货币政策、双支柱调控框架降杠杆效应比较研究

胡名成

(上海财经大学 经济学院，上海 200433)

一、引 言

中国经济正处于新旧动能转换，由高速增长阶段迈向高质量发展阶段的关键时期。同时政府摒弃“大水漫灌”式强剌激方针，实施稳健中性的货币政策，经济增速显著放缓，从次贷危机前的接近12%下降到疫情发生前的不到7%，降幅达到40%。当经济处于上行期时，各种矛盾和问题往往被繁荣所遮盖，风险也容易被忽视。而当经济进入下行期时，体制性、结构性问题和各种风险逐渐显现出来，其中比较突出的是近年来宏观经济杠杆率不断攀升和系统性金融风险的累积。

次贷危机后，为了稳增长、保就业、保民生、对冲经济下滑，中国政府以凯恩斯倡导的“看得见的手”思想为指导，对需求加以管理，相继实施了宽松的货币政策和“四万亿”财政强剌激计划。这些政策的出台对缓和经济下行压力有积极作用，但过度依赖总需求管理使得各部门负债显著提升，其中国企和地方政府两个部门的债务上升最为明显。此外，企业以间接融资为主、GDP锦标赛、预算软约束等经济社会深层次结构性问题是导致地方政府和国企在经济增速下滑时不断加杠杆，杠杆率呈现出明显的逆周期特征的内在原因(见图1)。杠杆率不断攀升反映了中国经济运行效率下降，资源、资金错配严重。如何在稳增长与降杠杆之间取得平衡，找出既可以降低债务，又能够有效推动经济增长的解决方案，是学术界和政府部门面临的重大课题。

现阶段中国经济另外一个风险点是系统性金融风险的不断累积。根据国务院发展研究中心“经济转型期的风险防范与应对”课题组的数据(见图2)，中国商业银行不良贷款率已经接近2%的高位，同时关注类贷款占比已高达 4%[1]。鉴于商业银行在对贷款进行分类时不够严谨的现象普遍存在，中国隐性不良贷款率应该高于2%。经济下行压力持续加大、间接融资为主、杠杆率不断攀升是导致流动性风险和债务违约风险持续上升的主要原因。中国金融体系以商业银行为主导，商业银行不良贷款率不断走高会严重影响中国经济健康平稳运行。降低不良贷款率、维护商业银行稳健运行是防范系统性金融风险的必然要求。

中国经济进入新常态以后，产出增速下降，但经济中蕴含的风险加速上升，一降一升使得新常态下经济带有鲜明的时代特征。为此，从2015 年至2019年近四年时间内，央行多次通过公开市场操作上调逆回购利率和 MLF 利率，虽然每次上调的幅度都比较小，但渐近加息姿态已经表现出来。不搞“大水漫灌”式强剌激，利率政策适度、有序收紧的货币政策导向已非常明显。然而经济杠杆率和金融风险却一路攀升，并没有因此而得到有效抑制。本文捕捉到这一特征事实，反思利率政策收紧对经济杠杆率和金融风险的影响。揭示政策利率上升推高杠杆率、加剧金融风险的内在机理，探索降低杠杆率、防范风险的新途径成为本文的主要关注点。

图1 宏观经济杠杆率图

图2 商业银行不良贷款率图

二、文献综述

宏观经济杠杆率作为当前的热点问题，国内外学者对其展开了深入的研究，取得了丰硕的成果。国内方面，马勇和陈雨露基于68个国家1981—2012年的动态面板数据分析发现，杠杆率和经济增长之间存在显著的“倒 U 型”关系，随着经济杠杆率水平的提高，经济增速会先升高后降低，存在一个“拐点”[2]。刘晓光等研究认为高储蓄率和全要素生产率增长显著降低了杠杆率提升对经济增长和波动的不利影响[3]。国际方面，Mendoza认为，宏观经济杠杆率会在经济上行期快速增长，信贷约束方程从松弛变成紧致，引发信贷规模下降和资产价格下降，由此会导致经济衰退[4]。Adrian 和Boyarchenko利用DSGE模型研究发现，对商业银行施加逆周期的信贷约束，会导致经济杠杆率顺周期波动，造成系统性金融风险累积，引发经济危机[5]。

