基于銀行風險承擔視角的宏觀審慎政策和貨幣政策協同研究※

張輝 葛揚

內容提要：基于2009-2021年中國88家商業銀行的平衡面板數據,通過固定效應估計和系統廣義矩估計(GMM)方法,實證分析宏觀審慎政策和貨幣政策對于銀行風險承擔的協同效應。研究發現,“雙支柱”政策在銀行風險承擔方面能夠產生較好的協同作用,加強宏觀審慎管理整體能削弱寬松貨幣政策帶來的銀行風險承擔上升;不同類型的宏觀審慎工具與貨幣政策配合的有效性不同,銀行流動性宏觀審慎工具與貨幣政策對銀行風險承擔的協同作用更為顯著;“雙支柱”政策的協同效應因經濟周期存在非對稱性,經濟下行期的協同效應要強于經濟上行期;政策協同效應存在銀行異質性,對于全國性銀行“雙支柱”政策協同作用不顯著,而對于地方性銀行則顯著影響其風險承擔意愿和水平。

一、引 言

硅谷銀行破產事件再次引發各界對于寬松貨幣政策引起銀行風險承擔上升的關注。在美聯儲長期寬松的貨幣政策下,以硅谷銀行為代表的一些中小銀行逐漸形成了資產端和負債端明顯的期限錯配:在負債端,以科創企業活期存款為主;而在資產端,大部分配置在美國國債、抵押支持債券(MBS)等長期證券投資上。隨著2022年以來美聯儲持續加息、縮表,美國貨幣政策快速轉向,導致資產價格大幅下跌,企業提現需求激增,硅谷銀行不得不拋售債券資產以滿足客戶需求,進而加劇了擠兌和市場恐慌情緒,最終導致該銀行破產。

其實早在2008年金融危機之后,Borio和Zhu(2008)就敏銳地察覺到銀行并非風險中性的,貨幣政策變化會引起銀行風險感知和容忍度的變化,進而影響銀行決策行為,從而對貨幣政策的實施效果產生影響,并最終影響到總產出和金融穩定。這一過程強調,銀行風險承擔是銀行理性或者非理性地主動承擔風險,貨幣政策變動通過影響銀行承擔風險的意愿,進而引起其風險承擔行為和水平的變化,最終影響經濟主體的融資。具體可以表示為“貨幣政策——資產價格和銀行利潤——風險承擔意愿——風險承擔行為——流動性創造”。基于此,兩人提出了“貨幣政策銀行風險承擔渠道”(bank risk-taking channel)這一理論。此后,Altunbas等(2010)、Bonfim和Soares(2018)等學者分別從銀行信貸審批標準、資產組合、風險控制等角度,驗證了長期寬松的貨幣政策會引發銀行風險承擔的上升。Sarkar等(2019)、Vuong等(2023)分別運用印度、越南的數據證實了在這些新興市場國家同樣存在銀行風險承擔渠道。Dhital等(2023)考察了美聯儲三輪量化寬松政策下銀行風險承擔行為,發現量化寬松政策總體上導致了銀行貸款規模增加和風險較高貸款占比的上升。在國內,江曙霞和陳玉嬋(2012)、鄧向榮和張嘉明(2018)、李雙建和田國強(2020)、張嘉明(2022)等學者,通過構建D-L-M或DSGE模型等方式,驗證了中國貨幣政策銀行風險承擔渠道的存在性,并進而分析了市場競爭、存款保險、銀行自身特性等對其影響。馬勇和王瑩曼(2022)考察了貨幣政策及其穩定性對銀行風險承擔的影響,認為政策利率降低和貨幣政策波動性增加都會導致銀行風險承擔上升。張旭等(2022)認為貨幣政策對銀行風險承擔有正向的“利潤效應”和負向的“杠桿效應”等兩種相反效用,在中國“杠桿效應”大于 “利潤效應”,因此寬松貨幣政策將推高銀行風險承擔水平。

同樣在金融危機后,以防范系統性風險、維護金融穩定為目標的宏觀審慎政策受到更多重視。金融危機讓學者們認識到,金融機構個體的穩定不代表整體系統穩定,金融體系存在著“合成謬誤”,應更加關注系統性風險,由此提出了宏觀審慎政策框架。中國是較早開展宏觀審慎政策研究和實踐的國家之一:2010年中共十七屆五中全會首次提出宏觀審慎管理的概念;2011年央行引入差別準備金動態調整工具,與貨幣政策協調配合,共同維護價格穩定和金融穩定;2016年起,將差別準備金動態調整升級為宏觀審慎評估(MPA);2017年中共十九大指出要“健全貨幣政策與宏觀審慎政策雙支柱調控框架”;2022年中共二十大報告進一步強調“深化金融體制改革,建設現代中央銀行制度,加強和完善現代金融監管”,金融宏觀政策協同的思路和路徑進一步清晰。

