銀行微觀競爭與貨幣政策信貸渠道傳導效率
——基于我國130家銀行的經驗證據

■中國人民銀行萍鄉市中心支行課題組

一、引言與文獻綜述

銀行作為現代金融系統的核心，在解決企業融資、支持實體經濟發展等方面發揮著十分重要的作用。據央行統計數據顯示，2018年全年實體經濟從銀行獲取的貸款金額占整個社會融資規模的比例仍然高達79.2%，即便從存量數據來看，占比依然不低，約68.2%。同時，銀行業的競爭格局一直備受研究者們和監管層的關注。數據顯示，截至2018年底，我國銀行業金融機構法人數量已達4588家，較2012年增加800余家，加之互聯網金融生態的發展和興起，銀行業的競爭日漸呈白熱化態勢。

對銀行來說，競爭不僅會導致金融產品價格的下降，影響收益水平，而且會影響其運行效率、風險承擔水平等。由于不同類型和不同規模的銀行資金來源渠道、流動性高低等方面都存在差異，加之市場勢力的懸殊，研究銀行競爭對貨幣政策銀行信貸渠道傳導效率的影響不僅具有重要的理論意義，而且能為從供需兩端疏通貨幣政策傳導渠道提供堅實的微觀基礎。

現有文獻通常從兩個角度研究貨幣政策信貸渠道傳導效率：一種從宏觀總量上探討貨幣政策信貸渠道現象和機制（Buigut，2010）；另一種是探討傳導效率的微觀特征，主要涉及截面異質性的相關分析，以克服基于總量數據研究存在的識別問題（Gambacorta&Shin，2018）。Kishan&Opiela（2006）發現小規模銀行由于無法獲得其他資金來源，受貨幣緊縮影響更大。類似的證據體現在流動性較低和資本不足的銀行（Juurikkala et al，2011）。除了這三種銀行特征外，相關文獻研究了股權結構（Lucas&Schaumburg，2018）、盈利性（Gunji&Yuan，2010）和股東權益比例（Delis&Kouretas，2011）對貨幣政策信貸傳導渠道的影響。較多學者從資本約束、流動性預期壓力、風險沖擊以及債務壓力等角度解釋了在外部經濟偏緊條件下，信貸渠道被弱化的原因（Christiano，2014；Amador&Nagengast，2016）。

考慮到銀行競爭對銀行經營行為的影響，競爭可能會促進或阻礙銀行信貸渠道進而影響貨幣政策的有效性。從實證角度看，銀行競爭與貨幣政策傳導效率關系的研究較為集中，但尚無定論，這可能緣于衡量銀行競爭的方法不同和樣本選擇的差異性。國內外學者大部分支持銀行競爭程度提高會加強貨幣政策信貸傳導效果的觀點。Leroy（2014）采用歐元區國家的大型銀行面板數據，并將勒納指數作為衡量銀行競爭的指標展開研究，結果顯示競爭加劇會通過提高貸款利率對貨幣沖擊的敏感度來強化貨幣政策信貸渠道傳導的有效性。董華平和干杏娣（2015）實證分析表明，股份制銀行、城商行和外資銀行的市場化程度更高，其市場份額的提升對信貸渠道的傳導效率有正向影響。Ghossoub&Reed（2015）基于不完全競爭的銀行模型的異質性分析中也提及到類似的結論。但也有部分研究發現，競爭性銀行業結構削弱了貨幣政策對信貸供給的作用。例如，Amidu&Wolfe（2013）利用55個國家和978家面板數據作檢驗，結果發現競爭程度過高會降低信貸政策的傳導效率。

通過對文獻的整理，本文發現已有文獻鮮有從銀行微觀競爭水平視角分析我國貨幣政策的銀行信貸渠道傳導效率。盡管有少部分研究從該角度著手，但在理論分析框架、銀行市場勢力測算以及有關異質性方面仍略顯不足。為此，本文主要在以下三個方面進行了拓展：一是引入了“Monti-Kelin”改進模型作為本文研究的理論分析基礎；二是既使用了面板固定效應方法估計超越對數成本函數（translog cost function）測算銀行市場勢力（lerner指數），又采用了隨機前沿法（SFA）予以測算；三是不僅分析了銀行特征變量的異質性，而且研究了銀行市場勢力的異質性，豐富了相關研究。

