论文部分内容阅读
内容提要： 為减缓银行顺周期行为、防范风险传染，央行于2016年推出宏观审慎评估体系（MPA），开展了宏观审慎政策在中国的实践，而如何对此项政策效果进行评估是当前面临的前沿问题。本文以MPA实施作为准自然实验，基于中国120家商业银行2013-2019年的面板数据，运用双重差分法（DID）实证检验宏观审慎政策对银行顺周期行为的影响及作用机制。研究结果表明：宏观审慎政策实施后，中小银行的顺周期行为明显降低。具体地，与国有大型和股份制银行相比，宏观审慎政策显著降低了城商行和农商行等中小银行的顺周期信贷行为，提高了其流动性水平和多元化经营水平。为提高宏观审慎政策的有效性，需要进一步保持宏观审慎政策的定力，在效率和公平的角度上适度考虑在区域经济上的政策差异，并不断完善宏观审慎政策制度框架。
关键词： 宏观审慎政策;中小银行;信贷扩张;顺周期行为;准自然实验
中图分类号：F832.0 文献标识码：A 文章编号：1001-148X（2021）05-0075-09
一、问题提出
2008年全球金融危机后，国际社会对危机产生原因展开了深刻的反思与讨论，并普遍认识到，金融体系顺周期行为和资产价格大幅波动导致的系统性风险是危机爆发的重要原因，尤其是时间轴上金融正反馈效应和空间轴上跨机构跨市场传染导致了金融系统性风险，最终造成了对实体经济的严重冲击[1]。
在此基础上，以物价稳定为目标的货币政策无法有效实现金融稳定，需要宏观审慎政策对金融系统进行宏观的、逆周期的、跨市场的调控。宏观审慎政策以金融稳定为主要目标，着力于平滑金融体系的顺周期波动，从宏观的、逆周期的、跨市场的角度采取措施，从而解决“大而不倒”、顺周期性和风险传染等问题，维护宏观经济稳定。在具体操作层面上，宏观审慎政策不仅可以在时间轴上运用逆周期资本缓冲、贷款价值比等政策工具调节金融机构的顺周期行为和资产泡沫，同时在空间轴上提高系统重要性金融机构的稳健性，降低风险跨机构跨市场传染，最终减缓对金融稳定和宏观经济造成冲击。
从国际经验来看，宏观审慎政策的有效性和必要性已在国际上基本达成共识，建立和完善宏观审慎政策框架已成为越来越多国家的共同选择。如英格兰银行设立金融政策委员会（FPC），与货币政策委员会（MPC）分别负责金融稳定和价格稳定;美国成立金融稳定监管委员会（FSOC），主要负责认定系统重要性金融机构，并向美联储等金融监管机构提供政策建议。中国较早地探索和创新了宏观审慎政策，为世界各国提供了有价值的经验。其中，2011年创设差别准备金动态调整制度，配合危机期间刺激政策逐步退出。2016年升级为更加全面的宏观审慎评估体系（MPA），从广义信贷、资本、流动性、资产质量等多方面引导金融机构行为。此后又分别将表外理财、同业存单、制造业贷款等多方面金融业务纳入MPA考核范围，使其信贷增长与地方经济增长和自身资本水平相适应，达到防范系统性金融风险、提高服务实体经济水平的目的。
科学评估宏观审慎政策的运用情况，为宏观审慎政策的实施效果提供新的证据，对于完善和提高宏观审慎政策的有效性具有重要政策意义，同时对于充分发挥宏观审慎政策在引导金融机构稳健经营、防范化解金融风险、促进货币信贷合理增长及提升金融服务实体经济方面具有重要参考作用。当前面临一个重要问题是，宏观审慎政策是否实现了最初目标，该项政策如何影响银行的顺周期行为，进而影响了银行信贷投放和配置？现有对宏观审慎政策的研究主要集中于国际政策工具评估以及与货币政策协调， 很少有文献针对中国此项政策效果进行有效评估。本文以2016年宏观审慎评估体系（MPA）为标志的宏观审慎政策实施作为一个准自然实验，基于中国120家商业银行2013-2019年的面板数据， 运用双重差分法（DID）和三重差分法（DDD）实证检验宏观审慎政策对银行顺周期行为的影响及作用机制，并在此基础上，进一步讨论政策效果在区域环境和市场融资程度上的特征及差异性。
二、文献综述与研究假设
（一）宏观审慎政策效果
近年来，国内外很多学者开始研究宏观审慎政策工具的效果。Lim et al.（2011）[2]基于49个国家的数据分析得出，大部分宏观审慎政策工具（贷款价值比、债务收入比、信贷增长上限和动态拨备规则等）在降低信贷和杠杆顺周期性方面是有效的。宏观审慎政策既降低了经济崩溃的风险，也降低了其他经济领域受到金融体系问题影响的程度[3]。
一些学者发现不同政策工具的效果有所不同。Lee et al.（2016）[4]分析了亚洲10个发展中国家的宏观审慎工具效果，发现信贷类工具能够抑制信贷扩张和房价上涨，流动性工具可以缓和银行杠杆和负债增长。Aikman et al.（2018）[5]发现，逆周期资本工具可以增加银行在风险承担方面的成本，防止引起银行过度的风险承担。一些学者发现政策对不同类型银行的影响也是不同的。Altunbas et al.（2018）[6]发现，宏观审慎政策可以明显降低小型并以批发业务为主的银行风险承担水平。还有一些学者发现不同发展水平的地区使用的政策工具也有所不同。Cerutti et al.（2017）[7]检验了119个经济体12种宏观审慎政策工具，发现新兴市场经济体主要使用流动性和外汇工具应对资本流动的影响，发达经济体主要使用贷款价值比、债务收入比等信用工具以应对信贷扩张和房地产泡沫风险。
在宏观审慎政策的进一步研究中，国内外很多学者发现，仅仅通过宏观审慎政策并不能有效达到政策目标，需要货币政策和宏观审慎政策密切配合。Angelini et al.（2012）[8]发现在受到供给冲击影响时，宏观审慎政策只能发挥部分作用;在受到金融冲击影响时，货币政策和宏观审慎政策有效协作才能实现最优结果。苏嘉胜和王曦（2019）[9]也发现在受到技术冲击和金融冲击时，宏观审慎政策能够有效缓解经济波动，与货币政策相配合可以明显减少福利损失。根据“丁伯根法则”，实现一个政策目标需要至少一个政策工具，货币政策和宏观审慎政策分别致力于价格稳定和金融稳定的“双支柱”调控框架，可以有效解决经济活动失衡与金融活动失衡之间“部分解决”“顾此失彼”等问题[10]。Svensson（2018）[11]认为，货币政策和宏观审慎政策可以分别独立制定并有效地实现政策目标，只要两部门将对方的政策纳入本部门的统筹考虑，就能实现纳什均衡下的最优解。黄益平等（2019）[12]通过两国DSGE模型验证了双支柱宏观调控的有效性，发现在金融冲击下，货币政策配合宏观审慎政策工具可以有效抑制金融市场的顺周期性，有利于稳定宏观经济。 （二）银行顺周期行为
商业银行的顺周期行为是指，在经济上行期，银行有更高的风险偏好，更倾向于通过过度扩张信贷和杠杆以获取更大利润;而在经济下行期，银行风险偏好降低，常常通过大幅收缩信贷和杠杆以避免信用风险。即在经济繁荣时期债券发行和银行信贷规模明显多于萧条时期。金融危机后，关于金融活动繁荣与衰退交替发生的周期性问题也引起了学术界的关注，现有文献对银行顺周期行为主要有以下几方面解释：一是抵押品价值具有顺周期性。在经济上行期，借款方抵押品价值往往随着经济环境改善而大幅提高，而在经济下行期会随着经济环境恶化而不断下降，银行信贷决策及授信也会随着抵押品价值顺周期波动。二是银行风险承担具有顺周期性。在经济上行期，银行风险偏好上升，市场情绪较为乐观，银行信贷标准有所降低，信贷扩张动力较强;而在经济下行期，随着不良贷款大幅增加，银行风险偏好降低，市场情绪和银行信贷投放较为保守。同时“羊群效应”增加了银行对风险的系统性认知偏差，加大了银行信贷的顺周期波动。三是外部监管具有顺周期性。在经济上升期，监管部门对资本、杠杆和信贷的约束条件较为宽松，容易引起银行信贷过度扩张;在经济下行期，对资本、杠杆和信贷的监管压力增大，银行被动收缩信贷。
从我国商业银行的顺周期行为看，杠杆倍数随着经济波动的现象较为明显，但国有大型银行杠杆和顺周期行为较为稳定，股份制银行与城市商业银行杠杆和顺周期行为较为显著[13]。宽松的货币政策下，银行常常通过顺周期提升杠杆来增加银行风险承担，而资本监管要求和市场纪律约束提高可以有效抑制银行杠杆的顺周期调整[14]。我国信贷型影子银行也具有顺周期性。由于影子银行多以资产证券化和杠杆操作为基础，影子银行业务的顺周期波动和金融体系的不稳定性均会被有所放大[15]。
综上所述，当前国内外对宏观审慎政策研究主要集中于宏观审慎政策工具评估以及宏观审慎政策与货币政策之间的关系，其中很多文献也明确指出，宏观审慎政策工具的运用及效果会受到各国经济金融发展水平和结构差异的影响，从而有很大不同，因此政策工具的划分和评估也并不具备普适性，也并不能体现出部分国家在政策探索与创新上的效果。从国内情况来看，也鲜有文献对中国宏观审慎政策的效果进行评估，特别是以MPA为标志的宏观审慎政策实施的影响。同时，很多学者也认为MPA 工具的使用也有必要进一步量化评估。为此，本文从中国宏观审慎政策的效果评估角度分析MPA实施对银行顺周期行为的影响，同时运用双重差分法（DID）及三重差分法（DDD）进行模型估计，从而更准确地识别政策效果，为研究宏观审慎政策提供新的经验证据，对进一步提升宏观审慎政策、引导金融机构稳健经营、防范化解金融风险等具有政策参考作用。
（三）研究假设
