方 意 欧阳辉 张碧琼

一、引言

2008年全球金融危机后，各国加大了宏观审慎政策的实施力度，希望借此减小国内产生系统性金融风险的可能性。然而，随着金融一体化和全球互联性的深入，一国出于金融稳定目的实施的宏观审慎政策会对其他国家的宏观审慎政策产生影响。这是因为一国实施宏观审慎政策的影响可能会通过跨境资本流动蔓延至其他国家。这不但破坏了来源国政策的有效性，还会对溢出目的国的金融市场和金融机构造成冲击，进而促使目的国及时调整宏观审慎政策以维护金融稳定。也就是说，一国的宏观审慎政策使其他国家做出了宏观审慎政策调整，即产生了溢出效应。

党的十九大报告提出要推动形成全面开放的新格局，强调开放带来进步。2021年7月，中国人民银行下半年工作会议也谈到要进一步有序推进金融开放。跨境资本流动是政策溢出的重要渠道。金融开放会扩大跨境资金流通渠道、降低跨境交易成本，从而有效地促进资金的跨境流动(杨子晖和陈创练，2015[1])。因此，随着中国金融开放的推进，外部宏观审慎政策的影响变得不容忽视，其对中国宏观审慎政策的溢出有多大？溢出效应如何传导？中国的金融稳定会不会影响溢出效应？深入研究这些问题，有助于加深对宏观审慎政策溢出传导机制的理解，深化金融稳定与政策溢出之间关系的认识，因此具有重要的理论意义。同时，将外部政策溢出效应纳入考虑范围，有助于中国监管当局更好地制定和执行宏观审慎政策，降低溢出效应可能带来的金融风险，因此本文的研究又具有重要的现实意义和政策价值。为了回答上面提出的问题，本文首先对不同政策工具的溢出传导机制进行了分析；然后构建溢出指数对宏观审慎政策的溢出效应进行了讨论；最后实证检验了中国金融稳定对外部宏观审慎政策溢出效应的影响。

以往的研究重视对宏观审慎政策溢出渠道，以及不同类型政策工具对其影响的分析，但对溢出目的国的政策反应鲜有讨论。本文的贡献在于：第一，量化了来源国宏观审慎政策对目的国宏观审慎政策的溢出效应。这使得更为细致和深入地讨论国家间的宏观审慎政策影响成为可能。第二，对比分析了外部两种具体的宏观审慎政策工具：存款准备金率和贷款价值比，对中国的溢出效应；实证检验了中国的金融稳定对溢出效应的影响，加深了对不同政策工具溢出效应的理解。

余文结构如下：第二部分为文献综述；第三部分为影响机制分析和研究假设；第四部分为宏观审慎政策溢出效应指标构建方法和数据描述；第五部分为宏观审慎政策溢出效应分析；第六部分为中国金融稳定对外部宏观审慎政策溢出效应的影响分析；第七部分为结论与政策启示。

二、文献综述

目前大多数宏观审慎政策都明确适用于银行系统，其本质上是一种激励银行的机制(方意和黄丽灵，2019[2])。当监管政策发生变化时，国际资本会通过流入和流出银行进行回应(Bremus和Fratzscher，2015[3])。2008年金融危机爆发后，银行的风险容忍度有所上升(项后军等，2018[4])，在资本流出中起着重要作用(范小云等，2020[5])。而银行跨境信贷是宏观审慎政策溢出的重要渠道(Kang等，2017[6])，也是相关溢出渠道研究的重点。本文主要涉及以下两方面文献内容。

