结构性货币政策与金融机构风险

何剑 祝林 郑智勇

摘   要：2013年以来，我国结构性货币政策工具日渐丰富，在实现宏观结构调整功能的同时，也引发了对金融机构风险影响的热议。本文在分析结构性货币政策对金融机构的风险传导机制基础上，运用TVP-VAR模型检验结构性货币政策对金融机构风险的时变影响。研究表明：数量型结构性货币政策对金融机构风险的抑制效应优于价格型;定向降准在短期对金融机构风险的抑制效应显著，而SLF和PSL在中长期对金融机构风险的抑制效应显著;近年结构性货币政策对金融机构风险抑制效应优于执行初期。因此，在实现经济结构调整目标的同时，为有效化解金融机构风险的产生，货币当局应从“健全中央银行与市场沟通机制，拓宽多部门金融监管渠道”与“优化政策组合与执行节奏，适应市场经济体制新发展”两方面共同发力。

关键词：结构性货币政策;金融机构风险;TVP-VAR模型

中图分类号：F822.0  文献标识码：A   文章编号：1674-2265（2020）09-0003-10

DOI：10.19647/j.cnki.37-1462/f.2020.09.001

一、引言

2019年12月中央经济工作会议定调货币政策由“松紧适度”变为“灵活适度”，表明货币政策将依据经济形势灵活调节，以提高宏观调控的有效性、针对性。细数现有的货币政策工具，2014年以来，为应对新常态下货币政策环境的变化，我国中央银行在适应“总量稳定、结构优化”的基础上，积极推进货币政策从数量型向价格型转变，创新和运用多种结构性货币政策工具，促进信贷资金向特定领域转移，达到灵活调控的目的。因此，结构性货币政策将是未来宏观调控的有效补充。

作为防范系统性金融风险的关键领域，可能引发的金融机构风险及其监管，同样是结构性货币政策操作时关注的重要因素。然而，信贷资金在中央银行、金融机构与实体经济之间传递中，通过多种渠道影响金融机构的决策风险、信用风险和市场风险等，使中央银行的政策宽松意愿与金融机构的风险防范产生冲突。长期而言，结构性货币政策增加了金融机构对短期融资的过度依赖，使得信贷风险转化为流动性风险，从而引发金融市场波动。可见，在完善货币政策框架、防范系统性金融风险的背景下，结构性货币政策在实现调控目标时是否会增加金融机构风险？以及通过何种传导渠道产生影响？厘清这些问题对我国当前宏观调控具有重要的现实意义。

为了系统地解决上述问题，本文依据多种结构性货币政策工具的特点及运用情况，分析结构性货币政策对金融机构的风险传导机制，运用TVP-VAR模型进行时变脉冲响应分析，以全面考察我国结构性货币政策对金融机构风险的影响，并对中央银行如何完善结构性货币政策操作框架提出相应的建议。

二、文献综述

（一）结构性货币政策的本质及研究动态

凯恩斯与货币主义达成以泰勒规则为核心的“新共识”理论框架，提出实施“相机抉择”的货币政策，认可利率在货币政策调控中的巨大潜力（罗志如等，1989）[1]。但弗里德曼则认为“数量型”货币政策更有效，实证证明中央银行运用存款准备金率等数量型货币政策工具能够实现调控目标，并有效控制金融机构的准备金情况（布莱恩，1984）[2]。美国次贷危机爆发后，学界发现传统货币政策应对信贷紧缩和利率下限约束存在局限性，各国中央银行相继推出结构性货币政策工具，以弥补传统货币政策的缺陷（Andrews等，2008;Fleming等，2010）[3，4]。因此，结构性货币政策的本质是国家执行的“区别对待、有保有压”的货币政策，与“大水漫灌”模式不同，强调对特定地区、领域及行业提供政策扶持（付俊文和赵红，2008）[5]。

由于结构性货币政策实施时间较短，学界主要在以下几方面进行了初步探索：首先体现在比较研究方面，国内外学者列举发达经济体出台的结构性货币政策工具，剖析其运行机制和模式（Baumeister和Benati，2010;Bauer和Neely，2014;Churm等，2015）[6，7，8];同时在对比发达经济体的中央银行货币政策调控手段后，杨春蕾（2017）[9]指出中国人民银行的货币政策工具创新，如定向降准、SLF、MLF、TLF和SLO等，均有效引导资金在小微企业、三农和“双创”等重点领域和薄弱环节的使用。其次体现在传导渠道方面，结构性货币政策能够通过多种渠道影响金融机构、金融市场、企业和个人等经济主体的决策，包括信贷渠道、信号渠道、价格渠道等（Cúrdia等，2011;Albertazzi等，2016）[10，11];胡育蓉和范从来（2017）[12]认为结构性货币政策也存在帮助资金投放的导流渠道和控制资金流向的截流渠道，一是引导货币资金流向易遭受融资困境的新兴产业和落后行业，二是阻截货币资金流向僵尸企业实现市场清理机制。最后是实施效果方面，结构性货币政策对促进产业结构调整、降低资产价格波动、稳定市场利率水平具有重要意义（Joyce等，2012;Swanson，2016;Hanisch和Max，2017）[13，14，15];彭俞超和方意（2016）[16]构建一般均衡模型发现，在应对不同的外生冲击时，结构性货币政策均能对信贷结构调整和优化起到积极作用;余振等（2016）[17]通过事件分析法与潘敏和刘姗（2018）[18]使用时间序列EGARCH模型得出类似结论，即结构性货币政策工具在降低信贷市场利率、抑制其波动率方面效果显著。