二、理論基礎與模型設定

（一）理論模型

本文以考察和分析銀行微觀行為為切入點，在借鑒微觀銀行理論模型Monti-Klein模型（Freixas&Rochet，2008）基礎上加以改進，建立適用于本研究中解釋銀行競爭對貨幣政策銀行信貸傳導效率影響的理論模型。

1.模型設定

產業組織法（IO）是微觀銀行學的理論支柱之一，它把銀行活動看作為生產類似于產品的存貸款服務，銀行技術由成本函數C（D，L）給出，即管理一定數量貸款和存款的成本。為簡化分析，本文在這里作三個假設：一是銀行的經營活動僅表現為吸收存款、發放貸款和在銀行同業市場或者向中央銀行拆借；二是將銀行業視為一個不完全競爭行業，使其更貼近于事實；三是所有銀行都擁有相同的成本函數C（D，L）。具體形式如下：

式（1）中Dt表示銀行t時期存款供給量，Lt表示銀行t時期貸款量。二者所對應的存款利率和貸款利率分別用rD和rL表示。另外，用rt表示同業拆借利率（可以看成中央銀行的貨幣政策工具），α表示法定存款準備金率。在考慮管理成本的情況下，單個銀行的利潤等于存貸款的中間利差減去管理成本的總和，用數學形式表示為：

由AD-AS曲線可知，存款供給量D是rD的遞增函數，貸款需求L是rL的遞減函數；考慮到銀行競爭力對rL存在的影響和不同銀行之間存在的差異，分析中可將它們的函數或者反函數寫成如下形式：

需要注意的是，公式（4）中rL是由貸款規模和銀行市場勢力共同決定的。＞0表明銀行貸款供給量越多，對應的貸款利率也越高。這源于兩個方面：一是rL的增加，必然會使貸款供給量上升，對應的反函數的導數＞0；二是銀行貸款規模不斷擴大，相應風險也在增加，為此需要提高貸款利率以應對未來風險。＞0表明銀行市場勢力越大，越具有制定貸款價格rL的能力。本文之所以使用Lerner指數滯后一期是基于短期內銀行市場勢力不那么容易改變的考慮。

為了求出（2）中利潤最大化的解，需要引入貸款需求彈性和存款供給彈性，如下所示。

結合（2）的一階均衡條件和（5）的反函數彈性，可得到銀行i在t時期的最優一階均衡條件解

2.均衡條件

在上述條件約束下，各家銀行i利潤最大化的最優化條件如下：

將（4）求導的結果與式（7）同時代入（9）可得：

3.貨幣政策變動、銀行競爭與銀行信貸規模分析

將（10）兩邊對vt-1求微分，可得到貨幣政策變動對銀行信貸規模的影響：

將（10）兩邊對Leri，t求微分，可得到銀行市場勢力對銀行信貸規模的影響：

將（11）進一步對Lerner指數求導，可得銀行競爭對貨幣政策銀行信貸傳導的影響：

利用前面的函數關系、一階導數符號以及隱函數鏈式求導法則，可確定式（13）方向為正，意味著銀行競爭力的增強會強化貨幣政策變動增加引起的銀行貸款規模的下降。綜合來看，基于上述理論分析框架，本文提出如下假設：

假設1：貨幣政策的銀行貸款渠道存在，而且影響方向為負，即貨幣政策變動會引起銀行貸款規模的反方向變動。

假設2：銀行市場勢力與貨幣政策交互影響存在且作用方向為正，即市場勢力的增加（競爭力的下降）會弱化貨幣政策銀行信貸渠道傳導效率；反之，則強化。

（二）計量模型設定

為了對研究主題進行經驗分析，本文將使用面板固定效應模型進行檢驗①之所以不采用差分或者系統動態面板予以估計是因為滯后因變量統計不顯著，所以把滯后因變量作為回歸元缺乏令人信服的證據。此外，在穩健性檢驗中會進一步提及和驗證。，并將實證模型設定為如下形式：