對于宏觀審慎政策能否影響銀行風險承擔,現有文獻做了大量研究。一類是探究宏觀審慎政策工具對于銀行風險承擔的直接影響。顧海峰和馬聰(2020)、沈沛龍和王曉婷(2015)等運用固定效應和系統廣義矩(GMM)估計方法,實證分析認為提升資本充足率、存款準備金率、杠桿率和貸款損失準備能夠降低銀行風險承擔。Dias(2021)以135個國家1800多家銀行為樣本,研究發現資本監管與銀行風險承擔呈倒U型關系,隨著資本比率的提高,銀行承擔的風險會先下降再上升。高嘉璘和王雪標(2022)、趙江山等(2023)通過準自然實驗方法,研究發現2016年中國宏觀審慎評估體系的設立有效降低了商業銀行的風險承擔,綠色信貸納入宏觀審慎評估體系后,也同樣顯著降低了商業銀行的風險承擔水平。另一類是研究宏觀審慎政策對銀行風險承擔渠道的影響。黃繼承等(2020)選取中國73家銀行2009-2018年的面板數據通過OLS回歸和固定效應估計方法,分析認為宏觀審慎政策能夠減弱貨幣政策的銀行風險承擔傳導渠道效果,有效抑制銀行在寬松貨幣政策下的過度風險承擔。馬勇和姚弛(2021)通過構建宏觀審慎政策指數,認為嚴格的宏觀審慎監管可以降低銀行風險承擔的資本水平門檻值,抑制其在寬松貨幣政策下的風險承擔水平。張銘等(2022)以法定存款準備金率、住房抵押貸款價值比上限作為宏觀審慎政策代理變量,研究認為,在貨幣政策和宏觀審慎政策協同作用下,“雙支柱”政策對銀行風險承擔行為的影響效應將得到提升。Jiang和Yuan(2022)關注資本監管對貨幣政策銀行風險承擔渠道的影響,研究發現,在中國資本充足的銀行比資本不足的銀行承擔的風險更小。

綜上可見,貨幣政策的銀行風險承擔渠道得到了廣泛的實證研究支持,“雙支柱”框架下宏觀審慎政策對銀行風險承擔的影響也有一定的研究進展。但現有研究還主要存在以下兩點不足。一是大多數文獻采用單一的政策工具作為宏觀審慎政策代理變量。其中有些采用的是微觀監管指標,比如,資本充足率、杠桿率等,“宏觀審慎政策會運用一些與微觀審慎監管類似的工具”,但“主要是在既有微觀審慎監管要求之上提出附加要求”(中國人民銀行《宏觀審慎政策指引(試行)》,2021),因此僅采用微觀監管指標作為宏觀審慎政策代理變量,其可靠性值得商榷;還有些采用的僅是宏觀審慎管理某一方面具體工具,比如,宏觀審慎評估、貸款價值比上限等,用單個工具作為代理變量可能無法全面反映宏觀審慎政策的影響。二是部分文獻參照Cerutti等(2015)設計了中國宏觀審慎政策總指數作為解釋變量,但根據IMF宏觀審慎政策調查以及數據庫(iMaPP),宏觀審慎政策范疇較廣,包含針對銀行機構、非銀機構、住戶部門、企業以及系統重要性機構等多個領域的政策工具,因此單一的總指數無法體現各類別政策工具的影響效應。基于此,本文以銀行風險承擔為研究視角,通過構建宏觀審慎政策總指數和兩個分指數,借助2009-2021年88家商業銀行平衡面板數據,實證分析了“雙支柱”框架下宏觀審慎政策與貨幣政策對銀行風險承擔的協同問題。本文可能的創新在于:一是以IMF宏觀審慎政策調查數據為基礎構建中國宏觀審慎政策總指數,同時針對使用較多的住戶部門類工具和銀行流動性工具,構建兩個分類指數;二是構建總指數時,重點考察政策工具的生效和失效情況,以此反映政策框架的完善程度和政策工具箱的豐富程度,而構建分類指數時,重點考察政策工具的加強和放松,以此體現分類政策實施強度的變化;三是建立靜態面板模型和動態面板模型,分析不同類型的宏觀審慎政策工具與貨幣政策的協同效應是否具有差異性;四是探究在不同經濟階段、不同類別商業銀行之間,“雙支柱”政策對銀行風險承擔的協同效應是否具有差異性。研究以上問題,對于完善宏觀審慎政策工具箱、“雙支柱”政策協同發力具有一定的邊際貢獻。本文其余部分安排如下:第二部分為理論分析和研究假設,第三部分為研究設計,第四部分為實證分析,第五部分為結論和政策建議。

二、理論分析和研究假設

現有文獻認為,寬松貨幣政策引起銀行風險承擔上升主要通過三個機制實現。一是估值、收入和現金流效應。低利率環境有利于促進企業發展,此時企業收入和利潤提高、現金流增加,同時資產和抵押品價值上升,這一情形進而降低了銀行對企業違約概率、損失量的預期,導致其風險感知度的下降和風險容忍度的上升(Adrian和Shin,2010)。二是逐利效應。當政策利率下降時,銀行原有的資產組合收益率下降,而其負債端通常面臨固定的融資成本,受收益目標粘性影響,銀行為達到預期收益,會提高風險資產配比,從而增加自身的風險承擔(Rajan,2005)。三是央行溝通效應。貨幣政策的透明度和可預測性有助于降低不確定性,穩定市場預期,收窄資產價格波動幅度。然而,如果市場主體預期央行未來將維持擴張性貨幣政策,則可能會進一步加大風險投資力度,銀行也會相應增加風險頭寸(Borio和Zhu,2008)。此外,如果銀行預期央行在金融危機中會出手救市、提供流動性,則會產生道德風險,提高其風險承擔程度。上述三個機制實際上是貨幣政策影響了銀行預期(本文對應將其歸納為借款人償付預期、收益預期和政策預期),進而影響了其風險承擔意愿和水平,因此,寬松貨幣政策在刺激經濟復蘇時會提升銀行風險承擔意愿,加重其順周期和風險承擔行為,從而對金融穩定造成溢出影響,呈現出“負外部性”(任仙玲和王萌丹,2023)。

