货币传导的信贷渠道与商业信贷研究.doc

货币传导的信贷渠道与商业信贷研究文献回顾Ｂｅｒｎａｎｋｅ和Ｂｌｉｎｄｅｒ首先开创了银行信贷渠道的研究，以一个类似于ＩＳ－ＬＭ模型的理论框架，说明在传统的利率传导机制无效的情况下，货币政策也可以通过影响银行对企业的贷款实现对实体经济的调控，银行借贷为货币传导提供了一条重要途径［４］Ｋａｓｈｙａｐ等利用银行借款替代的融资方式———美国短期融资券数据进行实证研究，发现货币政策紧缩期企业的银行借款出现明显下降，而同期的短期融资券发行量却出现显著的增长［２］Ｂｅｒｎａｎｋｅ和Ｇｅｒｔｌｅｒ通过对美国联邦基金利率的实证研究证明，政府在实施紧缩的货币政策之后，银行收到存款（负债来源）的减少，使得银行将被迫减少贷款供给而且由于信贷渠道具有“金融加速器”的作用，因此能够迅速把政策变化带来的冲击放大和传播到整个国家的经济活动中［１］Ｋａｓｈｙａｐ和Ｓｔｅｉｎ提供了货币政策信贷传导机制更为直接的实证证据，他们利用美国银行１９７６年一季度至１９９３年三季度的数据研究货币政策的信贷传导机制，发现货币政策的紧缩对小银行和资产流动性差的银行影响会更大［５］另一方面，当从银行获得的借款因货币紧缩而减少或需要支付更多利息时，企业就会转而求助于其供应商，需求导向促使企业间商业信贷成为银行借款的一种重要的替代融资方式，这也意味着商业信贷的存在在一定程度上削弱了货币政策的效果。

利用企业数据，Ａｔａｎａｓｏｖａ和Ｗｉｌｓｏｎ发现在货币紧缩期，银行借款约束的企业比例上升，银行借款约束企业会以商业信贷来替代银行借款，这一证据支持货币政策商业信贷传导渠道的存在［６］Ｃｈｏｉ和Ｋｉｍ发现，在控制了商业信贷的交易动机与资产管理动机后，企业应收与应付的商业信贷在货币紧缩期都会增加，意味着商业信贷能够帮助企业吸收信贷紧缩带来的影响［７］Ｍａｔｅｕｔ等利用英国企业的数据得出商业信贷有助于缓解货币紧缩程度结论［８］Ｇｕａｒｉｇｌｉａ和Ｍａｔｅｕｔ利用１９８０－２０００年６０９家英国企业的面板数据检验商业信贷渠道的存在，结果显示，在英国，银行信贷渠道和商业信贷渠道都发挥作用，而后者会削弱前者的效力［９］ｚｌü和Ｙａｌ??ｎ通过比较商业信贷与银行贷款的运用，发现易遭遇融资约束企业在货币紧缩期会使用商业信贷来代替减少的银行信贷，这一结果暗示商业信贷会减弱传统信贷渠道的效应［１０］本文基于中国上市公司债务融资的数据进行分析，以一个全新的视角来研究中国货币政策的信贷传导问题，国内学术界关于中国货币政策的研究绝大多数仍停留在宏观层面，着眼于对货币政策传导效果作总量的解读，从微观的层面、公司的角度研究货币政策传导的文献较少，与国外的系统性研究相比还远远不够。

因此，本文的研究力图为中国的货币政策传导机制研究做一些补充性贡献研究假设与实证检验的方法由于信贷市场的不完善，金融机构与企业之间会存在信息的不对称，由信息不对称引起的逆向选择和道德风险必然导致信贷配给的发生，即如下两种情况：（１）在看来完全相同的贷款申请人中，一部分得到贷款，另一部分被拒绝，被拒绝的申请人即使愿意支付更高的利息也得不到贷款；（２）从人群中可以识别出这样一组人，当信贷供应额给定时，无论什么利率他们都得不到贷款，尽管当信贷供应额有所扩大时他们能得到贷款［１１］而宏观经济环境的改变（比如货币紧缩），则会加剧这种信息的不对称，进而导致更严重的信贷配给与国外市场存在的信贷配给不同，我国以四大国有商业银行为主导的银行体系存在的主要问题是，国有商业银行将大部分银行信贷资源提供给了效率低下的国有企业，而效率较高的非国有企业却难以得到银行信贷的支持，即我国银行对不同产权性质的企业存在明显的"信贷歧视"，有大量的实证文献证明了这一现象［１２－１３］当中央银行采取提高存款准备金率、提高基准利率、提高再贴现率等措施紧缩银根时，货币政策的调整会通过信贷渠道影响到实体经济，具体表现为企业银行信贷融资额度的大幅度降低［１４］。

