CF40工作論文 | 黃益平、沈豔等：中國結構性貨幣政策有效性研究
結構性貨幣政策（SMP）是針對特定經濟活動的差異化貨幣政策，已成為各國央行常用的貨幣政策工具，但其有效性尚未得到充分評估。
最新一期CF40工作論文在全面梳理中國結構性貨幣政策並匡算規模的基礎上，以定向降準工具為案例研究對象，研究銀行信貸是否流向了定向扶持的領域，評估該類政策有效性，並對中國未來的結構性貨幣政策提出建議。
*本文為CF40工作論文《中國結構性貨幣政策有效性研究——以定向降準為例》，有刪節。作者為CF40學術委員會主席、北京大學數字金融研究中心主任黃益平，CF40特邀成員、北京大學數字金融研究中心副主任沈豔，北京大學國家發展研究院博士研究生程丹旭、陳新禹。受版面所限略去參考文獻，點擊文末“閲讀原文”可查看全文。
中國結構性貨幣政策有效性研究
——以定向降準為例
文 | 黃益平 沈豔 程丹旭 陳新禹
貨幣政策是指通過調整貨幣供應量和政策利率等一系列行動來影響總體經濟活動和通貨膨脹的一種政策。根據定義，貨幣政策在整個經濟的執行應是統一的。《中國人民銀行法》規定，貨幣政策的目標是“保持貨幣幣值的穩定，並以此促進經濟增長”。
然而近年來，實施結構性貨幣政策，即針對特定經濟活動的差異化貨幣政策(SMP)，在各國成為普遍現象，如英格蘭銀行在2012年底創建的貸款擔保計劃(FLS)，和日本銀行在2020年初宣佈的支持中小企業(SMEs)的貸款計劃。
**實施結構性貨幣政策最重要的原因是貨幣政策傳導機制受損，這也是為什麼結構性貨幣政策在危機時期更為常見。**也就是説，當傳統貨幣政策工具未能在特定領域產生期望的結果時，央行希望使用結構性貨幣政策工具，通過“精準滴灌”來實現結構性目標。
中國人民銀行首次實施結構性貨幣政策的時間，可以追溯到上世紀90年代，當時結構性貨幣政策以支持農業為主要目標。2014年，中國人民銀行開始採取一系列促進中小微企業貸款的結構性貨幣政策。近年來，結構性貨幣政策的覆蓋面擴大到了新領域，如支持碳減排和科技創新，但支持中小微企業貸款仍然是結構性貨幣政策的重點。
中小微企業對中國的就業、創新和經濟增長均有巨大貢獻。截至2021年4月，中國小微企業總數超過4400萬户、個體工商户超過9500萬户；貢獻了60%以上的GDP、70%以上的技術創新，80%以上的城鎮勞動就業，並且數量佔總企業數的90%以上。但由於缺乏財務數據和抵押資產，大多數中小微企業無法滿足銀行信貸風險管理的要求，其“貸款難、貸款貴”問題一直沒有得到有效解決。
**隨着中國增長模式從投入驅動過渡到創新驅動，中小微企業融資困難已成為宏觀經濟問題。**中國政府一直希望通過各種政策措施來增加中小微企業的貸款，包括強制性監管要求和結構性貨幣政策。例如，2022年1月中國人民銀行宣佈，從2022年起到2023年6月底，人民銀行對符合條件的地方法人銀行發放的普惠小微貸款，按照餘額增量的1%提供資金，鼓勵增加普惠小微貸款。
中國人民銀行主要採用四類結構性貨幣政策工具：再貸款、再貼現、定向降準，以及其他公開市場操作，比如抵押補充貸款（PSL）。
中國人民銀行2022年第四季度的《中國貨幣政策執行報告》顯示，截至2022年底，結構性貨幣政策工具的餘額為6.4萬億元人民幣，約佔中國人民銀行總資產的15％。本文的匡算顯示，包括定向降準釋放流動性在內的寬口徑結構性貨幣政策餘額約為10萬億元人民幣，約佔基礎貨幣的27.8％；窄口徑餘額佔基礎貨幣的比重約為17.9％。
