银行管理论文银行信贷的行业产出与溢出效应.doc

《银行管理论文银行信贷的行业产出与溢出效应.doc》由会员分享，可在线阅读，更多相关《银行管理论文银行信贷的行业产出与溢出效应.doc（5页珍藏版）》请在三一办公上搜索。

1、银行信贷的行业产出与溢出效应 摘要：本文通过构建反映实体经济各行业之间内在联系的全局向量自回归模型，实证检验了我国商业银行信贷资金投放的行业产出效应和溢出效应。结果表明，各行业产出对信贷资金冲击的反应存在着明显的差异。在银行信贷投放趋缓的背景下，监管部门应采取相应的政策和措施，在保证信贷资金向制造业、建筑业和交通运输（交通运输论文）等行业投放的同时，引导信贷资金向第一产业和第三产业中的各行业投放，以促进国民经济结构的优化调整。关键词：银行信贷；行业产出；溢出效应；GVAR模型JEL分类号：E22，E44，E51一、引言2010年下半年以来，随着宏观经济复苏态势的进一步巩固和物价水平的不断攀升，

2、中央银行的货币政策也由适度宽松转向稳健。在中央银行连续多次调高法定存款准备金比率和商业银行存贷款利率的同时，监管部门也强化了对银行信贷资金的监管，银行信贷增速明显放缓。与此同时，调整经济结构、转变经济增长方式也成为当前及今后一段时期内中国宏观经济政策调控的主要目标。在资本市场体系尚不完善的情况下，经济结构调整和经济增长方式转变离不开银行信贷资金的支持。因此，在央行货币政策趋紧，IndustrialOuutandSpilloverEffectsofBankLoans的投入产出关系形成了货币政策传导的隐性渠道，建筑、电力、机械等行业是其中的主要环节。戴金平和金永军(2006)从基于要素密集度和市场

3、结构不同的两部门模型出发，证明了由于行业自身的异质性，每个行业对同一货币政策冲击的反应各异。第一产业和第二产业、房地产业对利率政策冲击反应明显，第三产业、餐饮业和批发贸易零售业反应较小。徐涛(2007)从理论和实证两个方面研究了中国货币政策的行业效应。结果表明，中国货币政策存在明显的行业效应，闰红波和王国林(2008)发现，货币政策对各行业的产出效应和价格效应存在着非对称性。汪吴昱(2009)通过对中国19782007年三次产业的面板数据进行同定效应分析后认为，我国货币政策对不同产业的影响效果存在着明显的差异性。袁申国和刘兰凤(2009)使用SUR计量方法，对制造业3O个子类行业的行业层面的金

4、融加速器效应进行分析后认为，各行业表现出不同的行业层面的金融加速器效应，对不同行业实行不同的信贷政策对经济增长的促进作用可能会有更好的效果。现有的理论和实证研究为我们考察中国商业银行信贷资金投放的行业效应及其溢出效应提供了重要的基础。但是，现有的研究也存在着一定的局限性。这主要表现为，现有研究大多考察的是货币政策变量中“货币渠道”变量指标(如利率、货币供应量、汇率等)的变化对不同行业的冲击效应，单独考察信贷渠道，特别是银行信贷渠道变量指标变化对不同行业产出影响的文献并不多见。前述表明，在中国，长期以来，银行信贷资金是市场经济主体最为主要的外部资金来源。众多的理论和实证研究也表明，银行信贷渠道目

5、前仍是中国货币政策传导的主渠道(蒋瑛琨等，2005；盛朝晖，2006；盛松成和吴培新，2008；许伟和陈斌开，2009)。在此背景下，只有考察银行信贷资金投放的行业效应，才能客观地反映中国货币政策在不同行业间的实施效果。三、样本、变量指标选择与模型设计(一)变量指标与样本数据的选取本文实证分析中使用的数据为月度数据。鉴于相关数据的可得性问题(围家统计局的月度统计数据库只公布2003年以后的月度统计数据)，样本区间为2003年1月至2010年l2月。行业的界定根据国民经济行业分类(GBT4754-2002)的标准，共选取了15个行业，分别为农林牧渔业(X1)、采矿业(X2)、制造业fX3)、电力