(一)关于宏观审慎政策跨境信贷溢出渠道的研究

宏观审慎政策对本国和外国银行的跨境信贷都会产生影响。一方面，紧缩性宏观审慎政策会使拥有地区性或全球性业务的本国银行向外国发放贷款(Avdjiev等，2017[7])。在这一过程中，本国银行向外国市场上风险较高的公司提供了更多的贷款(Ongena等，2013[8])，从而承担了更高的风险，造成了本国宏观金融系统的不稳定(赵胜民和何玉洁，2019[9])。此外，这些增加的贷款还会导致外国市场信贷繁荣或资产价格压力，进而影响外国的金融稳定。另一方面，紧缩性宏观审慎政策会使外国银行增加对本国的放贷。紧缩性监管要求使信贷资金从本国受监管的外国子公司转移到位于该国未受监管的外国分行，这一漏出数额很大，约占总贷款供应变化的三分之一(Aiyar等，2014[10])。因此，相对于本国的银行，外国分行和跨境贷款机构提供了更多的信贷，并承担了更大的风险(Reinhardt和Sowerbutts，2015[11])。

综上，宏观审慎政策会影响政策来源国和政策溢出目的国银行的跨境信贷，进一步影响目的国的银行风险和金融稳定。但是对于目的国因金融稳定受到影响进行的及时政策反应，即来源国政策对目的国政策的溢出效应，还罕有文献进行分析和讨论。本文首先对银行跨境信贷渠道下溢出目的国的政策反应机制进行了分析，然后使用Qual VAR模型将离散的宏观审慎政策变量转为连续的政策潜变量，在此基础上进一步构建了政策溢出效应指数。通过这种方法，本文讨论并量化了国家之间宏观审慎政策的溢出效应，为目的国监管当局进行及时、有效的政策反应提供了一定的参考。

(二)关于不同类型宏观审慎政策工具对跨境信贷影响的研究

宏观审慎政策对政策工具表现出不同的敏感性(方意，2016[12])，已有文献从政策工具作用的对象：借款人和贷款人入手，对不同类型宏观审慎政策工具影响银行跨境信贷的问题展开了分析。第一，针对借款人的政策研究集中于部门工具中的贷款标准限制。贷款标准限制是面向金融产品的监管工具，对国内外银行的影响相似(Galati和Moessner，2018[13])。因此，这一政策工具不会引起外国银行跨境信贷的流入，但会引起本国银行国际债权的增加，且银行资本状况越好，国际债权增加的幅度往往越大(Avdjiev等，2017[7])。第二，针对贷款人的政策研究集中于资本工具中的资本要求和流动性工具中的存款准备金率。在资本要求方面，当资本标准提高时，外国银行会增加对本国的债权(Reinhardt和Sowerbutt，2015[11])。这是因为资本要求提高了本国银行的加权平均资本成本，但跨境贷款由于不受影响而产生了融资优势。在存款准备金率方面，当存款准备金率提高使得本国融资成本上升时，本国银行增加了向国际银行的贷款(Avdjiev等，2017[7])。

综上，不同类型宏观审慎政策工具对跨境信贷以及目的国金融稳定产生的影响存在差异。因此，目的国监管当局对金融稳定变化的政策反应也不同，但罕有相关研究对这一问题进行讨论。本文以中国使用最为频繁的两项宏观审慎政策工具：存款准备金率和贷款价值比为例，对比分析了两种政策溢出效应的差异，并进一步实证检验了中国的金融稳定对外部宏观审慎政策溢出效应的影响。这不但加深了对不同宏观审慎政策工具溢出效应的理解，还为监管当局做出差异化的决策提供了借鉴。

三、影响机制分析和研究假设

存款准备金率(RR)政策和贷款价值比(LTV)政策是目前全球应用广泛、中国使用最为频繁(Alam等，2019[15])、对国际银行信贷扩张影响最大的两项宏观审慎政策工具(Avdjiev等,2017[7])，也是国内学者进行对比研究的政策工具(梁琪等，2015[16]；荆中博和方意，2018[17])。

