总起来看, 已有研究从总体上对互联网金融如何影响货币政策的问题进行了富有意义的探讨, 但尚未发现专门从货币政策银行信贷渠道研究互联网金融影响的分析。与已有的研究相比, 本文的可能贡献如下:一是聚焦于近几年广受关注的互联网金融这一重要金融创新形式对货币政策银行信贷渠道所带来的冲击;二是从货币政策银行信贷渠道的作用机理和中国特殊经济环境出发, 尝试构建了一个金融摩擦条件下包括家庭储蓄投资决策、银行资产组合最优化行为和异质性企业融资决策的一般均衡理论模型, 提出了互联网金融诱致的四种微观效应机理, 从而使分析具有了中国特色的微观基础;三是从实证的角度对互联网金融发展影响货币政策银行信贷渠道的理论机理, 进行了验证与识别。
论文余下部分的内容安排如下:一是构建互联网金融发展影响货币政策银行信贷渠道的理论框架, 并提出相应假说;二是对相关假说进行计量检验;最后是结论。
二、理论分析框架
经济中代表性的理性经济主体由家庭、企业和商业银行构成。家庭通过将资金投资于不同渠道而获得效用的最大化。企业类型异质且分为两类:一类能提供更多的抵押品, 记作企业类型1;一类提供抵押品能力相对较低, 记作企业类型2, 但企业类型2的抵押品提供能力与互联网金融的发展正相关。商业银行从事金融中介业务, 资金来自不同的渠道并按风险收益最大化目标将资金在不同资产之间进行配置。假定银行是风险厌恶的, 银行非贷款资产与贷款资产之间存在转换成本, 且假定由于互联网金融发展进一步完善了证券市场, 因而这一转换成本是互联网金融发展的减函数。中央银行通过调整存款准备金率来执行货币政策。系统是比较静态的, 不考虑家庭和银行投资动态跨期配置, 以及企业的动态收益最大化决策。
(一) 商业银行
银行资金有普通存款 (D1t) 和特殊存款 (D2t) 两个来源, 其中前者需要缴纳存款准备金而后者不需要。特殊存款利率水平大于普通存款, 且与互联网金融发展水平 (IFt) 正相关, 即r2t=r2t (IFt) 且r'2t>0、r2t>r1t。迫于互联网金融的竞争, 银行将更有动力开发控制信贷风险的业务模式, 从而降低对企业类型2贷款的风险。不考虑存贷比等控制因素且来自D2t的资金难以满足第1种类型企业的资金需求。银行风险收益最大化行为可由下式刻画:
其中, D1t为需要缴纳准备金的普通存款;D2t为不需要缴纳准备金的特殊存款;r1t为普通存款的利率水平;r2t为特殊存款的利率水平;R11t、R12t为银行向企业类型1发放的分别来自D1t和D2t的贷款利率;R2t为银行向企业类型2发放的来自D1t的贷款利率;λ1、λ2为企业类型1、2分别获得来自银行普通贷款D1t的比例;Rt为无风险利率;β (t) 为存款准备金率;C1、C2、C3为银行发放贷款的成本;W1、W2为企业类型1、2所能提供的抵押品价值。
(二) 家庭
将家庭财富标准化为1, 家庭将其财富在一般存款、特殊存款和利率水平为rIft的互联网金融证券之间做最优投资组合, 其效用最大化行为如下:
其中, φ1、φ2为家庭投资中一般存款、特殊存款所占总财富比例。
(三) 企业
两类企业的利润最大化函数形式如下:
其中, R12t/D2t>0, R11t/W1<0, R2t/W2<0, R2t/IFt<0, Eγ1>Eγ2。L11t、L12t为来自银行特殊存款和普通存款的给企业1的贷款量;L21t、L22t为来自银行普通存款和互联网金融的给企业2的贷款量;Eγ1、Eγ2为企业类型1、2项目单位资金预期收益率。
(四) 均衡
仅从银行的角度来看, 经济存在两种与银行资产负债相关的市场:一是家庭与银行之间的资金供需市场;二是银行与企业之间的资金供需市场。以货币政策银行信贷渠道为对象的供需均衡, 需要这两个市场同时实现均衡, 即有:
假说1:由于货币政策银行信贷渠道的作用与经济中金融摩擦水平正相关, 而互联网金融有效弱化了经济中金融摩擦的程度, 因此互联网金融将对货币政策银行信贷渠道的效果产生显著的抑制作用。
证明:由已知条件和式 (1) 、 (2) 、 (3) 、 (4) 可得:
式 (6) 关于IF求偏导并结合已知及已证条件有:
即随着IFt增大, 减少, 命题得证。
假说2:互联网金融发展使得家庭在选择金融资产投资时, 偏好于高收益的互联网金融产品或理财产品, 而减少一般性银行储蓄的持有量, 并由此减少了银行对企业的一般性贷款的数量。即基于家庭的最优投资组合决策, 互联网金融将对银行资产负债表产生负债结构效应。
