党的二十大提出,要建设现代中央银行制度,为了实现上述政策目标,亟须提高货币政策信息披露质量,有效管理和引导预期。自2008 年金融危机以后,中央银行信息披露在实务界和理论界都备受关注,各国中央银行都意识到货币政策透明的重要性。早期学者关注是否应该提高货币政策透明度的问题,在“加强信息主动沟通”这一新思潮的影响下,近期学术界更加关注的是如何有效披露货币政策的信息。近年来,我国政府越来越重视中央银行信息披露,强调预期管理的重要性。与此同时,中国人民银行开展了一系列加强中央银行信息披露的实践。以《中国货币政策执行报告》(后文简称《执行报告》) 为代表的书面披露是中国人民银行自2001 年5 月开始的定期系统性披露,通过《执行报告》的文本表达释放出重要的货币政策信号。此外,中国人民银行也通过窗口指导、口头沟通、开通微信公众号等不同的方式达到预期管理的目标。我国中央银行信息披露的有效性在理论上和实践上都得到了验证[1-2],但中央银行信息披露是否对微观主体的决策行为产生影响以及如何影响尚未得到足够的关注。
经济主体的行为决策在很大程度上会受到前瞻性指引和预期管理影响。商业银行作为我国最重要的金融中介机构,其行为决策受宏观经济环境和政策导向的影响尤为明显。中央银行既是货币政策的制定者,又是货币政策的执行者,与传统的货币政策传导机制相比,现代货币政策环境下中央银行信息披露的形式和质量对商业银行的行为决策具有举足轻重的影响。中央银行信息披露是否影响商业银行的信贷供给以及中央银行信息披露如何影响商业银行信贷供给是本文研究的主要问题。对这一问题的探讨不仅有利于理解中央银行信息披露在银行层面的反应,拓展货币政策微观传导机制的研究视角,也有利于检验中央银行信息披露预期管理的效果,为宏观政策研究提供借鉴,这对促进银行稳定进而推动经济高质量发展具有前瞻意义、理论意义和现实意义。
关于商业银行信贷供给影响因素的研究主要体现在货币政策工具对银行信贷的影响[3-4]、不确定性对银行信贷的影响[5-7]等方面,鲜有文献从货币政策信息披露的质量和缓解信息不对称的视角探讨中央银行对商业银行信贷供给的影响。关于中央银行信息披露经济后果的研究主要聚焦于货币政策有效性[8-10]、对金融市场的影响[11]等方面,这些研究大多关注的是中央银行信息披露在宏观层面的经济后果,对中央银行信息披露在微观层面经济后果的研究相对缺乏。近期,有部分学者开始关注中央银行信息披露对微观主体的影响,如对企业投融资的影响[12]、对商业银行风险承担的影响和对商业银行贷款损失准备计提的影响[13-14]。这些文献的出现表明,中央银行信息披露对微观主体的影响具有重要性,但针对商业银行这一特定主体影响的研究尚不充分,尤其是对商业银行贷款供给的影响尚未引起学术界足够的关注。本文关注的问题是,中央银行信息披露影响商业银行信贷供给吗? 中央银行信息披露是如何影响商业银行信贷供给的?
本文主要包括以下三个方面的边际贡献。第一,本文将2008—2020 年共计52 个季度的《执行报告》作为信息提取源,在已有文献基础之上对关键措辞进行修订,通过文本分析构建我国中央银行信息披露指数,这也是本文最大的边际贡献。第二,本文探讨了中央银行信息披露对于商业银行信贷供给的影响,拓展了中央银行信息披露对商业银行这一微观主体行为影响的研究,丰富了中央银行信息披露质量视角下经济后果的相关文献。第三,从已有文献看,与中央银行信息披露相关的研究仍处于起步状态,国内外学者围绕中央银行信息披露的现有研究仍然缺乏作用机理、传导渠道等方面的充分解释,本文的避险动机检验为中央银行信息披露如何影响商业银行信贷供给提供了机制层面的分析,提高了中央银行信息披露相关文献的研究深度。
信息不对称导致微观主体对于不确定性较为敏感,从而影响经济行为,关于政策不确定性对银行信贷的影响,现有研究结论并不一致。大部分研究表明,不确定性对商业银行信贷供给具有抑制效应,随着货币政策不确定性的增大,银行的贷款增长率显著降低。基于风险厌恶理论,不确定性会让银行产生“惜贷”情绪,导致信贷处于紧缩状态,并且这种抑制效应还受到银行异质性的影响。在货币政策不确定性提升时,商业银行更愿意发放期限较短的贷款和有担保的贷款。但也有研究得出相反结论,政策不确定性与上市银行贷款增长率之间显著正相关,并且银行风险承担会起到调节作用。在受到自身流动性影响的情况下,政策不确定性导致银行信贷增加。已有文献尽管关注到政策不确定性对商业银行信贷供给的影响,但鲜有文献从信息披露质量和缓解信息不对称的视角审视商业银行信贷行为。
中央银行信息披露为探索缓解信息不对称经济后果的研究提供了一种全新思路。自2008 年全球金融危机之后,为了缓解信贷紧缩并保持经济的稳定发展,各国央行都采取了新工具和新措施,同时也引发了学术界和理论界对于这些新工具有效性及其对银行业和对实体经济作用的激烈讨论[15-16]。有学者利用欧央行的定向货币政策研究银行对企业信贷供应的影响[17]。与此同时,中央银行信息披露也成为一种重要的货币政策工具。中央银行信息披露是指,中央银行对外披露货币政策相关信息,以期信息接收者认同其所披露信息的过程,从而达到提高货币政策透明度和预期管理的目的。在披露的过程中,既包含中央银行为了提高货币政策透明度的被动披露,也包含中央银行为了引导预期达到预期管理目标的主动披露。作为货币政策预期管理的重要工具,对中央银行信息披露的现有研究大多集中于信息披露在宏观层面产生的影响[18-19],对微观主体影响的研究并不充分。本文从商业银行的微观主体视角考察中央银行信息披露对商业银行信贷供给的影响。
