FAJ研究报告：历史数据显示美联储每缩表10%股市下跌11.3%

* The Financial Analysts Journal 创刊于1945年，是CFA Institute主办的投资管理领域专业期刊。2020年，该刊位于社会科学引文索引（SSCI）二区。本中文推介项目得到了FAJ编辑部的授权。

上次紧缩，联储每缩表10%股市下跌11.3%

Free Markets to Fed Markets: How Modern Monetary Policy Impacts Equity Markets

作者：Tālis J. Putniņš

综述：陈苑斐，CFA

审校：白雪石，CFA

推荐语

昨晚，美联储召开7月货币政策会议，决定加息75bp，联邦基金利率区间提升至2.25%-2.50%之间。此前，美联储已经从6月1日开始以475亿美元作为月度上限开始缩表，并在三个月后将月度缩表上限提升至950亿美元。

悉尼科技大学教授Tālis J. Putniņš的论文回顾了美联储自2008年金融危机以来的非常规货币政策给美国股市带来的影响，并给出定量判断，发现股市的下跌确实后续会伴随着美联储资产负债表的扩张，而扩张又会进一步带来股市的上涨。脉冲响应模型显示，在市场每10%的下跌冲击下，美联储约在15周左右做出政策回应，对应进行约5.6%的资产扩张。

同时本文发现，美联储非常规政策与股市间的交叉相关性具有不对称性。例如，相较扩表，股市在美联储缩表时的波动更为强烈。2018年第一季度至2019年第三季度的急速缩表期，美国股市对每10%的缩表承受的下跌冲击为11.3%。

目前，美国通胀虽然仍在历史最高位运行，但消费者的实际收入在通胀侵蚀下已经大幅受到抑制，沃尔玛等零售巨头不断下修的利润指引、科技公司的裁员潮以及销售乏力的住宅市场可以看到2023年的经济衰退的端倪。从利率衍生品隐含加息预期来看，最早在2023年初，加息周期即会结束；如果这成为现实，本轮缩表将很难持续到2023年下半年，以此推算联储的缩表总规模应该在1.1万亿美元左右，相当于8.9万亿峰值规模的12.4%，据此推算，美股受到的下行冲击应在13.8%，这几乎与标普500指数在2022年3月会议加息以来的下跌幅度11.1%相当。

如果经济走向衰退的压力真的迫使美联储如利率市场预期一样调整货币政策，那么从Tālis J. Putniņš教授的研究结论可以推演出美股的投资机会已经到来。

01 研究背景

疫情期间，美国股市似乎已经与实体经济脱节。例如，在实体经济持续低迷情况下，标普500指数自2020年3月23日以来两个月内已累计上涨31%，重回疫情暴发前的峰值。对此现象，市场上不乏“华尔街已脱离现实”、“股市正在忽视经济大局”等声音。究竟是什么原因导致了这种脱节？本文通过实证数据分析，深入剖析了近年来美联储非常规货币政策与股市的关系、作用机制以及成因等内容。

货币政策对金融市场的影响方面，已有众多研究曾做出分析。早期的研究主要基于传统货币政策，Thorbecke (1997) 等人通过分析利率如何影响股市及债市，表明宽松的货币政策对股市具有刺激作用，反之亦然。Cieslak 和Vissing-Jorgensen （2021）的研究进一步讨论了央行对股市波动的反馈，通过就联邦公开市场委员会（The Federal Open Market Committee，即“FOMC”）发布的文档进行文本分析，发现FOMC出于消费财富效应的考虑，确会关注股票市场的波动，并指出在利率接近于零的背景下，美联储正在用“扩表”这一非常规货币政策来应对股市的下跌。同时，有关非常规货币政策的讨论，多聚焦于其对国债、企业债市场的影响，对股市影响的分析较少，Barbon 和Gianinazzi (2019）的著作是少有的研究之一。尽管Barbon 和Gianinazzi证明了日本央行大规模购买ETF对股市的刺激作用，但美联储的非常规政策与之并不相同，例如，美联储并未直接购买股票。

在上述研究基础上，本文展开了有关货币政策与股票市场的一系列分析。

02 研究内容

本文首先对美联储总资产规模与股市的关联关系进行了分析，发现两者之间存在双向关系。随后，通过向量自回归VAR模型，文章进一步深入评估了双向影响的特征，并结合脉冲响应CIR模型分析了模型的动态行为。同时，为避免模型受其他因素干扰，本文还考虑了不同变量对模型的影响，基于实证分析的结果显示，控制干扰因素的影响后，双向关系依旧显著。在上述讨论的基础上，作者对二者间的传导渠道等内容进行了分析。

