量化寬鬆政策之跨國效果分析-GVAR模型應用 - 政大學術集成

全文

(1)國立政治大學經濟學研究所碩士論文. ‧. ‧ 國. 學. 政治大立 — 量化寬鬆政策之跨國效果分析 GVAR 模型應用. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 指導教授: 徐士勛博士研究生: 楊凱翔 2014 年 6 月. v.

(2) 誌謝能夠順利完成論文與研究所學業, 首先要感謝的一定是我的老闆: 徐士勛老師。感謝老師總是能安排時間與我們討論, 並且能在百忙之中抽出時間反覆修改我們的文章。在老師指導下, 我學會如何在正確的角度切入議題, 用最細膩的態度處理資料以及以嚴謹的方法進行研究。而徐士勛老師幽默且亦師亦友的個性, 除了能使我們毫無壓力的自由表達想法, 藉此能順利的進行研究外, 更是在我們遇到瓶頸時, 訴苦或求救的最有力靠山, 由衷感謝老師這一年多來的照顧與指導; 此外, 也相當感激徐士勛老師與崔正芳老師能提供我機會擔任助理, 除了賺取些工讀金對生活. 政治大相授, 使我們能順利操作論文研究相關的電腦軟體; 還有感謝口試委員徐之強老師立與黃裕烈老師不吝指教, 對論文與口試提出的精闢建議。. 不無小補外, 也能有機會在老師旁邊幫忙與學習; 另外, 也謝謝吳俊毅老師的傾囊. ‧ 國. 學. 這是在指南山下待的第六個年頭, 也披上了第二次的畢業袍, 很快就要離開政. ‧. 大, 步入職場。依稀回憶起六年來學生生活的點滴, 忘不了身邊陪伴的夥伴, 不得不說, 還真得謝謝經研的這些好朋友們, 沒了大家我還真不知道能不能順利完成研究. Nat. sit. y. 所學業。總是一起奮鬥拚論文的研究室夥伴小潔與克里斯, 加上同班摯友們阿貴、. io. er. 阿光、甜甜、美螢、賀翔助教的陪伴, 可以在困苦繁忙的菸酒生活中相互扶持外, 也能一起肆無忌憚的嬉鬧大笑 (與大吃?), 還有三更半夜會被拗出來吃消夜、喝酒的. n. al. i n U. v. 憲八學弟賴凱, 以及我 10 年老友兼健身教練連吉。真的很感謝這兩年菸酒生活有. Ch. engchi. 你們的陪伴, 願意聽我的垃圾話, 忍受我的任性與壞脾氣, 祝大家一帆風順, 友誼長存。再過不久即將離開校園, 開始要找份工作養活自己。或許不景氣的環境, 使得畢業生對未來感受不到憧憬, 但總期望著能找到自己的價值, 在屬於自己的位置發光發熱, 為社會盡一己之力。於此, 得要好好感謝我的家人, 這幾年不僅僅提供我經濟的支持, 更是我心靈的避風港, 爸媽跟老哥總是給予我最大的包容, 成為最有力的後盾支持著我, 使我能夠無後顧之憂的完成學業。畢業了, 現在開始換我照顧你們。. 2.

(3) 摘要近年來各國多採用量化寬鬆政策以因應全球不景氣對國內造成的衝擊, 故本文主要針對日美可能採取的量化寬鬆政策工具, 分析其對國內之影響以及對台灣造成之跨國效果進行實證研究。本文使用 GVAR 模型以捕捉多國間相互影響關係, 利用 1981 年第 1 季至 2011 年第 2 季之季資料, 分析日美施行寬鬆貨幣政策可能造成的影響。首先我們先針對台灣選定一合適之模型規模以進行後續研究, 並比較以短期利率、長期利率、匯率 (單一變數) 與利差 (複合變數) 為政策工具所造成之振興經濟效果是否符合理論預期。實證結果指出, 從台灣的角度觀之, 選定較小. 政治大而以利差為衝擊作為模擬政策工具之效果, 優於其他僅操作單一變數衝擊之影響; 立此外, 倘若中國採行調降短期利率的量化寬鬆政策時, 台灣經濟成長亦會受到有顯. 之模型規模於估計結果並無明顯不同, 且較少的國家個數更有利資料蒐集與更新;. ‧ 國. 學. 著且正向的影響。. ‧ sit. y. Nat. 關鍵詞: 全球化向量自我回歸模型、衝擊反應函數、量化寬鬆政策、跨國效果、. io. n. al. er. 貨幣政策、利差。. Ch. engchi. 3. i n U. v.

(4) 目錄 1 序論. 6. 1.1. 研究動機 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 6. 1.2. 本文架構 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 7. 2 文獻回顧. 8. 2.1. GVAR 模型文獻回顧 . . . . . . . . . . . . . . . . . . . . . . .. 8. 2.2. 量化寬鬆相關文獻回顧 . . . . . . . . . . . . . . . . . . . . . . .. 9. 3 研究方法. 立. 政治大. 13. GVAR 模型架構與推導 . . . . . . . . . . . . . . . . . . . . . . 13. 3.2. 誤差修正模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . 17. ‧ 國. 4 實證分析. 學. 3.1. 18. ‧. 資料來源與說明 . . . . . . . . . . . . . . . . . . . . . . . . . . 18. 4.2. 檢定結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20. 4.3. 模型規模比較 . . . . . . . . . . . . . . . . . . . . . . . . . . . 21. 4.4. 日本量化寬鬆政策 . . . . . . . . . . . . . . . . . . . . . . . . . 23. 4.5. 美國量化寬鬆政策 . . . . . . . . . . . . . . . . . . . . . . . . . 25. 4.6. 26. y. sit. er. io. al. v i n 以利差為衝擊 . . C . . . . . . . . . . . .U. . . . . . . . . . . . . hengchi 中國量化寬鬆政策對台灣的影響 . . . . . . . . . . . . . . . . . . n. 4.7. Nat. 4.1. 28. 5 結論. 29. 附錄. 30. A 日美量化寬鬆政策之施行方式. 30. B 匯率 e∗it 之說明. 30. C GDP-PPP之說明. 31. 4.

(5) D 檢定與說明. 31. D.1 單根檢定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 D.2 模型落後期數選擇 . . . . . . . . . . . . . . . . . . . . . . . . . 32 D.3 共整合檢定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 D.4 弱外生檢定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 D.5 衝擊反應函數. . . . . . . . . . . . . . . . . . . . . . . . . . . . 34. D.6 同期影響效果. . . . . . . . . . . . . . . . . . . . . . . . . . . . 34. E 附表 F 附圖. 立. 參考文獻. 35. 政治大. 53 65. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 5. i n U. v.

(6) 1 序論 1.1 研究動機為了因應泡沫化的危機與亞洲金融風暴, 日本於 2001 年獨步全球, 首先實行了量化寬鬆 (quantitative easing, QE) 政策, 透過挹注金融體系龐大資金, 買入債券、證券等金融商品, 以類似印鈔票的方式, 增加貨幣流通量, 欲使利率長時間處於穩定的低利狀態, 促進消費與投資, 藉此活絡經濟, 解決通貨緊縮的問題。之後, 因應金融海嘯浪潮於 2008 年起席捲全球, 美國為了振興經濟, 也採行了量化寬鬆政策。由於面對極低的現行利率, 傳統貨幣政策已無法有效解決困境, 聯準會. 政治大. (Federal Reserve) 亦藉著寬鬆的貨幣政策買進長期債券, 使得長期債券價格提升、. 立. 利率下降, 連帶促使其他長期金融工具的利率降低, 藉以促進經濟繁榮。自 2009. ‧ 國. 學. 年初, 美國聯準會銀根鬆動, 一連執行四波的量化寬鬆政策, 除了造就極低的利率環境外, 也連帶使美金大幅貶值, 同時增加了出口商品的國際競爭力, 進而促進貿易發展。此外, 日本為了對抗全球景氣低迷, 也再度於 2012 年末實行寬鬆貨幣政. ‧. 策。1 由此可知, 以量化寬鬆政策振興經濟, 是近十年來各國面對經濟衰退的主要政. y. Nat. 策工具。因此, 本文著眼於研究日本與美國的量化寬鬆政策於實行當下所可能產生. sit. 的後續影響效果, 且進一步討論其對於台灣的可能影響。但在各國商品貿易與貨幣. er. io. 流通如此頻繁的國際中, 國與國之間存在著各式相互影響效果, 此時, VAR 模型. al. v i n Ch 髮而動全身, 各種衝擊之傳遞管道眾多且頻繁 , 若欲完整觀察其效果 , 則模型中需 U i e h n gc 納入考量之國家與變數也就相對龐大, 將導致傳統 VAR 模型面臨無法有效估計 n. 因其能捕捉互動關係的優點為一可能的選擇, 但於現今關係密切的國際社會, 牽一. 的問題。據此, 本文將採用 global vector of autoregression (GVAR) 模型進行研究, 透過跨國間貿易的連結, 而能在同時考量多國效果下有效估計模型。相較 Pesaran, Schuermann and Weiner (2004) , 以下簡稱 PSW (2004), 等先進學者所著之 GVAR 模型相關文獻, 本文特色為將資料更新至 2011 年, 以觀察近年國際間的經濟動態, 並且將台灣納入模型作討論, 希望能對本國之經濟研究有所助益。此外, 考量台灣為本研究目標之重心, 為了避免使用過於龐大的模型架構, 而不利於往後研究發展方向的資料更新與蒐集, 因此本文進一步依據台灣的主要貿易夥伴建構不同規模之大/小模型, 透過結果分析選定一適合之模型規模進行 1. 美日兩國量化寬鬆政策執行之手段與方式詳見附錄 A。. 6.

(7) 後續研究。欲分析量化寬鬆政策的效果, 本文將採取多種變數衝擊來模擬可能的政策施行工具所造成之影響, 其中除了單一變數之政策工具 (包含長期利率、短期利率以及匯率之各別效果), 同時亦考量複合變數的政策工具效果 (利差—結合長/短期利率相減)。經過本研究實證結果指出, 相較之下, 以複合政策工具—利差為主要衝擊之政策效果, 對於振興該國經濟, 明顯優於單獨操作單一工具變數之政策效果。單一變數之衝擊反應函數之部分結果不僅效果不甚顯著, 且大多不符合經濟邏輯; 然而利差之衝擊反應結果則普遍符合政策預期。整體而言, 我們認為以操作利差之方式. 政治大. 進行量化寬鬆政策, 其結果較能達成振興經濟之目的。. 立. 1.2 本文架構. ‧ 國. 學. 本文第一章為序論, 闡明研究動機與目的。第二章為文獻回顧, 整理了學術界對於 GVAR 模型的發展與運用情形。第三章為研究方法, 針對模型的設定與推. ‧. 導做介紹。第四章為實證結果, 包含資料數據的介紹並以台灣為例進行相關檢定闡. y. Nat. 述, 並為本文研究選定一適切規模的模型, 再接續做衝擊反應函數的分析。第五章. n. al. er. io. sit. 為本文研究之結論。文末包含附錄, 除附表與附圖外亦補充說明檢定原理與過程。. Ch. engchi. 7. i n U. v.

