中國金融市場會響應央行溝通嗎？
——基于貨幣和債券市場的實證分析

一、引　言

中央銀行溝通是指“中央銀行通過書面或者口頭的形式，向金融市場、社會公眾和相關立法機構等傳遞關于中央銀行貨幣政策目標、戰略、國內外經濟現狀、經濟前景及政策展望等相關信息，并進行信息交流的過程”[1]。隨著各國中央銀行透明度和獨立性的增強，各國央行正在逐漸把央行溝通作為調節和管理經濟的重要貨幣政策工具。

近年來，美國、歐盟等發達經濟體的貨幣當局頻繁使用央行溝通，輔助傳統貨幣政策工具，提高貨幣政策執行效力，并實現金融市場穩定。例如，在2007～2009年美國爆發次貸危機期間，央行溝通成為美聯儲應對危機的主要工具。而我國央行也在近年的管理實踐中，加強了對央行溝通的使用。如在2013年5月，我國銀行間同業拆借市場出現了短期流動性緊張的狀況，同業拆借利率快速攀升，銀行間隔夜回購利率在2013年6月20日達到30%，央行隨即通過發布公告和央行官員公開講話的形式傳遞其貨幣政策意圖，消除市場有關“短期流動性緊張”的擔憂，成功平抑了貨幣市場的異動。

央行溝通工具是否有效取決于央行承諾可信度、政策透明度、金融市場有效程度等諸多因素。我國央行政策透明度和可信度較低，同時我國利率市場化改革仍在深入當中，金融市場的深度、廣度和有效性仍然不足，因此，我國央行溝通的整體政策效應與發達國家還存在相當差距。本文擬通過考察我國央行溝通對貨幣市場和國債市場的影響效應，并比較這一政策工具在不同市場、不同期限資產價格的作用差異，從而為更好地應用這一政策工具提供理論和經驗支撐。

二、文獻綜述

央行溝通主要通過信號渠道(signal channel)和協調渠道(coordinated channel)影響金融市場。Mussa最早提出信號渠道，認為經濟主體會將央行溝通視為一種信號，中央銀行通過釋放這種信號向經濟主體傳遞未來宏觀經濟走勢、貨幣政策取向等信息，理性預期的經濟主體基于這一信號更新信息集，形成對金融資產價格的新的預期，導致金融資產價格變動[2]。協調渠道的提出則建立在金融市場微觀結構理論基礎上，認為經濟主體由于信息獲取能力、認知能力等方面的差異，會形成異質性的預期。央行通過對經濟主體進行信息溝通，傳遞其政策目標、偏好等信息，為公眾提供信息“聚焦”，促使公眾對央行政策的預測更接近央行的真實意圖，降低預期和信息的異質性，達到所謂“降低噪聲”的目標，減少金融市場的波動性。

學者們的研究發現，由于央行溝通一般是闡述未來的貨幣政策立場和宏觀經濟走勢，因此，央行溝通會作用于貨幣和債券市場，對一國的利率期限結構產生差異化的作用。Guthrie和Wright發現央行溝通對各個期限的債券收益率都有顯著且持續的影響，其效果甚至優于公開市場操作[3]。Connolly和Kohler發現，澳大利亞、加拿大、新西蘭和美國的央行通過貨幣政策報告對利率期貨價格的影響較為顯著[4]。Ehrmann 和Fratzscher發現央行貨幣政策委員會成員的口頭溝通影響了不同期限債券的收益率，并使銀行間同業拆借利率朝央行預期方向變動[5]。馬理等采用Shibor日度數據，發現央行的溝通會對短期貨幣市場產生影響，并且書面溝通效應更大[6]。冀志斌等發現央行溝通對股票市場和銀行間同業拆借市場都會產生一定程度的影響[7]。張強等研究發現，央行溝通對短期利率有顯著的影響，對中長期利率的影響不顯著。同時，緊縮性和寬松性的央行溝通在作用效應上存在非對稱性[8]。

