許 熠 顏 寅

（中國人民銀行貴陽中心支行，貴州 貴陽 550001）

一、引言

2008 年金融危機爆發(fā)后，央行流動性救助成為具有重要理論和實踐意義的研究方向之一。2020年以來，新冠肺炎疫情對全球經(jīng)濟金融體系產(chǎn)生了一定沖擊，主要體現(xiàn)為流動性危機，在國內(nèi)外經(jīng)濟金融環(huán)境日趨復雜的背景下，流動性風險日益增加，加劇風險暴露的可能性，中央銀行作為最后貸款人，在應對金融危機的緊急關頭，適當?shù)牧鲃有跃戎鞘种匾摹?/p>

中小銀行是支持實體經(jīng)濟發(fā)展的中堅力量，積極發(fā)揮服務小微民營企業(yè)的重要作用。近年來，在經(jīng)濟增速總體放緩、監(jiān)管趨嚴等因素疊加影響下，中小銀行普遍存在流動性隱患。而中小銀行的穩(wěn)定與否直接關系到我國金融市場的平穩(wěn)運行，以貴州省地方中小銀行為基礎對央行流動性救助進行深入研究，不僅有助于提升鞏固中央銀行流動性救助的職能，更有助于中央銀行在識別、化解風險方面更加及時有效，以便選用合適的救助工具，達到維護金融體系穩(wěn)定的目的，對于防范區(qū)域性、系統(tǒng)性風險，維護銀行業(yè)安全穩(wěn)健運行具有重要現(xiàn)實意義。

本文在已有研究成果的基礎上，從全國金融體系和貴州省地方中小銀行（包括貴州省轄內(nèi)規(guī)模較小的城商行、農(nóng)商行、農(nóng)信社、村鎮(zhèn)銀行等四類金融機構）兩個維度出發(fā)，通過測度其流動性水平、構建流動性預警分析模型和VAR 效果評估模型，以判斷機構流動性是否充足，從而為央行流動性救助提供最佳時機、選取合適的救助工具，形成一套可復制、可持續(xù)、可推廣的央行流動性救助決策機制。

二、文獻綜述

（一）流動性救助原則與機制

Furceri &Mourougane（2009）認為，政府干預可能會誘發(fā)道德風險，為緩解流動性危機的沖擊，政府干預應適當?shù)嘏c市場力量相結合，這是流動性救助的前提條件。Cimoli et al.（2012）認為，檢驗救助效果有四條標準：一是該計劃是否能啟動良好的信貸；二是政府成本是否最??；三是當下解決問題的方式未來是否會產(chǎn)生其他問題；四是救助計劃能否與公司治理標準保持一致且足夠透明。部分學者研究流動性救助的作用機制，如Philippon &Skreta（2010）研究應對銀行危機的救助方式，發(fā)現(xiàn)對多數(shù)銀行較好的救助方式即最優(yōu)的救助方式。換言之，基于信息不對稱的前提來看，資產(chǎn)注入及收購不良資產(chǎn)等只能吸引到資產(chǎn)狀況較差的銀行，這種救助方式遠不及擔保新發(fā)行債券這種適用于所有銀行的救助方式。

值得注意的是，關于央行流動性救助是否應區(qū)分不同類型金融機構，不同學者持不同觀點。張強和舒天然（2015）等比較美聯(lián)儲、歐央行等和我國央行的流動性救助政策，發(fā)現(xiàn)傳統(tǒng)銀行業(yè)和非銀金融機構及系統(tǒng)都是央行救助的對象。Sara（2019）通過分析歐洲和美國的金融危機，認為對“重要”銀行提供緊急流動性援助對經(jīng)濟復蘇具有顯著的正向效用。魏路遙（2020）通過比較2008 年美國、歐元區(qū)和日本為應對金融危機開展的流動性救助措施，發(fā)現(xiàn)流動性救助對象不應局限于傳統(tǒng)銀行業(yè)金融機構，同時也必須重視救助非銀行金融機構。

