货币政策与宏观审慎政策的协调搭配——基于中国商业银行微观数据的实证研究

一、引 言

2008年爆发的国际金融危机给各国央行敲响了警钟，此次金融危机对传统的货币政策提出了挑战，即以稳定物价兼顾经济增长为目标的一般性货币政策不足以防范房地产和股票等资产泡沫破灭带来的系统性金融风险。之后，各国央行和政府纷纷调整了货币政策的调控目标及工具，在稳定物价和促进经济增长的同时加强了对金融机构的监管和对金融风险的防范力度，将原有的微观审慎工具集合起来，升级为宏观审慎政策，重点强化对金融机构自有资本和杠杆率的风险监管，防范金融风险在不同部门交叉传染，增强金融系统的稳定性。

为了降低杠杆率上升引起的系统性金融风险，我国央行在2011年正式引入差别准备金动态调整机制，开始探索使用宏观审慎工具，以配合货币政策进行调控。2016年，央行将差别准备金动态调整机制升级为宏观审慎评估体系（MPA），将更多的金融活动和金融行为纳入管理，从七个方面约束金融机构的行为，实施逆周期调节。2017年，十九大报告提出“健全货币政策和宏观审慎政策双支柱调控框架”，这是中央首次提出宏观审慎政策，将原有的宏观审慎评估体系（MPA）上升到政策的层面，足以说明宏观审慎政策对于金融市场调控的重要作用。十九大后，央行对我国的宏观审慎调控框架进行了补充：一方面继续加强房地产市场的宏观审慎管理，核心在因城施策的差异化房地产调控政策；另一方面继续加强资本管制，将跨境资本流动纳入MPA。这些都表明我国的宏观审慎政策目标是通过使用各类政策工具，采用“事前”管理的办法防范和化解系统性金融风险，促进金融稳定发展。

简言之，货币政策的直接目标是防通胀、稳物价，宏观审慎政策的直接目标是防风险、稳金融，二者共同的最终目标是实现经济稳定持续增长。要想同时实现物价稳定和金融稳定，就需要货币政策和宏观审慎政策两种工具的协调配合使用。

由于宏观审慎政策提出时间较晚，学术界对于其理论框架和实施效果仍有许多疑问。大部分已有研究都是围绕一个或几个宏观审慎政策工具开展的，不能全面反映我国的宏观审慎政策整体调控力度。一类文献通过构建包含宏观审慎管理的DSGE模型，对宏观审慎政策工具的使用进行有效性和福利分析，但缺少了微观数据实证支撑，停留在理论部分；另一类文献运用商业银行微观数据，仅仅分析了单个宏观审慎政策工具的有效性，不能代表整体宏观审慎政策调控力度，且缺少了与货币政策工具的协调性分析。考虑到货币政策和宏观审慎政策的主要监管主体都是商业银行，因此，本文在采用商业银行微观数据的基础上，使用IMF构建的宏观审慎指数（MPI）反映我国的宏观审慎政策调控力度，运用系统GMM方法分析货币政策和宏观审慎政策在商业银行风险承担和信贷增长方面的作用，并在模型中加入货币政策和宏观审慎政策的交叉项，研究分析两者之间的相互作用，以期对货币政策和宏观审慎政策的协调使用提供数据支持和理论探讨。

