結構性貨幣政策與金融機構風險

何劍 祝林 鄭智勇

摘 ? 要：2013年以來，我國結構性貨幣政策工具日漸豐富，在實現宏觀結構調整功能的同時，也引發了對金融機構風險影響的熱議。本文在分析結構性貨幣政策對金融機構的風險傳導機制基礎上，運用TVP-VAR模型檢驗結構性貨幣政策對金融機構風險的時變影響。研究表明：數量型結構性貨幣政策對金融機構風險的抑制效應優于價格型;定向降準在短期對金融機構風險的抑制效應顯著，而SLF和PSL在中長期對金融機構風險的抑制效應顯著;近年結構性貨幣政策對金融機構風險抑制效應優于執行初期。因此，在實現經濟結構調整目標的同時，為有效化解金融機構風險的產生，貨幣當局應從“健全中央銀行與市場溝通機制，拓寬多部門金融監管渠道”與“優化政策組合與執行節奏，適應市場經濟體制新發展”兩方面共同發力。

關鍵詞：結構性貨幣政策;金融機構風險;TVP-VAR模型

中圖分類號：F822.0 ?文獻標識碼：A ? 文章編號：1674-2265（2020）09-0003-10

DOI：10.19647/j.cnki.37-1462/f.2020.09.001

一、引言

2019年12月中央經濟工作會議定調貨幣政策由“松緊適度”變為“靈活適度”，表明貨幣政策將依據經濟形勢靈活調節，以提高宏觀調控的有效性、針對性。細數現有的貨幣政策工具，2014年以來，為應對新常態下貨幣政策環境的變化，我國中央銀行在適應“總量穩定、結構優化”的基礎上，積極推進貨幣政策從數量型向價格型轉變，創新和運用多種結構性貨幣政策工具，促進信貸資金向特定領域轉移，達到靈活調控的目的。因此，結構性貨幣政策將是未來宏觀調控的有效補充。

作為防范系統性金融風險的關鍵領域，可能引發的金融機構風險及其監管，同樣是結構性貨幣政策操作時關注的重要因素。然而，信貸資金在中央銀行、金融機構與實體經濟之間傳遞中，通過多種渠道影響金融機構的決策風險、信用風險和市場風險等，使中央銀行的政策寬松意愿與金融機構的風險防范產生沖突。長期而言，結構性貨幣政策增加了金融機構對短期融資的過度依賴，使得信貸風險轉化為流動性風險，從而引發金融市場波動。可見，在完善貨幣政策框架、防范系統性金融風險的背景下，結構性貨幣政策在實現調控目標時是否會增加金融機構風險？以及通過何種傳導渠道產生影響？厘清這些問題對我國當前宏觀調控具有重要的現實意義。

為了系統地解決上述問題，本文依據多種結構性貨幣政策工具的特點及運用情況，分析結構性貨幣政策對金融機構的風險傳導機制，運用TVP-VAR模型進行時變脈沖響應分析，以全面考察我國結構性貨幣政策對金融機構風險的影響，并對中央銀行如何完善結構性貨幣政策操作框架提出相應的建議。

二、文獻綜述

（一）結構性貨幣政策的本質及研究動態

凱恩斯與貨幣主義達成以泰勒規則為核心的“新共識”理論框架，提出實施“相機抉擇”的貨幣政策，認可利率在貨幣政策調控中的巨大潛力（羅志如等，1989）[1]。但弗里德曼則認為“數量型”貨幣政策更有效，實證證明中央銀行運用存款準備金率等數量型貨幣政策工具能夠實現調控目標，并有效控制金融機構的準備金情況（布萊恩，1984）[2]。美國次貸危機爆發后，學界發現傳統貨幣政策應對信貸緊縮和利率下限約束存在局限性，各國中央銀行相繼推出結構性貨幣政策工具，以彌補傳統貨幣政策的缺陷（Andrews等，2008;Fleming等，2010）[3，4]。因此，結構性貨幣政策的本質是國家執行的“區別對待、有保有壓”的貨幣政策，與“大水漫灌”模式不同，強調對特定地區、領域及行業提供政策扶持（付俊文和趙紅，2008）[5]。

由于結構性貨幣政策實施時間較短，學界主要在以下幾方面進行了初步探索：首先體現在比較研究方面，國內外學者列舉發達經濟體出臺的結構性貨幣政策工具，剖析其運行機制和模式（Baumeister和Benati，2010;Bauer和Neely，2014;Churm等，2015）[6，7，8];同時在對比發達經濟體的中央銀行貨幣政策調控手段后，楊春蕾（2017）[9]指出中國人民銀行的貨幣政策工具創新，如定向降準、SLF、MLF、TLF和SLO等，均有效引導資金在小微企業、三農和“雙創”等重點領域和薄弱環節的使用。其次體現在傳導渠道方面，結構性貨幣政策能夠通過多種渠道影響金融機構、金融市場、企業和個人等經濟主體的決策，包括信貸渠道、信號渠道、價格渠道等（Cúrdia等，2011;Albertazzi等，2016）[10，11];胡育蓉和范從來（2017）[12]認為結構性貨幣政策也存在幫助資金投放的導流渠道和控制資金流向的截流渠道，一是引導貨幣資金流向易遭受融資困境的新興產業和落后行業，二是阻截貨幣資金流向僵尸企業實現市場清理機制。最后是實施效果方面，結構性貨幣政策對促進產業結構調整、降低資產價格波動、穩定市場利率水平具有重要意義（Joyce等，2012;Swanson，2016;Hanisch和Max，2017）[13，14，15];彭俞超和方意（2016）[16]構建一般均衡模型發現，在應對不同的外生沖擊時，結構性貨幣政策均能對信貸結構調整和優化起到積極作用;余振等（2016）[17]通過事件分析法與潘敏和劉姍（2018）[18]使用時間序列EGARCH模型得出類似結論，即結構性貨幣政策工具在降低信貸市場利率、抑制其波動率方面效果顯著。

