一、引言及文献

通货膨胀作为国家制定政策的核心经济指标之一，具有极其重要的理论和现实研究价值和意义。改革开放以后，我国宏观经济增速出现了较为迅猛的提高，即使在2007年美国次贷危机期间，欧洲、美国和日本等发达国家的增速出现了明显放缓的背景下，国内的经济仍在强劲的内需带动下，维持了较为稳定的增长。从近年来为应对美国次贷危机等实施的扩张性经济政策实施来看，扩张性政策不久之后我国通货膨胀的压力明显增加，在次贷危机后国内的通货膨胀率接近了6%。2009年国家推出四万亿基建建设规划对国内经济进一步形成刺激，通胀水平逐步抬升，2011年全年国内的通货膨胀率仍然达到了5.4%。随后在2012年到2015年，我国经济增速开始出现明显下滑，投资速度放缓以及国内制造业生产区域疲软拖累我国经济增速不断下台阶，央行逐步调节货币政策的节奏和步伐，经济逐渐进入新常态。进入到2016年，我国经济在供给侧结构性改革的有力推进下出现了明显的复苏，在2016年下半年到2017年初，面对经济的结构性变化，央行再次调整货币政策，由宽松转变为稳健中性，以此调节经济复苏的节奏和进度。由这些发展历程可以看出，我国通货膨胀呈现出周期性特征，价格水平在波动幅度、时间长短存在着内在联系和差异。对于以CPI作为最重要的通货膨胀指标而言，其波动需要考虑内部成分的周期波动与外部冲击所引致的外在水平波动两大部分。由于CPI本身是一个合成变量，其内部由食品、衣着、交通和通信等基本成分组合构成。从内部来看，CPI本身的周期波动是由于其内在成分周期波动综合作用的合成结果。因此，对于CPI的周期波动而言，需要进一步进行内部成分的周期性分解，以便于厘清各种不同成分对于CPI周期波动的结构性功能贡献和驱动特征。同时，从外部来看，CPI又受到实体经济、货币政策等各种外在因素冲击，从而导致以CPI作为度量指标的通货膨胀率不断发生变化。因此，从外部来看，十分有必要深入分析各种外在不确定性因素对通货膨胀的冲击影响机制。所以，内在周期波动与外在水平波动共同构成了中国通货膨胀波动的基本结构，同时从内部和外部的角度对中国通货膨胀的波动特征和形成机制进行分析，具有十分重要的理论和现实意义。

就中国通货膨胀及物价水平波动分析而言，虽然已有大量国内外文献进行过研究，但是几乎很少有对中国通货膨胀的周期性内在微观成分波动构成与外在波动驱动特征进行深度分析。现有文献大部分集中于通货膨胀及其价格水平的区制与阶段、不同价格水平的差异与背离、通货膨胀与经济增长的关系、通货膨胀与货币政策的影响机制等进行分析。例如，(1)在通货膨胀的阶段划分和特征分析方面。张凌翔等(2011)运用MRSTAR模型将我国通货膨胀率波动划分为四个阶段，发现通货紧缩与温和通胀的持续时间较长，严重通胀的持续时间较短。(2)在通货膨胀的影响因素方面。彭红枫等(2016)利用小波分析对城市和农村的通货膨胀与货币供应量之间的关联性进行分析，发现货币供应量变动对各类通货膨胀的正向作用主要集中于长期。黄智淋等(2014)基于面板数据平滑转换回归模型研究通货膨胀与经济增长的非线性门限效应。罗毅丹等(2010)构造包含随机波动的变参数模型，对国内物价水平与潜在产出缺口间的关系进行了研究分析，结果显示产出缺口对物价水平的影响力度有不断减弱的趋势。中国人民银行课题组(2009)利用1997年至2008年数据建立向量自回归模型(VAR)对国际油价波动以及汇率因素对我国通货膨胀水平的影响进行了分析，研究结果表明国际油价和汇率对通货膨胀以及分类价格指数存在着递减的、不完全的传递效应，而且国际油价相对来说对PPI的传递效率比较高。(3)在通货膨胀的成因机制方面。何启志等(2017)研究发现公众对通货膨胀预期存在非对称性，在物价上涨方面公众存在着敏感性，而且趋势明显。闫先东等(2017)基于SVAR模型实证检验多种变量对公众通胀预期的影响。发现，物价变动、产出缺口、货币政策工具、央行信息披露对通胀预期产生显著的影响，特别是央行通过加强与市场的沟通可以实现管理通货膨胀预期的目标。王曦等(2016)运用DSGE方法，分析了预期与未预期的货币政策冲击对我国通货膨胀的作用。发现我国货币政策预期冲击的效果要远强于未预期冲击，经济主体存在着短视预期以及央行货币政策的不连贯性。刘少云(2016)从结构突变的非线性视角，基于2001年1月至2014年12月样本，发现美联储货币政策的变化对我国通胀存在非线性溢出效应，美联储量化宽松货币政策会通过国际贸易、资本流动和汇率等渠道对我国物价指数产生影响，助推我国通货膨胀上涨。范从来等(2016)基于公众预期构建通货膨胀非均衡运行机制模型，发现在适应性预期下，通货膨胀呈现出非均衡特点，对通货膨胀而言，通胀惯性的影响力度大于通胀预期。汪莉等(2015)引入通胀预期和央行预期管理信息，基于“信息粘性”模型估算出我国通胀预期的波动，发现自2007年以来我国央行预期管理政策在降低通胀预期波动中的作用越来越明显，特别是危机时期。高铁梅等(2008)运用各类景气度指数分析了1998年以来国内通货膨胀的波动原因，他们认为2007下半年出现的通货膨胀是由居民需求、原材料成本、预期通胀水平以及货币政策等因素共同推动的结果。高铁梅等(2003)利用门限广义自回归条件异方差模型(TGARCH)分析了央行的货币政策对CPI的非对称效应，并由此得出2003年通货紧缩的原因，发现产出缺口是决定通货膨胀水平的主要因素。

