張丁育，陳守東

(吉林大學(xué) a.數(shù)量經(jīng)濟(jì)研究中心；b.商學(xué)院，長(zhǎng)春 130012)

利率與銀行貸款行為的規(guī)模分布效應(yīng)研究

張丁育a，b，陳守東a

(吉林大學(xué) a.數(shù)量經(jīng)濟(jì)研究中心；b.商學(xué)院，長(zhǎng)春 130012)

貨幣政策通過(guò)影響銀行的信貸行為向?qū)嶓w經(jīng)濟(jì)進(jìn)行傳導(dǎo)。在利率變化向?qū)嶓w經(jīng)濟(jì)的傳導(dǎo)過(guò)程中，銀行規(guī)模起到了重要作用，同時(shí)經(jīng)濟(jì)環(huán)境變化導(dǎo)致貸款需求彈性發(fā)生改變，從而使銀行貸款行為受到利率影響的機(jī)制發(fā)生變化。基于中國(guó)商業(yè)銀行的面板數(shù)據(jù)，研究分析加入經(jīng)濟(jì)狀態(tài)變量的不同時(shí)期銀行貸款行為對(duì)利率的反應(yīng)，結(jié)果表明，資產(chǎn)規(guī)模較小的銀行受利率變化的影響較大，并且這種影響具有時(shí)變性；宏觀經(jīng)濟(jì)環(huán)境較好時(shí)，利率增長(zhǎng)對(duì)銀行貸款的影響較大。

利率；銀行貸款；銀行資產(chǎn)規(guī)模；貝葉斯MCMC法；低風(fēng)險(xiǎn)銀行；高風(fēng)險(xiǎn)銀行

引 言

銀行信貸在貨幣政策變化向?qū)嶓w經(jīng)濟(jì)傳導(dǎo)的過(guò)程中占據(jù)重要地位，利率是銀行信貸傳導(dǎo)過(guò)程的重要因素。一般地，存款準(zhǔn)備金率上升，利率會(huì)有上升的壓力，這是實(shí)行緊縮貨幣政策的信號(hào)，銀行需要削減新貸款以應(yīng)對(duì)存款準(zhǔn)備金的上升，這種貸款缺口很難通過(guò)其他融資途徑彌補(bǔ)。對(duì)貸款者來(lái)說(shuō)，銀行貸款的減少也難以通過(guò)其他融資途徑獲得，從而導(dǎo)致實(shí)體經(jīng)濟(jì)受貨幣政策變動(dòng)的影響。中國(guó)商業(yè)銀行系統(tǒng)包括國(guó)有商業(yè)銀行、股份制商業(yè)銀行、地區(qū)商業(yè)銀行等，相對(duì)于中小銀行，大型的全國(guó)性商業(yè)銀行更容易從銀行間拆借市場(chǎng)和金融市場(chǎng)獲得資金，其貸款變化的幅度較小，銀行的貸款規(guī)模受利率變化的影響具有分布效應(yīng)。

學(xué)者們通過(guò)規(guī)?；蛄鲃?dòng)性對(duì)銀行進(jìn)行分類以解釋銀行貸款行為受利率影響的分布效應(yīng)。Kashyap和Stein(1995)將美國(guó)銀行按照相對(duì)規(guī)模分成了三類，并分析了聯(lián)邦基金利率變化對(duì)各類銀行整體借款的影響，認(rèn)為不同類別的銀行對(duì)利率變化的反應(yīng)程度有所不同[1]；Matousek和Sarantis(2009)通過(guò)動(dòng)態(tài)面板估計(jì)對(duì)東歐和中歐8個(gè)國(guó)家的大量銀行進(jìn)行分析，研究發(fā)現(xiàn)銀行規(guī)模和流動(dòng)性對(duì)銀行貸款受貨幣政策影響的分布效應(yīng)具有十分顯著的影響[2]；Fruhwirth-Schnatter和Kaufmann(2006)以?shī)W地利銀行為樣本，將對(duì)利率變化具有相似反應(yīng)的銀行歸為一組，研究發(fā)現(xiàn)資產(chǎn)規(guī)模較大的分組受利率變化的影響顯著地異于其他兩組規(guī)模較小的銀行，且銀行貸款行為受到宏觀經(jīng)濟(jì)狀況的影響[3]；許友傳(2012)通過(guò)非平衡面板數(shù)據(jù)研究了全國(guó)性商業(yè)銀行、城市商業(yè)銀行和外資銀行對(duì)貨幣政策沖擊的信貸行為反應(yīng)與分布特征，研究發(fā)現(xiàn)規(guī)模越大、股權(quán)資本越多的銀行對(duì)貨幣緊縮態(tài)勢(shì)有更大的信貸行為反應(yīng)[4]。

