結構性貨幣政策對系統(tǒng)性金融風險的動態(tài)影響研究

趙巍 劉雨琪

摘 要：近年來，有效防范化解金融風險牢牢守住不發(fā)生系統(tǒng)性金融風險底線成為我國金融工作的關鍵?，F(xiàn)有文獻充分探討了傳統(tǒng)貨幣政策對金融風險的影響，但研究的視角大多局限于對銀行風險承擔的影響，而對系統(tǒng)性金融風險的研究還不夠深入?；诖?，本文對現(xiàn)有的文獻成果和理論基礎進行了梳理，最終選用TVP-VAR模型檢驗結構型貨幣政策對系統(tǒng)性金融風險的動態(tài)沖擊。研究表明：結構性貨幣政策工具對系統(tǒng)性金融風險造成了一定程度的沖擊，但不同工具的影響特征各異。因此，本文結合研究結果對中央銀行合理運用結構性貨幣政策工具提供相關建議，以供參考。

關鍵詞：結構性貨幣政策；系統(tǒng)性金融風險；主成分分析法；TVP-VAR模型；金融環(huán)境；金融風險

本文索引：趙巍，劉雨琪.<變量 2>[J].中國商論，2024（05）：-110.

中圖分類號：F822 文獻標識碼：A 文章編號：2096-0298（2024）03（a）--05

1 引言

金融安全保障是國家安全的重要組成部分，全面打造安全高效的金融環(huán)境對保證經濟的平穩(wěn)運行有著重要作用。黨的二十大報告提出，提高金融體系安全系數，守住不發(fā)生系統(tǒng)性金融風險底線，持續(xù)強化防控金融風險能力。由此，提高金融效率、完善貨幣政策框架、防范化解金融風險等任務迫在眉睫。央行近年來出臺了多項結構性貨幣政策。因此，中央銀行在實施結構性貨幣政策的過程中，如何防范經濟中潛在的系統(tǒng)性金融風險，對我國經濟全面健康發(fā)展有著至關重要的意義。

目前，針對貨幣政策對金融風險的影響主要有以下幾點結論。彭俞超和方意（2016）[1]通過研究四種結構性貨幣政策——再貸款利率、再貸款比例、存款準備金率和準備金存款利率，發(fā)現(xiàn)其對保障國內經濟在面臨外部沖擊時的穩(wěn)定運行具有重要作用。Nanda （2016）[2]指出央行在防范系統(tǒng)性金融風險方面所采取的風險傳染規(guī)避方法和流動性管理政策，仍需要進一步研究其有效性。Andriushin和Burlachkov（2008）[3]通過分析貨幣政策和金融危機之間的關系，得出結論貨幣當局應不斷完善自身職能，采取豐富多樣的新型貨幣政策工具，使其完整的與實體經濟緊密聯(lián)系起來，從而穩(wěn)定金融市場。郭娜和祁帆等（2020）[4]使用SV-TVP-VAR模型實證研究了國內外貨幣政策對系統(tǒng)性金融風險的影響，實驗結果證明，貨幣政策對系統(tǒng)性金融風險有顯著的影響作用，尤其是數量型貨幣政策有著更加直接的作用效果。王妍和王繼紅（2021）[5]研究表明，結構性貨幣政策在實現(xiàn)政策目標的過程中往往會間接引起系統(tǒng)性金融風險的提高。

2 傳導機制與研究假設

2.1 結構性貨幣政策的風險傳導機制

金融危機發(fā)生后，貨幣政策和金融風險的關系引起了國內外學者的廣泛關注。本文通過學習和參考現(xiàn)有結論，整理得出結構性貨幣政策的系統(tǒng)性金融風險傳導機制主要包含以下四個方面：

（1）“信號公告—市場預期”。當中央銀行在對市場進行信號傳導時，不能及時提供正確的信息并做出正確的政策，就會造成市場主體的盲目性，加大決策的風險和市場的波動性，造成整個金融市場的總體風險上升。

