结构性货币政策对商业银行整体风险的影响

沈 丽,侯秀美,李文君

(山东财经大学 金融学院,济南 250014)

一、引言

2008年爆发金融危机之后的多数研究表明,货币政策会通过影响金融机构的风险感知和容忍度,继而影响其资产价值、风险定价及融资成本,最终作用于金融稳定和总产出,即货币政策可以通过影响银行风险变化进而影响实体经济。金融危机告诉我们商业银行的倒闭或者风险的爆发不仅严重影响金融系统的稳定性,更会对一国的经济造成重创。健全金融监管体系,守住不发生系统性金融风险的底线,必须重视对商业银行整体风险状况的研究。在金融危机背景下,欧美等发达经济体的中央银行实施了非常规货币政策以疏通货币政策传导渠道、促进经济增长。近年来我国中央银行为了适应经济新常态以及解决经济结构失衡等问题,在借鉴国外非常规货币政策操作的基础上,自2013年起设立了多种结构性货币政策工具。我国结构性货币政策主要致力于解决金融机构应急性流动资金需求,具备防范危机和引导资金流向特定领域的结构调节功能,但由于政策实施时间较短,实际政策效果还有待进一步研究。中央经济工作会议曾强调,结构性政策要在守住不发生系统性金融风险的底线方面发挥更大作用,突出了目前以及将来有效实施结构性货币政策的重要性。从当前中央银行频繁操作结构性货币政策工具来看,现阶段将我国结构性货币政策对商业银行整体风险的影响展开深入研究显然具有重要的学术价值与现实意义,不仅有助于进一步有效实施结构性货币政策、深化经济结构调整改革,而且也为我国银行业构建与完善风险防范体系提供重要参考依据。

二、文献回顾

结构性货币政策是我国理论界和实务界对非常规货币政策或者选择性信贷宽松政策的统称[1],通过差别对待、定向调节,不但能考虑到微观经济主体的异质性,还能通过疏通货币政策的传导渠道,使政策导向更具针对性和精准性[2]。为提高应对短期流动性波动的能力,同时有效解决实体经济“结构性流动性缺口”导致的部分领域融资成本高的问题,结构性货币政策工具在近年来得到了广泛运用[3]。我国的结构性货币政策工具同时兼具了传统总量性货币政策数量型和利率导向型的双重特点[4],大致可以把结构性货币政策工具分为三种类型。一是数量型结构性货币政策工具,是基于数量调节的传统货币政策的创新工具,主要通过影响货币供给达到其政策目标,包括定向降准、定向再贷款、差别准备金率、短期流动性调节工具等[5-6]。二是价格型结构性货币政策工具,是基于利率调节的借贷便利类工具,主要依托利率的价格信号功能,通过利率走廊实现政策传导,包括常备借贷便利、中期借贷便利等[7]。三是数量价格综合型结构性货币政策工具,既基于数量调节又基于利率调节,在对特定金融机构供给资金的同时又能强化利率调节机制,具有代表性的工具是抵押补充贷款[8]。央行每一次发布结构性货币政策工具创设或者操作公告,都会改变金融机构、企业、家户等市场参与主体对未来经济前景与政策走向的预期,从而改变其经济决策。

