影子银行变量 (YZ) :与互联网金融变量类似, 目前中国对影子银行的研究主要还是采取定性的方式为主, 样本收集也受限于业务类型多样化和未纳入正规统计体系之困。但是, 除了互联网金融融资外, 由于其他影子银行形式主要是银行出于规避监管等动机的资产业务表外化过程, 因此这里参考王振和曾辉 (2014) 等的计算方法, 利用算式“影子银行规模=新增委托贷款+信托贷款+未贴现银行承兑汇票”来获得影子银行的样本值。
金融摩擦变量 (FRI) :金融摩擦代理变量的选择有两种思路:一是基于金融摩擦与金融市场不完全是相容的两个类似概念, 可选择利率市场化水平与金融机构的竞争度指标。二是基于社会信用体系的完备性与金融市场监督等所产生的交易成本成反比, 因此可选择社会信用体系建设水平指标。考虑到数据的可得性与连续性, 这里参照战明华等 (战明华等, 2016) 的研究选择后者。其他变量定义及具体测算方法见表1。
2. 数据说明
数据的样本区间为2009—2015年的季度数据, 并利用Census X12方法对其进行了平滑处理。其中, 16家上市银行和主要的宏观变量数据均来自Wind咨询, 部分缺失数据用移动平均法补齐。互联网金融的数据主要来自艾瑞网、零壹数据等公开网络资源, 金融摩擦变量计算中所需企业数据主要来自《征信系统建设运行报告 (2004—2014) 》, 个别缺失数据来自网上搜集资料。
表1 变量定义
表2 假说1的动态面板GMM估计结果
注:括号内值为标准误;***、**和*分别表示在1%、5%和10%的水平上显著。以下各表同。J统计量用于检验是否存在工具变量的过度识别。
(三) 实证结果及其分析
表2报告了互联网金融发展对货币政策银行信贷渠道的总体效应估计结果, 由表2可知:
第一, 估计结果支持了假说1中互联网金融发展弱化了货币政策银行信贷渠道的判断。变量MP的系数显著为负, 表明具有滞后效应的紧缩性货币政策会导致银行信贷供给的明显减小, 但MP*IF前的系数符号为正, 则意味着互联网金融的发展改变了紧缩性货币政策影响银行信贷供给的边际效应, 有效地弱化了紧缩性货币政策导致的银行信贷供给减少。将控制MP*IF和不控制MP*IF条件下的估计结果第 (3) 、 (4) 列加以比较显示, 在控制互联网金融发展对货币政策影响的条件下, 紧缩性货币政策对银行信贷供给的边际影响会进一步放大。根据系数的估计结果, 这一放大效应大约是10%。另外, 在控制与不控制MP*IF、MP*IF*FRI的情况下, IF的系数大小与显著性均无明显变化, 说明互联网金融影响银行信贷的总体行为和互联网金融通过货币政策影响银行信贷, 是两个相对独立的事件, 二者之间没有有意义的经济逻辑联系。
第二, 估计结果也与互联网金融发展是通过减小金融摩擦从而弱化货币政策银行信贷渠道的假说1预期相一致。首先, 表2中第 (5) 列MP*IF*FRI的系数显著为负, 说明金融摩擦程度的确对货币政策银行信贷渠道的效应起到了放大器的效果, 这与金融摩擦与货币政策银行信贷渠道关系的标准理论判断相同。其次, 将第 (4) 、 (5) 列的MP*IF项系数估计结果加以对比表明, 在控制MP*IF*FRI项后, MP*IF系数显著增大, 即紧缩性货币政策减少银行信贷供给的效应被显著弱化, 说明互联网金融主要是通过有效的改变货币政策传导环境中金融摩擦的大小, 来弱化货币政策银行信贷渠道的效应的。从MP*IF*FRI系数大小来看, 互联网金融通过金融摩擦边际效应而对信贷渠道的相对影响, 大约占互联网金融对货币政策效应总体影响的50%。
第三, 各种控制变量中影子银行与银行的特质对银行信贷行为的影响各不相同。作为近些年来为了规避金融监管和进行制度套利而迅速发展的金融创新形式, 影子银行对金融市场的运行机制与环境, 以及金融市场微观主体的行为, 均产生了广泛的影响。根据表2中的实证结果, 在剔除各种趋势的影响后, 影子银行的发展与银行信贷增长负相关, 表明影子银行的发展对传统银行信贷具有替代效应。另外, 模型中反映银行规模与流动性的SIZE和LIQ系数估计结果显示, 银行规模对银行信贷增长影响不显著, 但是银行信贷行为受银行资产流动性的约束较强, 这与流动性管理是银行四大管理目标的现实相一致。
四、互联网金融影响银行信贷渠道微观机理的经验证据
