趙巍 劉雨琪

摘 要：近年來，有效防范化解金融風(fēng)險(xiǎn)牢牢守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)底線成為我國(guó)金融工作的關(guān)鍵?，F(xiàn)有文獻(xiàn)充分探討了傳統(tǒng)貨幣政策對(duì)金融風(fēng)險(xiǎn)的影響，但研究的視角大多局限于對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響，而對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的研究還不夠深入。基于此，本文對(duì)現(xiàn)有的文獻(xiàn)成果和理論基礎(chǔ)進(jìn)行了梳理，最終選用TVP-VAR模型檢驗(yàn)結(jié)構(gòu)型貨幣政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)沖擊。研究表明：結(jié)構(gòu)性貨幣政策工具對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)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(jié)合研究結(jié)果對(duì)中央銀行合理運(yùn)用結(jié)構(gòu)性貨幣政策工具提供相關(guān)建議，以供參考。

關(guān)鍵詞：結(jié)構(gòu)性貨幣政策；系統(tǒng)性金融風(fēng)險(xiǎn)；主成分分析法；TVP-VAR模型；金融環(huán)境；金融風(fēng)險(xiǎn)

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

中圖分類號(hào)：F822 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2024）03（a）--05

1 引言

金融安全保障是國(guó)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(duì)保證經(jīng)濟(jì)的平穩(wěn)運(yùn)行有著重要作用。黨的二十大報(bào)告提出，提高金融體系安全系數(shù)，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)底線，持續(xù)強(qiáng)化防控金融風(fēng)險(xiǎn)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(fēng)險(xiǎn)等任務(wù)迫在眉睫。央行近年來出臺(tái)了多項(xiàng)結(jié)構(gòu)性貨幣政策。因此，中央銀行在實(shí)施結(jié)構(gòu)性貨幣政策的過程中，如何防范經(jīng)濟(jì)中潛在的系統(tǒng)性金融風(fēng)險(xiǎn)，對(duì)我國(guó)經(jīng)濟(jì)全面健康發(fā)展有著至關(guān)重要的意義。

目前，針對(duì)貨幣政策對(duì)金融風(fēng)險(xiǎn)的影響主要有以下幾點(diǎn)結(jié)論。彭俞超和方意（2016）[1]通過研究四種結(jié)構(gòu)性貨幣政策——再貸款利率、再貸款比例、存款準(zhǔn)備金率和準(zhǔn)備金存款利率，發(fā)現(xiàn)其對(duì)保障國(guó)內(nèi)經(jīng)濟(jì)在面臨外部沖擊時(shí)的穩(wěn)定運(yùn)行具有重要作用。Nanda （2016）[2]指出央行在防范系統(tǒng)性金融風(fēng)險(xiǎn)方面所采取的風(fēng)險(xiǎn)傳染規(guī)避方法和流動(dòng)性管理政策，仍需要進(jìn)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(jī)之間的關(guān)系，得出結(jié)論貨幣當(dāng)局應(yīng)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(shí)體經(jīng)濟(jì)緊密聯(lián)系起來，從而穩(wěn)定金融市場(chǎng)。郭娜和祁帆等（2020）[4]使用SV-TVP-VAR模型實(shí)證研究了國(guó)內(nèi)外貨幣政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，實(shí)驗(yàn)結(jié)果證明，貨幣政策對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)有顯著的影響作用，尤其是數(shù)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(jié)構(gòu)性貨幣政策在實(shí)現(xiàn)政策目標(biāo)的過程中往往會(huì)間接引起系統(tǒng)性金融風(fēng)險(xiǎn)的提高。

2 傳導(dǎo)機(jī)制與研究假設(shè)

2.1 結(jié)構(gòu)性貨幣政策的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制

金融危機(jī)發(fā)生后，貨幣政策和金融風(fēng)險(xiǎn)的關(guān)系引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。本文通過學(xué)習(xí)和參考現(xiàn)有結(jié)論，整理得出結(jié)構(gòu)性貨幣政策的系統(tǒng)性金融風(fēng)險(xiǎn)傳導(dǎo)機(jī)制主要包含以下四個(gè)方面：

