Effectiveness of Monetary Policy Transmission Channels in High Quality Development Stage——From the Perspective of Bank Liquidity Creation
-
摘要:
提升货币政策传导效率是高质量发展阶段现代中央银行制度建设的客观要求。鉴于我国货币政策面临着“宽货币”难以向“宽信用”传导的梗阻困境,本文从银行流动性创造理论视角提炼高质量发展阶段货币政策传导的典型事实,在此基础上,从流动性创造发挥货币政策中介目标功能应当具备的可控性、相关性和可测性出发,考察货币政策流动性创造渠道的机理,并利用上市银行2016—2022年季度数据展开实证检验。研究发现,在高质量发展阶段,随着金融体制市场化改革不断深入推进,银行经营模式从存贷业务模式向批发业务模式转变、货币政策调控框架从数量型向价格型转变,银行流动性创造渠道会比银行贷款渠道发挥更为关键的作用。中央银行应充分认识到银行流动性创造功能的重要性,并将流动性创造纳入货币政策调控的中介目标体系。
Abstract:Improving the efficiency of monetary policy transmission is an objective requirement for the construction of mo-dern central bank systems in high-quality development stages. This article aims to extract typical facts of monetary policy transmi-ssion in the high-quality development stage from the perspective of bank liquidity creation theory, in the context of the obstruction dilemma of "wide currency" difficult to transmit to "wide credit" in China's monetary policy. Based on this, further starting from the controllability, correlation, and measurability that liquidity creation should possess to play the intermediary target function of monetary policy, this article examines the mechanism of monetary policy liquidity creation channels, and conduct empirical testing using quarterly data from listed banks from 2016 to 2022. Research has found that in the stage of high-quality development, as the market-oriented reform of the financial system continues to deepen, the bank's business model shifts from deposit and loan business model to wholesale business model, and the monetary policy regulatory framework shifts from quantity based to price based. The channel for creating bank liquidity will play a more critical role than the bank loan channel. The central bank should fully recognize the importance of the liquidity creation function of banks and incorporate liquidity creation into the intermediary target system of monetary policy regulation.
-
Keywords:
- high-quality development /
- monetary policy /
- transmission channels /
- bank /
- liquidity creation
-
一. 问题的提出
党的二十大报告指出要“深化金融体制改革,建设现代中央银行制度”。2020年以来,在新冠疫情持续演变、贸易保护主义抬头、地缘政治风险加大等不确定性因素的影响下,国内经济发展面临需求收缩、供给冲击、预期转弱三重压力。为此,中国人民银行综合运用多种货币政策工具保持流动性合理充裕,增强信贷总量增长的稳定性和持续性,加大对实体经济的支持力度。然而,银行信贷增速却表现出不升反降的异常趋势,从2019年的12.3%持续回落至2023年的10.6%,并创下2002年以来的最低水平。总体来看,货币政策面临着“宽货币”难以向“宽信用”传导的梗阻困境,高速增长模式下货币政策贷款渠道传导效率下降已成不争的事实[1-4]。
上述现象引起决策层和理论界的普遍关注。中国人民银行发布的2022年第二季度《中国货币政策执行报告》指出:“信贷增速在新旧动能换档和融资结构调整过程中可能会有所回落,但这是适配经济进入新常态的反映,并不意味着金融支持实体经济力度减弱。”理论界也普遍认为,信贷增速下滑是信贷结构匹配经济结构调整的体现,尤其是房地产融资收紧和僵尸企业退出导致过剩产业占有信贷资源下降[5-6]。此外,还有学者认为,信贷增速下降与金融脱媒背景下银行除信贷投放之外运用债券、资管等其他多种金融工具来满足实体经济多元化的金融服务需求有关[7]。不难看出,在我国经济从高速增长阶段向高质量发展阶段转变的进程之中,传统的银行信贷观点不仅难以构成理解银行服务实体经济功能的理论逻辑,还会在实践层面导致货币政策贷款渠道传导效率下降。那么,在高质量发展阶段,货币政策传导渠道将会表现怎样的演化趋势呢?对这一问题的解答,不仅有助于深入探究高质量发展阶段银行服务实体经济功能的金融中介理论基础,而且对于构建金融有效支持实体经济的体制机制,提升货币政策传导效率具有重要的现实价值。