雖然結構性貨幣政策已經成為央行釋放基礎貨幣的重要渠道之一，但其有效性仍需評估。這需要回答兩個問題，一是銀行信貸是否流向了定向領域，二是這些政策工具會如何影響銀行的信貸風險。第一個問題與政策的有效性相關，而這取決於央行監督和執行的能力；第二個問題涉及可持續性，這取決於銀行風險的激勵相容性，即政策鼓勵發放的貸款是否合理。
**由於央行難以監管釋放的流動性是否流向了定向領域，這讓結構性貨幣政策的有效性存在一定挑戰。**例如，再貸款支持的中小微企業貸款只佔中小微企業總貸款的一小部分，央行因此很難確定額外釋放的流動性是否確實增加了中小微企業貸款。
當然，也存在例外情況，比如使用抵押補充貸款為棚户區改造提供貨幣支持的政策效果就比較容易監督。**但在這種情況下，結構性貨幣政策與財政政策沒有本質區別，卻又引發可持續性的問題。**這是因為在當前市場條件下，如果銀行有足夠的風控能力增加央行所希望的定向領域的貸款，就沒有必要實行結構性貨幣政策。如果銀行在沒有適當補償的情況下，應監管機構的要求而增加對定向領域的貸款，就可能導致不良率上升、財務損失增加。如果此時監管機構還要求銀行降低貸款利率，那麼情況就會進一步惡化。由於存在這些可持續性問題，結構性貨幣政策應該考慮設置恰當的規模和期限。
本文以2019年和2020年中國人民銀行實施的定向降準為研究對象，作為評估中國結構性貨幣政策有效性的案例研究。
選擇這一特定時期的定向降準工具作為研究對象，主要是為應對評估結構性貨幣政策效果的兩大挑戰。
一是在同一時期往往同時使用多種政策工具，這導致如果作籠統評估，就難以釐清特定政策的效果。要應對這一挑戰，需要選取特定工具和特定時期，後文將詳述這一階段定向降準工具與其他工具目標銀行的差異。
二是不容易為政策工具找到恰當的參照對象。由於再貸款再貼現等結構性貨幣政策工具的目標銀行範圍廣泛，或者目標銀行和非目標銀行不完全具有可比性（如目標銀行為國有大行而非目標銀行為中小銀行），就導致評估這些政策效果時難以找到合適的參照組。
2019年和2020年的兩次定向降準政策提供了評估的契機。我國在1984年設立存款準備金制度，該制度是央行管理商業銀行流動性風險的重要政策工具。2004年，中國人民銀行首次對不同類型的銀行採取有差別的存款準備金率，並在2014年首次實施定向降準，此後幾年陸續採用定向降準工具。由於定向降準工具對一些銀行存在額外釋放的流動性而對另一些銀行沒有，這就為評估其政策有效性提供了政策組和參照組；尤其是2019年9月和2020年4月的兩次定向降準的目標銀行是城市商業銀行，這樣以受政策影響和未受政策影響的城市商業銀行為研究對象，就可以評估其政策的有效性。
本文首先對中國的結構性貨幣政策作系統性介紹，包括政策背景和歷史、工具類型、發放對象和定向行業。在此基礎上，本文首次從寬口徑和窄口徑兩個角度，匡算了2010年至2022年間中國結構性貨幣政策的總規模。第三，本文提供了一個討論框架，提出要從有效性和可持續性兩個角度來評估結構性貨幣政策的成敗。基於上述分析，本文采用數據來分析上述兩次定向降準政策的效果，具體來説是採用銀行層面貸款數據，使用雙重差分法（DID）和麪板數據方法（PDA）來評估定向降準對中小微企業貸款的影響。
**本文發現，**2019年和2020年的定向降準政策對中小微企業貸款，以及細分後的中型企業貸款和小微企業貸款佔銀行企業貸款的比重，並未能帶來統計上顯著的提升。當然，需要強調的是，本文的發現主要是針對定向降準政策，並未評估所有的結構性貨幣政策，因此，並不排除一些特定時期的其他政策工具可能有效這一點。
本文結構如下。本文第二節全面回顧了中國的結構性貨幣政策，包括再貸款、再貼現、定向降準和抵押補充貸款等結構性貨幣政策工具；第三節給出文獻綜述，梳理了中國以及發達國家在結構性貨幣政策方面的研究現狀；第四節利用雙重差分法和麪板數據方法評估定向降準對中小微企業貸款的有效性；第五節作出結論，總結本文的研究發現，並對中國未來的結構性貨幣政策提出建議。