中央银行信息披露可以传递信息,有助于微观主体对未来货币政策的理解,缓解信息不对称的影响,从而调整预期、改变经济行为。商业银行是我国最重要的金融中介机构,是金融市场中的资金提供者,其作为债权人在进行信贷决策时关心的是当前提供的资金在未来收回的可能性与及时性。信贷过程中的信息不对称是导致商业银行信贷风险的主要原因,能否识别并控制信贷风险是商业银行进行信贷决策时的重要考虑因素[20]。中央银行信息披露可以通过缓解信息不对称发挥信息传递渠道作用,中国人民银行以每季度发布的《执行报告》进行的书面披露释放出的信息,通过调整资金供给者和资金需求者预期,从而对我国商业银行信贷供给产生影响。
中央银行的信息披露越充分,对商业银行信贷供给的影响越大。首先,信息不对称问题在很大程度上是由信息披露方对外披露的信息不完备所引起的。作为信息披露方的中央银行,在一定程度上对于未来货币政策信号的信息披露程度和披露时机拥有选择权,其披露的信息越充分,预期管理的效果越好。具体而言,中央银行主要通过《执行报告》信息披露释放货币政策信号,提前表明货币政策立场,缓解信息不对称,从而影响商业银行的信贷供给。其次,从信号接收方的角度来看,中央银行通过信息披露释放的信号有助于商业银行对于未来违约风险进行提前判断。较之传统货币政策工具影响银行信贷供给的路径,中央银行信息披露通过前瞻性指引功能的发挥,调整商业银行的预期,中央银行披露的信息越充分,越能够缓解中央银行和商业银行之间的信息不对称,商业银行获得的前瞻性信息越多,越有助于增强信心,从而影响商业银行在信贷供给方面的变化。此外,中央银行信息披露越充分,对信贷资金需求者的预期和信心也会产生越大的影响,间接影响商业银行信贷供给的变化。综上所述,中央银行信息披露的信息含量越高,释放出未来货币政策的信号越充分,则对商业银行信贷供给的影响就越深远。由此,本文提出如下假设。
H1:中央银行信息披露越充分,对商业银行信贷供给的影响越大。
中央银行信息披露释放货币政策信号分为“从紧到松”的正向信号和“从松到紧”的负向信号,正向信号表明未来获得收益的可能性更大,负向信号表明未来遭受损失的可能性更大。收益和损失所带来的预期影响是非对称的,因此正向信号和负向信号对信贷供给的影响程度也存在差异。如果中央银行信息披露传递的未来货币政策信号是正向信号,利益相关方在收益的驱动下会促使商业银行信贷供给增加,上述正向信号越充分,信贷供给增加越多。反之,如果中央银行信息披露传递的未来货币政策信号是负向信号,预期未来经济发展速度放缓,企业面临的经营困难便可能提高,银行难以判断未来企业的盈利能力和偿债能力,银行惜贷情绪渐浓,导致放贷意愿会显著减弱。与此同时,企业面临未来紧缩的信息,投资的“观望”效应加剧,削弱了企业研发创新的积极性[21],企业投资减少,对信贷的需求量也会随之减少。但是,无论资金供给量的减少还是资金需求量的减少都具有一定的黏性。因此,中央银行信息披露对商业银行信贷供给在正向信号和负向信号下的影响程度是有所差异的,商业银行信贷供给对正向信号的敏感程度应该大于其对负向信号的敏感程度。综上所述,中央银行信息披露对商业银行信贷供给的影响是非对称的。由此,本文提出如下假设。
H2:相对负向信号,正向信号下中央银行信息披露对商业银行信贷供给的影响程度更大。
中央银行信息披露对商业银行信贷供给行为的作用机制,即中央银行信息披露是通过何种手段对商业银行信贷供给产生影响的。已有研究发现,商业银行在进行资产配置时,安全性是最为主要的行为动机因素[22]。商业银行作为金融机构的主体一旦产生风险,在风险扩散性的影响下,极容易导致系统风险,因此商业银行在进行决策时资金安全是其首要考虑的目标,这体现为商业银行的风险承担。当央行信息披露传递的信号越充分时,商业银行的风险越小,能够缓解商业银行的风险规避动机,在营利性和安全性的权衡之下,商业银行增加信贷供给。反之,当央行信息披露传递的信号不够充分时,信息不对称和不确定性加剧了商业银行的避险动机,进而商业银行信贷供给会减少。综上所述,中央银行信息披露影响商业银行信贷供给时,商业银行的避险动机将发挥关键作用。由此,本文提出如下假设。
H3:中央银行信息披露通过影响商业银行的避险动机调节商业银行的信贷供给。
本文选取2008—2020 年48 家商业银行季度数据作为研究样本。根据银保监会商业银行分类标准,研究样本包含大型商业银行、全国性股份制商业银行、城市商业银行和农村商业银行。银行数据来源于Wind 数据库、各家商业银行历年年报等,宏观经济数据来源于国家统计局网站,中央银行信息披露指数根据中国人民银行《执行报告》进行文本处理后构建。
由于《执行报告》按季度发布,本文选取2008—2020 年共52 个季度的报告文本作为信息提取源,并参照Heinemann & Ullrich[23]的方法,构建中国的中央银行信息披露指数(I) 并进行测度。该方法基于统计学标准,能够客观地测度中国中央银行信息披露指数。指数构建的思路如下。首先,挑选可以用于构建指数的措辞。将货币政策执行情况分为“紧缩”“宽松”“中性”三类,挑选的用于构建指数的措辞需要满足在不同货币政策区制下的出现频率具有显著差异。其次,确定权重及符号方向。关键措辞权重的确定方法是计算出不同区制下的差异对于各个关键措辞总变差的解释程度,关键措辞对应的符号是正号还是负号取决于其在紧缩期和宽松期出现频率之差。最后,通过计算构建中国中央银行信息披露指数。具体操作步骤如下。
