貨幣政策、流動性約束與銀行風險承擔

金融危機爆發之後，流動性約束被國際金融監管組織納入金融監管的框架，與資本約束成為銀行監管的雙重要求，也對貨幣政策的傳導機制產生了新的影響。本文通過引入流動性危機情況下的存款贖回函數，構建理論模型驗證了不同的流動性贖回假設下銀行風險承擔與貨幣政策的非線性關係，並基於2009年至2014年上市銀行的年度數據，採用面板門限回歸模型驗證了流動性約束對貨幣政策的銀行風險承擔渠道的門限效應。研究發現，在流動性約束下，貨幣政策對銀行風險承擔的影響存在門限效應，貨幣政策傳導的敏感性隨著銀行流動性風險的上升而提高。敬請閱讀。

貨幣政策目標的實現需要通過銀行等金融機構進行傳導，貨幣政策的有效性很大程度上取決於其傳導渠道的有效性。然而，銀行等金融機構的理性行為是在金融監管的約束下，以追求利潤最大化為目標的，這可能導致銀行在貨幣政策傳導中的行為與貨幣政策調控的初衷有所背離，從而導致貨幣政策效果減弱或失效，甚至還會導致金融體系的系統性風險，影響金融穩定。近年來，將金融穩定納入貨幣政策目標的討論也再次步入經濟學領域的主流。因此，在金融監管的約束下討論貨幣政策的有效性不僅對貨幣政策的制定具有較大的指導意義，同時也利於從金融監管與貨幣政策相協調的角度控制金融體系的系統性風險。

國際金融危機爆發后，各國監管當局和國際金融組織紛紛提出了一系列金融改革的規則，在資本約束之外，流動性約束首次被正式提出，並成為與資本約束平行的雙重監管體系。然而，目前從流動性約束的視角考察貨幣政策傳導有效性的文章還不多見。基於此，本文分別從理論分析和實證檢驗的角度驗證流動性約束下貨幣政策的銀行風險承擔渠道的有效性。本文的內容安排如下：第一部分為國內外文獻回顧，分析了貨幣政策的銀行風險承擔渠道理論及本源性實證研究探討。第二部分從金融理論的角度分析流動性約束對銀行風險承擔渠道的影響；第三部分建立了理論模型，從數理推導的角度討論在流動性約束下，貨幣政策與銀行風險承擔行為的關係；第四部分建立實證模型，首次運用門限面板模型捕捉流動性約束下貨幣政策對銀行風險承擔的門限效應；第五部分，對所得實證結果進行分析並得出結論；第六部分，對全文進行總結並給出相應的政策建議。

在市場經濟中，貨幣政策傳導渠道是指貨幣政策的變動影響實體經濟所通過的途徑。西方各經濟學派對於貨幣政策傳導渠道的爭論源自20世紀30年代。在凱恩斯宏觀經濟理論下，該爭論逐漸集中到貨幣渠道和信貸渠道上(Joseph E . Stiglitz and Andrew Weiss , 1981)。貨幣渠道認為，當貨幣供應量增加時，利率水平降低，人們所持貨幣的收益隨之減少。在這種情況下，人們會加大利益的搜尋，主要途徑是購買企業債券。此時企業意識到在利率水平降低時自身投資收益為正值，則會擴大債券的發行規模，投資水平也隨之增加。信貸渠道自20世紀80年代起受到普遍關注，一般認為有兩種作用路徑。一種是貨幣政策的變動會導致利率變化，直接影響企業的融資成本，從而決定投資規模的大小 (Bernank and Gertler, 1990)；另一種是由於中小企業過度依賴銀行信貸資金供應，此時貨幣政策的變動會對實體經濟造成直接衝擊。兩種傳統貨幣政策傳導渠道基於一個共同的假設，即銀行等金融中介是風險中立的。然而，Borio and Zhu (2008) 提出，由於信息不對稱和政府隱性保險制度，銀行表現出非風險中立性，此時貨幣政策的傳導存在銀行風險承擔渠道，具體描述為「銀行風險認知或風險容忍度對政策利率變化的影響，同時也影響著資產組合定價、價格與非價格條款擴展資金的風險」。關於貨幣政策的銀行風險承擔渠道，學者們主要從以下三個方面對其開展了研究：

