負利率政策對銀行貸款的影響研究

歐陽生招

摘 要：本文使用斷點回歸法研究了日本的負利率政策對銀行貸款的影響。由于當時金融市場并未預期此政策，因此本文將該事件作為自然實驗。結果表明，該政策對被征收負利息銀行的平均貸款利率影響約為-1.5%～-3.5%。換句話說，被征收負利率銀行的貸款利率與未受負利率政策約束銀行的貸款利率相比有所下降。

關鍵詞：負利率政策;斷點回歸法;貸款利率;銀行貸款;影響研究

中圖分類號：F832.4 文獻標識碼：A 文章編號：2096-0298（2021）02（b）--02

1 負利率政策研究綜述

自2000年以來，日本、美國、英國和歐洲的中央銀行一直在積極尋求除常規貨幣政策之外的其他政策。

Gunji和Miyazaki（2016）在使用古諾模型并應用于銀行業的理論模型后發現，中央銀行存款的負利率政策對銀行貸款和存款都具有負面影響。而增加貸款的銀行增加了借款人賬戶的存款，因此需要增加中央銀行的存款，以增加借款人的存款提取準備。如果中央銀行的存款成為成本，銀行將不情愿地增加貸款及其伴隨的存款，而這與迄今引入了負利率政策的國家中央銀行的期望相反。

但是，從經驗嘗試分析負利率政策帶來了兩個難點。首先，使用匯總數據捕獲負利率政策實施后的影響，要識別并凈化其他宏觀經濟因素和負利率的影響并不容易。換句話說，如果同時出現多種政策變化和宏觀經濟沖擊的情況，從計量經濟學的角度來說很難識別這些影響;其次，即使研究人員試圖使用單個數據來捕獲這些影響，負利率政策也會同時影響所有經濟實體，使影響難以識別。

為了克服這些困難，之前的一些研究使用了斷點回歸估計法。盡管這些研究的結果表明負利率政策對銀行貸款有負面影響，但仍然需要一些強有力的假設才能得出一致的斷點估計值：第一在政策進行期間沒有其他外源性影響，這一點是比較容易被滿足的，因為在引入歐洲央行的負利率政策時，日本政府并沒有發現其他重大沖擊;第二，政策組和對照組之間可能存在平行趨勢。為了證明即使不進行任何政策影響，這兩組的結果變量會與前一時期出現相似的平行波動，在政策實施前必須觀察到平行的趨勢。

因此，本研究使用斷點回歸法，運用銀行的水平數據研究2016年日本央行采用的負利率政策是否會影響銀行貸款。因此，我們將日本央行引入負利率政策的行為視為一種自然實驗，以驗證其效果。此外，由于負利率并不適用于所有銀行，而僅適用于滿足某些條件的銀行，因此可以通過比較不同銀行的表現來驗證該政策的效果。

從本文的實證結果來看，相對于沒有被負利率政策施加影響的銀行，受負利率政策影響的銀行貸款減少了-1.5%～-3.5%。當使用線性或二次函數以及由區域銀行組成的子樣本驗證時，此結果仍舊沒有改變。此外，由于結果隨著截至期的不同而變化，這也表明負利率政策對銀行貸款確實有影響。

本文的結構如下：第2部分介紹了如何運用斷點回歸法來驗證負利率政策，并介紹了研究選取的數據。在第3部分中，我們使用非參數密度函數來確定運行變量是否合適，并使用參數模型顯示了基準估計。對于因變量，我們不僅分析了銀行貸款增長率，還分析了銀行存款和股票市場的增長率。在第4部分中，我們通過甜甜圈斷點回歸法來驗證前一節結果的穩健性。第5部分對本文進行總結。

2 研究設計

我們使用來自WIND數據庫的日本各銀行（城市、地區、二級地區和信托銀行）的數據。

對于變量Ri，即在引入負利率政策之前，代表單家銀行在日本央行的存款。我們使用期末（即2005年12月31日）的現金和應收現金或現金和現金等價物。盡管前者包括對其他機構的存款，但我們仍然選擇使用這些數據，因為我們無法分離日本央行的經常賬戶。當然，后者也有局限性，因為它包括現金，但因為很少有銀行在資產負債表上披露現金，我們仍舊選擇使用這些數據。但是，由于存入其他銀行現金的金額不是很大，因此不同術語定義的指標選擇影??響被認為比較小。

對于日本央行2015年的平均存款，我們使用2015年3月底、6月底、9月底和12月底余額中可用數據周期的平均值。當使用現金和應收現金作為四個季度數據的Ri時，可以得到許多觀察數據，而在使用現金和現金等價物時，通常只有9月和12月的數據。此外，雖然實際負利率政策的“基本余額”是以每月16日至下月15日的儲量維護期為基礎的，但由于我們使用的是期末余額，可能會出現計量誤差。

Ri是Ri，2015的最后一個期間值。日本央行在變量Ri之后宣布了實施負利率政策，銀行也無法對變量Ri進行操縱以應對這一政策。Δln Li為日本央行公告前后Li的變化率。因此，Li在公告政策后的數據只能在2016年3月后。

除了貸款之外，我們還驗證存款Di和證券價格Bi作為因變量。對于每個變量，我們使用從2015年3月31日結束的財政年度到2016年3月31日結束的會計年度的變化率。當RR1<0時，Δln L的平均值略高，而當RR1>0時，則Δln L的平均值較低。這一趨勢也可以在RR2中看到。換言之，就總體數據而言，在日本央行宣布負利率政策之前，準備金水平較高的銀行貸款增長率已經很小。

