結構性貨幣政策工具與商業銀行流動性水平研究

邱新國

摘 要：運用中國43家上市商業銀行2013年第2季度至2018年第4季度的數據，實證分析了結構性貨幣政策工具常備借貸便利（SLF）、中期借貸便利（MLF）和傳統貨幣政策工具（OMO）對商業銀行流動性水平的影響。研究結果表明，SLF、MLF及OMO對商業銀行流動性水平有顯著負向影響，這一影響在大、中、小型銀行間存在顯著差異，結構性貨幣政策工具對流動性的調控作用強于傳統貨幣政策工具。

關鍵詞：結構性貨幣政策工具;流動性;常備借貸便利 ;中期借貸便利

中圖分類號：F820.1?文獻標志碼：A

文章編號：1008-4355（2019）05-0139-13

DOI：10.3969/j.issn.1008-4355.2019.05.13?開放科學（資源服務）標識碼（OSID）：

一、引言

商業銀行作為典型的金融中介，在日常經營活動中不可避免地會面臨信用風險、市場風險、操作風險和流動性風險。與其他風險相比，流動性風險的不確定性更強、破壞力更大，其爆發將會給商業銀行甚至整個金融體系造成嚴重的破壞，而其他風險也可能最終轉化為流動性風險。隨著 2008 年金融危機的爆發和 2010 年《巴塞爾協議 III》的頒布，世界各國對商業銀行流動性風險的重視程度不斷提升。

就我國而言，央行的流動性管理也面臨著諸多挑戰。一方面，國際金融環境發生變化。2013年美聯儲退出量化寬松貨幣政策以來，新興市場資本外流壓力加劇;2014年至2015年，我國外匯儲備劇減以及人民幣匯率的波動，都對銀行體系流動性管理提出了巨大挑戰。另一方面，國內經濟金融環境也經歷著歷史性的變遷，主要表現為：股票市場和債券市場的快速發展不斷沖擊商業銀行資金流通主渠道的歷史地位;依托互聯網的金融創新產品不斷涌現導致一般性存款轉換為穩定性較差的同業存款，存貸款利率管制取消后存貸利差減少擠壓了銀行盈利空間。以上經營環境的變化導致商業銀行資金來源與業務結構發生變化，各類表外業務與同業業務發展迅速，這些都對銀行體系流動性形成了重大沖擊，也增加了央行流動性管理的難度。

事實上，近年來我國銀行體系流動性波動較大，銀行體系流動性管理水平急需提高。2018年3月末，我國銀行業金融機構的超額準備金率僅為1.3%，這是自2017年3月以來第三次處于歷史最低位。此外，自2013年6月錢荒事件以來，貨幣市場利率在2013年6月至2015年7月間波動仍然較大，在2015年8月至2016年10月貨幣市場利率較為平穩，但是2016年11月以來，貨幣市場利率波動又有變大的趨勢，說明銀行體系流動性水平仍不穩定，結構性短缺問題持續存在。在此背景下，中國人民銀行借鑒西方發達國家的經驗適時推出了多種結構性貨幣政策工具，以對沖傳統貨幣政策工具的結構性效應。因此，在金融新業態不斷涌現、金融強力去桿杠、金融嚴監管不斷深入的背景下，科學評估結構性貨幣政策工具對商業銀行流動性的影響效應，對央行及金融監管部門的流動性風險管理水平的提升就具有重要的政策意義。本文的貢獻在于，第一，本文選取了不同層次的流動性度量指標，以克服已有文獻中單一流動性指標的不足，提升研究結論的穩健性;第二，本文同時考察了結構性貨幣政策工具與傳統貨幣政策工具對銀行流動性的影響，以探明結構性貨幣政策工具流動性調節的有效性。本文余下部分的內容安排是：第二部分是文獻綜述，第三部分是模型、變量與數據，第四部分是實證分析，第五部分是研究結論。

