独家 | 宏观审慎政策、经济周期与银行风险承担
宏观经济专题分析是《IMI宏观研究月报》的特色，主要针对一些具有重大现实意义的经济金融问题进行深入的理论分析，提高了报告的学术内涵。本文作者为IMI副所长、中国人民大学财政金融学院院长助理宋科；IMI副研究员李振；IMI研究员赵宣凯。
以下为文章全文：
1
内容摘要
本文基于中国227家商业银行2005－2016年非平衡面板数据，实证检验中国宏观审慎政策实施对于银行风险承担的影响。结果表明：宏观审慎政策增强会在一定程度上抑制银行风险承担，而且这种显著的负向关系并不随着银行风险代理变量、经营辐射范围以及是否有外资入股等条件的改变而发生变化。经济周期会对宏观审慎政策的有效性产生非对称性影响，即相比在经济上行时期，在经济下行时期的宏观审慎政策对银行风险承担的抑制作用更强且更为显著。就可能的影响机制而言，本文发现宏观审慎政策通过提高银行盈利能力，从而降低银行风险承担。
2
引言
20 世纪 70 年代以来，无论是在发达国家还是发展中国家，即便是在现行宏观经济政策框架运行良好的条件下，金融摩擦和市场不完全性等导致的外部性和市场失灵，进而引发金融不稳定也无法避免（Claessens，2014）。一方面，价格稳定无法保障金融稳定。传统理论所认为的金融稳定是价格稳定的“副产品”，对于上世纪 70 年代末期以来普遍出现的“ 金融不稳定悖论 ”缺乏足够的解释力（Demirgüç-Kunt & Detragiache，1997）。另一方面，个体稳健无法保障系统稳健。危机前偏重个体而忽略系统性的微观审慎监管与维护金融稳定的需求并不匹配，现实当中无论是发达国家还是发展中国家均在过去的半个多世纪难逃危机的侵蚀。有鉴于此，2008年国际金融危机以来，在现行宏观经济政策框架当中进一步纳入“宏观维度”成为共识。以抑制系统性风险、实现金融稳定为目标的宏观审慎政策，在被提出三十年后重回理论视野，而且还成为英美等主要发达国家金融监管体制改革的主要内容。
有鉴于此，在既有研究基础上，本文所做的创新与拓展在于：一是从微观银行主体行为视角出发，将宏观审慎政策有效性评估的对象从中间目标延伸至银行系统性风险层面，实证分析中国宏观审慎政策对银行风险承担的影响；二是从非对称性效应分析，在经济周期的不同时期，检验宏观审慎政策有效性存在的显著差异；三是从盈利能力角度系统评估宏观审慎政策与银行风险承担之间的潜在影响机制。本文其余部分的结构如下：第二部分是研究设计，包括变量说明、模型设定和样本选择；第三部分实证分析宏观审慎政策能否抑制商业银行的风险承担行为，并在考虑经济周期的基础上进行异质性分析；第四部分重点从盈利能力角度评估潜在的影响机制；第五部分是稳健性检验，首先解决基准模型的内生性问题，然后对本文结论进行稳健性检验；最后总结全文并提出相关政策建议。
3
研究设计
在本部分，笔者对本文所用变量、基准模型和所选样本进行重点考察。首先，笔者对选用变量进行定义并进行描述性统计；其次，基准模型给出宏观审慎政策对银行风险承担影响的回归方程；最后，笔者对初始样本进行处理，获得中国227家商业银行2005－2016年非平衡面板数据。
1．变量说明
（1）银行风险承担的代理变量。参考Laeven & Levine（2009）的做法，本文选取Z值的自然对数衡量商业银行的偿付能力和违约风险。Z值的具体计算公式如下：
Z − score = ROA+EquityToAsset SdROA
其中，ROA表示商业银行的资产利润率，EquityToAsset表示权益资产比，SdROA表示ROA的3年移动标准差。Z值越大，表示银行偿付能力越强，违约风险越小，银行越稳定。为避免尖峰后尾的性质对回归结果的影响，笔者对计算得到的 Z 值取自然对数，即Ln(Z-score)。本文也分别使用资产利润率2年、4年和5年移动标准差计算Z值，所得指标用作稳健性检验。同时，笔者也使用资产利润率3年移动标准差（SdROA）作为商业银行风险承担的代理变量SdROA 的数值越大，表示银行风险承担越高。
（2）宏观审慎政策的代理变量。宏观审慎政策既包括防范系统性风险属性的专门工具，还有被赋予宏观审慎职能的微观审慎工具和货币政策工具，目前国际上较为权威的界定是由 IMF 组织的三次跨国调查，第三次调查数据库于2018年4月公布，本文也使用此次调查的数据（Lim et al.，2011；Cerutti et al.，2015）。中国是较早进行宏观审慎政策实践的国家，尽管目前官方并未有明确的有关宏观审慎政策的界定，但是大量政策已经在实践当中被证明行之有效。有鉴于此，本文基于 IMF 调查数据库构建宏观审慎政策指数（MPI），逐年对13个可能使用的宏观审慎政策工具进行简单得分加总，具体而言，包括存款准备金率、对金融机构征税、资产负债表集中度限制、存贷比、时变/动态准备金、贷款价值比、债务收入比、杠杆率、系统重要性金融机构额外资本要求、流动性要求、差别准备金动态调整机制及其升级版宏观审慎评估体系、外汇贷款限制、外汇流动和跨境资金流动宏观审慎政策框架等（Cerutti et al.，2015）。
