一、 引 言

消费者同时面临宏观层面的总量风险(Aggregate Risk)和个体层面的特质风险(Idiosyncratic Risk);相应地,消费者承受的经济波动可分解为总量波动和特质波动两个部分。理论分析大多针对总量波动展开讨论,而针对特质波动的讨论相对较少。这是因为如果金融市场得到充分发育,各类金融工具完备有效,则个体层面的特质风险可通过分散化策略和保险等金融技术得以消除,也就无需关注特质波动及其所涉及的福利问题。然而,在中国及大部分的发展中国家,信贷和保险市场并不完善,金融工具相对缺乏,居民的消费决策面临明显的信贷约束*直到2012年,中国的个人消费信贷市场仍处于初级发展阶段:产品种类少,贷款余额规模小,审批程序繁琐。2015年,中国政府放开了消费金融的市场准入,将消费金融公司的试点扩大至全国,显示出宏观政策开始更加重视消费信贷市场的建设。,这意味着现阶段中国的特质风险可能是重要的。

需要指出的是,中国居民的特质波动与美国居民的特质波动具有不同的内涵。研究美国特质波动的文献普遍认为其经济环境总体上呈现出自由竞争的特点,金融市场发育充分,金融工具丰富有效,从而个体可借助借贷、储蓄、保险等工具,使其承受的收入波动在传导到消费环节后得到相当程度的缓解,最终表现为消费数据相对于产出数据更加平滑。在这一机制的作用下,特质波动不会产生重要的福利影响[1-2]。相比之下,中国居民目前在消费活动中所拥有的金融工具相当有限,消费平滑收入波动的作用相对不明显,甚至表现为消费波动相对于产出波动更为剧烈[3],因此中国居民消费的特质波动可能造成更大的福利损失。

特质波动对中国的社会福利到底造成了多大的影响?为了回答这个问题,本文在卢卡斯福利分析框架的基础上进行拓展,构建了一个存在消费特质波动的福利成本模型,并结合中国的社会环境特点估计了特质波动所造成的福利损失。本文的模型一方面认同了研究美国特质波动的前期结论,即美国的特质波动并不造成明显的福利损失,另一方面又发现中国的特质波动比美国重要得多,在考虑了特质波动后,中国经济波动福利成本的估计结果有很大幅度的增加。本文进一步估计了福利明显受损和严重受损的人群规模,以及平抑掉一部分特质波动可以实现的福利效果。下文结构安排为:第二部分是文献回顾,第三部分是特质波动模型的说明,第四部分是数值结果,第五部分讨论福利效应在人群中的分布,第六部分是结论与讨论。

二、 文献回顾

卢卡斯在构建经济波动福利成本的基准模型时,对特质波动进行了初步的讨论[4],他承认由于基准模型未考虑特质波动问题,所计算的经济波动福利成本会相对偏小*卢卡斯猜测在考虑了特质波动后,总风险(总量风险和特质风险加总)可能达到原数值的三倍,这样总的福利成本甚至高达消费的6.8%这一水平。,但是卢卡斯认为这个问题不重要,因为在一个充分市场化的环境条件下,宏观稳定化政策对这一类个体层面的风险和波动是无能为力的,特质波动导致的福利损失并没有什么实质意义。

由于卢卡斯基准模型得到的经济波动福利成本相当小,引发了学界对于准确测算经济波动福利成本的广泛关注。后续研究主要从三个方向推进:第一个方向是引入波动与增长的相关性;第二个方向是调整模型的偏好设定和消费流随机过程的数学模式,使其更加贴合现实;第三个方向则强调特质波动或消费者的异质性,分析福利效应在不同类型人群中的分布和差异。本文是沿着第三个方向的一次尝试。这一领域的研究可追溯到Gorman[5]、Rubinstein[6]等人关于微观个体如何汇总为宏观经济的分析。Constantinides[7]证明了一个重要定理:如果市场是完全的,那么用代表性个体就可以准确刻画宏观经济,无需关注个体之间的差异。该定理意味着在完全市场的条件下没有必要讨论特质风险,但是大量经验研究表明,市场完全以及特质风险可以得到完美保险的理论假设并没有得到支持,加之现实世界中个体差异问题不断凸显,收入、财富的不平等现象持续恶化,引发了自二十世纪九十年代起对于不完全市场的讨论热潮。在经济波动福利成本的研究领域,较早是由Imrohoroglu引入了收入的特质波动,她放松了基准模型中特质波动可以被完全保险掉的假设,考虑“只允许储蓄”和“只允许借贷”这两种类型的不完全保险[1]。为了区分总量波动和特质波动,Imrohoroglu用两状态(萧条/繁荣)的国家风险刻画总量风险,用两状态(就业/失业)的就业风险刻画特质风险,总量风险和特质风险共同决定了收入波动。按照Imrohoroglu的估计,特质波动对福利成本的影响很小。此后,Atkeson和Phelan讨论了总量风险和特质风险之间的联系,他们认为抹平总量风险不会影响特质风险[8]。Beaudry和Pages利用失业者再就业时的收入下降效应计算特质波动的福利成本[9],Krusell和Smith在测算时考虑消费者之间存在不同的就业状态和偏好特征,他们得到的福利成本也都非常小,甚至对有的消费者是负数[2]。

