原标题：低增长+低波动 中国经济波动被“熨平”了吗？
最近几年，中国宏观经济波动率明显下降，但没有引起理论界和政策层的足够重视。本文针对这一问题，运用微观层面的时滞效应、群体博弈理论和宏观层面的蛛网模型理论，结合中国的经济金融现实，从总供需曲线、经济结构调整和宏观调控政策等方面进行了解释。我们认为最近10年尤其是2012年以来，人口老龄化和投资收益率下降抑制了总供给弹性，新旧动能转换和经济结构优化提高了经济韧性，宏观调控体系的完善和改进提高了政策逆调节能力，这些都是中国经济波动降低的主要原因。然而，需要引起注意的是，在实体经济波动放缓的同时，金融市场波动却呈现加剧趋势，这对宏观审慎监管体系和防风险攻坚战发出了警示信号。
一、引言
经济增长理论与经济波动理论是宏观经济学的两大支柱，前者沿着哈罗德-多马的古典增长理论、索罗的新古典增长理论，一直演进到罗默的内生新增长理论。同时，旨在研究发展中经济体的发展经济学主要结合了新制度经济学、演化经济学和结构主义经济学的范式，为经济增长理论研究的思想谱系增添了丰富的内容。而后者实际上就是经济周期理论，从凯恩斯的有效需求理论开始，沿着新古典综合派的“IS-LM模型”前行，一直到新凯恩斯主义的“金融加速器”理论。而在新古典范式内，则一直坚持理性预期下的“真实商业周期（RBC）”。这两大理论主线在某种程度上形成了竞争性的宏观经济学思想，丰富了人们对经济现实世界的理解。
然而当前宏观经济学理论界存在的问题是，对发展中经济体进行增长分析的较多，整个发展经济学体系实际上主要关注的是发展经济体的增长问题。对于发展中国家的波动问题则关注较少，几乎没有专门的周期和波动理论体系分析发展中经济体。或许是因为对于发展中经济体来说，增长和发展比波动问题更重要。现实情况可能的确如此，对一个陷入低增长或者开启经济“腾飞”前的发展中经济体来说，或许根本不存在周期和波动的基础，就像在经济总量的“浅水”中难以掀起汹涌的周期“波浪”，除非发生战争、自然灾害等极端外生冲击。
中国经济自改革开放以来开始进入“新发展经济学”所描述的道路（蔡昉，2015；王小鲁,樊纲,刘鹏，2009等），关于中国经济增长奇迹现象的研究可谓汗牛充栋，关于中国经济周期和波动问题的研究也非常多（陈思霖,李庭辉,徐文，2017；张学功,李楠楠，2017等）。大部分研究视角放在改革开放前三十年高增长和高波动并存的现象之内，然而对于近十年，尤其是中国经济进入“新常态”“L型增长”等发展阶段以来，开始呈现出“低增长+低波动”的新现象。虽然这一现象已经持续了近十年，但是对这一问题的研究尚少，或者不够全面。
本文是一项问题导向型研究，问题分析的对象就是中国经济最近十年呈现的“低增长+低波动”独特现象，并且将关注的重心放在了突然降低的波动率上。我们的问题是“中国经济波动被熨平了吗”，波动率降低究竟是经济进入新时代产业升级和动能转换下的内生现象，还是宏观调控体系逆调节手段下的的外生对冲，抑或两者都有。对于宏观波动率下降，一方面我们认为降低了经济的宏观风险，对经济的可持续、高质量发展具有积极意义；另一方面也可能在某种程度内限制了市场风险的出清，从而不是“消除了波动而是转移和累积了波动”。面对近几年经济低波动与高债务同时出现，尤其是实体经济波动放缓但金融市场波动加大的非对称局面，这样的担忧或许不无道理。
本文的研究从描述现象开始，采用金融学的“波动率”概念和指标，从直观上印证中国经济自2012年以来增长波动率突然下降的现象，同时发现不仅仅是GDP增长率，固定资产投资、工业增加值、社会消费品零售总额、广义货币等经济金融数据，也步入低波动率区间。面对这一问题，我们从微观层面和宏观层面，分别提出了解释经济短期波动的两种作用机理，然后针对中国经济和金融体系的现实表现进行更加全面的分析。我们认为增长动能的转换、增长质量的提高、经济韧性的提升等是中国经济进入低波动阶段的积极原因。我们担忧的是为应对实体经济波动，政策当局可能采用了过度的货币金融手段，在用金融体系缓释实体经济波动的同时，也增大了金融体系内部的风险，这种推断从不断增加的金融市场波动现象上已经得到了印证。最后我们针对这一问题提出了政策建议。
