我國信貸是持續順周期的嗎——基于期限結構視角的時變參數研究

金雯雯，杜亞斌

(南京大學商學院，江蘇南京 210093)

我國信貸是持續順周期的嗎
——基于期限結構視角的時變參數研究

金雯雯，杜亞斌

(南京大學商學院，江蘇南京 210093)

信貸順周期問題一直是理論與實務界關注的熱點。本文運用TVP－VAR模型對2000至2012年間中國信貸順周期效應進行實證檢驗，結果顯示，在控制了貨幣政策影響后，我國信貸的順周期效應存在時變性;在部分時段信貸量逆經濟周期變化;短期和中長期貸款的順周期特征存在差異，中長期貸款的順周期效應大于短期貸款。因此，逆周期資本監管應調整思路，避免一刀切。資本監管及信貸調控政策應加強對信貸期限結構的關注。

信貸;順周期;TVP－VAR模型

一、引 言

信貸順周期問題一直是理論與實務界關注的熱點。次貸危機爆發后，金融順周期尤其是信貸順周期問題被認為是危機加深的重要推手。此后信貸順周期問題再次成為關注的焦點。

信貸順周期，又稱信貸親周期，一般指金融部門的信貸投放會與實體經濟呈現同向變動關系，在經濟繁榮時，銀行放款業務會增加［1］。這種關系會擴大經濟周期性的波動程度，并造成或加劇金融部門的不穩定性［2］。為避免信貸過度超常規增長導致風險積累，2010年12月16日，巴塞爾委員會正式發布《各國監管當局實施逆周期資本緩沖指引》，建議各國監管當局根據本國銀行業發展實際，制定和實施逆周期資本緩沖政策。我國隨后出臺一系列“逆周期”資本監管新規和信貸調控政策，引導信貸適度增長。這對維持金融體系的穩健性、防止實體經濟劇烈波動成效顯著。在當前國內外復雜形勢下，如何結合我國實際，有效實施逆周期調控仍面臨諸多難點和挑戰。政策調控的難度之一在于如何前瞻性地對信貸“周期”進行準確判斷。如果不能準確把握信貸的周期特征，就不能正確把握逆周期監管政策的方向和力度，結果可能令政策失效，甚至加劇“金融加速器”效應。

在當前我國信貸總量快速增長的同時，信貸期限結構也發生了較大的變化，這給信貸周期的研究帶來新的課題。數據顯示，2012年我國GDP同比增長7.8%(經合組織把這一年定為我國經濟增長的低迷期)，全年貸款總額同比增長15%，其中短期貸款異常活躍，全年增長22%，而中長期貸款持續低迷，甚至在2012年11月和12月連續兩次出現負增長。信貸結構變化的這一新局面引發筆者思考:在考慮了期限結構后，信貸量是否持續順周期變化?不同期限信貸的周期特征是否存在差異?

二、文獻回顧

已有文獻大多從信貸總量上對信貸順周期問題進行研究。國外學術界對于信貸順周期的結論基本一致:在經濟上升期，信貸數量增加，在經濟衰退期則下降，即信貸具有明顯的順周期性。Bernanke［1］指出，金融體系會與經濟周期呈現同向變動，在經濟繁榮時，銀行放款業務都會增加。Borio，Furfine以及Low等人［3］的實證分析發現，在經濟周期的運行過程中，商業銀行的放貸行為具有顯著的順周期性。金融系統具有一種內生的順經濟周期性，即對風險的認知與承擔意愿一樣，都會隨著經濟的上下波動而變化。這些順周期行為與實體經濟的相互作用將放大經濟波動。Bikker和Hu［4］通過對26個OECD國家1979－1999年的相關數據分析研究后也得出了類似的結論:經濟上升期，銀行利潤、損失準備金和信貸數量都在增加，相反，經濟衰退期則都在下降。