随着对特质波动的经验分析和理论探索不断深入,更多的特质波动福利效应被学界发掘出来。Turnovsky和Bianconi发现,特质波动的幅度数倍于汇总波动,只考虑汇总波动时,稳定经济波动的福利提升甚至是负数,但是如果稳定汇总波动能够设法减少特质风险,则稳定化政策的福利提升会十分可观[10]。Schulhofer也有类似的判断。按照他的测算,即使个体的风险规避程度彼此不同,由于存在保险机制,严重恐惧风险的个体可买入保险,不那么恐惧风险的个体可卖出保险,从而汇总波动本身不会造成重要的福利效应[11]。Schulhofer由此判断,经济波动的福利意义可能主要来自于未保险的特质波动。

De Santis引入汇总风险与特质风险的相关性,结果得到了较大的福利成本,这是特质波动福利成本研究的一次重要突破[12],但De Santis的研究结论依赖模型中的两个关键设定:①消费波动是单位根过程;②效用函数不是对数形式。其中,第一个关键设定与现实不符。单位根过程意味着消费波动无法被保险掉,而Blundell等人的经验研究表明,许多个体能够对其面临的永久收入冲击进行保险[13],Heathcote等人的经验研究也表明,在全部的消费波动中,只有一部分可以用单位根过程来刻画[14]。第二个关键设定则削弱了De Santis研究结论的适用性,如果效用函数是对数形式,或者具有比对数形式更小的风险规避程度,特质波动的福利成本就不那么重要了[15]。为了解决这些问题,可以在福利成本研究中引入“个体担心模型设定不正确”这一因素*Barillas等强调人们在评估经济波动时具有稳健性偏好[16],即存在一种“担心模型设定不正确”的心理,考虑这一因素后,经济波动的福利成本明显超过消费的0.5%。其基本原理是:由于担心模型可能存在错误,人们在评估福利效应时会过分重视最糟糕的负面冲击,相应地,人们愿意付出较大代价生活在一个抹除经济波动的社会里,以规避“模型设定不正确”的风险。,在特质波动和“个体担心模型设定不正确”两个因素的共同作用下,可以得到更大的福利成本。此外,Heathcote等讨论了特质风险的微观成因,分析了特质风险与汇总风险之间的互相作用[14]。Krusell等用失业状态刻画不同群体的特质波动,结果表明抹平经济波动对穷人的福利有很大的帮助,对中产阶级和富人则不那么重要[17]。

综观前期对经济波动福利成本的研究,自Turnovsky和De Santis以来,近十年来的讨论越来越重视特质波动的福利意义,重要成果日益增多,相关研究也越来越深入,但对于特质波动如何影响福利效应的微观机制还存在很多的争议,不同研究引入特质波动的角度有很大差异,甚至有的学者把特质波动和异质消费者两个概念融合在一起进行分析*实际上,“异质个体”这一概念既可以指代个体之间的偏好特征存在不同,也可以指代个体所面临的经济风险等环境条件存在不同,而“特质波动”这一概念则与“汇总波动”或“总量波动”相对应,强调的是个体除了承受总量风险外,还面临着非系统性的特质风险。两个概念有一定联系,但也有明显不同。。在技术方法上,自Imrohoroglu后大多采用了动态一般均衡框架,优点是模型具有较好的微观基础,但也存在很大的局限性:①受限于目前的求解技术,动态一般均衡框架下的状态变量只能进行相当简化的设定,如刻画总量风险只用萧条和繁荣两个状态,刻画个体风险只用就业和失业两个状态,这样处理显然遗漏和忽略了经济数据中蕴含的大量信息,也损害了测算结果的可靠性;②收入的特质波动究竟如何影响社会福利还不是很清楚,不同研究所引入的微观机制差别很大,动态模型的测算结果很难抓住福利成本的全貌,而只能解释为对某一具体机制的特定分析。③目前中国的金融市场相比发达国家还不够完善,存在消费波动大于收入波动的特征事实,表明收入波动向消费波动的传导过程并不能简单套用生命周期理论的标准范式,这一特征事实在目前的动态一般均衡框架下无法得到很好的体现。