式（14）中下標i代表銀行，t、t-1為年度及其滯后一期，△MP表示貨幣政策變量，lerner指數是銀行市場勢力指標，X={size，cap，cdb}是銀行特征變量，分別表示規模、權益資本比例、存貸比；△MP×X、△MP×lerner分別為貨幣政策變量和銀行特征變量、市場勢力的交互項；roa和cpi分別是銀行資產回報率、消費者價格指數，u為個體效應，ε為干擾項。

三、變量選取、測度與數據說明

（一）變量選取及測度

1.銀行競爭的度量

本文選取Lerner指數作為銀行競爭的考量，因為該指數不僅可用于比較不同銀行之間的市場力量，而且已被學者們廣泛使用。具體地，lerner指數的計算公式如下：

其中，價格（P）是指類似于總資產的銀行產出的平均價格，可被定義為總收入與總資產的比率。然而，邊際成本（MC）的計算是建立在對包含產出和三種產出價格的（勞動的價格、實物資本的價格、借入資金的成本）超越對數成本函數的估計基礎上得出。通常該成本函數被設定為如下形式：

其中，TC表示總成本（利息支出、員工開支、其他非利息支出之和），y是總資產，w1是勞動的價格（員工開支與總資產的比率），w2是實物資本的價格（其他非利息支出與固定資產的比率），w3是借入資本的成本（利息支出與存款和短期資金的比例）。成本函數的估計系數可用于推導邊際成本（MC）：

將（17）的結果MC代入（15）中即可得出衡量不同銀行市場力量的Lerner指數。

2.貨幣政策代理變量

貨幣政策有數量型和價格型區分，對應的衡量貨幣政策的指標也有數量型和價格型兩種。本文在借鑒前人研究的基礎上并結合我國貨幣政策的具體實踐，主要采用銀行同業拆借利率或貸款基準利率、法定存款準備金率或廣義貨幣M2增速分別作為價格型和數量型貨幣政策的代理變量。其中，貸款基準利率、廣義貨幣M2增速在本文中主要用于穩健性檢驗。

3.銀行特征變量和控制變量

一直以來，學者們圍繞貨幣政策對信貸渠道傳導效率的影響因素開展了廣泛研究，這些因素除了諸如國內生產總值、消費者價格指數等宏觀經濟變量之外，更為重要的是涉及描述銀行特征的變量，比如銀行規模、自有資本比例和流動性水平等。盡管研究得出的結論不一，但這基本能說明銀行特征變量確實會對貨幣政策銀行貸款渠道效率產生不容忽視的影響。鑒于此，本文在后續實證中主要控制銀行規模（size）、自有資本比例（cap）和流動性（liq）特征的影響，并參考Ehrmann et al（2003）對銀行特征變量作如下處理：

其中，銀行規模（size）用銀行總資產的對數衡量，流動性（liq）用凈貸款與銀行存款和短期資金之比衡量，自有資本比例（cap）用銀行自有資本與同資產的比例衡量①衡量銀行流動性的指標有多種，之所以不使用銀行流動資產與總資產的比例是因為舊版BankScope數據庫與新版數據庫數值不一致，所以使用銀行存貸比指標進行替代。。i=1，…，N代表銀行數量，t=1，…，T代表年份。需要注意的是，對銀行特征變量作去均值標準化處理既剔除了變量的趨勢性，而且平均交互項為零，系數可直接解釋為平均貨幣政策變動對銀行貸款變動的影響。

（二）數據說明

表1 回歸變量的定義

各變量的定義見表1。本文中銀行貸款數據、銀行特征變量、平均資產回報率以及用于計算lerner指數的相關數據均來源于Bank Focus全球銀行與金融機構分析庫。銀行同業拆借利率、法定存款準備金率、1年期貸款基準利率、廣義貨幣M2來源于Wind數據庫，而通貨膨脹率來源于中國國家統計局。此外，選取了130家銀行作為樣本，范圍涵蓋我國5家國有大型商業銀行、10家股份制銀行、66家城市商業銀行、22家農村商業銀行以及27家外資銀行，并且考慮數據的連續性、完整性及相同指標計算差異，將樣本期設定為2004～2017年。