中國結構性貨幣政策
根據人民銀行公佈的信息，中國首次採用結構性貨幣政策工具是在1999年，當時發放支農再貸款以引導農村金融機構擴大涉農信貸投放，降低“三農”融資成本。設立於1986年的再貼現是中國人民銀行對金融機構持有的已貼現票據進行再貼現的業務，其自2008年起開始發揮結構性功能，重點用於支持涉農信貸、小微信貸和民營企業融資。結構性貨幣政策的初始規模較小，1999年全國貸款餘額為93734億元，支農再貸款僅佔150億元；而2008年第三季度，再貼現貸款餘額僅為44億元。
2008年國際金融危機後，各國央行開始實施零利率或負利率政策等非常規貨幣政策，並採取大規模購買國債等資產的量化寬鬆政策。這一階段，中國採取了更為審慎的貨幣政策。
在2014年第二季度的《中國貨幣政策執行報告》中，中國人民銀行指出：“當前我國貨幣信貸存量較大，增速也保持在較高水平，不宜依靠大幅擴張總量來解決結構性問題。”這表明，採用結構性貨幣政策工具是希望支持國民經濟薄弱環節，同時避免經濟過熱。2014年，中國人民銀行推出了三種結構性貨幣政策工具，支小再貸款、抵押補充貸款（PSL）和定向降準。其中，抵押補充貸款主要服務於棚户區改造、地下管廊建設、重大水利工程、“走出去”等重點領域。當年的定向降準則為中小微企業貸款釋放了約2100億元的流動性。
**值得注意的是，當時中國人民銀行對大規模使用或長期使用結構性貨幣政策持謹慎態度。**上述《中國貨幣政策執行報告》也強調，結構性貨幣政策應該發揮“信號和結構引導”作用，而不應成為長期工具；同時還需要注意過度使用結構性貨幣政策可能存在的三個問題，即銀行信貸數據的真實性可能被影響、市場決定資金流向的作用可能受到削弱，以及準備金工具使用的統一性被打破。
**新冠肺炎疫情暴發後，中國人民銀行更加重視結構性貨幣政策工具的調控作用。**除採用前述工具外，2021年，中國人民銀行創設了碳減排支持工具和支持煤炭清潔高效利用專項再貸款。2022年，結構性貨幣政策工具擴展到了科技創新、普惠養老、交通物流、設備更新、收費公路、民營企業債券融資支持以及保交樓貸款支持等領域。
中國人民銀行貨幣政策司在官網上對結構性貨幣政策的介紹指出：“近年來，人民銀行認真貫徹落實黨中央、國務院決策部署，發揮好貨幣政策工具的總量和結構雙重功能，圍繞支持普惠金融、綠色發展、科技創新等國民經濟重點領域和薄弱環節，服務經濟高質量發展，逐步構建了適合我國國情的結構性貨幣政策工具體系”。
可以看出，中國人民銀行致力於通過“精準滴灌”的方式，積極支持經濟增長並保持金融穩定，這充分反映了中國人民銀行與中央經濟部署保持高度一致的態勢。
我們在表1總結中國人民銀行歷年實施的結構性貨幣政策工具和主要特徵。
可以看到，中國結構性貨幣政策工具既有長期性工具，如再貸款、再貼現和抵押補充貸款等，也有短到一個季度的階段性工具。
從支持的領域看，結構性貨幣政策工具從支持“三農”、支持中小微企業，擴展到支持綠色發展、普惠養老和收費公路等多個領域。
從政策目標對象看，近年來國有銀行、政策性銀行和全國性商業銀行比農村商業銀行、農村合作銀行和村鎮銀行等農村金融機構更有可能成為目標銀行。當然，近年來的政策也更強調了激勵相容性，以確保金融機構加大對定向領域的支持。
表 1 中國結構性貨幣政策
來源：由作者根據中國人民銀行貨幣政策司發佈的結構性貨幣政策介紹整理。
