| 1,579 | 17 | 168 |
| 下载次数 | 被引频次 | 阅读次数 |
本文在Smets和Wouters(2003)、Christiano等(2005)模型基础上,引入驱动股价泡沫的情绪冲击,构建了情绪冲击通过资产价格渠道影响经济波动的动态随机一般均衡模型,并采用我国2000-2016年的季度数据对模型进行贝叶斯估计。研究表明,由于企业面临融资约束,正向情绪冲击带来股价泡沫的上升起到了放松信贷约束的作用,因而企业投资增加,进而触发一系列经济变量的顺周期波动。情绪冲击能够解释我国股票价格波动的55.2%以及顺周期性;劳动供给冲击、技术冲击、投资专有冲击、金融冲击都是我国经济波动的来源,尽管其对产出、消费、投资、劳动时间和股票价格波动的贡献存在异质性。
Abstract：Based on Smets and Wouters(2003) and Christiano et al.(2005), we develop a DSGE model to investigate the impact of equity bubbles on the business cycle by taking into account the sentimental shock. We estimate the model by utilizing the Bayesian approach and employing the quarterly data of China from 2000 to 2016. We find that given the financing constraints faced by the firms, the positive sentimental shock will augment the size of equity bubbles and relax the credit constraints, and thus boost the investment and the business procyclicality of a number of economic variables. The sentimental shock can explain 55.2% of volatility of stock prices and business procyclicality in China. The labor supply shock, technology shock, investment-specific shock and financial shock are the sources of economic volatility in China although the contribution of each shock to the production, consumption, investment, labor time and equity price changes is heterogeneous.
[1]Brunnermeier M K,Rother S C,Schnabel I.Asset Price Bubbles and Systemic Risk [W].CEPR Working Paper No.DP12362,2017.
[2]Tirole J.Asset Bubbles and Overlapping Generations [J].Econometrica,1985,53(6):1497.
[3]Martin A,Ventura J.Economic Growth with Bubbles [J].American Economic Review,2012,102(6):3033-3058.
[4]Luik M A,Wesselbaum D.Bubbles over the U.S.Business Cycle:A Macroeconometric Approach [J].Journal of Macroeconomics,2014,40(4):27-41.
[5]Miao J,Wang P,Xu Z.A Bayesian Dynamic Stochastic General Equilibrium Model of Stock Market Bubbles and Business Cycles [J].Quantitative Economics,2015,6(3):599-635.
[6]Schmitt-Grohe S,Uribe M.What′s New in Business Cycles [J].Econometrica,2012,80:2733-2764.
[7]Smets F,Wouters R.An Estimated Dynamic Stochastic General Equilibrium Model of the Euro Area [J].Journal of the European Economic Association,2003,1(5):1123-1175.
[8]Christiano L J,Eichenbaum M.,Evans C L.Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy [J].Journal of Political Economy,2005,113(1):1-45.
[9]刘尧成,徐晓萍.中国经济向新常态转换的冲击影响机制研究[J].统计研究,2016(6):21-29.
[10]林建浩,王美今.新常态下经济波动的强度与驱动因素识别研究[J].经济研究,2016(5):27-40.
[11]田磊,林建浩,张少华.政策不确定性是中国经济波动的主要因素吗——基于混合识别法的创新实证研究[J].财贸经济,2017 (1):5-20.
[12]祝梓翔,邓翔.时变视角下中国经济波动的再审视[J].世界经济,2017(7):3-27.
[13]王国静,田国强.金融冲击和中国经济波动[J].经济研究,2014(3):20-34.
[14]Chang C,Liu Z,Spiegel M M.Capital Controls and Optimal Chinese Monetary Policy [J].Journal of Monetary Economics,2015,74:1-15.
[15]刘红忠,傅家范.资产流动性、融资约束与经济波动[J].统计研究,2017(11):15-29.
