毛澤盛 付 丹

（南京財(cái)經(jīng)大學(xué)金融學(xué)院，江蘇 南京 210023）

一、引言

黨的十九大報(bào)告強(qiáng)調(diào)，要“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”?！笆奈濉币?guī)劃也提出，完善現(xiàn)代金融監(jiān)管體系，提高監(jiān)管透明度和法治化水平。宏觀審慎管理和微觀審慎監(jiān)管是現(xiàn)代金融監(jiān)管體系的兩大重要組成部分，二者雖然有著共同的監(jiān)管目標(biāo)，即通過防范風(fēng)險(xiǎn)來維護(hù)金融穩(wěn)定，但也存在區(qū)別，前者主要通過預(yù)測和防范系統(tǒng)性金融風(fēng)險(xiǎn)來直接實(shí)現(xiàn)金融系統(tǒng)的穩(wěn)定，后者則重在通過防范單個(gè)金融機(jī)構(gòu)風(fēng)險(xiǎn)以為金融系統(tǒng)穩(wěn)定構(gòu)筑微觀基礎(chǔ)。因此，在當(dāng)前金融風(fēng)險(xiǎn)易發(fā)、高發(fā)、多發(fā)的背景下，宏觀審慎管理和微觀審慎監(jiān)管必須相融共生、相互協(xié)調(diào)。問題是，雖然宏觀審慎管理和微觀審慎監(jiān)管都具有防范系統(tǒng)性金融風(fēng)險(xiǎn)的功能，但二者對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響存在差異嗎？這種差異是否與當(dāng)時(shí)的經(jīng)濟(jì)背景相關(guān)？二者如何協(xié)調(diào)才能更好地降低系統(tǒng)性金融風(fēng)險(xiǎn)？本文將在構(gòu)建我國系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的基礎(chǔ)上，運(yùn)用時(shí)變參數(shù)向量自回歸（TVP-SV-VAR）模型和系統(tǒng)GMM方法對(duì)這些問題進(jìn)行解答。

二、文獻(xiàn)綜述

在美國次貸危機(jī)以前，人們主要關(guān)注的是微觀審慎監(jiān)管，即對(duì)單個(gè)金融機(jī)構(gòu)進(jìn)行監(jiān)管，以實(shí)現(xiàn)局部均衡。次貸危機(jī)后，宏觀審慎監(jiān)管得到越來越多國家的重視和關(guān)注。近年來，微觀審慎管理和宏觀審慎管理逐漸走向協(xié)同，二者相互依存、相互滲透。目前，有關(guān)二者協(xié)調(diào)性的研究主要圍繞協(xié)調(diào)必要性和協(xié)調(diào)方式兩個(gè)方面展開。

（一）宏觀審慎管理與微觀審慎監(jiān)管協(xié)調(diào)必要性

次貸危機(jī)的爆發(fā)使微觀審慎監(jiān)管在防控系統(tǒng)性金融風(fēng)險(xiǎn)方面的不足暴露無遺，保證單個(gè)金融機(jī)構(gòu)的安全已經(jīng)不能維持整個(gè)金融體系的穩(wěn)定（周小川，2011）。隨著對(duì)宏觀審慎管理的深入研究，學(xué)術(shù)界也達(dá)成了共識(shí)：有必要強(qiáng)化宏觀審慎管理，構(gòu)建完善的宏觀審慎管理框架，以防范系統(tǒng)性金融風(fēng)險(xiǎn)和實(shí)現(xiàn)金融穩(wěn)定（李妍，2009；張智富等，2020；葉思暉等，2020）。雖然二者的監(jiān)管手段有所不同，但宏觀審慎政策不會(huì)與微觀審慎政策相沖突，兩者的協(xié)調(diào)可以有效降低系統(tǒng)性金融風(fēng)險(xiǎn)（Angelini 等，2012）。Alessandri 等（2015）在分析歐洲的宏觀審慎管理和微觀審慎監(jiān)管時(shí)提到，在微觀審慎發(fā)揮作用時(shí)，會(huì)使信貸從微小金融機(jī)構(gòu)向大型金融機(jī)構(gòu)轉(zhuǎn)移，抵消宏觀審慎所發(fā)揮的作用，因此，宏觀審慎管理應(yīng)與微觀審慎監(jiān)管相互配合，共同維護(hù)金融穩(wěn)定發(fā)展，而不是顧此失彼。

近年來，國內(nèi)學(xué)者對(duì)二者協(xié)調(diào)的必要性也進(jìn)行了大量探索和研究。巴曙松等（2010）分析了微觀審慎監(jiān)管對(duì)順周期性的無能為力，提出要發(fā)揮宏觀審慎和微觀審慎之間的互補(bǔ)作用，對(duì)不同類型、不同區(qū)域的金融機(jī)構(gòu)實(shí)行差異化監(jiān)管。范小云和王道平（2012）從微觀審慎和宏觀審慎有機(jī)結(jié)合的視角，探討了巴塞爾協(xié)議Ⅲ對(duì)中國銀行業(yè)的影響并提出中國銀行業(yè)的改革意見。史永奮等（2014）認(rèn)為傳統(tǒng)的微觀審慎監(jiān)管在面對(duì)金融體系的順周期性時(shí)表現(xiàn)不足，需要依靠宏觀審慎管理的配合來提高監(jiān)管效率。劉超和周亮（2020）提出，為了更好地保障金融體系的穩(wěn)定運(yùn)行，應(yīng)將宏觀審慎管理理念加入微觀審慎監(jiān)管中，如金融機(jī)構(gòu)貸款撥備制度和逆周期資本緩沖。總體而言，為有效監(jiān)控和防范系統(tǒng)性金融風(fēng)險(xiǎn)，確保金融體系的穩(wěn)定，在傳統(tǒng)微觀審慎監(jiān)管的基礎(chǔ)上完善宏觀審慎管理、建立宏觀審慎管理框架已成為大勢所趨。

（二）宏觀審慎管理與微觀審慎監(jiān)管的協(xié)調(diào)方式

隨著宏觀審慎管理方式和工具的不斷完善，學(xué)者們關(guān)于微觀審慎監(jiān)管和宏觀審慎管理是否應(yīng)該協(xié)調(diào)配合這一問題已經(jīng)逐漸達(dá)成共識(shí)，學(xué)術(shù)界研究的重點(diǎn)也逐漸轉(zhuǎn)移到如何實(shí)現(xiàn)二者的協(xié)調(diào)以及協(xié)調(diào)方式的選擇上。Tchikanda（2017）出于宏觀審慎目的將微觀審慎工具的校準(zhǔn)合法化，以衡量和管理系統(tǒng)性金融風(fēng)險(xiǎn)，這一做法對(duì)設(shè)計(jì)和實(shí)施新法規(guī)以改善金融體系的穩(wěn)定性具有重要的政策意義。Tenten等（2017）利用M-PRESS-CreditRisk 這個(gè)新的自上而下的宏觀壓力測試框架，幫助監(jiān)管機(jī)構(gòu)評(píng)估與信用風(fēng)險(xiǎn)相關(guān)的銀行資本充足率，首次在統(tǒng)一的框架中將微觀審慎資本要求和宏觀審慎緩沖器的校準(zhǔn)進(jìn)行了結(jié)合。Ma?gorzata 和Kowalska（2017）發(fā)現(xiàn)，宏觀審慎工具和微觀審慎工具對(duì)非危機(jī)時(shí)期杠桿的順周期性有著顯著影響，宏觀審慎工具在非危機(jī)時(shí)期降低了流動(dòng)性的順周期性，而在危機(jī)期間增加了杠桿的順周期性，限制銀行開展活動(dòng)的范圍可以降低非危機(jī)時(shí)期流動(dòng)性風(fēng)險(xiǎn)的周期性。

