基于银行风险承担视角的宏观审慎政策和货币政策协同研究※

张辉 葛扬

内容提要：基于2009-2021年中国88家商业银行的平衡面板数据,通过固定效应估计和系统广义矩估计(GMM)方法,实证分析宏观审慎政策和货币政策对于银行风险承担的协同效应。研究发现,“双支柱”政策在银行风险承担方面能够产生较好的协同作用,加强宏观审慎管理整体能削弱宽松货币政策带来的银行风险承担上升;不同类型的宏观审慎工具与货币政策配合的有效性不同,银行流动性宏观审慎工具与货币政策对银行风险承担的协同作用更为显著;“双支柱”政策的协同效应因经济周期存在非对称性,经济下行期的协同效应要强于经济上行期;政策协同效应存在银行异质性,对于全国性银行“双支柱”政策协同作用不显著,而对于地方性银行则显著影响其风险承担意愿和水平。

一、引 言

硅谷银行破产事件再次引发各界对于宽松货币政策引起银行风险承担上升的关注。在美联储长期宽松的货币政策下,以硅谷银行为代表的一些中小银行逐渐形成了资产端和负债端明显的期限错配:在负债端,以科创企业活期存款为主;而在资产端,大部分配置在美国国债、抵押支持债券(MBS)等长期证券投资上。随着2022年以来美联储持续加息、缩表,美国货币政策快速转向,导致资产价格大幅下跌,企业提现需求激增,硅谷银行不得不抛售债券资产以满足客户需求,进而加剧了挤兑和市场恐慌情绪,最终导致该银行破产。

其实早在2008年金融危机之后,Borio和Zhu(2008)就敏锐地察觉到银行并非风险中性的,货币政策变化会引起银行风险感知和容忍度的变化,进而影响银行决策行为,从而对货币政策的实施效果产生影响,并最终影响到总产出和金融稳定。这一过程强调,银行风险承担是银行理性或者非理性地主动承担风险,货币政策变动通过影响银行承担风险的意愿,进而引起其风险承担行为和水平的变化,最终影响经济主体的融资。具体可以表示为“货币政策——资产价格和银行利润——风险承担意愿——风险承担行为——流动性创造”。基于此,两人提出了“货币政策银行风险承担渠道”(bank risk-taking channel)这一理论。此后,Altunbas等(2010)、Bonfim和Soares(2018)等学者分别从银行信贷审批标准、资产组合、风险控制等角度,验证了长期宽松的货币政策会引发银行风险承担的上升。Sarkar等(2019)、Vuong等(2023)分别运用印度、越南的数据证实了在这些新兴市场国家同样存在银行风险承担渠道。Dhital等(2023)考察了美联储三轮量化宽松政策下银行风险承担行为,发现量化宽松政策总体上导致了银行贷款规模增加和风险较高贷款占比的上升。在国内,江曙霞和陈玉婵(2012)、邓向荣和张嘉明(2018)、李双建和田国强(2020)、张嘉明(2022)等学者,通过构建D-L-M或DSGE模型等方式,验证了中国货币政策银行风险承担渠道的存在性,并进而分析了市场竞争、存款保险、银行自身特性等对其影响。马勇和王莹曼(2022)考察了货币政策及其稳定性对银行风险承担的影响,认为政策利率降低和货币政策波动性增加都会导致银行风险承担上升。张旭等(2022)认为货币政策对银行风险承担有正向的“利润效应”和负向的“杠杆效应”等两种相反效用,在中国“杠杆效应”大于 “利润效应”,因此宽松货币政策将推高银行风险承担水平。

同样在金融危机后,以防范系统性风险、维护金融稳定为目标的宏观审慎政策受到更多重视。金融危机让学者们认识到,金融机构个体的稳定不代表整体系统稳定,金融体系存在着“合成谬误”,应更加关注系统性风险,由此提出了宏观审慎政策框架。中国是较早开展宏观审慎政策研究和实践的国家之一:2010年中共十七届五中全会首次提出宏观审慎管理的概念;2011年央行引入差别准备金动态调整工具,与货币政策协调配合,共同维护价格稳定和金融稳定;2016年起,将差别准备金动态调整升级为宏观审慎评估(MPA);2017年中共十九大指出要“健全货币政策与宏观审慎政策双支柱调控框架”;2022年中共二十大报告进一步强调“深化金融体制改革,建设现代中央银行制度,加强和完善现代金融监管”,金融宏观政策协同的思路和路径进一步清晰。

