“双支柱”调控稳定金融市场的宏微观政策效应

王相悦，曹 鹏，王 琳

（1.格拉斯哥大学 亚当斯密商学院，英国 格拉斯哥G128QQ；2.山西财经大学 金融学院，山西 太原030006）

一、引言

金融危机的爆发引发了业界和学界对传统金融监管的重新思考。金融监管是各国金融系统健康运行的保护伞，是维护金融业稳健运行、促进金融经济健康发展的关键。传统货币政策调控的重点是实体经济层面的价格和就业双稳定，而仅仅价格稳定并不能保证金融稳定。随着我国经济进入高质量发展时期，一些在长期发展中积累的体制性、周期性问题逐渐暴露出来，再加上国际金融环境复杂化和金融开放程度的逐步提高，实体经济下行的压力不断增大。2017 年党的十九大报告明确提出“健全货币政策和宏观审慎政策双支柱调控框架，深化利率和汇率市场化改革，健全金融监管体系，守住不发生系统性金融风险的底线”的要求，同年11 月我国成立了中国金融稳定与发展委员会。我国2020 年的政府工作报告强调，要加大“六稳”工作力度，其中，“稳金融”具有重要意义。目前，我国正着力健全和完善“双支柱”体系，将其作为深化金融体制改革、应对金融风险的关键目标，并积极探寻两种政策的灵活配合，为稳定金融发展提供新的方向。有鉴于此，货币政策和宏观审慎政策如何分工以及如何构建有效的“双支柱”体系等问题，就成为值得深入研究的重要命题。

二、文献综述

宏观审慎政策和货币政策的内容是相辅相成、相互交织的，二者协调配合形成“双支柱”，成为维护金融稳定的关键。“双支柱”调控框架是推动我国经济高质量发展的客观要求，是保持价格稳定和维护金融稳定的重要手段，这方面的研究对于保持我国乃至全球金融的稳定均具有重要意义。

2008 年金融危机之后，部分学者开始关注更广泛意义上的整体价格稳定，认为货币政策不仅可以应对通货膨胀和产出变动，而且可以对资产价格泡沫或杠杆率产生作用（Angeloni & Faia，2009）[1]。同时，货币政策需要考虑金融周期，央行应该将维护金融体系的整体稳定纳入货币政策的考量范畴（程海星，2018；马俊等，2019；马勇等，2020）[2-4]。然而，仅仅依靠货币政策管理和防范系统性风险难度较大。一方面，货币政策本身承担过多的职责会使货币政策的目标体系更加复杂化（李斌等，2019）[5]；另一方面，货币政策属于总量政策，难以兼顾不同的市场和经济主体（李波，2018）[6]。宏观审慎政策的主要目标是防范系统性金融风险，通过逆周期的调节和跨市场的监管，维护企业和金融机构的稳定（易纲，2018）[7]，而且宏观审慎政策还能有效降低信贷泡沫产生的概率，防止信贷过度紧缩（Dell’Ariccia 等，2012）[8]。货币政策和宏观审慎政策在目标上虽各有侧重，但其彼此之间并不割裂，而是相互影响、相互作用，二者只有协调配合，才能更好地实现稳定金融的目标（王爱俭等，2014；黄益平等，2019）[9，10]。我国当前正在着力推进供给侧结构性改革，要改善实体经济与金融市场之间的互动关系，实现经济持续增长和金融市场稳定的目标，货币政策与宏观审慎政策需要协调配合，形成“双支柱”调控框架，产生“一加一大于二”的政策效应递增效果。

