金雯雯，杜亞斌

(南京大學(xué)商學(xué)院，江蘇南京 210093)

我國(guó)信貸是持續(xù)順周期的嗎
——基于期限結(jié)構(gòu)視角的時(shí)變參數(shù)研究

金雯雯，杜亞斌

(南京大學(xué)商學(xué)院，江蘇南京 210093)

信貸順周期問(wèn)題一直是理論與實(shí)務(wù)界關(guān)注的熱點(diǎn)。本文運(yùn)用TVP－VAR模型對(duì)2000至2012年間中國(guó)信貸順周期效應(yīng)進(jìn)行實(shí)證檢驗(yàn)，結(jié)果顯示，在控制了貨幣政策影響后，我國(guó)信貸的順周期效應(yīng)存在時(shí)變性;在部分時(shí)段信貸量逆經(jīng)濟(jì)周期變化;短期和中長(zhǎng)期貸款的順周期特征存在差異，中長(zhǎng)期貸款的順周期效應(yīng)大于短期貸款。因此，逆周期資本監(jiān)管應(yīng)調(diào)整思路，避免一刀切。資本監(jiān)管及信貸調(diào)控政策應(yīng)加強(qiáng)對(duì)信貸期限結(jié)構(gòu)的關(guān)注。

信貸;順周期;TVP－VAR模型

一、引 言

信貸順周期問(wèn)題一直是理論與實(shí)務(wù)界關(guān)注的熱點(diǎn)。次貸危機(jī)爆發(fā)后，金融順周期尤其是信貸順周期問(wèn)題被認(rèn)為是危機(jī)加深的重要推手。此后信貸順周期問(wèn)題再次成為關(guān)注的焦點(diǎn)。

信貸順周期，又稱信貸親周期，一般指金融部門的信貸投放會(huì)與實(shí)體經(jīng)濟(jì)呈現(xiàn)同向變動(dòng)關(guān)系，在經(jīng)濟(jì)繁榮時(shí)，銀行放款業(yè)務(wù)會(huì)增加［1］。這種關(guān)系會(huì)擴(kuò)大經(jīng)濟(jì)周期性的波動(dòng)程度，并造成或加劇金融部門的不穩(wěn)定性［2］。為避免信貸過(guò)度超常規(guī)增長(zhǎng)導(dǎo)致風(fēng)險(xiǎn)積累，2010年12月16日，巴塞爾委員會(huì)正式發(fā)布《各國(guó)監(jiān)管當(dāng)局實(shí)施逆周期資本緩沖指引》，建議各國(guó)監(jiān)管當(dāng)局根據(jù)本國(guó)銀行業(yè)發(fā)展實(shí)際，制定和實(shí)施逆周期資本緩沖政策。我國(guó)隨后出臺(tái)一系列“逆周期”資本監(jiān)管新規(guī)和信貸調(diào)控政策，引導(dǎo)信貸適度增長(zhǎng)。這對(duì)維持金融體系的穩(wěn)健性、防止實(shí)體經(jīng)濟(jì)劇烈波動(dòng)成效顯著。在當(dāng)前國(guó)內(nèi)外復(fù)雜形勢(shì)下，如何結(jié)合我國(guó)實(shí)際，有效實(shí)施逆周期調(diào)控仍面臨諸多難點(diǎn)和挑戰(zhàn)。政策調(diào)控的難度之一在于如何前瞻性地對(duì)信貸“周期”進(jìn)行準(zhǔn)確判斷。如果不能準(zhǔn)確把握信貸的周期特征，就不能正確把握逆周期監(jiān)管政策的方向和力度，結(jié)果可能令政策失效，甚至加劇“金融加速器”效應(yīng)。

在當(dāng)前我國(guó)信貸總量快速增長(zhǎng)的同時(shí)，信貸期限結(jié)構(gòu)也發(fā)生了較大的變化，這給信貸周期的研究帶來(lái)新的課題。數(shù)據(jù)顯示，2012年我國(guó)GDP同比增長(zhǎng)7.8%(經(jīng)合組織把這一年定為我國(guó)經(jīng)濟(jì)增長(zhǎng)的低迷期)，全年貸款總額同比增長(zhǎng)15%，其中短期貸款異?；钴S，全年增長(zhǎng)22%，而中長(zhǎng)期貸款持續(xù)低迷，甚至在2012年11月和12月連續(xù)兩次出現(xiàn)負(fù)增長(zhǎng)。信貸結(jié)構(gòu)變化的這一新局面引發(fā)筆者思考:在考慮了期限結(jié)構(gòu)后，信貸量是否持續(xù)順周期變化?不同期限信貸的周期特征是否存在差異?