对于宏观审慎政策能否影响银行风险承担,现有文献做了大量研究。一类是探究宏观审慎政策工具对于银行风险承担的直接影响。顾海峰和马聪(2020)、沈沛龙和王晓婷(2015)等运用固定效应和系统广义矩(GMM)估计方法,实证分析认为提升资本充足率、存款准备金率、杠杆率和贷款损失准备能够降低银行风险承担。Dias(2021)以135个国家1800多家银行为样本,研究发现资本监管与银行风险承担呈倒U型关系,随着资本比率的提高,银行承担的风险会先下降再上升。高嘉璘和王雪标(2022)、赵江山等(2023)通过准自然实验方法,研究发现2016年中国宏观审慎评估体系的设立有效降低了商业银行的风险承担,绿色信贷纳入宏观审慎评估体系后,也同样显著降低了商业银行的风险承担水平。另一类是研究宏观审慎政策对银行风险承担渠道的影响。黄继承等(2020)选取中国73家银行2009-2018年的面板数据通过OLS回归和固定效应估计方法,分析认为宏观审慎政策能够减弱货币政策的银行风险承担传导渠道效果,有效抑制银行在宽松货币政策下的过度风险承担。马勇和姚弛(2021)通过构建宏观审慎政策指数,认为严格的宏观审慎监管可以降低银行风险承担的资本水平门槛值,抑制其在宽松货币政策下的风险承担水平。张铭等(2022)以法定存款准备金率、住房抵押贷款价值比上限作为宏观审慎政策代理变量,研究认为,在货币政策和宏观审慎政策协同作用下,“双支柱”政策对银行风险承担行为的影响效应将得到提升。Jiang和Yuan(2022)关注资本监管对货币政策银行风险承担渠道的影响,研究发现,在中国资本充足的银行比资本不足的银行承担的风险更小。

综上可见,货币政策的银行风险承担渠道得到了广泛的实证研究支持,“双支柱”框架下宏观审慎政策对银行风险承担的影响也有一定的研究进展。但现有研究还主要存在以下两点不足。一是大多数文献采用单一的政策工具作为宏观审慎政策代理变量。其中有些采用的是微观监管指标,比如,资本充足率、杠杆率等,“宏观审慎政策会运用一些与微观审慎监管类似的工具”,但“主要是在既有微观审慎监管要求之上提出附加要求”(中国人民银行《宏观审慎政策指引(试行)》,2021),因此仅采用微观监管指标作为宏观审慎政策代理变量,其可靠性值得商榷;还有些采用的仅是宏观审慎管理某一方面具体工具,比如,宏观审慎评估、贷款价值比上限等,用单个工具作为代理变量可能无法全面反映宏观审慎政策的影响。二是部分文献参照Cerutti等(2015)设计了中国宏观审慎政策总指数作为解释变量,但根据IMF宏观审慎政策调查以及数据库(iMaPP),宏观审慎政策范畴较广,包含针对银行机构、非银机构、住户部门、企业以及系统重要性机构等多个领域的政策工具,因此单一的总指数无法体现各类别政策工具的影响效应。基于此,本文以银行风险承担为研究视角,通过构建宏观审慎政策总指数和两个分指数,借助2009-2021年88家商业银行平衡面板数据,实证分析了“双支柱”框架下宏观审慎政策与货币政策对银行风险承担的协同问题。本文可能的创新在于:一是以IMF宏观审慎政策调查数据为基础构建中国宏观审慎政策总指数,同时针对使用较多的住户部门类工具和银行流动性工具,构建两个分类指数;二是构建总指数时,重点考察政策工具的生效和失效情况,以此反映政策框架的完善程度和政策工具箱的丰富程度,而构建分类指数时,重点考察政策工具的加强和放松,以此体现分类政策实施强度的变化;三是建立静态面板模型和动态面板模型,分析不同类型的宏观审慎政策工具与货币政策的协同效应是否具有差异性;四是探究在不同经济阶段、不同类别商业银行之间,“双支柱”政策对银行风险承担的协同效应是否具有差异性。研究以上问题,对于完善宏观审慎政策工具箱、“双支柱”政策协同发力具有一定的边际贡献。本文其余部分安排如下:第二部分为理论分析和研究假设,第三部分为研究设计,第四部分为实证分析,第五部分为结论和政策建议。

二、理论分析和研究假设

现有文献认为,宽松货币政策引起银行风险承担上升主要通过三个机制实现。一是估值、收入和现金流效应。低利率环境有利于促进企业发展,此时企业收入和利润提高、现金流增加,同时资产和抵押品价值上升,这一情形进而降低了银行对企业违约概率、损失量的预期,导致其风险感知度的下降和风险容忍度的上升(Adrian和Shin,2010)。二是逐利效应。当政策利率下降时,银行原有的资产组合收益率下降,而其负债端通常面临固定的融资成本,受收益目标粘性影响,银行为达到预期收益,会提高风险资产配比,从而增加自身的风险承担(Rajan,2005)。三是央行沟通效应。货币政策的透明度和可预测性有助于降低不确定性,稳定市场预期,收窄资产价格波动幅度。然而,如果市场主体预期央行未来将维持扩张性货币政策,则可能会进一步加大风险投资力度,银行也会相应增加风险头寸(Borio和Zhu,2008)。此外,如果银行预期央行在金融危机中会出手救市、提供流动性,则会产生道德风险,提高其风险承担程度。上述三个机制实际上是货币政策影响了银行预期(本文对应将其归纳为借款人偿付预期、收益预期和政策预期),进而影响了其风险承担意愿和水平,因此,宽松货币政策在刺激经济复苏时会提升银行风险承担意愿,加重其顺周期和风险承担行为,从而对金融稳定造成溢出影响,呈现出“负外部性”(任仙玲和王萌丹,2023)。

