货币政策、商业银行杠杆和系统性金融风险,该文是货币政策相关毕业论文格式范文跟货币政策和金融风险和商业银行杠杆类论文范文数据库.
货币政策论文参考文献：
[摘 要]文章以中国151家商业银行2000-2015年的数据为研究样本建立PVAR模型,将货币政策、商业银行杠杆及系统性金融风险纳入到同一框架内进行研究.得出以下主要结论：(1)宽松货币政策会助推商业银行杠杆及系统性金融风险水平的上升,从而直接冲击金融体系的稳定.(2)商业银行杠杆的上升助推了商业银行的风险经营,这同样会放大系统性金融风险发生的可能.文章认为,在现阶段强化监管以确保不发生系统性金融风险的背景下,中国人民银行应当谨慎使用货币政策工具,避免商业银行的信贷扩张冲动以防止商业银行杠杆上升过快.此外,商业银行经营风险水平的上升会冲击金融稳定进而诱发系统性风险,因此监管当局应不断强化对商业银行的业务经营考核,严控加杠杆行为以阻止风险扩散,进而保证金融市场的平稳运行.
[关键词]系统性金融风险；金融稳定；杠杆水平；PVAR
[作者简介]梁斯,对外经济贸易大学金融学院金融学博士研究生；郭红玉,对外经济贸易大学金融学院教授,博士生导师,经济学博士,北京100029
[中图分类号] F832
[文献标识码]A
[文章编号]1004- 4434(2017)04- 0092 -08
一、引 言
近段时间以来,有关金融监管的措施不断升级.尤其在严防系统性金融风险的背景下,合理把握监管力度,避免商业银行经营风险的过度扩散进而影响金融稳定已成为监管当局及学术界关注的焦点问题.而作为金融监管体系的核心机构,中国人民银行的政策操作在目前的经济金融环境条件下也受到了各类微观主体更多的期待.一般意义上,利率政策会影响到无风险利率,进而改变商业银行的风险识别及偏好.这在对其资产组合带来影响的同时,也会对其资产质量产生影响.而长时期的宽松政策导致的低利率是引发金融危机的重要原因[1].宽松政策助推了资产的上涨,这导致金融*部门不断地提升杠杆,进而刺激了其风险承担意愿的上升[2],最终导致系统性金融风险的出现.在危机爆发后,业界以及学术界的关注焦点更多在于金融产品的过度创新以及政府部门的监管缺位.但许多学者也意识到宽松货币政策也是导致危机爆发的重要原因.长期宽松的货币政策会直接影响到商业银行对于风险的管控和容忍程度,因此会导致风险的逐步累积,继而对金融稳定产生潜在的负面影响.对于商业银行来说,由于存在追逐利润的动机,其必然要在这一过程中承担相应的风险,而商业银行的经营行为又与货币政策密切相关,因此,商业银行对子风险的偏好及管控对于货币政策的传导以及经济的波动具有重要的作用[3].
在经济进入新常态以后,国务院以及人民银行已轮番表态要确保不发生系统性金融风险.在2017年7月召开的全国金融工作会议上更进一步强调了要继续强化金融监管,要严守不发生系统性金融风险底线这一经济任务.因此,不论从政策层面或者市场层面,对于系统性金融风险的关注已经远超以往任何时点.作为金融体系的核心,商业银行的经营行为直接会对金融稳定带来影响,过度的风险积累往往也是引发系统性金融风险的直接诱因.人民银行已于2017年开始正式使用宏观审慎评估体系(MPA)全面考核商业银行的业务经营,而MPA的核心内容旨在防止商业银行杠杆扩张过快造成顺周期行为,避免增大金融体系的不稳定性进而诱发系统性金融风险.本文以中国151家商业银行2000-2015年的数据为研究样本并设立PVAR模型,将包括货币政策、银行杠杆以及系统性金融风险在内的变量纳入同一框架进行研究,用以观察三个变量之间的具体影响,考证货币政策以及银行杠杆对系统性金融风险的影响机制.
