銀行內部特征與貨幣政策銀行信貸渠道關系的實證研究

摘 要：筆者通過觀察14家中國商業銀行1995-2007年間的面板數據，深入探討了銀行內部特征對貨幣政策銀行信貸渠道的效果的影響。本文首先對KashyapStein（2000）和Ehrmann（2001）中模型加以修正并進行了估計，接著通過銀行三個特點的橫截面數據分析，研究了具有不同特點的銀行對貨幣政策沖擊的反應，發現擁有更多的流動性和充足的資本的銀行對貨幣政策的沖擊的反應更小，受其影響更小。

關鍵詞：銀行規模；流動資金；資本；銀行信貸；實證研究

中圖分類號：F832.0 文獻標識碼：A 文章編號：1003－9031（2009）01－0008－05

一、導言

在過去二三十年中，有相當多的研究著重于貨幣政策傳導機制，以更好地了解貨幣政策如何影響實體經濟。我們知道，傳統利率傳導渠道側重于貨幣政策通過利率對信貸的影響，而貨幣政策的銀行貸款渠道則側重于貨幣政策對銀行貸款供給的影響。銀行信貸渠道的一個最重要前提是，借款人沒有其他可行辦法，只能以銀行貸款作為主要的資金來源。無論是對銀行信貸渠道還是對銀行市場結構的研究都已經大量出現，但大多數的研究都是基于銀行信貸渠道已經存在或把銀行市場本身作為一個整體來進行觀察，而對于“當面對貨幣政策沖擊時，擁有不同特點的銀行會有如何不同的反應”的研究則甚少，特別是對銀行業市場競爭性結構的特點對貨幣政策沖擊的反應更是極少研究。

比較有代表性的研究銀行內部特征（銀行規模、資本和流動性）與銀行信貸渠道關系的相關文獻有：KashyapStein（1994）發現在所有信貸中，大銀行趨向于更集中對工商業（CI）貸款，而小銀行更多地是對農業、房地產和消費者進行信貸；PeekRosengren（1998）[1]和 Stein（1998）[2]指出那些資本量更少或承擔著更多的不良貸款的銀行可能遭受通向不安全資金市場的機會的減少，他們的信貸行為也對貨幣政策的沖擊更為敏感；Kashyap Stein（2000）利用1976-1993期間聯邦儲備系統中的商業銀行和銀行控股公司的數據，研究了貨幣政策對具有不同程度的流動性的銀行信貸行為的影響。發現，當面對緊縮性貨幣政策時，規模越小和流動性越差的銀行可能會減少他們的貸款供給，因為他們有能力去提高融資的儲備形式受到了約束，由BHCs屬下的小銀行的信貸比類似的但獨立的小銀行對貨幣緊縮更缺少敏感性；KakesStrurm（2002）研究了德國銀行的信貸市場行為，小銀行對貨幣政策的沖擊表現地更為脆弱，而大銀行做出信貸決策的行為則獨立于貨幣政策；[3]另外，KashyapStein（2000）[4]和Ehrmann（2001）[5]在定量研究方面做出了特殊的貢獻。等等。

從上面可以看出，國外真正全方面而系統地研究銀行的市場特點對貨幣政策銀行信貸渠道的影響的文獻并不多，國內相關研究更是幾乎不存在。特別地，國外相關研究都是以西方發達國家比較完善的銀行體系及資本市場體系作為基礎。而對于像當前中國這樣一個正處于轉軌時期又極具個性特色的市場體系來說，他們的研究并不一定適用。一是實證部分過于簡單，有些也不太嚴謹。如模型的可靠性、變量的選擇等方面，或假設條件過多，等等。二是絕大多數都是針對西方發達國家，而很少考慮到發展中國家，特別是像中國這樣的經濟轉型國家。沒有考慮到發展中國家的特殊環境，近年來，雖然出現了一些相關文獻，但都處于研究初期階段，研究也過于粗糙。三是多數研究只是從銀行行業本身的特點進行研究，沒有考慮到其他外部影響因素，如監管、技術變遷等，忽視了市場的整體性和相互制約性。有些或有考慮到了，但卻沒有進行較為深入細致的探討。因此其局限性是很大的，這也可能會造成這樣一種誤差：銀行市場的特點對貨幣政策傳導的銀行信貸渠道的影響或夸大或降低了。

