利率市場化改革的信貸調控實效及應用研究

宋光宇

（中國人民銀行沈陽分行營業管理部，遼寧 沈陽 110068）

一、引言

為應對新冠肺炎疫情引發的經濟下行壓力，各主要經濟體都采取了較為寬松的貨幣政策，數量型貨幣政策工具在此期間扮演了重要的調控角色。從政策效果看，寬貨幣政策雖然有效避免本國經濟陷入衰退，但“無上限”寬松也成為導致通貨膨脹走勢快速攀升的首要原因。為避免數量型貨幣政策工具過度使用的負面影響，2022年中央經濟工作會議提出了“跨周期和逆周期宏觀調控政策要有機結合”的總要求，防止宏觀政策矯枉過正，并修補經濟發展中長期性結構性問題，為此，中國人民銀行同時提出“發揮好貨幣政策工具的總量和結構雙重功能”。因此，在數量型貨幣政策工具效果邊際下降以及價格型貨幣政策工具極易政策超調的現實條件下，有必要探索價格型貨幣政策工具的結構化應用，為傳統政策留下充足戰略空間。

2019年第四季度以來，中期借貸便利（MLF）與1年期LPR同步下行，截至2021年12月末，不考慮市場波動影響，在利率中樞不變的條件下，引導以利率債為質押的7天期銀行間存款類金融機構回購加權平均利率在LPR改革實施后下降超過50個BP，企業貸款加權平均利率比2018年高點下降180個BP①。從理論和實踐上看，宏觀利率水平需要與經濟發展階段相匹配，市場利率的過快下降易引起套利等不正當行為的發生。根據信貸配給理論，即使貸款利率下降到較低程度，仍有部分企業無法獲得貸款。對于企業來說，能夠得到資金與得到便宜資金是融資的兩個層次，解決了“融資貴”并不是終點，實體企業特別是廣大民營、小微企業融資的難點是獲得資金，這是許多企業不計成本也難以實現的。因此，LPR改革的起點是解決“融資貴”的難題，終點則應是提高金融服務可得性和覆蓋面，實現經濟金融良性互動，進而提升宏觀跨周期和逆周期政策實效。因此，LPR報價行制度能否在合理的價格區間內引導信貸有序流向實體經濟，其結構化應用能否在宏觀調控中發揮作用，是利率市場化改革過程中值得探索的問題。本文研究LPR報價行制度對商業銀行信貸行為引導作用的有效性和持續性，對完善相關制度乃至豐富貨幣政策工具箱具有一定的理論指導和政策借鑒意義。

二、文獻綜述及假設

中國的金融市場結構以間接融資為主，商業銀行是貨幣政策主要的傳導媒介，是利率調控的首要對象，只有打通理順“二級銀行”體系下的利率傳導關系，才能實現金融支持實體經濟發展的目的。孫國鋒和段志明（2017）[1]認為，中央銀行中期政策利率在引導商業銀行信貸增量降價方面，比中央銀行短期利率的作用更為顯著。盛松成（2019）[2]認為，一級交易商制度使公開市場操作普適性削弱，中小商業銀行貸款利率傳導效果減弱，一味通過利率手段降低小微企業融資成本，易增加中小商業銀行經營風險。熊園（2019）[3]認為，LPR改革正遇經濟下行區間，商業銀行風險偏好下降，資質較差的小微企業將在“融資難”與“融資貴”的兩端徘徊，銀行端的“惜貸”行為或將短暫性抬頭。冼海鈞等（2020）[4]認為，LPR改革的政策效果在商業銀行間具有差異性，定價能力越強的機構政策利率向機構貸款利率傳導的效率越高。湯奎（2020）[5]認為，LPR改革使商業銀行存貸利差收窄，盈利壓力加大，中小商業銀行將被迫提高風險容忍度以尋求更高的信用溢價。同時在貸款利率下行通道內，商業銀行資產質量和企業投資回報良性互動，企業對商業銀行的有效信貸需求將增加。劉景榮（2020）[6]認為，LPR新機制對商業銀行經營行為產生較大影響。短期內為應對大型企業議價，商業銀行會向高利潤領域拓展，中長期則增加利率管理和轉型風險，銀行間優質客戶爭奪趨于激烈?；谏鲜鲅芯砍晒?，本文提出基本研究假設1：

