定向降准对银行信贷结构的调整作用——基于银行信用风险环境的考量

闫雨微

（西南财经大学，四川 成都 611130）

一、引言与文献综述

中国经济发展方式已经从规模速度型粗放增长转向了质量效率型集约增长，促进经济供给侧结构性改革，引导资金“脱虚向实”成为推动经济高质量发展的关键。然而近年来全球经济低迷，逆全球化风险加剧，经济环境更为复杂和不确定。

长期以来，央行通过一系列稳健的货币政策调节市场供求平衡，推动实体经济平稳运行。2014年以前，我国货币政策以总量调控为主，通过央行、金融机构和实体部门资产负债表之间的关联和紧密互动，调控实体经济。然而，总量型货币政策不能精确引导金融机构的具体偏好，对于微观主体的调控具有一定的局限性。2014 年以来，为了平滑由于外汇占款趋势下降、货币市场因基础货币投放不足而产生的流动性风险，满足差异化流动性的需求，央行创新了一系列结构型货币政策工具，辅助总量工具调控实体经济。然而，中小企业作为推动实体经济发展的生力军，由于其经营因素、风险因素和信用因素等原因，长期面临贷款难、贷款贵的难题。在经济结构性调整、“三去一降一补”的经济发展政策背景下，央行对结构型货币政策再创新，通过常备借贷便利、定向降准、再贴现再贷款等结构性货币政策，调整信贷结构，疏通货币传导机制，解决国内二元信用条件对小企业的融资约束。在过去的一年里，面对中美贸易摩擦升级带来的动荡的经济局势，央行结合总量货币工具及时定向降准，宣布“三档两优”存款准备金框架的形成，同时有针对性地完善了再贴现、常备借贷便利、动用存款准备金、流动性再贷款等防范中小银行流动性风险的“四道防线”，为中小银行流动性提供保障。在全球掀起降息潮的局势下，央行在下半年发布改革完善贷款市场报价利率（LPR）的公告，推动贷款利率“两轨并一轨”，打破贷款利率隐形下限，进一步降低小微企业融资成本，助力实体经济。

根据凯恩斯货币政策传导机制理论，货币政策通过影响市场利率，进而影响投资和实体经济的发展。总的来说，利率传导模式为“政策利率-货币市场利率-存款利率-商业银行整体负债成本-贷款利率”。央行通过货币政策的价格型调控，刺激实体经济发展。在全球经济下行的背景下，各国越来越重视结构性货币政策的作用，如英格兰银行的融资换贷款计划，欧洲央行的定向长期再融资操作，美联储的定期证券借贷便利、商业票据融资工具、定期资产支持证券贷款工具。但是与美国等发达国家以大规模扩张资产负债表、向金融机构注入大量流动性为主的非常规货币政策不同，我国的结构性货币政策具有短期性和易回收性等特征[1]，其中支小再贷款和定向降准政策聚焦于为中小银行提供流动性保障，缓解小微企业和“三农”贷款难的问题。

定向降准作为央行重要的结构性货币政策，相比全面降准，精准性更高。全面降准往往被市场看作是货币政策全面宽松的信号，可能推动信贷资金大量流入房地产市场等非实体经济，目前我国经济运行整体平稳，流动性总体适度充裕，没有必要实施全面降准。而定向降准政策附加支小再贷款等政策，将全面降准的“大水漫灌”转变成为“精准滴灌”，有利于扩大中小银行的信贷投放能力，更加针对性地引导金融资源合理配置。然而，定向降准对于资金的定向引导或作用有限。从图1可以看出，定向降准政策实施以来，虽然小微企业贷款增速大致高于全部企业贷款增速3 个百分点，但是小微企业贷款增速并不稳定，并未形成明显的上升趋势，商业银行小微企业贷款占比或并未发生明显提高。这可能是由于：首先，定向降准多覆盖中小银行，且部分定向降准具有较高的标准，由于市场微观主体行为的不可控性，定向降准政策引导资金的效果或有限，并不能缓解实体经济融资贵的困境。其次，定向降准虽然意在引导资金流向实体经济，但是基于商业银行的盈利性目标，银行多愿将可贷资金更多地投向收益高风险小的大型企业。同时，信贷规模的扩大可能造成一部分可贷资金流入房地产等领域，加剧房地产泡沫，并未对实体经济产生实际效益。