二、模型的設定

本文的模型有兩個原始模型來源：Kashyap（2000）模型和Ehrmann（2001）模型。首先簡單介紹一下這兩個模型的核心方程。

1.Kashyap（2000）模型

Kashyap（2000）模型的核心方程是：

模型中：△表示差分算子；L代表各種類型的貸款：房地產貸款、農業貸款、工商業貸款和居民（消費）貸款；F是由聯邦基金利率（FFR）測量的貨幣政策指標；X代表銀行的各種特征：規模、流動性和資本；Y即真實GDP； 是由CPI的變動率測算的通貨膨脹率；Qj為修正季度趨勢的季節虛擬變量；Vi是指個別銀行的影響； 是模型的誤差項。

另外，規模、流動性和資本分別由以下方程得到：

這個方程組用公式描述運用了三個銀行業比率指標。第一個指標衡量銀行業的規模，對商業銀行總資產進行對數調整得到。第二個指標衡量銀行業的流動性，即相對于貸款而言的銀行業可貸資金規模。該比率可通過對比金融機構存款總量與其資產規模得到(D/A)。第三個指標衡量銀行業資本充足水平，可以通過計算金融機構資本及儲備水平與其資產規模的比率得到（C/A）。

2.Ehrmann（2001）模型

Ehrmann（2001）模型的最初簡化方程是：

對上述模型引入動態機制并且進行一階差分，可以得到最終的模型：

其中，i、t和l分別代表銀行、時間以及滯后期數。為了防止潛在的內生性問題，所有的解釋變量均為滯后值。△Lit-j、△rit-j、△yit-j以及△pit-j，分別表示i銀行t-j期的銀行信貸增長率、貨幣政策變動、真實GDP增長率以及通脹增長率。成員國金融體系特征指標表現為模型中l的Xit-l，筆者將考慮的特征指標包括三個方面，即銀行規模、流動性以及資本充足比率。模型還考慮了固定效應，體現為各國具有特定的截距?琢i。?著it為模型的殘差，bj、cj、dj、ej、fj均為待估計參數。模型中的宏觀經濟變量，即真實GDP和通脹增長率是作為控制變量引入的，即假定這些宏觀經濟變量能夠反映相應的時間效應。單一貨幣政策是否存在銀行分布效應關鍵在于交互項系數fj的顯著性及其符號上。

3.模型設定

為了分析銀行結構的三個特點對貨幣政策的影響，首先將融合Kashyap（2000）模型和Ehrmann（2001）模型的中心思想，并加以修改，得到所需要的模型，再利用GMM方法（廣義矩估計方法GMM，Generalized Method of Moments） 對所得到的模型進行實證分析：

相對于前面介紹的兩個經典模型，這個方程式有了一些修正。模型中：△表示差分算子；L代表商業銀行貸款總額 ；r是由七日銀行同業拆借利率測量的貨幣政策指標；X代表商業銀行個體的各種特征：規模、流動性和資本；Y即真實GDP；?仔是由CPI的變動率測算的通貨膨脹率；?著it是模型的誤差項。

另外，與前面介紹的模型一樣，方程式中的規模、流動性和資本也分別由以下方程得到：

在模型中，銀行信貸渠道的存在可以通過測量貨幣政策對不同規模、流動性和資本的銀行信貸的不同影響的相關系數符號來評估。規模小、流動性不強、低資本的銀行在尋求外在融資時面對著巨大困難，繼而當貨幣政策緊縮時，他們可能會減少他們的信貸，相對于大規模、流動性強和高資本的銀行來說減少得更多。

