定向降準(zhǔn)對(duì)銀行信貸結(jié)構(gòu)的調(diào)整作用
——基于銀行信用風(fēng)險(xiǎn)環(huán)境的考量

閆雨微

（西南財(cái)經(jīng)大學(xué)，四川 成都 611130）

一、引言與文獻(xiàn)綜述

中國經(jīng)濟(jì)發(fā)展方式已經(jīng)從規(guī)模速度型粗放增長轉(zhuǎn)向了質(zhì)量效率型集約增長，促進(jìn)經(jīng)濟(jì)供給側(cè)結(jié)構(gòu)性改革，引導(dǎo)資金“脫虛向?qū)崱背蔀橥苿?dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵。然而近年來全球經(jīng)濟(jì)低迷，逆全球化風(fēng)險(xiǎn)加劇，經(jīng)濟(jì)環(huán)境更為復(fù)雜和不確定。

長期以來，央行通過一系列穩(wěn)健的貨幣政策調(diào)節(jié)市場供求平衡，推動(dòng)實(shí)體經(jīng)濟(jì)平穩(wěn)運(yùn)行。2014年以前，我國貨幣政策以總量調(diào)控為主，通過央行、金融機(jī)構(gòu)和實(shí)體部門資產(chǎn)負(fù)債表之間的關(guān)聯(lián)和緊密互動(dòng)，調(diào)控實(shí)體經(jīng)濟(jì)。然而，總量型貨幣政策不能精確引導(dǎo)金融機(jī)構(gòu)的具體偏好，對(duì)于微觀主體的調(diào)控具有一定的局限性。2014 年以來，為了平滑由于外匯占款趨勢下降、貨幣市場因基礎(chǔ)貨幣投放不足而產(chǎn)生的流動(dòng)性風(fēng)險(xiǎn)，滿足差異化流動(dòng)性的需求，央行創(chuàng)新了一系列結(jié)構(gòu)型貨幣政策工具，輔助總量工具調(diào)控實(shí)體經(jīng)濟(jì)。然而，中小企業(yè)作為推動(dòng)實(shí)體經(jīng)濟(jì)發(fā)展的生力軍，由于其經(jīng)營因素、風(fēng)險(xiǎn)因素和信用因素等原因，長期面臨貸款難、貸款貴的難題。在經(jīng)濟(jì)結(jié)構(gòu)性調(diào)整、“三去一降一補(bǔ)”的經(jīng)濟(jì)發(fā)展政策背景下，央行對(duì)結(jié)構(gòu)型貨幣政策再創(chuàng)新，通過常備借貸便利、定向降準(zhǔn)、再貼現(xiàn)再貸款等結(jié)構(gòu)性貨幣政策，調(diào)整信貸結(jié)構(gòu)，疏通貨幣傳導(dǎo)機(jī)制，解決國內(nèi)二元信用條件對(duì)小企業(yè)的融資約束。在過去的一年里，面對(duì)中美貿(mào)易摩擦升級(jí)帶來的動(dòng)蕩的經(jīng)濟(jì)局勢，央行結(jié)合總量貨幣工具及時(shí)定向降準(zhǔn)，宣布“三檔兩優(yōu)”存款準(zhǔn)備金框架的形成，同時(shí)有針對(duì)性地完善了再貼現(xiàn)、常備借貸便利、動(dòng)用存款準(zhǔn)備金、流動(dòng)性再貸款等防范中小銀行流動(dòng)性風(fēng)險(xiǎn)的“四道防線”，為中小銀行流動(dòng)性提供保障。在全球掀起降息潮的局勢下，央行在下半年發(fā)布改革完善貸款市場報(bào)價(jià)利率（LPR）的公告，推動(dòng)貸款利率“兩軌并一軌”，打破貸款利率隱形下限，進(jìn)一步降低小微企業(yè)融資成本，助力實(shí)體經(jīng)濟(jì)。

根據(jù)凱恩斯貨幣政策傳導(dǎo)機(jī)制理論，貨幣政策通過影響市場利率，進(jìn)而影響投資和實(shí)體經(jīng)濟(jì)的發(fā)展。總的來說，利率傳導(dǎo)模式為“政策利率-貨幣市場利率-存款利率-商業(yè)銀行整體負(fù)債成本-貸款利率”。央行通過貨幣政策的價(jià)格型調(diào)控，刺激實(shí)體經(jīng)濟(jì)發(fā)展。在全球經(jīng)濟(jì)下行的背景下，各國越來越重視結(jié)構(gòu)性貨幣政策的作用，如英格蘭銀行的融資換貸款計(jì)劃，歐洲央行的定向長期再融資操作，美聯(lián)儲(chǔ)的定期證券借貸便利、商業(yè)票據(jù)融資工具、定期資產(chǎn)支持證券貸款工具。但是與美國等發(fā)達(dá)國家以大規(guī)模擴(kuò)張資產(chǎn)負(fù)債表、向金融機(jī)構(gòu)注入大量流動(dòng)性為主的非常規(guī)貨幣政策不同，我國的結(jié)構(gòu)性貨幣政策具有短期性和易回收性等特征[1]，其中支小再貸款和定向降準(zhǔn)政策聚焦于為中小銀行提供流動(dòng)性保障，緩解小微企業(yè)和“三農(nóng)”貸款難的問題。