基于以上思考,本文沿用卢卡斯框架并加以拓展,尝试不依赖具体的微观机制而直接推导出特质波动的福利成本。基本思路是:既然消费是影响福利的最终因素,不妨暂时忽略收入、就业等其他环节的特质风险问题,直接考察消费特质波动的基本特征,分析消费特质波动和社会福利的关系。在本文的模型中,个体具有相同的偏好和信念(不存在异质个体),不同个体所承受的消费波动彼此不同(存在特质波动),通过用现实的经济数据去刻画消费的特质波动,并将个体信息进行汇总来分析特质波动对宏观经济的福利意义。这是本文分析特质波动的基本思路,也是与前期研究在模型设定上的主要不同之处。

证明完毕。

三、 特质波动的福利成本模型

经济社会中有N位个体,其中第i位个体的消费流为:

其中

(1)

根据卢卡斯关于代表性个体福利成本的分析,可知在CRRA效用函数形式下,第i位个体所承受的经济波动福利成本其中γ为相对风险规避系数。λi满足以下补偿方程*补偿方程的经济学意义是:假设某个经济社会已经抹平了经济波动,可计算其代表性个体的福利水平,再假设某个经济社会没有抹平经济波动,但将每一期的消费水平提升为先前的(1+λ)倍,也计算其代表性个体的福利水平,让前后两个社会的福利水平相等,这一等式即为补偿方程,利用补偿方程求解得到的λ即测度了经济波动所造成的福利损失。:

(2)

其中为消除了波动后的稳定消费流。

卢卡斯模型给出了分析代表性个体的经济波动福利成本的研究框架,现在将这一模型拓展到存在特质个体的情况:考虑经济环境中存在消费的特质波动,此时每一位个体承受的波动幅度彼此不同,假设波动标准差σi在人群中呈正态分布:

假设1:

σi～i.i.d.N(φ,ω2)

(3)

W(λ)为存在经济波动且各期消费增加为先前(1+λ)倍后的社会福利水平。此时存在特质波动,计算思路是先推导个体福利然后汇总。

中国数据采用张耿和胡海鸥[3]的估计值0.0455*卢卡斯的估计基于美国50多年的年度消费数据,张耿和胡海鸥的估计基于中国1978年后的转型期数据,略小于陈彦斌和周业安的估计值0.055[21],后者在估计时截取了中国1985年后的样本数据。。

诱发案件的外部风险在加剧。由于市场环境变化，金融竞争在加剧，违约概率事件在增大，外部风险导致银行内部风险隐患累积。比如打“擦边球”等操作违规现象时有发生，对纪检监察部门在“三重一大”等领域内的监督，特别是不良资产管理等方面如何发挥监督作用，通过严肃执纪问责来降低经营风险提出了更高的要求。

W*=W(λ)

(4)

下面逐步求解以上补偿方程推导出福利成本指标λ。

1. 计算W*

W*为抹平经济波动后的社会福利水平。观察公式(1),抹平经济波动后个体i的t期消费沿用卢卡斯CRRA效用函数则个体i的福利水平:

经济社会由无数个体组成,由于此时已抹平所有波动,汇总后社会福利的均值等于个体福利,即:

(5)

2. 计算W(λ)

在卢卡斯基准模型中,代表性个体的消费增长率是一个随机过程,在某一给定时期,消费增长率存在不确定性*从公式(1)可知,卢卡斯用消费的对数正态分布刻画这种不确定性。。本文的模型放松了代表性个体的设定,认为消费增长率的波动在个体之间存在着差异,汇总后的消费波动是个体消费波动的数学期望,即E(σi)=φ。显然,总量波动由φ的大小决定,特质波动由ω的大小决定。这里关于特质波动的建模思路与前期研究不同:前期研究如Imrohoroglu分别定义个体失业风险与国家风险宏观风险,然后计算在存在借贷约束和不存在借贷约束(完美保险市场)两种情况下,抹平宏观风险的福利效果[18]。Imrohoroglu的建模思路意味着抹平个体风险的福利效果是无意义的,模型其实只得到了“不完美保险”市场下抹平总量风险的福利效果。本文则直接设定个体之间存在不同程度的特质波动,这类特质波动既有可能来自保险市场的不完美(一部分人拥有更好的保险工具),也有可能来自金融市场建设的滞后(如金融工具不够丰富、市场之间存在割裂),后者更贴近我国的社会环境特点。

此时个体i的福利水平:

上面最后一步利用了对数正态分布的性质。接下来将个体福利汇总并计算其数学期望,以得到总的社会福利:

(6)

为了得到式(6)的解析解,需要计算形如的数学期望,其中k为大于0的常数,σi服从N(φ,ω2)。利用以下定理:

定理1:当1-2kω2≠0时,其中k为常数,σ～N(φ,ω2)

W(θ,τ)=W(λ)

