商业银行宏微观审慎监管协调性研究——基于PVAR模型的实证分析

刘 超，马玉洁

(1.北京工业大学 经济与管理学院，北京 100124;2.北京现代制造业发展基地,北京 100124)

内容提要：微观审慎监管的局限性和系统性金融风险传染性的增强，使商业银行宏微观审慎协调监管成为当前金融监管改革的趋势。本文选取2008-2017年我国14家上市商业银行半年度数据为样本，在分析银行信贷周期不同阶段宏微观审慎监管作用机制的基础上，采用面板向量自回归(PVAR)模型分析我国银行业宏微观审慎监管协调性。结果表明，微观审慎监管中不良贷款率对当前我国商业银行稳定性的影响长期存在且较为明显，流动比率和核心资本充足率对银行稳定性的冲击作用存在但长期来看影响作用并不显著；宏观审慎监管中广义信贷/GDP偏离度和银行业集中度这两个监管指标对商业银行稳定性的影响都较为明显且长期存在；宏微观审慎监管协调运作能够缓解单一政策实施对金融和经济系统的冲击力度，更有助于金融系统的长期稳定。因此，我国银行业监管不仅要在微观方面加强防范内部信贷违约风险，还要从宏观方面关注信贷结构调整和银行理财业务所可能带来的溢出风险。

一、引言

随着金融风险跨市场、跨区域的传染性不断加剧，金融监管目标不断丰富和多样化，宏微观审慎监管日趋复杂[1]。为促进我国金融监管服务经济发展水平的提升，2018年3月，国家出台《深化党和国家机构改革方案》明确指出，建立 “一委一行两会”的新监管体系，这标志着我国监管理念从行业监管转向功能监管，新金融监管改革体现了健全宏微观审慎协调发展的政策框架、优化宏观审慎和微观审慎监管体制、加强央行统筹金融稳定核心地位的金融监管改革新思路。

银行主导型金融结构模式下，商业银行监管是我国金融监管的重中之重。对银行宏微观审慎监管的研究，不仅要分析宏微观审慎监管在银行监管中的作用机制[2-3]，还需要探讨不同监管模式下金融监管指标的作用效果[4]，分析不同监管指标在实施过程中的演化路径，从而发现现有监管指标和体系设计中的优势与不足，为银行业监管和整个金融监管系统优化提供借鉴。

本文首先基于银行信贷周期不同阶段特点分析宏微观审慎监管时机和方式的选择，揭示宏微观审慎监管的作用机制。其次，从微观审慎监管、宏观审慎监管以及宏微观审慎协调监管三种不同监管模式出发，探究宏观审慎监管指标和微观审慎监管指标与商业银行稳定性之间的短期作用关系，并分析相关变量相互影响的长期动态演化路径。最后，通过不同模式下的方差分解结果对比不同监管指标作用效果和不同监管模式的监管效果，为我国商业银行监管政策和金融监管改革提供理论依据。

二、 信贷周期视角下银行宏微观审慎监管的作用机制分析

(一)宏微观审慎监管政策差异下的协调

宏观审慎监管与微观审慎监管是金融监管的不同层面，研究宏微观审慎监管对银行信贷周期的作用，首先需要厘清两种政策之间的关联性，通过对已有研究的梳理发现，宏微观审慎监管在防范风险目标、风险控制手段和运行机制等方面存在一定的共性和关联，基于政策差异性的政策协调机制如图1所示。

图1 基于两种政策差异的宏微观审慎监管政策协调机制图

一是防范风险目标的求同存异。两种金融监管政策根本目标相同但作用层面不同，两者共同作用于金融风险防控[5]。微观审慎监管的目标在于所有的金融机构个体的稳健经营，重在保护存款人及投资者的利益，而宏观审慎监管则重在对整个金融体系的系统性风险防范及系统重要性金融机构稳定性，意在促进宏观经济平稳发展，但两者的根本目标都在金融风险防控[6]。单个金融机构的稳定性不能保证整个金融体系的稳定性，金融体系宏观方面的稳定也不能全覆盖所有金融机构个体的稳定性，因此需要宏观审慎监管和微观审慎监管的协调作用。

二是风险控制手段的相互融合。从风险监管工具的融合性来说，微观审慎监管工具可以作为宏观审慎监管的微观基础，宏观审慎监管工具需要微观审慎监管工具的辅助和配合，甚至部分宏观审慎监管工具本身就来源于微观审慎监管工具，如对系统重要性金融机构的监管，使用逆周期的资本调节和拨备调节，对流动性和金融机构杠杆率指标的限制等[7]。从风险防控信息收集的融合性而言，微观审慎监管中所收集到的单个金融机构的资本充足状况、流动性指标状况、公司治理有效性状况等相关数据是宏观审慎监管中系统性风险监测和评估的数据基础[8]。微观金融个体数据的失真会影响宏观审慎监管对系统性风险的评估结果的准确性，进而导致宏观审慎监管无效。