如果把通货膨胀的研究范围从中国扩展为国外，已有相关研究也在一定程度上能够为中国通货膨胀的理论分析和政策设计提供一些启示和借鉴。例如，Ciccarelli et al.(2010)研究指出，发达国家的通货膨胀表现为全球化的现象，22个OECD国家的通货膨胀有共同因子，并且相关因子解释了接近70%的方差。Mendonça et al.(2017)发现，发展中国家的央行对稳定汇率的信心越充分，汇率波动对国内通货膨胀的影响就越小。Mayer et al.(2013)研究发现，实施规则型的货币政策有助于降低一国通货膨胀的波动所带来的成本。

除了上述对于通货膨胀本身或者物价水平变动进行研究的文献外，就研究周期性文献而言，在对中国周期性方面，国内外学者虽有研究，但多数集中于中国宏观经济的周期性分析，对于本文所要研究的通货膨胀内在周期波动，已有文献很少进行过像中国宏观经济周期同等程度的类似研究，在此方面取得的重要成果十分有限。同时，中国通货膨胀的变化，除了受到内在的周期性与其相关成分构成的波动影响外，还受到外在水平波动的影响，相关影响因素大量而繁杂，传统的VAR时间序列分析方法由于参数过多导致很难对其进行有效计量分析。

上述重要问题构成了本文的研究动机。在已有相关领域文献研究基础上，本文的学术贡献是，创新性地同时从内在周期性波动和外在水平波动的双重视角来对中国通货膨胀的波动特征与驱动机制进行研究。在内在周期性波动方面，本文辨识出中国通货膨胀的周期性特征，厘清了周期性波动的微观成分形成机制；在外在水平波动方面，本文采用系统多因素的变量样本因子信息，通过构建适用性强的FAVAR模型，克服已有文献因为变量选择少、样本信息不完整、传统VAR模型等方法适用性弱的显著不足，得到了比较精准和可靠的研究结论。

二、中国通货膨胀的时域周期划分及其特征

本文借鉴已有关于周期划分文献普遍采用“谷-谷”划分法的做法，采用“谷-谷”划分以及谱分析法，从时域和频域两个维度来对中国以CPI作为通货膨胀代理变量的周期性特征进行分析。样本区间为1990年1月到2016年12月，数据来源为Wind资讯。

(一) 划分方法与中国通货膨胀周期划分结果

根据“谷-谷”划分法，每段经济周期都可以划分为上升和下降两个阶段，由上升转为下降的拐点成为顶峰，而由下降转为上升的拐点成为谷底。经济由一个谷底到达另一个谷底，或者由一个顶峰到达另一个顶峰，这个过程将其作为一个周期处理。本文CPI的峰谷如表 1所示，可以发现CPI经历了7次谷底、6次峰顶。从划分结果中可以看出，CPI在1990年1月到2016年12月完整经历了6轮周期，其中最近一轮从2012年11月开始到2015年1月的周期，由于其时间跨度仅为27个月，并且波幅也较小，因此，此处重点关注划分较为鲜明的周期波动。

1990年到1999年的周期是有史以来时间最长的一段周期，跨度达到了近9年，在1994年达到波峰，峰值为27.7%。这段通货膨胀周期中国内外经济环境处于较大的变化当中。国内的国有经济迅速发展，相当多的商品以及生产资料的价格管制已经放松或撤销，市场经济的逐步建立，对宏观经济的影响越来越大。1991年底为了帮助大中型企业发展，国务院公布了包括降息在内的二十余条重要措施来搞活国有经济，而后1993年全国信贷投放增长率达到了50%，与此同时地产行业也如火如荼的发展起来，此间通货膨胀出现了大幅的持续攀升。到达峰值后，后半段从峰值开始的回落过程是在多个因素的综合作用下出现的，包括1997年东南亚金融危机导致的全球范围经济增速放缓，国内需求下降带来的我国经济的周期性回落等。这轮周期中价格回落的时间跨度(54个月)虽略长于上升时间跨度(52个月)，但总体时限长短相当。

1999年到2002年的CPI绝对值水平基本处于一个相对较低的水平，波幅也比较窄，在2001年5月达到峰值1.7%。为应对东南亚金融危机的影响，这轮周期也是以政府的刺激性措施开始的，1998年开始的以稳健货币政策和积极财政政策所带动的经济效果逐渐显现，2000年扩大内需以刺激经济扩张的措施，将物价从通货紧缩的阴影中拉出来。直到2001年，粮食价格大幅上涨、国际油价波动等因素使得CPI也逐渐上升。

2002年到2006年的通货膨胀实际上是为了完全摆脱上一轮周期仍在持续的通缩阴影，而在宏观经济刺激政策下所出现的持续大幅上涨。这段周期的波峰出现在2004年7月，峰值为5.3%。物价上涨也伴随着经济的回升，动力来自于地方政府主导下的投资迅猛增长，此轮周期中也出现了房地产和资本市场的价格大幅上涨。

2006年到2009年的周期跨越了40个月，在2008年2月到达了峰值8.7%。从2007年第二季度开始，伴随着经济高速增长的同时，CPI的水平也出现逐渐上升的趋势。表面因素上来看，上涨趋势不仅与当时粮食、猪肉等食品供需失衡并且短期内无法缓释有紧密关系，而且国际石油价格的大幅波动也对国内的物价水平形成了较大的冲击影响，石油价格从成本端抬升了国内商品的整体价格。同时，2005年7月开始的人民币汇率改革机制也对通货膨胀产生了重要影响。汇改后人民币汇率出现了迅速的升值，市场普遍形成一致的升值预期，为避免通货膨胀的长时负面影响，其后央行在2007年到2008年5月之间多次上调存款利率和准备金率，配合大规模央票的发行来回笼流动性，从而使物价水平逐渐降温。

2009年到2012年的通货膨胀周期中大多数月份的增长幅度超过3%。物价大幅回升主要源于2008年美国次贷危机后我国实行积极的货币政策，M2同比增速一度达到27%，流动性较为充裕。此外，我国政府为了应对次贷危机所带来的经济疲软走势，2009年实施了4万亿的经济刺激计划，实施发行特别国债、扩大赤字等积极的财政政策，由此拉开了我国有史以来最大规模的基建运动。经济的大幅回升在一定程度上引发了通货膨胀，导致了CPI的大幅上涨。同时这一阶段中也存在国际原油、铁矿石等原材料价格上涨带来的成本推动压力。

