银行家预期影响经济波动的传导机制研究 ——表内信贷还是影子银行？

赵 宇，于 震，刘世伟

(1.长春财经学院 金融学院，吉林 长春 130122; 2.吉林大学 经济学院，吉林 长春 130012)

一、引 言

预期是经济主体从自身利益出发，利用掌握的信息集，对经济趋势或经济变量做出的主观估计及判断，而预期变动会通过微观层面影响经济主体在经济活动中的决策，进而产生宏观层面的经济效应。西方学者对预期在宏观经济波动中扮演角色的讨论最早可以追溯到庇古的《工业波动论》，这一经典文献从投资角度出发，阐述了经济主体对未来经济预期如何通过影响投资规模变动最终引发实体经济波动。其后，凯恩斯在《通论》中通过提出“动物精神”概念从需求和供给均衡角度同样阐释了经济主体预期对经济波动的影响。然而，早期普遍缺乏更为直观的经验研究，而且对于经济主体类型的辨析也不够深入。

经济活动中存在的预期形式随着经济主体的不同而不同，预期变动所产生的经济后果也有所差异。近年来，金融市场和机构的重要性随着金融发展与深化而不断提升，促使金融市场主体预期，尤其是银行家预期的影响力在众多经济主体预期中脱颖而出。所谓“银行家”指的是商业银行业务经营活动的高级管理人员，尤其是信贷业务的重要决策者。[1]遗憾的是，总结经济主体预期的文献不难发现，现有研究一部分普遍基于消费者预期或证券市场投资者预期等买方视角，还有一部分聚焦于企业家预期等卖方视角，但对于联接买卖双方的信贷市场主体预期研究却严重缺失。而从中国的经济实践可知，银行家预期至少在两个方面发挥着不可忽视的影响。一方面，与金融市场发达的国家不同，中国证券市场成熟度不够，实体经济融资对银行信贷渠道的依赖程度较高，间接融资仍是解决资金需求最主要且最普遍的方式。根据中国人民银行《社会融资规模存量统计数据报告》，2018年对实体经济发放的人民币贷款余额占同期社会融资规模存量的比例高达67.1%，商业银行作为金融市场规模最庞大的核心经济主体，不仅掌控了社会融资的主要来源，而且还控制着信贷资金的投放规模和去向，银行家预期显然可以通过改变信贷决策引起信贷规模和结构波动，从而最终影响经济运行轨迹。另一方面，银行家预期还是中国货币政策传导链条上的重要一环。例如，在面对经济过热情况下的货币政策紧缩时，银行家会随着货币当局政策意图调低未来经济预期，并通过评估政策冲击对资产负债表产生的影响，采取信贷标准提高、贷款利率上浮等决策行为调整信贷发放数量及投向，配合货币当局实现回收流动性的政策目标，为经济降温；当然，反向过程亦有银行家预期的参与。综上可见，银行家预期完全可以通过信贷波动最终引发经济波动，同时也是货币政策传导的重要一环。

然而，本文对银行信贷渠道的讨论不再局限于传统的表内信贷渠道，而是扩展到影子银行。近年来，影子银行的迅速崛起使得信贷内涵由银行表内信贷所代表的“狭义”信贷扩展到“广义”信贷。这一变化所带来的表现之一是以银行表内信贷所计算的信贷运行呈现“强扩张弱收缩”的非对称性特征，导致表内信贷作为“数量型”货币政策中介目标的实际作用明显减弱，货币政策传导机制不畅(邓创等，2019)。[2]而影子银行业务作为资金需求方和供给方相互作用的产物，是在利率“双轨制”并行、银行业创新深化、同业竞争加剧和银行表内监管力度加大所交叠构成的金融环境下，商业银行为弥补传统信贷业务利润空间不足所拓展的表外业务类型。而且，影子银行不仅通过满足实体经济对传统表内信贷形成替代，也同时改变了传统的信用创造过程。根据央行发布的《中国金融稳定报告(2017)》，截至2016年末，银行业表外业务余额253.52万亿元，表外资产规模相当于表内总资产规模的109.6%。由于大多数表外业务在资本监管、信息披露和风险管理等内外部监管要求上都大大低于表内业务，因此成为银行规避监管限制，突破贷款结构、规模和投向管制的工具，并与新型同业业务交叉嵌套，成为“影子银行”的重要组成部分。影子银行系统将一部分资金输送到国家限制发展的“三去一降一补”行业及地方融资平台，从而弱化了货币政策的宏观调控功能，却显著影响着实体经济。综上，从中国式影子银行的功能属性和所受到的宽松监管看，信贷的内涵已经发生了重要变化，因此，银行家预期完全可以通过影响影子银行资金作用于经济周期波动，这也是后文从中国的经济现实出发，同时实证检验了两类信贷传递渠道的主要原因。

