利率法則?或貨幣總量法則?-我國貨幣政策之評價

計畫編號：NSC 88-2415-H-002-029

計畫名稱：利率法則？或貨幣總量法則？－我國貨幣政策之評價

執行期限：87 年 8 月 1 日至 88 年 7 月 31 日

主持人：許振明

執行機構：國立台灣大學經濟學系

e-mail：[email protected]

一、中文摘要 隨著我國金融自由化與國際化程度提 高的影響，經濟情勢變動頻繁，而貨幣政 策中間目標之選擇究竟應採取貨幣總量 (monetary aggregate)或利率，抑或是應將 利率、匯率、股價、貨幣總量等視為訊息 變數而充當貨幣政策中間目標，一直是爭 論焦點。而本文的主要研究目的在探討實 證期間，我國中央銀行在面對金融衝擊 時，究竟採取何種貨幣政策法則。其中利 率及貨幣總量兩法則為主要討論焦點。在 實證方法上，本文採用 Bernanke（1986） 所發展出來的結構式向量自我迴歸模型 （structural VAR）。結果顯示，在實證資 料期間，央行在選擇貨幣中間目標時，雖 著重貨幣總量法則，但利率也可視為一輔 助指標。因此，我們可推論央行係採取貨 幣總量與利率兩者指標混合搭配使用的法 則。至於股價及匯率則亦被視為重要訊息 變數。 關鍵詞：貨幣政策、認定、結構式向量自 我回歸模型、貨幣法則、利率法 則、貨幣政策評價 壹、前言 東亞金融風暴不僅對東南亞及韓國等 國之經濟產生即大的影響，對於台灣之經 濟及金融亦產生極大衝擊。在此次金融風 暴中，我們可以發現銀行、股票市場及外 匯市場等金融體制在其中扮演著重要角 色。此外，隨著我國金融自由化與國際化 程度提高的影響，經濟情勢變動頻繁，而 貨幣政策中間目標之選擇究竟採取貨幣總 量(monetary aggregate)或利率，抑或是應 將利率、匯率、股價、貨幣總量等視為訊 息變數而充當貨幣政策中間目標，一直是 爭論焦點。所以本文的主要研究目的在探 討實證資料期間，我國中央銀行在面對金 融衝擊時，究竟採取何種貨幣政策法則。 自 1970 年代開始，國外有關貨幣政策 的實證文獻很多，但在國外相關文獻上， 則經常忽略外匯及股票兩市場之重要性。 特別是影響股票市場的股價更是著墨不 多。例如：Fair and Howrey(1996)著眼於美 國之封閉經濟情況，以月資料利用最適控 制分析來探討美國的貨幣法則。但其模型 卻忽略了金融體制的重要性。Shioji(1997) 利用結構式向量自我迴歸模型來探討日本 的實證研究。其實證結果發現，日本銀行 在貨幣中間目標的選擇上是將貨幣總量 (m2+CD)與拆款利率(call market rate)兩項 指標混合搭配使用。然而其模型雖然有將 石油價格的衝擊納入考慮，但卻也與 Fair and Howrey(1996)一樣，同樣忽略金融外 匯市場之影響力。 而 Edwards and Végh(1997)針對智利 及墨西哥的月資料來進行實證分析。在理 論模型上，其建構一個包含家計部門、廠 商、銀行與政府部門的總體模型。實證方 法上，其選擇一個包含四種衝擊（shock） ─國際利率、匯率貶值率、國內借款利率 以及存放款利率差距的多變數自我迴歸模 型（VAR），並利用傳統的自我迴歸型 (standard VAR)來進行實證分析。雖然其模

型強調銀行信用市場所扮演的角色，然而 他們同樣忽略名目匯率及股價等資產價格 對於貨幣政策及金融衝擊等之傳導機能。 而 Cushman and Zha(1997)利用加拿大月 資料，以結構 VAR 來分析匯率對貨幣政 策的傳遞機能。然而其雖與 Shioji(1997) 一樣採用結構 VAR 來分析，但其不像 Shioji(1997)那樣，使用一個縮減式 (reduced for)方程式或 Choleski 技巧來分 析；而是建立一個明確的貨幣政策函數。 其實證結果並發現，在加拿大，匯率確實 是一個重要的貨幣政策傳遞機能。然而該 文雖有考量名目匯率因素，但卻忽略股價 之因素。同樣的 Rich(1997)以瑞士月資料 進行實證分析。但卻也與 Cushman and Zha(1997)一樣，忽略了股價因素。

Bernanke and Mihov(1995)利用結構 式向量自我迴歸模型來探討美國的實證研 究。然而其雖有考慮銀行總準備、借入準 備及拆款利率等金融面因素，但卻忽略了 名目匯率與股價之因素。而其後續學者， 例如：Kasa and Popper(1995)、Bagliano and Favero(1998)也皆以其為藍本分別探討日 本及美國的情況。雖然 Kasa and

