揭秘巡视工作细节
意见箱放置在容易注意并方便前往的场合,附近不能有摄像头
意见箱放置在容易注意并方便前往的场合,附近不能有摄像头
在金钱诱惑下,每逢周末都按照指令去附近军事基地拍照。
从信用卡的申领、使用到发卡后的管理,银行有很多苦衷
网络投票由大众网协办,时间为6日0时到2015年1月4日24时
面对全球金融危机的复杂形势,我国为稳定宏观经济采取了一系列重大调控政策,银行业充分发挥货币政策传导的媒介和杠杆作用,有效支持了我国经济持续稳定发展,但集中的信用扩张也在一定程度上加剧了产能过剩、通货膨胀、资源环境压力等结构性矛盾。
银行业支持经济发展转型政策效果的实证研究与路径选择--以山东为例
面对全球金融危机的复杂形势,我国为稳定宏观经济采取了一系列重大调控政策,银行业充分发挥货币政策传导的媒介和杠杆作用,有效支持了我国经济持续稳定发展,但集中的信用扩张也在一定程度上加剧了产能过剩、通货膨胀、资源环境压力等结构性矛盾。
本文从危机以来山东省经济发展转型和银行业信用支持的关联度入手,通过实证量化分析,客观反映了国家经济金融政策实施效果及银行支持经济发展转型的政策效果,探索性的提出新形势下银行业如何科学把握宏观经济政策和监管政策,积极转变经营模式,在支持经济发展转型中实现自身的可持续发展,兼具理论意义和现实意义。
研究设计及实证分析----以山东为例
为更好地分析银行业对经济转型的支持效果,我们以山东为例,构建经济发展转型和银行业发展的指标体系,通过一系列的数理分析后,得出量化模型,将各经济变量之间的抽象数理关系,转换为现实的政策效果,并提出下一步改进的建议。其中,经济发展转型变量主要包含21个指标,银行业发展变量包含14个指标,数据区间为2008年至2012年共五年。通过变量平稳性检验、Granger因果关系检验、构建VECM模型等三个步骤,得出评价结果。
在变量设定和数据选取过程中,我们主要遵循了以下原则:
1.重要性。充分考虑各种重要性影响,选取的指标尽可能涵盖具有代表性的重要因素,力求更能准确、全面地衡量测度经济转型和银行发展水平。
2.科学性。所有指标数值均摘自统计局、监管部门等权威数据,同时,在对指标深入分析的基础上,对指标进行合理分类,科学设计评价体系。本文所设计的指标体系共划分三级。
3.可得性。数据的可获得性是进行实证分析的前提。在兼顾重要性的同时,尽量选用可量化的指标。对于部分无法获取数值的指标,选用与其相关性、关系密切的可度量指标代替。
(一)经济发展转型评价指标体系设计
1.评价体系设计
依据重要性、科学性、可得性等原则,结合山东经济运行、产业结构特点等实际因素,遴选变量指标,构建山东经济发展转型评价指标体系。该体系分为三级,共包括21个变量[1]。如下表:
表1 衡量经济发展转型的指标体系
一级指标 |
二级指标 |
三级指标 |
指标代码 |
经济增长 |
基本情况 |
GDP增速 |
X1 |
市场化水平 |
非国有经济在工业总产值中的比重 |
X2 |
|
城镇非国有单位从业人员/从业人员总数 |
X3 |
||
产业结构 |
第三产业增加值占GDP比重 |
X4 |
|
第三产业从业人员/总从业人员 |
X5 |
||
工业企业经济效益综合指数 |
X6 |
||
需求结构 |
社会消费品零售总额 |
X7 |
|
全社会固定资产投资 |
X8 |
||
进出口总额 |
X9 |
||
城乡发展 |
城乡居民收入 |
城镇居民人均可支配收入 |
X10 |
农村居民人均纯收入 |
X11 |
||
城乡居民支出 |
城镇居民人均消费性支出 |
X12 |
|
农村居民人均消费性支出 |
X13 |
||
城镇化水平 |
城镇人口占总人口比重 |
X14 |
|
资源环境 |
资源节约指标 |
万元GDP能耗 |
X15 |
环境可持续指标 |
工业废水排放量 |
X16 |
|
工业废气排放量 |
X17 |
||
创新能力 |
创新投入 |
地方财政用于科技支出的比重 |
X18 |
全社会科技投入占GDP比重 |
X19 |
||
创新成果 |
高新技术产业增加值占GDP比重 |
X20 |
|
每万人专利发明授权数 |
X21 |
2.数据处理及评价得分
上述21个变量采用2008年1季度至2012年4季度的季度数据。一方面,由于部分指标的连续性不足,我们采用平均差值法或移动平均法对缺失位置进行补足;另一方面,针对指标量纲不统一,为满足比较加总的需要,我们采用Z-得分对指标进行了数据无量纲、标准化处理。同时,为避免指标权重确定时的主观性,在缺失值、无量纲化处理后数据的基础上,我们选用熵值法确定各个指标及各层级指标的权重。根据熵值法得到的指标权重,计算获得各数据基期下山东经济发展转型综合得分,以此来衡量山东经济发展转型效果。