H1：LPR報價行制度能夠引導商業銀行信貸行為，且政策效果在不同性質銀行間存在異質性。

新冠肺炎疫情深刻且較長遠地影響了中國的經濟金融環境和商業銀行的風險偏好，對貨幣政策通過金融媒介向實體經濟的傳導產生阻滯。因此，深入探索通過完善價格型工具的制度設計和操作應用進而疏通利率傳導堵點，成為當前我國中央銀行提升跨周期宏觀調控能力可行的策略選擇。馬駿和紀敏（2016）[7]認為，貸款數量限制和利率管制帶來了貨幣政策利率傳導渠道的阻塞。張巖（2017）[8]認為運用價格型工具應對供給沖擊時消費發揮主導性作用，且不易強化通脹壓力，經濟調控作用更加穩定，在逆周期調節時價格型工具較數量型工具更優。郭豫媚等（2018）[9]認為，在宏觀調控過程中，影響利率傳導效率的主要因素是貸款利率定價機制，應構建更為有效的利率走廊并培育市場化的定價基準。盛松成（2019）[2]認為，貸款利率定價方式改革的目的終究是暢通利率傳導的“最后一公里”。孫麗和朱律（2020）[10]認為，舊版LPR運行機制的市場化程度不高、缺乏有效參照目標，并因存貸款間較高利差，商業銀行有參照貸款基準利率的惰性，內部定價機制嚴重滯后于金融市場發展，致使政策利率向貸款利率的傳導仍然不暢。陳鴻祥（2020）[11]認為，中國應在利率市場化改革終點更進一步，通過完善LPR報價機制，實現貨幣政策調控框架的轉型，破解“利率雙軌”困境，疏通利率傳導，降低實體經濟償債負擔。徐寧等（2020）[12]認為當前階段LPR的推出切實提高了利率的微觀傳導渠道，同時兼顧了貨幣市場的穩健性。陸軍和黃嘉（2021）[13]認為LPR改革實施后，自然利率對利率市場化程度的敏感度減弱，增強存款、貸款、市場與政策利率的聯動性，才能提升利率市場化的效率進而疏通利率傳導堵點?；谏鲜鲅芯砍晒疚奶岢龌狙芯考僭O2：

H2：LPR報價行制度在長期宏觀調控中是持續有效的。

當前我國對利率市場化改革的探索進入了新的階段，現有文獻對LPR改革的經驗性探討較多，實證性檢驗不足。LPR改革作為利率市場化改革的重要組成部分，具備政策干預的效果，能夠引導商業銀行貸款利率顯著下降，這一點從目前公布的企業融資成本數據中可以得到驗證，而LPR報價行制度能否增強實體經濟的金融服務獲得感，關乎利率市場化改革的最終目的能否實現，也是繼續深化改革需要深思的問題。本文的研究貢獻在于：一是運用合成控制法全面預測了LPR報價行制度在不同銀行間的異質性，從微觀層面上客觀評價了LPR報價行制度對商業銀行信貸行為的影響。二是引入宏觀經濟或貨幣因素，驗證LPR報價行制度結構化應用效果的持續性，并結合兩方面研究為該制度向深層次推進提供參考。

三、模型的引入

假設可觀測B+1家銀行在t（t∈[1 ,T]）期內的實體企業信貸增長情況，其中第一家銀行（實驗組）參與實施了LPR報價行制度，具備報價資格；其余B家銀行不參與報價行制度，不具備報價資格。假定報價銀行在參與報價行制度前的時間為T0，該時間點對應的是LPR政策正式實施、處置組銀行正式成為報價行的2019年第二季度。用表示第i（i∈[1,B+1]）家銀行在t時期沒有實施LPR報價行制度時實體企業的信貸增速，用表示第i家銀行在t時期參與LPR報價行制度時實體企業的信貸增速，令表示正式實施LPR報價行政策后對實體企業信貸增長的影響效果。用虛擬變量Lit表示LPR報價行制度是否實施，其中，Lit=1表示樣本銀行參與報價行制度，Lit=0表示樣本銀行不參與報價行制度。因此，第i家銀行在t時期觀測到的實體企業信貸增長可進一步表示為。當t≤T0時，全部可觀測的樣本銀行相關信貸增長有；當T0＜t≤T時，實施報價行制度的樣本銀行相關信貸增長有，不實施報價行制度的樣本銀行相關信貸增長仍為。由于報價行已經參與實施了相關政策，故其實體企業信貸增長是可觀測的，而報價行沒有參與實施相關政策的信貸增長率是無法觀測的，需要構造因子模型構造反事實狀態得出的估計值，進而得到政策效果git。本文假設：