宏观审慎政策的目标是防范系统性金融风险,尤其是防止风险顺周期累积以及跨机构、跨行业、跨市场和跨境传染。按照对政策实施对象约束力大小,宏观审慎政策工具可分为引导类工具和强约束力工具(中国人民银行《宏观审慎政策指引(试行)》,2021)。一方面,宏观审慎政策部门可通过研究报告、信息发布、风险提示等引导类工具,提出对金融风险状况的看法和防范建议,调整市场参与者的预期与决策,降低其风险承担意愿(邵梦竹,2019)。另一方面,通过强约束力工具,限制银行加杠杆以及货币、期限错配等行为,抑制金融体系顺周期波动,并推动银行“以丰补歉”,增强抵御冲击能力,从而有利于货币政策的实施和传导。基于此,本文提出假设:

H1:宏观审慎政策有助于削弱宽松货币政策对银行风险承担的影响,降低银行风险承担水平。

宏观审慎政策是一个包括宏观审慎管理目标、评估、工具、传导机制与治理架构等一系列组合的总称(李斌和吴恒宇,2019)。目前,各国在实践探索中,提出了一系列较为丰富的宏观审慎政策工具,IMF宏观审慎政策调查问卷中包含了8个方面41个分类81个具体子项政策实施情况,其中既包含从金融供给角度针对银行机构和非银行机构的工具,也有从需求端针对住户部门和企业部门的工具。由于每一类别宏观审慎政策工具有其特定的作用范围,因此不同种类政策工具对银行风险承担的影响可能会有所差异。邵梦竹(2019)通过对2000-2013年53个国家主要银行的资产负债表数据实证分析也发现,缓冲型工具和资产负债工具能够显著降低银行的风险承担,而借款人工具的政策效果则不明显。基于此,本文提出假设:

H2:在抑制银行风险承担方面,不同类别宏观审慎政策工具与货币政策的协同效应有所差异,针对银行机构的宏观审慎工具与货币政策的协同效应更为显著。

已有文献表明,货币政策和宏观审慎政策的有效性在经济周期不同阶段存在非对称性。在经济上行时期,市场主体资产负债表改善,对未来预期较为乐观,银行发放贷款和参与高风险业务的意愿上升,此时紧缩的货币政策对银行风险承担的抑制效应会受到一定程度的削弱(马勇和王莹曼,2022)。同时,受乐观预期影响,宏观审慎政策制定者难以及时采取逆周期操作抑制泡沫化增长的风险(宋科等,2019)。而在经济下行时期,银行信贷投放较为谨慎,实施宽松的货币政策有助于促进银行加大信贷投放、提升风险承担。同时,银行对宏观审慎政策的敏感性增强,更容易受到监管政策的影响,此时加强宏观审慎管理,能够更好地抑制宽松货币政策引发的银行过度风险承担。基于此,本文提出假设:

H3:宏观审慎政策和货币政策对银行风险承担的协同效应在经济周期不同阶段存在非对称性,经济下行期“双支柱”政策的协同效应要强于经济上行期。

中国商业银行数量众多且质效差异较大,银行机构经营质效不同,资产负债结构以及风险管理能力也大相径庭,“双支柱”政策对银行风险承担的影响在不同类型的商业银行之间可能存在异质性。现有大部分文献验证了这一观点。黄继承等(2020)研究发现,在以降息为代表的宽松货币政策下,城市和农村商业银行相比于国有和股份制商业银行,具有更强烈的增加风险资产的动机,而宏观审慎管理抑制银行由于降息带来的过度风险承担的作用,在城市和农村商业银行中也表现得更为有效。佟孟华等(2022)研究认为,对于非国有大型商业银行,“双支柱”调控框架表现出了显著的风险抑制效果,而在国有大型商业银行中表现则不显著。同时,也有学者得出不一样的结论。张旭等(2022)发现,对于全国银行和本地银行两个子样本,杠杆率要求在货币政策对银行风险承担的影响中,不存在显著性差异。考虑到大部分文献偏向于认可存在银行异质性的结论,本文提出假设:

H4:“双支柱”政策的风险承担协同效应受银行异质性影响,政策协同效应对于地方性银行更为明显。

三、研究设计

1. 变量选取

(1) 银行风险承担(RISK)。根据现有研究,银行风险承担指标的代理变量有预期违约率、Z值、不良贷款率、风险加权资产占比。预期违约率是银行发放的贷款在一定时期内未能偿还的概率,它取决于资产价值、资产风险以及债务水平三个因素,侧重于衡量预期风险,但中国缺少长期贷款违约数据积累,难以构建符合实际的预期违约函数。Z值是银行资产收益率与资产比值之和除以资产收益率的标准差,主要衡量银行破产概率,与风险承担水平存在一定差异。因此,本文参照邵梦竹(2019)等的做法选取不良贷款率(NPL)作为银行风险承担的代理变量,在稳健性检验中以银行风险资产占比(RWA)作为替换指标进行检验。考虑到数据可得性,本文参照已有文献,通过风险加权计算得到指标值,也即风险加权资产=同业往来×20%+贷款×100%+固定资产×100%。

(2) 货币政策(MPT)。数量型货币政策的代理变量主要有货币供应量、社会融资总量、法定存款准备金率等,价格型货币政策代理变量主要包括LPR、存贷款基准利率、贷款加权利率、存款加权利率以及同业拆借利率等。考虑到中国正处在利率市场化改革时期,贷款基准利率已退出历史舞台,而LPR尚未有足够数据积累,因此参考李双建和田国强(2020)等的做法,本文分别选取法定存款准备金率(DRR)和3个月银行间同业拆借加权平均利率(IBO)作为数量型货币政策和价格型货币政策的代理变量,同时采用广义货币供应量(M2)的增速和7天银行间同业拆借加权平均利率(IBO7)替换开展稳健性检验。在数值处理方面,法定存款准备金率、银行间同业拆借加权平均利率按照当年实际时间加权平均计算对应的年度数据。

(3) 宏观审慎政策(MPP)。本文在引言部分已分析了单一政策工具作为宏观审慎政策代理变量的局限性。相比之下,IMF宏观审慎政策调查问卷中包含的宏观审慎政策工具类型更加丰富,以此构建政策指数更能反映宏观审慎政策实施情况。因此,本文参照郭田勇和贺雅兰(2019)、马勇和姚弛(2021)等的做法,基于IMF宏观审慎政策调查数据构建宏观审慎政策指数。与上述文献不同的是,本文在构建总指数的同时,还针对中国使用较多的住户部门类工具和银行流动性工具,构建两个分指数,以此研究不同类型宏观审慎政策工具与货币政策在银行风险承担方面协同效应的差异性。具体方法是:在总指数(MPI)方面,设定初始为0的宏观审慎政策虚拟变量,当IMF宏观审慎政策调查问卷的81个具体子项中某个子项的宏观审慎政策当期生效时+1,失效时-1,简单加总得到当期的MPI;在住户部门类工具(MPI_H)和银行流动性工具(MPI_L)两个分指数方面,同样设定初始为0的虚拟变量,所不同的是相关类别工具当期生效或者强化时+1,失效或者放松时-1,加总得到当期的两个分指数。以此构建的总指数(MPI)反映了样本期宏观审慎政策工具箱的丰富程度,也体现了宏观审慎政策框架的完善程度;两个分指数(MPI_H和MPI_L)体现了样本期两类政策工具的实施强度。

(4) “双支柱”协同效应(MPT×MPI)。本文参考黄继承等(2020)的研究,引入货币政策和宏观审慎政策的交互项,其含义是宏观审慎政策对货币政策银行风险承担渠道的影响,以此来测度 “双支柱”政策在银行风险承担方面的协同效应。

(5) 控制变量(CV)。为提升实证模型的分析能力,避免个别变量遗漏的影响,参照李双建和田国强(2020)、马勇和姚弛(2021)等的研究,本部分选取的控制变量包括银行特征变量、市场结构变量和宏观经济变量。其中,银行特征变量包括:银行规模(SIZE),采用银行总资产的自然对数表示;盈利能力(ROA),采用银行资产收益率来表示;杠杆率(LEV),采用资产总额与所有者权益总额的比值来表示;银行经营效率(CTI),采用银行成本收入比来表示,反映银行的自身盈利能力,该指标越高,表明效率越低;流动性(LTS),采用贷存比来表示;资本充足(CAR),采用银行资本充足率来表示。市场变量选取银行业市场结构(FS),具体为全国性银行资产总额占银行业金融机构资产总额的比重。经济变量选取地区生产总值的增长率(GDP),对于全国性银行(国有大型银行和股份制商业银行)选取全国GDP的增长率,地方性银行(城市和农村商业银行)根据其所属省份选取相应地区的GDP增长率。

表1 变量定义与说明

2. 模型设定

(1) 静态面板模型。本文首先参考邓向荣和张嘉明(2018)、佟孟华等(2022)的做法,构建如下基准模型:

RISKit=C+βMPTt+λMPPt+ηMPPt×MPTt+γCVit-1+μi+εit

(1)

