一、引 言

“宏观审慎”概念最早出现在20世纪70年代著名的库克会议的会议记录中。从官方文件来看，国际清算银行于1986年首次公布“宏观审慎政策”，该政策的主要目标是保障金融系统的安全和维护支付系统的稳定。［1］2000年，当时担任国际清算银行行长的Andrew Crockett最早对宏观审慎概念做出了界定，这意味着宏观审慎监管理论框架初步成型。此外，Borio在研究中最先提出建构宏观审慎监管框架的问题［2］，这对后来从事此方面研究的学者具有一定的启发意义。随着时间的推移，关于宏观审慎政策的研究在2008年之后开始成为热点，大部分国家都密切关注着该政策的发展。

随着金融行业迅猛发展，我国逐步建构了极具开放性的金融市场，打造了以多样化为特征的金融产品体系以及层次分明的金融机构体系。这在促进金融行业繁荣发展的同时，也对风险防范体系提出了严峻的挑战。［3］现阶段，我国金融发展出现的最大问题是风险不断积聚，防范金融危险、维护金融稳定已不再是单个银行或者某个组织的事情，而是已经成为国家所关注的重大问题之一。

在2017年召开的第五次全国金融工作会议上，我国正式提出了要牢牢守住金融行业发生系统性风险的底线。目前，中央银行根据我国的具体情况，基于维护金融稳定的目的，已经开始思考和探索如何维护金融稳定的举措，并逐步建构了宏观审慎政策，在此基础上形成货币政策和宏观审慎政策相结合的双支柱政策框架。［4］（P63-73）作为金融行业重要的调控工具，宏观审慎政策将直接与金融体系发生密切关联，而无需通过其他中介。［5］但是，这一举措也存在一个问题，那就是最终执行所产生的效果是否可以有效降低金融风险需要作深入探讨和具体研究。从目前的情况来看，宏观审慎政策的核心在于实行2017年的宏观审慎评估体系，而商业银行是其主要监管对象。

有鉴于此，在既有理论基础上，本文主要从微观主体银行行为视角出发，将宏观审慎政策有效性评估的对象从中间目标延伸至商业银行风险承担层面，实证分析中国宏观审慎政策对银行风险承担的影响。

二、模型设定和方法说明

（一）计量模型的设定

根据Lim［6］、梁琪［7］等的研究，本文建立以下基准模型：

其中，i=1,2,...n，表示研究所包含的银行的数量，t是时间变量。υi是个体效应，而εi,t则是随机扰动项。RT(Risk Taking)是衡量商业银行风险承担情况的被解释变量，MPP(Macroprudential Policy)是核心解释变量，即宏观审慎政策的代理变量，k代表不同的宏观审慎政策工具。另外，模型（1）还包括其他三个解释变量：一是RTi,t的滞后项，表示当前风险受上一期风险影响的程度；二是BV(BanksVar)，包括对商业银行特质因素进行控制的变量；三是MV（MarketVar），它是对宏观经济环境进行控制的变量。

与此同时，在模型（1）的基础上引入宏观审慎政策和宏观经济环境变量的交叉项MPP*MV，以此研究宏观审慎工具是否会影响到风险承担的变动以及其与宏观经济环境是否呈正向关系：