其中，δt表示時間固定效應；θt是（1×r）維向量，表示未知參數；Zi是（r×1）維向量，表示不參與報價行制度的控制變量；λt是（1×F）維向量，表示觀測不到的共同因子；μi是（F×1）維向量，表示不可觀測的機構固定效應；εit是均值為0的誤差項，表示不可觀測的短暫性沖擊。

假設第一家銀行參與了報價行制度，對其余B家沒有參與報價的銀行賦予權重wi，則控制組的（B×1） 維權重向量為W=（w2,…wb+1），滿足wb≥0（i=2,…,B+1），且w2+…+wb+1=1。向量W的每一個特定值都代表控制組銀行作為控制組的每一組特定權重，則對控制組賦予權重后信貸增長變量值為：

如果政策前的期數與標準誤差項有較大相關性，則公式（3）等號右側無限趨于0（Alberto和Guido，2012）[14]，并假設，t∈{T+1,...,T} 為α0bt的估計值。

假設W是一個（I×1）權重向量，各分量均為正且和為1，每一個分量表示未參加利率報價制度銀行的權重。定義一個（T0×1）矩陣。用定義一個政策實施前實體企業貸款投放的線性組合：。如果，則。如果，則。假設有K,…,K定義的線性組合1MM，為（k×1）向量表示政策實施前報價行特征值，且k=r+M。類似地，X0是一個（k×j）矩陣表示政策實施前非報價行特征值。合成控制法通過最小化‖X1-X0W‖來確定W*，同時有w2≥0,…,wb+1≥0,w2+…+wb+1=1。Abadie（2012）[15]通過引入V使得，以此來測度二者距離，V是（k×k）正半定對稱矩陣，通過賦予X0和X1中的變量以合理權重，以最小化合成控制估計函數的均方誤差。本文采用數據驅動方式確定V的設計方案，從而使在LPR政策實施前，由非報價行組成的合成組能夠逼近報價行實體企業信貸增長變量的軌跡，并在加權后由合成報價行模擬未參與LPR報價制度，并衡量與報價行之間的差異來代表參與行制度對銀行實體信貸投放的影響。

四、報價行制度有效性檢驗

（一）數據來源及說明

本文在進行合成控制法分析時使用2018—2021年A股和H股上市銀行機構季度面板數據，包括18家LPR報價行中的11家和37家非報價上市銀行主要經營指標，相關數據全部來自萬得數據庫。

對于控制組銀行的選擇，目前18家LPR報價行包括5家國有商業銀行、5家股份制商業銀行、4家城市商業銀行、2家外資銀行和2家民營銀行，其中有3家城市商業銀行和全部外資、民營銀行未詳細公開披露經營數據，故為11家。同時，由于本文采用的是數據驅動而不是主觀經驗來確定合理的權重，控制組非報價行數量越多越有利于合成與報價行相似的模擬報價行。因此，本文將未參與報價行制度的剩余1家國有商業銀行以及在相關股權市場上市的4家股份制銀行、29家城市商業銀行和3家農村商業銀行共37家銀行納入潛在控制組。本文采用2018年第一季度至2021年第四季度各銀行季度數據。

（二）指標選擇

本文在運用合成控制法進行研究時，控制變量未選擇宏觀經濟金融因素，主要原因在于：一方面，在LPR改革時點，銀行業金融機構允許開展跨區域經營，地區間經濟發展差異對各機構信貸行為的影響從全國范圍內看是相近的；另一方面，在LPR改革前后所有類型的商業銀行接受的貨幣政策調控具有同質性，貨幣政策對不同類型商業銀行機構信貸行為的引導作用不存在差異性。進一步，按照合成控制法的要求，在選取控制變量進行預測時，要保證控制變量在LPR改革實施前，真實報價行和合成報價行影響實體信貸投放的因素盡可能一致。

1.因變量。采用實體企業貸款增速（rore）來度量商業銀行的信貸行為，實體企業貸款為商業銀行企業貸款及墊款加上票據貼現剔除采礦業、房地產業和金融業貸款所得余額，同比計算得出實體企業貸款增長率。

2.控制變量。本文借鑒周鶴峰（2018）[16]、陳書涵等（2019）[17]、劉陽和侯孟奇（2020）[18]關于銀行信貸行為的研究方法，選取的預期控制變量均屬于商業銀行經營行為的指標，采用資本充足率（car）、存款平均成本（cdr）、流動性資產增速（rol）、不良貸款率（npl）、凈資產收益率（roe）五個指標作為控制變量。其中：流動性資產包括現金、存放中央銀行款項和存放同業和其他金融機構款項，其余指標直接來自銀行財務報表。表1顯示了各變量的描述性統計情況。