目的国的金融稳定会影响宏观审慎政策溢出效应。当来源国实施紧缩性宏观审慎政策时，会通过跨境信贷渠道影响目的国金融市场的信贷和房价。这会进一步影响银行的系统性风险(童中文等，2015[18])。此时，监管当局执行宏观审慎政策能够明显抑制系统性风险和房价的波动幅度(郭娜等，2019[19])。因此，来源国实施的政策最终会引起目的国宏观审慎政策的被动调整，即产生了政策的溢出效应。如前所述，RR政策和LTV政策是分别针对贷款人和借款人的工具，由于作用的对象不同，政策引起的跨境信贷变动存在差异。这种差异使得目的国的金融稳定变量：信贷和房价，在两种情况下变化不同，由此引起目的国政策的被动调整也不相同。因此，金融稳定和溢出效应之间的关系与使用的政策工具有关。具体而言：

第一，紧缩性RR政策限制了来源国银行的资金，对更依赖于银行间市场融资的银行产生了影响。由于来源国银行间市场的资金变得短缺，融资成本上升，来源国银行开始向其他资金来源融资，以消除RR提高对其的负面影响。政策溢出目的国银行的资金在逐利因素的驱动下会通过国际银行间市场流向来源国，国际银行贷款随之上升。此时，目的国由于资金流出，金融市场信贷供给下降、贷款利率上升、金融稳定变量：信贷和房价的增速下降。因此，当目的国监管机构观测到来源国实施紧缩性RR政策时：(1)如果本期目的国金融市场上的信贷和房价下降，来源国的政策溢出可能会造成信贷和房价进一步下跌。此时，目的国的紧缩性政策压力变得更小，监管当局会在本期及时做出政策反应。信贷和房价本期下降越大，政策反应的强度越大，溢出效应增大。(2)如果本期目的国金融市场上的信贷和房价上升，来源国政策溢出引起的信贷和房价下跌会抵消上升的情形。由于对金融稳定变量的变化没有确定的预期，目的国无法在本期做出及时的政策反应，溢出效应减小。

根据以上分析，本文提出假设1。

假设1：中国金融稳定变量：信贷和房价的变化与外部紧缩性RR政策溢出效应成反向关系。

第二，紧缩性LTV政策是针对金融产品的监管，所有的银行机构都受到相同的约束。在此背景下，来源国银行资金会通过跨境信贷的方式流向目的国。此时，目的国金融市场的信贷供给上升、贷款利率下降。金融稳定变量：信贷和房价的增速上升，房地产市场的风险又增加了银行的风险(方意等，2021[20])。因此，当目的国监管机构观测到来源国实施紧缩性LTV政策时：(1)如果本期目的国金融市场上的信贷和房价上升，来源国政策溢出可能会造成信贷和房价进一步上升。此时，目的国的紧缩性政策压力变得更大，监管当局会在本期及时做出政策反应。国内信贷和房价本期上升越大，政策反应的强度越大，溢出效应增大。(2)如果本期目的国金融市场上的信贷和房价下降，来源国政策溢出引起的信贷和房价上升会抵消下降的情形。由于对金融稳定变量的变化没有确定的预期，目的国无法在本期做出及时的政策反应，溢出效应减小。

根据以上分析，本文提出假设2。

假设2：中国金融稳定变量:信贷和房价的变化与外部紧缩性LTV政策溢出效应成正向关系。

传导过程如图1所示。

图1 来源国宏观审慎政策对目的国的溢出传导

四、宏观审慎政策溢出效应指标构建方法和数据描述

(一)Qual VAR模型

宏观审慎政策涉及大量实施间隔和频率存在差异的工具。以往的文献要么进行事件研究，要么根据紧缩或宽松的立场变化，使用离散指标对这些事件进行标记。然而，在没有政策行动的样本期内，二元政策指标无法捕捉政策立场的变化。Tillmann(2015)[21]认为宏观审慎政策可以被直接观察到的执行次数很少，这导致对政策的有效性知之甚少，因此可以使用定性向量自回归(Qual VAR)模型将二元政策变量变为连续变量，揭示宏观审慎政策连续的潜在监管压力。根据这一思想，荆中博和方意(2018)[17]用Qual VAR模型模拟了中国RR政策和LTV政策的潜变量，并分析了这两种政策对贷款增速、房地产价格增速等金融稳定目标的有效性和靶向性。本文沿袭了这一思想，将RR政策和LTV政策实施的样本国家扩展到全球范围，对执行这两类政策的国家进行了政策模拟和讨论。

