您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[IMF]:QQE 下日本的政策乘数 - 发现报告
当前位置:首页/其他报告/报告详情/

QQE 下日本的政策乘数

2024-06-07IMFL***
QQE 下日本的政策乘数

QQE下日本的政策乘数 SamOuliaris和CelineRochon WP/24/113 货币基金组织工作文件描述了作者正在进行的研究,并发表了这些论文,以引起评论并鼓励辩论。 基金组织工作文件中表达的观点是作者的观点,不一定代表基金组织、其执行董事会或基金组织管理层的观点。 2024 JUN ©2024国际货币基金组织WP/24/113 IMF工作文件 能力研究所 SamOuliaris和CelineRochon制定的QQE下的日本政策乘数 由SelimElekdag授权发行2024年6月 货币基金组织工作文件描述了作者正在进行的研究,并发表了这些论文,以引起评论并鼓励辩论。基金组织工作文件中表达的观点是作者的观点,不一定代表基金组织、其执行董事会或基金组织管理层的观点。 摘要:本文测试了自2013年以来日本的主要宏观政策乘数是否有所下降,这一年日本引入了定性和定量宽松政策。我们使用Oliaris和Rocho(2021)中引入的增广Blachard-Perotti结构VAR模型来研究央行资产持有量、利率和债务水平相对于GDP的冲击对日本经济活动的动态影响。我们发现日本的支出和税收乘数都下降了 ,这意味着日本的财政政策有效性随着货币政策的变化而下降。此外,我们发现量化宽松的功效很小,这意味着需要进行巨大的干预才能对实际GDP产生重大影响,并且自2013年以来,量化宽松的功效有所下降。我们认为,政策乘数的减少可以归因于政府债务水平相对于GDP的上升趋势,尽管利率处于历史低位,但日本的结构性赤字增加了,以及未来支出减少和税收增加的可能性。 推荐引用:Ouliaris和Rochon(2024) JEL分类号:E60、E62、E63、C51关键字:财政乘数;结构VAR作者的电子邮件地址: *作者要感谢IMF审稿人和IMF日本团队的有用评论。 工作文件 QQE下日本的政策乘数 由SamOuliaris和CelineRochon1编写 1作者要感谢IMF审稿人和IMF日本团队的有用评论。 Contents Figures 图1:债务乘数,1%冲击(+),前和QQE后11 图2:日本实际人均GDP乘数,前期和QQE后13 Introduction 在本文中,我们评估了在2013年引入定量和定性货币宽松(QQE)之前和之后,高债务水平和长期低利率对日本关键政策乘数(财政和货币)的影响(此后称为“前和后QQE”)。经验方法借鉴了在Oliaris和Rocho(2021)中制定的Blachard和Perotti(2002)的增强版本。我们使用Blachard-Perotti风格的模型描述了政府支出和税收冲击的影响,在该模型中,我们考虑了中央银行资产持有量,利率和债务水平相对于GDP的冲击对经济活动的动态影响。 在2013年引入QQE之后,我们通过允许债务比率的系数发生变化来测试关键乘数的结构性突破。这样做的目的是检验这样一个命题,即由于债务水平上升和央行资产负债表显著扩大,日本应对未来衰退或危机(如COVID -19)的准备不足,这两种情况都发生在2013年以来的日本。 我们使用2013年QQE事件作为分析的断点,因为我们的模型不仅提供了对QQE强度的估计,而且还可以比较这种非常规货币政策引入前后的乘数。我们的模型允许人们评估QQE的影响及其对日本经济的有效性,允许相对于GDP改变债务水平,因为我们对债务积累的概况感兴趣。相比之下,大多数论文关注QQE引入后经济增长和通货膨胀的演变。 