金融是现代经济的核心。金融活，经济活；金融稳，经济稳。金融稳定是经济社会稳定发展的先导性重要环节，而资产价格波动是引发金融不稳定的重要诱因和表现形式。每一次区域性和全球性金融危机的爆发皆和资产价格的异常、剧烈波动有着千丝万缕的关联。20世纪90年代以来，各国在维持物价稳定方面做了很多努力，成功地控制了通货膨胀。然而，伴随着金融市场特别是资产市场的快速发展、金融资产规模的不断扩张，资产价格的波动幅度呈现出明显扩大态势。在此背景下，无论是在发达国家还是在发展中国家，一般物价水平保持相对稳定与资产价格剧烈波动在较长时期内并存、金融部门与实体部门价格水平运行分化背离成为经济运行的新常态。当前，我国正处于产业结构转型升级、经济发展动能转换和金融体制改革深化的关键时期，任何大幅度的资产价格波动都将对中国经济的转型和可持续发展产生深远的影响。党的十九大报告明确提出应“健全货币政策和宏观审慎政策双支柱调控框架”，这意味着货币政策在关注物价稳定的同时，必须兼顾金融稳定目标，高度关注资产价格的波动。中国经济进入新常态发展阶段后，面临的国际国内形势越来越错综复杂。从国际来看，世界经济深度调整、复苏乏力，外部环境的不稳定和不确定性明显增加；从国内来看，长期累积的经济矛盾和风险进一步显现，经济增速换挡、结构调整阵痛、新旧动能转换相互交织叠加，对我国资产价格的稳定形成了巨大的压力，也显著增加了我国货币政策在资产价格调控方面的难度。在此背景下，深入分析货币政策调控对资产价格的影响、构建系统的资产价格金融宏观调控方案具有重要的现实意义和理论价值。

关于资产价格波动与货币政策调控之间关系的研究十分丰富。总体而言，既有相关研究主要围绕货币政策是否应当对资产价格波动进行调控以及调控效果来展开，以稳定CPI为主要目标的货币政策框架是否应将资产价格波动纳入其调控目标争论已久。代表性学术观点包括三类：资产价格不应成为货币政策目标集之中的元素，货币政策只需盯住CPI衡量的通货膨胀（Bean，2004；Iacoviello，2005；Posen，2006；Goodhart和Presaud，2008）；货币政策是否应该对资产价格波动作出反应，取决于资产价格波动是否影响中央银行的中期通货膨胀预期（Bernanke和Gertler，1999；Svensson，2004；Mishkin，2007）以及应将资产价格调控纳入货币政策框架（Cecchetti等，2000；Roubini，2006；陈继勇等，2013）。

2008年全球金融危机爆发之后，各国在采取多方面措施应对金融危机给经济金融运行带来的巨大负面冲击的同时，也开始对此次金融危机的发生机理进行深刻反思。本轮全球金融危机的惨痛教训告诉我们，物价稳定表征的宏观经济稳定并不必然意味着金融稳定；相反，物价稳定可能会让宏观调控部门对潜在的风险丧失警惕而使得金融系统更不稳定（Kohn，2010）。尽管对于货币政策是否是造成此次金融危机的原因这一问题尚存争论，但盯住CPI衡量的通货膨胀的传统货币政策框架的缺陷越来越受到学术界的关注，“物价稳定能够兼顾金融稳定”的观点遭到强烈质疑。货币政策应更为积极地关注资产价格的观点也越来越被各方所接受。

关于货币政策对资产价格波动调控效果的研究，已有研究不仅涉及股票市场、房地产市场，还包括了大宗商品市场。Bordo和Wheelock（2004）选取两段美国股市繁荣时期为样本区间，研究资产价格与货币政策调控的关系，得出中央银行实施的扩张性货币政策对不同资产价格的影响呈现差异化的结论。Galí和Gambetti（2014）利用时变参数向量自回归（TVP-VAR）模型研究股票价格在外生货币政策冲击下的反应，发现股票价格对货币政策冲击的响应在短期内下降，长期内却持续上升，这就是著名的“资产价格泡沫理论”。邹昆仑和张晶（2013）认为扩张性货币政策能够导致股票价格的上涨。Seyfried（2010）、McDonald和Stokes（2013）研究发现，扩张性的货币政策导致了房价的大幅上涨。侯成琪和龚六堂（2014）研究发现货币政策冲击是决定我国住房价格波动的关键因素，应该从货币政策入手来平抑住房价格波动；对真实住房价格作出反应的货币政策能够显著降低住房价格波动，并通过金融加速器机制降低经济波动和福利损失。陈诗一和王祥（2016）建立一个带有房地产市场的多部门DSGE模型,同时在模型中引入带有金融摩擦的银行部门,研究货币政策影响房地产价格的传导机制，发现央行盯住房地产价格波动的货币政策能够改善社会福利。Alam和Gilbert（2017）以大宗商品价格为研究对象，发现在大宗商品价格动态变化的过程中，货币政策发挥了重要作用。陈瑶雯等（2019）指出，我国货币政策不仅可以直接影响大宗商品价格，还会通过经济增长间接影响大宗商品价格。