证明:对D1t关于IFt求偏导可得: (1)
假说3:证券市场会因互联网金融参与证券的买卖而增强流动性与更加完善, 因而当银行面临紧缩性货币政策冲击时, 可以较小的成本将非贷款性资产在证券市场卖出而弱化货币政策银行信贷渠道的效应。即互联网金融发展具有证券市场流动性效应。
证明:由前面结论及相关假定可知, 由于证券市场流动性增强会减少银行非贷款资产转换为贷款性资产的成本, 故货币政策对银行贷款的边际影响是证券市场流动性的减函数, 即: 为证券市场的流动性。又由于互联网金融的发展增加了证券市场的流动性, 故SL=SL (IF) , SL' (IF) >0。于是可得: 。即通过提高证券市场的流动性, 互联网金融削弱了银行信贷渠道的效果。
假说4:中小企业紧缩性货币政策贷款边际效应源自互联网金融发展所诱致的两种效应叠加:一是金融资源错配效应。即当面临紧缩性货币政策时, 商业银行会多发行资金主要用于国有或大型企业的理财产品, 从而产生金融资源的错配效应。二是结构优化效应。即互联网金融的发展会迫使银行开发新的信贷技术, 这会抑制紧缩性货币政策对中小企业融资约束的放大效应, 从而有效增加中小企业的投资。互联网金融发展对中小企业紧缩性货币政策贷款边际效应的影响, 取决于这两种效应的相对大小。
证明:由L21t和L22t的表达式以及 , 可得货币政策对中小企业融资影响: 。本式关于IF进一步求偏导, 可得互联网金融对中小企业贷款供给关于货币政策边际效应的影响如下:
由式 (7) 可知, 在其他条件一定的情况下, 银行互联网金融对中小企业贷款供给关于紧缩性货币政策的边际效应由两部分构成:一是结构效应 (g1) 。二是资源错配效应 (g2) 。其中, g1小于0表示互联网金融的发展, 弱化了紧缩性货币政策减少银行一般性储蓄存款转化为中小企业贷款的边际效应, 从而优化了银行信贷资源的配置结构。类似地, 由g2与D2t的关系可知, 互联网金融发展促使银行在面临紧缩性货币政策时, 会倾向更多发行理财产品等特殊存款, 并将更多金融资源配置给大型企业。
三、互联网金融对银行信贷渠道影响的总体效应
(一) 计量模型设定
为了验证假说1, 类似于Altunbas et al. (2009) 等的方法, 我们构建如下的计量模型:
其中, 下标中的i和t分别表示银行与时间。π和GDP一起用于控制名义需求变动所引起的银行信贷量增长。YZ用于控制其它贷款形式对正式银行贷款的替代性。SIZE和LIQ用于控制银行特质对其贷款行为的影响。使用t-1期数据是为了弱化当期行为自反馈所产生的内生性问题, 银行贷款和货币政策的滞后性影响通过Δlog (Li, t-1) 和MPt-1来控制。关注变量系数主要包括β2、β4、β5、β6。如果假说1成立, 应当有: (1) β4与β2的符号正负方向相反, 且相对于不包含MP*IF项的MP变量系数绝对值, 包含该项的MP变量系数绝对值应更大。 (2) 包含MP*FRI*IF模型的MP*IF的系数要小于不包含这一变量模型的系数, 且MP*FRI、β2系数正负号相同, 而MP*FRI*IF系数正负号与MP*FRI、β2相反。
(二) 变量定义与数据
1. 变量定义
互联网金融变量 (IF) :从具体组织与业务模式看, 互联网金融包括第三方支付和各种网络借贷等多种形式, 虽然各种互联网金融形式发展呈正相关, 但样本数据的处理仍存在如何分类加总的问题。同时, 由于近几年监管滞后, 因此对互联网金融的统一正规统计体系尚未建立。目前来看, 大多数研究采取的是较易公开收集的余额宝收益率数据和第三方支付数据作为互联网金融的代理变量 (刘澜飚等, 2016) 。考虑到余额宝数据仍较少而第三方支付数据较齐全, 因而本文选择第三方支付数据作为互联网金融的代理变量。
货币政策变量 (MP) :由于货币政策操作的多目标性和多工具性, 中国的货币政策变量选择一直存在争议。理论上, 货币政策银行信贷渠道主要强调的是银行准备金率这一政策工具的作用, 为了与理论逻辑相统一, 这里选择准备金率做为货币政策的代理变量。但是, 由于准备金率的变动是非连续的, 因此我们在处理时采取的是按时间段权重加权平均的方法获得相关的样本值。
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/214.html