03 数据选取

本文数据均取自2009年1月1日至2020年10月7日期间，内容主要涉及美联储总资产规模、标普500指数、股票市场收益率、行业收益率以及宏观经济指标等方面。其中，宏观经济指标包括消费者物价指数（CPI）、社会消费品零售总额（RETL）、采购经理指数（PMI）、失业率、国内生产总值（GDP）增长率以及上述指标对应的预测值。

表1展示了2009年至2020年美联储总资产规模及标普500指数的变化情况。从左至右，第一列代表美联储总资产规模（单位：万亿），第二列代表美联储总资产规模占GDP的比重，第三列代表总资产规模的对数增长率，第四列为标普500指数的对数收益率。

表1 2009年至2020年美联储总资产规模（单位：万亿美元）、标普500及相关变化率

图1展示了2009年至2020年期间美联储总资产规模及标普500指数的走势情况。图1A、1B的横轴代表时间，纵轴左、右侧分别对应资产规模（单位：十亿）、标普500指数。

图1 美联储总资产规模（单位：十亿）及标普500指数趋势图

04 实证结果

本节重点对美联储总资产规模与股票收益二者间的关系进行分析。

（1）来自超前/滞后互相关的证明

为分析股市与美联储总资产规模之间的关系，本小节对二者间的交叉相关性进行了研究。

首先，定义美联储总资产规模的每周对数1增长率为∆FedAssets_t、标普500指数的每周对数收益率为r_(MKT,t)。其中，

*1：取对数可使数据更加平稳。如无特别说明，下文提到的变化率均为对数变化率。

FedAssets_t即第t周美联储资产总规模。

随后，测量∆FedAssets_t与r_(MKT,t+h)的交叉相关性。

图2A展示了二者之间的超前/滞后交叉相关性。其中，横坐标轴代表期数，取值介于－8（周）至＋8（周）之间，当h小于0时，r_(MKT,t+h)时间序列超前于∆FedAssets_t，当h大于0时，r_(MKT,t+h)时间序列滞后于∆FedAssets_t；纵轴代表相关性，从图2A可以看出，当h=－5至－1时，二者呈现负相关；h=＋1至＋4时，二者呈正相关。

上述结果与前文假设一致。“当h=－5至－1时，二者呈负相关”意味着，美联储意识到股市下跌后采取了刺激性政策挽救股市，故二者呈现反向走势，而“当h=＋1至＋4时，二者呈正相关”则与现实情形相符，美联储采取措施一段时间后，股市紧接着上涨，二者呈现同向走势。

图2B、2C分别展示了单元和多元回归下的t统计量，单元回归的自变量和因变量分别为r_(MKT,t+h)和∆FedAssets_t，而多元回归则在单元回归模型基础上进一步控制了风险溢价因子（例如：股息率、账面市值比等）的影响。深色实心柱说明t统计量在5%的显著性水平下具有显著性。值得注意的是，不论是图2B或图2C，h=－3时，t统计量均在5%的显著性水平下显著；h=＋3、＋4时，t统计量均在5%的显著性水平下显著。

图2 超前/滞后关系t统计量结果

除利用每周数据进行交叉相关性分析，本文还基于每月数据进行了测算。结果表明，即使是每月数据，上述关系依然成立，且正相关程度为0.33，负相关程度－0.29，正相关较负相关绝对值更高。进一步深入分析后本文发现，二者之间的互相关性在两个层面上具有不对称性。第一，相较股市上涨，美联储在股市下跌时采取的政策更为激进；第二，相较扩表，股市在美联储缩表时的反应更为强烈。

（2）来自VAR的证明

为进一步分析二者间的双向关系，本文构建了VAR模型。VAR模型是AR模型的自然拓展，除了考虑变量自身的滞后项，也考虑其他所有变量滞后项对时间序列的影响。经济学研究中常使用VAR模型评估宏观数据、分析政策影响并提供建议。本文中，作者构建的VAR模型具体公式如下：

