張 勇

(華南師范大學(xué)經(jīng)濟與管理學(xué)院，廣東 廣州 510006)

銀根緊縮與銀行信貸資金行業(yè)配置行為
——來自SVAR模型的經(jīng)驗證據(jù)

張 勇

(華南師范大學(xué)經(jīng)濟與管理學(xué)院，廣東 廣州 510006)

從我國銀行貸款傳導(dǎo)渠道的典型事實出發(fā)，通過建立SVAR模型，并以2003－2009年為研究區(qū)間，考察緊縮性政策影響下我國銀行信貸資金的行業(yè)配置行為。研究發(fā)現(xiàn)，當(dāng)人民銀行上調(diào)政策利率之后，銀行會根據(jù)不同借款主體的可抵押品價值高低而產(chǎn)生不同程度的違約風(fēng)險預(yù)期，并將信貸資金配置到抵押品價值較高的工業(yè)和商業(yè)貸款，同時減少了抵押品價值較低的農(nóng)業(yè)貸款。這也就意味著，緊縮性政策的操作會通過資產(chǎn)負(fù)債表效應(yīng)決定銀行信貸資金行業(yè)配置行為，并可能影響到經(jīng)濟結(jié)構(gòu)的戰(zhàn)略性調(diào)整。

緊縮性政策 信貸資金行業(yè)配置行為 資產(chǎn)負(fù)債表效應(yīng) SVAR

一、引 言

隨著我國國民經(jīng)濟運行企穩(wěn)回升，加快經(jīng)濟結(jié)構(gòu)戰(zhàn)略性調(diào)整被確定為國民經(jīng)濟和社會發(fā)展第十二個五年規(guī)劃的主攻方向。在此背景下，中國人民銀行綜合運用多種貨幣政策工具，通過加強流動性管理，在將貨幣條件從反危機的極度寬松狀態(tài)逐步向常態(tài)回歸的同時，著力引導(dǎo)銀行優(yōu)化信貸資金行業(yè)配置結(jié)構(gòu)，進而增強信貸資金支持經(jīng)濟結(jié)構(gòu)調(diào)整的均衡性和可持續(xù)性。然而，在緊縮性政策的影響下，銀行在信貸資金行業(yè)配置方向上卻表現(xiàn)出了顯著的差異性，并可能在一定程度上影響貨幣當(dāng)局通過銀行貸款傳導(dǎo)渠道實現(xiàn)經(jīng)濟結(jié)構(gòu)調(diào)整目標(biāo)。那么，由此提出的問題是，緊縮性的政策會對銀行信貸資金行業(yè)配置行為產(chǎn)生什么樣的影響?對這一問題的解答，不僅可以從銀行微觀行為的層面上理解銀行貸款傳導(dǎo)渠道的內(nèi)在機理，而且還有助于發(fā)揮貨幣政策在促進經(jīng)濟結(jié)構(gòu)調(diào)整中的積極作用。

從西方經(jīng)濟學(xué)文獻來看，國外學(xué)者對這一議題的探討，主要是以利率市場化程度較高的國家為背景，從中央銀行上調(diào)政策利率(policy rate)之后，緊縮性政策對不同行業(yè)的借款主體所形成的資產(chǎn)負(fù)債表效應(yīng)(balance sheet effect)的角度加以展開(Bernanke，Gertler，1995)①他們在考察銀行貸款傳導(dǎo)渠道的有效性時，首次將資產(chǎn)負(fù)債表效應(yīng)引入到傳導(dǎo)渠道的討論之中。參見Ben S.Bernanke and Mark Gertler.Inside the Black Box:The Credit Channel of Monetary Policy Transmission.Journal of Economic Perspectives，1995(9):27 －48.。具體而言，在發(fā)達的金融市場中，政策利率的上調(diào)會導(dǎo)致借款主體所持有的資產(chǎn)價格下跌，同時又通過抑制總需求進而影響營業(yè)收入并形成融資缺口，最終削減借款主體的抵押品價值，并加速其資產(chǎn)負(fù)債表質(zhì)量狀況的惡化。那么，在信息不完美的情況下，銀行就會根據(jù)抵押品價值的高低而對借款主體產(chǎn)生不同程度的違約風(fēng)險預(yù)期，并將其信貸資產(chǎn)配置到抵押品價值受緊縮性政策影響較小的借款主體上，從而也就決定了信貸資金的行業(yè)配置行為。Den Haan et al.(2007，2009)，Jean －Stéphane Mésonniery(2008)分別以美國、加拿大和法國的銀行業(yè)為研究對象發(fā)現(xiàn)，當(dāng)政策利率上升時，銀行均增加了工商業(yè)貸款而減少了家庭消費貸款，這就可能表明，家庭可抵押品價值受緊縮性政策的影響而下降更為顯著［1－3］。

