MLF擔保品范圍擴大對銀行流動性創造的影響

周先平，陳明威，羅瑞豐

（1.中南財經政法大學 金融學院，湖北 武漢 430073；2.對外經濟貿易大學 金融學院，北京 100029）

一、引言

早在2013年央行就開始創新、豐富貨幣政策工具，如常備借貸便利、中期借貸便利、補充抵押貸款等（見表1）。上述政策工具需要銀行以符合要求的資產進行質押，這些資產多為國債、央行票據、政策性金融債、高等級信用債等優質債券。其中，MLF擔保品范圍經歷了兩次擴大，特別是2018年6月這次，范圍擴大的力度很大。在此背景下，探究MLF擔保品范圍擴大的政策效應成為新的研究熱點。

表1 央行創新性貨幣政策工具的合格擔保品范圍

現有研究集中討論了創新型貨幣政策對債券信用利差的影響，比如王永欽等（2019）發現降低債券的可抵押性會提高債券的一級市場利差。現有研究存在兩方面的不足：一方面，由于因果估計手段有限，難以將基于擔保品的創新型貨幣政策的效果與其他貨幣調控政策的效果區分開。另一方面，現有研究專注于從直接作用渠道討論擔保品范圍變化對債券市場，進而對擔保品發行人融資成本的影響。而從間接作用渠道來說，流動性創造是商業銀行的根本職能之一，銀行通過向公眾吸收流動性負債并轉化為非流動性資產的方式創造流動性。MLF擔保品范圍擴大會影響商業銀行資產和負債，進而對商業銀行的流動性創造和貸款發放產生影響。學術界對這一間接作用渠道的研究比較缺乏。MLF擔保品范圍擴大為研究該間接作用渠道提供了良好的準自然實驗環境。基于此，本文利用2013—2020年銀行財務數據，運用雙重差分法（DID）研究MLF擔保品范圍的擴大對銀行流動性創造的影響，以此為宏觀調控部門制定結構化貨幣政策，提高中小銀行流動性創造，緩解特定企業融資約束提供重要的政策啟示。

二、文獻綜述

（一）貨幣政策工具的市場效應

關于傳統貨幣政策工具市場效應的研究非常豐富。在股票市場方面，張金華等（2014）認為，緊縮性利率型貨幣政策與股市收益率波動顯著負相關；但當股市狀態比較低迷時，股市收益率波動會受到更大幅度和更長時期的沖擊。王少林等（2015）認為貨幣政策與股市的相互影響并非是一致的，貨幣政策能夠顯著影響股市，但反之股市對貨幣政策的影響卻不盡如人意。當然，也有學者指出，貨幣政策對股票市場不具有政策有效性，有時還產生了相反效果。比如，李戎等（2017）運用時間序列計量模型證實，貨幣政策并不能對股票市場產生明顯的影響。王性玉等（2018）分別考察預期和非預期的貨幣政策對股票市場的影響，發現可預期利率和可預期貨幣供應量對滬深300股市收益率沒有影響；同時，未預期利率與滬深300股市收益率之間存在顯著負相關關系，而未預期貨幣供應量與滬深300股市收益率之間存在微弱正相關關系。

關于創新型貨幣政策工具市場效應的研究比較少。在股票市場方面，朱寧等（2019）研究發現，中期借貸便利可顯著降低股票市場收益率波動，穩定市場，且不同期限效果不同，期限越長效果越好；常備借貸便利的利率走廊上限作用偶有失效，造成股票市場收益率波動增加；短期流動性調節的操作定向性和信息披露不及時，增加股票市場收益率波動。在債券市場方面，鄒文理等（2020）認為，新型貨幣政策工具在不同的行情下對債券收益率的影響可能存在異質性。具體來說，在熊市行情下運用新型貨幣政策工具以刺激債券市場，促進債券價格回升是有效的，在牛市行情下使用新型貨幣政策工具的效果欠佳。

在貨幣政策對債券市場的傳導方面，相關學者驗證了銀行間市場利率（包括債券收益率）與貸款利率、存款利率上限、存款準備金率和央行的凈回收資金規模正相關。王宏生（2013）認為，央行正回購利率能夠有效地引導SHIBOR、債券市場回購利率發生變動。張克菲等（2018）認為，MLF操作對債券市場產生的影響不容忽視，其中，對中期債券收益率的沖擊當期最大。

目前有一些研究討論了量化寬松與非常規貨幣政策的市場效應，探討了新型貨幣政策工具對股票市場、債券市場的影響，但是有關新型貨幣政策工具對商業銀行流動性創造，進而對信貸影響的研究卻鮮有涉及。