二、文献回顾及综述
一些研究者认为,货币环境是导致危机爆发的重要原因.美国实行宽松货币政策助推了商业银行的风险经营,这导致金融风险出现不断累积.Borioand Zhu (2008)最早提出了货币政策风险承担渠道.他们认为,利率政策的改变会影响到金融*对于风险的识别、判断以及容忍程度,因此会使其相应地调整其资产风险组合及融资.这一过程主要是通过估值和流效应、利益搜寻动机以及央行的沟通和反映发挥作用[4].后续的研究者也发现了美国的政策利率与商业银行的风险承担之间的确存在着显著的负相关关系闭.一些成果从实证的角度对这一问题进行了研究.许多学者也试图为货币政策与商业银行风险承担之间建立一个可以反映因果关系的理论框架m.Jimenez et al．(2009)认为,较低的隔夜利率引起了商业银行杠杆水平的扩张,从而引致了商业银行对于风险更高以及期限更长贷款资产的偏好.这最终会对金融稳定产生负面影响,进而增大系统性金融风险发生的可能性[8].Agur and Demertzis (2010)设计了一个商业银行风险承担的简化模型,用以分析货币政策制定者应该如何在稳定以及金融稳定之间寻找平衡[9].Drees et al.(2010)发现,政策以及风险承担之间的关系依赖于最初证券化资产的风险以及潜在投资的非系统性风险[10].Dell,Ariccia et al．(2010)建立了理论模型证明了货币政策的长期宽松会提高商业银行的风险承担能力.货币政策会通过利率传递、风险转移以及杠杆三种渠道发挥作用.当商业银行可以调整资本结构时,货币政策的宽松会带来杠杆的扩张及监管的弱化[7].Maddaloni and Peydro(2010)的研究表明,美国和欧元区国家从事的资产证券化活动会刺激商业银行放低贷款标准,低利率政策的实施会导致银行经营风险的扩大[11].Dell,Ariccia et al．(2013)使用美国商业银行1997-2011年的数据进行研究.结果发现,商业银行的事前风险承担与短期政策利率存在负相关关系,但这种关系对于资本水平相对较低的商业银行不显著同.
从国内研究看,徐明东、陈学彬(2012)的研究显示,货币政策与银行风险承担变量之间存在着显著负相关关系,但规模和资本越高的银行对于货币政策敏感度较低[12].张雪兰、何德(2012)的研究结果显示,中国的货币政策会影响商业银行的风险承担,这会导致系统性金融风险累积,但同时商业银行的风险承担会受到银行特征变量的影响[13].袁鲲、饶素凡(2014)的研究发现,中国商业银行的资本变动与风险水平之间存在显著负相关关系,资本水平在逐步提高的同时其风险水平也在逐步下降[14].金鹏辉、张翔(2014)的研究显示,中国货币政策的风险承担渠道是存在的,但货币政策的风险承担渠道对于实体经济而言仅是一个比较小的渠道.项后军等(2016)的研究显示,在贷款实现市场化后,中国商业银行的实际风险承担水平在上升,商业银行风险经营水平的扩大会增大系统性金融风险发生的可能性,并且利率市场化对货币政策风险承担渠道的影响在不同类型的商业银行之间存在差异.
从已有研究看,在关于货币政策会通过影响商业银行的经营行为进而影响金融稳定已经基本达成共识.此外,国外部分学者关注到了低利率、银行杠杆以及金融稳定之间的关系( Dell,Ariccia et al,2010,2013).但从国内有关的文献看,目前尚未发现有类似的研究.事实上,商业银行杠杆是整个社会债务规模扩大的基础,已有研究有关该问题使用最多的变量是贷款规模,即传统的信贷渠道.但在近些年来,新型金融业务的出现不断改变了货币创造模式,例如银行影子业务,这类业务不易监管且会导致金融风险的极速扩大.因此在实证研究时,使用信贷这一数据往往会低估商业银行业务经营对金融风险产生的影响.参考中国金融环境的实际情况,使用银行杠杆要比信贷水平的覆盖面更大,也更能够捕捉商业银行创造社会债务基础的具体变化.为此,本文同时考虑了政策变量（货币政策）、中间变量（银行杠杆）以及风险变量（系统性金融风险）,并将三个变量纳入同一框架进行研究.同时借助脉冲响应函数分析三者之间在长期内的动态影响.
