[摘要] 利用人民銀行《貨幣政策執(zhí)行報告》文本分析數(shù)據(jù)，本研究從銀行貸款損失準備計提的角度討論了商業(yè)銀行能否反應(yīng)中央銀行的貨幣政策立場變化。結(jié)果發(fā)現(xiàn)，銀行貸款損失準備計提與報告中的貨幣政策立場寬松程度顯著正相關(guān)。在寬松貨幣政策立場時，隨著政策文本相似度上升，銀行貸款損失準備計提的幅度會進一步上升。此外，報告中與貨幣相關(guān)的內(nèi)容更受銀行關(guān)注。這些結(jié)果表明商業(yè)銀行能較好地反應(yīng)央行溝通傳遞出的政策信號。本研究從文本分析的角度，為中國央行溝通預(yù)期管理效應(yīng)的理論和實踐提供了新的證據(jù)和思路。

[關(guān)鍵詞] 中央銀行溝通;貨幣政策立場;文本相似度;貸款損失準備計提

[中圖分類號]? F832.33[文獻標識碼] A[文章編號] 1008—1763（2022）03—0051—06

Can Commercial Banks Effectively Respond to Changes

in the Monetary Policy Stance of the Central Bank？

——Empirical Evidence from Banks’ Loan Loss ProvisionsHUANG Xiaowu， ZHAO Qianan

（School of Finance， Zhongnan university of Economics and Law， Wuhan430073， China）

Abstract：Based on the data of the Monetary Policy Implementation Report of the People’s Bank of China， this paper discusses whether commercial banks can respond to the changes of the central bank’s monetary policy stance from the perspective of bank loan loss provisions. The results show that the provision for bank loan losses is? positively correlated with the accommodative stance of monetary policy in the report. When the monetary policy stance is loose， as the similarity of policy texts increases， the extent of loan loss provisions? will further increase. In addition， the report’s monetary-related content is more concerned by banks. These results show that commercial banks can better respond to the policy signals communicated by the central bank. From the perspective of text analysis， this study provides new evidence and ideas for the theory and practice of the communication expected management effect of the People’s Bank of China.

Key words： central bank communication; monetary policy stance; text similarity; loan loss provisions

一引言

2008年金融危機發(fā)生后，以美國為首的很多發(fā)達國家政策利率觸及零利率下限約束，以量化寬松和央行溝通為代表的非常規(guī)工具推動了貨幣政策的進一步寬松。其中，央行溝通強調(diào)政策路徑的預(yù)期管理，受各央行廣泛采納，人民銀行也于《貨幣政策執(zhí)行報告》中設(shè)專欄強調(diào)預(yù)期管理和引導(dǎo)的重要性。同時，學(xué)界發(fā)現(xiàn)金融體系的順周期特征是危機不斷加劇的重要原因，而該特征又與商業(yè)銀行的貸款損失準備計提密切相關(guān)[1]?；凇耙褤p失”貸款計提準備金的風(fēng)險防范模式具有明顯順周期性，國際會計準則理事會提出“預(yù)期損失”模式，以通過前瞻性計提減緩該順周期性。該背景下，本研究關(guān)心的問題是商業(yè)銀行是否對央行溝通這一預(yù)期管理工具做出有效反應(yīng)，即強調(diào)預(yù)期管理和引導(dǎo)的央行溝通是否會影響商業(yè)銀行的預(yù)期而改變其貸款損失準備計提行為。對該問題的研究，有助于加強對非常規(guī)貨幣政策工具調(diào)控效應(yīng)的認識，也為增強金融機構(gòu)的穩(wěn)健性，提升金融風(fēng)險防控的前瞻性提供經(jīng)驗參考。

二文獻回顧與研究假設(shè)

