安平 王勝先

摘 要：“擔(dān)保類表外融資”是中國影子銀行的重要組成部分。本文通過構(gòu)建數(shù)據(jù)集，研究擔(dān)保類表外融資周期波動的內(nèi)在機(jī)制。研究發(fā)現(xiàn)：首先，與發(fā)達(dá)國家不同，中國商業(yè)銀行的擔(dān)保類表外融資業(yè)務(wù)與普通貸款存在穩(wěn)定的替代關(guān)系。任何影響銀行信貸的沖擊，都會間接對擔(dān)保類表外融資產(chǎn)生作用相反的影響。其次，合意貸款政策間接造成了擔(dān)保類表外融資業(yè)務(wù)的超常增長，而非“存準(zhǔn)率”、“貸存比”等傳統(tǒng)監(jiān)管約束。最后，擔(dān)保類表外融資業(yè)務(wù)還受經(jīng)濟(jì)波動、業(yè)務(wù)風(fēng)險與收益、銀行經(jīng)營水平和市場信用度等因素的影響。

關(guān)鍵詞：影子銀行；擔(dān)保類表外融資；合意貸款政策

中圖分類號：F830.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-2265（2018）02-0018-11

DOI：10.19647/j.cnki.37-1462/f.2018.02.003

一、引言

近年關(guān)于中國影子銀行的研究，主要集中于理財產(chǎn)品、信托貸款和委托貸款。但一個重要組成部分——擔(dān)保類表外融資業(yè)務(wù)（含銀行承兌匯票、信用證、保函），卻因數(shù)據(jù)可得性問題被忽視了。一方面，此類業(yè)務(wù)占比較大。將社會融資規(guī)模各組成部分的月度平均占比，分為金融危機(jī)前（2002—2008年）和金融危機(jī)后（2009—2015年）兩個時期，對比發(fā)現(xiàn)：委托貸款占比由危機(jī)前的4.78%提高到危機(jī)后的10.5%；未貼現(xiàn)銀行承兌匯票占比由危機(jī)前的3.30%提高到危機(jī)后的4.34%；信托貸款占比則由危機(jī)前的3.45%微降至危機(jī)后的3.34%。此外，信用證和保函也具有類似業(yè)務(wù)屬性。所以，如果考慮全部的擔(dān)保類表外融資業(yè)務(wù)，我國影子銀行規(guī)模將更大。

另一方面，此類業(yè)務(wù)風(fēng)險傳導(dǎo)迅速，會對金融部門造成較大壓力。擔(dān)保類表外融資業(yè)務(wù)的核心特征是“以銀行信用替代商業(yè)信用”，從而將企業(yè)風(fēng)險與銀行直接關(guān)聯(lián)。在此背景下，擔(dān)保類表外融資業(yè)務(wù)的擴(kuò)張，勢必會加速風(fēng)險由實體經(jīng)濟(jì)部門向金融部門的傳導(dǎo)。

綜上所述，研究擔(dān)保類表外融資業(yè)務(wù)具有重要的理論和現(xiàn)實意義，所以本文嘗試填補(bǔ)這一研究空白。

二、相關(guān)文獻(xiàn)

（一）關(guān)于中國影子銀行

關(guān)于中國影子銀行的研究可分為三類，但缺乏擔(dān)保類表外融資業(yè)務(wù)的研究。第一類是介紹性的論文，如Li （2014）、Barth等（2015）、Elliott等（2015）、Lu等（2015）、Jiang（2016）。這些研究對中國影子銀行的規(guī)模、結(jié)構(gòu)等做了一般性的描述，還較為系統(tǒng)地分析了中國影子銀行的成因及其潛在風(fēng)險。第二類研究集中于中國影子銀行對宏觀經(jīng)濟(jì)的影響。Wang等（2016）研究了中國影子銀行的福利意義；Li等（2014）研究了中國影子銀行的風(fēng)險問題。第三類研究只針對某一種影子銀行。Acharya等（2016）、Hachem和Song（2016）研究理財產(chǎn)品；Allen等（2015）、Chen等（2016）研究委托貸款；Dang等（2015）研究信托貸款。

（二）銀行表外業(yè)務(wù)發(fā)展理論

20世紀(jì)80年代，學(xué)者開始研究美國商業(yè)銀行表外業(yè)務(wù)發(fā)展的原因。最先提出了“規(guī)避監(jiān)管說”（Pennacchi，1987；Pavel和Phillis，1987；Baer和Pavel，1987），該理論認(rèn)為存款保險費、資本充足率及準(zhǔn)備金是商業(yè)銀行的“監(jiān)管稅”，銀行為了規(guī)避它們而開展表外業(yè)務(wù)，但是用美國數(shù)據(jù)所做的實證研究并不支持該理論（Benveniste和Berger，1987；Koppenhaver，1989；Jagtiani，1995a）。于是提出“道德風(fēng)險說”（Pyle，1985；Avery和Berger，1988），該理論認(rèn)為在繳納存款保險費一定的情況下，銀行提高杠桿（即擴(kuò)大或有債務(wù)類中間業(yè)務(wù)），就相當(dāng)于增加收益。按此思路，風(fēng)險越高的銀行越有可能擴(kuò)大表外業(yè)務(wù)，彌補(bǔ)表內(nèi)業(yè)務(wù)的風(fēng)險損失。Dionne和Harchaoui（2003）利用加拿大銀行的數(shù)據(jù)進(jìn)行研究，支持了該理論。