我們匡算了中國結構性貨幣政策釋放的流動性的規模。由於中國人民銀行最新的官方介紹不再將定向降準被列入結構性貨幣政策，我們提供了寬窄兩種統計口徑，其中窄口徑包括再貸款、再貼現、抵押補充貸款以及其他支持工具餘額；寬口徑則是在窄口徑的基礎上加入定向降準釋放的流動性。
我們按照以下步驟計算定向降準釋放的流動性。
第一步是收集歷次定向降準的官方公告或新聞報道，並從中獲得估算的定向降準釋放的流動性。
第二步，只要中國人民銀行未宣佈提高金融機構的存款準備金率，目標金融機構就可以繼續享受定向降準政策，因此假定後續年份中也釋放了當次定向降準對應的流動性。
第三步，因為定向降準的政策目標是緩解中小微企業的融資困難，所以我們以真正流向中小微企業的貸款作為結構性貨幣政策釋放的流動性。官方數據顯示，中小微企業貸款約佔企業貸款總額的71%。因此，我們使用定向降準釋放流動性的71%來估算中小微企業貸款的實際增長。
我們從兩個角度計算結構性貨幣政策工具的相對份額，一是計算寬窄口徑的結構性貨幣政策規模佔基礎貨幣的比重（圖1）；二是其佔貸款餘額的比重（圖2）。
圖1顯示，**2014年之前，兩種統計口徑下的結構性貨幣政策相對於基礎貨幣佔比均不到2%。**2015年，結構性貨幣政策佔比躍升至5.4%（窄口徑）和13.7%（寬口徑），並且近年來穩步增長。**截至2022年底，寬窄口徑結構性貨幣政策相對於基礎貨幣的佔比分別達到27.9%和17.9%。**按照寬口徑看，結構性貨幣政策佔基礎貨幣的比重在八年內就增長到了接近30%。
圖1 結構性貨幣政策工具佔基礎貨幣比例：2010-2022
注：窄口徑結構性貨幣政策佔比是表1中第1項（1.1-1.7）、第2項和第3項的總和，除以當年基礎貨幣。寬口徑結構性貨幣政策是窄口徑加第4項*71%（即中小微企業貸款佔企業貸款總額的比例）的總和，除以當年基礎貨幣。
來源：Wind，定向降準官方公告和新聞報道，由作者計算。
**另一方面，結構性貨幣政策工具在貸款餘額中所佔比重較低。**圖2顯示，2014年之前，結構性貨幣政策工具相對於貸款餘額佔比不足1%，2019年，結構性貨幣政策工具佔比略超過3%（窄口徑）和5%（寬口徑）。然而，自2021年第一季度以來，結構性貨幣政策工具的份額開始下降。儘管2021年和2022年推出了多種新的結構性貨幣政策工具，但截至2022年第四季度，結構性貨幣政策工具佔比下降至3%（窄口徑）和4.7%（寬口徑）。
圖2 結構性貨幣政策工具佔貸款餘額比例：2010-2022
注：窄口徑結構性貨幣政策佔比是表1中第1項（1.1-1.7）、第2項和第3項的總和，除以當年貸款餘額。寬口徑結構性貨幣政策是窄口徑加第4項*71%（即中小微企業貸款佔企業貸款總額的比例）的總和，除以當年貸款餘額。
來源：Wind，定向降準官方公告和新聞報道，由作者計算。
圖3展示了結構性貨幣政策工具相對份額的變化。
2014年，支農再貸款、支小再貸款和再貼現的總佔比超過70%，而抵押補充貸款佔比約為30%。自2015年起，定向降準和抵押補充貸款成為佔比最大的政策工具。新冠疫情暴發後，支農再貸款、支小再貸款的佔比增加，而抵押補充貸款的佔比下降。2022年，其他領域的再貸款迅速增加，算上支農再貸款和支小再貸款，再貸款政策在結構性貨幣政策工具中佔比逐漸上升至20%。2022年底，結構性貨幣政策工具按照規模排序為定向降準、抵押補充貸款、再貸款和再貼現。
圖3 結構性貨幣政策工具的相對份額：2014 - 2022
圖4進一步展示了截至2022年第四季度末各項結構性貨幣政策工具的餘額。該圖分為左右兩部分，左半部分代表在2022年之前就已經存在的工具，右半部分記錄了2022年以來首次出現的工具。