表2 发展转型综合得分
时间 |
综合得分 |
时间 |
综合得分 |
200803 |
0.0420 |
201009 |
0.0516 |
200806 |
0.0419 |
201012 |
0.0521 |
200809 |
0.0429 |
201103 |
0.0528 |
200812 |
0.0413 |
201106 |
0.0534 |
200903 |
0.0424 |
201109 |
0.0552 |
200906 |
0.0435 |
201112 |
0.0564 |
200909 |
0.0452 |
201203 |
0.0569 |
200912 |
0.0458 |
201206 |
0.0572 |
201003 |
0.0504 |
201209 |
0.0584 |
201006 |
0.0508 |
201212 |
0.0595 |
从上述评价得分可以看出,综合得分逐步走高,显示近年来山东经济稳步增长,发展转型逐步升级,产业结构不断优化。
(二)银行发展评价体系
1.银行发展评价体系设计
银行发展评价体系的设计主要考虑银行的业务规模、结构特点、创新能力以及风险状况等。本文构建三级指标体系来衡量银行发展水平,该评价体系共设计14个变量[2]。如下表:
表3 银行业发展的指标体系
一级指标 |
二级指标 |
三级指标 |
指标代码 |
规模指标 |
货币投放量 |
M2 |
Y1 |
贷款规模 |
流动资金贷款投放 |
Y2 |
|
中长期贷款投放 |
Y3 |
||
存款规模 |
储蓄存款增量 |
Y4 |
|
企事业单位存款增量 |
Y5 |
||
结构指标 |
房地产贷款 |
房地产开发贷款 |
Y6 |
住房消费贷款 |
Y7 |
||
利率 |
存款利率 |
Y8 |
|
贷款利率 |
Y9 |
||
“三农”投放 |
“农林牧渔业”投放 |
Y10 |
|
金融创新 |
卡消费 |
卡消费额 |
Y11 |
理财业务 |
理财业务余额(包括信托) |
Y12 |
|
风险指标 |
不良贷款 |
贷款不良率 |
Y13 |
不良贷款余额 |
Y14 |
2.评价得分
利用熵值法计算银行发展的综合评价得分,同时由于熵值法能够实现对分层指标的分解评价,故可以一并获得对一级、二级指标的分项得分评价。评价结果如下:
表4 银行发展评价得分
时间 |
综合得分 |
规模得分 |
结构得分 |
创新得分 |
风险得分 |
200803 |
0.0456 |
0.0109 |
0.0185 |
0.0057 |
0.0105 |
200806 |
0.0463 |
0.0112 |
0.0189 |
0.0060 |
0.0102 |
200809 |
0.0467 |
0.0115 |
0.0190 |
0.0061 |
0.0101 |
200812 |
0.0419 |
0.0118 |
0.0148 |
0.0069 |
0.0083 |
200903 |
0.0425 |
0.0129 |
0.0157 |
0.0058 |
0.0080 |
200906 |
0.0435 |
0.0137 |
0.0162 |
0.0060 |
0.0076 |
200909 |
0.0443 |
0.0141 |
0.0166 |
0.0061 |
0.0075 |
200912 |
0.0467 |
0.0146 |
0.0171 |
0.0072 |
0.0078 |
201003 |
0.0476 |
0.0155 |
0.0184 |
0.0063 |
0.0074 |
201006 |
0.0491 |
0.0160 |
0.0191 |
0.0069 |
0.0071 |
201009 |
0.0499 |
0.0166 |
0.0195 |
0.0069 |
0.0069 |
201012 |
0.0518 |
0.0170 |
0.0206 |
0.0075 |
0.0067 |
201103 |
0.0519 |
0.0175 |
0.0214 |
0.0067 |
0.0063 |
201106 |
0.0534 |
0.0179 |
0.0222 |
0.0071 |
0.0062 |
201109 |
0.0549 |
0.0180 |
0.0229 |
0.0080 |
0.0061 |
201112 |
0.0560 |
0.0185 |
0.0231 |
0.0083 |
0.0061 |
201203 |
0.0555 |
0.0193 |
0.0227 |
0.0076 |
0.0060 |