二、研究文献综述
对于美国经济早就呈现的宏观经济波动率下降的现象，很多学者进行了系统探讨，研究结论对研究中国出现的相似现象具有借鉴意义。Burns(1960)较早地注意到二战后美国经济周期波动率的收窄，他总结的波动率收窄原因主要有：一是所得税随着在财政收入中占比提升，其自动稳定器的作用随之提升；二是社会保障机制渐趋完善，平滑了个人可支配收入的过度波动；三是就业结构向更稳定的第三产业倾斜；四存款保险制度增强了金融系统的稳定。Gordon (1986) 在强调政府规模扩大的同时，认为逆周期调节政策及经济结构演化对于经济波动有稳定作用。Taylor (1986) 采用向量自回归模型进行实证分析，认为是外部冲击减小导致经济波动趋稳。Kahn等(2002)发现耐用消费品的生产波动性明显下降，但销售波动率并没有明显下降，从而肯定了信息技术及市场预测技术的进步对于生产的平滑作用。Cecchetti等 (2006)对25个国家的经济增长波动率进行了跨国比较，证实检验了金融深化、央行通货膨胀目标制会减小增长波动性，经济开放程度对经济波动性的影响不显著。
很多学者也注意到了结构因素对宏观经济波动率的影响。Blanchard与Simon(2001)从支出法GDP(投资、消费、政府开支和净出口)的分解角度，否认了结构变动对经济周期稳定化的贡献，认为是每个组成部分自身波动性的减小造成了整体经济的稳定。Eggers和Ioannides(2006)按照1位标准产业分类将GDP分为10个产业，运用方差分解方法清晰地显示，产业结构的演进对经济稳定贡献的比例高达50％，主要是因为波动性较大的制造业比例显著下降，相对稳定的金融业和服务业比例有所上升。张云与张四灿（2018）从产业结构的角度入手，通过构建三部门新凯恩斯DSGE模型，提出了产业结构升级熨平经济波动的四种具体机制：粘性价格机制、部门需求转化机制、厂商价格策略互补机制和产业相对规模变动机制,其理论核心就在于因部门之间价格弹性差异导致的需求转移，进而引致经济波动减小。
对于中国经济波动率问题的研究，学者们更加关注制度和政策变化方面的因素。Naughton(1987)和Rawski(2002)都强调了投资波动对于中国经济周期的重要影响，而国有部门的金融软约束则是固定资产投资波动率的主要根源。林建浩和王美今（2016）利用TVP—SV—VAR模型研究了1995年之后经济增长进入波动下降的大稳健时代，这是由于结构冲击的刺激机制和传导机制的双重渐变所导致；而2012—2014年两种机制自我稳定效应增强，使得波动率下降趋势延续。张四灿和张云（2018）认为政府干预和利率管制扭曲了需求结构，降低了企业对要素价格的敏感性，刺激了投资；如果考虑金融加速器的影响，需求结构的失衡使得外生冲击对经济波动影响更大。林建浩和王美今(2013)分析数量型和价格型货币政策变量的波动性模式，发现其具有与GDP增长的波动结构有一定相似性，是经济波动下降的原因之一。许志伟与王文甫（2019）通过将政策的不确定性引入新凯恩斯DSGE模型，发现政策不确定性冲击表现为一个负的需求冲击，显著增加了产出与价格波动，且对不同类型的货币政策均稳健；如果考虑政策预期因素，不确定性的贡献率将进一步增大。
三、中国经济波动率降低的现实表现
美国次贷危机迄今已经10年有余，期间中国经济发生了巨大的变化。从宏观经济各类指标来看，一个明显的现象就是经济增长率不断下滑，进入一个长周期的持续探底阶段，有学者用“新常态”“经济L型”等词汇加以总结表达。而我们发现的是，除了经济增长率持续下行，让人觉得意味深长的是经济波动率也在快速降低。图1用时间序列演示了中国GDP增长率近三十年的表现，一个直观的表现就是自2012年以来中国经济步入了低波动区间。
图1 中国实际GDP同比增长率
