银行系统论文：银根紧缩与银行信贷资金行业配置行为

《银行系统论文：银根紧缩与银行信贷资金行业配置行为》由会员分享，可在线阅读，更多相关《银行系统论文：银根紧缩与银行信贷资金行业配置行为（7页珍藏版）》请在装配图网上搜索。

1、银行系统论文：银根紧缩与银行信贷资金行业配置行为来自SVAR模型的经验证据摘要：本文从我国银行贷款传导渠道的典型事实出发，通过建立SVAR模型考察了紧缩性政策影响下我国银行信贷资金的行业配置行为。研究表明，当人民银行上调政策利率之后，银行会根据不同借款主体的可抵押品价值高低而产生不同程度的违约风险预期，并将信贷资金配置到抵押品价值较高的工业和商业贷款，同时减少了抵押品价值较低的农业贷款。这也就意味着，紧缩性政策的操作会通过资产负债表效应决定了银行信贷资金行业配置行为，并可能影响到经济结构的战略性调整。 关键词： 紧缩性政策 信贷资金行业配置行为 资产负债表效应 SVAR Contraction

2、 of monetary policy and Bank Loan Industry PortfolioZhANG Yong (South China Normal University, Guangzhou 510006)Abstract: Using SVAR model, the paper investigates how the contraction of monetary policy influences the bank loan industry portfolio based on the stylized fact of bank loan channel. The e

3、mpirical study indicates that due to the rise of policy rate, the default risk expectation will make shape according to economic agent collateral value. and also, the bank shifts agriculture loan to industry and commercial loan in case of default risk. It illuminates that the bank loan industry port

4、folio is determinated by balance sheet effect, which will became the obstacle to the adjustment of economic structure. Keywords: Contraction of monetary policy; Bank loan Industry portfolio; balance sheet effect; SVAR 致谢：本研究得到了教育部人文社会科学研究一般项目“银行非自愿超额准备金波动与货币政策微调性操作”（09YJC790098）的资助。 作者简介：张勇（1976-），男

5、，安徽安庆人，华南师范大学经济管理学院金融系，510006 联系人：张勇 通讯地址：广东，广州大学城华南师范大学经济管理学院金融系，邮编：510006 电话： 13422201382 020-35622128 电子信箱：zhyong76银根紧缩与银行信贷资金行业配置行为来自SVAR模型的经验证据 本研究得到了教育部人文社会科学研究一般项目“银行非自愿超额准备金波动与货币政策微调性操作”（09YJC790098）的资助。摘要：本文从我国银行贷款传导渠道的典型事实出发，通过建立SVAR模型考察了紧缩性政策影响下我国银行信贷资金的行业配置行为。研究表明，当人民银行上调政策利率之后，银行会根据不同借款

6、主体的可抵押品价值高低而产生不同程度的违约风险预期，并将信贷资金配置到抵押品价值较高的工业和商业贷款，同时减少了抵押品价值较低的农业贷款。这也就意味着，紧缩性政策的操作会通过资产负债表效应决定了银行信贷资金行业配置行为，并可能影响到经济结构的战略性调整。 关键词： 紧缩性政策 信贷资金行业配置行为 资产负债表效应 SVAR 一、 引言随着我国国民经济运行企稳回升，加快经济结构战略性调整被确定为国民经济和社会发展第十二个五年规划的主攻方向。在此背景下，中国人民银行综合运用多种货币政策工具，通过加强流动性管理，在将货币条件从反危机的极度宽松状态逐步向常态回归的同时，着力引导银行优化信贷资金行业配置

7、结构，进而增强信贷资金支持经济结构调整的均衡性和可持续性。然而，在紧缩性政策的影响下，银行在信贷资金行业配置方向上却表现出了显著的差异性，并可能在一定程度上弱化了货币当局通过银行贷款传导渠道实现经济结构调整目标。那么，由此提出的问题是，紧缩性的政策会对银行信贷资金行业配置行为产生什么样的影响？对这一问题的解答，不仅可以从银行微观行为的层面上理解银行贷款传导渠道的内在机理，而且还有助于发挥货币政策在促进经济结构调整中的积极作用。 从西方经济学文献来看，国外学者对这一议题的探讨，主要是以利率市场化程度较高国家为背景，从中央银行上调政策利率（policy rate）之后，紧缩性政策对不同行业的借款主

