銀行金融創新對利率傳導效率的影響及機理研究

中圖分類號：F830 文獻標識碼：A

文章編號：1003-9031（2025）08-0003-18

一、引言

有效健全的貨幣政策傳導機制是當前深化金融供給側結構性改革、實現金融創新與金融監管協調發展的重要渠道。利率傳導渠道是貨幣政策傳導機制的核心（莊毓敏，2020），而利率傳導效率受阻是當前中央銀行面臨的重要現實問題。我國是以間接融資為主的國家，利率傳導效率體現在貨幣政策利率能否有效發揮利率走廊調控作用傳導至貸款利率，其目的是有效提高貸款利率市場化程度。貨幣政策利率包括基準利率和市場利率。在利率市場化改革以前，基準利率作為中央銀行政策利率，對銀行貸款利率起到決定性作用。為提高利率傳導效率，我國于2019年8月啟動貸款市場報價利率（LPR）改革，當前LPR改革已進入深化期，但仍面臨改革機制相對僵化、市場資源分配不均等關鍵問題（孫秋楓和吳梅，2021），LPR改革也并未從本質上打破利率雙軌制（周凱和劉達禹，2021），貨幣政策利率傳導渠道依舊存在嚴重阻滯問題。面對經濟下行、金融創新與脫媒等形勢沖擊，如何提升我國貨幣政策利率傳導效率的問題迫在眉睫。

銀行金融創新是指商業銀行通過引入新技術、新策略等，為客戶創造和更新金融服務產品和服務方式。銀行是貨幣政策利率傳導渠道的重要載體，為了適應貸款定價機制的變化，銀行也會通過金融創新對內部資金轉移定價（FTP）做出相應調整，以確保銀行存貸款市場化的科學定價，進而提高利率傳導效率。然而，從學術界來看，銀行金融創新對貨幣政策利率傳導效率的作用機制尚處于黑箱狀態。因此，在我國強監管的貨幣政策體系背景下，銀行金融創新對利率傳導效率存在怎樣的影響機制？不同性質的商業銀行是否存在影響差異？其中又存在怎樣的中介作用和調節機制？本文將對這些問題展開重點研究。

二、文獻綜述

自IS-LM宏觀經濟分析框架提出以來，利率傳導渠道始終被認為是貨幣政策傳導的核心，利率傳導效率直接決定了價格型貨幣政策的落地性。對于貨幣政策利率傳導效率的研究，主要從以下三個方面進行探討。

一是利率傳導效率的評估。從評估方法來看，又可分為SVAR模型、SV-TVP-VAR模型、DSGE模型等。例如，Munir etal.（2022）通過構建DSGE模型，量化了巴基斯坦貨幣政策利率傳導程度，并研究了利率傳導成本渠道。汪玲玲等（2024）基于MS-DSGE模型和TVP-VAR模型檢驗發現，新LPR機制有效提升貨幣政策的傳導效率。譚旭東（2025）基于外部工具VAR模型分析了中國貨幣政策利率傳導機制的有效性。

二是利率傳導效率的影響因素。Horraetal.（2021）研究發現當外部環境不確定性越高，貨幣政策利率傳導機制會受到破壞，傳導效率會嚴重下降。尹振濤等（2023）研究發現數字化背景下我國貨幣政策利率能夠有效傳導至數字消費信貸市場。范志勇等（2024）研究顯示貨幣政策變動影響短端利率向國債收益率傳導。

三是利率傳導效率的提升路徑。劉沖等（2022）實證發現貨幣市場短期利率向債券利率的傳導效率并不穩定，容易受到金融監管和貨幣政策的共同影響。因此，為提升利率傳導效率，應協同考慮金融監管政策和結構性貨幣政策。歐陽志剛和胡雯華（2024）研究發現定量公告有助于提升政策利率的傳導效率。汪亞楠等（2025）研究了借助利率走廊進行貨幣政策傳導的渠道。

綜上，國外的利率市場化程度較高，其更側重于利率傳導效率的評估，中國側重于實證檢驗利率傳導效率的影響因素和提升路徑。學界對于銀行金融創新的研究相對較少，現有文獻主要探討其對銀行經營績效（Fukuyama and Tan，2022）、銀行風險（林曦等，2025）、實體經濟增長（滕飛和秦建文，2021）等方面的影響。此外，戰明華等（2020）從宏觀層面探討了金融創新與貨幣政策傳導機制問題，但尚未涉及微觀層面的銀行系統。商業銀行是疏通貨幣政策利率傳導機制的關鍵一環，且金融創新是提升金融供給質量和效率的重要驅動力，而學界不僅缺乏銀行金融創新對利率傳導效率影響的內在機理和作用路徑研究，更缺乏對商業銀行的異質性分析。鑒于此，本文綜合考慮我國現實邏輯和制度背景，將銀行金融創新與貨幣政策利率傳導效率置于同一研究框架，對銀行金融創新與我國利率傳導效率的影響機理進行研究。

