银行微观竞争与货币政策信贷渠道传导效率——基于我国130家银行的经验证据

■中国人民银行萍乡市中心支行课题组

一、引言与文献综述

银行作为现代金融系统的核心，在解决企业融资、支持实体经济发展等方面发挥着十分重要的作用。据央行统计数据显示，2018年全年实体经济从银行获取的贷款金额占整个社会融资规模的比例仍然高达79.2%，即便从存量数据来看，占比依然不低，约68.2%。同时，银行业的竞争格局一直备受研究者们和监管层的关注。数据显示，截至2018年底，我国银行业金融机构法人数量已达4588家，较2012年增加800余家，加之互联网金融生态的发展和兴起，银行业的竞争日渐呈白热化态势。

对银行来说，竞争不仅会导致金融产品价格的下降，影响收益水平，而且会影响其运行效率、风险承担水平等。由于不同类型和不同规模的银行资金来源渠道、流动性高低等方面都存在差异，加之市场势力的悬殊，研究银行竞争对货币政策银行信贷渠道传导效率的影响不仅具有重要的理论意义，而且能为从供需两端疏通货币政策传导渠道提供坚实的微观基础。

现有文献通常从两个角度研究货币政策信贷渠道传导效率：一种从宏观总量上探讨货币政策信贷渠道现象和机制（Buigut，2010）；另一种是探讨传导效率的微观特征，主要涉及截面异质性的相关分析，以克服基于总量数据研究存在的识别问题（Gambacorta&Shin，2018）。Kishan&Opiela（2006）发现小规模银行由于无法获得其他资金来源，受货币紧缩影响更大。类似的证据体现在流动性较低和资本不足的银行（Juurikkala et al，2011）。除了这三种银行特征外，相关文献研究了股权结构（Lucas&Schaumburg，2018）、盈利性（Gunji&Yuan，2010）和股东权益比例（Delis&Kouretas，2011）对货币政策信贷传导渠道的影响。较多学者从资本约束、流动性预期压力、风险冲击以及债务压力等角度解释了在外部经济偏紧条件下，信贷渠道被弱化的原因（Christiano，2014；Amador&Nagengast，2016）。

考虑到银行竞争对银行经营行为的影响，竞争可能会促进或阻碍银行信贷渠道进而影响货币政策的有效性。从实证角度看，银行竞争与货币政策传导效率关系的研究较为集中，但尚无定论，这可能缘于衡量银行竞争的方法不同和样本选择的差异性。国内外学者大部分支持银行竞争程度提高会加强货币政策信贷传导效果的观点。Leroy（2014）采用欧元区国家的大型银行面板数据，并将勒纳指数作为衡量银行竞争的指标展开研究，结果显示竞争加剧会通过提高贷款利率对货币冲击的敏感度来强化货币政策信贷渠道传导的有效性。董华平和干杏娣（2015）实证分析表明，股份制银行、城商行和外资银行的市场化程度更高，其市场份额的提升对信贷渠道的传导效率有正向影响。Ghossoub&Reed（2015）基于不完全竞争的银行模型的异质性分析中也提及到类似的结论。但也有部分研究发现，竞争性银行业结构削弱了货币政策对信贷供给的作用。例如，Amidu&Wolfe（2013）利用55个国家和978家面板数据作检验，结果发现竞争程度过高会降低信贷政策的传导效率。

通过对文献的整理，本文发现已有文献鲜有从银行微观竞争水平视角分析我国货币政策的银行信贷渠道传导效率。尽管有少部分研究从该角度着手，但在理论分析框架、银行市场势力测算以及有关异质性方面仍略显不足。为此，本文主要在以下三个方面进行了拓展：一是引入了“Monti-Kelin”改进模型作为本文研究的理论分析基础；二是既使用了面板固定效应方法估计超越对数成本函数（translog cost function）测算银行市场势力（lerner指数），又采用了随机前沿法（SFA）予以测算；三是不仅分析了银行特征变量的异质性，而且研究了银行市场势力的异质性，丰富了相关研究。

二、理论基础与模型设定

（一）理论模型

本文以考察和分析银行微观行为为切入点，在借鉴微观银行理论模型Monti-Klein模型（Freixas&Rochet，2008）基础上加以改进，建立适用于本研究中解释银行竞争对货币政策银行信贷传导效率影响的理论模型。

