2018年-IMF国际货币组织全球_Monetary_Policy_and_Models_of_Currency_Demand_55页_3mb

报告摘要

总结：货币流通模型与货币政策

核心内容

本文探讨了货币流通（Currency in Circulation, CIC）的模型构建与预测方法，重点分析了不同国家在货币政策冲击下的货币流通反应，并提出应结合第一代和第二代货币流通模型以提高中央银行的流动性管理能力。作者指出，货币流通的长期决定因素与短期决定因素存在显著差异，同时强调了季节性因素和日历效应对货币流通的影响。

主要观点

货币流通模型的分类：
- 第一代模型：基于货币需求理论，使用低频数据（如月度或季度）进行建模。
- 第二代模型：基于高频率（每日）数据，旨在提供每日货币流通预测，用于流动性管理和货币政策操作。
货币流通的决定因素：
- 短期因素：包括周末、工资发放日、节假日等季节性因素。
- 长期因素：如经济活动、通货膨胀、利率、金融危机、支付系统创新以及汇率等。
货币政策冲击对货币流通的影响：
- 在巴西、哈萨克斯坦、摩洛哥、新西兰和苏丹等国，货币流通对利率变化的反应存在显著差异。
- 利率下降通常会增加货币流通需求，但这种关系在不同国家的表现不同。
模型的结合应用：
- 作者建议中央银行应同时运行第一代和第二代模型，以提高流动性预测的准确性。
- 第一代模型适用于理解货币流通的长期决定因素，而第二代模型则用于短期预测和操作。
货币流通的预测方法：
- VAR模型：用于捕捉利率与货币流通之间的动态关系。
- ARIMA模型：用于每日货币流通的预测，结合季节性调整和随机成分。
特殊因素的影响：
- 货币替代：由于政治不稳定、通货膨胀预期或汇率波动，货币流通可能受到外汇货币的影响。
- 日历效应：不同国家因宗教或文化因素可能表现出独特的货币流通季节性，如斋月（Eid Al-Adha和Eid Al-Fitr）和圣诞节。
流动性管理的重要性：
- 中央银行需要利用每日数据进行流动性监控和操作，特别是在进行公开市场操作（OMO）时。
- 长期预测仍需依赖低频模型，因为每日模型可能无法准确预测数周或数月后的趋势。

关键信息

VAR模型：用于建模货币流通与利率之间的动态关系，包含GDP、通货膨胀、利率和货币流通等变量。
ARIMA模型：用于每日货币流通预测，考虑季节性和随机性因素，通过引入虚拟变量进行调整。
流动性影响因素：
- 国内因素：包括经济活动、通货膨胀、利率、支付系统发展、政府预算管理等。
- 国际因素：如货币替代、汇率波动、金融危机等。
日历效应：
- 包括周末效应、节假日效应（如圣诞节和新年）。
- 在非格里高利历国家，宗教节日（如伊斯兰教斋月）也会影响货币流通。
模型应用案例：
- 巴西、哈萨克斯坦、摩洛哥、新西兰和苏丹的货币流通模型被用于实证分析。
- 欧洲央行（ECB）和英国央行（BoE）均采用结构时间序列（STS）模型进行预测。
- 捷克共和国的中央银行（CNB）使用ARIMA和神经网络模型，其预测效果优于专家判断。