日本不断增长的债务与GDP的比率导致了这样一种情况,即即使在超低利率的情况下,偿还公共债务的成本(利息支付加偿还国债)也是日本的第二大预算线。1解决这一问题的主要方法是通过增加税收或削减公共支出来减少未来的预算赤字,这两者都威胁到日本的近期增长及其潜在的GDP。 实证结果表明,(正)政府支出冲击对产出具有预期的积极影响,而(正)税收冲击具有负面影响。然而,自QQE开始以来,估计的乘数已经显着下降,政府债务与GDP的比率也随之上升。我们将这种下降部分归因于日本的债务水平上升和长期通缩,这两者都增加了日本后代的实际债务负担。 1https://www.mof.go.jp/english/policy/budget/budget/fy2023/02.pdf 模型 用于此分析的简化形式VAR规范为: □� 𝑌�=�+�𝐴𝑗�𝑌𝑡−𝑗�+�(𝐶𝑖�+𝐸𝑖𝑖𝑄𝑄�)𝐷𝑡−𝑖�+𝑈�(1) ��=1��=0 where𝑌𝑡=𝑡,𝐺𝑡,X𝑡,𝐵𝑆𝑡,𝑅𝑡]是季度税收、基本支出、GDP、央行资产负债表规模——全部以实际、人均计算 ——和实际利率的对数的五维向量。𝐷�是债务与GDP的比率,其系数可以根据指标变量的值而变化𝑄�. 而不是将负债率包括在��,��在VAR中被赋予单独的角色,因为它满足以下非线性恒等式: �=(1+��) �+(2) � �(1+ΔX)𝑡−1� whereΔX�是GDP的实际增长率和𝑃𝐵�表示主要余额。如此定义,𝐷�不依赖于任何未知参数。此外,它涉及特定的非线性 (�) 系数的函数𝐷𝑡−1, ,如果标准VAR是 (1+Δ𝑋𝑋�) 估计。我们将债务与GDP比率的当前值和滞后值相加,��,到(1),尽管不一定在每个等式中(即 ,一些系数可以被选择为等于0)。 出于估计的目的,方程(1)首先用𝐸𝑖�对于所有i设置为0(即,此模型不允许𝑌𝑡to𝐷𝑡)。我们将此模型称为“QQE 前模型”。然后,我们在没有零约束的情况下重新估计(1)𝐸𝑖�向量(即,该模型允许𝑌�和债务与GDP的比率 )。 我们称这个模型为“后QQE模型”。这个模型允许在之间的关系𝑌�和债务比率,𝐷𝑡,使用∑𝑖𝑖+𝑖𝑖𝑄�)�与𝐸𝑖𝑖≠The(5) ��=0 x1)向量𝐸𝑖𝑖(其中有(k+1))允许在𝐶𝑖�源于2013年引入QQE。指标变量𝑄�等于0𝑡,并且1用于 �。零假设,即负债率与𝑌𝑡is𝐸𝑖𝑖=0for=0至(+1). 注意之间有反馈效果��和VAR中的内生变量,即 ��,��,X�,���,��在计算脉冲响应函数时需要考虑的问题。3我们通过求解估计的结构VAR和非线性债务方程来获得模型的基线解(i。Procedres.,没有额外结构冲击的模型解)。脉冲响应是通过计算由单独的单位百分比冲击引起的与基线的百分比偏差得出的。��,�,X�,�,�. 𝑈𝑡=𝑡,𝑔𝑡,𝑥𝑡,𝑏𝑠𝑡,𝑟𝑡]isthevectorofreducedformresidual,whichingenerallywillhavenonzerocovarianceterms.Thereducedformresidualhavelittleeconomicsignificanceastheyarelinearcombinationsofthe“structural”orfundamentalsharkesofthecorrespondingstructureVARdesc (5x5)���矩阵(其中有p个)包含滞后因变量的系数,以及(5x1)���向量(其中有(k+1))包含债务与GDP比率的系数。如前所述,���和��可能被限制为零,以防止债务与GDP的比率影响��,要么同时发生,要么滞后。 