三、变量选取及模型设定
（一）模型设定
本文的研究目的在于分析货币政策、商业银行杠杆与系统性金融风险之间是否存在动态影响.为此,本文将采用面板向量自回归模型(Panel VectorAuto-regression,简称PVAR模型)进行研究.PVAR模型最早由Peasran and Smith (1995)提出,它可以利用所需变量构造一个内生系统,系统中包含了变量的滞后项.因此,PVAR模型可以有效地识别变量之间是否存在动态影响关系,其本质上是一个动态面板模型.本文所设定的PVAR模型如下所示：
其中,i等于l,2,3…n,表示银行个体.t等于1,2,3…n,表示时间.X代表相关变量的列向量；q代表滞后阶数；h代表银行个体存在的固定效应,其主要是为了反映银行间存在不可观测的异质性：s代表残差项：p.够代表系数.在实证分析中,使用helmert（向前均值差分）去除个体固定效应.
（二）变量选取及说明
1．金融稳定(Z-score)
参考Laeven and Levine (2009)的方法,选用Z值作为衡量系统性金融风险的*变量[18].主要理由如下：商业银行是金融体系的核心,其经营情况关系到整个金融体系乃至经济社会的稳定.近段时间以来,各类监管升级大都是在约束商业银行的经营行为以避免风险扩散.此外,Z值是用于衡量商业银行破产水平的指标,是许多文献在衡量商业银行风险经营时的常用变量.为此本文选定了Z值来代表系统性金融风险.其计算原理如下：
其中,ROA表示商业银行的资产回报率：CAR表示资本资产比率；矿(ROA)代表资产回报率的标准差.Z值通常用来衡量商业银行的破产风险.Z值越大,说明商业银行抵抗风险能力强,因此破产概率较低：反之,Z值越小,则说明商业银行抵抗风险能力较弱,此时存在较大的破产风险.在进行分析时,使用Z的对数,即LnZ进行分析.
2．杠杆水平( Leverage)
本文选用的杠杆水平为银行杠杆.D -Hulster(2009)提出了三种不同的杠杆[19].其中,资产负债表杠杆是较为常用的杠杆,主要使用杠杆率进行衡量(Leverage Ratio).但在实际研究中,通常是使用杠杆率的倒数,即杠杆倍数进行分析.此外,在《巴塞尔协议Ⅲ》中也提出了杠杆率的监管指标.其主要是使用核心资本（一级资本）与表内外总资产风险暴露之比衡量.从计算原理看,巴塞尔协议提出的杠杆率指标同时考虑了表外资产,因此可以更为全面地反映出银行所面临的风险.但中国的商业银行对于表外项目的披露并不健全,许多商业银行缺少该项数据.因此本文参考了Adrian and Shin(2010)及项后军等(2015)的研究方法,使用普通杠杆Leverage作为衡量商业银行杠杆水平的指标[21],主要使用总资产(Total Assets)与权益(Equtiy)之比计算得到,以Leverage表示.
3．货币政策*变量(MP)
在有关货币政策*变量的选择上,包括有贷款基准利率、存款准备金率以及同业拆借加权利率以及质押回购加权利率等.从实际情况看,市场利率能够反映出商业银行借贷流动性的成本.银行可以通过直接参与流动易来调控市场利率进而影响商业银行的经营行为,因此,市场利率更能够反映出银行的政策意图.中国人民银行关注的利率变量主要是银行间7天同业拆借加权利率和7天质押式回购加权利率.鉴于数据的连续性,本文选取了银行间7天质押式回购加权利率衡量货币政策,以MP表示.
4．GDP增速
商业银行的经营行为往往与宏观经济的表现高度相关.因此,为了同时说明宏观经济对商业银行经营的影响,本文将GDP增速也同步纳入模型进行分析.考虑到大部分商业银行存在地区属性,因此,大型商业银行以及全国性质的股份制商业银行以全国的GDP增速进行衡量,其余均以各商业银行所在地区的GDP增速进行衡量,以GDPG表示.
主要变量的定义、数据来源及描述性统计如嘉1、表2所示.
四、实证研究
（一）单位根检验
在对数据进行分析之前,为了避免数据的非平稳性进而造成伪回归现象,因此需要对数据序列进行平稳性检验.本文采用了Lm、Pesaran和Shin(2003)提出的LLC检验以及Maddala和Wu(1999)提出的Fisher-ADF检验两种方法对四变量Lnz、Leverage、GDPG、MP进行了面板单位根检验,用以观察序列是否存在单位根.检验结果显示,LnZ和Leverage两种方法的检验结果均在1%的显著性水平下,拒绝了原假设.MP和GDPG的Fisher-ADF检验结果分别在10%和5%的显著性水平下,拒绝了原假设.而LLC检验结果则均在1%的显著性水平下,拒绝了原假设.面板单位根的检验结果显示,四个变量均至少在10%的显著性水平下,拒绝了存在单位根的原假设,因此四个序列均是平稳的.表3列示了四变量的单位根检验结果.