近年来,银行流动性创造作为银行向经济系统提供流动性的功能,日益成为现代金融中介理论领域的研究热点。从理论内涵来看,流动性创造最早是由Bryant[8]、Diamond和Dybvig[9]在阐释银行的金融中介功能时提出的,具体是指银行通过期限转换将流动性负债转换为非流动性资产,从而在负债和资产两端创造流动性,以达到为储蓄者应对消费不确定性提供流动性保险、为投资者提供中长期融资来源的目的[8-10]。流动性创造是银行对表内外资产负债两端各类科目期限转换的结果,随着一国金融结构向“市场主导型”金融体系演进,银行经营模式从传统单一存贷业务向高度依赖金融市场投融资的批发业务(wholesale banking)①转变,流动性创造能够比信贷更加全面地反映银行的产出水平,并成为探讨银行服务实体经济功能的新的理论视角[11-12]。不仅如此,随着理论界对于流动性创造作为金融中介核心功能这一认识的不断深入,Chatterjee[13]、Fidrmuc等[14]、Berger和Sedunov[15]还进一步从流动性创造视角重新审视了货币政策传导渠道的银行中枢角色,并提出与银行贷款渠道(bank lending channel)平行的银行流动性创造渠道(bank liquidity creation channel)。由于流动性创造本质上是由银行对流动性负债和非流动性资产进行期限转换而获得利率风险报酬动机驱动的[16],当货币政策调控框架从以基础货币、货币供应量为目标体系的数量型向以政策利率、市场利率为目标体系的价格型转变时,中央银行就可以运用政策工具引导政策利率,并作用于银行资产和负债之间的期限利差来影响其期限转换行为,进而达到调控流动性创造来实现服务实体经济的目的,此时货币政策传导的有效性也就取决于流动性创造[13]。事实上,既有基于国别的经验研究表明,在金融结构以“市场主导型”为主(美国、欧元区)以及处于演化进程中(越南)的国家或地区,流动性创造在货币政策调控框架中发挥了中介目标功能,并且能够为中央银行预测经济增长趋势提供重要的信息来源[11, 17-18]。有学者以德国为研究对象发现,在全能银行为主导的金融结构下,银行业开展介入证券业等多元化经营时,银行流动性创造在货币政策传导渠道中同样发挥了重要作用[19]。
上述研究成果为深入认识我国高质量发展阶段银行服务实体经济的理论逻辑以及货币政策传导渠道的演化趋势提供了重要的理论借鉴。从国外货币政策实践经验来看,流动性创造之所以能够比信贷发挥更为重要的作用,主要归因于20世纪80年代以来相关国家或地区银行经营模式和货币政策调控框架的市场化转型。事实上,现阶段我国高质量发展同样具备市场在资源配置发挥决定性作用的现代化进程的一般性特征[20]。自2013年党的十八届三中全会通过《关于全面深化改革若干重大问题的决定》以来,以市场配置资源为导向的金融体制改革不断深化,推动我国银行经营模式和货币政策调控框架经历了市场化转型。一方面,银行在逐利创新和规避监管动机的驱使下,从单一的存贷业务模式向以银行同业市场投融资为基础的批发业务模式转变,并对实体经济和金融体系产生深远复杂的影响[21-22];另一方面,2015年存款利率上限管制全面放开之后,传统的数量型货币政策调控框架的重要性逐渐下降,而价格型货币政策调控框架日趋健全完善。中国人民银行初步建立起以公开市场操作逆回购利率为短期政策利率和以中期借贷便利利率为中期政策利率的政策利率体系[23],并且在2016—2018年金融严监管期间,通过多次上调公开市场操作逆回购利率,来修复存款类金融机构7天期质押式回购利率(DR007)与银行间7天期市场质押回购利率(R007)利差,抑制银行过度创造流动性以防范化解空转套利风险[24]。这就不难推论,流动性创造有可能构成理解高质量发展阶段银行服务实体经济理论逻辑的切入点,并且在货币政策传导渠道中发挥着更为关键的作用。
理论界对这一议题已经展开较为深入的探讨。既有研究基本认同,伴随金融体制市场化改革的推进,当前阶段我国银行业流动性创造水平的高低能够反映银行服务实体经济功能的强弱。例如,韩扬和何建敏在考察我国商业银行流动性创造增长率与产业总体增长率的关系时发现,银行表内、表外和总量流动性创造增长率对产业总体增长率均产生正向促进影响[25];邓向荣等在分析我国城市商业银行流动性创造与城市经济发展的关系时同样发现,城市商业银行表内、表外和总量流动性创造也会对所在城市人均实际国内生产总值产生显著的正向影响[26]。可见,流动性创造构成了理解银行服务实体经济功能的金融中介理论基石[27-28]。
然而,理论界对于流动性创造与货币政策传导有效性关联机制的研究尚未有定论。首先,从研究思路来看,既有研究多局限于分析流动性创造受货币政策工具被动调控的机制,而未能从货币政策调控框架分析范式出发,将其视为中介目标展开系统考察。例如,李明辉等[29]、郭晔等[30]、邓向荣等[26]侧重于分析中央银行运用货币供应量、存贷款基准利率等政策工具对总体流动性创造、表内外流动性创造、同业和非同业流动性创造的影响,却未能从中介目标视角出发,对其与政策工具、操作目标、最终目标之间的关联作出全面分析。其次,从理论机制来看,既有研究侧重在数量型货币政策调控框架下展开。例如,李明辉等[29]、郭晔等[30]考察了中央银行运用货币供应量、法定存款准备金率等数量型工具对流动性创造的调控机制;也有部分研究从存贷款基准利率等非市场化价格型工具出发展开分析[31-32],但均未能在价格型货币政策调控框架下进行探讨,从而缺乏对2015年以来货币政策调控框架从数量型向价格型转变这一典型事实的提炼。最后,在实证设计上,鲜有研究对银行流动性创造渠道和银行贷款渠道的有效性进行分析比较,因此难以捕捉高质量发展阶段货币政策传导渠道的演化趋势。
基于上述考虑,本文从流动性创造理论视角对高质量发展阶段货币政策传导渠道的有效性作出审视。首先,在银行经营模式从存贷业务模式向批发业务模式转变、货币政策调控框架从数量型向价格型转变的金融体制市场化改革背景下,提炼流动性创造在货币政策传导渠道中发挥主导作用的典型事实。其次,立足货币政策调控框架的分析范式,从流动性创造作为中介目标应当具备的可控性、相关性和可测性出发,考察货币政策流动性创造渠道机理。最后,利用上市银行2016—2022年季度数据,建立面板向量自回归(PVAR)模型对银行流动性创造渠道和银行贷款渠道的有效性展开对比分析,更为深入地理解货币政策传导渠道的演化趋势。
本研究具有以下贡献与意义。第一,首次立足我国金融体制市场化改革背景,将流动性创造引入货币政策传导渠道有效性分析,从中介目标视角揭示货币政策流动性创造渠道机理,深化和拓展了高质量发展阶段货币政策传导渠道的研究。第二,推进流动性创造的实体经济效应研究。从流动性创造来分析银行服务实体经济的功能,是近年来金融中介理论领域关注的热点话题。目前,理论界侧重于流动性创造的产出效应分析,缺乏流动性创造对于货币政策支持实体经济发展的治理效应分析。因此,本研究有助于深化理论界有关流动性创造作为货币政策调控中枢环节的理论认识。第三,在探索疏通“宽货币”难以向“宽信用”传导梗阻的政策手段方面作出贡献。本文提出将流动性创造纳入货币政策调控框架的中介目标体系,强化针对流动性创造的政策调控建议,这对于建设现代中央银行制度和提升货币政策传导效率,从而更有效地支持实体经济具有重要的实践意义。
二. 中国货币政策传导的典型事实与机理
一 典型事实
随着中国金融体制市场化改革持续深化,商业银行经营模式从存贷业务向批发业务转变,货币政策调控框架也实现从数量型向价格型转变。在这一市场化改革背景下,中国人民银行通过调控银行流动性创造向经济系统提供流动性,成为现阶段货币政策传导的典型事实。
1 银行经营模式从存贷业务向批发业务转变
既有研究表明,金融体制市场化改革会通过放宽银行业准入条件、推进利率市场化、创新互联网金融业态等方式提升银行存贷业务竞争度,并会进一步压缩传统存贷业务收益和规模[33-34]。然而,与存贷业务的收缩趋势相比,依赖于银行同业市场投融资的批发业务具有低风险资本占用、零准备金计提、不受信贷规模和投向限制等规避监管特征[35],这就会使得银行出于监管套利动机主动将经营模式从存贷业务模式转变为批发业务模式,从而形成存贷业务和批发业务并存的格局。