二、文獻綜述

對銀行體系流動性問題的關注始于20世紀30年代，直到80年代全球債務危機爆發后對其研究才廣泛展開。Diamond & Dybvig（1983）[1]從博弈論的多重均衡理論的視角提出了D-D銀行擠兌模型框架，此模型揭示了商業銀行在整個經濟社會中所扮演的“流動性中介”角色，商業銀行開發的未保險活期存款合約使得商業銀行常常面臨擠兌危機，加大了商業銀行流動性風險。國內外學者在 D-D 擠兌模型基礎上對流動性風險進行研究，Waldo（1985）[2]通過建立銀行擠兌與銀行系統的經濟模型，解釋了銀行擠兌是由于存款人對銀行短期利率等因素的預期導致的。Campbell（1987）[3]在理性預期模型中引入了套利成本和沖擊，分析了貨幣市場利率在準備金維持期內存在明顯波動的原因。Shleifer & Vishny（1992）[4]指出由于經濟周期的變化，企業的償債能力也隨之變化，在經濟周期處于低谷時，商業銀行容易爆發資產流動性危機。Singh 和 Sharma（2002）[5]認為流動性問題的出現是由于存款機構資產負債到期日的不匹配，流動性風險與利率的敏感性顯著相關，并且會受到商業銀行聲譽的極大影響。Ashcraft （2008）[6]引入貨幣市場的不完全性和銀行體系的多樣性，認為在貨幣市場參與度有限的小銀行受信用限制，會持有較多的預防性流動性，而大銀行持有的相對較少，由此導致銀行間流動性波動，貨幣市場利率甚至超出中央銀行貼現率。Brunnermeier（2009）[7]通過對 2008 年金融危機的研究得出，個別銀行的流動性風險會通過金額衍生工具傳播，最終引發金融市場的流動性風險。

針對商業銀行的流動性風險，大量研究圍繞風險調控展開。Bartolini et al.（2002）[8]就商業銀行的流動性套利行為首次提出了中央銀行干預貨幣市場的時機問題，這引發了中央銀行對商業銀行流動性調控的研究。Leeper & Gordon（1991）[9]的實證研究發現流動性與利率之間的關系并不穩定，存在所謂的流動性（liquidity puzzle）。Prati et al.（2003）[10]指出除了市場不完全外，貨幣政策操作框架本身可能也會影響利率波動。Whitesell（2006）[11]則指出，利率走廊系統（corridor system）可以減少貨幣市場利率波動。Allen et al.（2009）[12]認為在正常時期，貨幣市場信息不對稱導致的市場不完全性并不重要，但在危機時刻貨幣市場可能會出現流動性凍結，央行有必要通過公開市場操作調控流動性。Altavilla（2014）[13]指出央行結構性貨幣政策可通過公告效應影響商業銀行的政策預期進而調整其資產負債表結構。

國內的學者圍繞銀行體系流動性問題的成因及影響因素也進行了理論和經驗研究。姚長輝（1997）[14]認為商業銀行流動性風險的表層原因是商業銀行流動性資產端資金應用和負債端資金來源的不確定性和不規則性，但更深層次的原因是商業銀行盈利性與流動性的矛盾。宋婷婷（2010）[15]認為商業銀行的資產流動性風險和籌資流動性風險相互影響、相互加強，從而形成“流動性螺旋”，由于流動性風險是親周期性的，所以“流動性螺旋”會加大流動性風險的波動性。廖岷和楊元元（2008）[16]認為融資渠道的變化、金融衍生工具大量開發、金融支付系統的發展都使得流動性風險爆發的概率增加。高士英等（2016）[17]認為我國貨幣市場基金、互聯網基金的出現，改變了商業銀行的資產負債管理結構，它們在給商業銀行負債端帶來積極影響的同時，也加大了商業銀行流動性的不確定性。賈麗平和李旭超（2014）[18]研究了影響商業銀行流動性的宏觀因素，包括外匯占款、居民儲蓄存款及現金漏損率均會影響銀行的流動性波動，而居民儲蓄存款的影響時效最長。除了上述外部宏觀因素外，任慶華等（2013）[19]和錢崇秀等（2018）[20]等指出銀行自身因素包括銀行業務創新、超額貸款、不良率等也會影響商業銀行的流動性。