毋庸置疑,这些研究对于理解资产价格波动与货币政策调控之间错综复杂的关系具有相当重要的参考价值。通过对既有文献的梳理，可以发现国内外学者关于资产价格波动与货币政策的研究大多聚焦于某一种资产价格。由于受到经济基本面、货币环境因素以及自身特性的多重影响，不同属性的资产价格既会表现出“同涨同跌”的联动现象，也会出现此消彼长的“跷跷板”现象；而某一种资产价格的单独上涨或下跌并不足以改变货币当局的立场和政策取向，一般情况下货币政策并不会盯住某一种资产价格，更可能是关注资产价格的整体波动态势。

鉴于此，本文借鉴金融形势指数FCI的编制思想，利用我国房地产价格、股票价格、人民币实际有效汇率和大宗商品价格指数构建了我国的资产价格状况指数，并运用SV-TVP-VAR模型从时变和短长期两个角度刻画了我国数量型和价格型货币政策在调控资产价格上的政策效果及动态演变，试图捕捉不同时期我国货币政策取向的转变特征，为货币政策效果变化时后续的政策制定和施行提供决策参考依据。

考虑到数据的可得性与准确性，本文选取居民消费价格指数、实际有效汇率指数、房地产开发综合指数、上证综合指数和大宗商品价格指数作为原始数据，除特殊说明外，数据均来源于WIND数据库，样本区间为2006年6月至2018年12月。数据处理具体过程如下：

(1)通货膨胀率（CPI）：参考王曦等（2017）的做法，将2006年6月份的CPI指数定基为100，由于环比增长率=（本期数−上期数）/上期数，故由CPI环比增长数据和上月CPI指数可以得出本月的CPI指数。

(2)汇率（REER）：采用人民币实际有效汇率作为汇率的代理变量，人民币实际有效汇率剔除了通货膨胀的影响，能够真实地反映人民币的对外价值和相对购买力。数据来源于国际清算银行。

(3)房地产价格指数（HP）以房地产开发综合指数代表房地产价格指数，将2006年6月份的房地产价格指数定基为100，房地产价格指数除以CPI指数得到实际房地产价格指数，再对其通过X−12方法进行季节性调整。

(4)股票价格指数（SP）：以处理后的上证综合指数每月期末收盘价作为股价指数，先用上证综合指数每月期末收盘价除以CPI指数，再对其通过X−12方法进行季节性调整得到股价指数。

(5)大宗商品价格指数（CCPI）：选择CCPI指数除以CPI指数作为度量大宗商品价格的指标，CCPI指数是中国科技部等部门以2006年6月为基期，利用加权平均法计算形成的，其涵盖范围广，能够较为准确地反映大宗商品价格波动情况。

本文借鉴Goodhart和Hofmann（2000）关于金融形势指数FCI的编制思想，构建我国的资产价格状况指数APCI。将APCI设定为房地产价格、股票价格、人民币实际有效汇率和大宗商品价格指数的线性组合。之所以未将实际利率和货币供应量纳入APCI指数，主要是考虑到利率和货币供应量分别是价格型和数量型货币政策工具，若将其纳入APCI指数编制，会使货币政策反应方程中的解释变量和被解释变量均包含货币政策因素，从而导致模型估计结果可靠性降低（张旭，2017）。APCI指数的构成式如（1）所示。

其中， $ {\omega }_{i} $ 表示各项资产价格缺口在APCI指数中的权重。根据Goodhart和Hofmann （2000）的定义，将资产 $ x $ 在某一时期的价格对其长期趋势值的偏离定义为缺口值，其表达式如下：

$x = {\left( {\begin{array}{*{20}{c}} {HP}&{SP}&{REER}&{CCPI} \end{array}} \right)^T}$ 是 $ 1\times 4 $ 的列向量，式(2)中的变量均是实际变量的对数值， $ x\_gap $ 表示变量的百分比缺口值。本文采用HP(Hodrick-Prescott)滤波法求解各变量的长期趋势值，由于样本数据是月度数据，故选定的指数平滑系数为14400。