二、文献综述与研究假设

已有文献提供了银行家预期可以通过商业银行信贷及影子银行影响经济波动的丰富证据。首先，经济主体预期对经济波动的影响已经得到广泛证实。其中，一类研究表明预期可以通过影响经济主体的投资和消费等决策引发经济波动。如Beaudry和Portier(2004)较早发现预期可以通过影响市场参与主体的消费和劳动供给引发经济周期波动，为后续研究奠定了基础。[3]Karnizova(2010)研究表明，在加入预期驱动机制后，消费、投资和就业等因素对于生产率冲击的反应提高了传统模型对经济波动的解释力。[4]Milani(2017)的研究则表明，美国40%以上的历史性经济波动可以由预期波动解释，而且其中与预期波动紧密相关的投资波动是绝大多数波动的源头。[5]国内一些研究可以视为此类研究，如陈彦斌和唐诗磊(2009)率先验证了企业家信心与宏观经济波动的因果关系。[6]祝梓翔和邓翔(2020)发现预期对于经济波动的影响具有很强的正向持续性，当以商业信心指数作为预期变量时，则可以解释60%的潜在产出波动和55%的GDP波动。[7]另一类研究则从近年来兴起的行为经济学理论出发，考察了经济主体过度自信、乐观或悲观情绪等非理性预期对经济波动的影响。如Farmer和Guo(1994)较早地将凯恩斯的“动物精神”机制化，使其与传统实际经济周期模型(RBC)相结合，研究结果表明，以“动物精神”为代表的非理性预期可以显著增强传统经济周期模型对美国经济波动的解释力，这一研究也开启了行为经济模型在宏观经济波动分析中的广泛运用。[8]例如，Eusepi和Preston(2011)提出的由经济主体预期驱动的行为经济模型显示，经济主体的过度乐观会放大并扩散暂时性基本面冲击对实体经济的负面影响。[9]与此同时，也有研究通过提取情绪成份构建非理性预期指标，并利用宏观经济模型展开讨论。如Benhabib和Spiegel(2019)所使用的情绪变量提取自密歇根大学消费者情绪指数，其结论表明乐观冲击是美国经济周期波动的显著驱动因素。[10]上述文献肯定了预期是经济波动的重要推动力量，也为本文考察银行家预期对经济波动的影响提供了经验支持。

其次，银行家预期能够显著引发信贷波动已经被大量研究所揭示。银行家作为银行决策层的核心成员，其预期可视为银行内部管理者个体预期的集合与总体反映，而银行内部人员预期变化与信贷波动联系紧密。如Cortés等(2016)的研究表明，预期显著影响银行从业人员的风险承受能力和主观判断，信贷审批人员乐观预期与信贷批准的宽松程度显著正相关，而信贷审批人员悲观预期造成的负面影响幅度显著大于乐观预期产生的正向影响幅度。此外，当金融决策发生在人力资源投入增加、自动化审查程度降低以及资本约束相对较弱等情况下，预期的影响更加显著。[11]与之相似，Agarwal等(2012)也提供了信贷审批人员上述预期影响的经验证据。该研究表明，在信贷审批人员积极预期影响下，信贷审批的通过率要比一般情况平均高出4.6%，相比之下，消极预期可导致0.6%的下降。[12]Ma(2015)研究发现，银行经营决策与CEO个人预期密切相关。CEO乐观预期与繁荣时期银行资产中房地产贷款的增加呈正相关关系，与危机时期银行股票收益率呈负相关关系，银行CEO乐观预期加剧了房地产信贷的风险敞口和银行在危机期间的亏损。[13]国内的一些研究也可以视为此类研究，如于震等(2020)的研究表明，银行家宏观信心指数所代表的银行信心是信贷波动的领先和前瞻性指标，而且与表内信贷相比，银行家预期变动与影子银行的关联性更强。[14]