1.模型设定

产业组织法（IO）是微观银行学的理论支柱之一，它把银行活动看作为生产类似于产品的存贷款服务，银行技术由成本函数C（D，L）给出，即管理一定数量贷款和存款的成本。为简化分析，本文在这里作三个假设：一是银行的经营活动仅表现为吸收存款、发放贷款和在银行同业市场或者向中央银行拆借；二是将银行业视为一个不完全竞争行业，使其更贴近于事实；三是所有银行都拥有相同的成本函数C（D，L）。具体形式如下：

式（1）中Dt表示银行t时期存款供给量，Lt表示银行t时期贷款量。二者所对应的存款利率和贷款利率分别用rD和rL表示。另外，用rt表示同业拆借利率（可以看成中央银行的货币政策工具），α表示法定存款准备金率。在考虑管理成本的情况下，单个银行的利润等于存贷款的中间利差减去管理成本的总和，用数学形式表示为：

由AD-AS曲线可知，存款供给量D是rD的递增函数，贷款需求L是rL的递减函数；考虑到银行竞争力对rL存在的影响和不同银行之间存在的差异，分析中可将它们的函数或者反函数写成如下形式：

需要注意的是，公式（4）中rL是由贷款规模和银行市场势力共同决定的。＞0表明银行贷款供给量越多，对应的贷款利率也越高。这源于两个方面：一是rL的增加，必然会使贷款供给量上升，对应的反函数的导数＞0；二是银行贷款规模不断扩大，相应风险也在增加，为此需要提高贷款利率以应对未来风险。＞0表明银行市场势力越大，越具有制定贷款价格rL的能力。本文之所以使用Lerner指数滞后一期是基于短期内银行市场势力不那么容易改变的考虑。

为了求出（2）中利润最大化的解，需要引入贷款需求弹性和存款供给弹性，如下所示。

结合（2）的一阶均衡条件和（5）的反函数弹性，可得到银行i在t时期的最优一阶均衡条件解

2.均衡条件

在上述条件约束下，各家银行i利润最大化的最优化条件如下：

将（4）求导的结果与式（7）同时代入（9）可得：

3.货币政策变动、银行竞争与银行信贷规模分析

将（10）两边对vt-1求微分，可得到货币政策变动对银行信贷规模的影响：

将（10）两边对Leri，t求微分，可得到银行市场势力对银行信贷规模的影响：

将（11）进一步对Lerner指数求导，可得银行竞争对货币政策银行信贷传导的影响：

利用前面的函数关系、一阶导数符号以及隐函数链式求导法则，可确定式（13）方向为正，意味着银行竞争力的增强会强化货币政策变动增加引起的银行贷款规模的下降。综合来看，基于上述理论分析框架，本文提出如下假设：

假设1：货币政策的银行贷款渠道存在，而且影响方向为负，即货币政策变动会引起银行贷款规模的反方向变动。

假设2：银行市场势力与货币政策交互影响存在且作用方向为正，即市场势力的增加（竞争力的下降）会弱化货币政策银行信贷渠道传导效率；反之，则强化。

（二）计量模型设定

为了对研究主题进行经验分析，本文将使用面板固定效应模型进行检验①之所以不采用差分或者系统动态面板予以估计是因为滞后因变量统计不显著，所以把滞后因变量作为回归元缺乏令人信服的证据。此外，在稳健性检验中会进一步提及和验证。，并将实证模型设定为如下形式：

式（14）中下标i代表银行，t、t-1为年度及其滞后一期，△MP表示货币政策变量，lerner指数是银行市场势力指标，X={size，cap，cdb}是银行特征变量，分别表示规模、权益资本比例、存贷比；△MP×X、△MP×lerner分别为货币政策变量和银行特征变量、市场势力的交互项；roa和cpi分别是银行资产回报率、消费者价格指数，u为个体效应，ε为干扰项。

三、变量选取、测度与数据说明

（一）变量选取及测度

1.银行竞争的度量

本文选取Lerner指数作为银行竞争的考量，因为该指数不仅可用于比较不同银行之间的市场力量，而且已被学者们广泛使用。具体地，lerner指数的计算公式如下：

其中，价格（P）是指类似于总资产的银行产出的平均价格，可被定义为总收入与总资产的比率。然而，边际成本（MC）的计算是建立在对包含产出和三种产出价格的（劳动的价格、实物资本的价格、借入资金的成本）超越对数成本函数的估计基础上得出。通常该成本函数被设定为如下形式：

其中，TC表示总成本（利息支出、员工开支、其他非利息支出之和），y是总资产，w1是劳动的价格（员工开支与总资产的比率），w2是实物资本的价格（其他非利息支出与固定资产的比率），w3是借入资本的成本（利息支出与存款和短期资金的比例）。成本函数的估计系数可用于推导边际成本（MC）：