20世紀(jì)90年代后，Boot和Thakor（1991）提出“分散風(fēng)險說”，他們認(rèn)為貸款承諾業(yè)務(wù)因能有效降低銀行資產(chǎn)整體風(fēng)險而發(fā)展。該理論得到了美國（Angbazo，1997）和加拿大（Calmès和Théoret，2010）數(shù)據(jù)的支持。Avery和Berger（1991）、Jagtiani（1996a）提出“市場力量說”，認(rèn)為大型銀行和具有更高信用地位的銀行能更多地開展表外業(yè)務(wù)。Jagtiani等（1995b，1996b）又提出“規(guī)模經(jīng)濟(jì)說”，認(rèn)為銀行表內(nèi)和表外業(yè)務(wù)因成本互補(bǔ)而能互相促進(jìn)。Fung和Cheng（2004）利用中國香港的數(shù)據(jù)支持了該理論，但他們認(rèn)為是信息互補(bǔ)帶來規(guī)模經(jīng)濟(jì)，而非成本互補(bǔ)。

2000年后，發(fā)展中國家商業(yè)銀行大力發(fā)展表外業(yè)務(wù)，相關(guān)研究也轉(zhuǎn)移至這些地區(qū)。該時期的研究主要集中于實證檢驗：Nachane和Ghosh（2002、2007）使用印度銀行數(shù)據(jù)支持了“規(guī)避監(jiān)管說”、“市場力量說”和“道德風(fēng)險說”，還發(fā)現(xiàn)經(jīng)濟(jì)周期有重要影響。Khasawneh和Hassan（2010）使用中東—北非國家的銀行數(shù)據(jù)支持了“規(guī)模效應(yīng)說”、“市場力量說”和“分散風(fēng)險說”，也認(rèn)為經(jīng)濟(jì)周期有顯著影響。Elian（2012）使用海灣國家的銀行數(shù)據(jù)支持了“市場力量說”，但未發(fā)現(xiàn)經(jīng)濟(jì)周期有影響。Perera等（2014）使用南亞四國的銀行數(shù)據(jù)支持了“規(guī)避監(jiān)管說”。但是，迄今缺乏使用中國數(shù)據(jù)進(jìn)行的理論檢驗。

三、典型事實與制度背景

由于國內(nèi)缺乏對擔(dān)保類表外融資業(yè)務(wù)的權(quán)威統(tǒng)計，所以本文使用具有代表性的區(qū)域數(shù)據(jù)加以研究。本文對比了青島市與全國層面的主要宏觀經(jīng)濟(jì)、金融指標(biāo)，發(fā)現(xiàn)它們的變動趨勢非常相似，說明青島市的經(jīng)濟(jì)金融環(huán)境較為典型，可以在一定程度上代表全國情況。在此基礎(chǔ)上本文認(rèn)為，青島市的擔(dān)保類表外融資業(yè)務(wù)的周期波動特征也能夠在一定程度上代表全國情況。使用區(qū)域數(shù)據(jù)集還有一個潛在優(yōu)勢：即合意貸款政策對青島市的商業(yè)銀行是完全外生的，這有助于做出因果推斷。

從青島市的商業(yè)銀行每月開立的銀行承兌匯票、信用證和保函的周期數(shù)據(jù)可以發(fā)現(xiàn)以下明顯的波動特征：2008—2010年，三種業(yè)務(wù)月均發(fā)放規(guī)模低于趨勢；2011—2014年，三種業(yè)務(wù)月均發(fā)放規(guī)模陡然增加，持續(xù)高于趨勢；2015—2016年，三種業(yè)務(wù)月均發(fā)放規(guī)模再次掉頭向下，持續(xù)低于趨勢。具體數(shù)值如圖2—4中的水平實線所示。

是什么原因?qū)е聯(lián)ｎ惐硗馊谫Y業(yè)務(wù)出現(xiàn)上述波動特征呢？按照目前對我國影子銀行成因的解釋：應(yīng)該是資本充足率、貸存比或者存款準(zhǔn)備金率發(fā)生了變化，但事實并非如此。首先，2015—2016年銀行面臨的資本充足率要求顯著高于前期，但是擔(dān)保類表外融資在此期間卻出現(xiàn)了下降。其次，2008—2010年銀行貸存比約束明顯嚴(yán)于后期，但是擔(dān)保類表外融資在此期間卻出現(xiàn)了下降。最后，2008—2010年的存款準(zhǔn)備金率略低于2015—2016年的水平，但是擔(dān)保類表外融資在前一時期要顯著高于后一時期。

既然傳統(tǒng)監(jiān)管政策難以解釋，又考慮到超常增長發(fā)生于2011—2014年，自然聯(lián)想到中國人民銀行于2011年開始引入的一項宏觀審慎政策工具——合意貸款政策。根據(jù)2014年第3季度《中國貨幣政策執(zhí)行報告》的表述，“所謂‘合意貸款，實際就是指差別準(zhǔn)備金動態(tài)調(diào)整機(jī)制，其核心內(nèi)容是指金融機(jī)構(gòu)適當(dāng)?shù)男刨J投放應(yīng)與其自身的資本水平以及經(jīng)濟(jì)增長的合理需要相匹配……以此來抑制金融擴(kuò)張的順周期波動，防范系統(tǒng)性風(fēng)險積累，保障金融支持實體經(jīng)濟(jì)的可持續(xù)性?！彪S著中國經(jīng)濟(jì)增長進(jìn)入“新常態(tài)”，2014年11月19日召開的國務(wù)院常務(wù)會議決定進(jìn)一步采取有力措施，緩解企業(yè)融資成本高的問題，明確提出改進(jìn)合意貸款管理。因此，自2015年起，該政策名存實亡，直到2016年被宏觀審慎評估體系（MPA）所取代。

四、理論模型與命題提出

為論證擔(dān)保類表外融資波動背后的經(jīng)濟(jì)機(jī)制，并推導(dǎo)出可被實證檢驗的理論假設(shè)，本文構(gòu)建一個引入合意貸款政策約束的比較靜態(tài)模型。通過比較不同政策環(huán)境下的最優(yōu)解，確定合意貸款政策促進(jìn)擔(dān)保類表外融資發(fā)展的前提條件，并證明合意貸款政策的決定性作用。