定向降準(zhǔn)作為央行重要的結(jié)構(gòu)性貨幣政策，相比全面降準(zhǔn)，精準(zhǔn)性更高。全面降準(zhǔn)往往被市場看作是貨幣政策全面寬松的信號(hào)，可能推動(dòng)信貸資金大量流入房地產(chǎn)市場等非實(shí)體經(jīng)濟(jì)，目前我國經(jīng)濟(jì)運(yùn)行整體平穩(wěn)，流動(dòng)性總體適度充裕，沒有必要實(shí)施全面降準(zhǔn)。而定向降準(zhǔn)政策附加支小再貸款等政策，將全面降準(zhǔn)的“大水漫灌”轉(zhuǎn)變成為“精準(zhǔn)滴灌”，有利于擴(kuò)大中小銀行的信貸投放能力，更加針對(duì)性地引導(dǎo)金融資源合理配置。然而，定向降準(zhǔn)對(duì)于資金的定向引導(dǎo)或作用有限。從圖1可以看出，定向降準(zhǔn)政策實(shí)施以來，雖然小微企業(yè)貸款增速大致高于全部企業(yè)貸款增速3 個(gè)百分點(diǎn)，但是小微企業(yè)貸款增速并不穩(wěn)定，并未形成明顯的上升趨勢，商業(yè)銀行小微企業(yè)貸款占比或并未發(fā)生明顯提高。這可能是由于：首先，定向降準(zhǔn)多覆蓋中小銀行，且部分定向降準(zhǔn)具有較高的標(biāo)準(zhǔn)，由于市場微觀主體行為的不可控性，定向降準(zhǔn)政策引導(dǎo)資金的效果或有限，并不能緩解實(shí)體經(jīng)濟(jì)融資貴的困境。其次，定向降準(zhǔn)雖然意在引導(dǎo)資金流向?qū)嶓w經(jīng)濟(jì)，但是基于商業(yè)銀行的盈利性目標(biāo)，銀行多愿將可貸資金更多地投向收益高風(fēng)險(xiǎn)小的大型企業(yè)。同時(shí)，信貸規(guī)模的擴(kuò)大可能造成一部分可貸資金流入房地產(chǎn)等領(lǐng)域，加劇房地產(chǎn)泡沫，并未對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生實(shí)際效益。

圖1 企業(yè)貸款同比增速

在學(xué)術(shù)界，國內(nèi)外各學(xué)者對(duì)于結(jié)構(gòu)性貨幣政策的效果意見尚未統(tǒng)一。其中，部分國外學(xué)者重點(diǎn)研究了結(jié)構(gòu)性貨幣政策對(duì)于金融市場利率方面的影響[2]，部分從宏觀經(jīng)濟(jì)的層面入手重點(diǎn)研究以歐洲央行為代表的定向長期再融資計(jì)劃[3]和以英格蘭銀行為代表的融資換貸款計(jì)劃[4]的實(shí)際效用。

對(duì)于定向降準(zhǔn)政策的效果，國內(nèi)各學(xué)者的態(tài)度也存在分歧。彭俞超、方意的研究說明定向降準(zhǔn)等結(jié)構(gòu)型貨幣政策主要通過影響金融機(jī)構(gòu)的運(yùn)營成本發(fā)揮信貸結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的作用[5]。林朝穎等基于企業(yè)視角分析，發(fā)現(xiàn)定向降準(zhǔn)政策出臺(tái)后，A 股農(nóng)業(yè)上市公司獲得的信貸資源占比有所提高，但定向調(diào)控與總量貨幣政策結(jié)合則會(huì)影響定向降準(zhǔn)政策的精準(zhǔn)性[6]。馬方方、谷建偉通過分析后發(fā)現(xiàn)，定向降準(zhǔn)雖然可以增加小微企業(yè)貸款和涉農(nóng)貸款，但效果并不穩(wěn)定，結(jié)構(gòu)型定向調(diào)控措施只能作為短期過渡性措施，并不能納入長期政策框架[7]。黎齊通過實(shí)證研究表明，由于缺乏引導(dǎo)資金流入的途徑，定向降準(zhǔn)釋放的流動(dòng)性并未改善小微企業(yè)貸款難的問題[8]。此外，定向降準(zhǔn)政策貸款比例設(shè)定標(biāo)準(zhǔn)較高，作用主體多為中小銀行，釋放資金體量較?。磺矣捎谫Y本的逐利性導(dǎo)致資金偏向于流入風(fēng)險(xiǎn)更低、回報(bào)更高的項(xiàng)目，資金流向難以精確定位，因此定向降準(zhǔn)政策對(duì)于緩解融資貴問題所起到的作用非常有限[9]。事實(shí)上，根據(jù)中國人民銀行在《2014 年第二季度中國貨幣政策執(zhí)行報(bào)告》中所述，定向降準(zhǔn)主要發(fā)揮信號(hào)和引導(dǎo)作用，對(duì)微觀個(gè)體的決策干預(yù)效果有限，只有通過體制改革和市場的作用才能從根本上改善資金流向狀況，提升政策效果[10]。

本文基于已有研究，首先從理論模型研究出發(fā)，提出定向降準(zhǔn)政策可以提高銀行小微企業(yè)貸款占比、銀行信用風(fēng)險(xiǎn)對(duì)于定向降準(zhǔn)政策效果具有影響兩條假說。然后構(gòu)建實(shí)證分析模型，從銀行側(cè)入手，對(duì)比分析政策實(shí)施對(duì)象與非政策實(shí)施對(duì)象重點(diǎn)在定向降準(zhǔn)前后銀行小微企業(yè)貸款占比的變化情況，定量分析銀行新增流動(dòng)性的流向，判定定向降準(zhǔn)政策對(duì)于銀行貸款結(jié)構(gòu)的長期影響?；诨貧w分析結(jié)論，本文在理論研究所得假說的基礎(chǔ)上，將從銀行自身貸款風(fēng)險(xiǎn)情況和所在城市外部信用風(fēng)險(xiǎn)環(huán)境情況兩方面衡量銀行信用風(fēng)險(xiǎn)狀況，分析銀行的綜合信用風(fēng)險(xiǎn)環(huán)境對(duì)于定向降準(zhǔn)政策效果的影響。最后，本文將從各經(jīng)濟(jì)主體的角度出發(fā)，為定向降準(zhǔn)政策效果的充分發(fā)揮建言獻(xiàn)策。