将（17）的结果MC代入（15）中即可得出衡量不同银行市场力量的Lerner指数。

2.货币政策代理变量

货币政策有数量型和价格型区分，对应的衡量货币政策的指标也有数量型和价格型两种。本文在借鉴前人研究的基础上并结合我国货币政策的具体实践，主要采用银行同业拆借利率或贷款基准利率、法定存款准备金率或广义货币M2增速分别作为价格型和数量型货币政策的代理变量。其中，贷款基准利率、广义货币M2增速在本文中主要用于稳健性检验。

3.银行特征变量和控制变量

一直以来，学者们围绕货币政策对信贷渠道传导效率的影响因素开展了广泛研究，这些因素除了诸如国内生产总值、消费者价格指数等宏观经济变量之外，更为重要的是涉及描述银行特征的变量，比如银行规模、自有资本比例和流动性水平等。尽管研究得出的结论不一，但这基本能说明银行特征变量确实会对货币政策银行贷款渠道效率产生不容忽视的影响。鉴于此，本文在后续实证中主要控制银行规模（size）、自有资本比例（cap）和流动性（liq）特征的影响，并参考Ehrmann et al（2003）对银行特征变量作如下处理：

其中，银行规模（size）用银行总资产的对数衡量，流动性（liq）用净贷款与银行存款和短期资金之比衡量，自有资本比例（cap）用银行自有资本与同资产的比例衡量①衡量银行流动性的指标有多种，之所以不使用银行流动资产与总资产的比例是因为旧版BankScope数据库与新版数据库数值不一致，所以使用银行存贷比指标进行替代。。i=1，…，N代表银行数量，t=1，…，T代表年份。需要注意的是，对银行特征变量作去均值标准化处理既剔除了变量的趋势性，而且平均交互项为零，系数可直接解释为平均货币政策变动对银行贷款变动的影响。

（二）数据说明

表1 回归变量的定义

各变量的定义见表1。本文中银行贷款数据、银行特征变量、平均资产回报率以及用于计算lerner指数的相关数据均来源于Bank Focus全球银行与金融机构分析库。银行同业拆借利率、法定存款准备金率、1年期贷款基准利率、广义货币M2来源于Wind数据库，而通货膨胀率来源于中国国家统计局。此外，选取了130家银行作为样本，范围涵盖我国5家国有大型商业银行、10家股份制银行、66家城市商业银行、22家农村商业银行以及27家外资银行，并且考虑数据的连续性、完整性及相同指标计算差异，将样本期设定为2004～2017年。

四、实证结果及分析

（一）描述性统计

表2为相关变量基本统计量的结果。其中，lerner指数和lerner1指数分别是基于对超越成本函数采用随机前沿分析法和面板固定效应法估计所计算出的，目的是为了检验lerner指数的稳健性。值得注意的是，二者的均值非常接近，分别为0.259、0.254。然而，该数值与张娜（2019）所计算的中国银行lerner指数均值（0.4左右）有较大差别，与Coccorese（2014）估计的0.16又较为接近。造成差异的原因可能有两方面：一是选取的样本及其涵盖期间不同；二是估计边际成本使用方法不同。此外，相较于欧洲国家银行lerner指数均值0.1（Fungácová et al，2014）而言，我国银行市场力量相对较强，整体竞争水平偏低。

表2 描述性统计

（二）回归结果①

①hausman检验结果表明应在固定效应模型、随机效应模型二者中选择前者，即固定效应模型。

首先，本文以银行同业拆借利率（IR）和法定存款准备金率（RR）年度增量△MP的滞后一期分别作为价格型和数量币政策的衡量指标，实证检验结果见表3。

表3的回归结果显示，（1）～（6）列货币政策变量的估计系数分别在不同显著水平显著且作用方向为负，符合预期假设1，也与现有研究普遍得出的结论一致。表明货币政策变动的增加会降低贷款增速，反之，提高贷款增速。从lerner指数估计结果看，（1）～（6）列中各系数均为负且都在1%的水平下显著，表明银行市场力量增加（竞争程度的降低）会对贷款增速产生反向作用，可能的原因在于竞争的降低会增加借贷双方信息不对称性和提高转移成本，从而使得贷款增速呈现下降。另外，全部设定模型中的银行规模的影响方向为负，但更重要的是银行流动性以及自有资本比例的回归系数总体都为正且统计显著，说明小银行、高资本比例和高流动性有助于实现更稳健的贷款增速。