第一步,划分实际货币政策时期。根据货币政策实际执行的当期情况,将货币政策时期划分为“紧缩”“宽松”“中性”三类。判断的依据主要是从央行的基准利率是否调整、法定准备金率是否调整以及是否有公开市场操作等角度进行考察。如果当期出现央行下调基准利率、下调法定准备金率,或者通过公开市场操作向市场注入了流动性,则将该期定义为货币政策“宽松期”; 反之,则将该期定义为货币政策“紧缩期”; 如果没有明显证据表明当期对基准利率和准备金率等进行向上或者向下调整,也没有明显证据表明开展具有指向性的公开市场操作的,那么将该期定义为货币政策“中性期”。经统计,2008 年第1 季度—2020 年第4 季度共52 个季度中货币政策“宽松期”有29 个季度、“中性期”有14 个季度、“紧缩期”有9 个季度。
第二步,关键措辞提取与筛选。从52 份《执行报告》文本文件中提取可能反映央行预期的措辞。现有文献中,卞志村、张义[24]从反映央行通胀预期的措辞入手,将措辞分为两个层级,一级措辞有8 个,分别是: 通胀、通缩、不确定性、政策从紧、稳健、上调、下调、扩大内需。其中,“通胀”包含12 个二级措辞,“通缩”包含2 个二级措辞,“政策从紧”包含2 个二级措辞。林建浩、赵文庆[25]扩大措辞提取的具体范围,提取了19 个措辞类型,并将和某一措辞类型相关或者相近的信息大致等价地计数在内。王宇伟等[12]将措辞分成四个类别,分别为表示货币政策基调的措辞、反映货币信贷环境的措辞、关于物价水平的措辞、体现经济增长的措辞,每一类各自包含5 个具体措辞。本文最终选择14 个措辞,每个措辞按照相近的词义尽量穷尽,具体包括通缩、通胀、物价稳定、政策宽松、政策紧缩、稳健、上调、下调、利率稳定、经济衰退、经济过热、经济平稳、扩大内需、不确定性。
为了保留具有区分度的措辞,使用ANONA方差分析对14 个措辞按照在不同的货币政策区制下具有区分度的原则进行筛选。物价稳定、政策宽松、稳健、利率稳定、经济衰退、扩大内需这6个措辞并不显著,而其余8 个措辞均在10%的水平下显著。因此,本文最终保留通缩、通胀、政策紧缩、上调、下调、经济过热、经济平稳、不确定性8 个措辞作为构建央行信息披露指数的备选措辞。挑选的用于构建指数的措辞还需要满足在不同货币政策区制下的出现频率具有显著差异,为了从备选措辞中挑选出能够代表中央银行信息披露倾向的典型措辞,进一步对上述8 个备选措辞进行逻辑一致性检验。具体来说,对各个措辞进行两两区制下出现频数的对比检验,从是否具备显著性和单调性两个角度进行检验。单调性要求,措辞在不同的区制出现的频次由宽松到紧缩呈递增或者递减。显著性要求,措辞在不同区制存在显著差异,即两两比较的结果至少在5%的水平下显著。经过筛选和检验,本文最终保留的7 个措辞为通缩、通胀、政策紧缩、上调、下调、经济过热、经济平稳。
第三步,构建中央银行信息披露指数。本文参照Heinemann & Ullrich[23]构建中央银行信息披露指数的方法。具体而言,关键措辞权重的确定方法是计算出不同区制下的差异对于各个关键措辞总变差的解释程度,关键措辞对应的符号是正号还是负号取决于其在紧缩期和宽松期出现频率之差。在对各季度《执行报告》中出现的措辞频次进行标准化处理后,再对各个措辞进行加权,并考虑正负号的影响,然后进行求和,得到中央银行信息披露指数的时间序列数据集。指数构建的公式如下。
其中,fre(xi,t) 表示最终措辞i 在第t 时期出现的频次,mean(xi) 表示最终措辞i 在不同时期出现频次的均值,std(xi) 表示最终措辞i 在不同时期出现频次的标准差,η2(xi) 表示最终措辞i的权重,sign(xi) 是最终措辞i 的符号。取绝对值之后所得到的中央银行信息披露指数(I) 越大,表示中央银行信息披露越充分。
1.被解释变量
本文的被解释变量是商业银行信贷供给变动(LOAN),借鉴徐明东、陈学彬[26]和沈悦、马续涛[27]的做法,用贷款余额的自然对数取差分进行衡量。
2.解释变量
本文的解释变量是中央银行信息披露(WI)。用指数I 进行衡量。
3.中介变量
本文的中介变量是商业银行风险承担(ZSCORE)。根据已有文献[28]中风险承担指数的计算公式,Z = (EA + ROA) /D(ROA)。其中,EA 表示权益资产比,ROA 表示总资产收益率,D(ROA) 表示总资产收益率的标准差,Z 值越大表示商业银行的破产风险越小。为了更加直观地体现风险大小以及方便后续的分析说明,本文选择对Z 值进行取倒数处理,得到ZSCORE。ZSCORE的值越大,表示商业银行风险承担越大。
4.控制变量
商业银行微观层面的控制变量,包括银行规模(SIZE)、资本充足性(EA)、流动性水平(LAR)、盈利能力(ROA)、贷款质量(NPL)、经营效率(CTI)、上市时间(LIST)。宏观层面的控制变量选择的是GDP 增速(GDP)。同时,本文还控制了个体(Bank) 和季度(Quarter) 固定效应。主要变量的具体定义见表1。
表1 变量定义