交叉项β4是模型（2）的主要考察对象，以此来验证逆周期特征。

此外，通过引入宏观审慎政策和商业银行特征变量的交叉项μPP*BV，来研究商业银行风险承担受宏观审慎工具的影响以及和商业银行特征的关系：

交叉项β4是模型（3）的主要考察对象，以此来验证商业银行在宏观审慎政策中的特质性。

（二）变量选取与数据说明

1.变量的选取。被解释变量RT。现阶段，不管是国内学者还是国外学者，在研究商业银行风险承担时通常都会选择三个主要变量，一是预期违约频率EDF（expected default frequency），如Brissimis、Delis［8］和Altunbas等［9］在研究中就运用到这个变量。二是贷款违约率，如Jiménez［10］。三是Z值，通常认为Z值的大小和商业银行风险承担呈现一种反向的比例关系。Z值重点阐述的是商业银行的破产风险，而非商业银行风险承担代表的内在含义，就当前我国的研究情况来说，本文认为不需要将被解释变量Z列入考量范围。基于此，本文所选取的被解释变量为不良贷款率NPL（nonperforming loan），它是商业银行风险承担的重要变量，也是衡量信贷风险在实际运用中所产生的主要结果。同时，商业银行风险加权资产比率RWAR（risk weighted asset ratio）比率越高，则表明收益越大，与此同时其所面临的风险也越高，在这种情况下，商业银行需要承担的风险也就更高。此外，出于研究普遍性考虑，在本文中将被解释变量取作贷款损失准备金率LLRR（Loan loss reserve ratio），这是商业银行自身对信贷风险的估量，该数字越大，则代表银行在风险承担方面越谨慎。

核心解释变量MPP。从国际上来看，我国开展宏观审慎政策实践起步较早，虽然现阶段没有专门的宏观审慎政策概念，但是我国所采取的诸多政策经实践证明都是成效显著的。具体来说，宏观审慎政策工具主要包括限制资产负债表、对金融机构征收税款、存款准备金率、时变/动态准备金、杠杆率、债务收入比、贷款价值比等。本文主要采用宏观审慎工具中的两个代表，一个是法定存款准备金率DRR，一个是住房抵押贷款LTV上限，将其作为研究宏观审慎工具的主要对象，同时根据法定存款准备金率、LTV上限实际使用的时间，对他们进行年度加权平均。

控制变量。商业银行自身特质变量：一是核心资本充足率CCAR，主要代表商业银行的资产状况；二是资产收益率ROA，主要代表银行的盈利能力；三是资产规模（取对数之后的LnAS），主要代表银行经营规模的大小。通常而言，资产充足率以及总资产收益率数字越大，表明银行的融资能力越强，其承担风险的能力也越强。宏观经济变量选取GDP同比增长率、上证综指的年收益率STOCK，来衡量商业银行风险承担行为受宏观经济环境影响的大小。

交叉项。当经济发展态势良好时，银行往往会进行信贷扩张，提高杠杆率。但是，一旦经济出现下滑趋势，商业银行则会改变政策，同时会采取一系列举措如去杠杆化、紧缩信贷、提高信贷标准等对企业的信用施加影响，恶化实体经济发展环境。针对这种情况，有学者如Lim等通过跨国宏观研究，分析信贷规模和杠杆变动是否会受到宏观审慎工具的影响。因此，本文引入宏观经济环境与宏观审慎政策的交叉项来验证上述现象。与此同时，本文通过引入宏观审慎政策与商业银行特征变量的交叉项来研究商业银行风险承担是否受到宏观审慎工具和银行特质共同作用的影响。

2.数据说明。本文所选取的样本为2000—2018年间的128家商业银行，样本不仅包括五大国有商业银行如中国银行、交通银行等，还包括招商银行、平安银行、民生银行等12家大型股份制银行以及111家城市商业银行和农商行，如北京银行、上海银行、北京农商行、青岛农商行等。本文所需要的样本数据主要来源于Bankscope数据库，而货币政策，宏观审慎政策代理变量则来源于Wind数据以及央行官网。具体如表1所示。

表1 变量选择和来源

三、实证分析与结果说明

（一）宏观审慎政策与商业银行风险承担基本检验

表2、3分别列出了宏观审慎工具（存款准备金率DRR、住房抵押贷款LTV上限）对商业银行风险承担及其顺周期性的影响。在5%的显著性水平下，Sargan检验和自相关检验均不能拒绝原假设，表明系统GMM估计选取的工具变量是合理的，扰动项不存在显著的序列相关。

表2 基于DRR基准模型的商业银行风险承担检验结果

表3 基于LTV基准模型的商业银行风险承担检验结果

1.宏观审慎政策下的商业银行风险承担分析。通过观察表2和表3不难发现，当商业风险承担的滞后一期变量的系数为正数时，表明商业银行风险承担具有黏性，也就是我们常说的惯性。

在表2中，宏观审慎政策工具变量存款准备金率与三个被解释变量之间的系数都是至少在5%上显著为负的。之所以出现这个结果，主要原因在于商业银行信贷能力受到央行上调存款准备金率的影响，如果央行上调这一数值，则商业银行的信贷供给能力就下降，这可以抑制商业银行出现信贷扩张的现象。所以，商业风险承担代理变量会随着DRR的上升而出现减小的趋势。因此，在宏观审慎政策下，商业银行风险承担出现明显下降。