為避免模型誤設(shè)問題（Jagtiani等，1995b；Casu和Girardone，2005），假設(shè)中國的商業(yè)銀行具有CES形式的業(yè)務(wù)規(guī)模函數(shù)：

現(xiàn)在考慮增加合意貸款政策后，兩種情況下的最優(yōu)解。商業(yè)銀行每月從監(jiān)管部門得到一個測算好的合意信貸規(guī)模，所以，可將其視為一種“隱性”的信貸規(guī)模約束。從而，合意貸款政策約束可以寫為[y≤C]，其中[C]為監(jiān)管部門計算出的合意貸款規(guī)模。此時，商業(yè)銀行的優(yōu)化問題變?yōu)椋?/p>

如前所述，考慮約束條件以等式成立的情況，此時三個約束條件聯(lián)立就已經(jīng)決定了三個選擇變量[x]、[y]、[d]的最優(yōu)解：

需要指出的是，在情況（1）[ρ→0]時，（11）、（12）兩式未必相等；而在情況（2）當(dāng)[ρ→-∞]時，（11）、（12）兩式必然相等，即[x*r=y*r=C]成立。

比較兩種政策環(huán)境下的最優(yōu)解表達(dá)式，首先發(fā)現(xiàn)，引入合意貸款政策后，傳統(tǒng)的“存款準(zhǔn)備金率”（由參數(shù)[θ]表示）和“貸存比”（由參數(shù)[R]表示）約束已無影響。同時，“最低資本充足率”約束（由參數(shù)[δ]表示）在此次金融危機(jī)以后基本沒有變化。所以，合意貸款政策此時可被視為商業(yè)銀行面臨的唯一有效的政策性約束?；谏鲜鲇懻?，得到本文的第一個命題：

命題1：不論參數(shù)[ρ]的取值如何，只要最低資本充足率不變，則合意貸款政策是唯一影響擔(dān)保類表外融資最優(yōu)規(guī)模和表內(nèi)信貸最優(yōu)規(guī)模的監(jiān)管約束。

命題1的實證含義是，合意貸款政策應(yīng)該能夠解釋擔(dān)保類表外融資在2011—2014年間絕大部分的超常增長。顯然，使用高頻數(shù)據(jù)（如月度數(shù)據(jù)）測算這一數(shù)量效應(yīng)效果會更好，因為最低資本充足率不會每月變化，但是合意貸款政策卻是按月核定的。

此外，基于參數(shù)[ρ]的不同取值，比較兩種不同政策環(huán)境下的擔(dān)保類表外融資最優(yōu)規(guī)模，可以得到本文的第二個命題（證明過程備索）：

命題2a：當(dāng)[ρ→0]，兩種業(yè)務(wù)呈替代關(guān)系時，若為了穩(wěn)定物價，給過熱的宏觀經(jīng)濟(jì)降溫，施加[y*r=Cx*]成立，即擔(dān)保類表外融資出現(xiàn)增長。

命題2b：當(dāng)[ρ→-∞]，兩種業(yè)務(wù)呈互補(bǔ)關(guān)系時，若為了穩(wěn)定物價，給過熱的宏觀經(jīng)濟(jì)降溫，施加[y*r=C

由上述命題可知，合意貸款政策促進(jìn)擔(dān)保類表外融資增長，依賴于兩個前提條件：（1）銀行表內(nèi)信貸業(yè)務(wù)與擔(dān)保類表外融資業(yè)務(wù)存在替代關(guān)系；（2）核定的合意貸款規(guī)模低于沒有此項約束時商業(yè)銀行的最優(yōu)表內(nèi)信貸規(guī)模。其實證含義是，只有兩個條件同時成立，才能從因果關(guān)系上確定本文提出的機(jī)制是正確的。

五、數(shù)據(jù)描述與實證結(jié)果

（一）變量和計量方法選取

本文將集中研究受合意貸款政策影響明顯的中資商業(yè)銀行，從而排除三家政策性銀行和外資商業(yè)銀行。具體選擇的銀行如表1所示。數(shù)據(jù)時間跨度為2008年6月至2016年3月（共94個時點）。數(shù)據(jù)的起始和終止時點是作者收集數(shù)據(jù)所能達(dá)到的最長時間跨度。從國際上看，該時段包含了2008年全球金融危機(jī)、2010年歐債危機(jī)、以國際油價下行為主要標(biāo)志的“全球金融市場動蕩期”；從國內(nèi)范圍看，該時段包含了“四萬億”財政刺激計劃、合意貸款政策的實施和淡化、中國經(jīng)濟(jì)由高速增長邁入“新常態(tài)”的全過程，從而有效囊括了宏觀經(jīng)濟(jì)和金融部門的周期性行為。需要說明的是，由于一些城市商業(yè)銀行在2008年6月后才在青島市設(shè)立分支機(jī)構(gòu)，所以本文的面板數(shù)據(jù)集是非平衡的②。

其次，確定納入計量模型的指標(biāo)和具體變量：（1）時序數(shù)據(jù)集。如表2所示，共三類指標(biāo)，前兩類指標(biāo)均使用青島市數(shù)據(jù)，GDP和社會零售品消費總額數(shù)據(jù)頻度為季度，為了保證研究擁有更高的數(shù)據(jù)頻度，本文使用Litterman數(shù)據(jù)頻度轉(zhuǎn)換法，將季度數(shù)據(jù)轉(zhuǎn)化為月度數(shù)據(jù)，主要經(jīng)濟(jì)政策屬于全國性指標(biāo)，本文使用時間虛擬變量加以表示。（2）面板數(shù)據(jù)集。如表3所示，共五類指標(biāo)。

