有趣的经济学前沿——QE的作用（大结局）：央行和学院派之争

QE到底有没有作用？这个问题要看问谁。之前我们介绍了，自2008年以来，全球很多央行都推出了QE来拯救金融市场，刺激实体经济复苏。新冠肺炎疫情爆发以后，美联储，欧洲央行，英国央行等等一些全球主要经济体的央行更是进一步宣称要推出更大规模的QE来提振实体经济。这些央行如此大刀阔斧地供给货币，对刺激投资和实体经济复苏到底有没有用，有多大作用，这显然是一个让人们非常关心的问题。

我们前面三集聊了QE的思想起源和QE在2008年金融危机中的作用，今天我们就来讨论一下QE对实体经济的作用。只不过我们不是用经济学模型做数据回归，这些技术层面的东西我们先暂时放一放。我们今天直接跟大家分享一下已经有的一些研究结果，看看这些研究结果有什么猫腻，有哪些值得我们思考的地方。

其实关于QE作用的经济学和统计学分析，已经有不少研究人员做过了。这些研究人员有的是大学教授（我们称之为学院派），有的是央行自己内部的研究员（我们称之为央行派）。他们的研究方法有一些小的区别，但基本思路和模型没有本质区别。只不过很有意思的是，学院派和央行派的研究结论却存在明显的区别。有几位经济学者对近年来发表的54篇关于QE作用的研究论文进行整理后发现，如果这篇文章的作者是央行自己的研究员，那么它的结论就一定是QE对提高GDP的作用是显著的，有效的。而在那些大学老师写的文章中，有一半的文章却发现QE对提高GDP是没有作用的。这就很奇怪了，大家研究的是同一个问题，用的是同样的官方数据，使用的模型也谈不上有特别大本质区别，为什么研究结论不一样呢？这真让人感到尴尬，本来就有不少人质疑经济学研究的科学性，同样的数据和模型为啥还做出不一样的结果了呢？

我们在从方法论上讨论这个问题之前，先想一想有没有可能有人为因素。QE是央行推出的政策，央行自己的研究员都认为QE有效，怎么感觉有点自己给自己政策唱赞歌的意思？这的确是一个值得怀疑的地方，不信我们把央行研究员写的那些文章拿来仔细读一读，你会发现它们就连用词都让人感觉很暧昧。比如“本文发现QE对于提高GDP的作用‘非常明显’”，“央行‘及时’推出QE对于实体经济避免衰退‘非常必要’”，“QE是当前经济情况下‘很正确’的选择”……这些文字，且不论其背后的研究证据是否支持，怎么看都让人感觉在拍领导马屁。那么我们这样想是不是误会这些央行的研究员了呢？会不会是我们以小人之心度君子之腹了呢？

嘿，还就有这么较真的几个学者，他们把这些写QE作用的文章的央行研究员做了职业背景分析，然后惊奇地发现，如果这个研究员写的文章发现QE对提高GDP的作用越大，他升职的可能性就越高。例如，假设别人都说QE提高了1个百分点的GDP，你的研究发现QE提高了2个百分点的GDP，那么恭喜你，你升职的可能性就更高了，比如原本你是助理研究员，你就可能升职为高级研究员。这可不是个别现象哦，是对所有央行研究员的文章和他们职业轨迹进行数据统计的结果。显然，我们虽然说不上发现了什么因果关系，但至少发现了一个相关关系，那就是研究认为QE作用越大，其作者随后升职的可能性越高。这背后有没有因果性，以及央行研究员会不会基于职业发展的考虑而刻意突出QE的作用，然后被领导欣赏的可能呢？这值得我们进一步探讨。

事实上，央行自己的研究员在做研究写文章的时候，难免会受到领导意图的影响，因为这是他们的工作。大学老师发表论文虽然说也是工作，但论文的观点是什么，却不会有领导干预。央行研究员则不同，他们要写的论文从选题开始就可能受到领导的指示。虽说这些研究员在有余力的时候也可以做一些自己感兴趣的课题，但他们写的文章中几乎有一半是领导给他们布置的课题。而且，这些研究员把文章写好之后，几乎都要先向自己的领导“汇报”一下，在领导表示“满意”以后才能投稿发表，否则这篇文章就可能被“按”住不让公开发表。最有讽刺意味的是，这些文章发表出来以后，封面上的致谢一栏里往往会写：“这篇文章仅代表作者个人观点，与作者所在的中央银行态度无关”。

