中國銀行間利率向市場利率譜系的傳導效率
——基于非線性自回歸分布滯后模型和中、美、歐對比

羅琦，孫超

（1.中國人民大學 應用經濟學院，北京 100872；2.武漢大學 管理與經濟學院，湖北 武漢 430072）

現代中央銀行價格型貨幣政策操作的常見模式是先通過公開市場操作影響短期貨幣市場利率，然后通過利率傳導影響中長期市場利率和商業銀行的零售利率，進而影響經濟主體的消費和投資行為。如果無法保證短期利率向中長期利率的有效傳導，則從數量型貨幣政策框架向價格型貨幣政策轉型就沒有堅實基礎[1]。Walsh[2]指出，隱含假定只存在單一利率而不考慮現實利率傳導情況的宏觀模型是不完善的。因而，短期貨幣市場利率向市場利率譜系的傳導效率是貨幣當局面臨的重要理論與現實問題。隨著中國利率市場化不斷推進，銀行間利率逐步成為其他金融資產定價的基礎，那么目前中國銀行間利率向市場利率譜系的傳導效率如何？與其他發達國家相比差距在哪里？利率傳導鏈條存在哪些不足？這些問題都值得深入研究。本文探討銀行間利率對債券市場與存貸款市場利率的傳導效率，有利于闡釋利率傳導機制和把握現狀，幫助中國進一步提高利率傳導效率。

西方學者定期對西方國家的利率傳導效率進行評估。Karagiannis等[3]330-331發現美國的中央銀行利率比聯邦基金利率對銀行零售利率的傳導更加有效，而歐元區則是銀行間利率的傳導更有效。Becker等[4]研究英國的官方利率向貨幣市場利率的傳導以及后者向抵押貸款利率傳導的過程，發現這兩個階段傳導過程均存在非對稱性。Blot和Labondance[5]7-9以影子利率（shadow rate）來衡量歐元區的貨幣政策，發現即使在觸及有效利率下限（Effective Lower Bound，ELB）之后，歐元區的利率傳導機制仍然是有效的。Liu等[6]研究了新西蘭的銀行間利率對零售利率的傳導程度和調整速率，發現其對部分零售利率存在完全的傳導效率。

關于中國利率傳導效率的研究首先涉及貨幣政策操作利率的選擇問題。相當長時間以來，中國的利率傳導存在“雙軌困局”，即存貸款利率主要跟隨存貸款基準利率而變動，而貨幣、債券市場利率跟隨銀行間利率而變動，因而中國的利率傳導與西方國家有所不同。但存貸款基準利率終究是官定利率，與利率市場化方向相悖，因而將逐漸退出歷史舞臺，銀行間利率作為市場化的利率在中國貨幣政策框架中的地位將不斷提升。人民銀行也一直致力于推進利率并軌。2018年4季度的《中國貨幣政策執行報告》提到，要“穩妥推進利率‘兩軌合一軌'，完善市場化的利率形成、調控和傳導機制”。2019年8月17日，人民銀行宣布改革貸款市場報價利率 （Loan Prime Rate，LPR）形成機制，將LPR與中期借貸便利利率 （Medium-term Lending Facility，MLF）掛鉤，淡化存貸款基準利率的影響。銀行間利率雖與MLF利率不同，但也存在密切聯系。如果銀行間利率長期高于MLF利率，則商業銀行向中央銀行借款的需求增加，MLF利率將有上行壓力，而如果銀行間利率長期低于MLF利率，則商業銀行對中央銀行流動性的需求將減少，MLF有下行壓力。并且，銀行間利率比MLF更能代表各類金融機構貨幣市場融資的成本。基于以上考慮，本文選擇銀行間利率作為利率傳導的起點，這也與國際慣例相符。

