導語：貨幣傳導的信貸渠道與商業信貸研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

文獻回顧

Bernanke和Blinder首先開創了銀行信貸渠道的研究，以一個類似于IS－LM模型的理論框架，說明在傳統的利率傳導機制無效的情況下，貨幣政策也可以通過影響銀行對企業的貸款實現對實體經濟的調控，銀行借貸為貨幣傳導提供了一條重要途徑［4］。Kashyap等利用銀行借款替代的融資方式———美國短期融資券數據進行實證研究，發現貨幣政策緊縮期企業的銀行借款出現明顯下降，而同期的短期融資券發行量卻出現顯著的增長［2］。Bernanke和Gertler通過對美國聯邦基金利率的實證研究證明，政府在實施緊縮的貨幣政策之后，銀行收到存款（負債來源）的減少，使得銀行將被迫減少貸款供給。而且由于信貸渠道具有“金融加速器”的作用，因此能夠迅速把政策變化帶來的沖擊放大和傳播到整個國家的經濟活動中［1］。Kashyap和Stein提供了貨幣政策信貸傳導機制更為直接的實證證據，他們利用美國銀行1976年一季度至1993年三季度的數據研究貨幣政策的信貸傳導機制，發現貨幣政策的緊縮對小銀行和資產流動性差的銀行影響會更大［5］。另一方面，當從銀行獲得的借款因貨幣緊縮而減少或需要支付更多利息時，企業就會轉而求助于其供應商，需求導向促使企業間商業信貸成為銀行借款的一種重要的替代融資方式，這也意味著商業信貸的存在在一定程度上削弱了貨幣政策的效果。利用企業數據，Atanasova和Wilson發現在貨幣緊縮期，銀行借款約束的企業比例上升，銀行借款約束企業會以商業信貸來替代銀行借款，這一證據支持貨幣政策商業信貸傳導渠道的存在［6］。Choi和Kim發現，在控制了商業信貸的交易動機與資產管理動機后，企業應收與應付的商業信貸在貨幣緊縮期都會增加，意味著商業信貸能夠幫助企業吸收信貸緊縮帶來的影響［7］。Mateut等利用英國企業的數據得出商業信貸有助于緩解貨幣緊縮程度結論［8］。Guariglia和Mateut利用1980－2000年609家英國企業的面板數據檢驗商業信貸渠道的存在，結果顯示，在英國，銀行信貸渠道和商業信貸渠道都發揮作用，而后者會削弱前者的效力［9］。zlü和Yaln通過比較商業信貸與銀行貸款的運用，發現易遭遇融資約束企業在貨幣緊縮期會使用商業信貸來代替減少的銀行信貸，這一結果暗示商業信貸會減弱傳統信貸渠道的效應［10］。本文基于中國上市公司債務融資的數據進行分析，以一個全新的視角來研究中國貨幣政策的信貸傳導問題，國內學術界關于中國貨幣政策的研究絕大多數仍停留在宏觀層面，著眼于對貨幣政策傳導效果作總量的解讀，從微觀的層面、公司的角度研究貨幣政策傳導的文獻較少，與國外的系統性研究相比還遠遠不夠。因此，本文的研究力圖為中國的貨幣政策傳導機制研究做一些補充性貢獻。

