周德才，張 慧，江 云，何宜慶

(南昌大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 南昌300031)

一、引言和文獻(xiàn)綜述

自從1997年我國建立銀行間債券市場(chǎng)以來，我國債券市場(chǎng)開始進(jìn)入迅速增長和全面發(fā)展的階段[1]。根據(jù)中國人民銀行網(wǎng)站公布的最新數(shù)據(jù)顯示，截至2014年12月底，我國全年債券發(fā)行量累計(jì)達(dá)10.98萬億元，債券余額高達(dá)35.32萬元，與同期我國股市總市值37.25萬億元基本相當(dāng)。這說明我國債券市場(chǎng)經(jīng)過10多年的發(fā)展，已經(jīng)發(fā)展到可以與股票市場(chǎng)相匹敵的地位，在證券市場(chǎng)中占據(jù)重要地位，成為我國居民進(jìn)行金融資產(chǎn)投資的重要對(duì)象。因此，對(duì)金融市場(chǎng)財(cái)富效應(yīng)的研究，不能主要集中于股市的研究，債市也應(yīng)該成為重點(diǎn)研究對(duì)象。

自美國經(jīng)濟(jì)學(xué)家Modigliani(1954)最早于20世紀(jì)50年代提出金融市場(chǎng)財(cái)富效應(yīng)問題后，國內(nèi)外學(xué)者對(duì)此進(jìn)行了大量的研究，產(chǎn)生了大量的理論和實(shí)證文獻(xiàn)。但債券市場(chǎng)財(cái)富效應(yīng)研究文獻(xiàn)不多，從已有文獻(xiàn)的研究方法來看，研究可分為靜態(tài)和動(dòng)態(tài)財(cái)富效應(yīng)實(shí)證分析兩個(gè)方面，學(xué)者們的主要研究結(jié)論總體上可分為債券市場(chǎng)具有正向、負(fù)向和不具財(cái)富效應(yīng)。

第一，國內(nèi)外債券市場(chǎng)的靜態(tài)財(cái)富效應(yīng)理論和實(shí)證研究。早期國內(nèi)外學(xué)者們主要使用OLS、VAR模型等固定系數(shù)模型對(duì)一些主要國家債券市場(chǎng)的靜態(tài)財(cái)富效應(yīng)進(jìn)行了實(shí)證分析，目前仍然是主要的研究方法，但結(jié)論存在一些差異。很多國內(nèi)外學(xué)者通過實(shí)證分析發(fā)現(xiàn)，債券市場(chǎng)對(duì)一個(gè)國家的居民家庭消費(fèi)、國民經(jīng)濟(jì)增長等宏觀經(jīng)濟(jì)變量具有顯著的促進(jìn)作用。一些學(xué)者研究發(fā)現(xiàn)，國債、可轉(zhuǎn)債等債券市場(chǎng)對(duì)居民消費(fèi)具有顯著的靜態(tài)財(cái)富效應(yīng)[2-9]；也有一些學(xué)者分析發(fā)現(xiàn)，債券對(duì)經(jīng)濟(jì)增長具有顯著的促進(jìn)作用[10-12]。但也有少量學(xué)者持不同觀點(diǎn)，認(rèn)為債券市場(chǎng)財(cái)富效應(yīng)不顯著或者為負(fù)[13-16]。

第二，國內(nèi)外債券市場(chǎng)的動(dòng)態(tài)財(cái)富效應(yīng)理論和實(shí)證分析。近年來，在動(dòng)態(tài)財(cái)富效應(yīng)方面，只有少量學(xué)者對(duì)此進(jìn)行了研究，已有文獻(xiàn)也基本上是采用狀態(tài)空間模型。一些學(xué)者通過實(shí)證分析發(fā)現(xiàn)，債券市場(chǎng)具有積極動(dòng)態(tài)財(cái)富效應(yīng)[17-22]，但也有極個(gè)別學(xué)者持相反觀點(diǎn)[23]。

總之，從已有文獻(xiàn)來看，國內(nèi)外學(xué)者主要把焦點(diǎn)集中于股市、房市等財(cái)富效應(yīng)的研究，而債券市場(chǎng)的研究則相對(duì)較少。就債券市場(chǎng)財(cái)富效應(yīng)研究來看，國內(nèi)外學(xué)者主要集中于國債、可轉(zhuǎn)債等單個(gè)債券品種財(cái)富效應(yīng)的研究，還缺少對(duì)我國整個(gè)債券市場(chǎng)的財(cái)富效應(yīng)的分析；在研究方法上，國內(nèi)外學(xué)者主要使用了協(xié)整、VAR等常系數(shù)模型分析債券市場(chǎng)的靜態(tài)財(cái)富效應(yīng)，而較少使用時(shí)變系數(shù)模型分析其時(shí)變財(cái)富效應(yīng)。鑒于此，本文在現(xiàn)有研究的基礎(chǔ)上作了一些推進(jìn)：第一，采用了TVP-SVVAR模型，將目前對(duì)我國債券市場(chǎng)財(cái)富效應(yīng)分析從靜態(tài)分析或者簡(jiǎn)單動(dòng)態(tài)分析向前推進(jìn)到立體時(shí)變分析，以便反映我國債券市場(chǎng)和居民消費(fèi)在進(jìn)入“新常態(tài)”過程中呈現(xiàn)的多動(dòng)態(tài)結(jié)構(gòu)變化特征。第二，選擇了能夠反映我國包括交易所和銀行間債券市場(chǎng)在內(nèi)的全部債券市場(chǎng)的樣本指標(biāo)，實(shí)證分析我國債券市場(chǎng)的財(cái)富效應(yīng)。現(xiàn)有文獻(xiàn)對(duì)我國債券市場(chǎng)財(cái)富的研究一般局限于單個(gè)債券品種，如國債等，較缺乏研究我國整個(gè)債券市場(chǎng)財(cái)富效應(yīng)的文獻(xiàn)。第三，使用了月度的樣本數(shù)據(jù)，使得樣本信息含量更豐富。目前幾乎所有的關(guān)于我國債券市場(chǎng)財(cái)富效應(yīng)的文獻(xiàn)選擇的都是季度和年度數(shù)據(jù)，樣本量較少，分析的精準(zhǔn)度有待提高。