二、文獻(xiàn)回顧

已有文獻(xiàn)大多從信貸總量上對(duì)信貸順周期問(wèn)題進(jìn)行研究。國(guó)外學(xué)術(shù)界對(duì)于信貸順周期的結(jié)論基本一致:在經(jīng)濟(jì)上升期，信貸數(shù)量增加，在經(jīng)濟(jì)衰退期則下降，即信貸具有明顯的順周期性。Bernanke［1］指出，金融體系會(huì)與經(jīng)濟(jì)周期呈現(xiàn)同向變動(dòng)，在經(jīng)濟(jì)繁榮時(shí)，銀行放款業(yè)務(wù)都會(huì)增加。Borio，F(xiàn)urfine以及Low等人［3］的實(shí)證分析發(fā)現(xiàn)，在經(jīng)濟(jì)周期的運(yùn)行過(guò)程中，商業(yè)銀行的放貸行為具有顯著的順周期性。金融系統(tǒng)具有一種內(nèi)生的順經(jīng)濟(jì)周期性，即對(duì)風(fēng)險(xiǎn)的認(rèn)知與承擔(dān)意愿一樣，都會(huì)隨著經(jīng)濟(jì)的上下波動(dòng)而變化。這些順周期行為與實(shí)體經(jīng)濟(jì)的相互作用將放大經(jīng)濟(jì)波動(dòng)。Bikker和Hu［4］通過(guò)對(duì)26個(gè)OECD國(guó)家1979－1999年的相關(guān)數(shù)據(jù)分析研究后也得出了類似的結(jié)論:經(jīng)濟(jì)上升期，銀行利潤(rùn)、損失準(zhǔn)備金和信貸數(shù)量都在增加，相反，經(jīng)濟(jì)衰退期則都在下降。

國(guó)內(nèi)學(xué)者也從不同角度對(duì)我國(guó)信貸的順周期問(wèn)題進(jìn)行研究，得到的結(jié)論不完全一致。馮科，等［5］利用VEC模型及互譜分析方法，探討了中國(guó)商業(yè)銀行信貸的順周期行為現(xiàn)狀，發(fā)現(xiàn)我國(guó)商業(yè)銀行在經(jīng)濟(jì)繁榮時(shí)擴(kuò)張借貸，在經(jīng)濟(jì)衰退時(shí)惜貸。陳昆亭等［6］得到不同的結(jié)論，他們運(yùn)用濾波方法分析1991至2010年間中國(guó)GDP增長(zhǎng)率與信貸余額增長(zhǎng)率的季度數(shù)據(jù)，結(jié)果顯示信貸余額表現(xiàn)為階段順周期和階段反周期關(guān)系，特別是次貸危機(jī)后信貸與產(chǎn)出顯著背離。方芳、劉鵬［7］運(yùn)用時(shí)差相關(guān)系數(shù)、格蘭杰因果檢驗(yàn)和VAR模型研究了改革開放以來(lái)中國(guó)金融順周期問(wèn)題，發(fā)現(xiàn)經(jīng)濟(jì)波動(dòng)對(duì)信貸增長(zhǎng)在短期有較強(qiáng)正向影響，但長(zhǎng)期影響微弱。

雖然目前大多數(shù)有關(guān)信貸順周期的研究尚未考慮到信貸期限結(jié)構(gòu)，但在信貸經(jīng)濟(jì)效應(yīng)的研究中，已有學(xué)者開始關(guān)注這一問(wèn)題。范從來(lái)等［8］指出，“中國(guó)在信貸總量快速增長(zhǎng)的同時(shí)，信貸結(jié)構(gòu)也發(fā)生了較大的變化，包括信貸持有部門結(jié)構(gòu)和信貸期限結(jié)構(gòu)。單純地分析信貸總量顯得過(guò)于模糊?！痹趯?shí)證分析中，采用不同期限的信貸進(jìn)行研究，可能得到不同的結(jié)論”。因此，本文基于信貸期限結(jié)構(gòu)對(duì)信貸總量進(jìn)行分解，分別研究不同期限信貸的順周期特征，是對(duì)信貸周期理論的一個(gè)有益補(bǔ)充。

從研究方法來(lái)看，不少學(xué)者根據(jù)時(shí)差相關(guān)系數(shù)判斷信貸的順周期性(陳磊［9］，方芳、劉鵬［7］等)，但這種方法在滯后期數(shù)選取時(shí)存在主觀性，而滯后期數(shù)不同得到的結(jié)論可能截然相反。另一種常用做法是用向量自回歸(VAR)模型檢驗(yàn)貸款增長(zhǎng)對(duì)經(jīng)濟(jì)增長(zhǎng)沖擊的響應(yīng)(方芳、劉鵬［7］，李麟、索彥峰［10］等)，該方法可根據(jù)信息準(zhǔn)則確定滯后期，克服了時(shí)差相關(guān)系數(shù)的主觀性問(wèn)題。但固定參數(shù)向量自回歸(VAR)模型假設(shè)模型的系數(shù)和波動(dòng)率恒定，考慮到現(xiàn)實(shí)中經(jīng)濟(jì)變量的數(shù)據(jù)生成可能存在系數(shù)漂移和波動(dòng)率沖擊，這些約束將導(dǎo)致模型設(shè)定偏誤。Primiceri［11］提出的帶隨機(jī)波動(dòng)率的TVP－VAR模型能很好地捕捉經(jīng)濟(jì)結(jié)構(gòu)中的時(shí)變特性，彌補(bǔ)了傳統(tǒng)VAR模型不能刻畫參數(shù)時(shí)變性的缺陷。另一方面，該模型可以根據(jù)邊際似然值確定最優(yōu)滯后階數(shù)，避免了階數(shù)選取的主觀性問(wèn)題。