研究假設與實證檢驗的方法

由于信貸市場的不完善，金融機構與企業之間會存在信息的不對稱，由信息不對稱引起的逆向選擇和道德風險必然導致信貸配給的發生，即如下兩種情況：（1）在看來完全相同的貸款申請人中，一部分得到貸款，另一部分被拒絕，被拒絕的申請人即使愿意支付更高的利息也得不到貸款；（2）從人群中可以識別出這樣一組人，當信貸供應額給定時，無論什么利率他們都得不到貸款，盡管當信貸供應額有所擴大時他們能得到貸款［11］。而宏觀經濟環境的改變（比如貨幣緊縮），則會加劇這種信息的不對稱，進而導致更嚴重的信貸配給。與國外市場存在的信貸配給不同，我國以四大國有商業銀行為主導的銀行體系存在的主要問題是，國有商業銀行將大部分銀行信貸資源提供給了效率低下的國有企業，而效率較高的非國有企業卻難以得到銀行信貸的支持，即我國銀行對不同產權性質的企業存在明顯的"信貸歧視"，有大量的實證文獻證明了這一現象［12－13］。當中央銀行采取提高存款準備金率、提高基準利率、提高再貼現率等措施緊縮銀根時，貨幣政策的調整會通過信貸渠道影響到實體經濟，具體表現為企業銀行信貸融資額度的大幅度降低［14］。當貨幣緊縮時，會進一步加劇非國有上市公司的"融資饑渴"，而同期國有上市公司的銀行借款卻依然保持較快增長［15］。這意味著，在貨幣政策緊縮時期，信貸歧視問題會更加嚴重。因此，基于以上分析，我們提出本文待檢驗的第一個假說。假說1：在貨幣政策緊縮時期，非國有上市公司與國有上市公司相比，其銀行信貸融資下降的幅度更大。當非國有企業在貨幣緊縮時期面臨融資困境時，就會加劇其對商業信貸的需求，有可能轉而向其供應商積極尋求融資支持。而國有企業由于能夠較方便的獲得銀行貸款，也可能為非國有企業提供這種替代性融資。但另一方面，在市場不完全競爭的情況下，非國有企業的談判能力處于相對弱勢地位［16］，在貨幣緊縮的情況下，國有企業有可能要求更多的商業信貸融資支持，非國有企業反而可能難以獲得更多的商業信貸。因此，我們提出本文待檢驗的兩個相對假說。假說2a：在貨幣政策緊縮時期，非國有上市公司與國有上市公司相比，其商業信貸融資上升的幅度更大。假說2b：在貨幣政策緊縮時期，非國有上市公司商業信貸融資上升的幅度并不比國有上市公司更大。而在貨幣政策寬松時期，企業可以較為便利地獲得銀行貸款，融資成本也更低，而且寬松的貨幣政策往往與經濟萎縮有關，在經濟萎縮時期，企業可以便利地、低成本地獲得銀行貸款［15］；企業擁有充足的銀行信貸之后，可以不再過多需要商業信貸融資。因此，基于這一分析，我們提出如下待檢驗的假說。假說3：在貨幣政策寬松時期，非國有上市公司與國有上市公司相比，其銀行信貸融資上升的幅度更大，而商業信貸融資的變化則沒有顯著差異。檢驗假說的實質是研究貨幣政策對不同產權性質公司銀行信貸融資與商業信貸融資的影響差異，其最關鍵的問題是如何將貨幣政策引起的信貸供給外生變化從其它影響因素中區分出來，本文計劃采用自然實驗框架下的DID分析方法來解決這一問題。本文所使用的雙重差分模型分別設定如下，首先，我們構建如下模型來檢驗貨幣政策對上市公司銀行信貸融資的影響：Bankcrediti，t＝α＋β1Eventt＋β2Groupi＋β3DIDi，t＋δXi，t＋εi，t（1）其中，因變量Bankcredit表示企業獲得的銀行信貸，我們在實證過程中以公司長期借款與短期借款之和占總資產的百分比表示。自變量Event表示貨幣政策事件虛擬變量，事件發生前的年份為0，事件發生及以后的年份為1。現實中，我國貨幣政策工具對公司債務融資的影響往往是交織在一起，難以區分的。只觀察某一指標，實際上很難判斷貨幣政策究竟是緊縮還是寬松。對于貨幣緊縮事件的確定，通過對中國人民銀行各年度《貨幣政策執行報告》的閱讀，以及對各貨幣政策工具的變化比較，我們選擇2002年作為貨幣政策寬松的事件年份，以2000－2004年作為事件窗口，2007年作為貨幣政策緊縮的事件年份，以2005－2009年作為事件窗口①。