6、、燃气及水的生产和供应业(x4)、建筑业(X5)、交通运输、仓储和邮政业(X6)、信息传输、计算机（计算机论文）服务和软件业(x7)、批发和零售业(x8)、住宿和餐饮业(x9)、金融业(x10)、房地产业(X11)、租赁和商务服务)lk(xl2)、教育(x13)、卫生、社会保障和社会福利业(X14)、文化、体育和娱乐业(X15)。行业产出的代理变量为各个行业的固定资产投资(X)，以工业增加值作为经济增长率的替代变量。因此，本文的变量包括所有商业银行的信贷余额增长率(gcre)、实际经济增长率(ggdp)、通货膨胀率(gcpi)、各行业固定资产投资增长率(ggx)H各行业对应的产出加权平均增长率

7、ggx。通货膨胀的代理变量为消费者价格指数(CPI)。为了消除数据可能存在的异方差性，首先对所有变量进行对数平滑处理。借鉴GalesiandSgherri(2009)的方法，变量的处理方法如下：ggx=ln(GXGX12)X1001n(，CPI，一12)X100g一ln(GXG12)100一ln(CPI,CPI,l2)100其他行业如旅游业、综合技术服务业、科学研究事业、公共管理（公共管理论文）和社会组织等由于数据较为凌乱，不易获得，且这些行业也不会影响本文的分析，故本文不予考虑。国民收入统计中的投资包括固定资产投资和存货。存货具有逆周期特性，而固定资产投资具有顺周期特性，因此投资对经济增长的

8、促进作用主要是通过固定资产投资产生的。评价银行信贷宏观经济绩效的主要指标是经济增长，因此本文以固定资产投资作为行业产出的代理变量。刘斌(2001)以及王剑和刘玄(2005)在作货币政策相关研究的论文中，都采用了固定资产投资作为实体经济产出的替代变量。银行信贷的行业产出与溢出效应gcreIn(CRECRE挖)100一ln(CPLCPI,一12)100ggdp=ln(GDPGDPl2)Xi00一ln(CPItCPIt12)100gcpi=ln(CC12)100其中，CRE为商业银行的信贷余额、GX行业固定资产投资、GX为各行业对应的产出加权平均投资。各行业的原始数据、GDP、CPI的原始数据均来自

9、于国泰安(CSMAR)中国宏观经济研究数据库，CRE等指标的原始数据来自于中国人民银行官方网站。(二)模型设计本文应用GVAR模型来估计各行业之间可观测和不可观测的内生性联系，以及银行信贷对各行业的冲击效应和行业溢出效应。GVAR模型是一种多国结构模型，最早由Pesaran，Schuermann和Weine(2004)以及Dees,diMauro,Pesaran和Smith(2007)提出，随后被广泛应用于研究多个国家间的经济互动关系(Alessandro和Silivia；2009；Christian和Jurgen，2009；RonHHashem，2007)。该模型也被用于研究一个经济体内部各

10、产业之间的关系(HiebeandVansteenkiste，2007)。在国内，耿鹏和赵昕东(2009)5J用GVAR模型分析了中国各产业问的内生联系和外生冲击。本文在Christian和Jurgen(2009)以及耿鹏和赵听东(2009)研究的基础上，利用投入产出表计算出的各产业间关联权重来刻画出各个行业之间的内在联系。下面对该模型做出简要说明，为了不失一般性，模型假定两个行业各自存在两个变量X和y，一个行业的变量可以同时影响相对的另一个行业的相关变量：一auyfl+a12731+bny+b12x+elz(1)a2lYfl+a221+b21Y+b22z；+e2f(2)Y=C1lY+(2123

11、2*,+dnyf+d12xf+(3)；=ony,，十c73：+2l+d2zxf+：(4)面的方程写成矩阵的形式就是：t73tff=00C12C22t173t一1+一1十73tl+0O0O11l22122b12b2200fXt十Z+1featelte2t(5)该矩阵可以进一步简化为：y，一Ay，1+B+E(6)该模型可以进一步推广到多行业多变量情形。因此可以得到GVAR的一阶滞后模型形式为：n=a加十i,t-1十Ao37,十An一1十、王r砌f十1王rzldtl十nf=1，2，N(7)其中，oT，为第i个行业的岛1阶内生变量；，为可观测的S1阶(弱)外生变量：e为岛1阶残差向舒：是与“对应的加权

