货币政策对商业银行风险承担的影响研究

惠晓峰冯 烁,2翟 雪

1.哈尔滨工业大学，黑龙江 哈尔滨 150001；2.香港理工大学，香港 999077；3.香港中文大学，香港 999077

引言

货币政策和财政政策是政府稳定经济、逆经济周期调控的重要工具。利率下降等扩张性货币政策经常导致信贷扩张。增加私人部门和企业投资是拉动GDP的有效途径。然而，货币政策对商业银行风险的影响有待研究[1]。银行本身是货币政策的重要组成部分，其有效性必然会对货币政策产生一定影响，某种程度增强或削弱货币政策。研究货币政策对银行风险所产生的影响，主要以货币政策中介目标和货币政策工具作为货币政策的衡量指标。由于发达国家的市场化程度高，因此以往研究主要以利率为货币政策指标。

理论研究表明，货币政策影响银行风险的途径主要有：资产评估途径、追逐收益途径、资产替代途径、固定杠杆途径、资产负债错配途径和习惯形成途径[2-3]。已有研究中认为利率对银行风险具有负面影响[4-8]，也有研究发现利率与银行风险正相关[9-11]。最新研究认为利率对银行风险的影响是不确定的[12-13]。货币政策对银行风险承担的影响的计量检验主要分析利率对银行风险的影响，极少研究利率之外的货币政策指标对银行风险承担能力的影响。一方面，以往研究借鉴较多的西方金融市场，多为小政府完全市场化的理想状态，但我国目前尚在从数量型货币政策向价格型货币政策转型发展过程中，除利率这一指标外，市场稳定仍受到其他货币政策影响。另一方面，在我国央行货币政策向价格型货币政策转型过程中，利率是货币价格的重要指标，多数研究热点主要以利率为研究对象。针对利率及法定存款准备金率的货币政策工具对银行风险承担的研究，结果表示，货币政策工具在不同宏观形势情况下对银行风险具有非线性影响。

在研究方法方面，以往研究在用时间序列分析估计货币政策对银行风险的影响时，大多采用普通最小二乘法和广义最小二乘法建立线性模型。Altunbas等学者[14]研究货币政策对银行风险的非线性影响，将解释变量信贷扩张的二次项纳入线性回归方程，但没有建立非线性模型。

研究推测货币政策对银行风险的影响是不对称的，就像股票市场[15]和货币市场[16]所发生的一样。银行的风险承担行为有时是主观的、非理性的。货币政策实施后，银行风险偏好、风险感知和风险决策行为变化呈现缓慢、渐进和非离散的特点。货币政策对银行风险的影响因货币政策类型和宏观环境不同发生变化，且由于相互作用的决定因素具有不确定性。在市场低迷时期，整个经济体的财富急剧减少，投资者正处于效用函数的无效区域。由于对损失的风险厌恶，货币政策的效应可能会对银行风险产生更大影响。因此，货币政策与银行风险之间呈现非线性路径关系，两者在市场低迷时期表现出较强的相关性。在这种情况下，用线性模型来分析货币政策对银行风险的影响，会因为忽略了非对称效应而出现模型的错配偏差。