全画幅数码单反产品那时都是专业定位的最高端产品。虽然在当时的性能较为强大，但是动辄四万元以上的售价绝非一般的普通用户有能力可以购买。此时，也就是在佳能EOS-1Ds Mark II发布后的2005年，依旧是佳能，发布了极具市场意义的EOS 5D。

风俗画作品不论是在中国还是西方，都在展现其审美价值的同时提供着超出审美意义本身的丰富的艺术价值。而对于中、西方风俗画作品来讲，在某种意义上，他们也都具有提供特定社会阶层生活细节的价值。

利用定理1可知*在正常的取值范围内(如γ的取值从0到30),容易验证定理1的适用条件可得到满足,因此这里可直接运用该定理。:

(7)

3. 利用补偿方程求解

将前两步得到的W(λ)和W*代入补偿方程(4)并求解,得到福利成本λ的解析表达:

(8)

其中k为参数,其定义为:

k≡1+γ(1-γ)ω2

(9)

式(8)即为福利成本λ的测算公式。如果模型中不存在特质波动,直观上意味着个体之间的消费波动彼此相同,数学上则意味着ω=0,此时按照定义式(9),k=1,模型退化为卢卡斯基准模型的形式,把k带入公式(8)知,这时与卢卡斯测算式相同。

四、 特质波动的福利成本

根据上一部分的模型推导,从测算公式(8)可以看出,特质波动的福利成本取决于三个因素:①相对风险规避系数γ;②总量波动的标准差φ;③特质波动的标准差ω。前两个因素已经在传统模型和前期文献中得到了相当充分的讨论,第三个因素是本文分析的重点,即特质波动如何影响了福利成本。

(一)参数取值说明

风险规避系数γ:按照福利成本研究的普遍做法,γ一般在2～10之间取值,本文沿用这个取值范围。

课后深化是混合式教学模式的重要一环，旨在通过布置课后任务和推荐学习资源等方式，促进学生对所学知识的检测和理解记忆，为下一步学习做好铺垫。

为引导学生进行更加积极有效的讨论，课程论坛分为精彩内容分享、章节讨论、在线客服三大公共版块和各班自由讨论区这一班内版块。其中，“精彩内容分享”这一版块主要汇聚了学习者的精彩讨论内容，供学习者在学习中参考，从而达到知识共享、转化和生成的目的；“章节讨论”版块要求师生讨论具体的章节内容或者某一知识点，缩小讨论范围，让细节更加立体，讨论更有针对性，也更为有效；“在线客服”则主要是平台技术人员对学习者在学习中遇到的系统问题和对课程平台的建议进行及时解答回复。

总量波动的标准差φ:美国数据采用卢卡斯的估计值0.032[19],这个数值与Mehra和Prescoott[20]及Constantinides[7]的估计结果大致相同。

为了计算全社会由于经济波动所承受的福利损失λ,沿用卢卡斯的补偿性思想,首先计算抹平经济波动后的社会福利水平W*,其次计算存在经济波动但各期消费增加为先前(1+λ)倍后的社会福利水平W(λ),二者相等构成补偿方程:

特质波动的标准差ω:按照De Santis的校准,特质波动的标准差为0.00389[12],取这一数值作为美国的估计值。国内前期研究还没有文献专门讨论特质波动的标准差,本文利用陈太明所测算的中国省一级的消费波动率数据[22],用正态分布可以较好地模拟其波动标准差跨省的分布,并估计出该分布的标准差为0.0305,取这一数值作为特质波动标准差的校准值*如果考虑各省内部的城乡收入差距,则利用陈太明的表5数据可以计算出农村、城镇居民的特质波动标准差分别为0.042和0.041,比本文的取值更大一些,下文的定性结论仍然是成立的。。这一数值明显大于美国的取值,表明中国的特质波动比美国更加剧烈,这是比较容易理解的:中国的金融市场发育相对还不够完善,抹平特质波动的金融工具相对不够丰富,市场之间存在分隔,这些都造成经济个体通过分散化策略、保险工具等消除特质波动的条件较为有限,因此中国的特质波动更加剧烈。

综上分析,参数取值结果汇总于下表:

表1 参数取值

参数符号中国美国相对风险规避系数γ2～102～10总量波动的标准差φ004550032特质波动的标准差ω00305000389

(二)抹平全部波动的福利效应λ

将参数取值代入公式(8),得到抹平全部波动的福利效应,并将其与没有特质波动的情形进行对比,如图1所示,其中实线表示存在特质波动时的福利效应,虚线表示不考虑特质波动时的福利效应。

图1给出了抹平全部波动的福利效应,

考虑了

图1 中美两国抹平消费波动的福利效应

特质波动后,美国经济波动造成的福利成本有所上升,但增加幅度相当小,仅比之前增加1%左右(右图中刻画福利效应的两条线靠得相当近,几乎重合在一起),这一发现与前期国外文献如Imrohoroglu[1]、Krusel and Smith[2]的结论是一致的,即:对于美国而言,特质波动不具有重要的福利意义。