表1：變量描述性統計

表2是商業銀行信貸行為與經營行為之間基準關系的實證檢驗結果。通過建立面板數據混合模型、固定效應模型和隨機效應模型分別進行檢驗后可以看到，三種回歸模型中解釋變量對被解釋變量影響的方向一致。其中，實體企業貸款增速與資本充足率和不良貸款率的相關系數為負，與存款平均成本、流動性資產增速、凈資產收益率的相關系數為正。各指標中，資本充足率按照《巴塞爾協議Ⅰ》要求應等于資本與加權風險資產之比，該指標越高表示作為資產的各類貸款占比越小；不良貸款率越高，計提貸款損失準備越多，占用貸款規模越大；存款平均成本越高，銀行營銷信貸的壓力越大；流動性越好，銀行信貸投放意愿也更強；凈資產收益率越低，銀行貸款對低利潤的實體行業傾向性越弱。綜上所述，回歸結果與理論研究結論和現實情況相符，本文選取的指標可用于實證檢驗。

表2：基準回歸結果

（三）實證分析

本文將分別對11家真實報價行運用合成控制法，通過計算真實報價行（實驗組）與合成報價行（控制組）在2019年第三季度實施LPR報價制度后對商業銀行實體貸款的影響的差值來衡量政策對銀行信貸行為的影響，并以能夠使政策實施前兩組實體貸款增長的均方差MSPE最小化的標準來賦予權重。本文使用stata15進行運算，分別確定11家真實報價行的合成報價行的構成。表3報告了各真實報價行的合成組權重系數。根據權重表，以第一家真實報價行為例，其合成控制組權重排名前五的銀行分別為No.2占比22.3%、No.9占比20.1%、No.18占比4.7%、No.30占比22.1%和No.34占比13.6%。

表3：合成報價行權重表

表4報告了報價行制度實施之前，真實報價行與合成報價行信貸行為相關變量的對比。從數據可以看出，在所選影響實體信貸增長的5個指標中，除少數報價行某一指標的真實值與合成值有少許差距外，其余四個指標的真實值與合成值的差異度均較低，這說明影響兩組信貸行為的因素相似度較高，合成控制法能夠較好地擬合報價行在政策實施前的特征。

圖1由左至右、由上至下報告了11家真實報價行與合成報價行實體企業信貸增長的變動情況。如圖1所示，在報價行制度實施之前，真實報價行與合成報價行的實體信貸增長路徑實現了完全重合，滿足合成控制法對制度實施前指標數據的要求。普遍來看，從2019年第三季度開始，真實報價行與合成報價行的實體信貸增長發生了明顯變化，其中：第1、2、3、4、7、8、10號報價行在實施報價行制度后，實體信貸增長的真實值始終高于合成值，而第5、6、9、11號報價行在政策實施后，實體信貸增長的真實值也會短暫高于合成值。總體來看，報價行制度有利于實體信貸的增長。

圖1：真實報價行與合成報價行實體貸款增長

在反事實框架下，計算真實報價行與合成報價行的實體貸款增長的差值，即處理效應，來直觀顯示制度實施對報價行信貸行為的影響。從圖2可知，全部11家報價行在2019年第三季度前，其實體貸款增長的真實值與合成值之差均在5%以內。其中：第1、2、3、4、7、8、10號報價行在實施報價行制度后，實體信貸增長的真實值與合成值的差為正并逐期擴大，而第5、6、9、11號報價行在政策實施后，實體信貸增長的真實值也會短暫為正但逐步縮小。總體來看，報價行制度有利于實體信貸的增長，但因宏觀環境波動等不可抗力等因素，其影響在不同類型銀行間出現明顯分化。

圖2：處理效應

（四）穩健性檢驗

本文通過借鑒 Abadie和 Gardeazabal（2003）[19]、Abadie和Diamond（2010）[20]安慰劑檢驗的方法，對商業銀行信貸行為的變化確實是因為LPR報價行制度的實施而產生進行驗證，確保政策的估計結果在統計學上的顯著性。先計算出真實報價行的預測均方誤差MSPE，進而剔除MSPE值為真實報價行一定倍數的非報價行，再分別運用合成控制法構造它們的合成控制對象與合成報價行進行比較。以報價行1為例，其MSPE值為1.32，本文采用最嚴格的標準，剔除22家MPSE值高于其2倍的控制組單位，將剩余17家與報價行1進行排序檢驗，結果見圖3。如圖所示，實線表示報價行1的處理效應，虛線表示其他17家銀行的安慰劑效應?？傮w看，假設報價行制度無任何作用，除報價行11外，報價行的處理效應基本都在最外部，表明報價行制度對銀行信貸行為有較為顯著的影響，顯著性異于零的概率為5.6%（1/18），可以認為報價行制度的實體信貸增長效應在10%水平顯著。