（二）流動性救助措施

張浩（2009）通過對流動性救助措施的研究認為，流動性救助并不是增加整個金融市場的流動性總額，也不僅是針對商業(yè)銀行，而是通過設計不同貨幣政策工具，使最需要且最具有系統(tǒng)性風險的金融機構獲得央行信用分配。鐘永紅和林梓煌（2017）運用不完全合約模型分析央行的流動性救助策略，認為對于系統(tǒng)性重要銀行，央行應該使用比非系統(tǒng)性重要銀行更加寬松的緊急貸款標準，政府應當根據(jù)流動性短缺規(guī)模的不同改變央行由于銀行倒閉需承擔政治成本的權重，監(jiān)管當局應加強合作以提供及時有效的信息，完善金融機構市場退出機制以防對金融系統(tǒng)性穩(wěn)定造成負面影響。林梓煌（2018）將商業(yè)銀行分為系統(tǒng)性重要銀行和非系統(tǒng)性重要銀行，通過不完全合約模型對央行的救助標準進行分析，發(fā)現(xiàn)在調(diào)節(jié)銀行體系流動性方面，傳統(tǒng)貨幣政策工具仍是央行的強有力手段，新型貨幣政策工具目前只能作為補充工具為市場提供流動性支持，央行應該深入研究救助過程中不同種類貨幣政策工具的配合使用，有效增強流動性救助效果。

（三）流動性救助的有效性

關于央行流動性救助的有效性，國內(nèi)外學者均開展了較為深入的研究。部分學者高度認為央行流動性救助對防范化解金融風險具有重大幫助。Blanchard &Milesi-Ferretti（2009）認為，向市場注入流動性的央行救助措施暫行有效。在金融機構面臨著嚴重流動性短缺的情況下，救助可以防止其以超低價格出售資產(chǎn)，從而有效地阻止危機在金融體系內(nèi)的惡性擴散。Horta et al.（2009）通過對次貸危機傳染性的實證分析認為，中央銀行向市場增加流動性，避免危機進一步使金融體系惡化的行為十分合理。陳慶海（2012）在最后貸款人和貨幣政策的視角下論述美聯(lián)儲金融危機救助的方式，運用綜合分析法闡述美聯(lián)儲金融危機救助的效果，得出以下啟示：一是完善最后貸款人制度；二是加強財政政策與貨幣政策的協(xié)調(diào)配合，靈活運用貨幣政策；三是加強中央銀行的國際合作；四是實施危機救助不僅要考慮短期效應，也要考慮救助的長期影響。

但部分學者認為，流動性救助是否有效仍缺乏深入研究。Mishkin（2009）認為，通過積極寬松的貨幣政策可以抵消金融動蕩對總體經(jīng)濟活動的負面效應，但在危機時期實行寬松貨幣政策會打亂民眾的通脹預期，可能會加劇通貨膨脹，從而無法達到救助的預定效果。Wegner（2020）認為政府和中央銀行旨在增強市場流動性的政策有利于對沖金融危機影響，但如采取銀行間市場的流動性救助措施可能導致金融網(wǎng)絡風險傳染性增加，使得風險敞口進一步加大，加劇銀行體系脆弱性。

綜上所述，一方面，多數(shù)研究是在事后對已經(jīng)采取的流動性救助措施進行評估，但對流動性救助的觸發(fā)機制、救助措施選擇等研究不足；另一方面，對于地方中小銀行流動性救助方面的研究較少，大多數(shù)是將其作為危機救助的手段之一進行討論。同時，金融體系和金融機構二者緊密聯(lián)系，具體來說，金融機構流動性危機的爆發(fā)會引發(fā)金融體系的傳染性風險，最終導致系統(tǒng)性金融風險的發(fā)生。因此，本文在已有研究成果的基礎上，通過構建流動性預警分析模型和VAR 效果評估模型，以判斷機構流動性是否充足，從而確定央行流動性救助時機、救助工具，形成一套可復制、可持續(xù)、可推廣的央行流動性救助決策機制。

三、流動性風險預警及救助時機選擇

（一）全國金融體系流動性水平測度

流動性水平測度是中央銀行進行流動性救助時機和救助工具選擇的重要前提，結合國內(nèi)外學者對流動性方面的研究，可將金融體系流動性水平測度指標分為靜態(tài)指標和動態(tài)指標。靜態(tài)指標主要衡量金融體系在某個時間節(jié)點上的流動性水平，包括同業(yè)拆借利率、廣義信貸貨幣、消費者價格指數(shù)、信貸增長率等；動態(tài)指標主要用于動態(tài)預測金融體系未來的資金供求，側重于流動性調(diào)控的前瞻性，主要包括價格缺口、貨幣缺口、信貸缺口等。

根據(jù)凱恩斯流動性偏好理論，貨幣供給和居民對貨幣的需求會影響市場流動性水平，這也與我國近年來的實際情況相符，因此，本節(jié)基于貨幣的供給和需求角度，通過貨幣供求的相對規(guī)模來判定流動性水平，具體來說，即貨幣供給量變化率減去貨幣需求變化率，通過真實貨幣缺口系數(shù)來測量流動性水平（CRMG）。根據(jù)現(xiàn)有研究成果，其計算公式為：CRMGt=第t期貨幣供應量的增長率-第t期貨幣需求量的增長率。

