现在,大家已经形成了一个初步的一致——此次金融危机有两个主要渠道:第一,“家庭资产负债表渠道”,其刻画了房屋家庭的下降对家庭净金融资产的影响,进而影响其信贷能力和支出;第二,“银行危机渠道”,其刻画了银行资产负债表的恶化对信贷中介功能的影响(M. Gertler and S. Gilchrist,2019)。当然这两个渠道是相互联系的,作为金危机起源的银行危机是由于抵押贷款相关证券损失才最终导致全面危机的爆发。
我们从这次增值中学到的东西是危机前的房地产繁荣对于2007年美国的经历来说并不是唯一的因素。从国际和时间两个维度来看,典型的特征是家庭债务和房屋价格的上升都发生在主要金融危机之前。例如,òscar Jordà, Moritz Schularick, and Alan Taylo(2016)阐明许多国家的家庭抵押债务的升高是此次全球金融危机的先导现象。Arvind Krishnamurthy and Tyler Muir(2017)则发现,并不是所有的家庭债务膨胀都会导致危机,只有那些信贷利差扩大的才可能导致危机。
但是,在宏观数据层面,很难识别出因果。总的房地产价格对实体经济活动减弱而作出响应,然后反过来影响它。在许多较大影响力的文章中,Atif Mian and Amir Sufi(2009,2012)用截面数据识别了家庭资产负债表渠道。他们首次显示出那些在危机前就经历了房价和抵押债务大幅上升的地区都在危机发生时遭遇了房价和实体经济活动的大幅下降。在危机期间,他们估计了截面回归,将实体经济活动的一些测量指标——例如,消费和非贸易品就业与家庭净财富的下降联系起来,且净财富是由危机初期家庭杠杆加权的房价下降率来表示。他们利用基于地方土地供给弹性作为构建工具变量识别出家庭净财富的外生变动。因为回归是截面的,所以时间效应不存在,这也就不可能识别出家庭资产负债表渠道的总效应。尽管如此,这些结果还是为家庭资产负债表渠道提供了可信的证据(G. K. Mitman and G. Violante,2016;C. Jones, V. Midrigan, and T. Philippon,2011)。
而且,家庭资产负债表渠道的经验研究也驱动了大量的理论研究,即修正宏观经济模型来允许资产负债表对家庭施加约束。与危机前发展的模型相比,这些模型刻画了债务人资产负债表与实体经济活动之间的不利反馈环,并且它们将家庭,而不是非金融企业置于模型的核心位置。一个有趣的结果是家庭债务人的资产负债表约束收紧不仅仅减少家庭支出,还推低利率,帮助解释了家庭金融困难如何使得金融陷入流动性陷阱,即名义利率的零利率下限(V. Guerrieri and G. Lorenzoni,2011;G. Kaplan, K. Mitman, and G. Violante,2017; D. Berger, V. Guerrieri, G. Lorenzoni, and J. Vavra,2015;A. Justiniano, G. Primiceri, and A. Tambalotti,2015)。
(2)银行业危机和实体经济
图1中描绘的家庭债务大幅上升的一个反映就是银行体系杠杆的显著上升,尤其是不受美联储直接管控的影子银行体系。图2的右边说明了经销商——作为影子银行主要部分的投资银行的负债端。影子银行部门的增长为抵押证券——前文所描述的房地产繁荣的产物——的增长提供了融资。重要的是,这些机构持有的资产都是长期的,而其负债几乎都是短期的。事后可知,这种期限错配使得金融机构对于恐慌十分脆弱。图1中显示的房价下跌不仅恶化了家庭的资产负债表,它还引发了影子银行和商业银行持有的抵押证券所产生的损失。而且高度杠杆化且不受监管的影子银行部门尤其脆弱。抵押证券损失使得短期批发资金市场发生恐慌,直到雷曼兄弟倒闭和投资银行崩溃而达到顶点(M. Gertler, N. Kiyotaki, and A. Prestipino,2017)。图2中描述的经销商负责的崩溃就是这些事件的结果。
银行危机渠道的作用说明危机期间,银行资产负债表的恶化引发了中介的收缩,增加了信贷成本,因此,削弱了实体经济活动。正如家庭资产负债表渠道一样,宏观数据也提供了一些建议性支撑。图2左边画出了GDP增长与金融危机的指标——Simon Gilchrist and Egon Zakrajšek(2011)发展出的超额债券溢价(EBP)。EBP测量的是企业债券回报率与相同期限的政府债券回报率之间的利差,但是不包括违约溢价。后者调整意味着EBP上升反映了信贷的成本提高,而不是违约升高的信号。正如图2所示,衰退初期刻画了产出增长的适度下降和EBP的上升。在2008年夏天,衰退似乎与1990-91以及2001-02的温和衰退类似。然而,正如图2所示,与雷曼倒闭紧密联系的是EBP显著上升,并伴随着GDP增长的显著收缩。银行业的危机、上升的信贷成本和下降的实体经济活动之间广泛的联系均暗示了银行危机渠道的作用。
