宏观审慎政策、金融环境与银行风险承担

课题组

（中国人民银行太原中心支行 山西 太原市 030001）

一、引言与文献综述

各国监管当局和经济学家对宏观审慎政策的关注由来已久，最早可追溯到20 世纪70 年代末，巴塞尔委员会强调金融监管需要宏观审慎政策。但此后，宏观审慎政策一度淡出学界视野。2008 年全球金融危机爆发后，国际社会发现个体稳健不代表系统稳健，价格稳定也无法确保金融稳定，宏观审慎政策重新成为全球金融制度改革的核心内容。一个完整高效的宏观审慎政策框架应该包括五个要素：具有明确的政策目标，进行准确的风险评估，合理的工具使用，建立顺畅的政策传导以及构建科学的治理机制。但是，我国宏观审慎管理工作刚刚起步，政策框架、职责边界、有效实施路径等还需要进一步探索。

当前，从实际文献分布来看，关于宏观审慎政策的研究可以概括为四个方面，分别是必要性、监管框架、政策工具、实施效果。在必要性方面，Borio（2003）提出了加强宏观审慎管理的三点理由：宏观审慎政策目标一定程度上包含了微观审慎监管的目标，宏观审慎政策能更好地平衡市场和监管纪律，严格的微观审慎方法不能提供安全和健全的金融体系。巴曙松等（2010）从微观审慎监管体系下系统性风险的监管缺失、微观审慎监管对顺周期性无能为力、宏观审慎监管对市场流动性的有效监管三个层面论证了宏观审慎监管的必要性。周小川（2011）提出宏观审慎监管的主要目标是维护金融稳定、防范系统性金融风险。在监管框架方面，陈雨露和马勇（2012）在相关制度安排上提出了货币政策与宏观审慎监管相协调，统一规则与相机抉择相配合的统一监管体制。刘志洋（2012）提出了授权给中央银行内部委员会实施宏观审慎政策的观点。Borio（2018）总结了宏观审慎管理框架，包括授权给跨部门委员会、委托给中央银行、中央银行只负责宏观审慎管理工具、设立综合监管机构等四种模式，且中央银行都发挥核心作用。在政策工具方面，IMF（2018）在年度宏观审慎政策调查中，按照系统性风险来源将宏观审慎管理工具分为六类。在实施效果方面，Kannan 等（2009）研究了在金融冲击和生产力冲击下的政策效果，发现宏观审慎政策在金融冲击下能有效抑制信贷快速扩张。Carlos 等（2020）对5 个亚太地区国家的银行数据进行实证研究，发现宏观审慎政策对降低家庭信贷过度增长和银行不良贷款率是有效的，且收缩政策比扩张政策效果更强，银行的规模和流动性影响宏观审慎政策对信贷增长的调节效果。邵梦竹（2019）分析发现宏观审慎政策能够降低银行风险承担，其中缓冲型工具能够显著降低银行的风险承担，资产负债工具能够缓解银行过度承担风险，而借款人工具的作用尚不明确。宋科等（2019）通过实证分析发现，宏观审慎政策对银行风险承担有一定的抑制作用，且这种抑制作用在经济下行时期比经济上行时期更强且更为显著。张金娣（2020）研究发现，加强宏观审慎监管与紧缩性货币立场均会降低银行的风险承担，且银行异质性会对宏观审慎政策效果产生不同影响。马勇等（2021）发现宏观审慎监管不仅直接降低了银行风险，而且有效抑制了银行在宽松货币政策下的过度风险承担。

本文的金融环境包括金融波动和金融周期。传统上，大家主要关注的是经济周期和货币政策，货币政策的主要目标就是通过逆周期调节来平抑经济周期波动，维持物价稳定。2008 年国际金融危机后，世界各国充分认识到价格稳定并不保证金融稳定，在经济周期外还存在着金融周期，央行仅利用利率工具调节总需求，在一定程度上会滋生资产泡沫，银行体系积聚金融风险甚至导致系统性风险（李波，2018）。金融周期主要是指由金融变量扩张与收缩导致的周期性波动，易受信贷供给和资产价格影响，且两者还会通过银行资产负债表等渠道进一步影响实体经济，金融周期到达峰值后通常伴随着金融危机。针对日益重要的金融周期，需要引入宏观审慎政策加以应对。掌握金融周期波动规律，科学识别、评估系统性风险，有利于制定和实施逆周期的宏观审慎政策，从而抑制金融体系的顺周期性加杠杆行为和金融风险的跨机构、跨市场、跨部门传染。另外，陈雨露等（2016）提出，在不同金融周期中的金融波动特征对于理解宏观经济而言可能是非常重要的，金融波动的上升可能会对宏观经济波动和金融体系的稳定性产生影响。