采用廣義貨幣M2 的增長率作為貨幣供給增長率，通過費雪的交易方程式得出貨幣需求變化率如公式（1）所示。

兩邊同時取對數(shù)，可以近似得到ΔM=ΔP+ΔY-ΔV。式中ΔM為實際貨幣需求的變化率，ΔP為價格的變化率（用CPI變化率表示），ΔV為貨幣流通速度的變化率（用GDP/M1的同比變化率表示），ΔY為產(chǎn)出變化率（用GDP同比增長率表示）。

1.數(shù)據(jù)描述。本節(jié)采用我國2015 年1 月—2020年6 月的數(shù)據(jù)進行實證分析，GDP、CPI、M2、M1 等數(shù)據(jù)來自Wind 金融終端，其中，GDP 使用通過2015 年不變價格計算得出的定基數(shù)據(jù)，M2 和CPI 使用同比增長率。數(shù)據(jù)頻率為每月一次，GDP 數(shù)據(jù)則是使用Cubic-match降頻把季度數(shù)據(jù)轉化后的月度數(shù)據(jù)。

2.閾值確定。本文通過設置特定的置信度水平，分析歷史數(shù)據(jù)得出流動性的正常波動范圍及其上下限，從而分為流動性水平正常、過剩、不足三類。用μ，σ分別表示CRMG的理想值（均值）和標準差，在特定的置信度水平下，0 表示流動性處于正常范圍內(nèi)（CRMG在[μ-μ1-θ/2?σ,μ+μ1-θ/2?σ]內(nèi)）；1 表示流動性過剩（超過區(qū)間上限）；-1表示流動性不足（低于區(qū)間下限）。

CRMG序列的k-s 檢驗結果顯示，該序列符合正態(tài)分布，均值是-0.8986，標準差是7.5491。從現(xiàn)有研究來看，通常認為央行進行流動性補充或收緊的操作時，依據(jù)的置信度水平僅需達到50%以上即可，并不嚴格要求達到統(tǒng)計上的90%甚至95%那樣精確，以免錯過最佳操作時機，因此在50%置信度水平下，得到我國金融體系流動性水平（CRMG）的正常波動范圍，如表1表示。

表1 流動性狀況標準表

因此，流動性水平處于正常波動范圍內(nèi)，僅需對其流動性狀況進行實時動態(tài)監(jiān)測，而無需采取貨幣政策操作，避免資源浪費；流動性水平低于下限時，央行應運用合適的工具進行救助，及時補充流動性；流動性水平高于上限時，為防止通貨膨脹和資產(chǎn)泡沫，央行則應適當收緊，抑制流動性水平。

（二）貴州省地方中小銀行流動性水平測度

本節(jié)選取衡量貴州省地方中小銀行流動性的主要指標，運用主成分分析確定主成分因子，然后采用k-s 檢驗對主成分因子組成的指標序列進行檢驗，從而得出流動性波動閾值。

1.指標選取。根據(jù)《商業(yè)銀行流動性風險管理辦法》，測量流動性的有關指標主要包括流動性比例、存貸比、凈穩(wěn)定資金比例、流動性覆蓋率、優(yōu)質(zhì)流動性資產(chǎn)充足率等。本文選取貴州省地方中小銀行為研究樣本，結合指標可得性與合理性，綜合選擇存貸比、流動性比例、超額備付率作為評估指標，數(shù)據(jù)來源于銀保監(jiān)會非現(xiàn)場監(jiān)管報表（1104）。

2.主成分因子確定。本文通過主成分分析得出的綜合指標來測量金融機構的流動性水平，如公式（2）所示。

選取指標的主成分分析結果如表2所示：因子初始解提取了3 個因子，得出3 個主成分因子的得分分別是56.56%、30.66%、12.76%。第一個主成分因子能夠解釋全部信息的近60%，因此選擇第一個主成分因子作為綜合指標，用來衡量貴州省地方中小銀行的流動性水平，表達式為F1=0.523*存貸比+0.489*流動性比例+0.277*超額備付率。

表2 總方差解釋

3.指標閾值確定。確定流動性水平測度指標后，本文使用同樣的方法研究F1序列，以此確定金融機構流動性波動的正常范圍。對F1指標序列進行k-s 檢驗，序列服從正態(tài)分布，其均值為1.1639，標準差為0.0659，在50%置信度水平下，金融機構正常流動性波動范圍為［1.118422，1.209379］。