一是銀行風險承擔渠道的識別與效應分析。銀行風險承擔渠道提出之後，學者們紛紛對各國貨幣政策是否存在銀行風險承擔渠道進行驗證，Altunbas et al. (2014) 將證券化業務及監管力度等要素考慮在內，引入宏觀經濟特徵變數和銀行微觀變數對信貸渠道進行控制，從而驗證了美國和歐元區銀行風險承擔渠道的存在性；Ramayandi et al. (2014) 採用四種不同度量銀行風險承擔的方法，分別驗證了亞洲主要經濟體中銀行風險承擔渠道的存在性。Bonfim and Soares (2014) 使用葡萄牙的銀行貸款數據，認為銀行的風險承擔與貨幣政策成負相關；Jiménez et al. (2014) 則使用西班牙的銀行貸款數據，通過模型分離出銀行信貸供給成分的變化，以識別銀行風險承擔渠道。國內學者張雪蘭和何德旭(2012)、張強等(2013)、劉曉欣和王飛(2013)以及金鵬輝和張翔(2014)分別通過系統GMM、差分GMM和SVAR模型，對貨幣政策的銀行風險承擔渠道進行了驗證。在此基礎上，學者們分別對影響銀行風險承擔渠道的因素進行了研究，部分學者認為銀行風險容忍度與委託-代理問題的嚴重程度呈正相關，即委託-代理問題越嚴重，越能激發銀行的風險承擔 (Freixas et al., 2009; Adrian and Shin, 2010;Acharya and Naqvi, 2012;Dell』 Ariccia et al., 2013)。部分學者認為銀行風險承擔程度與市場約束（許友傳，2009；譚中和粟芳，2011；）、銀行資本水平(宋琴和鄭振龍，2011；徐明東和陳學彬，2012；張敬思和曹國華，2016)、利率市場化水平(李仲林，2015；項后軍等，2016)相關。此外，還有部分學者對銀行風險承擔的異質性進行了檢驗。潘敏和張依茹(2012)發現股權結構不同的商業銀行對於宏觀經濟波動的敏感性存在差異；張中元(2014)指出銀行監管與經濟體監管的交互會導致銀行風險承擔的異質性；劉生福(2014)對系統重要性銀行與一般銀行加以區分，發現系統重要性銀行在面對貨幣政策變動時風險態度更為審慎。

二是資本約束下的銀行風險承擔分析。銀行的理性行為應是在監管約束的條件下追求利潤最大化，因此在僅有資本約束的時代，探討資本約束對銀行風險承擔渠道的扭曲是一個主要的研究方向。綜合已有國內外成果來看，大致存在兩種對立觀點：第一種觀點認為，資本約束會增強銀行風險承擔。在資本約束下，銀行會不斷調整其資產配置，並且隨著資本價格的提高銀行可能會選擇風險更高的業務 (Koehn and Santomero, 1980; Iwatsubo, 2007)。第二種觀點則正好相反，認為資本約束會減弱銀行風險承擔。Furlong and Keeley (1989) 指出在資本約束下，銀行將降低風險資產比例，風險承擔隨之減弱。國內學者宋琴和鄭振龍(2011)從反向入手，建立銀行資本水平與風險承擔的數理模型，發現在無資本監管的情況下，銀行的破產概率會提高。田嬌和王擎(2015)將資本充足率與核心資本充足率作為資本監管的代理變數，發現兩者對銀行風險承擔具有抑制作用。更進一步，近年來不少研究聚焦於資本約束對銀行風險承擔的非線性影響，江曙霞和陳玉嬋(2012)在Dell』 Ariccia (2010) 的模型中引入法定存款準備金，發現資本約束對於貨幣政策下的銀行風險承擔渠道具有門限效應。郭麗麗和李勇(2014)首先構建在法定存款準備金率和資本充足率雙重約束下的商業銀行利潤函數，隨後通過面板門限回歸模型檢驗資本約束與銀行風險承擔之間存在的門限效應。張敬思和曹國華(2016)參考宋琴和鄭振龍(2011)的模型，並加入資本約束條件，先通過數理推導得出資本水平對銀行風險承擔的非線性影響，再利用動態面板門限回歸模型進行了驗證。