國(guó)內(nèi)外已有一些學(xué)者運(yùn)用該方法研究各國(guó)的經(jīng)濟(jì)問(wèn)題。Baumeister，Durinck 和 Peersman［12］將 TVP－VAR模型應(yīng)用于歐洲數(shù)據(jù)，估計(jì)了流動(dòng)性過(guò)剩沖擊對(duì)宏觀經(jīng)濟(jì)變量的影響;D'Agostino，Gambetti和Giannone［13］利用TVP－VAR模型來(lái)預(yù)測(cè)美國(guó)宏觀經(jīng)濟(jì)變量;Jouchi Nakajima等［14］利用TVP－VAR模型研究日本經(jīng)濟(jì)，并根據(jù)邊際似然值得出TVPVAR模型優(yōu)于其它固定參數(shù)VAR模型的結(jié)論。Benati和Mumtaz［15］利用符號(hào)約束的 TVP－VAR 模型研究英國(guó)經(jīng)濟(jì)，并試圖尋找英國(guó)經(jīng)濟(jì)穩(wěn)定和通貨膨脹預(yù)期不確定的來(lái)源;我國(guó)學(xué)者牟敦國(guó)、林伯強(qiáng)［16］利用該模型研究我國(guó)工業(yè)增加值、電力消費(fèi)量和煤炭?jī)r(jià)格之間的互動(dòng)影響。

已有文獻(xiàn)的時(shí)變參數(shù)分析為我們檢驗(yàn)信貸順周期性提供了有益的啟發(fā)，筆者目前尚未見到有關(guān)信貸順周期效應(yīng)的時(shí)變參數(shù)分析。本文運(yùn)用時(shí)變參數(shù)向量自回歸(TVP－VAR)模型研究宏觀經(jīng)濟(jì)波動(dòng)對(duì)不同期限信貸的變參影響，填補(bǔ)了信貸順周期研究的空白。同時(shí)本文得出的結(jié)論將為政策調(diào)控提供一個(gè)新的思路。因此我們的研究兼具理論和政策意義。本文其余章節(jié)安排如下:第三部分是對(duì)不同期限信貸順周期特征的初步判斷;第四部分是TVPVAR模型介紹;第五部分是實(shí)證分析;第六部分是結(jié)論。

三、信貸順周期特征的初步判斷

信貸的順周期性主要體現(xiàn)在信貸量與宏觀經(jīng)濟(jì)是否同向變動(dòng)。本文主要研究短期貸款和中長(zhǎng)期貸款的順周期效應(yīng)，考慮到這兩類貸款之和約占我國(guó)貸款總額的90%，因此研究這兩類貸款的順周期效應(yīng)，對(duì)于研究我國(guó)不同期限貸款的順周期效應(yīng)具有代表意義。由于GDP增長(zhǎng)率是反映整體經(jīng)濟(jì)增長(zhǎng)最直接的指標(biāo)，同時(shí)考慮到GDP沒(méi)有月度數(shù)據(jù)，因此這部分我們采用2000第一季度至2012年第四季度的季度數(shù)據(jù)進(jìn)行考察。主要測(cè)度的指標(biāo)包括GDP增長(zhǎng)率、信貸總量增長(zhǎng)率、中長(zhǎng)期貸款增長(zhǎng)率、短期貸款增長(zhǎng)率，用來(lái)大致反映經(jīng)濟(jì)總量、信貸總量、中長(zhǎng)期貸款和短期貸款的變動(dòng)情況。

圖1顯示了中長(zhǎng)期貸款、短期貸款、GDP的增長(zhǎng)率的原始序列。我們對(duì)各類貸款和GDP利用定基CPI進(jìn)行價(jià)格調(diào)整，以1990年1月的不變價(jià)表示，再求得各變量的實(shí)際增長(zhǎng)率。

為消除季節(jié)影響，我們采用Census X－12法對(duì)數(shù)據(jù)進(jìn)行季節(jié)性調(diào)節(jié)，獲得季節(jié)調(diào)整后的各類貸款和GDP的季度增長(zhǎng)率序列。董文泉，高鐵梅等［17］指出，在增長(zhǎng)周期波動(dòng)中要將趨勢(shì)要素T和循環(huán)要素C相分離，把循環(huán)要素C的變動(dòng)看作景氣變動(dòng)，即增長(zhǎng)周期波動(dòng)是循環(huán)要素C的波動(dòng)。因此我們采用CF濾波法對(duì)序列進(jìn)行濾波，得到各變量的周期序列如圖2所示。

從圖1可以看出，從2000年第1季度到2011年第1季度這11年間，中長(zhǎng)期貸款增長(zhǎng)率始終高于短期貸款，從2011年第2季度到2012年第4季度則情況相反。觀察圖2中短期貸款與中長(zhǎng)期貸款的周期序列，我們發(fā)現(xiàn)有三個(gè)時(shí)段二者關(guān)系發(fā)生明顯的背離，分別是在2000年第2季度到2002年第3季度，2009年第2季度到2009年第4季度，以及2010年第3季度到2011年第3季度(圖中用陰影區(qū)域表示，以下分別簡(jiǎn)稱為第一、二、三背離時(shí)段)。由此我們可以初步判斷，在這三個(gè)時(shí)期短期貸款與中長(zhǎng)期貸款的順周期效應(yīng)可能會(huì)存在差異。