我们还发现，不仅仅是GDP同比增长率，其他主要宏观数据的波动也开始进入低波动区间。图2描述了工业增加值、固定资产投资、社会消费品零售总额、CPI、M2等几乎整个指标族群都进入了低波动区间。尤其是CPI波动率下降得非常明显，2012年就在1%-3%的区间内窄幅波动，这对以平抑通货膨胀为主要目标的货币政策来说是个显著的成果。可以说，2012年以来的中国经济实现了历史上前所未有的稳定增长。
图2 主要宏观经济指标的走势
为了更好地分析经济低波动的内在机理，我们借用金融资产“波动率”的思路和指标，将其应用于宏观经济指标时间序列数据的处理上，如实际GDP、工业增加值、固定资产投资、社会零售总额、M2等同比指标，分别计算各时间序列N年滚动标准差，数据显示自2012年左右，宏观经济数据波动率逐步下降到较低的水平，与前面几幅图的直观感受相符。由于GDP季度数据、其他宏观经济指标月度数据的数据起始点在20世纪90年代初，基于库存周期（3—4年）的长度的考量，计算波动率的数据长度选择3年，如图3所示。
从图3可以看出，通过计算GDP同比增长的波动率，更加明显地印证了中国经济波动率不断放缓的事实。我们看到，当前的波动率已经远远超过了历史的最低点（2002年左右）。图4的计算也表明了，不仅是GDP这一大的总量指标，其他分项宏观指标的波动率也不断放缓。但是一个很明显的对比是，分项指标的波动率的下降幅度明显不如GDP总体指标的波动率。基于经济学理论常识的解释是，GDP总的波动率是各分项指标的合成，指标之间存在着反方向的对冲，当合成一个总体指标时，波动就消除了。这个可以从图2中得到验证，有些分项指标的走势是相反的。图5给出了一个局部的例证，可以发现“三驾马车”中投资和净出口对GDP增长的贡献率呈现非常明显的相反走势，这说明以投资为主要政策工具的宏观逆周期调节发挥了作用。
图3 GDP增长率及波动率走势（3年、4年）
图4 各分项指标的波动率
图5 “三驾马车”对GDP增长的贡献率
经济意外指数或许可以从另一个视角证明经济波动率的降低。已实现的长时间低波动导致市场预期范围收窄，这可以看作市场对低波动率的一种共识。将GDP累计同比实际值-预测平均值（根据Wind数据库统计）作为经济意外指数，由下图可知自2012年起，意外指数也进入了一个以0轴为中心的窄幅波动的阶段。
图6 中国经济意外指数（2008—2018）
总之，从以上数据可以看出，我国的宏观经济数据波动率自2012年的确开始明显下降，且明显降低至历史最低水平同时屡创新低，2015年之后维持在低波动率水平，较上一个波动率谷底（2000—2002）年还要低。如此低的波动率说明了什么，是经济内生的原因，还是宏观政策逆周期调节下外生“熨平”的成果？这些都需要我们从经济波动的机理上进行深入分析。
四、中国经济波动率放缓的理论分析
关于经济波动或经济周期的研究非常多，可以说已经非常成熟且构建了巨大的思想库和工具箱。那么，哪些适合拿来分析中国特有的情形，这就需要从中进行甄别和选择。我们认为中国作为一个最大的发展中国家，而且是政府主导和政策驱动的经济体，需要考虑宏观波动的微观基础。结合中国经济3—5年的短波特征，我们在理论上采用了蛛网分析模型。
（一）微观行为分析——时滞与群体博弈
从微观角度来分析，宏观经济作为一个群体行为的总和，其波动的根源在于以下三点：
1.决策和政策的时滞效应
中国是一个转轨经济体，在转轨过程中制度和政策的变迁会向经济体传导，传导的过程会存在一个时滞。因为经济中各个参与决策的主体，都是基于一定的信息来进行决策，以期未来获得有利于自己的结果。经济学中讨论的三大时滞为认知时滞、决策时滞和作用时滞。也就是说，从事件发生到被决策者认知存在的时滞称为认知时滞，从决策者认知到作出判断、决策存在的时滞称为决策时滞，而从决策者作出决策到决策产生作用存在的时滞称为决策时滞。更进一步，群体中的每个个体，获得信息-处理信息-做出决策-决策生效-各个主体决策之间的碰撞博弈发生反应，其中每一个步骤都是存在时滞的。所有的时滞导致个体作出的看似理性的决策与最终所要应对的现实情况发生偏差，进而导致群体行为总和的非理性。宏观经济作为群体行为总和的表征，必须就显示出一定的周期性波动，而非沿着既定的理论值平稳运行。