货币政策变量与银行特征变量、lerner指数交互项显著与否能够表明二者是否会对货币政策银行贷款渠道造成间接影响。（2）、（3）列银行规模的交互项系数不显著，而（5）、（6）列交互项系数显著且为负，意味着不同类型货币政策下，银行规模特征对贷款渠道的影响存在差异，且仅在数量型货币政策工具下，规模特征会对贷款渠道产生一定作用；权益资本比例的交互项影响在两种货币政策工具下均为负且显著，说明权益资本比例增加尽管会直接促进贷款增长，但是会通过贷款渠道强化货币政策变动增加所引致的贷款增速的下降程度；（3）、（6）列流动性的交互项影响在两种货币政策类型下为负且显著，表明流动性增加对贷款增长既产生了直接有利影响，也产生了间接有利影响，即减弱货币政策变动增加会引起贷款增速的下降；最后，就本文最为关心的lerner指数交互项而言，影响方向都为正，与预期假设2相吻合，但仅在数量型货币政策下显著，说明银行竞争的提高会强化数量型货币政策银行信贷渠道传导效果。对该结果可能的解释是因为长期以来我国主要倾向于采用数量型货币政策调控方式，造成银行竞争仅对数量型政策工具敏感。

（三）进一步分析

上述基准回归结果已经表明银行微观竞争水平不仅会对货币政策贷款渠道产生直接影响，而且在数量型货币政策下，还会产生间接影响，表现为银行竞争加剧会强化货币政策变动的影响效果。为进一步了解货币政策变动对贷款渠道的影响是否会因银行竞争程度的高低、特征变量的高低或大小产生异质性，本文将lerner指数、特征变量按中位数把样本分为高低或大小两组，并仍然使用IR、RR的年度增量作为货币政策变量，回归结果如表4所示。

分组回归结果表（4）显示，在将银行市场势力分为高低两组后，Panel A和B中货币政策变动影响均出现了组间差异，影响方向虽然没有发生变化，但都仅在市场势力较低组具有显著性。就特征变量交互项影响来看，Panel A中银行规模、权益资本比例和流动性的交互影响并没有出现组间差异，且均不显著。但在Panel B中银行规模、权益资本比例出现了组间差异，且分别在市场势力较高组、较低组显著。从勒纳指数的影响来看，直接影响在不同类型政策下也均出现了组间差异且均在较低组显著。值得注意的是，其交互项在Panel A中没有出现组间差异且均不显著，这也再一次证实了基准回归中以IR年度增量为政策变量下的勒纳指数交互项不显著的结论，即银行市场势力对银行贷款渠道的间接影响几乎不存在；与之不同的是，Panel B中勒纳指数交互项影响出现了组间差异且在市场势力较低组显著，说明对于市场势力较低的银行而言，货币政策变动的效果会随着银行市场势力的增加被显著削弱；但对于市场势力较高的银行而言，货币政策变动效果并不会随着市场势力进一步增加而削弱。总体来看，将勒纳指数分为高低两组后，银行竞争对货币政策银行信贷渠道传导效果的影响与基准回归结果一致，并且在数量型货币政策下存在异质性特征。在将银行特征变量分为高低或大小两组后，可看出货币政策变量和特征变量的交互项影响，大致与基准回归结果相吻合。本文着重关注的是PanelA中货币政策变量和lerner指数的交互项系数仅对低资本比例和高流动性银行显著，该结果表明银行竞争对货币政策传导的缓冲效应主要是通过高流动性、低资本比例银行对货币政策冲击的反应实现的；而Panel B中交互项系数对小规模、高资本比例、高流动性银行更显著。该结果也与高流动性或高资本化银行（其财务约束较少）可以通过减少流动资产或调动未投保存款来缓冲贷款活动以抵御货币政策冲击的观点大体一致（Altunbas et al，2009）。

表3 基准回归结果

为了证实小规模银行相较于大银行往往拥有较高的资本比例，本文将大规模和小规模银行组间资本差异的比较总结在表5中。从结果可以看出，小银行的确拥有更高的资本比例。

表5 大银行和小银行组间均值差异检验

（四）稳健性检验①

①限于篇幅，本部分结果留存备索。

1.改变lerner指数估计方法的稳健性检验

表4 lerner指数、特征变量按中位数分组

如前文所述，计算勒纳指数需要已知边际成本资料，而它的获得是基于对超越对数成本函数的估计且估计方法涉及多种。鉴于此，本文这里使用面板固定效应模型估计得到MC，并计算出lerner1，将其代入实证模型进行检验。实证结果显示，在不同类型货币政策下，货币政策变动、lerner1和二者的交互项影响方向及显著性与前文均保持一致，并没有否定前文的结论。