（二）結構性貨幣政策與金融機構風險

自2008年金融危機以來，各國學者深刻認識到防范系統性金融風險的重要性。全球金融穩定委員會（2009）[19]發布報告稱，系統性金融風險是指金融系統在一定因素作用下不能正常運行，導致金融服務大規模失靈，從而危及實體經濟發展的風險。Billio等（2010）[20]認為系統性金融風險的產生與金融機構的不穩定、信息不對稱、監管松懈等問題息息相關。于是，為完善系統性金融風險體系的構建，學者們逐漸將重心轉移至金融機構層面帶來的風險問題。Hollo 等（2012）[21]在構建歐盟系統性金融風險體系時，給金融機構層面的指標賦予更高權重，進而在風險預警方面取得了良好效果;我國學者在度量系統性金融風險時，也側重于運用金融機構維度指標構建綜合指數，研究成果包括陶玲和朱迎（2016）[22]、屈劍峰（2020）[23]等。由此可見，降低金融機構風險是防范系統性金融風險的重要途徑。

當前，結構性貨幣政策在逆周期調整方面力度持續加碼，系統性金融風險防控效果逐漸顯現。金融機構不僅是防范系統性金融風險的關鍵部門，更是結構性貨幣政策發揮效果的重要中介。結構性貨幣政策的實施和調整會影響金融機構信貸供給數量，從而改變其貸款決策。有學者指出，隨著經濟結構的深刻變革，金融機構的風險偏好和風險承擔對貨幣環境的變化更為敏感（Borio和Zhu，2008）[24]，當預期未來可能出現流動性短缺導致金融市場流動性風險上升，金融機構會進一步調整資產配置和貸款決策（Taylor和Williams，2009）[25]。因此，學者們逐漸意識到，結構性貨幣政策的制定與金融機構風險之間的關系需要重新思考。

進一步地，學者們從多個角度研究了結構性貨幣政策對金融機構風險的影響：機制研究方面，貨幣政策對金融機構風險傳導表現在估值效應、追逐收益效應、杠桿效應等機制上。擴張性貨幣政策使企業抵押品價值上升，在多種風險定價模型計算下，金融機構風險感知能力降低、風險偏好上升（Adrian和Shin，2009）[26];貨幣政策的調整會打破金融機構無風險收益與風險收益的平衡，為了追求更高的收益，金融機構會加大對風險資產的投資，引發機構經營風險上升（Peydro和Maddaloni，2010）[27];金融機構有固定或順周期杠桿率目標，當前杠桿率監管水平不高，貨幣政策與其他宏觀經濟變化均會對金融機構杠桿率產生沖擊（張強等，2013）[28]。實證檢驗方面，Altunbas 等（2009）[29]利用全球上市銀行數據庫，通過GMM方法分析了貨幣政策對商業銀行貸款違約率的影響，研究發現貨幣政策并非完全中立，寬松的貨幣政策會增加銀行冒險行為;周丹（2018）[30]構建PVAR模型探究貨幣政策對銀行風險承擔的異質性，發現不同類型的貨幣政策工具對銀行風險承擔效果不同，該效果還受銀行自身規模和經濟環境的影響;周晶和陶士貴（2019）[31]使用系統GMM證明了銀行風險承擔是結構性貨幣政策與銀行利潤效率的中介變量，即結構性貨幣政策通過提升銀行風險承擔意愿進而影響銀行利潤效率，并建議中央銀行應加強金融機構的風險監管，提高貨幣政策調節的有效性。

通過梳理已有文獻，學者們對結構性貨幣政策的內涵、傳導機制、實施效果等方面研究較為深入，奠定了豐富理論基礎。然而，對金融機構在結構性貨幣政策實施過程中的風險研究明顯不足，研究對象大多局限于商業銀行層面，缺乏對金融機構系統性、整體性的探究。同時，在研究方法上，鮮有研究基于貨幣政策動態調整的視角。因此，本文擬在這些方面進行深入探討，通過理論分析結構性貨幣政策對金融機構的風險傳導機制，結合使用TVP-VAR模型實證檢驗結構性貨幣政策與金融機構風險的動態關系，更為完整地考察我國結構性貨幣政策對金融機構風險的影響。