在计算各资产价格变量的缺口值之前，首先采用ADF检验法对样本数据进行平稳性检验。经检验发现各变量的原始序列均不平稳，但一阶差分后均表现平稳，所以各资产价格变量可进行HP滤波处理。为验证各变量的百分比缺口值是否具有平稳性，本文对经计算得到的各变量的百分比缺口值进行ADF检验，其检验结果如表1所示。由表1可知，所有变量的缺口值序列均是平稳的。

为了判断通货膨胀指标CPI、实际房价HP、实际股价SP、人民币实际有效汇率REER和大宗商品价格指数CCPI5个变量之间是否存在长期的均衡关系，有必要进一步进行Johansen协整检验，其结果如表2所示。从表中的第一行可以看到，迹值为102.541，大于5%显著性水平下的临界值69.819，故可得到在95%的置信水平上拒绝了不存在协整关系的原假设的结论，这说明在长期5个变量间的均衡关系一定存在。

本文基于向量自回归（VAR）模型，求出各时点CPI对纳入资产价格状况指数APCI的资产价格变量冲击的累积脉冲响应值，计算出该数值占CPI对所有变量脉冲响应值之和的比重，以此作为该变量在资产价格状况指数APCI中的权重。

VAR模型是一种常见但十分重要的时间序列模型，用来估计联合内生变量的动态关系，而不带有任何事先约束条件。由于VAR模型具有无任何先验性约束的特征，所以在模型内生变量及其滞后值对其他变量的预测起作用的情况下，只要变量满足平稳性要求，就可用VAR模型的脉冲响应函数来估计系数。一个k元VAR（q）模型的脉冲响应函数表达式为：

式(3)描述了在时期 $ t $ ，当其他扰动项不变而第 $ j $ 个变量的扰动项增加一个单位，且其他时期扰动项均为常数的条件下， $ {y}_{i,t+q} $ 对 $ {\varepsilon }_{jt} $ 的一个单位冲击的反应。脉冲响应函数能刻画一个变量受到来自其他变量的单位冲击后的动态调整路径，因此，可利用脉冲响应函数分析通货膨胀率受到来自纳入APCI指数的各资产价格变量单位乔勒斯基信息冲击时的动态演化路径，即可以构造VAR模型并计算通货膨胀率对各个资产价格变量单位冲击下的累积脉冲响应值来估算我国APCI指数中各资产价格变量的权重 $ \omega $ 。具体而言，本文选取通货膨胀率在房地产价格、股票价格、人民币实际有效汇率和大宗商品价格这四种资产价格的缺口值受到一个标准单位冲击后，在10个月内的脉冲响应系数，进而推算出各资产价格的权重 $ \omega $ ，具体表达式如下：

其中， $ {\beta }_{i} $ 表示CPI对来自第 $ i $ 种资产价格变量缺口值单位冲击的10个月内的脉冲响应平均值。

本文将VAR模型的最大滞后阶数设定为2。构建VAR模型后，进行脉冲响应函数分析计算通货膨胀指标CPI对来自各资产价格缺口序列一个标准单位冲击的脉冲响应大小。在VAR脉冲响应分析的基础上，可得到10个月度预测期的乔勒斯基方差分解结果（如表3所示）。

根据表3，将估计出的各资产价格变量缺口的权重值代入到式(1)，得到我国的APCI指数的表达式：

通过估计结果可以发现，汇率在APCI指数中的权重较小且为负，这与封思贤等（2012）和王曦等（2017）得到的研究结果是一致的，说明汇率对我国资产价格的整体影响较小。股票价格指数的权重达到44.94%，在纳入资产价格状况指数的四种资产价格中比例最高，主要原因是股票市场除了具有筹集资金功能外，还具有优化资源配置和价格发现的功能，2005年的股权分置改革，显著改善了我国股票市场的资源配置与价格发现等功能，使股票对实体经济运行状况的敏感度显著增加。自1998年我国启动住房制度改革后，房地产市场飞速发展，房地产业现阶段已成为我国国民经济的支柱产业，房地产价格的走势在很大程度上主导了其他部门价格水平的走势，因此房地产价格的波动自然会对通货膨胀产生重大响应（丁慧等，2014）。房地产价格指数在资产价格状况指数中的权重达到43.51%。

本文构建的APCI指数时间序列如图1所示。从图1可以看出，2006年6月以来，我国经济运行呈现局部过热态势，资产价格水平快速上涨，于2007年10月达到最高点。受美国次贷危机和全球金融危机的冲击，我国资产价格出现急剧下滑趋势。在此背景下，我国宏观调控部门积极应对，出台了应对金融危机的一揽子政策，实施积极的财政政策和相对宽松的货币政策，系列举措在稳定内需、促进经济增长的同时，也稳定了资产价格水平。资产价格状况指数在2008年10月触底后逐渐回升，此后出现较高频度的小幅震荡，于2014年2月达到金融危机以来的次低值。此后，我国资产价格出现新一轮的快速上涨，于2015年4月达到最高点后突然出现急速回落，中国资本市场出现异常波动；2016年2月资产价格触底后缓慢回升，在2018年2月达到高点后又重新步入下行区间。总体而言，本文构建的资产价格状况指数能够较为准确地刻画我国资产价格运行总体态势和波动特征，较为精准地捕捉到重大事件对于资产价格的影响。