图1 企业贷款同比增速

在学术界，国内外各学者对于结构性货币政策的效果意见尚未统一。其中，部分国外学者重点研究了结构性货币政策对于金融市场利率方面的影响[2]，部分从宏观经济的层面入手重点研究以欧洲央行为代表的定向长期再融资计划[3]和以英格兰银行为代表的融资换贷款计划[4]的实际效用。

对于定向降准政策的效果，国内各学者的态度也存在分歧。彭俞超、方意的研究说明定向降准等结构型货币政策主要通过影响金融机构的运营成本发挥信贷结构调整和产业结构升级的作用[5]。林朝颖等基于企业视角分析，发现定向降准政策出台后，A 股农业上市公司获得的信贷资源占比有所提高，但定向调控与总量货币政策结合则会影响定向降准政策的精准性[6]。马方方、谷建伟通过分析后发现，定向降准虽然可以增加小微企业贷款和涉农贷款，但效果并不稳定，结构型定向调控措施只能作为短期过渡性措施，并不能纳入长期政策框架[7]。黎齐通过实证研究表明，由于缺乏引导资金流入的途径，定向降准释放的流动性并未改善小微企业贷款难的问题[8]。此外，定向降准政策贷款比例设定标准较高，作用主体多为中小银行，释放资金体量较小；且由于资本的逐利性导致资金偏向于流入风险更低、回报更高的项目，资金流向难以精确定位，因此定向降准政策对于缓解融资贵问题所起到的作用非常有限[9]。事实上，根据中国人民银行在《2014 年第二季度中国货币政策执行报告》中所述，定向降准主要发挥信号和引导作用，对微观个体的决策干预效果有限，只有通过体制改革和市场的作用才能从根本上改善资金流向状况，提升政策效果[10]。

本文基于已有研究，首先从理论模型研究出发，提出定向降准政策可以提高银行小微企业贷款占比、银行信用风险对于定向降准政策效果具有影响两条假说。然后构建实证分析模型，从银行侧入手，对比分析政策实施对象与非政策实施对象重点在定向降准前后银行小微企业贷款占比的变化情况，定量分析银行新增流动性的流向，判定定向降准政策对于银行贷款结构的长期影响。基于回归分析结论，本文在理论研究所得假说的基础上，将从银行自身贷款风险情况和所在城市外部信用风险环境情况两方面衡量银行信用风险状况，分析银行的综合信用风险环境对于定向降准政策效果的影响。最后，本文将从各经济主体的角度出发，为定向降准政策效果的充分发挥建言献策。

本文的主要贡献为：（1）从银行侧出发，从理论研究和实证分析两方面研究定向降准政策对于银行贷款结构的影响，对定向降准政策效果的研究予以补充。国内外各学者多从企业侧入手，研究定向降准政策对于小微企业、“三农”贷款困境的改善情况，从银行角度出发进行分析的文献较少。已有文献多以小微企业贷款增量为政策效果衡量指标，对银行信贷结构的研究较少。本文从一定程度上填补了相关研究的空白，为日后其他学者的研究提供借鉴和参考的理论框架。（2）运用熵值法综合衡量银行自身的信用风险承担状况，辅之以银行所在城市的商业信用环境指数，较为全面地衡量了银行信用风险。通过理论与实证研究，分析了银行风险对于定向降准政策的影响，为定向降准政策效果改善途径的相关研究提供借鉴。

二、理论模型和研究假说

已有研究表明，定向降准政策在理论上对银行的信贷结构具有一定的影响[6]。基于已有理论研究[11]，本文对定向降准对银行信贷结构的影响以及银行信用风险对于定向降准政策效果的影响做出如下理论分析。

（一）基本模型

由资产负债恒等式

其中G 表示政府债券总额，L 表示贷款总额，R 表示存款准备金总额，D 表示存款总额，E表示银行资本总额。可得L＝D＋E－G－R

将银行贷款分为小微企业贷款LM和中大型企业贷款LNM，有L＝LM＋LNM，小微企业贷款占比为r，则有

假设银行不留存超额准备金，设法定准备金比率为ρ，定向降准幅度为θ，获得定向降准的概率为P，则有

银行新增小微企业贷款占总发放贷款额的比例以及银行贷款结构中小微企业贷款占比越高，银行成为定向降准政策对象概率越高，即概率P 是比率r 的增函数，设P 为r 的线性函数，P＝f（r），则