再次，信贷周期理论研究成果已经充分肯定了信贷在经济周期波动中扮演的重要角色。在信贷周期理论发展过程中，金融市场不完美和金融摩擦被广泛纳入到主流宏观经济分析框架中，极大拓展了信贷周期作用于经济周期的机制空间，产生了金融加速器等标志性理论。在该理论框架下，当金融市场存在摩擦时，借款者和贷款者信息不对称等摩擦导致企业外部融资成本高于内部融资成本，即存在外部融资溢价。在此情况下，如果经济受到负面冲击，借款者的净资产和债务抵押价值将随之萎缩，导致其不得不缩减杠杆与投资，这必然通过降低总需求恶化经济颓势，进一步冲击其资产负债表，外部融资溢价继续升高，形成恶性循环，即信贷扩张与收缩最终引发了放大和传导外部冲击的金融加速器效应(Bernanke等, 1996; Kiyotaki与Moore, 1997)[15-16]，即伴随信贷波动产生的“小冲击，大波动”现象(Guerrieri和Lorenzoni, 2017)。[17]而另一个经典理论—金融脆弱性理论强调信贷周期对经济周期影响的内生性(Minsky, 1992)。[18]可见，虽然两个理论存在机制上的差异，但都一致肯定了信贷波动在经济波动过程中发挥的显著作用。

最后，在影子银行业务迅速崛起的背景下，信贷的涵义发生了根本性转变，在广义信贷层面上，影子银行作为传统信贷的补充对宏观经济运行的影响不断增强。如Moreira和Savov(2017)发现影子银行在信用创造功能上与传统商业银行极其相似，因此，影子银行扩展会增加经济体流动性过剩。[19]在此情况下，以银行信贷为传递渠道的货币政策有效性逐渐弱化，政策实施难度加大(高然等，2018)。[20]与此同时，由于影子银行对传统银行信贷渠道具有挤出效应，导致经济体内关键性指标变动对实体经济的冲击会被放大(Mazelis, 2015)。[21]袭翔和周强龙(2014)研究表明影子银行具有逆周期性特征，虽然补充了传统间接融资模式，但削弱了货币政策有效性。[22]

综合以上对现有文献的梳理，本文推断，银行家预期不仅可以影响经济波动，而且其影响渠道既包括传统银行表内信贷，也包括影子银行业务。因此，本文提出研究假设“银行家预期可以通过银行表内信贷和影子银行影响经济波动”，并对此在后续实证中进行假设检验。

三、变量选取与数据处理

(一)变量选取

1.银行家预期变量。目前，预期测度最普遍的方式是根据“接近理性预期”学说，使用调查问卷采集数据。在各国银行家的相关调查问卷中，以美联储开展的商业银行高级管理人员意见调查(SLOOS)最为知名。而由中国人民银行在2004年开始提供的《银行家问卷调查报告》与SLOOS基本类似，根据中国人民银行调查统计专题研究课题组(2014)[23]的介绍可知，该报告集中了全国3102家各类商业银行总部及分支机构主管的问卷数据，共包括12个指标，其中，“银行家宏观信心指数”很好地反映了银行家预期。该指数计算方法是在全部接受调查的银行家中，先分别计算认为本季经济“正常”和下季经济“正常”的占比，再计算两个占比的算术平均值。最终加入到实证中的银行预期变量为“银行家宏观信心指数”的对数差分(简称BCI)。

2.经济波动变量。本文采用已有研究中测度经济波动的普遍方式，使用GDP实际值的增长率(简称GDP)刻画经济波动，计算方法为名义GDP通过基期CPI平减。由于CPI原始数据为月度数据，本文采用了每季度内的月度平均值作为本季度的CPI数据。