相较于已有研究，本研究针对如下几方面有所补充。首先，运用面板平滑过渡回归（PSTR）模型解决模型的错配偏差，从货币政策中介目标（广义货币）的角度研究货币政策对银行风险的非对称效应。实证结果证实，货币政策（以货币供应量表示）在货币政策扩张和收缩过程中对银行风险具有非线性影响。同时，以往针对利率及存款准备金率对银行风险承担影响的研究是从货币政策工具角度来检验货币政策对银行风险的非线性效应。利率和存款准备金率是我国货币政策部门常用的两种重要工具。本研究以货币政策工具之外的货币政策中介目标为研究对象，在我国特色社会主义市场经济体系中，受政府经济环境影响，研究结果有理论和实践意义。其次，研究表明，目标函数应纳入金融部门，中央银行应考虑货币政策对银行风险的非线性影响。分析最优货币政策的标准方法采用线性-二次（LQ）框架，其中描述动态经济行为的方程是线性的，而指定政策目标的目标函数是二次的。货币政策的特点通常是寻求最小化损失函数，包括通胀缺口的平方值和产出缺口的平方值，而不是金融稳定性。实证结果表明，货币政策对银行风险具有非线性影响。因此，中央银行的目标函数应包含一个金融稳定变量，中央银行应重视货币政策对银行风险的非线性影响。综上所述，本研究在以往研究基础上进一步提供货币政策对银行风险非线性影响的实证证据。研究也不同于Molodtsova等学者将泰勒规则作为货币政策外生决定因素的研究。虽然泰勒规则是美国评估货币政策的主流方法，但目前没有相关证据表明我国央行也使用了这一规则。因此，本研究没有明确假设中央银行在货币政策决策时遵循任何损失函数，也没有假设利率是银行的外生变量。研究假设基于我国目前市场经济模式提出。

一、研究背景和研究方法

（一）银行业稳定性现状

银行业始终在我国金融业中处于主体地位。按照银行的性质和职能划分，可以把我国现阶段的银行分为三类：中央银行、商业银行、政策性银行。由于政策、管理体制、社会发展机制等多方面影响，我国各大银行在内部管理、授信体制和资信评估能力、风险控制能力等方面都还有很多缺陷，且我国金融业的授信决策并不完全建立在资信因素上，银行在信贷工作中往往受到外在压力和行政干扰的影响。扶持地方经济、帮助国有企业脱困、发展重点产业等仍是影响授信决策的重要因素。

近年来，随着社会发展和改革，我国银行业改革创新取得显著成绩，使整个银行业发生翻天覆地的历史性变化，在我国改革开放经济社会发展中发挥了重要作用，有力地促进了我国经济改革和国民经济发展。自从改革开放以来，我国国有的商业银行业务出现交叉，商业化驱动和对利润的追逐使银行间逐步形成全方位竞争局面，尤其是在经济发达和比较发达的地区竞争越来越激烈。由于我国商业银行起步较晚，我国四大商业银行仍处于低效阶段，各大银行之间的竞争也始终未走出各自为战的低层次竞争格局。因此，在国际上金融危机背景下，我国银行业和财富管理机构始终面临许多严峻挑战，特别是一些老牌金融机构面临三大威胁。即金融机构信用缺失、由于客户信任缺失及收入减少。

我国金融体系是以银行为基础的，商业银行所带来的风险直接影响到我国的金融稳定。金融稳定状态，表明国家的整个金融体系不出现大的波动，金融作为资金媒介的功能得以有效发挥，金融业保持协调有序稳定的发展，保持金融稳定是我国货币政策的特定目标。我国政府和中国人民银行非常重视金融稳定。自2003年7月以来，中国人民银行对我国金融稳定进行了自我评估，并发布《中国金融稳定报告》。2009年8月，我国正式实施1999年5月由国际货币基金组织和世界银行联合发起的金融部门评估项目（FSAP）。在我国建立金融宏观审慎管理框架的过程中，货币政策是否影响银行风险是一个非常重要的问题。因此，重视货币政策对金融稳定的影响至关重要。

（二）理论模型

20世纪70年代以来，非线性理论和模型不断完善，使学者认识到非线性模型能够更好地描述经济现象和经济规律[17]。在所有可用的非线性模型中，状态切换模型应用最普遍。常见的非线性状态转换模型主要包括以下三种：马尔可夫状态转换（MRS）模型、阈值回归（TR）模型和平滑过渡回归（STR）模型。MRS和TR模型都基于一个假设：从一种政府制度转换到另一种会产生离散效应。这是一个典型假设，但在实践中可行性不强。Hansen首次提出阈值效应，其中包括使用面板阈值回归（PTR）模型，该模型假设不同制度之间的过渡显示出突然的跳跃效应。为纠正这些缺点，González等人[18]引入了面板平滑过渡回归（PSTR）模型，该模型扩展了平稳过渡回归（STR）模型，适用于随时间变化具有异质性的面板数据[19]。因此，其同时具有STR模型的优点。在PSTR模型中，各体制之间的过渡是平稳渐进的，而不是离散或突然发生的。