宏觀審慎政策的目標是防范系統性金融風險,尤其是防止風險順周期累積以及跨機構、跨行業、跨市場和跨境傳染。按照對政策實施對象約束力大小,宏觀審慎政策工具可分為引導類工具和強約束力工具(中國人民銀行《宏觀審慎政策指引(試行)》,2021)。一方面,宏觀審慎政策部門可通過研究報告、信息發布、風險提示等引導類工具,提出對金融風險狀況的看法和防范建議,調整市場參與者的預期與決策,降低其風險承擔意愿(邵夢竹,2019)。另一方面,通過強約束力工具,限制銀行加杠桿以及貨幣、期限錯配等行為,抑制金融體系順周期波動,并推動銀行“以豐補歉”,增強抵御沖擊能力,從而有利于貨幣政策的實施和傳導。基于此,本文提出假設:

H1:宏觀審慎政策有助于削弱寬松貨幣政策對銀行風險承擔的影響,降低銀行風險承擔水平。

宏觀審慎政策是一個包括宏觀審慎管理目標、評估、工具、傳導機制與治理架構等一系列組合的總稱(李斌和吳恒宇,2019)。目前,各國在實踐探索中,提出了一系列較為豐富的宏觀審慎政策工具,IMF宏觀審慎政策調查問卷中包含了8個方面41個分類81個具體子項政策實施情況,其中既包含從金融供給角度針對銀行機構和非銀行機構的工具,也有從需求端針對住戶部門和企業部門的工具。由于每一類別宏觀審慎政策工具有其特定的作用范圍,因此不同種類政策工具對銀行風險承擔的影響可能會有所差異。邵夢竹(2019)通過對2000-2013年53個國家主要銀行的資產負債表數據實證分析也發現,緩沖型工具和資產負債工具能夠顯著降低銀行的風險承擔,而借款人工具的政策效果則不明顯。基于此,本文提出假設:

H2:在抑制銀行風險承擔方面,不同類別宏觀審慎政策工具與貨幣政策的協同效應有所差異,針對銀行機構的宏觀審慎工具與貨幣政策的協同效應更為顯著。

已有文獻表明,貨幣政策和宏觀審慎政策的有效性在經濟周期不同階段存在非對稱性。在經濟上行時期,市場主體資產負債表改善,對未來預期較為樂觀,銀行發放貸款和參與高風險業務的意愿上升,此時緊縮的貨幣政策對銀行風險承擔的抑制效應會受到一定程度的削弱(馬勇和王瑩曼,2022)。同時,受樂觀預期影響,宏觀審慎政策制定者難以及時采取逆周期操作抑制泡沫化增長的風險(宋科等,2019)。而在經濟下行時期,銀行信貸投放較為謹慎,實施寬松的貨幣政策有助于促進銀行加大信貸投放、提升風險承擔。同時,銀行對宏觀審慎政策的敏感性增強,更容易受到監管政策的影響,此時加強宏觀審慎管理,能夠更好地抑制寬松貨幣政策引發的銀行過度風險承擔。基于此,本文提出假設:

H3:宏觀審慎政策和貨幣政策對銀行風險承擔的協同效應在經濟周期不同階段存在非對稱性,經濟下行期“雙支柱”政策的協同效應要強于經濟上行期。

中國商業銀行數量眾多且質效差異較大,銀行機構經營質效不同,資產負債結構以及風險管理能力也大相徑庭,“雙支柱”政策對銀行風險承擔的影響在不同類型的商業銀行之間可能存在異質性。現有大部分文獻驗證了這一觀點。黃繼承等(2020)研究發現,在以降息為代表的寬松貨幣政策下,城市和農村商業銀行相比于國有和股份制商業銀行,具有更強烈的增加風險資產的動機,而宏觀審慎管理抑制銀行由于降息帶來的過度風險承擔的作用,在城市和農村商業銀行中也表現得更為有效。佟孟華等(2022)研究認為,對于非國有大型商業銀行,“雙支柱”調控框架表現出了顯著的風險抑制效果,而在國有大型商業銀行中表現則不顯著。同時,也有學者得出不一樣的結論。張旭等(2022)發現,對于全國銀行和本地銀行兩個子樣本,杠桿率要求在貨幣政策對銀行風險承擔的影響中,不存在顯著性差異。考慮到大部分文獻偏向于認可存在銀行異質性的結論,本文提出假設:

H4:“雙支柱”政策的風險承擔協同效應受銀行異質性影響,政策協同效應對于地方性銀行更為明顯。

三、研究設計

1. 變量選取

(1) 銀行風險承擔(RISK)。根據現有研究,銀行風險承擔指標的代理變量有預期違約率、Z值、不良貸款率、風險加權資產占比。預期違約率是銀行發放的貸款在一定時期內未能償還的概率,它取決于資產價值、資產風險以及債務水平三個因素,側重于衡量預期風險,但中國缺少長期貸款違約數據積累,難以構建符合實際的預期違約函數。Z值是銀行資產收益率與資產比值之和除以資產收益率的標準差,主要衡量銀行破產概率,與風險承擔水平存在一定差異。因此,本文參照邵夢竹(2019)等的做法選取不良貸款率(NPL)作為銀行風險承擔的代理變量,在穩健性檢驗中以銀行風險資產占比(RWA)作為替換指標進行檢驗。考慮到數據可得性,本文參照已有文獻,通過風險加權計算得到指標值,也即風險加權資產=同業往來×20%+貸款×100%+固定資產×100%。

(2) 貨幣政策(MPT)。數量型貨幣政策的代理變量主要有貨幣供應量、社會融資總量、法定存款準備金率等,價格型貨幣政策代理變量主要包括LPR、存貸款基準利率、貸款加權利率、存款加權利率以及同業拆借利率等。考慮到中國正處在利率市場化改革時期,貸款基準利率已退出歷史舞臺,而LPR尚未有足夠數據積累,因此參考李雙建和田國強(2020)等的做法,本文分別選取法定存款準備金率(DRR)和3個月銀行間同業拆借加權平均利率(IBO)作為數量型貨幣政策和價格型貨幣政策的代理變量,同時采用廣義貨幣供應量(M2)的增速和7天銀行間同業拆借加權平均利率(IBO7)替換開展穩健性檢驗。在數值處理方面,法定存款準備金率、銀行間同業拆借加權平均利率按照當年實際時間加權平均計算對應的年度數據。

(3) 宏觀審慎政策(MPP)。本文在引言部分已分析了單一政策工具作為宏觀審慎政策代理變量的局限性。相比之下,IMF宏觀審慎政策調查問卷中包含的宏觀審慎政策工具類型更加豐富,以此構建政策指數更能反映宏觀審慎政策實施情況。因此,本文參照郭田勇和賀雅蘭(2019)、馬勇和姚弛(2021)等的做法,基于IMF宏觀審慎政策調查數據構建宏觀審慎政策指數。與上述文獻不同的是,本文在構建總指數的同時,還針對中國使用較多的住戶部門類工具和銀行流動性工具,構建兩個分指數,以此研究不同類型宏觀審慎政策工具與貨幣政策在銀行風險承擔方面協同效應的差異性。具體方法是:在總指數(MPI)方面,設定初始為0的宏觀審慎政策虛擬變量,當IMF宏觀審慎政策調查問卷的81個具體子項中某個子項的宏觀審慎政策當期生效時+1,失效時-1,簡單加總得到當期的MPI;在住戶部門類工具(MPI_H)和銀行流動性工具(MPI_L)兩個分指數方面,同樣設定初始為0的虛擬變量,所不同的是相關類別工具當期生效或者強化時+1,失效或者放松時-1,加總得到當期的兩個分指數。以此構建的總指數(MPI)反映了樣本期宏觀審慎政策工具箱的豐富程度,也體現了宏觀審慎政策框架的完善程度;兩個分指數(MPI_H和MPI_L)體現了樣本期兩類政策工具的實施強度。

(4) “雙支柱”協同效應(MPT×MPI)。本文參考黃繼承等(2020)的研究,引入貨幣政策和宏觀審慎政策的交互項,其含義是宏觀審慎政策對貨幣政策銀行風險承擔渠道的影響,以此來測度 “雙支柱”政策在銀行風險承擔方面的協同效應。

(5) 控制變量(CV)。為提升實證模型的分析能力,避免個別變量遺漏的影響,參照李雙建和田國強(2020)、馬勇和姚弛(2021)等的研究,本部分選取的控制變量包括銀行特征變量、市場結構變量和宏觀經濟變量。其中,銀行特征變量包括:銀行規模(SIZE),采用銀行總資產的自然對數表示;盈利能力(ROA),采用銀行資產收益率來表示;杠桿率(LEV),采用資產總額與所有者權益總額的比值來表示;銀行經營效率(CTI),采用銀行成本收入比來表示,反映銀行的自身盈利能力,該指標越高,表明效率越低;流動性(LTS),采用貸存比來表示;資本充足(CAR),采用銀行資本充足率來表示。市場變量選取銀行業市場結構(FS),具體為全國性銀行資產總額占銀行業金融機構資產總額的比重。經濟變量選取地區生產總值的增長率(GDP),對于全國性銀行(國有大型銀行和股份制商業銀行)選取全國GDP的增長率,地方性銀行(城市和農村商業銀行)根據其所屬省份選取相應地區的GDP增長率。

表1 變量定義與說明

2. 模型設定

(1) 靜態面板模型。本文首先參考鄧向榮和張嘉明(2018)、佟孟華等(2022)的做法,構建如下基準模型:

RISKit=C+βMPTt+λMPPt+ηMPPt×MPTt+γCVit-1+μi+εit

(1)

其中,i和t分別代表銀行個體和年份,RISK為銀行風險承擔變量,MPT為貨幣政策變量,MPP為宏觀審慎政策變量,CV為控制變量,β為貨幣政策變量的回歸系數,λ為宏觀審慎政策變量的回歸系數,η為貨幣政策與宏觀審慎政策交叉項的回歸系數,γ為控制變量回歸系數,μi為個體效應,εit為隨機擾動項。為緩解反向因果關系帶來的內生性問題,本文參照周俊杰和易憲容(2019)的做法,對于銀行微觀特征變量采用滯后1期值。