（2）“銀行信貸—定向支持”。央行將為滿足要求的民營小微企業(yè)和重點領域創(chuàng)造流動性，引導銀行信貸資金精準投放。然而，引導商業(yè)銀行信貸資金流向高風險、低收益的領域不僅違背了商業(yè)銀行的經營原則，還會在影響銀行利潤的同時增加發(fā)生信貸危機的可能性，增加金融市場的系統(tǒng)性風險。

（3）“利率水平—成本效益”。中央銀行利用價格工具，通過對特定行業(yè)的利率進行調整，從而達到降低融資成本的目的。然而，短期利率調整會干擾投資者決策，從而導致金融風險集聚增加，進而加大了金融市場陷入系統(tǒng)性風險的可能性。

（4）“風險緩釋—風險承擔”。中央銀行在某些領域進行傾斜性資金支持操作時，通過處置定向不良資產和采用定向債轉股等方式，將這些“短板”領域內的過量風險轉移至資管公司等金融機構。然而，在金融機構之間，風險的傳遞極易形成“加速器”，從而提高了系統(tǒng)風險在實體經濟和金融體系中的蔓延速度。

2.2 研究假設

依據上述傳導機制，本文認為結構性貨幣政策會對系統(tǒng)性金融風險產生影響，其作用效果既有正面也有負面，其作用方向由正面效應與負面效應的強度決定?；诖耍疚奶岢鲆韵录僭O：

假設H1：結構性貨幣政策工具在具體實施過程中均會對系統(tǒng)性金融風險造成沖擊，最終的作用方向和強度取決于正向和負向沖擊的強度。

3 指數構建與模型選擇

3.1 系統(tǒng)性金融風險指數構建

本文以我國經濟和金融現(xiàn)狀為依據，從宏觀經濟、金融機構、資本市場和外部沖擊四個維度，選擇16個指標來構建衡量我國金融壓力綜合指標（FSI）。為了避免指標構建時，三級指標間存在多重共線性，本文采用主成分分析法對指標進行篩選，進而計算出我國的金融壓力綜合指數（FSI），具體指標如表1所示。

3.2 數據處理與指數構建

（1）數據處理：本文使用Wind數據庫統(tǒng)計出原始數據，采取頻率轉換的方式，將所有數據統(tǒng)一變頻為月度數據。同時，為了將各個指標的風險沖擊方向進行統(tǒng)一，同時排除這些變量由于量綱差別所造成的影響，本文將四個維度子指標變量進行了同向標準化，且處理后的數據全部位于[-1，1]區(qū)間內。

（2）正向化處理：本文采用min-max方法對逆向指標進行正向化，具體轉換公式如下：

在此基礎上，本文使用Stata16運用主成分分析法對各級子指標進行賦權，將最終的金融穩(wěn)定綜合指數作為系統(tǒng)性金融風險的代理變量。

為了驗證上述選取的指標是否具備使用主成分分析法（PCA）進行指數合成的條件，本文使用KMO和Bartlett檢驗對指標間的相關性程度進行分析，如表2所示：KMO= 0.665>0.6，Bartlett檢驗對應的p值=0.000<0.05，均證明該指標體系適用于主成分分析法。

如表3所示，通過PCA分析，本文從16個三級指標中提取到五個特征值大于1的有效主成分，這五個主成分指標的方差累計率為 78.77%，有較好的效果。

根據PCA分析得出的各主成分的方差解釋率，將相關指標帶入式（2）中，可計算得出金融壓力指數（FSI）作為系統(tǒng)性金融風險指數（SFR）的代理變量，具體測算結果如圖1所示：

其中，F(xiàn)SI為系統(tǒng)性金融風險的代理變量——系統(tǒng)性金融風險指數（SFR），i表示各個指標變量，ωi表示各變量所對應的方差解釋率，Xi表示各主成分變量的值，μ表示五個主成分的累計方差解釋率。

3.3 TVP-VAR模型選擇

現(xiàn)有經濟理論與研究結果均表明，采用非時變模型分析我國貨幣政策并不穩(wěn)健。因此，本文參照Nakajima等（2011）[10]設定TVP-VAR模型，該模型基于隨機游走將內置參數設定為隨時間變化的動態(tài)參數，從而能夠將變量的時變特征捕獲出來，進而分析對系統(tǒng)性金融風險的動態(tài)沖擊。