本文的主要貢獻(xiàn)為：（1）從銀行側(cè)出發(fā)，從理論研究和實(shí)證分析兩方面研究定向降準(zhǔn)政策對(duì)于銀行貸款結(jié)構(gòu)的影響，對(duì)定向降準(zhǔn)政策效果的研究予以補(bǔ)充。國內(nèi)外各學(xué)者多從企業(yè)側(cè)入手，研究定向降準(zhǔn)政策對(duì)于小微企業(yè)、“三農(nóng)”貸款困境的改善情況，從銀行角度出發(fā)進(jìn)行分析的文獻(xiàn)較少。已有文獻(xiàn)多以小微企業(yè)貸款增量為政策效果衡量指標(biāo)，對(duì)銀行信貸結(jié)構(gòu)的研究較少。本文從一定程度上填補(bǔ)了相關(guān)研究的空白，為日后其他學(xué)者的研究提供借鑒和參考的理論框架。（2）運(yùn)用熵值法綜合衡量銀行自身的信用風(fēng)險(xiǎn)承擔(dān)狀況，輔之以銀行所在城市的商業(yè)信用環(huán)境指數(shù)，較為全面地衡量了銀行信用風(fēng)險(xiǎn)。通過理論與實(shí)證研究，分析了銀行風(fēng)險(xiǎn)對(duì)于定向降準(zhǔn)政策的影響，為定向降準(zhǔn)政策效果改善途徑的相關(guān)研究提供借鑒。

二、理論模型和研究假說

已有研究表明，定向降準(zhǔn)政策在理論上對(duì)銀行的信貸結(jié)構(gòu)具有一定的影響[6]?；谝延欣碚撗芯縖11]，本文對(duì)定向降準(zhǔn)對(duì)銀行信貸結(jié)構(gòu)的影響以及銀行信用風(fēng)險(xiǎn)對(duì)于定向降準(zhǔn)政策效果的影響做出如下理論分析。

（一）基本模型

由資產(chǎn)負(fù)債恒等式

其中G 表示政府債券總額，L 表示貸款總額，R 表示存款準(zhǔn)備金總額，D 表示存款總額，E表示銀行資本總額。可得L＝D＋E－G－R

將銀行貸款分為小微企業(yè)貸款LM和中大型企業(yè)貸款LNM，有L＝LM＋LNM，小微企業(yè)貸款占比為r，則有

假設(shè)銀行不留存超額準(zhǔn)備金，設(shè)法定準(zhǔn)備金比率為ρ，定向降準(zhǔn)幅度為θ，獲得定向降準(zhǔn)的概率為P，則有

銀行新增小微企業(yè)貸款占總發(fā)放貸款額的比例以及銀行貸款結(jié)構(gòu)中小微企業(yè)貸款占比越高，銀行成為定向降準(zhǔn)政策對(duì)象概率越高，即概率P 是比率r 的增函數(shù)，設(shè)P 為r 的線性函數(shù)，P＝f（r），則

對(duì)模型進(jìn)行簡化，做出如下合理假定：

（1）全國各類商業(yè)銀行是理性經(jīng)濟(jì)人，以追求自身利潤最大化為經(jīng)營目標(biāo)。

（2）假設(shè)銀行不持有超額準(zhǔn)備金，中央銀行不支付準(zhǔn)備金利息。

（3）債券市場與銀行信貸市場為完全競爭市場，定向降準(zhǔn)政策不影響債券利率和存貸款利率，即債券利率rG、存款利率rD、小微企業(yè)貸款利率rM、中大型企業(yè)貸款利率rNM均為常數(shù)。

（4）定向降準(zhǔn)政策不影響銀行的資金來源和投資決策，即政府債券額G，存款總額D 和資本總額E 均為常數(shù)。

（5）定向降準(zhǔn)政策不影響銀行信貸成本和自有資本成本，即小微企業(yè)貸款成本kM、中大型企業(yè)貸款成本kNM、自有資本成本系數(shù)kE常數(shù)。

（6）不考慮銀行其他收入及支出。

基于上述假設(shè)，商業(yè)銀行利潤總額為

其中g(shù)（α，L）為銀行貸款損失，為銀行自身承擔(dān)風(fēng)險(xiǎn)狀況和外部信用風(fēng)險(xiǎn)狀況指標(biāo)α、銀行貸款總額L 的函數(shù)。

（二）定向降準(zhǔn)政策效果

不考慮銀行貸款損失，即g（α，L）＝0 記，ΔrM＝（rM－kM），ΔrNM＝（rNM－kNM），商業(yè)銀行利潤最大化目標(biāo)函數(shù)與約束條件為

將約束條件代入目標(biāo)函數(shù)后，銀行最優(yōu)小微企業(yè)貸款比例r*的一階條件為

對(duì)r*進(jìn)行比較靜態(tài)分析，將（9）式對(duì)定向降準(zhǔn)幅度θ 求偏導(dǎo)