二、TVP-SV-VAR模型簡(jiǎn)介

為了解決Cogley[24]3-7等人提出的TVP-VAR模型及Sims等[25]人提出的SV-VAR模型各自的局限性，Primicerri在前人研究的基礎(chǔ)上提出了著名的TVP-SV-VAR模型，同時(shí)實(shí)現(xiàn)了VAR系列模型的固定系數(shù)的時(shí)變性以及不變協(xié)方差的隨機(jī)性[26]4-7。模型簡(jiǎn)單介紹如下：

（一）TVP-SV-VAR模型的量測(cè)方程

其中，yt是n×1的向量，n是被解釋變量的個(gè)數(shù)；Xt是由解釋變量組成的維度為n×k矩陣，包含所有被解釋變量的滯后值以及截距項(xiàng)，其總共的數(shù)目為k。Bt是k×1的無法觀察的狀態(tài)向量，表示VAR模型的時(shí)變系數(shù)；εt是相互獨(dú)立的隨機(jī)變量，而且服從正態(tài)分布N（0,H），并假定其中,At是所有主對(duì)角線上的元素全部為1的三角矩陣,∑t是對(duì)主角線上的全部元素表示為σi,t的對(duì)角矩陣，σi,t是參數(shù)Bt的標(biāo)準(zhǔn)差。

（二）TVP-SV-VAR模型的狀態(tài)方程

設(shè)At中的全部非限定的元素按照行的順序組成一個(gè)列向量αt，設(shè)hi,t=ln(σi,t)。則TVP-SVVAR模型的狀態(tài)方程設(shè)定如下：

其中，第一方程是估計(jì)不可觀察向量Bt的狀態(tài)方程，即VAR模型的系數(shù)項(xiàng)，其中νt是干擾項(xiàng)，且νt～N(0,Qt)；第二個(gè)方程是估計(jì)不可觀察向量αt的狀態(tài)方程，即VAR模型的同期關(guān)系項(xiàng)，其中?t是干擾項(xiàng)，且?t～N(0,St)；第三個(gè)方程是估計(jì)不可觀察向量ht的狀態(tài)方程，即VAR模型的對(duì)數(shù)波動(dòng)項(xiàng)，其中ξ是干擾項(xiàng)，且ξ～N(0,Wt)；εt、νt、?t、ξt都是相互獨(dú)立的隨機(jī)變量，且都服從正態(tài)分布的誤差項(xiàng)①在這里需要運(yùn)用基于MCMC方法的Bayesian估計(jì)算法對(duì)模型進(jìn)行參數(shù)估計(jì)，由于篇幅限制，此處不再具體敘述，詳細(xì)內(nèi)容參考羅毅丹(2010)[27]。。

三、數(shù)據(jù)處理及模型設(shè)定

（一）數(shù)據(jù)說明

本文在經(jīng)全面考慮權(quán)衡的基礎(chǔ)上，選擇以下三個(gè)金融和經(jīng)濟(jì)指標(biāo)作為向量自回歸模型(VAR)的內(nèi)生變量，分別是全國城鎮(zhèn)居民家庭人均消費(fèi)(以下簡(jiǎn)稱居民消費(fèi)，簡(jiǎn)記為C)、城鎮(zhèn)居民家庭人均可支配收入(以下簡(jiǎn)稱居民收入，簡(jiǎn)記為Y)和中證全債指數(shù)（以下簡(jiǎn)稱債券指數(shù)，簡(jiǎn)記為B）；我們選擇中證全債指數(shù)來表征債券市場(chǎng)，是因?yàn)樗侵凶C指數(shù)公司編制的綜合反映滬深交易所和銀行間債券市場(chǎng)的兩個(gè)市場(chǎng)的債券指數(shù)。在國內(nèi)外的現(xiàn)有相關(guān)文獻(xiàn)中，大多采用季度或年度數(shù)據(jù)，但是由于目前我國可得的季度數(shù)據(jù)樣本較短，使用季度數(shù)據(jù)將使得樣本數(shù)據(jù)不能較好滿足具有高維度的狀態(tài)空間模型的參數(shù)估計(jì)，因此本文采用月度數(shù)據(jù)。本文所有數(shù)據(jù)來自中經(jīng)網(wǎng)數(shù)據(jù)庫和中國債券網(wǎng)，樣本區(qū)間選定為2003年1月至2014年9月。由于2003年1月至2006年12月我國才有居民收入(Y)、居民消費(fèi)(C)的月度數(shù)據(jù)，其余時(shí)間均為季度數(shù)據(jù)，因此本文以我國人均社會(huì)消費(fèi)品零售總額為權(quán)重，將其中的季度數(shù)據(jù)分解成月度數(shù)據(jù)；由于所采集的數(shù)據(jù)為現(xiàn)值，本文用定基比消費(fèi)者價(jià)格指數(shù)來進(jìn)行調(diào)整以剔除物價(jià)因素；居民消費(fèi)和居民收入呈現(xiàn)明顯的季節(jié)性，采用X12方法進(jìn)行季節(jié)調(diào)整；由于樣本數(shù)據(jù)的自然對(duì)數(shù)變換不改變?cè)瓉淼暮瘮?shù)關(guān)系，并使其趨勢(shì)能夠線性化，消除時(shí)間序列中存在的異方差現(xiàn)象，我們對(duì)變量進(jìn)行對(duì)數(shù)化處理；本文將經(jīng)過上述數(shù)據(jù)處理后的居民消費(fèi)、居民收入和債券指數(shù)分別簡(jiǎn)記為LC、LY和LB[28-30]。

