商业银行信贷亲周期的中国表现

商业银行亲周期的主要特征是信贷增长率与经济周期同方向波动。由供给推动而非真实需求推动的信贷增长通常与银行未来的损失正相关。

一、我国银行业信贷亲周期的初步证据

一般认为，1992年邓小平“南巡”讲话之后，我国经济开始进入实质性的经济周期阶段。图3-9描绘了1992—2011年我国经济与贷款波动的轨迹，从图中可以看出我国经济波动的轨迹和明显的信贷周期特征：经济波动的轨迹总体上与银行信贷的波动轨迹趋于一致。

图3-9　中国经济增长与贷款增长的波动轨迹：季度数据（1992Q1—2011Q3）

数据来源：根据《中国统计年鉴》、《中国金融年鉴》各期、中国国家统计局网站及中国人民银行网站公布的数据计算而得。

本部分将此期间的信贷和经济周期分为四个阶段，通过一些经济金融指标粗线条勾勒出我国商业银行信贷亲周期的行为特征。

1．第一阶段：1992—1996年

1992年邓小平“南巡”讲话后，我国经济进入一个新的高速增长阶段。随着经济的快速复苏和人们对未来信心的增强，商业银行信贷扩张速度较快，信贷增长速度季均达到23.76％。1994年，中国人民银行开始实施“适度从紧”的货币政策。在此后的两年里，货币供应量M2增速、贷款增速和投资增速均有所回落，其中投资增速下降最快。由1993年的季均66.4％分别降至1994年、1995年、1996年的37.95％、24.43％和18.4％（见表3-3）。但在经济高点，银行信贷投放并没有随着货币政策的收紧而同步减少。贷款增速仍保持20％以上的季均增速。这充分说明了商业银行信贷具有助长经济波动的特征。直至1996年底，主要经济金融指标才终止了上涨的势头，成功实现了经济的“软着陆”。随着经济增长在1995年出现回落之后，银行不良资产的大量累积和资本金严重缺失问题开始凸显。

表3-3　1992年第1季度至1996年第4季度主要经济金融指标一览表

单位：％

注：R为一年期存款利率，资料来源于《中国统计年鉴》（1993—1997年）、《中国人民银行统计季报》（1996—2008年）。

2．第二阶段：1997—2001年

1997年，东南亚地区的国家发生金融危机。这对我国的对外出口影响较大。在1998年这种影响开始显现出来。与此同时，我国国内市场也发生了重大转折，总需求不足的问题开始突出地表现出来。为解决出口下滑和内需不足问题，中国人民银行出台了一系列扩张性的宏观调控政策。货币政策调控由“适度从紧”转为“稳健”。一是在1996年、1997年三次降息的基础上，1998年、1999年又四次降息；二是两次下调存款准备金率，1998年3月存款准备金率由13％降至8％，下调5个百分点，1999年11月存款准备金率由8％降至6％，又下调了2个百分点。虽然中国人民银行实行扩张的货币政策，但商业银行的信贷规模仍然下行。除1997年信贷增速达到20％，其余年份，无论是季均还是年度增长，信贷增速从未达到20％，呈现出一路下行趋势（见表3-4）。

表3-4　1997年第1季度至2001年第4季度主要经济金融指标一览表

单位：％

注：R为一年期存款利率，资料来源于《中国统计年鉴》（1997—2001年）、《中国人民银行统计季报》（1997—2001年）。

表3-5显示我国银行业不良贷款比率在1996年为24.4％，而在1998年却上升至28.3％。尽管当时的不良资产和资本金不足问题有着历史方面的原因，但这一问题是在1995年后突出表现出来的。从时间维度上讲，这表明我国商业银行在第1轮经济增长过程中的过多信贷投放为经济回落期内银行体系中产生大量的不良贷款埋下了隐患，加剧了经济的波动与银行体系的不稳定。