目前有关“双支柱”调控稳金融政策效应的研究主要包括两个层面。（1）微观层面，即“双支柱”对商业银行风险承担的影响。Borio 等（2012）[11]提出“风险承担渠道”，认为在宽松的货币政策环境下，银行为了保证自身的盈利水平，常常会放宽贷款标准，过度承担风险，这极易导致金融的不稳定性（Altunbas等，2010；张强等，2013；黄继承等，2020）[12-14]。随着宏观审慎政策重要性的凸显，国内外学者开始将目光转向货币政策与宏观审慎政策的协调配合，研究“双支柱”调控对银行风险承担的影响。Suh（2012）[15]实证分析了最优货币政策与宏观审慎政策之间的关系，发现在受到金融冲击时，货币政策与宏观审慎政策的协调配合可以有效稳定信贷和通货膨胀。徐长生等（2018）[16]研究发现，货币政策和宏观审慎政策均能显著影响商业银行的风险承担水平和信贷增长水平，且在宽松的货币政策环境下，适度、合理的宏观审慎政策能够有效降低商业银行的风险承担水平。（2）宏观层面，即“双支柱”对资产价格波动的调控。国内外学者普遍认为，宏观审慎政策能够抑制房地产价格波动，降低房地产市场对消费的溢出效应，改善家庭的福利状况，但这些都需要货币政策的协调配合（Gelain 等，2013；Bruneau 等，2016；赵胜民等，2018；郭娜等，2019；庄雷等，2020；王小腾等，2020；冉珍梅等，2020）[17-23]。

从现有文献来看，学者们对“双支柱”调控框架进行的大量研究主要集中于“双支柱”框架的形成及“双支柱”的政策效应方面。首先，货币政策应将金融稳定目标纳入调控范畴，但因其存在局限性，监管部门只有引入宏观审慎政策与货币政策协调配合形成“双支柱”，才是稳金融的最优选择。其次，目前对“双支柱”稳金融政策效应的分析主要分为宏观和微观两个层面。在微观层面，国内外文献主要考察了“双支柱”对银行风险承担行为的调控，以抑制金融的不稳定性。在宏观层面，国内外文献主要考察了“双支柱”对房地产价格的调控，以抑制资产价格的波动，维护本国金融的稳定。

随着我国“稳金融”工作的不断推进，“双支柱”稳金融政策效应的相关研究暴露出一些缺陷。首先，在微观层面，学者们仅对“双支柱”调控银行风险承担的政策效应进行了大量研究，而对作为我国实体经济“基本盘”以及“稳金融”工作重要一环的上市公司研究较少。其次，在宏观层面，国内外的研究主要集中于“双支柱”调控房地产价格的政策效应方面，而对“双支柱”调控股票价格的研究较少。鉴于此，本文拟从宏观和微观两个层面分析我国“双支柱”体系对上市公司风险承担和资产价格等重要指标的影响，总结“双支柱”稳金融的政策效应，以期为经济新常态下构建“双支柱”调控框架维护金融稳定提供一些启示。

三、理论分析与研究假设

“稳金融”关系到“稳政策”“稳杠杆”“稳股市”“稳房市”四个方面。本文从微观和宏观两个层面研究“双支柱”稳金融的政策效应，微观层面的“稳金融”主要体现在金融支持实体经济的发展，即“双支柱”对银行或公司风险承担的影响，而宏观层面的“稳金融”主要体现在稳定资产价格，即“稳股市”和“稳房市”。

（一）“双支柱”调控的微观层面作用机理

图1 “双支柱”对银行风险承担的作用机理

1.“双支柱”调控与银行风险承担。“双支柱”调控是指货币政策与宏观审慎政策的有机协调配合，其对银行风险承担的作用机理主要体现在六个方面。一是收入、估值和现金流效应。宽松的“双支柱”政策会使资产估值上升，提高银行的收益和利润，从而降低银行防范风险的能力，其自身的风险容忍度会提高，愿意承担更高的风险。二是逐利效应。在宽松的“双支柱”政策影响下，相比于风险资产收益，无风险资产收益的降幅更大，并且资产替代效应会使银行的资产组合收益下降，逐利效应就会产生，即银行会增加高风险资产投资，使其风险承担水平上升。三是预期效应。在宽松的“双支柱”政策下，经济形势乐观，受市场繁荣表象的影响，投资者的消费能力及投资意愿大幅提升，而其风险感知度、风险规避意识下降，风险厌恶程度也在降低。四是杠杆效应。该效应源自银行杠杆的顺周期特征，即银行经营受到外部阻碍时，其通常会优先选择增加或减少资产以改变资产规模，使银行资本发生变化，维持银行杠杆率的稳定。五是银行的冒险行为。由于存在信息不对称以及存款人与银行之间的风险共担，一旦银行面临损失或破产，存款人将与银行共同承担风险。因此，从紧的货币政策会促使银行追逐更高的收益，从而降低信贷标准，承担更大的风险。六是使用宏观审慎政策工具，即利用资本充足率、杠杆率和反周期资本可以降低风险分担效应、杠杆率和顺周期效应，但这些宏观审慎政策的调控措施对整个金融体系的影响较小。

