影子银行与货币政策传导，本文主要内容关键词为：货币政策论文,影子论文,银行论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 2008年金融危机的爆发让全球的监管层和投资者将目光投向了快速增长十余年的影子银行体系(shadow banking system)。何为影子银行，目前尚没有一个统一的定义。按照金融稳定理事会(Financial Stability Board,2011)的界定，影子银行实际上就是游离于监管体系之外的信用中介活动。国际货币基金组织(IMF，2012)则认为其本质是风险转换(risk transformation)并降低交易对手风险(counterparty risks)，最主要的影子银行行为包括证券化和抵押品中介化(collateral intermediation)。Pozsar et al.(2012)认为2008年冲击全球的美国影子银行体系由投行和经纪商组成，通过资产支持证券(asset-backed securities)和担保债务凭证(collateralized debt obligations,CDO)等手段将信贷资产出表并转移风险，同时通过同业回购协议(repurchase agreements,repos)吸收短期资金并放大杠杆。 从美国影子银行体系的产生原因来看，很多学者认为机构投资者的可投资现金远远超过了短期政府债券和其它安全投资品种的供给。这些资金追求安全和高流动性的资产，导致了原有风险资产体系的重构(证券化，打包，分层)，从而满足了这些投资需求(Greenwood et al.,2012; Pozsar,2011)。Bario & Zhu(2008)以及Adrian & Shin(2010)的风险承担渠道(risk-taking channel)理论认为长期低利率的环境推升了资产价格，促使影子银行不断扩张资产负债表。近期兴起的关于安全资产(safe asset)的讨论则提供了另一个角度的解释。例如，Gorton et al.(2012)的研究发现市场对于安全资产的需求相对于GDP的比例长期来看都比较稳定，如果安全资产的供应跟不上经济增长的速度，就会催生将安全资产和其它资产打包再出售的需求。因此，证券化成为“美式”影子银行最核心的关键词。此外，从微观角度来看，产生诸如CDO之类的投资工具很重要的一个原因是市场对信贷类资产定价时只考虑了预期违约率，忽略了基础资产违约与经济状态之间的协方差，这使得CDO高等级层(senior tranche)的风险溢价被严重低估，发行此类结构化产品变得有利可图，因此这些产品的滋生可以看作是一个套利行为(Coval et al.,2009)。同传统银行体系一样，影子银行体系内生脆弱性也源自期限错配，只是形式上有所不同。“美式”影子银行体系是通过抵押、证券化和庞大的回购交易市场构成的：短期回购市场提供了大量低成本资金，融通了证券化资产的发行，反过来又以资产支持证券作为抵押物，进一步扩大融资和发行规模，从而形成了一个极易受到外部流动性冲击的闭环(Gorton & Metrick,2012)。Gai et al.(2011)利用复杂动力系统方法展示了这个体系的崩塌过程。 尽管有关影子银行产生原因的解释不尽相同，但其本质上仍是一种信用中介活动(Pozsar et al.,2012)。这就意味着Bernanke(1983)、Bernanke & Gertler(1989)等提出的货币政策信贷传导渠道同样适用于影子银行体系。大量学者已经开始关注金融中介部门对传统宏观经济模型的重要意义。Bernanke et al.(1999)将“金融加速器”(financial accelerator)机制引入了动态随机一般均衡(dynamic stochasic general equilibrium)框架，近期的Christiano et al.(2010)、Gertler & Karadi (2011)、Dedola et al.(2013)都在模型中引入了独立的金融中介部门。然而，这些研究关注的仍然是商业银行体系。尽管危机以后影子银行得到了充分的讨论，却鲜有学者对其进行建模。Meeks et al.(2012)将资产证券化的过程引入到金融中介部门，Verona et al.(2011)则在Christiano et al.