变量类型变量名称变量符号变量说明被解释变量商业银行信贷供给变动LOAN 银行贷款期末余额的自然对数取差分中介变量商业银行风险承担ZSCORE商业银行风险承担指数(Z 值)取倒数解释变量中央银行信息披露WI 中央银行信息披露指数的绝对值银行规模SIZE 总资产的自然对数值资本充足性EA=所有者权益/总资产流动性水平LAR=流动资产/流动负债控制变量盈利能力ROA=税后净利润/总资产贷款质量NPL不良贷利率经营效率CTI=(营业费用+折旧) /营业收入上市时间LIST商业银行的上市季度数GDP 增速GDP实际GDP增长率
为了实证考察中央银行信息披露对商业银行信贷供给的影响,本文所采用的基本计量模型设定如下。
其中,i 表示银行,t 表示季度。在主检验分析中,将应用模型(1) 检验中央银行信息披露是否对商业银行信贷供给产生影响,以及中央银行信息披露对商业银行信贷供给影响是否具有非对称性。在进一步检验分析中,将模型(1) 应用于中央银行信息披露对不同类型商业银行的信贷供给的影响,以及中央银行信息披露对银行信贷供给的异质性影响的检验。
为了检验央行信息披露对商业银行信贷供给影响的避险动机,本文采用中介效应模型进行作用机制检验。具体而言,借鉴温忠麟、叶宝娟[29]的做法,采用分步回归来识别中介效应,模型的第二步和第三步设定如下。
表2 为主要变量的描述性统计结果。结果显示,商业银行信贷供给变动(LOAN) 最大值为0.154,最小值为0.036,均值为0.040,说明银行信贷供给差异较大。中央银行信息披露(WI) 最大值为0.254,最小值为0.016,均值为0.034,说明中央银行信息披露在不同季度之间存在差异。
表2 变量的描述性统计结果
变量样本量均值标准差中位数最小值最大值LOAN 1 0640.0400.0250.0000.0360.154 WI1 0640.0340.0460.0010.0160.254 SIZE1 06419.0351.57415.92719.15821.741 ZSCORE1 0640.0640.1040.0530.0002.957 EA1 0640.0680.0120.0350.0670.094 LAR1 06472.14911.70742.84071.875104.630 ROA1 0641.0710.2430.5901.0601.670 NPL1 0640.0060.0030.0020.0060.013 CTI1 06429.1836.00917.22028.49051.970 LIST1 06422.04217.13901957 GDP 1 0646.6573.064-6.8006.90012.200
表3 的列(1) 报告了在不加入控制变量的情况下中央银行信息披露对商业银行信贷供给的影响。中央银行信息披露(WI) 的回归系数为0.044,变量在5%的水平下显著。列(2) 和列(3)逐步增加银行层面控制变量和宏观控制变量,中央银行信息披露(WI) 的回归系数分别为0.051和0.054,变量均在1%的水平下显著。为了缓解遗漏不随时间改变的固定因素可能产生的内生性问题,列(4) 进一步报告了中央银行信息披露对商业银行信贷供给影响的个体固定效应模型回归结果,中央银行信息披露(WI) 的回归系数为0.050,变量在1%的水平下显著。由此可见,中央银行信息披露与商业银行信贷供给正相关,意味着中央银行信息披露越充分,商业银行的信贷供给变动越大,H1 得到验证。
表3 中央银行信息披露对商业银行信贷供给的影响
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。为进一步增强回归结果的稳健性,本基准回归的前3 列还进一步控制了银行类别(BankType),根据4 种分类共设定3 个虚拟变量。
(1)(2)(3)(4)WI -1 0.044**0.051***0.054***0.050***(2.143)(2.700)(2.868)(2.783)SIZE -1-0.003*-0.003*-0.020***(-1.794)(-1.849)(-3.368)EA -1 0.292**0.248*0.330**(2.172)(1.912)(2.055)LAR -1-0.001***-0.001***-0.001***(-5.258)(-5.491)(-7.900)ROA -1-0.003-0.004-0.007(-0.559)(-0.979)(-0.852)NPL -1-0.345-0.2972.095***(-0.664)(-0.600)(2.749)CTI -1 0.000***0.000**0.001***(2.736)(2.119)(3.333)LIST-0.000-0.000-0.001***(-1.618)(-1.259)(-4.576)GDP-0.003***-0.002***(-7.573)(-6.690)Bank FE否否否是Quarter FE是是是是BankType FE是是是否常数项0.040***0.113***0.145***0.403***(7.311)(3.148)(4.120)(3.774)观测值1 0641 0641 0641 064调整后R2 0.1940.2590.3050.405