選擇前四類指標(biāo)的原因是根據(jù)本文理論模型，商業(yè)銀行開展擔(dān)保類表外業(yè)務(wù)要權(quán)衡收益與風(fēng)險。現(xiàn)實中，商業(yè)銀行開展擔(dān)保類表外業(yè)務(wù)主要有兩方面收益：一是直接帶來手續(xù)費收入；二是要求客戶交納保證金，帶動保證金存款增長，優(yōu)化存貸比指標(biāo)。因為難以直接衡量風(fēng)險，所以本文選取各家銀行的擔(dān)保類表外業(yè)務(wù)“風(fēng)險敞口”余額加以衡量。需要說明的是，如果銀行認(rèn)為辦理擔(dān)保類表外業(yè)務(wù)的客戶風(fēng)險較小，就會降低保證金比例，從而提高風(fēng)險敞口。因此，“風(fēng)險敞口”是擔(dān)保類表外業(yè)務(wù)風(fēng)險的反向測度。綜上所述，上述三個變量的待估系數(shù)符號預(yù)期為正。

另外，根據(jù)本文所要研究的問題和已有的各種理論假說，與表內(nèi)信貸業(yè)務(wù)有關(guān)的收益和風(fēng)險要素也要加以考慮。如果“道德風(fēng)險說”是成立的，那么衡量表內(nèi)信貸業(yè)務(wù)風(fēng)險的“不良貸款率”和“貸款損失準(zhǔn)備”變量的待估系數(shù)符號應(yīng)該顯著為正。由于不同的銀行規(guī)模、信譽(yù)、經(jīng)營地域范圍也會對擔(dān)保類表外業(yè)務(wù)的開展造成影響，所以銀行個體屬性的差異需要加以控制。如果“市場力量說”是成立的，那么衡量銀行信譽(yù)的“資產(chǎn)利潤率”待估系數(shù)符號應(yīng)該顯著為正，衡量銀行規(guī)模的“所有制類型”和衡量經(jīng)營范圍的“地域類型”的待估系數(shù)符號應(yīng)該顯著為負(fù)。

在計量方法上，本文沒有采取Jagtiani等（1995a）將表外業(yè)務(wù)模型化為logistic學(xué)習(xí)過程的方法。因為擔(dān)保類表外融資不屬于創(chuàng)新性表外業(yè)務(wù)，不存在學(xué)習(xí)過程。

對于時序數(shù)據(jù)，本文選取VAR模型測算合意貸款政策的數(shù)量效應(yīng)，并利用脈沖響應(yīng)圖研究“表內(nèi)信貸”和“擔(dān)保類表外融資”兩類業(yè)務(wù)間的動態(tài)關(guān)系。對于面板數(shù)據(jù)，因為時期數(shù)T=94遠(yuǎn)大于截面?zhèn)€數(shù)N=21，屬于典型的Time-Series-Cross-Section數(shù)據(jù)，所以本文遵循Beck（2008）的建議，從時間和截面兩個維度進(jìn)行分析。

從時間維度看，因為變量間存在動態(tài)關(guān)系，故模型設(shè)定應(yīng)采取自回歸分布滯后模型（下文簡稱ADL）。而且ADL模型很容易轉(zhuǎn)換為誤差修正模型（下文簡稱ECM），從而可以同時對核心變量之間的長期均衡關(guān)系和短期動態(tài)關(guān)系進(jìn)行統(tǒng)計推斷。從截面維度看，研究中遇到的主要問題一是個體截距項的異質(zhì)問題（通常由固定效應(yīng)方法進(jìn)行處理）；二是個體擾動項之間的當(dāng)期相關(guān)問題（通常由SUR方法進(jìn)行處理）。使用ADL模型設(shè)定并添加個體差異截距項，也就是所謂的LSDV方法，已被證明在時期數(shù)較少的情況下是有偏估計（Nickell，1981）。但是Judson和Owen（1999）、Beck和Katz（2004）通過Monte Carlo模擬發(fā)現(xiàn)：實際應(yīng)用中，若時期數(shù)滿足T≥30，則可直接使用LSDV方法。因此本文將LSDV作為面板數(shù)據(jù)估計的基本方法。

然而實際操作中，考慮了個體異質(zhì)性的LSDV方法往往不能同時解決個體擾動項之間的相關(guān)問題。因此Beck和Katz（2011）提出，運(yùn)用LSDV方法應(yīng)輔以PCSE標(biāo)準(zhǔn)誤，以修正個體擾動項相關(guān)帶來的推斷偏誤。同樣，使用SUR方法也應(yīng)輔以PCSE標(biāo)準(zhǔn)誤，以修正個體異質(zhì)性帶來的推斷偏誤。最后，因為ADL模型可以轉(zhuǎn)化為ECM形式，本文還估計了ECM模型，為LSDV和SUR估計結(jié)果提供穩(wěn)健性檢驗。

（二）合意貸款政策的數(shù)量效應(yīng)

根據(jù)本文的時序數(shù)據(jù)集，考慮構(gòu)建如下的VAR模型：

模型將擔(dān)保類表外融資、表內(nèi)信貸業(yè)務(wù)、GDP和物價水平視為內(nèi)生變量；將合意貸款政策、“四萬億”計劃以及人民幣有效匯率指數(shù)等國家層面的政策變量作為外生變量。需要說明的是，由于本文重點研究合意貸款政策，所以對于物價水平這一政策目標(biāo)的衡量需要進(jìn)行穩(wěn)健性檢驗。本文采取的檢驗方式是分別使用CPI和PPI作為物價水平變量進(jìn)行回歸。

根據(jù)平穩(wěn)性檢驗結(jié)果，將變量轉(zhuǎn)化為平穩(wěn)形式放入模型，并根據(jù)信息準(zhǔn)則選擇3期最優(yōu)滯后。其經(jīng)濟(jì)含義是：占擔(dān)保類表外融資主體的銀行承兌匯票和信用證，其期限一般是3—6個月，因此3個月是這些業(yè)務(wù)的周期或者半周期。