本文建立了帶有宏觀經(jīng)濟(jì)狀況控制變量的時(shí)變VARX模型，通過(guò)貝葉斯MCMC方法，試估計(jì)銀行貸款行為受到貨幣政策影響的區(qū)制轉(zhuǎn)移結(jié)構(gòu)。

一、銀行貸款行為的理論模型

本文沿用Fruhwirth-Schnatter和Kaufmann改進(jìn)的微觀層面的貨幣政策，即信用傳導(dǎo)機(jī)制模型描述貨幣政策通過(guò)影響銀行對(duì)私人部門的信用供給，對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生的沖擊和傳導(dǎo)作用。本研究將銀行分為高風(fēng)險(xiǎn)銀行和低風(fēng)險(xiǎn)銀行兩類，并對(duì)銀行貸款行為提出三個(gè)假設(shè)。

假設(shè)1：存款者總是有轉(zhuǎn)換成本，因此銀行對(duì)存款者具有黏性。

假設(shè)2：銀行在信貸市場(chǎng)充當(dāng)壟斷者并在存款市場(chǎng)充當(dāng)價(jià)格接受者，全部銀行具有相同的存款利率。

假設(shè)3：銀行均以利潤(rùn)最大化為目標(biāo)進(jìn)行貸款決策。

高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)兩類銀行均有兩種獲得新貸款L的可能性，應(yīng)提取準(zhǔn)備金但風(fēng)險(xiǎn)較低(可視為無(wú)風(fēng)險(xiǎn))的存款D和無(wú)擔(dān)保的風(fēng)險(xiǎn)資金E。假設(shè)每家銀行的現(xiàn)有資產(chǎn)A都能夠被已有的資金P覆蓋，A=P。因?yàn)楦縻y行間現(xiàn)有資產(chǎn)A的不同是不公開的，從而導(dǎo)致存款者信息不對(duì)稱。低風(fēng)險(xiǎn)銀行資產(chǎn)價(jià)值為AG，高風(fēng)險(xiǎn)銀行資產(chǎn)價(jià)值為AB，且AB

L+φD+A=D+P+E

(1)

其中，L為新增貸款，D為新增存款，E為新增的風(fēng)險(xiǎn)資金，存款D以準(zhǔn)備金率φ提取儲(chǔ)備金。整個(gè)貸款市場(chǎng)面臨著市場(chǎng)出清的貸款利率r和貸款需求彈性b，因此向下傾斜的貸款需求曲線可表示為：

LD=a-br

(2)

對(duì)銀行提供貸款的行為，分別對(duì)高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)銀行進(jìn)行局部均衡模型的分析，依據(jù)Stein(1998)，高風(fēng)險(xiǎn)銀行面臨的貸款供給曲線為：

LB=(a-bi)/2

(3)

而B銀行在追求利潤(rùn)最大化的原則下，全部通過(guò)無(wú)擔(dān)保的風(fēng)險(xiǎn)融資E作為貸款的資金來(lái)源，LB=EB，即通過(guò)每個(gè)銀行的外部風(fēng)險(xiǎn)融資E的大小決定銀行的類型。