Popper(1995)另外將道德勸說因子及匯率 納入考慮，但其和 Bagliano and

Favero(1998)與 Bernanke and Mihov(1995) 一樣也忽略了股價因素。

在探討股票市場方面，Patelis(1997) 以美國月資料，利用一個月期的國庫券利 率減去月股票報酬率做為超額股票報酬 (excess stock returns)的替代變數來分析貨 幣衝擊對其的影響效果。其實證結果顯 示。貨幣衝擊對未來股票報酬有正的關 聯。Thorbecke(1997)則發現擴張性的貨幣 政策將增加同時的股票報酬。 然而台灣研究貨幣政策的相關文獻一 向都不缺乏。例如：林宗耀(1990)、鄭保 村(1990)、林瓊華(1990)、黃翠蘭(1992)、 魏志耀(1992)、沈中華與魏文忠(1993) 、 王琮元(1994)、林玫吟(1995)、沈中華 (1995)、黃富櫻(1996)及 Shen(1998)等。但 是上述文獻都著眼於貨幣供給法則的認定 或貨幣數量在貨幣政策中間目標的效果， 或者是探討 M1A、M1B 或 M2 何者為最 佳的中間目標指標。並未將利率當作中間 目標納入考量。至於將股價及匯率因素納 入考慮的文獻也僅在探討股價、匯率與貨 幣需求的關係。例如，Wu and Shea(1993) 曾探討 1980 年代台灣股票與房地產交易 對總合貨幣需求的影響；以及貨幣供給對 股票價格與房地產成交值之影響。其實證 結果顯示，貨幣供給對股價有正的影響。 吳萼清(1994)指出，我國之貨幣需求函數 確實受到名目匯率的影響。而 Shen(1998) 是唯一探討貨幣中間目標之選擇究竟應採 取貨幣總量或利率的台灣實證研究。其利 用 Granger 因果檢定來驗證兩個指標對產 出的影響。然而，他的實證結果只分別顯 示不論是貨幣總量或利率均與產出無穩定 的關係。不過，他並沒有明確指出央行在 實證資料期間是以何種指標當其中間目標 的選擇。 在此次金融風暴中，台灣所受的影響 相對其他亞洲國家而言，可說是影響最小 的。同時，我們也發現銀行、股票市場及 外匯市場等金融體制在此次的危機中所占 的重要地位。由於銀行在資金引進方面為 主要中介機構，雖然中央銀行對於外匯指 定銀行之國外負債餘額有相當的限制，但 由於個人及企業均可自由持有外匯，並透 過銀行匯出入資金或從事外幣存款投資。 因此，銀行匯率及利率之影響力遂顯著顯 現出來。 在資金市場方面，股市是一般民眾投 資的主要場所之一。由於股市一方面是經 濟的櫥窗，反應經濟主要現象，另一方面， 股票價值的波動亦影響個人之財富價值， 對於個人消費需求會產生相當的影響。因 此，研究貨幣金融之衝擊，應該不能忽視 股市這一環節。此外，由於此次東亞金融 風暴之具體表現在於匯率鉅幅貶值，因此 在探討貨幣政策之控制時，我們更不可忽 視外匯市場之動態。 在貨幣政策方面，最近一年來，中央 銀行對於貨幣供給之控制似乎心有餘而力 不足。其中因直接金融之發展有取代間接 金融的趨勢，以及金融創新造成貨幣需求

的減少，這些都使得貨幣供給控制產生困 難。以致中央銀行在貨幣政策法則之選擇 上，已由專注數量控制轉為利率之價格管 理。尤其是在拆款利率之目標區的設立已 漸漸成形。 在近來貨幣的實證文獻上，中間目標 的選擇一直是一個熱門的議題。很遺憾的 是，國內文獻對於台灣貨幣中間目標之選 擇究竟採取貨幣總量或利率之指標的探討 著墨並不多(除 Shen(1998))。再加上將銀 行及股票及外匯市場納入考量的文獻更是 沒有。有鑑於此，本文嘗試以台灣為研究 對象，建構一個包含貨幣市場、股票市場、 外匯市場及央行政策的總體模型，並以此 進行實證分析。 本文擬採用 Bernanke（1986）所發展 出來的結構式向量自我迴歸模型

