利率與銀行貸款行為的規(guī)模分布效應研究

張丁育，陳守東

(吉林大學 a.數(shù)量經(jīng)濟研究中心；b.商學院，長春 130012)

利率與銀行貸款行為的規(guī)模分布效應研究

張丁育a，b，陳守東a

(吉林大學 a.數(shù)量經(jīng)濟研究中心；b.商學院，長春 130012)

貨幣政策通過影響銀行的信貸行為向?qū)嶓w經(jīng)濟進行傳導。在利率變化向?qū)嶓w經(jīng)濟的傳導過程中，銀行規(guī)模起到了重要作用，同時經(jīng)濟環(huán)境變化導致貸款需求彈性發(fā)生改變，從而使銀行貸款行為受到利率影響的機制發(fā)生變化?；谥袊虡I(yè)銀行的面板數(shù)據(jù)，研究分析加入經(jīng)濟狀態(tài)變量的不同時期銀行貸款行為對利率的反應，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變性；宏觀經(jīng)濟環(huán)境較好時，利率增長對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；低風險銀行；高風險銀行

引 言

銀行信貸在貨幣政策變化向?qū)嶓w經(jīng)濟傳導的過程中占據(jù)重要地位，利率是銀行信貸傳導過程的重要因素。一般地，存款準備金率上升，利率會有上升的壓力，這是實行緊縮貨幣政策的信號，銀行需要削減新貸款以應對存款準備金的上升，這種貸款缺口很難通過其他融資途徑彌補。對貸款者來說，銀行貸款的減少也難以通過其他融資途徑獲得，從而導致實體經(jīng)濟受貨幣政策變動的影響。中國商業(yè)銀行系統(tǒng)包括國有商業(yè)銀行、股份制商業(yè)銀行、地區(qū)商業(yè)銀行等，相對于中小銀行，大型的全國性商業(yè)銀行更容易從銀行間拆借市場和金融市場獲得資金，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。

學者們通過規(guī)模或流動性對銀行進行分類以解釋銀行貸款行為受利率影響的分布效應。Kashyap和Stein(1995)將美國銀行按照相對規(guī)模分成了三類，并分析了聯(lián)邦基金利率變化對各類銀行整體借款的影響，認為不同類別的銀行對利率變化的反應程度有所不同[1]；Matousek和Sarantis(2009)通過動態(tài)面板估計對東歐和中歐8個國家的大量銀行進行分析，研究發(fā)現(xiàn)銀行規(guī)模和流動性對銀行貸款受貨幣政策影響的分布效應具有十分顯著的影響[2]；Fruhwirth-Schnatter和Kaufmann(2006)以奧地利銀行為樣本，將對利率變化具有相似反應的銀行歸為一組，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)濟狀況的影響[3]；許友傳(2012)通過非平衡面板數(shù)據(jù)研究了全國性商業(yè)銀行、城市商業(yè)銀行和外資銀行對貨幣政策沖擊的信貸行為反應與分布特征，研究發(fā)現(xiàn)規(guī)模越大、股權(quán)資本越多的銀行對貨幣緊縮態(tài)勢有更大的信貸行為反應[4]。

本文建立了帶有宏觀經(jīng)濟狀況控制變量的時變VARX模型，通過貝葉斯MCMC方法，試估計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改進的微觀層面的貨幣政策，即信用傳導機制模型描述貨幣政策通過影響銀行對私人部門的信用供給，對實體經(jīng)濟產(chǎn)生的沖擊和傳導作用。本研究將銀行分為高風險銀行和低風險銀行兩類，并對銀行貸款行為提出三個假設(shè)。

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

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

假設(shè)3：銀行均以利潤最大化為目標進行貸款決策。

高風險和低風險兩類銀行均有兩種獲得新貸款L的可能性，應提取準備金但風險較低(可視為無風險)的存款D和無擔保的風險資金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。因為各銀行間現(xiàn)有資產(chǎn)A的不同是不公開的，從而導致存款者信息不對稱。低風險銀行資產(chǎn)價值為AG，高風險銀行資產(chǎn)價值為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為新增的風險資金，存款D以準備金率φ提取儲備金。整個貸款市場面臨著市場出清的貸款利率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)