其中L－DPθ＝D＋E－G－R－DPθ＝D＋E－G－D（ρ－Pθ）－DPθ＝D＋E－G－Dρ 為銀行沒有獲得定向降準(zhǔn)時(shí)的可貸資金總額

（三）銀行風(fēng)險(xiǎn)對(duì)定向降準(zhǔn)政策效果的影響

考慮銀行貸款損失，即g（α，L）≠0，其對(duì)小微企業(yè)貸款占比r 的一階導(dǎo)數(shù)為銀行信用風(fēng)險(xiǎn)指標(biāo)的函數(shù)。此時(shí)，商業(yè)銀行利潤最大化目標(biāo)函數(shù)與約束條件為

此時(shí)銀行最優(yōu)小微企業(yè)貸款比例r′的一階條件為

對(duì)r′進(jìn)行比較靜態(tài)分析，將（13）式對(duì)定向降準(zhǔn)幅度θ 求偏導(dǎo)

其中L－DPθ＞0，一般情況下，小微企業(yè)貸款利率要高于中大型企業(yè)貸款利率，即ΔrM－ΔrNM＞0。因此，銀行小微企業(yè)貸款比例與定向降準(zhǔn)幅度之間的關(guān)系取決于（ΔrM－ΔrNM）（L－DPθ）與u（α）的大小關(guān)系。

綜合（10）和（14）式的推導(dǎo)結(jié)果，得到本文兩條假說：

H1：定向降準(zhǔn)政策可以提高商業(yè)銀行小微企業(yè)貸款占比。

H2：銀行風(fēng)險(xiǎn)對(duì)于定向降準(zhǔn)政策效果具有一定影響。

三、實(shí)證模型與樣本數(shù)據(jù)

（一）實(shí)證模型

基于理論分析得到的兩條假說，本文采用基于傾向值得分匹配的雙重差分模型（Propensity Score Matching Difference-in-Difference Analysis，PSM-DID）。采用傾向值得分匹配（PSM）的原因在于：雖然我國從2014 年起針對(duì)不同類型的商業(yè)銀行多次實(shí)施定向降準(zhǔn)政策，但是城市商業(yè)銀行、農(nóng)村商業(yè)銀行、農(nóng)合行、農(nóng)信社等主要面向中小企業(yè)的金融機(jī)構(gòu)是其政策實(shí)施的重點(diǎn)對(duì)象。因此，可以認(rèn)為，央行的定向降準(zhǔn)政策并不是隨機(jī)選擇銀行實(shí)施，而是考慮了銀行自身的結(jié)構(gòu)特點(diǎn)定向?qū)嵤?。為了避免由于樣本選擇性偏誤造成的內(nèi)生性問題，我們依據(jù)銀行自身的經(jīng)營特點(diǎn)，采用傾向得分匹配（PSM）對(duì)中大型銀行與城市商業(yè)銀行、農(nóng)村金融機(jī)構(gòu)進(jìn)行匹配。采用倍差法（DID）原因在于：央行實(shí)行定向降準(zhǔn)政策的同時(shí)也通過其他貨幣政策進(jìn)行宏觀調(diào)控，這些政策有可能會(huì)對(duì)商業(yè)銀行的小微企業(yè)貸款占比產(chǎn)生普遍性影響；某些無法觀測的因素也有可能會(huì)影響處理組與對(duì)照組的因變量趨勢，使參數(shù)估計(jì)結(jié)果產(chǎn)生偏誤，倍差法（DID）通過兩次差分，在一定程度上可以解決這個(gè)問題。

由于對(duì)照組樣本較少，采用PSM 從銀行風(fēng)險(xiǎn)承擔(dān)狀況和償債能力、銀行經(jīng)營狀況兩方面為對(duì)照組樣本匹配盡可能相似的處理組樣本，構(gòu)造反事實(shí)狀態(tài)。選擇定向降準(zhǔn)政策實(shí)施始點(diǎn)前的2013年末作為匹配時(shí)間，采用logit 模型進(jìn)行K 臨近值匹配（k＝4），一般情況下可最小化均方誤差[12]。剔除不在共同支持域的樣本后，得到倍差法樣本。以下為倍差法實(shí)證模型設(shè)計(jì)。

1.定向降準(zhǔn)對(duì)銀行小微企業(yè)貸款占比的影響。在PSM 匹配樣本后，處理組與對(duì)照組樣本具有相似的樣本特征，使用倍差法（DID）分析定向降準(zhǔn)的政策效果。在后續(xù)實(shí)證分析中，通過F 檢驗(yàn)和Hausman 檢驗(yàn)判定采用隨機(jī)效應(yīng)面板回歸模型，DID 模型構(gòu)建如下。

其中，使用銀行當(dāng)年小微貸款占比作為被解釋變量，構(gòu)造二元虛擬變量treatment 定義組別，treatment＝1 為處理組，treatment＝0 為對(duì)照組；二元虛擬變量T 定義政策實(shí)施節(jié)點(diǎn)，T＝1 表示政策實(shí)施后的時(shí)期，T＝0 表示政策實(shí)施前的時(shí)期。引入反映銀行個(gè)體特征的變量X 與反映宏觀經(jīng)濟(jì)狀況的變量Y 作為控制變量。其中，銀行個(gè)體變量包含銀行償債能力和風(fēng)險(xiǎn)狀況、銀行經(jīng)營狀況兩方面的變量。由于當(dāng)年的銀行個(gè)體特征會(huì)影響當(dāng)年的銀行小微企業(yè)貸款占比，小微企業(yè)貸款占比也會(huì)影響當(dāng)年銀行的盈利和風(fēng)險(xiǎn)承擔(dān)狀況，為了避免內(nèi)生性，使用個(gè)體特征的滯后一期變量Xt－1，同時(shí)也可以說明銀行過去一年的盈利和風(fēng)險(xiǎn)狀況會(huì)影響其下一年的貸款結(jié)構(gòu)決策，具有實(shí)際經(jīng)濟(jì)意義。此外，引入時(shí)間虛擬變量，其中D2＝1，如果t＝2（2009 年）；D2＝0，t≠2，其余年份以此類推。εit為干擾項(xiàng)。