从文献研究进展看,我国探讨结构性货币政策与商业银行风险的研究逐渐增多,但这些研究的目的多数是分析结构性货币政策的实施效果,仅在理论上认为结构性货币政策对商业银行风险有影响,缺乏实证研究,主要从两个角度探讨,中央银行操作结构性货币政策工具可以直接释放流动性和降低银行等金融机构预期利率[9-13]。部分学者从释放流动性的角度认为,结构性货币政策最直接的作用是定向对银行等金融机构释放流动性,丰富银行获得流动性的渠道,降低银行面临的流动性风险,从而改变银行的信贷行为,引导资金流向需扶持的产业,减少流向需抑制产业的资金,对特征企业具有定向调节效应[9-11]。还有学者从预期利率降低的角度认为,结构性货币政策会通过改变参与主体的预期,使资金供给端和资金需求端的融资成本得以降低,降低银行面临的整体风险,增加银行的风险承担能力。例如,刘澜飚等研究发现结构性货币政策可以通过信号渠道改变参与主体对市场利率的预期,从而显著降低目前债券市场和货币市场的利率,进一步拓宽特定金融机构和特定行业的融资渠道,降低融资成本[12]。蒋先玲和赵一林也提到结构性货币政策工具构造的利率走廊上限使政策利率低于市场利率,银行会对融资成本形成稳定的预期,银行面临的流动性风险就会受到影响[13]。

从研究结构性货币政策的相关实证方法研究来看,多数文献采用VAR模型实证研究结构性货币政策效果[4,14],VAR模型还被很多学者用于传统货币政策与商业银行风险的研究中。少数文献运用事件分析法来研究结构性货币政策信号渠道的有效性以及某种结构性货币政策工具操作的实施效果[8,12,15],还有学者运用EGARCH模型、数据包络分析法等方法就结构性货币政策的调控效果展开研究[16-17]。

综合来看,已有文献的局限性在于结构性货币政策是我国新常态背景下宏观调控创新的重要方面,研究商业银行整体风险对结构性货币政策操作的反应更具现实意义,而目前这一领域缺乏深入的理论和实证研究。鉴于以上局限,本文将首先运用主成分分析法设计代表商业银行整体风险的压力指数,并基于已有研究创新性地对结构性货币政策分为数量型、价格型和数量价格综合型三类,再采用VAR模型分别实证检验这三类结构性货币政策工具对商业银行压力指数的影响是怎样的,以揭示我国央行实施的结构性货币政策对商业银行整体风险的影响如何;最后基于研究结论,提出相应的对策建议。

三、商业银行压力指数的构建

度量商业银行整体风险的基本思想是构建商业银行压力指数,压力指数越大,商业银行整体风险越大。Illing和Liu最早提出了金融压力的概念并开创了构建综合压力指数来衡量系统性金融压力的先河[18],他们选取银行、股票、外汇和债券4个市场的11个指标构造了加拿大的金融压力指数。之后有关学者在研究金融压力指数时,指标体系构建都会涵盖银行业、股票、债券和外汇等核心金融市场[19-20]。本文在已有学者构造金融压力指数指标体系的基础上,结合学者们对银行业风险的研究,从商业银行面临的信用风险、流动性风险、市场风险和操作风险四类主要风险选取指标,构造代表中国商业银行整体风险的压力指数指标体系,并用主成分分析法测度商业银行压力指数。

(一)商业银行压力指数的指标选取

根据中国银行业保险监督管理委员会2018年发布的三季度商业银行主要监管指标情况表,选取了能代表商业银行四种风险的七个指标:不良贷款率、拨备覆盖率、商业银行存贷款比率、资本充足率、流动性比例、累计外汇敞口头寸比例和操作风险加权资产/资本净额。根据各个指标与商业银行风险大小的关系,可以对指标的属性做具体划分,将这些指标分为正向指标和逆向指标。表1为本文测度商业银行压力指数的指标体系。

表1 商业银行压力指数指标体系

(二)商业银行压力指数的测度

在多指标综合评价方法中,各指标权重的确定方法有很多种,赋权方法总体分为两大类。一类是主观法。主观法是在专家经验打分的基础之上进行评价分析,如德尔菲法、层次分析法、模糊综合评价、比较矩阵法等。另一类是客观赋权法,即根据综合评价指标体系的实际数据确定,如因子分析法、熵值法、主成分分析法、变异系数法等。钞小静认为主成分分析法主要依据数据本身的结构特征,所得出的权重能够很好地反映出各个指标对于所研究问题的贡献程度。基于此,本文选取主成分分析法进行商业银行压力指数的测度[21]。