二、文献综述

在货币政策和宏观审慎政策具体实施和传导过程中，商业银行一直都是主要的监管主体和传导渠道，这也使得商业银行的风险承担和信贷增速一直都是国内外学者们研究货币政策和宏观审慎政策有效性的重点。央行通过设定存贷款基准利率直接影响商业银行的息差水平，或通过调节准备金影响商业银行的资金供应。关于货币政策的传导渠道，国内外学者已得到许多研究成果，主要分为风险承担渠道和广义信贷渠道。Borio和Zhu［1］提出了货币政策的风险承担渠道，货币政策通过作用于资产价格、融资成本等因素影响金融机构的信贷和投资决策，进而影响到整个金融系统的产出水平和风险程度。Buch et al.提供了实证经验支撑，利用美国银行业1997—2008年数据，通过FAVAR模型发现宽松的货币政策环境下，国内中小银行风险承担上升，大型银行风险承担不变，而外国银行的风险承担减少。［2］国内许多学者也对我国货币政策的风险承担渠道进行了研究，徐明东等、刘生福等利用我国商业银行数据，通过GMM估计发现货币政策对于商业银行风险承担的调控作用具有非对称性和异质性，与银行自身特征变量有关。［3］［4］张强等利用14家商业银行2002—2012年的面板数据验证了我国货币政策对于银行的风险承担有显著的负向影响，进而显著影响银行的信贷投放，说明我国的货币政策并非风险中性的，央行在制定货币政策时应更加关注银行等金融机构的风险承担问题。［5］

2008年国际金融危机发生后，国内外学者分别从定性和定量的角度分析宏观审慎监管框架及其与货币政策的协调使用。宏观审慎政策旨在维护金融稳定和防范系统性金融风险，在实践中具有逆周期性，包括对银行的流动性要求、杠杆率要求等。［6］［7］早期关于宏观审慎政策的实证研究将商业银行某些受宏观审慎政策工具监管的指标作为解释变量，加入到货币政策的传导渠道研究中，分析宏观审慎政策对商业银行风险和信贷增长的作用。这类文献又分为两类，第一类是从理论模型的角度出发，对DSGE模型中的核心方程进行适当的修改，赋予某些变量宏观审慎政策含义或加入新的宏观审慎政策约束条件，分析宏观审慎政策的有效性和福利效应。Suh基于BGGNKDSGE模型分析最优货币政策和宏观审慎政策之间的关系，受到金融冲击时，使用宏观审慎政策能有效降低冲击带来的福利损失，最优的宏观审慎政策目标是稳定信贷，最优的货币政策目标是稳定通货膨胀。［8］王爱俭、王瓂怡在DSGE模型中加入逆周期资本工具，通过模拟分析和参数校正后发现货币政策和逆周期的宏观审慎政策在经济稳定和金融稳定领域互相补充，且宏观审慎政策的实施有明显的福利增进，有助于降低货币政策冲击带来的信贷波动。［9］后来的文献拓展了宏观审慎政策范围，将更多的宏观审慎政策工具纳入模型进行研究。方意基于GNSS模型发现，合理地钉住房价贷款价值比、钉住信贷和产出存贷比的宏观审慎政策在最优的货币政策环境下仍能继续改进社会福利，证明我国目前的宏观审慎政策实践是有效的，通过敏感性分析，发现只有钉住目标与监管对象一致的宏观审慎政策才是有效的。［10］

第二类文献使用商业银行微观数据对特定的宏观审慎政策工具有效性进行实证分析，如Tabak et al使用巴西银行数据发现资本缓冲工具有助于降低银行信贷行为的顺周期性［11］；Mora and Logan对英国的研究发现类似的结论，资本缓冲要求上升会导致银行信贷减少［12］；Jarrow发现宏观审慎政策中的杠杆率工具能有效抑制金融机构的信贷增长和风险承担，应约束金融系统的杠杆率过快上升［13］；Cerutti et al.利用IMF构建的宏观审慎政策指数（MPI），使用119个国家的跨国面板数据，发现宏观审慎政策能有效抑制国内信贷增长，贷款价值比和债务收入比等宏观审慎工具的使用也能有效抑制房地产信贷增加，从而抑制房价的进一步上涨。［14］然而受制于我国的宏观审慎政策使用年限较短，一些宏观审慎政策工具的数据可得性原因，国内对于特定宏观审慎政策工具有效性的研究较少。梁琪等将商业银行存款准备金率和二套房的首付比率近似作为动态差别准备金率要求和贷款价值比要求，发现这两个宏观审慎工具有助于降低银行信贷扩张和杠杆率放大的顺周期性，增强银行业承担风险的能力。［15］

