中国的货币流动性分析

中国的货币流动性分析伍 戈1（中国人民银行货币政策二司）摘 要：货币流动性（M1/M2）测度了货币供应内部的活跃程度，是宏观经济分析中普遍关注的重要变量之一。

本文着重对中国货币流动性相对稳定期间（1997-2010年）的情形进行分析，探寻货币流动性的影响因素及其经济内涵。

文章发现，近年来工业增加值的增加和股指的高企引发了货币活化程度的提高。

实际利率对货币活化水平有短期负向作用，但其影响系数和显著性有限，这可能与我国利率尚未完全市场化有关。

实际利率与货币活化却存在长期正向关系，这很可能与“金融深化”有关，即长期内实际利率的提升有助于解除资金价格扭曲和金融抑制，增加货币活化程度。

随着中国经济金融的不断发展，影响货币活化的因素必将不断演变，时常考察其决定因素，有助于为宏观分析提供有价值的经济信息，并为前瞻性的宏观金融调控提供决策支持。

关键词：货币流动性 实际利率 金融深化 货币政策一、引 言货币流动性是宏观经济分析中普遍关注的重要变量之一，其变化包含了许多有价值的经济信息。

从定义上来看，“货币流动性”是狭义货币供应量（M1）与广义货币供应量（M2）之间的比值（M1/M2）。

因为M1/M2测度了货币供应内部的活跃程度，有人也称之为“货币活化程度”。

但在具体分析中，货币流动性还有其他增量形式的表达方法，例如在现实中大家往往会对比M1增速和M2增速的变动趋势，有人把它称为“货币剪刀差”，这在本质上也是货币流动性。

中国央行也关注该指标，例如，人民银行发布的2010年2季度《中国货币执行报告》中提到：“M1增速连续10个月高于M2，货币流动性仍相对较强”。

图1. 中国的货币流动性（M1/M2）：1985-2010年（%）1原文载于《金融与经济》2011年第6期。

笔者感谢中国人民银行李斌博士和张怀清博士的指点和讨论。

本文仅代表作者个人而非供职单位观点。

从中国的现实情况来看，货币流动性呈现出十分有趣的特征（图1）：上世纪80年代以来，M1/M2出现大幅下降的趋势，但从1996年左右开始该值趋于稳定。

从M2的内部结构占比变化来看，活期存款和储蓄存款的结构性变迁导致了货币流动性的显著变化（图2）。

图2. M2内部组成结构的变化（%）2二、文献综述纵观国外文献，关于货币流动性的系统研究并不多见。

在国内，有关文献一般以1996年左右为“分水岭”分别针对两个历史阶段进行研究。

第一阶段是1996年以前，货币流动性大幅下降的时期。

谢杭生等（1996）认为，80年代以来货币流动性呈下降趋势是由于经济高速增长和国民收入分配向个人倾斜，居民储蓄倾向随收入增加而上升，这就使得作为准货币主要部分的储蓄存款增长加快，从而导致货币流动性不断下降。

与此同时，由于受投资控制、信贷规模和名义利率的影响，货币流动性的变化还围绕其长期下降趋势呈周期性波动。

易行健等（2003）认为，1978-1995年货币流动性比例不断下降的原因是：随着居民可支配收入的大幅上涨，但证券市场规模太小，银行存款成为居民最重要的投资（储蓄）渠道，这样就造成交易性货币需求的平均和收入弹性逐渐小于谨慎性、储蓄性货币需求的收入弹性，由此导致狭义货币增速小于准货币增速。