其实，上行下效是一种常见的现象。员工因为担心自己的职业发展，担心自己的论文能否被批准发表，所以在文章内容上有一些倾向性，使其更符合领导的意愿，这也是人之常情。而且通常职位越高的人，越关心自己领导的意图。研究发现，央行研究员他们原本的职位越高，发表的文章认为QE的作用也越大，这也就是说他们拍马屁的意图更强烈。只要领导喜欢QE，为了维护领导的面子，为了维护自己央行的名声，那研究员们就使劲吹呗~

也有一些央行的领导自己就不喜欢QE的，比如德国中央银行(Bundesbank)的两个前任大领导Axel Weber和Jurgen Stark，他俩为了表达反对欧洲中央银行的QE政策，把自己在欧洲中央银行的职位都退了。现任德国中央银行的大Boss，Jens Weidmann主席，也是不喜欢QE的一个主，而且多次公开表示自己反对QE。既然这家央行的领导与众不同，是不喜欢QE的那一种，那么可想而知，德国中央银行的研究员还会在自己的文章中对QE大吹大擂么？当然不会了！事实上，凡是德国央行研究员写的文章，都认为QE对GDP没什么用，至少作用还不如大学老师发现的作用大。这就比较明显了，都是央行研究员，德国央行老板不喜欢QE，所以德国央行研究员发现QE作用很小，比大学老师发现的作用还小。其他央行老板喜欢QE（比如美联储，特别是推出QE的时任美联储主席伯南克），它的研究员就发现QE作用很大，比大学老师发现的作用大多了。这不正好反映了这些央行研究员出于某些动机，研究观点受到干扰了吗？

说到这里，可能有朋友会觉得我们经济学研究好像很不靠谱嘛。同样的数据，相似的模型，为什么研究结果有偏差？会不会央行的研究员为了讨好老板，有学术造假的嫌疑呢？话不能这么说。经济学模型对数据的估计方法有很多，计量经济学理论也在发展之中，所以估计结果有偏差也是正常的，就像即便是化学实验也可能每次结果有差别。为了进一步解释这个现象，这里稍微给大家介绍一下一般情况下我们是怎么研究QE对GDP的作用的。QE和GDP是两个宏观经济变量，特别是GDP，它不光可能受到QE的影响，还可能受到各类投资，消费，财政，外贸等影响。而且一季度的GDP对二季度的投资可能有反向影响，比如一季度GDP表现很好，大家信心倍增，所以二季度增加投资，这反过来又会促进二季度GDP增加。可见，宏观经济变量它是动态的，相互影响的，就像一个系统。这个系统的背后，是每一个家庭的消费、储蓄、工作决策，每一个企业的投资，生产，定价等决策，每一个商业银行的贷款，定价决策，以及其他所有参与者的行为总合。所以要估计QE对GDP的作用，我们并不是拿GDP对QE做一个线性回归就可以了。事实上，我们需要有一个全面的综合性的模型，对整个宏观经济运行和动态变化进行最贴切的拟合。这个模型我们称为“动态随机一般均衡”模型（DSGE模型）。

这里就可能存在研究者取舍的问题了。DSGE模型可以有很多版本，根据不同的基本假设而定。没有哪一个DSGE模型能完美描述宏观经济走势的，有一些模型对价格和投资预测得特别好，有一些模型对房价预测得特别好。那么每个研究者因为侧重点不一样，更看重的地方不一样，他可能选择更符合他理想的那一款DSGE模型，从而导致最终的研究结果有差别。

此外，在DSGE模型构造好了以后，就可以对模型的参数进行估计了。利用各种宏观经济变量的实际数据，通过最优拟合的方法，估计模型参数最可能的范围（术语叫最大似然, Maximum likelihood）。把参数估计出来以后，就可以用模型来做预测了。这个时候通过计算机模拟的方法，例如给这个模型系统输入“2008年QE规模1个亿“，然后计算机模拟这个系统的动态变化，它就会告诉你随后GDP的走势图，这样我们就可以评价1个亿的QE规模对GDP有多大影响了。但是，在这个对模型参数进行估计的过程中，虽然计量经济方法是标准的，但参数估计还是暗藏着猫腻。