通過對比研究發(fā)現(xiàn)，全國金融體系和貴州省地方中小銀行流動性狀況存在一定差異，流動性水平相關程度整體較低。盡管兩者的測算方法和選取指標不同，但導致指標差異的原因是金融體系流動性主要取決于宏觀經(jīng)濟的貨幣供應量與需求量變化，而中小銀行流動性則主要與銀行的經(jīng)營特征有關，因此，盡管測算指標不同，但兩者測算方式均是基于正態(tài)分布的閾值區(qū)間設定，兩者之間存在整體與個體之間差異性。對比發(fā)現(xiàn)：貴州省地方中小銀行整體流動性水平?jīng)]有全國金融體系流動性水平穩(wěn)定，但流動性水平優(yōu)于區(qū)域中小法人機構，如2019 年7 月以來，全國金融體系流動性水平為流動性正?；蜻^剩狀態(tài)，而貴州省地方中小銀行則呈現(xiàn)流動性正?；虿蛔銧顟B(tài)。因此，央行不僅應關注全國金融體系流動性，還應同時關注地方中小銀行流動性水平，并通過基層央行實施具有差別性和針對性的流動性救助措施。

（三）流動性風險救助時機選擇模型

1.模型選擇。本節(jié)選用計量經(jīng)濟學中常用的Logit 模型作為流動性風險預警模型，將因變量（CRMG）分為正常、過剩和不足三類，建立多元變量模型如公式（3）所示。

2.變量選取和數(shù)據(jù)說明。為使央行能夠全面把握市場流動性狀況，選擇恰當時機提供流動性救助。本節(jié)在考慮金融指標、通貨膨脹和匯率指標三個方面的基礎上，選取通貨膨脹率、中央銀行對金融機構債權、外匯儲備、利率、股票指數(shù)和廣義貨幣供應量作為衡量指標。其中，CPI 數(shù)據(jù)來自Wind 金融終端，外匯儲備（EXS）數(shù)據(jù)來自國家外匯管理局；利率（RATE）數(shù)據(jù)來源于同業(yè)拆借7天的平均值；央行對金融機構的債權（DEBT）與M2數(shù)據(jù)源于央行數(shù)據(jù)統(tǒng)計；股票指數(shù)（INDEX）來源于上證綜指，數(shù)據(jù)來自上海證券交易所官網(wǎng)。

模型使用2015年1月至2020年6月間的數(shù)據(jù)，為保證模型有效性，本文還使用2015 年至2018 年8 月間的數(shù)據(jù)進行Logit 回歸，并用2018 年8 月以后的數(shù)據(jù)評估模型的擬合度。

3.模型建立。由于本文的自變量較多，為避免多重共線性造成估計參數(shù)的失真，故對擬選取指標的相關性進行檢驗。根據(jù)相關性檢驗結果，CPI、外匯儲備和M2 以及上證綜合指數(shù)相關性太高被剔除，本文最終以DEBT、M2、RATE、INDEX四個指標為基礎，建立有序Logit模型如公式（4）所示。

本文運用zcore 對數(shù)據(jù)進行標準化去量綱處理后，對上述指標進行回歸，結果如表3所示。

表3 Logit參數(shù)估算值

回歸結果顯示，利率、中央銀行對金融機構債權、上證指數(shù)和貨幣供應量對流動性均有顯著影響。因此置信度水平在90%時，當股票價格指數(shù)上升，由于抽資效應，會導致流動性水平逐步下降并接近-1；當中央銀行對金融機構債權上升時，基礎貨幣供應量增加，從而導致流動性水平逐步提高并接近1；當利率上升的時候，金融機構拆借成本上升，從而產(chǎn)生“惜貸”情緒，流動性水平逐步下降并接近-1；貨幣供應量的上升會促使流動性水平上升并接近1。

4.擬合情況與時機選擇。實證結果顯示，流動性預警模型的解釋變量可以較好解釋流動性正常、過剩和不足發(fā)生的情況?；跇颖緟^(qū)間2015 年1 月至2018年8月的數(shù)據(jù)建立流動性風險預警模型，通過擬合結果對2018 年9 月至2020 年6 月期間的流動性情況進行預判。Logit模型的擬合值結果見表4。

表4 模型的擬合值

利用k-s 檢驗判斷上述擬合值的序列服從正態(tài)分布。利用第三節(jié)中相同的方法，求得該序列均值為3.0572，標準差為0.5961，因此當置信度水平在90%時，模型擬合值波動的正常范圍為［2.076708，4.037692］，通過對2018 年9 月至2020 年6 月的數(shù)據(jù)進行擬合，結果如表5所示。