（二）平穩(wěn)性檢驗(yàn)

在對(duì)TVP-SV-VAR模型的參數(shù)進(jìn)行估計(jì)之前，VAR模型要求對(duì)各個(gè)指標(biāo)的時(shí)間序列是平穩(wěn)的，因此需要對(duì)各個(gè)樣本數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。我們采用ADF檢驗(yàn)和PP檢驗(yàn)兩種單位根的檢驗(yàn)方法對(duì)樣本數(shù)據(jù)時(shí)間序列的平穩(wěn)性進(jìn)行比較檢驗(yàn)，檢驗(yàn)結(jié)果見表1。從表1可知，居民消費(fèi)(LC)和居民收入(LY)的ADF和PP檢驗(yàn)都在1%的水平上拒絕原假設(shè)，這說明它們都在1%的顯著水平上是平穩(wěn)的；債券指數(shù)(LB)在ADF檢驗(yàn)上在5%的顯著水平上拒絕原假設(shè)，在PP檢驗(yàn)上接受原假設(shè)，因此，說明債券指數(shù)(LB)基本上是平穩(wěn)的。

表1 單位根檢驗(yàn)

（三）確定TVP-SV-VAR模型的最優(yōu)滯后階數(shù)

本文基于VAR模型，使用Eviews 8.0軟件的Lag Order Selection Criteria進(jìn)行檢驗(yàn)，來確定TVPSV-VAR模型最優(yōu)滯后階數(shù)。從檢驗(yàn)的具體結(jié)果來看，按照AIC判斷標(biāo)準(zhǔn)，TVP-SV-VAR模型的最優(yōu)滯后階數(shù)是4階，按照SC判斷標(biāo)準(zhǔn)，TVP-SVVAR模型的最優(yōu)滯后階數(shù)是2階?？紤]到滯后階數(shù)太多會(huì)導(dǎo)致模型過度的參數(shù)化，因此本文以SC信息準(zhǔn)則為準(zhǔn)，將TVP-SV-VAR模型滯后階數(shù)確定為2階。

表2 最優(yōu)滯后階數(shù)的檢驗(yàn)

（四）先驗(yàn)概率的選擇

基于MCMC方法進(jìn)行Bayesian估計(jì)時(shí)，我們首先需要根據(jù)自己的先驗(yàn)經(jīng)驗(yàn)對(duì)估計(jì)參數(shù)選擇一些先驗(yàn)概率，選擇TVP-SV-VAR模型的先驗(yàn)概率，體現(xiàn)了各個(gè)學(xué)者根據(jù)自己的實(shí)際經(jīng)驗(yàn)對(duì)需要估計(jì)的模型參數(shù)分布的主觀的概率判斷；我們對(duì)時(shí)變系數(shù)、隨機(jī)方差和協(xié)方差的先驗(yàn)概率設(shè)定，基本上參照Primiceri的做法進(jìn)行[26]8，待估計(jì)的參數(shù)的初始狀態(tài)是相互獨(dú)立的；超級(jí)參數(shù)Q、S和W也一樣假定都相互獨(dú)立，且都服從逆威沙特概率分布(Inverse-Wishart)；時(shí)變參數(shù)B、A和∑的初始值概率p(B0)、p(A0)和p(logσ0)都服從正態(tài)分布[31]。這樣,由于TVP-SV-VAR模型的狀態(tài)方程全部是線性結(jié)構(gòu)的,可知對(duì)于任意時(shí)期的B、A和logσ,Q、S和W的條件先驗(yàn)概率也都服從正態(tài)分布。參照Cogley以及Primiceri[24]10,[26]13的研究,本文利用訓(xùn)練樣本（Training Sample）來估計(jì)先驗(yàn)概率的均值和方差。這樣，本文采用的先驗(yàn)概率的基本設(shè)定，總體上具體總結(jié)如下：

四、實(shí)證分析及結(jié)果分析

根據(jù)樣本數(shù)據(jù)的平穩(wěn)性檢驗(yàn)結(jié)果，居民消費(fèi)(LC)、居民收入(LY)和債券指數(shù)(LB)及居民消費(fèi)變動(dòng)(DLC)、居民收入變動(dòng)(DLY)和債券指數(shù)變動(dòng)(DLB)都是平穩(wěn)數(shù)據(jù)。因此，本文首先使用最小二乘法對(duì)樣本數(shù)據(jù)實(shí)證分析債券市場(chǎng)的長期財(cái)富效應(yīng)，接著使用TVP-SV-VAR模型對(duì)樣本數(shù)據(jù)的一階差分?jǐn)?shù)據(jù)實(shí)證分析了債券市場(chǎng)的短期財(cái)富效應(yīng)。