（1）“信號(hào)公告—市場(chǎng)預(yù)期”。當(dāng)中央銀行在對(duì)市場(chǎng)進(jìn)行信號(hào)傳導(dǎo)時(shí)，不能及時(shí)提供正確的信息并做出正確的政策，就會(huì)造成市場(chǎng)主體的盲目性，加大決策的風(fēng)險(xiǎn)和市場(chǎng)的波動(dòng)性，造成整個(gè)金融市場(chǎng)的總體風(fēng)險(xiǎn)上升。

（2）“銀行信貸—定向支持”。央行將為滿足要求的民營(yíng)小微企業(yè)和重點(diǎn)領(lǐng)域創(chuàng)造流動(dòng)性，引導(dǎo)銀行信貸資金精準(zhǔn)投放。然而，引導(dǎo)商業(yè)銀行信貸資金流向高風(fēng)險(xiǎn)、低收益的領(lǐng)域不僅違背了商業(yè)銀行的經(jīng)營(yíng)原則，還會(huì)在影響銀行利潤(rùn)的同時(shí)增加發(fā)生信貸危機(jī)的可能性，增加金融市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。

（3）“利率水平—成本效益”。中央銀行利用價(jià)格工具，通過對(duì)特定行業(yè)的利率進(jìn)行調(diào)整，從而達(dá)到降低融資成本的目的。然而，短期利率調(diào)整會(huì)干擾投資者決策，從而導(dǎo)致金融風(fēng)險(xiǎn)集聚增加，進(jìn)而加大了金融市場(chǎng)陷入系統(tǒng)性風(fēng)險(xiǎn)的可能性。

（4）“風(fēng)險(xiǎn)緩釋—風(fēng)險(xiǎn)承擔(dān)”。中央銀行在某些領(lǐng)域進(jìn)行傾斜性資金支持操作時(shí)，通過處置定向不良資產(chǎn)和采用定向債轉(zhuǎn)股等方式，將這些“短板”領(lǐng)域內(nèi)的過量風(fēng)險(xiǎn)轉(zhuǎn)移至資管公司等金融機(jī)構(gòu)。然而，在金融機(jī)構(gòu)之間，風(fēng)險(xiǎn)的傳遞極易形成“加速器”，從而提高了系統(tǒng)風(fēng)險(xiǎn)在實(shí)體經(jīng)濟(jì)和金融體系中的蔓延速度。

2.2 研究假設(shè)

依據(jù)上述傳導(dǎo)機(jī)制，本文認(rèn)為結(jié)構(gòu)性貨幣政策會(huì)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生影響，其作用效果既有正面也有負(fù)面，其作用方向由正面效應(yīng)與負(fù)面效應(yīng)的強(qiáng)度決定?；诖?，本文提出以下假設(shè)：

假設(shè)H1：結(jié)構(gòu)性貨幣政策工具在具體實(shí)施過程中均會(huì)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)造成沖擊，最終的作用方向和強(qiáng)度取決于正向和負(fù)向沖擊的強(qiáng)度。

3 指數(shù)構(gòu)建與模型選擇

3.1 系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)構(gòu)建

本文以我國(guó)經(jīng)濟(jì)和金融現(xiàn)狀為依據(jù)，從宏觀經(jīng)濟(jì)、金融機(jī)構(gòu)、資本市場(chǎng)和外部沖擊四個(gè)維度，選擇16個(gè)指標(biāo)來構(gòu)建衡量我國(guó)金融壓力綜合指標(biāo)（FSI）。為了避免指標(biāo)構(gòu)建時(shí)，三級(jí)指標(biāo)間存在多重共線性，本文采用主成分分析法對(duì)指標(biāo)進(jìn)行篩選，進(jìn)而計(jì)算出我國(guó)的金融壓力綜合指數(shù)（FSI），具體指標(biāo)如表1所示。