三是监管运行机制的相互补充。微观审慎监管是自下而上的监管机制[9]，而宏观审慎监管则是自上而下的监管机制[10]，两种机制的协调运作可以进行相互补充。宏微观的协调运作使得金融监管能够从多个层面获取金融危机的触发点，既关注金融系统整体的稳健运行，又加强了金融机构个体的风险防范。

(二)银行业信贷周期视角下宏微观审慎监管政策的协调

信贷周期对商业银行的稳定性具有直接影响作用，信贷周期不同阶段银行业面临的风险会发生变化，不同阶段宏观审慎监管和微观审慎监管发挥作用的机制也存在不同，要提升金融监管效率，需根据信贷周期不同阶段的特点动态调整宏微观审慎监管政策。已有研究从金融监管整体角度讨论金融监管对信贷周期作用下银行稳定性的影响，但没有考虑不同金融监管政策实施路径和效果的差异，本文基于前面的宏微观审慎监管差异性分析，从银行业信贷周期的视角分析在信贷上升周期和下降周期两种政策不同的关注点以及相同的目标，进一步分析如何通过两种政策的协调配合实现逆周期缓冲调节的金融监管目标。

本文从银行信贷周期的视角研究宏观审慎监管和微观审慎监管在不同阶段的协调作用机制，为后期银行宏微观审慎监管评价和不同监管指标作用效果分析研究奠定基础。简图如图2所示。

信贷周期上升期间：金融机构的杠杆率随业务的开展而不断提升，贷款业务中的授信标准也相比放宽，在这一阶段系统性风险开始累积，从宏微观审慎监管的风险防范角度需要构建资本缓冲和流动性缓冲，但在构建的时机和规模方面两种政策存在差异。

在信贷周期上升初期，宏微观审慎监管政策之间的差别还不显著，但当信贷上升周期接近顶峰阶段，两种政策在资本缓冲和流动性缓冲构建的差别开始显现。在此阶段，微观审慎关注金融机构个体风险，资本充足率、拨备覆盖率等微观监管指标还处于较好的水平，但是宏观审慎所关注的系统性风险指标(如信贷/GDP、核心融资比率)却开始出现风险警示。这时就需要进行宏微观审慎监管的协调沟通，因为微观审慎监管并不能够识别系统性风险，盲目乐观下的微观监管指标会造成系统性金融风险不断累积，如果没有宏观审慎监管的协调将会引发大范围的金融风险。

信贷周期下行期间：在上一阶段通过宏微观审慎监管的协调加强对金融系统的监管力度，当信贷周期方向发生转变进入下行期之后，相关的监管政策则需要从逆周期的角度考虑适当调整资本缓冲的监管力度。宏微观审慎监管调整的目标相同但作用的方式和方法存在差异，两者共同作用才能实现对整个金融系统的有效风险调节。

微观审慎监管从调节单个金融机构资本充足率入手，防范信用损失的发生。微观审慎监管可以通过限制股东分红以节约资本，从而增大资本充足率的分子，或者其他去杠杆化的方法，包括降低贷款增速、出售风险资产(缩小资本充足率分母)等。还可以通过释放资本缓冲，适当放宽对金融机构的监管要求，防止单个机构的破产风险发生。宏观审慎监管从调节社会信贷总量入手，防范信贷萎缩对实体经济发展的不利影响。宏观审慎监管通过释放之前积累的逆周期资本缓冲，减缓金融系统和实体经济之间的正反馈机制而累积的系统性风险，防止流动性萎缩而导致的金融市场失灵。

综上所述，宏观审慎监管与微观审慎监管作为现代金融监管体系必不可少的两个相辅相成的重要组成部分，存在差异但并不是两个相互矛盾的主体。两者的协调运作可以更好地发挥双方的金融监管作用。特别是随着金融创新的发展和金融市场的复杂性演化，两种监管更需要建立良好的协调运作机制，建立新的风险管理理念，提升金融系统风险监管水平。

图2 银行信贷周期视角下宏微观审慎监管政策协调机制图

三、商业银行宏观审慎监管与微观审慎监管协调评价模型设定

通过前面的分析可知宏观审慎监管和微观审慎监管作为金融监管演化过程中形成的两种不同类别的金融监管模式，在银行监管中发挥不同的作用功效。基于宏微观审慎监管和微观审慎监管的差异性，本部分选取2008-2017年我国14家上市商业银行半年度数据为样本，从不同的监管模式中选取代表性指标，分别建立微观审慎监管、宏观审慎监管和宏微观审慎协调监管三种不同模式下的银行监管面板向量自回归(PVAR)模型，先通过GMM估计分析不同监管指标与银行稳定性之间的短期作用关系，之后建立脉冲响应函数从长期视角分析不同监管指标实施的动态演化路径，最后运用方差分解对比分析不同监管模式在我国银行业的实施效果。

