新闻资讯

news

新闻资讯

学院新闻
通知公告
学者观点

CQMM的建模思想、基本框架及其应用

2020-03-05
分享至：
编者按：
CQMM最初是由厦门大学宏观经济研究中心的研究人员在新加坡南洋理工大学的陈抗教授的指导下共同研制开发、后经厦门大学宏观经济研究中心CQMM课题组（下称厦大课题组）升级改造的中国宏观经济计量模型。不仅可以用于短期经济指标的预测，还可以从中长期的角度剖析经济增长及宏观经济政策的变动影响。运行十三年，在国内学界和社会上产生了一定的影响力。本文首次公开披露了CQMM的建模思想、基本框架及其实际应用。
作者：厦门大学中国季度宏观经济计量模型（CQMM）课题组
执笔：龚 敏 吴华坤 王燕武 林致远
刊期：《财经智库》2020年

一、引言

从世界范围看，宏观经济计量模型的研究开发工作始于20世纪40年代，其所依赖的建模思想称为考利斯委员会方法（Cowles Commission Approach）。该方法的特点是根据经济理论建立各宏观经济变量之间的联立方程模型，用于分析和预测宏观经济的运行。具体表现为以先验给定的经济理论模型为基点，以测量估计模型的参数值（结构）为重心，以参数值呼应理论预期值域为估计标准，以发展既不触动给定理论模型结构又能覆盖计量模型之统计问题的估计方法为研究方向（韩德瑞、秦朵，1998）。随着经典计量技术的发展和渐趋完备，启动于1968年、由诺奖得主克莱因负责的世界经济预测模型“LINK 项目”将考利斯委员会方法的应用推向巅峰并盛极一时。然而，20 世纪7年代初石油危机发生后，以考利斯委员会方法为基础的宏观经济计量模型均未能预计油价振荡对许多基本经济指标的动态影响，从而陷入全面失灵的境地。其后，著名的卢卡斯批判（Lucas 1976）宣告了传统模型的终结。

源于对考利斯委员会方法失灵原因的不同认识，最近三十多年来的宏观经济计量方法沿着不同的方向取得了进展，这些进展大致可以归为三类：一是向量自回归模型（VAR），二是动态随机一般均衡模型（DSGE），三是以Hendry（1995）为代表的动态建模方法或伦敦经济学院方法（LSE Approach）。VAR 方法认为，经过约化（Reduction）的模型损失了太多的信息，而且在模型约化中加入的理论约束并非一成不变的真理。因此，该方法主张直接用原始数据构建向量自回归模型才最适合于分析经济的运行。不过，由于VAR不仅需要大量的数据，而且无法具体揭示不同经济部门的行为特征及其相互关系，从而无法明确政策效应的传导渠道和作用机制，因而难以满足现实宏观经济计量建模的实际要求。DSGE方法认为，只有对深层次的参数进行正确的估计，具有微观基础的模型才可以通过校准（Calibrated）以进行相关的政策分析。由于DSGE的建模方法需要以大量的微观数据为基础估算许多参数，而这些微观数据（如劳动时数、工资水平、就业数量等）中有不少在目前的中国尚难以获得完整的数据，因而也难以使用该方法构建中国宏观经济分析与预测模型。相比之下，动态建模方法（或LSE方法）保留了考利斯委员会方法中清晰的经济结构设定，同时又注入了崭新的经济理论和经济计量学理论基础，能够克服传统方法的缺陷。它不仅能够清晰地揭示宏观经济运行的内在机理，并在此基础上进行经济预测和政策模拟，而且在数据可得性等方面的障碍相对较少且易于克服，因而适合于中国宏观经济计量模型的建立。