(2) 動態面板模型。考慮到政策效應和風險承擔的持續性,使用靜態面板模型可能會存在偏差。因此,本文參考Alutunbas等(2017)、郭田勇和賀雅蘭(2019)的做法,在靜態面板模型的基礎上,進一步構建動態面板模型,以此觀察銀行風險承擔的延續性并更好地解決內生性問題。

RISKit=C+αRISKit-1+βMPTt+λMPPt+ηMPPt×MPTt+γCVit+μi+εit

(2)

其中,RISKit-1為滯后一期的銀行風險承擔變量,α為滯后1期被解釋變量的回歸系數,其余含義與模型1相同。

對于模型2本文擬采用系統廣義矩估計(GMM) 進行動態回歸,該方法適用于動態短面板數據,通過將內生變量的滯后項作為工具變量,能夠較好解決動態模型中滯后因變量與誤差項相關所引起的內生性,并能修正未觀察到的異方差、遺漏變量偏差和測量誤差。

本文重點關注交叉項系數和顯著性。如果交叉項系數顯著性較好,則說明“雙支柱”政策在銀行風險承擔中能夠發揮協同效應。此外,如果交叉項系數與貨幣政策符號相反,說明加強宏觀審慎管理能夠削弱貨幣政策對銀行風險承擔的影響;符號相同,則說明加強宏觀審慎管理將增強貨幣政策對銀行風險承擔的影響。

3. 樣本和數據來源

本文研究樣本為2009-2021年中國88家商業銀行年度平衡面板數據,其中,國有大型銀行5家、股份制商業銀行10家、城市商業銀行55家、農村商業銀行18家。不良貸款率、法定存款準備金率、銀行間同業拆借加權平均利率、銀行層面控制變量以及宏觀層面控制變量數據來源于WIND數據庫以及銀行年度審計報告,樣本篩選過程中剔除了數據不全的商業銀行,并對銀行層面的變量進行了上下 1%的縮尾處理,避免異常值對實證結果的干擾。宏觀審慎政策相關變量根據IMF宏觀審慎政策調查問卷數據梳理而得,最新調查數據截至2021年。數據處理與回歸分析軟件為stata16.0。各主要變量的描述性統計結果詳見表2。

表2 主要變量指標的描述性統計結果

從銀行風險承擔指標看,不良貸款率標準差和均值之比達到0.51,相對較高,說明本文選取的銀行機構覆蓋面較廣,具有較強的代表性;同樣,風險加權資產占比指標也同樣體現這一特征。貨幣政策指標中,法定存款準備金率標準差和均值之比為0.21,銀行間同業拆借加權平均利率相關比值分別為0.24和0.26,表明樣本期內央行在法定存款準備金率政策上相對穩健,而銀行間同業拆借加權平均利率更能反映市場對于貨幣政策的感知情況,兩者從政策和市場不同視角來反映中國貨幣政策的變化。宏觀審慎政策總指數從14上升到43,說明樣本期內中國宏觀審慎政策工具箱總體趨于不斷豐富,而銀行流動性管理類和住戶部門類工具指數波動相對較大,體現了樣本期內兩類宏觀審慎工具的使用呈現一定的彈性。

四、實證結果及分析

1. 靜態模型回歸結果

本文對靜態面板模型選擇估計方法。首先進行F檢驗,確定固定效應模型優于混合效應模型;其次進行Hausman檢驗,比較了固定效應模型和隨機效應模型,結果強烈拒絕了隨機效應模型。因此,本文采用固定效應模型進行估計分析,為緩解潛在的異方差問題,本文在實證分析中采用異方差穩健標準誤并在銀行個體層面進行聚類。表3報告了兩種貨幣政策代理變量和三種宏觀審慎政策代理變量下的回歸結果。

表3中列(1)列(2)、列(3)列(4)、列(5)列(6)分別給出了宏觀審慎政策代理變量為宏觀審慎政策總指數、銀行流動性工具指數、住戶部門工具指數下的回歸結果。從回歸結果可以看出:

一是列(1)至列(4)中貨幣政策代理變量系數均在1%的水平上顯著為負,說明在中國無論是通過數量型貨幣政策工具還是價格型貨幣政策工具,實施寬松的貨幣政策均會引起銀行風險承擔的顯著上升。宏觀審慎政策代理變量系數也在1%的水平上顯著為負,說明宏觀審慎政策整體以及銀行流動性宏觀審慎工具,能夠直接抑制銀行的風險承擔。

二是列(1)至列(4)中貨幣政策和宏觀審慎政策交叉項系數均在5%的水平上顯著為正,與貨幣政策代理變量系數相反,說明強化宏觀審慎政策可以削弱貨幣政策對銀行風險承擔的影響,“雙支柱”政策對銀行風險承擔能夠發揮較好的協同影響。也即,當寬松貨幣政策引起銀行風險承擔上升時,加強宏觀審慎管理和強化銀行流動性宏觀審慎工具使用,有助于削弱貨幣政策的風險外溢效應,這一結果驗證了假設H1。