(一)变量选取

我国银行主导型金融结构体系使得银行业金融监管在我国金融监管体系中占有重要地位，本部分从银行业监管的角度对我国金融监管效果进行对比研究。在变量选取过程中，主要从监管目标(银行业稳定性)、监管模式(宏观审慎监管和微观审慎监管)两个方面考虑。变量分类情况如表1所示。

银行业稳定性：借鉴 Laeven and Levine(2009)提出的银行偿付能力指标(Z值)来反映银行稳定状况[11]，其中 Z值等于资产收益率(ROA)与资本资产比率(CAR)二者之和除以资产收益率的标准差(σi(ROAit)。

(1)

宏观审慎监管：从当前我国的宏观审慎监管体系来看，主要分为时间维度和横截面维度的监管。时间维度反映金融体系的顺周期，信贷、流动性和资产价格的周期变化以及繁荣时期总风险的积聚等常表现出顺周期性，因本文主要研究银行业的金融监管故选择广义信贷/GDP偏离度代表时间维度的宏观审慎监管指标。横截面维度反映与溢出效应和传染效应相关的负外部性对系统性风险的推动作用，主要关注系统重要性金融机构所引起的风险溢出，故选取代表行业集中度的“赫芬达尔指数(HHI)”作为横截面维度的宏观审慎监管指标。

微观审慎监管：我国的当前微观审慎监管体系主要从流动性风险、信贷违约风险以及资本充足率这三个方面展开[12]。通过对相关文献的梳理发现，已有研究中通常用银行流动性比率和存贷比指标来反映流动性风险监管要求；用不良贷款率和贷款拨备覆盖率这两个指标来反映信贷违约风险监管要求；用《巴塞尔协议Ⅲ》最新规定的杠杆率和核心资本充足率指标来反映资本充足率监管要求[13]。因此，本文研究中选取流动性比率、不良贷款率和核心资本充足率作为微观审慎监管指标。

表1 变量分类情况表

表2 各变量单位根检验

(二)数据来源及预处理

基于已有上市银行数据获取年份的不同，对银行业的平衡面板数据进行实证分析，本文选取2008-2017年我国14家上市商业银行的半年度数据为研究样本。14家银行分别为：工商银行、中国银行、建设银行、平安银行、民生银行、交通银行、招商银行、兴业银行、南京银行、中信银行、华夏银行、北京银行、浦发银行、宁波银行。截止到2017年12月所选取的14家上市银行总资产在我国银行业总资产中占比达46.52%，且均为具有代表性的国有商业银行、股份制银行和城市商业银行。数据来源于Choice数据库中各银行财务报告及宏观数据库和行业数据库。

PVAR与VAR模型类似，要求所有变量均具有平稳性。为了避免不平稳变量导致伪回归问题，本文对各变量进行平稳性检验，采用不同单位根情形下的单位根检验方法PP检验对面板数据的平稳性进行检验，所得结果如表2所示。结果表明各个变量均不存在单位根，为平稳变量。

(三)PVAR模型的设定

本文借鉴Love(2007)的模型设计构建宏微观审慎监管的面板向量自回归(Panel Vector Autoregression,PVAR)模型研究我国宏微观审慎监管对商业银行稳定性的作用效果[14]。PVAR模型将传统的VAR模型与面板数据模型相结合，在考虑经济变量的滞后项的基础上将所有变量做内生化处理，能够更加真实地反映各经济变量之间的动态关系。构建PVAR模型如下：

Yi,t=β0+β1Yi,t-1+β2Yi,t-2+…+βpYi,t-p+γt+ft+μit

(2)

本文分别研究微观审慎政策、宏观审慎政策以及宏微观审慎政策共同作用下我国商业银行的稳定性，因此，基于公式(2)分别建立三个模型，其中，微观审慎政策对商业银行稳定性影响模型中Yi,t为包含{LIR,NPLR,CCA,Z}的四元向量组；宏观审慎政策对商业银行稳定性影响模型中Yi,t为包含{GCG,HHI,Z}的三元向量组；宏微观审慎政策协调对商业银行稳定性影响模型中Yi,t为包含{GCG,HHI,LIR,NPLR,CCA,Z}的六元向量组。另外，公式(2)中β为各变量之间的滞后项系数，p为滞后阶数，γt为时间效应，用来解释系统变量的趋势特征，ft代表各个银行个体固定效应，μit为服从正态分布的随机扰动项。