美国国家科技委员会纳米科学分委会第一任主席Mihail Roco和国家科学基金会的William Bainbridge共同发表了一系列研究会聚技术的论文。他们认为会聚不仅仅体现在知识和技术层面，更重要的是会带来社会融合，21世纪社会进步的关键便在于知识和技术的会聚。为实现社会福祉的知识和技术会聚包涵众多维度和时间尺度，其自身的特点也在不断演化，大致分为3个阶段（见表1）。

中国的情形则很不一样,在考虑了特质波动以后,经济波动造成的福利损失有明显增加,增加幅度在40%以上(左图中两条线的距离相当远)。这表明从社会福利的角度,中国的特质波动比美国重要得多,这也意味着针对美国特质波动得出的研究结论不能简单地适用于中国。

(三)抹平总量波动和抹平特质波动的福利效应λ(θ,τ)

很自然的一个问题是:我们能够消除多少特质波动呢?前文已经指出,中国的特质波动中,很大一部分来自于金融市场的不完善,这一部分的特质波动是可以通过市场化建设逐步消除掉的,剩下的那部分才是卢卡斯所认为不具备政策意义的特质波动。因此从政策意义上看,真正值得重视的是来自市场不完善的那部分特质波动,这部分特质波动占全部特质波动的多少呢?消除这部分特质波动的福利效应又有多大呢?我们用两种方法对这一问题进行初步估计:一种方法是以美国特质波动的绝对值作为参考标准,第二种方法是以美国的特质波动与总量波动的相对比率作为参考标准。按照第一种思路,由于美国的特质波动标准差为0.00389,中国的特质波动标准差为0.0305,故中国通过市场化建设有望消除约87.25%的特质波动,将τ=1-0.8725=0.1275,θ=1代入公式(12),得到消除这部分特质波动的福利效应为0.24%,换算回去相当于消除四分之一的总量波动;按照第二种思路,美国的特质波动标准差与总量波动标准差之比为12.15%,以此为标准,按照中国的总量波动标准差为0.0455,则中国未来达到美国的标准后,特质波动标准差可以下降到0.0055,这意味着中国目前存在的特质波动中,大约有81.87%可以逐步得到消除,将τ=0.1813,θ=1代入公式(12),得到消除这部分特质波动的福利效应为0.237%。综合上面的分析,两种方法得到的结果相当一致:中国目前的特质波动中,有超过80%的部分可以通过完善金融市场得以消除,其福利效应大约等价于消除四分之一的总量波动。

证明:

(10)

补偿方程(10)的经济学意义是:W(θ,τ)为实施稳定化政策后的社会福利水平,W(λ)为消费增加为先前(1+λ)倍后的社会福利水平,二者相等,则λ可以等价地测度该项政策的福利效果,其中W(λ)由公式(7)给出。

W(θ,τ)的推导过程与前文类似,可知:

W(θ,τ)=

(11)

代入补偿方程(10)后,解出λ,这是一个关于参数θ、τ的函数:

注重终端信息地图和终端客户档案的建立。经销商要求业务员将所在区域终端信息汇总制成终端信息地图，以便直观地对终端形势进行判断。所有终端信息按照扫街式进行搜集，并在终端信息地图上予以标注，做到一店不漏。

(12)

公式(12)给出了不同的政策力度下平抑总量波动和平抑特质波动的福利效应。其中平抑总量波动的政策力度由(1-θ)表示,平抑特质波动的政策力度由(1-τ)表示。例如当θ=0.3时,1-θ=0.7,平抑总量波动的政策力度为70%,直观上表明该政策消除了70%的总量波动。当θ、τ都取为0时,表明政策消除了所有的波动(包括总量波动和特质波动),此时模型退化为第三部分的公式(8)。换言之,公式(8)为公式(12)的一个特例。

根据公式(12),分别测算平抑总量波动和特质波动对社会福利的提升效果。

根据表2的计算结果,平抑特质波动和总量波动的福利效应均随着政策力度的提升而增加。政策力度相同的情形下,平抑特质波动的福利效应略小于平抑总量波动的福利效应,二者差距不是非常大,基本上是同一数量级。例如当70%的特质波动被抹平后,社会福利水平的增加相当于每期消费增加了0.22%,而70%的总量波动被抹平后,社会福利水平的增加相当于每期消费增加了0.48%。读者可能注意到这两个数字并不算大,例如参照国家统计局公布的2014年居民消费数据,抹平70%的特质波动和总量波动仅相当于当年的人均消费分别增加39元和85元,二者加总后还不到年人均消费的1%。