此外，國內學者也就結構性貨幣政策工具的流動性效果開展了初步研究。鄧雄（2015）[21]、盧嵐和鄧雄（2015）[22]、劉蔚（2016）[23]、魯雪巖和王一捷（2016）[24]等諸多學者總結了國外結構性貨幣政策的實踐經驗。王倩等（2016）[25]評估了結構性貨幣政策對銀行信貸投放的影響，胡育蓉和范從來（2017）[26]討論了結構性貨幣政策的作用機理，余振等（2016）[27]發現PSL對中期利率的影響不穩定且具有階段性差異，劉瀾飚等（2017）[28]實證分析了結構性貨幣政策的公告效應，發現其可以通過信號渠道改變市場預期、降低貨幣與債券市場利率，從而降低社會融資成本的傳導機制。萬沖和朱紅（2017）[29]指出，由于貨幣粘性、信息不對稱和經濟的體制性矛盾等因素，結構性貨幣政策難以調結構，還容易加大結構扭曲和降低宏觀調控政策的有效性，故此中國應將結構性貨幣政策定位于維持金融穩定而不是調結構。

綜上所述，國外文獻對銀行體系流動性進行了充分討論，特別是對危機期間的銀行間市場流動性凍結進行了深刻的研究，而國內的文獻對銀行流動性進行定性描述較多，直接實證評估央行流動性管理效果的文獻極少。基于此，本文將利用中國43家上市銀行2013年2季度至2018年4季度的面板數據實證分析央行貨幣政策工具的流動性調節效應，并就央行流動性管理提出簡要的政策建議。

三、模型、變量與數據

（一）實證模型設計

根據政策的重要性和使用頻率，本文選取常備借貸便利（Standing Lending Facility）和中期借貸便利（Mediumterm Lending Facility）作為結構性貨幣政策工具的主要變量。同時，為了分析結果的穩健性，本研究選擇了多個指標來刻畫銀行流動性，分別是存貸比（LDR）、流動性資產比例（LAR）和現金與央行存款比率（PR）。

存貸比曾長期作為商業銀行的流動性監管指標，流動性資產比例和現金與央行存款比率則刻畫了商業銀行不同層次的流動性，后文的穩健性檢驗中還將流動性覆蓋率作為商業銀行流動性的度量指標。在下文的分析中，本研究還控制了影響銀行流動性的其他變量，包括銀行特征變量資產規模、資本充足率、不良貸款率和資產收益率，宏觀經濟變量GDP增長率，金融政策變量法定存款準備金率、M2增長率以及金融市場變量同業拆借利率。為了體現目前央行流動性調控的現實，本研究一并考察了傳統貨幣政策工具公開市場操作對銀行體系流動性的影響。本文的實證分析模型設定如下：

在（1）式中，Liquid是銀行流動性變量，基于已有文獻的思路及數據可得性（王倩等，2016;錢崇秀等，2018），本文分別以LDR、LAR和PR進行描述。Monpol是貨幣政策變量，分別以常備借貸便利（SLF）季度平均余額、中期借貸便利（MLF）季度平均余額和公開市場操作（OMO）的季度凈投放額進行測量。X是銀行特征變量，包括銀行資產總額（季度期初和期末的均值）的對數值（ASSET）、資本充足率（CAPITAL）、不良貸款率（NONLOAN）和資產收益率（ROA）。C為其他控制變量，包括GDP增長率（RGDP）、銀行間同業拆借7天加權平均利率（RINBANK）、法定存款準備金率的變化（RRD）、M2增長率（M2）。表1對各變量的定義進行了詳細說明。

由于目前我國上市銀行沒有披露結構性貨幣政策工具的交易信息，因此我們無法獲得銀行個體層面的結構性貨幣政策工具交易數據。基于數據的可得性及已有文獻的方法（王倩等，2016），本研究選擇常備借貸便利（SLF）季度平均余額與中期借貸便利（MLF）季度平均余額的對數值作為結構性貨幣政策工具的代理指標。

（二）數據來源

基于數據的可得性，本文選擇43家上市銀行作為研究樣本。本研究收集了2013年第2季度至2018年第4季度我國43家上市銀行的非平衡面板數據。所有數據來自wind數據庫和中國人民銀行網站。

表2給出了各變量的描述性統計結果。LDR的均值為68.61%，低于銀監會此前的監管要求75%，但最大值與最小值差異很大，最小值為38.91%，最大值達88.03%，說明就存貸比而言，我國銀行間的流動性分布極不均衡，存在結構性的流動性短缺。流動性資產比例的均值為39.65%，說明銀行總體流動性較充裕，但銀行間流動性資產分布差異也很大，最小值為32%，最大值為52%。現金與央行存款比率均值為18.7%，最小值和最大值分別為14.82%和24.61%，這更充分說明各銀行間的流動性分布差異極大。從結構性貨幣工具的交易額來看，常備借貸便利季度平均余額為693億元，最大值為3973億元;中期借貸便利季度平均余額為11188億元，最大值為27683億元。中期借貸便利交易額顯著大于常備借貸便利。

