異質金融中介、資產價格與宏觀經濟波動

沈沛龍 郭麗娟

摘 要：通過構建DSGE模型，探討包含影子銀行在內的金融中介機構、資產價格和宏觀經濟波動之間的內在聯系，以及金融中介機構自身凈值變化通過資產價格和杠桿率向實體經濟傳播的機制。結果表明：增加金融中介凈值比直接放松信貸約束對宏觀經濟的沖擊作用更大，引入影子銀行后的雙中介模型對金融部門和宏觀經濟變量形成放大效應，對影子銀行監管的嚴格程度也會對金融經濟變量產生不同影響。因此，決策者需在限制影子銀行規模、維持金融穩定和放寬對影子銀行監管、促進經濟增長之間進行權衡。

關鍵詞： 金融中介;影子銀行;資產價格;經濟波動;DSGE模型

中圖分類號：F832.4 ? 文獻標識碼： A ? ?文章編號：1003-7217（2021）03-0011-09

一、引 言

2008年全球金融危機讓人們認識到充分理解金融中介固有風險及其對經濟實體方面的影響至關重要[1，2]。在現代金融體系中，金融中介除了克服金融摩擦、為市場提供流動性之外，越來越多的研究表明，許多資產市場包括抵押貸款支持證券、衍生證券等復雜資產及股票、股指等基礎資產的價格取決于中介部門的財務健康狀況[3-5]。這些研究打破了傳統基于消費的資產定價方法將中介機構視為“面紗”的假設，認為金融中介的行為不僅反映投資者的偏好，而且取代家庭財富在資產定價時處于邊際地位。

造成宏觀經濟波動的因素很多，除了經濟基本面，金融中介自身的優化行為也是產生經濟周期波動的重要引擎。當金融中介內部受到某種微觀層面的沖擊而形成波動時，這種波動直接表現為改變金融市場中的資金成本、信貸規模、杠桿水平、資產價格等，從而導致整體經濟運行出現波動。Jermann（2012）認為，金融中介資產沖擊導致企業融資條件趨緊，是引發2008-2009年經濟衰退的重要原因，這種沖擊可以解釋美國總產出波動和投資波動的46%與25%[6]。王國靜和田國強（2014）將金融沖擊引入到動態隨機一般均衡模型研究后發現，金融沖擊是驅動中國經濟周期波動的最主要力量，能夠解釋近80%的產出增長波動[7]。資產價格是金融中介對宏觀經濟運行主動沖擊的另一個重要中間變量，當金融中介受到某方面負面沖擊導致資產價格下跌時，伴隨的是投資者要求的風險溢價的大幅提升，意味著市場中經濟主體的融資成本增加，風險規避帶來的被迫降杠桿造成投資水平下降、產出減少[8]。

考慮到金融中介為不完美經濟行為人，在模型構建時加入各種約束，約束不同會導致金融中介行為不同。當前，學術界最流行的中介機構融資約束有兩類：基于股權的約束和基于債務的約束。股權約束指金融中介的行為受限于其凈值水平，當凈值受到負向沖擊時，金融中介風險承擔能力下降。出于謹慎動機和監管要求會主動減少債務、拋售資產，權益貶值的速度大于債務減少速度，所以，對應資產價格下跌與杠桿率上升，產生一個逆周期的杠桿率及價格為負的杠桿風險[9]。債務約束指金融中介行為受限于其債務水平，即杠桿率約束。當經濟衰退時，為了降低系統性風險，監管部門往往要求中介機構通過拋售資產主動降杠桿來收緊債務，此時，權益貶值的速度小于債務減少的速度，對應的是資產價格下跌與杠桿率下降，產生一個順周期的杠桿率及價格為正的杠桿風險[10]。這種悖論產生的原因主要在于研究對象和數據選擇的分歧上。結合我國經驗數據的周期性統計研究可知，傳統銀行杠桿率表現為逆周期性，且資產價格與傳統銀行杠桿率顯著負相關，故而對傳統銀行施加股權下限約束。與之相反，影子銀行杠桿率表現為順周期性，資產價格與影子銀行杠桿率顯著正相關，對影子銀行選擇施加債務上限約束。