（15）式中政策變量與組別變量的交互項(xiàng)treatment*T 為核心變量，通過分析此項(xiàng)系數(shù)β3考察定向降準(zhǔn)政策的實(shí)施效果。

2.銀行信用風(fēng)險(xiǎn)環(huán)境對(duì)于定向降準(zhǔn)的調(diào)節(jié)作用。根據(jù)第二條假說，本文基于前述DID 模型，加入銀行信用風(fēng)險(xiǎn)調(diào)節(jié)變量探究其對(duì)于定向降準(zhǔn)政策的調(diào)節(jié)作用。經(jīng)過F 檢驗(yàn)和Hausman 檢驗(yàn)，采用隨機(jī)效應(yīng)面板模型。模型調(diào)整如下。

其中銀行信用風(fēng)險(xiǎn)變量由內(nèi)部風(fēng)險(xiǎn)指數(shù)和外部風(fēng)險(xiǎn)指數(shù)兩部分構(gòu)成。通過實(shí)證分析模型（16）中交互項(xiàng)treatment*T*Mit的系數(shù)θ1，定量分析銀行所處信用風(fēng)險(xiǎn)環(huán)境對(duì)定向降準(zhǔn)政策效果的影響。

3.銀行信用風(fēng)險(xiǎn)指數(shù)計(jì)算。

（1）銀行內(nèi)部風(fēng)險(xiǎn)指數(shù)。

本文采用熵值法，根據(jù)樣本數(shù)據(jù)信息確定各指標(biāo)權(quán)重，計(jì)算銀行內(nèi)部加權(quán)風(fēng)險(xiǎn)指數(shù)。具體步驟如下：

第一步，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

對(duì)于正向指標(biāo)，采用（17）式處理，對(duì)于負(fù)向指標(biāo)，采用（18）式處理

Xijt，xijt表示第i 家銀行指標(biāo)j 在第t 年在標(biāo)準(zhǔn)化前后的數(shù)值，下同

第二步，利用（19）式，得到新的P 矩陣。

第三步，計(jì)算各個(gè)指標(biāo)的熵值

第四步，計(jì)算指標(biāo)的差異指數(shù)

第五步，計(jì)算權(quán)重

第六步，采用（23）式計(jì)算各銀行內(nèi)部風(fēng)險(xiǎn)指數(shù)，并用上一年的各指標(biāo)信息計(jì)算當(dāng)年內(nèi)部風(fēng)險(xiǎn)指數(shù)以避免內(nèi)生性。

（2）銀行外部信用風(fēng)險(xiǎn)指數(shù)。

由于中國城市商業(yè)信用環(huán)境指數(shù)與銀行所處外部風(fēng)險(xiǎn)負(fù)相關(guān)，因此需要對(duì)其正向化和無量綱化。計(jì)算公式為

（二）數(shù)據(jù)來源與變量設(shè)計(jì)

本文所使用的宏觀數(shù)據(jù)以及銀行財(cái)務(wù)經(jīng)營數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫和CEIC 宏觀經(jīng)濟(jì)數(shù)據(jù)庫，部分銀行貸款數(shù)據(jù)源于銀行年報(bào)。貨幣政策數(shù)據(jù)來源于中國人民銀行官網(wǎng)，中國城市商業(yè)信用環(huán)境指數(shù)來自CEI 官網(wǎng)。

為探究定向降準(zhǔn)對(duì)銀行貸款結(jié)構(gòu)的影響，以及銀行信用風(fēng)險(xiǎn)指數(shù)對(duì)于定向降準(zhǔn)的調(diào)節(jié)作用，除五大國有商業(yè)銀行（郵政儲(chǔ)蓄銀行在2019 年才成為第六大國有銀行，不在本文的樣本選擇時(shí)間范圍內(nèi)，因此沒有選擇郵政儲(chǔ)蓄銀行進(jìn)入樣本）以及十二家股份制商業(yè)銀行外，本文從全國各省份選取各種類型的商業(yè)銀行作為研究對(duì)象。由于2019 年“三檔兩優(yōu)”存款準(zhǔn)備金框架的形成和貸款市場報(bào)價(jià)利率（LPR）形成機(jī)制的改革完善會(huì)干擾定向降準(zhǔn)政策實(shí)施效果的判定，因此樣本選擇2009-2018 定向降準(zhǔn)政策實(shí)施前后十年的數(shù)據(jù)。對(duì)原始樣本數(shù)據(jù)進(jìn)行篩選后，對(duì)所有連續(xù)型變量進(jìn)行1%水平上截尾處理，以控制離群樣本值對(duì)估計(jì)結(jié)果的偏差。