2.以1年期贷款基准利率作为货币政策指标的稳健性检验

为了检验不同货币政策指标是否会影响估计结果的准确性，本文以信贷市场的基准利率1年期贷款基准利率作为价格型货币政策的衡量指标（董华平和干杏娣，2015）进行估计。结果显示，当改变价格型货币政策的代理指标时，银行市场势力和货币政策变量的交互项影响仍然不显著，意味着价格型货币政策下银行竞争水平的变化并不会增强或者弱化货币政策银行信贷渠道传导效果，与前文的研究结论保持一致。另外，把lerner指数按中位数分为高低两组后，结果也仍未发生明显改变。

3.以广义货币M2的增速作为货币政策指标的稳健性检验

当用广义货币M2的增速作为数量型货币政策衡量指标时，估计结果显示银行市场势力与其交互项影响系数仍然高度显著且方向为正，与前文结论保持一致。

4.方法的稳健性：使用动态面板估计（SYSGMM）

考虑到现实中贷款增速可能会受到它的前一期水平影响，以及为了有效避免模型中的内生性干扰问题，本文尝试在模型中加入贷款增速的滞后一期予以估计，并且使用系统GMM估计方法。估计结果显示。第一，残差序列相关性的AR检验表明其不存在二阶序列相关，满足SYS-GMM方法使用的前提条件；第二，Sargan检验表明不存在工具变量过度识别的问题；第三，本文结论表明贷款增速并没有存在惯性特征，产生差异的原因可能在于：一是样本数量和涵盖期间不同。二是由于金融监管的存在、银行内部风险控制的加强，银行贷款可能相对更理性；第四，在不同类型货币政策下，交互项的影响方向均为正且都显著，这与前文的结果有些不一致，造成差异的原因很可能在于方法使用的不同。但总的来说，数量型货币政策下的银行微观竞争水平提高确实会强化货币政策信贷渠道传导的效果。

五、结论与建议

本文以银行微观竞争水平为视角，通过引入银行竞争因素对Monti-Kelin模型加以合理改进，建立了适用于本文研究的理论模型分析框架，在此基础上设定面板固定效应实证分析模型，使用我国130家中外资银行2004～2017年数据进行实证分析，研究了银行微观竞争水平对货币政策银行信贷渠道传导效率的影响。理论分析和实证结果表明：第一，我国货币政策银行信贷传导渠道在价格型和数量型两种货币政策下确实都存在；第二，银行市场势力对我国货币政策银行信贷渠道传导效率的影响存在差异，在价格型货币政策下无影响，在数量型货币政策下存在显著正向影响，即银行竞争力的提高会明显增强货币政策变动的增加所引起的贷款增速下降的效果；第三，将银行市场势力按中位数分为高低两组后，在价格型货币政策下，银行市场势力对货币政策银行信贷渠道传导效率仍然无影响，而在数量型货币政策下出现了异质性特征且仅在较低组显著；第四，将银行特征变量按中位数分组后，银行竞争对两种类型货币政策下银行信贷渠道的缓冲效应主要是通过高资本比例或者高流动性银行对货币政策冲击的反应实现的；第五，通过改变lerner指数估计方法、替换货币政策代理指标以及使用系统GMM估计方法进行稳健性检验，结论均与前文所述相同。

根据研究结论，本文提出以下政策建议：第一，从实证结果可以看出，银行竞争会强化数量型货币政策信贷渠道传导效率，为避免政策效率的降低，在使用数量型货币政策工具时，需要重点注意银行竞争力的影响，尽可能建立差异化的银行体系以形成良好的竞争环境，保持竞争和风险控制目标的稳定性，促进货币政策传导机制的完善；第二，根据银行市场势力分组结果可知，数量型货币政策工具下的银行市场势力对政策传导效率影响主要集中在市场竞争力较高的银行，因而需关注相关银行市场势力的变化，并出台竞争政策促使银行保持竞争活力；第三，鉴于银行竞争对货币政策冲击的敏感性反映到传导效果层面在很大程度上与银行的特征变量有关，为此，建议各银行要密切监测其自有资本比例、流动性大小、经营效益等个体因素，来确定合理的贷款规模，并对不同竞争程度的银行实行差异化的货币政策调控和监管政策，从而避免银行资本管理的标的出现偏移，使得银行的信贷行为朝着更有利于信贷渠道正向传导的方向发展。