图 1、图 2分别显示了2006—2022年我国银行业资产和负债结构变动趋势。总体上来看,自2006年12月监管部门相继出台放宽银行业准入门槛等鼓励竞争政策以来,银行存贷业务在总负债、总资产中占比下降而批发业务占比上升,两大业务占比表现出相互背离的变动趋势。
图 1显示了银行业资产结构的变动趋势。其中,左、右轴分别刻画了贷款业务、批发业务资产在总资产中的占比②。可见,2006年第1季度至2016年第4季度,贷款业务在总资产中的占比从55.84%下降至50.61%;批发业务资产在总资产中的占比则从17.6%攀升至32.7%,表现出显著的背离趋势。③
图 2显示了银行业负债结构的变动趋势。其中,左、右轴分别刻画了存款业务、批发业务负债在总负债中的占比④。可见,存款业务在总负债中的占比从2006年第1季度的75.63%下降至2017年第4季度的61.35%;批发业务负债在总负债中的占比表现出与之背离的变动趋势,从2006年第1季度的8.98%攀升至2019年第3季度的18.92%。随后,在金融严监管政策治理下,上述两类业务在总负债中的占比趋于稳定,2022年第4季度分别基本维持在62%和14%。
存贷业务和批发业务占比一降一升的变化,意味着银行经营模式经历了从存贷业务向批发业务转变。不难发现,与银行贷款相比,流动性创造能够全面地刻画存贷业务、批发业务各类科目的期限转换,由此会更为综合地反映银行服务实体经济的功能。
2 货币政策调控框架从数量型向价格型转变
货币政策调控框架是中央银行运用政策工具实现操作目标,并通过操作目标实现中介目标,从而达到最终目标的基本构架[36-37]。根据中介目标体系是以基础货币、货币供应量为主还是以政策利率、市场利率为主,将货币政策调控框架相应设定为数量型或者价格型[38]。发达国家转型经验表明,随着利率市场化改革不断深入以及利率形成、传导机制逐步健全,货币政策调控框架会实现由数量型向价格型转变[39]。
就我国货币政策调控框架转型进程而言,以2015年存款利率上限管制全面放开为标志,利率市场化改革取得了关键性进展,由市场供求决定的利率形成机制基本形成。在此基础上,中国人民银行初步建立起“政策工具—政策利率—市场基准利率—市场利率”的利率传导机制。
首先,每日开展以7天期逆回购为主的公开市场操作,调控7天期逆回购操作利率来释放短期政策利率信号,引导货币市场基准利率即存款类金融机构7天期质押式回购利率(DR007)围绕政策利率波动,并向银行间7天质押式回购利率(R007)等其他短期货币市场利率传导,从而形成“逆回购操作—逆回购操作利率—DR007—货币市场利率”的利率传导机制。
其次,建立中期借贷便利(MLF)常态化操作机制,每月月中以相对固定时间和频率调控中期借贷便利利率(MLFR)释放中期政策利率信号,引导存贷款市场基准利率即贷款市场报价利率(LPR),并通过银行体系传导至存贷款利率,形成“MLF—MLFR—LPR—存贷款利率”的利率传导机制⑤。此外,中期借贷便利利率(MLFR)还会为中期货币市场利率提供定价参考,能够引导1年期同业存单利率围绕中期借贷便利利率(MLFR)波动。易纲研究发现,在2015—2021年,除了2020年因受新冠疫情冲击影响,1年期同业存单利率与中期借贷便利利率(MLFR)出现临时性偏离,其他时段中期借贷便利利率(MLFR)都发挥了引导同业存单利率波动的中枢作用[23]。
最后,综合运用逆回购操作和中期借贷便利工具引导国债收益率曲线,进一步影响永续债、浮息债、超长期限国债等债券市场产品的发行定价,由此形成“逆回购操作/MLF—逆回购操作利率/MLFR—国债收益率—债券市场利率”的利率传导机制。
利率传导机制的初步建立为推进货币政策调控框架由数量型向价格型转变提供了运行基础。在价格型调控框架下,中国人民银行运用逆回购操作和中期借贷便利工具,调控以7天期逆回购利率、中期借贷便利利率(MLFR)等短中期政策利率为主的操作目标,引导市场基准利率(DR007、LPR、国债收益率)来影响以货币市场、存贷市场和债券市场利率为主的中介目标,将政策意图传导至企业、居民、金融机构等微观主体。
如果进一步提炼价格型货币政策调控框架与流动性创造的关联特征,可以发现在这一政策调控框架下中国人民银行通过利率传导机制对流动性创造展开调控的典型事实:一方面,运用中期借贷便利工具引导贷款市场报价利率(LPR),并传导至存贷款利率形成期限利差,从而影响银行对于存款和贷款的期限转换来调控存贷业务流动性创造;另一方面,运用逆回购操作和中期借贷便利工具引导存款类金融机构7天期质押式回购利率(DR007)和国债收益率曲线,并传导至货币市场、债券市场利率,从而在银行参与同业市场投融资上形成期限利差,进一步影响银行期限转换来调控批发业务流动性创造。具体的调控过程如图 3所示。
二 货币政策流动性创造渠道机理:中介目标视角
在货币政策调控框架分析范式中,中介目标在操作目标与最终目标之间发挥了桥梁作用,其功能主要体现在能够引导操作目标调整至预期水平继而实现最终目标[40]。这就意味着,中介目标可以被视为货币政策传导渠道的核心组成部分,而能够发挥中介目标功能的金融变量(货币供应量、银行贷款、利率、汇率、通胀预期)就决定了货币政策传导渠道的理论属性[38]。那么,在发现中国人民银行调控流动性创造典型事实的基础上,能否通过分析流动性创造的中介目标功能,为货币政策流动性创造渠道提供理论支撑?为此,本文尝试从中介目标应当具备的可控性、相关性、可测性展开探证。
1 可控性
中介目标的可控性是指中央银行能够运用政策工具对发挥中介目标功能的金融变量实施有效控制,这就客观上要求该变量对政策工具的调控较为敏感,并按照政策工具的调控力度和方向发生变化[41]。流动性创造本质上是银行为了获取利率风险报酬,在非流动性负债与流动性资产之间展开期限转换而产生的。然而,在利率市场化条件下,非流动性负债与流动性资产之间往往存在利率敏感缺口,当中央银行运用逆回购操作和中期借贷便利工具,作用于银行非流动性负债和流动性资产之间的期限利差进而改变利率敏感性缺口时,银行会相应对资产负债两端各类科目进行期限转换来承担利率风险,由此影响到流动性创造的变化。由此可见,在我国利率市场化改革不断深入以及利率形成、传导机制逐步健全的情况下,中国人民银行是能够有效运用政策工具调控流动性创造的。在2016—2018年金融严监管期间,中国人民银行通过多次上调公开市场操作逆回购利率,抑制银行过度创造流动性来防范化解空转套利风险,已成为货币政策操作的常态[24]。
2 相关性
中介目标的相关性是指该目标与最终目标具有密切的联动关系,中央银行能够通过调控中介目标来对最终目标产生可预计的影响[42]。现阶段,我国作为后发国家正处于经济转型的关键时期,货币政策最终目标仍然侧重于“稳增长”[43],银行流动性创造在存贷业务、批发业务上均与经济增长具有显著的正相关性。
首先,从存贷业务来看,该项业务流动性创造会通过平滑存款者消费波动和改善借款者融资条件与“稳增长”产生关联。一方面,从平滑存款者消费波动来看,银行会以活期存款合约为主的流动性负债向存款者创造流动性,为存款者提前消费风险提供流动性保险,使其实现最优跨期消费组合并降低消费不确定性[9]。另一方面,从改善借款者融资条件来看,银行持有以中长期贷款为主的非流动性资产向借款者创造流动性,为借款者提供长期稳定的融资来源,并通过推动基础设施建设、提高全要素生产率促进经济增长[44-45]。