图  1  我国APCI指数波动示意图

本文采用的SV-TVP-VAR模型参考Nakajima 等（2011）的开创性研究，在传统的结构VAR模型基础上引入新的算法，允许模型截距项、方差以及变量系数均可随时间发生变化。以下，本文将对SV-TVP-VAR模型进行简要描述。传统的SVAR模型是SV-TVP-VAR模型的基础，可表示为：

其中， ${{{y}}_{{t}}} = {\left( {\begin{array}{*{20}{c}} {{i}}&{{{M}}\textit{2}}&{{{APCI}}} \end{array}} \right)^{{T}}}$ 是由被观测变量组成的 $ k\times 1 $ 列向量， $ A $ 是 $ k\times k $ 阶联立系数矩阵， $ {F}_{1},\cdots ,{F}_{s} $ 是 $ k\times k $ 阶滞后系数矩阵， $ s $ 为滞后阶数，随机扰动项 $ {\mu }_{t} $ 表示结构冲击，为了维持结构性冲击的同期性，将扰动项 $ {\mu }_{t} $ 设定为递归函数，即 $ {\mu }_{t}\sim N\left(0,\varSigma \varSigma \right) $ ， $ \varSigma = \left( {\begin{array}{*{20}{c}} {{\sigma _1}}&0& \cdots &0\\ 0& \ddots & \ddots & \vdots \\ \vdots & \ddots & \ddots &0\\ 0& \cdots &0&{{\sigma _k}} \end{array}} \right)$ ，系数矩阵 $ A $ 是刻画模型同步结构的下三角矩阵：

假设 ${B}_{i}={A}^{-1}{F}_{i}(i={1,2,}\cdots ,s)$ ，则式(7)的传统SVAR模型可转变为递归的SVAR模型，可表示为：

其中， $ {B}_{i}={A}^{-1}{F}_{i},i=1,\cdots ,s $ 。将 $ {B}_{i} $ 中的行向量堆栈，可得到 $ {k}^{2}s\times 1 $ 阶向量 $ \beta $ ，定义 ${X_t} = {I_k} \otimes \left( {\begin{array}{*{20}{c}} {y_{t - 1}^{\rm T}}& \cdots &{y_{t - s}^{\rm T}} \end{array}} \right)$ 。

将(9)整理变换可得:

式(10)中的系数是固定参数形式。将式(10)中的参数设定为随时间变动，模型进一步扩展为：

式(11)即为SV-TVP-VAR模型。令 ${a_t} = {\left( {\begin{array}{*{20}{c}} {{\alpha _{21}}}&{{\alpha _{31}}}&{{\alpha _{32}}}& \cdots &{{\alpha _{k,k - 1}}} \end{array}} \right)^T}$ 为下三角矩阵 $ {A}_{t} $ 的堆栈。同时令 ${h_t} = {\left( {\begin{array}{*{20}{c}} {{h_{1t}}}& \cdots &{{h_{kt}}} \end{array}} \right)^T}$ ，对于所有的 $ j={1,2},3 $ ， $ t=s+1,\cdots ,n $ ，设 $ {h}_{jt}={log}{\sigma }_{jt}^{2} $ 。假设模型中所有参数均服从随机游走过程，即有：

其中， $ {\beta }_{t+1}\sim N({\mu }_{\beta 0},{\varSigma }_{\beta 0}),{a}_{t+1}\sim N({\mu }_{\alpha 0},{\varSigma }_{\alpha 0}),{h}_{t+1}\sim N({\mu }_{h0},{\varSigma }_{h0}) $ 。 $ {\varSigma }_{\alpha } $ 、 $ {\varSigma }_{h} $ 为对角矩阵， $ {\varSigma }_{\beta } $ 为时变系数矩阵。根据Nakajima等(2011)的研究，协方差矩阵的形式不会对模型参数的估计产生影响，故为了简化模型的估计，假设时变参数的冲击不相关，并且 $ {\varSigma }_{\beta } $ 、 $ {\sum }_{\alpha } $ 和 $ {\sum }_{h} $ 都是对角矩阵。本文采用马尔科夫链蒙特卡洛模型（MCMC）方法对参数 $ {\beta }_{t} $ 、 $ {A}_{t} $ 和 $ {\sum }_{t} $ 进行估计，使用Matlab软件以及Nakajima等（2011）提供的TVP-VAR模型软件包进行模型的运算。