表3-5　我国商业银行不良贷款比率^〔4〕

3．第三阶段：2002—2007年

由于执行积极的财政政策和稳健的货币政策，加上世界经济开始复苏，出口形势的转好，自2002年开始我国宏观经济逐渐走出低谷。在此背景下，贷款快速扩张在2003年显现出来。从存款准备金政策来看，2003年9月21日，存款准备金率结束了近5年来的下降通道，提高法定存款准备金1个百分点，由原先的6％升至7％。自2003年9月21日之后至2008年9月25日之前，中国人民银行先后18次提高存款准备金率，存款准备金率由7％升至17.5％，上升了10.5个百分点。从存、贷款利率政策来看，自2004年10月29日至2007年12月21日，存、贷款利率先后上调9次，一年期存、贷款基准利率分别由2.52％、5.58％升至4.14％和7.47％，直至2008年10月9日才开始下调。从贷款数据看，商业银行的信贷行为与经济运行密切相关，当经济好转时，银行贷款发放积极；而当经济下行时，银行贷款收缩得较为明显。商业银行信贷亲周期特征表现突出，见表3-6。在经济开始新一轮增长之后，逾期贷款增速下降甚至负增长（2000—2003年），2007年随着经济达到这一轮的高点，逾期贷款增长率普遍降至历史较低水平^〔5〕。

表3-6　2002年第1季度至2007年第4季度主要经济金融指标一览表

单位：％

注：R为一年期存款利率，资料来源于《中国统计年鉴》（2001—2008年）、《中国人民银行统计季报》（2001—2008年）。

4．第四阶段：2008—2011年

进入2008年，由于受金融危机的影响，GDP增长率与信贷增长率则出现了同时下滑的趋势。2008年前三个季度，我国GDP保持着近五年来的平均高增长速度。与此相适应，商业银行的不良贷款延续了“量率双降”的良好态势。如图3-10所示，不良贷款余额2008年第1季度下降速度达到高峰，当季为227.7亿元。第2季度随着GDP季度增长率下降0.5％，不良贷款余额下降速度也急剧放缓，只下降了31.4亿元。2008年下半年，我国经济下行风险增大，因此，我国商业银行不良资产大幅攀升，第3季度新增不良贷款229亿元。可见，宏观经济环境在很大程度上主导了银行不良资产的走势。不良贷款的集中出现与GDP的快速回落显著相关。

图3-10　经济增长率与银行不良资产的负相关性

数据来源：中国人民银行、国家统计局。

中央在2008年11月底就要求“出拳要快”，因此基建项目在2008年12月就开始陆续建设，对应的是信贷增速快速增长。2008年9月25日、10月15日中国人民银行法定存款准备金率分别下降1个、0.5个百分点，降至16％。全年我国贷款增速创下历史最高水平。贷款增长加快旨在配合国家的4万亿元投资计划，贷款增长将带动政府固定资产投资的加快。2009年，银行业人民币新增贷款9.59万亿元，增速高达31.7％。2010年上半年，新增贷款4.98万亿元，同比增速17.8％，仍维持较高的水平。由于贷款规模的超速增长，不良贷款率的增长得以稀释。这又使得银行业资产负债表看上去更健康。

2009年的贷款高速增长说明，随着商业银行资本充足率达到甚至远远超过监管当局的最低资本要求，资本充足率对商业银行信贷供给的约束效应明显弱化。在这种情况下，商业银行的信贷供给很大程度上受制于信贷需求和宏观经济政策。事实上，观察2009年贷款增长的季度变化可以发现，资本监管对信贷扩张的约束效应依然存在。2009年第一季度和第二季度银行贷款分别增长4.58万亿元和2.8万亿元，远远超过政策预期，并带动资本充足率迅速下降。面对如此迅猛的信贷增长以及潜在的信贷风险，2009年7月份银监会宣布将大型、中小型银行的最低资本充足率由8％分别提高到11％和10％，银行的信贷增速随之下降。2009年第三季度和第四季度的新增贷款1.3万亿元和0.93万亿元，比上半年大幅度下降。从长期来看，2009年信贷高速扩张将通过信贷损失和信贷供给两个相互联系的渠道影响商业银行资本充足率水平，使得银行信贷在较长时期难以回归常态化的扩张路径。

2010年，金融机构新增人民币贷款7.95万亿元，同比增长19.9％。其中，12月份新增人民币贷款4807亿元。全年新增信贷高出7.5万亿元的目标4500亿元。超量的信贷供给使得中国面临较为严重的通货膨胀压力。2011年，货币政策持续收紧，存款准备金率创历史新高，与此同时，银监会开始对银行的日均存贷比进行考核，信贷增长面临的外部约束不断增强，增速逐步向历史均值水平回落（见表3-7）。

