接下來,本節探討不同的衝擊在模型中的影響。 由於貨幣政策與流動性政策是本計畫主要關心的 重點,而技術衝擊向來是呈現景氣循環的重要方式之一,因此我們分別考慮貨幣政策衝擊與技術 進步衝擊。 央行資料顯示,自2015年起實施LCR管制, 以及2018年開始執行NSFR以來, 絕 大多數台灣金融機構早已達到Basel III訂定的目標100%。14事實上,在Basel III針對流動性提 出規範之前,我國已訂定流動性管理制度,設立流動性相關指標,以此對金融業進行管制。 舉例來 說,我國央行要求金融機構就各種新台幣負債提列最低標準的流動準備,其最低流動準備比率為 10%。 同時, 央行也使用未來零至三十天資金流量之期距缺口,檢視銀行在正常狀態下一個月內 的資金流入是否大於流出。 儘管我國原有的流動性標準與Basel III新訂定的規範內容並不相同, 但考慮到我國已有流動性相關的制度,因此進行分析時,我們比較不存在流動性規範(η = 0)、寬 鬆流動性規範(η = 0.11),以及嚴格流動性規範(η = 0.15)三種不同模型設定,15 16 面對同一個 衝擊時,模型在反應上的差異。 底下我們根據後驗估計的均值來設定外生衝擊。
貨幣政策衝擊 首先, 我們考慮一個緊縮的貨幣政策衝擊, 圖 5 畫出各個變數因應衝擊後之衝 擊反應函數。 當央行採行緊縮貨幣政策,貸款利率隨著政策利率上升而增加,同時資本設備及房 價等做為抵押品的資產價格下跌,兩方影響之下,不管是家計單位或是企業的可貸資金皆因此減 少,反應至總體經濟活動, 則是企業減少投資, 產出及消費下降。 金融體系的部分,銀行收益由於 一開始貸款利率提高, 即使在放款減少的情況下, 最初的整體獲利依然增加, 也因此能夠累積銀 行資本, 達到較高的資本適足率。 然而, 隨著貸款利率逐漸下降, 放款量回升的速度趕不上利差 縮小的速度,銀行獲利減少,銀行資本及資本適足率也在增加後逐漸降低。
14同註
2
。15以
LCR
管制實施時間點為分界, 2015
年三月之前(2006 Q1:2014Q4),
高品質流動性資產占銀行資產總額比 重之平均值約為10.78%, 2015
年三月之後(2015 Q1:2018Q4)
平均占比增至15.38%
。 因此,
我們將η
值設為0.11
代表較為寬鬆的流動性規範, η
值設於0.15
則代表較為嚴格的流動性規範。16為了使模型間的比較有一致的基準
,
三個模型之間除了流動性規範η
的值不同,
其餘參數設定相同,
皆使用基 準模型( η = 0 )
校準及估計所得的參數值。由圖 5 可以觀察到, 隨著流動性規範的引入, 以及執行嚴格程度的提高, 個人及企業貸款利 率、企業貸款量、投資、產出與消費,面對政策利率提高的衝擊時,受到影響的幅度較輕微。 然而個 人貸款的衝擊反應卻有所不同, 反而是在嚴格流動性規範下, 受貨幣政策影響最大。 這樣的結果 可能是因為在嚴格流動性規範下, 通貨膨脹率下跌較多, 增強貸款利率增加所造成的影響, 使得 實質上的貸款負擔較重。 換句話說,借錢的實質成本比起名目成本, 在嚴格流動性規範下受到利 率政策的影響是比較大的。 儘管企業也面臨同樣的問題,但對於個人的影響顯然較為顯著。 也就 是說,對於個人而言,貸款利率的影響,比起物價膨脹影響要來的小,而對於企業則剛好相反。17
技術進步衝擊 接著,我們考慮一個負向的技術進步衝擊。 圖6顯示,負的技術衝擊讓生產成本 提高,反應至物價,通貨膨脹率上漲,而政策利率因應通貨膨脹率變動而上升,貸款及存款利率也 隨之增加。 同時, 由於企業投資需求減少, 能夠作為貸款抵押品的機器設備價格滑落, 企業貸款 需求下降。 此外,企業也減少勞動需求導致薪資降低,對於購屋需求也在利率影響之外進一步拉 低房價, 抵押品價值下跌, 貸款利率上升, 同樣使個人能夠取得的貸款減少。 最後, 投資、產出及 消費皆下降, 且相較金融面, 實質面受到衝擊的影響持續更長一段時間。 至於銀行獲利, 由於受 利率影響較大, 銀行獲利一開始增加, 於八期後由正轉負。 銀行資本由獲利累積, 因此變化較慢, 約於十六期過後方由正轉負,而資本適足率的衝擊反應則與銀行資本相符。
