宏觀審慎政策理論基礎解析①

張正宗 吉 敏

（平安銀行大連分行，遼寧大連 116001；東北財經大學，遼寧大連 116025）

宏觀審慎政策是在本次金融危機后，由國際清算銀行牽頭，于2010年在G20國家峰會上通過的未來全球金融監管通行規則。它是從宏觀、逆周期地的視角對系統性風險進行監測和防范的工具箱，包括主要工具和輔助工具、時間序列維度工具與跨業維度工具、確定規則工具與相機抉擇工具、數量限制工具與價格限制工具。

關于宏觀審慎政策的研究仍處于初期，而且看起來距離能夠提供一種政策框架分析方法基礎的目標還很遠。這主要是因為：第一，直至近年來，宏觀審慎方法才逐漸進入人們視線，關于金融穩定、宏觀審慎政策目標等問題才逐漸明朗；第二，缺乏一個全面、完善的關于金融體系和宏觀經濟相互作用的模型；第三，關于微觀審慎政策和宏觀審慎政策定義及相互關系沒有明確的共識。

圍繞這幾個問題，很多研究學者從不同的角度和側面來描述刻畫宏觀審慎政策的目標和內容。本文試圖對這些理論研究進行必要的梳理，為宏觀審慎政策分析提供系統、全面的理論支持。全文共分三部分：第一部分闡述了關于金融穩定與系統性風險的理論研究情況，從而確定宏觀審慎政策的目標；第二部分闡述了金融體系與宏觀經濟的關系研究情況，有助于洞悉宏觀審慎政策工具；最后是對全文的總結。

一、金融穩定與系統性風險——宏觀審慎政策的目標爭議

目前尚不存在普遍接受的關于金融穩定的定義，現有概念大多從對“金融不穩定”的解析出發，認為金融穩定是由外部沖擊累積形成的自我實現均衡，或是伴隨負面，甚至擴大沖擊（可能是異質的或系統性的）的模式，或金融不穩定是內生循環的觀點。

對于系統性風險及其來源，有觀點認為系統風險是外生的，表現為系統受到外在沖擊時的損失(De Bandt & Hartmann, 2000)。也有觀點認為系統風險就是傳播風險，當沖擊傳播超出了其直接影響范圍時，將導致危機擴散和對實體經濟的破壞(Perotti &Suarez, 2009)。還有觀點認為金融不穩定并不主要來源于傳染性而是來自系統性風險隨時間演化的過程，與商業周期循環緊密相連。根據這一觀點，風險本質上是內生的，是隨著時間累積的、動態的，是在金融體系和實體經濟間相互作用并產生對繁榮時期的過度延伸，進而留下經濟下滑和財政緊張的陰影。Danielsson等(2009)也強調風險的內生性，認為某種程度上影響金融市場的風險源自市場參與者的行為，并反過來依賴可感知的風險。

具體的，關于金融穩定和系統性風險的研究主要從以下兩個方面展開：

（一）量化金融不穩定性和系統性風險

大量的實證研究已被用來衡量金融不穩定的程度，但并未形成全球統一的共識標準。這些工具可以大致被劃分為四類：基于資產負債表的財務困境和市場指標、早期預警指標、基于VARs的指標以及宏觀壓力測試。

一是基于資產負債表的財務指標（主要由IMF在2002年提出的金融穩健性指標構成）和基于股票、信用違約掉期或其他衍生工具的市場指標。盡管這些指標被廣泛使用，但它們有重要局限，即大多數資產負債表變量（如貸款損失準備或不良貸款）是典型的滯后變量或至少是同步變量。雖然單個機構的評級原則上是前瞻性的，但事實上其只試圖協調滯后一期的新信息，很難從整個金融系統突出脆弱性。

二是早期預警指標。這類指標最初被應用于銀行危機，試圖預測近期將發生的不良事件，所以并不反映實體經濟和金融部門相互作用的潛在模式。在操作實務中，信用和資產市場的變量(Borio& Lowe, 2002; Borio & Drehman, 2009;Gerdesmeier, 2009; Fornari &Lemke, 2009)得到了更多的應用。相比第一類指標，這些變量在預測方面表現相對較好，能夠在更長的時期內衡量基于內生循環的金融不穩定性。需要指出的是，特別在新興市場國家中，信貸和金融資產價格的過度增加反映了金融不穩定的累積。