图2 “双支柱”对企业风险承担的作用机理

2.“双支柱”调控与企业风险承担。“双支柱”对微观企业产生影响主要有利率渠道、信贷渠道和非理性预期渠道，即“双支柱”政策通过调控利率引致企业融资成本的变化，进而影响企业的风险承担；通过控制信贷渠道影响企业的融资成本，促使企业优化资产负债结构，进而影响杠杆率和风险承担；通过对社会公众的心理预期产生影响，使其改变投资策略，并最终对企业的风险承担产生影响。基于以上分析，本文提出假设1。

假设1：从紧的“双支柱”调控可以有效抑制上市公司（包括上市银行和非金融行业上市公司）的风险承担行为。

（二）“双支柱”调控的宏观层面作用机理

图3 “双支柱”对资产价格的作用机理

央行传统的以货币政策为核心的单一调控框架存在明显缺陷，难以有效应对系统性金融风险，其在一定程度上还可能纵容资产泡沫的产生，从而积聚金融风险，必须引入宏观审慎政策加以应对。维护金融稳定除了保证整体价格的稳定外，还要考虑资产价格的稳定（陈继勇等，2013）[24]，尤其是房地产价格和股价。“双支柱”作为维护金融稳定的宏观调控政策，其对资产价格波动的调控尤为关键。一方面，货币政策通过调控货币供给环境直接影响资产价格的变化趋势，包括货币供应量、利率调节、信贷变动、公众预期四个主要方面。在宽松的货币政策环境下，公众用于投机需求、交易需求和谨慎需求的货币量增加，更多的货币被用于追逐金融资产或实物资产，从而引致资产价格的变化。另一方面，由于资产价格存在顺周期性，资产价格波动对实体经济冲击的效果会被放大，从而使经济体系产生过度风险，造成金融失衡。宏观审慎政策的实施可以有效降低金融体系的顺周期性，控制系统重要性金融机构的风险，并在适当的时候以宏观审慎工具化解资产价格波动的风险。基于以上分析，本文提出假设2 和假设3。

假设2：从紧的“双支柱”调控可以有效抑制房价波动，维护金融市场稳定。

假设3：从紧的“双支柱”调控可以有效维护股票价格稳定，但由于货币政策的作用过强，“双支柱”框架应以宏观审慎政策为主。

四、实证过程

（一）变量描述和数据选择

本文选取41 家上市商业银行2008—2019 年的非平衡动态面板数据、100 家非金融行业上市公司2008—2018 年的平衡动态面板数据以及我国2008—2019 年的宏观数据进行实证分析。上市商业银行和非金融行业上市公司的数据来源于各公司年报及国泰君安数据库，宏观数据主要来源于国泰君安数据库及国家统计局官网。41 家上市银行包括6家大型商业银行、8 家全国性股份制银行、17 家城商行、10 家农商行。100 家非金融行业上市公司来自于11 个不同的行业，这可以保证实证结果的普遍性。其中，房地产行业选取10 家上市公司，石油加工行业选取7 家公司，汽车行业选取18 家公司，食品行业选取11 家公司，煤炭行业选取15 家公司，家电行业选取6 家公司，酿酒行业选取10 家公司，钢铁行业选取7 家公司，材料行业选取3 家公司，传播制造行业选取2 家公司，电力行业选取11 家公司。本文所选的100 家公司全部来自于沪深A 股上市公司。