(一)債券市場(chǎng)的長期財(cái)富效應(yīng)實(shí)證測(cè)度和實(shí)證分析

本文使用Eviews 8.0軟件，對(duì)2003年1月至2014年9月的樣本數(shù)據(jù)，使用最小二乘法，對(duì)我國債券市場(chǎng)的長期財(cái)富效應(yīng)進(jìn)行實(shí)證測(cè)度和實(shí)證分析。由公式5可見，從長期看，我國居民收入(LY)是顯著影響居民消費(fèi)(LC)的主要因素，邊際消費(fèi)傾向達(dá)到0.7747；同時(shí)，債券指數(shù)(LB)對(duì)居民消費(fèi)(LC)有顯著的正向財(cái)富效應(yīng)，影響系數(shù)高達(dá)0.1342。

其中，括號(hào)中的數(shù)字是T統(tǒng)計(jì)量，*表示在1%的顯著水平上顯著。

(二)債券市場(chǎng)的短期立體時(shí)變財(cái)富效應(yīng)實(shí)證測(cè)度和實(shí)證分析

1.樣本數(shù)據(jù)抽樣說明

樣本數(shù)據(jù)的一階差分?jǐn)?shù)據(jù)的時(shí)間范圍是2003年2月至2014年9月，共140個(gè)樣本點(diǎn)，但是在模型的運(yùn)算過程中，需要用9個(gè)月的數(shù)據(jù)作為訓(xùn)練樣本，以此計(jì)算出相關(guān)的先驗(yàn)信息，再由于滯后階數(shù)2階是上文確定的TVP-SV-VAR模型最優(yōu)滯后階數(shù)，失去2個(gè)自由度。因而實(shí)際上模型的最后分析樣本為2004年1月至2014年9月，共129個(gè)樣本。

2.收斂性診斷

為了確保抽樣樣本能夠準(zhǔn)確地反映事后概率分布,首先要確定抽樣過程已經(jīng)達(dá)到了穩(wěn)定的概率分布。因此，對(duì)抽樣的收斂性進(jìn)行檢驗(yàn)是在使用抽樣樣本進(jìn)行估計(jì)和推斷的前提條件和必需的步驟。對(duì)于TVP-SV-VAR模型，抽樣樣本收斂性檢驗(yàn)主要通過抽樣樣本的統(tǒng)計(jì)量進(jìn)行檢驗(yàn)，這些統(tǒng)計(jì)量包括抽樣樣本自相關(guān)系數(shù)、抽樣路徑、后驗(yàn)分布、CD統(tǒng)計(jì)量和IF統(tǒng)計(jì)量等。在已有文獻(xiàn)的實(shí)踐中，收斂性檢驗(yàn)主要從以下兩個(gè)方面展開：

一是抽樣收斂性的圖形檢驗(yàn)。這種檢驗(yàn)是通過將抽樣樣本自相關(guān)系數(shù)、抽樣路徑、后驗(yàn)分布等統(tǒng)計(jì)量畫成圖形來判斷抽樣樣本是否收斂。抽樣樣本自相關(guān)系數(shù)圖形檢驗(yàn)是通過將自相關(guān)系數(shù)畫成圖，考慮其是否隨著抽樣間隔次數(shù)的增加而趨于零；抽樣路徑圖形檢驗(yàn)則是通過將每次抽樣結(jié)果畫出圖形來判斷是否圍繞抽樣樣本均值波動(dòng)；后驗(yàn)分布圖形檢驗(yàn)則是通過抽樣樣本計(jì)算的概率分布圖來判別抽樣樣本是否收斂與后驗(yàn)分布。抽樣收斂性通過圖形檢驗(yàn)的所有結(jié)果具體可見圖1所示。

圖1 第1行是自回歸系數(shù)，第2行是樣本路徑，第3行是后驗(yàn)分布密度

從圖1可以看出，TVP-SV-VAR模型的抽樣樣本自相關(guān)系數(shù)圖表明自相關(guān)系數(shù)穩(wěn)定下降，最后都趨于0，說明抽樣樣本自相關(guān)不明顯；抽樣樣本路徑圖表明抽樣數(shù)據(jù)圍繞抽樣樣本均值附近穩(wěn)定波動(dòng)，說明抽樣樣本沒有明顯的趨勢(shì)；抽樣樣本分布(見圖1的第3行的抽樣樣本的后驗(yàn)分布密度圖)顯示收斂于后驗(yàn)分布，說明本文在實(shí)證分析過程中得到的抽樣樣本是收斂性?？傊?，抽樣樣本的收斂性三種圖形檢驗(yàn)結(jié)果都表明通過預(yù)設(shè)參數(shù)，基于MCMC的Bayesian抽樣樣本是收斂的，獲得了不相關(guān)的有效樣本。