为增强本文分析结果的稳健性，笔者选取中国使用频率较高的两类工具 — — 存款准备金率（ DepositToReserve ） 和贷款价值比（LoanToValue），共同作为宏观审慎政策的代理变量。其中，贷款价值比是全球范围内使用频率最高的工具之一，在中国也被频繁作为逆周期操作的工具。一般而言，首套房是为满足居民住房的刚性需求，二套房是为满足居民住房的改善型置业需求，监管当局对购买首套房要求较为宽松，购房享有不同程度的按揭贷款利率优惠，但对居民的二套房需求要求较为严格，一般不存在购房的按揭贷款利率优惠。因此，为更好地反映贷款价值比要求的政策影响，本文选用二套房最低首付比要求的月度均值作为宏观审慎政策的代理变量。2005－2016年，中国对全国范围内的二套房最低首付比要求进行多达8次调整。存款准备金率既可以作为货币政策工具又可以纳入宏观审慎政策的范畴。作为货币政策工具，存款准备金率一般会被设置在较低的水平上，经常被其他货币政策工具替代；作为宏观审慎政策时，会被盯住且保持在较高的水平上，已经被很多发展中国家用来防范流动性风险与过度信贷扩张（Lim et al.，2011；Gray，2011）。2005－2016 年，中国对人民币存款准备金率进行多达 40 次调整。
（4）控制变量。为避免遗漏变量的影响，本文控制一系列宏微观变量。参考 Jiang et al.（2017）对控制变量的选择，本文使用的银行特质变量有总资产（万元）的自然对数（TotalAssets）、权益资产比（EquityToAsset）、存款资产比（DepositToAsset）、贷款资产比（LoanToAsset）。一般而言，资产规模越大，权益资产比、存款资产比越高，贷款资产比越低，商业银行的风险承担越小。但资产规模对于银行风险承担影响的结论要持谨慎的态度，规模越大的商业银行可能面临更强的监管规制（Delis & Kouretas，2011）。本文选取四大国有商业银行总资产占银行业金融机构比重（CR4a）、实际GDP同比增速（RGDPG）分别控制银行业集中度和宏观经济环境对商业银行风险承担的影响。一般而言，银行业集中度越高、经济增长越缓慢，商业银行承担的风险也越高。在稳健性检验部分，本文还使用面板工具变量（IV）模型和固定效应（FE）模型解决可能存在的遗漏变量问题。
2．样本选择
基于数据的可获得性，本文使用中国 227 家商业银行2005－2016年非平衡面板数据。所用银行特征数据均来源于Wind数据库、BankScope及其改版 ORBIS Bank Focus全球银行和金融机构分析库，以及商业银行年报。初始数据时间为2003－2016年，由于计算资产利润率3年移动标准差，本文损失两年数据，实际数据期是2005－2016年。笔者剔除基准模型所用变量存在缺失值的银行样本。同时，为消除离群值对回归结果的影响，笔者对选用银行特征变量在上下1%分位点进行缩尾处理。笔者也对银行特征变量在上下5%分位点进行缩尾处理，所得结果与本文主要结论保持一致。在剔除政策性银行以及数据连续期少于3年的商业银行后，按照2017年中国银行业监督管理委员会公布的商业银行分类，227家样本银行包括5家国有大型商业银行、12家股份制商业银行、113家城市商业银行、68家农村商业银行、29家外资法人银行，截至2016年底，所用银行样本的总资产占银行业金融机构总资产的比例为74.9%。因此，本文所选取的银行样本覆盖国内主要商业银行，是一个具有较强代表性的商业银行样本。宏观审慎政策指数和贷款价值比的数据来自世界货币基金组织全球宏观审慎政策调查以及中国人民银行网站，人民币存款准备金率以及其他银行业和宏观经济控制变量数据均来自 Wind 数据库。
4
实证估计与结果分析
本部分的实证分析分两步进行：第一步，对宏观审慎政策与银行风险承担的关系进行实证分析；第二步，在基准模型的基础上，根据经济周期划分样本，对宏观审慎政策影响银行风险承担进行异质性分析。
1．宏观审慎政策与银行风险承担