2012年至今，通货膨胀率一直处于较为温和的状态，波幅缩窄并且绝对水平也处于低位。这期间国内宏观经济增速不断回落，需求出现疲软的态势。与此同时央行为了帮助经济软着陆，开始将货币政策的基调定位为中性偏宽松。这轮周期中不存在像前几轮一样的大起大伏，原因就是经济并未出现明显的趋势性好转，央行的政策也未有旗帜鲜明的根本性改变。在这一段温和的时期中，整体CPI处于温和波动，没有出现明显的通货膨胀大幅震荡。

(二) 中国通货膨胀的内在周期性特征分析

表 2给出了CPI通货膨胀周期的各项特征。从表中可以看出：

1.通货膨胀周期主体长度基本在3-4年左右。每个周期的持续时间以及特征均有所不同，但是近15年来通货膨胀周期主体时限在3年-4年之间。除了1990年6月到1999年4月的超长通货膨胀周期以外，其他周期平均跨度为3.15年，时限小于通常我国国民经济和社会发展规划纲要实施的5年时间。相对于5年国民经济规划而言，我国通货膨胀更容易发生周期性特征，易变性更高，周期与周期之间的循环频率快于两个国民经济规划之间的衔接变动频率。

2.上升跨度时限和下降跨度时限存在不对称性。除了1990年6月到1999年4月与2012年10月到2015年1月两轮周期外，其余通货膨胀周期表现为上升的时间长于下降的时间，尤其是1999年-2002年的周期中上升的时间约为下降时间的两倍。在超长1990年-1999年的周期中，上升时间与下降时间基本相当。一般通货膨胀周期中上升性的时限长于下降性的时限，表明从我国整体上来看，经济趋热的时间长于经济趋冷的时间，在预防经济过热和经济衰退的两种通货膨胀政策管理过程中，相对来讲，经济过热的预防时间更长一些。

3.不同周期中的波幅存在着较大差异。周期中的波幅是指每个周期内通货膨胀所到达的上下限间距范围，直观的表明了周期中波动幅度的剧烈程度。一般而言，波幅较大的周期，其标准差也相对较高，高的波动幅度带来高的离散差异。在1990年到1999年周期中波幅达到了史无前例的29.9%，标准差也同样呈现出较高的8.2%。相比较，1999年到2002年与2012年到2015年的两轮周期中，由于波动幅度较小，标准差仅为1.02%和0.56%，远远小于上述第一轮超长周期的标准差。波幅的巨大，反映出经济发展大起大落，经济系统稳定性差，在各轮通货膨胀周期中，波幅先后经历了由大变小、由小变大、再由大变小的多次变化，这反映出近年来通货膨胀的稳定性有所增强。

4.周期波动的变异性呈现出缩小的趋势。波动系数(平均值/标准差)是通货膨胀单位标准差所对应的绝对值水平，反映单位均值水平下的变异程度。1999年到2002年期间，通胀呈现出显著的变异趋势，这与1997东南亚金融危机后，我国先后出现由通货紧缩到通货膨胀趋势的反转性走势密切相关。随后，通胀在不同周期中的变异程度逐渐缩小，直至2012年到2015年周期以来，CPI变异程度已经显著下降。这也反映出我国通胀的内在稳定性机制已显著加强。

三、中国通货膨胀的频域周期分析

由于“谷-谷”分析法对数据的要求较低，在划分的过程中可能会因为时间序列的趋势项较大、干扰项较小而导致波动不明显。为此，本文还需要从频域的视角对通货膨胀的周期性成分进行分解。频域分析的主要手段是谱分析方法，Mansi et al.(2014)、Golyandina et al.(2013)对此有过分析。已有谱分析的文献，很少有对于中国通货膨胀的周期性频谱结构进行过系统性分析，因此，本文在前面对通货膨胀时域周期分析的基础上，此处利用HP滤波将趋势项消除后，通过谱分析法进一步再对其频域进行分析，以判断周期成分中的主体频率及其构成。

(一) 中国通货膨胀的频谱周期划分

1.谱分析思路和中国通货膨胀频谱周期划分结果

对于时间序列${y_t} = Asin({w_0}t + b) $，波动特征为：$F\left(w \right) = \left\{ \begin{array}{l} {A^2}~~w = {w_0}\\ 0{\rm{ }}~~w \ne {w_0} \end{array} \right. $。其中F(w)为y_t的功率谱密度函数。将n个周期叠加的周期波动表示为：$ {y_t} = {A_0} + \sum\nolimits_{k = 1}^n {} {A_k}sin({w_k}t)$。由此，功率谱密度函数表达为：$F\left(w \right) = A_k^2;w = {w_k};k = 1, 2, ..., n $。其中A_k²代表w=w_k(k=1, 2, …, n)的周期分量的功率。通过变化可以将y_t改写成：$ {y_t} = {A_0} + \sum\nolimits_{m = 1}^i {} ({A_m}cos{w_m}tcos{\varphi _m} + {A_m}sin{w_m}tsin{\varphi _m})$, 若令${w_m} = 2\pi m/N $，那么其频率就为m/N，由此得到时间序列y_t的周期频谱。

本文采用H-P滤波法对CPI数据去掉趋势成分后，留下周期部分。对其周期部分进行平稳性检验，发现其平稳。按照谱分析方法对中国CPI进行周期拟合，发现CPI每个主周期大约39.38个月，次周期为51.2个月。这个结果与前文“谷-谷”划分法得出的平均周期长度较为一致，由此验证了前面有关中国通货膨胀时域周期分析结果的合理性。由于CPI包含多项子项，因此，在对CPI整体周期分析的基础上，为了进一步理清CPI周期形成的内在根源，此处进一步对其子项的周期特征进行讨论。发现食品项的主周期长度和次周期长度均与CPI指数保持高度一致，这与其在CPI总指数中权重较高密切相关，并且从历史数据来看，食品分项的波动与CPI的波动基本保持一致。这说明食品对总指数的影响相对较大，长期保持同向变动。此外，交通和通信、居住、家庭设备用品及维修服务的主周期均在40-50个月，次周期则表现为30个月左右，这反映其与CPI总指数周期变动存在不完全一致性。这些非食品项的周期偏长，如交通和通信的主周期达到了51.2个月，家庭设备用品及维修服务基本上在43个月，娱乐教育文化用品及服务的次周期达到了51.2个月，医疗保健的次周期为46.55个月，衣着的次周期甚至为64个月。综上，从频谱周期角度看，食品项与CPI总指数的关联度较高，非食品项的周期波动与CPI呈现出一定程度的差异。