本文选取从2012年第四季度到2018年第三季度的季度数据,运用主成分分析法测度商业银行压力指数。用X1～X7依次代表不良贷款率、拨备覆盖率、商业银行存贷款比率、资本充足率、流动性比例、累计外汇敞口头寸比例和操作风险加权资产/资本净额。在利用SPSS进行主成分分析之前,首先对指标体系中的逆向指标做正向化处理,使得每个指标的数值越大代表的商业银行压力指数越大。通过因子分析,进行KMO检验,从KMO检验结果看到,KMO为0.768,大于0.5,因此可以对数据进行主成分分析。进行主成分分析之后,可以得到特征根和方差贡献度表,结果如表2所示。

表2 特征根和方差贡献度表

主成分分析中,主成分个数的提取原则有两种。一种是主成分对应的特征值大于1的前n个主成分,另一种是累计方差贡献率大于等于80%的前n个主成分。根据这两个标准,从主成分提取结果可看出成分1特征值大于1,成分2的特征值虽然不大于1但接近于1,并且前2个成分的方差累计贡献率达到88.564%,超过了80%。所以,我们把成分1和成分2看做主成分,用2个新的变量来代替原来的7个变量。得到初始因子载荷矩阵如表3所示,表中的每一个载荷量代表主成分与对应变量的相关系数大小。

表3 因子载荷矩阵输出表

因子载荷阵使各变量在某单个因子上有高额载荷,从初始因子载荷矩阵表可以看到,不良贷款率、拨备覆盖率、商业银行存贷比、资本充足率、流动性比例、累计外汇敞口头寸比例和操作风险加权资产/资本净额在第一主成分上均有较高载荷,说明了第一主成分基本反映了这些指标的信息;拨备覆盖率和操作风险加权资产/资本净额在第二主成分上有较高载荷,说明第二主成分基本反映了拨备覆盖率和操作风险加权资产/资本净额这两个指标的信息。所以本文提取的这两个主成分基本上可以反映出全部指标承载的信息,因此可以用两个新变量代替原来的七个变量。但是两个新变量的表达式不能直接由初始因子载荷矩阵得到,需要将每一个载荷量除以主成分相对应的特征值开平方根,才能得到两个主成分中每个指标所对应的系数,得出结果如表4所示。

第一主成分F1和第二主成分F2的函数表达式如下所示:

表4 主成分载荷矩阵值

F1=-0.394 5x1-0.368 8x2-0.384 2x3+0.383 8x4+0.389 4x5+0.380 4x6+0.342 3x7.

F2=-0.401 7x1-0.564 9x2-0.327 7x3+0.224 3x4+0.139 8x5+0.232 5x6+0.536 7x7.

根据以上两个式子,以每个主成分所对应的方差贡献率占所提取主成分的累计方差贡献率的比例作为权重计算得到主成分综合评价函数模型:

F=-0.301 4x1-0.259 7x2-0.377 6x3+0.312 7x4+0.360 1x5+0.363 1x6+0.360 5x7.

将综合评价函数中各个变量的系数与标准化的系数矩阵相乘即可得到最终所测度的商业银行压力指数。对所得到的商业银行压力指数进行归一化处理,使商业银行压力指数落到[0-1]之间,测算公式为Yij=(Xij-Xmin)/(Xmax-Xmin),Xij为商业银行压力指数,Xmax为商业银行压力指数中的最大值,Xmin为商业银行压力指数中的最小值。经调整后的商业银行压力指数越大,代表商业银行的整体风险水平越高;商业银行压力指数越小,代表商业银行的整体风险水平越低。

四、结构性货币政策影响商业银行整体风险的实证检验

本文已经构建出了商业银行压力指数,构建该指数的主要目的是衡量商业银行整体风险,在接下来针对结构性货币政策对商业银行风险影响的实证研究中,将运用VAR模型分别检验数量型、价格型和数量价格综合型结构性货币政策对商业银行压力指数的影响。