第二阶段是1996年以后，货币流动性基本平稳的时期。

卜永祥（1999）认为，造成我国货币流动性波动的成因包括实际利率、商品市场和资本市场冲击、社会有效需求的变动以及居民资产形式的多样化和企业直接融资的比重。

毛定祥（2003）认为，货币流动性与当期实际国内生产总值、滞后一期的股市规模以及滞后一期的实际利率之间存在长期均衡关系。

货币流动性的短期波动主要依赖于自身的一阶滞后, 同时也与宏观经济的波动有关。

易行健等（2003）认为，1996-2002年流动性趋于平稳，其周期波动可以由利率、通胀率和证券交易量来解释。

腊博（2009）认为，M1-M2增速加快是信贷投放、宏观经济、企业利润三方面的综合反映：一是信贷投放的扩张，即新增企业贷款增加，企业活期存款回升的速度要快于定期存款，促使M1增速大于M2增速；二是宏观经济改善，即居民消费意愿增强导致居民储蓄存款向企业存款（定期或活期）转化，储蓄搬家促使M1增速大于M2增速；三是企业利润回升，即企业经营活动改善，活期存款回升的速度大于定期存款，存款活期化促使M1增速大于M2增速。

从上述历史文献来看，现有的研究主要存在如下几方面的不足：一是大多是以定性研究为主，缺乏较严格的实证检验；二是少量的定量研究所选时间区间较短，样本数较少，造成模型的稳定性和说服力不强；三是大部分文献研究的时间较早，难以及时刻画近期中国宏观经济结构和金融市场的最新变化。

因此，针对上述不足之处，并考虑到研究的现实意义，本2此处2010年选用的是2010年8月末的数据。

文着重对货币流动性相对稳定区间（1997-2010年）的情形进行分析，探寻货币流动性的影响因素及其经济内涵。

三、货币流动性的影响因素：实证分析（一）货币流动性的影响机制在模型和变量的选择之前，我们有必要先考察一下M1/M2波动的影响机制。

在货币供应量的定义中，M1主要代表流通中的现金和企业活期存款等，而M2则在M1的基础上增加了居民储蓄存款和企业定期存款等内容。

结合上述历史文献，笔者认为主要有三类因素可导致货币在居民储蓄存款、企业定期存款和企业活期存款之间相互转化，从而造成M1/M2的波动（图3）：一是实体经济的活跃程度。

随着宏观经济景气程度的提升，企业等微观主体的投资、贷款等经营活动活跃，企业存款活期化趋势增强。

此外，由于居民收入增加和消费信心上升，居民储蓄倾向下降，实际消费增加势必导致部分居民储蓄存款向企业转移；二是金融市场的活跃程度。

近年来，中国金融市场发生了显著的变化，资本市场已成为老百姓投资理财的重要渠道（伍戈，2009）。

资本市场尤其是股市的繁荣可能引起广大投资者倾向于追捧流动性更强的资产，货币流动性可能随之增强；三是货币资金的实际成本。

尽管我国的存贷款基准利率仍未完全市场化，“存款利率管下限，贷款利率管上限”，但作为货币资金的实际成本，利率尤其是实际利率已是微观主体经济决策中不可或缺的变量。

利率也可视为持有各类货币的机会成本，其变动可能影响货币流动性的波动（伍戈，2010）。

（二）模型和数据的选取考虑到上述影响机制以及中国数据的可得性等因素，本文选取工业增加值（同比增速）代表实体经济的活跃程度，上证A股指数代表金融市场繁荣程度，1年期储蓄存款基准利率减去CPI同比增，分别、Stock和R表示。

下文我们将着重考察这三方面变化对速后的净值代表实际利率3VAI3 当然，实际利率还有其他多种表现形式，但各种实际利率之间的相关度往往很强。

21/M M 的影响。

为了避免小样本回归产生的偏差，笔者采用从1997年1月到2010年8月的月度数据，样本数为164个。

其中，21/M M 和VAI经过季节调整。

值得一提的是，我国于1999年11月1日统一征收20%的储蓄存款利息所得个人所得税，即利息税；2007年8月15日起，将利息税由20%调减为5%；2008年10月9日开始免征利息税。