(1)挑选与组织价值观匹配的员工。在员工招聘的过程中，员工选拔的依据通常是建立在以岗位为基础的任职资格之上的，通过学历、专业、技术、能力、经验等方面的测评来做出用人决策。这在某种程度上能够选拔出符合岗位要求的员工，但未必会是一个优秀的员工，因为真正对员工的绩效产生驱动作用的是特质、动机、自我概念、社会角色、态度、价值观等这些内在的相对稳定的素质。技术和能力可以通过培训教育得到一定程度的改善，但是价值观和动机等素质很难通过教育发生明显的改变，所以在招聘环节应该关注应征者的相关素质，挑选更适合企业的员工。

表2 平抑特质波动和总量波动的福利效应(γ=5)

平抑特质波动(θ=1)平抑总量波动(τ=1)政策力度(1-τ)福利效应(%)政策力度(1-θ)福利效应(%)10%00510%01030%01230%02750%01850%04070%02270%04890%02390%052100%024100%053

需要指出的是,尽管表2中福利效应的绝对数值看起来不大,但这些数值应被视为比实际效应偏小的参考值,至少有两个原因会导致表2的估计结果偏小:①计算表2的数值结果时,风险规避系数γ被取为5,早期的经验研究也认为γ的取值应在1到10之间,而自从Mehra和Prescott提出股票溢价之谜后,γ的取值应该远大于10,需要达到20甚至30才能解释股票溢价之谜。如果γ不是取为5而是取更大的数值,我们得到的福利效应就会迅速增加。观察图1可知,γ取10时福利效应就已超过了1%,比表2中的数值增加了一个数量级;②如果不调整γ的取值,还可以通过改变偏好设定来包容股票溢价之谜。常见的做法是放弃CRRA效用,引入Epstein-Zin-Weil偏好、习惯形成偏好、损失规避偏好等,这样也往往导致福利成本比之前增加十倍甚至上百倍[3,21,23-24]。表2的主要意图是将特质波动的福利效应与总量波动的福利效应进行相对比较,考虑可比性仍然沿用了CRRA偏好,从表2的测算结果看,特质波动的福利效应与总量波动同样重要,因此是不能被忽视的。

总量波动和特质波动来自不同的风险类型,若某一稳定化政策可使总量波动从φ降低为θφ,使特质波动从ω降低为τω,其中θ、τ∈[0,1],可通过求解补偿方程(10)计算出该项政策的福利效应λ:

五、 福利效应在人群中的分布

引入特质波动后,不同个体所承担的经济波动福利成本也就各不相同。很自然地,宏观政策应该更关注那些在经济波动中福利严重受损的群体。这一部分讨论以下问题:考虑个体波动的差异性,福利明显受损的群体规模有多大?为了回答这一问题,首先给出判断“福利明显受损”的定量标准,这里沿用卢卡斯基准分析的观点,将福利损失指标λ达到消费的1%作为福利“福利明显受损”的判断标准,这大致相当于10%的通货膨胀率所造成的社会福利损失*卢卡斯估计通货膨胀率从10%下降到0造成的福利效果差不多等同于消费的1%,国内关于通货膨胀福利成本的研究也大多在这个数量级[25-26],因此当λ达到1%数量级,可以大体上判断社会福利已明显受损。,同时本文还将λ达到消费的10%作为福利“严重受损”的判断标准。

利用卢卡斯基准分析的推导结果,在CRRA效用函数形式下,个体i所承受的经济波动福利成本其中σi为波动标准差。引入特质波动后,按照设定(1),σi在人群中呈正态分布,藉此可给出λi在人群中的分布信息,并计算出福利“明显受损”(λi≥1%)和“严重受损”(λi≥10%)的人群规模。为了便于对比,图2同时给出中国和美国的计算结果。

在“2018年能源大转型高层论坛”上，中国地质调查局、国家能源局新能源和可再生能源司、中国科学院科技战略咨询研究院和国务院发展研究中心资源与环境政策研究所共同发布了《中国地热能发展报告》。报告显示，近年来，我国地热能勘探、开发及利用技术持续创新，地热能装备水平不断提高，地热能产业体系初步形成。

图2 福利受损的人群规模(γ=5)

图2给出了福利成本在人群中的分布情况,其中风险规避系数γ取为5。我们发现,美国的经济波动不但在总量上没有造成太大的福利效应,而且福利效应在人群中的分布也没有造成严重后果:只有约2%的人群其福利成本指标λ达到消费的0.4%,而λ达到消费0.6%的人群规模不到总人口的0.01%,此时的λ还远未达到可称为“明显受损”的1%水平。