其中,i和t分别代表银行个体和年份,RISK为银行风险承担变量,MPT为货币政策变量,MPP为宏观审慎政策变量,CV为控制变量,β为货币政策变量的回归系数,λ为宏观审慎政策变量的回归系数,η为货币政策与宏观审慎政策交叉项的回归系数,γ为控制变量回归系数,μi为个体效应,εit为随机扰动项。为缓解反向因果关系带来的内生性问题,本文参照周俊杰和易宪容(2019)的做法,对于银行微观特征变量采用滞后1期值。

(2) 动态面板模型。考虑到政策效应和风险承担的持续性,使用静态面板模型可能会存在偏差。因此,本文参考Alutunbas等(2017)、郭田勇和贺雅兰(2019)的做法,在静态面板模型的基础上,进一步构建动态面板模型,以此观察银行风险承担的延续性并更好地解决内生性问题。

RISKit=C+αRISKit-1+βMPTt+λMPPt+ηMPPt×MPTt+γCVit+μi+εit

(2)

其中,RISKit-1为滞后一期的银行风险承担变量,α为滞后1期被解释变量的回归系数,其余含义与模型1相同。

对于模型2本文拟采用系统广义矩估计(GMM) 进行动态回归,该方法适用于动态短面板数据,通过将内生变量的滞后项作为工具变量,能够较好解决动态模型中滞后因变量与误差项相关所引起的内生性,并能修正未观察到的异方差、遗漏变量偏差和测量误差。

本文重点关注交叉项系数和显著性。如果交叉项系数显著性较好,则说明“双支柱”政策在银行风险承担中能够发挥协同效应。此外,如果交叉项系数与货币政策符号相反,说明加强宏观审慎管理能够削弱货币政策对银行风险承担的影响;符号相同,则说明加强宏观审慎管理将增强货币政策对银行风险承担的影响。

3. 样本和数据来源

本文研究样本为2009-2021年中国88家商业银行年度平衡面板数据,其中,国有大型银行5家、股份制商业银行10家、城市商业银行55家、农村商业银行18家。不良贷款率、法定存款准备金率、银行间同业拆借加权平均利率、银行层面控制变量以及宏观层面控制变量数据来源于WIND数据库以及银行年度审计报告,样本筛选过程中剔除了数据不全的商业银行,并对银行层面的变量进行了上下 1%的缩尾处理,避免异常值对实证结果的干扰。宏观审慎政策相关变量根据IMF宏观审慎政策调查问卷数据梳理而得,最新调查数据截至2021年。数据处理与回归分析软件为stata16.0。各主要变量的描述性统计结果详见表2。

表2 主要变量指标的描述性统计结果

从银行风险承担指标看,不良贷款率标准差和均值之比达到0.51,相对较高,说明本文选取的银行机构覆盖面较广,具有较强的代表性;同样,风险加权资产占比指标也同样体现这一特征。货币政策指标中,法定存款准备金率标准差和均值之比为0.21,银行间同业拆借加权平均利率相关比值分别为0.24和0.26,表明样本期内央行在法定存款准备金率政策上相对稳健,而银行间同业拆借加权平均利率更能反映市场对于货币政策的感知情况,两者从政策和市场不同视角来反映中国货币政策的变化。宏观审慎政策总指数从14上升到43,说明样本期内中国宏观审慎政策工具箱总体趋于不断丰富,而银行流动性管理类和住户部门类工具指数波动相对较大,体现了样本期内两类宏观审慎工具的使用呈现一定的弹性。

四、实证结果及分析

1. 静态模型回归结果

本文对静态面板模型选择估计方法。首先进行F检验,确定固定效应模型优于混合效应模型;其次进行Hausman检验,比较了固定效应模型和随机效应模型,结果强烈拒绝了随机效应模型。因此,本文采用固定效应模型进行估计分析,为缓解潜在的异方差问题,本文在实证分析中采用异方差稳健标准误并在银行个体层面进行聚类。表3报告了两种货币政策代理变量和三种宏观审慎政策代理变量下的回归结果。

表3中列(1)列(2)、列(3)列(4)、列(5)列(6)分别给出了宏观审慎政策代理变量为宏观审慎政策总指数、银行流动性工具指数、住户部门工具指数下的回归结果。从回归结果可以看出:

一是列(1)至列(4)中货币政策代理变量系数均在1%的水平上显著为负,说明在中国无论是通过数量型货币政策工具还是价格型货币政策工具,实施宽松的货币政策均会引起银行风险承担的显著上升。宏观审慎政策代理变量系数也在1%的水平上显著为负,说明宏观审慎政策整体以及银行流动性宏观审慎工具,能够直接抑制银行的风险承担。

二是列(1)至列(4)中货币政策和宏观审慎政策交叉项系数均在5%的水平上显著为正,与货币政策代理变量系数相反,说明强化宏观审慎政策可以削弱货币政策对银行风险承担的影响,“双支柱”政策对银行风险承担能够发挥较好的协同影响。也即,当宽松货币政策引起银行风险承担上升时,加强宏观审慎管理和强化银行流动性宏观审慎工具使用,有助于削弱货币政策的风险外溢效应,这一结果验证了假设H1。