3.2 數(shù)據(jù)處理與指數(shù)構(gòu)建

（1）數(shù)據(jù)處理：本文使用Wind數(shù)據(jù)庫(kù)統(tǒng)計(jì)出原始數(shù)據(jù)，采取頻率轉(zhuǎn)換的方式，將所有數(shù)據(jù)統(tǒng)一變頻為月度數(shù)據(jù)。同時(shí)，為了將各個(gè)指標(biāo)的風(fēng)險(xiǎn)沖擊方向進(jìn)行統(tǒng)一，同時(shí)排除這些變量由于量綱差別所造成的影響，本文將四個(gè)維度子指標(biāo)變量進(jìn)行了同向標(biāo)準(zhǔn)化，且處理后的數(shù)據(jù)全部位于[-1，1]區(qū)間內(nèi)。

（2）正向化處理：本文采用min-max方法對(duì)逆向指標(biāo)進(jìn)行正向化，具體轉(zhuǎn)換公式如下：

在此基礎(chǔ)上，本文使用Stata16運(yùn)用主成分分析法對(duì)各級(jí)子指標(biāo)進(jìn)行賦權(quán)，將最終的金融穩(wěn)定綜合指數(shù)作為系統(tǒng)性金融風(fēng)險(xiǎn)的代理變量。

為了驗(yàn)證上述選取的指標(biāo)是否具備使用主成分分析法（PCA）進(jìn)行指數(shù)合成的條件，本文使用KMO和Bartlett檢驗(yàn)對(duì)指標(biāo)間的相關(guān)性程度進(jìn)行分析，如表2所示：KMO= 0.665>0.6，Bartlett檢驗(yàn)對(duì)應(yīng)的p值=0.000<0.05，均證明該指標(biāo)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(gè)三級(jí)指標(biāo)中提取到五個(gè)特征值大于1的有效主成分，這五個(gè)主成分指標(biāo)的方差累計(jì)率為 78.77%，有較好的效果。

根據(jù)PCA分析得出的各主成分的方差解釋率，將相關(guān)指標(biāo)帶入式（2）中，可計(jì)算得出金融壓力指數(shù)（FSI）作為系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（SFR）的代理變量，具體測(cè)算結(jié)果如圖1所示：

其中，F(xiàn)SI為系統(tǒng)性金融風(fēng)險(xiǎn)的代理變量——系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（SFR），i表示各個(gè)指標(biāo)變量，ωi表示各變量所對(duì)應(yīng)的方差解釋率，Xi表示各主成分變量的值，μ表示五個(gè)主成分的累計(jì)方差解釋率。

3.3 TVP-VAR模型選擇

現(xiàn)有經(jīng)濟(jì)理論與研究結(jié)果均表明，采用非時(shí)變模型分析我國(guó)貨幣政策并不穩(wěn)健。因此，本文參照Nakajima等（2011）[10]設(shè)定TVP-VAR模型，該模型基于隨機(jī)游走將內(nèi)置參數(shù)設(shè)定為隨時(shí)間變化的動(dòng)態(tài)參數(shù)，從而能夠?qū)⒆兞康臅r(shí)變特征捕獲出來，進(jìn)而分析對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)沖擊。

4 變量數(shù)據(jù)檢驗(yàn)

4.1 變量選取與描述

本文將測(cè)算的系統(tǒng)性金融風(fēng)險(xiǎn)指數(shù)（SFR），作為實(shí)證研究的被解釋變量。另外，基于數(shù)據(jù)的可得性，結(jié)構(gòu)性貨幣政策變量選取MLF、SLF、PSL三種工具的當(dāng)月余額，以及通過中小型金融機(jī)構(gòu)存款準(zhǔn)備金率計(jì)算出的定向降準(zhǔn)當(dāng)月值，共四種工具作為研究對(duì)象。最后，考慮四種類型結(jié)構(gòu)性貨幣政策工具的起始時(shí)間，本文使用數(shù)據(jù)時(shí)段為2016年1月至2022年9月（見表4）。