（一）文獻回顧

央行溝通是指中央銀行就貨幣政策目標、貨幣政策策略、經(jīng)濟前景和未來政策趨勢等事項向公眾提供信息的行為[2]。央行溝通在釋放豐富政策信號的同時，也傳遞出改變股票市場收益與投資者情緒的主觀政策立場[3]。在我國，央行溝通是重要的貨幣政策工具[4]。其在理論上降低了可得信息的噪聲，促進公眾學(xué)習(xí)過程進而減少預(yù)期偏差[5];實踐上顯著影響金融市場表現(xiàn)，尤其是書面溝通[6]。貸款損失準備計提是商業(yè)銀行的一種信貸風(fēng)險緩沖行為，計提的資金用于覆蓋不良貸款[7]。商業(yè)銀行基于“已損失模型”計提貸款損失準備金時會表現(xiàn)出明顯的順周期性，在經(jīng)濟上行時期少計提，在經(jīng)濟下行時期多計提。為此，國際會計準則理事會提出“預(yù)期損失模型”，鼓勵商業(yè)銀行在提供信貸時考慮預(yù)期損失并采取前瞻性計提。在我國，貸款損失準備計提的順周期性同樣明顯[8]，且大量研究表明利潤率與“四大”審計[9]等財務(wù)審計狀況，以及地方房地產(chǎn)價格水平[7]、經(jīng)濟政策不確定性[10]等宏觀經(jīng)濟環(huán)境是影響計提的重要因素。

回顧文獻后，本研究發(fā)現(xiàn)已有文獻存在兩點不足：一是從微觀層面分析央行溝通對企業(yè)和金融機構(gòu)討論較少，二是分析銀行貸款損失準備計提的影響因素時忽略了宏觀政策因素。因此，本研究基于文本分析的方法，從微觀層面討論央行溝通對銀行貸款損失準備計提的影響。本研究的貢獻有兩點：一是挖掘《貨幣政策執(zhí)行報告》的文本信息，構(gòu)建了人民銀行貨幣政策立場與文本相似度指數(shù)。二是將上述指數(shù)結(jié)合到對商業(yè)銀行貸款損失準備計提的分析中，補充了微觀研究視角。

湖南大學(xué)學(xué)報（ 社 會 科 學(xué) 版 ）2022年第3期黃孝武，趙乾安：商業(yè)銀行能有效反應(yīng)中央銀行貨幣政策立場變化嗎？（二）研究假設(shè)

由于美聯(lián)儲和公眾之間的信息不對稱，其政策公告會向市場傳遞額外信息，這被稱為貨幣政策的信息效應(yīng)[11]。Nakamura和Steinsson指出政策立場反映出美聯(lián)儲觀察到的經(jīng)濟現(xiàn)狀與公眾預(yù)期間的差距，當(dāng)貨幣政策立場表現(xiàn)為寬松時，市場會接收到央行視角下實體經(jīng)濟表現(xiàn)弱于公眾預(yù)期的信號[12]。對于商業(yè)銀行而言，這意味著實體經(jīng)濟中的潛在信貸風(fēng)險在上升?；诖耍狙芯刻岢黾僭O(shè)H1。

H1：貨幣政策立場越寬松，商業(yè)銀行貸款損失準備計提幅度越大。

由于《貨幣政策執(zhí)行報告》的篇幅較長、內(nèi)容覆蓋面廣，在被市場解讀時存在一定難度。尤其是當(dāng)文本措辭發(fā)生較大變動時，政策意圖可能難以被準確捕捉，進而引起市場波動性的上升[13]。文本相似度用于衡量前后兩次溝通在措辭上的差異，當(dāng)文本相似度上升時，市場能基于過往經(jīng)驗更準確地理解其中的政策意圖[14]?；诖?，本研究提出假設(shè)H2。

H2：文本相似度上升時，貨幣政策立場對銀行貸款損失準備計提的影響更大。

本研究發(fā)現(xiàn)人民銀行在編制《貨幣政策執(zhí)行報告》時明確了“貨幣信貸概況”“貨幣政策操作”“金融市場運行”“宏觀經(jīng)濟分析”和“貨幣政策趨勢”五個章節(jié)，此后每季度在固定框架下更新內(nèi)容。Cieslak和Schrimpf指出，經(jīng)濟相關(guān)的政策內(nèi)容與貨幣相關(guān)的政策內(nèi)容會向市場傳遞不同信號[15]。在不搞大水漫灌、以我為主的國內(nèi)政策背景下，市場可能會更關(guān)注《貨幣政策執(zhí)行報告》中與貨幣相關(guān)的內(nèi)容?；诖耍狙芯刻岢黾僭O(shè)H3。