（二）面板向量自回归模型的估计结果
根据面板向量自回归模型的估计原理,由于模型中包含有个体固定效应,因此PVAR模型属于包含有个体固定效应的动态面板模型.本文使用helmert（向前均值差分）来消除个体固定效应,以保证估计结果的一致性.通常情况T,GMM估计、QML估计、MDE估计在对存在个体固定效应的PVAR模型进行估计时,都可以得到具有渐进正态分布的一致结果( Blinder、Hsiao、Pesaran (2003)).本文主要参考了Love (2006)、连玉君(2007)的思路,使用了GMM方法对模型进行估计[22][23].此外,本文面板数据的时序超过10年,满足了T≥P+3的约束条件,因此不存在不可识别的问题.此外,在对模型进行估计以前,需要对最佳滞后阶数进行选择.本文使用了AIC、BIC以及HQIC三项准则来确定最优滞后阶数,结果如表4所示.根据最优滞后阶数的判定结果,AIC、BIC以及HQIC三项准则均显示滞后一期为最优,因此本文将最佳滞后阶数确定为1.
在确定了最优滞后阶数后,使用GMM方法对模型进行估计.表5列出了相应的估计结果.从模型的估计结果看,LnZ的滞后一期对其自身有显著的正向影响,这说明系统性金融风险存在明显的惯性.在内外部环境发生变化后,一旦商业银行经营策略相应地作出调整,则会出现一种持续性,风险效应不会在短期内消失.Leverage的滞后一期对LnZ具有负向影响,并且在5%的显著性水平下显著.根据Z值的计算原理,Z值越大,系统性金融风险水平越低：反之,系统性金融风险水平越高.本文的估计结果表明,商业银行杠杆的扩张会使Z值出现下降.也就是说,杠杆的扩张会使系统性金融风险水平上升,其会对商业银行的风险经营行为起到助推作用.Leverage滞后一期值对其自身有正向影响,并在1%的显著性水平下显著.杠杆的扩张是持续且动态的过程,商业银行会根据外部经营环境的变化来调整自身的资产负债业务.通常,在经营环境向好及政策宽松时,商业银行出于追逐利润的动机,其杠杆会出现同步的扩张：而在经济萎缩及政策收紧时,出于风险防范的考虑,其杠杆也会出现同步下降,这也是商业银行的一般经营规律.GDPG的滞后一期值对Leverage具有正向影响,并且在5%的显著性水平下显著,这符合一般的经济理论与经济直觉.宏观经济的扩张往往会影响到商业银行的预期,而经济的向好会使商业银行做出顺应周期的行为,从而扩张其资产负债规模,这会使得商业银行的杠杆同步增大.因此,宏观经济与商业银行杠杆之间往往存在一种动态化的相互助推作用.GDPG的滞后一期值对其自身具有正向影响,并且在1%的显著性水平下显著.中国的宏观经济运行整体一直较为平稳,虽然目前已经逐步过渡至新常态阶段,但经济增速依然能够在大体上保持相对稳定.各地区的GDP增速也在合理区间内运行,出现断崖式下跌的可能性不大.MP的滞后一期值对Leverage具有负向影响,并且在1%的显著性水平下显著.这说明,货币政策紧缩会直接导致商业银行的业务收紧,其杠杆水平会出现同步下降,这样的估计结果与一般的经济逻辑也吻合,即在货币当局判断经济过热继而采取紧缩政策时,商业银行的业务会受到直接影响,在收缩业务的同时导致杠杆水平出现同岁下降：反之,若货币当局采取宽松政策,则商业银行的杠杆会出现扩张,这会使得商业银行的风险承担意愿增强,进而导致宏观经济的进一步扩张.MP的滞后一期值对GDPG具有负向影响,并且在1%的显著性水平下显著.这说明货币政策的收紧对于宏观经济过热存在抑制效用.银行判断经济出现过热时,往往会采取提高利率的措施来约束商业银行的业务扩张进而防止经济进一步过热,因此可能会导致经济增速出现下滑.MP的滞后一期值对其自身具有显著正向影响,说明货币政策操作也存在有惯性.从实际情况看,货币政策的平稳能够为经济发展提供良好的政策环境,进而为微观经济主体提供稳定的政策预期：如果政策出现频繁且无规律的调整,则会干扰市场对于政策操作及后续经济发展的判断,这不利于经济的稳定发展.因此,政策的连贯性对于经济的良好运行具有显著的稳定作用,同时也可以在微观层面有效地引导各经营主体的经营预期.