國內文獻一般認為體制性因素是影響傳導效率的重要原因，但較少討論預期因素的影響，且在實證上較少比較中國與其他發達國家的利率傳導效率。馬駿和王紅林[7]認為存款準備金率、存貸比、對貸款的規模限制以及企業預算軟約束均會削弱政策利率向商業銀行存貸款利率的傳導。郭豫媚等[8]45-51發現貸款利率浮動上限放開后，中國貨幣市場利率對銀行貸款利率的傳導效率明顯提升而貸款基準利率的影響略有下降；資金來源與市場利率波動影響貨幣市場利率傳導效率。Liu[9]66-71發現銀行間利率對貸款利率的傳導效率在中國放開存款利率上限后顯著提高，同時商業銀行資產不良率對傳導效率有負向影響。錢雪松等[10]運用微觀數據，發現貨幣政策通過上海銀行間同業折放利率（Shanghai Interbank Offered Rate，Shibor）對企業借款利率產生顯著影響，且Shibor的中介效應占貨幣政策總效應的83%。紀敏等[11]15-17也認為中國短期銀行間利率能在一定程度上影響貸款利率。Jin等[12]發現隔夜銀行同業拆借利率對各期限的國債利率的長期傳導是不完全的，但對溫州貸款綜合利率的傳導率遠大于1。以上文獻均忽視了預期因素在利率傳導中的重要作用。事實上，銀行間利率是短期利率，其向市場利率傳導必然要借助利率預期發揮作用。因此，本文在這方面予以補充。

一、利率傳導機制

銀行間利率的傳導可以分為向銀行零售利率傳導和向債券利率傳導兩大類。

（一）銀行零售利率傳導

將貸款需求曲線 L（rrL）和存款供給曲線 D（rrD）轉換成它們的反函數形式 rrL（L）和 rrD（D），第 n家銀行的預期利潤為

關于利率傳導的實證計量模型大多采用如下形式

其中，α是利率加成；β是利率的傳導效率。由于rrL通常遵循的是非平穩的一階單整過程，因而式（5）通常采用誤差修正模型的形式，從而捕捉貸款利率與市場利率的長期均衡與短期動態調整關系。關于mrt的選擇問題，以往文獻通常采用兩種途徑：一種是“資金成本途徑”，即研究貸款利率與可比期限的市場利率之間的關系，該途徑被認為更能反映資金的真實成本[16][17]14-15。另一些文獻采用“貨幣政策途徑”，即研究貸款利率與政策利率或者短期市場利率之間的關系，認為銀行具有期限轉換的特點，因而長期貸款需求會與短期資金供給相匹配[3]328-329[5]4-6。需指出的是，由于貨幣政策能直接或間接影響銀行的資金成本，因此兩種途徑有共通之處。

關于在方程（5）中是否加入其他控制變量的問題,一些研究控制了其他變量如市場競爭程度、銀行風險等變量的影響，如文獻[19]和文獻[9]。另一些研究（如文獻[20]～文獻[22]）并沒有控制其他變量，而是直接估計銀行間利率與銀行零售利率的長期協整關系，因而其傳導系數反映了各國經濟周期與金融結構等多種因素（如市場集中度、信貸風險、期限錯配、銀行流動性或資本充足度等）對傳導效率的影響。在進行國際比較時，由于各國金融市場結構差異性較大，若選擇不同的控制變量容易干擾傳導系數的橫向比較，直接測算綜合的傳導系數更為常見。例如S?rensen和Werner[17]18-19在比較歐元區各國利率傳導系數時便只選擇了市場利率作為銀行零售利率的解釋變量。

（二）債券收益率傳導

與債券收益率傳遞有關的理論有預期理論與流動性溢價理論。預期理論認為，長期利率等于預期的短期利率的平均值。如果當前短期利率變化時，未來預期的短期利率也同步變化，則長期利率與短期利率一起變動。流動性溢價理論進一步考慮了通貨膨脹和未來利率的不確定性給長期債券帶來的風險，因而投資者更加偏好短期債券，必須給予其正的流動性溢價?n，t以使其持有長期債券。由于風險溢價通常隨著期限增加而增加，因而收益率曲線常常是向上傾斜的。因此，期限為n的長期債券的收益率可以表示為

（三）利率傳導的不對稱性

一些理論顯示利率傳導可能存在正向或者負向的不對稱性。這意味著不考慮利率傳導非對稱性的計量模型可能是有缺陷的。

正向的不對稱性是指銀行間利率的上升會導致長期利率更快或者更強的反應，而利率下降的影響更緩慢或更微小。對于銀行利率傳導而言，正向不對稱性在理論上可能有以下原因[23]6-7：（1）轉換成本或信息成本。當市場利率上升時，銀行迅速提高貸款利率，從而保持利差，而當市場利率下降時，銀行利用客戶具有轉換成本或信息成本，使貸款利率不完全調整以提升利差[24]。（2）貸款利率向下調整的剛性。從銀行角度而言，向下調整貸款利率容易引發價格戰，因而銀行更愿意提高利率而非降低利率。（3）商業周期因素。由于經濟衰退時政策利率會下降，同時企業對銀行貸款需求變得缺乏彈性，銀行可能利用這個機會增加利差，從而呈現正向非對稱性。對于債券利率傳導而言，在經濟衰退時，短期銀行間利率會大幅下降，但由于人們具有較高流動性偏好或預期未來通貨膨脹可能會上升，因而長期國債利率可能不會下降太多。