LG=LB-Z

(4)

低風(fēng)險(xiǎn)銀行風(fēng)險(xiǎn)融資的數(shù)量小于高風(fēng)險(xiǎn)銀行，即EG

Z2/b+φiDG=γEG

(5)

一期內(nèi)改變股權(quán)融資和貸款規(guī)模決策是很困難的,式(5)中EG和LB保持不變，且低風(fēng)險(xiǎn)銀行的外部融資為EG時(shí)，Z的最優(yōu)選擇為：

Z=φib/2(1-φ)

(6)

低風(fēng)險(xiǎn)銀行和高風(fēng)險(xiǎn)銀行的貸款額度差異Z與存款準(zhǔn)備金率φ、市場(chǎng)出清利率i和貸款需求彈性b有關(guān)。經(jīng)濟(jì)狀況良好時(shí)，貸款者更易獲得流動(dòng)性，貸款需求彈性更大，低風(fēng)險(xiǎn)銀行和高風(fēng)險(xiǎn)銀行的貸款規(guī)模差異也越大。將Z和EG帶入式(5)：

(7)

由式(7)可知，各銀行非對(duì)稱信息的暴露程度不同，利率變化導(dǎo)致的貸款變化也不同。低風(fēng)險(xiǎn)銀行的貸款受可用儲(chǔ)備金的正向影響，且這種影響程度受信息不對(duì)稱程度γ和貸款需求彈性b的影響，銀行信息不對(duì)稱程度越高，貸款需求彈性越小，貸款受利率變化影響越大。

二、銀行貸款行為的分布效應(yīng)計(jì)量模型

根據(jù)上述研究，利率變化導(dǎo)致的貸款變化受到信息不對(duì)稱程度和貸款需求彈性的影響。中國(guó)以往的研究往往通過(guò)普通最小二乘法等方法分析銀行貸款行為與貨幣政策的線性關(guān)系，這種方法忽略了變量之間可能存在的滯后影響，而VAR模型對(duì)描述經(jīng)濟(jì)變量之間的關(guān)系有良好的表現(xiàn)，因此本文采用VAR模型。由于不同銀行間和在不同的外部環(huán)境下銀行貸款行為受到利率變化的影響不同，因此對(duì)銀行貸款行為的分布效應(yīng)和經(jīng)濟(jì)狀態(tài)變量進(jìn)行研究，加入控制變量對(duì)VAR簡(jiǎn)化式方程進(jìn)行了擴(kuò)充,得到時(shí)變的VARX模型為：

(8)

其中，dblit為銀行i在t時(shí)點(diǎn)的貸款變化，以銀行的季度貸款增長(zhǎng)率衡量，本文假定dblit對(duì)利率變動(dòng)的響應(yīng)在不同銀行間和不同時(shí)點(diǎn)是有區(qū)別的；dirt為利率增長(zhǎng)率；p和q分別代表銀行貸款受到自身的p階滯后效應(yīng)和利率變化的q階滯后效應(yīng)。引入衡量銀行信用風(fēng)險(xiǎn)水平的控制變量不良貸款率npl、銀行產(chǎn)權(quán)控制變量股權(quán)屬性bpr、宏觀經(jīng)濟(jì)控制變量GDP增長(zhǎng)率和通貨膨脹預(yù)期率，并假定貸款增長(zhǎng)率對(duì)GDP增長(zhǎng)率和通貨膨脹預(yù)期率無(wú)法即期響應(yīng)，即GDP增長(zhǎng)率和通貨膨脹預(yù)期率對(duì)貸款規(guī)模的變化僅存在滯后效應(yīng)。為消除季節(jié)效應(yīng)，引入季節(jié)虛擬變量Djt,j=1,2,3。Si為銀行i的分組指標(biāo)，按銀行資產(chǎn)規(guī)模對(duì)銀行i進(jìn)行分組，i=1,2,3。

Pr(It=j|It-1=i)=τiji,j=0,1

(9)