基于回归方程，加强宏观审慎政策会显著降低银行风险承担。笔者使用三种宏观审慎政策代理变量：宏观审慎政策指数（MPI）、人民币存款准备金率（DepositToReserve）、贷款价值比（LoanToValue）作为核心解释变量。在所有情况下，宏观审慎政策与银行风险承担均在1%的水平上显著负相关。具体而言，采取的宏观审慎政策强度越大，商业银行风险承担越小，这与Altunbas et al.（2017）的结果保持一致。随着人民币存款准备金率和贷款价值比水平的提高，商业银行风险承担越小。从控制变量的符号及显著水平可以发现，商业银行资产规模（TotalAssets）的变大，存款资产比（DepositToAsset）和实际GDP 增长率（RGDP）的提高，均会显著降低商业银行的风险承担。作为 Z 值重要组成部分的权益资产比（EquityToAsset）在1%水平上显著正相关，表明权益资产比的变大会增强银行稳定性。原因在于根据资本缓冲理论，银行资本可以吸收不利冲击，从而降低银行风险承担。笔者使用聚类稳健标准误并在银行层面进行聚类，同时控制银行类型效应和省份效应。总体而言，相关证据表明，随着宏观审慎政策的加强，商业银行风险承担会显著下降。
2．宏观审慎政策、经济周期与银行风险承担
笔者使用Z值（Z-score）作为被解释变量，本文参考马勇和姚驰（2017）的做法计算经济周期，即对GDP同比增速进行HP滤波处理取得周期波动项，当周期波动项小于零时为经济下行期，否则为经济上行期。从宏观审慎政策（MPI，DepositToReserve，LoanToValue）系数显著性水平可以看出，经济下行时期的银行子样本均在1%的水平上显著，经济上行时期的银行子样本的显著性水平较弱。从宏观审慎政策系数大小可以发现，经济下行时期的银行子样本的系数均大于经济上行时期的银行子样本。为进一步验证系数差异在统计意义上的显著性，笔者使用经验p值进行检验。经由Bootstrap法计算得到的经验p值分别为0.000，0.000和 0.000，均至少在1%水平上显著，即组间系数的估计值存在显著性差异。
经济周期对宏观审慎政策有效性存在非对称性效应，可能的原因在于：从政策制定部门来看，在经济下行时期，宏观审慎政策制定者更易于做出及时且强有力的逆周期政策调整以应对经济下行可能带来的风险，其政策有效性会显著增强。在经济上行期，由于普遍受到增长“假象”迷惑且管理机制权责不对称等问题的制约，宏观审慎政策制定者难以及时采取逆周期操作，以抑制泡沫化增长所积累的风险。从银行部门来看，在经济下行时期，商业银行对宏观审慎政策的敏感性变大，更容易受到监管政策的影响。商业银行会更加敏感保守，主动降低自身风险，以应对监管政策和经济环境可能带来的负面影响。反之亦反。笔者以房地产市场为例进行说明。在经济上行时期，对于旨在稳定房价的宏观审慎政策，虽然减少了房地产交易量，但出于刺破泡沫的政策“恐惧”，政策执行效力并不明显，从以往政策执行的情况看，较少有证据表明这些政策能抑制房价上涨（IMF，2014）。房价的持续上涨会导致信贷扩张、抵押品价值和信贷风险增加，因此，在经济上行时期，宏观审慎政策对于抑制房地产市场过度繁荣和降低银行风险承担的影响较小甚至不显著。但在经济下行时期，为防止经济下行程度加深，政策制定部门更容易在相关政策调整上达成一致，其政策执行效力会更加及时有效，能够有效防止房地产市场紧缩，避免由于抵押物价值下降所导致的银行资产质量的下降和盈利能力的恶化（Crowe et al.，2011）。此外，笔者使用资产利润率3年移动标准（SdROA）作为被解释变量，经济周期会对宏观审慎政策的有效性产生非对称性影响，即相比在经济上行时期，在经济下行时期的宏观审慎政策对银行风险承担的抑制作用更强且更为显著。
5
影响机制分析
在本部分，本文进一步分析宏观审慎政策与银行风险承担之间的潜在影响机制，重点考察宏观审慎政策如何通过盈利能力影响银行风险承担行为。由Z值（Z-score）计算公式可知，涉及 Z 值的3个重要组成部分分别是商业银行的权益资产（EquityToAsset）、资产利润率（ROA）、资产利润率3年移动标准差（SdROA）。资产利润率3年移动标准差是银行风险承担的代理变量，其数值越大，银行风险承担越大。权益资产比与银行风险承担显著负相关，权益资产比越大，银行承担的风险越小。通常而言，银行的盈利能力越高，其承担的风险也越低，从Z值的计算公式以及资产利润率和风险指标的皮尔森相关系数符号显著性也可以得到此结论。因此，本文只需要验证宏观审慎政策与银行盈利能力的正相关关系，就可以说明宏观审慎政策通过改变盈利能力从而影响银行风险承担。