(一)模型构建

本文采用向量自回归模型(VAR) 研究结构性货币政策对商业银行整体风险的影响。VAR(p)模型的数学表达式是:

yt=A1yt-1+…+Apyt-p+Bxt+εt.

yt是k维内生变量向量,xt是d维外生变量向量,p是滞后阶数。At,…,Ap和B是要被估计的系数矩阵,εt是扰动向量。VAR模型通常运用脉冲响应函数分析模型受到某种冲击时对系统的动态影响,脉冲响应函数刻画了扰动项上的信息冲击对内生变量的当前值和未来值所带来的影响,它能够比较直观地刻画出变量之间的动态交互作用及其效应。方差分解是通过分析每一个冲击对内生变量变化的贡献度是多少,进一步评价不同信息冲击的重要性,因此,通过方差分解可以看出对VAR 模型中的变量产生影响的每个随机扰动的相对重要性的信息。

在自变量的指标选取上,本文以定向降准工具代表数量型结构性货币政策,用中小金融机构法定存款准备金率表示,取对数,符号为RESERVE;以中期借贷便利月期末余额占金融机构当月贷款余额比例代表利率导向型结构性货币政策,符号为MLF;以抵押补充贷款月期末余额占金融机构当月贷款余额比例代表数量价格综合型结构性货币政策,符号为PSL;结构性货币政策月度数据均经过CensusX-12季节性调整,并取季度均值转换为季度数据。商业银行整体风险使用之前通过主成分分析法测度出的商业银行压力指数来衡量,符号为BRI。实证分析所用的数据均来自WIND数据库,数据期间为2012年第四季度至2018年第三季度,之所以选择2012年底作为研究时间起点,是因为中国结构性货币政策,尤其是新型结构性货币政策是从2013年初起陆续推出的。

(二)实证分析

由于利用非平稳数据建立模型可能会产生伪回归问题,故而首先对变量进行单位根检验。本文采用ADF检验法对所有变量进行单位根检验。所有变量的单位根检验结果如表5所示,可见除了变量BRI、RESERVE是原始序列平稳外,变量MLF、PSL是一阶差分平稳。因此,为了保证VAR模型的平稳性,除上述BRI、RESERVE两个变量外,本文对变量MLF、PSL进行一阶差分处理。

表5 变量单位根检验结果

注:检验形式 C、T、L 分别表示 ADF 检验方程常数项、时间趋势和滞后阶数,0 表示不含常数项或趋势;① ② ③ 分别表示通过显著性水平为10%、5%和1%的检验。

按照 VAR 模型估计步骤,首先对包含DMLF的模型的最优滞后期进行选择,根据 AIC 和 SC 法则,选择最优滞后期为3期;对包含RESERVE的模型的最优滞后期进行选择,选择最优滞后期为2期;对包含DPSL的模型的最优滞后期进行选择,选择最优滞后期为3期。然后对 VAR 模型进行单位根检验,所有的单位根都在圆内,模型是稳定的,证明可以进行脉冲响应函数分析和方差分解。

图 1显示了以MLF为代表的价格型结构性货币政策冲击对商业银行风险的影响。能够看出,价格型结构性货币政策对商业银行风险的影响直接且持续时间长,先是正向冲击,第3期达到最大值,之后影响程度逐渐回落,第18期基本接近于零;从数值来看,冲击幅度较大,敏感度较高。图2显示了以RESERVE为代表的数量型结构性货币政策冲击对商业银行风险的影响,能够看出,数量型结构性货币政策对商业银行风险具有明显的负向影响且持续时间较长,呈现出略微波动或相对稳定的特征,中小商业银行法定存款准备金率对商业银行风险的冲击在第9期效应最强;从数值来看,冲击幅度较小,敏感度较低。图3显示了以PSL为代表的数量价格综合型结构性货币政策冲击对商业银行风险的影响,能够看出,数量价格综合型结构性货币政策对商业银行风险的冲击呈负向,整体呈现相对稳定的特征,从数值来看,冲击幅度较以RESERVE为代表的数量型结构性货币政策冲击幅度小,且对应的脉冲响应区间过宽,较为敏感。