为了研究因果关系,有必要跳过宏观数据。许多微观数据研究显示银行危机诱发实体经济活动下降。正如家庭资产负债表渠道的研究一样,银行危机的研究也利用截面变动来识别银行健康程度变化——与债务人质量无关。然后,将那些与具有金融压力的银行相关的债务人行为与那些处于健康状况的银行相关的债务人行为进行比较。例如,Gabriel Chodorow-Reich(2013)发现从暴露在雷曼风险中的商业银行借款的企业经历了更显著的就业收缩。他还进一步显示了来自于银行危机的这些效应解释了总的就业下降中一定比例。其它金融中间影响非金融企业的证据还可以参见G. Chodorow-Reich and A. Falato(2017)、S. Gilchrist, R. Schoenle, J. Sim, and E. Zakrajšek(2016)、B. Chen, S. Hanson, and J. Stein(2017)。E. Benmelech, R. Meisenzahl, and R. Ramcharan(2016)则给出了银行危机如何银行家庭的汽车需求的证据。
银行危机引起了一系列关于在宏观经济模型中引入银行部门的研究,这个特征在危机前的模型中被忽略了。这类研究的一个共同特征就是引入银行的资产负债表约束,这种约束要么源于管制,要么源于银行及其债权人之间的激励问题。在这些模型中,贷款损失引发证券的下降,恶化银行的资产负债表,进而引发信贷收紧,实体经济活动下降。这些模型刻画了大衰退期间金融危机传播的基本的作用机制(Z. He and A. Krishnamurthy,2014)。
在对银行部门进行上述研究之后,新的研究进展开始关注危机的另一个重要方面,即高度的非线性性。Krishnamurthy, Stefan Nagel, and Dmitry Orlov(2012)注意到,金融危机刻画了信贷利差的显著上升,以及资产价格和产出的显著下降,这些与图2相一致。且在繁荣期间,这些变量之间并没有系统性的变动关系。引入这种非线性性的方式之一就是假设资产负债表约束是偶然成立的,例如Enrique Mendoza(2008)和Zhiguo He and Krishnamurthy(2014)。在繁荣时期,这些约束不成立。而不利扰动会使得经济进入到约束成立的区间,并放大冲击对经济衰退的效应。相反,近期的研究通过另一种方式来刻画非线性性,即以rollover危机的形式允许银行恐慌,在这种情形下,处于恐慌情绪中的短期借款供给者决定不向银行rollover他们的贷款(M. Gertler and N. Kiyotaki,2013)。这类恐慌是此次危机的核心特征。
为什么这次银行危机的复苏如此缓慢呢?Carmen Reinhart and Kenneth Rogoff (2009)认为债务人的去杠杆过程导致了低支出持续期较长。Robert Hall(2014)认为大衰退期间的投资支出萎缩太大以至于资本存量出现极大下降。最后,Hall, John Fernald, James Stock, and Mark Watson(2017)认为缓慢的复苏主要是bad luck与紧缩性财政政策混合作用的结果。bad luck是始于2005年的生产率下降,并仍在持续。
(3)危机的应对政策
金融危机后,宏观经济研究不仅仅关注于改进我们分析金融危机的能力,同时还关注于分析政策响应。例如,美联储抵御危机所采用的新工具——非传统货币政策,即调整央行资产负债表的规模和结构。主要的例子就是大家所熟知的量化宽松,包括购买机构抵押证券,机构债券,长期政府债券,以及以政府付息债券的形式发行短期政府债券来为上述行为融资。在完全金融市场上,非传统货币政策是中性的:长期证券的政府中介仅仅只是替代了私人中介,而不会对证券价格和利率产生影响。然而,在大衰退期间,金融危机引发了投资银行的收缩,使得私人证券信贷利差和长期债券的期限溢价都上升,从而使得信贷成本上升。的确,靠付息储备融资的证券购买行为可以被当做是增加政府金融中介来补充私人中介收缩。这么做既降低了信贷利差,也降低了期限溢价A. Krishnamurthy and A. Vissing-Jorgensen(2011)。
除了研究随着危机的发展,政策应该如何应对之外,还有一些研究也关注于管制政策的设计来提前预防和限制危机发生的可能性。有一些研究关注于家庭杠杆制约以便限制消费者债务的大规模破产的可能性(E. Farhi and J. Tirole,2009)。但是,大部分的研究都关注于对银行资本要求的管制(V. Chari and P. Kehoe,2013;J. Bianchi and E. Mendoza,2013)。对银行资本要求的管制显示出了一种取舍:资本要求的收紧会降低危机发生的可能性,但是也会由于中介约束的收紧而降低产出。在许多设定中,逆周期的资本缓冲似乎是最优的。即是说,如果目标是宏观经济稳定,资本要求应该在好的时候上升,而在衰退的时候放松。更高的资本要求会使得银行建立一个缓冲使得它们在受到冲击时有一个缓冲区间。在坏时期,放松资本要求允许更多的金融中介活动,因此,降低信贷成本,促进经济复苏。