实施宏观审慎政策的目的主要是为了减缓银行顺周期波动和跨市场风险传染对宏观经济金融的冲击。针对银行的顺周期波动，宏观审慎政策通过对资本、杠杆等指标提出逆周期调整要求以实现“以丰补歉”，中国央行通过构建宏观审慎评估体系（MPA），从资本和杠杆、流动性、定价行为、资产质量等多个方面引导银行形成稳健经营理念，从而合理把握信贷投放，提升风险防控能力。因此，根据上述分析，提出以下假设：
假设1：以宏观审慎评估体系（MPA）为标志宏观审慎政策实施，降低了商业银行的顺周期行为。
由于宏观审慎政策会受到经济金融发展水平和结构差异的影响，其最终的效果也会有所不同，对银行顺周期行为的影响也会在不同的区域环境下表现出差异性。具体来说，经济发展较快、市场融资程度较高的地区，投资者情绪更为乐观，银行信贷扩张行为更为强烈，加之自身经济增速较高，受到的政策压力更小;而相对于经济基础较弱、市场融资程度较低的地区，投资者更为保守，市场融资反而更被动集中于银行信贷形式，受到的政策压力也相对更大。因此，根据上述分析，提出以下假设：
假设2：与东中部地区和市场融资程度较高地区相比，宏观审慎政策对西部东北地区和市场融资程度较低地区的商业银行顺周期行为影响更大。
三、研究设计与描述性统计
（一）模型设定
本文使用双重差分法（Difference in Differences）实证检验宏观审慎政策对银行顺周期行为的影响。在自然实验的情况下，双重差分法是通过将调查样本分为实验组和对照组，然后对比某一事件前后对实验组和对照组的不同影响，进而评估对实验组的具体变量的影响，从而识别出因果关系。由于宏观审慎政策是一项面向于全国银行业金融机构的政策，如何在这种情况下构建实验组和对照组是应用双重差分法的难点。
本文借鉴Vig（2013）[16]的处理方法，从宏观审慎政策对不同规模和类型银行信贷、流动性及经营行为的差异性影響入手构造实验组和对照组，在此基础上进行双重差分检验。由于国有大型银行和股份制银行资产规模较大，本文将其作为对照组，将中小银行作为实验组。实际上，宏观审慎评估体系（MPA）实施后，部分中小银行对政策更为敏感，主要是因为其过度追求利润、过度增加杠杆，导致其资产扩张速度远超过其资本承受能力[17]。在此情形下，城市商业银行、农村商业银行等中小银行倾向于具有更高的信贷和资产增速，以及有限的资本，因而其会受到更大政策约束。相比而言，国有大型银行和股份制银行经营较为稳健，其所面临的政策压力相对较小。因此，本文根据商业银行的规模和类型的差异划分实验组和对照组，即城市商业银行、农村商业银行等中小银行作为实验组，国有大型银行和股份制银行作为对照组。
考虑到2016年央行开始实施宏观审慎评估体系（MPA），率先在国际上开展了宏观审慎政策实践，本文将2016年作为政策实施节点。
为进一步研究宏观审慎政策实施后，是否对实验组银行的信贷、流动性、多元化经营产生显著影响，在考虑时间和个体之间差异的基础上，设定如下实证基准模型： Yit=α+β1Treati*Postt+β2Xit+μi+τt+εit
其中，i=1，…，N表示银行个体，t表示时间。被解释变量Yit包括银行信贷行为（Loanr）、流动性水平（Depr）和多元化经营水平（NNII）三个指标;Treati表示分组虚拟变量，实验组银行取值为1，对照组应取值为0;Postt表示政策实施的时间虚拟变量，如果样本观测值发生在宏观审慎政策实施之后（2016年及以后）取值为1，否则取值为0;Xit表示控制变量，包括银行稳定性水平（Z-score）、風险承担（RWAS）、不良贷款率、GDP、M2和市场利率（Shibor）;μi表示个体固定效应;τt表示时间固定效应;Treati*Postt为交互项，其系数β1衡量了宏观审慎政策对银行顺周期行为的影响效应，是本文关注的主要变量。
（二）数据来源
本文研究样本为2013-2019年中国120家商业银行的面板数据，所用数据均来自BVD全球银行与金融机构分析（BankFocus）数据库、万得（Wind）数据库以及商业银行年报。考虑到本文的研究对象，剔除了中国邮政储蓄银行和政策性银行，同时剔除了所选变量存在缺失值大于2年以上的银行，部分缺失数值通过手动收集银行年报补充。
根据银保监会分类标准，本文研究样本包括5家国有大型商业银行、10家股份制商业银行、79家城市商业银行和26家农村商业银行。截至2019年底，银行业金融机构资产规模为290万亿元，样本银行总资产占银行业金融机构总资产的比例为69.32%;商业银行资产规模为239万亿元，样本银行总资产占商业银行总资产的比例为83.94%，能够较好地代表我国银行业的整体情况。
（三）变量说明
本文分别选取了银行信贷行为、流动性水平和多元化经营水平作为被解释变量，用来考查宏观审慎政策对银行顺周期行为的影响，主要变量说明和计算方式如表1所示。其中，银行信贷行为以贷款/总资产（Loanr）衡量，以贷款/存款（LoanDep）进行稳健性检验，主要是考虑到中国宏观审慎政策的核心内容是实现银行信贷增速与自身资本水平和经济增长相适应[17]。流动性水平以存款/总资产（Depr）衡量， 以流动性资产的对数（LnLiq）进行稳健性检验，主要是考虑到银行将部分存款作为流动性储备，更多地依靠存款支撑长期资产可以降低银行短期内发生挤兑的风险[18]。多元化经营水平以其他生息资产/总生息资产（NNII）衡量，以其他生息资产的对数（Divers）进行稳健性检验，主要考察宏观审慎政策执行后，银行对非信贷资产的配置。银行实验组虚拟变量为Treat，政策实施时间虚拟变量为Post。
为控制银行个体层面和宏观层面的特征和影响，本文选取了银行稳定性水平（Z-score）、风险承担（RWAS）和不良贷款率（NPL），以及GDP、M2和市场利率（Shibor）分别作为银行个体层面和宏观层面的控制变量。其中，Z-score为银行风险指标，用于衡量商业银行的稳定性[19]，具体指标运算公式为：
Z-score=（ROE+Equity/Asset）/σ（ROE）
其中，ROE为资本利润率，Equity/Asset是权益资产比率，σ（ROE）为资本利润率的3年移动标准差。Z-score值越大，表明商业银行稳定性越强、总体风险越小。
风险承担指标使用银行风险加权资产比总资产衡量，由于风险加权资产可在发放贷款时确定，区别于不良贷款率的事后度量（逾期90天后），因此能够较为及时和客观地反映银行风险的变动。该指标的比例越高，则银行风险偏好越高，银行购买高风险资产的意愿也越强烈。不良贷款率是发放贷款后认定可能存在违约贷款的比例，该指标的比例越高，意味着银行存在更高比例违约的风险资产。
另外，为检验宏观审慎政策影响银行顺周期行为在地区层面和市场融资环境方面差异，本文定义了区域环境虚拟变量（Region）和市场融资程度虚拟变量（Fin）。首先，在区域环境虚拟变量设置上，根据国家统计局标准，划分了东部、中部、西部、东北地区共四个区域，东部和中部地区取值为1， 西部和东北地区取值为0。其次，在市场融资程度虚拟变量上，通过比较各省社会融资规模中企业债券和股票等市场融资所占比重，本文划分了市场融资程度较高地区和较低地区，企业债券和股票融资在社会融资规模占比位于全国前15名的省份，为市场融资程度较高地区，取值为1，否则取值为0。具体变量的描述性统计如表2所示。
（四）平行趋势检验
应用双重差分法的一个重要前提就是满足平行趋势检验，即如果没有宏观审慎评估体系（MPA）实施这一外生因素影响， 实验组银行与对照组银行的指标变量应该存在一致的变化趋势。本文参照Campello和Larrain（2016）[20]的方法，检验实验组和对照组在政策出台前的第n年（n=1，2，3）的差异，检验结果如表3所示。结果显示，在宏观审慎政策执行前，实验组银行和对照组银行的变量变动基本不存在显著差异，即能满足随机性要求和平行趋势假设。
四、实证结果与分析
（一）宏观审慎政策对银行顺周期行为的影响
本文使用控制双向固定效应的双重差分模型实证检验了宏观审慎政策实施是否以及如何影响信贷行为、流动性水平和多元化经营水平。实证结果如表4所示，模型（1）和（2）显示了宏观审慎政策实施是否对银行信贷行为产生了影响。其中，模型（1）结果显示，当不加入银行控制变量，仅控制个体和时间固定效应时，Treat*Post的系数估计值在1%的水平上显著为负;模型（2）结果显示，当进一步控制银行稳定性水平、风险承担和不良贷款率，以及GDP、M2和市场利率等宏观和微观变量时，Treat*Post的系数估计值仍然在1%的水平上显著为负。这些结果表明，与对照组银行（国有大型和股份制银行）相比，宏观审慎政策降低了实验组银行（城商行和农商行等中小银行）的顺周期信贷行为。 也就是说，宏观审慎政策实施后，中小银行的顺周期信贷行为明显降低。 模型（3）和（4）显示了宏观审慎政策实施是否对银行流动性水平产生了影响，当不加入银行控制变量和当进一步控制银行稳定性水平、风险承担和不良贷款率，以及GDP、M2和市场利率等宏观和微观变量时，Treat*Post的系数估计值在1%的水平上均显著为正。这些结果表明，与对照组银行（国有大型和股份制银行）相比，宏观审慎政策提高了实验组银行（城商行和农商行等中小银行）的流动性水平。也就是说，宏观审慎政策实施后，中小银行的流动性水平显著提高。