计算样本当期WI 减去上一期WI 的数值,如果为正,则将样本归为正向信号组,反之为负向信号组。分别对两组样本进行基准回归分析,非对称效应的回归结果如表4 所示,无论正向信号组还是负向信号组,中央银行信息披露的回归系数均为正且变量均在1%的水平下显著,但是系数大小有所差异。为了确保两个组间的系数是可以进行比较的,进行了组间系数差异检验,经验p 值为0.084,说明存在组间差异。正向信号组的系数为0.143,负向信号组的系数为0.069,这说明正向信号组和负向信号组的商业银行信贷供给受到中央银行信息披露的影响程度有所不同,正向信号组的反应程度更大。由此可见,中央银行信息披露对商业银行信贷供给的影响是非对称的,中央银行信息披露对商业银行信贷供给在正向信号下的影响程度更大,H2 得到验证。
表4 非对称效应检验结果
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。
正向信号组负向信号组(1)(2)WI -1 0.143***0.069***(3.803)(4.125)SIZE -1-0.027***0.005(-4.247)(0.857)EA -1 0.366*0.809***(1.746)(5.025)LAR -1-0.001***-0.001***(-5.392)(-3.227)ROA -1-0.056***-0.013(-5.723)(-1.569)NPL -1 1.822**0.217(2.120)(0.279)CTI -1 0.001**0.001***(2.000)(3.345)LIST-0.000-0.001***(-0.830)(-4.140)GDP-0.002***-0.002*(-6.975)(-1.813)Bank FE是是Quarter FE是是常数项0.595***-0.094(4.865)(-0.758)观测值575489调整后R20.4160.300 p 值0.084*
表5 报告了中央银行信息披露影响商业银行信贷供给的避险动机的检验结果。列(1) 为中介变量ZSCORE 的有效性检验,中央银行信息披露WI对中介变量ZSCORE 在5%的水平下具有显著负向影响,说明中介变量ZSCORE 有效;列(2) 的结果显示,在加入中介变量ZSCORE 之后,解释变量央行信息披露WI 在5%的水平下显著且系数为正。以上结果表明,中央银行信息披露影响商业银行信贷供给时,商业银行的避险动机发挥作用,H3 得到验证。
表5 避险动机检验结果
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。
ZSCORELOAN(1)(2)WI -1-0.171**0.049**(-2.695)(2.602)ZSCORE -1-0.019***(-3.175)SIZE -1-0.154*-0.019***(-1.754)(-3.004)EA -1-2.5890.361**(-1.335)(2.175)LAR -1-0.002*-0.001***(-1.921)(-5.897)ROA -1-0.008-0.008(-0.200)(-0.771)NPL -1 17.401*2.368**(1.733)(2.376)CTI -1-0.0020.001***(-1.117)(2.703)LIST-0.000-0.001(-0.082)(-1.528)GDP-0.002-0.002***(-1.133)(-6.632)Bank FE是是Quarter FE是是常数项3.135*0.365***(1.729)(2.992)观测值1 0641 064调整后R2 0.1580.396
1.动态面板数据模型的GMM 估计
为了缓解遗漏变量偏差、测量误差以及其他潜在因素造成的内生性问题,本文分别采用两步系统GMM 方法和差分GMM 进行广义矩估计。表6 报告了动态面板数据模型GMM 估计的回归结果,列(1) 为系统GMM 估计,列(2) 为差分GMM 估计。列(1) 的估计结果显示,WI 的系数为0.037,变量在10%的水平下显著,这与前文的结果一致。并且AR(1) 的p 值为0.000,AR(2) 的p 值为0.716,说明不存在二阶序列相关,通过自相关检验。Hansen 检验的p 值是1.000,说明所有工具变量为外生工具变量,模型的工具变量选取有效。以上结果表明,使用动态面板数据模型进行系统GMM 估计具有一致性和有效性,本文得到的估计结果是值得信赖的。列(2) 的估计结果显示,WI 的系数为0.077,变量在1%的水平下显著,这与前文的结果一致。并且AR(1) 的p 值为0.000,AR(2) 的p 值为0.483,说明不存在二阶序列相关,通过自相关检验。Hansen 检验的p值是1.000,说明所有工具变量为外生工具变量,模型的工具变量选取有效。以上结果同样表明,使用动态面板数量模型进行差分GMM 估计具有一致性和有效性,本文得到的估计结果是值得信赖的。由此也验证了前文所提出的假设的回归结果是高度稳健的,即央行信息披露显著影响商业银行信贷供给。
表6 内生性检验的回归结果
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。