（structural VAR）。基本上，結構式 VAR 模型係將短期總體經濟金融模型之變數間 之關係充當限制條件，然後加入 VAR 時 間序列模型。我們採取這種分析法之主要 理由係考慮金融體制常隨時間改變，因此 總體經濟金融變數間的關係當屬短期性質 （參閱 Cushman 及 Zha（1997）及 Shioji （1997）之說明）。此模型的特色在於其 嘗試在模型中加入若干限制式，希望能得 到唯一的結構關係，解決因殘差項的相關 而導致無法認定衝擊來源的問題，以便對 估計結果做較精確的解釋。然後我們再根 據預測誤差變異分解(forecast error variance decomposition)及貨幣總量或利率 對各金融變數衝擊及實質變數衝擊的衝擊 反應函數(impulse response function)來說 明貨幣政策衝擊對各金融變數及實質變數 衝擊的影響。 我們主要的結果包括：根據變數同期 間相關模型估計中，我們發現政策變數的 估計係數與預期相同。貨幣數量與利率是 同時被決定的。因此，我們的檢定結果顯 示，過去實證研究這段期間央行在選擇貨 幣中間目標時係採取貨幣總量與利率兩者 指標混合搭配使用的法則。其次，各變數 衝擊的預測誤差變異數分解與衝擊反應結 果顯示，貨幣及利率在影響經濟活動時仍 不可忽視。並且說明在此期間，貨幣為一 重要的中間目標，而利率則被視為一輔助 指標。兩者被相互搭配使用。 本文共分五節來探討。其架構如下： 第一節為前言，包含了本文的研究動機與 目的，以及與本文有關的文獻說明；第二 節為實證模型；第三節為資料與實證方 法，內容除了陳述資料的來源與處理方式 外，並扼要地敘述實證中所使用的檢定方 法。第四節為實證結果之分析；最後一節 為結論。 貳、 實證模型 本 文 的 實 證 模 型 架 構 主 要 參 考 Bernanke(1986)的結構式向量自我迴歸模 型。然不同於 Bernanke(1986)探討貨幣及 信用因素干擾對實質產出干擾的影響。本 文乃探討中央銀行在面對金融衝擊時，究 竟應採取何種貨幣政策法則。因此，基於 本文的目的，首先在模型設定上，我們將 模型分成：非金融部門(即考慮物價(P)與 支出(Y))和金融部門（即考慮股價(SP)、匯 率(EX)、利率(R)及貨幣數量(M)）兩部門。 而其中金融部門是由股票市場、外匯市 場、央行政策與貨幣市場所組成。接著我 們假設央行所採行的中間目標是將貨幣總 量與利率兩項搭配使用，此時，我們的模 型將設定如下： vP _{= b} 12v Y _{+ u} P (1) vY = b21v P + b23v SP + b24v EX + b25v R + uY (2) vSP _{= b} 34v EX _{+ b} 35v R _{+ b} 36v M _{+ u} SP (3) vEX _{= b} 46 v M _{+ u} EX (4) vR _{= b} 54v EX _{+ b} 56v M _{+ u} R (5) vM = b₆₁vP _{+ b} 62 v Y _{+ b} 64v EX _{+ b} 65v R _{+ u} M (6)

其中，vP _、vY _、vSP _、vEX_、vR _{及 v}M 分別表示物價、所得、股價、匯率、利率 及貨幣數量之縮減式衝擊項。 (1)式為總供給曲線。uP 為供給衝擊 (shocks)。我們假設物價受所得的影響，b₁₂ 預期為正號。(2)式為 IS 曲線。u_Y 為支出 衝擊。根據傳統理論的分析，我們知道實 質所得受物價、股價、匯率及利率振盪的 影響。其次，物價對總需求的影響為負的， 所以 b₂₁預期為負號。而股價對支出的影響 具有財富效果，其預期符號為正。最後， 匯 率 的 效 果 主 要 來 自 貿 易 餘 額 (trade balance)。假如 J 曲線(J-curve)存在，則在 短期，貨幣貶值將造成負的貿易餘額效 果，因此 b₂₄將預期為負號。否則 b₂₄將預 期為正號。 (3)式為股價方 程式。uSP 為 股價 衝 擊。我們假設股價受匯率、貨幣數量及利 率振盪的影響。在符號上，除利率對股價 的影響為負號，即 b₃₅<0 外，貨幣數量與 匯率均對股價產生正的效果。所以 b₃₄ 及 b36均預期為正號。 1 (4)式為匯率方程式。 uEX 為匯率衝擊。我們假設匯率受貨幣數 量當期振盪的影響。 (5)式為利率方程式，其為一政策反應 方程式，此方程式主要是在說明中央銀行 的行為。u_R 為利率衝擊。在此，我們不假 設利率干擾項會受產出與物價干擾項當期 的影響。主要是因為央行在接收此方面訊 息時，皆來自前幾期的產出與物價干擾 項。然我們假設利率受匯率及貨幣數量當 期振盪的影響。至於符號方面，由於當匯 率貶值時，為避免幣值惡化，央行乃採取 緊縮的貨幣政策，以使利率上升，來強化 貨幣價值；而當貨幣需求增加時，為了不 讓資金市場太過緊俏，乃提升利率使資金 需求降溫。所以匯率與貨幣數量對利率的 效果均預期為正，即 b₅₄>0，b56>0。 (6)式為貨幣供給法則，此也為一政策 反應方程式。u_M 為貨幣衝擊。我們假設名 目貨幣數量受物價、所得、匯率、利率當