三是VaRs工具。這類實證模型有兩個突出優點：一是預測更加靈活，并允許追蹤整個經濟的沖擊傳導；二是它們只提供對金融運行和宏觀經濟反饋的程式化描述(Drehmann, 2006; Misina&Tessier, 2008)。這種方法的一個變形就是以產出增長潛在聯動和系統金融風險變量來建立的要素，即擴張的VaR模型（FAVAR）。

四是宏觀壓力測試方法。該方法依賴于一種潛在的觀點，即沖擊可能導致金融危機。因此，通過追蹤金融體系對不平常、大規模外部沖擊的反應，借助系統內自然預測和沖擊傳導來實現危機預測。盡管如此，這些模型與其他方法存在相似支出，即難以反映金融體系和宏觀經濟之間的相互作用①Aikman(2009)的研究則反映了金融體系與宏觀經濟之間的相互作用。，也難以捕捉金融危機的關鍵問題——小的沖擊可能產生非常大的作用。此外，現有的宏觀壓力測試不能識別危機前的經濟脆弱性。Alfaro&Drehmann(2009)指出，衰退的國內宏觀經濟狀況并不預示著絕大部分的銀行危機，這也表明現有的壓力測試模型不能復制很多以往危機的變化，其原因可能是由壓力測試采用錯誤的風險因子或漏掉了對危機驅動力的識別。

表1 衡量金融不穩定/系統性風險的方法及比較

（二）評估單個金融機構的系統重要性

近兩年來很多研究都表明單個機構或單個市場可導致系統性風險，并討論機構規模、彼此間相互聯系和替代性的作用。

采用CoVaR方法是此類研究的一項重要貢獻，即以潛在危機機構為前提來衡量整個金融體系的在險價值，進而定義某個機構對系統性風險的邊際貢獻為CoVaR和金融體系VaR之間的差。該數值還需要根據機構杠桿率、規模和久期來匹配。該方法的主要缺點是：它不是可加的，某種程度上單個機構邊際貢獻并不合計為系統風險總值。此外，還有研究指出，CoVaR方法是利用相關關系來衡量風險溢出效果的——而溢出效應應采用因果關系，且相關系數在正常時期與危機時期數值差異較大。

另外一種衡量單個機構系統性風險的方法由Segoviano和Goodhart(2009)提出的，通過計算一家銀行在某銀行倒閉后的邊際倒閉條件概率而得。Zhou(2010)將這一方法擴展到多元層面并提出“系統重要參（系）數”，用來衡量在銀行體系中某一特定銀行倒閉所導致的預期倒閉銀行個數，也可以通過計算銀行體系中一家銀行倒閉，某家特定銀行倒閉的可能性獲得，即常說的“脆弱性系數”。Zhu(2008)則沿用CoVaR和脆弱系數的思路，構建了基于市場的系統風險指標，定義為當做為整體的金融體系處于危機中時對負債損失的保險補償，后進行改進，提出銀行層面的系統風險貢獻配置方法，即當銀行體系處于危機中（條件概率為1）某一特定銀行的損失。它具有可加性（即單個銀行的系統性風險相加構成整個系統性風險），體現了規模權重和LGD（違約損失率）信息。

還有一種方法通過衡量系統性成本（金融部門的負外部性）作為金融部門“足夠差”的回報。Acharya等(2009)認為，單個金融機構對這種成本的貢獻大小與其規模，以及當市場危機出現時它所承受的負收益有關，并用“稅收”（邊際預期差額，marginal espected shortfall, MES）乘以其權重（貨幣規模）來計算①具體的計算方法，參見Acharya等2010年的文章。。也就是說，金融機構的MES可以被視為這個機構的每一單位貨幣的系統風險貢獻量。