三、研究设计

（一）变量选择

被解释变量。鉴于货币政策的主要调控目标是物价稳定和经济增长，宏观审慎政策的主要调控目标是防范系统性金融风险和实现金融稳定，本文选取风险资产比率（risk）和银行信贷增速（dlnloan）作为两个政策的中间目标调控变量。已有文献对与商业银行风险承担的度量方法各有不同，Laeven and Levine选用Z值作为商业银行的风险测度，但Z值在计算中主要使用roa（资产收益率）和ea（资产权益比），主要衡量商业银行无法偿付的概率，反映了商业银行的破产风险，不能代表商业银行承担的所有风险［16］；Delis and Kouretas选取不良贷款率作为商业银行风险测度的指标，但不良贷款率主要考察商业银行的贷款状况，反映了商业银行的信用风险。［17］不良贷款率的增加往往和宏观经济环境有很大相关性，经济下行时期，贷款者经营环境恶化，增加了商业银行的被动违约风险。方意根据银行在金融市场的行为，将银行风险承担区分为主动风险承担和被动风险承担，主动风险承担主要来源于银行在宽松货币政策环境下主动放松信贷标准带来的信贷风险增加。［18］基于以上文献，本文选取风险资产比率（考虑到数据的可得性，可用贷款净值与总资产的比率近似代表）衡量银行的风险承担。同时本文选取商业银行的信贷增速（dlnloan）衡量货币政策和宏观审慎政策效果的中间目标变量，银行信贷增速一方面反映了市场活跃程度，符合货币政策调控中的经济增长目标，另一方面过快的银行信贷增速会降低银行的资产质量，增加银行的风险承担，同时在我国目前金融市场化水平不高、地区金融发展不平衡的情况下，过快的信贷增速会导致资产价格上涨，可能诱发房地产市场泡沫化。

货币政策工具变量。我国货币政策主要的调控工具分为价格型货币政策工具和数量型货币政策工具。许多文献将广义货币供应量（M2）作为货币政策工具变量，主要因为我国央行在货币政策执行上过多地依赖总量控制型货币政策工具。参照吴晓灵的思路，对M2增速进行处理，剔除经济增长（GDP增速）和物价波动（CPI增速）的影响用于衡量当前货币市场上资金松紧状况，大于零表示资金宽松。同时考虑到2008年“大水漫灌”式刺激政策后，货币超发导致了严重的地产泡沫和债务问题。在当前经济结构性问题突出的情形下，央行货币政策调控工具已主要从数量型转向价格型，通过对货币市场利率进行调控，直接影响债券市场、货币基金、理财和同业业务的利率，进而对银行的资产端和负债端产生影响，更好达到货币政策调控效果。综上所述，本文选取经过处理后的M2增速的相反数（取相反数是为了与利率变动影响的方向一致）和1年期贷款基准利率（i-1year）作为数量型货币政策工具变量和价格型货币政策工具变量。

宏观审慎政策代理变量。大部分研究将一类宏观审慎政策作为宏观审慎政策的代理变量进行研究，如王爱俭、王瓂怡选取逆周期资本要求比率和贷款价值比作为宏观审慎政策代理变量，［9］但受制于这部分数据的可得性，无法通过实证研究来讨论这些宏观审慎政策工具的有效性；梁琪等选取首套房首付比率近似代替贷款价值比，同时将存款准备金率作为宏观审慎政策要求进行实证研究［15］，但这部分研究只能反映某一种宏观审慎政策工具的有限性，无法全面反映整个宏观审慎政策状况。因此本文选取Cerutti et al.［14］构建的宏观审慎指数（MPI）作为宏观审慎政策的代理变量。该指数原始数据来源于IMF开展的全球宏观审慎政策工具调查，由IMF职员开展并直接从各国官方机构获得数据。该调查重点关注12种宏观审慎政策工具，主要分为3类：影响贷款人行为的逆周期资本要求、动态准备金率等；影响借款人行为的贷款价值比、债务收入比等；控制资本流动波动性的资本流动管理工具。通过对这些工具设置虚拟变量，收紧或提高监管要求则加1，反之则减1，最后简单加总得到宏观审慎指数（MPI）。该指数的缺陷在于过于主观评判政策强度，且宏观审慎政策工具的水平值在不断变化，加大了政策工具使用的判断难度，不能完全准确地反映该国宏观审慎政策的强度。但是该指数将所有的宏观审慎政策工具都纳入指数体系中，基本可以全面考察一国宏观审慎政策工具的使用，在一定程度上也能反映一国宏观审慎政策的强度。

