宏觀流動性與銀行流動性相依結構分析

鄧秉德，龐曉波，李 文

（1.吉林大學 商學院，長春 130012；2.吉林財經大學 統計學院，長春 130117）

0 引言

2013年前后中國經濟進入“新常態”，經濟增長下行壓力陡增，央行此時雖然已經摒棄了“大水漫灌”式的使用調整存款準備金率的方式調控流動性，但流動性管理的態勢仍然十分嚴峻，不斷受到各種經濟波動事件的沖擊和挑戰。2013年6月20日銀行間隔夜回購利率最高達到30%，7日回購利率最高達28%，銀行間拆借市場資金緊張，部分金融機構短期流動性風險突顯；25日央行為符合宏觀審慎要求的金融機構提供了流動性的支持才緩解了此次危機，“錢荒”事件為宏觀流動性管理拉響了警鐘。2014年起原本較為穩健的債券市場違約頻現，據Wind統計2014年1月至2016年9月債券市場共有255家發債主體發生436起信用事件。且這三年違約資金逐年倍增，僅2016年發生的違約資金就達400多億，涉及銀行授信逾千億；而2017年到期的信用債規模近4萬億，這對于大量授信于企業的銀行系統而言潛在的風險傳遞效應不容小覷。受2015年末美聯儲加息的影響，中國自2016年7月起外匯儲備連續5個月下降，外匯占款不斷流失，銀行系統流動性的供給面趨緊；央行在面對國際間資產價格的強對比和匯率硬約束時，銀行系統所面對的流動性風險加大。

本文在分析宏觀流動性與銀行流動性理論模型的基礎上，應用Copula模型測度了二者的相依結構和動態關系，這對于貨幣政策制定和宏觀審慎管理都有理論與實踐意義。

1 理論分析

分析宏觀流動性與銀行系統流動性的關聯需要將銀行系統的流動性作為一個整體進行分析，將貨幣政策、國內產出、匯率、國際收支、利率水平等各因素綜合進行宏觀與中觀的綜合分析。Ming Ming（2015）基于Atish R.Ghosh,Jonathan D.Ostry和Marcos Chamon（2014）所建立的“雙重目標，雙重工具”貨幣模型，構建了適用中國貨幣政策現狀的模型。為便于分析流動性問題，簡述模型如下。

將式（2）中的約束條件代入到目標函數，令其一階條件為0，可以求解到e*和π*。通過e*的一個解的情況可知：

通過式（3）可以看到表征國內銀行流動性水平的指標利率r受到外匯占款、通脹管理目標、基礎貨幣投放、國際收支、國外產出等因素的綜合影響，其影響機制較為復雜。還可以看出宏觀的貨幣政策操作對國內利率的影響是掣肘于國際和國內兩個方面的經濟形態：一方面，央行要實現貨幣政策目標就要降低新增外匯占款對國內貨幣市場的沖擊；另一方面，央行要保持匯率穩定其購買的外匯數量應當是國內外利率差乘以一個固定的倍數，即△e*=0這樣才能保障匯率平穩。由此，國內利率水平r受貨幣政策的影響就是較為復雜的，并非總體上貨幣總供給數量增加，國內流動性水平就提高，利率水平就會下降。其政策傳導還受制于國內和國際復雜經濟狀態的影響，因此，以宏觀審慎視角測度宏觀流動性與銀行流動性有利于宏觀審慎政策和貨幣政策的執行與完善。