(1)

Φ(L)Yt=μ+εt

(2)

(3)

本文不关注整体策略立场，即-1/0/+1系列政策事件，只讨论包含0/1序列的紧缩模型，将关注点放在紧缩性宏观审慎政策的讨论上。这是因为宏观审慎政策在繁荣时期更有必要性：一方面，系统性风险高发于信贷繁荣与信用过度扩张时期。只有在繁荣时期，借款行为才应该受到监管(Flemming等，2019[22])；另一方面，很少有政策能够在不利时期帮助阻止银行杠杆率和资产价格的下降(Claessens等，2013[23])。

(二)LASSO-VAR模型

Diebold和Yilmaz(2009)[24]认为对VAR模型预测误差方差分解的结果进行处理可以度量市场之间的溢出效应。本文参考这一思想，通过构建宏观审慎政策的溢出效应指数来分析不同国家之间的政策溢出效应。本文将紧缩性宏观审慎政策连续潜变量作为VAR模型中的内生变量，可以得到N元p阶的VAR模型：

(4)

LASSO的方法可以有效地减少内生变量的个数，以便更有效地估计VAR模型的参数，可以同时实现估计参数和变量选择。LASSO-VAR模型的估计表达式如下所示：

(5)

(6)

其中，‖A‖F为矩阵A的弗罗贝尼乌斯范数(Frobenius norm)，是该矩阵各项元素绝对值平方的总和。λi是惩罚参数，其通过连续交叉验证进行估计。‖Φi‖1表示l1惩罚项，为向量中各个元素绝对值之和，可以通过将最不显著的元素赋值为0，从而减少横截面系数的数量。

(三)溢出效应指数构建

类似李政等(2020)[25]的做法，本文借鉴Diebold和Yilmaz(2012)[26]的思路，使用广义方差分解来识别同期因果关系、构建宏观审慎政策溢出效应指数。在超前H步预测的广义方差分解中，第j个变量对第i个变量方差的贡献度表达式为：

(7)

(8)

1.每个国家(i)受到的外部宏观审慎政策的溢出效应(from-spillover)指数为：

(9)

2.所有样本国家宏观审慎政策的总溢出效应(total-spillover)指数为：

(10)

(四)数据描述

为了模拟宏观审慎政策的连续潜变量，并构建政策溢出效应指数，本文选取了建模的样本国家和模拟所需的政策执行变量、宏观经济变量和金融变量。

1.宏观审慎政策变量(yt)。

宏观审慎政策执行的数据来自Alam等(2019)[15]构建的IMF宏观审慎政策整合数据库(iMaPP)。其中，RR政策指以宏观审慎为目的的存款准备金率，LTV政策指主要针对住房贷款的限制，也包括针对汽车贷款和商业房地产贷款的限制。当实施紧缩性RR和LTV政策时，yt取1，否则为0。