三是列(5)列(6)中主要解释变量符号与相应的列(1)列(3)、列(2)列(4)一致,但未达到统计显著性,说明住户部门宏观审慎工具在与货币政策配合使用时,对银行风险承担的影响不确定,这与邵梦竹(2019)的实证结果类似(该文主要研究不同类型宏观审慎工具对银行风险承担的直接影响)。可能的原因是,针对住户部门的宏观审慎工具主要包括贷款价值比、贷款收入比等,主要通过限制居民家庭的贷款能力和杠杆水平,从需求端防范系统性金融风险。但长期以来,对于中国银行机构而言,住户部门贷款尤其是其中占比较高的住房按揭贷款属于优质资产,是商业银行重点营销领域之一。加强住户部门宏观审慎政策要求将一定程度上抑制银行向居民家庭的贷款投放,但同时也可能会导致一些银行将信贷资源转而投向更高收益更高风险的领域。因此,住户部门宏观审慎工具对于银行风险承担行为的影响具有不确定性,与货币政策的协同效应也不显著。这一结果验证了假设H2,即不同类别的宏观审慎政策工具与货币政策作用于银行风险承担时,协调配合效果不同;宏观审慎政策整体或银行流动性宏观审慎工具与货币政策配合,能对银行风险承担产生较为显著的协同作用;住户部门宏观审慎工具虽然有助于抑制住户部门的宏观杠杆率,但与货币政策对于银行风险承担的协同效应不明显。

四是控制变量系数绝大多数在1%的水平下显著。资产收益率(ROA)、杠杆率(LEV)、成本收入比(CTI)、资本充足率(CAR)的系数显著为负,说明盈利能力越强、所有者权益占比越高、经营效率越高、资本越是充足的银行,风险承担越低;流动性(LTS)的系数显著为正,可能是贷存比过高将直接提升银行的流动性风险,不利于银行风险分散化(李双建和田国强,2020),同时贷存比高说明银行的经营理念较为激进,风险承担意愿更为强烈。地区生产总值(GDP)系数显著为负,说明经济发展较快的地区,资产质效越好,银行承担的风险水平也就越低。市场竞争程度(FS)系数总体为负,体现出市场竞争越是激烈,银行经营压力越大,风险承担的意愿就越强。而银行规模(SIZE)不显著,可能的原因是:一方面,银行规模越大,承担风险的能力越强,风险承担的潜在冲动也就越强;但另一方面,规模大的银行会受到更多和更严厉的监管要求,导致银行的经营策略更趋于稳健(李双建和田国强,2020);两相作用下,银行规模对于其风险承担意愿和行为的影响具有不确定性。

表3的回归结果也潜含着“双支柱”政策如何协调配合的问题。货币政策的目标是保持币值稳定,并以此促进经济增长;宏观审慎政策的目标是防范系统性金融风险,维护金融稳定。货币政策和宏观审慎政策虽然在目标上各有侧重,但并不彼此分割,而是交互影响、相互作用的(李斌和吴恒宇,2019):货币政策会对金融稳定产生“负外部性”,而宏观审慎政策也会影响货币政策实施效果。从表3中可以看出:第一,“双支柱”政策协调配合需要选择合适的政策工具,尤其是宏观审慎政策工具内涵丰富,在与货币政策配合时,需要考虑工具的适用性和有效性。第二,“双支柱”政策各自有不同的方向选择,在不同的条件下可以应时应势采用不同的政策组合。在经济正常波动的情况下,宏观审慎政策与货币政策逆向施策,比如,放宽的货币政策+收紧的宏观审慎政策,可以更好地实现经济增长和金融稳定的目标。而在极端情况下,同向施策也不失为一种可行的组合方案。比如,在经济萧条的情况下,实施宽松的货币政策和放宽宏观审慎要求,可以共同促进银行风险承担意愿和水平的提升,推动银行释放更多流动性,进而刺激经济复苏;在经济过热的情况下,紧缩的货币政策和强化宏观审慎要求可以更大力度约束银行风险承担行为,有助于应对通货膨胀和防范金融风险。当然,如果经济萧条时期,资金只在金融体系“空转”,造成资产泡沫或者杠杆扩张,则需要强化宏观审慎管理,防范系统性风险,同时促进资金流向实体经济;而同样,在经济过热时期,如果杠杆率已经很高,紧缩的货币政策有可能刺破泡沫,导致急剧去杠杆,此时放宽宏观审慎要求有助于缓释这一过程。因此,“双支柱”政策协调配合需要相机抉择,根据不同情形选择不同的政策组合,而无论采取何种政策组合,都必须考虑“度”的问题,防止政策过度导致经济或金融骤冷骤热。