(8) 2 文獻回顧 2.1 GVAR 模型文獻回顧全球化向量自我回歸模型 (global vector of autoregression model, 以下簡稱 GVAR ) 為本文採用之研究方法, 而 GVAR 的概念首先由 Pesaran, Schuermann 以及 Weiner 在 2004 年提出, 其模型特色為能夠透過貿易權重的加權計. 算, 創造出一國際變數, 提供串連起其餘各國影響之管道, 藉此緊密連結了全球經濟的互動, 進而能夠同時探討多國間各種變數的相互影響關係。在 PSW (2004) 提出的架構中, 國內變數的變動, 除了自身落後項的影響外, 尚有三個管道可以影. 政治大. 響: 第一, 加權後的國際變數與其落後項; 第二, 國際共同外生變數, 例如: 油價;. 立. 第三, 自國外傳入的未預期外生衝擊。然而, 在 GVAR 模型被提出之前, 文獻上. ‧ 國. 學. 慣用 VAR 模型來分析變數間的影響連動, 研究對象僅侷限於少數各別經濟體, 倘若面對全球性的總體經濟議題, 其龐大模型對於研究人員而言並不容易處理, 因此便無法適切捕捉到多國間互動的交互影響。而 GVAR 模型的分析架構便能克服. ‧. VAR 模型的缺點, 進而有效探討國內外經濟變數的互動關係。在 GVAR 的架構. y. Nat. 下, PSW (2004) 針對 1979 到 1999 間的 25 個國家做實證研究, 以誤差修正模. sit. 型估計個別國家變數, 使其透過貿易權重與國際間各國變數連結, 如此便能使任一. al. er. io. 國家之任一變數與全球經濟體的對應變數連動, 進而能探討國際間經濟衝擊所造. v. n. 成的影響, 文中更將 GVAR 模型應用於跨國投資的金融風險分析實證, 並以衝擊. Ch. 反應函數探究各國變數間的影響。. engchi. i n U. 在 GVAR 模型問世後, 因其提供計算上之方便性與實用性, 該模型隨即被廣泛運用。 Dées et al. (2007) 將 GVAR 模型進一步擴充, 用以研究歐元區與國際間的相互影響, 與 PSW (2004) 相比, 資料期間由 1999 年延伸至 2003 年, 並在模型中採用更多國家與變數。研究中將歐元區之各國結合, 視為一單一獨立的經濟體, 藉此可清楚觀察到外部衝擊對歐元區整體之影響, 避開各別國家可能產生之不一致的結果。文中針對美國股價、美國利率以及國際油價三項變數, 分別觀察各衝擊對歐元區所造成之效果。此外, 透過美國貨幣政策變動對歐元區影響的分析中, 指出正交化的衝擊反應函數不論其排列順序為何, 甚至與一般衝擊反應函數相比, 皆無明顯差異, 而其分析結果也指出, 美國貨幣政策影響歐元區的效果並不顯著。除了實證結果外, Dées et al. (2007) 也以平均配對橫斷面的相關性 (average 8.

(9) pair-wise cross-section correlation) 來討論內生變數的相關程度, 而其結果也與 PSW (2004) 使用的弱外生性檢定一致。另外, 針對固定的貿易權重與隨時間調. 整權重的選擇, 文中也進一步對兩者做比較, 而最後顯示無論使用固定或調整的權重, 模型估計的結果差異甚小。關於衝擊反應函數的部分, 作者利用標準差估計了衝擊反應函數的信賴區間 (confidence bounds), 用以取代了原先使用的點估計方法, 藉此消去結構性改變 (structual break) 可能帶來的影響。承繼 PSW (2004) 以及 Dées et al. (2007) 兩篇文獻對 GVAR 模型的發展, Pesaran, Schuermann and Smith (2009) 將 GVAR 模型運用在經濟預測的. 政治大使用 1979 年到 2003 年的資料立 , 做領先一季與四季的樣本外預測 (out-of-sample 領域, 預測目標以產出、物價以及其他金融變數為主。與 Dées et al. (2007) 同樣. forecasts) 。作者認為, 當議題涉及國際間的總體政策分析或金融風險評估, 需要. ‧ 國. 學. 考量跨國的互動或海外市場的效果時, GVAR 模型最能有效且直接的描繪國與國互動的管道。而以 GVAR 為工具的預測, 在平均模型設定 (averaged model spec-. ‧. ifications) 與平均估計視窗 (averaged estimation windows) 下, 其與單變量自我. 回歸模型 (univariate autoregressive model) 以及隨機漫步模型 (random walk. y. Nat. sit. model) 相較, 會有較好的預測結果。文中也指出在美國、加拿大等已開發國家, 將. n. al. er. io. 利率、股價等金融變數納入預測模型, 將能有助於改善總體經濟變數的預測。. Ch. i n U. v. 簡而言之, GVAR 模型自 2004 年由 PSW 提出後, 在總體經濟、產業經濟、. engchi. 預測、金融市場, 甚至醫療、社會人口等, 各種領域皆有後續的實證運用, 足可見其實用性。因此, 本文將利用 GVAR 模型的優點與特色, 深入探討量化寬鬆的議題。. 2.2 量化寬鬆相關文獻回顧 Pesaran and Smith (2012) 採用擬真 (counterfactual) 的研究方法, 觀察量. 化寬鬆的貨幣政策所造成之效果。其藉由比較政策施行前後所影響的變數, 也就是觀察事前 (ex ante) 與事後 (ex post) 兩者間數據的差異, 來了解該政策對總體環境影響的強度與持續時間。針對擬真的部分, 作者採用了理性預期模型, 透過其他相關數據的給定條件推估擬真數據。文中以英國作為研究目標, 並建立兩樣本期間, 皆以 1980 年第 3 季為起始點, 其一至 2008 年第 4 季, 也就是金融海嘯前夕; 另一則至 2011 年第 2 季。在這兩樣本期間, 作者設立兩組模型, 一為以英國自身 9.

(10) 經濟成長與長短期利差變數為主; 另一則加入美國與歐元區之經濟成長率, 擴大模型規模。該研究結論指出, 英國的中央銀行 (Bank of England) 在 2009 年 3 月, 降低長短期利差 100 個基點 (basis point) 對經濟成長所造成的預期效果, 在僅有英國自身模型裡, 與擬真的預期經濟成長率有將近一個百分比的差距; 而在擴大的模型中, 此差距則略小。但在兩者模型期間中, 其效果都極為短暫, 其估計持續間僅約略一年。同樣使用擬真的方法觀察英國央行於 2009 年 3 月的量化寬鬆政策, Kapetanios et al. (2012) 則採用了三種時間序列的計量模型進行預測估計: Bayesian. 政治大 parameter structual VAR 立(TVP-SVAR)。作者認為 BVAR 可以使用過去大量 VAR (BVAR) , change-point structual VAR (MS-SVAR) 以及 time-varying. 的資料數據作為給定的先驗資訊, 將歷史的變數連結真實的經濟體, 並克服 VAR. ‧ 國. 學. 面對大量資料時的參數問題。而 MS-SVAR 和 TVP-SVAR 兩模型則較具有彈性, 可以解決貨幣當局採行體制的改變以及關於時間序列資料上出現的重大改變。. ‧. 針對英國中央銀行降低長短期利差 100 個基點的貨幣政策, 作者將利差與銀行利率作為已知變數, 預測產出與通貨膨脹率, 在政策執行與否的情況下, 估計並比較. y. Nat. sit. 上述兩變數的相對變動情形。結論中指出, 倘若未執行量化寬鬆政策, 產出會較. al. er. io. 2009 年 3 月更低, 而通貨膨脹率甚至可能出現負值, 三種模型皆然。其中 MS-. n. SVAR 與 TVP-SVAR 相較於 BVAR 之結果影響幅度更大。故可推論, 英國中央. Ch. i n U. v. 銀行所執行之量化寬鬆貨幣政策有效。上述兩篇文獻雖採用不同的模型討論貨幣. engchi. 政策議題, 唯皆使用擬真方法做比較, 可見其不失為一有效評估政策效果的途徑。但 Kapetanios et al. (2012) 同時也指出擬真存在一定的不確定性, 因其不能掌握的資訊與因素太多, 隱藏在模型範圍之外的變數, 容易造成結果產生偏誤; 且 Pesaran, Smith and Smith (2007) 中也提到擬真的作法雖然可以成為評估政策實. 行的依據, 但其模擬出來的估計, 無法經由實際驗證而得知真實的結果, 且盧卡斯批判 (Lucas critiques) 的論點也是需要考慮的一環。綜合以上觀點, 本文便不採用擬真的方式處理量化寬鬆的議題, 而僅以衝擊反應函數的觀點來研究政策施行的「當下」, 變數變動所可能產生的效果。此外, 因為 Pesaran and Smith (2012) 與 Kapetanios et al. (2012) 兩篇文章皆將重點聚. 焦於研究政策實施對自身國家之效果, 而事實上在現今貿易往來密切的國際村中, 10.