模型（5）和（6）显示了宏观审慎政策执行是否对银行多元化经营水平产生了影响，Treat*Post的系数估计值仍然在1%的水平上显著为正。这些结果表明，与对照组银行（国有大型和股份制银行）相比，宏观审慎政策提高了实验组银行（城商行和农商行等中小银行）的多元化经营水平。 也就是说，宏观审慎政策实施后，中小银行的多元化经营水平显著提高。总体来看，宏观审慎政策实施后，中小银行的顺周期信贷行为明显降低，流动性水平和多元化经营水平有所提高，这些结果验证了本文提出的假设1。
（二）稳健性检验
1. 安慰剂检验。本文最初划分银行实验组和对照组的依据主要是根据银行规模和类型， 考虑到宏观审慎政策对中小银行信贷顺周期行为的约束性更强，资产规模较大的银行更容易成为对照组。为减少人为施加政策处理的影响，按照以上分组思路，本文将原有对照组分为两组，国有大型银行为对照组，股份制银行为实验组，如果估计结果表明政策效应是不显著的，即反向验证了分組的科学性。安慰剂检验结果如表5所示，在加入银行控制变量，并控制个体和时间固定效应时，银行信贷行为、流动性水平和多元化经营水平的Treat*Post系数估计值在10%的水平上不显著。
同样，本文划分的政策时间节点是2016年，以宏观审慎政策评估体系（MPA）出台作为宏观审慎政策实施的起点。为防范实验结果由宏观审慎政策出台前的其他事件影响，按照以上思路，本文虚拟政策时间节点2014年，并设置新的时间虚拟变量，按照其他原有数据和指标进行实证检验后，估计结果同样表明政策效应是不显著的，即反向验证了政策出台对银行顺周期行为的有效性。
2. 改变因变量指标。由于银行顺周期行为的测度指标有很多，为避免指标选取对实证结果的影响，本文分别对银行信贷行为、流动性水平和多元化经营水平选取替代指标进行检验。具体地，银行信贷行为的原测度指标贷款/总资产（Loanr），以贷款/存款（LoanDep）进行替代;流动性水平的原测度指标存款/总资产（Depr），以流动性资产的对数（LnLiq）进行替代;多元化经营水平的原测度指标其他生息资产/总生息资产（NNII），以其他生息资产的对数（Divers）进行替代。
实证检验结果如表6所示，模型（1）和（2）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著为负，表明宏观审慎政策降低了实验组银行（城商行和农商行等中小银行）的顺周期信贷行为。模型（3）和（4）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著为正，表明宏观审慎政策提高了实验组银行的流动性水平。模型（5）和（6）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著为正，表明宏观审慎政策提高了实验组银行的多元化经营水平。因此，改变因变量后的实验结果与原结果一致。
3. 改变样本区间。考虑到宏观审慎政策在出台前对银行业金融机构进行了预期引导，在政策出台后银行生产经营、流动性、资本、风险等指标也需要一定时间调整，这些因素都可能导致对双重差分模型的干扰。因此，本文剔除了在政策生效期的前后一年数据，同时考虑到数据时间的平衡性，仅保留2013年、2014年、2017年和2018年的数据样本进行重新估计。实证检验结果如表7所示，模型（1）-（6）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著，双重差分模型的估计结果依然是稳健的。
（三）进一步讨论
为进一步研究宏观审慎政策对银行顺周期行为的影响，本文从区域环境和市场融资程度的差异性角度，运用三重差分法检验宏观审慎政策是否对银行顺周期行为的影响表现出区域环境和市场融资程度上的特征及差异性。
1.基于区域环境。 本文在各地区区域环境的特征和差异性上，进行三重差分估计，以检验宏观审慎政策对银行顺周期行为的影响是否在不同的区域环境下表现出差异性。在区域环境虚拟变量的设置上，根据国家统计局标准，划分了东部、中部、西部、东北地区共四个区域，东部和中部地区取值为1，否则取值为0（西部和东北地区）。在此基础上，将区域环境虚拟变量与前述政策效应交互项共同构成三重交互项Treat*Post*Region进行实证检验。实证检验结果如表8所示，模型（1）Treat*Post*Region的系数估计值在1%的水平上显著为正，模型（2）和（3）Treat*Post*Region的系数估计值在10%和5%的水平上显著为负，表明对于宏观审慎政策对中小银行顺周期行为的影响，东部和中部地区弱于西部和东北地区。
2.基于市场融资程度。本文在各地区市场融资程度的特征和差异性上，进行三重差分估计，以检验宏观审慎政策对银行顺周期行为的影响是否在不同的市场融资程度上表现出差异性。在市场融资程度虚拟变量的设置上，通过比较各省社会融资规模中企业债券和股票等市场融资所占比重，将企业债券和股票融资在社会融资规模占比位于全国前15名的省份，作为市场融资程度较高地区，取值为1，否则取值为0。在此基础上，将市场融资程度虚拟变量与前述政策效应交互项共同构成三重交互项Treat*Post*Fin进行实证检验。实证检验结果如表8所示，模型（4）Treat*Post*Fin的系数估计值在1%的水平上显著为正，模型（5）和（6）Treat*Post*Fin的系数估计值在10%和1%的水平上显著为负，表明对于宏观审慎政策对中小银行顺周期行为的影响，市场融资程度较高地区弱于市场融资程度较低地区，这些结果验证了本文提出的假设2。 綜合以上分析可以发现，宏观审慎政策实施对银行顺周期行为的影响在区域环境和市场融资程度上表现出一定的分化特征。具体地，东中部地区及市场融资程度较高地区的中小银行受到的政策压力较小，西部和东北地区及市场融资程度较低地区的中小银行受到的政策压力更大。这一方面与地方经济增长相关，主要是由于宏观审慎政策推动金融机构的信贷增速与其自身资本以及经济增长相适应。另一方面也与其地区市场融资程度密切相关，相对于银行信贷的间接融资形式，企业债券和股票等形式的直接融资更加市场化，更具有“买涨不买跌”的顺周期效应，也更容易产生对间接融资的“示范效应”，带动部分地区银行信贷进一步扩张，造成金融资源的过度集聚和区域不平衡，这在上述模型中也体现出市场融资程度较高地区的中小银行信贷扩张行为更为强烈。因此，从这一角度看，宏观审慎政策更需要从间接融资形式切入，通过逆周期调节银行信贷行为，适度平衡金融资源在区域间的分配。
五、结论与政策建议
本文的研究结果表明，宏观审慎政策实施后，中小银行的顺周期行为明显降低。具体地，与国有大型和股份制银行相比，宏观审慎政策显著降低了城商行和农商行等中小银行的顺周期信贷行为，提高了其流动性水平和多元化经营水平。进一步研究发现，宏观审慎政策对银行顺周期行为影响在区域环境和市场融资程度上表现出一定的差异性。具体地，东中部地区及市场融资程度较高地区的中小银行受到的政策压力较小，信贷扩张行为更为强烈，这与地方经济增长及市场融资程度密切相关。
因此，为更好地发挥宏观审慎政策对引导金融机构稳健经营、防范化解金融风险、促进货币信贷合理增长及提升金融服务实体经济方面的作用，有如下政策建议：
一是进一步保持宏观审慎政策的定力。实证研究表明，宏观审慎政策实施显著抑制了中小银行的顺周期行为。在此基础上，应进一步保持宏观审慎政策的持续性和有效性。建立涵盖多部门多层级的货币政策和宏观审慎政策与监管政策、产业政策、财税政策的协调机制，统筹考虑稳增长、保就业与防风险之间的关系，在经济增长和防范金融风险方面发挥更大作用。
二是适度考虑宏观审慎政策在区域经济上的差异。实证研究表明，相对于东部和中部地区，西部和东北地区的中小银行受到的政策压力更大。实际上西部和东北地区的中小银行由于直接融资市场资源有限，更加需要依靠信贷等间接融资方式支持实体经济。因此，在实践宏观审慎政策过程中，可以在考虑效率和公平的角度上适度平衡金融资源在区域上差异，发挥信贷等间接融资的逆周期调节作用，增强金融支持西部、东北地区实体经济发展的力度。
三是完善宏观审慎政策制度框架。考虑到间接融资和直接融资之间的相互强化作用，及金融资源的集聚与不平衡，可以继续丰富和完善宏观审慎政策指标和工具箱，探索将债券和股票等市场融资程度指标，以及更多金融交易、金融市场、金融机构和金融基础设施纳入宏观审慎政策的覆盖范围，进一步发挥宏观审慎政策的逆周期调节和防范跨市场风险传染的作用，促进经济高质量发展。
参考文献：
[1] G20. Macroprudential Policy Tools and Framework： Update to G20 Financial Minsters and Central Bank Governors[R].FSB， IMF， BIS， 14 February， 2011.
[2] Lim C， Columba F， Costa A， Kongsamut P， Otani A， Saiyid M， Wezel T， Wu X. Macroprudential Policy： What Instruments and How to Use Them？ Lessons from Country Experiences[R].IMF Working Paper， No. 11/238， 2011.