2. 稳健性检验(1)限于篇幅,稳健性检验结果不再列示,备索。

(1) 使用动态面板模型进行稳健性检验。本文构建了动态面板模型,并采用两步法系统GMM方法进行估计,其中将银行特征变量作为内生变量。使用Arellano-Bond检验扰动项一阶序列和二阶序列相关性,其原假设H0为干扰项无自相关,当AR(2)的p值大于0.05时接受原假设;使用Sargan检验进行过度识别约束检验,其原假设H0为所有工具变量是有效的,当Sargan检验的p值大于0.05时接受原假设。回归结果显示,所有系统GMM估计均通过了Arellano-Bond检验和Sargan检验,表明模型设置合理有效。

(2) 分别替换被解释变量和解释变量进行稳健性检验。本文分别用加权风险资产占比(RWA)替换不良贷款率(NPL),用M2增长率和银行间市场7天同业拆借平均利率替换货币政策代理变量,对静态面板模型结果进行稳健性检验。需要说明的是,由于M2的上升代表货币政策宽松,与存款准备金、利率提升意义相反,为保持前后一致取其负数。

将两类检验结果和表3对照发现,主要解释变量系数符号与前文结果保持一致,显著性也较好,说明本文静态回归模型和结论是稳健可信的,假设H1和假设H2得到进一步验证。

3. 扩展性分析

(1) 区分不同经济环境的回归结果。在上述分析基础上,进一步探讨在经济上行和下行期,宏观审慎政策和货币政策对银行风险承担的协同效应是否具有差异性。本文参考马勇和姚弛(2017)的做法计算经济上行和下行期,即对GDP同比增速进行HP滤波处理,取得周期波动项,当周期波动项大于0时为经济上行期,小于0时为经济下行期,以此将全样本分为经济上行和经济下行两个子样本,基于模型1进行回归分析。为简化研究,拓展性分析中不再考虑显著性较弱的住户部门工具指数,结果如表4。

表4 区分不同经济环境的回归结果

表4中列(1)列(3)是经济上行期时的回归结果,列(2)列(4)对应经济下行期时的回归结果,宏观审慎政策变量分别为MPI和MPI_L。从货币政策、宏观审慎政策两者交互项系数的显著性水平可以看出,经济上行期子样本显著性水平整体相对较弱;从系数绝对值看,经济下行期子样本交互项系数也要大于经济上行期子样本。说明在经济下行期,宏观审慎政策与货币政策对银行风险承担的协同效应要强于经济上行期。为进一步验证系数差异在统计意义上的显著性,本文采用经验p值进行检验,经由Bootstrap法抽取100次计算得到的结果显示,不论宏观审慎政策代理变量为MPI还是MPI_L,交互项系数的经验p值均为0.00和0.00,均在1%的水平上显著,组间系数的估计值存在显著性差异,这一结果验证了假设H3,也即宏观审慎政策和货币政策对银行风险承担的协同效应在经济周期不同阶段存在非对称性,在经济下行期“双支柱”政策的协同效应强于经济上行期。

在理论分析部分,本文对产生这种非对称性效应的原因进行了探讨:经济上行期受增长“假象”的迷惑,加之内部普遍存在权责不对等问题,银行具有较强的加大信贷投放、增加高风险资产配置的冲动,容易产生各种规避行为,此时宏观审慎政策和货币政策需要做出更多的努力才能产生较好的协同效应;而在经济下行期,商业银行对宏观审慎政策的敏感性增强,出于应对监管政策和经济环境负面影响的考虑,在政策指引下更容易主动降低自身风险(宋科等,2019)。

为验证该结果的稳健性,本文继续分别用加权风险资产占比(RWA)作为银行风险承担的代理变量,用M2增长率和银行间市场7天同业拆借加权平均利率作为货币政策代理变量,开展检验,所得回归结果与表4基本保持一致。

(2) 区分不同类别银行机构的回归结果。为检验“双支柱”政策对银行风险承担协同效应在不同类别商业银行之间是否存在差异,本文将样本分为全国性银行(国有及股份制商业银行)、地区性银行(城市及农村商业银行)两个子样本进行分组分析,结果如表5所示。

表5 区分不同类别银行机构的回归结果

表5中列(1)列(3)是全国性银行子样本的回归结果,列(2)列(4)是地区性银行子样本的回归结果,宏观审慎政策政策变量分别为MPI和MPI_L。结果显示:在数量型货币政策工具下,无论宏观审慎政策代理变量为MPI还是MPI_L,对于全国性银行子样本而言,两者的交互项系数都不显著,而地方性银行子样本交互项系数分别为0.0046和0.0247,均在1%的水平上显著;在价格型货币政策工具下,全国性银行子样本交互项的系数大小和显著性整体弱于地区性银行子样本,经由Bootstrap法抽取100次计算检验系数差异的显著性,发现交互项系数的经验P值均在5%的水平上显著,分别为0.00和0.03,也即在价格型货币政策下,“双支柱”政策对地区性银行风险承担的影响同样更为显著。这一结果验证了假设H4。