从表3可以看出，LTV上限的系数至少在5%上显著为正，这意味着如果要抑制抵押贷款的增长，可以通过降低LTV上限、提高住房抵押贷款的首付成数的方法达到这个效果。这有利于从侧面降低风险承担，同时能够避免银行更多地介入和参与到房地产中去从而过度暴露敞口。因此，本文验证了商业银行风险承担同人民币存款准备金率呈负相关，同贷款价值比水平呈正相关，这也就说明了宏观审慎政策对商业银行风险承担具有抑制作用。

2.商业银行特征的风险承担分析。通过观察商业银行特征的系数可以发现，大部分系数在10%的水平下表现为显著，同时其系数多为负值。由此可知，随着规模不断扩大，商业银行所承担的风险也逐渐降低。这可能是因为随着银行规模的扩大，其倾向于采用相对保守的经营策略。现阶段，我国商业银行大都具有扩张的冲动，较高的资本充足率和盈利水平奠定了扩张的基础。然而，与之对应的是银行的风险控制水平也有了明显的提升。也就是说，银行风险承担会随着资本充足率和盈利水平的提高而下降。

3.宏观经济环境的风险承担风险分析。通过观察表2和表3不难发现，商业银行的风险承担会受到A股市场波动的影响。尽管受分业经营的约束，商业银行并不可以直接从事A股投资，但是它们会通过成立理财子公司的方式参与股票市场投资活动。将表2和3结合起来分析发现，GDP系数都保持在10%上显著。GDP系数对于RWAR和LLRR都显著为正，表明风险承担和经济增长两者之间是显著正相关，也就是说，商业银行风险承担顺周期特征极为明显。与此同时，NPL的GDP系数至少在5%上显著为负数，表明当经济发展良好时，商业银行所出现的不良贷款率会较低。

（二）宏观审慎政策与宏观经济变量交叉项对风险承担的影响

在模型（2）中，本文先后引入两个变量的交叉项，一个是宏观审慎政策代理变量与GDP的交叉项，另一个是与STOCK的交叉项，其主要目的是研究使用宏观审慎政策是否会对商业银行风险承担产生一定影响以及同宏观经济环境是否存在逆向关系，也就是通常所说的逆周期特征。表4表示的是宏观审慎政策代理变量DRR与宏观经济环境交叉项对风险承担所产生的影响：

可以看出，DRR这一宏观审慎工具变量同宏观经济代理变量交叉项的系数多在10%处呈现显著特征。这意味着借助准备金率的逆周期调节，可以有效调节贷款增速和经济发展的关系。通过观察表4可以看出，DRR*GDP的系数以及DDR*STOCK的系数均同宏观经济代理变量系数相反，这就表明这两者之间存在明显的逆周期性。需要特别强调的是，RWAR是影响最为突出的一个风险承担变量。另外，DRR*STOCK、DRR*GDP系数均同DRR系数符号相同，这表明在央行宏观审慎政策影响下，商业银行表现出来的行为其主要目的是避免风险承担上升。那么，这一结论如何在宏观审慎政策工具变量LTV中进行有效检验呢？具体如表5所示。

从表5可以发现，LTV这一宏观审慎工具变量与宏观经济代理变量交叉项的系数多在10%处呈现为显著特征，这就意味着借助贷款价值比上限的逆周期调节，能够有效调节银行行为自身同经济发展的关系。通过观察表5可以看出，LTV*GDP的系数以及LTV*STOCK的系数均同宏观经济代理变量系数相反，这就表明这两者之间存在明显的逆周期性。需要特别强调的是，RWARATIO是影响最为突出的一个风险承担变量。