4.2 平穩(wěn)性檢驗(yàn)

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

檢驗(yàn)結(jié)果如表5所示，各變量的p值均小于1%臨界點(diǎn)，證明均為平穩(wěn)變量，符合本文的現(xiàn)實(shí)經(jīng)濟(jì)意義，因此使用以上變量構(gòu)建TVP-VAR模型。

4.3 最優(yōu)滯后期檢驗(yàn)

構(gòu)建TVP-VAR模型需要選擇最優(yōu)滯后階數(shù)來反映所構(gòu)模型的動(dòng)態(tài)特征，從而解釋各種政策工具對(duì)研究變量的動(dòng)態(tài)沖擊影響。本文通過Stata16運(yùn)用Varsoc命令對(duì)各變量進(jìn)行最優(yōu)滯后階數(shù)檢驗(yàn)，檢驗(yàn)結(jié)果如表6所示，綜合考慮各項(xiàng)檢驗(yàn)原則，最終確定滯后2階為該模型的最優(yōu)滯后階數(shù)。

5 實(shí)證分析

5.1 模型參數(shù)估計(jì)結(jié)果

根據(jù)上文檢驗(yàn)確定滯后階數(shù)為2是該模型的最優(yōu)滯后階數(shù)，并參照Nakajima等（2011）[10]的方法設(shè)置參數(shù)，即從新分布中抽樣的結(jié)果，更近似于樣本形成的分布。本文使用Oxmetrics6運(yùn)用MCMC算法迭代10000次。參數(shù)估計(jì)結(jié)果如表7所示，Geweke統(tǒng)計(jì)量均落在95%置信區(qū)間內(nèi)，僅有最大項(xiàng)無效因子值大于100約為142，這表明本文使用TVP-VAR模型對(duì)所選變量進(jìn)行MCMC模擬取得了良好的估計(jì)結(jié)果。

5.2 不同滯后期的時(shí)變脈沖響應(yīng)分析

為研究不同時(shí)間約束下多種結(jié)構(gòu)性貨幣政策工具對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)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(jié)構(gòu)性貨幣政策工具對(duì)中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)影響的時(shí)變沖擊效應(yīng)，得到的時(shí)變脈沖響應(yīng)結(jié)果如圖2所示。

（1）中期借貸便利（MLF）對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的時(shí)變脈沖響應(yīng)。MLF對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)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(fēng)險(xiǎn)。從中期來看，MLF對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生了負(fù)向沖擊，有著明顯的抑制作用，反觀MLF的長(zhǎng)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(zhǎng)期來看并不會(huì)對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)造成較大影響。

（2）常備借貸便利（SLF）對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的時(shí)變脈沖響應(yīng)。從短期來看，SLF對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)有顯著、弱效應(yīng)的正向沖擊效果，且在不同時(shí)期表現(xiàn)平穩(wěn)，而在中期這種正向的沖擊強(qiáng)度提高，反觀長(zhǎng)期，SLF操作對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的沖擊方向由正轉(zhuǎn)負(fù)，起到了良好的抑制效果。

（3）抵押補(bǔ)充貸款（PSL）對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的時(shí)變脈沖響應(yīng)。從短期來看，PSL對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)有低強(qiáng)度的正向沖擊效果，且在不同時(shí)期表現(xiàn)平穩(wěn)，而在中期這種正向的沖擊強(qiáng)度提高，反觀長(zhǎng)期，PSL操作對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)呈現(xiàn)一種隨年份不斷攀升的正向沖擊，加劇了整個(gè)經(jīng)濟(jì)環(huán)境的不穩(wěn)定性。