其中，定向降準餘額為34529億元，是規模最大的結構性貨幣政策工具，其次是抵押補充貸款、支小再貸款、支農再貸款和再貼現。雖然2022年共推出7種新的結構性貨幣政策工具，但其總貸款餘額僅略高於7000億元。
圖4 央行結構性貨幣政策工具餘額
（截至2022年4季度末）
文獻綜述
一、中國結構性貨幣政策的有效性
我們根據結構性貨幣政策工具的類型，簡要介紹國內主要的關於結構性貨幣政策的研究。曹崇福（2007）是較為早期的研究，他使用了寧夏回族自治區三個農村合作社的支農再貸款數據，發現支農再貸款在該地區具有需求拉動和供給推動的雙重積極效應。該文也指出政策可能存在的問題，如農村信用社將承擔所有信貸風險，導致貸款激勵不足，從而削弱政策效果；如農村信用社而不是農民更多從政策中獲利；再如存在挪用再貸款資金的風險等。
彭俞超和方意(2016)使用理論模型分析數量型和價格型的結構性貨幣政策能否促進產業升級和經濟穩定。基於貝葉斯參數估計和數值模擬分析，他們發現結構性貨幣政策可以通過調整信貸結構來促進產業升級，主要的傳導機制是降低金融機構的運營成本。歐陽志剛和薛龍（2017）的研究對象是常備借貸便利（SLF）和中期借貸便利（MLF）等政策工具，他們發現結構性貨幣政策對特定行業有一定的影響。值得注意的是，研究結果表明結構性貨幣政策對採礦、電力、房地產、交通運輸等行業的影響最為顯著，但這些行業並非結構性貨幣政策主要希望支持的實體經濟部門。
對於定向降準的有效性，郭曄等（2019）運用雙重差分法( DID)，發現2014年實施的定向降準對農業和小微企業等弱勢部門的信貸資源產生了積極的影響。孔東民等（2021）則採用斷點回歸方法，發現2014年的定向降準對中小微企業的貸款可得性和商業信用具有顯著的正向影響。他們的研究都以2014年的定向降準政策為研究對象，使用時間虛擬變量表示政策前後。
可能是囿於數據可得性，郭曄等（2019）使用上市公司和新三板企業作為研究對象，但能夠上市的企業往往已經具備一定規模。孔東民等（2021）使用商業信用與總資產的比值來估算企業借貸水平，如果高於中位數則貸款可得性被視之為增加，可以看到，可能也是受限於數據可得性，該文對中小微企業貸款可得性的度量是間接的。
二、結構性貨幣政策的國際文獻
央行實施結構性貨幣政策存在兩方面的爭議。
**首先，傳統貨幣政策工具在具有普適性的同時也具有調整經濟結構的作用。**現有國際文獻記載了傳統貨幣政策工具對消費(Cloyne et al, 2020, Holm et al, 2022)、收入(Guvenen et al., 2014; Patterson, 2022)、抵押貸款(Cloyne et a, 2020; Wong, 2021)和資產價格(Bernanke & Kuttner,2005; Chodorow-Reich et al., 2021; Iacoviello, 2005)等領域均產生了再分配效應，這就讓是否一定要採用結構性貨幣政策來調結構，成為一個值得權衡的問題。
**其次，使用結構性貨幣政策可能會弊大於利。**目前的國際文獻對結構性貨幣政策的有效性雖然沒有得到一致結論，但普遍看法是應謹慎使用。一些研究表明，結構性貨幣政策具有積極效果，如LSAP降低了美國國債長期收益率(Gagnon et al.’s, 2010)、量化寬鬆降低了英國債券利率(Joyce et al., 2011)以及非常規貨幣政策可以通過降低收益率和長期利率來刺激經濟(Neely, 2015)。
然而，**不少研究反對結構性貨幣政策的過度使用。**這是因為從短期來看，結構性貨幣政策可能無效。例如，美聯儲購買抵押支持債券（MBS）對國債利差的影響並不顯著（Stroebel和Taylor，2012），量化寬鬆政策也可能是無效的（Curdia和Woodford，2011）。從長期來看，實施結構性貨幣政策可能造成市場扭曲。例如，降準政策可能引發通貨膨脹（Borio和Zabai，2018）。