通过对iMaPP的分析可以发现使用紧缩性RR政策的绝大多数是新兴市场国家。这可能是因为新兴市场国家相对封闭，为避免大规模、不稳定的资本流动，以及由此引发的系统性风险，这些国家倾向于使用类似存款准备金率的流动性相关政策进行逆周期调节来稳定金融市场(Montoro和Moreno，2011[27])。与之相反，发达国家通常资本账户更为开放，更多地使用以借款人为基础的、主要针对住房部门的政策(Akinci和Olmstead-Rumsey，2018[28])，其中包括对贷款价值比(LTV)设定上限。从总体上来看，大部分实施政策的国家实际执行次数都比较少，新兴市场国家宏观审慎政策的金融稳定效应比发达国家更为显著(马勇和黄辉煌，2021[29])。为了实现对政策潜变量的模拟，本文选择了政策执行至少3次以上的样本。参照荆中博和方意(2018)[17]对变量的选择，同时考虑宏观经济和金融数据的可得性，最终分别选取了10个实施紧缩性RR政策和11个实施紧缩性LTV政策的样本国家(1)实施紧缩性存款准备金率政策的样本国家包括：保加利亚、巴西、中国、哥伦比亚、克罗地亚、印度尼西亚、印度、菲律宾、塞尔维亚、俄罗斯、土耳其；实施紧缩性贷款价值比政策的样本国家包括：加拿大、中国、芬兰、匈牙利、韩国、挪威、巴基斯坦、波兰、罗马尼亚、新加坡，2003年1月至2018年12月的月度数据。

2.金融稳定变量和宏观经济变量(Xt)。

金融稳定一般是从其对立面金融不稳定的角度进行衡量的。考虑到宏观审慎政策主要对银行的信贷产生影响，所以本文选择各国信贷同比增长率作为金融稳定的代理变量。此外，由于宏观经济变量与金融稳定，以及宏观审慎政策之间存在相互影响，本文最终选取了经济增长、通货膨胀和货币政策来反映宏观经济，并分别使用工业生产指数同比增长率、消费者价格指数同比增长率和货币供应量同比增长率作为代理变量。金融稳定变量和宏观经济变量的数据来自CEIC和EIU Country Data数据库。

将收集的数据运用Qual VAR模型进行模拟，本文得到了紧缩性RR政策和LTV政策的连续潜变量，如图2和图3所示。图中的阴影区域表示这些工具实际的紧缩时期，实线表现了紧缩性宏观审慎政策执行的压力或政府不可观测的政策立场的变化。通过图形可以观察到样本期内宏观审慎政策具有以下特征：(1)一致性。当紧缩性政策实施时，潜变量为正，其他时间为负，这与Tillman(2015)[21]的结果相符。(2)波动性。在整个样本期内，政策潜变量波动较为剧烈。

从图2可以看出：第一，紧缩性RR政策的二元变量分布在样本期的各个阶段。总体来看，2012年之前紧缩政策执行的次数更多。其中，中国、印度、塞尔维亚和俄罗斯显得尤为密集。2012年以后相关政策的执行次数减少，执行的国家包括巴西、中国、俄罗斯和土耳其。第二，紧缩性RR政策的潜在监管压力在一些国家呈现逐渐下降的趋势，比如保加利亚、巴西、克罗地亚、印度和塞尔维亚；而在另一些国家基本保持压力均值不变，比如中国、哥伦比亚、印度尼西亚、俄罗斯和土耳其。

图2 2003—2018年样本国紧缩性存款准备金率政策潜变量

从图3可以看出：第一，紧缩性LTV政策实际执行次数相比RR政策少。中国、韩国和罗马尼亚的政策执行比较均匀地分布在样本期内；加拿大、芬兰、挪威、波兰、巴基斯坦和新加坡的执行大多发生在样本后期。第二，一些国家紧缩性LTV政策的潜在监管压力基本上保持平稳，比如加拿大、中国、巴基斯坦、罗马尼亚和新加坡。尽管如此，仍有部分国家的潜在监管压力在2008年左右出现了明显的下降然后回升的趋势。