1.“稳金融”变量。

（1）微观层面：上市银行和上市公司风险承担。从上市银行方面来看，根据现有文献，衡量商业银行风险承担的变量通常有加权风险资产率、Z值、预期违约概率（EDF）、不良贷款率等。Z值（Z=（ROA+EA）/σ（ROA））反映的是商业银行破产风险，Z值越大，商业银行的风险承担水平就越高（张晓玫和毛亚琪，2014）[25]。由于存在政府担保，我国银行破产的概率是微乎其微的。此外，由于我国的信用评级还不健全，EDF指数无法获得，故两种指标都不能很好地反映银行的风险承担水平。徐长生等（2018）[16]选取风险资产比率（RISKL/A）作为商业银行风险承担的代理变量，可以很好地反映商业银行的风险承担水平。该比率越大，说明商业银行风险承担能力越弱，反之则越强。基于此，本文选取风险资产比率作为商业银行风险承担的代理变量。考虑到相关数据的可获得性，本文采用贷款净值与总资产的比值近似地作为银行风险资产比率，记为RISKLA。银行的相关数据来自于上市银行的年报。此外，在稳健性检验中，本文采用的是不良贷款率，记为LOAN。

从非金融行业上市公司方面来看，国内外的研究文献多采用公司盈利的波动性衡量公司的风险承担水平，其计算公式如下：

其中，RISKCit表示公司风险承担水平，ROAit表示每个公司的净资产收益率或资产收益率，T等于3年或等于5 年滚动计算平均值。

本文也采用盈利波动性指标衡量公司的风险承担水平。在数据处理上，为了消除行业和经济周期的影响，本文先将100 个上市公司的资产收益率（ROA）按照年度和行业分类，再依次减去相应年度该行业资产收益率的平均值，从而得到调整后的资产收益率，记为AROAi，t：

其中，i代表上市公司，t代表年份，k代表公司i所在的行业，Ni代表上市公司i所在行业的公司个数。

上市公司的风险承担记为RISKC，其计算公式如下：

式中，T代表观测的时间段，考虑到我国上市公司董事每届的任期不得超过3 年，观测时间段T=3。在测算上市公司风险承担方面，本文采用滚动计算的方法，即2018 年的风险承担用2016—2018 年的标准差表示，以此类推，最终可以得到2008—2018年上市公司风险承担的代理变量数据。同时，在稳健性检验中，本文选用ROAmax与ROAmin之差这个指标，记为RISKCII。

（2）宏观层面：资产价格。房地产和股票是“稳金融”工作的重要部分，本文分别从房价和股价两个方面研究宏观层面货币政策和宏观审慎政策调控的有效性。在房价变量的选取上，由于国房景气指数是反映我国房地产发展情况的重要指标，故本文选取2008—2019 年年度国房景气指数作为房价变量，记为HP。在股价指标的选取上，本文选取2008—2019年上证收盘综合指数的年度数据衡量股价的变化情况，记为SP。一般来说，在上海交易所上市的公司多是业绩相对稳定、分红和收益较高的大盘蓝筹股或绩优股，而且上证与深证两种指数具有很强的相关性，选用其中一种就可代表股票价格，其不失一般性。

2.货币政策和宏观审慎政策变量。

（1）货币政策方面。本文选用银行同业间加权平均利率作为货币政策的变量，记为IIR，数据来源于CSMAR 数据库。通过对一年的银行间加权平均利率进行算数平均，本文得到所需的年度银行间加权平均利率。

（2）宏观审慎政策方面。本文构建了宏观审慎指数（MPI），作为宏观审慎的代理变量。Cerutti 等（2017）[26]利用IMF 开展的全球宏观审慎政策工具调查，通过对工具使用与否进行加总构建了宏观审慎指数，即如果一个国家有一个工具，其得1 分，没有则得0 分。该指数将一国所有的宏观审慎政策工具都纳入其中，可以全面反映一国宏观审慎政策的强度。本文根据我国宏观审慎政策的实施情况进行赋值，即2003 年是2，2004—2007 年是4，2008—2010年是5，2011—2012 年是7，2013—2014 年是8，2015年是9，2016 年是10，2017—2019 年是11。①