厦门大学CQMM正是沿袭考利斯委员会的宏观联立方程建模传统，基于动态建模理论与方法构建的中国季度宏观经济计量模型。该模型最早于2006年由厦门大学宏观经济研究中心的研究人员在新加坡南洋理工大学的陈抗教授的指导下共同研制开发，后经厦门大学宏观经济研究中心CQMM课题组（下称厦大课题组）升级改造，成为一个兼顾需求侧和供给侧的平衡经济模型，不仅可以用于短期经济指标的预测，而且可以从中长期的角度剖析经济增长及宏观经济政策的变动影响。连续运行十三年来，在国内学界和社会上产生了一定的影响。本文揭示CQMM的建模思想、基本框架及其实际应用。

二、CQMM的建模思想、方法及特点

CQMM是以联立方程模型为基础理论框架构建的中国季度宏观经济计量模型。最初集中于从总需求层面考察中国宏观经济波动的形成机理，对未来8个季度（春季预报）或6个季度（秋季预报）的主要经济指标进行预测，对宏观政策或其他外生冲击所产生的经济效应进行模拟分析。2012年8月以后，经厦大课题组升级改造，该模型不仅可以用于短期经济指标的预测，并且可以从中长期的角度剖析经济增长及宏观经济政策的变动影响，显著地扩展了模型的应用空间。2016年6月以来，厦大课题组开始探索运用更多数据信息提升模型的短期预测效力，包括综合运用混频衔接建模（ Bridging Modeling）、混合数据抽样（MIDAS）、混频向量自回归（MFVAR）、动态因子模型（DFM）等相关理论及应用成果，将高频数据、领先指标等纳入CQMM模型，运用主成分分析（PCA）、偏最小二乘（PLS）等降维方法，构建相关市场综合指数，在维持核心模型简约性的同时充分利用高维数据，对改善预测和模拟分析结果起到了显著的促进作用。

相比于国内正在或曾经运行的中国宏观经济计量模型，CQMM的特点主要体现在以下几个方面。

1.CQMM是以总需求导向、兼顾总供给的结构式宏观联立方程模型

宏观经济分析与预测可以分别从需求侧和供给侧入手，也可以兼而有之。不过，现代宏观经济理论表明，总供给的变化主要受中长期因素的驱动，因此，从供给侧入手更适于中长期预测。要对短期宏观经济指标进行预测，以便为宏观经济决策提供支持，更合适的做法是从需求侧着手，即从考察总需求的构成因素出发，揭示宏观经济波动的形成机理，在此基础上预测宏观经济的走向，同时从实证上探讨宏观政策的经济效应。CQMM早期的构建工作正是基于这样的考虑。2013年8月份，CQMM课题组在模型框架中加入供给模块，从过去基于支出法GDP建立的总需求导向模型转变为以总需求为导向、兼顾总供给的动态结构式季度宏观经济计量模型。

2. CQMM 基于动态建模理论

采用理论驱动的传统经济计量模型，一般依据现有的经济理论设立结构式模型，然后由数据估计模型中参数的取值。但与自然科学研究不同，经济研究对同一经济现象经常同时存在两种截然不同的经济理论。这使得应用经济计量建模时并不存在惟一的理论基础。数据驱动的经济计量模型则遵循完全依赖数据特征的建模原则，所建模型不仅对样本有着很强的依赖性，而且对样本中的偶然因素与长期因素不加分辨，这使得模型在样本外无法使用，因而难以用于经济预测与政策分析。不同于传统的理论驱动或数据驱动的建模方法，动态建模方法在建模过程中交替使用理论和数据信息，以探求数据生成过程为主要目标，将应用模型的设计过程明朗化，使应用计量建模不再是一门“艺术”，而是有据可依、有章可循的实践活动（韩德瑞、秦朵，1998）。