三是流動性約束對銀行風險承擔的影響。近年來，流動性約束已經逐漸被提升至資本約束相同的地位，但是從流動性約束的角度分析銀行風險承擔的研究仍舊很少，僅Acharya and Naqvi (2012)提出若銀行流動性泛濫，銀行風險容忍度將提高，在寬鬆的貨幣政策下可能會帶來金融體系的風險隱患。李沂(2014)則認為貨幣政策的流動性傳導離不開流動性調整、銀行風險預期、資金使用成本和價格之間的交互。現有關於流動性約束和銀行風險承擔的研究大多沒有考察貨幣政策的風險承擔渠道，而僅僅分析了流動性約束和銀行風險的關係。但關於流動性約束對銀行風險承擔的影響仍存在爭議。一些學者認為，適當的流動性約束能提高銀行風險承擔的靈活性 (Povel and Raith, 2004; Fonseca et al., 2010)。Viral and Hassan (2012) 從委託-代理問題的角度出發，認為在信息不對稱的情況下，銀行的流動性水平與其風險承擔成正比。另一些學者認為，銀行流動性水平的提高可能會引起「流動性困境」 (Myers and Rajan, 1998)，即如果銀行流動性水平超過一定界限，則會對其風險承擔造成影響。賈麗平(2015)認為，流動性波動削弱了貨幣政策的靈活性，商業銀行應重視現金流的預測和分析以降低短、長期流動性風險。流動性波動帶來的顯、隱性風險會改變銀行的風險認知，即影響銀行的風險承擔。當前，國內尚沒有學者專註於流動性約束對貨幣政策風險承擔渠道的影響進行研究，本文將對這一問題進行拓展。

本文構建了貨幣政策傳導渠道作用機理如圖1所示。從政策工具來看，一方面，中央銀行根據貨幣政策目標選擇貨幣政策工具，對基礎貨幣和基準利率進行調整；另一方面，金融監管部門根據金融穩定等目標選擇金融監管工具，防範銀行體系的風險。但不論對於貨幣政策還是金融監管而言，其政策傳導都要通過金融機構和金融市場來實現。在以銀行主導的間接融資為主的金融體系下，銀行不僅是貨幣政策傳導渠道的主要載體，更是金融監管工具的實施對象，同時銀行又是以實現利潤最大化為理性目標的經營主體。因此，在金融監管的約束下，銀行在自身經營中如何進行風險承擔，將成為影響貨幣政策傳導有效性的重要因素，進而對貨幣政策最終目標實現的有效性產生影響。

貨幣政策的傳導與銀行風險承擔的交互過程遵循如下的路徑：當貨幣政策的中介目標發生改變后，一方面，市場通過宏觀流動性的變化釋放了更多的流動性，同時促使銀行調整流動性風險預期，進而改變銀行資產配置，對信貸供給產生影響；另一方面，市場通過引導利率變動，改變資金的使用成本和價格，同時對銀行信貸供給產生影響，而銀行信貸供給的變化也會進一步影響銀行的流動性風險承擔。基於交互過程后的信貸供給，將對國民經濟增長產生影響，從而實現貨幣政策的最終目標。

根據Borio and Zhu (2008、2012) 的觀點，銀行風險承擔渠道的作用機理主要有四個，即估值、收入和現金流效應、利益搜尋效應、央行溝通與反應函數效應以及習慣形成路徑。在此基礎上，我們將探討流動性約束下銀行風險承擔渠道的作用機理。

首先，流動性約束對估值、收入和現金流效應存在扭曲。銀行風險承擔渠道的估值、收入和現金流效應（Borio and Zhu, 2008）是指利率的降低提高了資產價格、抵押品價值，從而擴大了銀行收入，使得銀行風險感知能力降低或風險容忍度增加。然而，在流動性約束下，當利率降低時，當前資產價格的上升可能正是資產價格泡沫的累積期，對未來資產泡沫破滅的預期，即未來是否能滿足流動性約束的要求將直接影響銀行當前的風險容忍度；而當利率上升時，資產價格和抵押品價值可能會出現螺旋式下降，從而極大的降低了銀行的風險容忍度，這也是金融危機中金融市場的實際表現。

其次，流動性約束對利益搜尋效應將產生調整。銀行風險承擔渠道的利益搜尋效應 (Rajan, 2006) 是指寬鬆的貨幣政策降低了無風險資產收益率，即投資無風險資產的補償較低，以激勵銀行搜尋風險更高的資產。同時，銀行存貸款利差減小，使得銀行利潤率降低，進一步刺激銀行「利益搜尋」。這一現象可以歸因於短期低利率和目標收益率「粘性」之間的交互。在流動性約束下，高風險的資產往往伴隨著低流動性，這種「粘性」的強弱可能會發生轉變，影響銀行的風險認知和行為導向。例如，當銀行的流動性水平較低時，銀行可能在搜尋更高風險資產的過程中表現的有心無力。此外，銀行之間存在信息不對稱、低利率驅動的逆向選擇問題，也可能會在流動性約束的影響下進一步放大。