表5 流動性擬合情況

從表5可以看出，如剔除2020年2月以來疫情導致的流動性需求異常波動因素外，預測模型在2019年1月、2019年8月和2019年10月出現(xiàn)預測錯誤，綜合有效率可達80%。綜上所述，預警模型達到預期預測目標，央行可通過觀測的變量來判斷市場流動性水平。

據(jù)此，央行可根據(jù)上述預警模型y*值來判斷每日流動性水平。為使央行流動性救助更加精準高效，可將流動性不足按程度劃分為流動性短缺、緊缺和危機三類。根據(jù)不同置信度水平的閾值來判斷流動性不足的具體程度，即當預警模型的y*值低于2.076708但大于1.888871 時，則應高度關注流動性風險，并采取合適的貨幣政策操作；y*值在1.521756與1.888871之間表明此時流動性水平呈快速下降趨勢，央行應著手采取適當方式補充流動性，防范金融危機于未然；當y*值小于1.521756 時，說明此時已經(jīng)進入金融危機狀態(tài)，央行應采取緊急救助措施。

四、流動性救助工具效果評估

前文已經(jīng)分別對全國金融體系和貴州省地方中小銀行的流動性進行測度、預警和時機救助選擇等方面的分析，在金融機構風險暴露之前，為中央銀行實施救助決策提供參考。本章著眼于救助工具的選擇，根據(jù)實施對象及覆蓋面，將貨幣政策工具分為全國層面和區(qū)域?qū)用?，全國層面主要包含公開市場操作、同業(yè)拆借利率、利率、匯率等，區(qū)域?qū)用嬷饕ㄔ儋J款再貼現(xiàn)、常備借貸便利、法定存款準備金率等，研究不同貨幣政策工具對全國金融體系和貴州省地方中小銀行流動性的影響效果，從而選擇合適的救助工具。

（一）變量選擇和數(shù)據(jù)處理

1.變量選擇。本章分別選取金融體系流動性水平（CRMG）、金融機構流動性水平（BLIQ）、公開市場-貨幣凈投放（OMO）、同業(yè)拆借利率7 天加權平均（IBR）、貴州省再貸款再貼現(xiàn)余額（NL）和貴州省法定存款準備金率（RRR）作為指標變量。

2.數(shù)據(jù)處理。為使得變量之間存在可比性，避免量綱造成的回歸模型不顯著，本文對NL和RRR指標進行標準化處理，指標變量歸納如表6所示。

表6 變量的選取、類別及說明

（二）實證分析

本節(jié)將分別建立貨幣政策工具與金融體系流動性水平、金融機構流動性水平兩個VAR模型，分析不同工具對全國金融體系和貴州省地方中小銀行的流動性的影響及有效性，模型如公式（5）和公式（6）所示。

1.平穩(wěn)性檢驗（ADF）?！皞位貧w”現(xiàn)象的產(chǎn)生是由于時間序列的不平穩(wěn)，為避免發(fā)生此類現(xiàn)象，進行統(tǒng)計分析前，需要對變量進行平穩(wěn)性檢驗。本節(jié)對選取的6個變量進行ADF檢驗，對存在單位根的變量進行一階差分處理，檢驗結果見表7。

表7 各變量ADF檢驗結果

根據(jù)ADF檢驗結果顯示，僅有OMO變量在1%的顯著性水平下平穩(wěn)。對剩余變量進行一階差分處理，最終均在1%的顯著性水平下平穩(wěn)。

2.最優(yōu)滯后階數(shù)確定。如表8、表9可知，根據(jù)AIC準則確定VAR_1和VAR_2的最優(yōu)滯后階數(shù)均為4階。

表8 VAR_1最優(yōu)滯后階數(shù)

表9 VAR_2最優(yōu)滯后階數(shù)

3.特征根檢驗。進行脈沖響應分析的首要條件是VAR模型須是平穩(wěn)的，檢驗模型平穩(wěn)的方法是AR特征根檢驗。圖1 和圖2 的檢驗結果顯示，所有特征根的倒數(shù)均在單位圓內(nèi)（即小于1），故認為VAR模型穩(wěn)定。

圖1 VAR_1（4）的AR檢驗

圖2 VAR_2（4）的AR檢驗

4.格蘭杰因果檢驗。因果關系的確定是經(jīng)濟學中必不可少的環(huán)節(jié)，即確定是從x 到y(tǒng)，還是從y 到x，抑或雙向因果關系。本節(jié)對VAR_1和VAR_2模型進行Granger檢驗，結果如表10和表11所示。