201206 |
0.0564 |
0.0197 |
0.0223 |
0.0083 |
0.0061 |
201209 |
0.0568 |
0.0200 |
0.0217 |
0.0090 |
0.0061 |
201212 |
0.0592 |
0.0205 |
0.0216 |
0.0111 |
0.0060 |
表5 相关关系表
变量 |
经济得分 |
银行得分 |
规模得分 |
结构得分 |
创新得分 |
风险得分 |
经济得分 |
1.0000 |
0.9593 |
0.9831 |
0.8677 |
0.8088 |
-0.8643 |
银行得分 |
0.9593 |
1.0000 |
0.9178 |
0.9380 |
0.8354 |
-0.7248 |
规模得分 |
0.9831 |
0.9178 |
1.0000 |
0.7997 |
0.8019 |
-0.9256 |
结构得分 |
0.8677 |
0.9380 |
0.7997 |
1.0000 |
0.6146 |
-0.6097 |
创新得分 |
0.8088 |
0.8354 |
0.8019 |
0.6146 |
1.0000 |
-0.6525 |
风险得分 |
-0.8643 |
-0.7248 |
-0.9256 |
-0.6097 |
-0.6525 |
1.0000 |
图3为根据银行发展综合得分和经济发展转型得分绘制的关系折线图。表5为经济发展转型得分与银行发展综合得分及四个一级指标得分的相关关系。可以看出,山东省经济转型得分与银行得分相关关系约为0.96,且二者的走势基本一致,关系密切,银行业为经济发展转型提供了重要的支持。
(三)银行业支持经济发展转型的实证研究
为更深入地研究银行发展与经济发展转型之间深层次的关系,下面将经济发展转型综合得分以及四个一级银行发展得分视为变量,通过相关数理统计模型探究变量之间的关系。
1.变量平稳性检验
从表5变量之间的相关关系看,经济发展转型变量与四个银行指标变量的相关系数接近于1,且风险变量与其他变量的相关系数均为负值,符合常规判断。
下面采用PP单位根检验对上述五个变量进行平稳性检验,检验结果如下表:
表6 序列平稳性检验结果表
变量 |
统计量值 |
P值 |
平稳性 |
变量 |
统计量值 |
P值 |
平稳性 |
Ec_score |
0.15 |
0.96 |
非平稳 |
St_score |
-0.88 |
0.77 |
非平稳 |
△Ec_score |
-4.73 |
0.00 |
一阶平稳 |
△St_score |
-3.81 |
0.01 |
一阶平稳 |
Sc_score |
-0.87 |
0.78 |
非平稳 |
In_score |
1.34 |
0.99 |
非平稳 |
△Sc_score |
-3.83 |
0.01 |
一阶平稳 |
△In_score |
-4.23 |
0.00 |
一阶平稳 |
Ri_score |
1.47 |
0.56 |
非平稳 |
△Ri_score |
-3.98 |
0.01 |
一阶平稳 |
表6,PP检验结果显示,在置信水平5%下,五序列都是非平稳序列,且一阶差分后平稳,即同为一阶单整序列I(1)。
2.Granger因果关系检验
经济变量特别是具有滞后期影响的变量之间的关系往往不是单向的,而基本的回归分析等计量技术并不能探讨分析变量间的双向关系。诺贝尔经济学奖得主Granger开创的因果关系检验能够识别并测算变量间的“因果关系”,但这里的“因果”并不是“前因后果”,它是特定含义的格兰杰因果关系,定义为:若在包含了变量X、Y的过去信息的条件下,对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果,亦即变量X有助于解释变量Y的将来变化,此时可认为变量X是引起Y的格兰杰原因。实质上,格兰杰因果关系是基于预测效果层面上的统计学定义。在上述变量平稳性检验中,经过PP检验得出五个变量的一阶差分均是平稳的,可以进行Granger因果关系检验。限于篇幅,仅列出银行四个一级指标差分变量(△Sc_score、△St_score、△In_score和△Ri_score[3])与经济发展转型差分变量(△Ec_score)的检验结果(见下表)。
表7 部分因果关系检验结果表
原假设 |
F-统计量 |
P值 |
结论 |
△Sc_score不是△Ec_score的Granger原因 |
1.01063 |
0.5313 |
接受原假设 |
△St_score不是△Ec_score的Granger原因 |
10.9403 |
0.0384 |
拒绝原假设 |