系统GMM差分GMM 一阶段二阶段LOANLOANWILOAN(1)(2)(3)(4)LOAN -1 0.232***0.152*(4.050)(1.746)IV -1 0.010***(6.548)WI -1 0.037*0.077***0.229***(1.890)(5.145)(2.687)控制变量和固定效应是是是是常数项0.0880.100***0.168***(1.503)(3.065)(8.028)观测值9679061 0641 064 AR(1) 的p 值0.0000.000 AR(2) 的p 值0.7160.483 Hansen 检验的p 值1.0001.000
2.工具变量回归
为了进一步解决可能存在的由于遗漏变量偏差、反向因果等导致的内生性问题,本文使用工具变量并采用2SLS 方法进行回归,借鉴相关文献的做法,选取解释变量的滞后项作为工具变量(IV)。回归结果如表6 所示,列(3) 中IV 的回归系数为0.010,变量在1%的水平下显著,说明本文所选的工具变量有效;列(4) 的解释变量WI 的回归系数为0.229,变量在1%的水平下显著,回归结果与基准回归的结果一致,进一步说明本文的研究结论是可靠的。
前文的基准回归模型中被解释变量和所有银行个体层面的控制变量均进行了滞后一期处理,这在一定程度上可以避免由反向因果而造成的内生性问题。为了进一步保证研究结果的可靠性,本文还做了以下的稳健性检验。
1.更换被解释变量
为了避免变量测量误差可能带来的结果偏误,增加研究结论的可靠性,通过更换被解释变量信贷供给指标的度量来观测研究结论的稳健性。对于被解释变量商业银行信贷供给,参照已有学者的做法用贷款余额的差分(LOAN2) 进行替换。表7 列(1) 的估计结果表明,更换被解释变量没有改变基本结论,中央银行信息披露对商业银行信贷供给影响的回归系数为0.023,变量依然在1%的水平下显著,表明本文的估计结果是稳健的。
表7 其他稳健性检验回归结果
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。
LOAN2 LOANLOANLOAN(1)(2)(3)(4)WI -1 0.023***0.050***0.068***(3.006)(2.884)(3.363)WI2 -1 0.204*(1.892)控制变量和固定效应是是是是常数项0.220***0.424***0.432***0.943***(3.977)(3.947)(3.951)(4.841)观测值1 0641 0641 058820调整后R2 0.3840.3960.4500.369
2.更换解释变量
对于解释变量,采用林建浩等[30]和陈良源等[2]构建的央行沟通指数进行替换。表7 中列(2) 所示的估计结果显示,更换解释变量后并没有改变基本的研究结论,中央银行信息披露对商业银行信贷供给变动影响的回归系数为0.204,变量在10%的水平下显著,表明本文的估计结果依然是稳健的。
3.增加控制变量
为了避免遗漏变量干扰,本文添加部分可能产生重要影响的控制变量,再进行回归,添加变量包括银行业景气指数和企业景气指数。表7 的列(3) 报告了增加控制变量后的稳健性检验结果。中央银行信息披露的估计系数是0.050,变量在1%的水平下显著,与前文的研究结论一致。
4.剔除特殊样本
为了避免样本自选择偏差可能带来的影响,本文剔除部分可能产生重要影响的样本后再对模型重新进行回归。考虑到六个大型商业银行在银行体系中的特殊地位有可能会对结果产生影响,因此将其从样本中剔除,重新进行回归估计,回归结果如表7 的列(4) 所示,中央银行信息披露的回归系数是0.068,变量在1%的水平下显著,说明本文的研究结果是高度稳健的。
根据Wind 数据库的标准,本文将我国商业银行分为大型国有商业银行、股份制商业银行、城市商业银行和农村商业银行,不同类型商业银行在规模、流动性、盈利能力、风险承担、经营效率等方面具有异质性,在接收相同信息情况下,不同类型商业银行作出的决策反应会有所差异。本文进一步探讨中央银行信息披露对不同类型商业银行的信贷供给影响是否存在显著差异。
表8 报告了中央银行信息披露对不同类型商业银行信贷供给影响的差异。通过分组回归,列(1) 报告了中央银行信息披露对大型国有商业银行信贷供给的影响,列(2) 报告了中央银行信息披露对股份制商业银行信贷供给的影响,列(3) 报告了中央银行信息披露对城市商业银行信贷供给的影响,列(4) 报告了中央银行信息披露对农村商业银行信贷供给的影响。由中央银行信息披露(WI)的回归系数可知,中央银行信息披露对不同类型商业银行信贷供给的影响存在显著差异,中央银行信息披露对股份制商业银行、城市商业银行和农村商业银行信贷供给的影响均在1%或5%的水平下显著,中央银行信息披露对大型国有商业银行信贷供给的影响不显著。存在这种差异的原因,可能是因为六大商业银行因其“大而不倒”的特殊地位,其对外界信息的影响敏感程度较小。
表8 中央银行信息披露对不同类型商业银行信贷供给的影响
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。
大型国有商业银行股份制商业银行城市商业银行农村商业银行(1)(2)(3)(4)WI -1 0.0440.069**0.117***0.075***(1.977)(3.057)(4.036)(3.206)控制变量和固定效应是是是是常数项1.072*0.666*0.520*0.395**(2.429)(2.278)(2.024)(2.946)观测值244382291147调整后R2 0.4150.2760.3940.264