图1 BRI对MLF的脉冲响应

图2 BRI对RESERVE的脉冲响应

图3 BRI对PSL的脉冲响应

表6为方差分解结果,报告了结构性货币政策工具对商业银行整体风险水平变化的贡献大小。显然,以中小型商业银行法定存款准备金率为代表的定向降准工具对商业银行压力指数的影响程度最大,到第5期达到了0.58%;其次是抵押补充贷款工具,前期0.05%左右,第6期达到0.1%;中期借贷便利工具对商业银行压力指数的影响程度最小,只有不到0.1%。体现了数量型结构性货币政策工具和带有数量特征的综合型结构性货币政策工具更有利于抑制商业银行整体风险,而价格型结构性货币政策对商业银行整体性风险的影响程度相对较小。

表6 方差分解结果

通过2018年央行四次实施定向降准来看,当下我国准备金率的操作空间相对较大,适度调低准备金率是当前货币政策恰当的选择。而具有价格型特征的中期借贷便利工具,以及兼具价格和数量型特征的抵押补充贷款工具可以辅助使用,因为当前面临经济结构调整的重要阶段,要想支持实体经济发展就必须有针对性地使用价格型货币政策工具,所以中央银行运用组合式政策工具既能维持市场合理充裕的流动性,又能缓解小微企业、民营企业融资困境。但从实证结果来看,不同类型的结构性货币政策对商业银行风险的影响具有异质性,因此做好银行业风险防范与监管工作对结构性货币政策的有效实施具有重要意义。

五、结论与对策

本文通过实证方法研究了结构性货币政策对商业银行整体性风险的影响。首先运用主成分分析法测度商业银行压力指数,用于衡量商业银行整体风险,在此基础上使用VAR模型验证了数量型、价格型和数量价格综合型三种类型的结构性货币政策对商业银行整体风险的影响。结果显示,数量型结构性货币政策对商业银行整体性风险的影响程度最大,负向作用明显,更有利于抑制银行风险;数量价格综合型的结构性货币政策次之,一定程度可以降低商业银行风险;价格型结构性货币政策对商业银行整体性风险的影响程度最小且具有正向作用,对商业银行整体风险的抑制作用不明显,甚至会促进商业银行系统性风险的发生。总体来看,具有价格型特征的结构性货币政策对商业银行整体风险的冲击更敏感,在政策实施过程中更容易积累商业银行风险。

虽然目前中国央行积极推动货币政策由数量调控向价格调控转变,也创设了一系列新型结构性货币政策工具,但是由得出的实证结果可知价格型结构性货币政策对商业银行银行整体性风险具有正向作用,即在一定程度上会增加银行风险,反而数量型结构性货币政策可能会降低商业银行风险,对商业银行整体风险有更好的抑制作用。因此,本文提出以下建议:第一,货币当局实施货币政策时应注意各类结构性货币政策工具的搭配使用,逐步实现货币政策由数量型向利率导向型的转变,不能大水漫灌地实施价格型货币政策,要循序渐进。第二,中国应根据不同的政策目标因时因地选择结构性货币政策,并充分考虑到商业银行风险在货币政策工具实施过程中的变化,做好防范预警工作,防止系统性金融风险的发生。第三,相关监督管理机构要健全和优化商业银行风险监管体系,银行自身也要加强内部风险管理机制,实时监测商业银行风险指数,使其保持安全水平;商业银行还要加强流动性风险和信用风险的管理,对管理层加强监督,警惕操作风险的发生。最后,有关政府和监管部门要切实起到监管作用,保证商业银行在安全水平上运行。