2 基于Copula模型實證分析

2.1 指標選擇與測度方法

本文在經濟理論分析的基礎上測度宏觀流動性與銀行流動性之間的關系，就要選擇恰當的統計指標和測度方法。

（1）指標選擇。宏觀流動性、銀行流動性、市場流動性是流動性水平的三個層次，借鑒《新帕爾格雷夫貨幣金融大辭典》以及相關學者的研究，宏觀流動性主要體現整個經濟運行和貨幣金融資產狀況。因此其相關指標就涉及狹義貨幣M1、廣義貨幣M2、外匯占款以及各類銀行存款和短期債券等。綜合來看，廣義貨幣供給M2是宏觀流動性中最主要的指標，此外貨幣供給量同實際產出存在耦合關聯，因此從宏觀流動性的測度上進行指標選擇和設計，本文使用M2/GDP比值作為測度宏觀流動性的指標；國際貿易對宏觀流動性的影響則需要參考外匯占款這一指標。相應地，銀行流動性主要指銀行信用系統資金創造能力和流動性資產的供需動態，涉及的指標包含銀行系統的存貸款利率、銀行間拆借利率、債券投資與回購、信貸投放等。銀行流動性需要將銀行系統作為一個整體進行分析且能夠反映出這個系統的資金供給狀態，因而本文選擇銀行間同業拆放利率SHIBOR作為測度指標①數據說明：以月度工業增加值增速為參考，將此增速作為月度GDP增速計算出月度GDP，并應用X12方法剔除季節因素；考慮到銀行間市場利率SHIBOR數據的起始為2006年10月，本文數據選擇時間段為2006年10月至2015年12月；數據來源于國家統計局和上海SHIBOR官網。，數據時序圖和圖1和圖2所示。

圖1 月度M2/GDP和SHIBOR利率

圖2 外匯占款

（2）測度方法。測度兩個經濟變量間的關系最常用的就是線性相關系數法、Granger因果分析檢驗等，但這些方法在研究金融領域變量的相關性時都有一些局限性。線性相關系數法要求隨機變量之間的關系是線性的，并且要求變量服從正態分布，然而金融領域變量不一定都是線性的且其相關性也不一定是正態的，往往金融時間序列通常具有“尖峰厚尾”的非正態分布特點。因此，在使用線性相關系數法來測度金融領域隨機變量間非線性的相關關系就非常容易出現偏誤。Granger因果分析檢驗法只給出了隨機變量間的定性分析得結果，無法對隨機變量間相依結構給出定量描述。隨著Copula理論的出現與發展，上述問題得到了較好的解決，變量間的相關關系分析研究得到了進一步的發展。Copula函數概括來說是用來確定隨機向量的聯合分布以及多個隨機變量間相依結構的統計方法。它描述了多個隨機變量之間的相關性結構，使得多個隨機變量的聯合分布函數可以由隨機變量的邊緣分布和Copula函數綜合來確定。早期的Copula函數可回溯到1959年Sklar的提出，SKlar定理為Copula與分布函數之間建立對等關系奠定了理論基礎。本文主要基于二元Copula函數對宏觀流動性與銀行流動性進行相關性分析。

2.2 貨幣供給、經濟產出與銀行流動性的相依結構分析

Copula的具體理論方法本文不再贅述，下面按照Copula方法的一般步驟先分析影響影響銀行流動性的國內因素（M2/GDP）與SHIBOR之間的相依關系。

（1）確定隨機變量的邊緣分布。確定變量的邊緣分布有參數法和非參數法，先應用Jarque-Bera、Kolmogorov-Smirnov統計量分別對SHIBOR、M2/GDP序列進行檢驗。檢驗結果表明名在10%的顯著性水平下，兩序列均非正態分布。因此考慮應用非參數方法估計序列的邊緣分布。應用ksdensity函數分別計算兩序列的邊緣分布，估計結果如圖3、圖4所示，可以看到核密度估計的結果較為理想。

圖3 SHIBOR經驗分布函數和核分布估計

圖4 M2/GDP經驗分布函數和核分布估計

（2）選擇適當的能夠描述隨機變量關系的Copula模型。應用Matlab中提供的多元正態Copula、多元t Copula、二元Gumbel Copula、二元Clayton Copula、Frank Copula等常用Copula函數對兩個變量相依結構進行測度。嘗試了上述常用模型后計算發現：M2/GDP同SHIBOR較適用于二元Clayton Copula模型。u和ν分別代表兩個變量的邊緣分布，標準模型形式為：