银行对于货币政策的反应在很大程度上受到银行微观特征的影响[26]。由于银行在规模、流动性、资本充足性方面存在个体差异,中央银行信息披露的影响会受到上述异质性特征的调节。以资本充足率的中位数为标准将全部样本划分为高充足组和低充足组,以银行规模的中位数为标准划分为大规模组和小规模组,以流动性的中位数为标准划分为强流动组和弱流动组,分别检验中央银行信息披露对不同个体特征下银行信贷供给的影响。表9 报告了异质性检验的结果。列(1) 和列(2) 为资本充足率异质性回归结果,由中央银行信息披露(WI) 的回归系数可知,低充足组的系数为0.094,且变量在1%的水平下显著,高充足组的系数为0.031,且变量在10%的水平下显著。由此可知,中央银行信息披露对商业银行信贷供给的影响受到资本充足率差异的影响,相比较于资本充足率高的银行,资本充足率低的商业银行的信贷供给受到中央银行信息披露的影响程度更大。列(3) 和列(4) 为银行规模异质性回归结果,由中央银行信息披露(WI) 的回归系数可知,小规模组的系数为0.091,且变量在1%的水平下显著,大规模组的系数为0.029,但变量并不显著。由此可知,中央银行信息披露对商业银行信贷供给的影响受到银行规模差异的影响,相较于大规模的商业银行,小规模商业银行的信贷供给受到中央银行信息披露的影响程度更大。列(5) 和列(6) 为银行流动性异质性回归结果,由中央银行信息披露(WI) 的回归系数可知,弱流动组的系数为0.082,且变量在5%的水平下显著,强流动组的系数为0.040,且变量在5%的水平下显著。由此可知,中央银行信息披露对商业银行信贷供给的影响受到流动性水平差异的影响,相较于流动性较强的银行,流动性较弱的商业银行的信贷供给受到中央银行信息披露的影响程度更大。
表9 异质性检验回归结果
注: ***、**和* 分别表示在1%、5%和10%的水平下显著;括号内为T 值。
资本充足率银行规模流动性高充足组低充足组大规模组小规模组强流动组弱流动组(1)(2)(3)(4)(5)(6)WI -1 0.031*0.094***0.0290.091***0.040**0.082**(1.712)(3.077)(1.573)(2.816)(2.098)(2.094)控制变量和固定效应是是是是是是常数项0.453**1.231***0.684**1.407***0.547***0.850***(2.377)(5.548)(2.371)(5.037)(2.934)(4.490)观测值532532532532532532调整后R2 0.5080.3720.3380.4490.4460.400
本文运用2008—2020 年商业银行的季度数据,研究中央银行信息披露对商业银行信贷供给的影响,得到以下研究结论。第一,中央银行信息披露与商业银行信贷供给正相关,中央银行信息披露越充分,商业银行信贷供给越大。第二,中央银行信息披露对商业银行信贷供给的影响是非对称的,在正向信号下影响程度更大。第三,中央银行信息披露影响商业银行信贷供给时,商业银行的避险动机发挥作用,即中央银行信息披露通过影响商业银行的风险承担,进而影响商业银行的信贷供给。第四,中央银行信息披露对不同类型商业银行信贷供给的影响存在显著差异。中央银行信息披露对商业银行信贷供给的影响受到资本充足率、规模、流动性水平等银行微观特征差异的影响,相较于高充足率、大规模、强流动性的商业银行,低充足率、小规模、弱流动性商业银行的信贷供给受到中央银行信息披露的影响更大。
根据上述研究结论,本文提出如下政策建议。第一,中央银行要提高信息披露质量。由央行最重要的司局之一的货币政策司发布的文章和言论,尤其是定期发布的《执行报告》,所披露的信息代表着央行重要动向,备受市场关注。在过去的一段时间里,中央银行的《执行报告》措辞呈现越发模糊的趋势,引发了市场的猜测,这不利于现代中央银行制度和现代金融体系的建设。因此,中央银行在对外发布政策信号时,应该注重信息披露的充分性和信息含量,提高信息披露的质量,进一步增加中央银行信息披露能力。第二,充分认识中央银行信息披露对商业银行信贷供给影响的非对称性作用。中央银行信息披露对商业银行信贷供给的影响,不仅依赖于信息披露的文本表达,还依赖于经济周期的具体阶段,呈现出非对称效应。因此,要注重中央银行的文本信息传递,通过文本语调的动态调节,适度发挥央行信息披露预期管理的效果,在信贷扩张期避免共振,在信贷紧缩期避免对冲政策效果。第三,根据银行异质性提高中央银行信息披露的有效性。不同类型的商业银行以及不同特征的商业银行对于中央银行信息披露对信贷供给的影响具有异质性。因此,要注意强化中央银行信息披露对股份制商业银行、城商行、农商行以及低充足率、小规模、弱流动性商业银行的叠加作用,引导不同类型商业银行的信贷投放力度,高效对接有效信贷需求,增强信贷增长稳定性。
[1]KRYVTSOV O,PETERSEN L.Central bank communication that works: lessons from lab experiments[J].Journal of Monetary Economics,2020,117(2) : 760 -780.
