负利率政策对银行贷款的影响研究

欧阳生招

摘 要：本文使用断点回归法研究了日本的负利率政策对银行贷款的影响。由于当时金融市场并未预期此政策，因此本文将该事件作为自然实验。结果表明，该政策对被征收负利息银行的平均贷款利率影响约为-1.5%～-3.5%。换句话说，被征收负利率银行的贷款利率与未受负利率政策约束银行的贷款利率相比有所下降。

关键词：负利率政策;断点回归法;贷款利率;银行贷款;影响研究

中图分类号：F832.4 文献标识码：A 文章编号：2096-0298（2021）02（b）--02

1 负利率政策研究综述

自2000年以来，日本、美国、英国和欧洲的中央银行一直在积极寻求除常规货币政策之外的其他政策。

Gunji和Miyazaki（2016）在使用古诺模型并应用于银行业的理论模型后发现，中央银行存款的负利率政策对银行贷款和存款都具有负面影响。而增加贷款的银行增加了借款人账户的存款，因此需要增加中央银行的存款，以增加借款人的存款提取准备。如果中央银行的存款成为成本，银行将不情愿地增加贷款及其伴随的存款，而这与迄今引入了负利率政策的国家中央银行的期望相反。

但是，从经验尝试分析负利率政策带来了两个难点。首先，使用汇总数据捕获负利率政策实施后的影响，要识别并净化其他宏观经济因素和负利率的影响并不容易。换句话说，如果同时出现多种政策变化和宏观经济冲击的情况，从计量经济学的角度来说很难识别这些影响;其次，即使研究人员试图使用单个数据来捕获这些影响，负利率政策也会同时影响所有经济实体，使影响难以识别。

为了克服这些困难，之前的一些研究使用了断点回归估计法。尽管这些研究的结果表明负利率政策对银行贷款有负面影响，但仍然需要一些强有力的假设才能得出一致的断点估计值：第一在政策进行期间没有其他外源性影响，这一点是比较容易被满足的，因为在引入欧洲央行的负利率政策时，日本政府并没有发现其他重大冲击;第二，政策组和对照组之间可能存在平行趋势。为了证明即使不进行任何政策影响，这两组的结果变量会与前一时期出现相似的平行波动，在政策实施前必须观察到平行的趋势。

因此，本研究使用断点回归法，运用银行的水平数据研究2016年日本央行采用的负利率政策是否会影响银行贷款。因此，我们将日本央行引入负利率政策的行为视为一种自然实验，以验证其效果。此外，由于负利率并不适用于所有银行，而仅适用于满足某些条件的银行，因此可以通过比较不同银行的表现来验证该政策的效果。

从本文的实证结果来看，相对于没有被负利率政策施加影响的银行，受负利率政策影响的银行贷款减少了-1.5%～-3.5%。当使用线性或二次函数以及由区域银行组成的子样本验证时，此结果仍旧没有改变。此外，由于结果随着截至期的不同而变化，这也表明负利率政策对银行贷款确实有影响。

本文的结构如下：第2部分介绍了如何运用断点回归法来验证负利率政策，并介绍了研究选取的数据。在第3部分中，我们使用非参数密度函数来确定运行变量是否合适，并使用参数模型显示了基准估计。对于因变量，我们不仅分析了银行贷款增长率，还分析了银行存款和股票市场的增长率。在第4部分中，我们通过甜甜圈断点回归法来验证前一节结果的稳健性。第5部分对本文进行总结。

2 研究设计

我们使用来自WIND数据库的日本各银行（城市、地区、二级地区和信托银行）的数据。

对于变量Ri，即在引入负利率政策之前，代表单家银行在日本央行的存款。我们使用期末（即2005年12月31日）的现金和应收现金或现金和现金等价物。尽管前者包括對其他机构的存款，但我们仍然选择使用这些数据，因为我们无法分离日本央行的经常账户。当然，后者也有局限性，因为它包括现金，但因为很少有银行在资产负债表上披露现金，我们仍旧选择使用这些数据。但是，由于存入其他银行现金的金额不是很大，因此不同术语定义的指标选择影??响被认为比较小。

对于日本央行2015年的平均存款，我们使用2015年3月底、6月底、9月底和12月底余额中可用数据周期的平均值。当使用现金和应收现金作为四个季度数据的Ri时，可以得到许多观察数据，而在使用现金和现金等价物时，通常只有9月和12月的数据。此外，虽然实际负利率政策的“基本余额”是以每月16日至下月15日的储量维护期为基础的，但由于我们使用的是期末余额，可能会出现计量误差。

Ri是Ri，2015的最后一个期间值。日本央行在变量Ri之后宣布了实施负利率政策，银行也无法对变量Ri进行操纵以应对这一政策。Δln Li为日本央行公告前后Li的变化率。因此，Li在公告政策后的数据只能在2016年3月后。

除了贷款之外，我们还验证存款Di和证券价格Bi作为因变量。对于每个变量，我们使用从2015年3月31日结束的财政年度到2016年3月31日结束的会计年度的变化率。当RR1<0时，Δln L的平均值略高，而当RR1>0时，则Δln L的平均值较低。这一趋势也可以在RR2中看到。换言之，就总体数据而言，在日本央行宣布负利率政策之前，准备金水平较高的银行贷款增长率已经很小。