与等式(1)相关的相应结构VAR(SVAR)可以写为 □� Ω𝑌�=𝜇′+�𝐴′𝑌𝑡−𝑗�+�(�′+𝐸′𝑄𝑄�)𝐷𝑡−𝑖�+𝛷�𝑉�(3) ′ 结构性冲击�,表示为系数的矩阵 ��=1 � □��=0 ���� 𝟏� −𝑏𝟏� Ω=⎛ ⎜𝟏� −𝑘𝟏� �−𝑙𝟏� □����� −𝑎𝟐�𝟏� −𝑎𝟑� −𝑏𝟑� −𝑎𝟒�−𝑏𝟒� −𝑎� −𝑏� ��� ��� ��� ��� ������ ��� ��� ����� ����� −� 𝟏� − ⎞ 和= ⎛𝑐𝟔� 𝑐𝟕� 𝑐𝟖� 𝑐𝟗� 𝑐𝟏𝟏𝟏�⎞ �� �� 𝟓�⎟ ⎜ ⎟ −𝑘𝟐� −𝑘𝟑� 𝟏� −𝑘𝟓� ��� ��� ��� ��� ����� −𝑙𝟐� −𝑙𝟑� −𝑙𝟒� 𝟏� ⎠ 𝗁𝑙𝟔� 𝑙𝟕� 𝑙𝟖� 𝑙𝟗� 𝑙𝟏𝟏𝟏�⎠ 2另一种方法是在独立样本上估计模型,没有重叠,并测试参数估计的变化。由于缺乏与VAR中需要估计的参数数量相关的数据,我们使用了本节中概述的方法。 3将债务纳入VAR的另一种方法是将债务方程(1)线性化,并对滞后系数添加约束�,以确保满足等式(1)(参见Ouliaris等人(2018))。 and 𝜇′=Ω−1𝜇, �𝐴′=Ω−1𝐴𝑗𝑗,𝑗�=1,…,𝑝� ��′=Ω−1𝐶𝑖�,𝑖�=0,…,� �𝐸′=𝛺𝛺−1𝐸𝑖�,𝑖�=0,…,� ( 𝛷�被选择为对角线。我们建议如下�=的识别限制Ω: 2 �� −𝑎𝟐� −𝟏𝟏.𝟏𝟏𝟖� �� −𝑎𝟓� ⎛−𝑏𝟏� �� −� ��𝟏� �� −� −𝑏𝟓�⎞ −= 𝟏� 𝟏� −𝑘𝟑� 𝟏� 𝟏� �𝟏� 𝟏� −𝑙𝟑� 𝟏� 𝟏�⎠ ����������� ⎛𝟏��������𝟏�⎞ Ω⎜𝟏�𝟏�𝑐𝟖�𝟏�𝟏�⎟ ����������� �𝟏�𝟏�𝟏�𝟏�𝑙𝟏𝟏𝟏�⎠ 在这些限制下,模型有15个未知参数。给定简化形式协方差矩阵中的15个唯一值,这些值可以估计并用于推断Ωand𝛷�结合起来,模型被准确识别。 矩阵的第一行对税收的演变进行建模,可以解释为:一个季度t内税收的意外变动可以由四个因素分别驱动 :税收对支出意外变动的反应,��,税收对GDP意外变动的反应,��,with�,对实际利率意外变动的反应 ,即�5��,以及对税收结构性冲击的反应,�6�。类似的解释适用于第二行支出的意外变动,第4行资产负债表和第5行利率。第三行指出,产出的意外变动可归因于税收,支出,资产负债表或利率的意外变动,或对产出的意外结构性冲击,�. � 在税收对支出做出反应的程度上,上述矩阵中选择的标识比Blanchard-Perotti(2002)丰富(通过�)和支出对税收的反应(通过�)在相同的模型内。在Blanchard-Perotti(2002)中,一种模型允许税收对支出的结构性冲击做出反应,�而另一种模式允许支出应对税收的结构性冲击,�。他们不允许税收对支出的直接和同时 反应,以及支出对税收的反应,因为他们设定了�and�等于0. � � 我们的模型显示了精确的识别,没有这样的 任意假设。 � 与Blanchard和Perotti(2002)一样,我们依靠有关税收、转移和支出计划的机构信息来约束参数�and�。通常 ,这些系数捕获了活动对税收和支出的两种不同影响:经济活动的自动影响 现有财政政策规则下的税收和支出,以及为应对本季度内的意外事件而对财政政策进行的任何酌情调整。 Blanchard和Perotti的识别方法的关键是认识到,使用季度数据实际上消除了第二个通道(即,𝑏=0)。他们引用了有关财政政策行为的直接证据,表明决策者和立法机关需要超过四分之一的时间才能了解GDP冲击,决定采取何种财政措施作为回应,将这些措施通过立法机关并实施。 TheestimateoftheelasticoftaxestoashockinexpenditureinJapan,afterallowingforcycleeffects,is1.18(forquarterlydata).Wetakethisvalueasastartingpointandassessmentbelowth