其次,从批发业务来看,依赖于银行同业市场投融资的批发业务,本质是银行监管套利动机下开展的影子银行行为。从理论上看,这类影子银行行为是对存贷业务的替代和补充,能够为受到监管约束的储蓄者和投资者提供金融服务,从而有助于促进经济增长[46-47]。例如高蓓等研究发现,虽然影子银行业务具有资金空转套利风险,但是这类业务在发展初期有60% 以上的资金进入实体经济,对经济增长形成正向促进作用[48]。一方面,银行会向储蓄者提供同业代付、同业存单、买入返售为主的同业负债产品。这类产品投资收益高于同期储蓄存款,并且在政府隐性担保预期下违约风险又近乎于零[49],这就为储蓄者提供了更优的风险资产组合。另一方面,银行为投资者拓宽了除贷款外的融资渠道。银行在同业市场上通过多层嵌套、同业通道投资于各类资产管理产品,为地方融资平台、房地产行业企业等提供融资,同时还投资于国债、地方债、政策性金融债等政府信用类产品,这就为地方融资平台、房地产企业、政府部门创造了长期投资机会。例如李文喆研究发现,地方政府融资平台和房地产企业的融资需求带动了影子银行业务规模的扩张,影子银行业务存量增长率与滞后3个月的国内生产总值增长率相关系数高达0.6[50]。
3 可测性
中介目标的可测性要求其便于观察、分析和监测。自Bryant[8]、Diamond和Dybvig[9]从流动性创造视角拓展了银行的金融中介功能以来,理论界在流动性创造指标构建上相继提出流动性转换缺口[51]、流动性错配指数[52]、cat fat[10]、净稳定融资比率倒数[53]等方法。值得说明的是,上述方法中,除了Berger和Bouwman提出的cat fat方法之外,其他方法所构建的流动性创造指标均为相对值,只能用来评估单个银行流动性创造,而无法通过加总来测度银行业流动性创造的总体数量。因此,cat fat方法在理论界得到广泛认可与运用[12-13, 15, 28, 30],该指标构建的具体步骤如下:
第一步,根据银行为满足客户流动性需求而处置资产、负债的便利性、成本和时间,将表内外各个科目划分为流动性、半流动性和非流动性。
第二步,为表内外科目分配权重。权重的确定是以流动性创造理论为基础,当银行将流动性负债转换为非流动性资产时产生流动性创造,就对流动性负债和非流动性资产赋予正权重;反之,当将非流动性负债转换为流动性资产时造成流动性损失,就对非流动性负债和流动性资产赋予负权重。基于以上考虑,cat fat方法将流动性负债和非流动性资产的权重设定为0.5,将非流动性负债和流动性资产的权重设定为-0.5。可见,当1单位的流动性负债转换为1单位的非流动性资产时,银行流动性创造就等于:
0.5×1+0.5×1=1 同样地,当1单位的非流动性负债转换为1单位的流动性资产时,银行流动性创造的损失等于:
(−0.5)×1+(−0.5)×1=−1 第三步,构建流动性创造指标。基于科目流动性分类和权重分配,将相关科目乘以对应权重并加总,最终得到流动性创造数量,公式为:
流动性创造=0.5×(非流动性资产+流动性负债)−0.5×(流动性资产+非流动性负债)+0×(半流动性资产+半流动性负债) 可见,基于cat fat方法构建的流动性创造指标,既适用于测度单个银行流动性创造,又能够通过加总来测度银行业流动性创造的总体数量(Berger和Bouwman计算发现,2003年美国银行业流动性创造总量达到了2.8万亿美元,与1993年相比,流动性创造总量增长了66%[10]),具备了易于观察、分析与监测的特征,符合货币政策中介目标的可测性要求。
三. 货币政策传导渠道有效性的实证检验
本文建立面板向量自回归模型(Panel VAR,以下简称PVAR),从模型的系统广义矩(GMM)估计系数、冲击响应函数和方差分解三个维度分析比较银行流动性创造渠道和银行贷款渠道的有效性,由此探究高质量发展阶段货币政策传导渠道的演化趋势。
一 样本选择与数据来源
本文选取在2010年前上市的16家银行作为样本对象⑥。这是因为,银行流动性创造指标测度需要完整采集资产负债表相关科目余额数据,2010年前上市银行的资产负债表数据没有缺失,并且这类银行资产加总占银行业总资产的比重达到61%,具有较强的代表性。此外,考虑到中国人民银行是从2016年2月起建立公开市场每日操作常态化机制,本文将样本区间设定为2016年1季度至2022年3季度,数据均取自国泰安(CSMAR)数据库⑦。
二 PVAR模型设定
PVAR模型将时间序列向量自回归模型(VAR)的建模方法推广到微观面板领域,并在考虑个体异质性的情况下研究变量之间的动态作用机制[54]。与微观面板模型相比,该模型将所有变量置于一个系统之中,避免了变量内生性和外生性的争论。本文设定PVAR模型如式(1)所示:
Zi,t=αi,0+p∑j=1αi,jZi,t−j+γi+θt+εi,t (1) 其中,i表示银行个体,t表示观察期。Z表示内生变量向量,是由货币政策工具变量短中期政策利率包括公开市场操作7天期逆回购利率(OMOR)和1年期中期借贷便利利率(MLFR)、金融变量流动性创造(LC)和贷款(LOAN)、宏观经济变量产出(Y)共同组成的。αi, 0表示常数向量,αi, j表示滞后变量的系数矩阵。γi、θt分别表示银行个体固定效应和时间效应。p表示模型的滞后阶数,εi, t表示随机扰动项。在对模型估计的基础上,将其转化为移动平均表达式如式(2)所示,即可构造出各个变量之间的冲击响应函数:
Zt=μ+∞∑i=0ϕiεt−i (2) 其中,μ表示均值,ϕi表示冲击响应函数的系数。
考虑到中国人民银行综合运用逆回购操作和中期借贷便利工具,根据政策工具的不同建立两组模型如式(3)、式(4)所示:
Zi,t=(OMORt,LOANi,t,LCi,t,Yt) (3) Zi,t=(MLFRt,LOANi,t,LCi,t,Yt) (4) 在对模型估计之前,还要事先对各个变量进行前向均值差分转换(Forward mean-differencing)消除个体固定效应和采用组内均值差分法(Mean-Differencing)消除时间效应,然后将解释变量的滞后变量作为转换后变量的工具变量,运用系统广义距估计法(GMM)估计。此外,在对冲击响应函数进行估计时,还需要依据变量排列次序将彼此相关的随机冲击转换为互不相关的随机冲击,通常做法是依据Cholesky分解所建立递归约束条件来设定。这种排列次序又包含了各个变量相互决定的因果关系,本文则依据以往文献惯用的“宏观经济变量决定政策工具变量,政策工具变量决定金融变量”的做法来设定⑧。
根据本文研究目的,如果在系统广义矩估计系数、冲击响应函数和方差分解三个维度下均发现政策利率对流动性创造的影响要比对贷款的影响更为显著,并且流动性创造对产出的影响要比贷款对产出的影响更为显著,就意味着从货币政策调控框架分析范式来看,流动性创造要比贷款具备更强的可控性和相关性,因此会更好地发挥中介目标功能,银行流动性创造渠道也就能比银行贷款渠道发挥更为关键的作用。
三 变量选取与说明
1 货币政策工具变量
该变量是由短中期政策利率包括公开市场操作7天期逆回购利率(OMOR)和1年期中期借贷便利利率(MLFR)刻画。其中,7天期逆回购利率(OMOR)是由每日逆回购中标利率加权平均计算得到,计算公式如式(5)所示:
OMORt=T∑i=1QitritT∑i=1Qit (5) 其中,OMORt表示7天逆回购利率的t季度值,Qti表示第t季度在第i个交易日的7天逆回购投放数量,rti表示逆回购第i个交易日的中标利率,T为样本区间长度即27个季度。
同理,1年期中期借贷便利利率(MLFR)是由每月1年期MLFR加权平均计算得到,计算公式如式(6)所示:
MLFRt=T∑j=1QjtrtjT∑j=1Qjt (6) 其中,MLFRt表示1年期中期借贷便利利率的t季度值,Qtj表示第t季度在第j个交易日的1年期中期借贷便利投放数量,rtj表示中期借贷便利第j个交易日的中标利率,T仍为27个季度。
2 金融变量
金融变量包括流动性创造(LC)和贷款(LOAN)。流动性创造(LC)是运用cat fat方法计算得到的,对于银行资产负债科目流动性分类及权重分配,参考张勇等[35]的做法, 具体设定如表 1所示。贷款(LOAN)取自银行资产负债表披露的客户贷款及垫款总额。上述变量均采用季度同比增速值来衡量。
表 1 银行资产负债表科目流动性分类及权重科目 分类(权重) 具体项目 资产 非流动性资产(0.5) 贵金属、固定资产、持有至到期投资、投资性房地产、持有至到期投资、投资性房地产、长期股权投资、在建工程、应收账款投资、无形资产、买入返售金融资产、商誉、公司贷款、递延所得税资产、个人住房贷款 半流动性资产(0) 个人其他贷款、拆出资金、应收利息 流动性资产(-0.5) 现金及存放中央银行款、存放同业、可供出售金融资产、交易性金融资产、衍生金融资产 负债和权益 流动性负债(0.5) 递延所得税负债、卖出回购金融资产款、其他存款、股东权益、应付债券、其他负债 半流动性负债(0) 拆入资金、定期存款 非流动性负债(-0.5) 向中央银行借款、同业存放、活期存款、交易性负债、衍生金融负债 3 宏观经济变量
“稳增长”目标下宏观经济变量由产出(Y)来刻画,产出(Y)则由国内生产总值季度同比增长率来衡量。
四 实证结果分析
1 系统广义距估计系数分析
表 2报告了系统广义距估计系数的回归结果⑨。
表 2 系统广义距估计系数的回归结果变量 模型(3) 模型(4) h_LC h_LOAN h_Y h_LC h_LOAN h_Y L. h_OMOR 32.417(17.309) 2.509(1.564) 9.687***(2.780) L2. h_OMOR -45.902*(27.438) 0.034(2.374) 1.302(3.751) L. h_MLFR 20.322(14.959) 2.649*(1.485) 19.289***(1.707) L2. h_MLFR -27.541(24.484) -0.159(2.017) 14.043***(2.582) L. h_LC 0.040***(0.009) 0.037***(0.009) L2. h_LC 0.001***(0.000 2) 0.001***(0.000 2) L. h_LOAN -0.130(0.145) -0.130(0.139) L2. h_LOAN 0.149(0.137) 0.194(0.128) 注:h表示对各个变量进行前向差分,括号内数字表示标准差;*、* *、* * *分别表示10%、5%、1%的显著性水平;L.和L2.分别表示变量的滞后1阶和滞后2阶,其他滞后阶数的变量系数的符号与表2基本相同,故仅列出部分结果。 模型(3)的检验结果显示,滞后2阶逆回购利率(OMOR)对流动性创造(LC)的影响系数估计值为-45.902,并在10%的水平上显著,滞后1阶和滞后2阶流动性创造(LC)对产出(Y)的影响系数估计值分别为0.04和0.001,并在1%的水平上显著。然而,逆回购利率(OMOR)对贷款(LOAN)的影响系数以及贷款(LOAN)对产出(Y)的影响系数估计值均不显著。这说明,逆回购利率对流动性创造的影响要比对贷款的影响更为显著,并且流动性创造对产出的影响要比贷款对产出的影响更为显著。这也就意味着,流动性创造会比贷款具备更强的可控性和相关性。
模型(4)的检验结果显示,一方面,中期借贷便利利率(MLFR)对流动性创造(LC)的影响系数估计值不显著,对于贷款(LOAN)的影响系数估计值为2.649且显著为正,但与紧缩性货币政策操作应当引发贷款下降的负向影响预期不符。这就说明,从可控性来看,中央银行运用中期借贷便利工具调控流动性创造、贷款的有效性均表现出较弱的特征⑩。另一方面,滞后1阶和滞后2阶流动性创造(LC)对产出(Y)的影响系数估计值分别为0.037和0.001,并在1%的水平上显著,但贷款(LOAN)对产出(Y)的影响系数估计值并不显著。这说明流动性创造对产出的影响要比贷款对产出的影响更为显著,意味着流动性创造会比贷款具备更强的相关性。
综上初步判断,从货币政策中介目标的可控性、相关性视角来看,流动性创造要比贷款更具备中介目标功能,银行流动性创造渠道会比银行贷款渠道更为有效。
2 冲击响应函数分析
图 4、图 5分别报告了基于模型(3)、模型(4)的冲击响应函数值。本文参考高蓓等[48]的做法,脉冲响应函数预测期间选择与样本观察期即27个季度一致。
从图 4来看,在1个正向标准差的逆回购利率(OMOR)冲击下,流动性创造(LC)在第0、1、2期分别作出-1.44%、-0.23%和-0.63%的负向响应,并深幅调整逐期衰减直至第27期的-0.44%;在1个正向标准差的流动性创造(LC)冲击下,产出(Y)在第0期作出0.27%的正向响应,并在第1期达到0.82%峰值后逐期衰减直至第27期的0.04%。相对而言,在1个正向标准差的逆回购利率(OMOR)冲击下,贷款(LOAN)在第0、1期分别作出-0.21%、-0.13%的负向响应,并在第2期由负转正为0.000 1%,第8期达到0.32%峰值后逐期衰减直至第27期的0.08%;在1个正向标准差的贷款(LOAN)冲击下,产出(Y)在第0、1、2期分别作出-0.44%、-0.28%、-0.09%的负向响应,并在第3期由负转正为0.15%,第8期达到0.29%峰值后逐期衰减直至第27期的0.12%。不难看出,逆回购利率(OMOR)冲击下流动性创造(LC)作出的响应幅度要比贷款(LOAN)作出的响应幅度更为显著,而且流动性创造(LC)对产出(Y)产生的冲击幅度要比贷款(LOAN)对产出(Y)产生的冲击幅度更为显著。这就意味着,流动性创造会比贷款具备更强的可控性和相关性。
从图 5来看,在1个正向标准差的中期借贷便利利率(MLFR)冲击下,流动性创造(LC)在第0、1、2、3期分别作出-2.42%、-0.81%、-0.59%和-0.21%的负向响应,并深幅调整逐期衰减直至第27期的-0.19%;在1个正向标准差的流动性创造(LC)冲击下,产出(Y)在第0期作出0.11%的正向响应,并在第1期达到0.69%峰值后逐期衰减直至第27期的0.01%。与之相比较,在1个正向标准差的中期借贷便利利率(MLFR)冲击下,贷款(LOAN)在第0期分别作出了-0.04%的负向响应,并在第1期由负转正为0.02%,第8期达到0.11%峰值后逐期衰减直至第27期的0.05%;在1个正向标准差的贷款(LOAN)冲击下,产出(Y)在第0、1、2、3期分别作出了-0.73%、-0.45%、-0.26%、-0.05的负向响应,并在第4期由负转正为0.28%,第8期达到0.45%峰值后逐期衰减直至第27期的0.03%。可见,在中期借贷便利利率(MLFR)冲击下流动性创造(LC)作出的响应幅度要比贷款(LOAN)作出的响应幅度更为显著,而且流动性创造(LC)对产出(Y)产生的冲击幅度要比贷款(LOAN)对产出(Y)产生的冲击幅度更为显著。这同样意味着,流动性创造比贷款具备更强的可控性和相关性。
从冲击响应函数分析结果来看,流动性创造要比贷款更具备中介目标功能,银行流动性创造渠道会比银行贷款渠道更为有效。
3 方差分解分析
