法規與監理 2023年2月

陳南光觀點一》走走停停的貨幣政策 易落入停滯性通膨的陷阱

撰文:陳南光(臺灣大學經濟系教授、中央銀行副總裁)

本文內容謹代表個人意見,與服務單位無關,如有錯誤,亦概由作者負責。

當前許多央行面對本國的通膨情勢以及其他國家的升息幅度,在貨幣緊縮路徑上,需要考量升息的速度和幅度,以及將政策利率保持在高點或終點利率多長時間。央行決定貨幣緊縮要「多快、多高與多長」的取捨時,可從歷史經驗中尋求指引。

灣時間20221215日清晨美國聯準會宣布FOMC決議,從之前每次升息0.75%3碼),改為升0.5%2碼),聯邦資金目標利率達4.254.5%區間,並聲明將持續提高利率,緊縮貨幣政策的立場將維持一段時間。過去幾個月以來,金融市場在面臨聯準會快速升息的壓力之下,便一直在聯準會官員的演講或訪談中,尋找即將結束升息循環的蛛絲馬跡。市場人士認為聯準會的升息循環將很快結束甚或逆轉的理由,首先是美國通膨自20226月的高點9.1%,有逐月走緩跡象。其次,中國、歐盟與美國等經濟體、甚至新興市場,經濟走緩的跡象越來越明顯,多家國際機構預測2023年全球經濟衰退的機率上升。然而,從這期間聯準會官員的演講與訪談,以及今年1月初所公布去年12月份FOMC會議紀錄所釋出的訊息,投資機構的期盼再次被澆一頭冷水。

在美國聯準會內外的鷹、鴿兩派拉鋸中,鴿派擔心Fed升息過快,幅度太大,貨幣政策的延遲效果尚未完全發揮,可能造成不必要的失業上升與經濟衰退。鷹派則認為,未有效壓制通膨前,若過早停止緊縮甚至降息,可能會讓通膨預期持續在高檔並變得根深柢固,重演1970年代通膨的政策錯誤,使美國經濟與民眾付出更慘重的代價。

央行的貨幣政策抉擇面臨困難的取捨

貨幣政策的抉擇常會面臨困難的取捨,尤其是緊縮貨幣政策涉及的利益糾葛與引來的各方干預,更遠甚於寬鬆貨幣政策。當前許多央行面對本國的通膨情勢以及其他國家的升息幅度,在貨幣緊縮路徑上,需要考量升息的速度和幅度,以及將政策利率保持在高點或終點利率(Terminal Rate)多長時間。央行決定貨幣緊縮要「多快、多高與多長」的取捨時,我們可從歷史經驗去尋求指引。

在面對通膨節節上升時,央行貨幣緊縮政策應採取漸進式或先快後慢(Front-loading)式的升息模式?漸進式升息可避免經濟活動於短時間內急速調整而導致經濟衰退,同時使得貨幣政策對經濟活動與物價影響的延遲效果有較充分的時間顯現。然而,Cavallino等(2022)和BIS2022)的實證分析,卻得到截然不同的結果。

先快後慢的升息還是漸進式的升息?

Cavallino等(2022)分析11個已開發經濟體在1970年至2020年間的資料發現,在面對大幅度並持續性的通膨衝擊,相較於漸進式升息,先快後慢式升息對於抑制通膨具有顯著效果,而且利率也得以更快回到之前的水準。作者指出,先快後慢式升息抑制通膨的機制是,可傳達央行穩定物價的承諾,有助抑制民眾通膨預期持續上升。只是,採此路徑仍需注意當民間及政府債務水準較高或市場流動性不佳時,對金融穩定的影響;同時,央行也會面臨對外溝通的挑戰,該項挑戰在貨幣緊縮終點不明確時將更為嚴峻。BIS2022)的跨國研究,也得到類似的看法。該文檢視1985年至2018年間35個國家貨幣政策緊縮循環(連續3季政策利率上升)的追蹤資料,並定義在緊縮循環高峰後3年內,經濟進入衰退(連續2GDP負成長),稱為硬著陸;若經濟未進入衰退,則為軟著陸。該文發現,應趁通膨仍不高的情況下及時介入,方能更迅速完成緊縮循環,並較能避免硬著陸。