基于这种理论，随着中国市场化、一体化程度越来越高，政策决策机制日益完善和信息网络的不断普及，政策信息的传播和消化变得越来越快捷，使得政策的时滞效应不断缩短，从而导致的经济波动也就不断变弱。
2.群体博弈中的个体行为特征
在群体动态博弈中，个体行为显现出四项特点：A、短视。个体往往习惯将短期波动视作长期趋势，而对真正的长期趋势视而不见；B、预期超调。所谓超调通常是指一个变量对给定扰动作出的短期反应超过了其长期稳定均衡值，并因而被一个相反的调节所跟随。C、学习效应谬误。群体具有学习效应，但是学习效应看似是通过学习逐步理性，但往往结果又变成了另外一种非理性。踩错周期的节奏，导致预期的报复性反弹，走向另一个极端，结果是一步错步步错。D、在群体中个体行为的以上特点会传染、放大。
同样，因为在中国信息网络的普及，经济个体的知识结构不断完善，人的理性不断提高，对经济政策和变动信号的应对变得越来越理智，群体博弈形成的非理性波动也在不断降低。
（二）宏观理论分析——蛛网模型
蛛网模型是理论经济学中一个较为经典的分析框架，其借用静态均衡的供求模型来阐述动态的供求关系的变动，假定需求由当期价格决定，而供给由上一期价格决定，所以价格、数量会有一定的波动。那么，此模型的核心就在于时滞，时滞导致了波动。进一步地，蛛网模型具有三种形态：收敛型、发散型和封闭型，收敛型蛛网最终达到供求均衡，发散型最终供求、价格波动越来越大，而封闭型成了波幅、周期一致的余弦波动。三种形态的区别就在于供给弹性Es和需求弹性Ed的差。当Ed>Es时为收敛型，当Ed
图7 蛛网模型的三种形态
收敛的过程图形：从上图7中的图A相对图C来看，也就是初始P1价格下，Q1到Q2的收缩幅度相对增大，而供给量根据上期价格P1调整为Q2之后，对应需求曲线上可以给到的价格是P2，从P1上升到P2幅度相对减小，P2价格下供给向Q3扩张幅度相对加大，P2到P3调整幅度减小，总的来说，图形上看就是横着相对加大，竖着相对减小。从相位图上来看，随着时间推移，两者波幅逐渐缩小最终成为一条直线:
图8 蛛网模型下量价波动的相位图
其中的逻辑是：图形上横向的调整是由于供求之差带来的供给的调整，竖向调整过程是对应供需差的需求的调整，图上表现为价格变动。需求弹性相对供给弹性越大（图上表现为需求曲线相对越平），供小于需时，供需差对于需求影响越小，价格抬升幅度越小，这样对于生产者来说，由于供给由上期价格决定，本期与上期价格差距越小，本期供给变动对冲供需差越容易，未来供求差距就越小，于是逐渐收敛达到一个均衡。
所以，影响收敛状态的重要因素就是需求弹性与供给弹性之差（下文简称供求弹性差），供求差越大，波动越趋于收敛；且差距越大，收敛速度越快、幅度越大。这一结论对中国经济的波动率收敛具有较强的解释力。
五、中国经济波动率不断下降的现实成因分析
结合经济波动的理论和已有的研究，我们认为导致中国经济波动率不断下降的原因主要从以下三个方面去理解：总量层面、结构层面和政策层面。
（一）总量成因：总供需弹性
任何经济体的发展都会有增速收敛的过程，不会一直保持高增速的指数型增长，这不符合事物的客观发展规律。我们计算的波动率对象是“同比增长”这一数值，代表增量相对存量的变动，所以当中国GDP基数较低时，增量（或是负增量）相对较大，那么同比的 值可能就越大；而当前中国经济体量依然跃居世界第二，虽然增量也会有相应提升，但相对于当前存量来说，在同比数值上就无法体现出较大的影响。这可能是同比波动率收敛的第一个比较简单的解释，毕竟中国经济当前已经成为世界第二大经济体，第一大发展中经济体。与过去相比，当前的一个波动率单位对应的经济量变化可能是过去的几倍，因此我们认为从总的经济体量来看，增长率波动率的下降是一个自然的过程。
进一步，我们可以运用总供需模型来分析。结合宏观理论基础来看（宏观蛛网模型），总供给弹性减弱拉大供求弹性差可能是波动率下降的一个重要原因。2011—2012年中国经济发生了一系列变化，这些变化导致宏观经济政策相应调整，结果是抑制了供给弹性，在需求弹性不变的情况下，供求弹性差被拉大，进而导致经济波动率的下降。我们认为比较重要的变化主要为：