在國內(nèi)，王忠生和黃倫章（2011）提出從流動(dòng)性監(jiān)管角度協(xié)調(diào)微觀審慎監(jiān)管和宏觀審慎管理，認(rèn)為要通過調(diào)控資產(chǎn)和負(fù)債期限的錯(cuò)配期來控制微觀層面的流動(dòng)性風(fēng)險(xiǎn)，同時(shí)關(guān)注資本流動(dòng)的數(shù)量和方向以避免資本市場上的流動(dòng)性危機(jī)。潘凌遙（2012）認(rèn)為微觀審慎監(jiān)管可以較為精確地計(jì)量系統(tǒng)性金融風(fēng)險(xiǎn)，從而能為宏觀審慎管理的實(shí)施節(jié)約經(jīng)濟(jì)成本。劉超和馬玉潔（2019）基于PVAR模型提出，微觀審慎監(jiān)管中的不良貸款率指標(biāo)和宏觀審慎管理中的廣義信貸/GDP偏離度與銀行業(yè)集中度指標(biāo)都能影響銀行業(yè)的穩(wěn)定性，但實(shí)施單一的監(jiān)管工具可能會(huì)對(duì)金融體系帶來沖擊，只有二者協(xié)調(diào)才能維持長期穩(wěn)定。

截至目前，雖然學(xué)術(shù)界有關(guān)宏觀審慎管理和微觀審慎監(jiān)管協(xié)調(diào)的研究成果較為豐富，但值得注意的是，已有研究從防范系統(tǒng)性金融風(fēng)險(xiǎn)的視角研究二者的協(xié)調(diào)效果時(shí)，大多只考慮政策與風(fēng)險(xiǎn)之間的靜態(tài)關(guān)系，而忽略了動(dòng)態(tài)效應(yīng)?，F(xiàn)實(shí)中，系統(tǒng)性金融風(fēng)險(xiǎn)是一個(gè)不斷累積、不斷反復(fù)的過程，因此，考察政策與風(fēng)險(xiǎn)的關(guān)系如何隨時(shí)間的推移而變化，將是一個(gè)重要的研究方向。據(jù)此，本文將首次采用時(shí)變參數(shù)模型研究宏微觀審慎監(jiān)管與系統(tǒng)性金融風(fēng)險(xiǎn)的時(shí)變相關(guān)性，為政策實(shí)施提供理論依據(jù)。同時(shí)，現(xiàn)有研究對(duì)二者協(xié)調(diào)搭配的探討大多集中在定性層面，主要從理論上分析二者在監(jiān)管工具層面的有效性和搭配方式，較少通過定量分析研究使用單一審慎政策和二者協(xié)調(diào)使用時(shí)對(duì)降低系統(tǒng)性金融風(fēng)險(xiǎn)水平的具體數(shù)量影響。據(jù)此，本文將實(shí)證檢驗(yàn)宏觀審慎管理與微觀審慎監(jiān)管協(xié)調(diào)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的調(diào)控作用?；诖?，本文研究的具體思路是：首先，構(gòu)建我國的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，并結(jié)合現(xiàn)實(shí)解釋其變化特征；其次，采用帶有時(shí)變參數(shù)的TVP-SV-VAR模型，實(shí)證分析宏微觀審慎監(jiān)管對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響的長短期效應(yīng)，以及在經(jīng)濟(jì)周期的不同階段系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)不同政策沖擊的反應(yīng)程度和持續(xù)時(shí)間的差異性；最后，采用系統(tǒng)GMM 方法，利用銀行微觀數(shù)據(jù)進(jìn)一步研究二者的協(xié)同效應(yīng)，即比較單一的審慎監(jiān)管政策和協(xié)調(diào)搭配的審慎監(jiān)管政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響差異。

三、我國系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（CSRI）構(gòu)建

系統(tǒng)性金融風(fēng)險(xiǎn)是指使金融系統(tǒng)部分或全部受到損失并對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生嚴(yán)重負(fù)面影響的風(fēng)險(xiǎn)。為了研究宏觀審慎管理和微觀審慎監(jiān)管對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，先要對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行具體測度，構(gòu)建符合我國國情的風(fēng)險(xiǎn)指數(shù)。IMF（2009）建議金融市場不發(fā)達(dá)的發(fā)展中國家應(yīng)采用綜合指數(shù)法構(gòu)建穩(wěn)健的金融指標(biāo)，其最大優(yōu)點(diǎn)是不注重金融危機(jī)的歷史和系統(tǒng)性金融風(fēng)險(xiǎn)的具體成因，并且利用該方法構(gòu)建的指標(biāo)變量可以引入其他模型中。國內(nèi)實(shí)證研究也表明，運(yùn)用綜合指數(shù)法構(gòu)建的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)與我國經(jīng)濟(jì)實(shí)際運(yùn)行情況相符合，能較為準(zhǔn)確地描述我國系統(tǒng)性金融風(fēng)險(xiǎn)水平。因此，本文采用綜合指數(shù)法來構(gòu)建我國的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)。

（一）指標(biāo)選取及數(shù)據(jù)處理

本文綜合考察了國內(nèi)外學(xué)者關(guān)于系統(tǒng)性金融風(fēng)險(xiǎn)的定義、影響因素和度量方法，并借鑒陶玲和朱迎（2016）關(guān)于風(fēng)險(xiǎn)指數(shù)的構(gòu)建方法，考慮到數(shù)據(jù)的可獲得性和準(zhǔn)確性，對(duì)測度維度和選取的基礎(chǔ)指標(biāo)進(jìn)行了改進(jìn)。結(jié)合本文的研究目的，主要基于以下幾個(gè)維度選取指標(biāo)：一是貨幣市場維度。在金融波動(dòng)中，貨幣市場往往會(huì)成為金融風(fēng)險(xiǎn)發(fā)生的主要場所。以往貨幣市場維度選取的指標(biāo)主要是銀行間市場七天回購定盤利率、一周SHIBOR 和LIBOR 利差、一周和一年SHIBOR 利差，本文首次加入了貸款同比增速和短期貸款余額/總貸款兩個(gè)指標(biāo)。二是資本市場維度。股票市場的過度繁榮和中長期信貸的過度擴(kuò)張，使得大量資金涌入資本市場，這極易形成資產(chǎn)泡沫，導(dǎo)致市場波動(dòng)不斷加劇，會(huì)較大程度地影響銀行業(yè)系統(tǒng)性金融風(fēng)險(xiǎn)水平，故本文首次選取上證所周轉(zhuǎn)率、上證所平均市盈率、上證綜指收益率、深證綜指收益率和中長期貸款/總貸款作為資本市場的基礎(chǔ)指標(biāo)。三是政府部門維度。在宏觀經(jīng)濟(jì)下行時(shí)期，會(huì)出現(xiàn)政府部門債務(wù)風(fēng)險(xiǎn)向銀行系統(tǒng)轉(zhuǎn)移的現(xiàn)象，從而會(huì)導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)水平上升，據(jù)此本文選取工業(yè)增加值累計(jì)增長和固定資產(chǎn)投資額累計(jì)增長等指標(biāo)。四是外匯市場維度。政府在調(diào)節(jié)本國貨幣的供求關(guān)系以規(guī)避風(fēng)險(xiǎn)時(shí)，極易導(dǎo)致匯率風(fēng)險(xiǎn)，形成系統(tǒng)性金融風(fēng)險(xiǎn)。指標(biāo)選取時(shí)，除了經(jīng)常使用的實(shí)際有效匯率指數(shù)、國家外匯儲(chǔ)備同比增長和進(jìn)出口總額同比增長，本文創(chuàng)新性地加入了進(jìn)口總額同比增長、出口總額同比增長和外匯占款同比增長。五是房地產(chǎn)市場維度。房價(jià)持續(xù)上漲會(huì)使房地產(chǎn)市場累積一定程度的風(fēng)險(xiǎn)，而房地產(chǎn)市場與銀行資金之間有著千絲萬縷的聯(lián)系，因此，不可避免地會(huì)造成銀行業(yè)風(fēng)險(xiǎn)上升，本文借鑒以往的研究選取了房地產(chǎn)開發(fā)投資額增長、商品房銷售額同比增長和商品住宅房銷售額同比增長等指標(biāo)。由此，本文主要從貨幣市場、資本市場、政府部門、外匯市場和房地產(chǎn)市場選取了22 個(gè)基礎(chǔ)指標(biāo)來構(gòu)建我國的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，數(shù)據(jù)來源于萬得數(shù)據(jù)庫，樣本區(qū)間為2009年1月—2020年12月。具體指標(biāo)如表1所示。