3.变量定义。

（1）微观层面。为了有效识别货币政策的影响，本文控制了其他影响上市银行和非金融行业上市公司风险承担能力的重要变量，包括它们自身的特征等变量。

表1 给出了上市银行层面的控制变量和数据来源，表2 给出了各变量的描述性统计结果。从上市商业银行风险承担的角度来看，商业银行净贷款与资产比率的平均值为45.208%，平均不良贷款率为1.96%，说明商业银行整体风险承担水平不高。各上市银行的规模差异较大，大型商业银行和全国性股份制银行的规模较大，而城商行和农村商业银行的规模较小。另外，41 家上市银行的平均总资产收益率达到1.016%，说明上市银行具有较强的盈利能力。上市银行的平均流动性比率为49.036%，说明上市银行的流动性非常充足。从宏观审慎政策指标数据来看，MPI从2008 年的5 增加到2019 年的11，说明宏观审慎政策力度在不断加大。

表1 上市银行层面的控制变量

表2 上市银行层面控制变量的描述性统计

表3 给出了100 家非金融行业上市公司层面的控制变量和数据来源，表4 给出了各变量的描述性统计结果。上市公司风险承担水平（RISKC）的均值为0.029，标准差为0.035，说明不同上市公司风险承担水平的差异较大。从100 家非金融行业上市公司的总资产对数来看，我国上市公司整体规模的差异性较大。此外，上市公司资产的流动比率均值为1.742，即本文选取的上市公司的流动比率水平整体上处于合理的范围之内，说明上市公司具有良好的偿债能力。

表3 非金融行业上市公司层面控制变量的描述性统计

（2）宏观层面。

从表4 报告的宏观层面变量的描述性统计结果来看，2008—2019 年我国的房地产业运行良好，而股市则存在一定的波动性。

表4 宏观层面变量的描述性统计

（二）模型构建

1.微观层面：基于系统广义矩法的面板数据分析。为了实证分析货币政策和宏观审慎政策对我国上市银行和非金融行业上市公司风险承担的影响，本文构建了针对上市银行的模型（1）和针对非金融行业上市公司的模型（2）。

其中：RISKLAi，t表示第i期上市银行的风险承担，RISKLAi，t-1表示滞后一期的第i期商业银行的风险承担，RISKLAi，t-1的存在使得模型成为动态面板模型；MPIt为第t期的宏观审慎政策指数，IIRt为第t期货币政策的代理变量，考虑到货币政策与宏观审慎政策的协调性，本文引入了MPIt与IIRt的叉积；Xi，t代表第t期银行层面的控制变量，包括总资产的对数（lnSIZE）、平均资产回报率（ROAA）、产权比率（EQR）和流动比率（LIR）；Zt代表第t期宏观层面的控制变量，包括国内生产总值增长率（GDPR）、居民消费价格指数增长率（CPIR）和固定资产投资指数增长率（FAIR）；εi，t是误差项。

其中：RISKCi，t表示第i期上市公司 的风险承担，RISKCi，t-1表示滞后一期的第i期上市公司的风险承担，RISKCi，t-1的存在使得模型成为动态面板模型；MPIt为第t期的宏观审慎政策指数，IIRt为第t期货币政策的代理变量，考虑到货币政策与宏观审慎政策的协调性，模型亦引入MPIt与IIRt的叉积；Xi，t代表第t期上市公司层面的控制变量，包括总资产的对数（lnSIZE）、平均资产回报率（ROAA）、产权比率（EQR）和流动比率（LIR）；Zt代表第t期宏观层面的控制变量，即国内生产总值增长率（GDPR）；εi，t是误差项。

2.宏观层面：基于结构向量自回归的时序数据分析（SVAR）。本文将房地产变量HP、货币政策变量IIR、宏观审慎政策变量MPI与股票变量SP、IIR、MPI分别纳入SVAR 模型，利用乔利斯基约束对该模型进行约束。同时，本文还进行了敏感度分析，以比较不同变量序列的不同结果，保证约束的准确性。