要估计一个动态系统的参数，最常用的计量方法叫做向量自回归(Vector Autoregressive)，简称VAR。向量自回归的方法主要就是针对很多变量互相影响，而且是动态影响，比如这一期影响下一期等等这些情况的，是估算宏观经济模型的“必备良药“。VAR的统计学原理是贝叶斯规则，简单来说就是我根据我的先验知识，给这个动态模型的各种参数分别取个值，然后把这个模型预测的宏观变量走势和实际数据进行拟合，根据拟合情况，他会返回给我这个动态模型各种参数的最优的后验取值，从而得到模型参数的最佳估计。但是这里面的猫腻就在于，即便宏观数据大家都一样，但大家的先验参数取值不一样，最后得到的后验最优估计也会不一样。为了解释这里我们到底在说什么，我搬出贝叶斯规则的最简单的一个公式：

这个公式说的是，给定Y事件以后，发生X事件的概率等于给定X事件以后，发生Y事件的概率，乘以发生X事件的概率，再除以发生Y事件的概率。这是统计学的贝叶斯法则。假设发生X事件的概率和发生Y事件的概率不变，那么给定X发生Y事件的概率越高，我们就可以知道给定Y事件发生X事件的概率也越高。

放到我们宏观经济模型的VAR估计里，我们可以把Y事件理解为模型预测的宏观数据和真实数据一样，把X事件理解为模型的最优参数是某些具体的数值。那么我们可以看出，这个贝叶斯公式告诉我们，给定真实数据Y，模型的最优参数为X的概率，取决于假如模型的最优参数是X，模型预测的数据和真实数据一样（事件Y）的概率。这其实就是VAR估计模型参数的思路：先给我们的模型参数假设一些先验的数值，让这个模型预测的变量走势和实际数据进行拟合，得到给定X，发生Y的概率估计P(Y|X)。然后再根据真实数据，利用贝叶斯规则，得到给定真实数据，模型参数为最优的后验概率P(X|Y)。很显然，我们设定的先验参数会影响我们后验的概率结果。

这样我们再来回想一下央行研究员为什么可能高估QE的作用了。即便他们用的模型和大学老师一样，但央行研究员可能先入为主地认为QE对提高GDP有用，他们对模型参数的先验设定可能导致模型在先验上就认为QE对GDP的提高作用比较大，这样通过贝叶斯数据估计出来的后验参数也就会导致他们的模型结论是QE对GDP的提高作用比较大。这是一种先验认知偏差导致后验统计结果偏差的现象，有点像一种心理暗示，比如我今天打算从一个地方到另一个地方去，时间比较紧，我很担心路上红绿灯都是红灯，所以我先验地认为我今天一路上遇到红灯的概率比较大。在路上每次我遇到恰好红灯，就会强化我的这个先验认知，最后我得到结论，今天真的很倒霉，遇到那么多红灯。其实我遇到红灯的概率可能只是正常水平，但因为我先验地认为今天我遇到红灯的概率大，所以当整个事情完成以后，我后验的结论就可能是我今天遇到红灯的概率比平时大。

好啦，我们关于QE的系列分享，今天终于要告一段落了。最后QE对实体经济到底有没有用，能否刺激投资和产出，我们并没有抛出肯定的结论。我只是告诉大家，学术界仍然存在争议。央行的研究员更可能认为QE有用，大学老师则不一定。央行研究员基于职业发展以及维护央行政策名誉的考虑，更可能倾向于QE有用。从方法论上，他们可能选择了更利于他们结论的DSGE模型，在参数估计上也更可能采取了有利于他们结论的先验参数。大学老师在这方面的动机稍微小一些（尽管也有研究发现，大学老师为了自己论文能发表，总是希望自己估计的参数是“显著的“，因为杂志一般更倾向于发表有决定性的结论的文章）。

QE的故事很长，它的效果如何，会给我们金融市场和实体经济带来怎样的后果，现在还不得而知，未来仍然值得我们做更多的研究。最后真诚地说一句，今天分享的内容绝对没有不尊敬央行的各位研究员们。我非常尊重各位的研究成果，也时常拜读大家对货币政策的真知灼见和深刻洞察。前面提到关于央行研究员和大学老师对QE作用的研究结论不同的现象，一来这是某一篇学术论文的发现（参考文献见最后），二来主要针对美联储，欧洲央行，英国央行等等的研究员，三来我也从研究方法上对这种现象的科学性进行了理解。经济学的分析没有谁是绝对权威，不断改善模型和数据估计方法，多批判，多思考，才更可能得到可靠的结论。

参考文献：

Fabo, B., Jancokova, M., Kempf, E., and Pastor, L., 2021, “Fifty Shades of QE: Comparing Findings of Central Bankers and Academics,” forthcoming in Journal of Monetary Economics.