商業銀行從事影子銀行業務對銀行信貸渠道的影響
——基于商業銀行微觀數據

張世寧 傅亞平

（上海交通大學 安泰經濟與管理學院，上海 200030）

0 引言

近年來，在利率市場化大背景下，中國銀行業金融創新深化，銀行間競爭加劇，導致銀行傳統存貸利差空間愈發收緊，利潤空間逐漸被擠壓。為應對經營環境的不利變化，商業銀行不斷拓展影子銀行業務。商業銀行參與影子銀行活動不僅改變了其業務結構和盈利方式，而且給宏觀貨幣政策的實施和金融穩定帶來了巨大挑戰。

本文主要關注如下三個問題：一、在貨幣政策沖擊下，商業銀行的影子銀行業務與傳統信貸業務之間是否存在顯著的替代效應，影子銀行業務是否會弱化貨幣政策傳導銀行信貸渠道的有效性。二、影子銀行業務對貨幣政策通過銀行信貸渠道的傳導效果是否具有非對稱性影響。三、考慮商業銀行從事影子銀行業務的影響，傳統銀行信貸渠道的有效性如何。為解決上述問題，本文利用2011—2016年20家中國商業銀行的微觀數據，構建計量模型進行實證研究。

1 研究假設

當貨幣政策立場改變時，央行通過調整存款準備金率等手段影響商業銀行的可貸資金水平，從供給端對信貸規模加以控制。但從需求端來看，市場上對信貸資金的需求不會立刻改變。為彌合供需缺口，商業銀行的影子銀行規模會相應調整，以緩沖貨幣政策沖擊對表內信貸規模的影響。因此，商業銀行的影子銀行業務與傳統信貸業務之間存在顯著的替代效應。

此外，國有銀行由于自身業務規模較大，資本更為充足，具有更好的盈利能力、更為豐富的可貸資金來源以及更強的資產負債表實力。相比非國有銀行，國有銀行的傳統信貸業務對貨幣政策沖擊的敏感度較低，受貨幣政策影響較小。從控制風險的角度來看，國有銀行自然也無須大量從事影子銀行活動。因此，影子銀行業務與傳統信貸業務之間的替代效應在非國有銀行中應該體現得更為明顯。

基于上述分析，本文提出第一個假設H1：商業銀行的影子銀行業務與傳統信貸業務之間存在顯著的替代效應，且該效應在非國有銀行中表現得更為突出。

在緊縮性貨幣政策下，商業銀行信貸供給受到嚴格限制，資金市場上的供需缺口較大。這時候，商業銀行便開始擴張影子銀行業務來部分替代傳統信貸業務，以彌合資金供需缺口。但是，當資金面較為緊張時，影子銀行業務融資成本高，客戶違約風險大，商業銀行出于控制風險的考慮，會對影子銀行業務的擴張采取較為謹慎的態度。因此，在緊縮性貨幣政策下，商業銀行的影子銀行業務與傳統信貸業務間的替代效應較弱。在寬松性貨幣政策下，市場流動性較為充裕，商業銀行可貸資金充足。此時，影子銀行渠道的融資成本較高，競爭力下降，企業會轉向融資成本較低的傳統信貸渠道進行融資，影子銀行的業務規模會大幅收縮。因此，在寬松性的貨幣政策下，商業銀行的影子銀行業務與傳統信貸業務間的替代效應較強。

由此可以發現，商業銀行的影子銀行業務會對貨幣政策通過銀行信貸渠道的傳導效果產生明顯的非對稱性影響，即緊縮性貨幣政策下影子銀行業務規模的擴張幅度要小于寬松性貨幣政策下影子銀行業務規模的收縮幅度。