（二）新型貨幣政策對債券信用利差的影響

黃振等（2021）研究表明，小微債券等特定債券資產納入央行中期借貸便利擔保品范圍后，會對相關債券的資產價格產生政策效應，引導債券信用利差下行，從而引致企業直接融資成本下行。一方面，市場中被納入擔保品框架的資產占比并不大，因此市場上對被納入擔保品框架的資產需求更為旺盛，相關資產價格也會有一個上漲的預期。另一方面，由于具有央行的背書，普通投資者對該類資產的需求量也會增大。因此，當債券符合央行擔保品的要求時，債券價格就會上漲，相應地，到期收益率會下降，債券信用利差也會隨之下降。一些學者基于這個思路，進一步探討了央行擔保品政策的綠色效應，比如陳國進等（2021）研究發現，央行擔保品范圍擴大能夠降低綠色企業的債券信用利差，引導綠色企業債券融資成本下行，推動企業綠色轉型。另外，該政策實施后對債券資產價格的沖擊也會存在異質性。王永欽等（2019）研究發現，MLF擔保品范圍擴大對非國有企業的債券信用利差的沖擊可能更大，相對于地方國有企業，中央企業債券信用利差可能會降低得更多。

就擔保品框架發揮作用的機制來看，國有企業與非國有企業的差異主要是來自于增信機制，由于政府對國有企業存在一定的隱性擔保，其本身就有政府的信用背書，因此相較于非國有企業其信用風險較小，信用評級更高。相應地，國有企業的融資成本以及債券信用利差也就越低。所以，央行擔保品管理框架對國有企業增信的提升作用較小。對于非國有企業而言，由于不存在政府的信用背書，通過MLF擔保品范圍擴大對非國有企業進行增信，有助于其債券信用利差的降低。

綜上所述，現有文獻對創新型貨幣政策效應的研究主要分為兩類。一類是單純研究創新型貨幣政策的市場效應，運用時間序列方法探討創新型貨幣政策對匯率、利率等指標的影響。另一類是研究擔保品政策框架調整對實體經濟的支持效應。目前第二類研究主要討論了擔保品范圍擴大的直接作用渠道，即擔保品范圍擴大是否會引導債券信用利差下行，從而降低企業融資成本。但擔保品范圍擴大也會影響商業銀行的流動性創造及其穩定狀況，進而影響貸款的發放，目前對這種間接作用渠道的研究較少。

基于此，本文利用2013—2020年銀行財務數據，運用雙重差分法（DID）對MLF擔保品范圍擴大的銀行流動性創造效應進行了研究。研究發現：（1）MLF擔保品范圍擴大能顯著促進中小銀行流動性創造，經過平行趨勢檢驗和安慰劑檢驗等一系列穩健性分析，結論依然可靠。（2）MLF擔保品范圍擴大雖然不能持續促進中小銀行流動性創造，但卻能平滑流動性創造的波動，降準政策會干擾這種平滑作用。（3）從MLF擔保品范圍擴大的傳導機制看，一方面，MLF擔保品范圍擴大意味著這些資產被央行認可，資產價格和流動性會提升，中小銀行更愿意配置這些信貸資產從而創造流動性。這種效果在穩健性差的銀行表現更為明顯。另一方面，MLF擔保品范圍擴大降低了中小銀行融資成本，促進了銀行流動性創造。（4）異質性分析發現，傳統貨幣政策與MLF擔保品范圍擴大政策存在替代效應，在總量貨幣政策寬松時，MLF擔保品范圍擴大政策的效果會受到削弱。另外，對客戶集中度較低的銀行而言，MLF擔保品范圍擴大的政策效果會更好。

本文可能的邊際貢獻主要體現在三個方面：一是提出了MLF擔保品范圍擴大的間接作用渠道。以往研究關注MLF擔保品范圍擴大的直接作用渠道，即探討MLF擔保品范圍擴大能否引導新納入擔保債券信用利差下行，降低新納入擔保品發行人的融資成本。本文則從間接作用渠道入手，探討MLF擔保品范圍擴大能否提高以及平滑中小銀行流動性創造，從而促進針對小微企業的貸款發放。二是本文利用MLF擔保品范圍擴大這一準自然實驗，運用雙重差分法對創新型貨幣政策效應進行因果推斷，一定程度上避免了其他不可觀測因素的干擾。三是本文的研究對宏觀調控部門使用創新型貨幣政策工具，通過銀行渠道傳導，進而定向緩解中小企業融資約束有一定的參考意義。