[2]陈良源,林建浩,王少林,等.央行沟通对于货币政策实际干预的预测能力研究[J].统计研究,2021(1) :38 -50.
[3]马理,娄田田,牛慕鸿.定向降准与商业银行行为选择[J].金融研究,2015(9) :86 -99.
[4]陈旭东,何艳军,张镇疆.货币政策、银行信贷行为与贷款损失准备——基于中国商业银行的实证研究[J].国际金融研究,2014(10) :64 -74.
[5]刘海明,曹廷求.宏观经济不确定性、政府干预与信贷资源配置[J].经济管理,2015(6) :1 -11.
[6]BORDO M D,DUCA J V,KOCH C.Economic policy uncertainty and the credit channel: aggregate and bank level U.S.evidence over several decades[J].Journal of Financial Stability,2016,26(1) : 90 -106.
[7]顾海峰,高水文.货币政策不确定性会影响银行贷款质量吗? ——基于中国123 家商业银行的证据[J].财贸研究,2022(7) :54 -68.
[8]BERNANKE B,BLINDER A,REVIEW A E,et al.The federal funds rate and the channels of monetary transmission[J].American Economic Review,1992,82(4) :901 -921.
[9]MORRIS S,SHIN H S.Social value of public information[J].American Economic Review,2002,92(5) :1521 -1534.
[10]闫先东,高文博.中央银行信息披露与通货膨胀预期管理——我国央行信息披露指数的构建与实证检验[J].金融研究,2017(8) :35 -49.
[11]冀志斌,周先平.中央银行沟通可以作为货币政策工具吗——基于中国数据的分析[J].国际金融研究,2011(2) :25 -34.
[12]王宇伟,周耿,吴曈,等.央行的言辞沟通、实际行动与企业投资行为[J].中国工业经济,2019(5) :118 -135.
[13]汪莉,王先爽.央行预期管理、通胀波动与银行风险承担[J].经济研究,2015(10) :34 -48.
[14]黄孝武,赵乾安.商业银行能有效反应中央银行货币政策立场变化吗? ——来自银行贷款损失准备计提的经验证据[J].湖南大学学报(社会科学版),2022(3) :51 -56.
[15]MAGGIO M D,KERMANI A,PALMER C J.How quantitative easing works: evidence on the refinancing channel[J].Review of Economic Studies,2020,87(3) :1498 -1528.
[16]张敏,谢露,马黎珺.金融生态环境与商业银行的盈余质量——基于我国商业银行的经验证据[J].金融研究,2015(5) :117 -131.
[17]MATTEO B,DAVIDE F.Targeted monetary policy and bank lending behavior[J].Journal of Financial Economics,2021,142(1) : 404 -429.
[18]张一帆,林建浩,杨扬,等.央行沟通、信息冲击与国债市场波动[J].系统工程理论与实践,2022(3) :575 -590.
[19]郭豫媚,周璇.央行沟通、适应性学习和货币政策有效性[J].经济研究,2018(4) :77 -91.
[20]曹蕾,唐玮.无为而治:商业银行风险管理新思维[J].财经问题研究,2019(7) :82 -88.
[21]翟胜宝,陈紫薇.高管股权激励与企业创新[J].北京工商大学学报(社会科学版),2016(1):85-93.
[22]邓伟,宋清华,杨名.经济政策不确定性与商业银行资产避险[J].经济学(季刊),2022(1):217-236.
[23]HEINEMANN F,ULLRICH K.Does it pay to watch central bankers' lips? The information content of ecb wording[J].Swiss Journal of Economics & Statistics,2007,143(2) : 155 -185.
[24]卞志村,张义.央行信息披露、实际干预与通胀预期管理[J].经济研究,2012(12) :15 -28.
[25]林建浩,赵文庆.中国央行沟通指数的测度与谱分析[J].统计研究,2015(1) :52 -58.
[26]徐明东,陈学彬.中国微观银行特征与银行贷款渠道检验[J].管理世界,2011(5) :24 -38.
[27]沈悦,马续涛.政策不确定性、银行异质性与信贷供给[J].西安交通大学学报(社会科学版),2017(3):1-6.
[28]蒋海,张小林,唐绅峰,等.货币政策、流动性与银行风险承担[J].经济研究,2021(8) :56 -73.
[29]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014(5) :731 -745.
[30]林建浩,赵文庆,李仲达.央行沟通与实际干预的频域政策效果研究[J].管理科学学报,2017(8):27-38.
Does the Information Disclosure of Central Bank Affect the Credit Supply of Commercial Banks?