三、理論基礎與傳導機制

（一）結構性貨幣政策的理論基礎

1. 結構性貨幣政策作用目標。宏觀調控目標需要通過中介變量和復雜的傳導渠道實現。我國貨幣政策的最終目標是保持物價穩定，并作用于調節投資、消費等實體經濟活動。有別于傳統貨幣政策在總量上調節流動性問題，結構性貨幣政策能夠解決經濟體系中各種結構性問題。發達經濟體的結構性貨幣政策是設計并實施于經濟危機時期，以緩解信用緊縮、提振市場，屬于被動行為，而我國結構性貨幣政策屬于主動調控，強調對經濟矛盾精準施策。所以，我國結構性貨幣政策作用目標可以分為兩種：一是“短板拉長”目標，即通過激勵效應引導金融機構資金流向政策扶持領域，以緩解弱勢地區、短板行業的融資困境，例如對三農、小微企業、節能環保等薄弱環節的金融支持;二是“長板壓短”目標，即通過抑制效應調整資金流向，降低產能過剩、高債務杠桿等領域的信貸支持，例如對高消耗、高排放、產能過剩等劣質企業的資金支持，倒逼和引導產業結構調整。

2. 結構性貨幣政策工具運用分析。當前，中央銀行正在積極推行創新型的結構性貨幣政策工具組合，以應對國內流動性總量盈余和結構短缺并存的情況，其中主要有定向降準、再貸款、常備借貸便利、抵押補充貸款等，不同工具作用實體經濟領域的操作方式不盡相同。本文僅分析操作較為頻繁、數據披露相對完整的四種工具的運用情況。

（1）常備借貸便利工具（SLF），2013年1月設立，目的是對金融機構提供1—3個月的信貸支持，由政策性銀行和全國性商業銀行向中央銀行發起申請，以質押方式發放。SLF為金融機構提供了期限較長的大額流動性支持，提高短期利率的平穩性，增強金融機構防范流動性風險的能力。

（2）中期借貸便利工具（MLF），2014年9月設立，與SLF操作模式相似，期限分為3個月、6個月或1年，且只適用于符合國家審慎監管要求的商業銀行和政策性銀行。一方面，MLF屬于中央銀行發放的定向資金，可以為三農和小微企業等重點領域提供長期穩定的大額信貸資金，降低其融資成本;另一方面，由于MLF使用期限較長，可以有效避免金融機構的短期和長期行為，還能引導市場利率走向、發揮中期政策利率的作用。

（3）抵押補充貸款工具（PSL），2014年4月設立，以質押的方式為開發性和政策性金融機構提供3—5年期限的長期信貸支持。與SLF、MLF均由金融機構自主發起申請不同，PSL是以中央銀行為發起主體，依據市場運行情況向金融機構在政府特定項目上提供流動性支持，如棚戶區改造、重大水利工程等大型基建項目。同時在PSL發行過程中，中央銀行持續調整利率水平，以便更好地引導中期利率水平，降低社會融資成本。

（4）定向降準工具，2014年4月設立，屬于數量型結構性貨幣政策，在總量調節的基礎上更注重結構性和指向性的“精準滴灌”，以存款準備金率為代表。中央銀行使用定向降準工具對短板領域貸款達到一定規模的金融機構適當降低準備金，以引導市場變化和宏觀經濟發展。

圖1為中央銀行發行SLF、MLF和PSL的規模。總體上，結構性貨幣政策規模不斷擴大，SLF、MLF和PSL三種工具與基礎貨幣余額之比在2017年達到20%，2018年9月達到最高點約27.3%，充分體現出結構性貨幣政策在國家經濟發展中的重要作用。

（二）結構性貨幣政策對金融機構的風險傳導機制

傳統的貨幣政策傳導機制容易忽略經濟主體的風險偏好行為，但在金融危機后，貨幣政策和金融風險的關系逐漸得到重視。根據Borio和Zhu（2008）[24]的理論研究，各國中央銀行對貨幣政策的調控最先作用于金融機構，并給金融機構帶來了相應風險，而金融機構對該風險的態度決定其貸款決策，進而影響貨幣政策目標的實現。結構性貨幣政策作為“區別對待、有保有壓”的貨幣政策，其對實體經濟的促進也是通過金融機構貸款行為實現的，結構性貨幣政策對金融機構的風險傳導機制如圖2所示，主要包括四個方面：

1.“信號公告—市場預期”。中央銀行依據經濟運行趨勢和金融機構資本水平，向社會市場主體公告結構性貨幣政策工具和操作信息。除了社會公眾會根據國家貨幣政策意圖改變個體經濟決策外，金融機構也會積極調整資產負債表，給予政策支持領域更多流動性以支持其經濟發展。因此，在信號與市場預期傳導過程中，如果中央銀行存在對政策變動信息公開不足、披露不及時等現象，則會影響市場主體對經濟的預期，從而增加金融機構決策風險，引起不必要的市場波動。