三、理論分析與研究假設

（一）銀行金融創新與利率傳導效率

從現實背景來看，自從我國加人WTO，商業銀行開始重視金融創新的作用，銀行體制由分業經營向混合經營模式發展，金融產品由單一向混合創新發展，業務由傳統的利息收入向非利息收入發展。從理論層面來看，銀行金融創新對利率傳導效率的影響機制主要體現在兩個方面。一方面，根據交易成本理論，銀行金融創新的直接動機是降低交易成本（Marjosola，2021），這促使銀行金融產品不斷創新，各種新型金融產品價格則成為多層次利率體系中的新成員，提高了利率多元化和市場化，在一定程度上起到疏通利率傳導機制的作用，從而提高了貨幣政策利率傳導效率。另一方面，金融工具創新和金融制度創新呈現出相互促進、協同發展的動態調整特征（Anetal.，2021），金融工具創新在于多元化和前沿化，而銀行金融制度創新多為組織化和規范化，是對金融工具創新的進一步補充和規范。金融制度創新的根本目的在于約束金融機構行為，實現金融市場貨幣資金的優化配置，這有利于貨幣政策傳導機制的完善和利率傳導效率的提高。

基于上述分析，提出假設H1：銀行金融創新有利于利率傳導效率的提高。

自2015年我國正式提出金融供給側結構性改革政策，金融領域也逐漸重視服務實體經濟的能力。在政策支持下銀行金融創新持續快速發展，其成為銀行結構性調整的有力途徑。金融供給側結構性改革政策為銀行金融創新促進貨幣政策利率傳導效率提供了一種隱性助力。此外，我國商業銀行按屬性可劃分為國有、全國性股份制、城市和農村商業銀行，由于產權性質的不同，各商業銀行的規模和經營方式有較大區別，其政策執行力度也有所不同。國有和全國性股份制商業銀行的實際控制人多為國家機構，受國家政策影響較大，而對于城市和農村商業銀行來說，股權結構較為分散，市場化金融產品較為豐富。不同性質的商業銀行在銀行經營績效和貨幣政策傳導機制中均存在一定差異（Nizamani etal.，2021;王朝陽等，2024），進而銀行金融創新對利率傳導效率的影響機制中也可能存在銀行異質性。

基于上述分析，提出如下假設：

H2：金融供給側結構性改革政策的正式提出增強了銀行金融創新對利率傳導效率的影響。

H3：銀行金融創新對利率傳導效率的影響存在銀行異質性。

（二）銀行金融創新、系統穩定性和利率傳導效率

我國的影子銀行以商業銀行為主，其本質上是一種金融創新，有關杠桿效應的混合創新產品基本屬于影子銀行業務范疇，其反映了利率市場化的實際表現，學界多從杠桿效應、影子銀行等角度探討銀行系統穩定性。例如，王連軍（2018）研究發現，我國商業銀行去杠桿進程降低了銀行破產概率，提高了銀行系統穩定性。趙業翔和周愛民（2024）明晰了降價拋售下的系統性風險的傳染路徑與銀行系統穩定性的影響因素。影子銀行、杠桿效應和金融創新產品均是銀行金融創新的重要體現，因此，本文推測銀行金融創新可能對系統穩定性存在正向影響。

銀行系統穩定性通常采用杠桿水平、風險水平等進行度量，系統穩定性與貨幣政策傳導密切相關。馬亞明等（2018）通過建立DSGE模型研究發現，當杠桿率差異維持在合理區間內，貨幣政策向主要經濟變量傳導是有效的，且隨著利率實現完全市場化并處于一定區間內，價格型貨幣政策工具在實現對經濟微調上更具有優勢。莊毓敏和張祎（2022）研究發現，流動性監管能夠顯著提高銀行穩定性，并且流動性監管能夠顯著抑制寬松貨幣政策環境下商業銀行的風險承擔行為，因而有助于貨幣政策的有效傳導。因此，本文認為系統穩定性有助于利率傳導效率的提高。