三是列(5)列(6)中主要解釋變量符號與相應的列(1)列(3)、列(2)列(4)一致,但未達到統計顯著性,說明住戶部門宏觀審慎工具在與貨幣政策配合使用時,對銀行風險承擔的影響不確定,這與邵夢竹(2019)的實證結果類似(該文主要研究不同類型宏觀審慎工具對銀行風險承擔的直接影響)。可能的原因是,針對住戶部門的宏觀審慎工具主要包括貸款價值比、貸款收入比等,主要通過限制居民家庭的貸款能力和杠桿水平,從需求端防范系統性金融風險。但長期以來,對于中國銀行機構而言,住戶部門貸款尤其是其中占比較高的住房按揭貸款屬于優質資產,是商業銀行重點營銷領域之一。加強住戶部門宏觀審慎政策要求將一定程度上抑制銀行向居民家庭的貸款投放,但同時也可能會導致一些銀行將信貸資源轉而投向更高收益更高風險的領域。因此,住戶部門宏觀審慎工具對于銀行風險承擔行為的影響具有不確定性,與貨幣政策的協同效應也不顯著。這一結果驗證了假設H2,即不同類別的宏觀審慎政策工具與貨幣政策作用于銀行風險承擔時,協調配合效果不同;宏觀審慎政策整體或銀行流動性宏觀審慎工具與貨幣政策配合,能對銀行風險承擔產生較為顯著的協同作用;住戶部門宏觀審慎工具雖然有助于抑制住戶部門的宏觀杠桿率,但與貨幣政策對于銀行風險承擔的協同效應不明顯。

四是控制變量系數絕大多數在1%的水平下顯著。資產收益率(ROA)、杠桿率(LEV)、成本收入比(CTI)、資本充足率(CAR)的系數顯著為負,說明盈利能力越強、所有者權益占比越高、經營效率越高、資本越是充足的銀行,風險承擔越低;流動性(LTS)的系數顯著為正,可能是貸存比過高將直接提升銀行的流動性風險,不利于銀行風險分散化(李雙建和田國強,2020),同時貸存比高說明銀行的經營理念較為激進,風險承擔意愿更為強烈。地區生產總值(GDP)系數顯著為負,說明經濟發展較快的地區,資產質效越好,銀行承擔的風險水平也就越低。市場競爭程度(FS)系數總體為負,體現出市場競爭越是激烈,銀行經營壓力越大,風險承擔的意愿就越強。而銀行規模(SIZE)不顯著,可能的原因是:一方面,銀行規模越大,承擔風險的能力越強,風險承擔的潛在沖動也就越強;但另一方面,規模大的銀行會受到更多和更嚴厲的監管要求,導致銀行的經營策略更趨于穩健(李雙建和田國強,2020);兩相作用下,銀行規模對于其風險承擔意愿和行為的影響具有不確定性。

表3的回歸結果也潛含著“雙支柱”政策如何協調配合的問題。貨幣政策的目標是保持幣值穩定,并以此促進經濟增長;宏觀審慎政策的目標是防范系統性金融風險,維護金融穩定。貨幣政策和宏觀審慎政策雖然在目標上各有側重,但并不彼此分割,而是交互影響、相互作用的(李斌和吳恒宇,2019):貨幣政策會對金融穩定產生“負外部性”,而宏觀審慎政策也會影響貨幣政策實施效果。從表3中可以看出:第一,“雙支柱”政策協調配合需要選擇合適的政策工具,尤其是宏觀審慎政策工具內涵豐富,在與貨幣政策配合時,需要考慮工具的適用性和有效性。第二,“雙支柱”政策各自有不同的方向選擇,在不同的條件下可以應時應勢采用不同的政策組合。在經濟正常波動的情況下,宏觀審慎政策與貨幣政策逆向施策,比如,放寬的貨幣政策+收緊的宏觀審慎政策,可以更好地實現經濟增長和金融穩定的目標。而在極端情況下,同向施策也不失為一種可行的組合方案。比如,在經濟蕭條的情況下,實施寬松的貨幣政策和放寬宏觀審慎要求,可以共同促進銀行風險承擔意愿和水平的提升,推動銀行釋放更多流動性,進而刺激經濟復蘇;在經濟過熱的情況下,緊縮的貨幣政策和強化宏觀審慎要求可以更大力度約束銀行風險承擔行為,有助于應對通貨膨脹和防范金融風險。當然,如果經濟蕭條時期,資金只在金融體系“空轉”,造成資產泡沫或者杠桿擴張,則需要強化宏觀審慎管理,防范系統性風險,同時促進資金流向實體經濟;而同樣,在經濟過熱時期,如果杠桿率已經很高,緊縮的貨幣政策有可能刺破泡沫,導致急劇去杠桿,此時放寬宏觀審慎要求有助于緩釋這一過程。因此,“雙支柱”政策協調配合需要相機抉擇,根據不同情形選擇不同的政策組合,而無論采取何種政策組合,都必須考慮“度”的問題,防止政策過度導致經濟或金融驟冷驟熱。