因本文重在研究宏微观审慎监管政策对商业银行稳定性的影响，受文章篇幅限制，故在实证分析结果中只列示因变量为银行稳定性Z值时的GMM回归结果和方差分解结果。

四、商业银行宏观审慎监管与微观审慎监管协调评价实证分析

微观审慎监管重在对单个金融机构资本和流动性的监管，宏观审慎监管则重在对系统性金融风险的防范，两种监管模式的监管目标不同，因此，在政策调控过程中，两种政策对商业银行稳定性的影响也存在时间和程度上的差别。本部分从不同金融监管政策对商业银行稳定性影响作用入手，分别研究微观审慎政策、宏观审慎政策以及宏微观审慎政策协调作用对商业银行稳定性的影响效果，分析不同金融监管政策工具对商业银行稳定性影响的作用方向、程度以及动态作用过程。

首先，通过AIC、BIC、HQIC准则确定各个PVAR模型的最优滞后阶数；其次，对模型的参数进行GMM估计研究宏微观政策变量对商业银行稳定性的影响程度；之后，通过脉冲响应函数分析不同政策组合以及不同变量对商业银行稳定性的长期影响和动态演化过程；最后，通过方差分解评价不同变量对商业银行稳定性波动的贡献度。

(一)微观审慎政策实施对商业银行稳定性的影响研究

1.微观审慎政策下模型滞后阶数的确定

对于PVAR模型来说滞后阶数越高模型的解释能力越强，但是过高的滞后阶数会影响模型的自由度。本文根据AIC、BIC、HQIC准则来确定模型的最优滞后阶数。

表3 PVAR模型建立最优滞后阶数的确定(1)

通过表3可知AIC和HQIC在滞后三阶达到最小，因此，在微观审慎政策对商业银行稳定性影响的PVAR模型最优滞后阶数选择三阶，并按照滞后阶数的选择建立PVAR模型。

2.微观审慎政策对商业银行稳定性影响PVAR模型的GMM估计

PVAR模型中各变量个体异质性所造成的固定效应会影响面板广义矩估计(GMM)的有效性，因此，先借鉴Bertrand和Zuniga(2006)研究中所采用的“向前均值差分”消除固定效应的影响之后再进行GMM估计[15]。表4为微观审慎监管对商业银行稳定性影响的回归结果。

表4 微观审慎监管下银行稳定性Z值的GMM估计结果

YCoef.Std. Err.TLIRt-1-.2637094∗.1471876-2.09NPLR t-1.1504467.26397430.57CCA t-1-1.201338∗∗.5104428-2.35Z t-1-.8253352∗∗∗.2754461-3.00LIRt-2-.2325933∗.1587799-1.96NPLR t-2-.3175081.4080704-0.78CCA t-2-.1546305.2591042-0.60Z t-2.0851432.11606570.73LIRt-3-.2679923∗∗.1209046-2.22NPLR t-3-.1160854.2105975-0.55CCA t-3.4166723∗∗.20534112.03Z t-3.0128389.06330230.20

注：***、**、*分别表示在1%、5%、10%的显著水平下显著(下同)。

从表4可以看出在微观审慎监管框架下商业银行稳定性对自身的影响在滞后1期显著，在滞后2期和3期不显著，这说明商业银行稳定性水平在短期内容易受到自身滞后期的影响，但长期来看这种影响作用减弱。从其他微观审慎监管变量的影响来看，流动性风险衡量指标流动性比率(LIR)在滞后期1、2、3期内均通过不同程度上的显著性，说明LIR对银行稳定性Z值的影响有明显的滞后性。作为信贷违约风险指标的不良贷款率(NPLR)在滞后3期以内对银行稳定性的影响不显著。核心资本充足率(CCA)在滞后1期和滞后3期通过了5%的显著性检验，但是滞后2期显著性不强，说明CCA对银行稳定性Z值的影响存在波动性。通过GMM估计的结果可以看出在短期内微观审慎监管各变量对银行稳定性Z值的影响，但难以分析各变量的长期影响作用和动态演化过程，因此，下面采用PVAR脉冲响应函数做进一步分析。

3.微观审慎监管对商业银行稳定性的脉冲响应

为了分析微观审慎监管各指标变量对商业银行稳健性的动态作用过程，采用PVAR模型的脉冲响应函数分析各个监管变量对银行稳健性的影响。因蒙特卡洛模拟次数越高模型稳定性越好，在此利用蒙特卡洛1000次模拟给出脉冲响应函数95%的置信区间。各变量脉冲影响关系如图3所示。