估計參數α=0.3，因此得到兩變量的相依結構為：

（3）相依結構分析。估計得到的Clayton Copula概率密度圖和等高線圖參如圖5和圖6所示。觀察估計的Clayton Copula分布可以發現服從其分布的兩個變量在下尾部有更為密切的關系，而在上尾處則關聯不大。而且Clayton Copula僅有下尾相關系數為2-1/α，帶入α=0.3，可以計算得到尾部相關系數為0.81。Copula模型不僅測度了兩個變量之間的相依結構，而且也解釋了一個非常有意義的現象:銀行間的流動性水平對較為充裕的宏觀流動性不是非常敏感，但是當貨幣供應量下降或者經濟下行時，宏觀流動性降低對銀行間的流動性就會有較為顯著的影響，下尾相關系數高達0.81，很好地刻畫了目前中國銀行間流動性的特征。這種宏觀流動性與銀行流動性的下尾相關，上尾無關的實證結果也為央行貨幣政策的制定與執行提供了一個很好的參考依據，即央行在抑制通脹時仍要保持一定的經濟增速，否則可能會對銀行間流動性造成巨大沖擊。

圖5 Clayton Copula分布密度圖

圖6 Clayton Copula等高線圖

2.3 外匯占款與銀行流動性的相依結構分析

類似地，分析外匯占款與SHIBOR月度利率之間的相依結構。步驟和部分結果同上面的分析相近，不再贅述。首先，對兩序列進行正態性檢驗，否定了正態性的假定。其次，應用非參數方法確定外匯占款與SHIBOR的邊緣分布。計算表明應用二元t Copula模型較好地將兩變量間的相依結構刻畫出來。自由度為k的二元Copula可以表示為：

帶入數據，參數估計結果為：系數ρ=0.61，自由度k=5。即有：

從圖7和圖8可以看到外匯占款同SHIBOR月度利率之間存在非常顯著的二元t Copula分布形態，并且在上尾部和下尾部都有較強的關聯性和對稱性。

圖7 二元t Copula分布密度圖

圖8 二元t Copula等高線圖

二元t Copula具有上尾和下尾的相關系數，其公式為：

代入參數可以計算尾部相關系數為0.28。二元t Copula模型的計算說明外匯占款對銀行間的SHIBOR利率影響非常顯著，外匯占款的增減對SHIBOR利率的影響是對稱且雙向的。當外匯占款增加時，貨幣供應量被動增加、銀行系統資金流充裕、利率較低；當匯款占款降低時，銀行系統流動性資金減少、銀行系統流動性降低、利率波動較大。

2.4 模型檢驗

基于Copula的模型很好的測度了M2/GDP、外匯占款與SHIBOR利率之間的相依結構，反映了宏觀流動性與銀行流動性之間的關聯關系。為了評價所應用的Copula模型的適用性，引入經驗Copula。設 (xi，yi)(i=1，2，???,n)為取自二維總體(X，Y)的樣本，記X，Y的經驗分布函數分別為Fn(x)和Gn(y)，定義樣本的經驗Copula如下：

其中，I[·]為示性函數，當 Fn(xi)≤u 時，I[Fn(xi)≤u]=1，否則 I[Fn(xi)≤u]=0 。應用經驗 Copula函數n(u，ν)可以計算對式（5）和式（7）的歐式距離。歐式距離較小的模型，擬合

類似地，應用何種Copula模型同原數據較為理想可以進行比較分析。通過計算二元正態Copula、二元t Copula、二元Gumbel Copula、二元Clayton Copula和Frank Copula同上述兩個Copula模型進行對比。歐式距離計算結果表明（見表1），所應用的Clayton Copula和二元t Copula是歐式距離最小的模型，擬合效果也是最好的，此外通過圖7和圖8也可以看出擬合效果較為理想。效果較優。以計算二元t Copula模型歐式距離為例，計算公式為：