其中，∆F_t即∆FedAssets_t的缩写，∆S_t即r_(MKT,t)。公式（2）中，∆F_(t-l)的设置考虑了扩表当周后续几周持续扩表的情形，∆S_(t-l)的设置则考虑了股市发生波动时，政策制定者做出应对需要一段反应时间。公式（3）中，∆F_(t-l)与∆S_(t-l)则分别对应股市对政策反应的滞后性、股市自身的序列自相关性（例如：动量效应）。表2展示了简约式向量自回归RVAR模型对系数的估计结果。

表2 简约式VAR模型的估计结果

表2中，Panel A和Panel B分别对应公式（2）、（3）的估计结果。针对公式（2）的结果表明，在控制了美联储前期措施的影响后，美联储倾向于采用扩表来应对股市下跌，这种效应在股市下跌后2到3周最为明显；针对公式（3）的结果则显示，在剔除序列自相关的影响后，股市对美联储扩表的措施反应积极，且在政策实施后3到4周最为强烈。

由于VAR模型中所有的变量都相互依赖，因此上述系数估计仅提供了有关影响和反应的有限信息。为更好地了解模型的动态行为，本文进行了脉冲响应分析——基于简约式和结构式的VAR模型（即RVAR、SVAR模型）构建累计脉冲响应CIR函数，以分析变量在不同冲击下的表现。

图3展示了CIR函数结果。

图3 CIR函数分析结果

上图中，图3A展示了当美联储面临股市下跌10%冲击时的响应情况，图3B、3C则分别展示了SVAR模型与RVAR模型下，股市对美联储10%的总资产规模扩张的响应情况。CIR模型结果与前文分析一致：例如，图3A表明了针对10%的股市下跌冲击，美联储的响应需要大约15周才能完全释放，且这种响应通常意味着约5.6%的扩表规模等。CIR模型的结果进一步解释了VAR模型的经济学意义。

此外，由于自2009年以来，美联储采取了多轮量化宽松以应对危机，整个样本周期内总资产规模的趋势倾向于扩展，故为进一步检验上述结果的稳健性，本文选取了三个子周期（对应美联储采取缩表的时间段），检验VAR及CIR模型结果是否依然成立。这三个子周期分别对应为：2015年至2019年紧缩周期、2018年至2019年快速紧缩期、2018年第一季度至2019年第三季度急速缩表期。

根据上述三个子周期的分析结果显示，当美联储收紧货币政策时，股市倾向于下跌，这一发现与前文结果一致。例如，全周期下，当美联储降低约10%的资产规模时，股市收益下跌约9.1%，而在子周期下，相同政策带来的影响结果与之类似：2018年第一季度至2019年第三季度与2015年至2019年两个子周期下，股市下降的幅度分别约为11.3%、16.7%。这一结果表明，相较美联储扩大总资产规模，股市对缩表更为敏感，这对分析当前美联储及其他央行缩表的影响具有重要现实意义。

（3）控制潜在干扰因素的影响

考虑VAR模型结果可能受潜在干扰因素影响，本小节在公式（2）、（3）基础上引入了潜在干扰因素，即∆X_(t-l)，以控制宏观经济因子2、股票市场因子等其他因素的影响。增强后的VAR模型具体公式如下：

*2: 宏观经济因子包含消费者物价指数（CPI）、社会消费品零售总额（RETL）、采购经理指数（PMI）、失业率、国内生产总值（GDP）增长率以及上述指标相应的预测值等。

考虑宏观经济因子后，可通过模型结果进一步了解美联储是直接作用于股市，还是通过影响宏观经济因子间接影响股市。表3展示了考虑不同干扰因素后的模型系数。

表3 考虑不同干扰因素下增强式VAR模型对两个公式系数的估计结果

上表中，A1、A2分别为公式（4）、公式（5）控制宏观经济因子影响的结果；B1、B2分别为公式（4）、公式（5）控制股市因子影响的结果；C1、C2分别为公式（4）、公式（5）控制联邦基金利率影响的结果；D1、D2分别为公式（4）、公式（5）控制其他货币政策影响的结果。无论是何种条件下，美联储政策与股市之间的双向关系及其效应仍然成立。

图4是CIR函数的分析结果。CIR函数结果进一步分析了双向影响的规模。

图4 考虑不同干扰因素下的CIR函数分析结果

图4表明，即使考虑不同干扰因素，美联储总资产规模与股市收益间的双向效应仍然显著。基准模型下，当美联储提升约10%的资产规模时，股市收益上涨约9.1%。在图4的四种情形下，累计对数收益分别为6.9%、7.8%、8.5%、8.7%，与基准模型9.1%的结果相差无几。