再次，流動性約束對央行溝通與反應函數效應的干擾。銀行風險承擔渠道的央行溝通與反應函數（Borio and Zhu, 2012）效應可以從兩方面說明：一是「透明度效應」，是指央行貨幣政策透明度的提升將減少市場的不確定性，壓縮風險溢價，進而釋放銀行的風險預算，增強風險承擔。二是「保險效應」，如果央行將採取寬鬆的貨幣政策來應對負面衝擊成為了一致性預期，那麼銀行風險承擔也會增強。對於上述兩種效應，流動性約束的存在都將成為影響銀行風險預算的重要因素，對該效應的實現形成干擾。

最後，流動性約束將強化習慣形成路徑（含一部分預期效應）。該機理源於資產定價模型在長期低利率時期預測高信用利差 (Longstaff and Schwartz, 1995; Dufresne et al., 2001; Altunbaş et al., 2010)，強調歷史習慣對於投資者（銀行）風險承擔的影響。Campell and Cochrane (1999)指出，在經濟擴張時期，若消費水平恢復到相對正常水平，投資者（銀行）會產生風險厭惡。因此，寬鬆的貨幣政策配合實體經濟的發展，可能會降低投資者（銀行）的風險厭惡。同理，當經濟經歷了長期的低風險、低利率環境，投資者（銀行）對未來的預期可能保持樂觀。然而，在低利率環境下宏觀流動性的充裕可能會進一步加劇投資者的過分樂觀，從而對該預期形成強化。

綜合上述，流動性約束的存在，對貨幣政策的風險承擔渠道產生了一定的影響。下文將分別從理論模型和實證分析的角度對該影響進行驗證。

Acharya et al. (2012)

rD

rD

D(rD)

D』(rD)>0

rL

L(rL)

L』(rL)<0

B(x,rD)

x

0，則存款流失的數量為B(x,rD) D(rD)

D(rD)- L(rL)

B(x,rD) D(rD)> D(rD)- L(rL)

rp

rp>rL>1

基於以上假設，銀行利潤由三個部分組成：銀行貸款的收益、銀行存款的利息支出、流動性缺口的成本。銀行將基於貨幣政策的變化，基於對存款流失率的預測，進行貸款定價從而實現利潤的最大化，即：

(1)存款流失率與貨幣政策正相關

貨幣政策緊縮時，存款流失嚴重，隨著存款利率的上升，銀行最優的貸款利率也隨即上升，貸款減少，緊縮貨幣有效。

貨幣政策寬鬆時，存款流失減少，隨著存款利率的下降，銀行最優的貸款利率也隨即下降，貸款增加，寬鬆貨幣有效。

(2)存款流失率與貨幣政策負相關

貨幣政策緊縮時，存款流失減少，存款增多，隨著存款利率的上升，銀行最優的貸款利率相反會下降，貸款也隨著存款的增多而增多，緊縮貨幣政策失效。

貨幣政策寬鬆時，存款流失增加，存款減少，隨著存款利率的下降，銀行最優的貸款利率相反會上升，貸款也隨著存款的減少而減少，寬鬆貨幣政策失效。

上述理論模型顯示，貨幣政策對銀行風險承擔的影響在流動性約束下呈現出非線性特徵，即不同的流動性水平可能對貨幣政策的銀行風險承擔渠道產生不同程度的影響。下文將構建實證模型對該影響進行分析。

（一）模型設計

從國內對資本約束下銀行風險承擔渠道進行研究的實證模型來看，動態面板模型最為常用，其中可分為系統GMM(張雪蘭和何德旭，2012；代軍勛和李俐璇，2016) 和差分GMM(徐明東和陳學彬，2012；沈沛龍和王曉婷，2015)；靜態面板模型集中在固定效應模型(方意等，2012；牛麗娟，2015)和隨機效應模型(韓博和霍強，2016；劉青雲，2017)的選擇上。此外，還有由VAR模型衍生出的各類子模型(金鵬輝等，2014；孫建雅等，2014)。近年來出現的面板門限回歸模型(江曙霞和陳玉嬋，2012；郭麗麗和李勇，2014；張敬思和曹國華，2016)為銀行風險承擔渠道帶來了全新研究視角。從模型功能來看，動、靜態面板模型和VAR模型及其衍生子模型大多研究銀行風險承擔渠道的存在性及其與貨幣政策的相關性問題，而難以進一步驗證非對稱效應與最優區間等問題。鑒於此，本文借鑒Hansen (1999) 提出的面板門限回歸模型(Panel Threshold Regression Model)的研究思路，試圖捕捉流動性約束對貨幣政策銀行風險承擔渠道的非線性影響。