基于上述分析，提出假設H4：銀行金融創新通過增加系統穩定性來提高利率傳導效率。

（三）銀行制度建設、地區金融發展程度對銀行金融創新和利率傳導效率關系的影響

自新中國成立以來，我國銀行制度建設呈現出“大一統”“多元化”到“市場化”演進的特征（信瑤瑤，2019），隨著我國銀行制度建設向市場化縱深推進，央行的貨幣政策框架逐漸由總量型向結構型轉變，中介目標也逐漸由數量型向價格型轉變。銀行是貨幣資金融通的載體，而銀行制度建設又是貨幣政策傳導的客觀約束條件，銀行制度市場化的建設目標不僅促使銀行金融創新快速發展，增加資金融通效率，更有利于疏通貨幣政策傳導渠道，最終影響利率傳導效率。因此，本文推測在銀行制度建設不斷完善的情況下，銀行金融創新對利率傳導效率的提升作用也越來越明顯。

地區金融發展是指某一區域由金融產業和規模持續擴大而帶來的金融效率不斷提高，體現為金融工具的創新和金融機構的多樣化。謝巧燕和王昱（2022）研究發現，地區金融發展程度對區域創新能力具有顯著的推動作用，金融科技創新能夠顯著提升商業銀行效率，因此，商業銀行金融服務和金融產品也會不斷完善和創新。此外，金融發展程度越高，金融資源配置和流通效率也越高，企業創新活動獲取融資的渠道也更加暢通（莊毓敏等，2020）。在區域主體不斷創新和貨幣資金自由流動的交互作用下，貨幣政策傳導機制能夠有效發揮作用，利率市場化水平會不斷提升。因此，本文推測地區金融發展程度越高，越有利于銀行金融創新提高利率傳導效率。

基于上述分析，提出如下假設：

H5：銀行制度建設會對銀行金融創新與利率傳導效率之間的關系產生正向調節作用。

H6：地區金融發展程度會對銀行金融創新與利率傳導效率之間的關系產生正向調節作用。

四、研究設計

（一）樣本選擇與數據來源

基于數據的可獲得性和完整性，本文選取我國A股2010—2024年各季度42家上市商業銀行為研究樣本，樣本數據來源于同花順iFinD數據庫、中國人民銀行官方公布數據以及各商業銀行年報數據。剔除存在嚴重缺失值的樣本數據，最終得到了1649個樣本觀測值。

（二）模型構建、變量選擇與說明

1.模型構建

為了檢驗假設 H1，H2 和H3，采用OLS回歸方法，構建如下模型：

BIR_i，t/MIR_i，t=β₀+β₁*BFI_i，t-1+β₂SCALE_i，t-1+β₃DEP_i，t-1+β₄PC_i，t-1+β₅NPL_i，t-1

2.變量選擇與說明

模型（1）中，被解釋變量為利率傳導效率，主要從基準利率（BIR）和市場利率（MIR）對銀行貸款利率傳導兩個視角進行分析。基準利率選用6個月至1年期的央行短期貸款基準利率。市場利率考慮到我國貨幣市場利率培育和實踐現狀，選用我國上海銀行間同業拆放利率（SHIBOR）。同時，考慮到基準利率為6個月至1年期的短期貸款利率，為保證數據可比性和平穩性，SHIBOR選取1年期類別，并按季度對日取均值。銀行貸款利率選取季末各銀行對企業的貸款利率。關于利率傳導效率，本文借鑒郭豫媚等（2018）的衡量方法，針對BIR和MIR在省份層面分別構建如下回歸模型：

BankLR_i，t=β₀+β₁^*LRB_i，t+ε_i，t

BankLR_i，t=β₀+β₂^*MR_i，t+ε_i，t

其中，i代表銀行，t代表季度。BankLR代表銀行貸款利率，LRB代表貸款基準利率，MR代表貨幣市場利率，即SHIBOR， ε_i，t 是隨機擾動項。 β₁ 和 β₂ 的估計值分別反映了不同省份基準利率和市場利率對銀行貸款利率的傳導效率（BIR和MIR），該系數絕對值越大則利率傳導效率越強。

表1變量定義及說明

解釋變量為銀行金融創新，采取手續費及傭金凈占營業收入比（BFI）度量銀行金融創新水平（胡文濤等，2019）。結合現有文獻中影響利率傳導效率的可能因素（Gomez et al.，2021;尹振濤等，2023;董華平，2024），在回歸分析中對包括銀行層面等變量進行了控制，并取滯后一期值以緩解內生性問題。主要變量定義和衡量方法如表1所示。