（二）结构性货币政策与金融机构风险

自2008年金融危机以来，各国学者深刻认识到防范系统性金融风险的重要性。全球金融稳定委员会（2009）[19]发布报告称，系统性金融风险是指金融系统在一定因素作用下不能正常运行，导致金融服务大规模失灵，从而危及实体经济发展的风险。Billio等（2010）[20]认为系统性金融风险的产生与金融机构的不稳定、信息不对称、监管松懈等问题息息相关。于是，为完善系统性金融风险体系的构建，学者们逐渐将重心转移至金融机构层面带来的风险问题。Hollo 等（2012）[21]在构建欧盟系统性金融风险体系时，给金融机构层面的指标赋予更高权重，进而在风险预警方面取得了良好效果;我国学者在度量系统性金融风险时，也侧重于运用金融机构维度指标构建综合指数，研究成果包括陶玲和朱迎（2016）[22]、屈剑峰（2020）[23]等。由此可见，降低金融机构风险是防范系统性金融風险的重要途径。

当前，结构性货币政策在逆周期调整方面力度持续加码，系统性金融风险防控效果逐渐显现。金融机构不仅是防范系统性金融风险的关键部门，更是结构性货币政策发挥效果的重要中介。结构性货币政策的实施和调整会影响金融机构信贷供给数量，从而改变其贷款决策。有学者指出，随着经济结构的深刻变革，金融机构的风险偏好和风险承担对货币环境的变化更为敏感（Borio和Zhu，2008）[24]，当预期未来可能出现流动性短缺导致金融市场流动性风险上升，金融机构会进一步调整资产配置和贷款决策（Taylor和Williams，2009）[25]。因此，学者们逐渐意识到，结构性货币政策的制定与金融机构风险之间的关系需要重新思考。

进一步地，学者们从多个角度研究了结构性货币政策对金融机构风险的影响：机制研究方面，货币政策对金融机构风险传导表现在估值效应、追逐收益效应、杠杆效应等机制上。扩张性货币政策使企业抵押品价值上升，在多种风险定价模型计算下，金融机构风险感知能力降低、风险偏好上升（Adrian和Shin，2009）[26];货币政策的调整会打破金融机构无风险收益与风险收益的平衡，为了追求更高的收益，金融机构会加大对风险资产的投资，引发机构经营风险上升（Peydro和Maddaloni，2010）[27];金融机构有固定或顺周期杠杆率目标，当前杠杆率监管水平不高，货币政策与其他宏观经济变化均会对金融机构杠杆率产生冲击（张强等，2013）[28]。实证检验方面，Altunbas 等（2009）[29]利用全球上市银行数据库，通过GMM方法分析了货币政策对商业银行贷款违约率的影响，研究发现货币政策并非完全中立，宽松的货币政策会增加银行冒险行为;周丹（2018）[30]构建PVAR模型探究货币政策对银行风险承担的异质性，发现不同类型的货币政策工具对银行风险承担效果不同，该效果还受银行自身规模和经济环境的影响;周晶和陶士贵（2019）[31]使用系统GMM证明了银行风险承担是结构性货币政策与银行利润效率的中介变量，即结构性货币政策通过提升银行风险承担意愿进而影响银行利润效率，并建议中央银行应加强金融机构的风险监管，提高货币政策调节的有效性。

通过梳理已有文献，学者们对结构性货币政策的内涵、传导机制、实施效果等方面研究较为深入，奠定了丰富理论基础。然而，对金融机构在结构性货币政策实施过程中的风险研究明显不足，研究对象大多局限于商业银行层面，缺乏对金融机构系统性、整体性的探究。同时，在研究方法上，鲜有研究基于货币政策动态调整的视角。因此，本文拟在这些方面进行深入探讨，通过理论分析结构性货币政策对金融机构的风险传导机制，结合使用TVP-VAR模型实证检验结构性货币政策与金融机构风险的动态关系，更为完整地考察我国结构性货币政策对金融机构风险的影响。