3.CQMM采取直接对ADL单方程约化的方式建模

宏观经济变量多为非平稳时间序列，在此情形下，采用自回归分布滞后模型（ADL）是最为恰当的（Hendry,2001），因为只要模型中包含足够多的滞后项，就一定能够摆脱单位根的困扰。当变量间存在协整关系时，误差修正模型（ECM）则成为ADL模型的一个特例。因此，我们可以以传统宏观经济理论为依据组成ADL模型，在综合考虑经济理论与数据特征的基础上找出变量之间的协整关系，之后遵循“从一般到特殊”的约化原则得到变量调整的动态特征，如此得出的CQMM模型能够较好地描述中国经济运行的基本状况。

当然，在选取多个变量组成ADL模型时，尽管这些变量之间可能存在协整关系，但这一协整关系并非对其所包括的所有变量都有明确的经济含义。同时，即使ADL模型对被解释变量而言是合适的，但对其他解释变量来说未必有解释力。这样，在宏观经济计量建模的过程中，通常采用单方程建模的方式分别对各选定的被解释变量设立方程，这又有两种主要途径：一是 EngleGranger 两步法；二是在各种检验约束下直接对ADL模型逐步约化。在许多情形下，以 Engle-Granger两步法得出的ECM无法反映实际经济运行的情况。为此，在CQMM的建模实践中，我们遵循Hendry（2001）所倡导的“检验、检验、再检验”的建模原则，从一般到特殊对ADL模型逐步进行约化，最终给出被解释变量的长期均衡ECM估计式。由于其间的每一步约化都遵循信息损失最小、满足各项检验标准的建模原则，最终所得估计式不仅较好地包容了初始模型，也充分运用了经济理论和现实运行所给出的信息，同时最大程度地利用了数据所包含的信息，因而优于采用其他建模方法所建立的模型。

4.CQMM是以季度数据为基础的宏观经济计量模型

CQMM的原始数据序列主要涵盖1994年以来的142个月度指标、59个季度指标和44个年度指标。2018年3月中美之间发生经贸摩擦后，在新增的贸易战模块中引入新的原始数据序列大概有38个。处理这些不同频度的数据序列目前主要有两种方法：一是直接采用混频建模技术；二是将不同频度的数据序列统一处理为季度数据。

由于混频建模理论和方法目前尚处于初期发展阶段，其所能解决的宏观经济分析与预测问题还限定于有限的领域，如对宏观经济运行周期（即经济扩张期与衰退期）进行测定，对GDP和CPI等有限宏观经济指标进行实时预测等，对于我们所要达成的对宏观经济主要指标进行全面预测和政策模拟分析的目的而言，尚存在一定的距离。因此，尽管我们已经在进行混频建模技术的运用，但目前还只是作为补充手段。为了完成对中国季度宏观经济主要指标的预测和政策模拟，首先必须对220多个月度或年度指标进行处理，将其转化为季度数据。为了最大限度地保留原始数据本身所隐含的信息成分，厦大课题组借鉴并设计了多种数据处理技术，从高频数据转换到各类插值法、序列引导法等，不一而足。目前已经建成了独有的季度宏观经济数据库。

5. CQMM是不断拓展完善的长期持续研究项目

自2006年CQMM投入运行以来，厦大课题组紧密跟踪中国现实经济的变化，不断修改完善CQMM，以使其能够更好地反映中国的宏观经济运行特征，准确地把握现实经济的运行机理，提高模型的经济预测、政策模拟功能及计算效率。2006年夏季初次运行时，模型共分为生产、支出、价格、收入和货币与外汇储备五个模块，仅包括了12个随机方程、3个恒等式和26个变量；2007年春季第二次预测，课题组扩展了进出口模块，增加了不同贸易条件的方程；2009年春季预测，修正了货币模块，将货币由内生转为外生变量，并增加货币传递方程；2010年秋季预测，加入了制造业单位劳动成本方程，首次分析劳动力成本冲击对宏观经济运行的影响；2011年春季预测，扩展了居民消费模块，引入不同收入组别的消费主体；2013年春季预测，将财政收入引入基准模型，并借此将政府支出由外生转向内生；2013年夏季预测，增加了供给模块，从过去基于支出法GDP构成建立的总需求导向的模型转型为以总供给和总需求均衡为主体框架的动态结构式季度宏观经济模型。
总体上看，在经历 2007年、2009年、2011年、2013年和2018年五次较大调整后，CQMM模型已经发展成一个拥有55个行为方程、8个恒等式和72个变量的中等规模的宏观联立方程模型，不仅可以从需求面进行宏观经济预测与政策模拟，还可以从总供给与总需求互动的角度进行宏观经济政策效应的分析；既能够对货币政策、汇率政策、财政政策等总量控制手段的经济影响进行模拟，也允许对劳动力成本上升、财政体制调整、收入分配变化等结构调整的方案进行效果拟合；既可以探讨国内宏观经济调控的作用，也可以分析欧美等发达经济体的增长变化对中国经济的影响，其研究的视野正逐渐扩展至全球范围内的经济变化。