四、實證結果及分析

（一）描述性統計

表2為相關變量基本統計量的結果。其中，lerner指數和lerner1指數分別是基于對超越成本函數采用隨機前沿分析法和面板固定效應法估計所計算出的，目的是為了檢驗lerner指數的穩健性。值得注意的是，二者的均值非常接近，分別為0.259、0.254。然而，該數值與張娜（2019）所計算的中國銀行lerner指數均值（0.4左右）有較大差別，與Coccorese（2014）估計的0.16又較為接近。造成差異的原因可能有兩方面：一是選取的樣本及其涵蓋期間不同；二是估計邊際成本使用方法不同。此外，相較于歐洲國家銀行lerner指數均值0.1（Fungácová et al，2014）而言，我國銀行市場力量相對較強，整體競爭水平偏低。

表2 描述性統計

（二）回歸結果①

①hausman檢驗結果表明應在固定效應模型、隨機效應模型二者中選擇前者，即固定效應模型。

首先，本文以銀行同業拆借利率（IR）和法定存款準備金率（RR）年度增量△MP的滯后一期分別作為價格型和數量幣政策的衡量指標，實證檢驗結果見表3。

表3的回歸結果顯示，（1）～（6）列貨幣政策變量的估計系數分別在不同顯著水平顯著且作用方向為負，符合預期假設1，也與現有研究普遍得出的結論一致。表明貨幣政策變動的增加會降低貸款增速，反之，提高貸款增速。從lerner指數估計結果看，（1）～（6）列中各系數均為負且都在1%的水平下顯著，表明銀行市場力量增加（競爭程度的降低）會對貸款增速產生反向作用，可能的原因在于競爭的降低會增加借貸雙方信息不對稱性和提高轉移成本，從而使得貸款增速呈現下降。另外，全部設定模型中的銀行規模的影響方向為負，但更重要的是銀行流動性以及自有資本比例的回歸系數總體都為正且統計顯著，說明小銀行、高資本比例和高流動性有助于實現更穩健的貸款增速。

貨幣政策變量與銀行特征變量、lerner指數交互項顯著與否能夠表明二者是否會對貨幣政策銀行貸款渠道造成間接影響。（2）、（3）列銀行規模的交互項系數不顯著，而（5）、（6）列交互項系數顯著且為負，意味著不同類型貨幣政策下，銀行規模特征對貸款渠道的影響存在差異，且僅在數量型貨幣政策工具下，規模特征會對貸款渠道產生一定作用；權益資本比例的交互項影響在兩種貨幣政策工具下均為負且顯著，說明權益資本比例增加盡管會直接促進貸款增長，但是會通過貸款渠道強化貨幣政策變動增加所引致的貸款增速的下降程度；（3）、（6）列流動性的交互項影響在兩種貨幣政策類型下為負且顯著，表明流動性增加對貸款增長既產生了直接有利影響，也產生了間接有利影響，即減弱貨幣政策變動增加會引起貸款增速的下降；最后，就本文最為關心的lerner指數交互項而言，影響方向都為正，與預期假設2相吻合，但僅在數量型貨幣政策下顯著，說明銀行競爭的提高會強化數量型貨幣政策銀行信貸渠道傳導效果。對該結果可能的解釋是因為長期以來我國主要傾向于采用數量型貨幣政策調控方式，造成銀行競爭僅對數量型政策工具敏感。

（三）進一步分析

上述基準回歸結果已經表明銀行微觀競爭水平不僅會對貨幣政策貸款渠道產生直接影響，而且在數量型貨幣政策下，還會產生間接影響，表現為銀行競爭加劇會強化貨幣政策變動的影響效果。為進一步了解貨幣政策變動對貸款渠道的影響是否會因銀行競爭程度的高低、特征變量的高低或大小產生異質性，本文將lerner指數、特征變量按中位數把樣本分為高低或大小兩組，并仍然使用IR、RR的年度增量作為貨幣政策變量，回歸結果如表4所示。