五、實證結果與分析

（一）描述性統計特征

運用Stata18對數據進行處理，變量描述性統計結果如表2所示，BIR均值為0.082，MIR均值為0.268，表明我國利率傳導效率有待提高。BFI均值為15.020，標準差為7.116，表明我國各大商業銀行金融創新之間存在較大差異。參照《巴塞爾資本協議》資本充足率不低于 8% 的規定，CAP均值為12.570，表明我國銀行經營風險整體控制較好。

表2變量描述性統計結果

注：所有絕對值都進行了LN標準化處理。

表3變量相關性系數表

注：左下角為Pearson相關系數，***、**、*分別表示在 1%5% 和 10% 的水平上顯著。

（二）變量相關性分析

本文主要變量之間的相關系數如表3所示，可以看出相關系數較小（都小于0.5），說明模型控制變量選取合理。此外，BFI與MIR在 1% 水平上呈顯著正相關關系，表明BFI可能會提高MIR，但此處僅考慮兩兩變量之間的關系，沒有控制其他變量的效應，不能完全代表因果關系，因此，還需進一步做實證檢驗。

表4銀行金融創新與利率傳導效率的估計結果

注：***、**、*分別表示在 1%5% 和 10% 的水平上顯著，括號內為T值（下同）。

（三）主回歸結果與分析

表4報告了銀行金融創新對利率傳導效率的影響。列（1）列（2）被解釋變量為BIR，加入銀行和地區經濟層面控制變量后BFI系數由負變為正，但BFI系數均不顯著，不具有統計學意義，說明BFI與BIR沒有顯著因果關系。列（3）、列（4）被解釋變量為MIR，列（3）、列（4）回歸結果顯示，BFI系數為正，并且至少在 5% 的顯著水平下顯著，說明BFI越發展，MIR也就越高。針對列（4），從經濟意義上分析，BFI每增加1單位，MIR將增加約 0.2% 。這是因為，原有的貨幣政策利率傳導機制為：貨幣供應量 $$ 利率 $$ 投資 $$ 產出，即央行通過設定基準利率改變企業投融資行為，最終影響實際產出水平。隨著銀行金融創新的不斷發展和利率市場化改革的不斷深入，新的金融產品價格確定主要是通過市場交易需求產生，交易者之間也會執行合適的交易利率，雙重利率基準慢慢形成。雖然央行制定的基準利率仍然對交易產生重要作用，但是貨幣政策傳導需經過多個相關主體，具有一定時滯性和不確定性，而由市場自發形成的市場利率能夠極大地滿足供需平衡。因此，從本文研究視角來看，金融產品越復雜，原有包括基準利率的數量型貨幣政策框架將逐漸失效，而市場利率會伴隨著銀行金融創新而不斷調整，具有較強適應。因此，假設H1得到驗證。

（四）內生性和穩健性檢驗

1.內生性分析

銀行金融創新和利率傳導效率之間可能存在內生性問題。金融創新可以豐富融資產品，降低交易成本，促進貨幣政策利率傳導機制的完善以及利率傳導效率的進一步提高。利率傳導效率的提高，將導致融資者成本降低。銀行為了保證業績增長，就要尋求多種收入來源，進一步刺激銀行進行金融創新。因此，金融創新促進多層次利率體系的形成，利率的變化又對金融創新產生影響，金融創新內生性影響利率機制。為緩解本文的內生性問題，進一步引入工具變量進行內生性檢驗。

表5工具變量有效性檢驗

利用工具變量進行二階段回歸來控制內生性的影響，結合本文研究內容，選取與距離銀行最近的開設金融財務、計算機等專業\"211\"高校之間的距離（DN）以及\"211\"院校數量（NOU）作為銀行金融創新的工具變量。選取該工具變量的理由在于：第一，通常來說，本地區的高校在當地具有較高的認可度，金融財務、計算機等專業的畢業生很大程度上會享受此便利，并就近尋找工作，而且企業考慮到招聘的時間成本和人力成本，往往傾向于聘請地理距離最近的“211”高校畢業生。因此，DN和NOU直接影響BFI的概率，與BFI呈正相關關系。第二，DN和NOU本身并不影響BIR和MIR，單一高校所帶來的校友關系的信息有限，對BIR和MIR幾乎沒有影響效果，即滿足工具變量的外生性條件。參照羅煜等（2016）的方法，將BFI與DN同時放入回歸模型，BFI系數保持正向顯著，且DN系數并不顯著異于零（見表5），因此，本文在排除了潛在的內生性問題后，研究結論依然顯著（見表6）。