三、理論分析及研究假說

流動性創造是商業銀行的基本職能，商業銀行通過流動性負債為非流動性資產融資從而創造流動性。分析MLF擔保品范圍擴大能否間接作用于實體經濟，關鍵是看MLF擔保品范圍擴大能否促進商業銀行流動性創造及平滑其波動。

本文理論分析的主要思路是：從資產端來看，擔保品范圍擴大后，這些新納入的擔保品被央行認可，這些資產在市場上更容易被投資者所接受，資產價格和流動性都會提升，銀行也更愿意將信貸資源配置到這些資產領域，從而創造流動性；從負債端來看，擔保品范圍擴大后，商業銀行以低成本從央行融資的規模會增加，同時由于持有這些資產的價格和流動性上升，商業銀行在同業市場上也能以較低的融資成本獲得資金。融資規模的上升和融資成本的下降，有利于商業銀行的信貸發放，從而提升流動性創造。這就是MLF擔保品范圍擴大提升流動性創造的“資產認可渠道”和“融資成本渠道”。在現實中，資產端和負債端的影響可能相互傳導，本文為了便于分析對兩種效應加以區分。

（一）MLF擔保品范圍擴大對銀行流動性創造的影響

就銀行資產端而言，MLF擔保品范圍擴大意味著央行認可的資產增加，商業銀行也會配置更多這些新的被央行認可的資產，從而在某種程度上改變商業銀行的資產狀況和結構。央行將優質的綠色貸款、小微企業貸款納入擔保品范圍，實際上鼓勵了中小銀行將信貸資源更多地投放到綠色、小微等領域，創造出更多的流動性，從而給予中小微企業更多資金。

就銀行負債端而言，MLF擔保品范圍擴大有利于商業銀行憑借這些擔保品從央行獲得更多的低成本資金，同時，由于央行認可了新的擔保品，持有這些擔保品的銀行資產流動性會增加，也有利于降低銀行在貨幣市場的融資成本。負債成本的下降有助于中小銀行更好地服務綠色、小微領域，從而完成流動性創造。綜合來看，由于中小銀行綠色、小微信貸占比更高，MLF擔保品范圍擴大能夠降低中小銀行的融資成本，從而有利于中小銀行進行流動性創造。由此，本文提出假設1。

假設1：MLF擔保品范圍擴大有利于促進中小銀行流動性創造。

（二）MLF擔保品范圍擴大對銀行流動性創造的波動的影響

長期來看，中小銀行是否發放新的貸款，需要考慮的因素非常多，包括宏觀經濟預期、貨幣政策整體狀況、行業和客戶特征等。MLF擔保品范圍擴大只是結構性的，不代表貨幣政策整體狀態，因此該政策不能在長期內持續提高中小銀行流動性創造水平。

相對于存款準備金政策來說，在MLF業務中，央行的角色是被動的，商業銀行的角色是“主動”的，什么時候利用MLF從央行融資，融資多少，都由商業銀行自主決定。因此，在面臨不確定性時，MLF擔保品范圍擴大為商業銀行提供了一個管理其負債的“備用”工具，穩定的負債來源當然有利于平滑流動性創造。這就是MLF擔保品范圍擴大平滑流動性創造的主要機理。由此，本文提出假設2。

假設2：MLF擔保品范圍擴大能夠平滑中小銀行流動性創造。

四、研究設計

（一）計量模型與估計方法

本文借鑒孫海波等（2019）利用政策實施構造準自然實驗的方法，將央行MLF擔保品范圍擴大視為“準自然實驗”，通過雙重差分模型來考察MLF擔保品范圍擴大對銀行流動性創造水平的提升作用和平滑效應。

