基于DSGE模型的影子銀行與信貸傳導研究

王蘇生++趙芳++陳剛

摘要：本文以新凱恩斯主義理論為基礎，構建了一個包含影子銀行和商業銀行兩種類型金融中介的動態隨機一般均衡模型（DSGE），在市場出清的條件下，通過數理建模與脈沖響應分析了影子銀行金融中介對貨幣政策傳導有效性的影響。研究結果表明：通過影響銀行資產負債表，緊縮性的貨幣政策顯著地影響銀行金融中介的凈資產和融資資本，進而影響銀行貸款的篩選水平。

關鍵詞：影子銀行；金融中介；信貸渠道；DSGE模型

中圖分類號：F830.5文獻標識碼：A文章編號：10035192（2017）0204407

doi：10.11847/fj.36.2.44

The Role of Shadow Banking in the Credit Transmission Mechanism in a DSGE Model

WANG Susheng， ZHAO Fang， CHEN Gang

（Shenzhen Graduate School， Harbin Institute of Technology， Shenzhen 518055， China）

Abstract：This paper develops two types of financial intermediaries， the commercial banking sector and the shadow banking sector in China by constructing a dynamic stochastic general equilibrium model（DSGE） based on the New Keynesian Theory. By means of mathematical modeling and impulse response analysis， we analyze how the shadow banking system affects the effectiveness of monetary policy transmission under the assumption of markets clearing. The findings show that through the balance sheets channel， a contractionary monetary policy shock has a significant impact on the net worth and capital intermediated， thereby affecting the quality of bank loans.

Key words：shadow banking； financial intermediary； credit channel； DSGE model

1引言

信貸發行被認為是傳統銀行部門的核心功能之一。然而，數據顯示在過去幾十年里，非銀行金融機構的中介數量（如影子銀行）一直在上升，甚至在一些國家超過傳統銀行部門[1]。影子銀行金融中介對金融生態系統的改變和影響也是多方面的，其中影子銀行體系的信用創造機制對貨幣政策是一個前所未有的挑戰。由于傳統商業銀行在我國金融體系中占主導地位，貨幣政策通過銀行信貸傳導渠道影響銀行信貸數量進而對企業的經濟活動形成約束[2]。商業銀行信貸傳導渠道發揮作用與銀行的壟斷地位、企業對銀行的外部融資依賴以及金融市場的不完善密切相關[3]。影子銀行的發展極大地拓寬了企業的融資渠道，打破了商業銀行的壟斷地位，降低了企業對銀行融資渠道的依賴性，進而影響貨幣政策信貸傳導的有效性[4]。在我國，金融市場化改革與金融創新的發展為影子銀行信用規模擴張提供了必要的宏觀環境，特別是2010年以來銀行信貸大幅緊縮刺激了影子銀行體系規模的膨脹，以理財產品、銀信合作等為代表的影子銀行迅速發展。數據顯示，2002年至今，人民幣貸款占社會融資總額的比重由原來的92%下降到現在的52%，而以影子銀行為主體的其他融資渠道所占比重則由原來的8%上升至48%，這表明影子銀行信貸中介在融資結構中的比重顯著上升。影子銀行信貸中介是影響貨幣政策對總信貸和經濟產生有效性的重要因素，因此構建反映中國影子銀行特征影響下的貨幣政策信貸傳導模型，深入研究影子銀行信貸中介對于貨幣政策傳導有效性的影響顯得尤為重要。