由于金融穩定一般也是央行貨幣政策目標之一，因此，央行溝通也會被央行用于穩定金融市場，特別是股票市場。Born等研究發現金融穩定報告對股票收益率具有顯著且持續的影響，并能降低市場波動性[9]。Stephanos 等采用40個國家從1998年到2005年的股票數據和央行溝通數據，表明央行溝通能夠降低股票市場的波動性[10]。張強和胡榮尚建立SVAR模型，發現央行溝通對股票市場產生一定的影響，但是效果并不明顯[11]。李云峰等研究分析了金融穩定溝通對股票市場的影響。分析發現，大多數金融穩定溝通都能引導股票市場朝著貨幣當局合意的方向變化，但是在降低股市噪音方面，效果卻差強人意[12]。

在針對我國央行溝通的研究中，學者們多采用月度、甚至是季度的數據進行研究，而未采用更高頻的日度數據進行研究。而實際上，根據金融市場有效性的理論，央行溝通產生的信息，應迅速反映到資產價格當中，日度數據才能準確反映這種影響。并且，如果考慮央行溝通的方向性，應用月度、季度數據可能導致多次溝通的效應相互抵消，無法考察央行溝通的作用。因此，應用高頻數據考察更為合理。另外，國內學者在考察央行溝通對資產價格影響時，普遍未考慮影響資產價格的其他“消息類”因素，如宏觀消息發布、貨幣政策操作等導致的市場未預期的“意外”等因素。在回歸模型中忽略這些因素，無法準確度量央行溝通對資產價格的影響。

基于上述考慮，本文構建央行溝通對資產價格影響的回歸模型，并在模型中將宏觀經濟信息宣告和貨幣政策操作導致的“意外”作為控制變量，然后基于EGARCH模型，同時考察央行溝通對貨幣和債券市場資產收益率的水平值及波動性的影響。

三、央行溝通對金融市場的影響研究

根據前文所述，央行溝通包含未來貨幣政策方向、宏觀經濟狀況等前瞻性指引，因此，央行溝通可基于信號渠道影響資產收益率。同時，央行溝通也可基于協調渠道，降低市場噪聲，降低收益率的波動性，因此，有必要構建模型同時考察央行溝通對資產收益率水平值和波動性的影響。進一步考慮到日度的金融市場收益率可能存在顯著的異方差性，本文擬采用GARCH模型，同時考察央行溝通對收益率的水平值及波動性的影響。

首先，建立均值模型如下：

rt=α+λrt-1+βCommt+θ1S_cpit+θ2S_gdpt+θ3S_mt+εt

(1)

其中，rt表示t時刻的金融資產收益率；α為常數項；Commt表示t時刻的央行溝通行為；S_cpit表示t時刻發生的源自通貨膨脹數據發布而導致的意外，S_gdpt表示t時刻發生的源自GDP數據發布導致的意外；S_mt表示的是源自貨幣政策操作導致的貨幣政策意外；εt為誤差項，表示影響收益率變動的其他擾動因素。λ、β、θ1、θ2、θ3為相應的系數。

根據金融市場有效性理論和經濟人的理性預期假設，資產價格將充分反映市場中經濟人可獲得信息，因此，一旦市場中出現未預期的“消息”(news)或“意外”(surprise)，經濟人將調整其信息集形成新的預期，并導致資產價格變動。而金融市場對宏觀經濟信息發布(特別是代表宏觀經濟整體走勢的GDP和代表通脹水平的CPI發布)和貨幣政策操作導致的未預期消息或意外非常關注。因此，本文在回歸模型中加入S_cpit和S_gdpt，即假定統計局實際發布GDP和CPI數據后，實際值超出市場預期的部分為未預期到的宏觀經濟信息“意外”。類似的，央行的貨幣政策操作如果超出市場預期，引發的“貨幣政策意外”也會對市場產生影響。因此，在方程(1)中加入S_mt作為控制變量。目前，我國常用的貨幣政策工具主要有公開市場業務、存款準備金、利率政策等，由于我國央行公開市場操作較為頻繁，市場預期反應較弱，因此，本文僅考察利率政策和存款準備金這兩個貨幣政策操作產生的影響。