(11) 各國貨幣政策牽一髮而動全身, 各種衝擊所導致的外溢效果不容忽視, 因此我們在 GVAR 模型架構下將強調這些量化寬鬆政策對多國間的可能相互影響, 藉以描繪. 世界各經濟體的跨國互動關係。同樣聚焦於貨幣政策的影響, Binder, Chen and Zhang (2010) 使用 GVAR 模型, 針對 1978 年到 2006 年, 澳、加、法、德、義、日、紐、英與美國等九國工業國家, 研究匯率變動的影響。文中變數考量與原始 GVAR 模型不同, 其不考慮股價與長期利率而以三個月國庫券利率為短期利率之選擇, 並新增一「貨幣政策指標」以衡量各國寬鬆或緊縮政策方向, 一般為存款準備率或隔夜拆款利率等貨幣. 政治大成美元實質匯率升值效果立 ; 反之, 模型中其餘國家的緊縮貨幣政策亦能導致美元貶. 政策工具。其中, 該研究指出, 美國施行緊縮貨幣政策的衝擊, 在短時間內即能造值, 唯作用時間較長。. ‧ 國. 學. 關於量化寬鬆政策的研究結果, Ugai (2006) 文中整理了許多相關文獻, 研究. ‧. 2001 年至 2006 年日本央行所推行的量化寬鬆政策。文中歸納出一特別的論點,. 認為日本央行執行貨幣政策的聲明, 遠比實際作為來得有效果; 換句話說, 政策承. y. Nat. sit. 諾使得市場產生信心, 民眾預期利率調降進而可能促進經濟復甦。文中整理實證分. al. er. io. 析結果指出, 日本量化寬鬆政策為企業融資創造了寬裕的環境, 低利降低了資金使. n. 用成本, 同時也降低貸款所可能造成之不確定性。但同時也整理其他不同看法, 如. Ch. i n U. v. Kimura et al. (2003) 以 BVAR 模型進行擴大貨幣基數效果的實證分析, 結果指. engchi. 出在已趨近零利率的環境中, 量化寬鬆的效果略小甚至極不明顯, 儘管調高貨幣基數, 也無法有效促進總和需求與達成抬升物價的目的。 Joyce et al. (2010) 文中討論英國於 2009 年大量購買政府公債, 以大量資. 金注入金融體系的方式推行量化寬鬆政策。文中使用多種模型研究政策於金融市場的影響, 其中一方法為使用 VAR 模型, 分析政府公債、公司債與股市之超額報酬, 面對政府公債報酬變動時的衝擊反應函數。其結果顯示短期內以上所有變數反應皆與衝擊同向變動, 作者認為這是投資人追求報酬而重新做資產組合的表現。但 Krishnamurthy and Vissing-Jorgensen (2011) 中提到, 中央銀行過於依賴國庫. 券作為貨幣政策的執行工具其實並不適當, 作者認為國家公債過於安全的特性, 使其效果無法有效涵蓋到貸款或較低評價債券等金融商品的利率。 11.

(12) 以上四篇文獻於衡量量化寬鬆政策的探討, 不論於實證分析、理論基礎甚至政府政策執行方面皆提供了不同的角度與看法。因此, 在本文模型架構中, 衡量量化寬鬆政策衝擊的變數, 除了基本的長期/短期利率與匯率外, 同時也將考量長/短期利率的利差可能帶來的效果。希望藉著觀察不同的衝擊反應, 能更為完整地捕捉寬鬆貨幣政策影響總體經濟變數的管道與效果。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 12. i n U. v.

(13) 3 研究方法 3.1 GVAR 模型架構與推導 GVAR 模型由 PSW (2004) 提出, 並由 Dées et al. (2007) 加以擴充 , 其模. 型特色為可藉由各國的貿易做媒介以捕捉跨國之間經濟變數的相互影響效果。其基本 GVAR 模型架構如式 (1): xit = ai0 + ai1 t + Φi xi,t−1 + Λi0 x∗it +Λi1 x∗i,t−1 + εit ,. (1). i = 1, 2, ..., N, t = 1, 2, ..., T,. 政治大分國家合併成同一個經濟體立, 比方說歐元區), 國家以 i 表示, i = 0, 1, 2, ..., N , 其. 此模型假設經濟體系中有 N + 1 個國家 (或區域, 基於某些條件下我們可以將部. ‧ 國. 學. 中 i = 0 為「參照國」 (reference country), 一般設其為美國。模型中 xit 為 i 國在第 t 期「國內變數」, 是一 ki × 1 的矩陣, 表示 i 國自身的經濟變數, 例如 i 國的國民生產毛額、利率等; x∗it 為 i 國之第 t 期「國際變數」, 是一 kit∗ × 1 的矩陣, 代. ‧. 表所有他國經濟變數加權後而成的影響, 其權數是依據各國與 i 國間貿易往來之. y. Nat. 總額比例而建構。 Φi 為一 ki × ki 的係數矩陣, 代表 i 國自身落後期的影響 ; Λi0. sit. 和 Λi1 皆為 ki × ki∗ 的係數矩陣, 分別代表國際變數即期與落後期的影響 ; εit 為. n. al. er. io. 一 ki × 1 的矩陣, 為 i 國於 t 期的外生衝擊項, 其符合以下性質: εit ∼ iid(0, Σii ),. Ch. i n U. v. Σii = cov(εilt , εist ),. engchi. 其中, εilt 和 εist 分別代表 i 國於第 t 期的 l 與 s 兩個變數的外生衝擊項。此處有兩點值得一提: 首先, PSW (2004) 假設 εit 具有序列不相關 (serially uncorrelated) 的特性, 但是卻允許各國衝擊之間存在一定程度的相關, 用以解釋. 國與國之間的未知衝擊可能影響彼此經濟。其次, 若 Λi0 = Λi1 = 0 時, 則 GVAR 模型 (1) 簡化成落後一期的 VAR 模型, 亦即 VAR(1)。然而, 也正是因為 Λi0 和 Λi1 不必然等於零, 我們才可能觀察到各別經濟變數的衝擊對於跨國經濟體造成的. 影響。此外, PSW 文中提供了一個更為一般化的模型, 在原先的 VARX∗ 模型 (1) 中, 加入全球共同外生變數 (common global variables), 用以更完整的捕捉國際變數的影響作用。此擴充模型表示如下: xit = ai0 + ai1 t + Φi xi,t−1 + Λi0 x∗it + Λi1 x∗i,t−1 + Ψi0 dt + Ψi1 dt−1 + εit , i = 1, 2, ..., N, t = 1, 2, ..., T, 13. (2).

(14) 其中 dt 即為一 s × 1 之全球共同外生變數矩陣, 此處我們設定為國際石油價格, 並假設其對於全球經濟具有弱外生性 (weakly exogeneous)。 Ψi 為一 ki × s 的係數矩陣, 代表全球共同變數的的影響效果。針對模型中的國內變數與國際變數皆設定為落後一期, PSW (2004) 定義其為 VARX∗ (1,1) ,2 並採用了下列六項國內總體經濟變數: xit = (yit , pit , qit , eit , ρit , mit )0 , yit = ln(GDPit /CP Iit ), pit = ln(CP Iit ),. 政治大 = ln(M /CP I ),. qit = ln(EQit /CP Iit ), m 立 it. it. it. ‧ 國. 學. eit = ln(Eit ), ρit = 0.25 × ln(1 + Rit /100),. ‧. 其中相關符號定義如下:. GDPit = i 國在第 t 期的名目國內生產毛額, 以 i 國之通貨計算;. er. io. Mit = i 國在第 t 期的名目貨幣供給, 以 i 國之通貨計算; EQit = i 國在第 t 期的名目股價指數;. n. al. Ch. sit. y. Nat. CP Iit = i 國在第 t 期的消費者物價指數;. Eit = i 國在第 t 期的名目匯率, 對美元表示;. engchi. Rit = i 國在第 t 期的名目年利率, 以百分比表示。. i n U. v. 值得注意的是, 參照國 (美國) 的變數有些不同, 設定其對自身的匯率 e0t = 0, 且 x0t = (y0t , p0t , q0t , ρ0t , m0t )0 , 即 k0 = 5 。此外, 倘若是新興經濟體或政治軍事較動盪之類情況的區域, 資料收集不易, 可能有不足或缺漏, PSW(2004) 將捨去對應的變數, 舉例來說, 倘若一國之股價及利率資料蒐集不易, 則此時 xit = (yit , pit , mit , eit ) , 且 ki = 4 。 2. 不同於 PSW (2004) 直接設定落後期數,Dées et al. (2007) 則以 AIC 為標準選定適當的落後數, 本文將參照後者做法進行模型估計。. 14.

(15) 至於國際變數的部分, 則為透過貿易加權後所得之結果, 以 x∗it 表示如下: x∗it = (yit∗ , p∗it , qit∗ , e∗it , ρ∗it , m∗it )0 , yit∗. =. N X. y wij yjt ,. p∗it. N X. =. j=0. e∗it. =. p wij pjt ,. qit∗. N X. =. j=0. N X. e wij ejt ,. ρ∗it. =. N X. j=1. q wij qjt ,. j=0 ρ wij ρjt ,. m∗it. =. j=0. N X. m wij mjt ,. j=0. 其中, wijy 、wijp 、wijq 、wije 、wijρ 和 wijm , 為加權之比重。 PSW (2004) 認為應以 i 國與 j 國的貿易額佔 i 國總貿易額之比例計算 yit∗ , p∗it , e∗it 與 m∗it , 而 qit∗ 與 ρ∗it 則選擇. 政治大. 以資本流量 (capital flow) 來作加權最為理想, 但因資本流量之資料通常波動幅度. 立. 較大, 難以定義, 故仍以進出口貿易額計算模型中國際變數的加權係數。以此量化. ‧ 國. 學. 各國對 i 國影響的強度。用數學表示:. wij =( i 國與 j 國貿易額 / i 國對所有貿易夥伴的貿易額 ), PN. j=0. ‧. 其中 wii 定義為 0, 則. wij = 1。而此貿易權重在模型內, 可為一固定值, 亦. y. Nat. 可以隨著時間調整, PSW (2004) 使用的是採計資料最後三年貿易額平均作為固. sit. 定的權重。另外 PSW (2004) 針對匯率之計算特別指出, 上述變數中的 e∗it 並不. al. er. io. 是我們一般所認知的有效匯率。其詳細說明請參閱附錄 B 。. v. n. 在了解模型基本假設與變數設定後, 我們繼而將求解 GVAR 模型。首先定義一個 (ki +. ki∗ ). × 1 的矩陣. Ch. e ngx c h i. zit = . it. x∗it. i n U. ,. (3). 則式 (1) 則可以改寫成 Ai zit = ai0 + ai1 t + Bi zi,t−1 + εit ,. (4). 其中, Ai = (Iki , −Λi0 ) , Bi = (Φi , Λi1 ) 。兩者都是 ki × (ki + ki∗ ) 的矩陣且 rank(Ai )=ki 。將所有國內變數組合成一個 (k×1) 的矩陣 xt = (x00t , x01t , . . . , x0N t )0 , P 其中, k = N i=0 ki , 為模型內所有內生變數的個數總和。接著我們可以改寫式 (3). 成 zit = Wi xt , i = 0, 1, 2, ..., N,. 15. (5).