國際清算銀行（BIS, 2009）指出，結構性貨幣政策應被視為在緊急情況下使用的特殊工具，並強調了制定結構性貨幣政策退出策略的必要性。BIS (2009) 和 Borio (2008)均認為，儘管提前退出結構性貨幣政策可能會阻礙初期的經濟復甦，但延遲退出風險更高，導致市場力量削弱、競爭環境扭曲，積累新一輪的金融失衡或通貨膨脹。
**雖然發達國家和中國在2008年金融危機和2020年新冠疫情期間都使用了結構性貨幣政策，但目標有所不同。**發達國家使用結構性貨幣政策主要是因為傳統貨幣政策傳導機制不暢，而中國的結構性貨幣政策被賦予了引導實體經濟的調控作用。
就結構性貨幣政策的有效性而言，國外的研究更為謹慎，側重於制定結構性貨幣政策的退出策略。而近年來的中國文獻更強調結構性貨幣政策的積極正面作用。
總體而言，目前的文獻缺乏對中國結構性貨幣政策工具的全面梳理，也缺少討論其有效性和可持續性的框架。本文旨在提供這一框架並評估近年來的政策有效性。
基於定向降準評估結構性貨幣政策的有效性
一、識別策略
要識別出政策工具的效果，需要細緻研究每種結構性貨幣政策工具的特點。
首先，雖然抵押補充貸款規模一直佔據重要地位，但發放對象只包括三家政策性銀行（表1），並且主要服務於基礎設施相關的項目。因此，評估結構性貨幣政策對商業銀行中小微企業貸款的影響時，可以不考慮抵押補充貸款。
第二，再貼現政策的相對份額長期穩定，控制時間固定效應可以排除其影響。
接下來，我們對再貸款和定向降準進行梳理，這兩種工具的政策目標都包括促進中小微企業貸款。而且2014年實施的定向降準和支小再貸款，發放對象都包括了城市商業銀行，這種情況下，城市商業銀行信貸情況的變化，既可能是由於定向降準，也可能是由於再貸款導致，採用這一時期的定向降準為研究對象，需要假定再貸款影響比較穩定。
**進一步的梳理顯示出，再貸款和定向降準的目標銀行在2019年之後存在差異。**其中，新創設的再貸款主要針對大型金融機構，而定向降準一直涵蓋城市商業銀行和農村合作社、農村商業銀行、農村合作銀行等農村金融機構。
2014年，定向降準釋放的流動性約為2100億元。2015年是定向降準歷史上最重要的一年，中國人民銀行在2月、4月、6月、8月和10月多次宣佈定向降準，向市場注入了約3萬億元的流動性。2018年7月，中國人民銀行再次宣佈了定向降準，釋放了約7000億元的流動性。2019年9月，中國人民銀行宣佈對農信社、農商行、村鎮銀行和僅在省級行政區域內經營的城市商業銀行定向降準1個百分點，釋放約1000億元的流動性。2020年4月，中國人民銀行再次宣佈對農信社、農商行、村鎮銀行和僅在省級行政區域內經營的城市商業銀行定向降準1個百分點，釋放約4000億元的流動性。
如果以2019年和2020年的定向降準為研究目標，那麼該政策工具對城市商業銀行中小微企業貸款的影響不會受到再貸款政策的干擾。我們可以將僅在省級行政區域內經營的城市商業銀行作為實驗組，將跨省經營的城市商業銀行作為控制組，通過因果推斷來探究結構性貨幣政策對中小微企業貸款的影響。
二、數據，變量和模型
我們從Wind數據庫中的銀行財務報表獲得銀行資產規模、不良率、一級資本充足率等指標，並使用月度銀行層面貸款數據來評估定向降準對城市商業銀行中小微企業貸款的影響。