表4 基于DRR的MPP*MV商业银交叉项行风险承担检验结果

表5 基于LTV的MPP*MV商业银行风险承担检验结果

（三）宏观审慎政策与商业银行特征变量交叉项对风险承担的影响

出于分析和研究风险承担行为的异质性特征的目的，将商业银行特征变量和宏观审慎政策变量的乘积项引入基准模型中，以检验银行层面的控制变量同宏观审慎政策变量之间的交互作用。为了保证所得到的结果是可靠的和稳健的，本文同样选择不同的银行风险承担和宏观审慎政策代理变量进行实证分析。表6显示的是宏观审慎政策工具为DRR时，MPP*BV交叉项对商业银行风险承担影响的回归结果。

表6 基于DRR的MPP*BV商业银行风险承担检验结果

表7 基于LTV的MPP*BV商业银行风险承担检验结果

表7显示的是宏观审慎政策工具为LTV时，MPP*BV交叉项对商业银行风险承担影响的回归结果。

通过分析表6和表7所显示的结果不难看出，CCAR和DRR、LTV之间乘积的系数大多至少在10%上显著为正数，这就表明受银行资本充足率提高的影响，银行风险承担会有明显的下降。但是，CCAR系数与CCAR*MPP系数在多数情况下并不一致，这就意味着在一定的宏观审慎政策下，资本充足率对商业银行的风险承担可以进行抵消。ROA同宏观审慎政策代理变量MPP的乘积系数在10%上显著为负值，这表明对于有较高资产收益率的商业银行来说，当宏观审慎政策出现变动时，面对风险它们有一定的缓冲。另外，ROA系数同ROA*MPP系数是完全一致的，这就意味着受宏观审慎政策工具变化的影响，商业银行的风险承担同方向变化。LnAS这一银行规模变量同宏观审慎政策代理变量MPP的乘积项系数在大多数情况下至少在10%上显著为正数，这就表明银行规模同宏观审慎政策呈同方向变化。

四、结论与建议

本文重点研究了商业银行风险承担受宏观审慎政策的影响。一方面，通过建构基准估计模型检验宏观审慎政策工具对风险承担的影响；另一方面，分析宏观经济环境和商业银行特征这两个因素同宏观审慎政策之间的相互影响。

（一）结论

宏观审慎政策对商业银行风险承担具有一定的抑制作用。差别存款准备金动态调整机制以及可变的LTV上限对于商业银行风险加权资产比率、不良贷款率、贷款损失准备金率等能够产生显著的影响，这就说明宏观审慎政策对商业银行风险承担具有一定的抑制作用。

宏观审慎政策能够借助商业银行自身的特征对其风险承担产生一定的影响。一是银行盈利能力对于风险承担具有明显的影响，盈利能力强的商业银行所具有的风险水平要比其他的银行风险水平低；二是银行资本充足率对于风险承担具有一定的影响，资本充足率高的商业银行能够抵消宏观审慎政策对风险承担行为的影响；三是商业银行规模对于风险承担也具有相应的影响。

宏观经济环境与宏观审慎政策相互正向影响。本文研究发现，在经济发展态势良好时期利用收紧政策工具，而在经济发展态势呈现下行趋势时采取宽松政策，可以弱化风险承担和宏观经济环境之间的正向关系，有利于平滑信贷周期。此外，商业银行信贷扩张的顺周期性也能得到明显降低。

（二）建议

一是完善宏观审慎评估的监管对象。商业银行是宏观审慎评估的主要对象，但是许多金融产品和市场活动等存在明显的顺周期性和结构性风险。比如，金融科技、货币市场基金等存在明显的负债赎回风险、资产价格风险以及顺周期流动性风险等。因此，有必要将其纳入宏观审慎政策的框架中，以此保持金融市场稳定。

二是引导商业银行同不断变化的政策环境相适应。现阶段，我国商业银行大多已经适应了实行多年的低利率环境，随着市场的变动，近来少数商业银行内部出现了流动性紧张的问题。在制定宏观审慎政策时，监管机构需要同商业银行进行沟通，引导其经营行为。同时，鼓励商业银行提高资产负债管理能力和采用利率定价等方式应对利率的上升。

三是建立符合实际且有效的宏观审慎监管工具箱。要从当前经济发展的实际出发，选择合适的工具，可以通过不同工具的组合取得叠加效果，以保持工具的有效性。在选择工具时需要兼顾“因地制宜，因城施策”的原则，避免出现“一刀切”式的政策。在这里，差异化政策应该是主流的实施方式。