(16) 其中, Wi 為一 (ki + ki∗ ) × k 之連結矩陣 (link matrix), 由各國之貿易權重 ρ y p q m e , ) 所組成。接著我們將式 (5) 帶入式 (4) 可得: , wij , wij (wij , wij , wij , wij. Ai Wi xt = ai0 + ai1 t + Bi Wi xt−1 + εit ,. (6). 其中, Ai Wi 和 Bi Wi 皆為 ki × k 矩陣。令      ε0t a00 a01       a   ε  a   10   1t  11  a0 =  .  , a1 =  .  , εt =  .  ..   ..  ..       εN t aN 0 aN 1     A0 W0 B0 W0      AW   BW   1 1   1 1  G= ,H =  , .. ..     . .     AN WN BN WN. 立.     ,  . 政治大. ‧ 國. 學. 化簡式 (6) 而得. (7). y. sit. Nat. 由於 G 為一可逆矩陣, 我們可進一步改寫式 (7) 得. ‧. Gxt = a0 + a1 + Hxt−1 + εt ,. (8). er. io. xt = G−1 a0 + G−1 a1 t + G−1 Hxt−1 + G−1 εt ,. al. v i n 於上述建構與推導 GVARC的過程中, 我們可以發現在一般的情況下 , GVAR hengchi U 模型允許國際間不同經濟體存在三種相互影響管道, 亦即: n. 藉由式 (8), 我們即可解 GVAR 模型。. 1. 國際變數的影響: 即期的 x∗it 以及其落後項 x∗i,t−1 , 對國內變數 xit 的影響。 2. 全球共同外生變數的影響: 即期的 dt 以及其落後項 dt−1 , 也就是當期與前. 期油價對國內變數 xit 的影響。 3. 外生衝擊的影響: j 國對於 i 國透過跨國共變異數效果的外生衝擊, 亦即 Σij = cov (εilt , εist ) , i 6= j 。. 另外, 值得一提的是全球共同外生變數 dt 與國際變數 x∗it 於模型設定上的區別。 PSW 指出, 雖然在全球經濟的模型中兩者一樣具有影響的能力, 但其相異之處在於, 例如國際油價這類共同外生變數, 在模型中為一外生給定之變數, 而國際變數則為需經過估計之內生變數。 16.

(17) 3.2 誤差修正模型我們接下來將以誤差修正模型改寫成全球化模型的形式。首先將式 (1) 等號兩邊同減 xi,t−1 , 並在等號右邊減去 (Λi0 x∗i,t−1 − Λi0 x∗i,t−1 ) , 此誤差修正模型則為. ∆xit = ai0 + ai1 t − (Iki − Φi )xi,t−1 + (Λi0 + Λi1 )x∗i,t−1 +Λi0 ∆x∗it + εit ,. (9). i = 0, 1, ..., N,. 接下來我們將式 (3) 帶入可得. 政治大. ∆xit = ai0 + ai1 t − (Ai − Bi )zi,t−1 + Λi0 ∆x∗it + εit ,. 立. (10). 注意此處的誤差修正項 Πi = (Ai − Bi ) 為一 ki × (ki + ki∗ ) 的長期影響矩陣, 令. ‧ 國. 學. 其為 Πi = (Ai − Bi ) = αi βi0 , 其中 αi 為一 ki × ri 的調整係數矩陣, 代表當經濟體受到衝擊時, 調整回復至長期均衡的速度 ; βi 為一 (ki + ki∗ ) × ri 之共整合向. (11). n. al. Ch. . . er. io. 其中 (G − H)xt−1 就是誤差修正項, 其中  (A0 − B0 )W0   (A − B )W 1 1 1  G−H = . ..   (AN − BN )WN. sit. y. Nat. G∆xt = a0 + a1 t − (G − H)xt−1 + εt ,. ‧. 量矩陣, 代表長期均衡。接著, 我們改寫誤差修正模型:. v. α0 β00 W0. i n U.     α β0 W   1 1 1 = ..   .   0 WN α N βN. engchi. 再令 G − H = α eβe0 , 則 . α0. 0. .... 0. .    α ˜=  . 0 .. .. α1 . . . .. . . . .. 0 .. ..    ,  . 0. 0. β˜0 = (W00 β0. W10 β1. 17. . . . αN .... WN0 βN )。.     ,  .

(18) 4 實證分析本章將針對 34 個國家, 1981 年第 1 季至 2011 年第 2 季, 共 129 期總體經濟變數之季資料, 以 GVAR 模型結果進行分析, 研究量化寬鬆政策對台灣的影響。本文與 PSW (2004) 以及 Dées et al. (2007) 等文章中之 GVAR 模型相比, 除了將台灣資料納入模型外, 更將資料更新至 2011 年第 2 季, 但因缺少部分台灣變數的統計資料, 為配合模型結果完整詳實, 故本研究將變數期間的起始點亦稍作調整。此外, 貿易權重之計算年份也從 2006 年至 2008 年調整為 2008 年至 2010 年之三年平均, 且 GDP-PPP 之計算期間也一併更新 (有關歐元區的整併過程詳見. 政治大處理方式, 第二節藉由台灣資料為例, 說明對數據採用的檢定與結果。第二節我們立將透過模型規模的比較, 選擇一對台灣較為適切的模型規模, 以利後續深入探討。附錄 C), 以利更能反應當今國際貿易互動之現況。第一節我們將說明資料來源與. ‧ 國. 學. 第三節至第五節我們以短期利率、長期利率、匯率與利差為衝擊, 藉以觀察日本與美國量化寬鬆政策效果。首先以對應寬鬆貨幣政策之總體經濟變數單獨的衝擊衡. io. sit. y. Nat. 對台灣的影響。. ‧. 量政策效果, 再計算利差並納為新變數重新進行模型估計, 最後比較上述衝擊所造成可能的結果。第六節中我們觀察台灣最大貿易夥伴—中國若採量化寬鬆政策時. n. al. er. 4.1 資料來源與說明. Ch. i n U. v. 本文使用之資料除了台灣部分為自行蒐集外, 其餘使用由 Global VAR Mod-. engchi. elling 網站中提供的 Smith, L.V. and A. Galesi (2011) GVAR Toolbox 1.1 進. 行模型分析。3 該工具程式主要建構在 Dées et al. (2007) 的設定上, 提供 Excel 表格作為介面, 以 Matlab 統計軟體進行 GVAR 模型的計算。由於 1.1 版本的工具箱僅包含至 2009 年的資料, 故至 2011 年的部分, 同樣由 Global VAR Modelling 網站提供, 並由我們整理納入原工具箱內使用。. 工具箱中主要資料來自於 International Financial Statistics (IFS)、 InterAmerican Development Bank Latin Macro Watch (IDB LMW) 、 Bloomberg. 與 Datastream 資料庫。而台灣總體經濟資料蒐集於台灣經濟新報資料庫 (TEJ), 產出 (yit ) 使用實質國內生產毛額, 物價 (Dpit ) 使用消費者物價指數, 股價 (eqit ) 3. 該網站網址為https://sites.google.com/site/gvarmodelling/。. 18.

(19) 採用大盤加權指數, 匯率 (epit ) 則使用美元兌新台幣匯率, 短期利率 (rit ) 採用金融業拆款利率的隔夜加權平均, 至於長期利率 (lrit ) 台灣對應的變數, 例如十年期公債利率, 數據的期間皆過短或者出現斷層, 無法涵蓋模型期間長度, 故於本次研究便不將台灣長期利率納入模型考量, 而石油價格 (poilt ) 則使用布蘭特 (Brent) 原油價格。4 詳細資料整理過程如下: yit = ln(RGDPit /RGDPi2000 × 100), Dpit = ln(CP Iit ) − ln(CP Iit−1 ), eqit = ln(Qit /CP Iit ),. 政治大 r立 = 0.25 × ln(1 + R /100),. epit = ln(Eit /CP Iit ), it. it. ‧ 國. 學. poilt = ln(Pt ),. 其中, RGDPi2000 為 i 國於 2000 年四季實質 GDP 之平均值。. ‧. 以上過程我們可以發現所有變數皆以對數方式處理, 目的是有利於衝擊反應函. sit. y. Nat. 數的解讀, 能直接以百分比的方式分析衝擊與反應的效果; 更進一步地, 其模型參數估計結果也能利於彈性的計算。台灣變數的敘述統計資料如表 (1) , 模型中其餘. io. n. al. er. 國家名稱之代碼如附錄中附表 (3), 各國變數敘述統計如附錄中附表 (4) ∼ (10)。. y Dp eq ep r. Ch. i n U. 表 1: 台灣相關變數的敘述統計. Mean. Med.. 4.2774 0.0048 3.8982 -0.9196 0.0116. 4.3964 0.0051 4.1841 -1.0074 0.0119. engchi. Max. Min. S.D.. 5.0402 3.3012 0.5108 0.0609 -0.0244 0.0109 5.0575 1.9613 0.7975 -0.4273 -1.2482 0.2464 0.0371 0.0002 0.0076. v. Skew.. Kurt.. -0.3848 1.1148 -1.1405 1.0114 0.6358. 1.8943 9.2058 2.9976 2.5391 3.5162. 表格中我們可以看到各國 y 的平均數均落在 4.2 ∼ 4.3 左右, 原因應在於我們將計算實質產出的基準年訂在 2000 年。 4.3 以自然指數還原接近 73.7, 表示平均 GDP 約佔 2000 年 GDP 的 73.7%。基於穩定成長的 GDP 而言, 2000 年約在全 TEJ 分類: RGDPit : [NC0109]台灣實質 GDP 國內生產毛額 2006 = 100 -季 (百萬), CP Iit : [PA0118]台灣 CPI2011 = 100月 - SA(指數), Qit : [Y9999] 加權指數, Eit : [MC02]台灣美元兌新台幣匯率 (美元), Rit : [MB30]台灣金融業拆款利率 - 隔夜加權平均(%)。 4. 19.

(20) 部期間的 72 百分位數, 取完對數的計算後, 其數值也接近 4.2。另外, 用以計算貿易矩陣的台灣貿易資料來源為台灣經濟部國貿局統計, 且為利於計算方便, 我們在此假設台灣與各國進出口貿易總額為對稱, 以省去針對模型中所有國家官方統計數據蒐集的時間, 以及各國可能對台灣貿易資料的闕漏。貿易矩陣計算結果如附表 (11) ∼ (14), 可以看出中、日、美三國貿易額即佔台灣總貿易量的 45%, 為台灣主. 要貿易夥伴。此外貿易權重針對利率或股價的計算, 理論上應以資本流量 (capital flow) 來進行加權計算, 但由於實際上資本流量的統計不易, 故本文仿 Dées et al. (2007) 之處理, 所有權重皆以貿易量 (進口與出口平均) 來計算。. 4.2 檢定結果. 立. 政治大. 在進行模型估計前, 我們必須完成模型估計前資料檢定的前置作業, 詳細檢定. ‧ 國. 學. 方法與全體數據之檢定結果請詳閱附錄 D。本段將以台灣為例, 說明檢定結果。首先進行單根檢定, 以 ADF 檢定 (augmented Dickey-Fuller test), 來觀察資料是否存在單根。台灣結果如表 (2), 由表中數據可知, 除了通貨膨脹率以外, 其餘資料. ‧. 變數皆保有 I(1) 的性質, 如此也滿足了共整合條件所需, 其餘詳細單根檢定結果. y. Nat. 如附圖 (15) ∼ (17)。因此我們接下來以 AIC 為標準, 選擇適當的落後期數後, 進. sit. 行共整合檢定, 藉以觀察長期均衡關係, 詳細結果於附表 (18) 與 (19), 表中數據. er. io. 指出, 台灣資料為一 VARX∗ (1,1) 模型, 並存在一個共整合關係。接下來, 我們要. al. v i n Ch 中並無任何一國際變數於檢定標準下顯著 , 故全數符合弱外生性的假設 , 足以進行 U i e h n gc GVAR 模型估計, 其餘之詳細弱外生性檢定如附表 (20)。 n. 以弱外生性檢定, 來滿足 GVAR 模型的基本假設。台灣變數檢定結果如表 (3), 表. 表 2: 台灣 ADF 檢定結果. y. Dp. eq. ep. r. 原始值 -1.5112 -8.1776* -2.1074 -1.6750 -3.0182 一階差分 -5.2415* -11.2051* -8.6909* -3.9220* -11.4378* 二階差分 -7.8565* -13.5191* -8.2459* -9.8156* -10.6498* 註: 虛無假設為變數存在單根,” * ”表示於 95% 信心水準下顯著。. 最後, 我們觀察台灣受國際變數的同期影響 (contemporaneous effect) 結果, 其檢定主要是估計當國際變數變動時, 本國對應變數當期受到的影響幅度結果, 如表 (4) 所示。整體而言, 對於國外變數的變動, 台灣國內變數都有正向的效果。其 20.