次贷危机后，鉴于金融危机对实体经济造成的伤害，宏观审慎政策受到高度重视，经过十几年的发展，理论研究和实证分析都取得了长足的进步，为政府制定和实施宏观审慎政策提供了重要的参考。王爱俭和王璟怡认为宏观审慎政策对于货币政策能起到辅助作用[6]。范从来和高洁超研究发现：货币政策力度与资本监管强度高低搭配可明显降低福利损失，双高搭配导致福利损失最大化[7]。李天宇等分析了货币政策和审慎政策的参数选择问题，认为联合使用两种政策时，合理确立政策规则参数可以增强政策的正向外溢效果[8]。朱军等考察了财政政策、货币政策和审慎政策三者之间的协调配合问题，发现“宏观审慎双支柱+财政整顿政策”组合要优于“宏观审慎双支柱”政策，设置纳入财政特征的“大宏观审慎政策”会减弱摩擦对经济的扭曲，提高社会福利[9]。

综上可见，国内外学者对经济杠杆率的研究主要集中在杠杆率的形成原因及其与经济周期之间关系的讨论，而对货币政策和宏观审慎政策的研究主要表现为如何实现两种政策的最优配合，以求达到最大化社会福利等问题上。对于货币政策本身对杠杆率的影响，审慎政策除了防范金融风险，是否有利于经济杠杆率的下降等问题，大多数文献均未涉及。基于此，本文首先通过建立SVAR模型，对货币政策如何影响经济杠杆率和金融风险等问题进行实证分析。之后构造了一个含有外部融资溢价机制的NK-DSGE模型，诠释了在外部融资溢价机制所形成的金融加速器效应作用下，利率政策收紧推高经济杠杆率、加剧金融风险的内在机理，并在此基础上考察了技术进步对杠杆率的影响。针对货币政策作为总量调控工具在治理中国杠杆率上升这一问题时存在缺陷与不足，本文在基准模型的基础上引入宏观审慎政策，并以社会福利损失函数为评价标准，识别利率政策与宏观审慎政策的最优组合，考察货币政策与宏观审慎政策“双支柱”调控框架稳增长、降杠杆、防风险的效果。

三、利率政策对杠杆率的影响实证分析

(一)变量说明与数据处理

参考郭长林的做法，首先通过建立一个SVAR模型，考察利率政策收紧对现阶段经济杠杆率的影响[10]。选择名义GDP总额、CPI、影子银行融资规模、央行7天逆回购基准利率、金融机构贷款总额等变量的季度时间序列数据作为考察变量。其中，以支出法计算的GDP总额表示产出，以CPI环比增长率表示通货膨胀率，以金融机构贷款总额与GDP的比值表示中国宏观经济杠杆率，以央行7天逆回购利率表示政策利率。所用数据均来自中国人民银行网站、国家统计局和中经网数据库，时间跨度为2002年第一季度至2019年第四季度。在理论模型中，采用信贷利差(credit spread)衡量系统性金融风险，但是由于目前中国商业银行存款利率并未完全市场化(1)中国于2013年7月20日起全面放开对金融机构贷款利率管制，2015年10月24日起全面放开存款利率上限管制，但之后中国银行业协会采取紧盯央行存贷款基准利率的方式制定各会员的利率，所以完善的市场化利率机制尚未形成。，用信贷利差来度量现阶段经济中的系统性金融风险存在缺陷，所以用影子银行融资规模作为系统性金融风险的代理变量。因为信贷利差越大，意味着贷款利率越高，融资成本增加促使企业调整融资方式，企业从商业银行表内融资转向影子银行等表外业务获取流动性支持，致使影子银行融资规模扩大，而现阶段对影子银行缺乏相应的监管机制，影子银行规模扩大是风险增加的体现。以2005年第三季度为基期构造CPI平减指数，名义GDP、影子银行融资规模、金融机构贷款总额等名义变量除以CPI平减指数得到对应的实际变量，通过Eviews 9.0的X-13方法进行季节性的调节，之后取自然对数，并对其进行单边HP滤波处理，对7天逆回购利率进行单边HP滤波处理以获得其波动部分。在通过ADF单位根检验、Granger因果关系检验、VAR模型系统稳定性检验、根据AIC信息准则和SC信息准则确定最优滞后阶数为1阶之后，利用Cholesky分解施加递归式的短期约束，基于上述方法来识别相关参数和货币政策冲击，并按照“央行7天逆回购基准利率产出宏观经济杠杆率系统性金融风险”对变量进行排序，上述内生变量的排序旨在与基准模型的传导机制相吻合，使实证分析和基准模型的模拟结果具有可比性。