國內學者也從不同角度對我國信貸的順周期問題進行研究，得到的結論不完全一致。馮科，等［5］利用VEC模型及互譜分析方法，探討了中國商業銀行信貸的順周期行為現狀，發現我國商業銀行在經濟繁榮時擴張借貸，在經濟衰退時惜貸。陳昆亭等［6］得到不同的結論，他們運用濾波方法分析1991至2010年間中國GDP增長率與信貸余額增長率的季度數據，結果顯示信貸余額表現為階段順周期和階段反周期關系，特別是次貸危機后信貸與產出顯著背離。方芳、劉鵬［7］運用時差相關系數、格蘭杰因果檢驗和VAR模型研究了改革開放以來中國金融順周期問題，發現經濟波動對信貸增長在短期有較強正向影響，但長期影響微弱。

雖然目前大多數有關信貸順周期的研究尚未考慮到信貸期限結構，但在信貸經濟效應的研究中，已有學者開始關注這一問題。范從來等［8］指出，“中國在信貸總量快速增長的同時，信貸結構也發生了較大的變化，包括信貸持有部門結構和信貸期限結構。單純地分析信貸總量顯得過于模糊。”在實證分析中，采用不同期限的信貸進行研究，可能得到不同的結論”。因此，本文基于信貸期限結構對信貸總量進行分解，分別研究不同期限信貸的順周期特征，是對信貸周期理論的一個有益補充。

從研究方法來看，不少學者根據時差相關系數判斷信貸的順周期性(陳磊［9］，方芳、劉鵬［7］等)，但這種方法在滯后期數選取時存在主觀性，而滯后期數不同得到的結論可能截然相反。另一種常用做法是用向量自回歸(VAR)模型檢驗貸款增長對經濟增長沖擊的響應(方芳、劉鵬［7］，李麟、索彥峰［10］等)，該方法可根據信息準則確定滯后期，克服了時差相關系數的主觀性問題。但固定參數向量自回歸(VAR)模型假設模型的系數和波動率恒定，考慮到現實中經濟變量的數據生成可能存在系數漂移和波動率沖擊，這些約束將導致模型設定偏誤。Primiceri［11］提出的帶隨機波動率的TVP－VAR模型能很好地捕捉經濟結構中的時變特性，彌補了傳統VAR模型不能刻畫參數時變性的缺陷。另一方面，該模型可以根據邊際似然值確定最優滯后階數，避免了階數選取的主觀性問題。

國內外已有一些學者運用該方法研究各國的經濟問題。Baumeister，Durinck 和 Peersman［12］將 TVP－VAR模型應用于歐洲數據，估計了流動性過剩沖擊對宏觀經濟變量的影響;D'Agostino，Gambetti和Giannone［13］利用TVP－VAR模型來預測美國宏觀經濟變量;Jouchi Nakajima等［14］利用TVP－VAR模型研究日本經濟，并根據邊際似然值得出TVPVAR模型優于其它固定參數VAR模型的結論。Benati和Mumtaz［15］利用符號約束的 TVP－VAR 模型研究英國經濟，并試圖尋找英國經濟穩定和通貨膨脹預期不確定的來源;我國學者牟敦國、林伯強［16］利用該模型研究我國工業增加值、電力消費量和煤炭價格之間的互動影響。

已有文獻的時變參數分析為我們檢驗信貸順周期性提供了有益的啟發，筆者目前尚未見到有關信貸順周期效應的時變參數分析。本文運用時變參數向量自回歸(TVP－VAR)模型研究宏觀經濟波動對不同期限信貸的變參影響，填補了信貸順周期研究的空白。同時本文得出的結論將為政策調控提供一個新的思路。因此我們的研究兼具理論和政策意義。本文其余章節安排如下:第三部分是對不同期限信貸順周期特征的初步判斷;第四部分是TVPVAR模型介紹;第五部分是實證分析;第六部分是結論。

