銀根緊縮與銀行信貸資金行業配置行為——來自SVAR模型的經驗證據

張 勇

(華南師范大學經濟與管理學院，廣東 廣州 510006)

銀根緊縮與銀行信貸資金行業配置行為
——來自SVAR模型的經驗證據

張 勇

(華南師范大學經濟與管理學院，廣東 廣州 510006)

從我國銀行貸款傳導渠道的典型事實出發，通過建立SVAR模型，并以2003－2009年為研究區間，考察緊縮性政策影響下我國銀行信貸資金的行業配置行為。研究發現，當人民銀行上調政策利率之后，銀行會根據不同借款主體的可抵押品價值高低而產生不同程度的違約風險預期，并將信貸資金配置到抵押品價值較高的工業和商業貸款，同時減少了抵押品價值較低的農業貸款。這也就意味著，緊縮性政策的操作會通過資產負債表效應決定銀行信貸資金行業配置行為，并可能影響到經濟結構的戰略性調整。

緊縮性政策 信貸資金行業配置行為 資產負債表效應 SVAR

一、引 言

隨著我國國民經濟運行企穩回升，加快經濟結構戰略性調整被確定為國民經濟和社會發展第十二個五年規劃的主攻方向。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逐步向常態回歸的同時，著力引導銀行優化信貸資金行業配置結構，進而增強信貸資金支持經濟結構調整的均衡性和可持續性。然而，在緊縮性政策的影響下，銀行在信貸資金行業配置方向上卻表現出了顯著的差異性，并可能在一定程度上影響貨幣當局通過銀行貸款傳導渠道實現經濟結構調整目標。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配置行為產生什么樣的影響?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渠道的內在機理，而且還有助于發揮貨幣政策在促進經濟結構調整中的積極作用。

從西方經濟學文獻來看，國外學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，從中央銀行上調政策利率(policy rate)之后，緊縮性政策對不同行業的借款主體所形成的資產負債表效應(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渠道的有效性時，首次將資產負債表效應引入到傳導渠道的討論之中。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，在發達的金融市場中，政策利率的上調會導致借款主體所持有的資產價格下跌，同時又通過抑制總需求進而影響營業收入并形成融資缺口，最終削減借款主體的抵押品價值，并加速其資產負債表質量狀況的惡化。那么，在信息不完美的情況下，銀行就會根據抵押品價值的高低而對借款主體產生不同程度的違約風險預期，并將其信貸資產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為研究對象發現，當政策利率上升時，銀行均增加了工商業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，當人民銀行采取緊縮性政策操作時，是否會通過資產負債表效應而決定銀行信貸資金的行業配置行為呢?事實上，自從1994年我國銀行業信貸規模管理逐步取消，以銀行間同業拆借市場成立為標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機制的政策工具和中介目標。而且，人民銀行開始調控以央票發行利率為主導的政策利率，并由利率期限結構作用于中長期利率，最終影響到投資、消費以及資產價格的波動。可以推論，政策利率的未預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，進而形成資產負債表效應并導致信貸資金行業配置行為的變化。

目前國內學者對這一議題的研究尚未充分展開。大多數文獻更多局限于銀行在信貸資金和證券資產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展開的信貸資金配置行為，但是并未從資產負債表效應的角度考察信貸資金行業配置行為［6］。鑒于此，本文試圖從我國銀行貸款傳導渠道的典型事實出發，建立結構向量自回歸模型(SVAR)，并在對模型結構系數估計的基礎上，構建政策利率沖擊下不同行業貸款的響應函數并進行比較，從而觀察銀行信貸資金的行業配置行為。

二、結構向量自回歸模型的設定

自從2003年4月人民銀行在公開市場操作中啟動央行票據發行以彌補現券持有量不足之后，央行票據逐步成為貨幣政策操作的日常性微調工具①參見余明:《我國央行票據沖銷操作政策傳導路徑的實證研究》，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渠道，并試圖以央票發行利率作為主要政策利率，引導銀行貸款行為，進而實現價格和產出目標。基于上述分析，為了刻畫政策利率決定銀行貸款，并最終影響產出和價格的傳導機制，我們建立了包含產出、價格、銀行貸款、政策利率的四元結構向量自回歸模型(SVAR)，如式(1)所示。

其中，Y，P，L，R 分別表示產出、價格、銀行貸款和政策利率。A表示內生變量同期決定關系的系數矩陣，Ci表示滯后第i階的系數矩陣，B表示某一變量的隨機沖擊對內生變量產生影響的系數矩陣，u表示結構化隨機沖擊，一般假設為正交。這樣，我們在對SVAR模型估計其結構系數的基礎上，建立政策利率沖擊下銀行貸款的響應函數。

可以根據銀行貸款傳導渠道的現實情況和經濟理論作出以下假設:(1)產出僅受自身沖擊的影響，即b12=0，b13=0，b14=0;(2)根據菲利普斯曲線的產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，還受到產出沖擊的影響，即b23=0，b24=0;(3)人民銀行根據產出和價格的變動相應調整政策利率，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函數φn，如式(3)所示:

其中，n表示沖擊作用下時間滯后間隔。

三、數據分析與模型估計

由于本文的目的是試圖考察政策利率沖擊下不同行業貸款的響應函數并進行比較，因此，根據現行金融統計數據的可獲得性，分別建立了三組由產出、價格、銀行貸款、政策利率構成的SVAR模型。其中，根據我國現行金融統計制度的特點，銀行貸款分別取工業、商業和農業貸款三種情形。這樣，我們就可在估計模型結構系數的基礎上計算出政策利率沖擊下各類行業貸款的響應函數。

(一)數據來源與說明

產出由消除趨勢后的對數實際GDP表示，其中實際GDP是由名義GDP經1994年為基期的定基比CPI調整而得到，名義GDP值又取自《中國經濟景氣月報》。價格P由消除趨勢后的對數定基比CPI表示，該價格指數是根據謝安(1998)［7］、《中國經濟景氣月報》提供的環比CPI經過連乘計算而得。銀行貸款L由消除趨勢后的對數工業貸款、商業貸款和農業貸款表示，貸款數據取自《中國人民銀行統計季報》發布的金融機構人民幣信貸收支表。政策利率R由消除趨勢后的3個月央票發行利率表示，利率值取自中國債券信息網。上述變量的趨勢值均采用Hodrick－Prescott過濾法估計而得，樣本區間為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季度期間內采取了持續上調央票發行利率的緊縮性政策操作，那么，就各類行業貸款的波動趨勢來看，農業貸款值先從0.967%持續降至－2.233%，工業貸款值則從－1.905%持續升至3.675%，商業貸款值則先從 －4.805%降至2006年1季度的－7.925%，然后轉為升至 1.724%。可見，在緊縮性政策影響下，銀行在信貸資金的行業配置上表現出了巨大的差異性。

(二)模型估計與結果分析

首先采用ADF方法對上述變量展開平穩性檢驗，檢驗結果表明，各變量均為平穩序列。

此外，SIC和 AIC表明，SVAR滯后階數為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矩陣的結構系數，估計結果如表1所示。

表1 結構系數估計結果

在模型結構系數估計的基礎上，分別計算1個正向標準差的央票發行利率沖擊下各類行業貸款的響應函數，如圖2所示。其中，橫軸表示預測期間，縱軸表示各類行業貸款作出響應的百分比。此外，用表2概括了上圖中各個變量的響應結果。

圖2 利率沖擊下各變量的響應函數

表2 利率沖擊下各變量的響應結果

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

四、結論與政策建議

本文從我國銀行貸款傳導渠道的典型事實出發，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配置行為。研究表明，當人民銀行上調政策利率之后，銀行會根據不同借款主體的可抵押品價值高低而產生不同程度的違約風險預期，并將信貸資金配置到抵押品價值較高的工業和商業貸款，同時減少了抵押品價值較低的農業貸款。這也就意味著，緊縮性政策的操作會通過資產負債表效應決定銀行信貸資金行業配置行為。

事實上，上述結論也就表明，銀行信貸資金行業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安全性的考慮而規避違約風險，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的資金投放不足，并鼓勵了追求數量、依賴投資的粗放型經濟增長方式，從而從長期看，并非有利于經濟結構戰略性調整和經濟發展方式的轉變。由此，提出以下三點建議。

1.人民銀行應充分關注銀行信貸資金行業配置行為，將其納入到貨幣政策預警和監測體系之中，并靈活運用貸款貼息、信貸優惠政策和窗口指導等準行政性手段，以及設計與銀行信貸資金行業配置行為相掛鉤的差別性政策工具，積極引導銀行對成長性行業和具有發展潛力行業的信貸投入，進而強化貨幣政策支持經濟結構調整和經濟發展方式轉變的力度。

2.加強產業政策宏觀導向的作用。通過制定科學的產業政策，定期向社會公布國家支持、限制和禁止投資的行業目錄，指導銀行信貸投向，尤其是以該行業的成長性及其對經濟增長的推動力作為主要依據，對資源、制造業、房地產等“高污染、高耗能、產能過剩”行業，嚴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模式和業務流程的自主創新，探索推進知識產權、自主品牌質押貸款，并支持火炬、星火等科技發展計劃項目，從而逐漸擺脫固定資產抵押貸款的約束。

［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濟影響的實證研究.金融研究，2005(11).

［5］索彥峰.轉型期中國貨幣政策信用傳導機制研究.南京:南京大學博士學位論文，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編制方法的一點看法.統計研究，1998(3).

張 勇(1976—)，男，安徽安慶人，經濟學博士，華南師范大學經濟與管理學院副教授。

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

2011－02－20

F832.33

A

1000－5455(2011)03－0100－04

【責任編輯:于尚艷】