2.“銀行信貸—定向支持”。中央銀行推出的結構性貨幣政策工具都需要由商業銀行具體執行，以便將信貸資金更多地分配到國家扶持領域。中央銀行對滿足民營或小微企業信貸使用量的商業銀行給予更多貸款支持，從而引導銀行信貸資金定向投放。此外，作為結構性貨幣政策“補短板”的重要傳導機制會改變商業銀行在各實體經濟領域的信貸投放比例，而信貸資金流向高風險、低產能行業又會影響銀行利潤水平，加劇商業銀行信貸危機的發生。

3.“利率水平—成本效益”。在市場經濟條件下，金融機構和一般工商企業在理性決策和行為上都遵循成本效益原則，結構性貨幣政策同樣考慮企業業務調整、存貨變動、資本比例變化等微觀效應。中央銀行使用價格型工具改變金融機構的短期利率預期，降低其資金成本，同時利率水平下調能夠降低結構性貨幣政策定向調控領域的融資成本，從而實現該領域經濟增長與結構優化。而短期利率預期間接影響長期利率，大量金融機構易陷入價格下跌、市值縮水、經營風險增大等困境。

4.“風險緩釋—風險承擔”。經濟結構中存在高風險、低收益的“短板”領域，金融機構往往限制向其提供貸款支持，使得經濟結構性矛盾日益突出。結構性貨幣政策通過價格機制和政策組合要求金融機構特別是國有控股商業銀行承擔責任，對“短板”領域給予更多風險準備金。同時，中央銀行對特定領域定向操作時，可以通過定向債轉股和定向不良資產處置，將部分金融風險從實體經濟向金融機構、資產管理公司轉移，幫助“短板領域”降低風險。然而，金融機構間的風險轉移容易構成“加速器”效應，助推系統性風險的傳染。

依據上述分析，結構性貨幣政策會給金融機構帶來一定風險，尤其是在引導流動性注入實體部門、降低社會融資成本，實現“短板拉長”和“長板壓短”目標的過程中。因此，本文選取系統性金融風險指數刻畫金融機構風險，采用TVP-VAR模型分析不同結構性貨幣政策工具與金融機構風險的動態關系，并基于實證結果提出相應的政策建議。

四、金融機構風險指數構建

（一）模型設定

近年來，關于系統性金融風險測度的研究越來越豐富，學者們構建了符合中國金融體系的系統性金融風險指數。其中，綜合指數法備受學者青睞，該方法可以選擇與金融風險高相關的指標構建綜合指數，更好地判斷系統性金融風險水平和發展趨勢。同時，我國學者在度量系統性金融風險時，也側重于運用金融機構維度指標構建綜合指數，可見綜合指數法對金融機構的風險測度同樣具有適應性。因此，本文借鑒國內學者陶玲和朱迎（2016）[22]、屈劍峰（2020）[23]的成果，使用綜合指數法的系統性金融風險指數模型設定金融機構風險指數，模型如下：

[FIRt=i=1nωiYit] ? ? （1）

其中，[FIRt]為t時刻金融機構風險指數，[Yit]為t時刻第i個指標，ω為權重。

（二）變量選取

通過前文對風險傳導機制的研究，結合我國結構性貨幣政策運用現狀，本文從三個方面挑選衡量金融機構風險的基礎指標：一是金融機構抵抗風險的能力，如金融機構存貸比、中長期貸款占比、商業銀行不良貸款比例等;二是金融市場波動，如上市金融機構市值、公司規模、估值水平等變動;三是宏觀經濟運行情況，如經濟運轉效率、經濟構成等。

本文金融機構風險基礎指標見表1。數據時段為2015年1月至2019年12月，主要反映結構性貨幣政策實施后金融機構風險情況。數據來源于中國人民銀行、國家統計局、中國銀保監會和萬得數據庫。

（三）指數構建

本文使用Stata16進行主成分分析，對指標進行初步篩選，發現前三個主成分特征根均大于1，且累計方差貢獻率大于85%，因此選取前三個主成分作為代表。接下來計算主成分對應得分，再使用方差貢獻率作為權重進行匯總，最終構造出金融機構風險指數（見圖3）。

由圖3所示，2015年金融機構風險指數出現尖峰狀突起，與何青等（2019）[32]使用主成分分析分位數回歸法（PCQR）測算結果一致。這一年我國經歷了股災、e租寶和金融腐敗等事件，使金融機構風險驟增，但在2015年下半年，隨著人民幣納入SDR、利率市場化條件成熟和匯價機制調整等措施的實施，金融機構風險指數逐漸回落。2018年1月新金融工具會計準則（IFRS9）實施，改變了金融工具分類的思路和方法，更多金融資產投資變動列入當期損益科目，導致金融機構利潤波動加劇，金融機構風險指數呈現小幅上升。2019年金融機構風險指數存在小幅波動，當局施策仍面臨全球經濟下行、關稅壁壘沖突、地緣政治風險等諸多不確定因素。其余時間金融機構風險指數都明顯低于0，說明結構性貨幣政策的創新實踐取得階段性成效。因此，該指數能夠較好地刻畫2015年后我國實施結構性貨幣政策對金融機構風險狀況的影響。