[3] Dell’Ariccia G， Laeven L， Suarez G A. Bank Leverage and Monetary Policy′s Risk- Taking Channel： Evidence from the United States[J].Journal of Finance， 2017， 72（2）： 613-654.
[4] Lee M， Asuncion R C， Kim J. Effectiveness of Macro-prudential Policy in Developing Asia： An Empirical Analysis[J].Emerging Markets Finance and Trade， 2016， 52（4）： 923-937.
[5] Aikman D， Giese J， Kapadia S， Mcleay M. Targeting Financial Stability： Macroprudential or Monetary Policy？[R].Bank of England Working Paper， No. 734， 2018.
[6] Altunbas Y， Binici M， Gambacorta L. Macroprudential Policy and Bank Risk[J].Journal of International Money and Finance， 2018， 81： 203-220.
[7] Cerutti E， Claessens S， Laeven L. The Use and Effectiveness of Macroprudential Policies： New Evidence[J].Journal of Financial Stability， 2017， 28： 203-224. [8] Angelini P， Neri S， Panetta F. Monetary and Macroprudential Policies[R].European Central Bank Working Paper， No. 1449， 2012.
[9] 苏嘉胜，王曦.宏观审慎管理的有效性及其与货币政策的协调[J].财贸经济，2019（9）：65-83.
[10] 马勇.“双支柱”调控框架的理论与经验基础[J].金融研究，2019（12）：18-37.
[11] Svensson L E O. Monetary Policy and Macroprudential Policy： Different and Separate？ [J].Canadian Journal of Economics， 2018， 51（3）： 802-827.
[12] 黄益平，曹裕静，陶坤玉，等.货币政策与宏观审慎政策共同支持宏观经济稳定[J].金融研究，2019（12）：70-91.
[13] 王倩，赵铮.同业融资视角下的商业银行杠杆顺周期性[J].金融研究，2018（10）：89-105.
[14] 汪莉.隐性存保、“顺周期”杠杆与银行风险承担[J].经济研究，2017（10）：67-81.
[15] Pozsar Z， Adrian T， Ashcraft A， Boesky H. Shadow Banking[R].Federal Reserve Bank of New York Staff Reports， No. 458， 2010.
[16] Vig V. Access to Collateral and Corporate Debt Structure： Evidence from a Natural Experiment[J].Journal of Finance， 2013， 68（3）： 881-928.
[17] 张晓慧.宏观审慎政策在中国的探索[J].中国金融，2017（11）：23-25.
[18] 马勇，李振.资金流动性与银行风险承担——来自中国银行业的经验证据[J].财贸经济，2019（7）：67-81.
[19] Laeven L， Levine R. Bank Governance， Regulation and Risk Taking[J].Journal of Financial Economics， 2009，93（2）： 259-275.
[20] Campello M， Larrain M. Enlarging the Contracting Space： Collateral Menus， Access to Credit， and Economic Activity[J].Review of Financial Studies， 2016， 29（2）： 349-383.
How Do Macroprudential Policies Affect Banks′ Pro-cyclical Behavior？ Based on the
Quasi-Natural Experiment of Chinese Banking Institutions
WANG Shuo1， ZHAO De-qi1， LIU Cheng-yang2
（1.School of Economics， Liaoning University， Shenyang 110036，China;
2. Shenyang Branch， The People′s Bank of China， Shenyang 110001，China）
Abstract： In order to prevent banks′ pro-cyclical behavior and risk contagion， Chinese Central Bank established the Macro-Prudential Assessment System（MPA） in 2016， and carried out the practice of macro-prudential policies in China. But how to evaluate the effects of this policy is a frontier of current research. This article uses MPA implementation as a quasi-natural experiment. Based on the panel data of 120 Chinese commercial banks from 2013 to 2019， this paper uses the Difference-in- differences method（DID） to empirically test the impact and mechanism of macro-prudential policies on banks′ pro-cyclical behavior. The conclusions show that after the implementation of macro-prudential policies， the pro-cyclical behavior of small and medium-sized banks has been significantly reduced. Specifically， compared with large state-owned and joint-stock banks， macro-prudential policies have significantly reduced the pro-cyclical credit behavior of small and medium-sized banks（such as city commercial banks and rural commercial banks）， and improved their liquidity and diversified operations. Therefore， in order to improve the effectiveness of macro-prudential policies， it is necessary to further maintain the determination of macro-prudential policies， appropriately consider policy differences in regional economies from the perspective of efficiency and fairness，and improve the framework of the macro-prudential policy system.