既然短期貸款與中長(zhǎng)期貸款的變化路徑在圖中陰影區(qū)域時(shí)段出現(xiàn)明顯背離，那么通過(guò)觀察這三個(gè)背離時(shí)段兩類貸款與GDP變化路徑的關(guān)系，即可對(duì)兩類貸款的順周期效應(yīng)進(jìn)行大致對(duì)比。首先觀察第二個(gè)背離時(shí)段(2009年第2季度到2009年第4季度)和第三個(gè)背離時(shí)段(2010年第3季度到2011年第3季度)，我們發(fā)現(xiàn)中長(zhǎng)期貸款增長(zhǎng)率和GDP增長(zhǎng)率同方向變動(dòng)，其中二者在第二個(gè)背離時(shí)段同時(shí)大幅上升，在第三個(gè)背離時(shí)段基本同方向下降，而短期貸款增長(zhǎng)率在以上兩個(gè)時(shí)段一直逆周期變化。雖然在第一個(gè)背離時(shí)段GDP增長(zhǎng)率與兩類貸款增長(zhǎng)率的關(guān)系不明確，但通過(guò)觀察三個(gè)變量序列在第二、三背離時(shí)段的變化路徑，我們可以初步判斷，相比短期貸款而言，中長(zhǎng)期貸款與GDP的共動(dòng)性更強(qiáng)。即中長(zhǎng)期貸款的順周期效應(yīng)比短期貸款更顯著。

綜合以上分析，我們發(fā)現(xiàn)我國(guó)信貸量的順周期效應(yīng)受貸款期限影響，且具有時(shí)變性，在不同時(shí)期會(huì)出現(xiàn)結(jié)構(gòu)性變化。以往文獻(xiàn)使用的常參數(shù)VAR模型對(duì)于參數(shù)限制過(guò)多，不能體現(xiàn)研究對(duì)象的時(shí)變特征，致使模型的解釋能力受到很大限制。在下文中我們將利用時(shí)變參數(shù)向量自回歸(TVP－VAR)模型對(duì)信貸順周期效應(yīng)的時(shí)變性進(jìn)行檢驗(yàn)。

四、時(shí)變參數(shù)向量自回歸(TVP－VAR)模型

1.TVP－VAR模型推導(dǎo)

從一個(gè)基本的結(jié)構(gòu)VAR模型出發(fā)，我們可以得到TVP－VAR的模型表示。結(jié)構(gòu)VAR模型可寫成如下形式:

其中，yt代表由觀測(cè)變量構(gòu)成的k×1維向量，A，F(xiàn)1…Fs代表K×K維的系數(shù)矩陣。擾動(dòng)項(xiàng)ut表示k×1維結(jié)構(gòu)沖擊，并且我們假設(shè)ut～N(0，ΣΣ)，其中

用遞歸法對(duì)同期關(guān)系的結(jié)構(gòu)沖擊進(jìn)行識(shí)別，假設(shè)A是一個(gè)下三角矩陣，

模型(1)可重寫為以下形式:

其中，Bi=A－1Fi，i=1…s。將所有 Bi的行向量堆疊，形成一個(gè)新的矩陣β(k2s×1)，定義Xt=Ik?(y't－1，…，y't－s)，其中 ? 代表克羅內(nèi)克積，從而模型(2)可寫成以下形式:

(3)式中的所有參數(shù)都不隨時(shí)間變化，若放寬這一約束條件，可以將(3)式擴(kuò)展成以下形式:

以上就是TVP－VAR模型的表達(dá)形式。與(3)式不同的是，(4)式中所有參數(shù)βt，At和Σt都具有時(shí)變性。Primiceri(2005)令 at=(α21，α31，α32，α41，…，αk，k－1)'表示下三角矩陣At中元素的堆疊向量，令ht=(h1t，…，hkt)'，其中 hjt=logσ2jt，j=1，…，k，t=s+1，…，n。假設(shè)(4)式中的參數(shù)遵循以下隨機(jī)游走過(guò)程:

2、MCMC 估計(jì)

令y={yt}nt=1，ω =(Σβ，Σα，Σh)。令π(ω)表示ω的先驗(yàn)概率密度。給定y的觀測(cè)數(shù)據(jù)，MCMC算法如下:

(1)對(duì) β，α，h，ω 賦予初始值;

(2)給定 α，h，Σβ，y，根據(jù)后驗(yàn)條件分布對(duì) β抽樣;

(3)給定β，根據(jù)后驗(yàn)條件分布對(duì)Σβ抽樣;

(4)給定 β，h，Σα，y，根據(jù)后驗(yàn)條件分布對(duì) α 抽樣;

(5)給定α，根據(jù)后驗(yàn)條件分布對(duì)Σα抽樣;

(6)給定 β，α，Σh，y，根據(jù)后驗(yàn)條件分布對(duì) h 抽樣;

(7)給定h，根據(jù)后驗(yàn)條件分布對(duì)Σh抽樣;

(8)返回第(2)步。

五、我國(guó)信貸順周期效應(yīng)的實(shí)證檢驗(yàn)

本文利用時(shí)變參數(shù)向量自回歸(TVP－VAR)模型分別檢驗(yàn)短期貸款、中長(zhǎng)期貸款和貸款總量的順周期效應(yīng)，并借助OxMetrics軟件實(shí)現(xiàn)數(shù)據(jù)模擬和參數(shù)估計(jì)。