二是抽樣穩(wěn)定性檢驗(yàn)。抽樣穩(wěn)定性的實(shí)證檢驗(yàn)的基本做法就是通過一些統(tǒng)計(jì)量來檢驗(yàn)抽樣結(jié)果是否收斂于后驗(yàn)分布。一般來說，TVP-SVVAR模型抽樣穩(wěn)定性主要通過抽樣樣本的均值、標(biāo)準(zhǔn)差、置信區(qū)間來測(cè)算和檢驗(yàn)CD、IF等統(tǒng)計(jì)量。Geweke收斂診斷值(Convergence Diagnostics)，簡(jiǎn)稱CD統(tǒng)計(jì)量，是主要用來檢測(cè)后驗(yàn)分布是否就是預(yù)模擬得到的馬爾科夫鏈的收斂結(jié)果。因此，判斷的標(biāo)準(zhǔn)就是CD統(tǒng)計(jì)量的值是否落入抽樣結(jié)果的置信區(qū)間內(nèi)，落入就是收斂，否則就是發(fā)散。IF統(tǒng)計(jì)量是無效影響因子(Inefficiency Factors)，是后驗(yàn)樣本均值的方差和不相關(guān)序列樣本均值的方差的比率，表示為得到不相關(guān)樣本所需要抽樣的次數(shù)，因此判斷的標(biāo)準(zhǔn)就是IF值越小表明樣本越有效，二者均為判斷MCMC鏈模擬效果的重要依據(jù)。本文把抽樣穩(wěn)定性檢驗(yàn)的具體結(jié)果放在表3中①模型中的協(xié)方差矩陣Q、S和W分別為21階、3階和3階矩陣，為節(jié)省篇幅，表3中只列出了各矩陣前2個(gè)對(duì)角線元素的后驗(yàn)估計(jì)結(jié)果，其余元素的估計(jì)結(jié)果也均達(dá)到了統(tǒng)計(jì)上的診斷要求。，根據(jù)表3，收斂診斷值(Geweke)，即CD統(tǒng)計(jì)量的值均未超過5%的臨界值1.96，表明收斂于后驗(yàn)分布的零假設(shè)不能被拒絕；無效因子，即IF統(tǒng)計(jì)量的值均小于100，其中最大的為93.15，這表明我們至少可以得到7000/100≈75個(gè)不相關(guān)樣本，表明用上述7 000次抽樣得到的樣本對(duì)于TVP-SVVAR模型的后驗(yàn)推斷是足夠的；因此，抽樣穩(wěn)定性診斷表明TVP-SV-VAR模型的估計(jì)是有效的，可以用于對(duì)變量之間影響動(dòng)態(tài)進(jìn)行進(jìn)一步的考察和分析[32]。

表3 參數(shù)估計(jì)結(jié)果及檢驗(yàn)

3.參數(shù)估計(jì)

根據(jù)前文描述的模型結(jié)構(gòu)和數(shù)據(jù)樣本，本文使用MATLAB 2010,基于MCMC方法的Bayesian估計(jì)算法對(duì)債券市場(chǎng)短期財(cái)富效應(yīng)模型（由居民消費(fèi)變動(dòng)、居民收入變動(dòng)、債券指數(shù)變動(dòng)所組成的三變量TVP-SV-VAR模型）進(jìn)行估計(jì)；根據(jù)前文的結(jié)論，最優(yōu)的滯后階數(shù)由TVP-SV-VAR模型確定為2階。由于運(yùn)算量特別大，本文把有效的重復(fù)抽樣次數(shù)設(shè)為7 000次，需要舍去的預(yù)燒抽樣次數(shù)為有效的重復(fù)抽樣次數(shù)的40%，即為2 800次。由于篇幅限制，這類沒有列出所有方程的參數(shù)估計(jì)結(jié)果，本文只展示了居民消費(fèi)變動(dòng)(DLC)方程的時(shí)變系統(tǒng)圖，對(duì)其他兩個(gè)方程估計(jì)結(jié)果感興趣，可以郵件索取，具體結(jié)果見過圖2(其中CON是常數(shù)項(xiàng))。從圖2可以看出來，居民消費(fèi)變動(dòng)(DLC)與居民可支配收入變動(dòng)(DLY)、債券指數(shù)變動(dòng)(DLB)都存在短期時(shí)變關(guān)系。

圖2 TVP-SV-VAR模型估計(jì)的居民消費(fèi)變動(dòng)方程的時(shí)變系數(shù)圖

(1)居民消費(fèi)變動(dòng)滯后項(xiàng)對(duì)其自身影響效應(yīng)的實(shí)證測(cè)度和實(shí)證分析。1階滯后的居民消費(fèi)變動(dòng)的影響系數(shù)在[-0.0385,0.03629]的區(qū)間波動(dòng)，平均值為-0.0179；2階滯后的影響系數(shù)在[-0.2869,-0.2227]的區(qū)間波動(dòng)，平均值為-0.2504；1階和2階滯后的合計(jì)影響系數(shù)在[-0.3174,-0.2243]的區(qū)間波動(dòng)，合計(jì)平均值為-0.2683。因此，我們可以得出結(jié)論，在短期內(nèi)我國居民消費(fèi)變動(dòng)滯后項(xiàng)對(duì)其自身的影響是時(shí)變的，且總體上是負(fù)向的。這說明我國居民消費(fèi)變動(dòng)會(huì)在短期內(nèi)根據(jù)消費(fèi)慣性效應(yīng)，進(jìn)行一些動(dòng)態(tài)反向調(diào)整，以保持短期消費(fèi)基本不變。

(2)居民消費(fèi)變動(dòng)對(duì)來自居民收入變動(dòng)滯后項(xiàng)的影響效應(yīng)的實(shí)證測(cè)度和實(shí)證分析。1階滯后的居民收入變動(dòng)對(duì)居民消費(fèi)變動(dòng)的影響系數(shù)在[-0.0839,0.0834]的區(qū)間波動(dòng)，平均值為-0.0179；2階滯后的影響系數(shù)在[0.0372,0.1965]的區(qū)間波動(dòng)，平均值為0.1367；1階和2階滯后的合計(jì)影響系數(shù)在[-0.0040,-0.2666]的區(qū)間波動(dòng)，合計(jì)平均值為0.1187。因此，可以得出結(jié)論，在短期內(nèi)我國居民收入變動(dòng)滯后項(xiàng)對(duì)居民消費(fèi)變動(dòng)的影響是時(shí)變的，且總體上是正向的。這說明我國在短期內(nèi)居民消費(fèi)會(huì)根據(jù)居民收入情況進(jìn)行動(dòng)態(tài)調(diào)整，即具有正向的時(shí)變收入效應(yīng)。