(二)实证结果

央行从 2015 年底开始持续上调逆回购利率，主要有以下两个方面的考虑：一是从国际环境来说，全球主要经济体复苏趋势明显，并且已陆续退出QE，美国已经进入加息周期。在这种外部环境下，央行跟随上调逆回购利率，顺应全球货币政策大势应该是一个比较明智的选择。二是从国内情况看，经过多年的宽松货币政策和“四万亿”财政剌激计划后，中国经济进入新常态，流动性充裕降低了资金的使用成本，推高了居民、企业、地方政府等微观经济主体的杠杆率。在这种情况下，上调逆回购利率，适当增加用资成本，降低微观主体的信贷增速，从理论上来讲，可以起到一定的降杠杆和降风险的作用。然而实证结果表明(见图3)(2)虚线表示90%的置信区间。：在中国现阶段经济背景下，提高政策利率会推高中国经济杠杆率，加剧系统性金融风险的累积，导致经济下行压力增加，这也与本文第一部分中数据所呈现的结果是一致的。

SVAR模型为识别紧缩型货币政策冲击下中国经济杠杆率和金融风险的变化情况提供了实证支持：货币政策收紧在降低债务规模的同时，会导致社会总产出水平的深度下滑，反而推高经济杠杆率，这与央行收紧政策利率是为了“降杠杆”的初心相背。本文接下来通过构建一个带有外部融资溢价机制的DSGE模型对上述因果关系给出解释和说明，并且以理论模型为基础，探索降杠杆的其它途径和方法，以期能够为抑制经济杠杆率过快上升和降低金融风险提供新思路。

四、利率政策对杠杆率的影响理论解释

本部分在Jensen等学者相关文献的框架下，通过构建一个NK-DSGE模型，对利率政策收紧推高经济杠杆率的作用机理进行理论解释，并且在相关模型的基础上，做了以下三个方面的扩展[11]：第一，与已有模型大部分是RBC模型不同，本文将价格黏性引入该模型，从而可以考查货币政策对实际变量的影响。第二，Jensen等学者引入的金融加速器机制由抵押物约束机制构成，本文的模拟结果表明，货币政策收紧会通过外部融资溢价机制所形成的金融加速器效应放大经济波动，推高经济杠杆率。第三，Jensen等模型没有考察社会福利，本文在基准模型得到的动力系统约束下，以社会福利损失最小为目标，通过对政策工具进行调整，识别最优参数取值，获取了货币政策与宏观审慎政策的最优搭配，并在此基础上考察了最优政策组合对经济杠杆率和金融风险的影响。

图3 紧缩型货币政策冲击下SVAR模型脉冲反应图

(一)家庭部门

假设经济体由测度为1的连续家庭构成，代表性家庭通过选择消费(Ct)，劳动供给(Nt)来最大化其终身贴现效用：

(1)

其中，β表示家庭主观贴现因子，h表示消费习惯参数，ω表示劳动供给偏好参数，φ表示劳动供给弹性的倒数。

家庭预算约束为：

(2)

其中，Tt表示总税负，Wt表示实际工资，Rt-1表示存款利率，Πt表示垄断竞争厂商的利润，假定其归家庭拥有。一阶条件为：

(3)

(4)

(5)

其中，λt表示家庭预算约束的拉格朗日乘子。

(二)企业家部门

(6)