并且假設(shè)τij，τ0和τ1分別服從獨(dú)立的Dirichlet分布。最大似然法的似然函數(shù)隨著觀測(cè)值的增加而變大，虛擬變量IT無(wú)法通過(guò)最大似然法進(jìn)行估計(jì)，因此選擇貝葉斯MCMC方法以無(wú)約束的后驗(yàn)分布得出狀態(tài)變量的邊際分布和模型參數(shù)估計(jì)[3]。

學(xué)者們往往通過(guò)銀行資產(chǎn)規(guī)模和代表資產(chǎn)負(fù)債表強(qiáng)度的流動(dòng)資產(chǎn)比例對(duì)銀行進(jìn)行分類[1]，通過(guò)Pearson相關(guān)系數(shù)檢驗(yàn)發(fā)現(xiàn)，銀行資產(chǎn)規(guī)模和資產(chǎn)負(fù)債率正相關(guān)，相關(guān)系數(shù)為0.146，在99%的水平下顯著，即資產(chǎn)規(guī)模越高，權(quán)益融資所占比重越低，銀行的風(fēng)險(xiǎn)越小。因此，我們以銀行資產(chǎn)規(guī)模為分類指標(biāo)，對(duì)每一季度的銀行資產(chǎn)規(guī)模按15%、85%的分位點(diǎn)分為三組，每期分類一次，每家銀行進(jìn)入最多的組別作為銀行的分組依據(jù)。其中，資產(chǎn)規(guī)模最大的一組均為國(guó)有控股的上市銀行，而最小組中全部為地區(qū)商業(yè)銀行，中國(guó)的商業(yè)銀行資產(chǎn)規(guī)模分布與銀行的股權(quán)特征有緊密聯(lián)系。由于銀行貸款增長(zhǎng)率的自回歸超過(guò)1期不顯著，利率的滯后項(xiàng)超過(guò)2期不顯著，因此p和q的初始值分別為p=1和q=2。通過(guò)相對(duì)資產(chǎn)規(guī)模對(duì)銀行分為三組，以5 000次迭代獲得了樣本的后驗(yàn)分布，其中前1 000次迭代作為預(yù)燒期以避免對(duì)初始數(shù)據(jù)的依賴性。

三、利率與銀行貸款行為的實(shí)證分析

論文選取2007—2013年中國(guó)上市商業(yè)銀行的季度數(shù)據(jù)作為樣本，數(shù)據(jù)來(lái)源于Bankscope數(shù)據(jù)庫(kù)和Wind數(shù)據(jù)庫(kù)，缺失數(shù)據(jù)通過(guò)上市銀行的財(cái)務(wù)報(bào)表獲得。時(shí)間序列開始時(shí)存在缺失值的內(nèi)生變量估計(jì)是不穩(wěn)定的，因此排除樣本期開始時(shí)存在連續(xù)缺失值的農(nóng)業(yè)銀行和光大銀行，選取深圳發(fā)展銀行、寧波銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、南京銀行、興業(yè)銀行、北京銀行、交通銀行、工商銀行、建設(shè)銀行、中國(guó)銀行和中信銀行共14家上市銀行作為樣本。為了盡可能地保留樣本信息，銀行數(shù)據(jù)的缺失值和銀行貸款增長(zhǎng)率統(tǒng)計(jì)上超出97.5%和小于2.5%的異常值初始時(shí)以當(dāng)期貸款增長(zhǎng)率均值替代，并不斷迭代為全樣本信息的估計(jì)值。利率選擇銀行間同業(yè)拆借30天利率，銀行控制變量不良貸款率為不良貸款占全部貸款的比重，股權(quán)屬性為商業(yè)銀行的實(shí)際產(chǎn)權(quán)歸屬。宏觀經(jīng)濟(jì)控制變量通貨膨脹率以CPI的增長(zhǎng)率計(jì)量。