本文将7天同业拆借加权平均利率（SHIBOR）、广义货币供给增长率（M2）和资产价格状况指数（APCI）纳入统一分析框架进行计量建模，利用SV-TVP-VAR模型考察数量型和价格型货币政策对资产价格的时变调控效应。本文选取2006年6月至2018年12月作为样本区间。数据来源及说明如下：

(1)利率：利率作为价格型货币政策的操作工具，能够及时准确反映市场上货币供求力量的对比，相比于存贷款利率以及债券到期收益率，银行间同业拆借利率是货币市场上更具代表性的货币价格指标，可视为央行的政策利率。因此，本文选取上海银行间7天同业拆借加权平均利率作为价格型货币政策的代理变量。

(2)货币供给增长率：M2能够同时反映经济中现实和潜在购买力，本文采用M2增速作为数量型货币政策的代理变量。

(3)资产价格状况指数：使用上文利用房地产价格指数、股票价格指数、人民币实际有效汇率指数和大宗商品价格指数构建的资产价格状况指数。

本文将模型的滞后期设定为2，采用马尔科夫链蒙特卡洛(MCMC)方法进行模型估计，将抽样次数设定为10,000次，预烧抽样舍去前1,000次。在模型实际估计过程中，参考现有研究（Primiceri，2005），将先验分布函数及参数值设置为：

模型参数估计结果如图2所示，第一行反映了样本自相关函数，第二行是样本取值路径，第三行给出了后验密度。从图2中可以看出，样本的自回归系数稳定下降，第二行的样本路径图表明数据是平稳的，说明通过预设参数的MCMC抽样获得了不相关的有效样本。

图  2  自回归系数、样本路径和后验分布

MCMC模拟法的参数具体估计结果如表4所示，各参数的后验均值均落在95%的置信区间内。Geweke检验的CD收敛诊断值和无效影响因子是判断MCMC模拟和估计结果的重要指标。Geweke检验的原假设是参数估计结果收敛于后验分布，表4中第五列所示Geweke检验的CD收敛诊断值，它们均小于5%显著性水平下的临界值1.96,表明Geweke检验在5%显著性水平下无法拒绝原假设即参数估计结果收敛于后验分布，这意味着10,000次的模拟次数可以产生有效样本足够用来估计参数。同时，表4中第六列显示模型估计的参数无效因子普遍较小，最大值仅为112，而MCMC随机抽取次数为10,000次，则至多产生10,000/112≈89个不相关样本观测值，满足统计推断。可以满足后验分布的参数均值等于真实值的样本需求，因此模型设定的模拟结果是合理的。

时变模型中参数的估计值随时间的变动而不同，SV-TVP-VAR模型的等间隔脉冲响应函数和时点脉冲响应函数分析可以有效捕捉时间序列的时变性特征，避免传统的固定系数VAR模型存在的估计偏差。等间隔脉冲响应函数能够刻画样本期间内每一期中自变量生成一单位冲击后，因变量在相等的时间间隔后的响应情况，识别变量之间作用关系的时变特性；时点脉冲响应函数主要描述不同环境下因变量对自变量冲击的反应差异。本文分别通过等间隔脉冲响应函数和时点脉冲响应函数分析数量型和价格型货币政策对于资产价格波动的时变响应情况以及数量型和价格型货币政策对资产价格的调控效果。

在时间间隔选择方面，选取1期、5期、12期和20期4个等间隔时长进行等间隔脉冲响应分析。在时点的选取方面，结合不同时期经济金融运行状况和货币政策实施背景，选取2006年9月、2008年6月、2014年6月和2017年9月4个重要且具有不同特点的关键时点研究货币政策冲击对资产价格波动影响的差异。之所以选取这四个时点进行脉冲响应分析，主要基于以下考虑：从前文构建的资产价格状况指数时间序列图1来看，2003年我国进入经济周期上行阶段，资产价格呈现快速上涨态势，于2007年10月达到最高点，本文选取2006年9月代表经济繁荣时期。受美国“次贷”危机和全球金融危机的影响，2007年11月开始，我国资产价格状况指数急剧下滑，于2008年10月触底回升，本文选取2008年7月表征金融危机时期。在此期间，我国中央银行实施了相对宽松的货币政策。2012年我国GDP增长率跌破8%，从此我国经济增长由高速转为中高速，经济运行进入新常态时期，这一阶段资产价格波动呈现出幅度相对不大、而频率较高的特征，本文选择2014年6月代表经济发展新常态时期。伴随着金融市场的快速发展和金融资产规模的不断膨胀，金融资产价格波动对宏观经济运行的影响越来越明显，防范金融风险、维护金融稳定成为关乎国家金融安全、关系经济发展全局的战略性、根本性大事。2015年我国资本市场的异常波动给经济金融运行带来巨大负面冲击便是例证。鉴于此，2017年习近平总书记在党的十九大报告中提出要打赢防范化解重大金融风险攻坚战，国务院设立金融稳定发展委员会，完善金融监管联动协调机制，我国进入金融强监管时期。本文选择2017年9月代表金融强监管时期。