二、金融體系與宏觀經濟之間的相互作用——宏觀審慎政策的工具爭議

談到金融體系與宏觀經濟之間的相互作用，不得不提貨幣政策的有關研究。沿著對貨幣政策工具與目標的研究和應用，2007年后，以宏觀經濟評估集團(MAG)②該集團對二十多家政府機構和國際組織的建模專業意見進行匯總。和巴塞爾銀行監管委員會（BCBS）為代表的大量理論和實踐研究開始專注宏觀審慎政策，這一名詞也多次出現在IMF、BIS和G20等管理者的文稿中。可以發現，MAG更關注宏觀審慎政策的傳導成本，主要考慮不帶有金融部門的宏觀經濟模型：資本和流動性充足主要通過它們對信貸展期、信貸總量和借貸標準的影響來建模，然后再用不包含銀行體系的標準半結構化宏觀經濟模型或動態隨機一般均衡(DSGE)模型③作為主流宏觀數量分析工具的動態隨機一般均衡模型，是以微觀和宏觀經濟理論為基礎，采用動態優化的方法考察各行為主題（家庭、廠商等）的決策，即在家庭最大化其一生的效用，廠商最大化其利潤的假設下得到各個行為主體的行為方程。該模型在宏觀經濟政策分析中的應用主要集中在：一是宏觀經濟政策的有效性；二是最優貨幣、財政政策；三是用于貨幣政策傳導分析。來將這些方面對宏觀經濟產出的影響來建模；BIS、BCBS等機構則更關注長期成本和收益，主要應用包含金融中介和其資產負債表的DSGE模型。所以，關于宏觀審慎政策工具的理論基礎研究大致可以分為兩個方向，即DSGE模型框架與非DSGE模型框架。

表2 衡量單個金融機構系統重要性的方法及比較

（一）DSGE方法框架下的宏觀審慎政策

DSGE方法框架下，金融體系與宏觀經濟關系的研究主要從兩個角度來展開，一個是在模型中不加入銀行部門的變量，只包含反映宏觀經濟狀態的變量，另一個是在模型中加入反映商業銀行的資本、財務、產品信息等變量，觀察這些變量與其他宏觀經濟變量之間的關系。

1.不加入銀行部門的DSGE方法。

這一類是建立在金融加速機制④金融加速器理論不完全信息對于借款者和貸款者關系的重要影響是它使銀行獲得關于企業項目的信息的成本較高。也就是，外部融資的代理成本高于內部融資，即有外部融資額外費用。代理成本越高，借貸市場的資金分配的效率越低，投資水平也就越低。之上的，關注非金融借款者(non-financial borrowers)的信貸約束問題，一些研究詳盡地使用Bernanke等(1999)的模型來檢驗貨幣政策和宏觀經濟在危機中的相互作用。Del Negro等(2010)采用一個包含名義工資和價格摩擦在內的模型，研究發現美聯儲在危機中所遵循的非標準的貨幣政策阻止了2008—2009大衰退的重演。Kannan等(2009)通過實證研究發現，貨幣監管層如果通過兩者間的“強相互作用”來影響加速機制，將使得信貸增長和資產價格上升，從而有助于宏觀經濟穩定。更進一步的，旨在熨平信貸市場周期的宏觀審慎工具將可能是有用的。同時，不變的、死板的政策相應提升了錯誤風險，將降低而不是提高宏觀經濟的穩定性。這類模型的缺點在于它們主要對非金融借款者有關的金融摩擦建模，而不是對借出者。近來金融危機中，摩擦則主要源于金融中介部門，這就使得這類模型對理解近年來的金融危機顯得不那么適用。

2.加入銀行部門的DSGE方法。

另一類研究觀察了與金融中介有關的摩擦，分析銀行部門與宏觀經濟的關系。Goodfriend和McCallum(2007)、Cohen-Cole 和Martines Garcia(2008)、Gertler 和Karadi(2009)以及Kiyotaki和 Moore(2008)分別將銀行部門和貨幣納入DSGE模型中進行實證分析，結果顯示金融中介的行為，不光會影響銀行流動性，還會對貨幣政策，最終對資產價格、經濟波動產生影響。

（1）銀行利率、信貸政策與宏觀經濟。

Goodfriend和McCallum(2007)將銀行部門和貨幣發行納入DSGE模型中，從而區分不同利率的作用（有/無擔保的貸款利率，短期國債利率、凈資本邊際報酬率和純跨期利率），結果顯示忽視這些利率之間的差異將可能導致實質性的政策錯誤。此外，Cohen-Cole和Martines Garcia(2008)在金融機構加速模型中應用銀行借款渠道，Gertler和Karadi(2009)將焦點集中到金融中介的破產分裂中。Jeanne和Korinek(2010)展示了負債累積和資產價格之間的相互關系如何放大了信貸繁榮和低谷，模型顯示借款人并不內在化其對總波動性的貢獻，所以實行超額杠桿，將導致繁榮—低谷周期，并提出了關于借款的“庇古稅”，以此來指引機構內部化其外部性。