1_{Rogalski and Vinso(1977)得到貨幣供給額之變}

動，對股票市場價格之漲跌呈同向變動。 期振盪的影響。至於符號方面，我們說明 於下：當物價產生正的衝擊時，為避免通 貨膨脹持續惡化，央行必須執行緊縮的貨 幣政策，使其降溫。所以物價對貨幣數量 的影響效果預期為負的，即 b₆₁<0。而所得 對貨幣數量的影響效果為負的，即 b₆₂<0。 此乃因當所得產生負的衝擊時，央行將採 取寬鬆的貨幣政策來提高所得。而當貨幣 貶值時，為避免幣值惡化，乃採取緊縮的 貨幣政策使貨幣供給收縮，以強化貨幣價 值。所以匯率對貨幣數量的影響效果預期 也為負的，即 b64<0。此外，當央行重視利 率的穩定性時，一但利率上升，央行為降 低利率乃採行寬鬆的貨幣政策。所以利率 對貨幣數量的效果為正，b₆₅>0。 如果估計的結果發現，貨幣數量對利 率的效果與預期相同為正號，而利率對貨 幣數量的效果也與預期相同為正號。此即 表示貨幣數量與利率是同時被決定的。亦 即央行在選擇貨幣中間目標時是採取貨幣 總量與利率兩者指標混合搭配使用的法 則。 參、 資料與實證方法 一、資料 本文是以民國71年1月至87年9月台灣 的月資料從事實證分析。我們需要的六個 變數分別為廣義貨幣供給額M2、實質支 出、國內名目利率、物價、股價、及匯率。 以下我們就資料的選取分別加以說明。 由於，國內生產毛額(GDP)並無月資 料，因此，我們以工業生產指數(民國81 年=100)來代表實質支出的替代變數。有人 或許會認為在服務部門日益重要的今日， 沒有月的GDP，而以工業生產指數月資料 當做替代變數，並不適合為目的所得的代 理變數。2_{然觀看當今以月資料模型的相關} 2 _{實證資料期間，服務業生產毛額占國內生產毛額} 比重由 1982 年的 47.92﹪上漲至 1998 年的 65.21 ﹪，總計約增加 17 個百分點。而工業生產毛額占 國內生產毛額比重由 1982 年的 44.34﹪下降至 1998 年的 33.69﹪，總計約減少 11 個百分點。

文獻，（例如，沈中華、劉瑞宇(1994)、 Clarida、Gali and Gertler(1998)。）也都以 工業生產指數為代理變數。因此，變數是 否選取不當，在尚未有相關文獻探討時， 我們也很難下任何判斷。而國內利率則因 欠缺有效率的中長期債券利率指標，因此 本文以金融業隔夜拆款加權平均利率為代 表。主要是因為金融業拆款利率提供相當 有用的政策訊息，央行透過重貼現政策以 影響同業拆款利率，進而達成對貨幣總數 之控制。因此其具領先指標的特質。物價 以消費者物價指數(民國81年=100)表示。 股價以股票市場股價指數(民國55年=100) 表示。至於，匯率則以美元即期匯率-銀行 間收盤匯率日平均值表示。由於美國的通 貨在世界貿易上廣泛流通，再加上美國為 台灣的最大貿易夥伴，因此有關匯率資料 方面，我們以美國資料為考慮對象。 我們所使用的原始資料均為未經季節 調整的月資料。資料來源包括，工業生產 指數資料取自經濟部統計處出版的中華民 國台灣地區工業生產統計月報。金融業隔 夜拆款加權平均利率、股票市場股價指 數、名目貨幣供給額M2(日平均)以及匯率 資料均取自中央銀行經濟研究處出版的中 華民國台灣地區金融統計月報。消費者物 價指數資料取自行政院主計處出版的中華 民國台灣地區物價統計月報。除了金融業 拆款利率之外，其餘變數均以對數型態表 示。 此外，就樣本期間的選取而言，除受 限於金融業拆款利率因貨幣市場成立較 晚，自1980年4月始有資料以及廣義貨幣供 給額M2日平均數自1982年1月始有資料 外，加上本文主要研究台灣金融自由化以 後的貨幣政策，而台幣對美元匯率的波動 直到1981年以後才開始有較明顯的變動， 故將本文的實證研究期間以1982年1月為 起始點而以1998年9月為終止點。至於此選 取是否適當，至少目前的相關文獻尚未討 論此問題。 二、 實證方法 我們假設 Yt是一個 n× 1的隨機變數向 量，並且假設 Y_t的動態關係可由經濟理論 所決定的結構模型所表示： t p i i t I t B Y Av Y

∑

= = + = 0 (7) 其 中 vt 是 序 列 無 關 (serially uncorrelated)的結構式衝擊向量(structural disturbances)，且 E(vt v′t)=∑v是一個對角矩 陣。vt 中的各結構式干擾項均具結構式解 釋能力，就景氣循環分析的術語來說，即 所 謂 隨 機 衝 擊 (innovations, shocks or impulses)。Bi是 n× n 的係數矩陣，顯示模 型中各經濟變數的傳導過程(propagation mechanism)。A 是 n× n 的非奇異矩陣 (nonisngular matrix)，其對角元素等於一而 其餘的元素可以設定為任意數。 由於(7)式中有許多估計的參數，因 此，一個簡單求解的方法，是我們先估計 縮減式向量自我迴歸模型： t p i i t I t C Y u Y

∑

= = + = 1 (8) 其中 C_i= (I-B0) -1_B i。ut是一個序列無關 的縮減式衝擊向量，E( u_t u′_t)=∑u是一個對 稱矩陣，且由於 u_t =(I-B0) -1 Avt 所以 ut滿足 下列關係式： ut= B0ut+ Avt (9) ) 7 (

(9)式表示結構式衝擊向量與縮減式衝擊 向量的同時性(contemporaneous)關係。估 計的過程分為兩個階段。我們首先估計(8) 式的縮減式向量自我迴歸模型得到 u_t，再 估計(9)式。由(9)式我們可以得到∑_v，∑_u， A 和 B0之間的關係為

∑

_v= A−1(I −B₀)