清华大学图书馆2011年推出了“爱上图书馆”系列微电影，由一个个活泼有趣的小故事展开与图书馆相关的故事，这开创了图书馆与微电影紧密接触的先河，并在2012年3月获得国际图书馆协会联合会(IFLA)颁发的“图书馆国际营销奖”，这也是中国图书馆首次获此殊荣。

与美国相比,中国的特质波动对于弱势群体的福利损害要严重得多,福利明显受损的人群规模要大得多:超过四分之一的人口(约28%)由于承受经济波动而福利明显受损,这部分人群的福利成本指标λ达到了消费的1%水平。以2014年末的中国总人口计算,这意味着约有3.8亿人因经济波动而自身福利明显受损。考虑到卢卡斯框架下由于偏好设定、参数取值等原因往往会低估经济波动的福利成本,这里得到的结论应该还是比较保守的。

（4）按照国家标准《鲜柑橘》，在石门县采集的252件柑橘样品大部分属于优等果，优等果比率达91%。重金属超标率较低，仅少量样品汞、砷超标。

将近25%的地球陆地地表被山脉所覆盖。山脉是多数河流的发源地，蕴藏着丰富的矿物资源。很少有人类住在高高的山上，但很多人会在山脉上进行体育活动，如登山和滑雪。

鉴于风险规避系数γ对定量结果的影响比较大,我们也给出中国结论对于参数γ的敏感性分析结果。图3刻画了不同γ下我国福利受损的人群规模。从图中可以看到,考虑了特质波动后,福利明显受损的人群规模始终是相当大的,绝大部分情况下,社会中都有超过10%的人群由于经济波动而福利明显受损,如果γ的取值大于10,则福利明显受损的群体规模将超过总人口的一半。福利严重受损的人群规模相对要小得多:在γ小于10的情况下,福利严重受损的人群规模不到总人口的0.1%,如果γ的取值大于15,则福利严重受损的人群规模可达到总人口的1%数量级。总的来看,考虑了参数敏感性问题后,这一部分的主要结论仍然成立:由于存在个体之间的波动不平衡,有相当规模的人群承受了明显的福利损失。

图3 不同γ下福利受损的人群规模

六、 结论和讨论

自卢卡斯开创了经济波动福利成本这一学术话题以来,学界的相关研究大多只关注总量波动,只有少数研究考虑了特质波动,但一般并不关注消费特质波动所直接造成的福利成本,其理论逻辑是:在一个具有较完善金融市场的经济环境下,特质波动来自于可被分散化掉的非系统性风险,因此不具有宏观上的政策价值意义。而从中国现阶段建设市场经济的角度看,分析特质波动并估计其福利成本具有与之不同的政策价值意义。如果说总量波动的福利成本给出了稳定化政策的潜在福利收益,那么特质波动的福利成本则给出了由于市场分隔、金融和信贷市场的不完善等经济制度上的种种缺陷所造成的福利损失,换言之,也就是给出了改革和完善金融市场的潜在福利收益。

学界已经注意到,金融发展水平越高的地方,金融自由化对于居民消费波动的平抑能力越强[27]。笔者倾向于认为,这种平抑消费波动的作用有一部分是通过平抑消费的特质波动而实现的。更重要的是,平抑消费的特质波动对社会福利的提升有多大帮助呢?本文构建了一个特质波动福利成本模型,并利用中国的参数对模型进行了测算,以回答上述问题,主要结论是:①中国的特质波动比美国重要得多,对于美国来说,特质波动不具有重要的福利意义,而对于中国来说,特质波动对社会福利有着明显的影响,在考虑了特质波动以后,福利成本指标增加了40%以上;②以美国为标杆进行估算,则中国目前的特质波动中,有超过80%的部分可以通过完善金融市场得以消除,其福利效应相当于消除四分之一的总量波动;③与总量波动所造成的福利损失相比,个体之间的波动不平衡所造成的福利损失也相当可观,经济波动中的弱势群体福利受损明显,这部分群体在中国的数量超过总人口的10%。这些发现的政策启示在于:①鉴于特质波动对我国社会福利是一个不应被忽视的因素,我国仍需继续坚持金融领域的市场化改革,不断打破市场分割、丰富金融工具,逐步消除过高的特质波动;②鉴于弱势行业和弱势群体在经济波动中承受了最大的福利损失,我国近年来陆续实施的定向政策工具有必要得到进一步的发展、创新和运用,以“定向精准”的思路缓解跨地区跨部门跨行业的波动不平衡问题。

观察组住院期间未见并发症,参考组3例贫血、4例感染,并发症发生率17.5%,两组比较差异显著(X2=7.671,P=0.006)。

在关于特质波动福利成本的前期文献中,只要特质波动不带有永久冲击的性质,那么一般都不会引发较大的福利效应。本文得到的结论与之有所不同,这主要不是由于技术方法上的区别(如果采用美国数据进行分析,那么本文的特质波动模型也能得到与前期文献相一致的结论,即美国的特质波动不具有重要的福利意义),而应该被视为中国经济社会的一种阶段性特征。至于如何理解居民消费存在特质波动的微观机制,这是本文的模型所没有解决的问题,也是卢卡斯框架所固有的缺陷,后续研究如果能对这一问题继续挖掘,将有助于我们更深入地理解特质波动的性质,进一步厘清其对于社会福利的重要意义。

参考文献:

[1] Imrohoroglu A. Cost of business cycles with indivisibilities and liquidity constraints [J]. Journal of Political Economy, 1989, 97(6): 1364-1383.