金融危機后，信貸激增刺激了我國影子銀行體系爆發式增長。雖然2018年以來隨著“資管新規”落地，我國影子銀行規模和占比有所下降，但根據中國人民銀行數據顯示，其體量依然能夠達到社會融資總規模的1/4。尤其是2020年以來，受新冠肺炎疫情沖擊及國際金融監管放松，影子銀行出現回潮趨勢。根據穆迪發布的《中國影子銀行季度監測報告》顯示，2020年中國影子銀行資產出現首次增長，影子銀行資產占名義GDP的比重由2019年底的59.5%增長至60.3%。這種異質性金融中介在經濟周期中表現出不同的行為，在經濟復蘇期，由于容易獲得批發融資和監管套利激勵，影子銀行活動擴張，杠桿率上升;在經濟危機時期，融資環境惡化可能迫使影子銀行去杠桿化，對資產價格施加下行壓力 [11-13]。在我國，影子銀行并不單指從事影子銀行業務的獨立機構，更多的是指為規避監管開展補充信貸業務的傳統商業銀行，比如信托貸款、委托貸款、未貼現銀行承兌匯票等是我國影子銀行的核心業務。當影子銀行收縮業務、剝離資產時，傳統銀行往往是資產的收購者，所以，影子銀行杠桿率下降時，傳統銀行可能面臨著杠桿率的上升。因此，在我國經濟面臨“三期疊加”影響持續深入的背景下，在監管放松導致我國影子銀行存在反彈可能性的情形下，將能夠獲得央行流動性并受到嚴格監管的傳統銀行和長期游離于監管體系之外的影子銀行作為異質金融中介引入DSGE模型，從金融中介自身優化角度研究其凈值變動對宏觀經濟運行的影響，對于厘清金融中介發展與實體經濟的關系，把握好治理影子銀行的節奏、力度，保持宏觀經濟平穩運行有著十分重要的意義。

二、經驗分析

在變量的選取方面，參考相關對資產價格影響宏觀經濟的研究[14，15]，用國內生產總值（GDP）、社會消費品零售總額（C）、固定資產投資完成額（I）作為產出、消費、投資等宏觀經濟變量的代表性指標，以國房景氣指數（PHouse）與上證指數（PSHI）作為資產價格的代理變量，數據來自東方財富網。所獲原始數據為名義數據，首先，用消費者價格指數對名義數據進行處理，消除價格因素;然后，使用Census X13進行季節性調整;最后，通過HP濾波得到各變量偏離趨勢的波動數據。這里不僅關注傳統銀行，也關注影子銀行。我國的影子銀行業務包括銀行影子和傳統影子銀行兩類，其中銀行影子主要指銀行開展的“類貸款”業務，傳統影子銀行主要指由非銀行金融機構在銀行之外獨立開展的、為企業提供資金融通的業務。對銀行影子資產規模的測算采用減法公式，即用社會融資規?？傤~減去人民幣貸款、外幣貸款、企業債券和非金融企業境內股票融資來估算[16]。銀行影子權益的測算用負債端“銀行表外理財”來表示[17]。對傳統影子銀行資產和權益的測算則基于數據可得性，以信托公司為代表。最終，利用銀行影子和傳統影子銀行資產之和與權益之和的比率來計算影子銀行杠桿率，用傳統銀行總資產與總股東權益的比率來表示傳統銀行杠桿率。