從而，本文提出第二個假設H2：商業銀行的影子銀行業務與傳統信貸業務間的替代效應在緊縮性貨幣政策下較弱，在寬松性貨幣政策下較強。

貨幣政策旨在通過銀行信貸渠道控制商業銀行的信貸規模，但也隨之導致其影子銀行規模的調整。商業銀行通過調整影子銀行規模以緩沖貨幣政策沖擊對表內信貸規模的影響。總體上看，如果同時考慮商業銀行通過貸款方式和影子銀行方式對外提供的融資規模，貨幣政策可能無法通過銀行信貸渠道從整體上影響商業銀行的對外融資規模以實現調節流動性水平的目的。當商業銀行大量通過影子銀行活動對外融資時，銀行信貸渠道的有效性可能會受到削弱。

因此，本文提出第三個假設H3：在考慮商業銀行從事影子銀行業務的情況下，貨幣政策傳導銀行信貸渠道的有效性會受到削弱。

2 數據與模型

2.1 樣本選擇與數據來源

本文有關商業銀行的數據均來自Bankscope數據庫，貨幣政策數據整理自中國人民銀行，宏觀數據來自國家統計局數據庫。

本文選擇2011—2016年作為樣本區間。根據模型對數據可得性的要求，經由Bankscope數據庫篩選，最終選擇20家中國商業銀行作為研究對象。本文最終獲得包括五大國有銀行、8家股份制銀行、6家城市商業銀行、1家農村商業銀行在內共120個年度觀測數據進行實證分析。

2.2 模型設計與變量定義

基于饒品貴和姜國華（2013）及陳雄兵和鄧偉（2016）等的研究思路，構建如下計量模型：

其中，i代表第i家銀行，t代表第t年，ε為隨機擾動項。

模型中的因變量在隨后的分析中基于不同分析目的分別為貸款規模占比（DEBTPER）、影子銀行規模占比（SBPER）、貸款與影子銀行規模（DEBT+SB）。

為研究影子銀行業務對傳統信貸業務的替代效應，本文定義貸款規模占比（DEBTPER，某一銀行的貸款規模占該銀行貸款和影子銀行規模之和的比值）。與之對應，定義影子銀行規模占比（SBPER，某一銀行的影子銀行規模占該銀行貸款和影子銀行規模之和的比值）。為對貨幣政策傳導銀行信貸渠道的有效性進行研究，本文定義貸款與影子銀行規模（DEBT+SB，某一銀行的貸款和影子銀行規模之和除以其總資產規模以標準化）。

表外業務是商業銀行參與影子銀行活動的最主要途徑之一。因此，在實證研究部分本文用商業銀行表外業務規模來代表商業銀行的影子銀行規模。

本文選擇一年期貸款基準利率（R1）與存款準備金率（RR）的平均值作為貨幣政策變量MP。

定義STATE為國有銀行虛擬變量，若該銀行為國有銀行，則STATE=1，否則STATE=0。

為研究貨幣政策傳導的非對稱性，仿照多數文獻中的做法，定義緊縮性貨幣政策虛擬變量TIGHT，若該年度為貨幣政策緊縮年度，則TIGHT=1，否則，TIGHT=0。結合2011—2016年存款準備金率和一年期貸款基準利率的變化情況，本文定義2011—2014年為貨幣政策緊縮性年度，2015—2016年為貨幣政策寬松性年度。

通過設計STATE、TIGHT與貨幣政策變量MP的交叉項，可以對商業銀行因控制權屬性不同導致的異質性和貨幣政策傳導的非對稱性進行有效分析。

在銀行特征層面的控制變量選擇上，在參照Hou和 Wang（2013）及陳雄兵和鄧偉（2016）研究的基礎上，增加運營能力指標（OPERA），以增強模型的穩定性。本文共選取銀行相對規模指標（SIZE，銀行總資產對數值與樣本內同時期全部銀行總資產對數值平均數之差）、資本充足指標（CAP，銀行權益資產比）、流動性指標（LIQ，銀行流動資產與存款和短期借款之和的比值）及運營能力指標（OPERA，平均總資產收益率ROAA）。