2. 穩健性檢驗(1)限于篇幅,穩健性檢驗結果不再列示,備索。

(1) 使用動態面板模型進行穩健性檢驗。本文構建了動態面板模型,并采用兩步法系統GMM方法進行估計,其中將銀行特征變量作為內生變量。使用Arellano-Bond檢驗擾動項一階序列和二階序列相關性,其原假設H0為干擾項無自相關,當AR(2)的p值大于0.05時接受原假設;使用Sargan檢驗進行過度識別約束檢驗,其原假設H0為所有工具變量是有效的,當Sargan檢驗的p值大于0.05時接受原假設。回歸結果顯示,所有系統GMM估計均通過了Arellano-Bond檢驗和Sargan檢驗,表明模型設置合理有效。

(2) 分別替換被解釋變量和解釋變量進行穩健性檢驗。本文分別用加權風險資產占比(RWA)替換不良貸款率(NPL),用M2增長率和銀行間市場7天同業拆借平均利率替換貨幣政策代理變量,對靜態面板模型結果進行穩健性檢驗。需要說明的是,由于M2的上升代表貨幣政策寬松,與存款準備金、利率提升意義相反,為保持前后一致取其負數。

將兩類檢驗結果和表3對照發現,主要解釋變量系數符號與前文結果保持一致,顯著性也較好,說明本文靜態回歸模型和結論是穩健可信的,假設H1和假設H2得到進一步驗證。

3. 擴展性分析

(1) 區分不同經濟環境的回歸結果。在上述分析基礎上,進一步探討在經濟上行和下行期,宏觀審慎政策和貨幣政策對銀行風險承擔的協同效應是否具有差異性。本文參考馬勇和姚弛(2017)的做法計算經濟上行和下行期,即對GDP同比增速進行HP濾波處理,取得周期波動項,當周期波動項大于0時為經濟上行期,小于0時為經濟下行期,以此將全樣本分為經濟上行和經濟下行兩個子樣本,基于模型1進行回歸分析。為簡化研究,拓展性分析中不再考慮顯著性較弱的住戶部門工具指數,結果如表4。

表4 區分不同經濟環境的回歸結果

表4中列(1)列(3)是經濟上行期時的回歸結果,列(2)列(4)對應經濟下行期時的回歸結果,宏觀審慎政策變量分別為MPI和MPI_L。從貨幣政策、宏觀審慎政策兩者交互項系數的顯著性水平可以看出,經濟上行期子樣本顯著性水平整體相對較弱;從系數絕對值看,經濟下行期子樣本交互項系數也要大于經濟上行期子樣本。說明在經濟下行期,宏觀審慎政策與貨幣政策對銀行風險承擔的協同效應要強于經濟上行期。為進一步驗證系數差異在統計意義上的顯著性,本文采用經驗p值進行檢驗,經由Bootstrap法抽取100次計算得到的結果顯示,不論宏觀審慎政策代理變量為MPI還是MPI_L,交互項系數的經驗p值均為0.00和0.00,均在1%的水平上顯著,組間系數的估計值存在顯著性差異,這一結果驗證了假設H3,也即宏觀審慎政策和貨幣政策對銀行風險承擔的協同效應在經濟周期不同階段存在非對稱性,在經濟下行期“雙支柱”政策的協同效應強于經濟上行期。

在理論分析部分,本文對產生這種非對稱性效應的原因進行了探討:經濟上行期受增長“假象”的迷惑,加之內部普遍存在權責不對等問題,銀行具有較強的加大信貸投放、增加高風險資產配置的沖動,容易產生各種規避行為,此時宏觀審慎政策和貨幣政策需要做出更多的努力才能產生較好的協同效應;而在經濟下行期,商業銀行對宏觀審慎政策的敏感性增強,出于應對監管政策和經濟環境負面影響的考慮,在政策指引下更容易主動降低自身風險(宋科等,2019)。

為驗證該結果的穩健性,本文繼續分別用加權風險資產占比(RWA)作為銀行風險承擔的代理變量,用M2增長率和銀行間市場7天同業拆借加權平均利率作為貨幣政策代理變量,開展檢驗,所得回歸結果與表4基本保持一致。

(2) 區分不同類別銀行機構的回歸結果。為檢驗“雙支柱”政策對銀行風險承擔協同效應在不同類別商業銀行之間是否存在差異,本文將樣本分為全國性銀行(國有及股份制商業銀行)、地區性銀行(城市及農村商業銀行)兩個子樣本進行分組分析,結果如表5所示。

表5 區分不同類別銀行機構的回歸結果

表5中列(1)列(3)是全國性銀行子樣本的回歸結果,列(2)列(4)是地區性銀行子樣本的回歸結果,宏觀審慎政策政策變量分別為MPI和MPI_L。結果顯示:在數量型貨幣政策工具下,無論宏觀審慎政策代理變量為MPI還是MPI_L,對于全國性銀行子樣本而言,兩者的交互項系數都不顯著,而地方性銀行子樣本交互項系數分別為0.0046和0.0247,均在1%的水平上顯著;在價格型貨幣政策工具下,全國性銀行子樣本交互項的系數大小和顯著性整體弱于地區性銀行子樣本,經由Bootstrap法抽取100次計算檢驗系數差異的顯著性,發現交互項系數的經驗P值均在5%的水平上顯著,分別為0.00和0.03,也即在價格型貨幣政策下,“雙支柱”政策對地區性銀行風險承擔的影響同樣更為顯著。這一結果驗證了假設H4。