參考劉莉亞等（2021）、李明輝等（2014）、田國強等（2020）的研究，本文構造銀行流動性創造指標LC_TA。LC_TA的計算方法主要分為三步：第一步，根據變現的難易程度、交易成本與時間期限，將銀行資產負債表和表外科目劃分為流動性、半流動性和非流動性三類。第二步，對不同流動性的科目賦予權重。對非流動性資產和流動性負債賦予0.5的權重（此部分能夠為銀行創造顯著為正的流動性，因此賦值權重為正），對非流動性負債和流動性資產賦予-0.5的權重（此部分流動性很弱甚至表現為流動性的負向吸收，會阻礙銀行的流動性創造，因此賦值權重為負）。表外業務與資產業務性質類似，因而對流動性和非流動性表外業務分別賦予-0.5和0.5的權重。對表內表外所有半流動性業務賦予0的權重，原因在于半流動性業務大多起著通道作用，既沒有吸收外部的流動性，也沒有向外創造流動性，因此賦值權重為0。第三步，根據前兩步的流動性劃分和權重賦值，通過加權求和的方法來計算商業銀行的流動性創造，公式如下：流動性創造=0.5×（非流動性資產+流動性負債+非流動性表外業務）+0×（半流動性資產+半流動性負債+半流動性表外業務）-0.5×（流動性資產+非流動性負債+流動性表外業務）。最后進行規模化處理：流動性創造/銀行總資產×100。本文用下列模型來驗證MLF擔保品范圍擴大的政策效應。

本文將中小銀行作為實驗組，大型國有商業銀行作為對照組。這樣劃分的依據主要有兩個：一是從商業銀行信貸業務發展歷史來看，大型國有銀行憑借資源稟賦，能夠獲得大量中央企業、國有企業資源，而中小銀行受制于資源、規模及信貸投放能力，信貸資源更多投向小微、民營企業。因此MLF擔保品范圍向小微、“三農”信貸資產擴容可能對中小銀行的影響更大。二是從商業銀行的信貸規模占比來看，根據2021年銀保監會統計數據估算，中小銀行的普惠型小微信貸資產占信貸資產比例在三分之二以上，約為大型國有銀行的2.5倍。

在模型（1）中，Treat組別為虛擬變量。當樣本為大型國有商業銀行時，Treat取值為0，反之取值為1。Post表示時間虛擬變量，當樣本年份在2018年之后時（不包括2018年）取值為1，反之取值為0。dt表示Treat與Post的交乘項，表示政策虛擬變量。controls為控制變量。

本文選取的主要控制變量有：銀行層面的存貸款增長率、基本獲利率、資產周轉率、不良貸款率、撥備覆蓋率、銀行同業存放款項、資產規模等變量，以及宏觀經濟層面的GDP增長率和M2增長率等指標。

同時，為了驗證MLF擔保品范圍擴大對銀行流動性創造的平滑效應，本文構建銀行流動性創造波動指標LC_TAsd，采用DID模型（2）進行回歸分析。其中，銀行流動性創造波動指標（LC_TAsd）使用連續三年銀行流動性創造指標的標準差來衡量。

類似模型（1），本文將中小銀行作為實驗組，大型國有銀行作為對照組進行考察。當樣本為大型國有銀行時，Treat取值為0，反之取值為1。當樣本年份在2018年之后時（不包括2018年），Post取值為1，反之取值為0。dt表示Treat與Post的交乘項。controls為控制變量。

（二）樣本與變量

1.數據來源

本文使用的商業銀行數據來源于WIND數據庫和CSMAR銀行財務數據庫，樣本期為2013—2020年。樣本中剔除了政策性銀行、郵政儲蓄銀行、網商銀行、外資銀行以及樣本少于三年的銀行。GDP增長率等宏觀經濟數據來源于《中國統計年鑒》。最終，本文獲得273家銀行共2145個樣本。最后，為避免異常值的影響，本文對所有變量進行了上下1%的縮尾處理。

2.變量說明

本文的被解釋變量為商業銀行流動性創造與商業銀行流動性創造波動，解釋變量為政策虛擬變量，主要的控制變量有銀行層面的存貸款增長率、基本獲利率、資產周轉率、不良貸款率、撥備覆蓋率、資產規模等變量，以及宏觀經濟層面的GDP增長率和M2增長率等指標。主要變量的定義及說明如表2所示。

表2 變量定義及說明

（三）描述性統計

表3顯示的是變量的描述性統計結果。從中可以發現，目前我國商業銀行的流動性創造水平差異較大，最大值為30.138，最小值為16.317。就銀行資產質量層面而言，不同銀行的資產質量指標的差異也相對較大：不良貸款率的最大值為23.43，最小值為0.04；撥備覆蓋率最大值為63.65，最小值為1.32；就銀行盈利能力而言，其基本獲利率最大值為0.112，最小值為-0.052，這說明銀行的盈利能力差別較大。其他控制變量的描述性統計結果均在合理范圍內。

表3 變量的描述性統計

五、實證分析

（一）平行趨勢檢驗

首先進行平行趨勢檢驗。采用雙重差分估計方法（DID）要求政策沖擊是外生的，不能與模型的隨機擾動項相關。如果有遺漏變量能同時影響銀行流動性創造和MLF擔保品范圍擴大政策，那么就不能確定中小銀行受到了政策影響。因此，在基準回歸之前進行平行趨勢檢驗是十分必要的。

