中国贷款利率与利率传导的决定因素:协整分析外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

中国贷款利率与利率传导的决定因素:协整分析

摘要：根据2008年第四季度至2017年第四季度的数据，本文研究了利率从政策利率到贷款利率的传递，更广泛地研究了中国贷款利率的决定因素。研究结果显示，在货币市场利率和贷款利率之间存在一定程度的传导，利率传导在2015年10月利率市场化完成后得到了提高，但这种传导也受到商业银行资产质量和影子银行活动的负面影响。本文还发现，宏观经济条件对贷款利率也有影响。

关键词：中国人民银行(PBC)；政策利率传递

1介绍

从2018年4月开始，中国人民银行(Chinarsquo;s central bank, PBC)已经在2019年1月31日实施了5次存款准备金率下调。再加上其它非传统货币政策工具，如中期目标。中国人民银行一直在努力为金融体系提供足够的流动性，希望这些流动性最终能够支持实体经济。然而，货币传导一直是一个巨大的挑战。正如2018年8月召开的国务院金融稳定与发展委员会第二次会议上所指出的，建立更加有效的货币传导机制已成为一项关键任务(新华社，2018)。中国人民银行货币政策部门负责人也承认，中国的货币传导不是很有效(Sun, 2019)。

本文将通过具体关注利率传导渠道来解决这一问题。本文的结构如下：第二部分回顾相关文献，第三部分介绍了数据集，第四部分进行实证分析，第五部分是本文的结论。

2文献综述

货币政策框架的重要支柱之一是货币传导机制，即货币政策传导机制。货币政策决策转化为实际GDP和通货膨胀变化的过程(Taylor, 1995)。这些传导机制包括利率效应、汇率效应、其他资产价格效应和信贷渠道，包括银行贷款渠道和资产负债表渠道(Mishkin, 1995)。通过利率机制传导货币政策一直是经济学文献的一个标准特征，也是凯恩斯基本教科书模型(Mishkin, 1995)中的关键货币传导机制。本文主要研究的是货币传导的利率渠道，即利率传导渠道。在美国，央行政策利率的变化将传导至商业银行的存贷款利率，进而影响投资、新房支出、消费者支出和总需求。

近年来，大量的实证研究都是关于利率传递的定性和定量性质的研究。对传递系数的数值估计因国家、市场和时间段的不同而存在显著差异，这意味着不同国家和市场的商业银行的零售利率对货币政策冲动的反应不同。这就是所谓的利率传递异质性。这些研究也因使用的解释变量集和使用的方法不同而有所不同(Gigineishvili, 2011)。

例如，Weth(2002)考察了德国从市场利率到银行贷款利率的传递，发现了德国各银行之间的利率传递存在结构性差异的证据。银行贷款利率随市场利率变化而调整的速度，与信贷机构的规模、再融资条件和再融资规模有关与非银行机构的业务范围。然而，从长期来看，贷款与市场利率之间的关系，除了银行特有的固定加价，而且在大多数情况下，银行之间并无差异。

Cottarelli和Kourelis(1994)研究了银行贷款利率相对于货币市场利率的粘性。他们发现，贷款利率粘性的不同程度与金融体系的结构特征有关，如竞争壁垒的存在、金融市场的发展程度以及银行体系的所有权结构。

Mishra等人(2014)也发现，各国银行贷款利率对货币政策创新的反应存在很大差异。在制度框架更好、金融结构更发达、银行体系不那么集中的国家，货币政策冲击更有可能按照理论上预期的方向影响银行贷款利率。低收入国家在所有这些方面的得分都很低，而且与其他经济体相比，这些国家对银行贷款利率的货币政策冲击传导确实要弱得多。

就中国市场而言，有关利率从政策利率传导至贷款利率的研究很少。原因可能有两个。首先，中国人民银行传统上主要依靠存款准备金率调整等量化政策工具来管理广义货币(M2)增长率，而中国经济的利率渠道是一个比较近期的发展(Liu, 2017)。其次，有关商业银行贷款利率的数据集非常有限。从2008年第三季度开始，中国各银行人民币贷款的平均贷款利率才开始统计。因此，以往关于利率传递的研究使用的是个体银行一级的贷款利率，即，选取中国部分银行按季度利息收入除以计息资产计算的季度贷款年利率(Liu,2017;Ji等，2016)。Liu(2017)进一步研究了2015年10月23日真正完成的利率市场化对利率传导的影响。