分組回歸結果表（4）顯示，在將銀行市場勢力分為高低兩組后，Panel A和B中貨幣政策變動影響均出現了組間差異，影響方向雖然沒有發生變化，但都僅在市場勢力較低組具有顯著性。就特征變量交互項影響來看，Panel A中銀行規模、權益資本比例和流動性的交互影響并沒有出現組間差異，且均不顯著。但在Panel B中銀行規模、權益資本比例出現了組間差異，且分別在市場勢力較高組、較低組顯著。從勒納指數的影響來看，直接影響在不同類型政策下也均出現了組間差異且均在較低組顯著。值得注意的是，其交互項在Panel A中沒有出現組間差異且均不顯著，這也再一次證實了基準回歸中以IR年度增量為政策變量下的勒納指數交互項不顯著的結論，即銀行市場勢力對銀行貸款渠道的間接影響幾乎不存在；與之不同的是，Panel B中勒納指數交互項影響出現了組間差異且在市場勢力較低組顯著，說明對于市場勢力較低的銀行而言，貨幣政策變動的效果會隨著銀行市場勢力的增加被顯著削弱；但對于市場勢力較高的銀行而言，貨幣政策變動效果并不會隨著市場勢力進一步增加而削弱?？傮w來看，將勒納指數分為高低兩組后，銀行競爭對貨幣政策銀行信貸渠道傳導效果的影響與基準回歸結果一致，并且在數量型貨幣政策下存在異質性特征。在將銀行特征變量分為高低或大小兩組后，可看出貨幣政策變量和特征變量的交互項影響，大致與基準回歸結果相吻合。本文著重關注的是PanelA中貨幣政策變量和lerner指數的交互項系數僅對低資本比例和高流動性銀行顯著，該結果表明銀行競爭對貨幣政策傳導的緩沖效應主要是通過高流動性、低資本比例銀行對貨幣政策沖擊的反應實現的；而Panel B中交互項系數對小規模、高資本比例、高流動性銀行更顯著。該結果也與高流動性或高資本化銀行（其財務約束較少）可以通過減少流動資產或調動未投保存款來緩沖貸款活動以抵御貨幣政策沖擊的觀點大體一致（Altunbas et al，2009）。

表3 基準回歸結果

為了證實小規模銀行相較于大銀行往往擁有較高的資本比例，本文將大規模和小規模銀行組間資本差異的比較總結在表5中。從結果可以看出，小銀行的確擁有更高的資本比例。

表5 大銀行和小銀行組間均值差異檢驗

（四）穩健性檢驗①

①限于篇幅，本部分結果留存備索。

1.改變lerner指數估計方法的穩健性檢驗

表4 lerner指數、特征變量按中位數分組

如前文所述，計算勒納指數需要已知邊際成本資料，而它的獲得是基于對超越對數成本函數的估計且估計方法涉及多種。鑒于此，本文這里使用面板固定效應模型估計得到MC，并計算出lerner1，將其代入實證模型進行檢驗。實證結果顯示，在不同類型貨幣政策下，貨幣政策變動、lerner1和二者的交互項影響方向及顯著性與前文均保持一致，并沒有否定前文的結論。

2.以1年期貸款基準利率作為貨幣政策指標的穩健性檢驗

為了檢驗不同貨幣政策指標是否會影響估計結果的準確性，本文以信貸市場的基準利率1年期貸款基準利率作為價格型貨幣政策的衡量指標（董華平和干杏娣，2015）進行估計。結果顯示，當改變價格型貨幣政策的代理指標時，銀行市場勢力和貨幣政策變量的交互項影響仍然不顯著，意味著價格型貨幣政策下銀行競爭水平的變化并不會增強或者弱化貨幣政策銀行信貸渠道傳導效果，與前文的研究結論保持一致。另外，把lerner指數按中位數分為高低兩組后，結果也仍未發生明顯改變。