這些前瞻性的研究成果給我們提供了一個新的研究思路。那么，當(dāng)人民銀行采取緊縮性政策操作時，是否會通過資產(chǎn)負(fù)債表效應(yīng)而決定銀行信貸資金的行業(yè)配置行為呢?事實上，自從1994年我國銀行業(yè)信貸規(guī)模管理逐步取消，以銀行間同業(yè)拆借市場成立為標(biāo)志的利率市場化體系建立，各個層次的市場利率已成為貨幣政策傳導(dǎo)機制的政策工具和中介目標(biāo)。而且，人民銀行開始調(diào)控以央票發(fā)行利率為主導(dǎo)的政策利率，并由利率期限結(jié)構(gòu)作用于中長期利率，最終影響到投資、消費以及資產(chǎn)價格的波動?？梢酝普?，政策利率的未預(yù)期波動有可能也會通過上述渠道影響到借款主體的可抵押品價值，進而形成資產(chǎn)負(fù)債表效應(yīng)并導(dǎo)致信貸資金行業(yè)配置行為的變化。

目前國內(nèi)學(xué)者對這一議題的研究尚未充分展開。大多數(shù)文獻更多局限于銀行在信貸資金和證券資產(chǎn)之間的組合行為分析，而并未深入到對信貸資金微觀成分的討論(劉斌，2005;索彥峰，2007)［4，5］。葉康濤和祝繼高(2009)探討了緊縮性政策影響下銀行在不同成長性行業(yè)展開的信貸資金配置行為，但是并未從資產(chǎn)負(fù)債表效應(yīng)的角度考察信貸資金行業(yè)配置行為［6］。鑒于此，本文試圖從我國銀行貸款傳導(dǎo)渠道的典型事實出發(fā)，建立結(jié)構(gòu)向量自回歸模型(SVAR)，并在對模型結(jié)構(gòu)系數(shù)估計的基礎(chǔ)上，構(gòu)建政策利率沖擊下不同行業(yè)貸款的響應(yīng)函數(shù)并進行比較，從而觀察銀行信貸資金的行業(yè)配置行為。

二、結(jié)構(gòu)向量自回歸模型的設(shè)定

自從2003年4月人民銀行在公開市場操作中啟動央行票據(jù)發(fā)行以彌補現(xiàn)券持有量不足之后，央行票據(jù)逐步成為貨幣政策操作的日常性微調(diào)工具①參見余明:《我國央行票據(jù)沖銷操作政策傳導(dǎo)路徑的實證研究》，載《金融研究》2009年第2期。，由此人民銀行初步建立了間接性銀行貸款傳導(dǎo)渠道，并試圖以央票發(fā)行利率作為主要政策利率，引導(dǎo)銀行貸款行為，進而實現(xiàn)價格和產(chǎn)出目標(biāo)。基于上述分析，為了刻畫政策利率決定銀行貸款，并最終影響產(chǎn)出和價格的傳導(dǎo)機制，我們建立了包含產(chǎn)出、價格、銀行貸款、政策利率的四元結(jié)構(gòu)向量自回歸模型(SVAR)，如式(1)所示。