三、理论基础与传导机制

（一）结构性货币政策的理论基础

1. 结构性货币政策作用目标。宏观调控目标需要通过中介变量和复杂的传导渠道实现。我国货币政策的最终目标是保持物价稳定，并作用于调节投资、消费等实体经济活动。有别于传统货币政策在总量上调节流动性问题，结构性货币政策能够解决经济体系中各种结构性问题。发达经济体的结构性货币政策是设计并实施于经济危机时期，以缓解信用紧缩、提振市场，属于被动行为，而我国结构性货币政策属于主动调控，强调对经济矛盾精准施策。所以，我国结构性货币政策作用目标可以分为两种：一是“短板拉长”目标，即通过激励效应引导金融机构资金流向政策扶持领域，以缓解弱势地区、短板行业的融资困境，例如对三农、小微企业、节能环保等薄弱环节的金融支持;二是“长板压短”目标，即通过抑制效应调整资金流向，降低产能过剩、高债务杠杆等领域的信贷支持，例如对高消耗、高排放、产能过剩等劣质企业的资金支持，倒逼和引导产业结构调整。

2. 结构性货币政策工具运用分析。当前，中央银行正在积极推行创新型的结构性货币政策工具组合，以应对国内流动性总量盈余和结构短缺并存的情况，其中主要有定向降准、再贷款、常备借贷便利、抵押补充贷款等，不同工具作用实体经济领域的操作方式不尽相同。本文仅分析操作较为频繁、数据披露相对完整的四种工具的运用情况。

（1）常备借贷便利工具（SLF），2013年1月设立，目的是对金融机构提供1—3个月的信贷支持，由政策性银行和全国性商业银行向中央银行发起申请，以质押方式发放。SLF为金融机构提供了期限较长的大额流动性支持，提高短期利率的平稳性，增强金融机构防范流动性风险的能力。

（2）中期借贷便利工具（MLF），2014年9月设立，与SLF操作模式相似，期限分为3个月、6个月或1年，且只适用于符合国家审慎监管要求的商业银行和政策性银行。一方面，MLF属于中央银行发放的定向资金，可以为三农和小微企业等重点领域提供长期稳定的大额信贷资金，降低其融资成本;另一方面，由于MLF使用期限較长，可以有效避免金融机构的短期和长期行为，还能引导市场利率走向、发挥中期政策利率的作用。

（3）抵押补充贷款工具（PSL），2014年4月设立，以质押的方式为开发性和政策性金融机构提供3—5年期限的长期信贷支持。与SLF、MLF均由金融机构自主发起申请不同，PSL是以中央银行为发起主体，依据市场运行情况向金融机构在政府特定项目上提供流动性支持，如棚户区改造、重大水利工程等大型基建项目。同时在PSL发行过程中，中央银行持续调整利率水平，以便更好地引导中期利率水平，降低社会融资成本。

（4）定向降准工具，2014年4月设立，属于数量型结构性货币政策，在总量调节的基础上更注重结构性和指向性的“精准滴灌”，以存款准备金率为代表。中央银行使用定向降准工具对短板领域贷款达到一定规模的金融机构适当降低准备金，以引导市场变化和宏观经济发展。

图1为中央银行发行SLF、MLF和PSL的规模。总体上，结构性货币政策规模不断扩大，SLF、MLF和PSL三种工具与基础货币余额之比在2017年达到20%，2018年9月达到最高点约27.3%，充分体现出结构性货币政策在国家经济发展中的重要作用。

（二）结构性货币政策对金融机构的风险传导机制

传统的货币政策传导机制容易忽略经济主体的风险偏好行为，但在金融危机后，货币政策和金融风险的关系逐渐得到重视。根据Borio和Zhu（2008）[24]的理论研究，各国中央银行对货币政策的调控最先作用于金融机构，并给金融机构带来了相应风险，而金融机构对该风险的态度决定其贷款决策，进而影响货币政策目标的实现。结构性货币政策作为“区别对待、有保有压”的货币政策，其对实体经济的促进也是通过金融机构贷款行为实现的，结构性货币政策对金融机构的风险传导机制如图2所示，主要包括四个方面：

1.“信号公告—市场预期”。中央银行依据经济运行趋势和金融机构资本水平，向社会市场主体公告结构性货币政策工具和操作信息。除了社会公众会根据国家货币政策意图改变个体经济决策外，金融机构也会积极调整资产负债表，给予政策支持领域更多流动性以支持其经济发展。因此，在信号与市场预期传导过程中，如果中央银行存在对政策变动信息公开不足、披露不及时等现象，则会影响市场主体对经济的预期，从而增加金融机构决策风险，引起不必要的市场波动。

2.“银行信贷—定向支持”。中央银行推出的结构性货币政策工具都需要由商业银行具体执行，以便将信贷资金更多地分配到国家扶持领域。中央银行对满足民营或小微企业信贷使用量的商业银行给予更多贷款支持，从而引导银行信贷资金定向投放。此外，作为结构性货币政策“补短板”的重要传导机制会改变商业银行在各实体经济领域的信贷投放比例，而信贷资金流向高风险、低产能行业又会影响银行利润水平，加剧商业银行信贷危机的发生。