雖然各方仍擔憂央行快速升息,可能對經濟活動造成嚴重打擊。事實上,為因應2021年以來全球通膨急速上升,多國央行已經執行50年來最為同步並且快速的貨幣緊縮政策,至今政策利率累計上調的幅度,也遠大於以往貨幣緊縮時期的早期階段。在2022年期間,歐洲央行、英格蘭銀行、紐西蘭央行、加拿大央行、以色列央行等,都出現政策利率以3碼、甚至4碼的大跨距上升步伐,以2碼幅度升息者,更是不勝枚舉。顯然,近來多國央行趨於一致的態度,符合上述研究結果的看法。

其次,緊縮貨幣政策需要將利率升到多高水準,才足夠緊縮以控制通膨預期與通膨?原則上,此終點利率必須能有效控制通膨,但其水準高低與該國的通膨與金融情勢有關,並無定論。另外,一個可資參考的指標是實質利率。若能將名目利率調升到使得實質利率轉為正數,較能有效抑制總需求並控制通膨預期。

該用多長時間才得以馴服通膨?

最後,政策利率必須維持在終點利率多長時間,才得以有效馴服通膨,避免通膨復熾?有關這點,我們可以參考柏南克(Ben Bernanke)在《柏南克談聯準會:二十一世紀貨幣政策》一書中對大通膨時期(1960年代中期持續到1980年代初)聯準會政策反應的檢討。對於197310月的石油危機與緊接而來的通膨飆升,時任聯準會主席的柏恩斯(Arthur Burns)認為通膨主要是由成本推動的力量造成,因此極力主張實施全面的薪資與物價控制,而非以緊縮貨幣政策來抑制通膨。然而,「前面幾輪的價格控制並未能結束通膨,所以價格控制措施在多數美國人的心中已失去可信度。」柏南克接著分析,「聯準會為了遏制通膨上升,在1973年確實啟動了連串的升息,但經濟陷入衰退時,利率又降回來了。事實證明,這種走走停停(Stop-go)的政策模式不僅無效,還使通膨與通膨預期逐漸升高。」結果,通膨持續走高,籠罩整個1970年代。直到1980年代初期,繼任主席伏爾克(Paul Volcker)大幅升息,才得以徹底馴服通膨。

聖路易斯聯邦準備銀行總裁布拉德(James Bullard)與柏南克看法一致。20226月他在《領先於美國通膨:從19741983年得到的教訓》一文中分析,由於柏恩斯面對1974年的高通膨時,未持續緊縮貨幣政策以防止通膨預期復熾,結果演變成停滯性通膨(Stagflation),通膨與薪資呈現螺旋式上升,高通膨因而持續更長的時間,經濟也數度陷入衰退。伏爾克接任之後,果斷地大幅提高利率,並維持相對高利率一段時間,以持續抑制通膨與通膨預期,才使美國脫離大通膨時期。

走走停停的貨幣政策 易落入停滯性通膨的陷阱

根據上面的分析,歷史經驗強烈警告我們,走走停停、過早放鬆的貨幣政策,只會讓通膨拖延更久,並且更易落入停滯性通膨的陷阱。20226月起,聯準會一掃之前堅持通膨是短暫性(Transitory)以及20223月僅升1碼的消極態度,改採先快後慢式升息,每次升3碼。直到202212月,才縮小升息幅度為2碼。聯準會官員反覆強調,即使整體通膨(Headline Inflation)似有下降趨勢,但仍然太高,而且薪資上升壓力亦進一步推升服務業通膨。因此,儘管升息的效果具有時間延遲性,聯準會仍需持續提高利率到充分限制性(Sufficiently Restrictive)的水準,並在其後維持高利率一段時間。

聯準會的政策行動與宣示顯示,他們不僅亟欲重建其貨幣政策的可信度,也積極從歷史經驗汲取教訓,以避免重蹈伯恩斯在1970年代的覆轍。據此,我們觀察2022年聯準會在快速升息一段時間之後,確實有助通膨在短時間內穩定下來,通膨與民眾通膨預期也未進一步惡化。