四、結構性貨幣政策工具與商業銀行流動性水平的實證分析

對（1）式，本文分別進行了混合效應回歸、隨機效應回歸和固定效應回歸，但B-P檢驗和Hauman檢驗的結果表明應采用固定效應模型回歸。以下實證分析均為面板固定效應模型回歸的結果。

（一）結構性貨幣政策工具與銀行流動性水平：總體分析

本研究首先就三種貨幣政策工具對銀行流動性的影響進行了總體分析。表3匯報了貨幣政策工具對存貸比、流動性資產比例和現金與央行存款比率這三個刻畫銀行流動性的變量的影響。表3第（1）至（3）列匯報了貨幣政策工具對銀行存貸比的回歸結果。第（1）列是SLF對銀行存貸比的回歸結果，結果表明SLF對銀行存貸比的回歸系數為正但不顯著，這說明SLF對銀行存貸比不存在顯著影響。第（2）列是MLF對銀行存貸比的回歸結果，結果顯示MLF的回歸系數為0.00913且在10%的顯著性水平上顯著，這表明MLF對銀行存貸比具有顯著的正向影響，即中期借貸便利會提高銀行的存貸比從而降低銀行的流動性。第（3）列是OMO對銀行存貸比的回歸結果，其回歸系數為正但不顯著，這說明公開市場凈投放對銀行流動性沒有顯著影響。概而言之，就銀行存貸比而言，只有中期借貸便利（MLF）對其有顯著的正向影響進而降低銀行的流動性水平。

表3第（4）至（6）列匯報了貨幣政策工具對銀行流動性資產比例的回歸結果。第（4）列的結果顯示，SLF的回歸系數為-0.00881且在5%的顯著性水平上顯著，這說明常備借貸便利對銀行流動性資產比例有顯著的負向影響，即常備借貸便利會顯著減少銀行的流動性資產比例，降低銀行的流動性水平。第（5）列是MLF對銀行流動性資產比例的回歸結果，結果顯示，其回歸系數為-0.0012且在1%的顯著性水平上顯著，這說明中期借貸便利對銀行流動性資產比例有顯著的負向影響，即中期借貸便利會顯著減少銀行的流動性資產比例，降低銀行的流動性水平。第（6）列是OMO的結果，其回歸系數為 -0.0134且在5%的水平上顯著，這說明OMO會顯著降低銀行的流動性水平。以上結果表明，SLF、MLF及OMO均會顯著降低銀行的流動性資產比例，即三種貨幣政策工具均會對銀行流動性水平造成負向沖擊。

表3第（7）至（9）列匯報了貨幣政策工具對銀行現金與央行存款比率的回歸結果。第（7）列是SLF對銀行現金與央行存款比率的回歸結果，結果顯示，其回歸系數為-0.827，且在5%的顯著性水平上顯著，這表明常備借貸便利對銀行現金與央行存款比率具有顯著的負向影響，即常備借貸便利會降低銀行現金與央行存款比率進而降低銀行的流動性水平。第（8）列是MLF對銀行現金與央行存款比率的回歸結果，結果顯示，其回歸系數為-0.796，且在10%的顯著性水平上顯著，這表明中期借貸便利對銀行現金與央行存款比率具有顯著的負向影響，即中期借貸便利會降低銀行的現金與央行存款比率進而降低銀行的流動性水平。第（9）列是OMO對銀行現金與央行存款比率的回歸結果，結果顯示，二者的回歸系數為-0.0028但并不顯著，這表明公開市場操作凈投放對銀行現金與央行存款比率沒有顯著影響。

以上結論表明，總體而言，結構性貨幣政策工具及公開市場凈投放會降低商業銀行的流動性水平，這與王倩等（2016）[25]、鄧向榮和張嘉明（2018）[30]、呂思聰（2018）[31]等的結論是一致的。其影響路徑是，各項貨幣政策工具增加了銀行體系的流動性供給，在這一沖擊下，各商業銀行在信貸投放沖動下通過發放貸款實現流動性創造，這反過來可能降低了商業銀行自身的流動性水平。