3.“利率水平—成本效益”。在市场经济条件下，金融机构和一般工商企业在理性决策和行为上都遵循成本效益原则，结构性货币政策同样考虑企业业务调整、存货变动、资本比例变化等微观效应。中央银行使用价格型工具改变金融机构的短期利率预期，降低其资金成本，同时利率水平下调能够降低结构性货币政策定向调控领域的融资成本，从而实现该领域经济增长与结构优化。而短期利率预期间接影响长期利率，大量金融机构易陷入价格下跌、市值缩水、经营风险增大等困境。

4.“风险缓释—风险承担”。经济结构中存在高风险、低收益的“短板”领域，金融机构往往限制向其提供贷款支持，使得经济结构性矛盾日益突出。结构性货币政策通过价格机制和政策组合要求金融机构特别是国有控股商业银行承担责任，对“短板”领域给予更多风险准备金。同时，中央银行对特定领域定向操作时，可以通过定向债转股和定向不良资产处置，将部分金融风险从实体经济向金融机构、资产管理公司转移，帮助“短板领域”降低风险。然而，金融机构间的风险转移容易构成“加速器”效应，助推系统性风险的传染。

依据上述分析，结构性货币政策会给金融机构带来一定风险，尤其是在引导流动性注入实体部门、降低社会融资成本，实现“短板拉长”和“长板压短”目标的过程中。因此，本文选取系统性金融风险指数刻画金融机构风险，采用TVP-VAR模型分析不同结构性货币政策工具与金融机构风险的动态关系，并基于实证结果提出相应的政策建议。

四、金融机构风险指数构建

（一）模型设定

近年来，关于系统性金融风险测度的研究越来越丰富，学者们构建了符合中国金融体系的系统性金融风险指数。其中，综合指数法备受学者青睐，该方法可以选择与金融风险高相关的指标构建综合指数，更好地判断系统性金融风险水平和发展趋势。同时，我国学者在度量系统性金融风险时，也侧重于运用金融机构维度指标构建综合指数，可见综合指数法对金融机构的风险测度同样具有适应性。因此，本文借鉴国内学者陶玲和朱迎（2016）[22]、屈剑峰（2020）[23]的成果，使用综合指数法的系统性金融风险指数模型设定金融机构风险指数，模型如下：

[FIRt=i=1nωiYit]     （1）

其中，[FIRt]为t时刻金融机构风险指数，[Yit]为t时刻第i个指标，ω为权重。

（二）变量选取

通过前文对风险传导机制的研究，结合我国结构性货币政策运用现状，本文从三个方面挑选衡量金融机构风险的基础指标：一是金融机构抵抗风险的能力，如金融机构存贷比、中长期贷款占比、商业银行不良贷款比例等;二是金融市场波动，如上市金融机构市值、公司规模、估值水平等变动;三是宏观经济运行情况，如经济运转效率、经济构成等。

本文金融机构风险基础指标见表1。数据时段为2015年1月至2019年12月，主要反映结构性货币政策实施后金融机构风险情况。数据来源于中国人民银行、国家统计局、中国银保监会和万得数据库。

（三）指数构建

本文使用Stata16进行主成分分析，對指标进行初步筛选，发现前三个主成分特征根均大于1，且累计方差贡献率大于85%，因此选取前三个主成分作为代表。接下来计算主成分对应得分，再使用方差贡献率作为权重进行汇总，最终构造出金融机构风险指数（见图3）。

由图3所示，2015年金融机构风险指数出现尖峰状突起，与何青等（2019）[32]使用主成分分析分位数回归法（PCQR）测算结果一致。这一年我国经历了股灾、e租宝和金融腐败等事件，使金融机构风险骤增，但在2015年下半年，随着人民币纳入SDR、利率市场化条件成熟和汇价机制调整等措施的实施，金融机构风险指数逐渐回落。2018年1月新金融工具会计准则（IFRS9）实施，改变了金融工具分类的思路和方法，更多金融资产投资变动列入当期损益科目，导致金融机构利润波动加剧，金融机构风险指数呈现小幅上升。2019年金融机构风险指数存在小幅波动，当局施策仍面临全球经济下行、关税壁垒冲突、地缘政治风险等诸多不确定因素。其余时间金融机构风险指数都明显低于0，说明结构性货币政策的创新实践取得阶段性成效。因此，该指数能够较好地刻画2015年后我国实施结构性货币政策对金融机构风险状况的影响。

五、基于TVP-VAR模型的实证分析

（一）模型设定

本文参照Nakajima等（2011）[33]设定的时变参数向量自回归模型（TVP-VAR），与传统VAR模型不同的是TVP-VAR模型能够刻画变量的时变特征，捕捉变量间的非线性关系，以表示不同阶段各个结构性货币政策工具对金融机构风险的动态冲击。