確定上述建模要素以后，回歸結(jié)果如表4所示。限于篇幅，此處僅報告了擔(dān)保類表外融資方程的回歸結(jié)果，并且省略了不作為主要關(guān)注點的滯后項部分。從結(jié)果可以看出，模型穩(wěn)健性較好，估計系數(shù)和顯著性水平均未顯著改變。估計結(jié)果顯示，在實施合意貸款政策的2011—2014年間，青島市擔(dān)保類表外融資較其他時期月均多發(fā)放66億元。鑒于本文采用虛擬變量的方式衡量合意貸款政策，該結(jié)果可能存在估計偏誤。謹(jǐn)慎起見，本文使用參數(shù)的區(qū)間估計下界進(jìn)行分析。對于CPI模型，區(qū)間下界為39億元；對于PPI模型，區(qū)間下界為38億元。另一方面，數(shù)據(jù)顯示，2011—2014年間擔(dān)保類表外融資較其他時期月均多發(fā)放38億元，與區(qū)間下界完全吻合。此外，本文還使用人民幣兌美元中間價作為人民幣匯率的第二種度量，替代人民幣有效匯率指數(shù)放入VAR模型進(jìn)行穩(wěn)健性檢驗。估計結(jié)果和脈沖響應(yīng)圖均不發(fā)生顯著改變。這說明命題1在現(xiàn)實中成立，合意貸款政策的確是刺激擔(dān)保類表外融資超常發(fā)展的唯一重要因素。

此外，代表“四萬億”計劃的變量統(tǒng)計不顯著，也與本文提出的機(jī)制相符：在實施“四萬億”計劃的2008—2010年間，國內(nèi)信貸規(guī)模迅速擴(kuò)張，商業(yè)銀行不需要使用擔(dān)保類表外融資替代表內(nèi)信貸，所以在此期間擔(dān)保類表外融資并未出現(xiàn)顯著擴(kuò)張。最后，人民幣匯率因素對擔(dān)保類表外融資也具有顯著影響。當(dāng)人民幣貶值，中國出口競爭力提高對擔(dān)保類表外融資的需求也隨之提高。

擔(dān)保類表外融資和表內(nèi)信貸兩個變量的脈沖響應(yīng)圖，如圖5（a）、（b）所示。從圖中可以看出，在兩個模型中，擔(dān)保類表外融資對于表內(nèi)信貸業(yè)務(wù)沖擊的反應(yīng)基本一致，都是在沖擊出現(xiàn)后開始下降，并在第2期的時候達(dá)到一個較低的位置，此外，在兩個模型中，表內(nèi)信貸業(yè)務(wù)對于擔(dān)保類表外融資正向沖擊的反應(yīng)也基本一致，都是在沖擊出現(xiàn)后開始下降，并在第3期時達(dá)到最低值，隨后開始反彈并逐漸恢復(fù)平穩(wěn)。說明兩類業(yè)務(wù)存在替代關(guān)系。

（三）擔(dān)保類表外融資波動背后的經(jīng)濟(jì)機(jī)制

根據(jù)本文收集的面板數(shù)據(jù)集構(gòu)建如下的ADL模型：

其中，[offbit]為第[i]家銀行第[t]期的擔(dān)保類表外融資規(guī)模，[loanit]為第[i]家銀行第[t]期的表內(nèi)信貸規(guī)模，[A（L）]和[B（L）]為滯后多項式，[DLPt]為合意貸款政策變量，[Xit]為除上述解釋變量外的其他控制變量。由于[Xit]包含的因素屬于短期沖擊，所以沒有引入滯后結(jié)構(gòu)。

根據(jù)平穩(wěn)性檢驗結(jié)果，將變量轉(zhuǎn)化為平穩(wěn)形式放入模型；利用[offbit]的偏自相關(guān)系數(shù)確定4期滯后，利用它與[loanit]的交叉相關(guān)系數(shù)確定5期滯后。選擇這些滯后期的現(xiàn)實理由與前文一致：它們是擔(dān)保類表外融資業(yè)務(wù)的周期或半周期。

確定上述建模要素后，回歸結(jié)果如表5所示。從結(jié)果可以看出，兩種估計方法下四個模型的擬合優(yōu)度都比較高，其中LSDV的R2系數(shù)為0.84，SUR的R2系數(shù)為0.79。說明模型解釋力較強(qiáng)，基本涵蓋了影響商業(yè)銀行擔(dān)保類表外業(yè)務(wù)發(fā)展的主要因素。四個模型的D.W.統(tǒng)計量表明殘差序列不存在一階自相關(guān)，意味著模型基本囊括了主要變量間的動態(tài)關(guān)系。檢驗LSDV估計后的殘差序列，發(fā)現(xiàn)個體擾動項之間有顯著相關(guān)性，說明SUR估計確有必要。而使用相同的方法檢驗SUR估計后的殘差序列，發(fā)現(xiàn)其相關(guān)性已可忽略不計。最后，使用兩種物價指數(shù)的估計結(jié)果沒有顯著差異，說明估計結(jié)果穩(wěn)健性較好。

首先分析本文最關(guān)注的兩個變量，表內(nèi)信貸業(yè)務(wù)和合意貸款政策。從LSDV和SUR的結(jié)果看，表內(nèi)信貸業(yè)務(wù)前的系數(shù)聯(lián)合顯著為負(fù)，即長期中，擔(dān)保類表外融資與表內(nèi)信貸業(yè)務(wù)呈現(xiàn)替代關(guān)系。同時，合意貸款政策變量交叉項的估計結(jié)果顯著為正，說明命題2a是在現(xiàn)實中成立的，即合意貸款政策通過壓縮表內(nèi)信貸刺激了擔(dān)保類表外融資的超常增長。