（4）美联储货币政策对股市的作用渠道

本小节进一步分析了非常规货币政策影响股市的潜在传导渠道。

一是长端利率。现有文献研究多认为非常规货币政策降低长端利率效果显著。当央行大规模增持中长期债券时，私人部门面临的净供给下降将导致该资产价格上升，长端收益率下降。此时，股票变得更具吸引力，这种对美联储未购买的资产存在的溢出效应，驱使投资者进行投资组合再平衡，进而推升股价。

二是宏观经济预期。考虑美联储具有稳定物价和充分就业的双重使命，其实施的量化宽松政策极有可能用来改善宏观经济预期并提升公司利润，进而最终影响股价。

三是美联储购买的特定资产。“偏好习性理论”（Preferred Habitat Theory）认为，投资者总是习惯投资于他所偏好的某种资产，只有当其他资产的预期收益率大于他所偏好的资产时，他才愿意购买非偏好的资产。然而，由于习性偏好、不完全替代品及各种摩擦的存在，他们在相关非偏好资产中的变化不太可能与他们直接受到需求冲击的资产的变化一样大。因此，假如美联储进一步扩大购买资产的类型，这种购买行为释放出的信号，将极大程度上使该资产受到冲击、拉升需求并推升价格。

随后，本文基于实证分析对上述三种传导渠道逐一进行了验证。验证的逻辑是，假如引入该传导因子后的结果比VAR基准

模型结果小，证明部分效果由该传导渠道提供；假如引入该传导因子后的结果与VAR基准模型类似，则证明该传导渠道不成立。值得说明的是，VAR基准模型的结果为9.1%，即当美联储提升约10%的资产规模时，股市收益上涨约9.1%。

第一，针对渠道一“长端利率”，本文进一步优化了VAR基准模型，在公式（2）、（3）基础上引入了长端利率这一因子。结果表明，控制长端利率的影响后，当美联储资产扩张10%时，模型对数收益率由9.1%降低至6.7%，而降低部分由长端利率影响，证明渠道一“长端利率”成立。

第二，针对渠道二“宏观经济预期”，本文在公式（2）、（3）基础上分别引入了未来预期失业率、预期通胀及预期GDP增速这三个因子。结果表明，控制宏观经济预期因子的影响后，当美联储资产扩张10%时，模型对数收益率由9.9%降低至4.9%，而降低部分由宏观经济预期影响，证明渠道二“宏观经济预期”成立。

第三，针对渠道三“美联储购买的特定资产”，由于美联储并未直接购买股票，本文在公式（2）、（3）基础上引入了基于二级市场企业信贷便利（SMCCF，能够提升公司债流动性）构建的哑变量，当美联储使用二级市场企业信贷便利时，当周哑变量值为1。在前述分析中，未能由渠道一和渠道二解释的股市对数收益率变化为3.5%（每当美联储提升约10%的资产规模时），尽管引入了哑变量，对数收益率几乎未发生变化，为3.6%，说明渠道三不成立。

（5）对不同行业的影响

本小节通过将SVAR模型的市场收益率替换为不同行业的价值加权收益率，对美联储货币政策对行业的影响进行了分析。具体情况如下图所示：

图5 总资产规模变化对不同行业的影响

图5显示，周期性行业对美联储扩表/缩表的敏感度更高。例如在耐用消费品行业，当美联储资产扩张10%时，股市对数收益率约为19.7%（约合21.7%的收益率）。

05 结论

本文通过实证研究，得出以下结论：

第一，美联储总资产规模与股票市场间存在双向关系。美联储货币政策可以提振下跌的股市，股市的变化也能推动美联储货币政策的实施（尽管有一定不对称性）；

第二，美联储对下跌的股市比上涨股市的反应更强烈；

第三，市场对政策的反应时点进一步表明，股市绝大部分是对已落地的政策效果进行反应，而非政策一出台就响应；

第四，周期性行业和小公司股票对美联储货币政策更为敏感；

第五，美联储主要通过长端利率、宏观经济预期两种传导渠道影响股市；

第六，美联储宽松的货币政策对股市反弹具有较强的“预测”作用，故央行的干预的确在一定程度上解释了股市与实体经济的“脱节”。