由Gonzalez[18]提出的PSTR模型为：

其中，i=1，…，N（N表示面板的横截面）；t=1，…，T（T表示面板的时间维度）；y是因变量；μi代表固定变量；xi,t是时变外生变量的k维向量；r+1代表政策状态的数量；过渡函数为j=1，…，r，将其区间规范化为0至1之间。当过渡函数等于0或1时，相应的模型分别称为低制度或高制度。过渡函数的值在0和1之间平滑过渡，使模型在低制度和高制度之间平稳过渡。为阈值变量，可以是外生变量，也可以是滞后内生变量的组合。γj为斜率参数，表示从一种政策制度状态到另一种状态的转变速度。cj为阈值参数。ε为残差项。β为回归系数。

根据Granger和Teräsvirta[20]的时间序列分析方法和González等[18]的面板数据框架，过渡函数可通过logistics规范为：

其中γ>0并且c1≤c2≤…≤cm。当m=1且γ→∞时，PSTR模型可简化为PTR模型。从实证分析角度研究，只考虑m=1或m=2的情况就足以捕获由于政策制度转换而引起的非线性变化特性[17]。

（三）研究方法

按照时间序列分析方法，González等[18]提出适用于PSTR模型的三步策略：（a）识别规范化，（b）估计，（c）政策制度状态数量的评估和选择（对r的选择）。识别步骤的目的是测试与PSTR模型的同质性。这可以通过检验零假设γ=0条件来实现。由于在原假设下存在无法识别的干扰参数，函数g在0附近进行一阶泰勒展开如下：

如同在时间序列分析中一样，这一检验用于选取（a）使相应的p值最小的过渡变量，和（b）在（3）式中恰当的序列的m值。

在估计步骤中，数据降噪后，可采用非线性最小二乘来计算参数估计。在面板数据模式下，数据demean处理比较复杂[18]。

估计步骤包括（a）应用错配检验来验证PSTR模型的有效性，（b）确定政策制度的数量。提出这些方法是为适应在时间序列分析中引入的随时间变化的参数恒定性和无剩余非线性的测试[21]。无剩余非线性检验被解释为面板数据环境下无剩余异质性的检验，可用于确定PSTR模型的区域数。为了完成这个测试，González等[18]提出序贯程序，从估计线性模型开始，如果同质性假设被拒绝，则提出PSTR模型，如果2个体制的PSTR模型中没有剩余异质性假设被拒绝，则使用具有3个体制的PSTR模型，依此类推。

二、研究模型及数据

研究以货币政策中介目标（货币供应量）为币政策指标，构建PSTR模型，衡量在我国宏观经济环境下，货币政策对银行风险承担的影响。由于我国金融市场发展起步较晚，可研究样本量不够大。引入过多解释变量会导致自由度和多重共线性度下降。因此，本研究只关注宏观经济因素对银行风险的影响，没有考虑银行层面微观因素对银行风险的影响，构建PSTR模型研究收缩和扩张阶段的货币政策对银行风险的影响。

其中，EDFi,t为预期违约频率，Mi,t为广义货币，PMIi,t为采购经理人指数，Hi,t为固定资产价格指数。

2007年起，中国人民银行设定的货币政策预期目标为广义货币（M2），不再包含狭义货币供应量（M1）和新增人民币贷款。2012年以后，由于我国利率市场化不断推进和金融创新的影子银行、互联网金融、资管通道类业务的井喷式增长，数量型中介目标的可测性、可控性大幅下降。因此，2007至2012年间，央行货币政策的中介目标主要为宏观货币供应量，随后逐渐由货币供应量转向货币市场利率。数据窗口选择2007年至2012年，为研究以货币供应量为指标的货币政策对银行风险影响的较为理想的区间。针对其他货币政策指标对银行风险影响的研究内容在本文中不做赘述。