表1：系統(tǒng)性金融風(fēng)險(xiǎn)指標(biāo)體系

上述系統(tǒng)性金融風(fēng)險(xiǎn)測度指標(biāo)按照性質(zhì)可以分為正向指標(biāo)和負(fù)向指標(biāo)，正向指標(biāo)越大會(huì)導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)升高，負(fù)向指標(biāo)則相反。為了避免綜合指數(shù)偏差，需要對(duì)指標(biāo)進(jìn)行正向化處理，即正向指標(biāo)保持不變，負(fù)向指標(biāo)取相反數(shù)轉(zhuǎn)變成正向指標(biāo)。另外，由于所選指標(biāo)的數(shù)據(jù)類型和計(jì)量單位不統(tǒng)一，為統(tǒng)一量綱，需要對(duì)指標(biāo)進(jìn)行歸一化處理，具體方法是：Y=(X-minX)/(maxX-minX)。

（二）系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)構(gòu)建

首先，對(duì)基礎(chǔ)指標(biāo)進(jìn)行KMO 和Bartlett 球形檢驗(yàn)，以確定數(shù)據(jù)是否適合進(jìn)行主成分分析，檢驗(yàn)結(jié)果如表2 所示。從表中可看出，KMO 值為0.659，大于0.6，Bartlett 檢驗(yàn)的卡方值為5540.147，顯著性為0.000，小于0.05。因此，可以判斷各變量之間具有共同因子，適合進(jìn)行主成分分析。

表2：KMO和Bartlett球形檢驗(yàn)

其次，利用SPSS23.0 軟件對(duì)指標(biāo)進(jìn)行主成分分析，得到的主成分特征根和方差貢獻(xiàn)率如表3 所示。從表3中可以看出，前6個(gè)因子的特征根都大于1，且累計(jì)方差貢獻(xiàn)率達(dá)到88.158%，大于80%，說明前6個(gè)因子對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的解釋能力較強(qiáng)，因此，接下來選取前6個(gè)主成分進(jìn)行進(jìn)一步分析。

表3：主成分特征根和方差貢獻(xiàn)率

表4為前6個(gè)主成分的成分矩陣，利用該矩陣可以建立每個(gè)主成分與原始指標(biāo)之間的線性關(guān)系，得到各個(gè)主成分得分，接著將主成分得分除以初始特征值方差的平方根得到標(biāo)準(zhǔn)化的主成分得分，將標(biāo)準(zhǔn)化后的主成分得分賦予對(duì)應(yīng)的方差貢獻(xiàn)率為權(quán)重：

表4：成分矩陣

最后，合成系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)，如圖1 所示。從圖1 可以看出，我國系統(tǒng)性金融風(fēng)險(xiǎn)的變化不具有無限期累積特征，而表現(xiàn)為一個(gè)不斷反復(fù)的過程，因此，可以通過適當(dāng)?shù)恼邅韺?duì)其進(jìn)行合理調(diào)控。如果一國政府不能有效地抑制系統(tǒng)性金融風(fēng)險(xiǎn)，最終將引發(fā)金融危機(jī)。從圖1 中可以看出，2009年初，受國際金融危機(jī)爆發(fā)的影響，我國金融系統(tǒng)和實(shí)體經(jīng)濟(jì)遭受嚴(yán)重打擊，銀行業(yè)深受影響，系統(tǒng)性金融風(fēng)險(xiǎn)水平達(dá)到頂峰。2009—2010年期間，各國政府相繼出臺(tái)政策以刺激經(jīng)濟(jì)，我國也實(shí)行了積極的財(cái)政政策和適度寬松的貨幣政策，并安排4 萬億資金擴(kuò)大內(nèi)需，促進(jìn)經(jīng)濟(jì)增長，使得宏觀經(jīng)濟(jì)形勢逐漸好轉(zhuǎn)，系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)也呈現(xiàn)明顯下降的趨勢。2011年1月—2013年7月，由于貸款增速過快，我國債務(wù)額度水平攀升，同時(shí)宏觀經(jīng)濟(jì)出現(xiàn)產(chǎn)能過剩問題，加之2013年銀行業(yè)的“錢荒”事件，使系統(tǒng)性金融風(fēng)險(xiǎn)水平出現(xiàn)小幅度上升。2015年，我國股票市場爆發(fā)嚴(yán)重的股災(zāi)危機(jī)，導(dǎo)致上證指數(shù)接連下跌，由于銀行業(yè)也間接參與了股票市場的資金投放，在這次股災(zāi)中也受到不小的損失，由此導(dǎo)致2015年底系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)不斷上升，達(dá)到較高水平。隨后，在國家多部門強(qiáng)力調(diào)控下，股災(zāi)影響逐漸減弱，系統(tǒng)性金融風(fēng)險(xiǎn)得以緩解。此后，我國開始逐漸認(rèn)識(shí)到宏觀審慎管理政策對(duì)調(diào)控系統(tǒng)性金融風(fēng)險(xiǎn)的重要性，并逐漸加大宏觀審慎政策的力度，中國人民銀行于2016年初啟動(dòng)宏觀審慎評(píng)估體系（MPA），同時(shí)原銀監(jiān)會(huì)也加強(qiáng)了表外理財(cái)業(yè)務(wù)的監(jiān)管力度。受此影響，我國經(jīng)濟(jì)增速雖然持續(xù)放緩，但金融系統(tǒng)保持穩(wěn)定，最終導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)逐漸下降。直到2020年1月，受到新冠肺炎疫情的影響，國內(nèi)消費(fèi)市場停滯，證券市場千股齊跌，系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)上升到樣本區(qū)間的最大值。綜上可見，系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的走勢與我國經(jīng)濟(jì)實(shí)際運(yùn)行情況相符合，對(duì)國內(nèi)外的負(fù)面金融事件比較敏感，能夠準(zhǔn)確描述我國的系統(tǒng)性金融風(fēng)險(xiǎn)水平。

圖1：系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)變化趨勢

四、宏微觀審慎監(jiān)管對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)沖擊的時(shí)變特征

本文采用TVP-SV-VAR 模型分別考察我國宏觀審慎政策和微觀審慎政策對(duì)銀行業(yè)系統(tǒng)性金融風(fēng)險(xiǎn)沖擊的時(shí)變特征，研究在經(jīng)濟(jì)周期的不同階段系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)不同政策沖擊的反應(yīng)程度和持續(xù)時(shí)間的差異性，并通過等間隔脈沖響應(yīng)函數(shù)和等時(shí)點(diǎn)脈沖響應(yīng)函數(shù)分析兩類監(jiān)管政策各自對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的調(diào)控效果。

（一）實(shí)證模型

在模型設(shè)計(jì)上，為了基于時(shí)變視角構(gòu)建宏觀審慎管理和微觀審慎監(jiān)管協(xié)調(diào)框架，本文采用了具有隨機(jī)波動(dòng)性的TVP-SV-VAR 模型（Primiceri，2005）。TVP-SV-VAR 模型可以刻畫變量之間的時(shí)變特征，并解釋變量之間的非線性關(guān)系。具體來說，在解釋宏觀審慎政策、微觀審慎政策與系統(tǒng)性金融風(fēng)險(xiǎn)的時(shí)變相關(guān)性時(shí)，TVP-SV-VAR 模型可以有效捕捉變量之間的結(jié)構(gòu)變化，準(zhǔn)確地反映宏觀審慎政策與微觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，以及政策與風(fēng)險(xiǎn)之間的關(guān)系如何隨著時(shí)間的推移而變化。