表10 VAR_1的Granger因果檢驗結果

表11 VAR_2的Granger因果檢驗結果

表10顯示，如果同時檢驗公開市場-貨幣凈投放（OMO）和同業(yè)拆借利率7天加權平均（IBR）系數(shù)的聯(lián)合顯著性，其卡方統(tǒng)計量為17.849，相應的p 值為0.022，在5%的顯著性水平下拒絕“公開市場-貨幣凈投放（OMO）和同業(yè)拆借利率7天加權平均（IBR）都不是金融體系流動性水平（CRMG）的格蘭杰原因”的原假設。同樣地，在以貴州省地方中小銀行流動性水平（BLIQ）為被解釋變量的VAR_2 方程中，同時檢驗變量公開市場-貨幣凈投放（OMO）、同業(yè)拆借利率7 天加權平均（IBR）、再貸款再貼現(xiàn)余額（NL）、法定存款準備金率（RRR）系數(shù)的聯(lián)合顯著性，均是金融機構流動性水平（BLIQ）的格蘭杰原因。

5.基于VAR模型的脈沖響應分析。VAR模型中包含的許多參數(shù)具有經(jīng)濟意義，但很難清晰地解釋，故將通過脈沖響應函數(shù)來呈現(xiàn)，如公式（7）和公式（8）所示。

ε1t的任何變化將會馬上改變xt的值，也將通過這一系統(tǒng)的動態(tài)結構改變xt和zt的所有未來值。因此，這正好能反映實施不同貨幣政策工具對全國金融體系和區(qū)域金融機構流動性產(chǎn)生的影響。

（1）VAR_1 的脈沖響應分析。VAR_1 度量了公開市場操作-貨幣凈投放（OMO）和同業(yè)拆借利率7天（D_IBR）對全國金融體系流動性水平（D_CRMG）沖擊所造成的動態(tài)影響（見圖3至圖5）。

圖3 OMO對D_CRMG的沖擊

圖4 D_IBR對D_CRMG的沖擊

圖5 D_CRMG對自身的沖擊

圖3顯示了公開市場操作-貨幣凈投放（OMO）對全國金融體系流動性水平（CRMG）的沖擊。在給定公開市場操作-貨幣凈投放（OMO）一個標準差的沖擊時，CRMG 在第一期出現(xiàn)正向變動，隨后逐步下降并產(chǎn)生劇烈波動，到第3 期時降至最低（-0.275461），隨著時間推移，波動逐步平穩(wěn)。中央銀行通常運用公開市場正回購、公開市場逆回購等貨幣政策工具來調(diào)節(jié)市場貨幣供應量，以確保銀行體系流動性合理充裕，保證金融市場的穩(wěn)定發(fā)展。脈沖響應圖的波動符合市場預期，能很好地反映公開市場操作對金融體系流動性的影響。

圖4顯示了同業(yè)拆借利率7天（D_IBR）對全國金融體系流動性水平（CRMG）的沖擊。當給定同業(yè)拆借利率7 天（D_IBR）一個標準差的沖擊時，對CRMG有持續(xù)的正向影響，在第4期時升至最高（0.136251），隨后出現(xiàn)小幅度波動，影響逐步減弱，在第20期趨于穩(wěn)定。同業(yè)市場利率上升會使金融機構拆借成本上升，市場流動性下降。相反地，當利率下降時，同業(yè)市場活躍度上升，金融機構間業(yè)務往來增加，市場流動性較為充裕。

圖5 顯示了一個標準差對CRMG自身沖擊的響應。在沖擊后，CRMG在第1期達到最高值，隨后立即減弱，在輕微波動后于第16期基本保持穩(wěn)定。

（2）VAR_2的脈沖響應分析。VAR_2度量了公開市場操作-貨幣凈投放（OMO）、同業(yè)拆借利率7 天（D_IBR）、貴州省再貸款再貼現(xiàn)（D_NL）和貴州省法定存款準備金率（D_RRR）對貴州省地方中小銀行流動性水平（D_BLIQ）沖擊所造成的動態(tài)影響（見圖6至圖10）。