面板門限回歸模型的關鍵在於對門限值的估計，Hansen (1999) 的做法是將門限變數的每個數值分別代入模型進行回歸，得到殘差平方和最小的即為門限值。我們將面板門限回歸模型應用於驗證流動性約束下貨幣政策的銀行風險承擔渠道的門限效應。鑒於此，本文的面板門限回歸模型可描述為：

其中LIQ為門限變數，反映銀行的流動性約束。λ為流動性約束的門限值，I（LIQ≤λ）表示當LIQ≤λ時，值為1；當LIQ>λ時，值為0。RISKit為被解釋變數，代表銀行風險承擔；Mit為核心解釋變數，代表貨幣政策代理變數；Xit為控制變數，代表影響銀行風險承擔的其他變數；εit為殘差項。

（二）變數設計

1.被解釋變數

從銀行風險承擔的本質來看，預期違約概率EPD應是首選指標，但考慮到EPD數據基本不可得，僅有牛曉健和裘翔(2013)通過手工計算得出。Z-score值僅反映銀行破產風險而非風險承擔(Agoraki et al., 2011)，貸款損失準備金是銀行預留以應對壞賬，但央行在危機來臨時出手救助可能性很大(王周偉和王衡，2014)，使得該指標不夠準確。不良貸款率(NPL)作為銀行風險承擔的代理變數時，資產負債表渠道會產生干擾，存在被動稀釋現象。鑒於此，本文選擇加權風險資產比率RRWA作為銀行風險承擔的主要代理變數，反映銀行對事前風險的主動風險承擔；不良貸款率NPL作為穩健性檢驗的輔助代理變數，反映銀行對事後風險的被動風險承擔。

2.核心解釋變數

為增強模型的可行性與解釋力，並考慮數據可得性，本文自行計算流動性比率LIQ來模擬銀行受到的流動性約束；參考江曙霞和陳玉嬋(2012)的研究，貨幣政策的代理變數選取法定存款準備金率RR、一年期貸款基準利率RATE。

3.控制變數

本文主要從宏觀經濟特徵和影子銀行發展角度選取控制變數。宏觀經濟特徵代理變數包括GDP年增長率GW和房地產投資年增長率House；同時考慮影子銀行的發展所帶來的影響，選取影子銀行規模Shadow作為代理變數。

（三）樣本與數據

基於數據可得性，本文數據來自20家上市銀行2009至2014年的年度平衡面板數據，共960個數據。其中樣本銀行為數據相對完整的上市銀行，包括工商銀行、銀行、建設銀行、交通銀行、中信銀行、華夏銀行、民生銀行、興業銀行、平安銀行、上海浦東發展銀行、浙商銀行、北京銀行、錦州銀行、上海銀行、江蘇銀行、南京銀行、寧波銀行、徽商銀行、重慶銀行和鄭州銀行。考慮到本文主要討論金融危機之後流動性約束加強后銀行體系的風險承擔，以及自2009年起影子銀行的發展所帶來的影響，因此數據期限選自2009年。本文銀行數據主要來源於Bankscope資料庫、國泰安資料庫以及各家銀行公開披露的年報。宏觀經濟特徵數據和影子銀行規模數據來源於人民銀行網站、國家統計局網站和Wind資料庫。個別缺失數據採用線性插值法予以補充。本文基於Stata13.1MP完成實證分析過程。具體指標的描述性統計結果如下表所示：