H3：銀行貸款損失準備計提對貨幣相關(guān)的信息變動更為敏感。

三央行溝通指數(shù)構(gòu)建

本研究以人民銀行公布的《貨幣政策執(zhí)行報告》為基礎(chǔ)，構(gòu)建2007年第一季度至2019年第四季度的央行溝通指數(shù)，包括貨幣政策立場與文本相似度指數(shù)。

（一）貨幣政策立場指數(shù)構(gòu)建

貨幣政策立場是對貨幣政策效果趨向?qū)捤伞⒕o縮還是中立的量化測度。王宇偉等梳理并完善了基于措辭提取的敘述性度量方法[16]，從貨幣政策基調(diào)、貨幣信貸環(huán)境、物價水平與經(jīng)濟增長四個方面提取措辭（見表1），并根據(jù)其方向及強度進行賦值。本研究借鑒該方法對《貨幣政策執(zhí)行報告》中的貨幣政策立場進行衡量，具體公式如下：

CIt=∑ni=1frexit-meanxisdxiαi

其中，fre（xit）表示措辭i在t時期出現(xiàn)的頻率，mean（xi）表示措辭i在所有時期頻率的均值，sd（xi）表示措辭i在所有時期頻率的標準差，αi為措辭的權(quán)重。指標數(shù)值越大政策立場越寬松。

如圖1所示，貨幣政策立場指數(shù)在2007年與2011年偏緊縮，在2008年、2015年和2018年偏寬松。指數(shù)波動幅度在2010年后明顯減少，原因可能在于政策上的重視。人民銀行在2010年《貨幣政策執(zhí)行報告》中設(shè)專欄介紹通貨膨脹預(yù)期管理，指出需加強與公眾的溝通，提高政策透明度，引導(dǎo)公眾預(yù)期;在具體操作中不斷強調(diào)靈活穩(wěn)健、中性適度的政策基調(diào)，補充完善結(jié)構(gòu)性貨幣政策工具體系。

（二）文本相似度指數(shù)構(gòu)建

文本相似度是指當(dāng)期與上一期文本措辭的相似程度，反映了央行通過文本方式傳遞經(jīng)濟、貨幣等信息的變化情況。指數(shù)構(gòu)建上參考Meade和Acosta[17]，先將每篇《貨幣政策執(zhí)行報告》轉(zhuǎn)化為一個N行1列的向量，每行的元素為文本中每個詞語出現(xiàn)的頻率，隨后使用如下余弦相似度公式計算相似度同時分別計算了報告中五個章節(jié)的文本相似度指數(shù)。。

SI=∑ni=1aibi（∑ni=1a2i）（∑ni=1b2i））

其中，n為文本包含的詞語總數(shù)，ai、bi分別表示詞語i出現(xiàn)在文本a和b中的頻率。指標取值范圍在0-1之間，為0說明兩向量垂直，所含信息完全不一致;為1說明兩向量重合，所含信息完全一致。指數(shù)大小一定程度上反映了文本措辭的相似程度高低。如圖2所示，全文的文本相似度指數(shù)在0.9附近且波動較為規(guī)律，各章節(jié)的文本相似度存在一定差異，但整體呈上升趨勢。這說明在內(nèi)容框架固定的情況下，人民銀行有意避免措辭的大幅變動。四數(shù)據(jù)與基本計量模型

（一）模型設(shè)定及變量說明

參考王宇偉等[16]和申宇等[10]，本研究構(gòu)建模型（1）：

LLPi，t=β0+β1CIt+∑ni=2βiControlsi，t+εi，t （1）

其中，被解釋變量為銀行貸款損失準備計提（LLP），解釋變量為貨幣政策立場（CI），控制變量集為Controls，變量具體定義如表2所示。為研究文本相似度對央行溝通的影響，加入貨幣政策立場與文本相似度的交互項CI*SI，如模型（2）所示。將《貨幣政策執(zhí)行報告》全文的文本相似度替換成五個章節(jié)的文本相似度，可以進一步觀察商業(yè)銀行對不同政策信息的反應(yīng)差異。