三、信貸順周期特征的初步判斷

信貸的順周期性主要體現在信貸量與宏觀經濟是否同向變動。本文主要研究短期貸款和中長期貸款的順周期效應，考慮到這兩類貸款之和約占我國貸款總額的90%，因此研究這兩類貸款的順周期效應，對于研究我國不同期限貸款的順周期效應具有代表意義。由于GDP增長率是反映整體經濟增長最直接的指標，同時考慮到GDP沒有月度數據，因此這部分我們采用2000第一季度至2012年第四季度的季度數據進行考察。主要測度的指標包括GDP增長率、信貸總量增長率、中長期貸款增長率、短期貸款增長率，用來大致反映經濟總量、信貸總量、中長期貸款和短期貸款的變動情況。

圖1顯示了中長期貸款、短期貸款、GDP的增長率的原始序列。我們對各類貸款和GDP利用定基CPI進行價格調整，以1990年1月的不變價表示，再求得各變量的實際增長率。

為消除季節影響，我們采用Census X－12法對數據進行季節性調節，獲得季節調整后的各類貸款和GDP的季度增長率序列。董文泉，高鐵梅等［17］指出，在增長周期波動中要將趨勢要素T和循環要素C相分離，把循環要素C的變動看作景氣變動，即增長周期波動是循環要素C的波動。因此我們采用CF濾波法對序列進行濾波，得到各變量的周期序列如圖2所示。

從圖1可以看出，從2000年第1季度到2011年第1季度這11年間，中長期貸款增長率始終高于短期貸款，從2011年第2季度到2012年第4季度則情況相反。觀察圖2中短期貸款與中長期貸款的周期序列，我們發現有三個時段二者關系發生明顯的背離，分別是在2000年第2季度到2002年第3季度，2009年第2季度到2009年第4季度，以及2010年第3季度到2011年第3季度(圖中用陰影區域表示，以下分別簡稱為第一、二、三背離時段)。由此我們可以初步判斷，在這三個時期短期貸款與中長期貸款的順周期效應可能會存在差異。

既然短期貸款與中長期貸款的變化路徑在圖中陰影區域時段出現明顯背離，那么通過觀察這三個背離時段兩類貸款與GDP變化路徑的關系，即可對兩類貸款的順周期效應進行大致對比。首先觀察第二個背離時段(2009年第2季度到2009年第4季度)和第三個背離時段(2010年第3季度到2011年第3季度)，我們發現中長期貸款增長率和GDP增長率同方向變動，其中二者在第二個背離時段同時大幅上升，在第三個背離時段基本同方向下降，而短期貸款增長率在以上兩個時段一直逆周期變化。雖然在第一個背離時段GDP增長率與兩類貸款增長率的關系不明確，但通過觀察三個變量序列在第二、三背離時段的變化路徑，我們可以初步判斷，相比短期貸款而言，中長期貸款與GDP的共動性更強。即中長期貸款的順周期效應比短期貸款更顯著。

綜合以上分析，我們發現我國信貸量的順周期效應受貸款期限影響，且具有時變性，在不同時期會出現結構性變化。以往文獻使用的常參數VAR模型對于參數限制過多，不能體現研究對象的時變特征，致使模型的解釋能力受到很大限制。在下文中我們將利用時變參數向量自回歸(TVP－VAR)模型對信貸順周期效應的時變性進行檢驗。

四、時變參數向量自回歸(TVP－VAR)模型

1.TVP－VAR模型推導

從一個基本的結構VAR模型出發，我們可以得到TVP－VAR的模型表示。結構VAR模型可寫成如下形式:

其中，yt代表由觀測變量構成的k×1維向量，A，F1…Fs代表K×K維的系數矩陣。擾動項ut表示k×1維結構沖擊，并且我們假設ut～N(0，ΣΣ)，其中

用遞歸法對同期關系的結構沖擊進行識別，假設A是一個下三角矩陣，

模型(1)可重寫為以下形式:

其中，Bi=A－1Fi，i=1…s。將所有 Bi的行向量堆疊，形成一個新的矩陣β(k2s×1)，定義Xt=Ik?(y't－1，…，y't－s)，其中 ? 代表克羅內克積，從而模型(2)可寫成以下形式:

(3)式中的所有參數都不隨時間變化，若放寬這一約束條件，可以將(3)式擴展成以下形式:

以上就是TVP－VAR模型的表達形式。與(3)式不同的是，(4)式中所有參數βt，At和Σt都具有時變性。Primiceri(2005)令 at=(α21，α31，α32，α41，…，αk，k－1)'表示下三角矩陣At中元素的堆疊向量，令ht=(h1t，…，hkt)'，其中 hjt=logσ2jt，j=1，…，k，t=s+1，…，n。假設(4)式中的參數遵循以下隨機游走過程:

2、MCMC 估計

令y={yt}nt=1，ω =(Σβ，Σα，Σh)。令π(ω)表示ω的先驗概率密度。給定y的觀測數據，MCMC算法如下:

(1)對 β，α，h，ω 賦予初始值;

(2)給定 α，h，Σβ，y，根據后驗條件分布對 β抽樣;

(3)給定β，根據后驗條件分布對Σβ抽樣;

(4)給定 β，h，Σα，y，根據后驗條件分布對 α 抽樣;

(5)給定α，根據后驗條件分布對Σα抽樣;

(6)給定 β，α，Σh，y，根據后驗條件分布對 h 抽樣;

(7)給定h，根據后驗條件分布對Σh抽樣;

(8)返回第(2)步。

五、我國信貸順周期效應的實證檢驗

本文利用時變參數向量自回歸(TVP－VAR)模型分別檢驗短期貸款、中長期貸款和貸款總量的順周期效應，并借助OxMetrics軟件實現數據模擬和參數估計。

(一)樣本描述及數據處理

檢驗信貸的順周期效應，主要是研究宏觀經濟波動對信貸量變化是否具有正向影響以及影響的程度。本文將金融機構人民幣短期貸款、中長期貸款和貸款總額的月度數據作為信貸量的測度指標。關于宏觀經濟的測度指標，已有文獻通常采用GDP、產出缺口、工業總產值、工業增加值等指標，但考慮到這些指標存在一定的單一性和片面性，難以完美地刻畫宏觀經濟的整體狀況。相比之下，由我國國家統計局發布的景氣指數中的一致指數，由工業生產、就業、社會需求(投資、消費、外貿)、社會收入(國家稅收、企業利潤、居民收入)等4個方面合成，能更全面反映當前經濟的基本走勢。因此我們認為采用宏觀經濟景氣指數中的一致指數(以下簡稱景氣指數)來反映經濟的走勢更為恰當。為了消除系統的內生性，我們以M1和官方一年期存款利率分別代表貨幣政策的數量型工具和價格型工具，作為系統的控制變量。

為消除物價上漲因素的影響，我們首先對各項貸款和M1的水平值根據定基CPI調整，對官方一年期存款利率根據同比CPI調整得到實際存款利率。由于景氣指數在編制過程中已經過季節調整，故只對除景氣指數外的其它變量利用Census X－12方法做季節調整。為兼顧數據的經濟意義和平穩性要求，根據Jouchi Nakajima等［14］的做法，需要對序列做對數差分，但考慮到對利率做對數差分后其經濟意義不明確，故本文只對除利率外的其它各個變量做對數差分，作為各變量的環比增長率，同時保持實際利率的水平值不變(由于統計局發布的景氣指數是以1996年為基期，故本文也對其取對數再做一階差分，以反映宏觀經濟的環比變化)。本文以2000年1月至2012年12月數據作為研究樣本。數據來源于中國經濟統計數據庫和國泰安數據庫。

表1 變量的描述統計

表1列出了各個變量的描述性統計結果。其中l、sl、ll、jq、m、dr分別代表貸款總量增長率、短期貸款增長率、中長期貸款增長率、景氣指數變化率、M1增長率和實際存款利率。各變量取值都表示百分比變化。