運(yùn)用貝葉斯MCMC方法對(duì)銀行貸款規(guī)模與利率增長(zhǎng)率相關(guān)性的參數(shù)估計(jì)，以無(wú)約束的后驗(yàn)分布得出狀態(tài)變量的估計(jì)。對(duì)銀行按資產(chǎn)規(guī)模分組后，以各組的組內(nèi)均值作為參數(shù)估計(jì)結(jié)果。由組別參數(shù)的估計(jì)結(jié)果可以看出(見文后表)，盡管各組的參數(shù)都較小，但各組之間還是存在顯著的組間效應(yīng)，第一組規(guī)模較大的銀行受到利率變化的影響較小，第三組規(guī)模最小的銀行受到利率變化的影響最明顯。第一組銀行受到經(jīng)濟(jì)環(huán)境變化的影響很小，而規(guī)模最小的銀行受到經(jīng)濟(jì)環(huán)境變化的影響最大，驗(yàn)證了銀行信息不對(duì)稱程度不同，利率變化導(dǎo)致的貸款變化也不同。

It=0時(shí)，經(jīng)濟(jì)狀況較好，三組銀行的貸款行為對(duì)利率變化均產(chǎn)生負(fù)向響應(yīng)，第一組銀行受到利率滯后1期和滯后2期的影響分別為-0.07和0.02，第二組銀行受到利率變化的影響為-0.07，其中，利率滯后1期和滯后2期的影響分別為-0.09和0.02，規(guī)模最小的銀行貸款規(guī)模對(duì)利率變化的反應(yīng)最大，利率對(duì)銀行貸款規(guī)模滯后1期和滯后2期的影響分別為-0.35和0.10。It=1代表著外部經(jīng)濟(jì)狀況較差，由于宏觀經(jīng)濟(jì)金融環(huán)境的惡化，導(dǎo)致貸款的需求彈性減小，此時(shí)三組銀行的貸款行為對(duì)利率變化產(chǎn)生正向響應(yīng)，規(guī)模較大的第一組銀行受到利率變化的影響仍是最小的，其中，利率滯后1期的影響為-0.03，利率滯后2期的影響為正且大于滯后1期，導(dǎo)致總的利率影響為0.06；規(guī)模較小的兩組銀行受到利率變化的影響較大，分別為0.11和0.31，同樣由于滯后2期的影響為正且大于滯后1期，總的利率影響為正。

對(duì)所有銀行，同一時(shí)期的宏觀經(jīng)濟(jì)狀況都是一致的，因此三組銀行同時(shí)發(fā)生區(qū)制轉(zhuǎn)移，但三組銀行受到經(jīng)濟(jì)狀況影響的程度有所不同。實(shí)證研究中，2008年6月至2009年初、2011年9月至2012年初這兩個(gè)時(shí)段，中國(guó)商業(yè)銀行面臨的經(jīng)濟(jì)狀況較差，主要是受2008年國(guó)際金融危機(jī)、歐債危機(jī)和中國(guó)經(jīng)濟(jì)增速放緩的影響，導(dǎo)致外部經(jīng)濟(jì)環(huán)境處于較差的狀況，即It=1。根據(jù)參數(shù)估計(jì)的結(jié)果，說(shuō)明利率的變化受到經(jīng)濟(jì)環(huán)境的影響，當(dāng)宏觀經(jīng)濟(jì)環(huán)境較好時(shí)，利率增長(zhǎng)對(duì)銀行貸款的影響更大；宏觀經(jīng)濟(jì)環(huán)境較差時(shí)，利率變化對(duì)銀行貸款規(guī)模具有正向影響且影響程度較小，這可能是因?yàn)椋?jīng)濟(jì)狀況良好時(shí)實(shí)體經(jīng)濟(jì)更易獲得流動(dòng)性，而經(jīng)濟(jì)環(huán)境越差時(shí)，貸款者從其他途徑獲得資金的可能性越小，貸款需求彈性越小。