图3 微观审慎监管下商业银行稳定性的脉冲响应结果

从图3可以看出在微观审慎监管框架下，商业银行稳定性Z值对其自身的脉冲响应在受到一单位标准差的冲击之后，第1期产生明显的负向冲击作用，但是2期之后脉冲响应在0值附近波动，且95%置信区间上下限将0值包含在内，说明2期之后商业银行稳定性对其自身的冲击作用减弱并不显著。

从其他微观审慎监管变量的影响来看，流动性比率(LIR)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，说明流动比率的提升对银行稳定发展具有促进作用，能够降低流动性风险发生概率。但是在整个脉冲期间95%置信区间上下限将0值包含在内，说明流动性比率对Z值的冲击作用存在但不显著。这意味着长期在单纯的微观审慎框架下流动性比率的调控效果并不明显。不良贷款率(NPLR)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，随着滞后期的增长冲击作用更加显著，且在整个脉冲期间95%置信区间上下限均在0值以上，说明长期来看不良贷款率对Z值的冲击作用存在且显著。所以不良贷款率作为微观审慎监管的调控指标效果较为显著。核心资本充足率(CCA)一单位标准差的冲击对商业银行稳定性Z值的影响在前2期为正值，之后在0值附近波动，1期之前正向冲击效果较为显著，且95%置信区间上下限均在0值以上，说明短期内核心资本充足率的调控效果显著，但2期之后95%置信区间上下限将0值包含在内，意味着长期来说核心资本充足率的微观审慎调控效果不明显。

因此，在我国商业银行管理模式下，从长期来看微观审慎监管中不良贷款率指标的调控效果显著于流动性比率和核心资本充足率，但整体来说调控效果有待进一步提升。

4.微观审慎政策下商业银行稳定性影响的方差分解

下面使用PVAR的方差分解来进一步比较不同指标对商业银行稳定性变化的贡献大小，从而确定不同监管指标在微观审慎监管中的重要性。微观审慎监管下商业银行稳定性Z值的方差分解如表5所示。

表5 微观审慎监管下银行稳定性Z值的方差分解结果

sLIRNPLRCCAZ10.0030.0090.0000.98920.0030.0100.0150.97230.0030.0160.0160.96540.0050.0240.0160.95550.0140.0340.0160.93760.0350.0450.0180.90170.0760.0580.0240.84280.1380.0720.0340.75790.2170.0840.0480.652100.3040.0930.0640.539

通过表5中的结果可以看出，在微观审慎监管的三个主要指标中，不良贷款率(NPLR)对商业银行稳定性的影响最大，且这种影响作用会随时间而增强。其次为流动性比率(LIR)，说明商业银行在经营过程中要注重流动性风险对其稳定性的影响。三个指标中影响最小的为核心资本充足率(CCA)，这是因为我国商业银行体系中国有银行占比较高，而我国又是银行主导型金融结构，为保证我国金融系统的稳定性，特别是在2008年全球金融危机之后国家对商业银行核心资本充足率进行严格的监管，因此，在研究样本区间内我国商业银行核心资本充足率多处于安全水平内，故其对银行稳定性的影响作用在结果中并未较好地体现。从整体来看，微观审慎监管对商业银行稳定性的总贡献度并不高，这说明单纯的微观审慎监管并不能够较好的发挥金融监管的职能，需要与其他监管政策进行协调加强政策有效性。

(二)宏观审慎政策实施对商业银行稳定性的影响研究

1.宏观审慎政策对商业银行稳定性影响PVAR模型的GMM估计

同理根据AIC、BIC、HQIC准则来确定在宏观审慎政策对商业银行稳定性影响的PVAR模型最优滞后阶数选择四阶，并按照滞后阶数的选择建立PVAR模型。

利用“向前均值差分”消除固定效应的影响之后再进行GMM估计。表6为宏观审慎监管对商业银行稳定性影响的回归结果。

从表6可以看出在宏观审慎监管框架下商业银行稳定性对自身的影响在滞后1期和2期分别在1%和5%水平下显著，在滞后3期和4期不显著，这说明在宏观审慎监管框架下商业银行稳定性水平在短期内容易受到自身滞后期的影响，但随着时间的推移这种影响作用逐渐减弱。从其他宏观审慎监管变量的影响来看，广义信贷/GDP偏离度(GCG)作为时间维度的宏观审慎调控指标主要通过调控逆周期资本缓冲对商业银行稳定性Z值产生影响，在滞后1期和2期在1%水平下显著，在滞后3期和4期不显著，这说明GCG的调控在短期的逆周期缓冲作用效果明显，随着作用周期的延续其作用效果减弱。银行业集中度(HHI)作为横截面维度的宏观审慎调控指标对商业银行稳定性的影响作用在滞后1期、2期、4期较为显著，在滞后3期不显著。通过GMM估计的结果可以看出在短期内宏观审慎监管各变量对银行稳定性Z值的影响，在此基础上将继续分析各变量的长期影响作用和动态演化过程。

