银行业结构特点对信贷的约束

一、引言

货币政策传导机制一直是货币政策理论中的核心问题。在中国，目前利率市场化还未完全实现，这就限制了通过利率传导的货币政策效果的发挥，而通过银行传导的信贷渠道仍然是当前中国货币政策传导中的主渠道。因此，以组织资金融通任务为主要任务的银行业在货币政策传导机制中发挥着重要的作用［1］。在现实经济中，银行资本充足率程度的差异、流动性水平的不同和规模大小的区别使得各个银行表现出异质性特征，这就使得每个银行对货币政策都具有不同的敏感性，对信贷规模具有不同程度的控制力。与国外相比，中国银行业具有市场集中度高、受政策性控制强、有效竞争不充分等特点，因此，关注中国特有的银行业市场结构特征对货币政策银行信贷渠道的影响，对完善中国货币政策传导机制、提高银行信贷渠道传导效应具有一定的现实指导意义和理论价值。基于此，本文在Kashyap、Stein、Matousek和Sarantis的模型基础上，通过选取中国不同类型的57家银行1998—2010年间的面板数据①，对1998年中央银行正式取消对商业银行贷款规模控制以来的中国银行业结构特征对货币政策信贷渠道的传导效应进行了实证分析。本文从银行资本充足率、流动性和规模三方面特征入手，同时引入中资银行与外资银行的虚拟变量，运用广义矩估计（GMM）方法考察了中国银行业结构特征对货币政策传导的影响及内外资银行的传导效应的差异性。

二、相关文献回顾

将银行产业组织理论引入货币政策及其传导机制研究，是近年来货币政策传导机制研究的一个新的视角。Kashyap、Stein和Cecchetti指出银行业市场集中度和银行体系的健康发展是货币政策传导机制发挥作用的重要因素［2－3］。同时由于有些银行有能力通过非存款资金缓冲流动资产，所以不同的银行对货币政策的反应是不一样的，银行在货币政策传导中的作用不能一概而论，不同的银行在货币政策传导过程中扮演着不同的角色。有关银行业结构特征对货币政策传导的反应程度的研究，主要从以下三个方面展开：

（一）银行资本充足率特征与银行信贷渠道传导

20世纪90年代初，学术界开始关注资本充足率对银行和经济的影响，随着巴塞尔协议在世界范围内的推广，围绕资本充足率对银行信贷行为和货币政策影响的相关研究更是大量出现。Modigliani和Miller认为，在资本市场完美的条件下，银行的资本水平对贷款没有任何影响，因为银行能够在资本市场上筹措资金以满足贷款的需求［4］。因为MM理论提出完美资本市场的要求过于严格，在现实生活中很难满足，所以更普遍的观点是，由于存在信息不对称和市场不完善的条件，银行资本可能会影响银行贷款，这也是资本充足率影响银行信贷和经济的理论基础。在实证研究中，学者们试图分析在巴塞尔协议最低资本充足率的约束下，不同资本充足率的银行对货币政策传导效果的不同影响情况。Peek、Rosengren、Kishan和Opiela认为，在紧缩性货币政策的冲击下，资本充足率较低的银行更容易削减它们的信贷供给，原因在于资本不充足的银行由于资金限制而没有能力获得更多的非存款性融资（Non－DepositFinancing）［5－7］。VandenHenvel对美国的实证研究表明，资本约束对贷款增长具有显著的影响，资本约束强化了货币政策的信贷传导途径［8－9］。戴金平等人认为：以提高资本充足率为核心的监管行为不仅有效地影响了商业银行的信贷行为和风险意识，而且强化了“逆风向行事”的货币政策的非对称效应［10］。

（二）银行流动性特征与银行信贷渠道传导

商业银行流动性（Liquidity）是指银行可以满足存款人提取现金、支付到期债务和借款人正常贷款需求以及其他支付请求的能力。对于货币政策银行信贷传导渠道来说，货币政策工具如利率、存款准备金、公开市场操作等，在一定程度上都是在针对银行流动性发挥作用，进而改变银行发放贷款的成本或可发放贷款的数量。同时，具有不同流动性水平的个体银行在面对货币政策冲击时也将会表现出不同的反应效果，这也就直接影响到货币政策传导的有效性问题。Kashyap、Stein和Ehrmann等人的研究为银行的流动性特征影响货币政策提供了证据。他们指出，当面对紧缩性货币政策时，具有充裕流动性的银行能够通过贷款组合、关系型融资等方式抵消货币政策带来的冲击，但是缺乏流动性的银行无法这样做。因此，缺乏流动性的银行对货币政策的传导更加有效［11－12］。