代表“四萬億”計劃的變量，其LSDV估計結(jié)果顯著為負(fù)，SUR估計結(jié)果統(tǒng)計不顯著，說明“四萬億”計劃對擔(dān)保類表外融資發(fā)展很可能具有抑制作用，至少是沒有影響。無論哪個結(jié)果，都印證了本文提出的機(jī)制：在2008—2010年間，商業(yè)銀行信貸規(guī)模充裕，不需要大規(guī)模開展擔(dān)保類表外融資業(yè)務(wù)。所以，擔(dān)保類表外融資不僅沒有增長（SUR結(jié)果）反而出現(xiàn)下降（LSDV結(jié)果）。對于表內(nèi)信貸業(yè)務(wù)的收益與風(fēng)險因素，兩種估計方法下的不良貸款率和貸款損失準(zhǔn)備對擔(dān)保類表外融資都是沒有影響的，說明表外業(yè)務(wù)發(fā)展的“道德風(fēng)險說”沒有得到中國數(shù)據(jù)支持。而衡量銀行經(jīng)營水平的資產(chǎn)收益率在兩種估計方法下都顯著為正，說明“市場力量說”得到了支持。對于擔(dān)保類表外融資業(yè)務(wù)自身的收益與風(fēng)險因素，兩種估計方法下的三個變量都是顯著為正的，與理論預(yù)期一致。

最后，如前文所述，實際操作中不能同時解決個體異質(zhì)性與個體擾動項相關(guān)問題。因為LSDV估計會將一切反映個體異質(zhì)性的因素去掉，所以反映銀行類型的變量owner和region只能在SUR方法下進(jìn)行估計。結(jié)果顯示，5家全國大型商業(yè)銀行的擔(dān)保類表外融資規(guī)模最大；其次是9家全國中型商業(yè)銀行，平均而言，這些銀行較大型商業(yè)銀行每月少發(fā)放2.4億元；最后是7家地方性商業(yè)銀行，平均而言，這些銀行較大型商業(yè)銀行每月少發(fā)放4億元。再次證明銀行在市場中的主導(dǎo)地位對其擔(dān)保類表外融資的發(fā)展是有顯著影響的，也即“市場力量說”得到支持。

（四）穩(wěn)健性檢驗

首先，通過估計ADL模型變換得到的ECM模型進(jìn)行穩(wěn)健性檢驗。驗證思路如下：“表內(nèi)信貸業(yè)務(wù)與擔(dān)保類表外融資呈替代關(guān)系”意味著兩類業(yè)務(wù)存在反向變動均衡關(guān)系，根據(jù)格蘭杰定理（Engle和Granger，1987），若ECM中誤差修正項前的系數(shù)顯著為負(fù)，說明兩類業(yè)務(wù)的確存在長期均衡關(guān)系。同時，“合意貸款政策限制表內(nèi)信貸業(yè)務(wù)刺激擔(dān)保類表外融資擴(kuò)張”意味著交叉項loan×DLP的系數(shù)顯著為正。根據(jù)前文ADL模型確定變量滯后期，同時刪除估計過程中產(chǎn)生多重共線性的變量“貸款損失準(zhǔn)備月增額”③，回歸結(jié)果如表6所示。從表中看出，兩個模型估計結(jié)果較為穩(wěn)健，且均有以下結(jié)論成立：（1）兩類業(yè)務(wù)長期均衡關(guān)系系數(shù)顯著為負(fù)；（2）誤差修正項的系數(shù)顯著為負(fù)；（3）loan×DLP前的系數(shù)顯著為正，說明本文提出的經(jīng)濟(jì)機(jī)制通過了ECM的穩(wěn)健性檢驗。

再分析表5中的宏觀經(jīng)濟(jì)指標(biāo)。從表中看出，宏觀經(jīng)濟(jì)變量的估計結(jié)果依賴于物價水平變量和估計方法：

1. 以GDP衡量的經(jīng)濟(jì)增長對擔(dān)保類表外融資發(fā)展不僅沒有促進(jìn)作用（LSDV結(jié)果），反而有抑制作用（SUR結(jié)果）。這是因為GDP中包括了消費、投資和國際貿(mào)易三部分，占擔(dān)保類表外融資主體的“銀行承兌匯票”和“信用證”主要應(yīng)用于國際貿(mào)易中，而消費和投資主要通過表內(nèi)信貸進(jìn)行融資。如果GDP增長由消費和投資帶動，那么因為表內(nèi)信貸需求增長，不僅不會刺激擔(dān)保類表外融資擴(kuò)張，反而會因替代機(jī)制的存在而造成業(yè)務(wù)收縮。為驗證該解釋，本文將GDP分解為消費、投資和進(jìn)出口，估計結(jié)果支持本文解釋。

2. 以CPI衡量的物價水平提高對擔(dān)保類表外融資有顯著負(fù)向影響，而以PPI衡量的物價水平?jīng)]有顯著影響。理論上，CPI提高將對擔(dān)保類表外融資發(fā)展產(chǎn)生正反兩方面的影響：一方面，物價水平提高將會催生表內(nèi)信貸需求，根據(jù)替代機(jī)制，這會降低擔(dān)保類表外融資規(guī)模；另一方面，物價水平提高，央行會施加合意貸款政策壓縮表內(nèi)信貸規(guī)模，根據(jù)替代機(jī)制，這會提高擔(dān)保類表外融資規(guī)模。而現(xiàn)實的估計結(jié)果說明，第一種渠道起主導(dǎo)作用。PPI提高不會起到同樣作用，因為：一方面，央行或許更關(guān)注CPI，所以合意貸款政策不對PPI進(jìn)行反映；另一方面，PPI提高主要催生投資類信貸需求，如前所述，此類信貸需求不易被擔(dān)保類表外融資替代。為驗證該解釋，本文將CPI、PPI與合意貸款政策的交互項分別放入模型，估計結(jié)果支持本文解釋。