(21) 表 3: 台灣國際變數弱外生性檢定. F test F(1,100). ys. Dps. eqs. rs. lrs. poil. 0.2865. 0.3132. 0.0070. 0.2251. 0.5656. 0.0059. 註: 虛無假設為變數具弱外生性,” * ”表示於 95% 信心水準下顯著。. 中, 通貨膨脹率與利率效果並不顯著, 幅度相對也偏小, 此結果或可解讀為, 台灣政府於貨幣政策的執行考量, 並不顯著受國際變動的影響。表 4: 台灣變數受外國變數同期影響的估計. 政 Dp 治 eq 大 r 1.1044 0.0809 1.5632 0.0421 立 (0.7772) (0.1999) (0.2619) (0.1286) y. 係數標準差. ‧ 國. 學. 4.3 模型規模比較. ‧. 台灣於國際間屬相對小型之開放經濟體, 貿易夥伴雖不少, 但相較其他大國而. sit. y. Nat. 言, 貿易對象則相對集中, 然而若以 Dées et al. (2007) 龐大的模型架構設定, 研究國際變數對台灣之影響, 或許稍嫌多餘。因此我們採用 2001 年至 2010 年, 共. io. n. al. er. 十年之進出口貿易總額累積資料, 挑選出台灣主要的夥伴, 重新進行 GVAR 模型. i n U. v. 之估計 (以下簡稱小模型), 再與原先完整模型 (以下簡稱大模型) 之結果進行比對。. Ch. engchi. 根據國貿局資料指出, 台灣於此十年之主要貿易夥伴依序為中國、日本、美國、韓國、新加坡與德國, 詳細貿易數據如表 (5), 其中德國亦為台灣重要貿易夥伴, 又考量歐元區各國於近年幾近之不可分割的現況, 故將其餘諸國 (奧地利、比利時、芬蘭、法國、義大利、荷蘭與西班牙) 一併納入模型討論, 而剩餘國家佔台灣貿易量比重皆低於 2% 以下, 故不納入模型討論, 詳細比例見圖 (1)。因此, 在後續研究中, 我們將以上述 14 國為小模型中的研究對象。首先我們比較大小模型之間, 各主要研究變數衝擊對於台灣產出影響。其衝擊反應函數圖形如附圖 (2) ∼ (7), 其中我們可以觀察到大部分的衝擊效果於兩模型間相差甚小, 唯日本匯率與國際油價兩者的衝擊造成略為不同的結果。日幣貶值的衝擊於大模型中, 會導致台灣產出下降, 長期越趨嚴重且無明顯反轉趨勢, 這符合一般貨幣寬鬆政策「以鄰為壑」的效果 (貶值將提升該國商品於國際市場之競爭 21.

(22) 台灣貿易夥伴百分比. 中國 17% 其他 44%. 日本 15%. 德國新加坡 3% 3%. 韓國 5%. 美國 13%. 政治大. 立. 圖 1: 2001 年至 2010 年累積台灣貿易夥伴比重. ‧ 國. 學. 表 5: 2001 年至 2010 年台灣對各國貿易總額累積, 單位: 百萬美金. $636,923 $551,683 $505,803 $183,195 $128,375 $109,252 $1,670,918. 17% 15% 13% 5% 3% 3% 44%. n. Ch. engchi. 註: 資料來源: 台灣經濟部國貿局統計。. $206,328 $402,646 $215,639 $118,003 $47,302 $60,355 $738,287. y. 22% 7% 15% 3% 4% 2% 47%. sit. io. al. $430,595 $149,037 $290,165 $65,191 $81,073 $48,897 $932,630. ‧. 比重出口總額比重進口總額比重. Nat. 中國大陸日本美國韓國新加坡德國其他. 貿易總額. er. 國家. i n U. v. 12% 23% 12% 7% 3% 3% 41%. 力, 其餘鄰近國家將相對受害) ; 但於小模型中, 台灣產出惡化的形況會逐漸改善, 甚至於兩年左右出現正向的效果, 此一部份應該可歸因於日本的寬鬆貨幣政策奏效, 導致國家經濟條件改善, 進而帶動台灣發展, 但於長期下來再趨於惡化, 整體影響幅度於小模型之效果較大模型略小。油價上漲的衝擊對台灣產出於大模型而言, 一兩年中有明顯波動, 而長期下來會對產出會有正面的影響; 在小模型中, 短期間的震盪一樣存在, 不過整體而言, 油價上漲會使產出減少。由於台灣本身並非油品出口國, 油價上揚理論上不應造成 GDP 增加, 相對的, 運輸與工業成本上漲將會導致產出受影響, 於此小模型的結果仍符合一定的經濟邏輯。. 22.

(23) 接下來我們觀察在大小模型間, 各主要變數衝擊對於台灣股價影響。股價影響如同產出的結果一般, 大部分之衝擊效果並無明顯不同, 唯美國短期利率、日本短期利率與日本產出稍有不同。美國降息於大模型中, 不論短期或長期皆使台灣股價受到負面影響, 且越趨嚴重, 但於小模型中, 短期會使台灣股市出現榮景, 一年之後亦如同大模型一般, 產生下跌的情形。而日本降息的衝擊則不然, 於大模型中台灣股市受到日本降息的效果波動明顯, 短期出現漲幅, 一年後則衰退, 而後又繼續重現榮景, 於小模型中台灣股市則是立即且持久的出現負面效果。美日兩國降息所導致台灣股價的影響的差異, 應以降息後所造成投資資金抽離, 接續選擇的標的為何, 來解釋台灣於兩模型結果的差距, 例如美國的資金因低利撤出, 在小模型中的. 政治大響, 差距亦甚小, 僅效果持續的長短於大模型較短而小模型較長而已。立. 台股則可能成為較好的投資目標, 進而造成台灣股市漲幅。至於日本產出衝擊的影. ‧ 國. 學. 除了以上可以較為明顯判斷差異的衝擊外, 其餘衝擊的效果於兩模型的差距並不顯著。而欲探究兩模型結果的些微差距, 則可歸因於國與國之間, 直接效果與間. ‧. 接效果的大小所導致的差別。倘若因模型規模縮小, 導致具有強烈間接效果的國家被移除於模型之外, 即能解釋導致兩模型中細微差距的原因。例如於置身小模型之. y. Nat. sit. 外的加拿大, 即可能成為因為美國衝擊間接造成對歐元區影響的管道。但因透過國. al. er. io. 際變數的貿易加權後, 本就微小的間接效果, 則會被進一步弱化而忽略不計。整體. n. 而言, 我們認為大模型與小模型之衝擊反應函數結果差距不大。唯因小模型中國家數目較少, 在貿易權重的計算與資料更新上都將更為即時, 因此對於研究台灣—. Ch. engchi. i n U. v. 一小型開放經濟體而言, 面對衡量各大國之衝擊效果時, 我們將模型建構在捕捉重要貿易夥伴的影響上, 也不失為一合理的選擇。. 4.4 日本量化寬鬆政策日本自從 1990 年代初期經濟泡沫崩潰後, 經濟困境導致失落的十年 (the lost decade), 令日本長期處於景氣低迷的情況。再加上 1997 年的金融風暴, 由泰國為. 中心開始蔓延, 進而重創亞洲各國, 更令日本的困境雪上加霜, 使得當局不得不採取較為劇烈的經濟振興手段, 因此於 2001 年日本量化寬鬆政策也因應而生。日本當局於低利率的環境下進一步採取擴張性的貨幣政策, 向市場挹注龐大資金, 企圖創造出利率穩定處於極低水平的投資環境, 以活絡市場, 刺激經濟成長。故本節主要以日本短期利率、長期利率與匯率三種變數的單獨衝擊, 觀察其對於自身產出與 23.

(24) 金融市場的反應, 同時也進一步研究該衝擊對台灣的影響。首先我們觀察至 2001 年第一季為止的日本總體經濟環境, 我們可以由附圖 (8) 可知, 短期利率調降一個殘差標準差的幅度, 大約為 0.07% 的利率負衝擊, 對日本產出與股市反而有不利的影響。產出在短期內會逐漸衰退將近 0.15% 的幅度, 而此情況會在會逐漸加劇, 約在三年後達到 0.2%。而日本股市面對短期利率的調降, 負面的影響則是逐漸遞減, 在兩年之後穩定約為 0.3% ∼ 0.5% 的負成長。反觀長期利率的調降, 以一個殘差標準差為衝擊, 幅度約 0.09% 的利率降息, 對實質產出而言仍為不利, 在兩年左右逐漸衰退的經濟出現約 0.7 % 的負面影響, 但長期利. 政治大成長。另外, 寬鬆貨幣政策也可能以貨幣貶值方式施行 , 因此我們同樣以一個殘差立率的降息卻對股市有正向拉抬的效果, 在衝擊過後的短期即出現持續性約 2.5% 的. 標準差的幅度, 約 5%, 觀察貶值所造成的影響。產出因日圓貶值導致經濟小幅度. ‧ 國. 學. 的繁榮, 短期內即可出現 0.3% 左右的成長; 但日本股市短期卻出現下跌約 2.5%, 約兩年後跌幅效果減至 1.5%。. ‧. 上述結果可以看出此, 若僅採用單一政策工具的量化寬鬆政策, 於日本自身實. y. Nat. sit. 證研究結果恐不如預期, 對金融市場的影響亦然, 僅長期利率衝擊於股市的影響有. al. er. io. 符合預期的效果。產出的結果於長/短期利率衝擊皆不樂觀, 其中可能原因為, 日. n. 本當時已處於相當低的利率環境, 再調降短期利率可能成效不彰。而降息的效果不. Ch. i n U. v. 如預期, 表示背後應有其他因素, 其力量強於政策效果, 或許可能是百姓長期處於. engchi. 不景氣的環境, 導致對於政府政策失去信心, 進而反應於股市低迷, 但這已非本模型所能解釋的範疇, 故無法求證。接下來我們觀察若日本採用這些單一量化寬鬆政策工具於台灣的衝擊影響, 結果如附圖 (9)。以同樣幅度的日本短期利率衝擊, 台灣產出的反應表現不同於日本, 約一年左右即能轉負為正, 出現 0.05 % 的成長, 但台股也如日本股市一般, 出現不利的走勢。而也以同樣幅度的日本長期利率作衝擊, 台灣產出有微幅的成長, 但長期下來效果則不明顯。台股對於日本長期利率衝擊的效果短期內稍有震盪, 約在一年半左右即反轉衰退, 長期下來能約有 1.5% ∼ 2% 的跌幅。我們繼而以相同的日圓貶值幅度作衝擊, 因台幣相對升值, 商品於國際競爭力相對降低, 台灣產出的表現如預期一般, 產生不利的影響, 約在一年後達到 0.7% 的衰退效果。但以台幣相 24.