此外，經濟環境與企業的資金需求密切相關，良好的宏觀經濟狀況將擴大企業的資金需求。銀行的信貸規模大小是由供給與需求兩方面決定的，而本文主要站在供給角度研究商業銀行的行為特征，因而需要控制企業的資金需求。參照饒品貴和姜國華（2013）的做法，使用當年的 GDP增長率（GDPGROWTH）來對企業的資金需求進行控制。

3 實證結果與分析

3.1 來自DID模型的直觀證據

本文首先通過單變量對比分析與DID模型為假設H1與H3提供直觀證據。

表1中將總樣本在貨幣政策寬松期與緊縮期之間、國有銀行與非國有銀行之間劃分為4個子樣本，并給出各子樣本中貸款規模占比（DEBTPER），影子銀行規模占比（SBPER），貸款與影子銀行規模（DEBT+SB）的平均值。

表1 單變量對比分析

本文首先關注的一個重點問題是在貨幣政策沖擊下商業銀行的影子銀行業務與傳統信貸業務間是否存在顯著的替代效應，以及該替代效應在不同權屬性質的商業銀行間是否存在差異。以貨幣政策緊縮期為例，國有銀行的傳統信貸業務占比出現下降，傳統信貸業務的占比從寬松期的79.829%下降到緊縮期的76.516%，下降3.313%（10%水平下顯著）；非國有銀行的傳統信貸業務占比則從寬松期的73.847%下降到69.354%，下降4.493%（10%水平下顯著）。這說明在貨幣政策緊縮期，無論國有銀行還是非國有銀行，都會降低傳統信貸業務的占比，提高影子銀行業務的占比，傳統信貸業務與影子銀行業務間產生顯著替代。此外，緊縮性貨幣政策對非國有銀行的影響要大于對其對國有銀行的影響，DID（Difference in Difference）檢驗顯示其差異為1.180%，統計上不顯著。事實上，正如前文所言，國有銀行通過其他渠道獲得可貸資金的能力更強，因而不論處于何種貨幣政策時期，國有銀行傳統信貸業務的占比均高于非國有銀行。

由于變量設計的對稱性，本文只對貸款規模占比（DEBTPER）進行分析，基于影子銀行規模占比（SBPER）的分析結論與此完全一致，此處不做贅談。

接著，我們希望通過單變量對比分析來檢驗銀行信貸渠道的有效性。將傳統信貸業務和影子銀行業務結合在一起來看，無論國有銀行還是非國有銀行，貸款與影子銀行規模（DEBT+SB）都在緊縮期較高，寬松期較低。以貨幣政策緊縮期為例，國有銀行貸款與影子銀行規模相對其經濟體量（總資產規模）的占比從寬松期的66.764%上升到緊縮期的69.839%，上升3.076%（10%水平下顯著）；非國有銀行貸款與影子銀行規模相對其經濟體量（總資產規模）的占比從寬松期的59.368%上升到緊縮期的67.989%，上升8.621%（5%水平下顯著）。在考慮商業銀行從事影子銀行業務的情況下，緊縮性貨幣政策沖擊未能通過銀行信貸渠道從整體上顯著降低商業銀行的對外融資規模，影子銀行規模的擴張在一定程度上彌補了貸款規模下降帶來的影響，貨幣政策傳導銀行信貸渠道的有效性受到削弱。并且由于非國有銀行在開展影子銀行業務時更顯激進，央行貨幣政策沖擊通過銀行信貸渠道對其產生的影響也更弱。DID（Difference in Difference）檢驗顯示其差異為5.545%，統計上不顯著。

單變量對比分析得到的結論相當直觀，但DID檢驗的差異統計上并不顯著。這并不意味著上述結論的穩健性存在問題，完整的DID模型可以為上述結論提供更有力的支持。基于模型（1）的基本框架，稍作修改得到如下DID模型：

其中，i代表第i家銀行，t代表第t年，ε為隨機擾動項。

在DID模型中將基本模型（1）中的控制變量都包括進來，目的在于控制那些影響商業銀行貸款規模和影子銀行規模的其他因素。此外，包含這些控制變量的另一個重要作用便是降低模型估計參數的標準誤，增強其穩健性，這也是標準的DID模型與之前單變量對比分析最主要的區別。