图3 2003—2018年样本国紧缩性贷款价值比政策潜变量

五、宏观审慎政策溢出效应分析

本节基于宏观审慎政策潜变量广义方差分解的结果计算了紧缩性RR政策和LTV政策的溢出效应指数、绘出了两种政策的溢出动态时序图，并进行了描述性分析。

(一)全样本宏观审慎政策溢出的总体水平

本文采用滚动的政策溢出效应指数来度量宏观审慎政策溢出效应的动态水平。滚动窗口设为60个月，滚动后的样本期为2008年1月至2018年12月。紧缩性RR政策和LTV政策溢出效应的时序特征如图4所示。从图中可以看出：第一，RR政策和LTV政策具有显著的溢出效应。两种政策工具的总溢出效应具有明显的波动性，波动范围分别在27.39%～42.41%和19.49%～53.07%之间，RR政策波动的幅度相对较小。第二，RR政策和LTV政策总溢出效应的走势存在明显差异：RR政策的总溢出呈现波动中平缓上升的趋势，LTV的总溢出明显呈现出波动中缓慢下降的趋势。首先，当前发达国家的存款准备金率长期保持在较低水平且维持不变，RR政策主要在发展中国家使用，尤其是中国、印度、俄罗斯、巴西等新兴市场国家使用较为频繁。因此，RR政策的总溢出效应实质上反映了样本国家中新兴市场国家RR政策的总溢出。其次，一般来说，监管机构会根据宏观经济形势及房地产市场情况，“相机决策”地设定LTV。除了在2008年全球危机之后的一段时间，LTV政策总溢出处于高位之外，随后的走势符合以往研究中认为LTV政策溢出效应相对较小的观点。

图4 样本国家宏观审慎政策总溢出效应的时序特征

(二)外部宏观审慎政策对中国的溢出水平

中国受到的外部宏观审慎政策的溢出效应如图5所示。从图可以看出：第一，外部RR政策和LTV政策对中国的溢出效应会随时间变化上下波动。首先，RR政策对中国的溢出效应在2008年10月至2010年2月之间呈现出急速上升然后下降的走势。从2010年5月开始，溢出效应缓慢地回升，随后在2015年7月突然下降。此后直到2018年年底，溢出效应都保持相对平稳，较前期影响的程度也偏低。其次，LTV政策对中国的溢出效应从2018年9月起迅速上升，2010年1月达到最大值，然后缓慢回落至2003年1月的最低水平。随后，溢出效应开始上升，并在2013年11月以后保持较为稳定的均值，一直持续至2018年年底。第二，外部RR政策和LTV政策溢出效应的走势存在差异，且在绝大多数时期外部RR政策的溢出效应更大。如图5所示，两种政策的溢出效应在样本期间的开始和结束时期走势比较相似。但在2010年10月至2016年11月间，RR政策的溢出效应走势由上升转为下降，LTV政策走势正好与之相反。

图5 外部宏观审慎政策对中国溢出效应的时序特征

六、中国金融稳定对外部宏观审慎政策溢出效应的影响分析

(一)模型设定和变量说明

宏观审慎政策外溢的实证研究大多使用面板数据，将宏观审慎政策离散变量作为单独的解释变量，并加入交乘项来体现控制变量的作用。与以往研究有所不同，本文参考陈晓莉和刘晓宇(2020)[30]的做法构建模型，使用时间序列数据分析中国的金融稳定对外部宏观审慎政策溢出效应的影响，样本期为2008年1月至2018年12月。模型设定如下：

+γ2housepricet+λXt-1+εt

(11)

式中，被解释变量(Fromspillt)为外部宏观审慎政策对中国的溢出效应，解释变量包含被解释变量的滞后两期。信贷(creditt)和房价(housepricet)为核心解释变量，Xt-1为控制变量。为减少互为因果关系带来的内生性问题对回归结果产生的影响，本文参考习惯做法，将控制变量均滞后一期。α为常数项，ε为残差项，下标t表示时间。本文对模型使用多元线性回归的方法，并进行了异方差、自相关、多重共线性等相关检验。

1.被解释变量。

2.核心解释变量。

参照Prasad等(2019)[31]，本文选择信贷(creditt)和房价(housepricet)作为金融稳定的代理变量。信贷为银行信贷的同比增长率；房价为70个大中城市新建住宅价格指数当月同比。信贷和房价数据分别来自EIU Country Data和WIND数据库。