自變量Group為組別虛擬變量，公司屬于處理組為1，屬于控制組為0。本文按照兩種方法分別構建兩種不同的處理組和控制組，即：（1）按照上市公司的實際控制人劃分，實際控制人類型為國有控股的，作為控制組，其余為非國有公司作為處理組。（2）分別將2001年和2006年各上市公司的國有股的比例排序，以最低1／4分位的樣本公司作為處理組，以最高1／4分位的樣本公司作為控制組。已有文獻指出，在DID方法中事件虛擬變量和組別虛擬變量的估計系數和顯著性實際包含了事件發生后時間趨勢以及其他各種事件的平均影響，本身并不可靠，真正可以度量貨幣政策對企業債務融資影響效應的是雙重差分變量DID的估計系數［17］。雙重差分變量DID＝Event×Group，DID前的系數β3就是我們所關心的雙重差分系數。對于β3，有如下解釋：β3＝［E（Y｜Event＝1，Group＝1）－E（Y｜Event＝0，Group＝1）］－［E（Y｜Event＝1，Group＝0）－E（Y｜Event＝0，Group＝0）］如果貨幣政策對不同組別公司的債務融資存在顯著的異質性影響，則β3應當顯著的不等于0。Xit是由企業規模，有形資產比率，資產利潤率和企業年齡等控制變量構成的向量，其中Size代表企業規模，以總資產的自然對數表示；Col代表有形資產比率，定義為有形資產總額與總資產的百分比，用來衡量企業的抵押品價值；Roa代表資產利潤率，定義為凈利潤與總資產的百分比，用來衡量企業的盈利能力；Age代表企業年齡，以企業成立年數加1的自然對數表示。我們同時構建如下模型來檢驗貨幣政策對上市公司商業信貸融資的影響：Tradecrediti，t＝α＋β1Eventt＋β2Groupi＋β3Didi，t＋β4Bankcrediti，t＋β5Cashflowi，t＋δXi，t＋εi，t（2）其中，因變量Tradecredit表示企業從其上游企業那里獲取的商業信貸，定義為應付賬款與總資產的百分比。解釋變量中，貨幣緊縮事件虛擬變量Event，組別虛擬變量Group和雙重差分變量Did的定義與模型（1）一致，如果假設2成立，β3應當顯著大于0。其他解釋變量還有Bankcredit表示企業獲得的銀行信貸資源，由長期借款加短期借款之和與總資產的百分比構成，企業獲得的銀行貸款越多，作為替代的商業信用融資也就越少。Cashflow代表經營現金流，定義為經營活動產生的現金流量凈額與總資產的百分比，用來衡量企業的流動性和企業產生現金的能力，如果企業的經營現金流越多，則越不需要采用商業信用的方式。在本文的所有模型中，我們還設置了年度虛擬變量Year來控制時間對企業的銀行信貸和商業信貸的可能影響。考慮到我國各地區的經濟發展水平、法制環境以及地方政府干預等因素差異較大，我們也以各省虛擬變量Eegion作為控制變量，來控制未觀察到的區域效應對企業銀行信貸和商業信貸的可能影響。此外，我們還設置了行業虛擬變量Industry來控制未觀察到的行業差異對企業的銀行信貸和商業信貸可能產生的影響，根據中國證監會的行業分類代碼，我們除了將制造業按二級代碼分類外，其余行業按一級代碼分類。模型中相關變量的定義見表1。本文選擇滬深兩市A股上市公司年度財務數據作為研究樣本，數據來自于國泰安CSMAR數據庫。我們按照以下標準對數據進行了篩選：（1）剔除了金融類上市公司，因為這些公司的數據結構與普通公司存在很大區別；（2）剔除了ST、＊ST公司；（3）剔除了資產小于負債的公司；（4）剔除了相關年份銀行貸款、商業信用、資產等關鍵變量缺失的樣本。為了防止數據的異常值干擾實證結果，本文采用winsorization的方法對連續變量兩端的異常值在1％的水平下進行了處理，即對所有小于1％分位數和大于99％分位數的變量，令其值分別等于1％分位數和99％分位數。文中所使用的最終控制人數據來自于北京大學CCER色諾芬數據庫。文中所有的數據整理、計算與實證檢驗均利用STA－TA11軟件完成。

