结构性货币政策对系统性金融风险的动态影响研究

赵巍 刘雨琪

摘 要：近年来，有效防范化解金融风险牢牢守住不发生系统性金融风险底线成为我国金融工作的关键。现有文献充分探讨了传统货币政策对金融风险的影响，但研究的视角大多局限于对银行风险承担的影响，而对系统性金融风险的研究还不够深入。基于此，本文对现有的文献成果和理论基础进行了梳理，最终选用TVP-VAR模型检验结构型货币政策对系统性金融风险的动态冲击。研究表明：结构性货币政策工具对系统性金融风险造成了一定程度的冲击，但不同工具的影响特征各异。因此，本文结合研究结果对中央银行合理运用结构性货币政策工具提供相关建议，以供参考。

关键词：结构性货币政策；系统性金融风险；主成分分析法；TVP-VAR模型；金融环境；金融风险

本文索引：赵巍，刘雨琪.<变量 2>[J].中国商论，2024（05）：-110.

中图分类号：F822 文献标识码：A 文章编号：2096-0298（2024）03（a）--05

1 引言

金融安全保障是国家安全的重要组成部分，全面打造安全高效的金融环境对保证经济的平稳运行有着重要作用。党的二十大报告提出，提高金融体系安全系数，守住不发生系统性金融风险底线，持续强化防控金融风险能力。由此，提高金融效率、完善貨币政策框架、防范化解金融风险等任务迫在眉睫。央行近年来出台了多项结构性货币政策。因此，中央银行在实施结构性货币政策的过程中，如何防范经济中潜在的系统性金融风险，对我国经济全面健康发展有着至关重要的意义。

目前，针对货币政策对金融风险的影响主要有以下几点结论。彭俞超和方意（2016）[1]通过研究四种结构性货币政策——再贷款利率、再贷款比例、存款准备金率和准备金存款利率，发现其对保障国内经济在面临外部冲击时的稳定运行具有重要作用。Nanda （2016）[2]指出央行在防范系统性金融风险方面所采取的风险传染规避方法和流动性管理政策，仍需要进一步研究其有效性。Andriushin和Burlachkov（2008）[3]通过分析货币政策和金融危机之间的关系，得出结论货币当局应不断完善自身职能，采取丰富多样的新型货币政策工具，使其完整的与实体经济紧密联系起来，从而稳定金融市场。郭娜和祁帆等（2020）[4]使用SV-TVP-VAR模型实证研究了国内外货币政策对系统性金融风险的影响，实验结果证明，货币政策对系统性金融风险有显著的影响作用，尤其是数量型货币政策有着更加直接的作用效果。王妍和王继红（2021）[5]研究表明，结构性货币政策在实现政策目标的过程中往往会间接引起系统性金融风险的提高。

2 传导机制与研究假设

2.1 结构性货币政策的风险传导机制

金融危机发生后，货币政策和金融风险的关系引起了国内外学者的广泛关注。本文通过学习和参考现有结论，整理得出结构性货币政策的系统性金融风险传导机制主要包含以下四个方面：

（1）“信号公告—市场预期”。当中央银行在对市场进行信号传导时，不能及时提供正确的信息并做出正确的政策，就会造成市场主体的盲目性，加大决策的风险和市场的波动性，造成整个金融市场的总体风险上升。

（2）“银行信贷—定向支持”。央行将为满足要求的民营小微企业和重点领域创造流动性，引导银行信贷资金精准投放。然而，引导商业银行信贷资金流向高风险、低收益的领域不仅违背了商业银行的经营原则，还会在影响银行利润的同时增加发生信贷危机的可能性，增加金融市场的系统性风险。

（3）“利率水平—成本效益”。中央银行利用价格工具，通过对特定行业的利率进行调整，从而达到降低融资成本的目的。然而，短期利率调整会干扰投资者决策，从而导致金融风险集聚增加，进而加大了金融市场陷入系统性风险的可能性。

（4）“风险缓释—风险承担”。中央银行在某些领域进行倾斜性资金支持操作时，通过处置定向不良资产和采用定向债转股等方式，将这些“短板”领域内的过量风险转移至资管公司等金融机构。然而，在金融机构之间，风险的传递极易形成“加速器”，从而提高了系统风险在实体经济和金融体系中的蔓延速度。

2.2 研究假设

依据上述传导机制，本文认为结构性货币政策会对系统性金融风险产生影响，其作用效果既有正面也有负面，其作用方向由正面效应与负面效应的强度决定。基于此，本文提出以下假设：