表1列出了我國2010年一季度到2020年一季度產出、消費、投資、傳統銀行杠桿率（LTR）、影子銀行杠桿率（LSB）和資產價格的周期性統計數據。用各變量標準差來反映其波動狀況，由表1數據計算可知，傳統銀行杠桿率的波動性相對于產出的波動性非常低，僅是GDP的19.72%。但是傳統銀行杠桿率具有很強的逆周期性，傳統銀行杠桿率與產出之間的同期相關性為-0.754。影子銀行杠桿率的波動性大于傳統銀行杠桿率，前者標準差是后者的13.37倍。影子銀行杠桿率波動性是產出波動性的2.64倍，是消費波動性的1.55倍。影子銀行杠桿率與產出之間的同期相關性為0.971（見表1），說明影子銀行杠桿率具有強烈的順周期性。作為資產價格的代表，國房景氣指數波動性也較強，是產出波動性的5.15倍;上證綜指的波動性與產出基本一致，但資產價格不具有周期性。此外，在衡量宏觀經濟的變量中，投資的波動性最強為2.2345，這與2008年底至2010年底為應對國際金融危機我國實施的4萬億元刺激計劃有關。影子銀行杠桿率與傳統銀行杠桿率之間呈現出顯著的負相關，資產價格雖然不具有經濟周期性，但上證綜指與傳統銀行杠桿率之間顯著負相關。

另外，表1中也將杠桿率分成權益和負債兩部分，對比兩者對傳統銀行杠桿率和GDP波動的貢獻發現，杠桿率和GDP的波動主要是由金融機構權益驅動，傳統銀行杠桿率與總權益之間的同期相關性為-0.654，GDP與總權益之間的同期相關性為0.252。

從以上的數據分析可以發現：（1）我國影子銀行杠桿率周期波動性較強，呈強烈的順周期變化。（2）與同時期美國的逆周期一致①，近年來我國傳統銀行杠桿率也呈現出強烈逆周期波動，體現了我國近年來金融部門降杠桿的成效。（3）傳統銀行杠桿率和產出變化的主要驅動因素是金融總權益（總凈值）的變化。（4）資產價格波動不具有周期性。

三、DSGE模型構建

（一）家庭部門

部分參數參考已有相關研究的數據特點進行校準，校準原則如下：觀測數據選取的時間大致一致、盡可能選取知名學者或權威期刊、參數盡量以國內數據修正后為準。其中，模擬矩估計的參數結果α校準為0.3722[22]，家庭貼現因子β校準為0.985[23]，勞動供給偏好參數θ取值3.5，勞動供給Frisch彈性倒數η校準為0.3[24]。資本調整成本系數一般取值介于2～2.5，國外學者通常取值為2，中國數據參考高然和龔六堂（2017）[25]的估計值2.45作為k的取值。傳統銀行風險規避系數m和債務家庭比例λ參照比利時國家銀行工作報告（2019），分別校準為0.25和0.5。資本折舊率按照慣例取0.1，相當于季度折舊0.025[26]，消費跨期替代彈性倒數σ按照慣例取2[19]。 很難依靠現有文獻來確定參數φ的值，因為很少有研究能夠準確估計我國影子銀行業務在金融中介總量中的比重。Adrian（2014）通過對全球25個國家監測顯示影子銀行部門的規模約為金融體系總資產的25%，結合我國實際情況，將φ值校準為0.22②。

選擇國內生產總值GDP、銀行業金融機構權益、企業向金融機構貸款總額作為觀測變量，本文使用的軟件為Dynare4.5.4。

（二）模型適應性評價

為確保模型結果具有經濟意義，對模型關鍵內生變量的適應性進行評價。根據國家統計局數據顯示，2010-2020年我國居民消費、固定資產投資分別占GDP的比重（取均值）為36.7%和69.1%，模型消費產出比和投資產出比的穩態值為33.37%和66.65%。根據東方財富數據庫統計，2010-2020年我國傳統銀行杠桿率平均為7.89，影子銀行（以信托業務為代表）杠桿率為13.41，模型計算出的穩態值分別為7.02585和10.5263。非金融企業部門信貸占GDP比值為380.0%，模型穩態值為333.62%。根據表3比較結果，模型經濟與實際經濟整體較為接近，只有影子銀行杠桿率指標存在較大差異③。另外，穩態時，權益家庭風險資產的投資比例應介于[0，1]之間，DSGE模型得出的該值為0.2661，符合模型基本假定。整體來看，模型適應性較好。