Key words： macroprudential policies; small and medium-sized banks; credit expansion; pro-cyclical behavior; quasi-natural experiment
（責任编辑：李江）
关键词： 宏观审慎政策;中小银行;信贷扩张;顺周期行为;准自然实验
中图分类号：F832.0 文献标识码：A 文章编号：1001-148X（2021）05-0075-09
一、问题提出
2008年全球金融危机后，国际社会对危机产生原因展开了深刻的反思与讨论，并普遍认识到，金融体系顺周期行为和资产价格大幅波动导致的系统性风险是危机爆发的重要原因，尤其是时间轴上金融正反馈效应和空间轴上跨机构跨市场传染导致了金融系统性风险，最终造成了对实体经济的严重冲击[1]。
在此基础上，以物价稳定为目标的货币政策无法有效实现金融稳定，需要宏观审慎政策对金融系统进行宏观的、逆周期的、跨市场的调控。宏观审慎政策以金融稳定为主要目标，着力于平滑金融体系的顺周期波动，从宏观的、逆周期的、跨市场的角度采取措施，从而解决“大而不倒”、顺周期性和风险传染等问题，维护宏观经济稳定。在具体操作层面上，宏观审慎政策不仅可以在时间轴上运用逆周期资本缓冲、贷款价值比等政策工具调节金融机构的顺周期行为和资产泡沫，同时在空间轴上提高系统重要性金融机构的稳健性，降低风险跨机构跨市场传染，最终减缓对金融稳定和宏观经济造成冲击。
从国际经验来看，宏观审慎政策的有效性和必要性已在国际上基本达成共识，建立和完善宏观审慎政策框架已成为越来越多国家的共同选择。如英格兰银行设立金融政策委员会（FPC），与货币政策委员会（MPC）分别负责金融稳定和价格稳定;美国成立金融稳定监管委员会（FSOC），主要负责认定系统重要性金融机构，并向美联储等金融监管机构提供政策建议。中国较早地探索和创新了宏观审慎政策，为世界各国提供了有价值的经验。其中，2011年创设差别准备金动态调整制度，配合危机期间刺激政策逐步退出。2016年升级为更加全面的宏观审慎评估体系（MPA），从广义信贷、资本、流动性、资产质量等多方面引导金融机构行为。此后又分别将表外理财、同业存单、制造业贷款等多方面金融业务纳入MPA考核范围，使其信贷增长与地方经济增长和自身资本水平相适应，达到防范系统性金融风险、提高服务实体经济水平的目的。
科学评估宏观审慎政策的运用情况，为宏观审慎政策的实施效果提供新的证据，对于完善和提高宏观审慎政策的有效性具有重要政策意义，同时对于充分发挥宏观审慎政策在引导金融机构稳健经营、防范化解金融风险、促进货币信贷合理增长及提升金融服务实体经济方面具有重要参考作用。当前面临一个重要问题是，宏观审慎政策是否实现了最初目标，该项政策如何影响银行的顺周期行为，进而影响了银行信贷投放和配置？现有对宏观审慎政策的研究主要集中于国际政策工具评估以及与货币政策协调， 很少有文献针对中国此项政策效果进行有效评估。本文以2016年宏观审慎评估体系（MPA）为标志的宏观审慎政策实施作为一个准自然实验，基于中国120家商业银行2013-2019年的面板数据， 运用双重差分法（DID）和三重差分法（DDD）实证检验宏观审慎政策对银行顺周期行为的影响及作用机制，并在此基础上，进一步讨论政策效果在区域环境和市场融资程度上的特征及差异性。
二、文献综述与研究假设
（一）宏观审慎政策效果
近年来，国内外很多学者开始研究宏观审慎政策工具的效果。Lim et al.（2011）[2]基于49个国家的数据分析得出，大部分宏观审慎政策工具（贷款价值比、债务收入比、信贷增长上限和动态拨备规则等）在降低信贷和杠杆顺周期性方面是有效的。宏观审慎政策既降低了经济崩溃的风险，也降低了其他经济领域受到金融体系问题影响的程度[3]。
一些学者发现不同政策工具的效果有所不同。Lee et al.（2016）[4]分析了亚洲10个发展中国家的宏观审慎工具效果，发现信贷类工具能够抑制信贷扩张和房价上涨，流动性工具可以缓和银行杠杆和负债增长。Aikman et al.（2018）[5]发现，逆周期资本工具可以增加银行在风险承担方面的成本，防止引起银行过度的风险承担。一些学者发现政策对不同类型银行的影响也是不同的。Altunbas et al.（2018）[6]发现，宏观审慎政策可以明显降低小型并以批发业务为主的银行风险承担水平。还有一些学者发现不同发展水平的地区使用的政策工具也有所不同。Cerutti et al.（2017）[7]检验了119个经济体12种宏观审慎政策工具，发现新兴市场经济体主要使用流动性和外汇工具应对资本流动的影响，发达经济体主要使用贷款价值比、债务收入比等信用工具以应对信贷扩张和房地产泡沫风险。
在宏观审慎政策的进一步研究中，国内外很多学者发现，仅仅通过宏观审慎政策并不能有效达到政策目标，需要货币政策和宏观审慎政策密切配合。Angelini et al.（2012）[8]发现在受到供给冲击影响时，宏观审慎政策只能发挥部分作用;在受到金融冲击影响时，货币政策和宏观审慎政策有效协作才能实现最优结果。苏嘉胜和王曦（2019）[9]也发现在受到技术冲击和金融冲击时，宏观审慎政策能够有效缓解经济波动，与货币政策相配合可以明显减少福利损失。根据“丁伯根法则”，实现一个政策目标需要至少一个政策工具，货币政策和宏观审慎政策分别致力于价格稳定和金融稳定的“双支柱”调控框架，可以有效解决经济活动失衡与金融活动失衡之间“部分解决”“顾此失彼”等问题[10]。Svensson（2018）[11]认为，货币政策和宏观审慎政策可以分别独立制定并有效地实现政策目标，只要两部门将对方的政策纳入本部门的统筹考虑，就能实现纳什均衡下的最优解。黄益平等（2019）[12]通过两国DSGE模型验证了双支柱宏观调控的有效性，发现在金融冲击下，货币政策配合宏观审慎政策工具可以有效抑制金融市场的顺周期性，有利于稳定宏观经济。 （二）银行顺周期行为
商业银行的顺周期行为是指，在经济上行期，银行有更高的风险偏好，更倾向于通过过度扩张信贷和杠杆以获取更大利润;而在经济下行期，银行风险偏好降低，常常通过大幅收缩信贷和杠杆以避免信用风险。即在经济繁荣时期债券发行和银行信贷规模明显多于萧条时期。金融危机后，关于金融活动繁荣与衰退交替发生的周期性问题也引起了学术界的关注，现有文献对银行顺周期行为主要有以下几方面解释：一是抵押品价值具有顺周期性。在经济上行期，借款方抵押品价值往往随着经济环境改善而大幅提高，而在经济下行期会随着经济环境恶化而不断下降，银行信贷决策及授信也会随着抵押品价值顺周期波动。二是银行风险承担具有顺周期性。在经济上行期，银行风险偏好上升，市场情绪较为乐观，银行信贷标准有所降低，信贷扩张动力较强;而在经济下行期，随着不良贷款大幅增加，银行风险偏好降低，市场情绪和银行信贷投放较为保守。同时“羊群效应”增加了银行对风险的系统性认知偏差，加大了银行信贷的顺周期波动。三是外部监管具有顺周期性。在经济上升期，监管部门对资本、杠杆和信贷的约束条件较为宽松，容易引起银行信贷过度扩张;在经济下行期，对资本、杠杆和信贷的监管压力增大，银行被动收缩信贷。
从我国商业银行的顺周期行为看，杠杆倍数随着经济波动的现象较为明显，但国有大型银行杠杆和顺周期行为较为稳定，股份制银行与城市商业银行杠杆和顺周期行为较为显著[13]。宽松的货币政策下，银行常常通过顺周期提升杠杆来增加银行风险承担，而资本监管要求和市场纪律约束提高可以有效抑制银行杠杆的顺周期调整[14]。我国信贷型影子银行也具有顺周期性。由于影子银行多以资产证券化和杠杆操作为基础，影子银行业务的顺周期波动和金融体系的不稳定性均会被有所放大[15]。
综上所述，当前国内外对宏观审慎政策研究主要集中于宏观审慎政策工具评估以及宏观审慎政策与货币政策之间的关系，其中很多文献也明确指出，宏观审慎政策工具的运用及效果会受到各国经济金融发展水平和结构差异的影响，从而有很大不同，因此政策工具的划分和评估也并不具备普适性，也并不能体现出部分国家在政策探索与创新上的效果。从国内情况来看，也鲜有文献对中国宏观审慎政策的效果进行评估，特别是以MPA为标志的宏观审慎政策实施的影响。同时，很多学者也认为MPA 工具的使用也有必要进一步量化评估。为此，本文从中国宏观审慎政策的效果评估角度分析MPA实施对银行顺周期行为的影响，同时运用双重差分法（DID）及三重差分法（DDD）进行模型估计，从而更准确地识别政策效果，为研究宏观审慎政策提供新的经验证据，对进一步提升宏观审慎政策、引导金融机构稳健经营、防范化解金融风险等具有政策参考作用。
（三）研究假设
实施宏观审慎政策的目的主要是为了减缓银行顺周期波动和跨市场风险传染对宏观经济金融的冲击。针对银行的顺周期波动，宏观审慎政策通过对资本、杠杆等指标提出逆周期调整要求以实现“以丰补歉”，中国央行通过构建宏观审慎评估体系（MPA），从资本和杠杆、流动性、定价行为、资产质量等多个方面引导银行形成稳健经营理念，从而合理把握信贷投放，提升风险防控能力。因此，根据上述分析，提出以下假设：