本文樣本為2019年1月至2021年9月114家城市商業銀行數據，其中73家僅在省級行政區域內經營，屬於實驗組；41家跨省經營，屬於控制組。
本文首先採用雙重差分法來估計模型：
三、實證結果
我們在表2中報告了使用完整樣本評估的2019年9月定向降準對中小微企業貸款的影響，並且進一步將中小微企業分為小微企業（第2列）和中型企業（第3列）。
儘管中小微企業貸款和小微企業貸款關鍵解釋變量（Post*Treat）的估計係數為正，但統計上並不顯著。因此，定向降準並未有效激勵城市商業銀行向中小微企業提供更多貸款，無論是中小微企業，還是小微企業和中型企業。
表2還顯示，不良貸款率和核心一級資本充足率較高的銀行更不願意向中小微企業貸款。中小微企業和小微企業的平行趨勢檢驗均被拒絕，只有中型企業的平行趨勢檢驗未被拒絕，因此雙重差分法的發現可能並不穩健。
表2 定向降準對中小微企業信貸可得性的影響：
2019年9月政策
注：括號中為標準差；*p<0.10，**p<0.05，***p<0.01，分別表示在10%，5%和1%的顯著性水平上顯著。所有迴歸均控制了個體和時間固定效應。
此外，評估的政策期過長可能會導致短期內政策出現的顯著性被抵消。而且，樣本期內發生了兩次定向降準，使用全樣本可能會混淆政策效果。
因此我們採用另外兩組迴歸進行穩健性檢驗：分別計算政策實施後兩個月至六個月的政策效果。
表3報告了2019年定向降準政策後從兩個月到六個月等不同窗口期影響，其中不同行報告了不同窗口期的平均處理效應。可以看到，在兩個月到六個月的窗口期內，2019年定向降準未對中小微企業貸款產生顯著影響（第（1）列）。進一步細分樣本為小微企業貸款（第（2）列）和中型企業貸款（第（2）列），仍未發現顯著影響。
表3 定向降準對中小微企業信貸可得性的短期影響：
2019年9月政策
注：括號中為標準差；*p<0.10，**p<0.05，***p<0.01，分別表示在10%，5%和1%的顯著性水平上顯著。所有迴歸均控制了個體和時間固定效應。
表4報告了2020年4月定向降準政策實施後，兩個月到六個月等不同窗口期的影響。類似的，政策實施後兩個月至六個月內，定向降準政策對中小微企業、小微企業和中型企業的貸款佔比均未產生顯著正向影響。
表4 定向降準對中小微企業信貸可得性的短期影響：
2020年4月政策
注：括號中為標準差；*p<0.10，**p<0.05，***p<0.01，分別表示在10%，5%和1%的顯著性水平上顯著。所有迴歸均控制了個體和時間固定效應。
上述實證結果需要應對兩方面的質疑。
一是本文目前報告的是平均處理效應，但政策對不同銀行的影響可能存在差異。比如，定向降準可能會對一些銀行產生顯著的正向影響，但這些影響在平均處理效應中被相互抵消，因此結果不顯著。
二是基於DID的發現的可信度取決於平行趨勢假設是否成立，但上述文中平行趨勢假定對應的檢驗的發現並不總是支持該假定，因此DID可能並不穩健。
因此，我們使用Hsiao, Ching and Wan (2012)提出的面板數據方法(PDA)評估政策影響，對實驗組87家城市商業銀行的政策效果進行逐一估計，以便充分觀察政策效果的異質性。PDA方法不依賴於平行趨勢假定，並且可以觀察到每一個微觀個體的政策效果，因此可以充分解決上述問題。
我們採用排序方法進行統計推斷：我們以控制組的銀行作為安慰組，估計如果這些銀行實際得到了定向降準額外釋放的流動性，是否會增加中小微企業貸款，並將這些安慰組的結果與實際結果進行比對。
在圖5中，我們報告了實驗組4家資產規模最大的城市商業銀行的結果。由於實驗組銀行的政策效果（黑色）混雜在安慰組（淺灰）中難以區分，因此政策效果統計上都不顯著。