（三）银行规模特征与银行信贷渠道传导

一般地，商业银行规模被认定为是一个关于商业银行分支机构数量、从业人数、总资产和存贷款规模、中间业务规模、资本金规模以及市场份额等量的指标［13］。许多国外学者把银行资产规模引入到货币政策银行信贷传导渠道进行研究发现：由于存在信息不对称的问题，在面对紧缩性的货币政策时，资产规模小的银行将遇到比资产规模大的银行更严重的困难，因为规模小的银行无法通过提高非存款资金或运用其他金融市场工具来抵消货币政策冲击，它们的资产规模水平也不可能支撑足够多的贷款发放。因此，资产规模小的银行对货币政策冲击的反应更加灵敏［5］。综上所述，当前有关银行产业结构特征对货币政策传导机制影响的研究已经形成了较为系统的理论体系，也出现了许多针对美国及欧盟国家的实证研究文献，但由于各国之间的金融制度和监管体系不尽相同，得到的结论也不尽一致。而对于中国银行业市场结构对货币政策传导机制影响的研究，国内学者的关注甚少，现有的研究多集中于金融结构与货币政策的传导，未能对银行业市场结构与货币政策传导的研究引起足够重视。

三、计量模型设定

在以资本充足率、流动性和资产规模三个典型因素代表银行业特征，研究具有不同特征的银行对货币政策对银行信贷渠道传导效果的文献中，Kashyap、Stein第一次从银行业市场结构特征角度研究了货币政策的银行信贷渠道［14］。其后许多学者分别通过对Kashyap和Stein的修正和扩展，检验了不同国家中银行业结构特征对货币政策传导机制的影响。一个具有代表性的模型是Matousek、Sarantis基于Kashyap和Stein模型发展而来的，公式如下［15］：其中i＝1，2，…，N，表示不同银行。t＝1，2，…，T，表示不同的时期。Lit表示个体银行i在时期t时的贷款数量。ΔRt－j是短期名义利率的一阶差分，用以表示货币政策传导机制的指标。ΔGDPt－j和ΔCPIt－j分别代表经济增长率和通货膨胀率。银行业资本充足率、流动性和资本规模特征由zit表示。由于外资银行可以在全球范围内进行资本配置，可以根据东道国宏观经济环境及货币政策形势对信贷规模做出灵活的调整，而内资银行缺乏替代性选择。因此，Matousek和Sarantis认为外资银行会表现出更显著的货币政策传导效应。他们通过引入虚拟变量，以区分内资银行和外资银行的特征对货币政策信贷渠道的不同影响。

（一）模型设定

本文沿袭Kashyap、Stein、Matousek和Saran－tis的研究思路，考虑到本文所选取的样本纵向长度有限，故以增长率代替对数差分项，进而构建针对中国银行业特征对货币政策传导的基本模型其中i＝1，2，…，N，表示不同银行。t＝1，2，…，T，表示不同的时期。l表示滞后期数，此处滞后期选择为1期［16］。Lit为贷款数量，r是利率，表示货币政策冲击变量。zit表示银行特征变量，分别代表资本充足率、流动性和资本规模。CPI和GDP表示货币政策最终效果变量，分别为居民消费价格指数和国内生产总值。αi为个体银行影响效果。εit为误差项。对于内资银行和外资银行的特征对货币政策信贷渠道的影响是否不同，Haas和Lelyveld曾发现在中东欧国家中，外资银行能够对贷款供给产生稳定性的作用，而在其他文献中没有发现外资银行对货币政策传导的显著影响［17］。为了考察中国具有不同银行业特征的内资银行和外资银行是否对货币政策银行信贷渠道产生不同影响，本研究中借鉴Matousek和Sarantis计量模型中虚拟变量的设定，引入虚拟变量dum构建模型（2）：其中dum为虚拟变量，当dum＝1时，代表中资银行，当dum＝0时，代表外资银行。其他变量内涵同式（1）中所示。除此之外，考虑到本文样本数量和时期的选取限制，对模型的滞后期选择进行变更，希望能发现更适合中国实际情况的模型设置。因此，考虑剔除各解释变量的滞后项，模型如下式所示，称之为模型（3）

（二）银行业结构特征指标设定

在计量模型中，对于银行业特征的资本充足率、流动性和资本规模三个指标需要特别计算。而目前文献中采用最多的计算方法如式（5）、（6）、（7）所示，因此，本文亦延续此种做法。其中规模（Sit）用总资产（Ait）取对数进行调整来表示，流动性（Liqit）用流动性资产（一般包括现金、银行间同业借贷和证券）与总资产之比进行调整来表示，资本充足率（Capit）用资本及储备与总资产之比来表示。以上三个特征变量都进行了正规化处理，目的在于使得在相应时期内所有横截面上的观测值的指标总和为0，这也就意味着对于式（1）或式（2）来说，交互项rt－j×zi（t－1）的均值总是0，系数γi便可以直接反应货币政策冲击对贷款的平均影响效应。

四、计量检验与分析

（一）变量选取与数据处理

为了揭示统一货币政策实施对具有不同特征银行的短期动态效应，本文研究采用年度面板数据，样本期为1998年至2010年，横截面样本包括了国有商业银行、股份制商业银行、城市商业银行和外资银行在内的共57家银行构成的银行业市场。关于被解释变量的贷款，以各个银行在不同时期的年度贷款余额取对数取得。关于解释变量，利率（r）选取的是金融机构人民币贷款基准利率六个月至一年（含一年）的年利率，代表货币政策的调整；GDP选取国内生产总值指数（上年＝100）为代表，CPI选取居民消费价格指数（上年＝100）为代表，两者共同反应对信贷需求方面的作用，也可以说是反映货币政策最终传导效果的指标；规模、流动性、资本充足率通过式（5）～（7）获得。本文选用的银行业特征数据和贷款数据来自Bankscope数据库，GDP和CPI数据来自国研网数据库，利率数据来自中国人民银行网站。