3.银行表内信贷变量。由于商业银行贷款各项数据不可得，所以本文对比了与之构成最为接近的“社会融资规模人民币贷款”、“存款类金融机构人民币贷款”和“金融机构人民币各项贷款”数据，发现三者相差很小，因此，本文最后选择了“金融机构人民币各项贷款”代表商业银行表内贷款，采用中国人民银行发布的金融机构人民币各项贷款季度增量除以上季度存量值作为银行表内信贷的代表变量(简称LBF)。

4.影子银行变量。中国式影子银行具有“类银行”特点，也可称为“信贷型影子银行”。本文参考方先明等(2017)[24]的思路，从融资总量中剔除影子银行无关项后获得影子银行规模。具体计算方法是“社会融资规模-人民币贷款-外币贷款-企业债券-非金融企业境内股票融资”，得出的信贷型影子银行规模不仅包括以银行部门为主导的委托贷款、信托贷款、未贴现银行承兑汇票等影子银行业务，还包括小额贷款公司贷款、民间借贷等非银行部门影子银行业务。最终加入到实证中的影子银行变量为本季度新增除以上季度存量，等同于规模增长率(简称SB)。

(二)数据处理

本文选取变量的原始数据均来自Wind数据库，样本区间为2004Q1～2019Q4，运用Eviews 8.0中X12进行了季节调整，最后加入实证检验的变量均通过了ADF检验，满足时间序列数据平稳性要求。

四、基于Granger因果关系检验的假设检验与结果分析

(一)线性Granger因果关系检验及其结果分析

1969年Granger因果关系检验提出之后，广泛应用于经济理论研究和政策制定。在传统的Granger因果关系检验中，“解释变量Xt不是引起被解释变量Yt变动的Granger原因”这一假设可以通过向量自回归模型(称为VAR模型)实现检验，具体模型表示如下：

(1)

其中，k为滞后阶数，模型中可以加入常数项和趋势项。“Xt不是引起Yt变动的Granger原因”的零假设可以表示为H0:β1=β2=…=βk=0，即(1)式中Xt滞后变量的所有回归系数均不显著时H0成立；如果存在显著性，那么Xt就是引起Yt变动的Granger原因。上述Granger因果关系检验方法更适合对线性和参数型时间序列模型进行因果关系检验。

本文对BCI、LBF和GDP的组合，以及BCI、SB和GDP的组合分别建立VAR模型。根据Akaike信息准则(AIC)确定滞后阶数，检验了两个系统内的线性Granger因果关系(见表1和表2)。

表1 BCI、LBF和GDP三者线性Granger因果关系检验

表2 BCI、SB和GDP三者线性Granger因果关系检验

前文研究假设成立的基础充分非必要条件是，“BCI是引起SB和LBF变动的Granger原因”、“SB和LBF是引起GDP变动的Granger原因”以及“BCI是引起GDP变动的Granger原因”同时成立。然而，从表1和表2的线性Granger因果关系检验结果可以得到以下结论：LBF不是引起GDP变动的Granger原因、BCI不是引起GDP变动的Granger原因，从而使得前文研究假设“银行家预期可以通过银行表内信贷和影子银行影响经济波动”并不成立。那么，线性Granger因果关系检验的结果是不是就是最终结论呢？

(二)非线性Granger因果关系检验方法

众所周知，线性Granger因果关系检验以总体分布已知为前提，因此，基础假设根本不符合现实情况。然而，线性Granger因果关系检验的最大问题来自于对经济体系中结构突变的忽略。由于经济政策的非预期性变化或经济风险的冲击，经济变量普遍存在结构突变的现象，其中，非线性和非对称性是这一现象的明显标志。因此，采用线性Granger因果关系检验容易扭曲或者遗漏经济变量之间的因果信息，而非参数(非线性)Granger因果关系检验也应运而生。其中，由Hiemstra和Jones(1994)[25]与Diks和Panchenko(2006)[26]先后提出的HJ检验和DP检验应用最为广泛。HJ检验奠定了非线性Granger因果关系检验的理论基石，但HJ检验存在严重的过度拒绝问题。对此，Diks和Panchenko(2006)提出了修正和改进的DP检验。[26]该检验的创新之处在于检验统计量“Tn统计量”的提出。Tn统计量可以通过带宽和条件分布的设置适应更加复杂的假设，因此具备了稳定和优良的统计性质。DP检验的简要过程可以表示如下：