實證結果分析

在進行正式的實證檢驗之前，我們首先對不同組別公司的關鍵變量在兩個事件窗口下如何變化進行描述性統計，結果如表2所示。我們首先觀察2002年貨幣政策寬松前后的情況，無論是按照實際控制人分組，還是按照國有股比例分組，處理組和控制組的銀行信貸Bankcredit在2002年前后的變化一致，均值都在2002年之后有所上升，說明上市公司的銀行信貸在貨幣寬松時期會上升；處理組和控制組的商業信貸Tra－decredit均值在貨幣寬松之后也都有所上升。我們接著觀察2007年貨幣緊縮前后的變化，從表2可以看出，無論是按照實際控制人，還是按照國有股比例分組，處理組與控制組的銀行信貸Bankcredit均值都在2007年貨幣緊縮之后有所下降。我們同時注意到在2007年貨幣緊縮之后，處理組的商業信貸Tradecredit均值有所下降，控制組的商業信貸Tradecredit均值則有所上升。當然描述性統計僅僅只為我們提供了一些直覺信息，還不足以作出最終判斷，在下文中，我們將在控制了企業特征、年度效應、區域效應和行業效應之后，采用雙重差分模型對相關問題進行嚴格的檢驗。本文的回歸分析采用普通最小二乘法（OLS）對模型進行估計，由于是時間跨度小而橫截面觀察點多的面板數據，對于這類數據來說，使用常用的估計方法會低估標準誤差，進而導致高估系數的顯著性水平，而對標準誤差進行聚類（cluster）調整后得到的標準誤差才是無偏的。所以在對本文模型進行檢驗時，對標準誤差在公司層面進行了聚類調整，采用穩健的標準差。表3是2007年貨幣政策緊縮事件的雙重差分實證結果，我們首先看銀行信貸融資Bankcredit的結果，在以實際控制人分組的方程（1）中，Event2007年前的系數在1％的水平下顯著為負，在以國有股比例分組的方程（2）中，Event2007年前的系數在10％的水平下顯著為負，表明貨幣政策緊縮引起上市公司整體銀行借款的減少，符合貨幣政策傳導銀行信貸渠道的預期；組別變量Group的系數都在5％的水平下顯著為正，說明在2005－2009年，處理組平均獲得JINRONGYANJIU｜金融研究的銀行信貸融資比控制組的更多；對于雙重差分變量，在以實際控制人分組的方程（1）中，DID的系數在5％的水平下顯著為負，在以國有股比例分組的方程（2）中，的系數則是在10％的水平下顯著為負，這一結果表明在貨幣政策緊縮時期，處理組的銀行信貸融資相對于控制組下降的幅度更大，也說明貨幣政策緊縮對非國有上市公司銀行信貸融資的影響更大，這一實證結果也驗證了假說1的成立。對于商業信用Tradecredit來說，E－vent2007的系數均在10％的水平下顯著為正，這說明貨幣緊縮之后，上市公司整體獲得的商業信貸融資會上升；對于組別變量Group來說，其系數均不顯著，說明在2005－2009年，處理組平均獲得的商業信貸融資與控制組沒有顯著差別；對于雙重差分變量，在以實際控制人分組的方程（1）中，DID的系數為負但是不顯著，而在以國有股比例分組的方程（2）中，DID的系數則是在5％的水平下顯著為負，表明貨幣緊縮之后非國有上市公司并沒有比國有上市公司獲得更多的商業信貸融資，這一結果基本上驗證了假說2b的成立。表4是2002年貨幣政策寬松事件的雙重差分的實證結果，我們首先看銀行信貸融資Bankcredit的結果，在以實際控制人分組的方程（1）中，Event2002前的系數顯著為負，而在以國有股比例分組的方程（2）中，這一系數為正不顯著，但事件虛擬變量的估計系數和顯著性實際包含了事件發生后時間趨勢以及其他各種事件的平均影響，本身并不可靠；在方程（1）和（2）中，組別變量Group的系數都在5％的水平下顯著為正，說明在2000－2004年，處理組平均獲得的銀行信貸融資比控制組的更多；對于雙重差分變量DID的系數，方程（1）的結果在5％的水平下顯著為正，方程（2）的結果也為正，但不顯著，說明在貨幣政策寬松時期，處理組銀行信貸融資的上升幅度相對控制組更大，非國有上市公司在貨幣寬松期能夠獲得更多的銀行信貸，這與假說3基本是一致的。對于商業信用Tradecredit，無論是以實際控制人分組的方程（1），還是以國有股比例分組的方程（2），Event2002前的系數都在1％的水平下顯著為正，說明貨幣政策寬松引起上市公司整體獲得的商業信貸融資上升；對于組別變量Group來說，方程（1）和（2）中的結果一正一負，但都不顯著，說明在2000－2004年，處理組平均獲得的商業信貸融資與控制組沒有顯著差別；對于雙重差分變量DID的系數，方程（1）中的結果為負，方程（2）中的結果為正，但也都不顯著，表明貨幣政策寬松時期處理組獲得的商業信貸融資變化幅度相比控制組沒有顯著差異。因此，表4的實證結果基本驗證了假說3的成立。