（2）銀行資本充足、流動性監管與宏觀經濟。

銀行資本監管與宏觀經濟關系的研究已被多次闡述。BCBS在2010年制定的GSIB衡量方法中所考慮的13個模型中，8個模型都包含了銀行資本的作用，其他5個模型既包含了銀行資本也包含了銀行流動性作用。

近年來，Covas和Fujita(2009)使用DSGE模型來量化銀行資本充足要求的商業周期影響。他們采用Holmstrom和Tirole(1998)的分析方法，關注銀行家的道德風險與銀行流動性準備之間的關系，發現產出的波動在BaselⅡ中所要求的順周期資本充足情形下要更大（居民財富波動則更小）。Zhu(2008)利用DSGE模型來檢驗資本監管對銀行財務政策的影響。他發現相比固定費率的資本規定，風險敏感的資本標準可以為風險較大的小型銀行帶來較高的資本充足，而為風險較小的大型銀行帶來較低的資本充足。同時，伴隨商業周期的基于風險的資本充足政策并不必然導致信貸周期強化。此外，Van den Heuvel(2008)將銀行的流動性創造作用嵌入標準化的一般均衡增長模型中，觀察資本充足要求對福利水平的影響，Meh和Moran(2008)應用DSGE模型觀察銀行資產負債表對危機沖擊的傳播影響，他們發現那些始終具有良好資本充足銀行的經濟體承受較少的資金借出量和較輕的顯著衰退。因此，銀行資本有利于增加經濟體對沖擊的吸收并影響貨幣政策的實施。

（3）順/逆周期工具與宏觀經濟。

Repullo和Suarez(2009)的模型內生化地決定資本緩沖和均衡貸款利率，并用此模型來分析對資本充足采用反周期調整的政策。結果表明，在BaselⅡ內部評級法的置信水平上，細微順周期調整可以持續減少整個經濟周期中信貸配給的發生率。N. Diaye(2009)發現捆綁的反周期審慎監管有助于減少產出波動，降低金融不穩定風險，而反周期資本充足規則可以使貨幣政策監管層在利率細微調整范圍內實現產出和通脹目標，而且這些規定有助于減少資產價格的漲落、減少金融加速器的量級。

Angeloni和Faia(2009)詳細闡述了在DSGE框架下的宏觀審慎政策，他們將銀行加入到標準DSGE模型中，檢驗了三個主要問題：銀行在沖擊傳導過程中的作用；當銀行遭受沖擊時，貨幣政策的作用；貨幣政策和巴塞爾推崇的資本比率之間的相互關系。結果顯示，較緊的貨幣政策有利于減少銀行杠桿和風險，而生產力或價格繁榮則會增加銀行杠桿和風險。因此，他們認為不管貨幣政策如何實施，順周期的資本比率都是極不穩定的，最優產出水平是通過“適度反周期”的資本比率和對銀行杠桿、資產價格有反映的貨幣政策規則相混合而得到的。

Angelini等（2010）建立加入銀行業的歐元區DSGE模型，用來觀察逆周期的資本重組要求是否可以與貨幣政策相互作用，在產出—通脹波動兩難之間獲得本質改變。他們發現以總供給或有損銀行資本的金融沖擊為條件，政策制定者對資本充足要求的積極管理可能改善經濟穩定狀況。

除此之外，Goodhart等(2005, 2006)、Uhlig(2009)提出了與宏觀經濟兼容較少的加入銀行部門的研究方法。De Walque等(2008, 2009)在此基礎上，將其嵌入DSGE框架，試圖建立加入銀行部門的更詳盡的宏觀經濟模型。類似的研究還有，De Walque和Pierrard(2009)在這一模型中檢驗了貨幣政策的作用，他們發現直接以一些商業銀行變量提升為目標的Taylor規則可能比以產出增加為目標的標準Taylor規則表現更好。