3.控制变量。

本文包含宏观经济因素、金融及制度因素和全球因素三类控制变量。(1)宏观经济因素。经济增长(rgdpt-1)，使用中国实际GDP同比增长率作为代理指标。参照陈宇峰等(2015)[32]的做法，以2000年为基期，将GDP当季同比的平减指数转换为定基GDP平减指数。根据定基的平减指数将名义GDP转换成实际GDP，然后采用Census X12方法进行季节调整，最后通过二次插值升频为月度数据，计算同比增长率。(2)金融和制度因素。国际金融一体化水平(ifit-1)，参照Lane和Milesi-Ferretti(2007)[33]的方法，使用金融资产和负债总量占GDP的比重度量中国金融一体化的水平。政策利率(policyratet-1)，为再贴现利率。(3)全球因素。全球风险厌恶度(vixt-1)，使用标准普尔500指数期权隐含波动率作为代理变量；经济政策不确定性(eput-1)，采用Baker等(2016)[34]编制的经济政策不确定性指数。除特别说明外，控制变量的相关数据均来自CEIC和WIND数据库。

(二)实证结果分析

模型(11)为简单的多元线性回归模型，本文首先对所有变量进行ADF单位根检验。结果显示，银行信贷、实际GDP增长率、国际金融一体化水平和经济政策不确定性在1%的水平上；外部紧缩性RR政策和LTV政策的溢出效应、房价、政策利率在5%水平上；恐慌指数在10%的水平上拒绝含有单位根的原假设，从而接受备择假设，即回归模型中的所有变量都是平稳的。

如表1所示，列(1)～列(3)的被解释变量为外部紧缩性存款准备金率政策的溢出效应；列(4)～列(6)为外部紧缩性贷款价值比政策的溢出效应。实证结果表明，列(1)～列(3)中信贷和房价的系数在1%的水平上显著为负，即中国的信贷和房价变化与外部RR政策的溢出效应呈显著负向关系。这说明，当中国信贷和房价增速下降(上升)时，外部RR政策的溢出效应变大(变小)。因此，这论证了假设1提出的中国金融稳定变量的变化与紧缩性RR政策溢出效应成反向关系。

表1 信贷和房价对外部宏观审慎政策溢出效应的影响

列(4)～列(6)中信贷和房价的系数为正，且房价的系数在10%的水平上显著，即中国的房价与外部LTV政策的溢出效应呈显著正向关系。这说明，当中国房价增速上升(下降)时，外部LTV政策的溢出效应变大(变小)。因此，这论证了假设2提出的中国金融稳定变量的变化与紧缩性LTV政策溢出效应成正向关系。

回归结果中其他控制变量的符号符合预期。首先，实际GDP增长速度越快，说明中国经济越繁荣。繁荣时期资金的跨境流动加大，政策溢出效应变大。其次，金融一体化程度反映了资金出入的便利程度。金融一体化程度越高，政策传导的渠道越通畅，政策溢出效应越大。最后，政策利率的降低会减弱中国金融市场对资本的吸引力。此时资金的跨境流动减少，政策溢出效应下降。

(三)稳健性检验

本文从两个方面进行了稳健性检验：第一，使用加权最小二乘法(WLS)对式(11)进行回归。以上的分析中使用了“OLS+稳健标准误”来处理方程中存在的异方差问题。在仅存异方差的情况下，也可以使用加权最小二乘法(WLS)进行估计，以得到更为有效的回归结果。第二，内生性检验。由于外部政策溢出与中国金融稳定变量间可能存在互为因果的关系，本文对表1的各列方程进行了“杜宾-吴-豪斯曼(DWH)”内生性检验，结果表明列(1)和列(3)中的信贷存在内生性。因此，本文选取信贷的滞后项作为工具变量，运用异方差稳健标准误的2SLS方法和GMM方法进行回归，以排除内生性问题。两种检验显示结果稳健(3)受篇幅限制，检验结果未予列示，感兴趣的读者可联系作者索取。。