本文借鑒Li等（2016）的事件研究法進行平行趨勢檢驗，并繪制出平行趨勢檢驗圖，如圖1所示。使用生成年份虛擬變量與處理組虛擬變量的交互項，將這些交互項作為解釋變量進行回歸，被解釋變量為商業銀行流動性創造指標，最后將回歸后變量的系數與置信區間在圖1中列示。圖1表明，在政策實施年份之前的2014—2016年（回歸中為避免多重共線性剔除了2017年的年份虛擬變量與處理組虛擬變量的交互項），交互項的系數為負或者為0，但在政策實施年份后，交互項的系數均顯著為正。這表明，相較于政策實施前，處理組的流動性創造水平確實得到了較為顯著的提升。

圖1 平行趨勢檢驗

（二）基準回歸結果

表4顯示了基準回歸結果。其中（1）列顯示的是未加入GDP增長率和M2增長率等宏觀經濟變量的結果。（2）列則是加入了宏觀經濟變量的結果，加入宏觀經濟變量的目的是控制因經濟增長和總量貨幣政策變化給因變量帶來的影響。（1）（2）列的結果均表明：政策虛擬變量dt的系數為正，且能在1%水平下通過顯著性檢驗，這表明MLF擔保品范圍擴大能夠顯著促進中小銀行流動性創造。由于中小銀行是服務小微企業的主力軍，中小銀行創造流動性能夠提高小微企業的信貸可獲得性，緩解小微企業的融資約束。

表4 基準回歸結果

（三）穩健性檢驗

1.安慰劑檢驗——縮短樣本時間

由于本文選取的時間窗口為2013—2020年，而2013年央行開始建立擔保品框架，隨后逐步擴大了擔保品范圍，這可能會對分析MLF擔保品范圍擴大的政策效應造成干擾。基于此，本文將樣本區間縮短為2014—2020年，以進行穩健性檢驗。

表5顯示了縮短樣本區間后的回歸結果。類似基本回歸，（1）列顯示的是不加入宏觀經濟變量的回歸結果，（2）列顯示的是加入宏觀經濟變量后的回歸結果。（1）（2）列的結果均顯示，政策虛擬變量的系數為正且能在1%的水平下通過顯著性檢驗，進一步支持了基準回歸結果的穩健性。

表5 安慰劑檢驗——縮短樣本時間

2.安慰劑檢驗——替換政策實施年份

如果銀行變量的變化不是由MLF擔保品范圍擴大政策帶來的，而是隨著時間推移由銀行其他不可觀測的因素所導致，這同樣會影響研究結果的穩健性。因此，本文通過構造“虛假”實施年份進行安慰劑檢驗，選取MLF擔保品范圍擴大政策的前兩年（2016年）作為虛擬的政策處理年份，重新進行回歸。回歸結果如表6所示。

表6 安慰劑檢驗——替換政策實施年份

其中，（1）列顯示的是采用虛假政策處理時間的結果，（2）列顯示的是基準回歸結果。（1）列結果顯示，政策虛擬變量1的系數為正，但并不能通過顯著性檢驗。（2）列的基準回歸結果則可以通過顯著性檢驗。安慰劑檢驗的結果表明，將其他年份作為MLF擔保品范圍擴大的實施年份無法得到顯著的估計結果，說明MLF擔保品范圍擴大政策對銀行流動性創造指標的影響不是由常規性的隨機因素所導致的。

3.傾向得分匹配-雙重差分法

考慮到不同類型銀行間風險管理水平和財務狀況差異較大，容易產生選擇性偏誤問題。這樣，對照組和處理組之間的可比性并不強。鑒于此，本文采用傾向得分匹配-雙重差分（PSM-DID）的方法進行穩健性檢驗。首先，使用傾向得分匹配法先匹配與處理組相近的對照組。匹配方法是：將金融指標作為協變量，采用Logistic回歸模型計算傾向匹配得分；使用最近鄰匹配法；從大型商業銀行中為中小銀行尋找一對一的匹配樣本。然后，采用共同支撐的方法檢驗匹配樣本的平衡性，去掉不能通過檢驗的觀測值。