引入标准VAR模型：

[Ayt=F1yt-1+…+Fsyt-s+μt，t=s+1，…，n]   （2）

其中，[yt]是由观测变量构成的[k×1]向量，[A]、[F1，… ，Fs]是[k×k]的系数矩阵，[μt]是[k×1]的结构冲击扰动项。假定[μt～N0，ΣΣ]，其中：

[Σ=σ100σ2…0…0??00??…σk]

同时假定A为下三角矩阵：

[A=10a21  1  …0…0??ak1ak2??…1]

将模型（2）改写为：

[yt=B1yt-1+…+Bsyt-s+A-1Σεt]   （3）

其中，[Bi=A-1Fi]，[i=1，…，s]，[εt～N（0，Ik）]。然后，将堆积矩阵[Bi]写成[k2s×1]的向量[β]，并定义[Xt=Ik?（y't-1，…，y't-s）]，其中[?]为克罗内克积，从而可以将式（3）变形为：

[yt=Xtβ+A-1Σεt]           （4）

为满足时变性，将式（4）常数参数改写为随时间变动的动态变量，则进一步扩展为：

[yt=Xtβt+A-1tΣtεt]，[t=s+1，…，n] （5）

式（5）即TVP-VAR模型的表达形式，令[at=（a21，a31，a32，a41，…，ak，k-1）']为下三角矩阵[At]的堆叠向量，同时令[ht=（h1t，h2t，…，hkt）']，[hjt=logσ2jt，][j=1，2，…，]

[k，t=s+1，…，n]。假定式（5）所有参数服从以下随机游走过程：

[βt+1=βt+μβt]，[αt+1=αt+μαt]，[ht+1=ht+μht]

[εtμβtμαtμht～N0，IΣβΣαΣh]

其中，[t=s+1，…，n]，[βs+1～N（μβ0，Σβ0）]，[αs+1～N（μα0，Σα0）]，[hs+1～N（μh0，Σh0）]。

本文采用MCMC（Markov Chain Monte Carlo）方法對参数进行估计，借助Oxmetrics6.0与Nakajima 等（2011）[33]的TVP-VAR程序包进行计算。

（二）变量选取和处理

金融机构风险变量（FIR）依据上文指数测算，结构性货币政策变量的选取以定向降准工具、SLF、MLF、PSL四种工具为代表，按照工具操作特征分为数量型与价格型，具体计算方式见表2。考虑结构性货币政策起始时间，本文使用数据时段为2015年5月至2019年12月，数据来源于万得数据库。

（三）变量平稳性检验

在进行实证之前需要对各变量进行平稳性检验，以避免非平稳序列的“伪回归”情况。本文使用Eviews10对各变量进行一阶差分处理，并采用ADF检验其平稳性，检验结果见表3，可以看出各变量经一阶差分处理后均为平稳变量。一阶差分相当于对结构性货币政策工具变量与金融机构风险变量进行增量分析，符合本文的现实经济意义，因此本文使用一阶差分处理后的变量构建TVP-VAR模型。

表3：ADF检验

[变量 检验形式（C，T，L） ADF值 1%临界值 P值 是否平稳 DLNRRAD C，T，0 -8.0136 -4.1373 0.0000 是 DSLF C，T，0 -11.2779 -4.1373 0.0000 是 DMLF C，T，0 -6.1599 -4.1373 0.0000 是 DPSL C，T，0 -7.7229 -4.1373 0.0000 是 DFIR C，T，0 -7.1841 -4.1373 0.0000 是 ]

注：“D”表示原始变量进行了一阶差分处理;检验形式C、T、L分别表示ADF检验方程常数项、时间趋势和滞后阶数。

（四）模型参数估计结果

本文根据LR、FPE和AIC检验准则确定模型最优滞后阶数为2，并参照Nakajima等（2011）[33]的方法设置参数，使用MCMC算法迭代10000次。参数估计结果如表4所示，所有参数Geweke统计量均落在95%置信区间内，且无效因子最大值约为105，表明TVP-VAR模型的MCMC模拟取得了良好的估计效果。

（五）不同滞后期的时变脉冲响应分析

TVP-VAR模型可以运用变参数计算所有时点上各变量在不同滞后期的脉冲响应，因此本文选取滞后1期、滞后3期和滞后6期代表短期、中期和长期的时间约束，得到结构性货币政策工具对金融机构风险的时变脉冲响应结果（见图3）。其中实线、长虚线和短虚线分别表示滞后1期、滞后3期和滞后6期的时变脉冲响应曲线。