表6內生性分析方法：工具變量檢驗的估計結果

注：由于工具變量以省域為單位，如果控制地域效應，則會存在共線性，所以對工具變量進行回歸分析時不再控制地域。

2.穩健性檢驗

為保證研究結果的穩健性，本文選取三種方法進行穩健性檢驗，結果如表7所示。（1）替換被解釋變量。參考丁友剛和嚴艷（2019）的研究，重新計算利率傳導效率，其中，央行貸款基準利率選取6個月內短期貸款利率，市場利率選取6個月內上海銀行間同業拆放利率（SHIBOR），銀行貸款利率不變。（2）替換解釋變量。以往研究文獻大多使用非利息收入代替銀行金融創新（胡文濤等，2019）。鑒于此，再次選取該項指標進行穩健性分析。（3）增加遺漏變量。銀行業景氣度會對銀行行為產生影響，如銀行業的景氣度會影響宏觀貨幣政策制定，從而影響BIR 和MIR，銀行也會在行業景氣度較低時減少金融創新投入，影響金融創新行為。因此，選取中國人民銀行公布的銀行業景氣指數（BIPI）進行穩健性分析。整體來看，三種穩健性檢驗結果與主要研究結論基本一致，說明本文實證結果具有穩健性。

表7穩健性檢驗結果

（五）進一步分析

1.金融供給側結構性改革

BFI是銀行結構調整的有力途徑，金融供給側結構性改革政策本身會為BFI的優化提供一種隱性助力。在其明確推出后，銀行受其他不利經濟因素十擾程度將有所降低，對BIR 和MIR的影響將進一步優化。為了檢驗這一觀點，按照金融供給側結構性改革政策引入的最初時間點，將全樣本分為改革前（2010—2016年）和改革后（2017—2024年），并在兩個子樣本中分別利用模型（1）并使用OLS回歸方法進行檢驗，表8報告了相關結果。可以看出，改革前BFI對BIR和MIR影響并不顯著，但改革后BFI的估計系數正向顯著，說明金融側結構性改革實施后，BFI可以更好地調整業務結構，適度進行創新，進而帶來BIR和MIR的提升。因此，假設H2 得到驗證。

表8金融供給側結構性改革、銀行金融創新與利率傳導效率

2.銀行異質性分析

我國商業銀行按屬性可劃分為國有銀行（SOCB）全國性股份制銀行（LSCB）城市銀行（CCCB）和農村（RCCB）商業銀行，表9報告了不同類型銀行下BFI對BIR和MIR的影響。回歸結果列（3）—列（6）顯示，LSCB和CCCB的BFI對MIR的影響至少在 5% 的水平上顯著為正，說明LSCB和CCCB的BFI對MIR的提高具有促進作用，而對BIR的系數仍然不顯著。回歸結果列（1）—列（2）列（7）—列（8）中，無論是在BIR還是在MIR下，SOCB 和RCCB的 BFI系數都不顯著，說明SOCB和RCCB的BFI對BIR和MIR的影響并不明顯。主要的原因可能在于，與LSCB 和CCCB 相比，SOCB受政策影響最直接，BFI作用發揮的抑制效用也最大。RCCB雖然受政策影響小，但由于規模和資源的限制，BFI程度不高，對BIR和MIR提高作用的影響較小。而對于LSCB和CCCB受政策影響較小，同時由于實力雄厚，資金充足，金融創新程度較高，故而對LSCB和CCCB的MIR提高作用得到增強。申宇等（2020）研究發現，相比于SOCB，經濟政策不確定性對LSCB和CCCB的貸款損失準備計提顯著，類似結論同樣在本文中得到證實。此外，郭妍和韓慶瀟（2019）研究發現，我國RCCB的治理水平總體上低于大型商業銀行，再次證明，BFI對RCCB的BIR和MIR的提高作用不如LSCB和CCCB那么明顯。因此，假設H3得到驗證。

表9異質性分析：不同類型銀行的差異性分析

六、機制作用及拓展性分析

（一）機制作用分析

前文分析發現，BFI增加時會提高MIR，并且在考慮一系列內生性因素后，主要結論依然保持穩健。為探究BFI對MIR的影響路徑，進一步做機制作用分析。銀行系統穩定性（BSS）是銀行順利運營的保障，BFI是銀行提高收入來源的重要渠道，同時可能會對BSS造成影響，從而影響了MIR。因此，本文從BSS來考慮BFI對MIR影響的傳導渠道。