对模型进行简化，做出如下合理假定：

（1）全国各类商业银行是理性经济人，以追求自身利润最大化为经营目标。

（2）假设银行不持有超额准备金，中央银行不支付准备金利息。

（3）债券市场与银行信贷市场为完全竞争市场，定向降准政策不影响债券利率和存贷款利率，即债券利率rG、存款利率rD、小微企业贷款利率rM、中大型企业贷款利率rNM均为常数。

（4）定向降准政策不影响银行的资金来源和投资决策，即政府债券额G，存款总额D 和资本总额E 均为常数。

（5）定向降准政策不影响银行信贷成本和自有资本成本，即小微企业贷款成本kM、中大型企业贷款成本kNM、自有资本成本系数kE常数。

（6）不考虑银行其他收入及支出。

基于上述假设，商业银行利润总额为

其中g（α，L）为银行贷款损失，为银行自身承担风险状况和外部信用风险状况指标α、银行贷款总额L 的函数。

（二）定向降准政策效果

不考虑银行贷款损失，即g（α，L）＝0 记，ΔrM＝（rM－kM），ΔrNM＝（rNM－kNM），商业银行利润最大化目标函数与约束条件为

将约束条件代入目标函数后，银行最优小微企业贷款比例r*的一阶条件为

对r*进行比较静态分析，将（9）式对定向降准幅度θ 求偏导

其中L－DPθ＝D＋E－G－R－DPθ＝D＋E－G－D（ρ－Pθ）－DPθ＝D＋E－G－Dρ 为银行没有获得定向降准时的可贷资金总额

（三）银行风险对定向降准政策效果的影响

考虑银行贷款损失，即g（α，L）≠0，其对小微企业贷款占比r 的一阶导数为银行信用风险指标的函数。此时，商业银行利润最大化目标函数与约束条件为

此时银行最优小微企业贷款比例r′的一阶条件为

对r′进行比较静态分析，将（13）式对定向降准幅度θ 求偏导

其中L－DPθ＞0，一般情况下，小微企业贷款利率要高于中大型企业贷款利率，即ΔrM－ΔrNM＞0。因此，银行小微企业贷款比例与定向降准幅度之间的关系取决于（ΔrM－ΔrNM）（L－DPθ）与u（α）的大小关系。

综合（10）和（14）式的推导结果，得到本文两条假说：

H1：定向降准政策可以提高商业银行小微企业贷款占比。

H2：银行风险对于定向降准政策效果具有一定影响。

三、实证模型与样本数据

（一）实证模型

基于理论分析得到的两条假说，本文采用基于倾向值得分匹配的双重差分模型（Propensity Score Matching Difference-in-Difference Analysis，PSM-DID）。采用倾向值得分匹配（PSM）的原因在于：虽然我国从2014 年起针对不同类型的商业银行多次实施定向降准政策，但是城市商业银行、农村商业银行、农合行、农信社等主要面向中小企业的金融机构是其政策实施的重点对象。因此，可以认为，央行的定向降准政策并不是随机选择银行实施，而是考虑了银行自身的结构特点定向实施。为了避免由于样本选择性偏误造成的内生性问题，我们依据银行自身的经营特点，采用倾向得分匹配（PSM）对中大型银行与城市商业银行、农村金融机构进行匹配。采用倍差法（DID）原因在于：央行实行定向降准政策的同时也通过其他货币政策进行宏观调控，这些政策有可能会对商业银行的小微企业贷款占比产生普遍性影响；某些无法观测的因素也有可能会影响处理组与对照组的因变量趋势，使参数估计结果产生偏误，倍差法（DID）通过两次差分，在一定程度上可以解决这个问题。

由于对照组样本较少，采用PSM 从银行风险承担状况和偿债能力、银行经营状况两方面为对照组样本匹配尽可能相似的处理组样本，构造反事实状态。选择定向降准政策实施始点前的2013年末作为匹配时间，采用logit 模型进行K 临近值匹配（k＝4），一般情况下可最小化均方误差[12]。剔除不在共同支持域的样本后，得到倍差法样本。以下为倍差法实证模型设计。

1.定向降准对银行小微企业贷款占比的影响。在PSM 匹配样本后，处理组与对照组样本具有相似的样本特征，使用倍差法（DID）分析定向降准的政策效果。在后续实证分析中，通过F 检验和Hausman 检验判定采用随机效应面板回归模型，DID 模型构建如下。