“双支柱”政策对全国性银行风险承担的协同效应不显著,却显著影响地方性银行的风险承担,其原因可能是全国性银行受到更多更严的监管要求,在政策指导下经营更为稳健,相对而言也预留了更多的政策回旋空间,而地方性银行更多具有发展冲动,风险承担意愿更强、行为更为激进,导致政策对其影响效应更大。张晓慧(2017)也强调,一些中小金融机构由于过度加杠杆、索取利润,导致资产无度扩张,从而适应不了MPA约束要求。

为验证该结果的稳健性,本文继续分别用加权风险资产占比(RWA)作为银行风险承担的代理变量,用M2增长率和银行间市场7天同业拆借加权平均利率作为货币政策代理变量开展检验,所得回归结果与表5基本保持一致。总体而言,宏观审慎政策和货币政策对于地方性银行风险承担的协同作用更为显著,而对于全国性银行则不明显。

五、结论和政策建议

1. 结论

本文基于2009-2021年中国88家银行机构的平衡面板数据,构建静态面板和动态面板模型,并分别通过固定效应估计和系统GMM估计方法,实证研究了宏观审慎政策和货币政策对银行风险承担的协同效应。同时,探讨了不同经济环境下以及对于不同类别银行机构,该协同效应的差异性。

通过研究,得出以下结论:一是“双支柱”政策对于银行风险承担能够发挥较好的协同效应,当宽松货币政策引起银行风险承担上升时,宏观审慎政策整体能够削弱这种“负外部性”,降低银行风险承担。二是使用不同类型宏观审慎政策工具时,这种协同效应会有所差异,银行流动性宏观审慎工具与货币政策对于银行风险承担的协同效应更为显著,而住户部门宏观审慎工具与货币政策的协同效果不显著。三是“双支柱”政策对银行风险承担的协同效应在不同经济环境下存在非对称性,在经济下行期协同效果要强于经济上行期。四是上述协同效应受到银行异质性影响,对于全国性银行而言“双支柱”政策协同效应不显著,而对于地方性银行则显著影响其风险承担意愿和水平。五是“双支柱”政策有不同的政策组合方向,具体应根据经济条件和政策目标采用不同的组合方式,以此达到较优的协同效果。

2. 政策建议

基于上述研究结论,本文提出如下政策建议:一是健全“双支柱”政策框架。充分考虑货币政策和宏观审慎政策对于各自政策目标的相互影响,以更好地发挥货币政策和宏观审慎政策之间的协同效应。二是进一步丰富宏观审慎政策工具箱。不断完善政策工具箱,提升宏观审慎政策的针对性和有效性,尤其在企业部门、系统重要性金融机构等领域还需要不断探索完善,以期在不同领域较好实现宏观审慎政策与货币政策的协调配合。三是关注银行在不同经济时期的风险承担累积。尤其是经济上升期“双支柱”政策协调效应较弱的时候,更需注重风险承担的变化,提前做好预判,增强政策的前瞻性和有效性,防患于未然。四是充分考虑银行异质性的影响。在加强系统重要性银行宏观审慎管理的同时,关注中小银行的政策敏感性及其对政策传导可能带来的影响,“扶优限劣”,严格中小银行监管要求,拓宽中小银行资本补充渠道,提高优质中小银行的“造血”能力和抗风险能力。五是根据经济发展环境和政策目标,相机选择“双支柱”政策组合方面,注重把握政策实施力度,提升政策协同效果,促进经济发展和金融稳定双目标的实现。

3. 存在的不足和可能的扩展方向

本文研究还存在以下不足:一是与大多数现有文献一样,本文主要关注银行资产端风险承担变化,而硅谷银行破产案例说明,银行风险承担行为不一定表现在其资产组合结构上,也有可能是负债端和资产端的期限错配敞口的上升。二是未对银行风险承担的意愿、行为和水平进行深入比较分析。货币政策变化通过影响银行风险承担意愿,进而对其行为和风险承担水平产生影响,本文选用的银行风险承担代理变量主要体现银行风险承担水平(不良贷款率)和行为(风险资产加权占比),未对风险承担意愿以及三者可能存在的区别进行深入分析。三是未对结构性货币政策与宏观审慎政策的协同效应进行分析。结构性货币政策在中国使用越来越广泛,其兼具总量和结构的特征,从现实意义而言,宏观审慎政策与之协同效应也需进一步进行探讨分析。四是受制于数据积累不足和政策工具处于不断完善之中,本文对于企业部门、系统重要性机构等领域宏观审慎工具,与货币政策的协同效应未做进一步研究。基于此,可能的研究扩展方向在于:在银行风险承担中,进一步关注银行流动性风险承担变化情况,尤其是资产端和负债端期限错配带来的潜在流动性风险;考察“双支柱”政策对银行风险承担意愿、行为和水平的协同效应是否具有差异性;考察宏观审慎政策和结构性货币政策对于银行风险承担的协同效应;考察企业部门、系统重要性机构宏观审慎工具与货币政策对于银行风险承担的协同效应。