果通常对这些中央银行将资产负债表作为货币政策工具的替代描述具有稳健性。作为一种涵盖性的货币政策衡量指标，MCI在其他实证应用中也可能证明有用。例如，我们表明使用MCI显著缓解了在高科技中经常遇到的无用工具问题。 货币政策冲击的频率识别。该框架还可以纳入中性利率和央行资产负债表规模的变动——在储备充足体系下尤其相关，因为储备需求可能已增加。通过引入“资产负债表缺口”以及更传统的利率缺口，我们获得了一个统一的货币政策立场我们最终通过估计模型的全局版本，说明了MCI框架更广泛的应用性，并表明央行资产负债表政策的集体使用也塑造了全球层面的货币政策状况。 文献 我们对文献的两大主要方面做出了贡献。第一方面是关于资产负债表政策的质性和量化效应的评估。我们的MCI方法论侧重于股票效应中央银行资产负债表政策的存量效应，在文献中强调其比流量效应更为突出。存量效应是指中央银行资产负债表规模对资产价格的持续累积影响，由公众可获得资产的大小和持续时间变化的预期所驱动。3 流动性效应是指资产在购买或出售时的即时价格影响，由市场流动性和功能的转变所驱动。各种实证方法都指出股票效应是主要的。例如事件研究分析Gagnon 等。(2011）和克里希南Murthy和Vissing-Jorgensen(2011)发现政策公告的显著影响，与股票效应一致。借鉴安全级别的数据，达米科和金(2013）估计美联储在2009年购买的3000亿美元国债，在整个计划期间持续地将 收益率压缩了约30个基点（股票效应），而在交易日内仅将受影响部门的收益率降低了3.5个基点（资金效应）。4 使用收益率曲线模型，李和魏(2013)发现国债10年期等价物占GDP的比重每调整1个百分点，会使10年期国债收益率变化约10个基点。厄伦等(2023) 采用需求系统方法，并估计中央银行持有的美国国债增加1%会导致长期收益率下降7-13个基点。正如在联邦公开市场委员会(2016)备忘录，资产负债表政策对宏观经济的影响的重要方面是 这些政策持续对金融价格的影响，即股票效应。另见全球金融系统委员会(2019)该文概述了在欧元区、日本、英国和日本将中央银行资产负债表 作为宏观经济稳定工具的使用情况。国际清算银行(2024)用于涵盖利用资产负债表政策稳定新冠封锁期间经济的范围。 近期研究表明，在政策利率从零利率水平上升后，央行的资产负债表政策仍在持续对金融状况产生重要影响。与我们的论文精神更接近的是，一些研究已经从政策利率等量调整的角度评估了央行资产负债表政策的影响。克劳利等 (2022) 采用FRB/US模型的增强版本来纳入央行资产购买对期限溢价的效应，并估计最近250亿美元的资产负债表收缩，或占GDP的9%，相当于政策利率上升了50个基点。魏(2022)采用了偏好的栖息地期限结构模型，并估计中央银行资产负债表减少2.2万亿美元（占GDP的8%）相当于加息29-74个基点，这是基于其对10年期国债收益率的预期影响。5 我们通过在一个漫长的时期内建立汇总指标来为该文献做出贡献，包括最近一个时期，即大型央行资产负债表与政策利率同时高于ELB。 其次，我们也为影子利率的文献做出了贡献。我们的MCI在概念上与影子利率相似，它们都试图将短期利率和UMP整合为一个单一指标。但是，也存在重要的区别。正如所讨论的，影子利率吴和夏(2016) 是基于期权定价定义构建的黑(1995), 并且一旦政策利率超过其零利率边界(ELB)，就不再将央行资产负债表政策视为零权 重。如果大型央行资产负债表能够在远离零利率边界(ELB)的情况下继续产生显著的股票效应，正如先前的实证证据所暗示的那样，那么这就存在问题。另一种方法是隆巴迪和朱(2018)估计了一个包含利率、货币总量和央行资产负债表的动态因子模型。它将利率视为在 ELB期间缺失，并将第一个共同因子提取为影子利率。这种方法利用了货币政策变量之间的关系，并使用收益率和货币数量的信息来推断缺失的短期利率应该是什么。这种因子模型方法的缺点在于，一旦这些短期利率在ELB以上解除审查，影子利率可能会重新收敛回短期利率，从而无法捕捉大型央行资产负债表的股票效应。6 参见多和崔(2016) for a 使用主成分分析和私营部门借款代替央行资产负债表作为输入的一种类似方法。因此，这些影子利率方法面临一个共同的挑战，这可能使它们在面对利率和央行资产负债表同时活跃的体制时不够稳健。 本文其余部分组织如下。第2描述了我们的经验方法论。节3报告了MCI估计、脉冲响应函数和历史分解。第4通过MCI视角重新审视货币政策的作用，使用一系列反事实练习。第5考虑扩展，包括资产负债表政策的时变影响、投资组合久期和财政供应的调整、其在货币政策冲击高频识别中的应用，以及中性利率和资产负债表规模的纳入。部分6提出MCI的全球版本。部分7得出结论。 2 经验步骤 本节阐述了我们的实证框架。我们首先介绍带有MCI的VAR模型，然后描述用于估计MCI权重及其他VAR参数的数据和贝叶斯程序。接着我们讨论用于识别结构冲击的符号限制。 2.1 模型概述 我们假设货币政策与宏观和金融变量之间的动态互动可以用一个通用的VAR系统来描述如下： 哪里f, π, y分别表示财务状况、通货膨胀和产出。mt t tt 它关于政策利率，这种VAR设置是一个标准的时间序列框架，用于分析宏观经济动态。 我们指定 m 由两个政策工具组成，一个短期利率 m 和 t 1t 央行资产负债表相对于GDP的规模m.7 根据信息标准，2t 我们将注意力限制在两个滞后（p= 2）。为方便起见，我们将VAR表示为单滞后形式，并将 MCI写为具有一个未知权重的两个可观测量之平均。b: 目标就是估计参数 {b, B,Σ}。tt−1 t我00X 2.2 数据 数据是月度的，我们将美国作为基准。我们使用插值CB