其中，使用银行当年小微贷款占比作为被解释变量，构造二元虚拟变量treatment 定义组别，treatment＝1 为处理组，treatment＝0 为对照组；二元虚拟变量T 定义政策实施节点，T＝1 表示政策实施后的时期，T＝0 表示政策实施前的时期。引入反映银行个体特征的变量X 与反映宏观经济状况的变量Y 作为控制变量。其中，银行个体变量包含银行偿债能力和风险状况、银行经营状况两方面的变量。由于当年的银行个体特征会影响当年的银行小微企业贷款占比，小微企业贷款占比也会影响当年银行的盈利和风险承担状况，为了避免内生性，使用个体特征的滞后一期变量Xt－1，同时也可以说明银行过去一年的盈利和风险状况会影响其下一年的贷款结构决策，具有实际经济意义。此外，引入时间虚拟变量，其中D2＝1，如果t＝2（2009 年）；D2＝0，t≠2，其余年份以此类推。εit为干扰项。

（15）式中政策变量与组别变量的交互项treatment*T 为核心变量，通过分析此项系数β3考察定向降准政策的实施效果。

2.银行信用风险环境对于定向降准的调节作用。根据第二条假说，本文基于前述DID 模型，加入银行信用风险调节变量探究其对于定向降准政策的调节作用。经过F 检验和Hausman 检验，采用随机效应面板模型。模型调整如下。

其中银行信用风险变量由内部风险指数和外部风险指数两部分构成。通过实证分析模型（16）中交互项treatment*T*Mit的系数θ1，定量分析银行所处信用风险环境对定向降准政策效果的影响。

3.银行信用风险指数计算。

（1）银行内部风险指数。

本文采用熵值法，根据样本数据信息确定各指标权重，计算银行内部加权风险指数。具体步骤如下：

第一步，对数据进行标准化处理。

对于正向指标，采用（17）式处理，对于负向指标，采用（18）式处理

Xijt，xijt表示第i 家银行指标j 在第t 年在标准化前后的数值，下同

第二步，利用（19）式，得到新的P 矩阵。

第三步，计算各个指标的熵值

第四步，计算指标的差异指数

第五步，计算权重

第六步，采用（23）式计算各银行内部风险指数，并用上一年的各指标信息计算当年内部风险指数以避免内生性。

（2）银行外部信用风险指数。

由于中国城市商业信用环境指数与银行所处外部风险负相关，因此需要对其正向化和无量纲化。计算公式为

（二）数据来源与变量设计

本文所使用的宏观数据以及银行财务经营数据来自CSMAR 数据库和CEIC 宏观经济数据库，部分银行贷款数据源于银行年报。货币政策数据来源于中国人民银行官网，中国城市商业信用环境指数来自CEI 官网。

为探究定向降准对银行贷款结构的影响，以及银行信用风险指数对于定向降准的调节作用，除五大国有商业银行（邮政储蓄银行在2019 年才成为第六大国有银行，不在本文的样本选择时间范围内，因此没有选择邮政储蓄银行进入样本）以及十二家股份制商业银行外，本文从全国各省份选取各种类型的商业银行作为研究对象。由于2019 年“三档两优”存款准备金框架的形成和贷款市场报价利率（LPR）形成机制的改革完善会干扰定向降准政策实施效果的判定，因此样本选择2009-2018 定向降准政策实施前后十年的数据。对原始样本数据进行筛选后，对所有连续型变量进行1%水平上截尾处理，以控制离群样本值对估计结果的偏差。

参考赵碧莹[13]相关研究，结合本文研究重点，变量设置及计算释义如表1 所示。

（三）描述性统计分析

对于样本数据的各变量分别做描述性统计分析，并对处理组和对照组加以对比。表2 列出部分差异较明显的变量描述性统计结果。结果显示，在国家政策对小微企业的大力扶持以及银行等金融机构的积极响应下，各类银行机构小微企业贷款占比呈现逐年上升的趋势，其中处理组银行小微企业贷款占比整体上高于对照组银行，体现出了大银行服务重心下沉，中小银行聚焦主责主业的特点。银行风险情况方面，中小银行风险抵抗能力较弱，因此在贷款损失准备方面具有更高水平。在银行经营情况方面，在激烈和复杂的金融市场竞争环境中，多元化发展和业务创新成为各类商业银行发展的重要途经。大型银行拥有更为庞大的经营规模和资金，具有更广泛的业务覆盖范围，相比中小银行具有更为多元的中间业务收入来源。