（三）脉冲响应函数分析
面板向量自回归模型将所有变量纳入到同一个系统中进行分析,变量之间可能分别存在直接和间接的相互影响.对于PVAR模型来说,估计结果可以观测出变量之间的历史影响.但本文更为关注的是在长期内变量之间是否存在动态影响关系殁这种影响程度的变化路径.因此,本文将使用脉冲响应函数观测变量之间在长期内的相互影响及影响路径.本文的脉冲响应函数使用蒙特卡洛模拟并进行1000次迭代后得到,用以观测扰动项的一个标准差冲击对各变量当期及以后的影响.变量的排序为Lnz、Leverage、GDPG、MP.图1给出了四变量脉冲响应函数的结果①.
1．LnZ对其他变量的冲击响应
Leverage的一个标准差冲击在即期对LnZ的影响并不显著,但随着时间的推移,Leverage对LnZ呈现出一种负向影响,并且这种影响程度在持续扩大,在达到峰值后开始逐步减弱,并最终向零收敛.可以看出,商业银行杠杆水平的提升对系统性金融风险有显著的正向影响,即杠杆水平出现上升时,Z值会下降.当商业银行通过扩张杠杆进而获得收益时,其风险程度会出现同步上升,并且长期内这种关系依然存在.商业银行杠杆的上升往往是资产扩张的结果,作为以贷款业务为主要利润来源的中国商业银行,杠杆的上升往往是为了获得更高的利润.但贷款业务占比过大会增大资产损失的潜在可能性.由于资产业务的扩大不必然反映利润的积累,并且在市场出现大面积的违约风险时,早期的信贷资产可能会变为不良资产,继而导致呆账坏账的增加,这会使得商业银行遭遇系统性危机进而导致系统性金融风险的出现.
GDPG的一个标准差冲击在即期对LnZ的影响并不显著.但随着时间的推移,GDPG对LnZ呈现出一种负向影响,并且这种影响程度在逐步扩大,在达到峰值后开始减弱,并逐步向零收敛.具体看,GDPG对LnZ的影响路径与Leverage对LnZ的影响路径大体相似,但Leverage对LnZ的影响峰值要明显比GDPG更大.经济发展是影响商业银行最为核心的变量,商业银行会根据宏观经济情况来对自身的经营策略进行调整.此外,宏观经济表现与商业银行的经营又密切相关.因此对于商业银行来说,其经营函数应当包括有经济增速,并且经济增速在商业银行的经营函数中应当是一个内生变量,商业银行根据经济形势的变化来对业务进行调整,继而影响到自身的风险经营.队实际情况看,宏观经济扩张往往会伴随着商业银行的“冒险”经营.而在经济下行期,为了保证资产不受损失,避免出现过度的不良资产,商业银行的风险承担意愿往往会出现下降,这会导致经济的收缩.
MP的一个标准差冲击在即期对LnZ的影响并不显著,但随着时间的推移,MP对LnZ呈现出了正向影响并逐步扩大,在达到峰值后开始逐步下降,最终向零收敛.MP的一个正向标准差冲击代表利率水平的上升,也即货币政策收紧.也就是说,当货币政策收紧时,商业银行的业务扩张行为会受到约束进而降低系统性金融风险发生的可能性.当商业银行意识到货币当局的政策意图后,会降低其高风险的业务行为,这会抑制系统性金融风险水平的上升：反之,当货币当局采取宽松货币政策时,会对商业银行形成稳定的预期,进而促使商业银行扩大其资产规模,这会增大系统性金融风险的发生概率.
2．Leverage对其他变量的冲击响应
LnZ的一个标准差冲击在即期对Leverage有显著的负向影响.随后这种影响程度开始减弱,但在向零靠拢后超出了稳态水平并出现了小幅正向影响,但很快这种正向影响便减弱并逐步收敛于零.这说明系统性金融风险会导致银行杠杆水平出现振荡性的超调.当商业银行倾向于采取风险回避的经营策略时,往往会导致其业务出现收缩进而导致杠杆水平出现下降,这符合商业银行的一般经营理论.尤其是在经济下行期,当商业银行为了避免出现资产损失而降低其风险容忍度时,其业务扩张速度往往会出现下降.