由圖 6可以觀察到與貨幣政策衝擊時類似的反應。 亦即, 一旦流動性規範開始執行, 且執行 標準提高,大部分變數受到的衝擊幅度減輕。 其中,不僅貸款利率、企業貸款、產出、消費及投資變 化幅度減小, 個人存放款量受衝擊下的變動, 同樣也相較無流動性規範時來的小。 至於銀行獲利 雖然在面對流動性規範之下, 一開始受到的衝擊較大, 但與缺乏流動性管制時相比, 獲利回復所 需的時間並沒有比較長。
訊息衝擊 在 2007-2009金融危機爆發後, 訊息衝擊 (news shock) 對於金融市場與總體經濟 的影響開始受到重視, 因此我們最後考慮不同訊息衝擊在模型中的影響。 參考 Christiano, Ilut,
17實務上
,
流動性規範越嚴格,
銀行調整資產負債結構之彈性會越低,
貨幣政策變動對其影響程度也就越大,
另一 方面,
實務上企業籌資管道較為多元,
企業受影響也就相較個人要來得小。et al. (2010) 對於訊息衝擊的設定, 我們假設外生衝擊的白噪音, est, 由n 期前的事前預期st−n 和事後意外st 兩者構成。 亦即
est = st−n+ st, (49)
其中 n = 4表示我們預料衝擊將在四期後到來, s ∈ {r, a, h}分別為貨幣政策、總要素生產力、
房價三種訊息衝擊。18這裡我們考慮訊息衝擊對房價造成正向影響的情況,也就是預期未來由於 利率調降、景氣升溫,或者購屋需求增加等因素,預料四期後房價將會走高。 樂觀的預期推升房價 後,進而影響金融市場乃至總體經濟活動。 然而,我們進一步假設這些訊息衝擊最後並不會發生, 四期過後, 事後意外st 完全抵消事前預期 st−4,最終利率沒有調降, 景氣沒有回溫, 購屋需求也 沒有增加。 換句話說,原本對於房價上升的預期並未實現。
圖7至 圖9分別畫出各個未實現訊息衝擊之衝擊反應函數。 首先,由圖中可觀察到儘管衝擊 預期在四期後才會到來, 但所有變數都在一開始便提前反應。 以房價為例, 不論是起因於何種訊 息衝擊, 利率調降或者對於景氣樂觀的看法, 在面對未來房價走高的預期之下, 房價當期立即上 升約1%上下, 直到第四期後由於預期中的高房價並未實現,房價反轉向下, 或快或慢回到穩定 狀態。 同時,對於房價的樂觀預期下, 做為抵押品的房屋價值上漲,意味著借貸市場的擴張,個人 貸款當期增加約介於 1-2% 之間。 由於個人貸款取決於房屋價值, 因此只要房價變動方向一致, 不同訊息衝擊下的個人貸款變動方向也會相同, 不過其他變數的變動方向則視訊息衝擊來源不 同而有所不同。 舉例來說, 在利率調降和總要素生產力提高的訊息衝擊底下,消費因個人貸款擴 張而上升0.2% 左右, 但在房價的訊息衝擊下, 對於購屋的需求增強會排擠消費, 消費反而下降
約0.01%。 最後特別注意到, 對於利率調降的預期, 並不意味著政策利率真的會調降。 給定預期
未來利率調降刺激經濟活動,使得消費投資及產出增加,實際的政策利率根據泰勒法則做出因應 而上升,這也是圖7中我們所觀察到的,預期利率調降,但政策利率上升。
整體而言, 當存在流動性規範時,貸款市場利率受衝擊的幅度較小, 而個人及企業貸款,雖然 在貨幣政策和房價最初的預期階段反應較大,但在樂觀預期最終未實現之後,私部門貸款受衝擊 的程度則較小。 金融市場變動反應至總體經濟活動, 可觀察到投資及產出呈現相同的走勢,也就
18衝擊大小根據表
4
設定。是在衝擊反轉之後,嚴格流動性規範下經濟活動受影響較弱,甚至較快回復至穩定狀態。