企业家利用技术、物质资本、劳动投入生产同质中间品，生产方程为：

(7)

其中，α表示资本产出弹性，At表示中性技术，其对数服从一阶自回归过程：

(8)

企业家的预算约束为：

(9)

引入资本调整成本，资本积累方程为：

(10)

其中，δ表示资本折旧，Ω表示资本调整成本参数。

(三)银行部门

目前被广泛采用的刻画金融摩擦的机制可以分为两种：一种是Kiyotaki和Moore提出的抵押物约束机制[12]。该机制认为由于商业银行不能够观测到企业家的资金使用情况，并且在企业违约的情况下银行还要承担清算成本，所以要求企业家借款时必须提供抵押物。抵押物约束机制实际上是一种数量机制，因为企业家所能获得的贷款数量受到其抵押物价值的限制。另一种是由Bernanke等提出的外部融资溢价机制，该机制认为由于金融中介和企业家之间的信息不对称，导致了企业家的外部融资成本高于内部融资成本，产生了融资溢价[13]。外部融资溢价机制实际上是一种价格机制，是从资金的使用成本，也就是贷款利率的视角将金融摩擦引入到模型中，企业家所能获得的贷款量不受其抵押物价值的限制，但用资成本随着企业净值的下降而增加。

以上介绍的两种刻画金融摩擦的机制都叫做金融加速器机制。本文参考Bernanke等的外部融资溢价机制刻画银行部门和企业家之间的信贷合约关系，以区别在DSGE模型中被广泛采用的抵押物约束机制，并在此基础上构建银行系统性风险刻画指标。与Bernanke等设定风险溢价(信贷利差)是企业净值的减函数不同，本文将风险溢价设定为贷款价值比(LTV)(或者是杠杆率)的增函数：

(11)

其中，ϑt表示金融冲击，其对数服从一阶自回归过程：

(12)

(13)

(14)

(四)零售商部门

零售商从完全竞争的中间品制造商购买产品，之后对中间品进行差异化处理，并打包成最终产品。零售商对相同的中间产品进行差异化处理，使得零售市场带有垄断竞争色彩并拥有定价的权力。差异化后的中间品是最终品的生产要素，最终品生产函数为：

(15)

其中，ε表示差异化后的中间产品的替代弹性。

利用最终品生产环节利润最大化的一阶条件，可以得到差异化以后的中间产品需求函数和最终产品的价格函数。

(16)

(17)

(18)

约束条件为式(17)，且Λt，t+k=βkUCt+k/UCt表征从第t期到第t+k期的随机贴现因子。mct表示中间品的边际成本。

(19)

不能重新设定价格的零售商按照以下方式调整自己产品的价格：

(20)

其中，γ表示价格对通胀的反应参数。

根据式(17)，最终产品的价格方程可表示为：

(21)

对式(19)及式(21)进行对数线性化处理，可以得到用于数值模拟的新凯恩斯菲利普斯曲线。

(五)政府部门

政府部门制定财政政策使政府预算收支平衡，制定货币政策对经济进行干预，制定宏观审慎政策对商业银行实施监管。简单的财政收支平衡方程为：

Tt=Gt

(22)

其中，Gt表示政府支出。

按照一般的做法，货币政策采用关注通胀和产出缺口的设定方式：

(23)

(六)定义均衡

给定经济偏好，资源约束条件为：

(24)

方程(1)～(24)构成本文的DSGE模型。在均衡条件下，所有市场同时出清，家庭实现期望效用最大化，企业实现利润最大化。对上述24个方程在稳态值周围进行对数线性化处理，待参数赋值后可以对模型实施模拟分析。

五、参数校准与参数估计

理论模型中有待赋值的参数包括模型的结构参数、政策参数和外生冲击的自相关系数及其标准差，本文采用校准和贝叶斯估计两种方式对参数进行赋值。对于具有明确经济含义的结构参数，结合已有文献和中国经济的相关数据，对其进行校准赋值，其余参数通过贝叶斯估计对其进行赋值。事实上，同时使用校准和贝叶斯估计两种方式对模型参数进行赋值的做法已经得到学术界的广泛认同。