12、平均变量，73itwo，=0，1，Vi，J1，N，训表示第i个行i=i=1业与第i个行业的关联程度；、A和An为kX岛阶系数矩阵，m和n为kXS阶系数矩阵；iid(0，>d、ii)。因此，本文建立的单个产业的GVAR实证模型与(7)式相同。为各行业的投资，z是第i个行业所对应的其他产业的加权平均变量，d为外生冲击，=(cre，gdp，cpi)。在单独估计每个行业的VARX基础上，我们来检验每个行业模型的外生变量的弱外生性。由(7)式的成立条件也叮知，只有符合弱外生性假设，模型估计的结果才有意义。根据弱外生性的定义，当N一时，cov(Ar，e)一0，则可以认为为弱外生性。通过计算各行业位与

13、s的平均相关系数可以得符合弱外生性假定。因此，利用(7)式进行估计的结果将是有效的。IndustrialOuutandSpilloverEffectsofBankLoans四、行业间的关联性分析(一)行业间的中间需求系数应用GVAR模型的一个重要前提是计算行业之间关联权重和中间需求系数。借鉴Hiebe和Vansteenkiste(2007)、耿鹏和赵昕东(2009)的方法，本文根据2007年中国42个部门的投入投资表来计算行业问的关联权重训，用产业i对行业j的投入表示行业i与i的关联程度，即叫，一：k，其中k表示行业i对行业j的投入，即第i个行业对第j个行业的投入除第j个行业外所有的其他行业对

14、第j个行业投入的比例。存此基础得到与z对应的加权平均变量z。每一行业的权重总数为各个行业的中间需求系数，即其他行业在经济活动中对某行业产出的消耗程度之和(见表1)。中问需求系数较高的为产业链的上游产业，反之则为产业链的下游产业。例如，制造业(x3)的中问需求系数最高，高达76532，说明作为国民经济重要支柱产业的制造业，涉及面广，关联度高，消费拉动大。其次为交通运输、仓储和邮政业(X6)，其中间需求系数为12297，这些行业大多属于复合型物流服务产业，涉及领域广，吸纳就业人数多，促进生产、拉动消费作用大。因此，对制造业以及交通运输、仓储和邮政业等产业链中辐射拉动作用强的重点产业，应该鼓励金融机

15、构加大信贷支持的力度。表1样本行业中间需求系数表(二)行业间的影响力弹性通过各行业的VARX模型分析，可以得到每一个行业产出变量)【所对应的其他行业产出的加权平均变量z之间的关系，模型中相关估计系数也就是行业问的影响力弹性(Impactelasticity)，表示行业产出变量X对变动一个百分点的响应，该系数刻画了行业之间的互动关系。样本行业间的影响力弹性估计结果见表2。表2中各行业影响力弹性的t值表明，行业产出变量X对z变动的响应都很显著，影响力弹性都小于1。对于一个特定的行业而言，弹性小于1意味着这个行业的产出变动对其他行业产出变动没有过度响应；影响力弹性为负值表明行业变量X对于其他行业产出

16、变量的响应方向相反。表2的结果表明，样本行业之间的互动性较为明显，因此在对银行信贷的行业效应进行分析时，必须充分考虑各行业之间因相互关联而产生的溢出效应，即银行信贷的隐性传导机制。五、银行信贷对各行业产出的动态影响(一)银行信贷对各行业影响的动态效应分析银行信贷增速放缓的背景下，如何通过有限的信贷资金投放促进产业结构的优化升级也就成为当前宏观调控领域重点关注的问题之一。显然，回答并解决这一问题的关键在于厘清我国银行信贷投放与经济结构调整的内在关联性，而这种关联性则体现在银行信贷的行业产出效应和溢出效应两个方面。从我国商业银行信贷资金投放的实践来看，近年来，我国商业银行信贷资金的投放呈现出向中央

17、和地方政府公共基础设施项目、能源、钢铁、通信和房地产等领域和行业集中的态势。但仅以信贷资金在各行业投放数量的多少来判断其是否合理则未免简单，其结果也可能有失偏颇。原因在于，由于行业间资本、技术和劳动等存在着差异，不同行业问的信贷资金利用效率可能会存在着较大的差异，单位信贷资金在不同行业所发挥的作用和功效也不一样；另一方面，行业与行业之间存在着一定的关联性，有些行业的发展会对其他行业产生较强的联动效应。因此，考察信贷资金投放的行业效应不能仅局限于其对某一行业发展的影响，还应进一步分析因行业关联性所带来的信贷资金投放的行业溢出效应。而且，现有关于银行信贷冲击对不同行业影响的实证研究也基本上没有考虑