三、CQMM的框架结构、数据构成及其来源

（一） CQMM 的框架结构
CQMM由八个模块构成：供给侧模块、消费模块（包括城镇与农村居民消费）、投资模块、对外贸易模块、工资价格模块、货币与财政政策模块、资产市场模块和外部经济模块。其中供给侧模块包括总生产函数和三次产业的生产函数；资产市场模块包括资金信贷市场、房地产市场及证券投资等；外部经济模块包括美国、日本、欧元区以及东盟经济。

（二）CQMM的数据构成及其来源
CQMM主数据库维护的原始序列是月度142条、季度59条、年度44条，增设贸易战模块后引入的新的原始序列有38条。每次统计数据发布后，可实现关联更新及自动化处理。主数据处理程序输出 164个变量，另有外挂变量7个和贸易战新增变量19个，供建模备选。上述原始数据来源主要包括国家统计局、CEIC数据库、国际货币基金组织（IMF）以及世界银行的数据库。

四、CQMM模型的应用

（一）三种应用场景

1. 季度宏观经济预测

十多年来厦大课题组一直坚持进行短期宏观经济预测。每年举办中国经济预测发布会暨宏观经济高层研讨会（春季在北京，秋季在海外）。春季预测报告发布当年四个季度和下一年四个季度的主要宏观经济变量的预测值；秋季预测报告发布当年两个季度和下一年四个季度的主要宏观经济变量的预测值。

2. 模拟宏观政策或其他外生冲击的经济效应

围绕中国宏观经济热点问题，对宏观政策或其他外生冲击所产生的经济效应进行模拟分析，并在此基础上提出相关政策建议，亦是 CQMM 模型的主要应用。

3. 形成政策咨询报告

基于CQMM模型的经济预测和政策模拟结果，厦门大学宏观经济研究中心每年提交2～3份原创性、高质量、操作性强的政策咨询报告，积极发挥“高校新型智库”的作用。迄今被中央有关部门采纳的咨询报告有：全国哲社规划办《成果要报》（3份）、教育部《专家建议》（2份）、《教育部简报（高校智库专刊）》（4份）和教育部《成果摘要》（1份）。

（二）案例：家庭部门负债率高企的宏观经济效应
全球金融危机爆发后，发达国家基本延续“去杠杆”的状态，而中国则相反，整个金融体系基本处于“加杠杆”的状态。在全社会债务规模不断上升的同时，中国家庭部门的债务规模也迅速扩大。截至2018第一季度，中国家庭部门债务规模达到41.71亿元，家庭部门负债率约为49.3%，较2009年第一季度的18.9%增长了约30.4百分点，年均增速高达11.2%。

家庭部门负债率的迅速增长，一方面部分抵消了中央政府2017年以来去杠杆的努力，使得全社会的杠杆水平未见明显下降；另一方面也将逐渐诱发家庭部门消费和投资行为的改变，使得消费和投资变得不稳定，最终可能会强化宏观经济运行的不确定性。