對于貨幣政策信貸渠道進行分析進而解釋宏觀經濟波動的研究已經取得了大量成果。他們認為信貸融資和經濟波動密切關聯，信貸市場影響實體經濟，企業融資渠道多樣化有助于熨平宏觀經濟波動[5～8]。2008年國際金融危機之后，經濟學家根據在本次危機中銀行業所扮演的重要作用，開始考慮將銀行部門引入到動態隨機一般均衡模型（DSGE）中，考察貨幣政策如何通過銀行信貸中介這一傳導渠道影響銀行貸款數量進而對經濟波動產生的影響。Gertler和Karadi[9]將信貸市場摩擦和銀行金融中介引入到新凱恩斯模型框架下，來重新考察金融中介如何誘導影響實體經濟的危機。除此之外，近期的Brunnermeier和Sannikov[10]，He和Krishnamurthy[11]，Dedola等[12]文獻都從不同的角度將金融中介部門引入到DSGE模型中。國內學者如劉鵬和鄢莉莉[13]，康立和龔六堂[14]，戴金平和陳漢鵬[15]也建立了包含銀行部門的DSGE模型。這些研究表明金融中介和金融摩擦在將貨幣政策傳導至實體經濟時具有重要作用。然而我們注意到，雖然金融危機以后影子銀行得到了充分的討論，但這些研究關注的仍然是傳統的銀行中介部門。國內外相關學者對影子銀行體系的定義和產生原因解釋不盡相同，但其本質上仍是一種信用中介活動[16]。根據金融穩定理事會FSB的定義，影子銀行是指游離于銀行監管體系之外、可能引發系統性風險和監管套利等問題的信用中介體系（包括各類相關機構和業務活動）[17]。影子銀行作為一種具備傳統商業銀行諸多核心功能的金融中介，通過資產證券化和擔保，對銀行貸款期限、流動性和信用進行轉化并分銷。影子銀行將傳統信貸資產轉移至表外，實現傳統信貸機構的業務模式轉變，消弱了銀行信貸機構的資金約束資產擴張的能力，促使銀行信貸擴張[18]。由于影子銀行的模式本質上和商業銀行經營模式類似，是能夠提供信用轉換、期限轉換和流動性轉換的金融中介，因此金融中介理論和金融加速器理論可以運用到影子銀行與貨幣政策的關系上[14]。

王蘇生，等：基于DSGE模型的影子銀行與信貸傳導研究

Vol.36， No.2預測2017年第2期

2008年“次貸危機”后影子銀行受到了國內外學者的廣泛討論，卻鮮有學者探討將影子銀行金融中介引入到新凱恩斯宏觀模型（DSGE）中，分析影子銀行對貨幣政策信貸傳導有效性的影響。影子銀行信貸受到可獲得的資金供給約束，可以通過信貸渠道精確地解釋它們的波動反應[19]。Verona等[20]考慮一個帶有金融加速器的DSGE模型，假定存在一個完全競爭的影子銀行并且扮演投資銀行角色，對低風險的項目進行投資而傳統商業銀行向高風險企業提供資金，發現貨幣當局實施極度寬松的貨幣政策會放大經濟繁榮和蕭條所產生的影響，以及影子銀行金融中介專注于風險較小的貸款。Goodhart等[21]研究不同的監管制度以阻止影子銀行資產的減價出售，得出與Verona等不同的觀點，他們認為影子銀行比傳統商業銀行存在較低風險厭惡程度，并且面臨更低的違約成本。Meeks等[22]關注商業銀行通過資產證券化將風險貸款轉移至資產負債表外的影子銀行，進而影響金融不穩定。Mazelis[23]研究帶有影子銀行和商業銀行的DSGE模型框架下的貨幣政策沖擊對總貸款供應的影響，發現影子銀行導致總信貸供給減少。基于上述分析，本文將影子銀行金融中介部門引入到DSGE模型中，借鑒了Ferrante[24]對于貸款項目類型的劃分，分析了銀行部門如何對不同項目類型的貸款進行融資，從理論上闡述了央行貨幣政策對影子銀行信貸渠道產生的影響。

3參數校準

在進行數值模擬之前，我們首先需要對模型中的一些基本參數進行校準。對于常見的參數按照以往的文獻進行賦值，而穩態參數則結合國內的實際情況進行校準。表1給出了DSGE模型的基本參數校準值。（1）家庭效應參數的校準。我們將家庭隨機貼現因子β設定為0.99，如Gertler和Karadi[9]將β值校準為0.99。參照郭新強等[27]利用GMM方法的估計結果，我們將消費習慣因子b設定為0.58。根據Ferrante[24]，將相對勞動效應權重χ校準為0.25；參考Galí和Gertler[28]對勞動供給彈性的估計，設定η為1.2。（2）銀行部門相關參數的校準。對于商業銀行和影子銀行每期繼續留在市場的概率σ取值為0.93，意味著銀行家平均年限約為3年半；剩下的參數pG、pB、θH、θL、κ和τ校準值均來自于Ferrante[24]。（3）企業相關參數的校準。根據我國全部從業人員勞動報酬占GDP比重，將資本份額α校準為0.33；參考Christiano等[29]將資本折舊率δ校準為0.025，意味著年折舊率為10%。對于中間品廠商的替代彈性ε，Zhang[30]基于中國宏觀季度數據的GMM實證估計值為4.61，本文中將其設定ε=4.61。文獻中對于資本調整因子的校準值范圍在1～30之間較多，在綜合考慮之后我們將f″設定為5。（4）其他參數校準。最終品生產商的價格粘性參數取0.75，表示一次價格調整所需時間約為一年。由于我國貨幣政策中使用利率調整的頻率較低且幅度不大，我們將泰勒規則中的利率自相關系數設定為0.9，而貨幣政策對產出和膨脹缺口的系數απ和αy分別設定為1.06和0.15。對于技術沖擊的估計，先估計出中國的宏觀生產函數，再利用估算出的殘差作為技術沖擊的替代指標，計算技術沖擊的自相關系數和標準差。