五、基于TVP-VAR模型的實證分析

（一）模型設定

本文參照Nakajima等（2011）[33]設定的時變參數向量自回歸模型（TVP-VAR），與傳統VAR模型不同的是TVP-VAR模型能夠刻畫變量的時變特征，捕捉變量間的非線性關系，以表示不同階段各個結構性貨幣政策工具對金融機構風險的動態沖擊。

引入標準VAR模型：

[Ayt=F1yt-1+…+Fsyt-s+μt，t=s+1，…，n] ? （2）

其中，[yt]是由觀測變量構成的[k×1]向量，[A]、[F1，… ，Fs]是[k×k]的系數矩陣，[μt]是[k×1]的結構沖擊擾動項。假定[μt～N0，ΣΣ]，其中：

[Σ=σ100σ2…0…0??00??…σk]

同時假定A為下三角矩陣：

[A=10a21 ?1 ?…0…0??ak1ak2??…1]

將模型（2）改寫為：

[yt=B1yt-1+…+Bsyt-s+A-1Σεt] ? （3）

其中，[Bi=A-1Fi]，[i=1，…，s]，[εt～N（0，Ik）]。然后，將堆積矩陣[Bi]寫成[k2s×1]的向量[β]，并定義[Xt=Ik?（y't-1，…，y't-s）]，其中[?]為克羅內克積，從而可以將式（3）變形為：

[yt=Xtβ+A-1Σεt] ? ? ? ? ? （4）

為滿足時變性，將式（4）常數參數改寫為隨時間變動的動態變量，則進一步擴展為：

[yt=Xtβt+A-1tΣtεt]，[t=s+1，…，n] （5）

式（5）即TVP-VAR模型的表達形式，令[at=（a21，a31，a32，a41，…，ak，k-1）']為下三角矩陣[At]的堆疊向量，同時令[ht=（h1t，h2t，…，hkt）']，[hjt=logσ2jt，][j=1，2，…，]

[k，t=s+1，…，n]。假定式（5）所有參數服從以下隨機游走過程：

[βt+1=βt+μβt]，[αt+1=αt+μαt]，[ht+1=ht+μht]

[εtμβtμαtμht～N0，IΣβΣαΣh]

其中，[t=s+1，…，n]，[βs+1～N（μβ0，Σβ0）]，[αs+1～N（μα0，Σα0）]，[hs+1～N（μh0，Σh0）]。

本文采用MCMC（Markov Chain Monte Carlo）方法對參數進行估計，借助Oxmetrics6.0與Nakajima 等（2011）[33]的TVP-VAR程序包進行計算。

（二）變量選取和處理

金融機構風險變量（FIR）依據上文指數測算，結構性貨幣政策變量的選取以定向降準工具、SLF、MLF、PSL四種工具為代表，按照工具操作特征分為數量型與價格型，具體計算方式見表2。考慮結構性貨幣政策起始時間，本文使用數據時段為2015年5月至2019年12月，數據來源于萬得數據庫。

（三）變量平穩性檢驗

在進行實證之前需要對各變量進行平穩性檢驗，以避免非平穩序列的“偽回歸”情況。本文使用Eviews10對各變量進行一階差分處理，并采用ADF檢驗其平穩性，檢驗結果見表3，可以看出各變量經一階差分處理后均為平穩變量。一階差分相當于對結構性貨幣政策工具變量與金融機構風險變量進行增量分析，符合本文的現實經濟意義，因此本文使用一階差分處理后的變量構建TVP-VAR模型。

表3：ADF檢驗

[變量 檢驗形式（C，T，L） ADF值 1%臨界值 P值 是否平穩 DLNRRAD C，T，0 -8.0136 -4.1373 0.0000 是 DSLF C，T，0 -11.2779 -4.1373 0.0000 是 DMLF C，T，0 -6.1599 -4.1373 0.0000 是 DPSL C，T，0 -7.7229 -4.1373 0.0000 是 DFIR C，T，0 -7.1841 -4.1373 0.0000 是 ]

注：“D”表示原始變量進行了一階差分處理;檢驗形式C、T、L分別表示ADF檢驗方程常數項、時間趨勢和滯后階數。

（四）模型參數估計結果

本文根據LR、FPE和AIC檢驗準則確定模型最優滯后階數為2，并參照Nakajima等（2011）[33]的方法設置參數，使用MCMC算法迭代10000次。參數估計結果如表4所示，所有參數Geweke統計量均落在95%置信區間內，且無效因子最大值約為105，表明TVP-VAR模型的MCMC模擬取得了良好的估計效果。

（五）不同滯后期的時變脈沖響應分析

TVP-VAR模型可以運用變參數計算所有時點上各變量在不同滯后期的脈沖響應，因此本文選取滯后1期、滯后3期和滯后6期代表短期、中期和長期的時間約束，得到結構性貨幣政策工具對金融機構風險的時變脈沖響應結果（見圖3）。其中實線、長虛線和短虛線分別表示滯后1期、滯后3期和滯后6期的時變脈沖響應曲線。