当货币紧缩时，会进一步加剧非国有上市公司的"融资饥渴"，而同期国有上市公司的银行借款却依然保持较快增长［１５］这意味着，在货币政策紧缩时期，信贷歧视问题会更加严重因此，基于以上分析，我们提出本文待检验的第一个假说假说１：在货币政策紧缩时期，非国有上市公司与国有上市公司相比，其银行信贷融资下降的幅度更大当非国有企业在货币紧缩时期面临融资困境时，就会加剧其对商业信贷的需求，有可能转而向其供应商积极寻求融资支持而国有企业由于能够较方便的获得银行贷款，也可能为非国有企业提供这种替代性融资但另一方面，在市场不完全竞争的情况下，非国有企业的谈判能力处于相对弱势地位［１６］，在货币紧缩的情况下，国有企业有可能要求更多的商业信贷融资支持，非国有企业反而可能难以获得更多的商业信贷因此，我们提出本文待检验的两个相对假说假说２ａ：在货币政策紧缩时期，非国有上市公司与国有上市公司相比，其商业信贷融资上升的幅度更大假说２ｂ：在货币政策紧缩时期，非国有上市公司商业信贷融资上升的幅度并不比国有上市公司更大而在货币政策宽松时期，企业可以较为便利地获得银行贷款，融资成本也更低，而且宽松的货币政策往往与经济萎缩有关，在经济萎缩时期，企业可以便利地、低成本地获得银行贷款［１５］；企业拥有充足的银行信贷之后，可以不再过多需要商业信贷融资。

因此，基于这一分析，我们提出如下待检验的假说假说３：在货币政策宽松时期，非国有上市公司与国有上市公司相比，其银行信贷融资上升的幅度更大，而商业信贷融资的变化则没有显著差异检验假说的实质是研究货币政策对不同产权性质公司银行信贷融资与商业信贷融资的影响差异，其最关键的问题是如何将货币政策引起的信贷供给外生变化从其它影响因素中区分出来，本文计划采用自然实验框架下的ＤＩＤ分析方法来解决这一问题本文所使用的双重差分模型分别设定如下，首先，我们构建如下模型来检验货币政策对上市公司银行信贷融资的影响：Ｂａｎｋｃｒｅｄｉｔｉ，ｔ＝α＋β１Ｅｖｅｎｔｔ＋β２Ｇｒｏｕｐｉ＋β３ＤＩＤｉ，ｔ＋δＸｉ，ｔ＋εｉ，ｔ（１）其中，因变量Ｂａｎｋｃｒｅｄｉｔ表示企业获得的银行信贷，我们在实证过程中以公司长期借款与短期借款之和占总资产的百分比表示自变量Ｅｖｅｎｔ表示货币政策事件虚拟变量，事件发生前的年份为０，事件发生及以后的年份为１现实中，我国货币政策工具对公司债务融资的影响往往是交织在一起，难以区分的只观察某一指标，实际上很难判断货币政策究竟是紧缩还是宽松对于货币紧缩事件的确定，通过对中国人民银行各年度《货币政策执行报告》的阅读，以及对各货币政策工具的变化比较，我们选择２００２年作为货币政策宽松的事件年份，以２０００－２００４年作为事件窗口，２００７年作为货币政策紧缩的事件年份，以２００５－２００９年作为事件窗口①。

自变量Ｇｒｏｕｐ为组别虚拟变量，公司属于处理组为１，属于控制组为０本文按照两种方法分别构建两种不同的处理组和控制组，即：（１）按照上市公司的实际控制人划分，实际控制人类型为国有控股的，作为控制组，其余为非国有公司作为处理组２）分别将２００１年和２００６年各上市公司的国有股的比例排序，以最低１／４分位的样本公司作为处理组，以最高１／４分位的样本公司作为控制组已有文献指出，在ＤＩＤ方法中事件虚拟变量和组别虚拟变量的估计系数和显著性实际包含了事件发生后时间趋势以及其他各种事件的平均影响，本身并不可靠，真正可以度量货币政策对企业债务融资影响效应的是双重差分变量ＤＩＤ的估计系数［１７］双重差分变量ＤＩＤ＝Ｅｖｅｎｔ×Ｇｒｏｕｐ，ＤＩＤ前的系数β３就是我们所关心的双重差分系数对于β３，有如下解释：β３＝［Ｅ（Ｙ｜Ｅｖｅｎｔ＝１，Ｇｒｏｕｐ＝１）－Ｅ（Ｙ｜Ｅｖｅｎｔ＝０，Ｇｒｏｕｐ＝１）］－［Ｅ（Ｙ｜Ｅｖｅｎｔ＝１，Ｇｒｏｕｐ＝０）－Ｅ（Ｙ｜Ｅｖｅｎｔ＝０，Ｇｒｏｕｐ＝０）］如果货币政策对不同组别公司的债务融资存在显著的异质性影响，则β３应当显著的不等于０Ｘｉｔ是由企业规模，有形资产比率，资产利润率和企业年龄等控制变量构成的向量，其中Ｓｉｚｅ代表企业规模，以总资产的自然对数表示；Ｃｏｌ代表有形资产比率，定义为有形资产总额与总资产的百分比，用来衡量企业的抵押品价值；Ｒｏａ代表资产利润率，定义为净利润与总资产的百分比，用来衡量企业的盈利能力；Ａｇｅ代表企业年龄，以企业成立年数加１的自然对数表示。