表7顯示的是傾向得分匹配結果。結果顯示，經過傾向得分匹配后，處理組與對照組之間的差異并不顯著。說明傾向得分匹配是成功的，匹配后，處理組找到了其相對應的對照組。

表7 傾向得分匹配結果

表8顯示的是對傾向得分匹配后的樣本再次使用雙重差分方法的估計結果。（1）列未加入宏觀經濟控制變量，（2）列加入了宏觀經濟控制變量。回歸結果顯示，無論加不加入宏觀經濟控制變量，MLF擔保品范圍擴大的政策虛擬變量系數均為正，且能在1%的顯著性水平下通過檢驗，這個回歸結果與基準回歸分析的結果基本一致，穩健地支持了MLF擔保品范圍擴大促進了商業銀行流動性創造的基本結論。進一步說明，在排除因樣本選擇性偏誤而可能產生的內生性問題后，主要結論依然成立。

表8 PSM-DID回歸結果

六、機制分析

（一）資產認可渠道

理論分析部分指出，將優質的綠色貸款、小微企業貸款納入擔保品范圍，這些資本被央行認可，會提高這些資產的流動性和價格，從而鼓勵中小銀行創造流動性。比如，綠色貸款、小微企業貸款被認可后，更容易進行資產證券化，進而提高資金利用效率和資產質量。從實證檢驗的角度來看，為了驗證資產認可渠道的存在，就需要驗證銀行資產質量指標能否起到顯著的調節作用。因此，本文考慮將政策虛擬變量與銀行資產質量指標的交乘項納入模型進行回歸。銀行資產質量用不良貸款率、撥備覆蓋率等來表示。

回歸結果如表9所示。（1）（2）列是分別加入了政策虛擬變量與不良貸款率、撥備覆蓋率交乘項的回歸結果。這樣處理的目的是為了從銀行資產質量層面探究MLF擔保品范圍擴大促進中小銀行創造流動性的作用機制。結果顯示：不良貸款率與政策虛擬變量的交乘項的系數為正且能在10%的水平下通過顯著性檢驗；而撥備覆蓋率與政策虛擬變量的交乘項的系數卻顯著為負。這說明不良貸款率對MLF抵押品范圍擴大促進中小銀行創造流動性的效果具有顯著的正向調節作用，而撥備覆蓋率卻具有負向調節效應。

表9 機制檢驗——資產認可渠道

綜合來看，隨著MLF擔保品范圍擴大，新的資產被央行認可，資產流動性和資產質量得到改善進而促進流動性創造，這種效應在不良貸款率高的中小銀行表現更為顯著。

（二）融資成本渠道

據前文所述，MLF擔保品范圍擴大有利于商業銀行憑借這些擔保品從央行和貨幣市場以更低的成本融資，進而促進銀行貸款發放和流動性創造。為了驗證融資成本渠道的存在，考慮將政策虛擬變量和融資成本的交乘項納入回歸模型。參考劉莉亞等（2021）的研究，本文使用利息支出/銀行資產規模作為融資成本的代理變量。

表10顯示了融資成本渠道檢驗的回歸結果。其中（1）列未加入宏觀經濟控制變量，（2）列則加入了宏觀經濟變量。結果顯示：無論加不加入宏觀經濟控制變量，政策虛擬變量與融資成本的交乘項的系數為正，且均能通過顯著性檢驗，這說明融資成本變量具有顯著的正向調節作用。MLF擔保品范圍擴大后，融資成本較高的中小銀行能夠通過該政策從央行和貨幣市場融資，降低融資成本，從而顯著提升流動性創造水平。因此，融資成本渠道是存在的。

表10 機制檢驗——融資成本渠道

七、進一步分析

（一）持續的流動性創造還是平滑流動性創造

本文進一步探討MLF擔保品范圍擴大的其他政策效應，包括是否能持續提高中小銀行流動性創造水平，是否能夠平滑中小銀行流動性創造的波動。采取前后連續三年銀行流動性創造指標的方差作為衡量中小銀行流動性創造的波動指標。回歸結果如表11所示。其中，（1）列的因變量是流動性創造波動指標。（2）（3）列則研究了政策的動態效應，將政策時間虛擬變量替換為各個年份時間虛擬變量（2018年，2019年）。（1）列回歸結果顯示，政策虛擬變量的系數顯著為負且能在1%的水平下通過顯著性檢驗，表明MLF擔保品范圍擴大能顯著降低中小銀行流動性創造水平的波動性，具有平滑效應。（2）（3）列結果表明政策效果有隨時間減弱的現象。這說明，MLF擔保品范圍擴大雖然不能持續改善中小銀行的流動性創造水平，但卻能起到一定的平滑作用。