（二）貨幣政策工具與商業銀行流動性水平：比較分析

鑒于銀行體系流動性分布的不均衡性，即雖然銀行體系流動性總體充裕，但各銀行間流動性分布不一，表現為銀行體系流動性的結構性短缺（王倩等，2016）[25]。基于這一現實，貨幣政策工具的實施對流動性充裕的銀行和流動性短缺的銀行可能會有不同的影響效應，而這也是貨幣政策工具能夠調控銀行體系流動性的結構性短缺的前提。有基于此，本研究將按照銀行類型將43家上市銀行分為大型銀行（6家國有銀行）、中型銀行（9家股份制銀行）和小型銀行（28家城市商業銀行和農村商業銀行）并分別考察貨幣政策工具對三類銀行流動性的影響。雖然近來有部分股份制銀行的資產規模與國有銀行的水平相接近，但由于我們考察的樣本期是從2013年開始的，因而這種劃分是合乎實際的。表4、表5和表6分別是考慮銀行類型后貨幣政策工具對銀行流動性水平（存貸比、流動性資產比例和現金與央行存款比率）的影響。

表4匯報了貨幣政策工具對各類型銀行存貸比的回歸結果。第（1）至（3）列分別是 SLF對大型、中型和小型銀行的存貸比回歸結果，結果顯示，SLF只對中型銀行的存貸比回歸系數在10%的顯著性水平上顯著，這表明SLF對中型銀行的存貸比有顯著的正向影響（顯著性水平為10%），即SLF會顯著提高中型銀行的存貸比進而降低其流動性水平，而其對大型和小型銀行的存貸比均沒有顯著影響。注意到在全樣本回歸中SLF對銀行存貸比無顯著影響這一結論，那么SLF對中型銀行存貸比的正向影響效應就具有特別的政策意義。第（4）至（6）列分別是MLF對大型、中型和小型銀行的存貸比回歸結果，結果顯示，MLF只對中型銀行存貸比有顯著的正向影響（顯著性水平為1%），即MLF會顯著提高中型銀行的存貸比進而降低其流動性水平，而對大型和小型銀行的存貸比均沒有顯著影響。第（7）至（9）列分別是OMO對大型、中型和小型銀行的存貸比回歸結果，結果顯示，OMO對大型、中型及小型銀行存貸比的回歸系數均為正，且對中型及小型銀行存貸比的回歸系數分別在5%和10%的顯著性水平上顯著，這說明OMO會顯著提升中型和小型銀行的存貸比進而降低其流動性水平，而對大型銀行流動性沒有影響。

表5匯報了貨幣政策工具對各類型銀行流動性資產比例的回歸結果。第（1）至（3）列分別是 SLF對大型、中型和小型銀行的流動性資產比例回歸結果，結果顯示，SLF只對中型銀行的流動性資產比例回歸系數在10%的顯著性水平上顯著（與全樣本回歸結果一致），這表明SLF對中型銀行的流動性資產比例有顯著的負向影響（顯著性水平為10%），即SLF會顯著降低中型銀行的流動性資產比例進而降低其流動性水平，而其對大型和小型銀行的流動性資產比例均沒有顯著影響。第（4）至（6）列分別是MLF對大型、中型和小型銀行的流動性資產比例回歸結果，結果顯示，MLF對大型和中型銀行的流動性資產比例均有顯著的負向影響（顯著性水平分別為5%和1%），即MLF會顯著降低大型銀行和中型銀行的流動性資產比例進而降低其流動性水平（與全樣本回歸結果一致），而對小型銀行的流動性資產比例沒有顯著影響。此外，MLF對中型銀行流動性資產比例的降低作用（系數為-0.004）大于其對大型銀行流動性資產比例的降低作用（系數為-0.001）。第（7）至（9）列分別是OMO對大型、中型和小型銀行的流動性資產比例回歸結果，結果顯示，OMO對大型、中型及小型銀行的流動性資產比例的回歸系數均為負，但只對中型銀行的回歸系數顯著（顯著性水平為10%），這說明OMO只會降低中型銀行的流動性水平而對大型銀行和小型銀行的流動性資產比例沒有顯著影響。