(一)樣本描述及數(shù)據(jù)處理

檢驗(yàn)信貸的順周期效應(yīng)，主要是研究宏觀經(jīng)濟(jì)波動(dòng)對(duì)信貸量變化是否具有正向影響以及影響的程度。本文將金融機(jī)構(gòu)人民幣短期貸款、中長(zhǎng)期貸款和貸款總額的月度數(shù)據(jù)作為信貸量的測(cè)度指標(biāo)。關(guān)于宏觀經(jīng)濟(jì)的測(cè)度指標(biāo)，已有文獻(xiàn)通常采用GDP、產(chǎn)出缺口、工業(yè)總產(chǎn)值、工業(yè)增加值等指標(biāo)，但考慮到這些指標(biāo)存在一定的單一性和片面性，難以完美地刻畫宏觀經(jīng)濟(jì)的整體狀況。相比之下，由我國(guó)國(guó)家統(tǒng)計(jì)局發(fā)布的景氣指數(shù)中的一致指數(shù)，由工業(yè)生產(chǎn)、就業(yè)、社會(huì)需求(投資、消費(fèi)、外貿(mào))、社會(huì)收入(國(guó)家稅收、企業(yè)利潤(rùn)、居民收入)等4個(gè)方面合成，能更全面反映當(dāng)前經(jīng)濟(jì)的基本走勢(shì)。因此我們認(rèn)為采用宏觀經(jīng)濟(jì)景氣指數(shù)中的一致指數(shù)(以下簡(jiǎn)稱景氣指數(shù))來(lái)反映經(jīng)濟(jì)的走勢(shì)更為恰當(dāng)。為了消除系統(tǒng)的內(nèi)生性，我們以M1和官方一年期存款利率分別代表貨幣政策的數(shù)量型工具和價(jià)格型工具，作為系統(tǒng)的控制變量。

為消除物價(jià)上漲因素的影響，我們首先對(duì)各項(xiàng)貸款和M1的水平值根據(jù)定基CPI調(diào)整，對(duì)官方一年期存款利率根據(jù)同比CPI調(diào)整得到實(shí)際存款利率。由于景氣指數(shù)在編制過(guò)程中已經(jīng)過(guò)季節(jié)調(diào)整，故只對(duì)除景氣指數(shù)外的其它變量利用Census X－12方法做季節(jié)調(diào)整。為兼顧數(shù)據(jù)的經(jīng)濟(jì)意義和平穩(wěn)性要求，根據(jù)Jouchi Nakajima等［14］的做法，需要對(duì)序列做對(duì)數(shù)差分，但考慮到對(duì)利率做對(duì)數(shù)差分后其經(jīng)濟(jì)意義不明確，故本文只對(duì)除利率外的其它各個(gè)變量做對(duì)數(shù)差分，作為各變量的環(huán)比增長(zhǎng)率，同時(shí)保持實(shí)際利率的水平值不變(由于統(tǒng)計(jì)局發(fā)布的景氣指數(shù)是以1996年為基期，故本文也對(duì)其取對(duì)數(shù)再做一階差分，以反映宏觀經(jīng)濟(jì)的環(huán)比變化)。本文以2000年1月至2012年12月數(shù)據(jù)作為研究樣本。數(shù)據(jù)來(lái)源于中國(guó)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)庫(kù)和國(guó)泰安數(shù)據(jù)庫(kù)。

表1 變量的描述統(tǒng)計(jì)

表1列出了各個(gè)變量的描述性統(tǒng)計(jì)結(jié)果。其中l(wèi)、sl、ll、jq、m、dr分別代表貸款總量增長(zhǎng)率、短期貸款增長(zhǎng)率、中長(zhǎng)期貸款增長(zhǎng)率、景氣指數(shù)變化率、M1增長(zhǎng)率和實(shí)際存款利率。各變量取值都表示百分比變化。

(二)參數(shù)設(shè)定和模型診斷

本文將景氣指數(shù)增長(zhǎng)率、貨幣政策變量分別與中長(zhǎng)期貸款、短期貸款和貸款總額的增長(zhǎng)率這三個(gè)貸款變量建立3個(gè)TVP－VAR模型。下面以景氣指數(shù)、M1、官方存款利率和短期貸款增長(zhǎng)率這四個(gè)變量構(gòu)建的TVP－VAR模型為例，介紹模型的設(shè)定和模擬結(jié)果。首先根據(jù)經(jīng)驗(yàn)設(shè)定參數(shù)初值如下:

用MCMC方法模擬20000次，得到有效樣本。再分別估計(jì)了滯后1至6階的TVP－VAR模型，根據(jù)每次估計(jì)的邊際似然值確定最優(yōu)滯后階數(shù)為2階。圖1顯示了樣本自回歸系數(shù)、樣本路徑和后驗(yàn)密度。從圖1可以看出，樣本的自回歸系數(shù)穩(wěn)定下降，樣本路徑圖顯示數(shù)據(jù)平穩(wěn)，這表明通過(guò)預(yù)設(shè)參數(shù)的MCMC抽樣獲得了不相關(guān)的有效樣本。

圖3 自回歸系數(shù)、樣本路徑和后驗(yàn)分布

表2顯示了包含短期貸款的TVP－VAR模型的估計(jì)結(jié)果，包括后驗(yàn)均值、后驗(yàn)標(biāo)準(zhǔn)差、95%置信區(qū)間，Geweke的CD收斂診斷值和無(wú)效影響因子。從收斂性來(lái)看，參數(shù)的Geweke值均未超過(guò)5%的臨界值1.96，表明收斂于后驗(yàn)分布的零假設(shè)不能被拒絕。無(wú)效因子是測(cè)度抽樣有效性的指標(biāo)，它可以用來(lái)計(jì)算既定抽樣次數(shù)下所能獲得的不相關(guān)樣本個(gè)數(shù)，其值越小表明抽樣越有效。從表2可以看出各參數(shù)的Inef值都遠(yuǎn)小于抽樣次數(shù)20000次，表明用上述抽樣方法得到的樣本個(gè)數(shù)對(duì)于TVP－VAR模型的后驗(yàn)推斷是足夠的。