(25) 對升值的結果, 台灣股市則出現榮景, 兩年之後甚至能有 6% ∼ 8% 的漲幅。縱觀以上台灣與日本的比較, 同樣的單一政策衝擊之下, 結果於兩國卻大相逕庭。我們認為, 國際投資的資金流動將尋找報酬相對高的標的, 面對某國的降息導致預期報酬下降, 資金便會抽離另尋理想的市場。此種可能的資金流動或許能初步解釋日本降息對兩國造成效果不同的原因。而單以短期利率衝擊的實證結果分析, 日本於 2001 年若僅以調降單一利率作為主要量化寬鬆政策工具, 則其效果於振興自身經濟將不甚理想, 反觀台灣的經濟成長卻因此受惠。另外, 於附圖 (9) 中的結果, 我們可以發現部分衝擊反應的效果並不顯著, 而此結果也如同 DdPS (2007). 政治大著異於零。於此情形, 我們雖不能準確判斷反應幅度 , 但我們仍能從其曲線走勢, 立. 文中的部分衝擊反應函數圖形一般, 其幅度過大的信賴區間無法明確推斷結果顯. 初步解讀衝擊與反應之間同向或反向變動的性質。但於附圖 (9) 中, 我們可以注意. ‧ 國. 學. 到日本匯率對台灣產出的影響是顯著的, 足可見台日兩國的貿易關係密切, 匯率貶值便可能因此而產生顯著跨國影響效果。. ‧. 近年日本的量化寬鬆政策卻不只這一波, 面對 2008 年由美國次貸危機引發的. y. Nat. sit. 金融海嘯, 其骨牌效應影響世界各地, 使全球陷入長時間的景氣低迷, 為了穩定國. al. er. io. 內經濟, 日本第 96 任首相安倍晉三於 2012 年末祭出了「安倍經濟學」振興經濟. n. 方針, 以「三支箭」為主軸, 重使寬鬆的貨幣政策, 向市場注入大量資金, 唯此事件. Ch. i n U. v. 發生的時間點在本研究的資料期間之外, 故於本文不另做實證分析。. engchi. 4.5 美國量化寬鬆政策 2008 年美國雷曼兄弟控股公司 (Lehman Brothers Holding Inc.) 受到次級. 房貸危機波及宣告破產, 創下美國史上規模最龐大的破產案, 也成為金融海嘯的最後一根稻草。不同於 1997 年的危機, 此時崩盤的情況發生在經濟與金融體系完備、與世界各國貿易頻繁的美國時, 受影響的對象將不再侷限於鄰近區域, 蔓延的速度與規模也因此一發不可收拾。美國政府於 2009 年初, 即開始著手一連四波寬鬆貨幣政策的執行, 也就是大家普遍稱之為 QE1 、 QE2 、 QE3 以至於 2012 年末的 QE4 。連續且密集的量化寬鬆政策一直持續到今年初 ( 2014 年) 美國聯準會才有. 退場打算。故本節同樣先以美國長/短期利率各自的單一衝擊, 討論自 2009 年第一季起對美國自身與台灣的產出與股市衝擊反應函數結果。 25.

(26) 衝擊反應函數結果如附圖 (10), 我們首先觀察美國長/短期利率一個殘差標準差為衝擊, 皆大約為 0.1% 的降息調整下, 對於美國自身經濟的影響。對產出的效果而言, 長/短期利率的降息並沒有達到期望的經濟成長, 兩者的衝擊反應效果相似, 平均而言經濟負成長的效果會逐漸擴大, 長期大致會造成約 0.5% 的衰退。而對於金融市場的反應, 長期利率的降息效果較短期利率為大。短期利率的衝擊能使美股短期有良好的反應, 最高有將近 1% 的成長, 但長期來看股市因短期利率降息的成長將逐漸淡出。而長期利率的衝擊能使美股短期出現將近 4% 漲幅的榮景, 而後逐漸遞減造成長期約 2% 的恆久效果。. 政治大我們跟著來看美國調降單一利率對台灣的影響 , 衝擊反應函數結果如附圖 (11)。立. 在同樣幅度的美國短期利率衝擊下, 台灣產出結果長期平均而言會出現 0.5% 的衰. ‧ 國. 學. 退情形, 台股的反應僅在短期約有 2% 的漲幅, 而後逐漸歸零, 在長期而言卻會有約 2% 的跌幅。而在同樣幅度的美國長期利率衝擊下, 台灣的產出衰退於初期並不. ‧. 強烈, 但在長期後會有近 1% 的經濟負成長。台股的反應起初出現波動, 短期下由跌幅反彈, 在短暫微量漲幅後, 長期則可能會出現 2% ∼ 3% 的衰退。. sit. y. Nat. al. er. io. 整體而言, 若美國以降息為手段的量化寬鬆政策於自身金融市場有達到預期的. n. 目的, 但就提升產出而言卻不甚理想。降息使資金機會成本降低, 投資人的預期報. Ch. i n U. v. 酬增加, 熱錢流竄便湧入股市, 進而達成金融市場的繁榮。而產出衰退的反應看似. engchi. 不符合預期, 或許背後有模型設定以外的因素強烈影響經濟發展, 例如一般投資與金融市場的替代性, 導致不利經濟成長的排擠效果。更進一步我們觀察附圖 (11), 不同於日本政策反應不顯著的結果, 美國利率的衝擊效果相對顯著, 短期利率衝擊對於產出在短期具有顯著效果, 長期利率則對產出與股市都具有顯著影響。但美國量化寬鬆政策對台灣效果整體而言並不顯著, 因此針對台灣之影響我們仍應著重於反應變數的變動方向, 而非過於強調波動幅度。. 4.6 以利差為衝擊接著我們將根據 Pesaran and Smith (2012) 以及 Kapetanios et al. (2012) 的分析方式, 研究若採用縮小長短期利差為主的量化寬鬆政策的可能影響。我們將模型中的長/短期利率移除, 相減後以利差的方式納入模型考量, 重新進行估計, 藉 26.

(27) 此討論長/短期利率反向變動下之複合政策工具衝擊效果。日本與美國長短期利差的敘述統計如表 (6), 依表中數據換算成原始值, 美國利差平均值大約為 1.86 , 日本則為 0.88 , 而美國利差之變異幅度亦較日本為大; 整體而言, 倘若欲以縮小利差為政策手段, 美國的經濟環境相較於日本而言, 或許能有較大的空間以利政策施行。以下便使用一個利差的殘差標準差為衝擊幅度, 日本約為 0.08%, 美國約為 0.1%, 觀察縮短利差對該國自身與對台灣所造成之影響, 衝擊反應函數圖形如附. 圖 (12) 與 (13)。日本的利差衝擊不論對日本自身或台灣的產出與股市皆為正向影響。日本產出. 政治大面日本對利差衝擊, 台灣產出在短期內略有波動 , 不過長期來看也有 0.2% 左右的立. 平均而言有 0.1% ∼ 0.2% 的經濟成長, 股市長期下來有超過 2% 的成長幅度; 而正向影響, 台灣股市長期也有穩定約為 1% 左右的上揚。美國縮短利差的衝擊也同. ‧ 國. 學. 樣對美國自身與台灣有理想的表現。美國產出於短期內逐漸攀升, 約一年過後達到 0.4% 的成長, 美股表現同樣在短期內上揚, 一年後有將近 3% ∼ 4% 的漲幅; 而. ‧. 台灣產出整體看來短期稍微震盪後, 長期約有 0.4% 的經濟成長, 至於台股表現短期逐漸攀升, 約一年後會穩定於 4% 的漲幅。. sit. y. Nat. al. er. io. 針對日本與美國之量化寬鬆政策所可能採用的政策工具, 透過比較上述各種衝. n. 擊反應分析, 我們認為以縮短利差的方式結合長/短期利率並行之衝擊, 效果應強. Ch. i n U. v. 於單獨操作其他經濟變數, 且於本模型之估計結果最為符合經濟理論預測, 尤其美. engchi. 國利差衝擊對於美國自身的產出與股市, 皆產生符合預期之正向影響且政策效果顯著。此一類型之量化寬鬆政策類似 2011 年 9 月, 美國施行的 QE3, 聯準會出售短期公債, 同時間買進較長期的公債, 以調整手中持有債券比例的方式, 進行量化寬鬆政策, 藉此壓低長期利率, 短期利率維持較高的水準, 達到寬鬆貨幣政策的效果, 用以刺激美國經濟。上述即所謂的扭轉操作 (operation twist, OT),5 降低長期公債利率的同時, 預期連帶降低其他長期金融工具的利率, 促進經濟發展且避免通貨膨脹。而以上結果顯示, 當局實行扭轉操作的效果應強於單獨操作長/短期利率, 能更為有效促進該國的經濟與金融市場。 5. 此貨幣政策為一美國諾貝爾經濟學獎得主 James Tobin 於 1960 年代初期提出, 以買進 40 億美元長期債券, 拋售短債等措施, 意圖壓低長期利率並穩固黃金儲備的外流, 以此振興經濟, 但於當時的研究結果顯示其成效不彰。. 27.