1. 定向降準對金融機構風險的時變脈沖響應（如圖4第一行第一列）。定向降準工具對金融機構風險的影響短期效應顯著為負且在不同時期表現穩定，但中長期效應顯著為正且變動相近，均在2016年達到峰值后開始逐年減弱，而長期效應較中期效應遞減速度更快，在2019年下半年長期脈沖響應已在0值附近波動。這表明定向降準工具作為總量調節的本質沒有變化，能夠快速釋放流動性降低金融機構風險，增強金融服務實體經濟的能力，而從中長期來看總量調節的弊端依然明顯，對社會總量的調整難以具有針對性。不過2016—2020年期間，中央銀行多次降準的目標集中于政策性金融機構，特別用于小微企業等薄弱環節的信貸投放。可見，隨著存款準備金率的調整，定向降準能夠逐步實現“精準滴灌”“對癥下藥”的結構性貨幣政策目標。

2. SLF對金融機構風險的時變脈沖響應（如圖4第一行第二列）。SLF對金融機構風險的影響短期效應顯著為正，而中長期效應在不同時期均為負向沖擊。這是由于在部分時點SLF利率高于銀行間同業拆借利率，且中央銀行對SLF操作多集中在年末和年初，主要受季節性、臨時性事件的影響，導致SLF實施過程中難以兼顧金融機構同業業務穩定。因此，即使SLF能夠在中長期穩定利率波動，降低金融機構風險，中央銀行施策時也應重點關注中小金融機構同業業務難以開展、同業存單貶值或拋售等風險，同時中央銀行應與監管部門協同合作，密切監測市場運行情況，保持市場流動性合理充裕。

3. MLF對金融機構風險的時變脈沖響應（如圖4第二行第一列）。MLF對金融機構風險的短中長期脈沖響應在不同時期均為正向沖擊，而短期沖擊明顯低于中長期沖擊且平穩保持在0.0001以下，中長期沖擊也有逐漸回落的趨勢。MLF的交易期限比SLF長，可以分為3個月、6個月或1年，具備更大的靈活性和可操作性，使中央銀行能夠做到收放自如。但從2016年以來我國面臨經濟下行壓力、社會融資需求偏弱等困境，MLF對金融機構風險調節不足，仍存在較大操作空間。同時，LPR改革后，貸款基礎利率和MLF存在聯動機制，MLF投放量的調整最終都會影響貸款利率水平，因此，隨著LPR新機制的日益成熟和完善，MLF還需適度調整和疏通“政策利率—LPR—信貸利率”的傳導渠道，逐步降低金融機構風險的產生。

4. PSL對金融機構風險的時變脈沖響應（如圖4第二行第二列）。PSL對金融機構風險的短期脈沖響應顯著為正，中長期為負，其中短中期沖擊在不同時期表現平穩，而長期沖擊在2016年8月開始有明顯的降低趨勢。由于PSL期限長達3—5年，對貨幣市場的寬松效應需要一段時間后才能顯現，所以PSL對金融機構風險短期效應還需進一步探討。但從中長期來看，PSL對金融機構風險的抑制效應顯著，這是因為中央銀行在發行PSL時能夠有意識地調整利率水平，并且能夠提供大額、穩定的融資以支持國民經濟重點領域。另外，中央銀行在PSL投放時采用質押形式，擁有合格抵押品例如高等級債券資產和優質信貸資產的金融機構其本身就擁有較強的抗風險能力。同時，近年來PSL的投放規模逐漸增加，有助于強化政策性金融機構在經濟轉型升級與逆周期調節過程中的重要功能。

（六）不同時點的時變脈沖響應分析

根據近年中央銀行發行結構性貨幣政策的規模，本文選擇2015年6月、2017年6月和2019年6月作為代表性的觀測點，表示中央銀行使用結構性貨幣政策的初級階段、增長階段和穩定階段，并對三個時點進行時變脈沖響應分析，結果如圖5所示。

由圖5可以看出，首先，在2015年6月定向降準、SLF、MLF和PSL四種工具對金融機構風險的脈沖響應顯著為0，這是因為在結構性貨幣政策投放初期，中央銀行正處于工具操作的探索和學習階段，其發行規模較低、調整次數較少，對金融機構風險的影響暫未顯現。其次，定向降準和MLF在2017年6月與2019年6月的脈沖響應函數的變化趨勢基本一致，均從負值逐漸增大，在短期內達到峰值后緩慢減小并趨于0，且2019年6月的沖擊降速快于2017年6月，對圖4不同滯后期定向降準和MLF對金融機構風險的脈沖響應形成良好的補充說明。這表明，在結構性貨幣政策工具穩定投放時期，定向降準和MLF對金融機構風險的正效應逐漸降低，中央銀行結構性貨幣政策對金融機構風險的抑制是一個逐步調整、完善的過程。最后，SLF和PSL在2017年6月與2019年6月的脈沖響應函數波動明顯，多數時期呈負效應，少數時期呈正效應。總體而言，無論是在結構性貨幣政策投放增長階段還是穩定階段，SLF和PSL均對降低金融機構風險的作用明顯，但需要注意的是，即使在政策投放穩定階段，SLF和PSL對金融機構風險的沖擊仍存在部分時期的正向效應，所以中央銀行應更加注重SLF和PSL投放數量的匹配，切實引導資金在特定領域的使用。