表10銀行系統穩定性的中介效應分析

BFI可以促使BSS的影響因素發生不同程度的變化，而BFI如何影響BSS尚未有學者進行研究，BFI是否可以通過影響BSS來提高MIR也是值得探討的問題。關于BSS如何度量，Z值模型應用最為廣泛（王連軍，2018），其主要從杠桿水平和盈利水平兩個方面測算BSS。此外，該指標包括考慮風險和不考慮風險兩種計算方式（王蕙，2019）。本文認為，將風險因素納入模型，可以使BSS的度量更加準確。統籌考慮數據的可得性及計算的科學性，本文采用改進Z值法來計算BSS，該指標從微觀層面上衡量BSS。Z值的高低與BSS呈正相關關系，Z值越高，說明BSS越高，即破產風險較小，反之亦反。模型（4）中：E為銀行資本凈額； σ^′ 為銀行加權風險總資產； A_R 為加權風險資產收益率期望值， μ^′ 為銀行加權風險總資產的標準差。為了檢驗BSS中介效應的假設，借鑒溫忠麟等（2004）的研究，構建了模型（5）和（6），并結合模型（1）使用OLS回歸方法考察BSS對BFI與MIR的中介效應，回歸結果如表10所示，結果表明BFI提高了BSS，從而促使MIR的提高，即本文的結果支持了“銀行金融創新 $$ 系統穩定性 $$ 市場利率傳導效率\"這條作用路徑。因此，假設H4得到驗證。

Z=（μ^′+E/A_R）/σ^′

BSS_i，t=B₀+β₁^*BFI_i，t-1+β₂SCALE_i，t-1+β₃DEP_i，t-1+β₄PC_i，t-1+β₅NPL_i，t-1

+B_?CAP_i，t-1+B₇PGDP_i，t-1+B₈CPI_i，t-1+ΣQuarter+Σprovince+ε_i，t

BIR_i，t/MIR_i，τ=B₀+B₁^?BFI_i，τ-1+B₂BSS_i，τ-1+B₃SCALE_i，τ-1+B₄DEP_i，τ-1+B₅PC_i，τ-1+B₆NPL_i，τ-1.

+ΔB₇CAP_i，t-1+ΔB₈PGDP_i，t-1+βB₉CPI_i，t-1+ΣQuarter+Σ_{province+εi，t}

（二）拓展性分析

為進一步發揮銀行金融創新提高利率傳導效率的作用，明晰影響銀行金融創新與利率傳導效率關系的其他因素。本文進一步從銀行制度建設和地區金融發展程度進行拓展性分析。

表11銀行金融創新、制度建設與利率傳導效率

1.銀行金融創新、制度建設與利率傳導效率

手續費及傭金是金融工具創新的直接體現，但不能反映銀行制度建設（SC）的作用，SC 是否有利于加強BFI對BIR和MIR的促進作用？為了檢驗這一觀點，構建模型（7）并使用OLS回歸方法考察SC對BFI與BIR和MIR的調節效應。通過搜集各大銀行官方網站發布的銀行管理規范和產品制度文件，并按照相關政策文件的數量進行標記，將制度文件數作為SC的代理變量。結果如表11所示，我國SC為BFI提供了較好的內部環境，SC會對BFI與MIR之間的關系產生正向調節作用。因此，假設H5得到驗證。

BIR_i，1/MIR_i，1=B₀+B₁^*BHFI_i，1+B₂BFI_i，1?SC_i，1+B₃?SC_i，1-1+B₄SCALE_i，1-1+B₅DEP_i，1-1+B₆PC_i，1-1.