研究的数据来自RESSET金融研究数据库。使用2007年第一季度起至2012年第四季度为止的季度观察数据，在A股市场上市的13家中国银行。样本包括三家大型商业银行、七家股份制商业银行和三家城市商业银行。其中，大型商业银行包括中国工商银行（ICBC）、中国银行（BOC）和交通银行（BC）；股份制商业银行包括中信银行（CITIC）、华夏银行（HB）、平安银行（SPAB）、招商银行（CMB）、浦发银行（SPDB）、兴业银行和中国民生银行（CMSB）；城市商业银行包括北京银行（BB）、南京银行（NJB）和宁波银行（NBB）。

表1提供实证分析中使用的变量的描述性统计数据。表2给出这些变量之间的相关系数。根据Gujarati[22]的理论，如果两个回归变量的零阶相关系数大于0.8，则多重共线性问题将更加严重。研究中的相关性在可接受的水平，见表2。

表1 描述性统计分析

表2 相关系数

（一）银行风险

研究选择预期违约频率（EDF）用以衡量银行风险这一因变量。在有关金融稳定的实证研究中，预期违约概率已成为衡量银行稳健程度的常用指标。理论上，根据风险的性质，利用股价和收益波动性来体现银行风险行为特征的EDF无疑是理想的选择[14]。原因如下：首先，EDF是相对客观的，因为它是根据股票交易数据和上市银行财务报表中的财务数据计算得出。其次，EDF是动态指标，可以根据上市银行股票交易数据和定期发布的财务报表变化更新。因此，EDF反映的银行风险随时间变化。第三，EDF克服了应用历史数据来表示未来趋势偏差。EDF根据股票市场实时情况计算。股票市场收益率和市值的变化可以反映银行的业绩、市场预期和未来趋势。与Moody的KMV模型相比，EDF更精确。EDF在违约距离和违约概率之间建立函数关系。一家公司的预期违约概率随时间变化，这反映一家公司或其生产部门不断变化的经济增长程度。关于违约距离与预期违约率测度之间的映射关系的详细描述可参考Crouhy等的研究。

研究使用Brandimarte[23]的方法来计算预期违约概率。采用无风险利率计算预期违约概率，并以人民币一年期存款基准利率的日加权平均数为基础。以下数据来自RESSET金融研究数据库：用于计算预期违约率的13家上市银行的日收益率、日总市值、季度长期负债和季度短期负债，以及广义货币、季度房地产价格指数、人民币一年期存款基准利率。采购经理人指数（PMI）数据来源于CEInet统计数据库（CEI：China-Economic Information）。

（二）货币政策

货币政策（Monetary Policy）是指政府或中央银行为影响经济活动所采取的一系列可行规章措施，尤指控制货币供给及调控利率的各项规章措施，这些规章措施是当代各国政府干预和调节宏观经济运行的主要政策之一。这一政策通常将其分为广义的货币政策和狭义的货币政策。政府、中央银行及宏观经济部门用广义的货币政策，既所有与货币相关的规定及采取的一系列影响货币数量和货币收支的措施，管控宏观经济走向。同时，中央银行利用狭义的货币政策，既为实现既定目标运用各种工具调节货币供应量，影响宏观经济运行的各种方针措施，推动政策目标、政策工具、中介指标和操作指标协调发展，保证具体经济工作目标的实现。

中央银行货币政策运行包括：一是存款准备金政策。存款准备金政策是中央银行通过调整法定存款准备金比率，影响商业银行信贷规模，从而影响货币供应量的一种货币政策工具。这是一种威力强大、效果显著的货币政策工具，往往能迅速达到预定的中介目标，甚至直接达到预期的最终目标。其不足是不适合微调，也不能经常使用。二是再贴现政策。再贴现政策是中央银行通过提高或降低再贴现率来影响商业银行的信贷规模和市场利率，从而影响货币供应量的一种货币政策工具。这项政策对调节货币供应量、调整信贷结构均有一定效果，并能在一定程度上反映中央银行的政策意图，起到预警效用。此外，中央银行可利用它来履行最后贷款人的职能，防止金融恐慌，有利于稳定国家经济，但中央银行在运用此工具时始终处于被动地位。三是公开市场业务。中央银行在金融市场上公开买进或卖出有价证券（特别是政府证券），以投放或回笼基础货币，控制货币供应量，并影响市场利率。公开市场业务主动权完全在中央银行，具有极强的可逆转性，且操作迅速，不会有延误。