最后,此次危机使我们进一步的思考传统货币政策和财政政策。对于货币政策来说,最大的挑战就是名义利率面临ZLB。早期的研究建议央行可以使用前瞻性指引来管理此情形下未来政策利率的变动预期。但是,一般性的结果显示,当央行面对流动性陷阱时,扩张性政策就是承诺保持利率“长期低水平”,即利率保持在ZLB不binding的水平( I. Werning,2011)。延长低利率的预期可以依靠降低更长期的利率来刺激经济。
但是,现存的模型却得到了相反的前瞻性指引效应。这个谜题被称为“前瞻性指引之谜”。这个谜题吸引了大量的注意力,它可能说明了标准模型在分析依赖于管理私人预期的政策时的无效。有一些研究者认为允许金融市场摩擦可以解决这个谜题,而另一些学者则认为利用行为经济学或不完全信息方法来引入短视(A. McKay, E. Nakamura, and J. Steinsson,2015;M. Garcia-Schmidt and M. Woodford,2015;G. Angeletos and C. Lian,2016;X. Gabaix,2016)。Emmanuel Farhi and Iván Werning(2017)则认为金融摩擦和短视的结合可以产出可信的量化结果。
最后,假定货币政策受到约束,当经济处于ZLB时,财政政策可以提供一个有力的选项。关键的问题是,财政政策与ZLB之间如何相互作用。在ZLB处,即使由于ZLB名义利率保持不变,由于通胀对实际利率的反馈效应,财政乘数也有可能提高(L. Christiano, M. Eichenbaum, and S. Rebelo,2009)。Emi Nakamura and Jón Steinsson(2013)则用州层面的数据验证了新情形下货币政策可以增加财政乘数。同时,也有一些经验研究显示衰退期间的财政乘数更高(A. Auerbach and Y. Gorodnichenko,2011; V. Ramey, 2019)。
生产力增长—与人力资本和实物资本增长不同——是提升单位工时产出背后的主要驱动力(C. Jones,2016)。因此,企业是生产力增长的主推手,那些创新成功的企业存活下来并发展,失败的企业则会萎缩甚至消亡。企业的兴衰可以看作这一过程必然的副产品,这个概念可以追溯到熊彼特的“创造性破坏”理论(P. Aghion, U. Akcigit, and P. Howitt,2013)。依此观察,一个主要发现是美国近十年来企业与组织的市场进入和退出率是下降的(U. Akcigit and S. Ates,2019)。相应的劳动力在企业和组织中的流动再分配也是缓慢的(R. Decker, J. Haltiwanger, R. Jarmin, and J. Miranda,2018)。年轻企业相较老企业具有更快的增长趋势,即使这与企业规模有关(J. Haltiwanger, R. Jarmin, and J. Miranda,2013)。从人均专利和更高的引用率看年轻企业也比老企业更具创新性(U. Akcigit and W. Kerr,2018)。市场新入和退出率的下降结合在位者之间资源再配置速度的下降,顺理成章的就是源自市场新入者的创造性破坏与创新的速度下降。
商业活力下降是生产力增长低下的一个原因(T. Alon, D. Berger, R. Dent, and B. Pugsley,2018),但它也许不是主要因素,至少不是直接的(D. Garcia-Macia, C. Hsieh, and P. Klenow,2016)。在位企业进行了大量了的研发和专利投入,而大多数增长似乎来自企业自身产品的质量改进(C. Hottman, S. Redding and D. Weinstein,2016)。
一种主流观点是低速是人口增长缓慢的副产品(R. Gordon,2018)。它表明随着科技水平的提升,创新点似乎越来越难发现(N. Bloom, C. Jones, J. Van Reenen, and M. Webb,2017)。按照这一观点,增速是通过不断增加的研发投入来维持,而人口增长则能够保障有足够的人才投入创新和足够大的市场去销售附加创新的产品。一个反对观点则认为低速本身就具有模糊性,因为增长变得越来越难测量(C. Syverson,2017)。不过尽管增速测算一直也存在争议,官方测算或许低估了增速,但并没有加剧的趋势(P. Aghion, A. Bergeaud, T. Boppart, P. Klenow, and H. Li,2017)。