七、结论与政策启示

本文以紧缩性存款准备金率和贷款价值比为例，研究了宏观审慎政策的溢出效应，以及中国金融稳定对外部宏观审慎政策溢出效应的影响。首先，结合IMF的iMaPP数据库，运用Qual VAR模型模拟了宏观审慎政策的连续潜变量；其次，对政策潜变量进行广义方差分解，在此基础上构建了政策溢出指数来分析宏观审慎政策的溢出效应；最后，检验了中国金融稳定变量：信贷和房价的变化对外部宏观审慎政策溢出效应的影响。本文得到的主要结论有：

第一，外部紧缩性宏观审慎政策对中国具有显著的溢出效应，其中存款准备金率政策对中国的溢出效应要大于贷款价值比政策。

第二，中国金融稳定变量：信贷和房价会影响外部紧缩性宏观审慎政策的溢出效应。其中，信贷和房价对外部紧缩性存款准备金率政策的溢出效应有显著的负向影响，房价对外部紧缩性贷款价值比政策的溢出效应有显著的正向影响。

本文的研究结果主要有以下政策启示：

第一，中国监管当局应重视外部宏观审慎政策对中国的溢出效应。由于不同宏观审慎政策工具的溢出效应存在差异，因此需要有所区分。监管当局应及时评估外部政策可能对信贷和房价的作用，判断其对本国现有宏观审慎政策有效性的影响，并做好及时反应的准备。从这个角度来说，有必要将应对外部宏观审慎政策溢出效应纳入本国宏观审慎政策的考虑范围，本文的量化结果为此提供了一定的参考。

第二，中国应积极参与国际宏观审慎政策协调。首先，国家之间宏观审慎政策存在着“先发劣势”的问题。如果一个国家的监管机构为了达到逆周期迅速调节的效果而提高存款准备金率，由于溢出效应的存在，其只能内化紧缩措施带来的金融稳定的一部分好处，却承担着降低本国银行竞争力的所有潜在成本。与此相反，提高存款准备金率的政策溢出不但提升了目的国银行的相对竞争力、降低了信贷增速和资产价格压力，还促进了地区的金融稳定。因此，这可能会引起政策来源国对资本流动的管制，甚至放弃更为有效的宏观审慎政策工具，进一步加大了局部金融风险发生的可能性。其次，国家之间宏观审慎政策还存在着“以邻为壑”的问题。紧缩性贷款价值比政策有助于维护来源国的金融稳定，并增进福利(岑磊等，2016[35])，但其可能会引起目的国承担信贷增长过快或资产价格上升的压力，造成目的国金融不稳定，加大了风险发生的概率。最后，“金融三难”的困境使得独立的监管政策无法实现。不干预资本的跨境流动、国家独立控制金融监督，以及金融稳定，这三项并非相互兼容(Agénor和Pereira da Silva，2021[36])。一国如果不断开放金融市场，为了维护本国的金融稳定，就需要对监管政策进行被动调整。

本文研究的宏观审慎政策溢出效应，是一国宏观审慎政策对另一国宏观审慎政策的影响。研究结果体现了在中国金融开放进程中，维护金融稳定的目标条件下，宏观审慎监管政策的非独立性。为解决“先发劣势”“以邻为壑”和“金融三难”带来的潜在金融风险和被动政策调整，监管当局在制定和执行宏观审慎政策时，有必要从区域甚至是全球视角出发，协调各国的需求和选择，确定政策工具。通过建立全球性的政策协调框架，达到增加政策有效性、提高政策福利的目的。这需要进一步加强对宏观审慎政策国际协调收益的研究，提高宏观审慎国际协调的自觉性。