+B₇NPL_i，i-1+B₈CAP_i，i-1+B₉PGDP_i，i-1+B₁₀CPI_i，i-1+ΣQuarter+Σprovince+ε_i，i

2.銀行金融創新、地區金融發展程度與利率傳導效率

地區金融發展程度越高，BFI程度也越高，金融產品多元化越明顯，其對MIR的正向影響可能也越大。本文采用《新財富》發布的31個省區市金融業發展程度（FIN）指數來度量地區金融發展程度，并將全樣本分為FIN高和FIN低兩組子樣本，再分別運用模型（1）和OLS回歸方法進行檢驗。結果如表12所示，在FIN高樣本中，BFI對MIR的估計系數在 5% 的水平上顯著為正，具有統計意義，表明FIN會對BFI與MIR之間的關系產生正向調節作用。因此，假設H6得到驗證。

表12銀行金融創新、地區金融發展程度與利率傳導效率

七、結論與政策建議

（一）結論

基于我國金融供給側結構性改革和利率市場化改革背景，本文探究了銀行金融創新對利率傳導效率的影響機制、銀行異質性以及內在作用路徑。得出以下主要結論：第一，銀行金融創新對市場利率傳導效率具有顯著提高效應，而對基準利率傳導效率沒有顯著影響。第二，金融供給側結構性改革政策的正式提出增強了銀行金融創新對市場利率傳導效率的影響。異質性分析發現，股份制和城市商業銀行在這一影響中更加明顯。第三，銀行通過金融創新提高了系統穩定性，從而有利于市場利率傳導效率的提升。第四，銀行制度建設、地區金融發展程度均會對銀行金融創新與市場利率傳導效率之間的關系產生正向調節作用。

（二）政策建議

第一，加強銀行金融創新，驅動貨幣政策利率傳導效率。金融監管部門應鼓勵商業銀行金融創新研發投人，銀行也應整合自身優勢，不斷研發銀行金融創新產品和服務。減少無效和冗余的金融供給，探索多維度復合創新模式，實現金融創新驅動利率傳導效率。第二，深化金融供給側結構性改革，統籌協調銀行異質性。政府應堅持利率市場化改革，形成公正、公平和穩定的金融營商環境。金融監管部門應綜合考慮銀行的屬性差異，統籌政策的針對性與適用性，加強金融監管工具與銀行金融創新的有效配合。第三，增強銀行系統穩定性，暢通利率傳導渠道。銀行系統穩定性是實現銀行金融創新提升利率傳導效率的重要途徑，應注重銀行金融風險管控，堅持銀行經營審慎原則，定期評估銀行系統穩定性。第四，完善銀行制度建設，注重地區金融發展。銀行應建立高效的內部監管機制，建立健全權責清晰完整的銀行制度體系。同時，政府應對金融發展程度較低的地區予以政策傾斜和扶持，因地制宜優化金融發展政策。

（責任編輯：孟潔）

參考文獻：

[1]莊毓敏，儲青青，馬勇.金融發展、企業創新與經濟增長[J].金融研究，2020（4）：11-30.

[2]孫秋楓，吳梅.貸款市場報價利率改革對利率市場化的作用及建議[J].經濟縱橫，2021（1）：122-128.

[3]周凱，劉達禹.信用擴張結構、LPR改革與利率市場化：一個理論分析框架[J].經濟體制改革，2021

（6）：120-126.

[4]Munir M，Tufail S，Ahmed A M.Interest rate pass-through and cost channel of monetary policy：

Evidence from minimum distance estimation of DSGE model for Pakistan[J].Cogent Economics amp; Finance，

2022，10（1）：2127487.

[5]汪玲玲，尚柯汝，王宜冉，等.新LPR機制下貨幣政策的宏微觀傳導效率研究——基于MS-DSGE

模型和TVP-VAR模型的檢驗[J].南方金融，2024（5）：43-57.

[6]譚旭東.中國貨幣政策利率傳導機制的有效性——基于外部工具VAR模型的實證分析[J].數理

統計與管理，2025，44（2）：348-360.

[7]Horra L，Perote J，Fuente G.Monetary policy and corporate investment：A panel-data analysisof

transmission mechanisms in contexts of high uncertainty[J].International Review of Economicsamp;Finance，

2021，75（9）：609-624.

[8]尹振濤，羅朝陽，汪勇.數字化背景下中國貨幣政策利率傳導效率研究——來自數字消費信貸市場的微觀證據[J].管理世界，2023，39（4） ：33-48+99

[9]范志勇，安戈洋，章永輝.銀行間市場短端利率波動與貨幣政策傳導效率——基于利率互換市場高頻識別與局部投影方法[J].金融研究，2024（9）：1-19.

[10]劉沖，龐元晨，劉莉亞.結構性貨幣政策、金融監管與利率傳導效率——來自中國債券市場的證據[J].經濟研究，2022，57（1）：122-136.

[11]歐陽志剛，胡雯華.央行溝通公告有助于提升政策利率的傳導效率嗎？[J].數量經濟技術經濟研究，2024，41（10）：69-88.