1.劳动适龄人口占比出现拐点。从数据来看，2011年为中国劳动适龄人口占比拐点，也是总抚养比的拐点，呈现出劳动适龄人口占比快速下降，抚养比快速上升的现象。劳动人口占比的变化并不会在短期内对生产函数有明显冲击，但却压低了总供给曲线的弹性，即在失去“刘易斯二元结构”劳动力无限供给的前提下，产出的弹性也就变低，从而降低了蛛网模型调整下的波动率。
图9 中国劳动适龄人口占比与总抚养比
2.投资收益率出现拐点。我们观察到2012年前后工业企业的资产收益率出现了明显的下降，这也是抑制总供给弹性的一个重要原因。其中的逻辑，一是净资产收益率的下降导致在既定成本结构下，可供企业家投资和选择的项目不断减少，供给曲线的弹性也就下降；二是在长期潜在投资收益率下降的背景下，相对短期的价格信号可能不足以提升企业对于未来收益的预期，进而抑制对投资活动进行调整的意愿。所以即使出现价格变动，投资活动的变动也不会灵敏。
图10 中国工业企业净资产收益率（1998—2016）
市场研究中有一种解释：中国经济波动率的下降，就是实际产出接近潜在产出，产出缺口被填补，所以宏观经济波动率下降。而当前对于潜在产出没有形成共识，只是利用HP滤波法分离GDP数据来得到周期项和趋势项，单纯地通过数据处理，从实际产出的历史表现得到潜在产出，可能没有说服力，逻辑上说不通。其周期项的走平，只能是波动率下降的另一个角度的论据而已，并不能解释为原因。
图11 基于HP滤波法分解GDP周期与趋势项
（二）结构成因：新旧动能的转换与经济的韧性
最近几年中国的经济增长率虽然逐渐下降，但是新旧动能转换和产业结构升级均出现了积极的变化，从总体上提高了中国经济的韧性，降低了宏观经济的波动率。从生产法的角度分析，自2011年前后开始，如图所示，第二产业对GDP的贡献率不断降低，第三产业尤其是新兴服务业对GDP的贡献相应地不断上升，这在很大程度上改善了产业结构。第三产业的轻资产结构，降低了经济的波动率。从支出法的角度来看，在2012年左右以前，投资对GDP的拉动力量占主导，但是之后下降明显，相反，消费的拉动作用不断上升，并成为明显的主导力量。由于消费的经济动能比较稳定也富有韧性，在很大程度上也降低了总体的波动率。
图12三大产业对GDP贡献率
图13 消费、资本形成与净出口对GDP的拉动
（三）政策成因：政策的连续性与逆周期调控
自从2012年新一届领导人上台之后，政策的连续性和稳定性明显增强，并且提出“新常态”的基本理念，主动放缓经济增速，改变了多年的唯GDP论政绩考核，加大反腐力度，着手应对经济高速增长过程中的负外部性，大力推动“三去一降一补”的结构性供给侧改革和新旧动能转换，并不断完善以稳定经济为目的的宏观调控体系，提出了“宏观要稳、微观要活”的目标，这一系列举措取得了明显的效果，表现之一就是宏观波动率的下降。
从数据来看，2012年以来，全国 GDP增速的目标制定越来越贴近实际，GDP实际增速与目标之间的差异越来越小。数据显示，2005—2011年，两者差异为3.1个百分点；2012—2018年，两者差异为0.14个百分点，偏差出现了非常明显的下降。当经济增速目标和实际增速非常接近的时候，经济增长的连续性和稳定性也就增强，波动率自然就会降低。
图14 GDP目标值更加贴近实际值
特别需要重点研究的是结构性供给侧改革对波动率的影响，我们认为供给侧改革通过提高行业集中度降低了供给曲线的弹性，从而降低了经济波动。始于2012年的供给侧改革对于出清过剩产能和降低财务杠杆起到了明显的作用，同时提高了中上游的行业集中度，而产业中上游一般都是高财务杠杆和高经营杠杆的行业，其无序竞争往往会提高经济波动。如下图16所示，自2011年开始，中上游行业的集中度开始明显上升，下游行业（主要为民企）的集中度明显下降。从市场竞争角度，在行业集中度较低时，行业内多家企业会进行过度竞争，导致波动、波幅加大；集中度的提升使得更大规模的生产商对于价格敏感度下降，同时大企业承受暂时亏损的能力较强，外部融资约束也少于小企业，应对周期波动更加理性。这也是宏观经济波动率下降的主要原因。
