2015年-BIS国际清算银行_Phases_of_global_liquidity_fundamentals_news_and_the_design_of_macroprudential_policy_34页_634kb

报告摘要

详细总结：全球流动性阶段、基本面新闻与宏观审慎政策设计

核心内容

本文由Javier Bianchi和Enrique G. Mendoza撰写，探讨了全球流动性阶段、基本面新闻对金融周期的影响，以及这些因素如何影响宏观审慎政策的设计与有效性。研究基于一个非线性的定量模型，将“基本面新闻冲击”和“全球流动性阶段转换”引入其中，以更好地理解金融危机的动态机制，并评估宏观审慎政策在不同情境下的效果。

主要观点

金融市场的非线性与宏观审慎政策的挑战
金融市场的高波动性源于非线性、内生的放大机制，这使得宏观审慎政策的制定和实施变得复杂。本文旨在通过引入新的冲击类型来完善模型，从而更准确地反映现实中的金融周期特征。
基本面新闻冲击与全球流动性阶段
- 基本面新闻冲击是指关于未来经济基本面的不完全、但具有信息价值的信号。这些信号影响私人部门对未来收入的预期，从而改变借贷行为和资本流动的波动性。
- 全球流动性阶段转换通过世界实际利率的变化来体现，分为高流动性（$R^l$）和低流动性（$R^h$）两种状态，分别对应利率的下降和上升。
宏观审慎政策的作用机制
- 宏观审慎政策被设计为一种基于状态的债务税，以使私人部门的行为与社会最优配置一致。
- 政策的有效性取决于全球流动性阶段和基本面新闻的精度，政策需要根据这些状态进行调整以实现最佳效果。
政策效果的非线性特征
- 当基本面新闻精度较低时，宏观审慎政策的效果更明显；但随着新闻精度提高，政策效果反而减弱，因为经济在面对高精度新闻时更不容易陷入危机。
- 在高流动性阶段，由于借贷成本较低，私人部门更容易积累债务，因此宏观审慎政策在这些阶段尤为重要。

关键信息

模型设定

模型基于两个部门（可贸易和不可贸易）的结构，借鉴了Mendoza（2002）和Durdu等（2009）的研究，并进一步扩展以纳入宏观审慎政策。
家庭在可贸易和不可贸易商品之间进行消费选择，其效用函数为标准的跨期效用函数。
模型引入了“信用约束”机制，即家庭的债务不能超过其收入的某个比例（$\kappa$）。

基本面新闻冲击

新闻冲击是关于未来可贸易收入的噪声信号，其精度由参数$\theta$决定。
当$\theta = 1/3$时，信号完全无信息；当$\theta = 1$时，信号完美预测未来收入；本文采用$\theta = 2/3$作为基准设定。
新闻冲击影响私人部门的借贷决策和对未来借贷能力的预期，从而影响资本流动的波动性。

全球流动性阶段

全球流动性阶段通过世界实际利率（$R_t$）的变化来体现，分为高（$R^l$）和低（$R^h$）流动性阶段。
利率的阶段转换由马尔可夫过程描述，其中$R^h = 1.0145$，$R^l = 0.9672$，且全样本平均利率为0.76%。
长期概率和持续时间分别为$\Pi^h = 0.9833$，$\Pi^l = 0.9$，以及$F_{hh} = 0.9833$，$F_{ll} = 0.9$。

宏观审慎政策的最优设计

最优宏观审慎政策表现为一种基于状态的债务税，以使私人部门的借贷行为与社会最优配置一致。
该政策通过调整债务成本，使私人部门面临与社会最优一致的借贷边际成本。
政策的最优税率$\tau_t$由以下公式确定（当信用约束不绑定时）：
$$
\tau_t = \frac{\mathbb{E}t[\mu{t+1} \psi_{t+1}]}{\mathbb{E}_t[u_T(t+1)]}
$$
其中$\mu_t$和$\psi_t$分别代表信用约束和非贸易商品价格对借贷能力的影响。

政策效果的非线性

宏观审慎政策在降低金融危机发生概率和严重程度方面是有效的。
但在高精度新闻或高流动性阶段，政策效果可能减弱，因为经济在这些情况下更稳定，危机发生的可能性降低。
当危机发生时，早期的债务税对缓解危机的严重性作用有限。

模型与工具

模型使用了递归方法和时间迭代法进行求解，并结合了非线性求解工具。
作者提供了一个Matlab工具包，用于求解Fisherian模型并评估宏观审慎政策的效果。
工具包允许对不同政策规则进行比较，以找到最优的宏观审慎政策。

数据与参数校准

模型参数基于阿根廷的经济数据进行校准，包括消费结构、净外债占GDP比值和金融危机频率。
参数包括：$\gamma = 2$（相对风险规避系数）、$\eta = 0.205$（消费替代弹性）、$\beta = 0.91$（贴现因子）、$\omega = 0.31$（消费组合权重）、$\kappa = 0.32$（信用约束比例）。
可贸易收入的马尔可夫过程采用Tauchen-Hussey算法进行校准，匹配阿根廷1965-2007年的数据。