(2010)模型的基础上，假定一个完全竞争的影子银行体系，扮演类似于投资银行的角色，可以帮助低风险企业发债，但代理问题以及银行家的风险偏好会扭曲利率定价的过程。 中国的影子银行产生于2010—2011年间信贷大幅紧缩的背景之下，一方面是为了规避“定向式”的行政管制，另一方面则是为了逃避金融监管。在2010—2012年中国经济下行的三年间，影子银行体系膨胀了三倍有余，①其逆周期性和西方影子银行体系的顺周期性形成鲜明对比。在监管层对信贷总量和结构同时进行调控的过程中，商业银行通过理财产品、银信合作、银证合作以及近期膨胀的同业业务将信贷资产出表，提供给原本无法通过正常渠道获得商业银行贷款的机构和企业，譬如地方融资平台和房地产开发企业。如果拆分影子银行的结构，可以发现几乎所有的影子银行机构和业务模式都与商业银行在资金链上存在紧密的联系。②因此，中国的影子银行与国外以证券化和金融创新为基础的影子银行存在明显的区别，中国的影子银行模式本质上和商业银行的经营模式是类似的，是能够提供信用转换、期限转换和流动性转换的金融中介，不同之处是其缺乏流动性供给(不能吸收存款)、监管和“最后贷款人”等保障。这样的影子银行模式是根植于中国商业银行系统的，商业银行扮演了其流动性提供者的角色，通过影子银行的运作，这些流动性被注入无法从商业银行体系或正规直接融资体系获得融资支持的实体。 可惜的是，尽管目前国内无论学界还是业界都已对影子银行进行了广泛的讨论(李波、伍戈，2011；毛泽盛、万亚兰，2012)，但多限于国外经验的介绍以及对国内情况的定性讨论，还未有将影子银行与货币政策的执行和传导联系起来的规范性研究。为了准确地分析这一问题，不仅需要对影子银行本身的行为进行描述，还要对其在整个宏观经济中起到的作用，以及其对货币政策传导的影响和反馈作用作出描述，这需要采用一个一般均衡的框架来进行探讨。③为此，本文将Christiano et al.(2010)包含银行体系的动态随机一般均衡模型作为分析的基础工具，并对模型的金融中介体系进行了重构，以刻画“中国式”的影子银行体系。 首先，本文将金融中介体系拆分为商业银行和影子银行系统，把影子银行视为一个“通道”，是商业银行体系的延伸，承担的仍然是发放贷款的职能。具体来讲，本文假设影子银行不能直接从居民部门吸收存款，而是从商业银行获得融资，并根据融资成本以及自身的风险偏好，设定利率和抵押率，将资金贷给实体企业，通过利差获益。事实上，中国大量影子银行的业务模式(如传统的银信合作、银证合作、委托贷款、信托贷款、同业代付、第三方过桥贷款，以及近两年兴起的券商资管通道、基金子公司通道、票据资产和信托受益权的“信贷资产转同业资产”模式)，无论交易结构和参与方如何变化，资金的最终来源方都是商业银行，资金的最终去向大都是无法直接从商业银行贷款的融资主体。影子银行通过交易结构的设计使商业银行与原本无法从商业银行融资的主体联系起来。由此，本文将影子银行部门和商业银行部门设计在同一条间接融资链上，而在Verona et al.(2011)的模型下，影子银行与商业银行是分属直接融资和间接融资链条的平行结构，规模是顺周期变化的，而我们的模型结果却显示商业银行是顺周期的，影子银行是逆周期的。事实上，在2009年大规模宽松之后，商业银行信贷受到政策限制而影子银行信贷却在高利率的环境下快速扩张。显然，这是用西方已有的理论模型所无法解释的现象，而本文的模型结果很好地吻合了这一点。 其次，本文假设存在两种类型的企业：高风险企业和低风险企业，其中商业银行只能向低风险企业贷款，但影子银行可以直接向高风险企业提供融资。做这样的设定主要基于两个方面的考虑： 第一，中国政府和监管层从2011年以来对以房地产企业和地方政府融资平台为代表的高风险融资主体出台了一系列信贷收紧举措，使其难以直接从商业银行获得贷款，被迫求助于影子银行。那么影子银行向这些高风险企业提供的融资是否与商业银行有关呢？从以下一组数据可以看出这个问题：银监会主席尚福林在2014年初指出目前有20家银行涉及房地产类贷款已达20.9万亿元，而中国人民银行发布的《2013年金融机构贷款投向统计报告》则显示主要金融机构人民币房地产贷款余额为14.61万亿元。“涉及房地产类贷款”与“人民币房地产贷款”相差有6.3万亿元之巨，足以说明大量的融资主体是无法直接从商业银行直接获得贷款融资的，但通过其他渠道获得的资金也大都出自商业银行。同样典型的就是规模巨大的地方政府融资平台贷款。