表1 歐式距離計算結果

3 結論及政策建議

本文在“雙重目標，雙重工具”貨幣模型的基礎上分析了銀行系統流動性受宏觀流動性的影響機制。在此基礎上應用Copula方法測度了SHIBOR月度利率同外匯占款和M2/GDP之間的相依結構關系。宏觀審慎和微觀審慎的結合是目前研究的熱點與難點，建立宏觀流動性與銀行流動性兩個層面的關聯關系，對于央行開展宏觀審慎監管、貨幣政策執行以及銀行系統領會央行貨幣政策意圖都具有理論與現實意義，本文結論總結如下：

（1）M2/GDP同SHIBOR之間具有Clayton Copula相依結構關系。宏觀流動性對銀行流動性具有下尾相關、上尾無關的統計分布特征，這也就意味著執行宏觀貨幣政策時要注意把握宏觀流動性與銀行流動性之間的關聯特征。面對當前產業結構調整的宏觀經濟背景，銀行系統積累的信貸方向錯配、信貸結構錯配以及信貸期限錯配都可能造成銀行系統在某一時期流動性的驟然緊張，央行一定要注意銀行系統對寬松的流動性環境已經有些“依賴”，突然的流動性緊張就會造成類似2013年的“錢荒”沖擊。

（2）外匯占款同SHIBOR之間具有t Copula相依結構關系。t Copula分布中兩個變量具有上尾部和下尾部同時關聯的特征。這也進一步說明了外匯占款在過去相當長一段時間提供了基礎貨幣投放的功能：當外匯占款增加時，相當于貨幣供給增大，銀行系統流動性增強；當外匯占款自2014年開始減少以后，銀行系統流動性緊張就有所加劇。央行在制定貨幣政策時應當充分認識到外匯占款的“雙重”作用，且由于外匯占款的變化受國際貿易影響，不由央行決定，因此央行被動接受其變化時應靈活使用“常備借貸便利”進行逆周期操作。

（3）“雙重目標，雙重工具”貨幣模型的分析也可以看到銀行系統流動性水平SHIBOR受到GDP、匯率、外匯占款、M2等因素的影響，由于相關參數的不確定性，其影響機制復雜且可能為非線性。通過構建VAR模型并分析其沖擊響應可以看到對SHIBOR影響最迅速的是外匯占款和M2，二者的沖擊均在第2個月就達到峰值；而匯率則是在第4個月份，GDP則是在第6個月份才達到對SHIBOR的沖擊的峰值。央行在進行貨幣政策調整時可以參考上述結果，以便在時間維度上把控其政策效應。

參考文獻:

[1]End J W V D.A Macroprudential Approach to Address Liquidity Risk With the Loan-to-Deposit Ratio[J].The European Journal of Finance,2016,22(3).

[2]Claessens S.An Overview of Macroprudential Policy Tools[J].Annual Review of Financial Economics,2015,(7).

[3]王愛儉,王璟怡.宏觀審慎政策效應及其與貨幣政策關系研究[J].經濟研究,2014,(4).

[4]范小云,王道平.巴塞爾Ⅲ在監管理論與框架上的改進:微觀與宏觀審慎有機結合[J].國際金融研究,2012,(1).

[5]周吉人.重新認識流動性和流動性風險管理[J].宏觀經濟研究,2013,(9).

[6]高國華.逆周期資本監管框架下的宏觀系統性風險度量與風險識別研究[J].國際金融研究，2013,(3).

[7]陳守東,孫彥林,劉洋.貨幣政策對流動性去向的動態影響[J].財經科學,2015,(10).

[8]彭建剛,王佳,鄒克.宏觀審慎視角下存貸期限錯配流動性風險的識別與控制[J].財經理論與實踐,2014,(4).