表2 參數(shù)估計(jì)結(jié)果

(三)時(shí)變波動(dòng)率

從圖4可以看出，4個(gè)變量結(jié)構(gòu)沖擊的隨機(jī)波動(dòng)率呈現(xiàn)出不同的時(shí)變性。2000年短期貸款增長(zhǎng)率、景氣指數(shù)增長(zhǎng)率和實(shí)際存款利率的波動(dòng)均處于歷史高位。這是由于受1997年末亞洲經(jīng)濟(jì)危機(jī)的滯后影響以及2000年美國(guó)股災(zāi)的沖擊，我國(guó)經(jīng)濟(jì)落入低谷。數(shù)據(jù)顯示，1999年我國(guó)經(jīng)濟(jì)的實(shí)際增長(zhǎng)率僅為7.1%，且經(jīng)濟(jì)低迷狀態(tài)一直持續(xù)到2001年。該時(shí)期央行積極推進(jìn)利率市場(chǎng)化改革，多次調(diào)低存貸款利率，對(duì)利率和信貸市場(chǎng)造成較大沖擊。從圖4第2幅圖可以看出，我國(guó)經(jīng)濟(jì)的第二次大幅波動(dòng)出現(xiàn)在2009年前后，這是由于2008年受國(guó)際金融危機(jī)影響，我國(guó)的實(shí)體和虛擬經(jīng)濟(jì)雙雙受到重挫。同年由于我國(guó)貨幣政策經(jīng)歷劇烈的轉(zhuǎn)向，上半年以緊縮性政策應(yīng)對(duì)經(jīng)濟(jì)過(guò)熱，9月份危機(jī)爆發(fā)后，貨幣政策又轉(zhuǎn)為擴(kuò)張性以應(yīng)對(duì)經(jīng)濟(jì)下行，從2008年9月到2008年底央行五次下調(diào)一年期人民幣存貸款基準(zhǔn)利率。貨幣政策的這一轉(zhuǎn)向勢(shì)必影響到信貸量，這在圖4第4幅圖表現(xiàn)為該時(shí)期利率的大幅波動(dòng)。

圖4 隨機(jī)波動(dòng)率的后驗(yàn)估計(jì)

(四)時(shí)變脈沖響應(yīng)

在這一部分我們將利用TVP－VAR模型做出不同時(shí)點(diǎn)和不同時(shí)期的脈沖響應(yīng)圖，再通過(guò)對(duì)比不同期限信貸對(duì)經(jīng)濟(jì)沖擊的響應(yīng)，觀察不同期限信貸的順周期特征。由于本文研究的樣本時(shí)間跨度為13年，對(duì)每一個(gè)時(shí)點(diǎn)都做脈沖響應(yīng)是不現(xiàn)實(shí)的，故只選取幾個(gè)代表性的時(shí)點(diǎn)進(jìn)行分析。在時(shí)點(diǎn)選擇上，我們參照牟敦國(guó)、林伯強(qiáng)［16］的做法，選擇2003年7月、2006年6月、2008年8月和2011年10月四個(gè)時(shí)點(diǎn)，分別代表中國(guó)經(jīng)濟(jì)開始復(fù)蘇時(shí)期、繁榮時(shí)期、危機(jī)時(shí)期和危機(jī)后期。圖5－7中的左圖描述了在上述四個(gè)時(shí)點(diǎn)不同類型信貸量對(duì)經(jīng)濟(jì)沖擊的響應(yīng)。圖5－7中的右圖描述了滯后1、3、12期脈沖響應(yīng)結(jié)果隨時(shí)間動(dòng)態(tài)演化的過(guò)程。

從圖5中左圖描述的具體時(shí)點(diǎn)的脈沖響應(yīng)來(lái)看，在2003年7月、2006年6月、2008年8月和2011年10月，給經(jīng)濟(jì)增長(zhǎng)一個(gè)正向沖擊，中長(zhǎng)期貸款增長(zhǎng)率對(duì)經(jīng)濟(jì)沖擊的響應(yīng)始終為正，表現(xiàn)出穩(wěn)定的順周期性。相比之下，短期貸款增長(zhǎng)率并未表現(xiàn)出完全的順周期效應(yīng)。從圖6描述的脈沖響應(yīng)路徑可以看出，在2003年7月、2006年6月和2008年8月，短期貸款增長(zhǎng)率對(duì)經(jīng)濟(jì)沖擊的響應(yīng)始終為正，但在金融危機(jī)后期的2011年10月卻出現(xiàn)了反周期現(xiàn)象。在這一時(shí)期給經(jīng)濟(jì)增長(zhǎng)一個(gè)正向沖擊，短期貸款增長(zhǎng)率的響應(yīng)為負(fù)。根據(jù)OECD發(fā)布的中國(guó)經(jīng)濟(jì)增長(zhǎng)低迷期數(shù)據(jù)，2011年10月被界定為我國(guó)經(jīng)濟(jì)增長(zhǎng)的低迷期，對(duì)于該時(shí)期我國(guó)中長(zhǎng)期貸款增長(zhǎng)率順周期放緩，而短期貸款增長(zhǎng)率卻逆周期上升的一個(gè)解釋是，這一時(shí)期中長(zhǎng)期貸款的主力軍——房地產(chǎn)企業(yè)，由于受到土地控制等各項(xiàng)壓力，拿地意愿降低，中長(zhǎng)期大額資金需求較往年有所減少，再加上信貸控制、二套房控制及保障房上馬等一系列調(diào)控政策的出臺(tái)，使得個(gè)人住房貸款增速放緩。另一方面，在每月一次的提存背景下，各大銀行資金壓力劇增，銀行更樂(lè)于發(fā)放短期貸款，利于資金及時(shí)回籠，保持內(nèi)部要求的時(shí)點(diǎn)存款數(shù)額，這就導(dǎo)致短期貸款量逆周期大幅上升。