LLPi，t=α0+α1CIt+α2CIt*SIi，t+α3SIi，t+∑ni=4αiControlsi，t+εi，t （2）

（二）數(shù)據(jù)來源與處理

本研究使用的商業(yè)銀行財務(wù)數(shù)據(jù)來源于Wind與Bankfocus數(shù)據(jù)庫。地區(qū)宏觀經(jīng)濟數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。本研究剔除了三家政策性銀行和各指標連續(xù)數(shù)據(jù)不足三年的銀行，得到2007-2019年133家商業(yè)銀行的非平衡面板數(shù)據(jù)。由于銀行財務(wù)數(shù)據(jù)的頻率為年度，本研究對貨幣政策立場和相似度指標進行了季度加總求算術(shù)平均的年化處理除2008年外，貨幣政策立場指數(shù)很少在一個年度內(nèi)發(fā)生劇烈變動，本研究認為該處理是可行的。后續(xù)穩(wěn)健性檢驗中也有將2008-2010年樣本剔除，結(jié)果保持穩(wěn)健。;為消除異常值影響，對所有連續(xù)變量縮尾1% 因篇幅限制，描述性統(tǒng)計未在正文放出，感興趣的讀者可向作者索要。。

五實證結(jié)果與分析

（一）貨幣政策立場與貸款損失準備計提

模型（1）的結(jié)果如表3所示，逐步加入商業(yè)銀行財務(wù)控制變量、治理控制變量和地區(qū)宏觀經(jīng)濟控制變量，CI系數(shù)均在1%水平下顯著為正。這說明寬松的政策立場意味著未來信貸環(huán)境的改善，但也傳遞出央行觀察到的經(jīng)濟表現(xiàn)弱于公眾預(yù)期的信號。該信號使商業(yè)銀行調(diào)整對未來信貸風(fēng)險的預(yù)期，提高當(dāng)期貸款損失準備計提比例，假設(shè)H1得到驗證。

（二）文本相似度對貨幣政策信號傳遞的影響

加入政策立場與文本相似度交互項的模型（2）的結(jié)果如表4所示。第（1）列中交互項CI*SI的系數(shù)在10%水平下顯著為正，說明當(dāng)政策立場為寬松且文本相似度增加時，不僅表明當(dāng)前經(jīng)濟面臨較大下行壓力，還表明該形勢自上一季度得到延續(xù)。政策信號的重復(fù)強化了商業(yè)銀行對央行觀察到的經(jīng)濟表現(xiàn)弱于公眾預(yù)期的認知，從而調(diào)整預(yù)期并進一步提高貸款損失準備計提比例，假設(shè)H2得到驗證。而第（2）（3）和（6）列中系數(shù)均顯著為正，第（4）和（5）列中系數(shù)均不顯著，說明商業(yè)銀行更關(guān)注貨幣相關(guān)內(nèi)容所傳遞出的信號，假設(shè)H3得到驗證。

（三）穩(wěn)健性檢驗

本研究從三個方面進行穩(wěn)健性檢驗。首先是替換被解釋變量。參考祝繼高等[7]，本研究選擇貸款損失準備總額與總資產(chǎn)之比來計算貸款損失準備計提。其次是替換計量方法?？紤]到商業(yè)銀行個體差異性，本研究選擇固定效應(yīng)模型進行再分析。最后是樣本切分。李雙建和田國強采用了樣本切分的方法來處理內(nèi)生性問題[18]，本研究參考該方法分別剔除了五大行以及金融危機時期（2008-2010年）的樣本。如表5所示，結(jié)果均保持穩(wěn)健。

六結(jié)論與啟示

基于《貨幣政策執(zhí)行報告》與商業(yè)銀行數(shù)據(jù)，本研究發(fā)現(xiàn)央行溝通中的貨幣政策立場越寬松，商業(yè)銀行計提的貸款損失準備金越多。當(dāng)文本相似度上升時，商業(yè)銀行能更準確地理解央行的政策意圖并采取行動。[19]通過對報告內(nèi)容分類，本研究還發(fā)現(xiàn)商業(yè)銀行對其中與貨幣相關(guān)的內(nèi)容變動更敏感。上述結(jié)論帶來的啟示有：一是商業(yè)銀行的前瞻性計提可行。商業(yè)銀行能有效反應(yīng)中央銀行的貨幣政策立場變動，從監(jiān)管角度看，可以引導(dǎo)商業(yè)銀行基于“預(yù)期損失模型”計提貸款損失準備。二是重視央行溝通的信號傳遞。書面溝通的措辭變動直接影響市場對政策意圖的解讀，且不同類型內(nèi)容的措辭變動對市場預(yù)期的影響不同。

[參考文獻]

[1]Financial Stability Board.Recommendations for addressing procyclicality in the financial system[R].Basle：FSB，2009.