表11 MLF擔保品范圍擴大對銀行流動性創造的平滑效應

為了驗證回歸結果的穩健性，本文采取前后連續五年銀行流動性創造指標的標準差作為流動性創造波動的替代指標進行回歸分析。回歸結果如表12所示。其中，（1）（2）列的因變量是流動性創造波動指標的替代變量，二者的區別是控制宏觀經濟變量與否。兩列的回歸結果均顯示政策虛擬變量的系數為負且能在1%的水平下通過顯著性檢驗。這說明，MLF擔保品范圍擴大確實能顯著降低中小銀行流動性創造水平的波動性，起到平滑效果，回歸結果穩健地支持了前文的結論，進一步驗證了假設2的成立。

表12 穩健性檢驗——替換流動性創造波動性衡量指標

（二）平滑效應的進一步驗證——融資成本和資產認可是否能影響流動性創造波動

前文分析表明，MLF擔保品范圍擴大雖然能在短期促進中小銀行流動性創造，但從長期來看，這種效應并不顯著。MLF擔保品范圍擴大的實質作用是平滑中小銀行的流動性創造。這個研究結論面臨的質疑是，既然MLF擔保品范圍擴大能通過融資成本渠道和資產認可渠道對中小銀行的流動性創造產生影響，那么也不能排除是因為與融資成本、資產質量相關聯的其他因素對中小銀行的流動性創造波動產生影響。為此，本文考慮將銀行流動性創造波動指標作為因變量，政策虛擬變量和融資成本或者不良貸款率的交乘項作為解釋變量納入模型進行回歸分析。如果是由于和融資成本與資產質量相關聯因素減弱了中小銀行流動性創造波動，那么交乘項的系數應該是顯著的。

表13顯示了相關的實證結果。其中，（1）（2）列顯示的是加入政策虛擬變量與融資成本交乘項后的回歸結果，（1）列未控制宏觀經濟變量，（2）列控制了宏觀經濟變量。（1）（2）列的結果顯示，政策虛擬變量與融資成本交乘項的系數并不能通過顯著性檢驗。（3）（4）列顯示的是加入政策虛擬變量與不良貸款率交乘項后的回歸結果，結果顯示，政策虛擬變量與不良貸款率交乘項的系數不能通過顯著性檢驗。綜合上述分析來看，MLF擔保品范圍擴大對中小銀行的流動性創造起到平滑作用的結論得到進一步驗證。

表13 平滑效應的進一步驗證

（三）MLF擔保品范圍擴大與定向降準的關系

央行貨幣政策工具比較多，定向降準被認為是旨在提高中小銀行服務中小企業的能力，本文對比分析了定向降準和MLF擔保品范圍擴大的政策效應。2014年央行實施第一次定向降準操作，本文構建政策虛擬變量運用雙重差分方法進行了實證檢驗。當年份大于2014年且銀行為中小銀行時，政策虛擬變量取1，其余則取0。表14顯示了回歸結果。其中（1）列是銀行流動性創造的波動指標，（2）列是銀行流動性創造指標。（1）列的結果顯示，政策虛擬變量的系數為負，并不能通過顯著性檢驗，說明定向降準政策并不能平滑中小銀行流動性創造的波動。（2）列的結果顯示，流動性創造指標的系數為正，且能在1%的水平下通過顯著性檢驗。這說明和MLF擔保品范圍擴大一樣，定向降準在短期內也可以起到促進中小銀行流動性創造的作用。

表14 MLF擔保品范圍擴大政策與定向降準政策的關系

本文還對存款準備金率與MLF擔保品范圍擴大的關系進行了實證分析。（3）列的因變量是銀行流動性創造波動，主要的自變量是金融機構存款準備金率，回歸結果表明，存款準備金率的系數為正且能在1%的水平下通過顯著性檢驗，這說明當央行提高存款準備金率，收縮銀根時，會加大銀行流動性創造的波動。而（4）列的結果表明，在央行提高存款準備金率時，政策虛擬變量的系數為負，政策虛擬變量與存款準備金率交乘項的系數為正，說明存款準備金率提高加劇了銀行流動性創造的波動，而MLF擔保品范圍擴大能夠平滑該波動。因此，在央行提高存款準備金率的環境下，MLF擔保品范圍擴大平滑銀行流動性創造波動的效果更為顯著。相反，當央行采取降準政策時，銀行流動性創造波動相對較低，MLF擔保品范圍擴大對銀行流動性創造波動的平滑作用并不十分顯著。