（三）脈沖響應分析

圖1顯示，在1%的技術沖擊下，供給端生產能力提高，以產出和投資為代表的宏觀經濟呈現出正向增長趨勢，寬松的投資環境拉動銀行杠桿率上升，資本收益率下降。而高杠桿和信貸擴張增加了投資風險，使投資者對風險溢價和風險資產收益率期望增加，再加上市場對經濟前景的樂觀預期，都會推動資產價格上漲。當經濟表現出順周期時，雖然家庭部門通過高的投資收益率和略微上漲的工資收入增加了家庭財富，但出于對金融中介高風險的謹慎態度，所以家庭部門投資于風險資產的比例出現了小幅度下降。在這種情形下，對金融中介而言，高的風險資產收益率和低的資本收益率形成“剪刀差”，降低了中介部門收益，同時，資本價格在短時間上升后出現急劇下降，帶來抵押品價值貶值，都造成了順周期時風險在金融部門的積聚。

圖2顯示，在-1%的信貸約束沖擊下，與技術沖擊相似，寬松的信貸環境帶來以產出和投資為代表的宏觀經濟出現輕微順周期波動。在極短期內，受投資增加影響，資本收益率下降，資本價格上漲，經濟的繁榮也推動資產價格上漲。隨著時間的推移，銀行杠桿率上升推動夏普比率上升，資產價格下降，企業凈值下降，資本價格下降，對經濟形成“降溫”，這也是信貸約束沖擊不僅對宏觀經濟波動貢獻較小，而且沖擊的時間也較短的原因。

圖3顯示，增加1%的銀行凈值，銀行聲譽和抗風險能力增強，居民愿意把更多的資金投資于風險資產，αH上升0.0015%。凈值增加使傳統銀行杠桿率下降了0.06%，根據最佳投資策略方程，夏普比率下降帶來風險資產收益率下降0.5%。資產價格與風險溢價反向變動，資產收益率下降進一步帶動資產價格在短期內上升了0.1%，企業凈值增加，可供外部信貸融資的抵押擔保物價值增加，企業通過增加信貸進行生產擴張，促進產出增長0.02%，這就是金融機構自身沖擊引發宏觀經濟波動的作用機制。值得注意的是，相對于放松信貸約束，凈值對各變量的沖擊作用更大，意味著在經濟出現衰退時，直接增加金融中介凈值可能比放松信貸約束更有效。這從另外一個角度印證了He Zhiguo等（2013）[4]的研究結論。

（四）參數討論與穩健性分析

影子銀行的存在及其規模的大小在沖擊傳播中是否產生作用、產生的作用是擴大的還是縮小的，對這一問題的研究可以在模型中通過給參數φ設置不同值來實現。φ是權益家庭投資風險資產在影子銀行中的分配比例，當φ=0時，模型為傳統銀行單中介模型。為比較影子銀行規模的大小對沖擊的影響，再分別取φ=0.6和φ=0.14進行比較。圖4顯示了不同φ值下5%的凈值沖擊對各變量的影響，φ增加，對應更大規模的影子銀行。影子銀行的存在及規模的擴大加速了風險投資比例和銀行杠桿率在凈值沖擊下更迅速地回歸穩態，影子銀行的發展加劇了傳統金融中介內生的股權約束。同時，影子銀行的存在與發展也使資產價格發生更深層次的調整，進而對產出和投資形成更大的促進作用。

φ值的變化強調了影子銀行部門的引入所產生的放大效應。監管部門對影子銀行監管的嚴格程度通過設置不同的參數z來實現，圖5顯示了不同影子銀行杠桿約束下經濟運行動態（z分別取1、0.9和0.8）。z值對應不同的監管政策，給予模型5%的外生沖擊，當監管環境非常嚴格時（z=1），凈值沖擊對風險資產比例和銀行杠桿率的作用被抵消，資產價格和風險資產收益率更迅速地回歸穩態，進而降低了產出和投資的波動效應。相反地，寬松的監管環境雖然有益于產出和投資增長，但會造成風險資產收益率的劇烈波動和金融的不穩定。