表6匯報了貨幣政策工具對各類型銀行現金與央行存款比率的回歸結果。第（1）至（3）列分別是 SLF對大型、中型和小型銀行的現金與央行存款比率回歸結果，結果顯示，SLF只對大型銀行的現金與央行存款比率的回歸系數在10%的顯著性水平上顯著（與全樣本回歸結果一致），這表明SLF對大型銀行的現金與央行存款比率有顯著的負向影響，即SLF會顯著降低大型銀行的現金與央行存款比率進而降低其流動性水平，而其對中型和小型銀行的現金與央行存款比率均沒有顯著影響。第（4）至（6）列分別是MLF對大型、中型和小型銀行的現金與央行存款比率回歸結果，結果顯示，MLF只對大型銀行現金與央行存款比率有顯著的負向影響（顯著性水平為1%），即MLF會顯著降低大型銀行現金與央行存款比率進而降低其流動性水平（與全樣本回歸結果一致），而對中型及小型銀行的現金與央行存款比率沒有顯著影響。第（7）至（9）列分別是OMO對大型、中型和小型銀行的現金與央行存款比率回歸結果，結果顯示，OMO對大型、中型及小型銀行的現金與央行存款比率的回歸系數均為負但都不顯著，這說明OMO對三類銀行的現金與央行存款比率均沒有影響。

（三）貨幣政策工具與商業銀行流動性水平：穩健性分析

在MPA框架下流動性監管指標包括流動性覆蓋率和凈穩定資金比率，但凈穩定資金比率樣本量太小，本研究只選擇了流動性覆蓋率進行考察。

為了檢驗以上經驗研究結論的穩健性，本文以MPA框架下流動性監管指標流動性覆蓋率（LCR）為銀行體系流動性的代理指標，并在（1）式中加入LCR的滯后項作為解釋變量進行系統GMM回歸。上市商業銀行自2015年才開始公布流動性覆蓋率，因而樣本區間為2015年1季度至2018年4季度。按照MPA的監管要求，有21家上市銀行連續或間斷公布了流動性覆蓋率這一監管指標，因而最終的樣本數據是自2015年1季度至2018年4季度的非平衡面板數據。表7匯報了回歸結果，其中，第（1）、（5）和（9）列分別是三種貨幣政策工具對銀行流動性覆蓋率的總體影響，第（2）至（4）、（6）至（8）及（10）至（12）則分別是三種貨幣政策工具對大型、中型及小型銀行流動性覆蓋率的回歸結果。第（1）、（5）和（9）列的結果顯示，SLF、MLF以及OMO對流動性覆蓋率的回歸系數均為負，但僅有MLF的回歸系數在10%的顯著性水平上顯著。進一步分銀行類型的回歸表明，SLF僅對小型銀行的回歸系數為負且在5%的水平上顯著;MLF對中型及小型銀行的流動性覆蓋率均為負，且分別在10%和5%的水平上顯著;而OMO對大型、中型及小型銀行流動性覆蓋率的回歸系數雖然均為負，但均不顯著。綜上所述，相對前三個度量銀行流動性的指標來說，傳統貨幣政策工具（OMO）和結構性貨幣政策工具（MLF）對其的影響均弱化。

五、研究結論

利用43家上市商業銀行2013年至2018年的季度數據，本文就貨幣政策工具對商業銀行流動性水平的影響進行了規范的實證分析。本文的研究結論如下所述：

第一，就我們所考察的樣本范圍而言，總體來說，傳統貨幣政策工具（公開市場操作）和結構性貨幣政策工具（常備借貸便利、中期借貸便利）對商業銀行流動性水平具有顯著負向影響。我們的實證分析表明，SLF、MLF及OMO對銀行流動性資產比例均具有顯著負向影響;SLF和MLF對銀行現金與央行存款比率具有顯著負向影響，而OMO則對銀行現金與央行存款比率沒有顯著影響;MLF對銀行存貸比有顯著正向影響，而SLF和OMO則對銀行存貸比沒有顯著影響;SLF對銀行流動性覆蓋率有顯著負向影響，而MLF和OMO則對銀行流動性覆蓋率沒有顯著影響。