其中，Y，P，L，R 分別表示產(chǎn)出、價格、銀行貸款和政策利率。A表示內(nèi)生變量同期決定關(guān)系的系數(shù)矩陣，Ci表示滯后第i階的系數(shù)矩陣，B表示某一變量的隨機沖擊對內(nèi)生變量產(chǎn)生影響的系數(shù)矩陣，u表示結(jié)構(gòu)化隨機沖擊，一般假設(shè)為正交。這樣，我們在對SVAR模型估計其結(jié)構(gòu)系數(shù)的基礎(chǔ)上，建立政策利率沖擊下銀行貸款的響應(yīng)函數(shù)。

可以根據(jù)銀行貸款傳導(dǎo)渠道的現(xiàn)實情況和經(jīng)濟理論作出以下假設(shè):(1)產(chǎn)出僅受自身沖擊的影響，即b12=0，b13=0，b14=0;(2)根據(jù)菲利普斯曲線的產(chǎn)出缺口決定價格變動的機制，可以假定價格除了受自身沖擊影響之外，還受到產(chǎn)出沖擊的影響，即b23=0，b24=0;(3)人民銀行根據(jù)產(chǎn)出和價格的變動相應(yīng)調(diào)整政策利率，可以假定政策利率除了受自身沖擊影響之外，還受到產(chǎn)出和價格沖擊的影響，即b34=0。這樣，在SVAR模型識別和估計之后轉(zhuǎn)化為移動平均表達式，即可建立政策利率沖擊下銀行貸款的響應(yīng)函數(shù)φn，如式(3)所示:

其中，n表示沖擊作用下時間滯后間隔。

三、數(shù)據(jù)分析與模型估計

由于本文的目的是試圖考察政策利率沖擊下不同行業(yè)貸款的響應(yīng)函數(shù)并進行比較，因此，根據(jù)現(xiàn)行金融統(tǒng)計數(shù)據(jù)的可獲得性，分別建立了三組由產(chǎn)出、價格、銀行貸款、政策利率構(gòu)成的SVAR模型。其中，根據(jù)我國現(xiàn)行金融統(tǒng)計制度的特點，銀行貸款分別取工業(yè)、商業(yè)和農(nóng)業(yè)貸款三種情形。這樣，我們就可在估計模型結(jié)構(gòu)系數(shù)的基礎(chǔ)上計算出政策利率沖擊下各類行業(yè)貸款的響應(yīng)函數(shù)。

(一)數(shù)據(jù)來源與說明

產(chǎn)出由消除趨勢后的對數(shù)實際GDP表示，其中實際GDP是由名義GDP經(jīng)1994年為基期的定基比CPI調(diào)整而得到，名義GDP值又取自《中國經(jīng)濟景氣月報》。價格P由消除趨勢后的對數(shù)定基比CPI表示，該價格指數(shù)是根據(jù)謝安(1998)［7］、《中國經(jīng)濟景氣月報》提供的環(huán)比CPI經(jīng)過連乘計算而得。銀行貸款L由消除趨勢后的對數(shù)工業(yè)貸款、商業(yè)貸款和農(nóng)業(yè)貸款表示，貸款數(shù)據(jù)取自《中國人民銀行統(tǒng)計季報》發(fā)布的金融機構(gòu)人民幣信貸收支表。政策利率R由消除趨勢后的3個月央票發(fā)行利率表示，利率值取自中國債券信息網(wǎng)。上述變量的趨勢值均采用Hodrick－Prescott過濾法估計而得，樣本區(qū)間為2003年2季度至2009年4季度，各個變量的波動趨勢如圖1所示。