数量型货币政策的时变脉冲响应函数结果如图3所示。由图3（a）（b）可知，货币量对资产价格波动冲击的响应大部分时期均显著为负，且负向响应维持的时间较长，意味着数量型货币政策对资产价格的调控具有长期持久性。其传导路径是当资产价格快速上升时，央行会择机主动下调货币供应量，以抑制资产价格的过快上涨；而当资产价格出现明显下降态势时，央行会实施相对宽松的货币政策，增加货币供给，稳定资产价格。从时间推移看，在2015年底之前，数量型货币政策对一单位资产价格波动冲击的响应始终为负值。但从2016年开始，4个不同提前期的脉冲响应图3（b）均显示货币量对资产价格冲击的响应为正，即资产价格上涨却伴随着货币量的扩张，货币供应量的增加进一步导致资产价格膨胀。究其原因，由于非标资产和通道业务的快速增长导致大量资金流向地方融资平台、股市、房地产以及部分产能过剩行业，削弱了监管政策和金融宏观调控的有效性，加剧了资产泡沫和金融风险。面对这种状况，2018年4月中国人民银行会同银保监会、证监会、外汇局联合发布《关于规范金融机构资产管理业务的指导意见》，旨在畅通货币政策传导渠道，有序化解以资管业务为代表的影子银行风险。

图  3  数量型货币政策的时变脉冲响应函数

从数量型货币政策调控效果来看，时点脉冲响应图3（c）和等间隔脉冲响应图3（d）均显示APCI指数对数量型货币政策冲击的响应具有明显时变特征。从时点脉冲响应图3（c）来看，在4个不同时点，数量型货币政策在实施初期就能对资产价格产生正向调控效果。这意味着数量型货币政策对资产价格传导的渠道是通畅的。因此，可采用紧缩型货币政策抑制资产价格的过快上涨。具体来看，在2006年9月、2008年6月、2014年6月和2017年9月的脉冲响应值分别在第8期、第9期、第7期和第6期达到最大值，然后逐渐回落，并向零线附近收敛。在各代表性时点下，数量型货币政策对资产价格的调控效果达到极大水平所需时间相差无几；但是响应水平值呈现出明显差异，即在不同代表性时点，数量型货币政策对资产价格的调控效果存在明显差别。具体而言，在金融危机时期，数量型货币政策对资产价格的调控效果最为明显；在经济繁荣时期和经济发展新常态时期，数量型货币政策的调控效果次之；在金融强监管时期，数量型货币政策对资产价格的调控效果较差。究其原因，美国“次贷”危机以及全球金融危机的爆发，让央行开始反思以往仅盯住通货膨胀、忽视资产价格波动的传统货币政策框架的缺陷，将维护金融稳定作为货币政策的一个重要调控目标。值得一提的是，我国央行从2009年第三季度开始探索构建具有宏观审慎特征的货币政策调控框架，以期通过更长时间维度的跨周期逆向调控方略稳定资产价格、维护金融稳定。而金融强监管时期货币政策调控资产价格效果较差，从另一个侧面印证了图3（a）（b）中展示的2016年以来出现的资产价格上涨伴随着货币供应量扩张的异常情况。

图3（d）所示的等间隔脉冲响应图刻画了提前1期、5期、12期和20期数量型货币政策调控资产价格效果的动态调整路径，基本印证了时点脉冲响应图所展示的数量型货币政策调控效果变化的一般性规律。从整个样本区间来看，在绝大多数时期，提前5期的资产价格对数量型货币政策冲击的脉冲响应值最大，即数量型货币政策施行5个月后对资产价格波动的调控效果最为明显；一年以后调控效果有所弱化，20个月后货币政策的调控效果进一步下降。值得一提的是，在金融危机期间，提前12期的脉冲响应值最大，意味着金融危机期间数量型货币政策对资产价格的最优调控效果出现在政策施行1年之后。在整个样本区间内，提前1期的脉冲响应值最小，这主要是由于货币政策对资产价格的调控存在时滞。在不同提前期视阈下，将各代表性时期数量型货币政策对资产价格的调控效果进行对比分析，可以发现金融危机时期数量型货币政策对资产价格的调控效果在不同提前期均十分显著，这主要是和金融危机期间货币当局稳定资产价格的政策实施强度有关；而金融强监管时期数量型货币政策对资产价格的调控在不同提前期均不甚有效，其主要原因在于以资管业务为代表的影子银行导致货币政策传导不畅，削弱了数量型货币政策对资产价格的调控效果。