表1模型參數的校準值

符號參數值參數描述符號參數值

參數描述

β0.99家庭貼現因子δ0.025資本折舊率

b0.58消費習慣因子ε4.61中間商品替代彈性

χ0.25相對勞動效應權重f″5資本調整因子

η1.2勞動供給逆Frisch彈性ξc0.75價格粘性參數

σ0.93銀行每期留存的概率απ1.06貨幣政策對通脹缺口系數

pB0.66不良貸款成功率ρr0.9利率平滑系數

θL0.66項目低成功率ρε，IR0.5貨幣政策沖擊平滑系數

κ0.15監控成本參數Rk1.0106貸款收益率穩態值

τ0.68監控成本參數R1.0101名義利率穩態值

α0.33資本投入份額pG1良好貸款成功率

θH1.026項目高成功率ρa0.85技術沖擊平滑系數

αy0.15貨幣政策對產出缺口系數

4模型動態分析

在前面模型設定和參數估計的基礎上，首先對模型在技術沖擊下的脈沖反應進行模擬，并結合脈沖反應結果對其進行解釋；其次我們使用構造的模型模擬正向的利率沖擊對銀行金融中介所產生的影響。

4.1技術沖擊的脈沖分析

圖1顯示了銀行部門主要變量對1%的正向技術沖擊的動態響應過程。由于實際產出、資本價格和銀行之間存在相互影響，正向的技術沖擊帶來產出增加，資本價格也相應提高，企業的貸款利率下降，使得企業貸款和資本需求增加。由于銀行貸款質量與貸款收益率成正比，隨著貸款收益率的下降和資本價格上升，銀行選擇篩選貸款好的項目動機減少，因而銀行貸款質量下降。圖1顯示在正向的技術沖擊后商業銀行對貸款項目的篩選水平（即貸款質量）下降，而影子銀行貸款質量上升。實際上看，商業銀行對大型企業的貸款比例增加對貸款質量的升高具有較大的負面影響，從而降低銀行貸款質量。影子銀行貸款質量不僅受到貸款收益率的影響，也與名義利率下降有關。此外，影子銀行融資資本增加而商業銀行在短期內融資資本下降。實際上，隨著影子銀行等金融創新的發展，企業融資方式正在發生明顯變化，對商業銀行貸款的依賴度逐漸降低，也提高了商業銀行間接融資成本，因而商業銀行融資資本下降。由于商業銀行凈值分別受到杠桿率和融資資本的影響，在正向的技術沖擊下杠桿率上升而融資資本下降，因而商業銀行凈值下降；影子銀行杠桿率上升的幅度大于銀行融資資本的增長，從圖1看出影子銀行凈值在短期內上升。