第二，就我們所考察的樣本范圍而言，貨幣政策工具對不同類型銀行的流動性影響存在顯著差異。具體來說，SLF和MLF只對中型銀行的存貸比有顯著正向影響，同時，他們也只對大型銀行的現金與央行存款比率具有顯著的負向影響;SLF只對中型銀行的流動性資產比例具有顯著負向影響，而MLF則僅對大型銀行和中型銀行的流動性資產比例具有顯著的負向影響;SLF僅對中型與小型銀行的流動性覆蓋率有顯著負向影響，MLF則只對小型銀行的流動性覆蓋率有顯著負向影響;OMO則僅對中型和小型銀行的存貸比有顯著正向影響，同時，它也僅對中型銀行的流動性資產比例具有顯著負向影響，但對大中小型銀行現金與央行存款比率及流動性覆蓋率均沒有顯著影響。

第三，傳統貨幣政策工具對商業銀行流動性水平的影響效應弱于結構性貨幣政策工具的作用。全面比較SLF、MLF及OMO對商業銀行流動性的影響結果可知，作為傳統貨幣政策工具的公開市場凈投放對現金及央行存款比率以及流動性覆蓋率均沒有顯著影響，即OMO對銀行流動性的影響要弱于結構性貨幣政策工具，也就是說，結構性貨幣政策工具對銀行流動性的調控作用要強于傳統貨幣政策工具，這可能表明結構性貨幣政策工具在實踐上是必要的，也是成功的。

第四，流動性覆蓋率受貨幣政策工具的影響較小。流動性覆蓋率是MPA考核框架下的流動性監管指標，我們的實證分析表明，常備借貸便利和中期借貸便利對其有顯著影響，而公開市場凈投放對其沒有顯著影響。這一發現對央行的流動性管理工具選擇具有重要意義。

基于以上結論，本文提出以下簡要的政策建議：

第一，除了設立統一的流動性監管指標和監測指標外，監管當局可能需要針對不同銀行的規模和業務特征，設立針對性的監測指標，以便于監測各類型銀行的流動性狀況。不同類型的銀行由于其資產負債結構的差異對各項貨幣政策工具的反應不同，具體表現為其流動性水平對貨幣政策工具的響應不同。因此，針對不同銀行的流動性狀況，可能需要不同類型的結構性貨幣政策工具進行調控。

第二，商業銀行應該根據經營目標及自身業務結構建立多層次的流動性調控計劃。中央銀行結構性貨幣政策的推出將會加大銀行體系的流動性供給，中小商業銀行需要在此沖擊下適時調整流動性創造計劃，與此同時，商業銀行應該基于自身業務結構確定合理的多層次的流動性調控計劃，以保證在信貸擴張過程中滿足流動性監管要求。

第三，結構性貨幣政策工具的目標是通過影響商業銀行的流動性創造及流動性結構，實現商業銀行信貸資產的結構性運用以緩解經濟運行中的結構性矛盾。因此，央行應該詳細披露結構性貨幣政策工具的操作對象、金額，充分發揮結構性貨幣政策的公告效應，引導各類市場主體對未來政策走向形成理性預期，以促進有效的貨幣政策傳導機制的形成。

參考文獻：

[1]Douglas W. Diamond， Philip H. Dybvig. Bank Runs， Deposit Insurance， and Liquidity[J]. Journal of Political Economy， 1983， 91（3）：401-419.

[2]Waldo D G. Bank runs， the deposit-currency ratio and the interest rate[J]. Journal of Monetary Economics， 1985， 15（3）：269-277.

[3]Campbell J Y. Money Announcements， The Demand for Bank Reserves， and the Behavior of the Federal Funds Rate within the Statement Week[J]. Journal of Money Credit & Banking， 1987， 19（1）：56-67.

[4]Shleifer A， Vishny R W. Liquidation Values and Debt Capacity： A Market Equilibrium Approach[J]. Journal of Finance， 1992， 47（4）：1343-1366.

[5] Singh A， Sharma A K. An empirical analysis of macroeconomic and bank-specific factors affecting liquidity of Indian banks[J]. Future Business Journal， 2016， 2（1）：40-53.

[6]Ashcraft A B. Are Bank Holding Companies a Source of Strength to Their Banking Subsidiaries？[J]. Journal of Money Credit & Banking， 2008， 40（2/3）：273-294.