二、实证模型构建与研究样本

（一）实证模型构建

根据研究目的和数据情况，本文采用系统GMM 动态面板估计方法，主要做了三个层面的检验。

1.检验中国宏观审慎政策与银行风险承担间的关系。由于银行风险承担具有高度持续性特征，本文设定动态面板基准模型如下：

其中i=1，2，3，…N，表示银行家数，j 表示该银行所在地区。上述方程中被解释变量RISK 为银行风险承担变量，核心解释变量为宏观审慎政策代理变量MPP。

一是银行风险承担的代理变量。参考已有实证文献（徐明东和陈学彬，2012），选取Z 值（Z-Value）、不良贷款率（NPL）和拨备覆盖率（PCR）作为银行风险承担的代理变量。银行最重要的关注点是信用风险，不良贷款率越小，拨备覆盖率越大，代表银行的经营风险越小。本文将银行风险承担的Z 值定义如下：

其中ROA 表示资产利润率，SdROA 表示资产利润率的标准差，EAR 表示权益资产比。Z 值等于资产利润率与权益资产比之和除以资产利润率的标准差，该指标常被用来代表破产风险。Z 值越大，表示银行破产风险越小，银行经营越稳健。

二是宏观审慎政策的代理变量。MPP 的选取需要结合我国已开展的实践探索工作。中国人民银行较早开展了宏观审慎管理工作，包括2003 年开始房地产金融调控，引入住房抵押贷款比例（即贷款价值比），多次调整优化住房信贷政策；2011 年引入差别准备金动态调整机制，并在2016 年升级为宏观审慎评估体系（MPA），引导金融机构广义信贷合理增长；2015 年起，开展在跨境资本流动宏观审慎管理方面的积极探索，从外汇市场和外债两个维度进行逆周期调节等等。其中，存款准备金率（DTR）和贷款价值比（LTV）是我国使用频率最为频繁的两类宏观审慎政策管理工具，例如2003-2019 年，我国对存款准备金率进行了超过60 次的调整，尤其在2008 年一年间进行了多达9 次的调整，确保国际金融危机期间我国金融稳定；再者，中国二套房以上房地产调控政策要求较高，且使用频率较高，房地产金融宏观审慎管理是我国宏观审慎管理的重点领域。另外，从全球看，债务收入比（DTI）是全球多数新兴国家使用频率最高的房地产宏观审慎管理工具之一，且居民债务快速增加期间，是启用DTI 的时间窗口（韩冬萌，2020）。近年来中国居民部门债务快速攀升，有必要将DTI 作为监管指标，进一步丰富我国宏观审慎管理政策工具箱。目前，在我国尚未有明确的设定和计算方法的情况下，可将居民部门杠杆率作为DTI 的替代指标开展研究。综合分析，本文主要选取3 种宏观审慎政策的代理变量，包括DTR、LTV、DTI，以检验估计结果的稳健性。

三是控制变量。为有效识别宏观审慎政策的影响，还须控制一系列宏微观变量。本文使用的微观控制变量有银行规模（用总资产规模的对数值代表，lnASSET）、资本状况（用资本充足率代表，CAP）、流动性水平（用存贷比代表，LDR）、盈利水平（用资产利润率ROA 和权益资产比EAR 代表）、公开上市虚拟变量（DV，上市前取值为0，上市后取值为1）。一般而言，规模越大、存贷比越低、资本充足率越高、资产利润率越高、权益资产比越高，银行承担的风险越小。宏观经济控制变量主要有实际GDP 增速（GDPg）、金融波动（FW）。由于样本银行处于不同区域，经济形势存在较大差异，所以本文对全国性和地方性银行分别控制了其对应的全国、省区及地市层面的实际GDP 增速；金融波动采用私人部门信贷占GDP 比重的5 年移动标准差表示（陈雨露等，2016）。本文主要变量的说明见表1。

表1 主要变量说明

2.研究中国宏观审慎政策对银行风险承担的影响是否依赖于实际GDP 增速与金融波动。2008 年国际金融危机爆发以后，世界各国总结分析原因、教训，在此基础上形成了对宏观审慎政策的高度共识。不同金融环境下的银行，金融波动越剧烈，银行面临的风险越大，其抵消宏观审慎政策影响的能力越强；实际GDP 增速越快，银行隐藏的风险越不容易暴露，其潜在的风险往往难以度量。所以，本文主要识别了中国宏观审慎政策对银行风险承担的影响是否依赖于实际GDP 增速和金融波动。具体模型设定如下：