同樣，利率傳導也可能呈現負向非對稱性。不對稱信息下銀行擔心提高利率會吸引高風險借款人，因而貸款利率會具有向上粘性[25]。具備反通脹信譽的央行上調銀行間利率進行反通脹時，由于人們的通脹預期穩定，因此長期利率不會過度反應。相反，如果經濟陷入衰退和通縮困境，而央行具有較強的抗衰退偏好，短期的寬松貨幣政策會導致人們認為未來央行將繼續下調利率，則長期債券利率會下調更多[23]7-8。

二、計量模型與數據

（一）NARDL計量模型

為了研究銀行間利率對短期與中長期貸款利率、房貸利率以及債券利率的傳導效率，本文采用Shin等[26]281-314開發的非線性自回歸分布滯后（Nonlinear Autoregressive Distributed Lag，NARDL）模型。NARDL模型從不對稱性角度對Pesaran等[27]289-326開發的線性自回歸分布滯后模型進行了擴展，基于單方程誤差修正模型和動態乘子，可同時模型化長期與短期的非對稱性。此外，與傳統的協整分析要求所有自變量均為一階單整不同，該模型允許自變量是平穩、一階單整或者二者的組合，更加具備靈活性。考慮如下的非對稱協整關系

其中，irt表示貸款利率、房貸利率和債券利率等；mrt為銀行間利率；β+和β-為非對稱長期系數；為正向和負向變化之和，公式如下

式（7）的ARDL形式，也即NARDL模型可以表示如下

其中，β+=-θ+/ω，β-=-θ-/ω。 可運用邊限檢驗程序檢驗 ω=θ+=θ-=0，以判斷之間是否具備長期協整關系。同時還可檢驗長期和短期的非對稱性是否存在：若θ+=θ-=θ，則長期對稱；若對于i=0，…，q均有則短期對稱。

（二）數據來源

為對比中國、美國和歐元區的利率傳導情況，本文主要使用了三個數據集，其中利率均為年化利率。

中國的數據選取窗口為2004年9月—2019年2月，銀行間利率選擇的是七天質押式回購加權平均利率；短期貸款利率用銀行票據融資加權平均利率代理，該變量為季度數據，使用插值法轉換為月度數據，受實際數據限制，區間為2008年12月—2018年12月；中長期貸款利率用中長期貸款基準利率（1～3年）和利率浮動區間貸款占比加權平均進行估算①計算公式為 rrL=bmrL×∑k[0.5×（dk+uk）×ratiok]。 其中，rrL是貸款加權平均利率；bmrL是貸款基準利率；dk和 uk是浮動區間上限和下限，k=1，2，…，6表示較基準利率下浮10%之內、不浮動、上浮30%之內、上浮30%～50%、上浮50%～100%、上浮100%以上。本文將上浮100%以上的貸款利率用2.2倍基準利率替代。ratiok表示在第k個浮動區間定價的貸款占比。，區間為2004年9月—2018年12月；住房貸款利率為季度數據，使用插值法轉換成月度數據，區間為2008年12月—2018年12月。以上利率均為單利。中國優質企業債收益率用七年期AAA級企業的到期收益率代理，中等企業債券收益率用七年期AA級企業的債券到期收益率代理。數據來自于Wind數據庫。

美國的數據窗口為2004年9月—2019年2月，美國的銀行間利率用有效聯邦基金利率代理；短期貸款利率為銀行最優惠貸款利率（bank prime loan rate），它由美國最大的25家商業銀行發布，被用來為商業銀行短期貸款提供定價基準。由于美聯儲沒有公布工商業的中長期貸款利率，本文使用美國商業銀行中長期的個人貸款利率做代理變量，具體而言選用48個月的新車購置貸款利率。住房抵押貸款利率用15年固定利率抵押貸款來代理。以上利率均為單利。美國國債利率為即期收益率。美國優質企業債收益率用穆迪發布的Aaa級公司債收益率代理，其選擇的債券期限為20年以上的；中等級別的企業債收益率用Baa公司債收益率代理。數據來自于圣路易斯美聯儲。