为此，笔者根据利息税的变动情况对本文使用的储蓄存款利率数据进行了相应的调整，以反映储蓄存款的实际收益率。

此外，由于从2007年开始国家统计局已连续四年没有对外公布1月份的VAI同比增速，因此出现了月度数据缺失现象，考虑到数据的连续性，笔者假定这四年的1月份VAI增速大致等同于2月份的数据。

本文数据来源于CEIC、WIND数据库以及中国人民银行。

图形分析将有助于了解数据的一些基本属性，这是在实证建模前应该尝试做的事情。

图4中的左上图描绘了货币流动性和通货膨胀率的关系，为了使图形看得出更加清楚，我们对后者进行了平移操作，使其与前者的均值相吻合。

可以看到，2004年以后两者呈现出较强的同步趋势。

右上图显示了货币流动性和工业增加值同比增速，从整体来看，这两个时间序列的变化趋势并不太同步，工业增加值波动较大。

尽管如此，近两三年以来，两者变动趋势的同步性有所增强。

左下图说明了在过去十多年里，货币流动性与实际利率的关系，在许多历史时期，两者呈现出较强反向变动趋势。

右下图描绘了货币流动性和上证指数之间的关系，2006年以来，两者呈现出较明显的同步走势。

图4. 货币流动性与通货膨胀、工业增加值、实际利率、股价指数（三）单位根检验计量分析中为了避免宏观经济变量的不平稳产生缪回归，我们首先采用单位根检验来判断数据的平稳性；然后通过协整分析法和ECM 模型研究各变量之间的长期稳定和短期动态变化的关系；最后通过脉冲响应来比较货币流动性对各变量一个单位正向冲击的反应结果，以及各变量对货币流动性的冲击效应分解。

我们采用的计量软件是Eviews 6.0。

我们采用ADF方法进行单位根检验。

首先，根据各组数据的时序图初步确定各变量数据ADF检验采用的方程形式（是否具有截距项或时间趋势），同时依据各变量单位根方程中截距项和时间趋势的系数显著性来判定单位根检验模型设定的合理性。

滞后阶数的确定是基于SIC原则作出的，结果见表1。

表1.单位根检验结果说明：***表示在1%的显著性水平下拒绝单位根检验，D表示一阶差分。

从表1可以看出，各变量的水平值在显著性水平为10%的ADF检验中都存在单位根。

各变量的一阶差分都在1%的显著性水平下拒绝了单位根假设，从而各变量都是I（1）序列。

基于ADF检验我们就可以进行协整分析。

（四）协整分析和误差修正模型我们用Johansen最大似然法分析各个变量的协整关系。

检验结果对滞后长度相当敏感，因此，要十分谨慎。

大多数通用处理方法是首先用不经过差分的数据估计向量自回归，然后运用与传统VAR模型一样的滞后长度检验方法（Enders,2004）4。

滞后期确定的原则是根据最小化AIC信息的标准选取，最终选择滞后4期。

此外，选定协整变量具有线性趋势并有截距项。

有关结果详见表2和表3。

表3. 各变量之间的协整检验(最大特征值统计量)4详见恩德斯（Enders, W）著，杜江等译：《应用计量经济学：时间序列分析（第二版）》，高等教育出版社，2006年，P345。

迹统计量检验和最大特征值统计量检验都表明，在5%的显著性水平拒绝无协整向量的原假设，即变量之间存在一个协整关系。

对协整向量的标准化得到∧β=（1，-1.09，-7.43，-1.88），其对应的协整关系为：]64.2[]42.3[]95.5[)1(09.1ln 43.788.1/21−−−++=RStock VAI M M方括号中的数字表示各个系数的t统计值。

在长期关系中，M1/M2与其他三个变量存在稳定关系，即工业增加值每提高1个基点会带来M1/M2的1.88个基点上升，股票指数每提高1%会带来M1/M2的7.43个基点上升，这些都与我们的经济直觉相一致。