假设1：以宏观审慎评估体系（MPA）为标志宏观审慎政策实施，降低了商业银行的顺周期行为。
由于宏观审慎政策会受到经济金融发展水平和结构差异的影响，其最终的效果也会有所不同，对银行顺周期行为的影响也会在不同的区域环境下表现出差异性。具体来说，经济发展较快、市场融资程度较高的地区，投资者情绪更为乐观，银行信贷扩张行为更为强烈，加之自身经济增速较高，受到的政策压力更小;而相对于经济基础较弱、市场融资程度较低的地区，投资者更为保守，市场融资反而更被动集中于银行信贷形式，受到的政策压力也相对更大。因此，根据上述分析，提出以下假设：
假设2：与东中部地区和市场融资程度较高地区相比，宏观审慎政策对西部东北地区和市场融资程度较低地区的商业银行顺周期行为影响更大。
三、研究设计与描述性统计
（一）模型设定
本文使用双重差分法（Difference in Differences）实证检验宏观审慎政策对银行顺周期行为的影响。在自然实验的情况下，双重差分法是通过将调查样本分为实验组和对照组，然后对比某一事件前后对实验组和对照组的不同影响，进而评估对实验组的具体变量的影响，从而识别出因果关系。由于宏观审慎政策是一项面向于全国银行业金融机构的政策，如何在这种情况下构建实验组和对照组是应用双重差分法的难点。
本文借鉴Vig（2013）[16]的处理方法，从宏观审慎政策对不同规模和类型银行信贷、流动性及经营行为的差异性影響入手构造实验组和对照组，在此基础上进行双重差分检验。由于国有大型银行和股份制银行资产规模较大，本文将其作为对照组，将中小银行作为实验组。实际上，宏观审慎评估体系（MPA）实施后，部分中小银行对政策更为敏感，主要是因为其过度追求利润、过度增加杠杆，导致其资产扩张速度远超过其资本承受能力[17]。在此情形下，城市商业银行、农村商业银行等中小银行倾向于具有更高的信贷和资产增速，以及有限的资本，因而其会受到更大政策约束。相比而言，国有大型银行和股份制银行经营较为稳健，其所面临的政策压力相对较小。因此，本文根据商业银行的规模和类型的差异划分实验组和对照组，即城市商业银行、农村商业银行等中小银行作为实验组，国有大型银行和股份制银行作为对照组。
考虑到2016年央行开始实施宏观审慎评估体系（MPA），率先在国际上开展了宏观审慎政策实践，本文将2016年作为政策实施节点。
为进一步研究宏观审慎政策实施后，是否对实验组银行的信贷、流动性、多元化经营产生显著影响，在考虑时间和个体之间差异的基础上，设定如下实证基准模型： Yit=α+β1Treati*Postt+β2Xit+μi+τt+εit
其中，i=1，…，N表示银行个体，t表示时间。被解释变量Yit包括银行信贷行为（Loanr）、流动性水平（Depr）和多元化经营水平（NNII）三个指标;Treati表示分组虚拟变量，实验组银行取值为1，对照组应取值为0;Postt表示政策实施的时间虚拟变量，如果样本观测值发生在宏观审慎政策实施之后（2016年及以后）取值为1，否则取值为0;Xit表示控制变量，包括银行稳定性水平（Z-score）、風险承担（RWAS）、不良贷款率、GDP、M2和市场利率（Shibor）;μi表示个体固定效应;τt表示时间固定效应;Treati*Postt为交互项，其系数β1衡量了宏观审慎政策对银行顺周期行为的影响效应，是本文关注的主要变量。
（二）数据来源
本文研究样本为2013-2019年中国120家商业银行的面板数据，所用数据均来自BVD全球银行与金融机构分析（BankFocus）数据库、万得（Wind）数据库以及商业银行年报。考虑到本文的研究对象，剔除了中国邮政储蓄银行和政策性银行，同时剔除了所选变量存在缺失值大于2年以上的银行，部分缺失数值通过手动收集银行年报补充。
根据银保监会分类标准，本文研究样本包括5家国有大型商业银行、10家股份制商业银行、79家城市商业银行和26家农村商业银行。截至2019年底，银行业金融机构资产规模为290万亿元，样本银行总资产占银行业金融机构总资产的比例为69.32%;商业银行资产规模为239万亿元，样本银行总资产占商业银行总资产的比例为83.94%，能够较好地代表我国银行业的整体情况。
（三）变量说明
本文分别选取了银行信贷行为、流动性水平和多元化经营水平作为被解释变量，用来考查宏观审慎政策对银行顺周期行为的影响，主要变量说明和计算方式如表1所示。其中，银行信贷行为以贷款/总资产（Loanr）衡量，以贷款/存款（LoanDep）进行稳健性检验，主要是考虑到中国宏观审慎政策的核心内容是实现银行信贷增速与自身资本水平和经济增长相适应[17]。流动性水平以存款/总资产（Depr）衡量， 以流动性资产的对数（LnLiq）进行稳健性检验，主要是考虑到银行将部分存款作为流动性储备，更多地依靠存款支撑长期资产可以降低银行短期内发生挤兑的风险[18]。多元化经营水平以其他生息资产/总生息资产（NNII）衡量，以其他生息资产的对数（Divers）进行稳健性检验，主要考察宏观审慎政策执行后，银行对非信贷资产的配置。银行实验组虚拟变量为Treat，政策实施时间虚拟变量为Post。
为控制银行个体层面和宏观层面的特征和影响，本文选取了银行稳定性水平（Z-score）、风险承担（RWAS）和不良贷款率（NPL），以及GDP、M2和市场利率（Shibor）分别作为银行个体层面和宏观层面的控制变量。其中，Z-score为银行风险指标，用于衡量商业银行的稳定性[19]，具体指标运算公式为：
Z-score=（ROE+Equity/Asset）/σ（ROE）
其中，ROE为资本利润率，Equity/Asset是权益资产比率，σ（ROE）为资本利润率的3年移动标准差。Z-score值越大，表明商业银行稳定性越强、总体风险越小。
风险承担指标使用银行风险加权资产比总资产衡量，由于风险加权资产可在发放贷款时确定，区别于不良贷款率的事后度量（逾期90天后），因此能够较为及时和客观地反映银行风险的变动。该指标的比例越高，则银行风险偏好越高，银行购买高风险资产的意愿也越强烈。不良贷款率是发放贷款后认定可能存在违约贷款的比例，该指标的比例越高，意味着银行存在更高比例违约的风险资产。
另外，为检验宏观审慎政策影响银行顺周期行为在地区层面和市场融资环境方面差异，本文定义了区域环境虚拟变量（Region）和市场融资程度虚拟变量（Fin）。首先，在区域环境虚拟变量设置上，根据国家统计局标准，划分了东部、中部、西部、东北地区共四个区域，东部和中部地区取值为1， 西部和东北地区取值为0。其次，在市场融资程度虚拟变量上，通过比较各省社会融资规模中企业债券和股票等市场融资所占比重，本文划分了市场融资程度较高地区和较低地区，企业债券和股票融资在社会融资规模占比位于全国前15名的省份，为市场融资程度较高地区，取值为1，否则取值为0。具体变量的描述性统计如表2所示。
（四）平行趋势检验
应用双重差分法的一个重要前提就是满足平行趋势检验，即如果没有宏观审慎评估体系（MPA）实施这一外生因素影响， 实验组银行与对照组银行的指标变量应该存在一致的变化趋势。本文参照Campello和Larrain（2016）[20]的方法，检验实验组和对照组在政策出台前的第n年（n=1，2，3）的差异，检验结果如表3所示。结果显示，在宏观审慎政策执行前，实验组银行和对照组银行的变量变动基本不存在显著差异，即能满足随机性要求和平行趋势假设。
四、实证结果与分析
（一）宏观审慎政策对银行顺周期行为的影响
本文使用控制双向固定效应的双重差分模型实证检验了宏观审慎政策实施是否以及如何影响信贷行为、流动性水平和多元化经营水平。实证结果如表4所示，模型（1）和（2）显示了宏观审慎政策实施是否对银行信贷行为产生了影响。其中，模型（1）结果显示，当不加入银行控制变量，仅控制个体和时间固定效应时，Treat*Post的系数估计值在1%的水平上显著为负;模型（2）结果显示，当进一步控制银行稳定性水平、风险承担和不良贷款率，以及GDP、M2和市场利率等宏观和微观变量时，Treat*Post的系数估计值仍然在1%的水平上显著为负。这些结果表明，与对照组银行（国有大型和股份制银行）相比，宏观审慎政策降低了实验组银行（城商行和农商行等中小银行）的顺周期信贷行为。 也就是说，宏观审慎政策实施后，中小银行的顺周期信贷行为明显降低。 模型（3）和（4）显示了宏观审慎政策实施是否对银行流动性水平产生了影响，当不加入银行控制变量和当进一步控制银行稳定性水平、风险承担和不良贷款率，以及GDP、M2和市场利率等宏观和微观变量时，Treat*Post的系数估计值在1%的水平上均显著为正。这些结果表明，与对照组银行（国有大型和股份制银行）相比，宏观审慎政策提高了实验组银行（城商行和农商行等中小银行）的流动性水平。也就是说，宏观审慎政策实施后，中小银行的流动性水平显著提高。
模型（5）和（6）显示了宏观审慎政策执行是否对银行多元化经营水平产生了影响，Treat*Post的系数估计值仍然在1%的水平上显著为正。这些结果表明，与对照组银行（国有大型和股份制银行）相比，宏观审慎政策提高了实验组银行（城商行和农商行等中小银行）的多元化经营水平。 也就是说，宏观审慎政策实施后，中小银行的多元化经营水平显著提高。总体来看，宏观审慎政策实施后，中小银行的顺周期信贷行为明显降低，流动性水平和多元化经营水平有所提高，这些结果验证了本文提出的假设1。