1. 定向降准对金融机构风险的时变脉冲响应（如图4第一行第一列）。定向降准工具对金融机构风险的影响短期效应显著为负且在不同时期表现稳定，但中长期效应显著为正且变动相近，均在2016年达到峰值后开始逐年减弱，而长期效应较中期效应递减速度更快，在2019年下半年长期脉冲响应已在0值附近波动。这表明定向降准工具作为总量调节的本质没有变化，能够快速释放流动性降低金融机构风险，增强金融服务实体经济的能力，而从中长期来看总量调节的弊端依然明显，对社会总量的调整难以具有针对性。不过2016—2020年期间，中央银行多次降准的目标集中于政策性金融机构，特别用于小微企业等薄弱环节的信贷投放。可见，随着存款准备金率的调整，定向降准能够逐步实现“精准滴灌”“对症下药”的结构性货币政策目标。

2. SLF对金融机构风险的时变脉冲响应（如图4第一行第二列）。SLF对金融机构风险的影响短期效应显著为正，而中长期效应在不同时期均为负向冲击。这是由于在部分时点SLF利率高于银行间同业拆借利率，且中央银行对SLF操作多集中在年末和年初，主要受季节性、临时性事件的影响，导致SLF实施过程中难以兼顾金融机构同业业务稳定。因此，即使SLF能够在中长期稳定利率波动，降低金融机构风险，中央银行施策时也应重点关注中小金融机构同业业务难以开展、同业存单贬值或抛售等风险，同时中央银行应与监管部门协同合作，密切监测市场运行情况，保持市场流动性合理充裕。

3. MLF对金融机构风险的时变脉冲响应（如图4第二行第一列）。MLF对金融机构风险的短中长期脉冲响应在不同时期均为正向冲击，而短期冲击明显低于中长期冲击且平稳保持在0.0001以下，中长期冲击也有逐渐回落的趋势。MLF的交易期限比SLF长，可以分为3个月、6个月或1年，具备更大的灵活性和可操作性，使中央银行能够做到收放自如。但从2016年以来我国面临经济下行压力、社会融资需求偏弱等困境，MLF对金融机构风险调节不足，仍存在较大操作空间。同时，LPR改革后，贷款基础利率和MLF存在联动机制，MLF投放量的调整最终都会影响贷款利率水平，因此，随着LPR新机制的日益成熟和完善，MLF还需适度调整和疏通“政策利率—LPR—信贷利率”的传导渠道，逐步降低金融机构风险的产生。

4. PSL对金融机构风险的时变脉冲响应（如图4第二行第二列）。PSL对金融机构风险的短期脉冲响应显著为正，中长期为负，其中短中期冲击在不同时期表现平稳，而长期冲击在2016年8月开始有明显的降低趋势。由于PSL期限长达3—5年，对货币市场的宽松效应需要一段时间后才能显现，所以PSL对金融机构风险短期效应还需进一步探讨。但从中长期来看，PSL对金融机构风险的抑制效应显著，这是因为中央银行在发行PSL时能够有意识地调整利率水平，并且能够提供大额、稳定的融资以支持国民经济重点领域。另外，中央银行在PSL投放时采用质押形式，拥有合格抵押品例如高等级债券资产和优质信贷资产的金融机构其本身就拥有较强的抗风险能力。同时，近年来PSL的投放规模逐渐增加，有助于强化政策性金融机构在经济转型升级与逆周期调节过程中的重要功能。

（六）不同时点的时变脉冲响应分析

根据近年中央银行发行结构性货币政策的规模，本文选择2015年6月、2017年6月和2019年6月作为代表性的观测点，表示中央银行使用结构性货币政策的初级阶段、增长阶段和稳定阶段，并对三个时点进行时变脉冲响应分析，结果如图5所示。

由图5可以看出，首先，在2015年6月定向降准、SLF、MLF和PSL四种工具对金融机构风险的脉冲响应显著为0，这是因为在结构性货币政策投放初期，中央銀行正处于工具操作的探索和学习阶段，其发行规模较低、调整次数较少，对金融机构风险的影响暂未显现。其次，定向降准和MLF在2017年6月与2019年6月的脉冲响应函数的变化趋势基本一致，均从负值逐渐增大，在短期内达到峰值后缓慢减小并趋于0，且2019年6月的冲击降速快于2017年6月，对图4不同滞后期定向降准和MLF对金融机构风险的脉冲响应形成良好的补充说明。这表明，在结构性货币政策工具稳定投放时期，定向降准和MLF对金融机构风险的正效应逐渐降低，中央银行结构性货币政策对金融机构风险的抑制是一个逐步调整、完善的过程。最后，SLF和PSL在2017年6月与2019年6月的脉冲响应函数波动明显，多数时期呈负效应，少数时期呈正效应。总体而言，无论是在结构性货币政策投放增长阶段还是稳定阶段，SLF和PSL均对降低金融机构风险的作用明显，但需要注意的是，即使在政策投放稳定阶段，SLF和PSL对金融机构风险的冲击仍存在部分时期的正向效应，所以中央银行应更加注重SLF和PSL投放数量的匹配，切实引导资金在特定领域的使用。