18、因行业问关联性和互动的存在而产生的银行信贷冲击的溢出效应这一隐性传导渠道。在研究信贷资金投放的行业效应时若不考虑行业问的溢出效应，则有可能低估或高估信贷渠道传导的效果。正因为如此，本文在充分考虑银行信贷渠道为货币政策传导的主渠道这一中国现实的基础上，通过构建反映实体经济各行业间内在联系的全局向量自回归(GlobalVectorAutoregressive，GVAR)模型，实证检验银行信贷对各行业产出的影响及其关联效应，以此判断商业银行现有信贷资金投放的行业产出效应和溢出效应，以期为后续的银行信贷资金行业投放结构的调整和优化提供相应的理论依据。本文余下部分的构成为：第二部分是相关文献的简要回顾和

19、述评；第三部分是数据与模型设计说明；第四部分运用GVAR模型对样本行业之间的关联性进行分析；第五部分是信贷资金投放对各行业产出影响的动态效应和贡献度分析及其结果的解释；最后是结论及政策含义。二、相关文献回顾从现有研究来看，国内外有关宏观金融变量冲击的行业效应研究主要是通过货币政策不同传导渠道的行业效应来加以阐释的。Bernanke和Gertler(1995)基于货币政策的信贷传导渠道理论研究了货币政策的行业效应问题，证明了货币政策确实存在着显著的行业效应。Ganley和Salmon(1997)运用误差修正模型比较了英国9个行业对货币政策冲击的反应，结果发现建筑业对货币政策冲击的反应最大，其后依

20、次是制造业、服务业和农业。Hayo和Uhlenbrock(1997)采用德国19781994年的月度数据，运用VAR模型研究了德国制造业部门28个次级行业对货币政策的反应。他们发现，重工业对利率的冲击反应程度要远远大于服装和食品工业。Dornbusch等(1998)也认为货币政策对不同行业的影响是不同的。Dedola和Lippi(2000)J用5个OECD国家(法国、德国、意大利、英国和美国)21个行业数据的研究表明，货币政策具有明显的行业效应，重工业对货币政策冲击的反应更为敏感，并且在货币政策的传导渠道中，信贷变量的作用在解释货币政策的行业非对称影响时更为显著。Raddatz和Rigobon

21、(2003)的研究表明，美国货币政策对不同经济部门的影响存在很大差异，货币政策效果表现出明显的行业非对称性。Peersman和Smets(2005)利用行业效应解释了欧元区货币政策的非对称性问题。Ghosh和Saibal(2009)利用印度1981至2004年的行业数据，通过对各行业的“金融加速器”效应和货币政策利率传导机制的研究表明，各行业工业增加值对货币政策的反应也具有明显的差异性。近年来，国内学者也开始关注中国货币政策效果在不同行业可能存在的差异。王剑和刘玄(2005)发现，我国货币政策冲击对行业经济的影响程度存在较大差异，总量货币政策难以取得预想的效果。行业间王剑和刘”(2005)的研

22、究考察了货币政策冲击对不同行业影响的溢出效应问题，但他们的研究主要是针对货币政策中的利率和货币供应量等指标。银行信贷的行业产出与溢出效应表2样本行业间的影响力弹性注：、“、分别表示1O、5、1的置信度水平。本部分应用GVAR模型检验银行信贷对各行业的动态影响。VAR模型的主要功能在于可利用脉冲响应和预测方差分解分析来判断一个随机变量的冲击对其他内生变量的影响及其相对重要性。首先利用脉冲响应函数来分析银行信贷对各行业影响的动态效应。在进行实证检验之前，首先对月度数据平稳性进行检验，检验采用传统的ADF检验方法。经检验，所有变量水平值都为I(1)，一阶差分后的变量都为平稳变量。因此，在建立GVAR模型时，将所有变量序列一阶差分，变换为平稳序列后进入GVAR系统建模。对每个宏观变量的自然对数求一阶差分，相当于求每个变量的增长率，建立的模型