（二）实证检验结果分析

本文所选取的数据，变量相对较多，横截面单位数量众多，远远大于时间序列跨度，由于GMM方法能够有效地克服解释变量内生性问题及随机误差项异方差和序列相关的问题，本文以GMM估计方法进行了实证检验，检验结果如表1。就模型总体来看，本文所设定的计量模型整体拟合效果优良，具有统计学意义，横向对比设定的四个模型发现，虚拟变量dum的引入对模型总体和各变量系数的显著性都有一定程度的降低，相较之下，模型（1）的方程显著性和系数显著性最强，是本文得到的银行业结构特征对商业银行信贷渠道影响的最优回归方程。就解释变量的系数来看：第一，资本充足率指标。在四个模型中cap的系数均为负，除模（2）外，此系数都具有统计上的显著性。在模型（1）中，在当期和滞后1期时，资本充足率常表现出不一致性，即在当期资本不充足的银行对货币政策冲击反应灵敏，这与Kashyap和Stein等学者们的研究结果相一致。然而，在滞后1期时，资本充足的银行又比资本不充足的银行反应灵敏。这说明在货币政策实行紧缩性意图的调控当期，资本不充足的银行会迅速受到来自资本约束的限制，而资本充足的银行还有能力维持原有水平的信贷供给，但是到滞后1期时，资本充足的银行也会逐渐受到资本约束的限制，从而不得已减少信贷供给量。第二，流动性指标。四个模型中系数均为负，与现有文献的理论分析一致，但只有模型（4）在10％水平下显著。总体来看，中国目前银行流动性指标尚未表现出与信贷余额和货币政策冲击之间存在显著的相关性。第三，规模。银行规模对银行信贷余额和货币政策冲击在统计上表现出一定的显著性，但是显著程度不及资本充足率。与资本充足率特征所表现出的相似之处是，在当期和滞后1期时，规模也表现出不一致性，即在当期规模小的银行对货币政策冲击反应灵敏，而在滞后1期时，规模较大的银行又比规模较小的银行反应灵敏。说明规模小的银行对货币政策冲击的反应快速而灵敏，规模较大的银行对货币政策冲击的反应具有一定的滞后性。因此，对比中国银行业三个典型结构特征对货币政策传导的影响程度，可以归纳为：资本充足率对货币政策冲击的影响最强烈，其次是规模，最后是流动性。第四，作为信贷余额的需求方，GDP系数在四个模型中为正，即来自GDP对贷款的需求增加时，贷款总量也将随之增加，在模型（3）和模型（4）中表现出一定的显著性，而CPI的系数为负，在模型（3）中和模型（4）中显著。这两个系数符号都与理论相一致。第五，虚拟变量dum。系数在模型（2）与模型（4）中均不显著，说明中资银行和外资银行不会因为银行业结构特征的不同而对货币政策银行信贷渠道的传导效果产生差异。这一结论虽然与理论预期不符，但就中国实际情况而言，由于中国实行了较严格的资本管制，使得外资银行不能无限制地将资金自境内外转移，那么其对货币政策的反应仍然是以现有资金为主，因而并没有表现出比中资银行更为显著的货币政策传导效应。

五、结论与启示

本文选取中国57家银行1998—2010年的面板数据，建立了一个动态面板模型，采用GMM方法考察了资本充足率、流动性和规模三个银行业典型结构特征对货币政策传导的影响作用。研究表明，在这三个结构特征指标中，资本充足率对货币政策传导有着最强烈的影响，其次为规模特征，最后是流动性。而外资银行受到资本管制，并没有表现出比中资银行更为显著的传导效应。资本充足率指标对货币政策显著且强烈的影响说明，资本充足率不仅仅对防范金融风险有着重要意义，同时也影响着货币政策的调控效果。较高的资本充足率能够保障金融安全，但又会增加货币政策的时滞，所以银行业监管机构应当制定审慎的最低资本充足率要求。虽然在本文中没有得到流动性指标与货币政策的相关性，但这也许与本文所选取的样本区间有关，因为中国在1998－2010年间始终处于流动性充裕甚至过剩的阶段，这便使得流动性并未对银行产生任何约束效应，国外学者已经在理论研究和实证研究中证实了流动性特征对货币政策传导的影响。银行规模越大，对货币政策的传导效应越滞后，这也说明中国以四大国有银行为主体的垄断竞争的银行业市场结构在一定程度上降低了货币政策的传导速度。因此，若要提高中国货币政策通过银行信贷渠道传导的效果，一方面要求各种所有制性质的银行进一步提升资产质量，完善公司治理。另一方面也要求制定货币政策时能够尽可能考虑到中国多种性质的商业银行存在着的自身差异性，使政策的制定与实施更具有针对性和灵活性，以提高货币政策传导机制的有效性。