表1 主要变量释义

表2 描述性统计结果

四、实证分析

（一）定向降准对银行小微企业贷款占比的影响

1.PSM 匹配结果。由于对照组中大型银行的规模和资金水平远高于处理组的中小银行，因此从银行的偿债能力和风险状况以及经营情况两方面概括银行的个体特征时，无法选择绝对指标进行匹配，本文最终选择权益负债比率、拨备覆盖率、息税前利润与资产总额比以及成本收入比四个相对指标作为匹配变量，最终选择22 家中大型银行作为对照组样本，94 家城市、农村金融机构作为处理组样本。对匹配后的样本进行变量平衡性检验，结果显示对照组和处理组各变量在匹配后无显著性差异，匹配效果较好。

2.实证结果与分析。对（15）式随机效应面板DID 模型进行回归分析，为避免异方差，采用稳健标准误。回归结果如表3 所示。对于反映定向降准政策效果的核心变量政策变量与组别变量的交互项，随着控制变量的逐步加入，此变量系数始终具有显著性，说明定向降准政策对于银行小微企业贷款占比具有一定的正向调节作用，即在2014 年颁布定向降准政策后，各商业银行积极响应国家政策，根据自身情况对本行小微企业贷款在总贷款中所占的比重加以调整，增大自身可贷资金流向小微企业的比重，助力小微企业的发展。实证结果表明，定向降准政策对于引导银行贷款资金精准流向实体经济具有一定的效果。

对于可能会对银行小微企业贷款占比产生影响的控制变量，表3 第五列回归结果表明，在银行风险状况和偿债能力相关指标中，不良贷款率对于银行的小微贷款投放比重具有重要的负向影响。一般说来，银行的不良贷款率较高、对各项不良贷款的损失准备金计提不充足或对负债资本的保障程度较低时，银行自身的偿债能力不足，面临更大的风险。此时由于向中小企业贷款收益较低且往往具有比大型企业更高的信用风险，银行为了规避风险，往往选择减小向小微企业贷款投放比重，并设置贷款限制或停贷。银行所处的内部和外部信用风险环境对银行的贷款投放决策具有显著影响，本文在后续将着重对银行的信用风险环境做进一步分析。

表3 回归结果：定向降准对银行小微企业贷款占比的影响

此外，回归结果显示，对于反映银行经营状况的控制变量，无论是单个变量还是各变量的交互项，都并未对银行向小微企业贷款投放比重产生显著性影响。这可能与定向降准政策本身所具有的局限性有关。由于央行的定向降准政策对于银行小微企业贷款比例所设定的标准较高，中大型商业银行在考虑自身经营目标的情况下，达到此标准具有一定困难，因此定向降准对其贷款结构的调整效果十分有限。但是不可否认的是，中大型商业银行以其庞大的资金和经营规模，虽在小微企业贷款投放比重较小，但在投放总量上仍旧对小微企业发挥了至关重要的作用。

由于在样本期间内，央行实施了其他政策助力小微企业融资，这些政策可能会使定向降准的政策效果估计出现偏差。为了排除其他政策的干扰，进行反事实检验[14]，将未实施定向降准政策的2012 年作为虚拟政策实施始点进行模型回归，政策变量和组别变量交互项系数并不显著，间接表明实证结果的稳健性。

（二）银行信用风险环境对定向降准的调节作用

通过（17）-（24）式计算银行内部和外部信用风险指数。计算内部风险指数时，综合考虑银行的风险承担与抵抗能力，除使用变量CAR、PRC、NPL 外，加入变量存贷比LDR，即银行贷款与存款的比例，以反映银行应对风险的流动性水平。存贷比由于直接受到定向降准政策的影响，因此在前述分析中并未将其作为控制变量，但在此处计算综合指数时不存在此问题。CAR、NPL和LDR 为正向指标，PRC 为负向指标。考虑外部风险时，使用中国城市商业信用环境指数CEI衡量银行所处城市的外部信用风险环境。CEI 指数从信用投放、信用监管、征信系统及企业感受等维度对城市综合商业信用环境进行评估，可以较为客观全面地衡量银行所面临的外部信用环境。使用CEI 指数衡量银行外部信用风险时，对于未进行指数报告的年份，使用其前后两年CEI指数的平均值作为该年指数。对于经营范围遍布全国的大型商业银行，使用其投放贷款地区分布比例信息对地区CEI 指数加权求和，得到最终CEI 指数。