（一）門限效應檢驗

門限效應檢驗與傳統假設檢驗的不同在於，原假設成立時無法得到門限估計值，使得傳統檢驗的F統計量在大樣本情況下不符合標準「卡方分佈」(江曙霞和陳玉嬋，2012)。Hansen (1996) 提出自助抽樣法(Bootstrap)得到漸近P值，從而實現對零假設的統計檢驗。Hansen (1999) 進一步提出LR(極大似然率)統計量來構造原假設成立的漸近有效置信區間「接收域」。對於單門限、雙門限和三面板門限回歸模型，檢驗的原假設分別為H0(不存在門限值)、H1隻存在一個門限值)、H2(存在兩個門限值)。本文先進行門限效應檢驗，並將門限檢驗值設為三個，判斷門限效應的存在性。門限效應檢驗結果如表3、表4所示，門限值極大似然估計(LR)檢驗圖如圖2所示。

如表3所示，以法定存款準備金率RR為貨幣政策代理變數、流動性比率LIQ為門限變數的模型中，單門限檢驗下由自舉法(Bootstrap)得到的與F值相對應的P值為0.0000，在1%的顯著性水平下顯著；雙門限和三門限檢驗下該P值分別為0.4467和0.5700，在10%的顯著性水平下均不顯著。由此可知，在1%的置信水平下，該模型存在門限效應，且只有一個門限值。

如表4所示，以一年期貸款基準利率RATE為貨幣政策代理變數、流動性比率LIQ為門限變數的模型中，單門限檢驗下由自舉法(Bootstrap)得到的與F值相對應的P值為0.0000，在1%的顯著性水平下顯著；雙門限和三門限檢驗下該P值分別為0.7233和0.4600，在10%的顯著性水平下均不顯著。由此可知，在1%的置信水平下，該模型存在門限效應，且只有一個門限值。

在圖2中，橫軸為門限變數流動性比率LIQ，縱軸為LR值，虛線為95%的顯著性參考線。左圖是以法定存款準備金率RR為貨幣政策代理變數的模型的門限檢驗圖，右圖是以一年期貸款基準利率RATE為貨幣政策代理變數的模型的門限檢驗圖。圖中曲線落入參考線以下的部分說明門限值顯著存在，且均為單門限。

（二）模型估計結果及分析

為更進一步分析流動性約束對貨幣政策的銀行風險承擔渠道的影響，根據以上門限效應的檢驗結果，本文構建單面板門限回歸模型進行估計，回歸結果如表5、表6所示。

通過表5、表6可以發現，總體來看，在以法定存款準備金率RR、一年期貸款基準利率RATE分別為貨幣政策代理變數的模型中，法定存款準備金率和一年期貸款基準利率的變動對銀行風險承擔的影響均顯著為負，即寬鬆貨幣政策可能提高銀行的風險承擔，這一結論也與大多數研究相符（方意等，2012; Dell』 Arricia et al., 2013）。從控制變數來看，GDP年增長率和房地產投資年增長率對銀行風險承擔表現出顯著正相關，這與郭麗麗和李勇(2014)得到的結論一致。影子銀行的發展對銀行風險承擔同樣具有顯著正效應，也與胡利琴等(2016)得到的結論一致。

進一步分析可以發現，流動性約束對於貨幣政策的銀行風險承擔渠道確實存在門限效應，且銀行的貨幣政策傳導的敏感性隨著流動性水平的提高而減小。以法定存款準備金率為貨幣政策代理變數時，當流動性比率低於14.47%時，法定存款準備金率的係數為-2.5871；而流動性比率高於14.47%時，法定存款準備金率的係數為-2.3243。以一年期貸款基準利率為貨幣政策代理變數時，當流動性比率低於14.69%時，一年期貸款基準利率的係數為-8.5087；流動性比率高於14.69%時，一年期貸款基準利率的係數為-7.8119。

（三）穩健性檢驗

為了保證結果的可靠性，本文從三個方面對實證結果進行穩健性檢驗：首先，為避免內生性問題，本文採用內生解釋變數的滯后1期作為工具變數，並運用GMM方法進行估計，在10%的顯著性水平上通過Hansen Test的過度識別檢驗。其次，我們從樣本中剔除國有銀行(工商銀行、銀行、建設銀行和交通銀行)，對剩下的上市銀行重新進行估計，發現與原樣本回歸結果相似，門限值略有提高，兩個貨幣政策代理變數的回歸係數的絕對值均略有增大，這也與江曙霞和陳玉嬋(2012)所得的實證結果一致。我們認為該結果可歸因於規模差異，即中小型股份制銀行、城商行和農商行的資金來源相對匱乏，對於貨幣政策的變動更為敏感。最後，採用不良貸款率NPL作為銀行風險承擔代理變數重新進行門限估計，也印證了以上大部分結論。