2.周期划分中子项对CPI的波动贡献

在CPI的整体周期划分中，由于其子项周期与其存在着协同和背离的特征。因此，十分有必要分析各个子项对于整体波动的贡献，从而确认出CPI周期波动的内在成分构成。为此，本文从方差分解进行分析，具体来讲将每个CPI总指数的方差拆分为各个分项的方差和协方差，来定量分析出每轮周期中方差和协方差占比较大的子项种类，从而挖掘总指数的波动来源。

按照CPI的子项及其权重，表 3计算出每轮周期中CPI中各分项指数波动的方差以及其在总方差中的占比。设a_i是第i个子项在CPI中所占权重，那么第i个子项x_i在CPI中的方差成分构成为：${\rm{var}}\left({{x_i}} \right) = a_i^2*\sum\nolimits_{t = 1}^{t = N} {} {({x_{it}} - {{\bar x}_i}{\rm{ }})^2}/\left({N - 1} \right) $；第i个子项x_i和第m个子项x_m在CPI中的协方差成分构成为：$cov\left({{x_i}, {x_m}} \right) = {a_i}{a_m}*\sum\nolimits_{t = 1}^{t = N} {} \left({{x_{it}} - {{\bar x}_i}{\rm{ }}} \right)({x_{mt}} - \bar x{_m})/\left({N - 1} \right) $。

从表 3中可以发现：①不论是哪一轮周期，食品项的方差占比都是最高的。这反映出我国以CPI作为度量的通货膨胀周期是由食品项为主要内在根源驱动的，此发现与前面谱分析得出的结果相一致。②居住项在谱分析得出的周期长度虽然与CPI项的差距较大，但是从方差成分构成中观察，结果显示居住项的占比是除了食品项以外，其他非食品项中最高的，由此说明与居住密切相关的租金、建材等价格的波动程度仅次于食品，与现实相符。③衣着、交通和通信、娱乐教育、家庭设备用品以及医疗保健的波动性近乎为0，属于CPI指数中较为平缓的分项，其方差成分对总指数波动的贡献较小。④除了各子项的方差成分构成外，协方差成分构成所反映的不同子项之间相关的波动也在CPI总指数方差中占有一定比例贡献(受制于表格大小，表 3中协方差略去)。食品项和其他非食品项的协方差成分占比相对较高，特别是食品与居住的协方差成分构成。同时，这两项本身的方差成分构成也较大。⑤近年来食品项方差的占比有所提升，2015年至今占总方差的比重达到了95%，说明近年来食品项在CPI波动中贡献作用有显著增大的趋势。衣着、医疗保健在2015年之前的每轮周期中方差基本在0左右，衣着在所有轮次通货膨胀周期中对于CPI的波动贡献不大，且没有体现出明显的变化趋势，但是医疗保健在2015年以来的方差占比上升到3%，与居住项的占比相当，其对CPI的波动贡献有上升的趋势。这说明，在CPI的通货膨胀周期中，除了食品类的主体波动贡献外，其他非食品类的波动贡献不仅较小，而且波动贡献的结构构成也有所改变，由此反映了通胀的结构性变化。虽然结构性通胀有所显现，但是食品类的主体性作用短期内很难发生根源性改变。

四、中国通货膨胀外在水平波动的驱动机制研究：基于FAVAR模型的系统分析 (一) 外在水平波动的FAVAR模型设定

前面从内部视角研究了以CPI作为通货膨胀的周期性特征及内部成分波动结构变化，此处进一步从外部视角对于物价水平变动，或者通货膨胀变动的外在驱动因素进行实证分析。已有类似对价格水平波动分析的相关文献，主要采用VAR模型来进行实证分析。在采用VAR分析过程中，存在着显著缺陷：由于制约于参数个数的巨大数量导致无法估计，因此，一般VAR模型系统中内生变量个数较少，从而模型设定缺乏足够的变量信息，所得实证结果缺乏有效性。为了克服这一缺点，本文采用FAVAR(Factor-Augmented VAR)模型来进行中国通货膨胀变动的驱动机制分析，FAVAR模型对此问题研究具有先进性和实用性。Bernanke et al.(2005)提出，FAVAR模型的显著优势在于可以克服VAR等模型中包含变量过少、模型关注信息不足的缺点，FAVAR通过从大量的指标中提取主要的成分，使得这些成分包含所有变量的众多信息，并利用相关成分来进行VAR分析，不仅可以克服VAR模型因变量过多导致参数无法估计的缺点，也可以使从更多的经济变量中提取更多的信息，从而使参数估计更加有效。本文为分析各种经济因素与通货膨胀变动之间的内在关系，基本思路是基于因子分析将影响物价变动的共同驱动因素信息萃取出来，在此基础上，构建因子变量的VAR模型系统，系统性的基于冲击响应手段来讨论中国通货膨胀变动的驱动机制。由于要构建通货膨胀因子，因此，此处除了居民消费价格指数CPI以外，还引入具有重要价格周期性波动影响的CPI食品、工业生产者出厂价格指数PPI、商品零售价格指数RPI、农业生产价格指数FPI等变量信息来共同提取相关因子。