表6 宏观审慎监管下银行稳定性Z值的GMM估计结果

YCoef.Std. Err.TGCGt-1-1.124603∗∗∗.2959161-3.80HHI t-16.878114∗∗2.8466692.42Z t-1.1560909∗∗.06671742.34GCGt-2.7160897∗∗∗.20306163.53HHI t-25.28568∗2.7512051.92Z t-2.6675127∗∗∗.053660912.44GCGt-3-.0759909.2377801-0.32HHI t-3-2.1217911.591024-1.33Z t-3.0160137.01840070.87GCGt-4-.1907167.1912848-1.00HHI t-4-3.815924∗∗1.609848-2.37Z t-4.016367.02850460.57

2.宏观审慎监管对商业银行稳定性的脉冲响应

为了分析宏观审慎监管各指标变量对商业银行稳健性的动态作用过程，采用PVAR模型的脉冲响应函数分析各个监管变量对银行稳健性的影响。同样，利用蒙特卡洛1000次模拟给出脉冲响应函数95%的置信区间。各变量脉冲影响关系如图4所示。

从图4中商业银行Z值对其自身的脉冲响应来看，均在0值以上呈波动状态，且95%置信区间上下限也基本都在0值以上，说明商业银行稳定性对其自身的冲击作用显著。而脉冲函数的波动性则说明在宏观审慎监管框架下，商业银行作为宏观经济中的组成部分其稳定性除了受到外部宏观变量的影响之外还受自身内部变量的影响。这也从侧面反映出宏观审慎和微观审慎共同作用的必要性。

从其他宏观审慎监管变量的影响来看，广义信贷/GDP偏离度(GCG)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，且在整个脉冲期间95%置信区间上下限基本都在0值以上，说明广义信贷/GDP偏离度对Z值的冲击作用长期存在且显著，意味着逆周期资本缓冲工具具有长期有效性，可在整个经济周期内发挥较好的调节作用。银行业集中度(HHI)一单位标准差的冲击对商业银行稳定性Z值的影响均为负，且在整个脉冲期间95%置信区间上下限均在0值以下，说明银行业集中度对Z值的冲击作用长期存在且显著。特别是在我国银行主导型的金融机构模式下，可以通过对系统重要性金融机构的调控实现较好的风险调控目标，提升整体的稳定性。

图4 宏观审慎监管下商业银行稳定性的脉冲响应结果

因此，在我国宏观审慎监管体系中，广义信贷/GDP偏离度和银行业集中度的宏观审慎监管效果都比较显著，指标有效性强，且从长期来看，商业银行稳定性还与银行自身运营有显著影响。

3.宏观审慎政策下商业银行稳定性影响的方差分解

通过以上分析可知所选取的时间维度和横截面维度的宏观审慎监管指标对商业银行稳定性的影响都较为显著，为了更好指导金融监管工具选择，需要确定不同指标的贡献度。下面使用PVAR的方差分解来进一步比较不同指标对商业银行稳定性变化的贡献大小，从而确定不同监管指标在宏观审慎监管中的重要性。宏观审慎监管下商业银行稳定性Z值的方差分解如表7所示。

通过表7可以看出，在我国现行的商业银行管理模式下，宏观审慎监管指标中广义信贷/GDP偏离度(GCG)和银行业集中度(HHI)对商业银行稳定性的贡献度相差不大，这说明时间维度和横截面维度的政策工具都在不同的方面发挥较好的作用，在制定宏观审慎监管政策时需要兼顾两个维度。另外，相比表5中微观审慎监管对银行稳定性的贡献，宏观审慎监管的贡献更大，这说明在我国当前的金融环境下，宏观审慎监管对银行系统性金融风险的调控效果要比微观审慎监管对银行非系统性风险的调控更加显著。这也从侧面反映在研究样本期间，我国长期以来的银行业内部微观调控的实施使银行业形成较为稳定的非系统风险防范意识。

表7 宏观审慎监管下银行稳定性Z值的方差分解结果

sGCGHHIZ10.1290.1050.76620.1130.1100.77830.1090.1120.77940.1080.1130.77950.1080.1140.77860.1080.1140.77870.1080.1140.77880.1080.1140.77890.1080.1140.778100.1080.1140.778

(三)宏微观审慎政策协调作用对商业银行稳定性的影响研究

分别对微观和宏观审慎监管政策下商业银行稳定性的影响作用以及不同指标的作用方向、效果研究之后，研究宏微观审慎协调监管下商业银行稳定性的变动，探究宏观审慎监管共同作用下不同监管工具的作用效果。