∑

_u(I −B₀)′(A−1)′ (10) 求得 B₀ 後，我們則可求得結構式衝擊向 量。但是，根據樣本估計，我們只能得到 ∑u中的 n(n+ 1)/2 個相異共變異數去估計 A 和 B0中之 n 2 之未知參數。因此，我們只能 認定∑_v的 n 個對角元素，及 A 和 B₀中的 n(n+ 1)/2 個元素。所以我們有模型不能認 定的問題。 為了使(10)式可以認定，我們必須在 結構式向量自我迴歸模型中加入一些限制 條件。加入限制條件的方法有四種。(參見 詹 維 玲 及 藍 致 遠 (1996)) 本 文 採 用 Bernanke(1986)的結構式向量自我迴歸模 型。 肆、 實證結果 在進行單根、共積檢定及估計結構式 向量自我迴歸模型前，圖一至圖六先分別 畫出消費者物價指數、工業生產指數、股 價、匯率、金融業拆款利率及名目廣義貨 幣供給額M2之趨勢圖。大體而言，除金融 業拆款利率還算穩定外，所有變數似乎呈 現非定態的趨勢。而為了能更具體了解我 們所使用的總體變數：消費者物價指數、 工業生產指數、股價、匯率、金融業拆款 利率及名目廣義貨幣供給額M2是否為定 態的隨機過程，在進行共積檢定之前，我 們必需先對各變數本身進行單根檢定。倘 若單根檢定的結果顯示存有單根時，表示 該變數為差分定態隨機過程（Difference Stationary Process）。 圖一至圖六（插入此處） 我們使用ADF（Augmented Dickey-Fuller）t 統計值檢定，分別就消費者物價 指數、工業生產指數、股價、匯率、金融 業拆款利率及名目廣義貨幣供給額M2等 變數的水準項及一次差分項來檢定含有一 個單根的虛無假說。在檢定過程中，我們 還依據是否具有時間趨勢（time trend）及 漂浮項而分別估計三種模型。其中，若模 型中不含漂浮項及時間趨勢，ADF t 統計 值以t_α表示。若不含時間趨勢卻含有漂浮 項，ADF t 統計值以 t_αµ表示。若同時包含 時間趨勢及漂浮項，ADF t 統計值以t_ατ 表 示。此外，我們是根據Campbell and Perron （1991）所建議的過程選取ADF檢定的自 我迴歸項的落後期數。 單根檢定結果列於表一。就表一的 ADF t統計值顯示，在5％的顯著水準下， 所有變數皆為一階差分定態過程。 表一(插入此處) 其 次 ， 我 們 進 一 步 以 Johansen （1988,1989）之最大概似法來檢定消費者 物價指數、工業生產指數、股價、匯率、 金融業拆款利率及名目廣義貨幣供給額 M2 變數之間是否存在共積關係。然而在 進行共積檢定前，我們必需先對向量自我 迴歸（VAR）模型選擇適當的滯延階數。 本文我們遵循 Akaike's 訊息準則（Akaike's Information Criterion；簡稱 AIC）來選取 模型中的滯延階數。我們求得最佳滯延階 數為十三期。 共積檢定的結果，我們發現此六個變 數雖沒有存在共積關係，但卻得到完全訊 息矩陣(full rank)的結果。經由此結果，我 們在進行結構向量自我迴歸模型的估計

時，使用水準值而非一階差分值來分析。3 此外，由於我們使用的資料為月資料型 態，其有相當大的季節因素在內。因此在 進行結構性向量自我迴歸模型估計時，我 們加入季節調整項。其次，在進行結構性 向量自我迴歸模型估計時，我們先進行物 價、產出、股價、匯率、利率及貨幣的當 期 殘 差 相 關 係 數 (contemporaneous correlations of residual)分析。因為若當期 誤差相關存在時，則變數會隨著排列順序 的不同，而產生不同的預測誤差分解值， 排序在前的變數能影響同期排序在後的變 數，而排序在後的變數卻無法影響同期排 序在前的變數，如此將無法得到一致性的 結論。我們將結果列於表二。由表二看出， 物價、產出、股價、匯率、利率及貨幣間 兩兩變數的的當期殘差相關係數並不高。 因此，我們將可算出唯一的預測誤差分 解。 表二(插入此處) 我們以下估計(1)~(6)式並做預測誤差 變異數分解與衝擊反應分析。表三首先列 出(1)~(6)式同期關係的估計模型。從表 三，我們發現所估計的結果與預期相符。 在貨幣政策反應方程式(5)及(6)式中，貨幣 數量的參數估計值與利率的參數估計值均 為顯著的正號，與預期相同。貨幣數量和 利率是同時被決定的。由此可知，這似乎 也支持央行在選擇貨幣中間目標時是採取 貨幣總量與利率兩者指標混合搭配使用的 法則。4_{此外，由 IS 曲線方程式(2)式中，} 我們發現，台灣短期存在 J 曲線效應。 表三(插入此處)