1. 传递机制的设计

为模拟分析家庭部门负债率变化对宏观经济的影响，我们首先需要明确其对经济变量作用的传递渠道。家庭部门负债率的变动会分别影响居民贷款和居民存款的行为。在影响居民贷款方面，家庭负债率的变化直接影响居民贷款，进而通过资本市场资金需求的变化改变资金的价格（利率），从而触发不同所有制企业投资需求的变化。这一渠道定义为“投资渠道”。在影响居民存款方面，家庭负债率的变化会影响居民消费，进而对居民存款产生影。这一渠道定义为“消费渠道”。家庭部门负债率的变化影响居民贷款和居民存款后，居民贷存比的变化就开始改变资金价格，进而影响投资的变化。

在CQMM的基本框架下，课题组以如下方式引入家庭负债率变动所产生的两条传递渠道。首先，假定居民负债率的变化是外生的。其次，建立居民负债率的变动对居民贷款和存款的影响机制。在贷款方面，构建行为方程由居民负债率和 GDP 共同决定居民贷款；在存款方面，居民负债率将决定居民消费，进而决定居民存款。最后，将居民贷存比与一年期人民币基准贷款利率作为解释变量，对资本市场的加权利率进行回归，以此内生化资本市场的利率决定。

以降低居民负债率为例，一方面，居民负债率下降会降低居民贷款，使得居民贷存比下降，导致市场加权利率下降，从而激励投资增长；另一方面，居民负债率下降，也可能会降低居民预防性储蓄动机，增加居民消费，挤出居民存款，从而提高居民贷存比，推高市场加权利率，抑制投资需求。因此，最终降低居民负债率究竟会对经济增长产生怎样的作用，取决于这两个渠道的传递效应方向和大小。看各个传递环节的作用大小，需要细致的量化模型研究。

2. 模拟结果

基于上述分析，课题组设定如下的反事实情景：假设居民负债率在2016年、2017年均保持在2015年第四季度的水平（38.8%），而非如实际情况显著提高。亦即，假定2016年、2017年的居民负债率将分别比实际情形降低5.6和9.6个百分点。

首先，居民负债率下降可使居民消费增速明显上升。2016年，模拟情景居民消费增长率约为8.80%，较基准模拟和实际值分别高出 0.16和0.18个百分点。2017年，情景模拟的居民消费增长率约为 7.60%，较基准模拟和实际值分别提高了0.38和0.37个百分点。由此，2016年、2017年，社会消费品零售总额增速的情景模拟值也分别较基准模拟值提高0.16和0.38个百分点。

其次，居民负债率下降会降低固定资产投资增速。2016年，情景模拟的固定资产投资增长率约为8.69%，较基准模拟低出0.56 个百分点。2017年，固定资产投资增长率下降为5.00%，与基准模拟值的差距缩小到0.15个百分点。主要原因是居民负债率的下降使得私营企业固定资产投资的增速大幅下降，2016年、2017年，私营企业固定资产投资增速分别较基准值下降1.01和1.00个百分点，而国有企业固定资产投资增速却分别较基准值提高0.28和0.27个百分点。因此，可以看出，居民负债率下降抑制投资增长的效应会更强。即居民负债率的消费渠道效应要强于投资渠道效应，其主要作用在于促进居民消费的提高。同时，相对于国有企业，私营企业的固定资产投资会更依赖于居民存款的变化。
再次，居民负债率下降会造成资本形成总额的增速下降。2016年、2017年，情景模拟的资本形成总额增速分别较基准值下降0.12和0.23个百分点。但净出口增速却出现较快提升，2016年、 2017年，净出口的增长速度分别较基准值提高0.73和2.02个百分点。