（4）定向降準(zhǔn)（TRC）工具對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的時(shí)變脈沖響應(yīng)。從短期來看，定向降準(zhǔn)操作對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的沖擊效果顯著為負(fù)且在不同時(shí)期表現(xiàn)穩(wěn)定，隨著作用期限的推移，在中長(zhǎng)期呈現(xiàn)出隨年份逐漸收斂的正向沖擊。這表明，定向降準(zhǔn)能在實(shí)施初期起到穩(wěn)定金融系統(tǒng)的效果。

6 政策建議

結(jié)構(gòu)性貨幣政策出臺(tái)以來，在服務(wù)實(shí)體經(jīng)濟(jì)、助力“三農(nóng)”事業(yè)及中小微企業(yè)發(fā)展、治理我國(guó)經(jīng)濟(jì)結(jié)構(gòu)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(jié)合研究結(jié)果，提出以下幾點(diǎn)建議：

（1）持續(xù)優(yōu)化結(jié)構(gòu)性貨幣政策手段。不同類型的結(jié)構(gòu)性貨幣政策工具會(huì)通過不同中介或機(jī)制發(fā)揮特定作用，適用于不同的具體目標(biāo)。我國(guó)央行在具體操作過程中，要根據(jù)相機(jī)抉擇針對(duì)性調(diào)整，及時(shí)反饋情況進(jìn)行評(píng)估并靈活調(diào)整。此外，根據(jù)實(shí)驗(yàn)結(jié)果可知，不同貨幣工具的風(fēng)險(xiǎn)傳遞在時(shí)效性上表現(xiàn)為不同的特點(diǎn)，因此在搭配使用結(jié)構(gòu)性貨幣政策工具的過程中應(yīng)注意風(fēng)險(xiǎn)調(diào)控，使工具間的風(fēng)險(xiǎn)沖擊錯(cuò)配，防止出現(xiàn)聚集性風(fēng)險(xiǎn)積壓的情況。

（2）更加精準(zhǔn)地運(yùn)用結(jié)構(gòu)性貨幣政策工具，加強(qiáng)對(duì)商業(yè)銀行的激勵(lì)。價(jià)格型結(jié)構(gòu)型貨幣政策工具可以鼓勵(lì)小微企業(yè)和涉農(nóng)信貸的增長(zhǎng)，但其對(duì)普通信貸的影響更大。商業(yè)銀行在衡量收益和風(fēng)險(xiǎn)之后，仍然會(huì)把新增加的基礎(chǔ)貨幣投放到其他方面。所以，央行應(yīng)該對(duì)其進(jìn)行深入的研究和論證，采取更有針對(duì)性的結(jié)構(gòu)性貨幣政策工具，或是建立對(duì)商業(yè)銀行的市場(chǎng)激勵(lì)制度，通過內(nèi)生力自動(dòng)調(diào)控商業(yè)銀行的信貸行為。

參考文獻(xiàn)

彭俞超，方意.結(jié)構(gòu)性貨幣政策、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)與經(jīng)濟(jì)穩(wěn)定[J].經(jīng)濟(jì)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(guó)系統(tǒng)性金融風(fēng)險(xiǎn)度量與貨幣政策影響機(jī)制分析[J].金融論壇，2020，25（4）：49-60.

王妍，王繼紅.結(jié)構(gòu)性貨幣政策、同業(yè)業(yè)務(wù)與系統(tǒng)性金融風(fēng)險(xiǎn)[J].金融經(jīng)濟(jì)學(xué)研究，2021，36（4）：16-30.

唐文進(jìn)，黃玲.結(jié)構(gòu)性貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道： 一個(gè)銀行競(jìng)爭(zhēng)視角的考察[J].江漢論壇，2021（8）：48-58.

周友良.結(jié)構(gòu)性貨幣政策對(duì)商業(yè)銀行金融風(fēng)險(xiǎn)承擔(dān)的影響研究[J].西南金融，2021（2）：13-24.

劉沖，龐元晨，劉莉亞.結(jié)構(gòu)性貨幣政策、金融監(jiān)管與利率傳導(dǎo)效率： 來自中國(guó)債券市場(chǎng)的證據(jù)[J].經(jīng)濟(jì)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.