（二）非DSGE方法框架下的宏觀審慎政策

很長一段時間，主要發達國家的中央銀行大多依賴DSGE（動態隨機一般均衡）模型來制定貨幣政策，標準的DSGE模型有三個主要缺陷：第一，它們不能在有意義的層面上，反映金融摩擦；第二，DSGE模型評估整個市場一般從經濟穩態展開分析，不能反映繁榮和低谷；第三，DSGE暗示違約是不存在的。

為了擺脫這些缺陷，沿著不同于DSGE宏觀模型的構建思路，近來的大量研究試圖彌合宏觀經濟模型與金融體系模型之間的溝壑，一些研究將宏觀經濟變量引入金融中介模型中，如Brunnermeie和Sannikov (2009) 將宏觀經濟要素與金融體系在“穩態”附近相混合進行分析，結果表明金融體系并不將與超額風險行為有關的所有成本內部化，杠桿與到期日不匹配現象過于泛濫，證券化使得金融部門能夠卸下部分風險，但卻加劇了涉險行為。

相關研究也可用來檢驗貨幣政策與資金流動對信貸供給的影響。Brunnermeier和Pedersen(2009) 強調廉價資金流動性的影響，他們認為市場和資金流動性可能會相互強化，導致流動性漩渦，最終市場流動性可能突然枯竭。Adrian和Shin(2009)再次展示了低利率如何通過價值、收入和現金流來影響并評價銀行借貸活動的風險①這與Brunnermeier(2001) 的研究有關，Brunnermeier表明在不對稱信息下，無風險證券的低收益可能促使金融參與者更愿意冒險并投資在較高收益、較高風險的資產上。。

除此之外，實體經濟與金融部門相互作用的非DSGE方法則主要聚焦于貨幣傳導機制。Borio和Zhu(2008)從理論和實證兩方面回顧了銀行資本對貨幣傳導機制的影響作用。他們明確提出“涉險渠道”的作用，即貨幣政策決策通過某種機制來影響銀行的風險感知或風險承受能力，再反過來影響銀行資產組合的風險程度、資產定價以及資金價格與狀態。為此，Dubecq等(2008)提供了一個理論模型，用來證明涉險渠道如何以投資者風險低估形式存在。在此模型中，在無風險真實利率較低水平時，風險低估程度較大，但他們沒有提出這種渠道在實踐中如何量化評估。近年來大量的論文則對此有所突破，實證研究了貨幣政策的風險涉足渠道。Maddaloni等(2008) 、Loannidou等(2008以及Jiménez等(2006)證實了較低利率會導致銀行采取較高風險并帶來對風險較高借款者信貸發放的增加。Altunbas等(2009) 發現長期低利率（相比Taylor規則和自然利率而言）會導致銀行風險增加。

圖1 宏觀審慎政策目標與工具的理論脈絡

三、總結

金融危機后，理論與實務界已普遍提高對金融監管新政策的重視與推廣。按照BIS、G20以及BCBS的官方指引文件，宏觀審慎政策框架將是各國金融監管必須遵守和執行的統一規則。已有的大多數中文文獻都將目光聚焦在對宏觀審慎政策的目標、工具與有效性的認識和解釋上，較少文獻關注該政策從無到有、從簡單到復雜、從單一到復合的理論脈絡衍生過程。

通過前文的分析，可以看出，宏觀審慎政策目標與工具的推出與演進伴隨著金融體系與宏觀經濟、貨幣政策與宏觀經濟相關理論的發展。正是在洞悉金融體系與宏觀經濟的關系、貨幣政策決策內容與傳導機制對經濟影響的理論研究中，金融監管部門逐漸形成清晰、系統、完善的宏觀審慎政策框架，明確了該政策的目標與工具——以保持金融穩定、防范系統性風險為目標，以貨幣政策、資本充足、逆周期操作等為工具。

只有從政策的理論演進和推導中，我們才能明確宏觀審慎政策在執行過程中可能遇到的難點和困難，才能更深刻地理解宏觀審慎政策的內涵與重要性。隨著中國金融監管國際化的提高，對全球統一規則的認識和理解也應更加深入，這樣一來，在政策和規則具體執行的時候才能有的放矢、事半功倍。

[1]Acharya, V., Pedersen L. and Richardson M.,009, “Regulating Systemic Risk”, NYU Stern chool Working Paper.

[2]Alfaro, R. and Drehmann M., 2009, “Macro tress tests and crises: what can we learn?”, BIS Quarterly Review, December, pp.29-41.