假设存在两个严格平稳的时间序列分别称为{Xt}与{Yt}，从0～t时刻{Xt}和{Yt}对应观测值包含的信息集记为FX,t与FY,t。在“{Xt}不是引起{Yt}变动的Granger原因”的原假设下，有以下关系成立：

H0:Yt+1|(FX,t,FY,t):Yt+1|FY,t

(2)

(3)

经过修正后有以下关系式成立：

q≡E[fX,Y,Z(x,y,z)fY(y)-fX,Y(x,y)fY,Z(y,z)]=0

(4)

(5)

其中，en为带宽参数，与样本数量相关。自此，可以构造Tn检验统计量如下：

(6)

带宽序列en选取适当与否，决定了估计值是否一致、无偏和有效。根据Powell和Stoker(1996)[27]对带宽参数的处理方法，一般可以将带宽参数设置为：

(7)

其中，C表示任意数。在其基础上，Diks和Panchenko(2006)[26]对带宽参数设置进行改进，将其设置为en=max(Cn-2/7,1.5)。因此，经过修正后的DP检验所运用的统计量Tn服从正态分布，并有如下关系成立：

(8)

其中，Sn为Tn渐进方差的估计值。

(三)基于非线性Granger因果关系检验的假设检验及结果分析

本文对BCI、LBF和GDP的组合，以及BCI、SB和GDP的组合分别建立VAR模型。根据Akaike信息准则(AIC)确定滞后阶数，并采用大多数研究中e=1.5σ的带宽参数，采用更为稳健的非线性Granger因果关系DP检验方法，对研究假设进行了再次检验。

根据表3的实证结果，无论影子银行业务还是银行表内信贷业务，在滞后3阶和10%的显著性水平上，都拒绝了“BCI不是引起GDP变动的非线性Granger原因”。也就是说，前文的研究假设成立，即银行家预期影响经济波动的传导渠道既包括银行表内信贷，也包括影子银行，从而证实了前文的推断。

表3 BCI与GDP之间非线性Granger因果关系检验

其中，银行表内信贷充当银行家预期影响经济波动的传导渠道完全在情理之中，而影子银行同样传导了银行家预期的影响力也符合中国金融体系的发展情况。从2004年以来，影子银行业务随着金融监管的放宽而不断扩张，规模迅速崛起。尤其是在2008年“次贷危机”之后，由于经济刺激计划所带来的经济过热和通胀出现，在货币政策由宽松转为稳健过程中，实体经济中大量的融资需求得不到满足，以银行理财产品为代表的表外业务通过“三套利”脱离金融监管，替代传统银行信贷业务与实体经济紧密相连。据统计，截至2019年末影子银行流入实体经济的资金规模达到60万亿元，相当于银行表内信贷的50%。影子银行的特点决定其受到的金融监管不可与银行表内信贷同日而语，在不受存款准备金等一系列监管硬性要求的约束下，影子银行会大量流入“三去一降一补”等政策整治行业和企业，造成货币政策和产业政策失灵，而这在很大程度上受到银行家个人意志的左右。因此，本文的实证结果恰恰反映了除传统银行表内信贷之外银行家预期发挥影响力的另一个“体系”，对“去杠杆”等宏观调控政策的效果具有明显破坏作用。与此同时，影子银行作为传统银行表内信贷的补充，解决了部分难以匹配传统信贷渠道的企业融资需求，在一定程度上服务于实体经济，与其紧密相连，但也将挤占货币政策传导渠道，导致通过银行信贷渠道传导的货币政策实施效果大打折扣。

(四)稳健性检验

本文将代表银行家预期的主观层面指标BCI替换成客观层面指标——信用息差(Credit Spread，简称Spread)，并采取相同的检验方法再次进行实证检验。信用息差作为金融市场主要参与者的预期变量已经被大量研究所使用。Spread变量之所以可以代理银行家预期，与中国金融体系结构特点有关。一般情况下，债券市场的预期由资金需求者和资金提供者根据资金供需关系决定，然而，在中国银行主导型的金融体系中，社会融资主要来自于商业银行，债券市场更是如此。商业银行作为债权市场的核心交易者，其预期完全决定了债券信用息差的变动趋势，因此，可以将其视为反映银行家预期高低的指标。