三、數據選擇和變量構造

本文將利用我國商業銀行的面板數據對我國商業銀行的信貸供給做詳細分析。特別地，將考察貨幣政策銀行信貸渠道對于銀行信貸供給的影響是否依賴于銀行的各種內部特征（規模、流動性和資本）。

為了揭示統一貨幣政策實施以及具有不同特征的銀行的短期性動態效應，本文的研究采用的是年度面板數據，樣本期間為1995年到2007年。面板數據中包括的橫截面樣本為中國工商銀行（ICBC）、中國銀行（BOC）、中國建設銀行（CCB）、中國農業銀行（ABC）、中國交通銀行（BC）、中信實業銀行（CITIC）、中國光大銀行（EBC）、中國華夏銀行（HXB）、中國民生銀行（CMBC）、中國廣東發展銀行（GDB）、中國招商銀行（CMB）、中國上海浦東發展銀行（SPDB）、中國深圳發展銀行（SDBC）、中國興業銀行(FIB)共14家銀行所構成的銀行業市場。其中有些銀行的相關年份數據因為某些原因缺失，沒統計在內，但對于本文整體回歸結果和意義不會產生太大的影響。全部數據是根據《中國金融年鑒》（1997－2006）、各個銀行的年報、中國人民銀行統計季報、中經網、國研網以及CCER經濟金融數據庫等資料匯總計算而來。

面板數據（panel data）也稱時間序列截面數據（time series and cross section data）或混合數據（pool data）。面板數據是同時在時間和截面空間上取得的二維數據。從橫截面上看，面板數據是由若干個體在某一時刻構成的截面觀測值，從縱剖面上看是一個時間序列。用面板數據建立的模型通常有3種，即混合估計模型、固定效應模型和隨機效應模型。在面板數據散點圖中，如果對于不同的截面或不同的時間序列，模型的截距是不同的，則可以采用在模型中加虛擬變量的方法估計回歸參數，稱此種模型為固定效應模型。

筆者在面板數據中用名義GDP增長率和通脹增長率來反映信貸需求方面的作用，也可以說是反映貨幣政策效果的指標。用七天銀行同業拆借利率作為全國統一貨幣政策的代理變量。所有這些數據大多來自于中國金融年鑒、中國統計年鑒、中國人民銀行網站及國研網等提供的數據計算整理而成。由于筆者并沒有發現信貸具有季度效應，因此本文所選取的GDP增長率都沒有經過季度調整的增長率。為了增強數據的可比性和統一統計口徑，本文所選取的通脹增長率是以居民消費指數CPI為基礎修正得到。以七天銀行同業拆借利率為貨幣政策的代理變量對于所有商業銀行來說是一致的。至于面板估計數據中各商業銀行的信貸余額增長率以及銀行內部體系特征變量指標等數據，是根據中國金融年鑒以及各銀行網站等提供的時間序列數據計算得到的。

本文對商業銀行內部特征的描述運用了三個銀行業比率指標。第一個指標衡量銀行業的規模，對商業銀行總資產進行對數調整得到。第二個指標衡量銀行業的流動性，即相對于貸款而言的銀行業可貸資金規模。該比率可通過對比金融機構存款總量與其資產規模得到（D/A）。第三個指標衡量銀行業資本充足水平，可以通過計算金融機構資本及儲備水平與其資產規模的比率得到（C/A）。