8、体所形成资产负债表效应(balance sheet effect)的角度加以展开（Bernanke, Gertler,1995）。具体而言，在发达的金融市场中，政策利率的上调会导致借款主体所持有的资产价格下跌，同时又通过抑制总需求进而影响营业收入并形成融资缺口，最终削减借款主体的抵押品价值，并加速其资产负债表质量状况的恶化。那么，在信息不完美的情况下，银行就会根据抵押品价值的高低而对借款主体产生不同程度的违约风险预期，并将其信贷资产配置到抵押品价值受紧缩性政策影响较小的借款主体上，从而也就决定了信贷资金的行业配置行为。Den Haan et al.(2007,2009) ，Jean-Stpha

9、ne Msonniery（2008）分别以美国、加拿大和法国的银行业为研究对象就发现，当政策利率上升时，银行均增加了工商业贷款而减少了家庭消费贷款，这就可能表明，家庭可抵押品价值受紧缩性政策的影响而下降更为显著。 这些前瞻性的研究成果给我们提供了一个新的研究思路。那么，当人民银行采取紧缩性政策操作时，是否会通过资产负债表效应而决定银行信贷资金的行业配置行为呢？事实上，自从1994年我国银行业信贷规模管理逐步取消，以及以银行间同业拆借市场成立为标志的利率市场化体系的建立，各个层次的市场利率已成为货币政策传导机制的政策工具和中介目标。而且，人民银行开始依托于银行间市场通过调控以央票发行利率为主导的

10、政策利率，并通过债券收益率的期限结构作用于中长期利率，并影响到投资、消费以及资产价格的波动。可以推论，政策利率的未预期波动有可能也会通过上述渠道影响到借款主体的可抵押品价值，进而形成资产负债表效应并促使信贷资金行业配置行为的变化。 目前国内学者对这一议题的研究尚未充分展开。大多数文献更多局限于银行在信贷资金和证券资产之间的组合行为分析，而并未深入到对信贷资金微观成分的讨论（刘斌，2005；索彦峰，2007）。叶康涛和祝继高（2009）探讨了紧缩性政策影响下银行在不同成长性行业展开的信贷资金配置行为，但是并未从资产负债表效应的角度考察信贷资金行业配置行为。鉴于此，本文试图从我国银行贷款传导渠道的

11、典型事实出发，建立结构向量自回归模型（SVAR），并在对模型结构系数估计的基础上，构建政策利率冲击下不同行业贷款的响应函数并进行比较，从而观察银行信贷资金的行业配置行为。二、结构向量自回归模型的设定 自从2003年4月人民银行在公开市场操作中启动央行票据发行以弥补现券持有量不足之后，央行票据逐步成为货币政策操作的日常性微调工具（余明，2009），由此人民银行初步建立了间接性银行贷款传导渠道，并试图以央票发行利率作为主要政策利率，引导银行贷款行为，进而实现价格和产出目标。基于上述分析，为了刻画政策利率决定银行贷款，并最终影响产出和价格的传导机制，我们建立了包含（产出、价格、银行贷款、政策利率）的

12、四元结构向量自回归模型（SVAR），如式所示。 其中，、分别表示产出、价格、银行贷款和政策利率。表示内生变量同期决定关系的系数矩阵，表示滞后第阶的系数矩阵，表示某一变量的随机冲击对内生变量产生影响的系数矩阵，表示结构化随机冲击，一般假设为正交。这样，我们在对SVAR模型估计其结构系数的基础上，即可建立政策利率冲击下银行贷款的响应函数。在SVAR模型估计之前，还需要对、矩阵的结构系数施加可识别性的约束条件，进而将其转化为简化式VAR。一般而言，对于包含k个内生变量的SVAR模型需要施加个约束条件，而且，当考察随机冲击对内生变量的影响机制时，又通常假定为单位阵，这样再施加个约束条件，这也就需要还对

13、矩阵施加个约束条件。那么，对于本文而言，k=4,也即还需要施加6个约束条件。由此，我们假定B矩阵可以如式所示， 我们可以根据银行贷款传导渠道的现实情况和经济理论作出以下假设：（1）假定产出仅受自身冲击的影响，即，；（2）根据菲利普斯曲线的产出缺口决定价格变动的机制，可以假定价格除了受自身冲击影响之外，还受到产出冲击的影响，即，；（3）人民银行是根据产出和价格的变动相应调整政策利率，可以假定政策利率除了受自身冲击影响之外，还受到产出和价格冲击的影响，即。这样，在SVAR模型识别和估计之后转化为移动平均表达式，即可建立政策利率冲击下银行贷款的响应函数，如式所示 其中，n表示冲击作用下时间滞后间隔。