資產收益波動率一定程度上能反映出銀行風險，通常情況下，波動率越高，銀行風險越大 [27]。圖6顯示了不同程度銀行風險下經濟運行情況（σTR分別取1.2、1和0.8）。在5%的凈值沖擊下，隨著資產收益波動率上升，居民出于對傳統銀行機構的信任，進一步增加了風險資產投資比例，緩解了傳統銀行的股權約束，降低了傳統銀行杠桿率。此時，資產收益波動率和銀行杠桿率對風險溢價的作用相反，在兩者綜合作用下，風險資產收益率上升，導致風險溢價上升，帶來資產價格的下降及企業凈值的減少，不利于產出和投資的增加。圖6中的脈沖響應顯示，在銀行風險增加的情況下，宏觀經濟產出和投資有著明顯的降低。

五、結論與政策建議

以上構建了包含家庭、企業、金融中介和資本品生產商四部門的DSGE模型，并針對異質金融中介施加不同約束，探討了金融中介、資產價格和宏觀經濟波動之間的內在聯系以及金融中介機構自身凈值變化通過資產價格和杠桿率向實體經濟傳播的機制。結果表明，除了技術沖擊外，金融中介通過信貸渠道也會對宏觀經濟運行產生重要影響。其中，信貸渠道分兩種：一是通過直接放松信貸約束增加企業投資來促進經濟增長，二是通過增加金融中介凈值→中介機構杠桿率降低→風險溢價降低→資產價格提高→企業凈值增加→抵押物價值提高→投資和產出增加這種間接模式來促進經濟增長。相對于直接放松信貸約束而言，第二種通過凈值變化對各變量形成的間接沖擊作用更大，意味著當經濟出現衰退時，直接增加金融中介凈值來刺激經濟恢復可能比放松信貸約束更為有效。進一步研究發現，引入影子銀行后的雙中介模型對金融部門和宏觀經濟變量形成了放大效應，使資產價格發生更深層次的調整。對影子銀行監管的嚴格程度也會對金融經濟變量產生不同影響，這與兩類中介機構相對杠桿的演變有關。寬松的監管環境有益于產出和投資增長，但會造成資產收益率波動增加，而對影子銀行實行嚴格的監管可以促使經濟迅速回歸穩態，降低經濟的波動效應。此外，以銀行資產收益波動率為代表的銀行風險對宏觀經濟產生的影響顯示，隨著資產收益波動率的增加，銀行風險增加，產出和投資出現減少。雙中介模型分析表明，決策者需在限制影子銀行規模、維持金融穩定和放寬對影子銀行監管、促進經濟增長之間進行權衡。

為此，提出以下建議：一是影子銀行是把“雙刃劍”，一方面，影子銀行仍是相當一部分中小企業的重要融資渠道，對促進經濟增長有一定積極意義;另一方面，影子銀行的放大效應不利于經濟金融平穩運行。因此，在我國處于“三期疊加”，尤其是在新冠肺炎疫情帶來全球經濟金融動蕩的復雜時期，要毫不放松地繼續加強對影子銀行監管，堅決防范影子銀行規模反彈。特別是要在傳統銀行與影子銀行之間豎起“防火墻”，杜絕風險在異質金融中介之間傳染，同時，引導影子銀行資金流向國家支持產業，將其風險控制在合理水平。二是當經濟出現衰退時，中央銀行除了采取降低貼現率、放松信貸約束等常規政策之外，也可通過向金融中介直接注入股權資本，增強金融中介風險承擔能力，以提高資產價格。

注釋：

① ?根據美聯儲官方數據測算出美國GDP和銀行杠桿率的相關系數為-0.459。

② 根據中國人民銀行公布的銀行業金融機構資產負債數據，2020年3月金融體系總資產規模為302.39萬億元，根據前文測算方法，測出同時期我國影子融資規模為68.42萬億元。

③ 可能是在計算經驗值時，對傳統影子銀行資產和權益的測算僅以信托公司為代表，未包含證券、財務、金融租賃以及小額貸款等公司，造成的整體影子銀行杠桿率經驗值偏低。

參考文獻：

[1] Mendoza E G. Sudden stops， financial crises and leverage[J].American Economic Review，2010，100（5）：1941-1966.