在冲击响应函数分析基础上,本文进一步对响应变量预测误差进行方差分解,得到所有冲击变量对于响应变量预测误差的贡献率,从而更加清晰地刻画冲击变量对于响应变量的解释程度。表 3报告了基于模型(3)、模型(4)冲击响应函数的方差分解结果。
表 3 模型(3)和模型(4)的方差分解模型 响应变量 预测期 冲击变量 OMOR MLFR LOAN LC Y (3) LC 5 0.010 0.945 LOAN 5 0.007 0.979 Y 5 0.016 0.102 0.501 (4) LC 5 0.016 0.931 LOAN 5 0.002 0.986 注:上述模型第5期以后方差分解结果趋于稳定,故仅展示第5期的结果。 从模型(3)的检验结果来看,逆回购利率(OMOR)对于流动性创造(LC)预测误差方差的贡献率为1%,流动性创造(LC)对于产出(Y)预测误差方差的贡献率达到10.2%。相比较而言,逆回购利率(OMOR)对于贷款(LOAN)预测误差方差的贡献率为0.7%,贷款(LOAN)对于产出(Y)预测误差方差的贡献率为1.6%。可见,与贷款相比,逆回购利率(OMOR)对于流动性创造(LC)预测误差方差的贡献率,以及流动性创造(LC)对于产出(Y)预测误差方差的贡献率会更高,这就意味着流动性创造比贷款具备更强的可控性和相关性。
从模型(4)的检验结果来看,中期借贷便利利率(MLFR)对于流动性创造(LC)预测误差方差的贡献率为1.6%,流动性创造(LC)对于产出(Y)预测误差方差的贡献率达到了8.5%。与之相对的,中期借贷便利利率(MLFR)对于贷款(LOAN)预测误差方差的贡献率为0.2%,银行贷款(LOAN)对于产出(Y)预测误差方差的贡献率为4.4%。同样不难发现,与贷款相比,中期借贷便利利率(MLFR)对于流动性创造(LC)预测误差方差的贡献率,以及流动性创造(LC)对于产出(Y)预测误差方差的贡献率会更高,这同样意味着流动性创造比贷款具备更强的可控性和相关性。
综上可知,从方差分解结果也会得到流动性创造要比贷款更具备中介目标功能、银行流动性创造渠道会比银行贷款渠道更为有效的结论。
四. 研究结论与政策启示
本文从流动性创造视角出发考察了高质量发展阶段货币政策传导渠道的有效性。研究表明,随着金融体制市场化改革不断深入推进,在银行经营模式从存贷业务模式向批发业务模式转变、货币政策调控框架从数量型向价格型转变的情况下,银行流动性创造渠道会比银行贷款渠道发挥更为关键的作用。这一结论解答了高质量发展阶段货币政策传导渠道的演化趋势,同时为完善现代中央银行制度和提升货币政策传导效率提供了重要的理论依据。
近年来,高速增长模式下银行贷款渠道传导效率表现出持续下降的趋势,中央银行在保持信贷总量增长的稳定性和可持续性上面临着梗阻困境。探索发展能够适应高质量发展阶段的货币政策传导渠道,已成为决策层和理论界的当务之急。党的二十大以来,走中国特色金融发展之路,提升金融服务实体经济的能力和效率,成为金融助力经济高质量发展的重要实践。2023年中央金融工作会议明确提出“完善金融宏观调控,准确把握货币信贷供需规律和新特点”。立足于银行仍然是“货币政策传导中枢的关键”的现实约束,本文的政策启示在于,应当重视流动性创造在银行服务实体经济中的作用,将流动性创造纳入货币政策调控的中介目标体系,充分发挥出银行流动性创造渠道的传导效率。
第一,深入推进利率市场化改革,强化流动性创造的可控性。当前市场化利率的形成和传导机制仍然存在金融市场分割、国企预算软约束、存款无序竞争等关键堵点,这就会弱化利率传导机制与银行流动性创造的关联。中央银行应当继续推进统一大市场建设、硬化预算约束和强化金融监管,为深化利率市场化改革提供有利条件,提升运用利率传导机制调控流动性创造的有效性。
第二,完善银行流动性创造的监测体系,提高流动性创造的可测性。流动性创造是银行对表内外资产负债两端各类科目期限转换的结果,该指标的精准测度与科目流动性分类及权重分配密切相关。中央银行应当根据利率市场化、金融创新深化所导致的相关科目流动性的变化来构建多维度流动性创造的监测工具,合理优化流动性创造指标的计算方法。
第三,建立银行流动性创造预警机制,维护银行体系安全稳健运行。银行在批发业务的过度流动性创造会引发期限错配和流动性风险积聚。中央银行应当将流动性创造纳入流动性风险监测预警框架,科学设置流动性创造预警模型和阈值,提高银行抵御风险的能力,更好地服务实体经济。
① 《英汉国际金融大词典》对银行批发业务的释义:“银行之间巨额款项的借入与贷出,区别于银行与其顾客之间以传统方式构成的零售银行业。”参见范家骧:《英汉国际金融大词典》,北京工业大学出版社,2009,第1508页。
② 贷款业务由其他存款性公司对非金融性公司债权和对其他居民部门债权来衡量,批发业务资产由其他存款性公司对其他存款性公司债权、对其他金融性公司债权和对政府债权加总来衡量。上述数据均取自中国人民银行网站《其他存款性公司资产负债表》。
③ 2017年监管部门出台了一系列金融严监管政策,通过强化资产负债监管来抑制银行资金“脱实向虚”后,上述两类业务占比背离趋势才有所缓解。
④ 存款业务由其他存款性公司对非金融机构及住户负债来衡量,批发业务负债由其他存款性公司对其他存款性公司负债、对其他金融性公司负债和对中央银行负债加总来衡量。数据来源同①。
⑤ 2019年8月,中国人民银行推动改革完善贷款市场报价利率(LPR)报价形成机制,改革后的LPR由报价行在中期借贷便利利率(MLFR)基础上市场化报价形成;2022年4月,进一步完善建立存款利率市场化调整机制,推动银行参考以10年期国债收益率为代表的债券市场利率和以1年期LPR为代表的贷款市场利率,合理调整存款利率水平。中国人民银行货币政策司:《持续深化利率市场化改革》,中国人民银行网站,http://www.pbc.gov.cn/redianzhuanti/118742/5118184/5134061/5123670/index.html,访问日期:2023年11月23日。
⑥ 16家银行包括:平安银行、宁波银行、浦发银行、华夏银行、民生银行、招商银行、南京银行、兴业银行、北京银行、中国农业银行、交通银行、中国工商银行、光大银行、中国建设银行、中国银行、中信银行。
⑦ 本文并没有采用包含更多银行样本的BankFocus数据库,这是因为,该数据库中的银行资产负债表数据仅是年度而非季度数据,这就难以与中国人民银行公开市场每日操作常态化机制产生的逆回购中标利率、中期借贷便利利率数据相匹配。
⑧ 在流动性创造、贷款排列次序上,本文依据贷款决定流动性创造的因果关系加以设定。各个变量排列次序的设定思路参见Nathan S. Balke, “Credit and economic activity : credit regimes and nonlinear propagation of shocks,”Review of economics and statistics 82(2000): 344-349。
⑨ 本文运用LLC检验方法对LOANi, t、LCi, t面板数据以及运用ADF检验方法对OMORt、MLFRt、Yt时间序列数据进行单位根检验,检验结果均拒绝原假设,这说明上述数据均为平稳序列。此外,根据AIC、BIC、HQIC三种信息准则,PVAR模型最优滞后阶数均为5。
⑩ 此处发现中央银行运用中期借贷便利工具调控流动性创造、贷款有效性均为较弱的原因,与样本区间包含了2019年8月贷款市场报价利率(LPR)报价形成机制改革之前的数据有关。在改革之前,LPR尚未与MLFR挂钩,中央银行并不能完全通过调控MLFR来影响银行决策行为。