其次，我們對央行溝通進行虛擬變量賦值，以檢驗央行溝通對資產價格波動性的影響。假設式(1)中的誤差項在t-1時刻服從均值為0，方差為ht的正態分布，則方差方程的表達式如下：

(2)

在方差方程中，CDt表示t時刻是否存在央行溝通行為，當有溝通行為發生時取值為1，否則取0。對CDt進行虛擬變量賦值，是由于央行溝通作為市場中的新“消息”，主要判斷“消息”是增加還是降低了金融資產波動性，因此，不對“消息”本身進行方向性區別。同理，XDt表示t時刻是否存在宏觀經濟信息發布行為導致意外產生，MDt表示t時刻是否存在貨幣政策操作導致意外產生，有相應“意外”產生時，XDt和MDt取值為1，否則取值為0。

由于本文擬考察央行溝通對貨幣市場和國債市場日度收益率影響，而中國銀行業同業拆放市場是從2007年1月4日開始正式運行，因此，本文的考察區間為2007年 1月4日到2015年12月31日。

(1)央行溝通數據來源及賦值

本文用Commt表示央行溝通，按溝通形式分為口頭溝通(Comm_ot)和書面溝通(Comm_wt)。Comm_ot表示口頭溝通，即央行官員關于貨幣政策和宏觀經濟前景的講話和采訪等；考慮到央行前行長周小川的權威性和代表性，本文將周小川的演講、新聞采訪等確定為口頭溝通事件，通過百度搜索引擎，輸入“周小川”+“貨幣政策”、“利率”、“存款準備金率”、“通貨膨脹”或 “經濟增長”等關鍵詞，確定相關口頭溝通事件、時間及內容。如同一事件被媒體反復報道，則將首次報道的日期作為口頭溝通的發生日期。Comm_wt表示書面溝通，包括每季度的貨幣政策執行報告、中央銀行公告、貨幣政策委員會例會會議記錄等書面溝通，來源于央行網站。

根據中央銀行溝通所表達的貨幣政策傾向，我們可以將溝通方向分為緊縮的、中性的和寬松的3種類型并賦值。將寬松傾向的溝通賦值為-1，緊縮傾向的溝通賦值為1，中性賦值為0。為了降低溝通賦值過程中的主觀性，本文采用Holsti所述的文本分析方法[13]。首先，多位作者分別對央行溝通的內容進行檢索和篩選，然后進行相互校對，如果結論一致，則分類有效；否則，根據溝通事件隨后的相關報道，再次判斷；如果意見仍難以統一，則直接剔除這條信息。有些溝通發生在金融市場非交易日，在這種情況下，我們選擇距離溝通時間最近的下一個交易日進行賦值處理。對未發生溝通的日期，直接賦值為0。

基于以上央行溝通的數據獲取和賦值方法，本文整理統計了從2007年1月4日到2015年12月31日期間內的央行書面和口頭溝通，如表1所示。

注：括號中的值為次數占比。

(2)貨幣及債券市場收益率

本文選取1個月、3個月、6個月、9個月和1年的上海銀行間同業拆放利率(簡稱“Shibor”)代表貨幣市場利率，分別用Shibor_1m、Shibor_3m、Shibor_6m、Shibor_9m和Shibor_1y表示。Shibor數據來自上海銀行間同業拆放利率網站公布的數據。

由于我國公司債市場尚不發達，因此，本文選取國債市場來代表債券市場，具體選取1年、2 年、3年、5 年和10 年的國債收益率代表長期收益率，分別用Bond_1y、Bond_2y、Bond_3y、Bond_5y和Bond_10y表示。國債收益率數據來源于中國債券網。

(3)宏觀經濟信息發布導致的“意外”