交叉项。本文主要探究货币政策和宏观审慎政策的协调使用，故选取货币政策工具变量和宏观审慎政策工具变量相乘得到交叉项。关注货币政策和宏观审慎政策在作用于商业银行信贷增速或风险承担方面时的相互影响，如果交叉项系数符号显著为负，则说明宏观审慎政策在实施过程中具有逆货币政策周期性，在一定程度能抵消货币政策的调控作用。

控制变量。参照已有文献的研究，本文主要选取两类控制变量：宏观经济控制变量和商业银行微观特征变量。参照徐明东和陈学彬［3］的研究，本文选取固定资产投资增长率（growth）作为宏观经济的控制变量，选取固定资产投资增长率更能反映银行信贷需求层面因素。第二类是商业银行微观特征变量，与方意和梁琪等的做法相同，本文主要选取以下三类银行微观特征数据作为银行的微观特征变量：（1）银行规模数据（size），一般而言，规模越大的银行管理风险的能力更强，能承受的风险也更大，由于银行规模普遍较大，故对其进行对数化处理；（2）银行流动性水平（liq），采用流动性资产比上客户存款和流动性资产的总额来代表；（3）银行核心资本充足率（tierone），它直接影响了商业银行使用财务杠杆的空间，与银行资产收益率直接相关。

（二）计量模型

在上文的分析基础上，本文构建了如下计量基准模型：

其中，Yi,t为被解释变量，为商业银行的风险资产比率和信贷增速；μi为个体效应；MPt为货币政策工具变量，MPIt为宏观审慎指数，代表宏观审慎政策强度；Xi,t-1为银行的微观特征变量，由于本文使用的是动态面板模型，根据Classens et al.［19］的研究，使用银行微观特征变量的一阶滞后项作为控制变量，以消除当期值带来的内生性问题；growtht为固定资产投资增速，εit为随机扰动项。进一步，为了研究宏观审慎政策的实施对于货币政策传导机制的影响，在模型构建中加入货币政策和宏观审慎政策的交叉项，即:

（三）实证结果与分析

本文研究的微观商业银行数据来源于Bankscope数据库，时间跨度为2002—2015年，共有286家银行，对原始数据进行如下处理：剔除政策性银行、外资银行和商业银行信托公司，然后剔除数据连续期低于3年的商业银行，处理后得到了81家国内商业银行微观年度非平衡数据，包含工农中建交五大国有商行，招商、浦发和光大等13家全国性股份制银行，南京银行、江苏银行、成都农商行等63家地方商业银行数据。为了保证计量结果的准确性，消除某些异常值对本文结果的影响，本文对商业银行微观数据进行缩尾处理，分别用1%和99%的分位数替代数值在（1%，99%）分位数以外的数据。本文的宏观政策工具变量（i-1year、m2）和宏观控制变量（growth）数据来源于wind数据库，宏观审慎政策代理变量（MPI）来源于Cerutti et al.。