④这些是我们在模型中设定“商业银行无法直接向高风险企业提供贷款”的重要依据。 第二，从中国商业银行的经营属性来看，在稳定的利差环境、有限的信贷资源、存款保险制度不完善的情况下，其本身更倾向于向规模较大、建账完整、抵押担保完善的风险较低的企业提供贷款。从微观经营层面来看，指导信贷经理投放贷款的核心要素是潜在的呆坏账率，而不是贷款的利率水平。基于以上两点原因，在本文的模型中我们假设“商业银行只能向低风险企业提供贷款，而影子银行可以向高风险企业提供贷款，影子银行的融资来源于商业银行”。 最后，本文假设垄断竞争的金融中介体系，这使得模型设定、一阶条件的推导、模型内涵以及相应的结论与经典的带“金融加速器”机制的模型具有显著的区别。以往的文献都假设完全竞争的金融中介机构(Christiano et al.,2010; Verona et al.,2011；王立勇等，2012；袁申国等，2011)，这样贷款合约就由企业最优化的一阶条件来确定。然而若假设垄断竞争的金融中介，企业将被迫接受贷款合约，并且高风险企业和影子银行的融资行为具有明显的逆周期性，这是以往的模型所无法解释的。事实上，垄断竞争的影子银行和商业银行体系恰恰更加贴近中国的实际情况，这主要基于两方面的原因，一个是信贷市场的摩擦，另一个是金融机构强大议价能力。对于第一个方面，中国的影子银行体系推高了实体企业的融资成本。同时，由于影子银行的业务模式千差万别，这些融资产品显然也存在异质性。由于存在中介成本与异质性，用传统文献(如Bernanke et al.,1999)的完全竞争的金融中介去对影子银行建模并不合适，而垄断竞争的金融中介，由于存在垄断利润加成和产品异质性，则更适合用来描述中国影子银行体系。假设垄断竞争的另一方面原因是中国金融中介机构的强大议价能力，这在近几年融资需求旺盛而信贷管控严格的背景下尤其明显。 基于上述分析，本文扩展了Christiano et al.(2010)包含银行体系的动态随机一般均衡模型，借鉴了Verona et al.(2011)对于风险异质性企业的划分，引入一个具有中国特点的影子银行体系。在模型中我们将影子银行视为商业银行体系的延伸。影子银行从商业银行体系融入资金，向无法从商业银行体系获得信贷的高风险企业融出资金。 二、模型构建及求解 为了刻画具有中国特点的影子银行模式，本文中构建的金融中介部门(financial intermediary sector)既包括了传统商业银行，也包括了影子银行。经济体中存在两类企业：高风险企业(占比η)和低风险企业(占比1-η)。商业银行只能直接向低风险企业提供贷款，同时可以向垄断竞争的影子银行提供流动性，由后者向高风险企业提供贷款。低风险企业不存在违约风险，而高风险企业的资本回报率则存在不确定性，在受到的冲击足够大时将出现违约，此时影子银行将该企业的剩余资产清算。 影子银行的经营者相对于商业银行的经营者要更倾向于承担风险，当高风险企业的净资产状况改善时，影子银行的经营者对于收回贷款的前景更为乐观，以至于他们更倾向立即降低利率以吸引更多的企业向其融资。这样的机制反映了我们通常提到的风险承担渠道(Bario & Zhu,2008)。国内许多实证研究也表明在中国同样存在这种渠道(牛晓健、裘翔，2013；张雪兰、何德旭，2012)。参考Verona et al.(2011)的研究，本文用风险偏好(risk appetite)来反映风险承担渠道。 现实中影子银行的经营者往往会尽可能地压低融资利率以争取好的项目(经理人的业绩与奖金与项目规模和数量有关，而不是利率水平)，但这实际上降低了对影子银行的风险补偿，对于股东是不利的。因此，影子银行的经营者实际上面临着股东利益与个人利益的权衡。为了在模型中引入这一委托代理冲突，我们考虑一个单边支付机制(side payments)：高风险企业会提供给影子银行经营者一笔私下的单边支付，经营者将贷款利率压得越低，这笔支付的额度越高。出于稳健性的考虑，我们同时检验了去除这一机制后的模型结果，发现并不影响本文的其它结论。 由于家庭部门、中间品生产商、资本品生产商和最终商品生产商的设定都沿用了典型的粘性价格动态一般均衡框架，限于篇幅本文只列示主要结果。⑤ 1.高风险企业与影子银行
这些企业期末购买资本品的资金一方面来源自身留存收益的积累，一方面来自外源融资。于是企业依靠外源融资来弥补投资资金缺口