本文參考Ehrmann和Fratzscher等學者關于宏觀經濟信息發布導致的“意外”的定義與度量[14]，對方程(1)中的S_X(S_cpi或S_gdp)進行如下賦值：

(3)

其中，AX,t為變量X(CPI或GDP)在t時刻的實際發布值，即國家統計局具體發布的數據；EX,t為變量X在t時刻的市場預期值，本文采用北京大學中國宏觀經濟研究中心發布的朗潤預測數據，朗潤預測為定期發布的下一季度預測數據，在朗潤預測值發布后，即將該預測值作為下一季度每日市場預期值。σX為變量X實際發布值與市場預期值之差的標準差。

(4)貨幣政策操作導致的“意外”

本文借鑒國外學者Reid以及國內學者熊海芳、王志強的方法，使用銀行間同業拆借利率的變化作為貨幣政策意外的代理變量，即用貨幣政策操作前后1個交易日的利率變化表示貨幣政策意外[15-16]，計算方法如下：

S_mt=Rt+1-Rt-1

(4)

其中，S_mt為t期的貨幣政策意外；Rt+1和Rt-1分別為t+1期和t-1的同業拆借7日平均利率。選擇這一利率指標，因為其受貨幣政策操作的影響較為明顯，通過以上方法得到的貨幣政策意外在發生貨幣政策操作時有取值，其他時間則賦值為0。

為避免出現偽回歸情況，首先對金融市場收益率進行ADF單位根檢驗，判斷其平穩性，結果見表2。結果表明，本文所考察的收益率數據是I(1)過程，一階差分后是平穩的。因此，本文將所有的收益率進行一階差分處理， 1個月、3個月、6個月、9個月和1年期銀行間同業拆借利率用D_M_1m、D_M_3m、D_M_6m、D_M_9m和D_M_1y表示；差分后的1年期、2年期、3年期、5年期和10年期國債收益率分別用D_B_1y、D_B_2y、D_B_3y、D_B_5y和D_B_10y表示。表3為上述收益率差分后的描述性統計。

如表3所示，差分后的收益率數據呈現出有偏、尖峰、厚尾的特征，因此，選擇EGARCH模型刻畫上述數據的水平值及波動性變化較為合適。

對方程(1)和方程(2)進行估計，結果如表4所示。

注：***表示在1%的顯著性水平上不能拒絕含有單位根的原假設；**表示在5%的顯著性水平下拒絕含有單位根的原假設。

從表4的均值方程回歸結果可以看出，貨幣政策操作導致的意外對貨幣市場所有期限的收益率和債券市場中3年期、10年期國債收益率都存在顯著影響。而CPI和GDP數據宣告導致的意外，對不同期限的資產收益率也存在一定的影響。因此，有必要在回歸方程中控制宏觀經濟信息發布和貨幣政策操作導致的意外對資產收益率的影響。

對于貨幣市場，除期限為1個月的Shibor央行溝通系數為負且不顯著外，其他各期Shibor央行溝通系數均為正值，且顯著性較高，并且寬松指向的央行溝通導致銀行間同業拆借利率的下降，而緊縮指向的溝通導致銀行間同業拆借利率的上升。

注：括號中的值是Z統計量，***、**、*分別表示在1%、5%、10%的水平上顯著。

在債券市場中，除了期限為2年的國債收益率外，央行溝通對其他各期收益率的影響均非常顯著。同時央行溝通變量系數均為正，表明央行溝通對債券收益率的作用方向也是符合央行預期的，寬松傾向的央行溝通導致國債收益率的下降，而具有緊縮傾向的央行溝通導致國債收益率的上升。

表4方差方程結果顯示，對于貨幣市場，9個月和1年期的Shibor方程的央行溝通系數顯著為負，表明央行溝通降低了對應期限利率的波動性；而對于1個月、3個月、6個月和1年的Shibor方程的央行溝通系數顯著為正，表明央行溝通加劇了對應期限利率的波動性。債券市場中，各個期限方程的央行溝通系數均為正，且在1%的顯著性水平上顯著，表明央行溝通加劇了對應期限國債收益率的波動性。