傳統(tǒng)SVAR模型為：

其中， y是一個(gè)可觀測到的內(nèi)生變量的k×1 矩陣， A,F,…,F代表k×k 階系數(shù)矩陣， A 表示變量之間的同期關(guān)系，F(xiàn)表示滯后s 期和當(dāng)前期變量之間的關(guān)系，隨機(jī)擾動(dòng)項(xiàng)μ是k×1 維結(jié)構(gòu)性沖擊項(xiàng)。

式（2）可以簡化為：

在該模型中，所有參數(shù)均不隨時(shí)間發(fā)生變化，顯然這是不符合經(jīng)濟(jì)運(yùn)行的基本規(guī)律的。在實(shí)際經(jīng)濟(jì)背景下，經(jīng)濟(jì)政策、經(jīng)濟(jì)結(jié)構(gòu)等因素都會(huì)隨著時(shí)間的推移而發(fā)生變化，因此，模型的參數(shù)也應(yīng)該產(chǎn)生變化，在模型中考慮時(shí)變的因素，將做出更符合實(shí)際的預(yù)測?；谑剑?），在模型中加入隨機(jī)波動(dòng)率，將模型拓展為TVP-SV-VAR模型：

其中， y、 A和∑都是隨時(shí)間變化的， A和∑表示為：

假設(shè)TVP-SV-VAR 模型中的所有時(shí)變參數(shù)均服從隨機(jī)游走過程，即：

其中， h=(h,…,h)′， h=log(σ)。假設(shè)外部沖擊服從聯(lián)合正態(tài)分布：

其中， β~N(μ,∑) ， α~N(μ,∑) ，h~N(μ,∑)。假設(shè)時(shí)變參數(shù)的沖擊不相關(guān)，∑、∑和∑都是對(duì)角矩陣。本文將采用馬爾科夫蒙特卡洛模擬算法（MCMC）對(duì)模型進(jìn)行貝葉斯估計(jì)，從而提高參數(shù)估計(jì)的有效性和精確性。

（二）變量選取與數(shù)據(jù)說明

資本充足率是商業(yè)銀行資本與其風(fēng)險(xiǎn)加權(quán)資產(chǎn)的比率，代表銀行的償付能力。中國人民銀行于2011年實(shí)行差別準(zhǔn)備金動(dòng)態(tài)調(diào)整機(jī)制，核心是將信貸增長和準(zhǔn)備金水平掛鉤；于2016年開始實(shí)行宏觀審慎評(píng)估體系（MPA），核心是將貸款增長和資本水平掛鉤，這二者都強(qiáng)調(diào)了資本充足率是宏觀審慎管理的核心。實(shí)行資本充足率的逆周期監(jiān)管，就是允許銀行在經(jīng)濟(jì)周期的不同階段持有不同數(shù)量的資本，以緩解資本監(jiān)管的順周期效應(yīng)，是一種有效的逆周期監(jiān)管機(jī)制。此外，已有大量文獻(xiàn)從實(shí)證角度探討了資本充足率作為宏觀審慎管理代理變量的合理性（謝平和鄒傳偉，2010；嚴(yán)佳佳和康志鑫，2020；王紫薇和王海龍，2020）。因此，本文以商業(yè)銀行資本充足率（CAR）作為我國宏觀審慎政策的代表指標(biāo)。

不良貸款率是不良貸款占總貸款的比重，能反映商業(yè)銀行的資產(chǎn)質(zhì)量和風(fēng)險(xiǎn)管控能力。不良貸款率越高說明銀行風(fēng)險(xiǎn)越高。監(jiān)管部門通過跟蹤銀行不良貸款率指標(biāo)的變化來監(jiān)測單個(gè)金融機(jī)構(gòu)可能存在的風(fēng)險(xiǎn)，并采取各項(xiàng)措施達(dá)到保證金融機(jī)構(gòu)穩(wěn)健運(yùn)營的目標(biāo)，對(duì)這一指標(biāo)進(jìn)行監(jiān)控能夠體現(xiàn)政府對(duì)銀行的監(jiān)管態(tài)度和力度。胡利琴等（2012）、方意（2015）等人的研究也證實(shí)了不良貸款率作為微觀審慎監(jiān)管代理變量的合理性。因此，本文以商業(yè)銀行不良貸款率（NPL）作為我國微觀審慎政策的代表指標(biāo)。

考慮到2008年國際金融危機(jī)后，宏觀審慎管理才真正開始引起各國監(jiān)管當(dāng)局的重視，眾多學(xué)者也正是在這一事件之后才開始展開對(duì)宏觀審慎管理和系統(tǒng)性金融風(fēng)險(xiǎn)的深入研究，因此，本文選取的樣本區(qū)間為2009年第一季度—2020年第四季度，數(shù)據(jù)主要來源于萬得數(shù)據(jù)庫。

（三）實(shí)證結(jié)果與分析

1.平穩(wěn)性檢驗(yàn)。構(gòu)建TVP-SV-VAR 模型要求的變量數(shù)據(jù)必須是平穩(wěn)時(shí)間序列，否則可能會(huì)造成“偽回歸”問題。本文采用ADF 單位根檢驗(yàn)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（CSRI）、資本充足率（CAR）和不良貸款率（NPL）進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)結(jié)果如表5 所示，三個(gè)變量均是不平穩(wěn)時(shí)間序列，在對(duì)變量進(jìn)行一階差分后，各變量均表現(xiàn)為平穩(wěn)時(shí)間序列。因此，本文使用一階差分后的數(shù)據(jù)構(gòu)建TVP-SV-VAR模型。

表5：平穩(wěn)性檢驗(yàn)結(jié)果

2.參數(shù)估計(jì)。本文將模型的滯后期設(shè)定為2，利用馬爾科夫蒙特卡洛模擬算法（MCMC）對(duì)模型進(jìn)行10000 次抽樣，舍棄前1000 次抽樣作為預(yù)燒（burnin）。模型的參數(shù)估計(jì)結(jié)果如表6所示，其中參數(shù)的后驗(yàn)均值均位于95%置信區(qū)間內(nèi)，Geweke檢驗(yàn)的CD收斂診斷值均小于5%顯著性水平下的臨界值1.96，表明10000 次的模擬次數(shù)已經(jīng)足夠使馬爾科夫蒙特卡洛模擬算法（MCMC）模擬趨于集中。同時(shí)，所有參數(shù)估計(jì)結(jié)果的無效因子都小于200，因此，可以確認(rèn)馬爾科夫蒙特卡洛模擬算法（MCMC）抽樣有效。

表6：參數(shù)估計(jì)結(jié)果

3.等間隔脈沖響應(yīng)函數(shù)。TVP-SV-VAR 模型通過模擬不同滯后階數(shù)的脈沖響應(yīng)沖擊，得到等間隔脈沖響應(yīng)函數(shù)，從而捕捉出在不同提前期時(shí)系統(tǒng)性金融風(fēng)險(xiǎn)受宏觀審慎和微觀審慎政策沖擊的時(shí)變特征，并且能分別反映這兩類政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的短期、中期和長期效應(yīng)。本文設(shè)定提前期分別為4 個(gè)月、8 個(gè)月和12個(gè)月，以反映變量響應(yīng)的動(dòng)態(tài)變化過程。