我们同时构建如下模型来检验货币政策对上市公司商业信贷融资的影响：Ｔｒａｄｅｃｒｅｄｉｔｉ，ｔ＝α＋β１Ｅｖｅｎｔｔ＋β２Ｇｒｏｕｐｉ＋β３Ｄｉｄｉ，ｔ＋β４Ｂａｎｋｃｒｅｄｉｔｉ，ｔ＋β５Ｃａｓｈｆｌｏｗｉ，ｔ＋δＸｉ，ｔ＋εｉ，ｔ（２）其中，因变量Ｔｒａｄｅｃｒｅｄｉｔ表示企业从其上游企业那里获取的商业信贷，定义为应付账款与总资产的百分比解释变量中，货币紧缩事件虚拟变量Ｅｖｅｎｔ，组别虚拟变量Ｇｒｏｕｐ和双重差分变量Ｄｉｄ的定义与模型（１）一致，如果假设２成立，β３应当显著大于０其他解释变量还有Ｂａｎｋｃｒｅｄｉｔ表示企业获得的银行信贷资源，由长期借款加短期借款之和与总资产的百分比构成，企业获得的银行贷款越多，作为替代的商业信用融资也就越少Ｃａｓｈｆｌｏｗ代表经营现金流，定义为经营活动产生的现金流量净额与总资产的百分比，用来衡量企业的流动性和企业产生现金的能力，如果企业的经营现金流越多，则越不需要采用商业信用的方式在本文的所有模型中，我们还设置了年度虚拟变量Ｙｅａｒ来控制时间对企业的银行信贷和商业信贷的可能影响考虑到我国各地区的经济发展水平、法制环境以及地方政府干预等因素差异较大，我们也以各省虚拟变量Ｅｅｇｉｏｎ作为控制变量，来控制未观察到的区域效应对企业银行信贷和商业信贷的可能影响。

此外，我们还设置了行业虚拟变量Ｉｎｄｕｓｔｒｙ来控制未观察到的行业差异对企业的银行信贷和商业信贷可能产生的影响，根据中国证监会的行业分类代码，我们除了将制造业按二级代码分类外，其余行业按一级代码分类模型中相关变量的定义见表１本文选择沪深两市Ａ股上市公司年度财务数据作为研究样本，数据来自于国泰安ＣＳＭＡＲ数据库我们按照以下标准对数据进行了筛选：（１）剔除了金融类上市公司，因为这些公司的数据结构与普通公司存在很大区别；（２）剔除了ＳＴ、＊ＳＴ公司；（３）剔除了资产小于负债的公司；（４）剔除了相关年份银行贷款、商业信用、资产等关键变量缺失的样本为了防止数据的异常值干扰实证结果，本文采用ｗｉｎｓｏｒｉｚａｔｉｏｎ的方法对连续变量两端的异常值在１％的水平下进行了处理，即对所有小于１％分位数和大于９９％分位数的变量，令其值分别等于１％分位数和９９％分位数文中所使用的最终控制人数据来自于北京大学ＣＣＥＲ色诺芬数据库文中所有的数据整理、计算与实证检验均利用ＳＴＡ－ＴＡ１１软件完成实证结果分析在进行正式的实证检验之前，我们首先对不同组别公司的关键变量在两个事件窗口下如何变化进行描述性统计，结果如表２所示。

我们首先观察２００２年货币政策宽松前后的情况，无论是按照实际控制人分组，还是按照国有股比例分组，处理组和控制组的银行信贷Ｂａｎｋｃｒｅｄｉｔ在２００２年前后的变化一致，均值都在２００２年之后有所上升，说明上市公司的银行信贷在货币宽松时期会上升；处理组和控制组的商业信贷Ｔｒａ－ｄｅｃｒｅｄｉｔ均值在货币宽松之后也都有所上升我们接着观察２００７年货币紧缩前后的变化，从表２可以看出，无论是按照实际控制人，还是按照国有股比例分组，处理组与控制组的银行信贷Ｂａｎｋｃｒｅｄｉｔ均值都在２００７年货币紧缩之后有所下降我们同时注意到在２００７年货币紧缩之后，处理组的商业信贷Ｔｒａｄｅｃｒｅｄｉｔ均值有所下降，控制组的商业信贷Ｔｒａｄｅｃｒｅｄｉｔ均值则有所上升当然描述性统计仅仅只为我们提供了一些直觉信息，还不足以作出最终判断，在下文中，我们将在控制了企业特征、年度效应、区域效应和行业效应之后，采用双重差分模型对相关问题进行严格的检验本文的回归分析采用普通最小二乘法（ＯＬＳ）对模型进行估计。