3_{Bernanke and Mihov(1996)指出，不論變數是否存}

有共積，一個水準值的設定將產生一致的估計值。 但是如果變數存有共積，差分設定將產生不一致的 估計值。 4 _{我們曾以季資料及成長率對文中模型加以分} 析，但結果皆差強人意。 表四之一至表四之六我們列出各變數 的預測誤差變異數分解。從表四之一物價 預測誤差變異數分解，我們發現短期間內 物價的變動幾乎由貨幣所解釋的比例最 大，約40%。而表四之二支出預測誤差變 異數分解，我們發現一個月內支出的變動 幾乎全由物價所解釋，比例為99.6%。但 是隨著時間的經過，過了四年後，則由貨 幣所解釋，解釋比例為31.7%。從表四之 三股價預測誤差變異數分解，我們發現股 價的變動幾乎由貨幣所解釋，其解釋比例 約為42%；其次為物價，比例約為37%； 而支出解釋的比例約19%。從表四之四的 匯率預測誤差變異數分解，我們發現一個 月內匯率的變動除絕大部份由匯率本身所 解釋外，比例為68.87%；其次為股價與貨 幣，其約可解釋8%~9%左右。而隨著時間 經過，至48個月後，匯率的變動則絕大部 份由貨幣與物價所解釋。至於利率則解釋 能力較低。從表四之五的利率預測誤差變 異數分解結果顯示，短期間內利率的變動 全由物價本身所解釋。其次為股價與貨 幣，約可解釋9%~10%。但隨著時間經過， 長期而言，利率的變動則幾乎由利率本身 與貨幣所解釋。從表四之六貨幣的預測誤 差變異數分解結果顯示，貨幣的變動由股 價、物價及貨幣本身所解釋。而利率的解 釋部份也佔有一小部份。綜合以上的結 果，我們發現貨幣不論在解釋物價、支出、 股價、匯率或利率等總體或金融變數均佔 重要地位。而利率對經濟活動的影響雖然 較薄弱。但其對經濟活動仍佔有一席之 地。至於匯率與股價其也可視為一訊息變 數，因在此期間對經濟活動也具有影響 力。 表四之一至表四之六(插入此處) 為了更瞭解利率及貨幣數量對經濟活 動的反應，我們分析利率及貨幣數量對各 變數一單位標準差衝擊的衝擊反應函數。 從圖形我們可以發現，貨幣數量的反應很 大且長遠，而利率的變化在短期內較小。 此與前述預測誤差變異數分解的結果一 致。因此我們仍可斷定，在這段期間貨幣

數量仍為主要的中間目標，而利率也可視 為一輔助的中間指標。 伍、 結論 隨著我國金融自由化與國際化程度提 高的影響，經濟情勢變動頻繁，而貨幣政 策中間目標之選擇究竟應採取貨幣總量 (monetary aggregate)或利率，抑或是應將 利率、匯率、股價、貨幣總量等視為訊息 變數而充當貨幣政策中間目標，一直是爭 論焦點。本文採用Bernanke（1986）的六 個變數結構式向量自我迴歸模型，來探討 中央銀行在面對金融或其它衝擊時，究竟 應採取何種貨幣政策法則。由於我們所採 用的經濟結構模型係著眼於台灣特殊的經 濟環境，即開放經濟、股票投資及外匯部 份放寬管制等制度面因素。因此這個研究 結果值得做為央行在執行貨幣政策時的參 考。 我們模型的六個變數為物價、支出、 股價、匯率、利率及貨幣。在變數同期間 相關模型估計中，我們發現政策變數的估 計係數與預期相同。貨幣與利率是同時被 決定的。因此，我們的檢定結果顯示，在 實證資料這段期間內央行在選擇貨幣中間 目標時係採取貨幣總量與利率兩者指標混 合搭配使用的法則。接著，在變異數分解 的結果指出，貨幣數量不論在解釋物價、 支出、股價、匯率或利率等總體或金融變 數均佔重要地位。而利率、匯率及股價對 經濟活動的影響雖然較薄弱，但我們仍不 可忽視。而衝擊反應也顯示貨幣數量及利 率對貨幣量本身的自發性干擾衝擊最大且 最長久。所以我們可推論，在實證研究資 料期間，貨幣數量仍為一重要的中間目 標；而利率可視為一輔助指標。至於股價 及匯率則亦被視為重要訊息變數。

表一

ADF

單根檢定(月資料)-1982:1~1998:9 變數

_t

_α α µ

t

α τ

t

水準項 消費者物價指數 2.80(0) -0.15(0) -2.38(0) 工業生產指數 3.00(4) -2.65(12)* _-2.50(11) 股價 1.05(1) -1.60(1) -1.92(1) 匯率 -0.42(1) -1.10(1) 1.93(0) 金融業拆款利率 -0.86(12) -2.50(12) -4.69(1)** 廣義貨幣供給額M2 2.84(6) -5.22(5)** 0.42(3) 一階差分項 消費者物價指數 -14.67(0)** -12.91(1)** -15.27(0)** 工業生產指數 -2.63(12)** -4.35(12)** -5.47(12)** 股價 -9.44(0)** _-9.54(0)** _-8.81(1)** 匯率 -9.72(0)** _-9.70(0)** _-10.06(0)** 金融業拆款利率 -4.39(12)** _-4.37(12)** _-12.43(1)** 廣義貨幣供給額M2 -1.22(11) -3.75(5)** _-9.74(2)** 註:a. _{括號內的值為單根檢定迴歸中自我相關差分項的落後期數。} * _表示在α_{=10％的水準下顯著。} ** _表示在α_{=5％的水準下顯著。臨界值來自 Fuller(1976)。}