为了能够建立通货膨胀与经济指标之间的FAVAR模型，本文首先需要决定的是选取哪些类别的经济指标进入模型系统。从已有有关通货膨胀文献变量选择来看，有些研究者研究了某些因素与通货膨胀之间的关系。例如，彭红枫等(2016)利用小波分析得出无论是在城市还是农村，货币供应量的变动对各类通货膨胀的调节作用主要集中在短期，而长期来看调节作用被削弱。李成等(2013)指出货币供应、产出缺口和国际商品价格在长周期趋势中对国内通胀均有显著影响。伍戈(2011)对通货膨胀的实证分析中得出产出因素与通货膨胀之间存在显著的正相关关系，同时通货膨胀与货币供应之间存在长期稳定的正相关关系。许宪春(2009)通过讨论改革开放后我国经济增长周期与通货膨胀周期的轮动情况，指出两者之间表现出明显的内在联系。对于一个开放经济体来说，输入性通胀的存在也使得国内的物价会受到其他经济波动的影响。中国经济增长与宏观稳定课题组(2008)较为系统的研究了国际价格、汇率等外部因素对国内物价的综合影响。这些文献局部性的都各自选择了部分个别变量并对于它们与通货膨胀的关系进行了研究。综合相关理论和已有文献的研究成果，为了避免变量选择信息遗漏，在现有数据资料可获得情况下，本文显著扩展已有文献的局部变量选择范围，从全局整体的角度搜集大量众多的几十个影响通货膨胀的经济变量要素，将其划分为三大类因素作为变量备选集：实体经济因素、货币政策因素、外部冲击因素。此外，基于国际因素，人民币汇率对物价水平的影响同样也不可忽略，由于汇率的指标较为单一，此处不需对其进行因子分析，本文直接采取国际清算银行公布的人民币实际有效货币指数。结合指标的起始时间、样本范围以及发布频率等特点，本文样本数据的选择区间为2002年1月到2016年12月。变量集如下：

(1) 实体经济因素(15个指标)：工业增加值同比增速Y、工业企业主营业务收入同比增速YIC、工业企业利润总额同比增速YRE、固定资产投资完成额同比增速YIN、出口金额同比增速YEX、进口金额同比增速YIM、出口数量指数HS2EX、进口数量指数HS2IM、社会消费品零售总额同比增速YCOM、宏观经济景气指数YIND1、消费者信心指数YIND2、原煤产量同比增速OUTCOL、生铁产量同比增速OUTST、粗钢产量同比增速OUTST1、发电量同比增速OUTELE。

(2) 货币政策因素(19个指标)：活期存款利率R1、定期存款利率(3个月) R2、定期存款利率(6个月)R3、定期存款利率(1年)R4、定期存款利率(2年)R5、定期存款利率(3年)R6、人民银行对金融机构存款利率(法定准备金)BR、短期贷款利率(6个月)DR1、短期贷款利率(6个月至1年)DR2、中长期贷款利率(1至3年)DR3、中长期贷款利率(3至5年) DR4、中长期贷款利率(5年以上)DR5、M1同比增速M1、M2同比增速M2、金融机构各项贷款余额同比增速DTB、金融机构各项存款余额同比增速CTB、人民币存款准备金率(中小型存款类金融机构)BRM、人民币存款准备金率(大型存款类金融机构)BRB、中债国债到期收益率(10年)10YBOND。

(3) 外部冲击因素(11个指标)：石油现货价平均价格指数OILZ、进口价格指数PHS2IM、出口价格指数PHS2EX、CRB现货指数(综合同比增速)CRB1、CRB现货指数(食品同比增速)CRB2、CRB现货指数(油脂同比增速)CRB3、CRB现货指数(家畜同比增速)CRB4、CRB现货指数(金属同比增速)CRB5、CRB现货指数(工业原料同比增速)CRB6、CRB现货指数(纺织品同比增速)CRB7、RJ/CRB商品价格指数同比增速RJCRB。

(4) 通货膨胀因素(6个指标)：CPI当月同比增速CPI、CPI中食品当月同比增速CPIFOOD、RPI当月同比增速RPI、PPI中全部工业品当月同比增速PPI、PPI中生产资料当月同比增速PPI1、农业生产资料价格指数(当月同比增速)FPI。

(5) 汇率因素：人民币实际有效汇率指数RMBEX。

(二) 驱动因素的因子提取

上述变量由于数量众多，且变量间信息存在交织重叠，因此，对上述变量需要提取包含全部变量的整体信息、且又互不相关的因子。因子分析以反映原信息集为前提，通过降维寻求变量间基本结构，将众多的变量综合成少量且互不相关的指标，以再现因子与原始变量之间的内在关系。设$X = \left({{X_1}, \ldots, {X_p}} \right)\prime $是可观测的随机向量，$E\left(X \right) = \mu, D\left(X \right) = \mathit{\Sigma} $，且设$F = \left({{F_1}, \ldots, {F_m}} \right)\prime \left({m < p} \right) $是不可观测的随机向量，$ E\left(F \right) = 0, D\left(F \right) = {I_m}$；又设$ \varepsilon = \left({{\varepsilon _1}, \ldots, {\varepsilon _p}} \right)\prime $与F互不相关，且E(ε)=0，$ D\left(\varepsilon \right) = diag\left({{\sigma ^2}_1, \ldots, {\sigma ^2}_p} \right)\underline{\underline \Delta } D$。假定随机向量X满足正交因子模型：X=μ+AF+ε。其中, $为X的公共因子，ε₁, …, ε_p为X的特殊因子；公共因子F₁, …, F_m一般对X的每一个分量X_i都有作用。因子分析的目的是用少数几个公共因子(设为m个)来描述p个相关变量间的协方差结构：∑=AA′+D。其中，$ A = {\left({{a_{ij}}} \right)_{p*m}}$为p*m阶的因子载荷矩阵；D(ε)=diag(σ₁², …, σ_p²)为P阶对角矩阵。为估计公共因子的个数m、因子载荷矩阵A及特殊因子方差σ_i²，通常采用主成分法。设样本协方差阵S的特征值为λ₁≥λ₂≥…≥λ_p≥0，相应单位正交特征向量为l₁, l₂, …, l_p，则S有谱分解：$ S \approx {\lambda _1}{l_1}{l_1}\prime + \ldots + {\lambda _m}{l_m}{l_m}\prime + D = \left({{\rm{ }}\sqrt {{\lambda _1}} {l_1}, \ldots, {\rm{ }}\sqrt {{\lambda _m}} {l_m}} \right){\rm{ }}\left[ \begin{array}{l} {\lambda _1}{l_1}\prime \\ \ldots \\ \sqrt {{\lambda _m}} {l_m}\prime \end{array} \right]{\rm{ }} $ $ + \left[ {\begin{array}{*{20}{c}} {\sigma _1^2}&0&0\\ 0& \ldots &0\\ 0&0&{\sigma _p^2} \end{array}} \right] = AA\prime + D$ 。