綜上所述，定向降準政策可以促進銀行流動性創造，但并不能平穩銀行流動性波動。而降準政策則顯著抑制了MLF擔保品范圍擴大政策的政策效應發揮，對MLF擔保品范圍擴大政策形成了一定程度的替代。

八、異質性分析

（一）基于總量貨幣政策寬松與否的異質性分析

本文分析了在總量貨幣政策的不同時期，MLF擔保品范圍擴大的政策效應是否存在差異。表15顯示了總量貨幣政策的調節效應計算結果。（1）列加入了GDP增長率與政策虛擬變量的交互項，（2）列加入了M2增長率與政策虛擬變量的交互項。結果表明：（1）列中政策虛擬變量的系數為正且在1%的水平下通過顯著性檢驗，GDP增長率與政策虛擬變量的交乘項為負且在5%的水平下通過顯著性檢驗。這說明政策虛擬變量與GDP增長間存在顯著的負向調節效應。（2）列中政策虛擬變量的系數為負且在5%的水平下通過顯著性檢驗，M2增長與政策虛擬變量的交乘項為正且在5%的水平下通過顯著性檢驗。這說明政策虛擬變量與總量貨幣政策變量之間存在顯著的負向調節效應，當總量貨幣政策趨于緊縮時，MLF擔保品范圍擴大的政策效果更好。

表15 異質性分析——總量貨幣政策

（二）基于商業銀行客戶集中度的異質性分析

監管層對金融機構信貸集中度有要求，MLF擔保品范圍擴大的政策效應有可能會因為商業銀行客戶集中度的不同而產生一定的異質性。本文考慮使用最大10家客戶貸款占比作為商業銀行信貸集中度的代理變量，對其能否影響MLF擔保品范圍擴大的政策效應進行異質性分析。表16顯示了計算結果，其中，（1）列未加入宏觀經濟控制變量，（2）列加入了宏觀經濟控制變量。因變量為銀行流動性創造指標。（1）（2）列的回歸結果顯示，政策虛擬變量和客戶集中度的交乘項的系數為正且能在1%的水平下通過顯著性檢驗，這說明對于高客戶集中度的商業銀行來說，MLF擔保品范圍擴大的流動性創造的提升作用，要比低客戶集中度的商業銀行弱。

表16 異質性分析——銀行客戶集中度

九、研究結論與政策啟示

本文利用2013—2020年銀行財務數據，運用雙重差分法對MLF擔保品范圍擴大的銀行流動性創造效應進行了研究。研究結果表明：（1）MLF擔保品范圍擴大能顯著提升中小銀行流動性創造，經過平行趨勢檢驗和安慰劑檢驗等一系列穩健性分析，結論依然成立。（2）進一步分析發現，MLF擔保品范圍擴大的政策效果隨時間推移而減弱，但卻能平滑流動性創造。（3）機制分析發現，MLF擔保品范圍擴大可以通過資產認可渠道和融資成本渠道，促進中小銀行流動性創造。（4）異質性分析發現，傳統貨幣政策與MLF擔保品范圍擴大存在替代效應。在總量貨幣政策寬松時，MLF擔保品范圍擴大的政策效果會受到限制。

本文的研究對宏觀調控部門制定結構化貨幣政策，提高中小銀行流動性創造，緩解特定企業融資約束具有如下政策啟示：（1）類似MLF擔保品范圍擴大這樣的政策，確實能夠在一定程度上促進中小銀行流動性創造，而且精準、直達。央行可以合理運用此類基于抵押品的創新型貨幣政策，通過結構性的貨幣政策框架，在降低擔保品發行人成本的同時，也為商業銀行的流動性創造提供空間。通過對特定經濟主體的信貸發揮作用，有針對性地緩解企業的融資約束。（2）此類政策效果在長期內不顯著，僅僅靠MLF擔保品范圍擴大這樣的政策，無法實現綠色、普惠等長遠政策目標。因此政府應該積極運用相關“組合拳”政策，例如綠色投融資與保險、普惠專項融資工具等，將短期調節與長期發展相結合，多措并舉共同為我國經濟結構轉型與經濟高質量發展提供支持。（3）該政策雖然在長期無法持續提高針對綠色、小微等領域的貸款，但可以減少針對綠色、小微等領域貸款的波動，這對綠色、小微等領域的平穩投資也是有益的。另外，擔保品范圍中債券、貸款的比重不同，擔保品范圍擴大的政策效果也應該有差異，這也值得深入研究與探討。