六、结论与政策建议

本文在分析结构性货币政策对金融机构的风险传导机制基础上，运用TVP-VAR模型进一步探讨了结构性货币政策对金融机构风险的时变冲击关系。得出结论如下：第一，数量型结构性货币政策工具与价格型结构性货币政策工具均对金融机构风险产生较为明显的冲击，但不同工具的作用方向存在差异。第二，从短期效应来看，不同时期定向降准工具对金融机构风险存在稳定的负向冲击，而SLF、MLF和PSL工具对金融机构风险的冲击表现为正向。第三，从中长期效应来看，定向降准和MLF工具对金融机构风险的冲击表现为正向，但呈收敛趋势，而SLF和PSL工具在不同时期均为负向效应。第四，从不同时点的时变脉冲响应来看，在结构性货币政策实施的稳定阶段，定向降准和MLF对金融机构风险的正效应逐渐降低，SLF和PSL对金融机构风险的负效应时期居多，但仍存在部分正效应时期。

综上，数量型结构性货币政策对金融机构风险的抑制效应优于价格型;定向降准在短期对金融机构风险的抑制效应显著，SLF和PSL在中长期对金融机构风险的抑制效应显著;近年结构性货币政策对金融机构风险抑制效应优于执行初期。为此，本文提出以下政策建议：

第一，健全中央银行与市场沟通机制，拓宽多部门金融监管渠道。一方面，在实施结构性货币政策前，中央银行应加强宣传和实地对接，提高政策的透明度，做好窗口指导工作，保持政策调控目标与市场经济目标的一致性;政策实施后，中央银行应强化指引力度，金融机构也需要及时向社会传达，合理引导公众的市场预期，避免引起市场波动。另一方面，中央银行应与相关监管部门协同，加强资金监管和约束，及时跟踪资金流向，同时应健全监管框架，补充对“短板”领域支持的相关制度;金融机构还应改善信贷风险的度量方法，并设置有效的内部控制机制以应对各类风险的产生。

第二，优化政策组合与执行节奏，适应市场经济体制新发展。一方面，在世界趋于零利率的背景下，“稳中求进”的总体基调仍要求中央银行坚持把握不同货币政策工具的执行时机，以保持宏观经济“中性适度”的目标。结构性货币政策应与总量货币政策相适应，形成总量调控目标和结构性调控目标相互协调配合的有效系统;结构性货币政策的使用存在指向性和特殊性，需要相应配套措施提供有效保障，可以说，结构性货币政策的效果体现在与其他政策协同的广度和深度上。另一方面，随着利率市场化的进程加快，中央银行要适度使用结构性货币政策调节市场经济，尊重市场规律、重视市场机制。

参考文献：

[1]罗志如，范家骧，厉以宁，胡代光.当代西方经济学说（上）[M].北京：北京大学出版社，1989.

[2]布赖恩·摩根.货币学派和凯恩斯学派[M].北京：商务印书馆，1984.

[3]Mc Andrews J，Sarkar A，Wang Z. 2008. The Effect of the Term Auction Facility on the London Inter Bank Offered Rate [R].FRB of New York Staff Report，（335）.

[4]Fleming M J，Hrung W B，Keane F M. 2010. Repot Market Effects of the Term Securities Lending Facility[R].FRB of New York Staff Report，（426）.

[5]付俊文，赵红.我国窗口指导货币政策工具的理论与实践 [J].中央财经大学学报，2008，（9）.

[6]Baumeister C，Benati L. 2010. Unconventional Monetary Policy and the Great Recession-Estimating the Impact of a Compression in the Yield Spread at the Zero Lower Bound [J].Working Paper Series，9（2）.

[7]Michael D. Bauer，Christopher J. Neely.  2014. International Channels of the Fed's Unconventional Monetary Policy [J].Journal of International Money and Finance，  44.

[8]Churm R，Joyce M et al. 2015. Unconventional Monetary Policies and the Macroeconomy：The Impact of the United Kingdom's QE2 and Funding for Lending Scheme [J].SSRN Electronic Journal.

[9]杨春蕾.金融危机后央行货币政策工具创新及“缩表”的中美比较 [J].世界经济与政治论坛，2017，（6）.

[10]Cúrdia，Vasco，Woodford M. 2011. The central-bank Balance Sheet as an Instrument of Monetarypolicy [J].Journal of Monetary Economics，（58）.

[11]Albertazzi U，Nobili A，Signoretti F M. 2016. The Bank Lending Channel of Conventional and Unconventional Monetary Policy [J].Social Science Electronic Publishing.

[12]胡育蓉，范从来.结构性货币政策的运用机理研究 [J].中国经济问题，2017，（5）.

[13]Joyce M，Miles D et al. 2012. Quantitative Easing and Unconventional Monetary Policy-an Introduction [J].The Economic Journal，122（564）.

[14]Swanson E T. 2016. Measuring the Effects of Unconventional Monetary Policy on Asset Prices [J].Journal Economía Chilena，19（2）.