(3)債券指數(shù)變動(dòng)滯后項(xiàng)對(duì)居民消費(fèi)變動(dòng)影響的實(shí)證結(jié)果分析。1階滯后的債券指數(shù)變動(dòng)對(duì)居民消費(fèi)變動(dòng)的影響系數(shù)在[0.0975,0.2229]的區(qū)間波動(dòng)，平均值為0.1460；2階滯后的影響系數(shù)在[-0.0148,0.0393]的區(qū)間波動(dòng)，平均值為0.0171；1階和2階滯后的合計(jì)影響系數(shù)在[0.0967,02353]的區(qū)間波動(dòng)，合計(jì)平均值為0.1631。因此，可以得出結(jié)論，在短期內(nèi)我國債券指數(shù)變動(dòng)滯后項(xiàng)對(duì)居民消費(fèi)變動(dòng)的影響是時(shí)變的，而且總體上是正向的。這說明我國在短期內(nèi)居民消費(fèi)會(huì)根據(jù)債券市場(chǎng)收入情況進(jìn)行動(dòng)態(tài)調(diào)整，即具有正向的時(shí)變財(cái)富效應(yīng)。

4.基于TVP-SV-VAR模型實(shí)證測(cè)度和分析立體時(shí)變脈沖響應(yīng)函數(shù)

基于上文介紹的TVP-SV-VAR模型，使用MCMC和貝葉斯方法，估計(jì)出來了居民消費(fèi)變動(dòng)(DLC)對(duì)來自其自身、居民收入變動(dòng)(DLY)和債券指數(shù)變動(dòng)(DLB)的標(biāo)準(zhǔn)沖擊的立體時(shí)變脈沖響應(yīng)函數(shù)值?？紤]到計(jì)算時(shí)間和成本，本文只分析24個(gè)月內(nèi)的居民消費(fèi)變動(dòng)(DLC)在短期內(nèi)對(duì)來自自身，以及居民收入變動(dòng)(DLC)、債券指數(shù)變動(dòng)(DLB)一個(gè)標(biāo)準(zhǔn)差的信息沖擊對(duì)居民消費(fèi)變動(dòng)(DLC)的具體影響，具體結(jié)果見圖3～圖5。

(1)居民消費(fèi)變動(dòng)對(duì)來自自身的標(biāo)準(zhǔn)沖擊的立體時(shí)變因子增廣脈沖響應(yīng)分析。從圖3可以得出以下結(jié)論：首先，從不同的脈沖響應(yīng)期數(shù)來看，我國居民消費(fèi)變動(dòng)(DLC)對(duì)其來自自身的沖擊響應(yīng)其演進(jìn)方式呈現(xiàn)以較大振幅震蕩，但無衰減的變化特征。這表現(xiàn)為在所有樣本點(diǎn)上，每個(gè)樣本點(diǎn)的所有期數(shù)的脈沖響應(yīng)函數(shù)值有正有負(fù)，基本上是兩頭較大中間略小，總體上都比較高，這說明我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自自身的沖擊響應(yīng)呈現(xiàn)立體變化特征。其次，從不同的樣本期數(shù)看，我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自自身的沖擊響應(yīng)的演進(jìn)方式是時(shí)變的。這表現(xiàn)為在所有脈沖響應(yīng)期數(shù)上，每期對(duì)應(yīng)的幾乎所有樣本月份的脈沖響應(yīng)函數(shù)值都是不一樣的，總體呈現(xiàn)“U”字型，時(shí)變性特征很明顯。總之，從整體來看，本文得到我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自自身的沖擊響應(yīng)具有立體時(shí)變特征，說明在短期內(nèi)我國居民消費(fèi)變動(dòng)對(duì)其自身的消費(fèi)慣性效應(yīng)是存在的，顯著的，而且是立體時(shí)變的。

圖3 DLC對(duì)來自DLC的脈沖響應(yīng)函數(shù)圖

(2)居民收入變動(dòng)施加給居民消費(fèi)變動(dòng)的一個(gè)標(biāo)準(zhǔn)差的信息沖擊的立體時(shí)變因子增廣脈沖響應(yīng)分析。從圖4可以得出以下結(jié)論：首先，從不同的脈沖響應(yīng)期數(shù)來看，我國居民消費(fèi)變動(dòng)(DLC)對(duì)其居民收入(DLY)的沖擊響應(yīng)的演進(jìn)方式呈現(xiàn)斷崖式的變化特征。這表現(xiàn)為在所有樣本點(diǎn)上，每個(gè)樣本點(diǎn)的所有期數(shù)的脈沖響應(yīng)函數(shù)值都是在前3期比較大，自第4期開始以微小振幅逐漸震蕩衰減為0，這說明我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自居民收入(DLY)的沖擊響應(yīng)呈現(xiàn)立體變化特征。其次，從不同的樣本期數(shù)看，我國居民消費(fèi)變動(dòng)(DLC)對(duì)自居民收入(DLY)的沖擊響應(yīng)的演進(jìn)方式是時(shí)變的。這表現(xiàn)為在所有脈沖響應(yīng)期數(shù)上，每期對(duì)應(yīng)的幾乎所有樣本月份的脈沖響應(yīng)函數(shù)值都是不一樣的，時(shí)變性特征很明顯?？傊瑥恼w來看，本文得到我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自居民收入(DLY)的沖擊響應(yīng)具有立體時(shí)變特征，說明在短期內(nèi)我國居民收入變動(dòng)對(duì)居民消費(fèi)的財(cái)富效應(yīng)是存在的，顯著的，而且是立體時(shí)變的。