六、結論與政策建議

本文在分析結構性貨幣政策對金融機構的風險傳導機制基礎上，運用TVP-VAR模型進一步探討了結構性貨幣政策對金融機構風險的時變沖擊關系。得出結論如下：第一，數量型結構性貨幣政策工具與價格型結構性貨幣政策工具均對金融機構風險產生較為明顯的沖擊，但不同工具的作用方向存在差異。第二，從短期效應來看，不同時期定向降準工具對金融機構風險存在穩定的負向沖擊，而SLF、MLF和PSL工具對金融機構風險的沖擊表現為正向。第三，從中長期效應來看，定向降準和MLF工具對金融機構風險的沖擊表現為正向，但呈收斂趨勢，而SLF和PSL工具在不同時期均為負向效應。第四，從不同時點的時變脈沖響應來看，在結構性貨幣政策實施的穩定階段，定向降準和MLF對金融機構風險的正效應逐漸降低，SLF和PSL對金融機構風險的負效應時期居多，但仍存在部分正效應時期。

綜上，數量型結構性貨幣政策對金融機構風險的抑制效應優于價格型;定向降準在短期對金融機構風險的抑制效應顯著，SLF和PSL在中長期對金融機構風險的抑制效應顯著;近年結構性貨幣政策對金融機構風險抑制效應優于執行初期。為此，本文提出以下政策建議：

第一，健全中央銀行與市場溝通機制，拓寬多部門金融監管渠道。一方面，在實施結構性貨幣政策前，中央銀行應加強宣傳和實地對接，提高政策的透明度，做好窗口指導工作，保持政策調控目標與市場經濟目標的一致性;政策實施后，中央銀行應強化指引力度，金融機構也需要及時向社會傳達，合理引導公眾的市場預期，避免引起市場波動。另一方面，中央銀行應與相關監管部門協同，加強資金監管和約束，及時跟蹤資金流向，同時應健全監管框架，補充對“短板”領域支持的相關制度;金融機構還應改善信貸風險的度量方法，并設置有效的內部控制機制以應對各類風險的產生。

第二，優化政策組合與執行節奏，適應市場經濟體制新發展。一方面，在世界趨于零利率的背景下，“穩中求進”的總體基調仍要求中央銀行堅持把握不同貨幣政策工具的執行時機，以保持宏觀經濟“中性適度”的目標。結構性貨幣政策應與總量貨幣政策相適應，形成總量調控目標和結構性調控目標相互協調配合的有效系統;結構性貨幣政策的使用存在指向性和特殊性，需要相應配套措施提供有效保障，可以說，結構性貨幣政策的效果體現在與其他政策協同的廣度和深度上。另一方面，隨著利率市場化的進程加快，中央銀行要適度使用結構性貨幣政策調節市場經濟，尊重市場規律、重視市場機制。

參考文獻：

[1]羅志如，范家驤，厲以寧，胡代光.當代西方經濟學說（上）[M].北京：北京大學出版社，1989.

[2]布賴恩·摩根.貨幣學派和凱恩斯學派[M].北京：商務印書館，1984.

[3]Mc Andrews J，Sarkar A，Wang Z. 2008. The Effect of the Term Auction Facility on the London Inter Bank Offered Rate [R].FRB of New York Staff Report，（335）.

[4]Fleming M J，Hrung W B，Keane F M. 2010. Repot Market Effects of the Term Securities Lending Facility[R].FRB of New York Staff Report，（426）.

[5]付俊文，趙紅.我國窗口指導貨幣政策工具的理論與實踐 [J].中央財經大學學報，2008，（9）.

[6]Baumeister C，Benati L. 2010. Unconventional Monetary Policy and the Great Recession-Estimating the Impact of a Compression in the Yield Spread at the Zero Lower Bound [J].Working Paper Series，9（2）.

[7]Michael D. Bauer，Christopher J. Neely. ?2014. International Channels of the Fed's Unconventional Monetary Policy [J].Journal of International Money and Finance， ?44.

[8]Churm R，Joyce M et al. 2015. Unconventional Monetary Policies and the Macroeconomy：The Impact of the United Kingdom's QE2 and Funding for Lending Scheme [J].SSRN Electronic Journal.

[9]楊春蕾.金融危機后央行貨幣政策工具創新及“縮表”的中美比較 [J].世界經濟與政治論壇，2017，（6）.

[10]Cúrdia，Vasco，Woodford M. 2011. The central-bank Balance Sheet as an Instrument of Monetarypolicy [J].Journal of Monetary Economics，（58）.

[11]Albertazzi U，Nobili A，Signoretti F M. 2016. The Bank Lending Channel of Conventional and Unconventional Monetary Policy [J].Social Science Electronic Publishing.

[12]胡育蓉，范從來.結構性貨幣政策的運用機理研究 [J].中國經濟問題，2017，（5）.

[13]Joyce M，Miles D et al. 2012. Quantitative Easing and Unconventional Monetary Policy-an Introduction [J].The Economic Journal，122（564）.

[14]Swanson E T. 2016. Measuring the Effects of Unconventional Monetary Policy on Asset Prices [J].Journal Economía Chilena，19（2）.