圖3：實驗組與安慰劑組效應對比

綜上所述，通過對11家LPR報價行分別與38家不參與報價行制度的非報價行的實體貸款增長進行對比，發現LPR報價行制度的實施對銀行信貸行為有積極的引導作用；其后的安慰劑檢驗表明，在最嚴格的篩選條件下，2019年第三季度的P值為5.6%，說明在10%的水平上不接受LPR報價行制度對銀行信貸行為的影響在統計上不顯著的假設，報價行制度對商業銀行信貸行為具有引導作用。

從銀行間檢驗結果對比看，各行實施后效果基本為積極的，但是季節性和銀行性質等因素特征也較為明顯。11家報價行中的4家雖然在政策實施后的2019年第四季度實體貸款增長高于其合成對象，但是在2020年第一季度對比關系出現了反轉。主要原因在于：一是季節因素與銀行經營特征聯動，銀行經營習慣也具有差異性，而第一季度時值元旦、春節假期，實體企業生產性和投資性融資均有滯后。二是重大干擾因素出現，2020年第一季度新冠肺炎疫情暴發，其間多數企業處于短期停產停工狀態，信貸特別是短期貸款需求同比有明顯減少，而部分銀行機構的客戶結構導致其對融資需求的劇烈變化更為敏感。三是不同性質銀行對政策的反饋存在異質性。國有商業銀行全都能夠對LPR改革做出積極回饋，主要在于其政策屬性較為突出。股份制商業銀行多數能夠做出積極回饋，但其對經營利潤等自身利益考慮較多，對政策調控的判斷和反饋易出現分化。而從城市商業銀行情況看，因其規模與國有及股份制商業銀行差距較大，負債成本要稍高于大行，參與報價行制度后利差驟縮，導致其在2020年第一季度實體信貸規模下降，但隨著時間推移仍表現出上升勢頭。各行差異也驗證了前述學者的觀點，即政策利率向貸款利率的傳導效率與銀行定價能力有關。

五、報價行制度持續性檢驗

上述分析證實了LPR改革對商業銀行信貸行為普遍具有顯著的正向引導作用，即報價行制度實施后短期內能夠引導銀行增加實體經濟信貸投放。LPR改革正式實施后，為應對新冠肺炎疫情導致的經濟增長放緩壓力，包括我國在內的各主要經濟體都實施了一系列貨幣對沖政策，報價行制度引導作用的持續性需要在宏觀環境變化條件下進一步驗證。

（一）指標選擇

為考察報價行制度在利率市場化改革階段性實踐及新冠肺炎疫情沖擊下是否能夠報保持政策實效的持續性，本文在進行回歸分析時使用2018—2021年A股和H股上市的48家銀行機構季度面板數據，數據全部來自萬得數據庫。在構建基本回歸模型時，因變量仍為實體企業貸款增速，控制變量仍為資本充足率、存款平均成本、不良貸款率、流動性資產增速、凈資產收益率，變量計算方法同上文。同時，引入核心變量報價行身份（lpr），指標賦值規則為：對于非報價行，賦值為0；對于報價行，在2019年第二季度（含）以前賦值為0，2019年第三季度開始賦值為1。各變量描述性統計詳見表1。

（二）基準回歸

本文擬建立靜態面板數據的固定效應模型進行回歸，主要基于以下兩點：一是商業銀行貸款投放受當年宏觀經濟和信貸政策影響較大，往期貸款增長對當期不會造成顯著影響；二是自變量中可能存在內生解釋變量，采用固定效應模型可以緩解因遺漏變量而產生的內生性問題。

表5的第（1）列報告了基準回歸模型的估計結果，從回歸結果看，全部控制變量對因變量的影響情況與前文分析一致。報價行制度對銀行信貸行為具有正向影響，且在5%的水平下顯著，說明被確定為LPR報價行能夠促進商業銀行優化信貸結構，增加向實體企業的信貸投放力度。