[3]Altunbas Y., Gambacorta L. and Marquésbá!ez, 2009, “Securitization and the Bank Lending Channel”, European Economic Review,No. 838.

[4]Angelini, P., Neri S. and Panetta F., 2010,“Macroeconomic Stabilization Policies: Grafting Macroprudential Tools in a Macroeconomic Framework”, Mimeo, Bank of Italia.

[5]Borio, C and Drehman M., 2009, “Assessing the risk of banking crises-revisited”, BIS Quarterly Review, March, pp.29-46.

[6]Borio, C and Lowe P., 2002, “Assessing the risk of banking crises”. BIS Quarterly Review,December, pp.43-54.

[7]Brunnermeier, M. and Sannikov Y., 2009, “A Macroeconomic Model with a Financial Sector”,Working Paper, Princeton University, November.

[8]Cohen-Cole E. and Martines Garcia E., 2008,“The balance sheet channel”, Federal Reserve Bank of Boston Working Paper No.QAU08-7.

[9]Covas, F. and Fujita S., 2009, “Time-varying capital requirements in a general equilibrium model of liquidity depedence”, Federal Reserve Bank of Philadelphia,Working Papers, 09-23.

[10]Danielsson, J. et al, 2009, “Risk Appetite and Endogenous Risk”, Mimeo, London School of Economics.

[11]De Bandt, O and Hartmann, P, 2000,“Systemic Risk: A Survey”, ECB Working Paper No. 35.

[12]De Walque, G., Pierrard O. and Rouabah A., 2008, “Financial stability, supervision and liquidity injection”, Working Paper, Central Bank of Luxembourg.

[13]Del Negro, Eggertsson G., Ferrero A. and Kiyotaki, 2010, “The great escape? A quantitative evaluation of the Fed’s non-standard policies”,Mimeo, New York Fed.

[14]Drehmann, M., Patton A. and Sorensen S.,2006, “Corporate defaults and macroeconomic shocks: non-linearities and uncertainty”, Mimeo,Bank of England.

[15]Fornari, F. and Lemke W., 2009, “A Simple Model for Predicting Economic Activity in Main Economic Areas”, Mimeo, ECB.

[16]Gerdesmeier, D., 2009, “Monetary Developments and Asset Prices”, ECB Working Paper 1068.

[17]Goodfriend, M. and McCallum B., 2007,“Banking and Interest Rates in Monetary Policy Analysis: A Quantitative Exploration”, Journal of Monetary Economics 54.

[18]Jiménez, G. and Saurina J., 2006, “Credit Cycles, Credit Risk and Prudential Regulation”,International Journal of Central Banking, 2(2),pp.65-98.

[19]Kannan, P., Rabanal P. and Scott A., 2009,“Monetary and Macroprudential Policy Rules in a Model with House Price Booms”, IMF Working Paper No.09/251.

[20]Loannidou,V., Ongena S. and Peydrò, 2009,“Monetary policy and subprime lending: a tall tale of low federal funds rates, hazardous loans and reduced loan spreads”, European Banking Centre Discussion Paper, No. 2009-45.

[21]Meh, C. and Moran K., 2008, “The role of bank capical in the propagation of shocks”, Bank of Canada Working paper No.2008-36.

[22]Misina M. and Tessier D., 2008, “Nonlinearities, model uncertainty and macro stress testing”, Working papers 08-30, Bank of Canada.

[23]N’Diaye, Papa M’B P., 2009,“Countercyclical Macro Prudential Policies in a Supporting Role to Monetary Policy”, IMF Working Paper, No. 09-257.

[24]Perotti E and Suarez J., 2009, “Liquidity risk charges as a macroprudential tool”, Mimeo,University of Amsterdam, Octorber.

[25]Segoviano, M. and Goodhart C., 2009,“Banking stability measures”, IMF Working paper, January.

[26]Vam den Heuvel, S., 2008, “The welfare cost of bank capital requirements”, Journal of Monetary Economics, 55, pp.298 -320.

[27]Zhou C., 2010, “Are banks too big to fall”,DNB Working Paper No. 232.

[28]Zhu, H., 2008, “Capital regulation and banks’ financial decisions”, International Journal of Central Banking, 4(1), pp.165-211.