(二)參數設定和模型診斷

本文將景氣指數增長率、貨幣政策變量分別與中長期貸款、短期貸款和貸款總額的增長率這三個貸款變量建立3個TVP－VAR模型。下面以景氣指數、M1、官方存款利率和短期貸款增長率這四個變量構建的TVP－VAR模型為例，介紹模型的設定和模擬結果。首先根據經驗設定參數初值如下:

用MCMC方法模擬20000次，得到有效樣本。再分別估計了滯后1至6階的TVP－VAR模型，根據每次估計的邊際似然值確定最優滯后階數為2階。圖1顯示了樣本自回歸系數、樣本路徑和后驗密度。從圖1可以看出，樣本的自回歸系數穩定下降，樣本路徑圖顯示數據平穩，這表明通過預設參數的MCMC抽樣獲得了不相關的有效樣本。

圖3 自回歸系數、樣本路徑和后驗分布

表2顯示了包含短期貸款的TVP－VAR模型的估計結果，包括后驗均值、后驗標準差、95%置信區間，Geweke的CD收斂診斷值和無效影響因子。從收斂性來看，參數的Geweke值均未超過5%的臨界值1.96，表明收斂于后驗分布的零假設不能被拒絕。無效因子是測度抽樣有效性的指標，它可以用來計算既定抽樣次數下所能獲得的不相關樣本個數，其值越小表明抽樣越有效。從表2可以看出各參數的Inef值都遠小于抽樣次數20000次，表明用上述抽樣方法得到的樣本個數對于TVP－VAR模型的后驗推斷是足夠的。

表2 參數估計結果

(三)時變波動率

從圖4可以看出，4個變量結構沖擊的隨機波動率呈現出不同的時變性。2000年短期貸款增長率、景氣指數增長率和實際存款利率的波動均處于歷史高位。這是由于受1997年末亞洲經濟危機的滯后影響以及2000年美國股災的沖擊，我國經濟落入低谷。數據顯示，1999年我國經濟的實際增長率僅為7.1%，且經濟低迷狀態一直持續到2001年。該時期央行積極推進利率市場化改革，多次調低存貸款利率，對利率和信貸市場造成較大沖擊。從圖4第2幅圖可以看出，我國經濟的第二次大幅波動出現在2009年前后，這是由于2008年受國際金融危機影響，我國的實體和虛擬經濟雙雙受到重挫。同年由于我國貨幣政策經歷劇烈的轉向，上半年以緊縮性政策應對經濟過熱，9月份危機爆發后，貨幣政策又轉為擴張性以應對經濟下行，從2008年9月到2008年底央行五次下調一年期人民幣存貸款基準利率。貨幣政策的這一轉向勢必影響到信貸量，這在圖4第4幅圖表現為該時期利率的大幅波動。

圖4 隨機波動率的后驗估計

(四)時變脈沖響應

在這一部分我們將利用TVP－VAR模型做出不同時點和不同時期的脈沖響應圖，再通過對比不同期限信貸對經濟沖擊的響應，觀察不同期限信貸的順周期特征。由于本文研究的樣本時間跨度為13年，對每一個時點都做脈沖響應是不現實的，故只選取幾個代表性的時點進行分析。在時點選擇上，我們參照牟敦國、林伯強［16］的做法，選擇2003年7月、2006年6月、2008年8月和2011年10月四個時點，分別代表中國經濟開始復蘇時期、繁榮時期、危機時期和危機后期。圖5－7中的左圖描述了在上述四個時點不同類型信貸量對經濟沖擊的響應。圖5－7中的右圖描述了滯后1、3、12期脈沖響應結果隨時間動態演化的過程。