圖1正向技術沖擊對銀行部門主要變量的影響

注：圖1中的銀行分別表示影子銀行和商業銀行，其中線條代表商業銀行，圓圈實線代表影子銀行。

4.2利率沖擊的脈沖分析

首先假設經濟處于穩態，然后對其施加一個單位正向的貨幣政策利率沖擊。圖2顯示了銀行部門主要變量對于1%的正向貨幣政策沖擊的動態脈沖響應過程。傳統的利率傳導渠道理論表明央行加息會抑制企業的投資行為，也就同時降低了企業對銀行中介的信貸需求。從圖2可以看出，在緊縮性的貨幣政策作用下，由于資產負債表的緊縮，銀行會縮減對企業的融資規模，抑制資本價格的下降并進一步影響銀行凈值，具體表現為正向的利率沖擊導致影子銀行凈值初始下降而商業銀行凈值初始增加。然而，正向的利率沖擊分別對影子銀行融資資本和商業銀行融資資本的影響不同，商業銀行融資資本增加而影子銀行融資資本下降。事實上，由于影子銀行具有較高的初始杠桿率，凈值的下降使得影子銀行資產負債表更具有約束力，以至將資產出售給其他金融部門，但商業銀行具有較低的杠桿容量，不能吸收影子銀行持有的所有資本，因而加劇了影子銀行體系的資產下降程度。此外，在緊縮性的貨幣政策下，貨幣政策沖擊導致商業銀行貸款質量上升，而影子銀行貸款質量下降。給定資本價格下降和貸款收益率的上升，影子銀行比商業銀行有更大的動機增加對貸款的風險型項目的篩選水平。

圖2正向利率沖擊對銀行部門主要變量的影響注：圖2中的銀行分別表示影子銀行和商業銀行，其中線條代表商業銀行，圓圈實線代表影子銀行。

5結論與啟示

本文通過在新凱恩斯分析框架中引入影子銀行和商業銀行兩種金融中介來分析當前貨幣政策的傳導機制和調控效果，得出主要結論如下：（1）當經濟面臨正向的技術沖擊時，影子銀行融資資本增加而商業銀行融資資本下降，受杠桿率上升的約束，商業銀行凈值下降而影子銀行凈值上升。正向的技術沖擊帶來貸款收益率的下降和資本價格上升，銀行選擇篩選好的貸款項目動機減少，因而，銀行貸款質量下降。（2）在緊縮性的貨幣政策下，商業銀行凈值和融資資本增加，而影子銀行凈值和融資資本下降。該結論與國外一些文獻不同，他們認為貨幣政策緊縮時，影子銀行增加借貸而商業銀行減少借貸，主要原因是本文中設定影子銀行比商業銀行具有更高的初始杠桿率。同時，商業銀行貸款質量增加而影子銀行貸款質量下降。

本研究對于貨幣當局和企業均具有管理實踐意義。隨著金融創新的不斷發展，企業融資方式正在發生明顯變化，大企業向市場融資、小企業向民間融資，通過股權、債權、資產證券化等多種方式進行融資，對傳統商業銀行貸款的依賴程度逐漸降低，直接影響商業銀行利息收入，同時也相應提高銀行貸款的融資成本，而以委托貸款、民間借貸、貸款信托、擔保公司等為代表的影子銀行越來越多地充當融資中介，使得傳統的銀行信貸受到擠壓。隨著未來國家宏觀經濟環境和金融生態環境都將發生顯著變化，企業融資渠道多元化加大了央行通過商業銀行信貸中介進行宏觀調控的難度，因此應該穩步推進利率市場化改革，完善貨幣政策的利率傳導機制。

此外，從國內影子銀行產生的原因來看，以風險型為主的民營中小企業對資金的需求更高，而商業銀行受制于監管和自身風險控制等約束，難以對這些高風險實體提供充足的信貸支持，而影子銀行體系正好彌補這些資金缺口。正如此，影子銀行的發展降低了銀行部門貸款篩選水平，也增加了風險沖擊的程度，促使金融系統呈現不穩定狀態。在經濟快速發展時，影子銀行所面臨的問題或風險可能會容易解決。當經濟增長速度出現回調時，影子銀行篩選貸款的項目會明顯下降，從而導致銀行經營風險成倍數的放大。雖然我國影子銀行還未形成與商業銀行分屬兩條融資鏈條的平行結構，但需要給予重視。在全球經濟出現危機時，為了阻止其資本收益率下降低于特定值，影子銀行必須從根本上減少信貸風險以及收緊貸款質量標準，從而降低它們資產的風險。未來需要重點加強影子銀行體系的監管和金融穩定性防范。

參考文獻：

[1]Board F S. Global shadow banking monitoring report[R]. Basel： Bank for International Settlement， 2012.

[2]葉康濤，祝繼高.銀根緊縮與信貸資源配置[J].管理世界，2009，（1）：2228.

[3]陳繼勇，甄臻.后危機時代中美影子銀行形成機制、風險特征比較及對策研究[J].武漢大學學報，2013，66（6）：9096.