笔者使用资产利润率（ROA）、资本利润率（ROE）作为银行盈利能力的代理变量，同样使用宏观审慎政策指数（MPI）、人民币存款准备金率（DepositToReserve）、贷款价值比（LoanToValue）作为核心解释变量。在所有情况下，宏观审慎政策与银行盈利能力均在1%的水平上显著正相关，表明随着宏观审慎政策的加强，商业银行盈利能力会显著上升。一方面原因可能在于宏观审慎政策的加强，会促使银行更加聚焦主营业务、提高资产质量和风险管理水平，从而直接提高银行的盈利能力。另一方面原因可能是由于宏观审慎政策降低信息不对称带来的负面效应。商业银行为追求利益最大化可能存在过度风险行为，由于信息不对称的存在使得银行债权人索取风险补偿，从而提高银行的筹资成本并降低盈利能力。在宏观审慎政策加强后，商业银行会更加严格的约束自身可能的过度风险行为，这会间接通过缓解债权人和银行之间的不信任，从而降低银行融资成本并提高盈利能力。
6
主要结论与政策启示
本文使用中国227家商业银行2005－2016年非平衡面板数据，实证检验中国宏观审慎政策实施对于银行风险承担行为的影响。在充分讨论内生性问题的基础上，本文还使用不同的银行风险代理变量和不同的银行子样本等方法对基准模型进行稳健性检验，结果表现出较强的稳健性与一致性。具体结论如下：第一，宏观审慎政策与银行风险承担存在显著的负向关系。宏观审慎政策的增强会在一定程度上抑制银行风险承担，反之亦反。这种显著的负向关系并不随着银行的风险承担代理变量、经营辐射范围以及是否有外资入股等条件的改变而发生变化。第二，经济周期会对宏观审慎政策的有效性产生非对称性影响，即相比在经济上行时期，在经济下行时期的宏观审慎政策对银行风险承担的抑制作用更强且更为显著。第三，宏观审慎政策会通过盈利能力来改变银行的风险承担行为。加强宏观审慎监管政策，会导致银行盈利能力的显著提升，进而抑制银行风险承担。
从银行风险承担的角度来理解宏观审慎政策的有效性对于中国具有重要的现实意义和政策启示。不仅仅考虑到银行在中国金融体系结构和宏观经济政策传导中的重要作用，更为重要的是，在党的十九大报告中明确提出要“健全货币政策和宏观审慎政策双支柱调控框架”，将宏观审慎政策提升到同货币政策并列的地位，而且旨在加强金融监管协调的国务院金融稳定发展委员会也于2017 年全国金融工作会议上宣布设立的情况下，加强并完善宏观审慎政策框架势在必行。在此过程当中，要特别注意宏观审慎政策实施对于银行体系系统性风险的影响。一方面，要注重宏观审慎政策的协调搭配，以及区分经济上行时期与下行时期的政策选择，同时，通过对政策的预调微调来改善银行的风险承担行为，以确保守住不发生系统性金融风险的底线。另一方面，在宏观审慎政策实施过程当中，不仅要注重银行风险指标的变化，更要考虑银行盈利能力等指标变化及其影响银行风险承担行为的内在传导机制，并在此基础上尽快完善宏观审慎政策框架的中间目标和最终目标体系。
文章整理 孟源祎
编辑 刘文婕
审校 田雯
监制 朱霜霜
点击查看近期热文
欢迎加入群聊
为了增进与粉丝们的互动，IMI财经观察建立了微信交流群，欢迎大家参与。
入群方法：加群主为微信好友（微信号：imi605）,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。
欢迎读者朋友多多留言与我们交流互动，留言可换奖品：每月累积留言点赞数最多的读者将得到我们寄送的最新研究成果一份。
关于我们
中国人民大学国际货币研究所（IMI）成立于2009年12月20日，是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。研究所聘请了来自国内外科研院所、政府部门或金融机构的90余位著名专家学者担任顾问委员、学术委员和国际委员，80余位中青年专家担任研究员。
研究所长期聚焦国际金融、货币银行、宏观经济、金融监管、金融科技、地方金融等领域，定期举办国际货币论坛、货币金融圆桌会议、大金融思想沙龙、麦金农大讲坛、陶湘国际金融讲堂等高层次系列论坛或讲座，形成了《人民币国际化报告》《天府金融指数报告》《金融机构国际化报告》《中国财富管理报告》等一大批具有重要理论和政策影响力的学术成果。
国际货币网：www.imi.org.cn
微信号：IMI财经观察
（点击识别下方二维码关注我们）
理事单位申请、
学术研究和会议合作
联系方式:
只分享最有价值的财经视点
We only share the most valuable financial insights.