[12]汪亞楠，吳湛，徐楓.利率走廊框架、貨幣政策傳導與宏觀經濟增長——基于金融CGE模型的模擬分析[J].宏觀經濟研究，2025（4）：17-33.

[13]Fukuyama H，Tan Y.Implementing strategic disposability for performance evaluation：Innovation， stability，profitabilityand corporatesocialresponsibilityinChinese banking[J].European Journal ofOperational Research，2022，296（2）：652-668.

[14]林曦，詹姝珂，王仁曾，等.金融科技監管創新與銀行風險——基于我國金融科技政策沖擊的準自然實驗證據[J].金融監管研究，2025（4）：20-37.

[15]滕飛，秦建文.商業銀行金融創新與實體經濟增長關系的研究[J].統計與決策，2021，37（1）：144-148.

[16]戰明華，王澤濤，湯顏菲，許月麗.金融創新如何影響了中國貨幣需求的流動性陷阱效應—來自金融理財產品的證據[J].財貿經濟，2020，41（1）：36-49.

[17]Marjosola H.The problem of regulatory arbitrage：A transaction cost economics perspective[J].Regulationamp;Governance，2021，15（2）：388-407.

[18]AnH，Yang R，Ma XJ，etal.An evolutionary game theory model for the inter-relationships between financial regulation and financial innovation[J].The North American Journal of EconomicsandFinance， 2021，55.

[19]Nizamani AR，Karim ZA，Zaidi MA S，et al.Bank heterogeneityininterest rate pass-through：A panel evidence of Pakistan[J].Asian Academy of Management Journal of Accounting and Finance，2021，17 （2），107-132.

[20]王朝陽，閔逸杰，代偉.結構性貨幣政策如何緩解中小企業融資困境——基于異質性銀行視角的解釋[J].數量經濟技術經濟研究，2024，41（11）：67-88.

[21]王連軍.去杠桿化與銀行體系穩定性研究——基于中國銀行業的實證[J].國際金融研究，2018（10）：55-64.

[22]趙業翔，周愛民.降價拋售、系統性風險與銀行系統穩定性[J].當代財經，2024（7）：71-87.

[23]馬亞明，常軍，佟淼.新利率雙軌制、企業部門杠桿率差異與我國貨幣政策傳導——考慮影子銀行體系的DSGE模型分析[J].南開經濟研究，2018（6）：57-73.

[24]莊毓敏，張祎.流動性監管、銀行穩健性與貨幣政策傳導[J].中國工業經濟，2022（6）：5-23.

[25]信瑤瑤.新中國70年銀行制度建設：思想演進與理論創新[J].財經研究，2019，45（12）：73-85.

[26]謝巧燕，王昱崴.金融發展對區域創新能力提升的影響機制研究[J].經濟經緯，2022，39（3）：138-149.

[27]郭豫媚，戴，彭俞超.中國貨幣政策利率傳導效率研究：2008-2017[J].金融研究，2018（12）：37-54.

[28]胡文濤，張理，李宵宵，王子姣.商業銀行金融創新、風險承受能力與盈利能力[J].金融論壇， 2019，24（3）：31-47.

[29]Gomez M，LandierA，SraerD，et al.Banks'exposure to interest rate risk and the transmissionof monetarypolicy[J].Journal ofMonetaryEconomics，2021，117：543-570.

[30]董華平.LPR改革對中期借貸便利工具利率傳導效率的影響[J.經濟體制改革，2024（1）：142-150.

[31]羅煜，何青，薛暢.地區執法水平對中國區域金融發展的影響[J].經濟研究，2016，51（7）：118-131.

[32]丁友剛，嚴艷.中國商業銀行貸款撥備的周期效應[J].經濟研究，2019，54（7）：142-157.

[33]申宇，任美旭，趙靜梅.經濟政策不確定性與銀行貸款損失準備計提[J].中國工業經濟，2020（4）：154-173.

[34]郭妍，韓慶瀟.盈利水平、支農服務與風險控制——農商行規模調整的理論分析與實證檢驗[J].金融研究，2019（4）：130-148.

[35]王蕙.外資戰略投資對中國銀行體系穩定性的影響——基于面板模型及改進的Z-Score法的實證分析[J].會計與經濟研究，2019，33（5）：112-128.

[36]溫忠麟，張雷，侯杰泰，劉紅云.中介效應檢驗程序及其應用[J].心理學報，2004（5）：614-620.