[16]仝冰.混频数据、投资冲击与中国宏观经济波动[J].经济研究,2017(6):60-76.
[17]鄢莉莉,吴利学.投入产出结构、行业异质性与中国经济波动[J].世界经济,2017(8):3-28.
[18]王博,李力,郝大鹏.货币政策不确定性、违约风险与宏观经济波动[J].经济研究,2019(3):119-134
[19]Kiyotaki N,Moore J.Credit Cycles [J].Journal of Political Economy,1997,105:211-248.
[20]Chaney T,Sraer D,Thesmar D.The Collateral Channel:How Real Estate Shocks Affect Corporate Investment [J].American Economic Review,2012,102(6):2381-2409.
[21]宋潇.信贷约束、资产价格与通货紧缩——基于动态一般均衡模型的分析[J].经济管理,2015(9):1-10.
[22]刘晓星,姚登宝.金融脱媒、资产价格与经济波动:基于DNK-DSGE模型分析[J].世界经济,2016(6):29-53.
[23]王频,侯成琪.预期冲击、房价波动与经济波动[J].经济研究,2017(4):48-63.
[24]Gertler M,Karadi P.A Model of Unconventional Monetary Policy [J].Journal of Monetary Economics,2011,58(1):17-34.
[25]Shiller R.Irrational Exuberance [M].New Jersey:Princeton University Press,2000.
[26]庄子罐,崔小勇,赵晓军.不确定性、宏观经济波动与中国货币政策规则选择——基于贝叶斯DSGE模型的数量分析[J].管理世界,2016(11):20-31.
[27]侯成琪,龚六堂.货币政策应该对住房价格波动作出反应吗——基于两部门动态随机一般均衡模型的分析[J].金融研究,2014(10):15-33.
[28]袁申国,陈平,刘兰凤.汇率制度、金融加速器和经济波动[J].经济研究,2011(1):57-70.
[29]Dunne T,Roberts M J,Samuelson L.Patterns of Firm Entry and Exit in U.S.Manufacturing Industries [J].Rand Journal of Economics,1988,19(4):495-515.
[30]中国人民银行营业管理部课题组.预算软约束、融资溢价与杠杆率——供给侧结构性改革的微观机理与经济效应研究[J].经济研究,2017(10):53-66.
(1)美国股市的顺周期性则更加明显,2000-2016年间,美国家庭消费、GDP、投资的实际增长率与股市市值占GDP比重的相关系数分别为0.69、0.54和0.30,而中国的相关系数分别为0.61、0.23和0.07。
(2)为了便于处理,资本利用率决策是在投资效率实现之前做出的,因此最优的资本利用率与投资效率无关。
(3)由于本文采用的规模报酬不变生产技术,因此猜测值函数采取线性形式。
(4)详细证明以附录1展示,见《统计研究》网站所列附件。
(5)贝叶斯方法估计DSGE模型时,要求观测变量的个数应不大于外生冲击的个数。
(6)参考Miao等(2015)[5],采用三个月国债利率的平均值(2.398),然后去除平均通货膨胀(0.195),得到实际利率(2.203),实际利率除以稳态增长率得到稳态时泡沫增长率。相关数据来源于WIND数据库。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2019.11.005
中图分类号:F124.8
引用信息:
[1]王升泉,陈浪南.情绪冲击、资产泡沫与经济波动:基于贝叶斯DSGE的分析[J].统计研究,2019,36(11):49-61.DOI:10.19343/j.cnki.11-1302/c.2019.11.005.
基金信息:
广东省自然科学基金资助项目“我国国债期货波动率的特征、预测和评价研究”(2017A030311038);; 教育部人文社会科学研究规划基金“我国国债期货高频波动率的预测研究:基于半非参数、非线性和时变模型”(17YJA790011);; 中国博士后科学基金“基于拉詹假说的系统性金融风险结构性触发机制的研究”(2019M653242)的资助
2019-11-25
2019-11-25