對(duì)比四個(gè)時(shí)點(diǎn)中長(zhǎng)期貸款和短期貸款對(duì)經(jīng)濟(jì)的響應(yīng)程度，可以看出中長(zhǎng)期貸款增長(zhǎng)率對(duì)經(jīng)濟(jì)增長(zhǎng)的響應(yīng)最大值約為0.14，大于短期貸款增長(zhǎng)率的最大響應(yīng)(約為0.04)，這說(shuō)明經(jīng)濟(jì)增長(zhǎng)對(duì)中長(zhǎng)期貸款的影響大于短期貸款。從圖5可以看出，中長(zhǎng)期貸款增長(zhǎng)率對(duì)經(jīng)濟(jì)沖擊的滯后1、3、12期脈沖響應(yīng)始終為正，且在金融危機(jī)爆發(fā)后正響應(yīng)程度隨著時(shí)間逐步擴(kuò)大。再對(duì)比圖6中短期貸款滯后1、3、12期的脈沖響應(yīng)，可以看出從2000年1月開始，經(jīng)濟(jì)波動(dòng)對(duì)短期貸款增長(zhǎng)率在短期存在正向影響，金融危機(jī)爆發(fā)后正向影響逐漸減弱，在2010年后影響由正轉(zhuǎn)負(fù)，且負(fù)向影響不斷擴(kuò)大;經(jīng)濟(jì)波動(dòng)對(duì)短期貸款增長(zhǎng)率的長(zhǎng)期影響接近于零。綜合以上分析可以推斷，中長(zhǎng)期貸款相比短期貸款具有更強(qiáng)的順周期效應(yīng)，短期貸款在金融危機(jī)后期表現(xiàn)出明顯的逆周期性。這些實(shí)證檢驗(yàn)結(jié)果與我們?cè)诘诙糠值某醪脚袛嘞喾?/p>

從圖7可以看出，貸款總量對(duì)經(jīng)濟(jì)沖擊的響應(yīng)介于短期貸款和中長(zhǎng)期貸款之間。貸款總量增長(zhǎng)率在2003年7月、2006年6月順周期變化;而在2008年8月和2011年10月，貸款總量增長(zhǎng)率首先對(duì)經(jīng)濟(jì)波動(dòng)產(chǎn)生正向響應(yīng)，隨后響應(yīng)逐漸增大，到達(dá)最高值后開始回落，并由正轉(zhuǎn)負(fù)，呈現(xiàn)出小幅的逆周期效應(yīng)。

六、結(jié) 論

本文結(jié)合時(shí)期脈沖響應(yīng)和時(shí)點(diǎn)脈沖響應(yīng)兩種分析工具，檢驗(yàn)經(jīng)濟(jì)波動(dòng)對(duì)信貸量的影響，所得結(jié)論與我國(guó)現(xiàn)實(shí)情況基本相符。為避免時(shí)點(diǎn)選擇的主觀性，我們還分別考察了所選時(shí)點(diǎn)(2003年7月、2006年6月、2008年8月和2011年10月)前后兩期的脈沖響應(yīng)，所得結(jié)論基本一致。再通過(guò)變換貨幣政策的控制變量重做第五部分的實(shí)證檢驗(yàn)，發(fā)現(xiàn)實(shí)證結(jié)果的穩(wěn)健性并未受到影響。

實(shí)證結(jié)果表明，短期和中長(zhǎng)期的信貸量的順周期特征存在差異，且二者都具有時(shí)變性。中長(zhǎng)期貸款的順周期效應(yīng)大于短期貸款。在我國(guó)經(jīng)濟(jì)復(fù)蘇時(shí)期、繁榮時(shí)期、危機(jī)時(shí)期和危機(jī)后期，中長(zhǎng)期貸款增長(zhǎng)率始終順周期變化，而短期貸款增長(zhǎng)率只在前三個(gè)時(shí)期順周期變化，在危機(jī)后期表現(xiàn)出明顯的逆周期效應(yīng)。通過(guò)分析滯后1、3、12期的經(jīng)濟(jì)波動(dòng)對(duì)貸款的影響，我們發(fā)現(xiàn)經(jīng)濟(jì)波動(dòng)對(duì)中長(zhǎng)期貸款增長(zhǎng)率的影響始終為正，但對(duì)于短期貸款增長(zhǎng)率的影響在2009年之后開始由正轉(zhuǎn)負(fù);經(jīng)濟(jì)沖擊對(duì)短期貸款增長(zhǎng)率的短期影響大于長(zhǎng)期影響。