表二 各變數當期誤差相關係數矩陣 物價 產出 股價 匯率 利率 貨幣供給額 物價 1.0000 產出 -0.2101 1.0000 股價 0.0397 0.2105 1.0000 匯率 0.0412 -0.2242 -0.0564 1.0000 利率 -0.070 -0.0070 -0.0417 0.0344 1.0000 貨幣供給額 0.069 -0.0062 0.0916 0.0032 0.080 1.0000 表三 同期關係估計結果 vP = 18.81vY + uP (4.05) vY _{= -3.09*10}3 vP _{+ 73.63v}SP _{- 3.44*10}3 vEX _{+ 56.22v}R _{+ u} Y (198.80) (5.53) (239.15) (1.56) vSP _{= 42.38v}EX _{- 0.66v}R _{+ 254.48v}M _{+ u} SP (20.45) (0.32) (44.54) vEX _{= -0.98v}M _{+ u} EX (0.28) vR _{= 10.61v}EX _{+ 75.12 v}M _{+ u} R (10.71) (17.87) vM = -9.24*103vP - 7.98*103vY - 9.25*103vEX + 128.94vR _{+ u} M (584.68) (526.24) (1313.29) (16.21) 括弧內數值為標準差。

表四之一 物價的預測誤差變異數分解 期間 標準誤 物價 支出 股價 匯率 利率 貨幣 1 0.04224 42.26543 0.97105 2.15935 3.28375 2.74909 48.5713 6 0.04537 39.09509 3.2174 5.02111 4.11796 4.0127 44.5357 12 0.05481 33.28863 7.20846 11.1514 7.0426 7.97257 33.3363 18 0.10484 34.78789 16.0175 9.86975 5.45288 7.52393 26.348 24 0.18658 36.97042 17.3846 8.63011 4.1855 6.39492 26.4345 36 0.48667 39.44965 17.2909 6.32561 2.6849 4.60912 29.6398 48 0.99203 40.585 16.8138 5.14275 2.00416 3.7075 31.7468 表四之二 支出的預測誤差變異數分解 期間 標準誤 物價 支出 股價 匯率 利率 貨幣 1 0.02557 99.55444 0.00749 0.01666 0.02534 0.02122 0.37485 6 0.03046 75.60197 5.27572 6.99843 2.83838 3.63022 5.65529 12 0.04329 47.86066 10.6355 15.82898 8.17358 10.1723 7.329 18 0.0993 37.72891 17.6787 10.6117 5.48554 7.89051 20.6046 24 0.18353 37.90473 17.9169 8.80572 4.15252 6.46434 24.7558 36 0.48551 39.59505 17.3665 6.33965 2.67299 4.61048 29.4153 48 0.99146 40.62117 16.8314 5.14475 2.00052 3.70679 31.6954 表四之三 股價的預測誤差變異數分解 期間 標準誤 物價 支出 股價 匯率 利率 貨幣 1 1.44127 37.03643 19.986 0.08393 0.01437 0.34117 42.5381 6 1.44137 37.03398 19.9858 0.08704 0.01563 0.34273 42.5349 12 1.4417 37.02652 19.9839 0.09815 0.02172 0.35013 42.5196 18 1.44447 37.02011 19.9814 0.13371 0.04023 0.37695 42.4476 24 1.45269 37.03092 19.9592 0.22316 0.08042 0.439 42.2673 36 1.52064 37.27958 19.7247 0.72166 0.28539 0.77647 41.2123 48 1.74918 38.17478 18.9768 1.70989 0.65248 1.42254 39.0635

表四之四 匯率的預測誤差變異數分解 期間 標準誤 物價 支出 股價 匯率 利率 貨幣 1 0.00906 7.22346 3.89801 8.66816 68.8717 3.04224 8.29648 6 0.01887 15.86139 14.6309 20.20223 23.2252 10.121 15.9593 12 0.03609 19.34474 15.5469 23.3166 16.0908 14.8195 10.8815 18 0.09638 33.10796 18.8007 11.34022 6.42995 8.40152 21.9197 24 0.18196 36.6113 18.2357 8.97893 4.39447 6.58309 25.1965 36 0.48492 39.41704 17.4101 6.35804 2.70346 4.62269 29.4887 48 0.99117 40.57916 16.8415 5.14846 2.00742 3.70918 31.7143 表四之五 利率的預測誤差變異數分解 期間 標準誤 物價 支出 股價 匯率 利率 貨幣 1 0.72554 8.58531 4.63291 10.30239 0.05007 66.5687 9.86063 6 0.72573 8.59044 4.63978 10.30934 0.05501 66.5404 9.865 12 0.72638 8.61208 4.65996 10.33477 0.07895 66.4509 9.86339 18 0.73185 9.01084 4.87875 10.32064 0.15017 65.5696 10.07 24 0.74795 10.24428 5.43812 10.2243 0.2971 63.0277 10.7685 36 0.87262 18.10654 8.57867 9.08452 0.86204 47.4461 15.9221 48 1.22831 29.41827 12.5826 6.94648 1.32086 25.641 24.0908 表四之六 貨幣的預測誤差變異數分解 期間 標準誤 物價 支出 股價 匯率 利率 貨幣 1 0.00532 21.86557 11.7994 26.23873 5.77379 9.20894 25.1136 6 0.01739 18.76861 17.2807 23.89895 9.19738 11.958 18.8963 12 0.03533 20.19884 16.228 24.34596 12.3867 15.4668 11.3737 18 0.0961 33.30361 18.9117 11.40957 5.87296 8.45162 22.0505 24 0.18182 36.67167 18.2658 8.99447 4.23554 6.59413 25.2384 36 0.48486 39.42617 17.4141 6.35962 2.68072 4.6238 29.4956 48 0.99115 40.58141 16.8424 5.14877 2.00194 3.7094 31.7161