-
表 1 银行资产负债表科目流动性分类及权重
科目 分类(权重) 具体项目 资产 非流动性资产(0.5) 贵金属、固定资产、持有至到期投资、投资性房地产、持有至到期投资、投资性房地产、长期股权投资、在建工程、应收账款投资、无形资产、买入返售金融资产、商誉、公司贷款、递延所得税资产、个人住房贷款 半流动性资产(0) 个人其他贷款、拆出资金、应收利息 流动性资产(-0.5) 现金及存放中央银行款、存放同业、可供出售金融资产、交易性金融资产、衍生金融资产 负债和权益 流动性负债(0.5) 递延所得税负债、卖出回购金融资产款、其他存款、股东权益、应付债券、其他负债 半流动性负债(0) 拆入资金、定期存款 非流动性负债(-0.5) 向中央银行借款、同业存放、活期存款、交易性负债、衍生金融负债 表 2 系统广义距估计系数的回归结果
变量 模型(3) 模型(4) h_LC h_LOAN h_Y h_LC h_LOAN h_Y L. h_OMOR 32.417(17.309) 2.509(1.564) 9.687***(2.780) L2. h_OMOR -45.902*(27.438) 0.034(2.374) 1.302(3.751) L. h_MLFR 20.322(14.959) 2.649*(1.485) 19.289***(1.707) L2. h_MLFR -27.541(24.484) -0.159(2.017) 14.043***(2.582) L. h_LC 0.040***(0.009) 0.037***(0.009) L2. h_LC 0.001***(0.000 2) 0.001***(0.000 2) L. h_LOAN -0.130(0.145) -0.130(0.139) L2. h_LOAN 0.149(0.137) 0.194(0.128) 注:h表示对各个变量进行前向差分,括号内数字表示标准差;*、* *、* * *分别表示10%、5%、1%的显著性水平;L.和L2.分别表示变量的滞后1阶和滞后2阶,其他滞后阶数的变量系数的符号与表2基本相同,故仅列出部分结果。 表 3 模型(3)和模型(4)的方差分解
模型 响应变量 预测期 冲击变量 OMOR MLFR LOAN LC Y (3) LC 5 0.010 0.945 LOAN 5 0.007 0.979 Y 5 0.016 0.102 0.501 (4) LC 5 0.016 0.931 LOAN 5 0.002 0.986 注:上述模型第5期以后方差分解结果趋于稳定,故仅展示第5期的结果。 -
[1] 张成思. 改善货币政策传导机制的核心[J]. 中国金融, 2019(2): 39-40. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJR201902017.htm [2] 何德旭, 余晶晶. 中国货币政策传导的现实难题与解决路径研究[J]. 经济学动态, 2019(8): 21-39. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD201908004.htm [3] 任泽平, 方思元, 杨薛融. 宽货币到宽信用的传导效率[J]. 中国金融, 2019(7): 26-28. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJR201907015.htm [4] 战明华, 李帅, 罗诚剑. 货币政策冲击、银行信贷渠道传导与传统行业融资约束——以纺织产业为例[J]. 金融论坛, 2020, 25(1): 58-71. https://www.cnki.com.cn/Article/CJFDTOTAL-CSJR202001008.htm [5] 栾稀, 肖立晟. 金融供给侧改革背景下的信贷需求结构调整——基于信贷增速和资产回报率矛盾的分析[J]. 银行家, 2019(12): 54-59. https://www.cnki.com.cn/Article/CJFDTOTAL-CJMY201912018.htm [6] 周立宏, 陈林, 陈美莲. 我国下游企业缘何缺乏竞争力?——基于上游僵尸企业的影响考察[J]. 经济社会体制比较, 2023(5): 43-53. https://www.cnki.com.cn/Article/CJFDTOTAL-JJSH202305005.htm [7] 刘南希, 王剑. 新经济下的商业银行综合化经营转型[J]. 银行家, 2021(6): 48-51. https://www.cnki.com.cn/Article/CJFDTOTAL-CJMY202106019.htm [8] BRYANT J. A model of reserves, bank runs, and deposit insurance[J]. Journal of banking & finance, 1980, 4(4): 335-344.
[9] DIAMOND D W, DYBVIG P H. Bank runs, deposit insurance, and liquidity[J]. Journal of political economy, 1983, 91(3): 401-419. doi: 10.1086/261155
[10] BERGER A N, BOUWMAN C H S. Bank liquidity creation[J]. The review of financial studies, 2009, 22(9): 3779-3837. doi: 10.1093/rfs/hhn104
[11] BERGER A N, BOUWMAN C H S. Bank liquidity creation, monetary policy, and financial crises[J]. Journal of financial stability, 2017(30): 139-155.
[12] DAVYDOV D, VHMAA S, YASAR S. Bank liquidity creation and systemic risk[J]. Journal of banking & finance, 2021, 123(3): 106031.
[13] CHATTERJEE U K. Bank liquidity creation and recessions[J]. Journal of banking & finance, 2018, 90(5): 64-75.
[14] FIDRMUC J, FUNGACOVA Z, WEILL L. Does bank liquidity creation contribute to economic growth? Evidence from Russia[J]. Open economies review, 2015, 26(3): 479-496. doi: 10.1007/s11079-015-9352-1
[15] BERGER A N, SEDUNOV J. Bank liquidity creation and real economic output[J]. Journal of banking & finance, 2017(81): 1-19.