表1對回歸變量的定義進行了歸納和總結，其中第一列給出了預期的參數估計符號。當筆者根據動態回歸結果計算長期參數時，GDP增長率與通脹增長率的長期系數預計為正數，反映來自需求方面的作用。七天銀行同業拆借利率的長期系數應為負值，反映貨幣政策對信貸供給的作用。至于不同商業銀行的特征變量與貨幣政策交互項的符號，筆者的預期如下：（1）資產規模效應的符號預期為正。眾多的實證研究表明通常情況下大銀行比小銀行在獲取外部融資方面具有優勢，因此更容易規避貨幣政策的影響。（2）流動性效應預期為正。原因是一家銀行流動性越高，那么當該銀行面臨緊縮性貨幣沖擊時信貸供給受到的影響和沖擊越小。（3）資本效應預期為正。與流動性指標相似地，筆者也預期其交互項符號為正，即當面臨緊縮性貨幣沖擊時，一家商業銀行資本越充足信貸供給受到的影響和沖擊越小。可見，當商業銀行個體表現為高流動性和高資本水平時，銀行業對于貨幣政策沖擊的吸收能力越強。

四、估計結果及分析

本文運用不同的模型設定進行面板數據回歸，得到的估計結果如表2所示。所有的模型均為動態模型，即在估計方程的右側均包含了被解釋變量的滯后項。其中，模型1運用OLS進行固定效應估計，模型2-5是GMM估計。回歸估計的長期系數是根據Putkuri(2003)的方法進行計算得到的，反映外生變量對具有平均特征商業銀行的信貸供給影響的長期效應。Putkuri(2003)認為從長期來看，不論是外生變量還是內生變量的增長均可以假設為衡定的，因此外生變量對內生變量影響的長期系數為估計得到的滯后外生變量對內生變量的短期影響系數之和除以1減去滯后內生變量對其自身的短期影響系數之和。

從回歸結果來看，貨幣政策七日銀行同業拆借利率的長期效應在所有的模型中均十分顯著，且符號均與預期相符合。說明從長期來看，緊縮性的貨幣政策對處于平均特征水平的商業銀行信貸供給的確起到約束作用。不過根據模型設定的不同，貨幣政策對信貸供給的長期效應大小也略有不同。根據不同的模型設定和估計，筆者發現銀行同業拆借利率上升100個基本點將導致信貸供給增長下降0.207%-0.44%。從影響信貸供給的需求方作用來看，估計與筆者的預期略有出入。GDP增長率對信貸供給的影響在模型1和模型4中均不顯著，不過從所有模型的估計來看，符號均為正，這與筆者的預期是相符合的。在不同的模型中，GDP增長率每上升1%將導致信貸余額增長0.107%-0.379%。而從長期系數回歸結果來看，通脹增長率對于信貸的作用在所有的模型中均不顯著，且符號與筆者的預期也不符。這一方面可能是由于受到樣本截面較小的限制，另一方面也可能說明單一貨幣政策實施后通脹增長率可能并不能夠有效反映信貸需求的作用。

在模型3到模型5中，包括了個別商業銀行的特征變量與銀行同業拆借利率的交互項：

1.銀行規模與銀行信貸渠道的影響。模型3中，反映銀行規模大小的交互項系數為負，且十分顯著，這意味著與具有平均特征水平的商業銀行相比，一家商業銀行擁有的規模越大，緊縮性貨幣政策的影響越大。這與Putkuri（2003）的估計是一致的。

2.流動性與銀行信貸渠道的影響。根據模型4估計的流動性效應與筆者事前的預期也是一致的，即流動性越高，越能夠對沖緊縮性貨幣政策帶來的影響。并且從回歸結果來看，流動性效應的規模也不容忽視。這意味著銀行個體如果在整體流動性上存在差異的話，單一貨幣政策帶來的潛在不對稱效應將是十分明顯的。在這里，筆者發現了在中國的銀行信貸渠道存在的許多證據。事實上，一個信貸渠道的存在能評估出來，由本文的經濟計量結論表明，流動性更好的銀行并不對貨幣政策緊縮反應表現得比流動性差的銀行更強烈。確實，他們利用他們的流動性去補償貨幣政策緊縮的效果，流動性的相關系數是積極和十分顯著的。銀行似乎把他們的短期銀行間資產降低，導致他們信貸供給上的一個利率上升。