(一)参数校准

家庭效用函数主观贴现因子β和企业效用函数主观贴现因子βe的取值，根据康立和龚六堂的校准值，将其分别设定为0.99和0.97[15]。对于劳动供给弹性的倒数φ，相关文献的取值差异较大，参考朱军等的分析，取值为0.3[9]。根据孟宪春等的估计结果，消费习惯因子h取为0.48，零售商对通胀的反应参数γ取值为0.47[16]。借鉴李天宇等的研究，资本产出弹性α设定为0.44[8]。资本品的年折旧率，与国内大多数文献一致，一般为10%，折算成季度值，取δ为0.025。资本调整成本参数Ω，参考王爱俭和王璟怡的结果，校准为2.45[6]。范从来和高洁超将零售商重新调整产品价格的概率(1-θ)设定为0.25，表示平均每4个季度调整一次产品价格，本文对该参数的取值与范从来和高洁超的设定相同[7]。对于中间产品的替代弹性ε，赋值为4.5，这一结果由许先普和楚尔鸣通过稳态矩匹配得来[17]。

(二)参数估计

在对具有明确经济含义的结构参数进行校准赋值的框架下，模型其余参数和外生冲击自相关系数及其标准差，借鉴孟宪春等对变量的选取和数据的处理方式，采用贝叶斯估计方法对其进行赋值[16]。由于本文包括三种外生冲击：供给冲击、金融冲击和货币政策冲击，选择宏观数据中的产出、消费、投资、通货膨胀率等四组时间序列数据作为考察变量对相关参数进行估计。以支出法计算的名义GDP总额表示产出，以CPI环比增长率表征通货膨胀率，以社会消费品零售总额表示消费，以不包括家庭投资的固定资产形成总额表示企业投资。数据来源和时间跨度与SVAR实证分析相同。以2005年第三季度为基期构造CPI平减指数，名义GDP总额、社会消费品零售总额、不包括家庭投资的固定资产形成总额等名义变量除以CPI平减指数得到其对应的实际变量，参数估计结果如表1所示。

表1 未校准参数贝叶斯估计值

(三)模型拟合评价

在对参数进行校准和估计之后，本部分考察理论模型部分经济变量的一阶矩和二阶矩与样本数据对应变量相关矩条件的匹配效果，以检验理论模型对现实经济的解释能力。从表2可以看出，在一阶矩方面，由于理论模型是一个不包括出口的封闭经济体，导致模型中的消费和投资的相对均值均高于实际数据值。另外，理论模型中的经济杠杆率与通胀的均值分别为1.421和1，而2002年第一季度到2019年第四季度的经济杠杆率与通胀均值分别 为1.203和1.014，拟合效果较好。在二阶矩方面，实际数据和理论模型均显示中国消费、投资、杠杆率的波动均高于产出的波动。总体而言，本文构造的模型能够反映中国经济的基本特征，对现实经济具备相应的解析力，使之后进行的数值模拟具备比较好的说服力和可信度，从中也可以看出模型参数赋值的科学性。

表2 矩匹配结果

六、数值模拟分析

在对参数赋值的基础上，从以下三个方面展开讨论：首先，考察从紧的利率政策对产出、投资、经济杠杆率、金融风险等经济变量的影响，且与SVAR 模型的结果进行比较，详细说明在金融市场存在摩擦的背景下，政策利率收紧推高杠杆率的内在机理；其次，以理论模型为基础，探索抑制杠杆率和金融风险的具体措施，以期能够为相关部门制定降杠杆政策提供一定的理论参考；最后，识别这些措施对社会福利的影响。

(一)利率政策影响经济杠杆率的传导机制

假设政策利率受到一个单位的正向冲击，模拟紧缩型货币政策环境下经济变量的波动情况。从图4可以看出，在紧缩型货币政策冲击下，产出、投资、通胀均出现不同程度的下降，而杠杆率和金融风险却出现较大幅度的上升，模拟结果与刘晓光和张杰平的结论相似[18]。比较图3和图4可以看出，模型产生的脉冲反应能够较好地体现SVAR实证特征。