[7]Brunnermeier M K. Deciphering the Liquidity and Credit Crunch 2007-2008[J]. Journal of Economic Perspectives， 2009， 23（1）：77-100.

[8] Bartolini L， Bertola G， Prati A. Day-to-Day Monetary Policy and the Volatility of the Federal Funds Interest Rate[J]. Journal of Money Credit & Banking， 2002， 34（1）：137-159.

[9]Leeper E M， Gordon D B. In search of the liquidity effect[J]. Journal of Monetary Economics， 1991， 29（3）：341-369.

[10]Prati A， Bartolini L， Bertola G. The overnight interbank market： Evidence from the G-7 and the Euro zone[J]. Journal of Banking & Finance， 2003， 27（10）：2045-2083.

[11]Whitesell， William C. Monetary Policy Implementation Without Averaging or Rate Corridors[N]. Finance & Economics Discussion Paper， Board of Governors of the Federal Reserve System ，No. 2006-22.

[12]Franklin Allen， Elena Carletti， Douglas Gale. Interbank market liquidity and central bank intervention[J]. Journal of Monetary Economics， 2009， 56（5）：639-652.

[13]Altavilla Carlo， Giannone Domenico and Lenza Michele[N].The Financial and Macroeconomic Effects of OMT Announcements （June 2014）. CEPR Discussion Paper ，No. DP10025.

[14]姚長輝.商業銀行流動性風險的影響因素分析[J]. 經濟科學，1997（4）：21-26.

[15]宋婷婷.商業銀行流動性風險的變化與監管趨勢[J]. 投資研究， 2010（10）：43-46.

[16]廖岷，楊元元.全球商業銀行流動性風險管理與監管的發展狀況及其啟示[J]. 金融研究，2008（6）：69-79.

[17]高士英，許青，沈娜. 經濟“新常態”下的商業銀行流動性研究與壓力測試[J]. 現代財經（天津財經大學學報），2016，36（2）：77-86.

[18]賈麗平， 李旭超. 宏觀金融視閾下我國商業銀行流動性波動的影響因素研究[J]. 經濟社會體制比較， 2014（4）：233-242.

[19]任慶華， 陳平， 李科. 商業銀行流動性風險的信貸維度分解：模型與實證[J]. 金融經濟學研究， 2013（2）：120-128.

[20]錢崇秀，宋光輝，許林.超額貸款、不良率與商業銀行流動性——流動性螺旋還是流動性權衡[J]. 財貿經濟，2018，39（7）：81-95.

[21]鄧雄.結構性貨幣政策工具的運用：發達國家的實踐及啟示[J]. 南方金融，2015（01）：26-34.

[22]盧嵐，鄧雄. 結構性貨幣政策工具的國際比較和啟示[J]. 世界經濟研究，2015（6）：3-11，127.

[23]劉蔚.基于國際比較的結構性貨幣政策效果評估及優化路徑研究[J].金融發展研究，2016（9）：37-44.

[24]魯雪巖，王一捷.結構性貨幣政策理論與實踐[J].金融發展評論，2016（1）：142-152.

[25]王倩，路馨，曹廷求.結構性貨幣政策、銀行流動性與信貸行為[J].東岳論叢，2016，37（8）：38-52.

[26]胡育蓉，范從來. 結構性貨幣政策的運用機理研究[J]. 中國經濟問題，2017（5）：25-33.

[27]余振，顧浩，吳瑩. 結構性貨幣政策工具的作用機理與實施效果——以中國央行PSL操作為例[J]. 世界經濟研究，2016（3）：36-44，69，134.

[28]劉瀾飚，尹海晨，張靖佳.中國結構性貨幣政策信號渠道的有效性研究[J].現代財經（天津財經大學學報），2017，37（3）：12-22.

[29]萬沖，朱紅. 中國結構性貨幣政策的效果評估及優化思路[J]. 學術論壇，2017，40（4）：83-91.

[30]鄧向榮， 張嘉明. 貨幣政策、銀行風險承擔與銀行流動性創造[J]. 世界經濟， 2018（4）： 28-52.

[31]呂思聰. 外部監管和貨幣政策對中國商業銀行流動性創造能力的影響研究[J]. 國際金融研究， 2018， 373（5）：55-65.