1.宏微观审慎政策协调对商业银行稳定性影响PVAR模型的GMM估计

根据AIC、BIC、HQIC准则确定在宏微观审慎政策协调作用下商业银行稳定性影响的PVAR模型最优滞后阶数选择四阶，并按照滞后阶数的选择建立PVAR模型。

在进行GMM估计之前，先运用Choleski分解来确定各变量在模型中的顺序。根据“相对最内生”的原则将外生性强的变量排在前面，而相对内生的排在后面。本研究中将宏观审慎指标“广义信贷/GDP”和“银行业集中度”排在前面，将微观审慎指标“流动性比率”、“不良贷款率”和“核心资本充足率”排在后面，银行稳定性指标Z值放在最后。同样采用“向前均值差分”消除固定效应之后进行GMM估计，所得结果如表8所示。

从表8可以看出在宏微观协调监管框架下商业银行稳定性对自身的影响在滞后1期和2期在1%水平下显著，在滞后3期和4期不显著，这说明在宏微观协调监管框架下商业银行稳定性水平在短期内容易受到自身滞后期的影响。

从微观审慎监管变量的显著性来看，流动性比率(LIR)在滞后期1、2、3期内均不显著，但在滞后4期通过1%的显著性检验，说明LIR对银行稳定性Z值的影响在短期内不显著，可能存在长期的影响。不良贷款率(NPLR)在滞后期内均不存在显著性，说明短期内不良贷款率对银行Z值的影响不太明确。核心资本充足率(CCA)在滞后期1、2、3期内均不显著，但在滞后4期通过5%的显著性检验，说明LIR对银行稳定性Z值的影响在短期内不显著，但可能存在长期的影响。

从宏观审慎监管变量的显著性来看，广义信贷/GDP偏离度(GCG)在滞后期1、2、4期通过不同程度的显著性检验，但在滞后3期不显著，说明在短期内GCG对银行Z值的影响存在，但具有波动性。银行业集中度(HHI)在滞后1-4期内均通过显著性检验，说明HHI对银行Z值的影响具有明显的滞后性。

表8 宏微观审慎协调监管下银行稳定性Z值的GMM估计结果

2.宏微观协调监管对商业银行稳定性的脉冲响应

同理，为了分析宏微观协调监管下各指标变量对商业银行稳健性的动态作用过程，采用PVAR模型的脉冲响应函数分析各个监管变量对银行稳健性的影响。利用蒙特卡洛1000次模拟给出脉冲响应函数95%的置信区间。鉴于变量数量较多，图5中只列出各个变量对商业银行稳定性Z值的脉冲响应。

从图5中商业银行Z值对其自身的脉冲响应来看，宏微观协调监管下银行稳定性Z值对自身的冲击反映均在0值以上并呈波动状态，且95%置信区间上下限也基本都在0值以上，从整体趋势来看，在0期达到最高点，之后呈现递减的趋势，这说明银行稳定性对自身的影响在短期内较为显著，长期效果较弱，这与表8中的GMM结果相一致。

从微观审慎监管变量的脉冲响应来看，流动性比率(LIR)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，但是在整个脉冲期间95%置信区间上下限将0值包含在内，说明宏微观协调监管下流动性比率对Z值的冲击作用存在但从长期来看仍然不显著。不良贷款率(NPLR)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，在整个脉冲期间95%置信区间上下限均在0值以上，且从长期来看这种影响作用呈逐渐增长趋势，所以不良贷款率是金融监管中始终需要调控的变量。核心资本充足率(CCA)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，但是在整个脉冲期间95%置信区间上下限将0值包含在内，说明宏微观协调监管下核心资本充足率对Z值的冲击作用存在但从长期来看仍然不显著。

图5 宏微观协调监管下商业银行稳定性的脉冲响应结果

从宏观审慎监管变量的脉冲响应来看，广义信贷/GDP偏离度(GCG)一单位标准差的冲击对商业银行稳定性Z值的影响均为正，且在整个脉冲期间95%置信区间上下限基本都在0值以上，说明广义信贷/GDP偏离度对Z值的冲击作用长期存在且显著。银行业集中度(HHI)一单位标准差的冲击对商业银行稳定性Z值的影响均为负，且在整个脉冲期间95%置信区间上下限均在0值以下，说明银行业集中度对Z值的冲击作用长期存在且显著。

通过宏微观协调监管下各变量对商业银行稳定性的脉冲响应分析可以得出，在两种金融监管政策共同作用时，宏观审慎监管政策变量GCG和HHI对商业银行稳定性的冲击作用更加明显，且作用更加长远。在微观审慎监管政策各变量中NPLR的冲击作用较为显著，其对商业银行稳定性的影响随时间推移而呈动态演化，相比之下，LIR和CCA的冲击作用并不显著。从不同指标对银行稳定性的冲击影响来看，宏微观审慎监管协调状态下与单一政策模式相比，各个变量的脉冲响应函数在趋势上大体保持一致但比单一政策模式下对银行稳定的冲击作用相对平缓，说明宏微观审慎监管协调运作能够减缓单一政策实施对银行稳定性甚至整个经济体的冲击，因此，从长期金融监管效果来说，需要宏微观政策的协调形成较为稳定的金融监管机制，达到长期稳定监管的目的。