利率政策收紧使得企业家的用资成本提高，导致投资、产出下降，工人工资下降致使消费需求下降，通胀下降。产出下降也会推高整个经济体的杠杆率，此信号将会传导给商业银行，影响商业银行的定价机制。由式(11)可知，经济杠杆率上升触发金融加速器机制，引起新一轮用资成本上升。在中国金融市场不发达，股权融资等直接融资发展滞后，企业融资以银行贷款等间接融资为主的客观背景下，用资成本上升会使得投资、产出进一步下降，也会导致企业家更多的从事高风险投资，加剧金融风险。外部融资溢价机制所形成的动态乘数效应加剧金融系统的脆弱性，使得经济杠杆率和金融风险相互迭加，造成所有内生变量短期内波动较大，随着市场配置资源的作用逐渐显现出来，经济变量才逐步回归稳态。

以上理论模型的传导机制为近年来中国经济杠杆率高企和金融风险不断累积的形成原因提供了一种解析。数据显示多年的宽松货币政策降低了资金的使用成本，推高了居民、企业、地方政府等微观经济主体的杠杆率。但是，基准模型的模拟结果表明：利率政策收紧会通过外部融资溢价机制所形成的金融加速器效应推高经济杠杆率、加剧金融风险。这一结果凸显传统利率政策作为总量调控工具在进行内生性调整时的尴尬，也表明其在治理经济杠杆率和金融风险等方面的缺陷与不足。有鉴于此，本文在理论模型基本框架下，模拟分析技术进步、“双支柱”调控框架等两种措施对经济杠杆率的影响，对其降低经济杠杆率和缓和金融风险的成效给出基本判断。

图4 紧缩型货币政策冲击下部分经济变量波动情况图

(二)技术进步对杠杆率的影响

近年来中国技术进步成果显著，技术进步是否有助于杠杆率的下降和金融风险的缓和呢?从图5的模拟结果来看，答案是否定的。技术进步可以增加产出和投资，但也推高了经济杠杆率，加剧风险累积。其风险累积过程是：技术进步使得产出增加，但由于消费者偏好没有发生改变，产出的增加多于消费的增加，致使供给大于需求，物价下降。以稳定物价水平为目标的货币政策通过降低利率提高物价水平。利率下降使得企业的用资成本下降，一方面导致投资需求高涨，另一方面扭曲了经济中企业家的决策，企业过度负债。经济杠杆率和金融风险在冲击初期上升并不明显，但随着技术进步效应慢慢退化，产出回归稳态，过度负债使得杠杆率上升，触发金融加速器机制，其放大波动的作用使得杠杆率和金融风险相互影响并迅速攀升，且具有长期增长趋势。这也与中国近年来技术进步带来投资过剩，产出难以市场化出清，企业违约概率增加，导致经济杠杆率上升和金融风险不断累积的事实相吻合(3)技术进步对经济杠杆率影响的实证支持与第三部分SVAR模型在数据来源、时间跨度、处理方式等方面均类似，受篇幅所限，实证结果未能给出，有兴趣的读者可向作者索取。。

刘晓光和张杰平、胡悦和吴文锋等从多个维度提供了技术进步推高杠杆率的直接证据，模型作用机理可以帮助从理论上解释这一成因，为上述实证分析提供一定的理论支持[18-19]。

图5 正向技术冲击下部分经济变量波动情况图

(三)双支柱框架防风险、降杠杆效应分析

从前文的模拟中可以看出，企业的用资成本与产出、投资存在联动关系(co-movement)，在外部融资溢价机制作用下，成为引起经济波动、推高杠杆率、加剧金融风险的关键因素。因此，要实现稳增长、降杠杆、防风险的目标，就必须对企业的用资成本进行逆周期管理。

党的十九大报告指出：健全货币政策和宏观审慎政策双支柱调控框架，守住不发生系统性金融风险的底线。因此本文在基准模型的基础上引入宏观审慎政策，并对双支柱调控框架降杠杆、防风险作用进行模拟分析。

(25)