對銀行提供貸款的行為，分別對高風險和低風險銀行進行局部均衡模型的分析，依據(jù)Stein(1998)，高風險銀行面臨的貸款供給曲線為：

LB=(a-bi)/2

(3)

而B銀行在追求利潤最大化的原則下，全部通過無擔保的風險融資E作為貸款的資金來源，LB=EB，即通過每個銀行的外部風險融資E的大小決定銀行的類型。

LG=LB-Z

(4)

低風險銀行風險融資的數(shù)量小于高風險銀行，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，且低風險銀行的外部融資為EG時，Z的最優(yōu)選擇為：

Z=φib/2(1-φ)

(6)

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

(7)

由式(7)可知，各銀行非對稱信息的暴露程度不同，利率變化導致的貸款變化也不同。低風險銀行的貸款受可用儲備金的正向影響，且這種影響程度受信息不對稱程度γ和貸款需求彈性b的影響，銀行信息不對稱程度越高，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計量模型

根據(jù)上述研究，利率變化導致的貸款變化受到信息不對稱程度和貸款需求彈性的影響。中國以往的研究往往通過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模型對描述經(jīng)濟變量之間的關(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，因此對銀行貸款行為的分布效應和經(jīng)濟狀態(tài)變量進行研究，加入控制變量對VAR簡化式方程進行了擴充,得到時變的VARX模型為：

(8)

其中，dblit為銀行i在t時點的貸款變化，以銀行的季度貸款增長率衡量，本文假定dblit對利率變動的響應在不同銀行間和不同時點是有區(qū)別的；dirt為利率增長率；p和q分別代表銀行貸款受到自身的p階滯后效應和利率變化的q階滯后效應。引入衡量銀行信用風險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)濟控制變量GDP增長率和通貨膨脹預期率，并假定貸款增長率對GDP增長率和通貨膨脹預期率無法即期響應，即GDP增長率和通貨膨脹預期率對貸款規(guī)模的變化僅存在滯后效應。為消除季節(jié)效應，引入季節(jié)虛擬變量Djt,j=1,2,3。Si為銀行i的分組指標，按銀行資產(chǎn)規(guī)模對銀行i進行分組，i=1,2,3。

Pr(It=j|It-1=i)=τiji,j=0,1

(9)

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

學者們往往通過銀行資產(chǎn)規(guī)模和代表資產(chǎn)負債表強度的流動資產(chǎn)比例對銀行進行分類[1]，通過Pearson相關(guān)系數(shù)檢驗發(fā)現(xiàn)，銀行資產(chǎn)規(guī)模和資產(chǎn)負債率正相關(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，銀行的風險越小。因此，我們以銀行資產(chǎn)規(guī)模為分類指標，對每一季度的銀行資產(chǎn)規(guī)模按15%、85%的分位點分為三組，每期分類一次，每家銀行進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。由于銀行貸款增長率的自回歸超過1期不顯著，利率的滯后項超過2期不顯著，因此p和q的初始值分別為p=1和q=2。通過相對資產(chǎn)規(guī)模對銀行分為三組，以5 000次迭代獲得了樣本的后驗分布，其中前1 000次迭代作為預燒期以避免對初始數(shù)據(jù)的依賴性。

三、利率與銀行貸款行為的實證分析

論文選取2007—2013年中國上市商業(yè)銀行的季度數(shù)據(jù)作為樣本，數(shù)據(jù)來源于Bankscope數(shù)據(jù)庫和Wind數(shù)據(jù)庫，缺失數(shù)據(jù)通過上市銀行的財務報表獲得。時間序列開始時存在缺失值的內(nèi)生變量估計是不穩(wěn)定的，因此排除樣本期開始時存在連續(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率統(tǒng)計上超出97.5%和小于2.5%的異常值初始時以當期貸款增長率均值替代，并不斷迭代為全樣本信息的估計值。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)銀行的實際產(chǎn)權(quán)歸屬。宏觀經(jīng)濟控制變量通貨膨脹率以CPI的增長率計量。