(一) 银行负债结构替代效应的检验
由假说1, 检验银行负债结构替代效应可以分为两个逻辑步骤:第一, 验证银行负债结构对紧缩性货币政策下银行贷款行为存在显著影响。第二, 验证在紧缩性货币政策条件下, 互联网金融对银行负债结构存在影响。
1. 紧缩货币条件下银行负债结构对贷款行为的影响
其中, LC为银行佣金净收入, 代表银行的理财产品规模;D为银行资产负债表中的存款量;CON是控制其他供给与需求因素的向量, 包括GDP增长率等宏观经济变量和一些银行特征变量。如果假说1第一个逻辑步骤成立, 则β1应该为负, 而β2和β3为正。也就是说, 如果银行负债结构影响了紧缩性货币政策作用于银行贷款行为的效果, 而互联网金融又对这一作用效果进行了抑制, 那么, 只要互联网金融发展能够影响银行负债结构的结论在下面的实证中得到支持, 则互联网金融发展通过改变银行负债结构, 从而改变紧缩性货币政策影响银行贷款边际效应的机理就会得到一定程度的验证。
根据表3关于式 (9) 的回归结果, 首先, 银行负债结构替代效应是较显著存在的。由回归结果, β1显著为负, 表明银行信贷增长被紧缩性货币政策显著抑制。同时, β2显著为正, 表明理财产品在银行负债中占比的提高, 有效削弱了紧缩性货币政策的贷款收缩效应, 这支持了货币政策银行信贷渠道的有效性, 与银行资产负债表中有准备要求负债占比正相关的理论预期。其次, 三次交叉项MPt-1* (Dit/LCit) *IFt的系数β3显著小于0, 说明互联网金融改变了银行负债结构与货币政策的关系, 即货币政策紧缩效果的边际效应因互联网金融的发展而被有效弱化。但这一弱化是否来自互联网金融发展改变了银行负债的结构, 尚待下面进一步的检验。
2. 互联网金融对银行负债结构的影响
如果影响机制成立, 则β2应该大于0。为了更好地控制银行特质对估计结果的影响, 表3给出了不同类型银行情况下的实证结果。由表3可知:
第一, 总体而言, 互联网金融的发展显著的促使银行多发行非准备金要求的理财产品, 符合理论预期, 但不同类型银行所受影响有所差异。具体地, 如果互联网金融增长1%, 将使银行总体理财产品占存款比重平均上升约0.09%, 对小银行的影响约提高0.14%, 但对大银行的影响不显著。
第二, 货币政策引起的中小银行和大银行的负债结构变化也很不同, 小银行负债结构对紧缩性货币政策更为敏感。不同银行类型下的MP估计系数表明, 小银行会通过多发行理财产品来应对准备金率的提高, 而大银行对此的反应不敏感。且作为一个整体, 虽然准备金率的提高会导致银行增加非准备金要求的理财产品占比, 但并不显著。
第三, 在互联网金融存在的条件下, 紧缩性货币政策更容易诱使银行选择多发行非准备金要求的理财产品。表3中不同类型银行MP*IF交叉项系数为正表明, 互联网金融的发展放大了紧缩性货币政策影响银行广义负债结构的边际效应, 即准备金率提高总体上使得银行更容易倾向于发行非准备金要求的理财产品。
最后, 结合上面的分析可知, 实证结果为互联网金融发展影响银行广义负债结构两个逻辑链条的存在性提供了证据, 表明互联网金融通过假说2的负债结构效应影响货币政策银行信贷渠道的机理确实存在。
(二) 证券市场的流动性效应的检验
根据假说3, 互联网金融参与证券市场可能会提高证券市场的完善度, 这降低了银行非贷款资产与贷款资产之间的转换成本。于是面对紧缩性货币政策的冲击, 银行会更容易在证券市场将非贷款资产卖出并将其用于增加贷款, 从而抑制货币政策紧缩带来的贷款供给量的减少。这对货币政策银行信贷渠道的作用显然具有抑制作用。验证此预期的计量模型如下:
其中, SE表示证券市场发展水平指标。证券市场的发展水平需要从市场规模、市场结构和市场制度等多个维度予以反映, 因而这一指标的精确构建比较困难。倪鹏飞等 (2014) 利用全国证券市场累计融资额与GDP的比值来衡量证券市场的发展水平, 我们也选择这一指标。如果互联网金融促进了证券市场的发展从而有效降低了银行非贷款资产转换为新增准备金的成本, 那么提高准备金率的紧缩性货币政策对银行贷款的边际影响就会减弱, 即β3应该显著为正。
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/214.html