圖2a表示系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)不同提前期宏觀審慎政策沖擊的脈沖響應(yīng)，可以看出不同提前期的宏觀審慎政策沖擊對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的脈沖響應(yīng)表現(xiàn)有所差異。樣本期間內(nèi)，系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)宏觀審慎政策沖擊的響應(yīng)顯著為負(fù)，且負(fù)向響應(yīng)隨著時(shí)間的推移逐漸增大，因此，可以看出宏觀審慎管理能有效降低我國的系統(tǒng)性金融風(fēng)險(xiǎn)水平，并且這種負(fù)向調(diào)控具有長期持續(xù)性。值得注意的是，宏觀審慎政策沖擊對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響具有明顯的時(shí)變特征，不同提前期的影響程度不同，其中，提前4 期的脈沖響應(yīng)函數(shù)變化幅度最大，提前12 期的脈沖響應(yīng)函數(shù)變化幅度最小，說明宏觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響隨著時(shí)間的推移會(huì)逐漸減弱。另外，不同提前期的曲線在2016年后都出現(xiàn)了較大幅度的下降，因?yàn)樵?016年中國人民銀行將差別準(zhǔn)備金動(dòng)態(tài)調(diào)整機(jī)制升級(jí)為MPA，從多個(gè)方面對(duì)金融機(jī)構(gòu)的行為進(jìn)行多維度的引導(dǎo)，此后我國全面加強(qiáng)了宏觀審慎管理，因此，系統(tǒng)性金融風(fēng)險(xiǎn)水平顯著降低。

圖2：系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)宏微觀審慎政策沖擊的等間隔脈沖響應(yīng)

圖2b 表示系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)不同提前期微觀審慎政策沖擊的脈沖響應(yīng)，可以看出樣本期間微觀審慎政策沖擊對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響具有明顯的時(shí)變特征，不同提前期的影響程度不同。具體來說，在2015年之前微觀審慎政策沖擊對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的脈沖響應(yīng)值在短期、中期和長期內(nèi)都基本保持為正值，其中提前4 期的脈沖響應(yīng)值最大，說明微觀審慎政策施行4 期后對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的調(diào)控效果最明顯，8 期后調(diào)控效果有所減弱，12期后基本為零，說明微觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的作用會(huì)逐漸減弱。但提前8期和提前12 期的脈沖響應(yīng)值在2015年后轉(zhuǎn)為負(fù)值，提前4期的脈沖響應(yīng)值在2017年后轉(zhuǎn)為負(fù)值，此后微觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)具有小幅度的負(fù)向影響。這是因?yàn)樽?017年1月以后我國高度重視宏觀審慎管理，監(jiān)管格局與系統(tǒng)性金融風(fēng)險(xiǎn)的關(guān)系發(fā)生了明顯的變化，更重要的是，宏觀審慎管理政策的實(shí)施會(huì)對(duì)微觀審慎監(jiān)管的調(diào)控效果產(chǎn)生影響。

4.時(shí)點(diǎn)脈沖響應(yīng)函數(shù)。TVP-SV-VAR 模型能通過模擬在不同時(shí)間點(diǎn)的脈沖響應(yīng)沖擊，得到時(shí)點(diǎn)脈沖響應(yīng)函數(shù)，從而刻畫宏觀審慎政策和微觀審慎政策在不同經(jīng)濟(jì)階段對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響的差異性。為了探討不同時(shí)期宏觀和微觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，本文選取了三個(gè)不同的時(shí)間點(diǎn)的脈沖響應(yīng)函數(shù)：2010年第四季度、2016年第一季度和2019年第一季度。這是因?yàn)椋菏紫龋?010年12月的G20 峰會(huì)上，各成員國批準(zhǔn)了巴塞爾協(xié)議Ⅲ的基本框架，并就宏觀審慎定義達(dá)成共識(shí)，提出要加強(qiáng)宏觀審慎管理，增強(qiáng)逆周期調(diào)節(jié)；其次，2016年中國人民銀行將差別準(zhǔn)備金動(dòng)態(tài)調(diào)整機(jī)制升級(jí)為宏觀審慎評(píng)估體系（MPA），從資本和杠桿、資產(chǎn)負(fù)債、流動(dòng)性等七大方面對(duì)金融機(jī)構(gòu)的行為進(jìn)行多維度的引導(dǎo)；最后，2019年2月中國人民銀行設(shè)立宏觀審慎管理局，負(fù)責(zé)牽頭建立宏觀審慎政策框架和基本制度。

圖3a為系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)不同時(shí)點(diǎn)的宏觀審慎政策沖擊的脈沖響應(yīng)函數(shù)，在給系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)一個(gè)來自宏觀審慎政策的正向沖擊后，三個(gè)不同時(shí)點(diǎn)在當(dāng)期都出現(xiàn)了較大的正向脈沖反應(yīng)，其中2019年9月的響應(yīng)強(qiáng)度最大，此后1 期出現(xiàn)小幅度下降后又反彈到樣本期的峰值水平，之后迅速下降，并于第3 期后在零線附近呈現(xiàn)上下波動(dòng)趨勢。因此，在三個(gè)代表時(shí)點(diǎn)下，宏觀審慎管理政策在整個(gè)樣本期內(nèi)會(huì)導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)出現(xiàn)正向累積現(xiàn)象，在短期內(nèi)這種現(xiàn)象更為明顯。值得注意的是，三個(gè)時(shí)點(diǎn)的宏觀審慎政策沖擊在第4 期都對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)有顯著的負(fù)向影響，這與圖2的等間隔脈沖響應(yīng)函數(shù)展現(xiàn)的規(guī)律相一致。

圖3：系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)宏微觀審慎政策沖擊的時(shí)點(diǎn)脈沖響應(yīng)

圖3b 為系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)不同時(shí)點(diǎn)的微觀審慎政策沖擊的脈沖響應(yīng)函數(shù)，可以看出系統(tǒng)性金融風(fēng)險(xiǎn)面對(duì)不同時(shí)點(diǎn)的微觀審慎政策沖擊的脈沖響應(yīng)函數(shù)走勢大體上保持一致，前3 期曲線基本重合，之后開始出現(xiàn)細(xì)微的差別。在不同時(shí)點(diǎn)給予微觀審慎政策一單位的正向沖擊會(huì)顯著影響銀行業(yè)系統(tǒng)性金融風(fēng)險(xiǎn)水平，并在沖擊當(dāng)期達(dá)到樣本期間的最大值，隨后迅速回落，在經(jīng)歷了幾次波動(dòng)后在第8 期后趨于0，此后一直在零線附近小幅度波動(dòng)。這意味著不同時(shí)點(diǎn)的微觀審慎政策能在短期內(nèi)表現(xiàn)較強(qiáng)的調(diào)控效果，但隨著時(shí)間的推移效果會(huì)逐漸減弱。

比較系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)宏觀審慎政策和微觀審慎政策的時(shí)點(diǎn)脈沖響應(yīng)可以看出，兩種政策沖擊對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響程度和持續(xù)時(shí)間不同。其一，系統(tǒng)性金融風(fēng)險(xiǎn)對(duì)宏觀審慎政策沖擊的反應(yīng)不同于對(duì)微觀審慎政策的沖擊，特別是在短期內(nèi)，宏觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的調(diào)控效果大于微觀審慎政策；其二，宏觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的抑制作用主要體現(xiàn)在短期，長期效應(yīng)比較微弱，而微觀審慎政策在危機(jī)時(shí)期會(huì)造成系統(tǒng)性金融風(fēng)險(xiǎn)累積，只有在經(jīng)濟(jì)繁榮時(shí)期會(huì)對(duì)風(fēng)險(xiǎn)產(chǎn)生負(fù)向影響?？傮w來看，宏觀審慎管理在抑制系統(tǒng)性金融風(fēng)險(xiǎn)方面比微觀審慎監(jiān)管的效果更加顯著，但仍然存在不足之處，要想在經(jīng)濟(jì)發(fā)展的各個(gè)階段都能有效抑制系統(tǒng)性金融風(fēng)險(xiǎn)，需要將宏觀審慎管理與微觀審慎監(jiān)管搭配協(xié)調(diào)使用。

五、宏微觀審慎監(jiān)管防范系統(tǒng)性金融風(fēng)險(xiǎn)的協(xié)調(diào)效應(yīng)