圖6 OMO對D_BLIQ的沖擊

圖7 D_IBR對D_BLIQ的沖擊

圖8 D_NL對D_BLIQ的沖擊

圖9 D_RRR對D_BLIQ的沖擊

圖10 D_BLIQ對自身的沖擊

圖6 和圖7 分別顯示了公開市場操作-貨幣凈投放和同業(yè)拆借利率7 天對貴州省地方中小銀行流動性的沖擊。從脈沖響應圖可以看出，不論是OMO還是D_IBR的沖擊，都會使D_BLIQ產(chǎn)生正負向交替規(guī)律性波動影響，且幅度較小，說明貴州省地方中小銀行流動性對這兩項工具的沖擊反應較不敏感，隨著時間推移，沖擊對流動性的影響逐漸減弱，在第23期逐漸收斂為零。我國公開市場操作業(yè)務主要是在全國層面開展，以達到對全國金融體系流動性預調(diào)、微調(diào)的作用，該工具政策傳導至地方中小銀行路徑過長，受時間、區(qū)域等因素疊加影響，效果影響并非十分顯著。

圖8和圖9分別顯示了再貸款再貼現(xiàn)和法定存款準備金率對貴州省地方中小銀行流動性的沖擊。當分別給定解釋變量一個標準差的沖擊時，D_BLIQ在第1期時呈現(xiàn)負向反應，隨后出現(xiàn)不同程度的劇烈波動，說明地方中小銀行流動性對再貸款再貼現(xiàn)、法定存款準備金率反應較為敏感。由于再貸款再貼現(xiàn)到期收回，余額下降，導致D_BLIQ產(chǎn)生負向波動，如圖8前3期所示，隨著信貸投入的持續(xù)加大，地方中小銀行獲得再貸款再貼現(xiàn)工具支持力度增大，一定程度上增加了其流動性，D_BLIQ逐步呈現(xiàn)正向反應，并于第18 期后逐漸收斂為0。中央銀行針對貴州省地方中小銀行實施降低存款準備金率，能有效釋放貴州省地方中小銀行體系流動性，但由于存在部分規(guī)模小、經(jīng)營管理不完善、風險水平較高的機構，仍無法在很大程度上緩解其流動性壓力，圖9很好地解釋了這一現(xiàn)象，對于法定存款準備金率的沖擊在第22 期后逐漸收斂為0。

圖10 顯示了一個標準差對D_BLIQ自身沖擊的響應，立即產(chǎn)生正向影響，在第1期時達到最大值，隨后在正負交替波動中于第20期趨于穩(wěn)定。

6.基于VAR 模型的方差分解分析。方差分解刻畫了在同一時點上，系統(tǒng)內(nèi)各變量對某一變量變化的解釋程度。本節(jié)利用方差分解對各類貨幣政策工具對全國金融體系流動性水平（CRMG）和貴州省地方中小銀行流動性水平（BLIQ）的貢獻度進行分析。

據(jù)表12 顯示，隨著時間的推移，CRMG對自身的貢獻率從第1 期的95.13%下降至63.59%，但其始終對自身的沖擊影響最大。而貨幣政策工具對CRMG的貢獻率相對較小，但均逐步增大，其中，公開市場操作-貨幣凈投放較同業(yè)拆借利率對CRMG的影響較大，分別在第29 期和第15 期時達到最大貢獻率33.08%、3.36%。由此可見，OMO和IBR兩個工具對全國金融體系流動性水平的影響是顯著的。

表12 對CRMG的方差分解

據(jù)表13 顯示，BLIQ自身沖擊始終是第一位方差來源，貢獻率從第1 期的95.24%下降至第3 期的92.44%，隨后呈現(xiàn)不同程度的波動下降趨勢，在第28期達到最低91.70%。兩個全國層面操作的工具OMO和IBR對BLIQ的影響較不顯著，均分別從第1期到第3 期大幅增加后，出現(xiàn)小幅波動平穩(wěn)上升，在第28 期達到最大貢獻率，貢獻率分別為7.92%和0.37%?；鶎友胄袑用娌僮鞯膬蓚€工具NL和RRR對BLIQ的貢獻率相對較大，從第1 期至第10 期，總體上均呈現(xiàn)大幅度上升態(tài)勢，從第11 期之后，增長幅度逐漸變小，但仍保持上升趨勢，分別在第28 期和第30 期達到最大貢獻率19.74%、21.19%。這與脈沖響應結果一致，即再貸款再貼現(xiàn)、法定存款準備金率對貴州省地方中小銀行流動性水平的影響較為顯著，由于實施對象、傳導途徑、經(jīng)濟環(huán)境等原因，公開市場操作、同業(yè)拆借利率的影響較弱。