[2]Blinder AS， Ehrmann M， Fratzscher M， De Haan J， Jansen DJ. Central bank communication and monetary policy： A survey of theory and evidence[J]. Journal of Economic Literature， 2008（4）：910-945.

[3]Bennani H. Central bank communication in the media and investor sentiment[J]. Journal of Economic Behavior & Organization， 2020（5）：431-444.

[4]冀志斌，周先平. 中央銀行溝通可以作為貨幣政策工具嗎——基于中國數(shù)據(jù)的分析[J]. 國際金融研究， 2011（2）：25-34.

[5]郭豫媚，周璇. 央行溝通、適應(yīng)性學(xué)習(xí)和貨幣政策有效性[J]. 經(jīng)濟研究， 2018（4）：77-91.

[6]鄒文理，王曦，謝小平. 中央銀行溝通的金融市場響應(yīng)——基于股票市場的事件研究[J]. 金融研究， 2020（2）：34-50.

[7]祝繼高，李天時，尤可暢. 房地產(chǎn)價格波動與商業(yè)銀行貸款損失準備——基于中國城市商業(yè)銀行的實證研究[J]. 金融研究， 2017（9）：83-98.

[8]丁友剛，嚴艷. 中國商業(yè)銀行貸款撥備的周期效應(yīng)[J]. 經(jīng)濟研究， 2019（7）：142-157.

[9]米春蕾，陳超. “四大”審計會影響商業(yè)銀行貸款損失準備嗎？[J]. 審計研究， 2018（2）：122-128.

[10]申宇，任美旭，趙靜梅. 經(jīng)濟政策不確定性與銀行貸款損失準備計提[J]. 中國工業(yè)經(jīng)濟， 2020（4）：154-173.

[11]Romer CD， Romer DH. Federal reserve information and the behavior of interest rates[J]. American Economic Review， 2000（3）：429-457.

[12]Nakamura E， Steinsson J. Highfrequency identification of monetary nonneutrality： the information effect [J]. Quarterly Journal of Economics， 2018（3）：1283-1330.

[13]Ehrmann M， Gaballo G， Hoffmann P， Strasser G. Can more public information raise uncertainty？ The international evidence on forward guidance[J]. Journal of Monetary Economics， 2019（12）：93-112.

[14]Amaya D， Filbien J-Y. The similarity of ECB’s communication[J]. Finance Research Letters， 2015（5）：234-242.

[15]Cieslak A， Schrimpf A. Nonmonetary news in central bank communication[J]. Journal of International Economics， 2019（5）：293-315.

[16]王宇偉，周耿，吳曈，范從來. 央行的言辭溝通、實際行動與企業(yè)投資行為[J]. 中國工業(yè)經(jīng)濟， 2019（5）：118-135.

[17]Meade EE， Acosta M. Hanging on every word： Semantic analysis of the FOMC’s postmeeting statement[M]. Washington： Board of Governors of the Federal Reserve System， 2015.

[18]李雙建，田國強. 銀行競爭與貨幣政策銀行風(fēng)險承擔(dān)渠道：理論與實證[J]. 管理世界， 2020（4）：149-168.

[19]劉昊.綠色信貸、風(fēng)險管理文化與商業(yè)銀行高質(zhì)量發(fā)展[J].財經(jīng)理論與實踐，2021（5）：2-8.

[收稿日期] 2021-06-12

[基金項目] 中南財經(jīng)政法大學(xué)高水平基地平臺建設(shè)項目：現(xiàn)代中央銀行制度建設(shè)與金融治理現(xiàn)代化研究（31522141210）

[作者簡介] 黃孝武（1967—），男，湖北洪湖人，中南財經(jīng)政法大學(xué)金融學(xué)院教授，博士生導(dǎo)師，研究方向：金融理論與政策。