14、 三、 数据分析与模型估计 由于本文的目的是试图考察政策利率冲击下不同行业贷款的响应函数并进行比较，因此，我们根据现行金融统计数据的可获得性，分别建立了三组由（产出、价格、银行贷款、政策利率）构成的SVAR模型，其中，根据我国现行金融统计制度的特点，银行贷款分别取工业、商业和农业贷款三种情形。这样，我们就在估计模型结构系数的基础上计算出政策利率冲击下各类行业贷款的响应函数。（一） 数据来源与说明产出由消除趋势后的对数实际GDP表示，其中实际GDP是由名义GDP经1994年为基期的定基比CPI调整而得到，名义GDP值又取自中国经济景气月报。价格由消除趋势后的对数定基比CPI表示，该价格指数是根据

15、谢安（1998）、中国经济景气月报提供的环比CPI经过连乘计算而得。银行贷款由消除趋势后的对数工业贷款、商业贷款和农业贷款表示，贷款数据取自中国人民银行统计季报发布的金融机构人民币信贷收支表。政策利率由消除趋势后的3个月央票发行利率表示，利率值取自中国债券信息网。上述变量的趋势值均采用Hodrick-Prescott过滤法估计而得，样本区间为2003年2季度至2009年4季度，各个变量的波动趋势如图 1所示。 图 1 各个变量波动趋势不难看出，人民银行在2005年1季度至2008年3季度期间内采取了持续上调央票发行利率的紧缩性政策操作，那么，就各类行业贷款的波动趋势来看，农业贷款值先从0.96

16、7%持续降至-2.233%，工业贷款值则从-1.905%持续升至3.675%，商业贷款值则先从-4.805%降至2006年1季度的-7.925%，然后转为升至1.724%。可见，在紧缩性政策影响下，银行在信贷资金的行业配置上表现出了巨大的差异性。（二）模型估计与结果分析我们首先采用ADF方法对上述变量展开平稳性检验，检验结果如表 1 所示。不难看出，各变量均为平稳序列，这也就意味着，SVAR模型是稳定的。表 1 各变量ADF单位根检验结果变量检验类型（c,t,l）ADF值P值YPLinLcomLagrR(c,0,0)(c,0,4) (0,t,5) (0,0,0) (c,0,1)(c,0,1)-

17、3.371-4.063-3.373-1.685-3.112-2.8950.021*0.005*0.082*0.086*0.037*0.060*注：（1）检验类型（c, t , l）中c，t，l分别表示常数项、时间趋势和滞后阶数；（2）*，*，*分别表示10%，5%, 1%的显著性水平；此外，SIC和AIC表明，SVAR滞后阶数为2。这样，在施加可识别性的约束条件之后，采用似然比检验即可估计出三组SVAR模型中B矩阵的结构系数，估计结果如表 2 所示。 表 2 结构系数估计结果B矩阵结构系数引入工业贷款的SVAR引入商业贷款的SVAR引入农业贷款的SVAR3.361419(0.475376)0.

18、108040(0.191825)0.093049(0.077320)-0.627991(0.640107)0.956075(0.135209)0.076316(0.075423)0.053622(0.633871)0.373236(0.052784)1.349680(0.604402)2.867355(0.405505)3.4701060.481217-0.0989850.1960890.0906580.084911-0.3310070.3819800.9974110.1383160.1024080.0827660.2900700.3770730.4157660.0576560.4667830

19、.3692911.8538670.2570853.2068550.4535180.2152650.1882970.0452090.0753160.0920370.2178290.9290980.1313940.1044510.073576-0.2724770.2139980.3603900.050967-0.4202480.2019360.9649610.136466似然比函数值 -172.7761173.0817-142.7817 注：括号内为估计值的标准差。在模型结构系数估计的基础上，我们又分别计算了1个正向标准差的央票发行利率冲击下各类行业贷款的响应函数，如图 2 所示，横轴表示预测期间

20、，纵轴表示各类行业贷款作出响应的百分比。此外，我们还用表 3 概括了上图中各个变量的响应结果。 图 2 利率冲击下各变量的响应函数 表 3 利率冲击下各变量的响应结果响应类型 响应峰值响应峰值时期 响应谷值响应谷值时期响应持续期工业贷款的响应函数1.938923220商业贷款的响应函数0.466783118农业贷款的响应函数-0.979844420 由上图表分析可知，工业贷款在第1期作出了0.117968%的正向响应，到第2期达到1.938923%的响应峰值，随后逐期衰减直至第20期的-0.497519%并趋近于零。商业贷款在第1期作出了0.466783%正向响应并达到了响应峰值，随后逐期衰减