從圖5中左圖描述的具體時點的脈沖響應來看，在2003年7月、2006年6月、2008年8月和2011年10月，給經濟增長一個正向沖擊，中長期貸款增長率對經濟沖擊的響應始終為正，表現出穩定的順周期性。相比之下，短期貸款增長率并未表現出完全的順周期效應。從圖6描述的脈沖響應路徑可以看出，在2003年7月、2006年6月和2008年8月，短期貸款增長率對經濟沖擊的響應始終為正，但在金融危機后期的2011年10月卻出現了反周期現象。在這一時期給經濟增長一個正向沖擊，短期貸款增長率的響應為負。根據OECD發布的中國經濟增長低迷期數據，2011年10月被界定為我國經濟增長的低迷期，對于該時期我國中長期貸款增長率順周期放緩，而短期貸款增長率卻逆周期上升的一個解釋是，這一時期中長期貸款的主力軍——房地產企業，由于受到土地控制等各項壓力，拿地意愿降低，中長期大額資金需求較往年有所減少，再加上信貸控制、二套房控制及保障房上馬等一系列調控政策的出臺，使得個人住房貸款增速放緩。另一方面，在每月一次的提存背景下，各大銀行資金壓力劇增，銀行更樂于發放短期貸款，利于資金及時回籠，保持內部要求的時點存款數額，這就導致短期貸款量逆周期大幅上升。

對比四個時點中長期貸款和短期貸款對經濟的響應程度，可以看出中長期貸款增長率對經濟增長的響應最大值約為0.14，大于短期貸款增長率的最大響應(約為0.04)，這說明經濟增長對中長期貸款的影響大于短期貸款。從圖5可以看出，中長期貸款增長率對經濟沖擊的滯后1、3、12期脈沖響應始終為正，且在金融危機爆發后正響應程度隨著時間逐步擴大。再對比圖6中短期貸款滯后1、3、12期的脈沖響應，可以看出從2000年1月開始，經濟波動對短期貸款增長率在短期存在正向影響，金融危機爆發后正向影響逐漸減弱，在2010年后影響由正轉負，且負向影響不斷擴大;經濟波動對短期貸款增長率的長期影響接近于零。綜合以上分析可以推斷，中長期貸款相比短期貸款具有更強的順周期效應，短期貸款在金融危機后期表現出明顯的逆周期性。這些實證檢驗結果與我們在第二部分的初步判斷相符。

從圖7可以看出，貸款總量對經濟沖擊的響應介于短期貸款和中長期貸款之間。貸款總量增長率在2003年7月、2006年6月順周期變化;而在2008年8月和2011年10月，貸款總量增長率首先對經濟波動產生正向響應，隨后響應逐漸增大，到達最高值后開始回落，并由正轉負，呈現出小幅的逆周期效應。

六、結 論

本文結合時期脈沖響應和時點脈沖響應兩種分析工具，檢驗經濟波動對信貸量的影響，所得結論與我國現實情況基本相符。為避免時點選擇的主觀性，我們還分別考察了所選時點(2003年7月、2006年6月、2008年8月和2011年10月)前后兩期的脈沖響應，所得結論基本一致。再通過變換貨幣政策的控制變量重做第五部分的實證檢驗，發現實證結果的穩健性并未受到影響。

實證結果表明，短期和中長期的信貸量的順周期特征存在差異，且二者都具有時變性。中長期貸款的順周期效應大于短期貸款。在我國經濟復蘇時期、繁榮時期、危機時期和危機后期，中長期貸款增長率始終順周期變化，而短期貸款增長率只在前三個時期順周期變化，在危機后期表現出明顯的逆周期效應。通過分析滯后1、3、12期的經濟波動對貸款的影響，我們發現經濟波動對中長期貸款增長率的影響始終為正，但對于短期貸款增長率的影響在2009年之后開始由正轉負;經濟沖擊對短期貸款增長率的短期影響大于長期影響。

綜合以上分析，本文得出政策含義如下。首先，信貸順周期效應的時變性給調控政策增加了難度，不論是信貸調控政策還是資本監管政策都應謹慎考慮這一問題;其次，不同期限信貸的順周期效應存在差異，信貸調控政策需要針對信貸期限特征區別對待，逆周期資本監管需要轉變思路，避免一刀切;最后，由于在金融危機后期短期信貸量異常放大，應注意防范信貸過度流入虛擬經濟而產生的潛在風險。參考文獻:

［1］Bernanke B S，Gertler M，Gilchrist S.The financial accelerator in a quantitative business cycle framework［M］.Handbook of Macroeconomics，1999:1341 －1393.