表3-7　2008年第1季度至2011年第3季度主要经济金融指标一览表

单位：％

注：R为一年期存款利率，资料来源于CCER数据库。

从以上的分析可以看出，从1992—2011年间我国经济周期和商业银行信贷行为的变化轨迹中，显示出我国商业银行信贷行为的亲周期。在经济低迷时，企业资金循环不畅，银行信贷资金的风险增加，银行的理性选择确实是紧缩信贷；而在经济高涨时期，想要银行保持理性不参与企业旺盛的资金需求也是非常困难的。面对经济周期时，银行实际上往往处于两难选择的困境。即便是在严厉的紧缩性宏观调控中，商业银行明知货币当局的限制性政策信号已经非常明显，除非所有银行都把信贷业务停下来，否则，竞争性的放贷还会持续下去。在事后，银行往往会承认国家宏观调控的正确性，但如果重新来过的话，银行可能还会采取原有的行动。

二、我国银行业信贷亲周期的实证分析

本部分主要通过向量误差修正模型（VEC）进行分析。为符合其计量分析模型的假设，首先必须做相关的平稳性检验和对其协整关系进行相关检验，而对向量误差修正模型的构建主要希望通过格兰杰检验结果来分析变量之间的因果关系，并且通过脉冲响应分析来描述变量的作用效果，用以检验我国商业银行信贷亲周期性。

自1998年1月1日起，政府取消对国有商业银行贷款限额的控制，开始推行资产负债比例管理。因此，本部分选取1998年第一季度至2010年第一季度的国内生产总值增速和信贷规模增速的数据来进行分析。数据来源于《中国统计年鉴》及《中国人民银行统计季报》各期。

1．平稳性检验结果

时间序列分析的一个重要特征是要求各变量是平稳的，否则容易造成“伪回归”问题。在“伪回归”的情况下，通常的统计推断标准和检验手段也就失去了意义。因此在开始分析之前，我们首先用ADF法对GDPZS和LOANZS序列进行单位根检验，以判断其平稳性。在检验中采用由赤池信息准则（AIC）来确定给定时间序列模型的滞后阶数。表3-8为ADF单位根检验结果。

表3-8　ADF单位根检验结果

说明：滞后期由AIC信息准则判别。

由表3-8的检验结果可知：在5％的置信水平下，零假设（即时间序列是非平稳的）可以被拒绝，说明GDPZS和LOANZS序列均是平稳的。

2．协整检验结果

指标间二元因果关系检验的关键在于判断两个指标之间是否具有协整关系以及解释变量滞后期的选取。

（1）滞后期的选择。 VAR模型分析的关键是选择系统内解释变量滞后期的长度。VAR分析的结果对滞后期长度的选择非常敏感，而传统的信息准则无法确保VAR模型的残差项是白噪声（Johansen，1992）。本文的标准是选取能够使VAR模型的残差项没有显著自相关的最短滞后长度作为解释变量的滞后期。多元VAR模型分析的另一个关键是如何既建立在理论基础上，同时又符合数据要求的过度识别条件约束，以识别出有经济意义的协整向量。我们以LR（Likelihood Ratio，似然比）为标准选择滞后期。我们选择滞后期为2（如表3-9）。

表3-9　滞后期的选择

注：*代表在5％的显著性水平下拒绝原假设。

（2）协整向量个数的检验（Johanson协整检验）。ADF检验结果表明，不能直接采用各变量的水平值，一个替代方法是使用其一阶差分进行分析。不过，使用变量差分形式进行经济分析也存在一个缺陷：这种方法由于忽略了原始序列中所包含的长期信息，因而更适合用以分析经济现象的短期或非均衡状态，而当用于长期分析时则会遗漏或掩盖变量间的长期关系。

由于上述变量同是Ⅰ（1）序列，因此，我们对上述变量（GDPZS LOANZS）进行协整检验，以判断是否存在协整关系，滞后阶数为2。检验结果如表3-10所示。可以看出，（GDPZS LOANZS）在1％的显著性水平上存在唯一的协整关系。这说明GDP和LOAN之间存在长期稳定关系，具有共同的随机趋势。