△In_score不是△Ec_score的Granger原因 |
1.47875 |
0.3971 |
接受原假设 |
△Ri_score不是△Ec_score的Granger原因 |
9.98827 |
0.0435 |
拒绝原假设 |
注:检验结论在5%置信水平下得出。
根据Granger检验结果,接受了银行规模不是经济发展转型波动原因的原假设,即表明银行单纯的规模扩张对于经济发展转型推动作用有限;拒绝了银行结构不是经济发展转型波动原因的原假设,表明银行贷款投向及利率结构能够对经济发展转型起提升作用;接受了银行创新不是经济发展转型波动的原因的原假设,表明短期内银行产品服务创新可能不能迅速引致转型升级,存在一定的时滞效应,另一方面可能由于银行的产品服务创新力度不够,能力不足,不能满足多元化的实际需求;拒绝了风险指标不是经济发展转型波动原因的原假设,表明风险指标确是经济发展转型的Granger原因,结合相关系数为负的结论,认为控制风险能够助力经济转型升级。
3.构建VECM模型
对单一方程而言,非平稳序列间可以构建误差修正模型(ECM),在衡量变量间长期稳定的关系的同时,也可以得到变量短期波动中偏离长期均衡关系的程度。同理,可以将ECM模型推广到VAR系统中,得到向量误差修正模型(VECM模型),实质上VECM模型是包含协整约束条件的VAR模型,适用于具有协整关系的非平稳时间序列建模。通过平稳性检验我们知道上述五变量是I(1)序列,Granger因果关系检验表明短期内存在因果关系,下面利用Johansen法检验变量间的协整关系,以探寻潜在的长期均衡关系。检验结果如下:
表8 协整检验结果
Unrestricted Cointegration Rank Test (Trace) |
||||
Hypothesized |
Trace |
0.05 |
||
No. of CE(s) |
Eigenvalue |
Statistic |
Critical Value |
Prob.** |
None * |
0.997489 |
148.7493 |
69.81889 |
0.0000 |
At most 1 |
0.679116 |
40.98239 |
47.85613 |
0.1892 |
At most 2 |
0.519406 |
20.52221 |
29.79707 |
0.3881 |
At most 3 |
0.325827 |
7.333011 |
15.49471 |
0.5392 |
At most 4 |
0.013035 |
0.236175 |
3.841466 |
0.6270 |
Unrestricted Cointegration Rank Test (Maximum Eigenvalue) |
||||
Hypothesized |
Max-Eigen |
0.05 |
||
No. of CE(s) |
Eigenvalue |
Statistic |
Critical Value |
Prob.** |
None * |
0.997489 |
107.7669 |
33.87687 |
0.0000 |
At most 1 |
0.679116 |
20.46018 |
27.58434 |
0.3102 |
At most 2 |
0.519406 |
13.18920 |
21.13162 |
0.4350 |
At most 3 |
0.325827 |
7.096837 |
14.26460 |
0.4778 |
At most 4 |
0.013035 |
0.236175 |
3.841466 |
0.6270 |
迹检验法和最大特征根检验法均表明在5%的显著性水平下存在唯一的协整方程。VECM模型描述变量间的短期调节作用。上述VECM模型的AIC和SC值分别为-62.14和-60.41,都比较小,模型整体效果较好。对调整系数进行限定约束检验均拒绝了为零的假设,说明变量短期调节有效。
通过上述实证分析过程,我们可以得到如下实证结果:
1.经济发展转型得分与银行发展得分间的相关关系为0.96,与银行各分项得分(规模得分、结构得分、创新得分、风险得分)的相关关系分别为0.98、0.87、0.81和-0.86。银行发展与经济转型之间呈现较高的相关性,发展趋势基本一致。
2.得分变量Ec_score、 Sc_score、St_score、In_score和Ri_score均是非平稳序列,且各自一阶差分平稳,即同为I(1)序列。
3.Granger因果关系检验显示:△Sc_score和△In_score都不是△Ec_score的因果关系,而△St_score和△Ri_score均是△Ec_score的单向因果关系。