21、直至第18期的-0.01426%并趋近于零。然而，农业贷款在第1期作出了-0.420248%的负向响应，并到第4期达到-0.979844%的响应谷值，随后逐期衰减直至第20期的-0.042473%并趋近于零。不难看出，在人民银行上调央票发行利率的冲击下，工业和商业贷款投放增加，而农业贷款投放减少，并且工业贷款增加的幅度超过了商业贷款。那么，如果从紧缩性政策对不同行业的借款主体所形成的资产负债表效应来看，这也就意味着，工业的借款主体可抵押品价值受紧缩性政策的影响最小，其次为商业的借款主体，而农业的借款主体可抵押品价值下降可能最大。这样，银行就会对不同借款主体产生不同程度的违约风险预期，从而将信贷

22、资金首先配置于可抵押品价值较高的工业，其次为商业，再次为农业。事实上，这种有关可抵押品价值的结论能够得到相关经验事实的支持。如果将制造业、批发零售业和农林牧渔业的固定资产完成额分别视为工业、商业和农业借款主体可抵押品价值的代理变量，那么，在2005至2008年的货币政策紧缩期间，分别表现为20319.29、26398.61、35497.25、46345亿元，1469.97、1884.62、2444.01、3166.18亿元，以及822.77、1101.71、1466.45、2256.12亿元，而各年份的制造业、批发零售业和农林牧渔业固定资产完成额之间比值分别为13.8 :1.78 :1，23.

23、9 :1.71 :1，24.2 :1.66 :1，20.5 :1.40 :1。可见，制造业固定资产完成额最高，其次为批发零售业，再次为农林牧渔业。这实际上也就表明，紧缩性政策是通过资产负债表效应决定了银行信贷资金的行业配置行为。 四、 结论与政策建议 本文从我国银行贷款传导渠道的典型事实出发，通过建立SVAR模型考察了紧缩性政策影响下我国银行信贷资金的行业配置行为。研究表明，当人民银行上调政策利率之后，银行会根据不同借款主体的可抵押品价值高低而产生不同程度的违约风险预期，并将信贷资金配置到抵押品价值较高的工业和商业贷款，同时减少了抵押品价值较低的农业贷款。这也就意味着，紧缩性政策的操作会通过资

24、产负债表效应决定了银行信贷资金行业配置行为。事实上，上述结论也就表明，银行信贷资金行业配置对借款主体可抵押品价值具有高度依赖性，这有助于银行出于资产安全性的考虑而规避违约风险，但是也可能造成了资金配置效率低下，而对高效率和成长性产业的资金投放不足，并鼓励了追求数量、依赖投资的粗放型经济增长方式，从而从长期看，并非有利于经济结构战略性调整和经济发展方式的转变。由此，我们建议，人民银行应充分关注银行信贷资金行业配置行为，将其纳入到货币政策预警和监测体系之中，并加强窗口指导，按照“有扶有控”的信贷政策要求，积极引导银行根据宏观调控要求和实体经济部门的信贷需求，合理调整信贷结构，进而发挥货币政策支持经

25、济结构调整和经济发展方式转变的力度。参考文献：1Den Haan, Wouter J., Steven W. Sumner, and Guy M. Yamashiro. Bank LoanPortfolios and the Monetary Transmission MechanismJ. Journal of Monetary Economics.2007,54(3), 904-924.2Den Haan, Wouter J., Steven W. Sumner, and Guy M. Yamashiro. Bank Loan Portfolios and the Canadian Mon

26、etary Transmission MechanismJ.Canadian Journal of Economics 2009,42(3), 1150-1175.3Jean-Stphane Msonniery. Bank Loan Portfolios, Bank Heterogeneity and the Bank Lending Channel: New Macro Evidence for FranceR.CCBS forum Working Paper. 2008.4刘斌，资本充足率对我国贷款和经济影响的实证研究J.金融研究，2005,(11):18-29.5索彦峰.转型期中国货币政策信用传导机制研究D.南京大学博士论文，2007.6谢安.对我国消费价格指数编制方法的一点看法J.统计研究，1998(3):72-74.7叶康涛、祝继高.银根紧缩与信贷资源配置J.管理世界，2009(1):22-28.8余明.我国央行票据冲销操作政策传导路径的实证研究J.金融研究，2009(2):17-27.7