（三）实证分析

1.微观层面。表5 的检验结果显示，所有的系统GMM 估计均通过了Arellano-Bond 检验和Hansen检验，说明模型设置合理，评估结果可靠。

表5 “双支柱”调控框架对上市公司风险承担的影响

从RISKLA（1）、RISKLA（2）、RISKC（1）、RISKC（2）来看，货币政策和宏观审慎政策显著为负，说明紧缩性的货币政策和宏观审慎政策能够有效降低上市公司（包括上市银行和非金融行业上市公司，下同） 的风险承担水平。从RISKLA（3）和RISKC（3）来看，引入宏观审慎政策工具与货币政策工具交叉项的结果显示，交叉项系数与货币政策工具变量的系数符号相反，且显著为正，说明适度的宏观审慎政策可以在一定程度上缓解宽松货币政策对上市公司过度承担风险的影响。前一期的风险承担水平对当期的风险承担水平具有显著的正向影响，这就验证了融资的顺周期性，说明上市公司的风险承担行为具有明显的连续性。从上市公司特征的影响来看，上市银行的资产规模对其风险承担具有显著的正向影响，说明上市银行的资产规模越大，其就有越多的资产抵御违约资产所带来的风险，上市银行的风险承担水平也就越高。非金融行业上市公司的资产规模对其风险承担具有显著的负向影响，说明上市公司的整体规模越大，其对高风险、高收益资产的需求就越小。上市公司的盈利能力对其风险承担具有显著的负面影响，因为盈利能力强的公司通过公司治理等内部治理已经拥有较高的利润水平，不需要为追求更多的利润而承担更大的风险。上市银行的流动比率对风险承担具有显著的正向影响，因为流动性充足的银行具有较强的风险抵御能力，其在追求利润的过程中会选择承担较大的风险。上市公司的流动比率对其风险承担具有显著的负向效应，其原因可能是流动比率越高的公司受到市场监管的力度也越大，以此来维持市场稳定。

为了确保模型分析结果的稳健性和有效性，本文选取上市公司风险承担的另一个代理变量不良贷款率以及RISKCⅡ对基准模型进行估计，结果如表6 所示。对比表5 和表6 可知，其结果基本相同，说明本文的假设成立，即“双支柱”监管框架对降低上市银行风险承担水平具有显著的作用。

表6 “双支柱”调控框架对银行风险承担影响的稳健性检验

2.宏观层面。

（1）房地产。通过对SVAR 模型施加约束，本文分析了“双支柱”调控对房地产市场价格的动态影响。这里选用的变量有国房景气指数、银行间平均同业拆借利率、宏观审慎政策指数，研究时间段为2008—2019 年，数据来源于国泰君安CSMAR数据库。

从表7 变量的时间序列单位根检验结果来看，序列HP、IIR、MPI均为非平稳序列，但经过一阶差分后，其在1%的置信水平上拒绝原假设，即为平稳序列，三个变量都为一阶单整序列。

表7 房地产方面的ADF 检验结果

（续表7）

从图4 及表8 的模型稳定性检验来看，本文针对房地产价格变化建立的模型具有稳定性。

图4 模型的稳定性检验

表8 模型的稳定性检验

从图5 的脉冲响应分析结果来看，宏观审慎政策对国房景气指数的冲击在初期是积极的，但其影响很小，随后其变得消极并逐渐趋近于0，说明宏观审慎政策不能有效抑制房地产价格，房价在短期内会上涨，致使国房景气指数升高。其可能的原因是，同时收紧货币政策和宏观审慎政策可能会使家庭借贷成本突然上升，家庭预期在未来需要还更多的贷款，故其会选择筹集资金购买房产，导致短期住房价格上涨及国房景气指数上升。货币政策对国房景气指数的冲击始终为负向冲击，在初期就达到峰值，随后逐渐攀升，最终无限趋近于0 并保持稳定，说明货币政策能够有效地、持续地抑制房地产价格上涨。从图5 中还可以看出，货币政策与宏观审慎政策之间的相互影响很小。

图5 房价对宏观审慎政策和货币政策冲击的反应

从表9 的方差分解结果来看，我国国房景气指数的变化主要是受其自身的影响，该影响所占比例一直保持在70%左右，这再次证明了我国金融体系的顺周期性和连续性。宏观审慎政策对房价的影响比例仅占0.2%，货币政策影响的比例占25%～30%。此外，宏观审慎政策并不适合作为调控房地产行业的主要政策，调控房地产价格应以货币政策为主、宏观审慎政策为辅。