除了企业层面的创新,美国的生产力水平也反映了资本和劳动力给定的企业间的配置效率(D. Restuccia and R. Rogerson,2017)。不同企业和组织间的收益投入比相差很大,或许反映了边际产品价值的差异以及相应的资源错配(C. Syverson,2011)。上述差异在制造业中非常显著,如图4所示,中国和印度均大于美国(C. Hsieh and P. Klenow,2009)。
上述差异也许部分地源自可通过技术避免的调整成本,因此不能代表资源错配(A. Collard-Wexler, J. Asker, and J. De Loecker,2014)。但是,这种差异持续地存在,并不能仅靠调整成本来反映(J.M. David and V. Venkateswaran,2017)。资源错配也许同时对各国间生产力水平和增速都具有影响(G. Gopinath, S. Kalemli-Ozcan, L. Karabarbounis, and C. Villegas-Sanchez,2017;Y. Gorodnichenko, D. Revoltella, J. Svejnar, and C.T. Weiss,2018)。金融摩擦可能是造成资源错配的一个因素( F. Buera, J. Kaboski, and Y. Shin,2011;A. Eisfeldt and Y. Shi,2018)。就像调整成本一样,在不存在当前这种异质性冲击的情况下,金融摩擦原本被认为只会对资源投入的配置具有短暂的影响(V. Midrigan and D.Y. Xu,2014)。
另一个造成资源错配的因素可能源自价格-成本加成的分布(M. Peters,2011)。企业间甚至企业内部间的价格-成本加成可能会存在持续性的差异。由于这种加成在产业内部也可能会不同,会比产业间的加成差异造成更大的资源配置扭曲,甚至平均加成也会扭曲中间品和劳动供给的配置(D. Baqaee and E. Farhi,2017)。价格成本加成也就意味着国民收入中支付给工人的部分的下降,美国及其他国家均如此(C. Edmond, V. Midrigan, D. Xu,2018)。
资源投入的静态错配会进一步挫伤提高生产力的动态激励,会蔓延到更多的组织和部门去(U. Akcigit, H. Alp, and M. Peters,2016)。企业其生存周期中,如果面临雇佣/裁员以及融资环节的摩擦时,其增速可能会放慢(C. Hsieh and P. Klenow,2014)。图5表明,依赖于存活条件,企业在美国的增速快于墨西哥和印度。
错配可能具有其他不同形式,比如,作物在农场间的分布,土地在农民间的分布,人才在不同职业间的分布。此外,对女性和非洲裔美国人歧视的降低也许促进了过去50年美国的经济增长(C. Hsieh, E. Hurst, C. Jones, and P. Klenow,2013)。
Andreas Fagereng,Luigi Guiso, Davide Malacrino以及 Luigi Pistaferri(2016)通过实证分析得出了与上述研究相近的结论。通过对挪威的税收水平进行分析,他们发现投资者的资产回报率具有显著的异质性。有趣的是,异质性不仅仅来自无风险资产与风险资产的不同资产组合:即便在相同的资产类别中,资产回报率仍然具有异质性。与此同时,资产回报率与财富的水平存在持续的正相关关系(如图7)。总而言之,所有的研究都表明资产回报率的异质性是财富不平等现象长期存在的重要因素。
大萧条之前,许多研究人员都使用有着完美的金融市场及同质性家庭部门的分析框架来分析货币及财政政策。这种框架有着许多不切实际的地方,其中包括,居民消费对利率的反应极为强烈,但是实际数据并不支持这种反应,这就导致研究货币政策的框架出现了问题。异质性代理人模型允许借贷发生在居民之间,这很好的模拟了现实中的一些摩擦。现实中相当一部分家庭面临借贷限制,因此整体消费对利率的反应并不像同质性代理人模型中那样敏感,异质性代理人模型很好的刻画了这一点。因此,异质性代理人模型能够更好地刻画货币政策的传导机制和货币政策对财富的分配效应(A. Auclert,2017;G. Kaplan, B. Moll, and G. Violante,2016; A. McKay, E. Nakamura, and J. Steinsson,2015;I. Werning,2015)。
另一方面,同质性代理人模型低估了财政政策的效果。李嘉图等价意味着减税不会影响家庭支出,家庭只会调整储蓄以支付未来的税收。在异质性代理人模型中,由于一些家庭接近或存在借贷约束,减税可以减缓他们的借贷约束,刺激消费。因此,异质性代理人模型为研究财政政策提供了更为现实的框架(M. Hagdorn, I. Manovskii, and K. Mitman,2019;G. Kaplan and G. Violante,2011;A. McKay and R. Reis,2013;H. Oh and R. Reis,2011)。