猜你喜歡

2025年8月

AI的零點擊資安攻擊來了

「安全始於設計」原則,近年來已經逐漸在資安界扎根。與其在寫完程式之後,才用人工或自動化工具找出漏洞,還不如一開始就選擇那些在語言層級上本就無法寫出某些類型錯誤的程式語言。舉例來說,若捨棄各種已有數十年歷史的C語言,改用如Rust等較為現代的語言,便能從根本上排除大量的資安漏洞。然而,就在傳統軟體界逐漸接受這個新思維的同時,人工智慧的迅速崛起,卻大幅動搖了這項理念。一旦給了大型語言模型(LLMs)讀取或操作系統資源的權限,它卻可能出現邏輯來源不明、行為難以預測的狀況。有時候,這些風險可以靠修改提示語的上下文、交由其他模型進行驗證,或者為特定錯誤情境設計固定回應來處理。但因為LLMs背後的技術邏輯是由資料訓練出來的,不是人工設計的,這些方法只能頭痛醫頭、腳痛醫腳,無法用來確實防護整體資安。因此,大型語言模型的安全並不是靠設計就能確保不會出錯,而是靠統計方法降低出錯的機率。儘管這些都是眾所周知的危險,但直到2025年6月EchoLeak事件,這些風險才真正首次爆開。微軟Copilot自推出之初就充滿爭議,它的預設權限極廣,且不完全透明。其中最令人擔心的,就是使用Copilot+的電腦,會定期截取使用者的螢幕畫面,並搜尋畫面中的內容。Copilot+甚至還會自動掃描使用者的Email信箱,將冗長的內容整理成簡短摘要。EchoLeak攻擊就利用了這個功能。它向受害者發送電子郵件,而收件者甚至不需要打開Email或點擊任何內容,就可以製造資安界公認最難防範也最高明的「零點擊」(Zero-Click)攻擊。這封Email內含惡意指令,讓LLM反過來對自己發動攻擊,協助攻擊者搜尋系統上最機敏的資料,然後將這些資料外洩出去,在這段過程中它可以繞過許多原本保護機密資訊的安全措施。雖然這個漏洞目前並未在真實環境中被使用,而且微軟已經修補完成,但相同原理的攻擊,未來很有可能產生。EchoLeak攻擊的技術稱為「提示語注入」(Prompt Injection),也就是讓使用者透過特定語句,說服模型忽略系統的原始設定。最著名例子就是「忽略所有先前指令」。這種攻擊之所以難以預防,是因為LLM目前不具備有效的「輸入清理機制」(Input Sanitation)。傳統資料庫系統可以設計防線,讓系統將像「Drop Table」這類的語句視為純文字資料,而不是實際執行的刪除指令。但對LLMs來說,每一段文字都被一視同仁當作指令,沒有明確區分命令與內容。攻擊者正是透過這種混淆來下達他們真正的指令。專家正在開發一些針對提示語清理的解決方案,可能即將問世。德國研究團隊在2025年1月的論文中提出一個辦法:將系統內建的指令,轉譯成一種只有AI才能看懂的秘密語言。AI在處理語言時,會把大量的輸入壓縮進有限的語意空間,因而可能出現語意重疊的情況,使得看似亂碼的字串也會被模型認為具有特定含義,這種特性有點像是看到一個特定的雜訊畫面,卻能接收到某個具體意義。透過這類作法,模型能更明確區分內建系統指令與一般使用者的對話內容,避免將惡意語句誤認為內部指令。然而,這類方案依然基於大型語言模型的黑箱特性,專家目前還在爭論它到底算不算是本文一開始提到的「安全始於設計」的理想。假設這類方案能逐漸改良並逐漸推廣,類似EchoLeak的攻擊空間將會大幅縮小。但真正該擔心的是,LLM的資安漏洞無邊無際。根據開放網路應用安全計畫(OWASP)組織2025年提出的「LLM十大安全漏洞」(OWASP Top 10 for LLMs),提示語注入僅是最關鍵的一種攻擊方法,但並非唯一。當AI能夠主動幫我們執行的任務數量越來越多,種類越來越廣,「過度代理」(Excessive Agency)這類問題也將日益複雜,成為資安領域的重要挑戰。隨著AI深入各種工作流程,企業對它的管理方式將不再只是資安層面的防禦問題,會更像是新進員工的培訓與信任建立過程。剛導入的AI系統不宜立刻接手敏感任務,但若完全不建立起任何信任關係,企業恐怕也將錯失這場自網際網路以來最具顛覆性的技術革命。(作者為金融研訓院̮外聘研究員;譯者為劉維人)