假设H1：结构性货币政策工具在具体实施过程中均会对系统性金融风险造成冲击，最终的作用方向和强度取决于正向和负向冲击的强度。

3 指数构建与模型选择

3.1 系统性金融风险指数构建

本文以我国经济和金融现状为依据，从宏观经济、金融机构、资本市场和外部冲击四个维度，选择16个指标来构建衡量我国金融压力综合指标（FSI）。为了避免指标构建时，三级指标间存在多重共线性，本文采用主成分分析法对指标进行筛选，进而计算出我国的金融压力综合指数（FSI），具体指标如表1所示。

3.2 数据处理与指数构建

（1）数据处理：本文使用Wind数据库统计出原始数据，采取频率转换的方式，将所有数据统一变频为月度数据。同时，为了将各个指标的风险冲击方向进行统一，同时排除这些变量由于量纲差别所造成的影响，本文将四个维度子指标变量进行了同向标准化，且处理后的数据全部位于[-1，1]区间内。

（2）正向化处理：本文采用min-max方法对逆向指标进行正向化，具体转换公式如下：

在此基础上，本文使用Stata16运用主成分分析法对各级子指标进行赋权，将最终的金融稳定综合指数作为系统性金融风险的代理变量。

为了验证上述选取的指标是否具备使用主成分分析法（PCA）进行指数合成的条件，本文使用KMO和Bartlett检验对指标间的相关性程度进行分析，如表2所示：KMO= 0.665>0.6，Bartlett检验对应的p值=0.000<0.05，均证明该指标体系适用于主成分分析法。

如表3所示，通过PCA分析，本文从16个三级指标中提取到五个特征值大于1的有效主成分，这五个主成分指标的方差累计率为 78.77%，有较好的效果。

根据PCA分析得出的各主成分的方差解释率，将相关指标带入式（2）中，可计算得出金融壓力指数（FSI）作为系统性金融风险指数（SFR）的代理变量，具体测算结果如图1所示：

其中，FSI为系统性金融风险的代理变量——系统性金融风险指数（SFR），i表示各个指标变量，ωi表示各变量所对应的方差解释率，Xi表示各主成分变量的值，μ表示五个主成分的累计方差解释率。

3.3 TVP-VAR模型选择

现有经济理论与研究结果均表明，采用非时变模型分析我国货币政策并不稳健。因此，本文参照Nakajima等（2011）[10]设定TVP-VAR模型，该模型基于随机游走将内置参数设定为随时间变化的动态参数，从而能够将变量的时变特征捕获出来，进而分析对系统性金融风险的动态冲击。

4 变量数据检验

4.1 变量选取与描述

本文将测算的系统性金融风险指数（SFR），作为实证研究的被解释变量。另外，基于数据的可得性，结构性货币政策变量选取MLF、SLF、PSL三种工具的当月余额，以及通过中小型金融机构存款准备金率计算出的定向降准当月值，共四种工具作为研究对象。最后，考虑四种类型结构性货币政策工具的起始时间，本文使用数据时段为2016年1月至2022年9月（见表4）。

4.2 平稳性检验

TVP-VAR模型需要的变量数据是平稳的，因此，需要对模型进行平稳性检验，以避免变量数据是非平稳的，造成“伪回归”的后果。本文将各变量进行一阶差分处理，并使用Stata16对差分后的变量进行ADF检验，查看是否具备平稳性。

检验结果如表5所示，各变量的p值均小于1%临界点，证明均为平稳变量，符合本文的现实经济意义，因此使用以上变量构建TVP-VAR模型。

4.3 最优滞后期检验

构建TVP-VAR模型需要选择最优滞后阶数来反映所构模型的动态特征，从而解释各种政策工具对研究变量的动态冲击影响。本文通过Stata16运用Varsoc命令对各变量进行最优滞后阶数检验，检验结果如表6所示，综合考虑各项检验原则，最终确定滞后2阶为该模型的最优滞后阶数。

5 实证分析

5.1 模型参数估计结果

根据上文检验确定滞后阶数为2是该模型的最优滞后阶数，并参照Nakajima等（2011）[10]的方法设置参数，即从新分布中抽样的结果，更近似于样本形成的分布。本文使用Oxmetrics6运用MCMC算法迭代10000次。参数估计结果如表7所示，Geweke统计量均落在95%置信区间内，仅有最大项无效因子值大于100约为142，这表明本文使用TVP-VAR模型对所选变量进行MCMC模拟取得了良好的估计结果。

5.2 不同滞后期的时变脉冲响应分析

为研究不同时间约束下多种结构性货币政策工具对系统性金融风险的差异化影响，本文分别选择滞后一期、滞后三期和滞后六期为代表，用于分析四种结构性货币政策工具对中国系统性金融风险影响的时变冲击效应，得到的时变脉冲响应结果如图2所示。