3. 人民幣貶值對擔(dān)保類表外融資發(fā)展有促進(jìn)作用。人民幣貶值，會對國內(nèi)宏觀經(jīng)濟(jì)起到兩種作用：一方面提高凈出口，另一方面提高的進(jìn)口商品價格將傳導(dǎo)至國內(nèi)物價水平。前面兩項估計結(jié)果表明，國際貿(mào)易量提高對擔(dān)保類表外融資有促進(jìn)作用；CPI提高對擔(dān)保類表外融資有抑制作用。綜合兩種力量，最終人民幣貶值對擔(dān)保類表外融資會產(chǎn)生促進(jìn)作用。為驗證該解釋，本文在模型中將CPI、PPI與人民幣有效匯率指數(shù)的交互項分別放入模型，估計結(jié)果支持本文解釋。

六、結(jié)論

首先，本文利用青島市數(shù)據(jù)發(fā)現(xiàn)擔(dān)保類表外融資具有以下的周期波動事實：在2008—2010年間平穩(wěn)增長，在2011—2014年間超常增長，在2015年以來出現(xiàn)大幅下降。對此，本文提出的解釋如下：中國商業(yè)銀行的表內(nèi)信貸業(yè)務(wù)和擔(dān)保類表外融資業(yè)務(wù)具有穩(wěn)定的替代關(guān)系，任何影響表內(nèi)信貸業(yè)務(wù)的沖擊，都會間接地反向影響擔(dān)保類表外融資業(yè)務(wù)。

其次，與已有的關(guān)于中國影子銀行成因的觀點不同，本文通過模型和數(shù)據(jù)分析證明：作為宏觀審慎管理工具引入的合意貸款政策，是造成擔(dān)保類表外融資超常增長的唯一重要因素，而不是“資本充足率”、“貸存比”、“存款準(zhǔn)備金率”等傳統(tǒng)監(jiān)管政策。此外，擔(dān)保類表外融資發(fā)展還受到宏觀經(jīng)濟(jì)周期、業(yè)務(wù)自身的風(fēng)險與收益、銀行經(jīng)營水平和市場地位等因素的影響；而表內(nèi)信貸風(fēng)險因素則沒有顯著影響。這些結(jié)論說明表外業(yè)務(wù)發(fā)展的“規(guī)避監(jiān)管說”、“市場力量說”得到中國數(shù)據(jù)的支持，而“道德風(fēng)險說”、“規(guī)模經(jīng)濟(jì)說”則沒有。

從政策含義看，盡管合意貸款政策從宏觀審慎角度防范了金融風(fēng)險，控制了物價水平，但是政策效果在一定程度上被擔(dān)保類表外融資的超常增長所抵消。進(jìn)一步，從宏觀審慎工具使用角度看，中央銀行應(yīng)該更多使用市場化的工具，以最大限度地避免金融機(jī)構(gòu)進(jìn)行監(jiān)管套利。這也是中國人民銀行于2016年初提出宏觀審慎評估（MPA）政策的出發(fā)點。所以，本文結(jié)論也從側(cè)面為MPA政策提供了理論支持。

注：

①盡管自2015年10月1日起，中國已正式取消該限制，但是考慮到本文研究問題所處的絕大部分時期（2008年7月—2016年3月）是具有該限制條件的，所以在模型中予以保留。

②其中，日照銀行于2009年4月開始有數(shù)據(jù)；濰坊銀行于2010年5月開始有數(shù)據(jù)；威海銀行于2010年8月開始有數(shù)據(jù)；齊魯銀行于2010年9月開始有數(shù)據(jù)；河北銀行于2011年5月開始有數(shù)據(jù)。

③將其刪去并不影響本文結(jié)論：一方面，因為模型中尚有“貸款損失準(zhǔn)備”衡量表內(nèi)信貸業(yè)務(wù)風(fēng)險；另一方面，因為變量llr本身沒有顯著影響。

參考文獻(xiàn)：

[1]Acharya， Viral V.， Jun“QJ”Qian and Zhishu Yang. 2016. In The Shadow of Banks：Wealth Management Products and Issuing BanksRisk in China.Working Paper， February.

[2]Ahmad. Khasawneh and Kabir. Hassan. 2010. The Determinants and Policy Implications of Off-Balance Sheet Activities in Mena Countries Commercial. Working Paper 552.

[3]Allen，F(xiàn)ranklin，Yiming Qian，Guoqian Tu and Frank Yu. 2015. Entrusted Loans：A Close Look at Chinas Shadow Banking System. Working Paper，December.

[4]Angbazo，Lazarus. 1997. Commercial Bank Net Interest Margins，Default Risk， Interest-Rate Risk， and Off-Balance Sheet Banking. Journal of Banking and Finance， 21.

[5]Arnoud W.A.Boot and Anjan V. Thakor， 1991. Off-Balance Sheet Liabilities， Deposit Insurance and Capital Regulation. Journal of Banking and Finance，15.

[6]Avery， R. and A. Berger. 1988. Risk-Based Capital and Off-Balance Sheet Activities. in Proceeding of a Conference on Bank Structure and Competition， Ed. By Federal Reserve Bank of Chicago.

[7]Avery，R. and A. Berger. 1991. Risk-based capital and deposit insurance reform. Journal of Banking and Finance，15.

[8]Baer，H and C. Pavel. 1988. Does regulation drive innovation？ Federal Reserve Bank of Chicago Economic Perspectives.

[9]Barth，James R.，Tong Li，Wen Shi and Pei Xu. 2015. Chinas shadow banking sector：beneficial or harmful to economic growth？ Journal of Financial Economic Policy，7（4）.