一般来说，由于各国的国情不同，发展阶段不同，制定审慎政策的出发点和关注对象都会有差异。本文借鉴Jensen等学者的做法，将信贷增长率作为审慎政策的关注变量[11]。

(26)

其中τss是审慎政策的稳态值，τ是审慎政策对信贷增长率的反应参数。在金融加速器机制作用下，央行对风险溢价进行逆周期监管。将信贷增长率作为审慎政策的信号源有以下两个方面的考虑：第一，金融体系本质上是脆弱的，其脆弱性的根源在于银行系统过度的信贷扩张。由于有限责任和存款保险制度，商业银行有投资风险项目的激励，实施宏观审慎监管，其根本目的在于防止银行过度的信贷投放，避免其过多的风险承担。第二，事实上，信贷的大幅增长往往是金融危机爆发的先兆，2008年的次贷危机就是最好的说明。

在已有货币政策的经济体中引入宏观审慎政策，涉及到两种政策的协调配合问题。在分析政策的最优配合时，一般的做法是以社会福利损失函数为考察对象，因为不论实施何种经济政策，最终目的都是为了提高社会福利。Woodford将最优政策协调问题转化为以下优化问题[20]：

(27)

一般来说，货币政策的目标是维持物价稳定、促进经济增长，而宏观审慎政策的定位是防范金融风险、维护金融系统的稳定。从式(27)可以看出，该福利损失函数未能将金融风险要素纳入考量范围。针对近年来杠杆率高企和金融风险不断累积等这些经济发展过程中出现的新问题，基于稳增长、降杠杆、防风险三重任务，本文重新设定福利损失函数，除了关注产出和通胀外，还加入了对经济杠杆率和金融风险等指标的考察。扩展型福利损失函数为：

(28)

金融风险指标为信贷利差方差，ltvt=Bt/Yt表征经济杠杆率。κs，κltv分别为金融风险和杠杆率在福利损失函数中的权重。对货币政策参数ρπ和审慎政策参数τ进行遍历性取值，考察不同政策组合对社会福利损失的影响，获得最优的政策参数和政策组合。鉴于参数ρπ的90%置信区间为(1.881，2.396)，而Jensen等学者认为审慎政策参数τ取值一般在(0，1)内，故令ρπ在[1.8，2.4]中取值，τ在[0.01，0.9]中取值，步长设定为0.01[11]。

对于关注变量在福利损失函数中权重的取值，借鉴朱军等的做法，在目标方程(28)中编历各种权重组合，但权重之和设定为1[9]。在金融冲击下，不同权重组合、不同政策参数组合可以得到不同的社会福利损失函数值，模拟结果如图6所示。当ρπ的取值在2.4附近，τ的取值在0.9附近，κπ=0.7，κy=κs=κltv=0.1时，福利损失函数值最小，为0.924。可见货币政策和审慎政策“双宽松”搭配可以最大限度降低社会福利损失。究其原因，一方面，SVAR实证分析已说明提高政策利率会使得现阶段中国经济杠杆率上升；另一方面，如果货币政策和审慎政策采用“一松一紧”的组合方式，在实施的过程中，微观主体会发现他们受到了两个截然相反的政策影响，同一时间面临着扩张信贷和减少信贷的不同激励。“一松一紧”政策组合的内在矛盾性使得微观主体很难按照政策制定者的意图行事，从而会大大削弱政策组合的实施效果。而“双宽松”政策搭配稳增长、降杠杆、防风险的意图明确，方向一致，向微观主体传达明确的政策信号，稳定市场预期，便于目标的实现和福利水平的提高。