[2] Krusell P, Smith A A. On the welfare effects of eliminating business cycles [J]. Review of Economic Dynamics, 1999, 2(1): 245-272.

[3] 张耿, 胡海鸥. 损失规避与经济波动的福利成本研究 [J]. 经济学(季刊), 2007(4): 1239-1254.

[4] Lucas R E. Models of business cycles [M]. Oxford, Basil Blackwell, 1987.

[5] Gorman W M. On a class of preference fields [J]. Metroeconomica, 1961, 13: 53-56.

[6] Rubinstein M. An aggregation theorem for securities markets [J]. Journal of Financial Economics, 1974, 1: 225-244.

[7] Constantinides G M, Duffie D. Asset pricing with heterogeneous consumers [J]. Journal of Political Economy, 1982, 104(2): 219-240.

[8] Atkeson A, Phelan C. Reconsidering the costs of business cycles with incomplete markets [M]∥ Fischer S, Rotemberg J. NBER Macroeconomics Annual 1994. Cambridge, MA: MIT Press.

[9] Beaudry P, Pages C. The cost of business cycles and the stabilization value of unemployment insurance [J]. European Economic Review, 1996, 45(8): 1545-1572.

[10] Turnovsky S J, Bianconi M. Welfare gains from stabilization in a stochastically growing economy with idiosyncratic shocks and flexible labor supply [J]. Macroeconomic Dynamics, 2005, 9(3): 321-357.

[11] Schulhofer-Wohl S. Heterogeneous risk preferences and the welfare cost of business cycles [J]. Review of Economic Dynamics, 2008, 11: 761-780.

[12] De Santis M. Individual consumption risk and the welfare cost of business cycles [J]. American Economic Review, 2007, 97(4): 1488-1506.

[13] Blundell R, Pistaferri L, Preston I. Consumption inequality and partial insurance [J]. American Economic Review, 2008, 98(5): 1887-1921.

[14] Heathcote J, Storesletten K, Violante G L. Quantitative macroeconomics with heterogeneous households [J]. Annual Review of Economics, 2009, 1: 319-354.

[15] Ellison M, Sargent T J. Welfare cost of business cycles with idiosyncratic consumption risk and a preference for robustness [J]. American Economic Journal Macroeconomics, 2015, 7(2): 40-57.

[16] Barillas F, Hansen L P, Sargent T J. Doubts or variability? [J]. Journal of Economic Theory, 2009, 144: 2388-2418.

[17] Krusell P, Mukoyama T, Sahin A, Smith A A. Revisiting the welfare effects of eliminating business cycles [J]. Review of Economic Dynamics, 2009, 12: 393-404.

[18] Imrohoroglu A. Cost of business cycles with indivisibilities and liquidity constraints [J]. Journal of Political Economy, 1989, 97(6):1364-1383.

[19] Lucas R E. Macroeconomic priorities [J]. American Economic Review, 2003, 93(1): 1-14.

[20] Mehra R, Prescott E C. The equity premium: A puzzle [J]. Journal of Monetary Economics, 1985, 15: 145-161.

[21] 陈彦斌, 周业安. 中国商业周期的福利成本 [J]. 世界经济, 2006(2): 11-19.

[22] 陈太明. 中国经济周期的福利成本差异性研究 [J]. 管理世界, 2008(5): 12-29.

[23] 饶晓辉, 廖进球. 递归偏好、经济波动与增长的福利成本: 基于中国的实证分析 [J]. 经济科学, 2008(4): 17-27.

[24] 张文彬, 周宇楠. 中国省份经济周期的福利成本估算和分析 [J]. 山西财经大学学报, 2010(8): 1-8.

[25] 陈昆亭, 郑文风. 中国通货膨胀的福利成本 [J]. 世界经济文汇, 2007(3): 86-100.

[26] 李俊青, 韩其恒. 不完全资本市场、预防性储蓄与通货膨胀的福利成本分析 [J]. 经济学(季刊), 2009(2): 191-212.

[27] 汪炜, 李甫伟. 银行金融中介、金融业规模与宏观经济波动 [J]. 当代经济科学, 2014(5): 29-39.