(28) 表 6: 日美利差敘述統計. Mean JAPAN USA. Med.. Max.. Min.. S.D.. Skew.. Kurt.. 0.0022 0.0028 0.0048 -0.0034 0.0018 -1.0865 3.7034 0.0046 0.0050 0.0090 -0.0036 0.0030 -0.4858 2.3394. 註: 利差=長期利率-短期利率。. 4.7 中國量化寬鬆政策對台灣的影響自 2010 年我國與對岸打破僵局, 簽署兩岸經濟合作架構協定 (Economic Cooperation Framework Agreement, ECFA), 乃至於近期的服務貿易協定以及未. 政治大. 來後續的貨品貿易協定等, 兩岸之互動日趨頻繁, 經濟活動的往來更是活絡, 故於本節我們將討論台灣最大貿易夥伴—中國若採用寬鬆貨幣政策時, 對台灣的影響。. 立. ‧ 國. 學. 衝擊反應函數結果如附圖(14)。. 因中國無長期利率之資料, 故我們無法計算利差並進行衝擊反應分析。故我們. ‧. 以短期利率與人民幣匯率為衝擊, 觀察台灣所可能產生之影響。首先以降息一個殘. y. Nat. 差標準差為衝擊, 約 0.1% 的幅度, 台灣產出的成長最高可達 1.1% , 而台股初期. sit. 雖反應平淡, 但隨著時間經過逐步上揚, 長期下來最高可達約 3% 的漲幅。而中國. er. io. 約 1% 的產出正向衝擊, 使得台灣受惠, 出現經濟成長, 約在三年間達到 1% 的正. al. v i n C h至於人民幣貶值 4% 穩定後則會有 3% ∼ 4% 的榮景。的衝擊, 導致台灣產出略顯 U i e h n gc 衰退反應, 但整體看來影響不甚明顯, 至於台股表現則呈現負向 , 最高出現 2% 的 n. 面影響幅度, 而台股表現兩年內出現 2% ∼ 3% 的跌幅, 但約在三年時反轉, 長期. 跌幅。中國佔台灣國際貿易約 17% 的比重, 是為台灣相當重要的貿易夥伴, 其鄰近的地理關係、同源的風俗文化與相仿的語言文字, 使得兩岸關係密不可分。本節結果亦指出, 中國的貨幣與匯率政策衝擊對於台灣也有明顯的效果, 足可見兩岸經濟發展息息相關, 兩國應當各自發揮比較利益相輔相成, 以期共創彼此經濟榮景。. 28.

(29) 5 結論以量化寬鬆政策振興經濟之手段, 為近年來各國主要對抗景氣低迷的主要對策, 故本文聚焦於量化寬鬆政策的跨國效果分析, 以日本與美國之長/短期利率、匯率等貨幣政策工具作為衝擊, 研究其對總體經濟環境的影響, 並以 GVAR 模型為研究方法, 捕捉國際間的相互影響。本文實證結果指出, 針對台灣為研究對象時, 選擇主要貿易夥伴的小模型, 不失為一能真實反應結果的方法, 且較少的國家數目於資料蒐集, 如貿易矩陣、總體變數等, 亦較為方便及時, 故本文研究皆採用小模型作估計。於日本與美國的量化寬鬆政策實證結果中, 兩國若僅考慮短期利率降息,. 政治大該國股市有正向的效果, 但產出卻有負向效果, 而兩國之長期利率衝擊對台灣而言立效果並不顯著。此外日本匯率貶值則有助於本國產出但對台灣有害。而若採用縮小則不論對自身國家或對台灣的跨國效果反應皆不如預期; 長期利率的降息衝擊對. ‧ 國. 學. 利差的政策, 於日美兩國的效果符合政策之預期並強於單獨操作長/短期利率的政. ‧. 策, 且無論於該國自身或對台灣之跨國影響, 產出與股市皆有正向的反應。最後本文以台灣最大之貿易夥伴—中國為衝擊, 探討中國若執行量化寬鬆政策時對台灣可能的影響。整體而言, 中國降息政策或經濟發展對台灣產出與股市皆會有正向效. er. io. sit. y. Nat. 果。. 為求經濟穩定成長, 近年各國貨幣政策實行得相當頻繁, 如美國「 QE 退場」、. n. al. i n U. v. 日本「安倍經濟」, 甚至歐洲降息亦為近期量化寬鬆政策之重要發展。然而, 針對捕. Ch. engchi. 捉量化寬鬆政策之效果, 除了本文所採用之衝擊變數外仍有其他經濟變數, 也可能為模擬政策衝擊的不錯選擇, 例如貨幣供給量。另一方面, 中國於世界經濟影響力日漸成長, 其廣大內需市場吸引來自世界各地資金的湧入, 故於 GVAR 模型設定中, 或許能夠以中國為參照國, 重新進行模型估計, 以期使模型能更符合國際情勢之現況, 以上相關之後續議題有待學者先進做進一步研究。. 29.

(30) 附錄 A 日美量化寬鬆政策之施行方式日本之量化寬鬆施行於 2001 年 3 月至 2006 年 3 月, 除了調降無擔保隔夜拆款利率以及官方貼現率外, 並藉由金融機構於日本銀行的活期帳戶餘額為操作目標, 起初設定為五兆日圓, 並逐漸加碼至 2006 年量化寬鬆政策結束前達 30 ∼ 35 兆, 增加流動性供給。公債買入金額亦由每月 4000 億日圓擴大至 1.2 兆, 並以買斷相關票券如政府公債、國庫券、金融債與資產擔保債券等為主要公開市場操作. 政治大. 之目標。日本量化寬鬆政策目標主要是以增加流動性供給與促使通貨膨脹率轉負. 立. 為正。. ‧ 國. 學. 不同於日本, 美國量化寬鬆政策以壓低長期利率、美元匯率以及拉抬股價為主要目標。主要是以透過買入不動產抵押貸款證券 (mortage backed securities, MBS). ‧. 與公債為手段, 進而刺激經濟活絡。美國一連串的量化寬鬆政策如附表 (1)。6. sit. y. Nat. B 匯率 e∗it 之說明. n. al. er. io. PSW (2004) 特別指出 GVAR 模型中所使用之匯率 e∗it 並非我們一般所認知. i n U. v. 的有效匯率。要說明此概念, 首先我們以符號 Eijt 為以 j 國貨幣計價的 i 國匯率, 則. Ch. engchi. ln(Eijt ) = ln(Eit /Ejt ) = eit − ejt ,. 運用前文提到的貿易權重計算出之有效匯率 e˜it 則為 X N N N N X X X e˜it = wij Eijt = wij (eit − ejt ) = wij eit − ejt , j=0. 其中,. PN. j=0. j=0. j=0. wij = 1 , 故 e˜it = eit −. PN. j=1 ejt ,. j=1. 經過移項整理後可得. e∗it = eit − e˜it ,. 因此在 GVAR 架構下, 所建構的國際匯率 e∗it 不等於有效匯率 e˜it 。另一方面, 由於參照國的 e0t = 0 , 所以 e∗0t = −˜ e0t , 亦即對於參照國來說的國際匯率是由模型 6 資料整理自中央銀行新聞參考資料:http://www.cbc.gov.tw/ct.asp?xItem= 41801&ctNode=302&mp=1, 林曉伶 (2008) 與高超洋 (2009)。. 30.

(31) 中其他國家所決定的。正是因為如此, 本文後續做實證分析時, 無法以美元匯率為衝擊, 僅能透過長/短期利率之變動觀察美國量化寬鬆之效果。再者, 假設一個採取固定有效匯率模式的國家, 其 eit 和 e∗it 將具高度相關性, 是故倘若我們已假設 eit 為模型中的內生國內變數, 則再將有線性關係的 e∗it 納入解釋外生變數的 x∗it. 似乎並不恰當。再者, 匯率 eit 已是由他國貨幣之價值來衡量, 因此即使不將 e∗it 置入模型中, eit 自身的變動其實也包含了其他各國匯率起伏對 i 國的影響。. C GDP-PPP之說明. 治政大生產毛額。不同於匯率, 購買力平價為另一種計算貨幣等價係數的方式 , 其單位為立國際元 (current international dollar), 通常以美元作為基礎, 即以 1 美元的購買 GDP-PPP 為以購買力平價 (purchasing power parity, PPP) 換算後之國內. ‧ 國. 學. 力作為 1 國際元的價值, 並以此單位為標準, 根據不同國家的物價水平換算國內產出。購買力平價的國際元單位計算較能精確的反應該國的真實生活水平, 避開物價. ‧. 波動所造成產出可能失真的情形。. Nat. sit. y. 本模型中, 使用 GDP-PPP 為權重, 計算相關各國融合成一區域時之加權指標。例如歐元區諸國, 奧地利、比利時、芬蘭、法國、德國、義大利、荷蘭與西班牙. io. n. al. er. 即透過 GDP-PPP, 將各國變數加權創造出代表歐元區之新變數。本文中使用資料. i n U. v. 為 2008 年至 2010 年平均之數值, 如附表 (2), 其比重如附圖 (1)。. D 檢定與說明. Ch. engchi. D.1 單根檢定單根檢定之目的在於檢視一時間序列資料是否為定態 (stationary) 之序列。而就經濟意義上而言, 定態的資料在遭受衝擊後, 經過一段時間的復原, 即會自動回復至穩定均衡。但非定態的序列則不然, 資料經過衝擊後, 即便隨著時間推移衝擊逐漸消失, 所造成的效果卻健在, 其影響使資料無法回歸到長期均衡。如此一來非定態序列的變異數會隨時間經過而越趨變大。因此, 在處理時間序列性質資料的第一步, 即為進行單根檢定, 用以檢驗其是否具有單根。若有, 則此資料即為非定態序列資料; 若無, 則為定態序列資料。本文採用之檢定單根方法為 ADF 檢定, 並. 31.

(32) 可依據資料的性質, 如有無趨勢 (trend) 或漂浮項 (drift), 做相對應的設定。以下考慮一迴歸式為例說明。 ∆yt = β0 + αt + δyt−1 + γt ∆yt−1 + ... + γp ∆yt−p + ut ,. 此為一具備趨勢項與漂移項之時間序列模型, 虛無假說設定如下: H0 : δ = 0 vs. H1 : δ < 0,. 治政 δb ADF = q ,大 b. 檢定統計量:. 立. V AR(δ). ‧ 國. 學. b 為 δb 之變異數。當此 ADF 統計量越小, 即越有證據拒絕虛無假其中, V AR(δ). 設, 也就表示無單根存在, 資料為定態。. ‧. D.2 模型落後期數選擇. sit. y. Nat. 對於個別國家的 VARX∗ (pi , qi ) 模型, pi 與 qi 分別表示國內變數與國外變數. io. Schwarz Bayesian criterion (SBC), 公式如下:. n. al. AICi,pq. Ch. er. 的落後期數。一般而言選擇標準可參考 Akaike information criterion (AIC) 或. i n U. v. T T ki b i | − ki si , (1 + log 2π) − log |Σ =− 2 2. engchi. T ki T b i | − ki si lnT, (1 + log 2π) − log |Σ 2 2 2 PT 0 b 以上數學式, 前兩項皆為最大概似函數值, Σi = =1 uît uît0 /T , 其中之 uît 為殘 SBCi.pq = −. 差之估計結果, T 為樣本數,| · |為行列式運算, ki 與 ki∗ 為國內與國際變數個數, si = ki pi + ki∗ qi + 2 。於此標準下, 數值較大的模型為較理想的選擇。本文模型之. 落後期數選擇以 AIC 為標準。. D.3 共整合檢定若兩個或多個非定態的序列資料經過適當的線性組合之後, 能夠變成定態序列, 則稱之為共整合關係 (cointergration) 。共整合的概念由 Engle 和 Granger 於 1987 提出, 其在經濟意義上而言, 非定態序列資料一經衝擊, 便會偏離穩定均衡, 32.