運用貝葉斯MCMC方法對銀行貸款規(guī)模與利率增長率相關(guān)性的參數(shù)估計，以無約束的后驗分布得出狀態(tài)變量的估計。對銀行按資產(chǎn)規(guī)模分組后，以各組的組內(nèi)均值作為參數(shù)估計結(jié)果。由組別參數(shù)的估計結(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，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)濟環(huán)境變化的影響很小，而規(guī)模最小的銀行受到經(jīng)濟環(huán)境變化的影響最大，驗證了銀行信息不對稱程度不同，利率變化導致的貸款變化也不同。

It=0時，經(jīng)濟狀況較好，三組銀行的貸款行為對利率變化均產(chǎn)生負向響應，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)模對利率變化的反應最大，利率對銀行貸款規(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)濟狀況較差，由于宏觀經(jīng)濟金融環(huán)境的惡化，導致貸款的需求彈性減小，此時三組銀行的貸款行為對利率變化產(chǎn)生正向響應，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。

對所有銀行，同一時期的宏觀經(jīng)濟狀況都是一致的，因此三組銀行同時發(fā)生區(qū)制轉(zhuǎn)移，但三組銀行受到經(jīng)濟狀況影響的程度有所不同。實證研究中，2008年6月至2009年初、2011年9月至2012年初這兩個時段，中國商業(yè)銀行面臨的經(jīng)濟狀況較差，主要是受2008年國際金融危機、歐債危機和中國經(jīng)濟增速放緩的影響，導致外部經(jīng)濟環(huán)境處于較差的狀況，即It=1。根據(jù)參數(shù)估計的結(jié)果，說明利率的變化受到經(jīng)濟環(huán)境的影響，當宏觀經(jīng)濟環(huán)境較好時，利率增長對銀行貸款的影響更大；宏觀經(jīng)濟環(huán)境較差時，利率變化對銀行貸款規(guī)模具有正向影響且影響程度較小，這可能是因為，經(jīng)濟狀況良好時實體經(jīng)濟更易獲得流動性，而經(jīng)濟環(huán)境越差時，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14家上市銀行2007—2013年的季度數(shù)據(jù)，對利率與銀行貸款行為的關(guān)系進行了分類研究，結(jié)果表明，中國商業(yè)銀行在利率變化的沖擊下有著不同的信貸行為反應，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利率變化的反應具有時變性。時變性和參數(shù)估計結(jié)果表明，宏觀經(jīng)濟環(huán)境較好時，利率增長對銀行貸款的影響較大；宏觀經(jīng)濟環(huán)境較差時，利率的變化對銀行貸款規(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并有較高的資本要求，當宏觀經(jīng)濟環(huán)境較差時具有較強的抵御能力。

研究結(jié)果表明，大型商業(yè)銀行對利率變化的抵御能力較強，然而持續(xù)擴大大型商業(yè)銀行的規(guī)模可能導致銀行信貸渠道的傳導能力減弱，并對銀行系統(tǒng)帶來不利影響。樣本中國有商業(yè)銀行的相對資產(chǎn)規(guī)模較大，政府向銀行委派出資人代表并選擇國有銀行的高級管理人員的委托代理過程，導致國有商業(yè)銀行對外部環(huán)境變化的反應往往較慢，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)導的利益，對可能存在的風險不夠重視，從而可能導致銀行應對外部環(huán)境變化的能力不足。從銀行自身經(jīng)營的角度看，中國商業(yè)銀行應注重經(jīng)營模式的改革和經(jīng)營效率的提升，提高銀行的風險控制能力。

[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)銀行對貨幣政策的信貸行為反應與分布特征[J].上海經(jīng)濟研究, 2012,(9):3-29.

表 銀行貸款反應的組別參數(shù)的估計結(jié)果

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

[責任編輯：房宏琳，曾 博]

2014-11-24

教育部人文社會科學重點研究基地重大項目(14JJD790043)；國家社會科學基金項目(12BJY158)

張丁育(1989—)，女，博士研究生，從事金融計量分析研究；陳守東(1955—)，男，教授，博士生導師，從事金融與財務決策研究。

F830.33

A

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