由于本文使用的是动态非平衡面板数据，故在计量方法上采用Arellano和Bond提出的动态面板广义矩估计（GMM）法进行估计。GMM方法在估计动态面板时，突破了数据不存在单位根的限制，且使用工具变量法，用差分变量的滞后项代替水平值用来估计水平方程和差分方程，使得估计结果更加准确。因此本文采用系统GMM法进行估计，首先通过AR检验判定被解释变量滞后项的阶数。AR检验的原假设是扰动项不存在自相关，当AR（2）检验的p值大于0.10时则说明扰动项不存在自相关，只需要加入一阶滞后项即可。为了检验系统GMM法中使用的工具变量是否有效，本文使用Sargan检验，其原假设是“模型设定存在过度识别”，当p值大于0.05时，则说明估计过程中使用的工具变量都是有效的。

表1给出了被解释变量为银行风险承担时，货币政策和宏观审慎政策的作用效果。其结果显示，在10%的显著性水平下，模型设定均通过Sargan检验和AR（2）检验，表明模型设定合理，系统GMM估计中选取的工具变量是有效的，且扰动项不存在二阶自相关。

其中商业银行风险的滞后一期系数在1%的显著性水平下为正，表明商业银行的风险承担有一定的粘性。宏观审慎政策变量的系数在5%的水平下显著为负，说明宏观审慎政策的实施能有效降低商业银行的风险承担行为。货币当局通过使用各类宏观审慎政策工具，如提高贷款价值比（LTV）上限或提高商业银行动态差别准备金率等，直接作用于商业银行的信贷行为和资产管理计划，能有效减少商业银行风险资产权重，降低商业银行的风险承担水平。从表1中可以发现，价格型货币政策工具（i）和数量型货币政策工具（m2）的系数在1%的显著性水平下为负，说明实施紧缩的货币政策能够降低商业银行风险承担水平，从而降低整体的系统性金融风险。我们最感兴趣的是货币政策和宏观审慎政策的交叉项系数的符号，从实证结果可以发现，价格型货币政策工具或数量型货币政策工具与宏观审慎政策变量的交叉项系数显著为正，正好与货币政策工具变量或宏观审慎政策工具变量的系数符号相反，说明宏观审慎政策的实施削弱了货币政策对商业银行风险承担的影响。适宜的宏观审慎政策工具能降低宽松货币政策环境下带给商业银行的风险，如在货币供应量增速较快的时期，适当增加贷款价值比限制或更高的资本充足率要求，对商业银行的信贷行为进行约束，提高贷款者的成本，降低了商业银行的信贷风险。从结果来看，绝大多数控制变量的系数在10%的水平下显著。商业银行的规模越大，控制风险的能力越强，可承担的风险水平越高。流动性越高的银行，贷款结构中短期贷款的比重越大，其风险承担水平越低，与理论预期相符。核心资本充足率越高的银行，可承受的违约资产风险能力越强，其风险承担水平也就越高。固定资产投资增速系数在1%的显著性水平下为正，说明银行的风险承担具有顺经济周期性，在经济较好的环境下，商业银行会提高风险资产比重，追求更高的风险收益。

表1 货币政策和宏观审慎政策对银行风险承担的影响

表2给出了两种货币政策政策工具和宏观审慎政策工具对商业银行信贷增速的影响。其中方程3和方程5给出了单独的货币政策和宏观审慎政策工具的使用对银行信贷增速的影响。价格型货币政策工具和宏观审慎政策代理变量的系数在1%的显著性水平下均为负，说明紧缩的货币政策，如提高利率或减少货币供应量能降低银行的信贷增速。同样，适当放松宏观审慎监管要求，针对商业银行借款人的约束放松，会让商业银行的贷款供给增加，从而导致银行信贷增速增加。从控制变量的系数来看，资产规模越大，信贷增速越低。这可能与银行的经营策略有关，资产规模越大，受到的监管力度越大，在信贷行为上将更为谨慎。流动性和核心资本充足率的系数在1%的水平下显著为正，说明流动性和核心资本充足率越高的银行，信贷扩张的基础越好，更有能力增加贷款供给。方程4和方程6主要给出了货币政策和宏观审慎政策交叉项的系数，从结果可知，交叉项的系数与货币政策的系数符号相反，说明宏观审慎政策的实施削弱了货币政策对银行信贷增速的调控作用。这主要是因为货币政策和宏观审慎政策的传导渠道具有重叠性，在具体的政策实践中难免出现“政策重叠”现象。