表5：報價行制度對銀行信貸行為的影響：基準回歸及穩健性檢驗

（三）穩健性檢驗

本文主要使用三種方法進行穩健性檢驗：

一是補充變量法。由于商業銀行信貸行為受中央銀行貨幣政策和宏觀經濟發展影響較為顯著，結合新冠肺炎疫情發生后經濟增長放緩以及中國人民銀行系列貨幣政策工具操作實際，本文在主回歸基礎上分別引入商業銀行向中央銀行借款增速（cbank）和全國GDP平減指數（gdp），作為貨幣信貸政策和宏觀經濟環境兩個外生擾動因素來表示新冠肺炎疫情沖擊影響，重新進行回歸檢驗。表5第（2）、（3）列顯示，穩健性回歸結果與原回歸結果保持一致，且在5%的水平下顯著。這表示，即使宏觀經濟金融環境因新冠肺炎疫情等因素沖擊而發生改變，報價行制度的結構性引導作用仍可持續。二是變量替換法。將原回歸中流動性資產增速和凈資產收益率分別替換為流動性覆蓋率（lcr）和凈息差（nim），重新進行回歸檢驗。表5第（4）列顯示，穩健性回歸結果與原回歸結果保持一致，且在1%的水平下顯著，顯著性優于原回歸。三是工具變量法。由于實體企業信貸增長與不良貸款率之間可能存在雙向因果關系，進而導致內生性問題的產生，本文借鑒孫光林和蔣偉（2021）[21]的研究成果，運用各樣本銀行總部所在省份普惠金融發展指數中的數字支持服務程度二級指數作為工具變量，回歸結果如表5第（5）列顯示，穩健性回歸結果與原回歸結果保持一致，且在5%的水平下顯著，再次表明基準回歸的結果是穩健的。同時，LM檢驗的P值均為0，小于0.01，不存在工具變量識別不足的問題。F統計量均大于10%的臨界值，不存在弱工具變量的問題。

六、主要結論及政策建議

本文選取LPR改革后入圍的11家報價行和38家非報價銀行2018—2021年季度信貸和經營數據，運用合成控制方法和靜態面板固定效應模型，評價LPR報價行制度政策效果的有效性和持續性。研究結果表明：（1）LPR報價行制度能夠促進商業銀行加大實體企業貸款的投放。穩健性檢驗結果證實，LPR改革后報價行的實體貸款增長原因主要是相關制度的實施，并非其他偶然性因素。（2）從銀行間差別來看，國有商業銀行對政策實施的積極反饋十分統一，股份制商業銀行短期內能夠切實執行政策意圖，長期則因經營特征或不可抗力等原因出現分化，城市商業銀行對改革的準備不夠充分，相關業務短期內受到較大影響。（3）LPR報價行制度能夠長期調動商業銀行貫徹信貸政策意圖的能動性，回歸模型的穩健性檢驗也表明，現有激勵約束機制不會因新冠肺炎疫情等不確定性因素導致的貨幣政策調整和經濟環境改變而被削弱，仍能夠持續引導商業銀行加大對實體經濟的信貸投放力度。

根據以上研究結論，本文提出以下政策建議：一是探索報價行制度的結構性引導作用。完善報價行進入和退出機制，明確和細化報價行的選取標準，劃定各類評審指標各檔分數，定期公布報名參與報價行評選機構的考核結果，加大遴選頻次，每年應開放一次入圍窗口。應充分體現報價行代表性，通過市場解構將銀行機構按照資產性質、規模等指標進行分組，為同級別金融機構提供合理的入圍機會。提高報價行體系內銀行的流動性，針對報價行引入存款利率定價評價指標，賦予其存款利率合理調整空間，構建基于正向激勵導向的考評體系，引導各行特別是中小金融機構通過參與報價行考評鍛煉內部定價能力，增強其對利率市場化改革的適應性，從而實現維護市場競爭環境和信貸供給平穩的多重政策目的。二是發揮價格型工具的跨周期調節作用。以定向操作為特征的結構性貨幣政策工具在推動金融資源流向普惠領域和薄弱環節的有效性已經由施政實踐所證實，其逆周期調節效果更為突出。以利率為代表的價格型工具可在微觀領域對數量型工具進行補充，應進一步提升報價行制度在金融管理中的地位，使其成為類似交易商協會“承銷商”制度并由中央銀行直接評級管理的一項機制，從而為跨周期調控提供有效果、可持續、間接性的實施方式。

注：

①數據來源于萬得數據庫、2018—2021年《中國貨幣政策執行報告》。