本文基於面板門限回歸模型，對流動性約束下貨幣政策對銀行風險承擔的門限效應進行了檢驗，得到了如下結論：一是貨幣政策對銀行風險承擔的影響顯著為負相關，但流動性約束對該影響存在門限效應。具體來看，當銀行流動性較為充裕，即流動性風險較低時，貨幣政策敏感性較低，此時多採用緊縮的貨幣政策，但銀行風險承擔上升較慢；當銀行流動性水平較低，即流動性風險較高時，貨幣政策敏感性較高，即實施寬鬆的貨幣政策時，銀行風險承擔上升較快。二是宏觀經濟環境、房地產市場狀況及影子銀行的發展都會對貨幣政策的銀行風險承擔渠道產生影響。其中，良好的宏觀經濟形勢會激發銀行風險承擔，可以認為這是「習慣形成路徑」機理作用的結果；房地產業的快速發展同樣會擴大銀行的風險承擔，當前銀行信貸向房地產市場過度集中正是形成這一風險承擔的主要來源；同時，影子銀行的爆髮式增長，將放大商業銀行的風險承擔，影響貨幣政策的有效性。

銀監會於2015年9月發布了修改後的《商業銀行流動性風險管理辦法(試行)》，這標誌著銀行業進入流動性約束的新階段，流動性約束將對貨幣政策的銀行風險承擔渠道產生實質性的影響，影響貨幣政策的有效性。為了提高貨幣政策傳導的有效性，基於本文面板門限回歸模型的檢驗結果，我們提出以下政策建議：

一是識別和監測影子銀行，防範影子銀行對貨幣政策的過度傳導。在正規金融體系受到較為嚴格監管的情況下，影子銀行體系一度呈現爆髮式增長的局面，在替代正規金融體系提供融資需求的同時，也為金融體系埋下了巨大的風險隱患。模型結果也顯示，影子銀行與正規金融體系是相互交織的，在貨幣政策傳導渠道中，影子銀行的規模對銀行的風險承擔存在正向作用。也即，當經濟下行，實施寬鬆的貨幣政策時，大規模影子銀行體系會加大銀行體系的風險承擔，從而進一步推升整個金融體系的風險。因此，有效的識別和監測影子銀行，分析影子銀行對正規金融體系所產生的影響，將影子銀行體系陽光化，是制定行之有效的貨幣政策的前提條件，有利於調節貨幣政策使其在實現貨幣政策目標的同時有效控制金融風險。

二是結合銀行的微觀流動性狀況，防範流動性約束對貨幣政策的稀釋作用。保持充足的流動性水平，既是銀行滿足流動性約束的監管外在要求，也是銀行實現可持續經營的內在基礎。然而，模型結果顯示，銀行的微觀流動性狀況，決定了銀行風險承擔的程度，從而影響了銀行作為金融中介對貨幣政策的傳導效力。因此，在制定行之有效的貨幣政策時，不僅要關注M2等宏觀流動性指標，也應將流動性比例、流動性覆蓋率等表徵銀行微觀流動性狀況的金融監管指標納入考量中，如果銀行微觀流動性水平較低，在制定寬鬆貨幣政策時就不宜釋放過多的宏觀流動性，防止銀行承擔的風險提升過快，從而推動資產價格的迅速上漲，進而帶來更多的金融風險隱患。

三是制定逆周期調整的金融監管政策，在維護金融穩定中充分考慮經濟周期的波動。銀行業的經營自身就帶有順周期效應，一刀切的金融監管標準將進一步加劇這一順周期效應。從資本約束的視角來看，經濟狀況下行時，銀行的惜貸行為將加劇經濟的下行，而資本約束將導致銀行更加惜貸，這也是在貨幣政策傳導中存在門限效應的重要原因之一。因此，在建立金融監管規則時，也應充分考慮金融周期的波動，在經濟周期上行階段實施更加嚴格的金融監管，防範風險的集聚，在經濟周期下行階段實施更加寬鬆的金融監管，給銀行釋放更多的調整空間。

文章來源：《金融評論》2017年第2期（本文僅代表作者個人觀點）

溫馨提示：現微信最新版本「訂閱號」已實現公眾號置頂功能，廣大讀者可點開「金融讀書會」公眾號，點「置頂公眾號」鍵，即可將「金融讀書會」置頂，方便查閱。