[16] GRABBE J O. Liquidity creation and maturity transformation in the Eurodollar market[J]. Journal of monetary economics, 1982, 10(1): 39-72.
[17] MORELLI P, PITTALUGA G B, SEGHEZZA E. An index of bank liquidity creation: an application to the banking systems of the Eurozone and the liquidity policy of the ECB during the Euro Crisis[M]//BECCALLI E, POLI F. Lending, investments and the financial crisis. London: Palgrave Macmillan, 2015: 134-156.
[18] DANG V D, HUYNH J. Bank funding, market power, and the bank liquidity creation channel of monetary policy[J]. Research in international business and finance, 2021(59): 101531.
[19] RAUCH C, STEFFEN S, HACKETHAL A, et al. Savings banks, liquidity creation and monetary policy[R/OL]. Goethe University Working Paper, 2009. [2023-10-23]. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1343595.
[20] 胡滨. 中国式现代化与金融高质量发展[N]. 中国社会科学报, 2023-05-30. [21] 孙国峰, 贾君怡. 中国影子银行界定及其规模测算——基于信用货币创造的视角[J]. 中国社会科学, 2015(11): 92-110. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK201511009.htm [22] 李奇霖, 钟林楠. 寻找下一个"黄金时代"?——银行金融市场业务演变与创新[J]. 金融市场研究, 2017(7): 6-18. https://www.cnki.com.cn/Article/CJFDTOTAL-JRSY201707004.htm [23] 易纲. 中国的利率体系与利率市场化改革[J]. 金融研究, 2021(9): 1-11. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202109001.htm [24] 明明. 货币政策的新特点[J]. 中国金融, 2017(6): 73-75. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJR201706022.htm [25] 韩扬, 何建敏. 资管新规窥探: 银行表内外流动性创造与实体经济增长[J]. 财经科学, 2018(6): 25-38. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKX201806004.htm [26] 邓向荣, 张嘉明, 李宝伟, 等. 城商行流动性创造与城市经济发展[J]. 郑州大学学报(哲学社会科学版), 2018, 51(2): 48-53. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZDX201802010.htm [27] 吕思聪. 外部监管和货币政策对中国商业银行流动性创造能力的影响研究[J]. 国际金融研究, 2018(5): 55-65. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR201805007.htm [28] 田国强, 李双建. 经济政策不确定性与银行流动性创造: 来自中国的经验证据[J]. 经济研究, 2020, 55(11): 19-35. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202011003.htm [29] 李明辉, 孙莎, 刘莉亚. 货币政策对商业银行流动性创造的影响——来自中国银行业的经验证据[J]. 财贸经济, 2014(10): 50-60. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201410006.htm [30] 郭晔, 程玉伟, 黄振. 货币政策、同业业务与银行流动性创造[J]. 金融研究, 2018(5): 65-81. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201805005.htm [31] 王周伟, 王衡. 货币政策、银行异质性与流动性创造——基于中国银行业的动态面板数据分析[J]. 国际金融研究, 2016(2): 52-65. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR201602005.htm [32] 邓向荣, 张嘉明. 货币政策、银行风险承担与银行流动性创造[J]. 世界经济, 2018, 41(4): 28-52. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ201804003.htm [33] 郭晔, 赵静. 存款竞争、影子银行与银行系统风险——基于中国上市银行微观数据的实证研究[J]. 金融研究, 2017(6): 81-94. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201706006.htm [34] 刘澜飚, 李博韬. 市场竞争、同业业务与银行风险承担[J]. 经济学动态, 2021(4): 38-53. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXD202104004.htm [35] 张勇, 阮培恒, 梁燚焱, 等. 宏观经济不确定性与银行流动性创造分化[J]. 数量经济技术经济研究, 2022, 39(12): 132-152. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202212007.htm [36] 赵海云. 中国货币政策体系框架研究[D]. 北京: 中国人民大学, 2008: 2. [37] 张晓慧. 多重约束下的货币政策传导机制[M]. 黄燕芬, 等译. 北京: 中国金融出版社, 2020: 33. [38] 张勇, 范从来. 货币政策框架: 理论缘起、演化脉络与中国挑战[J]. 学术研究, 2017(11): 101-110. https://www.cnki.com.cn/Article/CJFDTOTAL-XSYJ201711014.htm [39] 马骏, 纪敏. 新货币政策框架下的利率传导机制[J]. 中国城市金融, 2016(12): 75. https://www.cnki.com.cn/Article/CJFDTOTAL-ZCSJ201612042.htm [40] 博芬格. 货币政策: 目标, 机构, 策略和工具[M]. 北京: 中国人民大学出版社, 2013: 191. [41] 王广谦. 中央银行的角色与使命[J]. 中国金融, 2021(5): 22-24. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJR202105010.htm [42] 米什金. 货币金融学(第六版)[M]. 刘毅, 译. 北京: 中国人民大学出版社, 2005: 462-463. [43] 周小川. 周小川谈央行多目标货币政策框架[EB/OL]. (2016-06-26)[2023-11-23]. https://www.yicai.com/news/5033691.html. [44] 范从来, 盛天翔, 王宇伟. 信贷量经济效应的期限结构研究[J]. 经济研究, 2012, 47(1): 80-91. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201201009.htm [45] 张前程, 范从来. 信贷期限结构与实体经济资本回报率[J]. 国际金融研究, 2021(6): 23-33. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202106003.htm [46] 周莉萍. 影子银行体系的信用创造: 机制、效应和应对思路[J]. 金融评论, 2011, 3(4): 37-53. https://www.cnki.com.cn/Article/CJFDTOTAL-JRPL201104005.htm [47] 肖钢. 中国影子银行的治理与创新[J]. 新金融评论, 2019(4): 88-107. https://www.cnki.com.cn/Article/CJFDTOTAL-QHFX201706002.htm [48] 高蓓, 陈晓东, 李成. 银行产权异质性、影子银行与货币政策有效性[J]. 经济研究, 2020, 55(4): 53-69. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202004005.htm [49] 朱慈蕴. 中国影子银行: 兴起、本质、治理与监管创新[J]. 清华法学, 2017, 11(6): 6-24. https://www.cnki.com.cn/Article/CJFDTOTAL-QHFX201706002.htm [50] 李文喆. 中国影子银行的经济学分析: 发展驱动因素[J]. 经济学家, 2021(3): 91-100. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ202103011.htm [51] DEEP A, SCHAEFER G. Are banks liquidity transformers?[R/OL]. KSG Working Paper Series, 2004(5). No. RWP04-021. [2023-10-23]. https://www.hks.harvard.edu/publications/are-banks-liquidity-transformers.
[52] BAI J, KRISHNAMURTHY A, WEYMULLER C H. Measuring liquidity mismatch in the banking sector[J]. The journal of finance, 2018, 73(1): 51-93.
[53] CASU B, PIETRO F D, TRUJILLO-PONCE A. Liquidity creation and bank capital[J]. Journal of financial services research, 2019, 56(3): 307-340.
[54] LOVE I, ZICCHINO L. Financial development and dynamic investment behavior: evidence from panel vector autoregression[J]. The quarterly review of economics and finance, 2006, 46(2): 190-210.