參考趙碧瑩[13]相關(guān)研究，結(jié)合本文研究重點(diǎn)，變量設(shè)置及計(jì)算釋義如表1 所示。

（三）描述性統(tǒng)計(jì)分析

對(duì)于樣本數(shù)據(jù)的各變量分別做描述性統(tǒng)計(jì)分析，并對(duì)處理組和對(duì)照組加以對(duì)比。表2 列出部分差異較明顯的變量描述性統(tǒng)計(jì)結(jié)果。結(jié)果顯示，在國家政策對(duì)小微企業(yè)的大力扶持以及銀行等金融機(jī)構(gòu)的積極響應(yīng)下，各類銀行機(jī)構(gòu)小微企業(yè)貸款占比呈現(xiàn)逐年上升的趨勢，其中處理組銀行小微企業(yè)貸款占比整體上高于對(duì)照組銀行，體現(xiàn)出了大銀行服務(wù)重心下沉，中小銀行聚焦主責(zé)主業(yè)的特點(diǎn)。銀行風(fēng)險(xiǎn)情況方面，中小銀行風(fēng)險(xiǎn)抵抗能力較弱，因此在貸款損失準(zhǔn)備方面具有更高水平。在銀行經(jīng)營情況方面，在激烈和復(fù)雜的金融市場競爭環(huán)境中，多元化發(fā)展和業(yè)務(wù)創(chuàng)新成為各類商業(yè)銀行發(fā)展的重要途經(jīng)。大型銀行擁有更為龐大的經(jīng)營規(guī)模和資金，具有更廣泛的業(yè)務(wù)覆蓋范圍，相比中小銀行具有更為多元的中間業(yè)務(wù)收入來源。

表1 主要變量釋義

表2 描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證分析

（一）定向降準(zhǔn)對(duì)銀行小微企業(yè)貸款占比的影響

1.PSM 匹配結(jié)果。由于對(duì)照組中大型銀行的規(guī)模和資金水平遠(yuǎn)高于處理組的中小銀行，因此從銀行的償債能力和風(fēng)險(xiǎn)狀況以及經(jīng)營情況兩方面概括銀行的個(gè)體特征時(shí)，無法選擇絕對(duì)指標(biāo)進(jìn)行匹配，本文最終選擇權(quán)益負(fù)債比率、撥備覆蓋率、息稅前利潤與資產(chǎn)總額比以及成本收入比四個(gè)相對(duì)指標(biāo)作為匹配變量，最終選擇22 家中大型銀行作為對(duì)照組樣本，94 家城市、農(nóng)村金融機(jī)構(gòu)作為處理組樣本。對(duì)匹配后的樣本進(jìn)行變量平衡性檢驗(yàn)，結(jié)果顯示對(duì)照組和處理組各變量在匹配后無顯著性差異，匹配效果較好。

2.實(shí)證結(jié)果與分析。對(duì)（15）式隨機(jī)效應(yīng)面板DID 模型進(jìn)行回歸分析，為避免異方差，采用穩(wěn)健標(biāo)準(zhǔn)誤?；貧w結(jié)果如表3 所示。對(duì)于反映定向降準(zhǔn)政策效果的核心變量政策變量與組別變量的交互項(xiàng)，隨著控制變量的逐步加入，此變量系數(shù)始終具有顯著性，說明定向降準(zhǔn)政策對(duì)于銀行小微企業(yè)貸款占比具有一定的正向調(diào)節(jié)作用，即在2014 年頒布定向降準(zhǔn)政策后，各商業(yè)銀行積極響應(yīng)國家政策，根據(jù)自身情況對(duì)本行小微企業(yè)貸款在總貸款中所占的比重加以調(diào)整，增大自身可貸資金流向小微企業(yè)的比重，助力小微企業(yè)的發(fā)展。實(shí)證結(jié)果表明，定向降準(zhǔn)政策對(duì)于引導(dǎo)銀行貸款資金精準(zhǔn)流向?qū)嶓w經(jīng)濟(jì)具有一定的效果。

對(duì)于可能會(huì)對(duì)銀行小微企業(yè)貸款占比產(chǎn)生影響的控制變量，表3 第五列回歸結(jié)果表明，在銀行風(fēng)險(xiǎn)狀況和償債能力相關(guān)指標(biāo)中，不良貸款率對(duì)于銀行的小微貸款投放比重具有重要的負(fù)向影響。一般說來，銀行的不良貸款率較高、對(duì)各項(xiàng)不良貸款的損失準(zhǔn)備金計(jì)提不充足或?qū)ω?fù)債資本的保障程度較低時(shí)，銀行自身的償債能力不足，面臨更大的風(fēng)險(xiǎn)。此時(shí)由于向中小企業(yè)貸款收益較低且往往具有比大型企業(yè)更高的信用風(fēng)險(xiǎn)，銀行為了規(guī)避風(fēng)險(xiǎn)，往往選擇減小向小微企業(yè)貸款投放比重，并設(shè)置貸款限制或停貸。銀行所處的內(nèi)部和外部信用風(fēng)險(xiǎn)環(huán)境對(duì)銀行的貸款投放決策具有顯著影響，本文在后續(xù)將著重對(duì)銀行的信用風(fēng)險(xiǎn)環(huán)境做進(jìn)一步分析。

表3 回歸結(jié)果：定向降準(zhǔn)對(duì)銀行小微企業(yè)貸款占比的影響

此外，回歸結(jié)果顯示，對(duì)于反映銀行經(jīng)營狀況的控制變量，無論是單個(gè)變量還是各變量的交互項(xiàng)，都并未對(duì)銀行向小微企業(yè)貸款投放比重產(chǎn)生顯著性影響。這可能與定向降準(zhǔn)政策本身所具有的局限性有關(guān)。由于央行的定向降準(zhǔn)政策對(duì)于銀行小微企業(yè)貸款比例所設(shè)定的標(biāo)準(zhǔn)較高，中大型商業(yè)銀行在考慮自身經(jīng)營目標(biāo)的情況下，達(dá)到此標(biāo)準(zhǔn)具有一定困難，因此定向降準(zhǔn)對(duì)其貸款結(jié)構(gòu)的調(diào)整效果十分有限。但是不可否認(rèn)的是，中大型商業(yè)銀行以其龐大的資金和經(jīng)營規(guī)模，雖在小微企業(yè)貸款投放比重較小，但在投放總量上仍舊對(duì)小微企業(yè)發(fā)揮了至關(guān)重要的作用。