其中A和D是因子模型的解，因子载荷量是因子F_k与变量X_i的相关系数：$ \rho \left({{F_k}, {X_i}} \right) = \sqrt {{\lambda _k}} {a_{ik}}/\sqrt {{\sigma _{ii}}} \left({k, i = 1, 2, \ldots p} \right)$，其中σ_ii的方差。将公共因子表示成变量的线性组合，从而提取出主要因子(即因子得分)。考虑到在FAVAR模型中如果引入的因子数量过少可能会造成信息遗漏，但如果引入因子数量过多则又会造成模型参数过多从而不能有效地进行参数估计，因此，本文从因子1、因子2，…，开始依次顺序选择特征值总和信息含量超过75%的主要因子进入到FAVAR模型进行实证分析，这样既能够保证模型中不会遗漏掉主要的因子信息变量，同时又不至于因子数量过多导致模型无法进行有效的参数估计。

1.实体经济因素因子分析

对实体经济因素的15个指标进行因子分析，根据上述准则来提取主要因子，一共提取出了三个因子，如表 4所示。其中因子载荷矩阵经过了最大方差正交旋转法处理，优势在于旋转结果较为清晰，方便对因子进行定义和分析。根据每个指标的因子载荷量(即相关系数)，可以看出第一个因子前的权重主要集中于出口金额同比增速、进口金额同比增速、出口数量同比增速和进口数量同比增速这四个指标，这一因子即可定义为宏观经济中的对外贸易因子。第二个因子前的权重集中于固定资产投资、粗钢产出、生铁产出以及发电量等指标，由于我国固定资产投资中重要的驱动力是基础设施投资、制造业投资和房地产投资等，这些投资直接带动了上游的钢铁和有色金属等行业的需求和生产，所以第二个因子可以定义为宏观经济中的投资因子，也可以作为工业行业中的产出指标。第三个因子前的权重集中于社会消费品零售总额，这一因子可以定义为宏观经济中的消费与景气因子。因子一、二、三的信息含量之和包含了所有变量信息的75.473%，超过75%，没有显著信息遗漏，在实体经济影响因素中，由于关注其周期循环性质(或实体经济缺口)，因此，本文对因子一、二、三进行HP滤波后留下周期项(记为GAPYHS、GAPINV、GAPCOM)，将其作为后面FAVAR模型的内生性变量进行分析。

2.货币政策因素因子分析

对货币政策因素的19个指标进行因子分析，最终得到了三个主要因子，系数矩阵如表 5所示。从系数中可以看出，第一个因子(记为INR1)的权重主要集中于存款和贷款利率，包括短期和中长期，这些利率是央行采取升降息措施所影响到的变量，同时也是直接影响实体经济的利率，代表货币资金价格方面的重要指标。第二个因子(记为BASE)的权重落于各类型银行的法定存款准备金率上，这些利率是央行采取降准措施所影响到的变量，是间接影响实体经济的利率。第三个因子(记为M)的权重则集中于货币供应量M1、M2以及银行的信贷投放上面，这个因子反映的是直接在实体经济中投放的货币总量，代表数量方面的指标。INR1和BASE的信息含量总和为82.098%，超过75%，所以此处将第一个因子和第二个因子作为FAVAR模型中代表货币政策影响的因子。

3.外部冲击因素因子分析

将代表外部冲击的11个指标进行因子分析，结果如表 6所示。根据因子得分的矩阵，第一个因子(记为HS1)的权重主要集中于油脂、食品、综合、家畜、纺织品以及出口价格指数上，此因子主要反映的是中国作为出口供给方对外部环境的物价产生的影响。第二个因子(记为HS2)的权重主要为油价、商品价格指数、进口价格指数、金属和工业原料指数，它们是国际外部冲击因素对国内物价波动影响的主要途径，反映了中国进口需求过程中相关产品成本因素对国内通货膨胀变动的影响。HS1和HS2的信息含量总和为78.930%，超过75%，所以，本文将因子一和因子二作为外部冲击的代理变量。

4.通货膨胀因子分析

对通货膨胀因子的提取，考虑到在国内有很多反映不同层面的物价指标，包括居民生活、出厂价格和社会销售品零售价格等，对6个指标进行因子分析，提取出两个因子。第一个因子的权重集中于CPI、RPI(社会消费品零售价格指数)这种靠近终端消费的物价水平，而第二个因子的权重集中于PPI，即工业生产者的出厂价格。经过提取的两类因子彼此之间没有相关性，代表着两种信息不相关的通货膨胀因子，由于因子一反映了消费端的物价水平变动，本文将其表示为P1，用于反映本文基于消费水平变动的通货膨胀因子。

(三) 通货膨胀变动的驱动机制研究：FAVAR模型的脉冲响应函数及方差分解

根据各类主要因子和汇率因素，建立以分析中国通货膨胀变动的驱动机制为目标的FAVAR模型(1)式，为避免时间趋势的影响，在模型中添加时间趋势项T作为额外的外生变量。

$ \begin{array}{l} {{\rm{Y}}_t} =\\ \left[ {GAPYH{S_t}, GAPIN{V_t}, GAPCO{M_t}, INR{1_t}, BAS{E_t}, HS{1_t}, HS{2_t}, RMBE{X_t}, P{1_t}} \right]\prime \\ {{\rm{Y}}_t} = B + {A_1}{{\rm{Y}}_{t - 1}} + \ldots + {A_k}{{\rm{Y}}_{t - k}} + CT + {\varepsilon _t} \end{array} $

(1)

为了估计FAVAR模型，首先要确定模型中滞后阶数。FAVAR中通过FPE、AIC等方法综合判断，选择滞后阶数为1阶。在估计结果基础上，本文将进行各个变量之间的脉冲响应函数分析及方差分解，以研究通货膨胀的外在波动机制。

图 1为FAVAR模型脉冲响应函数分析，主要观察通货膨胀因子P1对各个经济变量的一个单位标准差的冲击反应，纵坐标是偏离度。从脉冲响应图可以看出，每段脉冲都是收敛的，并且置信区间也逐渐收窄。从结果中可以看出，除了价格变动自身影响外，实体经济影响因素中，对外贸易因子、投资因子、消费与景气因子对终端消费价格都有一定程度的影响，在影响方向上存在着正负交替的模式，整体大约在冲击发生后的40期左右能够达到收敛并逐渐回复到均衡状态，冲击效应最终消失，不复存在，在这期间脉冲响应的最大幅度不超过0.001。脉冲响应的结果说明实体经济周期的冲击短期内会对通货膨胀产生正负交替的作用力，并且这种作用力存在一定的滞后期，长期来看冲击的作用力最终逐渐衰减为零。