Leverage的一个标准差冲击对其自身在即期即有显著正向影响,随后影响程度开始减弱并逐步收敛于零.商业银行杠杆水平的扩张往往是持续性的,其不会出现过度或者突然性的临时调整.杠杆的扩张往往会体现一定的顺周期性,而后续的扩张与否也会受到前期的影响.除非经济环境或者经营环境发生变化,否则商业银行一般不会盲目调整经营策略.
GDPG的一个标准差冲击对Leverage在即期的影响并不显著,但随着时间的推移,GDPG对Leverage呈现出了正向影响并逐步扩大,在达到峰值后,这种影响开始减弱,随后逐步收敛于零.经济增长对商业银行杠杆水平的影响比较直观,杠杆水平通常带有明显的顺周期特征.如果经济增速提升,商业银行为了追逐利润,必然会采取业务扩张的策略,由于其业务主要集中于贷款,因此会导致杠杆水平出现上升：反之,当经济处于下行期时,商业银行大都会采取收缩业务的策略,这会使得杠杆水平出现下降.
MP的一个标准差冲击对Leverage在即期的影响并不显著,但随着时间的推移,MP对Leverage呈现出负向影响并逐步扩大,在达到峰值后开始逐步减弱,最终收敛于零.MP对Leverage的影响较为直观,当货币当局采取紧缩性政策时,商业银行的资产扩张意愿会下降,继而导致其贷款增速放缓,从而使得杠杆水平出现下降.从长期看,中国货币当局采取紧缩性的货币政策对于商业银行的业务约束机制比较明显,也就是说,当货币当局在对经济形势作出研判后,会采取相应的紧缩或者宽松的政策,而商业银行的杠杆会出现反方向的变化.
3．GDPG对其他变量的冲击响应
LnZ的一个标准差冲击对GDPG在即期有轻微昀负向影响,后续出现小幅向上的振荡,然后影响程度稍许加大,并趋于平稳,最终收敛于零.从脉冲图的走势看,LnZ对GDPG在长期内的冲击效果不明显,影响也并不突出.
Leverage的一个标准差冲击对GDPG在即期有显著的正向影响,后续这种影响在逐步上升,在达到峰值后开始下降,长期内收敛于零.从脉冲图的结果分析,商业银行一旦采取提高杠杆的措施,则会迅速在短期内影响到宏观经济发展,进而使得经济增速上升.这说明商业银行的资产扩张行为对宏观经济的影响极为明显.一旦商业银行扩张或者收缩杠杆,这种效应会直接会对宏观经济带来冲击,杠杆的提升会对宏观经济形成正面冲击：反之,杠杆的下降会对宏观经济形成负面冲击.
GDPG的一个标准差冲击对自身有显著的正向影响,在后续阶段逐步减弱,并最终向零收敛.具体效果看,GDPG受到自身冲击向零收敛的时间要比LnZ和Leverage更长.这说明经济增速的调整较为平缓且调整时期要比商业银行更长,持续时间更久.这也说明了中国的经济增长存在有较强的韧性.
MP的一个标准差冲击对GDPG在初期的影响并不明显,伴随着时间的推移,MP对GDPG呈现出了负向影响并逐步扩大,在达到峰值后开始T降,最终向零收敛.可以看出,MP对Leverage以及GDPG的影响路径大体相同,但MP对GDPG的影响程度要更大,当经济过热时,货币当局采取紧缩性的货币政策用以抑制经济过快增长：反之,当经济陷入衰退时,货币当局采取宽松政策继而带动经济复苏.
从脉冲响应函数的分析看,商业银行杠杆和系统性金融风险水平均会受到货币政策的影响.当商业银行采取扩张性的政策时,商业银行的杠杆水平会出现上升,这会影响到其风险承担意愿,继而助推系统性金融风险水平的上升：反之,当货币当局采取紧缩性的政策时,商业银行的杠杆水平及系统性金融风险水平均会出现下降.在将四变量统一纳入一个系统中进行研究后可以看出,货币政策、银行杠杆与系统性金融风险之间存在有动态影响关系.由于货币政策存在有一定的外生性,因此其他变量对货币政策的影响不易解释.另外,脉冲响应函数最终的结果均收敛于零,这说明模型的设定是稳定的.