是企业的净资产。对于影子银行，设其处于垄断竞争的业态，具有差异性，因此企业需要选择自身借款的分布以最小化借款成本。设第z家影子银行的融资利率为
，则企业最小化借款成本的一阶条件为：
与Bernanke et al.(1999)不同，本文中的
是取决于银行最大化利润决策的内生变量。⑧由于
是银行单方面决定的，亦可以被看作是银行设定的一个抵押率(loan-to-value ratio)，即贷款额度占总抵押资产价值的比例(这里潜在的假定是企业所有的资产都作为抵押)。银行之所以需要设定一个
是为了保证企业在遭受资本冲击时，即使企业破产清算，银行也预期能够全额收回贷款本息，实际上是一个最简单的风控措施。⑨影子银行选择贷款利率及抵押率并最大化自身利润，可以得到：
其中，F(·)是
的累积概率分布函数。观察(5)式可以发现
完全取决于贷款利率弹性，而不是Bernanke et al.(1999)和Christiano et al.(2010)中的
。也就是说，处于垄断地位的影子银行在设定利率时是不考虑企业盈利能力的，只在风险可控的情况下设定理想的贷款利率。高风险企业的借债行为是被动的，对贷款合约的拟定没有任何议价能力。(4)式反映了影子银行在融资成本上的利率加成，与贷款的利率需求弹性和冲击的临界值有关。利率需求弹性越小，影子银行利率则越高。此外，
越大，利率越高。事实上，利率本身反映了影子银行对信用风险要求的风险补偿水平，而抵押率则从“安全边际”的角度提供了一种风险控制手段。风险补偿越高，通过抵押率来吸收风险的需求就越低，抵押率也就可以随之放松，反之亦然。后文实证部分将对此机制做更详细的解释。采用成本加成的定价方式可以更方便地引入风险偏好和单边支付(side payments)的因素：只需改变贷款的利率需求弹性。设影子银行经营者的风险偏好为如下模式：
其中，Ω是正的参数，
是风险企业的总资产价值。这部分资金由企业主从企业自身的利润中抽出，支付给影子银行的经营者个人。然而影子银行的经营者却不能为了一己私利以过低的贷款利率损害股东的利益，否则很可能被解雇或遭到其它形式的惩罚。根据前文的分析，贷款的利率需求弹性越大时影子银行利率越小，因此当
(4)式和(5)式构成了一份完整的影子银行贷款合同，利率水平与影子银行经营者的风险偏好、对私人利益的喜好程度以及高风险企业的盈利能力有关。此外，为了排除企业完全靠自身留存收益进行投资的情形，我们假定每期末有1-
的企业会终止经营，并将资产悉数转移给家庭部门。为了保持企业数目的恒定，又有1-
的新企业进入，此时家庭部门提供给这些新企业有限的启动资本
。 2.低风险企业与商业银行 类似高风险企业，低风险企业也需要决定产能利用率并最小化融资成本，可以得到相应的一阶条件。⑩对于商业银行，融资来源于居民部门的存款，利率则由央行进行调整。商业银行在满足存款准备金率的前提下，向三个行为主体提供融资支持：低风险的企业、影子银行和地方政府。本文假设政府的支出完全由地方政府承担，同时向银行进行融资以弥补收支缺口。地方政府和影子银行各自面临着最小化融资成本的问题，商业银行则最大化自身的利润，商业银行的一阶条件为：
(10)式确定了商业银行的最优贷款利率。注意到模型中的影子银行相对于商业银行不存在违约的风险，这是出于简化模型的考虑。由于影子银行的信贷资产配置是分散的，所以在模型中，只有当影子银行的净利润降到零以下才意味着现实中的违约，此时商业银行将遭受损失。即使不考虑违约的情形，影子银行利润的动态过程也能够解释现实中可能发生的状况，不会影响本文的主要结论。因此，本文的模型假定影子银行不存在违约的情况。在下文的参数设定基础上，我们发现稳态的影子银行利润为正，这意味着稳态下影子银行不会出现违约。 与高风险企业类似，低风险企业每一期会有1-
的退出比率，并且有1-
的新企业携着
的资本进入。 3.家庭部门 本文的模型中存在一个代表性家庭，企业家和银行家都是家庭成员，无论是企业还是银行最终都由这个家庭所有。代表性家庭提供异质性的劳动获得劳动收入，进行消费或储蓄。第j个代表性家庭的最优化问题如下：
4.最终商品生产商、中间品生产商与资本品生产商
5.政府与中央银行 为刻画现实中政府部门对经济活动的调控行为，本文假设经济中存在具有“稳增长”目标的地方政府，它每一期的支出是总产出水平的一定比例
。此外，地方政府还会监测每一期投资的增长速度，当增速低于目标增速
时，地方政府会扩大支出；当增速过快时，则会削减支出：