[15]Hanisch，Max. 2017. The Effectiveness of Conventional and Unconventional Monetary Policy：Evidence from a Structural Dynamic Factor Model for Japan [J].Journal of International Money and Finance，（70）.

[16]彭俞超，方意.結构性货币政策、产业结构升级与经济稳定 [J].经济研究，2016，51，（7）.

[17]余振，顾浩，吴莹.结构性货币政策工具的作用机理与实施效果——以中国央行PSL操作为例 [J].世界经济研究，2016，（3）.

[18]潘敏，刘姗.中央银行借贷便利货币政策工具操作与货币市场利率 [J].经济学动态，2018，（3）.

[19]Financial Stability Board. 2009. Guidance to Assess the Systemic Importance of Financial Institutions，Markets and Instruments：Initial Considerations [R].FSB.

[20]Billio M，Getmansky M et al. 2010. Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors [J].NBER Working Papers，104（3）.

[21]Hollo D，Kremer M，Duca M L. 2012. CISS-A Composite Indicator of Systemic Stress in the Financial System [J].SSRN Electronic Journal，1（3）.

[22]陶玲，朱迎.系统性金融风险的监测和度量——基于中国金融体系的研究 [J].金融研究，2016，（6）.

[23]屈剑峰.基于综合指数法的金融系统性风险测度 [J].会计之友，2020，（2）.

[24]Borio C，Zhu H. 2008. Capital Regulation，Risk-Taking and Monetary Policy：A Missing Link in the Transmission Mechanism？ [J].BIS Working Papers，8（4）.

[25]Taylor J B，Williams J C. 2009. A Black Swan in the Money Market [J].American Economic Journal：Macroeconomics，1（1）.

[26]Tobias Adrian，Hyun Song Shin.  2009. Money，Liquidity，and Monetary Policy [J].American Economic Review，99（2）.

[27]Peydro J L，Maddaloni A. 2010. Bank Risk-Taking，Securitization，Supervision，and Low Interest Rates：Evidence from Lending Standards [J].SSRN Electronic Journal，24（6）.

[28]张强，乔煜峰，张宝.中国货币政策的银行风险承擔渠道存在吗？ [J].金融研究，2013，（8）.

[29]Altunbas Y，Gambacorta L，Marques-Ibanez D. 2009. An Empirical Assessment of the Risk-Taking Channel [J].Social Science Electronic Publishing.

[30]周丹.我国货币政策与商业银行风险承担[D].华东交通大学，2018.

[31]周晶，陶士贵.结构性货币政策对中国商业银行效率的影响——基于银行风险承担渠道的研究 [J].中国经济问题，2019，（3）.

[32]何青，钱宗鑫，刘伟.中国系统性金融风险的度量——基于实体经济的视角[J].金融研究，2018，（4）.

[33]Nakajima J，Kasuya M，Watanabe T. 2011. Bayesian Analysis of Time-Varying Parameter Vector Autoregressive Model for the Japanese Economy and Monetary Policy [J].Journal of the Japanese&International Economies，25（3）.

Structural Monetary Policy and the Risk of Financial Institutions

——An Empirical Study Based on TVP-VAR Model

He Jian/Zhu Lin/Zheng Zhiyong

（Shihezi University，Shihezi   832000，Xinjiang   China）

Abstract：China's structural monetary policy tools have become increasingly rich since 2013. While realizing the function of macro structural adjustment，it has also triggered a heated discussion on the risk impact of financial institutions. Based on the analysis of the risk transmission mechanism of structural monetary policy to financial institutions，this paper uses TVP-VAR model to test the time-varying impact of structural monetary policy on the risk of financial institutions. The results show that the quantitative structural monetary policy has a better inhibition effect on the risk of financial institutions than the price type;the directional reduction has a significant inhibition effect on the risk of financial institutions in the short term，while SLF and PSL have a significant inhibition effect on the risk of financial institutions in the medium and long term;in recent years，the structural monetary policy has a better inhibition effect on the risk of financial institutions than the initial implementation. Therefore，in order to effectively resolve the risks of financial institutions while achieving the goal of economic restructuring，monetary authorities should work together in the aspects of "improving the communication mechanism between the central bank and the market， broadening the channels of multi sector financial supervision" and "optimizing the combination and implementation rhythm of policies to adapt to the new development of market economy system".

Key Words：structural monetary policy，financial institution risk，TVP-VAR model

收稿日期：2020-05-23    修回日期：2020-05-31

基金项目：国家自然科学基金项目“宏观审慎政策与货币政策协同向实效应研究”（71863031）;石河子大学兵团金融发展研究中心资助项目“金融服务新疆实体经济发展的能效研究”（ZZZC201843A）。

作者简介：何剑，男，石河子大学经济与管理学院教授，博士生导师，研究方向为金融理论与政策;祝林，男，石河子大学经济与管理学院，研究方向为金融理论与政策;郑智勇，男，石河子大学经济与管理学院博士研究生，研究方向为金融风险管理。