表2 货币政策和宏观审慎政策对银行信贷增速的影响

结合以上两个实证结果来看，货币政策或宏观审慎政策工具的系数在1%的水平下均显著为负，说明货币政策或宏观审慎政策对于商业银行的风险承担和信贷增速的调控作用具有同步性，即宽松的货币政策或宏观审慎政策在促进商业银行信贷增长的同时，会增加商业银行的风险承担水平，积累系统性金融风险。［20］单个政策工具的使用无法同时实现信贷增长和金融稳定两个目标，且与货币政策同向调控的宏观审慎政策虽然能有效降低银行的风险承担水平，增强金融系统的稳定性，但会影响银行的信贷增长，不利于社会融资规模的增加。在实际的政策操作中，经常出现货币政策和宏观审慎政策目标一致的情况，宏观审慎政策工具在使用过程中出现顺周期性，如2015年底，央行为促进信贷增长，采取“降息、降准”的货币政策同时，降低了首套房的首付比率，导致了个人房贷大幅增长，房地产市场大热，推高了个人和房地产企业的杠杆率，增加了整体的金融风险。在理想情况下，货币政策针对通胀和经济增长进行调控，宏观审慎政策则对金融风险进行管理，两种政策工具协调使用、互为补充，有效达到各自的既定目标。

四、结论和政策建议

本文使用IMF构建的宏观审慎指数衡量我国宏观审慎政策监管力度，利用我国81家商业银行2002—2015年度非平衡微观数据，采用系统GMM估计方法实证检验了货币政策和宏观审慎政策在我国商业银行风险承担和信贷增长中的作用，验证了货币政策的传导渠道和宏观审慎政策的有效性，同时在货币政策的研究框架中分析了宏观审慎政策和货币政策的协调作用。

研究结果表明：（1）货币政策和宏观审慎政策的实施均能有效降低商业银行的风险承担行为。央行通过提高贷款基准利率影响信贷需求，从而减少商业银行的风险资产权重，同时提高利率可以增加银行的息差水平，增加商业银行的盈利能力，进而减弱银行追逐高收益风险资产的动力，最后降低银行的风险承担水平。提高宏观审慎政策监管力度，从借贷两方影响了商业银行的信贷行为，有效降低了商业银行的风险承担水平。（2）适当放松货币政策和宏观审慎政策监管力度均能提高商业银行的信贷增速。央行通过提高M2增速增加市场上的货币供应量能显著增加商业银行的信贷增速，证明存在货币政策的信贷传导渠道。同时降低贷款基准利率也能增加商业银行的信贷增速，证明货币政策的资产价格渠道的存在性。宏观审慎政策在调节商业银行信贷增速方面的作用更为明显，2015年底，我国降低了首套房的首付比率（可以理解为上调了贷款价值比（LTV）上限），从而导致了个人房贷的井喷，大幅增加了商业银行的信贷总量。（3）无论是在商业银行的风险承担还是信贷增速方面，宏观审慎政策的实施均削弱了货币政策调控带来的冲击，主要在于宏观审慎政策和货币政策的主要监管主体都是商业银行，且都主要作用于商业银行的信贷行为。就单个政策目标（降低风险或促进信贷增长）而言，货币政策和宏观审慎政策调控难免出现重叠，产生“政策抵消”和“政策超调”现象。