图6 不同政策组合下社会福利损失图

图7给出了负向金融冲击下部分内生变量的脉冲图。从图7中可以看出，金融冲击使得企业的用资成本上升，信贷规模下降，企业减少投资，产出降低。产出下降一方面使企业的杠杆率上升，触发金融加速器机制，引发新一轮的用资成本上升，使商业银行的信贷利差进一步扩大，强化违约风险；另一方面减少就业和工资，导致消费需求不足，进而出现通货紧缩。引入对信贷利差进行逆周期管理的宏观审慎政策后，信贷减速放缓，企业获得相对多的流动性支持，投资、产出、通胀回升明显，避免了金融风险和杠杆率的进一步恶化。审慎政策具体作用机制是通过逆周期的调控，降低了企业用资成本的逆周期性，削弱了外部融资溢价机制产生的金融加速器效应，缓和了用资成本波动与经济杠杆率之间正向反馈联动效应，使得整个经济体的稳定性得以提高，经济韧性增强。信贷配置更趋合理，商业银行运行更加稳健，这两者都导致了杠杆率和金融风险的下降，从而实现了稳增长、降杠杆、防风险的目标。

图7 双支柱调控框架防风险、降杠杆效应分析图

2008年金融危机发生的主要原因之一是对金融风险顺周期性累积未能及时进行监控和管理。从中也可以看出货币政策在修正信贷资源错配、防范金融风险方面的缺陷。基于此，对宏观审慎政策的研究和讨论从幕后走向前台，其主要思想是从逆周期的思维角度对金融风险顺周期性累积进行监管，达到平滑信贷波动，维护金融稳定的目的。相对于财政政策、货币政策、税收政策、汇率政策等传统经济政策，审慎政策还不是很成熟，各国都在积极探索、制定符合本国国情的宏观审慎政策。从模拟结果来看，宏观审慎政策能够很好地降低经济杠杆率，缓和风险累积，从而进一步优化负债结构，推动经济平稳、健康发展。从这里可以看出，审慎政策的作用不仅仅是维护金融安全，还有稳增长、降杠杆的功能。

七、结论和政策建议

2008年金融危机之后，中国实施了宽松的货币政策和“4万亿”财政剌激计划，致使微观主体经济杠杆率和金融风险不断提高。有鉴于此，本文构建了一个标准的新凯恩斯DSGE模型，尝试说明中国经济杠杆率高企和系统性金融风险不断累积的形成原因和传导机制，探索解决这些问题的方法。基于降杠杆有分子策略和分母策略，首先从分子策略入手，模拟发现以降低企业负债为目的的紧缩型货币政策并不能达到降低杠杆率和金融风险的效果。其次从分母策略入手，模拟发现通过技术进步提高产出也不能实现降杠杆的目的，其主要原因在于技术进步使得产出迅速增加，导致物价水平降低，以稳定物价水平为目标的货币政策通过降低利率提高物价水平，这使得企业的用资成本下降，导致企业过度负债，反而推高了经济杠杆率。最后，在货币政策基础上引入以信贷增长率为信号源的宏观审慎政策削弱了外部融资溢价机制所产生金融加速器效应，增强了经济韧性，实现了稳增长、降杠杆、防风险的目标。一般来说，宏观审慎政策的作用是防范金融风险，从这里可以看出，随着对审慎政策认识的不断深化，其功能可以得到进一步的拓展。

本文所做的分析能够为政府部门提供如下政策启示：

一是鉴于在中国现阶段经济背景下，货币政策收紧无助于经济杠杆率上升和金融风险持续累积等这些问题的解决，中国政府应继续实施适度宽松的货币政策，为上述问题的解决创造良好的金融环境。同时应出台切实有效的办法，防止微观主体在较宽松的货币政策环境下盲目加杠杆。

二是深入推进供给侧结构性改革，破除无效供给，让资金、资源流向更有效率的民营企业，以市场为导向，培育、增加有效供给，引导消费者偏好的改变。这样既可以增加有效需求，降低违约率从而缓和金融风险，又可以避免资金过度地流向国企，达到降低国企杠杆率，进而降低宏观经济杠杆率的目的。

三是由于宏观审慎政策具有弱化金融加速器效应，使企业获得稳定的流动性支持，平滑产出波动，使商业银行运行更加稳健，降低杠杆率等诸多优点，中国应加快制定、实施符合中国国情的宏观审慎政策，并做好与已有政策(如财政政策、货币政策等)的配合，相信此举可以使中国经济基本面得到进一步改善，经济韧性进一步增强，更好的实现稳增长、降杠杆、防风险的目标，加快中国经济转型升级步伐。