圖5 定向降準對中小微企業信貸可得性影響的
穩健性檢驗：2020年4月
**結合雙重差分法和麪板數據方法，我們發現2019年和2020年的定向降準並沒有顯著促進中小微企業貸款的增長。**這種不顯著，對估計方法中平行趨勢假定是否成立穩健，也對不同銀行的異質性影響穩健。
結論
結構性貨幣政策是一項貨幣政策創新，中國人民銀行在該政策工具的啓動時間、應用的政策工具的種類和總規模等方面，均處於創新前沿。由於在農業、中小微企業、創新等領域，傳統貨幣政策的傳導機制似乎不太有效，中國人民銀行希望通過“精準滴灌”來支持這類活動。其他全球主要央行也採取了類似的措施，但大多數是用於危機時期應對貨幣政策傳導不暢問題。
中國人民銀行2014年首次正式啓動結構性貨幣政策工具支持中小微企業時，對其適用性特別是涵蓋範圍和持續時間方面持謹慎態度；但隨着時間的推移，結構性貨幣政策工具成為近年來的政策重點，也成為中國人民銀行的主要政策成就。
本研究的估計顯示，截至2022年底，結構性貨幣政策相對於基礎貨幣的佔比達到17.9%（窄口徑）和27.9%（寬口徑）。近年來，結構性貨幣政策的支持領域也迅速多樣化。
這就引出了中國人民銀行結構性貨幣政策是否成功的問題，這需要從兩個角度探討，一是有效性，另一個是可持續性。有效性由中央銀行的監管和執行能力決定，但由於銀行必須基於信用風險分析來分配資金，央行的監督並不容易推行。而對可持續性而言，如果沒有中央銀行或政府額外提供的財政補貼，政策效果也是難以維繫的。
如果銀行能按照當前市場條件向目標行業提供足夠的信貸，那麼就不需要執行結構性貨幣政策。因此，**從本質上來説，結構性貨幣政策是政策性貸款，其成本必須由中央銀行或商業銀行承擔。**這可能就是為什麼其他主要中央銀行的結構性貨幣政策，大多是暫時的“危機應對”措施。
本文不僅對中國的結構性貨幣政策進行全面梳理、介紹主要政策工具並估算其總規模，還以定向降準工具為案例研究對象，研究銀行信貸是否流向了定向扶持的領域。總體而言，2019年和2020年的定向降準政策均未顯著提升中小微企業貸款。
需要注意的是，定向降準已不再被官方列為中國人民銀行實施的結構性貨幣政策工具。當然，可能是因為更易於監管，**抵押補充貸款等更為直接的結構性貨幣政策可能更容易產生預期的政策效果，但此時結構性貨幣政策與財政政策並沒有太大的區別。**因此，在金融危機或新冠疫情等困難時期，使用結構性貨幣政策可能才更為合適。
要推測結構性貨幣政策工具對銀行資產負債表的影響可能並不是太困難，當然，更細緻的結果需要結合銀行貸款數據和財務數據實證分析。儘管銀行的平均不良貸款率保持相對穩定，但2020年至2022年間商業銀行每年仍註銷了超過1萬億元的不良貸款。不良資產上升雖然會受到多重因素的影響，但疫情期間實施的包括結構性貨幣政策在內的促進中小微企業貸款的各項政策，恐怕是不能忽視的重要因素。
由於不少結構性貨幣政策本質是政策性貸款，故而負面的財務影響本身可能不是問題，而真正的問題在於多少成本恰當，以及誰應該來承擔。
**我們認為，在特定情況和特定目的下，結構性貨幣政策是有用的創新。但當其達到基礎貨幣的四分之一的規模的時候，就需要仔細研究該政策是否成功。**在實施結構性貨幣政策時，不能忘記貨幣政策的主要使命，並嚴格評估結構性貨幣政策的有效性。此外，對結構性貨幣政策的規模也要保持謹慎，並在一開始就制定明確的退出策略。
本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平台觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閲讀趣味文章。