本文的政策含义有以下两个方面：其一，就单个政策目标而言，货币政策和宏观审慎政策的实施均能有效影响商业银行的风险承担水平和信贷增速，且宏观审慎政策的实施会削弱货币政策对银行风险承担或信贷增速的调控作用。其二，就银行风险承担和信贷增长两个政策目标而言，单个政策工具的调节作用有限，即宽松的货币政策（或宏观审慎政策）在促进商业银行信贷增长的同时，会增加银行的风险承担水平，不利于防范系统性金融风险。这也就意味着央行及金融监管部门如果希望在稳定金融风险的同时能促进信贷增长，就需要货币政策和宏观审慎政策工具的协调使用。2017年10月，十九大报告首次提出“建立货币政策和宏观审慎政策双支柱政策框架”，在框架体系内货币政策的最终目标是维持物价稳定和经济增长，宏观审慎政策的最终目标是防范系统性金融风险、实现金融稳定。这意味着我国将原有的宏观审慎监管上升到与货币政策相提并论的政策层面，在当前金融去杠杆、打赢防重大金融风险攻坚战的背景下，建立更加严格的宏观审慎政策指标，并将更多的银行业务（如同业存单）纳入监管范围也就势在必行。但这必然会影响到银行的信贷增长和社会融资规模，那么使用适当宽松的货币政策调控手段，提高市场资金投放量来抵消强监管对信贷的负面影响也是必要的。也就是说，当前强金融监管与适度宽松的货币政策的搭配协调是必要合理的。

［1］Borio C,Zhu H.Capital regulation,risk-taking and monetary policy:a missing link in the transmission mechanism?.Journal of Financial Stability,2012,（4）.

［2］Buch C M,Eickmeier S,Prieto E.In search for yield?New survey-based evidence on bank risk taking,2011.

［3］徐明东,陈学彬.货币环境、资本充足率与商业银行风险承担［J］.金融研究,2012,（7）.

［4］刘生福,李成.货币政策调控、银行风险承担与宏观审慎管理——基于动态面板系统GMM模型的实证分析［J］.南开经济研究,2014,（5）.

［5］张强,乔煜峰,张宝.中国货币政策的银行风险承担渠道存在吗?［J］.金融研究,2013,（8）.

［6］周小川.金融政策对金融危机的响应——宏观审慎政策框架的形成背景、内在逻辑和主要内容［J］.金融研究,2011,（1）.

［7］张健华,贾彦东.宏观审慎政策的理论与实践进展［J］.金融研究,2012,（1）.

［8］Suh H.Macroprudential policy:its effects and relationship to monetary policy.FRB of Philaddphia working paper No.12-28,2012.

［9］王爱俭,王璟怡.宏观审慎政策效应及其与货币政策关系研究［J］.经济研究,2014,（4）.

［10］方意.宏观审慎政策有效性研究［J］.世界经济,2016,（8）.

［11］Tabak B M,Noronha A C,Cajueiro D.Bank capital buffers,lending growth and economic cycle:empirical evidence for Brazil 2nd BIS CCA Conference on Monetary policy,financial stability and the business cycle.2011.

［12］Mora N,Logan A.Shocks to bank capital:evidence from UK banks at home and away.Applied Economics,2012,（9）.

［13］Jarrow R.A leverage ratio rule for capital adequacy.Journal of Banking&Finance,2013,（3）.

［14］Cerutti E,Claessens S,Laeven L.The use and effectiveness of macroprudential policies:New evidence.Journal of Financial Stability,2017.

［15］梁琪,李政,卜林.中国宏观审慎政策工具有效性研究［J］.经济科学,2015,（2）.

［16］Laeven L,Levine R.Bank governance,regulation and risk taking.Journal of financial economics,2009,（2）.

［17］Delis M D,Kouretas G P.Interest rates and bank risk-taking.Journal of Banking&Finance,2011,（4）.

［18］方意,赵胜民,谢晓闻.货币政策的银行风险承担分析——兼论货币政策与宏观审慎政策协调问题［J］.管理世界,2012,（11）.

［19］Claessens S,Valencia F.The interaction between monetary and macroprudential policies.VoxEU.org,2013.

［20］金鹏辉,张翔,高峰.银行过度风险承担及货币政策与逆周期资本调节的配合［J］.经济研究,2014,（6）.