本文特别关注中国经济，对利率传导异质性的研究有一定的贡献。与以往对中国市场的研究相比，本研究的创新性有三倍之多。

第一，在数据集方面，本文首次采用了中国各银行季度综合平均贷款利率，而不是单个银行的贷款利率。因此，本文使用时间序列数据集而不是面板数据集。

第二，虽然之前的研究考虑了银行特定特征对贷款利率的影响，但它们纯粹被视为独立变量。本文增加了银行贷款质量与政策利率之间的交互项，以检验其对利率传递的影响。

第三，本文研究的范围超出了商业银行从政策利率到贷款利率的纯利率传递，而是关于贷款利率的决定因素。例如，这项研究考察了宏观经济条件对贷款利率的影响。本文还研究了影子银行活动对传导和贷款利率的影响。

3数据集

因变量为平均贷款利率，计算方法为中国金融机构人民币贷款加权平均贷款利率。保单利率为FR007，即接受存款的机构和不接受存款的机构的固定7天回购利率，以及DR007，这是中国银行间市场上接受存款的机构以利率债券作为质押的7天回购利率。而FR007被广泛认为是重要的政策利率之一(Liu,2017;Ji等人，2016)，DR007鲜为人知。第一次引起投资者和市场的关注是在2016年末，当时中国人民银行在2016年第三季度货币政策执行报告中首次提到DR007的重要性。Liu(2018a)通过考察FR007和固定DR007的均值和方差，发现固定DR007已经很好地开始成为中国人民银行的新政策利率。由于固定的DR007数据集仅从2017年5月31日起可用，所以使用DR007数据集。

关于供应因素，Gambacorta等人(2014)也认为，在资产负债表衰退之后，银行发现自己需要修复资产负债表。因此，无论商业环境如何，他们可能都不愿意放贷。不良贷款率是用来衡量商业银行资产质量的指标。

本研究还包括影子银行活动对利率传递的影响。Liu(2019)考察了影子银行的一个特殊案例，即、信托基金及其对利率传递的影响，并发现我国信托贷款在利率从政策利率传递到商业银行贷款利率中发挥着负作用。其基本原理是:当中国人民银行决定提高政策利率时，希望更高的政策利率能够传导到商业银行的贷款利率上，然后经济会稍微降温。然而，由于信托贷款(以及其它影子银行贷款)能够填补融资需求的缺口，银行被迫降低贷款利率，以保持其市场份额。反之亦然。影子银行融资包括委托贷款、信托贷款和未贴现银行承兑汇票。影子银行比重按季度计算为影子银行融资总量占社会融资总量的比重。

随着中国在2015年10月真正完成利率市场化进程，我们创建了一个虚拟变量IL_DMY来衡量这一过程。IL_DMY在2015年第四季度和之后的时间里为1，在其他地方为0。进一步创建了两个交互变量IL_DMY*FR007和IL_DMY*DR007来衡量利率市场化对利率传导的影响。

另一个重要的独立变量是基准贷款利率，这是中国人民银行为商业银行贷款设定的利率。虽然中国人民银行在2015年10月已经取消了存款利率的上限限制，但中国人民银行仍然对商业银行的利率决定采用隐性或显性指导。例如，据报道，基准利率在债务重组过程中非常重要。2018年4月，中国人民银行行长易纲表示，中国仍然存在基准利率。存款利率的定价仍处于窗口引导和市场利率定价自我调节机制的软性调控之下。根据中国人民银行公布的数据，截至2018年9月底，金融机构贷款总额中13.64%与基准贷款利率相同，34.05%高于基准贷款利率30%。因此，基准贷款利率仍然在决定中国银行的贷款利率方面发挥着重要的作用(Liu, 2018b)。

中国贷款利率的决定因素还包括需求因素。Gambacorta等人(2014)认为，信用风险溢价可以简单地假设为随着时间的推移而固定。虽然这可能是大缓和时期的一个合理近似，但对中国市场来说可能不是一个合理的假设。自全球金融危机以来，中国市场一直经历着商业周期波动的剧烈波动。因此，采用另一个自变量宏观经济状况指数作为宏观经济状况的代理变量。该指数由中国国家统计局下属的中国经济监测分析中心编制。该指标包括工业生产、就业、需求(投资、消费和外贸)和社会收入(政府税收、企业收入和家庭收入)四个关键方面(Liu, 2018)。另外两个类似的指标是采购经理人指数(PMI)，这是制造业和服务业经济健康状况的一个指标。官方PMI数据和财新PMI数据都被用来检验其稳健性。季度数据按月度数据的三个月平均值计算。

下图1为2008 - 2018年第三季度平均贷款利率、FR007、DR007和基准贷款利率。

图1 平均贷款利率、FR007、DR007和基准贷款利率

由于所有变量都是时间序列数据，因此需要对平稳性进行检验。下表1显示了通过执行增广的Dickey-Fuller测试对所有变量进行单位根测试的结果。它们表明许多变量不是平稳的，说明普通最小二乘回归是不可行的。

表1 检验结果

4协整分析

在本节中，我们估计了政策与贷款利率之间的长期协整关系。具体模型方程如下:

（1）

其中，MLR为平均贷款利率，即中国金融机构人民币贷款加权平均利率。

保单利率由FR007代表，即接受存款机构和非接受存款机构的固定7天回购利率，也就是DR007。这是中国银行间市场上接受存款的机构以利率债券作为质押的7天回购利率。

不良贷款是衡量银行资产质量的不良贷款率。与政策利率的交互项是评估不良贷款对利率传导的影响。

SB代表影子银行融资占社会融资总额的比例。与政策利率的交互项是衡量影子银行活动对利率传导的影响。

IL_DMY表示利率市场化虚拟变量。与政策利率的交互项是衡量利率市场化对利率传导的影响。

BLR代表中国人民银行为商业银行贷款设定的基准贷款利率。

MCI表示宏观经济状况指数，作为宏观经济状况的代理变量。两个采购经理人指数(PMI)也被用于稳健性测试。

结果见表2。

表2 协整测试

首先，还进行了协整检验。Engle和Granger(1987)、Phillips和Ou liaris(1990)进行了测试。结果见表2底部。它们表明级数是协整的。

从政策利率的表现来看，模型1和模型2表明FR007和DR007的表现非常相似。系数的显著性水平和符号是相同的，系数的大小只是略有不同。

具体而言，FR007(和DR007)系数为0.5，置信水平为1%，表示政策利率每上升(下调)一个标准差，政策利率就会向贷款利率传递0.5个标准差。然而，这种传递也受到其他因素的影响，如商业银行的资产质量和影子银行活动。交互项NPL*FR007(以及NPL*DR007)的系数为- 0.07，置信水平为10%。表明商业银行的资产质量与利率传递显著负相关。这一发现与我们先前的分析一致。此外，正如Gigineishvili(2011)所指出的，通过提高贷款利率来应对短期利率的上升，银行会吸引风险更高的项目，也会增加现有贷款违约的可能性(假设是可变利率贷款)。这将增加信贷风险，推高不良贷款，并增加额外损失的可能性。因此，当信贷质量已经很差时，利润最大化的银行对货币市场利率的反应可能会更弱。此外，交互项SB*FR007(以及SB*DR007)的系数为负，置信水平为5%。这表明，影子银行活动对利率传递起着显著的负作用。这个结果与前一节讨论的论点是一致的。相应的政策建议是，进一步打击影子银行活动。最后，交互项IL_DMY*FR007(和IL_DMY*DR007)的系数为正，置信度为1%，表明在2015年10月利率市场化进程基本完成后，利率传导有了明显改善。

结果表中报告了从以下

（2）

高平均贷款利率,政策利率FR007或DR007,不良贷款是不良贷款的比率,某人是影子银行融资的分数在社会融资总量,IL_DMY亚变量测量利率自由化完成2015年10月,BLR是基准贷款利率由中国人民银行对商业银行贷款,MCI是宏观经济状况指数。方法:完全修正最小二乘(FMOLS)。样本(调整后):2008 - 2017年第四季度。包括观察:37调整后。

对于基准贷款利率的表现，模型1的系数为0.97，模型2的系数为0.98，置信水平为1%。也就是说，基准贷款利率每上升(下调)一个标准差，就会有0.97(使用DR007时为0.98)个标准差传递到贷款利率。这表明，从长期来看，基准贷款利率在利率传导中发挥着重要的作用。这个结果与我们之前的分析是一致的。

至于另一个可变的宏观经济状况指数，它也运行良好。MCI的系数为0.03，置信水平为1%。结果表明，宏观经济状况指数对贷款利率有显著的正向影响。这个结果与我们之前的分析是一致的，即在美国，宏观经济状况指数越高，表明经济活动越活跃，意味着企业对贷款的需求越高，从而对不断上升的贷款利率施加更大压力。亦然。当使用PMI来衡量宏观经济状况时，这些系数的符号保持不变，但失去了意义。有意思的是，尽管宏观经济状况指数表现显著，但中国国家统计局从2018年第一季度起就停止发布这一指标。

最后，模型1和模型2的调整后的R平方为0.95，表明这些模型总体上工作得很好，通过使用适当的变量，具有很大的解释力。但是，由于观察的数目有限，不应过度解释。

5结束语

利率传导一直是货币政策的一个关键问题。与此同时，对于当前处于中美贸易战阴影下的中国经济，这个问题对于中国决策者来说变得非常具有挑战性和紧迫性(Liu, 2018c)。基于2008年第四季度和2017年第四季度的汇总季度数据，本研究考察了利率传导，以及更广泛的中国贷款利率的决定因素。结果表明,虽然从货币市场利率到贷款利率有一定程度的直通,改善了利率自由

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20941]，资料为PDF文档或Word文档，PDF文档可免费转换为Word