中央银行通常关注的目标是通胀和产出缺口，但随着金融危机的爆发，近些年金融稳定的目标也被越来越多地被提到央行议事日程上(Nier,2009)。因此，本文中的央行除了通胀和产出缺口外，还会对信用利差的波动做出反应［Christiano et al.(2010)认为信用利差反映了风险冲击的变化，与本文的设定相似的有Curdia & Woodford(2009)及马勇(2013)］。这里的信用利差被定义为商业银行或影子银行的利率相对于无风险基准利率的差额：
三、参数校准 由于本文大部分参数是带“金融加速器”的DSGE模型中常见的，且已有大量国内文献作参考，(12)因此本文对于常见的参数按照以往的文献进行赋值，而对于文中新出现的参数结合中国的实际情况进行校准，对于不确定的参数利用贝叶斯方法进行估计。本文的参数估计及数值模拟部分均通过Dynare 4.3.2软件实现。 1.参数校准 为了能够较为方便地解出稳态解，参考Christiano et al.(2003)的方法，我们将高风险企业稳态时的资本收益率(
)设为外生变量，根据CCER“中国经济观察”研究组(2007)的研究成果，令
为0.035。(13)同时，将劳动负效用的权重
设为内生变量，最终通过稳态解出。模型中通过校准赋值的参数及其依据参见表1。(14)
2.贝叶斯估计 剩下需要进行估计的参数共有12个。(15)由于模型中只引入了技术和货币政策两种冲击，为了满足贝叶斯估计的要求，本文选取国内生产总值和银行间市场七天同业拆借利率作为
和
观测变量，样本区间为2000年1季度至2013年2季度。国内生产总值数据经季节调整并通过消费价格指数调整为实际值。参数估计结果见表2。 四、实证检验 本文假设根据投资增速而变化的财政支出规则：
。然而我们的实证结果显示，这样的财政规则会导致政府支出在投资增速偏离目标值后持续呈现周期性的波动，难以收敛至均值，这就导致其它诸多宏观经济变量的脉冲响应也呈现波动状。这是因为在这种机制下，财政政策实施主体关注的仅仅是实际投资增速和目标增速之间的偏离，但并不关心增速的变化趋势，这就导致其很难根据经济的实际运行状况选择恰当的支出水平，贸然的刺激措施反而加剧了经济过热。随之而来的紧缩措施又加剧了经济的收缩，最终导致经济在两种极端状态之间来回循环波动，即使政府的投资增速目标处于稳态水平，实体经济也很难回到稳态水平。为此，我们在下文的分析中剥离了这种机制，假定一个更为简单的外生的财政支出规则：
。在简单的财政支出规则下，经济变量的脉冲响应见图1。
图1 一个单位波动率的正向利率冲击下相关经济变量的脉冲响应 注：一个单位的波动率对应约65个基点的基准利率变化。上图中贷款利率、资本回报率和租金收益率为年化的利率水平(单位：％)，其它变量均为相对稳态的偏离程度(单位：％)。H代表高风险企业的相应变量，L代表低风险企业的相应变量。 产出、投资、通胀等总量指标的动态过程符合通常的模型结果和经济现象，正向的利率冲击会导致产出、投资、通胀、资产价格以及资本存量向下偏离稳态。但在加息的过程中，企业总的净资产水平在冲击后仅短暂向下偏离稳态，随后迅速上升，再逐步收敛至稳态水平。与此同时，可以发现总体的信贷水平却是向下的。(16)虽然企业总体的净资产水平在上升，但从图1中可以发现在加息过程中低风险企业净资产水平上升，杠杆下降，而高风险企业反而在加杠杆(净资产下降)。低风险企业的净资产最高时相较稳态水平向上偏离约40个基点，高风险企业向下偏离约17个基点，因此最终整体的净资产水平上升约23个基点。与此相对应的是商业银行贷款规模的下降和影子银行贷款规模的上升(利润的变化类似)。加息催动了影子银行规模的扩张。 从货币政策调控的角度来看，由于影子银行体系的存在，央行紧缩政策的效果受到一定影响。传统的利率传导渠道理论表明央行加息会抑制企业的投资行为，也就同时降低了企业对金融中介部门的信贷需求。然而，由于高风险企业无法从商业银行直接获得贷款，就必须求助于处于垄断地位的影子银行，并被迫接受完全由影子银行设定的贷款合约。央行的加息行为使影子银行利率也连带上升，实际上就为影子银行提供了更高的风险补偿。因为影子银行本身还会设定一个利率加成，在能够获得可观的风险补偿的情况下，影子银行经营者倾向于放宽抵押率要求(抵押率上升)，从而降低了高风险企业的借贷成本(等价值的抵押资产可以获得更高的贷款额度)。抵押率上升带来的借贷成本下降效应超过了影子银行利率上升带来的成本上升效应，因此高风险企业的综合借贷成本下降，也就刺激了这类企业的借贷行为。虽然央行的加息行为最终抑制了经济整体的信贷规模，但影子银行系统逆周期的扩张行为降低了央行货币政策的执行效果。 为了更清晰地看到这背后的机制，我们将两类企业净资产的动态过程表示成静态实际变量的形式以进行比较静态分析：