結(jié) 論

本文選取中國(guó)14家上市銀行2007—2013年的季度數(shù)據(jù)，對(duì)利率與銀行貸款行為的關(guān)系進(jìn)行了分類研究，結(jié)果表明，中國(guó)商業(yè)銀行在利率變化的沖擊下有著不同的信貸行為反應(yīng)，規(guī)模較小的銀行受到利率變化的影響更加明顯，并且銀行信貸行為對(duì)利率變化的反應(yīng)具有時(shí)變性。時(shí)變性和參數(shù)估計(jì)結(jié)果表明，宏觀經(jīng)濟(jì)環(huán)境較好時(shí)，利率增長(zhǎng)對(duì)銀行貸款的影響較大；宏觀經(jīng)濟(jì)環(huán)境較差時(shí)，利率的變化對(duì)銀行貸款規(guī)模具有正向影響且較小。這可能由于樣本銀行多為大中型商業(yè)銀行，普遍受到政府的隱性保護(hù)并有較高的資本要求，當(dāng)宏觀經(jīng)濟(jì)環(huán)境較差時(shí)具有較強(qiáng)的抵御能力。

研究結(jié)果表明，大型商業(yè)銀行對(duì)利率變化的抵御能力較強(qiáng)，然而持續(xù)擴(kuò)大大型商業(yè)銀行的規(guī)?？赡軐?dǎo)致銀行信貸渠道的傳導(dǎo)能力減弱，并對(duì)銀行系統(tǒng)帶來(lái)不利影響。樣本中國(guó)有商業(yè)銀行的相對(duì)資產(chǎn)規(guī)模較大，政府向銀行委派出資人代表并選擇國(guó)有銀行的高級(jí)管理人員的委托代理過(guò)程，導(dǎo)致國(guó)有商業(yè)銀行對(duì)外部環(huán)境變化的反應(yīng)往往較慢，加之決策層和管理層的人員更關(guān)注給予其職權(quán)的政府和領(lǐng)導(dǎo)的利益，對(duì)可能存在的風(fēng)險(xiǎn)不夠重視，從而可能導(dǎo)致銀行應(yīng)對(duì)外部環(huán)境變化的能力不足。從銀行自身經(jīng)營(yíng)的角度看，中國(guó)商業(yè)銀行應(yīng)注重經(jīng)營(yíng)模式的改革和經(jīng)營(yíng)效率的提升，提高銀行的風(fēng)險(xiǎn)控制能力。

[1] KASHYAP,STEIN.The Impact of Monetary Policy on Bank Balance Sheets[J].Carnegie-Rochester Conference Series on Public Policy，1995,(42):151-195.

[2] MATOUSEK,SARANTIS.The Bank Lending Channel and Monetary Transmission in Central and Eastern European Countries[J].Journal of Comparative Economics，2009,(37):321-334.

[3] FRUHWIRTH-SCHNATTER S, KAUFMANN S.How Do Changesin Monetary Policy Affect Bank Lending? An Analysisof Austrian Bank Data[J].Journalof Applied Econometrics,2006,(21): 275-305.

[4] 許友傳.商業(yè)銀行對(duì)貨幣政策的信貸行為反應(yīng)與分布特征[J].上海經(jīng)濟(jì)研究, 2012,(9):3-29.

表 銀行貸款反應(yīng)的組別參數(shù)的估計(jì)結(jié)果

注：組別參數(shù)為組內(nèi)估計(jì)值的均值，置信區(qū)間為參數(shù)估計(jì)95%的區(qū)間

[責(zé)任編輯：房宏琳，曾 博]

2014-11-24

教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目(14JJD790043)；國(guó)家社會(huì)科學(xué)基金項(xiàng)目(12BJY158)

張丁育(1989—)，女，博士研究生，從事金融計(jì)量分析研究；陳守東(1955—)，男，教授，博士生導(dǎo)師，從事金融與財(cái)務(wù)決策研究。

F830.33

A

1002-462X(2015)05-0119-04