圖1 各個變量波動趨勢

不難看出，人民銀行在2005年1季度至2008年3季度期間內(nèi)采取了持續(xù)上調(diào)央票發(fā)行利率的緊縮性政策操作，那么，就各類行業(yè)貸款的波動趨勢來看，農(nóng)業(yè)貸款值先從0.967%持續(xù)降至－2.233%，工業(yè)貸款值則從－1.905%持續(xù)升至3.675%，商業(yè)貸款值則先從 －4.805%降至2006年1季度的－7.925%，然后轉(zhuǎn)為升至 1.724%?？梢?，在緊縮性政策影響下，銀行在信貸資金的行業(yè)配置上表現(xiàn)出了巨大的差異性。

(二)模型估計與結(jié)果分析

首先采用ADF方法對上述變量展開平穩(wěn)性檢驗，檢驗結(jié)果表明，各變量均為平穩(wěn)序列。

此外，SIC和 AIC表明，SVAR滯后階數(shù)為2。這樣，在施加可識別性的約束條件之后，采用似然比檢驗即可估計出三組SVAR模型中B矩陣的結(jié)構(gòu)系數(shù)，估計結(jié)果如表1所示。

表1 結(jié)構(gòu)系數(shù)估計結(jié)果

在模型結(jié)構(gòu)系數(shù)估計的基礎(chǔ)上，分別計算1個正向標(biāo)準(zhǔn)差的央票發(fā)行利率沖擊下各類行業(yè)貸款的響應(yīng)函數(shù)，如圖2所示。其中，橫軸表示預(yù)測期間，縱軸表示各類行業(yè)貸款作出響應(yīng)的百分比。此外，用表2概括了上圖中各個變量的響應(yīng)結(jié)果。

圖2 利率沖擊下各變量的響應(yīng)函數(shù)

表2 利率沖擊下各變量的響應(yīng)結(jié)果

由以上圖表分析可知，工業(yè)貸款在第1期作出了0.117968%的正向響應(yīng)，到第 2期已達到1.938923%的響應(yīng)峰值，隨后逐期衰減直至第20期的－0.497519%并趨近于零。商業(yè)貸款在第1期作出了0.466783%正向響應(yīng)并達到了響應(yīng)峰值，隨后逐期衰減直至第18期的－0.01426%并趨近于零。然而，農(nóng)業(yè)貸款在第1期作出了－0.420248%的負(fù)向響應(yīng)，并到第4期達到－0.979844%的響應(yīng)谷值，隨后逐期衰減直至第20期的－0.042473%并趨近于零。不難看出，在人民銀行上調(diào)央票發(fā)行利率的沖擊下，工業(yè)和商業(yè)貸款投放增加，而農(nóng)業(yè)貸款投放減少，并且工業(yè)貸款增加的幅度超過了商業(yè)貸款。那么，如果從緊縮性政策對不同行業(yè)的借款主體所形成的資產(chǎn)負(fù)債表效應(yīng)來看，這也就意味著，工業(yè)的借款主體可抵押品價值受緊縮性政策的影響最小，其次為商業(yè)的借款主體，而農(nóng)業(yè)的借款主體可抵押品價值下降可能最大。這樣，銀行就會對不同借款主體產(chǎn)生不同程度的違約風(fēng)險預(yù)期，從而將信貸資金首先配置于可抵押品價值較高的工業(yè)，其次為商業(yè)，再次為農(nóng)業(yè)。

四、結(jié)論與政策建議

本文從我國銀行貸款傳導(dǎo)渠道的典型事實出發(fā)，通過建立SVAR模型考察了緊縮性政策影響下我國銀行信貸資金的行業(yè)配置行為。研究表明，當(dāng)人民銀行上調(diào)政策利率之后，銀行會根據(jù)不同借款主體的可抵押品價值高低而產(chǎn)生不同程度的違約風(fēng)險預(yù)期，并將信貸資金配置到抵押品價值較高的工業(yè)和商業(yè)貸款，同時減少了抵押品價值較低的農(nóng)業(yè)貸款。這也就意味著，緊縮性政策的操作會通過資產(chǎn)負(fù)債表效應(yīng)決定銀行信貸資金行業(yè)配置行為。