表2展示的是DID模型的回歸結果。第1至第3列列示的是貸款規模占比（DEBTPER）、影子銀行規模占比（SBPER）、貸款與影子銀行規模（DEBT+SB）分別作為因變量進行回歸的結果。

表2 DID模型回歸結果

在全部三組回歸中，國有銀行虛擬變量STATE、緊縮性貨幣政策虛擬變量TIGHT、國有銀行虛擬變量與緊縮性貨幣政策虛擬變量的交叉項STATE×TIGHT的估計系數均至少在10%水平下顯著，系數的大小及方向也與之前的單變量對比分析相自洽。特別需要說明的是，交叉項STATE×TIGHT的估計系數與單變量對比分析中DID檢驗的差異具有相同的解釋，通過在DID模型加入更多的控制變量，DID檢驗的顯著性得到很大提高，其估計系數至少在10%水平下顯著，也更能反映真實情況。

從上面的分析可以看到，商業銀行的影子銀行業務對傳統信貸業務具有替代影響，在傳統信貸業務規模相對下滑的情況下，影子銀行業務成為商業銀行對外提供融資獲取利潤的重要替代方式，而非國有銀行在這一方面表現更為明顯。總體來講，商業銀行通過開展影子銀行業務部分抵消了貨幣政策沖擊對其傳統信貸業務的影響，貨幣政策傳導銀行信貸渠道的有效性受到削弱。

3.2 基礎回歸結果與分析

接下來開始基于模型（1）的實證分析。表3展示的是模型（1）的回歸結果。第1至第3列列示的是貸款規模占比（DEBTPER）、影子銀行規模占比（SBPER）、貸款與影子銀行規模（DEBT+SB）分別作為因變量進行回歸的結果。

表3 基礎回歸結果

在因變量為DEBTPER的回歸方程中，貨幣政策變量 MP的系數為-20.815（5%水平下顯著為負），符合傳統銀行信貸渠道的相關理論。在面對緊縮性貨幣政策時，商業銀行的傳統信貸業務占比下降，影子銀行業務占比上升，商業銀行的傳統信貸業務與影子銀行業務之間存在顯著的替代效應，與假設H1相一致。國有銀行虛擬變量與貨幣政策變量的交叉項STATE×MP的系數為1.435（1%水平下顯著為正），說明傳統信貸業務與影子銀行業務之間的替代效應在國有銀行中表現得較弱，符合假設H1。緊縮性貨幣政策虛擬變量與貨幣政策變量的交叉項TIGHT×MP的系數為2.921（5%水平下顯著為正），說明在緊縮性貨幣政策下，商業銀行的影子銀行業務對傳統信貸業務的替代效應較弱，這與假設H2相符。

在因變量為SBPER的回歸方程中，由于變量設計的對稱性，回歸系數大小相同、符號相反（常數項除外）。基于影子銀行規模占比（SBPER）的分析結論與基于貸款規模占比（DEBTPER）的分析結論完全一致，此處不做贅談。

商業銀行可以通過參與影子銀行活動來開展類信貸業務，以規避監管當局對傳統表內信貸業務的管制。影子銀行業務客觀上可以創造信用，提高流動性水平。因此，在評價貨幣政策傳導銀行信貸渠道的有效性時，將商業銀行通過影子銀行方式對外提供的融資規模和流動性考慮在內更為準確。

我們對因變量為DEBT+SB的回歸方程進行分析。貨幣政策變量MP的系數為13.684，統計上并不顯著。正如前文的分析，在考慮商業銀行從事影子銀行業務的情況下，貨幣政策未能通過銀行信貸渠道從整體上顯著影響商業銀行的對外融資規模，這一結論印證了假設H3。事實上，當影子銀行業務對傳統信貸業務的替代效應非常顯著時，貨幣政策傳導銀行信貸渠道的有效性大大削弱。這一實證結論也說明，僅對商業銀行的傳統信貸業務規模進行控制，例如通過存款準備金率調節商業銀行的可貸資金，很難通過銀行信貸渠道從整體上控制實體經濟中的流動性水平。