为构建Spread变量，本文采用剩余期限小于一年的AAA级8年期中债企业债与8年期中债国债每季度最后一个交易日的到期收益率分别代理企业债和国债的季度到期收益率，然后通过计算两者到期收益率的对数差值得到Spread。AAA级8年期中债企业债和8年期中债国债的日度数据来自Wind数据库，共计46只债券，样本期间为2007Q3～2019Q4，对季末日数据构成的季度序列进行了季节调整。

表4 Spread与GDP之间非线性Granger因果关系检验

稳健性检验结果如表4所示，在以Spread变量作为银行家预期代理变量时，在VAR模型滞后4～8阶时，无论是在银行表内信贷，还是在影子银行的系统中，均可以得到Spread是引起经济波动非线性Granger原因的结论，即Spread的变化可以对经济波动产生非线性影响，而且其传导渠道既包含传统银行表内信贷，也同时包括影子银行。值得注意的是，从显著性水平来看，影子银行作为传导渠道的显著程度超过了同期的银行表内信贷作为传导渠道，这进一步揭示了影子银行在金融和经济体系中的地位已经非常重要。

五、主要结论与政策建议

在已有研究充分证明银行家预期能够显著影响经济波动的理论支撑下，本文以银行家宏观经济信心指数作为银行家预期的代理变量，通过非线性Granger因果关系检验方法考察了银行家预期是否显著影响经济波动，并重点检验其传导机制。对于传导机制的讨论，与以往研究不同，本文不仅检验了传统银行表内信贷，也检验了影子银行。本文还进一步采用替换银行家预期变量的方法进行了稳健性检验。实证结果显示，银行家预期影响经济波动的传导渠道不仅包括银行表内信贷，也包括影子银行。基于上述研究结论，本文提出以下几点政策建议：

首先，政策制定部门应加强对银行家预期管理的重视，探索将银行家预期纳入宏观调控政策工具箱。近年来，我国在宏观预期管理领域发展相对落后的情况有所改进，但相应的政策工具缺乏仍是难题。本文的实证结论表明，银行家预期具备影响经济波动的机制，已经在系统性金融风险和宏观经济波动之间形成传递路径，对宏观审慎监管提出了挑战。当然，这也同时揭示了将银行家预期作为重要金融市场主体预期的实践意义。监管部门完全可以通过监测银行家预期变动，预判金融市场主体预期突变，防范金融风险向实体经济蔓延，而这正是宏观审慎监管政策的主要职责。可见，银行家预期管理在一定程度上可以视为宏观审慎监管的有力工具。

其次，加强对银行家预期的引导，保持货币政策传导通畅。本文的研究结论表明，银行家预期本质上属于货币政策传导中信贷渠道的一部分，货币当局通过有效沟通势必有助于银行家形成合理预期，保证货币政策的有效性。因此，政策制定部门应重视沟通手段和形式在预期管理中的作用，采取适当的沟通机制阐述和明确货币政策意图，主动防范银行家非理性预期造成的信贷和宏观经济波动。对此，可以设立专门的沟通部门，以便于及时有效地开展各种形式的沟通活动。同时，需要重视学者、专业机构、媒体在沟通过程中的作用，尽量让沟通内容通俗易懂，帮助银行家更好地理解货币政策的反应机制。

最后，应在合理监管下通过制度引导影子银行作为传统信贷业务的有益补充。本文实证结果加深了对影子银行在实体经济中扮演角色的理解，影子银行之所以在银行家预期与经济波动的因果关系链条中起到中介作用，本质上体现了影子银行与实体经济的密切联系。尽管一部分影子银行资金以银证合作、银信合作、抽屉协议暗保、票据期限分拆等监管套利形式流入“两高一剩”等行业，但也会流向融资资质不够，被正规金融所排斥的中小企业，解决了这部分企业的融资难问题。因此，需要从正反两个角度综合对待影子银行，既要规范相应制度覆盖其风险，也需要合理引导影子银行业务更好地服务于实体经济。