表9 方差分解

（2）股市。本文有关货币政策和宏观审慎政策对股票市场价格影响的研究，亦是通过对SVAR 模型施加约束完成的。这里选用的变量有上证收盘综合指数、银行间平均同业拆借利率、宏观审慎政策指数，研究的时间段是2008—2019 年，数据来源于国泰君安CSMAR 数据库。

从表10 的单位根检验结果来看，序列SP较为平稳，IIR、MPI均为非平稳序列，但这些序列经过一阶差分之后，均在1%的置信水平上拒绝原假设，即其成为平稳序列，三个变量都为一阶单整序列。

表10 股市方面的ADF 检验结果

从表11 及图6 的模型稳定性检验结果来看，本文针对股票市场价格变动所构建的SVAR 模型也具有稳定性。

表11 模型的稳定性检验

0.1561068+ 0.435158i 0.462311 0.1561068- 0.435158i 0.462311-0.03276859 0.032769

图6 模型的稳定性检验

从图7 股市的脉冲响应分析结果来看，宏观审慎政策对股市的冲击在初期呈现负向冲击并达到顶峰，然后逐渐变为0，这说明宏观审慎政策能够有效调节股票市场且作用温和，其影响是长期、有效的。货币政策对股票市场的冲击较大，且逐渐减至0，这说明货币政策对股票市场的作用过于强势，可能会导致股票市场出现较大波动，不应长期、持续地作为调控手段。从图7 中还可以发现，货币政策与宏观审慎政策之间的相互作用非常微弱。

表12 方差分解

图7 股票价格对宏观审慎政策和货币政策冲击的反应

表12 的方差分解结果显示，股价的变化主要是受其自身的影响，该影响在10 个周期中一直保持90%以上的比例，说明股票市场比房地产市场更具有顺周期性和连续性特征。宏观审慎政策对股价的影响比例为0.1%，而货币政策的影响比例为8%左右，考虑到两种政策对股票价格的影响及其相互作用，本文认为，宏观审慎政策对股票价格的调节应该发挥主导作用，因为其影响是温和、持久的，且其受货币政策的影响甚微，具有相对独立性。

五、结论与启示

2008 年金融危机之后，我国结合自身金融发展的实际情况并借鉴各国的经验教训，将宏观审慎政策引入金融体系，从单一的政策调控体系逐步向“双支柱”调控体系转变，以维护我国的金融稳定。2018年，我国提出“六稳”的工作方针，为经济的长期稳定发展明确了方向。2020 年以来，受新冠疫情的影响，我国经济发展受阻，实体经济面临较大的困难。因此，完善稳金融宏观调控政策框架，构建“双支柱”调控体系迫在眉睫。

基于41 家上市银行、100 家上市公司的数据，本文分别从微观层面和宏观层面研究了“双支柱”调控稳金融的政策效应。研究结果表明：在宽松的宏观政策下，上市银行和非金融行业上市公司因受提高负债率的激励而过度承担风险，“双支柱”调控政策的实施能够有效抑制两者过度承担风险的动机，促进上市公司优化债务结构，提高公司质量，进而维护银行和企业等微观主体的金融稳定，助力实体经济快速度过困难期；“双支柱”调控的政策效果在不同性质的上市银行和上市公司中是不同的，这意味着相关政策的制定需要考虑银行和企业的异质性，以进一步提高政策的有效性；紧缩的“双支柱”政策对房地产价格和股票价格均可产生有效作用，从而抑制其波动，维护宏观层面的金融稳定；房地产市场和股票市场具有很强的顺周期性和持续性，货币政策和宏观审慎政策需要灵活配合，以更好地维护金融稳定，完成“稳金融”“稳房市”“稳股市”的任务。

注释：

①由于构建宏观审慎指数涉及主观判断，政策工具松紧的信息不易掌握，准确判断宏观审慎政策的强度极为困难，因此，MPI 仅考察了宏观审慎政策工具出现的时间。