（二）稳健性检验
1. 安慰剂检验。本文最初划分银行实验组和对照组的依据主要是根据银行规模和类型， 考虑到宏观审慎政策对中小银行信贷顺周期行为的约束性更强，资产规模较大的银行更容易成为对照组。为减少人为施加政策处理的影响，按照以上分组思路，本文将原有对照组分为两组，国有大型银行为对照组，股份制银行为实验组，如果估计结果表明政策效应是不显著的，即反向验证了分組的科学性。安慰剂检验结果如表5所示，在加入银行控制变量，并控制个体和时间固定效应时，银行信贷行为、流动性水平和多元化经营水平的Treat*Post系数估计值在10%的水平上不显著。
同样，本文划分的政策时间节点是2016年，以宏观审慎政策评估体系（MPA）出台作为宏观审慎政策实施的起点。为防范实验结果由宏观审慎政策出台前的其他事件影响，按照以上思路，本文虚拟政策时间节点2014年，并设置新的时间虚拟变量，按照其他原有数据和指标进行实证检验后，估计结果同样表明政策效应是不显著的，即反向验证了政策出台对银行顺周期行为的有效性。
2. 改变因变量指标。由于银行顺周期行为的测度指标有很多，为避免指标选取对实证结果的影响，本文分别对银行信贷行为、流动性水平和多元化经营水平选取替代指标进行检验。具体地，银行信贷行为的原测度指标贷款/总资产（Loanr），以贷款/存款（LoanDep）进行替代;流动性水平的原测度指标存款/总资产（Depr），以流动性资产的对数（LnLiq）进行替代;多元化经营水平的原测度指标其他生息资产/总生息资产（NNII），以其他生息资产的对数（Divers）进行替代。
实证检验结果如表6所示，模型（1）和（2）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著为负，表明宏观审慎政策降低了实验组银行（城商行和农商行等中小银行）的顺周期信贷行为。模型（3）和（4）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著为正，表明宏观审慎政策提高了实验组银行的流动性水平。模型（5）和（6）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著为正，表明宏观审慎政策提高了实验组银行的多元化经营水平。因此，改变因变量后的实验结果与原结果一致。
3. 改变样本区间。考虑到宏观审慎政策在出台前对银行业金融机构进行了预期引导，在政策出台后银行生产经营、流动性、资本、风险等指标也需要一定时间调整，这些因素都可能导致对双重差分模型的干扰。因此，本文剔除了在政策生效期的前后一年数据，同时考虑到数据时间的平衡性，仅保留2013年、2014年、2017年和2018年的数据样本进行重新估计。实证检验结果如表7所示，模型（1）-（6）结果显示，Treat*Post的系数估计值在1%的水平上仍然显著，双重差分模型的估计结果依然是稳健的。
（三）进一步讨论
为进一步研究宏观审慎政策对银行顺周期行为的影响，本文从区域环境和市场融资程度的差异性角度，运用三重差分法检验宏观审慎政策是否对银行顺周期行为的影响表现出区域环境和市场融资程度上的特征及差异性。
1.基于区域环境。 本文在各地区区域环境的特征和差异性上，进行三重差分估计，以检验宏观审慎政策对银行顺周期行为的影响是否在不同的区域环境下表现出差异性。在区域环境虚拟变量的设置上，根据国家统计局标准，划分了东部、中部、西部、东北地区共四个区域，东部和中部地区取值为1，否则取值为0（西部和东北地区）。在此基础上，将区域环境虚拟变量与前述政策效应交互项共同构成三重交互项Treat*Post*Region进行实证检验。实证检验结果如表8所示，模型（1）Treat*Post*Region的系数估计值在1%的水平上显著为正，模型（2）和（3）Treat*Post*Region的系数估计值在10%和5%的水平上显著为负，表明对于宏观审慎政策对中小银行顺周期行为的影响，东部和中部地区弱于西部和东北地区。
2.基于市场融资程度。本文在各地区市场融资程度的特征和差异性上，进行三重差分估计，以检验宏观审慎政策对银行顺周期行为的影响是否在不同的市场融资程度上表现出差异性。在市场融资程度虚拟变量的设置上，通过比较各省社会融资规模中企业债券和股票等市场融资所占比重，将企业债券和股票融资在社会融资规模占比位于全国前15名的省份，作为市场融资程度较高地区，取值为1，否则取值为0。在此基础上，将市场融资程度虚拟变量与前述政策效应交互项共同构成三重交互项Treat*Post*Fin进行实证检验。实证检验结果如表8所示，模型（4）Treat*Post*Fin的系数估计值在1%的水平上显著为正，模型（5）和（6）Treat*Post*Fin的系数估计值在10%和1%的水平上显著为负，表明对于宏观审慎政策对中小银行顺周期行为的影响，市场融资程度较高地区弱于市场融资程度较低地区，这些结果验证了本文提出的假设2。 綜合以上分析可以发现，宏观审慎政策实施对银行顺周期行为的影响在区域环境和市场融资程度上表现出一定的分化特征。具体地，东中部地区及市场融资程度较高地区的中小银行受到的政策压力较小，西部和东北地区及市场融资程度较低地区的中小银行受到的政策压力更大。这一方面与地方经济增长相关，主要是由于宏观审慎政策推动金融机构的信贷增速与其自身资本以及经济增长相适应。另一方面也与其地区市场融资程度密切相关，相对于银行信贷的间接融资形式，企业债券和股票等形式的直接融资更加市场化，更具有“买涨不买跌”的顺周期效应，也更容易产生对间接融资的“示范效应”，带动部分地区银行信贷进一步扩张，造成金融资源的过度集聚和区域不平衡，这在上述模型中也体现出市场融资程度较高地区的中小银行信贷扩张行为更为强烈。因此，从这一角度看，宏观审慎政策更需要从间接融资形式切入，通过逆周期调节银行信贷行为，适度平衡金融资源在区域间的分配。
五、结论与政策建议
本文的研究结果表明，宏观审慎政策实施后，中小银行的顺周期行为明显降低。具体地，与国有大型和股份制银行相比，宏观审慎政策显著降低了城商行和农商行等中小银行的顺周期信贷行为，提高了其流动性水平和多元化经营水平。进一步研究发现，宏观审慎政策对银行顺周期行为影响在区域环境和市场融资程度上表现出一定的差异性。具体地，东中部地区及市场融资程度较高地区的中小银行受到的政策压力较小，信贷扩张行为更为强烈，这与地方经济增长及市场融资程度密切相关。
因此，为更好地发挥宏观审慎政策对引导金融机构稳健经营、防范化解金融风险、促进货币信贷合理增长及提升金融服务实体经济方面的作用，有如下政策建议：
一是进一步保持宏观审慎政策的定力。实证研究表明，宏观审慎政策实施显著抑制了中小银行的顺周期行为。在此基础上，应进一步保持宏观审慎政策的持续性和有效性。建立涵盖多部门多层级的货币政策和宏观审慎政策与监管政策、产业政策、财税政策的协调机制，统筹考虑稳增长、保就业与防风险之间的关系，在经济增长和防范金融风险方面发挥更大作用。
二是适度考虑宏观审慎政策在区域经济上的差异。实证研究表明，相对于东部和中部地区，西部和东北地区的中小银行受到的政策压力更大。实际上西部和东北地区的中小银行由于直接融资市场资源有限，更加需要依靠信贷等间接融资方式支持实体经济。因此，在实践宏观审慎政策过程中，可以在考虑效率和公平的角度上适度平衡金融资源在区域上差异，发挥信贷等间接融资的逆周期调节作用，增强金融支持西部、东北地区实体经济发展的力度。
三是完善宏观审慎政策制度框架。考虑到间接融资和直接融资之间的相互强化作用，及金融资源的集聚与不平衡，可以继续丰富和完善宏观审慎政策指标和工具箱，探索将债券和股票等市场融资程度指标，以及更多金融交易、金融市场、金融机构和金融基础设施纳入宏观审慎政策的覆盖范围，进一步发挥宏观审慎政策的逆周期调节和防范跨市场风险传染的作用，促进经济高质量发展。
参考文献：
[1] G20. Macroprudential Policy Tools and Framework： Update to G20 Financial Minsters and Central Bank Governors[R].FSB， IMF， BIS， 14 February， 2011.
[2] Lim C， Columba F， Costa A， Kongsamut P， Otani A， Saiyid M， Wezel T， Wu X. Macroprudential Policy： What Instruments and How to Use Them？ Lessons from Country Experiences[R].IMF Working Paper， No. 11/238， 2011.