3 實證結果與分析

3.1 存款準備金率密度函數

在實證部分估計不連續性之前，研究確認了沒有一家銀行預測到負利率政策的宣布并控制存款準備金率。從RR1和RR2的估計密度函數可以看出，盡管駝峰很小，但它們幾乎是對稱的。RR2的非參數密度函數的頂點位置略高于零，然而，分布的形狀和分布卻與RR1相似。

研究最為重要的是需要注意兩個準備金率的分布保持在0附近。如果一家銀行預測了負利率政策并控制了其存款準備金率，以確保其不超過0，那么其分布應該偏左。在這種情況下，我們預計在存款準備金率略低于0時會出現一個大的波峰，在略高于0時會出現一個凹痕。然而，RR1和RR2的密度函數都是平滑分布的。這表明，日本央行的負利率政策并非在各大銀行預期之中，也沒有某家銀行預測到負利率政策并控制了存款準備金率。

為了檢查穩健性，我們模擬了Cattaneo（2017）的研究——密度不連續性測試。在約束測試中使用穩健的偏差校正方法，我們拒絕了RR1中斷的零假設，得出了RR2的P值為0.08。雖然我們不應該只強調P值，但我們比較了RR1和RR2的估計結果，以便進行更詳細的分析。盡管我們不應該只強調P值，但我們將RR1和RR2的估算結果進行了比較，以進行更詳細的分析。

3.2 基準估計

以下我們通過進行統計檢驗來更詳細地驗證負利率是否對銀行放貸產生負面影響。從參數估計的結果可以看出，對于RR1，線性模型中的參數系數為-1.6%，而在10%水平上則具有統計學意義。盡管使用二次函數并不明顯，但與線性情況下的-1.5%結果相似。對于RR2，線性函數和二次函數的結果分別為-2%和-3%，略大于RR1的結果，同樣也具有統計學意義。研究結果與上一節的趨勢一致，因此，負利率政策確實對貸款增長率產生了負面影響。

研究觀察的對象多為區域性銀行和二線區域性銀行，但樣本中也包括部分城市銀行和信托銀行，可能會影響研究結果。對于這兩個估計結果，系數都比完整樣本估計的負面影響略大。對于具有最高估計值的RR2的二次函數，參數系數為-3.4%。因此，即使我們將樣本限制在地區銀行，負利率政策的負面影響效應也不會改變。

問題是為何實證分析會得到上述結果。放貸時，銀行僅將存款轉入貸款賬戶。但如果貸款用戶在還款時帶來現金，銀行存款準備金可能會增加，成本也將上升，這是一個風險因素。因此，銀行貸款趨于減少。

4 穩健性檢驗

在上一節的估計中，我們估計了RRi=0附近的不連續性，也是應用于準備金負利率的截至值。這是基于宏觀附加值余額為0的假設——=0。但是，由于多種原因，這種情況與實際數據表現有所不同。首先，如第2節所述，基本余額是從一個月的16日到下個月的15日計算的，不能通過銀行的賬戶結算來確定。其次，即使實施了負利率政策，如果銀行利用“貸款支持計劃和資金供應業務系統”來支持日本大地震災區的金融機構，并從日本央行獲得貸款，余額也會增加到。因此，有些銀行的從一開始就不是0。

為了解決這個問題，我們作了一個甜甜圈斷點回歸估計，不包括截至點前后的觀測值。如果截至點周圍的觀測值不明確，我們可以通過刪除這些觀測值，從總體趨勢上估計截至點周圍的不連續性數據。當然，即使可以在排除的部分中準確地獲得數據，也有必要從其他觀測值中估計間隔上分布的形狀。另外，由于我們的樣品量很小，“甜甜圈孔”必須相對狹窄。

我們將圓環孔設置為（-0.005，0.005）。在線性函數和二次函數中，系數都在-4%左右，這與非參數估計的結果相似，再分別將甜甜圈孔延伸至（-0.01、0.01）和（-0.015、0.015）。在這種情況下，系數略大，從-5%～-7%，P值也相對較小。這可能是因為排除了具有模糊分布的觀測值，并且可以進行有效的估計。因此，上一節中的發現并不是因為RRi這個變量不能準確測量。

5 結語

本文使用斷點回歸法研究了日本央行使用負利率政策對銀行貸款的影響。根據參數估計結果，負利率政策對負利率銀行的貸款產生了1.5%～3.5%的負面影響。在甜甜圈斷點回歸估計法中，系數水平進一步增加。以上結果不僅支持引言中回顧理論研究的預測，而且也加強了使用斷點回歸法進行實證分析的現有結果。

但是，本文的研究側重于面向負利率政策對單個銀行，而不是對整個經濟的影響。假設是通過降低利率水平來增加貸款需求，那么貸款將在宏觀經濟的層次增加。另外，由于負利率政策對貸款的負面影響被施加于應用負利率政策的各家銀行，因此可以著重觀察應用負利率政策某銀行的負面影響，本文期望在后續的研究中著重考慮并加以綜合分析。

參考文獻

耿群.日本結束量化寬松貨幣政策的影響分析[J].國際金融研究，2006（05）.

崔建軍.貨幣政策有效性研究述評[J].經濟學家，2004（02）.