观察其他变量的脉冲响应结果，可以看出：(1)P1对自身的冲击的反应随着时期逐渐缩小，冲击发生后的最大值为0.003，其后逐步回落，冲击引起的效应在第15期由正变负，在第35期衰减为0。外部冲击因素中，因子HS1起着主导作用，其冲击对P1的作用总体为正，在第10期左右达到最大值0.003，随后逐渐衰减，一直到第28期左右为0后，由正向转为负向，维持到第48期时冲击效应消失。相比较于HS1，因子HS2冲击对P1的影响极其微小，其影响效果远远弱于HS1的冲击影响效果。综合HS1和HS2的冲击效应，可以看出，外部冲击因素对P1具有较为明显的正向作用，这反映了近年来在对外开放程度加大的情况下我国通货膨胀越来越受到外部因素的影响。(2)P1对汇率的反应从第1期的0.0002逐步下降至第20期的-0.001，其后逐步上升趋近于0，并在第40期左右使P1回复到均衡状态。汇率的冲击对P1的影响总体表现为负向作用。(3)P1对货币政策中的价格因子INR1的反应在第9期达到最高值0.001后开始逐渐缩小，在第21期为0后继续呈现幅度更小的负向反应趋势，直至第45期左右作用消失。总体特征来看，价格因子INR1冲击对P1的整体影响表现为正向的推动作用。相比较于第一因子INR1，货币政策中第二因子BASE几乎没有明显的冲击效应，由此反映出货币政策因素中对P1的冲击效应主体由第一因子决定。结合中国实际可以看出，近十余年来，我国房地产行业、金融市场、基础设施建设和公共投资等领域得到了空前的迅猛发展，成为了央行货币政策中货币供给与利率调控的重要依据对象，相关领域也成为了大量货币供给的蓄水池，从而即使在货币供给增速显著加大的情况下，也没有在居民消费端的物价水平领域引起明显恶性的通货膨胀。因此，以贷款、存款利率作为信息基础的第一因子INR1发生一个单位的正向冲击时，虽然抑制了房地产行业、金融市场、基础设施建设和公共投资等领域，但是却增加了居民消费，出现了居民消费对其他投资领域的替代效应，从而挤入了居民的消费水平，从而使得以消费为主的价格水平同比增速P1发生了正向变动，提高了通货膨胀。

表 8为通货膨胀的方差分解结果，从各因子变量为通货膨胀因子P1带来的波动贡献占比的角度来分析各个因素的影响。除了P1自身的波动贡献外，其他因子中只有实体经济影响因素因子GAPCOM对P1的方差贡献在第一期超过5%，达到了7.13%，但随后其贡献逐渐缩小直至平稳，最终在第10期基本维持在1.59%左右的水平上。

所有因素中，P1自身方差分解的贡献从第1期的87.78%逐步衰减到第10期的36.22%，虽然趋势呈现出下降趋势，但是其数值始终较大，这反映出P1是其自身波动的主要贡献源之一。

除了以上因子GAPCOM和因子P1外，外部冲击因素中第一因子HS1对于P1的波动具有重要的贡献作用，而且随着时期滞后呈现出明显的增大趋势，在P1受到冲击后的第8期时，因子HS1的贡献作用已经超过了P1自身的贡献作用，贡献大小为47.27%，成为了P1波动的最大贡献者。相比较而言，外部冲击因素中第二因子HS2对P1波动的贡献微乎其微。因此，外部冲击因素对P1具有重要的波动贡献作用，并且主体体现在第一因子HS1上。

货币政策的第一因子INR1对价格水平P1的波动贡献总体上远远小于外部冲击因素HS1的贡献，冲击发生后体现出在前10期内对P1波动贡献逐步加大的趋势，在第10期达到4.94%，并且大于第二因子BASE的贡献。货币政策因素对P1的波动贡献主要由第一因子INR1决定，其贡献值大于汇率RMBEX对P1的波动贡献值。汇率RMBEX与实体经济影响因素因子GAPYHS、GAPCOM的贡献基本一致，最终在第10期达到在1.3%到1.6%的水平，它们对通货膨胀波动的贡献度和解释力总体微弱。

结合上述脉冲响应以及方差分解结果，可以发现，外部冲击因素因子对通货膨胀的波动作用影响明显，P1对其自身的波动贡献也具有较大作用。相对来讲，汇率与实体经济影响因素相关因子对通胀波动的贡献作用相当，数值偏小，小于货币政策的数量因子INR1的贡献作用。

五、主要结论及政策建议

本文创新性地同时从内在周期波动与外在水平波动的双重视角来对中国的通货膨胀波动进行研究。首先，从内在周期波动时域分析角度识别出可以作为周期分界点的峰顶和谷底，通过“谷-谷”划分法对1990年到2016年的CPI进行了周期划分。然后，从内在周期波动频域分析角度，使用谱分析法对CPI的主周期和次周期进行了识别，验证了“谷-谷”划分的可靠性，系统分析了中国通货膨胀周期及其波动的基本特征。最后，从外在水平波动角度，通过对驱动通货膨胀水平波动的系统因素，进行因子提取，采用适用性强的FAVAR方法研究了通货膨胀水平变动的驱动机制。主要结论为：

(1) 中国以CPI为度量标准的通货膨胀在1990年1月到2016年12月完整经历了6轮周期。除了1990年6月到1999年4月的超长通货膨胀周期以外，其他周期长度基本时常在3年-4年之间，除了超长周期外的周期平均跨度为3.15年。在每一轮周期中，除了1990年6月到1999年4月和2012年10月到2015年1月两轮周期外，其余周期上升跨越度和下降跨越度有明显的不对称性，上升时间普遍长于下降的时间，尤其是1999年-2002年的周期中上升的时间约为下降时间的两倍。在1990年到1999年周期中CPI波幅达到了史无前例的29.9%，标准差也同样为较高的8.2%。相比较，1999年到2002年与2012到2015年的周期中，由于波动幅度较小，标准差仅为1.02%和0.56%，远远小于上述第一轮周期，但1999年到2002年周期中变异程度(波动系数的倒数)又远远大于2012到2015年的周期变异系数。这三轮周期波幅、变异程度以及时限长短方面存在着较大差异。总体来看，六轮周期在关联中存在着差异性特征。