价格型货币政策的时变脉冲响应函数结果如图4所示。由图4（a）（b）可知，在整个样本期间内，利率对资产价格波动的响应均显著为正，且正向响应维持的时间较长，意味着价格型货币政策对资产价格的调控具有长期持久性。其传导路径是当资产价格快速上升时，央行会择机主动上调基准利率水平，以抑制资产价格的过快上涨；而当资产价格出现明显下降时，央行会实施相对宽松的货币政策，下调基准利率水平，稳定资产价格。从各个提前期利率对资产价格冲击的时变脉冲响应图4（b）来看，价格型货币政策的施行强度具有明显的时变特征。其中，金融危机期间和经济发展新常态期间利率对资产价格波动的反应强度最大。究其原因，金融危机期间，我国面临资产价格的大幅度下跌态势，为了稳定资产价格、维护金融安全，货币当局大幅度下调利率。2014年6月开始，资产价格出现快速上涨态势，2015年6月达到最高点并急速回落，面对资产价格的异常波动，央行运用利率政策进行了及时应对。近年来，利率对资产价格波动冲击的响应强度出现了下降趋势，可能的原因是伴随着“货币政策+宏观审慎政策”双支柱调控框架的建立和运行，面对资产价格的波动，央行加强了宏观审慎监管的力度，相对弱化了货币政策对资产价格波动的敏感度。

图  4  价格型货币政策的时变脉冲响应函数

从价格型货币政策调控效果来看，无论是时点脉冲响应图4（c）还是等间隔脉冲响应图4（d）均显示APCI指数对价格型货币政策冲击的响应呈现明显时变特征。从时点脉冲响应图4（c）来看，在四个代表性时点价格型货币政策在施行初期便对资产价格产生较为明显的负向调控效应，均在10个月左右达到调控效应的极大水平，之后逐渐向0收敛。这意味着价格型货币政策对资产价格传导的渠道是顺畅的，可采用紧缩性货币政策抑制资产价格的过快上涨。具体而言，在金融危机时期，价格型货币政策对资产价格的调控效果相对于其他时期更为显著，且政策调控效应持续时间久。而在金融强监管时期，价格型货币政策的调控效应较其他代表性时点而言不显著，但达到调控水平极大值的时间最短，仅需要7个月，说明在这一时期价格型货币政策调控的时滞变短。由此可见，近年来价格型货币政策对资产价格波动的调控呈现出效力减弱而传导速度提升的态势。在此基础上，进一步考察图4（d）所示的不同代表性提前期的等间隔脉冲响应函数图可知，从整体样本区间来看，提前1期的资产价格对价格型货币政策冲击的时变脉冲值最小，提前12期的资产价格对价格型货币政策冲击的时变脉冲值最大，其次是提前5期和提前20期。这意味着由于政策时滞的存在，价格型货币政策出台初期的政策效果比较微弱，5个月后政策效果逐渐显现，一年后政策效果最为显著，此后呈减弱态势。值得一提的是，在不同提前期视阈下，对比分析各代表性时期价格型货币政策在资产价格调控上的政策效果，可以发现金融危机时期价格型货币政策对资产价格的调控效果最为显著，而金融强监管时期价格型货币政策的调控效应在不同提前期均相对较小。

上文分别从不同时点和不同时间间隔两个维度考察了数量型和价格型货币政策对资产价格的调控效果。以下，本文进一步综合比较两种货币政策操作范式对资产价格调控效果的差异性，为恰当选择货币政策调控工具、加强资产价格波动调控效能提供参考。对比图3和图4时变脉冲响应值可知，价格型货币政策对资产价格波动的调节效应显著大于数量型货币政策，这说明尽管数量型货币政策能够起到“抑泡沫”的政策效果，但从政策强度和效力对比看，价格型货币政策相对优于数量型货币政策。从达到极大调控效应水平的时间来看，数量型货币政策最长需要9个月，价格型货币政策最长需要10个月，两种货币政策调控范式达到最显著调控效果所需时间相差不大。此外，从政策效果持续期来看，两种货币政策调控范式也呈现出相似性。