宏觀審慎管理與微觀審慎監(jiān)管對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響的時(shí)變特征表明兩類監(jiān)管政策存在協(xié)調(diào)的可能。為此，本部分將利用銀行微觀數(shù)據(jù)進(jìn)一步研究二者的協(xié)同效應(yīng)，即通過建立動(dòng)態(tài)面板模型，比較研究在使用單一的審慎監(jiān)管政策時(shí)和兩者協(xié)調(diào)搭配時(shí)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響是否存在差異。具體做法是，通過在模型中加入宏微觀審慎監(jiān)管代理變量的交叉項(xiàng)，研究分析變量之間的相互作用，以期為宏觀審慎管理和微觀審慎監(jiān)管如何協(xié)調(diào)使用提供實(shí)證支持。

（一）模型設(shè)計(jì)

基準(zhǔn)模型設(shè)定如下：

其中，CSRI為第i 家銀行在t 時(shí)期的系統(tǒng)性金融風(fēng)險(xiǎn)水平， X表示核心解釋變量，即宏觀審慎管理或微觀審慎監(jiān)管代理變量， Macrocon表示宏觀經(jīng)濟(jì)控制變量， Bankcon表示銀行微觀控制變量， ν表示銀行個(gè)體效應(yīng)，ε表示隨機(jī)擾動(dòng)項(xiàng)。

為了考察宏觀審慎管理與微觀審慎監(jiān)管對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響的協(xié)調(diào)效果，以證明“宏觀審慎管理+微觀審慎監(jiān)管”的調(diào)控框架在抑制系統(tǒng)性金融風(fēng)險(xiǎn)方面的顯著作用，在基準(zhǔn)模型中引入宏觀審慎管理代理變量和微觀審慎監(jiān)管代理變量的交叉項(xiàng)，拓展模型為：

在實(shí)證分析中，主要考察宏觀審慎政策與微觀審慎政策的交叉項(xiàng)系數(shù)α的符號(hào)、大小及顯著性，以期檢驗(yàn)宏觀審慎管理與微觀審慎監(jiān)管的協(xié)同作用。

（二）變量選取與數(shù)據(jù)說明

為了保證研究結(jié)論的準(zhǔn)確性和一致性，本文選取單個(gè)銀行機(jī)構(gòu)的不良貸款率（NPL）作為微觀審慎監(jiān)管的代理變量。由于不同宏觀審慎政策工具與微觀審慎政策協(xié)調(diào)可能具有不同的效果，本文參照Rubio 和Carrasco（2015）的做法，將宏觀審慎政策工具分為資本類、信貸類和流動(dòng)類，分別研究其與微觀審慎監(jiān)管政策的協(xié)調(diào)效果。其中，資本類宏觀審慎政策工具選取資本充足率（CAR）作為代理變量；信貸類宏觀審慎政策工具選取貸款價(jià)值比（LTV）作為代理變量，貸款價(jià)值比是貸款價(jià)值與抵押品價(jià)值的比例，常見于商業(yè)銀行住房抵押貸款的風(fēng)險(xiǎn)管理，目前已經(jīng)成為我國防止房地產(chǎn)資產(chǎn)泡沫、抑制銀行風(fēng)險(xiǎn)的有效逆周期宏觀審慎調(diào)控工具，本文用“1-二套房首付比例”來代表貸款價(jià)值比；流動(dòng)類宏觀審慎政策工具選取法定存款準(zhǔn)備金率（DRR）作為代理變量，這是我國最重要的宏觀審慎工具之一，中國人民銀行從2011年建立差別存款準(zhǔn)備金率制度，至今共對(duì)其進(jìn)行了十多次調(diào)整，呈現(xiàn)從漸趨嚴(yán)格到穩(wěn)健發(fā)展的態(tài)勢。此外，宏觀經(jīng)濟(jì)控制變量主要包括GDP 季度同比增長率（GDP）和CPI 指數(shù)（CPI），銀行微觀控制變量主要包括銀行總資產(chǎn)規(guī)模的對(duì)數(shù)值（SIZE）、資產(chǎn)收益率（ROA）和非利息收入占比（NIR）。具體變量定義與說明如表7所示。

表7：變量定義與說明

本文研究樣本為2009—2020年16家上市商業(yè)銀行的季度數(shù)據(jù)，包括中國銀行、中國農(nóng)業(yè)銀行、中國工商銀行、中國建設(shè)銀行、交通銀行、浦發(fā)銀行、招商銀行、中信銀行、興業(yè)銀行、華夏銀行、北京銀行、南京銀行、民生銀行、寧波銀行、光大銀行和平安銀行。數(shù)據(jù)來源于萬得數(shù)據(jù)庫和各銀行季報(bào)、年報(bào)。

（三）實(shí)證結(jié)果與分析

本文設(shè)計(jì)的實(shí)證模型中包含了被解釋變量的滯后項(xiàng)，此類動(dòng)態(tài)面板數(shù)據(jù)在估計(jì)時(shí)變量之間可能存在內(nèi)生性問題，且政策工具變量以及銀行微觀變量有可能導(dǎo)致異方差問題。為了克服模型的內(nèi)生性以及可能的異方差等問題，本文選擇系統(tǒng)GMM 方法進(jìn)行參數(shù)估計(jì)，以避免模型估計(jì)結(jié)果出現(xiàn)較大的誤差，并使用內(nèi)生變量的滯后變量和差分變量作為工具變量，從而提高模型的可信度和估計(jì)效率。使用系統(tǒng)GMM 進(jìn)行參數(shù)估計(jì)時(shí)，需要通過AR 檢驗(yàn)來判定被解釋變量的滯后階數(shù)，原假設(shè)是擾動(dòng)項(xiàng)不存在自相關(guān)；需要通過Hansen檢驗(yàn)來檢驗(yàn)工具變量的有效性，原假設(shè)是所有工具變量都是外生變量。

1.資本類宏觀審慎政策與微觀審慎政策協(xié)調(diào)。表8 顯示了資本類宏觀審慎政策和微觀審慎政策調(diào)控系統(tǒng)性金融風(fēng)險(xiǎn)的實(shí)證結(jié)果。其中，模型（1）、（2）、（3）分別表示單獨(dú)實(shí)施宏觀審慎政策、單獨(dú)實(shí)施微觀審慎政策、宏觀審慎政策和微觀審慎政策聯(lián)合使用時(shí)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響程度。從表中可以看出，AR（1）表示拒絕一階差分不存在自相關(guān)的原假設(shè)，AR（2）表示不能拒絕二階差分不存在自相關(guān)的原假設(shè)，Hansen統(tǒng)計(jì)量表示所有工具變量都是外生的，因此，本文采用GMM估計(jì)方法是合理的。

表8：資本類宏觀審慎政策和微觀審慎政策影響系統(tǒng)性金融風(fēng)險(xiǎn)的檢驗(yàn)結(jié)果

從回歸結(jié)果來看，在3 個(gè)模型中，系統(tǒng)性金融風(fēng)險(xiǎn)的一階滯后項(xiàng)CSRI（-1）的系數(shù)在1%的顯著性水平下都顯著為正，說明銀行的系統(tǒng)性金融風(fēng)險(xiǎn)在時(shí)間上具有明顯的黏性特征，即上一期的系統(tǒng)性金融風(fēng)險(xiǎn)水平會(huì)對(duì)當(dāng)期的系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生重要的影響。另外，從表中觀察銀行微觀控制變量和宏觀經(jīng)濟(jì)控制變量與系統(tǒng)性金融風(fēng)險(xiǎn)水平的關(guān)系可發(fā)現(xiàn)：銀行資產(chǎn)收益率的系數(shù)顯著為正，說明銀行的盈利能力與風(fēng)險(xiǎn)水平呈正相關(guān)，這與銀行投資的資產(chǎn)組合的高風(fēng)險(xiǎn)高收益特點(diǎn)相吻合；銀行規(guī)模與系統(tǒng)性金融風(fēng)險(xiǎn)之間的關(guān)系為正，但是不顯著，意味著銀行規(guī)模越大，會(huì)承擔(dān)越多的系統(tǒng)性金融風(fēng)險(xiǎn)，原因在于資產(chǎn)規(guī)模較大的銀行可能會(huì)更傾向于采取高風(fēng)險(xiǎn)的行為以獲得高收益，并且規(guī)模越大的銀行與其他金融機(jī)構(gòu)之間的關(guān)聯(lián)性越強(qiáng)，更易造成風(fēng)險(xiǎn)傳染和風(fēng)險(xiǎn)累積；非利息收入占比的回歸系數(shù)為正，但是不顯著；宏觀經(jīng)濟(jì)控制變量中的GDP增長率和CPI指數(shù)的系數(shù)均為負(fù)值，說明經(jīng)濟(jì)快速增長會(huì)降低銀行的系統(tǒng)性金融風(fēng)險(xiǎn)。這些結(jié)果不再贅述，下面重點(diǎn)分析宏微觀審慎監(jiān)管政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響。