［2］Financial Stability Forum(FSF).Report of the financial stability forum on addressing procyclicality in the financial system［R］.2009.

［3］Borio C，Furfine P，Lowe P.Procyclicality of the financial system and financial stability:issues and policy options［R］.BIS Working Paper，2001，1.

［4］Bikker，J A，Hu H.Cyclical patterns in profits，provisioning and lending of banks and procyclicality of the new Basel capital requirements［J］.BNL Quarterly Review，2002，55:143 －175.

［5］馮科，劉靜平，何理.中國商業銀行順周期行為及逆周期資本監管研究—基于宏觀審慎的視角［J］.經濟與管理研究，2012(10):91－96.

［6］陳昆亭、周火、龔六堂.信貸周期:中國經濟1991－2010［J］.國際金融研究，2011(12):20 －28.

［7］方芳，劉鵬.中國金融順周期效應的經濟學分析［J］.國際貿易問題，2010(8):120－128.

［8］范從來，盛天翔，王宇偉.信貸量經濟效應的期限結構研究［J］.經濟研究，2012(1):80－91.

［9］陳磊.中國轉型期的信貸波動與經濟波動［J］.財經問題研究，2004(9):18－23.

［10］李麟，索彥峰.經濟波動，不良貨款與銀行業系統性風險明［J］.國際金融研究，2009(6):55－63.

［11］Primiceri G E.Time varying structural vector auto egressions and monetary policy［J］.Review of Economic Studies，2005，72:821 – 852.

［12］Baumeister C，Durinck E，Peersman G.Liquidity，inflation and asset prices in a time－varying framework for the euro area［R］.Working Paper Research，National Bank of Belgium，No.142，2008.

［13］Agostino A D，Gambetti L，Giannone D.Macroeconomic forecasting and structural change［R］.ECB Working Paper，2010.

［14］Jouchi Nakajima.Time－ varying parameter VAR model with stochastic volatility:An overview of methodology and empirical applications［J］.Monetary and Economic Studies，2011，29:107 －142.

［15］Benati L，Mumtaz H.The great stability in the UK:good policy or good luck?［R］.Unpublished Working Paper，Bank of England，2005.

［16］牟敦國，林伯強.中國經濟增長、電力消費和煤炭價格相互影響的時變參數研究［J］.金融研究，2012(06):42－53.

［17］董文泉，高鐵梅.經濟周期波動的分析與預測方法［M］.吉林:吉林大學出版社，1998.56－57.

Is Chinese Credit Pro-Cyclical Continuously?——Time-Varying Parameter Study from the Perspective of Term Structure

JIN Wen－wen，DU Ya－bin
(School of Business，Nanjing University，Nanjing 210008，China)

Credit'pro－cycle has been always a hot spot in theory and practice.This paper positively studies Chinese credit's pro－cyclical effects from 2000 to 2012 by using TVP－VAR model.The results show that after controlling the effect of monetary policy，the pro－cyclical effect of Chinese credit is time－varying;countercyclical phenomenon of credit exists in certain period;the characteristics of pro－cyclical effect are different for short－term and medium and long－term credit;the pro－cyclical effect of medium and long－term credit is larger than that of short－term credit.Therefore，the thought on counter－cyclical capital supervision and management should be adjusted and avoid one－size－fits－all strategy.Meanwhile，capital supervision and management and credit adjustment and control policy should pay more attention to the term structure of credit.

Credit;Pro－cyclical;TVP－VAR Model

A

1002－2848－2013(05)－0012－08

2013－05－27

金雯雯(1985－)，女，浙江省洞頭縣人，南京大學商學院金融學博士生，研究方向:金融理論與政策;杜亞斌(1954－)，山西省壺關縣人，南京大學商學院教授、博士生導師，研究方向:貨幣與貨幣政策、銀行業、金融全球化與金融危機。

責任編輯、校對:郭燕慶