歐元區的數據窗口為2000年1月—2019年2月。歐元區銀行間利率選擇歐元區銀行隔夜拆借平均利率（Euro Over Night Index Average，EONIA）；短期貸款利率選擇金額100萬歐元以下的企業浮動貸款利率；中長期貸款利率選擇100萬歐元以下、固定利率期為1～5年的企業貸款利率；住房貸款利率選擇固定利率期十年以上的貸款利率。以上利率均為單利。歐元區國債即期收益率選擇的債券集合為AAA級國債以減少歐洲主權債務危機的影響，受數據可得性限制，實際區間為2004年9月—2019年2月。以上數據均來自ECB網站。歐元區Aaa級和Baa級企業債收益率數據來自于彭博巴克萊債券指數集，數據區間為2004年4月—2019年2月。

（三）數據的描述性統計分析

各變量的統計性描述結果如表1所示。從表1中可以看出，銀行間利率在利率譜系中處于次低水平，僅高于三個月期國債利率；同時，期限越長，利率水平越高；信用風險較高的公司債利率高于國債利率。近年來歐元區的貨幣市場利率出現負值，這與歐央行實行負的存款便利利率有關。從銀行間利率相對于國債利率的波動性來看，中國銀行間利率的波動性較高。最后，對各變量進行ADF檢驗，發現所有變量的一階差分都是平穩的，沒有任何一個變量是二階單整，實施NARDL模型的條件得到滿足。

表1 各變量的描述統計分析及單位根檢驗

三、實證結果

本文運用NARDL模型進行回歸分析，選擇的最大滯后階數為6，并用AIC準則確定最優的滯后階數，得到一系列參數估計。表2匯報了銀行間利率向其他市場利率傳導的對稱性檢驗的Wald統計值。可以發現：中國、美國和歐元區的部分利率傳導存在短期和長期的非對稱現象。具體而言，中國銀行間利率在向短期貸款利率、五年期和十年期的國債收益率傳導時存在短期非對稱性，在向中長期貸款利率傳導時存在長期不對稱性。美國銀行間利率在向中長期貸款利率、三個月和一年國債收益率、Baa企業債收益率傳導時存在短期不對稱性，向短期貸款利率、Aaa企業債收益率傳導時存在長期不對稱性。歐元區銀行間利率在向中長期貸款利率傳導時存在短期不對稱性，向三個月、一年和五年的國債收益率傳導時存在長期不對稱性。

NARDL模型的長期系數估計結果如表3所示①為了節省篇幅，本文省略短期系數，有需要的可以向作者索取。，對比中國和美、歐的利率傳導效率發現：

1.中國的銀行間利率向短期貸款（票據貼現）利率、債券收益率的傳導效率與美、歐差距不大。例如，中國銀行間利率向短期貸款利率的正向與負向傳導率分別為1.04與1.08，高于美國的0.99與0.97，低于歐元區的1.73和1.25；中國銀行間利率向三個月國債收益率的正向和負向的傳導率均為0.81，美國相應的傳導效率則分別為0.90和0.87，歐元區的為0.81和0.93，相互之間差距并不大。這是符合直覺的。中國票據貼現、轉貼現利率自2007年以來便已實現在Shibor基礎上加點形成，因而銀行票據融資利率對銀行間利率反應靈敏。在套利機制作用下，中國的短期國債市場與同業拆借市場、銀行間質押回購市場形成了較強聯動關系，因而銀行間市場利率向短期國債市場的傳導效率也較高，這反映了中國利率市場化不斷深化的現實。