商业银行贷款利率的上升显著提高了低风险企业的外部融资成本，从最大化企业价值的角度出发，此时最好的选择就是降低自身的借贷规模，减少投资。由于收益减少的幅度低于企业节约的财务费用(利息费用)，企业的净资产会增加。
虽然高风险企业会因外部融资成本提高而倾向于减少外部融资，但抵押率的上升实际上使贷款合约的标准明显降低，综合成本下降，向影子银行贷款变得更为划算。因此，上文的分析表明在一个有违约风险，并且由抵押贷款主导的垄断竞争银行体系内，加息并不一定意味着企业会缩减借贷规模，企业的决策很大程度上依赖银行对于抵押率的设定：抵押率越高，贷款的综合成本越低，反之亦然。如果加息的过程中抵押率不断上升，高风险企业反而会增加借款，因为用同样规模的资产相较过去能够从影子银行借到更多的钱。正如前文提到的，不同于Bernanke et al.(1999)设定的完全竞争的银行体系，本文的银行体系呈现垄断竞争的特征：贷款合约由银行拟定，企业只能被动接受。根据影子银行的一阶条件：
，抵押率完全取决于贷款需求弹性
取决于影子银行的风险偏好。易于发现
是随着
的增加而递减的，(17)也就意味着
的降低会导致抵押率
的升高。因此，结合图1的脉冲响应结果，我们发现，加息的冲击会通过影响高风险企业的资产状况降低影子银行风险偏好，(18)进而使贷款的利率弹性降低，推升抵押率，最终导致高风险企业综合融资成本的下降，影子银行贷款的规模上升。 综合以上分析对比，商业银行贷款利率的上升提高了低风险企业的外部融资成本，从最大化企业利润的角度来看，应当缩减借贷规模并降低投资。对于高风险企业则存在两种效应：一方面融资利率的提高使高风险企业倾向于降低借贷和投资规模，另一方面又使企业贷款合约的标准明显降低，企业以同等价值的资产能够从影子银行获得更多的贷款，使得融资约束放松，贷款的综合成本下降，向影子银行贷款此时变得更为划算。但影子银行为什么会在央行加息紧缩宏观经济的时候降低贷款条件呢？实际上，垄断竞争的影子银行是通过设定一个时变的利润加成来进行贷款利率定价的。这个利润加成水平随着贷款利率需求弹性降低而提高，因为此时高风险企业的融资需求对利率的上升并不敏感。这样一来影子银行就通过利差的提高抵补了放松贷款条件带来的风险(潜在的损失)，同时扩大了贷款规模，增加了利润，最终形成了影子银行逆周期生长的现象。 上述分析均是在一个正向的利率冲击(加息)的背景下展开的，反映的是央行收紧货币政策时宏观经济变量、企业投资行为及银行信贷投放的变化。另一个我们关心的问题则是：在持续低利率的环境下，货币政策风险承担渠道是否对影子银行体系也产生效果？影子银行是否会在这种环境下承担更多的风险？为此，我们设定了不同持续性的利率冲击(表现在利率冲击的自回归系数上)，以检验经济变量对冲击持续性的敏感程度(见图2)。 从图2中可以看到，当降息冲击的持续性增加时(
增加)，产出、投资、信贷等总量指标向上偏离稳态的幅度更大，均显示出“过热”的迹象。但观察两类企业可以发现，虽然商业银行和影子银行的利率都明显下降，但导致信贷膨胀的主要是商业银行系统，影子银行的信贷在收缩，高风险企业的杠杆也在下降。而且随着低利率持续性的增强，这种差异显得更加明显。这种现象异于国外的影子银行系统的原因在于，中国的影子银行承担的仍然是传统商业银行的信用中介角色，对影子银行的需求来源于实体企业的投资需求，而不是国外低息环境下资金的逐利需求。因此，影子银行膨胀与否不仅取决于利率，还取决于贷款合约的其他要素(如抵押率)，以及经济体中不能从商业银行直接获得贷款的企业的规模。此外，从研究货币政策风险承担渠道的角度来看，低利率虽然使得银行风险偏好上升，但并非是导致银行风险承担水平上升的唯一条件，另一个关键因素是抵押率，有时对抵押率的分析比利率更加重要。因此，在做有关风险承担渠道的实证研究过程中，控制住抵押率是提高结论稳健性的重要一步。
图2 一个单位波动率的负向利率冲击下部分经济变量的脉冲响应 注：
是外生利率冲击的自回归系数，反映冲击的持续性，