3.以廣義貨幣M2的增速作為貨幣政策指標的穩健性檢驗

當用廣義貨幣M2的增速作為數量型貨幣政策衡量指標時，估計結果顯示銀行市場勢力與其交互項影響系數仍然高度顯著且方向為正，與前文結論保持一致。

4.方法的穩健性：使用動態面板估計（SYSGMM）

考慮到現實中貸款增速可能會受到它的前一期水平影響，以及為了有效避免模型中的內生性干擾問題，本文嘗試在模型中加入貸款增速的滯后一期予以估計，并且使用系統GMM估計方法。估計結果顯示。第一，殘差序列相關性的AR檢驗表明其不存在二階序列相關，滿足SYS-GMM方法使用的前提條件；第二，Sargan檢驗表明不存在工具變量過度識別的問題；第三，本文結論表明貸款增速并沒有存在慣性特征，產生差異的原因可能在于：一是樣本數量和涵蓋期間不同。二是由于金融監管的存在、銀行內部風險控制的加強，銀行貸款可能相對更理性；第四，在不同類型貨幣政策下，交互項的影響方向均為正且都顯著，這與前文的結果有些不一致，造成差異的原因很可能在于方法使用的不同。但總的來說，數量型貨幣政策下的銀行微觀競爭水平提高確實會強化貨幣政策信貸渠道傳導的效果。

五、結論與建議

本文以銀行微觀競爭水平為視角，通過引入銀行競爭因素對Monti-Kelin模型加以合理改進，建立了適用于本文研究的理論模型分析框架，在此基礎上設定面板固定效應實證分析模型，使用我國130家中外資銀行2004～2017年數據進行實證分析，研究了銀行微觀競爭水平對貨幣政策銀行信貸渠道傳導效率的影響。理論分析和實證結果表明：第一，我國貨幣政策銀行信貸傳導渠道在價格型和數量型兩種貨幣政策下確實都存在；第二，銀行市場勢力對我國貨幣政策銀行信貸渠道傳導效率的影響存在差異，在價格型貨幣政策下無影響，在數量型貨幣政策下存在顯著正向影響，即銀行競爭力的提高會明顯增強貨幣政策變動的增加所引起的貸款增速下降的效果；第三，將銀行市場勢力按中位數分為高低兩組后，在價格型貨幣政策下，銀行市場勢力對貨幣政策銀行信貸渠道傳導效率仍然無影響，而在數量型貨幣政策下出現了異質性特征且僅在較低組顯著；第四，將銀行特征變量按中位數分組后，銀行競爭對兩種類型貨幣政策下銀行信貸渠道的緩沖效應主要是通過高資本比例或者高流動性銀行對貨幣政策沖擊的反應實現的；第五，通過改變lerner指數估計方法、替換貨幣政策代理指標以及使用系統GMM估計方法進行穩健性檢驗，結論均與前文所述相同。

根據研究結論，本文提出以下政策建議：第一，從實證結果可以看出，銀行競爭會強化數量型貨幣政策信貸渠道傳導效率，為避免政策效率的降低，在使用數量型貨幣政策工具時，需要重點注意銀行競爭力的影響，盡可能建立差異化的銀行體系以形成良好的競爭環境，保持競爭和風險控制目標的穩定性，促進貨幣政策傳導機制的完善；第二，根據銀行市場勢力分組結果可知，數量型貨幣政策工具下的銀行市場勢力對政策傳導效率影響主要集中在市場競爭力較高的銀行，因而需關注相關銀行市場勢力的變化，并出臺競爭政策促使銀行保持競爭活力；第三，鑒于銀行競爭對貨幣政策沖擊的敏感性反映到傳導效果層面在很大程度上與銀行的特征變量有關，為此，建議各銀行要密切監測其自有資本比例、流動性大小、經營效益等個體因素，來確定合理的貸款規模，并對不同競爭程度的銀行實行差異化的貨幣政策調控和監管政策，從而避免銀行資本管理的標的出現偏移，使得銀行的信貸行為朝著更有利于信貸渠道正向傳導的方向發展。