3.探究中国宏观审慎政策对银行风险承担的影响是否具有显著的非对称性。在此我们加入金融周期虚拟变量，将私人部门信贷占GDP比重的序列通过HP滤波得到金融周期序列，并将其划分为高涨期、衰退期或正常期（陈雨露等，2016）。随后以金融周期序列的13年标准差为基准，将序列数据中高于标准差的定为顶峰，按递减顺序向前推算，直至达到低谷，低谷定义为当期值小于前一期和后一期序列值，位于低谷至顶峰之间的顺位序列定义为高涨期，其虚拟变量定义为1，非高涨期定义为0；与此类似，顶峰至低谷的顺位序列定义为衰退期，处于衰退期定义为1，非衰退期定义为0；除高涨期和衰退期之外，剩余序列为正常期。为避免陷入虚拟变量陷阱，本文将金融周期分设为两个虚拟变量D1、D2，若处于高涨期，则D1取值为1，D2取值为0；若处于衰退期，则D1取值为0，D2取值为1；若处于正常期，则D1、D2均取值为0。具体模型设定如下：

（二）研究样本

本文采用国内108 家银行（包括国有大型银行、股份制银行、城市商业银行、农村商业银行、外资银行）2007-2019 年的年度数据，数据结构为面板数据。样本银行的数据来源于Wind 数据库、商业银行年报以及各地区统计年鉴。

表2为主要变量的描述性统计结果。从样本银行的风险指标来看，Z 值最大值为142.136，最小值为-3.692；Z值仅为正值时其越大代表银行风险承担越小，所以本文将Z值为负值的观测值作为异常值处理。由于近年来银行业市场的变化、剥离坏账等改革措施，银行业的不良贷款率有所下降，其中不良贷款率最大值为29.23，最小值为0.3。此外，全国、省及地级市层面的实际GDP增速差异较大。

表2 主要变量的描述性统计

三、实证结果与分析

（一）宏观审慎政策与银行风险承担

基于模型（1），宏观审慎政策对银行风险承担影响的估计结果见表3。其中列（1）—（3）的被解释变量为Z 值，列（4）—（6）的被解释变量为不良贷款率，列（7）—（9）的被解释变量为拨备覆盖率。在10%的显著性水平下，Sargan 检验和二阶序列相关的检验结果表明系统GMM 估计量模型的随机扰动项不存在显著的序列相关，这说明本文工具变量的选取是合理的。

表3 宏观审慎政策对银行风险承担的影响

从银行特征变量的结果来看，资产规模、资本充足率对Z 值和拨备覆盖率具有显著的正向作用，对不良贷款率具有显著的负向作用，反映了资产规模越大银行的经营能力越好，资本越充足的银行化解风险的能力越强。以系统性重要银行为例，资本管理工具包括逆周期资本缓冲、系统性银行资本缓冲等宏观审慎管理要素，以实现“以丰补歉”，从而抑制金融体系的顺周期波动。存贷比对Z 值、拨备覆盖率具有显著的负向作用，对不良贷款率具有显著的正向作用，说明存贷比越高，银行风险资产越多，经营更为激进和冒险，破产概率高。上市虚拟变量、资产利润率、权益资产比对风险承担的影响是复杂的。上市虚拟变量对Z 值系数显著为正，说明上市公司的风险较小，但对不良贷款的系数显著为正，对拨备覆盖率的系数显著为负，似乎说明上市公司的风险更大，这可能与上市公司信息更加透明，资产质量更为真实有关系。资产利润率对不良贷款的系数显著为负，说明银行的不良资产越少，相应的生息资产越多，盈利能力水平越高。

从宏观控制变量看，实际GDP 对Z 值、不良贷款率和拨备覆盖率都具有显著的正向作用，意味着在经济向好的宏观背景下，经营环境对银行有利，银行破产的概率变小，同时经营策略更加激进，风险承担上升。金融波动对Z 值具有显著的负向作用，说明金融波动越剧烈，银行破产的可能性越大，从而影响金融体系的稳定。金融波动对不良贷款率和拨备覆盖率的作用是显著的，但作用的方向是不确定的，可能是因为银行在金融波动中的应对策略时而激进时而保守。