越大，冲击衰减速度越慢，持续性越强。 最后，本文的模型中引入了单边支付机制，用于反映影子银行体系内部委托代理问题对其运行产生的影响。为了更直观地展现这一机制，我们对比了不同单边支付强度下经济变量对负向利率冲击的脉冲响应结果(见图3)。 这里有必要再次强调一下单边支付的机制：企业主为了能够从影子银行获得利率更低的贷款，答应支付给银行家一笔费用，这笔费用可以看作是私底下的“行贿”行为，其规模取决于银行家能够给予企业的利率优惠幅度。从图3中可以看出，当存在这样一个单边支付机制时(κ=1)，影子银行的利润被转移到私人银行家，因此遭受到更大幅度的下滑。对比两种状况，“行贿”行为存在时反而能够刺激更高的产出和投资水平，同时又能够控制影子银行的信贷扩张。实际上，由于“行贿”行为的存在，高风险企业获得了更优惠的贷款条件，降低了融资成本从而减轻了债务负担；影子银行损失的利润进入了银行家的私人口袋，直接形成了最终商品的消费，刺激了需求。本质上，影子银行的出现就是金融中介体系效率缺失的表现，而垄断竞争的影子银行体系又加剧了效率损失。因此，“行贿”机制降低了影子银行的实际议价能力，从而减少了效率损失，经济中其它行为主体实际上从“行贿”机制中获得了利益，而这部分利益最终是由影子银行让渡的。此外，当κ=1时，影子银行最大限度地降低了抵押率，也就最大程度上控制了贷款的风险(当κ=0时，抵押率不随外部冲击的变化而变化)。对影子银行所有者来讲，正是代理问题的存在导致其需要降低违约率来防范经营者放松贷款利率所产生的额外风险，因此κ越大，抵押率下降的幅度也就越大。影子银行体系内两权分离带来的代理问题虽然使得影子银行股东的利益受到了损失，但同时降低了由垄断竞争带来的效率损失。这是因为在确定贷款利率时，影子银行依靠其垄断地位设定了更高的利率，增加了企业的信用溢价，而“行贿”机制降低了这部分信用溢价。
图3 一个单位波动率的负向利率冲击下部分经济变量的脉冲响应 注：kappa(κ)反映影子银行经营者对于自身利益的重视程度，kappa(κ)越大，经营者越考虑自身的利益；kappa(κ)越小，经营者越考虑股东的利益。 出于稳健性的考虑，我们也考察了κ=0的情况，此时影子银行经营者只考虑股东利益。实证结果显示，除了抵押率和影子银行利润，其他变量的动态过程与是否引入单边支付机制并没有显著的关系，影子银行的规模仍然呈现逆周期运动的态势。加入单边支付机制后抵押率上升幅度明显更大，意味着贷款条件更加放松，与此同时影子银行利润则更小，反映了所有者和经营者之间的委托代理问题。但同时这两个变量脉冲响应的轨迹和方向都是类似的。模型其它的结论也都不受单边支付机制的影响。(19) 五、结论与启示 已有的经济学研究已经认识到金融中介体系的存在及其对宏观经济运行和金融体系稳定可能造成的影响，在规范的宏观经济学模型中引入能够刻画包括影子银行体系在内的金融部门，能够更好地评价这个体系的作用，解释经济现实并分析货币政策的传导效果。鉴于此，本文基于DNKDSGE模型框架，研究了传统商业银行体系与影子银行体系并存环境下货币政策冲击对经济体的影响和传导过程，得到的主要结论如下： (1)高风险企业部门与低风险企业部门会在货币政策的冲击下产生明显的分化。加息过程中高风险企业净资产水平下降，杠杆升高，而低风险企业净资产水平上升，出现去杠杆行为。与此相对应，商业银行贷款规模下降而影子银行贷款的规模上升，加息驱动了影子银行规模的扩张。 (2)影子银行体系影响了货币政策传导的有效性，这在央行的加息周期中表现得非常明显。具体来讲，影子银行在加息冲击下反而会放松贷款条件，导致高风险企业综合借贷成本降低，从而刺激高风险企业加杠杆并增加投资。影子银行的这种逆周期行为，削弱了央行原本旨在抑制投资的货币政策的效果。 此外，本文还发现长期的低利率环境会提高银行的风险偏好，但却不一定引发银行承担更高的风险。研究结果显示抵押率是另一个关键的因素，银行信贷规模的变动不仅取决于利率，还取决于抵押率等贷款合约的其他要素。因此，针对货币政策风险承担渠道的实证研究还需要考虑银行抵押率的因素，才能得到更为稳健的结论。最后，高风险企业与影子银行经营者之间的单边支付机制，能够刺激更高的产出和投资水平，同时又能够在一定程度上控制影子银行的信贷扩张。 中国影子银行体系与“美式”影子银行的性质存在着很大的区别，作为传统商业银行的补充，中国的影子银行是依附于商业银行体系的，其发展与中国利率市场化不完全有直接关系。