由于在樣本期間內(nèi)，央行實(shí)施了其他政策助力小微企業(yè)融資，這些政策可能會(huì)使定向降準(zhǔn)的政策效果估計(jì)出現(xiàn)偏差。為了排除其他政策的干擾，進(jìn)行反事實(shí)檢驗(yàn)[14]，將未實(shí)施定向降準(zhǔn)政策的2012 年作為虛擬政策實(shí)施始點(diǎn)進(jìn)行模型回歸，政策變量和組別變量交互項(xiàng)系數(shù)并不顯著，間接表明實(shí)證結(jié)果的穩(wěn)健性。

（二）銀行信用風(fēng)險(xiǎn)環(huán)境對(duì)定向降準(zhǔn)的調(diào)節(jié)作用

通過（17）-（24）式計(jì)算銀行內(nèi)部和外部信用風(fēng)險(xiǎn)指數(shù)。計(jì)算內(nèi)部風(fēng)險(xiǎn)指數(shù)時(shí)，綜合考慮銀行的風(fēng)險(xiǎn)承擔(dān)與抵抗能力，除使用變量CAR、PRC、NPL 外，加入變量存貸比LDR，即銀行貸款與存款的比例，以反映銀行應(yīng)對(duì)風(fēng)險(xiǎn)的流動(dòng)性水平。存貸比由于直接受到定向降準(zhǔn)政策的影響，因此在前述分析中并未將其作為控制變量，但在此處計(jì)算綜合指數(shù)時(shí)不存在此問題。CAR、NPL和LDR 為正向指標(biāo)，PRC 為負(fù)向指標(biāo)?？紤]外部風(fēng)險(xiǎn)時(shí)，使用中國城市商業(yè)信用環(huán)境指數(shù)CEI衡量銀行所處城市的外部信用風(fēng)險(xiǎn)環(huán)境。CEI 指數(shù)從信用投放、信用監(jiān)管、征信系統(tǒng)及企業(yè)感受等維度對(duì)城市綜合商業(yè)信用環(huán)境進(jìn)行評(píng)估，可以較為客觀全面地衡量銀行所面臨的外部信用環(huán)境。使用CEI 指數(shù)衡量銀行外部信用風(fēng)險(xiǎn)時(shí)，對(duì)于未進(jìn)行指數(shù)報(bào)告的年份，使用其前后兩年CEI指數(shù)的平均值作為該年指數(shù)。對(duì)于經(jīng)營范圍遍布全國的大型商業(yè)銀行，使用其投放貸款地區(qū)分布比例信息對(duì)地區(qū)CEI 指數(shù)加權(quán)求和，得到最終CEI 指數(shù)。

對(duì)于加入銀行信用風(fēng)險(xiǎn)變量的隨機(jī)效應(yīng)面板DID 回歸模型式（16）進(jìn)行實(shí)證分析，回歸結(jié)果如表4 所示。在分別加入銀行內(nèi)部外部信用風(fēng)險(xiǎn)的調(diào)節(jié)變量后，由表3 第二列和第三列可知，相比原模型，核心變量政策變量與組別變量的交互項(xiàng)仍舊對(duì)銀行小微企業(yè)貸款占比具有顯著的正向影響。

銀行的外部信用風(fēng)險(xiǎn)環(huán)境指數(shù)對(duì)于定向降準(zhǔn)的政策效果具有負(fù)向影響，即銀行所在地的商業(yè)信用風(fēng)險(xiǎn)指數(shù)越高，銀行對(duì)小微企業(yè)貸款的投放越謹(jǐn)慎，定向降準(zhǔn)對(duì)銀行資金的定向引導(dǎo)作用被削弱。由于CEI 指數(shù)綜合考慮了城市的信貸投放規(guī)模、企業(yè)貸款質(zhì)量以及監(jiān)管體系的完善性，因此當(dāng)?shù)厣虡I(yè)信用環(huán)境風(fēng)險(xiǎn)指數(shù)高，意味著當(dāng)?shù)仄髽I(yè)整體發(fā)展?fàn)顩r不穩(wěn)定，政府等機(jī)構(gòu)構(gòu)成的監(jiān)管體系不完善，小微企業(yè)融資主體的不良貸款率較高，呆賬、壞賬風(fēng)險(xiǎn)較高。因此雖然定向降準(zhǔn)政策對(duì)銀行流動(dòng)性產(chǎn)生了一定利好，但是銀行為控制風(fēng)險(xiǎn)、實(shí)現(xiàn)經(jīng)營目標(biāo)，主動(dòng)調(diào)整小微企業(yè)貸款占比的意愿較弱，新增流動(dòng)性仍舊會(huì)更多地流向中大型企業(yè)和非實(shí)體經(jīng)濟(jì)。