4.根据协整检验,(Ec_score, Sc_score,St_score,In_score,Ri_score)之间存在唯一的协整关系。
5.协整关系方程中,Sc_score、St_score、In_score的长期均衡系数分别为1.89、1.09和1.57,Ri_score的协整系数为-0.72。
6.VECM模型中,Ec_score、Ri_score波动方程中调整系数分别为-0.25和-0.02,表明短期调节作用为负向抑制;而Sc_score、St_score、In_score波动方程中调整系数分别为0.14、0.11和0.22,表明短期调节作用为正向促进。
将模型实证分析结果引入经济金融发展实际,可以得出山东银行业在支持经济发展转型过程中的一些深层次结论。
1.银行规模扩张对支持经济发展转型短期有效,长期效应递减。从银行业支持经济转型短期波动看,规模扩张对经济发展转型短期有正向促进作用,在VECM模型中,Sc_score、St_score、In_score波动方程进一步证实了这个效果。但从长期来看,银行规模扩张对经济平稳发展和转型的边际效用递减,且银行业对经济发展转型的支持力度受各种因素的影响,差异化发展方向明显。
2.银行业是落实国家宏观经济货币政策的重要载体。通过模型可以看到,山东银行业对经济发展转型存在正向的促进推动作用,这说明信贷增长是能够促进经济增长的,但这种信贷增长更多的是由经济政策所主导,信贷扩张反映的是货币投放的增加,能够加速经济流通,迅速刺激经济增长。通过Granger因果关系检验,无论是银行规模的扩张、结构的优化、银行创新还是降低银行的风险水平都对经济发展转型起着重要的促进作用,与理论和现实都保持一致。
3.银行业要对经济发展转型“集约式推动”。经济发展转型得分与银行发展得分的相关关系为0.96,银行发展与经济转型之间呈现较高的相关性,发展趋势一致,且银行规模的提升对经济发展转型支持力度较大,这表明目前山东银行业对经济发展转型的支持作用表现为“规模式推动”。银行在推动经济转型的同时,也应该主动推进自身的发展转型,转变传统的规模扩张发展理念,逐步通过完善信贷结构、创新产品服务、有效控制风险等方面,提升银行业在经济转型过程中的资源配置能力,实现“集约式推动”,以更好的发挥对经济发展转型的支持作用。
4.银行业自身发展与经济转型相互影响。偏紧的货币政策,倒逼银行业产品创新以规避监管,如近年快速兴起的理财融资及其他投行业务,在促进银行业务发展的同时,也埋下了一定的风险隐患,这些问题可能又反过来影响经济转型发展。从银行业支持经济转型调节作用看,银行发展与经济转型存在长期的均衡关系,但当二者偏离长期均衡状态时,二者之间相互调节,以达到新的均衡状态。一方面当经济发展转型水平低于长期均衡水平时,在调整系数“负数”拉动下,短期内经济将会向较高层次的发展转型水平演进;另一方面银行在推动经济快速转型发展的同时,也有利于自身优化发展、提高创新能力、有效降低银行整体风险水平。反之将会拖累经济的转型发展。
5.要更加注重银行业的发展规律。金融危机背景下宽松的货币政策,在一定程度上促进了经济增长,但此过程中忽视了银行本身的发展问题,银行产品服务创新由于时滞效应、创新程度以及不能有效对接需求等因素造成了风险的积累,信贷规模的迅速扩张以及金融工具的运用,也掩盖了风险的形成,同时银行业资金投向偏离实体经济,也偏离了宏观调控的初衷。因此,应该尊重银行业发展的客观规律,优化银行贷款投向、降低银行风险水平,大力发展绿色信贷,支持循环经济,更好地发挥经济杠杆的作用。
6.正确发挥银行业对国家宏观经济货币政策的传导作用。我国的通过扩张型货币政策调节刺激经济的同时,也使得物价及房地产价格水平急剧扩张。究其原因,一是随着我国经济的发展和金融市场的不断完善,货币不再大量进入商品市场去购买商品。相反,越来越多的货币被资本市场吸纳,使得金融资产对货币政策效应产生较大影响;二是随着资金向资本市场的流动,在财富效应作用下,过多资金投资于金融产品,分流了大量银行信贷资金,造成银行对实体经济部门的投资和生产的资金供应不足,对信贷传导机制形成一定阻碍作用,从而影响了货币政策的传导和实施效果。因此,应进一步提高我国的信贷投放的效率,解决信贷供给中存在的问题。
[1]数据来源山东统计局和中国银监会山东监管局。
[2]数据来源于中国银监会山东监管局。
[3]依次为规模指标、结构指标、金融创新、风险指标
(本文节选自山东省金融学会2013年度重点研究课题“银行业支持经济发展转型政策效果的实证研究与路径选择--以山东为例”,课题获得一等奖。主持人:山东银监局刘悦芹,课题组成员:赵滨、刘兰设、苏刚、杨朋君、张秀民、赵春光、李峰)