[10]Beck，Nathaniel. 2008. Time-Series-Cross-Section Methods. Oxford Handbook of Political Methodology. Ed. By Janet M. Box-Steffensmeier， Henry E. Brady and David Collier.

[11]Beck，Nathanieland and Jonathan N. Katz. 2011. Modeling Dynamics in Time-Series-Cross-Section Political Economy Data. Annual Review of Political Science， 14（1）.

[12]Beck， Nathaniel and Jonathan N. Katz. 2004. Time-Series-Cross-Section Issues：Dynamics. Working Paper.

[13]Benveniste，L. and A. Berger. 1987. Securitization with resource： an instrucment that offers uninsured depositors sequential claims. Journal of Banking and Finance，11.

[14]Calmès， Christian and Théoret， Raymond. 2010. The Impact of Off-Balance-Sheet Activities on Banks Returns： An Application of the ARCH-M to Canadian Data. Journal of Banking and Finance，34（7）.

[15]Casu，Barbara and Girardone，Claudia. 2005. An Analysis of the Relevance of Off-Balance Sheet Items in Explaining Productivity Change in European Banking. Applied Financial Economics，（15）.

[16]Chen，Kaiji， Jue Ren and Tao Zha. 2016. What we learn from Chinas rising shadow Banking：exploring the nexus of monetary tightening and banks' role in entrusted lending.Working Paper，January.

[17]Dang，Tri Vi，Honglin Wang and Aidan Yao. 2015. Shadow Banking Modes： The Chinese versus US System. Working Paper，December.

[18]Elian，Mohammad. 2012. Determinants of Off-Balance Sheet Business in the Case of Gcc Banking Sectors. International Journal of Banking and Finance，9（3）.

[19]Elliott，Douglas， Arthur Kroeber and Yu Qiao. 2015. Shadow banking in China：A primer. Economic Studies at Brookings， March.

[20]Fung，Michael K. and Cheng，Arnold C. S. 2004. Diffusion of Off-Balance-Sheet Financial Innovations：Information Complementarity and Market Competition. Pacific-Basin Finance Journal，12（5）.

[21]Georges Dionne and Tarek M. Harchaoui. 2003. Banks' Capital， Securitization and Credit Risk an Empirical Evidence for Canada. Working Paper 03-11.

[22]Hachem， Kinda and Zheng Michael Song. 2016. Liquidity Regulation and Unintended Financial Transformation in China. Working Paper January.

[23]Jiang， Wei. 2016. The Future of Shadow Banking in China. White Paper， Jerome A. Chazen Institute of International Business， Columbia Business School.

[24]Julapa，Jagtiani. 1996b. Characteristics of Banks That Are More Active in the Swap Market. Journal of Financial Services Research，10.

[25]Julapa Jagtiani，Alli Nathan and Gordon Sick. 1995b. Scale Economies and Cost Complementarities in Commercial Banks： On-and Off-Balance-Sheet Activities. Journal of Banking and Finance，19.

[26]Julapa Jagtiani，Anthony Saunders，and Gregory Udell. 1995a. The Effect of Bank Capital Requirements on Bank Off-Balance Sheet Financial Innovations. Journal of Banking and Finance，19.

[27]Julapa Jagtiani and Anya Khanthavit. 1996a. Scale and Scope Economies at Large Banks： Including Off-Balance Sheet Products and Regulatory Effects （ 1984-1991）. Journal of Banking and Finance，20.

[28]Koppenhaver，G.D. 1989. Effects of regulation on bank participation in the guarantee market. in Research in Financial Services： Private and Public Policy， Eds. By G. Kaufman.

[29]Li，Jianjun，Sara Hsu and Yanzhi Qin. 2014. Shadow banking in China：Institutional risks. China Economic Review，31.

[30]Li，Tong. 2014. Shadow banking in China： expanding scale， evolving structure. Journal of Financial Economic Policy， 6（3）.

[31]Lu，Yunlin，Haifeng Guo，Erin H. Kao and Hung-Gay Fung. 2015. Shadow banking and ?rm ?nancing in China. International Review of Economics and Finance，36.

[32]Monetary Policy Analysis Group of the Peoples Bank of China. 2014. China Monetary Policy Report （Quarter Three 2014）.

[33]Nachane， D. M. and Saibal Ghosh. 2002. Determinants of Off-Balance Sheet Activities an Empirical Analysis of Public Sector Banks. Economic and Political Weekly，37.

[34]Nachane， D. M. and Ghosh Saibal. 2007. An Empirical Analysis of the Off-Balance Sheet Activities of Indian Banks. Journal of Emerging Market Finance，6（1）.

[35]Nickell， Stephen. 1981. Biases in Dynamic Models with Fixed Effects. Econometrica， 49（6）.

[36]Pavel，C. and D. Phillis. 1987. Why commercial banks sell loans：an empirical analysis. Federel Reserve Bank Chicago Economic Perspectives.

[37]Pennacchi，George. 1988. Loan sales and the cost of bank capital. Journal of Finance，43（2）.

[38]Perera Anil， Ralston Deborah and Wickramanayake，J. 2014. Impact of Off-Balance Sheet Banking on the Bank Lending Channel of Monetary Transmission： Evidence from South Asia. Journal of International Financial Markets， Institutions and Money， 29.

[39]Robert F. Engle and C. W. J. Granger. 1987. Co-Integration and Error Correction： Representation， Estimation， and Testing. Econometrica， 55（2）.

[40]Ruth A. Judson and Ann L. Owen. 1999. Estimating Dynamic Panel Data Models： A Guide for Macroeconomists. Economics Letters，65.

[41]交通銀行金融研究中心研究報告.盈利承壓、風(fēng)險可控、轉(zhuǎn)型加快——2016 年中國商業(yè)銀行運(yùn)營展望[N].中國證券報，2016-1-4.