对于加入银行信用风险变量的随机效应面板DID 回归模型式（16）进行实证分析，回归结果如表4 所示。在分别加入银行内部外部信用风险的调节变量后，由表3 第二列和第三列可知，相比原模型，核心变量政策变量与组别变量的交互项仍旧对银行小微企业贷款占比具有显著的正向影响。

银行的外部信用风险环境指数对于定向降准的政策效果具有负向影响，即银行所在地的商业信用风险指数越高，银行对小微企业贷款的投放越谨慎，定向降准对银行资金的定向引导作用被削弱。由于CEI 指数综合考虑了城市的信贷投放规模、企业贷款质量以及监管体系的完善性，因此当地商业信用环境风险指数高，意味着当地企业整体发展状况不稳定，政府等机构构成的监管体系不完善，小微企业融资主体的不良贷款率较高，呆账、坏账风险较高。因此虽然定向降准政策对银行流动性产生了一定利好，但是银行为控制风险、实现经营目标，主动调整小微企业贷款占比的意愿较弱，新增流动性仍旧会更多地流向中大型企业和非实体经济。

银行的内部风险指数对于定向降准政策效果具有负向影响。正如前文实证分析所述，小微企业通常由于其经营的不稳定性可能提高银行的不良贷款率，增加银行承担的信用风险。虽然定向降准政策带来的流动性利好可能增大银行的利润空间，但银行决策往往要考虑到自身经营情况和内外竞争等多方面因素。同时，虽然小微企业中不乏经营状况良好、信用级别较高的企业，但是对于企业的考察评估需要较长时间和较大成本，对银行贷款决策行为影响有限。

（三）稳健性检验

为证实前述结论的稳健性，将PSM匹配变量更换为不良贷款率、成本收入比、息税前利润资产比、存贷比，重新选择处理组和对照组样本进行模型回归分析，共选择了63 家城市、农村金融机构作为处理组，20 家大型商业银行作为对照组。重新进行上述实证分析，主要回归结果如表5 所示。从分析结果中可以得到与前述实证分析基本一致的结论。政策变量和组别变量的交互项系数正向显著，说明定向降准政策可以在一定程度上增加银行的小微企业贷款占比。分别加入银行内部和外部风险调节变量，交互项均具有负向显著性，说明银行所处的贷款环境风险越高，银行对于小微企业贷款的发放越为谨慎。

表4 回归结果：银行信用风险环境对定向降准的调节作用

表5 稳健性检验主要回归结果

五、结论

本文从银行侧出发，基于全国各类商业银行的微观数据，从银行风险状况和偿债能力以及盈利状况两个方面分析定向降准政策对于银行贷款结构的影响。理论研究和实证结果表明，定向降准政策有利于银行增加小微企业贷款占比，增大对小微企业的贷款力度，改善小微企业贷款难的问题。但是，银行小微企业贷款的决策会受到其所处信用风险状况的影响。在考虑内部风险时，小微企业由于其发展的不稳定性、信息披露的不完整性，往往具有更高的信用风险，银行在具有较高的风险负压时，更倾向于规避风险，将可贷资金分配给收益更为稳定的中大型企业。在考虑外部风险时，银行所处城市的商业信用环境对于银行贷款决策具有重要的参考意义。城市商业信用环境建设良好时，小微企业贷款附加的风险更低，银行对小微企业贷款的支持力度更大。

基于以上结论，本文提出以下启示：（1）定向降准政策应当结合总量货币政策工具适时施行，并且与财政政策相协调，适宜增大银行的信贷规模，鼓励银行提高对实体经济的支持力度。同时加强对非实体经济行业领域的监管力度，增加流动性投放的精准性，改善小微企业贷款现状，促进实体产业高质量发展，带动经济结构性改革。（2）由于银行的外部信用风险环境对于定向降准作用具有负向影响，而小微企业信息披露多不完善，信用风险较高，因此应当健全地方监管体系和监管制度，健全小微企业征信体系，增加信用环境建设，并利用大数据和信息平台等手段降低征信成本的同时增加监管透明度，增强银行与企业互信。（3）由于银行的内部风险承担状况对于定向降准政策效果具有负向影响，因此监管机构和组织应当增强对商业银行的监管力度，依据银行的经营情况合理控制银行风险承担水平，提高银行风险抵抗能力。