中国传统的商业银行体系受制于监管和自身风险控制的约束，难以对经济中高风险实体提供充足的信贷支持，影子银行体系恰恰弥补了这点不足。然而影子银行自身的逆周期扩张行为很大程度上降低了货币政策执行效果，并且在紧缩的经济环境下不断集聚风险，因此央行及其他监管机构一方面需要密切监控影子银行的规模，另一方面需要大力推进利率市场化，放宽金融机构准入限制，完善金融中介体系，从根本上解决影子银行膨胀的动因，使影子银行体系“阳光化”。 从进一步研究的角度来看，本文主要是在封闭经济环境下研究考虑影子银行部门影响的货币政策传导和实施效果，下一步可以考虑开放经济的情景。 作者感谢复旦大学金融研究院陈学彬教授、经济学院孙立坚教授、牛晓健教授和东北财经大学郭长林老师在本文撰写期间给予的悉心指导及中肯建议。作者同时感谢两位匿名审稿人的宝贵意见。 注释： ①根据高盛高华证券的测算，影子银行规模从2009年末的7.2万亿元增长到2012年末的22.6万亿元。根据高华的统计口径，影子银行信贷包括了小额贷款/典当、非正规贷款、信托贷款、委托贷款以及部分公司债券(界定为非标的部分)。该口径与我们自己的测算有所出入(譬如我们考虑了票据业务以及券商资产管理中的通道业务，并没有包括债券)，但因高华的口径能够获得更长的时序，故引用其数据以表明变化趋势。虽然组成结构不同，但其2012年的测算规模(22.56万亿元)与我们22.8万亿元的测算相差不大。 ②学界的测算如王浡力和李建军(2013)，业界及各类政府智囊自2012年以来已经对影子银行的构成及各自的规模做了详尽的分析。 ③Gennaioli et al.(2013)探讨了一个均衡模型，但模型的设定围绕着证券化展开，与中国的实际相距甚远。 ④自国务院在2010年6月下发《关于加强地方政府融资平台公司管理有关问题的通知》以来，人民银行、银监会先后出台一系列举措控制融资平台贷款，这些举措很大程度上限制了银行向地方政府融资平台直接提供贷款。 ⑤详细的推导过程可以参见Christiano et al.(2010)，本文的所有的一阶条件可参见《经济研究》网站(www.erj.cn)工作论文版本。 ⑥由于
服从对数正态分布并且所有的企业是对称的，下文会省略总回报率的角标。 ⑦也可以理解为企业破产清算后银行损失的资产比例。 ⑧完全竞争的金融中介假设下，模型会多一个条件，即银行获得的经济利润为零，垄断竞争下则不能施加该约束。此时需要银行的一阶条件来确定抵押率的水平。 ⑨事实上中国的银行业目前主要的资产业务仍然围绕着抵、质押贷款展开，抵押率的设定是合约中非常重要的一环。 ⑩由于这些一阶条件与高风险企业的类似，限于篇幅，此处省去。 (11)通过敏感性测试我们发现，央行盯住不同利差时其它内生变量的动态过程几乎无差异。此外，出于稳健性的考虑，我们在货币政策规则去除信用利差的情况下重新做了模拟估计，得到的结果也与本文基准模型的结果完全一致。出于篇幅考虑，不再列出脉冲响应图示。 (12)类似的有关“金融加速器”的研究可参见王立勇等(2012)、袁申国等(2011)、杜清源和龚六堂(2005)。 (13)季度值，如不做特殊说明，下文出现的利率都为季度值。 (14)限于篇幅，此处只报告参数校准结果，参数校准的具体依据可参见本文前述的工作论文版本。 (15)值得说明的是，本文模型的稳态解在未线性化的情况下也可以解出，并且完全不取决于这12个待估参数。此外，我们做了大量敏感性测试，除了财政对投资波动的敏感性系数
，模型的动态结果并未受到这些参数很大影响。针对财政参数，后文将另作讨论，展示
=0时的情形。 (16)由于总量经济变量的动态过程与传统文献相一致，限于篇幅，此处未报告这些结果。下文将重点分析与两类银行和两类企业相关变量的动态过程。 (17)本文通过Matlab进行数值运算得到此结果。 (18)这是符合风险承担渠道理论预测的现象，详见Adrian & Shin(2011)。 (19)我们感谢匿名审稿人对单边支付假设稳健性的提醒。限于篇幅，此处未报告稳健性检验的具体结果。
标签：银行论文; 金融中介论文; 抵押率论文; 影子银行论文; 商业银行论文; 银行风险论文; 融资成本论文; 银行信贷论文; 银行融资论文; 融资风险论文; 企业经济论文; 信贷业务论文; 资产规模论文; 信贷规模论文; 经济模型论文; 银行资产论文; 金融论文; 企业贷款论文; 经济风险论文; 风险成本论文;