3 实证结果与分析

3.1 存款准备金率密度函数

在实证部分估计不连续性之前，研究确认了没有一家银行预测到负利率政策的宣布并控制存款准备金率。从RR1和RR2的估计密度函数可以看出，尽管驼峰很小，但它们几乎是对称的。RR2的非参数密度函数的顶点位置略高于零，然而，分布的形状和分布却与RR1相似。

研究最为重要的是需要注意两个准备金率的分布保持在0附近。如果一家银行预测了负利率政策并控制了其存款准备金率，以确保其不超过0，那么其分布应该偏左。在这种情况下，我们预计在存款准备金率略低于0时会出现一个大的波峰，在略高于0时会出现一个凹痕。然而，RR1和RR2的密度函数都是平滑分布的。这表明，日本央行的负利率政策并非在各大银行预期之中，也没有某家银行预测到负利率政策并控制了存款准备金率。

为了检查稳健性，我们模拟了Cattaneo（2017）的研究——密度不连续性测试。在约束测试中使用稳健的偏差校正方法，我们拒绝了RR1中断的零假设，得出了RR2的P值为0.08。虽然我们不应该只强调P值，但我们比较了RR1和RR2的估计结果，以便进行更详细的分析。尽管我们不应该只强调P值，但我们将RR1和RR2的估算结果进行了比较，以进行更详细的分析。

3.2 基准估计

以下我们通过进行统计检验来更详细地验证负利率是否对银行放贷产生负面影响。从参数估计的结果可以看出，对于RR1，线性模型中的参数系数为-1.6%，而在10%水平上则具有统计学意义。尽管使用二次函数并不明显，但与线性情况下的-1.5%结果相似。对于RR2，线性函数和二次函数的结果分别为-2%和-3%，略大于RR1的结果，同样也具有统计学意义。研究结果与上一节的趋势一致，因此，负利率政策确实对贷款增长率产生了负面影响。

研究观察的对象多为区域性银行和二线区域性银行，但样本中也包括部分城市银行和信托银行，可能会影响研究结果。对于这两个估计结果，系数都比完整样本估计的负面影响略大。对于具有最高估计值的RR2的二次函数，参数系数为-3.4%。因此，即使我们将样本限制在地区银行，负利率政策的负面影响效应也不会改变。

问题是为何实证分析会得到上述结果。放贷时，银行仅将存款转入贷款账户。但如果贷款用户在还款时带来现金，银行存款准备金可能会增加，成本也将上升，这是一个风险因素。因此，银行贷款趋于减少。

4 稳健性检验

在上一节的估计中，我们估计了RRi=0附近的不连续性，也是应用于准备金负利率的截至值。这是基于宏观附加值余额为0的假设——=0。但是，由于多种原因，这种情况与实际数据表现有所不同。首先，如第2节所述，基本余额是从一个月的16日到下个月的15日计算的，不能通过银行的账户结算来确定。其次，即使实施了负利率政策，如果银行利用“贷款支持计划和资金供应业务系统”来支持日本大地震灾区的金融机构，并从日本央行获得贷款，余额也会增加到。因此，有些银行的从一开始就不是0。

为了解决这个问题，我们作了一个甜甜圈断点回归估计，不包括截至点前后的观测值。如果截至点周围的观测值不明确，我们可以通过删除这些观测值，从总体趋势上估计截至点周围的不连续性数据。当然，即使可以在排除的部分中准确地获得数据，也有必要从其他观测值中估计间隔上分布的形状。另外，由于我们的样品量很小，“甜甜圈孔”必须相对狭窄。

我们将圆环孔设置为（-0.005，0.005）。在线性函数和二次函数中，系数都在-4%左右，这与非参数估计的结果相似，再分别将甜甜圈孔延伸至（-0.01、0.01）和（-0.015、0.015）。在这种情况下，系数略大，从-5%～-7%，P值也相对较小。这可能是因为排除了具有模糊分布的观测值，并且可以进行有效的估计。因此，上一节中的发现并不是因为RRi这个变量不能准确测量。

5 结语

本文使用断点回归法研究了日本央行使用负利率政策对银行贷款的影响。根据参数估计结果，负利率政策对负利率银行的贷款产生了1.5%～3.5%的负面影响。在甜甜圈断点回归估计法中，系数水平进一步增加。以上结果不仅支持引言中回顾理论研究的预测，而且也加强了使用断点回归法进行实证分析的现有结果。

但是，本文的研究侧重于面向负利率政策对单个银行，而不是对整个经济的影响。假设是通过降低利率水平来增加贷款需求，那么贷款将在宏观经济的层次增加。另外，由于负利率政策对贷款的负面影响被施加于应用负利率政策的各家银行，因此可以着重观察应用负利率政策某银行的负面影响，本文期望在后续的研究中着重考虑并加以综合分析。

参考文献

耿群.日本结束量化宽松货币政策的影響分析[J].国际金融研究，2006（05）.

崔建军.货币政策有效性研究述评[J].经济学家，2004（02）.