綜合以上分析，本文得出政策含義如下。首先，信貸順周期效應(yīng)的時(shí)變性給調(diào)控政策增加了難度，不論是信貸調(diào)控政策還是資本監(jiān)管政策都應(yīng)謹(jǐn)慎考慮這一問(wèn)題;其次，不同期限信貸的順周期效應(yīng)存在差異，信貸調(diào)控政策需要針對(duì)信貸期限特征區(qū)別對(duì)待，逆周期資本監(jiān)管需要轉(zhuǎn)變思路，避免一刀切;最后，由于在金融危機(jī)后期短期信貸量異常放大，應(yīng)注意防范信貸過(guò)度流入虛擬經(jīng)濟(jì)而產(chǎn)生的潛在風(fēng)險(xiǎn)。參考文獻(xiàn):

［1］Bernanke B S，Gertler M，Gilchrist S.The financial accelerator in a quantitative business cycle framework［M］.Handbook of Macroeconomics，1999:1341 －1393.

［2］Financial Stability Forum(FSF).Report of the financial stability forum on addressing procyclicality in the financial system［R］.2009.

［3］Borio C，F(xiàn)urfine P，Lowe P.Procyclicality of the financial system and financial stability:issues and policy options［R］.BIS Working Paper，2001，1.

［4］Bikker，J A，Hu H.Cyclical patterns in profits，provisioning and lending of banks and procyclicality of the new Basel capital requirements［J］.BNL Quarterly Review，2002，55:143 －175.

［5］馮科，劉靜平，何理.中國(guó)商業(yè)銀行順周期行為及逆周期資本監(jiān)管研究—基于宏觀審慎的視角［J］.經(jīng)濟(jì)與管理研究，2012(10):91－96.

［6］陳昆亭、周火、龔六堂.信貸周期:中國(guó)經(jīng)濟(jì)1991－2010［J］.國(guó)際金融研究，2011(12):20 －28.

［7］方芳，劉鵬.中國(guó)金融順周期效應(yīng)的經(jīng)濟(jì)學(xué)分析［J］.國(guó)際貿(mào)易問(wèn)題，2010(8):120－128.

［8］范從來(lái)，盛天翔，王宇偉.信貸量經(jīng)濟(jì)效應(yīng)的期限結(jié)構(gòu)研究［J］.經(jīng)濟(jì)研究，2012(1):80－91.

［9］陳磊.中國(guó)轉(zhuǎn)型期的信貸波動(dòng)與經(jīng)濟(jì)波動(dòng)［J］.財(cái)經(jīng)問(wèn)題研究，2004(9):18－23.

［10］李麟，索彥峰.經(jīng)濟(jì)波動(dòng)，不良貨款與銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)明［J］.國(guó)際金融研究，2009(6):55－63.

［11］Primiceri G E.Time varying structural vector auto egressions and monetary policy［J］.Review of Economic Studies，2005，72:821 – 852.

［12］Baumeister C，Durinck E，Peersman G.Liquidity，inflation and asset prices in a time－varying framework for the euro area［R］.Working Paper Research，National Bank of Belgium，No.142，2008.

［13］Agostino A D，Gambetti L，Giannone D.Macroeconomic forecasting and structural change［R］.ECB Working Paper，2010.

［14］Jouchi Nakajima.Time－ varying parameter VAR model with stochastic volatility:An overview of methodology and empirical applications［J］.Monetary and Economic Studies，2011，29:107 －142.

［15］Benati L，Mumtaz H.The great stability in the UK:good policy or good luck?［R］.Unpublished Working Paper，Bank of England，2005.

［16］牟敦國(guó)，林伯強(qiáng).中國(guó)經(jīng)濟(jì)增長(zhǎng)、電力消費(fèi)和煤炭?jī)r(jià)格相互影響的時(shí)變參數(shù)研究［J］.金融研究，2012(06):42－53.

［17］董文泉，高鐵梅.經(jīng)濟(jì)周期波動(dòng)的分析與預(yù)測(cè)方法［M］.吉林:吉林大學(xué)出版社，1998.56－57.

Is Chinese Credit Pro-Cyclical Continuously?——Time-Varying Parameter Study from the Perspective of Term Structure

JIN Wen－wen，DU Ya－bin
(School of Business，Nanjing University，Nanjing 210008，China)

Credit'pro－cycle has been always a hot spot in theory and practice.This paper positively studies Chinese credit's pro－cyclical effects from 2000 to 2012 by using TVP－VAR model.The results show that after controlling the effect of monetary policy，the pro－cyclical effect of Chinese credit is time－varying;countercyclical phenomenon of credit exists in certain period;the characteristics of pro－cyclical effect are different for short－term and medium and long－term credit;the pro－cyclical effect of medium and long－term credit is larger than that of short－term credit.Therefore，the thought on counter－cyclical capital supervision and management should be adjusted and avoid one－size－fits－all strategy.Meanwhile，capital supervision and management and credit adjustment and control policy should pay more attention to the term structure of credit.

Credit;Pro－cyclical;TVP－VAR Model

A

1002－2848－2013(05)－0012－08

2013－05－27

金雯雯(1985－)，女，浙江省洞頭縣人，南京大學(xué)商學(xué)院金融學(xué)博士生，研究方向:金融理論與政策;杜亞斌(1954－)，山西省壺關(guān)縣人，南京大學(xué)商學(xué)院教授、博士生導(dǎo)師，研究方向:貨幣與貨幣政策、銀行業(yè)、金融全球化與金融危機(jī)。

責(zé)任編輯、校對(duì):郭燕慶