（1）中期借贷便利（MLF）对我国系统性金融风险的时变脉冲响应。MLF对系统性金融风险的短期冲击在不同年份均稳定的表现为正向冲击，一定程度上提高了系统性金融风险。从中期来看，MLF对系统性金融风险产生了负向冲击，有着明显的抑制作用，反观MLF的长期冲击相较短期冲击表现得更加稳定收敛，振荡保持在0值附近，说明MLF从长期来看并不会对我国系统性金融风险造成较大影响。

（2）常备借贷便利（SLF）对我国系统性金融风险的时变脉冲响应。从短期来看，SLF对我国系统性金融风险有显著、弱效应的正向冲击效果，且在不同时期表现平稳，而在中期这种正向的冲击强度提高，反观长期，SLF操作对系统性金融风险的冲击方向由正转负，起到了良好的抑制效果。

（3）抵押补充贷款（PSL）对我国系统性金融风险的时变脉冲响应。从短期来看，PSL对我国系统性金融风险有低强度的正向冲击效果，且在不同时期表现平稳，而在中期这种正向的冲击强度提高，反观长期，PSL操作对系统性金融风险呈现一种随年份不断攀升的正向冲击，加剧了整个经济环境的不稳定性。

（4）定向降准（TRC）工具对我国系统性金融风险的时变脉冲响应。从短期来看，定向降准操作对系统性金融风险的冲击效果显著为负且在不同时期表现稳定，随着作用期限的推移，在中长期呈现出随年份逐渐收敛的正向冲击。这表明，定向降准能在实施初期起到稳定金融系统的效果。

6 政策建议

结构性货币政策出台以来，在服务实体经济、助力“三农”事业及中小微企业发展、治理我国经济结构失衡等诸多方面取得了明显成效，但仍存在着许多有待整治的短板问题。因此，本文结合研究结果，提出以下几点建议：

（1）持续优化结构性货币政策手段。不同类型的结构性货币政策工具会通过不同中介或机制发挥特定作用，适用于不同的具体目标。我国央行在具体操作过程中，要根据相机抉择针对性调整，及时反馈情况进行评估并灵活调整。此外，根据实验结果可知，不同货币工具的风险传递在时效性上表现为不同的特点，因此在搭配使用结构性货币政策工具的过程中应注意风险调控，使工具间的风险冲击错配，防止出现聚集性风险积压的情况。

（2）更加精准地运用结构性货币政策工具，加强对商业银行的激励。价格型结构型货币政策工具可以鼓励小微企业和涉农信贷的增长，但其对普通信贷的影响更大。商业银行在衡量收益和风险之后，仍然会把新增加的基础货币投放到其他方面。所以，央行应该对其进行深入的研究和论证，采取更有针对性的结构性货币政策工具，或是建立对商业银行的市场激励制度，通过内生力自动调控商业银行的信贷行为。

参考文献

彭俞超，方意.结构性货币政策、产业结构升级与经济稳定[J].经济研究，2016，51（7）：29-42+86.

Nanda， Ramana， and M. Rhodes-Kropf. Financing Risk and Innovation[J]. Harvard Business School 2014（4）：63.

S. Andriushin，V. Burlachkov. Monetary Policy and the Global Financial Crisis[J]. Problems of Economic Transition，2008：51.

郭娜，祁帆，李金胜.中国系统性金融风险度量与货币政策影响机制分析[J].金融论坛，2020，25（4）：49-60.

王妍，王继红.结构性货币政策、同业业务与系统性金融风险[J].金融经济学研究，2021，36（4）：16-30.

唐文进，黄玲.结构性货币政策的银行风险承担渠道： 一个银行竞争视角的考察[J].江汉论坛，2021（8）：48-58.

周友良.结构性貨币政策对商业银行金融风险承担的影响研究[J].西南金融，2021（2）：13-24.

刘冲，庞元晨，刘莉亚.结构性货币政策、金融监管与利率传导效率： 来自中国债券市场的证据[J].经济研究，2022，57（1）： 122-136.

Norberto Montani Martins，Camila Cabral Pires-Alves，André de Melo Modenesi，Karla Vanessa Batista da Silva Leite. The transmission mechanism of monetary policy： Microeconomic aspects of macroeconomic issues[J]. Journal of Post Keynesian Economics，2017：40.

Nakajima， Jouchi ，  M. Kasuya ， and  T. Watanabe. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy[J]. Journal of the Japanese and International Economies ，2011（25）：35.

Bean， Charles， and R. Asset Prices， Financial Instability， and Monetary Policy[J]. American Economic Review ，2004：94.