銀行的內(nèi)部風(fēng)險(xiǎn)指數(shù)對(duì)于定向降準(zhǔn)政策效果具有負(fù)向影響。正如前文實(shí)證分析所述，小微企業(yè)通常由于其經(jīng)營的不穩(wěn)定性可能提高銀行的不良貸款率，增加銀行承擔(dān)的信用風(fēng)險(xiǎn)。雖然定向降準(zhǔn)政策帶來的流動(dòng)性利好可能增大銀行的利潤空間，但銀行決策往往要考慮到自身經(jīng)營情況和內(nèi)外競爭等多方面因素。同時(shí)，雖然小微企業(yè)中不乏經(jīng)營狀況良好、信用級(jí)別較高的企業(yè)，但是對(duì)于企業(yè)的考察評(píng)估需要較長時(shí)間和較大成本，對(duì)銀行貸款決策行為影響有限。

（三）穩(wěn)健性檢驗(yàn)

為證實(shí)前述結(jié)論的穩(wěn)健性，將PSM匹配變量更換為不良貸款率、成本收入比、息稅前利潤資產(chǎn)比、存貸比，重新選擇處理組和對(duì)照組樣本進(jìn)行模型回歸分析，共選擇了63 家城市、農(nóng)村金融機(jī)構(gòu)作為處理組，20 家大型商業(yè)銀行作為對(duì)照組。重新進(jìn)行上述實(shí)證分析，主要回歸結(jié)果如表5 所示。從分析結(jié)果中可以得到與前述實(shí)證分析基本一致的結(jié)論。政策變量和組別變量的交互項(xiàng)系數(shù)正向顯著，說明定向降準(zhǔn)政策可以在一定程度上增加銀行的小微企業(yè)貸款占比。分別加入銀行內(nèi)部和外部風(fēng)險(xiǎn)調(diào)節(jié)變量，交互項(xiàng)均具有負(fù)向顯著性，說明銀行所處的貸款環(huán)境風(fēng)險(xiǎn)越高，銀行對(duì)于小微企業(yè)貸款的發(fā)放越為謹(jǐn)慎。

表4 回歸結(jié)果：銀行信用風(fēng)險(xiǎn)環(huán)境對(duì)定向降準(zhǔn)的調(diào)節(jié)作用

表5 穩(wěn)健性檢驗(yàn)主要回歸結(jié)果

五、結(jié)論

本文從銀行側(cè)出發(fā)，基于全國各類商業(yè)銀行的微觀數(shù)據(jù)，從銀行風(fēng)險(xiǎn)狀況和償債能力以及盈利狀況兩個(gè)方面分析定向降準(zhǔn)政策對(duì)于銀行貸款結(jié)構(gòu)的影響。理論研究和實(shí)證結(jié)果表明，定向降準(zhǔn)政策有利于銀行增加小微企業(yè)貸款占比，增大對(duì)小微企業(yè)的貸款力度，改善小微企業(yè)貸款難的問題。但是，銀行小微企業(yè)貸款的決策會(huì)受到其所處信用風(fēng)險(xiǎn)狀況的影響。在考慮內(nèi)部風(fēng)險(xiǎn)時(shí)，小微企業(yè)由于其發(fā)展的不穩(wěn)定性、信息披露的不完整性，往往具有更高的信用風(fēng)險(xiǎn)，銀行在具有較高的風(fēng)險(xiǎn)負(fù)壓時(shí)，更傾向于規(guī)避風(fēng)險(xiǎn)，將可貸資金分配給收益更為穩(wěn)定的中大型企業(yè)。在考慮外部風(fēng)險(xiǎn)時(shí)，銀行所處城市的商業(yè)信用環(huán)境對(duì)于銀行貸款決策具有重要的參考意義。城市商業(yè)信用環(huán)境建設(shè)良好時(shí)，小微企業(yè)貸款附加的風(fēng)險(xiǎn)更低，銀行對(duì)小微企業(yè)貸款的支持力度更大。

基于以上結(jié)論，本文提出以下啟示：（1）定向降準(zhǔn)政策應(yīng)當(dāng)結(jié)合總量貨幣政策工具適時(shí)施行，并且與財(cái)政政策相協(xié)調(diào)，適宜增大銀行的信貸規(guī)模，鼓勵(lì)銀行提高對(duì)實(shí)體經(jīng)濟(jì)的支持力度。同時(shí)加強(qiáng)對(duì)非實(shí)體經(jīng)濟(jì)行業(yè)領(lǐng)域的監(jiān)管力度，增加流動(dòng)性投放的精準(zhǔn)性，改善小微企業(yè)貸款現(xiàn)狀，促進(jìn)實(shí)體產(chǎn)業(yè)高質(zhì)量發(fā)展，帶動(dòng)經(jīng)濟(jì)結(jié)構(gòu)性改革。（2）由于銀行的外部信用風(fēng)險(xiǎn)環(huán)境對(duì)于定向降準(zhǔn)作用具有負(fù)向影響，而小微企業(yè)信息披露多不完善，信用風(fēng)險(xiǎn)較高，因此應(yīng)當(dāng)健全地方監(jiān)管體系和監(jiān)管制度，健全小微企業(yè)征信體系，增加信用環(huán)境建設(shè)，并利用大數(shù)據(jù)和信息平臺(tái)等手段降低征信成本的同時(shí)增加監(jiān)管透明度，增強(qiáng)銀行與企業(yè)互信。（3）由于銀行的內(nèi)部風(fēng)險(xiǎn)承擔(dān)狀況對(duì)于定向降準(zhǔn)政策效果具有負(fù)向影響，因此監(jiān)管機(jī)構(gòu)和組織應(yīng)當(dāng)增強(qiáng)對(duì)商業(yè)銀行的監(jiān)管力度，依據(jù)銀行的經(jīng)營情況合理控制銀行風(fēng)險(xiǎn)承擔(dān)水平，提高銀行風(fēng)險(xiǎn)抵抗能力。