运用货币政策一般均采取控制货币发行、控制和调节对政府的贷款、改变存款准备金率、推行公开市场业务、选择性信用管制、调整再贴现率、直接信用管制等方式方法，以期达到平衡收支、充分就业、稳定物价、促进经济增长的终极目标。然而，货币政策具局限性，货币政策影响利率必须以货币流动速度不变为前提，通胀时紧缩的货币政策比较有效，而通货紧缩时扩张的货币政策效果不明显，货币政策的外部时滞影响政策效果。

以往研究将利率作为货币政策的指标，即高利率意味着紧缩性货币政策，反之亦然。然而，利率在中国经济中的作用很小[24]。Fan等[24]发现，从经验上看，货币供应量应对通货膨胀率和实际产出都有积极回应，同时对未来通货膨胀率和实际产出产生一定影响。然而，另一方面，我国官方利率对通货膨胀率的反应是被动的，对实际产出没有反应。此外，它们对未来通胀率和实际产出没有影响。货币供应量可以代表一个国家的货币政策立场。在我国，基础货币包括流通中的货币和中央银行持有的商业银行储备。然而，商业银行存款准备金率的频繁变化使得基础货币的变化难以解释[24]。

广义货币供应量（M2）可以作为我国货币政策的一个很好的指标。首先，它吸引了很多决策者的注意力。中国人民银行（PBC）只为广义货币设定了货币政策中间目标，而不包括狭义货币和2007年及以后新增人民币贷款。中国人民银行为广义货币设定年度增长目标，并在季度报告中密切关注广义货币的变动。第二，如前所述，银行准备金的变动很难解释，因此不包括在广义货币之内。第三，鉴于控制货币总量可能产生的问题，使用这样一个广义货币总量作为货币政策指标稍有存疑。然而，与许多发达经济体相反，我国政府确实控制着广义货币。因为，公共部门在中国所有主要银行中仍然持有多数股权。广义货币的使用是合理的，因为它可以全面地捕捉到这些政策工具对经济的影响[24]。

（三）过渡变量

综上所述，实验选择广义货币（M2）作为衡量货币政策立场的解释变量。研究选取广义货币（以M2为代表）作为过渡变量，研究收缩和扩张阶段货币政策对银行风险的影响。货币供应量的变化反映了货币政策的变化，即货币政策的扩张和收缩。

（四）控制变量

宏观经济状况会影响银行资产和负债，从而影响其风险水平。选取采购经理人指数（PMI）和房地产价格指数作为控制变量。

采购经理人指数（PMI）衡量宏观经济的繁荣或萧条，反映宏观经济形势对银行风险的影响。采购经理人指数（PMI）作为衡量制造业经济健康状况的指标，在世界范围内得到广泛应用。采购经理人指数基于关键指标：新订单、库存水平、生产、供应商交货和就业环境。与上月相比，PMI超过50意味着商业活动的扩张。读数低于50表示收缩，而读数为50表示没有变化。PMI通常在本月初公布，这比大多数有关工业产出、制造业和GDP增长的官方数据都要早。

近年来，房地产市场火爆，房地产贷款在我国银行信贷中占有相当大的比重，带来潜在风险。选取以H为代表的房地产价格指数作为控制变量，以反映房地产市场对银行风险的影响。

三、研究结果与分析

（一）线性和无剩余非线性结果

线性检验结果见表3，结果表明，模型为线性的原假设在Wald检验中以5%显著性水平下被拒绝，这意味着货币政策和银行风险之间的关系确实是非线性的。这为本研究在实证分析中使用非线性模型提供支持性证据。在假设双体制模型（2个制度）中，表4给出了无剩余非线性的测试结果。零假设不能被拒绝，这意味着模型只有一个阈值和两个制度。因此，只有一个临界水平的货币供应量，以区分低货币供应量制度和高货币供应量制度。