(33) 但此時若多個變數之間具有共整合性質, 長期下來, 經由彼此交互動態調整, 最終能夠相互修正偏離均衡的狀態, 進而回到長期均衡關係。, 本文使用之檢定為 Johansen 提出的跡檢定 (trace test) 以及最大特性根檢定 (maximum eigenvalue test), 用以觀察資料間的共整合關係。. 跡檢定之虛無假說設定為: H0 =最大共整合階次為 r (最多只有 r 個共整合關係), H1 =最大共整合階次為 k (最多只有 k 個共整合關係)。. 跡檢定統計量為: k X. 政治大為式 (9) 中長期影響矩陣 Π = (A − B ) 的特性根。立 λ = −T. bj ), log(1 − λ. j−r+1. bj 其中, λ. i. i. i. 最大特性根檢定虛無假說設定為:. ‧ 國. 學. H0 =最大共整合階次為 r (最多只有 r 個共整合關係),. H1 =最大共整合階次為 r+1 (最多只有 r+1 個共整合關係)。. Nat. sit. br+1 ), λ = −T log(1 − λ. y. ‧. 最大特性根檢定統計量為:. er. io. 透過上述兩檢定方法反覆檢定, 即可歸納出共整合關係的個數。但是由於共整合關. al. v i n Ch 軌跡。此時我們便需要使用誤差修正模型。 , 即可用 U i e n g透過誤差修正模型中的誤差項 h c 來說明短期中偏離均衡的情況, 如此, 共整合關係與誤差修正模型相輔 , 便能完整 n. 係僅說明了長期均衡關係, 而短期內變數仍可能因為未知的衝擊偏離了長期均衡. 說明變數長短期的動態過程。. D.4 弱外生檢定由於 GVAR 模型的特性, 令我們能夠在一個模型中同時觀察到各國多種變數的交互作用, 但也正因為如此, 變數的數量相當龐大, 國際變數的權重則相對小且權重的計算亦非同期變動, 故 PSW 認為, 國際變數 x∗it 應具有弱外生性質 (weak exogeneity)。以長期結果而言, 已受到國際變數 x∗it 影響的國內變數 xit 將不再. 對國際變數產生回饋的效果。若是忽略國際變數的弱外生性, 則共整合的估計結果解釋不具效率。而本篇與 PSW (2004) 所採用之檢定方法一致, 皆使用 Johansen (1992) 與 Harbo er al. (1998) 所提供之方法, 以 F 檢定誤差修正項的顯著性, 33.

(34) 用以觀察國際變數是否具弱外生性。而弱外生性檢定精神在於, 因個別國家的誤差修正項不應對該國之國際變數具有解釋能力, 因此以檢定誤差修正項的估計係數是否顯著異於零, 來觀察其是否存在回饋效果, 當檢定結果顯著, 表示變數不存在弱外生性質, 唯其計算過程繁瑣, 在此即不詳細敘述; 可參考 Johansen (1992) 與 Harbo et al. (1998) 等文獻。. D.5 衝擊反應函數模型估計的最後, 我們可藉由衝擊反應函數 (impulse response function) 來. 政治大. 觀察特定變數的衝擊將對其他變數造成的影響。其精神在於給定已知的條件設定. 立. 中, 突然進行一個即時性的變動, 使其與未發生變動的原始環境相比, 觀察兩者期. ‧ 國. 學. 望值差距的幅度, 藉此預測總體變數未來可能的走勢。而衝擊反應函數可以大致區分為 Cholesky 分解 (Cholesky decomposition) 的衝擊反應函數, 以及一般化衝擊反應函數 (generalized impulse response function) 。前者需要依據變數影. ‧. 響的程度來手動設定排列順序, 不同的排序有可能會造成截然不同的結果; 後者為. y. Nat. Pesaran and Shin (1988) 提出, 不需排序即可知曉衝擊反應函數的結果, 因此可. sit. 避免先入為主的人為因素, 而造成可能因果關係失真, 本文研究主要亦是著重於一. n. al. GIRF (xt ; uilt , n) = E(xt+n |uilt =. Ch. √. er. io. 般化衝擊反應函數的分析, 其函數定義如下:. i n U. v. σii,ll , Ωt−1 ) − E(xt+n |Ωt−1 ),. engchi. 其中, Ωt−1 為 t − 1 期的資訊集合 (information set) , σii,ll 代表第 i 個國家中第 l 個方程式的變異數—共變異數矩陣主對角線元素, n 為預測期間長度。. D.6 同期影響效果同期影響效果主要是觀察當國際變數變動時, 本國相對變數變動的情形。透過估計出的係數, 我們能夠觀察於同一時間, 本國與全球變數連動的程度, 更進一步的說, 這是一種於國內外變數影響彈性 (impact elasticity) 的概念。面對國際變數 1% 的變動, 高度的影響彈性表示國內外同步的關係較為強烈。此一數據能幫助我們了解各國經濟的開放程度, 也能對該國於全球互動的緊密程度有初步的認識與解讀。. 34.

(35) E 附表. 附表 1: 美國量化寬鬆政策. 政策. 期間. 規模. QE1 2008/11 ∼ 2010/03 1.75 兆 QE2 2010/11 ∼ 2011/06 6000 億 OT 2011/09 ∼ 2012/12 6000 億 QE3 2012/09 ∼ 400 億/月 QE4 2012/12 ∼ 450 億/月 QE 退場 2014/01 ∼. 立. 註: OT 為扭轉操作。. 備註自 2008 宣布後,2009/03 加碼買入公債買入公債買入 MBS 繼 QE3 後加碼買入公債. 政治大. ‧. ‧ 國. 學 sit. y. Nat. er. io. 附表 2: 2008 年-2010 年 GDP-PPP 之平均值. n. a l 國家 GDP-PPP v i n C h 324511416387.75 AUT engchi U BEL 392143424687.11 FIN 192388033060.38 FRA 2156087868508.19 DEU 2983500824153.86 ITA 1910438272196.80 NLD 684533898439.04 ESP 1467285768331.49 註: 單位: 國際元。. 35.

(36) 附表 3: 國家代碼對照表. 國家. 代碼. 國家. 阿根廷澳洲奧地利比利時巴西加拿大瑞士智利中國大陸德國西班牙歐元區芬蘭法國英國印尼印度義大利. ARG AUS AUT BEL BRA CAN CHE CHL CHN DEU ESP EUR FIN FRA GBR IDN IND ITA. 日本 JPN 南韓 KOR 墨西哥 MEX 馬來西亞 MYS 荷蘭 NLD 挪威 NOR 紐西蘭 NZL 祕魯 PER 菲律賓 PHL 沙烏地阿拉伯 SAU 新加坡 SGP 瑞典 SWE 泰國 THA 土耳其 TUR 中華民國 TWN 美國 USA 南非 ZAF. 政治大. 學 ‧. ‧ 國. 立. 代碼. Nat. n. al. er. io. sit. y. 註: 除歐元區外, 其餘國家採用 ISO 3166-1 三位字母代碼. Ch. engchi. 36. i n U. v.

(37) 附表 4: 敘述統計-產出. Med.. Max. Min. S.D.. Skew.. Kurt.. 4.5132 4.4436 4.5306 4.4508 4.2811 4.3383 4.4822 4.3926 4.4589 4.5216 4.2866 4.2871 4.4385 4.3590 4.7908 4.5649 4.5142 4.5597 4.5250 4.2389 4.4945 4.5317 4.3823 4.4248 4.2774 4.4761 4.4281. 4.4908 4.4316 4.5195 4.4091 4.2557 4.4549 4.4873 4.3608 4.5520 4.5765 4.4223 4.4442 4.4087 4.3871 4.7805 4.5193 4.4748 4.4971 4.4974 4.3684 4.4535 4.5093 4.5427 4.4519 4.3964 4.4681 4.4296. 5.1047 4.9187 4.9940 4.8126 5.8595 5.0493 4.7400 5.4159 5.1707 4.7333 5.0418 5.0732 4.8154 4.7058 5.1255 5.2305 5.1033 4.9799 4.9932 5.1561 4.8501 4.7895 5.0468 5.0801 5.0402 4.7928 4.7717. 4.1608 3.9578 4.1293 4.0313 2.8258 3.5722 4.1679 3.5708 3.7342 4.1547 3.2022 3.3784 4.1121 3.9118 4.4582 4.1074 4.0676 4.2894 4.1293 3.2159 4.1728 4.2801 3.4505 3.7775 3.3012 4.0858 3.9653. 0.2467 0.2982 0.2303 0.2409 0.8628 0.4640 0.1797 0.5319 0.4070 0.1655 0.5431 0.5261 0.2323 0.2548 0.2072 0.2815 0.2994 0.2116 0.2341 0.5754 0.1978 0.1449 0.4891 0.3585 0.5108 0.2160 0.2552. 0.5929 0.0045 0.2249 0.0326 0.1218 0.1976 0.2769 0.2047 0.1867 0.9047 0.4442 0.2241 0.1153 0.2148 0.2493 0.7081 0.4135 0.6333 0.1587 0.1871 0.1437 0.0172 0.5054 0.0353 0.3848 0.1476 0.2381. 2.4014 1.6943 2.1833 1.6844 1.9196 1.5885 1.7771 1.8825 1.8863 2.5345 1.9546 1.6312 1.5343 1.6543 1.6247 2.5277 1.9149 2.0209 1.9776 1.7303 1.7783 2.0361 1.9205 1.9456 1.8943 1.7576 1.7570. engchi. 37. -. sit. -. y. -. ‧. n. Ch. -. 學. io. al. 政治大. er. 立. Nat. ARG AUS BRA CAN CHN CHL EUR IND IDN JPN KOR MYS MEX NOR NZL PER PHL ZAF SAU SGP SWE CHE THA TUR TWN GBR USA. Mean. ‧ 國. y. i n U. v. -.