綜合均值方程和方差方程的結論，可以發現我國央行溝通主要基于信號渠道而不是協調渠道作用于金融市場收益率的。

在央行溝通對金融市場總體影響論證結束后，本文將央行溝通變量按照溝通方式分解為書面溝通和口頭溝通，即在均值方程中，將Commt分為口頭溝通變量(Comm_ot)和書面溝通(Comm_wt)，按照寬松或緊縮的政策指向進行方向性賦值，而在方差中，將CDt也按照溝通方式區別為CD_ot和CD_wt劃分，按是否存在口頭溝通或存在書面溝通，采用虛擬變量1和0的形式進行賦值。即將方程(1)和(2)寫作方程(5)和(6)，如下所示。

rt=α+λrt-1+β1Comm_wt+β2Comm_ot+θ1S_cpit+θ2S_gdpt+θ3S_mt+εt

(5)

(6)

方程(5)和(6)中其余變量的含義及賦值同方程(1)和(2)中一致。對口頭溝通和書面溝通分別回歸后的結果如表5所示。

書面溝通中對3個月、6個月、9個月和1年期的貨幣市場收益率變動影響顯著為正，對1年期、2年期國債收益率變動影響顯著為正。而口頭溝通對3個月、6個月、9個月、1年期的貨幣市場收益率影響顯著為正，對3年期、5年期和10年期國債收益率變動的影響顯著為正。比較兩種溝通形式的作用效應，可以發現口頭溝通的作用效應更大、更顯著。上述結果可能是由于口頭溝通具有及時、靈活的特點，能通過當今社會發達的媒體通信快速傳播、解讀，更容易被市場參與者接受。而我國的書面溝通經常會用“有望繼續保持平穩較快發展的基本態勢”等較為含混的語義表述，可能起不到有效引導經濟主體對市場形成合理預期的作用。

注：括號中的值是Z統計量，***、**、*分別表示在1%、5%、10%的水平上顯著。

其次，從方差方程來看，對于貨幣市場和國債市場，書面溝通的影響主要為負，即降低了收益率的波動性，口頭溝通的系數為正，即加劇了收益率的波動性。這表明，我國央行溝通中的書面溝通會基于協調渠道發揮效用，會降低交易者的異質性預期，使其形成異質性預期；而口頭溝通可能主要基于信號渠道而不是協調渠道來發揮效用的，口頭溝通導致市場中的信息增加，會進一步放大交易者的異質性預期，從而導致差異化的交易策略，增加市場波動性。

四、結　論

本文應用GARCH模型，在控制了宏觀經濟信息宣告和貨幣政策操作導致的“意外”對金融市場收益率影響之后，考察了央行溝通對我國不同期限的貨幣市場和國債市場日度收益率的水平值及波動性的影響，以判斷我國金融市場是否響應央行溝通。

實證結果表明，央行溝通會對貨幣和債券市場收益率產生合意的影響，即寬松政策指向的溝通導致利率下降，緊縮政策指向的溝通導致利率上升。在對波動性的影響方面，央行溝通主要表現為放大了貨幣和債券市場的波動性。將央行溝通劃分為口頭溝通和書面溝通的進一步研究表明，書面溝通和口頭溝通對收益率的影響方向都符合理論預期。在貨幣市場中，口頭溝通的作用效應更大，而在債券市場中，書面溝通的作用效應更大。并且，書面溝通降低了貨幣市場和國債市場利率的波動性，而口頭溝通主要表現為增加了貨幣市場和債券市場的波動性。

本文的結論表明我國金融市場的確響應了央行溝通，并且央行溝通主要基于信號渠道而不是協調渠道起作用的，這意味著央行可通過加強貨幣政策透明度、在溝通時清楚明晰地表達其政策意圖和對宏觀經濟形勢的看法來加強央行溝通的政策效力。