[4]王銘利.影子銀行、信貸傳導與貨幣政策有效性——一個基于微觀視角的研究[J].中國軟科學，2015，（4）：173182.

[5]Bernanke B S， Blinder A S. The federal funds rate and the channels of monetary transmission[J]. The American Economic Review， 1992， 82（4）： 901921.

[6]Koivu T. Has the Chinese economy become more sensitive to interest rates？ Studying credit demand in China[J]. China Economic Review， 2009， 20（3）： 455470.

[7]Chen Q， Funke M， Paetz M. Market and nonmarket monetary policy tools in a calibrated DSGE model for mainland China[R]. BOFIT Discussion Papers， Bank of Finland， Institute for Economies in Transition， 2012.

[8]陳昆亭，周炎，龔六堂.短期經濟波動如何影響長期增長趨勢[J].經濟研究，2012，（1）：4253.

[9]Gertler M， Karadi P. A model of unconventional monetary policy[J]. Journal of Monetary Economics， 2011， 58（1）： 1734.

[10]Brunnermeier M K， Sannikov Y. The I theory of money[R]. Working Paper， Princeton University， 2011.

[11]He Z， Krishnamurthy A. A model of capital and crises[J]. The Review of Economic Studies， 2012， 79（2）： 735777.

[12]Dedola L， Karadi P， Lombardo G. Global implications of national unconventional policies[J]. Journal of Monetary Economics， 2013， 60（1）： 6685.

[13]劉鵬，鄢莉莉.銀行體系、技術沖擊與中國宏觀經濟波動[J].國際金融研究，2012，（3）：6976.

[14]康立，龔六堂.金融摩擦、銀行凈資產與國際經濟危機傳導[J].經濟研究，2014，（5）：147159.

[15]戴金平，陳漢鵬.中國的利率條件、信貸指導與經濟波動[J].金融研究，2013，（11）：114.

[16]裘翔，周強龍.影子銀行與貨幣政策傳導[J].經濟研究，2014，（5）：91105.

[17]Financial Stability Board. Progress report to the G20 on strengthening the oversight and regulation of shadow banking [R]. Los Cabos： Financial Stability Board， 2012.

[18]王博，劉永余.影子銀行信用創造機制及其啟示[J].金融論壇，2013，（3）：38.

[19]Bernanke B S， Gertler M. Inside the black box： the credit channel of monetary policy transmission[J]. Journal of Economic Perspectives， 1995， 9（4）： 2748.

[20]Verona F， Martins M M F， Drumond I. （Un）anticipated monetary policy in a DSGE model with a shadow banking system[R]. Bank of Finland Research Discussion Papers， 2013. 143.

[21]Goodhart C A E， Kashyap A K， Tsomocos D P， et al.. Financial regulation in general equilibrium[R]. Federal Reserve Bank of New York Staff Reports， 2012. 135.

[22]Meeks R， Nelson B， Alessandri P. Shadow banks and macroeconomic instability[R]. Bank of Italy Temi di Discussione， 2013. 939.

[23]Mazelis F. Monetary policy effects on financial intermediation via the regulated and the shadow banking systems[R]. BOFIT Discussion Paper， Bank of Finland， 2015.

[24]Ferrante F. A model of endogenous loan quality and the collapse of the shadow banking system[R]. Finance and Economics Discussion Series， Federal Reserve Board， 2013.

[25]Bernanke B S， Gertler M， Gilchrist S. The financial accelerator in a quantitative business cycle framework[J]. Handbook of Macroeconomics， 1998， 99（1）： 13411393.

[26]Calvo G A. Staggered prices in a utility maximizing framework[J]. Journal of Monetary Economics， 1983， （12）： 383398.

[27]郭新強，汪偉，楊坤.剛性儲蓄、貨幣政策與中國居民消費動態[J].金融研究，2013，（2）：4659.

[28]Galí J， Gertler M. Macroeconomic modeling for monetary policy evaluation[J]. The Journal of Economic Perspectives， 2007， 21（4）： 2545.

[29]Christiano L J， Motto R， Rostagno M. Financial factors in economic fluctuations[R]. European Central Bank， 2010.[30]Zhang W. Chinas monetary policy： quantity versus price rules[J]. Journal of Macroeconomics， 2009， 31（3）： 473484.