圖4 DLC對(duì)來自DLY的脈沖響應(yīng)函數(shù)圖

(3)債券指數(shù)變動(dòng)施加給居民消費(fèi)變動(dòng)的一個(gè)標(biāo)準(zhǔn)差信息沖擊的立體時(shí)變因子增廣脈沖響應(yīng)分析。

圖5 DLC對(duì)來自DLB的脈沖響應(yīng)函數(shù)圖

從圖5可以得出以下結(jié)論：首先，從不同的脈沖響應(yīng)期數(shù)來看，我國居民消費(fèi)變動(dòng)(DLC)對(duì)其來自債券指數(shù)(DLB)的沖擊響應(yīng)的演進(jìn)方式呈現(xiàn)震蕩遞減的變化特征。這表現(xiàn)為在所有樣本點(diǎn)上，每個(gè)樣本點(diǎn)的所有期數(shù)的脈沖響應(yīng)函數(shù)值都是有正有負(fù)，其絕對(duì)值隨著脈沖響應(yīng)期數(shù)的增加而逐步以較高的振幅震蕩遞減，最終基本趨于0，這說明我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自債券指數(shù)(DLB)的沖擊響應(yīng)呈現(xiàn)立體變化特征。其次，從不同的樣本期數(shù)看，我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自債券指數(shù)(DLB)的沖擊響應(yīng)的演進(jìn)方式是時(shí)變的。這表現(xiàn)在在所有脈沖響應(yīng)期數(shù)上，每期對(duì)應(yīng)的幾乎所有樣本月份的脈沖響應(yīng)函數(shù)值都是不一樣的，時(shí)變性特征很明顯。總之，從整體來看，本文得到我國居民消費(fèi)變動(dòng)(DLC)對(duì)來自債券指數(shù)(DLB)的沖擊響應(yīng)具有立體時(shí)變特征,說明在短期內(nèi)我國債券市場(chǎng)財(cái)富變動(dòng)對(duì)居民消費(fèi)的財(cái)富效應(yīng)是存在的，顯著的，而且是立體時(shí)變的。

五、基本結(jié)論和政策建議

（一）結(jié)論

本文選擇能夠反映我國整個(gè)債券市場(chǎng)的債券指數(shù)，以及城鎮(zhèn)居民家庭人均消費(fèi)支出和人均可支配收入之比，選取2003年1月至2014年9月的140個(gè)月度樣本數(shù)據(jù)，首先使用最小二乘方分析了我國債券市場(chǎng)的長期靜態(tài)財(cái)富效應(yīng)，接著使用TVP-SV-VAR模型，分析了其短期時(shí)變財(cái)富效應(yīng)，并使用了脈沖響應(yīng)函數(shù)其立體變化特征，得出以下結(jié)論：

第一，從長期來看，我國債券市場(chǎng)靜態(tài)財(cái)富效應(yīng)是存在的、正向的、以及現(xiàn)在的。本文使用最小二乘方法實(shí)證分析了我國居民收入(LY)、債券指數(shù)(LB)對(duì)居民消費(fèi)(LC)的長期靜態(tài)影響效應(yīng)。實(shí)證結(jié)果發(fā)現(xiàn)，從長期來看，我國居民收入(LY)對(duì)居民消費(fèi)(LC)具有顯著影響，且是最大影響因素，邊際消費(fèi)傾向達(dá)到了0.7835；同時(shí)我國債券指數(shù)(LB)對(duì)居民消費(fèi)(LC)具有顯著影響，且是重要影響因素，邊際消費(fèi)傾向高達(dá)0.1196。這些研究結(jié)論進(jìn)一步說明，我國城鎮(zhèn)居民家庭人均消費(fèi)支出具有來自我國城鎮(zhèn)居民家庭人均可支配收入和債券市場(chǎng)財(cái)富的顯著的收入效應(yīng)和財(cái)富效應(yīng)。

第二，從短期來看，我國債券市場(chǎng)時(shí)變財(cái)富效應(yīng)是存在的、正向的、以及顯著的。本文采用TVP-SV-VAR模型系統(tǒng)分析了我國居民消費(fèi)變動(dòng)(DLC)、居民收入變動(dòng)(DLY)、債券指數(shù)變動(dòng)(DLB)的三個(gè)滯后項(xiàng)都對(duì)居民消費(fèi)(DLC)的短期時(shí)變影響效應(yīng)，得到以下結(jié)論：首先，從短期來看，我國居民消費(fèi)變動(dòng)(DLC)滯后項(xiàng)對(duì)其自身的影響是時(shí)變的，且總體上是負(fù)向的，這說明我國居民消費(fèi)會(huì)在短期內(nèi)具有時(shí)變慣性效應(yīng)；其次，從短期來看，我國居民收入變動(dòng)(DLY)的滯后項(xiàng)對(duì)居民消費(fèi)變動(dòng)(DLC)的影響是時(shí)變的，且總體上是正向的，這說明我國在短期內(nèi)居民消費(fèi)具有正向的時(shí)變收入效應(yīng)；最后，在短期內(nèi)我國債券指數(shù)變動(dòng)(DLB)的滯后項(xiàng)對(duì)居民消費(fèi)變動(dòng)(DLC)的影響是時(shí)變的，且總體上是正向的，這說明我國在短期內(nèi)居民消費(fèi)會(huì)具有正向的時(shí)變財(cái)富效應(yīng)。