当前，我国正处于产业结构转型升级、经济发展动能转换和金融体制改革深化的关键期。错综复杂的国际形势和三期叠加的国内经济运行态势在严重威胁我国资产价格稳定的同时，也显著增加了我国货币政策在资产价格调控方面的难度。在此背景下，进一步推进金融体制改革、构建现代金融体系、防范资产价格的剧烈波动以及构建系统的资产价格金融宏观调控方案仍然任重道远。鉴于此，本文借鉴金融形势指数FCI的编制思想，利用我国房地产价格指数、股票价格指数、人民币实际有效汇率指数和大宗商品价格指数构建了我国的资产价格状况指数，并运用SV-TVP-VAR模型从时变和短长期两个角度刻画了我国数量型和价格型货币政策在调控资产价格、抑制资产泡沫上的政策效果及动态演变，试图捕捉不同时期我国货币政策取向的转变特征，为货币政策效果变化时后续的政策制定和施行提供决策参考依据。

实证研究结果表明，本文构建的资产价格状况指数能够较好地刻画我国资产价格变化总体特征。整个样本区间内，数量型货币政策具有盯住资产价格倾向，在2008−2009年期间达到极大值，此后盯住强度有所下降。但从2016年开始，出现了伴随资产价格上涨、货币供应量扩张的异常情况，这主要是由于以资管业务为代表的影子银行导致货币政策传导不畅，削弱了数量型货币政策对资产价格的调控效果，并非意味着货币政策忽视资产价格波动，更不意味着纵容资产泡沫的政策取向。从政策执行效果来看，数量型货币政策在实施初期就能对资产价格产生正向调控效果。这意味着数量型货币政策对资产价格传导的渠道是通畅的。因此，可采用紧缩性货币政策抑制资产价格的过快上涨。不同时期，数量型货币政策对资产价格的调控效果存在明显差别，金融危机期间调控效果最为显著，而金融强监管时期调控效果明显下降。

研究结果还表明，在整个样本区间内，价格型货币政策抑制资产价格泡沫的政策取向是明显的。从脉冲响应角度看，在整个样本期间内，利率对资产价格波动的响应均显著为正，且正向响应维持的时间较长，意味着价格型货币政策对资产价格的调控具有长期持久性。其传导路径是当资产价格快速上升时，央行会择机主动上调基准利率水平，以抑制资产价格的过快上涨；而当资产价格出现明显下降时，央行会实施相对宽松的货币政策，下调基准利率水平，稳定资产价格。从政策效果看，价格型货币政策在实施初期便可对资产价格产生显著的负向调控效果，且政策效果持续时间长。另外，对比分析数量型和价格型货币政策两种调控范式，价格型调控效力高于数量型调控效力。而在达到调控效果极大水平所需时间以及调控效果持续时间方面，两种调控范式相差不大，数量型货币政策达到调控效果极大水平的时间略短于价格型货币政策所需时间。

基于上述研究结论，本文得到以下三点启示：

第一，应进一步规范金融业务创新，疏通货币政策传导渠道，提升货币政策调控效果。以非标资产和通道业务为代表的影子银行极大地拓宽了金融市场的融资渠道和投机渠道，导致大量货币从商业银行体系流入影子银行体系，投向地方融资平台、房地产以及产能过剩等限制性行业，形成货币漏出，降低了商业银行在货币传导中的作用，弱化了央行货币政策调控的效果，也加大了地方政府隐性债务风险。应持续规范和适度压缩商业银行表外业务、非标业务、通道业务，将金融机构业务全部纳入监管视野。

第二，改变“重量轻价”的传统货币政策调控模式，形成“价主量辅”的货币政策调控新框架，提升货币政策调控资产价格的效力。鉴于价格型货币政策对资产价格波动的调控效力大于数量型货币政策，新形势下实现资产价格稳定的政策目标应形成价格型调控为主、数量型调控为辅的货币政策调控新框架。要继续深入推进利率市场化改革进程，疏通利率传导渠道，最大限度发挥价格型货币政策对资产价格的逆风向调控效应。同时要合理使用数量型货币政策工具，优化数量型货币政策效果；积极探索和创设更多差别化、精细化的货币政策工具。此外，央行应不断增强货币政策实施的透明度和公信力，培育市场主体对资产价格的合理预期。

第三，加强宏观审慎监管，构建并完善“货币政策+宏观审慎政策”双支柱调控框架，更有效稳定资产价格。资产价格波动的原因复杂多样，新形势下要有效调控资产价格，除了应合理运用货币政策之外，还需加强宏观审慎监管。应健全现代中央银行制度，构建货币政策和宏观审慎政策双支柱调控框架。要进一步完善宏观审慎管理体系，精准量化审慎管理目标；要厘清货币政策与宏观审慎政策二者的关系，完善政策协调搭配策略和作用机制，探索货币政策与宏观审慎政策最优组合，有效维护价格稳定和金融稳定。