4 變量數據檢驗

4.1 變量選取與描述

本文將測算的系統(tǒng)性金融風險指數（SFR），作為實證研究的被解釋變量。另外，基于數據的可得性，結構性貨幣政策變量選取MLF、SLF、PSL三種工具的當月余額，以及通過中小型金融機構存款準備金率計算出的定向降準當月值，共四種工具作為研究對象。最后，考慮四種類型結構性貨幣政策工具的起始時間，本文使用數據時段為2016年1月至2022年9月（見表4）。

4.2 平穩(wěn)性檢驗

TVP-VAR模型需要的變量數據是平穩(wěn)的，因此，需要對模型進行平穩(wěn)性檢驗，以避免變量數據是非平穩(wěn)的，造成“偽回歸”的后果。本文將各變量進行一階差分處理，并使用Stata16對差分后的變量進行ADF檢驗，查看是否具備平穩(wěn)性。

檢驗結果如表5所示，各變量的p值均小于1%臨界點，證明均為平穩(wěn)變量，符合本文的現(xiàn)實經濟意義，因此使用以上變量構建TVP-VAR模型。

4.3 最優(yōu)滯后期檢驗

構建TVP-VAR模型需要選擇最優(yōu)滯后階數來反映所構模型的動態(tài)特征，從而解釋各種政策工具對研究變量的動態(tài)沖擊影響。本文通過Stata16運用Varsoc命令對各變量進行最優(yōu)滯后階數檢驗，檢驗結果如表6所示，綜合考慮各項檢驗原則，最終確定滯后2階為該模型的最優(yōu)滯后階數。

5 實證分析

5.1 模型參數估計結果

根據上文檢驗確定滯后階數為2是該模型的最優(yōu)滯后階數，并參照Nakajima等（2011）[10]的方法設置參數，即從新分布中抽樣的結果，更近似于樣本形成的分布。本文使用Oxmetrics6運用MCMC算法迭代10000次。參數估計結果如表7所示，Geweke統(tǒng)計量均落在95%置信區(qū)間內，僅有最大項無效因子值大于100約為142，這表明本文使用TVP-VAR模型對所選變量進行MCMC模擬取得了良好的估計結果。

5.2 不同滯后期的時變脈沖響應分析

為研究不同時間約束下多種結構性貨幣政策工具對系統(tǒng)性金融風險的差異化影響，本文分別選擇滯后一期、滯后三期和滯后六期為代表，用于分析四種結構性貨幣政策工具對中國系統(tǒng)性金融風險影響的時變沖擊效應，得到的時變脈沖響應結果如圖2所示。

（1）中期借貸便利（MLF）對我國系統(tǒng)性金融風險的時變脈沖響應。MLF對系統(tǒng)性金融風險的短期沖擊在不同年份均穩(wěn)定的表現(xiàn)為正向沖擊，一定程度上提高了系統(tǒng)性金融風險。從中期來看，MLF對系統(tǒng)性金融風險產生了負向沖擊，有著明顯的抑制作用，反觀MLF的長期沖擊相較短期沖擊表現(xiàn)得更加穩(wěn)定收斂，振蕩保持在0值附近，說明MLF從長期來看并不會對我國系統(tǒng)性金融風險造成較大影響。

（2）常備借貸便利（SLF）對我國系統(tǒng)性金融風險的時變脈沖響應。從短期來看，SLF對我國系統(tǒng)性金融風險有顯著、弱效應的正向沖擊效果，且在不同時期表現(xiàn)平穩(wěn)，而在中期這種正向的沖擊強度提高，反觀長期，SLF操作對系統(tǒng)性金融風險的沖擊方向由正轉負，起到了良好的抑制效果。

（3）抵押補充貸款（PSL）對我國系統(tǒng)性金融風險的時變脈沖響應。從短期來看，PSL對我國系統(tǒng)性金融風險有低強度的正向沖擊效果，且在不同時期表現(xiàn)平穩(wěn)，而在中期這種正向的沖擊強度提高，反觀長期，PSL操作對系統(tǒng)性金融風險呈現(xiàn)一種隨年份不斷攀升的正向沖擊，加劇了整個經濟環(huán)境的不穩(wěn)定性。