參考文獻 王琮元(1994), “小型開放經濟之最適貨幣 反餽法則,” 國立中興大學經濟研究 所碩士論文。 沈中華(1995), “法則?權衡?一個雙贏的貨 幣政策,” 企銀季刊，第十九卷第一 期，頁 36-46。 沈中華、魏文忠(1993), “台灣地區中間目 標的選擇─M1A、M1B、M1C 與 M2 的適用性─,” 台灣銀行季刊，第四十 四卷第一期，頁 59-86。 吳萼清(1994),”小型開放經濟下之貨幣需 求函數,” 國立清華大學經濟學研究 所碩士論文。 林玫吟(1995), “貨幣法則與名目所得─台 灣之實證研究,” 國立台灣大學經濟 研究所碩士論文。 林宗耀(1990), “McCallum 準貨幣法則─ 我 國 適 用 性 之 研 究 ,” 中 央 銀 行 季 刊，第十二卷第三期，頁 65-77。 林瓊華(1990), “工資指數化、貨幣法則與 國內干擾─浮動匯率模型,” 私立東 吳大學經濟研究所碩士論文。 詹維玲及藍致遠(1996) , “固定及管理浮動 匯率制度對國外干擾的隔絕功能─台 灣之實證研究,” 經濟論文，第二十四 卷第一期，頁 159-86。 鄭保村(1990), “貨幣法則之論據及爭議,” 台北市銀月刊，第二十一卷第十二 期，頁 41-51。 魏志耀(1993), “台灣地區貨幣政策指標之 實證研究─共整合與結構化向量自我 迴歸之應用,” 淡江大學金融研究所 碩士論文。

Bagliano, Fabio C., and Carlo A. Favero (1998), “Measuring Monetary Policy with VAR Models: An Evaluation,”

European Economic Review, 42,

pp.1069-112.

Bernanke, Ben S. (1986), “Alternative Explanations of the Money-Income Correlation,” Carnegie-Rochester Conference Series on Public Policy, 25,

pp.49-100.

________ and Ilian Mihov (1995),

“Measuring Monetary Policy,” NBER Working Paper No.5145.

________ and ________ (1996), “What Does the Bundesbank Target?,” NBER Working Paper No.5764.

Blanchard, O. J., and M. Watson (1986), “Are Business Cycles All Alike?,” in

The American Business Cycle:

Continuity and Change, R. J. Gordon,

ed., Chicago: University of Chicago Press.

________ and D. Quah (1989), “The

Dynamic Effects of Aggregate Demand and Supply Disturbances,” American Economic Review, 79, pp.655-73.

Cushman, Dvaid O., and Tao Zha (1997), “Identifying Monetary Policy in a Small Open Economy Under Flexible Exchange Rates,” Journal of Monetary Economics , 39, pp.433-48.

Edwards, Sebastian, and Carlos A. Végh (1997), “Banks and Macroeconomic Disturbances under Predetermined Exchange Rates,” Journal of Monetary Economics, 40, pp.239-78.

Fair, Ray C., and E. Philip Howrey (1996), “Evaluating Alternative Monetary Policy Rules,” Journal of Monetary Economics , 38, pp.173-93.

Johansen, Soren （ 1988 ） , “ Statistical Analysis of Cointegration Vectors,”

Journal of Economic Dynamics and Control , 12, pp.231-54.

________ （ 1989 ） , “ Likelihood Based inference on Cointegration：Theory and Applications,”Lecture notes（Centro Interuniversitario di Econometria,

Bologna）.

Kasa, Kenneth , and Helen Popper(1995), “Monetary Policy in Japan: A Structural VAR Analysis,” Federal Reserve Bank of San Francisco Pacific Basin Working Paper Series, No.95-12.

Patelis, Alex D. (1997), “Stock Return Predictability and the Role of Monetary Policy,” The Journal of Finance, 52,

pp.1951-72.

Vinso(1977), “Stock Returns, Money Supply and Direction of Causality,”

The Journal of Finance, pp.1017-1030.

Shen , Chung H. (1998), “The Choice Intermediate Targets-Money or Interest Rate: The Case of Taiwan,” presented at International Conference, Institute of Economics, Academia Sinica, Taipei, Taiwan, Republic of China, June 12-13.,

Shioji, Etsuro (1997), “Identifying Monetary Policy Shocks in Japan,” CEPR

Discussion Paper No. 1733. Sims, Christopher A. (1986), “Are

Forecasting Models Usable for Policy Analysis?,” Federal Reserve Bank of Minneapolis Quarterly Review

(Winter), pp.2-16.

Thorbecke, Willem (1997), “On Stock Market Returns and Monetary Policy,”