(2) 内部周期波动和外部冲击共同推动了以CPI作为度量指标的中国通货膨胀特征演变。内部机制体现在，由于CPI是食品、衣着、医疗保健等基本成分的合成指标，不同成分在CPI中的结构构成及其自身周期波动的合力决定了CPI的周期波动。实证结果表明，食品周期波动与CPI波动关联最为密切。虽如此，但如若改变食品在CPI中的成分构成权重比例，那么二者之间的周期波动关联也会随之变化。所以，如果脱离和忽视内部成分而只看CPI的周期波动，将会造成无法分析CPI周期波动形成的内在根源。外部机制体现在，由于CPI水平波动又受到外在冲击因素影响，外在冲击因素的不确定性发生直接会导致CPI发生响应变化。因此，从内外双重视角判断CPI的波动有利于厘清其波动的内部根源和外部成因。

(3) 从内部看，CPI的子项构成中，食品项的主周期长度和次周期长度均与CPI指数保持高度一致，食品对CPI总指数的影响相对较大，长期保持同向变动。不论是哪一轮周期，食品项的方差占比都是最高，食品项和其他非食品项的协方差成分占比相对较高，CPI的内在波动主要来源于食品，近年来食品项方差的占比有所提升，2015年至今占总方差的比重达到了95%。因此，近年来食品项在CPI波动中贡献作用有显著增大的趋势。居住项在谱分析中得出的周期长度虽然与CPI的差距较大，但是在对CPI方差成分构成中，其占比是除了食品项以外，在其他非食品项中最高的。衣着、医疗保健在2015年之前的每轮周期中方差基本在0左右，衣着在所有轮次通货膨胀周期中对于CPI的波动贡献不大，且没有体现出明显的变化趋势，但是医疗保健在2015年以来的方差占比上升到3%，与居住项的占比相当，其对CPI的波动贡献有上升的趋势。在CPI的通货膨胀周期中，除了食品类的主体波动贡献外，其他非食品类的波动贡献不仅较小，而且波动贡献的结构构成也有所改变，逐步有结构性通胀的演变态势。虽如此，但是食品类的主体性作用在短期内很难发生根源性改变。

(4) 从外部看，对于靠近居民消费端的价格波动或者通货膨胀变动来说，外部冲击因素因子冲击对其具有重要贡献作用，并且主体体现在第一因子HS1上。同时，通货膨胀对其自身波动贡献作用也较为明显，虽然随着时间滞后其方差贡献呈现递减趋势，但是总体上数值依然较大，自始自终成为通货膨胀波动根源的前两位重要影响因素，由此反映出通货膨胀波动具有较强的自适应性和惯性特征。汇率与实体经济影响因素相关因子对通胀波动的贡献作用相当，数值偏小，小于货币政策的数量因子INR1的贡献作用。

基于以上结论，根据中国通货膨胀周期以及波动的驱动机制特征，提出以下政策建议：

(1) 样本区间内中国存在着6轮通货膨胀周期，周期时限长短不一，波幅大小、变异程度具有差异，这表明中国通货膨胀存在着周期性规律，CPI的演变趋势存在着关联性，它们并不是孤立存在的；但同时在相关性趋势中又存在着差异性特征。因此，在通货膨胀政策管理和制度完善设计方面，不仅应当着眼于通货膨胀本身的价格数量变化特征，而且应当时刻把握中国通货膨胀的周期性特征。周期性特征具有循环性规律，对于周期性的准确认识，有利于政策制定者对于中国通货膨胀的趋势循环特征进行科学决策，从而不断为完善通货膨胀政策的前瞻性设计提供借鉴依据。同时，6轮中国通货膨胀之间的差异，也表明通货膨胀虽有周期，但周期的特征并不完全一样，在通货膨胀周期的价格驱动影响因素中，既有共同因子的规律性影响，也有每轮周期各自独有因素的单独性冲击影响。因此，作为通货膨胀政策完善而言，应当着重提高和改进经济政策的一致性和有效性，避免经济系统因经济政策的剧烈变化和意外突发的自然、社会等各种外在冲击而发生大起大落变化，从而保障中国经济的可持续健康发展。

(2) 由CPI的内部主要波动来源可以看出，各个子项对于整体CPI的波动贡献存在着显著差异。这表明，作为通货膨胀管理政策而言，应当特别注意到对于CPI和反映整体物价水平普遍提高的通货膨胀而言，CPI高，并不意味着不同种类的商品价格都高。同时，为了更加准确的真实反映整体物价变动情况，央行作为通货膨胀管理的主要政府部门，应当结合我国经济发展实情，实时、适度的不断编制和完善核心通货膨胀率，以便于更好的分别从整体和结构的角度对CPI进行信息提取，以排除整个物价指标受单一子项成分暂时冲击影响过大，并因此而导致决策者对一般性通货膨胀率核心信息的误判可能，尽可能避免政府部门为表象通货膨胀信息的误导所带来的决策失误，从而保障通货膨胀政策管理的科学性和有效性。从国外经验来看，世界发达国家普遍制定了核心通货膨胀率监测指标，例如美国的核心通货膨胀率是剔除了食品和能源的价格，加拿大则采取了考虑间接税的影响，英国和新西兰则排除了利息支出等等。这些外国有效的政策实践做法为我国央行制定适合于分析和研究中国国内经济及通货膨胀状况的核心通货膨胀率方案提供了广泛的有益借鉴。

(3) 作为中国通货膨胀变动的外在影响因素来看，外部冲击因素因子、通货膨胀自身惯性和预期等对其均具有重要的驱动贡献。因此，中国通货膨胀不仅是货币现象，与货币政策相关，而且通货膨胀还是外部冲击、自身惯性和预期波动的重要驱动结果。所以，对于通货膨胀政策管理者而言，不仅要从货币政策的视角来进行通货膨胀管理的合理设计和完善，而且也必须要从完善外部冲击和预期机制的视角来不断提高我国通货膨胀政策的管理水平，通过预期和外部冲击的双重因素对于通货膨胀实施更加系统的组合管理政策机制设计，从而有效的实现中国通胀的管理目标。