[3] Dell’Ariccia G， Laeven L， Suarez G A. Bank Leverage and Monetary Policy′s Risk- Taking Channel： Evidence from the United States[J].Journal of Finance， 2017， 72（2）： 613-654.
[4] Lee M， Asuncion R C， Kim J. Effectiveness of Macro-prudential Policy in Developing Asia： An Empirical Analysis[J].Emerging Markets Finance and Trade， 2016， 52（4）： 923-937.
[5] Aikman D， Giese J， Kapadia S， Mcleay M. Targeting Financial Stability： Macroprudential or Monetary Policy？[R].Bank of England Working Paper， No. 734， 2018.
[6] Altunbas Y， Binici M， Gambacorta L. Macroprudential Policy and Bank Risk[J].Journal of International Money and Finance， 2018， 81： 203-220.
[7] Cerutti E， Claessens S， Laeven L. The Use and Effectiveness of Macroprudential Policies： New Evidence[J].Journal of Financial Stability， 2017， 28： 203-224. [8] Angelini P， Neri S， Panetta F. Monetary and Macroprudential Policies[R].European Central Bank Working Paper， No. 1449， 2012.
[9] 苏嘉胜，王曦.宏观审慎管理的有效性及其与货币政策的协调[J].财贸经济，2019（9）：65-83.
[10] 马勇.“双支柱”调控框架的理论与经验基础[J].金融研究，2019（12）：18-37.
[11] Svensson L E O. Monetary Policy and Macroprudential Policy： Different and Separate？ [J].Canadian Journal of Economics， 2018， 51（3）： 802-827.
[12] 黄益平，曹裕静，陶坤玉，等.货币政策与宏观审慎政策共同支持宏观经济稳定[J].金融研究，2019（12）：70-91.
[13] 王倩，赵铮.同业融资视角下的商业银行杠杆顺周期性[J].金融研究，2018（10）：89-105.
[14] 汪莉.隐性存保、“顺周期”杠杆与银行风险承担[J].经济研究，2017（10）：67-81.
[15] Pozsar Z， Adrian T， Ashcraft A， Boesky H. Shadow Banking[R].Federal Reserve Bank of New York Staff Reports， No. 458， 2010.
[16] Vig V. Access to Collateral and Corporate Debt Structure： Evidence from a Natural Experiment[J].Journal of Finance， 2013， 68（3）： 881-928.
[17] 张晓慧.宏观审慎政策在中国的探索[J].中国金融，2017（11）：23-25.
[18] 马勇，李振.资金流动性与银行风险承担——来自中国银行业的经验证据[J].财贸经济，2019（7）：67-81.
[19] Laeven L， Levine R. Bank Governance， Regulation and Risk Taking[J].Journal of Financial Economics， 2009，93（2）： 259-275.
[20] Campello M， Larrain M. Enlarging the Contracting Space： Collateral Menus， Access to Credit， and Economic Activity[J].Review of Financial Studies， 2016， 29（2）： 349-383.
How Do Macroprudential Policies Affect Banks′ Pro-cyclical Behavior？ Based on the
Quasi-Natural Experiment of Chinese Banking Institutions
WANG Shuo1， ZHAO De-qi1， LIU Cheng-yang2
（1.School of Economics， Liaoning University， Shenyang 110036，China;
2. Shenyang Branch， The People′s Bank of China， Shenyang 110001，China）
Abstract： In order to prevent banks′ pro-cyclical behavior and risk contagion， Chinese Central Bank established the Macro-Prudential Assessment System（MPA） in 2016， and carried out the practice of macro-prudential policies in China. But how to evaluate the effects of this policy is a frontier of current research. This article uses MPA implementation as a quasi-natural experiment. Based on the panel data of 120 Chinese commercial banks from 2013 to 2019， this paper uses the Difference-in- differences method（DID） to empirically test the impact and mechanism of macro-prudential policies on banks′ pro-cyclical behavior. The conclusions show that after the implementation of macro-prudential policies， the pro-cyclical behavior of small and medium-sized banks has been significantly reduced. Specifically， compared with large state-owned and joint-stock banks， macro-prudential policies have significantly reduced the pro-cyclical credit behavior of small and medium-sized banks（such as city commercial banks and rural commercial banks）， and improved their liquidity and diversified operations. Therefore， in order to improve the effectiveness of macro-prudential policies， it is necessary to further maintain the determination of macro-prudential policies， appropriately consider policy differences in regional economies from the perspective of efficiency and fairness，and improve the framework of the macro-prudential policy system.
Key words： macroprudential policies; small and medium-sized banks; credit expansion; pro-cyclical behavior; quasi-natural experiment
（責任编辑：李江）