（4）定向降準（TRC）工具對我國系統(tǒng)性金融風險的時變脈沖響應。從短期來看，定向降準操作對系統(tǒng)性金融風險的沖擊效果顯著為負且在不同時期表現(xiàn)穩(wěn)定，隨著作用期限的推移，在中長期呈現(xiàn)出隨年份逐漸收斂的正向沖擊。這表明，定向降準能在實施初期起到穩(wěn)定金融系統(tǒng)的效果。

6 政策建議

結構性貨幣政策出臺以來，在服務實體經濟、助力“三農”事業(yè)及中小微企業(yè)發(fā)展、治理我國經濟結構失衡等諸多方面取得了明顯成效，但仍存在著許多有待整治的短板問題。因此，本文結合研究結果，提出以下幾點建議：

（1）持續(xù)優(yōu)化結構性貨幣政策手段。不同類型的結構性貨幣政策工具會通過不同中介或機制發(fā)揮特定作用，適用于不同的具體目標。我國央行在具體操作過程中，要根據相機抉擇針對性調整，及時反饋情況進行評估并靈活調整。此外，根據實驗結果可知，不同貨幣工具的風險傳遞在時效性上表現(xiàn)為不同的特點，因此在搭配使用結構性貨幣政策工具的過程中應注意風險調控，使工具間的風險沖擊錯配，防止出現(xiàn)聚集性風險積壓的情況。

（2）更加精準地運用結構性貨幣政策工具，加強對商業(yè)銀行的激勵。價格型結構型貨幣政策工具可以鼓勵小微企業(yè)和涉農信貸的增長，但其對普通信貸的影響更大。商業(yè)銀行在衡量收益和風險之后，仍然會把新增加的基礎貨幣投放到其他方面。所以，央行應該對其進行深入的研究和論證，采取更有針對性的結構性貨幣政策工具，或是建立對商業(yè)銀行的市場激勵制度，通過內生力自動調控商業(yè)銀行的信貸行為。

參考文獻

彭俞超，方意.結構性貨幣政策、產業(yè)結構升級與經濟穩(wěn)定[J].經濟研究，2016，51（7）：29-42+86.

Nanda， Ramana， and M. Rhodes-Kropf. Financing Risk and Innovation[J]. Harvard Business School 2014（4）：63.

S. Andriushin，V. Burlachkov. Monetary Policy and the Global Financial Crisis[J]. Problems of Economic Transition，2008：51.

郭娜，祁帆，李金勝.中國系統(tǒng)性金融風險度量與貨幣政策影響機制分析[J].金融論壇，2020，25（4）：49-60.

王妍，王繼紅.結構性貨幣政策、同業(yè)業(yè)務與系統(tǒng)性金融風險[J].金融經濟學研究，2021，36（4）：16-30.

唐文進，黃玲.結構性貨幣政策的銀行風險承擔渠道： 一個銀行競爭視角的考察[J].江漢論壇，2021（8）：48-58.

周友良.結構性貨幣政策對商業(yè)銀行金融風險承擔的影響研究[J].西南金融，2021（2）：13-24.

劉沖，龐元晨，劉莉亞.結構性貨幣政策、金融監(jiān)管與利率傳導效率： 來自中國債券市場的證據[J].經濟研究，2022，57（1）： 122-136.

Norberto Montani Martins，Camila Cabral Pires-Alves，André de Melo Modenesi，Karla Vanessa Batista da Silva Leite. The transmission mechanism of monetary policy： Microeconomic aspects of macroeconomic issues[J]. Journal of Post Keynesian Economics，2017：40.

Nakajima， Jouchi ，? M. Kasuya ， and? T. Watanabe. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy[J]. Journal of the Japanese and International Economies ，2011（25）：35.

Bean， Charles， and R. Asset Prices， Financial Instability， and Monetary Policy[J]. American Economic Review ，2004：94.