表13 對BLIQ的方差分解

五、結論及政策建議

（一）主要結論

一是測度出全國金融體系和貴州省地方中小銀行流動性水平并進行比較分析。研究結果顯示，在50%的置信水平下，全國金融體系流動性水平落在［-6.1074，4.3102］區(qū)間內(nèi)，表明流動性正常；落在區(qū)間外表明流動性不足或過剩（CRMG<-6.1074，不足；CRMG>4.3102，過剩）。代表貴州省地方中小銀行流動性指標的F1落在［1.118422，1.209379］區(qū)間內(nèi)，表明流動性正常；落在區(qū)間外表明流動性不足或過剩（F1<1.118422，不足；F1>1.209379，過剩）。同時，金融體系和貴州省地方中小銀行流動性水平相關程度較低，流動性狀況存在一定的差異，金融體系流動性水平在穩(wěn)定性和適度性方面整體優(yōu)于貴州省地方中小銀行，中央銀行在關注金融體系流動性同時，應同時關注區(qū)域中小金融機構流動性水平，并通過基層央行實施針對性、差別性的流動性救助措施。

二是構建流動性風險預警模型。測度全國金融體系和區(qū)域金融機構的流動性水平，運用Logit 模型構建流動性風險預警模型，通過預警模型判斷流動性不足的三個層級，從而選擇最佳救助時機。當預警模型求出的yt?在［1.888871，2.076708］區(qū)間內(nèi)，以密切關注流動性風險為主要任務，同時可采取適當?shù)呢泿耪卟僮?；yt?在［1.521756，1.888871］區(qū)間時，表明此時的流動性水平呈下降趨勢，中央銀行應及時施以援助，選擇適當?shù)木戎ぞ咦⑷肓鲃有裕划攜t?的值小于1.521756 時，說明已陷入流動性危機狀態(tài)，中央銀行應發(fā)揮最后貸款人的作用，采取緊急措施進行救助。

三是全國金融體系與貴州省地方中小銀行接受不同貨幣政策工具救助的效果存在差異。本文將全國層面操作的工具與區(qū)域?qū)用娌僮鞯墓ぞ咦鞅容^，分別構建以全國金融體系流動性水平和貴州省地方中小銀行流動性水平為被解釋變量的VAR 模型，對不同貨幣政策工具作用于金融體系和中小銀行的效果進行分析。結果顯示，不同層面的工具對貴州省地方中小銀行的流動性均有不同程度的影響，其中，基層央行運用再貸款再貼現(xiàn)、法定存款準備金率的救助效果較為顯著，而公開市場操作、同業(yè)拆借利率等工具由于貨幣政策傳導路徑、操作對象、經(jīng)濟環(huán)境等原因，對于貴州省地方中小銀行的流動性影響效果不明顯。

（二）政策建議

根據(jù)本文研究結論，結合實際情況，提出以下政策建議：

一是建立基層央行流動性救助機制，豐富區(qū)域流動性救助工具。由前文研究結論可知，受區(qū)域經(jīng)濟環(huán)境、貨幣政策傳導時效等因素影響，全國層面操作的工具對中小銀行流動性影響有限，而定向降準政策、基層央行直接操作的再貸款再貼現(xiàn)政策等，能直接向中小銀行提供流動性支持，具有較強針對性，對其流動性影響更顯著。因此，建議創(chuàng)新適用于區(qū)域地方中小銀行的貨幣政策工具，給予該類機構最直接、最便捷、最高效的政策支持，使得貨幣政策效果能快速精準地傳導至實體經(jīng)濟，促進區(qū)域經(jīng)濟高質(zhì)量發(fā)展。

二是建立“全國+區(qū)域”的流動性風險監(jiān)測管理系統(tǒng)?？紤]到全國與區(qū)域的流動性狀況差異，流動性風險監(jiān)測系統(tǒng)應兼顧全局和局部，構建風險預警機制，分類別、分區(qū)域、分時段地對各類金融機構和金融體系的風險狀況進行早預警、早排查、早處理。尤其是風險抵抗能力較弱的貴州省地方中小銀行，其內(nèi)部治理結構、風險管控能力等方面的不完善，亟須建立適合的流動性風險管理體系，更好地預判和應對風險問題的發(fā)生。

三是不斷創(chuàng)新“總量+結構”協(xié)調(diào)高效的貨幣政策工具組合。例如，在我國現(xiàn)有的準備金政策框架下，全面降準政策與定向降準政策相互配合，高效兼顧流動性總量調(diào)節(jié)與信貸結構引導。建議在再貼現(xiàn)再貸款、借貸便利等政策工具的完善創(chuàng)新中，繼續(xù)關注總量與結構政策協(xié)調(diào)配合，進一步提升流動性支持政策的精準與效率。