表3-10　经济波动与贷款的Johansen协整检验

注：*表明在1％的显著性水平上拒绝原假设。

3．VEC模型的格兰杰因果关系检验

我们采用Granger因果检验方法对两组变量之间的因果关系进行分析，结果如表3-11所示。

表3-11　GDP增速与贷款增速的Granger因果检验

表中接受零假设的概率，数字越小，说明自变量预测因变量的能力越强。检验结果显示，在（LOANZS GDPZS）中，假设“LOANZS不是GDPZS的Granger原因”和假设“GDPZS不是LOANZS的Granger原因”都被拒绝。这说明LOANZS与GDPZS具有双向的因果关系。

4．VAR模型

与格兰杰因果检验相比，多元VAR模型更关注于直接从长期角度研究变量之间的因果关系，具有高效的特点（Toda和Phillips，1993）。此外，二元因果关系检验显示信贷投放与经济增长的指标之间具有显著的双向因果关系。因此，我们建立VAR模型来研究信贷投放与经济增长之间的关系，以保证结论的稳健性。

（1）VAR的估计（见表3-12）。

表3-12　VAR的估计结果

（2）向量误差修正模型（VEC）（见表3-13）。

表3-13　VEC模型的估计结果

在根据简化的误差修正模型得出脉冲响应函数的结果之前，需要对其实施必要的诊断检验。根据图3-11，所有根的模的倒数小于1，都位于单位圆内，模型是稳定的。因此，VECM模型的稳定性条件得以满足。

图3-11　AR根图

5．脉冲响应函数

在实际应用中，由于VAR模型是一种非理论性的模型，因此，在分析VAR模型时，往往不分析一个变量的变化对另一个变量的影响如何，而是分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响，这种分析方法称为脉冲响应函数方法（Impulse Response Function，IRF）。

贷款对经济增长产生了一定程度的反映（见图3-12），LOANZS对GDPZS一个标准差的冲击，产出在第4期开始显著，在第6期达到最大，然后逐步平稳（见表3-12）。

图3-12　贷款对经济增长的冲击

经济增长对贷款冲击产生了一定程度的反映。GDPZS对LOANZS一个标准差的冲击，贷款在第2期开始显著，在第5期达到最大，然后逐步平稳（见图3-13）。

图3-13　经济增长对贷款的冲击

脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响。脉冲响应函数是随着时间的推移，观察模型中的各变量对于冲击是如何反应的，然而，对于只是要简单地说明变量间的影响关系又稍稍过细了一些。因此，Sims于1980年提出了方差分解（Variance Decomposition）方法，定量地把握变量间的影响关系。方差分解是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。

表3-14是对LOANZS的方差分解，第一列表明LOANZS的源于本身的方差分解，前3期越来越小，最后稳定在70％左右。第二列表明LOANZS源于GDPZS的方差分解，不考虑LOANZS自身的贡献率，GDPZS对LOANZS的贡献率最大达40.66％。

表3-14　LOANZS的方差分解

表3-15是对GDPZS的方差分解，第一列表明GDPZS的源于本身的方差分解，前4期越来越小，最后稳定在70％左右。第二列表明GDPZS源于LOANZS的方差分解，不考虑LOANZS自身的贡献率，LOANZS对GDPZS的贡献率是逐渐增加的，在第10期达到70.86％。

表3-15　GDPZS的方差分解

以上利用协整理论与基于VEC模型的格兰杰因果检验处理非平稳变量的分析方法，对商业银行信贷亲周期进行了分析，从而得出以下结论：第一，在样本期间内，实证分析验证了LOANZS是GDPZS的Granger原因，信贷数据对产出数据具有统计意义上的显著影响。这说明信贷投放已经成为中国经济增长的一个源泉。贷款供给的变化对经济增长的影响也具有很强的正向影响。在银行主导型的金融体系中，银行贷款构成了新增投资的很大部分。这实际上也是金融作为一种“加速器”对宏观经济作用的体现。第二，样本期间内，实证分析验证了GDPZS是LOANZS的Granger原因。这说明银行信贷同样会受到经济环境的影响，银行是典型的宏观经济周期行业，在经济繁荣阶段，银行倾向于扩张信贷，而在经济衰退时期，银行的“惜贷”行为则比较普遍。我国银行业贷款供给具有明显的亲经济周期性。