2.中國的銀行間利率向中長期貸款利率和債券收益率的傳導效率低于美、歐。中國銀行間利率向中長期貸款利率的正向傳導效率為0.49，負向傳導效率為0.55，負向傳導效率大于正向傳導效率，其原因可能在于中國銀行間利率不時出現時點性飆升，對提高中長期貸款利率的作用不大；美國聯邦基金利率向中長期貸款利率的正向傳導效率為1.78，負向傳導效率為1；歐元區銀行間利率向中長期貸款利率的正、負向傳導效率均在0.8以上。向中長期債券收益率的傳導效率方面，中國銀行間利率向一年期國債收益率的正向和負向傳導效率分別為0.55和0.54，美國的傳導效率分別為0.77和0.75，歐元區的情況為0.65和0.87。中國銀行間利率對五年期國債收益率的傳導效率不顯著，而美國聯邦基金利率對五年期國債收益率的正向和負向傳導效率分別為0.37和0.53，歐元區的正向傳導效率不顯著但負向傳導效率顯著為0.53。中國銀行間利率向中長期貸款、債券利率的傳導效率較低可能反映了銀行間利率向未來銀行間利率的引導作用較低。

表2 短期與長期利率傳導的對稱性檢驗

此外，表3還匯報了FPSS和tBDM值，可用于判斷長期協整關系是否顯著，當其絕對值大于邊限值的絕對值時，可以認為長期協整關系成立。可以看到，對中國而言，除住房貸款利率與銀行間利率的協整關系不顯著外，其他利率與銀行間利率的長期協整關系均是顯著的，說明中國銀行間利率基本已與廣泛市場利率形成了聯動關系。

表3 NARDL模型長期系數的估計結果

圖1～圖3為累計動態乘子，它描述了銀行間利率的正向或負向單位變化對銀行貸款利率、債券利率等的動態影響。從圖1可以看到，中國銀行間利率向短期貸款利率和長期國債收益率的傳導存在短期的正向不對稱性，即這些利率在短期呈現“易升難降”的特點。其原因可能與轉換成本、貸款利率向下剛性和商業周期因素有關。但長期而言，這種不對稱性不顯著，或者在數值上很小，說明這些因素的影響是暫時的。從傳導速率上講，銀行間利率對一年期國債利率、公司債利率和短期貸款利率傳導較快，而對長期貸款利率和住房購買貸款利率傳導速度較慢。這說明期限長的利率品種對銀行間利率反應較為滯后。從圖2和圖3可以看到，美國短期貸款利率對聯邦基金利率的反應幾乎是同時的且傳導完全，美國中長期貸款利率和一年期國債利率的反應呈現短期正向非對稱性。歐元區對中長期貸款利率的傳導具有短期正向非對稱性，對國債利率的傳導具有長期負向不對稱性。此外，美國和歐元區的銀行間利率向貸款利率的傳導速度均快于中國。這可能說明中國銀行業貸款利率定價的市場化程度還有待進一步提高。

四、進一步的討論：即期銀行間利率對未來銀行間利率預期的影響

由前文的實證分析可以看出，中國銀行間利率向中長期利率傳導的效率低于美國和歐元區。而由理論分析可知，這可能與即期利率變動對未來利率預期的影響有關。即期利率對未來利率預期的影響越強，則傳導效率更高。本部分檢驗各國銀行間利率對未來利率預期的影響，進而為中國利率傳導率較低提供一個可能的解釋。

本文構建如下計量模型

其中，自變量mrt為七天銀行間質押回購利率，因變量為銀行間利率預期。利用銀行間遠期利率與未來銀行間利率預期的關系，可將式（11）轉換為

式（12）的自變量多了一個期限溢價。以往研究關于期限溢價的假設有三種情形：一是在純理性預期的假設下，期限溢價為0；二是期限溢價不隨時間變化，只與期限結構有關；三是期限溢價為時變的。第三種情形更為切合實際。 Tzavalis和 Wickens[29]369假設不同的期限溢價滿足 ?t（m，n）=γm，n，m′，n′?t（m′，n′）的形式，此時能較好地控制時變的期限溢價。本文參考這一方法，取m′=1，n′=2。于是，帶入式（12）可以進一步得到如下回歸模型