3.3 穩健性檢驗

表3基礎回歸的結果是采用混合OLS模型得到的，但本文所用到的數據屬于平衡面板數據，采用面板數據的計量分析方法或許能更好地對模型進行刻畫。因此，我們分別采用面板數據分析中的固定效應模型與隨機效應模型重新運行模型（1），希望為基礎回歸中得到的結論提供進一步的支撐。

首先，對因變量分別為貸款規模占比（DEBTPER）、影子銀行規模占比（SBPER）、貸款與影子銀行規模（DEBT+SB）的回歸方程進行模型設定的例行檢驗見表4。可以看到，在似然比檢驗中，三個方程均在1%水平下顯著拒絕原假設，而在豪斯曼檢驗中，三個方程均無法拒絕原假設。似然比檢驗的結果說明引入固定效應模型是合適的，而豪斯曼檢驗的結果則推薦我們使用隨機效應模型。本文出于穩健性考慮，同時匯報固定效應模型與隨機效應模型的運行結果。

表5展示的是利用個體固定效應模型與個體隨機效應模型重新運行模型（1）的回歸結果。第1至第3列列示的是貸款規模占比（DEBTPER），影子銀行規模占比（SBPER）、貸款與影子銀行規模（DEBT+SB）分別作為因變量進行回歸的結果。

表4 似然比檢驗與豪斯曼檢驗

表5 引入固定效應模型與隨機效應模型的穩健性檢驗

從個體固定效應模型的三組回歸結果來看，MP、STATE×MP與TIGHT×MP這三個主要解釋變量的系數方向與表3中利用混合OLS模型進行回歸得到的結果一致。除STATE×MP的系數不再顯著外，MP與TIGHT×MP的顯著性也與表3中的結果相同。

從個體隨機效應模型的三組回歸結果來看，MP、STATE×MP與TIGHT×MP這三個主要解釋變量的系數方向與表3保持一致，并且從顯著性水平上來看，個體隨機效應模型略優于混合OLS模型。

總體來看，運行個體隨機效應模型與運行混合OLS模型得到的結果非常相似，個體固定效應模型與混合OLS模型的差異也不明顯。當采用固定效應模型與混合效應模型重新運行模型（1）后，本文表3基礎回歸的主要結論依然保持穩健。

4 結論與建議

本文從微觀層面出發，研究商業銀行從事影子銀行業務對貨幣政策傳導銀行信貸渠道的影響。利用20家商業銀行2011—2016年的微觀數據，通過構建計量模型對這一問題進行實證研究。研究發現，在貨幣政策的沖擊下，影子銀行業務與傳統信貸業務之間存在顯著的替代效應，且該效應在非國有銀行中表現得更為突出。此外，影子銀行業務對貨幣政策通過銀行信貸渠道傳導的效果具有非對稱性影響。影子銀行業務對寬松性貨幣政策的抵消作用更強，對緊縮性貨幣政策的抵消作用較弱。在考慮商業銀行從事影子銀行業務的情況下，貨幣政策未能通過銀行信貸渠道從整體上顯著影響商業銀行的對外融資規模，貨幣政策傳導銀行信貸渠道的有效性被削弱。

根據實證研究的結論，本文提出以下政策建議：一、如今，商業銀行對外融資的方式不僅局限于傳統的表內信貸，還包括以各種影子銀行方式對外融資。因此央行在通過銀行信貸渠道進行宏觀調控時，應該綜合考慮商業銀行通過各種方式對外提供的融資規模，從整體上把控商業銀行體系的信用創造能力。二、貨幣政策沖擊對不同控制權屬性的商業銀行影響程度不同。針對不同性質的銀行，政策的制定也應有所區別。隨著金融結構復雜程度的不斷加深，未來應該根據不同類型的銀行施行更多的差異化政策，進一步提高貨幣政策的有效性。