事實上，上述結(jié)論也就表明，銀行信貸資金行業(yè)配置對借款主體可抵押品價值具有高度依賴性，這有助于銀行出于資產(chǎn)安全性的考慮而規(guī)避違約風(fēng)險，但是也可能造成資金配置效率低下，對高效率和成長性行業(yè)的資金投放不足，并鼓勵了追求數(shù)量、依賴投資的粗放型經(jīng)濟增長方式，從而從長期看，并非有利于經(jīng)濟結(jié)構(gòu)戰(zhàn)略性調(diào)整和經(jīng)濟發(fā)展方式的轉(zhuǎn)變。由此，提出以下三點建議。

1.人民銀行應(yīng)充分關(guān)注銀行信貸資金行業(yè)配置行為，將其納入到貨幣政策預(yù)警和監(jiān)測體系之中，并靈活運用貸款貼息、信貸優(yōu)惠政策和窗口指導(dǎo)等準(zhǔn)行政性手段，以及設(shè)計與銀行信貸資金行業(yè)配置行為相掛鉤的差別性政策工具，積極引導(dǎo)銀行對成長性行業(yè)和具有發(fā)展?jié)摿π袠I(yè)的信貸投入，進而強化貨幣政策支持經(jīng)濟結(jié)構(gòu)調(diào)整和經(jīng)濟發(fā)展方式轉(zhuǎn)變的力度。

2.加強產(chǎn)業(yè)政策宏觀導(dǎo)向的作用。通過制定科學(xué)的產(chǎn)業(yè)政策，定期向社會公布國家支持、限制和禁止投資的行業(yè)目錄，指導(dǎo)銀行信貸投向，尤其是以該行業(yè)的成長性及其對經(jīng)濟增長的推動力作為主要依據(jù)，對資源、制造業(yè)、房地產(chǎn)等“高污染、高耗能、產(chǎn)能過剩”行業(yè)，嚴(yán)格限制任何形式的授信支持。

3.完善銀行信貸資金投放的考核制度和激勵機制，鼓勵銀行進行金融服務(wù)模式和業(yè)務(wù)流程的自主創(chuàng)新，探索推進知識產(chǎn)權(quán)、自主品牌質(zhì)押貸款，并支持火炬、星火等科技發(fā)展計劃項目，從而逐漸擺脫固定資產(chǎn)抵押貸款的約束。

［1］Den Haan，J.Wouter，Steven W.Sumner and Guy M.Yamshiro.Bank Loan Portfolios and the Monetary Transmission Mechanism.Journal of Monetary Economics，2007，54:904 －924.

［2］Den Haan，J.Wouter，Steven W.Sumner and Guy M.Yamshiro.Bank Loan Portfolios and the Canadian Monetary Transmission Mechanism.Canadian Journal of Economics，2009，42:1150 －1175.

［3］Jean － Stéphane Mésonniery.Bank Loan Portfolios，Bank Heterogeneity and the Bank Lending Channel:New Macro Evidence for France.CCBS Forum Working Paper，2008:1－30.

［4］劉斌.資本充足率對我國貸款和經(jīng)濟影響的實證研究.金融研究，2005(11).

［5］索彥峰.轉(zhuǎn)型期中國貨幣政策信用傳導(dǎo)機制研究.南京:南京大學(xué)博士學(xué)位論文，2007:61－84.

［6］葉康濤，祝繼高.銀根緊縮與信貸資源配置.管理世界，2009(1).

［7］謝安.對我國消費價格指數(shù)編制方法的一點看法.統(tǒng)計研究，1998(3).

張 勇(1976—)，男，安徽安慶人，經(jīng)濟學(xué)博士，華南師范大學(xué)經(jīng)濟與管理學(xué)院副教授。

教育部人文社會科學(xué)研究一般項目“銀行非自愿超額準(zhǔn)備金波動與貨幣政策微調(diào)性操作”(09YJC790098)

2011－02－20

F832.33

A

1000－5455(2011)03－0100－04

【責(zé)任編輯:于尚艷】