表3 线性测试

表4 无剩余非线性的测试（测试状态数）

（二）模型估计结果

研究利用非线性最小二乘法来估计参数。在参数估计之前，应用网格搜索法确定过渡速度（γ）和位置参数（c）的初始值。迭代次数越多，初始值越好。为保证计算结果准确性的同时控制程序运行效率，迭代次数设为20 000次。估计模型参数见表5。

表5 PSTR模型估计（因变量：EDF）

这是一个双体制PSTR模型，跃迁速度正且低，位置参数（3.582×106）百万元在过渡变量（M2）的变化区间内。当货币供应量超过3.582×104亿元人民币时，模型逐渐向高位靠拢，并随过渡变量的增加而增大。当货币供应量在3.582×104亿元人民币以下时，随着过渡变量减小，模型逐渐下降到低区间的制度中。货币政策等变量对银行风险的影响随着过渡变量值的变化而在高、低制度之间平稳并逐渐过渡。在此段时间间隔内：货币供应量仅有四个季度超过位置参数；而在其余季度，货币供应量低于位置参数。这表明货币政策和其他变量对银行风险的影响主要集中在低货币供应量的制度体系中。

过渡变量（货币供应量）的系数在统计上是不显著的，且对于高状态是正的；在低区域（β0）是正的，具有统计显著性。

货币供应量扩大意味着宽松的货币和监管环境，容易刺激银行的风险行为。当货币供应量在3.582×104亿元以下时，更多的货币供应量倾向于鼓励银行承担风险。

（三）稳健性检验

稳健性检验使用变量替换法，替换修正衡量指标进行检验。检验货币政策在不同宏观环境下对银行风险的非线性影响。以预期违约率（EDF）为被解释变量，以广义货币（M2）代表的货币供应量为解释变量，以制造业采购经理指数（PMI）为转换变量，以房地产价格指数（H）为控制变量，建立PSTR面板回归模型，如下所示。

进行线性检验，结果如表6。

表6 线性测试

模型为线性的这一原假设在Wald检验中以5%显著性水平下被拒绝，表明存在非线性关系。

在假设双体制模型中，表7给出了无剩余非线性的测试结果。结果表明，零假设不能被拒绝，这意味着模型只有一个阈值和两个制度。

表7 无剩余非线性的测试（测试状态数）

采购经理人指数反应宏观经济环境的不同情况。银行风险随PMI的变化在不同体制中平滑转换。宏观经济环境对货币供应量于银行风险的影响有刺激作用。

四、结论

研究以2007年至2012年中国银行业季度数据为基础，运用面板平滑过渡回归（PSTR）方法检验货币政策对银行风险的影响。研究结果支持使用非线性模型来解释货币政策与银行风险之间的关联。研究结果表明，随着3.582×104亿元货币供应量临界值水平的变化，货币政策等变量对银行风险的影响呈现由高到低的平稳渐进过渡过程。过渡变量货币供应量对两种制度下的银行风险都有正向影响。但是，在高制度下，在统计上不显著，在低制度下则显著。研究表明，与股票市场和货币市场一样，商业银行样本也存在非对称效应。控制变量的影响也有参考价值。整体而言，采购经理人指数对银行风险的影响是负的，在高水平和低水平上都有统计学意义。对于房地产价格指数，在低水平下具有负效应，其系数在统计上不显著；在高阶段，它具有正效应，具有显著的统计显著性。采购经理人指数比大多数工业产出、制造业和GDP增长的官方数据都要早很多，是良好的经济活动的先行指标。采用的采购经理人指数这一指标，为我们大国制造业的增长趋势，提供了较早的宏观经济指标，具有较深远的研究意义。