其一，模型（1）中的宏觀審慎政策變量資本充足率的系數(shù)在1%的水平下顯著為負(fù)，表明適度緊縮的宏觀審慎政策可以有效降低系統(tǒng)性金融風(fēng)險(xiǎn)水平。這是因?yàn)椋阂环矫妫?dāng)資本充足率要求提高時(shí)，受到監(jiān)管的銀行會(huì)減少放貸和高風(fēng)險(xiǎn)行為，能夠有效地控制經(jīng)濟(jì)中的貸款總量；另一方面，提高資本充足率會(huì)強(qiáng)化宏觀審慎管理對(duì)銀行資本的要求，有利于對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的事前防范，增加金融機(jī)構(gòu)抵御風(fēng)險(xiǎn)的能力。其二，模型（2）中的微觀審慎政策變量不良貸款率的系數(shù)為0.18，在5%的水平下顯著為正，表明銀行的不良貸款率每下降1 個(gè)百分點(diǎn)，系統(tǒng)性金融風(fēng)險(xiǎn)會(huì)降低0.18個(gè)單位，這意味著緊縮性微觀審慎政策能降低銀行的系統(tǒng)性金融風(fēng)險(xiǎn)水平。其三，模型（3）中兩種政策工具交互項(xiàng)的系數(shù)為-0.03，在5%的水平上顯著負(fù)相關(guān)，這意味著金融監(jiān)管部門可以通過權(quán)衡宏微觀審慎政策的影響及兩者的協(xié)調(diào)來有效地緩解單一政策造成的不利影響。具體來說，當(dāng)監(jiān)管部門采取寬松性宏觀審慎政策時(shí)，系統(tǒng)性金融風(fēng)險(xiǎn)將面臨上升壓力，此時(shí)金融監(jiān)管部門可以要求資本充足率較低且資產(chǎn)質(zhì)量狀況較差的銀行嚴(yán)格把控信貸資產(chǎn)質(zhì)量，通過降低不良貸款率來降低系統(tǒng)性金融風(fēng)險(xiǎn)，以抵消寬松性宏觀審慎政策的影響。相反，在寬松的微觀審慎環(huán)境下，監(jiān)管部門可以實(shí)施有差別的資本充足率調(diào)整機(jī)制，要求信貸投放節(jié)奏過快、不良貸款率較高的銀行提高資本充足率，來抑制這些銀行的信貸投放沖動(dòng)，進(jìn)而降低系統(tǒng)性金融風(fēng)險(xiǎn)水平。

2.信貸類宏觀審慎政策與微觀審慎政策協(xié)調(diào)。表9 顯示了信貸類宏觀審慎政策工具和微觀審慎政策調(diào)控系統(tǒng)性金融風(fēng)險(xiǎn)的實(shí)證結(jié)果。模型（4）和模型（5）分別表示單獨(dú)實(shí)施信貸類宏觀審慎政策和微觀審慎政策時(shí)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，模型（6）表示二者聯(lián)合使用時(shí)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響程度，AR檢驗(yàn)和Hansen檢驗(yàn)的結(jié)果表明，模型是合理有效的。

表9：信貸類宏觀審慎政策和微觀審慎政策影響系統(tǒng)性金融風(fēng)險(xiǎn)的檢驗(yàn)結(jié)果

模型（4）中的宏觀審慎政策變量貸款價(jià)值比的系數(shù)為0.005，在1%的水平下顯著為正，表明貸款價(jià)值比每降低1 個(gè)百分點(diǎn)，銀行的系統(tǒng)性風(fēng)險(xiǎn)會(huì)下降0.005 個(gè)單位，適度緊縮的貸款價(jià)值比可以小幅度抑制系統(tǒng)性金融風(fēng)險(xiǎn)水平。降低貸款價(jià)值比上限可以減少貸款人償還貸款的壓力，減小銀行信貸資產(chǎn)質(zhì)量劣變的可能性，從而降低銀行的系統(tǒng)性風(fēng)險(xiǎn)水平。因此，通過降低貸款價(jià)值比上限，即增加首付比能有效抑制購房需求，降低購房熱度，減緩房價(jià)上漲，抑制房地產(chǎn)市場泡沫化，從而間接降低銀行信貸增速，防范銀行對(duì)房地產(chǎn)市場的風(fēng)險(xiǎn)敞口過度暴露，達(dá)到降低金融市場系統(tǒng)性風(fēng)險(xiǎn)水平的目的。最近十幾年來，為了對(duì)房地產(chǎn)價(jià)格的迅猛增長及頻繁波動(dòng)進(jìn)行有效調(diào)控，我國曾十余次對(duì)貸款價(jià)值比進(jìn)行調(diào)整，以防范房地產(chǎn)市場風(fēng)險(xiǎn)的過度積累，降低銀行的系統(tǒng)性金融風(fēng)險(xiǎn)。

模型（6）中宏觀審慎政策和微觀審慎政策同時(shí)使用時(shí)，貸款價(jià)值比和不良貸款率的系數(shù)均顯著為負(fù)，兩種政策的交互項(xiàng)系數(shù)為-0.008，相比單獨(dú)使用某一種政策，此時(shí)的政策效果不佳，存在政策效果被互相抵消的現(xiàn)象。當(dāng)監(jiān)管部門采取寬松的微觀審慎政策時(shí)，商業(yè)銀行風(fēng)險(xiǎn)水平將有增加的趨勢，此時(shí)中央銀行如果通過降低貸款價(jià)值比上限進(jìn)行調(diào)整，可能會(huì)使風(fēng)險(xiǎn)進(jìn)一步擴(kuò)大。因此，以貸款價(jià)值比作為監(jiān)管指標(biāo)的信貸型宏觀審慎政策與微觀審慎政策的協(xié)調(diào)效果不佳，存在政策沖突和抵消現(xiàn)象。

3.流動(dòng)類宏觀審慎政策與微觀審慎政策協(xié)調(diào)。表10顯示了流動(dòng)類宏觀審慎政策工具法定存款準(zhǔn)備金率和微觀審慎政策調(diào)控系統(tǒng)性金融風(fēng)險(xiǎn)的實(shí)證結(jié)果，系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)的一階滯后項(xiàng)和控制變量的系數(shù)符號(hào)及顯著性與之前的結(jié)果也基本一致。