3.資本與銀行信貸渠道關系。最后，筆者對包括反映銀行個體資本充足率的指標交互項的模型5進行了回歸，結果十分不顯著。這可能是由于國內商業銀行個體資本充足率水平已經達到相當高的水平，從而并不能夠對信貸產生約束作用的緣故。這說明商業銀行個體在資本充足水平上的差異將不對單一貨幣政策造成不對稱效應。總的來看，可以發現單一貨幣政策對于銀行規模大、流動性水平低的商業銀行效應將更為明顯。

五、結論

本文在宏觀層次面板數據的基礎上，運用一個簡化的單方程回歸模型對國內不同商業銀行個體的特征是否會對貨幣政策傳導下的銀行信貸市場行為產生不同作用進行了考察。經過研究表明銀行信貸渠道在我國是存在并發生主導作用的，并且各個商業銀行個體在銀行內部特征上的差異的確會對單一貨幣政策的傳導產生不對稱影響。特別地，筆者發現商業銀行個體的規模將加強貨幣政策對銀行信貸供給的作用程度；而銀行流動性程度則有助于削弱貨幣政策的影響效力。換而言之，筆者的研究結果表明商業銀行個體規模越小、流動性越高，則銀行信貸供給行為越能夠吸收政策引致的貨幣沖擊，貨幣政策的效力越弱。相反，還發現銀行的資本充足程度并沒有對貨幣政策傳導產生顯著影響。不過，從對長期系數的估計結果來看，貨幣政策的長期影響作用規模并不大，這一方面可能反映了銀行信貸渠道在我國發揮作用遇到一些阻礙，并不是很暢通，而另一方面則可能反映了數據樣本較小的局限性。不管怎樣，研究表明我國統一貨幣政策在傳導過程中經由商業銀行體系的作用可能將對各類商業銀行個體產生不對稱的影響，從而加劇統一貨幣政策操作的難度。

本文探討了銀行內部結構在貨幣政策發揮作用的過程中所扮演的角色，主要內容可以歸納為以下幾點：

第一，我們得承認，貨幣政策及其傳導機制的研究無疑是現代經濟中一個最具開放和充滿活力的問題，但對于這方面的研究和問題的解答并沒有一個完全能夠量化或說絕對對與錯的答案。

第二，本文嘗試著去研究近三十年來我國銀行業結構所發生的巨大變化對于貨幣政策傳導機制特別是當前占主導地位的銀行信貸渠道的影響，利用VAR和GMM等相關計量方法，對我國銀行近三十年的時間序列數據，研究了銀行規模、流動性及資本在貨幣政策發揮作用過程中所起的作用。并發現，銀行業越集中（通過兼并和收購），貨幣政策的效果（通過公開市場操作）越差。

第三，本文還分析了不同類型的銀行信貸對貨幣政策沖擊所作出的不同反應，并發現小銀行對于貨幣政策的沖擊的反應較大銀行更為敏感。■

參考文獻：

[1] Kashyap， Anil K.， and Jeremy C. Stein（2000）， What Do a Million Observations on Banks Say About the Transmission of Monetary Policy?[J].American Economic Review，90（3）.

[2][6] M. Ehrmann， L. Gambacorta， J. Martínes-Pagés， P. Sevestre， A. Worms (2001)， Financial System and the Role of Banks in Monetary Policy Transmission in the Euro Area[J].ECB Working Paper No 105， ECB， Frankfurt.

[3]Peek，Joe and Rosengren. Bank consolidation and small business lending: It’s not just bank size that matters [J].Journal of Banking and Finance，1998，22.

[4]Stein，Jeremy C. (1998)， An Adverse Selection Model of Bank Asset and Liability Management with Implications for the Transmission of Monetary Policy”[J].Rand Journal of Economics，29(3).

[5]Kakes，Jan，and Sturm，Jan-Egbert (2002)，Monetary Policy and Bank Lending：Evidence from German Banking Groups[M].Journal of Banking and Finance，26(11).

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”