3.宏微观审慎政策协调下商业银行稳定性的方差分解

为了更好比较不同监管政策工具对商业银行稳定性影响的贡献度，下面使用PVAR的方差分解进行分析。宏微观协调监管下商业银行稳定性Z值的方差分解如表9所示。

通过表9可以看出，在宏微观审慎政策协调作用下，各政策变量对商业银行稳定性Z值的贡献度存在差异。商业银行稳定性Z值对其自身的贡献度最大，这也说明银行后期的稳定发展具有累积效应，受到前期稳定状态的影响较大。从政策属性上来看，宏观审慎监管政策的贡献度要大于微观审慎监管政策。

在微观审慎监管政策方面，不良贷款率(NPLR)贡献最大，呈现先增后减的变动趋势，这说明我国政府主导型银行监管和运营模式下，政府可以通过政策规定将流动性比率(LIR)和核心资本充足率(CCA)长期调控在较为合理的范围内，因此两个变量对银行稳定性变动的贡献度并没有显现，但是，不良贷款率(NPLR)更容易受到实体经济运行状态的影响，对我国商业银行稳定性影响较为显著。

在宏观审慎监管政策方面，广义信贷/GDP偏离度(GCG)、银行业集中度(HHI)的贡献度都较高，说明宏观监管政策两个维度的调控对我国商业银行稳定性的贡献度都较大。在宏观工具的实施和制定过程中两个维度都要充分的考虑。

表9 宏微观协调监管下银行稳定性Z值的方差分解结果

与单一金融监管政策相比较而言，宏微观协调监管下商业银行稳定性受自身影响的作用减弱，受金融监管政策变量整体的影响增强，因此，在金融监管调控过程中，为增强政策实施效果，弱化商业银行自身累计效应的影响，需要加强宏观审慎政策和微观审慎政策的协调性，更好发挥金融监管系统对以商业银行为代表的金融机构的风险防范功能。

五、 研究结论

随着金融系统演化及金融风险复杂性提升，金融监管成为世界各国政府和理论界关注的热点问题。微观审慎监管的局限性和系统性金融风险传染性的增强使宏微观审慎协调监管成为当前金融监管改革趋势。本文选取2008-2017年我国14家上市商业银行半年度数据为样本，采用面板向量自回归(PVAR)模型研究银行业宏微观审慎监管政策协调性。结论如下：

第一，宏观审慎监管和微观审慎监管作为两种不同的金融监管模式，在银行信贷周期的不同阶段发挥的作用不同，但正是基于两种政策的差异性才能够在政策协调运作过程中发挥不同的监管功能，提升整体金融监管水平。

第二，在金融监管效果分析方面，微观审慎监管指标与银行业稳定性之间的脉冲结果显示，NPLR对银行稳定性产生的冲击作用比较显著且具有持续性，而LIR和CCA对银行稳定性的冲击作用存在但长期来看影响作用并不显著，说明信贷违约风险对当前我国商业银行稳定性的影响较为明显。宏观审慎监管指标与银行业稳定性之间的脉冲结果显示，GCG和HHI对银行稳定性的冲击作用比较显著且从长期来看具有持续性，说明在宏观审慎监管中时间维度和横截面维度的监管指标对商业银行稳定性的影响都较为明显，在制定宏观审慎监管政策时需要兼顾两个维度。

第三，宏微观审慎监管协调监管效果分析中，与单一金融监管政策相比较而言，宏微观协调监管下商业银行稳定性受自身影响的作用减弱，受金融监管政策变量整体的影响增强。各个变量的脉冲响应函数在趋势上大体保持一致，但比单一政策模式下对银行稳定的冲击作用相对平缓，说明宏微观审慎监管协调运作能够减缓单一政策实施对银行稳定性甚至整个经济体的冲击，因此，从长期来看，需要宏微观政策的协调达到对银行业长期稳定监管的目的。

本文研究的结论对当前我国金融监管改革具有一定的启示。首先，要重视信贷违约风险对银行稳定性的影响，微观方面加强银行自身内部贷款业务管理，宏观方面积极调整优化信贷结构；其次，随着金融系统中各机构之间关联性的增强，要加强对系统性风险的监管，时间维度注重对顺周期累积的风险监管，横截面维度关注银行理财业务中金融创新部分所可能引发的传染效应和风险溢出效应对整个金融体系的影响。