第三，從脈沖的立體時(shí)變函數(shù)值來看，我國債券市場(chǎng)財(cái)富效應(yīng)具有立體、時(shí)變的特征。本文分析了基于TVP-SV-VAR模型測(cè)算的立體時(shí)變脈沖響應(yīng)函數(shù)值，結(jié)果發(fā)現(xiàn)居民消費(fèi)變動(dòng)(DLC)對(duì)其自身的慣性效應(yīng)具有立體時(shí)變特征，同時(shí)居民收入(DLY)和債市指數(shù)(DLB)對(duì)居民消費(fèi)變動(dòng)(DLC)的收入效應(yīng)和財(cái)富效應(yīng)也都具有立體時(shí)變特征。

（二）政策建議

基于前文的實(shí)證分析，我們發(fā)現(xiàn)了我國債券市場(chǎng)，無論是長期的靜態(tài)的財(cái)富效應(yīng)，還是短期的動(dòng)態(tài)的財(cái)富效應(yīng)，都是存在的，正向的，以及顯著的；同時(shí)，考慮到我國債券市場(chǎng)被分割成銀行間債券市場(chǎng)和交易所債券市場(chǎng)兩個(gè)大市場(chǎng)，成為制約我國債券市場(chǎng)進(jìn)一步全面深入發(fā)展的重要的因素。因此，我們從自己的研究結(jié)論出發(fā)，建議中國政府基于互聯(lián)網(wǎng)金融和大數(shù)據(jù)背景大力推動(dòng)債券市場(chǎng)規(guī)模、結(jié)構(gòu)和效率的發(fā)展，并推進(jìn)債券市場(chǎng)高度融合和統(tǒng)一，以便債券市場(chǎng)財(cái)富效應(yīng)得到更大程度的發(fā)揮。

第一，全面加強(qiáng)銀行間和交易所債券市場(chǎng)基于互聯(lián)網(wǎng)金融背景的深度融合，實(shí)現(xiàn)兩個(gè)市場(chǎng)財(cái)富效應(yīng)的逐步趨于一致?；ヂ?lián)網(wǎng)金融要求統(tǒng)一大市場(chǎng)、各個(gè)行業(yè)的深度融合，這也要求在兩個(gè)債券市場(chǎng)逐步深入融合的基礎(chǔ)上，進(jìn)一步加強(qiáng)債券產(chǎn)品跨市場(chǎng)創(chuàng)新，擴(kuò)大跨市場(chǎng)的債券交易品種，統(tǒng)一政府部門的監(jiān)管，并在有效的監(jiān)管下允許兩個(gè)市場(chǎng)的資金進(jìn)出渠道完全暢通，加速兩市場(chǎng)之間的融合，逐步消除兩市場(chǎng)之間的嚴(yán)重分割，提高兩市場(chǎng)一體化，最終實(shí)現(xiàn)兩個(gè)市場(chǎng)財(cái)富效應(yīng)完全一致。

第二，大力完善債券市場(chǎng)現(xiàn)有的做市商機(jī)制，使債券市場(chǎng)各類債券價(jià)格能夠得到比較合理的定價(jià)。雖然目前我國債券市場(chǎng)已經(jīng)建立起來較完善的做市商機(jī)制，但在市場(chǎng)活躍程度、買賣差價(jià)、合作機(jī)制等方面，與歐、美、日等發(fā)達(dá)國家的做市商，還存在較大的差距，需要大量完善，進(jìn)一步提高我國債券市場(chǎng)的定價(jià)效率。

第三，努力打造基于大數(shù)據(jù)發(fā)展背景的債券市場(chǎng)統(tǒng)一高效的托管結(jié)算體系，提高其財(cái)富效應(yīng)水平。由于我國債券市場(chǎng)分割成多個(gè)市場(chǎng)，因而導(dǎo)致債券的托管和結(jié)算由多個(gè)不同的機(jī)構(gòu)進(jìn)行，比較分散，增加投資和交易成本，從而減低了財(cái)富效應(yīng)水平，這顯然與當(dāng)前的大數(shù)據(jù)發(fā)展的多維統(tǒng)一要求不相符。因此需要加強(qiáng)我國債券市場(chǎng)統(tǒng)一的托管結(jié)算體系，改善現(xiàn)有的債券托管和結(jié)算機(jī)制，打造統(tǒng)一托管結(jié)算下相關(guān)聯(lián)的債券市場(chǎng)，減少債券市場(chǎng)之間的套利行為，最終建立統(tǒng)一大數(shù)據(jù)、統(tǒng)一大市場(chǎng)的債券業(yè)體系。

第四，給力促進(jìn)我國債券業(yè)體系的全面穩(wěn)定發(fā)展。與歐、美、日等發(fā)達(dá)國家的債券業(yè)規(guī)模相比，我國債券業(yè)的規(guī)模占國民經(jīng)濟(jì)(GDP)的比值較小，需要給力擴(kuò)大我國債券業(yè)現(xiàn)有的規(guī)模，爭(zhēng)取盡快提高債券規(guī)模與國民經(jīng)濟(jì)的占比，以便與我國國民經(jīng)濟(jì)在世界經(jīng)濟(jì)中的地位相匹配。目前我國國債占比過大，而企業(yè)債則顯得明顯的不足，我國債券市場(chǎng)結(jié)構(gòu)顯得不甚完善，我國政府金融監(jiān)管部門以及行業(yè)組織和公司，需要大力豐富債券市場(chǎng)各類債券，特別是企業(yè)債的品種，完善我國債券市場(chǎng)結(jié)構(gòu)。