“雙支柱”政策對全國性銀行風險承擔的協同效應不顯著,卻顯著影響地方性銀行的風險承擔,其原因可能是全國性銀行受到更多更嚴的監管要求,在政策指導下經營更為穩健,相對而言也預留了更多的政策回旋空間,而地方性銀行更多具有發展沖動,風險承擔意愿更強、行為更為激進,導致政策對其影響效應更大。張曉慧(2017)也強調,一些中小金融機構由于過度加杠桿、索取利潤,導致資產無度擴張,從而適應不了MPA約束要求。

為驗證該結果的穩健性,本文繼續分別用加權風險資產占比(RWA)作為銀行風險承擔的代理變量,用M2增長率和銀行間市場7天同業拆借加權平均利率作為貨幣政策代理變量開展檢驗,所得回歸結果與表5基本保持一致。總體而言,宏觀審慎政策和貨幣政策對于地方性銀行風險承擔的協同作用更為顯著,而對于全國性銀行則不明顯。

五、結論和政策建議

1. 結論

本文基于2009-2021年中國88家銀行機構的平衡面板數據,構建靜態面板和動態面板模型,并分別通過固定效應估計和系統GMM估計方法,實證研究了宏觀審慎政策和貨幣政策對銀行風險承擔的協同效應。同時,探討了不同經濟環境下以及對于不同類別銀行機構,該協同效應的差異性。

通過研究,得出以下結論:一是“雙支柱”政策對于銀行風險承擔能夠發揮較好的協同效應,當寬松貨幣政策引起銀行風險承擔上升時,宏觀審慎政策整體能夠削弱這種“負外部性”,降低銀行風險承擔。二是使用不同類型宏觀審慎政策工具時,這種協同效應會有所差異,銀行流動性宏觀審慎工具與貨幣政策對于銀行風險承擔的協同效應更為顯著,而住戶部門宏觀審慎工具與貨幣政策的協同效果不顯著。三是“雙支柱”政策對銀行風險承擔的協同效應在不同經濟環境下存在非對稱性,在經濟下行期協同效果要強于經濟上行期。四是上述協同效應受到銀行異質性影響,對于全國性銀行而言“雙支柱”政策協同效應不顯著,而對于地方性銀行則顯著影響其風險承擔意愿和水平。五是“雙支柱”政策有不同的政策組合方向,具體應根據經濟條件和政策目標采用不同的組合方式,以此達到較優的協同效果。

2. 政策建議

基于上述研究結論,本文提出如下政策建議:一是健全“雙支柱”政策框架。充分考慮貨幣政策和宏觀審慎政策對于各自政策目標的相互影響,以更好地發揮貨幣政策和宏觀審慎政策之間的協同效應。二是進一步豐富宏觀審慎政策工具箱。不斷完善政策工具箱,提升宏觀審慎政策的針對性和有效性,尤其在企業部門、系統重要性金融機構等領域還需要不斷探索完善,以期在不同領域較好實現宏觀審慎政策與貨幣政策的協調配合。三是關注銀行在不同經濟時期的風險承擔累積。尤其是經濟上升期“雙支柱”政策協調效應較弱的時候,更需注重風險承擔的變化,提前做好預判,增強政策的前瞻性和有效性,防患于未然。四是充分考慮銀行異質性的影響。在加強系統重要性銀行宏觀審慎管理的同時,關注中小銀行的政策敏感性及其對政策傳導可能帶來的影響,“扶優限劣”,嚴格中小銀行監管要求,拓寬中小銀行資本補充渠道,提高優質中小銀行的“造血”能力和抗風險能力。五是根據經濟發展環境和政策目標,相機選擇“雙支柱”政策組合方面,注重把握政策實施力度,提升政策協同效果,促進經濟發展和金融穩定雙目標的實現。

3. 存在的不足和可能的擴展方向

本文研究還存在以下不足:一是與大多數現有文獻一樣,本文主要關注銀行資產端風險承擔變化,而硅谷銀行破產案例說明,銀行風險承擔行為不一定表現在其資產組合結構上,也有可能是負債端和資產端的期限錯配敞口的上升。二是未對銀行風險承擔的意愿、行為和水平進行深入比較分析。貨幣政策變化通過影響銀行風險承擔意愿,進而對其行為和風險承擔水平產生影響,本文選用的銀行風險承擔代理變量主要體現銀行風險承擔水平(不良貸款率)和行為(風險資產加權占比),未對風險承擔意愿以及三者可能存在的區別進行深入分析。三是未對結構性貨幣政策與宏觀審慎政策的協同效應進行分析。結構性貨幣政策在中國使用越來越廣泛,其兼具總量和結構的特征,從現實意義而言,宏觀審慎政策與之協同效應也需進一步進行探討分析。四是受制于數據積累不足和政策工具處于不斷完善之中,本文對于企業部門、系統重要性機構等領域宏觀審慎工具,與貨幣政策的協同效應未做進一步研究。基于此,可能的研究擴展方向在于:在銀行風險承擔中,進一步關注銀行流動性風險承擔變化情況,尤其是資產端和負債端期限錯配帶來的潛在流動性風險;考察“雙支柱”政策對銀行風險承擔意愿、行為和水平的協同效應是否具有差異性;考察宏觀審慎政策和結構性貨幣政策對于銀行風險承擔的協同效應;考察企業部門、系統重要性機構宏觀審慎工具與貨幣政策對于銀行風險承擔的協同效應。