表10：流動(dòng)類宏觀審慎政策和微觀審慎政策影響系統(tǒng)性金融風(fēng)險(xiǎn)的檢驗(yàn)結(jié)果

模型（7）中的宏觀審慎政策變量法定存款準(zhǔn)備金率的系數(shù)顯著為-0.03，表明法定存款準(zhǔn)備金率每增加1 個(gè)百分點(diǎn)，銀行的系統(tǒng)性風(fēng)險(xiǎn)會(huì)下降0.03 個(gè)單位，與資本充足率的系數(shù)-0.02 和貸款價(jià)值比的系數(shù)0.005 相比，可見資本類和流動(dòng)類宏觀審慎政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的調(diào)控效果比信貸類強(qiáng)，表明中央銀行可以通過調(diào)整法定存款準(zhǔn)備金率來抑制銀行的系統(tǒng)性金融風(fēng)險(xiǎn)水平。當(dāng)經(jīng)濟(jì)處于上行期時(shí)，中央銀行上調(diào)商業(yè)銀行的存款準(zhǔn)備金率，從而減少其可貸資金，降低其信貸供給能力，顯著減慢銀行的信貸擴(kuò)張步伐，降低銀行風(fēng)險(xiǎn)。中國人民銀行自2003年起調(diào)整法定存款準(zhǔn)備金率40 余次，后來又引入宏觀審慎要求，實(shí)行差別準(zhǔn)備金動(dòng)態(tài)調(diào)整機(jī)制，使其成為我國重要的宏觀審慎管理工具之一。

模型（9）中，法定存款準(zhǔn)備金率的系數(shù)在1%的顯著性水平下為-0.05，相比單獨(dú)實(shí)施宏觀審慎政策時(shí)的-0.03，對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的約束作用增強(qiáng)，說明在微觀審慎政策環(huán)境下宏觀審慎政策效果被進(jìn)一步加強(qiáng)。宏觀審慎政策工具貸款價(jià)值比和微觀審慎政策工具不良貸款率交互項(xiàng)的系數(shù)為-0.03，意味著通過加強(qiáng)對(duì)商業(yè)銀行不良貸款率指標(biāo)的監(jiān)管，會(huì)強(qiáng)化提高法定存款準(zhǔn)備金率對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的約束作用，法定存款準(zhǔn)備金率這一宏觀審慎工具與微觀審慎工具共同作用，能夠?qū)ο到y(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生顯著抑制作用。中央銀行在寬松的微觀審慎政策環(huán)境下實(shí)施差別準(zhǔn)備金動(dòng)態(tài)調(diào)整機(jī)制，提高那些信貸投放節(jié)奏過快、不良貸款率較高的銀行的存款準(zhǔn)備金率，這對(duì)各商業(yè)銀行起到了威懾作用，銀行出于長遠(yuǎn)利益考慮，不得不對(duì)自身的資產(chǎn)結(jié)構(gòu)進(jìn)行調(diào)整，減少不良資產(chǎn)數(shù)量，降低加權(quán)風(fēng)險(xiǎn)資產(chǎn)，從而有效地降低了系統(tǒng)性金融風(fēng)險(xiǎn)。

（四）穩(wěn)健性檢驗(yàn)

為了確保實(shí)證結(jié)果的準(zhǔn)確性和有效性，本文通過替換代理變量的方法來檢驗(yàn)實(shí)證結(jié)果的穩(wěn)健性，選用撥備覆蓋率（PC）代替不良貸款率作為微觀審慎監(jiān)管的代理變量，構(gòu)建新的模型。回歸結(jié)果如表11所示。

表11：宏觀審慎政策和微觀審慎政策影響系統(tǒng)性金融風(fēng)險(xiǎn)的穩(wěn)健性檢驗(yàn)結(jié)果

從回歸結(jié)果來看，采用替代變量后，Sargan 檢驗(yàn)和AR 檢驗(yàn)均在5%水平下顯著，表明工具變量有效且不存在二階自相關(guān)，模型是合理的。銀行的系統(tǒng)性風(fēng)險(xiǎn)在時(shí)間上仍然具有黏性特征，宏微觀審慎監(jiān)管代理變量的系數(shù)符號(hào)和顯著性也與之前的結(jié)果一致，因此，本文的結(jié)論是穩(wěn)健有效的。

六、結(jié)論與建議

首先，本文從貨幣市場、資本市場、政府部門、外匯市場和房地產(chǎn)市場選取22 個(gè)基礎(chǔ)指標(biāo)，利用綜合指數(shù)法構(gòu)建了我國的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)；其次，運(yùn)用TVP-SV-VAR 模型，從時(shí)變的角度刻畫了我國宏觀審慎政策和微觀審慎政策在調(diào)控系統(tǒng)性金融風(fēng)險(xiǎn)上的政策效果，捕捉了政策與風(fēng)險(xiǎn)之間的動(dòng)態(tài)變化關(guān)系；最后，運(yùn)用系統(tǒng)GMM 方法，比較單獨(dú)使用一項(xiàng)政策和兩種政策搭配使用時(shí)降低系統(tǒng)性金融風(fēng)險(xiǎn)水平的效果，從而驗(yàn)證了“宏觀審慎管理+微觀審慎監(jiān)管”調(diào)控模式的有效性。研究結(jié)果表明：第一，利用綜合指數(shù)法構(gòu)建的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)與我國經(jīng)濟(jì)實(shí)際運(yùn)行情況相符合，能夠準(zhǔn)確描述我國的系統(tǒng)性金融風(fēng)險(xiǎn)水平，我國系統(tǒng)性金融風(fēng)險(xiǎn)不是無限期累積的，而是一個(gè)不斷反復(fù)的過程；第二，宏觀審慎管理和微觀審慎監(jiān)管影響系統(tǒng)性金融風(fēng)險(xiǎn)的程度和時(shí)機(jī)存在顯著的差異，但在抑制系統(tǒng)性金融風(fēng)險(xiǎn)方面前者比后者更有效，且前者的抑制作用主要體現(xiàn)在短期，長期效應(yīng)則比較微弱；第三，為有效控制系統(tǒng)性金融風(fēng)險(xiǎn)的累積，有必要將宏觀審慎管理與微觀審慎監(jiān)管進(jìn)行搭配和協(xié)調(diào)；第四，信貸類宏觀審慎管理政策與微觀審慎政策的協(xié)調(diào)效果不佳，存在政策沖突和抵消現(xiàn)象，而資本類和流動(dòng)類宏觀審慎政策能與微觀審慎政策發(fā)揮更好的協(xié)調(diào)效果，具體表現(xiàn)為在寬松的宏觀審慎政策環(huán)境下，微觀審慎政策的實(shí)施可抑制系統(tǒng)性金融風(fēng)險(xiǎn)上升，相反在寬松的微觀審慎環(huán)境下，實(shí)施有差別的資本充足率調(diào)整機(jī)制也能達(dá)到同樣的效果。

基于以上研究，本文提出以下政策建議：第一，完善微觀審慎監(jiān)管制度。微觀審慎監(jiān)管是防范系統(tǒng)性金融風(fēng)險(xiǎn)的基礎(chǔ)，相關(guān)部門應(yīng)與時(shí)俱進(jìn)，對(duì)現(xiàn)有的微觀審慎監(jiān)管制度加以補(bǔ)充和完善，增強(qiáng)金融機(jī)構(gòu)風(fēng)險(xiǎn)防范能力，促進(jìn)金融機(jī)構(gòu)的穩(wěn)健經(jīng)營。第二，進(jìn)一步加強(qiáng)宏觀審慎政策研究和實(shí)踐。宏觀審慎管理對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的調(diào)控效果已經(jīng)初見成效，但歷時(shí)較短，應(yīng)進(jìn)一步加強(qiáng)理論研究和實(shí)踐檢驗(yàn)，提高對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的認(rèn)識(shí)水平，豐富宏觀審慎政策工具，完善宏觀審慎管理政策。第三，加強(qiáng)宏微觀審慎監(jiān)管政策的協(xié)調(diào)配合。要將宏觀審慎管理政策與微觀審慎監(jiān)管政策納入同一個(gè)監(jiān)管體系，加強(qiáng)金融監(jiān)管部門的合作，加大政策目標(biāo)和工具的協(xié)調(diào)，強(qiáng)化逆周期金融調(diào)控，提高政策協(xié)同效應(yīng)。