最后，综合上述效应，居民负债率下降会小幅提高经济增长速度。2016年、2017年，经济增速分别较基准值提高0.01和0.06个百分点。

综上分析，课题组认为，控制家庭部门的负债率水平上升，可能产生如下效应：第一，促进居民消费的增长，进而带动社会消费品零售总额的增长加快；第二，在居民收入增速下降的背景下，家庭负债率的下降会造成居民储蓄存款下降，进而使得信贷资金的供给减少、价格上升，导致投资尤其是缺乏多样化融资手段的私营企业投资增速下降；第三，尽管家庭部门负债率的下降会带来经济增长的提速，但作用效应并不明显，这主要与当前经济结构中居民消费的比重偏小密切相关。而随着居民消费在总需求结构中的比重进一步提升，降低家庭部门负债率对经济增长的作用将愈发明显。

3. 政策建议

第一，由于住房贷款规模的迅速扩大是导致居民负债率大幅攀升的主要原因，因此，在房地产管控政策方面，应在总量限制国内贷款流入房地产投资的同时，坚持因城施策，发展住房租赁市场，促进地区房地产市场的供求平衡，并加快建立促进房地产市场平稳健康发展的长效机制。

第二，应深入推进财税体制改革，使地方政府摆脱对土地财政的依赖。过去十年里，在全球金融危机的冲击导致中国工业企业利润增速急剧下滑时，以工业税为主要税源的财税收入增速也大幅下滑。地方政府因此开始加大对土地财政的依赖，为了扭转这一局面，房地产税的落实势在必行。

五、CQMM未来拓展方向

为了更好地把握中国宏观经济运行的内在机理，提高宏观经济预测的准确度和时效性，同时更为有效地对国内外经济冲击和宏观经济政策所产生的社会经济效应进行模拟仿真，厦大课题组拟从内容框架和方法论等方面对CQMM做进一步的拓展和完善。

（一）内容框架
首先，CQMM目前主要还是一个从总需求面构建的宏观计量模型。随着我国供给侧结构性改革的逐步推进，CQMM需要扩展供给模块才能把握现阶段我国经济的运行特征。其次，CQMM的金融模块还比较薄弱。随着我国金融领域改革的推进，利率以及汇率的市场决定机制将不断加强，资本市场也将不断完善，这将从根本上矫正资源配置扭曲，提高资源利用效率，促进经济增长。因此， CQMM需要进一步扩展资本市场模块。最后，CQMM的世界经济模块也有待完善。随着我国经济开放度的全面提高，我国经济在世界经济中的地位不断提高，同时，外部经济对我国经济的影响也在不断增强，因而CQMM需要完善其外部经济模块。通过这些拓展， CQMM将更加全面准确地把握现阶段中国经济的主要特征，研究在全球化背景下中国转轨经济的特有运行特征及其机理，探索推进转轨，改变宏观调控机制及体制条件，加强和改善宏观调控的政策方略与改革措施。

（二）数据处理和研究方法

探索能够利用月度、季度、半年度、年度等不同频率经济指标信息的新方法，其主要是动态因子模型 (DFM) 及其拓展或变形，以实现对中国宏观经济运行的实时监控，并且在短期预测结果方面形成与CQMM的对照。近二十年来，DFM的理论及应用获得了很大的发展，已经成为宏观计量经济学的标准分析工具，并广泛应用于宏观经济政策的评估。由中央银行及其他经济机构的分析报告可以看出，政策制定者利用了可以获取的大量信息，这种信息集通常包含了成百上千的变量，但每个变量的观测期又较短，尤其在我国，一些变量通常只有20～40年的数据。这表明宏观计量经济学家面临特殊的数据结构，即变量个数很多，但每个变量的观测值很少。DFM可以从高维数据集中提取少量共同因子，这些共同因子包含了丰富的信息，可以将其用于构建经济指数，并且可以用于宏观经济监控、短期预报，也能够建立结构式模型，对货币政策、财政政策等冲击进行政策模拟。

上一条：洪永淼、张兴祥：强化一带一路项目风险管控

下一条：厦门大学CQMM课题组 ▏中国减税降费政策的效力研究

返回列表
最新动态