[2] Brunnermeier M K， Sannikov Y. A macroeconomic model with a financial sector[J]. American Economic Review， 2014 （2）： 379-421.

[3] Mitchell M L，Pulvino T C. Arbitrage crashes and the speed of capital[J]. Journal of Financial Economics， 2012，104（3）： 469-490.

[4] He Z G， Krishnamurthy A. Intermediary asset pricing[J]. American Economic Review， 2013， 103（2）：732-770.

[5] He Z G， Bryan K， Asaf M. Intermediary asset pricing： New evidence from many asset classes[J]. Journal of Financial Economics， 2017，126（1）：1-35.

[6] Jermann U， Quadrini V. Macroeconomic effects of financial shocks[J]. American Economic Review， 2012， 102 （1）： 238-271.

[7] 王國靜，田國強.金融沖擊和中國經濟波動[J].經濟研究，2014，49（3）：20-34.

[8] Cochrane J H. Macro-Finance[J].Review of Finance，2017（3）：945-985.

[9] Sebastian D T. Optimal regulation of financial intermediaries[J]. American Economic Review，2019，109（1）：271-313.

[10]Adrian T， Etula E， Muir T.Financial intermediaries and the cross section of asset returns[J].Journal of Finance， 2014，69（6）：2557-2596.

[11]Lejeune T， Wouters R. A macroeconomic model with heterogeneous and financially-constrained intermediaries[R].Brussels：National Bank of Belgium， Working Paper Research，2019：367.

[12]方先明，權威.影子銀行規模變動的金融資產價格效應[J].經濟理論與經濟管理，2018，37（2）：39-50.

[13]袁志剛.金融中介與宏觀經濟波動研究進展[J].經濟學動態，2020（3）：103-117.

[14]張勇，彭禮杰，莫嘉浩.中國金融壓力的度量及其宏觀經濟的非線性效應[J].統計研究.2017（1）：67-79.

[15]田祥宇，閆麗瑞.銀行信貸、貨幣渠道與資產價格——兼論貨幣政策中介工具的選擇[J].財貿經濟，2012 （9）：70-75.

[16]方先明，權威.信貸型影子銀行順周期行為檢驗[J].金融研究，2017（6）：64-80.

[17]李文喆.中國影子銀行的經濟學分析：定義、構成和規模測算[J].金融研究，2019（3）：53-73.

[18]襲翔，周強龍.影子銀行與貨幣政策傳導[J].經濟研究，2014（5）：91-105.

[19]Adrian T， Shin H S. Procyclical leverage and value-at-risk[J]. Review of Financial Studies， 2014，27（2）：373-403.

[20]余喆楊.宏觀經濟波動與資產價格波動的關系研究——基于信貸視角的數理分析[J]. 西南民族大學學報（人文社科版），2013（6）：137-142.

[21]Cole H. Discussion of Gertler and Karadi： A model of unconventional monetary policy[J]. Journal of Monetary Economics， 2010，58（1）：35-38.

[22]陳蓉，白林，鄭振龍.剩余消費比率、風險溢酬和經濟波動——基于外部習慣的連續時間一般均衡模型[J].廈門大學學報（哲學社會科學版），2019（4）：18-28.

[23]鄧翔，何瑞宏.信貸約束、房地產市場沖擊與居民收入差距——基于異質性家庭DSGE分析框架[J].財經科學，2020（3）：26-40.

[24]高然，陳忱，曾輝，等.信貸約束、影子銀行與貨幣政策傳導[J].經濟研究，2018，53（12）：68-82.

[25]高然，龔六堂.土地財政、房地產需求沖擊與經濟波動[J].金融研究，2017（4）：32-45.

[26]連飛.“穩增長”與“去杠桿”目標下的雙支柱政策協調——基于供求沖擊和金融摩擦視角[J].財經理論與實踐， 2018， 39（6）：15-21.

[27]李俊青， 李雙建， 趙旭霞.社會信任、收益率波動與銀行風險[J].財貿經濟，2017（11）：55-69.

（責任編輯：寧曉青）