[15]Hanisch，Max. 2017. The Effectiveness of Conventional and Unconventional Monetary Policy：Evidence from a Structural Dynamic Factor Model for Japan [J].Journal of International Money and Finance，（70）.

[16]彭俞超，方意.結構性貨幣政策、產業結構升級與經濟穩定 [J].經濟研究，2016，51，（7）.

[17]余振，顧浩，吳瑩.結構性貨幣政策工具的作用機理與實施效果——以中國央行PSL操作為例 [J].世界經濟研究，2016，（3）.

[18]潘敏，劉姍.中央銀行借貸便利貨幣政策工具操作與貨幣市場利率 [J].經濟學動態，2018，（3）.

[19]Financial Stability Board. 2009. Guidance to Assess the Systemic Importance of Financial Institutions，Markets and Instruments：Initial Considerations [R].FSB.

[20]Billio M，Getmansky M et al. 2010. Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors [J].NBER Working Papers，104（3）.

[21]Hollo D，Kremer M，Duca M L. 2012. CISS-A Composite Indicator of Systemic Stress in the Financial System [J].SSRN Electronic Journal，1（3）.

[22]陶玲，朱迎.系統性金融風險的監測和度量——基于中國金融體系的研究 [J].金融研究，2016，（6）.

[23]屈劍峰.基于綜合指數法的金融系統性風險測度 [J].會計之友，2020，（2）.

[24]Borio C，Zhu H. 2008. Capital Regulation，Risk-Taking and Monetary Policy：A Missing Link in the Transmission Mechanism？ [J].BIS Working Papers，8（4）.

[25]Taylor J B，Williams J C. 2009. A Black Swan in the Money Market [J].American Economic Journal：Macroeconomics，1（1）.

[26]Tobias Adrian，Hyun Song Shin. ?2009. Money，Liquidity，and Monetary Policy [J].American Economic Review，99（2）.

[27]Peydro J L，Maddaloni A. 2010. Bank Risk-Taking，Securitization，Supervision，and Low Interest Rates：Evidence from Lending Standards [J].SSRN Electronic Journal，24（6）.

[28]張強，喬煜峰，張寶.中國貨幣政策的銀行風險承擔渠道存在嗎？ [J].金融研究，2013，（8）.

[29]Altunbas Y，Gambacorta L，Marques-Ibanez D. 2009. An Empirical Assessment of the Risk-Taking Channel [J].Social Science Electronic Publishing.

[30]周丹.我國貨幣政策與商業銀行風險承擔[D].華東交通大學，2018.

[31]周晶，陶士貴.結構性貨幣政策對中國商業銀行效率的影響——基于銀行風險承擔渠道的研究 [J].中國經濟問題，2019，（3）.

[32]何青，錢宗鑫，劉偉.中國系統性金融風險的度量——基于實體經濟的視角[J].金融研究，2018，（4）.

[33]Nakajima J，Kasuya M，Watanabe T. 2011. Bayesian Analysis of Time-Varying Parameter Vector Autoregressive Model for the Japanese Economy and Monetary Policy [J].Journal of the Japanese&International Economies，25（3）.

Structural Monetary Policy and the Risk of Financial Institutions

——An Empirical Study Based on TVP-VAR Model

He Jian/Zhu Lin/Zheng Zhiyong

（Shihezi University，Shihezi ? 832000，Xinjiang ? China）

Abstract：China's structural monetary policy tools have become increasingly rich since 2013. While realizing the function of macro structural adjustment，it has also triggered a heated discussion on the risk impact of financial institutions. Based on the analysis of the risk transmission mechanism of structural monetary policy to financial institutions，this paper uses TVP-VAR model to test the time-varying impact of structural monetary policy on the risk of financial institutions. The results show that the quantitative structural monetary policy has a better inhibition effect on the risk of financial institutions than the price type;the directional reduction has a significant inhibition effect on the risk of financial institutions in the short term，while SLF and PSL have a significant inhibition effect on the risk of financial institutions in the medium and long term;in recent years，the structural monetary policy has a better inhibition effect on the risk of financial institutions than the initial implementation. Therefore，in order to effectively resolve the risks of financial institutions while achieving the goal of economic restructuring，monetary authorities should work together in the aspects of "improving the communication mechanism between the central bank and the market， broadening the channels of multi sector financial supervision" and "optimizing the combination and implementation rhythm of policies to adapt to the new development of market economy system".

Key Words：structural monetary policy，financial institution risk，TVP-VAR model

收稿日期：2020-05-23 ? ?修回日期：2020-05-31

基金項目：國家自然科學基金項目“宏觀審慎政策與貨幣政策協同向實效應研究”（71863031）;石河子大學兵團金融發展研究中心資助項目“金融服務新疆實體經濟發展的能效研究”（ZZZC201843A）。

作者簡介：何劍，男，石河子大學經濟與管理學院教授，博士生導師，研究方向為金融理論與政策;祝林，男，石河子大學經濟與管理學院，研究方向為金融理論與政策;鄭智勇，男，石河子大學經濟與管理學院博士研究生，研究方向為金融風險管理。