（四）稳健性检验
由于变量的排序可能会对脉冲响应函数的结果产生影响.为了保证结果稳健,本文分别对变量的排序进行调整,然后使用蒙特卡洛模拟,同样进行1000次迭代得出每一种排序的脉冲响应函数图.结果发现,在改变了变量排序后,脉冲响虚函数的结果存在细微差别,但影响的路径及变化趋势大体一致,结果差异不大,这说明本文的变量排序基本是合理的.限于篇幅,本文不再列出所有脉冲图的结果.
五、结论及思考
本文以中国151家商业银行2000-2015年的数据为样本构建了面板向量自回归模型,研究并分析了货币政策、杠杆水平以及系统性金融风险之间的具体关系.得出以下结论：第一,滞后一期的杠杆对系统性金融风险有显著的正向影响.这说明商业银行杠杆水平的扩张会导致系统性金融风险水平的上升.第二,利率的滞后一期值对杠杆水平有显著的负向影响.说明货币当局的政策约束可以有效控制商业银行杠杆水平的上升.第三,在长期内,三个变量将呈现动态的影响.货币政策收紧可以有效地约束商业银行的杠杆扩张,同时也可以抑制系统性金融风险水平的上升进而保证金融稳定.此外,杠杆水平的扩张在长期内同样会对系统性金融风险产生助推作用.本文分别对变量排序进行调整重新求得脉冲响应函数,结果大体稳健,因此本文的结论是可信的.
在中国经济逐步步入新常态的同时,金融体系的发展也在逐步进入新常态.中国经济的主要任务在现阶段也已发生变化,在供给侧改革的背景下,强调了新的经济工作内容是“三去一降一补”,其中,“三去”中的一项内容是要去杠杆,其目的在于控制和防范金融体系出现系统性金融风险.商业银行杠杆的快速增长代表着对企业债权的增加.与此同时,商业银行的货币创造行为也是整个社会债权债务关系不断扩大的基础,其增速过快会导致整个社会的杠杆水平同步上升,这极易导致各类金融机构出现顺周期的经营行为进而引发资产泡沫.但为了保持经济稳定,去杠杆事实上存在较大的现实难度,因此现阶段的工作任务应是稳杠杆.稳杠杆的工作核心在于合理控制杠杆增速,避免风险再次出现过度累积,而控制杠杆的基础在于避免商业银行出现过度的资产扩张行为.因此,监管机构应当借助宏观审慎的监管框架,对商业银行的业务经营进行有效监管,避免杠杆水平的过快上升.此外,在利率市场化的背景下,间接货币政策传导机制的作用将逐步发挥,银行对利率工具的使用将在未来发挥更加重要的作用.从中国的实际情况看,货币政策在经济过热和经济衰退时的效果存在非对称性,这反映了中国商业银行普遍存在有信贷扩张冲动.因此,在经济新常态的背景下,中国人民银行应避免采用过度宽松的政策来刺激商业银行的风险承担意愿以保证商业银行的资产质量,在维持金融体系稳定的同时避免出现系统性金融风险.
上文总结，上述文章是一篇关于经典货币政策专业范文可作为货币政策和金融风险和商业银行杠杆方面的大学硕士与本科毕业论文货币政策论文开题报告范文和职称论文论文写作参考文献.
湖南城市商业银行的互联阿金融平台构建
肖福英目前,我国已经进入到了经济发展形态及经济发展模式转变的新常态时期,而互联网金融平台的出现进一步加速了经济形态的转变,打破湖南城市商业银行老旧的产品服务格局,本文将主要从互联网金融的发展形式以及平.
互联网金融时代商业银行竞争战略
摘要深入系统地探究商业银行竞争力命题,有利于在宏观层面与微观层面丰富银行理论和金融理论,更有利于推进企业管理理论与金融理论的融合创新 在此背景下,探究在互联网金融时代我国商业银行受到冲击时所应采取的战.
加强商业银行基层党组织建设
近年来,我国银行业的发展出现了一些系统性的、方向性的问题,这些问题是相当严重的,主要表现在三个方面一是杠杆率居高不下,有发生系统性金融风险的可能；二是“脱实向虚”现象十分突出,.
当前信息化下传统商业银行的转型
当前,科技进步和创新已成为我国经济和社会发展的新常态 以大数据、云计算、移动互联和社交网络……技术的推广应用为特征的全球新IT 技术革命极大地改变了人类生产和生活方式,重新塑造和改变了包括金融业在内的.