其中，殘差 φt=γm，n，1，2（Rt+1，1-EtRt+1，1）+εt。 對于殘差中的（Rt+1，1-EtRt+1，1）項，假設對利率的預期是真實利率的無偏估計。因此殘差φt的均值為0，但是其與回歸項具有相關性，因而不滿足外生性條件，需用 GMM的方法進行估計。Tzavalis和Wickens[29]373-374選擇的是一年與一個月債券利率的利差，短期利率差分的一期滯后項以及一年期債券利率的差分來作為工具變量。參考上述方法，對中國而言，選擇21天銀行間利率與14天銀行間利率的利差、21天銀行間利率的差分和14天銀行間利率的差分作為工具變量。對于美國和歐元區，由于數據可得性不同，選擇期限為一個月與一星期的Libor利差及其分別的差分為工具變量。分別計算的遠期利率時間序列，帶入式（13）進行回歸，可得到β值。這個值既衡量短期銀行間利率對遠期利率的影響，也是其對未來利率預期的傳導效率 （具體回歸結果如表4所示）。

中國銀行間利率對未來銀行間利率預期的引導作用衰減相對較快的原因有兩個方面：（1）中國對銀行間利率的管理較為粗放，銀行間利率受短期因素影響而波動性較大。例如在季末、年末和繳稅高峰等時點，銀行間利率可能會出現短期飆升，但這并不意味著貨幣政策轉向，經濟主體對未來銀行間利率的預期并沒有發生太大的變化。而美國和歐元區都將銀行間利率作為貨幣政策的操作目標，積極通過公開市場操作穩定銀行間利率，并且建立了較為完善的利率走廊機制。美國聯邦基金利率的目標區間寬度僅25個基點，歐元區的利率走廊寬度也僅75個基點。因此，美國和歐元區的銀行間利率受到與貨幣政策無關的擾動較小。（2）美聯儲和歐央行對未來銀行間利率走勢提供了前瞻指引。美聯儲會在FOMC會議結束后發表聲明，通過措辭的微調提示未來聯邦基金利率的可能走勢，同時還會定期發布未來聯邦基金利率的點陣圖，通常點陣圖的變動與當期聯邦基金利率的變動是一致的，因而當期聯邦基金利率的變動能對未來利率預期起到較好的引導作用。歐洲中央銀行在貨幣政策會議的新聞通訊稿中也會就未來利率走勢進行前瞻指引，例如2019年12月歐央行在會后聲明中承諾 “關鍵利率將繼續保持或低于當前水平直到通貨膨脹回歸至預期目標”，這使得當前政策利率變動能傳導至未來預期。中國貨幣政策前瞻指引主要體現在貨幣政策執行報告“下一階段主要政策思路”中，但其表述相對隱晦和模糊，多用“穩健”一詞概述貨幣政策，讓人難以判斷人民銀行傾向于寬松抑或緊縮，不利于市場主體對未來銀行間利率走勢形成較為清晰的預期。因而，中國即期銀行間利率對未來銀行間利率的引導力不夠。

五、結論和政策建議

本文研究發現：中國銀行間利率向短期貸款利率的正向和負向傳導效率以及向三個月國債利率的正、負向傳導與美、歐相近；但向中長期貸款和債券利率的傳導效率低于美、歐。中國即期銀行間利率對一年以內銀行間利率預期的傳導效率較高，而對一年之上利率預期的傳導效率明顯弱于歐、美。這可能是中國銀行間利率向中長期利率傳導效率較低的原因之一。進一步分析認為即期銀行間利率對利率預期引導力較弱主要是因為銀行間利率的波動性較高和中國貨幣政策的前瞻指引不夠。

本文的研究貢獻有兩點：（1）在利率傳導機制上創新性地探討了預期因素對傳導效率的影響。（2）運用較新的NARDL模型對中國的利率傳導效率做了實證研究，并首次實證檢驗了中國銀行間利率對未來銀行間利率預期的影響。

為提高中國銀行間利率向市場利率譜系的傳導效率，政策層可以從以下幾個方面著手：（1）完善公開市場操作和利率走廊機制，降低銀行間利率的波動性，發揮其傳遞貨幣政策意圖的功能。只有降低銀行間利率的波動性，市場參考銀行間利率定價的意愿才會增強，利率傳導機制才更為通暢。（2）適時對未來利率走向進行前瞻指引，使市場形成對未來銀行間利率水平的合理預期，從而提高即期銀行間利率向中長期市場利率的傳導效率。（3）進一步推動以利率市場化為核心的一系列體制改革，包括增加商業銀行存貸款定價的能力和市場性，增加銀行業的競爭度；完善征信體系，提高市場的透明度，降低信息的不對稱程度；增加國債市場、利率衍生品市場的廣度和深度，促進中長期基準利率的形成等。