从宏观审慎政策管理工具变量看，存款准备金率和贷款价值比越大，宏观审慎政策越紧缩，对风险的抑制作用越强；而债务收入比越小，宏观审慎政策越紧缩，对风险的抑制作用越强。存款准备金率和贷款价值比对Z 值的系数显著为正，债务收入比对Z 值的系数显著为负，说明宏观审慎政策管理工具对银行风险承担具有明显的抑制作用。三种工具中，存款准备金的作用大于贷款价值比，贷款价值比又大于债务收入比。这一方面可能与宏观审慎政策管理工具使用的频率有关，另一方面与宏观政策实施效果有关。存款准备金率作为货币政策工具时，信号作用强，主要内容是为了保证流动性，会保持在较低的水平上；作为宏观审慎政策管理工具时，主要考虑逆周期调节信贷扩张，会保持在较高的水平上，抑制银行过度扩张。因此，国家出台存款准备金政策时，会平衡两者关系，实施效果更精准。目前，我国房地产金融宏观审慎管理处在不断完善的过程中，初步形成了因城施策差别化住房信贷政策，政策的精准性有待进一步提高。以居民部门杠杆率替代债务收入比存在准确度不高等问题。

（二）宏观审慎政策对银行风险承担影响的非对称性检验

表4 为宏观审慎政策对银行风险承担影响的非对称性检验结果。各宏观审慎政策变量与金融周期的交叉项系数均呈现比较强的显著水平，说明金融周期对宏观审慎政策作用有较强的影响。各宏观审慎管理工具变量与金融高涨期的交叉项的9 项系数中，有5 项系数在1%水平上显著为负；各宏观审慎管理工具变量与金融衰退期的交叉项系数中，有5 项系数在1%水平下显著为正；且前一类系数的绝对值多数大于后一类系数的绝对值。这表明，金融高涨期间宏观审慎政策对银行风险承担的抑制作用更强且更为显著。

表4 宏观审慎政策对银行风险承担影响的非对称性检验结果

金融周期对宏观审慎政策有效性存在非对称性效应，可能的原因在于：一方面，在金融高涨期，宏观审慎政策更易于引导银行降低风险承担，形成了不良贷款的降低→盈利能力的提升→计提更多的拨备的经营氛围，政策执行目标效果较为明显；另一方面，在金融衰退期，宏观审慎政策做出的逆周期调整有利于应对经济下行期可能带来的风险，但一定程度上也放大了银行的风险承担，推迟了风险暴露的时间。这可以印证过去这些年我国实施的宏观审慎政策基本能实现逆周期监管的目标，但需要进一步提高宏观审慎政策管理工具的精准性。

四、稳健性检验

为进一步增强基准模型实证结果的稳健性，本文接下来主要从银行不同风险代理变量的角度进行稳健性检验，这些代理变量分别是利用资产利润率5 年、8 年、10 年的移动标准差计算出来的Z 值（Z-score5、Zscore8、Z-score10）以及Z 值、不良贷款率、拨备覆盖率的一阶差分（Z-lag1、NPL-lag1、PCR-lag1），为节省篇幅，此处仅列出了本文重点关注的DTR、LTV 和DTI 三个解释变量的估计结果。结果见表5。

从表5 结果看，所有变量均通过1%显著性水平的检验；从估计系数的符号看，与表3 相比，三个解释变量对Z 值、不良贷款率、拨备覆盖率的一阶差分的回归系数的符号与表3 总体一致，表明模型具有稳定性。

表5 稳健性检验结果

五、研究结论和政策建议

综合实证结果分析，我们可以得出以下结论：一是宏观审慎政策管理工具对银行风险承担有明显的抑制作用，存款准备金的作用大于贷款价值比，贷款价值比大于债务收入比。二是宏观审慎政策对银行风险承担有宏观环境异质性，金融波动对宏观审慎政策的影响较大，金融波动会减弱宏观审慎政策对银行风险承担的抑制作用。三是金融周期对宏观审慎政策作用有较强的影响，宏观审慎政策对银行风险承担的影响是非对称的，金融高涨期间宏观审慎政策对银行风险承担的抑制作用更强且更为显著。

从银行风险承担的角度来探索健全我国宏观审慎政策框架，具有十分重要的意义。党的十九大报告中明确提出要“健全货币政策和宏观审慎政策双支柱调控框架”，第五次全国金融工作会强调要“加强宏观审慎管理制度建设”，建立健全宏观审慎政策框架势在必行。从总体上看，我国宏观审慎管理工作在部分领域已取得积极进展，如已具有明确的政策目标、进行准确的宏观审慎评估（MPA）、初步建立了科学的治理机制，但仍处于起步阶段，尤其在有效实施路径上需要进一步摸索。区分金融周期上行时期与下行时期的宏观审慎政策选择，可以引导银行积极改善其风险承担行为，以便更直接、更有针对性作用于金融机构本身。反过来，在宏观审慎政策实施过程中，银行风险承担的顺周期波动会逐步减少，不仅有利于将来我国在不同金融周期精准选择合理的宏观审慎政策管理工具，而且有利于在实践中探索出相关政策的有效实施路径，以重点领域宏观审慎管理为切入点，促进传导，强化效果。