研究結論與政策建議

貨幣政策作為干預和調節經濟的重要手段，得到世界各國的普遍采用，如何提高貨幣政策的有效性，增加信貸的有效供給，拉動國內需求，促進我國經濟結構的優化與經濟增長方式的轉變，這要求我們深入研究中國貨幣政策的傳導機制，為貨幣政策調控提供基礎性信息。傳統上，國內對貨幣政策的研究是基于宏觀層面進行的，分析貨幣供應量、銀行信貸、利率與投資、消費、物價、產出等變量之間的關系。但這些研究可能會由于忽視微觀主體異質性、資本市場摩擦等問題導致有偏的估計結果，從而妨礙得出適當的結論。中國人民銀行行長周小川早在2004年就指出研究貨幣政策問題時要充分關注其微觀基礎［16］，但目前這方面的研究還有很大的欠缺。本文基于上市公司的債務融資數據，采用雙重差分方法實證檢驗了中國貨幣政策傳導的銀行信貸渠道與商業信貸渠道。研究發現，在貨幣緊縮時期，上市公司的銀行信貸融資下降，商業信貸融資增加，相對于國有上市公司，易遭受信貸歧視的非國有上市公司的銀行信貸下降幅度更大，但其商業信貸融資增加的幅度沒有超過國有上市公司；而在貨幣寬松時期，非國有上市公司銀行信貸融資的上升幅度超過國有上市公司，商業信貸融資的變化沒有顯著差異。這些證據說明，在貨幣緊縮時期，中國存在非常明顯的銀行信貸渠道與商業信貸渠道，商業信貸渠道與銀行信貸渠道的作用方向相反，并且對國有上市公司與非國有上市公司存在異質性影響，非國有上市公司并不比國有上市公司獲得更多的商業信貸融資。本文的實證結果具有一定的現實意義，貨幣當局實施貨幣政策的目的是通過調控企業的債務融資進而調控經濟運行，貨幣政策調控的有效性體現在其反周期作用的大小，即熨平經濟波動的程度，能否熨平經濟的波動取決于貨幣政策的傳導，如果實體經濟的微觀主體差異較大，金融體系又有特定的偏好，那么貨幣政策的有效性會打折扣。由于我國處于經濟體制轉型時期，市場經濟運行機制還不夠完善，不同產權結構的企業面臨著不同的融資環境。當中央銀行利用利率、法定存款準備金率以及公開市場業務等貨幣政策工具實施統一的宏觀調控時，不同產權結構的企業就會形成不同的貨幣政策傳導機制，最終效力可能會存在差異。此時，貨幣政策作為總量調控政策，難以實現均衡、統一的調控，從而增加了中央銀行政策調控的難度，降低了統一貨幣政策調控的準確性和有效性，削弱了調控的最終績效，難以達到貨幣政策宏觀調控的目標。如本文實證結果所示，貨幣緊縮對國有上市公司與非國有上市公司的傳導效果明顯不同，意味著一項旨在進行總量調控的緊縮性貨幣政策，可能實際上只對經濟中的一部分企業產生了過于強烈的影響，而沒有達到原本希望的貨幣政策緊縮效果。因此，貨幣當局有必要對貨幣政策傳導的微觀基礎加以關注，也需要針對微觀主體的異質性區分不同的調控手段。此外，由于商業信貸渠道的存在，實質上削弱了緊縮性貨幣政策的效力。因此，貨幣當局在考慮貨幣政策傳導目標時，不應僅僅關注于對銀行等正規金融機構的調控，也需要考慮諸如企業間商業信貸、民間融資等非正規金融所起的作用，貨幣當局的操作力度也有必要考慮在非正規金融的抵消影響情況下進一步加強。

本文作者：劉飛工作單位：河南大學