图15 供改行业利润增速改善程度大于非供改行业
图16 中国行业集中度变化趋势
然而有一种现象或许值得我们关注，那就是虽然实体经济的波动率呈现明显下降的态势，但是金融市场的波动率却出现了明显的上升。下图所示，在与实体经济波动率下降的时间阶段内，金融市场的波动率并没有相应的下降。相反，2015年到2017年三年间，股票、汇率、大宗商品、债券等几乎所有的大类资产的波动率都有明显的上升 。
那么，为什么在实体经济波动率下降的时候，金融市场的波动率反而上升呢？主要的原因可能有三方面：第一，金融体系与实体经济之间本身就具有独立性，实体经济波动率下降时，金融市场的波动也可以独立进行；第二，中国金融市场化步伐加快，尤其是2012年以后，无论是利率还是汇率的市场化都呈现出加快的趋势，难免造成大类资产价格的波动；第三，也是我们比较担忧的一点，那就是美国次贷危机以后，中国开始用货币和债务等金融手段对冲实体经济的波动，导致中国实体经济步入“L”型阶段，但金融体系依然在快速膨胀（如图18）；尤其是2015年以来的影子银行更是呈现出野蛮生长的态势，这难免会加大金融市场的波动。这种现象可以看作是一种“波动转移”，也就是说，每次实体经济下行时，货币和信贷政策就开始放松，在对冲实体经济下行的同时，也把波动从实体经济转移到了金融体系。因此我们也看到，在中央2016年开启金融严监管和防风险攻坚战以后，金融市场的波动便随之明显下降。
图17 中国各金融市场的3年移动波动率
图18 中国的M2/GDP走势图
六、结论
自2012年前后以来，中国经济开始步入“新常态”和“L”型增长形态，引起了学术和理论界的兴趣，产生了大量的相关研究。但是，很少人关注到另一个非常明显的现象，那就是中国经济的波动率也明显下降。本文利用主要宏观指标的时间序列，借鉴金融数据中的“波动率”指标进行了计算，发现自2012年前后开始，包括GDP、固定资产投资、工业增加值、社会消费品零售总额、消费品物价指数等几乎所有的宏观数据族群，都突然进入了一个低波动区域。对这一现象，当前几乎没有引起学术界和政策层的关注，学者和研究界既没有分析这一现象的内在成因，也没有研究这一现象的影响后果。本文的研究就是在这方面的努力。
分析经济周期和经济波动的理论和技术很多，我们针对中国作为转轨经济和发展中经济体这两大特征，在方法论上采用了微观视角下的决策政策传导时滞和群体博弈的非理性行为理论，以及宏观视角下的总供需模型和蛛网模型价格—数量调整理论，我们发现市场基础设施的完善、互联网信息平台和工具的广泛应用，降低了传导时滞和群体博弈下非理性行为引发的经济波动。更重要的是，我们在总供需模型的框架内，借助蛛网模型中的供需弹性差分析方法，结合中国现实运行中的数据，发现劳动适龄人口占比和资本投资回报率的下降，都会降低总供给函数的弹性，从而在价格发生扰动时，经济总量的变动率不断下降。而更加有积极意义的解释是在结构成因的分析方面，第三产业尤其是新兴产业对经济的贡献度自2012年以来不断提高，消费支出开始取代投资成为拉动经济增长的核心动力，这些都提高了中国经济的韧性，自然也就降低了经济波动率。
值得我们关注的是政策因素对经济波动率下降的影响。自2012年以来，结构性供给侧改革对降低过剩产能和财务杠杆起到了明显的作用，同时提高了中上游产业的行业集中度。行业集中度的提高降低了市场的非理性竞争和过度投资，并且大企业对环境冲击的吸收和应对能力更强，这样也可以降低供给曲线的弹性从而降低产出波动率。以GDP为主要指标的考核体系的改变，新旧动能转换和高质量发展政策的普遍落实，或许也是经济波动率下降的重要原因。但是值得我们关注的是，自2012年开始，与实体经济波动率下降相反的是金融市场的波动率明显上升，这既可能是利率、汇率市场化的自然结果，也可能是采用货币和信贷政策对冲经济下行导致的“副作用”，即将实体经济的波动率“转移”到了金融体系。当然，这个结论只是我们基于数据表象的一种可能性解释，具体的传导和作用机理，则是我们下一步研究的重点。
